CN104520915B - 智力生产力分析装置和程序 - Google Patents

Abstract

一种智力生产力分析装置，其配备有评价装置、呈现装置和输入装置。呈现装置向被测者呈现多个问题。输入装置使得被测者能够输入针对问题的解答。评价装置配备有作业存储部，其中该作业存储部针对各问题记录从呈现装置上呈现问题的时间点起、直到解答输入至输入装置的时间点为止的解答时间。此外，评价装置配备有评价运算部，其中该评价运算部通过从作业存储部中所记录的解答时间的集合中提取特征量，来计算测量解答时间的测量时间段内的与被测者的智力生产力有关的评价值。

Description

智力生产力分析装置和程序

技术领域

本发明涉及被配置为测量进行脑力作业的作业人员的智力生产力的智力生产力分析装置、以及用于向计算机实现该智力生产力分析装置的主要部分的功能的程序。

背景技术

传统上，作为用于测量被测者的认识能力的技术，已知有用于通过向被测者示出通过使包含有意义被摄体的图像劣化所生成的图像、并且根据直到被测者感知到被摄体为止的时间段(感知时间段)来计算能力得分的技术(例如，参见日本公开专利第2006-87743号公报(以下称为“文献1”))。文献1公开了如下技术，其中该技术用于通过向多个人示出图像来预先计算感知该图像时的难易度信息、并且通过使用该图像的难易度信息和向特定被测者示出该图像的感知时间来计算被测者的能力得分。

为了测试被测者的集中力，提出了使被测者追踪基准图形并且根据该基准图形和追踪图形之间的偏移量来计算集中度的技术(例如，参见日本公开专利第09-135826号公报(以下称为“文献2”))。该集中度是通过将根据基准图形和追踪图形之间的偏移量所计算出的值乘以系数所计算出的值。然后，在追踪作业结束时，计算在追踪作业期间按恒定间隔所计算出的集中度的变化、平均值、标准偏差、变化系数、最大值和最小值等。文献2公开了以下：通过在进行基准图形的追踪时改变追踪作业的速度来改变难易度，并且通过进行基本图形的追踪作业来估计被测者的生理状态或性格特性。

文献1所公开的能力得分仅表示用以感知各图像的含义的能力。因此，难以利用能力得分来评价向被测者施加脑力作业负荷时的智力生产力。

另一方面，如果采用文献2所公开的技术，则可以计算进行被称为追踪作业的课题期间的被测者的集中度的变化。然而，由于追踪作业不是脑力作业负荷，因此追踪作业不适合进行智力生产力的评价。追踪作业依赖于被测者的手的运动能力。从这点上，追踪作业不适于用以评价智力生产力的目的。

发明内容

本发明的目的是提供一种可以计算与智力生产力有关的客观评价值的智力生产力分析装置。此外，本发明的目的是提供一种用于向计算机实现该智力生产力分析装置的主要部分的功能的程序。

根据本发明的一种智力生产力分析装置，包括：呈现装置，其被配置为向被测者呈现多个问题；输入装置，其被配置为使得所述被测者能够输入针对所述多个问题中的各问题的解答；以及评价装置，其被配置为针对所述多个问题中的各问题来测量从所述呈现装置上呈现问题的时间点起、直到所述解答输入至所述输入装置的时间点为止的解答时间，并且使用所述解答时间的集合来计算与所述被测者的智力生产力有关的评价值，其中，所述评价装置包括：作业存储部，其被配置为记录所述多个问题中的各问题的所述解答时间；以及评价运算部，其被配置为通过从所述作业存储部中所记录的所述解答时间的集合中提取特征量，来计算测量所述多个问题中的各问题的所述解答时间的测量时间段内的与所述被测者的智力生产力有关的评价值。

在该智力生产力分析装置中，优选地，所述评价运算部包括：直方图生成部，其被配置为将所述解答时间划分成多个区间，针对所述多个区间中的各区间来将区间的所述解答时间的总和相对于所述解答时间的总和的比率视为时间占有度，并且生成表示所述时间占有度的分布的时间占有度直方图；应用部，其被配置为将所述时间占有度直方图视为作业状态和短期休息混合的状态下的第一时间占有度直方图与作业状态、短期休息和长期休息混合的状态下的第二时间占有度直方图的叠加，并且向具有所述时间占有度的峰的山形区域中的所述第一时间占有度直方图的候选应用对数正态分布的概率密度函数；以及计算部，其被配置为将根据所述概率密度函数所计算出的期望值提取作为所述特征量，将所述特征量与所述解答的总数的乘积计算作为集中时间，并且将相对于所述测量时间段的所述集中时间计算作为所述评价值。

在该智力生产力分析装置中，优选地，所述应用部被配置为将所述山形区域中的所述时间占有度小于所述峰且解答时间短于与所述峰相对应的解答时间的区域应用于所述概率密度函数。

在该智力生产力分析装置中，优选地，所述应用部被配置为在将所述概率密度函数应用于所述山形区域之后，根据所述时间占有度直方图来计算与所述概率密度函数相当的部分以外的直方图，并且计算应用于所述直方图的函数。

在该智力生产力分析装置中，优选地，所述计算部被配置为将通过从所述测量时间段中减去所述集中时间所获得的值计算作为所述测量时间段中的非集中时间。

在该智力生产力分析装置中，优选地，所述评价运算部被配置为将所述集中时间相对于所述测量时间段的比计算作为集中度的评价值，并且针对所述被测者来计算多个所述测量时间段中的所述集中度的变化。

在该智力生产力分析装置中，优选地，还包括显示装置，所述显示装置被配置为将示出所述解答时间的图表和所述评价运算部所计算出的所述评价值显示在画面上。

在该智力生产力分析装置中，优选地，所述呈现装置和所述输入装置是与所述评价装置一体设置的。

在该智力生产力分析装置中，优选地，所述特征量是能够将所述解答时间处于基准时间内的第一状态与所述解答时间超过所述基准时间的第二状态分离的特征量。

在该智力生产力分析装置中，优选地，所述特征量是：所述解答时间处于所述基准时间内的频数的总和在所述问题的总数中所占的比率；以及通过将所述解答时间处于所述基准时间内的频数分布应用于对数正态分布所计算出的标准偏差，以及所述评价运算部被配置为将所述比率计算作为表示所述第一状态的时间段的长度的评价值，并且将所述标准偏差计算作为表示所述第一状态的时间段的集中度的评价值。

在该智力生产力分析装置中，优选地，所述评价运算部被配置为伴随着所述测量时间段的时间经过，计算所述解答时间处于基准时间内的第一状态以及所述解答时间超过所述基准时间的第二状态。

根据本发明的一种程序，用于使计算机用作评价装置，所述评价装置被配置为将多个问题呈现在呈现装置上，使得被测者能够将针对所述多个问题中的各问题的解答输入至输入装置，针对所述多个问题中的各问题来测量从所述呈现装置上呈现问题的时间点起、直到所述解答输入至所述输入装置的时间点为止的解答时间，并且使用所述解答时间的集合来计算与所述被测者的智力生产力有关的评价值，其中，所述程序使所述计算机用作包括以下部件的评价装置：作业存储部，其被配置为记录所述解答时间；以及评价运算部，其被配置为通过从所述作业存储部中所记录的所述解答时间的集合中提取特征量，来计算测量所述多个问题中的各问题的所述解答时间的测量时间段内的与所述被测者的智力生产力有关的评价值。

根据本发明的构成，针对多个问题，收集从向被测者呈现问题起直到被测者输入问题的解答为止的解答时间，并且从解答时间的集合中提取特征量。因此，可以计算诸如向被测者施加脑力作业负荷的情况下的集中程度或集中状态的持续时间等的与智力生产力有关的客观评价值。

附图说明

将更详细地说明根据本发明的优选实施例。通过以下的详细说明以及附图将更好地理解本发明的其它特征和优点。

图1是示出根据实施例1的智力生产力分析装置的框图。

图2A是示出根据实施例1的认识对象的图，并且图2B是示出根据实施例1的输入装置的显示示例的图。

图3是示出根据实施例1的智力生产力分析装置中的经过时间和解答时间的图。

图4是示出根据实施例1的智力生产力分析装置所使用的双峰性的时间占有度直方图的示例的图。

图5是示出根据实施例1的智力生产力分析装置所使用的单峰性的时间占有度直方图的示例的图。

图6是示出根据实施例1的智力生产力分析装置中应用了概率密度函数的示例的图。

图7是示出根据实施例2的智力生产力分析装置所使用的直方图的示例的图。

图8是示出根据实施例2的智力生产力分析装置中的直方图的模型的图。

图9是示出使用根据实施例2的智力生产力分析装置来测量照明环境和集中度之间的关系的示例的图。

图10是根据实施例2的智力生产力分析装置中计算集中度的变化的示例的图。

图11是示出根据实施例2的智力生产力分析装置中计算测量时间段的状态变化的示例的图。

具体实施方式

实施例1

在以下所述的实施例中，假定被测者是办公室中的工作人员或者教育设施或学习环境中的学生等的情况。办公室中的工作人员主要进行的不是通过身体运动来获得作业结果的身体作业，而是主要进行诸如文件准备、信息管理或分类作业等的使用知识所进行的脑力作业。以下将脑力作业中的生产力称为“智力生产力”。除个人知识和技能的能力以外，智力生产力还影响作业时的集中程度(以下称为“集中强度”)和集中状态的持续时间(以下称为“集中时间段”)。

例如，在与作业有关的脑力作业负荷相对较大的情况下，如果智力生产力提高，则要求脑力作业所使用的脑力资源高度集中。因此，需要高的集中强度。另一方面，在尽管脑力作业负荷相对较小、但脑力作业量大的情况下，要求使脑力作业所使用的脑力资源集中的状态能够持续。因此，尽管集中强度略有下降，但要求相对较长的集中时间段。

被测者不限于办公室中的工作人员，而且例如可以是家庭和学校中的学生。在本实施例中，根据日本工业标准“JIS Z8502-1994”所述的定义来使用诸如“脑力作业负荷”、“脑力负荷”和“脑力”等的术语。日本工业标准“JIS Z8502-1994”是基于国际标准化组织(ISO)的国际标准“ISO 10075(Ergonomic principles related to mental work-load-General terms and definitions)”的标准。如以下所述，在日本工业标准“JIS Z8502-1994”中定义了“脑力负荷”和“脑力”。“脑力负荷”是从外部对人体产生作用以及施加脑力效果的能够评价的影响整体。“脑力”表示人的认知、信息、情感过程。

以下所述的智力生产力分析装置被配置为通过向被测者呈现多个问题并使被测者进行输入各问题的解答的一系列作业，来计算与智力生产力关联的评价值。该评价值是针对被测者的集中强度和集中时间段中的至少一个定量计算出的。

如图1所示，智力生产力分析装置包括：呈现装置20，其被配置为呈现问题；输入装置30，其中使被测者将针对各问题的解答输入至输入装置30；以及评价装置10，其被配置为计算与被测者的智力生产力关联的评价值。评价装置10可以是专用装置。此外，评价装置10可以通过利用通用计算机执行程序来实现。该计算机可以是桌面型或笔记本型。此外，该计算机可以是平板终端、智能电话或可交换程序的游戏机。

在使用笔记本型计算机、平板终端、智能电话或游戏机等作为评价装置10的情况下，评价装置10至少可以与输入装置30一体设置。此外，除输入装置30以外，评价装置10还可以与呈现装置20一体设置。简言之，采用以下三个结构中的任意结构：评价装置10与呈现装置20和输入装置30单独设置的结构；评价装置10与输入装置30一体设置的结构；以及评价装置10与呈现装置20和输入装置30一体设置的结构。

在输入装置30与评价装置10分离的情况下，使用笔记本型计算机、平板终端、智能电话或游戏机等作为输入装置30。在利用输入装置30显示多个选项的情况下，将解答输入至输入装置30的时间点是选择多个选项中的任一选项的时间点。另一方面，在被测者例如利用作为指示装置其中之一的触控笔(触摸笔)将解答输入至输入装置30的情况下，输入装置30将用于向输入装置30和评价装置10通知该输入完成的图标显示在与输入解答所用的区域不同的区域上。然后，输入解答之后点击图标的时间点是将解答输入至输入装置30的时间点。

在呈现装置20与评价装置10分离的情况下，还可以使用诸如电子纸或纸张等作为呈现装置20。在单独使用电子纸作为呈现装置20的情况下、或者在使用纸张作为呈现装置20的情况下，无法精确地测量呈现问题的时刻。因此，在简易地进行测量的情况下，采用单独使用电子纸的呈现装置20或使用纸张的呈现装置20。

在使用纸张作为呈现装置20的情况下，为了识别所呈现的认识对象，例如，可以针对呈现认识对象的各纸张单独编写如QR码(QR Code，注册商标)那样的识别信息。然后，可以利用诸如照相机等的读取器来读取该识别信息。如果采用该结构，则可以使用读取器读取识别信息的时刻来测量呈现认识对象的时刻。

在使用电子纸张作为呈现装置20的情况下，可以向呈现装置20添加用于与不同于评价装置10和呈现装置20的外部装置进行通信的功能。在该结构中，如果该外部装置将用于呈现问题的信息输出至呈现装置20、并且该外部装置将输出该信息的时刻通知至评价装置10，则精确地测量呈现问题的时刻。

呈现装置20可以采用用于一次呈现多个问题的结构。呈现装置20优选采用用于逐一呈现问题的结构。这是因为，如以下所述，对于针对多个问题各自测量从呈现装置20呈现问题起直到将解答输入至输入装置30为止的解答时间而言是便利的。然而，代替各个问题的解答时间，可以是如下时间：最初的解答时间是从呈现多个问题的列表起直到获得最初的解答为止的时间；其它解答时间是通过使用解答之间的时间所确定的。

选择一次测量所使用的多个问题(例如，100个问题以上)的集合，以使得与脑力负荷有关的标准偏差在规定范围内。换句话说，在人集中的状态下，设置多个问题的集合，以使得各问题的解答时间的标准偏差在规定范围内。例如，可以选择一位数的相加和五位数的相加作为问题。然而，由于这两者的脑力负荷大幅不同，因此这两者没有形成相同集合。

呈现装置20所呈现的各问题必须是解答唯一确定的问题。然而，以下问题难以作为适合测量的问题，其中该问题所具有的如一位数的相加那样的问题种类较少，并且在产生练习效果的情况下，集中时和非集中时的解答时间的特性方面的差异并不明确。呈现装置20所呈现的问题期望被设计成：即使练习效果饱和，集中时和非集中时的解答时间的特性方面的差异也是明确的。

一次测量所使用的问题的集合需要包括：在人的集中状态下、针对各问题的解答时间的标准偏差处于规定范围的问题。各问题需要被设计成集中时和非集中时的解答时间的特性的差异可能变得明确。

为了满足该条件，例如，呈现装置20呈现适当的认识对象，并且仅作出用以从选项中获得作为认识对象的属性所提取的两种以上的认知元素的组合的问题。在这种情况下，选择解答作为合适的选项。认知元素是指不具有特殊知识的被测者可以识别出认识对象的属性。要求认识对象应配备有多个种类的属性。

例如，如果认识对象是单词，则可以使用单词的含义的类别作为认知元素，并且还可以使用例如表示单词的字符类型(字符形式)、单词中的字符数量、单词的指定位置的发音以及字符的颜色、大小和字体作为认知元素。另一方面，还可以使用例如图形、符号和图片作为认识对象。关于这些认识对象，例如可以使用形状、内容、颜色和大小作为认知元素。

呈现装置20呈现认识对象的情况下的问题包括：提取包含问题的认知元素的第一作业；以及选择适合于从问题中所提取的认知元素的选项的第二作业。由于认识对象包括多个种类(m个种类，m≥2)的认知元素，因此第一作业是从多个种类的认知元素中提取作为解答所要求的预定多个种类(n个种类，2≤n≤m)的认知元素的作业。预定多个种类的认知元素各自具有多个选择项目。第二作业是从选项中选择适合于第一作业中所提取的认知元素的选项的作业。选项的数量是预定多个种类的认知元素各自中的多个选择项目的组合的数量。也就是说，在给出认识对象的情况下，问题(课题)是进行第一作业和第二作业。

在这种情况下，针对各认知元素设置多个种类的选择项目，并且利用选择项目的组合来设置解答的选项。因此，被测者将第二作业中所选择的选项作为解答输入至输入装置30。顺便提及，为了评价智力生产力，测量精度也需是合适的，这很重要。由于该原因，需要作业课题的认知负荷是适当的。为了向被测者施加合适的认知负荷，由于以下原因，因而期望约3～4个种类的认知元素。在认知元素为两个种类的情况下，认知负荷过低。另一方面，在认知元素过多的情况下，认知负荷过高。因此，容易发生诸如针对作业课题的意愿下降等的妨碍因素。

如果针对各认知元素设置三个选择项目、并且认知元素的数量为两个，则在两个种类(n＝2)的认知元素的组合中，获得九个(＝3×3)选项，并且在三个种类的认知元素的组合中，获得二十七个(＝3×3×3)选项。因此，期望呈现认识对象，以使得能够提取三个种类以上(n≥3)的认知元素。如果认识对象是单词(在日语的情况下，例如以假名书写的单词)，则认识对象的选择容易，并且认识对象的种类也丰富。因此，可以通过从大范围中选择认识对象来测量集中度，以使得不会发生相对于认识对象的偏差。

例如，假定呈现至被测者的认识对象是单词“BOOK”、并且认知元素是字体、第一个元音和含义这三种元素。呈现装置20利用无衬线字体呈现单词“BOOK”。字体的选择项目是有衬线体(Serif)、无衬线体(Sans-serif)和草体(Script)。第一个元音的选择项目是“i”、“u”和“e”。含义的选择项目是动物/植物、地名/人名、人造物。在该示例中，存在三个种类的认知元素和针对各认知元素的三个选择项目。因此，总共设置有27个选项。在该示例中，正确解答的选项是无衬线体、“u”和人造物的组合。因此，被测者应将该选项作为解答输入至输入装置30。在输入装置30包括画面的情况下，应在该画面上配置27个选项，并且被测者应选择正确解答。

在呈现给被测者的认识对象是日语单词的情况下，代替字体，可以使用字符类型作为认知元素。字符类型的选择项目可以是平假名、片假名和汉字。代替字符类型，可以使用字符数量作为认知元素。字符数量可以是三个字符、四个字符和五个字符。

上述任务是针对关于多个种类的认知元素来对单词进行分类的问题作出解答的单词分类任务。在使用包括显示器和操作器的装置的情况下，可以使用简单的计算问题作为问题。例如，如果在存储了显示器上所显示的加数之后对操作器进行操作，则在显示器上显示被加数，并且考虑心算加法任务，其中该心算加法任务将通过心算计算加数和被加数的总和并且从操作器进行输入的作业设置为针对各问题的作业。在约两位数的相加的情况下，针对每个问题的解答时间约为2～5秒，并且问题是相对较好的作业课题。

此外，在认知元素是数字的情况下，图2A示出呈现至被测者的认知元素的其它示例，并且图2B示出在被测者输入解答的情况下所使用的显示示例选项。认知元素在向着数集的分类作业中是三个种类的数集(1,4,7,0)、(2,5,8)和(3,6,9)。这里，由于仅分类成三位数的各位数所属的数集的作业过于简单，因此到集中度的测量结束为止，意愿可能下降。因此，为了维持针对该作业的意愿，呈现两组三位数字，并且将使用这两组数字的简单四则运算进行组合。

具体地，关于两组三位数字，进行以下作业：左端(第三位)数字的相加、中央(第二位)数字的相加和右端(第一位)数字的相加；并且采用通过各相加所获得的数字中的个位的数字。在图2A所示的示例中，数字为(456)和(589)。因此，左端数字的相加为4+5＝9，然后采用个位上的“9”。中央数字的相加为5+8＝13，然后采用个位上的“3”。右端数字的相加为6+9＝15，并且采用个位上的“5”。也就是说，进行分类作业所使用的数字为“9”、“3”和“5”。

另一方面，三位数的数字是认知元素，并且认知元素的个数为三种。因此，利用二维矩阵无法表示认知元素的组合。由于该原因，如图2B所示，形成了左端的数字是认知元素的组，并且形成了中央的数字和右端的数字是认知元素的二维矩阵。也就是说，在区域C1中示出左端的数字所属的三个种类的数集的组上下排列的示例。此外，针对各组，设置九个选项31，其中这九个选项31被示出为包括区域C2中示例示出的中央的数字所属的三个种类的数集以及区域C3中示例示出的右端的数字所属的三个种类的数集的组合的矩阵。因此，设置各自包括九个选项31的三个组，并且相应地在一个画面上呈现总共27个选项。

在例示示例中，为了示出认知对象中的哪个位置处的数字作为认知元素，在各个区域C1、C2和C3中左右排列三个四边形，并且利用黑色的四边形示出认知元素的位置。例如，在区域C1中，左端的四边形为黑色，并且左端的数字被示出为认知元素。

在上述示例中，由于进行对三位数(9,3,5)进行分类的作业，因此选择左端数字包括在(3,6,9)中的下段组。此外，在该组中，选择中央的数字包括在(3,6,9)中并且右端的数字包括在(2,5,8)中的位置。因此，在选项中写入“1”的阴影位置是正确解答。

将图1所示的评价装置10连同呈现装置20和输入装置30一起使用，并且被配置为通过使被测者进行如上所述的第一作业和第二作业来计算与智力生产力有关的评价值。对于智力生产力的评价，使用从呈现装置20呈现问题的时间点起直到将解答输入至输入装置30的时间点为止的解答时间。在被测者没有选择针对问题的正确解答的情况下，可以将针对该问题的解答时间从智力生产力的评价中排除。可选地，可以使用正确解答率作为针对与智力生产力有关的评价值的加权系数。在正确解答率低的情况下，与智力生产力有关的评价值可能下降。

评价装置10包括包含根据程序进行工作的处理器的装置和用于连接外部装置的接口所用的装置作为主要硬件元件。包括处理器的装置是从微处理器、微计算机、DSP(Digital Signal Processor，数字信号处理器)或FPGA(Field-Programmable GateArray，现场可编程门阵列)等中所选择的。接口所用的装置至少具有使呈现装置20和输入装置30相连接的功能。此外，接口所用的装置期望地具有经由LAN(Local Area Network，局域网)或WNA(Wide Area Network，广域网)进行通信的功能。

处理器所执行的程序不仅可以经由如同因特网那样的电气通信线路来获取，而且还可以通过利用计算机读取可读介质中所存储的程序来获取。

评价装置10在按功能划分的情况下，包括处理部11、存储部12和接口部13。接口部(以下称为“I/F部”)13包括第一I/F部131和第二I/F部132。呈现装置20连接至第一I/F部131。输入装置30连接至第二I/F部132。本实施例的I/F部13还包括第三I/F部133。第三I/F部133连接至以因特网为代表的广域网或局域网。

存储部12包括问题存储部121。问题存储部121被配置为存储呈现至呈现装置20的多个问题。除问题以外，问题存储部121还被配置为存储分别与这些问题相关联的正确解答。处理部11包括呈现控制部111。呈现控制部111被配置为从问题存储部121内所存储的多个问题中选择一次测量所使用的问题，并且将所选择的问题呈现至呈现装置20。呈现控制部111还具有使呈现装置20呈现与各问题相对应的选项的功能。

存储部12包括作业存储部122。作业存储部122被配置为针对各问题，存储从呈现装置20上呈现问题的时间点起、直到将解答输入至输入装置30的时间点为止的时间。作业存储部122还被配置为针对各问题存储解答的正确与否。也就是说，在呈现装置20上呈现问题的状态下、被测者将解答输入至输入装置30的情况下，作业存储部122被配置为存储被测者所进行的解答时间以及解答的正确与否。在针对一组问题获得了解答之后，处理部11被配置为计算该组的正确解答率。作业存储部122被配置为存储该正确解答率。在上述示例中，作业存储部122被配置为存储针对各问题的解答时间和解答的正确与否这两者。然而，作业存储部122可被配置为仅存储解答时间。

处理部11还包括评价运算部110。评价运算部110被配置为计算与被测者的智力生产力有关的评价值。在呈现装置20呈现一组问题、并且作业存储部122存储被测者输入至输入装置30的信息之后，评价运算部110使用作业存储部122中所存储的信息来计算与被测者的智力生产力有关的评价值。

以下将说明评价运算部110进行的处理。评价运算部110被配置为将一次测量中作业存储部122内所存储的解答时间的集合转换成解答时间的特性如同频数分布那样呈现的形式。可以通过将解答时间的集合转换成其它形式来提取解答时间的集合的特征量。因此，可以根据特征量来计算与被测者的智力生产力有关的评价值。以下将说明使用解答时间的频数分布的技术来计算与智力生产力有关的评价值。

图3示出将作业存储部122中所存储的解答时间表示成与从开始一次测量起的经过时间相关联的示例。图3的横轴示出从测量开始起的经过时间，并且纵轴表示从呈现问题起直到输入解答为止的解答时间。在例示示例中，在将从开始测量起的经过时间短的时间段(左端部)与经过时间长的时间段(右端部)进行比较的情况下，与从开始测量起的经过时间短的时间段(左端部)相比，从开始测量起的经过时间长的时间段(右端部)在解答时间方面趋于变长。该趋势被视为表示由于被测者的单调感而导致积极性下降。

在人进行智力作业的状态下，考虑使用“作业状态”、“短期休息”和“长期休息”这三种状态进行说明的模型。“作业状态”是认知资源分配至对象(作业对象)并且进行作业的处理的状态。“短期休息”是尽管认知资源分配至对象、但作业的处理无意识地在短时间内停止的状态。该状态是按固定概率从生理上产生的。“长期休息”是认知资源没有分配至对象并且长时间休息的状态。

由于认知资源分配至对象，因此“作业状态”和“短期休息”可被视为集中状态。由于认知资源没有分配至对象，因此“长期休息”可被视为非集中状态。为了定量地评价集中状态和非集中状态，在关注作业存储部122中所存储的解答时间的情况下计算频数分布。结果，获得如图4所示的时间占有度直方图。

时间占有度直方图是在解答时间被划分成多个区间的情况下、将针对各区间的解答时间的总和相对于所有区间的解答时间的总和(测量时间段)的比率表示为时间占有度的直方图。横轴表示以对数为刻度的解答时间，并且纵轴表示时间占有度。在进行上述作业的情况下，时间占有度直方图是如图4所示的一眼看去设置有两个山形区域M11和M12的双峰性状态。可选地，时间占有度直方图是如图5所示的设置有一个山形区域M21的单峰性状态。双峰性的时间占有度直方图具有两个峰P11和P12，并且单峰性的时间占有度直方图具有一个峰P21。

这里，假定时间占有度直方图是在“作业状态”和“短期休息”混合的状态下的第一时间占有度直方图以及在“作业状态”、“短期休息”和“长期休息”混合的状态下的第二时间占有度直方图的叠加。也就是说，尽管时间占有度直方图为双峰性或单峰性，但考虑将基于解答时间所获得的时间占有度直方图分离成第一时间占有度直方图和第二时间占有度直方图，并且进行以下处理。

存在如下知识：可以应用“作业状态”和“短期休息”混合的状态下的第一时间占有度直方图的形状，从而近似为对数正态分布的概率密度函数。另一方面，存在如下结果：“作业状态”、“短期休息”和“长期休息”混合的状态下的第二时间占有度直方图的形状存在个体差异，并且不可应用于对数正态分布。认为该结果是由于“长期休息”的个体差异所引起的。

顺便提及，认为进行用于生成时间占有度直方图的作业的被测者努力维持集中状态。因此，估计出时间占有度为最大的解答时间反映了“作业状态”和“短期休息”混合的状态。因此，认为在时间占有度直方图中如下的解答时间之间的差相对较小：与时间占有度为最大的情况下的峰P11和P21相对应的解答时间；以及与第一时间占有度直方图的峰相对应的解答时间。该差根据第一时间占有度直方图的峰和第二时间占有度直方图的峰之间的距离(解答时间的差)而改变。然后，随着距离的变小，该差可能增大。这里，可以考虑以下：在双峰性的时间占有度直方图中，第一时间占有度直方图的峰和第二时间占有度直方图的峰之间的距离相对较大，并且在单峰性的时间占有度直方图中，上述距离相对较小。

另一方面，在包括峰P11的山形区域M11中的与峰P11相比解答时间变短的区域、或者包括峰P21的山形区域M21中的与峰P21相比解答时间变短的区域中，第二时间占有度直方图的影响很小。因此，可以认为这些区域各自是第一时间占有度直方图的一部分。

然后，在双峰性的时间占有度直方图的情况下，在山形区域M11中，期望将包括峰P11以及与峰P11相比解答时间变短的区域的范围应用于第一时间占有度直方图。尽管在山形区域M11中峰P11以下的范围最小，但可以将应用于第一时间占有度直方图的范围包括至解答时间相对于与峰P11相对应的解答时间超过约10～15％的范围。关于单峰性的时间占有度直方图，如果将山形区域M11改称为山形区域M21并且将峰P11改称为峰P21，则与双峰性的时间占有度直方图相同，可以应用于第一时间占有度直方图。

这里，将应用于第一时间占有度直方图的对数正态分布的概率密度函数设置为f1(t)。将应用于第二时间占有度直方图的函数设置为f2(t)。利用f(t)＝f1(t)+f2(t)来表示近似为时间占有度直方图的函数f(t)。这里，将函数f1(t)的期望值设置为E，将第一时间占有度直方图中的解答数量暂时设置为N1，并且将第二时间占有度直方图中所包括的解答数量暂时设置为N2。

在这种情况下，利用S1＝E×N1来表示与第一时间占有度直方图相当的面积S1。如上所述，假定第二时间占有度直方图表示“作业状态”、“短期休息”和“长期休息”混合的状态。因此，认为利用S2＝E×N2来表示第二时间占有度直方图的面积中与“短期休息”和“作业状态”相当的面积S2。

由于N1+N2是解答数量的总和，因此如果将N1+N2设置为N1+N2＝N，则在时间占有度直方图中，将与“作业状态”和“短期休息”相当的总面积S表示为S＝S1+S2＝E×N。所计算出的总面积S与集中状态的总时间(集中时间)相当。也就是说，可以使用总面积S相对于解答时间的总和(测量时间段)的比率作为用于定量地评价集中度的评价值。如果将总面积S从测量时间段中减去，则求出非集中状态的总时间(非集中时间)。

为了如上所述计算集中度的评价值，需要确定函数f1(t)和函数f2(t)的参数以应用于时间占有度直方图。由于函数f1(t)是对数正态分布的概率密度函数，因此使与函数f1(t)有关的参数(平均值和分布)最优化，以使得可以适合包括峰P11的山形区域M11(或包括峰P21的山形区域M21)。

由于用于搜索针对函数f1(t)最佳的参数的解空间极大，因此使用如EM算法那样的众所周知的算法来计算参数的最大似然值。函数f1(t)的参数在适当设置了初始值的情况下在相对较短的时间内收敛，但在没有收敛的情况下，重复初始值的变化，直到初始值改变并且参数收敛为止。

应用于时间占有度直方图的山形区域M11(或M21)的概率密度函数f1(t)近似第一时间占有度直方图。因此，如果在将概率密度函数f1(t)应用于山形区域M11(或M21)之后、将与概率密度函数f1(t)相当的部分从时间占有度直方图去除，则剩余与第二时间占有度直方图相当的直方图。如果计算出应用于该直方图的函数f2(t)，则利用函数f2(t)来近似第二时间占有度直方图。

图6示出关于时间占有度直方图、应用了近似于第一时间占有度直方图的概率密度函数f1(t)的示例。也就是说，在时间占有度直方图中，将对数正态分布的概率密度函数f1(t)应用于具有时间占有度的峰的山形区域中的第一时间占有度直方图的候选。

在多数情况下，第一时间占有度直方图的候选变为包括时间占有度变为最大的峰的山形区域，但在“长期休息”的状态的比率大的被测者中，时间占有度变为最大的峰在第一时间占有度直方图中可能不一致。因此，以下所述的应用部113(参考图1)被配置为例如通过使用以下过程来将概率密度函数f1(t)应用于第一时间占有度直方图的候选。

假定这里所期望的解答时间的范围是已知的。由于在该范围内存在个体差异，因此如果在进行集中度的测量之前预先测量解答时间的指示，则正确地定义了解答时间的范围。

应用部113被配置为在时间占有度直方图中，针对期望解答时间的范围将极短数据作为异常值排除。然后，应用部113被配置为将时间占有度与前后的邻接区间相比变大的区间设置为峰的区间，并且提取包括峰的区间的山形区域。提取一个以上的山形区域。

应用部113被配置为针对所提取的山形区域应用对数正态分布的概率密度函数f1(t)。应用部113被配置为使用所应用的概率密度函数f1(t)和实际测量值之间的距离(平方差的值的总和的平方根)作为适合度来评价适合的程度。在将距离用于适合度的情况下，采用距离为最小的概率密度函数f1(t)。

由于对数正态分布的概率密度函数f1(t)具有山形，因此认为概率密度函数f1(t)适合时间占有度直方图中的山形区域。也就是说，在时间占有度直方图中，期望概率密度函数f1(t)适合随着相对于峰的距离变大而时间占有度变小的区域。认为以下：换句话说，时间占有度的增减频繁发生的区域与概率密度函数f1(t)的适合程度低。因此，如果使用上述评价值，则适当地定义适合第一时间占有度直方图的概率密度函数f1(t)。如果峰的区间预先排除了超过解答时间的范围的最大值的区域，则应用概率密度函数f1(t)的处理所需的时间缩短。

为了如上所述计算集中度的评价值，如图1所示，评价运算部110包括：直方图生成部112，其被配置为生成时间占有度直方图；以及应用部113，其被配置为向时间占有度直方图应用函数。评价运算部110还包括计算部114，其中该计算部114被配置为使用所应用的函数的参数来计算集中时间或集中度。

如上所述，应用部113被配置为将对数正态分布的概率密度函数f1(t)应用于时间占有度直方图中成为第一时间占有度直方图的候选的山形区域M11和M12。也就是说，在图4(或图5)所示的示例中，应用部113被配置为利用对数正态分布的概率密度函数f1(t)来近似时间占有度直方图中的包括峰P11(或P21)的山形区域M11(或M21)。

计算部114被配置为将根据第一对数正态分布的概率密度函数f1(t)所计算出的期望值提取作为特征量。计算部114被配置为将该特征量与解答总数的乘积计算作为集中时间。计算部114被配置为将所求出的集中时间相对于测量时间段的比计算作为与集中度相当的评价值。计算部114可以将通过从测量时间段中减去所计算出的集中时间所获得的值计算作为非集中时间，并且可以将非集中时间相对于测量时间段的比计算作为与非集中度相当的评价值。

将集中时间、非集中时间、集中度的评价值和非集中度的评价值经由呈现控制部111呈现在兼用作显示装置的呈现装置20上。

上述实施例是在假定呈现装置20顺次逐一呈现问题的情况下进行说明的。然而，如上所述，还可以通过使用解答之间的时间来测量解答时间。例如，可以将一个问题(第一问题)的解答向输入装置30的输入结束的时刻与下一问题(第二问题)的解答的输入结束的时刻之间的时间用于一个问题(第二问题)的解答时间。也就是说，可以使用从第一问题的解答的输入结束的时刻起直到下一问题(第二问题)的解答的输入结束的时刻为止的时间，作为第二问题的解答时间。在使解答时间成为解答期间的时间的情况下，可以在无需使用呈现装置20的情况下求出解答时间。也就是说，如果存储了如下的时刻，则求出解答时间，其中在该时刻，将以纸张等表示的问题呈现至被测者并将解答输入至输入装置30，以及在该时刻，针对每个问题输入解答结束。在将以纸张等记载的问题呈现至被测者的情况下，无需以列表形式将问题呈现到一张上，并且可以以一个问题为单位呈现在每一张上。

实施例2

尽管在实施例1中说明了使用三态模型的情况，但在本实施例中将说明使用较为简单的两态模型的示例。

这里，将解答时间处于规定的基准时间内的第一状态称为“作业状态”。将解答时间超过基准时间的第二状态称为“休憩状态”。换句话说，作业状态可以是集中状态，并且休憩状态可以是非集中状态。例如利用Markov模型来表示作业状态和休憩状态的转变。考虑根据休憩状态的时间长度来将休憩状态进一步划分为两个阶段。然而，假定作业状态和休憩状态这两个状态的Markov模型。如果假定了这种模型，则可以获得解答时间的频数分布反映作业状态和休憩状态这两个状态的假定。

为了验证该假定，关注作业存储部122中所存储的解答时间来计算频数分布，并且创建时间轴是对数的直方图。创建直方图获得了如下结果：如图7所示，将区域D1大致应用于一个对数正态分布，但没有将区域2应用于该对数正态分布。也就是说，获得了如下结果：尽管将解答时间相对较短的区域D1应用于一个对数正态分布，但没有将解答时间相对较长的区域D2应用于该对数正态分布。认为没有应用于对数正态分布的区域D2由于具有相对较长的解答时间因此相当于休憩状态。

然后，在直方图中，解答时间使处于基准时间内的区域D1作为作业状态的区域，并且解答时间使超过基准时间的区域D2作为休憩状态的区域。将基准时间设置在可应用于对数正态分布的区域D1的最大值附近。因而，可以通过将直方图分割成两个区域D1和D2来从各区域D1和D1提取特征量。

这里，如图8所示，作为与时间轴是对数轴的解答时间有关的直方图的模型，假定具有与作业状态相对应的峰和与休憩状态相对应的峰这两个峰的模型。该模型如实施例1的模型那样具有两个钟形区域，并且考虑将各个区域D1和D2应用于对数正态分布。

然而，本实施例与实施例1的不同之处在于：尽管在实施例1中考虑区域D2是“作业状态”、“短期休息”和“长期休息”混合的状态，但在本实施例中，区域D2是“长期休息”的状态。也就是说，考虑区域D1中的被测者的状态是作业状态(集中状态)，并且考虑区域D2中的被测者的状态是休憩状态(非集中状态)。

在该示例中，根据与作业状态相当的区域D1来计算平均值μ1和标准偏差σ1/2，并且根据与休憩状态相当的区域D2来计算平均值μ2和标准偏差σ2/2。针对与作业状态相当的区域D1来计算频数的峰值α1，并且针对与休憩状态相当的区域D2来计算频数的峰值α2。通过使用这些参数(μ1,μ2,σ1,σ2,α1,α2)，按照如下获得可分离成作业状态的区域D1和休憩状态的区域D2的特征量。

也就是说，在假定图8所示的模型的情况下，与作业状态相当的区域所占的面积相对于直方图的总面积的比、换言之在解答时间为预定阈值以下时的频数相对于问题总数所占的比率可被视为测量期间处于集中状态的时间段的比率。如果计算出该比率作为特征量，则获得被测者作业时的集中时间的指示。作为集中时间的指示，可以使用作业状态的峰值α1相对于休憩状态的峰值α2的比(＝α1/α2)作为特征量。也就是说，使用与作业状态相当的区域的解答时间的频数来计算集中时间的长度的评价值。

峰值α1相对于与作业状态相当的区域的标准偏差σ1/2或者标准偏差σ1/2的比(＝2α1/σ1)表示与作业状态相当的区域的峰度，并且认为该区域的形状的峰度反映了集中度。因此，将标准偏差σ1/2或比2α1/σ1计算作为集中时间的集中强度。

顺便提及，无法使得用于根据如图7所示的解答时间的直方图来计算图8所示的模型的参数(μ1,μ2,σ1,σ2,α1,α2)的方法公式化。因此，生成参数的各种组合并且选择最佳地应用于直方图的参数。由于如果使用循环算法(round robin algorithm)来生成参数的各种组合、则在提取参数时需要大量时间，因此期望使用以上所述的EM算法或遗传算法来进行参数的选择。

如上所述，评价运算部110被配置为使用作业存储部122中所存储的解答时间来计算解答时间的频数分布，并且针对该频数分布的时间轴是对数轴的直方图提取与作业状态相当的区域和与休憩状态相当的区域。评价运算部110被配置为通过使用与作业状态相当的区域和与休憩状态相当的区域的参数来计算集中时间的评价值和集中强度的评价值。由于这些评价值与智力生产力有关，因此这意味着评价运算部110被配置为计算与智力生产力有关的评价值。在需要的情况下，将评价运算部110所生成的直方图、根据该直方图所获得的参数(μ1,μ2,σ1,σ2,α1,α2)、以及根据该直方图所计算出的评价值显示在用作呈现装置20的显示装置上。其它结构和操作与实施例1的结构和操作相同。

在评价装置10经由第三I/F部133与诸如服务器等的其它装置40进行通信的情况下，可以通过从其它装置40向问题存储部121发送问题来随时更新问题。可以将评价装置10的功能提供至诸如服务器等的其它装置40，并且智力生产力分析装置可以由配备有呈现装置20、输入装置30和I/F部13的装置以及其它装置40构成。

以上所述的各实施例是本发明的示例。由于该原因，本发明不限于上述各实施例，并且即使实施例是其它实施例，只要没有背离与本发明有关的技术思想的范围即可，因而例如可以根据设计等来进行各种变化。

验证

如果使用以上所述的智力生产力分析装置，则可以测量与进行脑力作业时的集中度有关的评价值。因此，如果改变诸如作业空间的环境元素或休憩时间等的各种条件并且定量地测量集中度，则认为是有用的，从而定义适合于脑力作业的条件。

为了验证该情况，测量两个种类的不同照明环境中的被测者的集中度。一个照明环境采用许多办公室中所使用的基础照明，并且另一照明环境共同使用环境照明和任务照明。在使被测者在各照明环境中进行单词分类任务期间，使用实施例2所述的智力生产力分析装置来测量集中度。图9示出测量结果。

根据图9，尽管集中度(＝集中时间/测量时间段)的差微小，但获得了如下结果：与仅使用基础照明的情况(图9的特性A1)相比，共同使用环境照明和任务照明的情况(图9的特性A2)下的集中度提高。

对于被测者，在进行指示“请专心应对”的情况和进行指示“请以正常节奏应对”的情况下，获得了与进行后者的指示的情况相比、在进行前者的指示的情况下集中度变高的结果。在进行针对不同指示的集中度的测量的情况下，使室内环境为相同条件。

由于上述两个结果没有与普遍认识的知识相反，因此示出利用上述智力生产力分析装置可以进行集中度的测量。

使用示例

在进行长时间的智力作业时，可以使用上述的智力生产力分析装置，以测量伴随着时间经过的集中度的转变。也就是说，可以通过针对被测者计算多个不同测量期间集中度的评价值来计算该被测者的集中度的变化。使集中度改变的原因例如包括进行智力作业的时间的经过、以及进行智力作业的室内环境。如上所述，将集中度的评价值计算作为集中时间相对于测量时间段(整体时间)的比。

例如，如果在被测者一整天内进行智力作业的情况下、测量最初30分钟内的集中度和最后30分钟内的集中度，则可以定量地测量被测者的集中度的下降或提高的程度。图10是分别测量上午和下午的集中度的情况的示例，并且在特性B1和特性B2中，通过改变室内环境来使被测者进行作业。特性B1示出集中度提高的示例，并且特性B2示出集中度下降的示例。另一方面，在该示例中，在针对上午集中度约为70％、室内环境不同的情况下，一方面集中度提高至约71.5％，并且另一方面集中度下降至约65％。

如果通过上述处理来测量集中度，则被测者正进行课题的情况下的测量时间段中的集中度的转变是无法测量的。然后，为了简单地判断集中度的指示，智力生产力分析装置可以通过将基准时间设置为解答时间并且随着测量时间段的时间经过将该解答时间与基准时间进行比较，来判断第一状态(集中状态)和第二状态(非集中状态)。

也就是说，在实施例1和实施例2中，由于使用直方图，因此智力生产力分析装置无法提取与伴随着测量时间段的时间经过的集中度的变化有关的信息。另一方面，由于伴随着测量时间段的时间经过来将解答时间与基准时间进行比较，因此智力生产力分析装置可以简单地测量伴随着测量时间段的时间经过的集中度的变化。

由于不同于实施例1和实施例2、不是针对解答时间的集合的统计处理的结果，因此无法将伴随着测量时间段的时间经过而已使解答时间与基准时间进行比较的结果用于定量地测量集中度的目的。然而，可以用于如下目的：获得被测者解答问题时的集中状态和非集中状态之间的转变的指示。

计算部114被配置为进行集中状态和非集中状态的判断。也就是说，计算部114被配置为进行将从作业存储部122所读取的解答时间与基准时间进行比较的处理。评价运算部110被配置为生成用于将计算部114所计算出的结果作为图11所示的图呈现在呈现装置20上的数据。也就是说，将计算部114所计算出的结果经由第一I/F部131输出至呈现装置20。

图11示出表示在横轴为问题数量的累计值(可以是经过时间)的情况下、在解答时间为基准时间以下的情况下的黑色区域以及在解答时间超过基准时间的情况下的白色区域的例示示例。在该显示示例中，黑色区域示出集中状态的指示，并且白色区域示出非集中状态的指示。尽管可以反映针对各问题的结果，但例如针对多个问题中的大多数问题，在解答时间为基准时间以下的情况下使黑色区域和白色区域为黑色区域，并且在解答时间为基准时间以下的问题为半数以下的情况下，可以使用白色区域。

如果能够进行这种显示，则可以获得伴随着经过时间的被测者的集中状态的转变的指示。因此，例如，可以用于进行集中状态持续的时间的测量。

Claims (11)

1.一种智力生产力分析装置，其特征在于，包括：

呈现装置，其被配置为向被测者呈现多个问题；

输入装置，其被配置为使得所述被测者能够输入针对所述多个问题中的各问题的解答；以及

评价装置，其被配置为针对所述多个问题中的各问题来测量从所述呈现装置上呈现问题的时间点起、直到所述解答输入至所述输入装置的时间点为止的解答时间，并且使用所述解答时间的集合来计算与所述被测者的智力生产力有关的评价值，

其中，所述评价装置包括：

作业存储部，其被配置为记录所述多个问题中的各问题的所述解答时间；以及

评价运算部，其被配置为通过从所述作业存储部中所记录的所述解答时间的集合中提取特征量，来计算测量所述多个问题中的各问题的所述解答时间的测量时间段内的与所述被测者的智力生产力有关的评价值，

所述评价运算部包括：

直方图生成部，其被配置为将所述解答时间划分成多个区间，针对所述多个区间中的各区间来将区间的所述解答时间的总和相对于所述解答时间的总和的比率视为时间占有度，并且生成表示所述时间占有度的分布的时间占有度直方图；

应用部，其被配置为将所述时间占有度直方图视为作业状态和短期休息混合的状态下的第一时间占有度直方图与作业状态、短期休息和长期休息混合的状态下的第二时间占有度直方图的叠加，并且向具有所述时间占有度的峰的山形区域中的所述第一时间占有度直方图的候选应用对数正态分布的概率密度函数；以及

计算部，其被配置为将根据所述概率密度函数所计算出的期望值提取作为所述特征量，将所述特征量与所述解答的总数的乘积计算作为集中时间，并且将相对于所述测量时间段的所述集中时间计算作为所述评价值。

2.根据权利要求1所述的智力生产力分析装置，其特征在于，所述应用部被配置为将所述山形区域中的所述时间占有度小于所述峰且解答时间短于与所述峰相对应的解答时间的区域应用于所述概率密度函数。

3.根据权利要求1或2所述的智力生产力分析装置，其特征在于，所述应用部被配置为在将所述概率密度函数应用于所述山形区域之后，根据所述时间占有度直方图来计算与所述概率密度函数相当的部分以外的直方图，并且计算应用于所述直方图的函数。

4.根据权利要求1或2所述的智力生产力分析装置，其特征在于，所述计算部被配置为将通过从所述测量时间段中减去所述集中时间所获得的值计算作为所述测量时间段中的非集中时间。

5.根据权利要求1或2所述的智力生产力分析装置，其特征在于，

所述评价运算部被配置为将所述集中时间相对于所述测量时间段的比计算作为集中度的评价值，并且针对所述被测者来计算多个所述测量时间段中的所述集中度的变化。

6.根据权利要求1或2所述的智力生产力分析装置，其特征在于，还包括显示装置，所述显示装置被配置为将示出所述解答时间的图表和所述评价运算部所计算出的所述评价值显示在画面上。

7.根据权利要求1或2所述的智力生产力分析装置，其特征在于，所述呈现装置和所述输入装置是与所述评价装置一体设置的。

8.一种智力生产力分析装置，其特征在于，包括：

呈现装置，其被配置为向被测者呈现多个问题；

输入装置，其被配置为使得所述被测者能够输入针对所述多个问题中的各问题的解答；以及

评价装置，其被配置为针对所述多个问题中的各问题来测量从所述呈现装置上呈现问题的时间点起、直到所述解答输入至所述输入装置的时间点为止的解答时间，并且使用所述解答时间的集合来计算与所述被测者的智力生产力有关的评价值，

其中，所述评价装置包括：

作业存储部，其被配置为记录所述多个问题中的各问题的所述解答时间；以及

评价运算部，其被配置为通过从所述作业存储部中所记录的所述解答时间的集合中提取特征量，来计算测量所述多个问题中的各问题的所述解答时间的测量时间段内的与所述被测者的智力生产力有关的评价值，

所述特征量是能够将所述解答时间处于基准时间内的第一状态与所述解答时间超过所述基准时间的第二状态分离的特征量。

9.根据权利要求8所述的智力生产力分析装置，其特征在于，

所述特征量是：

所述解答时间处于所述基准时间内的频数的总和在所述问题的总数中所占的比率；以及

通过将所述解答时间处于所述基准时间内的频数分布应用于对数正态分布所计算出的标准偏差，以及

所述评价运算部被配置为将所述比率计算作为表示所述第一状态的时间段的长度的评价值，并且将所述标准偏差计算作为表示所述第一状态的时间段的集中度的评价值。

10.根据权利要求1、2、8和9中任一项所述的智力生产力分析装置，其特征在于，所述评价运算部被配置为伴随着所述测量时间段的时间经过，计算所述解答时间处于基准时间内的第一状态以及所述解答时间超过所述基准时间的第二状态。

11.一种智力生产力分析方法，其特征在于，包括以下步骤：

评价步骤，用于将多个问题呈现在呈现装置上，使得被测者能够将针对所述多个问题中的各问题的解答输入至输入装置，针对所述多个问题中的各问题来测量从所述呈现装置上呈现问题的时间点起、直到所述解答输入至所述输入装置的时间点为止的解答时间，并且使用所述解答时间的集合来计算与所述被测者的智力生产力有关的评价值，

其中，所述评价步骤包括：

作业存储步骤，用于记录所述解答时间；以及

评价运算步骤，用于通过从所述作业存储步骤中所记录的所述解答时间的集合中提取特征量，来计算测量所述多个问题中的各问题的所述解答时间的测量时间段内的与所述被测者的智力生产力有关的评价值，

所述评价运算步骤包括：

直方图生成步骤，用于将所述解答时间划分成多个区间，针对所述多个区间中的各区间来将区间的所述解答时间的总和相对于所述解答时间的总和的比率视为时间占有度，并且生成表示所述时间占有度的分布的时间占有度直方图；

应用步骤，用于将所述时间占有度直方图视为作业状态和短期休息混合的状态下的第一时间占有度直方图与作业状态、短期休息和长期休息混合的状态下的第二时间占有度直方图的叠加，并且向具有所述时间占有度的峰的山形区域中的所述第一时间占有度直方图的候选应用对数正态分布的概率密度函数；以及

计算步骤，用于将根据所述概率密度函数所计算出的期望值提取作为所述特征量，将所述特征量与所述解答的总数的乘积计算作为集中时间，并且将相对于所述测量时间段的所述集中时间计算作为所述评价值。