面试练习拿到分数后，该检查什么

模拟面试给了你72分。再试一次，变成84分。你松了口气，接着却有点疑惑：究竟哪里进步了？

是第二次更切题，还是把决定解释得更清楚了？也可能只是说得更久，用了系统偏爱的措辞，或者回答了另一道题。只看数字，很难知道下一次应该改哪里。

先找到这次的问题、实际说过的话和对应反馈。

先确认工具听到了什么

把答案和反馈放在一起对照。如果有转写，先读相关段落，再判断自己答得如何。它有没有漏掉一个“不”字？有没有认错专业术语？有没有把面试官的话算到你头上？

检查原话和评价标准，有助于发现这类问题。

没有转写时，结束后尽快记下相关内容，注明是凭记忆整理的。把当时说过的话和事后补充的想法分开。

接着重读原题，看看答案是否切题。“说一次你在信息不完整时作决定的经历”，要听的是决定和理由。把项目最后有多成功讲得再漂亮，也可能没有交代这两件事。

请反馈指出具体位置

看一个虚构答案：“我们换了供应商，因为原来的不够好。换了以后就好多了。“工具给出的反馈是：“你的决策分析需要更深入。”

可以把这条反馈问具体：“不够好”具体指什么？当时掌握哪些信息？哪一项限制让更换变得必要？这些问题都指向听者还缺少的信息。

再看“你缺乏自信”。它可能来自一次长停顿、一段音量偏小的录音，也可能只是没有依据的印象。它没有解释这个决定是否合理。可以追问：哪句话或哪个表现让你这样判断？它怎样影响了理解？

Van der Kleij 等人对计算机辅助学习的元分析发现，解释性反馈的平均学习效果，大于只给正确答案或告知对错的反馈。查看面试反馈时，也可以要求它说明：哪句话出了问题，缺少什么信息，为什么需要补充。（Van der Kleij 等，2015）

对供应商这道题，可以检查答案有没有说明决定、解释选择标准，以及区分预期和实际结果。检查这些内容，也能看出工具是否偏离了原题。

拿到反馈后的检查清单

检查项	要问的问题
转写	否定词、专业术语、谁说了什么，有没有记对？
原题	我的回答对应的是被问到的内容吗？
批评	是哪句话或哪个表现引出了这条批评？
缺失信息	听者还需要知道什么？
改写稿	有没有多出我从未提供的成本节省、动机或结果？

有分歧时，先查清再改

如果答案漏了个人贡献，就补上具体行动。如果已经说明限制，可以把那句话指出来，请工具解释为什么仍然认为不足。评价标准不清楚时，先问清楚；自己拿不准，也可以请练习伙伴一起看题目和答案。

如果 AI 在你反对后立刻改口，看看它给出了什么新依据。请它说明哪些原话支持新的判断。

检查改写里有没有多出来的成本节省、动机或结果。这些内容需要你确认后才能使用。

表达建议也要结合岗位。问清楚哪种说法影响了理解，再决定怎么改。口音、语速或停顿本身，不能说明答案缺了什么。

选一个能检查的改变

Shute 关于形成性反馈的综述建议，指导应具体、围绕任务，并帮助学习者修正一次尝试。下一次可以先处理一个明确的问题，例如补上供应商的选择标准。（Shute，2008）

先把真实标准弄清楚，保持问题不变，再不看改写稿回答。请别人听听，是否能明白你的选择理由，以及你怎么知道后来的结果。

比较前后两次回答，记下具体变化：选择标准是否说清了，个人贡献是否明确了，还有哪一处需要补充。下一次就从剩下的问题开始。