JP5316554B2 - 情報処理装置及びプログラム - Google Patents

Description

本発明は、情報処理装置及びプログラムに関する。

下記特許文献１には、現在実行中の行動系列の次に行われ得る複数種の行動の各々について当該行動が行われた場合の環境負荷発生量を算出し、算出された環境負荷発生量に基づいて次に実行すべき行動をユーザに案内する装置、が開示されている。

特開２００８−２１７４７８号公報

本発明の目的は、評価対象の時期での人物の行動実績の評価を、その人物が自己の複数の時期における行動実績に対して入力した自己評価を考慮して行えるようにすることである。

上記課題を解決するための請求項１の発明は、複数の時期の各々での人物の行動実績に対して前記人物自身が入力した自己評価の評価種別を教師データとして、当該複数の時期の各々での前記人物の行動実績を学習し、学習分類器を生成する生成手段と、評価対象の時期での前記人物の行動実績を、前記生成手段により生成された学習分類器に基づいて評価する評価手段と、を含むことを特徴とする情報処理装置である。

また、請求項２の発明は、請求項１の発明において、前記生成手段により生成された学習分類器が、複数の時期の各々での前記人物以外の他の人物の行動実績に対して前記他の人物自身が入力した自己評価の評価種別を教師データとする当該複数の時期の各々での前記他の人物の行動実績の学習結果、に基づく条件を満足する場合に、当該学習分類器を修正する修正手段をさらに含み、前記評価手段は、前記学習分類器が修正された場合、修正された前記学習分類器に基づいて、評価対象の時期での前記人物の行動実績を評価すること、を特徴とする。

また、請求項３の発明は、請求項１の発明において、前記生成手段は、複数の状態の各々について、前記人物が当該状態にあった複数の時期の各々での前記人物の行動実績に対して入力された自己評価の評価種別を教師データとして、当該複数の時期の各々での前記人物の行動実績を学習して学習分類器を生成し、前記評価手段は、評価対象の時期での前記人物の行動実績を、前記複数の状態のうちの当該評価対象の時期での前記人物の状態、について生成された学習分類器に基づいて評価することを特徴とする。

また、請求項４の発明は、請求項１の発明において、前記人物とは異なる他の人物により予め定められた操作が行われた場合に、前記生成手段により生成された前記学習分類器を修正する修正手段をさらに含み、前記評価手段は、前記学習分類器が修正された場合、修正された前記学習分類器に基づいて、評価対象の時期での前記人物の行動実績を評価し、前記修正手段は、前記他の人物の属性が予め定められた条件を満足する場合に、前記生成手段により生成された前記学習分類器を修正することを特徴とする。

また、上記課題を解決するための請求項５の発明は、複数の時期の各々での人物の行動実績に対して前記人物自身が入力した自己評価の評価種別を教師データとして、当該複数の時期の各々での前記人物の行動実績を学習し、学習分類器を生成する生成手段、評価対象の時期での前記人物の行動実績を、前記生成手段により生成された学習分類器に基づいて評価する評価手段、としてコンピュータを機能させるプログラムである。

請求項１及び５の発明によれば、評価対象の時期での人物の行動実績の評価を、その人物が自己の複数の時期における行動実績に対して入力した自己評価を考慮して行うことができる。

請求項２の発明によれば、評価対象の時期での上記人物の行動実績の評価を、他の人物が自己の複数の時期における行動実績に対して入力した自己評価も考慮して、行うことができる。

請求項３の発明によれば、評価対象の時期での上記人物の行動実績の評価を、評価対象の時期における上記人物の状態に応じた評価基準を用いて評価することができる。

請求項４の発明によれば、評価対象の時期での上記人物の行動実績を評価するための評価基準を、特定の属性を有する他の人物から要求された場合に修正することができる。

本発明の一実施形態に係る情報処理装置の構成を示す図である。 確認画面の一例を示す図である。 情報処理装置にて実行される処理を例示するフロー図である。 情報処理装置にて実行される処理を例示するフロー図である。 決定木を例示する図である。 情報処理装置にて実行される処理を例示するフロー図である。 確認画面の一例を示す図である。 情報処理装置にて実行される処理を例示するフロー図である。 情報処理装置にて実行される処理を例示するフロー図である。

以下、本発明の実施形態の例について図面に基づき詳細に説明する。

［情報処理装置］
図１は、本発明の一実施形態に係る情報処理装置２の構成を示す図である。本実施形態の場合、情報処理装置２は、制御部４、主記憶６，ハードディスク８、及びネットワークインタフェース１０（以下、ネットワークＩＦ１０と記載する）を含むサーバとして実現される。本実施形態の場合、情報処理装置２は、一企業のオフィスに設置され、当該企業に所属する社員の情報端末（不図示）及びデータベース（不図示）とネットワーク通信可能に接続されている。情報処理装置２により、勤務管理サービスが実現される。

なお、データベースには、上記企業に所属する複数の社員の各々の就業日ごとの勤務記録が格納されている。ここでは、勤務記録には、社員の出勤時刻、社員の退勤時刻、及び社員が何時に何処にいたか等が格納されている。また、データベースには、各社員の就業日ごとの状態が格納されている。ここでは、社員の状態として、その社員が従事していた業務の業務種別が格納される。

制御部４は、例えばマイクロプロセッサであり、主記憶６に記憶されるプログラムに従って情報処理を実行する。主記憶６は、ＲＡＭ及びＲＯＭを含む。主記憶６には上記プログラムや、情報処理の過程で必要となる各種データが格納される。なお、上記プログラムは、ＤＶＤ（登録商標）−ＲＯＭ等のコンピュータ読取可能な情報記憶媒体から読み出されて主記憶６に格納されてもよいし、ネットワーク等の通信網から供給されて主記憶６に格納されてもよい。

ハードディスク８は、各種情報を記憶するための記憶媒体である。ハードディスク８には、各社員の属性が格納される。本実施形態の場合、ハードディスク８には、社員の属性として、当該社員の職階が格納される。また、ハードディスク８には、社員の属性として、当該社員の所属している部署が格納される。

ハードディスク８に格納される他の情報については後述する。

ネットワークＩＦ１０は、ネットワークに情報を送信したり、ネットワークから情報を受信したりするためのインタフェースであり、例えば、ネットワークインタフェースカードである。ネットワークＩＦ１０は、ネットワークから情報を受信し、制御部４に出力する。また、ネットワークＩＦ１０は、制御部４から入力された情報をネットワークへと送信する。

［勤務管理サービス］
勤務管理サービスについて説明する。この企業では、毎朝（例えば出勤時）、社員が自己の情報端末を用いて情報処理装置２にアクセスし、ログインするようになっている。こうすることにより、ログインした社員が、自己の前日における勤務実績を確認するようになっている。

具体的には、制御部４が、ログインした社員の前日の勤務実績をデータベースの記憶内容に基づいて取得し、取得した勤務実績を当該社員の情報端末に送信する。その結果として、ログインした社員の情報端末の表示部に確認画面が表示される。

図２は、確認画面の一例を示す図である。同図に示すように、確認画面には、ログインした社員の前日の勤務実績が表示される。すなわち、確認画面には、複数のパラメータの各々のパラメータ値が表示される。以下、パラメータのことを実績指標と呼び、パラメータ値のことを実績値と呼ぶ。ここでは、実績指標とは、出勤時刻、退勤時刻、就業時間内における会議室滞在時間、就業時間内における居室滞在時間、就業時間外における会議室滞在時間、及び就業時間外における居室滞在時間である。勤務実績には、各実績指標の実績値が含まれる。

以下、実績指標「出勤時刻」をｖ１と記載し、実績指標「退勤時刻」をｖ２と記載し、実績指標「就業時間内における会議室滞在時間」をｖ３と記載し、実績指標「就業時間内における居室滞在時間」をｖ４と記載し、実績指標「就業時間外における会議室滞在時間」をｖ５と記載し、実績指標「就業時間外における居室滞在時間」をｖ６と記載する場合がある。

この確認画面は、前日の勤務実績の確認に用いられるだけではない。この確認画面は、前日の勤務実績を確認した社員が、前日の勤務実績に対する自己評価を入力するためにも用いられる。すなわち、前日の勤務実績を確認した社員は、例えばエコロジーの観点から前日の勤務実績を自己評価し、その評価種別を入力欄１２に入力するようになっている。なお、ここでは、社員は、「良」及び「悪」のうちのいずれかの評価種別を入力するものとする。

なお、評価種別が入力されると、入力された評価種別が情報処理装置２へと送信される。

また、この確認画面は、前日の勤務実績の確認に用いられたり、自己評価の入力に用いられたりするだけではない。すなわち、この情報処理装置２では、前日の勤務実績が評価されるようになっており、その評価結果が評価出力欄１４に表示されるようになっている。そのため、この確認画面は、前日の勤務実績の評価の確認にも用いられる。

特に、この情報処理装置２では、社員自身が入力した自己評価が考慮されて評価がなされるようになっている。以下、この点について説明する。

［処理］
図３は、情報処理装置２にて実行される処理を例示するフロー図である。この処理は、社員一人一人について行われる。なお、処理の対象となっている社員のことを社員Ｘと記載する。

この処理は、繰り返し行われる。本実施形態の場合、社員Ｘが情報処理装置２にログインする度に行われる。

まず、制御部４は、上記データベースの記憶内容に基づいて、評価対象の時期における、社員Ｘの勤務実績を取得する（Ｓ１０１）。本実施形態の場合、制御部４は、社員Ｘの前日の勤務実績を取得する。上述のように、勤務実績には、各実績指標の実績値が含まれる。なお、本実施形態の場合、制御部４は、取得した社員Ｘの勤務実績を社員Ｘの情報端末に送信することも行う。その結果、社員Ｘの情報端末に社員Ｘの前日の勤務実績が表示される（図２参照）。

そして、制御部４は、社員Ｘ自身が入力した自己評価の評価種別を取得する（Ｓ１０２）。本実施形態の場合、制御部４は、社員Ｘの情報端末から自己評価の評価種別を受信する。

そして、制御部４は、上記データベースの記憶内容に基づいて社員Ｘが評価対象の時期に従事していた業務の業務種別を特定し、特定した業務種別、Ｓ１０１のステップで取得した社員Ｘの勤務実績、及びＳ１０２のステップで取得した評価種別を含むレコードを、社員Ｘの社員ＩＤに関連付けてハードディスク８に記憶する（Ｓ１０３）。

図４は、情報処理装置２にて実行される他の処理を例示するフロー図である。この処理も社員一人一人について行われる。ここでも、処理の対象となっている社員のことを社員Ｘと記載する。

本実施形態の場合、この処理は、社員Ｘを対象として図３に示す処理が実行された場合に実行される。より詳しくは、社員Ｘを対象として図３に示す処理が行われた場合において、後述する評価基準情報が社員Ｘの社員ＩＤに関連づけてハードディスク８に記憶されていない場合に実行される。

まず、制御部４は、社員Ｘの社員ＩＤに関連づけてハードディスク８に記憶されているレコードの数「Ｎ」が基準数以上であるか否かを判定する（Ｓ２０１）。基準数は２以上の整数である。

レコードの数「Ｎ」が基準数以上である場合（Ｓ２０１のＹ）、制御部４（生成手段）は、複数の時期の各々での社員Ｘの勤務実績に対して社員Ｘ自身が入力した自己評価の評価種別を教師データとして、当該複数の時期の各々での社員Ｘの行動実績を学習する。すなわち、制御部４は、レコードの数「Ｎ」が基準数以上である場合（Ｓ２０１のＹ）、各レコードに含まれる評価種別を教師データとして、各レコードに含まれる社員Ｘの勤務実績を学習する（Ｓ２０２）。より詳しくは、制御部４は、各レコードに含まれる各実績値を独立変数とし、且つ、各レコードに含まれる評価種別を従属変数として、学習結果である学習分類器を生成する。

学習分類器はどのようなものでもよいが、本実施形態の場合、公知の決定木生成アルゴリズム（例えば、Ｃ４．５）により、学習分類器として決定木が生成されるものとする。

この決定木には、上記６つの実績指標ｖ１〜ｖ６のうちの少なくとも一部の実績指標の一つ一つに対応する指標ノードと、２つの評価種別「良」及び「悪」の一つ一つに対応する評価ノードと、が含まれる。指標ノードには下に伸びる複数のエッジが接続されており、各エッジは当該指標ノードに対応する実績指標の実績値の範囲に対応している。なお、各エッジが対応している範囲は、それぞれ異なる。

本実施形態の場合、指標ノードには下に伸びる２つのエッジが接続されており、指標ノードには境界値が対応付けられている。そして、一方のエッジは境界値以上の実績値に対応し、他方のエッジは境界値未満の実績値に対応している。

実績指標が評価種別の決定に与える影響が強いほど上位に、その実績指標に対応する指標ノードが配置される。

図５に決定木を例示した。矩形のノードは、指標ノードを表し、円形のノードは、評価ノードを表している。例えば、実績指標ｖ３に対応する指標ノードには境界値「２」が対応付けられているので、当該指標ノードから伸びる左側のエッジは、当該境界値未満の実績値に対応し、右側のエッジは、当該境界値以上の実績値に対応している。

学習分類器を生成すると、制御部４は、生成した学習分類器を評価基準情報として、社員Ｘの社員ＩＤに関連づけてハードディスク８に保存する（Ｓ２０３）。

各社員を対象に図４に示す処理が実行されることにより、社員ごとに、ハードディスク８に評価基準情報が関連づけて記憶される。なお、以下、ある社員の社員ＩＤに関連づけられた評価基準情報のことを、その社員の評価基準情報と呼ぶ。

図６は、情報処理装置２にて実行される他の処理を例示するフロー図である。この処理も社員一人一人について行われる。ここでも、処理の対象となっている社員のことを社員Ｘと記載する。

この処理は、評価対象の時期における社員Ｘの勤務実績が取得された場合に実行される。本実施形態の場合、Ｓ１０１のステップで社員Ｘの前日の勤務実績が取得された場合に実行される。

すなわち、制御部４は、社員Ｘの評価基準情報、すなわち決定木をハードディスク８から読み出す（Ｓ３０１）。

そして、制御部４（評価手段）は、所定の分類アルゴリズムに従って、評価対象の時期における社員Ｘの勤務実績、ここではＳ１０１のステップで取得された社員Ｘの前日の勤務実績、を評価基準情報に基づいて評価し（Ｓ３０２）、評価結果を示す情報を社員Ｘの情報端末に送信する。その結果、評価結果が社員Ｘの情報端末に表示される（図２の評価出力欄１４参照）。なお、社員Ｘの評価基準情報が記憶されていない場合、Ｓ３０２のステップは実行されない。従って、評価出力欄１４は空欄となる。

この情報処理装置２では、例えば社員Ａに着目した場合、複数の時期の各々での社員Ａの勤務実績に対して社員Ａ自身が入力した自己評価の評価種別を教師データとして、上記複数の時期の各々での社員Ａの勤務実績が学習され、学習分類器が生成される（図４参照）。そして、学習分類器を示す評価基準情報に基づいて評価対象の時期における社員Ａの勤務実績が評価される（図６参照）。

なお、制御部４は、Ｓ３０２のステップにおいて、上位１〜ｎ（本実施形態の場合、ｎは「２」）番目の指標ノードの各々に対応づけられた境界値を目標値として社員Ｘの情報端末に送信するようにしてもよい。こうすることにより、確認画面において目標値が表示されるようにしてもよい。図７に、目標値が表示されているときの確認画面の一例を示した。括弧の内の値が目標値を示している。

なお、本発明の実施形態は上記実施形態だけに限らない。

［変形例１］
例えば、上記実施形態では、社員の勤務実績の評価が、その社員の自己評価だけが考慮されて行われるようになっていた。すなわち、上記実施形態では、社員の勤務実績の評価が、その社員についての学習結果だけを用いて行われていた。しかしこの場合、社員の勤務実績の評価が客観的に行えない場合がある。そこで、社員の勤務実績の評価が、その社員の自己評価だけでなく他の社員の自己評価も考慮されて行われるようにしてもよい。すなわち、社員の勤務実績の評価が、その社員についての学習結果だけでなく他の社員についての学習結果も用いて行われるようにしてもよい。以下、この態様（変形例１と記載する）について説明する。

図８は、変形例１において、実行される処理の一例を示すフロー図である。この処理は例えば、予め定められたタイミングで実行される。

まず、制御部４は、ハードディスク８に記憶されるすべての社員の学習結果、すなわち、すべての社員の評価基準情報を参照し、指標ノードごとに、上位１〜Ｍ（Ｍは例えば３）番目に出現する回数（以下、出現頻度と記載する）を計数する（Ｓ４０１）。また、制御部４は、各指標ノードの出現頻度に基づいて、出現頻度が最も高い指標ノード（以下、注目指標ノードと記載する）を特定する（Ｓ４０２）。なお、制御部４は、複数の注目指標ノードを特定してもよい。例えば、制御部４は、出現頻度が上位１〜Ｌ（Ｌは例えば３）番目の指標ノードを注目指標ノードとして特定するようにしてもよい。

そして、制御部４は、社員一人一人についてＳ４０３のステップを実行する。

すなわち、制御部４は、社員の評価基準情報が、他の社員の評価基準情報に基づく条件を満足するか否かを判定する。具体的には、制御部４は、社員の評価基準情報において、「他の社員の評価基準情報に基づいて決定された上記注目指標ノード」が評価種別「良」に対応する評価ノードに接続されているか否かを判定する（Ｓ４０３）。社員の評価基準情報に含まれる上記注目指標ノードが評価種別「良」に対応する評価ノードに接続されている場合に、当該評価基準情報は上記条件を満足する。

そして、制御部４は、Ｓ４０３のステップでの判定結果に基づいて、各社員の評価基準情報のうちで上記条件を満足する評価基準情報、すなわち注目指標ノードが評価種別「良」に対応する評価ノードに接続されている評価基準情報（以下、注目評価基準情報と記載する）を特定する（Ｓ４０４）。そして、各注目評価基準情報から注目指標ノードに対応付けられている境界値を抽出し、境界値の出現頻度分布を作成する（Ｓ４０５）。

そして、制御部４（修正手段）は、注目指標ノードに対応付けられている境界値を更新することにより、各注目評価基準情報を修正する（Ｓ４０６）。ここで、制御部４は、注目指標ノードに対応する実績指標の種別に応じた態様で、注目指標ノードに対応付けられている境界値を更新する。例えば、注目指標ノードが実績指標「会議室滞在時間（就業時間外）」に対応する指標ノードｖ５である場合、上記出現頻度分布における、更新後の境界値以上の値の出現頻度の総和の割合が第１の基準割合になるように、境界値を更新する。また、例えば、注目指標ノードが実績指標「居室滞在時間（就業時間内）」に対応する指標ノードｖ４である場合、上記出現頻度分布における、更新後の境界値以下の値の出現頻度の総和の割合が第２の基準割合になるように、境界値を更新する。

変形例１では、例えば社員Ａの評価基準情報が上記条件を満足する場合、すなわち、社員Ａの評価基準情報が注目評価基準情報に該当する場合、当該評価基準情報が修正されることとなる。そのため、社員Ａの評価基準情報が修正された後、図６に示す処理が社員Ａについて行われた場合、修正された社員Ａの評価基準情報に基づいて社員Ａの勤務実績が評価されることとなる。

［変形例２］
また、例えば、いずれかの社員により予め定められた修正操作が行われた場合に、ハードディスク８に記憶される評価基準情報が修正されてもよい。以下、この態様（変形例２）について説明する。

変形例２では、例えば職階の高い社員が自己の情報端末を用いて、修正対象の評価基準情報を特定するための特定情報、修正方針を示す方針情報などを入力し、修正操作を行う。例えば、社員は、上記特定情報として自身が統括する部署を入力する。また、社員は、上記方針情報として、上記６つの実績指標のうちから選択した修正対象の実績指標と、目標境界値とを入力する。

修正操作が行われると、修正操作を行った社員の情報端末から情報処理装置２に、上記特定情報及び上記方針情報を含む修正制御情報が送信される。情報処理装置２は、修正制御情報を受信すると、以下に説明する処理を実行する。

図９は、変形例２において実行される処理を例示するフロー図である。まず、制御部４は、修正操作を行った社員の職階を特定する（Ｓ５０１）。そして、制御部４は、上記特定情報に基づいて、修正対象の評価基準情報を特定する（Ｓ５０２）。例えば、上記特定情報が表す部署に所属する社員を特定し、特定した社員の社員ＩＤに関連づけられた評価基準情報を特定する。

そして、制御部４は、Ｓ５０２のステップで特定した評価基準情報のうちで修正対象の実績指標に対応する指標ノードを含む評価基準情報である第１評価基準情報を特定する（Ｓ５０３）。

そして、制御部４は、修正操作を行った社員の職階が予め定められた職階以上の職階であるか否かを判定する（Ｓ５０４）。

修正操作を行った社員の職階が予め定められた職階以上の職階である場合（Ｓ５０４のＹ）、制御部４（修正手段）は第１評価基準情報を修正し（Ｓ５０５）、Ｓ５０６のステップに進む。本実施形態の場合、制御部４は、修正対象の実績指標に対応する指標ノードを、第１評価基準情報が表す決定木の最上位の指標ノードとして追加する。また、追加した指標ノードに上記目標境界値を対応付ける。

一方、修正操作を行った社員の職階が予め定められた職階以上の職階でない場合（Ｓ５０４のＮ）、制御部４（修正手段）は第１評価基準情報を修正せず、Ｓ５０６のステップに進む。

そして、制御部４は、Ｓ５０２のステップで特定した評価基準情報のうちの第１評価基準情報以外の評価基準情報である第２評価基準情報を修正する（Ｓ５０６）。本実施形態の場合、第２評価基準情報に含まれる修正対象の指標ノードに対応付けられた境界値を目標境界値に更新する。

変形例２では、例えば社員Ａが上記特定情報が表す部署に所属し、且つ、社員Ａの評価基準情報が上記第１評価基準情報に該当する場合において、修正操作を行った社員の職階が予め定められた職階以上の職階であれば、社員Ａの評価基準情報が修正されることとなる。そのため、社員Ａの評価基準情報が修正された後、図６に示す処理が社員Ａについて行われる場合、修正された社員Ａの評価基準情報に基づいて社員Ａの勤務実績が評価されることとなる。

［変形例３］
また、例えば、社員の評価基準情報が業務種別ごとに生成されてもよい。そして、評価対象の時期における社員の勤務実績が取得された場合に、その社員が評価対象の時期に従事していた業務種別について生成された評価基準情報に基づいて当該勤務実績が評価されてもよい。以下、この態様（以下、変形例３と記載する）について説明する。

変形例３では、社員Ｘを対象として図３に示す処理が行われた場合に、図４に示す処理と類似の処理が実行される。

すなわち、制御部４は、Ｓ２０１のステップにおいて、社員Ｘの社員ＩＤに関連づけてハードディスク８に記憶されているレコードのうちの、社員Ｘが現在従事している業務種別を含むレコードの数「Ｎ」が上記基準数以上であるか否かを判定する。そして、レコードの数Ｎが基準数以上である場合（Ｓ２０１のＹ）、制御部４（生成手段）が、Ｓ２０２のステップにおいて、各レコードに含まれる評価種別を教師データとして、各レコードに含まれる勤務実績を学習し、学習分類器を生成する。そして、制御部４は、Ｓ２０３のステップにおいて、生成した学習分類器を評価基準情報として、社員Ｘの社員ＩＤと社員Ｘが現在従事している業務種別とに関連づけてハードディスク８に保存する。

この処理が社員Ｘの従事している業務種別が変わる都度行われることにより、複数の業務種別の各々について、社員Ｘが当該業務種別の業務に従事していた複数の時期の各々での社員Ｘの勤務実績に対する自己評価を教師データとして、当該複数の時期の各々での社員Ｘの勤務実績が学習され、各業務種別について社員Ｘの評価基準情報が生成される。そのため、例えば社員Ａに着目した場合、複数の業務種別の各々について、社員Ａが当該業務種別の業務に従事していた複数の時期の各々での社員Ａの勤務実績に対する自己評価を教師データとして、当該複数の時期の各々での社員Ａの勤務実績が学習され、各業務種別について社員Ａの評価基準情報が生成されることとなる。

また、変形例３では、評価対象の時期における社員Ｘの勤務実績が取得された場合に、図６に示す処理と類似の処理が実行される。

すなわち、制御部４（評価手段）は、Ｓ３０１のステップにおいて、データベースの記憶内容に基づいて評価対象の時期に社員Ｘが従事していた業務種別を特定し、特定した業務種別と、社員Ｘの社員ＩＤと、に関連づけられた評価基準情報をハードディスク８から読み出す。そして、制御部４（評価手段）は、Ｓ３０２のステップにおいて、Ｓ３０１のステップで読み出した評価基準情報に基づいて、評価対象の時期における社員Ｘの勤務実績を評価することとなる。

この処理により、評価対象の時期における社員Ｘの勤務実績が、社員Ｘがその時期に従事していた業務種別に対応する社員Ｘの評価基準情報に基づいて評価される。そのため、変形例３では、例えば社員Ａに着目した場合、評価対象の時期における社員Ａの勤務実績が、社員Ａがその時期に従事していた業務種別に対応する社員Ａの評価基準情報に基づいて評価されることとなる。

［その他］
また、評価対象の時期は、どのような時期であってもよい。

また、図２に示す確認画面において実績指標ごとに自己評価が入力されてもよい。この場合、制御部４は、実績指標ごとに入力された自己評価に基づいて、自己評価を入力した社員の評価基準情報を修正してもよい。

２ 情報処理装置、４ 制御部、６ 主記憶、８ ハードディスク、１０ ネットワークインタフェース、１２ 入力欄、１４ 評価出力欄。

Claims (8)

1. 複数の時期の各々における評価対象の人物の行動実績を示す少なくとも１つの実績値を含む行動実績情報と、その時期における行動実績の自己評価として、前記評価対象の人物が複数の評価種別から選択した評価種別とを対応付けて記憶する記憶手段と、
   前記記憶手段に記憶される行動実績情報に含まれる前記実績値を独立変数とし、前記記憶手段に記憶される前記評価種別を教師データとして機械学習処理を行い、学習結果である学習分類器を生成する生成手段と、
   前記学習分類器を評価基準情報として、所定の分類アルゴリズムに従って、前記行動実績情報により示される前記評価対象の人物の行動実績の評価を示す評価種別を決定する評価手段と、
   を有する情報処理装置。
2. 前記学習分類器は、前記評価対象の人物の行動を評価する際の基準となる評価基準情報を示す、請求項１に記載の情報処理装置。
3. 前記生成手段により生成された学習分類器を評価基準情報として記憶する評価基準情報記憶手段と、
   前記評価対象の人物の属性を示す属性情報を記憶する属性情報記憶手段と、
   前記評価基準情報記憶手段に、前記評価基準情報が記憶されていないときに、前記記憶手段に記憶されている前記評価種別の数が予め定められた基準数以上か否かを判断する判断手段と、
   をさらに有し、
   前記生成手段は、
   前記判断手段により判断された数が、前記基準数以上の場合に、学習分類器の生成をおこなうこと、
   を特徴とする請求項１又は２に記載の情報処理装置。
4. 前記生成手段により生成された学習分類器が、複数の時期の各々での他の人物の行動実績を示す前記行動実績情報中の前記実績値を独立変数とし、該複数の時期それぞれにおける行動実績の自己評価として前記他の人物が選択した評価種別を教師データとして行われた機械学習の学習結果、に基づく条件を満足する場合に、当該学習分類器を修正する修正手段をさらに含み、
   前記評価手段は、
   前記学習分類器が修正された場合、修正された前記学習分類器を前記評価基準情報として、前記評価対象の人物の行動実績の評価を示す評価種別を決定すること、
   を特徴とする請求項１に記載の情報処理装置。
5. 前記生成手段は、
   複数の状態の各々について、前記評価対象の人物が当該状態にあった複数の時期の各々について前記記憶手段に記憶される行動実績情報中の前記実績値を独立変数とし、該複数の時期の各々について前記記憶手段に記憶される評価種別を教師データとして機械学習処理を行い学習分類器を生成し、
   前記評価手段は、
   評価対象の時期での前記評価対象の人物の行動実績を示す前記行動実績情報により示される行動実績、の評価を示す評価種別を、前記複数の状態のうちの当該評価対象の時期での前記人物の状態、について生成された学習分類器を前記評価基準情報として決定すること、
   を特徴とする請求項１に記載の情報処理装置。
6. 前記評価対象の人物とは異なる他の人物により予め定められた操作が行われた場合に、前記生成手段により生成された前記学習分類器を修正する修正手段をさらに含み、
   前記評価手段は、
   前記学習分類器が修正された場合、修正された前記学習分類器を前記評価基準情報として、前記行動実績情報により示される前記評価対象の人物の行動実績、の評価を示す評価種別を決定し、
   前記修正手段は、
   前記他の人物の属性が予め定められた条件を満足する場合に、前記生成手段により生成された前記学習分類器を修正すること、
   を特徴とする請求項１に記載の情報処理装置。
7. 前記行動実績情報は、複数の前記実績値を含み、
   各実績値は、複数のパラメータそれぞれの値であり、
   前記情報処理装置は、
   時期ごとに、その時期における人物の行動実績を示す前記行動実績情報と、その時期における当該人物の行動実績の自己評価として当該人物が選択した評価種別と、を当該人物に関連づけて前記記憶手段に保存すること、を複数の人物について実行する保存手段をさらに含み、
   前記生成手段は、
   人物ごとに、当該人物に関連づけて前記記憶手段に記憶される行動実績情報に含まれる前記実績値を独立変数とし、当該人物に関連づけて前記記憶手段に記憶される前記評価種別を教師データとして用いて、決定木生成アルゴリズムに従い、少なくとも一部の前記パラメータそれぞれに対応するノードを複数含む決定木を学習分類器として生成するとともに、生成した決定木を当該人物に関連づけて決定木記憶手段に保存し、
   各ノードには、そのノードに対応するパラメータの値と、前記複数の評価種別のうちのいずれかと、が対応付けられ、
   前記情報処理装置は、
   評価対象の時期での前記評価対象の人物の行動実績を示す前記行動実績情報を取得する取得手段をさらに含み、
   前記評価手段は、
   前記取得手段により取得された行動実績情報中の前記パラメータの実績値を、前記評価対象の人物に関連づけられた決定木において当該パラメータに対応するノードに対応付けられている前記値と比較し、比較結果に基づいて、前記取得手段により取得された行動実績情報により示される行動実績、の評価を示す評価種別を決定し、
   前記情報処理装置は、
   前記決定木記憶手段に保存される全決定木を参照して、ノードごとに、予め定められた範囲の階層に出現する出現頻度を計数する計数手段と、
   前記計数手段により計数された出現頻度が予め定められた条件を満足するノードを特定するノード特定手段と、
   前記ノード特定手段により特定されたノードが特定の評価種別に対応付けられている決定木を特定する決定木特定手段と、
   前記決定木特定手段により特定された決定木を修正する修正手段と、
   をさらに含み、
   前記修正手段は、
   前記ノード特定手段により特定されたノードに対応付けられた前記値を更新すること、
   を特徴とする請求項１に記載の情報処理装置。
8. 複数の時期の各々における人物の行動実績を示す少なくとも１つの実績値を含む行動実績情報と、その時期における行動実績の自己評価として前記人物が複数の評価種別から選択した評価種別と、を対応付けて記憶する記憶手段、に記憶される行動実績情報に含まれる前記実績値を独立変数とし、前記記憶手段に記憶される前記評価種別を教師データとして機械学習処理を行い、学習結果である学習分類器を生成する生成手段、
   前記学習分類器を評価基準情報として、所定の分類アルゴリズムに従って、前記行動実績情報により示される前記人物の行動実績、の評価を示す評価種別を決定する評価手段、
   としてコンピュータを機能させるためのプログラム。

Images