JP2016152020A - 情報処理装置、制御方法、およびプログラム - Google Patents

情報処理装置、制御方法、およびプログラム Download PDF

Info

Publication number
JP2016152020A
JP2016152020A JP2015030822A JP2015030822A JP2016152020A JP 2016152020 A JP2016152020 A JP 2016152020A JP 2015030822 A JP2015030822 A JP 2015030822A JP 2015030822 A JP2015030822 A JP 2015030822A JP 2016152020 A JP2016152020 A JP 2016152020A
Authority
JP
Japan
Prior art keywords
user
information
team
performance
users
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2015030822A
Other languages
English (en)
Inventor
健 宮下
Takeshi Miyashita
健 宮下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2015030822A priority Critical patent/JP2016152020A/ja
Priority to PCT/JP2015/082176 priority patent/WO2016132612A1/ja
Publication of JP2016152020A publication Critical patent/JP2016152020A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】ユーザ間の関係性に応じて最適なチーム分けを行うことが可能な情報処理装置、制御方法及びプログラムを提供する。
【解決手段】チーム編成装置1は、ユーザ間の関係性を推測する推測部10eと、推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部10dと、を備える。制御方法は、ユーザ間の関係性を推測することと、推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成することと、を含む。プログラムは、コンピュータを、ユーザ間の関係性を推測する推測部と、推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、として実行させる。
【選択図】図2

Description

本開示は、情報処理装置、制御方法、およびプログラムに関する。
従来、チームやペア等、複数人で何らかの業務を行う場合、管理者やリーダーによってチーム分けが行われていたが、各人のスキルや属性をそれぞれ把握してベストなチーム分けを考えることは手間がかかり、また、人数が増えるとチーム分けに時間がかかってしまっていた。
チーム分け技術に関し、例えば下記特許文献1では、ビデオゲーム機で提供される対戦型ゲームのチーム分けにおいて、コントローラを操作する操作者の生体情報を分析し、分析結果に応じて操作者(遊戯者)が所属するチームを判定する対戦型ゲームにおけるチーム分け方法が提案されている。
特開2004−329515号公報
このように各人のスキルや属性、上記特許文献1に記載の生体情報の分析によって把握される性格のタイプ(熱血型、冷静型)等といったメンバーそれぞれの特徴に応じてチーム分けを行ったとしても、実際にチームで各人の能力をどの程度発揮できるかは、チームメンバー間の相性(すなわち、ユーザ間の関係性)に大きく依存する。
しかしながら、組織の中では各人から管理者やリーダーに他の作業員との相性は申告し難く、また、管理者やリーダーが個人間の相性の詳細を知ることに抵抗がある場合もある。
そこで、本開示では、ユーザ間の関係性に応じて最適なチーム分けを行うことが可能な情報処理装置、制御方法、およびプログラムを提案する。
本開示によれば、ユーザ間の関係性を推測する推測部と、前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、を備える、情報処理装置を提案する。
本開示によれば、ユーザ間の関係性を推測することと、前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成することと、を含む、制御方法を提案する。
本開示によれば、コンピュータを、ユーザ間の関係性を推測する推測部と、前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、として実行させるためのプログラムを提案する。
以上説明したように本開示によれば、ユーザ間の関係性に応じて最適なチーム分けを行うことが可能となる。
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態による情報処理システムの概要を示す図である。 本実施形態によるチーム編成装置の構成の一例を示すブロック図である。 本実施形態によるユーザ情報DBに格納されるユーザのパフォーマンス情報の一例を示す図である。 図3に示すユーザのパフォーマンス情報から作成される教師データの一例を示す図である。 本実施形態による相性推測部が回帰分析を行った時のパフォーマンスの算出式を示す図である。 本実施形態による双方向の相性の算出式を示す図である。 本実施形態による各ユーザの単方向の相性の一例を示す図である。 図7に示す単方向の相性を用いたユーザ間の双方向の相性の具体的な算出式を示す図である。 本実施形態による情報処理システムのチーム編成処理を示すフローチャートである。 本実施形態のチーム編成処理におけるチーム選定の一例を示す図である。 本実施形態によるチーム編成処理におけるチーム選定の変形例を説明する図である。 本実施形態によるチーム条件入力画面の一例を示す図である。 本実施形態によるチーム編成画面の一例を示す図である。
以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
また、説明は以下の順序で行うものとする。
1.本開示の一実施形態による情報処理システムの概要
2.基本構成
3.動作処理
4.まとめ
<1.本開示の一実施形態による情報処理システムの概要>
まず、本開示の一実施形態による情報処理システムの概要を図1に示して説明する。図1に示すように、本実施形態による情報処理システムでは、各人が行っている業務のスケジュールや進捗状況、ユーザがアクセスした業務書類の種類や内容の履歴、成果情報等が、ネットワーク上の業務情報サーバ2に格納される。また、ユーザがスマートアイグラスを装着している場合、ユーザの視界にある(ユーザが読んでいると推定される)業務書類の種類や内容の履歴も業務情報サーバ2に格納され得る。また、各人が装着するスマートバンド3やスマートウォッチ、スマートアイグラス等のウェアラブル装置により、業務中に生体情報(心拍、発汗量、体温、脳波等)や位置情報が継続的に取得される。また、各人が業務を行っている様子が、部屋に設置されたカメラ4により撮像される。当該カメラ4は、各人の会話を収音するマイクロホンも備える。カメラ4は、職場や会議室等の部屋の他、廊下にも設置され得る。
このように、本実施形態による情報処理システムでは、業務中の各人の生体情報、位置情報、会話、様子(顔の表情や、誰と一緒に作業を行っているか等)、および業務の内容(スケジュール、進捗、成果)が、様々な方法により継続的に取得され得る。なお、図1を参照して説明したこれらの情報の取得方法は一例であって、本実施形態では特に限定しない。
そして、本実施形態によるチーム編成装置1は、業務情報サーバ2から業務内容の情報(スケジュール、成果等)を取得し、ウェアラブル装置からは業務を行っている際のユーザの生体情報・位置情報を取得し、カメラ4からは撮像画像・音声情報を取得する。チーム編成装置1は、ユーザの生体情報、撮像画像、および音声情報から、ユーザがどのような状態(例えば集中度、覚醒度等の心理状態)で業務を行っているかを把握することが可能である。また、チーム編成装置1は、ユーザの位置情報、撮像画像、業務スケジュール等から、ユーザが誰と一緒に、また、誰と同じチームで業務を行っているかを把握することが可能である。さらに、チーム編成装置1は、業務内容の情報から、ユーザの業務の進み具合や成果を把握することが可能である。
これらの情報に基づいて、チーム編成装置1は、ユーザが誰と一緒に(若しくは誰と同じチームで)業務を行っている際に、どの程度のパフォーマンスを発揮しているかを推定する。ここで、パフォーマンスとは、例えば集中度、覚醒度といった、各人が業務を効率よく行うための心理状態を数値化したものや、営業成績、開発製品の性能、提供サービスの品質、処理案件数といった、数値化可能な業務の成果を示す。各人のパフォーマンスは、チームメンバー間の相性(すなわち、関係性)に大きく依存し、例えばユーザAがユーザBとペアを組んで作業した場合と、ユーザCとペアを組んで作業した場合とで、ユーザAのパフォーマンスは異なる。
本実施形態によるチーム編成装置1は、ユーザが誰と組んで作業を行った場合にどの程度のパフォーマンスが出力されるかを推定し、かかる推定結果に基づいて推測されるユーザ間の相性(関係性)を用いて最適なチーム分けを行う。すなわち、本実施形態によるチーム編成装置1は、ユーザ間の関係性に応じて、チームとしてのパフォーマンスが最大化する最適なチーム編成を行うことが可能となる。
以上、本実施形態による情報処理システムの概要について説明した。続いて、本開示の一実施形態による情報処理システムに含まれるチーム編成装置1(情報処理装置)の構成について図2を参照して説明する。
<2.基本構成>
図2は、本実施形態によるチーム編成装置1の構成の一例を示すブロック図である。図2に示すように、チーム編成装置1は、制御部10、通信部11、センサDB12(データベース)、ユーザ情報DB13、相性DB14、および表示部15を有する。
(通信部11)
通信部11は、無線/有線により外部装置と接続し、データの送受信を行う機能を有する。本実施形態による通信部11は、例えば業務情報サーバ2と接続し、各ユーザの業務内容(スケジュール、進捗、成果等)に関する情報を受信する。また、通信部11は、各ユーザが装着するウェアラブル装置と接続し、業務中のユーザの心拍、発汗、体温といった生体情報および位置情報を受信する。また、通信部11は、職場、会議室、廊下等に設置されたカメラ4と接続し、部屋等に居る1以上のユーザの様子を撮像した撮像画像および会話を収音した音声情報を受信する。これら受信した各情報は、センサDB12に格納される。
(制御部10)
制御部10は、例えばCPU(Central Processing Unit)、ROM(Read Only Memory)、RAM(Random Access Memory)、不揮発性メモリ、インターフェース部を備えたマイクロコンピュータにより構成され、チーム編成装置1の各構成を制御する。具体的には、本実施形態による制御部10は、図2に示すように、パフォーマンス推定部10a、離合集散認識部10b、相性推測部10c、およびチーム情報生成部10dとして機能する。
パフォーマンス推定部10aは、センサDB12に格納された情報を解析し、各ユーザのパフォーマンスを推定する。例えば、パフォーマンス推定部10aは、センサDB12に格納されている業務中のユーザの生体情報、撮像画像から解析された表情情報、音声情報から解析された声色情報等に基づいて、業務を行っている際の心理状態(集中度、覚醒度等)をパフォーマンスとして推定する。また、業務の成果が営業成績、開発製品の性能、処理数等の数値化できるものである場合、数値化された業務成果をユーザのパフォーマンスの推定に用いることも可能である。パフォーマンス推定部10aは、これら心理状態や業務成果に基づいて、ユーザのパフォーマンスを例えば0〜100の数値で示す。また、パフォーマンス推定部10aは、パフォーマンスの推定を例えば時刻毎に行う。パフォーマンス推定部10aにより推定されたユーザのパフォーマンス情報は、時刻や生体情報、業務状況等と紐付けて、ユーザ情報DB13に格納される。
離合集散認識部10bは、センサDB12に格納された情報を解析し、各ユーザの離合集散を認識する。例えば、離合集散認識部10bは、センサDB12に格納されている業務中のユーザの位置情報、および撮像画像から解析された業務中の部屋の様子を分析して、各ユーザが時刻毎に誰と一緒にいるのかを解析し、上述したパフォーマンス情報に紐付けてユーザ情報DB13に格納する。なお離合集散認識部10bは、センサDB12に格納されている業務スケジュールを分析して、各ユーザが誰と一緒に業務を行っているかを解析してもよい。
ここで、ユーザ情報DB13に格納されるユーザのパフォーマンス情報の一例を図3に示す。図3に示すように、例えばユーザAの時刻毎のパフォーマンス情報が、生体情報、表情情報、声色情報、業務状況情報、および一緒にいる人(一緒に業務を行っている人)と紐付けて格納されている。「業務状況情報」は、業務情報サーバ2から取得される情報から把握される業務内容の種別を示す情報である。例えば、ユーザAが複数の業務に関与している場合、参加している会議(業務)がどのプロジェクト(業務種別)に関するものであるかは、ユーザの業務スケジュール等を解析して把握される。また、業務種別は、午前中の仕事、午後の仕事等の時間帯で区切った業務種別であってもよい。図3に示すように、ユーザAのパフォーマンスは、時刻毎の生体情報や表情等に基づき、2014年11月20日の13時にユーザBおよびユーザCと共に業務Xを行っている際は「80」、同日14時に一人で業務Yを行っている際は「100」、同日15時にユーザDと共に業務Xを行っている際は「50」と推定される。
相性推測部10cは、各ユーザのパフォーマンスに与えている影響の原因を解析し、各ユーザのパフォーマンスにおける他ユーザとの相性(関係性)を推測する。ユーザのパフォーマンスにおける他ユーザとの相性とは、例えば業務を行う上での仕事のし易さである。各ユーザの他ユーザとの相性は、ユーザ情報DB13に格納された各ユーザのパフォーマンス情報を用いて算出され得る。
具体的には、まず、相性推測部10cは、ユーザ情報DB13に格納されたユーザのパフォーマンス情報から、当該ユーザと他ユーザとの相性を算出するための教師データを作成する。例えば図3に示すユーザAのパフォーマンス情報からは、図4に示すような教師データが作成される。図4に示すように、時刻毎にパフォーマンス(Pi)の要因(vj)として業務X、業務Y、業務Zといった業務要因と、ユーザB、ユーザC、ユーザDといった他ユーザ要因が挙げられる。次いで、相性推測部10cは、作成した教師データを回帰分析等の解析アルゴリズムに入力する。ここで、一例として回帰分析を用いたパフォーマンス(Pi)の算出式を図5の式1に示す。式1に示すように、ユーザiのパフォーマンスPiは、要因vj毎のウェイトwijを加算したものである。このような回帰分析を用いた場合、ウェイトwijは、ユーザiのパフォーマンスPiに対する他人の寄与率となり、この数値が大きい程、ユーザiにとって他のユーザjは相性が(ユーザiから他のユーザjに対する一方向の相性が)よいと考えられる。
以下、具体例を挙げて説明する。例えば図5の式1に、図4に示す教師データを入力すると、図5の式2に示すように、ユーザAのパフォーマンスPAが、業務XのウェイトwAXvX、業務YのウェイトwAYvY、業務ZのウェイトwAZvZ、ユーザBのウェイトwABvB、ユーザCのウェイトwACvC、およびユーザDのウェイトwADvDを加算したものであることが分かる。上述したように、ウェイトwijは、ユーザiのパフォーマンスPiに対する他人の寄与率であるため、ウェイトwABが高い程ユーザBとの業務相性が良く、ウェイトwACが高い程ユーザCとの業務相性が良く、また、ウェイトwADが高い程ユーザDとの業務相性が良いと言える。
そして、相性推測部10cは、図5の式2に示すようなユーザAのパフォーマンスPAを算出するための回帰分析の算出式を、図4に示す教師データ毎にそれぞれ作成し、ユーザBのウェイトwAB、ユーザCのウェイトwAC、およびユーザDのウェイトwADを算出し、ユーザAのユーザB、ユーザC、およびユーザDに対する各業務相性をそれぞれ算出(推測)する。また、相性推測部10cは、同様に各ユーザの他ユーザに対する一方向の相性をそれぞれ算出(推測)する。
続いて、相性推測部10cは、上記推測した各ユーザの一方向の相性に基づいて、ユーザ間の双方向の相性を推測し、推測したユーザ間の双方向の相性に関する情報を相性DB14に格納する。相性推測部10cは、例えば図6の式3に示すように、双方向の相性Tijを、双方の相手に対する単方向の相性(wij、wji)を加算して求める。
以下、具体例を挙げて説明する。図7は、回帰分析によって得られた各ユーザ間の単方向の相性の一例を示す図である。図7に示すように、例えばユーザAのパフォーマンスへの影響における要因BのウェイトとしてユーザAのユーザBに対する一方向の相性「10」が得られ、要因CのウェイトとしてユーザCに対する一方向の相性「50」が得られたとする。また、ユーザBのパフォーマンスへの影響における要因AのウェイトとしてユーザBのユーザAに対する一方向の相性「20」が得られ、要因CのウェイトとしてユーザCに対する一方向の相性「30」が得られたとする。また、ユーザCのパフォーマンスへの影響における要因AのウェイトとしてユーザCのユーザAに対する一方向の相性「40」が得られ、要因BのウェイトとしてユーザBに対する一方向の相性「0」が得られたとする。この場合、相性推測部10cは、図8の式4の一段目に示すように、ユーザAとユーザBの双方向の相性TABを、ユーザAに対する要因BのウェイトwABとユーザBに対する要因AのウェイトwBAとを加算して算出する(TAB=10+20=30)。また、相性推測部10cは、図8の式4の二段目に示すように、ユーザBとユーザCの双方向の相性TBCを、ユーザBに対する要因CのウェイトwBCとユーザCに対する要因BのウェイトwCBとを加算して算出する(TBC=30+0=30)。また、相性推測部10cは、図8の式4の三段目に示すように、ユーザCとユーザAの双方向の相性TCAを、ユーザCに対する要因AのウェイトwCAとユーザAに対する要因CのウェイトwACとを加算して算出する(TAC=40+50=90)。これにより、ユーザA、ユーザB、ユーザCのペアのうち、ユーザAとユーザCの組み合わせが最も相性が良い(仕事がし易い)ことが分かる。
以上、本実施形態による相性推測部10cによるユーザ間の相性の推測について具体的に説明した。
チーム情報生成部10dは、ある業務を遂行するためのチーム編成を行い、編成したチームに関する情報を生成する。具体的には、チーム情報生成部10dは、相性DB14に格納されたユーザ間の双方向の相性に関する情報を用いて、指定された条件(編成するチーム数、チーム人数、またはチームに含むユーザの属性等)を満たす最適なチーム編成を行う。
(センサDB12)
センサDB12は、通信部11により外部装置から受信したデータを格納する。具体的には、センサDB12には、各ユーザが装着するウェアラブル装置により検知された生体情報および位置情報や、カメラ4により撮像された撮像画像および収音された音声情報が格納される。また、センサDB12には、業務情報サーバ2から受信した業務内容に関する情報も格納される。
(ユーザ情報DB13)
ユーザ情報DB13は、ユーザに関する情報を格納する。具体的には、ユーザ情報DB13には、パフォーマンス推定部10aにより推定された各ユーザのパフォーマンス情報が格納される。また、ユーザ情報DB13には、ユーザの属性情報(例えば職種、専門、スキル等)も格納される。
(相性DB14)
相性DB14は、ユーザ間の相性に関する情報を格納する。具体的には、上述したように相性推測部10cにより推測されたユーザ間の一方向の相性や、双方向の相性に関する情報が格納される。
(表示部15)
表示部15は、メニュー画面、操作画面等を表示する機能を有する。また、表示部15は、液晶ディスプレイにより実現される。具体的には、表示部15は、チーム情報生成部10dにより生成された編成されたチームに関する情報に基づくチーム編成画面を表示する。
以上、本実施形態によるチーム編成装置1の具体的な構成について説明した。なお図2に示すチーム編成装置1の構成は一例であって、本実施形態はこれに限定されない。例えば、ユーザ情報DB13および相性DB14は、ネットワーク上の外部メモリに格納されていてもよい。
また、チーム編成装置1は、表示部15を有していなくともよい。この場合、例えばチーム編成装置1はネットワーク上のサーバであって、ユーザ端末(情報処理装置)からの要求に応じてチーム編成を行い、チーム編成装置1の制御部10により、チーム情報生成部10dで生成されたチームに関する情報をユーザ端末で表示するよう制御する。
<3.動作処理>
続いて、本実施形態による情報処理システムの動作処理について、図9を参照して説明する。図9は、本実施形態による情報処理システムのチーム編成処理を示すフローチャートである。
図9に示すように、まず、ステップS103において、チーム編成装置1のチーム情報生成部10dは、チーム条件(チーム数、チーム人数、メンバー属性等)を入力する。具体的には、チーム情報生成部10dは、表示部15に表示したチーム条件入力画面から管理者により入力されたチーム条件を取得する。
次に、ステップS106において、チーム情報生成部10dは、チーム条件を満たすチームの編成を行う。例えば、図10の上段に示すように、チーム条件として「スキル:C言語によるプログラミング」、「チーム数:1」、「チーム人数:2名」が入力された場合、チーム情報生成部10dは、条件を満たすチームとして、図10の中段に示すように、「チーム1:ユーザA、ユーザB」「チーム2:ユーザB、ユーザC」、「チーム3:ユーザC、ユーザA」の3つのチームを編成する。
次いで、ステップS109において、チーム情報生成部10dは、各ユーザの相性に基づいて、チームのパフォーマンスが高いチームを選定する。具体的には、チーム情報生成部10dは、相性DB14に格納された各ユーザ間の双方向的な相性に基づいて、最も相性が高いチームを、パフォーマンスが高いチームとして選定する。例えば、図8の式4に示したように、ユーザAとユーザBの双方向の相性は「30」、ユーザBとユーザCの双方向の相性は「30」、ユーザCとユーザAの双方向の相性は「90」であって、ユーザCとユーザAの相性が最も高い。したがって、チーム情報生成部10dは、図10の下段に示すように、「チーム3:ユーザC、ユーザA」を、最もパフォーマンスが高いチームとして選定する。
そして、ステップS112において、チーム編成装置1は、選定したチームに関する情報を出力する。例えば、チーム編成装置1は、選定したチームに含まれるメンバーに関する情報(氏名、所属部署、社員番号、詳細情報等)を示すチーム編成画面を表示部15に表示する。
以上、本実施形態によるチーム編成処理について具体的に説明した。なお図10を参照して説明したチーム編成は、最もパフォーマンスの高い1チームを編成するものであったが、本実施形態はこれに限定されず、パフォーマンスの最大化を考慮して多数のチームを編成することも可能である。以下、図11〜図12を参照して具体的に説明する。
(変形例)
図11は、本実施形態のチーム編成処理におけるチーム選定の変形例を説明する図である。図11に示す例では、図10を参照して上述したチーム選定よりも大規模な場合について説明する。具体的には、26名の人員を5つのチームに可能な限り相性が良いように振り分けを行う。
まず、図11の上段に示すように、本変形例のチーム編成の条件として、5つのチームそれぞれに必要スキルと人数が入力される(上記S103)。例えばチーム1は、マーケティング担当1名、デザイナー1名、プログラマー3名を必要とする。また、人員の細かい属性も条件に含むことが可能である。例えばチーム1のデザイナー1名には、立体造形の経験が必要という条件が付される。また、チーム2のプログラマー1名には、サーバのプログラム経験が必要という条件が付され、チーム3のデザイナー2名には、UI(User Interface)のデザイン経験が必要という条件が付される。このようなチーム編成条件は、表示部15に表示されたチーム条件入力画面から管理者によって入力され得る。ここで、図12に、チーム条件入力画面の一例を示す。図12に示すチーム条件入力画面30は、チーム編成の候補となる人員一覧表示31と、各チームに必要なスキルと人数を入力するチーム条件入力領域32とを含む。管理者は、人員一覧へ人員の追加・削除を行うことも可能である。管理者によりチーム条件が入力され、編成ボタン33が選択されると、チーム情報生成部10dは、入力されたチーム条件およびユーザ情報DB13に格納されているユーザ(人員)情報を参照して、条件を満たすチームを編成する。
次に、チーム情報生成部10dは、図11の中段に示すように、条件を満たす全パターンのチーム編成を行う。図11の中段に示す例では、例えば条件を満たす5つのチームが500パターン編成される。また、この際、チーム情報生成部10dは、パターン500に示すように、欠員を含むパターン(パターン500参照)を編成してもよい。
次いで、チーム情報生成部10dは、図11の下段に示すように、各チームの合計パフォーマンスが高いチーム編成を数パターン選定する。具体的には、チーム情報生成部10dは、チームメンバー間の双方向の相性に基づいて、各チームの相性の合計を、各チームのパフォーマンスの合計とみなして、パフォーマンスが高いチーム編成を選定する。この際、チームパフォーマンスの合計を優先して選定しているため、図11の下段に示すパターン500のような欠員を含むチームや、パターン124のようにスキルが一部足りないチームが選定される場合もある。図13は、本実施形態によるチーム編成画面の一例を示す図である。図13に示すチーム編成画面35では、チーム情報生成部10dにより選定されたパフォーマンスの高いチーム編成に関する情報が表示される。これにより、管理者は、どのような組み合わせで各チームを編成すれば全体でパフォーマンスの最大化が図れるかが分かる。また、表示されたチーム編成パターンには、欠員やスキルが不足している人員も含まれる。この場合、管理者は、パターン500のチーム編成を採用する場合、立体造形の経験があるデザイナー1名をチーム1に追加すればよいことが分かる。また、管理者は、パターン124のチーム編成を採用する場合、チーム1のプログラマーのユーザIはサーバのプログラムに関する勉強が必要であることが分かる。
<4.まとめ>
上述したように、本開示の実施形態による情報処理システムでは、ユーザ間の関係性に応じて最適なチーム分けを行うことを可能とする。多くの組織において、各人が他者との相性を自己申告することは人間関係への影響の大きさからはばかられるが、本実施形態によれば、組織管理者が個人間の相性の詳細を知ることなく、パフォーマンスを最大化するチーム編成を行うことが可能となる。
また、本実施形態によるユーザ間の関係性とは、例えば仕事のし易さといった相性であって、ユーザ間の相性は、センシングデータに基づく各ユーザのパフォーマンスを用いて統計的に算出され得る。各ユーザのパフォーマンスとは、例えば仕事を行う上での集中力、覚醒度、感情(快、不快)を客観的に示す数値や、営業成績、開発製品の性能、提供サービスの品質といった業務成果を示す数値が相当する。
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本技術はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
例えば、上述したチーム編成装置1に内蔵されるCPU、ROM、およびRAM等のハードウェアに、チーム編成装置1の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させたコンピュータ読み取り可能な記憶媒体も提供される。
また、上述した実施形態による相性推測部10cは、ユーザ間の相性を推測する手法として、サポートベクターマシン、ニューラルネットワーク、またはディープラーニングといった機械学習を用いてもよい。
また、本実施形態によるチーム編成は、会社等における業務を行うチーム編成に限定されず、例えばスポーツのチーム編成、学校や塾等におけるクラス編成、学校や塾等における実験/課外教室の班編成等にも適用することが可能である。
また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
なお、本技術は以下のような構成も取ることができる。
(1)
ユーザ間の関係性を推測する推測部と、
前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、
を備える、情報処理装置。
(2)
前記推測部は、ユーザのパフォーマンスにおける他ユーザとの関係性を推測する、前記(1)に記載の情報処理装置。
(3)
前記生成部は、前記ユーザ間の関係性に基づいて、パフォーマンスが高いチームメンバーを選出し、当該チームメンバーに関する情報を生成する、前記(2)に記載の情報処理装置。
(4)
前記情報処理装置は、前記ユーザのパフォーマンスを推定する推定部をさらに備える、前記(2)または(3)に記載の情報処理装置。
(5)
前記推定部は、前記ユーザの生体情報に基づいて前記ユーザのパフォーマンスを推定する、前記(4)に記載の情報処理装置。
(6)
前記推定部は、前記ユーザの撮像画像または音声情報に基づいて前記ユーザのパフォーマンスを推定する、前記(4)または(5)に記載の情報処理装置。
(7)
前記推定部は、前記ユーザの成果情報に基づいて前記ユーザのパフォーマンスを推定する、前記(4)〜(6)のいずれか1項に記載の情報処理装置。
(8)
前記推測部は、各ユーザのパフォーマンスを一緒に居た他ユーザに関する情報と共に蓄積する記憶部から抽出した各ユーザのパフォーマンス履歴に基づいて、統計的にユーザ間の関係性を推測する、前記(2)〜(7)のいずれか1項に記載の情報処理装置。
(9)
前記ユーザ間の関係性は、各ユーザのパフォーマンスに対する互いの影響の大きさに依存して求められる、前記(8)に記載の情報処理装置。
(10)
前記生成部は、所定のチーム編成条件に応じたチームメンバーを選出する、前記(1)〜(9)のいずれか1項に記載の情報処理装置。
(11)
前記チーム編成条件は、チーム数、チームの人数、およびチームに含まれるメンバーの属性を少なくとも含む、前記(10)に記載の情報処理装置。
(12)
前記生成部が生成するチームメンバーに関する情報は、欠員、またはメンバーの不足スキルに関する情報を含む、前記(1)〜(11)のいずれか1項に記載の情報処理装置。
(13)
前記情報処理装置は、
前記生成部により生成された前記チームメンバーに関する情報を含む表示画面を表示するよう制御する表示制御部をさらに備える、前記(1)〜(12)のいずれか1項に記載の情報処理装置。
(14)
ユーザ間の関係性を推測することと、
前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成することと、
を含む、制御方法。
(15)
コンピュータを、
ユーザ間の関係性を推測する推測部と、
前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、
として実行させるためのプログラム。
1 チーム編成装置(情報処理装置)
10 制御部
10a パフォーマンス推定部
10b 離合集散認識部
10c 相性推測部
10d チーム情報生成部
11 通信部
12 センサDB
13 ユーザ情報DB
14 相性DB
15 表示部
2 業務情報サーバ
3 スマートバンド
4 カメラ

Claims (15)

  1. ユーザ間の関係性を推測する推測部と、
    前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、
    を備える、情報処理装置。
  2. 前記推測部は、ユーザのパフォーマンスにおける他ユーザとの関係性を推測する、請求項1に記載の情報処理装置。
  3. 前記生成部は、前記ユーザ間の関係性に基づいて、パフォーマンスが高いチームメンバーを選出し、当該チームメンバーに関する情報を生成する、請求項2に記載の情報処理装置。
  4. 前記情報処理装置は、前記ユーザのパフォーマンスを推定する推定部をさらに備える、請求項2に記載の情報処理装置。
  5. 前記推定部は、前記ユーザの生体情報に基づいて前記ユーザのパフォーマンスを推定する、請求項4に記載の情報処理装置。
  6. 前記推定部は、前記ユーザの撮像画像または音声情報に基づいて前記ユーザのパフォーマンスを推定する、請求項4に記載の情報処理装置。
  7. 前記推定部は、前記ユーザの成果情報に基づいて前記ユーザのパフォーマンスを推定する、請求項4に記載の情報処理装置。
  8. 前記推測部は、各ユーザのパフォーマンスを一緒に居た他ユーザに関する情報と共に蓄積する記憶部から抽出した各ユーザのパフォーマンス履歴に基づいて、統計的にユーザ間の関係性を推測する、請求項2に記載の情報処理装置。
  9. 前記ユーザ間の関係性は、各ユーザのパフォーマンスに対する互いの影響の大きさに依存して求められる、請求項8に記載の情報処理装置。
  10. 前記生成部は、所定のチーム編成条件に応じたチームメンバーを選出する、請求項1に記載の情報処理装置。
  11. 前記チーム編成条件は、チーム数、チームの人数、およびチームに含まれるメンバーの属性を少なくとも含む、請求項10に記載の情報処理装置。
  12. 前記生成部が生成するチームメンバーに関する情報は、欠員、またはメンバーの不足スキルに関する情報を含む、請求項1に記載の情報処理装置。
  13. 前記情報処理装置は、
    前記生成部により生成された前記チームメンバーに関する情報を含む表示画面を表示するよう制御する表示制御部をさらに備える、請求項1に記載の情報処理装置。
  14. ユーザ間の関係性を推測することと、
    前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成することと、
    を含む、制御方法。
  15. コンピュータを、
    ユーザ間の関係性を推測する推測部と、
    前記推測したユーザ間の関係性に基づいて少なくとも1つのチームメンバーに関する情報を生成する生成部と、
    として実行させるためのプログラム。

JP2015030822A 2015-02-19 2015-02-19 情報処理装置、制御方法、およびプログラム Pending JP2016152020A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015030822A JP2016152020A (ja) 2015-02-19 2015-02-19 情報処理装置、制御方法、およびプログラム
PCT/JP2015/082176 WO2016132612A1 (ja) 2015-02-19 2015-11-17 情報処理装置、制御方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015030822A JP2016152020A (ja) 2015-02-19 2015-02-19 情報処理装置、制御方法、およびプログラム

Publications (1)

Publication Number Publication Date
JP2016152020A true JP2016152020A (ja) 2016-08-22

Family

ID=56692050

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015030822A Pending JP2016152020A (ja) 2015-02-19 2015-02-19 情報処理装置、制御方法、およびプログラム

Country Status (2)

Country Link
JP (1) JP2016152020A (ja)
WO (1) WO2016132612A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019067155A (ja) * 2017-09-29 2019-04-25 富士通株式会社 マッチングプログラム、マッチング方法およびマッチング装置
JP2019106036A (ja) * 2017-12-13 2019-06-27 Kddi株式会社 支援決定装置、方法及びプログラム
JP2020038599A (ja) * 2018-08-31 2020-03-12 カシオ計算機株式会社 情報処理装置及びプログラム
JP2020057176A (ja) * 2018-10-02 2020-04-09 三菱電機株式会社 作業スケジュール作成装置
JP2021009579A (ja) * 2019-07-02 2021-01-28 Kddi株式会社 情報処理装置、情報処理方法、及びプログラム
WO2022209498A1 (ja) * 2021-03-29 2022-10-06 ソニーグループ株式会社 生体情報処理装置および生体情報処理システム
WO2023053730A1 (ja) * 2021-09-29 2023-04-06 パナソニックIpマネジメント株式会社 スケジュール管理システム、スケジュール管理方法、及びプログラム
EP4242943A1 (en) * 2022-03-11 2023-09-13 Ricoh Company, Ltd. Information processing system, information processing method, and carrier means

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001282965A (ja) * 2000-03-30 2001-10-12 Fuji Xerox Co Ltd チーム生成支援装置、チーム生成支援方法及び記録媒体
JP2008287690A (ja) * 2007-04-20 2008-11-27 Hitachi Ltd グループ可視化システム及びセンサネットワークシステム
JP5616175B2 (ja) * 2010-09-14 2014-10-29 キヤノン電子株式会社 情報分析装置、情報分析方法、情報分析システムおよびプログラム

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019067155A (ja) * 2017-09-29 2019-04-25 富士通株式会社 マッチングプログラム、マッチング方法およびマッチング装置
JP2019106036A (ja) * 2017-12-13 2019-06-27 Kddi株式会社 支援決定装置、方法及びプログラム
JP2020038599A (ja) * 2018-08-31 2020-03-12 カシオ計算機株式会社 情報処理装置及びプログラム
JP7404623B2 (ja) 2018-08-31 2023-12-26 カシオ計算機株式会社 情報処理装置及びプログラム
JP2020057176A (ja) * 2018-10-02 2020-04-09 三菱電機株式会社 作業スケジュール作成装置
JP7085957B2 (ja) 2018-10-02 2022-06-17 三菱電機株式会社 作業スケジュール作成装置
JP2021009579A (ja) * 2019-07-02 2021-01-28 Kddi株式会社 情報処理装置、情報処理方法、及びプログラム
JP7008053B2 (ja) 2019-07-02 2022-01-25 Kddi株式会社 情報処理装置、情報処理方法、及びプログラム
WO2022209498A1 (ja) * 2021-03-29 2022-10-06 ソニーグループ株式会社 生体情報処理装置および生体情報処理システム
WO2023053730A1 (ja) * 2021-09-29 2023-04-06 パナソニックIpマネジメント株式会社 スケジュール管理システム、スケジュール管理方法、及びプログラム
EP4242943A1 (en) * 2022-03-11 2023-09-13 Ricoh Company, Ltd. Information processing system, information processing method, and carrier means

Also Published As

Publication number Publication date
WO2016132612A1 (ja) 2016-08-25

Similar Documents

Publication Publication Date Title
WO2016132612A1 (ja) 情報処理装置、制御方法、およびプログラム
Scheutz et al. A framework for developing and using shared mental models in human-agent teams
JP2018142258A (ja) 生産管理装置、方法およびプログラム
JP2018142259A (ja) 作業管理装置、方法およびプログラム
US20100153597A1 (en) Generating Furtive Glance Cohorts from Video Data
EP3803733A1 (en) Personal protective equipment and safety management system having active worker sensing and assessment
Chen et al. An FGM decomposition-based fuzzy MCDM method for selecting smart technology applications to support mobile health care during and after the COVID-19 pandemic
JP2016007363A (ja) 集団感情推定装置、集団感情推定方法及び集団感情推定プログラム
JP2018032164A (ja) 面接システム
Wiltshire et al. Social analytics of team interaction using dynamic complexity heat maps and network visualizations
JP7205528B2 (ja) 感情推定システム
Zhang et al. Prediction of human restorative experience for human-centered residential architecture design: a non-immersive VR–DOE-based machine learning method
WO2017093362A1 (en) Device for use in improving a user interaction with a user interface application
Fugini et al. WorkingAge: providing occupational safety through pervasive sensing and data driven behavior modeling
WO2020261977A1 (ja) 空間提案システム、及び、空間提案方法
Thoring et al. Technology-supported design research
JP6910919B2 (ja) システム及び意思疎通を図るために行うアクションの評価方法
JP6798353B2 (ja) 感情推定サーバ及び感情推定方法
Dedabrishvili et al. Smartphone sensor-based fall detection using machine learning algorithms
JP2023065808A (ja) 情報提供装置、情報提供方法及びコンピュータプログラム
Wiltshire et al. Examining team interaction using dynamic complexity and network visualizations
Le-Quang et al. Wemotion: A system to detect emotion using wristbands and smartphones
Sun et al. Health promotion using smart device interlocked robot partners for elderly people
Albaladejo-González et al. Supporting stress detection via AI and non-invasive wearables in the context of work
Ziegler et al. The influence of the spatial separation of control elements on the workload for mobile information systems