JP7207825B2 - エンゲージメントの推定装置、推定方法、プログラム、および記録媒体 - Google Patents

Description

本発明は、会社等のグループにおけるエンゲージメントを推定する推定装置、推定方法、プログラム、および記録媒体に関する。

会社等の組織において、組織のパフォーマンスを向上させるための情報として、組織のエンゲージメントを把握することは、極めて重要である。そこで、前記組織においては、例えば、人事に関するデータを把握し、社員に対する定期的なアンケートを実施し、エンゲージメントを把握している。

しかしながら、アンケートに基づくエンゲージメントの把握は、例えば、アンケート結果をまとめる担当の主観が入ってしまう。また、アンケートを定期的に行っても、アンケート後、次のアンケート結果が得られるまでの間について、エンゲージメントの変移を推定することが困難、つまり、リアルタイムでのエンゲージメントの推定が困難である。

そこで、本発明は、アンケートを必須とすることなく、エンゲージメントの推定を可能とする新たなシステムの提供を目的とする。

前記目的を達成するために、本発明のエンゲージメントの推定装置は、
情報取得部、入力部、類似ネットワークの抽出部、類似属性の抽出部、およびエンゲージメント算出部を含み、
前記情報取得部は、
グループごとに、グループ情報が紐づけられて記憶されたデータベースから、前記グループ情報を取得し、
前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含み、
前記属性情報は、属性の項目と、属性値とが紐づけられており、
前記ネットワーク情報は、グループ内でメッセージを送受信するコミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報であり、
前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられており、
前記入力部は、
対象グループについて、前記属性情報、および、前記ネットワーク情報を入力し、
前記類似ネットワークの抽出部は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出し、
前記類似属性の抽出部は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出し、
前記エンゲージメント算出部は、
前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定することを特徴とする。

本発明のエンゲージメントの推定方法は、
情報取得工程、入力工程、類似ネットワークの抽出工程、類似属性の抽出工程、およびエンゲージメント算出工程を含み、
前記情報取得工程は、
グループごとに、グループ情報が紐づけられて記憶されたデータベースから、前記グループ情報を取得し、
前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含み、
前記属性情報は、属性の項目と、属性値とが紐づけられており、
前記ネットワーク情報は、グループ内でメッセージを送受信するコミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報であり、
前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられており、
前記入力工程は、
対象グループについて、前記属性情報、および、前記ネットワーク情報を入力し、
前記類似ネットワークの抽出工程は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出し、
前記類似属性の抽出工程は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出し、
前記エンゲージメント算出工程は、
前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定することを特徴とする。

本発明のプログラムは、前記本発明のエンゲージメントの推定方法をコンピュータに実行させることを特徴とする。

本発明の記録媒体は、前記本発明のプログラムを記録したコンピュータ読み取り可能な記録媒体である。

本発明によれば、グループにおいてメンバー間のメッセージ送受信を行うコミュニケーションアプリのログ情報を利用することによって、例えば、アンケート情報の有無にかかわらず、グループのエンゲージメントを推定することができる。また、ログ情報を利用するため、例えば、リアルタイムのエンゲージメントの推定も可能となる。

図１は、実施形態１の推定装置の一例を示すブロック図である。 図２は、実施形態１の推定装置のハードウエア構成の一例を示すブロック図である。 図３は、実施形態１における推定方法の手順を示すフローチャートの一例である。 図４は、実施形態１におけるデータベースにおけるグループ情報の一例を示す表である。 図５は、実施形態１における対象グループＺの入力情報の一例を示す表である。 図６は、実施形態１において、ネットワーク情報に基づく類似するグループの選択の概略を示す模式図である。 図７は、実施形態１において、加重平均により対象グループのエンゲージメント因子の値を算出する算出式を示す。

本発明において、「コミュニケーションアプリ」の種類は、特に制限されず、グループに属するメンバー間において、メッセージの送受信を行えるアプリケーションである。前記メッセージの種類は、特に制限されない。前記メッセージの形式は、特に制限されず、文章、単語、内容を表すイラスト、これらの組合せ等である。

本発明において、前記コミュニケーションアプリの種類は、前述のように、制限されないが、中でも、前述のようなグループのパフォーマンスに影響するエンゲージメントの推定であることから、グループ内のメンバー間において感謝メッセージを送受信するコミュニケーションアプリが好ましい。以下、前記感謝メッセージの送受信を行うコミュニケーションアプリを、「感謝アプリ」ともいう。前記感謝アプリは、例えば、特開２０１８－１４７４９４号公報等が参照できる。以下、本発明の実施形態において、前記コミュニケーションアプリとして感謝アプリを例にあげて説明するが、本発明は、この例には、何ら制限されない。

本発明において、「グループ」の単位は、特に制限されず、複数の構成メンバーを含む単位であれよい。前記グループは、例えば、企業、組合、学校、行政等の組織単位でもよいし、スポーツチーム、同好会等の単位等でもよい。

本発明の実施形態について説明する。なお、本発明は、以下の実施形態には限定されない。なお、以下の各図において、同一部分には、同一符号を付している。また、各実施形態の説明は、特に言及がない限り、互いの説明を援用できる。さらに、各実施形態の構成は、特に言及がない限り、組合せ可能である。

［実施形態１］
図１は、本実施形態の推定装置１０の一例の構成を示すブロック図である。推定装置１０は、例えば、図１（Ａ）に示すように、情報取得部１１、入力部１２、類似ネットワークの抽出部１４、類似属性の抽出部１５、およびエンゲージメント算出部１６を含む。推定装置１０は、例えば、さらに、特徴量抽出部１３を含んでもよい。推定装置１０は、例えば、推定システムともいう。推定装置１０は、例えば、前記各部を含む１つの装置でもよいし、前記各部が、通信回線網を介して接続可能な装置でもよい。前記通信回線網は、例えば、後述の例示と同様である。

推定装置１０は、例えば、データベースから種々の情報を取得するため、図１（Ｂ）に示すように、データベース３０と通信回線網２０を介して接続可能である。なお、推定装置１０は、例えば、そのつど、データベース３０から情報を取得してもよいし、記憶部（例えば、図２における記憶装置１０７）を有し、前記記憶部に、データベース３０に蓄積されている情報を記憶させてもよい。また、推定装置１０により推定された情報等は、例えば、推定装置１０を使用するユーザに対して出力されるため、図１（Ｂ）に示すように、例えば、ユーザの端末４０と通信回線網２０を介して接続可能である。本実施形態において、ユーザとは、推定装置１０のユーザであり、具体的には、例えば、グループ、または前記グループの上位にあたる組織において、エンゲージメントの推定を行う管理者を意味する。また、本実施形態において、前記コミュニケーションアプリを使用するユーザは、前記グループを構成するメンバーという。

通信回線網２０は、特に制限されず、公知の通信回線網を使用でき、有線でも無線でもよい。前記通信回線網は、例えば、例えば、インターネット回線、電話回線、ＬＡＮ（Local Area Network）、ＷｉＦｉ（Wireless Fidelity）等があげられる。

まず、データベース３０に記憶されている情報について説明する。データベース３０には、グループ情報が、例えば、グループの識別情報と紐づけられて、グループ単位で記載されている。データベース３０に記憶されているグループの数は、制限されない。前記グループの識別情報は、例えば、前記グループを特定する情報であり、ＩＤ番号、グループ名等である。前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含む。

前記属性情報は、属性の項目と、属性値とが紐づけられている。前記項目は、特に制限されず、例えば、前記グループの特徴となる情報である。前記項目は、例えば、組織人数、男女比、平均勤続年数、離職率等があげられ、１つでも、２つ以上でもよい。前記属性値の単位は、特に制限されず、前記項目の種類に応じて設定される。前記組織規模の単位は、例えば、人数、店舗数等である。

前記ネットワーク情報は、前記コミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報である。前記ネットワーク情報は、例えば、予め、ネットワークの特徴量を含んでもよい。

前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられている。前記項目は、特に制限されず、例えば、仕事の充実感、チームワーク、同僚への信頼、グループへの信頼、組織への信頼、チームワーク、仕事の納得性、評価の納得性等があげられ、１つでも、２つ以上でもよい。前記エンゲージメント値は、特に制限されず、任意の相対値で表すことができ、具体例として、最大値を１とする相対値があげられ、また率で表すこともできる。前記有意確率は、前記グループにおける前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率であり、例えば、前記送受信数と前記エンゲージメント値との相関関係から算出されるｐ値があげられる。

データベース３０は、例えば、さらに、前記グループ情報として、前記コミュニケーションアプリ（例えば、前記感謝アプリ）のログ情報を含んでもよい。前記ログ情報は、例えば、前記属性情報として記憶されてもよい。前記ログ情報は、例えば、メッセージの受信履歴、およびメッセージの送信履歴を含み、これらは、メッセージを送受信したメンバーの識別情報に紐づけられている。前記受信履歴および前記送信履歴は、例えば、受信者、送信者、およびその時間（送受信時間）を含む。前記ログ情報は、例えば、グループ全体における所定期間のメッセージの送信数および受信数でもよく、前記所定期間は、例えば、日単位でも、週単位でも、月単位でもよい。前記メンバーの識別情報は、例えば、前記ユーザを特定する情報であり、ＩＤ番号、氏名、ニックネーム、送受信用アドレス等である。

推定装置１０において、情報取得部１１は、データベース３０から、記憶されている各種グループ情報を取得する。

推定装置１０において、入力部１２は、エンゲージメントを推定する対象グループについて、属性情報、および、前記ネットワーク情報を入力する。具体的には、例えば、前記ユーザにより、入力部１２を介して、前記情報が入力される。

類似ネットワークの抽出部１４は、データベース３０から取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出する。

推定装置１０は、例えば、さらに、特徴量抽出部１３を含んでもよい。特徴量抽出部１３は、前記ネットワーク情報に基づいて、前記ネットワーク情報の特徴量を抽出する。抽出された特徴量は、例えば、類似ネットワーク抽出部１４における情報として使用できる。前記特徴量の種類は、特に制限されず、例えば、一般的なネットワーク解析における特徴量があげられ、具体例として、ネットワークにおける媒介中心性、次数中心性等がある。前記媒介中心性は、一般に、点を線でつないだネットワークにおいて、点を通る経路（線）が多い程、大きい数値で表すことができる。また、次数中心性は、一般に、点を線でつないだネットワークにおいて、他のノードと繋がっている線が多い程、大きい数値で表すことができる。

類似属性の抽出部１５は、データベース３０から取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出する。

エンゲージメント算出部１６は、前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定する。

推定装置１０は、例えば、さらに、出力部を有してもよく、前記出力部は、推定結果を出力する。前記出力部は、例えば、推定装置１０がディスプレイを有する場合は、ディスプレイに出力して、ユーザに対して推定結果を提示してもよいし、ユーザの端末に出力して、ユーザに対して推定結果を提示してもよい。

つぎに、図２に、推定装置１０のハードウエア構成のブロック図を例示する。推定装置１０は、例えば、ＣＰＵ（中央処理装置）１０１、メモリ１０２、バス１０３、入力装置１０４、ディスプレイ１０５、通信デバイス１０６、記憶装置１０７等を有する。推定装置１０の各部は、それぞれのインターフェース（Ｉ／Ｆ）により、バス１０３を介して、相互に接続されている。

ＣＰＵ１０１は、推定装置１０の全体の制御を担うプロセッサであり、ＣＰＵには限定されず、他のプロセッサでもよい。推定装置１０において、ＣＰＵ１０１により、例えば、本発明のプログラムやその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。

推定装置１０は、例えば、バス１０３に接続された通信デバイス１０６により、通信回線網に接続でき、前記通信回線網を介して、外部機器とも接続できる。前記外部機器は、特に制限されず、例えば、前述のようなデータベース３０、端末４０等である。端末４０は、例えば、端末等であり、前記端末は、例えば、ＰＣ（パーソナルコンピュータ）、タブレット、スマートフォン、携帯電話等である。推定装置１０と前記外部機器との接続方式は、特に制限されず、例えば、有線による接続でもよいし、無線による接続でもよい。前記有線による接続は、例えば、コードによる接続でもよいし、通信回線網を利用するためのケーブル等による接続でもよい。前記無線による接続は、例えば、通信回線網を利用した接続でもよいし、無線通信を利用した接続でもよい。前記通信回線網は、特に制限されず、例えば、公知の通信回線網を使用でき、前述と同様である。

メモリ１０２は、例えば、メインメモリを含み、前記メインメモリは、主記憶装置ともいう。ＣＰＵ１０１が処理を行う際には、例えば、後述する補助記憶装置に記憶されている、本発明のプログラム等の種々の動作プログラム１０８を、メモリ１０２が読み込み、ＣＰＵ１０１は、メモリ１０２からデータを受け取って、プログラム１０８を実行する。前記メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。メモリ１０２は、例えば、さらに、ＲＯＭ（読み出し専用メモリ）を含む。

記憶装置１０７は、例えば、前記メインメモリ（主記憶装置）に対して、いわゆる補助記憶装置ともいう。記憶装置１０７は、例えば、記憶媒体と、前記記憶媒体に読み書きするドライブとを含む。前記記憶媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等があげられ、前記ドライブは、特に制限されない。記憶装置１０７は、例えば、記憶媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）も例示できる。記憶装置１０７には、例えば、前述のように、プログラム１０８が格納され、前述のように、ＣＰＵ１０１を実行させる際、メモリ１０２が、記憶装置１０７から動作プログラム１０８を読み込む。また、記憶装置１０７は、例えば、前記記憶部を含み、前述のように、データベース３０に蓄積されている情報を記憶してもよい。

推定装置１０は、例えば、さらに、入力装置１０４、ディスプレイ１０５を有してもよい。入力装置１０４は、例えば、スキャナー、タッチパネル、キーボード等である。ディスプレイ１０５は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等があげられる。

つぎに、本実施形態の推定方法について、図３の一例のフローチャート、およびグループ情報の例を用いて説明する。本実施形態の推定方法は、情報取得工程、入力工程、類似ネットワークの抽出工程、類似属性の抽出工程、およびエンゲージメント算出工程を含み、さらに、例えば、特徴量算出工程を含んでもよい。本実施形態の推定方法は、例えば、図１および図２に示す推定装置１０を用いて実施できる。なお、本実施形態の推定方法は、推定装置１０の使用には限定されない。

データベース３０には、例えば、図１に示すようなグループ情報が、グループごとに記憶されている。図４には、グループ１－５を例示したが、これらには制限されない。図４のネットワーク情報の欄において、「Ｄａｔａ１」とは、グループ１（識別情報ＩＤ＝１）のログ情報に基づくネットワーク情報であり、さらに、吹き出し欄に示すような、ログ情報が紐付けられて記憶されてもよい。前記ログ情報は、例えば、メッセージの送信メンバーのＩＤ、受信メンバーのＩＤ、送受信日等である。前記ネットワーク情報は、例えば、予め、その特徴量を含んでもよいし、後述する特徴量抽出工程において、例えば、ネットワーク情報から抽出してもよい。

前記入力工程により、対象グループＺについて、前記属性情報Ａ、および、前記ネットワーク情報Ａを入力する（Ｓ１０１）。前記入力工程は、例えば、推定装置１０の入力部１２により実行できる。対象グループＺの入力情報は、例えば、図５に例示するような、属性情報およびネットワーク情報があげられる。ネットワーク情報Ｚは、グループＺのログ情報に基づくネットワーク情報である。前記ネットワーク情報は、例えば、予め、その特徴量を含んでもよいし、後述する特徴量抽出工程において、例えば、ネットワーク情報から抽出してもよい。

前記ネットワーク情報にその特徴量が含まれていない場合は、特徴量抽出工程により、前記対象グループＡのネットワーク情報に基づいて、前記ネットワーク情報の特徴量Ｚを抽出する（Ｓ１０２）。前記特徴量抽出工程は、例えば、推定装置１０の特徴量抽出部１３により実行できる。

一方、データベース３０から、記憶されている各グループのグループ情報を取得する（Ｓ１０３）。この情報取得工程は、例えば、推定装置１０の情報取得部１１により実行できる。そして、前記グループ情報における前記ネットワーク情報に、その特徴量が含まれていない場合は、同様に、各グループについて、前記ネットワーク情報に基づいて、前記ネットワーク情報の特徴量を抽出する（Ｓ１０４）。前記特徴量抽出工程は、例えば、推定装置１０の特徴量抽出部１３により実行できる。

そして、データベース３０から取得した各グループのグループ情報に基づいて、対象グループＺのネットワーク情報の特徴量Ｚと類似する特徴量のネットワーク情報を示すグループＸを選択し（Ｓ１０５）、前記選択したグループＸのエンゲージメント情報Ｘを抽出する（Ｓ１０６）。これらの工程は、例えば、推定装置１０の類似ネットワーク抽出部１４により実行できる。

ここで、図６に、グループＸの選択とエンゲージメント情報Ｘの抽出の概略を示す。図６に示すように、対象グループＺのネットワーク情報に基づく媒介中心性および次数中心性のそれぞれについて、トップからのランキングとワーストからのランキングとを並べ、それぞれの差を示す。この場合、媒介中心性に関する１位から３位の差の挙動（０．５→０．３９→０．３４）と、次数中止中心性の１位から３位の差の挙動（０．５４→０．４７→０．３４）とが、グループＺのネットワーク情報の特徴量となる。同様に、データベース３０の各グループについても特徴量を抽出し、対比することによって、対象グループＺの特徴量に類似するグループ４を、グループＹとして選択できる。そして、グループ４のグループ情報から、エンゲージメント情報Ｙを抽出することができる。

つぎに、前記類似属性の抽出工程として、データベース３０から取得した各グループのグループ情報に基づいて、対象グループＺの属性情報と類似する属性情報を示すグループＹを選択し（Ｓ１０７）、前記選択したグループＹのエンゲージメント情報Ｙを抽出する（Ｓ１０８）。これらの工程は、例えば、推定装置１０の類似属性の抽出部１５により実行できる。

ここで、図７に、グループＹの選択とエンゲージメント情報Ｙの抽出の概略を示す。図４に示すように、グループの属性情報が、規模、男女比、および平均勤続年数の３項目である場合は、それぞれの項目について、類似するグループＹを選択する。すなわち、図７に示すように、属性情報の項目「規模」に関して、対象グループＺの属性情報に類似するグループは、グループ１が選択され、そのエンゲージメント情報が抽出され、項目「男女比」に関して、対象グループＺの属性情報に類似するグループは、グループ２が選択され、そのエンゲージメント情報が抽出され、項目「平均勤続年数」に関して、対象グループＺの属性情報に類似するグループは、グループ３が選択され、そのエンゲージメント情報が抽出される。

各項目のグループの選択は、より具体的には、以下のように行ってもよい。前記項目「規模」の場合、まず、規模の人数が、対象グループＺに類似するグループを選択する。この場合、類似の条件は、適宜設定でき、例えば、第１段階として、対象グループＺの人数に対して、±５０人の範囲であるグループを抽出し、対象グループＺの人数に対して近い人数の上位ｎ個のグループ（例えば、３つ）を、類似するグループとして選択する。±５０人の範囲であるグループがない場合、または、ｎ個に満たない場合は、例えば、さらに、±１００人の範囲であるグループを抽出し、対象グループＺの人数に対して近い人数の上位のグループを、類似するグループとして選択する。つぎに、選択したｎ個のグループについて、複数のエンゲージメント因子(例えば、仕事の充実感、チームワーク、同僚への信頼、グループへの信頼、組織への信頼、チームワーク、仕事の納得性、評価の納得性等)のうち、エンゲージメント値が任意の数値以上（例えば、０．４以上）であり且つｐが任意の数値以上（例えば、０．０１以下）となる因子の数が最も多いグループを、最終的に、前記項目「規模」に関するグループとして選択する。なお、前記項目「男女比」および前記項目「平均勤続年数」に関しても、同様にしてグループを選択できる。

つぎに、前記エンゲージメント算出工程として、前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し（Ｓ１０９）、平均値を前記対象グループのエンゲージメント値Ｚと推定する（Ｓ１１０）。これらの工程は、例えば、推定装置１０のエンゲージメント算出部１６により実行できる。そして、推定結果を出力し（Ｓ１１１）、終了する（ＥＮＤ）。前記出力工程は、例えば、推定装置１０の前記出力部により実行できる。

前記平均値は、例えば、単純計算した平均値でもよいし、重み付けを行った上で平均値をとる加重平均値でもよい。以下に、加重平均の例をあげて説明する。

図７（Ａ）に示すように、前記（Ｓ１０６）により、ネットワーク情報の特徴量に基づき、グループ４のエンゲージメント情報Ｘが抽出され、前記（Ｓ１０８）により、属性情報に基づき、項目「規模」に関してグループ１のエンゲージメント情報Ｙ１、項目「男女比」に関してグループ２のエンゲージメント情報Ｙ２、項目３「平均勤続年数」に関してグループ３のエンゲージメント情報Ｙ３が、それぞれ抽出されている。前記各エンゲージメント情報は、エンゲージメント値と、有意確率（ｐ値）とを含んでいる。そして、有意確率が低いということは、有意確率が低いエンゲージメント項目のエンゲージメント値が、推定値に与える影響を小さくすることが好ましい。このため、属性情報に基づいて得られたエンゲージメント情報Ｙ１、Ｙ２、Ｙ３に関しては、例えば、前記有意確率が相対的に小さい程、大きく設定し、前記有意確率が相対的に大きい程、小さく設定した重み付けを行う。そして、重み付けしたエンゲージメント値から、加重平均値を求め、これを対象グループＺのエンゲージメント値Ｚとして推定することが好ましい。

前記加重平均によるエンゲージメント値Ｚの算出は、例えば、図７（Ｂ）の式が例示できる。この式に基づいて、図７（Ａ）から、各エンゲージメント因子の値を加重平均により算出すると、図７（Ｃ）に示すように、「チームワーク」は「０．１９」と算出され、その他の因子、すなわち、「仕事の充実感」は「０．３６」と算出され、「同僚への信頼」は「０．３９」と算出される。これらが、対象グループＺのエンゲージメント因子のエンゲージメント値と推定される。

［実施形態２］
本実施形態のプログラムは、前記本発明の推定方法を、コンピュータ上で実行可能なプログラムである。または、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体としては、特に限定されず、例えば、前述のような記憶媒体等があげられる。

以上、実施形態を参照して本願発明を説明したが、本願発明は、上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

＜付記＞
上記の実施形態および実施例の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記１）
情報取得部、入力部、類似ネットワークの抽出部、類似属性の抽出部、およびエンゲージメント算出部を含み、
前記情報取得部は、
グループごとに、グループ情報が紐づけられて記憶されたデータベースから、前記グループ情報を取得し、
前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含み、
前記属性情報は、属性の項目と、属性値とが紐づけられており、
前記ネットワーク情報は、グループ内でメッセージを送受信するコミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報であり、
前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられており、
前記入力部は、
対象グループについて、前記属性情報、および、前記ネットワーク情報を入力し、
前記類似ネットワークの抽出部は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出し、
前記類似属性の抽出部は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出し、
前記エンゲージメント算出部は、
前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定する
ことを特徴とするエンゲージメント推定装置。
（付記２）
さらに、特徴量抽出部を含み、
前記特徴量抽出部は、前記ネットワーク情報に基づいて、前記ネットワーク情報の特徴量を抽出する、付記１に記載の推定装置。
（付記３）
前記属性情報は、複数の項目を含み、
前記類似属性の抽出部は、
前記属性情報の項目ごとに、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択した各グループのエンゲージメント情報Ｙを抽出する、付記１または２に記載の推定装置。
（付記４）
前記エンゲージメント算出部は、前記抽出したエンゲージメント情報Ｙについて、前記エンゲージメント値に、その優位確率に応じた重み付けを行い、加重平均値を、前記対象グループのエンゲージメント値Ｚとして推定し、
前記重み付けの重みは、前記有意確率が相対的に小さい程、大きく設定し、前記有意確率が相対的に大きい程、小さく設定する、付記１から３のいずれかに記載の推定装置。
（付記５）
前記属性情報は、前記コミュニケーションアプリのログ情報を含む、付記１から４のいずれかに記載の推定装置。
（付記６）
前記属性情報の項目が、規模、男女比、平均勤続年数、および離職率からなる群から選択された少なくとも一つである、付記１から５のいずれかに記載の推定装置。
（付記７）
前記エンゲージメント因子の項目が、仕事の充実感、チームワーク、同僚への信頼、グループへの信頼、組織への信頼、チームワーク、仕事の納得性、および評価の納得性からなる群から選択された少なくとも一つである、付記１から６のいずれかに記載の推定装置。
（付記８）
情報取得工程、入力工程、類似ネットワークの抽出工程、類似属性の抽出工程、およびエンゲージメント算出工程を含み、
前記情報取得工程は、
グループごとに、グループ情報が紐づけられて記憶されたデータベースから、前記グループ情報を取得し、
前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含み、
前記属性情報は、属性の項目と、属性値とが紐づけられており、
前記ネットワーク情報は、グループ内でメッセージを送受信するコミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報であり、
前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられており、
前記入力工程は、
対象グループについて、前記属性情報、および、前記ネットワーク情報を入力し、
前記類似ネットワークの抽出工程は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出し、
前記類似属性の抽出工程は、
前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出し、
前記エンゲージメント算出工程は、
前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定する
ことを特徴とするエンゲージメント推定方法。
（付記９）
さらに、特徴量抽出工程を含み、
前記特徴量抽出工程は、前記ネットワーク情報に基づいて、前記ネットワーク情報の特徴量を抽出する、付記８記載の推定方法。
（付記１０）
前記属性情報は、複数の項目を含み、
前記類似属性の抽出工程は、
前記属性情報の項目ごとに、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択した各グループのエンゲージメント情報Ｙを抽出する、付記８または９に記載の推定方法。
（付記１１）
前記エンゲージメント算出工程は、前記抽出したエンゲージメント情報Ｙについて、前記エンゲージメント値に、その優位確率に応じた重み付けを行い、加重平均値を、前記対象グループのエンゲージメント値Ｚとして推定し、
前記重み付けの重みは、前記有意確率が相対的に小さい程、大きく設定し、前記有意確率が相対的に大きい程、小さく設定する、付記８から１０のいずれかに記載の推定方法。
（付記１２）
前記属性情報は、前記コミュニケーションアプリのログ情報を含む、付記８から１１のいずれかに記載の推定方法。
（付記１３）
前記属性情報の項目が、規模、男女比、平均勤続年数、および離職率からなる群から選択された少なくとも一つである、付記８から１２のいずれかに記載の推定方法。
（付記１４）
前記エンゲージメント因子の項目が、仕事の充実感、チームワーク、同僚への信頼、グループへの信頼、組織への信頼、チームワーク、仕事の納得性、および評価の納得性からなる群から選択された少なくとも一つである、付記８から１３のいずれかに記載の推定方法。
（付記１５）
付記８から１４のいずれかに記載の推定方法をコンピュータに実行させることを特徴とするプログラム。
（付記１６）
付記１５に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

本発明によれば、グループにおいてメンバー間のメッセージ送受信を行うコミュニケーションアプリのログ情報を利用することによって、例えば、アンケート情報の有無にかかわらず、グループのエンゲージメントを推定することができる。また、ログ情報を利用するため、例えば、リアルタイムのエンゲージメントの推定も可能となる。

１０ 推定装置
１１ 情報取得部
１２ 入力部
１３ 特徴量抽出部
１４ 類似ネットワーク抽出部
１５ 類似属性の抽出部
１６ エンゲージメント算出部

Claims (10)

1. 情報取得部、入力部、類似ネットワークの抽出部、類似属性の抽出部、およびエンゲージメント算出部を含み、
   前記情報取得部は、
   グループごとに、グループ情報が紐づけられて記憶されたデータベースから、前記グループ情報を取得し、
   前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含み、
   前記属性情報は、属性の項目と、属性値とが紐づけられており、
   前記ネットワーク情報は、グループ内でメッセージを送受信するコミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報であり、
   前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられており、
   前記入力部は、
   対象グループについて、前記属性情報、および、前記ネットワーク情報を入力し、
   前記類似ネットワークの抽出部は、
   前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出し、
   前記類似属性の抽出部は、
   前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出し、
   前記エンゲージメント算出部は、
   前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定する
   ことを特徴とするエンゲージメント推定装置。
2. さらに、特徴量抽出部を含み、
   前記特徴量抽出部は、前記ネットワーク情報に基づいて、前記ネットワーク情報の特徴量を抽出する、請求項１に記載の推定装置。
3. 前記属性情報は、複数の項目を含み、
   前記類似属性の抽出部は、
   前記属性情報の項目ごとに、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択した各グループのエンゲージメント情報Ｙを抽出する、請求項１または２に記載の推定装置。
4. 前記エンゲージメント算出部は、前記抽出したエンゲージメント情報Ｙについて、前記エンゲージメント値に、前記エンゲージメント値の有意確率に応じた重み付けを行い、加重平均値を、前記対象グループのエンゲージメント値Ｚとして推定し、
   前記重み付けの重みは、前記有意確率が相対的に小さい程、大きく設定し、前記有意確率が相対的に大きい程、小さく設定する、請求項１から３のいずれか一項に記載の推定装置。
5. 前記属性情報は、前記コミュニケーションアプリのログ情報を含む、請求項１から４のいずれか一項に記載の推定装置。
6. 前記属性情報の項目が、規模、男女比、平均勤続年数、および離職率からなる群から選択された少なくとも一つである、請求項１から５のいずれか一項に記載の推定装置。
7. 前記エンゲージメント因子の項目が、仕事の充実感、チームワーク、同僚への信頼、グループへの信頼、組織への信頼、チームワーク、仕事の納得性、および評価の納得性からなる群から選択された少なくとも一つである、請求項１から６のいずれか一項に記載の推定装置。
8. 情報取得工程、入力工程、類似ネットワークの抽出工程、類似属性の抽出工程、およびエンゲージメント算出工程を含み、
   前記情報取得工程は、
   グループごとに、グループ情報が紐づけられて記憶されたデータベースから、前記グループ情報を取得し、
   前記グループ情報は、属性情報、ネットワーク情報、およびエンゲージメント情報を含み、
   前記属性情報は、属性の項目と、属性値とが紐づけられており、
   前記ネットワーク情報は、グループ内でメッセージを送受信するコミュニケーションアプリのログ情報に基づく、グループの構成メンバー間のネットワークを示す情報であり、
   前記エンゲージメント情報は、エンゲージメント因子の項目と、エンゲージメント値と、前記コミュニケーションアプリの送受信数に対する前記エンゲージメント値の有意確率とが紐づけられており、
   前記入力工程は、
   対象グループについて、前記属性情報、および、前記ネットワーク情報を入力し、
   前記類似ネットワークの抽出工程は、
   前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループのネットワーク情報の特徴量と類似する特徴量のネットワーク情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｘを抽出し、
   前記類似属性の抽出工程は、
   前記データベースから取得した各グループのグループ情報に基づいて、前記対象グループの属性情報と類似する属性情報を示すグループを選択し、前記選択したグループのエンゲージメント情報Ｙを抽出し、
   前記エンゲージメント算出工程は、
   前記エンゲージメント情報Ｘと前記エンゲージメント情報Ｙとに基づいて、前記エンゲージメント因子の項目についてエンゲージメント値の平均を算出し、平均値を前記対象グループのエンゲージメント値Ｚと推定する
   ことを特徴とし、
   前記各工程はコンピュータにより実行される、エンゲージメント推定方法。
9. 請求項８に記載の推定方法をコンピュータに実行させることを特徴とするプログラム。
10. 請求項９に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
    

Images