JP2018506120A - ゲーミングデータ分析を通した個人の能力、技能および関心の識別 - Google Patents

ゲーミングデータ分析を通した個人の能力、技能および関心の識別 Download PDF

Info

Publication number
JP2018506120A
JP2018506120A JP2017540985A JP2017540985A JP2018506120A JP 2018506120 A JP2018506120 A JP 2018506120A JP 2017540985 A JP2017540985 A JP 2017540985A JP 2017540985 A JP2017540985 A JP 2017540985A JP 2018506120 A JP2018506120 A JP 2018506120A
Authority
JP
Japan
Prior art keywords
game
skills
games
comparison
level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2017540985A
Other languages
English (en)
Other versions
JP6692364B2 (ja
Inventor
ドゥー、クォン
スカラー、ウェイン
Original Assignee
アイデンティフォー、インク．
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by アイデンティフォー、インク． filed Critical アイデンティフォー、インク．
Publication of JP2018506120A publication Critical patent/JP2018506120A/ja
Application granted granted Critical
Publication of JP6692364B2 publication Critical patent/JP6692364B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
    • A63F13/798—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for assessing skills or for ranking players, e.g. for generating a hall of fame
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/85—Providing additional services to players
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/02—Comparing digital values
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/02—Counting; Calculating
    • G09B19/025—Counting; Calculating with electrically operated apparatus or devices
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
    • A63F2300/8064—Quiz

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【解決手段】 個人特性は、サーバにおいて、複数のゲームを示すゲームデータを受信する工程と、複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定する工程と、第１の比較ゲームパフォーマンスから個人特性を導出する工程と、その個人特性の指標を提供する工程とによって識別することができる。複数のゲームの各ゲームは、少なくとも１つの個人特性を評価するように設計されている。個人特性は、能力、技能、および／または関心を有することができる。第１の比較ゲームパフォーマンスは、たとえば、ゲームデータ、および、第１のゲームと関連付けられたゲームパフォーマンスと複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示す比較ゲーム情報に基づいて決定される。【選択図】 図２

Description

関連出願の相互参照
本出願は、この参照によりその全体が本明細書に組み込まれる、２０１４年１０月２７日に出願された米国特許出願第６２／０６８，９６６号に対する優先権を主張する。
成績、標準化されたテストの点数、課外活動の年数、および家庭での夕食の会話は、多くの子どもおよびその家族が成人へと成長する際の指導を助ける。しかしながら、これらの最も基本的な指針は、自閉症児または特別な援助を必要とする子どもの親にとっては、まったく信頼できないか、または、不足していることが多い。これらの重要なツールが欠如していると、後年、理想的ではない中等後教育／職業訓練、不完全雇用または失業、ならびに住居および移動の問題がもたらされることが多い。
人々がゲームをしながらどのように意思決定を行い反応するかを分析することによって、個人の能力、技能および関心を識別するためのシステム、方法、および手段が開示される。たとえば、サーバは、少なくとも１つの個人特性を評価するように設計された複数のゲームを示すゲームデータを受信する。少なくとも１つの個人特性は、人間の能力、認知技能、またはキャリア関心のうちの少なくとも１つを含み得る。ゲームデータを受信すると、サーバは、複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定することができる。第１の比較ゲームパフォーマンスは、たとえば、ゲームデータおよび比較ゲーム情報に基づいて決定される。比較ゲーム情報は、第１のゲームと関連付けられたゲームパフォーマンスと、複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示す。第１の比較ゲームパフォーマンスを決定すると、サーバは、第１の比較ゲームパフォーマンスから個人特性を導出し、その個人特性の指標を提供することができる。
ゲームおよび技術を使用することによって、個人の能力、技能および関心を識別するためのシステムおよび方法は、以前は「偶然」でしか見つかっていなかったような、個人の認知的、社会的、コミュニケーション的な長所および短所の方向性の知見をもたらすことができる。
本明細書において提示されている個人の能力、技能および関心の識別は、３つの時間をかけて検証されたフレームワーク、すなわち、Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの多重知能、Ｇｅｏｒｇｅ ＭｃＣｌｏｓｋｅｙの実行機能（Ｅｘｅｃｕｔｉｖｅ Ｆｕｎｃｔｉｏｎｓ：ＥＦｓ）に関する研究、および、Ｊｏｈｎ Ｈｏｌｌａｎｄのキャリア関心に関する研究を基礎とすることができる。Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの多重知能の研究は、広範囲にわたる人間の能力を概説している。Ｇｅｏｒｇｅ ＭｃＣｌｏｓｋｅｙの実行機能（ＥＦｓ）に関する研究は、人間がアウトプットを学習し、ともに機能して「生成」して目標を達成するのを助ける認知技能のセットを説明している。Ｊｏｈｎ Ｈｏｌｌａｎｄのキャリア関心に関する研究は、人々がどのように時間を過ごしたかに基づいてキャリアを探求するのに役立つ。
遊ぶのが好きな子どもおよび成人のためのゲームのセットを提供することができる。ゲーム自体を、プレーヤがどのように反応し、質問に回答し、意思決定を行うかなどに関するデータを収集するように設計することができる。より多くのゲームが人によってプレイされるほど、人の能力および実行機能の技能についてのより多くの情報を収集することができる。
ゲームは、親（および親によって招待される教育者、セラピストなど）によって提供されて個人の３６０°の見識をまとめる観察で補完することができる。たとえば、親／専門家は、ＭｃＣｌｏｓｋｅｙ実行機能調査（ＭｃＣｌｏｓｋｅｙ Ｅｘｅｃｕｔｉｖｅ Ｆｕｎｃｔｉｏｎ Ｓｕｒｖｅｙ：ＭＥＦＳ）およびＡｕｔｉｓｍ Ｓｐｅａｋｓのコミュニティベース技能評価（ＣＳＡ）の回答を埋めて、個人に関する追加情報を提供することができる。このように、個人と最も密接に関係する人々からの観察結果をゲームからのデータと統合することで、合意している分野および可能性として食い違っている分野について貴重な洞察を提供することができる。これは、個人の得意分野および発達が必要な分野を強調するのに役立ち得る。
ゲームおよび調査からのすべてのデータは解析し、「ダッシュボード」に表示することができ、これは、個人のＧａｒｄｎｅｒ知能、ＥＦｓ、およびキャリア関心を報告する。個人の能力の見解と、レポートにおける個人の個人的関心および野心の見解とを組み合わせることによって、個人の長所および関心を表示して、各個人の教育的および職業的選択肢を満たすことの探求を支援することができる。親は、これらのレポートを、子どもと協力する他の専門家および教育者と共有することを選択することができる。
人工知能プラットフォームを使用して、各個人の能力、技能、または関心を識別することができる。人工知能プラットフォームは、ユーザと対話する人間のアバタであり得る。人間のアバタは、音声認識および会話コンテキストを利用することができる。人工知能は、ウェブサイトおよびゲームを通してプレーヤを誘導し、質問に回答し、結果をプレーヤおよび親に直感的にわかりやすく提示することができる。人工知能は、個々のクライアントと協力する熟練した心理学者が、ＥＦ技能を身につけるために会話に従事するように質問するように訓練することができる。
個人の能力、技能および関心は、ゲームをしながら個人がどのように意思決定を行い反応するかのデータを分析することによって識別することができる。これらの分析からの結果は、親に、得意分野を足がかりとして苦手分野に対する行動方針を決定するためにどこをさらに探求すべきかの何らかの方向性の知見を与えることができる。時間の経過とともに、人工知能プラットフォームは、心理学者が、ＥＦ技能を身につけるためにクライアントと会話するように、一対一で対話することができるように「訓練」することができる。結果に基づいて、個人および家族は、各個人の未来を追求するための能力、技能および関心を識別することができる。
以下の実施例の詳細な説明は、添付の図面と併せて読むとよりよく理解される。説明のために、例示的な実施形態の図面が示されているが、主題は、開示された特定の要素および機器に限定されない。
図１は、一実施形態による、個人の能力、技能および関心を識別するための例示的なシステムの概観を示すシステム図である。 図２は、一実施形態による、個人の能力、技能および関心を識別するための例示的な流れを示す図である。 図３は、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトの全体的な流れを示す図である。 図４Ａは、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトのアカウント登録の流れを示す図である。 図４Ｂは、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトのアカウント登録の流れを示す図である。 図４Ｃは、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトのアカウント登録の流れを示す図である。図４Ｄは、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトのアカウント登録の流れを示す図である。 図４Ｅは、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトのアカウント登録の流れを示す図である。 図５は、一実施形態による、個人の能力、技能および関心を評価する用に設計されているゲームのデータ収集の流れを示す図である。 図６は、一実施形態による比較ゲーム情報を生成する流れの一例を示す図である。 図７は、一実施形態によるプレーヤのパフォーマンスを判定する流れの一例を示す図である。 図８は、一実施形態によるプレーヤの相対パフォーマンスを報告する流れの一例を示す図である。 図９は、一実施形態によるプレーヤの相対パフォーマンスを報告する流れの別の例を示す図である。 図１０は、一実施形態による、ユーザがウェブサイトに入るときの、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１１は、一実施形態による、ユーザがゲームプレイを選択するときの、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１１は、一実施形態による、ユーザがゲームプレイを選択するときの、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１２は、一実施形態による、個人の能力、技能および関心を学習するための情報ページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１２は、一実施形態による、個人の能力、技能および関心を学習するための情報ページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１３は、一実施形態による、個人の能力、技能および関心のダッシュボードページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１３は、一実施形態による、個人の能力、技能および関心のダッシュボードページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１４は、一実施形態による、個人の能力、技能および関心のディープ・ダイブ・ページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１４は、一実施形態による、個人の能力、技能および関心のディープ・ダイブ・ページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。 図１５は、一実施形態による、個人の能力、技能および関心を識別するための例示的なウェブシステムの概観を示すシステム図である。 図１６は、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイト上のゲームを登録ユーザがプレイしていることを示す例示的な流れ図である。 図１７は、一実施形態による、登録ユーザがゲームをするときのデータ・マイニング・プロセスを示す例示的な流れ図である。 図１８は、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイト上で認可された個人によるプレーヤのパフォーマンスの検討を示す例示的な流れ図である。 図１９は、一実施形態による、個人の能力、技能および関心を識別するために使用することができるゲームのタイプを示す図である。 図２０は、一実施形態による再利用ゲームの例を示す図である。 図２１Ａは、一実施形態による詳細データを収集するためのカスタムゲームの一例を示す図である。 図２１Ｂは、一実施形態による詳細データを収集するためのカスタムゲームの別の例を示す図である。 図２１Ｃは、一実施形態による詳細データを収集するためのカスタムゲームのさらに別の例を示す図である。 図２１Ｃは、一実施形態による詳細データを収集するためのカスタムゲームのさらに別の例を示す図である。 図２２は、一実施形態による顔認識を使用して詳細データを収集するためのカスタムゲームの例示的な流れを示す図である。 図２２は、一実施形態による顔認識を使用して詳細データを収集するためのカスタムゲームの例示的な流れを示す図である。 図２３は、一実施形態によるメロディ認識を使用して詳細データを収集するためのカスタムゲームの別の例示的な流れを示す図である。 図２４は、一実施形態によるパターン認識を使用して詳細データを収集するためのカスタムゲームの別の例示的な流れを示す図である。 図２５は、一実施形態による、異なる理解モードによって詳細データを収集するためのカスタムゲームの別の例を示す図である。 図２５は、一実施形態による、異なる理解モードによって詳細データを収集するためのカスタムゲームの別の例を示す図である。 図２６は、一実施形態による詳細データを収集するためのカスタムゲームの他の例を示す図である。 図２７は、一実施形態による能力分野を評価するための適合されたゲームの例を示す図である。 図２８Ａは、１若しくはそれ以上の開示された実施形態を実施することができる例示的な通信システムのシステム図である。 図２８Ｂは、ゲームを実施し、図２８Ａに示す通信システム内で使用することができる例示的なデバイスのシステム図である。 図２９は、個人の能力、技能および関心の識別を実施することができる例示的なプロセッサのブロック図である。 図３０は、Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの能力を理解するための研究の説明の図である。 図３０は、Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの能力を理解するための研究の説明の図である。 図３１は、認知技能を理解するため実行機能の説明の図である。 図３２は、ゲームを介して評価することができる７つのクラスタを有する３３個の自己調節機能の説明の図である。 図３３は、Ｈｏｌｌａｎｄの関心を理解するための研究の説明の図である。 図３３は、Ｈｏｌｌａｎｄの関心を理解するための研究の説明の図である。 図３３は、Ｈｏｌｌａｎｄの関心を理解するための研究の説明の図である。
自閉症は、当代の最も大きな子どもの流行病の１つであり、自閉症スペクトラムを罹患している最大１００万人の個人が、今後１０年間で成人期に移行することになる。具体的には、子ども６８人中１人（男児４２人中１人）が自閉スペクトラム症と確認されており（ＣＤＣ、２０１４年５月）、この率は、すべての非日常的な小児疾患（たとえば、若年性糖尿病、小児がんなど）を合わせた率よりも高い。最大１００万人の１０代自閉症患者が、米国で現在から２０３０年までに成人になると予測される。さらに、現在、米国で成人自閉症患者の約６５％〜８０％が失業している。雇用されている者は、就労時間がより少なく、他の障害を持つ成人よりも収入が少ない。多くの成人自閉症患者は独立した住居を有しておらず、親の支援を必要とする。
Ｌｏｎｄｏｎ Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓは、自閉症は英国で最も費用がかかり、心臓病、がんおよび脳卒中を合わせた費用を超えることを示している。
Figure 2018506120
したがって、これらの個人が充実した生活を追求するのを助けるための新しいツールが作製されない限り、今後数十年間は社会への負担になる可能性がある。
典型的な子どもの親は、学校成績、標準化されたテストの点数、課外活動の年数および夕食の会話を有して、成人への移行を助けることができる。たとえば、ＳＡＴ、ＡＣＴ、プロフェッショナル・インタレスト・バッテリなどの学校の成績と標準化されたテストの得点は、親が学校およびカレッジへの関心の大きさに対する自身の子どもの能力を評価するのに役立つ。ダンスおよびスポーツのような課外活動の年数ならびに夕食の会話は、筆記用具によって評価されない分野における関心および能力の基準として使用することができる。
しかしながら、これらの最も基本的な指針は、自閉症児の親にとっては、まったく信頼できないか、または、不足していることが多い。１０代自閉症患者は、成績およびテストの点数ではうまくいかない場合がある。１０代自閉症患者はうまくコミュニケーションすることができない。従来の手段で評価されていない分野で、１０代自閉症患者は、表現するための手段が欠けているために隠れたままになっている長所を有している可能性がある。したがって、プランニングのための重要なツールは多くの自閉症家族にとって欠けており、後年、理想的ではない中等後教育／職業訓練、不完全雇用／失業、ならびに住居および移動の問題がもたらされる。
一実施形態では、個人の能力、技能および関心を識別するシステムおよび方法は、当該個人の自閉症児の基礎能力、実行機能の技能および関心の方向性の見解を提供することができる。能力および関心を理解することは、中等後教育／職業計画を子どもが追求するのを支援するための第一歩である。具体的には、これは、親が、多くの能力および技能、特に学校および標準化されたテストでは従来評価されていない多くの能力および技能について、自身の子どもが現在の限界に達している（「行き詰まっている」）かを識別するのに役立つことができる。さらに、それは、研究が可能であることを示している技能、特に「実行機能」を、子どもが身につけるのに役立つ可能性がある。
一実施形態では、個人の能力、技能および関心を識別するシステムおよび方法は、３つの時間をかけて検証されたフレームワークを使用して、特徴を識別することができる。この３つの時間をかけて検証されたフレームワークは、Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの多重知能の研究、実行機能、およびＪｏｈｎ Ｈｏｌｌａｎｄのキャリア関心に関する研究を含む。
Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの多重知能の研究は、広範囲にわたる人間の能力を概説している。従来のテストによって評価される能力は、語学、論理学、および数学である。従来の評価ツールが見逃している他の能力は、空間的、身体的、運動的、音楽的、対人的、および内省的なものである。
多重知能は、知能を単一の一般的能力によって支配されるものとして考えるのではなく、特定の（主に感覚的な）「様式」へとそれを差別化する知能の理論である。心理学者は、知能を測定し、ＩＱスコアなどの単一因子によって表すことができると歴史的に信じてきた。多重知能は、３０年以上前にハーバード教育学大学院のＨｏｗａｒｄ Ｇａｒｄｎｅｒ教授によって進展されている異なる概念である。多重知能は、単一の知能ではなく、８つの異なる知能、すなわち、１）言語−語学的知能、２）論理−数学的知能、３）視覚−空間的知能、４）音楽的知能、５）身体−運動学的知能、６）対人的知能、７）内省的知能、８）自然を理解する知能があることを示唆している。Ｇａｒｄｎｅｒ教授は、各個人が８つのインテリジェンスすべての独自のブレンドを保持していると考えている。これらの８つの知能は図３０でさらに説明されている。
実行機能は、ともに機能して、人間がアウトプットを学習し、「生成」して目標を達成するのを助ける認知技能のセットを説明する。とりわけ、これらの技能には、注意を払い、覚え、質問し、効率および最適化を使用して解決策を開発する能力を統制する「自己調整」機能、「自己実現」機能、ならびに、他の人と効果的に交流し、独自の長期的計画および目標を作成することを可能にする「自己決定」機能が含まれる。実行機能の技能が崩壊すると、挙動がうまく制御されなくなり、それにより、人の、学校または職場に行く能力が制限される。
実行機能（ＥＦ）は、人の認識、感情、認知、および行動を指示する責任を負う精神プロセスのセットである。ＥＦの効果的な調整および制御により、情報を取り込んで処理し、行動を計画し、それらの計画を実行することができる。逆に、ＥＦの習得が効果的でないと、学校および仕事環境で困難をもたらす挙動が結果としてもたらされる。「実行機能のホラーキーモデル」の作成者である、Ｇｅｏｒｇｅ ＭｃＣｌｏｓｋｅｙ博士によると、５つの異なるレベルの実行制御がある。図３１を参照すると、自己調整レベルでは、ＨＭＥＦは３３の別個のＥＦ技能を指定している。これらの自己調整ＥＦ技能のうち約１５個は、図３２で説明されているように、ゲームを通じて評価され得る。
Ｊｏｈｎ Ｈｏｌｌａｎｄのキャリア関心に関する研究は、人々がどのように時間を過ごしたかに基づいてキャリアを探求するのに役立つ。ジョンズ・ホプキンズ大学のＪｏｈｎ Ｈｏｌｌａｎｄ教授は、このトピックについての長年にわたる研究によって、キャリア選好の類型を開発した。Ｈｏｌｌａｎｄの職業選好類型は一般的に、Ｈｏｌｌａｎｄのモデルにおける様々なタイプの頭文字を使用して、ＲＩＡＳＥＣと称される。Ｈｏｌｌａｎｄは、人々の選好は、１若しくはそれ以上のカテゴリ、すなわち、現実的（実行者）、研究的（思想家）、芸術的（創作者）、社会的（ヘルパー）、企業的（説得者）、および慣習的（まとめ役）に当てはまることを示唆している。これらの６つのカテゴリは、特定の仕事関連環境に対する選好を説明する。この理論では、自身が選択したキャリアに充実感を見出すためには、キャリアがその人の選好を反映するはずであるという概念が暗示されている。たとえば、「アウトドアの人」は、オフィスのパーティションで区切られた環境に進んで１日中座ってはいられない。ＨｏｌｌａｎｄのＲＩＡＳＥＣ類型は、どのタイプの仕事環境が最も興味深いのかを人々に訴求するのに役立つ。この類型は、過去数十年にわたってキャリアカウンセリングの専門家の間で広く受け入れられている。ＲＩＡＳＥＣおよびＨｏｌｌａｎｄコードについては、図３４でさらに説明している。
一実施形態では、個人の能力、技能および関心を識別するシステムおよび方法は、個人の能力（Ｇａｒｄｎｅｒの能力および実行機能の技能）の見解を、Ｈｏｌｌａｎｄが説明する見解と組み合わせることができ、それにより、各個人のプロフィールと一致した教育／職業選択の追求を可能にする。
図１は、一実施形態による、個人の能力、技能および関心を識別する例示的なシステムの概観を示すシステム図である。たとえば、サーバ２０は、プロセッサおよびメモリを有する。プロセッサに結合されたメモリは、プロセッサによって実行されると、プロセッサに、複数のゲームを示すゲームデータを受信する工程と、複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定する工程と、第１の比較ゲームパフォーマンスから個人特性を導出する工程と、その個人特性の指標を提供する工程とを有する動作を実行させる少なくとも１つの実行可能命令を有することができる。
複数のゲームの各ゲームは、人間の能力、認知技能、およびキャリア関心のような少なくとも１つの個人特性を評価するように設計されている。図１に示すように、複数のゲームの各ゲームを、モバイル通信デバイス１２、タブレット１４、コンピュータ１６、および、マルチメディア・コンソール・ゲーム１８内で実施して、個人の能力、技能および関心を評価することができる。各ゲームは、ゲームデータを無線および／または有線ネットワークを介してサーバ２０に送信することができる。第１の比較ゲームパフォーマンスは、たとえば、ゲームデータおよび比較ゲーム情報に基づいて決定される。比較ゲーム情報は、第１のゲームと関連付けられたゲームパフォーマンスと、複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示すことができる。
図２は、一実施形態による、個人の能力、技能および関心を識別するための例示的な流れを示す。たとえば、工程３０において、サーバにおいて、少なくとも１つの個人特性を評価するように設計された複数のゲームの各ゲームから、複数のゲーム示すゲームデータが受信される。個人特性は、個人の能力、技能、および／または関心を有し得る。ゲームデータが受信されると、工程３２において、サーバによって、複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定することができる。第１の比較ゲームパフォーマンスは、たとえば、ゲームデータおよび比較ゲーム情報に基づいて決定される。比較ゲーム情報は、第１のゲームと関連付けられたゲームパフォーマンスと、複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示すことができる。工程３４において、第１の比較ゲームパフォーマンスから個人特性を導出することができ、工程３６において、サーバによって、個人特性の指標を提供することができる。
一実施形態では、プレーヤは、ＰＣ、携帯電話、タブレット、またはマルチメディア・コンソール・ゲーム上でゲームをプレイすることができる。これらのゲームは、ゲームの焦点を絞ることによってＧａｒｄｎｅｒの多重知能のいくつかの態様、すなわち、語学、論理演算、空間、音楽を評価するように設計することができる。ＩＱテストと同様に、多重知能を測定する規定の方法はない。「ＭＩスコア」ではなく、人の能力、技能および関心の方向性の見解を提供することができる。この見解は、ますます困難になり、したがって特定の分野で最高のレベルに進むために特別な技能／知能を必要とするゲームを通じて得ることができる。プレーヤが課せられた課題にどのように反応するかに関するデータを分析することによって、プレーヤがそのゲームをプレイした他の人とどのように比較されるかの感覚を得ることができる。プレーヤが全プレーヤのトップ１０％の中にいる場合、これは得意分野になる可能性がある。
ゲームは、多重知能を正確に捕捉することができる。論理、数学、視覚、および空間などのいくつかのインテリジェンスは、他のものよりもゲームによって評価される方が良い可能性がある。Ｘｂｏｘ Ｋｉｎｅｃｔを使用して身体運動能力を評価するための新しい技術を開発／統合しながら、対人関係の技能を評価するための追加のゲームを作製することができる。
ゲームは、３３の自己調整機能に焦点を当て、自己実現および自己決定に移行する、実行機能を評価するように設計することができる。実行機能は、従来、訓練された心理学者および専門家による直接観察によって測定されている。ＭｃＣｌｏｓｋｅｙ博士は、ＭｃＣｌｏｓｋｅｙ実行機能スケール（ＭＥＦＳ）を作成することによって、この分野を進展させている。ＭＥＦＳは、親、教育者、他の専門家、および、個人自身の３６０°の見識を提供することができル場合は個人自身によって回答を埋めることができる。ＭＥＦＳによる直接観察に加えて、ゲームは、ゲームを使用して検出することができるいくつかのＥＦ技能に関するプレーヤのプロフィールを提供することもできる。
効果的な実行機能は、教室と職場の両方で重要であると考えられている。ＥＦ技能を効果的に習得することで、人が注意を払い、関与し、自身の計画を最適化して効率を達成し、解決策を生成／実行することが可能になり得る。これらは、教室と職場の両方で成功することを可能にする技能である。
これらのゲームは、キャリア関心調査の双方向性バージョンを通じて、Ｈｏｌｌａｎｄインタレストバッテリを評価するように設計することができる。ＲＩＡＳＥＣを評価する際、自閉症、失読症などを患う個人の相当部分がこれらのツールを使用するのが困難なため、従来のＲＩＡＳＥＣ単語ベースの調査は使用されない可能性がある。代わりに、画像ベースのキャリア関心評価ツールを使用してキャリア関心を評価することができる。画像ベースのキャリア関心評価ツールは、テキスト、画像、および音声を使用して提示されるキャリアの対の間で選択するように参加者に要求することができる。ＲＩＡＳＥＣタイプのこのマルチメディア提示は、受験者が各項目を本当に理解する可能性を最大にすることができる。離散選択分析の科学を使用して、最も好ましい仕事環境を、より従来的な手法よりも効果的に推測することができる。個人の主要な仕事の関心を識別するためのキャリア関心評価を使用することができる。この情報を使用して、個人が充実感を見出すことができるキャリアを識別することができる。
一実施形態では、身体運動を必要とするゲームは、身体運動の態様を評価するように設計することができる。たとえば、Ｘｂｏｘ Ｋｉｎｅｃｔモーションディテクタを使用したゲームでは、身体運動の態様を評価する。別の実施形態では、ゲームは、Ｓｋｙｐｅなどのビデオ会議ツールを使用して、上述した個人の能力、技能および関心を遠隔で評価するように設計することができる。加えて、ゲームは、国内外のセンターでの本人が直に評価を実施するように設計することもできる。
図３は、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトのトップレベルのプロセスの流れを示す。図３に示すように、個人の能力、技能および関心を識別するシステムおよび方法を実装するウェブサイトにアクセスするユーザは、自分のアカウントを登録し、ゲームをプレイし、Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの多重知能研究、実行機能、およびＪｏｈｎ Ｈｏｌｌａｎｄのキャリア関心に関する研究に関する情報を受け取り、完了したゲームの結果をダッシュボードを通して検討することができる。
図４Ａ〜図４Ｅは、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイトの様々なアカウント登録フローを示す。ウェブサイトは、ユーザの年齢に基づいて異なる登録アルゴリズムを有することができる。図４Ａは、１２歳以下の子どものアカウント登録フローを示す。図４Ｂは、１３歳〜１７歳の子どものアカウント登録フローを示す。図４Ｃは、１８歳を超える子どもまたは成人のアカウント登録フローを示す。図４Ｄは、親のアカウント登録フローを示す。図４Ｅは、教育者のアカウント登録フローを示す。
一実施形態では、登録は無料であり、ユーザがゲームのすべてのレベルに完全にアクセスできるようにする必要があり得る。子どもの能力、技能、関心についての親のレポートにアクセスするには、加入が必要であり得る。これらのレポートは、親が子どものために得意分野を発掘し、充実した将来を計画するのに役立つ貴重な洞察を提供することができる。
図５は、一実施形態による、個人の能力、技能および関心を評価する用に設計されているゲームのデータ収集の流れを示す。ユーザがゲームをプレイすると、ゲームデータが、アプリケーション・プログラミング・インターフェース（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍｉｎｇ ｉｎｔｅｒｆａｃｅ：ＡＰＩ）を使用してデータベースに格納される。ゲームデータは、有線／無線ネットワークを介してクラウドサーバに送信することができる。様々なゲームによってレベルおよび周回毎に収集されるデータ要素の例は以下のとおりである。
日付／タイムスタンプ
レベル数
レベルは首尾良く完了した（はい／いいえ）？
スコア
利用可能な時間
使用時間
利用可能な使用時間の％
駐車場内の車の数
理論的な最小移動数
行われた移動の数
使用されたミラーの数
必要な理論上の最小ミラー
ヒントモードが使用された（はい／いいえ）
可能な単語数
正しい単語数
見逃した単語数
グリッド上の正方形の数
数または空白スペースを間違ってクリックした
記憶されるべき数列内の高い数字
隠れた卵の数
見つかった卵の数
間違ったクリック数
ヒントが使用された回数
正答数
誤答数
レベル内の子どもの数
レベル内の成人の数
レベル内の高齢者の数
レベル内で表示されている問題の数
不正確なマッチの数
数字間のスペースの最大数
行内に表示されたボールの総数
発射された（ｆｉｒｅｄ）ボールの数
マッチを完了するためにユーザが正しいボールをクリックした回数
ボーナスポイントのために同じ数をグループ化するためにユーザが発射した回数
最後にクリアされなかったボールの数
表示されている固有アイテムの数
表示されている重複アイテムの数
クリックされていない重複アイテムの数
正しいクリックの数
誤ったクリックの数
表示されている図形の数
使用されている図形の数
破棄された図形の数
触れられていない図形の数
回転数
キューブの総数
見えるキューブの数
隠れたキューブの数
間違った回答の数
シーソーの数
問題の重みの数
誤った回答の数
比較すべき画像の数
発見すべき相違点の数
間違ったクリック数
使用されたヒントの数
マトリックスサイズ
回転数
総クリック数
電球（Ｂｕｌｂ）の数
総クリック数
完了までの理論的な最小クリック数
リセット回数
図６は、一実施形態による比較ゲーム情報を生成する流れの一例を示す。比較ゲーム情報は、ゲーム内で他のプレーヤと比較してプレーヤがどのようにプレイするかを示すことができる。比較ゲーム情報は、ベンチマークテーブルのフォーマットを有することができる。
図６を参照すると、ベンチマークテーブルを作成するプロセスは、様々なゲームをプレイしたすべてのプレーヤを調べて、ベンチマークテーブルを生成することができる。ベンチマークテーブルは、９９パーセンタイル、９８パーセンタイルなどにある必要があるスコアおよび／またはパフォーマンスレベルの決定に役立つことができる。図６に示すように、能力分野は、論理、数学、音楽、注意、集中などであり得る。フィルタは、すべてのプレーヤを見るか、または、（他の可能性の中でも）性別、年齢、臨床診断などに基づいて、比較セットを選択することを可能にすることができる。一実施形態では、定期的に、たとえば毎時間、ｘ時間毎に、または毎日、バッチプロセスを開始することができる。バッチプロセスの期間は、予め決定されていてもよい。
図７は、一実施形態によるプレーヤのパフォーマンスを判定する流れの一例を示す。図６で説明したように、ベンチマークテーブルが計算されると、プレーヤのレベルを決定するプロセスを使用して、データベース内の各プレーヤが、プレーヤがプレイしたゲームからのデータを使用して他のすべてのプレーヤと比較してどのような立ち位置にあるかを決定することができる。図７において、能力分野は論理、数学、音楽、注意、集中などであり得る。フィルタは、すべてのプレーヤを見るか、または、（他の可能性の中でも）性別、年齢、臨床診断などに基づいて、比較セットを選択することを可能にすることができる。一実施形態では、定期的に、たとえば毎時間、ｘ時間毎に、または毎日、バッチプロセスを開始することができる。バッチプロセスの期間は、予め決定されていてもよい。
図８は、一実施形態によるダッシュボード上でプレーヤの相対パフォーマンスを報告する流れの一例を示す。様々なフィルタグループでの他のプレーヤのパフォーマンスに対するプレーヤの相対的なパフォーマンスが決定されると、得られたデータは、ダッシュボードを使用して親および他の認可された成人に表示することができる。図８において、フィルタは、すべてのプレーヤを見るか、または、（他の可能性の中でも）性別、年齢、臨床診断などに基づいて、比較セットを選択することを可能にすることができる。能力分野はここでも、論理、数学、音楽、注意、集中などであり得る。
図９は、一実施形態によるプレーヤの相対パフォーマンスを報告する流れの別の例を示す図である。図８において説明したように、様々なフィルタグループでの他のプレーヤのパフォーマンスに対するプレーヤの相対的なパフォーマンスが決定されると、得られたデータは、ダッシュボードを使用して親および他の認可された成人に表示することができる。図９において、フィルタは、すべてのプレーヤを見るか、または、（他の可能性の中でも）性別、年齢、臨床診断などに基づいて、比較セットを選択することを可能にすることができる。能力分野はここでも、論理、数学、音楽、注意、集中などであり得る。
一実施形態では、ゲーム結果およびレポートは、サービスに加入している親および／または専門家に送信することができる。認可された親および／または専門家は、ウェブサイトを通じて個人に関するレポートを閲覧することができる。親（または加入している教育者／専門家）は、親の裁量で他の人にレポートを送信する選択肢を有し得る。
図１０は、一実施形態による、ユーザがウェブサイトに入るときの、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。一実施形態では、ウェブサイトは、人工知能エンジン用のユーザインターフェースとしてアバタを含むことができる。アバタは、人工知能、自然言語、および音声認識を使用して、ユーザを関与させることができる。アバタは複数のチャネルおよびモバイルデバイスにわたって使用することができる。アバタは、ユーザの質問に受け答えすることができる。アバタはまた、ユーザにコーチング、教育、モニタリング、およびリマインドすることもできる。
たとえば、アバタは、自閉症、ＡＤＨＤ、失読症、他の医学的状態に関する情報をユーザに提供することができる。アバタはまた、多重知能、実行機能、および仕事／キャリア関心に関する情報を提供することもできる。アバタは、ユーザが自閉症、ＡＤＨＤ、失読症、他の医学的状態、多重知能、実行機能、および職業／キャリア関心について尋ねる質問に回答することができる。アバタは、ユーザがプレイすべきゲームを示唆することができる。アバタは、プレーヤに仕事の選択肢の間での選択を依頼することができる。アバタの音声は、実際の人物の録音によって実現されてもよい。アバタは漫画であってもよい。アバタは、口頭で生成されたテキストの擬人化であってもよい。
図１１は、一実施形態による、ユーザがゲームプレイを選択するときの、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。
一実施形態では、ゲームは、子ども、十代の若者および成人が携帯電話、ＰＣ、またはタブレットでプレイするのが面白いと感じるカジュアルゲームとすることができる。これらのゲームは、３つの重要な分野、すなわち多重知能、実行機能、およびキャリア関心に対する洞察を提供するように設計することができる。ゲームの継続時間は、数分から数十分の範囲で広範囲に変化する可能性がある。これは、プレーヤの向上すべき能力および続ける上での関心によって異なる場合がある。ゲームは、プレーヤに停止または継続のための選択肢を与えることができる。
別の実施形態では、ゲームは直感的であり、指示を必要としないように設計することができる。親／成人は人の能力を試験するため、親／成人は個人のプレイを手伝わない（その人が運動に障害があり、運動支援によって恩恵を受けることができる場合を除く）。ゲームは１０代自閉症患者のために設計されているが、あらゆる年齢で臨床診断に関係なく誰でもプレイすることができる。
図１２は、一実施形態による、個人の能力、技能および関心を学習するための情報ページをユーザが選択するときに、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。図１２に示すように、情報ページには、Ｈｏｗａｒｄ Ｇａｒｄｎｅｒの多重知能、Ｇｅｏｒｇｅ ＭｃＣｌｏｓｋｅｙの実行機能（ＥＦｓ）に関する研究、およびＪｏｈｎ Ｈｏｌｌａｎｄのキャリア関心に関する研究の詳細が説明されている。
図１３は、一実施形態による、ユーザがダッシュボードページを選択して結果を検討するときの、個人の能力、技能および関心を識別する例示的なウェブサイトのスクリーンショットである。ダッシュボードページは、ゲームから送信されるゲームデータに基づく、個人のＧａｒｄｎｅｒ知能、ＥＦｓ、およびキャリア関心の分析を含むことができる。
図１４は、一実施形態による、ユーザがディープ・ダイブ・ページを選択して結果をさらに検討するときの、個人の能力、技能および関心を識別する別の例示的なウェブサイトのスクリーンショットである。ダッシュボードページには、個人のＧａｒｄｎｅｒ知能、ＥＦｓ、キャリア関心のうちの１つの詳細な分析が表示され得る。
図１５は、一実施形態による、個人の能力、技能および関心を識別するための例示的なウェブシステムの概観を示すシステム図である。個人の能力、技能および関心を識別するシステムは、レポートエンジン、ゲームデータ収集部、登録／加入データ収集部、データウェアハウス、コンテンツデータベース、データ抽出およびデータ・マイニング・プロセスを有することができる。
図１６は、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイト上のゲームを登録ユーザがプレイしていることを示す例示的な流れ図である。この例示的な実施形態では、登録された１３歳の子どもは、サイトに戻ってＷｏｒｄ Ｇｒｉｄなどのゲームをプレイすることができる。たとえば、子どもがウェブサイトにログインし、その子どもが認可されたユーザであるか否かを確認するための認証が実施される。子どもが認証されると、その子どもはホームページ上の人間のアバタによって挨拶される。子どもがＷｏｒｄ Ｇｒｉｄのようなゲームを選択した場合、人間のアバタによってゲームが説明される。子どもはＷｏｒｄ Ｇｒｉｄをプレイする。子どもが時間制限付きレベルを完了すると、ゲームＡＰＩが実行され、ゲーム固有のパラメータをコンテンツデータベースにポストする。パラメータは、ゲームＩＤ、子どもＩＤ、日付、スコア、可能な単語数、正しい単語数、見逃した単語数、使用されたヒント数、利用可能なレベル時間、および使用されたレベル時間を含み得る。
図１７は、一実施形態による、登録ユーザがゲームをするときのデータ・マイニング・プロセスを示す例示的な流れ図である。ゲーム特有のパラメータがコンテンツデータベースにポストされると、システムスケジューラがデータ抽出プロセスを開始することができる。データ抽出プロセスが開始されると、新しいレコードがコンテンツデータベースから抽出され、ゲームプレイ統計が利用可能な各メトリックについて標準化される。たとえば、Ｗｏｒｄ Ｇｒｉｄによって測定される能力には、語学および空間があり得る。Ｗｏｒｄ Ｇｒｉｄによって測定される実行機能は、注意／知覚、注意／集中、および解決／生成を含み得る。ゲームプレイ統計が各メトリックについて標準化されると、人、データ、およびメトリックレベルでロードされた未処理スコアが、以下の式で計算される。
Ｗｏｒｄ Ｇｒｉｄ独自の計算
−語学−（レベル＊１０）＋（可能な単語数＋正しい単語数）−見逃した単語＋（ヒント値）
−空間−（レベル＊１０）＋（正しい単語数）
測定されるＷｏｒｄ Ｇｒｉｄ実行機能
−注意／知覚−（可能な単語数＋正しい単語数＋使用された時間）
−注意／集中−使用された時間＋（使用された時間の割合＊１０）＋正しい単語数
−解決／生成−（正しい単語数＋見逃した単語数＋（ヒント値）
未処理スコアが計算されると、各メトリックの測定毎にゲームプレイ統計が平均化され、各メトリックの子どもの平均がデータウェアハウスにポストされる。ベンチマークはメトリック毎に再計算され、各子どものパーセンタイルが日毎、メトリック毎に計算される。これらのベンチマークおよび子どものパーセンタイルは、各メトリックのデータベースにポストされる。
図１８は、一実施形態による、個人の能力、技能および関心を識別するためのウェブサイト上で認可された個人によるプレーヤのパフォーマンスの検討を示す例示的な流れ図である。図１８に示すように、親および認可された成人は、ウェブサイトに戻ってプレーヤのパフォーマンスを検討することができる。プレーヤのパフォーマンスを検討することを所望する成人は、まずウェブサイトにログインし、成人に対する認証が処理される。成人が認証されると、人間のアバタがホームページで成人に挨拶する。プレーヤパフォーマンスを検討するために、成人はダッシュボードを選択し、結果を検討する子どもを選択する。成人は、データベース内で、検討するために認可されている子どもにリンクされる。成人にリンクされている複数の子どもがいる場合、成人には、検討する子どもを選択するよう促すことができる。成人にリンクされている子どもが１人だけの場合、その子どもの結果がデフォルトで表示される。
子どもが選択されると、その子どもの結果レポートがコンパイルされ、フォーマット化される。成人はフィルタを適用して複数の地区母集団の子どもにわたって子どもを比較することができる。利用可能なレポートフィルタには、以下のものがあり得る。
−子どもの臨床診断
−子どもの性別
−子どもの年齢グループ−１３歳未満／１３歳〜１７歳／１８歳以上
フィルタが適用された後、その子どもの結果レポートが再びコンパイルされ、フォーマット化され得る。成人は、ベンチマークと比較して、子どもの要約結果を検討することができる。一実施形態では、成人はフィルタを適用して子どもの複数の個別の母集団にわたって子どもを比較することができる。結果レポートは、子どもの能力の詳細な分析、キャリア関心の詳細な分析、および実行機能の詳細な分析を含み得る。
図１９は、一実施形態による、個人の能力、技能および関心を識別するために使用することができるゲームのタイプを示す。個人の能力、技能および関心を評価するように、３つのタイプのゲーム、すなわち、再利用、カスタム、および適合を設計することができる：。再利用ゲームは、データ収集を可能にするように既存のゲームを修正したゲームであり得る。再利用ゲームは、数学、論理、空間などの選択された能力分野に適用可能であり得る。カスタムゲームは、より多くのデータを捕捉し、または、現在のゲームでは不可能ないくつかの分野を探索するように開発されたゲームであり得る。適合ゲームは、現在評価されていないまたは評価されている段階にある技能分野を評価するための新しいゲームとして開発されているゲームであり得る。
図２０は、一実施形態による再利用ゲームの例を示す図である。図２０に示すように、再利用ゲームは、論理、空間処理、視覚記憶、数学、および語学などの能力を評価することができる。論理の再利用ゲームは、Ｐａｒｋｉｎｇ Ｌｏｔ、Ｓｅｅｓａｗ Ｌｏｇｉｃ、Ｒａｉｎｂｏｗ Ｍｅｃｈａｎｉｃ、およびＣｈｒｉｓｔｍａｓ Ｔｒｅｅ Ｌｉｇｈｔ−ｕｐを含み得る。空間処理のための再利用ゲームは、Ｓｐｏｔ ｔｈｅ Ｄｉｆｆｅｒｅｎｃｅ、Ｓｈａｒｅ Ｉｎｌａｙ、Ｃｏｕｎｔ ｔｈｅ Ｃｕｂｅｓ、およびＣｏｕｎｔ ｔｈｅ Ｓｈｅｅｐを含み得る。視覚記憶の再利用ゲームは、Ｐａｔｔｅｒｎ Ｍｅｍｏｒｙ、およびＭｅｍｏｒｙ ＩＩＩを含み得る。数学の再利用ゲームは、Ｂｕｓ Ｄｒｉｖｅｒ Ｍａｔｈ、およびＱｕｉｃｋ Ｃａｌｃｕｌａｔｅを含み得る。語学の再利用ゲームは、Ｗｏｒｄ Ｓｅａｒｃｈを含み得る各再利用ゲームはまた、いくつかの実行機能、たとえば、集中、従事、開始および停止、記憶操作、優先順位付け、時間感受性を評価することもできる。
レベル終了時に収集され、ＡＰＩに渡されるＴｈｅ Ｐａｒｋｉｎｇ Ｌｏｔのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
駐車場内の車の数
理論的な最小移動回数
行われた移動の数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＲａｉｎｂｏｗ Ｍｅｃｈａｎｉｃのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
使用されたミラーの数
必要な理論上の最小ミラー
ヒントモードが使用されているか否か（はいまたはいいえ）
レベル終了時に収集され、ＡＰＩに渡されるＷｏｒｄ Ｇｒｉｄのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
可能な単語数
正しい単語数
見逃した単語数
ヒントが使用された回数
レベル終了時に収集され、ＡＰＩに渡されるＳｅｑｕｅｎｃｅ Ｍａｓｔｅｒのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
グリッド上の正方形の数
数字または空白スペースを間違ってクリックした（はいまたはいいえ）
記憶されるべき数列内の高い数字
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＥａｓｔｅｒ Ｅｇｇ Ｈｕｎｔのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
隠れた卵の数
見つかった卵の数
間違ったクリック数
ヒントが使用された回数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＰａｔｔｅｒｎ Ｍｅｍｏｒｙ ＩＩのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
グリッド内のブロックの総数
使用されている色の数
誤ったクリックの数
誤った色または空白の正方形を誤ってクリックした（はいまたはいいえ）
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＣｏｕｎｔ ｔｈｅ Ｓｈｅｅｐのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
移動している羊を見るのに利用可能な時間
回答するのに使用される時間
羊の数
オオカミの数
与えられた回答
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＢｕｓ Ｄｒｉｖｅｒ'ｓ Ｍａｔｈのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
正答数
誤答数
レベル内の子どもの数
レベル内の成人の数
レベル内の高齢者の数
レベル内で表示されている問題の数
レベル終了時に収集され、ＡＰＩに渡されるＳｐｏｔ ｔｈｅ Ｄｉｆｆｅｒｅｎｃｅ ＩＩのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
利用可能な使用時間の％
画像名
正答数
間違ったクリック数
使用されたヒントの数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡される Ｎｕｍｂｅｒ Ｔｗｉｎｓのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
不正確なマッチの数
マッチされている数の間のスペースの最大数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＭａｔｈ Ｌｉｎｅｓのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
現れたボールの総数
発射されたボールの数
マッチを完成させるためにボールが発射された回数
同じ数字のボールの隣でボールが発射された回数
消されなかったままのボールの数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＭｏｒｅ ｏｆ Ｌｅｓｓのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
マトリックス内の正方形の数
使用された演算子（ｍｏｒｅまたはｌｅｓｓ）
誤答数
レベル終了時に収集され、ＡＰＩに渡されるＤｏｕｂｌｅ Ｂｕｂｂｌｅのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
使用された利用可能な時間のパーセント
表示されている固有アイテムの数
表示されている重複アイテムの数
クリックされていない重複アイテムの数
正しいクリックの数
誤ったクリックの数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＳｃｅｎｅ Ｍｅｍｏｒｙのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
画像を見るために利用可能な時間
回答するのに使用される時間
レベル内のアイテムの数
変更されたアイテムの数
見つかった正しいアイテムの数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＦｉｎｄ ｔｈｅ Ｓｕｓｐｅｃｔのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
見つかった容疑者の数
選択された画像
正しい画像
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＦｉｎｄ ｔｈｅ Ｐａｉｒのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
利用可能な時間
使用された時間
正しい図形
表示される図形の総数
間違いの数
レベル終了時に収集され、ＡＰＩに渡されるＳｈａｐｅ Ｉｎｌａｙのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
表示されている図形の数
使用された図形の数
廃棄された図形の数
触れられていない図形の数
回転数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＱｕｉｃｋ Ｃａｌｃｕｌａｔｅのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
質問
正答
誤答数
レベル終了時に収集され、ＡＰＩに渡されるＣｏｕｎｔ ｔｈｅ Ｃｕｂｅｓのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
キューブの総数
見えるキューブの数
隠れたキューブの数
誤答数
ヒントボタンがクリックされた回数
レベル終了時に収集され、ＡＰＩに渡されるＳｅｅｓａｗ Ｌｏｇｉｃのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
シーソーの数
問題の重みの数
誤答数
レベル終了時に収集され、ＡＰＩに渡されるＳｐｏｔ ｔｈｅ Ｄｉｆｆｅｒｅｎｃｅのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
表示されている顔の数
発見すべき相違点の数
間違ったクリック数
使用されたヒントの数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＭｅｍｏｒｙ ＩＩＩのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
表示されているペアの数
総クリック数
レベル終了時に収集され、ＡＰＩに渡されるＭｏｖｉｎｇ Ｍｅｍｏｒｙのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
マトリックスサイズ
回転数
総クリック数
レベル終了時に収集され、ＡＰＩに渡されるＣｈｒｉｓｔｍａｓ Ｔｒｅｅ Ｌｉｇｈｔ Ｕｐのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
使用されたヒントの数
電球の数
総クリック数
完了までの理論的な最小クリック数
リセット回数
レベル終了時に収集され、ＡＰＩに渡されるＭａｔｈ Ｓｅａｒｃｈのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
式
誤答数
ゲームが延長された回数
レベル終了時に収集され、ＡＰＩに渡されるＭｅｍｏｒｙのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
総クリック数
レベル終了時に収集され、ＡＰＩに渡されるＴｏｗｅｒ ｏｆ Ｈａｎｏｉ ＩＩのゲームデータは、以下を含み得る。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）
スコア
使用された時間
総移動数
理論的な最小移動回数
ゲームが延長された回数
図２１Ａ、図２１Ｂ、および図２１Ｃは、一実施形態による詳細データを収集するためのカスタムゲームの例を示す。図２１Ａのゲーム１ Ｇｒｅａｔｅｒは、各々が数または式を表示する２つの「カード」を示すことによって動作することができる。数字は適応的に提示することができ、その難易度は高校幾何学まで増大することができる。プレーヤは、いずれのカードの値がより大きいかを選択するよう求められる（または、等しい場合は「等しい」ボタンをクリックする）。このゲームでは、［２０］レベルを通じて何度が増大していく問題を表示する。いくつかのパラメータ：
−プレーヤはあるレベルで３つの問題を完了して、次の問題に進むことができる
−プレーヤはレベル１〜１０では問題を解くのに最大１分、レベル１１〜２０については２分を有する
−プレーヤが５つの問題を誤答するとゲームは終了し得る
システムは、２つのカードを表示するために、以下を含む複数のパラメータをランダムに選択する必要があり得る。
−各カードに表示するための問題のタイプ（たとえば、加算、物体の面積、代数方程式など）
−問題で使用される数値
−いくつかの問題タイプで使用されることになる数学演算子（たとえば、括弧のある問題）
１１の問題タイプがある。
加算
減算
乗算
除算
指数
正方形、長方形、円の周
三角形の周
正方形、長方形、円の面積
三角形の面積
体積
各括弧が上記の問題カテゴリのいずれかを含み得る、括弧のある式−たとえば、（３４２−１２５）Ｘ（５３−３２）
ゲームが開始されると、スコアが計算される前に「レベル０」が提示されて、プレーヤにゲームの感触が与えられる。完了後、レベル１でゲームが開始する。３つの正答が完了すると、システムは「おめでとうございます。レベル１を完了しました。レベル２に移動します」と表示することができる。レベル１０を完了した後、システムは「おめでとうございます。レベル１０を完了しました。止めますか、続けますか？」と表示することができる。「止める」および「続ける」ボタンが表示され得る。プレーヤが続行することを決定した場合、システムは「間違った問題」カウンターをゼロにリセットし、間違った問題のカウントを再び開始する。ゲームが終了すると、または、プレーヤがゲームを終了することを選択すると、「おめでとう！」と表示され、最後の５つのスコアと比較したこのゲームのプレーヤのコアが表示される。
ポイントは以下のように獲得することができる。
−正答：問題に正答するたびに、以下のような２つの構成要素に基づいてポイントが授与される。
■レベル番号に１０が乗算され、その値がプレーヤに「正答ポイント」として与えられる（たとえば、レベル１の正答は１０ポイントになる。レベル２０の正答は２００ポイントになる）。
■１秒が残る毎に「タイムボーナスポイント」としてポイントが授与される。
−レベルボーナス：レベルが終了するたびに、そのレベルの数に１００が乗算され、それらのポイントが与えられる（レベル１の完了時に１００ポイント、レベル２０の完了に対して２，０００ポイントが授与される）
−連続正答ボーナス：
■５つの問題を連続して正答すると、最後の正答に対して５倍のポイントが授与される（たとえば、５つの連続した問題において最後の正答で１００ポイントを獲得した場合、５シリーズボーナスは５００である）
■１０個の問題を連続して正答すると、結果として最後の正答に対して１０倍のポイントが授与される
ポイントは、誤答すると差し引かれ得る。レベル数の５倍に等しいポイントが、誤答毎に差し引かれ得る。
Ｇｒｅａｔｅｒの以下の要素がキャプチャされ、ＡＰＩに返される。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）？
スコア
利用可能な時間
使用時間
利用可能な使用時間の％
このゲームの開始から最も頻繁に正答された問題タイプ
このゲームの開始から最も頻繁に誤答された問題タイプ
次の項目は、各質問がプレーヤにポストされる毎にＡＰＩの外部のファイルにダンピングすることができる。
ユーザＩＤ
日付／タイムスタンプ
レベル
問題タイプ
課されている問題
与えられた回答
正答（はい／いいえ）？
利用可能な時間
使用時間
図２１Ｂのゲーム２ Ｍｏｔｉｏｎは、画像を表示することによって動作することができる。画像は適応的に提示することができ、その難易度を最大１５の同時フレームまで増大させて、マルチタスキングを評価することができる。各フレーム内のオブジェクトの数を変えて、論理的推論および優先順位付けを評価することができる。図２１Ｃのゲーム３ Ｂｅｒｓｅｒｋは、ＧｒｅａｔｅｒとＭｏｔｉｏｎとを１つの同時ゲームに結合することができる。カードおよび画像を適応的に提示することができる。
図２２は、一実施形態による顔認識を使用して詳細データを収集するためのカスタムゲームの例示的な流れを示す。ゲームＦａｃｅｓは、様々な活動に従事している人々の複雑になっていく画像を適応的に提示し続け、質問することができる。尋ねられる質問は以下を含み得る。
−Ｄｅｒｅｋのギターの色は何ですか？
−最後の画像には何人の顔がありましたか？
−フォルダを持っていた人は何人ですか？
−人々は黄色のフォルダをいくつ持っていましたか？
Ｆａｃｅｓが開始されると、レベル０でプレーヤに１人の画像が提示される。個人は画像および画像内の人物の名前を見るのに５秒をかけることができる。注目すべき３つの要素は、（１）人の名前、（２）画像内で人は何をしているのか、および（３）衣服の色または模様、画像内の人が何を持っているのか、人の周囲の環境などのような疑わしい態様である。指定した時間にわたって画像が表示された後、その個人の顔に対して調整された画像が出現し得る。この時点で、プレーヤは、システムによってランダムに選択された以下の質問のいずれか１つを尋ねられ得る。
−表示されている画像内の個人の名前は何ですか？ ソフィア
−ソフィアは何をしていますか？ テニスをしている
−ソフィアは何を持っていますか？ テニスラケット
システムはプレーヤが選択する４つの選択肢を与えることができる。
Ｆａｃｅｓは４人の人物の画像に応用することができる。たとえば、「Ｍａｒｉｌｙｎ、Ｊａｙｄｅｎ、Ａｎｄｙ、Ａｕｂｒｉｅ」の名前がそれぞれリストされている、４人の人物がいる画像を指定時にわたって間表示することができる。尋ねられる質問は以下を含み得る。
−Ｍａｒｉｌｙｎの靴の色は何ですか？ 赤色
−Ｊａｙｄｅｎは何を持っていますか？ クリップボード
−Ａｎｄｙのフォルダの色は何ですか？ 紫色
−彼女の名前は何ですか？ Ａｕｂｒｉｅ
レベル１では、クイズ前の１枚の画像に対して、プレーヤには、１人の顔がある画像の中からランダムに選択された画像を５秒間提示することができる。システムは次に、表示されたばかりの画像についてランダムに選択された質問を表示することによって、プレーヤに質問する。プレーヤが誤答した場合、プレーヤは個人の完全な画像で正答を示される。その後、システムは工程１を繰り返す。プレーヤが正答した場合、工程２に進む。
クイズ前の２枚の画像について、プレーヤには１人の顔がある新たな画像を５秒間表示することができる。プレーヤには、１人の顔がある別の新しい画像を５秒間表示することができる。システムは、選択画像について３つの可能なクイズ質問のうちの１つをランダムに選択してプレーヤに質問する。プレーヤが誤答した場合、クイズの工程の前にこれらの２つの画像を繰り返す。プレーヤが正答した場合、次の工程に進む。
クイズの前に３枚、クイズの前に４枚の画像を表示することで、ゲームはますます難しくなる可能性がある。プレーヤが４枚の画像の後に質問に答えると、レベルアップする。
レベル２以降はレベル１と同じように動作することができるが、システムは２人以上の顔がある画像からランダムに選択することができる。
レベル：
レベル１：１人の顔
レベル２：２人の顔
レベル３：３人の顔
レベル４：４人の顔
レベル５：５人の顔
レベル６：６人の顔
レベル７：７人の顔
レベル８：８人以上の顔
プレーヤに質問するとき、システムはその時点までに表示された任意の顔から選択することができる。すなわち、プレーヤはたとえレベル３（３人の顔の画像）にあり得るとしても、システムは依然としてレベル１の間に表示されている顔から選択することができる。
以下の３つの質問のいずれかに正答すると、プレーヤにポイントを与えることができる。（１）個人の名前、（２）個人の活動、および（３）固有の質問に対する回答。プレーヤは、１人の顔の画像で１００ポイント、２人の顔の画像で２００ポイント、３人の顔の画像で３００ポイントなどを獲得することができる。ポイントは誤答について取り去られない。Ｆａｃｅｓゲームは、プレーヤが２０回の正答または５回誤答すると終了する。
各レベルの終わりに、システムはＡＰＩを使用して以下のデータ要素を記録することができる。
日付／タイムスタンプ
レベル
スコア
提示された名前質問の数
正答した名前質問の数
提示された活動質問の数
正答した活動質問の数
提示された固有の質問の数
正答した固有の質問の数
正答のために介在する画像の最大数（すなわち、どれだけ戻ればプレーヤが顔を思い出すことができるか）
各レベルの終わりに、システムはまた、ＡＰＩを使用して以下のデータ要素を記録することもできる。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）？
スコア
正しい名前の数
男性名を訂正した数
男性名を訂正した数
正しい名前の割合
男性名を訂正した割合
男性名を訂正した割合
正しい活動の数
正しい活動の割合
プレーヤが名前を正答した画像内の人の最大数
画像に１人の人がいる場合の正答数
画像に２人の人がいる場合の正答数
画像に３人の人がいる場合の正答数
画像に４人の人がいる場合の正答数
画像に５人の人がいる場合の正答数
画像に６人の人がいる場合の正答数
画像に７人の人がいる場合の正答数
画像に８人以上の人がいる場合の正答数
画像に１人の人がいる場合の正答の割合
画像に２人の人がいる場合の正答の割合
画像に３人の人がいる場合の正答の割合
画像に４人の人がいる場合の正答の割合
画像に５人の人がいる場合の正答の割合
画像に６人の人がいる場合の正答の割合
画像に７人の人がいる場合の正答の割合
画像に８人以上の人がいる場合の正答の割合
図２３は、一実施形態によるメロディ認識を使用して詳細データを収集するためのカスタムゲームの別の例示的な流れを示す図である。ゲームＭｅｌｏｄｉｅｓは、すでにメロディを知っているか否かではなく、音楽的記憶をテストすることができる。そのため、このゲームの真価は、プレーヤがメロディを間違えた後に何が起こるかを理解することに由来するものであり得る。すなわち、出題側がメロディを再び提示したときに、プレーヤがメロディの名前を思い出すことができるか否かである。プレーヤがすでに作品を知っているという事実は、プレーヤのスコアを増大させるのに役立つが、ゲームの真価は、ゲームが最初にプレイされたとき対２回目または３回目または４回目にプレイされたときで正答を追跡することである。
システムは、レベル０の練習回では、１つの画面で快い背景を表示し、クリップを再生し、プレーヤに４つの選択肢から選択するよう求めることができ、そのうち３つは楽曲の名前であり、５番目の選択肢は「知りません、これまで聞いたことがありません」である。
システムは、コレクション内のすべての可能性のある作品および「過去に間違った」リストの中からランダムに選択したクリップを再生することができる。システムは最初の４つのクリップについては、以前に再生されなかったコレクションからのみランダムに選択する。その後、システムは、５０％の確率で未再生のコレクションから選択し、５０％の確率で「以前に間違った」リストから選択する。プレーヤがクリップに正答すると、そのクリップは再び提示されない。
システムは、プレーヤに４つの可能な選択肢から選択するように求めることができる。プレーヤが正答した場合、システムはその作品が正答されたことを記憶し、正答数カウント数を１だけ増大し、スコアを増大して再び工程１に進む。プレーヤが誤答するか、または、分からない場合、システムは、（１）その作品の正しい名前とともに作品を再び再生し、（２）この作品の「誤答数」カウンター１だけ増大し、そこから再び選択すべき楽曲の「以前に間違った」キューに作品を入れ、（３）ゲームの誤答数を１だけ増大し、（４）再び工程１に進む。
このゲームには実際にレベルがないので、プレーヤの誤答数が１０に達するか、または、正答数が２０回に達するまで継続する。１０の誤答制約に達することによってゲームが終了した場合、システムは「ゲームオーバー。もう一度やってみますか？」と表示する。２０の正答制約に達することによってゲームが終了した場合、システムは「おめでとうございます。２０回正答しました。あなたは素晴らしい音楽記憶を持っています。続けますか？」と表示する。システムは、ＡＰＩを使用してデータを書き込む。プレーヤが続行することを所望する場合、システムは正答／誤答カウンターを再始動し、プレーヤが次の１０回の誤答／２０回の正答の制約に達するまで継続する。
ゲームの終了または各「回」で、システムはＡＰＩを介してデータベースに以下を書き込むことができる。
日付／タイムスタンプ
スコア
最初に正答した作品数（すなわち、プレーヤがすでに知っていた作品数）
１回目の提示で正答した作品の割合
２回目の提示で正答した作品数
２回目の提示で正答した作品の割合
３回目以降の提示で正答した作品数（すなわち、プレーヤが学習した作品数）
３回目の提示で正答した作品の割合
複数回提示したにもかかわらず誤答した作品数
さらに、システムは、プレーヤがすでに知っていた、学習した、および学習しなかった作品の個々の名前／ＩＤを追跡することができる。提示されたすべてのクリップについて、システムは、以下の項目を有するレコードをファイルに書き込むことができる。
ユーザＩＤ
日付／タイムスタンプ
ミュージッククリップ名／ＩＤ
プレーヤが出した回答
プレーヤが正答したか否か（はいまたはいいえ）
プレーヤが正答した場合、プレーヤが正答するまでに何回提示されたか（１回目、２回目、３回目など）
ゲームの終了または各「回」で、システムはまた、ＡＰＩを介してデータベースに以下を書き込むこともできる。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）？
スコア
１回目に聴いて正答したメロディの数（すなわち、すでに知っている曲の数）
２回目に聴いて正答したメロディの数
３回目に聴いて正答したメロディの数
４回目に聴いて正答したメロディの数
１回目に聴いて正答したメロディの割合（すなわち、すでに知っている曲の割合）
２回目に聴いて正答したメロディの割合
３回目に聴いて正答したメロディの割合
４回目に聴いて正答したメロディの割合
クラシッククリップが正答された割合
ジャズクリップが正答された割合
ポップ音楽クリップが正答された割合
クラシックロッククリップが正答された割合
カントリークリップが正答された割合
子ども向けクリップが正回答された割合
図２４は、一実施形態によるパターン認識を使用して詳細データを収集するためのカスタムゲームの別の例示的な流れを示す図である。図２４に示すように、ゲームＰａｔｔｅｒｎｓは、図形、数字、および文字パレットから混合して、複雑になっていくパターンを適応的に提示し続けることができる。
図２５は、一実施形態による、異なる理解モードによって詳細データを収集するためのカスタムゲームの別の例を示す。ほとんどの自閉症生徒は読解力テストをうまくできないが、失敗の原因は不明である。考えられる失敗の原因は、（１）テキストの段落からの感覚的過負荷のために情報を受け取ることができないこと、（２）受け取った情報を理解することができないこと、または、（３）運動機能障害のために答えを出すことができないことであり得る。図２５で説明したように、異なる理解モードを提供することで、自閉症生徒の理解を妨げ得る要因を特定することができる。たとえば、一連の質問にわたって異なる提示選択肢を適応的にランダムに提示することにより、回答者の好ましい対話モードを特定することができる。
図２６は、一実施形態による詳細データを収集するためのカスタムゲーム（Ａｒｒｏｗｓ、Ｍａｔｈ Ｂｕｂｂｌｅｓ、Ｂｕｍｐｅｒｓ）の他の例を示す。ゲームＡｒｒｏｗｓは主に、プレーヤが注意散漫でも集中することが可能であるか否かに係わらず、集中を測定することができる。ゲームの終了または各「回」で、システムはＡＰＩを介してデータベースに以下を書き込むことができる。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）？
スコア
群れに対向しているときの正答数（すなわち、集中する対象の鳥が群れの残りの鳥と異なる方向に飛んでいるとき）
群れとともにいるときの正答数
群れと対向しているときの正答の割合−これはおそらく単独で最も集中を明らかにするメトリックである
群れとともにいるときの正答の割合
回答までの平均速度
正答までの平均速度−群れに対向している
正答までの平均速度−群れとともにいる
誤答までの平均速度−群れに対向している
誤答までの平均速度−群れとともにいる
ゲームＢｕｍｐｅｒｓの主な目的は論理的なプロセスである（Ｂｕｍｐｅｒｓの視覚的想起はあまり重要でない）。ゲームの終了または各「回」で、システムはＡＰＩを介してデータベースに以下を書き込むことができる。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）？
スコア
グリッドサイズ（セル数）
正しい試行の回数
誤った試行の回数
そのレベルの１ターン内で表示される最大パドル数
そのレベルの１ターン内で触れられる最大パドル数
回答にかかった最短時間
回答にかかった最長時間
レベル内のすべてのターンのすべての正答について触れられた総パドル数
使用されたヒントの回数
ゲームＭａｔｈ Ｂｕｂｂｌｅｓは主に論理−数学を測定することができる。算術問題は、以下の表に基づいて生成することができる。
Figure 2018506120
生成されるより大きい数は、提示されている式の中で常に最初にある。除算の場合、ランダムに生成されるより大きい数は分子であり、より小さい値は分母である。すべての質問に対する答えは、整数であり得る。
プレーヤはレベル１で開始する。次のレベルに進むために、プレーヤは５つの質問に連続して正答し得る。質問が誤答された場合、そのレベルがやり直しになる。質問の演算は、そのレベルの利用可能な選択肢からランダムに選択される。次に、２つの数値が、上記でリストされている範囲によってランダムに生成される。将来失敗するかに関係なく最大レベルが終了すると、プレーヤはレベル１５難度の質問を失敗または終了するまで受けることができる。５０問正答する毎に、プレーヤは「おめでとう！５０問正解しました！ここで現在のスコアで終了することもでき、または、注視したところから続行してもう５０問回答することもできます」と表示する画面を提示される。プレーヤはここでクリックして、続行または停止のいずれを所望するかを選択することができる。
Ｍａｔｈ Ｂｕｂｂｌｅｓでは、スコアリングに対する４つの態様、すなわち、（１）問題の難易度、（２）バブルの速度、（３）画面上のバブルの密度、および（４）回答にかかる時間がある。問題の難易度スコアは、問題のレベル×１０である。たとえば、レベル６の質問に正答すると６０ポイントの価値がある。
バブルの可能な速度は、１倍速、１．５倍速、２倍速の３種類ある。速度倍率に問題の難易度スコアが乗算される。レベル６の質問に１．５倍のスピードで正答した場合、ここでその回答には１．５×６０すなわち９０ポイントの価値がある。遅いバブルは、画面の底部に達するまでに１２秒かかり得る。中速のバブルは画面の底部に達するまでに８秒かかり得、速いバブルは画面の底部に達するまでに６秒かかり得る。
バブルの密度は、バブルの放出の間にどのくらいの時間が許容されるかによって決定される。基本放出レート（遅い）は１倍の乗数で１２秒に１つである。中速の放出レートは、６倍の乗数で９秒に１つである。高速の放出レートは、２倍の乗数で４．５秒に１つである。レベル６において中速で放出される前述からの起泡が、６秒後に放出される（１．５倍の乗数）場合、スコアは９０×１．５＝１３５である。
回答にかかった時間が、スコアリングの最後の要因である。画面の上部１／３内でバブルが正答された場合、２倍の乗数が適用される。画面の中央１／３内でバブルが回答された場合、１．５倍の乗数が授与される。バブルが画面の最後の１／３内で回答された場合、１倍の乗数が与えられる。これは、最後に既存のスコアに乗算される。前と同じバブルを画面の中央１／３内で回答した場合、最終スコアは１３５×１．５＝２０２．５であり、これは最も近い整数に切り上げられ、この場合２０３になる。
スコアの式は次のとおりである。
（問題レベル×１０）×（速度乗数）×（レート乗数）×（回答時間乗数）
開始速度は１倍速で、開始放出レートは８秒に１つである。１５問正答する毎に、速度と放出レートの両方が、３段階（速い）が解放されるまで１段階増加する。プレーヤが問題に誤答した場合、速さと速度のレベルは１つ下のレベルに下がる。たとえば、プレーヤが連続して３２問正答した場合（したがって、速さと放出レートの両方で２倍の乗数になっている）、３３問目が誤答されると、再び１５問連続で正答するまで、速度および放出レートは１．５倍に下がる。
ゲームの終了または各「回」で、システムはＡＰＩを介してデータベースに以下を書き込むことができる。
日付／タイムスタンプ
レベル
成功（はいまたはいいえ）？
スコア
正解した問題数
正解した加算問題数
正解した減算問題数
正解した乗算問題数
正解した除算問題数
見過ごした／不正解の問題数
最大の「最上数」の値−式に提示される最初の数字
最大の「最下数」の値−式に示される第２の数字
最大の「回答」の値
一度に画面上にある問題の最大数
図２７は、一実施形態による能力分野を評価するための適合ゲームの例を示す。これらの適合ゲームは、身体運動感覚などの難しい能力分野を評価することができる。このタイプのゲームは、Ｋｉｎｅｃｔのカメラを使用して身体運動能力を評価する既存のＸｂｏｘゲームから作製することができる。
図２８Ａは、１若しくはそれ以上の開示された実施形態を実装することができる例示的な通信システム１００の図である。通信システム１００は、音声、データ、ビデオ、メッセージング、放送、ゲームなどのコンテンツを複数の無線ユーザおよびゲームプレーヤに提供する多元接続システムであってもよい。通信システム１００は、複数の無線ユーザが、無線帯域幅を含むシステムリソースの共有を介して、そのようなコンテンツにアクセスすることを可能にすることができる。たとえば、通信システム１００は、符号分割多元接続（ｃｏｄｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ：ＣＤＭＡ）、時分割多元接続（ｔｉｍｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ：ＴＤＭＡ）、周波数分割多元接続（ｆｒｅｑｕｅｎｃｙ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ：ＦＤＭＡ）、直交ＦＤＭＡ（ｏｒｔｈｏｇｏｎａｌ ＦＤＭＡ：ＯＦＤＭＡ）、単一キャリアＦＤＭＡ（ｓｉｎｇｌｅ−ｃａｒｒｉｅｒ ＦＤＭＡ：ＳＣ−ＦＤＭＡ）などのような１若しくはそれ以上のチャネルアクセス方法を利用することができる。図１Ａに示すような通信システムは、本明細書ではネットワークとも称され得る。
図２８Ａに示すように、通信システム１００は、無線送受信ユニット（ｗｉｒｅｌｅｓｓ ｔｒａｎｓｍｉｔ／ｒｅｃｅｉｖｅ ｕｎｉｔｓ：ＷＴＲＵｓ）１０２ａ、１０２ｂ、１０２ｃ、１０２ｄと、無線アクセスネットワーク（ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ：ＲＡＮ）１０４と、コアネットワーク１０６と、公衆交換電話網（ｐｕｂｌｉｃ ｓｗｉｔｃｈｅｄ ｔｅｌｅｐｈｏｎｅ ｎｅｔｗｏｒｋ：ＰＳＴＮ）１０８と、インターネット１１０と、他のネットワーク１１２とを含むことができるが、開示された実施形態は、任意の数のＷＴＲＵｓ、基地局、ネットワーク、および／またはネットワーク要素を考慮することが理解されるであろう。ＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄの各々は、無線環境で動作および／または通信するように構成された任意のタイプのデバイスであってもよい。例として、ＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄは、無線信号を送信および／または受信するように構成されてもよく、ユーザ機器（ｕｓｅｒ ｅｑｕｉｐｍｅｎｔ：ＵＥ）、移動局、モバイルデバイス、固定または加入者ユニット、ページャ、携帯電話、携帯情報端末（ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔ：ＰＤＡ）、スマートフォン、ラップトップ、ネットブック、パーソナルコンピュータ、無線センサ、家電、テーブル、マルチメディア・コンソール・ゲームなどを含み得る。
通信システム１００はまた、基地局１１４ａおよび基地局１１４ｂをも含むことができる。基地局１１４ａ、１１４ｂの各々は、ＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの少なくとも１つと無線でインターフェースして、コアネットワーク１０６、インターネット１１０、および／またはネットワーク１１２のような１若しくはそれ以上の通信ネットワークにアクセスすることを容易にするように構成された任意のタイプのデバイスであってもよい。例として、基地局１１４ａ、１１４ｂは、ベーストランシーバ基地局（ｂａｓｅ ｔｒａｎｓｃｅｉｖｅｒ ｓｔａｔｉｏｎ：ＢＴＳ）、ノードＢ、ｅＮｏｄｅ Ｂ、ホームノードＢ、ホームｅＮｏｄｅ Ｂ、サイトコントローラ、アクセスポイント（ａｃｃｅｓｓ ｐｏｉｎｔ：ＡＰ）、無線ルータなどであってもよい。基地局１１４ａ、１１４ｂは各々単一の要素として示されているが、基地局１１４ａ、１１４ｂは任意の数の相互接続された基地局および／またはネットワーク要素を含んでもよいことが理解されよう。
基地局１１４ａは、基地局コントローラ（ｂａｓｅ ｓｔａｔｉｏｎ ｃｏｎｔｒｏｌｌｅｒ：ＢＳＣ）、無線ネットワークコントローラ（ｒａｄｉｏ ｎｅｔｗｏｒｋ ｃｏｎｔｒｏｌｌｅｒ：ＲＮＣ）、中継ノードなどのような、他の基地局および／またはネットワーク要素（図示せず）をも含んでも良い、ＲＡＮ１０４の一部分であってもよい。基地局１１４ａおよび／または基地局１１４ｂは、セル（図示せず）と称される場合がある特定の地理的領域内で無線信号を送信および／または受信するように構成することができる。セルは、セルセクタにさらに分割されてもよい。たとえば、基地局１１４ａと関連付けられたセルは、３つのセクタに分割されてもよい。したがって、一実施形態では、基地局１１４ａは、３つのトランシーバ、すなわちセルの各セクタに対して１つのトランシーバを含んでもよい。別の実施形態では、基地局１１４ａは、多入力多出力（ＭＩＭＯ）技術を採用することができ、したがって、セルの各セクタに対して複数のトランシーバを利用することができる。
基地局１１４ａ、１１４ｂは、任意の適切な無線通信リンク（たとえば、無線周波数（ｒａｄｉｏ ｆｒｅｑｕｅｎｃｙ：ＲＦ）、マイクロ波、赤外線（ｉｎｆｒａｒｅｄ：ＩＲ）、紫外線（ｕｌｔｒａｖｉｏｌｅｔ：ＵＶ）、可視光線など）であってもよいエアインターフェース１１６を介してＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの１若しくはそれ以上と通信することができる。エアインターフェース１１６は、任意の適切な無線アクセス技術（ｒａｄｉｏ ａｃｃｅｓｓ ｔｅｃｈｎｏｌｏｇｙ：ＲＡＴ）を使用して確立することができる。
より具体的には、上述したように、通信システム１００は、多元接続システムであってもよく、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、ＯＦＤＭＡ、ＳＣ−ＦＤＭＡなどのような１若しくはそれ以上のチャネルアクセス方式を採用してもよい。たとえば、ＲＡＮ１０４内の基地局１１４ａおよびＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃは、広帯域ＣＤＭＡ（ｗｉｄｅｂａｎｄ ＣＤＭＡ：ＷＣＤＭＡ（登録商標））を使用してエアインターフェース１１６を確立することができるユニバーサル移動体通信システム（Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍ：ＵＭＴＳ）地上無線アクセス（ＵＭＴＳ Ｔｅｒｒｅｓｔｒｉａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ：ＵＴＲＡ）のような無線技術を実装してもよい。ＷＣＤＭＡ（登録商標）は、高速パケットアクセス（Ｈｉｇｈ−Ｓｐｅｅｄ Ｐａｃｋｅｔ Ａｃｃｅｓｓ：ＨＳＰＡ）および／または進化型ＨＳＰＡ（Ｅｖｏｌｖｅｄ ＨＳＰＡ：ＨＳＰＡ＋）などの通信プロトコルを含むことができる。ＨＳＰＡは、高速ダウンリンク・パケット・アクセス（Ｈｉｇｈ−Ｓｐｅｅｄ Ｄｏｗｎｌｉｎｋ Ｐａｃｋｅｔ Ａｃｃｅｓｓ：ＨＳＤＰＡ）および／または高速アップリンク・パケット・アクセス（Ｈｉｇｈ−Ｓｐｅｅｄ Ｕｐｌｉｎｋ Ｐａｃｋｅｔ Ａｃｃｅｓｓ：ＨＳＵＰＡ）を含むことができる。
別の実施形態では、基地局１１４ａおよびＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃは、進化型ＵＭＴＳ地上無線アクセス（Ｅｖｏｌｖｅｄ ＵＭＴＳ Ｔｅｒｒｅｓｔｒｉａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ：Ｅ−ＵＴＲＡ）などの無線技術を実装することができ、これは、ロング・ターム・エボリューション）（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ：ＬＴＥ）および／または高度化ＬＴＥ（ＬＴＥ−Ａｄｖａｎｃｅｄ：ＬＴＥ−Ａ）を使用してエアインターフェース１１６を確立することができる。
他の実施形態では、基地局１１４ａおよびＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃは、ＩＥＥＥ８０２．１６（すなわち、世界規模相互運用マイクロ波アクセス（Ｗｏｒｌｄｗｉｄｅ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ：ＷｉＭＡＸ））、ＣＤＭＡ２０００、ＣＤＭＡ２０００ １Ｘ、ＣＤＭＡ２０００ ＥＶ−ＤＯ（ＩＳ−９５）、暫定基準２０００（ＩＳ−２０００）、暫定基準９５（ＩＳ−９５）、暫定基準８５６（ＩＳ−８５６）、グローバル移動通信システム（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ：ＧＳＭ（登録商標））、ＧＳＭ（登録商標）進化型高速データレート（Ｅｎｈａｎｃｅｄ Ｄａｔａ ｒａｔｅｓ ｆｏｒ ＧＳＭ（登録商標） Ｅｖｏｌｕｔｉｏｎ：ＥＤＧＥ）、ＧＳＭ（登録商標） ＥＤＧＥ（ＧＥＲＡＮ）などのような無線技術を実装してもよい。
図２８Ａの基地局１１４ｂは、たとえば、無線ルータ、ホームノードＢ、ホームｅＮｏｄｅ Ｂ、またはアクセスポイントであってもよく、事業所、家屋、乗り物、キャンパスなどのような限定された領域における無線接続を容易にするための任意の適切なＲＡＴを利用してもよい。一実施形態では、基地局１１４ｂおよびＷＴＲＵｓ１０２ｃ、１０２ｄは、ＩＥＥＥ８０２．１１などの無線技術を実装して無線ローカルエリアネットワーク（ｗｉｒｅｌｅｓｓ ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ：ＷＬＡＮ）を確立することができる。別の実施形態では、基地局１１４ｂおよびＷＴＲＵｓ１０２ｃ、１０２ｄは、ＩＥＥＥ８０２．１５などの無線技術を実装して無線パーソナルエリアネットワーク（ｗｉｒｅｌｅｓｓ ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ：ＷＰＡＮ）を確立することができる。さらに別の実施形態では、基地局１１４ｂおよびＷＴＲＵｓ１０２ｃ、１０２ｄは、セルラベースのＲＡＴ（たとえば、ＷＣＤＭＡ（登録商標）、ＣＤＭＡ２０００、ＧＳＭ（登録商標）、ＬＴＥ、ＬＴＥ−Ａなど）を利用してピコセルまたはフェムトセルを確立することができる。図１Ａに示すように、基地局１１４ｂは、インターネット１１０へ直接接続することができる。したがって、基地局１１４ｂは、コアネットワーク１０６を介してインターネット１１０にアクセスする必要はない。
ＲＡＮ１０４は、音声、データ、アプリケーション、および／またはボイスオーバーインターネットプロトコル（ｖｏｉｃｅ ｏｖｅｒ ｉｎｔｅｒｎｅｔ ｐｒｏｔｏｃｏｌ：ＶｏＩＰ）サービスをＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの１若しくはそれ以上に提供するように構成された任意のタイプのネットワークであり得るコアネットワーク１０６と通信することができる。たとえば、コアネットワーク１０６は、呼制御、課金サービス、携帯電話位置ベースサービス、プリペイド電話、インターネット接続、ビデオ配信などを提供してもよく、および／または、ユーザ認証などの高レベルセキュリティ機能を実施してもよい。図１Ａには示されていないが、ＲＡＮ１０４および／またはコアネットワーク１０６は、ＲＡＮ１０４と同じＲＡＴまたは異なるＲＡＴを使用する他のＲＡＮと直接的または間接的に通信することができることが理解されよう。たとえば、Ｅ−ＵＴＲＡ無線技術を利用することができるＲＡＮ１０４に接続されることに加えて、コアネットワーク１０６は、ＧＳＭ（登録商標）無線技術を利用する別のＲＡＮ（図示せず）と通信することもできる。
コアネットワーク１０６はまた、ＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄがＰＳＴＮ１０８、インターネット１１０、および／または他のネットワーク１１２にアクセスするためのゲートウェイとしての役割を果たすこともできる。ＰＳＴＮ１０８は、旧来の電話サービス（ｐｌａｉｎ ｏｌｄ ｔｅｌｅｐｈｏｎｅ ｓｅｒｖｉｃｅ：ＰＯＴＳ）を提供する回線交換電話網を含むことができる。インターネット１１０は、ＴＣＰ／ＩＰインターネットプロトコルスイートにおける伝送制御プロトコル（ｔｒａｎｓｍｉｓｓｉｏｎ ｃｏｎｔｒｏｌ ｐｒｏｔｏｃｏｌ：ＴＣＰ）、ユーザデータグラムプロトコル（ｕｓｅｒ ｄａｔａｇｒａｍ ｐｒｏｔｏｃｏｌ：ＵＤＰ）、およびインターネットプロトコル（ｉｎｔｅｒｎｅｔ ｐｒｏｔｏｃｏｌ：ＩＰ）などの共通の通信プロトコルを使用する、相互接続されたコンピュータネットワークおよびデバイスのグローバルシステムを含むことができる。ネットワーク１１２は、他のサービスプロバイダによって所有および／または操作される有線または無線通信ネットワークを含むことができる。たとえば、ネットワーク１１２は、ＲＡＮ１０４と同じＲＡＴまたは異なるＲＡＴを利用することができる、１若しくはそれ以上のＲＡＮｓに接続された別のコアネットワークを含むことができる。
通信システム１００内のＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのいくつかまたはすべては、マルチモード機能を含むことができる。すなわち、ＷＴＲＵｓ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄは、複数の異なる無線リンクを介して複数の異なる無線ネットワークと通信するための複数のトランシーバを含むことができる。たとえば、図１Ａに示すＷＴＲＵ１０２ｃは、セルラベースの無線技術を採用することができる基地局１１４ａ、および、ＩＥＥＥ８０２無線技術を採用することができる基地局１１４ｂと通信するように構成することができる。
図２８Ｂは、例示的なＷＴＲＵ１０２のシステム図である。図１Ｂに示すように、ＷＴＲＵ１０２は、プロセッサ１１８と、トランシーバ１２０と、送信／受信要素１２２と、スピーカ／マイクロフォン１２４と、キーパッド１２６と、ディスプレイ／タッチパッド１２８と、非着脱可能メモリ１３０と、着脱可能メモリ１３２と、電源１３４と、全地球測位システム（ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍ：ＧＰＳ）チップセット１３６と、他の周辺機器１３８とを含むことができる。ＷＴＲＵ１０２は、実施形態と一致しながら、前述の要素の任意の部分組み合わせを含むことができることが理解されよう。
プロセッサ１１８は、汎用プロセッサ、専用プロセッサ、従来のプロセッサ、デジタル信号プロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ：ＤＳＰ）、複数のマイクロプロセッサ、ＤＳＰコアに関連する１若しくはそれ以上のマイクロプロセッサ、コントローラ、マイクロコントローラ、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ：ＡＳＩＣｓ）、フィールド・プログラマブル・ゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡｓ）回路、他のタイプの集積回路（ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ：ＩＣ）、状態機械などであってもよい。プロセッサ１１８は、信号符号化、データ処理、電力制御、入力／出力処理、および／またはＷＴＲＵ１０２が無線環境で動作することを可能にする任意の他の機能を実施することができる。プロセッサ１１８は、送信／受信要素１２２に結合することができるトランシーバ１２０に結合することができる。図１Ｂはプロセッサ１１８とトランシーバ１２０とを別々の構成要素として示しているが、プロセッサ１１８とトランシーバ１２０とは電子パッケージまたはチップに一体化されていてもよいことが理解されよう。
送信／受信要素１２２は、エアインターフェース１１６を介して基地局（たとえば、基地局１１４ａ）に信号を送信するか、または、基地局（たとえば、基地局１１４ａ）から信号を受信するように構成することができる。たとえば、一実施形態では、送信／受信要素１２２は、ＲＦ信号を送信および／または受信するように構成されたアンテナであってもよい。別の実施形態では、送信／受信要素１２２は、たとえば、ＩＲ、ＵＶ、または可視光信号を送信および／または受信するように構成された放出器／検出器であってもよい。さらに別の実施形態では、送信／受信要素１２２は、ＲＦ信号と光信号の両方を送信および受信するように構成されてもよい。送信／受信要素１２２は、無線信号の任意の組み合わせを送信および／または受信するように構成されてもよいことが理解されよう。
加えて、図１Ｂでは、送信／受信要素１２２が単一の要素として示されているが、ＷＴＲＵ１０２は、任意の数の送信／受信要素１２２を含んでもよい。より具体的には、ＷＴＲＵ１０２は、ＭＩＭＯ技術を採用してもよい。したがって、一実施形態では、ＷＴＲＵ１０２は、エアインターフェース１１６を介して無線信号を送信および受信するための２つ以上の送信／受信要素１２２（たとえば、複数のアンテナ）を含むことができる。
トランシーバ１２０は、送信／受信要素１２２によって送信されるべき信号を変調し、送信／受信要素１２２によって受信される信号を復調するように構成することができる。上述のように、ＷＴＲＵ１０２はマルチモード機能を有することができる。したがって、トランシーバ１２０は、ＷＴＲＵ１０２が、たとえば、ＵＴＲＡおよびＩＥＥＥ８０２．１１などの複数のＲＡＴｓを介して通信することを可能にするための複数のトランシーバを含むことができる。
ＷＴＲＵ１０２のプロセッサ１１８は、スピーカ／マイクロフォン１２４、キーパッド１２６、および／またはディスプレイ／タッチパッド１２８（たとえば、液晶ディスプレイ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ：ＬＣＤ）表示ユニットまたは有機発光ダイオード（ｏｒｇａｎｉｃ ｌｉｇｈｔ−ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ：ＯＬＥＤ）表示ユニット）に結合することができ、それらからユーザ入力データを受信することができる。プロセッサ１１８はまた、ユーザデータをスピーカ／マイクロフォン１２４、キーパッド１２６、および／またはディスプレイ／タッチパッド１２８に出力することもできる。加えて、プロセッサ１１８は、非着脱可能メモリ１３０および／または着脱可能メモリ１３２などの任意のタイプの適切なメモリから情報にアクセスし、その中にデータを格納することができる。非着脱可能メモリ１３０は、ランダム・アクセス・メモリ（ｒａｎｄｏｍ−ａｃｃｅｓｓ ｍｅｍｏｒｙ：ＲＡＭ）、読み出し専用メモリ（ｒｅａｄ−ｏｎｌｙ ｍｅｍｏｒｙ：ＲＯＭ）、ハードディスク、または任意の他のタイプのメモリ記憶デバイスを含むことができる。着脱可能メモリ１３２は、加入者識別モジュール（ｓｕｂｓｃｒｉｂｅｒ ｉｄｅｎｔｉｔｙ ｍｏｄｕｌｅ：ＳＩＭ）カード、メモリスティック、セキュアデジタル（ｓｅｃｕｒｅ ｄｉｇｉｔａｌ：ＳＤ）メモリカードなどを含むことができる。他の実施形態では、プロセッサ１１８は、サーバまたは家庭用コンピュータ（図示せず）などのＷＴＲＵ１０２上に物理的に配置されていないメモリからの情報にアクセスし、メモリにデータを格納することができる。
プロセッサ１１８は、電源１３４から電力を受け取ることができ、電力をＷＴＲＵ１０２内の他の構成要素に分配および／または制御するように構成することができる。電源１３４は、ＷＴＲＵ１０２に給電するための任意の適切なデバイスであってもよい。たとえば、電源１３４は、１若しくはそれ以上の乾電池（たとえば、ニッケル−カドミウム（ｎｉｃｋｅｌ−ｃａｄｍｉｕｍ：ＮｉＣｄ）、ニッケル−亜鉛（ｎｉｃｋｅｌ−ｚｉｎｃ：ＮｉＺｎ）、ニッケル金属水素化物（ｎｉｃｋｅｌ ｍｅｔａｌ ｈｙｄｒｉｄｅ：ＮｉＭＨ）、リチウムイオン（ｌｉｔｈｉｕｍ−ｉｏｎ：Ｌｉ−ｉｏｎ）など）太陽電池、燃料電池などを含むことができる。
プロセッサ１１８はまた、ＷＴＲＵ１０２の現在の位置に関する位置情報（たとえば、経度および緯度）を提供するように構成することができるＧＰＳチップセット１３６に結合され得る。ＧＰＳチップセット１３６からの情報に加えて、またはこれに代えて、ＷＴＲＵ１０２は、基地局（たとえば、基地局１１４ａ、１１４ｂ）からエアインターフェース１１６を介して位置情報を受信すること、および／または、２つ以上の近隣の基地局から受信されている信号のタイミングに基づいてその位置を決定することができる。ＷＴＲＵ１０２は、実施形態と一致しながら、任意の適切な位置決定方法によって位置情報を取得してもよいことが理解されよう。
プロセッサ１１８は、追加の特徴、機能性および／または有線もしくは無線接続性を提供する１若しくはそれ以上のソフトウェアおよび／またはハードウェアモジュールを含むことができる他の周辺機器１３８にさらに結合することができる。たとえば、周辺機器１３８は、加速度計、電子コンパス、衛星トランシーバ、デジタルカメラ（画像またはビデオ用）、ユニバーサル・シリアル・バス（ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ：ＵＳＢ）ポート、振動デバイス、テレビトランシーバ、ハンズ・フリー・ヘッドセット、Ｂｌｕｅｔｏｏｔｈ（登録商標）モジュール、周波数変調（ｆｒｅｑｕｅｎｃｙ ｍｏｄｕｌａｔｅｄ：ＦＭ）無線ユニット、デジタル音楽プレーヤ、メディアプレーヤ、ビデオ・ゲーム・プレーヤ・モジュール、インターネットブラウザなどを含むことができる。
図２９は、モバイルデバイス２１０、３１０、および６１０のうちの１若しくはそれ以上の構成要素として、ネットワーク機器もしくは関連機器の１若しくはそれ以上の構成要素として、ならびに／または、本明細書に記載された実施形態のいずれかの部分を実装することができる任意の第三者のシステムもしくはサブシステムの１若しくはそれ以上の構成要素として、を含む、本明細書に記載される実施形態のいずれかにおいて利用することができる例示的なプロセッサ１１５８のブロック図である。図２９に示されるブロック図は例示的なものであり、特定の実施態様を暗示するものではないことが強調される。したがって、プロセッサ１１５８は、単一のプロセッサまたは複数のプロセッサにおいて実装することができる。複数のプロセッサを分散または集中配置することができる。複数のプロセッサは、無線で、ハードワイヤを介して、またはそれらの組み合で通信することができる。
図２９に示すように、プロセッサ１１５８は、処理部１１６０と、メモリ部１１６２と、入出力部１１６４とを有する。処理部１１６０、メモリ部１１６２、および入出力部１１６４は、ともに結合されて（図１０には図示せず）、これらの部分の間で通信可能することを可能にする。入出力部１１６４は、たとえば、ＡＰＮ、ＭＮＣ、および／またはＭＣＣを要求および受信するため、通信セッションを確立および終端させるため、データアクセス要求データおよび応答を送信および受信するため、テキスト、データ、および音声通信を送信、受信、格納および処理するため、無線リソース要求を効率的に処理し、無線リソース要求、無線リソース要求処理プリファレンスおよび構成を受信および記憶するソフトウェアを実行するため、ならびに／または、本明細書に記載された他の任意の機能を実施するために利用されるコンポーネント、コマンドおよび／または命令を提供および／または受信することが可能である。
プロセッサ１１５８は、クライアントプロセッサおよび／またはサーバプロセッサとして実装することができる。基本的な構成では、プロセッサ１１５８は、少なくとも１つの処理部１１６０およびメモリ部１１６２を含むことができる。メモリ部１１６２は、テキスト、データ、および／または音声通信、通信関連データおよび／またはコンテンツ、音声呼、他の電話通信などの確立、送信、受信、および／または処理に関連して利用される任意の情報を格納することができる。たとえば、メモリ部は、ＡＰＮ、ＭＮＣ、ＭＣＣ、無線リソース要求、効率的な無線リソース要求処理システムのためのソフトウェア、テキストおよびデータ通信、通話呼、ボイスメール、マルチメディアコンテンツ、ビジュアル・ボイスメール・アプリケーション等を格納することが可能である。プロセッサの正確な構成およびタイプに応じて、メモリ部１１６２は、揮発性（ＲＡＭなど）１１６６、不揮発性（ＲＯＭ、フラッシュメモリなど）１１６８、またはそれらの組み合わせとすることができる。プロセッサ１１５８は、追加の特徴／機能を有することができる。たとえば、プロセッサ１１５８は、磁気ディスクもしくは光ディスク、テープ、フラッシュ、スマートカード、またはそれらの組み合わせを含むがこれらに限定されない追加のストレージ（着脱可能ストレージ１１７０および／または非着脱可能ストレージ１１７２）を含むことができる。メモリおよび記憶要素１１６２、１１７０、１１７２、１１６６、および１１６８などのコンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータなどの情報を格納するための任意の方法または技術で実装される揮発性および不揮発性の着脱可能および非着脱可能の媒体を含むことができる。コンピュータ記憶媒体には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋｓ：ＤＶＤ）もしくは他の光学ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージもしくは他の磁気記憶デバイス、ユニバーサル・シリアル・バス（ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ：ＵＳＢ）互換メモリ、スマートカード、または、所望の情報を記憶するために使用することができ、プロセッサ１１５８によってアクセスすることができる任意の他の媒体を含むことができるが、これらに限定されない。任意のそのようなコンピュータ記憶媒体は、プロセッサ１１５８の一部であってもよい。
プロセッサ１１５８は、プロセッサ１１５８が、たとえば無線アクセスネットワーク（ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ：ＲＡＮ）を介して他のデバイスと通信することを可能にする通信接続部（複数可）１１８０も含むことができる。通信接続部（複数可）１１８０は、通信媒体の一例である。通信媒体は、典型的には、コンピュータ可読命令、データ構造、プログラムモジュール、または、搬送波もしくは他の搬送機構などの変調データ信号内の他のデータに具現化し、任意の情報配信媒体を含む。「変調データ信号」という用語は、その特性の１若しくはそれ以上が、信号内の情報を符号化するように設定または変更された信号を意味する。限定ではなく一例として、通信媒体には、固定電話で使用され得る有線ネットワークまたは直接有線接続などの有線媒体、ならびに、音響、ＲＦ、赤外線、セルラ、および他の無線媒体などの無線媒体を含む。本明細書で使用するコンピュータ可読媒体という用語は、記憶媒体と通信媒体の両方を含む。プロセッサ１１５８はまた、キーボード、キーパッド、マウス、ペン、音声入力デバイス、タッチ入力デバイスなどのような入力デバイス（複数可）１１７６を有することができる。ディスプレイ、スピーカ、プリンタなどのような出力デバイス（複数可）１１７４も含めることができる。
個人の能力、技能および関心を識別するシステムおよび方法の例示的な実施形態は、様々な通信デバイスおよびコンピューティングデバイス／プロセッサに関連して説明されてきたが、基礎をなす概念は、個人の能力、技能および関心を識別するためのシステムおよび方法を実施することが可能な任意の通信もしくはコンピューティングデバイス、プロセッサ、または、システムに適用することができる。本明細書で説明される様々な技術は、ハードウェアもしくはソフトウェア、または適切な場合には両方の組み合わせに関連して実施されてもよい。したがって、個人の能力、技能および関心を識別するシステムおよび方法、または、その特定の態様または部分は、フロッピー（登録商標）ディスケット、ＣＤ−ＲＯＭｓ、ハードドライブ、または、任意の他の機械可読記憶媒体などの有形非一時的媒体内に具体化されたプログラムコード（すなわち、命令）の形態をとることができ、プログラムコードがコンピュータのような機械にロードされ、機械によって実行されると、機械は、個人の能力、技能および関心を識別するための装置となる。プログラム可能なコンピュータ上のプログラムコード実行の場合、コンピューティングデバイスは、一般的に、プロセッサと、プロセッサによって読み取り可能な記憶媒体（揮発性および不揮発性メモリおよび／または記憶要素を含む）と、少なくとも１つの入力デバイスと、少なくとも１つの出力デバイスとを含む。プログラム（複数可）は、必要に応じて、アセンブリ言語または機械語で実装することができる。言語は、コンパイルされた言語または解釈された言語であってもよく、ハードウェア実施態様と組み合わされてもよい。
本明細書で説明される記憶媒体、メモリ、コンピュータ可読記憶媒体、および機械可読記憶媒体は、具体的で有形の物理的構造を有することが理解されるべきである。知られているように、信号は具体的で有形の物理的構造を有しない。本明細書に記載の記憶媒体、メモリ、コンピュータ可読記憶媒体、および機械可読記憶媒体、ならびに任意のコンピュータ可読記憶媒体は、信号として解釈されるべきではない。本明細書に記載の記憶媒体、メモリ、コンピュータ可読記憶媒体、および機械可読記憶媒体、ならびに任意のコンピュータ可読記憶媒体は、過渡信号として解釈されるべきではない。本明細書に記載の記憶媒体、メモリ、コンピュータ可読記憶媒体、および機械可読記憶媒体、ならびに任意のコンピュータ可読記憶媒体は、伝播信号として解釈されるべきではない。本明細書に記載の記憶媒体、メモリ、コンピュータ可読記憶媒体、および機械可読記憶媒体、ならびに任意のコンピュータ可読記憶媒体は、具体的で物理的な有形の構造を有する製造品として解釈されるべきである。
個人の能力、技能および関心を識別するための方法およびシステムはまた、電気配線もしくはケーブル配線を介して、光ファイバを通じて、または任意の他の形態の送信を介してなどの、何らかの送信媒体を介して送信されるプログラムコードの形で具現化される通信を介して実践することもでき、プログラムコードが、ＥＰＲＯＭ、ゲートアレイ、プログラム可能論理デバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ：ＰＬＤ）、クライアントコンピュータなどのような機械によって受信され、ロードされ、実行されると、機械は個人の能力、技能および関心を識別するための装置となる。汎用プロセッサに実装されるとき、プログラムコードはプロセッサと結合して、本明細書で説明されるような個人の能力、技能および関心を識別する機能を呼び出すように動作する固有の装置を提供する。加えて、インテリジェントなローミングおよび相互作用システムに関連して使用される任意の記憶技術は、常に、ハードウェアとソフトウェアとの組み合わせであってもよい。
個人の能力、技能および関心を識別するためのシステムおよび方法は、様々な図の様々な実施形態に関連して記載されているが、他の同様の実施形態が使用されてもよく、または、それを逸脱することなく、個人の能力、技能および関心を識別する同じ機能を実行する同じ機能を実施するための記載された実施形態に変更および追加が行なわれてもよいことが理解されるべきである。たとえば、当業者であれば、本出願に記載されるような個体の能力、技能および関心を識別するためのシステムおよび方法は、有線または無線を問わずいずれの環境にも適用することができ、装置ネットワークを介して接続され、ネットワークにわたって相互作用する任意の数のそのようなデバイスに適用することができることが認識されよう。したがって、個人の能力、技能および関心を識別するためのシステムおよび方法は、いかなる単一の実施形態にも限定されるべきではなく、むしろ添付の特許請求項による幅および範囲において解釈されるべきである。

Claims (5)

  1. 方法であって、
    サーバにおいて、複数のゲームを示すゲームデータを受信する工程であって、前記複数のゲームの各ゲームは少なくとも１つの個人特性を評価するように設計されているものである、前記受信する工程と、
    前記サーバによって、前記複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定する工程であって、前記第１の比較ゲームパフォーマンスは、前記ゲームデータおよび比較ゲーム情報に基づいており、前記比較ゲーム情報は、前記第１のゲームと関連付けられたゲームパフォーマンスと前記複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示すものである、前記決定する工程と、
    前記サーバによって、前記第１の比較ゲームパフォーマンスから個人特性を導出する工程と、
    前記サーバによって、前記個人特性の指標を提供する工程と
    を有する方法。
  2. 請求項１記載の方法において、前記少なくとも１つの個人特性は、人間の能力、認知技能、またはキャリア関心のうちの少なくとも１つを有する方法。
  3. 請求項２に記載の方法において、前記人間の能力は、数学技能、論理的推論技能、語学技能、視覚−空間技能、音楽技能、身体−運動技能、対人技能、内省的技能、および自然を理解する技能を含む方法。請求項２記載の方法において、前記認知技能は、注意機能、従事機能、最適化機能、効率機能、記憶機能、探求機能、および解決機能を含む方法。
  4. システムであって、
    プロセッサと、
    前記プロセッサに接続されたメモリと
    を有し、
    前記メモリは、前記プロセッサによって実行されると、前記プロセッサに、
    複数のゲームを示すゲームデータを受信する工程であって、前記複数のゲームの各ゲームは少なくとも１つの個人特性を評価するように設計されているものである、前記受信する工程と、
    前記複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定する工程であって、前記第１の比較ゲームパフォーマンスは、前記ゲームデータおよび比較ゲーム情報に基づいており、前記比較ゲーム情報は、前記第１のゲームと関連付けられたゲームパフォーマンスと前記複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示すものである、前記決定する工程と、
    前記第１の比較ゲームパフォーマンスから個人特性を導出する工程と、
    前記個人特性の指標を提供する工程と
    を実行させる少なくとも１つの実行可能命令を有するものである、
    システム。
  5. コンピュータ可読記憶媒体であって
    、プロセッサによって実行されると、前記プロセッサに、
    複数のゲームを示すゲームデータを受信する工程であって、前記複数のゲームの各ゲームは少なくとも１つの個人特性を評価するように設計されているものである、前記受信する工程と、
    サーバによって、前記複数のゲームのうちの第１のゲームと関連付けられた第１の比較ゲームパフォーマンスを決定する工程であって、前記第１の比較ゲームパフォーマンスは、前記ゲームデータおよび比較ゲーム情報に基づいており、前記比較ゲーム情報は、前記第１のゲームと関連付けられたゲームパフォーマンスと前記複数のゲームのうちの少なくとも１つの他のゲームと関連付けられたそれぞれのゲームパフォーマンスとの間の比較を示すものである、前記決定する工程と、
    前記サーバによって、前記第１の比較ゲームパフォーマンスから個人特性を導出する工程と、
    前記サーバによって、前記個人特性の指標を提供する工程と
    を実行させる実行可能命令を有するコンピュータ可読記憶媒体。
JP2017540985A 2014-10-27 2015-10-27 ゲーミングデータ分析を通した個人の能力、技能および関心の識別 Expired - Fee Related JP6692364B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462068966P 2014-10-27 2014-10-27
US62/068,966 2014-10-27
PCT/US2015/057595 WO2016069611A1 (en) 2014-10-27 2015-10-27 Identifying an individual's abilities, skills and interests through gaming data analytics

Publications (2)

Publication Number Publication Date
JP2018506120A true JP2018506120A (ja) 2018-03-01
JP6692364B2 JP6692364B2 (ja) 2020-05-13

Family

ID=55858257

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017540985A Expired - Fee Related JP6692364B2 (ja) 2014-10-27 2015-10-27 ゲーミングデータ分析を通した個人の能力、技能および関心の識別

Country Status (8)

Country Link
US (1) US10315118B2 (ja)
EP (1) EP3213224A1 (ja)
JP (1) JP6692364B2 (ja)
KR (1) KR20170100491A (ja)
CN (1) CN107209752A (ja)
CA (1) CA2965809A1 (ja)
IL (1) IL251866B (ja)
WO (1) WO2016069611A1 (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9753622B2 (en) * 2015-05-06 2017-09-05 James L. Moran Customized interactive computing environment
US10632389B1 (en) * 2017-07-21 2020-04-28 Outplayed, Inc. Performance measurement in a multi-player computer gaming environment
GB2570305A (en) * 2018-01-18 2019-07-24 Sony Interactive Entertainment Europe Ltd User analysis system and method
TWI680408B (zh) * 2018-05-26 2019-12-21 南開科技大學 可偵測銀髮族情緒之遊戲機結構
CN108958579B (zh) * 2018-06-26 2020-09-25 维沃移动通信有限公司 一种红包发送、收取方法及红包发送、收取装置
US11210968B2 (en) * 2018-09-18 2021-12-28 International Business Machines Corporation Behavior-based interactive educational sessions
TWI696929B (zh) * 2018-11-07 2020-06-21 遊戲橘子數位科技股份有限公司 遊戲行為的資料庫建立及其分析方法
US11158016B2 (en) 2019-03-20 2021-10-26 International Business Machines Corporation Customized career counseling and management
CN113253976B (zh) * 2021-06-16 2021-12-03 武汉卧友网络科技有限公司 一种基于游戏记录分析的研发模块构建方法及系统
GB2623106A (en) * 2022-10-06 2024-04-10 Sony Interactive Entertainment Inc User accessibility system and method

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040115597A1 (en) * 2002-12-11 2004-06-17 Butt Thomas Giles System and method of interactive learning using adaptive notes
JP2008125978A (ja) * 2006-11-24 2008-06-05 Dowango:Kk ゲーム装置、ゲーム装置の処理方法、ゲームプログラム
US20090204906A1 (en) * 2008-02-11 2009-08-13 Dialogic Corporation System and method for performing video collaboration
JP2011101775A (ja) * 2009-11-12 2011-05-26 Nomura Research Institute Ltd ゲーム参加誘導システム
US20130216986A1 (en) * 2012-02-20 2013-08-22 Athletic Intelligence Measures, Llc Cognitive aptitude assessment tool
WO2014066273A2 (en) * 2011-10-20 2014-05-01 Cogcubed Corporation Cognitive assessment and treatment platform utilizing a distributed tangible-graphical user interface device
JP2016502422A (ja) * 2012-10-22 2016-01-28 コグキューブド コーポレーション 分散型タンジブルグラフィカルユーザーインターフェースデバイスを利用する認知評価治療プラットフォーム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1313972A (zh) * 1998-08-24 2001-09-19 Bcl计算机有限公司 自适应的自然语言接口
US8267778B2 (en) * 2004-12-15 2012-09-18 Google Inc. Video game feedback system and method
US8241129B2 (en) * 2005-06-20 2012-08-14 Microsoft Corporation Setting up on-line game sessions out of a game context
US20120179485A1 (en) 2011-01-07 2012-07-12 Independa, Inc. Systems and methods for integrated care management
TW201233418A (en) * 2011-02-14 2012-08-16 Rong-Zhao Hong Psychological quiz game method, game server, electronic device, computer-readable recording medium, and computer program product
US9533230B2 (en) * 2011-05-16 2017-01-03 Disney Enterprises, Inc. Ghost expressions based on ghost data augmented by user-provided information
US20120330869A1 (en) 2011-06-25 2012-12-27 Jayson Theordore Durham Mental Model Elicitation Device (MMED) Methods and Apparatus
WO2013168154A1 (en) * 2012-05-07 2013-11-14 Bar Ilan University A cognitive training method for semantic skills enhancement

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040115597A1 (en) * 2002-12-11 2004-06-17 Butt Thomas Giles System and method of interactive learning using adaptive notes
JP2008125978A (ja) * 2006-11-24 2008-06-05 Dowango:Kk ゲーム装置、ゲーム装置の処理方法、ゲームプログラム
US20090204906A1 (en) * 2008-02-11 2009-08-13 Dialogic Corporation System and method for performing video collaboration
JP2011101775A (ja) * 2009-11-12 2011-05-26 Nomura Research Institute Ltd ゲーム参加誘導システム
WO2014066273A2 (en) * 2011-10-20 2014-05-01 Cogcubed Corporation Cognitive assessment and treatment platform utilizing a distributed tangible-graphical user interface device
US20130216986A1 (en) * 2012-02-20 2013-08-22 Athletic Intelligence Measures, Llc Cognitive aptitude assessment tool
JP2016502422A (ja) * 2012-10-22 2016-01-28 コグキューブド コーポレーション 分散型タンジブルグラフィカルユーザーインターフェースデバイスを利用する認知評価治療プラットフォーム

Also Published As

Publication number Publication date
CN107209752A (zh) 2017-09-26
EP3213224A4 (en) 2017-09-06
IL251866A0 (en) 2017-06-29
JP6692364B2 (ja) 2020-05-13
CA2965809A1 (en) 2016-05-06
KR20170100491A (ko) 2017-09-04
EP3213224A1 (en) 2017-09-06
WO2016069611A1 (en) 2016-05-06
US20170333796A1 (en) 2017-11-23
IL251866B (en) 2020-06-30
US10315118B2 (en) 2019-06-11

Similar Documents

Publication Publication Date Title
JP6692364B2 (ja) ゲーミングデータ分析を通した個人の能力、技能および関心の識別
US20180308473A1 (en) Intelligent virtual assistant systems and related methods
Gould et al. Coaching generation Z athletes
Aas et al. The role of a group coach in the professional learning of school leaders
Jung et al. Emerging and developing situational interest during children's tablet‐mediated biology learning activities at a nature center
Edwards et al. Contextual strategies to support social inclusion for children with and without disabilities in recreation
Long Learning the ropes: Exploring the meaning and value of experiential education for girls at risk
Witt et al. An investigation of school connectedness among agricultural education students
KR20200022065A (ko) 부모의 성향과 아이의 성향을 동시에 고려한 육아가이드를 제공하는 육아코칭 및 상담 서비스 제공방법 및 제공시스템
Chambers et al. James: Physical education teacher
Berdun et al. Building SYMLOG profiles with an online collaborative game
Mulas et al. Linking Human-Computer Interaction with the Social Web: A web application to improve motivation in the exercising activity of users
Pappa et al. Effective design and evaluation of serious games: The case of the e-VITA project
Ştefan et al. Blending context-aware challenges into learning environments
Mariano et al. E-Sports online learning module amidst COVID-19 Pandemic
Mulas et al. Using new communication technologies and social media interaction to improve the motivation of users to exercise
Umbelino et al. Prototeams: Supporting team dating in co-located settings
Yi et al. The relationship between communication competence and exercise participation type: focusing on joining clubs and using fitness applications
Santos et al. Not interested in ICT? A case study to explore how a meaningful m-learning activity fosters engagement among older users
Kearney et al. Locating mobile learning in the third space
Ballabio et al. Designing an interactive system based on pose-estimation to support rhythmic gymnastics basic coaches in enhancing their learning
Canny Attitudes and perceptions of middle school students toward cooperative activities in physical education
Perry Collaborative learning via mobile language gaming and augmented reality: affordances and limitations of technologies
US20240137396A1 (en) Systems and/or methods for online content delivery
Devon et al. Action research project looking at providing an environment to improve student engagement using audience response system considerations and smartphone technology

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181029

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190122

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190819

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190910

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20191210

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200307

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200324

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200414

R150 Certificate of patent or registration of utility model

Ref document number: 6692364

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees