JP2022139047A - 拡張現実空間におけるジョブマッチング方法 - Google Patents

Abstract

【課題】不特定の人材の中から優秀な人材を予測する方法を提供する。【解決手段】拡張現実空間において人材を評価するジョブマッチング方法であって、撮像された現実空間に表示された人材の画像データ及び／または音声データを受信し、受信した画像データ及び／または音声データを基に人材の評価情報を生成し、前記評価情報を、撮像された現実空間に、人材とともに表示させる。【選択図】図７

Description

本発明は、拡張現実空間におけるジョブマッチング方法に関する。
方法に関する。

従来、人材評価の手法として様々な方法が用いられている。

例えば、特許文献１において、適性検査結果等の特徴情報と上司による評価等の成果情報を基にその人材のパフォーマンスを予測する方法が開示されている。

特開２０１９－１６４７３８号

しかしながら、特許文献１において開示される方法は、特定の人材について予め取得された情報に基づいてその人材に関するパフォーマンスの予測を行うことを実現可能なものの、不特定の人材の中から優秀な人材を発掘することは困難である。

そこで、本発明は、不特定の人材の中から優秀な人材を予測する方法を提供することを目的とする。

本発明の一の実施形態において、拡張現実空間において人材を評価するジョブマッチング方法であって、撮像された現実空間に表示された人材の画像データ及び／または音声データを受信し、前記受信した画像データ及び／または音声データを基に前記人材の評価情報を生成し、前記評価情報を、前記撮像された現実空間に、前記人材とともに表示させる。

本発明によれば、不特定の人材の中から優秀な人材を予測する方法を提供することを実現することができる。

第１の実施形態に係るシステム構成図を示す。 第１の実施形態に係るサーバの機能構成図を示す。 第１の実施形態に係るユーザ端末の機能構成図を示す。 第１の実施形態に係る求人者端末の機能構成図を示す。 第１の実施形態に係るユーザデータの一例を示す。 第１の実施形態に係る求人者データの一例を示す。 第１の実施形態に係る、ジョブマッチング方法のフローチャートの一例を示す。 第１の実施形態に係る、求人者端末に表示される画面の一例を示す。 第２の実施形態に係る、ジョブマッチング方法のフローチャートの一例を示す。 第２の実施形態に係る、求人者端末に表示される画面の一例を示す。

＜第１実施形態＞
本発明の第１実施形態に係るジョブマッチング方法の具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。以下の説明では、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。

図１に、本発明の第１の実施形態に係るシステム構成図を示す。図１に示すように、本実施形態に係るシステムは、サーバ端末１００と、サーバ端末１００に、インターネット等のネットワークを介して接続される、ユーザ端末２００と求人者端末３００とを含む。図１には、説明の便宜上ユーザ端末２００及び求人者端末３００を代表例として例示するが、任意の数のユーザ端末及び求人者端末がネットワークに接続可能である。また、本実施形態において、求人者端末３００は、求人者ユーザに装着され、ディスプレイを介して拡張現実空間を表示させる、例えば、スマートグラスを想定して以下説明するが、これに限定されず、ヘッドマウントディスプレイやスマートフォンのような情報端末であってもよい。

サーバ端末１００は、求人者端末２００を装着する求人者ユーザに対し、現実空間に表示された不特定のユーザ（以下、「人材」という）のうち、特定のユーザの評価情報を生成し、人材とともに評価情報を表示させることを可能とするサービスを提供することができる。

例えば、求人者ユーザは、外を歩きながら、スマートグラス内蔵のカメラにより撮像された人材の各々について、スマートグラスに内蔵されたディスプレイを介して評価情報を視認することができる。

例えば、求人者ユーザは、求人者端末３００に、サーバ端末１００または他のプラットフォームから本サービスアプリケーションをダウンロードし、アプリケーションを介して、サーバ端末１００と本サービスに関するデータを送受信することができる。または、求人者ユーザは、求人者端末３００に内蔵されたＷｅｂブラウザにより、サーバ端末１００に格納されるＷｅｂアプリケーションにアクセスすることにより、本サービスに関するデータを送受信することもできる。以下の実施形態においては、例示として、ダウンロードされたアプリケーションを介した本サービスの提供方法について説明する。

ユーザ端末２００は、潜在的な求職者（本実施形態においては、「人材」として説明する）に関連する端末を想定しており、例えばスマートフォン、タブレット、携帯端末その他情報端末としてもよいし、ワークステーションやパーソナルコンピュータのような汎用コンピュータであってもよい。

ユーザ端末２００は、潜在的な求職者（本実施形態においては、「人材」として説明する）に関連する端末を想定しており、例えば、スマートグラス、ヘッドマウントディスプレイ等の、ユーザの身体に装着し得るウェアラブルデバイスであってもよい。または、スマートフォン、タブレット、携帯端末その他情報端末としてもよいし、ワークステーションやパーソナルコンピュータのような汎用コンピュータであってもよい。

図２は、第１実施形態に係るサーバの機能構成図を示す。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。

図示されるように、サーバ端末１００は、データベース（図示せず）と接続されシステムの一部を構成する。サーバ端末１００は、例えばワークステーションやパーソナルコンピュータのような汎用コンピュータとしてもよいし、或いはクラウド・コンピューティングによって論理的に実現されてもよい。

サーバ端末１００は、少なくとも、通信部１１０、記憶部１２０、制御部１３０、等を備え、これらはバスを通じて相互に電気的に接続される。

制御部１３０は、サーバ端末１００全体の動作を制御し、各要素間におけるデータの送受信の制御、及びアプリケーションの実行及び認証処理に必要な情報処理等を行う演算装置である。例えば制御部１０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、記憶部１２０に格納され展開されたプログラム等を実行して各情報処理を実施する。

制御部１３０は、さらに、ユーザ端末２００または求人者端末３００からリクエストまたはデータ等の情報を受け付ける情報受付部１３１、人材の画像データまたは音声データを解析し、解析した画像データ等を基にその人材の評価情報を生成する評価情報生成部１３２、求人者と人材とのマッチングを処理するマッチング処理部１３３等を有する。

記憶部１２０は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性記憶装置で構成される主記憶と、フラッシュメモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等の不揮発性記憶装置で構成される補助記憶と、を含む。メモリ１１は、プロセッサ１０のワークエリア等として使用され、また、サーバ端末１００の起動時に実行されるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）、及び各種設定情報等を格納する。また、各処理に用いられるデータを格納したデータベース（図示せず）が記憶部１２０またはサーバ端末１００外部に構築されていてもよい。

記憶部１２０は、さらに、人材に関連するデータを格納するユーザデータ格納部１２１、求人者に関連するデータを格納する求人者データ格納部１２２、ユーザから取得した顔または容姿の画像及び／または音声に基づいて生成した学習モデルを格納する学習モデル格納部１２３を有する。

通信部１１０は、サーバ端末１００をネットワークに接続する。なお、送受信部１３は、Ｂｌｕｅｔｏｏｔｈ（登録商標）及びＢＬＥ（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）の近距離通信インターフェースを備えていてもよい。

なお、サーバ端末１００によって格納されるデータまたは実現される機能は、求人者端末３００の記憶部または制御部等によってローカルで格納または実現することができる。

図３は、第１実施形態に係るユーザ端末の機能構成図を示す。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。

ユーザ端末２００は、前述の通り、様々な情報端末や汎用コンピュータとすることができるか、以下、スマートフォンを例に説明する。ユーザ端末２００は、少なくとも、通信部２１０、表示操作部２２０、記憶部２３０、制御部２４０等を備え、これらはバスを通じて相互に電気的に接続される。

制御部２４０は、ユーザ端末２００全体の動作を制御し、各要素間におけるデータの送受信の制御、及びアプリケーションの実行及び認証処理に必要な情報処理等を行う演算装置である。例えば制御部２４０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、記憶部２３０に格納され展開されたプログラム等を実行して各情報処理を実施する。

記憶部２４０は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性記憶装置で構成される主記憶と、フラッシュメモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等の不揮発性記憶装置で構成される補助記憶と、を含む。記憶部２４０は、制御部２４０のワークエリア等として使用され、また、ユーザ端末２の起動時に実行されるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）、及び各種設定情報等を格納する。

また、記憶部２３０は、アプリケーション・プログラム等の各種プログラムを格納する。各処理に用いられるデータを格納したデータベース（図示せず）が記憶部２３０の外部に構築されていてもよい。

通信部２１０は、ユーザ端末２００をネットワークに接続する。なお、送受信部２３は、Ｂｌｕｅｔｏｏｔｈ（登録商標）及びＢＬＥ（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）の近距離通信インターフェースを備えていてもよい。

表示操作部２２０は、人材が指示を入力し、制御部２４０からの入力データに応じてテキスト、画像等を表示するために用いられるユーザインターフェースであり、本端末がパーソナルコンピュータで構成されている場合はディスプレイとキーボードやマウスにより構成され、スマートフォンまたはタブレット端末で構成されている場合はタッチパネル等から構成される。表示操作部を介して、人材は、所定の情報の入力のため、キーボードの場合は、キーボードの押下、マウスの場合は、マウスによりカーソルの移動、タッチパネルの場合は、タップ、スワイプ、ピンチ操作等を行うことができる。

図４は、第１実施形態に係る求人者端末の機能構成図を示す。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。

求人者端末３００は、前述の通り、様々な情報端末や汎用コンピュータとすることができるか、以下、求人者ユーザに装着可能な眼鏡状のデバイスであって、グラス部分をディスプレイとして拡張現実空間を表示させるスマートグラスを例に説明する。求人者端末３００は、少なくとも、通信部３１０、ディスプレイ３２０、記憶部３３０、カメラ３５０、制御部３６０、等を備え、これらはバスを通じて相互に電気的に接続される。

制御部３６０は、求人者端末３００全体の動作を制御し、各要素間におけるデータの送受信の制御、及びアプリケーションの実行及び認証処理に必要な情報処理等を行う演算装置である。例えば制御部３６０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、記憶部３３０に格納され展開されたプログラム等を実行して各情報処理を実施する。

記憶部３３０は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性記憶装置で構成される主記憶と、フラッシュメモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等の不揮発性記憶装置で構成される補助記憶と、を含む。記憶部２４０は、制御部２４０のワークエリア等として使用され、また、ユーザ端末２の起動時に実行されるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）、及び各種設定情報等を格納する。

また、記憶部３３０は、アプリケーション・プログラム等の各種プログラムを格納する。各処理に用いられるデータを格納したデータベース（図示せず）が記憶部３３０の外部に構築されていてもよい。

通信部３１０は、求人者端末３００をネットワークに接続する。なお、送受信部２３は、Ｂｌｕｅｔｏｏｔｈ（登録商標）及びＢＬＥ（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）の近距離通信インターフェースを備えていてもよい。

ディスプレイ３２０は、後述のカメラ３５０によって撮像された現実空間を表示するために用いられるユーザインターフェースであり、現実空間に対してテキストや画像等のデータを重畳して表示させることが可能である。ディスプレイ３２０は、スマートグラスの場合、例えば、ＬＣＤまたは有機ＥＬ等のディスプレイとすることができ、ディスプレイ３２０はまた、カメラ３５０のファインダとして機能することもできる。

さらに、求人者端末３００は、カメラ３５０を備える。カメラ２６は、求人者端末３００に内蔵され、現実空間を撮像し、通常、求人者端末３００を装着する求人者ユーザの視線方向と一致するように備えられる。

カメラ３５０により撮像された現実空間の画像は、（図示しない）画像制御部により、テキストや画像等のデータと合成され、ディスプレイ３２０により、現実空間の画像にテキストや画像等が重畳して表示される。画像制御部は、例えば、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、主に画像処理に係る演算処理を実行する。また、求人者端末３００は、マイク３７０を備える。マイク３７０は、求人者端末３００に内蔵され、端末３００周辺の音声を集音することができる。

その他、図示しないが、求人者端末３００は、現在位置情報を測位するＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を備えることができる。ＧＰＳは、ＧＰＳ衛星から測位用の電波を受信し、絶対位置となる緯度経度情報を測位することができる。また、複数の携帯電話用の基地局から通信電波を受信し、複数基地局測位機能によって現在位置情報を測位することもできる。その他、求人者端末は、図示しない、加速度センサや地磁気センサ等のセンサを備えることもできる。

図５は、サーバ端末１００に格納されるユーザデータの一例を示す図である。

図５に示すユーザデータ１０００は、人材に関連する各種データを格納する。図５において、説明の便宜上、一人材（ユーザＩＤ「１０００１」で識別される人材）の例を示すが、複数の人材の情報を格納することができる。人材に関連する各種データとして、例えば、人材と関連付けられる画像データ（以下、「画像データ」は動画像データも含む）、音声データ等、評価情報（その人材の就職または転職市場における市場価値を示す評価に係る情報）、及びその他の付加的な情報（人材の氏名、連絡先、プロフィール（趣味、特技、嗜好等）、年収、現職または過去の職場におけるパフォーマンス（成果）、職歴、経歴、就職または転職の活動ステータス（就職または転職活動中、就職または転職済等）、適性に関する情報（ヴァイタリティ、人あたり、チームワーク、創造的思考力、問題解決力等））を含むことができる。上記付加的な情報は、人材によりユーザ端末２００を介して入力または選択された情報、ＳＮＳ等のアプリケーション等によって管理される情報をサーバ端末１００が受信することで、ユーザデータ１０００として格納することができる。また、ユーザデータ１０００として取得された、及び／または、求人者によって入力された、人材に関連づけられた顔画像または容姿画像等の画像データまたは音声データによる入力と、評価情報及び／または付加情報として管理される情報による出力を学習データとして生成された学習モデルを学習モデル格納部１２３に格納することができる。この学習モデルに基づいて、新たな人材に関連付けられた画像データ及び／または音声データを基に評価情報を生成することもできる。

図６は、サーバ端末１００に格納される求人者データの一例を示す図である。

図６に示す求人者データ２０００は、求人者に関連する各種データを格納する。図６において、説明の便宜上、一求人者（求人者ＩＤ「２０００１」で識別される求人者）の例を示すが、複数の利用者の情報を格納することができる。求人者に関連する各種データとして、例えば、求人者の基本情報（会社名、業種、設立年月日、所在地、 従業員数、会社ＨＰのＵＲＬ、その他会社紹介文等）、求人情報（ 求める人物像、勤務時間、年間休日数、待遇（給与等）、福利厚生、勤務地、契約 形態（雇用（正社員 、契約社員）、業務委託 等）等）等の情報を格納することができる。その他、適性試験（求人者企業に属する社員の（企業全体、部署別等の）適性試験のスコア、適性試験によって測られる特性（問題解決力、ヴァイタリティ 、人あたり 、チームワーク 、マネジメント力、ストレス要因 、上下関係性 等）別のスコア）等、各種試験結果、内容等を格納することもできる。これらの情報は、人材に関連して上記付加情報のような人材に関連するより具体的な情報に基づいたジョブマッチングのために用いることができる。

＜処理の流れ＞
図７を参照しながら、本実施形態のシステム１が実行する人材と求人者とのマッチング方法の処理の流れについて説明する。図７は、本発明の第一実施形態に係る、マッチング方法に係るフローチャートの一例である。

ここで、本システム１を利用するために、少なくとも求人者（もしくは求人者企業の社員）は、求人者端末３００（もしくは求人者企業のいずれかの部署に属する社員の各々の端末）の各々のウェブブラウザまたはアプリケーション等を利用してサーバ端末１００にアクセスし、初めてサービスを利用する場合は、求人者基本情報等を各々入力し、既に求人者のアカウントを取得済の場合は、例えばＩＤとパスワードを入力する等の所定の認証を受けてログインすることで、サービスが利用可能となる。この認証後、ウェブサイト、アプリケーション等を介して求人者端末３００のディスプレイ等において所定のユーザインターフェースが提供され、図７に示すステップＳ１０１へ進む。

まず、ステップＳ１０１の処理として、サーバ端末１００は、通信部１１０を介して、求人者端末３００から画像データ及び／または音声データを受信する。例えば、求人者ユーザが、求人者端末３００を装着し、ディスプレイ３２０を介して一または複数名の人材を視界に捉えることで、求人者端末３００のカメラ３５０により撮像された画像データがサーバ端末１００に送信される。また、求人者端末３００に内蔵されたマイク３７０により集音された人材の音声データがサーバ端末１００に送信される。

続いて、ステップＳ１０２の処理として、サーバ端末１００の制御部１３０の評価情報生成部１３２は、受信した画像データ及び／または音声データを解析する。具体的に、評価情報生成部１３２は、画像データ及び／または音声データに含まれる各々の人材の画像または音声の特徴量を抽出する。特徴量の抽出するに際しては、既知のアルゴリズム、例えば、ＳＩＦＴ（Ｓｃａｌｅ－Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍ）やＨＯＧ（Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）が用いられ、画像データ及び／または音声データから特徴点を検出し、画像の場合は、特徴点の画素値や微分値から、また、音声の場合は、特徴点の周波数から、特徴量を算出する。

続いて、ステップＳ１０３の処理として、サーバ端末１００の制御部１３０の評価情報生成部１３２は、解析された画像データ及び／または音声データに基づいて、人材の評価情報を生成する。具体的には、評価情報生成部１３２は、算出された特徴量を入力データとして、学習モデル格納部１２３に格納された、複数の人材に関連づけられた画像データまたは音声データによる入力データと、評価情報及び／または付加情報として管理される情報による出力データとを学習データとして生成された学習モデルに基づいて、評価情報を生成する。ここで評価情報は、その人材の就職または転職市場における人材的な価値を測る情報をさし、例えば、年収を基準として、「年収８５０万円クラスの人材」、「年収１０００万円クラスの人材」とする評価情報であったり、パフォーマンスを基準として、特定の企業の部門に所属する人材を基準とした、「ハイパフォーマ」、「ローパフォーマ」といった評価情報とすることができる。本システム１は、事前に、学習データとして、サンプルとなる複数の人材に関連するデータ、例えば、人材の画像データ及び／または音声データを入力データとし、その人材の評価に関連する情報、例えば、その人材の職種、所属企業、年収、所属先におけるパフォーマンス、役職、適性試験結果等の情報を出力データとする学習モデルを生成することで、この学習モデルと、新規に撮像した人材の画像データ及び／または集音した人材の音声データの特徴量とに基づいて、その人材の評価情報、例えば、想定年収、パフォーマンス及び／または役職を推論することができる。このように、画像データとして捉えられる人材の身長、外見、動き等に基づいて、類似する人材の年収、パフォーマンス、役職等の評価情報を推論することができる。

また、本ステップにおいて、別の例として、事前に取得された、人材とは異なる他のユーザ、例えば、求人企業に所属するハイパフォーマ等の顔画像データ及び／または音声データ、及びコンピタンス等の適性データ（例えば、ヴァイタリティ、人当たり、チームワーク、創造的思考力、問題解決力等）に基づいて生成された学習モデルに基づいて、人材の顔画像データ及び／または音声データを解析することで、その人材のコンピタンスの評価を（例えば、ヴァイタリティ、人当たり、チームワーク、創造的思考力、問題解決力等の各項目を１０段階評価にて行うことで）推測し、推測されたコンピタンスに基づいて、求人企業に所属するハイパフォーマのコンピタンスと比較し、類似度を判定することで、求人企業とのマッチ度を算出することができる。そして、人材について推測されたコンピタンスの各項目の評価情報を求人者端末３００のディスプレイ３２０に、人材とともに表示し、さらに、マッチ度を表示させることができる。

続いて、ステップＳ１０４として、評価情報生成部１３２は、生成された評価情報を求人者端末３００のディスプレイ３２０に表示させる処理を行う。具体的には、評価情報生成部は、生成された評価情報（例えば、人材の市場価値として、「年収レベルが８５０万円である」といった情報））を求人者端末３００に送信し、求人者端末３２０は、カメラ３５０によって撮像され、ディスプレイ３２０に表示された現実世界における人材とともに、評価情報を表示させる処理を行う。

図８に、求人者端末３００に表示される評価情報の一例を示す。ディスプレイ３２０には、求人者端末３００のカメラ３５０によって撮像された、求人者ユーザの視界として捉えられる現実空間が表示され、現実空間内に配置される各々の人材の近傍に、その人材の評価情報、例えば、「市場価値 １０００万円」といった情報が表示される。

以上のように、本実施形態によれば、求人者ユーザは、例えば、街角のような、不特定の人材が行き来するような日常空間において、求人者の希望条件にマッチするような人材を見つけ出すことができ、潜在的な人材に対して早めにアプローチすることができる。

＜第２実施形態＞
図９は、第２の実施形態に係る、ジョブマッチング方法のフローチャートの一例を示す。本実施形態は、人材に関する情報または求人に関する情報を事前に格納しておくことで、人材の画像データまたは音声データに基づいて、人材の評価情報を生成しながら、求人情報にマッチする人材を抽出し、求人者ユーザに対して識別可能に表示させる機能に関するものである。サーバ端末１００、ユーザ端末２００、求人者端末３００の機能構成については、第１実施形態において説明されたものと実質的に同じであるので、説明を省略する。

まず、ステップＳ２０１の処理として、サーバ端末１００は、通信部１１０を介して、求人者端末３００から画像データ及び／または音声データを受信する。例えば、求人者ユーザが、求人者端末３００を装着し、ディスプレイ３２０を介して一または複数名の人材を視界に捉えることで、求人者端末３００のカメラ３５０により撮像された画像データがサーバ端末１００に送信される。また、求人者端末３００に内蔵されたマイク３７０により集音された人材の音声データがサーバ端末１００に送信される。

続いて、ステップＳ２０２の処理として、サーバ端末１００の制御部１３０の評価情報生成部１３２は、受信した画像データ及び／または音声データを解析する。具体的に、評価情報生成部１３２は、画像データ及び／または音声データに含まれる各々の人材の画像または音声の特徴量を抽出する。特徴量の抽出するに際しては、既知のアルゴリズム、例えば、ＳＩＦＴ（Ｓｃａｌｅ－Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍ）やＨＯＧ（Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）が用いられ、画像データ及び／または音声データから特徴点を検出し、特徴点の画素値や微分値から特徴量を算出する。

続いて、ステップＳ２０３の処理として、サーバ端末１００の制御部１３０の評価情報生成部１３２は、解析された画像データ及び／または音声データに基づいて、人材の評価情報を生成する。具体的には、評価情報生成部１３２は、算出された特徴量を入力データとして、学習モデル格納部１２３に格納された、複数の人材に関連づけられた画像データまたは音声データによる入力データと、評価情報及び／または付加情報として管理される情報による出力データとを学習データとして生成された学習モデルに基づいて、評価情報を生成する。ここで評価情報は、その人材の就職または転職市場における人材的な価値を測る情報をさし、例えば、年収を基準として、「年収８５０万円クラスの人材」、「年収１０００万円クラスの人材」とする評価情報であったり、パフォーマンスを基準として、特定の企業の部門に所属する人材を基準とした、「ハイパフォーマ」、「ローパフォーマ」といった評価情報とすることができる。本システム１は、事前に、学習データとして、サンプルとなる複数の人材に関連するデータ、例えば、人材の画像データ及び／または音声データを入力データとし、その人材の評価に関連する情報、例えば、その人材の職種、所属企業、年収、所属先におけるパフォーマンス、役職等の情報を出力データとする学習モデルを生成することで、この学習モデルと、新規に撮像した人材の画像データ及び／または集音した人材の音声データの特徴量とに基づいて、その人材の評価情報、例えば、想定年収、パフォーマンス及び／または役職を推論することができる。このように、画像データとして捉えられる人材の身長、外見、動き等に基づいて、類似する人材の年収、パフォーマンス、役職等の評価情報を推論することができる。

続いて、ステップＳ２０４として、評価情報生成部１３２は、生成された評価情報を基に、ユーザデータ１０００または求人者データ２０００として格納される情報に基づいて、人材と求人者とをマッチングさせる処理を行う。例えば、上記ステップＳ２０３において生成された評価情報が、各々「この人材は年収９５０万円以上」、「この人材は年収１０００万円以上」であるときに、評価情報生成部１３２は、求人者データ２０００を参照し、求人情報に含まれる想定年収（給与）に基づいて、求人者とマッチする人材を抽出する。例えば、求人情報に含まれる想定年収が「９００万円以上９５０万円以下」の範囲であれば、その範囲の評価情報を有する人材を抽出することができる。または、評価情報生成部１３２は、ユーザデータ１０００に含まれる人材の職歴や転職活動ステータスを参照し、また、求人者データ２０００に含まれる基本情報や求人情報を参照し、その求人者にマッチする人材を抽出することができる。例えば、求人者データ２０００の基本情報に含まれる業種が「ＩＴ、ソフトウェア」であって、ユーザデータ１０００の付加情報に含まれる職歴において、その人材が同じ業界での就労歴があれば、そのような人材を抽出することができる。また、評価情報生成部１３２は、ユーザデータ２０００の転職活動ステータスを参照し、「転職活動中」の人材のみを抽出することができる。

続いて、ステップＳ２０５として、評価情報生成部１３２は、マッチング処理の結果を求人者端末３００のディスプレイ３２０に表示させる処理を行う。具体的には、評価情報生成部は、マッチング処理の結果抽出された人材のみの評価情報（例えば、人材の市場価値として、「年収レベルが９５０万円である」といった情報））を求人者端末３００に送信し、求人者端末３２０は、カメラ３５０によって撮像され、ディスプレイ３２０に表示された現実世界における人材とともに、評価情報を表示させる処理を行う。

図１０に、求人者端末３００に表示される評価情報の一例を示す。ディスプレイ３２０には、求人者端末３００のカメラ３５０によって撮像された、求人者ユーザの視界として捉えられる現実空間が表示され、現実空間内に配置される各々の人材の近傍に、その人材の評価情報、例えば、「９５０万円」、「ＩＴコンサルタント」、「転職活動中」といった情報が表示される。ここで、評価情報は、求人者にマッチする人材のみ表示され、求人者は、マッチする人材を容易に見つけ出すことができる。また、表示方法として、所定のアイコン（例えば、図１０に示す矢印）や色彩、演出を用いることで、マッチする人材を識別可能に表示させることもできる。

以上のように、本実施形態によれば、評価情報とともに、人材及び／または求人者に関する情報に基づいて、人材と求人者とのマッチング精度を高めつつ、求人者ユーザは、求人者の希望条件にマッチするような人材をより容易に見つけ出すことができ、潜在的な人材に対して早めにアプローチすることができる。

また、変形例として、本実施形態を、ＰＣやスマートフォン等の求人者端末３００に、ビデオ会議アプリケーション等を介して表示されるユーザの顔画像データ及び／または音声データを取得することで適用することもできる。具体的には、採用面接等の場における候補者ユーザについて、事前に、付加情報として氏名、プロフィール、年収、パフォーマンス、職歴、経歴、適性等の情報を取得し、他のユーザの顔画像及び／または音声データ、及び付加情報に基づいて生成された学習モデルに基づいて、候補者ユーザの顔画像及び／または音声データを解析することで、評価情報を生成し、求人者とのマッチングを行うことができる。このように、拡張現実空間に限らず、ＰＣやスマートフォン等の求人者端末を通じて取得されるユーザの顔画像データ及び／または音声データに基づいて評価情報を生成することができる。

上述した実施の形態は、本発明の理解を容易にするための例示に過ぎず、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良することができると共に、本発明にはその均等物が含まれることは言うまでもない。

１００ サーバ端末
２００ ユーザ端末
３００ 求人者端末

Claims (5)

1. 拡張現実空間において人材を評価するジョブマッチング方法であって、
   撮像された現実空間に表示された人材の画像データ及び／または音声データを受信し、
   前記受信した画像データ及び／または音声データを基に前記人材の評価情報を生成し、
   前記評価情報を、前記撮像された現実空間に、前記人材とともに表示させる方法。
2. 前記評価情報は、他の人材の画像データ及び／または音声データ、及び評価データを基に評価することを特徴とする、請求項１に記載の方法。
3. 前記評価データは、年収、パフォーマンス、職歴、経歴のいずれかを含む、請求項１に記載の方法。
4. 前記人材の転職ステータス情報を受信し、
   前記転職ステータス情報に基づいて、前記人材を識別させるよう表示させる、請求項１に記載の方法。
5. 求人者端末から求人情報を受信し、
   前記求人情報に含まれる条件を基に、前記条件にマッチする人材を識別させるよう表示させる、請求項１に記載の方法。
   
   
   
   
   
   
   
   
   
   
   
   
   
   

Images