---
sourceDocument: オーストラリア ServiceNow AI Platform の機能
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/servicenow-platform

 Release :

    - australia

ft:locale :

    - ja-JP

ft:publication_title :

    - オーストラリア ServiceNow AI Platform の機能

ft:clusterId :

    - platcap

bundleId :

    - platcap

workflow :

    - Platform


---

# アセスメントの正規化値

# アセスメントの正規化値 {#ariaid-title1}

* リリースバージョン: Australia
* 
* 更新日 2026年03月12日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：2分

正規化値は、一次方程式とメトリクスのスケール定義に基づいて計算されます。この値はリスクアセスメントに使用できます。

## 任意のメトリクスの正規化値 {#example-normalized-value-calc__section_efw_jxt_zz}

正規化値は、メトリクスのスケール定義に正比例します。スケール定義が小さい場合、つまりスケール値が小さいほど良い場合には、「`正規化値 = 1.0 - 正規化`」となります。

レポートの目的では、メトリクスの結果 \[asmt_metric_result\] テーブルを使用します。

`正規化値 = (入力値 - メトリクスで定義された最小値) / (メトリクスで定義された最大値 - メトリクスで定義された最小値) * (現在のメトリクスの重み付け * バイアス / (メトリクスカテゴリにおけるすべてのメトリクスの重み付けの合計)) * scale_factor`  
バイアスは、カテゴリのメトリクスの重み付けの合計とメトリクスカテゴリの有効なメトリクスの重み付けの合計の比率です。バイアスの計算中、スクリプト化されたメトリクスは除外されます。  
注:  
* アセスメントを実施するときにメトリクスがスキップされた場合は、`メトリクスカテゴリの有効なメトリクスの重み付けの合計`を計算する際にその重み付けが除外されます。
* 次のメトリクスタイプは、正規化値の計算から除外されます。
  * 文字列
  * 日付
  * 日付/時刻
  * 参照
  * 添付ファイル
  * ランキング
  {#example-normalized-value-calc__ul_upj_bky_ylb}
{#example-normalized-value-calc__ul_wsp_wjy_ylb}

たとえば次のシナリオを考えます。

「技術者の能力を評価してください」というメトリクスの正規化値を計算するとします。

|-|-|
| 入力値 | 3 |
| 最小値 | 1 |
| 最大値 | 6 |
| 現在のメトリクスの重み付け | 10 |
| メトリクスカテゴリにおけるメトリクスの数 | 6 * タイプが \[番号\] のものが 4 つ * タイプが \[はい/いいえ\] のものが 1 つ * タイプが \[文字列\] のものが 1 つ (無効なデータタイプ、値が計算不能) {#example-normalized-value-calc__ul_myf_qxt_zz} |
| 回答ごとのメトリクスの有効な重み付け | 10 |
| 尺度値 | 10 |
[表 : 1. メトリクスの値]

{#example-normalized-value-calc__table_dpr_cyt_zz}

`正規化値 = (3 - 1) / (6 - 1) * (10 / (10 + 10 + 10 + 10 + 10)) * 10 = 0.8`

## 複数選択メトリクスの正規化値 {#example-normalized-value-calc__section_sy5_yvv_3kb}

複数選択メトリクスの正規化値は、メトリクスの重み付けとメトリクスの各選択肢のスコアを使用して計算されます。

複数選択メトリクスでは、正規化計算に使用する必要がある各選択肢に対して正規化入力値を定義します。

`正規化値 = (すべての選択肢のスコア) * (現在のメトリクスの重み付け/メトリクスカテゴリの有効なメトリクスの重み付けの合計) * scale_factor`  
ここで、メトリクスのすべての選択肢のスコアは、各選択肢の個々のスコアの合計です。

* `複数選択メトリクスの各選択肢のスコア = 選択肢の正規化入力/メトリクスの最大値`
* `メトリクスの最大値 = メトリクスのすべての選択肢に対する正規化入力の合計`
* `メトリクスの最小値は常に 0`
{#example-normalized-value-calc__ul_il5_szv_3kb}

たとえば次のシナリオを考えます。

3 つの選択肢 A、B、C を使用して「技術者の能力を評価してください」という複数選択メトリクスの正規化値を計算するとします。

|-|-|
| 選択肢 A | 正規化入力は 1 |
| 選択肢 B | 正規化入力は 1 |
| 選択肢 C | 正規化入力は 2 |
| 最小値 | 0 |
| 最大値 | 4 |
| 現在のメトリクスの重み付け | 10 |
| メトリクスカテゴリにおけるメトリクスの数 | 5 |
| メトリクスごとのメトリクスの有効な重み付け | 10 |
| 尺度値 | 10 |
[表 : 2. メトリクスの値]

{#example-normalized-value-calc__table_gqq_c1w_3kb}

選択肢 A と B が選択されている場合は、`正規化値 = ((1 / 4) + (1 / 4)) * (10 / (10 + 10 + 10 + 10 + 10)) * 10 = 1`

## リスクアセスメントの重み付け値 {#example-normalized-value-calc__section_gk3_mzr_jkb}

リスクアセスメントの場合、メトリクス結果テーブルの重み付け値は次のように計算されます。

`weighted_value = metric.weight * result.actual_value`