JP7496652B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法及び情報処理プログラム Download PDF

Info

Publication number
JP7496652B1
JP7496652B1 JP2023208676A JP2023208676A JP7496652B1 JP 7496652 B1 JP7496652 B1 JP 7496652B1 JP 2023208676 A JP2023208676 A JP 2023208676A JP 2023208676 A JP2023208676 A JP 2023208676A JP 7496652 B1 JP7496652 B1 JP 7496652B1
Authority
JP
Japan
Prior art keywords
information
harassment
consultation
user
case
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
Application number
JP2023208676A
Other languages
English (en)
Inventor
元輝 佐藤
Original Assignee
キリハレ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by キリハレ株式会社 filed Critical キリハレ株式会社
Priority to JP2023208676A priority Critical patent/JP7496652B1/ja
Application granted granted Critical
Publication of JP7496652B1 publication Critical patent/JP7496652B1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】ハラスメントに関する情報を容易に取得でき、以て、ハラスメントへの対策の円滑な支援を可能にする技術を提供する。【解決手段】本開示の情報処理装置は、ハラスメントに関する情報を管理する情報処理装置である。そして、この情報処理装置は、ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する相談情報を所定のインタフェースを介して取得することと、相談情報に含まれる事例の状況がハラスメントに合致するか否かが一次判定された第１回答情報を、ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに相談情報を入力することで取得することと、第１回答情報を第１ユーザに提供することと、を実行する制御部を備える。【選択図】図３

Description

本発明は、ハラスメントに関する情報を管理する情報処理装置、情報処理方法及び情報処理プログラムに関する。
近年、企業等の組織において、パワーハラスメント、セクシャルハラスメント、マタニティハラスメントなどの各種ハラスメントが問題となっている。そして、このようなハラスメントが生じると、それを受けた側に精神疾患（心の病やうつ病など）、精神的負担、不適応行動、認知的問題等のストレス障害が誘発されたり、組織の環境が悪化したりしてしまう。そのため、組織の管理部門等には、その対応が求められている。
ここで、教育や啓発の意識付けや相談窓口の設置等によってハラスメントの対策を行っていくためには、社会的に大きなコストとなる。そこで、ハラスメントに対して、情報処理システム等を用いて、防止や対処を支援する技術が提案されている。
例えば、特許文献１には、職場環境における人の間でのパワーハラスメント、セクシャルハラスメント、およびいじめを含む有害行為に関する観察および検出を行う計算機を備える有害行為検出システムが開示されている。この有害行為検出システムでは、対象者の周囲の音声を入力した音声データに基づいて、それに含まれるワードや、対象者、他者の感情などを取得することで、有害行為に関する指標値が計算される。
特開２０２０－１２３２０４号公報
従来から、組織の管理部門等では、教育や啓発の意識付けや相談窓口の設置等によってハラスメントの対策を行っているが、これは、社会的に大きなコストとなっている。また、組織に相談窓口を設置したとしても、ユーザは、人には言いにくい悩みを相談することに躊躇してしまったり、そのような相談窓口を気軽に利用できなかったりするため、ハラスメントの発見が遅れてしまう事態が生じ得る。
一方で、特許文献１に記載の技術によれば、情報処理システムを用いて、職場環境でのパワハラ、セクハラ、いじめ等の有害行為を検出することができ、ハラスメントを早期に発見できるようにも思われる。しかしながら、当該技術は、対象者の周囲の音声を入力した音声データ、および対象者のバイタルデータの少なくとも１つを用いて、有害行為に関する観察および検出を行うものであるため、これらデータを取得する必要があり、ハラスメントに関する情報を直接的に容易に取得できるものではない。そして、ハラスメントへの対策の円滑な支援を可能にする技術については、未だ改良の余地を残すものである。
本開示の目的は、ハラスメントに関する情報を容易に取得でき、以て、ハラスメントへの対策の円滑な支援を可能にする技術を提供することにある。
本開示の情報処理装置は、ハラスメントに関する情報を管理する情報処理装置である。そして、この情報処理装置は、前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、前記インタフェースを介して、前記第１回答情報を前記第１ユーザに提供することと、を実行する制御部を備える。
上記の情報処理装置によれば、ハラスメントが疑われる事例の状況に関する情報としての相談情報を、第１ユーザから直接的に且つ自動で取得することができるため、ハラスメントに関する情報を容易に取得することができる。なお、前記インタフェースは、チャットボットによるチャットサービスを提供可能に構成されたポータルウェブサイトであってもよい。
そして、上記の情報処理装置において、前記制御部は、前記第１回答情報において、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致すると一次判定された場合に、該ハラスメントを行った相手として該事例の状況に基づいて特定され得る第２ユーザから、該ハラスメントが疑われる行為に関する情報であるヒアリング情報を取得することと、前記相談情報及び前記ヒアリング情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが二次判定された情報である第２回答情報を、前記第１事前学習モデルに前記相談情報及び前記ヒアリング情報を入力することで取得することと、前記インタフェースを介して、前記第２回答情報を前記第１ユーザ及び前記第２ユーザに提供することと、を更に実行してもよい。
また、この場合、前記制御部は、前記第２回答情報において、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致すると二次判定された場合に、前記相談情報及び前記ヒアリング情報に基づいて自動で生成され得る対処情報であって、前記ハラスメントへの対処に関する情報である対処情報を、前記ハラスメントに関する所定の対処データを用いて学習を行うことにより構築された第２事前学習モデルに前記相談情報及び前記ヒアリング情報を入力することで取得することと、前記インタフェースを介して、前記対処情報を前記第１ユーザ及び前記第２ユーザに提供することと、を更に実行してもよい。これによれば、相談情報に含まれる事例の状況がハラスメントに合致するか否かが判定されるだけでなく、そのハラスメントへの対処方針も自動で生成されることになる。これにより、ハラスメントの対策についてのコストが削減されるとともに、ハラスメントへの対策の円滑な支援が可能になる。
更に、前記制御部は、前記第２事前学習モデルに学習させるための教師データであって、所定の組織における就業規則と前記ハラスメントへの対処に関する分類ラベルとの組に関する第１データ、及び所定のユーザについての人事情報と前記ハラスメントへの対処に関する分類ラベルとの組に関する第２データを用いて、前記第２事前学習モデルに学習を行わせることを、更に実行し、前記第２事前学習モデルに、前記第２ユーザが属する組織における就業規則及び前記第２ユーザについての人事情報を入力することで、前記対処情報を取得してもよい。このとき、前記人事情報は、前記組織に対する前記ユーザの貢献に関する情報を含んでもよい。そして、前記制御部は、前記第２事前学習モデルに学習を行わせるとき、前記第２データにおいて、前記ユーザの前記組織に対する貢献の度合いが大きいほど前記ハラスメントへの対処が軽減されるように、分類ラベルを調整してもよい。これによれば、第２ユーザが属する組織やその第２ユーザに特化した対処方針が生成されることになる。更に、第２ユーザが属する組織における該第２ユーザの貢献や必要性を重視した対処方針を生成させることもできる。また、前記制御部は、前記相談情報に含まれる前記事例の状況と、それに対する前記対処情報と、に基づいて、前記ハラスメントに対する予防ガイドラインを自動で生成し、該対処情報を取得するために用いられた前記就業規則に該予防ガイドラインを追加することで該就業規則を更新することを、更に実行してもよい。これにより、組織におけるハラスメントに対する予防を定着させ易くなる。
また、本開示の情報処理装置は、前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、前記第１回答情報を、前記第１ユーザが属する組織において人事に関する業務に従事する人事ユーザに提供することと、を実行する制御部を備えてもよい。これにより、人事ユーザは、第１ユーザからの相談情報に対して、第１回答情報に基づいて迅速且つ的確に対応することができ、以て、人事ユーザは、次のアクションに迷うことなく、事態が深刻化する前に問題解決に着手することができる。また、本開示の情報処理装置は、所定のユーザによって生成された文章情報について、該ユーザが該文章情報を送信する前、又は送信した後の所定のタイミングにおいて、該文章情報を取得することと、前記文章情報に基づいて自動で生成され得る回答情報であって、前記文章情報に含まれるワードが前記ハラスメントに合致するか否かが判定された情報である第３回答情報を、前記ハラスメントに関する所定のワードデータを用いて学習を行うことにより構築された第３事前学習モデルに前記文章情報を入力することで取得することと、前記第３回答情報において前記ワードが前記ハラスメントに合致すると判定される場合、所定のインタフェースを介して、該ワードの改善提案を前記ユーザに提供することと、を実行する制御部を備えてもよい。
また、本開示は、コンピュータによる情報処理方法の側面から捉えることができる。すなわち、本開示の情報処理方法は、ハラスメントに関する情報を管理する情報処理方法であって、コンピュータが、前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、前記インタフェースを介して、前記第１回答情報を前記第１ユーザに提供することと、を実行する。
また、本開示は、情報処理プログラムの側面から捉えることができる。すなわち、本開示の情報処理プログラムは、ハラスメントに関する情報を管理する情報処理プログラムであって、コンピュータに、前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、前記インタフェースを介して、前記第１回答情報を前記第１ユーザに提供することと、を実行させる。
本開示によれば、ハラスメントに関する情報を容易に取得でき、以て、ハラスメントへの対策の円滑な支援が可能になる。
第１実施形態における情報処理システムの概略構成を示す図である。 第１実施形態における、情報処理システムに含まれるサーバの構成要素をより詳細に示すとともに、サーバと通信を行うユーザ端末の構成要素を示した図である。 第１実施形態における情報処理システムの動作の流れを例示する図である。 チャットボットによるチャットサービスに用いられるインタフェースで表示される画面を例示する第１の図である。 チャットボットによるチャットサービスに用いられるインタフェースで表示される画面を例示する第２の図である。 第２実施形態における事前学習モデルに対する入力から得られる識別結果と、該事前学習モデルを構成するニューラルネットワークを説明するための第１の図である。 第２実施形態における事前学習モデルに対する入力から得られる識別結果と、該事前学習モデルを構成するニューラルネットワークを説明するための第２の図である。
以下、図面に基づいて、本開示の実施の形態を説明する。以下の実施形態の構成は例示であり、本開示は実施形態の構成に限定されない。
＜第１実施形態＞
第１実施形態における情報処理システムの概要について、図１を参照しながら説明する。図１は、本実施形態における情報処理システムの概略構成を示す図である。本実施形態に係る情報処理システム１００は、ネットワーク２００と、サーバ３００と、ユーザ端末４００と、を含んで構成される。なお、本開示の情報処理システムは、ハラスメントに関する情報を管理するシステムであって、該ハラスメントに関する情報の管理がサーバ３００によって実行される。また、以下の説明において、情報処理システム１００を利用する利用者ユーザのうち、ハラスメントに関するオンライン相談を希望するユーザを第１ユーザと称し、該ハラスメントを行った相手として特定され得るユーザを第２ユーザと称するものとする。そして、第１ユーザおよび第２ユーザの夫々が、ユーザ端末４００を所持し得る。
ネットワーク２００は、例えば、ＩＰネットワークである。ネットワーク２００は、ＩＰネットワークであれば、無線であっても有線であっても無線と有線の組み合わせであってもよく、例えば、無線による通信であれば、ユーザ端末４００は、無線ＬＡＮアクセスポイント（不図示）にアクセスし、ＬＡＮやＷＡＮを介してサーバ３００と通信してもよい。また、ネットワーク２００は、これらの例に限られず、例えば、公衆交換電話網や、光回線、ＡＤＳＬ回線、衛星通信網などであってもよい。
サーバ３００は、ネットワーク２００を介して、ユーザ端末４００と接続される。なお、図１において、説明を簡単にするために、サーバ３００は１台、ユーザ端末４００は４台示してあるが、これらに限定されないことは言うまでもない。
サーバ３００は、データの取得、生成、更新等の演算処理及び加工処理のための処理能力のあるコンピュータ機器であればどの様な電子機器でもよく、例えば、パーソナルコンピュータ、サーバ、メインフレーム、その他電子機器であってもよい。すなわち、サーバ３００は、ＣＰＵやＧＰＵ等のプロセッサ、ＲＡＭやＲＯＭ等の主記憶装置、ＥＰＲＯＭ、ハードディスクドライブ、リムーバブルメディア等の補助記憶装置を有するコンピュータとして構成することができる。なお、リムーバブルメディアは、例えば、ＵＳＢメモリ、あるいは、ＣＤやＤＶＤのようなディスク記録媒体であってもよい。補助記憶装置には、オペレーティングシステム（ＯＳ）、各種プログラム、各種テーブル等が格納されている。
また、サーバ３００は、本実施形態に係る情報処理システム１００専用のソフトウェアやハードウェア、ＯＳ等を設けずに、クラウドサーバによるＳａａＳ（Software as a Service）、Ｐａａｓ（Platform as a Service）、ＩａａＳ（Infrastructure as a Service）を適宜用いてもよい。
ユーザ端末４００は、情報処理システム１００を利用する利用者ユーザ（これは、第１ユーザおよび第２ユーザである。）が保有する携帯端末等の電子機器であればよく、例えば、携帯端末、タブレット端末、スマートフォン、ウェアラブル端末、パーソナルコンピュータ等、その他端末機器であってもよい。
次に、図２に基づいて、主にサーバ３００の構成要素の詳細な説明を行う。図２は、第１実施形態における、情報処理システム１００に含まれるサーバ３００の構成要素をより詳細に示すとともに、サーバ３００と通信を行うユーザ端末４００の構成要素を示した図である。
サーバ３００は、機能部として通信部３０１、記憶部３０２、制御部３０３を有しており、補助記憶装置に格納されたプログラムを主記憶装置の作業領域にロードして実行し、プログラムの実行を通じて各機能部等が制御されることによって、各機能部における所定の目的に合致した各機能を実現することができる。ただし、一部または全部の機能はＡＳＩＣやＦＰＧＡのようなハードウェア回路によって実現されてもよい。
ここで、通信部３０１は、サーバ３００をネットワーク２００に接続するための通信インタフェースである。通信部３０１は、例えば、ネットワークインタフェースボードや、無線通信のための無線通信回路を含んで構成される。サーバ３００は、通信部３０１を介して、ユーザ端末４００やその他の外部装置と通信可能に接続される。
記憶部３０２は、主記憶装置と補助記憶装置を含んで構成される。主記憶装置は、制御部３０３によって実行されるプログラムや、当該制御プログラムが利用するデータが展開されるメモリである。補助記憶装置は、制御部３０３において実行されるプログラムや、当該制御プログラムが利用するデータが記憶される装置である。記憶部３０２には、後述する事前学習モデルが予め記憶される。また、記憶部３０２は、ユーザ端末４００等から送信されたデータを記憶し、記憶部３０２には、後述する相談情報やヒアリング情報が記憶され得る。なお、サーバ３００は、通信部３０１を介してユーザ端末４００等から送信されたデータを取得することができる。
制御部３０３は、サーバ３００が行う制御を司る機能部である。制御部３０３は、ＣＰＵなどの演算処理装置によって実現することができる。制御部３０３は、更に、第１取得部３０３１と、第２取得部３０３２と、提供部３０３３と、の３つの機能部を有して構成される。各機能部は、記憶されたプログラムをＣＰＵによって実行することで実現してもよい。
第１取得部３０３１は、所定のインタフェースを介して、第１ユーザから相談情報を取得する。ここで、上記の相談情報は、ハラスメントが疑われる事例の状況に関する情報である。第１ユーザは、ユーザ端末４００を用いて、上記のインタフェースにアクセスすることで、相談情報を入力することができる。そして、第１取得部３０３１は、第１ユーザのユーザ端末４００から上記のインタフェースを介して送信された情報を取得することで相談情報を取得し、これをサーバ３００の記憶部３０２に記憶させる。
なお、第１取得部３０３１は、後述する第１回答情報において、相談情報に含まれる事例の状況がハラスメントに合致すると一次判定された場合に、第２ユーザからヒアリング情報を取得する。ここで、上記のヒアリング情報は、ハラスメントが疑われる行為に関する情報である。第１取得部３０３１は、例えば、第２ユーザのユーザ端末４００から送信された情報を取得することでヒアリング情報を取得し、これをサーバ３００の記憶部３０２に記憶させる。
ここで、本実施形態におけるユーザ端末４００は、機能部として通信部４０１、入出力部４０２、記憶部４０３を有している。通信部４０１は、ユーザ端末４００をネットワーク２００に接続するための通信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ボードや、無線通信のための無線通信回路を含んで構成される。入出力部４０２は、通信部４０１を介して外部から送信されてきた情報等を表示させたり、通信部４０１を介して外部に情報を送信する際に当該情報を入力したりするための機能部である。記憶部４０３は、サーバ３００の記憶部３０２と同様に主記憶装置と補助記憶装置を含んで構成される。
入出力部４０２は、更に、表示部４０２１、操作入力部４０２２、画像・音声入出力部４０２３を有している。表示部４０２１は、各種情報を表示する機能を有し、例えば、ＬＣＤ（Liquid Crystal Display）ディスプレイ、ＬＥＤ（Light Emitting Diode）ディスプレイ、ＯＬＥＤ（Organic Light Emitting Diode）ディスプレイ等により実現される。操作入力部４０２２は、ユーザからの操作入力を受け付ける機能を有し、具体的には、タッチパネル等のソフトキーあるいはハードキーにより実現される。画像・音声入出力部４０２３は、静止画や動画等の画像の入力を受け付ける機能を有し、具体的には、Charged-Coupled Devices（ＣＣＤ）、Metal-oxide-semiconductor（ＭＯＳ）あるいはComplementary Metal-Oxide-Semiconductor（ＣＭＯＳ）等のイメージセンサを用いたカメラにより実現される。また、画像・音声入出力部４０２３は、音声の入出力を受け付ける機能を有し、具体的には、マイクやスピーカーにより実現される。
そうすると、第１ユーザは、このように構成されたユーザ端末４００を用いて、上記のインタフェースにアクセスすることができる。ここで、サーバ３００は、上記のインタフェースにアクセスするための情報を第１ユーザのユーザ端末４００に提供してもよい。
第２取得部３０３２は、後述する事前学習モデルに上記の相談情報を入力することで、第１回答情報を取得する。ここで、第１回答情報は、相談情報に基づいて自動で生成され得る情報であって、相談情報に含まれる事例の状況がハラスメントに合致するか否かが一次判定された情報である。つまり、第２取得部３０３２は、上記の相談情報および事前学習モデルに基づいて、第１回答情報を自動で生成することができる。なお、後述するように、第２取得部３０３２は、後述する事前学習モデルに上記の相談情報およびヒアリング情報を入力することで、第２回答情報も取得する。ここで、第２回答情報は、相談情報及びヒアリング情報に基づいて自動で生成され得る情報であって、相談情報に含まれる事例の状況がハラスメントに合致するか否かが二次判定された情報である。
そして、提供部３０３３は、上記のインタフェースを介して、上記の第１回答情報および第２回答情報を第１ユーザに提供する。
なお、上記のインタフェースは、例えば、チャットボットによるチャットサービスを提供可能に構成されたポータルウェブサイトである。
近年、人工知能等を用いて、入力される入力テキストデータに対して適切な応答である出力テキストデータを出力するＡＩチャットボットが実用化されていて、上記のインタフェースは、このようなチャットボットによるチャットサービスに第１ユーザを導くためのウェブサイトである。
そして、このようなＡＩチャットボットのために上記の事前学習モデルが構築される。ここで、事前学習モデルは、例えば、ディープラーニングにより生成されるニューラルネットワークモデルを用いたものであって、上記の相談情報やヒアリング情報の入力を受け付ける入力層と、入力層に入力されたこれらデータから特徴量を抽出する中間層（隠れ層）と、特徴量に基づく識別結果を回答として出力する出力層とを有する。このような事前学習モデルは、例えば、ハラスメントに関する所定の事例データについて、そのハラスメント事例の状況に関する情報と、それがハラスメントに合致するか否かの分類ラベルと、の組みである教師データを用いて教師あり学習を行うことで構築される。具体的には、特徴量とラベルとの組みをニューラルネットワークに与え、ニューラルネットワークの出力がラベルと同じとなるように、ニューロン同士の結合の重みがチューニングされる。このようにして、教師データの特徴を学習し、入力から結果を推定するための事前学習モデルが帰納的に獲得される。
そして、このような事前学習モデルを用いることで、上記の第１回答情報や第２回答情報を自動で生成することができる。
この場合、ＡＩチャットボットは、例えば、第１ユーザから相談情報の入力を受付け、上記の事前学習モデルに該相談情報を入力することで第１回答情報を取得し、この第１回答情報を第１ユーザからの入力に対する応答として提供する。
なお、制御部３０３が、第１取得部３０３１、第２取得部３０３２、および提供部３０３３の処理を実行することで、本開示に係る制御部として機能する。
ここで、本実施形態における情報処理システム１００の動作の流れについて説明する。図３は、本実施形態における情報処理システム１００の動作の流れを例示する図である。図３では、本実施形態における情報処理システム１００におけるサーバ３００とユーザ端末４００との間の動作の流れ、およびサーバ３００とユーザ端末４００とが実行する処理を説明する。なお、図３に例示するフローは、サーバ３００と、第１ユーザおよび第２ユーザのユーザ端末４００と、の間の動作の流れ、およびサーバ３００と、第１ユーザおよび第２ユーザのユーザ端末４００と、が実行する処理を説明するものである。
本実施形態では、先ず、第１ユーザのユーザ端末４００にアクセス情報が入力される（Ｓ１０１）。ここで、上記のアクセス情報は、ＡＩチャットボットによるチャットサービスに第１ユーザを導くためのウェブサイトへのアクセスに関する情報であって、例えば、ユーザＩＤやパスワード等である。そして、アクセス情報は、第１ユーザのユーザ端末４００からサーバ３００に送信される。そうすると、サーバ３００が、第１ユーザのユーザ端末４００から送信された情報を取得する（Ｓ１０２）。
サーバ３００は、第１ユーザからのアクセス情報を取得すると、次に、該第１ユーザに対してチャットサービスを提供する（Ｓ１０３）。ここで、上記のチャットサービスは、ＡＩチャットボットによるチャットサービスであって、サーバ３００は、該チャットサービスを提供可能に構成されたポータルウェブサイトに関する情報を第１ユーザのユーザ端末４００に送信することで、該第１ユーザに対してチャットサービスを提供することができる。そうすると、第１ユーザのユーザ端末４００が、この情報を取得する（Ｓ１０４）。
ここで、図４は、チャットボットによるチャットサービスに用いられるインタフェースで表示される画面を例示する第１の図である。図４に例示する画面ＳＣ１は第１ユーザのユーザ端末４００の表示部４０２１に表示され、画面ＳＣ１には、第１ユーザからの相談事項を取得するための入力欄ＳＣ１１、第１ユーザからの入力に対するＡＩチャットボットの回答欄ＳＣ１２が示される。そして、第１ユーザは、入力欄ＳＣ１１において、事例の状況やＡＩチャットボットの回答に対する返答を入力することができる。
図４に示す例では、事例の状況として、上司に過度に叱責されたことが入力されている（図４（ａ））。この場合、ＡＩチャットボットは、更に第１ユーザからの多くの情報を取得するために、事例の状況に対する追加の質問を生成する（図４（ｂ））。そうすると、図４（ｃ）に示すように、第１ユーザからの返答が更に入力されることになる。このようにして、サーバ３００は、第１ユーザに対してチャットサービスを提供することで、入力された事例の状況に関する情報を相談情報として取得する。
そして、図３（ａ）に戻って、上記のチャットサービスを介して第１ユーザのユーザ端末４００に入力された相談情報（Ｓ１０５）をサーバ３００が取得すると（Ｓ１０６）、サーバ３００は、第１回答情報を生成する（Ｓ１０７）。
ここで、図５は、チャットボットによるチャットサービスに用いられるインタフェースで表示される画面を例示する第２の図である。図５に示す例では、第１回答情報として、上記の事例の状況がパワーハラスメントに該当する可能性があることが生成されている。なお、上述したように、サーバ３００は、事前学習モデルに上記の相談情報を入力することで、第１回答情報を取得することができる。
そして、図３に戻って、上記の第１回答情報は、チャットサービスを介して第１ユーザに提供され、第１ユーザのユーザ端末４００がこれを取得する（Ｓ１０８）。
次に、サーバ３００は、第１回答情報に含まれる一次判定の結果が、ハラスメントに合致するか否かを判別する（Ｓ１０９）。Ｓ１０９において肯定判定された場合、サーバ３００はＳ１１０以降の処理へ進み、Ｓ１０９において否定判定された場合、サーバ３００は本フローの実行を終了させる。
Ｓ１０９において肯定判定された場合、次に、サーバ３００は、第２ユーザからのヒアリング情報を取得する。ここで、サーバ３００は、例えば、第２ユーザのユーザ端末４００に、ヒアリング情報を入力するためのインタフェースを送信することができる。そうすると、第２ユーザのユーザ端末４００には、ヒアリング情報が入力される（Ｓ１１０）。ここで、ヒアリング情報は、上述したように、第２ユーザからのハラスメントが疑われる行為に関する情報であって、第１ユーザからの相談情報に含まれる事例の状況を第２ユーザに確認するためのヒアリング項目（第１ユーザに対する、第２ユーザからの行為や発言、それが行われた場所や周囲の環境等）に対する該第２ユーザからの回答を含んだ情報である。そして、サーバ３００は、第２ユーザのユーザ端末４００から送信された情報を取得する（Ｓ１１１）。
そして、サーバ３００は、Ｓ１０６の処理で取得した相談情報と、Ｓ１１１の処理で取得したヒアリング情報と、に基づいて、第２回答情報を生成する（Ｓ１１２）。詳しくは、サーバ３００は、上記の事前学習モデルに相談情報およびヒアリング情報を入力することで、相談情報に含まれる事例の状況がハラスメントに合致するか否かが二次判定された第２回答情報を取得する。そして、この第２回答情報は、チャットボット等のインタフェースを介して、第１ユーザおよび第２ユーザに提供され、第１ユーザおよび第２ユーザのユーザ端末４００がこれを取得する（Ｓ１１３）。
以上に述べた処理フローによれば、第１ユーザは、ＡＩチャットボットに対して相談を始めることができるため、第１ユーザが人には言いにくい悩みを相談することに躊躇してしまう事態が生じることを可及的に抑制でき、第１ユーザは、ＡＩチャットボットを相談窓口として気軽に利用することができる。また、ハラスメントが疑われる事例の状況に関する情報としての相談情報を、第１ユーザから直接的に且つＡＩチャットボットを利用して自動で取得することができるため、ハラスメントに関する情報を容易に取得することができる。そして、第１ユーザからの相談情報と、第２ユーザからのヒアリング情報と、に基づいて生成される第２回答情報を用いて、ハラスメントへの対策を円滑に支援することが可能になる。
そして、以上に述べた情報処理システム１００によれば、ハラスメントに関する情報を容易に取得でき、以て、ハラスメントへの対策の円滑な支援が可能になる。
＜第２実施形態＞
第２実施形態について、図６および図７に基づいて説明する。本実施形態では、サーバ３００は、上記の第１実施形態の説明で述べた第２回答情報に含まれる二次判定の結果がハラスメントに合致するものであった場合、ハラスメントへの対処に関する情報である対処情報を取得する。そして、サーバ３００は、チャットボット等のインタフェースを介して、上記の対処情報を第１ユーザ及び第２ユーザに提供する。
ここで、対処情報は、ハラスメントに関する所定の対処データを用いて学習を行うことにより構築された事前学習モデルに、相談情報及びヒアリング情報や、第２ユーザが属する組織における就業規則及び第２ユーザについての人事情報を入力することで取得され得る。このとき、サーバ３００は、以下のようにして、予め事前学習モデルを構築することができる。
図６は、本実施形態における事前学習モデルに対する入力から得られる識別結果と、該事前学習モデルを構成するニューラルネットワークを説明するための第１の図である。本実施形態では、事前学習モデルとして、ディープラーニングにより生成されるニューラルネットワークモデルを用いる。本実施形態における事前学習モデル３０は、相談情報、ヒアリング情報、就業規則、人事情報の入力を受け付ける入力層３１と、入力層３１に入力されたこれらデータからハラスメントに関する特徴量を抽出する中間層（隠れ層）３２と、特徴量に基づく識別結果を出力する出力層３３とを有する。なお、図６の例では、事前学習モデル３０は、１層の中間層３２を有しており、入力層３１の出力が中間層３２に入力され、中間層３２の出力が出力層３３に入力されている。ただし、中間層３２の数は、１層に限られなくてもよく、事前学習モデル３０は、２層以上の中間層３２を有してもよい。
また、図６によると、各層３１～３３は、１又は複数のニューロンを備えている。例えば、入力層３１のニューロンの数は、入力される画像データに応じて設定することができる。また、出力層３３のニューロンの数は、識別結果であるハラスメントへの対処に応じて設定することができる。
そして、隣接する層のニューロン同士は適宜結合され、各結合には重み（結合荷重）が機械学習の結果に基づいて設定される。図６の例では、各ニューロンは、隣接する層の全てのニューロンと結合されているが、ニューロンの結合は、このような例に限定されなくてもよく、適宜設定することができる。
このような事前学習モデル３０は、ハラスメントに関する所定の対処データ（そのハラスメント行為に関する情報と、それに対する対処の分類ラベルと、の組み）に加えて、企業等の組織における就業規則とハラスメントへの対処に関する分類ラベルとの組に関する第１データ、及び企業等の組織に属するユーザについての人事情報とハラスメントへの対処に関する分類ラベルとの組に関する第２データを教師データとして用いて教師あり学習を行うことで構築される。具体的には、特徴量とラベルとの組みをニューラルネットワークに与え、ニューラルネットワークの出力がラベルと同じとなるように、ニューロン同士の結合の重みがチューニングされる。このようにして、教師データの特徴を学習し、入力から結果を推定するための事前学習モデルが帰納的に獲得される。
つまり、本実施形態の情報処理システム１００によれば、相談情報に含まれる事例の状況がハラスメントに合致するか否かが判定されるだけでなく、そのハラスメントへの対処方針も自動で生成されることになる。これにより、ハラスメントの対策についてのコストが削減されるとともに、ハラスメントへの対策の円滑な支援が可能になる。そして、このとき、第２ユーザが属する組織における就業規則及び第２ユーザについての人事情報が、ハラスメントへの対処に対する入力情報として加味されることで、その組織やそのユーザに特化した対処方針が生成されることになる。なお、サーバ３００は、上記の図３の説明で述べたＳ１０６の処理において取得した相談情報に含まれる事例の状況と、それに対する対処情報と、に基づいて、ハラスメントに対する予防ガイドラインを自動で生成してもよい。ここで、上記の予防ガイドラインとは、例えば、上記の事例の状況と、それに対してなされた対処と、の組の情報が、事例の状況毎に纏められたものであって、サーバ３００は、対処情報を取得するために用いられた就業規則にこのような情報を追加することで、該就業規則に該予防ガイドラインを追加する更新を実行することができる。これにより、組織におけるハラスメントに対する予防を定着させ易くなる。
また、本実施形態の情報処理システム１００では、サーバ３００が上記の事前学習モデルを構築するとき、上記の第２データにおいて、ユーザの組織に対する貢献の度合いが大きいほどハラスメントへの対処が軽減されるように、分類ラベルを調整してもよい。
図７は、本実施形態における事前学習モデルに対する入力から得られる識別結果と、該事前学習モデルを構成するニューラルネットワークを説明するための第２の図である。図７に示す事前学習モデル３０では、第２データを教師データとして用いて教師あり学習が行われる際、人事情報として、例えば、人事評価に加えて売上貢献が加味される。そして、人事評価が同一の場合、売上貢献が高いほどハラスメントへの対処が軽減されるように分類ラベルが調整される。これにより、第２ユーザが属する組織における該第２ユーザの貢献や必要性を重視した対処方針が生成されることになる。
以上に述べた情報処理システム１００によれば、ハラスメントへの対策の円滑な支援が可能になる。
＜第３実施形態＞
第３実施形態について、以下に説明する。
本実施形態では、サーバ３００は、企業等の組織に属するユーザによって生成された文章情報を取得する。ここで、上記の文章情報は、例えば、電子メールに含まれる文章の情報であって、サーバ３００は、ユーザが電子メールを送信する前、又は送信した後の所定のタイミングにおいて、文章情報を取得する。なお、サーバ３００は、周知の技術を用いて、上記の文章情報を取得することができる。
そして、サーバ３００は、事前学習モデルに上記の文章情報を入力することで、第３回答情報を取得する。ここで、第３回答情報は、上記の文章情報に含まれるワードがハラスメントに合致するか否かが判定された情報である。事前学習モデルは、例えば、ディープラーニングにより生成されるニューラルネットワークモデルを用いたものであって、上記の文章情報の入力を受け付ける入力層と、入力層に入力されたデータから特徴量を抽出する中間層（隠れ層）と、特徴量に基づく識別結果を回答として出力する出力層とを有する。このような事前学習モデルは、例えば、ハラスメントに関する所定のワードデータについて、そのワードに関する情報と、それがハラスメントに合致するか否かの分類ラベルと、の組みである教師データを用いて教師あり学習を行うことで構築される。具体的には、特徴量とラベルとの組みをニューラルネットワークに与え、ニューラルネットワークの出力がラベルと同じとなるように、ニューロン同士の結合の重みがチューニングされる。このようにして、教師データの特徴を学習し、入力から結果を推定するための事前学習モデルが帰納的に獲得される。
そして、サーバ３００は、上記の第３回答情報において文章情報に含まれるワードがハラスメントに合致すると判定される場合、チャットボット等のインタフェースを介して、該ワードの改善提案をユーザに提供する。
以上に述べた情報処理システム１００によっても、ハラスメントへの対策の円滑な支援が可能になる。
＜その他の変形例＞
上記の実施形態はあくまでも一例であって、本開示はその要旨を逸脱しない範囲内で適宜変更して実施しうる。例えば、本開示において説明した処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。
なお、上記の実施形態の説明で述べた第１回答情報について、サーバ３００は、第１ユーザが属する組織において人事に関する業務に従事する人事ユーザに提供してもよい。これにより、人事ユーザは、第１ユーザからの相談情報に対して、第１回答情報に基づいて迅速且つ的確に対応することができ、以て、人事ユーザは、次のアクションに迷うことなく、事態が深刻化する前に問題解決に着手することができる。
更に、サーバ３００は、ハラスメントに関する所定の管理項目について、人事ユーザに対して、必要なアクションを自動生成して提供してもよい。ここで、上記の管理項目とは、「ハラスメントの内容、方針等の明確化と周知・啓発」、「行為者への厳正な対処方針、内容の規定化と周知・啓発」、「相談窓口の設置」、「相談に対する適切な対応」、「事実関係の迅速かつ正確な確認」、「被害者に対する適正な配慮の措置の実施」、「行為者に対する適正な措置の実施」、「再発防止措置の実施」、「業務体制の整備など、事業主や妊娠等した労働者等の実情に応じた必要な措置（妊娠・出産等に関するハラスメントのみ）」、「当事者などのプライバシー保護のための措置の実施と周知」、「相談、協力等を理由に不利益な取扱いを行ってはならない旨の定めと周知・啓発」である。
また、１つの装置が行うものとして説明した処理が、複数の装置によって分担して実行されてもよい。例えば、第２取得部３０３２を別の演算処理装置に形成してもよい。このときこれらの演算処理装置は好適に協働可能に構成される。また、異なる装置が行うものとして説明した処理が、１つの装置によって実行されても構わない。コンピュータシステムにおいて、各機能をどのようなハードウェア構成（サーバ構成）によって実現するかは柔軟に変更可能である。
本開示は、上記の実施形態で説明した機能を実装したコンピュータプログラムをコンピュータに供給し、当該コンピュータが有する１つ以上のプロセッサがプログラムを読み出して実行することによっても実現可能である。このようなコンピュータプログラムは、コンピュータのシステムバスに接続可能な非一時的なコンピュータ可読記憶媒体によってコンピュータに提供されてもよいし、ネットワークを介してコンピュータに提供されてもよい。非一時的なコンピュータ可読記憶媒体は、例えば、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクドライブ（ＨＤＤ）等）、光ディスク（ＣＤ－ＲＯＭ、ＤＶＤディスク・ブルーレイディスク等）など任意のタイプのディスク、読み込み専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード、フラッシュメモリ、光学式カード、電子的命令を格納するために適した任意のタイプの媒体を含む。
１００・・・情報処理システム
２００・・・ネットワーク
３００・・・サーバ
３０１・・・通信部
３０２・・・記憶部
３０３・・・制御部
４００・・・ユーザ端末

Claims (8)

  1. ハラスメントに関する情報を管理する情報処理装置であって、
    前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、
    前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、
    前記インタフェースを介して、前記第１回答情報を前記第１ユーザに提供することと、
    を実行する制御部を備え、
    前記制御部は、
    前記第１回答情報において、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致すると一次判定された場合に、該ハラスメントを行った相手として該事例の状況に基づいて特定され得る第２ユーザから、該ハラスメントが疑われる行為に関する情報であるヒアリング情報を取得することと、
    前記相談情報及び前記ヒアリング情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが二次判定された情報である第２回答情報を、前記第１事前学習モデルに前記相談情報及び前記ヒアリング情報を入力することで取得することと、
    前記インタフェースを介して、前記第２回答情報を前記第１ユーザ及び前記第２ユーザに提供することと、を更に実行する、
    情報処理装置。
  2. 前記インタフェースは、チャットボットによるチャットサービスを提供可能に構成されたポータルウェブサイトである、
    請求項１に記載の情報処理装置。
  3. 前記制御部は、
    前記第２回答情報において、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致すると二次判定された場合に、前記相談情報及び前記ヒアリング情報に基づいて自動で生成され得る対処情報であって、前記ハラスメントへの対処に関する情報である対処情報を、前記ハラスメントに関する所定の対処データを用いて学習を行うことにより構築された第２事前学習モデルに前記相談情報及び前記ヒアリング情報を入力することで取得することと、
    前記インタフェースを介して、前記対処情報を前記第１ユーザ及び前記第２ユーザに提供することと、を更に実行する、
    請求項１に記載の情報処理装置。
  4. 前記制御部は、
    前記第２事前学習モデルに学習させるための教師データであって、所定の組織における就業規則と前記ハラスメントへの対処に関する分類ラベルとの組に関する第１データ、及び所定のユーザについての人事情報と前記ハラスメントへの対処に関する分類ラベルとの組に関する第２データを用いて、前記第２事前学習モデルに学習を行わせることを、更に実行し、
    前記第２事前学習モデルに、前記第２ユーザが属する組織における就業規則及び前記第２ユーザについての人事情報を入力することで、前記対処情報を取得する、
    請求項３に記載の情報処理装置。
  5. 前記人事情報は、前記組織に対する前記ユーザの貢献に関する情報を含み、
    前記制御部は、
    前記第２事前学習モデルに学習を行わせるとき、前記第２データにおいて、前記ユーザの前記組織に対する貢献の度合いが大きいほど前記ハラスメントへの対処が軽減されるように、分類ラベルを調整する、
    請求項４に記載の情報処理装置。
  6. 前記制御部は、
    前記相談情報に含まれる前記事例の状況と、それに対する前記対処情報と、に基づいて、前記ハラスメントに対する予防ガイドラインを自動で生成し、該対処情報を取得するために用いられた前記就業規則に該予防ガイドラインを追加することで該就業規則を更新することを、更に実行する、
    請求項４に記載の情報処理装置。
  7. ハラスメントに関する情報を管理する情報処理方法であって、
    コンピュータが、
    前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、
    前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、
    前記インタフェースを介して、前記第１回答情報を前記第１ユーザに提供することと、
    を実行し、
    前記コンピュータは、
    前記第１回答情報において、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致すると一次判定された場合に、該ハラスメントを行った相手として該事例の状況に基づいて特定され得る第２ユーザから、該ハラスメントが疑われる行為に関する情報であるヒアリング情報を取得することと、
    前記相談情報及び前記ヒアリング情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが二次判定された情報である第２回答情報を、前記第１事前学習モデルに前記相談情報及び前記ヒアリング情報を入力することで取得することと、
    前記インタフェースを介して、前記第２回答情報を前記第１ユーザ及び前記第２ユーザに提供することと、を更に実行する、
    情報処理方法。
  8. ハラスメントに関する情報を管理する情報処理プログラムであって、
    コンピュータに、
    前記ハラスメントに関するオンライン相談を希望する第１ユーザから、該ハラスメントが疑われる事例の状況に関する情報である相談情報を、所定のインタフェースを介して取得することと、
    前記相談情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが一次判定された情報である第１回答情報を、前記ハラスメントに関する所定の事例データを用いて学習を行うことにより構築された第１事前学習モデルに前記相談情報を入力することで取得することと、
    前記インタフェースを介して、前記第１回答情報を前記第１ユーザに提供することと、
    を実行させ、
    前記コンピュータに、
    前記第１回答情報において、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致すると一次判定された場合に、該ハラスメントを行った相手として該事例の状況に基づいて特定され得る第２ユーザから、該ハラスメントが疑われる行為に関する情報であるヒアリング情報を取得することと、
    前記相談情報及び前記ヒアリング情報に基づいて自動で生成され得る回答情報であって、前記相談情報に含まれる前記事例の状況が前記ハラスメントに合致するか否かが二次判定された情報である第２回答情報を、前記第１事前学習モデルに前記相談情報及び前記ヒアリング情報を入力することで取得することと、
    前記インタフェースを介して、前記第２回答情報を前記第１ユーザ及び前記第２ユーザに提供することと、を更に実行させる、
    情報処理プログラム。
JP2023208676A 2023-12-11 2023-12-11 情報処理装置、情報処理方法及び情報処理プログラム Active JP7496652B1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023208676A JP7496652B1 (ja) 2023-12-11 2023-12-11 情報処理装置、情報処理方法及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2023208676A JP7496652B1 (ja) 2023-12-11 2023-12-11 情報処理装置、情報処理方法及び情報処理プログラム

Publications (1)

Publication Number Publication Date
JP7496652B1 true JP7496652B1 (ja) 2024-06-07

Family

ID=91332580

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023208676A Active JP7496652B1 (ja) 2023-12-11 2023-12-11 情報処理装置、情報処理方法及び情報処理プログラム

Country Status (1)

Country Link
JP (1) JP7496652B1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003114936A (ja) 2001-10-04 2003-04-18 Nec Fielding Ltd 子供の悩み相談システム、その方法、およびそのプログラム
JP2021051656A (ja) 2019-09-26 2021-04-01 Ｙｈ合同会社 ハラスメント検出装置、ハラスメント検出システム、ハラスメント検出方法、及びプログラム
JP2022189237A (ja) 2021-06-11 2022-12-22 株式会社野村総合研究所 問合せ対応システム
JP2023033012A (ja) 2021-08-27 2023-03-09 株式会社カケコム 人材マッチングシステム、人材マッチング方法及びプログラム
JP7378698B1 (ja) 2023-06-22 2023-11-14 公益社団法人 子どもの発達科学研究所 トラブル早期発見システム、トラブル早期発見プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003114936A (ja) 2001-10-04 2003-04-18 Nec Fielding Ltd 子供の悩み相談システム、その方法、およびそのプログラム
JP2021051656A (ja) 2019-09-26 2021-04-01 Ｙｈ合同会社 ハラスメント検出装置、ハラスメント検出システム、ハラスメント検出方法、及びプログラム
JP2022189237A (ja) 2021-06-11 2022-12-22 株式会社野村総合研究所 問合せ対応システム
JP2023033012A (ja) 2021-08-27 2023-03-09 株式会社カケコム 人材マッチングシステム、人材マッチング方法及びプログラム
JP7378698B1 (ja) 2023-06-22 2023-11-14 公益社団法人 子どもの発達科学研究所 トラブル早期発見システム、トラブル早期発見プログラム

Similar Documents

Publication Publication Date Title
US10834026B2 (en) Artificial intelligence assisted service provisioning and modification for delivering message-based services
US20190050774A1 (en) Methods and apparatus to enhance emotional intelligence using digital technology
Stanton et al. Trust and artificial intelligence
Hogg et al. Learning lessons from the analysis of patient complaints relating to staff attitudes, behaviour and communication, using the concept of emotional labour
CN108205627A (zh) 交互式助理模块对访问的有条件提供
Roberton et al. De-escalation and limit-setting in forensic mental health units
Lown Compassion is a necessity and an individual and collective responsibility: comment on" Why and how is compassion necessary to provide good quality healthcare?"
CA2870582A1 (en) System and method for automated standards compliance
Blackstone et al. Converging communication vulnerabilities in health care: An emerging role for speech-language pathologists and audiologists
Clay-Williams et al. Service provider perceptions of transitioning from audio to video capability in a telehealth system: a qualitative evaluation
US20190228760A1 (en) Information processing system, information processing apparatus, information processing method, and recording medium
Kim et al. Designing chatbots with black americans with chronic conditions: Overcoming challenges against covid-19
Visser et al. Unequal Consumers: Consumerist healthcare technologies and their creation of new inequalities
Radey et al. Learning, negotiating, and surviving in child welfare: Social capitalization among recently hired workers
JP7496652B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Almada et al. Voice-based diagnosis of covid-19: ethical and legal challenges
Bano et al. AI for All: Operationalising Diversity and Inclusion Requirements for AI Systems
US20210050118A1 (en) Systems And Methods For Facilitating Expert Communications
Newcomb et al. One size fits all: The role of technology in practitioner’s experience of working from home during COVID19
Darda et al. Usage of voice assistant in time of COVID 19 as a touchless Interface
Withey-Rila et al. Trans/nonbinary sexualities and prioritizing pleasure
Gromova et al. ChatGPT and Other Intelligent Chatbots: Legal, Ethical and Dispute Resolution Concerns
US20180349967A1 (en) Method and a system for identification and elimination, avoidance or reduction of problems hidden in a particular experience
Whatling Difference Matters: Developing Culturally Sensitive Mediation Practice.
Meier Doctor-patient relationship in a digitalised world

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240111

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20240111

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240312

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: 20240514

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240521

R150 Certificate of patent or registration of utility model

Ref document number: 7496652

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150