JP2006023566A - 理解度判定装置および方法 - Google Patents

Abstract

【課題】 学習時のユーザについて、生体信号を利用して「正しい答えを想起できたかどうか」を検知し、従来よりも詳細に理解度を判定可能にする。
【解決手段】 ユーザ５０は、提示部１０２から提示された問題に対する解答を入力部１０３に入力する。生体信号検出部１０１はユーザ５０の生体信号を計測し、期待はずれ判定部１０４は、解答の正誤を提示後の所定の時間範囲において期待はずれ信号の有無を検出する。理解度判定部１０６は、期待はずれ信号の有無と、正誤判別部１０５から得た解答の正誤とを基にして、提示した問題に対するユーザ５０の理解度を判定する。
【選択図】 図２

Description

本発明は、学習時のユーザの理解度を判定するための技術に関するものである。

従来の学習支援システムでは一般に、テストの採点結果に基づきユーザの理解度を把握し、テストで誤った問題やそれに関連する問題をユーザに提示して復習させる方式がとられている。

また特許文献１では、テストの採点結果だけでなく、より詳細にユーザの理解度を把握するシステムが開示されている。このシステムでは、解答に要する時間を計測することによって、ユーザの得意分野や不得意分野をなるべく少ない問題量で効率的に把握する。また、所定時間内にユーザが解答できない場合、ヒントを提示し、ヒントの提示回数やヒントを提示した場合の難度に基づき、ユーザの理解度や習熟度をより詳細に判定する。

また特許文献２では、生体信号を用いた学習支援システムが開示されている。このシステムでは、ユーザの学習意欲を維持して学習効率を高めるために、覚醒度やストレス度といった学習時の状態を皮膚インピーダンスや脈波などの生体信号から判定する。そして、テストの採点結果に基づく理解状態も考慮して、提示する学習内容や様式を変更する。例えば、覚醒度と理解度がともに低い場合は問題の難度を下げるとともに興味を惹く表示様式に変更したり、覚醒度も理解度も高い場合は問題の難易度を上げるなどして、効率的な学習を実現している。
特開２００２−２２１８９３ 特開平１０−７８７４３ 「事象関連電位（ＥＲＰ）マニュアル−Ｐ３００を中心に−」、加我他、篠原出版新社、１９９５ 「新生理心理学」、藤沢他、北大路書房、１９９８

ところが上述した従来技術では、ユーザの理解度を、採点結果、解答に要した時間、ヒントの提示回数などに基づいて判定している。しかし、これらの様に学習者に対する外からの観察で理解度を判定する方法では、本人が正しく理解しているかどうかに拘わらず問題に正解し、誤った理解度判定がされてしまう場合がある。特に選択式の問題等において、例えばユーザが「あてずっぽう」で短時間に解答し、たまたま正解した場合、ユーザはこの問題を理解している、と誤って判定してしまい、ユーザの理解が不十分であって本来なら復習を必要とする問題を見逃し、適切にフィードバックできないという問題があった。

また特許文献２では、覚醒度やストレス度といったユーザの状態を生体信号から把握し、学習意欲を維持するために学習内容を変更している。ただし、これは、生体情報をユーザの理解度判定に利用している訳ではなく、理解度については、やはりテストの採点結果から判定しているに過ぎない。したがって、上述したのと同様の問題が起こりうる。

前記の問題に鑑み、本発明は、生体信号を利用して、学習時のユーザの理解度判定において最も重要だと考えられる「ユーザが正しい答えを想起できたかどうか」を検知し、単なる解答の正誤だけでなく、従来よりも詳細にユーザの理解度を判定可能にすることを課題とする。

前記の課題を解決するために、本発明は、問題に解答するユーザの生体信号を計測し、ユーザ解答の正誤が提示されたとき、計測した生体信号から、提示後の所定の時間範囲において、期待はずれ信号の有無を検出し、この期待はずれ信号の有無を基にして、ユーザの理解度を判定するものである。

この発明によると、ユーザ解答の正誤が提示された場合に、この正誤を見たユーザが「期待はずれ状態」かどうかを生体信号から検出して、ユーザの理解度判定に利用することができる。すなわち、解答の正誤が思っていた通りであるか否かという、つまりはユーザが「正しい答えを想起できたかどうか」に関するデータを、理解度判定に用いることができる。これにより、ユーザの理解度を、より詳細に把握することができる。

また、ユーザ解答の正誤と期待はずれ信号の有無とを組み合わせて用いて、ユーザの理解度を判定するようにしてもよい。これにより例えば、ユーザ解答は正しいが、期待はずれ信号が検出された場合には、これは「あてずっぽう」による正解であって、実際にはユーザはこの問題を理解していない、と判定することができる。すなわち、従来では見逃されていた、ユーザの理解が不十分な問題を特定することができるので、例えば、復習問題を提示することによって、学習効率を格段に向上させることができる。

ここで、本願明細書において、「期待はずれ信号」とは、提示されたユーザ解答の正誤がユーザの思った通りでないとき、ユーザの生体信号から検出される特徴的な信号のことをいう。具体的には例えば、脳波の事象関連電位から検出することができる。

（期待はずれ信号取得の実験）
以下、本願発明者らが行った、期待はずれ信号を取得するための実験について、説明する。

図６は実験手順の概要を示す図である。この実験は、被験者に指示を与え（手順Ａ）、その指示を受けて被験者が必要な行動を思い浮かべて機器を操作し（手順Ｂ）、その操作結果としての動作を被験者に提示する（手順Ｃ）、という手順からなっている。

まず、実験施行者から、被験者に対して、「画面に「Ｌ」または「Ｒ」の文字が表示されるので、Ｌの文字に対してはマウスの左クリック、Ｒの文字に対しては右クリックを押して欲しい」と説明する。そして、「Ｌ」「Ｒ」を５０％の確率でランダムに選択して、画面に表示する（手順Ａ）。被験者は、表示された文字を見て、教示されたルールに従って、右か左のクリックを行う（手順Ｂ）。そして、その操作に対して、正しくクリックがなされたか否かを、「○」「×」で画面に表示する（手順Ｃ）。

ただし、この実験では、クリックが正しくなされたとしても（ほぼ１００％正しくなされるはずである）、２０％の確率で「×」を表示するものとする。被験者からすると、正しくクリックしたから「○」が表示されると期待していたのに「×」が表示されると、「あれっ」と思うはずである。すなわち、正誤が思った通りではなかった「期待はずれ」の状況になる。この「期待はずれ」の状況が、脳波における事象関連電位から検出できないかを確認することが、本実験の目的である。

図７は一試行分の手順を示すフローチャートである。まず、画面に「Ｌ」または「Ｒ」の文字を５０％の確率で選択して表示し（Ｓ６０）、被験者はその表示を見てどちらのボタンをクリックするかを決定して、マウスを操作する（Ｓ６１）。被験者の操作を受けて、正しく操作されたか否かに基づいて「○」「×」を表示する。このとき、「○」を表示すべき場合でも、２０％の確率で「×」を表示する（Ｓ６２）。「○」「×」が表示されたタイミングを起点として、被験者の脳波における事象関連電位を測定し（Ｓ６３）、その測定された事象関連電位を処理して、期待はずれ信号を識別する（Ｓ６４）。

実験では、複数の被験者について、まず練習として常に「○」が表示される試行を３０試行行った後に、図７に示す手順による試行を１００試行行った。

図８は実験結果のうち４人の被験者（Subject 1-4）の実験データを示すグラフである。図８の各グラフは、脳波計で測定された電位波形を「○」「×」の提示を起点にしてそれぞれ２０回程度加算したものであり、横軸は刺激提示（「○」「×」が表示されたとき）からの時間で単位はｍｓ、縦軸は電位で単位はμＶである。太線は「期待はずれ」すなわち正しくクリックしたにもかかわらず「×」が表示されたときの波形、細線は通常時すなわち正しくクリックして「○」が表示されたときの波形である。なお、電極は、国際１０−２０法に従い、１）Ｐｚ：正中頭頂、２）３）Ａ１，Ａ２：両耳朶、４）ボディーアース（Ｚ）：鼻根部の４箇所に貼り付けた。サンプリング周波数は１０００Ｈｚとした。

図８の各グラフから、「期待はずれ」のときは、刺激提示から約６００ｍｓ前後に、通常時とは異なった特徴を持つ事象関連電位が現れていることが分かる。すなわち、この事象関連電位を計測することによって、ユーザの「期待はずれ状態」を検出することができる、と予想される。

なお、この実験で測定された事象関連電位は、非特許文献１等に示されたＰ３００と比べて、刺激提示からの反応時間が遅めである。この理由は、必ずしも定かではないが、次のように考えられる。

すなわち、事象関連電位に関して従来（非特許文献１，２等）行われたのは、音程や画像の違いなどを判断する、という受動的な測定による実験であった。これに対して、本願発明者らが実行した実験では、ユーザは、ある期待を持って行動を選択して実行し、その期待通りの動作が行われたか否かを判断している。ユーザが行動を選択する、というステップを含めた点が、これまでとは大きく異なっている。そして、自分の期待通りの動作が行われたか否かの判定は、ただ単に音程や画像の違いを判断する場合と比べると、高次の判断になる。このため、刺激提示からの反応時間が、これまでの測定よりも遅めになって、刺激提示後６００ｍｓ程度のところにピークが現れるようになったと考えられる。

この実験で明らかになったように、ユーザの期待どおりに「○」「×」が表示されたか否かによって、脳波計で計測される事象関連電位には、明確な差がある。したがって、この事象関連電位は、ユーザの理解度判定において、「期待はずれ信号」として用いることが可能である。

（期待はずれ信号の検出）
期待はずれ信号の具体的な検出方法の例について、図９のフローチャートを参照して説明する。この方法では、予め、期待はずれ時の信号を加算した標準波形（ターゲットのテンプレート）と、期待はずれでない通常時の信号を加算した標準波形（コントロールのテンプレートと表記）とを作成しておき、これらテンプレートを「期待はずれ信号」の検出に用いるものとする。

図９に示すように、まず、応答内容を出力したタイミング（応答提示時）を起点として、脳波の電位変化のサンプリングを行う（Ｓ５１）。サンプリング周波数としては例えば、２００Ｈｚ、５００Ｈｚ、１０００Ｈｚなどがある。次に、得られた脳波の電位変化から、「期待はずれ信号」の検出に関係する領域の波形を切り出す（Ｓ５２）。上述した実験結果から、「期待はずれ信号」は刺激提示後６００ｍｓ前後の部分あたりに検出されることが分かっている。また、応答提示後比較的早い領域の波形は、聴覚刺激や視覚刺激に反応して現れるものであり、人の期待とは関係ないと考えられるので、その部分は除去するのが好ましい。そこで、例えば、応答提示後２００ｍｓから８００ｍｓの領域を切り出すものとする。

もちろん、この切り出す範囲はこれに限られるものではなく、例えば、５００ｍｓから７００ｍｓ、３００ｍｓから９００ｍｓなどとしてもよい。あるいは、下限を設定せずに、応答提示後から１ｓ程度の範囲を切り出してもよい。

次に、切り出した波形からノイズを除去する（Ｓ５３）。ここでは、信号に混入する高周波成分をカットするために例えば４０Ｈｚのローパスフィルタに通したり、瞬きや眼球運動による影響を低減するために、４０μＶ以上の振幅を持つ波形を識別対象から除去したりする。

次に、ノイズ除去された信号について、ターゲットのテンプレートおよびコントロールのテンプレートとそれぞれ相関をとる（Ｓ５４）。この相関計算によって、信号波形がそれぞれのテンプレートとどの程度相関があるかが計算される。

そして、信号波形と各テンプレートとの距離計算を行う（Ｓ５５）。距離計算には、例えばマハラノビス距離が用いられる。このマハラノビス距離は、データの分散・共分散を考慮に入れたグループの重心からの距離を示す。このマハラノビス距離を用いて、信号波形がターゲットとコントロールのどちらに近いかを判別する（Ｓ５６）。マハラノビス距離を用いた判別は、単純に相関の大小によって判別するよりも、識別能力が高いことが知られている。

信号波形はターゲットに近いと判断したときは（Ｓ５６でＹｅｓ）、期待はずれ信号が検出された、すなわち、ユーザは期待はずれと思っている状態である、と識別する（Ｓ５７）。一方、信号波形はコントロールに近いと判断したときは（Ｓ５８）、期待はずれ信号は検出されなかった、すなわち、ユーザは期待どおりの応答が得られたと思っている、と識別する。

このようなテンプレートを用いた方法を採ることによって、波形にばらつきが大きく、一回の波形ごとの識別が困難であるとされる脳波においても、ある程度、期待はずれ信号の検出が可能になる。

図１０は上述した実験データを用いて、図９のフローに従って期待はずれ信号を検出した結果を示す図である。図１０では、各被験者に対するターゲット数（期待はずれである「×」の提示回数）と正しく判別できた数とを示している。図１０から、非加算の波形であっても、約８割の精度で期待はずれの状況を識別できることが分かる。

なお、ここでは、ターゲットとコントロールの信号テンプレートを用いるものとしたが、ターゲットの信号テンプレートだけを用いるようにしてもかまわない。例えば、ターゲットの信号テンプレートとのマハラノビス距離を計算し、所定値との比較によって、期待はずれか否かを判別してもよい。

また、テンプレートの利用に代えて、またはテンプレートの利用とともに、他の手法を用いてもかまわない。例えば、極大値や極小値を用いてもよいし、波形の中で最大の陽性成分を検出し、その振幅を閾値と大小比較してもよいし、あるいは、適応形相関フィルタなどを用いてもよい。その他、波形識別方法についてはまだまだ改良の余地があり、パターン識別方法と脳波信号の前処理方法を組合せることによっても、識別精度は向上させられると考えられる。

本発明によると、期待はずれ信号によって、提示された解答の正誤が思っていた通りであったか否かという、ユーザの心的状態に関するデータを取得でき、これをユーザの理解度判定に用いることができる。これにより、ユーザの理解度をより詳細に把握できるので、効果的な学習が可能となる。

本発明の第１態様では、理解度判定装置として、問題に解答するユーザの生体信号を計測する生体信号検出部と、ユーザの解答の正誤が提示されたとき、前記生体信号から前記提示後の所定の時間範囲において期待はずれ信号の有無を検出する期待はずれ判定部とを備え、前記期待はずれ信号の有無を基にしてユーザの理解度を判定するものを提供する。

本発明の第２態様では、ユーザに問題を提示する提示部と、ユーザの解答を受ける入力部と、前記入力部によって受けたユーザ解答が前記提示部によって提示した問題に対して正解か否かを判別する正誤判別部と、前記正誤判別部および期待はずれ判定部の出力を受け、前記ユーザ解答の正誤および期待はずれ信号の有無を基にして、前記問題に対するユーザの理解度を判定する理解度判定部とを備えた第１態様の理解度判定装置を提供する。

本発明の第３態様では、前記理解度判定部は、ユーザ解答が正しい場合において、期待はずれ信号が有るときはユーザはあてずっぽうで解答したと判定する一方、期待はずれ信号が無いときはユーザは理解していると判定し、ユーザ解答が誤っている場合において、期待はずれ信号が有るときはユーザは解答を勘違いしていたと判定する一方、期待はずれ信号が無いときはユーザは理解していないと判定する第２態様の理解度判定装置を提供する。

本発明の第４態様では、問題毎にユーザ解答の正誤および期待はずれ信号の有無を蓄積する結果蓄積部と、前記結果蓄積部の蓄積結果を基にして次に提示する問題を決定する問題決定部とを備えた第２態様の理解度判定装置を提供する。

本発明の第５態様では、前記生体信号検出部は、脳波計を有し、前記生体信号として、脳波における事象関連電位を計測する第１態様の理解度判定装置を提供する。

本発明の第６態様では、前記期待はずれ判定部は、ユーザ解答の正誤の提示時から約６００ｍｓ前後の部分を前記所定の時間範囲として設定し、検出を行う第５態様の理解度判定装置を提供する。

本発明の第７態様では、前記期待はずれ判定部は、期待はずれ信号のテンプレートを用いて検出を行う第１態様の理解度判定装置を提供する。

本発明の第８態様では、理解度判定方法として、問題に解答するユーザの生体信号を計測するステップと、ユーザの解答の正誤が提示されたとき、前記生体信号から前記提示後の所定の時間範囲において期待はずれ信号の有無を検出するステップと、前記期待はずれ信号の有無を基にしてユーザの理解度を判定するステップとを備えたものを提供する。

以下、本発明の実施の形態について、図面を参照しながら説明する。

ここでの実施形態は、ユーザの学習時の生体信号を計測し、「あてずっぽう」による正解や「勘違い」による不正解などを、いわゆる「期待はずれ信号」を利用して検出するものである。これにより、単に不正解だった問題だけでなく、「あてずっぽう」により正解した問題や「勘違い」による重大な間違いがあった問題などを理解不十分な問題として特定することができるので、復習問題を提示するなどの適切な措置をとることによって、効率的な学習を実現することが可能になる。復習問題提示の他には、例えば「期待はずれ信号」が解答の正誤提示から６００ｍｓ程度で検出できることを利用して、ユーザの理解が不足している場合、すぐに問題の解説を出すことができる。

図１を用いて、「あてずっぽう」による正解や「勘違い」による不正解の検出方法を説明する。同図中、（ａ）は「あてずっぽう」による正解の例、（ｂ）は「勘違い」による不正解の例である。

図１（ａ）に示すように、ユーザは、提示された問題「Ｑ．日露戦争は何年から始まりましたか？」（Ｓ１１）に対して考えた結果（Ｓ１２）、正解である「４．」を選択したとする（Ｓ１３）。すると、ユーザの解答が正しかったことを示す「○」が提示される（Ｓ１４）。ここで、「○」の表示が期待はずれか否か、すなわち「○」の表示を見たユーザの生体信号における期待はずれ信号の有無を判定する（Ｓ１５）。この期待はずれ信号の有無によって、ユーザの理解度の判定結果が変わる。

ユーザが本当に日露戦争の開戦年を知っていた場合、「○」の表示を期待しているので「○」が表示されて当然と感じ、期待はずれ信号は出現しない（Ｓ１５でＮＯ）。このとき、ユーザはこの問題を理解している（Ｓ１７）。一方、日露戦争の開戦年を知らなかった場合、正解する確率は４分の１であるので、ユーザはおそらく「×」が表示されるだろうと期待しているはずである。よって、「４．」を選んで「○」が表示されたとき、「あれ？たまたま当たった」と思い、期待はずれ信号が出現する（Ｓ１５でＹＥＳ）。この状態が「あてずっぽう」による正解である（Ｓ１６）。

「あてずっぽう」による正解の場合、ユーザはその問題を理解していない。にもかかわらず、従来のように単に解答の正誤結果からユーザの理解度を判定する場合には、理解していると判定されてしまう。これに対して、本実施形態のように「期待はずれ信号」を利用することによって、正解した場合でもそれが「あてずっぽう」によるものであることを認識することができる。

一方、図１（ｂ）に示すように、ユーザは、提示された問題「Ｑ．日露戦争は何年から始まりましたか？」（Ｓ２１）に対して考えた結果（Ｓ２２）、不正解である「２．」を選択したとする（Ｓ２３）。すると、ユーザの解答が間違っていたことを示す「×」が提示される（Ｓ２４）。ここで、「×」の表示が期待はずれか否か、すなわち「×」の表示を見たユーザの生体信号における期待はずれ信号の有無を判定する（Ｓ２５）。この期待はずれ信号の有無によって、ユーザの理解度の判定結果が変わる。

自信を持って答えたにもかかわらず「×」が表示された場合、ユーザは「あれ？外れた」と思い、期待はずれ信号が出現する（Ｓ２５でＹＥＳ）。この状態が「勘違い」による不正解である（Ｓ２６）。一方、解答が全く分からなかった場合は、ユーザは「×」を期待しているので「×」が表示されて当然と感じ、期待はずれ信号は出現しない（Ｓ２５でＮＯ）。このとき、ユーザはこの問題を理解していない（Ｓ２７）。

「勘違い」による不正解の場合、ユーザはすでに間違った学習をしている。ところがユーザは、正しいと思っているため自分の間違いに気づきにくく、このまま見過ごすと学習にとって重大な弊害となる。本実施形態のように「期待はずれ信号」を利用することによって、不正解の場合でもそれが「勘違い」によるものであることを認識することができる。

図２は本実施形態に係る理解度判定装置１００の構成図である。図２において、１０１は問題に解答するユーザ５０の生体信号を計測する生体信号検出部、１０２はユーザ５０に問題やユーザ５０の解答の正誤判定結果等を提示する提示部、１０３はユーザ５０の解答等を受ける入力部、１０４はユーザ５０の解答の正誤が提示部１０２から提示されたとき、生体信号検出部１０１によって計測された生体信号から、提示後の所定の時間範囲において、期待はずれ信号の有無を検出する期待はずれ判定部である。

１０５は入力部１０３によって受けたユーザ５０の解答が、提示部１０２から提示した問題に対して正解か否かを判別する正誤判別部、１０６は正誤判別部１０５および期待はずれ判定部１０４の出力を受け、ユーザ解答の正誤および期待はずれ信号の有無を基にして、提示した問題に対するユーザ５０の理解度を判定する理解度判定部、１０７は問題、正解、問題の重要度に応じた提示確率など問題に関するデータを記憶している問題ＤＢ、１０８は理解度判定部１０６によって判定されたユーザ５０の個々の問題に対する理解度を記憶する結果蓄積部としての結果蓄積ＤＢ、１０９は問題ＤＢ１０７および結果蓄積ＤＢ１０８を参照して次に出す問題を選択決定する問題選択部である。なお、問題ＤＢ１０７に一般的な学習カリキュラムを記憶させておくことも可能である。問題ＤＢ１０７および問題選択部１０９によって、問題決定部が構成されている。

図２の理解度判定装置１００の構成のうち、生体信号検出部１０１以外の構成要素は、一般的なパーソナルコンピュータによって構成可能である。また、生体信号検出部１０１、提示部１０２および入力部１０３以外の構成要素は、ネットワーク上に構成することも可能である。

生体信号検出部１０１は脳波計を有し、生体信号として、脳波における事象関連電位を計測する。ユーザ５０は予め、脳波計を装着している。最適な電極の設置位置は、実験等によって決定すればよい。測定されたユーザ５０の脳波は、コンピュータで処理できるようにサンプリングされ、期待はずれ判定部１０４に送られる。

提示部１０２はディスプレイやスピーカー等によって構成され、入力部１０３はキーボードやマウス、音声入力装置等によって構成される。

期待はずれ判定部１０４は、生体信号として計測されたユーザ５０の脳波から、解答の正誤の提示後の所定の時間範囲において、期待はずれ信号の有無を検出する。この検出は、上述した実験における方法と同様に行えばよい。例えば、提示時から約６００ｍｓ前後の部分を所定の時間範囲として設定し、検出を行えばよい。６００ｍｓ前後の部分としては、例えば、提示後、２００ｍｓから８００ｍｓとしてもよいし、５００ｍｓから７００ｍｓ、３００ｍｓから９００ｍｓなどとしてもよい。あるいは、下限を設定せずに、提示後から１ｓ程度の範囲としてもよい。

理解度判定部１０６は、正誤判別部１０５から受けた解答の正誤結果と、期待はずれ判定部１０４から受けた期待はずれ信号の有無に基づき、提示した問題に対するユーザ５０の理解度を判定する。図３は理解度判定部１０６における判定ロジックを示すテーブルである。図３に示すテーブルに従って、ユーザ５０が、提示された問題を理解しているか否かが判定される。

すなわち、図３に示すように、理解度判定部１０６は、ユーザ解答が正しい場合において、期待はずれ信号が有るときは、ユーザ５０は「あてずっぽう」で解答したと判定する一方、期待はずれ信号が無いときは、ユーザ５０は問題を理解していると判定する。また、ユーザ解答が誤っている場合において、期待はずれ信号が有るときは、ユーザ５０は解答を「勘違い」していたと判定する一方、期待はずれ信号が無いときは、ユーザは問題を理解していないと判定する。これにより、同じ正解でも「あてずっぽう」による正解か否かを判別することができ、また、不正解のときも「勘違い」による不正解か否かを判別することができる。

以上のように構成された本実施形態に係る理解度判定装置の動作について、図４のフローチャートを用いて説明する。

まずステップＳ３１において、問題ＤＢ１０７に格納された問題の中から次に出す問題を問題選択部１０９が選択し、選択された問題を提示部１０２によって提示する。ここでの問題選択は、問題ＤＢ１０７に記憶された各問題に関する重要度等の情報や、結果蓄積ＤＢ１０８に記憶されたユーザの理解度等に基づいて行う。また、問題ＤＢ１０７に記憶されている一般的な学習カリキュラムを参照してもよい。

次に、ユーザ５０は、ステップＳ３１で提示された問題に対し、解答する。この解答は入力部１０３によって理解度判定装置１００に入力される（Ｓ３２）。正誤判別部１０５は、入力部１０３によって受けた解答と問題ＤＢ１０７に記憶している問題の正解とを比較し、ユーザ解答の正誤を判定する（Ｓ３３）。解答が正しいときは（Ｓ３３でｙｅｓ）ステップＳ３４に進み、間違っているときは（Ｓ３３でｎｏ）ステップＳ３６に進む。

解答が正しいときは、ステップＳ３４において、正解であることを提示部１０２によってユーザ５０に提示する。例えば提示部１０２がディスプレイの場合、「○」などを表示する。この提示は、期待はずれ信号検出の際のトリガーとなる。そして期待はずれ判定部１０４が、生体信号検出部１０１によって計測された生体信号から、期待はずれ信号を検出する。期待はずれ信号が出現したときは（Ｓ３５でｙｅｓ）ステップＳ３８に進み、出現しなかったときは（Ｓ３５でｎｏ）ステップＳ３９に進む。

ステップＳ３８では、理解度判定部１０６が、正解は「あてずっぽう」によるものと判定する。正解であることを提示したにもかかわらず、期待はずれ信号が出現したのであるから、ユーザ５０は不正解を期待していたと考えられる。すなわち、ユーザ５０はその問題を理解していないが「あてずっぽう」で解答し、たまたま正解したと判定する。一方、ステップＳ３９では、ユーザ５０はこの問題を理解していると判定する。正解であることを提示して期待はずれ信号が出現しなかったのであるから、ユーザ５０は正解を期待していたと考えられる。すなわち、ユーザ５０は、正解して当然だと思っていたのである。

これに対して、解答が正しくないときは、ステップＳ３６において、不正解であることを提示部１０２によってユーザ５０に提示する。例えば提示部１０２がディスプレイの場合、「×」などを表示する。この提示もまた、期待はずれ信号検出の際のトリガーとなる。そして期待はずれ判定部１０４が、生体信号検出部１０１によって計測された生体信号から、期待はずれ信号を検出する。期待はずれ信号が出現したときは（Ｓ３７でｙｅｓ）ステップＳ４０に進み、出現しなかったときは（Ｓ３７でｎｏ）ステップＳ４１に進む。

ステップＳ４０では、理解度判定部１０６は、不正解は「勘違い」によるものと判定する。不正解であることを提示したときに期待はずれ信号が出現したのであるから、ユーザ５０は正解を期待していたと考えられる。すなわち、ユーザ５０は自信を持って解答したがその解答が「勘違い」であったと判定する。一方、ステップＳ４１では、ユーザ５０はこの問題を理解していないと判定する。不正解であることを提示して期待はずれ信号が出現しなかったのであるから、ユーザ５０は不正解を期待していたと考えられる。すなわち、ユーザ５０は間違えたと思っていたのである。

そして、ステップＳ３８〜Ｓ４１における判定結果は、結果蓄積ＤＢ１０８に蓄積される（Ｓ４２）。判定結果の蓄積方法としては、例えば、問題ごとに、判定結果すなわち「あてずっぽう」「理解」「勘違い」「不理解」を示すラベルを保存する。また、図５に示すような理解度に応じた重み付け係数を保存してもよい。図５の例では、ユーザ５０の理解が不十分（「あてずっぽう」「勘違い」「不理解」）のとき、復習のために同様の問題が再び選択されるような重み付け係数を、設定している。

そしてステップＳ４３において、正誤判別部１０５が、先に提示した問題の正解を問題ＤＢ１０７から読み出し、提示部１０２によって表示する。

その後、ユーザ５０は、学習を続けるか否かを選択する（Ｓ４４）。学習を続ける旨が入力部１０３に入力されたとき（Ｓ４４）、ステップＳ３１に戻り、次の問題を選択し提示する。

ここで、例えば、カリキュラムに沿って選択されるような問題の提示確率が問題ＤＢ１０７に記憶されており、また、図５に示すような重み付けした係数が結果蓄積ＤＢ１０８に蓄積されるものとする。この場合、問題の提示確率と重み付け係数とを掛け合わせ、重み付けした提示確率に基づいて、問題の選択を行うようにしてもよい。これにより、理解不十分であった問題に対して復習問題を提示することが可能となる。

なお、理解度判定装置１００を初めて利用する場合や、新しい単元を学習する場合は、結果蓄積ＤＢ１０８には理解度に関するデータが蓄積されていない。この場合は、問題ＤＢ１０７に記憶されている一般的な学習カリキュラムに沿って問題を選択し、提示すればよい。

以上のように本実施形態によると、従来、「正解」「不正解」という２種類の状態しか把握できなかった解答結果について、「あてずっぽう」「理解している」「勘違い」「理解していない」という４種類の状態で認識することが可能となる。これにより、従来は「理解している」と判定され、見過ごされていた「あてずっぽう」による正解に対しても、理解不十分と判定して復習問題を提示する、などの適切な措置がとれるので、学習効率が向上する。

本発明に係る理解度判定は、例えば、学習支援システム全般に広く利用することができる。

本発明の一実施形態における「あてずっぽう」による正解や「勘違い」による不正解の検出方法を概念的に示すフローチャートである。 本発明の一実施形態に係る理解度判定装置の構成図である。 図２の理解度判定部における判定ロジックを示すテーブルである。 図２の理解度判定装置の動作を示すフローチャートである。 解答結果として蓄積される重み付け係数の例である。 本願発明者らが行った実験の手順の概要図である。 図６の実験の一施行分の手順を示すフローチャートである。 ４人の被験者の実験データを示すグラフである。 期待はずれ信号の具体的な検出方法の例を示すフローチャートである。 期待はずれ信号の検出結果を示す図である。

符号の説明

１００ 理解度判定装置
１０１ 生体信号検出部
１０２ 提示部
１０３ 入力部
１０４ 期待はずれ判定部
１０５ 正誤判別部
１０６ 理解度判定部
１０７ 問題ＤＢ
１０８ 結果蓄積ＤＢ（結果蓄積部）
１０９ 問題選択部

Claims (8)

1. 問題に解答するユーザの生体信号を計測する生体信号検出部と、
   ユーザの解答の正誤が提示されたとき、前記生体信号から、前記提示後の所定の時間範囲において、期待はずれ信号の有無を検出する期待はずれ判定部とを備え、
   前記期待はずれ信号の有無を基にして、ユーザの理解度を判定する
   ことを特徴とする理解度判定装置。
2. 請求項１において、
   ユーザに、問題を提示する提示部と、
   ユーザの解答を受ける入力部と、
   前記入力部によって受けたユーザ解答が、前記提示部によって提示した問題に対して正解か否かを判別する正誤判別部と、
   前記正誤判別部および期待はずれ判定部の出力を受け、前記ユーザ解答の正誤および期待はずれ信号の有無を基にして、前記問題に対するユーザの理解度を判定する理解度判定部とを備えた
   ことを特徴とする理解度判定装置。
3. 請求項２において、
   前記理解度判定部は、
   ユーザ解答が正しい場合において、期待はずれ信号が有るときは、ユーザはあてずっぽうで解答したと判定する一方、期待はずれ信号が無いときは、ユーザは理解していると判定し、
   ユーザ解答が誤っている場合において、期待はずれ信号が有るときは、ユーザは解答を勘違いしていたと判定する一方、期待はずれ信号が無いときは、ユーザは理解していないと判定するものである
   ことを特徴とする理解度判定装置。
4. 請求項２において、
   問題毎に、ユーザ解答の正誤および期待はずれ信号の有無を蓄積する結果蓄積部と、
   前記結果蓄積部の蓄積結果を基にして、次に提示する問題を決定する問題決定部とを備えた
   ことを特徴とする理解度判定装置。
5. 請求項１において、
   前記生体信号検出部は、脳波計を有し、前記生体信号として、脳波における事象関連電位を計測するものである
   ことを特徴とする理解度判定装置。
6. 請求項５において、
   前記期待はずれ判定部は、ユーザ解答の正誤の提示時から約６００ｍｓ前後の部分を、前記所定の時間範囲として設定し、検出を行うものである
   ことを特徴とする理解度判定装置。
7. 請求項１において、
   前記期待はずれ判定部は、期待はずれ信号のテンプレートを用いて、検出を行うものである
   ことを特徴とする理解度判定装置。
8. 問題に解答するユーザの生体信号を計測するステップと、
   ユーザの解答の正誤が提示されたとき、前記生体信号から、前記提示後の所定の時間範囲において、期待はずれ信号の有無を検出するステップと、
   前記期待はずれ信号の有無を基にして、ユーザの理解度を判定するステップとを備えた
   ことを特徴とする理解度判定方法。

Images