JP2021128487A - 特性評価システムおよびその方法 - Google Patents

Abstract

【課題】特定者の知識を用いて、人の動作の観察から人またはその人の属するチームの特性を評価することができる特性評価システムおよび方法を提供する。【解決手段】特性評価システムのコンピュータ１は、特定者が持つ知識を汎化してモデルを作成するモデル作成部２と、チームに属する対象者の動作に関するデータを取得する観察部３と、モデルを用いて、観察部３により得られたデータを基に、対象者またはチームの特性を推定する推定部４と、推定部４による推定結果の特性に基づいて出力する指示部６と、を有する。【選択図】図１

Description

本発明は、特性評価システムおよびその方法に係り、特に、ＩＴ技術を利用して人の特性を評価する技術に関する。

近年、ボードゲームなどのエンターテインメントに使われるゲーム技術を利用して対象者に気づきを与え、知識あるいはスキルの向上をはかる、所謂「ゲーミフィケーション」と呼ばれる教育技術が知られている。さらには、対象者に相手が居る中で行動してもらい、その行動をＩＴ技術で記録することで、対象者の習熟度や特性をはかり、行動の変容を促すような「エドテック」と呼ばれる教育技術が知られている。「ゲーミフィケーション」あるいは「エドテック」は、受講者がＩＴ技術を活用して自らの習熟度に合わせた学習を進められるので、学習領域が幅広くなっても対応でき、また教師を確保できない場合にも受講者が学習を進められるため、今後、普及が見込まれている。

このような「ゲーミフィケーション」「エドテック」に関連する技術として、教育そのものではないが、従来から歌唱の分野で、カラオケの採点システムとして、マイクを通した声を分析することで、歌唱を評価することが知られている。例えば、特許文献１には、カラオケの参加者を取り巻く場の雰囲気を判断し、歌唱の評価に反映する技術が開示されている。この技術は、各参加者の顔の表情を認識し、楽曲に対応付けられた表情属性との一致度合に基づき、歌唱に関する総合評価を導出する、としている。

特開２０１６−１８８９７８号公報

特許文献１における「楽曲に対応付けられた表情属性」は、同じ楽曲を繰り返し演奏したときに再現されるような場に対してあらかじめ用意できるものである。これに対して、プロジェクトマネジメントのような不確実な状況の元で限られたリソースを用いて最適な解を選択するような、再現性が期待できないような場を想定すると、プロジェクトマネージャの考え方や特性が色濃く反映されるために、このような「楽曲に対応付けられた表情属性」あるいはそれに相当するような属性を、あらかじめ用意することが困難である。

そこで、本発明者らは、再現性が期待できないような場合には、対象者の行動を観察して得られた行動について、プロジェクトマネージャや専門家等の特定者の目線で判断することで、人またはその人が属するチームの特性を評価できるのではないか、と考えた。

本発明の目的は、特定者の知識を用いて、人の動作の観察から人またはその属するチームの特性を評価することができる特性評価システムおよび方法を実現することにある。

本発明の好ましい例による特性評価システムは、特定者が持つ知識を汎化してモデルを作成するモデル作成部と、チームに属する対象者の動作に関するデータを取得する観察部と、前記モデルを用いて、前記観察部により得られた前記データを基に、該対象者または該チームの特性を推定する推定部と、前記推定部による推定結果の前記特性に基づいて出力する指示部と、を有する特性評価システム、として構成される。
本発明はまた、上記特性評価システムにおいて行われる特性評価方法としても把握される。

本発明によれば、特定者の知識を用いて、人の動作の観察から人またはその属するチームの特性を評価することができる。

実施例１による特性評価システムの全体構成を示すブロック図である。 特性評価システムで使用されるデータベースの構成を示す図である。 観察データ管理ＤＢのデータ構造を示すデータ図である。 モデル管理ＤＢのデータ構造を示す図である。 推定結果管理ＤＢのデータ構造を示す図である。 モデル作成部の処理の流れを示すフローチャート図である。 モデル作成部の画面例を示す図である。 観察部と推定部と指示部の処理の流れを示すフローチャート図である。 ゲームの場の構成例を示す図である。 ゲームの場の構成例を示す図である。 人財管理部の処理の流れを示すフローチャート図である。 人財管理部の処理における画面例を示す図である。 実施例３によるチーム内のインタラクションを観察するメトリクスの一例を示すデータ図である。

以下、図面を参照して、本発明の好ましい実施形態について説明する。
好ましい実施例による特性評価システムはコンピュータを用いたシステムで実現される。複数の人（プレーヤ）がゲームに参加してゲームを行い、このゲームを通して取得されるプレーヤ（対象者）の動作をコンピュータが観察することで対象者または対象者が属するチームの特性を推定する。対象者またはチームの特性の推定は、例えば、過去に行われたゲームから得られたプレーヤの動作を基に、有識者Ａ（プロジェクトマネージャや専門家等の特定者）が持つ経験的暗黙知（知識）を用いてモデルを作成し、このモデルを適用することで行われる。この特性の推定は特性の評価または判断と称してもよい。

〈システム構成〉
図１を参照して、一実施例による特性評価システムの構成を説明する。
コンピュータ１は、モデル作成部２、観察部３、推定部４、指示部５、人財管理部６、データベース（ＤＢと略す）７、入出力インタフェース（Ｉ／Ｆ）１４，１５、を有する。

モデル作成部２は、有識者Ａが、複数のチーム１３が過去に行ったゲームから得られた情報を参照して、有識者Ａの経験的暗黙知に基づいてモデルを作成する処理を行う。観察部３は、センサ４０３が取得する、チーム１２やその対象者１２１の動きや表情や発話（これらを纏めて動作ということにする）を基に観察データを生成する処理を行う。推定部４は、観察部３が生成した観察データについて、モデル作成部２が作成したモデルを用いて、対象者１２１あるいはチーム１２の特性を推定する処理を行う。指示部５は、推定部４による推定結果に基づき、対象者１２１あるいはチーム１２にフィードバックを与える処理を行う。人財管理部６は、人財管理者Ｂが入出力する処理部であり、推定部４による推定結果に基づき、対象者１２１あるいはチーム１２の特性を分析および把握するための処理を行う。

ＤＢ７はプログラムや種々のデータを記憶する。本実施例では、とりわけ複数のＤＢ２１〜２６（図２参照）が保持される。Ｉ／Ｆ１４、１５はコンピュータ１に入出力可能なインタフェースであり、有識者Ａや人財管理者Ｂが操作できるような、入力器や表示器を有している。なお、Ｉ／Ｆ１４、１５は、コンピュータ１に端末が接続される構成の場合、セキュリティが保持されたインタフェースでもよい。

コンピュータは、ハードウェア資源としてプロセッサ（ＣＰＵ）および記憶部を有する、例えばパソコン（ＰＣ）でもよい。プロセッサで所望のプログラムを実行することで上記各部位の機能が実現される。記憶部にはＤＢ７が保持される。

コンピュータ１には、ゲームの場を形成する、ゲームの進行を管理する表示装置４０２が接続され、また各対象者の動作を検知するためのセンサ４０３が接続される。ゲームの場における表示装置４０１およびセンサ４０３の構成については、図９を参照して後述する。

〈ゲーム１２の場の説明〉
図９、図１０を参照して、ゲームの場の構成例について説明する。
図９は主に観察部３とセンサ４０３の関係を示し、図１０は主に指示部５と表示装置４０２との関係を示す。図９および図１０はそれぞれ幾つかの例を示している。

図９（ａ）はゲームの場の一例を示す。ゲームの場には、表示装置４０１としてのデジタル版ボードゲーム装置が設置され、さらに４人の各プレーヤ（対象者）１２１に装着されるヘッドセット４０３１が用意される。デジタル版ボードゲーム装置はタッチパネル式の操作表示領域４０２を有し、プレーヤがゲーム中の表示を参照ながらタッチパネルに表示されるアイコンを手で動かすことで、ゲームを進めるような装置である。なお、デジタル版ボードゲームには指示部５が接続されるが、これについては図１０を参照する。ヘッドセット４０３１は対象者１２１ごとの発話を検知する一種の音声センサ４０３である。観察部３は、操作表示領域４０２上のアイコンの動きや、センサ４０３が検知する対象者１２１の発話を分析する。この例により観察部３が取得するメトリクスは例えば以下のようなものがある。
・単位時間当たりのボードゲームのアイコンを動かす頻度
・ボードゲームの文脈に対して意味のあるアイコンを動かした回数
・単位時間当たりの発話の回数
・単位時間当たりの発話の長さ
・チームとしてのアイコンあるいは発話が完全停止した時間

図９（ｂ）は他の例を示す。ゲームの場には、天井に固定されたカメラ４０３２と、マイク４０３３が設置される。カメラ４０３２は、アナログ版ボードゲームの全体を広角に撮像範囲に捉えて、対象者１２１の画像を取得する一種の画像取得センサである。マイク４０３３は一種の音声センサであり、チーム１２の対象者１２１の発話を、発話の方向も含めて取得する。観察部３が発話の方向を分析することで、４人の対象者１２１のうちの誰が発話したのかを特定することができる。この例により観察部３が取得するメトリクスは例えば以下のようなものがあげられる。
・単位時間当たりのボードゲームのコマあるいはカードを動かす頻度
・ボードゲームの文脈に対して意味のあるカードを動かした回数
・単位時間当たりの発話の回数
・単位時間当たりの発話の長さ
・チームとしてのカードの動きあるいは発話が完全停止した時間

図９（ｃ）は更に他の例を示す。
この例は例えば会議の場である。会議室の机上にカメラ４０６が設置されて、カメラ４０６は、複数の出席者（対象者）１２１を撮像範囲に捉える、一種の画像センサである。このカメラ４０６が取得した映像を分析することで、対象者１２１の顔の表情や手の動きを観察できる。この例により観察部３が取得するメトリクスは例えば以下のものがある。
・単位時間当たりの笑顔の回数
・単位時間当たりの手の動きの範囲
・単位時間当たりの手の動きの回数

図１０（ａ）を参照する。デジタル版ボードゲーム装置４０１には指示部５が接続される。指示部５は、推定部４による推定結果に基いてデジタル版ボードゲーム装置に指示を出して、操作表示領域４０２上にハイライト表示４１３を行う（表示によるアクション）。例えば、ボードゲームに参加する対象者１２１全員の手の動きが所定の時間止まった場合に、次に行うべきアイコンの動きをハイライト表示４１３することで、行動を促す。

図１０（ｂ）は他の例を示す。この場には、スピーカ４１４、照明装置４１５が設置される。指示部５は、チーム１２にフィードバックするための文字例を作成し、その文字列を音声データに変換し、スピーカ４１４を通じ音声を流す（音によるアクション）。例えば、ボードゲームに参加する対象者１２１の会話が所定の時間止まった場合に、対象者１２１の発話を促すようなメッセージを音声で流すことで、行動を促す。

また、指示部４１０は、照明を制御するコマンドを生成して、照明装置４１５に送信し、このコマンドにより照明装置４１５の明るさや色合いを制御する（照明によるアクション）。例えば、ボードゲームに参加する対象者１２１の行動や発話の活発具合に応じて照明装置４１５を制御する。例えば、活発なほど照明の色を青色などに落ち着かせ、消極的なほど照明の色を赤色などに活発にする。
なお、スピーカ４１４と照明装置４１５の両方の装置を設置しないで、何れか１つの装置を設置又は起動するようにしてもよい。

〈ＤＢ構成〉
次に、図２を参照して、特性評価システムで使用されるデータの全体構成を説明する。データは、個人管理ＤＢ２１、チーム管理ＤＢ２２、メトリクス管理ＤＢ２３、観察データ管理ＤＢ２４、モデル管理ＤＢ２５、推定結果管理ＤＢ２６、によりそれぞれ管理される。

個人管理ＤＢ２１は、特性評価システムを利用する対象者１２１の情報を一意に管理する。チーム管理ＤＢ２２は、特性評価システムを利用するチーム１２を管理するためのＤＢであり、チームごとに識別情報を付して管理する。メトリクス管理ＤＢ２３は、対象者１２１やチーム１２を観察するセンサ４０３およびセンサによって取得されるメトリクスを管理するＤＢである。観察データ管理ＤＢ２４は、観察部３により観察された、対象者１２１やチーム１２の観察データを管理するＤＢである。モデル管理ＤＢ２５は、有識者Ａによる経験的暗黙知をモデル化したモデルを管理するＤＢである。推定結果管理ＤＢ２６は、モデル管理ＤＢ２５が管理するモデルに基づき、推定部４が対象者１２１やチーム１２の特性を推定した結果を管理するＤＢである。

ここで、個人管理ＤＢ２１、チーム管理ＤＢ２２、観察データ管理ＤＢ２４、推定結果管理ＤＢ２６（図２の点線の左側のＤＢ）は、個人を特定する情報を含むようなＤＢであり、権限のない者による不必要な参照および開示や、権限のない者による勝手な改ざんや削除から守られるべきものである。そのため、これらの個人を特定する情報を含むようなＤＢでは、アクセス制御やログ取得といったセキュリティ機能を有する。さらには、ＤＢの物理的な保管場所も、個人を特定する情報を保護する法律のもとで、法律の管轄地域を超えて移転できないものとする。

一方、メトリクス管理ＤＢ２３、モデル管理ＤＢ２５（図２の点線の右側のＤＢ）は、個人を特定する情報を含まないＤＢである。個人を特定する情報を含まなくても、権限のない者による不必要な参照や、権限のない者による勝手な改ざんや削除から守られるものである。そのため、個人を特定する情報を含まないＤＢであっても、アクセス制御やログ取得といったセキュリティ機能を有する。ただし、その保管場所は、個人を特定する情報を保護するような法律の影響は受けない。

次に、各ＤＢの詳細な構成について説明する。
個人管理ＤＢ２１、チーム管理ＤＢ２２、メトリクス管理ＤＢ２３は、簡単な構成のため、特には図示していない。観察データ管理ＤＢ２４は図３に示し、モデル管理ＤＢ２５は図４に示し、推定結果管理ＤＢ２６は図５に示している。

個人管理ＤＢ２１は、個人ＩＤ、個人名との組を１つの行として、複数の行から構成される。特性評価システムは、個人ＩＤにより対象者１２１を識別して特定する。対象者１２１は個人ＩＤを入力することでゲームに参加できる。

チーム管理ＤＢ２２は、チームＩＤ、チーム名、個人ＩＤとの組を１つの行として、複数の行から構成される。ここで、チーム１２とは、例えばボードゲームの場合、ボードゲームに参加する対象者１２１の集合である。特性評価システムは、チーム１２をチームＩＤにより識別して特定する。１つのチームＩＤには、１つ以上の個人ＩＤが紐づけされる。なお、チームは時間とともに変わることがあるため、チームＩＤにはチームの結成日時と解散日時が付与されて管理される。本実施例では、チームＩＤによりその結成と解散が認識できるものとして、以降説明する。

メトリクス管理ＤＢ２３は、メトリクスＩＤ、メトリクスとの組を１つの行として、複数の行から構成される。観察部３で利用されるメトリクスは、メトリクスＩＤにより識別、特定される。ここで、メトリクスとは、観察部３が利用するセンサおよびセンサが取得する情報等のセンサに関係する情報である。メトリクスには例えば以下のようなものであるが、これらに限定されない。
・カメラの置き場所と撮像方向
・カメラで撮影した人物像に機械学習を適用して解析される動作
・カメラで撮影した人物の顔に機械学習を適用して解析される表情
・マイクで録音した音声データの発話区間
・音声データの発話内容
・音声データの発話の声の大きさなど

次に、図３を参照して、観察データ管理ＤＢ２４について説明する。
観察データ管理ＤＢ２４は、ＲＯＯＴからはじまる木構造を持つ。まず、ＲＯＯＴからチームＩＤ１０１に枝分かれする。次に、チームＩＤ１０１からは、チームを対象とするメトリクスＩＤ１０２に枝分かれし、さらに、メトリクスＩＤ１０２からチームの観察データ１０３に枝分かれする。例えば、「チームＡ」を観察する「メトリクスＡ−１」に対して、一定間隔ごとの観察データを「観察データＡ−１−１」、「観察データＡ−１−２」、「観察データＡ−１−３」のように、観察データ１０３を格納する。さらに、チームＩＤ１０１からは、個人ＩＤ１０４に枝分かれし、個人ＩＤ１０４から個人を対象とするメトリクスＩＤ１０５に枝分かれし、さらにメトリクスＩＤ１０５から個人を観察した観察データ１０６に枝分かれする。この観察データ管理ＤＢ２４の構造によって、対象者１２１が何れかのチーム１２に属したときに、観察部３が観察したデータを、チームとしての観察データ１０３と、個人としての観察データ１０６に分けて、格納する。

図４は、モデル管理ＤＢ２５を示す。
モデル管理ＤＢ２５は、ＲＯＯＴから始まる木構造を持つ。まず、ＲＯＯＴから特性ＩＤ１１１に枝分かれし、特性ＩＤ１１１からメトリクスＩＤ１１２に枝分かれする。さらに、メトリクスＩＤ１１２からベストデータ１１３とワーストデータ１１４に枝分かれする。このモデル管理ＤＢ２５によって、有識者Ａの経験的暗黙知を、メトリクスを用いてモデル化する。

ここで、特性とは、対象者である人の特性であり、例えば、発想力、記憶力、推理力、立案力、判断力、合意力、リーダーシップ、フォロアーシップ、等を指す。また、特性に関わるメトリクスとは、例えば特性１「発想力」について言えば、メトリクス１−１が発話数、メトリクス１−２が使用された名詞の数、メトリクス１−３が使用された動詞の数、メトリクス１−４が発話のタイミング、メトリクス１−５が発話時間長さ、如きである。他の特性についても、特性に応じてその特性を表現できるメトリクスが選定されることになる。
また、例えば発話数について言えば、ベストデータ１１３とは最も多い発話数、ワーストデータ１１４とは最も少ない発話数、という。

図５は、推定結果管理ＤＢ２６を示す。
推定結果管理ＤＢ２６は、ＲＯＯＴから始まる木構造を持つ。まず、ＲＯＯＴからチームＩＤ１２１に枝分かれし、チームＩＤ１２１からチームの特性の推定結果１２２に枝分かれする。さらに、チームＩＤ１２１から個人ＩＤ１２３へと枝分かれして、個人ＩＤ１２３は個人の特性の推定結果１２４に枝分かれする。この推定結果管理ＤＢ２６によって、対象者１２１が何れかのチーム１２に属したときに、チームとしての特性と、個人としての特性を分けて格納する。

〈モデル作成部２の処理動作〉
次に、図６および図７を参照して、モデル作成部２の処理について説明する。
（ステップ２０１）このシステムが起動すると、モデル作成部２はチーム管理ＤＢ２２からチーム一覧を読み込む。

（ステップ２０２）モデル作成部２は、有識者Ａが使用するインタフェース１４を介して操作表示画面（図７参照）を表示して、有識者Ａによる入出力を可能とする。有識者Ａは特徴のあるチームを選出するための入力を行う。特徴のあるチーム選出のための操作表示画面を、ここではモデル作成画面という。図７にその例を示す。

図７において、モデル作成画面３００は、特性評価システムが観察データをもつチーム一覧を表示するリスト表示領域３０１と、有識者Ａが経験的暗黙知によりベストと考えるチームをドラッグアンドドロップにより指定するリスト表示領域３０２と、同様にワーストと考えるチームをドラッグアンドドロップにより指定するリスト表示領域３０３と、チーム差の分析を開始する分析ボタン３０４とを有する。有識者Ａは、リスト表示領域３０１を見ながら、自身の経験的暗黙知に照らして、ベストだったと考えるチームと、ワーストだったと考えるチームをそれぞれ、リスト表示領域３０２とリスト表示領域３０３とで指定する。有識者Ａは、ベストなチームとワーストなチームの指定を完了すると、分析ボタン３０４を押下する。

（ステップ２０３）モデル作成部２は、ベストチームとワーストチームに関する観察データを、観察データ管理ＤＢ２４から読み込む。

（ステップ２０４）モデル作成部２は、ベストなチームの観察データと、ワーストなチームの観察データとを比較し、メトリクスごとに、ベストなチームの値とワーストなチームの値との差を計算する。次に、モデル作成部２は、メトリクス管理ＤＢ２３で示されたメトリクスのうち、ベストなチームとワーストなチームとで差が大きいメトリクスを順に並べ替える。メトリクスを並べ替えた結果を、モデル作成画面３００（図７参照）に表示する。すなわち、モデル作成画面３００には、メトリクスの一覧を順に並べたリスト表示領域３０５に、メトリクスごとにベストなチームの観察データのベスト値３０６と、ワーストなチームの観察データのワースト値３０７が表示される。例えば、メトリクスＡが発話数、メトリクスＢが名詞数、メトリクスＣが動詞数をそれぞれ示し、発話数のベスト値３０６が「２０」、ワースト値が「３」の目盛を示すが如きである。

（ステップ２０５）モデル作成部２は、有識者Ａによるメトリクスの選択とベスト値とワースト値の調整を行うための画面を表示する。すなわち、モデル作成画面３００において、有識者Ａは特性の選定につかうメトリクスと、リスト表示領域３０５上のチェックボックスにチェックをつけることで指定する。さらに、有識者Ａは、メトリクスごとのベスト値３０６とワースト値３０７とを、自らの経験的暗黙知に照らして、スライドバー上のポインタを動かして、調整する。例えば、有識者Ａは、メトリクスＡについて、発話数のベスト値３０６を「２１」に、ワースト値を「６」に調整することができる。なお、図示していないが、メトリクスをどの特性に紐づけるかの指定を行うこともできる。

（ステップ２０６）モデル作成部２は、有識者Ａによる、モデル作成の完了の操作を促す。このとき、モデル作成画面３００にモデル作成ボタン３０８を表示する。なお、有識者Ａがモデルに納得がいかない場合には、再びステップ２０２に戻って、特徴のあるチーム選出から処理を進めることができる。

（ステップ２０７）モデル作成部２は、ベスト値３０６あるいはワースト値３０７に含まれる、個人を特定できるような情報を検出する。もし個人を特定できるような情報を検出した場合には当該情報を削除するか匿名化する。これにより、モデルには個人を特定する情報を含まないようにするのがよい。

（ステップ２０８）モデル作成部２は、作成したモデルを、モデル管理ＤＢ２５に格納する。モデル作成部２は、個人あるはチームの特性に関わる特性ＩＤ１１１から枝分かれして、メトリクスＩＤ１１２を格納する。さらに、メトリクスＩＤ１１２から枝分かれして、ベストデータ１１３とワーストデータ１１４を格納する。
上記のように、モデル作成部２の処理により、有識者Ａの経験的暗黙知が反映された、メトリクスを用いたモデルを作成することができる。

〈観察部３、推定部４、指示部５の処理動作〉
次に、図８を参照して、観察部３、推定部４、指示部５の処理について説明する。
（ステップ２２１）観察部３は、チーム１２に属する対象者１２１を登録する。既に特性評価システムを利用したことがある対象者１２１は、個人管理ＤＢ２１にある個人ＩＤとチームＩＤとを紐づけられている。新たな対象者１２１に対しては、個人管理ＤＢ２１に新規エントリを追加してから、個人ＩＤとチームＩＤとを紐付けて登録する。

（ステップ２２２）観察部３は、各種のメトリクスを用いて、対象者１２１およびチーム１２を観察し、観察データを生成する。例えば、図９（ａ）の例では、下記のメトリクスに対して観察データが対応付けられる。
・単位時間当たりのボードゲームのアイコンを動かす頻度
・ボードゲームの文脈に対して意味のあるアイコンを動かした回数
・単位時間当たりの発話の回数
・単位時間当たりの発話の長さ
・チームとしてのアイコンあるいは発話が完全停止した時間

（ステップ２２３）観察部３は、メトリクスを通じて取得した観察データに対して、対象者１２１の個人との紐づけを行う。紐づけは、あらかじめマーキングしておいた個人ＩＤと紐づけるものであってもよく、観察データを取得した後に、分析者が手動で個人ＩＤと紐づけるものであってもよい。

（ステップ２２４）観察部３は、観察データを観察データ管理ＤＢ２４に格納する。

（ステップ２２５）推定部４は、モデル管理ＤＢ２５から、モデルを取得する。

（ステップ２２６）推定部４は、観察データ管理ＤＢ２４から観察データを取得し、上記モデルに基づき、チーム１２の特性を推定する。特性の推定は、観察データに対して、モデル管理ＤＢ２５に格納されたチームの各メトリクスＩＤ１１２で識別されたメトリクスに基づき、ベストデータ１１３とワーストデータ１１４のいずれかの近いかをもって、ベストな状態か、ワーストな状態かを判定する。チーム１２に対する特性の推定結果は、推定結果管理ＤＢ２６の、チームＩＤ１２１から枝分かれした、特性の推定結果１２２に格納される。

（ステップ２２７）推定部４は、観察データ管理ＤＢ２４から観察データに対して、モデルに基づき、対象者１２１の特性を推定する。特性の推定は、観察データに対して、モデル管理ＤＢ２５に格納された個人の各メトリクスＩＤ１１２で識別されたメトリクスに基づき、ベストデータ１１３とワーストデータ１１４のいずれかの近いかをもって、ベストな状態か、ワーストな状態かを判定する。対象者１２１に対する特性の推定の結果は、推定結果管理ＤＢ２６の、個人ＩＤ１２３から枝分かれした推定結果１２４に格納される。

（ステップ２２８）推定部４は、チーム１２およびその対象者１２１の推定結果を、推定結果管理ＤＢ２６に格納する。

（ステップ２２９）指示部５は、チーム１２の特性の推定結果に基づいて、チーム１２に対するフィードバックを行う。例えばフィードバックの一例として、図１０（ａ）に示すように、デジタル版ボードゲーム装置４０１に指示を出して、表示によるアクションを行う。

（ステップ２３０〜２３１）指示部５はまた、チーム１２の特性の推定結果を用いて、チーム１２に対して音によるフィードバックを行うことができる（図１０（ｂ））。指示部５はまた、同様の推定結果を用いて、チーム１２に対して照明によるフィードバックを行うことができる。なお、指示部５によるフィードバックは、上記ステップ２２９〜２３１の何れか１又は幾つかを組合せて行ってもよい。

以上のように、観察部３、推定部４、指示部５の一連の処理により、有識者Ａの知識を基に作成されたモデルに基づき、観察部３で観察されたメトリクスの観察データがワーストデータ１１４に近づきそうなときに、指示部５が適度なタイミングで指示を出すことで、ベストデータ１１３に近づくように、気づきと行動の変化を与えることができる。

〈人財管理部６の処理動作〉
次に、図１１、図１２を参照して、人財管理部６の処理について説明する。
（ステップ２４１）人財管理部６は、個人管理ＤＢ２１から個人ＩＤと個人名の一覧を取得し、インタフェース１５を介して操作画面を表示する。人財管理者Ｂは、操作画面上で、特性の確認したい個人ＩＤを選択する。

（ステップ２４２）人財管理部６は、人財管理者Ｂが指定した個人ＩＤについてチーム管理ＤＢ２２を検索して、この個人ＩＤが属した過去のチームＩＤの一覧を取得する。

（ステップ２４３）人財管理部６は、ステップ２４２で取得したチームＩＤの一覧に対して、推定結果管理ＤＢ２６から該当するチームＩＤの推定結果を取得する。

（ステップ２４４）人財管理部６は、インタフェース１５を介して、個人ＩＤに関わる推定結果を含む画面を表示する。推定結果の表示画面（人財管理画面）の例を、図１２に示す。

図１２において、人財管理画面３２０は、チームＣに属する４人のプレーヤ（個人）Ｃ１〜Ｃ４の特性と、チームＣの特性を表している。すなわち、チームＣのチーム特性１〜チーム特性４の評価結果を表すチーム特性レーダーチャート３２１と、チームＣに属する４人のプレーヤＣ１〜Ｃ４の特性１〜４の評価結果を表した個人特性レーダーチャート３２２と、プレーヤＣ１の成長の過程（推定結果の経年変化）を棒グラフで示した個人成長グラフ３２３と、を有して構成される。図示の個人成長グラフ３２３では、プレーヤＣ１は、過去にチームＡ，Ｂに属したことがあり、それぞれのチームにおける特性１〜４は棒グラフの通りであることがわかる。

人財管理者Ｂは、人財管理画面３２０の内容を確認することで、個人ＩＤに対応する成長記録を個人成長グラフ３２３で確認できる。さらに、個人ＩＤに対応する当人が特定のチームに属したときの、そのチームの特性評価結果と、そのチームに属した他のプレーヤの特性評価結果を確認することができる。これにより、各個人が、チームの特性１〜４においてどの特性で貢献したか、どの特性を他のプレーヤに助けてもらったか、等を確認することができる。
この人財管理部６の処理により、人財管理者Ｂは特性評価システムを通じて観察された対象者１２１の特性を、体系的に把握することができる。

上述のように、実施例１の特性評価システムによれば、対象者１２１は、自らの特性を、有識者Ａの経験的暗黙知によるモデルに基づいて把握することができる。これにより、対象者１２１の行動を経験的暗黙知に照らして望ましい方向に変えることができる。

また、この特性評価システムにより、有識者Ａは、自身の経験的暗黙知を、過去のチームで観察された観察データを用いて、メトリクスで観察可能なモデルとして作成することができる。これにより、有識者Ａは自身の経験的暗黙知を汎化し形式知化することができる。

さらに、この特性評価システムにより、人財管理者Ｂは、対象者１２１の特性を、対象者１２１のチーム１２の中での特性と、チーム１２への貢献の度合いの観点で、把握することができる。

実施例２は、有識者Ａが経験的暗黙知をモデル化するモデル作成部２において、メトリクスを、有識者Ａがインタフェース１４を介して直接入力するものである。これにより、観察データ管理ＤＢ２４のデータ総数が少ないときにも、モデルを作成することができる。

実施例２によれば、モデル作成部２の処理は、図６において、ステップ２０５、ステップ２０８の処理が実行されて、ステップ２０１からステップ２０４、およびステップ２０６と２０７が省略される。

以下、ステップ２０５および２０８の処理を説明する。
（ステップ２０５）モデル作成部２は、メトリクス管理ＤＢ２３からメトリクスを読み込み、インタフェース１４を介して、有識者Ａのための表示器にモデル作成画面を表示する。表示画面としては、図７における下半分の部分である。すなわち、モデル作成画面３００は、メトリクスの一覧を順に並べたリスト表示領域３０５と、メトリクスごとにベストなチームの観察データのベスト値３０６と、ワーストなチームの観察データのワースト値３０７と、モデル作成ボタン３０８の表示を有する。

有識者Ａは、モデル作成画面３００の、メトリクスごとのベスト値３０６とワースト値３０７とを、自らの経験的暗黙知に照らして、スライドバー上のポインタを動かして調整する。メトリクスをどの特性に紐づけるかの指定を行う（不図示）。

（ステップ２０８）モデル作成部２は、モデルに関わるデータを、モデル管理ＤＢ２５に格納する。すなわち、モデル作成部２は、個人あるはチームの特性に関わる特性ＩＤ１１１から枝分かれして、メトリクスＩＤ１１２を格納する。さらに、メトリクスＩＤ１１２から枝分かれして、ベストデータ１１３とワーストデータ１１４を格納する。

実施例２によれば、モデル作成処理において、観察データ管理ＤＢ２４を使わずにモデルを作成できるので、観察データ管理ＤＢ２４のデータ総数が少ない場合でも、有識者Ａの経験的暗黙知がモデルに反映できる。

実施例３は、メトリクスとして、チーム内の個人間のインタラクションを扱うものである。図１３を参照するに、メトリクスでは、マイクで取得した一定時間内の発話に対して、ＦＲＯＭ２３０１に示す個人の後で、ＴＯ２３０２に示す個人が発話したかを示す。例えば、個人Ａ１の発話の後では、個人Ａ２の発話の割合が６０％、個人Ａ３が３０％、個人Ａ４が１０％であった、ことを示す。同様に、個人Ａ２、個人Ａ３、個人Ａ４の発話につづく発話者の割合を分析する。

次に、ＴＯ２３０２の列方向で、前述の割合を加算する。例えば個人Ａ１は、２５＋１５＋７０＝１１０％となる。このとき個人Ａ１は、ＦＲＯＭ２３０１の割合よりもＴＯ２３０２の割合のほうが大きいことから、発話よりも、聞く側に回る方が多いと分析する。一方個人Ａ２は、６０＋２５＋１０＝９５％となることから、聞く側よりも、発話する機会が多いと分析する。

このメトリクスは、「inter-personalのインタラクション」、との識別名称が付与されて、メトリクス管理ＤＢ２３に保管される。その実行結果である、図１３のメトリクスは観察データ管理ＤＢ２４に保管される。モデルの作成処理に際しては、図６のステップ２０５において、メトリクス管理ＤＢ２３に保管された「inter-personalのインタラクション」、のメトリクスで参照する。

有識者は、個人を一人ずつ見たいときは、inter-personalのインタラクションを選択しないが、チーム内の個人間の関係をみたいときには、inter-personalのインタラクションを選択することができる。

実施例３によれば、実施例１で述べたチームおよび個人に関するメトリクスに加えて、個人間のインタラクションに関するメトリクスを構成することができる。例えば、何れの個人の後に何れの個人の発言が多いかを、このメトリクスで数値化することができるので、個人のリーダーシップ力やフォロワーシップ力等の特性を評価するのに活用できる。

本発明は、上記実施例以外にも種々変形、応用して実施し得る。
好ましい例では、上記特性評価システムは、ゲームを通してその参加者およびチームの特性評価を行うとしているが、他の例によれば、ゲームの参加者やチームの評価に限定されない。例えば、図９（ｃ）のように、会議の出席者の特性を評価することが可能である。一方、会議自体をチームとして評価する特性評価は必ずしも必要とされないことがある。

また、上記実施例では、人財管理部６を有していて、インタフェース１５を介して表示される画面により、人財管理者Ｂが対象者および又はチームの評価を把握できるとした。他の例によれば、人財管理者Ｂに限らず、希望するユーザに、対象者又はチームの特性をサービスとして提供することができる。例えば、ユーザはインタフェース１５を介して接続される端末を用いて、人および又はその人が属する団体の評価結果の提供を受けることができる。もちろん、人やその団体に関わる情報を扱っているので、セキュリティの確保が必要である。

以上のように、上記の実施例によれば、人またはチームの動作の観察に基づいてその人またはチームの特性を評価することができる。例えば、プロジェクトマネジメントにおけるプロジェクトマネージャのような特定者の考え方や特性が学習対象に反映される場合でも、対象者が特定者による知識に照らして学習を行うことで、自らの特性を把握することができる。これにより、対象者の行動をより望ましい方向に変えることができる。

１ コンピュータ
２ モデル作成部
３ 観察部
４ 推定部
５ 指示部
６ 人財管理部
７ ＤＢ
１２、１３ チーム
１２１ 対象者
２１ 個人管理ＤＢ
２２ チーム管理ＤＢ
２３ メトリクス管理ＤＢ
２４ 観察データ管理ＤＢ
２５ モデル管理ＤＢ
２６ 推定結果管理ＤＢ
３００ モデル作成画面
３２０ 人財管理画面
４０１ 表示装置
４０２ 操作表示領域
４０３ センサ
４０３１ ヘッドセット
４０３２ カメラ
４０３３ マイク
４０６ 盤上カメラ
４１３ ハイライト表示
４１４ スピーカ
４１５ 照明

Claims (13)

1. コンピュータを用いた特性評価システムであって、
   特定者が持つ知識を汎化してモデルを作成するモデル作成部と、
   チームで行動する複数の人の動作に関するデータを取得する観察部と、
   前記モデルを用いて、前記観察部により得られた前記データを基に、該人または該チームの特性を推定する推定部と、を有し、
   前記推定部による推定結果の前記特性に基づいて出力する指示部と、
   を有する特性評価システム。
2. 前記コンピュータは、入出力可能なインタフェースを有し、
   該インタフェースは、複数の前記チームのうちから任意のチームが選択できる表示と、前記観察部が取得できる観察データのメトリクスを調整できる表示と、を含む表示画面を表示し、
   前記モデル作成部は、前記画面から前記特定者の操作により入力される、第１のチームの第１の観察データと第２のチームの第２の観察データを比較し、該第１の観察データと該第２の観察データの差を際立たせるメトリクスと、ベストデータとワーストデータを選定して、前記モデルを作成する、
   請求項１の特性評価システム。
3. 前記推定部は、前記観察部により取得された観察データを、前記モデルに含まれる前記メトリクスに対して、前記ベストデータと前記ワーストデータの間の位置を分析することで、前記人の特性または前記チームの特性を推定する、
   請求項２の特性評価システム。
4. 前記チームを構成する複数の人が共に行動する場に設置され、該複数の人の動作を検知するセンサと、
   該センサが取得するデータを保管する観察データ管理ＤＢと、を有し、
   前記観察部は、前記センサにより検知される、１または複数のメトリクスに係るデータを取得し、
   前記チームに関する１または複数のメトリクスおよび該メトリクスに対応する１または複数の観察データと、前記チームに属する複数の人に関する１または複数のメトリクスおよび該メトリクスに対応する１または複数の観察データと、を関連つけて、前記観察データ管理ＤＢに保管する、
   請求項１の特性評価システム。
5. 前記センサは、前記人が操作する操作対象の動き、または前記人による振る舞い、または前記人の発話、を検知し、
   前記前記観察データ管理ＤＢは、検知された前記動き、または振る舞い、または前記発話のデータを保管する
   請求項４の特性評価システム。
6. 前記チームを構成する複数の人が共に行動する場に配置される、表示装置、または音声出力装置、または照明装置を有し、
   前記指示部は、前記推定部による前記チームの特性の推定結果に基づいて、前記装置の何れかにフィードバックを行う、
   請求項１の特性評価システム。
7. 前記モデル作成部により作成された前記モデルを、人に関する複数の前記特性と、該特性ごとに１または複数のメトリクスと、該メトリクスに対応するベストデータと、ワーストデータと、を関連つけて保管するモデル管理ＤＢと、
   前記推定部により作成された前記推定結果を、１または複数の前記チームの前記特性に関する推定結果と、前記チームに属する複数の人の特性に関する前記複数の特性に関する推定結果と、を関連つけて保管する推定結果管理ＤＢと、
   を有する請求項１の特性評価システム。
8. 前記コンピュータは、
   前記推定部による推定結果を用いて、前記人または前記チームの特性に係る処理情報の提供を行う管理部と、入出力可能なインタフェースと、を有し、
   前記管理部は、前記入出力可能なインタフェースを介して指定される、前記チームに係る特性の推定結果と、該チームに属する人に係る特性の推定結果とを、前記推定結果管理ＤＢから取得して、
   該チームの評価を表す表示、または該人の評価を表す表示、または指定された該人の該推定結果の経年変化を表す表示と、を含む表示画面を、該インタフェースに表示する
   請求項７の特性評価システム。
9. 前記モデル管理ＤＢは、発想力、記憶力、推理力、立案力、判断力、合意力、リーダーシップ、フォロアーシップ、に関する前記複数の特性のデータを保管する
   請求項７の特性評価システム。
10. 前記チームを構成する複数の人が参加して操作することができる、デジタル版ボードゲーム装置と、該複数の人の動作を検知するセンサと、を有し、
    前記観察部は、前記センサにより検知される、１または複数のメトリクスに係るデータを取得し、
    前記指示部は、前記推定部による前記チームの特性の推定結果に基づいて、前記デジタル版ボードゲーム装置の表示を変化させる、
    請求項１の特性評価システム。
11. 前記チームに関する１または複数のメトリクスおよび該メトリクスに対応する１または複数の観察データと、前記チームに属する複数の人に関する１または複数のメトリクスおよび該メトリクスに対応する１または複数の観察データと、を関連つけて保管する前記観察データ管理ＤＢを有し、
    前記モデル作成部は、前記観察データ管理ＤＢから選択される、前記チームと、該チームに係る該観察データの該メトリクスを用いて、前記モデルを作成する
    請求項１の特性評価システム。
12. コンピュータにより行う特性評価方法であって、
    特定者が持つ知識を汎化してモデルを作成するモデル作成ステップと、
    チームで行動する複数の人の動作に関するデータを取得する観察ステップと、
    前記モデルを用いて、前記観察ステップにより得られた前記データを基に、該人または該チームの特性を推定する推定ステップと、を有し、
    前記推定ステップによる推定結果の前記特性に基づいて出力する指示ステップと、を有する特性評価方法。
13. 前記コンピュータは、
    前記推定部による、前記チームに係る特性の推定結果と、該チームに属する人に係る特性の推定結果を用いて、該チームの評価を表す表示、または該人の評価を表す表示、または指定された該人の該推定結果の経年変化を表す表示と、を含む表示画面を形成し、入出力インタフェースを介して該表示画面を表示する
    請求項１２の特性評価方法。

Images