ES Screener

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）
- エリアをクリックしてファイルダイアログから選択
- またはエクスプローラーからファイル・フォルダをドラッグ&ドロップ（既存の選択に追加される）
- 選び直すときは「クリア」ボタン
「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

判定理由: 各行の「詳細」ボタンで、優れている点・不足している点・判定への寄与を確認できます。「判定への寄与」はAIモデルが実際に何を根拠に判断したかの内訳です（緑=Go!方向、赤=No Go!方向）。スコアが高くてもNo Go!になる場合、その理由をここで確認できます。

実行前の警告: 選択中モデルの学習時LLMと現在のLLM設定が異なる場合、実行ボタンの上に赤い警告が出ます。そのまま実行しようとすると確認ダイアログが出るので、心当たりがなければキャンセルして管理者に確認してください。

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。

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。

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。

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キーを入力
「モデル名」をドロップダウンから選択（一覧はプロバイダーAPIから取得し「推奨」「その他」に分類。一覧に無いモデルは「その他（手入力）...」で直接入力）
「接続テスト」で疎通を確認
「保存」で設定を永続化

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。これはプロバイダーだけでなくモデル名の変更も対象です（例: gpt-4o-mini → gpt-5.5）。

なぜ再学習が必要か: LightGBMに入力する48次元の特徴量のうち27次元（56%）がLLMの採点スコアです。 LightGBMは学習時のLLMのスコア分布に合わせて判定の閾値を学習しているため、LLMを変えると閾値がズレて精度が落ちます。

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。