JP2014089657A - スキル評価方法および装置 - Google Patents

Abstract

【課題】評価対象者が目標、理想あるいは尊敬する目標人物の現在の知識、行動、能力、思想、嗜好等のスキルに対する、評価対象者自身のスキルの達成度、到達度を定量的に評価する。
【解決手段】目標人物と同一ないしは類似の分野に分類できる同類人物を探索する探索部２と、目標人物のスキルを代表する目標スキルデータを生成する目標スキルデータ生成部３と、同類人物のスキルを代表する分野スキルデータを生成する分野スキルデータ生成部４と、評価対象者のスキルレベルを代表する対象スキルデータを生成する対象スキルデータ生成部８と、目標スキルデータと分野スキルデータとの差に基づいて偏差データを算出する偏差データ算出部６と、偏差データ部分が重み付けされた目標スキルデータと対象スキルデータとの類似度に基づいて、目標人物のスキルに対する評価対象者のスキル達成度を算出するスキル評価部９とを具備した。
【選択図】図１

Description

本発明は、ユーザが獲得しているスキルを評価する方法および装置に係り、特に、ユーザが目標、理想あるいは尊敬する目標人物の現在の知識、行動、能力、思想、嗜好等のスキルに対する、ユーザ自身のスキルの達成度、到達度を定量的に評価できるスキル評価方法および装置に関する。

ユーザのスキルを定量的に評価する方法として、特許文献１には、CAD(computer aided design)の操作スキルを判定すべく、CAD操作により構築すべきモデルを正解として与え、ユーザが構築したモデルとの長さや体積等の差分を算出し、差分が小さいほど操作スキルが高いと判定するCADスキル判定システムが開示されている。

特許文献２には、あらゆる職種の従業員のスキルレベルおよび不足スキルの判定を行う手法として、あらかじめ設定した複数のスキルレベル認定条件に基づき、ユーザが入力したスキルレベル(自己判断)に対し、どのスキルレベルを満たしているかどうか、どのようなスキルが不足しているかを判定する人材育成支援システムが開示されている。

特開２００６−２２０６８６号公報 特開２００５−１４８９１９号公報

上記の従来技術はいずれも、スキルレベルの判定基準が予め固定的に設定されてしまう。したがって、ユーザが理想または目標とする人物のスキルに対する自身のスキルの達成度を評価する場合であって、評価対象が生存する人物であり、そのスキルが日々変化する場合には対応できない。

また、人間のスキルは一般的に定量化することが難しいので、比較対象が人物であると、その判定基準を合理的に設定することが困難であった。

本発明の目的は、上記の技術課題を解決し、評価対象者が目標、理想あるいは尊敬する目標人物の現在の知識、行動、能力、思想、嗜好等のスキルに対する、評価対象者自身のスキルの達成度、到達度を定量的に評価できるスキル評価方法および装置を提供することにある。

上記の目的を達成するための、本発明は、目標人物のスキルに対する評価対象者のスキル達成度を評価するスキル評価装置において、以下のような構成を具備した点に特徴がある。

(1)目標人物および評価対象者の指定を受け付ける受付手段と、目標人物と同一ないしは類似の分野に分類できる同類人物を探索する探索手段と、目標人物に関する情報に基づいて当該目標人物のスキルを代表する目標スキルデータを生成する目標スキルデータ生成手段と、同類人物に関する情報に基づいて当該同類人物のスキルを代表する分野スキルデータを生成する分野スキルデータ生成手段と、評価対象者に関する情報に基づいて当該評価対象者のスキルを代表する対象スキルデータを生成する対象スキルデータ生成手段と、目標スキルデータと分野スキルデータとの差に基づいて偏差データを算出する偏差データ算出手段と、偏差データ部分が重み付けされた目標スキルデータと対象スキルデータとの類似度に基づいて、目標人物のスキルに対する評価対象者のスキル達成度を算出するスキル評価手段とを具備した。

(2)各知識スキルデータは、目標人物、同類人物および評価対象者に関する情報のそれぞれから抽出された単語およびその出現頻度の情報を含むようにした。

(3)各行動スキルデータは、目標人物、同類人物および評価対象者に関する情報のそれぞれから抽出された行動対象、行動表現およびそれらの出現頻度の情報を含むようにした。

(4)行動表現が行動力の指標値で分類され、前記出現頻度が前記行動力の指標値に基づいて重み付けされるようにした。

本発明によれば、以下のような効果が達成される。

(1)目標人物と評価対象者とのスキル差を定量化できるので、目標スキルへの到達度や達成度を体感できるようになる。

(2)目標人物や同類人物の情報が定期的に自動取得され、それぞれのスキルデータが日々更新されるようにすれば、評価対象者が何もしなければスキル差が拡大してしまうので、スキル獲得に対するモチベーションを維持、向上させることができる。

(3)偏差データ部分が重み付けされた目標スキルデータと対象スキルデータとの類似度に基づいて目標人物のスキルに対する評価対象者のスキル達成度が算出されるので、目標人物には当てはまるが同類人物には当てはまらない固有スキルを備えた評価対象者ほど、そのスキル達成率を高く評価できるようになる。

(4)行動スキルデータを、行動対象、行動表現およびそれらの出現頻度で構成すると共に、行動表現を行動力の指標値で分類し、その出現頻度が行動力の指標値に基づいて重み付けされるようにしたので、行動対象が同一であっても行動表現が行動的であるか否かに応じて行動スキルデータの大きさを異ならせることができる。

本発明の一実施形態に係るスキル評価装置の機能ブロック図である。 本発明の一実施形態の動作を示したフローチャートである。 行動力による行動表現の分類例を示した図である。

以下、図面を参照して本発明の実施の形態について詳細に説明する。図１は、本発明の一実施形態に係るスキル評価装置の主要部の構成を示した機能ブロック図であり、ここでは、本発明の説明に不要な構成は図示が省略されている。

本発明のスキル評価装置は、評価対象者が目標、理想あるいは尊敬する目標人物の現在の知識、行動、能力、思想、嗜好等のスキルに対する、評価対象者自身のスキルの達成度、到達度を定量的に評価するものであり、例えばインターネット等の広域ネットワークに接続されたサーバなどに実装することで実現される。

要求受付部１には、スキル評価の要求が、評価対象者に関する情報および当該評価対象者が目標とする人物に関する情報と共に、スマートフォンなどのユーザ端末１０から無線基地局１１およびネットワーク経由で入力される。本実施形態では、前記評価対象者や目標人物に関する情報として、当該者の氏名、芸名、筆名、略称、ネットワーク上でのバンドル名といった識別情報、または当該者のブログID、著書あるいは日記を特定する情報が入力される。

分野情報探索部２は、前記目標人物の友人、知人または職業等が同一または類似の分野に属する人物（以下、同類人物と表現する）を、目標人物が属する分野の一般的なスキルを定義するための情報として探索する。このような同類人物の探索は、例えば友人や知人の氏名を検索エンジンに入力してネット検索し、検索結果として得られる情報に記述されている目標人物以外の人物の氏名等を抽出することにより実現できる。また、前記同類人物の情報として、ブログID等が入力されている場合には、当該ブログにアクセスし、そのブログ内に記述されている目標人物以外の人物の氏名等を抽出するようにしても良い。

目標スキルデータ生成部３は、前記目標人物の情報群から当該目標人物の知識スキルの指標となる目標知識スキルデータを生成するデータ生成部３ａおよび目標人物の行動スキルの指標となる目標行動スキルデータを生成するデータ生成部３bを含む。

分野スキルデータ生成部４は、前記目標人物と同一又は類似の分野に属する同類人物の情報群から、当該同類人物が属する分野の一般的な知識スキルの指標となる分野知識スキルデータを生成するデータ生成部４ａおよび一般的な行動レベルの指標となる分野行動スキルデータを生成するデータ生成部４bを含む。

このようなスキルデータの生成も、目標人物／同類人物の氏名等を検索エンジンへ入力してネット検索を行い、検索結果として得られるブログ、Wikipedia、クチコミ情報、著作物、日記、伝記等の内容を、さらに行動に関連したキーワードおよび知識に関連したキーワードで絞り込むことにより実現できる。例えば、検索結果のブログ等に「××へ旅行した」、「△△を購入した」という情報が含まれていれば、「旅行した」や「購入した」は行動に関連したキーワードなので、これらの情報は行動スキルデータとなる。

スキルDB５には、前記目標知識スキルデータ、目標行動スキルデータ、分野知識スキルデータおよび分野行動スキルデータが蓄積される。なお、このような各スキルデータの生成および蓄積は所定の周期で繰り返されるので、スキルDB５には、目標人物および同類人物の最新の行動スキルデータおよび知識スキルデータが周期的に反映されることになる。

偏差データ算出部６において、知識偏差データ算出部６ａは、目標人物および同類人物の各知識スキルデータの差分に基づいて知識偏差データを算出する。行動偏差データ算出部６ｂは、目標人物および同類人物の各行動スキルデータの差分に基づいて行動偏差データを算出する。このようにして算出された各偏差データは、目標人物には当てはまるが同類人物には当てはまらない、当該目標人物に偏った情報なので、特に目標人物に固有の行動／知識スキルデータと言える。このようにして抽出された各偏差データは評価基準DB７に蓄積される。

なお、目標人物および同類人物の移動ログや購買履歴などを取得できる場合には、これらの情報を比較・照合することにより、目標人物の移動ログには登録されているが同類人物の移動ログには登録されていない場所、目標人物の購買履歴には登録されているが同類人物の購買履歴には登録されていない物品も、前記行動偏差データあるいは知識偏差データとして評価基準DB７に蓄積するようにしても良い。

対象スキルデータ生成部８は、評価対象者の情報群から、当該評価対象者の知識スキルの指標となる対象知識スキルデータを生成するデータ生成部８ａおよび評価対象者の行動スキルの指標となる対象行動スキルデータを生成するデータ生成部８bを含む。このようなデータの生成も、評価対象者の氏名等を検索エンジンへ入力してネット検索し、検索結果として得られる情報を、さらに行動に関連したキーワードおよび知識に関連したキーワードで絞り込むことにより実現できる。

スキル評価部９は、前記知識偏差データ部分が重み付けされた目標知識スキルデータと対象知識スキルデータとの類似度に基づいて、目標人物の知識スキルに対する評価対象者の知識スキル達成度を算出する知識レベル判定部９ａ、および前記行動偏差データ部分が重み付けされた目標行動スキルデータと対象行動スキルデータとの類似度に基づいて、目標人物の行動スキルに対する評価対象者の行動スキル達成度を算出する行動レベル判定部９ｂを含む。評価結果は、前記ネットワークおよび無線基地局１１を中継してユーザ端末１０へ転送され、スキル達成度が割合（パーセンテージ）や点数といった定量的な表現により表示される。

次いで、フローチャートを参照して本発明の一実施形態の動作を詳細に説明する。図２は、本発明の一実施形態の動作を示したフローチャートである。

ステップＳ１において、ユーザ端末１０からネットワーク経由でスキル評価要求が検知されると、ステップＳ２では、当該評価要求に記述されている目標人物および評価対象者に関する情報が前記要求受付部１において受け付けられる。本実施形態では、評価対象者として端末ユーザ自身を想定している。ステップＳ３では、前記分野情報探索部２において、目標人物と同一又は類似の分野で活動する同類人物が検索エンジンにより探索される。なお、目標人物が複数の分野で活動している場合には分野ごとに同類人物が探索が行われる。

ステップＳ４では、前記目標スキルデータ生成部３において、目標人物の氏名等を検索クエリとしてネットワーク上のブログやWikipedia等を検索することにより、目標人物の氏名等と関連付けられたテキスト情報が収集される。

ステップＳ５では、前記目標知識スキルデータ生成部３ａにおいて、前記収集された各テキスト情報から「知識」に関連した単語が抽出され、出現頻度の高い上位N個の頻出語に基づいて、次式(1)の目標知識スキルデータTkがベクトル形式で生成される。各ベクトル要素tkiは、単語Wtkiおよびその出現頻度Ntkiによって構成される。

Tk={tk1,tk2,...tki...,tkn} … (1)
tki={Wtki,Ntki}

ステップＳ６では、前記目標行動スキルデータ生成部３ｂにおいて、前記収集された各テキスト情報から「行動」に関連した表現が抽出される。本実施形態では、行動の対象（行動対象）および行動の内容（行動表現）がペアで抽出される。例えば、料理の分野において、「ニンジンをソテーした」という表現であれば、「ニンジン」が行動対象とされ、「ソテー」が行動表現とされる。そして、抽出された行動対象および行動表現の多数のペアの中から、出現頻度の高い上位N個の頻出ペアに基づいて、次式(2)の目標行動スキルデータTaがベクトル形式で生成される。各ベクトル要素taiは、行動対象Wtai、行動表現Ataiおよびその出現頻度Ntaiによって構成される。

Ta={ta1,ta2,...tai..., tan} … (2)
tai={Wtai,Atai,Ntai}

なお、行動対象が同一であっても、例えば「ニンジンをソテーする」と「ニンジンを栽培する」とでは、料理の分野においては一般的に「ニンジンを栽培する」の行動力がより高く、より高度な行動と言える。そこで、本実施形態では図３に一例を示したように、予測される行動表現を行動力に基づいて複数のレベルに分類し、行動力のより高い行動表現には、より高い重み値を与え、この重み値を前記出現頻度Naaiに適用することで、実際の出現頻度よりも前記行動力に応じて、より高い出現頻度が付与されるようにしている。

ステップＳ７では、前記分野スキルデータ生成部４において、前記同類人物の氏名等を検索クエリとしてネットワーク上のブログやWikipedia等を検索することにより、各同類人物の氏名等と関連付けられたテキスト情報が収集される。

ステップＳ８では、前記分野知識スキルデータ生成部４ａにおいて、収集された各テキスト情報から「知識」に関連した単語が抽出され、出現頻度の高い上位N個の頻出語に基づいて、次式(3)の分野知識スキルデータAkがベクトル形式で生成される。各ベクトル要素akiは、単語Wakiおよびその出現頻度Nakiによって構成される。

Ak={ak1, ak2,...aki...,akn} … (3)
cki={Waki,Naki}

ステップＳ９では、前記分野行動スキルデータ生成部４ｂにおいて、収集された各テキスト情報から「行動」に関連した表現として、前記行動対象および行動表現のペアが抽出され、出現頻度の高い上位N個の頻出ペアに基づいて、次式(4)の分野行動スキルデータAaがベクトル形式で生成される。各ベクトル要素aaiは、行動対象Waai、行動表現Aaaiおよびその出現頻度Naaiによって構成される。ここでも、出現頻度Naaiは行動表現の行動力に応じて重み付けされる。

Aa={aa1,aa2...aai...,aan} … (4)
aai={Waai,Aaai,aai}

ステップＳ１０では、前記対象スキルデータ生成部８において、前記評価対象者の氏名等を検索クエリとしてネットワーク上のブログやWikipedia等を検索することにより、評価対象者の氏名等と関連付けられたテキスト情報が収集される。

ステップＳ１１では、前記対象知識スキルデータ生成部８ａにおいて、収集された各テキスト情報から「知識」に関連した単語が抽出され、出現頻度の高い上位N個の頻出語に基づいて、次式(5)の対象知識データUkがベクトル形式で生成される。各ベクトル要素ukiは、単語Wukiおよびその出現頻度Nukiによって構成される。

Uk={uk1,uk2,...uki...,ukn} … (5)
uki={Wuki, Nuki}

ステップＳ１２では、前記対象行動スキルデータ生成部８ｂにおいて、収集された各テキスト情報から「行動」に関連した表現として、前記行動対象および行動表現のペアが抽出され、出現頻度の高い上位N個の頻出ペアに基づいて、次式(6)の対象行動スキルデータUaがベクトル形式で生成される。各ベクトル要素uaiは、行動対象Wuai、行動表現Auaiおよびその出現頻度Nuaiによって構成される。ここでも、出現頻度Nuaiは行動表現の行動力に応じて重み付けされる。

Ua={ua1,ua2,...uai...,uan} … (6)
uai={Wuai,Auai,Nuai}

ステップＳ１３では、次式(7)の知識偏差データDkが、前記目標知識スキルデータTkと分野知識スキルデータAkとの差分として求められ、かつ次式(8)の行動偏差データDaが、前記目標行動スキルデータTaと分野行動スキルデータTaとの差分として求められる。ただし、各ベクトル要素dkiは単語Wdkiおよび出現頻度Ndkiによって構成され、ベクトル要素daiは単語Wdai，行動表現Adaiおよび出現頻度Ndaiによって構成される。

Dk={dk1,dk2, ..dki...,dkn} … (7)
dki={Wdki,Ndki}

Da={da1,da2,...dai...,dan} … (8)
dai={Wdai,Adai,Ndai}

ステップＳ１４では、対象知識スキルデータUk、分野知識スキルデータAkおよび知識偏差スキルデータDkを次式(9)に適用することにより、知識に関するスキル達成率Rkが算出される。ここで、右辺第１項は方向性の類似度を表し、第２項は大きさの類似度を表している。

Rk＝{(Uk・(αDk+Ak))／(|Uk||(αDk+Ak)|)}×(|Uk|／|(αDk+Ak|) … (9)
＝(Uk・(αDk+Ak)／|(αDk+Ak)|²

なお、[Dk+Ak]は前記目標知識スキルデータTkに相当するので、[αDk+Ak]は、比較対象となる目標知識スキルデータTkに占める知識偏差スキルデータDkの部分が、重み計数α（α≧１）により重み付けされていることを意味している。このような重み付けを施すことにより、目標人物には当てはまるが同類人物には当てはまらない固有スキルを備えた評価対象者ほど、そのスキル達成率Rkを高く評価できるようになる。

ステップＳ１４ではさらに、対象行動スキルデータUa、分野行動スキルデータAaおよび行動偏差データDaを次式(10)に適用することにより、行動に関するスキル達成率Raが算出される。ここでも、右辺第１項は方向性の類似度を表し、第２項は大きさの類似度を表している。また、[Da+Aa]は前記目標行動スキルデータTaに相当するので、[αDa+Aa]は、比較対象となる目標行動スキルデータTaに占める行動偏差スキルデータDaの部分が、重み計数α（α≧１）により重み付けされていることを意味している。

Ra＝{(Ua・(αDa+Aa))／(|Ua||(αDa+Aa)|)}×(|Ua|／|(αDa+Aa)|) … (10)
＝(Ua・(αDa+Aa))／|(αDa+Aa)|²

１…要求受付部，２…分野情報探索部，３…目標スキルデータ生成部，４…分野スキルデータ生成部，５…レベル情報DB，６…偏差データ算出部，７…評価基準DB，８…対象スキルデータ生成部，９…スキル評価部，１０…ユーザ端末，１１…無線基地局

Claims (10)

1. 目標人物のスキルに対する評価対象者のスキル達成度を評価するスキル評価装置において、
   目標人物および評価対象者の指定を受け付ける受付手段と、
   前記目標人物と同一ないしは類似の分野に分類できる同類人物を探索する探索手段と、
   前記目標人物に関する情報に基づいて当該目標人物のスキルを代表する目標スキルデータを生成する目標スキルデータ生成手段と、
   前記同類人物に関する情報に基づいて当該同類人物のスキルを代表する分野スキルデータを生成する分野スキルデータ生成手段と、
   前記評価対象者に関する情報に基づいて当該評価対象者のスキルを代表する対象スキルデータを生成する対象スキルデータ生成手段と、
   前記目標スキルデータと分野スキルデータとの差分に基づいて偏差データを算出する偏差データ算出手段と、
   前記偏差データ部分が重み付けされた目標スキルデータと対象スキルデータとの類似度に基づいて、目標人物のスキルに対する評価対象者のスキル達成度を算出するスキル評価手段とを具備したことを特徴とするスキル評価装置。
2. 前記各スキルデータが、前記目標人物、同類人物および評価対象者の各知識スキルを代表する知識スキルデータであり、
   前記偏差データ算出手段は、目標人物の知識スキルを代表する目標知識スキルデータと同類人物の知識スキルを代表する分野知識スキルデータとの差分に基づいて知識偏差データを算出し、
   前記スキル評価手段は、前記知識偏差データ部分が重み付けされた目標知識スキルデータと前記対象人物の知識スキルを代表する対象知識スキルデータとの類似度に基づいて、目標人物の意識スキルに対する評価対象者の知識スキル達成度を算出することを特徴とする請求項１に記載のスキル評価装置。
3. 前記各スキルデータが、前記目標人物、同類人物および評価対象者の各行動スキルを代表する行動スキルデータであり、
   前記偏差データ算出手段は、目標人物の行動スキルを代表する目標行動スキルデータと同類人物の行動スキルを代表する分野行動スキルデータとの差分に基づいて行動偏差データを算出し、
   前記スキル評価手段は、前記行動偏差データ部分が重み付けされた目標行動スキルデータと前記対象人物の行動スキルを代表する対象行動スキルデータとの類似度に基づいて、目標人物の行動スキルに対する評価対象者の行動スキル達成度を算出することを特徴とする請求項１に記載のスキル評価装置。
4. 前記類似度が、方向性の類似度および大きさの類似度を含むことを特徴とする請求項１ないし３のいずれかに記載のスキル評価装置。
5. 前記各知識スキルデータは、前記目標人物、同類人物および評価対象者に関する情報のそれぞれから抽出された単語およびその出現頻度の情報を含むことを特徴とする請求項２に記載のスキル評価装置。
6. 前記各行動スキルデータは、前記目標人物、同類人物および評価対象者に関する情報のそれぞれから抽出された行動対象、行動表現およびそれらの出現頻度の情報を含むことを特徴とする請求項３に記載のスキル評価装置。
7. 前記行動表現が行動力の指標値で分類され、前記出現頻度が前記行動力の指標値に基づいて重み付けされることを特徴とする請求項６に記載のスキル評価装置。
8. 前記目標人物、同類人物および評価対象者に関する各情報が、ネットワーク上で公開されている当該各人物の情報であることを特徴とする請求項１ないし７のいずれかに記載のスキル評価装置。
9. 前記目標人物、同類人物および評価対象者に関する各情報が、当該各人物のブログおよびWikipedia評判を含むことを特徴とする請求項８に記載のスキル評価装置。
10. 目標人物のスキルに対する評価対象者のスキル達成度を評価するスキル評価方法において、
    目標人物のスキルを代表する目標スキルデータを生成する手順と、
    目標人物と同一ないしは類似の分野に分類できる同類人物のスキルを代表する分野スキルデータを生成する手順と、
    前記評価対象者に関する情報に基づいて当該評価対象者のスキルレベルを代表する対象スキルデータを生成する手順と、
    前記目標スキルデータと分野スキルデータとの差に基づいて偏差データを算出する手順と、
    前記偏差データ部分が重み付けされた目標スキルデータと対象スキルデータとの類似度に基づいて、目標人物のスキルに対する評価対象者のスキル達成度を算出する手順とを含むことを特徴とするスキル評価方法。