| 研究課題/領域番号 |
21K10446
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分58030:衛生学および公衆衛生学分野関連:実験系を含まない
|
|---|
| 研究機関 | 岡山大学 |
|---|
研究代表者 |
高尾 総司 岡山大学, 医歯薬学域, 准教授 (50335626)
|
|---|
| 研究分担者 |
頼藤 貴志 岡山大学, 医歯薬学域, 教授 (00452566)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 自然言語処理 / 復職 / メンタルヘルス / 追加事前学習 / メンタルヘルス対応 / 復職判定 / AI / 人工知能 |
|---|
| 研究開始時の研究の概要 |
本研究は、人工知能を活用することで、産業医等の産業保健スタッフのみならず人事担当 者が、メンタル不調者の復職判定面談などを実施する際の標準化された支援システム構築を 行うことを目的とする。未曾有の災害や新型コロナウイルス感染症の拡大により、現時点で 直接的にメンタル不調者が増えているとの指摘まではないものの、就業者への負荷の点から は十分に懸念すべきである。また、標準化の利点は中小企業にも展開しうることに加え(わが国の企業数420万に対して、産業医選任義務のある50人以上の企業はわずか16万程度)、 在宅勤務などで進みつつある非対面による面談対応などにおいても発揮されうるものである。
|
| 研究実績の概要 |
自然言語処理(AI)を用いたメンタル休職者に対する復職判定の予測モデルへの追加学習
1.研究開始当初の背景。公開されている日本語で学習されたBERTとしては東北大のものが一般的であるが、Wikipediaの文章により事前学習されており、登録されている単語もそれに含まれる32,000語となっている。本研究で用いる面接記録データ等に対して、より適切な、自然言語処理を実施するためには、面接記録データ等に含まれる固有の単語を登録し、追加的な事前学習を、ファインチューニングの前に実施することが望ましい。
2.研究の目的。1の背景を踏まえ、これまで本研究室で収集し一般化した約百件の面接記録に加え、2023年度に協力企業等から受領した面接記録約百件を用いて、東北大により事前学習されたBERTに対して、追加事前学習を実施した。
3.研究の方法。文章を分かち書きする手法として、一般的なSentencePieceを用いた。SentencePieceは単語辞書等の事前の情報無しに、日本語等の区切りが無い言語を分かち書きする方法である。分かち書きすることで得られた固有の単語をBERTに単語として追加した。それらの新たな単語と、既存の単語等の間での関係性を認識させるために、BERTに追加的な事前学習を行った。事前学習は、与えられた面接記録データを用いて、アルゴリズム内で穴埋め問題等を自動作成しそれを解かせることで行う。
4.研究成果。事前の情報無しに文章を分かち書きするSentencePieceにより、面接記録データ固有の単語を、頻出順に抽出したところ、「復職可能」「復職準備」「産業医学的配慮」「通算規定」「休職期間」等の単語が得られた。追加の事前学習を実施した結果、正常にloss(誤差)の減少が見られた。
|
