特開 2023-48877 情報処理装置、情報処理方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023048877

(43)【公開日】2023-04-07

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20230331BHJP

   G06Q 10/06 20230101ALI20230331BHJP

【ＦＩ】

G06Q50/10

G06Q10/06

【審査請求】有

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2021158444

(22)【出願日】2021-09-28

(71)【出願人】

【識別番号】591115475

【氏名又は名称】株式会社三菱総合研究所

(74)【代理人】

【識別番号】230104019

【弁護士】

【氏名又は名称】大野 聖二

(74)【代理人】

【識別番号】230117802

【弁護士】

【氏名又は名称】大野 浩之

(72)【発明者】

【氏名】佐々木 康浩

(72)【発明者】

【氏名】奥村 隆一

(72)【発明者】

【氏名】勝山 裕輝

(72)【発明者】

【氏名】山野内 雄哉

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA06

5L049CC12

(57)【要約】      （修正有）

【課題】自己の強みをユーザに認識させることができる情報処理装置、情報処理方法及びプログラムを提供する。
【解決手段】表示部１１０を備える複数のユーザ端末１００と通信可能な通信部５を有する情報処理装置１は、ユーザ端末の入力部１２０から入力されるユーザの学び情報又は経験情報を受け付ける受付部１０と、学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部２０と、ユーザの強みを出力する出力部９０と、を有する。
【選択図】図１

【特許請求の範囲】

【請求項1】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
を備える情報処理装置。

【請求項2】

判断部はユーザに関する複数の強みを導き出す、請求項１に記載の情報処理装置。

【請求項3】

受付部は入力部から入力されるユーザの弱みを受け付け、
弱みを強みに関連付ける関連付け部を備え、
出力部は、弱みに関連付けられた強みを出力する、
請求項１又は２に記載の情報処理装置。

【請求項4】

学び情報又は経験情報は学生時代での情報を含む、請求項１乃至３のいずれか１項に記載の情報処理装置。

【請求項5】

ユーザに対する複数の質問を行う質問部と、
質問に対する回答からユーザの自分史を作成する作成部と、
を備え、
出力部は自分史を出力する、請求項１乃至４のいずれか１項に記載の情報処理装置。

【請求項6】

ユーザに対する複数の質問を行う質問部を備え、
質問部は所定の時間カテゴリ毎にプラスになった要素とマイナスになった要素を質問する、請求項１乃至５のいずれか１項に記載の情報処理装置。

【請求項7】

ユーザに対する複数の質問を行う質問部を備え、
判断部は、質問に対する回答の中から学びの有無を判断し、
質問部は、判断部が学びのあったと判断した内容に関連する複数の質問を行って学び情報又は経験情報を取得する、請求項１乃至６のいずれか１項に記載の情報処理装置。

【請求項8】

ユーザの目標とするキャリア情報とユーザの強みとを比較する比較部と、
比較部による比較結果を受けて推奨する学習コンテンツを選定する選定部と、
を備える、請求項１乃至７のいずれか１項に記載の情報処理装置。

【請求項9】

ユーザの強みの変遷を記憶する記憶部を備え、
出力部はユーザの強みの変遷を出力する、請求項１乃至８のいずれか１項に記載の情報処理装置。

【請求項10】

判断部は自分史の時間カテゴリ毎に強みを判断する、請求項１乃至９のいずれか１項に記載の情報処理装置。

【請求項11】

入力部から入力されるユーザの学び情報又は経験情報を受付部によって受け付ける工程と、
判断部が学び情報又は経験情報をモデルに適用することでユーザの強みを判断する工程と、
出力部によってユーザの強みを出力する工程と、
を備える、情報処理方法。

【請求項12】

情報処理装置にインストールするためのプログラムであって、
プログラムをインストールされた情報処理装置は、
入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付機能と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断機能と、
ユーザの強みを出力する出力機能と、
を備える、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、自己の強みをユーザに認識させる情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

特許文献１では、従来技術において、ファンは協賛金をアスリートに支払うことは可能であるものの、協賛金をアスリート個人が直接受け取ることはできないことを課題として挙げている。そして、特許文献１では、ユーザごとの第１価値の保有量を格納するユーザ管理データ記憶部と、選手ごとの第１価値の保有量を格納する選手管理データ記憶部と、ユーザから譲渡された第２価値の量を変換した第１価値の量に基づいて、ユーザの第１価値の保有量を更新する更新部と、ユーザの第１価値の保有量のうち指定された量を特定の選手に渡す依頼を受けた場合に、指定された量の少なくとも一部をユーザの第１価値の保有量から特定の選手の第１価値の保有量に移動させる、価値管理部と、選手ごとの第１価値の保有量と選手ごとに決定された係数とに基づいて、選手ごとに指定された譲受人が受け取り可能な第２価値の量を決定する決定部と、を有する情報処理システムを提供することが提案されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１５５０２３号

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１では、協賛金をアスリート個人が直接受け取らせるというようなアプローチになっている。これに対して、本発明は、一例としてセカンドキャリアを選択するにあたり、自己の強みをユーザに認識させることができる情報処理装置等を提供する。但し、本発明は、セカンドキャリアを検討しているユーザだけが利用対象となるわけではないことには留意が必要である。

【課題を解決するための手段】

【0005】

本発明による情報処理装置は、
入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
を備えてもよい。

【0006】

本発明による情報処理装置において、
判断部はユーザに関する複数の強みを導き出してもよい。

【0007】

本発明による情報処理装置において、
受付部は入力部から入力されるユーザの弱みを受け付け、
弱みを強みに関連付ける関連付け部を備え、
出力部は、弱みに関連付けられた強みを出力してもよい。

【0008】

本発明による情報処理装置において、
学び情報又は経験情報は学生時代での情報を含んでもよい。

【0009】

本発明による情報処理装置は、
ユーザに対する複数の質問を行う質問部と、
質問に対する回答からユーザの自分史を作成する作成部と、
を備え、
出力部は自分史を出力してもよい。

【0010】

本発明による情報処理装置は、
ユーザに対する複数の質問を行う質問部を備え、
質問部は所定の時間カテゴリ毎にプラスになった要素とマイナスになった要素を質問してもよい。

【0011】

本発明による情報処理装置は、
ユーザに対する複数の質問を行う質問部を備え、
判断部は、質問に対する回答の中から学びの有無を判断し、
質問部は、判断部が学びのあったと判断した内容に関連する複数の質問を行って学び情報又は経験情報を取得してもよい。

【0012】

本発明による情報処理装置は、
ユーザの目標とするキャリア情報とユーザの強みとを比較する比較部と、
比較部による比較結果を受けて推奨する学習コンテンツを選定する選定部と、
を備えてもよい。

【0013】

本発明による情報処理装置は、
ユーザの強みの変遷を記憶する記憶部を備え、
出力部はユーザの強みの変遷を出力してもよい。

【0014】

本発明による情報処理装置において、
判断部は自分史の時間カテゴリ毎に強みを判断してもよい。

【0015】

本発明による情報処理方法は、
入力部から入力されるユーザの学び情報又は経験情報を受付部によって受け付ける工程と、
判断部が学び情報又は経験情報をモデルに適用することでユーザの強みを判断する工程と、
出力部によってユーザの強みを出力する工程と、
を備えてもよい。

【0016】

本発明によるプログラムは、
情報処理装置にインストールするためのプログラムであって、
プログラムをインストールされた情報処理装置が、
入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付機能と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断機能と、
ユーザの強みを出力する出力機能と、
を備えてもよい。

【発明の効果】

【0017】

本発明によれば、自己の強みをユーザに認識させることができる情報処理装置等を提供できる。

【図面の簡単な説明】

【0018】

【図1】図１は、本発明の実施の形態による情報処理装置の構成を示した概略図である。

【図2】図２は、本発明の実施の形態における情報の流れの一例を示す図である。

【図3】図３は、本発明の実施の形態における時期、カテゴリ及びプラス・マイナスの違いによる質問内容の概念を示した図である。

【図4】図４は、本発明の実施の形態における質問内容の一例を示すための図である。

【図5】図５は、本発明の実施の形態における質問内容の別の例を示すための図である。

【図6】図６は、本発明の実施の形態における質問内容のさらに別の例を示すための図である。

【図7】図７は、本発明の実施の形態における初回ログインの際の態様を説明するためのフローである。

【図8】図８は、本発明の実施の形態における２回目以降のログインの際の態様を説明するためのフローである。

【図9】図９は、本発明の実施の形態において表示部で表示される「自分史」の一例を示した図である。

【図10】図１０は、本発明の実施の形態において用いられ得る強みの分類の一例を示した図である。

【発明を実施するための形態】

【0019】

以下、本発明に係る情報処理装置及び情報処理方法の実施の形態について説明する。本実施の形態では、パソコン等のコンピュータにインストールされることで、当該コンピュータによって本実施の形態の情報処理方法を実行できるようにするプログラム及び当該プログラムを記録した記録媒体も提供される。

【0020】

本実施の形態の情報処理装置は例えばサーバであり、いずれの場所に設置されてもよく、クラウド環境が利用されてもよい。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１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。

【0021】

本実施の形態の情報処理装置は、例えばプログラムをインストールすることで生成される。このプログラムは電子メールで配信されてもよいし、所定のＵＲＬにアクセスしたうえでログインすることで入手できてもよいし、記録媒体に記録されてもよい。本実施の形態によるプログラムは以下に示す情報処理装置を生成するために利用され、本実施の形態による記録媒体は当該プログラムを記録するために利用される。また、本実施の形態の情報処理方法は上記プログラムがインストールされた情報処理装置によって実施される。

【0022】

図１に示すように、本実施の形態の情報処理装置１は、ユーザ端末１００の入力部１２０から入力されるユーザの学び情報又は経験情報を受け付ける受付部１０と、学び情報又は経験情報を判断モデルに適用することでユーザの強みを判断する判断部２０と、ユーザの強みを出力する出力部９０と、を有してもよい。

【0023】

情報処理装置１は、ユーザ端末１００と通信可能な通信部５を有してもよい。通信部５がユーザ端末１００と複数回の通信（送受信及びサーバへの書き込みを含む。）を行うことで、受付部１０がユーザから複数の情報を受け付けるようにしてもよい。情報処理装置１は様々な情報を記憶する記憶部６０を有してもよい。

【0024】

ユーザ端末１００は、スマートフォン、タブレット端末、ＰＣ等であってもよい。ユーザ端末１００がスマートフォンやタブレット端末等からなる場合には、タッチパネルになっている画面が表示部１１０及び入力部１２０の両方の機能を備えており、入力表示部として機能することになる。ユーザ端末１００から情報処理装置１へのアクセスはスマートフォン等からなるユーザ端末１００がＱＲコード（登録商標）を読み取ることで行われてもよい。

【0025】

判断部２０は人工知能機能を有し、学習情報を用いて機械学習することで判断モデルを生成してもよい。この場合、判断部２０は、過去の実績データから、目標事象が生じる確率が最も確からしくなるように、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。機械学習の際には様々なモデルを利用でき、例えばツリーモデルを利用してもよいし、その他のモデルを利用してもよい。

【0026】

学習情報としては、過去の事例に基づいた情報が用いられてもよい。例えば、ユーザの学び情報や経験情報をインプット情報とし、キャリアコンサルタントが過去に判断した当該ユーザの強みをアウトプット情報として、機械学習を行って判断モデルを生成してもよい。生成された判断モデルは記憶部６０で記憶されてもよい。また、予め準備した判断モデルが記憶部６０に記憶されていてもよい。

【0027】

判断部２０は各ユーザに対して１つの強みを導き出してもよいが、複数の強みを導き出すようにしてもよい。例えば、ユーザに対して３～５つの強みを導き出し、出力部９０がその結果を出力するようにしてもよい。このように複数の強みを導き出すことで、当該ユーザの強みを複数の観点から捉えることができる点で有益である。出力部９０によって出力された情報はユーザ端末１００の表示部１１０で表示されることになる。判断部２０は予め準備された強み要素ごとに評価値を算出し、評価値の高い強み要素から順に複数選択することで、複数の強みを導き出してもよい。

【0028】

受付部１０は入力部１２０から入力されるユーザの弱みを受け付けてもよい。情報処理装置１は、入力された弱みを当該ユーザの強みに関連付ける関連付け部７０を有してもよい。そして、出力部９０は、関連付け部７０によって弱みに関連付けられた強みを出力するようにしてもよい。このように弱みを強みに関連付けることで、弱みを強みに転換することができる（図５参照）。つまり、ユーザ自身は弱みであると認識していた自己の特性が強みとして出力されることで、自己の見方を変えることができるようになる。関連付け部７０は人工知能機能を有してもよいし、予め生成した関連付けモデルを用いることで弱みを強みに関連付けるようにしてもよい。人工知能機能によって関連付けモデルを生成する場合にも学習情報として、過去の事例に基づいた情報が用いられてもよい。例えば、ユーザの感じている弱みに関する情報をインプット情報とし、キャリアコンサルタントが過去に当該弱みに紐づけた強みをアウトプット情報として、機械学習を行って関連付けモデルを生成してもよい。

【0029】

入力部１２０から入力されるユーザの回答によって、判断部２０は当該ユーザの弱みを判断してもよい。この場合にも、ユーザの学び情報又は経験情報を判断モデルに適用することで、当該ユーザの弱みを判断してもよい。弱みに関する判断モデルの生成方法は強みに関して述べたのと同様の態様を採用することができる。

【0030】

学び情報又は経験情報は学生時代での情報、卒業後での情報、社会人になってからの情報等を含んでもよい。学生時代の情報は、小学校時代の情報、中学校時代の情報、高校時代の情報、大学時代の情報等を含んでもよい（図３参照）。

【0031】

情報処理装置１は、ユーザに対する複数の質問を行う質問部３０と、質問に対する回答からユーザの自分史を作成する作成部８０と、を有してもよい。質問部３０からの質問とユーザからの回答はチャットボット形式によって行われてもよい。但し、このような態様に限られることはなく、ＰＣからアンケートに回答する形式で、質問に対する回答が入力されるようにしてもよい。自分史の一例は図９に示したものである。

【0032】

チャットボット形式を採用する場合には、ユーザへの質問とユーザからの回答が複数回繰り返されることで、ユーザからの情報が収集されることになる。この際には、ユーザの自分史を作成するために必要な情報が収集され、強みに関連する情報は深掘りすることで、より深い情報が得られるようにしてもよい。質問と回答の繰り返し回数は特に制限されることはないが、一例としては５０～２００回程度である。自分史の出力部９０による出力形式は特に制限されないが、一例として人に見せることができる形式からなってもよく、例えば履歴書の一部として提出できるようなフォーマットで出力するようにしてもよい。このような態様を採用した場合には、例えば就職活動において自分史を提供することができる点で有益である。

【0033】

チャットボット形式による質問の内容は、キャリアコンサルタントが行っている質問内容（会話ノウハウ）を学習情報として用い、機械学習によって生成される質問モデルを用いてもよい。学習情報として用いる情報としては、キャリアコンサルタントが過去に行った複数の質問とそれに対するユーザの回答を用いてもよい。一例としては、複数の質問をインプット情報とし、質問に対する回答をアウトプット情報として、質問部３０が機械学習を行うようにしてもよい。また、質問部３０からの質問に対するユーザの実際の回答を記憶部６０で記憶し、質問と回答の組合せを用いて質問部３０が機械学習することで、質問モデルが生成されてもよく、一例として、質問と当該質問に対する回答をインプット情報とし、キャリアコンサルタントが過去に実際に行った次の質問をアウトプット情報として、質問モデルが生成されてもよい。生成された質問モデルは記憶部６０で記憶されてもよい。また、記憶部６０に予め準備された質問モデルが記憶されていてもよい。質問部３０はシナリオに沿って質問するようにしてもよく、ユーザからの回答に応じてシナリオを分岐させるときの回答パターン例が記憶部６０で記憶されてもよい。この場合、ユーザからの回答に応じて質問を変えて、ユーザの自分史を作成しつつ、ユーザの強みを聞き出せるようにしてもよい。

【0034】

質問部３０は、ユーザから聞き出した自分史における出来事・エピソードのうち、深掘り質問を行うべきでき重要な出来事・エピソードを所定数（例えば５～１０）だけ選択し、選んだ出来事を重点的に質問するようにしてよい。出来事・エピソードをフラットに質問することで、強みを診断する上で本人が意識していない重要な出来事・エピソードが漏れてしまうことを防止できる。

【0035】

質問部３０は、ユーザから聞き出した出来事の学び情報としての価値を評価し、その価値の高いものから順に所定数だけ選択して、重点的に質問を行うようにしてもよい。回答を質問モデルに適用することで、当該回答の評価が行われるようにしてもよい。質問モデルは、キャリアコンサルタントが過去に行ったユーザの複数の回答に対する評価（学び情報としての価値）を学習情報として用いて、生成されてもよい。一例としては、ユーザからの回答をインプット情報とし、当該回答に対する評価（学び情報としての価値）をアウトプット情報として、質問部３０が機械学習を行うようにしてもよい。また、質問部３０が出来事・エピソードに関して学びがあったかをユーザに質問し、学びがあった旨の回答がユーザからあった場合には、当該出来事・エピソードについて深掘りして質問する（複数の質問を行う）ようにしてもよい。

【0036】

深掘りする際の質問の内容としては、例えば図４で示しているような「○○の項目で「・・・」と回答された内容について詳細を教えてください」、「そのときあなたはどう感じましたか」、「その出来事が今につながっていると回答されましたが、具体的にその経験の中で学んだと感じることを教えてください」、「それはなぜですか」等の内容を聞いてもよい。質問に対する回答については、「わからない」という選択肢を用意してもよい。ユーザが「わからない」という選択肢を選択した場合には、当該質問についてはスキップして、次の項目について、図４で示しているような内容を改めて聞いてもよい。

【0037】

このようにして得られた回答に基づいて強み分析エンジンとして機能する判断部２０が強みを推測してもよい。この場合、判断部２０が得られた回答を判断モデルに適用することで、ユーザの強み情報を取得してもよい。なお、深掘りしたときの回答が一つもない場合には、ユーザの考える強みの入力を促すようにしてもよい。この際には、自分史を出力部９０が出力し、その自分史を見た上でユーザに強みを決めてもらうようにしてもよい。

【0038】

記憶部６０では、強みを構成する複数の強み要素、強みの説明等が記憶されてもよい。判断部２０は、ユーザからの回答に基づいて各強み要素の値を評価し、高い評価値となっている強み要素がユーザの強みであると判断してもよい。一例としては、判断部２０が自然言語処理を行うことで強みを判断してもよく、ユーザからの回答に含まれる単語のベクトルを作成し、強みに関する回答の各ベクトルを加算して導き出されるベクトルに最も近い強み要素又は最も近い順から選定される所定数の強み要素の組み合わせから当該ユーザの強みが何であるかを判断するようにしてもよい。強みの説明は、プラスヒストリー用及びマイナスヒストリー用の各々において準備されてもよい。また、強みの説明には該当する強みを例えば就職後にどのように生かせるかが含まれてもよい。また、ＡＩによる識別を容易にするという観点から、強み要素の各々はＭＥＣＥ（Mutually Exclusive Collectively Exhaustive）であってもよい。但し、これに限られることはなく、強み要素の各々には重複等があってもよい。また、判断部２０はＩＢＭ（登録商標）が提供するＷａｔｓｏｎ（登録商標）等を用いて自然言語処理を行ってもよい。なお、弱みに関しても同様に判断されてもよく、判断部２０が自然言語処理を行うことで弱みを判断してもよく、ユーザからの回答に含まれる単語のベクトルを作成し、弱みに関する回答の各ベクトルを加算して導き出されるベクトルに最も近い弱み要素又は最も近い順から選定される所定数の弱み要素の組み合わせから当該ユーザの弱みが何であるかを判断するようにしてもよい。また、一例として、強みを定義づける強み概念は１０００以上で用意され、記憶部６０で記憶されてもよい。そして、ユーザが入力した回答を自然言語処理した上で該当する複数の強み概念に再分類し、該当する強み概念の組み合わせ又は加重平均（この際に強み概念に掛けられる重みは事前に決定されていてもよいし、ユーザから入力されるようにしてもよい。）からユーザの強みを判断部２０が判断してもよい。同様に、弱み概念が一例として１０００以上用意されてもよく、ユーザが入力した回答を自然言語処理した上で該当する複数の弱み概念に再分類し、該当する弱み概念の組み合わせ又は加重平均からユーザの強みを判断部２０が判断してもよい。

【0039】

強み要素は、何かを実行したい・成し遂げたい資質（実行力）、人に影響を与えたい資質（影響力）、人との関係を育む資質（人間関係構築力）、情報や状況に対処し分析する資質（戦略的思考）といったカテゴリに分けられた複数の要素を含んでもよい。実行力の中には、達成欲、アレンジ、信念、公平性、慎重さ、規律性、目標志向、責任感、回復志向等の強み要素が含まれてもよい。影響力の中には、指令性、コミュニケーション、競争性、最上志向、自己確認、自我、社交性、活発性等の強み要素が含まれてもよい。人間関係構築力には、適応性、運命志向、共感性、調和性、包含、個別化、ポジティブ、親密性等の強み要素が含まれてもよい。戦略的思考には、分析志向、原点志向、未来志向、着想、収集心、内省、学習欲、戦略性等の強み要素が含まれてもよい。

【0040】

また、強みの要素としては「重視する能力の種類」（横軸）として「理性」及び「感性」があり、「外部環境に対する反応」（縦軸）として「変革」及び「適応」があり、これらの軸に沿って強みが分類されるようにしてもよい（図１０参照）。

【0041】

判断部２０で得られた強みを出力部９０が出力して、ユーザに確認を依頼してもよい（図５参照）。出力した強みに対して、ユーザから否定的な回答がきた場合には、ユーザの考える強みの入力を促すようにしてもよい（図６参照）。この際にも、自分史を出力部９０が出力し、その自分史を見た上でユーザに強みを決めてもらうようにしてもよい。また、ユーザの弱みに関連付けられた強み（弱みから転換された強み）が出力されてもよい（図５参照）。

【0042】

質問部３０からの質問によってユーザ情報が収集されてもよいし、予め準備されたフォーマットにしたがってユーザが入力することでユーザ情報が収集されてもよい。ユーザ情報としては、性別、年齢、生年月日、学歴、職歴等が含まれてもよい。ユーザがスポーツ選手である場合には、競技歴・活動歴、活動開始時期、活動終了時期等がユーザ情報として収集されてもよい。また、ユーザ情報としてニックネームが入力されてもよく、この場合には、情報処理装置１での操作は当該ニックネームを用いて行われるようにしてもよい。基本的な利用方法に関するチュートリアル機能を備えてもよく、この場合には、ユーザにチャットボットの使い方に慣れ親しんでもらうことを期待できる。

【0043】

作成部８０によって作成された自分史は、強みとともに出力されてもよい（図９参照）。このように自分史とともに強みを出力することで、強みとして判断された理由をユーザは把握することができ、その理由を理解しやすくなる。また、例えば就職や転職の場面で、自己の強みを述べる際に、その理由を明確に述べることができる点でも有益である。自分史と自己の強みをユーザが確認し、その結果を用いてカウンセリングといった第三者とのメンタリングを行ってもよい（図２参照）。そして、そのメンタリングとの面談の結果を記憶部６０に記憶し、機械学習のための情報として利用してもよい。また、図９で示すように、自分史は強みだけではなく弱みとともに出力されてもよい。この弱みはユーザが自ら入力した弱みであってもよいし、判断部２０で判断された弱みであってもよい。なお、ユーザは自らが考える強みを入力してもよい。この場合、判断部２０で判断されて出力される強みが、結果として、ユーザが自ら入力した強みと同じ内容であることが起こり得ることには留意が必要である。

【0044】

質問部３０は所定の時間カテゴリ毎にプラスになった要素とマイナスになった要素を質問してもよい。また、質問する形式ではなく、ユーザが所定の時間カテゴリ毎にプラスになった要素とマイナスになった要素を入力するようにしてもよい。所定の時間カテゴリ毎というのは、例えば小学校時代、中学校時代、高校時代、大学時代等の各時代を意味している。また、複数の時間カテゴリをまとめてもよく、例えば小学校時代と中学校時代とをまとめて小中学校時代としてもよい。プラスになった要素（プラスヒストリー）としては、例えば、喜びを感じたこと、達成したこと、チャレンジしたこと、成功体験、頑張ったこと、良い出会い等を挙げることができる。マイナスになった要素（マイナスヒストリー）としては、例えば、悲しみを感じたこと、味わった挫折、苦しみ、失敗体験、嫌だったこと、つらかった経験等を挙げることができる。質問部３０での質問においては、ユーザが経験した内容を改めて振り返ったときに、今につながっていることや学んだことがあったかを質問してもよい。また、部活におけるプラスになった要素及びマイナスになった要素についての質問を行ったり、入力を促したりしてもよい。

【0045】

質問部３０からの質問（典型的にはプラスになった要素とマイナスになった要素の質問）は、カテゴリに分けて行われてもよい。例えば、勉学、資格、受験等の学習に関するカテゴリ、部活、習い事、ボランティア活動といった部活動に関するカテゴリ、仕事及びアルバイトに関するカテゴリ、友人、相談する人、影響を受けた人等の人間関係に関するカテゴリ、将来の夢に向けて取った行動に関するカテゴリ等を分けて行われてもよい（図３参照）。また、このようなカテゴリに分けた上で、カテゴリ毎に、ユーザがプラスになった要素とマイナスになった要素を入力するようにしてもよい。

【0046】

判断部２０は自分史の時間カテゴリ毎に強みを判断してもよい（図９参照）。例えば小学校時代、中学校時代、高校時代、大学時代の各々での学び情報又は経験情報に基づいて、根拠となった学び情報又は経験情報と判断部２０で判断された強みを関連付けて、出力部９０が出力してもよい。

【0047】

判断部２０は、質問に対する回答の中から学びの有無を判断してもよい。質問部３０は、判断部２０が学びのあったと判断した内容に関連する複数の質問を行って学び情報又は経験情報を取得してもよい。このように学びのあったと判断した内容に関連して複数の質問を行うことで、深掘りして学び情報を取得することができる点で有益である。判断部２０の用いる判断モデルによって、学びの有無を判断できるようにしてもよい。つまり、判断部２０は、質問に対する回答を判断モデルに適用することで、学びの有無を判断してもよい。例えば、ユーザの学び情報や経験情報に基づいてキャリアコンサルタントが学びがあったと判断した情報を学習情報として用いて、判断部２０が機械学習をしてもよい。

【0048】

またこの場合にも、判断モデルが機械学習によって生成される態様には限られず、予め準備した判断モデルを記憶部６０で記憶させ、当該判断モデルにユーザから取得した情報を適用することで強みの内容、弱みの内容、学びの有無等について判断を行ってもよい。

【0049】

情報処理装置１は、ユーザの目標とするキャリア情報（キャリアパス）とユーザの強みとを比較する比較部４０と、比較部４０による比較結果を受けて推奨する学習コンテンツを選定する選定部４５と、を有してもよい。キャリア情報はユーザがユーザ端末１００の入力部１２０から入力されてもよい。キャリア情報は具体的な職業及び職業におけるポジションであってもよい。またキャリア情報は具体的な企業の職種であってもよい。候補となる学習コンテンツは記憶部６０で記憶されており、候補となる複数の学習コンテンツから、目標とするキャリア情報に必要な強みをつけるための学習コンテンツが選定部４５によって選定されてもよい。また選定部４５がＷＥＢ上での検索を自動で行うことによって、学習コンテンツが選定されてもよい。一例としては、ユーザの目標とするキャリア情報（キャリアパス）に必要な強みＡがあったとして、当該強みＡを補うための学習コンテンツを選定部４５が記憶部６０から読み出してもよいし、ＷＥＢ上での検索を自動で行ってもよい。学習コンテンツのレベルは様々であり、専門性の低い一般的な学習コンテンツから専門性の高い学習コンテンツまで様々なものがある。

【0050】

選定部４５は人工知能機能を有し、学習情報を用いて機械学習することで選定モデルを生成してもよい。学習情報としては、過去の事例に基づいた情報が用いられてもよい。例えば、自分史データを見たキャリアコンサルタントが実際に進めたサービスや取り組みのデータ（過去データ）を学習情報として用いてもよい。一例として、自分史データをインプット情報とし、実際に進めたサービスや取り組みといった学習コンテンツをアウトプット情報として、選定部４５が機械学習を行ってもよい。選定モデルは、ユーザと類似のキャリアを持つ別のユーザに関するデータを検索し、ロールモデルとして活用してもよい。類似のキャリアを持つかどうかは、対象となっているユーザのユーザ情報と、その他の複数のユーザのユーザ情報とを、選定部４５が比較することで判断するようにしてもよい。ユーザがスポーツ選手の場合には、競技の内容、競技でのポジション、学歴等を用いて、参照となるユーザとのマッチングを選定部４５が行ってもよい。一例としては、競技の内容、競技でのポジション、学歴等が似ているその他のユーザであって、社会的に成功しているユーザが学んだ学習コンテンツ等を選定部４５が選定するようにしてもよい。

【0051】

選定部４５が学習コンテンツを提供する態様を採用する場合には、何を学習することで必要な強みを得ることができるかをユーザは把握することができ、キャリアコンサルタントが介入せずに本人の成長を促す取り組みを自動で提案できる点で有益である。

【0052】

個々のユーザの強みの変遷は記憶部６０で記憶され、出力部９０で出力されてもよい。ユーザは自己の強みの変遷を記憶部６０から読み出して確認できるようにしてもよい。このような態様を採用することで、学習コンテンツによる学び情報又は経験情報といった新たな情報に基づいてユーザの強みの変遷（成長）を確認できるようになる。このため、ユーザは、自己の成長度合いやステータスを容易に認識することができる。ユーザの成長度合いを評価する際には統計的モデルを利用してもよい。

【0053】

ユーザが情報処理装置１に気軽にアクセスしやすいように、情報処理装置１は気軽に会話できるための雑談機能や、ユーザの意図感情を推定してカウンセリングを行う機能等の寄り添い続けるメンターとしての機能を有してもよい。このような機能は例えば質問部３０によって実現されてもよい。雑談機能を実現するために、会話応対例文データを記憶部６０は記憶してもよい。ユーザの意図感情（感情値）を質問部３０が判断し、質問部３０が感情値からカウンセリングアクションを決定するようにしてもよい。

【0054】

メンターとしての機能を実現するために、質問部３０が学習情報を用いて機械学習することでメンターモデルを生成してもよい。メンターモデルの生成には、キャリアコンサルタントが過去に実際に行った複数のユーザとの雑談やカウンセリング内容を学習情報として用い、機械学習によってメンターモデルを生成してもよい。

【0055】

記憶部６０は複数のユーザ情報を記憶しており、各ユーザのユーザ情報はユーザＩＤといった識別情報に紐づいて管理されて記憶されてもよい。ユーザがログイン画面でユーザＩＤとパスワードを入力することで、当該ユーザに紐づいたユーザ情報を読み出すことができ、自分史や強み、弱み、強みや弱みの変遷等の情報を確認できるようにしてもよい。なお、推奨された学習コンテンツを利用すると、自動的に学び情報又は経験情報として記憶部６０で記憶されるようにしてもよいし、そのような態様ではなく、ユーザが利用した学習コンテンツを入力することでユーザ情報がアップデートされるようにしてもよい。

【0056】

ユーザは特に限られないが、一例としては、スポーツ選手、芸人、アーティスト等を挙げることができる。スポーツ選手を例に採ると、スポーツ選手として引退することになった場合、その後のキャリア形成が難しい場合がある。このようなスポーツ選手に対して、本態様によれば、自己の強みを伝えることができ、セカンドキャリアの形成に役立てることができる。

【0057】

本実施の形態による情報処理装置１による情報処理方法の一例を図７及び図８を用いて説明する。

【0058】

まず、ユーザがユーザ端末１００から情報処理装置１にアクセスし、ユーザ情報及びパスワードを入力して、ログインする（図７のＳ１及びＳ２参照）。

【0059】

このようにログインするとチャット画面に遷移し、ユーザ端末１００の表示部１１０ではチャット画面が表示される（図７のＳ３及びＳ４、並びに図４乃至図６参照）。この際には、初回呼出用のcontextが記憶部６０から読み出され、ボットＡＰＩ（Application Programming Interface）が読み出される（図７のＳ１０及びＳ１１参照）。そして、質問部３０からの質問がボットによる発言としてユーザ端末１００の表示部１１０で表示される（図７のＳ２０参照）。

【0060】

この際にはデータベース等の記憶部６０にログが保存された上で、ユーザが入力部１２０から回答が入力され、ボットＡＰＩが読み出されて、当該回答に関する質問部３０からの質問が再度行われることになる（図７のＳ２１乃至Ｓ２４参照）。

【0061】

以降は、上記の内容が繰り返し行われる。

【0062】

２回目以降のログインでは、上記の初回呼出用のcontextの代わりに、前回終了時のcontextが読み出され、これまでの会話内容を示した会話画面が復元されることになる（図８のＳ３１及びＳ３２参照）。以降は、上述した工程と同様である（図８のＳ３３乃至Ｓ４４参照）。

【0063】

なお、本実施の形態の受付部１０、出力部９０、比較部４０、選定部４５、判断部２０、質問部３０、関連付け部７０、作成部８０等の各部材は、一つ又は複数のＩＣチップ又は電子モジュール等で実現されてもよいし、回路構成によって実現されてもよい。

【0064】

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。

【0065】

本実施の形態の機械学習では、様々なモデルを利用できる。機械学習を行う際には、典型的には過去の実績を用いてもよく、過去の実績データを学習情報として、モデルが生成される。そして、このモデルを対象となっているユーザの情報又はユーザから取得された情報に適用することで、適切なアウトプットを得ることができる。

【符号の説明】

【0066】

１ 情報処理装置
１０ 受付部
２０ 判断部
３０ 質問部
４０ 比較部
４５ 選定部
６０ 記憶部
７０ 関連付け部
８０ 作成部
９０ 出力部
１２０ 入力部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【手続補正書】

【提出日】2023-01-27

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

入力部から入力されるユーザの学び情報及び経験情報を受け付ける受付部と、
学び情報及び経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
を備え、
前記学び情報及び前記経験情報は学生時代での情報を含む、情報処理装置。

【請求項2】

入力部から入力されるユーザの学び情報又は経験情報と、ユーザの弱みを受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
弱みを強みに関連付ける関連付け部と、
前記判断部によって判断されたユーザの強みと、弱みに関連付けられた強みを出力する出力部と、
を備える、情報処理装置。

【請求項3】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
ユーザに対する複数の質問を行う質問部と、
質問に対する回答からユーザの自分史を作成する作成部と、
を備え、
出力部は自分史を出力する、情報処理装置。

【請求項4】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
ユーザに対する複数の質問を行う質問部と、
を備え、
質問部は所定の時間カテゴリ毎にプラスになった要素とマイナスになった要素を質問する、情報処理装置。

【請求項5】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
ユーザに対する複数の質問を行う質問部と、
を備え、
判断部は、質問に対する回答の中から学びの有無を判断し、
質問部は、判断部が学びのあったと判断した内容に関連する複数の質問を行って学び情報又は経験情報を取得する、情報処理装置。

【請求項6】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
ユーザの目標とするキャリア情報とユーザの強みとを比較する比較部と、
比較部による比較結果を受けて推奨する学習コンテンツを選定する選定部と、
を備える、情報処理装置。

【請求項7】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
ユーザの強みの変遷を記憶する記憶部と、
を備え、
出力部はユーザの強みの変遷を出力する、情報処理装置。

【請求項8】

入力部から入力されるユーザの学び情報又は経験情報を受け付ける受付部と、
学び情報又は経験情報をモデルに適用することでユーザの強みを判断する判断部と、
ユーザの強みを出力する出力部と、
を備え、
判断部は自分史の時間カテゴリ毎に強みを判断する、情報処理装置。

【請求項9】

判断部はユーザに関する複数の強みを導き出す、請求項１乃至８のいずれか１項に記載の情報処理装置。

【請求項10】

学び情報又は経験情報は学生時代での情報を含む、請求項２乃至９のいずれか１項に記載の情報処理装置。

【請求項11】

入力部から入力されるユーザの学び情報及び経験情報を受付部によって受け付ける工程と、
判断部が学び情報及び経験情報をモデルに適用することでユーザの強みを判断する工程と、
出力部によってユーザの強みを出力する工程と、
を備え、
前記学び情報及び前記経験情報は学生時代での情報を含む、情報処理方法。

【請求項12】

情報処理装置にインストールするためのプログラムであって、
プログラムをインストールされた情報処理装置は、
入力部から入力されるユーザの学び情報及び経験情報を受け付ける受付機能と、
学び情報及び経験情報をモデルに適用することでユーザの強みを判断する判断機能と、
ユーザの強みを出力する出力機能と、
を備え、
前記学び情報及び前記経験情報は学生時代での情報を含む、プログラム。