ES Screener

モデル一覧

選択	モデル名	作成日時	学習件数	通過/不通過	精度	操作

登録されたモデルはありません

ESフィルタリング

チェック対象ES (.xlsx) — 複数選択可

0件選択

ES Screener とは

エントリーシート（ES）の一次スクリーニングを支援するツールです。過去の選考結果をもとにAIモデルを構築し、新規ESの通過可能性を判定します。

判定結果はあくまで参考値です。最終判断は必ず人間が行ってください。

ESフィルタリングの使い方

「ESフィルタリング」タブを開く
チェック対象のESファイル（.xlsx）をアップロード（複数可、最大100件）
「フィルタリング実行」ボタンを押す
処理が完了すると、各ESの判定結果が表示される
- Go! — 通過の可能性が高い（確率も表示）
- No Go! — 通過の可能性が低い

注意: フィルタリングにはモデルが必要です。管理者がモデルを学習・選択するまでは実行できません。

ESファイルの要件

ファイル形式: .xlsx のみ
シート名: 「本選考ESひな形」（見つからない場合は先頭シートを使用）
1ファイル最大: 10MB
所定のセル位置にデータが入力されていること

特徴量重要度の見方

モデル一覧の「重要度」ボタンを押すと、各特徴量がどの程度判定に影響しているかを確認できます。

棒が長い特徴量ほど、Go!/No Go! の判定に大きく影響
motivation_* — 志望動機のLLM評価スコア
experience_* — 学生時代の経験のLLM評価スコア
toeic_score, gpa_rank — 数値データ
*_len — 各テキスト項目の文字数

管理者ガイド: モデル学習

「モデル管理」タブを開く
モデル名を入力（例: 「2026年度新卒モデル」）
通過ESファイルをアップロード（推奨: 20件以上）
不通過ESファイルをアップロード（推奨: 20件以上）
「学習を実行」ボタンを押す
進捗バーが表示され、完了後に精度と特徴量重要度が表示される
モデル一覧で学習したモデルを選択（ラジオボタン）する

重要: 学習にはLLM設定が必須です。先にLLM設定を完了してください。

データ件数について: 各カテゴリ最低1件から学習可能ですが、精度確保のため各20件以上を推奨します。件数が少ない場合は警告が表示されます。

管理者ガイド: LLM設定

ESのテキスト（志望動機等）をAIで評価するために、LLMプロバイダーの設定が必要です。

「LLM設定」タブを開く
プロバイダーを選択
- OpenAI — コストと精度のバランスが良い（推奨）
- Anthropic — 長文理解・日本語品質が高い
- Azure OpenAI — データ所在地の制約がある場合
- Local LLM — オフライン・APIコストゼロ（精度は要検証）
APIキーとモデル名を入力
「接続テスト」で疎通を確認
「保存」で設定を永続化

設定項目の説明

項目	説明	デフォルト
Temperature	出力のランダムさ。0.0で毎回同じ結果（推奨）	0.0
タイムアウト	API応答の待ち時間上限	30秒
リトライ回数	API失敗時の再試行回数。全失敗でフォールバック（5点）	3回

注意: 学習時と推論時で異なるLLMを使うと判定精度が低下します。LLMを変更した場合はモデルの再学習を推奨します。

管理者ガイド: キャッシュ管理

LLMスコアリングの結果はキャッシュされ、同じテキストの再評価を省略します。

プロバイダーやモデルを変更すると、キャッシュは自動的に無効になります
手動で全キャッシュを削除するには、LLM設定画面の「キャッシュクリア」を使用してください

個人情報の取り扱い

アップロードされたESファイルはサーバーに保存されません（処理後に削除）
LLMに送信するテキストからは氏名・連絡先が自動除去されます
サーバーに保存されるのは学習済みモデル（.pkl）のみです
クラウドLLM利用時は、志望動機等のテキストが外部APIに送信されます