IT201900006686A1 - Metodo e sistema informatico per valutare un’interazione tra un utente e un dispositivo - Google Patents

Description

METODO E SISTEMA INFORMATICO PER VALUTARE UN’INTERAZIONE

TRA UN UTENTE E UN DISPOSITIVO

DESCRIZIONE

CAMPO TECNICO

La presente invenzione si riferisce al settore dell’informatica. In particolar modo, l’invenzione si riferisce a un metodo e un relativo sistema informatico per valutare un’interazione tra un utente e un dispositivo.

STATO DELL'ARTE

L’interazione tra uomo e macchina – in particolare con dispositivi che implementano una o più applicazioni software – possono essere influenzati da eventi che accadano durante l’interazione tra un individuo e una macchina, con effetti fortemente negativi.

Ad esempio, nel campo delle valutazioni attitudinali – ossia, la valutazione di capacità fisiche, psicofisiche, o psichiche innate o acquisite – sono proposti sistemi informatizzati al fine di ridurre le tempistiche e i professionisti necessari per eseguire la valutazione attitudinale, in particolare nel caso di selezione di personale o per identificare un percorso di studi più affine e/o una carriera professionale più soddisfacente. Inoltre, i sistemi informatizzati permettono di eliminare pregiudizi etnici o simili che si potrebbero avere nel caso di una valutazione eseguita da un umano.

Un esempio di tali sistemi informatizzati è descritto in US 2015/379454 il quale descrive un sistema informatizzato per l’identificazione di “talenti”, il quale è progettato per assistere il processo di assunzione di nuovi dipendenti. Il sistema impiega una serie di test basati in formato digitale sulle neuroscienze per valutare le propensioni alla carriera di un utente, dopo di che il sistema può fornire raccomandazioni di carriera all'utente o riferire sull'idoneità dell'occupazione dell'utente a un'azienda.

Sebbene il sistema descritto da US 2015/379454 permetta di esaminare un grande numero di soggetti contenendo le risorse necessarie a tale scopo, il Richiedente ha individuato che l’informatizzazione dei test attitudinali non permette di controllare un ambiente in cui sono eseguiti i test attitudinali dagli utenti né di identificare se un evento esterno abbia influenzato il rendimento di un utente durante lo svolgimento di un test attitudinale.

Considerando il differente settore dei servizi di assistenza remota – in particolare nei sistemi di assistenza remota che prevedano l’ausilio di realtà aumentata – il Richiedente ha individuato che condizioni ambientali sfavorevoli – quali rumore di fondo, sollecitazioni meccaniche, illuminazione, presenza di gas o vapori – portino un utente a immettere dati, mantenere una posizione e/o eseguire un movimento errati o pericolosi, complicando e prolungando indebitamente il processo di assistenza.

Questo scenario è frequente nel caso di servizi di assistenza per la riparazione di veicoli, macchinari e/o impianti industriali in cui un tecnico in loco si trova ad operare in un ambiente generalmente sfavorevole e soggetto a numerosi eventi di disturbo, eventualmente, dovuti in parte dal veicolo, macchinario e/o impianto industriale da riparare.

SCOPI E RIASSUNTO DELL'INVENZIONE

È scopo della presente invenzione quello di superare gli inconvenienti dell’arte nota.

In particolare è scopo della presente invenzione presentare un metodo e un relativo sistema informatico in grado di valutare un’interazione tra un utente e un dispositivo identificando e considerando eventuali disturbi occorsi durante l’interazione tra utente e dispositivo. Dove il termine “interazione” è utilizzato per indicare uno o più comandi utente, o input, forniti dall’utente agendo sul dispositivo. Questi ed altri scopi della presente invenzione sono raggiunti mediante un dispositivo incorporante le caratteristiche delle rivendicazioni allegate, le quali formano parte integrante della presente descrizione.

In una forma di realizzazione, un metodo per valutare un’interazione tra un utente e un dispositivo. Il metodo comprende i passi di:

- eseguire un’applicazione software su detto dispositivo, l’applicazione software richiedendo all’utente almeno un’interazione attraverso un’interfaccia utente del dispositivo;

- individuare un intervallo di tempo di osservazione, detto intervallo di tempo di osservazione essendo compreso tra un istante di tempo iniziale in cui l’applicazione software richiede all’utente una prima interazione, ed un istante di tempo finale in cui si registra un’ultima interazione in risposta ad un’ultima richiesta di interazione da parte dell’applicazione software,

durante detto intervallo di tempo di osservazione, il metodo prevede di:

- registrare una sequenza di interazioni dell’utente;

- acquisire una pluralità di misure mediante almeno un sensore associato a detto dispositivo.

Inoltre, il metodo prevede i passi di:

- confrontare la sequenza di interazioni dell’utente con una o più sequenze di interazioni, in modo da identificare un’anomalia di interazione quando la sequenza di interazioni dell’utente devia rispetto almeno una sequenza di interazioni attesa oltre una soglia di deviazione;

- verificare se durante l’intervallo di tempo di osservazione è occorso un evento di disturbo, detto evento di disturbo essendo verificato nel caso in cui almeno una tra detta pluralità di misure si discosta da un valore atteso oltre una soglia di disturbo, e

- valutare l’interazione tra utente e dispositivo fornendo un risultato d’interazione in funzione delle interazioni registrate e dell’occorrenza o meno dell’evento di disturbo.

Grazie a tale soluzione è possibile identificare l’occorrenza di eventi di disturbo durante l’interazione dell’utente con l’applicazione software e adattare il risultato di tale interazione in ragione dell’alterazione delle interazioni dovuta a tale evento di disturbo.

Ad esempio, nel caso delle valutazioni attitudinali il metodo consente di identificare se durante un test attitudinale sia intervenuto un evento di disturbo che possa avere influito sulle risposte fornite dall’utente e quindi in grado di falsare la valutazione attitudinale derivata dal test. Inoltre, grazie al metodo descritto è possibile compensare in modo automatico l’effetto di tale evento di disturbo garantendo l’affidabilità della valutazione attitudinale fornita.

Analogamente, nel caso di servizi di assistenza remota, il metodo consente di identificare se durante l’assistenza sia intervenuto un evento di disturbo che ha portato l’utente a fornire dati o istruzioni errate associato a un’operazione eseguita e quindi scartare tali dati o istruzioni errate e richiedere una reimmissione di dati o istruzioni e/o identificare una risposta corretta.

In una forma di realizzazione, il passo di confrontare la sequenza di interazioni dell’utente con una o più sequenze di interazioni, in modo da identificare un’anomalia di interazione prevede di:

- identificare almeno uno selezionato tra:

- almeno una interazione della sequenza di interazioni dell’utente differente da una corrispondente interazione dell’almeno una sequenza di interazioni attese;

- una frequenza di interazione con cui l’utente immette le interazioni della sequenza di interazioni differente da una frequenza di soglia delle interazioni nell’almeno una sequenza di interazioni attese, e

- un ritardo tra almeno una richiesta di interazione da parte dell’applicazione software e una corrispondente interazione della sequenza di interazioni maggiore di un ritardo di soglia.

In questo modo è possibile identificare una anomalia – eventualmente, dovuta a un evento di disturbo – a partire dalle sole interazioni dell’utente con l’applicazione software.

In una forma di realizzazione, il passo di verificare se durante l’intervallo di tempo di osservazione è occorso un evento di disturbo, prevede di:

- rilevare almeno uno selezionato tra:

- un attraversamento della soglia di disturbo da parte di almeno una misura di detta pluralità di misure;

- un superamento della soglia di disturbo da parte di una variazione di valore tra due misure consecutive di detta pluralità di misure,

- una deviazione di una sequenza di misure di detta pluralità di misure rispetto a una corrispondente sequenza di valori attesi.

Grazie a tale soluzione è possibile identificare un evento di disturbo collegato all’anomalia di interazione rilevata in modo particolarmente semplice, efficace e affidabile.

In una forma di realizzazione, il passo di valutare l’interazione tra utente e dispositivo prevede di:

- selezionare un coefficiente di disturbo tra una pluralità di coefficienti di disturbo predeterminati in base a uno selezionato tra:

- un valore della misura di detta pluralità di misure che supera la soglia di disturbo;

- un valore della variazione tra le due misure di detta pluralità di misure che supera la soglia di disturbo, e

- un valore di deviazione (puntuale, medio, massimo o minimo) della sequenza di misure di detta pluralità di misure rispetto alla corrispondente sequenza di valori attesi;

- elaborare la sequenza di interazioni secondo un criterio di valutazione, e - combinare il risultato di detta elaborazione con il coefficiente di disturbo per ottenere il risultato d’interazione.

Questo rende possibile selezionare in modo rapido ed efficiente il corretto coefficiente di disturbo ed applicarlo al risultato dell’interazione in modo da compensare dinamicamente l’effetto dell’evento di disturbo.

In alternativa, anziché essere selezionato tra una pluralità di coefficienti di disturbo predeterminati, il coefficiente di disturbo può essere calcolato a partire da uno selezionato tra:

- un valore della misura di detta pluralità di misure che supera la soglia di disturbo, e

- un valore della variazione tra le due misure di detta pluralità di misure che supera la soglia di disturbo.

Questo risulta particolarmente utile nel caso in cui non siano disponibili coefficienti di disturbo predeterminati – ad esempio, durante una fase iniziale di implementazione del metodo, ove venga a mancare un collegamento con un database remoto o un’area del modulo di memoria che memorizza i coefficienti di disturbo e/o qualsiasi altra situazione in cui le specifiche contingenze richiedano un calcolo diretto del coefficiente di disturbo.

In una forma di realizzazione, il passo di elaborare la sequenza di interazioni secondo un criterio di valutazione prevede di:

- selezionare un risultato di interazione tra una pluralità di risultati di interazione predeterminati sulla base della sequenza di interazioni, e

in cui il passo di combinare il risultato di detta elaborazione con il coefficiente di disturbo prevede di:

- ottenere un risultato di interazione modificato pesando detto risultato di interazione con il coefficiente di disturbo.

Questo permette di quantificare numericamente l’effetto dell’evento di disturbo sul risultato dell’interazione tra utente e applicazione software in modo particolarmente semplice ed efficiente.

In una forma di realizzazione, il metodo prevede anche i passi di:

- comparare una sequenza di interazioni registrata in assenza di un evento di disturbo con una sequenza di interazioni registrate in presenza di un evento di disturbo in risposta a medesime richieste di interazione da parte dell’applicazione software;

- modificare almeno un coefficiente di disturbo predeterminato sulla base di detta comparazione, e

- associare il coefficiente di disturbo modificato ad almeno una corrispondente misura acquisita durante l’intervallo di tempo di osservazione in cui è registrata la sequenza di interazioni in presenza di un evento di disturbo.

In aggiunta o in alternativa al passo di modificare almeno un coefficiente di disturbo, il metodo può prevedere il passo di determinare almeno un nuovo coefficiente di disturbo predeterminato sulla base di detta comparazione.

Grazie a tali soluzioni è possibile migliorare dinamicamente e in modo completamente automatico la precisione e, eventualmente, sensibilità del metodo nel riconoscere e valutare l’effetto di eventi di disturbo cui l’utente può essere soggetto, al crescere del numero di utenti che interagisce con l’applicazione software.

Questo rende particolarmente vantaggioso ed efficiente l’utilizzo di uno o più algoritmi di machine learning per effettuare la comparazione tra interazioni e la modifica e/o l’aggiunta di coefficienti di disturbo predeterminati. Infatti, tali algoritmi permettono di regolare e ottimizzare un insieme iniziale di coefficienti di disturbo predeterminati al crescere delle interazioni e degli eventi di disturbo rilevati.

In una forma di realizzazione, il passo di acquisire una pluralità di misure mediante almeno un sensore associato a detto dispositivo prevede di:

- monitorare una pluralità di misure fornita da almeno uno tra:

- un sensore ambientale;

- un sensore di movimento,

- un sensore biometrico, e

- un sensore di posizione

compreso nel dispositivo utente.

Grazie a tale soluzione è possibile identificare l’occorrenza di un evento di disturbo in modo affidabile, sfruttando sensori presenti nel dispositivo utente utilizzato per implementare l’applicazione software.

In aggiunta o in alternativa, il passo di acquisire una pluralità di misure mediante almeno un sensore associato a detto dispositivo prevede di:

- monitorare una pluralità di misure fornita da almeno uno tra:

- un sensore ambientale;

- un sensore di movimento,

- un sensore biometrico, e

- un sensore di posizione,

compreso in un dispositivo satellite operativamente connesso al dispositivo utente, ma distinto dallo stesso.

Grazie a tale soluzione è possibile identificare l’occorrenza di un evento di disturbo in modo affidabile, sfruttando sensori separati dal dispositivo utente, quindi non richiedendo necessariamente che il dispositivo utente comprenda sensori e/o consenta di acquisire misure tramite sensori non presenti sul dispositivo utente o aventi una maggiore risoluzione. Inoltre, nel caso in cui il dispositivo satellite sia di tipo indossabile, è possibile monitorare misure di grandezze ambientali sostanzialmente come percepite dall’utente stesso ed è inoltre possibile acquisire con facilità misure biometriche relative all’utente.

In una forma di realizzazione, il passo di verificare se durante l’intervallo di tempo di osservazione è occorso un evento di disturbo, prevede di individuare almeno una selezionata tra un’interazione dell’utente con l’interfaccia utente del dispositivo non richiesta dall’applicazione software, e una richiesta di interazione avanzata da un’ulteriore applicazione software attraverso l’interfaccia utente del dispositivo.

Grazie a questa soluzione è possibile individuare eventi di disturbo collegati a altre applicazioni software eseguite dal dispositivo che possono compromettere le interazioni utente in risposta a richieste dell’applicazione software.

Un differente aspetto della presente invenzione propone un sistema comprendente almeno un dispositivo utente e un’unità di elaborazione remota adatti a stabilire tra loro un canale di comunicazione attraverso una rete di comunicazione dati, il dispositivo utente comprendendo un’interfaccia utente e almeno un sensore, e implementando un’applicazione software adatta a sottoporre un test attitudinale a un utente. Vantaggiosamente, l’applicazione software e l’unità di elaborazione remota sono configurate per implementare il metodo secondo una qualsiasi delle forme di realizzazione sopra descritte.

Grazie a tale soluzione, l’applicazione software e l’unita di elaborazione remota cooperano per fornire un risultato di interazione affidabile anche nel caso di eventi di disturbo. Inoltre, è possibile selezionare quale parte delle operazioni son svolte dall’applicazione software e quali dall’unita di elaborazione remota secondo le particolari contingenze specifiche, ad esempio, in base alla mole di dati raccolti dai dispositivi utente e/o dalle capacità di elaborazione dei dispositivi utente e dell’unità di elaborazione remota. Pertanto, la capacità di calcolo necessaria al dispositivo utente per eseguire l’applicazione software risulta estremamente contenuta, permettendo di rilassare i requisiti sul dispositivo utente del sistema.

Vantaggiosamente, implementare uno o più passi di elaborazione delle interazioni e delle misure nell’unità di elaborazione remota permette di garantire un maggiore controllo e sicurezza dei dati e degli algoritmi sfruttati nel sistema.

Ulteriori caratteristiche e scopi della presente invenzione appariranno maggiormente chiari dalla descrizione che segue.

BREVE DESCRIZIONE DEI DISEGNI

L’invenzione verrà descritta qui di seguito con riferimento ad alcuni esempi, forniti a scopo esplicativo e non limitativo, ed illustrati nei disegni annessi. Questi disegni illustrano differenti aspetti e forme di realizzazione della presente invenzione e, dove appropriato, numeri di riferimento illustranti strutture, componenti, materiali e/o elementi simili in differenti figure sono indicati da numeri di riferimento similari.

La Figura 1 è uno schema a blocchi di un sistema configurato per implementare il metodo secondo una forma di realizzazione della presente invenzione;

la Figura 2 è un diagramma di flusso di un metodo secondo una forma di realizzazione della presente invenzione, e

la Figura 3 è un diagramma di flusso di una procedura di aggiornamento dinamico secondo una forma di realizzazione della presente invenzione.

DESCRIZIONE DETTAGLIATA DELL’INVENZIONE

Mentre l’invenzione è suscettibile di varie modifiche e costruzioni alternative, alcune forme di realizzazione preferite sono mostrate nei disegni e saranno descritte qui di seguito in dettaglio. Si deve intendere, comunque, che non vi è alcuna intenzione di limitare l’invenzione alla specifica forma di realizzazione illustrata, ma, al contrario, l’invenzione intende coprire tutte le modifiche, costruzioni alternative, ed equivalenti che ricadano nell’ambito dell’invenzione come definito nelle rivendicazioni.

L’uso di “ad esempio”, “ecc.”, “oppure” indica alternative non esclusive senza limitazione a meno che non altrimenti indicato. L’uso di “include” significa “include, ma non limitato a” a meno che non sia altrimenti indicato.

Con riferimento alla Figura 1 è descritto un sistema 1 secondo una forma di realizzazione della presente invenzione.

Il sistema 1 comprende un’unità di elaborazione remota 10 e uno o più dispositivi utente 20, 4 dispositivi utente 20 nell’esempio considerato. L’unità di elaborazione remota 10 e ciascuno dei dispositivi utente 20 è in grado di stabilire una connessione con una rete di comunicazione dati 30. In particolare, l’unità di elaborazione remota 10 è configurata per stabilire un canale di comunicazione con ciascuno dei dispositivi utente 20 attraverso rete di comunicazione dati 30 e/o, viceversa, ciascun dispositivo utente 20 è configurato per stabilire un canale di comunicazione con l’unità di elaborazione remota 10 attraverso la rete di comunicazione dati 30.

In dettaglio, l’unità di elaborazione remota 10 comprende un modulo di elaborazione 11 configurato per implementare uno o più algoritmi di elaborazione dati, un modulo di memoria 13 configurato per memorizzare dati, e un modulo di ricetrasmissione 15 configurato per stabilire e gestire una o più connessione con la rete di comunicazione dati 30.

Ad esempio, il modulo di elaborazione 11 può comprendere uno o più processori, microprocessori, microcontrollori, ASIC, FPGA, DSP o simili. Il modulo di memoria 13 può comprendere uno o più elementi di memoria non-volatile e volatile adatti a memorizzare dati, preferibilmente in formato binario. Infine, il modulo di ricetrasmissione 15 può comprendere uno o più tra modem, switch, gateway, firewall, ecc.

Naturalmente, l’unità di elaborazione remota 10 o uno o più dei suoi moduli 11, 13, e 15 possono essere realizzati come un singolo dispositivo, come una rete distribuita di dispositivi e/o come una o più di macchine virtuali.

Il dispositivo utente 20 comprende anch’esso un modulo di elaborazione 21 configurato per implementare uno o più algoritmi di elaborazione dati, un modulo di memoria 23 configurato per memorizzare dati, un modulo di ricetrasmissione 25 configurato per stabilire e gestire una o più connessione con la rete di comunicazione dati 30, uno o più sensori 27, ciascuno configurato per misurare una rispettiva grandezza fisica e un’interfaccia utente 29 configurata per ricevere comandi e fornire informazioni a un utente (non illustrato).

Nel caso del dispositivo utente 20, il modulo di elaborazione 21 può comprendere uno o più processori, microprocessori, microcontrollori, ASIC, FPGA, DSP o simili. Il modulo di memoria 23 può comprendere uno o più elementi di memoria non-volatile e volatile adatti a memorizzare dati, preferibilmente in formato binario. Il modulo di ricetrasmissione 15 può comprendere un modem per comunicazioni cablate e/o radio (Wi-Fi, bluetooth, GSM, UMTS, LTE, 5G, ecc.).

I sensori 27 possono comprendere sensori di movimento – come uno o più tra accelerometri, giroscopi, sensori di gravità, ecc. –, sensori di posizione – come uno o più tra magnetometri, un sistema di rilevazione GNSS, ecc. – e sensori ambientali – come uno o più tra barometri, fotometri, termometri, microfoni, fotocamere, sensori di prossimità, ecc., e sensori biometrici – come un lettore di impronte digitali.

Infine, l’interfaccia utente 29 può comprendere elementi di output – come schermo, un altoparlante, ecc. –, elementi di input – come una tastiera, joystick, joypad fisici e/o virtuali, un microfono – e/o elementi input/output misti – come un’interfaccia aptica.

Esempi di dispositivi utente 20 comprendono smartphone, tablet, personal computer e simili.

Opzionalmente, il sistema 1 può anche comprendere uno o più dispositivi utente satellite 40 configurati per stabilire un canale di comunicazione diretto con un rispettivo dispositivo utente. Preferibilmente, dispositivi utente satellite 40 sono dispositivi elettronici indossabili – come smartwatch, visori per realtà aumentata o virtuale, ecc. In aggiunta o in alternativa, il dispositivo satellite 40 può comprendere altre tipologie di dispositivo, come dispositivi di domotica, assistenti vocali, un sistema elettronico di bordo di un veicolo e simili.

Analogamente al dispositivo utente 20, il dispositivo utente satellite comprende un modulo di elaborazione 41 configurato per implementare uno o più algoritmi di elaborazione dati, un modulo di memoria 43 configurato per memorizzare dati, un modulo di ricetrasmissione 45 configurato per stabilire e gestire una o più connessioni dirette (ad esempio, via Bluetooth) e/o indirette (ad esempio, tramite una piattaforma cloud) con il corrispondente dispositivo utente, uno o più sensori 47, ciascuno configurato per misurare una rispettiva grandezza fisica e, opzionalmente, un’interfaccia utente (non illustrata).

Preferibilmente, il dispositivo utente satellite 40 può comprendere uno o più sensori biometrici, ciascuno configurato per rilevare un parametro vitale di un rispettivo utente (non illustrato), come un battito cardiaco, una temperatura corporea, ecc.

Nelle forme di realizzazione secondo la presente invenzione, ciascun dispositivo utente 20 è configurato per istanziare un’applicazione software 50 progettata per la valutazione attitudinale di un utente.

Preferibilmente, l’applicazione software 50 comprende di sottoporre uno o più test attitudinali di tipo logico, psicologico e/o psicofisico che prevedono un’interazione da parte dell’utente tramite l’interfaccia utente 29 del dispositivo utente utilizzato dal utente.

Il sistema 1 descritto permette di implementare un metodo 600 per la valutazione attitudinale di un utente secondo una forma di realizzazione della presente invenzione descritto di seguito con riferimento alla Figura 2.

Inizialmente, l’applicazione software 50, una volta istanziata nel dispositivo utente 20 dell’utente, è configurata per sottoporre uno o più test attitudinali all’utente (blocco 601). Ad esempio, l’applicazione software 50 sottopone una serie di test attitudinali all’utente attraverso l’interfaccia utente 29 del dispositivo utente 20. In una forma di realizzazione della presente invenzione i test attitudinali possono essere sostanzialmente analoghi ai test descritti in US 2015/379454.

Durante lo svolgimento di ciascun test attitudinale, sono monitorate interazioni I dell’utente nello svolgere ciascun test sottoposto dall’applicazione software 50 (blocco 603). Nella presente descrizione, il termine “interazione” indica un comando utente, o input, fornito dall’utente all’applicazione software 50 mediante l’interfaccia utente 29 del dispositivo utente 20.

Ad esempio, l’applicazione software 50 registra una sequenza di una o più interazioni I dell’utente con l’interfaccia utente 29 – come un azionamento di un elemento meccanico dell’interfaccia utente (un bottone, un joystick), il contatto con una particolare porzione di uno schermo capacitivo, un movimento del dispositivo utente 20, un comando vocale, ecc. In aggiunta, l’applicazione software 50 può identificare anche un completamento, un mancato completamento di ciascun test attitudinale e/o un punteggio finale, e un tempo dedicato dal utente allo svolgimento di ciascun test attitudinale.

Inoltre, è individuato (605) un intervallo di tempo di osservazione ∆ durante il quale sono monitorate le interazioni I e le misure S. Ad esempio, l’applicazione software 50 è configurata per determinate l’intervallo di tempo di osservazione ∆ come l’intervallo di tempo compreso tra un istante di tempo iniziale t0 in cui l’applicazione software 50 richiede all’utente una prima interazione, e un istante di tempo finale tf in cui si registra un’ultima interazione in risposta ad un’ultima richiesta di interazione da parte dell’applicazione software 50. In una forma di realizzazione preferita, l’applicazione software 50 è configurata per determinate un rispettivo intervallo di tempo di osservazione ∆ per ciascuno dei test attitudinali sottoposti all’utente. In altre forme di realizzazione, l’intervallo di tempo di osservazione ∆ può essere definito diversamente e/o può comprendere un instante di tempo iniziale t0 anteriore alla richiesta di una prima interazione o un istante di tempo finale tf posteriore alla registrazione dell’ultima interazione dell’utente.

Vantaggiosamente, durante lo svolgimento di ciascun test attitudinale – ossia, durante l’intervallo di tempo di osservazione ∆ –, sono anche monitorate misure S generate da almeno uno dei sensori 27 e/o 47 del dispositivo utente 20 e/o dal dispositivo utente satellite 40 (blocco 607). Ad esempio, l’applicazione software 50 monitora e, eventualmente, registra misure generate da uno o più dei sensori 27 e/o 47 durante l’interazione tra l’utente e l’applicazione software 50.

Preferibilmente, sebbene non limitativamente, le interazioni I e le misure S quando registrate comprendono o sono associate a un rispettivo timestamp – o marca temporale – il quale indica l’istante di tempo di generazione, o di acquisizione, della specifica interazione I o misura S corrispondente.

Le interazioni I e le misure S sono, quindi, trasferite all’unità di elaborazione remota 10 (blocco 609). Ad esempio, l’applicazione software 50 è configurata per stabilire un canale di comunicazione con l’unità di elaborazione remota 10 e trasmettere le interazioni I e le misure S periodicamente, in modo continuo oppure una volta che l’utente ha terminato ciascun singolo test attitudinale o dopo avere rilevato il termine delle interazioni dell’utente con l’applicazione software 50.

Vantaggiosamente, sebbene non limitativamente, le interazioni I e le misure S comprendono, o sono trasmesse assieme a, un’indicazione del test attitudinale cui sono riferite.

Successivamente, le interazioni I sono analizzate per identificare un’eventuale anomalia di interazione (blocco decisionale 611). Preferibilmente, l’unità di elaborazione remota 10 è configurata per identificare un andamento delle interazioni I che devi da un andamento atteso delle interazioni tra utente e applicazione software 50. Ancor più preferibilmente, l’anomalia di interazione è identificata quando almeno una sequenza delle interazioni I rilevate devia rispetto a una sequenza di interazioni attese oltre una di soglia di deviazione.

Ad esempio, l’unità di elaborazione remota 10 può essere configurata per determinare una deviazione di una o più interazioni I della sequenza considerata rispetto a corrispondenti interazioni di una sequenza di interazioni attese – ad esempio, uno o più comandi errati forniti dall’utente mediante l’interfaccia utente 29. In alternativa o in aggiunta, l’unità di elaborazione remota 10 può essere configurata per determinare il superamento di una frequenza – puntuale, media, massima o minima – di immissione delle interazioni I della sequenza di interazioni I rispetto una corrispondente frequenza di soglia. Ancora, l’unità di elaborazione remota 10 può essere configurata per determinare il superamento di ritardo di tempo frequenza – puntuale, medio, massimo o minimo – atteso tra una richiesta di interazione da parte dell’applicazione software 50 e una corrispondente interazione – ad esempio, nel caso in cui l’utente interagisca con l’applicazione software 50 in modo particolarmente lento.

Preferibilmente, l’unità di elaborazione remota 10 memorizza una pluralità di sequenze di interazioni attese nel modulo di memoria 13, vantaggiosamente organizzati in una tabella o database (ad esempio, basati su prove sperimentali e/o statistiche). Ancor più preferibilmente, una o più sequenze di interazioni attese possono essere definite e memorizzate come uno o più insiemi di regole – ad esempio, una variazione nella frequenza delle interazioni di una sequenza superiore a una soglia, un numero di interazione errate successive un numero di interazioni corrette, ecc.

Nel caso non sia identificata alcuna anomalia nelle interazioni I (ramo di uscita N del blocco 611), le interazioni I sono elaborate per determinare un corrispondente risultato d’interazione, una valutazione attitudinale dell’utente nel caso considerato (blocco 613). Ad esempio, l’unità di elaborazione remota 10 è configurata per implementare un algoritmo di valutazione attitudinale che riceve in ingresso le sole interazioni I e genera in uscita il punteggio attitudinale A secondo un criterio predefinito (ad esempio, analogo a quanto descritto in US 2015/379454).

Nell’esempio considerato, l’unità di elaborazione remota 10 seleziona in uscita un corrispondente punteggio attitudinale A tra una pluralità di valori di punteggio predeterminati sulla base delle interazioni I – ad esempio, valori di punteggio elevato sono associati a un maggior numero di interazioni I corrispondenti alle interazioni predeterminate attese. Preferibilmente, l’unità di elaborazione remota 10 memorizza la pluralità di valori di punteggio predeterminati nel modulo di memoria 13, vantaggiosamente organizzati in una tabella o database, dove ciascuno di tali valori di punteggio predeterminati è associato, ad esempio, a un livello di corrispondenza tra le interazioni I e le interazioni attese (ad esempio, basate su prove sperimentali e/o statistiche). dopodiché il metodo 600 prosegue quindi al blocco 621 descritto nel seguito.

Tornando al blocco decisionale 611, nel caso sia identificata un’anomalia nelle interazioni I (ramo di uscita Y del blocco 611), le misure S fornite dai sensori 27 e/o 47 sono quindi analizzate al fine di identificare l’occorrenza di un evento di disturbo in grado di influenzare l’interazione dell’utente con l’applicazione software 50 (blocco decisionale 615). Vantaggiosamente, l’occorrenza di un evento di disturbo è identificata nel caso in cui un andamento delle misure S si discosti da un andamento atteso.

Nella presente descrizione, il termine ‘evento di disturbo’ indica un fenomeno fisico in grado di influenzare l’interazione tra l’utente e l’applicazione software, ad esempio dovuto a fattori ambientali – come, rumori e/o intensità luminosa eccessivi/incostanti, interazione tra l’utente e altri individui/apparati, sollecitazioni meccaniche accentuate, come un movimento a velocità elevata dell’utente e/o una caduta del dispositivo, ecc.

In una forma di realizzazione preferita, l’unità di elaborazione remota 10 può essere configurata per identificare uno scostamento delle una o più misure S rispetto un andamento atteso secondo almeno uno dei seguenti criteri. Lo scostamento può essere individuato rilevando l’attraversamento di un valore soglia da parte di una misura S e/o il superamento di una variazione di soglia da parte di due o più misure S, preferibilmente, consecutive. In aggiunta o in alternativa, tale scostamento può essere identificato rilevando una deviazione media/minima/massima di una sequenza di misure S rispetto a una corrispondente sequenza di valori attesi.

Ad esempio, l’unità di elaborazione remota 10 può essere configurata per rilevare una misura di accelerazione superiore a un valore di accelerazione limite associabile a una caduta del dispositivo utente 20 o, più in generale, di uno spostamento repentino del dispositivo utente 20 da una posizione di fruizione indicativa di un’interruzione, almeno temporanea, dello svolgimento del test. In aggiunta, le misure del sensore di prossimità possono essere usate in modo analogo. Inoltre, l’algoritmo identificatore di eventi di disturbo può essere configurato per rilevare se i suoni acquisiti dal microfono superano un valore di soglia acustico, se la temperatura misurata dal termometro supera una temperatura limite, se l’intensità luminosa misurata dal fotometro supera o scende al di sotto di un valore di intensità luminosa limite, ecc.

Nel caso di variazioni tra misure, l’unità di elaborazione remota 10 può essere configurata, ad esempio, per comparare una sequenza di due o più misure fornite dal magnetometro, dal giroscopio, dagli accelerometri, dal sistema di posizionamento GNSS, variazioni di frequenza cardiaca o da un pedometro per identificare che l’utente ha intrapreso un movimento con una velocità superiore a una velocità di soglia e/o si è spostato di una distanza superiore a una distanza di soglia durante l’interazione con l’applicazione software 50. Ancora, l’identificazione di variazioni di luminosità repentine può identificare una condizione di luminosità sfavorevole alla concentrazione.

Infine, nel caso di deviazione da un andamento atteso, l’unità di elaborazione remota 10 può essere configurata, ad esempio, per identificare se e per quanto tempo l’utente ha distolto lo sguardo dal dispositivo utente 20 tramite immagini acquisite dalla fotocamera – identificando una variazione nella posizione degli occhi o un pattern della posizione degli occhi e/o del viso dell’utente. Inoltre, sequenze di suoni acquisite da un microfono possono essere sfruttate per identificare una conversazione tra l’utente e un interlocutore o l’insorgere di un rumore di fondo particolarmente intenso.

Nel caso l’analisi delle misure S non indichi l’occorrenza di un evento di disturbo (ramo di uscita N del blocco 615), le interazioni I sono elaborate per determinare il corrispondente risultato d’interazione, una valutazione attitudinale dell’utente nel caso considerato (come descritto in relazione al precedente blocco 613). Il metodo 600 prosegue quindi al blocco 621 descritto nel seguito.

Tornando al blocco decisionale 615, nel caso l’analisi delle misure S indichi l’occorrenza di un evento di disturbo (ramo di uscita Y del blocco 615), è selezionato un coefficiente di disturbo D, indicativo dell’influenza che l’evento di disturbo ha avuto sull’interazione tra utente e applicazione software 50, tra una pluralità di coefficienti di disturbo predeterminati sulla base delle misure S analizzate (blocco 617).

Nell’esempio considerato, l’unità di elaborazione remota 10 può essere configurata per selezionare il coefficiente di disturbo D tra una pluralità di coefficienti di disturbo predeterminati memorizzati nel modulo di memoria 13 dell’unità di elaborazione remota 10, ad esempio in una corrispondente tabella o database in cui ciascuno di tali coefficienti di disturbo predeterminati è associato a uno o più corrispondenti valori – o intervalli di valori – di riferimento riferiti a una o più delle misure S (ad esempio, basati su prove sperimentali e/o statistiche).

In tale caso, il coefficiente di disturbo D è selezionato tra i coefficienti di disturbo predeterminati in base a un’intensità e/o un tipo dell’evento di disturbo identificato tramite le misure S.

Ad esempio, l’unità di elaborazione remota 10 è configurata per basare la selezione coefficiente di disturbo D sui valori delle misure S che hanno portato all’individuazione dell’evento di disturbo, su una differenza tra i valori di tali misure S o delle variazioni tra tali misure S rispetto ai corrispondenti valori di soglia, variazioni di soglia, o valori attesi nel caso di deviazione da una sequenza di misure attesa.

In aggiunta, l’unità di elaborazione remota 10 può essere configurata per regolare la selezione del coefficiente di disturbo D ottenuta attraverso le misure S in base al tipo di evento di disturbo identificato. Ad esempio, una conversazione tra l’utente e un interlocutore può portare a selezionare un coefficiente di disturbo D maggiore del coefficiente di disturbo D selezionato nel caso sia identificato un rumore di fondo di intensità superiore al valore di soglia selezionato.

In aggiunta o in alternativa, il coefficiente di disturbo D può essere selezionato in base all’anomalia di interazione identificata tramite le interazioni I. Ancora, il coefficiente di disturbo D può essere calcolato, preferibilmente in tempo reale, sulla base delle misure S fornite dai sensori 27 e/o 47. Ad esempio, l’unità di elaborazione remota 10 è configurata per determinare il coefficiente di disturbo implementando una funzione che riceve in ingresso uno o più valori delle misure S fornite dai sensori 27 e/o 47.

Successivamente, le interazioni I sono elaborate e combinate con il coefficiente di disturbo D selezionato per determinare un corrisponde risultato di interazione regolata. Nell’esempio considerato, il risultato di interazione corrisponde a un punteggio attitudinale regolato A<+ >dell’utente relativo a una caratteristica attitudinale in base allo specifico test sottoposto dall’applicazione software 50 (blocco 619).

Ad esempio, l’unità di elaborazione remota 10 è configurata per implementare un algoritmo di valutazione attitudinale che riceve in ingresso le sole interazioni I e seleziona in uscita un corrispondente punteggio attitudinale A tra una pluralità di valori di punteggio predeterminati, ad esempio memorizzati nel modulo di memoria 13, sulla base delle interazioni I (in modo analogo a quanto descritto sopra al blocco 613) – senza tenere conto dell’effetto dovuto dall’evento di disturbo. Quindi, il punteggio attitudinale A è combinato con il coefficiente di disturbo D. Ad esempio, l’unità di elaborazione remota 10 è configurata per ottenere la valutazione attitudinale regolata A<+ >moltiplicando tra loro la valutazione attitudinale A e il coefficiente di disturbo D (ossia, A<+ >= A × D). In altre parole, il coefficiente di disturbo D è utilizzato come un peso applicato alla valutazione attitudinale A.

Opzionalmente, i risultati di interazione relativi a ciascun test sono combinati tra loro per ottenere un risultato di interazione complessivo (blocco 621). Nell’esempio considerato, i punteggi attitudinali A e/o i punteggi attitudinali regolati A<+ >associati a due o più test differenti possono essere combinati tra loro per ottenere un punteggio attitudinale complessivo AT. Ad esempio, i risultati di interazione sono confrontati con uno o più modelli memorizzati nel modulo di memoria 13 per definire il risultato di interazione complessivo.

Infine, i risultati di interazione sono resi disponibili per essere visionati e/o utilizzati da un’entità – ad esempio, un differente sistema informatico, un’applicazione software, dall’utente – preferibilmente, attraverso l’applicazione software 50 – e/o terze parti (blocco 623).

Ad esempio, l’unità di elaborazione remota 10 è configurata per memorizzare i punteggi attitudinali A, A<+ >e/o AT nel modulo di memoria 13. In alternativa o in aggiunta, l’unità di elaborazione remota 10 può generare un report contenente uno o più dei punteggi attitudinali A, A<+ >e/o AT relativi all’utente e memorizzarlo nel modulo di memoria e/o trasmetterlo a terze parti, eventualmente, solo nel caso in cui uno o più tra i punteggi attitudinali A, A<+ >e/o AT superi un corrispondente valore di soglia. Ad esempio, i risultati di interazione sono confrontati con uno o più modelli e/o risultati di interazione associati ad altri soggetti, memorizzati nel modulo di memoria 13, per determinare se il risultato di interazione complessivo dell’utente considerato definisce un profilo corrispondente a un profilo predefinito/desiderato. Nell’esempio considerato i punteggi attitudinali A, A<+ >e/o AT possono essere resi disponibili a un reparto di selezione del personale per guidare/assistere un processo di selezione di soggetti idonei a una mansione.

Secondo una forma di realizzazione della presente invenzione, il sistema 1 è configurato per implementare una procedura automatica 700 di apprendimento e regolazione configurata per aggiornare i coefficienti di disturbo D memorizzati e, preferibilmente, l’associazione tra i coefficienti di disturbo D e le misure S.

Nell’esempio illustrato dal diagramma di flusso in Figura 3, la procedura 700 prevede di acquisire le interazioni I e le misure S, associate allo svolgimento di ciascun test attitudinale fornite da ciascun dispositivo utente 20 del sistema 1 (blocco 701).

Quindi, per ciascun gruppo di interazioni I e misure S è identificato se durante l’interazione dell’utente con l’applicazione software 50 è occorso un evento di disturbo (blocco decisionale 703). Ad esempio, l’unità di elaborazione remota 10 è configurata per identificare la presenza o assenza di disturbi in base al contenuto delle misure S – come sopra descritto in relazione al metodo 600 – o per monitorare l’esito dei passi 609 – 615 del metodo 600.

Nel caso sia individuato un evento di disturbo durante l’interazione tra utente e applicazione software 50 (ramo di uscita Y del blocco 703), le interazioni I e le misure S sono memorizzate in un primo registro, o database (blocco 705); mentre nel caso non sia individuato un evento di disturbo (ramo di uscita N del blocco 703) le interazioni I e le misure S sono memorizzate in un secondo registro, o database (blocco 707). Preferibilmente, le interazioni I e misure S sono memorizzate insieme un’indicazione del test attitudinale cui sono associate.

Ad esempio, l’unità di elaborazione remota 10 è configurata per memorizzare interazioni I e misure S nel primo o nel secondo database – definito nel modulo di memoria 13 – una volta rilevata o esclusa l’occorrenza di un evento di disturbo durante l’esecuzione del metodo 600.

Successivamente, almeno parte delle interazioni I avvenute in presenza di un disturbo sono comparate con corrispondenti interazioni I avvenute in assenza di un disturbo (blocco 709).

Ad esempio, l’unità di elaborazione remota 10 è configurata per correlare una o più interazioni I avvenute in presenza di un evento di disturbo e interazioni I avvenute in assenza di un evento di disturbo associate a una medesima sequenza di richieste di interazione da parte dell’applicazione software 50, ossia un medesimo test attitudinale nell’esempio considerato.

Sulla base del risultato di tale comparazione, è possibile modificare il valore di uno o più corrispondenti coefficienti di disturbo predeterminati e/o aggiungere uno o più di coefficiente di disturbo predeterminati (blocco 711).

Ciascun coefficiente di disturbo D modificato, o aggiunto, è, quindi, associato alla una o più corrispondenti misure S rilevate durante l’anomalia di interazione identificata nelle interazioni I avvenute in presenza di disturbo (blocco 713).

Questo aggiornamento dinamico della pluralità di coefficienti di disturbo selezionabili – ad esempio, memorizzati nel modulo di memoria 13 dell’unità di elaborazione remota 10 – aumenta un’affidabilità e una precisione della pluralità di coefficienti di disturbo selezionabili nel valutare l’effetto degli eventi di disturbo.

Ad esempio, l’unità di elaborazione remota 10 è configurata per analizzare tali misure S e identificare uno o più misure di riferimento comprese nelle misure S e associarle al corrispondente coefficiente di disturbo D calcolato al precedente passo 705. Anche in questo caso, è possibile configurare l’unità di elaborazione remota 10 per determinare nuovi eventi di disturbo – ciascuno associato a un rispettivo insieme di più misure S di riferimento. In una forma di realizzazione, le misure S di riferimento possono essere utilizzate per modificare o aggiungere i valori di soglia di disturbo usati nel metodo 600.

Infine, i coefficienti di disturbo D, così calcolati, e le relative misure S di riferimento sono resi disponibili per essere utilizzate nel metodo 600 (blocco 715). Ad esempio, l’unità di elaborazione remota 10 è configurata per aggiornare dinamicamente i coefficienti di disturbo predeterminati memorizzati nel modulo di memoria 13 e le relative misure S di riferimento.

Vantaggiosamente, la procedura automatica 700 può prevedere di implementare algoritmi di machine learning al fine di implementare in modo completamente automatizzato i passi di comparare le interazioni I, modificare il coefficiente di disturbo D esistente e/o definire il coefficiente di disturbo D e associare il coefficiente di disturbo D al corrispondente disturbo o combinazione di disturbi identificati. In particolare, l’utilizzo di algoritmi di machine learning permette di aumentare una precisione e affidabilità del risultato di interazione fornito dal metodo 600 al crescere degli utenti che interagiscono con l’applicazione software 50.

Preferibilmente, la procedura 700 è reiterata in parallelo al metodo 600 ogni volta che l’unità di elaborazione remota 10 riceve nuove interazioni I e misure S da un dispositivo utente 20 del sistema 1.

L’invenzione così concepita è suscettibile di numerose ulteriori modifiche e varianti tutte rientranti nell’ambito della presente invenzione quale risulta dalle rivendicazioni allegate.

Ad esempio, anziché un’applicazione software 50 dedicata il sistema 1 può prevedere l’accesso ad una piattaforma informatica per mezzo di un’applicazione di terze parti, come un browser Internet, eventualmente, affiancata da un agente software o implementante un plug-in dedicato. In questo caso, la sottomissione dei test e l’acquisizione di interazioni I e misure S sono eseguite dalla piattaforma informatica attraverso il browser istanziato sul dispositivo utente 20, ad esempio sfruttando opportune API. Tale piattaforma informatica può essere implementata dall’unità di elaborazione remota 10 o da un'altra unità dedicata (non illustrata) accessibile tramite la rete di comunicazione dati 30.

Inoltre, nulla vieta di rilevare informazioni o altri output forniti da altre applicazioni software e/o sfruttare un’interazione con l’interfaccia utente 29 del dispositivo utente 20. Vantaggiosamente, l’applicazione software può essere configurata per identificare una richiesta di interazione avanzata da una differente applicazione software istanziata sul dispositivo e/o una interazione dell’utente non richiesta dall’applicazione software 50 ed associarla all’occorrenza di un evento di disturbo durante lo svolgimento del test attitudinale. Ad esempio, è possibile determinare l’occorrenza di un evento di disturbo individuando una sospensione dell’applicazione software 50, dovuta all’arrivo di una chiamata telefonica, alla notifica generata da un’altra applicazione software istanziata sul dispositivo utente 20 – come un’applicazione di messaggistica istantanea –, ecc.

Ancora, le misure S possono essere acquisite secondo diversi criteri. Ad esempio, i dati generati dai sensori 27 possono essere acquisiti dall’applicazione software 50 periodicamente secondo vari criteri di campionamento. In alternativa, l’applicazione software 50 può essere configurata per monitorare i dati generati dai sensori 27 e registrare solo i dati che rispondono a un predeterminato criterio – ad esempio, il superamento di una soglia, una variazione di interesse tra due misure consecutive di una grandezza fisica misurata da uno dei sensori 27 o 47.

Inoltre, l’occorrenza di un evento di disturbo può essere individuata tramite un’analisi combinata di due o più misure S, preferibilmente, forniti da sensori 27 o 47 differenti.

In forme di realizzazione alternative (non illustrate), nulla vieta di determinare una pluralità di coefficienti di disturbo parziali ciascuno associato a una specifica misura S e, quindi, definire un coefficiente di disturbo totale dato dalla combinazione di tali coefficienti di disturbo parziali.

Come sarà evidente alla persona esperta, le interazioni I e le misure S possono essere sfruttate in modo analogo a quanto sopra descritto per determinare una capacità di concentrazione dell’utente durante lo svolgimento di un test in presenza di disturbi.

Inoltre, per ciascun coefficiente di disturbo predeterminato è possibile definire un corrispondente intervallo di valori delle misure S associate alle stesse così come un valore puntuale.

Inoltre, nulla vieta di prevedere che l’applicazione software 50 sia configurata per eseguire almeno parte dell’elaborazione delle interazioni I e/o delle misure S, al limite fino al calcolo di una o più delle valutazioni attitudinali A, A<+ >e/o AT, e trasmettere il solo risultato di tale operazione all’unità di elaborazione remota 10.

Ad esempio, in una forma di realizzazione, l’applicazione software 50 implementa sostanzialmente l’intero metodo 600 fino a determinare il risultato di interazione per ciascun test attitudinale eseguito dall’utente. In questo caso, l’applicazione software 50 trasmette i risultati di interazione determinati all’unità di elaborazione remota 10 che li combina per determinare il risultato di interazione complessivo e determinare se il risultato di interazione complessivo dell’utente considerato definisce un profilo corrispondente a un profilo predefinito/desiderato

Vantaggiosamente, l’unità di elaborazione 10 può essere configurata per determinare il valore del coefficiente di disturbo D secondo la procedura 700, come descritto sopra, e trasmettere una lista aggiornata (ad esempio, in forma di tabella o database) di coefficienti di disturbo aggiornata a ciascuna applicazione software 50 installata su un dispositivo utente 20 del sistema 1. Ad esempio, la lista di coefficienti di disturbo comprende per ogni coefficiente di disturbo D, uno o più rispettivi valori o intervalli di valori di una o più misure S fornite dai sensori 27 e/o 47.

Come sarà evidente alla persona esperta, le forme di realizzazione della presente invenzione non sono circoscritte a sistemi per la valutazione attitudinale di utenti come nel caso esemplare sopra descritto.

Ad esempio, forme di realizzazione della presente invenzione possono essere applicate nel caso di assistenza da remoto, in particolare nel caso di utilizzo di realtà aumentata. In tale caso, è previsto di individuare eventi di disturbo che compromettano l’interazione tra utente e l’interfaccia utente del dispositivo utente (ad esempio, vibrazioni meccaniche sostenute, notevoli variazioni luminose, rumore di fondo elevato, ecc.) e, in caso sia identificato un errore o un’incongruenza nelle interazioni, scartare comandi erronei forniti dall’utente, e reiterare richieste di interazione da parte dell’applicazione software 50 o chiedere una conferma del comando fornito dall’utente e/o modificare dinamicamente l’acquisizione delle richieste di interazione attraverso l’interfaccia utente del dispositivo utente per compensare l’evento di disturbo (ad esempio, variando la luminosità di uno schermo o stabilizzando un’immagine, applicando una soppressione dei rumori di fondo, ecc.).

Infine, tutti i dettagli sono sostituibili da altri elementi tecnicamente equivalenti. in particolare, uno o più passi di metodi e procedure sopra descritti possono essere omessi, eseguiti in un differente ordine, eseguiti in serie e/o in parallelo secondo le specifiche esigenze implementative senza per questo uscire dall’ambito di protezione delle seguenti rivendicazioni.

In particolare, come sarà evidente alla persona esperta, è possibile prima rilevare l’occorrenza di un evento di disturbo e successivamente verificare la presenza di un’anomalia nelle interazioni utente – ossia, invertire l’ordine dei passi 615 e 611 sopra descritti – e ottenere il medesimo risultato di interazione in modo analogo a quanto sopra descritto.

Inoltre, uno o più passi del metodo 60 e/o della procedura 700 possono essere implementati dall’applicazione software 50 istanziata sul dispositivo utente 20 in alternativa o in aggiunta ai passi implementati dall’unità di elaborazione remota 10.

Claims (12)

1. RIVENDICAZIONI 1. Metodo (600; 700) per valutare un’interazione tra un utente e un dispositivo (20), il metodo comprendendo i passi di: - eseguire (601) un’applicazione software (50) su detto dispositivo (20), l’applicazione software (50) richiedendo all’utente almeno un’interazione (I) attraverso un’interfaccia utente (29) del dispositivo (20); - individuare un intervallo di tempo di osservazione (∆), detto intervallo di tempo di osservazione (∆) essendo compreso tra un istante di tempo iniziale in cui l’applicazione software (50) richiede all’utente una prima interazione, ed un istante di tempo finale in cui si registra un’ultima interazione in risposta ad un’ultima richiesta di interazione da parte dell’applicazione software (50), durante detto intervallo di tempo di osservazione (∆), il metodo prevede di: - registrare (603) una sequenza di interazioni (I) dell’utente; - acquisire (605) una pluralità di misure (S) mediante almeno un sensore (27, 47) associato a detto dispositivo (20), e in cui il metodo prevede inoltre i passi di: - confrontare la sequenza di interazioni (I) dell’utente con una o più sequenze di interazioni, in modo da identificare un’anomalia di interazione quando la sequenza di interazioni dell’utente devia rispetto almeno una sequenza di interazioni attesa oltre una soglia di deviazione; - verificare (615) se durante l’intervallo di tempo di osservazione è occorso un evento di disturbo, detto evento di disturbo essendo verificato nel caso in cui almeno una tra detta pluralità di misure (S) si discosta da un valore atteso oltre una soglia di disturbo, e - valutare (617, 619) l’interazione tra utente e dispositivo (20) fornendo un risultato d’interazione in funzione delle interazioni registrate e dell’occorrenza o meno dell’evento di disturbo.
2. 2. Metodo (600; 700) secondo la rivendicazione 1, in cui il passo di confrontare la sequenza di interazioni (I) dell’utente con una o più sequenze di interazioni, in modo da identificare un’anomalia di interazione prevede di: - identificare almeno uno selezionato tra: - almeno una interazione della sequenza di interazioni (I) dell’utente differente da una corrispondente interazione dell’almeno una sequenza di interazioni attese; - una frequenza di interazione con cui l’utente immette le interazioni della sequenza di interazioni (I) differente da una frequenza di soglia delle interazioni nell’almeno una sequenza di interazioni attese, e - un ritardo tra almeno una richiesta di interazione da parte dell’applicazione software e una corrispondente interazione della sequenza di interazioni maggiore di un ritardo di soglia.
3. 3. Metodo (600; 700) secondo la rivendicazione 1 o 2, in cui il passo di verificare (615) se durante l’intervallo di tempo di osservazione è occorso un evento di disturbo, prevede di: - rilevare almeno uno selezionato tra: - un attraversamento della soglia di disturbo da parte di almeno una misura di detta pluralità di misure (S); - un superamento della soglia di disturbo da parte di una variazione di valore tra due misure consecutive di detta pluralità di misure (S), e - una deviazione di una sequenza di misure di detta pluralità di misure (S) rispetto a una corrispondente sequenza di valori attesi.
4. 4. Metodo (600; 700) secondo la rivendicazione 3, in cui il passo di valutare (617, 619) l’interazione tra utente e dispositivo (20) prevede di: - selezionare (617) un coefficiente di disturbo (D) tra una pluralità di coefficienti di disturbo predeterminati in base a uno selezionato tra: - un valore della misura di detta pluralità di misure (S) che supera la soglia di disturbo; - un valore della variazione tra due misure di detta pluralità di misure (S) che supera la soglia di disturbo, e - un valore di deviazione della sequenza di misure di detta pluralità di misure (S) rispetto alla corrispondente sequenza di valori attesi; - elaborare (619) la sequenza di interazioni (I) secondo un criterio di valutazione, e - combinare (619) il risultato di detta elaborazione con il coefficiente di disturbo (D) per ottenere il risultato d’interazione.
5. 5. Metodo (600; 700) secondo la rivendicazione 3, in cui il passo di valutare (617, 619) l’interazione tra utente e dispositivo (20) prevede di: - calcolare un coefficiente di disturbo (D) a partire da uno selezionato tra: - un valore della misura di detta pluralità di misure (S) che supera la soglia di disturbo; - un valore della variazione tra le due misure di detta pluralità di misure (S) che supera la soglia di disturbo, e - un valore di deviazione della sequenza di misure di detta pluralità di misure (S) rispetto alla corrispondente sequenza di valori attesi; - elaborare (619) la sequenza di interazioni (I) secondo un criterio di valutazione, e - combinare (619) il risultato di detta elaborazione con il coefficiente di disturbo (D) per ottenere il risultato d’interazione.
6. 6. Metodo (600; 700) secondo la rivendicazione 4 o 5, in cui il passo di elaborare (619) la sequenza di interazioni (I) secondo un criterio di valutazione prevede di: - selezionare un risultato di interazione (A) tra una pluralità di risultati di interazione predeterminati sulla base della sequenza di interazioni (I), e in cui il passo di combinare (619) il risultato di detta elaborazione con il coefficiente di disturbo (D) prevede di: - ottenere un risultato di interazione modificato (A+) pesando detto risultato di interazione (A) con il coefficiente di disturbo (D).
7. 7. Metodo (600; 700) secondo la rivendicazione 4, 5 o 6, ulteriormente comprendente i passi di: - comparare (709) una sequenza di interazioni (I) registrata in assenza di un evento di disturbo con una sequenza di interazioni (I) registrate in presenza di un evento di disturbo in risposta a medesime richieste di interazione da parte dell’applicazione software (50); - modificare (711) almeno un coefficiente di disturbo (D) predeterminato sulla base di detta comparazione, e - associare (713) il coefficiente di disturbo modificato ad almeno una corrispondente misura (S) acquisita durante l’intervallo di tempo di osservazione (∆) in cui è registrata la sequenza di interazioni (I) in presenza di un evento di disturbo.
8. 8. Metodo (600; 700) secondo la rivendicazione 4, 5 o 6, ulteriormente comprendendo: - comparare (709) una sequenza di interazioni (I) registrata in assenza di un evento di disturbo con una sequenza di interazioni (I) registrate in presenza di un evento di disturbo in risposta a medesime richieste di interazione da parte dell’applicazione software (50); - determinare (711) almeno un nuovo coefficiente di disturbo (D) sulla base di detta comparazione, e - associare (713) il nuovo coefficiente di disturbo (D) ad almeno una corrispondente misura (S) acquisita durante l’intervallo di tempo di osservazione (∆) in cui è registrata la sequenza di interazioni (I) in presenza di un evento di disturbo.
9. 9. Metodo (600; 700) secondo una qualsiasi delle rivendicazioni precedenti, in cui il passo di acquisire (605) una pluralità di misure (S) mediante almeno un sensore (27, 47) associato a detto dispositivo (20) prevede di: - monitorare una pluralità di misure fornita da almeno uno tra: - un sensore ambientale; - un sensore di movimento, - un sensore biometrico, e - un sensore di posizione compreso nel dispositivo utente (20).
10. 10. Metodo (600; 700) secondo una qualsiasi delle rivendicazioni precedenti, in cui il passo di acquisire (605) una pluralità di misure (S) mediante almeno un sensore (27, 47) associato a detto dispositivo (20) prevede di: - monitorare una pluralità di misure fornita da almeno uno tra: - un sensore ambientale; - un sensore di movimento, - un sensore biometrico, e - un sensore di posizione, compreso in un dispositivo satellite (40) operativamente connesso al dispositivo utente (20), ma distinto dallo stesso.
11. 11. Metodo (600; 700) secondo una qualsiasi delle rivendicazioni precedenti, in cui il passo di verificare (615) se durante l’intervallo di tempo di osservazione è occorso un evento di disturbo, prevede di individuare almeno una selezionata tra un’interazione dell’utente con l’interfaccia utente (29) del dispositivo utente (20) non richiesta dall’applicazione software (50), e una richiesta di interazione avanzata da un’ulteriore applicazione software attraverso l’interfaccia utente (29) del dispositivo (20).
12. 12. Sistema (1) comprendente almeno un dispositivo utente (20) e un’unità di elaborazione remota (10) adatti a stabilire tra loro un canale di comunicazione attraverso una rete di comunicazione dati (30), il dispositivo utente (20) comprendendo un’interfaccia utente (29) e almeno un sensore (27), e implementando un’applicazione software (50) adatta a sottoporre un test attitudinale a un utente, in cui l’applicazione software (50) e l’unità di elaborazione remota sono configurate per implementare il metodo secondo una qualsiasi delle rivendicazioni precedenti.