JP2019067281A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】異変が発生する可能性が高い在職者を精度良く検出する。【解決手段】情報処理装置１は、組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部１１を参照し、職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定する特定部１２２と、特定された在職者を示す情報を出力する出力部１２３と、を備える。特定部１２２は、記憶部１１に記憶されている勤怠情報のうち、現時点から所定期間前までの在職者の勤怠情報を分類モデル１１３に入力して得られる結果に基づいて、異変が発生した職員の勤務傾向と類似する勤務傾向を有する在職者を特定する。【選択図】図２

Description

本発明は、在職者の情報を出力する情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、組織における在職者を管理することが行われている。例えば、特許文献１には、在職者が入力した各種入力情報に基づいて在職者の活動状況、健康状況及び教育指導結果状況等を抽出し、管理者の端末に抽出結果を出力するシステムが開示されている。

特開２００９−１３９９７８号公報

特許文献１に記載のシステムを利用することにより、管理者は、在職者の健康指導やメンタルケアを行い、在職者が退職しないようにフォローすることができる。しかしながら、在職者が各種入力情報の入力を怠ったり、事実とは異なる情報を入力したりすることで、管理者が在職者をフォローできないという問題が発生する。これにより、在職者が病を発症して休職したり、退職したりすることを事前に抑制することができないという問題が発生する。このため、異変が発生する可能性が高い在職者を精度良く検出することが求められている。

そこで、本発明はこれらの点に鑑みてなされたものであり、異変が発生する可能性が高い在職者を精度良く検出することができる情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。

本発明の第１の態様に係る情報処理装置は、組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部を参照し、前記職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定する特定部と、特定された前記在職者を示す情報を出力する出力部と、を備える。

前記情報処理装置は、前記記憶部に記憶されている勤怠情報のうち、前記異変が発生した職員の過去の勤怠情報と、前記在職者の過去の勤怠情報とを教師データとし、退職する可能性が高い職員と、退職する可能性が低い職員とに職員を分類する分類モデルを生成する生成部をさらに備え、前記特定部は、前記記憶部に記憶されている勤怠情報のうち、現時点から所定期間前までの在職者の勤怠情報を前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員の勤務傾向と類似する勤務傾向を有する在職者を特定してもよい。

前記異変が発生した職員は退職者であり、前記生成部は、前記記憶部に記憶されている勤怠情報のうち、退職者の退職日よりも所定時間前の時点から所定期間前までの前記退職者の勤怠情報と、現時点よりも前記所定時間前の時点から前記所定期間前までの前記在職者の勤怠情報とを前記教師データとして前記分類モデルを生成してもよい。

前記生成部は、前記勤怠情報に含まれる各勤務日の前記出勤時刻、前記退勤時刻、及び前記勤務日に対応する曜日を示す曜日情報を前記教師データとして前記分類モデルを生成し、前記特定部は、前記在職者の前記勤怠情報に含まれる各勤務日の前記出勤時刻、前記退勤時刻、及び前記曜日情報を前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員と勤務傾向が類似する在職者を特定してもよい。

前記勤怠情報は、前記職員の欠勤日を特定する欠勤情報をさらに含み、前記生成部は、前記勤怠情報に含まれる前記出勤時刻、前記退勤時刻、及び前記欠勤情報に基づく欠勤日を前記教師データとして前記分類モデルを生成し、前記特定部は、前記在職者の前記勤怠情報に含まれる前記出勤時刻、前記退勤時刻、及び前記欠勤日を前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員と勤務傾向が類似する在職者を特定してもよい。

前記記憶部は、前記職員の属性を示す属性情報さらに記憶し、前記生成部は、前記記憶部に記憶されている前記勤怠情報と前記属性情報とを前記教師データとして前記分類モデルを生成し、前記特定部は、前記在職者の前記勤怠情報と前記属性情報とを前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員と勤務傾向及び前記属性が類似する在職者を特定してもよい。

前記異変が発生した職員は退職者であり、前記特定部は、前記記憶部を参照し、前記職員のうち、退職者の退職前の所定期間における勤務傾向と類似する勤務傾向を有する前記在職者を特定してもよい。

前記異変が発生した職員は病の発症者であり、前記特定部は、前記記憶部を参照し、前記職員のうち、病の発症者が病を発症する前の所定期間における勤務傾向と類似する勤務傾向を有する前記在職者を特定してもよい。

本発明の第２の態様に係る情報処理方法は、コンピュータが実行する、組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部を参照し、前記職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定するステップと、特定された前記在職者を示す情報を出力するステップと、を備える。

本発明の第３の態様に係る情報処理プログラムは、コンピュータを、組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部を参照し、前記職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定する特定部、及び、特定された前記在職者を示す情報を出力する出力部、として機能させる。

本発明によれば、在職者の異変を精度良く検出することができるという効果を奏する。

第１実施形態に係る情報処理装置の概要を示す図である。 第１実施形態に係る情報処理装置の構成を示す図である。 第１実施形態に係る職員情報の一例を示す図である。 第１実施形態に係る勤怠情報の一例を示す図である。 第１実施形態に係る情報処理装置における処理の流れを示すフローチャートである。

＜第１実施形態＞
［情報処理装置１の概要］
図１は、第１実施形態に係る情報処理装置１の概要を示す図である。
情報処理装置１は、組織の職員のうち、異変が発生する可能性が高い職員を特定し、管理者に通知するためのコンピュータである。情報処理装置１は、組織における管理者が使用する管理者端末２に接続されている。以下の説明では、在職者が退職することを異変とし、退職する可能性が高い職員を特定する例について説明する。また、本実施形態において、在職中の職員を在職者といい、退職した職員を退職者という。

情報処理装置１は、在職者の勤怠情報及び退職者の勤怠情報に基づいて、退職する可能性が高い職員と、退職する可能性が高い職員とに職員を分類する分類モデルを生成する（図１の（１））。

情報処理装置１は、複数の在職者の最新の勤怠情報を取得し（図１の（２））、取得した複数の勤怠情報のそれぞれを分類モデルに入力し、勤怠情報に対応する在職者の分類結果を取得する（図１の（３））。情報処理装置１は、分類結果に基づいて退職する可能性が高い在職者を特定する。このようにすることで、情報処理装置１は、退職者の勤務傾向と類似する勤務傾向を有しており、退職する可能性が高い在職者の情報を精度良く検出することができる。

情報処理装置１は、特定した在職者を示す情報を管理者端末２に出力する（図１の（４））。これにより、管理者は、当該在職者に対してメンタルケア等のフォローを行い、当該在職者が退職することを抑制することができる。

［情報処理装置１の構成］
続いて、情報処理装置１の構成について説明する。図２は、本実施形態に係る情報処理装置１の構成を示す図である。
情報処理装置１は、記憶部１１と、制御部１２とを備える。

記憶部１１は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等である。記憶部１１は、情報処理装置１を機能させるための各種プログラムを記憶する。記憶部１１は、情報処理装置１の制御部１２を、後述する生成部１２１、特定部１２２、及び出力部１２３として機能させる情報処理プログラムを記憶する。

記憶部１１は、職員情報ＤＢ１１１と、勤怠情報ＤＢ１１２と、分類モデル１１３を記憶する。職員情報ＤＢは、職員に関する情報を記憶するデータベースであり、職員情報を格納する。図３は、第１実施形態に係る職員情報の一例を示す図である。職員情報は、職員を識別する職員識別情報と、職員の氏名と、職員の退職日とを含んでいる。職員の退職日は、職員が退職している場合のみ入力されており、職員が在職している場合には空欄であるものとする。

勤怠情報ＤＢ１１２は、勤怠情報を記憶するデータベースであり、勤怠情報を格納する。勤怠情報は、職員の勤怠情報を管理する勤怠管理システム（不図示）から取得され、勤怠情報ＤＢ１１２に格納されている。図４は、第１実施形態に係る勤怠情報の一例を示す図である。勤怠情報は、職員を識別する職員識別情報と、出勤日と、出勤日における職員の出勤時刻及び退勤時刻と、職員が欠勤した日を特定する欠勤情報としての欠勤フラグとを含んでいる。

分類モデル１１３は、例えば、制御部１２によって生成されるニューラルネットワークの学習モデルである。分類モデル１１３は、制御部１２によって実行されるプログラムであり、制御部１２によって実行されると、勤怠情報の入力を受け付ける。分類モデル１１３は、入力された勤怠情報に基づいて、当該勤怠情報に対応する在職者を、退職する可能性が高い在職者、又は退職する可能性が低い在職者のいずれかに分類する。

制御部１２は、例えばＣＰＵ（Central Processing Unit）である。制御部１２は、記憶部１１に記憶されている各種プログラムを実行することにより、情報処理装置１に係る機能を制御する。制御部１２は、情報処理プログラムを実行することにより、生成部１２１、特定部１２２、及び出力部１２３として機能する。

生成部１２１は、記憶部１１の勤怠情報ＤＢ１１２に格納されている勤怠情報に基づいて分類モデル１１３を生成する。具体的には、生成部１２１は、職員情報ＤＢ１１１に格納されている職員情報に含まれる退職日に基づいて、在職者の職員識別情報と退職者の職員識別情報とを特定する。生成部１２１は、勤怠情報ＤＢ１１２に格納されている勤怠情報を参照し、特定した在職者の職員識別情報と退職者の職員識別情報とに基づいて、退職者の過去の勤怠情報と、在職者の過去の勤怠情報とを取得する。

ここで、生成部１２１は、退職者の勤怠情報を取得する場合、退職者の退職日よりも所定時間前（例えば、１カ月前）の時点から所定期間前（例えば、１カ月間前）までの勤怠情報を取得する。すなわち、生成部１２１は、退職者の勤怠情報を取得する場合、退職する２カ月前から１カ月前までの勤怠情報を取得する。また、生成部１２１は、在職者の勤怠情報を取得する場合、現時点よりも所定時間前の時点から所定期間前までの勤怠情報を取得する。すなわち、生成部１２１は、在職者の勤怠情報を取得する場合、現時点の２カ月前から１カ月前までの勤怠情報を取得する。

なお、生成部１２１は、現時点の２カ月前から１カ月前までの勤怠情報を取得するに限らず、最新１カ月の勤怠情報を含まない１カ月分の勤怠情報を取得するようにしてもよい。また、生成部１２１は、一の在職者から、１カ月分の勤怠情報を複数取得してもよい。また、生成部１２１は、退職者の勤怠情報のうち、退職に対する影響度が低い勤怠情報を在職者の勤怠情報として取得してもよい。例えば、生成部１２１は、退職する直前の勤怠情報とは異なる１カ月分の勤怠情報を在職者の勤怠情報として取得してもよい。このようにすることで、組織に属する職員が少ない場合でも多くの教師データを作成することができる。

生成部１２１は、取得した退職者の勤怠情報に含まれる各勤務日の出勤時刻、退勤時刻、欠勤フラグに基づく欠勤日、及び勤務日の曜日を示す曜日情報を教師データとする。同様に、生成部１２１は、取得した在職者の勤怠情報に含まれる、各勤務日の出勤時刻、退勤時刻、欠勤フラグに基づく欠勤日、及び勤務日の曜日を示す曜日情報を教師データとする。このようにすることで、生成部１２１は、退職者に対応する教師データを、退職する傾向が高いデータとすることができるとともに、在職者に対応する教師データを、退職する傾向が低いデータとすることができるので、精度良く分類モデル１１３を生成することができる。なお、生成部１２１は、欠勤日に対応する曜日を示す欠勤曜日を教師データに含めてもよい。

生成部１２１は、教師データに基づいてニューラルネットワークの学習を行うことにより、勤怠情報の入力に対して、当該勤怠情報に対応する職員を、退職する可能性が高い職員と、退職する可能性が高い職員とのいずれか一方に分類する分類モデル１１３を生成する。具体的には、生成部１２１は、退職者の勤怠情報の入力に対して、当該退職者が退職する可能性が高い職員に分類され、在職者の勤怠情報の入力に対して、当該在職者が退職する可能性が低い職員に分類されるように分類モデル１１３を生成する。

このようにすることで、分類モデル１１３は、新たに入力される勤怠情報に対応する在職者の勤務傾向が退職者の勤務傾向と類似している場合に、当該在職者を退職する可能性が高い職員に分類することができる。

生成部１２１は、分類モデル１１３を生成すると、当該分類モデル１１３を記憶部１１に記憶させる。なお、本実施形態では、１カ月間の勤務実績に対応する勤怠情報に基づいて分類モデル１１３を生成したが、これに限らない。生成部１２１は、１カ月よりも長い期間に対応する勤怠情報に基づいて分類モデル１１３を生成してもよい。

特定部１２２は、記憶部１１の勤怠情報ＤＢ１１２を参照し、職員のうち、退職者の退職前の所定期間における勤務傾向と類似する勤務傾向を有する在職者を特定する。

具体的には、特定部１２２は、勤怠情報ＤＢ１１２に記憶されている勤怠情報を参照し、現時点から所定期間前（例えば、１カ月前）までの複数の在職者の勤怠情報を取得する。特定部１２２は、記憶部１１に記憶されている分類モデル１１３を実行する。

特定部１２２は、取得した勤怠情報に含まれている各勤務日の出勤時刻、退勤時刻、勤務日に対応する曜日を示す曜日情報、及び欠勤日を、実行中の分類モデル１１３に入力することにより、分類モデル１１３から分類結果を取得する。特定部１２２は、取得した複数の在職者の勤怠情報を分類モデル１１３に入力することにより、複数の在職者のそれぞれに対応する分類結果を取得する。

特定部１２２は、取得した複数の分類結果に基づいて、退職者の勤務傾向と類似する勤務傾向を有する在職者、すなわち、退職する可能性が高い職員に分類された在職者を特定する。

出力部１２３は、特定部１２２により退職する可能性が高い職員に分類された在職者を示す情報を管理者端末２に出力する。例えば、出力部１２３は、職員情報ＤＢ１１１を参照し、退職する可能性が高い職員に分類された在職者の職員識別情報に関連する在職者の氏名を特定する。そして、出力部１２３は、特定した在職者の氏名と、当該在職者が退職する可能性が高いと判定されたことを示す情報とを管理者端末２に出力する。

［情報処理装置１における処理の流れ］
続いて、情報処理装置１における処理の流れについて説明する。図５は、第１実施形態に係る情報処理装置１における処理の流れを示すフローチャートである。

まず、生成部１２１は、職員情報ＤＢ１１１と勤怠情報ＤＢ１１２とを参照し、退職者の過去の勤怠情報と、在職者の過去の勤怠情報とを取得する（Ｓ１０）。
続いて、生成部１２１は、取得した勤怠情報に基づいて分類モデル１１３を生成し（Ｓ２０）、生成した分類モデル１１３を記憶部１１に記憶させる。

続いて、特定部１２２は、職員情報ＤＢ１１１と勤怠情報ＤＢ１１２とを参照し、複数の在職者の最新の勤怠情報を取得する（Ｓ３０）。
続いて、特定部１２２は、取得した複数の勤怠情報を分類モデル１１３に入力し、複数の勤怠情報のそれぞれに対応する分類結果を取得する（Ｓ４０）。

続いて、特定部１２２は、分類結果に基づいて退職する可能性が高い在職者を特定する（Ｓ５０）。
続いて、出力部１２３は、特定部１２２が特定した退職する可能性が高い在職者を示す情報を管理者端末２に出力する（Ｓ６０）。

［第１実施形態における効果］
以上説明した通り、第１実施形態に係る情報処理装置１は、勤怠情報を参照し、在職者のうち、退職者の退職前の所定期間における勤務傾向と類似する勤務傾向を有する在職者を特定する。このようにすることで、情報処理装置１は、勤怠情報という組織において取得が容易な情報に基づいて、退職者と同様の勤務傾向を有しており退職する可能性が高い在職者を精度良く検出することができる。

また、情報処理装置１は、退職者の過去の勤怠情報と、在職者の過去の勤怠情報とを教師データとして生成した分類モデル１１３に対して、在職者の最新の勤怠情報を入力し、分類結果に基づいて、退職者の勤務傾向と類似する勤務傾向を有する在職者を特定する。これにより、情報処理装置１は、分類モデル１１３に基づいて、統計的に退職者の勤務傾向と類似する勤務傾向を有する在職者を特定することができる。

また、情報処理装置１は、勤怠情報に含まれる勤務日に対応する曜日を示す曜日情報と、欠勤日とに基づいて分類モデル１１３を生成し、当該分類モデル１１３に、出勤時刻、退勤時刻、曜日情報、欠勤日を入力して得られる分類結果に基づいて退職者の勤務傾向と類似する勤務傾向を有する在職者を特定する。このようにすることで、情報処理装置１は、退職者と同様の勤務傾向を有している在職者をさらに精度良く検出することができる。

＜第２実施形態＞
［職員の属性情報を考慮して分類モデルを生成する］
続いて、第２実施形態について説明する。組織には様々な職場環境があり、職場環境によって離職率が異なる場合がある。また、職員の年齢や性別によっても離職率が異なる。これに対し、第２実施形態に係る情報処理装置１は、職員の属性にさらに基づいて分類モデル１１３を生成し、当該分類モデル１１３に基づいて退職する可能性が高い在職者を特定する点で第１実施形態と異なる。以下に、第２実施形態に係る議事録作成システムＳについて説明する。なお、第１実施形態と同様の構成については同一の符号を付し、詳細な説明を省略する。

第２実施形態において、職員情報ＤＢ１１１が格納する職員情報は、職員の属性を示す属性情報が含まれている。職員の属性は、例えば、性別、年齢、所属部署、勤務地である。

生成部１２１は、第１実施形態と同様に、職員情報ＤＢ１１１及び勤怠情報ＤＢ１１２を参照し、在職者の過去の勤怠情報と、退職者の過去の勤怠情報とを取得する。また、生成部１２１は、職員情報ＤＢ１１１を参照し、在職者及び退職者のそれぞれに関連付けられている属性情報を取得する。生成部１２１は、取得した勤怠情報と属性情報とを教師データとして分類モデル１１３を生成する。

特定部１２２は、職員情報ＤＢ１１１及び勤怠情報ＤＢ１１２を参照し、複数の在職者の最新の勤怠情報を取得するとともに、在職者の属性情報とを取得する。特定部１２２は、取得した勤怠情報と、属性情報とを分類モデル１１３に入力して得られる結果に基づいて、退職者と勤務傾向及び属性が類似する在職者を、退職する可能性が高い在職者に特定する。

出力部１２３は、特定部１２２により退職する可能性が高い職員に分類された在職者を示す情報を管理者端末２に出力する。例えば、出力部１２３は、職員情報ＤＢ１１１を参照し、退職する可能性が高い職員に分類された在職者の職員識別情報に関連する在職者の氏名及び属性情報を特定する。そして、出力部１２３は、特定した在職者の氏名と、当該在職者の属性情報と、当該在職者が退職する可能性が高いと判定されたことを示す情報とを管理者端末２に出力する。

［第２実施形態における効果］
以上説明した通り、第２実施形態に係る情報処理装置１は、勤怠情報と属性情報とを教師データとして分類モデル１１３を生成し、在職者の最新の勤怠情報と属性情報とを分類モデル１１３に入力して得られる結果に基づいて、退職者と勤務傾向及び属性が類似する在職者を、退職する可能性が高い在職者に特定する。これにより、情報処理装置１は、在職者の職場環境、年齢及び性別といった属性を考慮して、退職する可能性が高い在職者を精度良く特定することができる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、情報処理装置１は、職員の住所と事業場所の住所に基づいて通勤時間を特定し、当該通勤時間を教師データに含めるようにしてもよい。そして、情報処理装置１は、勤怠情報と、通勤時間を示す情報との入力に応じて在職者を分類する分類モデルを生成してもよい。このようにすることで、情報処理装置１は、職員の通勤時間を考慮して、退職する可能性が高い在職者を特定することができる。

また、本実施形態では、退職する可能性が高い職員を特定する例について説明したが、これに限らない。例えば、在職者がうつ病等の病を発症したことや、職務に対するモチベーションが低下したことを異変としてもよい。そして、情報処理装置１は、勤怠情報に基づいて、病を発症する可能性が高い職員とそうではない職員とに職員を分類する分類モデルや、モチベーションが低下した職員とそうではない職員とに職員を分類する分類モデルを生成してもよい。そして、情報処理装置１は、職員の勤怠情報をこれらの分類モデルに入力することにより、病を発症する可能性が高い職員やモチベーションが低下した職員を特定してもよい。

また、情報処理装置１は、勤怠情報に基づいて、退職する可能性が高い職員と、病を発症する可能性が高い職員とそうではない職員と、モチベーションが低下した職員と、それ以外の職員とに分類する分類モデルを生成してもよい。

また、例えば、装置の分散・統合の具体的な実施の形態は、以上の実施の形態に限られず、その全部又は一部について、任意の単位で機能的又は物理的に分散・統合して構成することができる。

例えば、情報処理装置１は、記憶部１１に記憶されている勤怠情報ＤＢ１１２に格納されている勤怠情報に基づいて退職者と勤務傾向が類似する在職者を特定したが、これに限らない。情報処理装置１は、勤怠情報を管理する勤怠管理システムにアクセスし、当該勤怠情報を参照して退職者と勤務傾向が類似する在職者を特定してもよい。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を合わせ持つ。

１・・・情報処理装置、１１・・・記憶部、１１１・・・職員情報ＤＢ、１１２・・・勤怠情報ＤＢ、１１３・・・分類モデル、１２・・・制御部、１２１・・・生成部、１２２・・・特定部、１２３・・・出力部、２・・・管理者端末

Claims (10)

1. 組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部を参照し、前記職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定する特定部と、
   特定された前記在職者を示す情報を出力する出力部と、
   を備える情報処理装置。
2. 前記記憶部に記憶されている勤怠情報のうち、前記異変が発生した職員の過去の勤怠情報と、前記在職者の過去の勤怠情報とを教師データとし、退職する可能性が高い職員と、退職する可能性が低い職員とに職員を分類する分類モデルを生成する生成部をさらに備え、
   前記特定部は、前記記憶部に記憶されている勤怠情報のうち、現時点から所定期間前までの在職者の勤怠情報を前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員の勤務傾向と類似する勤務傾向を有する在職者を特定する、
   請求項１に記載の情報処理装置。
3. 前記異変が発生した職員は退職者であり、
   前記生成部は、前記記憶部に記憶されている勤怠情報のうち、退職者の退職日よりも所定時間前の時点から所定期間前までの前記退職者の勤怠情報と、現時点よりも前記所定時間前の時点から前記所定期間前までの前記在職者の勤怠情報とを前記教師データとして前記分類モデルを生成する、
   請求項２に記載の情報処理装置。
4. 前記生成部は、前記勤怠情報に含まれる各勤務日の前記出勤時刻、前記退勤時刻、及び前記勤務日に対応する曜日を示す曜日情報を前記教師データとして前記分類モデルを生成し、
   前記特定部は、前記在職者の前記勤怠情報に含まれる各勤務日の前記出勤時刻、前記退勤時刻、及び前記曜日情報を前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員と勤務傾向が類似する在職者を特定する、
   請求項２又は３に記載の情報処理装置。
5. 前記勤怠情報は、前記職員の欠勤日を特定する欠勤情報をさらに含み、
   前記生成部は、前記勤怠情報に含まれる前記出勤時刻、前記退勤時刻、及び前記欠勤情報に基づく欠勤日を前記教師データとして前記分類モデルを生成し、
   前記特定部は、前記在職者の前記勤怠情報に含まれる前記出勤時刻、前記退勤時刻、及び前記欠勤日を前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員と勤務傾向が類似する在職者を特定する、
   請求項２から４のいずれか１項に記載の情報処理装置。
6. 前記記憶部は、前記職員の属性を示す属性情報さらに記憶し、
   前記生成部は、前記記憶部に記憶されている前記勤怠情報と前記属性情報とを前記教師データとして前記分類モデルを生成し、
   前記特定部は、前記在職者の前記勤怠情報と前記属性情報とを前記分類モデルに入力して得られる結果に基づいて、前記異変が発生した職員と勤務傾向及び前記属性が類似する在職者を特定する、
   請求項２から５のいずれか１項に記載の情報処理装置。
7. 前記異変が発生した職員は退職者であり、
   前記特定部は、前記記憶部を参照し、前記職員のうち、退職者の退職前の所定期間における勤務傾向と類似する勤務傾向を有する前記在職者を特定する、
   請求項１から６のいずれか１項に記載の情報処理装置。
8. 前記異変が発生した職員は病の発症者であり、
   前記特定部は、前記記憶部を参照し、前記職員のうち、病の発症者が病を発症する前の所定期間における勤務傾向と類似する勤務傾向を有する前記在職者を特定する、
   請求項１から７のいずれか１項に記載の情報処理装置。
9. コンピュータが実行する、
   組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部を参照し、前記職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定するステップと、
   特定された前記在職者を示す情報を出力するステップと、
   を備える情報処理方法。
10. コンピュータを、
    組織における職員の各勤務日における出勤時刻及び退勤時刻を含む勤怠情報を記憶する記憶部を参照し、前記職員のうち、異変が発生した職員の異変発生前の所定期間における勤務傾向と類似する勤務傾向を有する在職中の職員である在職者を特定する特定部、及び、
    特定された前記在職者を示す情報を出力する出力部、
    として機能させる情報処理プログラム。
    
    

Images