JP2023011488A - システム、情報処理装置、方法、プログラム - Google Patents

Abstract

【課題】 より効果的な職業訓練を実施する。【解決手段】 職業訓練に関する第１画像を表示する手段と、職業訓練を受講する受講者からの操作を受け付ける手段と、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得する手段と、第１生体情報から受講者のストレスに関する第１値を算出する手段と、第１値に基づいて職業訓練と対応する業務についての受講者の特性を推定する手段とを具備するシステム。【選択図】図８

Description

本開示は、システム、情報処理装置、方法、プログラムに関する。

被測定者の体に装着されたセンシングデバイスにより取得される生体情報から、被測定者のストレスのレベル等の心身の状態を分析する技術の開発が進んでいる。特許文献１では、センサを有する生体情報取得デバイスを用い、ユーザの脈拍、発熱、発汗等のバイタルサインを測定し、測定したバイタルサインに基づいてストレス評価値を推定する。

特開２０２０－０１０８８１号公報

従業員が健全に勤務できるように、例えば、上記のようなデバイスを利用してストレスを管理することはある。しかしながら、携わる職が自身にあっているかをストレスの度合いに基づいて評価することはされていない。

本開示の目的は、より効果的な職業訓練を実施することである。

職業訓練に関する第１画像を表示する手段と、職業訓練を受講する受講者からの操作を受け付ける手段と、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得する手段と、第１生体情報から受講者のストレスに関する第１値を算出する手段と、第１値に基づいて職業訓練と対応する業務についての受講者の特性を推定する手段とを具備するシステム。

本開示によれば、より効果的な職業訓練を実施できる。

システム１のハードウェア構成の例を示すブロック図である。 図１に示す本体装置１１のハードウェア構成の例を示すブロック図である。 図１及び図２に示す訓練装置１０の構成例を表すブロック図である。 サーバ２０の機能的な構成の例を示す図である。 従業員情報ＤＢ２０２１のデータ構造を示す図である。 訓練情報ＤＢ２０２２のデータ構造を示す図である。 コンテンツ情報ＤＢ２０２３のデータ構造を示す図である。 作業者が訓練装置１０を用いた職業訓練を実施する際の構成の例を表す模式図である。 図８に示す訓練装置１０が職業訓練を受講者に実施させる際の動作の例を表すフローチャートである。 図９に示す訓練中の訓練装置１０の動作の例を表すフローチャートである。 図８に示す端末装置３０のディスプレイで表示される画像の例を表す模式図である。 図８に示すサーバ２０が受講者の特性、及び習熟度を評価する際の動作の例を表すフローチャートである。 図８に示す端末装置３０のディスプレイで表示される画像の例を表す模式図である。 訓練装置１０によるハンドトラッキング機能を表す模式図である。 図８に示す端末装置３０のディスプレイで表示される画像の例を表す模式図である。

以下、図面を参照しつつ、本開示の実施形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

＜概略＞
本実施形態に係るシステムは、仮想的な職業訓練を受ける作業者が、職業訓練で受けたストレスをリアルタイムで計測する。システムは、職業訓練で得られた作業者の特徴、及び所定の業務についての習熟度等を管理する。システムは、管理する情報に基づいて作業者の業務を決定する。例えば、システムは、管理する情報に基づいて作業者の配属、又はシフトを決定する。

＜１ システム全体の構成図＞
図１は、システム１のハードウェア構成の例を示すブロック図である。図１に示すシステム１は、例えば、訓練装置１０、サーバ２０、及び端末装置３０を含む。訓練装置１０、サーバ２０、及び端末装置３０は、例えば、ネットワーク８０を介して通信接続する。

図１において、システム１が訓練装置１０を１台含む例を示しているが、システム１に含まれる訓練装置１０の数は、１台に限定されない。システム１に含まれる訓練装置１０は、２台以上であってもよい。

本実施形態において、複数の装置の集合体を１つのサーバとしてもよい。１つ又は複数のハードウェアに対して本実施形態に係るサーバ２０を実現することに要する複数の機能の配分の仕方は、各ハードウェアの処理能力及び／又はサーバ２０に求められる仕様等に鑑みて適宜決定することができる。

図１に示す訓練装置１０は、例えば、仮想的な職業訓練を受ける作業者が利用する装置である。訓練装置１０は、例えば、本体装置１１、コントローラ１０１、発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４を有する。

本体装置１１は、職業訓練に関するＶＲ（Virtual Reality）映像を表示可能な装置である。職業訓練に関するＶＲ映像は、実際の作業現場を模して作成された映像である。ＶＲ映像には、人物をかたどったアバターが表示されており、職業訓練の受講者がそのアバターとして映像内の事象を体感可能な画像構成となっている。ＶＲ映像内のアバターは、受講者からの操作に応じて歩いたり、物体に対して所定の動作をしたりする。職業訓練に関するＶＲ映像には、例えば、業種、又は業務（作業）内容に応じた複数の職業訓練コースが存在する。職業訓練コースでは、例えば、コースの内容に応じた複数の任務が予め設定されており、受講者は、アバターを操作し、設定された任務をこなしていく。

本体装置１１は、例えば、ＨＭＤ（Head Mount Display）により実現される。なお、職業訓練に関する映像は、ＶＲ映像に限定されず、一般的な２次元の映像であってもよい。職業訓練が一般的な２次元の映像を用いて行われる場合、本体装置１１は、例えば、据え置き型のＰＣ（Personal Computer）、ラップトップＰＣであってもよい。

コントローラ１０１は、職業訓練を受けるために本体装置１１を装着する受講者により把持され、受講者からの入力を受け付ける装置である。コントローラ１０１の形状は任意の形状であって構わない。例えば、コントローラ１０１は、左手用のコントローラと、右手用のコントローラとが分離し、それぞれの手で操作可能な形状であってもよい。また、コントローラ１０１は、片手のみで操作可能な形状であってもよい。また、コントローラ１０１は、両手で操作可能な形状であってもよい。例えば、コントローラ１０１は、テレビゲームを操作するためのコントローラのような形状をしていてもよいし、ハンドルのような形状をしていてもよい。

発汗量センサ１０２は、手のひら、又は指の発汗量を測定するセンサである。発汗量センサ１０２は、生体情報を取得するセンサの一例である。発汗量センサ１０２は、小型化、及び低価格化が可能な構造をしている。例えば、発汗量センサ１０２は、生体（手のひら、又は指）を含んで形成される空間の湿度に基づいて発汗量を測定する。

具体的には、例えば、発汗量センサ１０２は、一面を生体で塞ぐように空間を形成する部材と、当該空間へ空気を供給する吸気経路と、空間から空気を排気する排気経路とを有する。吸気経路と、排気経路とにはそれぞれ湿度センサが設けられる。発汗量センサ１０２は、空間へ供給される空気の湿度と、空間から排気される空気の湿度とに基づき、生体から空間へ気化した汗の量を算出する。これにより、発汗量センサ１０２は、発汗量を取得する。

発汗量センサ１０２は、例えば、コントローラ１０１に設けられる。例えば、受講者が把持するコントローラ１０１の領域に、発汗量センサ１０２の空間を形成する部材が設けられる。これにより、発汗量センサ１０２は、受講者がコントローラ１０１を把持して使用する際に、受講者の発汗量を測定することが可能となる。

コントローラ１０１が、左手用のコントローラと、右手用のコントローラとで分離しており、それぞれの手で操作可能な形状である場合、発汗量センサ１０２は、例えば、いずれか一方のコントローラに設けられる。このとき、利き手ではない方の手で把持されるコントローラに発汗量センサ１０２が設けられることが望ましい。なお、発汗量センサ１０２は、コントローラ１０１に設けられず、別途受講者に装着されてもよい。

脈波センサ１０３は、受講者の脈波を測定する。脈波センサ１０３は、生体情報を取得するセンサの一例である。脈波センサ１０３は、例えば、受講者の指に取り付けられ、予め設定された周期で脈波を測定する。発汗量センサ１０２が、独立して受講者の指に装着される場合、脈波センサ１０３は、例えば、発汗量センサ１０２が装着される指とは異なる指に装着される。なお、脈波センサ１０３は、脈波が測定可能出れば、指以外に取り付けられてもよい。また、温度センサ１０４が設けられている場合は、脈波センサ１０３は、設けられていなくても構わない。

温度センサ１０４は、受講者の体温を測定する。温度センサ１０４は、生体情報を取得するセンサの一例である。温度センサ１０４は、例えば、コントローラ１０１に設けられ、予め設定された周期で体温を測定する。なお、温度センサ１０４は、コントローラ１０１に設けられず、別途受講者に装着されてもよい。また、脈波センサ１０３が設けられている場合は、温度センサ１０４は、設けられていなくても構わない。

図２は、図１に示す本体装置１１のハードウェア構成の例を示すブロック図である。図２に示す本体装置１１は、例えば、通信ＩＦ（Interface）１２と、出力装置１４と、メモリ１５と、ストレージ１６と、プロセッサ１９とを備える。

通信ＩＦ１２は、訓練装置１０が、例えば、サーバ２０、コントローラ１０１、発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４等のシステム１内の装置と通信するため、信号を入出力するためのインタフェースである。

出力装置１４は、ユーザに対して情報を提示するための装置（ディスプレイ、スピーカー等）である。

メモリ１５は、プログラム、及びプログラム等で処理されるデータ等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である。

ストレージ１６は、データを保存するためのものであり、例えばフラッシュメモリ、ＨＤＤ（Hard Disc Drive）である。

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。

図１に示すサーバ２０は、例えば、作業者である従業員に関する情報を管理する。具体的には、例えば、サーバ２０は、従業員の特性、従業員の業務についての習熟度等を管理する。本実施形態において、従業員の特性は、例えば、以下の要素を含む。
・ストレスを感じやすい業務（作業）
・苦手、又は得意な業務（作業）
・連続して業務（作業）に携われる時間
・業務（作業）への適性

サーバ２０は、例えば、ネットワーク８０に接続されたコンピュータにより実現される。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、例えば、訓練装置１０等のシステム１内の装置と通信するため、信号を入出力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、及び、ユーザに対して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、及び、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である。

ストレージ２６は、データを保存するためのものであり、例えばフラッシュメモリ、ＨＤＤである。

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、周辺回路等により構成される。

図１に示す端末装置３０は、例えば、職業訓練の管理者、又は従業員の業務を管理する管理者が使用する端末である。端末装置３０は、例えば、据え置き型のＰＣ（Personal Computer）、又はラップトップＰＣ等により実現される。また、端末装置３０は、スマートフォン、タブレット等の携帯端末でも構わない。

端末装置３０は、管理者からの要求を受け付け、受け付けた要求をサーバ２０へ送信する。端末装置３０は、要求に応じてサーバ２０から出力される情報を受信し、受信した情報を管理者へ提示する。

＜１．１ 訓練装置の構成＞
図３は、図１及び図２に示す訓練装置１０の構成例を表すブロック図である。図３に示す訓練装置１０は、本体装置１１、コントローラ１０１、発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４を備える。図３に示すように、本体装置１１は、通信部１２０、出力装置１４、音声処理部１７、マイク１７１と、スピーカー１７２、カメラ１６０、モーションセンサ１５０、記憶部１８０、及び制御部１９０を備える。訓練装置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１２０は、訓練装置１０が他の装置と通信するための変復調処理等の処理を行う。通信部１２０は、制御部１９０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１２０は、外部から受信した信号に受信処理を施し、制御部１９０へ出力する。図３では、一つの通信部１２０を記載しているが、訓練装置１０で対応可能な通信規格が一つであることを表すものではない。訓練装置１０は、既存の複数の通信規格に対応可能である。

出力装置１４は、訓練装置１０を装着するユーザへ情報を提示するための装置である。出力装置１４は、例えば、ユーザが頭に本体装置１１を装着することによりその眼前に位置する有機ＥＬパネル等の表示パネル１４１に画像を表示する表示装置である。例えば左右の視点から見た視差画像を生成し、表示画面を２分割してなる左右の領域にそれぞれ表示させることにより、画像を立体視させてもよい。なお、表示画面全体に１つの画像を表示させてもよい。表示パネル１４１は、例えば、制御部１９０の制御に応じた画像を表示する。

音声処理部１７は、例えば、音声信号のデジタル－アナログ変換処理を行う。音声処理部１７は、マイク１７１から与えられる信号をデジタル信号に変換して、変換後の信号を制御部１９０へ与える。また、音声処理部１７は、音声信号をスピーカー１７２へ与える。音声処理部１７は、例えば音声処理用のプロセッサによって実現される。マイク１７１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１７へ与える。スピーカー１７２は、音声処理部１７から与えられる音声信号を音声に変換して当該音声を訓練装置１０の外部へ出力する。

カメラ１６０は、受光素子により光を受光し、撮影信号として出力するためのデバイスである。カメラ１６０は、例えば、本体装置１１の前方を撮影可能な位置、例えば、装着者の視線方向を撮影可能な位置に設置される。カメラ１６０により撮影された画像は、例えば、ユーザの動きを読み取るために使用される。ユーザの動きを検知するセンサが本体装置１１とは別に設けられる場合は、カメラ１６０は設けられていなくてもよい。

モーションセンサ１５０は、加速度センサ、角速度センサ、磁気センサ等を含み、本体装置１１を装着する受講者の動きを検知する。例えば、モーションセンサ１５０は、訓練装置１０により職業訓練を実施する受講者の加速度を検知する。また、モーションセンサ１５０は、受講者の頭の回転、及び向きの変化を検知する。本体装置１１には、本体装置１１の位置をトラッキングするセンサが含まれていてもよい。これらセンサからの出力を利用することで、受講者の頭の動きを特定し、リアルタイムで受講者のビューと同期させることが可能となる。

記憶部１８０は、例えば、メモリ１５、及びストレージ１６等により実現され、訓練装置１０が使用するデータ、及びプログラムを記憶する。記憶部１８０は、例えば、従業員情報１８１、訓練情報１８２、及びコンテンツ情報１８３を記憶する。

従業員情報１８１は、例えば、訓練装置１０を使用する受講者としての従業員についての情報を含む。従業員についての情報は、例えば、従業員を識別する情報、従業員の氏名、性別、入社年月日、及び業務内容についての特性、業務内容についての習熟度を含む。業務内容についての特性、及び業務内容についての習熟度は、例えば、訓練装置１０を用いた職業訓練で取得される情報に基づく。従業員についての情報は、年齢、住所、生年月日、電話番号、ｅｍａｉｌアドレス等をさらに含んでもよい。

訓練情報１８２は、例えば、訓練装置１０を用いた職業訓練で取得される情報を含む。具体的には、例えば、訓練情報１８２は、職業訓練の結果を含む。職業訓練の結果は、例えば、職業訓練コースで設定される任務の達成度により表される。訓練情報１８２は、例えば、職業訓練で測定される情報を含む。職業訓練で測定される情報は、例えば、職業訓練で測定される心拍数、発汗量、体温等についてのデータを含む。訓練情報１８２は、例えば、職業訓練で測定される情報に基づいて算出されるストレス値を含む。

コンテンツ情報１８３は、例えば、訓練装置１０を用いた職業訓練で提供されるコンテンツ、例えば、職業訓練コースについての情報を含む。職業訓練コースについての情報は、例えば、コースを識別する情報、コースの名称、コースの分類、対応する業種、及び対応する業務内容等を含む。

例えば、業種が建設業である場合には、職業訓練コースは、始業前における仕事の準備を訓練するための「始業前準備コース」、始業前における現場の点検を訓練するための「始業前点検コース」、法面での作業を訓練するための「法面作業コース」、高所の足場での作業を訓練するための「高所足場作業コース」等を含む。

制御部１９０は、プロセッサ１９が記憶部１８０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１９０は、訓練装置１０の動作を制御する。制御部１９０は、プログラムに従って動作することにより、操作受付部１９１と、送受信部１９２と、訓練制御部１９３ととしての機能を発揮する。

操作受付部１９１は、コントローラ１０１から入力される操作を受け付けるための処理を行う。コントローラ１０１等を介して入力される指示は、例えば、以下である。
・職業訓練の内容、例えば、職業訓練コースの選択
・職業訓練中における所定動作についての入力

また、操作受付部１９１は、マイク１７１から入力される音声指示を受け付ける。具体的には、例えば、操作受付部１９１は、マイク１７１から入力され、音声処理部１７でデジタル信号に変換された音声信号を受信する。操作受付部１９１は、例えば、受信した音声信号を分析して所定の名詞を抽出することで、ユーザからの指示を取得する。

送受信部１９２は、訓練装置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。具体的には、例えば、送受信部１９２は、職業訓練時に発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４で測定された測定データを受信する。送受信部１９２は、取得した測定データ、測定データから算出したストレス値をサーバ２０へ送信する。また、送受信部１９２は、職業訓練を受ける受講者に関する情報を、サーバ２０から受信する。

訓練制御部１９３は、作業者が仮想的な職業訓練を受けるための処理を行う。具体的には、例えば、訓練制御部１９３は、職業訓練を開始する前に、受講者についてのキャリブレーションを実施する。キャリブレーションは、受講者の状態と、各センサの測定値とを比較するための処理である。キャリブレーションにおいて表示される画像は、例えば、所定のストレス値が想定される第２画像の一例である。

訓練制御部１９３は、例えば、キャリブレーションにおいて、受講者が極度に緊張することが想定される画像を表示し、その時の発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４の測定値に基づいて算出されるストレス値を受講者のストレス値の最大値とする。このとき発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４で得られる生体情報は、例えば、第２生体情報の一例である。また、このとき算出されるストレス値は、例えば、ストレスに関する第２値の一例である。

また、訓練制御部１９３は、例えば、キャリブレーションにおいて、受講者がリラックスすることが想定される画像を表示し、その時の発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４の測定値に基づいて算出されるストレス値を受講者のストレス値の最小値とする。このとき発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４で得られる生体情報は、例えば、第２生体情報の一例である。また、このとき算出されるストレス値は、例えば、ストレスに関する第２値の一例である。

また、訓練制御部１９３は、例えば、キャリブレーションにおいて、受講者に簡単な運動をさせる。キャリブレーションにおいて、受講者に簡単な運動をさせるために表示する画像は、例えば、適度な運動をさせるための第３画像の一例である。訓練制御部１９３は、その時の発汗量センサ１０２の測定値に基づき、受講者が汗をかきやすい体質であるか否かを判断する。このとき発汗量センサ１０２で得られる生体情報は、例えば、第３生体情報の一例である。

訓練制御部１９３は、キャリブレーションが完了すると、職業訓練に関する映像を出力装置１４の表示パネル１４１に表示させる。ここでの職業訓練に関する映像は、職業訓練に関する第１画像の一例である。訓練制御部１９３は、職業訓練に関する映像に、受講者がコントローラ１０１を介して操作可能なアバターを表示する。訓練制御部１９３は、コントローラ１０１から入力される操作に従い、アバターを動かす。訓練制御部１９３は、職業訓練中の映像を記憶部１８０に記憶させる。訓練制御部１９３は、例えば、職業訓練において設定されている任務を受講者が解決した数に応じ、職業訓練の達成度を算出する。

訓練制御部１９３は、職業訓練中に、例えば、所定の周期で値を測定するように発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４を制御する。訓練制御部１９３は、発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４で測定された情報を取得する。訓練制御部１９３は、取得した情報を、キャリブレーションで得られた情報に基づいて補正する。訓練制御部１９３は、例えば、補正した情報に基づいてストレス値を算出する。訓練制御部１９３は、例えば、発汗量、脈拍数、及び体温を用いてストレス値を算出する。具体的には、例えば、訓練制御部１９３は、発汗量、脈拍数、及び体温にそれぞれ所定の係数をかけ、係数をかけた数値を足し合わせることで、ストレス値を算出する。このとき発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４で得られる生体情報は、例えば、第１生体情報の一例である。また、このとき算出されるストレス値は、例えば、ストレスに関する第１値の一例である。

なお、訓練制御部１９３は、例えば、発汗量、及び脈拍数を用いてストレス値を算出してもよい。また、訓練制御部１９３は、例えば、発汗量、及び体温を用いてストレス値を算出してもよい。また、ストレス値は、サーバ２０で算出されてもよい。

＜１．２ サーバの機能的な構成＞
図４は、サーバ２０の機能的な構成の例を示す図である。図４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、例えば、従業員情報データベース（ＤＢ）２０２１と、訓練情報データベース（ＤＢ）２０２２と、コンテンツ情報データベース（ＤＢ）２０２３と、シフト情報データベース（ＤＢ）２０２４等とを有する。

従業員情報ＤＢ２０２１は、例えば、従業員についての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。

訓練情報ＤＢ２０２２は、例えば、訓練装置１０を用いた職業訓練で取得される情報を保持するためのデータベースである。職業訓練で取得される情報は、例えば、職業訓練の結果、職業訓練で測定される情報、及び測定される情報から算出されるストレス値等を含む。詳細は後述する。

コンテンツ情報ＤＢ２０２３は、例えば、訓練装置１０を用いた職業訓練で提供されるコンテンツ、例えば、職業訓練コースについての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。

シフト情報ＤＢ２０２４は、作業員が勤務する予定についての情報を保持するためのデータベースである。

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、プログラムに従って動作することにより、受信制御モジュール２０３１、送信制御モジュール２０３２、解析モジュール２０３３、配属決定モジュール２０３４、シフト設定モジュール２０３５、及び提示モジュール２０３６として示す機能を発揮する。

受信制御モジュール２０３１は、サーバ２０が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。具体的には、例えば、受信制御モジュール２０３１は、訓練装置１０から送信される、訓練装置１０で測定された情報、及び測定された情報に基づいて算出されたストレス値を受信する。

送信制御モジュール２０３２は、サーバ２０が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。

解析モジュール２０３３は、訓練装置１０による職業訓練で取得された情報を解析し、職業訓練を受講した受講者の特性を推定する。また、解析モジュール２０３３は、職業訓練で取得された情報を解析し、受講した職業訓練と対応する業務についての受講者の習熟度を推定する。

具体的には、例えば、解析モジュール２０３３は、職業訓練コースの受講が終了すると、算出したストレス値に基づき、所定の業務内容についてのストレス値の指標値を算出する。例えば、解析モジュール２０３３は、算出したストレス値に基づき、所定の業務内容についての平均ストレス値と、最大ストレス値とを算出する。職業訓練コースと、所定の業種の業務内容とは、例えば、以下のように対応付けられている。
・１つの職業訓練コースと、所定の業種の１つの業務内容とが対応付けられている
・複数の職業訓練コースと、所定の業種の１つの業務内容とが対応付けられている
・職業訓練コースについて特徴を表す要素が設定されており、各要素が所定の業種の業務内容において必要とされる素養と対応付けられている

解析モジュール２０３３は、例えば、職業訓練で取得される情報に基づき、業種、及び業務内容に対する適性を推定する。つまり、解析モジュール２０３３は、従業員について、ストレスを感じやすい業務（作業）があるか、及び、苦手、又は得意な業務（作業）があるかを推定する。

解析モジュール２０３３は、適性をどのように推定してもよい。例えば、解析モジュール２０３３は、職業訓練コースの結果、及び職業訓練コースの受講により取得されるストレス値の指標値を、予め設定されるルックアップテーブルに照合させ、適性を推定する。また、例えば、解析モジュール２０３３は、職業訓練コースの結果、及び職業訓練コースの受講により取得されるストレス値の指標値を、結果及び指標値に基づいて適性を出力するようにトレーニングされた学習済みモデルに入力することで、適性を取得してもよい。

また、解析モジュール２０３３は、今回受講した職業訓練コースに基づいて取得される結果及び指標値から適性を取得してもよい。解析モジュール２０３３は、例えば、結果が良好であり、かつ、平均ストレス値と、最大ストレス値との差異が小さい場合、当該従業員は、所定の業務内容についての適性が高いと評価する。一方、解析モジュール２０３３は、例えば、結果が好ましくなく、かつ、平均ストレス値と、最大ストレス値との差異が大きい場合、当該従業員は、所定の業務内容についての適性が低いと評価する。

また、解析モジュール２０３３は、過去に受講した職業訓練コースの結果の推移、及び過去に受講した職業訓練コースで算出された指標値の推移に基づき、適性を取得してもよい。解析モジュール２０３３は、例えば、受講回数が増えるにつれて、結果が良好になり、かつ、平均ストレス値と最大ストレス値との差異が小さくなる場合、当該従業員は、所定の業務内容についての適性が高いと評価する。一方、解析モジュール２０３３は、例えば、受講回数が増えても結果が良くならず、かつ、平均ストレス値と最大ストレス値との差異が高いままである場合、当該従業員は、所定の業務内容についての適性が低いと評価する。解析モジュール２０３３は、適性をアルファベット等によるランクで表してもよいし、点数で表してもよい。

解析モジュール２０３３が参照する情報は、上記に限定されない。例えば、解析モジュール２０３３は、ストレス値について所定の閾値を予め設定している。解析モジュール２０３３は、算出したストレス値が閾値であった時間、閾値を超えた回数等も参照してよい。

解析モジュール２０３３は、評価した適性に応じ、従業員が連続して作業に携われる時間、つまり、推奨作業時間を算出する。解析モジュール２０３３は、推奨作業時間をどのように評価してもよい。例えば、解析モジュール２０３３は、評価した適性を、予め設定されるルックアップテーブルに照合させ、推奨作業時間を取得してもよい。また、例えば、解析モジュール２０３３は、評価した適性を、適性に基づき推奨作業時間を出力するようにトレーニングされた学習済みモデルに入力することで、推奨作業時間を取得してもよい。解析モジュール２０３３は、例えば、適性が高い従業員について、推奨作業時間が長くなるように設定し、適性が低い従業員について、推奨作業時間が短くなるように設定する。

解析モジュール２０３３は、例えば、職業訓練で取得される情報に基づいて習熟度を推定する。解析モジュール２０３３は、習熟度をどのように推定してもよい。具体的には、例えば、解析モジュール２０３３は、過去に受講した職業訓練コースの結果の推移、及び過去に受講した職業訓練コースで算出された指標値の推移を所定の関数に入力することで、習熟度を算出してもよい。

また、例えば、解析モジュール２０３３は、過去に受講した職業訓練コースの結果の推移、及び過去に受講した職業訓練コースで算出されたストレス値の指標値の推移を、学習済みモデルに入力することで、習熟度を取得してもよい。このとき、学習済みモデルは、例えば、職業訓練コースの結果の推移、及び職業訓練コースで算出されたストレス値の指標値の推移に基づき習熟度を出力するようにトレーニングされている。解析モジュール２０３３は、習熟度をアルファベット等によるランクで表してもよいし、点数で表してもよい。

配属決定モジュール２０３４は、従業員情報ＤＢ２０２１に示される従業員の情報に基づき、従業員の配属先を決定する。具体的には、例えば、配属決定モジュール２０３４は、従業員の指定と共に、指定された従業員の配属先の提示を端末装置３０から要求されると、指定された従業員の配属先を、従業員情報ＤＢ２０２１に示される、習熟度、及び従業員の特性に基いて決定する。

配属決定モジュール２０３４は、配属先をどのように決定してもよい。例えば、制御部２０３は、習熟度、及び従業員の特性を、予め設定されるルックアップテーブルに照合させ、配属先を決定してもよい。また、例えば、配属決定モジュール２０３４は、習熟度、及び従業員の特性を、学習済みモデルに入力することで、配属先を決定してもよい。このとき、学習済みモデルは、例えば、習熟度、及び従業員の特性に基づいて配属先を出力するようにトレーニングされている。なお、配属決定モジュール２０３４は、従業員情報ＤＢ２０２１に記憶される情報に基づき、従業員に向いた業種、業務内容を提案してもよい。

シフト設定モジュール２０３５は、従業員情報ＤＢ２０２１に示される従業員の情報に基づき、従業員のシフトを決定する。配属決定モジュール２０３４は、例えば、端末装置３０から所定の日、又は所定の期間の指定を受けると、指定された日、又は期間における従業員の勤務予定を、従業員情報ＤＢ２０２１に示される、推奨作業時間に基いて決定する。

提示モジュール２０３６は、サーバ２０で管理している情報を、端末装置３０を介し、管理者に提示する。また、提示モジュール２０３６は、例えば、実施中の職業訓練についてのリアルタイムの情報を、端末装置３０を介し、管理者に提示する。

＜２ データ構造＞
図５～図７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５～図７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５は、従業員情報ＤＢ２０２１のデータ構造を示す図である。図５に示すように、従業員情報ＤＢ２０２１のレコードの各々は、例えば、項目「従業員ＩＤ」と、項目「従業員名」と、項目「性別」と、項目「入社年月日」と、項目「所属」と、項目「業務内容」と、項目「平均ストレス値」と、項目「最大ストレス値」と、項目「習熟度」と、項目「適性」と、項目「推奨作業時間」とを含む。

項目「従業員ＩＤ」は、従業員を識別するための情報を示す。

項目「従業員名」は、従業員の氏名を示す。

項目「性別」は、従業員の性別を示す。

項目「入社年月日」は、従業員が入社した年月日を示す。

項目「所属」は、従業員の所属を示す。

項目「業務内容」は、職業訓練により、習熟度、及び特性が評価された業務の内容を示す。項目「業務内容」には、例えば、従業員毎に複数の業務が記憶される。図５に示す例では、業種についての記載はないが、例えば、業務は業種と紐づいている。

項目「平均ストレス値」、及び項目「最大ストレス値」は、ストレス値についての指標値の一例としての値を示す。項目「平均ストレス値」には、例えば、業務内容と対応する職業訓練コースで測定された情報に基づいて算出されたストレス値の平均値が記憶される。項目「最大ストレス値」には、例えば、業務内容と対応する職業訓練コースで測定された情報に基づいて算出された最大ストレス値が記憶される。

項目「習熟度」は、該当する業務に従業員がどれだけ習熟しているかの度合を示す。項目「習熟度」は、職業訓練に基づいて評価される。具体的には、項目「習熟度」は、例えば、職業訓練に基づいて算出された指標値、及び職業訓練の結果に基づいて評価される。

項目「適性」は、該当する業務に対して従業員がどれだけ適しているかの度合を示す。項目「適性」は、職業訓練に基づいて評価される。具体的には、項目「適性」は、例えば、職業訓練に基づいて算出された指標値、及び職業訓練の結果に基づいて評価される。

項目「推奨作業時間」は、従業員が連続して作業に携われる時間を示す。項目「推奨作業時間」は、例えば、項目「適性」に基づいて算出される。

項目「平均ストレス値」、項目「最大ストレス値」、項目「習熟度」、項目「適性」、及び項目「推奨作業時間」は、業務内容毎に、過去に取得された値が記憶されていてもよい。

図６は、訓練情報ＤＢ２０２２のデータ構造を示す図である。図６に示すように、訓練情報ＤＢ２０２２のレコードの各々は、例えば、項目「従業員ＩＤ」と、項目「訓練日」と、項目「訓練ＩＤ」と、項目「Ｔｉｍｅ」と、項目「心拍数」と、項目「発汗量」と、項目「体温」と、項目「ストレス値」と、項目「達成度」とを含む。

項目「従業員ＩＤ」は、従業員を識別するための情報を示す。

項目「訓練日」は、職業訓練を実施した日付を示す。

項目「訓練ＩＤ」は、受講した職業訓練を識別するための情報を示す。具体的には、項目「訓練ＩＤ」は、例えば、受講した職業訓練コースを識別するための情報を示す。

項目「Ｔｉｍｅ」は、職業訓練が開始されてからの経過時間を示す。具体的には、項目「Ｔｉｍｅ」は、例えば、受講者により選択された職業訓練コースが開始されてからの経過時間を示す。

項目「心拍数」は、職業訓練中に脈波センサ１０３により測定された値を示す。

項目「発汗量」は、職業訓練中に発汗量センサ１０２により測定された値を示す。

項目「体温」は、職業訓練中に温度センサ１０４により測定された値を示す。

項目「ストレス値」は、測定された値に基づいて算出される、ストレスの度合いを表す値を示す。

項目「達成度」は、職業訓練で課される要求をどれだけ満たせたかを示す。項目「達成度」は、例えば、職業訓練コースで設定されている任務をどれだけこなせたかに応じて評価される。項目「達成度」は、アルファベット等によるランクで表してもよいし、点数で表してもよい。

図７は、コンテンツ情報ＤＢ２０２３のデータ構造を示す図である。図７に示すように、コンテンツ情報ＤＢ２０２３のレコードの各々は、項目「訓練ＩＤ」と、項目「訓練名」と、項目「分類」と、項目「業種」と、項目「業務内容」と、項目「任務」とを含む。

項目「訓練ＩＤ」は、職業訓練を識別するための情報を示す。

項目「訓練名」は、職業訓練の名称を示す。具体的には、項目「訓練名」は、例えば、職業訓練コースの名称を示す。

項目「分類」は、職業訓練が属する分類を示す。具体的には、項目「分類」は、例えば、職業訓練コースが属する分類を示す。例えば、分類毎に対応付けられる業種、及び業務内容が設定されていてもよい。

項目「業種」は、職業訓練が対応付けられている業種を示す。具体的には、項目「業種」は、例えば、職業訓練コースが対応付けられている業種を示す。

項目「業務内容」は、職業訓練が対応付けられている業務内容を示す。具体的には、項目「業務内容」は、例えば、職業訓練コースが対応付けられている業務内容を示す。

項目「任務」は、職業訓練に設定されている任務を示す。具体的には、項目「任務」は、例えば、職業訓練コースに設定されている任務を示す。各職業訓練コースには、例えば、複数の任務が設定されている。

＜３ 動作＞
訓練装置１０、及びサーバ２０の動作について説明する。

図８は、作業者が訓練装置１０を用いた職業訓練を実施する際の構成の例を表す模式図である。以下の説明では、図８に示すように、訓練装置１０が発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４を有する場合を説明する。また、本体装置１１は、職業訓練に関するＶＲ映像を表示させる。訓練装置１０は、職業訓練として、第１乃至第３コースを記憶している。第１乃至第３コースは、例えば、所定の業種の１つの業務内容と対応付けられている。

（訓練装置１０による職業訓練）
図９は、図８に示す訓練装置１０が職業訓練を受講者に実施させる際の動作の例を表すフローチャートである。

まず、受講者は、本体装置１１を自身の頭に装着する。受講者は、例えば、両手にそれぞれコントローラ１０１を把持する。このとき、利き手でない手で把持されるコントローラ１０１には、発汗量センサ１０２と、温度センサ１０４とが設けられている。また、利き手でない手には、脈波センサ１０３が装着される。受講者は、職業訓練の準備が整うと、職業訓練を開始させる指示を、例えば、コントローラ１０１から入力する。

ステップＳ１１において、訓練装置１０の制御部１９０は、キャリブレーションを実施することで、受講者の状態と、各センサの測定値とを比較する。具体的には、制御部１９０は、訓練制御部１９３により、例えば、受講者が極度に緊張することが想定される映像を表示する。受講者が極度に緊張することが想定される映像は、例えば、恐怖を感じる映像であり、例えば、高所に位置する映像、事故の映像等である。訓練制御部１９３は、その時の発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４の測定値を取得し、取得した測定値に基づいてストレス値を算出する。訓練制御部１９３は、算出したストレス値を受講者のストレス値の最大値とする。

訓練制御部１９３は、例えば、受講者がリラックスすることが想定される映像を表示する。受講者がリラックスすることが想定される映像は、例えば、静かな森、又は穏やかな海に関する映像等である。訓練制御部１９３は、その時の発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４の測定値を取得し、取得した測定値に基づいてストレス値を算出する。訓練制御部１９３は、算出したストレス値を受講者のストレス値の最小値とする。

訓練制御部１９３は、例えば、受講者に簡単な運動をさせるための映像を表示する。訓練制御部１９３は、その時の温度センサ１０４の測定値に基づき、受講者の発汗量の傾向を取得する。

ステップＳ１２において、制御部１９０は、職業訓練を開始する。例えば、訓練制御部１９３は、第１乃至第３コースの選択画面を表示し、受講者からのコースの選択を受け付ける。訓練制御部１９３は、受講者により職業訓練コースが選択されると、選択された職業訓練コースに関するＶＲ映像を本体装置１１に表示させる。

図１０は、図９に示す訓練中の訓練装置１０の動作の例を表すフローチャートである。図１０に示す訓練において、制御部１９０は、表示パネル１４１に表示させるＶＲ映像におけるアバターの操作を受け付ける。

ステップＳ１２１において、制御部１９０は、送受信部１９２により、受講者に装着される発汗量センサ１０２、脈波センサ１０３、及び温度センサ１０４で測定された測定データを所定の周期で取得する。制御部１９０は、訓練制御部１９３により、取得した発汗量に関する測定データを、キャリブレーションで得られた、受講者の発汗量の傾向に基づいて補正する。

ステップＳ１２２において、訓練制御部１９３は、例えば、補正した情報に基づいてストレス値を算出する。具体的には、例えば、訓練制御部１９３は、脈波センサ１０３により測定された脈波、温度センサ１０４で測定された体温、及び補正した発汗量に基づき、ストレス値を算出する。訓練制御部１９３は、例えば、キャリブレーションで得られたストレス値の最小値と、最大値とに基づき、算出したストレス値を標準化する。訓練制御部１９３は、取得した脈波、体温、補正した発汗量、及び標準化したストレス値を訓練情報１８２に記憶する。制御部１９０は、送受信部１９２により、取得した脈波、体温、補正した発汗量、及び標準化したストレス値をサーバ２０へ送信する。

サーバ２０は、訓練装置１０から受信したデータを、訓練情報ＤＢ２０２２に記憶する。

ステップＳ１２３において、制御部１９０は、訓練制御部１９３により、職業訓練コースが終了したか否かを判断する。終了していない場合、訓練制御部１９３は、ステップＳ１２１～Ｓ１２３の処理を繰り返す。終了した場合、ステップＳ１２４へ移行する。

ステップＳ１２４において、制御部１９０は、訓練制御部１９３により、例えば、職業訓練コースにおいて解決された任務に応じた達成度を付与する。訓練制御部１９３は、付与した達成度を訓練情報１８２に記憶する。制御部１９０は、送受信部１９２により、付与した達成度をサーバ２０へ送信し、職業訓練コースについての処理を終了させる。

サーバ２０は、訓練装置１０から受信したデータを、訓練情報ＤＢ２０２２に記憶する。

例えば、図９に示すステップＳ１２において、次の職業訓練コースが受講者により選択された場合、制御部１９０は、選択された職業訓練コースについて、図１０に示す処理を実行する。

図８に示す端末装置３０は、端末装置３０を操作する管理者からの指示に応じ、訓練装置１０又はサーバ２０にアクセスする。端末装置３０は、管理者からの指示に応じ、実施されている職業訓練の様子を端末装置３０のディスプレイに表示させる。例えば、端末装置３０のディスプレイでは、実施中の職業訓練を選択可能に表示されている。端末装置３０は、管理者から職業訓練が選択されると、選択された職業訓練についての情報、例えば、訓練中のＶＲ映像、発汗量、脈波、体温、ストレス値をサーバ２０に要求する。端末装置３０は、選択された職業訓練についての情報を訓練装置１０に要求してもよい。

端末装置３０から職業訓練についての情報を要求された訓練装置１０、又はサーバ２０は、要求された情報を端末装置３０へ送信する。端末装置３０は、情報を受信し、受信した情報に基づく画像をディスプレイに表示させる。

図１１は、図８に示す端末装置３０のディスプレイで表示される画像の例を表す模式図である。図１１に示す画像には、受講者に表示されているＶＲプレイ映像３１、発汗量の推移を表すチャート図３２、心拍数の推移を表すチャート図３３、ストレス値の推移を表すチャート図３４、現在の測定値を表す表示領域３５が表示されている。端末装置３０を操作する管理者は、端末装置３０のディスプレイに表示される画像を視認し、職業訓練の様子を確認する。

なお、ＶＲプレイ映像３１、チャート図３３～３４、及び表示領域３５のうち少なくともいずれかは、管理者からの指示に非表示とすることが可能である。これにより、管理者は、視認したい情報に絞って職業訓練の様子を確認することが可能となる。

（サーバ２０による受講者の特性、及び習熟度の評価）
図１２は、図８に示すサーバ２０が受講者の特性、及び習熟度を評価する際の動作の例を表すフローチャートである。制御部２０３は、図８に示す処理を、例えば、以下の場合に実行する。
・受講者についての職業訓練が終了した旨の通知を受けたとき
・端末装置３０を操作する管理者から所定の受講者についての特性、及び習熟度の評価を要求されたとき
・所定の周期
・所定の時刻に達したとき

ステップＳ１３において、制御部２０３は、所定の業務内容についてのストレス値の指標値を算出する。具体的には、例えば、制御部２０３は、解析モジュール２０３３により、訓練情報ＤＢ２０２２を参照し、第１乃至第３コースを受講している際に算出されたストレス値に基づき、第１乃至第３コースと対応付けられている業務内容についての平均ストレス値と、最大ストレス値とを算出する。解析モジュール２０３３は、算出した平均ストレス値、及び最大ストレス値を従業員情報ＤＢ２０２１に記憶する。

ステップＳ１４において、制御部２０３は、所定の業務内容についての適性、及び習熟度を推定する。具体的には、例えば、制御部２０３は、解析モジュール２０３３により、訓練情報ＤＢ２０２２を参照し、第１乃至第３コースの達成度と、第１乃至第３コースと対応付けられている業務内容について算出した平均ストレス値及び最大ストレス値とを、予め設定されるルックアップテーブルに照合させ、適性を取得する。また、例えば、解析モジュール２０３３は、第１乃至第３コースの達成度と、第１乃至第３コースと対応付けられている業務内容について算出した平均ストレス値及び最大ストレス値とを、学習済みモデルに入力することで、適性を取得してもよい。解析モジュール２０３３は、評価した適性を従業員情報ＤＢ２０２１に記憶する。

解析モジュール２０３３は、第１乃至第３コースの達成度の過去からの推移と、第１乃至第３コースと対応付けられている業務内容について算出した平均ストレス値及び最大ストレス値の過去からの推移とに基づき、適性を取得してもよい。

また、解析モジュール２０３３は、例えば、第１乃至第３コースの達成度の過去からの推移と、第１乃至第３コースと対応付けられている業務内容について算出した平均ストレス値及び最大ストレス値の過去からの推移とを所定の関数に入力することで、習熟度を算出する。また、例えば、解析モジュール２０３３は、第１乃至第３コースの達成度の過去からの推移と、第１乃至第３コースと対応付けられている業務内容について算出した平均ストレス値及び最大ストレス値の過去からの推移とを学習済みモデルに入力することで、習熟度を取得してもよい。解析モジュール２０３３は、評価した習熟度を従業員情報ＤＢ２０２１に記憶する。

ステップＳ１５において、制御部２０３は、評価した適性に応じ、所定の業務内容についての推奨作業時間を算出する。具体的には、例えば、制御部２０３は、解析モジュール２０３３より、評価した適性を、予め設定されるルックアップテーブルに照合させ、推奨作業時間を取得する。また、例えば、解析モジュール２０３３は、推定した適性を、学習済みモデルに入力することで、推奨作業時間を取得してもよい。解析モジュール２０３３は、取得した推奨作業時間を従業員情報ＤＢ２０２１に記憶して処理を終了させる。

図８に示す端末装置３０は、端末装置３０を操作する管理者からの指示に応じ、サーバ２０にアクセスする。端末装置３０は、管理者からの指示に応じ、従業員の特性、及び習熟度に関する情報を端末装置３０のディスプレイに表示させる。

図１３は、図８に示す端末装置３０のディスプレイで表示される画像の例を表す模式図である。図１３に示す画像には、従業員についての情報を表す表３００が表示されている。端末装置３０を操作する管理者は、端末装置３０のディスプレイに表示される画像を視認し、従業員についての情報を確認する。

（サーバ２０による従業員の配属の決定）
サーバ２０は、端末装置３０を利用する管理者からの要求に応じ、従業員の配属先を決定する。具体的には、例えば、管理者は、端末装置３０を操作し、図１３に示される画面を参照しながら、所定の従業員を指定し、指定した従業員の配属先を提案するようにサーバ２０に要求する。制御部２０３は、受信制御モジュール２０３１により、従業員を指定する指示を端末装置３０から受信する。また、受信制御モジュール２０３１は、従業員の配属先を提示する要求を端末装置３０から受信する。配属決定モジュール２０３４は、従業員情報ＤＢ２０２１に基づき、指定された従業員の配属先を決定する。

例えば、配属決定モジュール２０３４は、業務内容毎に取得された、平均ストレス値及び最大ストレス値、習熟度、及び適性を、予め設定されるルックアップテーブルに照合させ、指定された従業員の配属先を決定する。また、例えば、配属決定モジュール２０３４は、業務内容毎に取得された、平均ストレス値及び最大ストレス値、習熟度、及び適性を、学習済みモデルに入力することで、配属先を決定してもよい。

提示モジュール２０３６は、決定した配属先に関する情報を端末装置３０へ送信し、端末装置３０のディスプレイに表示させる。

（サーバ２０による従業員のシフトの決定）
サーバ２０は、端末装置３０を利用する管理者からの要求に応じ、従業員のシフトを決定する。具体的には、例えば、管理者は、端末装置３０を操作し、所定の業務について、勤務する者を決定する必要のある日、又は期間等を指定する。管理者は、例えば、勤務可能な従業員を指定し、従業員のシフトを提案するようにサーバ２０に要求する。

制御部２０３は、受信制御モジュール２０３１により、業務内容を指定する指示を端末装置３０から受信する。また、受信制御モジュール２０３１は、所定の日、又は所定の期間を指定する指示を端末装置３０から受信する。また、受信制御モジュール２０３１は、従業員を指定する指示を端末装置３０から受信する。また、受信制御モジュール２０３１は、従業員のシフトを提示する要求を端末装置３０から受信する。シフト設定モジュール２０３５は、従業員情報ＤＢ２０２１に基づき、指定された日又は期間の従業員のシフトを設定する。

例えば、シフト設定モジュール２０３５は、指定された業務内容についての従業員の勤務予定を、推奨作業時間に基づいて設定する。配属決定モジュール２０３４は、従業員が勤務可能な枠を、推奨作業時間に基づいて埋めていくことで、従業員の勤務予定を設定する。

提示モジュール２０３６は、設定した従業員のシフトに関する情報を端末装置３０へ送信し、端末装置３０のディスプレイに表示させる。

以上のように、上記実施形態では、本体装置１１は、職業訓練に関する第１画像を表示パネル１４１に表示する。本体装置１１は、職業訓練を受講する受講者からの操作をコントローラ１０１を介して受け付ける。本体装置１１は、発汗量センサ１０２、脈波センサ１０３、温度センサ１０４により測定された、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得する。本体装置１１は、第１生体情報から受講者のストレスに関する第１値を算出する。サーバ２０は、第１値に基づき、職業訓練と対応する業務についての受講者の特性を推定する。これにより、従業員がどの業務をストレスと感じるのか、また、どの業務が苦手なのかを職業訓練から把握することが可能となる。

現在、所定の業種では、例えば、作業及び操作の多様化、作業で使用する機械の高額化及び複雑化、又は作業者の技能水準の多様化等、様々な課題がある。このような環境下において、ＶＲ映像を用いた職業訓練は、多様な状況に対応可能であることを、実際の作業用機械を用意する必要がないこと、習熟度に合わせて反復受講が可能であること、及び事故が発生しないこと等のメリットがある。ＶＲ映像を用いた職業訓練を利用することで、作業者を育成する費用を低減しながら、作業者の能力を向上させ、作業時のヒューマンエラーを低減させることが可能となる。さらに、本実施形態に係る訓練装置１０を利用した職業訓練によれば、従業員がどの業務をストレスと感じるのか、また、どの業務が苦手なのかが明確になるため、適切な人員配置が可能となり、また、作業員の効率的な育成が可能となる。したがって、より効果的な職業訓練を実施できる。

また、上記実施形態では、本体装置１１は、キャリブレーションにおいて、所定のストレスが想定される第２画像を表示する。本体装置１１は、発汗量センサ１０２、脈波センサ１０３、温度センサ１０４により測定された、第２画像を視認する受講者の、少なくとも発汗量を含む第２生体情報を取得する。本体装置１１は、第２生体情報に基づき、ストレス値の最小値、及び最大値を算出する。本体装置１１は、第１生体情報と、ストレス値の最小値及び最大値とから、第１値を算出する。これにより、受講時の受講者の状態に基づいた正確な測定が可能となる。つまり、ストレス値を高精度に算出することが可能となる。

また、上記実施形態では、本体装置１１は、キャリブレーションにおいて、適度な運動をさせるための第３画像を表示する。本体装置１１は、発汗量センサ１０２、脈波センサ１０３、温度センサ１０４により測定された、第３画像を視認する受講者の、少なくとも発汗量を含む第３生体情報を取得する。本体装置１１は、第３生体情報に基づいて第１生体情報を補正する。これにより、訓練装置１０は、受講者の体質に応じて汗をかく量が異なる場合であっても、正確にストレス値を算出することが可能となる。

また、上記実施形態では、本体装置１１は、職業訓練が終了すると、職業訓練の達成度を評価する。サーバ２０は、第１値及び達成度に基づいて特性を推定する。これにより、サーバ２０は、より正確に受講者の特性を推定することが可能となる。

また、上記実施形態では、本体装置１１は、ＶＲ画像を表示する。これにより、職業訓練の臨場感が向上するため、より正確にストレス値を算出することが可能となる。

また、上記実施形態では、発汗量センサ１０２は、前記受講者の体の一部を含んで形成される空間の湿度を計測するセンサである。より具体的には、発汗量センサ１０２は、空間へ空気を供給する第１経路、空間から空気を排出する第２経路、第１経路及び第２経路に設置される湿度センサを有する。これにより、小型で、安価で、高精度で発汗量を測定可能な発汗量センサが実現されるため、職業訓練において発汗量センサ１０２を利用する場合において、装着の負担が軽減される。

また、上記実施形態では、発汗量センサ１０２は、コントローラ１０１の把持部に設けられる。これにより、コントローラ１０１を使って操作をする際に、発汗量が測定されるため、受講者の負担を抑えられる。

また、上記実施形態では、サーバ２０は、第１値に基づき、職業訓練と対応する業務についての受講者の適性を推定する。これにより、サーバ２０は、受講者が得意な業務、及び苦手な業務を明らかにすることが可能となる。

また、上記実施形態では、適性に基づき、受講者が連続して業務に携われる時間を算出する。これにより、サーバ２０は、受講者がどれだけの時間業務に携われるかを定量的に表すことが可能となる。

また、上記実施形態では、サーバ２０は、過去に受講した職業訓練で算出された第１値と、今回の職業訓練で算出された第１値とに基づいて適性を推定する。これにより、より正確に適性を推定することが可能となる。

また、上記実施形態では、サーバ２０は、第１値及び達成度に基づき、職業訓練と対応する業務についての受講者の習熟度を推定する。これにより、受講者がどれだけの技能を有しているかを定量的に表すことが可能となる。

また、上記実施形態では、サーバ２０は、過去に受講した職業訓練で算出された第１値及び達成度と、今回の職業訓練で算出された第１値及び達成度とに基づいて習熟度を推定する。これにより、より正確に習熟度を推定することが可能となる。

また、上記実施形態では、サーバ２０は、受講者の特性に基づき、受講者の配属を決定する。これにより、サーバ２０は、受講者に合った適切な配属が可能となる。

また、上記実施形態では、サーバ２０は、職業訓練を受講した複数の受講者について算出された時間に基づき、複数の受講者の少なくともいずれかの勤務予定を決定する。これにより、サーバ２０は、適切な配置でシフトを組むことが可能となる。また、サーバ２０は、シフトを組む際の管理者の労力を低減することが可能となる。

また、上記実施形態では、サーバ２０は、受講者の特性に基づき、職業訓練の受講を提案する。これにより、受講者は、効率的に職業訓練を受講することが可能となる。

また、上記実施形態では、サーバ２０は、受講者の習熟度に基づき、職業訓練の受講を提案する。これにより、受講者は、スキルが身につくまで効率的に職業訓練を反復することが可能となる。

また、上記実施形態では、サーバ２０は、受講者の習熟度及び特性に基づき、職業訓練の受講が不要であると判断する。これにより、サーバ２０は、職業訓練の無駄な受講を低減させることが可能となる。

＜４ 変形例＞
（ハンドトラッキングを利用した操作）
上記実施形態では、コントローラ１０１により、受講者がＶＲ映像中のアバターを操作する例を説明した。しかしながら、アバターの操作は、コントローラ１０１によるものに限定されない。訓練装置１０がハンドトラッキング機能を有している場合、受講者は、手を動かすことでアバターを操作してもよい。

図１４は、訓練装置１０によるハンドトラッキング機能を表す模式図である。図１４に示す例では、訓練装置１０は、本体装置１１に設置されているカメラ１６０により受講者の手を撮影することで、受講者の手の動きを取得する。訓練装置１０は、例えば、受講者の手の動きをＶＲ映像中のアバターの手の動きとして表現する。また、訓練装置１０は、受講者の手の動きに応じて、アバターを動かす。

ハンドトラッキングの対象となる手は、受講者の両手であってもよいし、片手であってもよい。訓練装置１０が片方の手の動きをトラッキングする場合、他方の手にはコントローラ１０１を把持してもよい。訓練装置１０は、他方の手にコントローラ１０１が把持される場合、ハンドトラッキングによる入力と、コントローラ１０１による入力とを受け付けるようにしてもよい。

上記実施形態おいて、発汗量センサ１０２、温度センサ１０４は、例えば、コントローラ１０１に搭載されるようにしている。受講者の両手がハンドトラッキングの対象となる場合、受講者は、コントローラ１０１を把持できない。そのため、受講者の両手がハンドトラッキングの対象となる場合、発汗量センサ１０２、温度センサ１０４は、受講者に別途装着される。

（ハンドトラッキングによる従業員の特性及び習熟度の取得）
上記実施形態では、発汗量センサ１０２で測定された発汗量、脈波センサ１０３で測定された脈波、及び温度センサ１０４で測定された体温に基づいて習熟度、及び従業員の特性を取得する例を説明した。しかしながら、習熟度、及び従業員の特性は、ハンドトラッキングの結果に基づいて取得するようにしてもよい。

例えば、訓練装置１０の制御部１９０は、ハンドトラッキングにより得られた手の動きに関する情報に基づいてストレス値を算出する。具体的には、例えば、制御部１９０は、受講者の手の動きに関する情報と、あらかじめ記憶されている、理想的な手の動きとを比較する。制御部１９０は、例えば、手の動きに関する情報から、手及び指の震え、手の移動速度、手及び指の位置等を検出し、理想的な動きとの違いに基づき、ストレス値を算出する。なお、制御部１９０は、理想的な動きとの比較に関わらず、受講者の手の動きの特徴から、ストレス値を算出してもよい。このとき、職業訓練に関する画像は、例えば、医療についての職業訓練に関する画像であってもよい。

サーバ２０の制御部２０３は、訓練装置１０による職業訓練で取得された情報を解析し、職業訓練を受講した受講者の特性を取得する。また、制御部２０３は、職業訓練で取得された情報を解析し、受講した職業訓練と対応する業務についての受講者の習熟度を取得する。

訓練装置１０の具体的な動作としては、例えば、以下である。

訓練装置１０の制御部１９０は、まず、キャリブレーションを実施することで、受講者の状態と、手の動きとを比較する。具体的には、制御部１９０は、訓練制御部１９３により、例えば、受講者が極度に緊張することが想定される映像を表示する。訓練制御部１９３は、その時の手の動きに関する情報を取得し、取得した情報に基づいてストレス値を算出する。訓練制御部１９３は、算出したストレス値を受講者のストレス値の最大値とする。

訓練制御部１９３は、例えば、受講者がリラックスすることが想定される映像を表示する。訓練制御部１９３は、その時の手の動きに関する情報を取得し、取得した情報に基づいてストレス値を算出する。訓練制御部１９３は、算出したストレス値を受講者のストレス値の最小値とする。

訓練制御部１９３は、例えば、受講者に簡単な運動をさせるための映像を表示する。訓練制御部１９３は、その時の手の動きに関する情報に基づき、受講者の動きの傾向を取得する。

キャリブレーションが完了すると、制御部１９０は、職業訓練を開始する。制御部１９０は、訓練制御部１９３により、表示パネル１４１に表示させるＶＲ映像におけるアバターの操作を、受講者の手の動きをトラッキングすることで受け付ける。訓練制御部１９３は、トラッキングした手の動きに関する情報を、例えば、所定の周期で訓練情報１８２に記憶する。訓練制御部１９３は、取得した手の動きに関する情報を、例えば、キャリブレーションで得られた、受講者の動きの傾向に基づいて補正する。

訓練制御部１９３は、例えば、取得した手の動きに関する情報に基づいてストレス値を算出する。訓練制御部１９３は、例えば、キャリブレーションで得られたストレス値の最小値と、最大値とに基づき、算出したストレス値を標準化する。訓練制御部１９３は、標準化したストレス値を訓練情報１８２に記憶する。制御部１９０は、送受信部１９２により、手の動きに関する情報、及び標準化したストレス値をサーバ２０へ送信する。

訓練制御部１９３は、例えば、職業訓練コースにおいて解決された任務と、理想の手の動きとの差異とに応じた達成度を付与する。訓練制御部１９３は、付与した達成度を訓練情報１８２に記憶する。制御部１９０は、送受信部１９２により、付与した達成度をサーバ２０へ送信する。

サーバ２０は、訓練装置１０から受信したデータを、訓練情報ＤＢ２０２２に記憶する。

図８に示す端末装置３０は、例えば、端末装置３０を操作する管理者からの指示に応じ、実施されている職業訓練の様子を端末装置３０のディスプレイに表示させる。

図１５は、図８に示す端末装置３０のディスプレイで表示される画像の例を表す模式図である。図１５に示す画像には、受講者に表示されているＶＲプレイ映像３１、手の動きに関する情報から把握される情報の推移を表すチャート図３６、３７、ストレス値の推移を表すチャート図３４、現在の測定値を表す表示領域３８が表示されている。図１５では、チャート図３６には、例えば、手の震えに関する数値が表示され、チャート図３７には、例えば、手の移動速度に関する数値が表示されている。これらのチャート図に表示される情報は、これらに限定されない。端末装置３０を操作する管理者は、端末装置３０のディスプレイに表示される画像を視認し、職業訓練の様子を確認する。

なお、ＶＲプレイ映像３１、チャート図３４、３６、３７、及び表示領域３８のうち少なくともいずれかは、管理者からの指示に応じて非表示とすることが可能である。これにより、管理者は、視認したい情報に絞って職業訓練の様子を確認することが可能となる。

ハンドトラッキングにより取得される手の動きに基づいて受講者の習熟度、及び従業員の特性が評価されるため、発汗量センサ、脈波センサ、温度センサ等が不要となる。このため、職業訓練を実施するハードルをより下げることが可能となる。また、職業訓練のためのシステムを導入するコストを低減させることが可能となる。

上記では、ストレス値に基づいて受講者の習熟度を推定する場合を説明した。制御部２０３は、ストレス値に限らず、自身の過去の手の動きと比較することで習熟度を推定してもよい。

＜５ その他の実施形態＞
サーバ２０は、訓練情報ＤＢ２０２２で記憶されている情報に基づき、従業員に対して職業訓練を提案するようにしてもよい。例えば、制御部２０３は、習熟度の低い業務が存在する従業員に対し、習熟度の低い業務と対応付けられている職業訓練の受講を提案する。また、制御部２０３は、習熟度が低くはないが、平均ストレス値及び最大ストレス値が所定値より高い業務がある従業員がいる場合、当該従業員に対し、該当する業務に対応付けられている職業訓練の受講を提案する。

多くの従業員が所属する組織である場合、従業員は適性の低い業務の代わりに、適性の高い業務に携わることが可能である。しかしながら、従業員数が少ない組織では、業務の代替が叶わないことがあり得る。このような場合、適性は低くはあるが、習熟度を高めることが望まれることがある。制御部２０３は、適性、及び習熟度が低い業務が存在する従業員に対し、当該業務と対応付けられている職業訓練の受講を提案してもよい。つまり、制御部２０３は、従業員が苦手と感じている業務、又は、ストレスを感じやすい業務についてのトレーニングを増やすようにする。

逆に、制御部２０３は、適性が高い業務が存在する従業員に対し、当該業務と対応付けられている職業訓練の受講を提案してもよい。つまり、制御部２０３は、従業員が得意と感じている業務、又は、ストレスを感じにくい業務についてのトレーニングを増やすようにする。

また、サーバ２０は、訓練情報ＤＢ２０２２で記憶されている情報に基づき、従業員に対して職業訓練の終了を判断してもよい。例えば、制御部２０３は、従業員の習熟度が所定の高さに達した場合、該当する業務についての職業訓練をもう受ける必要がない旨を従業員へ伝える。なお、制御部２０３は、習熟度が所定の高さに達していても、平均ストレス値及び最大ストレス値が、例えば、所定の閾値よりも高い場合、職業訓練が終了したと判断しないようにしてもよい。

上記実施形態では、職業訓練コースと、所定の業種の業務内容とが対応付けられている場合を説明した。職業訓練コースは、時間の経過によって対応する業務が変わるように、章立てて構成されていてもよい。この場合、制御部２０３は、ストレス値の時間変動と、職業訓練コースの章構成とを対応させて、受講者の業務についての特性を推定する。

上記の実施形態では、受講した職業訓練と対応付けられている業務について、受講者の特性が推定される。制御部２０３は、特性が推定されている業務との類似度に応じ、職業訓練が受講されていない業務についての特性を推定してもよい。

以上、本開示のいくつかの実施形態を説明したが、これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。

＜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）
職業訓練に関する第１画像を表示する手段（１１）と、職業訓練を受講する受講者からの操作を受け付ける手段（１０１）と、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得する手段（１０２）と、第１生体情報から受講者のストレスに関する第１値を算出する手段（１１）と、第１値に基づいて職業訓練と対応する業務についての受講者の特性を推定する手段（２０）とを具備するシステム。
（付記２）
表示する手段は、所定のストレスが想定される第２画像を表示し、取得する手段は、第２画像を視認する受講者の、少なくとも発汗量を含む第２生体情報を取得し、算出する手段は、第２生体情報に基づき、ストレスに関する第２値を算出し、第１生体情報と、第２値とから、第１値を算出する、（付記１）に記載のシステム。
（付記３）
表示する手段は、適度な運動をさせるための第３画像を表示し、取得する手段は、第３画像を視認する受講者の、少なくとも発汗量を含む第３生体情報に基づき、第１生体情報を補正する、（付記１）又は（付記２）に記載のシステム。
（付記４）
職業訓練が終了すると、職業訓練の達成度を評価する手段を具備し、推定する手段は、第１値及び達成度に基づいて特性を推定する、（付記１）乃至（付記３）のいずれかに記載のシステム。
（付記５）
表示する手段は、ＶＲ画像を表示する（付記１）乃至（付記４）のいずれかに記載のシステム。
（付記６）
取得する手段は、受講者の体の一部を含んで形成される空間の湿度を計測するセンサにより、発汗量を取得する、（付記１）乃至（付記５）のいずれかに記載のシステム。
（付記７）
センサは、空間へ空気を供給する第１経路、空間から空気を排出する第２経路、第１経路及び第２経路に設置される湿度センサを有する（付記６）に記載のシステム。
（付記８）
操作を受け付ける手段は、コントローラであり、センサは、空間がコントローラの把持部に設けられる、（付記６）又は（付記７）に記載のシステム。
（付記９）
推定する手段は、第１値に基づき、職業訓練と対応する業務についての受講者の適性を推定する、（付記１）乃至（付記８）のいずれかに記載のシステム。
（付記１０）
推定する手段は、適性に基づき、受講者が連続して業務に携われる時間を算出する、（付記９）に記載のシステム。
（付記１１）
推定する手段は、過去に受講した職業訓練で算出された第１値と、今回の職業訓練で算出された第１値とに基づいて適性を推定する、（付記１０）に記載のシステム。
（付記１２）
推定する手段は、第１値及び達成度に基づき、職業訓練と対応する業務についての受講者の習熟度を推定する、（付記４）に記載のシステム。
（付記１３）
推定する手段は、過去に受講した職業訓練で算出された第１値及び達成度と、今回の職業訓練で算出された第１値及び達成度とに基づいて習熟度を推定する、（付記１２）に記載のシステム。
（付記１４）
受講者の特性に基づき、受講者の配属を決定する手段を具備する、（付記１）乃至（付記１３）のいずれかに記載のシステム。
（付記１５）
職業訓練を受講した複数の受講者について算出された時間に基づき、複数の受講者の少なくともいずれかの勤務予定を決定する手段を具備する、（付記１０）に記載のシステム。
（付記１６）
受講者の特性に基づき、職業訓練の受講を提案する手段を具備する、（付記１）乃至（付記１５）のいずれかに記載のシステム。
（付記１７）
受講者の習熟度に基づき、職業訓練の受講を提案する手段を具備する、（付記１２）又は（付記１３）に記載のシステム。
（付記１８）
受講者の習熟度及び特性に基づき、職業訓練の受講が不要であると判断する手段を具備する、（付記１２）、（付記１３）、又は（付記１７）に記載のシステム。
（付記１９）
職業訓練に関する第１画像を表示する手段と、職業訓練を受講する受講者の手の動きに基づき、受講者からの操作を受け付ける手段と、受講者の手の動きから受講者のストレスに関する第１値を算出する手段と、第１値に基づいて職業訓練と対応する業務についての受講者の特性を推定する手段とを具備するシステム。
（付記２０）
制御部と、記憶部とを備える情報処理装置であって、制御部が、職業訓練に関する第１画像を表示部に表示させるステップと、職業訓練を受講する受講者からの操作を受け付けるステップと、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得するステップと、第１生体情報から受講者のストレスに関する第１値を算出するステップとを実行する情報処理装置。
（付記２１）
制御部と、記憶部とを備える複数の情報処理装置を具備するシステムで実行される方法であって、複数の情報処理装置の少なくともいずれかが、職業訓練に関する第１画像を表示部に表示させるステップと、職業訓練を受講する受講者からの操作を受け付けるステップと、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得するステップと、第１生体情報から受講者のストレスに関する第１値を算出するステップと、第１値に基づいて職業訓練と対応する業務についての受講者の特性を推定するステップとを実行する方法。
（付記２２）
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、プログラムは、プロセッサに、職業訓練に関する第１画像を表示部に表示させるステップと、職業訓練を受講する受講者からの操作を受け付けるステップと、第１画像を視認する受講者の、少なくとも発汗量を含む第１生体情報を取得するステップと、第１生体情報から受講者のストレスに関する第１値を算出するステップとを実行させるプログラム。

１…システム
１０…訓練装置
１０１…コントローラ
１０２…発汗量センサ
１０３…脈波センサ
１０４…温度センサ
１１…本体装置
１２…通信ＩＦ
１２０…通信部
１４…出力装置
１４１…表示パネル
１５…メモリ
１６…ストレージ
１５０…モーションセンサ
１６０…カメラ
１７…音声処理部
１７１…マイク
１７２…スピーカー
１８０…記憶部
１８１…従業員情報
１８２…訓練情報
１８３…コンテンツ情報
１９…プロセッサ
１９０…制御部
１９１…操作受付部
１９２…送受信部
１９３…訓練制御部
２０…サーバ
２２…通信ＩＦ
２３…入出力ＩＦ
２５…メモリ
２６…ストレージ
２９…プロセッサ
２０１…通信部
２０２…記憶部
２０２１…従業員情報ＤＢ
２０２２…訓練情報ＤＢ
２０２３…コンテンツ情報ＤＢ
２０２４…シフト情報ＤＢ
２０３…制御部
２０３１…受信制御モジュール
２０３２…送信制御モジュール
２０３３…解析モジュール
２０３４…配属決定モジュール
２０３５…シフト設定モジュール
２０３６…提示モジュール
３０…端末装置
８０…ネットワーク

Claims (22)

1. 職業訓練に関する第１画像を表示する手段と、
   前記職業訓練を受講する受講者からの操作を受け付ける手段と、
   前記第１画像を視認する前記受講者の、少なくとも発汗量を含む第１生体情報を取得する手段と、
   前記第１生体情報から前記受講者のストレスに関する第１値を算出する手段と、
   前記第１値に基づいて前記職業訓練と対応する業務についての前記受講者の特性を推定する手段と
   を具備するシステム。
2. 前記表示する手段は、所定のストレスが想定される第２画像を表示し、
   前記取得する手段は、前記第２画像を視認する前記受講者の、少なくとも発汗量を含む第２生体情報を取得し、
   前記算出する手段は、前記第２生体情報に基づき、ストレスに関する第２値を算出し、前記第１生体情報と、前記第２値とから、前記第１値を算出する、請求項１記載のシステム。
3. 前記表示する手段は、適度な運動をさせるための第３画像を表示し、
   前記取得する手段は、前記第３画像を視認する前記受講者の、少なくとも発汗量を含む第３生体情報に基づき、前記第１生体情報を補正する、請求項１又は２に記載のシステム。
4. 前記職業訓練が終了すると、前記職業訓練の達成度を評価する手段を具備し、
   前記推定する手段は、前記第１値及び前記達成度に基づいて前記特性を推定する、請求項１乃至３のいずれかに記載のシステム。
5. 前記表示する手段は、ＶＲ画像を表示する請求項１乃至４のいずれかに記載のシステム。
6. 前記取得する手段は、前記受講者の体の一部を含んで形成される空間の湿度を計測するセンサにより、発汗量を取得する、請求項１乃至５のいずれかに記載のシステム。
7. 前記センサは、前記空間へ空気を供給する第１経路、前記空間から空気を排出する第２経路、前記第１経路及び前記第２経路に設置される湿度センサを有する請求項６記載のシステム。
8. 前記操作を受け付ける手段は、コントローラであり、
   前記センサは、前記空間が前記コントローラの把持部に設けられる、請求項６又は７に記載のシステム。
9. 前記推定する手段は、前記第１値に基づき、前記職業訓練と対応する業務についての前記受講者の適性を推定する、請求項１乃至８のいずれかに記載のシステム。
10. 前記推定する手段は、前記適性に基づき、前記受講者が連続して前記業務に携われる時間を算出する、請求項９記載のシステム。
11. 前記推定する手段は、過去に受講した職業訓練で算出された第１値と、今回の職業訓練で算出された第１値とに基づいて前記適性を推定する、請求項１０記載のシステム。
12. 前記推定する手段は、前記第１値及び前記達成度に基づき、前記職業訓練と対応する業務についての前記受講者の習熟度を推定する、請求項４記載のシステム。
13. 前記推定する手段は、過去に受講した職業訓練で算出された第１値及び達成度と、今回の職業訓練で算出された第１値及び達成度とに基づいて前記習熟度を推定する、請求項１２記載のシステム。
14. 前記受講者の特性に基づき、前記受講者の配属を決定する手段を具備する、請求項１乃至１３のいずれかに記載のシステム。
15. 前記職業訓練を受講した複数の受講者について算出された前記時間に基づき、前記複数の受講者の少なくともいずれかの勤務予定を決定する手段を具備する、請求項１０記載のシステム。
16. 前記受講者の特性に基づき、職業訓練の受講を提案する手段を具備する、請求項１乃至１５のいずれかに記載のシステム。
17. 前記受講者の習熟度に基づき、職業訓練の受講を提案する手段を具備する、請求項１２又は１３に記載のシステム。
18. 前記受講者の習熟度及び特性に基づき、職業訓練の受講が不要であると判断する手段を具備する、請求項１２、１３、又は１７に記載のシステム。
19. 職業訓練に関する第１画像を表示する手段と、
    前記職業訓練を受講する受講者の手の動きに基づき、前記受講者からの操作を受け付ける手段と、
    前記受講者の手の動きから前記受講者のストレスに関する第１値を算出する手段と、
    前記第１値に基づいて前記職業訓練と対応する業務についての前記受講者の特性を推定する手段と
    を具備するシステム。
20. 制御部と、記憶部とを備える情報処理装置であって、前記制御部が、
    職業訓練に関する第１画像を表示部に表示させるステップと、
    前記職業訓練を受講する受講者からの操作を受け付けるステップと、
    前記第１画像を視認する前記受講者の、少なくとも発汗量を含む第１生体情報を取得するステップと、
    前記第１生体情報から前記受講者のストレスに関する第１値を算出するステップと
    を実行する情報処理装置。
21. 制御部と、記憶部とを備える複数の情報処理装置を具備するシステムで実行される方法であって、前記複数の情報処理装置の少なくともいずれかが、
    職業訓練に関する第１画像を表示部に表示させるステップと、
    前記職業訓練を受講する受講者からの操作を受け付けるステップと、
    前記第１画像を視認する前記受講者の、少なくとも発汗量を含む第１生体情報を取得するステップと、
    前記第１生体情報から前記受講者のストレスに関する第１値を算出するステップと、
    前記第１値に基づいて前記職業訓練と対応する業務についての前記受講者の特性を推定するステップと
    を実行する方法。
22. 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、
    職業訓練に関する第１画像を表示部に表示させるステップと、
    前記職業訓練を受講する受講者からの操作を受け付けるステップと、
    前記第１画像を視認する前記受講者の、少なくとも発汗量を含む第１生体情報を取得するステップと、
    前記第１生体情報から前記受講者のストレスに関する第１値を算出するステップと
    を実行させるプログラム。
    
    
    

Images