JP6653721B2 - Information processing apparatus and information processing method - Google Patents
Information processing apparatus and information processing method Download PDFInfo
- Publication number
- JP6653721B2 JP6653721B2 JP2018027988A JP2018027988A JP6653721B2 JP 6653721 B2 JP6653721 B2 JP 6653721B2 JP 2018027988 A JP2018027988 A JP 2018027988A JP 2018027988 A JP2018027988 A JP 2018027988A JP 6653721 B2 JP6653721 B2 JP 6653721B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- applicant
- evaluation
- past
- recruitment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 40
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000011156 evaluation Methods 0.000 claims description 164
- 230000007115 recruitment Effects 0.000 claims description 96
- 238000012360 testing method Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims 4
- 238000012545 processing Methods 0.000 claims 1
- 230000008520 organization Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 10
- 230000008450 motivation Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Description
本発明は、人工知能機能を有する情報処理装置及び情報処理方法に関する。 The present invention relates to an information processing device having an artificial intelligence function and an information processing method.
従来から、人工知能機能の活用が試みられており、研究分野も多岐に及んでいる（特許文献１参照）。他方、新卒採用等の採用試験では企業の採用担当者が書類選考を始めとする審査を人的に行ってきた。しかしながら、大量の採用希望者が作成したエントリーシート等の選考書類を最初から読むのは大変な労力がかかるうえ、採用担当者の個人的な立場によって選考結果がぶれることもあった。 Conventionally, utilization of artificial intelligence functions has been attempted, and the research field has been wide-ranging (see Patent Document 1). On the other hand, in recruitment tests such as recruitment of new graduates, recruiters in charge of companies have conducted human reviews such as screening documents. However, it takes a lot of effort to read the selection documents such as entry sheets created by a large number of applicants from the beginning, and the results of the selection may fluctuate depending on the personal position of the recruiter.
本発明は、客観的なデータに基づいて採用希望者に関する一定の評価を提供でき、採用担当者の労力を低減できる情報処理装置及び情報処理方法を提供する。 The present invention provides an information processing apparatus and an information processing method capable of providing a constant evaluation of a candidate for recruitment based on objective data and reducing the labor of a recruiter.
本発明による情報処理装置は、
対象会社に対して採用希望者が作成した文書に基づき、予め定まった各ファクタに対する第一評価情報を生成する第一評価部と、
前記採用希望者に関する採用希望者情報及び前記第一評価部からの前記第一評価情報に基づいて、前記採用希望者の第二評価情報を生成する第二評価部と、
を備え、
前記第二評価部は、過去の実績データに基づいて学習する人工知能機能を有し、
前記過去の実績データは、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果を含む。
The information processing device according to the present invention includes:
A first evaluation unit that generates first evaluation information for each predetermined factor based on a document created by an applicant for the target company;
A second evaluation unit that generates second evaluation information of the recruitment applicant based on the recruitment applicant information on the recruitment applicant and the first evaluation information from the first evaluation unit,
With
The second evaluation unit has an artificial intelligence function to learn based on past performance data,
The past performance data includes recruitment applicant information for past recruitment applicants, first evaluation information for the past recruitment applicant, and selection results for the past recruitment applicant.
本発明による情報処理装置において、
前記第一評価部は、前記文書で用いられている単語と前記ファクタを用いて、各ファクタに対する第一評価情報を生成してもよい。
In the information processing device according to the present invention,
The first evaluation unit may generate first evaluation information for each factor using the words used in the document and the factors.
本発明による情報処理装置において、
前記第一評価部は、前記文書内で用いられている単語の使用頻度と、当該単語と前記ファクタとの類似度とを用いて、各ファクタに対する第一評価情報を生成してもよい。
In the information processing device according to the present invention,
The first evaluation unit may generate first evaluation information for each factor using a frequency of use of a word used in the document and a similarity between the word and the factor.
本発明による情報処理装置において、
前記第一評価部は、人工知能機能を有し、単語間の近さから各ファクタに対応する特徴ベクトルを作成し、当該特徴ベクトルを用いて、前記文書内で用いられている単語と各ファクタとの類似度を算出してもよい。
In the information processing device according to the present invention,
The first evaluator has an artificial intelligence function, creates a feature vector corresponding to each factor from the closeness between words, and uses the feature vector to determine a word used in the document and each factor. May be calculated.
本発明による情報処理装置において、
前記過去の実績データは、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者の採用辞退情報又は早期退職情報を含んでもよい。
In the information processing device according to the present invention,
The past performance data may include recruitment applicant information for past recruitment applicants, first evaluation information for the past recruitment applicant, and rejection information or early retirement information for the past recruitment applicant. .
本発明による情報処理装置において、
前記過去の実績データは、前記対象会社における過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果、採用辞退情報又は早期退職情報を含んでもよい。
In the information processing device according to the present invention,
The past performance data is, for the target company, recruitment applicant information for past recruitment applicants, first evaluation information for the past recruitment applicant, selection results for the past recruitment applicant, recruitment decline information or Early retirement information may be included.
本発明による情報処理装置において、
前記採用希望者情報は、前記採用希望者の学歴を含む基礎情報、前記採用希望者の行動情報、前記採用希望者が受けた試験の結果を含む検査情報、前記採用希望者の保有する資格に関する情報を含む属性情報、及び、前記採用希望者の志望動機を含む文章情報のいずれか１つ以上を含んでもよい。
In the information processing device according to the present invention,
The applicant information includes basic information including the educational background of the applicant, behavior information of the applicant, examination information including the results of examinations taken by the applicant, and qualifications held by the applicant. The attribute information may include at least one of attribute information including information and text information including a motivation of the applicant.
本発明による情報処理装置において、
前記第一評価情報は、前記採用希望者の人物像に関する情報であり、
前記第二評価情報は、前記採用希望者に対する選考が優先される可能性を示す情報であってもよい。
In the information processing device according to the present invention,
The first evaluation information is information about a person image of the applicant for recruitment,
The second evaluation information may be information indicating a possibility that the selection for the recruitment applicant is prioritized.
本発明による情報処理装置において、
前記第一評価情報及び前記第二評価情報の両方を出力する出力部をさらに備えてもよい。
In the information processing device according to the present invention,
An output unit that outputs both the first evaluation information and the second evaluation information may be further provided.
本発明による情報処理方法は、
対象会社に対して採用希望者が作成した文書に基づき、予め定まった各ファクタに対する第一評価情報を生成する工程と、
前記採用希望者に関する採用希望者情報及び前記第一評価部からの前記第一評価情報に基づいて、前記採用希望者の第二評価情報を生成する工程と、
を備え、
前記第二評価情報が、人工知能機能が過去の実績データに基づいて学習した結果に基づいて、生成され、
前記過去の実績データが、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果を含む。
The information processing method according to the present invention comprises:
A step of generating first evaluation information for each predetermined factor based on a document prepared by the applicant for the target company,
Based on the hiring applicant information on the hiring applicant and the first evaluation information from the first evaluation unit, generating second evaluation information of the hiring applicant,
With
The second evaluation information is generated based on a result that the artificial intelligence function has learned based on past performance data,
The past performance data includes recruitment applicant information for past recruitment applicants, first evaluation information for the past recruitment applicant, and selection results for the past recruitment applicant.
本発明によれば、第一評価部が、採用希望者が作成した文書に基づき、予め定まった各ファクタに対する第一評価情報を生成し、第二評価部が、採用希望者情報と第一評価情報に基づいて、採用希望者の第二評価情報を生成する。本発明の第二評価部は過去の実績データに基づいて学習する人工知能機能を有しており、この過去の実績データには、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果が含まれていることから、客観的なデータに基づいて第二評価情報を提供でき（ぶれない評価が可能となり）、その結果、採用希望者に関する一定の評価情報を提供できる。このため、採用担当者の労力を低減できる。また、対象会社に合った人材の確保も期待できる。 According to the present invention, the first evaluator generates first evaluation information for each predetermined factor based on the document created by the applicant, and the second evaluator generates the first applicant information and the first evaluation. Based on the information, second evaluation information of the applicant for recruitment is generated. The second evaluation unit of the present invention has an artificial intelligence function for learning based on past performance data. The past performance data includes information on applicants who have recruited past applicants, Since the first evaluation information for the applicant and the selection results for the past applicants are included, the second evaluation information can be provided based on objective data (unreliable evaluation is possible). As a result, it is possible to provide certain evaluation information on applicants for recruitment. Therefore, the labor of the recruiter can be reduced. It can also be expected to secure human resources suitable for the target company.
実施の形態
《構成》
以下、本発明に係る情報処理装置の実施の形態について、図面を参照して説明する。ここで、図１乃至図３は本発明の実施の形態を説明するための図である。
Embodiment << Configuration >>
Hereinafter, an embodiment of an information processing device according to the present invention will be described with reference to the drawings. Here, FIG. 1 to FIG. 3 are views for explaining the embodiment of the present invention.
図１に示すように、本実施の形態では情報処理装置が採用支援機関とは異なる外部機関に設置されている態様を用いて説明するが、これに限られることはなく、情報処理装置は採用支援機関内に設置されてもよく、この場合には、採用支援機関が当該情報処理装置を所有及び／又は管理してもよい。本実施の形態の情報処理装置は、一つの装置から構成されてもよいし複数の装置から構成されてもよい。また、複数の装置から情報処理装置が構成される場合には、各装置が同じ部屋等の同じ空間に設けられる必要はなく、異なる部屋、異なる建物、異なる地域等に設けられてもよい。また、複数の装置から情報処理装置が構成される場合には、その一部を採用支援機関が所有及び／又は管理し、残りを外部機関が所有及び／又は管理してもよい。本実施の形態では「及び／又は」を用いて説明することもあるが、「又は」という文言は「及び」の意味も含んでいる。つまり、Ａ又はＢという文言は、Ａ単独、Ｂ単独、並びに、Ａ及びＢを含んだ概念である。 As shown in FIG. 1, in the present embodiment, the information processing apparatus will be described using a mode in which the information processing apparatus is installed in an external organization different from the recruiting support organization. However, the present invention is not limited to this. The information processing device may be installed in a support organization, and in this case, the hiring support organization may own and / or manage the information processing device. The information processing device according to the present embodiment may be configured by one device or may be configured by a plurality of devices. Further, when the information processing device is configured by a plurality of devices, each device does not need to be provided in the same space such as the same room, and may be provided in different rooms, different buildings, different regions, and the like. When the information processing apparatus is configured by a plurality of apparatuses, a part of the information processing apparatus may be owned and / or managed by the recruiting support organization, and the rest may be owned and / or managed by an external organization. Although this embodiment may be described using "and / or", the word "or" includes the meaning of "and". That is, the term A or B is a concept including A alone, B alone, and A and B.
図１に示すように、情報処理装置は、様々な情報を記憶する装置記憶部２０と、様々な制御を行う装置制御部１０とを有している。装置制御部１０は、後述する第一評価部１１、第二評価部１２及び検証部１６を有している。装置記憶部２０には、予め入力された過去の実績データと、検証部１６による今後の検証結果が記憶されてもよい。装置制御部１０には装置出力部３０が接続されてもよく、様々な情報が電子データ、紙媒体等の形式で装置出力部３０から出力されてもよい。 As illustrated in FIG. 1, the information processing apparatus includes a device storage unit 20 that stores various information and a device control unit 10 that performs various controls. The device control unit 10 includes a first evaluation unit 11, a second evaluation unit 12, and a verification unit 16, which will be described later. The device storage unit 20 may store past performance data input in advance and future verification results by the verification unit 16. The device output unit 30 may be connected to the device control unit 10, and various information may be output from the device output unit 30 in the form of electronic data, a paper medium, or the like.
採用支援機関には、様々な情報を記憶する機関記憶部６１と、様々な制御を行う機関制御部６０と、様々な情報を出力する機関出力部６２が設置されてもよい。採用支援機関と外部機関とはインターネット等を通じて情報のやりとりが可能となっており、機関記憶部６１に記憶された情報を用いて装置制御部１０が情報処理を行ってもよいし、装置出力部３０から出力された情報を機関制御部６０が受け取って、機関出力部６２で出力してもよい。機関記憶部６１には、各採用希望者が採用支援機関に有しているログインＩＤ、当該ログインＩＤに紐づけられたパスワード、ログインＩＤに紐づけられた採用希望者情報（後述する）等が記憶されてもよい。採用希望者には、学生等の新卒採用希望者の他、中途採用希望者も含まれてもよい。また、機関記憶部６１にも、予め入力された過去の実績データと、検証部１６による今後の検証結果が記憶されてもよい。なお、特許請求の範囲の「出力部」には、装置出力部３０及び機関出力部６２が含まれている。 The recruiting support organization may be provided with an engine storage unit 61 that stores various information, an engine control unit 60 that performs various controls, and an engine output unit 62 that outputs various information. The recruiting support organization and the external organization can exchange information through the Internet or the like, and the device control unit 10 may perform information processing using information stored in the institution storage unit 61, or may output information from the device output unit. The information output from 30 may be received by the engine control unit 60 and output by the engine output unit 62. The institution storage unit 61 stores a login ID possessed by each applicant for hiring at the recruiting support organization, a password associated with the login ID, and information on the applicant for recruitment (described later) associated with the login ID. It may be stored. Recruitment applicants may include mid-career recruitment applicants in addition to new graduate recruitment applicants such as students. Further, the past performance data input in advance and the future verification result by the verification unit 16 may be stored in the institution storage unit 61 as well. The “output unit” in the claims includes the device output unit 30 and the engine output unit 62.
図１に示すように、本実施の形態の情報処理装置は、採用希望者が作成した文書に基づき、予め定まった各ファクタに対する第一評価情報を生成する第一評価部１１と、採用希望者に関する採用希望者情報及び第一評価部１１からの第一評価情報に基づいて、採用希望者の第二評価情報を生成する第二評価部１２と、を有している。第二評価部１２は、過去の実績データに基づいて学習する人工知能機能を有している。 As shown in FIG. 1, an information processing apparatus according to the present embodiment includes a first evaluation unit 11 that generates first evaluation information for each predetermined factor based on a document created by an applicant, And a second evaluation unit 12 that generates second evaluation information of the applicant for recruitment based on the information on the applicant for recruitment and the first evaluation information from the first evaluation unit 11. The second evaluation unit 12 has an artificial intelligence function for learning based on past performance data.
過去の実績データは、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果を含んでもよい。なお、過去の実績データは、複数の採用希望者に対するものである。図２では過去の実績データとして昨年度の選考結果を図示しているが、これに限られることはなく過去数年の選考結果を過去の実績データとして利用してもよい。選考結果は、書類選考試験、一次選考試験、二次選考試験、ｎ次選考試験（「ｎ」は整数である。）、最終選考試験等の各選
考試験の結果を含んでもよい。
The past performance data may include recruitment applicant information for past recruitment applicants, first evaluation information for the past recruitment applicant, and selection results for the past recruitment applicant. The past performance data is for a plurality of applicants. Although FIG. 2 shows the selection results of the last year as past performance data, the present invention is not limited to this, and selection results of the past several years may be used as past performance data. The selection result may include the results of each selection test such as a document selection test, a primary selection test, a secondary selection test, an n-th selection test ("n" is an integer), and a final selection test.
過去の実績データは、例えば、採用希望者が入社を希望する対象会社におけるデータを含んでもよい。また、過去の実績データは、対象会社におけるデータに加えて又は対象会社におけるデータの代わりに対象会社以外の会社（例えば同業種の会社）におけるデータを含んでもよい。 The past performance data may include, for example, data on a target company to which a candidate for hiring desires to join. Further, the past performance data may include data of a company other than the target company (for example, a company of the same industry) in addition to the data of the target company or instead of the data of the target company.
ある程度の実績データが装置記憶部２０に蓄積された場合には、予め入力されていた過去の実績データは削除されてもよい。また、一定期間（例えば５年）よりも古い実績データは削除されてもよい。このように一定期間内（例えば５年以内）の実績データのみに基づいて第二評価情報を生成する場合には、比較的新しい実績データを用いて正確性の高い第二評価情報を生成できる点で有益である。 When a certain amount of performance data is stored in the device storage unit 20, the past performance data input in advance may be deleted. Moreover, the result data older than a fixed period (for example, five years) may be deleted. As described above, when the second evaluation information is generated based only on the actual data within a certain period (for example, within five years), highly accurate second evaluation information can be generated using relatively new actual data. It is useful.
「ファクタ」としては様々なものを挙げることができ、例えば、コミュニケーション能力、熱意、論理性、専門性、リーダーシップ、堅実性等の様々なファクタを挙げることができる（図２及び図３の「第一評価情報」参照）。このファクタの内容は適宜変更できるようになってもよいし、ファクタの数も適宜変更できるようになってもよい。ファクタの内容は、例えば、装置操作部３５からの入力によってその内容が変更されてもよい。 As the "factor", various factors can be cited, for example, various factors such as communication ability, enthusiasm, logic, specialty, leadership, and solidity ("No." in FIGS. 2 and 3). Evaluation information ”). The content of this factor may be changed as appropriate, and the number of factors may be changed as appropriate. The content of the factor may be changed by, for example, an input from the device operation unit 35.
採用希望者が作成した文書は、例えば、採用希望者が作成したエントリーシートであってもよい。このエントリーシートはＷＥＢ上で作成され、サーバー等の機関記憶部６１で記憶されてもよい。第一評価情報は、採用希望者の人物像に関する情報（人物像情報）であってもよい（図２及び図３参照）。また、第二評価情報は、採用希望者に対する選考が優先される可能性を示す情報（選考優先情報）であってもよい（図２及び図３参照）。この選考優先情報は、採用希望者が書類選考試験、一次選考試験、二次選考試験、ｎ次選考試験、最終選考試験等の選考試験を通過する可能性に関する情報を含んでもよい。また、装置操作部３５等から対象となる選考試験を選択することで、当該選考試験にける第二評価情報が装置出力部３０又は機関出力部６２から出力されてもよい。なお図２及び図３では、一例として、星の数で第二評価情報である選考優先情報を示しており、星の数が多いほど所定の選考試験を通過する可能性が高いことを示してもよい。 The document created by the applicant may be, for example, an entry sheet created by the applicant. This entry sheet may be created on the web and stored in the institution storage unit 61 such as a server. The first evaluation information may be information (person image information) on the person image of the applicant (see FIGS. 2 and 3). In addition, the second evaluation information may be information (selection priority information) indicating a possibility that the selection for the applicant is prioritized (selection priority information) (see FIGS. 2 and 3). This selection priority information may include information on the possibility that the applicant for application will pass a selection test such as a document selection test, a primary selection test, a secondary selection test, an n-th selection test, and a final selection test. Further, by selecting a target selection test from the device operation unit 35 or the like, the second evaluation information in the selection test may be output from the device output unit 30 or the engine output unit 62. In FIGS. 2 and 3, as an example, the selection priority information, which is the second evaluation information, is indicated by the number of stars, indicating that the greater the number of stars, the higher the possibility of passing a predetermined selection test. Is also good.
第一評価部１１は、エントリーシート等の文書で用いられている単語と、予め定められたファクタを用いて、各ファクタに対する第一評価情報を生成してもよい。 The first evaluation unit 11 may generate first evaluation information for each factor using a word used in a document such as an entry sheet and a predetermined factor.
第一評価部１１は、エントリーシート等文書内で用いられている単語の使用頻度と、当該単語とファクタとの類似度とを用いて、各ファクタに対する第一評価情報を生成してもよい。 The first evaluation unit 11 may generate first evaluation information for each factor using the frequency of use of a word used in a document such as an entry sheet and the similarity between the word and the factor.
第一評価部１１が人工知能機能を有し、大量のテキストデータで用いられている単語間（例えばＷＥＢ上で用いられている単語間）の近さから各ファクタに対応する特徴ベクトルを作成してもよい。そして、第一評価部１１は、当該特徴ベクトルを用いて、エントリーシート等の文書内で用いられている単語と各ファクタとの類似度を算出してもよい。また、第一評価部１１は、各ファクタと単語との近さを記憶した及び／又は各ファクタに対応する特徴ベクトルを記憶したＡＩ辞書を作成してもよい。単語の近さは、第一評価部１１の人工知能機能によって、例えばＷＥＢ上のサイト（ＳＮＳサイト等も含む。）での単語の用いられ方（単語の前後関係等）から推測されて決定され（学習され）、随時又は適宜、アップデートされてもよい。単語の近さに関する情報は、装置記憶部２０及び／又は機関記憶部６１に記憶されてもよい。 The first evaluation unit 11 has an artificial intelligence function and creates a feature vector corresponding to each factor from the closeness between words used in a large amount of text data (for example, between words used on WEB). You may. Then, the first evaluation unit 11 may calculate the similarity between a word used in a document such as an entry sheet and each factor using the feature vector. The first evaluation unit 11 may create an AI dictionary that stores the closeness between each factor and a word and / or stores a feature vector corresponding to each factor. The closeness of a word is determined by the artificial intelligence function of the first evaluation unit 11 by estimating, for example, how the word is used (such as the context of the word) at a site (including an SNS site) on the web. (Learned) and may be updated as needed or as appropriate. Information on the closeness of words may be stored in the device storage unit 20 and / or the institution storage unit 61.
第一評価部１１は、ＷＥＢ上で用いられている単語間の近さをマイニングしてもよい。
第一評価部１１は、ビッグテキストデータ（Big Text Data）から、各ファクタに関連し
た複数の単語をピックアップする（分類語彙表を作成する）とともに、各ファクタとピックアップされた単語との間の近さから、各ファクタに関連した特徴ベクトルを作成してもよい。一例としては、「熱意」というファクタを採用した場合には、「熱意」に近い単語として、バイタリティ、向上心、熱心、やる気、懸命等の単語をインターネットを介してピックアップし（分類語彙表を作成し）、「熱意」と、これらバイタリティ、向上心、熱心、やる気、懸命等の単語との間の近さから、「熱意」に関連した特徴ベクトルを作成してもよい。
The first evaluation unit 11 may mine the closeness between words used on the web.
The first evaluation unit 11 picks up a plurality of words related to each factor from the big text data (Big Text Data) (creates a classified vocabulary table), and calculates a closeness between each factor and the picked up word. Therefore, a feature vector related to each factor may be created. As an example, when the factor "enthusiasm" is adopted, words such as vitality, ambition, enthusiasm, motivation, and hardship are picked up via the Internet as words close to "enthusiasm" A feature vector related to “zeal” may be created from the closeness between “zeal” and words such as vitality, ambition, zeal, motivation, and hard.
そして、第一評価部１１は、このようにして作成された特徴ベクトルを用いて、エントリーシート等の文書内で用いられている単語と各ファクタとの類似度を生成してもよい。この際、エントリーシート等の文書内で用いられている単語の使用頻度から、文書内における当該単語の重要度を生成し、その結果も踏まえて、各ファクタに対する第一評価情報を生成してもよい。重要度を決定する際には、単語が一般的に使われる単語かどうかも考慮し、「助詞」や「私」といった単語については重要度を低くし（例えば「０」とし）、あまり使用されない単語については重要度を高くしてもよい。 Then, the first evaluation unit 11 may generate a similarity between a word used in a document such as an entry sheet and each factor using the feature vector created in this manner. At this time, even if the importance of the word in the document is generated from the frequency of use of the word used in the document such as an entry sheet, and the result is used, the first evaluation information for each factor is generated. Good. When determining the importance, consider whether the word is a commonly used word, and reduce the importance of words such as "particles" and "me" (for example, "0"), and use them rarely For words, the importance may be increased.
重要度を決定する際には、対象会社に採用されることを希望する他の採用希望者のエントリーシート等の文書も考慮してもよい。例えば、対象会社に採用されることを希望する他の採用希望者のエントリーシート等の文書で使用頻度が高い単語については重要度を低くし、あまり使用されない単語については重要度を高くしてもよい。このような態様を採用することで、採用希望者間での相対的な比較を行える点で有益である。 In determining the degree of importance, documents such as entry sheets of other applicants who wish to be employed by the target company may be considered. For example, words that are frequently used in documents such as entry sheets of other applicants who want to be adopted by the target company may be less important, and words that are not used much may be more important. Good. Adopting such an aspect is advantageous in that a relative comparison between applicants can be made.
前述した過去の実績データは、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者の採用辞退情報及び／又は早期退職情報を含んでもよい。採用辞退情報とは、選考試験には合格したが採用希望者自らの申出によって採用を辞退したという情報である。早期退職情報とは、採用希望者が対象会社に入社したが、１年〜３年以内といった所定の期間内に対象会社を退職してしまったという情報である。この「所定の期間」は装置操作部３５から適宜変更できるようになってもよい。 The above-mentioned past performance data is obtained by recruiting applicant information for past recruiting applicants, first evaluation information for the past recruiting applicants, rejection information and / or early retirement information of the past recruiting applicants. May be included. Recruitment withdrawal information is information that the applicant passed the selection test but declined recruitment on his / her own request. The early retirement information is information that an applicant for recruitment has joined the target company, but has retired from the target company within a predetermined period such as one to three years. This “predetermined period” may be changed as appropriate from the device operation unit 35.
検証部１６は、対象会社における対象年度の採用希望者に対する採用希望者情報及び当該対象年度の採用希望者に対する第一評価情報と、当該対象年度の採用希望者に対する選考結果とを検証し、その検証結果を装置記憶部２０又は機関記憶部６１に記憶させてもよい。また、検証部１６は、対象会社における対象年度の採用希望者に対する採用希望者情報及び当該対象年度の採用希望者に対する第一評価情報と、当該対象年度の採用希望者の採用辞退情報又は早期退職情報とを検証し、その検証結果を装置記憶部２０又は機関記憶部６１に記憶させてもよい。 The verification unit 16 verifies recruitment applicant information for the recruitment applicant in the target year, first evaluation information for the recruitment applicant in the target year, and selection results for the recruitment applicant in the target year in the target company. The verification result may be stored in the device storage unit 20 or the institution storage unit 61. In addition, the verification unit 16 includes information on the applicant for recruitment in the target company for the target year, first evaluation information for the recruitment applicant in the target year, rejection information of the applicant for recruitment in the target year, or early retirement. The information may be verified, and the verification result may be stored in the device storage unit 20 or the institution storage unit 61.
採用希望者情報は、採用希望者の学歴を含む基礎情報、採用希望者の行動情報、採用希望者が受けた試験の結果を含む検査情報、採用希望者の保有する資格に関する情報を含む属性情報、及び、採用希望者の志望動機を含む文章情報のいずれか１つ以上を含んでもよい（図２参照）。採用希望者情報は、これら基礎情報、行動情報、検査情報、属性情報及び文章情報の全てを含んでもよい。 Recruitment applicant information includes basic information including the applicant's educational background, behavior information of recruitment applicants, examination information including the results of examinations taken by recruitment applicants, and attribute information including information on qualifications possessed by recruitment applicants , And / or sentence information including the motivation of the applicant for recruitment (see FIG. 2). Recruitment applicant information may include all of these basic information, action information, inspection information, attribute information, and text information.
基礎情報は、採用希望者の学歴の他に、専攻、ゼミに関する情報等を含んでもよい。行動情報は、（対象会社の）説明会参加の回数、ログイン回数、併願先に関する情報等を含んでもよい。検査情報は、ＷＥＢテストの結果、適正検査の結果等を含んでもよい。属性情報は、採用希望者が有している資格、スキル等を含んでもよい。文章情報は、志望動機の他に、学外活動に関する情報等を含んでもよい。 The basic information may include information on a major, a seminar, and the like, in addition to the educational background of the applicant. The behavior information may include the number of times of participation in the briefing session (of the target company), the number of times of login, information on the application destination, and the like. The inspection information may include a result of a WEB test, a result of an appropriate inspection, and the like. The attribute information may include qualifications, skills, and the like possessed by the applicant. The sentence information may include information on off-campus activities in addition to the motivation.
上記人工知能機能の一例として、機械学習の手法を用いた分類器を用いてもよい。この分類器は、例えば、過去の実績データから、高い精度の第二評価情報を生成するように、機械学習技術によって、利用する採用変数（要素）と、その係数（重み）を定めてもよい。そして、定められた採用変数（要素）と、その係数（重み）を、対象となる採用希望者に関する採用希望者情報及び第一評価情報に適用することで、当該採用希望者に対する第二評価情報が生成されてもよい。上記人工知能機能は、回帰分析、決定木分析等を行ってもよい。回帰分析では、過去の実績データから高い精度の第二評価情報を生成するための所定の関数が定まり、この関数に対象となる採用希望者に関する採用希望者情報及び第一評価情報を組み入れることで、当該採用希望者に対する第二評価情報が生成される。決定木分析では、目標事象が生じる確率が最も確からしくなるように（高い精度の第二評価情報を生成するように）、利用する採用変数とその係数が定められ、定められた採用変数と係数を用いた決定木に、対象となる採用希望者に関する採用希望者情報及び第一評価情報を組み入れることで、当該採用希望者に対する第二評価情報が生成される。機械学習技術に関しては、様々なモデルを採用することができ、例えば、ロジスティクス回帰モデル、ランダムフォレストモデル、ツリーモデル等を採用することができる。 As an example of the artificial intelligence function, a classifier using a machine learning technique may be used. This classifier may determine, for example, employed variables (elements) to be used and their coefficients (weights) by machine learning technology so as to generate highly accurate second evaluation information from past performance data. . Then, by applying the determined recruitment variable (element) and its coefficient (weight) to the recruitment applicant information and the first evaluation information on the target recruitment candidate, the second evaluation information for the recruitment candidate is obtained. May be generated. The artificial intelligence function may perform regression analysis, decision tree analysis, or the like. In the regression analysis, a predetermined function for generating high-accuracy second evaluation information from past performance data is determined, and by incorporating recruitment applicant information and first evaluation information regarding the target recruitment applicant into this function. Then, the second evaluation information for the applicant is generated. In the decision tree analysis, the employed variables and their coefficients to be used are determined so that the probability of the occurrence of the target event becomes the most probable (to generate high-accuracy second evaluation information). By incorporating recruitment applicant information and first evaluation information regarding a target recruitment candidate into a decision tree using, the second evaluation information for the recruitment candidate is generated. As for the machine learning technology, various models can be adopted, for example, a logistic regression model, a random forest model, a tree model, and the like can be adopted.
対象となっている採用希望者に関して高い精度の第二評価情報を生成するように、第二評価部１２は「学習」を行う。ここで「学習」とは生成したい第二評価情報を最も正確に分類できるような採用変数（要素）と、その係数（重み）を自動的な試行錯誤によって定めることを意味する。つまり、第二評価部１２では、過去の実績データに基づく採用希望者情報、第一評価情報等の情報が集約され、パラメータを変化させながら最も誤差が小さくなるよう繰り返し学習が行われ、対象となっている採用希望者に適用する採用変数（要素）と係数（重み）が定められる。そして、このようにして定められた採用変数（要素）と係数（重み）を、対象となっている採用希望者の採用希望者情報及び第一評価情報に適用することで、第二評価情報が生成されることになる。 The second evaluation unit 12 performs “learning” so as to generate high-accuracy second evaluation information for the target applicant. Here, “learning” means that the adopted variables (elements) that can classify the second evaluation information to be generated most accurately and the coefficients (weights) thereof are determined by automatic trial and error. In other words, in the second evaluation unit 12, information such as applicant information for the recruitment based on the past performance data, the first evaluation information, and the like are aggregated, and the learning is repeatedly performed while changing the parameters so that the error is minimized. The recruiting variables (elements) and coefficients (weights) to be applied to the recruiting applicant are determined. Then, by applying the recruitment variables (elements) and coefficients (weights) determined in this way to the recruitment applicant information and the first evaluation information of the target recruitment applicant, the second evaluation information is obtained. Will be generated.
《方法》
本実施の形態の情報処理装置が第一評価情報及び第二評価情報を生成する際には、以下の工程を経ることになる。なお、上記と重複することになるので簡単に説明するに留めるが、上記「構成」で述べた全ての態様及び下記「作用・効果」で述べる全ての態様を「方法」において適用することができる。
"Method"
When the information processing apparatus according to the present embodiment generates the first evaluation information and the second evaluation information, the following steps are performed. It is to be noted that, although this will overlap with the above description, only a brief description will be given. However, all the modes described in the above “configuration” and all the modes described in the following “operations and effects” can be applied in the “method”. .
採用希望者が、採用支援機関が開設しているＷＥＢサイト等でエントリーシート等の文書を作成する。このエントリーシート等の文書は、当該採用希望者のログインＩＤと紐づけられており、機関記憶部６１に記憶される。 An applicant for recruitment creates a document such as an entry sheet on a web site or the like established by the recruitment support organization. The document such as the entry sheet is linked to the login ID of the applicant and stored in the institution storage unit 61.
機関記憶部６１に記憶されたエントリーシート等の文書に基づき、予め定まった各ファクタに対する第一評価情報が生成される。この際、第一評価部１１は、文書で用いられている単語とファクタを用いて、各ファクタに対する第一評価情報を生成する（図２参照）。より具体的には、第一評価部１１は、文書内で用いられている単語の使用頻度と、当該単語とファクタとの類似度とを用いて、各ファクタに対する第一評価情報を生成する。 Based on a document such as an entry sheet stored in the institution storage unit 61, first evaluation information for each predetermined factor is generated. At this time, the first evaluation unit 11 generates first evaluation information for each factor using the words and factors used in the document (see FIG. 2). More specifically, the first evaluation unit 11 generates first evaluation information for each factor using the frequency of use of the word used in the document and the similarity between the word and the factor.
このようにして生成された第一評価情報は、装置出力部３０によって出力される（図２及び図３参照）。この出力は電子データ、紙媒体等の形式で行われる。この第一評価情報は、外部機関から採用支援機関に提供され、採用支援機関から対象会社に提供されてもよい。 The first evaluation information generated in this manner is output by the device output unit 30 (see FIGS. 2 and 3). This output is performed in the form of electronic data, a paper medium, or the like. The first evaluation information may be provided from an external organization to the recruitment support organization, and may be provided from the recruitment support organization to the target company.
第一評価部１１によって生成された第一評価情報は第二評価部１２に入力される（図２参照）。 The first evaluation information generated by the first evaluation unit 11 is input to the second evaluation unit 12 (see FIG. 2).
このように入力された第一評価情報と、機関記憶部６１に記憶されている当該採用者の採用希望者情報に基づいて、当該採用希望者に対する第二評価情報が生成される（図２参照）。この第二評価情報は、人工知能機能が過去の実績データに基づいて学習した結果に基づいて、生成される。ここで用いられる過去の実績データには、対象会社における過去の採用希望者に対する採用希望者情報（図２では「昨年度の選考結果」に関する情報が示されている。）と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果が含まれている。 Based on the first evaluation information input in this way and the recruitment applicant information of the recruiter stored in the institution storage unit 61, the second evaluation information for the recruiter is generated (see FIG. 2). ). The second evaluation information is generated based on a result learned by the artificial intelligence function based on past performance data. The past performance data used here includes recruitment applicant information for the past recruitment applicants in the target company (in FIG. 2, information on “selection result of last year”) is shown, and the recruitment requisition in the past is shown. The first evaluation information for the applicant and the selection result for the past applicant for recruitment are included.
このようにして生成された第二評価情報は、装置出力部３０によって出力される（図２及び図３参照）。この出力は電子データ、紙媒体等の形式で行われる。この第二評価情報は、外部機関から採用支援機関に提供され、採用支援機関から対象会社に提供されてもよい。 The second evaluation information generated in this manner is output by the device output unit 30 (see FIGS. 2 and 3). This output is performed in the form of electronic data, a paper medium, or the like. The second evaluation information may be provided from an external organization to the recruitment support organization, and may be provided from the recruitment support organization to the target company.
《作用・効果》
次に、上述した構成からなる本実施の形態による作用・効果であって、未だ説明していないものを中心に説明する。
《Action / Effect》
Next, operations and effects of the present embodiment having the above-described configuration, which have not been described, will be mainly described.
本実施の形態によれば、第一評価部１１が、採用希望者が作成したエントリーシート等の文書に基づき、予め定まった各ファクタに対する第一評価情報を生成し、第二評価部１２が、採用希望者情報と第一評価情報に基づいて、採用希望者の第二評価情報を生成する。本実施の形態の第二評価部１２は過去の実績データに基づいて学習する人工知能機能を有しており、この過去の実績データには、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果が含まれていることから、客観的なデータに基づいて第二評価情報を提供でき（ぶれない評価が可能となり）、その結果、採用希望者に関する一定の評価情報を提供できる。このため、採用担当者の労力を低減できる。また、対象会社に合った人材の確保も期待できる。 According to the present embodiment, the first evaluation unit 11 generates first evaluation information for each predetermined factor based on a document such as an entry sheet created by an applicant for adoption, and the second evaluation unit 12 Based on the applicant information and the first evaluation information, second evaluation information of the applicant is generated. The second evaluation unit 12 of the present embodiment has an artificial intelligence function of learning based on past performance data, and the past performance data includes recruitment applicant information for past recruitment applicants, Since the first evaluation information for past applicants and the selection results for past applicants are included, second evaluation information can be provided based on objective data. ), As a result, it is possible to provide certain evaluation information on applicants for employment. Therefore, the labor of the recruiter can be reduced. It can also be expected to secure human resources suitable for the target company.
第一評価部１１が、文書で用いられている単語と予め定まったファクタを用いて、各ファクタに対する人物像に関する情報等の第一評価情報を生成する態様を採用した場合には、エントリーシート等の文書を用いて客観的な第一評価情報を生成することができる。 When the first evaluation unit 11 employs a mode of generating first evaluation information such as information on a person image for each factor using words used in a document and predetermined factors, an entry sheet or the like is used. Can be used to generate objective first evaluation information.
第一評価部１１が、文書内で用いられている単語の使用頻度と当該単語とファクタとの類似度とを用いて、各ファクタに対する第一評価情報を生成する態様を採用した場合には、エントリーシート等の文書内で用いられている単語の使用頻度を用いた、より客観的な第一評価情報を生成することができる。 When the first evaluation unit 11 adopts a mode of generating first evaluation information for each factor using the frequency of use of a word used in the document and the similarity between the word and the factor, It is possible to generate more objective first evaluation information using the frequency of use of words used in a document such as an entry sheet.
特に、第一評価部１１が、ＷＥＢ上のビッグテキストデータから、各ファクタに関連した複数の単語をピックアップする（分類語彙表を作成する）とともに、各ファクタとピックアップされた単語との間の近さから、各ファクタに関連した特徴ベクトルを作成する態様を採用した場合には、ＷＥＢ上の大量の情報から作成された特徴ベクトルを用いて文書内で用いられている単語と各ファクタとの類似度を算出することができ、より客観的な第一評価情報を生成できる点で有益である。 In particular, the first evaluation unit 11 picks up a plurality of words related to each factor from the big text data on the WEB (creates a classified vocabulary table), and closes a distance between each factor and the picked up word. Therefore, in the case of adopting a mode of creating a feature vector related to each factor, a similarity between a word used in a document and each factor using a feature vector created from a large amount of information on the WEB is used. This is useful in that the degree can be calculated and more objective first evaluation information can be generated.
また、第一評価部１１が人工知能機能を有し、ＷＥＢ上で用いられている単語間の近さから各ファクタと対応する特徴ベクトルを作成する態様を採用した場合には、最新の特徴ベクトルを作成することができ、その結果、文書内で用いられている単語と各ファクタとの類似度を最新のデータに基づいて算出できる点で有益である。 When the first evaluation unit 11 has an artificial intelligence function and adopts a mode of creating a feature vector corresponding to each factor from the closeness between words used on the web, the latest feature vector Can be created, and as a result, the similarity between a word used in the document and each factor can be calculated based on the latest data.
過去の実績データが、採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者の採用辞退情報又は早期退職情報を含む態様を採用した場合には、対象会社が採用を決めたものの採用を辞退されたり、対象会社が実際に採用したものの早期に退職されたりした場合の情報も活用して第二評価情報を生成することができる。このため、採用辞退情報又は早期退職情報をも考慮した第二評価情報を提供できる。この際には、第二評価情報としては、選考試験を通過する可能性が高いものの、採用を辞退する可能性が高い又は早期に退職する可能性が高いという情報を別途提供してもよい。また、採用を辞退する可能性が高い又は早期に退職する可能性が高い場合には、第二評価情報として提供される選考優先情報において、その優先度が低いという情報が提供されてもよい。 If the past performance data adopts a mode that includes applicant information for recruitment, first evaluation information for the recruiter in the past, and rejection information or early retirement information for the recruiter in the past, The second evaluation information can also be generated by using information obtained when the company decides to hire but refuses to hire, or when the target company actually hires but retires early. Therefore, it is possible to provide the second evaluation information in consideration of the rejection information or the early retirement information. In this case, as the second evaluation information, information indicating that although it is highly likely to pass the selection test, there is a high possibility of rejecting adoption or a high possibility of retirement early, may be provided separately. In the case where there is a high possibility of rejecting recruitment or a high possibility of retirement early, information indicating that the priority is low may be provided in the selection priority information provided as the second evaluation information.
過去の実績データが、対象会社における過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果、採用辞退情報又は早期退職情報を含む場合には、対象会社の特徴を反映させた第二評価情報を生成できる点で有益である。特に、選考結果だけではなく、採用辞退情報及び／又は早期退職情報が含まれている場合には、対象会社に採用された後の予想も考慮したうえで採用の有無を決定できる点で有益である。 The past performance data is the applicant's recruitment information for past recruitment applicants, the first evaluation information for the past recruitment applicant, the selection result for the past recruitment applicant, rejection information or early retirement When the information is included, it is advantageous in that the second evaluation information reflecting the characteristics of the target company can be generated. In particular, if recruitment rejection information and / or early retirement information is included in addition to the selection results, it is useful in that it can determine whether or not to recruit after considering the expectations after recruitment by the target company. is there.
なお、過去の実績データとして対象会社における情報のみを用いた場合には、対象会社の特徴をより反映させた第二評価情報を生成できる点で有益である。他方、過去の実績データとして対象会社における情報に加えて、他の会社（同業種の会社）における情報も含まれる場合には、より広い情報に基づき第二評価情報を生成できる点で有益である。なお、これらは両者が提供されてもよく、装置出力部３０又は機関出力部６２は、過去の実績データとして対象会社における情報のみを用いた場合の第一評価情報及び第二評価情報と、過去の実績データとして対象会社と他の会社における情報の両方を用いた場合の第一評価情報及び第二評価情報の両方を出力してもよい。 It should be noted that when only information on the target company is used as past performance data, it is advantageous in that second evaluation information that reflects the characteristics of the target company can be generated. On the other hand, when the past performance data includes information on another company (a company of the same industry) in addition to the information on the target company, it is advantageous in that the second evaluation information can be generated based on wider information. . Both of these may be provided, and the device output unit 30 or the institution output unit 62 outputs the first evaluation information and the second evaluation information when only the information on the target company is used as the past performance data, It is also possible to output both the first evaluation information and the second evaluation information when both the information on the target company and the information on the other company are used as the actual result data.
採用希望者情報が、基礎情報、行動情報、検査情報、属性情報及び文章情報のいずれか１つ以上を含む場合には、採用希望者に関する客観的な情報に基づいて第二評価情報を生成することができる。これら基礎情報、行動情報、検査情報、属性情報及び文章情報のうち、利用される情報量が増えれば増えるほどより客観的な情報に基づいて第二評価情報を生成することができる点で有益である。 When the recruitment applicant information includes any one or more of basic information, behavior information, examination information, attribute information, and text information, the second evaluation information is generated based on objective information on the recruitment applicant. be able to. Of the basic information, action information, inspection information, attribute information and text information, the more information used, the more the second evaluation information can be generated based on more objective information. is there.
第一評価情報が採用希望者の人物像に関する情報（人物像情報）である場合には、採用希望者の人物像を対象会社が定めたファクタに沿って分析することができる点で有益である。第二評価情報が採用希望者に対する選考が優先される可能性を示す情報（選考優先情報）である場合には、採用担当者等の対象会社の担当者がエントリーシート等の採用希望者が作成した文書を読む軽重をつけるうえで参考になる点で有益である。 When the first evaluation information is information (person image information) relating to the person image of the applicant, it is useful in that the person image of the applicant can be analyzed according to the factors determined by the target company. . If the second evaluation information is information (selection priority information) indicating that there is a possibility that the selection of applicants will be prioritized, the person in charge of the target company, such as the person in charge of recruitment, creates the applicant, such as an entry sheet. It is useful in that it can be used as a reference when reading the written document.
第一評価情報である人物像情報及び第二評価情報である選考優先情報の両方が出力される態様を採用した場合には、採用担当者等の対象会社の担当者は、人物像情報及び選考優先情報の両者を参考にして、エントリーシート等の採用希望者が作成した文書を読む軽重をつけることができる点で有益である。 When the mode in which both the person image information as the first evaluation information and the selection priority information as the second evaluation information are adopted is adopted, the person in charge of the target company, such as the person in charge of hiring, makes the person image information and the selection This is useful in that it is possible to give light weight to reading documents created by applicants such as entry sheets by referring to both pieces of priority information.
一例としては図３に示すように、Ａさんが作成したエントリーシートに基づき第一評価情報である人物像情報が生成され、この第一評価情報とＡさんの採用希望者情報に基づき第二評価情報である選考優先情報が生成される。同様に、Ｂさん、Ｃさん及びＤさんの各々が作成したエントリーシートに基づきＢさん、Ｃさん及びＤさんの各々に対する第一評価情報である人物像情報が生成され、この第一評価情報とＢさん、Ｃさん及びＤさんの各々の採用希望者情報に基づき第二評価情報である選考優先情報が生成される。このような
第一評価情報と第二評価情報の両方が出力されて、例えば会社の採用担当者に提供されることになる。このため、会社の採用担当者は、一目で、各採用希望者の人物像情報と選考優先情報を確認することができ、その労力を低減することができる。とりわけ、第一評価情報及び第二評価情報をグラフ、表、星の数等の視覚に訴える視覚的表示で示す態様を採用した場合には、より容易に各採用希望者の人物像情報と選考優先情報を確認することができ、会社の採用担当者の労力をさらに低減することができる。
As an example, as shown in FIG. 3, person image information, which is first evaluation information, is generated based on an entry sheet created by Mr. A, and a second evaluation is performed based on the first evaluation information and Mr. A's applicant information. Selection priority information, which is information, is generated. Similarly, person image information as first evaluation information for each of B, C, and D is generated based on the entry sheets created by each of B, C, and D, and the first evaluation information and Selection priority information, which is the second evaluation information, is generated based on the information on the applicants for each of Mrs. B, C and D. Both such first evaluation information and second evaluation information are output and provided to, for example, a recruiting person of the company. For this reason, the recruitment staff of the company can check at a glance the person image information and the selection priority information of each recruiting applicant, and the labor required can be reduced. In particular, when the first evaluation information and the second evaluation information are displayed in a visually appealing manner such as a graph, a table, and the number of stars, the image information of each applicant is more easily selected. The priority information can be confirmed, and the labor of the recruitment staff of the company can be further reduced.
最後になったが、上述した実施の形態の記載及び図面の開示は、特許請求の範囲に記載された発明を説明するための一例に過ぎず、上述した実施の形態の記載又は図面の開示によって特許請求の範囲に記載された発明が限定されることはない。例えば、第一評価情報や第二評価情報以外の情報を提供するものであっても、本願における情報処理装置に該当することになる。 Lastly, the description of the above-described embodiment and the disclosure of the drawings are merely examples for describing the invention described in the claims, and are not limited to the description of the above-described embodiment or the disclosure of the drawings. The invention described in the claims is not limited. For example, a device that provides information other than the first evaluation information and the second evaluation information corresponds to the information processing device in the present application.
１０ 装置制御部
１１ 第一評価部
１２ 第二評価部
１６ 検証部
２０ 装置記憶部
３０ 装置出力部
３５ 装置操作部
６０ 機関制御部
６１ 機関記憶部
６２ 機関出力部
Reference Signs List 10 device control unit 11 first evaluation unit 12 second evaluation unit 16 verification unit 20 device storage unit 30 device output unit 35 device operation unit 60 engine control unit 61 engine storage unit 62 engine output unit
Claims (8)
過去の実績データに基づいて学習する第二評価部であって、前記採用希望者に関する採用希望者情報及び前記第一評価部で生成される前記文書に基づく前記第一評価情報と、過去の実績データにより学習された結果とに基づいて、前記採用希望者の作成した前記文書を読む軽重に関する情報を含む選考優先情報を生成する第二評価部と、
前記選考優先情報を出力する出力部と、
を備え、
前記過去の実績データは、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果を含むことを特徴とする情報処理装置。 A first evaluation unit for generating a first evaluation information Hazuki based on documents adopted seekers has been created for the target company,
A second evaluation unit for learning based on past performance data, and the first evaluation information based on the document generated by the adoption seeker information and the first evaluation unit about the adoption seekers, past performance Based on the results learned by the data, a second evaluation unit that generates selection priority information including information on the weight of reading the document created by the applicant,
An output unit that outputs the selection priority information,
Equipped with a,
The past performance data, processing of the employed seeker information for past adoption applicants, the first evaluation information for the past employed seekers, characterized in that it comprises a screening result for the past employed seekers apparatus.
対象会社に対して採用希望者が作成した文書に基づき第一評価情報を生成する工程と、
前記採用希望者に関する採用希望者情報及び前記第一評価情報を生成する工程で生成される前記文書に基づく前記第一評価情報と、過去の実績データにより学習された結果とに基づいて、前記採用希望者の作成した前記文書を読む軽重に関する情報を含む選考優先情報を生成する工程と、
前記選考優先情報を出力する工程と、
を備え、
前記過去の実績データは、過去の採用希望者に対する採用希望者情報と、当該過去の採用希望者に対する第一評価情報と、当該過去の採用希望者に対する選考結果を含むことを特徴とする情報処理方法。 An information processing method performed by a control unit,
Generating first evaluation information based on documents prepared by the applicant for the target company;
Based on the first evaluation information based on the document generated in the step of generating the recruitment applicant information and the first evaluation information on the recruitment applicant, and the result of learning based on past performance data, Generating selection priority information including information on the weight of reading the document created by the applicant; and
Outputting the selection priority information;
With
Wherein the past performance data includes recruitment applicant information for past recruiters, first evaluation information for the past recruiters, and selection results for the past recruiters. Method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018027988A JP6653721B2 (en) | 2018-02-20 | 2018-02-20 | Information processing apparatus and information processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018027988A JP6653721B2 (en) | 2018-02-20 | 2018-02-20 | Information processing apparatus and information processing method |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016138463A Division JP6297101B2 (en) | 2016-07-13 | 2016-07-13 | Information processing apparatus and information processing method |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2018116710A JP2018116710A (en) | 2018-07-26 |
| JP2018116710A5 JP2018116710A5 (en) | 2019-08-29 |
| JP6653721B2 true JP6653721B2 (en) | 2020-02-26 |
Family
ID=62985274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018027988A Active JP6653721B2 (en) | 2018-02-20 | 2018-02-20 | Information processing apparatus and information processing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6653721B2 (en) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4025443B2 (en) * | 1998-12-04 | 2007-12-19 | 富士通株式会社 | Document data providing apparatus and document data providing method |
| JP2001338106A (en) * | 2000-05-26 | 2001-12-07 | Tokio Marine & Fire Insurance Co Ltd | Employment supporting system |
| JP2001357180A (en) * | 2000-06-09 | 2001-12-26 | Citation Japan:Kk | Method and device for employing personnel |
| JP4250419B2 (en) * | 2001-02-07 | 2009-04-08 | 株式会社ジャパンジョブポスティングサービス | Employment processing system, program and recording medium |
| JP4009632B2 (en) * | 2004-11-01 | 2007-11-21 | 有限会社 上野ビジネスコンサルタンツ | Inspection method, inspection system, inspection system program, and inspection system server device |
| JP5171437B2 (en) * | 2008-07-02 | 2013-03-27 | 株式会社ダイセル | Recruitment support system and recruitment support program |
| JP5465746B2 (en) * | 2012-03-30 | 2014-04-09 | みずほ情報総研株式会社 | Recruitment support system, recruitment support method, and recruitment support program |
| JP6098600B2 (en) * | 2014-09-18 | 2017-03-22 | 日本電気株式会社 | Evaluation apparatus, evaluation method and evaluation system for evaluation target person |
-
2018
- 2018-02-20 JP JP2018027988A patent/JP6653721B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018116710A (en) | 2018-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6297101B2 (en) | Information processing apparatus and information processing method | |
| Marchewka | Information technology project management: Providing measurable organizational value | |
| Heldman | PMP: project management professional exam study guide | |
| Hines et al. | Building foresight capacity: toward a foresight competency model | |
| Verzuh | The fast forward MBA in project management | |
| Pyzdek et al. | Quality engineering handbook | |
| Nanda | Quality management system handbook for product development companies | |
| O'Dell et al. | The new edge in knowledge: How knowledge management is changing the way we do business | |
| Kunc | Using systems thinking to enhance strategy maps | |
| Knowles | Six sigma | |
| Hunt | Common sense talent management: Using strategic human resources to improve company performance | |
| Hunt | Hiring success: The art and science of staffing assessment and employee selection | |
| McBurnett et al. | Simulation gaming can strengthen experiential education in complex infrastructure systems | |
| Anosh et al. | Impact of Recruitment and selection of HR Department Practices | |
| Bolin | Salvaging value from project failure | |
| Wiegers | Practical project initiation: a handbook with tools | |
| Yeomans | Passing the PMI Scheduling Professional (PMI-SP)(c) Certification Exam the First Time! | |
| JP6653721B2 (en) | Information processing apparatus and information processing method | |
| Fielding | How to Manage Projects: Essential Project Management Skills to Deliver On-time, On-budget Results | |
| Nasyrov et al. | Using the subtask methodology in student training for demonstration examination in “web design and development” skill | |
| Whitaker | PMP® Examination Practice Questions: 400 Practice Questions and Answers to Help You Pass | |
| Gratton et al. | Achieving success with the engineering dissertation | |
| US10565668B2 (en) | User interface for automating sales training activities | |
| Frank | Applying artificial intelligence in the maritime shipping industry: Sorting through the digital deluge, facilitating decision making, and freeing personnel to focus on more important tasks | |
| Baxter | Problem Solving for Success Handbook: Solve the Problem Sustain the Solution Celebrate Success |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180316 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190712 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190712 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190729 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190809 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191105 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191216 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200107 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200128 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6653721 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |