JP2018116710A - Information processor and information processing method - Google Patents
Information processor and information processing method Download PDFInfo
- Publication number
- JP2018116710A JP2018116710A JP2018027988A JP2018027988A JP2018116710A JP 2018116710 A JP2018116710 A JP 2018116710A JP 2018027988 A JP2018027988 A JP 2018027988A JP 2018027988 A JP2018027988 A JP 2018027988A JP 2018116710 A JP2018116710 A JP 2018116710A
- Authority
- JP
- Japan
- Prior art keywords
- information
- applicant
- evaluation
- employment
- past
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims description 41
- 238000003672 processing method Methods 0.000 title description 4
- 238000011156 evaluation Methods 0.000 claims abstract description 185
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 18
- 230000007115 recruitment Effects 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 18
- 230000008520 organization Effects 0.000 description 17
- 238000012795 verification Methods 0.000 description 10
- 230000008450 motivation Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
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 apparatus and an information processing method having an artificial intelligence function.
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, the utilization of artificial intelligence functions has been attempted, and the research field has also been diversified (see Patent Document 1). On the other hand, in recruitment examinations such as recruiting new graduates, company recruiters have been conducting personal screening including document screening. However, it was very laborious to read selection documents such as entry sheets created by a large number of applicants from the beginning, and the selection results could be blurred 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 that can provide a certain evaluation regarding an applicant for employment based on objective data and can reduce the labor of a person in charge of recruitment.
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。
An information processing apparatus 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 the applicant for the target company;
A second evaluation unit that generates second evaluation information of the applicant for employment based on the applicant information regarding the applicant for employment 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 candidates, first evaluation information for the past recruitment candidates, and selection results for the past recruitment candidates.
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 apparatus according to the present invention,
The first evaluation unit may generate first evaluation information for each factor using a word used in the document 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、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 apparatus according to the present invention,
The first evaluation unit may generate 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.
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 apparatus according to the present invention,
The first evaluation unit has an artificial intelligence function, creates a feature vector corresponding to each factor from the closeness between words, and uses the feature vector to identify the word used in the document and each factor The degree of similarity 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 apparatus according to the present invention,
The past performance data may include employment applicant information for past employment applicants, first evaluation information for the past employment applicants, and employment withdrawal information or early retirement information of the past employment applicants. .
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 apparatus according to the present invention,
The past performance data includes recruitment applicant information for past recruitment applicants in the target company, first evaluation information for the past recruitment candidates, selection results for the past recruitment candidates, 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 apparatus according to the present invention,
The applicant information is related to basic information including the educational background of the applicant, behavior information of the applicant, examination information including the results of the examination received by the applicant, and qualifications held by the applicant. Any one or more of attribute information including information and sentence information including a motivation of the applicant for employment may be included.
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 apparatus according to the present invention,
The first evaluation information is information on a person image of the applicant for employment,
The second evaluation information may be information indicating a possibility that selection with respect to the applicant for employment 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 apparatus according to the present invention,
You may further provide the output part which outputs both said 1st evaluation information and said 2nd evaluation information.
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。
An information processing method according to the present invention includes:
A step of generating first evaluation information for each predetermined factor based on a document created by the applicant for the target company;
Generating second evaluation information of the applicant for employment based on the applicant information regarding the applicant for employment and the first evaluation information from the first evaluation unit;
With
The second evaluation information is generated based on the result of the artificial intelligence function learning based on past performance data,
The past performance data includes employment applicant information for past employment applicants, first evaluation information for the past employment applicants, and selection results for the past employment applicants.
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 evaluation unit generates first evaluation information for each predetermined factor based on the document created by the applicant for employment, and the second evaluation unit uses the applicant information for the employment and the first evaluation. Based on the information, second evaluation information of applicants for employment is generated. The second evaluation unit of the present invention has an artificial intelligence function that learns based on past performance data, and the past performance data includes employment applicant information for past employment applicants and the past employment. Since the first evaluation information for the applicant and the selection result for the past recruitment candidate are included, the second evaluation information can be provided based on objective data (it is possible to evaluate without blurring), As a result, it is possible to provide certain evaluation information regarding applicants for employment. For this reason, the labor of the person in charge of employment can be reduced. In addition, it can 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 >>
Embodiments of an information processing apparatus according to the present invention will be described below with reference to the drawings. Here, FIG. 1 to FIG. 3 are diagrams for explaining an 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 an aspect installed in an external organization different from the employment support organization, but the present invention is not limited to this, and the information processing device is employed. In this case, the recruitment support organization may own and / or manage the information processing apparatus. The information processing apparatus according to the present embodiment may be composed of a single device or a plurality of devices. Further, when an information processing apparatus is configured from 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 areas, and the like. Further, when an information processing apparatus is configured from a plurality of apparatuses, a part of the information processing apparatus may be owned and / or managed by an employment support organization, and the rest may be owned and / or managed by an external organization. In this embodiment, “and / or” may be used for explanation, but the word “or” also 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 apparatus 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. A 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, paper media, 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。 In the employment support organization, 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 may be installed. Information can be exchanged between the recruitment support organization and the external organization via the Internet or the like, and the device control unit 10 may perform information processing using information stored in the organization storage unit 61, or a device output unit. Information output from the engine 30 may be received by the engine control unit 60 and output by the engine output unit 62. The institution storage unit 61 includes a login ID that each applicant for employment has in the employment support organization, a password associated with the login ID, employment applicant information (described later) associated with the login ID, and the like. It may be stored. The applicants for employment may include mid-career applicants as well as applicants for new graduates such as students. Further, the past record data inputted in advance and the future verification result by the verification unit 16 may also be stored in the engine storage unit 61. 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, the 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 for employment, and an applicant for employment. And a second evaluation unit 12 that generates second evaluation information of the applicant for employment based on the applicant information regarding the applicant and the first evaluation information from the first evaluation unit 11. The second evaluation unit 12 has an artificial intelligence function that learns 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 candidates, first evaluation information for the past recruitment candidates, and selection results for the past recruitment candidates. The past performance data is for a plurality of applicants. In FIG. 2, the selection results of the previous fiscal year are illustrated as past performance data, but the selection results of the past several years may be used as past performance data without being limited thereto. 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), a final selection test, and the like.
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 in a target company that the applicant for employment wants to join. The past performance data may include data in a company other than the target company (for example, a company in the same industry) in addition to the data in the target company or instead of the data in 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 accumulated in the device storage unit 20, past performance data that has been input in advance may be deleted. Moreover, performance data older than a certain period (for example, 5 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), the second evaluation information with high accuracy can be generated using relatively new actual data. Is beneficial.
「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。 Various “factors” can be cited, for example, various factors such as communication ability, enthusiasm, logic, expertise, leadership, solidity, etc. (see “No. 2” in FIGS. 2 and 3). See "Evaluation Information"). The contents 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 an input from the device operation unit 35, for example.
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 for employment may be, for example, an entry sheet created by the applicant for employment. This entry sheet may be created on the WEB and stored in the engine storage unit 61 such as a server. The first evaluation information may be information (person image information) related to the person image of the applicant for employment (see FIGS. 2 and 3). Further, the second evaluation information may be information (selection priority information) indicating a possibility that selection with respect to the applicant for employment is prioritized (see FIGS. 2 and 3). This selection priority information may include information regarding the possibility that the applicant 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. Moreover, the second evaluation information in the selection test may be output from the device output unit 30 or the engine output unit 62 by selecting a target selection test from the device operation unit 35 or the like. In FIG. 2 and FIG. 3, as an example, the selection priority information that is the second evaluation information is shown by the number of stars, and the higher the number of stars, the higher the possibility of passing the predetermined selection test. 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 the word used in the 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 the WEB). May be. Then, the first evaluation unit 11 may calculate the similarity between each factor and a word used in a document such as an entry sheet using the feature vector. The first evaluation unit 11 may create an AI dictionary that stores the proximity between each factor and a word and / or stores a feature vector corresponding to each factor. The proximity of the word is determined and estimated by the artificial intelligence function of the first evaluation unit 11 based on how the word is used (for example, the context of the word) on a WEB site (including an SNS site). (Learned) may be updated as needed or as appropriate. Information on word proximity may be stored in the device storage unit 20 and / or the engine 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 proximity between words used on the WEB.
The first evaluation unit 11 picks up a plurality of words related to each factor from Big Text Data (creates a classification vocabulary table), and closes between each factor and the picked-up word. Then, a feature vector associated with each factor may be created. As an example, when the factor of “enthusiasm” is adopted, words such as vitality, aspiration, enthusiasm, motivation, hard work, etc. are picked up via the Internet as words close to “enthusiasm” (a classification lexicon is created. ), And a feature vector related to “enthusiasm” may be created based on the closeness between “enthusiasm” and words such as vitality, aspiration, enthusiasm, 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。 And the 1st evaluation part 11 may produce | generate the similarity degree of the word used in documents, such as an entry sheet, and each factor using the feature vector produced in this way. At this time, the importance of the word in the document is generated from the frequency of use of the word used in the document such as the entry sheet, and the first evaluation information for each factor is generated based on the result. Good. When determining the importance level, consider whether the word is a commonly used word. For words such as “particle” and “I”, the importance level is set low (for example, “0”) and is not often used. The degree of importance may be increased for words.
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。 When determining the importance, documents such as entry sheets of other applicants who wish to be employed by the target company may be taken into consideration. For example, if a word is used frequently in a document such as an entry sheet of another applicant who wants to be hired by the target company, the importance level may be reduced, while a less important word may be increased. Good. By adopting such a mode, it is advantageous in that a relative comparison can be made among applicants for employment.
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 past performance data mentioned above includes recruitment applicant information for past recruitment applicants, first evaluation information for the past recruitment candidates, employment withdrawal information and / or early retirement information for the past recruitment applicants. May be included. Recruitment decline information is information that the applicant has passed the selection test but declined due to the applicant's proposal. The early retirement information is information that an applicant for employment has entered the target company, but has retired from the target company within a predetermined period such as one year to three years. This “predetermined period” may be changed as appropriate from the apparatus 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 employment applicant information for applicants for the target year in the target company, first evaluation information for applicants for the target year, and selection results for applicants for the target year. The verification result may be stored in the device storage unit 20 or the engine storage unit 61. In addition, the verification unit 16 includes information on applicants for hiring applicants for the target year in the target company, first evaluation information on candidates for hiring in the target year, and information on whether or not to hire applicants 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 engine 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 educational background of the recruitment candidate, behavior information of the recruitment candidate, examination information including the results of the examinations that the applicant has received, and attribute information including information on the qualifications possessed by the applicant , And any one or more of sentence information including a motivation of the applicant for employment (see FIG. 2). The applicant information may include all of the basic information, behavior information, examination 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 majors and seminars in addition to the educational background of applicants for employment. The action information may include information regarding the number of times of briefing session participation (of the target company), the number of times of log-in, and information on the applicants. The inspection information may include a WEB test result, a proper inspection result, and the like. The attribute information may include qualifications, skills, etc. possessed by the applicant. The text information may include information related to 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. For example, the classifier may determine adopted variables (elements) and coefficients (weights) to be used by machine learning technology so as to generate highly accurate second evaluation information from past performance data. . Then, by applying the determined employment variable (element) and its coefficient (weight) to the applicant information and the first evaluation information regarding the candidate applicant, the second evaluation information for the applicant 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 highly accurate second evaluation information from past performance data is determined, and the applicant information and the first evaluation information regarding the candidate applicant are incorporated into this function. Second evaluation information for the applicant is selected. In the decision tree analysis, the adopted variables and their coefficients to be used are determined so that the probability that the target event will occur is most likely (so that the second evaluation information with high accuracy is generated). Incorporating the applicant information and the first evaluation information on the candidate applicants into the decision tree using, second evaluation information for the applicants is generated. For the machine learning technique, 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 the second evaluation information with high accuracy regarding the applicant who is the subject of employment. Here, “learning” means that adopted variables (elements) and coefficients (weights) that can most accurately classify the second evaluation information to be generated are determined by automatic trial and error. That is, in the second evaluation unit 12, information such as applicant information, first evaluation information, and the like based on past performance data is aggregated, and repeated learning is performed so as to minimize the error while changing the parameters. Employment variables (elements) and coefficients (weights) to be applied to those who wish to hire. Then, by applying the recruitment variables (elements) and coefficients (weights) determined in this way to the recruitment candidate information and the first evaluation information of the subject recruitment candidates, 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. In addition, since it overlaps with the above, only a brief description will be given, but all the aspects described in the above “configuration” and all the aspects described in the following “action / effect” 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 employment creates a document such as an entry sheet on the WEB site etc. established by the employment support organization. The document such as the entry sheet is associated with the login ID of the applicant who wants to be employed, and is stored in the engine 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 documents such as entry sheets stored in the engine storage unit 61, first evaluation information for each predetermined factor is generated. At this time, the first evaluation unit 11 uses the words and factors used in the document to generate first evaluation information for each factor (see FIG. 2). More specifically, the 1st evaluation part 11 produces | generates the 1st evaluation information with respect to each factor using the use frequency of the word used in the document, and the similarity degree of the said word and a 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 way is output by the device output unit 30 (see FIGS. 2 and 3). This output is performed in the form of electronic data, paper media, 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 employment applicant information stored in the institution storage unit 61, second evaluation information for the applicant is generated (see FIG. 2). ). The second evaluation information is generated based on the result of learning by the artificial intelligence function based on past performance data. In the past performance data used here, information on applicants for applicants for past applicants in the target company (in FIG. 2, information related to “the selection result of last year” is shown) and the applicants for the past applicants. The first evaluation information for the applicant and the selection result for the past applicant for employment 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 way is output by the device output unit 30 (see FIGS. 2 and 3). This output is performed in the form of electronic data, paper media, 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 according to the present embodiment having the above-described configuration, which have not been described yet, 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 the applicant, 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 that learns based on past performance data, and the past performance data includes employment applicant information for past employment applicants, Since the first evaluation information for the past applicants and the selection results for the past applicants are included, the second evaluation information can be provided based on objective data. ) As a result, it is possible to provide certain evaluation information regarding applicants for employment. For this reason, the labor of the person in charge of employment can be reduced. In addition, it can 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 adopts a mode in which first evaluation information such as information on a person image for each factor is generated using a word used in the document and a predetermined factor, an entry sheet or the like Objective first evaluation information can be generated using this document.
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 the word used in the document and the similarity between the word and the factor, More objective first evaluation information using the frequency of use of words used in a document such as an entry sheet can be generated.
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 (creates a classification vocabulary table) from the big text data on the WEB, and closes between each factor and the picked-up word. In addition, when adopting a mode of creating a feature vector related to each factor, the similarity between each factor and the word used in the document using the feature vector created from a large amount of information on the WEB This is advantageous 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。 In addition, when the first evaluation unit 11 has an artificial intelligence function and adopts a mode in which a feature vector corresponding to each factor is created based on the proximity between words used on the WEB, the latest feature vector As a result, the similarity between the 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 past performance data adopts an aspect that includes employment applicant information, first evaluation information for the past employment applicant, and employment withdrawal information or early retirement information of the past employment applicant The second evaluation information can be generated by utilizing the information when the company has decided to hire, or when the target company has declined, or when the target company has actually hired but retired early. For this reason, the 2nd evaluation information which considered hiring retreat information or early retirement information can be provided. In this case, as the second evaluation information, information that is highly likely to pass the selection test, but is highly likely to decline the employment, or is likely to retire early, may be separately provided. In addition, when there is a high possibility of declining employment 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 includes recruitment applicant information for past applicants at the target company, first evaluation information for the past applicants, selection results for the past applicants, employment withdrawal information or early retirement. When information is included, it is beneficial in that second evaluation information reflecting the characteristics of the target company can be generated. In particular, when not only the selection results but also recruitment decline information and / or early retirement information is included, it is useful in that it is possible to decide whether or not to recruit after considering the prospects after recruitment to 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。 In addition, when only the information in the target company is used as past performance data, it is advantageous in that second evaluation information that more reflects the characteristics of the target company can be generated. On the other hand, when past performance data includes information on other companies (companies in the same industry) in addition to information on the target company, it is beneficial in that second evaluation information can be generated based on wider information. . Both of these may be provided, and the device output unit 30 or the engine output unit 62 may use the first evaluation information and the second evaluation information when only the information in the target company is used as past performance data, Both the first evaluation information and the second evaluation information when both the information of the target company and other companies are used as the actual data may be output.
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 applicant information includes at least one of basic information, behavior information, inspection information, attribute information, and text information, second evaluation information is generated based on objective information about the applicant. be able to. Of these basic information, behavior information, examination information, attribute information, and text information, the more information that is used, the more useful it is that 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) about the person image of the applicant for employment, it is useful in that the person image of the applicant for employment can be analyzed according to factors determined by the target company. . If the second evaluation information is information (selection priority information) that indicates the possibility that selection for applicants will be prioritized (selection priority information), the person in charge of the target company, such as the person in charge of hiring, creates the applicant who wants to hire the entry sheet etc. It is useful in that it can be used as a reference when adding weight to reading the documents.
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 adopting a mode in which both the person image information as the first evaluation information and the selection priority information as the second evaluation information are output, the person in charge of the target company, such as the person in charge of recruitment, It is beneficial in that it allows you to add weight to read documents created by applicants such as entry sheets with reference to both 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 second evaluation is performed based on this first evaluation information and A's applicant information. Selection priority information that is information is generated. Similarly, based on the entry sheets created by each of Mr. B, Mr. C and Mr. D, person image information which is the first evaluation information for each of Mr. B, Mr. C and Mr. D is generated. Selection priority information, which is the second evaluation information, is generated on the basis of each applicant information of Mr. B, Mr. C, and Mr. D. Both such first evaluation information and second evaluation information are output and provided to, for example, a person in charge of recruitment at a company. For this reason, the person in charge of recruitment in the company can confirm at a glance the person image information and selection priority information of each applicant for employment, and the labor can be reduced. In particular, when adopting a mode in which the first evaluation information and the second evaluation information are displayed in a visual display that appeals to the visual sense such as a graph, a table, the number of stars, etc., it is easier to select the person image information and selection of each applicant. The priority information can be confirmed, and the labor of the recruiter in 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 explaining the invention described in the claims, and are based on the description of the above-described embodiment or the disclosure of the drawings. The invention described in the claims is not limited. For example, even if information other than the first evaluation information and the second evaluation information is provided, it corresponds to the information processing apparatus 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
DESCRIPTION OF SYMBOLS 10 Device control part 11 1st evaluation part 12 2nd evaluation part 16 Verification part 20 Device storage part 30 Device output part 35 Device operation part 60 Engine control part 61 Engine storage part 62 Engine output part
Claims (10)
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ことを特徴とする情報処理装置。 A first evaluation unit that generates first evaluation information for each predetermined factor based on a document created by the applicant for the target company;
A second evaluation unit that generates second evaluation information of the applicant for employment based on the applicant information regarding the applicant for employment 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 employment applicant information for past employment applicants, first evaluation information for the past employment applicants, and selection results for the past employment applicants. apparatus.
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ることを特徴とする請求項１乃至７のいずれか１項に記載の情報処理装置。 The first evaluation information is information on a person image of the applicant for employment,
The information processing apparatus according to any one of claims 1 to 7, wherein the second evaluation information is information indicating a possibility that selection with respect to the applicant for employment is prioritized.
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、
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。 A step of generating first evaluation information for each predetermined factor based on a document created by the applicant for the target company;
Generating second evaluation information of the applicant for employment based on the applicant information regarding the applicant for employment and the first evaluation information from the first evaluation unit;
With
The second evaluation information is generated based on the result of learning by the artificial intelligence function based on past performance data,
The past performance data includes employment applicant information for past employment applicants, first evaluation information for the past employment applicants, and selection results for the past employment applicants. 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 true JP2018116710A (en) | 2018-07-26 |
| JP2018116710A5 JP2018116710A5 (en) | 2019-08-29 |
| JP6653721B2 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) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000172701A (en) * | 1998-12-04 | 2000-06-23 | Fujitsu Ltd | Document data providing device, document data providing system, document data providing method and storage medium recording program providing document data |
| 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 |
| WO2002063520A1 (en) * | 2001-02-07 | 2002-08-15 | Japan Job Posting Service,Inc | Recruiting system, program and recording medium |
| JP2006127387A (en) * | 2004-11-01 | 2006-05-18 | Ueno Business Consultants:Kk | Test method and system, program for it, and test system server device |
| JP2010015289A (en) * | 2008-07-02 | 2010-01-21 | Daicel Chem Ind Ltd | Personnel employment support system and personnel employment support program |
| JP2013210980A (en) * | 2012-03-30 | 2013-10-10 | Mizuho Information & Research Institute Inc | Recruit support system, recruit support method, and recruit support program |
| JP2016062322A (en) * | 2014-09-18 | 2016-04-25 | 日本電気株式会社 | Evaluation device, evaluation method, and evaluation system for evaluation target person |
-
2018
- 2018-02-20 JP JP2018027988A patent/JP6653721B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000172701A (en) * | 1998-12-04 | 2000-06-23 | Fujitsu Ltd | Document data providing device, document data providing system, document data providing method and storage medium recording program providing document data |
| 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 |
| WO2002063520A1 (en) * | 2001-02-07 | 2002-08-15 | Japan Job Posting Service,Inc | Recruiting system, program and recording medium |
| JP2006127387A (en) * | 2004-11-01 | 2006-05-18 | Ueno Business Consultants:Kk | Test method and system, program for it, and test system server device |
| JP2010015289A (en) * | 2008-07-02 | 2010-01-21 | Daicel Chem Ind Ltd | Personnel employment support system and personnel employment support program |
| JP2013210980A (en) * | 2012-03-30 | 2013-10-10 | Mizuho Information & Research Institute Inc | Recruit support system, recruit support method, and recruit support program |
| JP2016062322A (en) * | 2014-09-18 | 2016-04-25 | 日本電気株式会社 | Evaluation device, evaluation method, and evaluation system for evaluation target person |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6653721B2 (en) | 2020-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6297101B2 (en) | Information processing apparatus and information processing method | |
| US11348044B2 (en) | Automated recommendations for task automation | |
| Heldman | PMP: project management professional exam study guide | |
| Marchewka | Information technology project management: Providing measurable organizational value | |
| Wiegers et al. | More about software requirements: thorny issues and practical advice | |
| Wiegers et al. | Software requirements | |
| Alefari et al. | Modelling manufacturing employees’ performance based on a system dynamics approach | |
| Hunt | Common sense talent management: Using strategic human resources to improve company performance | |
| Holmes et al. | Artificial intelligence: Reshaping the accounting profession and the disruption to accounting education | |
| JP2017504883A (en) | Model-driven candidate sorting based on audio cues | |
| Yadav et al. | Harnessing artificial intelligence to empower hr processes and drive enhanced efficiency in the workplace to boost productivity | |
| Goh et al. | Charting the future of accountancy with AI | |
| Bragadin et al. | Schedule health assessment of construction projects | |
| US20160284223A1 (en) | System for optimizing employee leadership training program enrollment selection | |
| Yeomans | Passing the PMI Scheduling Professional (PMI-SP)(c) Certification Exam the First Time! | |
| Dart et al. | Using institutional data to drive quality, improvement, and innovation | |
| Classi et al. | A systems thinking approach to managing sustainment phase redesign planning | |
| JP2018116710A (en) | Information processor and information processing method | |
| Järvinen | Project Management Selection Criteria: Which Is Better, Traditional Or Agile Method? | |
| Alshehri | Quality management system for building maintenance | |
| Whitaker | PMP® Examination Practice Questions: 400 Practice Questions and Answers to Help You Pass | |
| de Waal et al. | Building the High-performance Finance Function | |
| Pereira | Scrum and XP Agile practices used by project managers contribution towards software project success | |
| Usha | Artificial Intelligence in HR | |
| Yari Eili et al. | Analyzing the research grant process in Iran’s National Elites Foundation: An approach based on process mining and machine learning |
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 |