JP2020181577A - 情報分析装置、情報分析方法、情報分析プログラム及び学習モデル生成方法 - Google Patents
情報分析装置、情報分析方法、情報分析プログラム及び学習モデル生成方法 Download PDFInfo
- Publication number
- JP2020181577A JP2020181577A JP2020076745A JP2020076745A JP2020181577A JP 2020181577 A JP2020181577 A JP 2020181577A JP 2020076745 A JP2020076745 A JP 2020076745A JP 2020076745 A JP2020076745 A JP 2020076745A JP 2020181577 A JP2020181577 A JP 2020181577A
- Authority
- JP
- Japan
- Prior art keywords
- information
- respondent
- analysis
- respondents
- question
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 150
- 230000008569 process Effects 0.000 claims description 118
- 230000004044 response Effects 0.000 claims description 92
- 230000008520 organization Effects 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 23
- 230000008450 motivation Effects 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 19
- 230000007704 transition Effects 0.000 claims description 13
- 230000036541 health Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 description 187
- 238000011156 evaluation Methods 0.000 description 154
- 238000009826 distribution Methods 0.000 description 52
- 230000002776 aggregation Effects 0.000 description 51
- 238000004220 aggregation Methods 0.000 description 49
- 238000010586 diagram Methods 0.000 description 44
- 238000012545 processing Methods 0.000 description 31
- 230000006872 improvement Effects 0.000 description 18
- 230000009471 action Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 5
- 230000004931 aggregating effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000005304 joining Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000003936 working memory Effects 0.000 description 3
- WBMKMLWMIQUJDP-STHHAXOLSA-N (4R,4aS,7aR,12bS)-4a,9-dihydroxy-3-prop-2-ynyl-2,4,5,6,7a,13-hexahydro-1H-4,12-methanobenzofuro[3,2-e]isoquinolin-7-one hydrochloride Chemical compound Cl.Oc1ccc2C[C@H]3N(CC#C)CC[C@@]45[C@@H](Oc1c24)C(=O)CC[C@@]35O WBMKMLWMIQUJDP-STHHAXOLSA-N 0.000 description 2
- KNMAVSAGTYIFJF-UHFFFAOYSA-N 1-[2-[(2-hydroxy-3-phenoxypropyl)amino]ethylamino]-3-phenoxypropan-2-ol;dihydrochloride Chemical compound Cl.Cl.C=1C=CC=CC=1OCC(O)CNCCNCC(O)COC1=CC=CC=C1 KNMAVSAGTYIFJF-UHFFFAOYSA-N 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 238000013477 bayesian statistics method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 240000004270 Colocasia esculenta var. antiquorum Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
(1)本発明1の情報分析装置は、回答者を特定する回答者情報と回答者に質問する質問情報を格納する格納手段と、回答者端末から回答者が回答した回答情報を受け付ける回答情報受付手段と、前記回答情報受付手段が受け付けた回答情報の分析を行い、回答者の分析結果を生成する分析手段と、前記分析手段が分析した分析結果に応じて、回答者の組織に対する貢献意欲を推定する貢献意欲推定手段と、前記貢献意欲推定手段が推定した貢献意欲を通知する通知手段とを備えることを特徴とする。
(2)本発明2の情報分析装置は、本発明1であって、前記貢献意欲推定手段が推定した貢献意欲の中から、回答者が重要視する要素を推定する要素推定手段とを備え、前記通知手段は、前記要素推定手段が推定した要素を通知することを特徴とする。
(3)本発明3の情報分析装置は、本発明2であって、前記分析手段は、全ての回答者の回答情報を教師データとして用い、全ての回答者の回答情報と重要度の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する重要度モデル生成手段と、前記重要度モデル生成手段により生成された推定モデルを用いて、一の回答者の回答情報を分析することで、一の回答者の重要度を出力する重要度出力手段とを備えることを特徴とする。
(4)本発明4の情報分析装置は、本発明3であって、前記分析手段は、全ての回答者の回答情報を教師データとして用い、全ての回答者の回答情報と残存情報量の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する残存情報量モデル生成手段と、前記残存情報量モデル生成手段により生成された推定モデルを用いて、一の回答者の回答情報を分析することで、一の回答者の残存情報量を出力する残存情報量出力手段とを備えることを特徴とする。
(5)本発明5の情報分析装置は、本発明4であって、前記分析手段は、全ての回答者の重要度及び/又は全ての回答者の残存情報量を教師データとして用い、全ての回答者の重要度及び/又は全ての回答者の残存情報量と全ての回答者の選択質問情報の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する選択質問モデル生成手段と、前記選択質問モデル生成手段により生成された推定モデルを用いて、一の回答者の重要度及び/又は一の回答者の残存情報量を分析することで、一の回答者への選択質問情報を出力する選択質問出力手段とを備えることを特徴とする。
(6)本発明6の情報分析装置は、本発明1〜5のいずれかであって、前記分析手段は、回答情報の推移に応じて、回答者毎の分析結果を生成することを特徴とする。
(7)本発明7の情報分析装置は、本発明3〜5のいずれかであって、前記通知手段は、重要度について、回答者毎、質問毎、組織毎、組織の部署毎、グループ毎又は回答者の属性毎のいずれか1つ又はこれらの組み合わせて通知することを特徴とする。
(8)本発明8の情報分析装置は、本発明7であって、前記要素推定手段は、職務、自己成長、健康、人間関係、支援、承認、理念戦略、組織風土及び環境の中から、回答者が重要視している前記要素を推定し、前記通知手段は、前記要素推定手段が推定した結果を得点として通知することを特徴とする。
(9)本発明9の情報分析装置は、本発明7であって、前記要素推定手段は、ビジョン志向、成長志向、期待志向、セルフコントロール志向及びチーム志向の中から、前記回答者毎に何を重要視しているかという価値観を推定し、前記通知手段は、前記要素推定手段が推定した前記価値観を通知することを特徴とする。
(10)本発明10の情報分析装置は、本発明9であって、前記要素推定手段は、前記価値観を前記回答者の組織に対する愛着と、前記回答者の組織における活力とから推定し、前記通知手段は、前記要素推定手段が推定した前記価値観を前記愛着と、前記活力とに分けて通知することを特徴とする。
(11)本発明11の情報分析装置は、本発明7〜10であって、前記通知手段は、重要度をグラフで通知することを特徴とする。
(12)本発明12の情報分析方法は、回答者を特定する回答者情報と回答者に質問する質問情報を格納する格納工程と、回答者端末から回答者が回答した回答情報を受け付ける回答情報受付工程と、前記回答情報受付工程が受け付けた回答情報の分析を行い、回答者の分析結果を生成する分析工程と、前記分析工程が分析した分析結果に応じて、回答者の組織に対する貢献意欲を推定する貢献意欲推定工程と、前記貢献意欲推定工程が推定した貢献意欲を通知する通知工程とを備えることを特徴とする。
(13)本発明13の情報分析プログラムは、回答者を特定する回答者情報と回答者に質問する質問情報を格納する格納機能と、回答者端末から回答者が回答した回答情報を受け付ける回答情報受付機能と、前記回答情報受付機能が受け付けた回答情報の分析を行い、回答者の分析結果を生成する分析機能と、前記分析機能が分析した分析結果に応じて、回答者の組織に対する貢献意欲を推定する貢献意欲推定機能と、前記貢献意欲推定機能が推定した貢献意欲を通知する通知機能とをコンピュータに実現させることを特徴とする。
(14)本発明14の学習モデル生成方法は、全ての回答者の履歴回答情報を含む教師データを取得し、前記教師データを用いて、一の回答者の回答情報を入力、一の回答者の重要度に関する値を出力する学習モデルを生成する学習モデル生成方法。
〔実施形態の概要〕
本実施形態の情報分析装置1では、回答者からアンケートの回答である回答情報を受け付けて分析を行い、分析結果を回答者毎に生成する。
情報分析装置1は、人事担当者の回答者端末、管理者の回答者端末、回答者の回答者端末に分析結果を表示する。
情報分析装置1は、アンケートの分析結果として、回答者毎の会社に対する貢献意欲がどこにあるかを表示する。
本実施形態によれば、情報分析装置1が分析した分析結果から、人事担当者、管理者、回答者は、回答者が会社において何に対して貢献意欲を有しているのか把握することができる。
〔第一実施形態〕
本発明の第一実施形態を図面に基づいて詳細に説明する。図1は、情報分析装置1が提供するサービスの概要を示す図である。本発明の第一実施形態の情報分析システムWは、情報分析装置1が、回答者A、B、Cから回収したアンケートの回答を分析して、分析結果から次に回答者A、B、Cに送信する質問を変えるためのシステムである。情報分析システムWは、例えば、情報分析装置1、人事担当者端末2、回答者端末3a、3b、3cとがインターネット等の通信ネットワークを介して接続されて構成されている。通信ネットワークは、例えば、インターネットを用いて構成されており、SSL(Secure Sockets Layer)などの適当な暗号プロトコルを用いて外部から秘匿された通信を行うことができる。また、これらの装置や端末は、インターネットを介して接続されるため、立地の制約を受けずに、国境を越えて世界中の人や法人が利用することができる。
図2は、情報分析装置1の構成を示すブロック図である。情報分析装置1は、アンケートの質問の提示、アンケートの回答の受け付け、回答の集計、回答の分析をするサーバ等の装置である。情報分析装置1は、メインシステム100、集計システム200及び分析システム300の3つのシステムが、それぞれ別々のサーバにより構成されている。なお、情報分析装置1は、3つのシステムをそれぞれ独立した別々のサーバで構成されているが、単一の装置構成でも実現できるし、さらに複数の装置に分散したシステム構成でも実現できる。また、情報分析装置1は、一定の機能(処理)を一定の装置に担当させているが、3つのシステムのどの機能(処理)をどの装置に担当させるか自由に変更することができる。
メインシステム100は、アンケート支援サーバとして機能するサーバ装置であって、会社の従業員である回答者A、B、Cに対して、アンケートを定期的に実施する機能を提供する。メインシステム100は、会社において一定の権限を有する者の要求に応じて、集計システム200による回答の集計や、分析システム300による回答の分析を実施させる機能を提供する。また、メインシステム100は、集計システム200の集計結果や、分析システム300の分析結果に応じて、回答者A、B、C毎に異なる質問を提示する機能を提供する。さらに、メインシステム100は、集計結果や分析結果を確認した回答者の要求に応じて、アクションプランの設定や、アクションプランの進捗管理を実施する機能を提供する。メインシステム100は、アンケートを実施する組織内に設置されても良いし、情報分析システムWを提供するサービス会社が管理するASP(Application Service Provider)やクラウド内に設置されていても良い。
(1)人事担当者端末2から会社の従業員の情報である従業員情報を従業員情報データベース108で受け付ける。
(2)人事担当者端末2から質問の配信のタイミング等の配信情報を配信情報データベース109で受け付ける。
(3)回答者A、B、C毎に質問情報データベース110から選択された質問を選択質問情報データベース111に格納する。
(4)回答者端末3a、3b、3cに対して、回答者A、B、C毎に質問を提示して、回答を要求する。
(5)回答者端末3a、3b、3cから受け付けた回答を回答情報データベース112で受け付ける。
(6)分析システム300に回答の分析をさせて、重要度や残存情報量を分析する。
(7)分析システム300で分析した重要度を重要度データベース310に格納し、分析した残存情報量を残存情報量データベースに格納する。
(8)所定の権限を有している人事担当者端末2や回答者端末3aからの要求に応じて、集計システム200に回答の集計をさせて、人事担当者端末2や回答者端末3aに集計結果を送信する。
集計システム200は、アンケート集計サーバとして機能するサーバ装置であって、回答者A、B、Cが回答した回答を集計する機能を提供する。集計システム200は、会社において一定の権限を有する者(例えば、人事担当者端末2、回答者A)の要求に応じて、回答者毎の集計や、質問毎の集計、所定の期間毎の集計、会社内の部署毎の集計及びこれらの組み合わせの集計をする機能を提供する。集計システム200は、メインシステム100の要求に応じて、集計した結果をメインシステム100や分析システム300に送信する。集計システム200は、アンケートを実施する組織内に設置されても良いし、情報分析システムWを提供するサービス会社が管理するASPやクラウド内に設置されていても良い。
分析システム300は、アンケート分析サーバとして機能するサーバ装置であって、回答者A、B、Cが回答した回答を分析する機能を提供する。分析システム300は、予め設定された分析の時期に応じて、回答者毎の分析や、質問毎の分析、会社内の部署毎の分析及びこれらの組み合わせの分析をする機能を提供する。分析システム300は、メインシステム100の要求に応じて、分析した結果をメインシステム100に送信する。分析システム300は、アンケートを実施する組織内に設置されても良いし、情報分析システムWを提供するサービス会社が管理するASP(Application Service Provider)やクラウド内に設置されていても良い。
人事担当者端末2は、人事担当者Hによるアンケートの実施登録や、アンケートを実施する対象者の決定や、アンケートの配信日時等の設定を行うために使用される端末である。人事担当者端末2は、ブラウザやアンケート管理用のアプリケーションソフトウェアを備えたパーソナルコンピュータ等で構成されている。人事担当者Hは、情報分析システムWが分析の対象としている会社の従業員であり、人事を担当する部署で情報分析システムWを管理する権限を与えられた者である。人事担当者端末2は、一定の権限が付与されており、情報分析装置1にアクセスして、アンケートの集計結果や分析結果の閲覧等をすることができる。また、人事担当者端末2は、過去に行われたアンケートの集計結果や分析結果と、今回行われたアンケートの集計結果や分析結果とを比較して閲覧することができる。さらに、人事担当者端末2は、一の部署で行われたアンケートの集計結果や分析結果と、他の部署で行われたアンケートの集計結果や分析結果とを比較して閲覧することができる。
回答者端末3は、アンケートの回答を入力するために使用される端末であり、回答者A、B、C毎に回答者端末3a、3b、3cが用意されている。回答者端末3は、ブラウザやアンケート回答用のアプリケーションソフトウェアを備えたパーソナルコンピュータ等で構成されている。回答者A、B、Cは、情報分析システムWが分析の対象としている会社の従業員である。回答者端末3a、3b、3cは、アクションプランの閲覧、設定、評価等を行うためにも使用される。
図4は、従業員情報データベース108の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の従業員情報データベース108は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
図5は、配信情報データベース109の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の配信情報データベース109は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
図6は、質問情報データベース110の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の質問情報データベース110は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
図7(a)及び(b)は、選択質問情報データベース111の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の選択質問情報データベース111は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
図8(a)及び(b)は、回答情報データベース112の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の回答情報データベース112は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
図9は、活動計画情報データベース113の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の活動計画情報データベース113は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
図10は、活動評価情報データベース114の論理的な構成の一例を示した図である。なお、この図は説明のための一例であって、実際の活動評価情報データベース114は、他のデータベース等と論理的に関係づけられたリレーショナルデータベースで構成されている。
集計情報データベース209は、回答情報データベース112の回答情報の集計結果に応じた項目に分けられて構成されている(図示せず)。集計情報データベース209には、回答者からの質問に対する回答から得られた値を集計した集計結果が格納される。集計情報データベース209は、回答者毎、質問毎、組織毎、組織の部署毎又は回答者の属性毎等に応じた集計結果が格納されても良い。集計情報データベース209は、診断領域の特徴を示すグループごとに、各項目の集計結果を平均した値等を求めて格納しても良い。
重要度データベース310は、回答情報データベース112の回答情報に応じた項目に分けられて構成されている(図示せず)。重要度データベース310には、回答情報から得られた値を分析して回答者毎の重要度が格納される。重要度データベース310は、回答者毎、質問毎、組織毎、組織の部署毎又は回答者の属性毎等に応じた重要度が格納されても良い。
残存情報量データベース311は、回答情報データベース112の回答情報に応じた項目に分けられて構成されている(図示せず)。残存情報量データベース311には、回答情報から得られた情報の鮮度を分析して回答者毎の残存情報量が格納される。残存情報量データベース311は、回答者毎、質問毎、組織毎、組織の部署毎又は回答者の属性毎等に応じた残存情報量が格納されても良い。
次に、以上のように構成された情報分析システムWの動作について説明する。以下に説明する各種処理の動作は、メインシステム100のCPU101、集計システム200のCPU201及び分析システム300のCPU301等が、それぞれの記憶部107、207、307に保存された各種プログラムを実行することにより実現される。
図11は、人事担当者Hが情報分析システムWを使用して、初期設定処理をする手順を説明するためのシーケンスチャートである。初期設定処理は、情報分析システムWを利用するための初期設定をする処理である。以下の処理は、CPU101と人事担当者端末2のCPUが初期設定プログラムに従って行うものである。
まず、人事担当者端末2のCPUは、人事担当者Hのブラウザ操作によってメインシステム100のポータルサイトのトップ画面にアクセスする。すると、メインシステム100は、通信制御部104を介して当該アクセスを受け付け、RAM102にトップ画面を表示するトップ画面データを生成して、これを人事担当者端末2に送信する。人事担当者端末2のCPUは、トップ画面データを受信すると、これをRAMに記憶し、これを用いて出力部にトップ画面を表示する。
CPU101は、人事担当者Hに一意のIDとパスワードPWをそれぞれ生成して、これを従業員情報データベース108に登録する。CPU101は、人事担当者端末2にメールで生成したIDとパスワードPWを送信する。以上の処理により、人事担当者Hは、一意のIDとパスワードが与えられ、情報分析システムWのマイページにログインできるようになる。
人事担当者Hがブラウザ操作によりトップ画面に戻って、ID欄とパスワード欄に人事担当者HのIDとパスワードPWを入力してログインボタンを選択すると、人事担当者端末2のCPUは、これら人事担当者HのIDとパスワードPWをメインシステム100に送信し、当該人事担当者Hのマイページへのログインを要求する。CPU101は、人事担当者HのIDとパスワードをRAM12に記憶し、これを従業員情報データベース108に記憶してある人事担当者HのIDとパスワードPWを照合することによりログイン処理を行う。
人事担当者端末2のCPUは、人事担当者Hがマイページ画面501で、例えば配信情報登録ボタンを選択すると、メインシステム100に対して配信情報登録画面データの要求を送信する。CPU101は、当該要求を受信すると、配信情報登録画面データを生成して人事担当者端末2に送信する。人事担当者端末2のCPUは、メインシステム100から配信情報登録画面データを受信すると、これをRAMに記憶する。そして、当該記憶した配信情報登録画面データを用いて出力部に配信情報登録画面を表示する。
図12は、メインシステム100がモデル生成処理をする手順を説明するためのフローチャートである。モデル生成処理は、回答情報データベース112に格納された全回答者毎の回答情報を入力して分析することで回答情報と所定の特徴量の関係性を得る学習フェーズである。CPU101は、現在時刻がモデル生成時期に到達したか否か監視をする(S1)。すなわち、CPU101は、備えられた時計から現在時刻を取得し、現在時刻が記憶部107に登録された「モデル生成のタイミング」の日時に到達したか否かを監視する。現在時刻が「モデル生成のタイミング」の日時に到達すると(S101:Y)、CPU101は、分析システム300に対して重要度モデル生成処理(S2)と残存情報推定量モデル処理(S3)の実行を要求する。分析システム300がモデル生成処理を終えると、CPU101は、再び現在時刻が分析時期に到達したか否かを監視する(S1)。
図13(a)は、重要度モデル生成処理を実行する学習器を示すブロック図である。重要度モデル生成処理は、入力データである回答情報と出力データである重要度の関係性を得る学習フェーズである。CPU301は、CPU101の要求に応じて、回答情報データベース112に格納された全ての回答者の履歴回答情報を学習器に入力する。学習器は、入力された全ての回答者の履歴回答情報を分析することで、回答情報と重要度の関係性を得る。学習器は、このような学習フェーズを経ることで、重要度に関するモデルを獲得する、すなわち全ての回答者の回答情報と重要度の関係性を表現するパラメータを獲得する。学習器は、このような重要度に関するモデル(以下、「重要度モデル」という。)を獲得することで、一の回答者の回答情報から一定の基準で重要度の予測が行えるようになる。このように、分析システム300は、全ての回答者の前記回答情報を教師データとして用い、全ての回答者の回答情報と重要度の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する重要度モデル生成手段を備えている。
図13(b)は、残存情報量モデル生成処理を実行する学習器を示すブロック図である。残存情報量モデル生成処理は、入力データである回答情報と出力データである残存情報量の関係性を得る学習フェーズである。CPU301は、CPU101の要求に応じて、回答情報データベース112に格納された全ての回答者の履歴回答情報を学習器に入力する。学習器は、入力された全ての回答者の履歴回答情報を分析することで、回答情報と残存情報量の関係性を得る。学習器は、このような学習フェーズを経ることで、残存情報量に関するモデルを獲得する、すなわち全ての回答者の回答情報と残存情報量の関係性を表現するパラメータを獲得する。学習器は、このような残存情報量に関するモデル(以下、「残存情報量モデル」という。)を獲得することで、一の回答者の回答情報から一定の基準で残存情報量の予測が行えるようになる。このように、分析システム300は、全ての回答者の前記回答情報を教師データとして用い、全ての回答者の回答情報と残存情報量の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する残存情報量モデル生成手段を備えている。
図14は、メインシステム100が質問選択処理をする手順を説明するためのフローチャートである。質問選択処理は、回答者毎に質問する質問情報を選択する処理である。CPU101は、現在時刻が配信日時に到達したか否か監視をする(S101)。すなわち、CPU101は、備えられた時計から現在時刻を取得し、現在時刻が配信情報データベース109に登録された「配信のタイミング」の日時に到達したか否かを監視する。現在時刻が「配信のタイミング」の日時に到達すると(S101:Y)、CPU101は、提示する質問が最初の配信か否かを判断する(S102)。すなわち、情報分析システムWを利用している会社が、初めてこのシステムを使用する場合には、回答者毎の重要度や残存情報量の学習がされておらず、適切な質問が選択されない場合があるため、予め用意した質問を選択する必要があるからである。
図14に示す選択質問機械学習処理(S103)は、より具体的に説明すると、図15(a)に示す選択質問モデル生成処理と図15(b)に示す選択質問出力処理の2つの処理から構成されている。図15(a)は、選択質問モデル生成処理を実行する学習器を示すブロック図である。選択質問モデル生成処理は、入力データである重要度及び残存情報量と出力データである選択質問情報の関係性を得る学習フェーズである。CPU301は、CPU101の要求に応じて、重要度データベース310に格納された全ての回答者の重要度と残存情報量データベース311に格納された全ての回答者の残存情報量とを学習器に入力する。
図16は、メインシステム100がアンケート処理をする手順を説明するためのフローチャートである。アンケート処理は、回答者毎に異なる質問を送信し、回答者毎の回答を受信する処理である。以下の処理は、CPU101と回答者端末3a、3b、3cのそれぞれCPUが所定のプログラムに従って行うものである。
まず、CPU101は、質問選択処理で選択質問機械学習処理(S103)、基本質問出力処理(S105)又は頻度質問出力処理(S106)において、RAM102に生成された選択質問情報から、回答者毎の質問入力画面データをRAM102に生成し、アンケートがある旨を回答者端末3a、3b、3c毎に送信する。本例において、CPU101は、回答者端末3a、3b、3cに対して、アンケートがある旨とそのアンケートの質問入力画面に遷移するURLをメールに記載して、回答者A、B、Cに通知する。なお、メインシステム100は、質問入力画面に遷移するURLを、メール以外のチャットボットやSNS等で回答者端末3a、3b、3cに通知してもよい。
図17は、質問入力画面の一例を示した図である。質問入力画面は、分析システム300が選択して、メインシステム100が回答者端末3a、3b、3c毎に送信する質問に対して、回答者A、B、Cが回答の入力を行うページである。ここで入力した内容に応じて、回答情報データベース112に格納される回答情報が更新される(図8参照)。質問出力欄171は、回答者毎に選択された選択質問情報に紐付けられた質問情報が出力される欄である。回答入力欄172は、質問出力欄171に出力された質問に応じて回答者が入力する欄である。回答入力欄は、選択された質問の回答から、回答者毎の仕事及び/又は組織に対する心理状態がどのような状態か、回答者毎の仕事及び/又は組織に対する貢献意欲がどのような状態か、回答者毎の重要視する要素が何か等を、回答者毎に決めるデータを入力する欄である。
回答者A、B、Cが全ての質問に回答して、例えば、入力に間違いがないか等の確認ボタン(図示せず)が選択されると、回答者端末3a、3b、3cのCPUは、RAMに記憶した回答情報をメインシステム100に送信する。CPU101は、回答者端末3a、3b、3cから回答者A、B、C毎の回答情報を受信すると、図8(a)又は図8(b)に示すように、これを回答情報データベース112に登録する。
全ての回答者の回答が完了した場合や回答期間が満了すると、CPU101は、RAM102に回答期間終了通知画面を表示する回答期間終了通知画面データを生成して、これを一定の権限を有する者(例えば、人事担当者端末2、回答者A)に送信する。例えば、人事担当者端末2のCPU又は回答者端末3aは、回答期間終了通知画面データを受信すると、これをRAMに記憶し、これを用いて出力部に回答期間終了通知画面を表示する。
図18は、メインシステム100が分析結果出力処理をする手順を説明するためのフローチャートである。分析結果出力処理は、回答者毎の要求に応じて回答者毎の分析結果を出力する処理である。CPU101は、回答者から分析の要求があるか否か監視をする(S201)。回答者から分析の要求があった場合(S201:Y)は、CPU101は、分析システム300に対して特徴量出力処理(S202)の実行を要求する。メインシステム100が特徴量出力処理(S202)を終えると、CPU101は、再び回答者から分析の要求があるか否か監視をする(S201)。
図19(a)は、重要度出力処理を実行する学習器を示すブロック図である。重要度出力処理は、入力データである一の回答者の回答情報から重要度モデルを通じて予測した一の回答者の重要度を得る予測フェーズである。CPU301は、CPU101の要求に応じて、回答情報データベース112に格納された一の回答者の回答情報を学習器に入力する。学習器は、入力された一の回答者の回答情報を分析することで、一の回答者の重要度を得る。学習器は、このように重要度モデル生成処理で得られた重要度モデルを利用することで、回答者毎の重要度の予測ができる。
図20は、情報分析システムWが回答者A、B、Cに対して分析結果を送信する手順を説明するためのシーケンスチャートである。分析結果送信処理は、回答者毎の分析結果を回答者毎に送信する処理である。以下の処理は、CPU101と回答者端末3a、3b、3cのそれぞれCPUが所定のプログラムに従って行うものである。
CPU101は、特徴量出力処理において、一の回答者の重要度の分析がされると、重要度データベース310に登録された一の回答者の重要度に応じて、一の回答者の分析結果出力画面データをRAM102に生成し、一の回答者Aの回答者端末3aに送信する。回答者端末3aのCPUは、分析結果出力画面データを受信すると、これをRAMに記憶し、これを用いて出力部に分析結果出力画面を表示する。なお、他の回答者である、回答者B及び回答者Cについても同様の処理がされる(SC202、SC203)。
上記で説明した第一実施形態では、回答者毎に異なる質問を選択質問情報として送信したが、第二実施形態では、選択質問情報に加え、回答者が考案した活動計画(アクションプラン)を活動計画情報として所定の部署(営業)の回答者に送信する。回答者は、選択質問に加えて活動計画についての評価を回答者端末ですることができる。第二実施形態では、活動計画を実行した現場の者である回答者からの忌憚のない意見を集めることができ、回答者による活動計画の効果確認を振り返ることができる。
(1)所定のグループの回答者の端末(例えば、回答者端末3a)からアクションプランを受け付けて、活動計画情報データベースに格納する。
(2)所定のグループの回答者の端末(例えば、回答者端末3a、3b、3c)に対して、アクションプランに関する評価の質問を提示して、アクションプランの評価を要求する。
(3)所定のグループの回答者の端末(例えば、回答者端末3a、3b、3c)からアクションプランの評価を受け付けて、活動評価情報データベースに格納する。
図23は、メインシステム100が第二分析結果出力処理をする手順を説明するためのフローチャートである。第二分析結果出力処理は、回答者毎の要求に応じて回答者毎の分析結果を出力する処理に加え、活動計画の入力を要求するための処理と、既に入力された活動計画の評価を出力するための処理を実行する。なお、第二分析結果出力処理は、前述した分析結果出力処理(図18参照)に所定の処理を加えたものである。このため、図23で破線で囲んだ、第二分析結果出力処理で特有の処理についてのみ説明をする。
図24は、活動計画情報入力画面を示す図である。グループ(営業)の回答者A、B、Cは、分析結果を確認した後、グループで共通する活動計画を考案して、これを代表する一人(例えば、回答者A)が活動計画情報として入力することができる。回答者端末3a、3b、3cのCPUは、メインシステム100から分析結果出力画面データと共に活動計画情報入力画面データを受信すると、これをRAMに記憶する。そして、記憶した従業員登録画面データを用いて出力部に分析結果出力画面を表示する。この場合、推移欄24aには、折れ線グラフやスコア分布の他に、活動計画情報入力画面を表示するための「はじめる」ボタン24bが表示される。回答者Aによって「はじめる」ボタン24bが選択されると、回答者端末3aのCPUは、記憶した活動計画情報入力画面データを用いて出力部に活動計画情報入力画面24cを表示する。
図25は、分析結果出力画面を示す図である。グループ(営業)の回答者A、B、Cは、アンケートと活動計画の評価について回答した後、グループで既に考案した活動計画について、グループ内での評価を活動評価情報として出力することができる。回答者端末3a、3b、3cのCPUは、メインシステム100から分析結果出力画面データと共に活動評価情報出力画面データを受信すると、これをRAMに記憶する。そして、記憶した従業員登録画面データを用いて出力部に分析結果出力画面を表示する。本例の場合、推移欄25aには、折れ線グラフやスコア分布の他に、活動評価情報出力画面を表示するための「2件のwedo」ボタン25bが表示される。回答者Aによって「2件のwedo」ボタン25bが選択されると、回答者端末3aのCPUは、記憶した活動評価情報出力画面データを用いて出力部に活動評価情報出力画面(図26)を表示する。
図26は、活動評価情報出力画面を示す図である。本例の場合、推移欄26aには、折れ線グラフやスコア分布の他に、既に入力されている活動評価情報が振返表示欄26bとして表示される。振返表示欄26bは、活動評価情報データベース114に既に登録されている活動評価情報に応じて、活動計画やその評価が表示される。例えば、図10(b)に示すように、活動評価情報データベース114に登録された活動評価情報中「みんなで議論する」については、3人から高評価を得ているため、図26の振返表示欄26bに示すように、笑顔のマーク26cが点灯しており、改善案は0である旨がコメント欄26d表示されている。
図27は、メインシステム100が第二質問選択処理をする手順を説明するためのフローチャートである。第二質問選択処理は、回答者毎に質問する質問情報を選択する処理に加え、既に入力された活動計画の評価を入力するための処理を実行する。なお、第二質問選択処理は、前述した質問選択処理(図14参照)に所定の処理を加えたものである。このため、図27で破線で囲んだ、第二質問選択処理で特有の処理についてのみ説明をする。
図28は、メインシステム100が第二アンケート処理をする手順を説明するためのフローチャートである。第二アンケート処理は、回答者毎に異なる質問と活動計画を評価するための質問を送信し、回答者毎の回答と活動計画を評価した回答を受信する処理である。なお、第二アンケート処理は、前述したアンケート処理(図16参照)に所定の処理を加えたものである。このため、第二アンケート処理で特有の処理についてのみ説明をする。
図29は、活動評価情報入力画面の一例を示した図である。活動評価情報入力画面は、メインシステム100が回答者端末3a、3b、3cに送信する活動計画(アクションプラン)を振り返る質問に対して、活動計画を実行した回答者A、B、Cが評価の入力を行うページである。ここで入力した内容に応じて、回答情報データベース112に格納される回答情報が更新される(図10(a)参照)。
回答者A、B、Cが全ての質問に回答して、活動計画(アクションプラン)を振り返る質問を評価して、例えば、入力に間違いがないか等の確認ボタン(図示せず)が選択されると、回答者端末3a、3b、3cのCPUは、RAMに記憶した回答情報と活動評価情報をメインシステム100に送信する。CPU101は、回答者端末3a、3b、3cから回答者A、B、C毎の回答情報を受信すると、図8(a)又は図8(b)に示すように、これを回答情報データベース112に登録する。また、CPU101は、回答者端末3a、3b、3cから活動評価情報を受信すると、図10(a)に示すように、これを活動評価情報データベース114に登録する。
図30は、メインシステム100が集計処理をする手順を説明するためのフローチャートである。集計処理は、一定の権限を有する者(例えば、人事担当者端末2、回答者A)の要求に応じて、回答情報の集計を実行し、集計結果を出力する処理である。CPU101は、一定の権限を有する者(例えば、人事担当者端末2、回答者A)から集計の要求があるか否かを監視をする(S301)。例えば、人事担当者端末2から集計の要求があると(S301:Y)、CPU101は、回答情報データベース112から回答情報を集計システム200に送信して、集計システム200に対して回答情報の集計(S302)の実行を要求する。
上記で説明した第一実施形態では、9つのキードライバーから回答者が何を重要視しているのか計測し、図22(a)に示すように、所定の要素ごとの得点を算出して、グループの分析結果として出力し、図22(b)に示すように、グループの分析結果を散布図で出力する。人事担当者Hは、情報分析システムWを使用することで、「やりがい」、「達成感」、「成長機会」、「仕事量」、「ストレス反応」、「職務上の支援」、「評価への納得感」、「挑戦する風土」、「職場の環境」、「給与への納得感」等の要素から、グループの重要度や得点を確認することで、グループの強みや課題を抽出することができる。一方、第三実施形態では、グループにおける回答者毎の価値観を抽出することができる。
Claims (14)
- 回答者を特定する回答者情報と回答者に質問する質問情報を格納する格納手段と、
回答者端末から回答者が回答した回答情報を受け付ける回答情報受付手段と、
前記回答情報受付手段が受け付けた回答情報の分析を行い、回答者の分析結果を生成する分析手段と、
前記分析手段が分析した分析結果に応じて、回答者の組織に対する貢献意欲を推定する貢献意欲推定手段と、
前記貢献意欲推定手段が推定した貢献意欲を通知する通知手段と
を備えることを特徴とする情報分析装置。 - 請求項1に記載された情報分析装置であって、
前記貢献意欲推定手段が推定した貢献意欲の中から、回答者が重要視する要素を推定する要素推定手段とを備え、
前記通知手段は、前記要素推定手段が推定した前記要素を通知する
ことを特徴とする情報分析装置。 - 請求項2に記載された情報分析装置であって、
前記分析手段は、
全ての回答者の回答情報を教師データとして用い、全ての回答者の回答情報と重要度の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する重要度モデル生成手段と、
前記重要度モデル生成手段により生成された推定モデルを用いて、一の回答者の回答情報を分析することで、一の回答者の重要度を出力する重要度出力手段とを備える
ことを特徴とする情報分析装置。 - 請求項3に記載された情報分析装置であって、
前記分析手段は、
全ての回答者の回答情報を教師データとして用い、全ての回答者の回答情報と残存情報量の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する残存情報量モデル生成手段と、
前記残存情報量モデル生成手段により生成された推定モデルを用いて、一の回答者の回答情報を分析することで、一の回答者の残存情報量を出力する残存情報量出力手段とを備える
ことを特徴とする情報分析装置。 - 請求項4に記載された情報分析装置であって、
前記分析手段は、
全ての回答者の重要度及び/又は全ての回答者の残存情報量を教師データとして用い、全ての回答者の重要度及び/又は全ての回答者の残存情報量と全ての回答者の選択質問情報の関係性を表現するパラメータを推定する推定モデルを機械学習により生成する選択質問モデル生成手段と、
前記選択質問モデル生成手段により生成された推定モデルを用いて、一の回答者の重要度及び/又は一の回答者の残存情報量を分析することで、一の回答者への選択質問情報を出力する選択質問出力手段とを備える
ことを特徴とする情報分析装置。 - 請求項3〜5のいずれか1項に記載された情報分析装置であって、
前記分析手段は、回答情報の推移に応じて、回答者毎の分析結果を生成する
ことを特徴とする情報分析装置。 - 請求項3〜5のいずれか1項に記載された情報分析装置であって、
前記通知手段は、重要度について、回答者毎、質問毎、組織毎、組織の部署毎、グループ毎又は回答者の属性毎のいずれか1つ又はこれらの組み合わせて通知する
ことを特徴とする情報分析装置。 - 請求項7に記載された情報分析装置であって、
前記要素推定手段は、職務、自己成長、健康、人間関係、支援、承認、理念戦略、組織風土及び環境の中から、回答者が重要視している前記要素を推定し、
前記通知手段は、前記要素推定手段が推定した結果を得点として通知する
ことを特徴とする情報分析装置。 - 請求項7に記載された情報分析装置であって、
前記要素推定手段は、ビジョン志向、成長志向、期待志向、セルフコントロール志向及びチーム志向の中から、前記回答者毎に何を重要視しているかという価値観を推定し、
前記通知手段は、前記要素推定手段が推定した前記価値観を通知する
ことを特徴とする情報分析装置。 - 請求項9に記載された情報分析装置であって、
前記要素推定手段は、前記価値観を前記回答者の組織に対する愛着と、前記回答者の組織における活力とから推定し、
前記通知手段は、前記要素推定手段が推定した前記価値観を前記愛着と、前記活力とに分けて通知する
ことを特徴とする情報分析装置。 - 請求項7〜10に記載された情報分析装置であって、
前記通知手段は、重要度をグラフで通知する
ことを特徴とする情報分析装置。 - 回答者を特定する回答者情報と回答者に質問する質問情報を格納する格納工程と、
回答者端末から回答者が回答した回答情報を受け付ける回答情報受付工程と、
前記回答情報受付工程が受け付けた回答情報の分析を行い、回答者の分析結果を生成する分析工程と、
前記分析工程が分析した分析結果に応じて、回答者の組織に対する貢献意欲を推定する貢献意欲推定工程と、
前記貢献意欲推定工程が推定した貢献意欲を通知する通知工程と
を備えることを特徴とする情報分析方法。 - 回答者を特定する回答者情報と回答者に質問する質問情報を格納する格納機能と、
回答者端末から回答者が回答した回答情報を受け付ける回答情報受付機能と、
前記回答情報受付機能が受け付けた回答情報の分析を行い、回答者の分析結果を生成する分析機能と、
前記分析機能が分析した分析結果に応じて、回答者の組織に対する貢献意欲を推定する貢献意欲推定機能と、
前記貢献意欲推定機能が推定した貢献意欲を通知する通知機能と
をコンピュータに実現させる情報分析プログラム。 - 全ての回答者の履歴回答情報を含む教師データを取得し、
前記教師データを用いて、一の回答者の回答情報を入力、一の回答者の重要度に関する値を出力する学習モデルを生成する
学習モデル生成方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019081804 | 2019-04-23 | ||
JP2019081804 | 2019-04-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020181577A true JP2020181577A (ja) | 2020-11-05 |
Family
ID=73024601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020076745A Pending JP2020181577A (ja) | 2019-04-23 | 2020-04-23 | 情報分析装置、情報分析方法、情報分析プログラム及び学習モデル生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020181577A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7021811B1 (ja) | 2021-04-19 | 2022-02-17 | 株式会社Enbirth | 情報処理装置、情報処理方法、及びプログラム |
WO2023167061A1 (ja) * | 2022-03-01 | 2023-09-07 | ソニーグループ株式会社 | 情報処理方法、情報処理装置及び情報処理システム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030048991A (ko) * | 2001-12-13 | 2003-06-25 | (주)프리즘엠아이텍 | 판매 유도 기능을 갖는 전자 마케팅 시스템 및 그 방법 |
WO2011125272A1 (ja) * | 2010-04-08 | 2011-10-13 | 株式会社原田教育研究所 | 診断システム |
JP2011210196A (ja) * | 2010-03-30 | 2011-10-20 | Rakuten Inc | サーバ装置、評価方法、及び評価プログラム |
JP2015064666A (ja) * | 2013-09-24 | 2015-04-09 | 株式会社富士通マーケティング | アンケート分析システムおよびそのプログラム |
US9720707B1 (en) * | 2016-12-15 | 2017-08-01 | Accenture Global Solutions Limited | Generating a set of user interfaces |
JP2018032299A (ja) * | 2016-08-26 | 2018-03-01 | 株式会社ビルディット | 研修支援装置、方法およびプログラム |
JP2018185680A (ja) * | 2017-04-26 | 2018-11-22 | 株式会社リンクアンドモチベーション | エンゲージメントシステム |
JP2019053677A (ja) * | 2017-09-19 | 2019-04-04 | Necソリューションイノベータ株式会社 | エンゲージメント向上のための施策最適化システム、施策最適化方法、プログラム、および記録媒体 |
JP2019053629A (ja) * | 2017-09-19 | 2019-04-04 | 株式会社リンクアンドモチベーション | 情報処理装置、情報処理方法、およびプログラム |
-
2020
- 2020-04-23 JP JP2020076745A patent/JP2020181577A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030048991A (ko) * | 2001-12-13 | 2003-06-25 | (주)프리즘엠아이텍 | 판매 유도 기능을 갖는 전자 마케팅 시스템 및 그 방법 |
JP2011210196A (ja) * | 2010-03-30 | 2011-10-20 | Rakuten Inc | サーバ装置、評価方法、及び評価プログラム |
WO2011125272A1 (ja) * | 2010-04-08 | 2011-10-13 | 株式会社原田教育研究所 | 診断システム |
JP2015064666A (ja) * | 2013-09-24 | 2015-04-09 | 株式会社富士通マーケティング | アンケート分析システムおよびそのプログラム |
JP2018032299A (ja) * | 2016-08-26 | 2018-03-01 | 株式会社ビルディット | 研修支援装置、方法およびプログラム |
US9720707B1 (en) * | 2016-12-15 | 2017-08-01 | Accenture Global Solutions Limited | Generating a set of user interfaces |
JP2018185680A (ja) * | 2017-04-26 | 2018-11-22 | 株式会社リンクアンドモチベーション | エンゲージメントシステム |
JP2019053677A (ja) * | 2017-09-19 | 2019-04-04 | Necソリューションイノベータ株式会社 | エンゲージメント向上のための施策最適化システム、施策最適化方法、プログラム、および記録媒体 |
JP2019053629A (ja) * | 2017-09-19 | 2019-04-04 | 株式会社リンクアンドモチベーション | 情報処理装置、情報処理方法、およびプログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7021811B1 (ja) | 2021-04-19 | 2022-02-17 | 株式会社Enbirth | 情報処理装置、情報処理方法、及びプログラム |
JP2022165008A (ja) * | 2021-04-19 | 2022-10-31 | 株式会社Enbirth | 情報処理装置、情報処理方法、及びプログラム |
WO2023167061A1 (ja) * | 2022-03-01 | 2023-09-07 | ソニーグループ株式会社 | 情報処理方法、情報処理装置及び情報処理システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prajogo et al. | The effect of people-related TQM practices on job satisfaction: a hierarchical model | |
Gomes et al. | Information system maturity models in healthcare | |
Bartram et al. | Lost in translation: exploring the link between HRM and performance in healthcare | |
Biswas et al. | Linking distributive and procedural justice to employee engagement through social exchange: A field study in India | |
US20190073623A1 (en) | Unified Workforce Platform | |
Kuo et al. | Knowledge management system adoption: exploring the effects of empowering leadership, task-technology fit and compatibility | |
Shantz et al. | Dedicating time to volunteering: Values, engagement, and commitment to beneficiaries | |
Zeglat et al. | Intellectual capital and its impact on business performance: Evidences from the Jordanian hotel industry | |
Talib et al. | Prioritising the practices of total quality management: An analytic hierarchy process analysis for the service industries | |
US8688481B2 (en) | System and method for providing group dividends | |
Huang et al. | Impacts of social capital and knowledge acquisition on service innovation: an integrated empirical analysis of the role of shared values | |
Shang | Dual strategy for managing user resistance with business integration systems | |
Santos-Vijande et al. | TQM's contribution to marketing implementation and firm's competitiveness | |
Singh | Developing organisational embeddedness: employee personality and social networking | |
Fryer et al. | Modelling continuous improvement maturity in the public sector: key stages and indicators | |
Meurs et al. | Political skill as moderator of the trait sincerity–task performance relationship: A socioanalytic, narrow trait perspective | |
Zoghbi-Manrique-de-Lara | Employee deviance as a response to injustice and task-related discontent | |
US20120278134A1 (en) | System and method for operational and behavioral business intelligence | |
Li et al. | Linking objective and subjective job demands and resources in the JD-R model: A multilevel design | |
Addis et al. | Quality management as a tool for job satisfaction improvement in low-level technology organizations: the case of Ethiopia | |
Chi et al. | Incentives to move up: Effects of pay gaps between levels on employee performance | |
JP2020181577A (ja) | 情報分析装置、情報分析方法、情報分析プログラム及び学習モデル生成方法 | |
Bowers et al. | Exploring alternative routes to realising the benefits of simulation in healthcare | |
Müller et al. | Lean and job satisfaction: the mediating role of how employees perceive implemented lean methods | |
JP2023060869A (ja) | プログラム、方法、およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20200618 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200703 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220401 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230514 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240117 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240122 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240301 |