CN110574054B - 智力生产率评价装置和智力生产率评价方法 - Google Patents

智力生产率评价装置和智力生产率评价方法 Download PDF

Info

Publication number
CN110574054B
CN110574054B CN201880026121.XA CN201880026121A CN110574054B CN 110574054 B CN110574054 B CN 110574054B CN 201880026121 A CN201880026121 A CN 201880026121A CN 110574054 B CN110574054 B CN 110574054B
Authority
CN
China
Prior art keywords
concentration
time
state
bit
subject
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
Application number
CN201880026121.XA
Other languages
English (en)
Other versions
CN110574054A (zh
Inventor
大林史明
下田宏
石井裕刚
下中尚忠
上田树美
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN110574054A publication Critical patent/CN110574054A/zh
Application granted granted Critical
Publication of CN110574054B publication Critical patent/CN110574054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • 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
    • 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
    • A61B5/162—Testing reaction times
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Developmental Disabilities (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Hospice & Palliative Care (AREA)
  • Child & Adolescent Psychology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Psychology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明的智力生产率评价装置(30)具备：获取部(31)，其获取被要求将对多个问题的解答作业作为智力作业的受验者(2)对多个问题各自的解答所需的时间、即解答时间的集合；评价部(32)，其基于受验者(2)进行智力作业时处于专注状态和非专注状态中哪个状态的模式，使用由获取部(31)获取到的解答时间的集合，计算与专注状态下的受验者(2)的专注深度相关的评价值；以及输出部(33)，其输出表示由评价部(32)计算出的评价值的评价值信息。

Description

智力生产率评价装置和智力生产率评价方法
技术领域
本发明是涉及智力生产率评价装置和智力生产率评价方法。
背景技术
以往，已知有评价受验者的智力生产率的各种方法。例如，在专利文献1公开有基于使受验者解答多个问题时的解答时间来分析受验者的专注力的智力生产率分析装置。在专利文献1记载的智力生产率分析装置中，计算专注时间在计量解答时间而得的计量时间中所占的比例，作为表示智力生产率的评价值。
现有技术文献
专利文献
专利文献1：日本特开2014-186289号公报
发明内容
发明要解决的问题
然而，现在利用空调设备或照明装置等控制人居住空间的环境。此时，可利用专利文献1记载的智力生产率分析装置，评价所控制的环境下的受验者的智力生产率。然而，无法谋求用于控制环境的设备的动作的高效率化。
因此，本发明目的在于提供能够支持设备的动作高效率化的智力生产率评价装置及智力生产率评价方法。
用于解决问题的方案
为了达成所述目的，本发明一方式的智力生产率评价装置具备：获取部，其获取被要求了将对多个问题的解答作业作为智力作业的受验者针对所述多个问题各自的解答所需的时间即解答时间的集合；评价部，其基于所述受验者进行所述智力作业时处于专注状态和非专注状态中的哪种状态的模型，使用由所述获取部获取到的解答时间的集合，计算与所述专注状态下的所述受验者的专注深度相关的评价值；以及输出部，其输出表示由所述评价部计算出的评价值的评价值信息。
另外，本发明一方式的智力生产率评价方法包括以下步骤：获取被要求了将对多个问题的解答作业作为智力作业的受验者针对所述多个问题各自的解答所需的时间即解答时间的集合；基于所述受验者进行所述智力作业时处于专注状态和非专注状态中的哪种状态的模型，使用获取到的解答时间的集合，计算与所述专注状态下的所述受验者的专注深度相关的评价值；以及输出表示所计算出的评价值的评价值信息。
另外，本发明一方式可作为用于使计算机执行所述智力生产率评价方法的程序实现。或者，也可作为储存该程序的计算机可读取的存储介质实现。
发明的效果
根据本发明的智力生产率评价装置及智力生产率评价方法，能够支持设备动作的高效率化。
附图说明
图1是示出实施方式涉及的智力生产率评价系统的结构的图。
图2是示出人的认知资源的分配方式与人的专注深度的关系的图。
图3是示出考虑人的专注深度的专注模型的状态转变图。
图4是示出实施方式涉及的智力生产率评价系统的功能构成的框图。
图5是示出在实施方式涉及的智力生产率评价系统中，受验者解答的问题的一例的图。
图6是示出解答时间柱状图与第一位专注及第二位专注各自对应的对数正态分布的图。
图7是示出图6所示的解答时间柱状图中对数正态分布的近似方法的一例的图。
图8是示出实施方式涉及的智力生产率评价系统中，获取解答时间数据的方法的流程图。
图9是示出实施方式涉及的智力生产率评价系统中，基于解答时间数据来计算评价值的方法的流程图。
图10是示出解答时间数据的重新排列的图。
图11是示出对重新排列的解答时间数据的累积分布函数的近似的图。
图12是用于说明从解答时间数据中将与第一位专注对应的解答时间的部分集合排除的方法的图。
图13是用于说明因第一位专注与第二位专注的复合而产生的问题的图。
图14是用于说明第一位专注与第二位专注各自的处理解答数的决定方法的图。
图15是示出将第一位专注与第二位专注各自的处理解答数优化的例的图。
图16A是示出第一位专注占主导的柱状图的一例的图。
图16B是示出第二位专注占主导的柱状图的一例的图。
图17是示意性示出实施方式的变形例涉及的解答时间柱状图的专注状态与非专注状态的分布的一例的图。
图18A是示出受验者的作业状态与解答速度的关系的图。
图18B是示出受验者的作业状态与专注时间比例的关系的图。
图19A是示出受验者的熟悉度与解答速度的关系的图。
图19B是示出受验者的熟悉度与专注时间比例的关系的图。
具体实施方式
以下，使用附图对本发明实施方式涉及的智力生产率评价装置及智力生产率评价方法等详细地进行说明。另外，以下说明的实施方式均为示出本发明的一具体例。因此，以下实施方式中示出的数值、形状、材料、构成要素、构成要素的配置及连接形态、步骤、步骤的顺序等均为一例，并非限定本发明的主旨。因此，关于以下的实施方式的结构要素中的未被记载于表示本发明的最上位概念的独立权利要求中的结构要素，作为任意的结构要素进行说明。
另外，各图是示意图，并非严格图示。因此，例如，各图中缩放比例等未必一致。另外，在各图中，对实质上相同的结构标注相同符号，而省略或简化重复的说明。
(实施方式)
[概要]
首先，使用图1对本实施方式的智力生产率评价系统的概要进行说明。图1是示出本实施方式的智力生产率评价系统1的结构。
智力生产率评价系统1是评价受验者2的智力生产率的系统。在智力生产率评价系统1中，通过使受验者2进行智力作业来评价受验者2的智力生产率。智力作业例如是对多个问题的解答作业。
如图1所示，智力生产率评价系统1具备：操作终端10、数据收集装置20、以及智力生产率评价装置30。操作终端10向受验者2提示多个问题，并且受理受验者2对所提示的问题的解答输入。数据收集装置20从操作终端10获取受验者2解答问题所需的时间即解答时间。智力生产率评价装置30使用数据收集装置20获取到的解答时间的集合来评价受验者2的智力生产率。具体而言，智力生产率评价装置30通过计算与受验者2对智力作业的专注“深度”相关的评价值，从而评价受验者2的智力生产率。
此外，智力生产率评价装置30输出表示所计算出的评价值的评价值信息。评价值信息输出至空调等设备40的控制部。控制部可通过基于评价值信息控制设备40来形成受验者2易于专注的环境。在易于专注的环境中，由于受验者2的作业效率提高，因而实现作业时间的缩短。因作业时间缩短而设备40的动作时间也缩短，从而实现节能。如此，根据本实施方式的智力生产率评价装置30，输出评价值信息，由此支持设备40的动作的高效率化。
以下，首先，关于本说明书中的智力生产率的定义以及智力生产率的评价方法，对本发明的具体内容进行说明。关于构成智力生产率评价系统1的结构要素的细节，在下文进行说明。
[智力生产率]
在本说明书中，智力生产率意味着每单位时间的智力作业的量。简单言之，智力生产率相当于智力作业的作业效率。
以往，智力生产率的评价是通过以下的各种方法等进行：(a)主观的评价方法、(b)生理指标的评价指标、(c)假想任务的作业成绩的评价方法、以及(d)专注指标的评价方法。然而，(a)～(d)的方法各自存在以下所示的问题。
例如，在(a)的主观的评价方法中，由于可通过问卷调查等进行因而容易计量。然而，会因每个人的感觉差异而产生较大影响，因此有客观性低的问题。
另外，在(b)的生理指标的评价方法中，由于可通过计量作业中受验者的脑波或心律等生理信号来进行，因而时间解析性能高，并且评价的客观性高。然而，计量需要特别的装置，并且每一个对象的计量所需的时间也延长。另外，生理信号与作业效率的关系性的不明确点也多，因此智力生产率的评价不够充分。
在(c)的假想任务的作业成绩的评价方法中，由于使受验者进行文字键入等任务，来测定其作业效率，因而客观性较高。然而，受到因重复进行任务而熟悉作业导致的作业效率提高的熟悉效果的影响，因此难以仅抽选出智力生产率来进行评价。
在(d)的专注指标的评价方法中，是关注到为了进行智力作业而需要人将认知资源分配给作业来予以注意的评价方法。具体而言是专利文献1等记载的方法。在专利文献1中，在人实施智力作业的状态下，基于使用“作业状态”、“短期休息”、以及“长期休息”的三个状态的模型，将“作业状态”与“短期休息”视为专注状态，将“长期休息”视为非专注状态。此外，计算受验者专注的时间即专注时间在计量时间中所占比例，作为指标。
在专注指标的评价方法中，能够实现客观且定量的专注评价。然而，无法评价至专注的质量。本案发明者等人发现即使在专注状态中其专注的质量也不同。具体而言，本案发明者等人发现无法将专注状态一概而论，在专注状态中也阶段性地包括多种状态。
因此，本案发明者等人着眼于能够实现客观且定量评价的(d)专注指标的评价方法，实现智力生产率评价系统。本实施方式的智力生产率评价系统1基于与专注质量对应的专注模型，客观且定量地评价受验者2的专注的质量。
[专注模型]
接着，对本实施方式的专注模型进行说明。
在本说明书中，“专注”是将认知资源分配给作业对象。“认知资源”是在注意或辨识等人利用大脑时必要的资源。就人而言，每个人都具有特定资源量的认知资源。
人将认知资源分配给智力作业，由此进行该智力作业。可将较多资源量的认知资源分配给智力作业，由此在短期间内进行智力作业。即，分配较多资源量的认知资源的状态可称为“深层专注”。
在本说明书中，将认知资源的分配方式定义为“专注深度”。“专注深度”表示人的专注程度，是与专注的质量相关的评价指标。
图2是示出人的认知资源的分配方式与人的专注深度的关系的图。如图2所示，在深层专注时，将一定资源量中多的认知资源分配给作业。在浅层专注时，将一定资源量中比深层专注少的认知资源分配给作业。
图3是示出考虑了人的专注深度的专注模型的状态转变图。
在图3所示的专注模型中，“专注状态”是将认知资源分配给作业对象的状态，是“短期中断状态”与“作业状态”混合的状态。此处，“短期中断状态”是虽然对作业对象予以注意但无意识地中断作业的状态，产生所谓的阻碍(Blocking)的状态。“作业状态”是对作业对象予以注意并且实际上作业进行的状态。
“非专注状态”是没有将认知资源分配给作业对象而意图休息的状态，具体而言是“长期休息状态”。“长期休息状态”是对作业对象未予以注意而因疲劳等有意识地中断作业的状态。
如图3所示，专注状态会根据专注深度而阶段性地包括多种专注状态。具体而言，专注状态中，专注依深度而顺次包括第一位专注、第二位专注、第三位专注、……第n位专注等n个专注状态。另外，n为2以上的自然数。
专注模型中，包括第一位专注及第二位专注等各专注状态、以及非专注状态的多个状态会以一定的转变率转变。具体而言，专注模型形成各个转变概率固定的马尔可夫模型。在图3中，多个状态间连接的双向箭头表示状态转变。
“第一位专注”是几乎将所有的认知资源分配给作业对象的状态。第一位专注是受验者2可取的专注状态中的最深层的专注状态。即，第一位专注是比第二位专注深的专注状态。第一位专注相当于不会被周边环境及疲劳感等作业对象以外的要素夺取注意的状态。例如，在受验者2有意集中意识来投入作业的情况下，受验者2处于第一位专注状态。
“第二位专注”是将认知资源之一部分分配给作业对象以外的状态。第二位专注是受验者2可取的专注状态中第二深的专注状态。即，第二位专注是比第一位专注浅但比除第一位专注之外其它所有专注状态都深的专注状态。第二位专注是会被些许干扰夺取注意的状态、或有意限制用于作业对象的认知资源的状态。
第一位专注及第二位专注分别是作业状态与短期中断状态混合的状态。具体而言，在各个专注状态中，形成作业状态与短期中断状态以一定的转变概率转变的马尔可夫模型。
如图3所示，在第一位专注时，重复短期中断状态的概率表示为p1，从短期中断状态转变为作业状态的概率表示为1-p1、从作业状态转变为短期中断状态的概率表示为q1、重复作业状态的概率表示为1-q1。关于第二位专注及其它的专注状态也同样。
另外，在图3所示的第三位专注、以及比其浅的专注状态中，表示几乎未将认知资源分配给作业对象、对作业的意识散漫并且被干扰夺取了注意的状态。这些可视为与长期休息状态实质上等同。本实施方式涉及的智力生产率评价系统1使用专注状态仅包括第一位专注与第二位专注的专注模型。
[结构]
接着，对本实施方式涉及的智力生产率评价系统1的结构进行说明。
在本实施方式中，操作终端10、数据收集装置20及智力生产率评价装置30各自是相互独立构成的专用装置或通用的计算机。通用的计算机例如是笔记本式或台式计算机、平板终端、智能手机、游戏机等。如图1所示，数据收集装置20与操作终端10及智力生产率评价装置30各自经由无线或有线的通信网路相连接，并且可进行信息的收发。
另外，智力生产率评价系统1能够以一体化的一个计算机实现。例如，能以一个平板终端或智能手机等实现操作终端10、数据收集装置20及智力生产率评价装置30各自的功能。
以下，使用图4对操作终端10、数据收集装置20及智力生产率评价装置30各自的功能构成进行说明。图4是示出本实施方式的智力生产率评价系统1的功能构成的框图。
[操作终端]
操作终端10是用于使受验者2进行智力作业的终端。具体而言，操作终端10向受验者2提示多个问题，并受理对提示问题的解答输入。如图4所示，操作终端10具备：显示部11、输入部12。另外，虽未图示，操作终端10具备用于与数据收集装置20进行通信的通信部。通信部例如在与数据收发装置20之间进行无线通信。
显示部11向受验者2提示多个问题。具体而言，显示部11依序逐一显示多个问题。由此，每个问题的解答时间的计量(细节在下文叙述)变得容易。显示部11获取从数据收集装置20发送的问题，并显示获取到的问题。显示部11例如是液晶显示设备或有机EL(Electroluminesence：电致发光)显示装置等，但不限于此。
另外，显示部11可统一显示多个问题。在该情况下，将从统一显示起至受理最初解答为止的时间设为最初的问题的解答时间，以后只要将从上一次解答起至受理下一次解答的时间设为解答时间来予以计量即可。
输入部12受理来自受验者2的解答。例如，输入部12以触控传感器或实体按钮等实现。例如，显示部11及输入部12以触控面板显示器实现。输入部12将受理到的解答发送至数据收集装置20。
在本实施方式中，多个问题是难易度相同并且是为了解答而需要办公作业中使用的能力的问题。具体而言，多个问题各自是需要语言处理能力、数字处理能力及比较判断能力等的问题。
图5是显示于本实施方式的智力生产率评价系统1中，受验者2解答的问题41的一例的图。如图5所示，在操作终端10的显示部11显示有包括问题41与解答按钮组42的问题画面40。
问题41例如是比较问题。具体而言，比较问题是解答两个词汇含义类别的异同、以及两个数字的大小的正误组合的问题。在图5所示的问题41中，作为两个词汇显示“犬”与“勺子”，作为两个数字显示“5728”与“5479”。此外，在两个数字之间显示有不等号“<”。
解答按钮组42包括受验者2可操作的四个按钮42a～42d。四个按钮42a～42d各自为相对于问题41的解答的选项。在图5所示的例中，四个按钮42a～42d是2列×2行地排列配置。在各列显示有“正确”及“错误”的标头信息，可选择两个数字间所示的不等号是“正确”还是“错误”。在各行显示有“相同”及“不同”的标头信息，可选择两个词汇的含义类别是“相同”还是“不同”。
例如，在图5所示的问题41中，“犬”与“勺子”类别不同，且不等号错误。因此，按钮42d为正确的解答。另外，问题画面40的显示例不限于图5所示的例。
在本实施方式中，操作终端10的显示部11显示问题，但不限于此。操作终端10也可具备扬声器等声音输出部，通过朗读问题来提示给受验者2。同样地，操作终端10也可具备麦克风等集音部，通过获取受验者2发出的声音等来获取受验者2的问题的解答。由此，能以眼睛或手不便的人作为受验者2，可评价各个类型的人的专注深度。
[数据收集装置]
数据收集装置20是获取受验者2解答问题所需的时间即解答时间的装置。数据收集装置20如图4所示具备：存储部21、提示控制部22、以及时间计量部23。
存储部21是用于存储问题信息24与解答结果信息25的内存。存储部21例如用HDD(Hard Disk Drive：硬盘驱动器)或闪存等非易失性内存实现。
问题信息24是将多个问题与其正确解答相对应来显示的信息。
解答结果信息25是显示每个问题的解答时间的信息。解答结果信息25可将解答时间与针对问题的解答是否正确相对应。另外，由于问题的难易度相同，因此也可不将问题与解答时间相对应，解答结果信息25可仅示出解答时间。
提示控制部22进行用于向受验者2提示多个问题的控制。具体而言，提示控制部22从存储部21读出问题信息24，并基于所读出的问题信息24生成问题画面40。提示控制部22使所生成的问题画面40显示于操作终端10的显示部11。
提示控制部22将多个问题作为一组，在每当获得问题的解答时，逐一将问题显示于显示部11。一组包括的问题的个数例如是100个～1000个，但没有特别限定。
时间计量部23例如是定时器，计量每个问题的解答时间。具体而言，时间计量部23从操作终端10的输入部12，接收表示由受验者2选择的按钮的解答信息。时间计量部23将从提示控制部22发送问题画面40起至接收到解答信息的期间作为解答时间予以计量。此时，时间计量部23能够校正操作终端10与数据收集装置20之间的通信所需的时间。
另外，操作终端10可具备时间计量部23。例如，操作终端10具备的时间计量部23将从问题画面40显示于显示部11起至解答的选择项即四个按钮42a～42d中的任一者被按压为止的时间作为解答时间计量。由此，由于可忽略操作终端10与数据收集装置20之间的通信所需的时间的影响，因而解答时间的计量精度提高。
[智力生产率评价装置]
智力生产率评价装置30评价受验者2的智力生产率。具体而言，智力生产率评价装置30评价受验者2进行智力作业的期间的专注深度。如图4所示，智力生产率评价装置30具备：获取部31、评价部32及输出部33。
获取部31获取解答时间的集合、即解答时间数据。解答时间是被要求了以对多个问题的解答作业作为智力作业的受验者2对多个问题各自的解答所需的时间。即，获取部31获取每个问题的解答时间。在本实施方式中，获取部31获取在数据收集装置20的存储部21中存储的解答结果信息25。
评价部32基于图3中所示的专注模型，使用由获取部31获取到的解答时间的集合，计算与专注状态下的受验者2的专注深度相关的评价值。具体而言，评价部32计算受验者2处于第一位专注状态的第一位专注时间T1在受验者2处于专注状态的专注时间T'中所占的比例作为评价值。
如上所述，在本实施方式中，专注状态仅包括第一位专注与第二位专注这两个。因此，专注时间T'是第一位专注时间T1与受验者2处于第二位专注状态的第二位专注时间T2的合计。
此处，评价部32计算的评价值记载为CDI(Concentration Depth Index：专注深度指标)。CDI是表示专注深度的指标，用以下的(式1)表示。
[数1]
(式1)
Figure BDA0002239229410000111
(式1)中所示的CDI是表示第一位专注在整个专注时间中所占的主导率的值。CDI越大，意味着深度专注的比例越大。即，可知在CDI大的环境中，受验者2可更深地专注，从而可获得作业效率上升、作业时间缩短等效果。
评价部32计算的评价值可不仅为CDI。评价部32也可计算MCTR(Multi-Concentration Time Ratio：多专注时间比)，作为其它的评价值。用解答多个问题的全部所需的时间即总解答时间T中的专注时间T'表示MCTR。总解答时间T是受验者2进行智力作业的时间，相当于整个计量时间、即作业时间。MCTR用以下的(式2)表示。
[数2]
(式2)
Figure BDA0002239229410000121
(式2)中所示的MCTR表示第一位专注与第二位专注之间转变的时间的合计在整个作业时间中所占的比例。MCTR越大，意味着专注时间在整体中所占比例越大。即，可知在MCTR大的环境中，受验者2可更长时间地专注，从而能获得作业效率上升、作业时间缩短等效果。
另外，关于细节在下文进行说明，但在计算MCTR时，进行专注深度的分析。即，由于MCTR是评价专注深度，因而能够以受验者2的多种状态作为对象来表示专注时间的比例。
另外，即使在专注状态包括第三位专注及更浅的专注的情况下，也用所述的(式1)及(式2)表示CDI及MCTR。或者，评价部32也可计算将所述(式1)的分母及(式2)的分子设为T1+T2+T3……的值，作为其它的评价值。
在本实施方式中，如图4所示，评价部32具备：分布生成部34、参照适用部35及计算部36。
分布生成部34使用解答时间的集合来生成表示每个解答时间的解答数的解答时间分布。解答时间分布例如是如图6所示将解答时间分割成多个区间并将每个区间所含的解答数设为解答频率而得的解答时间柱状图。
图6是示出解答时间柱状图与第一位专注及第二位专注各自对应的对数正态分布的图。在图6中，横轴是解答时间的对数，纵轴是解答频率。
在图6中示出将解答时间分割成多个区间并将每个区间所含的解答数作为解答频率的解答时间柱状图。另外，图6所示的解答时间柱状图是分布生成部34生成的解答时间分布的一例。
受验者2越专注则解答时间越短。大约1.5秒～3秒范围的解答相当于第一位专注，大约3秒～5秒范围的解答相当于第二位专注。需要多于5秒的时间的解答是第三位专注或更浅的专注、或非专注状态的解答。
如图6所示，在解答时间短的部分可见两个峰值。在本实施方式的专注模型中，形成转变概率固定的马尔可夫模型。因此，用第一位专注的对数正态分布使两个峰值中的解答时间短的第一峰值近似。用第二位专注的对数正态分布使两个峰值中的解答时间长的第二峰值近似。
在本实施方式中，分布生成部34生成解答时间的累积分布，作为解答时间分布。具体而言，分布生成部34将解答时间的集合以解答时间的升序排列来进行平滑化，从而生成用针对解答时间的累积解答数表示的分布，作为解答时间分布。由此，能够抑制因柱状图的区间宽度而导致的近似精度的降低。关于细节在下文进行说明。
参照适用部35针对解答时间分布参照适用与第一位专注对应的对数正态分布的分布函数即第一位专注曲线F1、与第二位专注对应的对数正态分布的分布函数即第二位专注曲线F2。具体而言，参照适用部35针对解答时间分布中比第一阈值Th1短的解答时间的第一部分集合参照适用第一位专注曲线F1。参照适用部35还针对解答时间分布中的除第一部分集合之外的部分集合中比第二阈值Th2短的解答时间的第二部分集合参照适用第二位专注曲线F2。
此处，第一位专注曲线F1是与第一位专注对应的对数正态分布的累积分布函数。第二位专注曲线F2是与第二位专注对应的对数正态分布的累积分布函数。累积分布函数使用三个参数(μ、σ、p)，用以下的(式3)及(式4)定义。
[数3]
(式3)
Figure BDA0002239229410000131
/>
(式4)
Figure BDA0002239229410000132
可使用参数(μ1、σ1、p1)表示第一位专注曲线F1。可使用参数(μ2、σ2、p2)表示第二位专注曲线F2。
图7是示出图6所示的解答时间柱状图中对数正态分布的近似的图。如图7所示，参照适用部35是以解答时间比阈值Th短的解答时间的部分集合作为对象，而不是以解答时间的整个集合作为对象，进行对数正态分布的近似。由此，决定近似曲线、即专注曲线的参数。第一位专注曲线及第二位专注曲线也是同样。阈值Th是用于削减成为近似对象的数据的数据削减阈值。另外，用以下的(式5)表示数据削减阈值即阈值Th。
[数4]
(式5)Th＝eμ+σ
具体而言，参照适用部35一边使数据削减阈值变化一边进行近似。例如，如图7所示，首先，参照适用部35计算基于初期的阈值Th0的近似曲线，并计算近似曲线与对象数据之间的均方误差。参照适用部35以将均方误差极小化的方式使数据削减阈值变化，从而计算优化的近似曲线。
另外，在本实施方式中，由于分布生成部34生成累积分布作为解答时间分布，因而参照适用部35对累积分布进行近似。关于细节在下文进行说明。
计算部36基于第一位专注曲线F1及第二位专注曲线F2来计算第一位专注时间T1及第二位专注时间T2。第一位专注时间T1是第一位专注时所处理的解答数N1与解答时间期待值E1的积。第二位专注时间T2是第二位专注时所处理的解答数N2与解答时间期待值E2的积。
关于分布生成部34、参照适用部35及计算部36各自的详细处理，一边举出解答时间的集合的一例一边在下文进行说明。
输出部33输出表示由评价部32计算出的评价值的评价值信息。例如，输出部33可将评价值信息输出至设备40。设备40的控制部基于评价值信息来决定设备40的控制内容，并用所决定的控制内容来控制设备40。例如，设备40的控制部将评价值与控制内容相对应而得的对应信息保持于内存等。控制部通过从内存读出并参照对应信息来决定与评价值对应的控制内容。例如，设备40在评价值低的情况下，设备40以形成能够提高评价值的周围环境的方式进行动作。
另外，输出部33基于评价值信息决定设备40的控制内容，并输出用于使设备40以所决定的控制内容来进行动作的控制信号。即，智力生产率评价装置30可以是设备40的控制装置。
此处，设备40是控制受验者2的周围环境的设备。例如，如图1所示，设备40是空调等空气调整设备。设备40调整受验者2所待的空间的温度或湿度。或者，设备40调整吹出至受验者2及其周边的气流的风量及风向等。作为提高评价值的控制内容例如是降低空间的温度、或吹出触及受验者2那样的气流等，但并不限于此。
设备40可以是调整受验者2所待的空间的亮度的照明设备。设备40调整射出的光量及颜色等。作为提高评价值的控制内容例如有提高照射空间的光的色温、或提高空间的亮度等，但并不限于此。
另外，设备40可以是输出音乐等的扬声器等。另外，扬声器可具有噪声消除功能。作为提高评价值的控制内容例如以使受验者2不容易听到噪音的方式执行降噪，但不限于此。
设备40可以是香熏喷雾器等向受验者2所待的空间吹出香味物质的设备。或者，设备40也可以是吹出纳米等的离子物质的设备。作为提高评价值的控制内容例如是吹出薄荷那样的具有冷刺激的香味物质，但不限于此。
另外，设备40也可以是调整受验者2所待的空间的空气质量的量(或空气质量指数)的设备。空气质量例如是二氧化碳或粉尘等。或者，设备40也可以是例如调整受验者2所待的空间的颗粒状物质的量的设备。颗粒状物质例如是PM(Particulate Matter)2.5或PM10等。设备40具体而言可以是空气清净机或换气装置等。作为提高评价值的控制内容例如是通过换气来减少二氧化碳浓度或PM2.5等，但不限于此。
或者，输出部33例如可以是显示器，显示评价值的一例即CDI或MCTR。此时，输出部33可合并显示分布生成部34生成的解答时间分布等。或者，输出部33也可以是扬声器，可将CDI或MCTR作为声音输出。
或者，输出部33可与操作终端10通信。例如，输出部33可通过将CDI或MCTR发送至操作终端10，从而使CDI或MCTR显示于操作终端10的显示部11。
例如，输出部33除了输出CDI和/或MCTR等最终评价值以外，还可将评价值的计算过程中产生的参数(μ、σ、p)、以及中间指标(具体而言是T1、T2、E1、E2等)的总览输出为CSV(Comma Separated Values：逗号分隔值)文件。另外，输出部33可将分布生成部34生成的柱状图等输出为图数据。另外，输出文件形式并不限于此。
[动作(智力生产率评价方法)]
接着，关于本实施方式的智力生产率评价系统1的动作、即智力生产率评价方法，一边举出具体例一边进行说明。本实施方式的智力生产率评价方法包括：第一步骤，使受验者2进行智力作业并获取解答时间数据；以及第二步骤，使用所获取到的解答时间数据，计算与受验者2的专注深度相关的评价值。
另外，使受验者2以充分熟悉的状态进行解答作业。具体而言，使受验者2以充分习惯操作终端10的操作并且习惯问题的表现形式及解答样式的状态，来进行用于测定智力生产率的解答作业。
[解答时间数据的获取]
首先，使用图8对获取解答时间的集合的第一步骤进行说明。图8是示出在本实施方式涉及的智力生产率评价系统1中获取解答时间数据的方法的流程图。
首先，操作终端10向受验者2提示问题(S10)。具体而言，数据收集装置20的提示控制部22从存储部21读出问题信息24，生成包括一个问题41的问题画面40，并将所生成的问题画面40发送至操作终端10。在操作终端10，接收从提示控制部22发送的问题画面40，并由显示部11显示问题画面40。
在提示了问题后，至输入部12受理到来自受验者2的解答输入(S12为“否”(No))为止，操作终端10待机。在输入部12受理到来自受验者2的解答输入的情况下(S12为“是”(Yes))、即选择了按钮42a～42d中的任一者的情况下，时间计量部23计算解答时间(S14)。具体而言，输入部12将表示所选择的按钮的解答信息发送至时间计量部23。时间计量部23计算从提示控制部22发送问题画面40起至时间计量部23接收到解答信息为止的时间，作为对该问题的解答时间。计算出的解答时间作为解答结果信息25，被存储于存储部21。
另外，此时，在接收到的解答为错误解答的情况下可以是，提示控制部22使表示错误解答的内容显示于操作终端10的显示部11，由此催促受验者2再次输入解答。时间计量部23计算从提示控制部22发送问题画面40起至时间计量部23接收到正确解答为止的时间，作为解答时间。另外，时间计量部23可在解答时间的计算中校正通信所需的时间。
在受验者2针对多个问题的解答作业结束之前(S16为“否”)，返回步骤S10来重复问题的提示。具体而言，在受理到预定的一组问题的提示及问题的解答之前，重复问题的提示及针对问题的解答。或者，也可在从解答作业开始起至预定的时间经过为止，重复问题的提示及对问题的解答。另外，可根据受验者2的指示，结束对多个问题的解答作业。
[评价值的计算]
接着，使用图9对使用解答时间数据来计算受验者2的专注深度相关的评价值，具体而言是计算CDI的第二步骤进行说明。图9是示出在本实施方式涉及的智力生产率评价系统1中基于解答时间数据来计算评价值的方法的流程图。
首先，分布生成部34生成解答时间分布(S20)。在本实施方式中，分布生成部34使用解答时间的集合，生成解答时间的累积分布，作为解答时间分布。具体而言，分布生成部34如图10所示，在以升序重新排列解答时间后，通过5点移动平均进行平滑化来生成解答时间的累积分布。
此处，图10是示出解答时间数据的重新排列的图。图10的(a)是示出重新排列前的解答时间数据，(b)是示出重新排列后的解答时间数据Fsample。在图10的(a)及(b)中分别为，横轴表示解答时间，纵轴表示累积解答数。
另外，移动平均的平均化的个数不限于5个点，也可以是3个点或10个点等。另外，平滑化的方法也不限于移动平均。
接着，参照适用部35进行第一位专注曲线F1的参照适用，从而进行第一位专注的分析(S22)。在本实施方式中，对图10的(b)所示的解答时间的累积分布进行近似。对于近似，利用例如最陡下降法。将近似对象与累积分布函数的均方误差设定为目标函数，并以使该目标函数极小化的方式进行累积分布函数的三个参数(μ、σ、p)的优化。
具体而言，如图11所示，参照适用部35基于(式3)～(式5)，以解答时间数据中解答时间比第一阈值Th1短者作为对象，进行对数正态分布的第一位专注曲线F1的参照适用。由此，决定第一位专注曲线F1的参数(μ1、σ1、p1)。
另外，图11是示出相对于重新排列的解答时间数据而言的累积分布函数的近似的图。图11的(a)是表示初期值的第一位专注曲线F1，(b)是显示优化后的第一位专注曲线F1。
接着，参照适用部35进行第二位专注曲线F2的参照适用，由此进行第二位专注的解析(S24)。具体而言，首先，如图12所示，从解答时间数据Fsample中排除第一位专注的解答时间的部分集合，从而生成差分解答时间数据Fmargin。另外，图12是用于说明从解答时间数据Fsample中排除与第一位专注对应的解答时间的部分集合的方法的图。
例如，分布生成部34从解答时间数据Fsample的各点减去与第一位专注曲线F1对应的值，从而生成差分数据。分布生成部34将差分数据按升序重新排列来进行平滑化，从而生成差分解答时间数据Fmargin。差分解答时间数据Fmargin是因将与第一位专注对应的解答时间的部分集合排除而相当于最深层的专注状态表示第二位专注的数据。参照适用部35基于与第一位专注的情况相同的方法，决定第二位专注曲线F2的参数(μ2、σ2、p2)。
另外，第一位专注曲线F1的参数p1及第二位专注曲线F2的参数p2，分别相当于第一位专注时处理的解答数、以及第二位专注时处理的解答数。然而，如图13的用粗虚线包围的区域所示，在第一位专注曲线F1必然存在没有被近似的部分。因此，根据第一位专注曲线F1及第二位专注曲线F2直接计算的解答数p1及p2有可能不符合实际解答。另外，图13是用于说明因第一位专注与第二位专注复合而产生的问题的图。图13放大示出图11的(b)所示的区域XIII。
因此，评价部32对解答分配进行分析(S26)。具体而言，评价部32将步骤S22中获得的第一位专注曲线F1的参数(μ1、σ1、p1)和步骤S24中获得的第二位专注曲线F2的参数(μ2、σ2、p2)、与实际解答时间数据Fsample再次进行对照，由此计算用第一位专注处理的解答数N1和用第二位专注处理的解答数N2。
更具体而言，首先，将用第一位专注及第二位专注中的任一者处理的解答的合计设为P。P是第一位专注曲线F1的p1与第二位专注曲线F2的p2的合计。即，P＝p1+p2。
参照适用部35将第一位专注曲线F1和第二位专注曲线F2合成而得的专注复合曲线Fsum(＝F1(μ1,σ1,N1)+F2(μ2,σ2,N2))参照适用于解答时间分布中的比第二阈值Th2短的解答时间的部分集合。具体而言，参照适用部35以比第二阈值Th2短的解答时间的部分集合作为对象，来计算专注复合曲线Fsum与解答时间数据的均方误差ε(N1,N2)。另外，此时，解答数N1及N2以[]为高斯记号，满足N1+N2＝[P]、N1≥0、N2≥0。另外，第二阈值Th2是将第二位专注曲线F2的参数μ2及σ2代入(式5)得到的。
图14是用于说明第一位专注与第二位专注的处理问题数的决定方法的图。在图14用实线示出解答时间数据Fsample，用虚线示出两条专注复合曲线Fsum1及Fsum2。
专注复合曲线Fsum1是将用第一位专注及第二位专注中的任一者处理的解答的全部用第一位专注处理的即假定N1＝P时的专注复合曲线Fsum。专注复合曲线Fsum2是将用第一位专注及第二位专注中的任一者处理的解答的全部用第二位专注处理的即假定N2＝P时的专注复合曲线Fsum。参照适用部35在Fsum1与Fsum2之间决定最佳的专注复合曲线Fsum。
具体而言，参照适用部35决定用于将均方误差ε(N1,N2)极小化的曲线，并计算此时的N1及N2的值。图15是示出将第一位专注与第二位专注的处理问题数优化了的例的图。如图15所示，第一位专注曲线F1的参数p1及第二位专注曲线F2的参数p2因解答数的调整而分别被置换成N1及N2。
接着，计算部36计算与专注深度相关的评价值(S28)。具体而言，计算部36首先基于以下的(式6)及(式7)，计算第一位专注的解答时间的期待值E1及第一位专注时间T1、以及第二位专注的解答时间的期待值E2及第二位专注时间T2。
[数5]
(式6)
Figure BDA0002239229410000201
(式7)Tl＝El×Nl(1＝1，2)
由此，由于计算第一位专注时间T1及第二位专注时间T2，因而计算部36能够基于(式1)或(式2)，计算CDI或MCTR等与专注深度相关的评价值。随后，将计算出的评价值通过输出部33输出(S30)。
[效果等]
如上所述，本实施方式涉及的智力生产率评价装置30具备：获取部31，其获取被要求了以对多个问题的解答作为智力作业的受验者2对多个问题各自的解答所需的时间即解答时间的集合；以及评价部32，其基于受验者2进行智力作业时处于专注状态和非专注状态中的哪种状态的模型，使用由获取部31获取到的解答时间的集合，计算与专注状态下的受验者2的专注深度相关的评价值；以及输出部33，其输出表示由评价部32计算出的评价值的评价值信息。
由此，智力生产率评价装置30可支持设备40动作的高效率化。
具体而言，由于智力生产率评价装置30计算与专注状态下的专注深度相关的评价值，因而能够客观且定量地评价专注的质量。由于能够客观且定量地评价专注的质量，因而智力生产率评价装置30例如可用于办公环境的改善。具体而言，智力生产率评价装置30能够计算多个环境各自的智力生产率的评价值，并客观且定量地评价哪种环境是能够深层专注的环境。
因此，使设备40动作，以形成由智力生产率评价装置30评价为能够深层专注的环境，由此能使得作业效率提高，从而实现作业时间的缩短化。因此，促进作业者及办公者的准时下班或提前下班等，结果是，关系到照明设备及空调设备的运转时间的缩短，关系到能耗的削减。如此，本实施方式涉及的智力生产率评价装置30能够基于评价值信息来控制设备40，由此支持设备40的高效率的动作。因此，例如，在办公室中进行的服务业，还有在工业等其它产业，均能够支持作业的高效率化。
另外，例如能够基于针对作业者有无激励、以及温度热量的调整等，来形成多个环境。例如能够基于空调设备等的动作条件来调整温度热量。
另外，例如，专注状态包括第一位专注、第二位专注，第一位专注是作业状态与短期中断状态混合的状态，第二位专注是比作业状态与短期中断状态混合的状态即第一位专注浅的专注。评价部32计算受验者2处于第一位专注状态的第一位专注时间T1在受验者2处于专注状态的专注时间中所占比例，作为评价值。
由此，即使专注时间相同，也能够掌握是处于专注深的状态，还是处于专注浅的状态。
例如，图16A及图16B示出即使专注时间相同、专注的深度也不同情况下的解答时间柱状图的一例。图16A是示出第一位专注为主导的柱状图的一例，示出CDI大于50％的情况。图16B是示出第二位专注为主导的柱状图的一例，示出CDI小于50％的情况。
比较图16A及图16B可知，CDI越高，解答时间短的解答数越多，可知能够深层专注于作业。即，能够通过评价专注的深度来掌握作业速度的大小、以及作业内容的程度等。
另外，例如，专注时间T'是第一位专注时间T1与受验者2处于第二位专注状态的第二位专注时间T2的合计。
由此，在多数情况下，专注状态分为第一位专注与第二位专注这两个阶段，因而能够削减计算评价值所需的处理量，并且计算可靠性高的评价值。因评价值的可靠性提高，环境评价的可靠性也提高。因此，能够以形成适于深层专注的环境、适于长时间持续专注的环境等与各自特性相应的环境的方式，支持设备40的高效率的动作。由此，可期待各环境中的作业高效率化，进而有助于因作业时间的缩短等带来的能耗的削减。
另外，除环境外，也可参照适用于眼药等药或补充剂的效果评价。具体而言，可使受验者2服用补充剂，并评价服用时的专注深度。由此，可进行补充剂对专注深度的效果的评价。
另外，除药或补充剂外，也能够参照适用于例如由用于督促休息的设备产生的专注力恢复效果的评价。具体而言，使受验者2使用设备，并在使用的前后评价专注的深度，从而评价由设备产生的专注力恢复效果。另外，也能够用于专注力的恢复效果更高的设备的设计或改善。
另外，不仅能够参照适用于设备的设计或改善外，也能够参照适用于空间设计。例如，准备温度或湿度等的热环境、亮度或色温等光环境、以及声音环境等中至少一者不同的多个环境，评价各环境中的受验者2的专注，从而能够客观地评价各环境的专注的容易度等。由此，能够以使在空间中实现评价值高的环境的方式，来设计空间。另外，环境可包括天花板、墙壁或地板的颜色、或家具或家电设备的配置等。
另外，例如，评价部32具备：分布生成部34，其使用解答时间的集合，生成表示每个解答时间的解答数的解答时间分布；参照适用部35，其针对解答时间分布，参照适用与第一位专注对应的对数正态分布的分布函数即第一位专注曲线F1以及与第二位专注对应的对数正态分布的分布函数即第二位专注曲线F2；以及计算部36，其基于第一位专注曲线F1及第二位专注曲线F2，计算第一位专注时处理的解答数N1与解答时间的期待值E1的积，作为第一位专注时间T1，并且计算第二位专注时处理的解答数N2与解答时间的期待值E2的积，作为第二位专注时间T2。
由此，能够用马尔可夫模型表示专注模型，因而能够通过使用对数正态分布的近似来计算可靠性高的评价值。
另外，例如，参照适用部35针对解答时间分布中的比第一阈值Th1短的解答时间的第一部分集合参照适用第一位专注曲线F1，针对解答时间分布中的除第一部分专注之外的部分集合中的比第二阈值Th2短的解答时间的第二部分集合参照适用第二位专注曲线F2。
由此，能够对每个专注深度限定对数正态分布的近似对象数据，从而提高近似精度。因近似的精度提高，评价值的可靠性也提高。
另外，例如，第一位专注曲线F1是与第一位专注对应的对数正态分布的累积分布函数，第二位专注曲线F2是与第二位专注对应的对数正态分布的累积分布函数。分布生成部34将解答时间的集合以解答时间的升序排列来进行平滑化，从而生成将以针对解答时间的累积解答数来表示的分布，作为解答时间分布。
由此，通过对解答时间的累积分布进行参照适用，与对解答时间柱状图进行参照适用的情况相比，能够抑制因柱状图的区间宽度导致的近似精度的降低。
另外，例如，本实施方式的智力生产率评价方法包括以下步骤：获取被要求了以对多个问题的解答作业作为智力作业的受验者2对多个问题各自的解答所需的时间、即解答时间的集合；基于受验者2进行智力作业时处于专注状态和非专注状态中的哪种状态的模型，使用所获取导的解答时间的集合，计算与专注状态下的受验者2的专注深度相关的评价值。
由此，计算与专注状态下的专注深度相关的评价值，因而能够客观且定量地评价专注的质量。
(变形例)
在所述实施方式中，示出将MCTR或CDI作为评价值的一例，但评价值也可以是表示专注时间比例的CTR(Concentration Time Ratio：专注时间比例)。CTR是表示专注状态的期间Tc在总解答时间T中所占比例的指标。即，CTR用以下的(式8)表示。
[数6]
(式8)
Figure BDA0002239229410000241
图17是示意性示出本变形例涉及的解答时间柱状图中的专注状态与非专注状态的分布的一例的图。在图17中，横轴是解答时间的对数，纵轴是解答频率。另外，图17所示的柱状图例如是将图6所示的柱状图模式化得到的。
如图17所示，能够将柱状图参照适用于两个频率分布的重叠。具体而言，在解答时间短的一侧的第一频率分布90中，使“作业状态”与“短期中断状态”的两个状态基于转变概率为固定的马尔可夫模型来进行转变。因此，第一频率分布90例如相当于用(式9)表示的对数正态分布。
[数7]
(式9)
Figure BDA0002239229410000242
另外，t是每一个问题的解答时间，σ是分布的标准偏差。μ是用eμ表示分布的众数值时的指数。
另一方面，在解答时间长的一侧的第二频率分布91中，使“作业状态”、“短期中断状态”、“长期休息状态”这三个状态随机转变。在本变形例中不着眼于专注状态的深度，专注状态是“作业状态”与“短期中断状态”这两个状态，非专注状态是“长期休息状态”。
所述的(式8)的期间Tc用以下的(式10)表示。
[数8]
(式10)
Figure BDA0002239229410000243
在(式10)中，N是总解答数。
因此，在解答时间的柱状图中，导出对数正态分布(第一频率分布91)的近似曲线，并使用其参数μ及σ、以及总解答时间T及总解答数N，能够计算专注时间比例CTR。另外，在柱状图的解答时间长的一侧中，由于包括多的“长期休息状态”，因而即使仅利用第一频率分布91也能够获得可靠性充分高的CTR。
以下，基于实验结果对通过本变形例获得的CTR的可靠性的高度进行说明。在实验中，对多个受验者2使其多次进行以多个问题为一组的解答作业。另外，使温度及湿度等热环境、以及照明的亮度等光环境等受验者2的作业空间的环境保持固定并且进行多组的解答作业。基于各组获得的解答时间的数据，分别计算解答速度的平均值及CTR。
图18A是示出受验者的作业状态与解答速度的关系的图。图18B是示出受验者的状态与专注时间比例(CTR)的关系的图。如图18A及图18B所示，进行三组，其中两个组即组1及组2表示使受验者2进行通常的解答作业的结果。
组3是在进行解答作业之前教导“接下来进行的今天最后的作业，缩短了10分钟。因此，请尽力专注作业，并且正确地解答出问题”，来提高受验者2对解答作业的专注，从而使激励提高来进行。即，组3表示，与组1及组2相比，以更期待受验者2专注的状况进行的结果。
如图18A所示，可知与组1及组2相比，在组3中解答速度提高。另外，如图18B所示，与组1及组2相比，在组3中CTR也提高。由此，可知CTR精度良好地反应专注程度。
此处，根据图18A的结果判断为仅确认解答速度也能估计定专注力。然而，解答速度也会因受验者2的熟悉度而提高。
图19A是示出受验者的作业状态与解答速度的关系的图。图19B是示出受验者的作业状态与专注时间比例(CTR)的关系的图。在图19A及图19B中，每天示出遍及三天时间进行解答作业的结果。
如图19A所示，解答速度是第二天高于第一天，第三天高于第二天。这能够推测为因重复进行解答作业而受验者2已经熟悉。
另一方面，如图19B所示，不论日期如何而CTR几乎没有变化。即，可知CTR是排除了熟悉的影响，而适当地评价专注状态。关于所述实施方式的CDI或MCTR也同样。
(其它)
以上，基于所述实施方式对本发明涉及的智力生产率装置及智力生产率评价方法等进行了说明，但本发明并不限于所述实施方式。
例如，在所述实施方式中，示出了通过利用操作终端10及数据收集装置20，自动地进行问题的提示、受验者2的解答输入、以及解答时间的计量的例，但并不限于此。即，智力生产率评价系统1可不具备操作终端10及数据收集装置20中的至少一者。
例如，也可通过向受验者2提供印有多个问题的纸、或仅进行多个问题的显示的电子纸来进行多个问题的提示。在该情况下，可利用秒表等计时设备，来由受验者2本人、或监督者等计量每个问题的解答时间，并记录解答时间数据。
另外，例如，在所述实施方式中，在决定第一位专注曲线F1及第二位专注曲线F2的参数后，进行解答数的分配分析，但不限于此。可将第一位专注曲线F1的参数p1决定为第一位专注时处理的解答数，将第二位专注曲线F2的参数p2决定为第二位专注时处理的解答数。
另外，例如，在所述实施方式中，针对解答时间的累积分布参照适用对数正态分布的累积分布函数，但不限于此。如图7等所示，也可针对解答时间柱状图参照适用对数正态分布的概率密度函数，对于解答时间的累积分布，对数正态分布的解析方法是只要使用一般者即可。
另外，在所述各实施方式中，各构成要素可以由专用的硬件构成，或者，也可以由执行适于各构成要素的软件程序来实现。各构成要素可以通过CPU(Central ProcessingUnit：中央处理单元)或处理器等程序执行部读出并执行在硬盘或半导体内存等存储介质记录的软件程序来实现。
此时，只要处理器能够通过执行程序来实现功能，则其种类无限定。例如，处理器可以由包括IC(Integrated Circuit：集成电路)或LSI(Large Scale Integration：大规模集成电路)等半导体集成电路的一个或多个电子电路构成。多个电子电路可以集成在一个芯片，也可以设置于多个芯片。多个芯片可以汇集在一个装置，也可以是多个装置分散具备的。
另外，本发明除了可以实现为智力生产率评价系统以外，也可以实现为程序以及存储该程序的计算机可读取的DVD(Digital Versatile Disc：数字多功能光盘)等非暂时性存储介质，所述程序包括智力生产率评价系统的各构成要素进行的处理作为其步骤。程序可预先存储于存储介质，或者，也可经由包括网络等广域通信网提供给存储介质。
即，所述的概括性或具体的方式可以由系统、装置、集成电路、计算机程序或计算机可读取的存储介质实现，也可以由系统、装置、集成电路、计算机程序及存储介质的任意组合实现。
另外，所述实施方式中说明的装置间的通信方法并没有特别限定。在装置间进行无线通信的情况下，无线通信的方式(通信规格)例如是ZigBee(注册商标)、Bluetooth(蓝牙)(注册商标)、或无线LAN(Local Area Network：局域网络)等近距离无线通信。或者，无线通信方式(通信规格)也可以是经由因特网等广域通信网路的通信。另外，可在装置间进行有线通信来代替无线通信。有线通信具体而言是电力线传送通信(PLC：Power LineCommunication)或使用有线LAN的通信等。
另外，在所述实施方式中，由特定处理部执行的处理可由其它的处理部执行。另外，多个处理的顺序可变更，或者，多个处理可并行执行。另外，智力生产率评价系统具备的结构要素的对多个装置的分配是一例。例如，可使其它装置具备一装置具备的结构要素。另外，智力生产率评价系统可作为单一的装置实现。
例如，所述实施方式中说明的处理可通过使用单一的装置(系统)集中处理而实现，或者，也可通过使用多个装置分散处理而实现。另外，执行所述程序的处理器可以是单个，也可以是多个。即，可进行集中处理，或者，也可进行分散处理。
此外，本领域技术人员可想到的对各实施方式实施各种变形而得的形态、在不脱离本发明主旨的范围内对各实施方式的结构要素及功能进行任意组合而实现的形态，也包括在本发明内。
附图标记说明
2：受验者；30：智力生产率评价装置；31：获取部；32：评价部；33：输出部；34：分布生成部；35：参照适用部；36：计算部；41：问题。

Claims (7)

1.一种智力生产率评价装置，其包括：
获取部，其获取被要求了将对多个问题的解答作业作为智力作业的受验者对所述多个问题各自的解答所需的时间、即解答时间的集合；
评价部，其基于所述受验者进行所述智力作业时处于专注状态和非专注状态中哪个状态的模式，使用由所述获取部获取到的解答时间的集合，计算与所述专注状态下的所述受验者的专注深度相关的评价值；以及
输出部，其向控制所述受验者的周围环境的设备输出表示由所述评价部计算出的评价值的评价值信息，
所述专注状态包括：
第一位专注，其是作业状态与短期中断状态混合的状态；以及
第二位专注，其是作业状态与短期中断状态混合的状态，而且比所述第一位专注的专注浅，
所述评价部计算所述受验者处于所述第一位专注状态的第一位专注时间在所述受验者处于所述专注状态的专注时间中所占的比例，作为所述评价值。
2.根据权利要求1所述的智力生产率评价装置，其特征在于，
所述专注时间是所述第一位专注时间与所述受验者处于所述第二位专注状态的第二位专注时间的合计。
3.根据权利要求2所述的智力生产率评价装置，其特征在于，
所述评价部包括：
分布生成部，其使用所述解答时间的集合，生成解答时间分布，该解答时间分布表示每个解答时间的解答数；
参照适用部，其针对所述解答时间分布，参照适用与所述第一位专注对应的对数正态分布的分布函数即第一位专注曲线和与所述第二位专注对应的对数正态分布的分布函数即第二位专注曲线；以及
计算部，其基于所述第一位专注曲线和所述第二位专注曲线，计算所述第一位专注时处理的解答数与解答时间的期待值的积，作为所述第一位专注时间，并且计算所述第二位专注时处理的解答数与解答时间的期待值的积，作为所述第二位专注时间。
4.根据权利要求3所述的智力生产率评价装置，其特征在于，
所述参照适用部针对所述解答时间分布中比第一阈值的解答时间短的第一部分集合，参照适用所述第一位专注曲线，
所述参照适用部针对所述解答时间分布中除所述第一部分集合之外的部分集合中比第二阈值的解答时间短的第二部分集合，参照适用所述第二位专注曲线。
5.根据权利要求3或4所述的智力生产率评价装置，其特征在于，
所述第一位专注曲线是与所述第一位专注对应的对数正态分布的累积分布函数，
所述第二位专注曲线是与所述第二位专注对应的对数正态分布的累积分布函数，
所述分布生成部通过将所述解答时间的集合以解答时间升序排列来进行平滑化，从而生成用相对于解答时间而言的累积解答数表示的分布，作为所述解答时间分布。
6.一种智力生产率评价方法，包括以下步骤：
获取被要求了将对多个问题的解答作业作为智力作业的受验者对所述多个问题各自的解答所需的时间、即解答时间的集合；
基于所述受验者进行所述智力作业时处于专注状态和非专注状态中哪个状态的模式，使用获取到的解答时间的集合，计算与所述专注状态下的所述受验者的专注深度相关的评价值；以及
向控制所述受验者的周围环境的设备输出表示所计算出的评价值的评价值信息，
所述专注状态包括：
第一位专注，其是作业状态与短期中断状态混合的状态；以及
第二位专注，其是作业状态与短期中断状态混合的状态，而且比所述第一位专注的专注浅，
在所述计算的步骤中，计算所述受验者处于所述第一位专注状态的第一位专注时间在所述受验者处于所述专注状态的专注时间中所占的比例，作为所述评价值。
7.一种存储介质，储存有用于使计算机执行根据权利要求6所述的智力生产率评价方法的程序。
CN201880026121.XA 2017-04-24 2018-04-20 智力生产率评价装置和智力生产率评价方法 Active CN110574054B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017085369 2017-04-24
JP2017-085369 2017-04-24
PCT/JP2018/016229 WO2018198948A1 (ja) 2017-04-24 2018-04-20 知的生産性評価装置及び知的生産性評価方法

Publications (2)

Publication Number Publication Date
CN110574054A CN110574054A (zh) 2019-12-13
CN110574054B true CN110574054B (zh) 2023-06-02

Family

ID=63919634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880026121.XA Active CN110574054B (zh) 2017-04-24 2018-04-20 智力生产率评价装置和智力生产率评价方法

Country Status (6)

Country Link
US (1) US11978004B2 (zh)
EP (1) EP3617963A4 (zh)
JP (1) JP6846642B2 (zh)
CN (1) CN110574054B (zh)
TW (1) TWI661406B (zh)
WO (1) WO2018198948A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2020105154A1 (ja) * 2018-11-21 2021-09-27 株式会社日立製作所 データ分析システム及びデータ分析方法
JP2020181574A (ja) * 2019-04-24 2020-11-05 株式会社エイチ・ピィ・ピィ・ティ 情報処理装置、情報処理方法及びプログラム
CN112790751B (zh) * 2020-12-29 2022-06-21 福建中科多特健康科技有限公司 一种基于实时心率判断及训练儿童专注力程度的方法、系统和存储设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104507389A (zh) * 2012-08-31 2015-04-08 松下电器产业株式会社 集中度测量装置和程序
CN104520915A (zh) * 2012-08-31 2015-04-15 松下电器产业株式会社 智力生产力分析装置和程序
CN105916540A (zh) * 2014-01-14 2016-08-31 松下知识产权经营株式会社 环境控制系统、控制装置、程序

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001120522A (ja) 1999-10-26 2001-05-08 Kuresu:Kk 処理能力検査装置
US8165518B2 (en) 2000-10-04 2012-04-24 Knowledge Factor, Inc. Method and system for knowledge assessment using confidence-based measurement
JP3954295B2 (ja) 2000-11-02 2007-08-08 独立行政法人科学技術振興機構 識別・反応計測方法、識別・反応計測プログラムを記録したコンピュータ読み取り可能な記録媒体及び識別・反応計測装置
WO2003081493A1 (fr) 2002-03-22 2003-10-02 Mitsubishi Denki Kabushiki Kaisha Systeme de support d'amelioration du benefice d'exploitation
US20030200043A1 (en) 2002-04-23 2003-10-23 Say -Yee Wen Method for online ranking of test result for an information processing apparatus of an interactive instructional system
US20050053904A1 (en) 2003-08-13 2005-03-10 Jennifer Shephard System and method for on-site cognitive efficacy assessment
JP2005070169A (ja) 2003-08-20 2005-03-17 Kokichi Tanihira 学習支援システム、学習支援プログラム、および学習支援サービスの提供方法
US20050191609A1 (en) 2004-02-14 2005-09-01 Adaptigroup Llc Method and system for improving performance on standardized examinations
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
US7295124B2 (en) 2005-02-25 2007-11-13 Diego Guillen Reflex tester and method for measurement
US8081088B2 (en) * 2008-09-11 2011-12-20 Raytheon Company Method and apparatus for apportioning attention to status indicators
US10074121B2 (en) * 2013-06-20 2018-09-11 Dassault Systemes Shopper helper
JP5866567B2 (ja) 2014-05-26 2016-02-17 パナソニックＩｐマネジメント株式会社 集中度の評価装置、プログラム
JP6454852B2 (ja) 2015-06-17 2019-01-23 インターリハ株式会社 有酸素運動補助装置
TWI629673B (zh) 2016-08-30 2018-07-11 遠東科技大學 腦波分析輔助教學系統

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104507389A (zh) * 2012-08-31 2015-04-08 松下电器产业株式会社 集中度测量装置和程序
CN104520915A (zh) * 2012-08-31 2015-04-15 松下电器产业株式会社 智力生产力分析装置和程序
CN105916540A (zh) * 2014-01-14 2016-08-31 松下知识产权经营株式会社 环境控制系统、控制装置、程序

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
教室荧光灯色温对学生学习效率和生理节律的影响;严永红等;《土木建筑与环境工程》;20100830;第32卷(第4期);第85-89页 *

Also Published As

Publication number Publication date
TW201842482A (zh) 2018-12-01
WO2018198948A1 (ja) 2018-11-01
EP3617963A1 (en) 2020-03-04
JPWO2018198948A1 (ja) 2020-01-09
TWI661406B (zh) 2019-06-01
US11978004B2 (en) 2024-05-07
JP6846642B2 (ja) 2021-03-24
US20200143308A1 (en) 2020-05-07
EP3617963A4 (en) 2020-04-08
CN110574054A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
JP5866567B2 (ja) 集中度の評価装置、プログラム
Chorpita et al. Balancing effectiveness with responsiveness: Therapist satisfaction across different treatment designs in the Child STEPs randomized effectiveness trial.
CN110574054B (zh) 智力生产率评价装置和智力生产率评价方法
Hahn et al. Learning how to recover from job stress: effects of a recovery training program on recovery, recovery-related self-efficacy, and well-being.
CN108780663B (zh) 数字个性化医学平台和系统
Cordova et al. The Marriage Checkup: a randomized controlled trial of annual relationship health checkups.
Acerbi et al. Internal representations of temporal statistics and feedback calibrate motor-sensory interval timing
Karşılar et al. Speed accuracy trade-off under response deadlines
US20140272845A1 (en) Method for increasing the likelihood to induce behavior change in a lifestyle management program
ES2904541T3 (es) Sistema y procedimiento de evaluación cognitiva y entrenamiento
CN115511679A (zh) 由参与度水平的实时识别驱动的适应性学习环境
Zhang et al. Testing whether humans have an accurate model of their own motor uncertainty in a speeded reaching task
Poletti et al. Older and younger adults’ strategies in sensorimotor tasks: Insights from Fitts’ pointing task.
US20190139428A1 (en) Emotional Artificial Intelligence Training
US10884718B2 (en) Device for use in improving a user interaction with a user interface application
JP2009178538A (ja) 絵画療法の模様選択及び配列、色塗り分析方法、絵画療法の模様分析による心理症状の診断方法、及びこれを行うためのプログラムを記録した記録媒体
KR20200081893A (ko) 신경인지검사 방법 및 이를 구현하는 시스템
Ong Gamification and its effect on employee engagement and performance in a perceptual diagnosis task
JPWO2018179289A1 (ja) エリア別環境管理システム及び方法とプログラム
Boswell Psychotherapy: Process, mechanisms, and science–practice integration.
Schneider et al. Examining the controversy surrounding social skills in social anxiety disorder: the state of the literature
KR20220141207A (ko) 스마트 실버 세대를 위한 디지로그 기반 뇌기능 향상 시스템 및 방법
KR20170052274A (ko) 낙상 위험 평가
Flessner et al. Towards perceptual computing in bacs: an air quality assistant based on fuzzy logic and perceptual knowledge
US20210350921A1 (en) System and Method for a Personalized Reminder with Intelligent Self-Monitoring

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant