JP2006079441A - リスク情報提供システム、リスク情報公開システム、リスク情報加工システム及び方法、並びに属性マップ作成方法 - Google Patents

Abstract

【課題】ユーザごとにユーザに受け入れられやすい表現形式でリスク情報を提供する。
【解決手段】格納手段１０２が複数のユーザの認証情報を格納している。判定手段１０１が認証情報に基づいて認証するかを判定する。格納手段１０２が情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納している。属性マップ格納手段１０４が各属性情報に対応する複数のクラスタと複数の分析項目に対する関係度との関係を示す属性マップを格納している。ユーザの属性情報が格納されていない場合、生成手段１０３が属性マップに基づいてユーザの属性情報を生成する。格納手段１０６が加工された各種データを取得し格納する。加工手段１０５が格納されている属性情報又は生成された属性情報に基づいて認証されたユーザに適した表現形式に各種データを加工する。提示手段１０９が加工された各種データを認証されたユーザに提示する。
【選択図】図１

Description

本発明は、コンピュータシステムを用いた、リスク情報の提供を目的としたリスク情報提供システム、リスク情報公開システム、リスク情報加工システム及び方法、並びに属性マップ作成方法に関する。

昨今の食品の原産地詐称や、野菜や果実への無登録農薬の使用事実の発覚、Ｏ１５７、ＢＳＥなどの問題発生により、消費者の食品に対する不信感、不安感は増大している。この状況に対し、各団体においては食品に関する生産履歴や流通情報を公開する動きが出ている。

トレーサビリティシステムの導入や、リスク情報の公開ＨＰなどがその例に当たる。店舗によっては、商品にＩＤを付加しそのＩＤにより店舗端末又は店舗ＨＰで生産情報を公開している。しかし、これらのリスク情報や生産情報は全てのユーザに対して画一的である。特に、リスク情報は専門的な情報が多いので、情報が全てのユーザに対して画一的であると、ユーザによって理解できたり理解できなかったりするユーザ格差が出てしまう。このため、情報は公開しているが、その情報がユーザに伝わらないなどの問題がある。そこで、ユーザ個人、個人に合わせた情報を提供する必要が出てくる。

これに対して、データマイニングなどの分野で、ユーザの行動を分析し、ユーザの好む情報を提供する手法が用いられている。例えば、この手法は、通信販売のＨＰでアウトドア用品を何度か購入したユーザが、次にＨＰにアクセスしたときにはアウトドア用品の情報を優先的に示したり、同じＨＰで本を購入しようとしたときにはアウトドア分野の本を優先的に示したりしている。また一方で、予め得られている個人情報の性別や家族情報を利用して、それに類する情報を優先的に表示したりする例もある。

しかし、本発明が対象とするリスク情報の公開では、伝えるべき内容や分野は既に定まっているので、個人に合わせた情報とは、「どの情報を選択するか」ではなく、「伝えたい内容をどの様な形の情報に加工するか」、「どの様に情報を伝えるか」が問題とされる。上記のデータマイニングの方法では、この問題を解決することができない。

リスクコミュニケーション研究の立場からも、リスク情報を伝えるためには、ユーザの属性をセグメント化し、その属性に合わせた情報に加工する必要性が示されている（例えば、非特許文献１参照）。その例として「目的を明確にすること」、「情報の受け手の日常用いている用語、概念、表現方法で伝える」、「明瞭な表現」、「図、表、イラストの活用をする」が提案されている。

「環境としての自然・社会・文化」；有福ら；京都大学学術出版会（１９９７．９．１０）

しかしながら、実際に実験を行ってみると、２番目の項目である「情報の受け手の日常用いている用語、概念、表現方法で伝える」以外は、どの属性のユーザもそれを望むので、属性による違いは認められない。したがって、この２番目の項目を満たしつつ、他の分析軸で属性の評価を行わなければならない。

本発明は、上記の問題点に鑑み、ユーザごとにユーザに受け入れられやすい表現形式でリスク情報を提供するリスク情報提供システム、リスク情報公開システム、リスク情報加工システム及び方法、並びに属性マップ作成方法を提供することを目的とする。

本発明のリスク情報提供システムによれば、外部の情報格納システムから情報を取得し該情報を加工して格納しているリスク情報加工システムと、ユーザに情報を公開するリスク情報公開システムを具備するリスク情報提供システムにおいて、
前記リスク情報加工システムは、前記情報格納システムにアクセスして検索した各種データを抽出する抽出手段と、前記各種データごとを複数の表現形式に加工する加工手段と、前記加工された各種データを格納している第１のデータ格納手段を具備し、
前記リスク情報公開システムは、複数のユーザの認証情報を格納している認証情報格納手段と、前記認証情報に基づいて、前記リスク情報公開システムのユーザとして認証するか否かを判定する判定手段と、情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納している属性情報格納手段と、各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納している属性マップ格納手段と、認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成する生成手段と、前記加工された各種データを前記リスク情報加工システムから取得し格納している第２のデータ格納手段と、格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工する加工手段と、前記加工された各種データを前記認証されたユーザに提示する提示手段を具備することを特徴とする。

本発明のリスク情報加工システムによれば、外部の情報格納システムから情報を取得し該情報を加工して格納しているリスク情報加工システムにおいて、前記情報格納システムにアクセスして検索した各種データを抽出する抽出手段と、前記各種データごとを複数の表現形式に加工する加工手段と、前記加工された各種データを格納しているデータ格納手段を具備することを特徴とする。

本発明のリスク情報公開システムによれば、ユーザに情報を公開するリスク情報公開システムにおいて、複数のユーザの認証情報を格納している認証情報格納手段と、前記認証情報に基づいて、前記リスク情報公開システムのユーザとして認証するか否かを判定する判定手段と、情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納している属性情報格納手段と、各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納している属性マップ格納手段と、認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成する生成手段と、前記加工された各種データを前記リスク情報加工システムから取得し格納しているデータ格納手段と、格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工する加工手段と、前記加工された各種データを前記認証されたユーザに提示する提示手段を具備することを特徴とする。

本発明の属性マップ作成方法によれば、ユーザと想定される複数のユーザに対して、提供するリスク情報の対象に関心があるかという内容を含むユーザの属性に関わる複数の分析項目に対応する複数の質問を行い、前記質問に対する各サンプルユーザの回答を取得し、前記質問に対する回答から相関行列を計算し、前記相関行列から、前記質問の標準化係数、固有ベクトルを計算し、前記標準化係数、前記固有ベクトル、に基づいて、前記分析項目に対する前記サンプルユーザごとの回答の関係度を算出し、前記分析項目のうちの提供するリスク情報の対象に関心があるかという内容の分析項目との関係度が或る閾値よりも高い複数のサンプルユーザを抽出し、前記提供するリスク情報の対象に関心があるかという内容の分析項目以外の各分析項目に対する前記抽出されたサンプルユーザごとの回答の関係度の値の近さに基づいて、前記抽出された複数のサンプルユーザを複数のクラスタに分け、前記クラスタと前記各分析項目の関係度とを関係付けることを特徴とする。

本発明のリスク情報提供方法によれば、外部の情報格納システムから情報を取得し該情報を加工して格納し、ユーザに情報を公開するリスク情報提供方法において、前記情報格納システムにアクセスして検索した各種データを抽出し、前記各種データごとを複数の表現形式に加工し、前記加工された各種データを格納し、複数のユーザの認証情報を格納し、前記認証情報に基づいて、ユーザとして認証するか否かを判定し、情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納し、各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納し、認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成し、前記加工された各種データを取得し格納し、格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工し、前記加工された各種データを前記認証されたユーザに提示することを特徴とする。

本発明のリスク情報加工方法によれば、外部の情報格納システムから情報を取得し該情報を加工して格納しているリスク情報加工方法において、前記情報格納システムにアクセスして検索した各種データを抽出し、前記各種データごとを複数の表現形式に加工し、前記加工された各種データを格納していることを特徴とする。

本発明のリスク情報公開方法によれば、ユーザに情報を公開するリスク情報公開方法において、複数のユーザの認証情報を格納し、前記認証情報に基づいて、ユーザとして認証するか否かを判定し、情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納し、各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納し、認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成し、前記加工された各種データを取得し格納し、格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工し、前記加工された各種データを前記認証されたユーザに提示することを特徴とする。

本発明のリスク情報提供システム、リスク情報公開システム、リスク情報加工システム及び方法、並びに属性マップ作成方法によれば、ユーザごとにユーザに受け入れられやすい表現形式でリスク情報を提供することができる。

以下、図面を参照しながら本発明の実施形態にかかるリスク情報提供システム、リスク情報公開システム、リスク情報加工システム及び方法、並びに属性マップ作成方法について詳細に説明する。
まず、本発明の実施形態にかかるリスク情報提供システムの基本となる仕組みを説明する。
伝えるべき内容や分野は既に定まっている情報（例えば、リスク情報、又は換言して、安心情報）では、個人に合わせて情報を発信する際に重要なことは、「どの情報を選択するか」ではなく、「伝えたい内容をどの様な形に情報を加工するか」、「どの様に情報を伝えるか」である。ユーザ属性にあわせた情報を提供すれば、個人に合わせて情報を発信することができると期待できる。この際に、重要なのはユーザ属性をどのように規定するかである。ユーザ属性は、例えば、ユーザの情報を読み解く能力、ユーザが理解するために必要な情報の要素、ユーザの感性を刺激する要素等を含む特徴である。

例えば、ユーザが何らかの目的を持って文書情報を読み取るとき、その目的を達成するために文書情報に要求するものは、ユーザによって必ずしも一致するものではない。具体的には、食品に関する安全情報を文書によって提示した際に、「この食品は検査に合格しています」とか「この食品は安全基準を満たしています」というような結論のみの情報で満足する人もいれば、結論のみの情報では満足せずにその結論に達した考え方や根拠を求める人もいるというような多様性がある。

また、リスクに対して不安感を抱く場合には、不安にはリスクの認知と整合性のある不安と、リスクの認知と不整合な不安があるといわれている（例えば、文献「環境としての自然・社会・文化」；有福ら；京都大学学術出版会（１９９７．９．１０）１６６、１６７頁）。リスクの認知と整合性のある不安とは、適切なリスクの認知により不安が軽減することである。適切なリスクの認知は、適切なリスクの理解によってなされるが、情報を理解する（読み取る）場合には、前述のとおり個人差（後述するユーザ属性の違い）があると認定することができる。

このことから情報の読み取り、理解（認知）の個人差をユーザ属性と捉えることができれば、それに合わせて情報を加工し提供することが、すなわち、リスク情報の公開において、ユーザ属性にあわせて情報を提供するひとつの手法になる。そこで本発明の実施形態においては、ユーザ個々に対して、ユーザ属性を規定し、その属性に対して３〜８のクラスタにグループ分けし、そのクラスタごとに情報コンテンツを作成し提供する。

本実施形態のリスク情報提供システムは、図１に示すように、リスク情報公開システム１００と、リスク情報加工システム１５０とを備えている。
リスク情報公開システム１００は、個人情報管理部１０１、個人情報ＤＢ（Data Base）１０２、属性判定部１０３、属性マップＤＢ１０４、組立加工部１０５、情報ＤＢ１０６、表示部１０９、インターフェイス１１０、制御部１１１を備えている。情報ＤＢ１０６は、情報テンプレートＤＢ１０７と提供情報部品ＤＢ１０８を備えている。
リスク情報加工システム１５０は、インターフェイス１５１、情報ＤＢ１５２、情報抽出部１５５、情報加工部１５６、制御部１５７を備えている。情報ＤＢ１５２は、情報テンプレートＤＢ１５３と提供情報部品ＤＢ１５４を備えている。リスク情報加工システム１５０は、リスク情報公開システム１００に提供するためのコンテンツ用素材である提供情報部品と情報を提示する際の雛型である情報テンプレートを作成し、リスク情報公開システム１００から情報提供の要求があるまでこれらの情報を蓄積する。

（リスク情報公開システム１００）
個人情報管理部１０１は、消費者等のユーザの個人情報を受け取り、ユーザの個人情報を管理する。ユーザは、例えば端末１７０を使用し、例えば、インターネットを介して個人情報管理部１０１にアクセスする。また、個人情報管理部１０１は、例えばユーザからユーザＩＤ及びパスワードを受け付け、ユーザの認証を行う。さらに、個人情報管理部１０１は、認証を受けたユーザが後述する属性判定部１０３により属性判定を受けたか否かを判定する。すなわち、個人情報管理部１０１が、個人情報ＤＢ１０２に認証されたユーザのユーザ属性情報が格納されているか否かを判定する。個人情報管理部１０１は、ユーザが過去に属性判定を受けていると判定した場合は属性判定部１０３の処理を省略させる。

個人情報ＤＢ１０２は、個人情報管理部１０１がユーザから受け取った個人情報を格納する。この個人情報は、各ユーザのユーザ属性（次の属性判定部１０３の説明を参照）、各ユーザの認証データ（例えば、ユーザＩＤ及びパスワード）等である。個人情報ＤＢ１０２は、一般に複数のユーザの個人情報を格納する。また、個人情報ＤＢ１０２は、ユーザ属性を導くための質問も格納している。

属性判定部１０３は、個人情報管理部１０１が受け取った或るユーザの個人情報に属性判定ルールを適用して、このユーザ属性を判定する。ユーザ属性は、ユーザが或る情報を受け取った場合にこの情報に対するユーザの受け取り方の特徴を示す。ユーザ属性は、例えば、情報を理解し正しく判断する度合いがある。逆に言えば、同一の情報を複数のユーザが受け取って各ユーザの情報の受け取り方が異なる場合には、各ユーザ属性は異なる。また、属性判定ルールとは、使用する分析項目である分析軸や、主成分分析のための係数行列、得点算出式、クラスタからの距離算出式、それぞれのデータの対応関係が記載された設定ファイル（データ）に属性マップＤＢ１０４に格納されている属性マップを適用したルールである。このファイルの内容を逐次変更することで、さまざまな分析軸や、係数を利用し、食品のリスク情報だけでなくその他のリスク情報のための属性判定へ応用することができる。

また、属性判定部１０３は、ユーザ属性の判定が必要な場合には、その都度、若しくは必要な都度、分析軸に沿った質問を行い、その回答と属性マップを比較することで、属性マップに起因するクラスタのうちのどれにユーザが所属するかを判定する。属性判定部１０３は、判定されたユーザ属性を各ユーザごとに個人情報として個人情報ＤＢ１０２に格納する。属性判定部１０３のユーザ属性の判定は、後に図５を参照して詳細に説明する。

属性マップＤＢ１０４は、属性マップを格納している。属性マップは、分析軸ごとにクラスタ分析が行われてユーザ属性を示すクラスタが特定されて、特定されたクラスタと各分析軸に対する関係度合いを示す得点（後述する主成分得点）との関係を示したものである。分析軸は、例えば、「判断の第三者依存度」、「情報リテラシ」がある。属性マップは、予め想定されるユーザの代表（数１０人から数１００人を選出）をサンプルとし、分析軸にそった質問の回答により、ユーザをクラスタ分けして作成される。したがって、利用すると想定されるユーザによって異なる属性マップを使用することが望ましい。例えば、本実施形態のリスク情報提供システムを、使用する地方によって使用する属性マップを異ならせたりする。属性マップの作成は、後に図４を参照して詳細に説明する。

組立加工部１０５は、情報ＤＢ１０６から情報を受け取り、属性判定部１０３で得られたユーザ属性に基づいて、受け取った情報からユーザに提供すべき情報を選択して加工する。より詳細には、組立加工部１０５は、ユーザ属性と提供情報の関係ルールに従い、判定された属性に対応するテンプレートを情報テンプレートＤＢ１０７から取り出し、このテンプレートの空欄箇所を埋めることが可能なデータを提供情報部品ＤＢ１０８から取り出し、組み合わせ、コンテンツを作成する。ここで、ユーザ属性と提供情報の関係ルールとは、後述するコンテンツ作成指針に従い、どのテンプレートを用いるかを指示する設定ファイル（データ）である。このファイルの内容を変更することにより自由なコンテンツを作成することができる。組立加工部１０５の動作は、後に図６、図７を参照して詳細に説明する。

表示部１０９は、組立加工部１０５が加工した情報をユーザに提示する。
図１に示したシステム構成は、表示系にパソコンを利用する場合と非常に親和性が高い。したがって、情報のデータをＸＭＬ、テンプレートや表示形式をＨＴＭＬ、ＸＳＬＴの形式を利用することで、ＷＥＢブラウジングを用いた情報公開が可能となる。この表示形式は、例えば、食品をインターネットや専用回線を使ってパソコン画面上で購入する場合に、食品の情報を表示する際に適用される。

インターフェイス１１０は、リスク情報加工システム１５０から情報テンプレートＤＢ１５３及び提供情報部品ＤＢ１５４に格納されている情報を取得するためのものである。インターフェイス１１０を介して、例えば、１日１回だけ通信量の少ない深夜にリスク情報公開システム１００とリスク情報加工システム１５０を接続させ、情報テンプレートＤＢ１５３及び提供情報部品ＤＢ１５４が格納している情報をミラーリングする。
制御部１１１は、リスク情報公開システム１００の全体の制御を行う。

（リスク情報加工システム１５０）
情報抽出部１５５は、事前に、例えば、定期的に、外部の各種データベースやトレーサビリティシステム等の外部情報格納システムにアクセスして、素材抽出ルールに基づいて各種のデータを検索し抽出する。ここで、素材抽出ルールとは、外部のどのデータベースから、何のデータを、どのタイミングで検索・抽出し、どこへ保存するかを規定し、さらにそれぞれのＩＤ、データ形式を規定した設定ファイル（データ）である。このファイルの内容を変更することで、外部のさまざまなデータベースに対応することができる。

情報加工部１５６は、情報抽出部１５５が取得した情報を情報テンプレートＤＢ１５３又は提供情報部品ＤＢ１５４に格納する形式、すなわち、テンプレート又はこのテンプレートの空欄箇所を埋めることが可能なデータに加工する。情報加工部１５６は、各種データを複数の表現形式に変換する。例えば、情報加工部１５６は、各ユーザのユーザ属性に合わせるように、データ中にある数値に対する単位を他の単位に変換したり、データ中の数値を四捨五入、切り上げ切り捨て等により桁数を調整してデータを加工する。

提供情報部品ＤＢ１５４は各種データを格納し、これらのデータは、素材抽出ルールにより、事前に外部の各種データベースから検索・抽出され保存されている。
情報テンプレートＤＢ１５３は各種テンプレートを格納している。
インターフェイス１５１は、インターフェイス１５１へ、情報テンプレートＤＢ１５３及び提供情報部品ＤＢ１５４に格納されている情報を送信するためのものである。
制御部１５７は、リスク情報加工システム１５０の全体の制御を行う。

リスク情報公開システム１００とリスク情報加工システム１５０は同一のシステムとしてもよいが、情報公開システムと、情報加工システムは機能が独立しているので、別々のシステムとすることができる。さらに、１つのリスク情報加工システム１５０に対し複数のリスク情報公開システム１００を連携させることもできる。このことにより、共通のデータを用いる情報発信者同士によって、リスク情報加工システム１５０を共用すれば、データ管理の一元化だけでなく設備投資や管理コストの低減を図ることができる。

次に、リスク情報公開システム１００が行う処理を図２を参照して説明する。
ユーザが端末１７０を利用してリスク情報公開システム１００にアクセスし、ユーザが個人情報管理部１０１によって認証を受ける（ステップＳ２０１）。すなわち、ユーザはユーザＩＤ及びパスワードを入力し、個人情報管理部１０１が、このユーザＩＤが個人情報ＤＢ１０２に登録されているか否かを判定し、登録されている場合にはユーザが入力したパスワードが登録されているパスワードと同一であるか否かを判定する。同一である場合はステップＳ２０２に進み、一方、同一でない場合はこのユーザを拒絶し、リスク情報公開システム１００にアクセスさせない。

個人情報管理部１０１が、ステップＳ２０１で認証を受けたユーザが過去に属性の判定を受けたか否かを個人情報ＤＢ１０２を参照して判定する（ステップＳ２０２）。過去に属性の判定を受けていないと判定した場合はステップＳ２０３に進み、一方、過去に属性の判定を受けたと判定した場合はステップＳ２０４に進む。また、リスク情報提供システム又はリスク情報公開システム１００の管理者によって予め定められたルールによって属性の判定が必要とみなされる場合はステップＳ２０３に進めるように設定されていてもよい。個人情報管理部１０１は、例えば、ユーザの個人情報が変更になった場合、ユーザが属性の判定を受けてから所定の期間を経過した場合にステップＳ２０３に進める。

ステップＳ２０３では、属性判定部１０３がこのユーザ属性を判定する。属性判定部１０３は、ユーザ属性を判定するための属性判定ルールに従い、ユーザへの質問及びこの質問の回答と、属性マップを参照することにより、ユーザ属性を判定する。属性判定部１０３は、判定されたユーザ属性をこのユーザに関連付けて個人情報ＤＢ１０２に格納する。属性判定部１０３の動作の詳細は後に図５を参照して説明する。

ステップＳ２０４では、組立加工部１０５が、ユーザ属性と提供情報の関係ルールに従い、判定された属性に対応するテンプレートを情報テンプレートＤＢ１０７から、テンプレートの空欄箇所を埋めることが可能なデータを提供情報部品ＤＢ１０８から取り出し、このテンプレートとデータを組み合わせ、コンテンツを作成する。

表示部１０９は、ステップＳ２０４で得られたコンテンツをユーザの端末１７０に表示する（ステップＳ２０５）。表示したコンテンツにユーザが満足した度合いをアンケートによって取得する（ステップＳ２０６）。例えば、個人情報管理部１０１がアンケートを端末１７０に表示させその回答を得る。アンケートに基づいて、属性判定を補正する（ステップＳ２０７）。例えば、属性判定部１０３がアンケートの回答に基づいて属性判定を補正する。

次に、リスク情報加工システム１５０が行う処理を図３を参照して説明する。
情報抽出部１５５が、外部の各種データベース等１８０から、定期的にデータをダウンロードする（ステップＳ３０１）。情報加工部１５６が、ダウンロードしたデータを加工する（ステップＳ３０２）。情報加工部１５６は、例えば、データ中にある数値に対する単位を他の単位に変換したり、データ中の数値を四捨五入、切り上げ切り捨て等により桁数を調整してユーザが理解しやすいようにデータを加工する。

データ中にグラフとして表示することができる数値がある場合にはこれら数値からグラフを作成する（ステップＳ３０３）。複数の数値をユーザに単に提示するよりも数値をグラフ化することで、数値の意味をユーザがより理解しやすくなると期待することができる。作成したデータと、グラフがある場合はグラフも提供情報部品ＤＢ１５４に格納する（ステップＳ３０４）。

＜属性マップの作成＞
次に、属性マップＤＢ１０４に格納される属性マップの作成方法を図４を参照して説明する。この属性マップの作成は、例えば、制御部１１１が行う。ここでは、ユーザ属性を規定するために、多変量解析で一般的に用いられる主成分分析を用いて属性の要因となる分析軸をもとめ、その分析軸を用いてクラスタ分析によりクラスタにグループ分けする。

ユーザをその属性でグループ化することを目的としてクラスタ分析するためには、少なくとも数１０人以上の人数が必要である。しかし、情報を提供しようとする場合、同時にそれだけの人数が存在するとは限らない。例えばスーパー等で買物をする場合、スーパーの売場には数１０人以上の客が存在するが、情報の提供を行う瞬間や購買の瞬間は個々となってしまう。

そこで、予め想定されるユーザ代表（数１０人から数１００人を選出）をサンプルとし、分析軸にそった質問の回答により、ユーザをクラスタ分けした属性マップを作成し、属性マップＤＢ１０４に格納する。
ユーザ属性の判定が必要な場合には、属性判定部１０３が、その都度、若しくは必要な都度、分析軸に沿った質問をユーザに行い、その回答と属性マップを比較することで、そのユーザがどのクラスタに所属するかを判定する。

属性マップの作成には、図４に示すように、５つの分析軸を主体にした質問に対する回答を利用する。この５つの分析軸は、
項目番号 質問の分析軸
１ 判断の第三者依存度
２ 情報リテラシ
３ リスクゼロ志向度
４ 食品知識度
５ 対象食品への安全関与度
である。質問は、例えば、図４に示したように、各項目に対し２つずつ設定し、合計１０問とする。図４は、対象食品を野菜とした場合の質問の例である。ここで、もちろん、質問は、必ずしも各項目に２つである必要は無い。質問は多いほど分析精度は向上するが、ユーザの負担を考えれば全体を通して２０問以下にすべきである。

また、質問に対する回答の回答群として下記の５つ設け、それぞれに数値を割り振る。
項目 回答 数値
回答１ あてはまらない １
回答２ あまりあてはまらない ２
回答３ どちらともいえない ３
回答４ ややあてはまる ４
回答５ あてはまる ５
各質問に対するユーザの回答結果から相関行列を計算し、この相関行列から「質問の標準化係数」、「固有ベクトル」を算出し、主成分得点の計算式（後述するステップＳ５０２を参照）を求める。
次に、この求めた、主成分得点の計算式によって項目番号５「対象食品への安全関与度」の主成分得点に基づいて、サンプルユーザの中から、「対象食品への安全関与度」がある設定された閾値よりも高いユーザを抽出する。この抽出されたサンプルユーザに対して、項目番号２〜５の分析軸にクラスタ分析を行い、ユーザ属性を示すクラスタを特定する。
特定されたクラスタとこれらの分析軸に対する主成分得点との関係を示したものが属性マップである。ここでは分析軸が項目番号２〜５に対応する４つであるので、属性マップは４次元の多次元空間をもつことになる。属性マップＤＢ１０４は、このようにして得られた属性マップを格納する。
また、組立加工部１０５が作成するコンテンツはクラスタの数だけ作成することになるので、クラス分けは３〜５に分けるのが適当である。

＜ユーザ属性の判定＞
次に、属性判定部１０３が行う処理を図５を参照して説明する。
属性判定部１０３が属性マップＤＢ１０４を参照してユーザ属性の判定を行う。すなわち、属性判定部１０３は、上述した属性マップ上のどのクラスタに所属するかを判定する。
属性判定部１０３は、まず利用者のエンロールメントを受ける（ステップＳ５０１）。すなわち、属性判定部１０３は、属性を判定するユーザに質問を行い、その回答を得る。本実施形態では、属性マップの作成に用いたものから項目５を除いた以下の４つの分析軸を主体とした質問により行う。質問は各項目に対し２つずつ設定、合計８問とする。ここでも、質問は必ずしも各項目に２つである必要は無い。また、質問は多いほど分析精度は向上するが、ユーザの負担を考えれば全体を通して２０問以下にすべきである。すなわち、質問群の項目は、
項目番号 質問の分析軸
１ 判断の第三者依存度
２ 情報リテラシ
３ リスクゼロ志向度
４ 食品知識度
であり、回答群は下記の５つを設ける。
項目 回答 数値
回答１ あてはまらない １
回答２ あまりあてはまらない ２
回答３ どちらともいえない ３
回答４ ややあてはまる ４
回答５ あてはまる ５
次に、属性判定部１０３は、ステップＳ５０１で得られた回答からユーザの情報処理に対する主成分得点を求める（ステップＳ５０２）。すなわち、属性判定部１０３が、回答から属性マップの分析軸に対する主成分得点を算出する。属性判定部１０３は、次に示す主成分得点算出式である数式
Ｘｎ＝（Ｑｎ１×Ａｎ１×Ｂｎ１＋Ｑｎ２×Ａｎ２×Ｂｎ２）×Ｃｎ
を利用して主成分得点を求める。ここで、
ｎ ：分析項目（１≦ｎ≦５）
Ｑｎ１ ：分析項目ｎの質問１に関する回答に対応する数値（１〜５）
Ｑｎ２ ：分析項目ｎの質問２に関する回答に対応する数値（１〜５）
Ａｎ１ ：分析項目ｎの質問１に対する標準化係数
Ａｎ２ ：分析項目ｎの質問２に対する標準化係数
Ｂｎ１ ：分析項目ｎの質問１に対する固有ベクトル
Ｂｎ２ ：分析項目ｎの質問２に対する固有ベクトル
Ｃｎ ：分析項目ｎに関する標準化係数
である。

次に、属性判定部１０３は、分析軸ごとの主成分得点と、情報受信者であるユーザの成分得点との差分から、クラスタｉの平均値からの属性マップ（多次元空間）上の距離を求める（ステップＳ５０３）。得られた主成分得点と、クラスタが有する分析軸に対する主成分の平均値との属性マップ（多次元空間）上の距離を算出する。ここで、クラスタｉの平均値からの距離Ｌｉは、数式
Ｌｉ^２＝(Ｘ１−Ｙｉ１)^２＋(Ｘ２−Ｙｉ２）^２＋（Ｘ３−Ｙｉ３）^２＋（Ｘ４−Ｙｉ４）^２
により算出される。ここで、
Ｘｎ ：項目番号ｎの算出された主成分得点
Ｙｉｎ ：クラスタｉかつ項目番号ｎの分析軸に対する主成分得点の平均値
である。

次に、属性判定部１０３はクラスタｉへの振り分けを行う（ステップＳ５０４）。属性判定部１０３は、すべてのクラスタとの距離を比較し、最も距離の短いクラスタを、そのユーザの属するクラスタと判定する。換言すれば、属性判定部１０３は、ユーザの主成分得点とクラスタｉの平均値からの距離Ｌｉが最小となるクラスタに振り分ける。

＜コンテンツの作成指針＞
次に、組立加工部１０５が作成するコンテンツの作成指針を説明する。
組立加工部１０５が、上述した４つの分析軸をもった属性マップの分析軸に沿ってコンテンツを作成し、表示部１０９を介してユーザに提供すれば、ユーザの情報理解にそったコンテンツを提供できることになる。この際の組立加工部１０５のコンテンツ作成指針を具体的に説明する。

≪１．判断の第三者依存度≫
「１．判断の第三者依存度」について低い反応を示す場合は、ユーザは自分自身で情報の内容を理解し判断する傾向がある。したがって、このユーザには、判断材料となる情報について工夫を凝らす必要がある。このユーザには、例えば、生データを提示したり、情報を読み解く方法を示すことが適している。
一方、「１．判断の第三者依存度」について高い反応を示す場合は、情報を事細かく説明することよりも、第三者の、可能ならば信用のおける機関のお墨付きなど、何らかの証明書をユーザに提示すると説得力がある。また、買物をしている現場でも、いち早く情報を欲している場合にも同様な傾向があり、その場合にはお墨付きのマークなどの提示が効果を奏する。

≪２．情報リテラシ（ＩＴリテラシとも呼ばれる）≫
本実施形態においては、インターネットなどＩＴを活用したシステム上での情報公開を想定しているので、情報を閲覧するユーザに対しては、情報リテラシは十分満たされると期待できる。ただし、対象とするリスク情報は専門的な場合もあり得、例えば、農薬の利用が安全か否かを議論する場合、使用基準や化学薬品名等の専門的な情報を含むことがある。したがって、本実施形態において想定されるようなユーザでも情報リテラシを考慮する必要がある。
情報リテラシが高い場合には、数式や化学物質名、グラフについての情報に対し読むことの抵抗は少ないが、情報リテラシが低い場合には、できるだけ専門的な名称は使用しない、文章を短くするなどのより全体の情報量をさげ、情報を段階的に表示する情報の提示方法が有効である。

≪３．リスクゼロ志向度≫
「３．リスクゼロ志向度」について高い反応を示す場合は、情報の正確性に注意を要する。例えば０．９９という値を約１と表現する場合、全体の内容を把握するのに便利であるが、正確ではないので、高い反応を示すユーザには好ましくない。また、一般にリスクゼロ志向度の高いユーザには食品に対する知識の程度が高い者が多く含まれる。したがって、「２．情報リテラシ」や、「４．食品知識度」の分析軸に対する反応も高い場合が多いので、これらの分析軸の高低に注意する必要がある。

≪４．食品知識度≫
「４．食品知識度」については、単独ではなく上記の３つの分析軸に加えあわせて考慮すべきものである。「４．食品知識度」はクラスタの特徴を強く示すものではないが、「４．食品知識度」が高い反応を示す場合は、専門性の高い情報を提供してもユーザに敬遠されることが少ない。

ここまで、「１．第三者依存度」、「２．情報リテラシヘの反応」、「３．リスクゼロ志向度」の３つの軸を中心にコンテンツ作成の指針を述べてきたが、実際にクラスタ分けされたユーザにそのまま組み合わせた情報を提示すれば良いとは限らない。なぜならば、ユーザをクラスタ分けすると、クラスタそれぞれが３つの分析軸に均等に反応を示すわけではなく、クラスタによっては、３つのうち１つないし２つの分析軸に強く反応を示したりする場合があるからである。

実際にクラスタ分けされたユーザにそのまま組み合わせた情報を提示すれば良いとは限らない例を図６及び図７を参照して説明する。
例えば、図６に示したように、「１．第三者依存度」、「２．情報リテラシヘの反応」、「３．リスクゼロ志向度」の３つの分類軸に対し、それぞれの反応が高い場合又は反応が低い場合についての組合せを取ると８つの組合せが考えられる。
しかし、例えば、図４に示したような野菜について３軸に対して主成分分析、クラスタ分析を行うと実際は、図７に示した四角で囲った分類になる。すなわち、例えばクラスタ１は「判断の第三者依存度」と「情報リテラシ」に対し強く反応するが、「リスクゼロ志向度」には特に特徴づけられる関連が得られない。この場合、コンテンツの作成においては、「判断の第三者依存度」と「情報リテラシ」の２点について考慮すればよく、「リスクゼロ志向」を考慮したとしても、効果が得られないことになる。

このように実際に必ずしも３つの軸に対しての情報の組合せではなく、最も強く反応が出ている軸を見極めて、コンテンツを作成することが必要である。反応の強さは、各クラスタの分析軸に対する主成分得点の大小で判定することができる。
図７に示したように分類される各クラスタ及び分析軸から示されるユーザ属性は以下のとおりとなる。
クラスタ１：
・判断の第三者依存度が高い
・ある程度の情報リテラシや食品知識を持つ
・情報源の論調に影響されやすい
クラスタ２：
・リスクゼロ志向度が低い
・判断の第三者依存度が低い
・自分で情報収集し判断する
クラスタ３：
・判断の第３者依存度が高い
・情報リテラシが低い
・食品知識度が低い
クラスタ４：
・リスクゼロ志向度が高い
・判断の第三者依存度が低い
・リスクに対して敏感であり、情報はある程度自分で確認・判断したいタイプ
＜情報の提供＞
上述したように属性判定部１０３がユーザ属性を判定し、組立加工部１０５が上記のコンテンツ作成指針により属性ごとに作成されたコンテンツを表示部１０９を介してユーザに提供する。組立加工部１０５は、組立加工部１０５の負担を減らすため、コンテンツをその都度作成することはせずに、幾つかの、雛形であるテンプレートを情報テンプレートＤＢ１０７に用意しておき、このテンプレートに基づいてコンテンツを作成する。そして、組立加工部１０５は提供情報部品ＤＢ１０８に格納されているデータを機械的にテンプレートや雛形に流し込むことによってコンテンツを作成する。

（利用例１：レシートに記載）
次に、ユーザが店舗に入店し商品を購入する場合における利用例１を図８を参照して説明する。
顧客が食品を購入する場合で最も多いのは、店舗によって購入する場合である。最近は店舗に情報端末を置くケースもあるが、実際の購入ではなかなか見ている時間がない。また、商品自身にも大きさの制限があり、商品表面に情報を載せきることは難しい。

そこで、購入した食品に対するリスク情報を、レシート８０２に金額とともに印字し、消費者に提供する。ここでは、このリスク情報は、この情報によりユーザが安心するということで、図８に示したように安心情報８０４と呼ぶ。また、レシートにスペースが足りない場合には、レシートを印刷すると同時に、別紙に購入した商品のリスク情報を印刷し、レシートとともに渡してもよい。
この場合には、ユーザが販売店に対し事前に会員登録をする際に、属性判定部１０３がユーザ属性の判定をしておき、個人情報管理部１０１がユーザのＩＤを購入時に確認することで、リスク情報公開システム１００が属性に応じた情報を提供することができる。

（利用例２：ユーザ端末へ配信）
次に、ユーザが店舗に入店し商品を購入する場合における利用例２を図９を参照して説明する。
情報提供を希望するユーザには、利用例１のようなレシートを利用せず携帯電話９０１若しくはパーソナルコンピュータ９０２へ安心情報をメールで送信する。
これらの利用例１及び利用例２に示したような方法を用いることで、顧客に負担なく、リスク情報を提供することができる。自分の購入したものがどういうリスクを有するものか、また場合によっては、アレルギー物質の混入などが購入したすぐ後に判れば、アレルギー食品を口にする危険を軽減することができる。

（利用例３：飲食店の営業支援）
次に、飲食店での営業支援をする利用例３を図１０を参照して説明する。利用例３は、ユーザである顧客がメニューを選ぶときに、料理に含まれている食材のリスク情報をユーザに提示するしくみである。
利用例１と同様に顧客は店舗の会員登録で事前に属性判別を済ませておく。接客係に専用の端末１００１を持たせておき、顧客の質問に応じて、リスク情報を提供する。このときリスク情報は、顧客の属性に応じた情報が提示される。したがって、接客係の端末１００１には、顧客に応じた情報の提示方法が示される。その結果、一律的な情報の提供とはならず、接客係は顧客の要求により近い対応を取ることができる。

次に、５つの分析軸を８個の分析軸に増やすことでより精度の高い属性マップを作成する場合を図１１を参照して説明する。図１１は、図４に示した５つの分析軸を８個の分析軸に増やした場合の質問に対する回答の具体例である。
上記では、属性マップの作成に５軸の分析軸を主体にした質問に対する回答を利用した。この５軸を以下の様に８軸とすることで、より精度の高い属性マップを作成することができる。この８つの分析軸は、
項目番号 質問の分析軸
１ 判断の第三者依存度
２ 情報リテラシ
３ リスクゼロ志向度
４ 食品知識度
５ 情報感度
６ パターナリズム
７ 政治不信度
８ 対象食品への安全関与度
である。質問は、図１１に示したように、各項目に対し２つずつ設定し、合計１６問とする。属性マップを作る場合、サンプルユーザを「８．対象食品への安全関与度」でフィルタリングすることを含め、その他の手順は図４を参照して説明した場合と同様である。
また、図４を参照して説明した５つの分析軸は、上記の８つの項目から、クラスタ分析の際に主成分得点の大きい順に５つを選択して分析軸とする場合もある。

人間のリスク情報に対する認知属性は、その地域や組織によってかなり特徴を帯びし、また同じ地域や組織でも時間やニュースなどの情報、政策などとともに変動する可能性もある。したがって、５つの分析軸にこだわることなく、期間を定め定期的に、又は何か事件があったときなどに、この８つの分析軸を利用し、分析軸や属性マップを修正することが望ましい。
また、５つの分析軸を用いる場合でも、質問の項目として常に８軸１６問を行い、その結果をログとして保存しておけば、必要なときにそのログから、属性マップや分析軸を修正することができる。

以上に示した実施形態によれば、個人の差を属性として属性マップにより各ユーザの傾向を得ることができ、この属性マップを参考にして各ユーザの要求レベルに応じた情報を提供することが可能となり、ユーザのリスク情報の認知理解を促進することができる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本発明の実施形態にかかるリスク情報提供システムに含まれるリスク情報公開システムとリスク情報加工システムのブロック図。 図１のリスク情報公開システムでの処理を示すフローチャート。 図１のリスク情報加工システムでの処理を示すフローチャート。 図１の属性マップＤＢに格納される属性マップを作成する際に利用する質問を示す図。 図１の属性判定部での処理を示すフローチャート。 図４の質問に対する回答のパターンを分類して示した図。 図６の回答分類結果に対してクラスタ分析を行った場合の分類を示した図。 リスク情報をレシートに記載する利用例１を示す図。 リスク情報をユーザ端末へ配信する利用例２を示す図。 飲食店での営業支援に利用する利用例３を示す図。 図４の分析軸を８つに増やした場合を示す図。

符号の説明

１００・・・リスク情報公開システム、１０１・・・個人情報管理部、１０２・・・個人情報ＤＢ、１０３・・・属性判定部、１０４・・・属性マップＤＢ、１０５・・・組立加工部、１０６・・・情報ＤＢ、１０７・・・情報テンプレートＤＢ、１０８・・・提供情報部品ＤＢ、１０９・・・表示部、１１０・・・インターフェイス、１１１・・・制御部、１５０・・・リスク情報加工システム、１５１・・・インターフェイス、１５２・・・情報ＤＢ、１５３・・・情報テンプレートＤＢ、１５４・・・提供情報部品ＤＢ、１５５・・・情報抽出部、１５６・・・情報加工部、１５７・・・制御部、１７０・・・端末、１８０・・・各種データベース等、８０１・・・カード等、８０２・・・レシート、８０３・・・レシート本来の情報、８０４・・・安心情報、９０１・・・携帯電話、９０２・・・パーソナルコンピュータ、９０３・・・レシート本来の情報、９０４・・・安心情報、１００１・・・端末

Claims (22)

1. 外部の情報格納システムから情報を取得し該情報を加工して格納しているリスク情報加工システムと、ユーザに情報を公開するリスク情報公開システムを具備するリスク情報提供システムにおいて、
   前記リスク情報加工システムは、
   前記情報格納システムにアクセスして検索した各種データを抽出する抽出手段と、
   前記各種データごとを複数の表現形式に加工する加工手段と、
   前記加工された各種データを格納している第１のデータ格納手段を具備し、
   前記リスク情報公開システムは、
   複数のユーザの認証情報を格納している認証情報格納手段と、
   前記認証情報に基づいて、前記リスク情報公開システムのユーザとして認証するか否かを判定する判定手段と、
   情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納している属性情報格納手段と、
   各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納している属性マップ格納手段と、
   認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成する生成手段と、
   前記加工された各種データを前記リスク情報加工システムから取得し格納している第２のデータ格納手段と、
   格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工する加工手段と、
   前記加工された各種データを前記認証されたユーザに提示する提示手段を具備することを特徴とするリスク情報提供システム。
2. 前記複数のユーザを対象にして公開する情報が食品に関する場合には、
   前記複数の分析項目は、対象食品への安全関与度、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、及び、食品知識度の５項目であり、
   さらに、前記複数のクラスタに対応付ける際に参照する、複数の分析項目の関係度を算出する場合に基となる前記複数の質問は、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、及び、食品知識度の４項目に沿って作成されることを特徴とする請求項１に記載のリスク情報提供システム。
3. 前記複数のクラスタは、第１のクラスタ、第２のクラスタ、第３のクラスタ、及び、第４のクラスタからなり、
   前記第１のクラスタに属するユーザは、判断の第三者依存度が高く、かつ、ある程度の情報リテラシや食品知識を有し、かつ、情報源の論調に影響されやすい属性があり、
   前記第２のクラスタに属するユーザは、リスクゼロ志向度が低く、かつ、判断の第三者依存度が低く、かつ、自分で情報収集し判断する属性があり、
   前記第３のクラスタに属するユーザは、判断の第３者依存度が高く、かつ、情報リテラシが低く、かつ、食品知識度が低い属性があり、
   前記第４のクラスタに属するユーザは、リスクゼロ志向度が高く、かつ、判断の第３者依存度が低く、かつ、リスクに対して敏感であり、情報はある程度自分で確認、判断したい属性があることを特徴とする請求項１又は請求項２に記載のリスク情報提供システム。
4. 前記複数のユーザを対象にして公開する情報が食品に関する場合には、
   前記複数の分析項目は、対象食品への安全関与度、食品知識度、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、情報感度、パターナリズム、政治不信度、の８つからいくつかを選択することを特徴とする請求項１から請求項３のいずれか１項に記載のリスク情報提供システム。
5. 前記判定手段は、インターネットを介してアクセスしてきたユーザに対して判定し、
   前記提示手段は、インターネットを介してユーザに各種データを提示することを特徴とする請求項１から請求項４のいずれか１項に記載のリスク情報提供システム。
6. 前記リスク情報公開システムは、販売店において利用され、
   前記提示手段は、レシート又はレシートとは別の形態で、各種データとして、ユーザが購入した商品に関するリスク情報をユーザに提示することを特徴とする請求項１から請求項４のいずれか１項に記載のリスク情報提供システム。
7. 前記リスク情報公開システムは、飲食店において利用され、
   前記提示手段は、メニューに加えて、各種データとして、該メニューに関係する食品に関するリスク情報を併せてユーザに提示する表示することを特徴とする請求項１から請求項４のいずれか１項に記載のリスク情報提供システム。
8. 外部の情報格納システムから情報を取得し該情報を加工して格納しているリスク情報加工システムにおいて、
   前記情報格納システムにアクセスして検索した各種データを抽出する抽出手段と、
   前記各種データごとを複数の表現形式に加工する加工手段と、
   前記加工された各種データを格納しているデータ格納手段を具備することを特徴とするリスク情報加工システム。
9. ユーザに情報を公開するリスク情報公開システムにおいて、
   複数のユーザの認証情報を格納している認証情報格納手段と、
   前記認証情報に基づいて、前記リスク情報公開システムのユーザとして認証するか否かを判定する判定手段と、
   情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納している属性情報格納手段と、
   各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納している属性マップ格納手段と、
   認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成する生成手段と、
   前記加工された各種データを前記リスク情報加工システムから取得し格納しているデータ格納手段と、
   格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工する加工手段と、
   前記加工された各種データを前記認証されたユーザに提示する提示手段を具備することを特徴とするリスク情報公開システム。
10. 前記複数のユーザを対象にして公開する情報が食品に関する場合には、
    前記複数の分析項目は、対象食品への安全関与度、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、及び、食品知識度の５項目であり、
    さらに、前記複数のクラスタに対応付ける際に参照する、複数の分析項目の関係度を算出する場合に基となる前記複数の質問は、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、及び、食品知識度の４項目に沿って作成されることを特徴とする請求項９に記載のリスク情報公開システム。
11. 前記複数のクラスタは、第１のクラスタ、第２のクラスタ、第３のクラスタ、及び、第４のクラスタからなり、
    前記第１のクラスタに属するユーザは、判断の第三者依存度が高く、かつ、ある程度の情報リテラシや食品知識を有し、かつ、情報源の論調に影響されやすい属性があり、
    前記第２のクラスタに属するユーザは、リスクゼロ志向度が低く、かつ、判断の第三者依存度が低く、かつ、自分で情報収集し判断する属性があり、
    前記第３のクラスタに属するユーザは、判断の第３者依存度が高く、かつ、情報リテラシが低く、かつ、食品知識度が低い属性があり、
    前記第４のクラスタに属するユーザは、リスクゼロ志向度が高く、かつ、判断の第３者依存度が低く、かつ、リスクに対して敏感であり、情報はある程度自分で確認、判断したい属性があることを特徴とする請求項９又は請求項１０に記載のリスク情報公開システム。
12. 前記複数のユーザを対象にして公開する情報が食品に関する場合には、
    前記複数の分析項目は、対象食品への安全関与度、食品知識度、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、情報感度、パターナリズム、政治不信度、の８つからいくつかを選択することを特徴とする請求項９から請求項１１のいずれか１項に記載のリスク情報公開システム。
13. 前記判定手段は、インターネットを介してアクセスしてきたユーザに対して判定し、
    前記提示手段は、インターネットを介してユーザに各種データを提示することを特徴とする請求項９から請求項１２のいずれか１項に記載のリスク情報公開システム。
14. 前記リスク情報公開システムは、販売店において利用され、
    前記提示手段は、レシート又はレシートとは別の形態で、各種データとして、ユーザが購入した商品に関するリスク情報をユーザに提示することを特徴とする請求項９から請求項１２のいずれか１項に記載のリスク情報公開システム。
15. 前記リスク情報公開システムは、飲食店において利用され、
    前記提示手段は、メニューに加えて、各種データとして、該メニューに関係する食品に関するリスク情報を併せてユーザに提示する表示することを特徴とする請求項９から請求項１２のいずれか１項に記載のリスク情報公開システム。
16. ユーザと想定される複数のサンプルユーザに対して、提供するリスク情報の対象に関心があるかという内容を含むユーザの属性に関わる複数の分析項目に対応する複数の質問を行い、
    前記質問に対する各サンプルユーザの回答を取得し、
    前記質問に対する回答から相関行列を計算し、
    前記相関行列から、前記質問の標準化係数、固有ベクトルを計算し、
    前記標準化係数、前記固有ベクトルに基づいて、前記分析項目に対する前記サンプルユーザごとの回答の関係度を算出し、
    前記分析項目のうちの提供するリスク情報の対象に関心があるかという内容の分析項目との関係度が或る閾値よりも高い複数のサンプルユーザを抽出し、
    前記提供するリスク情報の対象に関心があるかという内容の分析項目以外の各分析項目に対する前記抽出されたサンプルユーザごとの回答の関係度の値の近さに基づいて、前記抽出された複数のサンプルユーザを複数のクラスタに分け、
    前記クラスタと前記各分析項目の関係度とを関係付けることを特徴とする属性マップ作成方法。
17. 前記複数のユーザを対象にして公開する情報が食品に関する場合には、
    前記複数の分析項目は、対象食品への安全関与度、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、及び、食品知識度の５項目であり、
    さらに、前記複数のクラスタに分ける際に参照する、複数の分析項目の関係度を算出する場合に基となる前記複数の質問は、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、及び、食品知識度の４項目に沿って作成されることを特徴とする請求項１６に記載の属性マップ作成方法。
18. 前記複数のクラスタは、第１のクラスタ、第２のクラスタ、第３のクラスタ、及び、第４のクラスタからなり、
    前記第１のクラスタに属するユーザは、判断の第三者依存度が高く、かつ、ある程度の情報リテラシや食品知識を有し、かつ、情報源の論調に影響されやすい属性があり、
    前記第２のクラスタに属するユーザは、リスクゼロ志向度が低く、かつ、判断の第三者依存度が低く、かつ、自分で情報収集し判断する属性があり、
    前記第３のクラスタに属するユーザは、判断の第３者依存度が高く、かつ、情報リテラシが低く、かつ、食品知識度が低い属性があり、
    前記第４のクラスタに属するユーザは、リスクゼロ志向度が高く、かつ、判断の第３者依存度が低く、かつ、リスクに対して敏感であり、情報はある程度自分で確認、判断したい属性があることを特徴とする請求項１６又は請求項１７に記載の属性マップ作成方法。
19. 前記複数のユーザを対象にして公開する情報が食品に関する場合には、
    前記複数の分析項目は、対象食品への安全関与度、食品知識度、判断の第三者依存性、情報リテラシ、リスクゼロ志向度、情報感度、パターナリズム、政治不信度、の８つからいくつかを選択することを特徴とする請求項１６から請求項１８のいずれか１項に記載の属性マップ作成方法。
20. 外部の情報格納システムから情報を取得し該情報を加工して格納し、ユーザに情報を公開するリスク情報提供方法において、
    前記情報格納システムにアクセスして検索した各種データを抽出し、
    前記各種データごとを複数の表現形式に加工し、
    前記加工された各種データを格納し、
    複数のユーザの認証情報を格納し、
    前記認証情報に基づいて、ユーザとして認証するか否かを判定し、
    情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納し、
    各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納し、
    認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成し、
    前記加工された各種データを取得し格納し、
    格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工し、
    前記加工された各種データを前記認証されたユーザに提示することを特徴とするリスク情報提供方法。
21. 外部の情報格納システムから情報を取得し該情報を加工して格納しているリスク情報加工方法において、
    前記情報格納システムにアクセスして検索した各種データを抽出し、
    前記各種データごとを複数の表現形式に加工し、
    前記加工された各種データを格納していることを特徴とするリスク情報加工方法。
22. ユーザに情報を公開するリスク情報公開方法において、
    複数のユーザの認証情報を格納し、
    前記認証情報に基づいて、ユーザとして認証するか否かを判定し、
    情報を理解する際のユーザの特徴を含む情報である、複数のユーザの属性情報を格納し、
    各属性情報に対応する複数のクラスタと、複数の分析項目に対する関係度との関係を示す属性マップを格納し、
    認証されたユーザの属性情報が格納されていない場合には、前記属性マップに基づいて、前記認証されたユーザの属性情報を生成し、
    前記加工された各種データを取得し格納し、
    格納されている前記属性情報又は前記生成された属性情報に基づいて、前記認証されたユーザに適した表現形式に前記各種データを加工し、
    前記加工された各種データを前記認証されたユーザに提示することを特徴とするリスク情報公開方法。

Images