CN106413555B - 集中度评价装置和程序 - Google Patents
集中度评价装置和程序 Download PDFInfo
- Publication number
- CN106413555B CN106413555B CN201580027571.7A CN201580027571A CN106413555B CN 106413555 B CN106413555 B CN 106413555B CN 201580027571 A CN201580027571 A CN 201580027571A CN 106413555 B CN106413555 B CN 106413555B
- Authority
- CN
- China
- Prior art keywords
- task
- concentration degree
- processing time
- time
- difficulty
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Developmental Disabilities (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Biophysics (AREA)
- Child & Adolescent Psychology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hospice & Palliative Care (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
提供一种用于计算集中度的客观评价值的评价装置。评价装置(10)包括获取部(11)、存储部(12)、处理部(13)和校正部(15)。获取部(11)获取针对使用者所进行的多个任务中的各任务所测量到的处理时间。存储部(12)存储针对各任务的处理时间。校正部(15)基于根据针对任务的各难易度相对应地设置的负荷系数,来将存储部(12)中所存储的处理时间校正为与预定的难易度相对应的各有效时间。处理部(13)基于根据有效时间的集合所获得的统计量,来计算使用者的集中度的评价值。
Description
技术领域
本发明通常涉及集中度评价装置和程序,并且更特别地涉及被配置为评价进行脑力作业的作业人员的集中程度的集中度评价装置、以及用于使用计算机来实现该集中度评价装置的主要部分的功能的程序。
背景技术
在用于测量使用者的认识能力的相关技术中,已知基于从向使用者示出包含有意义被摄体的劣化图像的时刻起、直到使用者感知到被摄体的时刻为止的时间(感知时间)来计算能力得分(例如,参见文献1“日本公开专利第2006-87743号公报”)。文献1描述了如下技术,其中该技术用于通过向多个使用者示出图像来预先计算与要感知的图像的难易度有关的信息,并且基于通过向特定使用者示出图像所获得的感知时间和与图像的难易度有关的信息来计算该使用者的能力得分。
在相关技术中,提出了使使用者追踪基准图形以根据该基准图形和追踪图形之间的偏移量来计算集中度(例如,参见文献2“日本公开专利第H09-135826号公报”)。该集中度是作为通过将系数与根据基准图形和追踪图形之间的偏移量获得的值相乘所获得的值而计算出的。在追踪作业结束时,计算出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还描述了以下内容:通过在追踪基准图形时改变追踪作业的速度来改变难易度,并且通过基准图形的追踪作业来估计使用者的生理状态或性格特性。
文献1所描述的能力得分仅表示用于感知各个图像各自的含义的能力,并且不能利用能力得分来评价向使用者给予脑力作业负荷时的集中度。
另一方面,在文献2所描述的技术的情况下,可以计算出提供作为追踪作业的问题期间的使用者的集中度的变化,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集中度的评价。另外,追踪作业依赖于使用者的手的运动能力,因此从这点上,该技术不适合评价集中度。
发明内容
本发明的目的是提供一种能够计算出集中度的客观评价值的集中度评价装置。此外,本发明的目的是提供一种用于使用计算机来实现该集中度评价装置的主要部分的功能的程序。
根据本发明的一种集中度评价装置,其包括:获取部,其被配置为获取针对使用者所进行的多个任务中的各任务所测量到的处理时间;存储部,其被配置为存储经由所述获取部所获取到的针对各任务的处理时间;校正部,其被配置为基于与任务的各难易度相对应地设置的负荷系数,来将所述存储部中所存储的所述处理时间校正并改变为与预定的难易度相对应的有效时间;以及处理部,其被配置为基于根据针对所述多个任务求出的多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
根据本发明的一种集中度评价装置,其包括:获取部,其被配置为获取针对使用者所进行的多个任务中的各任务所测量到的处理时间;校正部,其被配置为基于与任务的各难易度相对应地设置的负荷系数,来将经由所述获取部所获取到的针对各任务的处理时间校正并改变为与预定的难易度相对应的有效时间;存储部,其被配置为存储针对所述多个任务求出的多个有效时间;以及处理部,其被配置为基于根据所述多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
根据本发明的一种程序,用于使得计算机能够用作集中度评价装置。
注意,用于存储所述程序的记录介质可以是计算机可读介质。
利用上述的评价装置和程序,可以计算出集中度的客观评价值。
附图说明
图1是示出实施例的示例的框图。
图2是示出实施例中的时间占有度的直方图的示例的图。
图3是示出实施例的其它示例的框图。
具体实施方式
在以下要说明的实施例中,使用者的示例包括办公室中的工作人员以及教育设施或学习环境中的学习人员等。办公室中的工作人员主要进行的不是需要通过身体运动来获得作业结果的体力作业,而是主要进行诸如文件编制、信息管理和分类作业等的脑力作业。
以下将脑力作业的生产力称为“智力生产力”。智力生产力不仅受到个人的知识和技能的影响,而且还受到作业时的集中程度(以下称为“集中度”)和集中状态的持续时间(以下称为“集中时间段”)等的影响。
例如,在相对较大的脑力作业负荷的情况下,提高智力生产力要求脑力作业所用的脑力资源高度集中,由此要求高的集中度。另一方面,在脑力作业负荷相对较小、但作业量大的情况下,要求脑力作业所用的脑力资源的集中状态持续。因此,集中度略有下降,但要求相对较长的集中时间段。
使用者不限于办公室中的工作人员,而且可以是学校或家庭中的学习人员。在本实施例中,诸如“脑力作业负荷”、“脑力压力”和“脑力”等的术语符合日本工业标准所述的定义(参见JIS Z8502-1994)。
本实施例被配置为使作为集中度的评价对象的使用者进行多个任务。以下要说明的集中度评价装置被配置为基于针对各个任务所测量到的处理时间来计算集中度的评价值。这里,各任务表示给予至使用者的问题。使用者顺次解答被给予的问题,由此获取到使用者的集中度的评价值。然后,集中度评价装置基于使用者针对任务的各个处理时间来计算出集中度的评价值。
以下要说明的各任务基本是认知问题,并且其内容被定义为要求使用者的针对各任务的解答。针对各任务测量处理时间,并且集中度评价装置基于针对各任务所测量到的处理时间来计算使用者的集中度的评价值。各处理时间例如是从开始向使用者呈现相应任务起、直到获取到针对该任务的解答为止的时间。
为了定量地评价集中度,如图1所示,本实施例配备有:呈现装置20,其被配置为呈现认知问题;输入装置30,其中允许使用者将针对各认知问题的解答输入至输入装置30;以及评价装置10,其被配置为计算使用者的集中度的评价值。例如,评价装置10可以与呈现装置20和输入装置30相组合。
评价装置10可以是专用装置,而且通过使通用计算机执行程序来实现。计算机的示例包括台式计算机、笔记本式计算机、平板计算机、智能电话和具有可更换程序的游戏机等。即,在本实施例中,计算机包括被配置为根据程序进行工作的处理器、以及存储器、输入装置和输出装置等。
在从笔记本式计算机、平板计算机、智能电话和游戏机等中选择评价装置10的情况下,评价装置10至少可以与输入装置30一体设置,并且还可以与作为输出装置的呈现装置20一体设置。本实施例具有以下结构中的任一结构:呈现装置20和输入装置30与评价装置10分离的结构;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。
呈现装置20可被配置为同时呈现两个以上认知问题。然而,呈现装置20期望被配置为逐一呈现认知问题,这是因为呈现装置20可以方便地测量从呈现装置20呈现各认知问题起直到将相应解答输入至输入装置30为止的时间、即针对认知问题的各处理时间。作为认知问题的各处理时间的替代示例,呈现装置20可被配置为显示认知问题的列表,将直到获取到最初的解答为止的时间视为最初的处理时间,随后将解答至输入装置30的输入的时间间隔视为处理时间。
例如,向使用者给予100个以上的认知问题,以获取使用者的集中度的评价值。没有特别限制认知问题的数量。然而,可以定义认知问题的最小数量,使得在计算与针对认知问题的各处理时间有关的统计量的情况下,获得预定的可靠性。可以定义最大数量,使得使用者可以继续解答认知问题。
顺便提及,通常期望用于计算使用者的集中度的评价值的认知问题满足脑力压力的程度在指定范围内的条件。然而,该条件限制了满足的认知问题的种类。这些种类的认知问题经常具有与实际脑力作业分别不同的内容。因此,基于认知问题所获得的集中度的评价值可能不同于实际脑力作业的情况下的集中度。
在本实施例中,缓和针对认知问题的条件,以针对各认知问题的脑力压力的程度允许相对较大的偏差。本实施例中所提出的技术可以基于针对认知问题的各处理时间来精确地计算使用者的集中度的评价值。
顺便提及,各个认知问题需要是解答唯一确定的认知问题。由于允许练习效果抑制集中时的解答时间的特性和非集中时的解答时间的特性之间的差异的认知问题不适合进行集中度的评价值的计算,因此期望多个种类的认知问题。即,期望呈现装置20所呈现的认知问题被设计成与练习效果无关地,在集中时的处理时间的特性和非集中时的处理时间的特性之间容易发生差异。针对各认知问题的过低的脑力压力不会对使用者产生作用,并且过高的脑力压力会增加使用者的疲劳感。即,针对各认知问题的脑力压力过低或过高都会降低使用者的意志,因此需要设置适度的脑力压力。
如上所述,本实施例被配置为基于针对呈现装置20所呈现的认知问题的各处理时间来计算集中度的评价值。注意,各个处理时间是针对呈现装置20所呈现的相应认知问题而将正确的解答输入至输入装置30的情况下的处理时间,这是因为不能排除在使用者输入至输入装置30的解答不正确的情况下、在无需执行使用者的脑力作业的状态下将解答输入至输入装置30的可能性。因此,期望在使用者针对相应认知问题的解答不正确的情况下,可以将针对该认知问题的处理时间从评价对象中排除。可选地,评价装置10可以将集中度的评价值乘以基于解答的正确率所设置的系数。利用该结构,如果正确率低,则集中度的评价值也变低。
评价装置10可以包括包含被配置为根据程序进行工作的处理器的装置和与外部装置的连接所用的接口装置作为主硬件元件。包括处理器的装置可以是微处理器或微计算机(微控制器)。接口装置可以具有与至少呈现装置20和输入装置30的连接所用的功能。期望地,接口装置具有数据通信所用的功能。处理器要执行的程序可以预先存储在ROM(只读存储器)中、或者经由诸如因特网等的电信网络或通过计算机可读介质来提供。
如图1所示,评价装置10可以包括获取部11,其中该获取部11被配置为获取针对使用者所进行的各个认知问题(任务)而测量到的处理时间。评价装置10还可以包括与呈现装置20的连接所用的输出接口16和与输入装置30的连接所用的输入接口17。输出接口16被配置为使得呈现装置20能够呈现认知问题。输入接口17被配置为接收输入至输入装置30中的解答。
针对认知问题的各处理时间可以由输入装置30或者评价装置10中的测量部14进行测量。在输入装置30测量各处理时间的情况下,输入装置30可以与呈现装置20交互,并且测量从呈现装置20呈现认知问题起直到输入该认知问题的解答为止的时间作为处理时间。在测量部14测量各处理时间的情况下,测量部14可以测量从经由输出接口16输出认知问题起直到输入接口17接收到该认知问题的解答为止的时间。因此,前者结构中的获取部11经由输入接口17从输入装置30获取各处理时间,而后者结构中的获取部11从测量部14获取各处理时间。
评价装置10包括:存储部12,其被配置为存储与针对认知问题所获取到的各处理时间有关的信息;以及处理部13,其被配置为基于存储部12中所存储的信息来计算使用者的集中度的评价值。存储部12可以按呈现给使用者的认知问题的呈现顺序存储针对这些认知问题的各处理时间。存储部12还可以一起存储呈现认知问题时的各绝对时间(日期和时间组合)。
存储部12中所设置的解答存储部121被配置为存储与利用获取部11针对各认知问题所获取到的处理时间有关的信息。解答存储部121可以存储表示针对各认知问题是正确还是不正确的解答结果。即,在呈现装置20呈现认知问题的状态下使用者将解答输入至输入装置30的情况下,解答存储部121可以存储与针对认知问题的处理时间有关的信息以及与示出正确还是不正确的解答结果有关的信息。如果将解答输入至输入装置30,则解答存储部121还可以存储用于标识相应认知问题的信息。可选地,解答存储部121可以预先存储针对认知问题所定义的各个负荷系数。后面将说明负荷系数。
预定数量的认知问题可以构成认知问题集。在这种情况下,在获取到认知问题集的各解答之后,处理部13可以计算该认知问题集的正确率。解答存储部121可以存储经由处理部13所计算出的正确率。注意,解答存储部121可以不存储针对认知问题的各处理时间以及示出正确还是不正确的解答结果这两者,而是可以仅存储各处理时间。认知问题集可以是100以上的认知问题。可以仅根据该认知问题集来计算使用者的集中度的评价值。另外,可以根据两个以上认知问题集来获得集中度的评价值随时间的变化。
存储部12还可以包括问题存储部122,其中该问题存储部122被配置为存储经由呈现装置20要呈现的认知问题。问题存储部122不仅可以存储认知问题,而且还可以存储各自分配至相应认知问题的正确解答。另一方面,处理部13可以包括评价处理部132,其中该评价处理部132被配置为从问题存储部122内所存储的认知问题中选择一次测量所用的认知问题。评价处理部132可以向输出接口16提供所选择的认知问题,以使得呈现装置20能够经由输出接口16呈现认知问题。
处理部13可以包括运算处理部131,其中该运算处理部131被配置为计算使用者的集中度的评价值。在呈现装置20呈现认知问题集并且解答存储部121存储输入至输入装置30的使用者的解答之后,运算处理部131可以基于解答存储部121中所存储的与处理时间有关的信息来计算使用者的集中度的评价值。即,运算处理部131可以基于与认知问题集相对应的与处理时间有关的信息来计算使用者的集中度的评价值。
顺便提及,本实施例允许针对各认知问题的脑力压力的程度的相对较大的偏差,因而各处理时间不仅根据使用者的集中度而且还根据相应认知问题的难易度而改变。因此,基于处理时间来计算使用者的集中度的评价值需要从处理时间中去除难易度所引起的各变化。
为此,评价装置10可以包括校正部15,其中该校正部15被配置为将利用获取部11所获取到的处理时间校正为与预定难易度相对应的有效时间。即,校正部15可以抑制认知问题的各难易度所引起的处理时间的偏差,以使认知问题的难易度大致相等,由此校正处理时间。后面将说明经由校正部15的处理时间的具体校正方法。
以下说明运算处理部131所进行的处理。运算处理部131不是基于处理时间而是基于经由校正部15进行校正得到的有效时间来计算使用者的集中度的评价值。在以下要说明的示例中,解答存储部121存储处理时间,然后校正部15将解答存储部121中所存储的处理时间校正并改变为有效时间,由此向运算处理部131提供有效时间。
如果从开始各测量起的经过时间长,则针对各个认知问题集所测量到的有效时间可能长。这被视为表示使用者的脑力疲劳所引起的活力下降。为了提取有效时间的特征值,运算处理部131可以求得基于解答存储部121中所存储的处理时间而获取到的有效时间的频率分布。该频率分布是根据有效时间的集合而求得的,由此使得可以提取有效时间的集合的特征值。即,可以基于有效时间的集合来计算使用者的集中度的评价值。
例如,可以通过根据通过校正解答存储部121中所存储的处理时间而获取到的有效时间来求得频率分布来获取如图2所示的时间占有度的直方图。在图2中,将有效时间描述为表示用以求出各认知问题的解答的时间的解答时间。在时间占有度的直方图中,将有效时间分割成多个区间。直方图表示各区间的有效时间的总和相对于有效时间的总和的比率作为时间占有度。即,具有对数标度的横轴表示有效时间(解答时间),并且纵轴表示时间占有度。通过ΣTi/ΣT给出时间占有度,其中ΣT是一次测量中的有效时间的总和,并且ΣTi是区间i中的有效时间的总和。在适当的认知问题的情况下,实验结果示出时间占有度的直方图具有两个以上的峰。即,直方图包括各自均为山形的两个以上的区域。
本实施例被配置为基于时间占有度的直方图并且基于如下模型来分析使用者的集中度,其中在该模型中,将在使用者的脑力作业期间要发生的三个状态分类为“作业状态”、“短期休息”和“长期休息”。在“作业状态”中,认知资源分配至对象,并且作业状态表示作业处理进行的状态。在“短期休息”中,认知资源分配至对象,但短期休息表示作业处理无意识地在短时间内停止的状态。该状态是按恒定概率从生理上发生的。在“长期休息”中,认知资源没有分配至对象,并且长期休息表示长时间休息的状态。
在上述的“作业状态”和“短期休息”中,由于认知资源分配至对象,因此“作业状态”和“短期休息”各自被视为处于集中状态。在“长期休息”中,由于认知资源没有分配至对象,因此“长期休息”被视为处于非集中状态。将包括有效时间最短的峰的山形的区域估计为“作业状态”和“短期休息”混合的状态。可以将包括其它峰中的任何峰的山形的区域解释为“作业状态”、“短期休息”和“长期休息”混合的状态,这是因为即使该区域处于集中状态,该区域的有效时间也由于问题的各难易度的偏差而可能长。
顺便提及,存在与“作业状态”和“短期休息”混合的山形的区域有关的知识。根据该知识,可以将该区域近似地应用于对数正态分布的概率密度函数。另一方面,存在如下的一些结果:“作业状态”、“短期休息”和“长期休息”混合的山形的区域由于该区域依赖于个体差异因而可能无法应用于对数正态分布。这些结果被视为由于相对于“长期休息”的个体差异而发生。
在使用者解答认知问题以生成时间占有度的直方图的情况下,使用者尝试保持集中状态。因此,估计为时间占有度最大的有效时间反映“作业状态”和“短期休息”混合的状态。因此,在问题的各难易度恒定的理想状态的示例中,估计为可以利用作为有效时间t的函数的对数正态分布的概率密度函数f1(t)来近似时间占有度的直方图中的有效时间最短的山形的区域。然而,实际上可能无法完全消除问题的各难易度的偏差。因此,在两个山形区域中的有效时间最短的山形区域中,估计为仅有效时间比峰的有效时间短的部位和该峰附近的部位与对数正态分布的概率密度函数f1(t)一致。确定参数(预期值和方差)以近似这些部位。
如果确定了对数正态分布的概率密度函数f1(t)的参数,则可以计算出有效时间的预期值。可以估计为通过将所计算出的预期值和总问题数相乘所获得的结果是从使用者开始各问题起直到使用者结束各问题为止的所有有效时间中的处于集中状态的时间。还可以估计为通过从各有效时间的总和中减去处于集中状态的时间所获得的时间是处于非集中状态的时间。因此,将处于集中状态的时间相对于各有效时间的总和的比率定义为集中时间比率,并且判断为集中时间比率较高的集中度是较高的集中度。如同这样获取到的集中时间率成为集中度的评价值。
为了如上所述计算集中度的评价值(集中时间比率),运算处理部131可以包括用于生成时间占有度的直方图的功能和用于向时间占有度的直方图应用函数的功能。运算处理部131还可以包括用于基于所应用的函数的参数来计算集中时间或集中度的评价值的功能。
运算处理部131被配置为使得呈现装置20能够呈现上述的集中时间比率作为集中度的评价值。即,运算处理部131可以计算出集中时间比率以使得呈现装置20能够经由输出接口16呈现该集中时间比率。
顺便提及,校正部15可以具有用于计算与给定的认知问题的难易度相对应的负荷系数、以基于该负荷系数来将相应处理时间校正并改变为有效时间的功能。在该示例中,估计为在使用者的集中度彼此相等的条件下,认知问题的难易度与处理时间成比例。还估计为:如果不考虑使用者之间的各个能力的差异,则认知问题的各难易度与各使用者的脑力压力相对应。在这种关系中,可以通过将认知问题的各处理时间乘以负荷系数来计算认知问题的难易度被去除的有效时间,其中负荷系数是相应难易度的倒数。
以下说明有效时间的计算示例。在该示例中,处理时间为4秒时的难易度是1,并且将该难易度定义为标准值。在该示例中,如果针对给定认知问题的处理时间为6秒,则基于上述定义,认知问题的难易度为1.5。通过将难易度的倒数用在负荷系数中,处理时间为6秒时的认知问题的有效时间是6秒×(1/1.5)=4秒。因而,可以计算出不依赖于认知问题的各难易度的有效时间。
由于基于使用者的集中度彼此相等的条件来定义上述的负荷系数,因此需要确定满足该条件的负荷系数。因此,在本实施例中,基于以下的三个种类的方法中的任何方法来定义针对各认知问题的负荷系数。即,从以下值中选择负荷系数:(1)通过分析认知问题的处理过程所获得的理论值;(2)根据评价实验结果所获得的预期值;以及(3)作为使用者的针对认知问题的实际解答的结果所获得的测量值。基于用于获取负荷系数的方法,将以下的负荷系数定义为理论值、预期值和测量值中的任意值。
(1)理论值
通过分析使用者的针对给定认知问题的处理过程来定义负荷系数的理论值。作为示例,将一位数和一位数相加,或者将两位数和一位数相加。然而,在将两位数和一位数相加的情况下,不考虑舍入。作为各具体示例,可以通过3+6示出前者,并且可以通过23+6示出后者。
例如,可以如表1所示分解“3+6”的认知问题的处理过程。
表1
步骤 | 认知过程 |
1 | 定位第一个数“3” |
2 | 存储第一个数“3” |
3 | 定位运算符号“+” |
4 | 识别运算规则 |
5 | 定位第二个数“6” |
6 | 存储第二个数“6” |
7 | 将第一个数与第二个数相加 |
8 | 存储运算结果 |
9 | 输入解答 |
另一方面,例如,可以如表2所示分解“23+6”的认知问题的处理过程。
表2
如果如表1或2所示分解认知问题的各处理过程,则“3+6”的认知问题具有9个步骤,而“23+6”的认知问题具有11个步骤。在将步骤数的比率视为难易度的比率的情况下,通过11/9≈1.2给出“23+6”的认知问题相对于“3+6”的认知问题的难易度。在该示例的情况下,以对两个一位数进行相加的认知问题的难易度为标准,通过1/1.2≈0.82给出负荷系数的理论值。
用于分解认知问题的各处理过程的方法不限于表1和2的示例,而且可以应用其它处理过程。可以针对处理过程中的各个认知问题设置脑力压力的程度,并且可以利用步骤数来替换脑力压力的程度的总和。在示例中,表1中的第一步骤~第八步骤的各个脑力压力的各程度是1.0,并且第九步骤的脑力压力的程度是1.1。在这种情况下,与“3+6”有关的步骤数是9.1。因而,可以基于针对各步骤的脑力压力的程度来更精确地计算针对认知问题的各负荷系数。
(2)预期值
可以通过向多个被检者提供具有作为标准值的难易度的认知问题和作为比较对象的认知问题、以基于针对认知问题的各处理时间计算作为比较对象的认知问题的各难易度,来计算负荷系数的预期值。在被检者之间,除认知问题以外的条件彼此相等。针对多个被检者各自计算针对具有作为标准值的难易度的认知问题的处理时间与针对作为比较对象的指定认知问题的处理时间的比率。如上所述所计算出的比率的平均值是针对作为比较对象的认知问题的负荷系数的预期值。
在示例中,针对具有作为标准值的难易度的认知问题的处理时间是T1,并且针对作为比较对象的认知问题的处理时间是Tx。通过Tx/T1给出针对各被检者的与负荷系数相对应的处理时间的比率,并且可以计算出多个被检者中的各个比率Tx/T1的平均值作为针对相应认知问题的负荷系数的预期值。
如果在被检者之间认知问题的处理条件相等,则被检者的集中度不受环境影响。因此,处理时间仅受相应认知问题的难易度和针对认知问题的被检者的处理能力所影响。由于针对各被检者计算出比率Tx/T1,因此可以消除被检者的处理能力的影响。另外,针对各被检者计算出比率Tx/T1,由此减轻诸如呈现装置20和输入装置30等的用户界面的差异以及各个被检者的动机的差异。
用于计算预期值的方法是用于计算负荷系数的三个种类的方法中的普遍性最高的方法。特别地,认知问题可以是与计算有关的问题、与语言有关的问题、与比较和判断有关的问题以及基于规则要解答的问题中的任何问题。因而,即使在这些问题混合的情况下,也可以计算针对各个认知问题的负荷系数的预期值。由于基于比率Tx/T1来针对各被检者计算负荷系数的预期值,因此即使在认知问题的处理所用的环境针对被检者彼此不同的情况下,也可以针对各认知问题计算出负荷系数。
(3)测量值
负荷系数的理论值和预期值是为计算集中度的评价值而在使用者解答认知问题之前计算出的。另一方面,负荷系数的测量值是为计算使用者的集中度的评价值而在使用者解答认知问题的时间段内计算出的。
与计算负荷系数的预期值的情况相同,向使用者提供具有作为标准值的难易度的认知问题和作为比较对象的认知问题。这些认知问题的各难易度是未知的,但以相同形式要呈现的认知问题的各难易度彼此相同。因此,可以通过计算各难易度彼此相同的处理时间的平均值来获取与该难易度相对应的处理时间的标准。因此,根据针对作为比较对象的认知问题内的难易度相同的认知问题的处理时间的平均值、以及针对具有作为标准值的难易度的认知问题的处理时间的平均值所获得的比率与负荷系数相对应。
简言之,可以通过向被检者提供相同的认知问题来计算负荷系数的预期值,而可以通过向使用者提供难易度相同的认知问题来计算负荷系数的测量值。“被检者”考虑解答认知问题以获取负荷系数的使用者经常不同于测量集中度的使用者的情况来解答认知问题以获取预期值。另一方面,“使用者”考虑解答认知问题以获取负荷系数的使用者与测量集中度的使用者一致的情况来解答认知问题以计算测量值。
即使在难易度相同的情况下,在集中度方面也发生变化,因此期望连续地提供具有作为标准值的难易度的各认知问题和难易度相同的作为比较对象的各认知问题。为了进一步降低集中度的变化对处理时间的影响,可以通过在适当定时交换作为比较对象的认知问题和具有作为标准值的难易度的认知问题的顺序来计算负荷系数,以将通过交换认知问题所获得的负荷系数的平均值定义为负荷系数。
可以基于认知问题的类型的相似性来预先定义认知问题的各难易度的评价。可以基于针对各个认知问题所测量到的被检者的处理时间来判断各难易度是否相同。
只要在适当定时将相应认知问题提供至使用者,如上所述所获得的负荷系数的测量值即可表示反映该认知问题的难易度的值。特别地,根据作为比较对象的认知问题和具有作为标准值的难易度的认知问题的比率来获得该负荷系数。因此,可以减轻诸如呈现装置20和输入装置30等的用户界面的差异以及各个被检者的动机的差异。由于相同的原因,可以去除被检者的处理能力的影响。
认知问题可以是与计算有关的问题、与语言有关的问题、与比较和判断有关的问题以及基于规则要解答的问题中的任何问题。即使这些问题混合,也可以计算认知问题的各负荷系数的各测量值。
如上所述,如果针对各认知问题计算负荷系数,则可以通过将与该认知问题相对应的负荷系数应用于针对该认知问题所测量到的处理时间,来将所测量到的处理时间校正并改变为与预定难易度相对应的处理时间。以下将说明在实际计算使用者的集中度的评价值的情况下的评价装置10的应用示例。
彼此相似但分别具有不同的难易度的认知问题的示例包括在无需进行舍入的情况下将一位数与一位数相加、在进行舍入的情况下将一位数与一位数相加、以及从一位数中减去一位数。在认知问题包含三个种类的认知问题的情况下,可以针对各种类分配负荷系数。可以针对各种类的认知问题计算处理时间的代表值,以针对各种类的认知问题计算负荷系数。代表值可以是平均值或中央值。
在示例中,针对与在无需进行舍入的情况下将一位数与一位数相加有关的认知问题的处理时间是标准值,并且其它认知问题是比较对象。期望地,由于处理时间可能根据使用者的年龄而改变,因此针对各年龄组进一步对负荷系数进行分割。还存在除年龄组外、处理时间还根据身体状况和习惯等而改变的可能性,因此可以附加考虑这些因素。
如上所述,考虑集中度的评价值根据诸如使用者的年龄、身体状况和习惯等的使用者特征以及评价装置10的使用环境而改变。使用环境的示例包括照度、气温、时间范围以及认知问题的呈现方法。认知问题的呈现方法的示例包括用于提供相似的认知问题的方法、用于提供不同种类的认知问题的方法、用于在诸如游戏等的其它行为期间提供认知问题的方法。
因此,在评价装置10计算使用者的集中度的评价值时,不仅需要选择要给予至使用者的认知问题,而且还需要设置使用者的特征和使用环境。在本实施例中,预先将认知问题的各负荷系数定义为理论值或预期值。在这种情况下,可以针对各个认知问题将认知问题的负荷系数存储在问题存储部122中。
在将各负荷系数定义为测量值的情况下,在向使用者提供用于计算集中度的评价值的认知问题期间,校正部15可以基于针对各认知问题的处理时间来计算各负荷系数。期望在针对认知问题的各个负荷系数计算测量值的情况下,使用者的特征和使用环境在使用者之间相等。利用如上所述的方法来计算负荷系数。
如上所述,可以基于针对各任务的认知过程中的步骤数来定义负荷系数、即这些任务的各难易度。可选地,可以基于针对作为比较对象的任务的处理时间相对于针对作为标准的任务的处理时间的比率来定义各难易度。
评价装置10被配置为获取针对认知问题的各处理时间,以将针对认知问题的各处理时间和表示认知问题的正确或不正确的各解答结果存储在解答存储部121中,从而计算使用者的集中度的评价值。解答存储部121可以存储用于标识认知问题的信息、以及与各处理时间和表示正确或不正确的各解答结果有关的信息。
在解答存储部121存储用于计算使用者的集中度的评价值的必要数量的处理时间之后,校正部15从解答存储部121按序读取处理时间。校正部15通过将用于标识认知问题的信息与问题存储部122的信息进行对照来提取相应认知问题的负荷系数。将所提取的负荷系数应用于从解答存储部121所读取的处理时间,并且校正部15将该处理时间校正并改变为与预定难易度相对应的处理时间。
将作为校正部15校正处理时间的结果的有效时间给予至运算处理部131。如上所述获得有效时间的频率分布,并且基于频率分布来定量地计算集中度。
在上述结构示例中,仅向使用者呈现认知问题,但如果计算针对各认知问题的负荷系数,则计算出各个负荷系数的认知问题可以包含在不同的作业中。不同的作业不限于与学习或商业相关联的作业。例如,认知问题可以包含在娱乐性的电子游戏的内容中。
电子游戏所用的装置的示例包括游戏机、以及诸如智能电话、平板计算机和个人计算机等的通用装置。任何装置均包括被配置为执行程序的装置、以及用作呈现装置20和输入装置30的装置。处理器执行程序,由此实现上述的评价装置10的功能。
该程序可以利用计算机可读介质来提供、或者经由诸如因特网等的电信网络来提供。在仅用于指定电子游戏的专用装置的情况下,该程序可以预先存储在ROM(只读存储器)中。
在用于在电子游戏中呈现认知问题的定时,期望在电子游戏中针对各相同内容的应答之后、呈现相同的认知问题。各相同的认知问题需要各相同的操作。相同的认知问题具有相同的处理过程。例如,将移动操作的内容和选择操作的内容的各操作作为不同操作进行处理。期望地,在相似条件下呈现认知问题。
在本实施例中,由于针对各认知问题设置负荷系数,因此认知问题的难易度可能不与电子游戏的各内容相关。然而,期望认知问题的负荷系数对电子游戏中的各相同内容相同。期望地,各负荷系数相同的认知问题包括在使用者的集中度彼此相同的时间段内。相同的负荷系数表示认知问题的负荷系数的方差在指定范围内。
如果使用者玩电子游戏,则评价装置10在玩电子游戏期间的适当定时呈现认知问题,并且存储部12存储针对所呈现的认知问题的各处理时间。如果电子游戏结束或者认知问题的数量达到预定数量(例如,100),则校正部15将存储部12中所存储的处理时间校正并改变为有效时间,其中将这些有效时间给予至处理部13。处理部13基于有效时间来计算集中度,并且使得呈现装置20能够经由输出接口16呈现集中度的结果。呈现装置20可以在选择的适当定时呈现结果。输出接口16可以在电子游戏结束时自动呈现结果,或者根据使用者输入至输入装置30的指示来呈现结果。
在上述结构示例中,呈现装置20可以兼用作用于显示电子游戏的内容的显示器。输入装置30也可以兼用作电子游戏的操作所用的键盘或触摸面板。换句话说,电子游戏所用的游戏机可以包括用于实现本实施例所述的评价装置10的应用程序。在这种情况下,期望用于实现评价装置10的应用程序包含在游戏机所用的应用程序中。游戏机可以具有构成本实施例的评价装置10的专用硬件。在这种情况下,认知问题可以包含在电子游戏的内容中。
顺便提及,上述的电子游戏例如是主要是脑力作业所用的游戏,诸如角色扮演游戏、模拟游戏或教育游戏等。另一方面,存在不是主要需要脑力作业、而是针对视觉和听觉的感觉模拟需要体力运动的电子游戏,诸如用于模拟运动的游戏等。在这种电子游戏中,各处理时间可以是从提供感觉刺激起直到特定体力运动为止的时间。
在这种电子游戏中,存在如下可能性:作为将需要脑力作业的认知问题包含在游戏的内容中的结果,可能会损害对游戏的兴趣。因此,利用从感觉模拟起直到使用者的身体的处理操作为止的时间来定义各处理时间。由于使用者可能针对身体的特定动作的请求进行错误动作,因此还期望基于与动作的正确与否相对应的适当加权系数来校正各处理时间。例如,在计算集中度的评价值时,可以使错误动作所产生的处理时间的负荷系数相对增大为接近非集中状态,由此校正该处理时间以使其长于测量值。
在认知问题包含在电子游戏的内容中的示例中,如上所述,基于理论值或预期值来预先定义针对各认知问题的负荷系数。另一方面,在针对使用者获取负荷系数的各测量值的情况下,与如上所述计算负荷系数的各理论值的情况相同,评价装置10通过向使用者呈现认知问题来获取测量值。
将处理时间存储在存储部12中,并且处理部13基于处理时间来针对各认知问题计算负荷系数。然后,校正部15将存储部12中所存储的处理时间应用于各负荷系数,由此计算出有效时间以向处理部13提供这些有效时间。处理部13基于有效时间来计算集中度的评价值,以使得呈现装置20能够经由输出接口16呈现评价值。注意,用以呈现认知问题以计算负荷系数的时间段可能不同于用以呈现认知问题以计算集中度的评价值的时间段。
上述认知问题是在任何情况下均具有一个种类的处理过程的认知问题。例如,通常针对电子游戏的内容可选择不同种类的处理过程,因此电子游戏的内容等不适合用于计算集中度的评价值的认知问题。简言之,需要设置认知问题,使得唯一地获取到各个解答。
用于计算集中度的评价值的任务可能不必是认知问题。即,即使这些任务不是认知问题,只要可以测量针对这些任务的各处理时间,就可以客观且定量地计算集中度的评价值。如上所述,用于测量处理时间的任务与不同于用于测量处理时间的任务的作业可能混合。因此,使用者在进行任何作业期间,处理用于测量处理时间的任务,由此可以评价使用者在作业中的集中度的变化。
在使用者处理一个任务时、发生物理事件并且重复该任务的情况下,如果可以测量针对该任务的处理时间,则可以基于该处理时间来计算集中度的评价值。例如,在利用菜刀将蔬菜切成细条时,可以测量处理时间,其中蔬菜的一次切割是任务的处理,每当处理任务时发生的声音是物理事件,并且处理时间是蔬菜的一次切割的必要时间。即,如果将每当切割期间菜刀与砧板碰撞时发生的碰撞噪声之间的时间间隔作为各处理时间进行测量,则处理部13可以基于处理时间来计算使用者根据上述过程进行切割的集中度的评价值。例如,可以通过利用照相机等拍摄处理的图像来测量各处理时间。
呈现装置20可以与评价装置10分离。在这种情况下,可以利用电子纸或纸张等替换呈现装置20。在利用电子纸或纸张等替换呈现装置20的情况下,可以将每当将解答输入至输入装置30时的时间间隔视为针对相应认知问题的处理时间。
在利用纸张替换呈现装置20的情况下,可以针对各认知问题附加写入诸如二维码等的个体标识信息,从而标识所呈现的认知问题。在这种情况下,期望地,可以利用诸如照相机等的读取器来读取标识信息。利用该结构,可以基于读取器所读取的各标识信息来识别使用者所处理的任务,以将各处理时间分配至这些任务。可选地,在输入装置30中,可以将解答输入字段(解答输入框)分配至各任务(认知问题),由此可以将各处理时间分配至任务。
在呈现装置20连同电子纸一起进行工作的情况下,可以向呈现装置20提供用于与其它装置进行通信的功能。在该结构中,其它装置向呈现装置20提供用于呈现认知问题的信息,并且向评价装置10提供与该信息相对应的各时间,由此使得能够精确地测量针对各认知问题的处理时间。
作为示例的上述实施例被配置为使得呈现装置20能够在逐一顺次呈现认知问题的情况下呈现这些认知问题。然而,可以基于解答之间的时间来测量处理时间。例如,针对各认知问题的处理时间可以是从解答向输入装置30的输入结束起直到下一解答的输入结束为止的时间。在处理时间是解答之间的时间的情况下,可以在无需呈现装置20的情况下计算处理时间。例如,可以通过向使用者呈现打印有认知问题的纸张、使得使用者能够将解答输入至输入装置30中、并且针对各认知问题存储解答的输入结束的时间,来计算处理时间。在向使用者呈现打印有认知问题的纸张的情况下,各纸张可以打印有一个认知问题,并且不必将认知问题的列表打印在一张纸上。
如上所述,评价装置10计算使用者的集中度的评价值以经由呈现装置20呈现该评价值。相应地,支持者等可以将该评价值用于使用者的教育支持或商业支持。另外,在对自身的集中力的程度感兴趣并且进行用于提高自身的集中力的训练的使用者的情况下,使用者可以通过确认集中度的评价值来知晓训练效果。
如上所述,本实施例的集中度评价装置10包括获取部11、存储部12、处理部13和校正部15。获取部11被配置为获取针对使用者所进行的多个任务中的各任务所测量到的处理时间。存储部12被配置为存储经由获取部11所获取到的针对各任务的处理时间。校正部15被配置为基于与针对任务的各难易度相对应地设置的负荷系数,来将存储部12中所存储的处理时间校正并改变为与预定的难易度相对应的有效时间。处理部13被配置为基于根据针对多个任务求出的多个有效时间的集合所获取到的统计量,来计算使用者的集中度的评价值。
在本实施例的集中度评价装置10中,校正部15可被配置为基于与针对任务的各难易度相对应地设置的负荷系数,来将经由获取部11所获取到的针对任务的处理时间校正并改变为与预定的难易度相对应的各有效时间。在该结构中,存储部12可以存储针对多个任务求出的多个有效时间。处理部13可以基于根据多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
利用本实施例的结构,评价装置10基于与使用者所进行的任务的各难易度相对应地设置的各负荷系数来将针对这些任务的各处理时间校正并改变为各有效时间,并且基于这些有效时间来计算集中度的评价值。因而,评价装置10可以计算出集中度的客观评价值。此外,通过应用与针对任务的各难易度相对应的负荷系数来将各处理时间校正并改变为各有效时间。因而,即使任务包括难易度的偏差,也可以精确地计算出集中度的评价值。
利用本实施例的结构,将与任务的各难易度相对应的负荷系数应用于针对任务的各处理时间。因此,将各处理时间校正并改变为与预定的难易度相对应的各有效时间。结果,可以减少针对用于计算出集中度的评价值的任务的限制。即,可以减少针对任务的制约条件,因此可以减轻与任务的选择有关的负担。
期望上述的多个任务是要求针对给定认知问题给出解答或应答的作业。利用该结构,根据针对认知问题的各解答或应答的各应答时间来获取针对这些认知问题的各处理时间,并且根据这些处理时间来计算使用者的集中度的评价值。因此,可以精确地计算出出脑力作业的情况下的集中度的评价值。
本实施例的集中度评价装置10还可以包括输出接口16、输入接口17和测量部14。输出接口16被配置为使得呈现装置20能够呈现认知问题。输入接口17被配置为接收输入到输入装置30中的解答。测量部14被配置为测量从经由呈现装置20呈现认知问题起直到解答输入至输入装置30为止的时间作为处理时间。在该结构中,获取部11被配置为从测量部14获取处理时间。
利用该结构,评价装置10呈现认知问题并且测量各处理时间,并且由于不需要认知问题的呈现和处理时间的测量所用的附加结构,因此可以是简单地配置的。
本实施例的程序是用于使得计算机能够用作上述的评价装置10的程序。该程序可以存储在计算机可读介质中。在这种情况下,计算机可以执行介质中所存储的程序,或者在将介质中所存储的程序安装在计算机中之后,计算机可以执行该程序。可以经由诸如因特网等的电信网络来提供程序。可以经由该程序计算出集中度的客观评价值。
利用上述的结构示例,存储部12存储经由获取部11所获取到的处理时间,并且校正部15将存储部12中所存储的处理时间校正并改变为各有效时间,以将这些有效时间提供至处理部13。作为对比,如图3所示,校正部15可以将经由获取部11所获取到的处理时间校正并改变为有效时间,以将这些有效时间存储在存储部12中。在该结构中,处理部13可以基于存储部12中所存储的有效时间来计算使用者的集中度的评价值。
上述实施例是本发明的一个示例。因此,本发明不限于上述实施例。只要没有背离与本发明有关的技术思想的范围即可,例如可以根据设计等来进行本实施例以外的各种变化。
Claims (13)
1.一种集中度评价装置,其特征在于,包括:
获取部,其被配置为获取针对使用者所进行的多个任务中的各任务所测量到的处理时间;
存储部,其被配置为存储经由所述获取部所获取到的针对各任务的处理时间;
校正部,其被配置为基于与任务的各难易度相对应地设置的负荷系数,来将所述存储部中所存储的所述处理时间校正并改变为与预定的难易度相对应的有效时间;以及
处理部,其被配置为基于根据针对所述多个任务求出的多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
2.根据权利要求1所述的集中度评价装置,其中,所述多个任务是需要针对给定的认知问题给出解答或应答的作业。
3.根据权利要求2所述的集中度评价装置,其中,还包括:
输出接口,其被配置为使得呈现装置能够呈现所述认知问题;
输入接口,其被配置为接收输入到输入装置中的所述解答;以及
测量部,其被配置为测量从经由所述呈现装置呈现所述认知问题起直到所述解答输入至所述输入装置为止的时间,作为所述处理时间,
其中,所述获取部被配置为从所述测量部获取所述处理时间。
4.根据权利要求1至3中任一项所述的集中度评价装置,其中,所述难易度是基于根据对应的任务获取到的认知过程的步骤数来定义的。
5.根据权利要求1至3中任一项所述的集中度评价装置,其中,所述难易度是基于针对作为比较对象的任务的必要处理时间相对于针对作为标准的任务的必要处理时间的比率来定义的。
6.一种集中度评价装置,其特征在于,包括:
获取部,其被配置为获取针对使用者所进行的多个任务中的各任务所测量到的处理时间;
校正部,其被配置为基于与任务的各难易度相对应地设置的负荷系数,来将经由所述获取部所获取到的针对各任务的处理时间校正并改变为与预定的难易度相对应的有效时间;
存储部,其被配置为存储针对所述多个任务求出的多个有效时间;以及处理部,其被配置为基于根据所述多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
7.根据权利要求6所述的集中度评价装置,其中,所述多个任务是需要针对给定的认知问题给出解答或应答的作业。
8.根据权利要求7所述的集中度评价装置,其中,还包括:
输出接口,其被配置为使得呈现装置能够呈现所述认知问题;
输入接口,其被配置为接收输入到输入装置中的所述解答;以及
测量部,其被配置为测量从经由所述呈现装置呈现所述认知问题起直到所述解答输入至所述输入装置为止的时间,作为所述处理时间,
其中,所述获取部被配置为从所述测量部获取所述处理时间。
9.根据权利要求6至8中任一项所述的集中度评价装置,其中,所述难易度是基于根据对应的任务获取到的认知过程的步骤数来定义的。
10.根据权利要求6至8中任一项所述的集中度评价装置,其中,所述难易度是基于针对作为比较对象的任务的必要处理时间相对于针对作为标准的任务的必要处理时间的比率来定义的。
11.一种存储有用于使得计算机能够用作根据权利要求1至10中任一项所述的集中度评价装置的程序的记录介质。
12.一种集中度评价方法,其特征在于,包括:
获取步骤,用于获取针对使用者所进行的多个任务中的各任务所测量到的处理时间;
存储步骤,用于存储经由所述获取步骤所获取到的针对各任务的处理时间;
校正步骤,用于基于与任务的各难易度相对应地设置的负荷系数,来将所述存储步骤中所存储的所述处理时间校正并改变为与预定的难易度相对应的有效时间;以及
处理步骤,用于基于根据针对所述多个任务求出的多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
13.一种集中度评价方法,其特征在于,包括:
获取步骤,用于获取针对使用者所进行的多个任务中的各任务所测量到的处理时间;
校正步骤,用于基于与任务的各难易度相对应地设置的负荷系数,来将经由所述获取步骤所获取到的针对各任务的处理时间校正并改变为与预定的难易度相对应的有效时间;
存储步骤,用于存储针对所述多个任务求出的多个有效时间;以及
处理步骤,用于基于根据所述多个有效时间的集合获取到的统计量,来计算使用者的集中度的评价值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014-108359 | 2014-05-26 | ||
JP2014108359A JP5866567B2 (ja) | 2014-05-26 | 2014-05-26 | 集中度の評価装置、プログラム |
PCT/JP2015/002078 WO2015182032A1 (ja) | 2014-05-26 | 2015-04-15 | 集中度の評価装置、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106413555A CN106413555A (zh) | 2017-02-15 |
CN106413555B true CN106413555B (zh) | 2019-05-14 |
Family
ID=54698394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580027571.7A Active CN106413555B (zh) | 2014-05-26 | 2015-04-15 | 集中度评价装置和程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20170188926A1 (zh) |
JP (1) | JP5866567B2 (zh) |
CN (1) | CN106413555B (zh) |
WO (1) | WO2015182032A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3702685A1 (en) | 2012-08-28 | 2020-09-02 | Delos Living LLC | Environmental control system and method of operation such system |
AU2015223112B2 (en) | 2014-02-28 | 2020-07-09 | Delos Living Llc | Systems, methods and articles for enhancing wellness associated with habitable environments |
EP3617963A4 (en) | 2017-04-24 | 2020-04-08 | Panasonic Intellectual Property Management Co., Ltd. | INTELLECTUAL PRODUCTIVITY ASSESSMENT DEVICE AND INTELLECTUAL PRODUCTIVITY ASSESSMENT METHOD |
US11294898B2 (en) | 2017-07-31 | 2022-04-05 | Pearson Education, Inc. | System and method of automated assessment generation |
WO2019046580A1 (en) | 2017-08-30 | 2019-03-07 | Delos Living Llc | SYSTEMS, METHODS AND ARTICLES FOR EVALUATING AND / OR IMPROVING HEALTH AND WELL-BEING |
JP6893337B2 (ja) * | 2018-02-01 | 2021-06-23 | パナソニックIpマネジメント株式会社 | 空気調和システム |
WO2020055872A1 (en) | 2018-09-14 | 2020-03-19 | Delos Living Llc | Systems and methods for air remediation |
JP2020109540A (ja) * | 2018-12-28 | 2020-07-16 | 株式会社キャピタルメディカ | 情報処理装置、情報処理方法および情報処理プログラム |
WO2020176503A1 (en) | 2019-02-26 | 2020-09-03 | Delos Living Llc | Method and apparatus for lighting in an office environment |
US11898898B2 (en) | 2019-03-25 | 2024-02-13 | Delos Living Llc | Systems and methods for acoustic monitoring |
EP3751812B1 (en) | 2019-06-10 | 2022-10-26 | Nokia Technologies Oy | Resource access |
CN115335859A (zh) * | 2020-03-26 | 2022-11-11 | 松下知识产权经营株式会社 | 专注度推定装置、专注度推定方法及程序 |
JP7146196B2 (ja) * | 2021-02-01 | 2022-10-04 | インタークロス株式会社 | スコア算出装置および方法ならびにスコア算出装置の制御プログラム |
WO2023032335A1 (ja) * | 2021-08-30 | 2023-03-09 | パナソニックIpマネジメント株式会社 | 支援システム、支援方法、及び、プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1627915A (zh) * | 2002-02-19 | 2005-06-15 | 沃尔沃技术公司 | 用于监视和管理司机注意力负荷的系统和方法 |
CN101378696A (zh) * | 2006-02-09 | 2009-03-04 | 皇家飞利浦电子股份有限公司 | 注意广度或其下降的评估 |
JP5302911B2 (ja) * | 2010-02-15 | 2013-10-02 | 株式会社日立製作所 | 疲労度評価システムおよびそれを用いた企業内疲労度評価システム並びに疲労度評価方法 |
JP2014063128A (ja) * | 2012-08-31 | 2014-04-10 | Panasonic Corp | 集中度計測装置、プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4635179B2 (ja) * | 2004-09-24 | 2011-02-16 | 独立行政法人情報通信研究機構 | 認識能力測定装置及び認識能力測定方法 |
-
2014
- 2014-05-26 JP JP2014108359A patent/JP5866567B2/ja active Active
-
2015
- 2015-04-15 CN CN201580027571.7A patent/CN106413555B/zh active Active
- 2015-04-15 WO PCT/JP2015/002078 patent/WO2015182032A1/ja active Application Filing
- 2015-04-15 US US15/313,832 patent/US20170188926A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1627915A (zh) * | 2002-02-19 | 2005-06-15 | 沃尔沃技术公司 | 用于监视和管理司机注意力负荷的系统和方法 |
CN101378696A (zh) * | 2006-02-09 | 2009-03-04 | 皇家飞利浦电子股份有限公司 | 注意广度或其下降的评估 |
JP5302911B2 (ja) * | 2010-02-15 | 2013-10-02 | 株式会社日立製作所 | 疲労度評価システムおよびそれを用いた企業内疲労度評価システム並びに疲労度評価方法 |
JP2014063128A (ja) * | 2012-08-31 | 2014-04-10 | Panasonic Corp | 集中度計測装置、プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2015182032A1 (ja) | 2015-12-03 |
US20170188926A1 (en) | 2017-07-06 |
JP5866567B2 (ja) | 2016-02-17 |
CN106413555A (zh) | 2017-02-15 |
JP2015223224A (ja) | 2015-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413555B (zh) | 集中度评价装置和程序 | |
US20220044824A1 (en) | Systems and methods to assess cognitive function | |
Polonio et al. | Strategic sophistication and attention in games: An eye-tracking study | |
Björklund | Initial mental representations of design problems: Differences between experts and novices | |
Du Plessis et al. | The role of psychological capital in the relationship between authentic leadership and work engagement | |
Rego et al. | Hope and positive affect mediating the authentic leadership and creativity relationship | |
Brown et al. | The Myers‐Briggs type indicator and transformational leadership | |
Chiang et al. | Core self-evaluation and workplace creativity | |
Zandi et al. | Iranian coaches forgiveness and relationship quality to their athletes | |
Easterling | Fundamentals of statistical experimental design and analysis | |
KR20170042286A (ko) | 인재의 데이터 기반 식별을 위한 시스템 및 방법 | |
JP6571219B2 (ja) | レコメンドシステムおよびレコメンド方法 | |
McLaren et al. | Examining communication as information exchange as a predictor of task cohesion in sport teams | |
Evans et al. | Double responding: A new constraint for models of speeded decision making | |
Fernández-Macías et al. | Methodology of the construction of task indices for the European Jobs Monitor | |
Strobl et al. | A new method for detecting differential item functioning in the Rasch model | |
Herberger et al. | The impact of big data and sports analytics on professional football: A systematic literature review | |
Ke et al. | Encouraging individuals to go green by gamification: An empirical Study | |
Alberola et al. | A general framework for testing different student team formation strategies | |
Langenfeld et al. | Integrating multiple sources of validity evidence for an assessment‐based cognitive model | |
WO2019235333A1 (ja) | 行動改善システムおよび行動改善方法 | |
Rill et al. | Strategic predictors of performance in a divided attention task | |
Zhou et al. | Treatment Effects and the Measurement of Skills in an Influential Home Visiting Program | |
Umbleja et al. | Predicting students’ behavior during an e-learning course using data mining | |
Pongpaichet et al. | Automatic assessment and identification of leadership in college students |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |