JP2003030316A

JP2003030316A - 適職判定支援システム及び方法

Info

Publication number: JP2003030316A
Application number: JP2001218641A
Authority: JP
Inventors: Sachiko Nakada; 幸子中田; Kenji Watanabe; 建史渡邊
Original assignee: JINZAI HYPER-RESOURCE KK
Current assignee: JINZAI HYPER-RESOURCE KK
Priority date: 2001-07-18
Filing date: 2001-07-18
Publication date: 2003-01-31

Abstract

(57)【要約】【課題】被験者個人ごとの潜在能力あるいは希望を適
切に評価し、最適な職種を総合的に判定して出力する適
職判定支援システム及び方法を提供する。【解決手段】被験者端末と適職判定サーバとをネット
ワークを介して接続したコンピュータ環境における適職
判定支援システムであって、適職判定サーバが、被験者
端末から入力された情報を受信し、個人の事象に対する
取り組み姿勢を評価する指標であるマインド値を算出
し、個人に形成固着された気性を評価する指標であるキ
ャラクタ値を算出し、個人の潜在的な能力を評価する指
標であるケイパビリティ値を算出し、それらに基づいて
事前に登録されている職種モデルと対比するための個人
モデルを生成し、それを職種モデルとを対比することで
職種モデル類似度を算出し、最も職種モデル類似度の高
い職種モデルを選定し、被験者端末へ送信する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、被験者により入力
された情報に基づいて、当該被験者の適職を判定・出力
する適職判定支援システム及び方法に関する。

【０００２】

【従来の技術】近年、日本国内における厳しい経営環境
を克服するべく、人材の活用は最も重要な課題となって
きている。そして、人材の活性化を図るべく、従来の終
身雇用を基本として固定給から、個人の実績・能力に応
じた能力給へと賃金形態が移行しつつあるのが現状であ
る。

【０００３】かかる環境下において、若年層について
は、環境変化への適応も十分であるのに対して、中高年
層においては、従来の賃金体系からのドラスティックな
転換が迫られており、中高年労働者におけるミスマッチ
の確率は非常に高くなっている。しかしながら、若年労
働者は持っていない豊富な経験に基づいたノウハウやス
キルは、企業にとっても貴重な無形財産であり、中高年
労働者をいかに活用するかが企業の命運を左右する重要
な要素の一つにもなりつつある。

【０００４】従来、かかる中高年労働者の職種転換を促
進するために、職能訓練制度等を活用した労働訓練によ
って労働者個々人の能力アップに努めているが、これら
各種訓練の選択はあくまでも労働者本人の希望に基づい
たものに過ぎず、労働者の適性を正確に評価し、それに
対応した訓練を選択したものとは言えない。したがっ
て、中高年労働者の職種転換に効果を上げているとは言
い難いのが現実である。

【０００５】そこで、被験者である労働者本人から様々
な情報を引き出すことによって、当該労働者にとって職
種転換可能な職種が何であるのかを指摘する判定サービ
スが、様々な形態で行われるようになってきている。

【０００６】かかるサービスにおいては、複数の質問を
用意し、被験者がそれに回答していくことで、被験者個
人の現状、すなわち獲得スキルや経験値等を数値化する
ことによって、職種転換可能な他の職種について判断す
るために必要な情報を提供するサービスが主体となって
いる。

【０００７】

【発明が解決しようとする課題】しかしながら、上述し
たような従来の職種判定システムにおいては、あくまで
も適性を表す各項目について、どの程度であるかを示す
のに止まっており、最終的にどの職種を選択するのか
は、あくまでも被験者本人責任となっていた。また、そ
の多くは現状の把握に主眼を置いており、被験者本人の
ポテンシャル等、被験者の潜在能力の評価部分が欠けて
いるという問題点があった。

【０００８】また、情報の入力時において、被験者本人
の思いこみ等を排除することが困難であり、適職である
との判定結果自体の信頼性、あるいは客観性を担保する
ことが困難であるという問題点もあった。

【０００９】一方、被験者本人の希望に基づいて、被験
者の希望職種への適合度を示すことも、ある面では有効
なサービスの一つであると考えられる。しかしながら、
従来の職種判定システムにおいては、当該職種に就業す
るためには何が本人にとって必要であるのかが不明であ
り、被験者本人にとって、今後のキャリアパスの方向性
を示すことすらできていないという問題点もあった。

【００１０】本発明は、上記問題点を解決するために、
被験者個人ごとの潜在能力あるいは希望を適切に評価
し、最適な職種を総合的に判定して出力することができ
る適職判定支援システム及び方法を提供することを目的
とする。

【００１１】

【課題を解決するための手段】上記目的を達成するため
に本発明にかかる適職判定支援システムは、自己に関す
る情報を入力して適職情報を取得する被験者が使用する
被験者端末と、適性情報に基づいて適職を判定する適職
判定サーバとを、ネットワークを介して接続した適職判
定支援システムであって、適職判定サーバが、被験者端
末から入力された情報を受信する入力データ受信部と、
入力された情報に基づいて、個人の事象に対する取り組
み姿勢を評価する指標であるマインド値を算出するマイ
ンド値演算部と、入力された情報に基づいて、個人に形
成固着された気性を評価する指標であるキャラクタ値を
算出するキャラクタ値演算部と、入力された情報に基づ
いて、個人の潜在的な能力を評価する指標であるケイパ
ビリティ値を算出するケイパビリティ値演算部と、マイ
ンド値、キャラクタ値、及びケイパビリティ値に基づい
て、事前に登録されている職種モデルと対比するための
指標として個人モデルを生成する個人モデル生成部と、
個人モデルと職種モデルとを対比して、その類似度合を
示す職種モデル類似度を算出する職種モデル類似度演算
部と、職種モデル類似度に基づいて、最も類似度の高い
職種モデルを選定し、被験者端末へ送信する職種モデル
選定・送信部とを含むことを特徴とする。

【００１２】かかる構成により、被験者本人のポテンシ
ャル等を客観的に判断する指標であるマインド値、キャ
ラクタ値、及びケイパビリティ値を用いることで、被験
者の潜在的な外向度、気性、及び能力を適切に評価する
ことができ、客観性を担保しながら最適な職種モデルを
選定することが可能となる。

【００１３】また、本発明にかかる適職判定支援システ
ムは、職種モデル類似度演算部において、職種モデル類
似度を算出する前に、マインド値、キャラクタ値、及び
ケイパビリティ値に基づいて、類似度の算出対象となる
職種モデルの絞り込みを行うことが好ましい。類似度算
出において、事前に対比対象となる職種モデルを絞り込
むことにより、計算機資源の消費を最小限にすることが
できるからである。

【００１４】また、本発明にかかる適職判定支援システ
ムは、職種モデル及び個人モデルが複数の項目について
数値化されたパラメタで示されており、職種モデル類似
度演算部において、同一項目のパラメタについて個人モ
デルのパラメタを職種モデルのパラメタで除算し、複数
の項目についての複数の除算結果の平均値を算出し、職
種モデル選定・送信部において、除算結果の平均値が１
に近いほど類似度が高いものと判断することが好まし
い。かかる職種モデルが、当該個人モデルに最もバラツ
キ度合が近いモデルだからである。

【００１５】次に、上記目的を達成するために本発明に
かかる適職判定支援システムは、自己に関する情報を入
力して適職情報を取得する被験者が使用する被験者端末
と、適性情報に基づいて適職を判定する適職判定サーバ
とを、ネットワークを介して接続した適職判定支援シス
テムであって、適職判定サーバが、被験者端末から入力
された情報を受信する入力データ受信部と、入力された
情報に基づいて、個人が希望している職種を判定する指
標であるウォンツ値を算出するウォンツ値演算部と、ウ
ォンツ値に基づいて、事前に登録されている職種モデル
と対比するための指標として希望サンプルモデルを生成
する希望サンプルモデル生成部と、希望サンプルモデル
と職種モデルとを対比して、その類似度合を示す職種モ
デル類似度を算出する職種モデル類似度演算部と、職種
モデル類似度に基づいて、最も類似度の高い職種モデル
を選定し、被験者端末へ送信する職種モデル選定・送信
部とを含むことを特徴とする。

【００１６】かかる構成により、被験者本人の希望等を
客観的に判断する指標であるウォンツ値を用いること
で、被験者に求められる能力を適切に評価することがで
き、キャリアパスの方向性を容易に確立することが可能
となる。

【００１７】また、本発明にかかる適職判定支援システ
ムは、職種モデル及び希望サンプルモデルが複数の項目
について数値化されたパラメタで示されており、職種モ
デル類似度演算部において、同一項目のパラメタについ
て希望サンプルモデルのパラメタを職種モデルのパラメ
タで除算し、複数の項目についての複数の除算結果の平
均値を算出し、職種モデル選定・送信部において、除算
結果の平均値が１に近いほど類似度が高いものと判断す
ることが好ましい。かかる職種モデルが、当該希望サン
プルモデルに最もバラツキ度合が近いモデルだからであ
る。

【００１８】また、本発明にかかる適職判定支援システ
ムは、自己に関する情報を入力して適職情報を取得する
被験者が使用する被験者端末と、適性情報に基づいて適
職を判定する適職判定サーバとを、ネットワークを介し
て接続した適職判定支援システムであって、被験者端末
が、自己に関する情報を入力する個人データ入力部と、
入力された自己に関する情報に基づいて、個人の事象に
対する取り組み姿勢を評価する指標であるマインド値を
算出するマインド値演算部と、入力された自己に関する
情報に基づいて、個人に形成固着された気性を評価する
指標であるキャラクタ値を算出するキャラクタ値演算部
と、入力された自己に関する情報に基づいて、個人の潜
在的な能力を評価する指標であるケイパビリティ値を算
出するケイパビリティ値演算部と、マインド値、キャラ
クタ値、及びケイパビリティ値に基づいて、事前に登録
されている職種モデルと対比するための指標として個人
モデルを生成する個人モデル生成部と、生成された個人
モデルを適職判定サーバへ送信する個人モデル送信部
と、適職判定サーバから、最適な職種モデルを受信する
最適職種モデル受信部とを含み、適職判定サーバが、個
人モデルと職種モデルとを対比して、その類似度合を示
す職種モデル類似度を算出する職種モデル類似度演算部
と、職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、被験者端末へ送信する職種モデル選
定・送信部とを含むことを特徴とする。

【００１９】かかる構成により、被験者本人のポテンシ
ャル等を客観的に判断する指標であるマインド値、キャ
ラクタ値、及びケイパビリティ値を用いることで、被験
者の潜在的な外向度、気性、及び能力を適切に評価する
ことができ、客観性を担保しながら最適な職種モデルを
選定することが可能となる。

【００２０】また、本発明にかかる適職判定支援システ
ムは、職種モデル類似度演算部において、職種モデル類
似度を算出する前に、マインド値、キャラクタ値、及び
ケイパビリティ値に基づいて、類似度の算出対象となる
職種モデルの絞り込みを行うことが好ましい。類似度算
出において、事前に対比対象となる職種モデルを絞り込
むことにより、計算機資源の消費を最小限にすることが
できるからである。

【００２１】さらに、本発明にかかる適職判定支援シス
テムは、自己に関する情報を入力して適職情報を取得す
る被験者が使用する被験者端末と、適性情報に基づいて
適職を判定する適職判定サーバとを、ネットワークを介
して接続した適職判定支援システムであって、被験者端
末が、自己に関する情報を入力する個人データ入力部
と、入力された自己に関する情報に基づいて、個人が希
望している職種を判定する指標であるウォンツ値を算出
するウォンツ値演算部と、ウォンツ値に基づいて、事前
に登録されている職種モデルと対比するための指標とし
て希望サンプルモデルを生成する希望サンプルモデル生
成部と、生成された希望サンプルモデルを適職判定サー
バへ送信する希望サンプルモデル送信部と、適職判定サ
ーバから、最適な職種モデルを受信する最適職種モデル
受信部とを含み、適職判定サーバが、希望サンプルモデ
ルと職種モデルとを対比して、その類似度合を示す職種
モデル類似度を算出する職種モデル類似度演算部と、職
種モデル類似度に基づいて、最も類似度の高い職種モデ
ルを選定し、被験者端末へ送信する職種モデル選定・送
信部とを含むことを特徴とする。

【００２２】かかる構成により、被験者本人の希望等を
客観的に判断する指標であるウォンツ値を用いること
で、被験者に求められる能力を適切に評価することがで
き、キャリアパスの方向性を容易に確立することが可能
となる。

【００２３】また、本発明は、上記のような適職判定支
援システムの機能をコンピュータの処理ステップとして
実行するソフトウェアを特徴とするものであり、具体的
には、自己に関する情報を入力して適職情報を取得する
被験者が使用する被験者端末と、適性情報に基づいて適
職を判定する適職判定サーバとを、ネットワークを介し
て接続したコンピュータ環境における適職判定支援方法
であって、適職判定サーバが、被験者端末から入力され
た情報を受信する工程と、入力された情報に基づいて、
個人の事象に対する取り組み姿勢を評価する指標である
マインド値を算出する工程と、入力された情報に基づい
て、個人に形成固着された気性を評価する指標であるキ
ャラクタ値を算出する工程と、入力された情報に基づい
て、個人の潜在的な能力を評価する指標であるケイパビ
リティ値を算出する工程と、マインド値、キャラクタ
値、及びケイパビリティ値に基づいて、事前に登録され
ている職種モデルと対比するための指標として個人モデ
ルを生成する工程と、個人モデルと職種モデルとを対比
して、その類似度合を示す職種モデル類似度を算出する
工程と、職種モデル類似度に基づいて、最も類似度の高
い職種モデルを選定し、被験者端末へ送信する工程とを
含む適職判定支援方法並びにそのような工程を記録した
プログラムであることを特徴とする。

【００２４】かかる構成により、コンピュータ上へ当該
プログラムをロードさせ実行することで、被験者本人の
ポテンシャル等を客観的に判断する指標であるマインド
値、キャラクタ値、及びケイパビリティ値を用いること
で、被験者の潜在的な外向度、気性、及び能力を適切に
評価することができ、客観性を担保しながら最適な職種
モデルを選定することができる適職判定支援システムを
実現することが可能となる。

【００２５】さらに、本発明は、上記のような適職判定
支援システムの機能をコンピュータの処理ステップとし
て実行するソフトウェアを特徴とするものであり、具体
的には、自己に関する情報を入力して適職情報を取得す
る被験者が使用する被験者端末と、適性情報に基づいて
適職を判定する適職判定サーバとを、ネットワークを介
して接続したコンピュータ環境における適職判定支援方
法であって、適職判定サーバが、被験者端末から入力さ
れた情報を受信する工程と、入力された情報に基づい
て、個人が希望している職種を判定する指標であるウォ
ンツ値を算出する工程と、ウォンツ値に基づいて、事前
に登録されている職種モデルと対比するための指標とし
て希望サンプルモデルを生成する工程と、希望サンプル
モデルと職種モデルとを対比して、その類似度合を示す
職種モデル類似度を算出する工程と、職種モデル類似度
に基づいて、最も類似度の高い職種モデルを選定し、被
験者端末へ送信する工程とを含む適職判定支援方法並び
にそのような工程を記録したプログラムであることを特
徴とする。

【００２６】かかる構成により、コンピュータ上へ当該
プログラムをロードさせ実行することで、被験者本人の
希望等を客観的に判断する指標であるウォンツ値を用い
ることで、被験者に求められる能力を適切に評価するこ
とができ、キャリアパスの方向性を容易に確立すること
ができる適職判定支援システムを実現することが可能と
なる。

【００２７】

【発明の実施の形態】（実施の形態１）以下、本発明の
実施の形態１にかかる適職判定支援システムについて、
図面を参照しながら説明する。図１は本発明の実施の形
態１にかかる適職判定支援システムの構成図である。

【００２８】図１において、１は被験者端末であり、適
職を探索する被験者が自己に関する情報を入力し、結果
を表示する端末である。２は適職判定サーバであり、被
験者端末１から入力された個人別情報に基づいて、最適
であると判定された職種に関する情報を提供するもので
ある。また、３はインターネット等の通信手段であり、
被験者端末１と適職判定サーバ２を相互に接続するもの
である。

【００２９】図２は、本発明の実施の形態１にかかる適
職判定支援システムにおける被験者端末の入力画面の例
示図である。図２に示すように、まず被験者のＩＤをＩ
Ｄ入力領域１１に打鍵し、パスワードをパスワード入力
領域１２に打鍵する。認証処理が正常に完了すると、質
問事項表示領域１３に、順次質問事項が表示されてくる
ので、被験者はその一つ一つに対して回答番号入力領域
１４を用いて回答し、確認ボタン１５を押すことで、次
の質問へと移っていくことになる。

【００３０】なお、入力画面は特にこのような画面構成
に限定されるものではなく、必要な情報の入力が可能な
画面構成である限り、どのような画面構成であっても良
く、マルチウィンドウであろうと、シングルウィンドウ
であろうと、限定されるものではない。

【００３１】次に、本実施の形態１にかかる適職判定支
援システムにおける適職判定サーバ２の機能について、
図面を参照しながら説明する。図３は、本発明の実施の
形態１にかかる適職判定支援システムにおける適職判定
サーバ２の構成図である。

【００３２】図３において、まず被験者端末１からユー
ザＩＤ及びパスワードが送信され、ユーザ認証部２１に
おいて被験者であるか否かを確認する。被験者本人であ
ることが確認できたら、質問送信部２２から質問格納部
２３にあらかじめ保存されている質問を被験者端末１に
順次送信することになる。また、送信された当該質問に
対する回答が、後述するマインド値、キャラクタ値、及
びケイパビリティ値の演算にどのように作用するのか等
についても事前に取り決めておき、評価値演算情報格納
部２４へ事前に保存しておくことになる。

【００３３】具体的には、例えば質問が「過去にとらわ
れず、現在に従った考え方をする。」であった場合に
は、マインド値としては外向度を高く（内政度を低く）
評価するように作用し、キャラクタ値としては「ノリの
良さ」の項目値を高く評価するように作用する、といっ
た情報を数値化して、評価値演算情報格納部２４へ保存
しておく。このように、各質問事項について、それぞれ
どのような作用を有しているかを数値データとして保存
することになる。

【００３４】次に、被験者端末１における入力画面から
入力された情報は、入力データ受信部２５で受信され
る。入力された情報は入力データ格納部２６へ保存さ
れ、個人の潜在能力を判定する以下の指標の算出に用い
られる。なお、本実施の形態１では、入力された情報を
一旦保存してから処理することにしているが、特にこれ
に限定されるものではなく、入力データ格納部２６を設
けずに逐次処理するものであっても良い。

【００３５】まず、マインド値演算部２７では、被験者
の事象に対する取り組み姿勢を評価する指標であるマイ
ンド値を算出する。すなわち、マインド値が高ければ高
いほど、被験者の外向度が高いことを示し、マインド値
が低ければ低いほど、被験者の内政度が高いことを意味
することになる。したがって、外向度が高ければ「営
業」等の職種に向いており、内政度が高ければ「研究開
発者」等の職種に向いているものと判断するための指標
となり得る。

【００３６】具体的には、質問項目ごとに「外向」、
「内政」、「関係なし」の３つに区分分けしておき、
「外向」を‘１’、「内政」を‘−１’、「関係なし」
を‘０’とする。そして、各々の質問項目に対する入力
値と各々の係数値である‘１’、‘−１’、‘０’を乗
算した値の総和でもって被験者のマインド値として算出
する。

【００３７】なお、マインド値の算出方法はこれに限定
されるものではなく、他の方法であっても良い。また、
算出された被験者ごとのマインド値は、マインド値格納
部２８に保存される。

【００３８】図４は、本発明の実施の形態１にかかる適
職判定支援システムにおけるマインド値格納部２８のデ
ータ構造の例示図である。図４に示すように、最小限ユ
ーザＩＤごとに算出したマインド値が保存されていれば
良い。ただし、詳細な分析を可能とするために、各質問
項目番号（図４においては○付きの数字で示してい
る。）とその回答をも保存しておくことが望ましい。

【００３９】次に、キャラクタ値演算部２９では、被験
者に形成固着されている気性を評価する指標であるキャ
ラクタ値を算出する。キャラクタ値は、複数の項目に分
割されており、各項目の絶対値の大小によって、被験者
に形成固着されている気性を評価することになる。

【００４０】具体的には、「やさしさ」や「意思の強
さ」等の気性を表す項目を複数用意しておき、各質問が
どの気性を表す項目に対して影響を与えるのかを決めて
おく。そして、質問に対する入力値をそれぞれ気性を表
す項目値として加算していき、個人ごとの項目値の総和
を‘１００％’とした百分率によって表すことで、項目
ごとのキャラクタ値として求めることになる。

【００４１】例えば、質問が「過去にとらわれず、現在
に従った考え方をする。」であった場合には、「ノリの
良さ」の項目に入力値を加算することで、項目「ノリの
良さ」が強調されることになる。なお、キャラクタ値の
算出方法は、これに限定されるものではない。項目ごと
に算出されたキャラクタ値は、キャラクタ値格納部３０
に保存されることになる。

【００４２】図５は、本発明の実施の形態１にかかる適
職判定支援システムにおけるキャラクタ値格納部３０の
データ構造の例示図である。図５に示すように、ユーザ
ＩＤごとに各キャラクタ項目（図５では○付き数字で表
している。）ごとのキャラクタ値を、全項目の総和を
‘１００％’とした百分率で表した数値として保存する
ことになる。

【００４３】さらに、ケイパビリティ値演算部３１で
は、被験者の潜在的な能力を評価する指標であるケイパ
ビリティ値を算出する。ケイパビリティ値は、複数の項
目に分割されており、各項目の絶対値の大小によって、
被験者の潜在的な能力を評価することになる。

【００４４】具体的には、「継続進歩性」や「知見応用
力」等の能力を表す項目を複数用意しておき、各質問が
どの能力を表す項目に対して影響を与えるのかを決めて
おく。そして、質問に対する入力値をそれぞれ能力を表
す項目値として加算していくことで、項目ごとのケイパ
ビリティ値が求まることになる。

【００４５】例えば、質問が「市場や環境の変化・進歩
に対応するべく、仕事の手法や商品を買えていく努力を
していきたい。」であった場合には、「継続進歩性」の
項目に入力値を加算することで、項目「継続進歩性」が
強調されることになる。また、他の項目である「価値判
定力」、「柔軟対応力」等についても、入力値に対して
一定の減算係数を乗算してから加算する、いわゆる重み
付け加算を行うことも可能である。なお、ケイパビリテ
ィ値の算出方法は、これに限定されるものではない。項
目ごとに算出されたケイパビリティ値は、ケイパビリテ
ィ値格納部３２に保存されることになる。

【００４６】図６は、本発明の実施の形態１にかかる適
職判定支援システムにおけるケイパビリティ値格納部３
２のデータ構造の例示図である。図６に示すように、ユ
ーザＩＤごとに各ケイパビリティ項目（図５では○付き
数字で表している。）ごとのケイパビリティ値を、各ケ
イパビリティ項目において満点を‘１００’とした数値
を保存することになる。したがって、キャラクタ値とは
異なり、各項目の総和は被験者ごとに一致するものでは
ない。

【００４７】そして、個人モデル生成部３３において、
マインド値格納部２８に保存されたマインド値、キャラ
クタ値格納部３０に保存されたキャラクタ値、及びケイ
パビリティ値格納部３２に保存されたケイパビリティ値
に基づいて、個人モデルを生成する。

【００４８】具体的には、個人モデル生成部３３におい
て、マインド値格納部２８に保存されたマインド値、キ
ャラクタ値格納部３０に保存されたキャラクタ値、及び
ケイパビリティ値格納部３２に保存されたケイパビリテ
ィ値そのものをパラメタとした個人モデルを生成するこ
とになる。本実施の形態１では、特に個人モデルを保存
する個人モデル格納部を設けていないが、これは各パラ
メタに対して特に処理を施していないからである。個人
モデルとして、何らかの処理を行って別のパラメタを生
成する場合には、別途個人モデル格納部を設けることが
好ましい。

【００４９】そして、職種モデル類似度演算部３４にお
いて、生成された個人モデルと、職種モデル格納部３５
に事前に登録されている職種モデルとを対比して、類似
している度合を表す類似度を算出することになる。

【００５０】まず、類似度の算出方法について説明す
る。図７に、本発明の実施の形態１にかかる適職判定支
援システムにおける職種モデル類似度演算部３４の構成
図を示す。

【００５１】図７において、まずマインドベース絞り込
み処理部３４１において、個人モデルのマインド値に基
づいて比較対照とするべき職種モデルを絞り込む。すな
わち、絞り込むための条件をマインド条件格納部３４２
に保存しておき、マインド値格納部２８から読み込んだ
マインド値と照合することで、条件に合致する職種モデ
ルを抽出することになる。

【００５２】図８は、本発明の実施の形態１にかかる適
職判定支援システムにおけるマインド条件格納部３４２
のデータ構造の例示図である。図８に示すように、マイ
ンド値の条件を定めるために、職種ＩＤごとにマインド
値の基準値を設定することになる。そして、個人モデル
におけるマインド値が当該基準値を下回る職種ＩＤにつ
いては類似度の算出を行わないようにすることが考えら
れる。

【００５３】同様に、図８に示すようなマインド条件格
納部３４２のデータ構造において、個人モデルにおける
マインド値が当該基準値を下回る職種ＩＤを排除するの
ではなく、個人モデルにおけるマインド値が当該基準値
を中心とした一定範囲内（例えば基準値を中心に−１０
〜１０の範囲内）にある職種ＩＤを排除することも考え
られる。

【００５４】これらの条件に基づいて、明らかに類似度
を算出する必要性の乏しい職種ＩＤを事前に排除してお
くことによって、類似度算出のための演算処理時間を短
縮化できると共に、無駄な計算機資源の消費を防止する
ことも可能となる。

【００５５】次に、キャラクタベース絞り込み処理部３
４３において、個人モデルのキャラクタ値に基づいて比
較対照とするべき職種モデルを、さらに絞り込む。すな
わち、絞り込むための条件をキャラクタ条件格納部３４
４に保存しておき、キャラクタ値格納部３０から読み込
んだキャラクタ値と照合することで、条件に合致する職
種モデルのみを抽出することになる。

【００５６】図９は、本発明の実施の形態１にかかる適
職判定支援システムにおけるキャラクタ条件格納部３４
４のデータ構造例示図である。図９に示すように、職種
ＩＤごとに各キャラクタ項目（図９では○付き数字で表
している。）について必要とされる数値範囲を設定する
ことになる。したがって、各個人モデルについて、全キ
ャラクタ項目のうち一つでも設定された数値範囲外とな
っている職種ＩＤについては類似度の算出を行わないこ
とになる。こうすることで、類似度算出のための演算処
理時間を短縮化できると共に、無駄な計算機資源の消費
を防止することも可能となる。

【００５７】次に、ケイパビリティベース絞り込み処理
部３４５において、個人モデルのケイパビリティ値に基
づいて比較対照とするべき職種モデルを、さらに絞り込
む。すなわち、絞り込むための条件をケイパビリティ条
件格納部３４６に保存しておき、ケイパビリティ値格納
部３２から読み込んだケイパビリティ値と照合すること
で、条件に合致する職種モデルのみを抽出することにな
る。

【００５８】具体的には、ケイパビリティ値格納部３２
から読み込む際に、被験者個人ごとのケイパビリティ値
が高い項目５つ、及び低い項目５つを、各々のケイパビ
リティ値と共に抽出する。なお、被験者個人ごとのケイ
パビリティ値が高い項目及び低い項目を読み込む個数に
ついては特に‘５’に限定されるものではなく、少なく
とも‘３’以上であれば足りる。そして、ここまでに絞
り込まれた職種モデル各々について、必要ケイパビリテ
ィ項目及び不必要ケイパビリティ項目をケイパビリティ
条件格納部３４６から読み込む。

【００５９】図１０は、本発明の実施の形態１にかかる
適職判定支援システムにおけるケイパビリティ条件格納
部３４６のデータ構造例示図である。図１０に示すよう
に、ケイパビリティ条件格納部３４６には、職種ＩＤご
とに各ケイパビリティ項目（図１０では○付き数字で表
している。）のうち必要ケイパビリティ項目を５つ、不
必要ケイパビリティ項目を５つ登録している。必要ケイ
パビリティ項目及び不必要ケイパビリティ項目の個数は
特に‘５’に限定されるものではないが、少なくとも
‘３’以上であることが好ましい。

【００６０】そして、被験者個人ごとのケイパビリティ
値が高い項目５つと職種ＩＤごとの必要ケイパビリティ
項目５つとを対比して、一致するケイパビリティ項目が
‘２’以下（半数に満たない）である職種ＩＤを排除す
る。こうすることで、必要な能力をあまり有していない
にもかかわらず、適職であるものと判定されることを未
然に回避することができる。

【００６１】次に、被験者個人ごとのケイパビリティ値
が低い項目５つと職種ＩＤごとの不必要ケイパビリティ
項目５つとを対比して、一致するケイパビリティ項目が
‘２’以下（半数に満たない）である職種ＩＤを排除す
る。こうすることで、不必要な能力を結構有しているに
もかかわらず、適職であるものと判定されることを未然
に回避することができる。

【００６２】なお、ケイパビリティベース絞り込み時の
判断基準（「半数に満たない」等）についても、特に上
述したような基準に限定されるものではなく、絞り込み
の程度に応じて自由に設定することが可能である。

【００６３】そして、ここまで比較対照とするべき職種
モデルが絞り込まれた時点で、ケイパビリティ値偏差値
演算部３４７において、ケイパビリティ値格納部３２か
ら読み込んだ個人モデルにおけるケイパビリティ値自体
のバラツキを表すべく、偏差値を各ケイパビリティ項目
ごとに算出する。具体的には、個人モデルにおけるケイ
パビリティ値から標準偏差を求め、各ケイパビリティ項
目について偏差値を算出することになる。

【００６４】その後、類似度演算部３４８において、職
種モデル格納部３５に保存されている職種モデルと対比
することによって類似度を算出することになる。ここ
で、対比される職種モデルについて説明する。図１１
は、本発明の実施の形態１にかかる適職判定支援システ
ムにおける職種モデル格納部３５に登録された職種モデ
ルの例示図である。

【００６５】図１１に示すように、職種モデル格納部３
５においては、職種名及び職種ＩＤごとにケイパビリテ
ィ項目（図１１では○付き数字で表している。）ごとの
ケイパビリティ値を偏差値で表している。各職種モデル
については、過去の統計的な情報から最適と判断される
ケイパビリティ値が設定されている。

【００６６】また、ケイパビリティ値を偏差値で表して
いるのは、ケイパビリティ項目のバラツキ具合を比較の
対象とするためであり、ケイパビリティ値の絶対値を比
較するものではないからである。

【００６７】なお、職種によって、必要となるケイパビ
リティ値は相違するため、職種モデル格納部３５に登録
する際には、不要なケイパビリティ項目については空欄
として登録することになる。

【００６８】次に、類似度の算出方法について説明す
る。まず、図１２に示すように、各ケイパビリティ項目
について、個人モデルの偏差値（Ａ、Ｂ、Ｃ、・・）
と、対比対象となる職種モデルの偏差値（ａ、ｂ、ｃ、
・・）とを対比し、その比（Ａ／ａ、Ｂ／ｂ、Ｃ／ｃ、
・・）を項目別類似度として算出する。この場合、職種
モデルの偏差値が空欄であるケイパビリティ項目につい
ては項目別類似度は算出しない。

【００６９】そして、項目別類似度が算出されているケ
イパビリティ項目の総数をｎ（ｎは自然数）とし、ケイ
パビリティ項目ごとの個人モデルの偏差値をσ_Si、ケイ
パビリティ項目ごとの職種モデルの偏差値をσ_miとする
と（ｉは自然数）、求める類似度Ｐは（数１）で求める
ことができる。

【００７０】

【数１】したがって、類似度Ｐの値が‘１’に近ければ近いほ
ど、個人モデルが対比の対象となった職種モデルに類似
していることになる。

【００７１】最後に、職種モデル選定・送信部３６にお
いて、類似度が最も高いと判断された職種モデルを、被
験者の適職であるものとして選定して、被験者端末１へ
結果として送信する。同時に、被験者のマインド値、キ
ャラクタ値、ケイパビリティ値についてもチャート化等
して送信することになる。

【００７２】被験者が被験者端末１で受信できる出力結
果の例を図１３から図１６に示す。図１３は被験者のマ
インド値をチャート化したグラフの一例を、図１４はキ
ャラクタ値をチャート化したグラフの一例を、図１５は
ケイパビリティ値をチャート化したグラフの一例を、そ
れぞれ示している。

【００７３】また、図１６は本発明の実施の形態１にか
かる適職判定支援システムにおける出力結果の画面表示
の例示図である。図１６に示すように、職種内容表示領
域１６１において、類似度が最も高かった職種モデルに
ついて表示すると共に、その職種モデルにおける業務内
容や該当する業界、あるいは必要専門スキルや必要資格
等の情報についても同時に表示する。また、ＮＥＸＴボ
タン１６２を押すことによって、次に高い類似度であっ
た職種モデルについても同様の表示を行うことができる
ものとする。

【００７４】また、マインドボタン１６３、キャラクタ
ボタン１６４、ケイパビリティボタン１６５を押すこと
で、それぞれ図１３、図１４、図１５に示すようなグラ
フの表示を行うことも可能である。なお、結果出力画面
としては、特にこれらに限定されるものではなく、シン
グルウィンドウでもマルチウィンドウでも良い。

【００７５】以上のような機能を実現するために必要な
適職判定サーバ２におけるプログラム処理の流れについ
て図１７を参照しながら説明する。図１７は、本発明の
実施の形態１にかかる適職判定支援システムにおける適
職判定サーバ２での処理の流れ図である。図１７では、
質問事項への回答が被験者端末１から送信されてからの
処理について記述しており、また最適な職種モデルを選
定する場合の処理についての記述である。

【００７６】図１７において、まず被験者端末１からの
入力データを受信する（ステップＳ１７０１）。そし
て、入力データに基づいて、マインド値を算出し（ステ
ップＳ１７０２）、キャラクタ値を算出し（ステップＳ
１７０３）、ケイパビリティ値を算出する（ステップＳ
１７０４）。

【００７７】次に、個人モデルを生成してから（ステッ
プＳ１７０５）、マインド値、キャラクタ値及びケイパ
ビリティ値に基づいて対比の対象となる職種モデルを絞
り込む（ステップＳ１７０６）。そして、絞り込んだ職
種モデルの中から、最初に対比する職種モデルを任意に
選択する（ステップＳ１７０７）。

【００７８】そして、個人モデルと職種モデルの各々の
ケイパビリティ値に基づいて類似度を算出し（ステップ
Ｓ１７０８）、一時記憶領域に記憶されている類似度と
比較する（ステップＳ１７０９）。算出した類似度が、
一時記憶領域に記憶されている類似度よりも‘１’に近
い場合には（ステップＳ１７０９：Ｙｅｓ）、当該算出
された類似度と当該職種モデル名あるいは職種ＩＤを一
時記憶領域に記憶する（ステップＳ１７１０）。

【００７９】以上の処理を職種モデルを順次選択しなが
ら繰り返し実行し（ステップＳ１７１２）、全ての職種
モデルについて類似度の算出が行われたら（ステップＳ
１７１１：Ｙｅｓ）、最適な職種モデルとして、一時記
憶領域に記憶されている職種モデル名あるいは職種ＩＤ
を被験者端末１に送信することになる（ステップＳ１７
１３）。

【００８０】以上のように本実施の形態１によれば、被
験者本人のポテンシャル等を客観的に判断する指標であ
るマインド値、キャラクタ値、及びケイパビリティ値を
用いることで、被験者の潜在的な外向度、気性、及び能
力を適切に評価することができ、客観性を担保しながら
最適な職種モデルを選定することが可能となる。

【００８１】なお、本実施の形態１においては、ＡＳＰ
（Application Service Provider）サービス等を想定し
て、適職判定サーバ２に全機能を集中させている場合に
ついて説明しているが、とくにこれに限定されるもので
はなく、例えばＪＡＶＡ（登録商標）スクリプト等を用
いて全機能を被験者端末１上で実行できるものであって
も良いし、個人モデルの生成までを被験者端末１で行
い、モデルの照合及び最適職種モデル選定の機能のみを
適職判定サーバ２で行うものであっても良い。

【００８２】（実施の形態２）次に本発明の実施の形態
２にかかる適職判定支援システムついて、図面を参照し
ながら説明する。全体のシステム構成図は、実施の形態
１と同様、図１で表すことができる。実施の形態１と相
違しているのは、被験者端末から入力される情報が、被
験者個人の潜在的な情報ではなく、被験者の主観的な意
思に関する情報である点である。

【００８３】したがって、適職判定サーバ２の構成に若
干の違いがある。図１８は、本発明の実施の形態２にか
かる適職判定支援システムにおける適職判定サーバ２の
構成図である。図３に示した適職判定サーバ２と同一の
構成要素については同一の番号を付することで、詳細な
説明は省略する。

【００８４】図１８において、まず被験者端末１におけ
る入力画面から入力された情報が、入力データ受信部２
５において受信される。入力された情報は入力データ格
納部２６へ保存され、被験者個人の希望職種を判定する
指標であるウォンツ値の算出に用いられる。なお、本実
施の形態２では、入力された情報を一旦保存してから処
理することにしているが、特にこれに限定されるもので
はなく、入力データ格納部２６を設けずに逐次処理する
ものであっても良い。

【００８５】ウォンツ値演算部１８１は、入力されたデ
ータに基づいて、被験者が希望している職種を判定する
ための指標であるウォンツ値を算出するものである。ウ
ォンツ値は、複数の項目に分割されており、各項目の絶
対値の大小によって、被験者の希望に必要な能力を評価
することになる。したがって、項目の内容としてはケイ
パビリティ値と合致する。

【００８６】具体的には、「継続進歩性」や「知見応用
力」等の能力を表す項目を複数用意しておき、各質問が
どの能力を表す項目に対して影響を与えるのかを決めて
おく。そして、質問に対する入力値をそれぞれ能力を表
す項目値として加算していくことで、項目ごとのウォン
ツ値が求まることになる。

【００８７】例えば、質問が「市場や環境の変化・進歩
に対応するべく、仕事の手法や商品を買えていく努力を
していきたい。」であった場合には、「継続進歩性」の
項目に入力値を加算することで、項目「継続進歩性」が
強調されることになる。また、他の項目である「価値判
定力」、「柔軟対応力」等についても、入力値に対して
一定の減算係数を乗算してから加算する、いわゆる重み
付け加算を行うことも可能である。なお、ウォンツ値の
算出方法は、これに限定されるものではない。項目ごと
に算出されたウォンツ値は、ウォンツ値格納部１８２に
保存されることになる。

【００８８】図１９に、本実施の形態２にかかる適職判
定支援システムにおけるウォンツ値格納部１８２のデー
タ構造例示図を示す。図１９に示すように、ユーザＩＤ
ごとに各ウォンツ項目（図１９では○付き数字で表して
いる。）ごとのウォンツ値を、各ウォンツ項目において
満点を‘１００’とした数値として保存することにな
る。

【００８９】そして、希望サンプルモデル生成部１８３
において、ウォンツ値格納部１８２に保存されたウォン
ツ値に基づいて、希望サンプルモデルを生成する。希望
サンプルモデルは、実施の形態１における個人モデルと
同様であるが、ウォンツ値のみのよって構成されている
点のみにおいて相違している。また、本実施の形態２で
は、特に希望サンプルモデルを保存する希望サンプルモ
デル格納部を設けていないが、これはパラメタとしての
ウォンツ値に対して特に処理を施していないからであ
る。希望サンプルモデルとして、ウォンツ値に対して何
らかの処理を行い、別のパラメタを生成する場合には、
別途希望サンプルモデル格納部を設けることが好まし
い。

【００９０】そして、職種モデル類似度演算部３４にお
いては、生成された希望サンプルモデルと、職種モデル
格納部３５に事前に登録されている職種モデルとを対比
して、類似している度合を表す類似度を、実施の形態１
と同様に算出することになる。詳細については、実施の
形態１における説明の「個人モデル」を「希望サンプル
モデル」として扱うものとなることから、省略する。

【００９１】実施の形態１と異なるのは、比較対象とな
るべき職種モデルの絞り込み処理を行わない点にある。
すなわち、比較対照とするべき職種モデルを特に絞り込
むことなく、希望サンプルモデルにおけるウォンツ値自
体のバラツキを表すべく、偏差値を各ウォンツ項目ごと
に算出する。具体的には、希望サンプルモデルにおける
ウォンツ値から標準偏差を求め、各ウォンツ項目につい
て偏差値を算出することになる。

【００９２】その後、実施の形態１と同様に、職種モデ
ル格納部３５に保存されている職種モデルと対比するこ
とによって類似度を算出することになる。類似度の算出
方法についても、実施の形態１と同様である。

【００９３】最後に、職種モデル選定・送信部３６にお
いて、類似度が最も高いと判断された職種モデルを、被
験者の希望職種であるものとして選定して、被験者端末
１へ結果として送信する。同時に、被験者のウォンツ値
についてもチャート化等して送信することになる。

【００９４】被験者が被験者端末１で受信できる出力結
果の例を図２０及び図２１に示す。図２０は被験者のウ
ォンツ値をチャート化したグラフの一例を示している。
また、図２１は本発明の実施の形態２にかかる適職判定
支援システムにおける出力結果の画面表示の例示図であ
る。図２１に示すように、職種内容表示領域２１１にお
いて、類似度が最も高かった職種モデルについて表示す
ると共に、その職種モデルにおける業務内容や該当する
業界、あるいは必要専門スキルや必要資格等の情報につ
いても同時に表示する。また、ＮＥＸＴボタン２１２を
押すことによって、次に高い類似度であった職種モデル
についても同様の表示を行うことができるものとする。

【００９５】また、ウォンツボタン２１３を押すこと
で、図２０に示すようなグラフの表示を行うことも可能
である。なお、結果出力画面としては、特にこれらに限
定されるものではなく、シングルウィンドウでもマルチ
ウィンドウでも良い。

【００９６】以上のような機能を実現するために必要な
適職判定サーバ２におけるプログラム処理の流れについ
て図２２を参照しながら説明する。図２２は、本発明の
実施の形態２にかかる適職判定支援システムにおける適
職判定サーバ２での処理の流れ図である。図２２では、
質問事項への回答が被験者端末１から送信されてからの
処理について記述しており、また最適な希望職種モデル
を選定する場合の処理についての記述である。

【００９７】図２２において、まず被験者端末１からの
入力データを受信する（ステップＳ２２０１）。そし
て、入力データに基づいて、ウォンツ値を算出する（ス
テップＳ２２０２）。

【００９８】次に、希望サンプルモデルを生成してから
（ステップＳ２２０３）、最初に対比する職種モデルを
任意に選択する（ステップＳ２２０４）。

【００９９】そして、希望サンプルモデルと職種モデル
の各々のウォンツ値（ケイパビリティ値）に基づいて類
似度を算出し（ステップＳ２２０５）、一時記憶領域に
記憶されている類似度と比較する（ステップＳ２２０
６）。算出した類似度が、一時記憶領域に記憶されてい
る類似度よりも‘１’に近い場合には（ステップＳ２２
０６：Ｙｅｓ）、当該算出された類似度と当該職種モデ
ル名あるいは職種ＩＤを一時記憶領域に記憶する（ステ
ップＳ２２０７）。

【０１００】以上の処理を職種モデルを順次選択しなが
ら繰り返し実行し（ステップＳ２２０９）、全ての職種
モデルについて類似度の算出が行われたら（ステップＳ
２２０８：Ｙｅｓ）、最適な希望職種モデルとして、一
時記憶領域に記憶されている職種モデル名あるいは職種
ＩＤを被験者端末１に送信することになる（ステップＳ
２２１０）。

【０１０１】以上のように本実施の形態２によれば、被
験者本人の希望等を客観的に判断する指標であるウォン
ツ値を用いることで、被験者に求められる能力を適切に
評価することができ、キャリアパスの方向性を容易に確
立することが可能となる。

【０１０２】なお、本発明の実施の形態にかかる適職判
定支援システムを実現するプログラムは、図２３に示す
ように、ＣＤ−ＲＯＭ２３２−１やフレキシブルディス
ク２３２−２等の可搬型記録媒体２３２だけでなく、通
信回線の先に備えられた他の記憶装置２３１や、コンピ
ュータ２３３のハードディスクやＲＡＭ等の記録媒体２
３４のいずれに記憶されるものであっても良く、プログ
ラム実行時には、プログラムはローディングされ、主メ
モリ上で実行される。

【０１０３】また、本発明の実施の形態にかかる適職判
定支援システムにより生成されたマインド値、キャラク
タ値、ケイパビリティ値等についても、図２３に示すよ
うに、ＣＤ−ＲＯＭ２３２−１やフレキシブルディスク
２３２−２等の可搬型記録媒体２３２だけでなく、通信
回線の先に備えられた他の記憶装置２３１や、コンピュ
ータ２３３のハードディスクやＲＡＭ等の記録媒体２３
４のいずれに記憶されているものであっても良く、例え
ば本発明にかかる適職判定支援システムを利用する際に
コンピュータ２３３により読み取られる。

【０１０４】

【発明の効果】以上のように本発明にかかる適職判定支
援システムによれば、被験者本人のポテンシャル等を客
観的に判断する指標であるマインド値、キャラクタ値、
及びケイパビリティ値を用いることで、被験者の潜在的
な外向度、気性、及び能力を適切に評価することがで
き、客観性を担保しながら最適な職種モデルを選定する
ことが可能となる。

【０１０５】また本発明にかかる適職判定支援システム
によれば、被験者本人の希望等を客観的に判断する指標
であるウォンツ値を用いることで、被験者に求められる
能力を適切に評価することができ、キャリアパスの方向
性を容易に確立することが可能となる。

【図面の簡単な説明】

【図１】本発明の実施の形態１にかかる適職判定支援
システムの構成図

【図２】本発明の実施の形態１にかかる適職判定支援
システムにおける入力画面の例示図

【図３】本発明の実施の形態１にかかる適職判定支援
システムにおける適職判定サーバの構成図

【図４】本発明の実施の形態１にかかる適職判定支援
システムにおけるマインド値格納部のデータ構造例示図

【図５】本発明の実施の形態１にかかる適職判定支援
システムにおけるキャラクタ値格納部のデータ構造例示
図

【図６】本発明の実施の形態１にかかる適職判定支援
システムにおけるケイパビリティ値格納部のデータ構造
例示図

【図７】本発明の実施の形態１にかかる適職判定支援
システムにおける職種モデル類似度演算部の構成図

【図８】本発明の実施の形態１にかかる適職判定支援
システムにおけるマインド条件格納部のデータ構造例示
図

【図９】本発明の実施の形態１にかかる適職判定支援
システムにおけるキャラクタ条件格納部のデータ構造例
示図

【図１０】本発明の実施の形態１にかかる適職判定支
援システムにおけるケイパビリティ条件格納部のデータ
構造例示図

【図１１】本発明の実施の形態１にかかる適職判定支
援システムにおける職種モデル格納部のデータ構造例示
図

【図１２】本発明の実施の形態１にかかる適職判定支
援システムにおける類似度算出方法の説明図

【図１３】本発明の実施の形態１にかかる適職判定支
援システムにおけるマインド値表示の例示図

【図１４】本発明の実施の形態１にかかる適職判定支
援システムにおけるキャラクタ値表示の例示図

【図１５】本発明の実施の形態１にかかる適職判定支
援システムにおけるケイパビリティ値表示の例示図

【図１６】本発明の実施の形態１にかかる適職判定支
援システムにおける出力画面の例示図

【図１７】本発明の実施の形態１にかかる適職判定支
援システムにおける適職判定サーバの処理の流れ図

【図１８】本発明の実施の形態２にかかる適職判定支
援システムにおける適職判定サーバの構成図

【図１９】本発明の実施の形態２にかかる適職判定支
援システムにおけるウォンツ値格納部のデータ構造例示
図

【図２０】本発明の実施の形態２にかかる適職判定支
援システムにおけるウォンツ値表示の例示図

【図２１】本発明の実施の形態２にかかる適職判定支
援システムにおける出力画面の例示図

【図２２】本発明の実施の形態２にかかる適職判定支
援システムにおける適職判定サーバの処理の流れ図

【図２３】コンピュータ環境の例示図

【符号の説明】

１被験者端末２適職判定サーバ３インターネット１１ＩＤ入力領域１２パスワード入力領域１３質問事項表示領域１４回答ボタン入力領域１５確認ボタン２１ユーザ認証部２２質問送信部２３質問格納部２４評価値演算情報格納部２５入力データ受信部２６入力データ格納部２７マインド値演算部２８マインド値格納部２９キャラクタ値演算部３０キャラクタ値格納部３１ケイパビリティ値演算部３２ケイパビリティ値格納部３３個人モデル生成部３４職種モデル類似度演算部３５職種モデル格納部３６職種モデル選定・送信部１６１、２１１職種内容表示領域１６２、２１２ＮＥＸＴボタン１６３マインドボタン１６４キャラクタボタン１６５ケイパビリティボタン１８１ウォンツ値演算部１８２ウォンツ値格納部１８３希望サンプルモデル生成部２１３ウォンツボタン２３１回線先の記憶装置２３２ＣＤ−ＲＯＭやフレキシブルディスク等の可搬
型記録媒体２３２−１ＣＤ−ＲＯＭ２３２−２フレキシブルディスク２３３コンピュータ２３４コンピュータ上のＲＡＭ／ハードディスク等の
記録媒体３４１マインドベース絞り込み処理部３４２マインド条件格納部３４３キャラクタベース絞り込み処理部３４４キャラクタ条件格納部３４５ケイパビリティ絞り込み処理部３４６ケイパビリティ条件格納部３４７個人モデルケイパビリティ値偏差値演算部３４８類似度演算部

Claims

【特許請求の範囲】

【請求項１】自己に関する情報を入力して適職情報を
取得する被験者が使用する被験者端末と、前記適性情報
に基づいて適職を判定する適職判定サーバとを、ネット
ワークを介して接続した適職判定支援システムであっ
て、前記適職判定サーバが、前記被験者端末から入力された情報を受信する入力デー
タ受信部と、前記入力された情報に基づいて、個人の事象に対する取
り組み姿勢を評価する指標であるマインド値を算出する
マインド値演算部と、前記入力された情報に基づいて、個人に形成固着された
気性を評価する指標であるキャラクタ値を算出するキャ
ラクタ値演算部と、前記入力された情報に基づいて、個人の潜在的な能力を
評価する指標であるケイパビリティ値を算出するケイパ
ビリティ値演算部と、前記マインド値、前記キャラクタ値、及び前記ケイパビ
リティ値に基づいて、事前に登録されている職種モデル
と対比するための指標として個人モデルを生成する個人
モデル生成部と、前記個人モデルと前記職種モデルとを対比して、その類
似度合を示す職種モデル類似度を算出する職種モデル類
似度演算部と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する職種モデ
ル選定・送信部とを含むことを特徴とする適職判定支援
システム。
【請求項２】前記職種モデル類似度演算部において、
前記職種モデル類似度を算出する前に、前記マインド
値、前記キャラクタ値、及び前記ケイパビリティ値に基
づいて、前記類似度の算出対象となる前記職種モデルの
絞り込みを行う請求項１記載の適職判定支援システム。
【請求項３】前記職種モデル及び前記個人モデルが複
数の項目について数値化されたパラメタで示されてお
り、前記職種モデル類似度演算部において、同一項目のパラ
メタについて前記個人モデルのパラメタを前記職種モデ
ルのパラメタで除算し、複数の項目についての複数の除
算結果の平均値を算出し、前記職種モデル選定・送信部において、前記除算結果の
平均値が１に近いほど前記類似度が高いものと判断する
請求項１又は２記載の適職判定支援システム。
【請求項４】自己に関する情報を入力して適職情報を
取得する被験者が使用する被験者端末と、前記適性情報
に基づいて適職を判定する適職判定サーバとを、ネット
ワークを介して接続した適職判定支援システムであっ
て、前記適職判定サーバが、前記被験者端末から入力された情報を受信する入力デー
タ受信部と、前記入力された情報に基づいて、個人が希望している職
種を判定する指標であるウォンツ値を算出するウォンツ
値演算部と、前記ウォンツ値に基づいて、事前に登録されている職種
モデルと対比するための指標として希望サンプルモデル
を生成する希望サンプルモデル生成部と、前記希望サンプルモデルと前記職種モデルとを対比し
て、その類似度合を示す職種モデル類似度を算出する職
種モデル類似度演算部と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する職種モデ
ル選定・送信部とを含むことを特徴とする適職判定支援
システム。
【請求項５】前記職種モデル及び前記希望サンプルモ
デルが複数の項目について数値化されたパラメタで示さ
れており、前記職種モデル類似度演算部において、同一項目のパラ
メタについて前記希望サンプルモデルのパラメタを前記
職種モデルのパラメタで除算し、複数の項目についての
複数の除算結果の平均値を算出し、前記職種モデル選定・送信部において、前記除算結果の
平均値が１に近いほど前記類似度が高いものと判断する
請求項４記載の適職判定支援システム。
【請求項６】自己に関する情報を入力して適職情報を
取得する被験者が使用する被験者端末と、前記適性情報
に基づいて適職を判定する適職判定サーバとを、ネット
ワークを介して接続した適職判定支援システムであっ
て、前記被験者端末が、自己に関する情報を入力する個人データ入力部と、入力された前記自己に関する情報に基づいて、個人の事
象に対する取り組み姿勢を評価する指標であるマインド
値を算出するマインド値演算部と、入力された前記自己に関する情報に基づいて、個人に形
成固着された気性を評価する指標であるキャラクタ値を
算出するキャラクタ値演算部と、入力された前記自己に関する情報に基づいて、個人の潜
在的な能力を評価する指標であるケイパビリティ値を算
出するケイパビリティ値演算部と、前記マインド値、前記キャラクタ値、及び前記ケイパビ
リティ値に基づいて、事前に登録されている職種モデル
と対比するための指標として個人モデルを生成する個人
モデル生成部と、生成された前記個人モデルを前記適職判定サーバへ送信
する個人モデル送信部と、前記適職判定サーバから、最適な職種モデルを受信する
最適職種モデル受信部とを含み、前記適職判定サーバが、前記個人モデルと前記職種モデルとを対比して、その類
似度合を示す職種モデル類似度を算出する職種モデル類
似度演算部と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する職種モデ
ル選定・送信部とを含むことを特徴とする適職判定支援
システム。
【請求項７】前記職種モデル類似度演算部において、
前記職種モデル類似度を算出する前に、前記マインド
値、前記キャラクタ値、及び前記ケイパビリティ値に基
づいて、前記類似度の算出対象となる前記職種モデルの
絞り込みを行う請求項６記載の適職判定支援システム。
【請求項８】自己に関する情報を入力して適職情報を
取得する被験者が使用する被験者端末と、前記適性情報
に基づいて適職を判定する適職判定サーバとを、ネット
ワークを介して接続した適職判定支援システムであっ
て、前記被験者端末が、自己に関する情報を入力する個人データ入力部と、入力された前記自己に関する情報に基づいて、個人が希
望している職種を判定する指標であるウォンツ値を算出
するウォンツ値演算部と、前記ウォンツ値に基づいて、事前に登録されている職種
モデルと対比するための指標として希望サンプルモデル
を生成する希望サンプルモデル生成部と、生成された前記希望サンプルモデルを前記適職判定サー
バへ送信する希望サンプルモデル送信部と、前記適職判定サーバから、最適な職種モデルを受信する
最適職種モデル受信部とを含み、前記適職判定サーバが、前記希望サンプルモデルと前記職種モデルとを対比し
て、その類似度合を示す職種モデル類似度を算出する職
種モデル類似度演算部と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する職種モデ
ル選定・送信部とを含むことを特徴とする適職判定支援
システム。
【請求項９】自己に関する情報を入力して適職情報を
取得する被験者が使用する被験者端末と、前記適性情報
に基づいて適職を判定する適職判定サーバとを、ネット
ワークを介して接続したコンピュータ環境における適職
判定支援方法であって、前記適職判定サーバが、前記被験者端末から入力された情報を受信する工程と、前記入力された情報に基づいて、個人の事象に対する取
り組み姿勢を評価する指標であるマインド値を算出する
工程と、前記入力された情報に基づいて、個人に形成固着された
気性を評価する指標であるキャラクタ値を算出する工程
と、前記入力された情報に基づいて、個人の潜在的な能力を
評価する指標であるケイパビリティ値を算出する工程
と、前記マインド値、前記キャラクタ値、及び前記ケイパビ
リティ値に基づいて、事前に登録されている職種モデル
と対比するための指標として個人モデルを生成する工程
と、前記個人モデルと前記職種モデルとを対比して、その類
似度合を示す職種モデル類似度を算出する工程と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する工程とを
含むことを特徴とする適職判定支援方法。
【請求項１０】前記職種モデル類似度を算出する工程
において、前記職種モデル類似度を算出する前に、前記
マインド値、前記キャラクタ値、及び前記ケイパビリテ
ィ値に基づいて、前記類似度の算出対象となる前記職種
モデルの絞り込みを行う請求項９記載の適職判定支援方
法。
【請求項１１】前記職種モデル及び前記個人モデルが
複数の項目について数値化されたパラメタで示されてお
り、同一項目のパラメタについて前記個人モデルのパラメタ
を前記職種モデルのパラメタで除算し、複数の項目につ
いての複数の除算結果の平均値を算出し、前記除算結果の平均値が１に近いほど前記類似度が高い
ものと判断する請求項９又は１０記載の適職判定支援方
法。
【請求項１２】自己に関する情報を入力して適職情報
を取得する被験者が使用する被験者端末と、前記適性情
報に基づいて適職を判定する適職判定サーバとを、ネッ
トワークを介して接続したコンピュータ環境における適
職判定支援方法であって、前記適職判定サーバが、前記被験者端末から入力された情報を受信する工程と、前記入力された情報に基づいて、個人が希望している職
種を判定する指標であるウォンツ値を算出する工程と、前記ウォンツ値に基づいて、事前に登録されている職種
モデルと対比するための指標として希望サンプルモデル
を生成する工程と、前記希望サンプルモデルと前記職種モデルとを対比し
て、その類似度合を示す職種モデル類似度を算出する工
程と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する工程とを
含むことを特徴とする適職判定支援方法。
【請求項１３】前記職種モデル及び前記希望サンプル
モデルが複数の項目について数値化されたパラメタで示
されており、同一項目のパラメタについて前記希望サンプルモデルの
パラメタを前記職種モデルのパラメタで除算し、複数の
項目についての複数の除算結果の平均値を算出し、前記除算結果の平均値が１に近いほど前記類似度が高い
ものと判断する請求項１２記載の適職判定支援方法。
【請求項１４】自己に関する情報を入力して適職情報
を取得する被験者が使用する被験者端末と、前記適性情
報に基づいて適職を判定する適職判定サーバとを、ネッ
トワークを介して接続したコンピュータ環境における適
職判定支援方法であって、前記被験者端末が、自己に関する情報を入力する工程と、入力された前記自己に関する情報に基づいて、個人の事
象に対する取り組み姿勢を評価する指標であるマインド
値を算出する工程と、入力された前記自己に関する情報に基づいて、個人に形
成固着された気性を評価する指標であるキャラクタ値を
算出する工程と、入力された前記自己に関する情報に基づいて、個人の潜
在的な能力を評価する指標であるケイパビリティ値を算
出する工程と、前記マインド値、前記キャラクタ値、及び前記ケイパビ
リティ値に基づいて、事前に登録されている職種モデル
と対比するための指標として個人モデルを生成する工程
と、生成された前記個人モデルを前記適職判定サーバへ送信
する工程と、前記適職判定サーバから、最適な職種モデルを受信する
工程とを含み、前記適職判定サーバが、前記個人モデルと前記職種モデルとを対比して、その類
似度合を示す職種モデル類似度を算出する工程と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する工程とを
含むことを特徴とする適職判定支援方法。
【請求項１５】前記職種モデル類似度を算出する工程
において、前記職種モデル類似度を算出する前に、前記
マインド値、前記キャラクタ値、及び前記ケイパビリテ
ィ値に基づいて、前記類似度の算出対象となる前記職種
モデルの絞り込みを行う請求項１４記載の適職判定支援
方法。
【請求項１６】自己に関する情報を入力して適職情報
を取得する被験者が使用する被験者端末と、前記適性情
報に基づいて適職を判定する適職判定サーバとを、ネッ
トワークを介して接続したコンピュータ環境における適
職判定支援方法であって、前記被験者端末が、自己に関する情報を入力する工程と、入力された前記自己に関する情報に基づいて、個人が希
望している職種を判定する指標であるウォンツ値を算出
する工程と、前記ウォンツ値に基づいて、事前に登録されている職種
モデルと対比するための指標として希望サンプルモデル
を生成する工程と、生成された前記希望サンプルモデルを前記適職判定サー
バへ送信する工程と、前記適職判定サーバから、最適な
職種モデルを受信する工程とを含み、前記適職判定サーバが、前記希望サンプルモデルと前記職種モデルとを対比し
て、その類似度合を示す職種モデル類似度を算出する工
程と、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信する工程とを
含むことを特徴とする適職判定支援方法。
【請求項１７】自己に関する情報を入力して適職情報
を取得する被験者が使用する被験者端末と、前記適性情
報に基づいて適職を判定する適職判定サーバとを、ネッ
トワークを介して接続したコンピュータ環境における適
職判定支援方法を具現化するコンピュータに実行させる
プログラムであって、前記適職判定サーバにおいて、前記被験者端末から入力された情報を受信するステップ
と、前記入力された情報に基づいて、個人の事象に対する取
り組み姿勢を評価する指標であるマインド値を算出する
ステップと、前記入力された情報に基づいて、個人に形成固着された
気性を評価する指標であるキャラクタ値を算出するステ
ップと、前記入力された情報に基づいて、個人の潜在的な能力を
評価する指標であるケイパビリティ値を算出するステッ
プと、前記マインド値、前記キャラクタ値、及び前記ケイパビ
リティ値に基づいて、事前に登録されている職種モデル
と対比するための指標として個人モデルを生成するステ
ップと、前記個人モデルと前記職種モデルとを対比して、その類
似度合を示す職種モデル類似度を算出するステップと、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信するステップ
とを含むことを特徴とするコンピュータに実行させるプ
ログラム。
【請求項１８】前記職種モデル類似度を算出するステ
ップにおいて、前記職種モデル類似度を算出する前に、
前記マインド値、前記キャラクタ値、及び前記ケイパビ
リティ値に基づいて、前記類似度の算出対象となる前記
職種モデルの絞り込みを行う請求項１７記載のコンピュ
ータに実行させるプログラム。
【請求項１９】前記職種モデル及び前記個人モデルが
複数の項目について数値化されたパラメタで示されてお
り、同一項目のパラメタについて前記個人モデルのパラメタ
を前記職種モデルのパラメタで除算し、複数の項目につ
いての複数の除算結果の平均値を算出し、前記除算結果の平均値が１に近いほど前記類似度が高い
ものと判断する請求項１７又は１８記載のコンピュータ
に実行させるプログラム。
【請求項２０】自己に関する情報を入力して適職情報
を取得する被験者が使用する被験者端末と、前記適性情
報に基づいて適職を判定する適職判定サーバとを、ネッ
トワークを介して接続したコンピュータ環境における適
職判定支援方法を具現化するコンピュータに実行させる
プログラムであって、前記適職判定サーバにおいて、前記被験者端末から入力された情報を受信するステップ
と、前記入力された情報に基づいて、個人が希望している職
種を判定する指標であるウォンツ値を算出するステップ
と、前記ウォンツ値に基づいて、事前に登録されている職種
モデルと対比するための指標として希望サンプルモデル
を生成するステップと、前記希望サンプルモデルと前記職種モデルとを対比し
て、その類似度合を示す職種モデル類似度を算出するス
テップと、前記職種モデル類似度に基づいて、最も類似度の高い職
種モデルを選定し、前記被験者端末へ送信するステップ
とを含むことを特徴とするコンピュータに実行させるプ
ログラム。
【請求項２１】前記職種モデル及び前記希望サンプル
モデルが複数の項目について数値化されたパラメタで示
されており、同一項目のパラメタについて前記希望サンプルモデルの
パラメタを前記職種モデルのパラメタで除算し、複数の
項目についての複数の除算結果の平均値を算出し、前記除算結果の平均値が１に近いほど前記類似度が高い
ものと判断する請求項２０記載のコンピュータに実行さ
せるプログラム。