JP6664774B1 - 入園可能性判定プログラム及びシステム - Google Patents

Abstract

【課題】入園を希望する保育所への入園可能性判定を高精度に行う。【解決手段】入園を希望する保育所への入園可能性判定を行う入園可能性判定プログラムにおいて、上記保育所への過去の入園希望者の家庭環境をデータ化した参照用家庭環境情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得ステップと、新たに上記保育所への各入園希望者の家庭環境をデータ化した家庭環境情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した各入園希望者の家庭環境情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定ステップとをコンピュータに実行させることを特徴とする。【選択図】図３

Description

本発明は、入園を希望する保育所への入園可能性判定を行う入園可能性判定プログラム及びシステムに関する。

保育士不足が昨今において問題になっている。この保育士の不足に伴い保育所の受け入れ人数を飛躍的に増やすことができないことも指摘され、保育所の入園定員に対する入園希望者のアンバランスも問題となっている。このような状況の中、保育所への入園希望者に対して入園可能性判定を行っていくわけだが、入園希望者の選考や入園可能性判定には相当な書類の量を読み込む必要があり労力の負担が過大であった。

従来より行政手続きを人工知能を活用することで効率化する技術は提案されているものの（例えば、特許文献１参照。）、保育所への入園希望者の選考や入園可能性判定を自動的に行う技術は特段開示されていない。

特願２０１１−１９７８５０号公報

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、入園を希望する保育所への入園可能性判定を自動的かつ高精度に行うことが可能な入園可能性判定プログラム及びシステムを提供することにある。

本発明に係る入園可能性判定プログラムは、入園を希望する保育所への入園可能性判定を行う入園可能性判定プログラムにおいて、上記保育所への過去の入園希望者の家庭環境をデータ化した参照用家庭環境情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得ステップと、新たに上記保育所への各入園希望者の家庭環境をデータ化した家庭環境情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した各入園希望者の家庭環境情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定ステップとをコンピュータに実行させることを特徴とする。

本発明に係る入園可能性判定プログラムは、入園を希望する保育所への入園可能性判定を行う入園可能性判定プログラムにおいて、上記保育所への過去の入園希望者の保護者の就労状況をデータ化した参照用就労情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得ステップと、新たに上記保育所への各入園希望者の保護者の就労状況をデータ化した就労情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した各入園希望者の保護者の就労情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定ステップとをコンピュータに実行させることを特徴とする。

本発明に係る入園可能性判定システムは、入園を希望する保育所への入園可能性判定を行う入園可能性判定システムにおいて、上記保育所への過去の入園希望者の家庭環境をデータ化した参照用家庭環境情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得手段と、新たに上記保育所への各入園希望者の家庭環境をデータ化した家庭環境情報を取得する情報取得手段と、上記連関度取得手段により取得した連関度を参照し、上記情報取得手段を介して取得した各入園希望者の家庭環境情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定手段とを備えることを特徴とする。

入園を希望する保育所への入園可能性判定を自動的かつ高精度に行うことが可能となる。

本発明を適用した入園可能性判定プログラムが実装される入園可能性判定システムの全体構成を示すブロック図である。 判別装置の具体的な構成例を示す図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。 本発明を適用した入園可能性判定プログラムにおける動作について説明するための図である。

以下、本発明を適用した入園可能性判定プログラムについて、図面を参照しながら詳細に説明をする。

図１は、本発明を適用した入園可能性判定プログラムが実装される入園可能性判定システム１の全体構成を示すブロック図である。入園可能性判定システム１は、情報取得部９と、情報取得部９に接続された判別装置２と、判別装置２に接続されたデータベース３とを備えている。

情報取得部９は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部９は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部９は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部９は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部９は、後述する判別装置２と一体化されていてもよい。情報取得部９は、検知した情報を判別装置２へと出力する。

データベース３は、過去において、行政官庁、役所、その他民間企業において行われた、保育所への入園希望者の入園可能性判断に使用された情報が蓄積されている。実際に、管轄市区町村内の保育所毎に、その入園可能性を判断する上で参照した資料は、その入園可能性の判断結果は勿論であるが、その入園可能性の判断を行う上で決め手になった資料や情報もこれらに関連付けられて記録されていてもよい。

判別装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置２による探索解を得ることにより、その入園希望者の保育所への入園可能性の判断結果を得ることができる。

図２は、判別装置２の具体的な構成例を示している。この判別装置２は、判別装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、各種判断を行う判断部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、判別装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、判断部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部２５は、前述した情報取得部９として具現化されるものであってもよい。

判断部２７は、入園希望者の保育所への入園可能性の判断を担う。この判断部２７は、推定動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この判断部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

上述した構成からなる入園可能性判定システム１における動作について説明をする。

入園可能性判定システム１では、例えば図３に示すように、参照用家庭環境情報と、入園可能性判定との間で連関度が形成されていることが前提となる。参照用家庭環境情報は、入園希望者としての幼児の家庭環境に関するあらゆる情報を含むものである。例えば入園希望者の幼児の母が妊娠中、保護者が障害や病気を追っている、祖父母と同居しているか否か、被介護者が自宅に居るか否か、被災しているか否か、ＤＶや虐待の有無や程度、両親が離婚しているか否か、所得（世帯収入）、生活保護の有無、兄弟姉妹の有無及びその年齢構成等である。これらは何れも各家庭からの申告や提出文書を通じて得られるものであり、実際に本プログラムを実施する上では、これらの参照用家庭環境情報は電子データ化されていることが前提となる。

図３は、この参照用家庭環境情報と入園可能性判定（入園可、入園不可、条件付きで入園可等）との間で３段階以上の連関度が予め定義されている例を示している。各参照用家庭環境情報がこの連関度を介して左側に配列し、各入園可能性判定が連関度を介して右側に配列している。連関度は、左側に配列された参照用家庭環境情報に対して、何れの入園可能性判定と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用家庭環境情報が、いかなる入園可能性判定に紐付けられる可能性が高いかを示す指標であり、参照用家庭環境情報から最も確からしい入園可能性判定を選択する上での的確性を示すものである。

例えば、参照用家庭環境情報Ｐ１１（両親、８歳長男、４歳次男、祖父母と同居、世帯年収〇〇〇万円）は、入園可が連関度ｗ１で、入園不可が連関度ｗ２で関連付けられている。参照用家庭環境情報Ｐ１２（母、１４歳長女、１１歳次女、４歳長男、祖父母と同居せず、世帯年収△△△万円）は、入園不可が連関度ｗ３で、入園可（条件付き）が連関度ｗ４で関連付けられている。参照用家庭環境情報Ｐ１３（両親、４歳長女、２歳長男、祖父母と同居せず、世帯年収□□□万円）は、入園不可が連関度ｗ５で、入園可が連関度ｗ６で、入園可（条件付き）が連関度ｗ７で関連付けられている。

連関度ｗ１〜ｗ７の例を以下の表１に示す。このｗ１〜ｗ７は以下の表１に示すように１０段階で示されており、１０点に近いほど、入園可能性判定と関連性が高くなり、逆に１点に近いほど入園可能性判定と関連性が低いことを示している。例えば、過去入園の判定を行った一つの事例に着目したとき、参照用家庭環境情報Ｐ１１であるものとしたときに、以前のデータにおいて入園可だったか、またポイントはどの程度であったか、入園の優先順位がどの程度であったか等を抽出し、これに基づいて連関度が設定される。

なお連関度は、いわゆる機械学習を通じて更新が可能なモデルで構成されていてもよく、ニューラルネットワークで構成されていてもよい。またこの連関度は、深層学習がなされることを前提としたネットワークで構成されていてもよい。

新たに保育所への各入園希望者の入園可能性を判定する場合、 推定部２７は、このようにデータベース３に記憶されている連関度を参照し、新たに入力された家庭環境情報が、連関度の左側に配列された参照用家庭環境情報に何れに該当するかを判別する。新たな入園希望者の家庭環境情報が「母、１４歳長女、１１歳次女、４歳長男、祖父母と同居せず、世帯年収△△△万円」であるか、これに類似する場合、参照用家庭環境情報Ｐ１２に相当するものと判断し、最も連関度の高い連関度ｗ３の「入園不可」が最も適切な判定であるものと判断することできる。また、セカンドオピニオンとしては、連関度ｗ４の「入園可（条件付き）」であることを判断することができる。新たな入園希望者の家庭環境情報が「両親、４歳長女、２歳長男、祖父母と同居せず、世帯年収□□□万円」であるか、これに類似する場合、参照用家庭環境情報Ｐ１３に相当するものと判断し、最も連関度の高い連関度ｗ６の「入園可」が最も適切な判定であるものと判断することできる。また、セカンドオピニオンとしては、連関度ｗ５の「入園不可」や、連関度ｗ７の「入園可（条件付き）」であることを判断することができる。

このとき、推定部２７は、最も連関度の高い入園可能性判断を選択するようにしてもよい。上述したように連関度が高いほど、その選択の的確性が高くなるためである。しかし、推定部２７は、最も連関度の高い入園可能性判断を選択する場合に限定されることはなく、連関度が中程度のもの、又は連関度が低いものをあえて選択するようにしてもよい。また、これ以外に参照用家庭環境情報と入園可能性判断との間で矢印が繋がっていない連関度が０％である入園可能性判断を選択してもよいことは勿論である。推定部２７は、この入園可能性判断を一つ選択する場合に限定されるものではなく、連関度を参照した上であえて複数の入園可能性判断を選択するようにしてもよい。推定部２７によって探索された入園可能性判断は、表示部２３を介して表示される。

入園可能性判断の表示の方法としては、上述したものに限定されるものではなく、例えば図４に示すようにポイントで表示するようにしてもよい。ポイントが高い方が保育所の入所判断にプラスで判断され、ポイントが低いほど保育所の入所に関してマイナスに判断される。このような連関度を形成しておき、新たに保育所への各入園希望者の入園可能性を判定する場合、入園希望者の家庭環境情報が「両親、８歳長男、４歳次男、祖父母と同居、世帯年収〇〇〇万円」である場合、参照用家庭環境情報Ｐ１１に対応するため、連関度の最も高いｗ１のポイント８０点が最も適切であり、セカンドオピニオンとしての連関度ｗ２がポイント２５点であることを理解することができる。

仮にある保育所の入園定員が１名としたとき、入園希望者が３名居るものとする。このとき、入園希望者の家庭環境情報が仮にＰ１１、Ｐ１２、Ｐ１３にそれぞれ当てはまるとしたとき、最も連関度の高いポイントで入園を判断する場合には、Ｐ１１の家庭環境の入園希望者は、連関度ｗ１を介して８０点、Ｐ１２の家庭環境の入園希望者は、連関度ｗ３を介して３５点、Ｐ１３の家庭環境の入園希望者は、連関度ｗ６を介して７０点であることから、Ｐ１１の家庭環境の入園希望者が入園可となり、残りは入園不可となる。このようにポイントに基づいた入園可能性の判断は、定員と応募者との関係で合格者を絞る必要がある場合において適用できる。

すなわち、この出力解としての入園可能性は、入園の可否そのものの判定結果を出力してもよいし、上述したポイントのように、実際に入園の可否そのものを表示するものではないが、その可能性の高低を示すパラメータを出力するものであってもよい。

図５は、参照用家庭環境情報の各項目を事前に詳細に抽出した後、これとの入園可能性判定との連関度を形成する例を示している。参照用家庭環境情報として、家族構成、祖父母、年収があるものとしたとき、それぞれと入園可能性判定との間で連関度を予め形成しておく。

仮に「祖父母」のノードは、更に「祖父母と同居」、「祖父母と同居せず」が詳細に分かれており、これらがそれぞれ入園可能性判定との連関度を通じて関連付けられている。仮に「祖父母が同居」の場合は、そのうちの一つの連関度が連関度ｗ３で、ポイント３５点に関連付けられており、「祖父母と同居せず」の場合は、そのうちの一つの連関度が連関度ｗ４でポイント５０点に関連付けられているものとする。このような連関度を形成しておくことで、新たに入園可能性の判断を行う参照用家庭環境情報から祖父母と同居の有無を抽出し、またこの連関度ｗ３、ｗ４を参照することで最も的確なポイントを把握することができる。

仮に「年収」のノードは、更に「年収が〇〇〇万円以上」、「年収が△△△万円以上〇〇〇万円未満」、「年収が□□□万円以上△△△万円未満」が詳細に分かれており、これらがそれぞれ入園可能性判定との連関度を通じて関連付けられている。仮に「年収が〇〇〇万円以上」の場合は、そのうちの一つの連関度が連関度ｗ５で、ポイント３５点に関連付けられており、「年収が△△△万円以上〇〇〇万円未満」の場合は、そのうちの一つの連関度が連関度ｗ６でポイント７０点に関連付けられ、「年収が□□□万円以上△△△万円未満」の場合は、そのうちの一つの連関度が連関度ｗ７でポイント５０点に関連付けられているものとする。このような連関度を形成しておくことで、新たに入園可能性の判断を行う参照用家庭環境情報から年収を抽出し、またこの連関度ｗ５〜ｗ７を参照することで最も的確なポイントを把握することができる。

またこれらの詳細項目の組み合わせに対して上述した連関度が設定されている場合もある。かかる場合には、参照用家庭環境情報から詳細項目を抽出し、その組み合わせの連関度を参照して入園可能性判定を取得する。

他の例としては、例えば図６に示すように、参照用就労情報と、入園可能性判定との間で連関度が形成されていることが前提となる。参照用就労情報は、入園希望者としての幼児の保護者の就労状況に関するあらゆる情報を含むものである。参照用就労情報は、例えば世帯主の職業、単身赴任か否か、現在求職中か、あるいは勤務の曜日や時間帯、職場の住所、通勤経路等である。これらは何れも各家庭からの申告や提出文書を通じて得られるものであり、実際に本プログラムを実施する上では、これらの参照用就労情報は電子データ化されていることが前提となる。

図６は、この参照用就労情報と入園可能性判定（入園可、入園不可、条件付きで入園可等）との間で３段階以上の連関度が予め定義されている例を示している。各参照用就労情報がこの連関度を介して左側に配列し、各入園可能性判定が連関度を介して右側に配列している。連関度は、左側に配列された参照用就労情報に対して、何れの入園可能性判定と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用就労情報が、いかなる入園可能性判定に紐付けられる可能性が高いかを示す指標であり、参照用就労情報から最も確からしい入園可能性判定を選択する上での的確性を示すものである。

例えば、参照用就労情報Ｐ１４（夫の職業：○×会社勤務、単身赴任、妻：求職中）は、入園可が連関度ｗ１で、入園不可が連関度ｗ２で関連付けられている。参照用就労情報Ｐ１５（夫の職業：自営業、単身赴任ではない、妻：求職せず）は、入園不可が連関度ｗ３で、入園可（条件付き）が連関度ｗ４で関連付けられている。参照用就労情報Ｐ１６（夫の職業：△□市役所、単身赴任ではない、妻：求職中）は、入園不可が連関度ｗ５で、入園可が連関度ｗ６で、入園可（条件付き）が連関度ｗ７で関連付けられている。

新たに保育所への各入園希望者の入園可能性を判定する場合、 推定部２７は、このようにデータベース３に記憶されている連関度を参照し、新たに入力された就労情報が、連関度の左側に配列された参照用就労情報に何れに該当するかを判別する。新たな入園希望者の就労情報が「夫の職業：自営業、単身赴任ではない、妻：求職せず」であるか、これに類似する場合、参照用就労情報Ｐ１５に相当するものと判断し、最も連関度の高い連関度ｗ３の「入園不可」が最も適切な判定であるものと判断することできる。また、セカンドオピニオンとしては、連関度ｗ４の「入園可（条件付き）」であることを判断することができる。

入園可能性判断の表示の方法としては、上述したものに限定されるものではなく、例えば図７に示すようにポイントで表示するようにしてもよい。このような連関度を形成しておき、新たに保育所への各入園希望者の入園可能性を判定する場合、入園希望者の就労情報が「夫の職業：○×会社勤務、単身赴任、妻：求職中」である場合、参照用就労情報Ｐ１４に対応するため、連関度の最も高いｗ１のポイント８０点が最も適切であり、セカンドオピニオンとしての連関度ｗ２がポイント２５点であることを理解することができる。連関度は、例えば、過去入園の判定を行った一つの事例に着目したとき、参照用就労情報Ｐ１６であるものとしたときに、以前のデータにおいて入園可だったか、またポイントはどの程度であったか、入園の優先順位がどの程度であったか等を抽出し、これに基づいて設定する。

仮にある保育所の入園定員が１名としたとき、入園希望者が３名居るものとする。このとき、入園希望者の就労情報が仮にＰ１４、Ｐ１５、Ｐ１６にそれぞれ当てはまるとしたとき、最も連関度の高いポイントで入園を判断する場合には、Ｐ１４の就労情報の入園希望者は、連関度ｗ１を介して８０点、Ｐ１５の就労情報の入園希望者は、連関度ｗ３を介して３５点、Ｐ１６の就労情報の入園希望者は、連関度ｗ６を介して７０点であることから、Ｐ１４の家庭環境の入園希望者が入園可となり、残りは入園不可となる。このようにポイントに基づいた入園可能性の判断は、定員と応募者との関係で合格者を絞る必要がある場合において適用できる。

図８は、参照用就労情報の各項目を事前に詳細に抽出した後、これとの入園可能性判定との連関度を形成する例を示している。参照用就労情報として、夫の職業、単身赴任しているか否か、求職中であるか否か、であるものとしたとき、それぞれと入園可能性判定との間で連関度を予め形成しておく。

仮に「単身赴任？」のノードは、更に「単身赴任している」、「単身赴任していない」が詳細に分かれており、これらがそれぞれ入園可能性判定との連関度を通じて関連付けられている。仮に「単身赴任している」の場合は、そのうちの一つの連関度が連関度ｗ３で、ポイント３５点に関連付けられており、「単身赴任していない」の場合は、そのうちの一つの連関度が連関度ｗ４でポイント５０点に関連付けられているものとする。このような連関度を形成しておくことで、新たに入園可能性の判断を行う参照用就労情報から単身赴任の有無を抽出し、またこの連関度ｗ３、ｗ４を参照することで最も的確なポイントを把握することができる。

仮に「求職中？」のノードは、更に「妻が求職中」、「夫が求職中」、「夫婦とも求職していない」が詳細に分かれており、これらがそれぞれ入園可能性判定との連関度を通じて関連付けられている。仮に「妻が求職中」の場合は、そのうちの一つの連関度が連関度ｗ５で、ポイント３５点に関連付けられており、「夫が求職中」、の場合は、そのうちの一つの連関度が連関度ｗ６でポイント７０点に関連付けられ、「夫婦とも求職していない」の場合は、そのうちの一つの連関度が連関度ｗ７でポイント５０点に関連付けられているものとする。このような連関度を形成しておくことで、新たに入園可能性の判断を行う参照用家庭環境情報から年収を抽出し、またこの連関度ｗ５〜ｗ７を参照することで最も的確なポイントを把握することができる。

またこれらの詳細項目の組み合わせに対して上述した連関度が設定されている場合もある。かかる場合には、参照用家庭環境情報から詳細項目を抽出し、その組み合わせの連関度を参照して入園可能性判定を取得する。

図９の例では、入力データとしては、このような参照用家庭環境情報と、参照用就労情報が並んでいる。このような入力データとしての、参照用家庭環境情報に対して、参照用就労情報が組み合わさったものが、図９に示す中間ノード６１である。各中間ノード６１は、更に出力に連結している。この出力においては、出力解としての、入園可能性判定のポイントを例に挙げているが、入園可否そのものを出力として設定してもよいことは勿論である。

参照用家庭環境情報と参照用就労情報との各組み合わせ（中間ノード）は、この出力解に対して３段階以上の連関度を通じて互いに連関しあっている。図９の例では、連関度としてｗ１３〜ｗ２２が示されている。このｗ１３〜ｗ２２は以下の表２に示すように１０段階で示されており、１０点に近いほど、中間ノードとしての各組み合わせが出力としての入園可能性と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力としての入園可能性と互いに関連度合いが低いことを示している。

判別装置２は、このような図９に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の入園可能性判定を行う上で、参照用家庭環境情報と、参照用就労情報、並びにその場合における過去の入園可能性の判定がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図９に示す連関度を作り上げておく。

例えば、過去入園の判定を行った一つの事例に着目したとき、参照用家庭環境情報Ｐ１１で、かつ参照用就労情報Ｐ１６であるものとしたときに、以前のデータにおいて入園可だったか、またポイントはどの程度であったか、入園の優先順位がどの程度であったか等を抽出する。この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用家庭環境情報Ｐ１１で、かつ参照用就労情報Ｐ１６である場合に、実際に入園可だったか、またポイントはどの程度であったか、入園の優先順位がどの程度であったか等を過去のデータから分析する。入園可、ポイントが高い、入園の優先順位が高いほど、連関度をより高く設定する。参照用家庭環境情報Ｐ１１で、かつ参照用就労情報Ｐ１６である場合においてリンクする中間ノード６１ａの例では、ポイント８０点と、ポイント３５点の出力にリンクしているが、以前の事例から入園可、ポイントが高い、入園の優先順位が高かったことから、ポイント８０点につながるｗ１３の連関度を７点に、ポイント３５点につながるｗ１４の連関度を２点に設定している。

また、この図９に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードの出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。

図９に示す連関度の例で、ノード６１ｂは、参照用家庭環境情報Ｐ１１に対して、参照用就労情報Ｐ１４の組み合わせのノードであり、ポイント７０点の連関度がｗ１５、ポイント５０点の連関度がｗ１６となっている。ノード６１ｃは、参照用家庭環境情報Ｐ１２に対して、照用就労情報Ｐ１５、Ｐ１７の組み合わせのノードであり、ポイント３５点の連関度がｗ１７、ポイント２５点の連関度がｗ１８となっている。

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに入園可能性を判別する際において、上述した学習済みデータを利用して入園可能性を判別することとなる。かかる場合には、保育所への入園希望者の家庭環境情報を新たに取得するとともに、就労情報を取得する。家庭環境情報は参照用家庭環境情報に対応し、就労情報は、参照用就労情報に対応する。

このようにして新たに取得した家庭環境情報と、就労情報に基づいて、実際に出力解（入園可能性判定のポイント又は入園可否そのもの）を求める。かかる場合には、予め取得した図９（表１）に示す連関度を参照する。例えば、新たに取得した家庭環境情報がＰ１２と同一かこれに類似するものである場合であって、取得した就労情報がＰ１７である場合には、連関度を介してノード６１ｄが関連付けられており、このノード６１ｄは、ポイント７０点がｗ１９、ポイント２５点が連関度ｗ２０で関連付けられている。かかる場合には、連関度の最も高い「ポイント７０点」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「ポイント２５点」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。

このようにしてこれらの最適解の選択は、図９に示す学習済みモデルを利用し、実際に解を求めたい入力データ（家庭環境情報と、就労情報）を入力すると出力解（入園可能性）が出力される人工知能を通じて実現することができる。しかし、本発明は人工知能を活用することは必須ではなく、参照用家庭環境情報と、参照用就労情報との組み合わせと、当該組み合わせに対する入園可能性との３段階以上の連関度を利用するものであればいかなる形態で実現されるものであってもよい。

また、入力から伸びている連関度ｗ１〜ｗ１２の例は表１のとおりである。

この入力から伸びている連関度ｗ１〜ｗ１２に基づいて中間ノード６１が選択されていてもよい。つまり連関度ｗ１〜ｗ１２が大きいほど、中間ノード６１の選択における重みづけを重くしてもよい。しかし、この連関度ｗ１〜ｗ１２は何れも同じ値としてもよく、中間ノード６１の選択における重みづけは何れも全て同一とされていてもよい。

図１０は、上述した参照用家庭環境情報と、参照用滞納情報との組み合わせと、当該組み合わせに対する入園可能性判定（入園の可否そのもの、入園可能性を示すポイント）との３段階以上の連関度が設定されている例を示している。

入力データとしては、このような参照用家庭環境情報と、参照用滞納情報が並んでいる。このような入力データとしての、参照用家庭環境情報に対して、参照用滞納情報が組み合わさったものが、図１０に示す中間ノードである。

参照用滞納情報とは、過去の入園者の保育料の滞納状況を示すものである。過去の入園者（兄、姉）の弟又は妹が入園希望しているとき、その滞納状況が入園可能性の判断に影響を及ぼしたものであれば、その滞納状況と入園可能性判断の影響の程度を予め取得して、連関度に反映される。仮に過去の入園者（兄、姉）の保育料を２年間で１回滞納したが支払いまで３か月かかった場合、その弟又は妹の入園可能性判断に悪影響が及び、ポイントが下がったのであれば、それに応じた連関度を設定する。

判別装置２は、このような図１０に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の入園可能性判断を行う上で、参照用家庭環境情報と、参照用滞納情報、並びにその場合の入園可能性判断結果がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図１０に示す連関度を作り上げておく。

図１０に示す連関度の例で、ノード６１ｂは、参照用家庭環境情報Ｐ１１に対して、参照用滞納情報Ｐ１８の組み合わせのノードであり、入園可能性判断のポイントが７０点の連関度がｗ１５、ポイントが５０点の連関度がｗ１６となっている。

このような連関度が設定されている場合も同様に、家庭環境情報を新たに取得するとともに、滞納情報を取得する。この滞納情報は、入園可能性判断をする幼児の兄姉の保育費の滞納状況である。この滞納情報は、参照用滞納情報に対応する。

入園可能性判断を求める上では、予め取得した図１０に示す連関度を参照する。例えば、取得した家庭環境情報が参照用家庭環境情報Ｐ１２に同一又は類似で、滞納情報がＰ１９である場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃに関連付けられる連関度に基づいて上述と同様に入園可能性判断に必要な情報を抽出する。

なお、上述した図１０の例では、参照用家庭環境情報と参照用滞納情報との組み合わせに対する入園可能性判断の連関度を形成する場合を例にとり説明をしたが、これに限定されるものではなく、参照用就労情報と参照用滞納情報との組み合わせ、参照用家庭環境情報と参照用就労情報と参照用滞納情報との組み合わせに対する入園可能性判断の連関度を形成するようにしてもよい。

図１１は、参照用家庭環境情報と参照用就労情報と参照用滞納情報との組み合わせに対する入園可能性判断の連関度を形成する例である。これについても上述と同様に家庭環境情報と就労情報と滞納情報の入力を受け付け、この連関度を参照しながら入園可能性判断に必要なポイントを得ることになる。

図１２は、上述した参照用家庭環境情報と、参照用入園実績情報との組み合わせと、当該組み合わせに対する入園可能性判定（入園の可否そのもの、入園可能性を示すポイント）との３段階以上の連関度が設定されている例を示している。

入力データとしては、このような参照用家庭環境情報と、参照用入園実績情報が並んでいる。このような入力データとしての、参照用家庭環境情報に対して、参照用入園実績情報が組み合わさったものが、図１２に示す中間ノードである。

参照用入園実績情報とは、過去の入園者の実績を示すものである。入園希望者の兄、姉が入園した実績がある場合に、それが入園可能性の判断に影響を及ぼしたものであれば、その入園実績と入園可能性判断の影響の程度を予め取得して、連関度に反映される。仮に過去の入園者（兄、姉）が入園したときに、その弟又は妹の入園可能性判断を行う上でプラスに査定し、ポイントが上がったのであれば、それに応じた連関度を設定する。

判別装置２は、このような図１２に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の入園可能性判断を行う上で、参照用家庭環境情報と、参照用入園実績情報、並びにその場合の入園可能性判断結果がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図１２に示す連関度を作り上げておく。

図１２に示す連関度の例で、ノード６１ｂは、参照用家庭環境情報Ｐ１１に対して、参照用入園実績情報Ｐ２２の組み合わせのノードであり、入園可能性判断のポイントが７０点の連関度がｗ１５、ポイントが５０点の連関度がｗ１６となっている。

このような連関度が設定されている場合も同様に、家庭環境情報を新たに取得するとともに、入園実績情報を取得する。この入園実績情報は、入園可能性判断をする幼児の兄姉の入園実績である。この入園実績情報は、参照用入園実績情報に対応する。

入園可能性判断を求める上では、予め取得した図１２に示す連関度を参照する。例えば、取得した家庭環境情報が参照用家庭環境情報Ｐ１２に同一又は類似で、入園実績情報がＰ２３である場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃに関連付けられる連関度に基づいて上述と同様に入園可能性判断に必要な情報を抽出する。

なお、上述した図１２の例では、参照用家庭環境情報と参照用入園実績情報との組み合わせに対する入園可能性判断の連関度を形成する場合を例にとり説明をしたが、これに限定されるものではなく、参照用就労情報と参照用入園実績情報との組み合わせ、参照用家庭環境情報と参照用就労情報と参照用入園実績情報との組み合わせ、参照用家庭環境情報と参照用就労情報とのいずれか一方または両方と、参照用滞納情報と、参照用入園実績情報に対する入園可能性判断の連関度を形成するようにしてもよい。

図１３は、上述した参照用家庭環境情報と、参照用住所情報との組み合わせと、当該組み合わせに対する入園可能性判定（入園の可否そのもの、入園可能性を示すポイント）との３段階以上の連関度が設定されている例を示している。

入力データとしては、このような参照用家庭環境情報と、参照用住所情報が並んでいる。このような入力データとしての、参照用家庭環境情報に対して参照用住所情報が組み合わさったものが、図１３に示す中間ノード６１である。

参照用住所情報とは、その保育所への入園希望者の住所を示すものである。保育所の住所が既知であるとして、入園希望者の住所（●●町５丁目３番地等）が分かれば、その住所が保育所と近いか否か、通えるか、スクールバスのバス停に近いか等を判別することができ、入園可能性判断の参考にすることができる。このような住所情報に基づいて入園可能性判断の優劣をつけたことがあれば、それに応じた連関度を設定する。

判別装置２は、このような図１３に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の入園可能性判断を行う上で、参照用家庭環境情報と、参照用住所情報、並びにその場合の入園可能性判断結果がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図１３に示す連関度を作り上げておく。

図１３に示す連関度の例で、ノード６１ｂは、参照用家庭環境情報Ｐ１１に対して、参照用住所情報Ｐ２５の組み合わせのノードであり、入園可能性判断のポイントが７０点の連関度がｗ１５、ポイントが５０点の連関度がｗ１６となっている。

このような連関度が設定されている場合も同様に、入園希望者の住所情報を新たに取得する。

入園可能性判断を求める上では、予め取得した図１３に示す連関度を参照する。例えば、取得した家庭環境情報が参照用家庭環境情報Ｐ１２に同一又は類似で、住所情報がＰ２６と同一又はその近所（同じ番地等）である場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃに関連付けられる連関度に基づいて上述と同様に入園可能性判断に必要な情報を抽出する。

なお、上述した例では、参照用家庭環境情報と参照用住所情報との組み合わせに対する入園可能性判断の連関度を形成する場合を例にとり説明をしたが、これに限定されるものではなく、参照用就労情報と参照用住所情報との組み合わせ、参照用家庭環境情報と参照用就労情報と参照用住所情報との組み合わせ、参照用家庭環境情報と参照用就労情報とのいずれか一方または両方と、参照用滞納情報と参照用入園実績情報とのいずれか一方または両方に対する参照用住所情報との組み合わせと、入園可能性判断との連関度を形成するようにしてもよい。

また、図１４、１５の例では、入力データは上述と同様であるが、出力においては、割り当て対象の保育所になるパターンである。

入力データ又は中間ノード６１は、この出力解としての、保育所に対して３段階以上の連関度を通じて互いに連関しあっている。各保育所（保育所Ａ、Ｂ、Ｃ、Ｄ、Ｅ、・・・）が連関度を介して右側に配列している。連関度は、左側に配列された参照用就労情報や参照用就労情報と参照用家庭環境情報の組み合わせに対して、何れの保育所と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用就労情報と参照用家庭環境情報が、いかなる保育所に紐付けられる可能性が高いかを示す指標であり、参照用希望保育所情報と参照用家庭環境情報からその入園希望者にとって最も相応しい保育園を選択する上での的確性を示すものである。

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに保育所に入園を希望する入園希望者に保育所を割り当てる際において、上述した学習済みデータを利用して判別することとなる。かかる場合には、上述と同様に入力データ（入園希望者の家庭環境や保護者の就労情報）を取得する。

このようにして新たに取得した入力データに基づいて、実際にその新たに入園希望者へ割り当てる保育所を求める。かかる場合には、予め取得した図１４、１５（表１、２）に示す連関度を参照し、連関度の最も高い保育所を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる保育所を最適解として選択するようにしてもよい。他の入力データも同様に、最適な保育所の割り当てに適用することができる。

上述した構成からなる本発明によれば、保育所への入園希望者の入園可能性の判断を、特段の熟練を要することなく、少ない労力で容易に行うことが可能となる。また本発明によれば、この入園可能性の判断を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能（ニューラルネットワーク等）で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている連関度を介して最適な物性や生成機構の探索を行う点に特徴がある。連関度は、上述した５段階以外に、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される連関度に基づいて最も確からしい入園可能性の判断を探索することで、入園可能性の判断の可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より確からしい入園可能性の判断を優先的に表示することも可能となる。

定員が決まっている保育所に対する入園希望者がオーバーフローする状況にある場合において、上述したポイントを本発明を通じて得ることで、入園者をポイントの高い順から選択することができ、入園可能性判断を即座に行うことができる。

これに加えて、本発明によれば、連関度が１％のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い出力の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な入園可能性の判断を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えば毎年入園応募者に対する入園可能性の判断を行う都度、そのデータを蓄積しておき、これを連関度に反映させるようにしてもよい。取得した、参照用家庭環境情報、参照用住所情報、参照用就労情報、参照用滞納情報、参照用入園実績情報等に基づいて、入力パラメータと、出力解（入園可能性の判断）との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。

つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。

また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報（参照用家庭環境情報、参照用住所情報、参照用就労情報、参照用滞納情報、参照用入園実績情報等）を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。

この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

１ 入園可能性判定システム
２ 判別装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 推定部
２８ 記憶部
６１ ノード

Claims (10)

1. 入園を希望する保育所への入園可能性判定を行う入園可能性判定プログラムにおいて、
   上記保育所への過去の入園希望者の家庭環境をデータ化した参照用家庭環境情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得ステップと、
   新たに上記保育所への各入園希望者の家庭環境をデータ化した家庭環境情報を取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した各入園希望者の家庭環境情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定ステップとをコンピュータに実行させること
   を特徴とする入園可能性判定プログラム。
2. 入園を希望する保育所への入園可能性判定を行う入園可能性判定プログラムにおいて、
   上記保育所への過去の入園希望者の保護者の就労状況をデータ化した参照用就労情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得ステップと、
   新たに上記保育所への各入園希望者の保護者の就労状況をデータ化した就労情報を取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した各入園希望者の保護者の就労情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定ステップとをコンピュータに実行させること
   を特徴とする入園可能性判定プログラム。
3. 上記連関度取得ステップでは、上記参照用家庭環境情報と、上記保育所への過去の入園希望者の保護者の就労状況をデータ化した参照用就労情報との組み合わせと、当該組み合わせに対する入園可能性判定との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、新たに上記保育所への各入園希望者の保護者の就労状況をデータ化した就労情報を更に取得し、
   上記判定ステップでは、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した各入園希望者の家庭環境情報と、上記就労情報とに基づき、上記保育所への入園の可能性を上記入園希望者毎に判定すること
   を特徴とする請求項１記載の入園可能性判定プログラム。
4. 上記連関度取得ステップでは、上記保育所への過去の入園者の保育料の滞納状況を示す参照用滞納情報との組み合わせと、当該組み合わせに対する入園可能性判定との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、新たに上記保育所への各入園希望者の兄姉に関する保育料の滞納状況を示す滞納情報を更に取得し、
   上記判定ステップでは、上記連関度取得ステップにおいて取得した連関度を参照し、更に上記情報取得ステップを介して取得した滞納情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定すること
   を特徴とする請求項１〜３のうち何れか１項記載の入園可能性判定プログラム。
5. 上記連関度取得ステップでは、上記保育所への過去の入園希望者の兄姉の入園実績を示す参照用入園実績情報との組み合わせと、当該組み合わせに対する入園可能性判定との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、新たに上記保育所への各入園希望者の兄姉の入園実績を示す入園実績情報を更に取得し、
   上記判定ステップでは、上記連関度取得ステップにおいて取得した連関度を参照し、更に上記情報取得ステップを介して取得した入園実績情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定すること
   を特徴とする請求項１〜４のうち何れか１項記載の入園可能性判定プログラム。
6. 上記連関度取得ステップでは、上記保育所への過去の入園希望者の住所を示す参照用住所情報との組み合わせと、当該組み合わせに対する入園可能性判定との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、新たに上記保育所への各入園希望者の住所を示す住所情報を更に取得し、
   上記判定ステップでは、上記連関度取得ステップにおいて取得した連関度を参照し、更に上記情報取得ステップを介して取得した住所情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定すること
   を特徴とする請求項１〜５のうち何れか１項記載の入園可能性判定プログラム。
7. 上記保育所への入園希望者の家庭環境をデータ化した参照用家庭環境情報と、当該保育所への入園可能性判定との関係を取得した場合には、これを上記連関度に反映させることで更新する更新ステップを有すること
   を特徴とする請求項１記載の入園可能性判定プログラム。
8. 上記連関度は、人工知能におけるニューラルネットワークのノードで構成されること
   を特徴とする請求項１〜７のうち何れか１項記載の入園可能性判定プログラム。
9. 入園を希望する保育所への入園可能性判定を行う入園可能性判定システムにおいて、
   上記保育所への過去の入園希望者の家庭環境をデータ化した参照用家庭環境情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得手段と、
   新たに上記保育所への各入園希望者の家庭環境をデータ化した家庭環境情報を取得する情報取得手段と、
   上記連関度取得手段により取得した連関度を参照し、上記情報取得手段を介して取得した各入園希望者の家庭環境情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定手段とを備えること
   を特徴とする入園可能性判定システム。
10. 入園を希望する保育所への入園可能性判定を行う入園可能性判定システムにおいて、
    上記保育所への過去の入園希望者の保護者の就労状況をデータ化した参照用就労情報と、当該保育所への入園可能性判定との３段階以上の連関度を予め取得する連関度取得手段と、
    新たに上記保育所への各入園希望者の保護者の就労状況をデータ化した就労情報を取得する情報取得手段と、
    上記連関度取得手段により取得した連関度を参照し、上記情報取得手段を介して取得した各入園希望者の保護者の就労情報に基づき、上記保育所への入園の可能性を上記入園希望者毎に判定する判定手段とを備えること
    を特徴とする入園可能性判定システム。

Images