JP2018013922A - 情報処理装置、情報処理プログラム及び情報処理方法 - Google Patents

Abstract

【課題】複数の項目の値から算出される指標値において、各項目が指標値に寄与する度合いを提示することを目的とする。【解決手段】複数の項目を有する情報が格納されたデータベースを参照し、機械学習により得られた予測結果が正解となる確率を示す指標値を算出する指標値算出部と、前記指標値に各項目が寄与する度合いを示す寄与度を算出する寄与度算出部と、前記指標値と前記寄与度と、を含む情報を出力する出力部と、を有する。【選択図】図１３

Description

本発明は、情報処理装置、情報処理プログラム及び情報処理方法に関する。

従来から、パターン認識や予測技術を用いて複数のデータの項目の値から異常又は正常、成功又は失敗等を予測（判別）する際に、予測の結果（異常又は正常、成功又は失敗等）に分類される可能性を示す指標値（スコア）を出力する技術が既に知られている。

また、従来では、例えば各教科のテストの点数から試験の合格率を算出して通知する、健康診断の情報や勤怠の情報から不調となる確率を算出して注意を促す等、複数の項目を有するデータからスコアを算出してユーザに提示する技術が知られている。

上述した、複数のデータの項目からスコアを算出する技術では、各項目がスコアに寄与している程度を示す内訳の表示が要求される場合がある。しかしながら、スコアの算出には様々な手法が用いられており、各項目がスコアに寄与する度合いを示す内訳を提示することが困難な場合があった。

開示の技術は、複数の項目の値から算出される指標値において、各項目が指標値に寄与する度合いを提示することを目的とする。

開示の技術は、複数の項目を有する情報が格納されたデータベースを参照し、機械学習により得られた予測結果が正解となる確率を示す指標値を算出する指標値算出部と、前記指標値に各項目が寄与する度合いを示す寄与度を算出する寄与度算出部と、前記指標値と前記寄与度と、を含む情報を出力する出力部と、を有する情報処理装置である。

複数の項目の値から算出される指標値において、各項目が指標値に寄与する度合いを提示できる。

情報処理システムのシステム構成を示す図である。 情報処理装置のハードウェア構成の一例を示す図である。 勤務情報データベースの一例を示す図である。 標準値データベースの一例を示す図である。 内訳出力処理部の機能を説明する図である。 特徴量算出部の処理を説明するフローチャートである。 特徴量テーブルの一例を示す図である。 スコア算出部の処理を説明するフローチャートである。 スコアテーブルの一例を示す図である。 寄与度算出部の処理を説明するフローチャートである。 寄与度テーブルの一例を示す図である。 表示データ生成部が生成したデータにより表示されるグラフの一例を示す図である。 表示データ生成部により生成されたデータの表示例を示す第一の図である。 表示データ生成部により生成されたデータの表示例を示す第二の図である。

以下に図面を参照して、実施形態について説明する。図１は、情報処理システムのシステム構成を示す図である。

本実施形態の情報処理システム１００は、情報処理装置２００と、端末装置３００とを有する。情報処理装置２００と端末装置３００とは、ネットワーク等の通信網を介して接続されている。

本実施形態の情報処理システム１００は、例えば産業医等による、企業等の団体に勤務する従業員の健康管理等に用いられる。

本実施形態の情報処理装置２００は、例えば企業等の団体に勤務する従業員の勤務情報に基づき、健康状態が不調になる確率を示すスコアを算出し、勤務情報に含まれる各項目がスコアに対して寄与する度合いを示す内訳を算出する。そして、情報処理装置２００は、この内訳を端末装置３００に通知し、表示させる。

本実施形態では、このように、従業員の健康状態が不調となる確率を示すスコアの内訳を表示させることで、産業医等による、従業員の健康状態の変化の要因の把握を支援できる。

産業医とは、従業員の健康を管理する健康管理者である。企業等の従業員は、健康管理者に健康を管理される被管理者である。

本実施形態の被管理者は、企業の従業員に限定されず、何らかの団体に所属しており、健康管理者に健康を管理される立場の者であれば良い。したがって、例えば被管理者は、団体職員等であってもよいし、教員等であっても良い。

本実施形態の健康管理者は、産業医に限定されず、例えば被管理者の健康管理を司る者や部署等を含んでも良い。本実施形態の健康管理者は、被管理者の健康管理を行う立場の者であれば良い。

また、本実施形態における健康管理とは、例えば、精神的な疲労、ストレス、悩み等の軽減や緩和とそれへのサポート、精神疾患の予防と回復、疾病の予防、早期発見等により、被管理者の健康の保持、増進を目的として行なわれる管理である。

以下の実施形態の説明では、健康管理者を産業医とし、被管理者を企業の従業員として説明する。

また、本実施形態のスコアは、実施形態の健康状態が不調となる確率を示すものとしたが、これに限定されない。

本実施形態のスコアは、複数の項目を有する情報から機械学習により得られた予測結果が、正解となる確率を示す指標値であり、複数の項目を有する情報は、どのような情報であっても良い。例えば、複数の項目を有する情報は、教科毎のテストの点数であり、試験の合格率を示す値をスコアとしても良い。また、例えば、複数の項目を有する情報は、何らかの装置に取り付けられた複数のセンサの値であり、装置の動作に異常が生じる可能性を示す値をスコアとしても良い。

本実施形態の情報処理装置２００は、勤務情報データベース２１０、標準値データベース２２０を有する。また、本実施形態の情報処理装置２００は、内訳出力処理部２３０を有する。内訳出力処理部２３０は、情報処理装置２００が、情報処理装置２００にインストールされている表示プログラムを実行することで実現される。

本実施形態の情報処理装置２００は、内訳出力処理部２３０により、勤務情報データベース２１０、標準値データベース２２０を参照し、従業員の健康状態が不調となる確率を示すスコアの内訳を算出し、端末装置３００へ出力する。

尚、図１の例では、勤務情報データベース２１０と標準値データベース２２０が情報処理装置２００に保持されるものとしたが、これに限定されない。勤務情報データベース２１０と標準値データベース２２０は、情報処理装置２００の外部の装置に保持されていても良い。

次に、図２を参照して本実施形態の情報処理装置２００のハードウェア構成について説明する。図２は、情報処理装置のハードウェア構成の一例を示す図である。

本実施形態の情報処理装置２００は、一般の情報処理装置であり、それぞれバスＢで相互に接続されている入力装置２１、出力装置２２、ドライブ装置２３、補助記憶装置２４、メモリ装置２５、演算処理装置２６及びインターフェース装置２７を有する。

入力装置２１は、例えばマウスやキーボードであり、各種の情報を入力するために用いられる。出力装置２２は、例えばディスプレイ等であり、各種信号の表示（出力）に用いられる。インターフェース装置２７は、モデム，ＬＡＮカード等を含み、ネットワークに接続する為に用いられる。

表示プログラムは、情報処理装置２００を制御する各種プログラムの少なくとも一部である。表示プログラムは例えば記録媒体２８の配布やネットワークからのダウンロードなどによって提供される。表示プログラムを記録した記録媒体２８は、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等の様に情報を光学的，電気的或いは磁気的に記録する記録媒体、ＲＯＭ、フラッシュメモリ等の様に情報を電気的に記録する半導体メモリ等、様々なタイプの記録媒体を用いることができる。

また、表示プログラムを記録した記録媒体２８がドライブ装置２３にセットされると、表示プログラムは記録媒体２８からドライブ装置２３を介して補助記憶装置２４にインストールされる。ネットワークからダウンロードされた通信プログラムは、インターフェース装置２７を介して補助記憶装置２４にインストールされる。

補助記憶装置２４は、インストールされた表示プログラムを格納すると共に、必要なファイル、データ等を格納する。メモリ装置２５は、コンピュータの起動時に補助記憶装置２４から表示プログラムを読み出して格納する。そして、演算処理装置２６はメモリ装置２５に格納された各プログラムに従って、後述するような各種処理を実現している。

本実施形態の端末装置３００は、一般のコンピュータであり、そのハードウェア構成は、端末装置３００と同様であるから、説明を省略する。尚、端末装置３００がタブレット型のコンピュータやスマートフォン等である場合には、入力装置２１及び出力装置２２を兼ねた表示操作装置を有しても良い。表示操作装置は、例えば表示機能を有するタッチパネル等により実現される。

次に、情報処理装置２００の有する各データベースについて説明する。本実施形態の各データベースは、例えば情報処理装置２００の補助記憶装置２４やメモリ装置２５等に格納される。

図３は、勤務情報データベースの一例を示す図である。本実施形態の勤務情報データベース２１０は、従業員の日々の勤怠の状況を示す情報が蓄積されている。

本実施形態の勤務情報データベース２１０は、従業員毎に設けられ、従業員の勤怠の状況を示す勤務情報が格納されている。本実施形態の勤務情報データベース２１０は、情報の項目として、欠勤日数、遅刻早退回数、遅刻早退時間、年次休暇日数、年次事後日数、残業時間、休み合計等を有する。尚、本実施形態の勤務情報データベース２１０には、図３に示す項目以外にも、一般的な勤怠管理に用いられる情報の項目を含む。本実施形態の勤務情報データベース２１０は、各項目の値が、例えば勤務情報を集計する単位毎に対応付けられて格納されている。

本実施形態の勤務情報データベース２１０では、従業員の氏名と、勤務情報を集計した年月とに、各項目の値が対応付けられている。以下の実施形態の説明では、従業員の氏名と勤務情報を集計した年月と、これらと対応付けられた各項目の値とを含む情報を勤務情報と呼ぶ。

図３の勤務情報データベース２１０では、勤務情報が月単位で集計される場合を示しており、氏名「ＡＡ ａａ」の従業員の２０１５年１月の勤務情報と、２０１５年２月の勤務情報、２０１５年３月の勤務情報と、を含むことがわかる。

次に、図４を参照して本実施形態の標準値データベース２２０について説明する。図４は、標準値データベースの一例を示す図である。

本実施形態の標準値データベース２２０は、情報の項目として、年月と、勤務情報に含まれる項目と、を含む。

標準値データベース２２０において、項目「年月」は、勤務情報が集計した年月を示す。勤務情報に含まれる各項目の値は、後述する内訳出力処理部２３０における寄与度の算出の際に参照される値であり、勤務情報における各項目の値の標準値を示す。

例えば、標準値データベース２２０における項目「欠勤日数」の値は、勤務情報データベース２１０における項目「欠勤日数」の値の標準値を示す。

尚、本実施形態の標準値データベース２２０は、従業員毎に作成されても良い。また、標準値データベース２２０は、予め算出されて、情報処理装置２００に設けられていても良い。

この場合、標準値は、例えば氏名「ＡＡ ａａ」の従業員の月毎の勤務情報における各項目の値の平均値を標準値としても良い。例えば２０１５年１月の欠勤日数の標準値は、氏名「ＡＡ ａａ」の従業員の２０１４年以前の各年の１月の欠勤日数の平均値を標準値としても良い。

また、例えば２０１５年２月の欠勤日数の標準値は、氏名「ＡＡ ａａ」の従業員の２０１４年以前の各年の１月の欠勤日数と、２月の欠勤日数との差分の平均値を、２０１５年１月の欠勤日数の標準値に加算した値としても良い。

次に、図５を参照して本実施形態の内訳出力処理部２３０の機能について説明する。図５は、内訳出力処理部の機能を説明する図である。

本実施形態の内訳出力処理部２３０は、特徴量計算式保持部２３１、特徴量算出部２３２、スコア算出部２３３、寄与度算出部２３４、寄与度保持部２３５、表示データ生成部２３６、表示データ出力部２３７を有する。

特徴量計算式保持部２３１は、特徴量を算出するための計算式を保持する。特徴量を算出するための計算式は、予め与えられている。

特徴量算出部２３２は、勤務情報データベース２１０に含まれる各項目の値と、特徴量の計算式とに基づき、特徴量を算出する。本実施形態の特徴量は、勤務情報に含まれる各項目や、項目の組み合わせに対する重みを示す。以下の説明では、勤務情報に含まれる項目や、項目の組み合わせのそれぞれを要因と呼ぶ。本実施形態の特徴量の計算式は、要因毎に予め決められており、特徴量は要因毎に算出される。特徴量算出部２３２の処理の詳細は後述する。

スコア算出部２３３は、算出された特徴量と、勤務情報に含まれる各項目の値とを用いて、従業員の健康状態が不調となる確率を示すスコア（不調確率）を算出する。スコア算出部２３３の処理の詳細は後述する。

寄与度算出部２３４は、算出されたスコアと、勤務情報データベース２１０と、標準値データベース２２０とに基づき、勤務情報に含まれる項目毎のスコアに対する寄与度を算出する。本実施形態の寄与度とは、勤務情報に含まれる項目がスコアに影響する度合いを示す値である。寄与度算出部２３４の処理の詳細は後述する。

寄与度保持部２３５は、寄与度算出部２３４が算出した項目毎の寄与度を保持する。

表示データ生成部２３６は、寄与度保持部２３５に保持された項目毎の寄与度に基づき、端末装置３００に表示させる表示データを生成する。本実施形態の表示データは、例えばスコアに対する項目毎の寄与度を視認できるような情報である。具体的には、表示データは、後述するグラフを表示させるためのデータであっても良いし、グラフを含む画面を表示させる画面データであっても良い。

表示データ出力部２３７は、生成された表示データを端末装置３００へ出力する。

次に、図６を参照し、特徴量算出部２３２の処理について説明する。図６は、特徴量算出部の処理を説明するフローチャートである。

本実施形態の特徴量算出部２３２は、特徴量計算式保持部２３１から、特徴量を算出するための計算式を読み込む（ステップＳ６０１）。

続いて、特徴量算出部２３２は、計算式を参照し、要因毎の特徴量の算出に必要な項目の値を勤務情報データベース２１０から取得する（ステップＳ６０２）。

続いて、特徴量算出部２３２は、取得した値と、要因毎の計算式と、から、要因毎の特徴量を算出し、後述する特徴量テーブルとして保持する（ステップＳ６０３）。

以下に、図７を参照し、特徴量テーブルについて説明する。図７は、特徴量テーブルの一例を示す図である。

図７に示す特徴量テーブル７１は、情報の項目として、従業員の氏名、年月、各要因を有する。特徴量テーブル７１において、項目「年月」の値は、特徴量算出部２３２により特徴量を算出した年月を示す。項目「要因ｎ」の値は、要因ｎと対応する特徴量の計算式により算出された特徴量を示す。

本実施形態では、特徴量算出部２３２が特徴量の算出を行う月を今月としたとき、本実施形態では、要因１を示す計算式１＝今月の残業時間、要因２を示す計算式２＝今月の欠勤日数、要因３を示す計算式３＝今月の早退遅刻時間、要因４を示す計算式４＝今月の残業時間×先月の欠勤日数、要因５を示す計算式５＝今月の残業時間−先月の残業時間、要因６を示す計算式６＝今月の遅刻早退時間＋先月の残業時間、等としている。

したがって、特徴量算出部２３２は、例えば項目「年月」の値が２０１５年３月であった場合には、要因１の値は、勤務情報データベース２１０における２０１５年３月の残業時間である「７０」となる。また、要因２は、勤務情報データベース２１０における２０１５年３月の欠勤日数である「１０」となる。同様に、要因５は、勤務情報データベース２１０における２０１５年３月の残業時間「７０」から２０１５年２月の残業時間「６０」を減算した値「１０」となる。

次に、図８を参照して、本実施形態のスコア算出部２３３の処理について説明する。図８は、スコア算出部の処理を説明するフローチャートである。

本実施形態のスコア算出部２３３は、特徴量と、勤務情報データベース２１０の各項目の値と、を用いて、機械学習における公知の手法により、スコア（不調確率）を算出する。

本実施形態のスコア算出部２３３は、特徴量を用いて主成分分析等の前処理を行う（ステップＳ８０１）。続いて、スコア算出部２３３は、例えば３層パーセプトロン、ロジスティック回帰等を用いた機械学習を行う（ステップＳ８０２）。続いて、スコア算出部２３３は、後処理を行い、スコアを算出する（ステップＳ８０３）。後処理により、スコアは、関数やテーブルとして表現される。

尚、図８の例では、スコア算出部２３３は、前処理、学習、後処理の３段階の処理を行うものとしたが、これに限定されない。スコア算出部２３３が行う処理は、学習のみでも良いし、学習と後処理であっても良い。

算出されたスコアは、年月毎にスコアテーブルに保持されても良い。図９は、スコアテーブルの一例を示す図である。

図９に示すスコアテーブル９１は、情報の項目として、氏名、年月、勤務情報に含まれる各項目、スコアを有する。

スコアテーブル９１において、項目「年月」の値は、スコアが算出された年月を示す。項目「スコア」の値は、算出されたスコアの値を示す。

尚、図９の例では、情報の項目として、氏名、年月、勤務情報に含まれる各項目、スコアを有するものとしたが、これに限定されない。スコアテーブル９１は、情報の項目として、氏名、年月、スコアを有していれば良い。

次に、図１０を参照して本実施形態の寄与度算出部２３４の処理について説明する。図１０は、寄与度算出部の処理を説明するフローチャートである。

本実施形態の寄与度算出部２３４は、ステップＳ１００１からステップＳ１００５までの処理を勤務情報に含まれる各項目について行う。

寄与度算出部２３４は、標準値データベース２２０を参照し、勤務情報に含まれる項目１つ目の項目の値を、標準値データベース２２０において対応する項目の値に置き換える（ステップＳ１００２）。言い換えれば、寄与度算出部２３４は、勤務情報の１つ目の項目の値を標準値に置き換える。

続いて、寄与度算出部２３４は、スコア算出部２３３により、値が置き換えられたまま、スコアを算出する（ステップＳ１００３）。

続いて、寄与度算出部２３４は、置き換え前に算出されたスコアと、ステップＳ１００３で算出されたスコアとの差分を計算する（ステップＳ１００４）。

ステップＳ１００５において、勤務情報に含まれる全ての項目について、ステップＳ１００４までの処理を実行すると、寄与度算出部２３４は、項目毎のスコアの差分の合計を算出する（ステップＳ１００６）。

続いて、寄与度算出部２３４は、項目毎のスコアの差分の合計と、各項目のスコアの差分との割合を、項目毎に算出する（ステップＳ１００７）。ここで算出される割合が、項目毎の寄与度となる。

続いて、寄与度保持部２３５は、項目毎の寄与度を寄与度テーブルとして保持する（ステップＳ１００８）。

尚、本実施形態では、項目毎のスコアの差分の合計は、正の値の差分の合計と、負の値の差分の合計とに分けても良い。

以下に、本実施形態の寄与度算出部２３４の処理について具体的に説明する。

本実施形態のスコア算出部２３３により算出されたスコアｓが、ｓ＝ｆ（ａ，ｂ，ｃ，・・・）という関数で表現されるものとする。尚、ａ，ｂ，ｃ，・・・は、勤務情報に含まれる各項目を示す。

ここで、例えば項目毎の値を標準値に置き換えて算出したスコアと、勤務情報に含まれる項目毎の値を用いて算出したスコアとの差分ｋａ，ｋｂ，ｋｃ，・・・は、以下の式で定義される。

ｋａ（ａ，ｂ，ｃ，・・・）＝ｆ（ａ，ｂ，ｃ，・・・）−ｆ（ａ′，ｂ，ｃ，・・・）
ここで、ａ′は、標準値データベース２２０における項目「ａ」の値である。本実施形態では、この式により、項目「ａ」の値を標準値と置き換えて算出したスコアと、勤務情報の項目「ａ」の実際の値を用いて算出したスコアとの差分を得ることができる。

したがって、例えば勤務情報の項目「ａ」の実際の値が標準値に近いほど、差分ｋａの値は小さくなり、勤務情報の項目「ａ」の実際の値が標準値と離れているほど、差分ｋａの値は大きくなる。

本実施形態では、勤務情報に含まれる各項目について、上述した手法により項目毎の差分を算出する。

そして、本実施形態では、項目毎の差分ｋａ，ｋｂ，ｋｃ，・・・の合計値を算出し、この合計値に対する差分ｋａの割合を、項目「ａ」のスコアに対する寄与度Ｋａとする。

本実施形態の寄与度算出部２３４は、以上のようにして項目毎の寄与度を算出し、寄与度テーブルに保持する。

以下に、図１１を参照して、寄与度テーブルについて説明する。図１１は、寄与度テーブルの一例を示す図である。

図１１に示す寄与度テーブル１１１は、情報の項目として、氏名、年月、勤務情報に含まれる各項目、スコアを有する。

寄与度テーブル１１１における勤務情報に含まれる各項目の値は、寄与度算出部２３４により算出された項目毎の寄与度を示す。

図１１の例では、氏名「ＡＡ ａａ」の従業員の２０１５年１月のスコアは２５％であり、残業時間がこのスコアに寄与する割合が３５％、欠勤日数がこのスコアに寄与する割合が４５％、遅刻早退時間がスコアに寄与する割合は２０％となる。

図１１の例では、勤務情報に含まれる項目「残業時間」、「欠勤日数」、「遅刻早退時間」についての寄与度を示し、その他の項目については省略しているが、他の項目についても同様に寄与度が保持されているものとした。

尚、本実施形態では、寄与度が所定値以下となった項目については、保持しなくても良いし、寄与度が所定値以上の項目のみを保持するようにしても良い。

次に、本実施形態の表示データ生成部２３６の処理について説明する。本実施形態の表示データ生成部２３６は、寄与度テーブル１１１を参照し、従業員毎のスコアと項目毎の寄与度の変化を時系列で表示させるためのデータを生成する。

図１２は、表示データ生成部が生成したデータにより表示されるグラフの一例を示す図である。

図１２に示すグラフ１２１は、スコアを縦軸とし、横軸を年月として、スコアと項目毎の寄与度の変化を折れ線で示している。

図１１に示す寄与度テーブル１１１において、２０１５年１月のスコアは２５％である。また、残業時間の寄与度は３５％、欠勤日数の寄与度は４５％、遅刻早退時間の寄与度は２０％である。

したがって、図１２では、２０１５年１月のスコアのうち、遅刻早退時間が占める割合１２−１は２０％、欠勤日数が占める割合１３−１は４５％、残業時間が占める割合１４−１は３５％となる。

また、図１２における２０１５年２月では、スコア４０％のうち、遅刻早退時間が占める割合１２−２は１５％、欠勤日数が占める割合１３−２は５５％、残業時間が占める割合１４−２は３０％となる。

また、図１２における２０１５年３月では、スコア７０％のうち、遅刻早退時間が占める割合１２−３は１０％、欠勤日数が占める割合１３−３は６０％、残業時間が占める割合１４−３は３０％となる。

したがって、図１２の例では、項目「欠勤日数」の変化が、スコアの上昇に大きな影響を及ぼしていることがわかる。本実施形態の表示データ生成部２３６は、このようなグラフを表示させるためのデータを生成している。尚、図１２では、説明を簡単にするため、勤務情報に含まれる項目のうち、残業時間、欠勤日数、遅刻早退時間を用いた場合を示しているが、勤務情報に含まれる全ての項目について、スコアの変化と共に寄与度の変化を時系列に表示させても良い。

本実施形態では、以上のように、項目毎のスコアに対する寄与度を算出することで、スコアの値と、各項目がスコアに寄与している程度を示す内訳を表示させることができる。言い換えれば、本実施形態によれば、項目毎のスコアに寄与する度合いを提示することができる。

したがって、本実施形態によれば、非線形の手法を用いてスコアを算出した場合であっても、項目毎に、スコアに対して影響を及ぼしている程度を示す内訳を提示することができる。

以下に、本実施形態の表示データ生成部２３６が生成したデータを表示データ出力部２３７により端末装置３００に出力し、表示させた例について説明する。

図１３は、表示データ生成部により生成されたデータの表示例を示す第一の図である。図１３に示す画面１３１には、スコアと項目毎の寄与度の変化を時系列で示すグラフ１２１と、スコアテーブル９１とが表示されている。

本実施形態では、このように、スコアテーブル９１とグラフ１２１とを並べて表示させることで、スコアと、スコアテーブル９１に含まれる各項目との関係を容易に視認させることができる。

また、画面１３１では、例えばポインタ１３２により、グラフ１２１における項目と年月が選択された場合、スコアテーブル９１において、選択された箇所と対応する情報を強調表示させても良い。

図１３の例では、グラフ１２１において、ポインタ１３２により、２０１５年３月における欠勤日数が占める割合を示す位置が選択されている。したがって、画面１３１では、スコアテーブル９１において、２０１５年３月の勤務情報及びスコアを含むレコード１３３のうち、項目「欠勤日数」の値が強調表示される。

尚、画面１３１では、グラフ１２１とスコアテーブル９１とが両方表示されているものとしたが、これに限定されない。

画面１３１には、グラフ１２１のみが表示されており、グラフ１２１上で、項目と年月の選択を受け付けると、スコアテーブル９１を表示させても良い。このとき、スコアテーブル９１は、グラフ１２１と同一の画面に表示されても良い。また、画面１３１は、スコアテーブル９１のみが表示された画面に切り替えられても良い。

本実施形態では、項目毎に寄与度がグラフ１２１に示されているため、グラフ１２１において、項目と年月の選択を受け付けると、スコアテーブル９１における項目と年月を、選択された項目と年月に対応付けて強調表示させることができる。

図１４は、表示データ生成部により生成されたデータの表示例を示す第二の図である。

図１４に示す画面１４１では、スコアと項目毎の寄与度の変化を棒グラフ１４２で示している。図１４の例では、各年月のグラフと対応付けて各年月のスコアが表示されても良い。

具体的には、棒グラフ１４２には、２０１５年１月のスコアと各項目の寄与度とを示すグラフ１４３、２０１５年２月のスコアと各項目の寄与度とを示すグラフ１４４、２０１５年３月のスコアと各項目の寄与度とを示すグラフ１４５が表示されている。また、各グラフには、各年月のスコアが対応付けられて表示されている。

図１４の例でも、各グラフ１４３、１４４、１４５において、項目の選択を受け付けた場合には、スコアテーブル９１を表示させても良い。

以上のように、本実施形態では、項目毎のスコアへの寄与度を提示できる。尚、スコアと、項目毎の寄与度の時系列の変化を示すグラフは、折れ線グラフや棒グラフ以外のグラフで表示されても良い。

また、本実施形態では、端末装置３００の画面にグラフを表示させるものとしたが、これに限定されない。情報処理装置２００は、情報処理装置２００の有する表示部に、項目毎のスコアへの寄与度を表示させても良い。また、情報処理装置２００は、項目毎のスコアへの寄与度を示すデータを電子メールで出力しても良いし、レポート等のファイルとして出力しても良い。

以上、各実施形態に基づき本発明の説明を行ってきたが、上記実施形態に示した要件に本発明が限定されるものではない。これらの点に関しては、本発明の主旨をそこなわない範囲で変更することができ、その応用形態に応じて適切に定めることができる。

１００ 情報処理システム
２００ 情報処理装置
２１０ 勤務情報データベース
２２０ 標準値データベース
２３０ 内訳出力処理部
２３１ 特徴量計算式保持部
２３２ 特徴量算出部
２３３ スコア算出部
２３４ 寄与度算出部
２３５ 寄与度保持部
２３６ 表示データ生成部
２３７ 表示データ出力部
３００ 端末装置

特許第５０７７７１１号公報

Claims (10)

1. 複数の項目を有する情報が格納されたデータベースを参照し、機械学習により得られた予測結果が正解となる確率を示す指標値を算出する指標値算出部と、
   前記指標値に各項目が寄与する度合いを示す寄与度を算出する寄与度算出部と、
   前記指標値と前記寄与度と、を含む情報を出力する出力部と、を有する情報処理装置。
2. 前記出力部は、
   前記指標値と前記寄与度の変化を時系列に示すグラフを端末装置へ表示させる、請求項１記載の情報処理装置。
3. 前記寄与度算出部は、
   前記複数の項目毎の標準値が格納された標準値データベースを参照し、
   一の項目毎に前記データベースに格納された値を前記標準値データベースに格納された値と置き換えて、前記指標値算出部に置き換え後の指標値を算出させ、
   置き換え前に算出された前記指標値と、前記置き換え後の指標値との差分を用いて、前記一の項目の寄与度を算出する、請求項１又は２記載の情報処理装置。
4. 前記寄与度算出部は、
   前記複数の項目毎の、前記差分の合計値に対して、前記一の項目の前記差分が占める割合を、前記一の項目の前記寄与度として算出する、請求項３記載の情報処理装置。
5. 前記データベースに格納された前記複数の項目の値は、時系列の変化を含み、
   前記標準値データベースに格納された一の標準値は、所定の期間における前記一の項目の値の平均値である請求項３又は４記載の情報処理装置。
6. 前記グラフは、縦軸を指標値、横軸を時間として、前記指標値と前記各項目の前記寄与度の変化を時系列に示す、請求項２記載の情報処理装置。
7. 前記出力部は、
   前記グラフにおいて、前記時間と前記項目とが選択された場合に、前記データベースにおける前記時間と対応する前記項目の値を、前記グラフと共に表示させる、請求項６記載の情報処理装置。
8. 前記複数の項目を示す情報は、健康状態が管理される被管理者の勤怠の情報を示す勤務情報であり、
   前記指標値は、前記被管理者の健康状態が不調となる可能性を示す指標値である、請求項１乃至７の何れか一項に記載の情報処理装置。
9. 複数の項目を有する情報が格納されたデータベースを参照し、機械学習により得られた予測結果が正解となる確率を示す指標値を算出する処理と、
   前記指標値に各項目が寄与する度合いを示す寄与度を算出する処理と、
   前記指標値と前記寄与度と、を含む情報を出力する処理と、をコンピュータに実行させる情報処理プログラム。
10. コンピュータによる情報処理方法であって、該コンピュータが、
    複数の項目を有する情報が格納されたデータベースを参照し、機械学習により得られた予測結果が正解となる確率を示す指標値を算出し、
    前記指標値に各項目が寄与する度合いを示す寄与度を算出し、
    前記指標値と前記寄与度と、を含む情報を出力する、情報処理方法。

Images