JP2022037892A - Program, method and system - Google Patents
Program, method and system Download PDFInfo
- Publication number
- JP2022037892A JP2022037892A JP2021115197A JP2021115197A JP2022037892A JP 2022037892 A JP2022037892 A JP 2022037892A JP 2021115197 A JP2021115197 A JP 2021115197A JP 2021115197 A JP2021115197 A JP 2021115197A JP 2022037892 A JP2022037892 A JP 2022037892A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- response
- question text
- question
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 19
- 208000020016 psychiatric disease Diseases 0.000 claims abstract description 75
- 230000004044 response Effects 0.000 claims description 77
- 238000012545 processing Methods 0.000 claims description 54
- 230000006996 mental state Effects 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 21
- 208000019901 Anxiety disease Diseases 0.000 description 18
- 230000036506 anxiety Effects 0.000 description 18
- 230000004630 mental health Effects 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 14
- 230000008450 motivation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000003340 mental effect Effects 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
特許法第30条第2項適用申請有り 特許法第30条第2項適用、令和2年9月24日に提出された「発明の新規性の喪失の例外の規定の適用を受けるための証明書」に記載されたウェブサイトにおいて発表Application for application of Article 30, Paragraph 2 of the Patent Act Applicable to Article 30, Paragraph 2 of the Patent Act, in order to be subject to the provisions of the exception to the loss of novelty of the invention submitted on September 24, 2 Announced on the website listed in "Certificate"
本発明は、プログラム、方法、及びシステムに関する。 The present invention relates to programs, methods, and systems.
近年、テレワークのように、時間や場所を限定しない、柔軟な働き方が広まっている。一方で、管理者は従業員の勤務実態(業務負荷など)が把握しづらい状況になり、従業員が過労等による健康障害を発症してしまうリスクも生じてきている。このため、従業員の勤務実態から、従業員の精神状態を確認・管理したい、というニーズがある。例えば、特許文献1に開示される技術では、従業員の勤務実態と、メンタルヘルス不調者の勤務実態とに基づいて、メンタルヘルス不調の可能性がある従業員を抽出し、抽出した従業員と上司等との面談を設定することが記載されている。
In recent years, flexible working styles that do not limit time and place, such as telework, have become widespread. On the other hand, it has become difficult for managers to grasp the actual working conditions (work load, etc.) of employees, and there is a risk that employees will develop health problems due to overwork or the like. Therefore, there is a need to confirm and manage the mental state of employees from the actual working conditions of employees. For example, in the technique disclosed in
特許文献1では、メンタルヘルス不調の可能性がある従業員を効率よく面談に繋げることが記載されているが、面談相手のスケジュールが常に空いているわけではなく、また、面談相手によっては相談しづらい場合もあり得る。
本開示の目的は、精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理することである。 The purpose of this disclosure is to confirm and manage the mental state of employees by listening to their true intentions regarding the work of employees who are concerned about their mental disorders.
プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムである。プログラムは、プロセッサに、ユーザの勤務状況に関する第1情報を取得するステップと、取得した第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、ユーザが対象者であるか否かを判定するステップと、ユーザが対象者である場合、第1情報に基づいてユーザに対する質問文を作成するステップと、作成した質問文をユーザに向けて送信するステップと、質問文に対するユーザからの返答に応答するステップと、を実行させるプログラム。 It is a program to be executed by a computer equipped with a processor and a memory. The program is based on the step of acquiring the first information about the user's work status from the processor, the acquired first information, and the second information about the work status of other users who have been concerned about mental disorders in the past. A step of determining whether or not the user is the target person, a step of creating a question text for the user based on the first information when the user is the target person, and a step of transmitting the created question text to the user. A program that executes a step and a step that responds to a user's response to a question.
本発明のプログラムによれば、精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理することができる。 According to the program of the present invention, it is possible to confirm and manage the mental state of an employee by listening to the true intentions of the work of the employee who is concerned about mental disorders.
以下、本発明の一実施形態について、図面に基づいて詳細に説明する。なお、実施形態を説明するための図面において、同一の構成要素には原則として同一の符号を付し、その繰り返しの説明は省略する。 Hereinafter, an embodiment of the present invention will be described in detail with reference to the drawings. In the drawings for explaining the embodiments, the same components are designated by the same reference numerals in principle, and the repeated description thereof will be omitted.
<概要>
本実施形態に係るシステム1は、会社の従業員の勤務状況を管理する。勤務状況は、例えば、従業員の出退勤の時刻、欠勤、遅刻、又は早退等の勤怠に関する情報、業務内容、業務量、残業時間、休日出勤等を表す。そして、システム1は、勤務状況に基づき、従業員に精神的な不調が発生しているか否かを判定し、発生していると推定される場合には、従業員をケアする。
<Overview>
The
<全体構成>
図1は、本実施形態のシステム1の全体構成を示す図である。図1に示すように、システム1は、従業員が使用する端末装置10と、サーバ20とを備えている。端末装置10と、サーバ20とは、有線又は無線の通信規格を用いて、ネットワーク80を介して相互に通信可能に接続されている。
図示の例では、複数の端末装置10がシステム1に含まれている。なお、端末装置10の数量は、従業員の人数に合わせて任意に変更可能である。
<Overall configuration>
FIG. 1 is a diagram showing an overall configuration of the
In the illustrated example, the
端末装置10は、従業員が業務で使用する汎用のコンピュータである。端末装置10は、例えば、据え置き型のPC(Personal Computer)、ラップトップPC、ヘッドマウントディスプレイ等により実現される。また、端末装置10は、スマートフォン、又はタブレット端末などの携行性を備えたコンピュータであってもよい。
The
図1に示すように、端末装置10は、通信IF(Interface)12と、入力装置13と、出力装置14と、メモリ15と、記憶部16と、プロセッサ19とを備える。
As shown in FIG. 1, the
通信IF12は、端末装置10が外部の装置と通信するため、信号を送受信するためのインタフェースである。入力装置13は、ユーザ(従業員)からの入力操作を受け付けるための入力装置である。入力装置13は、例えば、タッチパネル、タッチパッド、マウス等のポインティングデバイス、キーボード等を含む。
The
出力装置14は、ユーザに対し情報を提示するための出力装置である。出力装置14は、例えば、ディスプレイ、スピーカ等を含む。メモリ15は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えば、DRAM(Dynamic Random Access Memory)等の揮発性のメモリにより実現される。記憶部16は、データを保存するための記憶装置であり、例えば、フラッシュメモリ、HDD(Hard Disc Drive)により実現される。プロセッサ19は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路等により構成される。
The
サーバ20は、従業員の情報を管理する装置である。サーバ20は、ネットワーク80に接続されたコンピュータである。
The
図1に示すように、サーバ20は、通信IF22と、入出力IF23と、メモリ25と、ストレージ26と、プロセッサ29とを備える。
As shown in FIG. 1, the
通信IF22は、サーバ20が外部の装置と通信するため、信号を送受信するためのインタフェースである。入出力IF23は、ユーザからの入力操作を受け付けるための入力装置、および、ユーザに対し情報を提示するための出力装置とのインタフェースとして機能する。メモリ25は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばDRAM等の揮発性のメモリにより実現される。ストレージ26は、データを保存するための記憶装置であり、例えばフラッシュメモリ、HDDにより実現される。プロセッサ29は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。
The
<端末装置の構成>
図2は、本実施形態のシステム1に含まれる端末装置10の構成を示すブロック図である。図2に示すように、端末装置10は、通信部121と、操作入力部130(タッチ・センシティブ・デバイス131、及びディスプレイ132を含む)と、音声処理部140と、マイク141と、スピーカ142と、位置情報センサ150と、カメラ160と、記憶部170と、制御部180とを備える。また、端末装置10は、図2では図示されていない機能、及び構成(例えば、電力を保持するためのバッテリー、バッテリーから各回路への電力の供給を制御する電力供給回路等)も備える。端末装置10に含まれる各ブロックは、例えば、バス等により電気的に接続される。
<Configuration of terminal device>
FIG. 2 is a block diagram showing a configuration of a
通信部121は、端末装置10が他の装置と通信するための処理を行う。通信部121は、制御部180で生成された信号に送信処理を施し、外部(例えば、サーバ20)へ送信する。通信部121は、外部から受信した信号に受信処理を施し、制御部180へ出力する。
The
操作入力部130は、端末装置10を所有するユーザからの入力操作を受け付けるための機構を有する。具体的には、例えば、操作入力部130がタッチスクリーンである場合、タッチ・センシティブ・デバイス131と、ディスプレイ132とを含む。操作入力部130は、マウス、キーボード等を含むこととしてもよい。
The operation input unit 130 has a mechanism for receiving an input operation from a user who owns the
タッチ・センシティブ・デバイス131は、例えば静電容量方式のタッチパネルを用いることによって、タッチパネルに対するユーザの接触位置を検出する。タッチ・センシティブ・デバイス131は、タッチパネルにより検出したユーザの接触位置を示す信号を入力操作として制御部180へ出力する。
The touch-sensitive device 131 detects the user's contact position with respect to the touch panel, for example, by using a capacitive touch panel. The touch-sensitive device 131 outputs a signal indicating the contact position of the user detected by the touch panel to the
ディスプレイ132は、制御部180の制御に応じて、画像、動画、テキスト等のデータを表示する。ディスプレイ132は、例えばLCD(Liquid Crystal Display)又は有機EL(Electro-Luminescence)ディスプレイ等によって実現される。
The
音声処理部140は、音声信号の変復調を行う。音声処理部140は、例えば音声処理用のプロセッサによって実現される。
音声処理部140は、マイク141から与えられる音声信号を変調して、変調後の信号を制御部180へ出力する。また、音声処理部140は、制御部180から与えられる音声信号を復調し、復調後の信号をスピーカ142へ与える。
The
The
マイク141は、音声入力を受け付けて、当該音声入力に対応する音声信号を音声処理部140へ出力する。スピーカ142は、音声処理部140から与えられる音声信号を音声に変換して当該音声を端末装置10の外部へ出力する。
The
位置情報センサ150は、端末装置10の位置を検出するセンサであり、例えばGPS(Global Positioning System)モジュールである。GPSモジュールは、衛星測位システムで用いられる受信装置である。衛星測位システムでは、少なくとも3個または4個の衛星からの信号を受信し、受信した信号に基づいて、GPSモジュールが搭載される端末装置10の現在位置を検出する。
The
カメラ160は、撮像素子により光を受光して、画像信号として出力するデバイスである。カメラ160は、例えば、端末装置10を使用するユーザと対向する位置に配置される。カメラ160は、ユーザを撮影し、画像信号を出力する。
The
記憶部170は、例えばフラッシュメモリ等により構成され、端末装置10が使用するデータ、及びプログラムを記憶する。例えば、記憶部170は、従業員情報171を記憶する。
The
従業員情報171は、端末装置10を所有している従業員に関する情報である。従業員情報171としては、例えば、識別情報(従業員ID)、氏名、端末装置10の識別情報(端末ID)、従業員の属性等を含む。属性は、従業員の所属を表す。属性には、例えば、部署、役職、プロジェクト、勤務形態等がある。
制御部180は、プロセッサ19が記憶部170に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより実現される。制御部180は、端末装置10の動作を制御する。具体的には、例えば、制御部180は、操作受付部181、送受信部182、取得部183、提示部184としての機能を発揮する。
The
操作受付部181は、入力装置13から入力されるユーザの操作を受け付けるための処理を行う。例えば、操作受付部181は、タッチ・センシティブ・デバイス131に対してユーザが指等を接触させた座標の情報に基づき、操作者の操作がフリック操作であるか、タップ操作であるか、ドラッグ(スワイプ)操作であるか等の操作の種別を判定し、操作を受け付ける。
The
送受信部182は、端末装置10が、サーバ20等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。
The transmission /
取得部183は、端末装置10を使用するユーザの勤務状況を把握可能な情報を取得する。取得される情報としては、例えば、ユーザが所定のアプリケーションに対して入力した情報、ユーザが端末装置10を操作した操作履歴に関する情報、カメラ160で撮影したユーザの画像信号に基づく情報等が挙げられる。取得部183により取得された情報は、送受信部182を介してサーバ20へ送信される。
The
所定のアプリケーションに対して入力した情報には、例えば、勤怠管理アプリにユーザが入力した、出勤、終業、又は休憩したことを表す情報、有給を取得したことを表す情報、又は種々の理由に関する情報等が含まれる。また、当該情報には、例えば、スケジュール管理アプリにユーザが入力したスケジュールに関する情報が含まれる。スケジュールに関する情報には、例えば、会議の時間がどの程度あるか、出張がどのくらいあるかといった業務タスクの内容、及び業務タスクの量が含まれる。 The information entered for a given application includes, for example, information entered by the user in the attendance management application indicating that the user has gone to work, finished work, or took a break, information indicating that paid leave has been obtained, or information regarding various reasons. Etc. are included. Further, the information includes, for example, information about a schedule entered by the user in the schedule management application. Information about the schedule includes, for example, the content of the business task, such as how much time the meeting is, how long the business trip is, and the amount of the business task.
操作履歴に関する情報は、具体的には、ユーザが端末装置10の入力装置13(ハードウェア)を操作したログ、アプリケーションを操作したログ、又はOS(Operating System)を操作したログ等を含む。
Specifically, the information regarding the operation history includes a log in which the user operates the input device 13 (hardware) of the
ハードウェアを操作したログには、例えば、キーボードによりどのキーが入力されたかを示す情報、キーの入力回数等が含まれる。また、ハードウェアを操作したログには、マウス、タッチパッド、タッチ・センシティブ・デバイス等のポインティングデバイスにより検出される位置の情報、当該位置の情報に基づき判別されるユーザの操作内容の情報(例えば、クリック、ドラッグ、スワイプ、フリック、ロングタップ等)、操作回数等が含まれる。また、ハードウェアを操作したログには、マイクにより入力された音声情報、発言回数等が含まれる。 The log of operating the hardware includes, for example, information indicating which key is input by the keyboard, the number of times the key is input, and the like. Further, in the log of operating the hardware, information on the position detected by the pointing device such as a mouse, a touch pad, and a touch-sensitive device, and information on the operation content of the user determined based on the information on the position (for example,). , Click, drag, swipe, flick, long tap, etc.), number of operations, etc. are included. In addition, the log of operating the hardware includes voice information input by the microphone, the number of remarks, and the like.
アプリケーションを操作したログには、業務を遂行するためのアプリケーションを使用した際にユーザから入力される操作のログが含まれる。具体的には、例えば、アプリケーションがプレゼンテーション資料作成ソフトであれば、アプリケーション名、ファイル名、ファイル内の項目名、どの機能が使用されたかを示す情報、入力された文字情報、エラー情報、スライドを新たに追加する操作をした情報等の種々の情報である。また、アプリケーションがメールソフトであれば、送受信したメールのヘッダの情報、設定情報等である。また、アプリケーションがドキュメント作成ソフトであれば、入力した文字数、文字を変換した回数、作成したページ数、入力した内容(文字を入力した、文字を修飾した、画像または動画を挿入した等)等が含まれる。 The log of operating the application includes the log of the operation input by the user when the application for performing the business is used. Specifically, for example, if the application is presentation material creation software, the application name, file name, item name in the file, information indicating which function was used, input character information, error information, and slides are displayed. Various information such as information on newly added operations. If the application is mail software, it is information on the header of the sent / received mail, setting information, and the like. If the application is document creation software, the number of characters entered, the number of times characters have been converted, the number of pages created, the contents entered (characters have been entered, characters have been modified, images or videos have been inserted, etc.), etc. included.
OSを操作したログには、アプリケーションがアクティブになった情報、OSの設定変更情報、端末装置10をスリープにした情報、スリープ状態から復帰させた情報、及び、ハードウェア資源の利用状況の情報(例えば、CPU使用率、メモリ使用率、ネットワークの使用状況など)等が含まれる。
In the log of operating the OS, information on the activation of the application, information on changing the setting of the OS, information on putting the
カメラで撮影したユーザの画像信号に基づく情報は、例えば、ユーザがカメラを起動した操作に関する情報、ユーザの顔の向き及び表情を示す画像に関する情報、又は顔の構成を画像解析により抽出して特徴点の動きとして表した特徴点に関する情報等が含まれる。なお、画像信号に基づく情報には、これら以外の情報が含まれていてもよいし、これらの情報の一部が含まれていてもよい。
提示部184は、ユーザに対して種々の情報を提示する。
Information based on the user's image signal taken by the camera is characterized by extracting, for example, information on an operation in which the user starts the camera, information on an image showing the orientation and facial expression of the user's face, or facial composition by image analysis. Information about feature points represented as movement of points is included. The information based on the image signal may include information other than these, or may include a part of such information.
The
<サーバの機能的構成>
図3は、本実施形態のシステム1に含まれるサーバ20の機能的な構成を示すブロック図である。図3に示すように、サーバ20は、通信部201と、記憶部202と、制御部203としての機能を発揮する。
<Functional configuration of the server>
FIG. 3 is a block diagram showing a functional configuration of the
通信部201は、サーバ20が外部の装置と通信するための処理を行う。
The
記憶部202は、サーバ20が使用するデータ及びプログラムを記憶する。例えば、記憶部202は、従業員情報データベース(DB)281、ログ情報データベース(DB)282、及び勤務情報データベース(DB)283を記憶する。
The
従業員情報DB281は、従業員に関する情報を保持するためのデータベースである。詳細は後述する。
The
ログ情報DB282は、ユーザが端末装置10を操作した操作履歴に関する情報を保持するためのデータベースである。詳細は後述する。
The
勤務情報DB283は、ユーザの業務内容を保持するためのデータベースである。詳細は後述する。
The
また、記憶部202は、例えば、機械学習により生成された複数の学習済みモデルを記憶している。第1学習済みモデル284は、例えば、ユーザが精神的な不調が危惧される者かどうかの判定に用いられるモデルである。第2学習済みモデル285は、例えば、精神的な不調が危惧される者に対する質問文を作成する際に用いられるモデルである。第3学習済みモデル286は、精神的な不調が危惧される者とのチャットを実施するチャットボットを実現するためのモデルである。第1学習済みモデル284~第3学習済みモデル286は、例えば、該当するサービスの提供が開始される前に記憶部202に記憶される。本実施形態では、精神的な不調が危惧される者は、例えば、以下が想定される。
・メンタルヘルスの不調が危惧される者
・モチベーションの低下が危惧される者
Further, the
・ Persons who are concerned about mental health problems ・ Persons who are concerned about decreased motivation
第1学習済みモデル284~第3学習済みモデル286は、学習用データに基づき、モデル学習プログラムに従って機械学習モデルに機械学習を行わせることにより得られる。
The first trained
例えば、本実施形態において、第1学習済みモデル284は、入力されるユーザに関する情報に対し、精神的な不調が危惧されるか否かを出力するように学習されている。このとき、学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、精神的な不調が危惧される者か否かの判断を正解出力データとする。精神的な不調が危惧される者か否かの判断は、例えば、専門家の意見に基づいて行われる。つまり、第1学習済みモデル284は、過去に精神的な不調が危惧された従業員の勤務状況に関する情報に基づいて学習されている。従業員についての過去の勤務状況に関する情報は、例えば、従業員情報DB281、ログ情報DB282、又は勤務情報DB283から取得される。なお、学習用データは、例えば、精神的な不調をきたしている者か否かの判断を正解出力データとしてもよい。精神的な不調をきたしている者か否かの判断は、例えば、専門家の意見に基づいて行われる。
For example, in the present embodiment, the first trained
また、第2学習済みモデル285は、例えば、入力されるユーザに関する情報に対し、ユーザの状態に応じた質問を出力するように学習されている。例えば、精神的な不調が危惧される者が、メンタルヘルスの不調が危惧される者である場合には、第2学習済みモデル285は、不安又はストレス等を和らげるための質問を出力するように学習されている。このとき、学習用データは、過去に精神的な不調が危惧された従業員の勤務状況に関する情報を入力データとし、入力された情報に基づく質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報から所定の文言を抽出し、不安又はストレス等を和らげるように作成される。質問文は、例えば、ユーザの勤務状況に関する情報に基づいて生成されると換言されてもよい。また、質問文は、例えば、ユーザの勤務状況に関する情報から想定されると換言されてもよい。不安又はストレスを和らげるための質問は、例えば、業務の内容、人間関係、個人的な事情、日頃感じている不安、又は悩み事の有無等のように、ユーザのメンタルヘルスの不調の原因を和らげるための質問である。
Further, the second trained
また、精神的な不調が危惧される者が、モチベーションの低下が危惧される者である場合には、第2学習済みモデル285は、モチベーションが低下している理由を明らかにするための質問を出力するように学習されている。このとき、学習用データは、過去に精神的な不調が危惧された従業員の勤務状況に関する情報を入力データとし、入力された情報に基づく質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報から所定の文言を抽出し、モチベーションが低下している理由を明らかにするように作成される。モチベーションが低下している理由を明らかにするための質問は、例えば、業務の内容、人間関係、個人的な事情、日頃感じている不満、又は悩み事の有無等のように、ユーザのモチベーションが低下している原因を明らかにするための質問である。
In addition, when the person who is concerned about mental illness is a person who is concerned about declining motivation, the second trained
また、第3学習済みモデル286は、入力される回答、及びユーザの勤務状況に関する情報に対し、所定の応答を出力するように学習されている。このとき、学習用データは、例えば、想定される回答パターン、及び過去に精神的な不調が危惧された従業員の勤務状況に関する情報を入力データとし、入力された回答パターン及び勤務状況に関する情報に基づく応答パターンを正解出力データとする。ユーザからの回答に対する応答には、例えば、産業医への面談の提案、生活習慣の改善の提案、又は(長期)休暇の取得の提案等が含まれてもよい。
Further, the third
本実施形態に係る機械学習モデルは、例えば、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数、及びパラメータの組合せにより定義される。本実施形態に係る機械学習モデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよいが、多層のネットワークモデル(以下、多層化ネットワークと呼ぶ)であるとする。多層化ネットワークを用いる学習済みモデルは、入力層と、出力層と、入力層と出力層との間に設けられる少なくとも1層の中間層あるいは隠れ層とを有する。学習済みモデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される。 The machine learning model according to the present embodiment is, for example, a synthetic function with parameters in which a plurality of functions are synthesized. A parameterized composition function is defined by a plurality of adjustable functions and a combination of parameters. The machine learning model according to the present embodiment may be a synthetic function with any parameter that satisfies the above requirements, but is a multi-layered network model (hereinafter referred to as a multi-layered network). A trained model using a multi-layered network has an input layer, an output layer, and at least one intermediate layer or hidden layer provided between the input layer and the output layer. The trained model is expected to be used as a program module that is part of artificial intelligence software.
本実施形態に係る多層化ネットワークとしては、例えば、深層学習(Deep Learning)の対象となる多層ニューラルネットワークである深層ニューラルネットワーク(Deep Neural Network:DNN)が用いられ得る。DNNとしては、例えば、画像を対象とする畳み込みニューラルネットワーク(Convolution Neural Network:CNN)を用いてもよい。 As the multi-layered network according to the present embodiment, for example, a deep neural network (DNN), which is a multi-layered neural network targeted for deep learning, can be used. As the DNN, for example, a convolutional neural network (CNN) for an image may be used.
制御部203は、プロセッサ29が記憶部202に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより実現される。制御部203は、サーバ20の動作を制御する。具体的には、例えば、制御部203は、送受信部2031、取得部2032、判定部2033、対話処理部2034、及び実行部2035としての機能を発揮する。
The
送受信部2031は、サーバ20が、端末装置10等の外部の装置と、通信プロトコルに従ってデータを送受信する処理を制御する。受信されたデータは、記憶部202へ記憶される。例えば、端末装置10から送信された、ユーザが所定のアプリケーションに対して入力した情報、ユーザが端末装置10を操作した操作履歴に関する情報、カメラ160で撮影したユーザの画像信号に基づく情報等は、記憶部202の従業員情報DB281、ログ情報DB282、又は勤務情報DB283に記憶される。
The transmission /
取得部2032は、記憶部202に記憶されている情報のうち、判定に要する情報を取得する。例えば、取得部2032は、従業員情報DB281、ログ情報DB282、又は勤務情報DB283から、所定の期間におけるユーザの勤務状況に関する情報を取得する。勤務状況に関する情報には、例えば、勤怠に関する情報、スケジュールに関する情報、操作履歴に関する情報、画像信号に基づく情報、又は、操作履歴に関する情報及び画像信号に基づく情報から推測される業務内容等が含まれる。取得部2032は、例えば、所定のタイミングで、判定に要する情報を取得する。
The
判定部2033は、ユーザが精神的な不調が危惧される、監視の対象者かどうかを判定する処理を実行する。具体的には、例えば、判定部2033は、第1学習済みモデル284に、取得部2032で取得した情報を入力し、精神的な不調が危惧される者であるか否かを出力させる。
The
対話処理部2034は、記憶部202に記憶されている第2学習済みモデル285を用いて質問文を作成し、第3学習済みモデル286を用いてユーザからの回答に対し対話形式で自動応答する。対話処理部2034は、例えば、会社の業務で使用しているチャットシステムを利用して実現される。
The
具体的には、例えば、対話処理部2034は、精神的な不調が危惧されると判定されたユーザについての勤務状況に関する情報を第2学習済みモデル285に入力し、不安、又はストレス等を和らげるための質問文を出力させる。対話処理部2034は、出力された質問文を通信部201から端末装置10へ送信する。このとき、対話処理部2034は、例えば、質問文を、ユーザが回答しやすいタイミングで送信する。ユーザが回答しやすいタイミングは、例えば、端末装置10を操作しつつ集中力が高くないタイミングが好適である。集中力が高くないタイミングは、例えば、操作履歴に関する情報、つまり、入力の速度が遅い、誤変換が多い等の情報に基づいて判断される。また、集中力が高くないタイミングは、例えば、画像信号により判別されるユーザの顔の向き、又は視線の挙動に基づいて判断される。ユーザが回答しやすいタイミングは、例えば、勤務状況に関する情報に基づいて決定され、業務が切り替わった直後、休憩が明けた直後、昼休みが終わる直前等を含む。
Specifically, for example, the
対話処理部2034は、端末装置10から送信される回答文を、通信部201を介して受信する。回答文は、自然文の形式で取得することが可能である。自然文の形式で回答することを可能とすることにより、ユーザは人とチャットしているのと同じような感覚でチャットを行うことが可能となる。
The
対話処理部2034は、取得した回答文、及び勤務状況に関する情報を第3学習済みモデル286に入力し、入力された回答に応じた応答文を出力させる。対話処理部2034は、出力された応答文を通信部201から端末装置10へ送信する。
The
実行部2035は、ユーザとのチャットの内容に応じた手続きを実行する。例えば、実行部2035は、対話処理部2034により送信された休暇、又は早退等の提案に対してユーザが承諾した場合、勤怠アプリによる勤怠手続きを実行する。
The
<データ構造>
図4から図6は、サーバ20が記憶するデータベースのデータ構造を示す図である。なお、図4から図6は一例であり、記載されていないデータを除外するものではない。
図4は、従業員情報DB281のデータ構造を示す図である。図4に示すように、従業員情報DB281のレコードの各々は、項目「従業員ID」、項目「従業員名」、項目「属性」等を含む。
<Data structure>
4 to 6 are diagrams showing the data structure of the database stored in the
FIG. 4 is a diagram showing a data structure of the
項目「従業員ID」は、従業員を識別するためのIDを記憶する。 The item "employee ID" stores an ID for identifying an employee.
項目「従業員名」は、従業員の名前を記憶する。 The item "employee name" stores the name of the employee.
項目「属性」は、従業員の属性を記憶する。属性には従業員が属する様々な体制が含まれる。例えば、項目「属性」は、項目「部署」、項目「役職」、項目「プロジェクト」、項目「勤務形態」等のサブ項目を含む。 The item "attribute" stores the attribute of the employee. Attributes include various systems to which employees belong. For example, the item "attribute" includes sub-items such as the item "department", the item "position", the item "project", and the item "working style".
項目「部署」は、ユーザが所属している部門、例えば、部署を記憶する。項目「役職」は、ユーザが属する組織における、ユーザのポジション、例えば、役職を記憶する。役職が複数ある場合、複数の役職が登録されてもよい。項目「プロジェクト」は、ユーザがアサインされている集合業務、例えば、プロジェクトの情報を記憶する。プロジェクトが複数ある場合には、複数のプロジェクトが登録されてもよい。項目「勤務形態」は、ユーザに設定されている勤務の形態を記憶する。 The item "department" stores the department to which the user belongs, for example, the department. The item "position" stores the user's position in the organization to which the user belongs, for example, the position. If there are multiple job titles, multiple job titles may be registered. The item "project" stores the information of the collective work to which the user is assigned, for example, the project. If there are multiple projects, multiple projects may be registered. The item "working style" stores the working style set for the user.
項目「勤務形態」には、例えば、定時で勤務する提示勤務、時差をつけて勤務するフレックス、労働時間がユーザの裁量に委ねられている裁量労働等を記憶する。なお、項目「属性」には、必要に応じて更なるサブ項目(例えば、入社年度、雇用形態等)を追加してもよい。 In the item "working style", for example, presentation work that works on a regular basis, flex that works with a time difference, discretionary work in which working hours are left to the discretion of the user, etc. are stored. Further sub-items (for example, year of joining the company, employment form, etc.) may be added to the item "attribute" as needed.
従業員情報DB281には、図4で示される情報以外の情報が記憶されていてもよい。例えば、従業員情報DB281には、所定期間内で課せられているノルマ等が含まれていてもよい。また、従業員情報DB281には、勤務地に関する情報、取引先企業に関する情報、上司、又は部下に関する情報等が含まれていてもよい。
Information other than the information shown in FIG. 4 may be stored in the
また、従業員情報DB281には、ユーザの健康状態を示す情報が記憶されていてもよい。健康状態を示す情報は、例えば、精神的な不調が危惧されていること、又は一般的な健康診断での診断結果に係る情報等が含まれる。
Further, the
図5は、ログ情報DB282のデータ構造を示す図である。図5に示すように、ログ情報DB282のレコードの各々は、項目「従業員ID」、項目「日付」、項目「操作ログ」等を含む。
FIG. 5 is a diagram showing a data structure of the
項目「日付」は、操作ログを取得した年月日を記憶する。 The item "date" stores the date when the operation log was acquired.
項目「操作ログ」は、操作履歴に関する情報のログを記憶する。項目「操作ログ」には、操作履歴に関する情報として、項目「時刻」、項目「端末ID」、項目「ログ」等のサブ項目が含まれる。 The item "operation log" stores a log of information related to the operation history. The item "operation log" includes sub-items such as the item "time", the item "terminal ID", and the item "log" as information related to the operation history.
項目「時刻」は、ユーザによる操作が発生した時刻(タイムスタンプ)を記憶する。具体的には、項目「時刻」には、例えば、ハードウェアを操作した時刻、アプリケーションを操作した時刻、又はOSを操作した時刻が含まれる。 The item "time" stores the time (time stamp) when the operation by the user occurs. Specifically, the item "time" includes, for example, the time when the hardware is operated, the time when the application is operated, or the time when the OS is operated.
項目「端末ID」は、ユーザが操作した端末装置10のIDを記憶する。
The item "terminal ID" stores the ID of the
項目「ログ」は、ユーザによる操作の内容を記憶する。具体的には、項目「ログ」には、例えば、ハードウェアを操作した内容、アプリケーションを操作した内容、又はOSを操作した内容等が記憶される。 The item "log" stores the contents of the operation by the user. Specifically, in the item "log", for example, the content of operating the hardware, the content of operating the application, the content of operating the OS, and the like are stored.
図6は、勤務情報DB283のデータ構造を示す図である。図6に示すように、勤務情報DB283のレコードの各々は、項目「従業員ID」、項目「日付」、項目「業務内容」、項目「時刻」等を含む。
FIG. 6 is a diagram showing a data structure of the
項目「日付」は、ユーザが業務を行った日付を記憶する。 The item "date" stores the date when the user performed the business.
項目「業務内容」は、ユーザが実施した業務の内容を記憶する。項目「業務内容」は、例えば、制御部203により、アプリケーションに対して入力した情報等に基づいて特定されて記憶される。例えば、制御部203は、勤怠アプリに対してユーザが入力した出勤、終業、又は休憩等の勤怠に関する情報に基づき、出勤、終了、休憩、遅刻、早退、欠勤等を特定し、項目「業務内容」に記憶する。また、制御部203は、例えば、スケジュール管理アプリに対してユーザが入力したスケジュールに関する情報に基づき、会議、出張等を特定し、項目「業務内容」に記憶する。
The item "business content" stores the content of the business performed by the user. The item "business content" is specified and stored by, for example, the
また、項目「業務内容」は、例えば、制御部203により、操作履歴に関する情報に基づいて特定されて記憶される。例えば、制御部203は、ユーザが使用したアプリケーション、使用したアプリケーションにより作成されたファイル名、ファイルに対して操作した内容等に基づき、メール、資料作成、作業、調査等を特定し、項目「業務内容」に記憶する。
Further, the item "business content" is specified and stored by, for example, the
項目「時刻」は、項目「業務内容」で記載される業務を実施した時刻を記憶する。なお、勤務情報DB283には、項目「時刻」に限定されず、業務が実施された時間が記憶されてもよい。また、所定の業務を開始した時刻のみに限定されず、所定の業務を開始した時刻と、所定の業務が終了した時刻とが記憶されてもよい。
The item "time" stores the time when the work described in the item "business content" is performed. The
勤務情報DB283には、図6で示される情報以外の情報が記憶されていてもよい。例えば、勤務情報DB283には、勤務状況に対する評価が含まれていてもよい。例えば、勤務情報DB283には、業務内容毎の評価が含まれていてもよい。業務内容毎の評価は、例えば、制御部203により、操作履歴に関する情報、又はユーザの画像信号に基づく情報等に基づいて評価される。例えば、制御部203は、操作履歴に関する情報、又はユーザの画像信号に基づく情報等に基づき、業務の処理速度、業務への集中度、会議への参加度等を推定し、ユーザの業務内容を評価する。また、勤務情報DB283には、所定の期間毎の評価が含まれていてもよい。所定の期間毎の評価は、例えば、日、週、月等毎のユーザの評価を表す。所定の期間毎の評価は、例えば、制御部203により、業務内容毎の評価の累積に基づいて評価される。
Information other than the information shown in FIG. 6 may be stored in the
また、勤務情報DB283には、所定の期間毎の勤務時間の合計が記憶されてもよい。所定の期間毎の勤務時間の合計は、例えば、日、週、月等毎の勤務時間の合計を表す。
よい。
In addition, the total working hours for each predetermined period may be stored in the working
good.
<動作>
以下、図7を参照しながら、システム1により、従業員の精神状態を管理する処理について説明する。図7についての説明では、例えば、精神的な不調が危惧される者が、メンタルヘルスの不調が危惧される者である場合を例に説明する。
<Operation>
Hereinafter, the process of managing the mental state of the employee by the
図7は、システム1により、従業員の精神状態を管理する流れの一例を説明するための図である。
図7に示すように、端末装置10は、ユーザの勤務状況を把握可能な情報をサーバ20へ送信する。具体的には、例えば、端末装置10は、ユーザにより所定のアプリケーションに対して入力がなされると、入力された情報をサーバ20へ送信する。また、端末装置10は、例えば、ユーザにより端末装置10が操作されると、操作履歴に関する情報をサーバ20へ送信する。また、端末装置10は、カメラ160で撮影したユーザの画像信号に基づく情報を、所定の周期でサーバ20へ送信する。
FIG. 7 is a diagram for explaining an example of a flow of managing the mental state of an employee by the
As shown in FIG. 7, the
サーバ20の送受信部2031は、端末装置10から送信される複数の従業員についての情報を受信し、記憶部202に記憶されているデータベースの新たなレコードに、受信した情報を記憶する。
The transmission /
サーバ20の取得部2032は、所定のタイミングで記憶部202のデータベースから、判定に必要な情報を取得する(ステップS201)。具体的には、例えば、取得部2032は、記憶部202の従業員情報DB281、ログ情報DB282、又は勤務情報DB283から、従業員P1が精神的な不調が危惧されるものであるか否かの判定に必要な情報を取得する。所定のタイミングは、従業員P1の精神的な不調が危惧されていない場合においては、例えば、以下である。
・予め設定される日の、出勤したとき(勤怠管理アプリにおいて出勤オブジェクトを押下したとき)
・予め設定される日の、予め設定される時刻
・精神的な不調が疑われるデータが取得されたとき
精神的な不調が疑われるデータとは、例えば、出勤時刻にばらつきがあること、長時間の残業が連続していること、又は休暇が取れていないこと等である。
The
-When you go to work on a preset day (when you press the attendance object in the attendance management app)
-Preset time on a preset day-When data suspected of being mentally ill is acquired Data that is suspected of being mentally ill is, for example, variations in work hours or long hours. Overtime work is continuous, or there is no vacation.
また、所定のタイミングは、従業員P1の精神的な不調が危惧されている場合においては、例えば、以下である。
・出勤したとき
・予め設定される時刻
なお、本説明では、従業員P1に対する処理について説明するが、その他の従業員に対して並列して処理を実施してもよい。
Further, the predetermined timing is, for example, as follows when there is a concern about the mental disorder of the employee P1.
-When going to work-Preset time In this explanation, the processing for employee P1 will be described, but processing may be performed in parallel for other employees.
判定部2033は、判定に必要な情報が取得されると、従業員P1が精神的な不調が危惧されるか否かを判定する(ステップS202)。具体的には、判定部2033は、取得した、勤務状況に関する情報を第1学習済みモデル284に入力し、精神的な不調が危惧される者であるか否かを出力させる。以下では、精神的な不調が危惧される者を、健康管理の監視対象となる者として対象者と称する。判定部2033は、従業員P1が対象者であると判定した場合、判定結果を記憶部202の例えば、従業員情報DB281に記憶し、続く処理を実行する。なお、対象者であると判定される場合には、危惧のない状態から対象者であると判定される場合と、対象者であるとの判定が維持される場合とがある。
When the information necessary for the determination is acquired, the
一方、判定部2033は、従業員P1が対象者でないと判定した場合、処理を終了させる。なお、対象者でないと判定される場合には、危惧のある状態が解消される場合と、危惧のない状態が維持される場合とがある。
On the other hand, when the
従業員P1が対象者であると判定されると、対話処理部2034は、従業員P1への質問文を作成する(ステップS203)。具体的には、対話処理部2034は、精神的な不調が危惧されると判定された従業員P1の勤務状況に関する情報を第2学習済みモデル285に入力し、従業員P1の不安又はストレスを和らげるための質問文を出力させる。従業員P1の不安又はストレスを和らげるための質問文は、従業員P1の勤務状況に関する情報に基づいて作成される。
When it is determined that the employee P1 is the target person, the
例えば、従業員P1の昨日の終業時刻が遅かった場合には、「昨夜は遅くまで働いていましたね。帰ってからゆっくり休めましたか?」のように、従業員P1を労う質問文が作成される。 For example, if yesterday's closing time for employee P1 was late, a question was created to work for employee P1 such as "You worked late last night. Did you take a rest after returning?" Will be done.
また、例えば、通常は規則正しいはずの従業員P1の出勤時刻が、急に不規則になった場合には、「最近、出勤時刻が不規則ですが、心配事がありますか?」のように、従業員P1を気遣う質問文が作成される。 Also, for example, if the work time of employee P1 who should normally be regular suddenly becomes irregular, such as "Recently, the work time is irregular, are you worried?" A question that cares for employee P1 is created.
また、例えば、通常は時刻どおりに出勤するはずの従業員P1が、急に遅刻するようになった場合には、「最近、遅刻が多いですが、心配事がありますか?」のように、従業員P1を気遣う質問文が作成される。 Also, for example, if the employee P1 who should normally go to work on time suddenly becomes late, such as "I've been late a lot lately, are you worried?" A question that cares for employee P1 is created.
また、例えば、同じ人物との会議が長時間にわたり何度も実施されている場合には、「長時間の会議、大変ですね。会議でつらいことは言われていませんか?」のように、従業員P1を気遣う質問文が作成される。 Also, for example, if a meeting with the same person is held many times over a long period of time, such as "Long meeting is difficult. Isn't the meeting said to be painful?" , A question that cares for employee P1 is created.
対話処理部2034は、出力された質問文を通信部201から端末装置10へ送信する(ステップS204)。このとき、対話処理部2034は、例えば、質問文を、ユーザが回答しやすいタイミングで送信する。ユーザが回答しやすいタイミングは、例えば、端末装置10を操作しつつ集中力が高くないタイミングが好適である。対話処理部2034は、勤務状況に関する情報を参照し、従業員P1が質問文に回答しやすいタイミングを決定する。対話処理部2034は、決定されたタイミングになると、作成した質問文を通信部201から端末装置10へ送信する。対話処理部2034は、作成した質問文を、チャットメッセージの一部に挿入する形式で端末装置10へ送信する。
The
サーバ20から質問文が送信されると、端末装置10の提示部184は、受信した質問文をディスプレイ132に表示する(ステップS101)。操作受付部181は、端末装置10を操作する従業員P1からの回答を受け付ける。提示部184は、入力された回答文をディスプレイ132に表示する。送受信部182は、入力された回答文をサーバ20へ送信する(ステップS102)。
When the question text is transmitted from the
図8は、本実施形態に係る端末装置10の表示例を表す模式図である。図8に示すように、端末装置10のディスプレイ132には、チャット領域1321が表示される。チャット領域1321の左寄りの列にはサーバ20からの質問文1321Aが表示され、右寄りの列には従業員P1から入力された回答文1321Bが表示される。なお、提示部184は、サーバ20からの質問文を受信すると、ディスプレイ132の所定の位置(例えば、バー)に受信があることを表すオブジェクトを表示し、このオブジェクトへの従業員P1からの押下に応じてチャット領域1321を表示するようにしてもよい。
FIG. 8 is a schematic diagram showing a display example of the
端末装置10からの回答文を受信すると、対話処理部2034は、従業員P1への応答文を作成する(ステップS205)。具体的には、対話処理部2034は、受信した回答文、及び勤務状況に関する情報を第3学習済みモデル286に入力し、入力された回答に応じた応答文を出力させる。対話処理部2034は、出力された応答文を通信部201から端末装置10へ送信する(ステップS206)。
Upon receiving the response sentence from the
サーバ20から応答文が送信されると、端末装置10の提示部184は、受信した応答文をディスプレイ132に表示する(ステップS103)。操作受付部181は、端末装置10を操作する従業員P1からの回答を受け付ける。提示部184は、入力された回答文をディスプレイ132に表示する。送受信部182は、入力された回答文をサーバ20へ送信する(ステップS104)。従業員P1とサーバ20とのチャットは、例えば、従業員P1からの回答が入力されなくなるまで継続される。従業員P1とサーバ20とのチャットの内容(質問文、応答文、及び回答文)は、記憶部202に記憶される。なお、従業員P1とサーバ20とのチャットの内容は、従業員P1とのチャットであることが判別されないように、個人情報に関する内容が加工(例えば、削除)されて記憶される。例えば、従業員P1が所属する部署の上司から業務を通して過度なストレスを受けているといった回答があった場合、この回答は、上司が特定されるような氏名等の情報を、伏字にした状態で記憶部202に記憶される。記憶された情報は、例えば、働き方改善データとして統計的に利用される。
When the response text is transmitted from the
また、例えば、従業員P1が翌日に会議等の予定がない場合、サーバ20は、「明日は休みを取られたらいかがですか?」のような応答をする場合がある。このような応答に対して従業員P1が「そうですね。休みを取ります。」のような回答をした場合、サーバ20の実行部2035は、勤怠アプリに対し、翌日の休暇申請を実行する。
Further, for example, when the employee P1 does not have a meeting or the like on the next day, the
なお、上記の処理に限られず、各処理のステップは、各処理の流れが矛盾しない範囲で任意に変更可能である。例えば、従業員P1は、自動応答に対して返信をしない場合もあり得る。 Not limited to the above processing, the steps of each processing can be arbitrarily changed as long as the flow of each processing does not contradict. For example, employee P1 may not reply to the automatic response.
以上のように、本実施形態では、サーバ20の取得部2032は、ユーザの勤務状況に関する第1情報を取得する。判定部2033は、取得した第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、ユーザが対象者であるか否かを判定する。対話処理部2034は、ユーザが対象者である場合、第1情報に基づいてユーザに対する質問文を作成する。対話処理部2034は、作成した質問文をユーザへ送信する。そして、対話処理部2034は、質問文に対するユーザからの返答に応答するようにしている。これにより、サーバ20は、ユーザが精神的な不調が危惧されることを的確に把握することが可能となる。また、サーバ20は、ユーザの不安、又はストレスについての本音を聞き出すことが可能となる。
したがって、本実施形態に係るシステム1によれば、精神的な不調が危惧される従業員の勤務についての本音を聞き出すことで、従業員の精神状態を確認・管理できる。
As described above, in the present embodiment, the
Therefore, according to the
また、本実施形態では、判定部2033は、第2情報を用いて学習された第1学習済みモデル284に対して、第1情報を入力することで、ユーザが対象者であるか否かを判定するようにしている。これにより、ユーザについての第1情報に基づき、迅速かつ高精度に、ユーザが対象者か否かを判定することが可能となる。
Further, in the present embodiment, the
また、本実施形態では、対話処理部2034は、第2情報と、第2情報から想定される質問文とを用いて学習された第2学習済みモデル285に対して、第1情報を入力することで、質問文を作成するようにしている。これにより、ユーザについての第1情報に基づき、ユーザの不安又はストレスを和らげることが可能な質問文を迅速かつ高精度に作成することが可能となる。
Further, in the present embodiment, the
また、本実施形態では、実行部2035は、質問文に対するユーザからの返答に応じ、勤怠手続きを実行するようにしている。これにより、ユーザが手続きを行わなくても、自動的に勤怠手続きが行われることになり、休みたくても休めないという事情を解消することが可能となる。
Further, in the present embodiment, the
また、本実施形態では、対話処理部2034は、第1情報を参照し、ユーザが回答しやすいタイミングで質問文を送信するようにしている。これにより、ユーザから回答を得られる確率を上げることが可能となる。
Further, in the present embodiment, the
また、本実施形態では、制御部203は、ユーザへの質問文及びユーザからの返答を、個人情報に関する内容を加工して記憶するようにしている。これにより、ユーザ本人、及びその周囲の従業員の個人情報を適切に保護することが可能となる。また、ユーザがチャットに入力した内容により不利な状況となることを避けることが可能となる。
Further, in the present embodiment, the
また、本実施形態では、対話処理部2034は、第2情報と、想定される返答文と、応答文及び第2情報から想定される応答文とを用いて学習された第3学習済みモデル286に対して、第1情報及びユーザからの返答を入力することで、ユーザへの新たな応答を作成するようにしている。これにより、ユーザからの回答に応じる応答文を迅速かつ高精度に作成することが可能となる。
Further, in the present embodiment, the
<変形例>
なお、上記実施形態では、第1学習済みモデル284が、入力されるユーザに関する情報に対し、精神的な不調が危惧される者か否かを出力するように学習されている例について説明した。しかしながら、第1学習済みモデル284の学習はこれに限定されない。
<Modification example>
In the above embodiment, an example has been described in which the first trained
例えば、第1学習済みモデル284は、入力されるユーザに関する情報に対し、精神的な不調の程度を出力するように学習されていてもよい。精神的な不調の程度とは、例えば、精神的な不調が危惧されること、精神的な不調が軽度であること、又は精神的な不調が重度であること等を含む。このとき、学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、精神的な不調の程度を正解出力データとする。
For example, the first trained
判定部2033は、ステップS202において、勤務状況に関する情報を第1学習済みモデル284に入力し、精神的な不調の程度を出力させる。精神的な不調が危惧されること、精神的な不調が軽度であること、又は精神的な不調が重度であることが出力されると、ユーザが対象者であることを表す。判定部2033は、ユーザが対象者であると判定すると、精神的な不調の程度を含む判定結果を記憶部202の例えば、従業員情報DB281に記憶する。精神的な不調の程度が判定されることで、従業員の精神状態をより詳細に管理することが可能となる。
In step S202, the
また、第1学習済みモデル284は、入力されるユーザに関する情報に対し、精神的な不調が危惧される者か否かを出力すると共に、ストレス因子を出力するように学習されていてもよい。ストレス因子は、ストレスの要因となる要素であり、例えば、残業時間の多さ、上司、部下、顧客、生活リズム等を含む。このとき、学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、精神的な不調が危惧される者か否かの判断、及びストレス因子を正解出力データとする。
Further, the first trained
判定部2033は、ステップS202において、勤務状況に関する情報を第1学習済みモデル284に入力し、精神的な不調が危惧される者か否かと共に、ストレス因子を出力させる。判定部2033は、ユーザが対象者であると判定すると、ストレス因子を含む判定結果を記憶部202の例えば、従業員情報DB281に記憶する。精神的な不調に加えてストレス因子が判定されることで、従業員の精神的な不調の原因を把握することが可能となる。
In step S202, the
また、上記実施形態では、第2学習済みモデル285が、入力されるユーザに関する情報に対し、不安又はストレス等を和らげるための質問を出力するように学習されている例について説明した。しかしながら、第2学習済みモデル285の学習はこれに限定されない。
Further, in the above embodiment, an example has been described in which the second trained
例えば、第2学習済みモデル285は、ユーザに関する情報、及び精神的な不調の程度の入力に対し、不安又はストレス等を和らげるための質問を出力するように学習されていてもよい。このとき、学習用データは、精神的な不調の程度毎の過去のユーザの勤務状況に関する情報を入力データとし、程度に応じて作成された質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報から所定の文言を抽出し、精神的な不調の程度を考慮し、不安又はストレス等を和らげるように作成される。
For example, the second trained
対話処理部2034は、ステップS203において、精神的な不調の程度が判定された従業員の勤務状況に関する情報を第2学習済みモデル285に入力し、従業員の不安又はストレスを和らげるための質問文を出力させる。精神的な不調の程度を考慮した質問文が作成されるようになるため、従業員の不安又はストレスをより効果的に和らげることが可能となる。
In step S203, the
また、例えば、第2学習済みモデル285は、ユーザに関する情報、及びストレス因子の入力に対し、不安又はストレス等を和らげるための質問を出力するように学習されていてもよい。このとき、学習用データは、過去に精神的な不調が危惧されたユーザの勤務状況に関する情報及びストレス因子を入力データとし、入力された情報に基づく質問文を正解出力データとする。正解出力データとしての質問文は、例えば、勤務状況に関する情報、及びストレス因子から所定の文言を抽出し、不安又はストレス等を和らげるように作成される。
Further, for example, the second trained
対話処理部2034は、ステップS203において、精神的な不調が危惧される者である判定された従業員の勤務状況に関する情報と、判定部2033により推定されたストレス因子とを第2学習済みモデル285に入力し、従業員の不安又はストレスを和らげるための質問文を出力させる。ストレス因子を考慮した質問文が作成されるようになるため、従業員の不安又はストレスをより効果的に和らげることが可能となる。
In step S203, the
なお、上記実施形態では、第1学習済みモデル284~第3学習済みモデル286は、フィードバック情報に基づき、再学習されてもよい。例えば、制御部203は、判定部2033による判定結果に対するフィードバック情報を取得する。フィードバック情報は、例えば、判定に対するユーザからの評価であってもよいし、ユーザとサーバ20との間で構築されるチャットの内容に基づく評価であってもよい。制御部203は、フィードバック情報に基づく重みをかけた勤務状況に関する情報と、判定結果とを用い、第1学習済みモデル284を再学習する。これにより、新たな教師データが追加されることになり、第1学習済みモデル284を用いた判定の精度を、使用期間の経過とともに向上させることが可能となる。
In the above embodiment, the first trained
また、例えば、制御部203は、対話処理部2034により作成された質問文に対するフィードバック情報を取得する。フィードバック情報は、例えば、作成した質問文に対するユーザからの評価であってもよいし、ユーザとサーバ20との間で構築されるチャットの内容に基づく評価であってもよい。制御部203は、フィードバック情報に基づく重みをかけた勤務状況に関する情報と、作成した質問文とを用い、第2学習済みモデル285を再学習する。これにより、新たな教師データが追加されることになり、第2学習済みモデル285を用いて作成される質問文の内容が、使用期間の経過とともにより適した内容となる。
Further, for example, the
また、例えば、制御部203は、対話処理部2034により作成された、ユーザからの回答文に対する応答についてのフィードバック情報を取得する。フィードバック情報は、例えば、回答文に対する応答についてのユーザからの評価であってもよいし、ユーザとサーバ20との間で構築されるチャットの内容に基づく評価であってもよい。制御部203は、フィードバック情報に基づく重みをかけた勤務状況に関する情報と、入力された回答文と、作成した応答文とを用い、第3学習済みモデル286を再学習する。これにより、新たな教師データが追加されることになり、第3学習済みモデル286を用いて作成される応答文の内容が、使用期間の経過とともにより適した内容となる。
Further, for example, the
また、上記実施形態では、ユーザとサーバ20との間のチャットの内容に基づいてユーザの精神的な不調の程度を判定することはしていない。しかしながら、ユーザとサーバ20との間のチャットの内容に基づいてユーザの精神的な不調の程度を判定するようにしてもよい。このとき、記憶部202は、例えば、第4学習済みモデルを記憶している。第4学習済みモデルは、例えば、ユーザとサーバ20との間のチャットの内容に基づき、ユーザの精神的な不調の程度を判定する際に用いられるモデルである。第4学習済みモデルは、ユーザから入力される回答に対し、精神的な不調の程度を出力するように学習されている。このとき、学習用データは、例えば、精神的な不調が危惧される従業員から入力された過去の回答パターンを入力データとし、この入力データに対する、精神的な不調の程度の判断を正解出力データとする。チャットの内容からユーザの精神的な不調の程度を判定することで、判定した程度に応じた応答をすることが可能となる。
Further, in the above embodiment, the degree of mental disorder of the user is not determined based on the content of the chat between the user and the
また、第4学習済みモデルは、ユーザの精神的な不調の程度に加え、精神的な不調がないことを判定するように学習されていてもよい。このとき、学習用データは、例えば、精神的な不調が危惧される従業員から入力された過去の回答パターンを入力データとし、この入力データに対する、精神的な不調がないとの判断を正解出力データとする。 Further, the fourth trained model may be trained to determine that there is no mental disorder in addition to the degree of the user's mental disorder. At this time, for the learning data, for example, the past answer pattern input from the employee who is feared to have a mental disorder is used as the input data, and the judgment that there is no mental disorder for this input data is the correct answer output data. And.
制御部203は、第4学習済みモデルを、フィードバック情報を用いて再学習してもよい。
The
また、上記実施形態では、記憶部202が複数の学習済みモデルを記憶する場合を例に説明したが、記憶部202で記憶されるのは、学習済みモデルでなくても構わない。記憶部202に、所定の計算テーブル、又は所定の関数が記憶され、制御部203における処理において、これらのデータが使用されても構わない。
Further, in the above embodiment, the case where the
また、上記実施形態では、判定部2033が、第1学習済みモデル284を用い、ユーザが精神的な不調が危惧される、監視の対象者かどうかを判定する場合を例に説明した。しかしながら、本実施形態は、判定部2033が、第1学習済みモデル284を用い、メンタルヘルスの不調が危惧される者であるか否か、及びモチベーションの低下が危惧される者であるか否かを判定してもよい。
Further, in the above embodiment, the case where the
このとき、例えば、第1学習済みモデル284は、入力されるユーザに関する情報に対し、メンタルヘルスの不調が危惧されることを表す数値と、モチベーションの低下が危惧されることを表す数値とを出力するように学習されている。学習用データは、例えば、従業員についての過去の勤務状況に関する情報を入力データとし、この入力データに対する、メンタルヘルスの不調が危惧される者か否かの判断及びモチベーションの低下が危惧される者か否かの判断を正解出力データとする。
At this time, for example, the first trained
判定部2033は、例えば、メンタルヘルスの不調が危惧されることを表す数値と、モチベーションの低下が危惧されることを表す数値とに基づき、ユーザが、精神的な不調がない者か、メンタルヘルスの不調が危惧される者であるか、又は、モチベーションの低下が危惧される者であるかを判定する。
The
判定部2033により、ユーザが精神的な不調がない者か、メンタルヘルスの不調が危惧される者であるか、又は、モチベーションの低下が危惧される者であるかが判定されると、対話処理部2034は、判定結果に応じた質問文を作成する。具体的には、例えば、メンタルヘルスの不調が危惧される者用の第2学習済みモデル285を用い、メンタルヘルスの不調が危惧される者に対する質問文を作成し、モチベーションの低下が危惧される者用の第2学習済みモデル285を用い、モチベーションの低下が危惧される者に対する質問文を作成する。
When the
また、上記実施形態では、判定部2033の判定結果に基づき、対話処理部2034から対象者へ、対象者に応じた質問文が送信される場合を説明した。しかしながら、本実施形態は、判定部2033の判定結果に基づき、対象者の管理者へ所定の通知が送信されるようにしてもよい。管理者は、例えば、対象者の上司、専門医、又は所定の担当者である。所定の通知は、例えば、対象者であることの通知、又は所定の情報の通知である。所定の情報の通知には、例えば、対面ミーティングが必要である旨の通知、勤務時間に関する情報の通知、又は残業を減らすべきである旨の通知等が含まれる。
Further, in the above embodiment, the case where the
以上、本開示の好ましい実施形態について説明したが、本開示は係る特定の実施形態に限定されるものではなく、本開示には、特許請求の範囲に記載された発明とその均等の範囲が含まれる。また、上記実施形態及び変形例で説明した装置の構成は、技術的な矛盾が生じない限り、適宜組み合わせ可能である。 Although the preferred embodiments of the present disclosure have been described above, the present disclosure is not limited to such specific embodiments, and the present disclosure includes the inventions described in the claims and the equivalent scope thereof. Is done. Further, the configurations of the devices described in the above-described embodiments and modifications can be appropriately combined as long as there is no technical contradiction.
<付記>
以上の各実施形態で説明した事項を、以下に付記する。
<Additional Notes>
The matters described in each of the above embodiments will be added below.
(付記1)
プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
ユーザの勤務状況に関する第1情報を取得するステップ(ステップS201)と、
前記取得した前記第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、前記ユーザが対象者であるか否かを判定するステップ(ステップS202)と、
前記ユーザが対象者である場合、前記第1情報に基づいて前記ユーザに対する質問文を作成するステップ(ステップS203)と、
作成した前記質問文を前記ユーザに向けて送信するステップ(ステップS204)と、
前記質問文に対する前記ユーザからの返答に応答するステップ(ステップS206)と、
を実行させるプログラム。
(Appendix 1)
A program for causing a computer having a processor and a memory to execute the program, wherein the program causes the processor to execute the program.
The step of acquiring the first information regarding the work status of the user (step S201) and
A step of determining whether or not the user is a target person based on the acquired first information and the second information regarding the working status of another user who has been feared to have a mental disorder in the past (step S202). When,
When the user is the target person, a step (step S203) of creating a question sentence for the user based on the first information, and
A step (step S204) of transmitting the created question text to the user, and
A step (step S206) of responding to a response from the user to the question text,
A program to execute.
(付記2)
前記判定するステップ(ステップS202)において
前記第2情報を用いて学習された第1学習済みモデルに対して、前記第1情報を入力することで、前記ユーザが前記対象者であるか否かを判定する、(付記1)に記載のプログラム。
(Appendix 2)
By inputting the first information to the first trained model learned using the second information in the determination step (step S202), whether or not the user is the target person is determined. Judgment, the program according to (Appendix 1).
(付記3)
前記第1学習済みモデルは、前記過去に精神的な不調が危惧された他のユーザがストレスと感じたストレス因子を用いて学習され、
前記判定するステップ(ステップS202)において、
前記第1学習済みモデルに対して、前記第1情報を入力することで、ストレス因子を推定する、(付記2)に記載のプログラム。
(Appendix 3)
The first trained model is trained using stress factors that other users who have been concerned about mental disorders in the past feel stressed.
In the determination step (step S202),
The program according to (Appendix 2), which estimates a stress factor by inputting the first information to the first trained model.
(付記4)
前記第1学習済みモデルを、前記対象者であると判定したユーザからフィードバックされた情報を用いて再学習するステップを、前記プロセッサに実行させる、(付記2)又は(付記3)に記載のプログラム。
(Appendix 4)
The program according to (Appendix 2) or (Appendix 3), which causes the processor to perform a step of re-learning the first trained model using the information fed back from the user who is determined to be the target person. ..
(付記5)
前記質問文を作成するステップ(ステップS203)において、
前記第2情報と、前記第2情報から想定される質問文とを用いて学習された第2学習済みモデルに対して、前記第1情報を入力することで、前記質問文を作成する、(付記1)から(付記4)のいずれかに記載のプログラム。
(Appendix 5)
In the step of creating the question sentence (step S203),
By inputting the first information into the second trained model trained using the second information and the question sentence assumed from the second information, the question sentence is created (( The program described in any of Appendix 1) to (Appendix 4).
(付記6)
前記第2学習済みモデルは、前記過去に精神的な不調が危惧された他のユーザがストレスと感じたストレス因子を用いて学習され、
前記質問文を作成するステップ(ステップS203)において、
前記第2学習済みモデルに対して、前記第1情報と、前記判定するステップで推定したストレス因子とを入力することで、前記質問文を作成する、(付記5)に記載のプログラム。
(Appendix 6)
The second trained model is trained using stress factors that other users who have been concerned about mental disorders in the past feel stressed.
In the step of creating the question sentence (step S203),
The program according to (Appendix 5), wherein the question sentence is created by inputting the first information and the stress factor estimated in the determination step into the second trained model.
(付記7)
前記第2学習済みモデルを、前記質問文に対して前記ユーザから返答された情報を用いて再学習するステップを、前記プロセッサに実行させる、(付記5)又は(付記6)に記載のプログラム。
(Appendix 7)
The program according to (Appendix 5) or (Appendix 6), which causes the processor to perform a step of re-learning the second trained model using the information returned from the user to the question sentence.
(付記8)
前記質問文に対する前記ユーザからの返答に基づき、前記ユーザの精神的な不調の程度を推定するステップを、前記プロセッサに実行させる、(付記1)から(付記7)のいずれかに記載のプログラム。
(Appendix 8)
The program according to any one of (Appendix 1) to (Appendix 7), which causes the processor to execute a step of estimating the degree of mental disorder of the user based on the response from the user to the question text.
(付記9)
前記質問文に対する前記ユーザからの返答に応じ、勤怠手続きを実行するステップを、前記プロセッサに実行させる、(付記1)から(付記8)のいずれかに記載のプログラム。
(Appendix 9)
The program according to any one of (Appendix 1) to (Appendix 8), which causes the processor to execute a step of executing an attendance procedure in response to a response from the user to the question text.
(付記10)
前記作成した質問文を前記ユーザへ送信するステップ(ステップS204)において、
前記第1情報を参照し、前記ユーザが回答しやすいタイミングで前記質問文を送信する、(付記1)から(付記9)のいずれかに記載のプログラム。
(Appendix 10)
In the step (step S204) of transmitting the created question text to the user.
The program according to any one of (Appendix 1) to (Appendix 9), which refers to the first information and transmits the question sentence at a timing when the user can easily answer.
(付記11)
前記ユーザが回答しやすいタイミングとは、前記ユーザが端末を操作しつつ集中力が高くないタイミングである、(付記10)に記載のプログラム。
(Appendix 11)
The program according to (Appendix 10), wherein the timing at which the user can easily answer is a timing at which the user does not have high concentration while operating the terminal.
(付記12)
前記ユーザへの質問文及び前記ユーザからの返答を、個人情報に関する内容を加工して記憶するステップを、前記プロセッサに実行させる、(付記1)から(付記11)のいずれかに記載のプログラム。
(Appendix 12)
The program according to any one of (Appendix 1) to (Appendix 11), which causes the processor to execute a step of processing and storing the contents related to personal information in a question text to the user and a response from the user.
(付記13)
前記応答するステップ(ステップS206)において
前記第2情報と、想定される返答文と、前記返答文及び前記第2情報から想定される応答文とを用いて学習された第3学習済みモデルに対して、前記第1情報及び前記ユーザからの返答を入力することで、前記ユーザへの新たな応答を作成する、(付記1)から(付記12)の何れか1項に記載のプログラム。
(Appendix 13)
For the third trained model trained using the second information, the assumed response sentence, and the response sentence and the response sentence assumed from the second information in the response step (step S206). The program according to any one of (Appendix 1) to (Appendix 12), which creates a new response to the user by inputting the first information and the response from the user.
(付記14)
ユーザの勤務状況に関する第1情報を取得するステップ(ステップS201)と、
前記取得した前記第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、前記ユーザが対象者であるか否かを判定するステップ(ステップS202)と、
前記ユーザが対象者である場合、前記第1情報に基づいて前記ユーザに対する質問文を作成するステップ(ステップS203)と、
作成した前記質問文を前記ユーザに向けて送信するステップ(ステップS204)と、
前記質問文に対する前記ユーザからの返答に応答するステップ(ステップS206)と、
を実施する方法。
(Appendix 14)
The step of acquiring the first information regarding the work status of the user (step S201) and
A step of determining whether or not the user is a target person based on the acquired first information and the second information regarding the working status of another user who has been feared to have a mental disorder in the past (step S202). When,
When the user is the target person, a step (step S203) of creating a question sentence for the user based on the first information, and
A step (step S204) of transmitting the created question text to the user, and
A step (step S206) of responding to a response from the user to the question text,
How to carry out.
(付記15)
ユーザの勤務状況に関する第1情報を取得する手段と、
前記取得した前記第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、前記ユーザが対象者であるか否かを判定する手段と、
前記ユーザが対象者である場合、前記第1情報に基づいて前記ユーザに対する質問文を作成する手段と、
作成した前記質問文を前記ユーザに向けて送信する手段と、
前記質問文に対する前記ユーザからの返答に応答する手段と
を具備するシステム。
(Appendix 15)
The means to obtain the first information about the user's work status,
A means for determining whether or not the user is a target person based on the acquired first information and the second information regarding the work status of another user who has been feared to have a mental disorder in the past.
When the user is a target person, a means for creating a question sentence for the user based on the first information, and
A means of transmitting the created question text to the user,
A system provided with means for responding to a response from the user to the question text.
1…システム
10…端末装置
121…通信部
13…入力装置
130…操作入力部
131…タッチ・センシティブ・デバイス
132…ディスプレイ
1321…チャット領域
1321A…質問文
1321B…回答文
14…出力装置
140…音声処理部
141…マイク
142…スピーカ
15…メモリ
150…位置情報センサ
16…記憶部
160…カメラ
170…記憶部
171…従業員情報
180…制御部
181…操作受付部
182…送受信部
183…取得部
184…提示部
19…プロセッサ
20…サーバ
201…通信部
202…記憶部
203…制御部
2031…送受信部
2032…取得部
2033…判定部
2034…対話処理部
2035…実行部
25…メモリ
26…ストレージ
281…従業員情報DB
282…ログ情報DB
283…勤務情報DB
284…第1学習済みモデル
285…第2学習済みモデル
286…第3学習済みモデル
29…プロセッサ
1 ...
282 ... Log information DB
283 ... Work information DB
284 ... 1st trained
Claims (15)
ユーザの勤務状況に関する第1情報を取得するステップと、
前記取得した前記第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、前記ユーザが対象者であるか否かを判定するステップと、
前記ユーザが対象者である場合、前記第1情報に基づいて前記ユーザに対する質問文を作成するステップと、
作成した前記質問文を前記ユーザに向けて送信するステップと、
前記質問文に対する前記ユーザからの返答に応答するステップと、
を実行させるプログラム。 A program for causing a computer having a processor and a memory to execute the program, wherein the program causes the processor to execute the program.
The step to acquire the first information about the user's work status,
A step of determining whether or not the user is a target person based on the acquired first information and the second information regarding the work status of another user who has been feared to have a mental disorder in the past.
When the user is a target person, a step of creating a question sentence for the user based on the first information, and
The step of sending the created question text to the user, and
A step of responding to a response from the user to the question text,
A program to execute.
前記第2情報を用いて学習された第1学習済みモデルに対して、前記第1情報を入力することで、前記ユーザが前記対象者であるか否かを判定する、請求項1に記載のプログラム。 A claim for determining whether or not the user is the target person by inputting the first information to the first trained model learned using the second information in the determination step. The program according to Item 1.
前記判定するステップにおいて、
前記第1学習済みモデルに対して、前記第1情報を入力することで、ストレス因子を推定する、請求項2に記載のプログラム。 The first trained model is trained using stress factors that other users who have been concerned about mental disorders in the past feel stressed.
In the determination step
The program according to claim 2, wherein the stress factor is estimated by inputting the first information to the first trained model.
前記第2情報と、前記第2情報から想定される質問文とを用いて学習された第2学習済みモデルに対して、前記第1情報を入力することで、前記質問文を作成する、請求項1から4のいずれか1項に記載のプログラム。 In the step of creating the question text,
A claim for creating the question text by inputting the first information to the second trained model trained using the second information and the question text assumed from the second information. The program according to any one of Items 1 to 4.
前記質問文を作成するステップにおいて、
前記第2学習済みモデルに対して、前記第1情報と、前記判定するステップで推定したストレス因子とを入力することで、前記質問文を作成する、請求項5に記載のプログラム。 The second trained model is trained using stress factors that other users who have been concerned about mental disorders in the past feel stressed.
In the step of creating the question text,
The program according to claim 5, wherein the question sentence is created by inputting the first information and the stress factor estimated in the determination step into the second trained model.
前記第1情報を参照し、前記ユーザが回答しやすいタイミングで前記質問文を送信する、請求項1から9のいずれか1項に記載のプログラム。 In the step of sending the created question text to the user
The program according to any one of claims 1 to 9, which refers to the first information and transmits the question text at a timing when the user can easily answer.
前記第2情報と、想定される返答文と、前記返答文及び前記第2情報から想定される応答文とを用いて学習された第3学習済みモデルに対して、前記第1情報及び前記ユーザからの返答を入力することで、前記ユーザへの新たな応答を作成する、請求項1から12の何れか1項に記載のプログラム。 With respect to the third trained model trained using the second information, the expected response sentence, the response sentence, and the response sentence assumed from the second information in the response step, the first step is made. 1. The program according to any one of claims 1 to 12, which creates a new response to the user by inputting information and a response from the user.
前記取得した前記第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、前記ユーザが対象者であるか否かを判定するステップと、
前記ユーザが対象者である場合、前記第1情報に基づいて前記ユーザに対する質問文を作成するステップと、
作成した前記質問文を前記ユーザに向けて送信するステップと、
前記質問文に対する前記ユーザからの返答に応答するステップと、
を実施する方法。 The step to acquire the first information about the user's work status,
A step of determining whether or not the user is a target person based on the acquired first information and the second information regarding the work status of another user who has been feared to have a mental disorder in the past.
When the user is a target person, a step of creating a question sentence for the user based on the first information, and
The step of sending the created question text to the user, and
A step of responding to a response from the user to the question text,
How to carry out.
前記取得した前記第1情報と、過去に精神的な不調が危惧された他のユーザの勤務状況に関する第2情報に基づき、前記ユーザが対象者であるか否かを判定する手段と、
前記ユーザが対象者である場合、前記第1情報に基づいて前記ユーザに対する質問文を作成する手段と、
作成した前記質問文を前記ユーザに向けて送信する手段と、
前記質問文に対する前記ユーザからの返答に応答する手段と
を具備するシステム。
The means to obtain the first information about the user's work status,
A means for determining whether or not the user is a target person based on the acquired first information and the second information regarding the work status of another user who has been feared to have a mental disorder in the past.
When the user is a target person, a means for creating a question sentence for the user based on the first information, and
A means of transmitting the created question text to the user,
A system provided with means for responding to a response from the user to the question text.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021115197A JP2022037892A (en) | 2020-08-25 | 2021-07-12 | Program, method and system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020142171A JP6913803B1 (en) | 2020-08-25 | 2020-08-25 | Programs, methods, and systems |
JP2021115197A JP2022037892A (en) | 2020-08-25 | 2021-07-12 | Program, method and system |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020142171A Division JP6913803B1 (en) | 2020-08-25 | 2020-08-25 | Programs, methods, and systems |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022037892A true JP2022037892A (en) | 2022-03-09 |
JP2022037892A5 JP2022037892A5 (en) | 2023-08-28 |
Family
ID=77057568
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020142171A Active JP6913803B1 (en) | 2020-08-25 | 2020-08-25 | Programs, methods, and systems |
JP2021115197A Pending JP2022037892A (en) | 2020-08-25 | 2021-07-12 | Program, method and system |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020142171A Active JP6913803B1 (en) | 2020-08-25 | 2020-08-25 | Programs, methods, and systems |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP6913803B1 (en) |
WO (1) | WO2022043980A2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6913803B1 (en) * | 2020-08-25 | 2021-08-04 | 株式会社オプティム | Programs, methods, and systems |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007087255A (en) * | 2005-09-26 | 2007-04-05 | Fuji Xerox Co Ltd | Information processing system, information processing method and program |
WO2012169003A1 (en) * | 2011-06-07 | 2012-12-13 | 株式会社日立製作所 | Information processing system and information processing method |
JP2016151979A (en) * | 2015-02-19 | 2016-08-22 | Necソリューションイノベータ株式会社 | Mental health care support system, device, method, and program |
US11064892B2 (en) * | 2015-06-14 | 2021-07-20 | Facense Ltd. | Detecting a transient ischemic attack using photoplethysmogram signals |
JP6812857B2 (en) * | 2017-03-10 | 2021-01-13 | 富士通株式会社 | Product offering equipment, product offering method, product offering program |
JP2018163525A (en) * | 2017-03-27 | 2018-10-18 | 株式会社サテライトオフィス | Chat system, program |
JP6803299B2 (en) * | 2017-06-20 | 2020-12-23 | 株式会社東芝 | System and method |
JP6362286B1 (en) * | 2017-09-28 | 2018-07-25 | 浩 松平 | Interactive health promotion system |
JP2019096116A (en) * | 2017-11-24 | 2019-06-20 | 株式会社東芝 | Information processing device, information processing method, and program |
JP2020038542A (en) * | 2018-09-05 | 2020-03-12 | 株式会社東芝 | Information processor, method for processing information, and program |
US20210098110A1 (en) * | 2019-09-29 | 2021-04-01 | Periyasamy Periyasamy | Digital Health Wellbeing |
JP6913803B1 (en) * | 2020-08-25 | 2021-08-04 | 株式会社オプティム | Programs, methods, and systems |
-
2020
- 2020-08-25 JP JP2020142171A patent/JP6913803B1/en active Active
-
2021
- 2021-07-12 JP JP2021115197A patent/JP2022037892A/en active Pending
- 2021-10-15 WO PCT/IB2021/059491 patent/WO2022043980A2/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022043980A2 (en) | 2022-03-03 |
WO2022043980A3 (en) | 2022-04-14 |
JP6913803B1 (en) | 2021-08-04 |
JP2022037828A (en) | 2022-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Antifakos et al. | Towards improving trust in context-aware systems by displaying system confidence | |
US8364514B2 (en) | Monitoring group activities | |
JP2019121360A (en) | System and method for context recognition conversation type agent based on machine learning, method, system and program of context recognition journaling method, as well as computer device | |
US11309082B2 (en) | System and method for monitoring engagement | |
Ong et al. | Implementing a digital patient feedback system: an analysis using normalisation process theory | |
CN109076085A (en) | Support the context-aware personal digital assistant of multiple accounts | |
JP2018114232A (en) | Diagnosis apparatus, program, and diagnosis system | |
US20130253971A1 (en) | System and apparatus for generating work schedules | |
KR20240068049A (en) | Method and apparatus for recommending asset and content to user | |
WO2022043980A2 (en) | Program, method, and system | |
US20130179359A1 (en) | System and method for job safety analysis | |
US11823591B2 (en) | Emotional management system | |
Su et al. | The routineness of routines: measuring rhythms of media interaction | |
JP6915127B1 (en) | Management system, information processing device, management method, and program | |
Rough et al. | Jeeves-an experience sampling study creation tool | |
KR20220024638A (en) | Health Event Logging and Coaching User Interfaces | |
CN113516450A (en) | Reminding task generation method and device and electronic equipment | |
Grimwood | The rhetoric of urgency and theory-practice tensions | |
JP2017518592A (en) | Method and system for performing an evaluation | |
US11657917B2 (en) | Computing device configured with user check-in for mental health and wellness | |
US11809472B2 (en) | Service providing system, information processing apparatus, information processing method | |
JP7424710B1 (en) | Information processing system, information processing method and program | |
Huang et al. | Mobile performance support systems: Characteristics, benefits, and conditions | |
JP6860182B1 (en) | Management system, information processing device, management method, and program | |
Oldridge | Technological Innovations in Care and Implications for Human Resource Development |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230818 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240524 |