WO2018042547A1 - 回答データ選別システム、回答データ選別方法及びプログラム - Google Patents

回答データ選別システム、回答データ選別方法及びプログラム Download PDF

Info

Publication number
WO2018042547A1
WO2018042547A1 PCT/JP2016/075481 JP2016075481W WO2018042547A1 WO 2018042547 A1 WO2018042547 A1 WO 2018042547A1 JP 2016075481 W JP2016075481 W JP 2016075481W WO 2018042547 A1 WO2018042547 A1 WO 2018042547A1
Authority
WO
WIPO (PCT)
Prior art keywords
assigned
department
data
answer data
respondent
Prior art date
Application number
PCT/JP2016/075481
Other languages
English (en)
French (fr)
Inventor
俊二 菅谷
Original Assignee
株式会社オプティム
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 株式会社オプティム filed Critical 株式会社オプティム
Priority to PCT/JP2016/075481 priority Critical patent/WO2018042547A1/ja
Publication of WO2018042547A1 publication Critical patent/WO2018042547A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Definitions

  • the present invention relates to an answer data sorting system, an answer data sorting method, and a program for sorting data from a plurality of answer data according to a predetermined standard.
  • job hunting and job change activities using the Internet have been conducted.
  • job seekers upload their resumes and job histories to the cloud server and send a message to apply to the company they want to work for, so the company's personnel manager and personnel coordinator confirm the data. Then contact the job seeker.
  • Patent Document 1 discloses a system that can acquire information on candidates for employment at a timing when a company wants to acquire resume information, that is, in real time. This system also discloses a process for confirming whether or not the recruiting candidate can transmit his / her resume information to the company side.
  • Patent Document 1 only the information on the resumes of the candidate candidates can be confirmed. For example, when there are a large number of applicants, the computer or system automatically selects the applicants to be adopted. It does not select the assigned department.
  • the computer system learns to which department the respondent is assigned from the answer data of the past employment test, and if there is a new applicant (respondent) for recruitment, the learning is performed. It is an object of the present invention to provide an answer data selection system, an answer data selection method, and a program for selecting an assigned department from the results.
  • the present invention provides the following solutions.
  • the invention according to the first feature is an answer data selection system for selecting an assigned department of an answerer from answer data received from an answerer of an employment examination, A reference data learning method for generating assigned department reference data for judging selection of assigned departments by learning the answer data received from respondents of past employment examinations and the assigned department to which the respondent is assigned
  • an answer data selection system comprising: assigned department determination means for determining to which assigned department the received answer data of a new respondent is assigned based on the assigned department reference data .
  • the selection of the assigned department is determined.
  • the assigned department reference data is generated, and it is determined to which assigned department the received answer data of the new respondent is assigned based on the assigned department reference data.
  • the invention according to the first feature is a system category, but in other categories such as a method and a program, the same actions and effects corresponding to the category are exhibited.
  • the invention according to the second feature is the invention according to the first feature, wherein when assigned to a predetermined department by the assigned department determination means, learning is performed from the received answer data, and a new assigned department is obtained.
  • An answer data selection system comprising reference data adding means for generating reference data is provided.
  • the invention according to the third feature is the invention according to the first feature, wherein results acquisition means for acquiring a personnel evaluation of the assigned respondent; When it is determined that the personnel evaluation of the respondent is bad by the personnel evaluation, the response data corresponding to the respondent and a data changing means for changing the assigned department standard data based on the degree of the bad personnel evaluation; An answer data selection system is provided.
  • the response data corresponding to the respondent Based on the degree of bad personnel evaluation, the assigned department standard data is changed.
  • the invention according to the fourth feature is the invention according to the first feature, wherein the reference data learning means finds the feature quantity at the time of learning by itself when generating the assigned department reference data, and performs the learning Provide a data sorting system.
  • the invention according to the fifth feature is an answer data selection system for selecting an assigned department of an answerer from answer data received from an answerer of a past employment examination, Personnel evaluation means for selecting whether the respondent corresponding to the answer data in the personnel evaluation is a high or low evaluation person; Reference data learning means for learning and generating assigned department reference data for judging selection of assigned departments from the selected high-evaluator or low-evaluator response data; Provided is an answer data selection system comprising: assigned department determination means for determining to which assigned department the received answer data of a new respondent is assigned based on the assigned department reference data .
  • the respondent corresponding to the answer data is selected as a high-rater or a low-rater, and from the selected high-rater or low-rater answer data.
  • Learning and generating assigned department standard data for judging the selection of assigned departments, and determining which assigned department the answer data of new respondents received is assigned based on the assigned department reference data To do.
  • the invention according to a sixth feature is the invention according to the fourth feature, wherein results obtaining means for obtaining a personnel evaluation of the respondent; When it is determined that the personnel evaluation of the respondent has been changed from a high evaluation to a low evaluation or from a low evaluation to a high evaluation by the personnel evaluation, based on the response data corresponding to the respondent and the degree of the personnel evaluation And a data changing unit for changing the assigned department reference data.
  • the personnel evaluation of the respondent is further obtained, and it is determined that the personnel evaluation of the respondent has been changed from high evaluation to low evaluation or from low evaluation to high evaluation.
  • the assigned department standard data is changed based on the answer data corresponding to the respondent and the degree of the personnel evaluation.
  • the computer can select whether to be assigned to the department and can propose it to the recruiter.
  • FIG. 1 is a diagram showing functional blocks of the answer data selection system 1.
  • FIG. 2 is a flowchart showing learning and sorting processing executed by the sorting computer 100.
  • FIG. 3 is a flowchart showing processing after personnel evaluation executed by the sorting computer 100.
  • FIG. 4 is a flowchart showing the second part of the learning and sorting process executed by the sorting computer 100.
  • FIG. 5 is a diagram showing a specific configuration of the answer data.
  • FIG. 6 is a diagram showing a specific configuration of personnel evaluation data.
  • FIG. 7 is a diagram illustrating a display example of the determination result.
  • FIG. 1 is a diagram showing a system configuration of an answer data selection system 1 which is a preferred embodiment of the present invention.
  • the answer data sorting system 1 includes at least a sorting computer 100, and includes a personnel computer 200 and an answer data database 50 depending on the system form.
  • the answer data sorting system 1 will be described in the case where the personnel computer 200 and the answer data database 50 are included as separate hardware. However, the personnel computer 200 and the answer data database 50 are separated from the sorting computer 100 and the individual hardware.
  • the sorting computer 100 may include these hardware and functions instead of the computer.
  • the sorting computer 100 and the personnel computer 200, and the sorting computer 100 and the response data database 50 are connected to be communicable with each other via a public line network or a dedicated line, and data communication is performed.
  • the sorting computer 100 and the personnel computer 200 may be a computer or a server that can be accessed from a computer terminal used by a recruiter.
  • the answer data database 50 is a database that can be accessed by the sorting computer 100.
  • the sorting computer 100 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), a ROM (Read Only Memory), etc. as the control unit 110, and a device for enabling the communication unit 120 to communicate with other devices.
  • a device for example, it includes a device that can be connected to a wired / wireless LAN, a WiFi (Wireless Fidelity) compatible device compliant with IEEE 802.11, a wired connection compatible device such as USB or HDMI (registered trademark), and the like.
  • the communication unit 120 enables data communication with a computer terminal used by a recruiter.
  • the control unit 110 when the control unit 110 reads a predetermined program, in cooperation with the communication unit 120 and other hardware, the reference data learning module 150, the assigned department determination module 160, the assigned department storage module 170, the reference A data addition module 180, a grade acquisition module 190, and a data change module 192 are realized. Further, in the personnel computer 200, a control unit (not shown) reads a predetermined program, thereby realizing the personnel evaluation module 210 in cooperation with other hardware.
  • the response data database 50 is a database that stores a plurality of response data, and may store assigned department reference data that will be described later.
  • the selection computer 100 selects and stores response data obtained from respondents in the employment examination for each predetermined department based on the assigned department reference data.
  • FIG. 2 is a flowchart of the learning and sorting process executed by the sorting computer 100. The processing executed by the modules of each device described above will be described together with this processing.
  • the selection computer 100 receives a plurality of past response data from a terminal such as a recruiter or a terminal used by a respondent in order to generate assigned department reference data (step S10).
  • the answer data is data regarding the contents of answers answered by applicants to the recruitment in the recruitment test and the score of the test item.
  • the answer data may be, for example, data related to the ability and personality of the respondent (see FIG. 5), and these pieces of information are stored in association with information (including educational background and work history) that identifies the respondent. Is done.
  • the sorting computer 100 stores the answer data in the answer data database 50.
  • the selection computer 100 receives data indicating which department has been adopted for each received response data from a terminal such as a recruiter (step S11). That is, as a result, the person in charge of recruitment employs the respondent of the answer data, inputs the assigned department to a predetermined terminal, and transmits it to the sorting computer 100. Upon receiving this, the selection computer 100 associates the department name with the response data and stores them in the response data database 50.
  • the reference data learning module 150 of the selection computer 100 generates assigned department reference data that serves as a reference for determining selection of the assigned department from the answer data stored in the answer data database 50 and the assigned department (step S12). That is, the reference data learning module 150 learns the association between the response data and the assigned department as supervised data, and generates assigned department reference data for determining the assigned department.
  • This learning process may be so-called machine learning.
  • machine learning As a specific algorithm for machine learning, a nearest neighbor method, a naive Bayes method, a decision tree, or a support vector machine may be used. Further, deep learning may be used in which a neural network is used to generate a characteristic amount for learning.
  • the nearest neighbor method or k-nearest neighbor method past examples including each assigned department are placed in the feature space, and when the data to be newly determined is given, the past with the closest distance on the feature space (1 or k) class (assigned department) is used as the prediction result.
  • the components of the data are “specialized field test score”, “EQ test score”, “IQ test score”, “contents of 15th question of specialized field test”, “personal test 3rd question It is conceivable to use “response content” or the like as a feature quantity.
  • a feature space is generated with these feature amounts, and assigned department reference data is generated. This method generates assigned department reference data that determines that the answer data similar to the past answer data is the assigned department that is the same as or similar to the assigned department to which the respondent of the past answer data is assigned.
  • the probability for each assigned department is calculated for each feature quantity described above, and a score for each feature quantity and for each assigned department is added. Now determine the assigned department. A function for making this determination is acceptance criterion data. For the score, the logarithm of the calculated probability may be used. A function for this determination is assigned department reference data.
  • the selection computer 100 receives the answer data to be determined from the terminal such as the recruiter (step S13). Then, the assigned department determination module 160 applies the determined answer data to the assigned department reference data to determine which department should be assigned (step S14). Further, the assigned department storage module 170 associates the assigned department with the answer data and stores it in the answer data database 50 (step S15).
  • the selection computer 100 may not only learn the result of determining the assigned department, but the recruiter may actually determine the assigned department and perform relearning based on the decision.
  • the data of the final assigned department is received from the recruiter's terminal and stored in correspondence with the answer data.
  • step S16 in order to receive new answer data and repeat the determination, the process returns to step S13 and the process is repeated.
  • the score acquisition module 190 of the selection computer 100 acquires a personnel evaluation associated with the answer data from the personnel computer 200 (step S20).
  • the personnel evaluation module 210 of the personnel computer 200 stores personnel evaluations of respondents assigned to a predetermined department in response to input from a terminal operated by the recruiter, and in response to a request from the selection computer 100, Personnel evaluation data of each respondent is transmitted to the selection computer 100.
  • the personnel evaluation data is an evaluation of the performance of each item associated with each respondent, and as shown in FIG. 6, for example, “target achievement”, “boss satisfaction”, “customer satisfaction” It is an evaluation for each item such as “degree”, “team satisfaction”, “proposal”.
  • the selection computer 100 extracts respondents with poor evaluation from the acquired personnel evaluation (step S21). In other words, the sorting computer 100 determines that the total score of the respondent's evaluation is lower than a predetermined value, or the predetermined item of the respondent's evaluation is lower than a predetermined value. Are judged as poor respondents.
  • the data change module 192 of the sorting computer 100 learns the answer data determined to be bad and the degree of personnel evaluation (evaluation point) judged to be bad as supervised data, and newly generates assigned department reference data. (Change) (step S22).
  • learning from the degree of personnel evaluation determined to be bad means, for example, that learning is performed by using the overall score of each item of personnel evaluation or the item determined to have poor personnel evaluation as a feature amount. It's okay.
  • the personnel evaluation module 210 evaluates the respondent step by step according to the numerical value of the personnel evaluation and sorts the response data. That is, for example, if the total score of the respondent's evaluation is higher than a predetermined numerical value, it is determined that the respondent is a high-evaluator. If there is, rank it. Instead of being divided into two stages as in this example, ranks may be divided into three stages, four stages, and the like.
  • the evaluation here is an evaluation of whether the evaluation is high or low in the department where the respondent is actually assigned.
  • the personnel computer 200 transmits personnel evaluation data in which each respondent is evaluated step by step to the sorting computer 100.
  • the selection computer 100 receives this (step S30), and extracts only a specific rank, for example, an answerer corresponding to a high-evaluator (step S31).
  • learning is performed based on the respondent data of the respondent determined to be a highly evaluated person, and assigned department reference data is generated (step S32). Since the learning process here is the same as the above-described learning, it is omitted. Based on the assigned department reference data learned in this way, processing from step S33 to step S36, that is, determination processing and relearning processing are performed in the same manner as described above.
  • the result determined by the selection computer 100 as high evaluation may be re-learned.
  • the respondent determined by the selection computer 100 as high evaluation is changed to low evaluation.
  • Re-learning may be performed based on the obtained results.
  • the reference data adding module 180 Based on the answer data of the result, re-learning is performed, and the reference data adding module 180 newly generates assigned department reference data.
  • the assigned department standard data may be generated by collecting low evaluation response data, or a plurality of three, four, etc.
  • the answer data may be collected and generated in one category of those ranked.
  • FIG. 7 is a screen image diagram in which the selection computer 100 determines the assigned department after the determination result and notifies the predetermined terminal of the determination result.
  • the sorting computer 100 may simply notify the department to be assigned, but, as shown in the figure, the past respondent most similar to the presently determined respondent (currently, personnel evaluation has already been performed.
  • a predetermined message may be generated. That is, the sorting computer 100 may generate and notify a message based on the most similar past respondent's department or evaluation by combining future evaluation predictions when assigned with a predetermined fixed sentence.
  • the means and functions described above are realized by a computer (including a CPU, an information processing apparatus, and various terminals) reading and executing a predetermined program.
  • the program is provided in a form recorded on a computer-readable recording medium such as a flexible disk, CD (CD-ROM, etc.), DVD (DVD-ROM, DVD-RAM, etc.).
  • the computer reads the program from the recording medium, transfers it to the internal storage device or the external storage device, stores it, and executes it.
  • the program may be recorded in advance in a storage device (recording medium) such as a magnetic disk, an optical disk, or a magneto-optical disk, and provided from the storage device to a computer via a communication line.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】過去の採用試験の回答データからその回答者がどの部署に配属されたかを学習しておき、新たな採用応募者の回答データに対して、その学習した結果から、どの配属部署に配属すべきかをコンピュータが選別して採用担当者に提案する。 【解決手段】回答データ選別システム１は、過去の採用試験の回答者から受付けた回答データと、当該回答者が配属された配属部署とを学習することで、配属部署の選別を判断するための配属部署基準データを生成し、受付けた新たな回答者の回答データを、配属部署基準データに基づいて、どの配属部署に配属するかを判定する。

Description

回答データ選別システム、回答データ選別方法及びプログラム
　本発明は、複数の回答データから所定の基準でデータを選別する回答データ選別システム、回答データ選別方法及びプログラムに関する。
　近年、インターネットを利用した就職活動、転職活動が行われている。すなわち、求職者が、自身の履歴書や職務経歴書をクラウドサーバ上にアップロードし、就職したい企業に応募する旨のメッセージを送ることで、企業の人事担当者や人事コーディネーターがそれらのデータを確認して、求職者に連絡を行う。
　例えば、特許文献1では、企業側が履歴書の情報を取得したいタイミングで、すなわち、リアルタイムに、採用候補者の情報を取得できるシステムが開示されている。このシステムでは、採用候補者が自らの履歴書情報を企業側に送信しても良いか否かを、採用候補者に確認する処理も併せて開示されている。
特開２０１５－２３０６５６号公報
　しかしながら、特許文献１の構成では、採用候補者の履歴書の情報が確認できるだけであって、例えば、多数の応募者があった場合に、コンピュータやシステムが、自動的に採用すべき応募者の配属部署等を選別してくれるものではない。
　本発明は、コンピュータシステムが、過去の採用試験の回答データからその回答者がどの部署に配属されたかを学習しておき、新たな採用の応募者（回答者）があった場合に、その学習した結果から、どの配属部署に配属すべきかを選別する回答データ選別システム、回答データ選別方法及びプログラムを提供することを目的とする。
　本発明では、以下のような解決手段を提供する。
　第１の特徴に係る発明は、採用試験の回答者から受付けた回答データから回答者の配属部署を選別する回答データ選別システムであって、
　過去の採用試験の回答者から受付けた回答データと、当該回答者が配属された配属部署とを学習することで、配属部署の選別を判断するための配属部署基準データを生成する基準データ学習手段と、
　受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定する配属部署判定手段と、を備えることを特徴とする回答データ選別システムを提供する。
　第１の特徴に係る発明によれば、過去の採用試験の回答者から受付けた回答データと、当該回答者が配属された配属部署とを学習することで、配属部署の選別を判断するための配属部署基準データを生成し、受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定する。
　第１の特徴に係る発明は、システムのカテゴリであるが、方法及びプログラム等の他のカテゴリにおいても、そのカテゴリに応じた同様の作用・効果を発揮する。
　第２の特徴に係る発明は、第１の特徴に係る発明であって、前記配属部署判定手段で所定の部署に配属された場合に、前記受付けた回答データから学習して、新たな配属部署基準データを生成する基準データ追加手段と、を備えることを特徴とする回答データ選別システムを提供する。
　第２の特徴に係る発明によれば、さらに、配属部署判定手段で所定の部署に配属された場合に、受付けた回答データから学習して、新たな配属部署基準データを生成する。
　第３の特徴に係る発明は、第１の特徴に係る発明であって、配属された回答者の人事評価を取得する成績取得手段と、
　前記人事評価により当該回答者の人事評価が悪いと判断した場合に、当該回答者に対応する回答データと、当該悪い人事評価の程度に基づいて、前記配属部署基準データを変更するデータ変更手段と、を備えることを特徴とする回答データ選別システムを提供する。
　第３の特徴に係る発明によれば、さらに、配属された回答者の人事評価を取得し、人事評価により当該回答者の人事評価が悪いと判断した場合に、当該回答者に対応する回答データと、当該悪い人事評価の程度に基づいて、配属部署基準データを変更する。
　第４の特徴に係る発明は、第１の特徴に係る発明であって、基準データ学習手段は、配属部署基準データを生成する際に、学習する際の特徴量を自ら見いだして学習を行う回答データ選別システムを提供する。
　第５の特徴に係る発明は、過去の採用試験の回答者から受付けた回答データから回答者の配属部署を選別する回答データ選別システムであって、
　人事評価において前記回答データに対応する回答者が、高評価者か低評価者かを選別する人事評価手段と、
　前記選別された高評価者又は低評価者の回答データから、配属部署の選別を判断するための配属部署基準データを学習して生成する基準データ学習手段と、
　受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定する配属部署判定手段と、を備えることを特徴とする回答データ選別システムを提供する。
　第５の特徴に係る発明によれば、人事評価において前記回答データに対応する回答者が、高評価者か低評価者かを選別し、選別された高評価者又は低評価者の回答データから、配属部署の選別を判断するための配属部署基準データを学習して生成し、受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定する。
　第６の特徴に係る発明は、第４の特徴に係る発明であって、回答者の人事評価を取得する成績取得手段と、
　前記人事評価により当該回答者の人事評価が高評価から低評価又は、低評価から高評価に変更されたと判断した場合に、当該回答者に対応する回答データと、当該人事評価の程度に基づいて、前記配属部署基準データを変更するデータ変更手段と、を備えることを特徴とする回答データ選別システムを提供する。
　第６の特徴に係る発明によれば、さらに、回答者の人事評価を取得し、人事評価により当該回答者の人事評価が高評価から低評価又は、低評価から高評価に変更されたと判断した場合に、当該回答者に対応する回答データと、当該人事評価の程度に基づいて、配属部署基準データを変更する。
　本発明によれば、過去の採用試験の回答データからその回答者がどの部署に配属されたかを学習しておき、新たな採用応募者の回答データに対して、その学習した結果から、どの配属部署に配属すべきかをコンピュータが選別して採用担当者に提案することが可能となる。
図１は、回答データ選別システム１の機能ブロックを示す図である。 図２は、選別コンピュータ１００が実行する学習及び選別処理を示すフローチャートである。 図３は、選別コンピュータ１００が実行する人事評価後の処理を示すフローチャートである。 図４は、選別コンピュータ１００が実行する学習及び選別処理のその２を示すフローチャートである。 図５は、回答データの具体的な構成を示す図である。 図６は、人事評価データの具体的な構成を示す図である。 図７は、判定結果の表示例を示す図である。
　以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。
　［回答データ選別システム１のシステム構成］
　図１に基づいて、回答データ選別システム１のシステム構成について説明する。図１は、本発明の好適な実施形態である回答データ選別システム１のシステム構成を示す図である。回答データ選別システム１は、少なくとも、選別コンピュータ１００で構成され、システム形態によっては、人事コンピュータ２００、回答データデータベース５０を含む。
　以下では、回答データ選別システム１は、人事コンピュータ２００、回答データデータベース５０を個別のハードウェアとして含む場合で説明を行うが、人事コンピュータ２００、回答データデータベース５０が選別コンピュータ１００と、個別のハードウェアコンピュータでなく、これらのハードウェアや機能が選別コンピュータ１００に含まれていてもよい。
　選別コンピュータ１００と人事コンピュータ２００及び、選別コンピュータ１００と回答データデータベース５０は、公衆回線網又は専用線で通信可能に接続されて、データ通信が行われる。選別コンピュータ１００及び人事コンピュータ２００は、採用担当者等が利用するコンピュータ端末からアクセス可能なコンピュータ、サーバであってよい。回答データデータベース５０は、選別コンピュータ１００がアクセス可能なデータベースである。
　［各機能の説明］
　図１に基づいて、回答データ選別システム１のハードウェア構成と機能について説明する。
　選別コンピュータ１００は、制御部１１０として、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）等を備え、通信部１２０として、他の機器と通信可能にするためのデバイス、例えば、有線・無線ＬＡＮに接続可能なデバイスや、ＩＥＥＥ８０２．１１に準拠したＷｉＦｉ（Ｗｉｒｅｌｅｓｓ　Ｆｉｄｅｌｉｔｙ）対応デバイスやＵＳＢやＨＤＭＩ（登録商標）等の有線接続対応デバイス等を備える。この通信部１２０により、採用担当者等が利用するコンピュータ端末とのデータ通信が可能となる。
　選別コンピュータ１００において、制御部１１０が所定のプログラムを読み込むことにより、通信部１２０及びその他のハードウェアと協働して、基準データ学習モジュール１５０、配属部署判定モジュール１６０、配属部署記憶モジュール１７０、基準データ追加モジュール１８０、成績取得モジュール１９０、データ変更モジュール１９２を実現する。また、人事コンピュータ２００において、図示していない制御部が所定のプログラムを読み込むことにより、他のハードウェアと協働して、人事評価モジュール２１０を実現する。
　回答データデータベース５０は、複数の回答データを記憶するデータベースであって、後述する配属部署基準データを記憶してよい。選別コンピュータ１００は、配属部署基準データに基づいて、採用試験の回答者から得た回答データを所定の部署毎に選別して記憶する。
　［学習及び選別処理］
　次に、図２に基づいて、回答データ選別システム１が実行する学習及び選別処理について説明する。図２は、選別コンピュータ１００が実行する学習及び選別処理のフローチャートである。上述した各装置のモジュールが実行する処理について、本処理に併せて説明する。
　はじめに、選別コンピュータ１００は、配属部署基準データを生成するために、採用担当者等の端末もしくは回答者が使用する端末から複数の過去の回答データを受信する（ステップＳ１０）。ここで、回答データとは、採用試験で採用に対する応募者が回答した回答の内容や当該試験項目の点数に関するデータである。回答データは、例えば、回答者個人の能力、性格に関するデータであってよく（図５参照）、これらの情報が回答者の個人を特定する情報（学歴や職歴を含む）と対応付けられて記憶される。選別コンピュータ１００は、回答データを回答データデータベース５０に記憶する。
　そして、選別コンピュータ１００は、受信した個々の回答データについて、どの部署に採用されたかデータを採用担当者等の端末から受信する（ステップＳ１１）。すなわち、採用担当者は、結果的に、当該回答データの回答者が採用されて、配属された部署を所定の端末に入力して選別コンピュータ１００に送信する。これを受信した選別コンピュータ１００は、部署名と回答データを対応付けて、回答データデータベース５０に記憶する。
　次に、選別コンピュータ１００の基準データ学習モジュール１５０は、回答データデータベース５０に記憶された回答データと配属部署から、配属部署の選別を判断する基準となる配属部署基準データを生成する（ステップＳ１２）、すなわち、基準データ学習モジュール１５０は、回答データと配属部署の対応付けを、教師ありデータとして学習し、配属部署を判断するための配属部署基準データを生成する。
　この学習処理とは、いわゆる機械学習であってよい。機械学習の具体的なアルゴリズムとしては、最近傍法、ナイーブベイズ法、決定木、サポートベクターマシンを利用してよい。また、ニューラルネットワークを利用して、学習するための特徴量を自ら生成する深層学習（ディープラーニング）であってもよい
　例えば、最近傍法やｋ近傍法であれば、各配属部署を含む過去の実例を特徴空間に配置しておき、新しく判定したいデータが与えられた際に、特徴空間上で最も距離が近い過去の実例（1個又はk個）のクラス（配属部署）を予測結果とする。データの構成要素としては、「専門分野テストの点数」、「ＥＱテストの点数」、「ＩＱテストの点数」、「専門分野テストの第１５問の回答内容」、「性格テストの第３問の回答内容」等を特徴量として使用することが考えられる。これらの特徴量で特徴空間を生成し、配属部署基準データを生成する。この方法は、過去の回答データに類似した回答データは、その過去の回答データの回答者が配属された配属部署と同一もしくは類似した配属部署と判定する配属部署基準データを生成する。
　また、ナイーブベイズ法であれば、上記の特徴量ごとに配属部署毎の確率を算出し、各特徴量ごとに、及び配属部署ごとのスコアをつけて、このスコアを足し合わせて、スコアの高さで配属部署を判定する。この判定をするための関数が合格基準データとなる。スコアには、算出した確率の対数を用いてよい。この判定するための関数が配属部署基準データとなる。
　次に、選別コンピュータ１００は、判定する回答データを、採用担当者等の端末から受信する（ステップＳ１３）。そして、配属部署判定モジュール１６０が、判定する回答データを、配属部署基準データに当てはめて、どの部署に配属すべきかを判定する（ステップＳ１４）。さらに、配属部署記憶モジュール１７０が、配属した部署を回答データと対応付けて、回答データデータベース５０に記憶する（ステップＳ１５）。
　そして、配属部署が決定された場合、この判定結果の回答データに基づいて、再学習し、基準データ追加モジュール１８０が、新たに、配属部署基準データを生成する（ステップＳ１６）。ここで、選別コンピュータ１００が配属部署を判定した結果を学習するのみならず、採用担当者が現実に、配属部署を決定し、その決定に基づいて、再学習を行う態様であってもよい。その場合は、回答データごとに、採用担当者の端末から最終的な配属部署のデータを受信して、回答データに対応付けて記憶される。
　ステップＳ１６の後は、新たな回答データを受信して判定を繰り返すため、ステップＳ１３に戻り、処理を繰り返す。
　［人事評価後の処理］
　次に、図３に基づいて、採用した後に、人事評価を行い、この結果により、配属部署基準データを選別コンピュータ１００が変更する処理について説明する。最初に、選別コンピュータ１００の成績取得モジュール１９０が、人事コンピュータ２００から回答データに対応付けられた人事評価を取得する（ステップＳ２０）。人事コンピュータ２００の人事評価モジュール２１０は、採用担当者が操作する端末からの入力に応じて、所定の部署に配属された回答者の人事評価を記憶し、選別コンピュータ１００からの要求に応じて、各回答者の人事評価データを選別コンピュータ１００に送信する。ここで、人事評価データは、回答者毎に対応付けられた各項目の実績の評価であって、図６に示すように、例えば、「目標達成度」、「上司満足度」、「顧客満足度」、「チーム満足度」、「提案力」等の各項目に対する評価である。
　次に、選別コンピュータ１００は、取得した人事評価から評価の悪い回答者の抽出を行う（ステップＳ２１）。すなわち、選別コンピュータ１００は、回答者の評価の総合点が、予め定められた所定の数値を下回っていたり、回答者の評価の所定の項目が、予め定められた所定の数値を下回っている場合は、評価の悪い回答者と判断する。
　そして、選別コンピュータ１００のデータ変更モジュール１９２は、評価が悪いと判断した回答データと、悪いと判断された人事評価の程度（評価点）を教師ありデータとして学習し、配属部署基準データを新しく生成（変更）する（ステップＳ２２）。ここで、悪いと判断された人事評価の程度から学習するとは、例えば、人事評価の各項目の総合点や、人事評価が悪いと判断された項目を、特徴量として、学習を行うことであってよい。
　このような、人事評価後の処理により、回答者を採用した後の人事評価の結果も加味した配属部署基準データを生成することができる。
　上述の説明では、人事評価が悪いという観点で配属部署基準データを変更することについて説明したが、人事評価が良いという観点で変更する態様であってもよい。これは、評価を裏返しにしているに過ぎないため、処理のアルゴリズムとしては、どちらも同じ処理となる。
　［学習及び選別処理　その２］
　次に、図４に基づいて、選別コンピュータ１００が、採用後に行われる人事評価において、高評価者の回答データから配属部署基準データを生成する処理について説明する。最初に、先ほどの人事評価後の処理と同様に、人事コンピュータ２００の人事評価モジュール２１０は、採用担当者が操作する端末からの入力に応じて、採用した各回答者の配属部署における人事評価を記憶する。
　そして、人事評価モジュール２１０は、回答者を人事評価の数値等に応じて、段階的に評価して、回答データを選別する。すなわち、例えば、回答者の評価の総合点が、予め定められた所定の数値より上回っている場合は、高評価者であると判断したり、逆に、下回っている場合は、低評価者であるとして、ランク分けする。この例のように２段階で分けるのではなく、３段階、４段階等にランク分けしてもよい。なお、ここでの評価は、回答者が実際に配属された部署において評価が高いか低いかという評価になる。
　そして、人事コンピュータ２００は、選別コンピュータ１００からの要求に応じて、各回答者が段階的に評価された人事評価データを選別コンピュータ１００に送信する。選別コンピュータ１００は、これを受信し（ステップＳ３０）、ある特定のランク、例えば、高評価者に該当する回答者のみを抽出する（ステップＳ３１）。そして、高評価者に該当すると判断された回答者の回答者データに基づいて、学習を行い、配属部署基準データを生成する（ステップＳ３２）。ここでの学習処理は、前述の学習と同様であるので割愛する。このようにして学習した配属部署基準データに基づいて、先に述べたと同様に、ステップＳ３３からステップＳ３６まで処理、すなわち、判定処理と再学習処理が行われる。
　ここで、再学習においては、選別コンピュータ１００が高評価と判定した結果を再学習してもよいし、その後の人事評価で、高評価と選別コンピュータ１００が判定した回答者が、低評価に変更された結果に基づいて再学習してもよい。この結果の回答データに基づいて、再学習し、基準データ追加モジュール１８０が、新たに、配属部署基準データを生成する。
　上述の説明では、高評価の回答データを集めて配属部署基準データの生成を説明したが、低評価の回答データを集めて配属部署基準データを生成してもよいし、３，４等の複数のランク分けされたものの一つの区分で回答データを集めて生成してもよい。
　図７は、判定結果の後に、選別コンピュータ１００が配属部署を判定して、所定の端末にその判定結果を通知した画面イメージ図である。選別コンピュータ１００は、単に、配属すべき部署を通知してもよいが、図に示すように、今回判定した回答者に、最も近似した過去の回答者（現在は、既に人事評価も行われている）から、所定のメッセージを生成してもよい。すなわち、選別コンピュータ１００は、最も近似した過去の回答者の部署や評価から、配属した場合の将来の評価予測を、所定の定型文章と組み合わせてメッセージを生成して、通知してもよい。
　上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、フレキシブルディスク、ＣＤ（ＣＤ－ＲＯＭなど）、ＤＶＤ（ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭなど）等のコンピュータ読取可能な記録媒体に記録された形態で提供される。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記憶装置又は外部記憶装置に転送し記憶して実行する。また、そのプログラムを、例えば、磁気ディスク、光ディスク、光磁気ディスク等の記憶装置（記録媒体）に予め記録しておき、その記憶装置から通信回線を介してコンピュータに提供するようにしてもよい。
　以上、本発明の実施形態について説明したが、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。
　１　回答データ選別システム、１００　選別コンピュータ、２００　人事コンピュータ

Claims (8)

  1. 　採用試験の回答者から受付けた回答データから回答者の配属部署を選別する回答データ選別システムであって、
    　過去の採用試験の回答者から受付けた回答データと、当該回答者が配属された配属部署とを学習することで、配属部署の選別を判断するための配属部署基準データを生成する基準データ学習手段と、
    　受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定する配属部署判定手段と、
    　を備えることを特徴とする回答データ選別システム。
  2. 　前記配属部署判定手段で所定の部署に配属された場合に、前記受付けた回答データから学習して、新たな配属部署基準データを生成する基準データ追加手段と、を備えることを特徴とする請求項１に記載の回答データ選別システム。
  3. 　配属された回答者の人事評価を取得する成績取得手段と、
    　前記人事評価により当該回答者の人事評価が悪いと判断した場合に、当該回答者に対応する回答データと、当該悪い人事評価の程度に基づいて、前記配属部署基準データを変更するデータ変更手段と、
    　を備えることを特徴とする請求項１に記載の回答データ選別システム。
  4. 　前記基準データ学習手段は、前記配属部署基準データを生成する際に、学習する際の特徴量を自ら見いだして学習を行う請求項１に記載の回答データ選別システム。
  5. 　過去の採用試験の回答者から受付けた回答データから回答者の配属部署を選別する回答データ選別システムであって、
    　人事評価において前記回答データに対応する回答者が、高評価者か低評価者かを選別する人事評価手段と、
    　前記選別された高評価者又は低評価者の回答データから、配属部署の選別を判断するための配属部署基準データを学習して生成する基準データ学習手段と、
    　受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定する配属部署判定手段と、
    　を備えることを特徴とする回答データ選別システム。
  6. 　回答者の人事評価を取得する成績取得手段と、
    　前記人事評価により当該回答者の人事評価が高評価から低評価又は、低評価から高評価に変更されたと判断した場合に、当該回答者に対応する回答データと、当該人事評価の程度に基づいて、前記配属部署基準データを変更するデータ変更手段と、
    　を備えることを特徴とする請求項４に記載の回答データ選別システム。
  7. 　採用試験の回答者から受付けた回答データから回答者の配属部署を選別する回答データ選別方法であって、
    　過去の採用試験の回答者から受付けた回答データと、当該回答者が配属された配属部署とを学習することで、配属部署の選別を判断するための配属部署基準データを生成するステップと、
    　受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定するステップと、
    　を備えることを特徴とする回答データ選別方法。
  8. 　採用試験の回答者から受付けた回答データから回答者の配属部署を選別する回答データ選別システムに、
    　過去の採用試験の回答者から受付けた回答データと、当該回答者が配属された配属部署とを学習することで、配属部署の選別を判断するための配属部署基準データを生成するステップ、
    　受付けた新たな回答者の回答データを、前記配属部署基準データに基づいて、どの配属部署に配属するかを判定するステップ、を実行させるためのプログラム。

     
PCT/JP2016/075481 2016-08-31 2016-08-31 回答データ選別システム、回答データ選別方法及びプログラム WO2018042547A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/075481 WO2018042547A1 (ja) 2016-08-31 2016-08-31 回答データ選別システム、回答データ選別方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/075481 WO2018042547A1 (ja) 2016-08-31 2016-08-31 回答データ選別システム、回答データ選別方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2018042547A1 true WO2018042547A1 (ja) 2018-03-08

Family

ID=61301825

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/075481 WO2018042547A1 (ja) 2016-08-31 2016-08-31 回答データ選別システム、回答データ選別方法及びプログラム

Country Status (1)

Country Link
WO (1) WO2018042547A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077361A (ja) * 2018-11-05 2020-05-21 株式会社トランス 学習モデル構築装置、入社後評価予測装置、学習モデル構築方法および入社後評価予測方法
JP2020160722A (ja) * 2019-03-26 2020-10-01 株式会社サンボウ 組織マネジメントのためのコンピュータシステム、プログラム、および方法
JP7217372B1 (ja) 2022-03-09 2023-02-02 株式会社エクサウィザーズ 学習モデルの生成方法、コンピュータプログラム及び情報処理装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010049615A1 (en) * 2000-03-27 2001-12-06 Wong Christopher L. Method and apparatus for dynamic business management
JP2004062270A (ja) * 2002-07-25 2004-02-26 Fujitsu Ltd 人材マッチング試行方法および人材マッチング試行装置
JP2004070974A (ja) * 2003-09-29 2004-03-04 Toshiba Corp 人事情報システム
JP2006127387A (ja) * 2004-11-01 2006-05-18 Ueno Business Consultants:Kk 検査方法、検査システム、検査システム用プログラム及び検査システムサーバー装置
JP2009266039A (ja) * 2008-04-25 2009-11-12 Zeus Enterprise:Kk 採用要否判定システム、採用要否判定方法および採用要否判定プログラム
US20130211883A1 (en) * 2012-02-12 2013-08-15 Saba Software, Inc. Methods and apparatus for evaluating members of a professional community
US20150134694A1 (en) * 2011-09-06 2015-05-14 Shl Group Ltd Analytics
JP2016062322A (ja) * 2014-09-18 2016-04-25 日本電気株式会社 評価対象者の評価装置、評価方法及び評価システム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010049615A1 (en) * 2000-03-27 2001-12-06 Wong Christopher L. Method and apparatus for dynamic business management
JP2004062270A (ja) * 2002-07-25 2004-02-26 Fujitsu Ltd 人材マッチング試行方法および人材マッチング試行装置
JP2004070974A (ja) * 2003-09-29 2004-03-04 Toshiba Corp 人事情報システム
JP2006127387A (ja) * 2004-11-01 2006-05-18 Ueno Business Consultants:Kk 検査方法、検査システム、検査システム用プログラム及び検査システムサーバー装置
JP2009266039A (ja) * 2008-04-25 2009-11-12 Zeus Enterprise:Kk 採用要否判定システム、採用要否判定方法および採用要否判定プログラム
US20150134694A1 (en) * 2011-09-06 2015-05-14 Shl Group Ltd Analytics
US20130211883A1 (en) * 2012-02-12 2013-08-15 Saba Software, Inc. Methods and apparatus for evaluating members of a professional community
JP2016062322A (ja) * 2014-09-18 2016-04-25 日本電気株式会社 評価対象者の評価装置、評価方法及び評価システム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077361A (ja) * 2018-11-05 2020-05-21 株式会社トランス 学習モデル構築装置、入社後評価予測装置、学習モデル構築方法および入社後評価予測方法
JP2020160722A (ja) * 2019-03-26 2020-10-01 株式会社サンボウ 組織マネジメントのためのコンピュータシステム、プログラム、および方法
JP7217372B1 (ja) 2022-03-09 2023-02-02 株式会社エクサウィザーズ 学習モデルの生成方法、コンピュータプログラム及び情報処理装置
JP2023131602A (ja) * 2022-03-09 2023-09-22 株式会社エクサウィザーズ 学習モデルの生成方法、コンピュータプログラム及び情報処理装置

Similar Documents

Publication Publication Date Title
Berryhill et al. Hello, World: Artificial intelligence and its use in the public sector
Kalay et al. The impact of strategic innovation management practices on firm innovation performance
CN110070391B (zh) 数据处理方法、装置、计算机可读介质及电子设备
KR101700115B1 (ko) 실시간 매칭 시스템
Shepherd et al. A new venture's cognitive legitimacy: An assessment by customers
Armstrong et al. A study of Anglo expatriate managers’ learning, knowledge acquisition, and adjustment in multinational companies in China
CN111445362A (zh) 一种以学习者为中心的自适应学习系统
WO2018042547A1 (ja) 回答データ選別システム、回答データ選別方法及びプログラム
WO2018042550A1 (ja) 年収提案システム、年収提案方法及びプログラム
Oqaidi et al. Towards a students’ dropout prediction model in higher education institutions using machine learning algorithms
Lohrke et al. Should it stay or should it go? Developing an enhanced SWOT framework for teaching strategy formulation
Vafaei-Zadeh et al. Cyber-entrepreneurial intention among students in Public Universities: evidence from an Emerging Country
Salah et al. Fuzzy AHP for learning service selection in context-aware ubiquitous learning systems
CN112819024A (zh) 模型处理方法、用户数据处理方法及装置、计算机设备
KR102412380B1 (ko) 사용자의 검색 정보를 기반으로 사용자의 학습 능력을 평가하는 방법, 장치, 및 시스템
KR102412377B1 (ko) 사용자에게 교육 효과가 최대화되는 풀이 컨텐츠를 추천하는 방법, 장치, 및 시스템
Choi et al. A Systematic Literature Review on Performance Prediction in Learning Programming Using Educational Data Mining
WO2018042546A1 (ja) 応募データ選別システム、応募データ選別方法及びプログラム
US20220084151A1 (en) System and method for determining rank
Stephanie et al. Classification talent of employee using C4. 5, KNN, SVM
Schulwitz et al. Evaluating citizen science outreach: A case-study with The Peregrine Fund’s American Kestrel Partnership
Vishnoi et al. Construct modelling, statistical analysis and empirical validation using PLS-SEM: a step-by-step guide of the analysis procedure
Al-Lamki et al. An expert system to determine the probability of success and readiness in entrepreneurship
Ukwueze Frederick et al. C.: Evaluation of data mining classification algorithms for predicting students performance in technical trades
SJ et al. Regression-Driven Predictive Model to Estimate Learners' Performance through Multisource Data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16915108

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 06.06.2019)

122 Ep: pct application non-entry in european phase

Ref document number: 16915108

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP