JP2022037828A - プログラム、方法、及びシステム - Google Patents

Abstract

【課題】精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理する。【解決手段】プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムである。プログラムは、プロセッサに、ユーザの勤務状況に関する第１情報を取得するステップと、取得した第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、ユーザが対象者であるか否かを判定するステップと、ユーザが対象者である場合、第１情報に基づいてユーザに対する質問文を作成するステップと、作成した質問文をユーザに向けて送信するステップと、質問文に対するユーザからの返答に応答するステップと、を実行させるプログラム。【選択図】図３

Description

特許法第３０条第２項適用申請有り 特許法第３０条第２項適用、令和２年９月２４日に提出された「発明の新規性の喪失の例外の規定の適用を受けるための証明書」に記載されたウェブサイトにおいて発表

本発明は、プログラム、方法、及びシステムに関する。

近年、テレワークのように、時間や場所を限定しない、柔軟な働き方が広まっている。一方で、管理者は従業員の勤務実態（業務負荷など）が把握しづらい状況になり、従業員が過労等による健康障害を発症してしまうリスクも生じてきている。このため、従業員の勤務実態から、従業員の精神状態を確認・管理したい、というニーズがある。例えば、特許文献１に開示される技術では、従業員の勤務実態と、メンタルヘルス不調者の勤務実態とに基づいて、メンタルヘルス不調の可能性がある従業員を抽出し、抽出した従業員と上司等との面談を設定することが記載されている。

特開２０１６－１５１９７９号公報

特許文献１では、メンタルヘルス不調の可能性がある従業員を効率よく面談に繋げることが記載されているが、面談相手のスケジュールが常に空いているわけではなく、また、面談相手によっては相談しづらい場合もあり得る。

本開示の目的は、精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理することである。

プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムである。プログラムは、プロセッサに、ユーザの勤務状況に関する第１情報を取得するステップと、取得した第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、ユーザが対象者であるか否かを判定するステップと、ユーザが対象者である場合、第１情報に基づいてユーザに対する質問文を作成するステップと、作成した質問文をユーザに向けて送信するステップと、質問文に対するユーザからの返答に応答するステップと、を実行させるプログラム。

本発明のプログラムによれば、精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理することができる。

本実施形態のシステムの全体構成を示す図である。 本実施形態のシステムに含まれる端末装置の構成を示すブロック図である。 本実施形態のシステムに含まれるサーバの機能的な構成を示すブロック図である。 従業員情報ＤＢのデータ構造を示す図である。 ログ情報ＤＢのデータ構造を示す図である。 勤務情報ＤＢのデータ構造を示す図である。 従業員の精神状態を管理する流れの一例を説明するための図である。 本実施形態に係る端末装置の表示例を表す模式図である。

以下、本発明の一実施形態について、図面に基づいて詳細に説明する。なお、実施形態を説明するための図面において、同一の構成要素には原則として同一の符号を付し、その繰り返しの説明は省略する。

＜概要＞
本実施形態に係るシステム１は、会社の従業員の勤務状況を管理する。勤務状況は、例えば、従業員の出退勤の時刻、欠勤、遅刻、又は早退等の勤怠に関する情報、業務内容、業務量、残業時間、休日出勤等を表す。そして、システム１は、勤務状況に基づき、従業員に精神的な不調が発生しているか否かを判定し、発生していると推定される場合には、従業員をケアする。

＜全体構成＞
図１は、本実施形態のシステム１の全体構成を示す図である。図１に示すように、システム１は、従業員が使用する端末装置１０と、サーバ２０とを備えている。端末装置１０と、サーバ２０とは、有線又は無線の通信規格を用いて、ネットワーク８０を介して相互に通信可能に接続されている。
図示の例では、複数の端末装置１０がシステム１に含まれている。なお、端末装置１０の数量は、従業員の人数に合わせて任意に変更可能である。

端末装置１０は、従業員が業務で使用する汎用のコンピュータである。端末装置１０は、例えば、据え置き型のＰＣ（Personal Computer）、ラップトップＰＣ、ヘッドマウントディスプレイ等により実現される。また、端末装置１０は、スマートフォン、又はタブレット端末などの携行性を備えたコンピュータであってもよい。

図１に示すように、端末装置１０は、通信ＩＦ（Ｉｎｔｅｒｆａｃｅ）１２と、入力装置１３と、出力装置１４と、メモリ１５と、記憶部１６と、プロセッサ１９とを備える。

通信ＩＦ１２は、端末装置１０が外部の装置と通信するため、信号を送受信するためのインタフェースである。入力装置１３は、ユーザ（従業員）からの入力操作を受け付けるための入力装置である。入力装置１３は、例えば、タッチパネル、タッチパッド、マウス等のポインティングデバイス、キーボード等を含む。

出力装置１４は、ユーザに対し情報を提示するための出力装置である。出力装置１４は、例えば、ディスプレイ、スピーカ等を含む。メモリ１５は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えば、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリにより実現される。記憶部１６は、データを保存するための記憶装置であり、例えば、フラッシュメモリ、ＨＤＤ（Hard Disc Drive）により実現される。プロセッサ１９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路等により構成される。

サーバ２０は、従業員の情報を管理する装置である。サーバ２０は、ネットワーク８０に接続されたコンピュータである。

図１に示すように、サーバ２０は、通信ＩＦ２２と、入出力ＩＦ２３と、メモリ２５と、ストレージ２６と、プロセッサ２９とを備える。

通信ＩＦ２２は、サーバ２０が外部の装置と通信するため、信号を送受信するためのインタフェースである。入出力ＩＦ２３は、ユーザからの入力操作を受け付けるための入力装置、および、ユーザに対し情報を提示するための出力装置とのインタフェースとして機能する。メモリ２５は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ等の揮発性のメモリにより実現される。ストレージ２６は、データを保存するための記憶装置であり、例えばフラッシュメモリ、ＨＤＤにより実現される。プロセッサ２９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。

＜端末装置の構成＞
図２は、本実施形態のシステム１に含まれる端末装置１０の構成を示すブロック図である。図２に示すように、端末装置１０は、通信部１２１と、操作入力部１３０（タッチ・センシティブ・デバイス１３１、及びディスプレイ１３２を含む）と、音声処理部１４０と、マイク１４１と、スピーカ１４２と、位置情報センサ１５０と、カメラ１６０と、記憶部１７０と、制御部１８０とを備える。また、端末装置１０は、図２では図示されていない機能、及び構成（例えば、電力を保持するためのバッテリー、バッテリーから各回路への電力の供給を制御する電力供給回路等）も備える。端末装置１０に含まれる各ブロックは、例えば、バス等により電気的に接続される。

通信部１２１は、端末装置１０が他の装置と通信するための処理を行う。通信部１２１は、制御部１８０で生成された信号に送信処理を施し、外部（例えば、サーバ２０）へ送信する。通信部１２１は、外部から受信した信号に受信処理を施し、制御部１８０へ出力する。

操作入力部１３０は、端末装置１０を所有するユーザからの入力操作を受け付けるための機構を有する。具体的には、例えば、操作入力部１３０がタッチスクリーンである場合、タッチ・センシティブ・デバイス１３１と、ディスプレイ１３２とを含む。操作入力部１３０は、マウス、キーボード等を含むこととしてもよい。

タッチ・センシティブ・デバイス１３１は、例えば静電容量方式のタッチパネルを用いることによって、タッチパネルに対するユーザの接触位置を検出する。タッチ・センシティブ・デバイス１３１は、タッチパネルにより検出したユーザの接触位置を示す信号を入力操作として制御部１８０へ出力する。

ディスプレイ１３２は、制御部１８０の制御に応じて、画像、動画、テキスト等のデータを表示する。ディスプレイ１３２は、例えばＬＣＤ（Liquid Crystal Display）又は有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現される。

音声処理部１４０は、音声信号の変復調を行う。音声処理部１４０は、例えば音声処理用のプロセッサによって実現される。
音声処理部１４０は、マイク１４１から与えられる音声信号を変調して、変調後の信号を制御部１８０へ出力する。また、音声処理部１４０は、制御部１８０から与えられる音声信号を復調し、復調後の信号をスピーカ１４２へ与える。

マイク１４１は、音声入力を受け付けて、当該音声入力に対応する音声信号を音声処理部１４０へ出力する。スピーカ１４２は、音声処理部１４０から与えられる音声信号を音声に変換して当該音声を端末装置１０の外部へ出力する。

位置情報センサ１５０は、端末装置１０の位置を検出するセンサであり、例えばＧＰＳ（Global Positioning System）モジュールである。ＧＰＳモジュールは、衛星測位システムで用いられる受信装置である。衛星測位システムでは、少なくとも３個または４個の衛星からの信号を受信し、受信した信号に基づいて、ＧＰＳモジュールが搭載される端末装置１０の現在位置を検出する。

カメラ１６０は、撮像素子により光を受光して、画像信号として出力するデバイスである。カメラ１６０は、例えば、端末装置１０を使用するユーザと対向する位置に配置される。カメラ１６０は、ユーザを撮影し、画像信号を出力する。

記憶部１７０は、例えばフラッシュメモリ等により構成され、端末装置１０が使用するデータ、及びプログラムを記憶する。例えば、記憶部１７０は、従業員情報１７１を記憶する。

従業員情報１７１は、端末装置１０を所有している従業員に関する情報である。従業員情報１７１としては、例えば、識別情報（従業員ＩＤ）、氏名、端末装置１０の識別情報（端末ＩＤ）、従業員の属性等を含む。属性は、従業員の所属を表す。属性には、例えば、部署、役職、プロジェクト、勤務形態等がある。

制御部１８０は、プロセッサ１９が記憶部１７０に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより実現される。制御部１８０は、端末装置１０の動作を制御する。具体的には、例えば、制御部１８０は、操作受付部１８１、送受信部１８２、取得部１８３、提示部１８４としての機能を発揮する。

操作受付部１８１は、入力装置１３から入力されるユーザの操作を受け付けるための処理を行う。例えば、操作受付部１８１は、タッチ・センシティブ・デバイス１３１に対してユーザが指等を接触させた座標の情報に基づき、操作者の操作がフリック操作であるか、タップ操作であるか、ドラッグ（スワイプ）操作であるか等の操作の種別を判定し、操作を受け付ける。

送受信部１８２は、端末装置１０が、サーバ２０等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。

取得部１８３は、端末装置１０を使用するユーザの勤務状況を把握可能な情報を取得する。取得される情報としては、例えば、ユーザが所定のアプリケーションに対して入力した情報、ユーザが端末装置１０を操作した操作履歴に関する情報、カメラ１６０で撮影したユーザの画像信号に基づく情報等が挙げられる。取得部１８３により取得された情報は、送受信部１８２を介してサーバ２０へ送信される。

所定のアプリケーションに対して入力した情報には、例えば、勤怠管理アプリにユーザが入力した、出勤、終業、又は休憩したことを表す情報、有給を取得したことを表す情報、又は種々の理由に関する情報等が含まれる。また、当該情報には、例えば、スケジュール管理アプリにユーザが入力したスケジュールに関する情報が含まれる。スケジュールに関する情報には、例えば、会議の時間がどの程度あるか、出張がどのくらいあるかといった業務タスクの内容、及び業務タスクの量が含まれる。

操作履歴に関する情報は、具体的には、ユーザが端末装置１０の入力装置１３（ハードウェア）を操作したログ、アプリケーションを操作したログ、又はＯＳ（Operating System）を操作したログ等を含む。

ハードウェアを操作したログには、例えば、キーボードによりどのキーが入力されたかを示す情報、キーの入力回数等が含まれる。また、ハードウェアを操作したログには、マウス、タッチパッド、タッチ・センシティブ・デバイス等のポインティングデバイスにより検出される位置の情報、当該位置の情報に基づき判別されるユーザの操作内容の情報（例えば、クリック、ドラッグ、スワイプ、フリック、ロングタップ等）、操作回数等が含まれる。また、ハードウェアを操作したログには、マイクにより入力された音声情報、発言回数等が含まれる。

アプリケーションを操作したログには、業務を遂行するためのアプリケーションを使用した際にユーザから入力される操作のログが含まれる。具体的には、例えば、アプリケーションがプレゼンテーション資料作成ソフトであれば、アプリケーション名、ファイル名、ファイル内の項目名、どの機能が使用されたかを示す情報、入力された文字情報、エラー情報、スライドを新たに追加する操作をした情報等の種々の情報である。また、アプリケーションがメールソフトであれば、送受信したメールのヘッダの情報、設定情報等である。また、アプリケーションがドキュメント作成ソフトであれば、入力した文字数、文字を変換した回数、作成したページ数、入力した内容（文字を入力した、文字を修飾した、画像または動画を挿入した等）等が含まれる。

ＯＳを操作したログには、アプリケーションがアクティブになった情報、ＯＳの設定変更情報、端末装置１０をスリープにした情報、スリープ状態から復帰させた情報、及び、ハードウェア資源の利用状況の情報（例えば、ＣＰＵ使用率、メモリ使用率、ネットワークの使用状況など）等が含まれる。

カメラで撮影したユーザの画像信号に基づく情報は、例えば、ユーザがカメラを起動した操作に関する情報、ユーザの顔の向き及び表情を示す画像に関する情報、又は顔の構成を画像解析により抽出して特徴点の動きとして表した特徴点に関する情報等が含まれる。なお、画像信号に基づく情報には、これら以外の情報が含まれていてもよいし、これらの情報の一部が含まれていてもよい。
提示部１８４は、ユーザに対して種々の情報を提示する。

＜サーバの機能的構成＞
図３は、本実施形態のシステム１に含まれるサーバ２０の機能的な構成を示すブロック図である。図３に示すように、サーバ２０は、通信部２０１と、記憶部２０２と、制御部２０３としての機能を発揮する。

通信部２０１は、サーバ２０が外部の装置と通信するための処理を行う。

記憶部２０２は、サーバ２０が使用するデータ及びプログラムを記憶する。例えば、記憶部２０２は、従業員情報データベース（ＤＢ）２８１、ログ情報データベース（ＤＢ）２８２、及び勤務情報データベース（ＤＢ）２８３を記憶する。

従業員情報ＤＢ２８１は、従業員に関する情報を保持するためのデータベースである。詳細は後述する。

ログ情報ＤＢ２８２は、ユーザが端末装置１０を操作した操作履歴に関する情報を保持するためのデータベースである。詳細は後述する。

勤務情報ＤＢ２８３は、ユーザの業務内容を保持するためのデータベースである。詳細は後述する。

また、記憶部２０２は、例えば、機械学習により生成された複数の学習済みモデルを記憶している。第１学習済みモデル２８４は、例えば、ユーザが精神的な不調が危惧される者かどうかの判定に用いられるモデルである。第２学習済みモデル２８５は、例えば、精神的な不調が危惧される者に対する質問文を作成する際に用いられるモデルである。第３学習済みモデル２８６は、精神的な不調が危惧される者とのチャットを実施するチャットボットを実現するためのモデルである。第１学習済みモデル２８４～第３学習済みモデル２８６は、例えば、該当するサービスの提供が開始される前に記憶部２０２に記憶される。本実施形態では、精神的な不調が危惧される者は、例えば、以下が想定される。
・メンタルヘルスの不調が危惧される者
・モチベーションの低下が危惧される者

第１学習済みモデル２８４～第３学習済みモデル２８６は、学習用データに基づき、モデル学習プログラムに従って機械学習モデルに機械学習を行わせることにより得られる。

例えば、本実施形態において、第１学習済みモデル２８４は、入力されるユーザに関する情報に対し、精神的な不調が危惧されるか否かを出力するように学習されている。このとき、学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、精神的な不調が危惧される者か否かの判断を正解出力データとする。精神的な不調が危惧される者か否かの判断は、例えば、専門家の意見に基づいて行われる。つまり、第１学習済みモデル２８４は、過去に精神的な不調が危惧された従業員の勤務状況に関する情報に基づいて学習されている。従業員についての過去の勤務状況に関する情報は、例えば、従業員情報ＤＢ２８１、ログ情報ＤＢ２８２、又は勤務情報ＤＢ２８３から取得される。なお、学習用データは、例えば、精神的な不調をきたしている者か否かの判断を正解出力データとしてもよい。精神的な不調をきたしている者か否かの判断は、例えば、専門家の意見に基づいて行われる。

また、第２学習済みモデル２８５は、例えば、入力されるユーザに関する情報に対し、ユーザの状態に応じた質問を出力するように学習されている。例えば、精神的な不調が危惧される者が、メンタルヘルスの不調が危惧される者である場合には、第２学習済みモデル２８５は、不安又はストレス等を和らげるための質問を出力するように学習されている。このとき、学習用データは、過去に精神的な不調が危惧された従業員の勤務状況に関する情報を入力データとし、入力された情報に基づく質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報から所定の文言を抽出し、不安又はストレス等を和らげるように作成される。質問文は、例えば、ユーザの勤務状況に関する情報に基づいて生成されると換言されてもよい。また、質問文は、例えば、ユーザの勤務状況に関する情報から想定されると換言されてもよい。不安又はストレスを和らげるための質問は、例えば、業務の内容、人間関係、個人的な事情、日頃感じている不安、又は悩み事の有無等のように、ユーザのメンタルヘルスの不調の原因を和らげるための質問である。

また、精神的な不調が危惧される者が、モチベーションの低下が危惧される者である場合には、第２学習済みモデル２８５は、モチベーションが低下している理由を明らかにするための質問を出力するように学習されている。このとき、学習用データは、過去に精神的な不調が危惧された従業員の勤務状況に関する情報を入力データとし、入力された情報に基づく質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報から所定の文言を抽出し、モチベーションが低下している理由を明らかにするように作成される。モチベーションが低下している理由を明らかにするための質問は、例えば、業務の内容、人間関係、個人的な事情、日頃感じている不満、又は悩み事の有無等のように、ユーザのモチベーションが低下している原因を明らかにするための質問である。

また、第３学習済みモデル２８６は、入力される回答、及びユーザの勤務状況に関する情報に対し、所定の応答を出力するように学習されている。このとき、学習用データは、例えば、想定される回答パターン、及び過去に精神的な不調が危惧された従業員の勤務状況に関する情報を入力データとし、入力された回答パターン及び勤務状況に関する情報に基づく応答パターンを正解出力データとする。ユーザからの回答に対する応答には、例えば、産業医への面談の提案、生活習慣の改善の提案、又は（長期）休暇の取得の提案等が含まれてもよい。

本実施形態に係る機械学習モデルは、例えば、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数、及びパラメータの組合せにより定義される。本実施形態に係る機械学習モデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよいが、多層のネットワークモデル（以下、多層化ネットワークと呼ぶ）であるとする。多層化ネットワークを用いる学習済みモデルは、入力層と、出力層と、入力層と出力層との間に設けられる少なくとも１層の中間層あるいは隠れ層とを有する。学習済みモデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される。

本実施形態に係る多層化ネットワークとしては、例えば、深層学習（Deep Learning）の対象となる多層ニューラルネットワークである深層ニューラルネットワーク（Deep Neural Network：ＤＮＮ）が用いられ得る。ＤＮＮとしては、例えば、画像を対象とする畳み込みニューラルネットワーク（Convolution Neural Network：ＣＮＮ）を用いてもよい。

制御部２０３は、プロセッサ２９が記憶部２０２に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより実現される。制御部２０３は、サーバ２０の動作を制御する。具体的には、例えば、制御部２０３は、送受信部２０３１、取得部２０３２、判定部２０３３、対話処理部２０３４、及び実行部２０３５としての機能を発揮する。

送受信部２０３１は、サーバ２０が、端末装置１０等の外部の装置と、通信プロトコルに従ってデータを送受信する処理を制御する。受信されたデータは、記憶部２０２へ記憶される。例えば、端末装置１０から送信された、ユーザが所定のアプリケーションに対して入力した情報、ユーザが端末装置１０を操作した操作履歴に関する情報、カメラ１６０で撮影したユーザの画像信号に基づく情報等は、記憶部２０２の従業員情報ＤＢ２８１、ログ情報ＤＢ２８２、又は勤務情報ＤＢ２８３に記憶される。

取得部２０３２は、記憶部２０２に記憶されている情報のうち、判定に要する情報を取得する。例えば、取得部２０３２は、従業員情報ＤＢ２８１、ログ情報ＤＢ２８２、又は勤務情報ＤＢ２８３から、所定の期間におけるユーザの勤務状況に関する情報を取得する。勤務状況に関する情報には、例えば、勤怠に関する情報、スケジュールに関する情報、操作履歴に関する情報、画像信号に基づく情報、又は、操作履歴に関する情報及び画像信号に基づく情報から推測される業務内容等が含まれる。取得部２０３２は、例えば、所定のタイミングで、判定に要する情報を取得する。

判定部２０３３は、ユーザが精神的な不調が危惧される、監視の対象者かどうかを判定する処理を実行する。具体的には、例えば、判定部２０３３は、第１学習済みモデル２８４に、取得部２０３２で取得した情報を入力し、精神的な不調が危惧される者であるか否かを出力させる。

対話処理部２０３４は、記憶部２０２に記憶されている第２学習済みモデル２８５を用いて質問文を作成し、第３学習済みモデル２８６を用いてユーザからの回答に対し対話形式で自動応答する。対話処理部２０３４は、例えば、会社の業務で使用しているチャットシステムを利用して実現される。

具体的には、例えば、対話処理部２０３４は、精神的な不調が危惧されると判定されたユーザについての勤務状況に関する情報を第２学習済みモデル２８５に入力し、不安、又はストレス等を和らげるための質問文を出力させる。対話処理部２０３４は、出力された質問文を通信部２０１から端末装置１０へ送信する。このとき、対話処理部２０３４は、例えば、質問文を、ユーザが回答しやすいタイミングで送信する。ユーザが回答しやすいタイミングは、例えば、端末装置１０を操作しつつ集中力が高くないタイミングが好適である。集中力が高くないタイミングは、例えば、操作履歴に関する情報、つまり、入力の速度が遅い、誤変換が多い等の情報に基づいて判断される。また、集中力が高くないタイミングは、例えば、画像信号により判別されるユーザの顔の向き、又は視線の挙動に基づいて判断される。ユーザが回答しやすいタイミングは、例えば、勤務状況に関する情報に基づいて決定され、業務が切り替わった直後、休憩が明けた直後、昼休みが終わる直前等を含む。

対話処理部２０３４は、端末装置１０から送信される回答文を、通信部２０１を介して受信する。回答文は、自然文の形式で取得することが可能である。自然文の形式で回答することを可能とすることにより、ユーザは人とチャットしているのと同じような感覚でチャットを行うことが可能となる。

対話処理部２０３４は、取得した回答文、及び勤務状況に関する情報を第３学習済みモデル２８６に入力し、入力された回答に応じた応答文を出力させる。対話処理部２０３４は、出力された応答文を通信部２０１から端末装置１０へ送信する。

実行部２０３５は、ユーザとのチャットの内容に応じた手続きを実行する。例えば、実行部２０３５は、対話処理部２０３４により送信された休暇、又は早退等の提案に対してユーザが承諾した場合、勤怠アプリによる勤怠手続きを実行する。

＜データ構造＞
図４から図６は、サーバ２０が記憶するデータベースのデータ構造を示す図である。なお、図４から図６は一例であり、記載されていないデータを除外するものではない。
図４は、従業員情報ＤＢ２８１のデータ構造を示す図である。図４に示すように、従業員情報ＤＢ２８１のレコードの各々は、項目「従業員ＩＤ」、項目「従業員名」、項目「属性」等を含む。

項目「従業員ＩＤ」は、従業員を識別するためのＩＤを記憶する。

項目「従業員名」は、従業員の名前を記憶する。

項目「属性」は、従業員の属性を記憶する。属性には従業員が属する様々な体制が含まれる。例えば、項目「属性」は、項目「部署」、項目「役職」、項目「プロジェクト」、項目「勤務形態」等のサブ項目を含む。

項目「部署」は、ユーザが所属している部門、例えば、部署を記憶する。項目「役職」は、ユーザが属する組織における、ユーザのポジション、例えば、役職を記憶する。役職が複数ある場合、複数の役職が登録されてもよい。項目「プロジェクト」は、ユーザがアサインされている集合業務、例えば、プロジェクトの情報を記憶する。プロジェクトが複数ある場合には、複数のプロジェクトが登録されてもよい。項目「勤務形態」は、ユーザに設定されている勤務の形態を記憶する。

項目「勤務形態」には、例えば、定時で勤務する提示勤務、時差をつけて勤務するフレックス、労働時間がユーザの裁量に委ねられている裁量労働等を記憶する。なお、項目「属性」には、必要に応じて更なるサブ項目（例えば、入社年度、雇用形態等）を追加してもよい。

従業員情報ＤＢ２８１には、図４で示される情報以外の情報が記憶されていてもよい。例えば、従業員情報ＤＢ２８１には、所定期間内で課せられているノルマ等が含まれていてもよい。また、従業員情報ＤＢ２８１には、勤務地に関する情報、取引先企業に関する情報、上司、又は部下に関する情報等が含まれていてもよい。

また、従業員情報ＤＢ２８１には、ユーザの健康状態を示す情報が記憶されていてもよい。健康状態を示す情報は、例えば、精神的な不調が危惧されていること、又は一般的な健康診断での診断結果に係る情報等が含まれる。

図５は、ログ情報ＤＢ２８２のデータ構造を示す図である。図５に示すように、ログ情報ＤＢ２８２のレコードの各々は、項目「従業員ＩＤ」、項目「日付」、項目「操作ログ」等を含む。

項目「日付」は、操作ログを取得した年月日を記憶する。

項目「操作ログ」は、操作履歴に関する情報のログを記憶する。項目「操作ログ」には、操作履歴に関する情報として、項目「時刻」、項目「端末ＩＤ」、項目「ログ」等のサブ項目が含まれる。

項目「時刻」は、ユーザによる操作が発生した時刻（タイムスタンプ）を記憶する。具体的には、項目「時刻」には、例えば、ハードウェアを操作した時刻、アプリケーションを操作した時刻、又はＯＳを操作した時刻が含まれる。

項目「端末ＩＤ」は、ユーザが操作した端末装置１０のＩＤを記憶する。

項目「ログ」は、ユーザによる操作の内容を記憶する。具体的には、項目「ログ」には、例えば、ハードウェアを操作した内容、アプリケーションを操作した内容、又はＯＳを操作した内容等が記憶される。

図６は、勤務情報ＤＢ２８３のデータ構造を示す図である。図６に示すように、勤務情報ＤＢ２８３のレコードの各々は、項目「従業員ＩＤ」、項目「日付」、項目「業務内容」、項目「時刻」等を含む。

項目「日付」は、ユーザが業務を行った日付を記憶する。

項目「業務内容」は、ユーザが実施した業務の内容を記憶する。項目「業務内容」は、例えば、制御部２０３により、アプリケーションに対して入力した情報等に基づいて特定されて記憶される。例えば、制御部２０３は、勤怠アプリに対してユーザが入力した出勤、終業、又は休憩等の勤怠に関する情報に基づき、出勤、終了、休憩、遅刻、早退、欠勤等を特定し、項目「業務内容」に記憶する。また、制御部２０３は、例えば、スケジュール管理アプリに対してユーザが入力したスケジュールに関する情報に基づき、会議、出張等を特定し、項目「業務内容」に記憶する。

また、項目「業務内容」は、例えば、制御部２０３により、操作履歴に関する情報に基づいて特定されて記憶される。例えば、制御部２０３は、ユーザが使用したアプリケーション、使用したアプリケーションにより作成されたファイル名、ファイルに対して操作した内容等に基づき、メール、資料作成、作業、調査等を特定し、項目「業務内容」に記憶する。

項目「時刻」は、項目「業務内容」で記載される業務を実施した時刻を記憶する。なお、勤務情報ＤＢ２８３には、項目「時刻」に限定されず、業務が実施された時間が記憶されてもよい。また、所定の業務を開始した時刻のみに限定されず、所定の業務を開始した時刻と、所定の業務が終了した時刻とが記憶されてもよい。

勤務情報ＤＢ２８３には、図６で示される情報以外の情報が記憶されていてもよい。例えば、勤務情報ＤＢ２８３には、勤務状況に対する評価が含まれていてもよい。例えば、勤務情報ＤＢ２８３には、業務内容毎の評価が含まれていてもよい。業務内容毎の評価は、例えば、制御部２０３により、操作履歴に関する情報、又はユーザの画像信号に基づく情報等に基づいて評価される。例えば、制御部２０３は、操作履歴に関する情報、又はユーザの画像信号に基づく情報等に基づき、業務の処理速度、業務への集中度、会議への参加度等を推定し、ユーザの業務内容を評価する。また、勤務情報ＤＢ２８３には、所定の期間毎の評価が含まれていてもよい。所定の期間毎の評価は、例えば、日、週、月等毎のユーザの評価を表す。所定の期間毎の評価は、例えば、制御部２０３により、業務内容毎の評価の累積に基づいて評価される。

また、勤務情報ＤＢ２８３には、所定の期間毎の勤務時間の合計が記憶されてもよい。所定の期間毎の勤務時間の合計は、例えば、日、週、月等毎の勤務時間の合計を表す。
よい。

＜動作＞
以下、図７を参照しながら、システム１により、従業員の精神状態を管理する処理について説明する。図７についての説明では、例えば、精神的な不調が危惧される者が、メンタルヘルスの不調が危惧される者である場合を例に説明する。

図７は、システム１により、従業員の精神状態を管理する流れの一例を説明するための図である。
図７に示すように、端末装置１０は、ユーザの勤務状況を把握可能な情報をサーバ２０へ送信する。具体的には、例えば、端末装置１０は、ユーザにより所定のアプリケーションに対して入力がなされると、入力された情報をサーバ２０へ送信する。また、端末装置１０は、例えば、ユーザにより端末装置１０が操作されると、操作履歴に関する情報をサーバ２０へ送信する。また、端末装置１０は、カメラ１６０で撮影したユーザの画像信号に基づく情報を、所定の周期でサーバ２０へ送信する。

サーバ２０の送受信部２０３１は、端末装置１０から送信される複数の従業員についての情報を受信し、記憶部２０２に記憶されているデータベースの新たなレコードに、受信した情報を記憶する。

サーバ２０の取得部２０３２は、所定のタイミングで記憶部２０２のデータベースから、判定に必要な情報を取得する（ステップＳ２０１）。具体的には、例えば、取得部２０３２は、記憶部２０２の従業員情報ＤＢ２８１、ログ情報ＤＢ２８２、又は勤務情報ＤＢ２８３から、従業員Ｐ１が精神的な不調が危惧されるものであるか否かの判定に必要な情報を取得する。所定のタイミングは、従業員Ｐ１の精神的な不調が危惧されていない場合においては、例えば、以下である。
・予め設定される日の、出勤したとき（勤怠管理アプリにおいて出勤オブジェクトを押下したとき）
・予め設定される日の、予め設定される時刻
・精神的な不調が疑われるデータが取得されたとき
精神的な不調が疑われるデータとは、例えば、出勤時刻にばらつきがあること、長時間の残業が連続していること、又は休暇が取れていないこと等である。

また、所定のタイミングは、従業員Ｐ１の精神的な不調が危惧されている場合においては、例えば、以下である。
・出勤したとき
・予め設定される時刻
なお、本説明では、従業員Ｐ１に対する処理について説明するが、その他の従業員に対して並列して処理を実施してもよい。

判定部２０３３は、判定に必要な情報が取得されると、従業員Ｐ１が精神的な不調が危惧されるか否かを判定する（ステップＳ２０２）。具体的には、判定部２０３３は、取得した、勤務状況に関する情報を第１学習済みモデル２８４に入力し、精神的な不調が危惧される者であるか否かを出力させる。以下では、精神的な不調が危惧される者を、健康管理の監視対象となる者として対象者と称する。判定部２０３３は、従業員Ｐ１が対象者であると判定した場合、判定結果を記憶部２０２の例えば、従業員情報ＤＢ２８１に記憶し、続く処理を実行する。なお、対象者であると判定される場合には、危惧のない状態から対象者であると判定される場合と、対象者であるとの判定が維持される場合とがある。

一方、判定部２０３３は、従業員Ｐ１が対象者でないと判定した場合、処理を終了させる。なお、対象者でないと判定される場合には、危惧のある状態が解消される場合と、危惧のない状態が維持される場合とがある。

従業員Ｐ１が対象者であると判定されると、対話処理部２０３４は、従業員Ｐ１への質問文を作成する（ステップＳ２０３）。具体的には、対話処理部２０３４は、精神的な不調が危惧されると判定された従業員Ｐ１の勤務状況に関する情報を第２学習済みモデル２８５に入力し、従業員Ｐ１の不安又はストレスを和らげるための質問文を出力させる。従業員Ｐ１の不安又はストレスを和らげるための質問文は、従業員Ｐ１の勤務状況に関する情報に基づいて作成される。

例えば、従業員Ｐ１の昨日の終業時刻が遅かった場合には、「昨夜は遅くまで働いていましたね。帰ってからゆっくり休めましたか？」のように、従業員Ｐ１を労う質問文が作成される。

また、例えば、通常は規則正しいはずの従業員Ｐ１の出勤時刻が、急に不規則になった場合には、「最近、出勤時刻が不規則ですが、心配事がありますか？」のように、従業員Ｐ１を気遣う質問文が作成される。

また、例えば、通常は時刻どおりに出勤するはずの従業員Ｐ１が、急に遅刻するようになった場合には、「最近、遅刻が多いですが、心配事がありますか？」のように、従業員Ｐ１を気遣う質問文が作成される。

また、例えば、同じ人物との会議が長時間にわたり何度も実施されている場合には、「長時間の会議、大変ですね。会議でつらいことは言われていませんか？」のように、従業員Ｐ１を気遣う質問文が作成される。

対話処理部２０３４は、出力された質問文を通信部２０１から端末装置１０へ送信する（ステップＳ２０４）。このとき、対話処理部２０３４は、例えば、質問文を、ユーザが回答しやすいタイミングで送信する。ユーザが回答しやすいタイミングは、例えば、端末装置１０を操作しつつ集中力が高くないタイミングが好適である。対話処理部２０３４は、勤務状況に関する情報を参照し、従業員Ｐ１が質問文に回答しやすいタイミングを決定する。対話処理部２０３４は、決定されたタイミングになると、作成した質問文を通信部２０１から端末装置１０へ送信する。対話処理部２０３４は、作成した質問文を、チャットメッセージの一部に挿入する形式で端末装置１０へ送信する。

サーバ２０から質問文が送信されると、端末装置１０の提示部１８４は、受信した質問文をディスプレイ１３２に表示する（ステップＳ１０１）。操作受付部１８１は、端末装置１０を操作する従業員Ｐ１からの回答を受け付ける。提示部１８４は、入力された回答文をディスプレイ１３２に表示する。送受信部１８２は、入力された回答文をサーバ２０へ送信する（ステップＳ１０２）。

図８は、本実施形態に係る端末装置１０の表示例を表す模式図である。図８に示すように、端末装置１０のディスプレイ１３２には、チャット領域１３２１が表示される。チャット領域１３２１の左寄りの列にはサーバ２０からの質問文１３２１Ａが表示され、右寄りの列には従業員Ｐ１から入力された回答文１３２１Ｂが表示される。なお、提示部１８４は、サーバ２０からの質問文を受信すると、ディスプレイ１３２の所定の位置（例えば、バー）に受信があることを表すオブジェクトを表示し、このオブジェクトへの従業員Ｐ１からの押下に応じてチャット領域１３２１を表示するようにしてもよい。

端末装置１０からの回答文を受信すると、対話処理部２０３４は、従業員Ｐ１への応答文を作成する（ステップＳ２０５）。具体的には、対話処理部２０３４は、受信した回答文、及び勤務状況に関する情報を第３学習済みモデル２８６に入力し、入力された回答に応じた応答文を出力させる。対話処理部２０３４は、出力された応答文を通信部２０１から端末装置１０へ送信する（ステップＳ２０６）。

サーバ２０から応答文が送信されると、端末装置１０の提示部１８４は、受信した応答文をディスプレイ１３２に表示する（ステップＳ１０３）。操作受付部１８１は、端末装置１０を操作する従業員Ｐ１からの回答を受け付ける。提示部１８４は、入力された回答文をディスプレイ１３２に表示する。送受信部１８２は、入力された回答文をサーバ２０へ送信する（ステップＳ１０４）。従業員Ｐ１とサーバ２０とのチャットは、例えば、従業員Ｐ１からの回答が入力されなくなるまで継続される。従業員Ｐ１とサーバ２０とのチャットの内容（質問文、応答文、及び回答文）は、記憶部２０２に記憶される。なお、従業員Ｐ１とサーバ２０とのチャットの内容は、従業員Ｐ１とのチャットであることが判別されないように、個人情報に関する内容が加工（例えば、削除）されて記憶される。例えば、従業員Ｐ１が所属する部署の上司から業務を通して過度なストレスを受けているといった回答があった場合、この回答は、上司が特定されるような氏名等の情報を、伏字にした状態で記憶部２０２に記憶される。記憶された情報は、例えば、働き方改善データとして統計的に利用される。

また、例えば、従業員Ｐ１が翌日に会議等の予定がない場合、サーバ２０は、「明日は休みを取られたらいかがですか？」のような応答をする場合がある。このような応答に対して従業員Ｐ１が「そうですね。休みを取ります。」のような回答をした場合、サーバ２０の実行部２０３５は、勤怠アプリに対し、翌日の休暇申請を実行する。

なお、上記の処理に限られず、各処理のステップは、各処理の流れが矛盾しない範囲で任意に変更可能である。例えば、従業員Ｐ１は、自動応答に対して返信をしない場合もあり得る。

以上のように、本実施形態では、サーバ２０の取得部２０３２は、ユーザの勤務状況に関する第１情報を取得する。判定部２０３３は、取得した第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、ユーザが対象者であるか否かを判定する。対話処理部２０３４は、ユーザが対象者である場合、第１情報に基づいてユーザに対する質問文を作成する。対話処理部２０３４は、作成した質問文をユーザへ送信する。そして、対話処理部２０３４は、質問文に対するユーザからの返答に応答するようにしている。これにより、サーバ２０は、ユーザが精神的な不調が危惧されることを的確に把握することが可能となる。また、サーバ２０は、ユーザの不安、又はストレスについての本音を聞き出すことが可能となる。
したがって、本実施形態に係るシステム１によれば、精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理できる。

また、本実施形態では、判定部２０３３は、第２情報を用いて学習された第１学習済みモデル２８４に対して、第１情報を入力することで、ユーザが対象者であるか否かを判定するようにしている。これにより、ユーザについての第１情報に基づき、迅速かつ高精度に、ユーザが対象者か否かを判定することが可能となる。

また、本実施形態では、対話処理部２０３４は、第２情報と、第２情報から想定される質問文とを用いて学習された第２学習済みモデル２８５に対して、第１情報を入力することで、質問文を作成するようにしている。これにより、ユーザについての第１情報に基づき、ユーザの不安又はストレスを和らげることが可能な質問文を迅速かつ高精度に作成することが可能となる。

また、本実施形態では、実行部２０３５は、質問文に対するユーザからの返答に応じ、勤怠手続きを実行するようにしている。これにより、ユーザが手続きを行わなくても、自動的に勤怠手続きが行われることになり、休みたくても休めないという事情を解消することが可能となる。

また、本実施形態では、対話処理部２０３４は、第１情報を参照し、ユーザが回答しやすいタイミングで質問文を送信するようにしている。これにより、ユーザから回答を得られる確率を上げることが可能となる。

また、本実施形態では、制御部２０３は、ユーザへの質問文及びユーザからの返答を、個人情報に関する内容を加工して記憶するようにしている。これにより、ユーザ本人、及びその周囲の従業員の個人情報を適切に保護することが可能となる。また、ユーザがチャットに入力した内容により不利な状況となることを避けることが可能となる。

また、本実施形態では、対話処理部２０３４は、第２情報と、想定される返答文と、応答文及び第２情報から想定される応答文とを用いて学習された第３学習済みモデル２８６に対して、第１情報及びユーザからの返答を入力することで、ユーザへの新たな応答を作成するようにしている。これにより、ユーザからの回答に応じる応答文を迅速かつ高精度に作成することが可能となる。

＜変形例＞
なお、上記実施形態では、第１学習済みモデル２８４が、入力されるユーザに関する情報に対し、精神的な不調が危惧される者か否かを出力するように学習されている例について説明した。しかしながら、第１学習済みモデル２８４の学習はこれに限定されない。

例えば、第１学習済みモデル２８４は、入力されるユーザに関する情報に対し、精神的な不調の程度を出力するように学習されていてもよい。精神的な不調の程度とは、例えば、精神的な不調が危惧されること、精神的な不調が軽度であること、又は精神的な不調が重度であること等を含む。このとき、学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、精神的な不調の程度を正解出力データとする。

判定部２０３３は、ステップＳ２０２において、勤務状況に関する情報を第１学習済みモデル２８４に入力し、精神的な不調の程度を出力させる。精神的な不調が危惧されること、精神的な不調が軽度であること、又は精神的な不調が重度であることが出力されると、ユーザが対象者であることを表す。判定部２０３３は、ユーザが対象者であると判定すると、精神的な不調の程度を含む判定結果を記憶部２０２の例えば、従業員情報ＤＢ２８１に記憶する。精神的な不調の程度が判定されることで、従業員の精神状態をより詳細に管理することが可能となる。

また、第１学習済みモデル２８４は、入力されるユーザに関する情報に対し、精神的な不調が危惧される者か否かを出力すると共に、ストレス因子を出力するように学習されていてもよい。ストレス因子は、ストレスの要因となる要素であり、例えば、残業時間の多さ、上司、部下、顧客、生活リズム等を含む。このとき、学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、精神的な不調が危惧される者か否かの判断、及びストレス因子を正解出力データとする。

判定部２０３３は、ステップＳ２０２において、勤務状況に関する情報を第１学習済みモデル２８４に入力し、精神的な不調が危惧される者か否かと共に、ストレス因子を出力させる。判定部２０３３は、ユーザが対象者であると判定すると、ストレス因子を含む判定結果を記憶部２０２の例えば、従業員情報ＤＢ２８１に記憶する。精神的な不調に加えてストレス因子が判定されることで、従業員の精神的な不調の原因を把握することが可能となる。

また、上記実施形態では、第２学習済みモデル２８５が、入力されるユーザに関する情報に対し、不安又はストレス等を和らげるための質問を出力するように学習されている例について説明した。しかしながら、第２学習済みモデル２８５の学習はこれに限定されない。

例えば、第２学習済みモデル２８５は、ユーザに関する情報、及び精神的な不調の程度の入力に対し、不安又はストレス等を和らげるための質問を出力するように学習されていてもよい。このとき、学習用データは、精神的な不調の程度毎の過去のユーザの勤務状況に関する情報を入力データとし、程度に応じて作成された質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報から所定の文言を抽出し、精神的な不調の程度を考慮し、不安又はストレス等を和らげるように作成される。

対話処理部２０３４は、ステップＳ２０３において、精神的な不調の程度が判定された従業員の勤務状況に関する情報を第２学習済みモデル２８５に入力し、従業員の不安又はストレスを和らげるための質問文を出力させる。精神的な不調の程度を考慮した質問文が作成されるようになるため、従業員の不安又はストレスをより効果的に和らげることが可能となる。

また、例えば、第２学習済みモデル２８５は、ユーザに関する情報、及びストレス因子の入力に対し、不安又はストレス等を和らげるための質問を出力するように学習されていてもよい。このとき、学習用データは、過去に精神的な不調が危惧されたユーザの勤務状況に関する情報及びストレス因子を入力データとし、入力された情報に基づく質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報、及びストレス因子から所定の文言を抽出し、不安又はストレス等を和らげるように作成される。

対話処理部２０３４は、ステップＳ２０３において、精神的な不調が危惧される者である判定された従業員の勤務状況に関する情報と、判定部２０３３により推定されたストレス因子とを第２学習済みモデル２８５に入力し、従業員の不安又はストレスを和らげるための質問文を出力させる。ストレス因子を考慮した質問文が作成されるようになるため、従業員の不安又はストレスをより効果的に和らげることが可能となる。

なお、上記実施形態では、第１学習済みモデル２８４～第３学習済みモデル２８６は、フィードバック情報に基づき、再学習されてもよい。例えば、制御部２０３は、判定部２０３３による判定結果に対するフィードバック情報を取得する。フィードバック情報は、例えば、判定に対するユーザからの評価であってもよいし、ユーザとサーバ２０との間で構築されるチャットの内容に基づく評価であってもよい。制御部２０３は、フィードバック情報に基づく重みをかけた勤務状況に関する情報と、判定結果とを用い、第１学習済みモデル２８４を再学習する。これにより、新たな教師データが追加されることになり、第１学習済みモデル２８４を用いた判定の精度を、使用期間の経過とともに向上させることが可能となる。

また、例えば、制御部２０３は、対話処理部２０３４により作成された質問文に対するフィードバック情報を取得する。フィードバック情報は、例えば、作成した質問文に対するユーザからの評価であってもよいし、ユーザとサーバ２０との間で構築されるチャットの内容に基づく評価であってもよい。制御部２０３は、フィードバック情報に基づく重みをかけた勤務状況に関する情報と、作成した質問文とを用い、第２学習済みモデル２８５を再学習する。これにより、新たな教師データが追加されることになり、第２学習済みモデル２８５を用いて作成される質問文の内容が、使用期間の経過とともにより適した内容となる。

また、例えば、制御部２０３は、対話処理部２０３４により作成された、ユーザからの回答文に対する応答についてのフィードバック情報を取得する。フィードバック情報は、例えば、回答文に対する応答についてのユーザからの評価であってもよいし、ユーザとサーバ２０との間で構築されるチャットの内容に基づく評価であってもよい。制御部２０３は、フィードバック情報に基づく重みをかけた勤務状況に関する情報と、入力された回答文と、作成した応答文とを用い、第３学習済みモデル２８６を再学習する。これにより、新たな教師データが追加されることになり、第３学習済みモデル２８６を用いて作成される応答文の内容が、使用期間の経過とともにより適した内容となる。

また、上記実施形態では、ユーザとサーバ２０との間のチャットの内容に基づいてユーザの精神的な不調の程度を判定することはしていない。しかしながら、ユーザとサーバ２０との間のチャットの内容に基づいてユーザの精神的な不調の程度を判定するようにしてもよい。このとき、記憶部２０２は、例えば、第４学習済みモデルを記憶している。第４学習済みモデルは、例えば、ユーザとサーバ２０との間のチャットの内容に基づき、ユーザの精神的な不調の程度を判定する際に用いられるモデルである。第４学習済みモデルは、ユーザから入力される回答に対し、精神的な不調の程度を出力するように学習されている。このとき、学習用データは、例えば、精神的な不調が危惧される従業員から入力された過去の回答パターンを入力データとし、この入力データに対する、精神的な不調の程度の判断を正解出力データとする。チャットの内容からユーザの精神的な不調の程度を判定することで、判定した程度に応じた応答をすることが可能となる。

また、第４学習済みモデルは、ユーザの精神的な不調の程度に加え、精神的な不調がないことを判定するように学習されていてもよい。このとき、学習用データは、例えば、精神的な不調が危惧される従業員から入力された過去の回答パターンを入力データとし、この入力データに対する、精神的な不調がないとの判断を正解出力データとする。

制御部２０３は、第４学習済みモデルを、フィードバック情報を用いて再学習してもよい。

また、上記実施形態では、記憶部２０２が複数の学習済みモデルを記憶する場合を例に説明したが、記憶部２０２で記憶されるのは、学習済みモデルでなくても構わない。記憶部２０２に、所定の計算テーブル、又は所定の関数が記憶され、制御部２０３における処理において、これらのデータが使用されても構わない。

また、上記実施形態では、判定部２０３３が、第１学習済みモデル２８４を用い、ユーザが精神的な不調が危惧される、監視の対象者かどうかを判定する場合を例に説明した。しかしながら、本実施形態は、判定部２０３３が、第１学習済みモデル２８４を用い、メンタルヘルスの不調が危惧される者であるか否か、及びモチベーションの低下が危惧される者であるか否かを判定してもよい。

このとき、例えば、第１学習済みモデル２８４は、入力されるユーザに関する情報に対し、メンタルヘルスの不調が危惧されることを表す数値と、モチベーションの低下が危惧されることを表す数値とを出力するように学習されている。学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、メンタルヘルスの不調が危惧される者か否かの判断及びモチベーションの低下が危惧される者か否かの判断を正解出力データとする。

判定部２０３３は、例えば、メンタルヘルスの不調が危惧されることを表す数値と、モチベーションの低下が危惧されることを表す数値とに基づき、ユーザが、精神的な不調がない者か、メンタルヘルスの不調が危惧される者であるか、又は、モチベーションの低下が危惧される者であるかを判定する。

判定部２０３３により、ユーザが精神的な不調がない者か、メンタルヘルスの不調が危惧される者であるか、又は、モチベーションの低下が危惧される者であるかが判定されると、対話処理部２０３４は、判定結果に応じた質問文を作成する。具体的には、例えば、メンタルヘルスの不調が危惧される者用の第２学習済みモデル２８５を用い、メンタルヘルスの不調が危惧される者に対する質問文を作成し、モチベーションの低下が危惧される者用の第２学習済みモデル２８５を用い、モチベーションの低下が危惧される者に対する質問文を作成する。

また、上記実施形態では、判定部２０３３の判定結果に基づき、対話処理部２０３４から対象者へ、対象者に応じた質問文が送信される場合を説明した。しかしながら、本実施形態は、判定部２０３３の判定結果に基づき、対象者の管理者へ所定の通知が送信されるようにしてもよい。管理者は、例えば、対象者の上司、専門医、又は所定の担当者である。所定の通知は、例えば、対象者であることの通知、又は所定の情報の通知である。所定の情報の通知には、例えば、対面ミーティングが必要である旨の通知、勤務時間に関する情報の通知、又は残業を減らすべきである旨の通知等が含まれる。

以上、本開示の好ましい実施形態について説明したが、本開示は係る特定の実施形態に限定されるものではなく、本開示には、特許請求の範囲に記載された発明とその均等の範囲が含まれる。また、上記実施形態及び変形例で説明した装置の構成は、技術的な矛盾が生じない限り、適宜組み合わせ可能である。

＜付記＞
以上の各実施形態で説明した事項を、以下に付記する。

（付記１）
プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
ユーザの勤務状況に関する第１情報を取得するステップ（ステップＳ２０１）と、
前記取得した前記第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、前記ユーザが対象者であるか否かを判定するステップ（ステップＳ２０２）と、
前記ユーザが対象者である場合、前記第１情報に基づいて前記ユーザに対する質問文を作成するステップ（ステップＳ２０３）と、
作成した前記質問文を前記ユーザに向けて送信するステップ（ステップＳ２０４）と、
前記質問文に対する前記ユーザからの返答に応答するステップ（ステップＳ２０６）と、
を実行させるプログラム。

（付記２）
前記判定するステップ（ステップＳ２０２）において
前記第２情報を用いて学習された第１学習済みモデルに対して、前記第１情報を入力することで、前記ユーザが前記対象者であるか否かを判定する、（付記１）に記載のプログラム。

（付記３）
前記第１学習済みモデルは、前記過去に精神的な不調が危惧された他のユーザがストレスと感じたストレス因子を用いて学習され、
前記判定するステップ（ステップＳ２０２）において、
前記第１学習済みモデルに対して、前記第１情報を入力することで、ストレス因子を推定する、（付記２）に記載のプログラム。

（付記４）
前記第１学習済みモデルを、前記対象者であると判定したユーザからフィードバックされた情報を用いて再学習するステップを、前記プロセッサに実行させる、（付記２）又は（付記３）に記載のプログラム。

（付記５）
前記質問文を作成するステップ（ステップＳ２０３）において、
前記第２情報と、前記第２情報から想定される質問文とを用いて学習された第２学習済みモデルに対して、前記第１情報を入力することで、前記質問文を作成する、（付記１）から（付記４）のいずれかに記載のプログラム。

（付記６）
前記第２学習済みモデルは、前記過去に精神的な不調が危惧された他のユーザがストレスと感じたストレス因子を用いて学習され、
前記質問文を作成するステップ（ステップＳ２０３）において、
前記第２学習済みモデルに対して、前記第１情報と、前記判定するステップで推定したストレス因子とを入力することで、前記質問文を作成する、（付記５）に記載のプログラム。

（付記７）
前記第２学習済みモデルを、前記質問文に対して前記ユーザから返答された情報を用いて再学習するステップを、前記プロセッサに実行させる、（付記５）又は（付記６）に記載のプログラム。

（付記８）
前記質問文に対する前記ユーザからの返答に基づき、前記ユーザの精神的な不調の程度を推定するステップを、前記プロセッサに実行させる、（付記１）から（付記７）のいずれかに記載のプログラム。

（付記９）
前記質問文に対する前記ユーザからの返答に応じ、勤怠手続きを実行するステップを、前記プロセッサに実行させる、（付記１）から（付記８）のいずれかに記載のプログラム。

（付記１０）
前記作成した質問文を前記ユーザへ送信するステップ（ステップＳ２０４）において、
前記第１情報を参照し、前記ユーザが回答しやすいタイミングで前記質問文を送信する、（付記１）から（付記９）のいずれかに記載のプログラム。

（付記１１）
前記ユーザが回答しやすいタイミングとは、前記ユーザが端末を操作しつつ集中力が高くないタイミングである、（付記１０）に記載のプログラム。

（付記１２）
前記ユーザへの質問文及び前記ユーザからの返答を、個人情報に関する内容を加工して記憶するステップを、前記プロセッサに実行させる、（付記１）から（付記１１）のいずれかに記載のプログラム。

（付記１３）
前記応答するステップ（ステップＳ２０６）において
前記第２情報と、想定される返答文と、前記返答文及び前記第２情報から想定される応答文とを用いて学習された第３学習済みモデルに対して、前記第１情報及び前記ユーザからの返答を入力することで、前記ユーザへの新たな応答を作成する、（付記１）から（付記１２）の何れか１項に記載のプログラム。

（付記１４）
ユーザの勤務状況に関する第１情報を取得するステップ（ステップＳ２０１）と、
前記取得した前記第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、前記ユーザが対象者であるか否かを判定するステップ（ステップＳ２０２）と、
前記ユーザが対象者である場合、前記第１情報に基づいて前記ユーザに対する質問文を作成するステップ（ステップＳ２０３）と、
作成した前記質問文を前記ユーザに向けて送信するステップ（ステップＳ２０４）と、
前記質問文に対する前記ユーザからの返答に応答するステップ（ステップＳ２０６）と、
を実施する方法。

（付記１５）
ユーザの勤務状況に関する第１情報を取得する手段と、
前記取得した前記第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、前記ユーザが対象者であるか否かを判定する手段と、
前記ユーザが対象者である場合、前記第１情報に基づいて前記ユーザに対する質問文を作成する手段と、
作成した前記質問文を前記ユーザに向けて送信する手段と、
前記質問文に対する前記ユーザからの返答に応答する手段と
を具備するシステム。

１…システム
１０…端末装置
１２１…通信部
１３…入力装置
１３０…操作入力部
１３１…タッチ・センシティブ・デバイス
１３２…ディスプレイ
１３２１…チャット領域
１３２１Ａ…質問文
１３２１Ｂ…回答文
１４…出力装置
１４０…音声処理部
１４１…マイク
１４２…スピーカ
１５…メモリ
１５０…位置情報センサ
１６…記憶部
１６０…カメラ
１７０…記憶部
１７１…従業員情報
１８０…制御部
１８１…操作受付部
１８２…送受信部
１８３…取得部
１８４…提示部
１９…プロセッサ
２０…サーバ
２０１…通信部
２０２…記憶部
２０３…制御部
２０３１…送受信部
２０３２…取得部
２０３３…判定部
２０３４…対話処理部
２０３５…実行部
２５…メモリ
２６…ストレージ
２８１…従業員情報ＤＢ
２８２…ログ情報ＤＢ
２８３…勤務情報ＤＢ
２８４…第１学習済みモデル
２８５…第２学習済みモデル
２８６…第３学習済みモデル
２９…プロセッサ

Claims (15)

1. プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
   ユーザの勤務状況に関する第１情報を取得するステップと、
   前記取得した前記第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、前記ユーザが対象者であるか否かを判定するステップと、
   前記ユーザが対象者である場合、前記第１情報に基づいて前記ユーザに対する質問文を作成するステップと、
   作成した前記質問文を前記ユーザに向けて送信するステップと、
   前記質問文に対する前記ユーザからの返答に応答するステップと、
   を実行させるプログラム。
2. 前記判定するステップにおいて
   前記第２情報を用いて学習された第１学習済みモデルに対して、前記第１情報を入力することで、前記ユーザが前記対象者であるか否かを判定する、請求項１に記載のプログラム。
3. 前記第１学習済みモデルは、前記過去に精神的な不調が危惧された他のユーザがストレスと感じたストレス因子を用いて学習され、
   前記判定するステップにおいて、
   前記第１学習済みモデルに対して、前記第１情報を入力することで、ストレス因子を推定する、請求項２に記載のプログラム。
4. 前記第１学習済みモデルを、前記対象者であると判定したユーザからフィードバックされた情報を用いて再学習するステップを、前記プロセッサに実行させる、請求項２又は３に記載のプログラム。
5. 前記質問文を作成するステップにおいて、
   前記第２情報と、前記第２情報から想定される質問文とを用いて学習された第２学習済みモデルに対して、前記第１情報を入力することで、前記質問文を作成する、請求項１から４のいずれか１項に記載のプログラム。
6. 前記第２学習済みモデルは、前記過去に精神的な不調が危惧された他のユーザがストレスと感じたストレス因子を用いて学習され、
   前記質問文を作成するステップにおいて、
   前記第２学習済みモデルに対して、前記第１情報と、前記判定するステップで推定したストレス因子とを入力することで、前記質問文を作成する、請求項５に記載のプログラム。
7. 前記第２学習済みモデルを、前記質問文に対して前記ユーザから返答された情報を用いて再学習するステップを、前記プロセッサに実行させる、請求項５又は６に記載のプログラム。
8. 前記質問文に対する前記ユーザからの返答に基づき、前記ユーザの精神的な不調の程度を推定するステップを、前記プロセッサに実行させる、請求項１から７のいずれか１項に記載のプログラム。
9. 前記質問文に対する前記ユーザからの返答に応じ、勤怠手続きを実行するステップを、前記プロセッサに実行させる、請求項１から８のいずれか１項に記載のプログラム。
10. 前記作成した質問文を前記ユーザへ送信するステップにおいて、
    前記第１情報を参照し、前記ユーザが回答しやすいタイミングで前記質問文を送信する、請求項１から９のいずれか１項に記載のプログラム。
11. 前記ユーザが回答しやすいタイミングとは、前記ユーザが端末を操作しつつ集中力が高くないタイミングである、請求項１０に記載のプログラム。
12. 前記ユーザへの質問文及び前記ユーザからの返答を、個人情報に関する内容を加工して記憶するステップを、前記プロセッサに実行させる、請求項１から１１のいずれか１項に記載のプログラム。
13. 前記応答するステップにおいて
    前記第２情報と、想定される返答文と、前記返答文及び前記第２情報から想定される応答文とを用いて学習された第３学習済みモデルに対して、前記第１情報及び前記ユーザからの返答を入力することで、前記ユーザへの新たな応答を作成する、請求項１から１２の何れか１項に記載のプログラム。
14. ユーザの勤務状況に関する第１情報を取得するステップと、
    前記取得した前記第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、前記ユーザが対象者であるか否かを判定するステップと、
    前記ユーザが対象者である場合、前記第１情報に基づいて前記ユーザに対する質問文を作成するステップと、
    作成した前記質問文を前記ユーザに向けて送信するステップと、
    前記質問文に対する前記ユーザからの返答に応答するステップと、
    を実施する方法。
15. ユーザの勤務状況に関する第１情報を取得する手段と、
    前記取得した前記第１情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第２情報に基づき、前記ユーザが対象者であるか否かを判定する手段と、
    前記ユーザが対象者である場合、前記第１情報に基づいて前記ユーザに対する質問文を作成する手段と、
    作成した前記質問文を前記ユーザに向けて送信する手段と、
    前記質問文に対する前記ユーザからの返答に応答する手段と
    を具備するシステム。

Images