2023–

組織コミュニケーションの生成モデル

2023年〜。長岡技術科学大学 機械学習理論研究室。

きっかけ

学園祭の情報局で代表を務める中で、マネジメントの難しさを感じました。組織の運営を補助できる理論やシステムがあればよいと考えたことが、この研究を始めたきっかけです。

やっていること

組織のメンバー同士のやりとりをネットワークとして表し、深層学習で数値に置き換えます。今の組織と目標にしたい組織をそれぞれ数値にすれば、一方からもう一方へ変わるときにどのような形を通るかがわかります。メンバーを変えずにフラットな組織にできるか、といったことも確かめられます。

  • 組織の形の基準として、ハブ型(1人に連絡が集中する)、階層型、フラット型(全員がまんべんなくつながる)、クラスター型(小グループに分かれる)の4つを置いた
  • それぞれを模した人工の組織1,000件と、学生団体の実際のSlackのやりとり28件で学習させた
  • 組織全体の形と、一人ひとりの立ち位置を分けて表すことで、メンバーと学年を固定したまま、つながり方だけを変えられるようにした
  • もとは分子の構造を扱うために作られたGraphVAEというモデルを、組織向けに作り替えた

結果

  • 一人ひとりの立ち位置を表す部分を外すと、組織を再現したときのつながりの一致度(F1値)が0.701から0.414に下がった。学年の情報だけでは、組織のつながり方を十分に再現できなかった
  • 実際の組織25件は、すべてメンバーを変えずにフラット型へ作り替えられた。クラスター型へ作り替えられたのは25件中3件だった
  • うまくいかなかった原因は、作り替えたあとの組織の姿が学習データに含まれていないことだと考えている。次は、LLMで現実に近い組織のデータを作って補う予定

結果は、乱数の初期値を変えて9回学習させて確かめました。論文の数字を再現するためのスクリプトも用意しています。

発表

  • 2025.03 情報処理学会 第87回全国大会
  • 2025.11 SITA2025「GraphVAEを用いたSlackチャットログに基づく組織構造再構成に関する研究」
  • 2026 SITA2026「メンバー構成を固定した組織コミュニケーション構造の条件付き生成と構造操作の到達範囲」(発表予定)