JP2018511890A - オンライン教育におけるリアルタイムユーザ検証のためのシステム及び方法 - Google Patents

Abstract

オンライン教育におけるリアルタイムユーザ検証のためのシステム及び方法が開示される。特定の例示的な実施形態において、ユーザに関連付けられるユーザ識別情報と、オンライン教育コンテンツにアクセスする要求が、ユーザデバイスから受信され得る。ユーザに関する過去の顔画像データを含む顔テンプレートが、識別され得る。現在の顔画像データが、顔テンプレートと比較され得、一致が存在するかどうかを判断する。心拍数データ等の、バイオメトリックセンサデータが、ユーザに関して又受信され得る。バイオメトリックセンサデータは、評価され得、ユーザが、ユーザデバイスに現在位置しているかどうかを判断する。ユーザが、ユーザデバイスに現在位置し、現在の顔画像データが、顔テンプレートにマッチングする場合、オンライン教育コンテンツへのアクセスが、ユーザデバイスのところに存在するユーザに提供され得る。

Description

本開示は、一般的にオンライン教育に関し、より具体的には、オンライン教育環境におけるリアルタイムユーザ検証のためのシステム及び方法に関する。

教育的なフレームワークは変わりつつある。この２０年にわたり、これまでの教育機関からのものを含む、オンライン教育の提供が、著しく増大してきた。オンライン教育の提供の増大に関わらず、依然として存続している課題がある。オンライン教育が、これまでの煉瓦とモルタルの学校と類似した価値を有するのを妨げ続けている主要な課題のうちの１つは、不正の可能性である。より具体的には、オンラインオファリングを提供する現在の教育プロバイダは、オンライン講座を取っている人が、彼／彼女が彼らが誰であると述べるかということを検証するのに苦労する。不正に関するこの可能性は、これまでの「対面方式の」教育と比較して、オンライン教育の認知度及び価値を低下させる。

ここで、添付図面が参照され、これらは、必ずしも縮尺通りに描かれない。これらは、

本開示の例示的な実施形態による、オンラインの生徒と、オンライン教育環境におけるリアルタイムユーザ検証を提供する、教育サーバとを含む、例示的な環境を図示する簡略ブロック図である。

本開示の例示的な実施形態による、リアルタイムユーザ検証のために、ユーザ画像及び／又はバイオメトリックユーザデータを提供するユーザデバイスの例示的なアーキテクチャを図示する簡略ブロック図である。 本開示の例示的な実施形態による、リアルタイムユーザ検証のために、ユーザ画像及び／又はバイオメトリックユーザデータを提供するユーザデバイスの例示的なアーキテクチャを図示する簡略ブロック図である。

本開示の例示的な実施形態による、オンライン教育サーバの例示的なアーキテクチャを図示する簡略ブロック図である。

本開示の例示的な実施形態による、リアルタイムユーザ検証における使用のために、ユーザ固有の画像及び／又はバイオメトリックデータを受信及び格納する例示的な方法を図示するフローチャートである。

本開示の例示的な実施形態による、オンライン教育環境における継続的なユーザ検証のための例示的な方法を図示するフローチャートである。 本開示の例示的な実施形態による、オンライン教育環境における継続的なユーザ検証のための例示的な方法を図示するフローチャートである。

本開示の特定の例示的な実施形態による、オンライン教育環境におけるユーザ成功の予測分析のための例示的な方法を図示するフローチャートである。

本開示の特定の例示的な実施形態による、オンライン教育環境におけるユーザ検証をいつ実行するかを判断するための例示的な方法を図示するフローチャートである。

本開示の実施形態が、添付図面を参照して以下により十分に説明され、添付図面において、本開示の例示的な実施形態が示される。しかしながら、本開示は、多くの異なる形態において具現化され得るものであり、本明細書において明らかにされる例示的な実施形態に限定されるものとして解釈されるべきではない。むしろ、これらの実施形態は、本開示が、詳細かつ完全なものとなり、本発明の範囲を当業者に十分に伝えるように提供される。同様の番号は、同様であるが、必ずしも同一又は一致しない要素を全体にわたって参照する。

本開示の実施形態が、画像、バイオメトリックセンサ情報、及び様々なソースからのデバイス識別情報に少なくとも部分的に基づくリアルタイムユーザ検証のためのシステム及び方法を提供し得る。評価され得る画像の例は、これらに限定されないが、ユーザの顔画像と、オンライン教育セッション中にユーザによって用いられている、ユーザデバイス又はバイオメトリックデータデバイス等の、デバイスの画像とを含み得る。オンライン教育セッション中に受信及び評価され得るバイオメトリックセンサ情報の例は、これらに限定されないが、心拍数、指紋認証、音声認識、ユーザの皮膚の導電性、ユーザの汗の化学的な構成、顔面静脈の熱撮像、近赤外線撮像又は赤外線撮像、及びユーザの毛包を含む。このバイオメトリックセンサ情報は、１又は複数のバイオメトリックデータデバイスによって収集され得る。バイオメトリックデータデバイスの例は、これらに限定されないが、イヤホン、ヘッドフォン、ユーザ・ウェアラブル・バイオメトリックセンサ、他の形態のバイオメトリックセンサ、又は同様のものを含み得る。特定の例示的な実施形態において、各バイオメトリックデータデバイスが、バイオメトリックデータデバイスの外部に沿ってパターンを更に含み得る。パターンは、ユーザデバイスに関連付けられるカメラによって検出可能であるものであり得、パターンが、ユーザに関連付けられる特定のバイオメトリックデータデバイスに関連付けられる、予想されたパターンであるかどうかを判断する顔認識モジュール（以下議論される）によって評価され得る。

以下で説明される例示的な実施形態は、ユーザ心拍数データであるバイオメトリックセンサ情報を参照して説明されるが、当業者に知られた、任意の他のバイオメトリックセンサ及びバイオメトリックセンサ情報が、代わりに用いられ得、各々が、これらのシステム及び方法の一部であると個々に読まれるべきである。従って、以下のシステム及び方法の議論及び図面が、心拍数モニタを含むイヤホンを説明するところで、任意の他の種類のバイオメトリックセンサ（他の形態の心拍数モニタを含む）が、代わりに用いられ得、本開示の一部として含まれる。画像、バイオメトリックセンサ情報、及び／又はデバイス識別情報は、ユーザデバイスにおいてローカルに格納及び評価され得、及び／又は、ユーザから彼らのユーザデバイスを介して、１又は複数の教育サーバによって受信及び評価され得る。これらのユーザデバイスは、例えば、パーソナルコンピュータ、ラップトップコンピュータ、タブレットコンピューティングデバイス、ネットブックコンピュータ、スマートフォン、パーソナルデジタルアシスタント、又は同様のものを含み得る通信デバイス等の、様々なパーソナルデバイスを含み得る。

ユーザデバイスは、カメラ又は他の画像センサを含み得、又はそれらに通信可能に接続され得、ユーザの画像及び／又はバイオメトリックデータデバイス上のパターンをキャプチャする。特定の例示的な実施形態において、カメラは、ユーザデバイス内に組み込まれ得る。代替的に、カメラは、ユーザデバイスに通信可能に接続される別個のデバイスであり得る。特定の例示的な実施形態において、カメラは、評価のために標準撮像又は赤外線撮像を提供し得る。カメラによって生成される画像は、ユーザに関する顔テンプレートを生成するために用いられ得る。カメラによって生成される画像は、ユーザの顔画像データが、ユーザに関する顔テンプレートにマッチングするかどうかを判断すべく、ユーザの顔画像データを生成するために更に用いられ得、ユーザの顔画像データは、ユーザの顔テンプレートと比較され得る。カメラによって生成される画像は、バイオメトリックデータデバイス上の１又は複数の知られたパターンを識別するために更に用いられ得る。バイオメトリックデータデバイス上の知られたパターンを提供すること、及び、カメラを用いて、知られたパターンがバイオメトリックデータデバイスから検出され得るかどうかを判断することは、なりすましを抑制するものとして更に機能を果たす。

画像データ、バイオメトリックセンサ情報、及びユーザデバイスと、携帯電話タワー等の通信インフラストラクチャとの間の通信に関連付けられるデバイス識別情報は、教育サーバによって受信され得る。この情報は、直接ユーザデバイスから、又は、代替的に、通信インフラストラクチャに関連付けられる通信サーバから受信され得る。この情報は、ユーザデバイスでのログイン情報に関連付けられるユーザが、彼／彼女らが彼らが誰であると述べるかどうか、及び、ユーザが、オンライン教育サービスがユーザに提供されている間、ユーザデバイスに物理的に存在し続けるかどうかを判断するために用いられ得る。例えば、ユーザデバイス及び／又は教育サーバは、画像データ、バイオメトリックセンサ情報、及びユーザデバイス、カメラ、及び／又はバイオメトリックデータデバイスからのデバイス識別情報、を受信し得る。ユーザデバイス及び／又は教育サーバは、受信されたデバイス識別情報が、ユーザデバイス及び／又はユーザに関連付けられるバイオメトリックデータデバイスに関するかどうか、カメラから受信される画像が、ユーザに関する顔テンプレートにマッチングするかどうか、カメラから受信される画像が、バイオメトリックデータデバイス上の知られたパターンを含むかどうか、及びバイオメトリックセンサ情報が、ユーザが実際にユーザデバイスのところに存在することを示すかどうかを判断し得る。これらの判断のうちの１又は複数に基づき、教育サーバは、ユーザに、所望のオンライン教育サービスへのアクセスを提供するかどうか、及び／又はユーザデバイスのところに存在するユーザの認知された真正性に関する通知を生成するかどうかを判断し得る。

図１は、本開示の例示的な実施形態による、オンラインのユーザ（例えば、生徒）と、オンライン教育環境１００におけるリアルタイムユーザ検証を提供する、教育サーバとを含む、例示的な環境１００を図示する簡略ブロック図である。例示的なオンライン教育環境１００は、１又は複数のユーザ１０５（１）、１０５（２）、１０５（３）、１０５（Ｎ）（以下、集合的に又は個々にユーザ１０５と称される）を含み得、ユーザ１０５は、彼らのそれぞれのユーザデバイス１２０（１）、１２０（２）、１２０（３）、...、１２０（Ｎ）（以下、集合的に又は個々にユーザデバイス１２０と称される）を用いる。

ユーザデバイス１２０は、１又は複数のアプリケーション、ソフトウェア、及び／又は命令を実行するよう構成され得る適切なデバイスのうち、いずれか１つであり得、１又は複数の画像、センサ信号、及び／又は通信信号を提供する。本明細書で用いられるユーザデバイス１２０は、任意の多様なクライアントデバイス、電子デバイス、通信デバイス、及び／又はモバイルデバイスであり得る。ユーザデバイス１２０は、これらに限定されないが、タブレットコンピューティングデバイス、電子書籍（ｅｂｏｏｋ）リーダ、ネットブックコンピュータ、ノートブックコンピュータ、ラップトップコンピュータ、デスクトップコンピュータ、Ｗｅｂで使用可能なテレビ、ビデオゲームコンソール、パーソナルデジタルアシスタント（ＰＤＡ）、スマートフォン、又は同様のものを含み得る。図面及び／又は本明細書は、ラップトップコンピュータ、デスクトップコンピュータ、又はタブレットコンピュータデバイスに似せてユーザデバイス１２０を描き得るが、本開示は、そのようなものに限定されない。実際、本明細書に記載のシステム及び方法は、画像、センサ信号、及び／又は通信信号を生成する任意の電子デバイス１２０に適用され得る。

図１において描かれているように、例示的なオンライン教育環境１００は、ネットワーク１３０を介して教育サーバ１１０に通信可能に接続されるユーザデバイス１２０を含み得る。ユーザデバイス１２０は、更に、携帯通信タワー／受信機等の、通信インフラストラクチャ１４０に通信可能に接続され得る。教育サーバ１１０は、画像、バイオメトリックセンサ情報、及び／又はユーザデバイス１２０からのデバイス識別情報のうちの１又は複数を受信するよう、又は、画像、バイオメトリックセンサ情報、及び／又はユーザデバイス１２０によるデバイス識別情報のうちの１又は複数の評価を容易にするよう構成される。受信された画像、バイオメトリックセンサ情報、及び／又はデバイス識別情報に少なくとも部分的に基づき、教育サーバ１１０は、顔認識マッチング、パターン認識マッチング、バイオメトリックデータ評価、及び／又はデバイスマッチングを実行するよう構成され得る。

ネットワーク１３０は、ケーブルネットワーク、インターネット、無線ネットワーク、移動体通信ネットワーク、及び他の私設及び／又は公衆ネットワーク等の、異なる種類の適切な通信ネットワークのうち、いずれか１つ又はそれらの組み合わせを含み得る。更に、ネットワーク１３０は、これらに限定されないが、同軸ケーブル、ツイストペア線、光ファイバ、ハイブリッドファイバ同軸（ＨＦＣ）、地上マイクロ波トランシーバ、無線周波数通信、衛星通信、又はそれらの組み合わせを含む、ネットワークトラフィックが搬送される任意の多様な媒体を含み得る。説明されている技術は、他のクライアント／サーバ構成（例えば、セットトップボックス等）において、並びに非クライアント／サーバ構成（例えば、ローカルに格納されたソフトウェアアプリケーション等）において適用され得ることにも留意すべきである。

通信インフラストラクチャ１４０は、他の通信インフラストラクチャ、及び／又は、これらに限定されないが、Ｗｉ−Ｆｉ（登録商標）、ダイレクトＷｉ−Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、３Ｇ移動通信、４Ｇ移動通信、ロングタームエボリューション（ＬＴＥ）、ＷｉＭＡＸ（登録商標）、ダイレクト衛星通信、又はそれらの任意の組み合わせを含む、任意の適切な通信フォーマット及び／又はプロトコルを用いるユーザデバイス１２０と通信するよう構成され得る。通信インフラストラクチャ１４０は、他の通信インフラストラクチャと通信し得、データパケット等の情報を受信し、その後再送信する。通信インフラストラクチャ１４０は、ユーザデバイス１２０からの無線通信信号を受信するよう構成され得る。これらの通信信号は、画像、バイオメトリックセンサ情報、及び／又はユーザデバイス１２０からその上で搬送されるデバイス識別情報を含む、無線信号であり得る。これらの送信された画像、バイオメトリックセンサ情報、及び／又はデバイス識別情報は、ユーザデバイス１２０によって識別され、コード化され、通信インフラストラクチャ１４０で受信される無線信号によって搬送されるデータであり得る。通信インフラストラクチャ１４０は、ネットワーク１３０を介して教育サーバ１１０から等、ユーザデバイス１２０に通信信号を送信するよう更に構成され得る。

図２Ａ及び図２Ｂは、本開示の例示的な実施形態による、オンライン教育環境におけるリアルタイムユーザ検証のために、画像、バイオメトリックセンサ情報、及び／又はデバイス識別情報を提供するユーザデバイス１２０の例示的なアーキテクチャを図示する簡略ブロック図である。ユーザデバイス１２０は、１又は複数のユーザインタフェース２０２、ユーザデバイス１２０に通信可能に接続されるアンテナ２０４、及びユーザデバイス１２０に通信可能に接続されるカメラ２０６を含み得る。特定の例示的な実施形態において、バイオメトリックデータデバイス２０８が、ユーザデバイス１２０に通信可能に接続され得る。例示的な一実施形態において、バイオメトリックデータデバイスは、イヤホン又は他の種類のヘッドフォンである。代替的に、他の形態のバイオメトリックデータデバイスが、代わりに用いられ得る。イヤホン２０８は、イヤホン２０８の外部表面に提供される少なくとも１つの知られたパターン２１０を含み得る。知られたパターンは、以下議論される顔認識モジュールによって視認及び認識される２１０であり得る。

バイオメトリックデータデバイスは、心拍数モニタ２１２を更に含み得る。例示的な一実施形態において、心拍数モニタ２１２は、ユーザ１０５によってユーザの耳の中へ置かれるイヤホン内に組み込まれ得、ユーザ１０５から心拍数データを受信及び送信する。ユーザデバイス１２０は、１又は複数のプロセッサ２２０、入力／出力（Ｉ／Ｏ）インタフェース２２２、無線２２４、ネットワークインタフェース２２６、及びメモリ２３０を含み得る。

ユーザデバイス１２０のプロセッサ２２０は、ハードウェア、ソフトウェア、ファームウェア、又はそれらの組み合わせにおいて適切に実装され得る。プロセッサ２２０のソフトウェア実装又はファームウェア実装が、任意の適切なプログラミング言語で書き込まれた、コンピュータで実行可能な、又は機械で実行可能な命令を含み得、説明されている様々な機能を実行する。プロセッサ２２０のハードウェア実装が、コンピュータで実行可能な、又は機械で実行可能な命令を実行するよう構成され得、説明されている様々な機能を実行する。例示的な実施形態において、プロセッサ２２０は、メモリ２２０に格納される命令、ソフトウェア、及び／又はアプリケーションを実行するよう構成され得る。１又は複数のプロセッサ２２０は、中央処理装置（ＣＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、縮小命令セットコンピュータ（ＲＩＳＣ）、複合命令セットコンピュータ（ＣＩＳＣ）、システムオンチップ（ＳｏＣ）、マイクロプロセッサ、マイクロコントローラ、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又はそれらの任意の組み合わせを含み得るが、これらに限定されない。ユーザデバイス１２０は、１又は複数のプロセッサ２２０と、ユーザデバイス１２０の他のコンポーネントのうちの１又は複数との間の通信を制御するためのチップセット（図示せず）を又含み得る。プロセッサ２２０は、１又は複数の特定用途向け集積回路（ＡＳＩＣ）、システムオンチップ（ＳｏＣ）、又は、特定のデータ処理機能又はタスクを扱うための特定用途向け標準製品（ＡＳＳＰ）を又含み得る。特定の実施形態において、ユーザデバイス１２０は、インテル（登録商標）Ａｒｃｈｉｔｅｃｔｕｒｅシステムに基づき得、１又は複数のプロセッサ２２０及びチップセットは、インテル（登録商標）Ａｔｏｍ（登録商標）プロセッサ・ファミリ等の、インテル（登録商標）プロセッサ及びチップセットのファミリからであり得る。

１又は複数のＩ／Ｏデバイスインタフェース２２２は、１又は複数の（Ｉ／Ｏ）デバイス、又はタッチセンシティブスクリーン、キーボード、及び／又はマウス等の、ユーザインタフェース２０２の使用を可能にし得る。ユーザ１０５は、Ｉ／Ｏデバイスインタフェース２２２を介してユーザインタフェース２０２とやり取りすることにより、画像、バイオメトリックセンサ情報、及び／又はユーザデバイス１２０からのデバイス識別情報を管理することが可能であってよい。ネットワークインタフェース２２６は、ユーザデバイス１２０が、１又は複数のネットワーク１３０を介して、及び／又は他の適切な通信（ｃｏｍｍｕｎｉｃａｔｉｖｅ）チャネルを介して通信することを可能にし得る。例えば、ユーザデバイス１２０は、格納されたデータベース、他のコンピューティングデバイス又はサーバ、ユーザ端末、又はネットワーク１３０上の他のデバイスと通信するよう構成され得る。

無線２２４は、ユーザデバイス１２０によって利用される通信プロトコルに対応する帯域幅及び／又はチャネルにおける無線周波数（ＲＦ）信号を送信及び／又は受信するための、任意の適切な無線を含み得、他のユーザデバイス１２０及び／又は通信インフラストラクチャ１４０と通信する。無線コンポーネント２２４は、ハードウェア及び／又はソフトウェアを含み得、事前に確立された送信プロトコルに従って、通信信号を変調する。無線コンポーネント２２４は、これらに限定されないが、Ｗｉ−Ｆｉ（登録商標）、ダイレクトＷｉ−Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、３Ｇ移動通信、４Ｇ移動通信、ロングタームエボリューション（ＬＴＥ）、ＷｉＭＡＸ（登録商標）、ダイレクト衛星通信、又はそれらの組み合わせを含む、１又は複数の通信プロトコルに関する通信信号を生成するよう構成され得る。代替的な実施形態において、比較的近接するユーザデバイス１２０及び／又はバイオメトリックデータデバイス２０８間の通信に関して、Ｂｌｕｅｔｏｏｔｈ（登録商標）、専用狭域通信（ＤＳＲＣ）、又は他のパケット化された無線通信等の、プロトコルが用いられ得る。無線コンポーネント２２４は、ユーザデバイス１２０の通信プロトコルを介して通信するのに適した、任意の知られた受信機及びベースバンドを含み得る。無線コンポーネント２２４は、低雑音増幅器（ＬＮＡ）、追加の信号増幅器、アナログ‐デジタル（Ａ／Ｄ）変換器、１又は複数のバッファ、及びデジタルベースバンドを更に含み得る。特定の実施形態において、無線２２４によって生成される通信信号は、ユーザデバイス１２０上のアンテナ２０４を介して送信され得る。

メモリ２３０は、これらに限定されないが、磁気記憶デバイス、リードオンリメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、同期式ダイナミックＲＡＭ（ＳＤＲＡＭ）、ダブルデータレート（ＤＤＲ）ＳＤＲＡＭ（ＤＤＲ−ＳＤＲＡＭ）、ＲＡＭ−ＢＵＳ ＤＲＡＭ（ＲＤＲＡＭ）、フラッシュメモリデバイス、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、ユニバーサルシリアルバス（ＵＳＢ）リムーバブルメモリ、又はそれらの組み合わせを含む１又は複数の揮発性及び／又は不揮発性メモリデバイスを含み得る。

メモリ２３０は、プロセッサ２２０上でロード可能及び実行可能であるプログラム命令、並びにこれらのプログラムの実行中に生成又は受信されるデータを格納し得る。メモリ２３０は、その上に、オペレーティングシステム（Ｏ／Ｓ）モジュール２３２、アプリケーションモジュール２３４、通信モジュール２３６、顔認識モジュール２３８、バイオセンサモジュール２４０、ユーザデータファイル２４２、ユーザ検証モジュール２５２を含むソフトウェアモジュールを格納し得る。メモリ２３０上に格納されるモジュール、ファイル、及び／又はソフトウェアの各々は、プロセッサ２２０によって実行される場合に、ユーザデバイス１２０向けの機能性を提供し得る。

Ｏ／Ｓモジュール２３２は、その上に、１又は複数のオペレーティングシステムを格納し得る。プロセッサ２２０は、（Ｏ／Ｓ）モジュール２３２に格納される１又は複数のオペレーティングシステムにアクセスし、それ（ら）を実行するよう構成され得、ユーザデバイス１２０のシステム機能を操作する。オペレーティングシステムによって管理されるシステム機能は、メモリ管理、プロセッサリソース管理、ドライバ管理、アプリケーションソフトウェア管理、システム構成、及び同様のものを含み得る。オペレーティングシステムは、これらに限定されないが、Ｇｏｏｇｌｅ（登録商標）Ａｎｄｒｏｉｄ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｅｒ（登録商標）、Ｌｉｎｕｘ（登録商標）、Ａｐｐｌｅ（登録商標）ＯＳ‐Ｘ（登録商標）、又は同様のものを含む任意の多様な適切なオペレーティングシステムであり得る。

アプリケーションモジュール２３４は、その上に、プロセッサ２２０によって実行され得る命令及び／又はアプリケーションを含み得、ユーザデバイス１２０に関連付けられる１又は複数の機能性を提供する。これらの命令及び／又はアプリケーションは、特定の態様において、（Ｏ／Ｓ）モジュール２３２及び／又はユーザデバイス１２０の他のモジュールとやり取りし得る。アプリケーションモジュール２３４は、プロセッサ２２０によって起動及び／又は実行され得る、命令、ソフトウェア、及び／又はコードをその上に格納し得、それらに関連付けられる１又は複数のアプリケーション及び機能性を実行する。これらのアプリケーションは、これらに限定されないが、ウェブ閲覧、ビジネス、通信、グラフィック、文書処理、出版、スプレッドシート、データベース、ゲーム、教育、エンターテインメント、媒体、プロジェクト企画、エンジニアリング、図面、又はそれらの組み合わせ等の機能性を含み得る。

通信モジュール２３６は、その上に、プロセッサ２２０によって実行される場合に、ユーザデバイス１２０が様々な通信機能性を提供することを可能にする命令を格納し得る。一態様において、プロセッサ２２０は、通信モジュール２３６に格納される命令を実行することにより、アンテナ２０４及び無線２２４を介してユーザデバイス１２０によって受信される通信信号を復調及び／又は復号するよう構成され得る。受信された通信信号は、オーディオ、ビーコンデータ、ハンドシェーキング、情報、及び／又はその上の他のデータを更に搬送し得る。別の態様において、プロセッサ２２０は、少なくとも通信モジュール２３６からの命令を実行することにより、無線２２４及び／又はアンテナ２０４を介して通信信号を生成及び送信するよう構成され得る。プロセッサ２２０は、ユーザデバイス１２０によって送信される通信信号を符号化及び／又は変調し得る。

顔認識モジュール２３８は、その上に、プロセッサ２２０によって実行される場合に、ユーザデバイス１２０が、１又は複数の顔認識アルゴリズムを採用し、カメラ２０６によって生成される１つの画像を、カメラ２０６によって生成される別の画像と比較し、画像がマッチングする、又は実質的にマッチングするかどうかを判断することを可能にする命令を格納し得る。例えば、顔認識モジュール２３８は、ユーザ１０５の現在の顔画像を、ユーザ１０５に関する過去の顔テンプレートと比較するための命令を含み得、それらがマッチングする、又は実質的にマッチングするかどうかを判断する。加えて、顔認識モジュール２３８は、ユーザ１０５の現在の顔画像におけるバイオメトリックデータデバイス２０８の位置を判断し、バイオメトリックデータデバイス２０８の位置に焦点を合わせ、バイオメトリックデータデバイス２０８が、バイオメトリックデータデバイス２０８の外部上の知られたパターン２１０を含むかどうかを判断するための命令を有し得る。

バイオセンサモジュール２４０は、その上に、プロセッサ２２０によって実行される場合に、ユーザデバイス１２０が、図２のイヤホン２０８等の、バイオメトリックデータデバイス２０８からバイオメトリックセンサデータを受信及び評価することを可能にする命令を格納し得る。特定の例示的な実施形態において、バイオセンサモジュール２４０は、ユーザデータファイル２４２から、ユーザ１０５に関する過去のバイオメトリックセンサデータを格納及びそれにアクセスし得る。バイオセンサモジュール２４０は、バイオメトリックデータデバイス２０８からバイオメトリックセンサデータも受信し得、バイオメトリックセンサデータが、生きている人間（ｌｉｖｅ ｐｅｒｓｏｎ）がユーザデバイス１２０のところに存在することを示すかどうかを判断し得る。更に、バイオセンサモジュール２４０は、現在のバイオメトリックセンサデータを、ユーザ１０５に関する過去のバイオメトリックセンサデータと比較し得、データが、同一のユーザ１０５から来た可能性が高いかどうかを判断する。例えば、バイオセンサモジュール２４０は、ユーザ１０５からの現在の心拍数データを、ユーザ１０５に関する格納された過去の心拍数データと比較し得、一致がある、又は実質的な一致があるかどうかを判断する。

ユーザ検証モジュール２５２は、その上に、プロセッサ２２０によって実行される場合に、ユーザデバイス１２０が、オンライン教育環境においてユーザ認証及び評価を実行することを可能にする命令を格納し得る。ユーザ検証モジュール２５２は、ユーザ１０５が、彼らが称するのは誰であるかの可能性を評価し得、その評価に基づき、オンライン教育環境へのアクセスを許可又は拒否し得る。更に、ユーザ検証モジュール２５２は、プロセッサ２２０によって実行される場合に、ユーザ１０５の追加の検証レビューを実行することにより、その検証レビューを周期的に補い得る。検証レビューは、オンラインクラス環境におけるデバイス検証、顔認識、バイオメトリックデータ評価及び比較、及びユーザスコアの評価を含み得る。

ユーザデータファイル２４２は、オンライン教育環境１００へのアクセスを有する、（例えば、ユーザデバイス１２０の複数のユーザ１０５が、オンライン教育環境にアクセスしている状況における）１又は複数のユーザ１０５に関連付けられる情報を含み得る。ユーザデータファイル２４２は、ユーザ１０５に関するユーザ識別情報（例えば、ユーザ名、住所、電話番号、電子メールアドレス、ログイン情報及びパスワード情報）を含み得る。ユーザデータファイル２４２は、顔テンプレートファイル２４６、デバイスＩＤファイル２４８、及びユーザ心拍数データファイル２５０を又含み得る。顔テンプレートファイル２４６は、ユーザ１０５に関する顔テンプレートを含み得、顔テンプレートは、顔認識モジュール２３８によって用いられ得、ユーザ１０５に関する現在の顔画像データと比較し、ユーザ１０５が真正であると検証する。デバイスＩＤファイル２４８は、オンライン教育環境において、ユーザデバイス１２０に関する、及び／又はユーザ１０５に関連付けられる任意のデバイスに関するデバイス識別データを含み得る。ユーザ心拍数データファイル２５０は、ユーザ１０５に関する過去の心拍数データを格納し得る。過去の心拍数データは、バイオセンサモジュール２４０によって取得され、比較され得、過去の心拍数データが、バイオメトリックデータデバイス２０８から受信される現在の心拍数データにマッチングする、又は実質的にマッチングするかどうかを判断する。

オペレーティングシステム（Ｏ／Ｓ）モジュール２３２、アプリケーションモジュール２３４、通信モジュール２３６、顔認識モジュール２３８、バイオセンサモジュール２４０、及びユーザ検証モジュール２５２に格納される命令の機能性には、重複があり得ることが理解されよう。事実、前述のモジュール２３２、２３４、２３６、２３８、２４０及び２５２の機能は、教育サーバ１１０のフレームワークの下で、シームレスにやり取り及び協働し得る。実際、モジュール２３２、２３４、２３６、２３８、２４０及び２５２のいずれかに関して説明されている機能の各々は、本開示の特定の実施形態による任意のモジュール２３２、２３４、２３６、２３８、２４０及び２５２に格納され得る。更に、特定の例示的な実施形態において、オペレーティングシステム（Ｏ／Ｓ）モジュール２３２、アプリケーションモジュール２３４、通信モジュール２３６、顔認識モジュール２３８、バイオセンサモジュール２４０、及びユーザ検証モジュール２５２の範囲内で説明されている命令、プログラム、及び／又はアプリケーションを含む単一のモジュールがあり得る。

図３は、本開示の例示的な実施形態による、教育サーバ１１０の例示的なアーキテクチャを図示する簡略ブロック図である。教育サーバ１１０は、１又は複数のプロセッサ３００、Ｉ／Ｏインタフェース３０２、ネットワークインタフェース３０４、ストレージインタフェース３０６、及びメモリ３１０を含み得る。

いくつかの例において、教育サーバ１１０のプロセッサ３００は、ハードウェア、ソフトウェア、ファームウェア、又はそれらの組み合わせにおいて適切に実装され得る。プロセッサ３００のソフトウェア実装又はファームウェア実装が、任意の適切なプログラミング言語で書き込まれた、コンピュータで実行可能な命令、又は機械で実行可能な命令を含み得、説明されている様々な機能を実行する。プロセッサ３００のハードウェア実装が、コンピュータで実行可能な、又は機械で実行可能な命令を実行するよう構成され得、説明される様々な機能を実行する。１又は複数のプロセッサ３００は、中央処理装置（ＣＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、縮小命令セットコンピュータ（ＲＩＳＣ）、複合命令セットコンピュータ（ＣＩＳＣ）、システムオンチップ（ＳｏＣ）、マイクロプロセッサ、マイクロコントローラ、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又はそれらの任意の組み合わせを含み得るが、これらに限定されない。教育サーバ１１０は、１又は複数のプロセッサ３００と、教育サーバ１１０の他のコンポーネントのうちの１又は複数との間の通信を制御するためのチップセット（図示せず）を又含み得る。１又は複数のプロセッサ３００は、１又は複数の特定用途向け集積回路（ＡＳＩＣ）、システムオンチップ（ＳｏＣ）、又は、特定のデータ処理機能又はタスクを扱うための特定用途向け標準製品（ＡＳＳＰ）を又含み得る。特定の実施形態において、教育サーバ１１０は、インテル（登録商標）Ａｒｃｈｉｔｅｃｔｕｒｅシステムに基づき得、１又は複数のプロセッサ３００及びチップセットは、インテル（登録商標）Ａｔｏｍ（登録商標）プロセッサ・ファミリ等の、インテル（登録商標）プロセッサ及びチップセットのファミリからであり得る。

１又は複数のＩ／Ｏデバイスインタフェース３０２は、１又は複数の（Ｉ／Ｏ）デバイス、又はキーボード、及び／又はマウス等の、ユーザインタフェースの使用を可能にし得る。ネットワークインタフェース３０４は、教育サーバ１１０が、１又は複数のネットワーク１３０を介して、及び／又は他の適切な通信（ｃｏｍｍｕｎｉｃａｔｉｖｅ）チャネルを介して通信することを可能にし得る。例えば、教育サーバ１１０は、格納されたデータベース、他のコンピューティングデバイス又はサーバ、ユーザ端末、又はネットワーク１３０上の他のデバイスと通信するよう構成され得る。ストレージインタフェース３０６は、教育サーバ１１０が、オンライン教育環境１００のたくさんのユーザ１０５に関する、画像（例えば、顔テンプレート）、バイオメトリックセンサデータ（例えば、心拍数データ）、ユーザデータ（例えば、生徒情報、ログイン、及びパスワード）、学業成績等の情報、及び／又はユーザデバイス並びに記憶デバイスにおけるバイオメトリックデータデバイス識別情報を格納することを可能にし得る。

メモリ３１０は、これらに限定されないが、磁気記憶デバイス、リードオンリメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、同期式ダイナミックＲＡＭ（ＳＤＲＡＭ）、ダブルデータレート（ＤＤＲ）ＳＤＲＡＭ（ＤＤＲ−ＳＤＲＡＭ）、ＲＡＭ−ＢＵＳ ＤＲＡＭ（ＲＤＲＡＭ）、フラッシュメモリデバイス、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、ユニバーサルシリアルバス（ＵＳＢ）リムーバブルメモリ、又はそれらの組み合わせを含む１又は複数の揮発性及び／又は不揮発性メモリデバイスを含み得る。

メモリ３１０は、プロセッサ３００上でロード可能及び実行可能であるプログラム命令、並びにこれらのプログラムの実行中に生成又は受信されるデータを格納し得る。より詳細にメモリ３１０のコンテンツを参照すると、メモリ３１０は、１又は複数のオペレーティングシステム（Ｏ／Ｓ）モジュール３１２、アプリケーションモジュール３１４、画像モジュール３１６、顔認識モジュール３１８、バイオセンサモジュール３２０、デバイス妥当性評価モジュール３３４、ユーザ検証モジュール３３６、及び／又はユーザデータ３２２を含み得る。モジュール、データ、及び／又はソフトウェアの各々は、プロセッサ３００によって実行される場合に、教育サーバ１１０向けの機能性を提供し得る。モジュール、データ、及び／又はソフトウェアは、メモリ３１０における物理的な位置及び／又はアドレスに対応してもよく、又はしなくてもよい。換言すると、モジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６の各々のコンテンツは、互いに分離されなくてもよく、事実、メモリ３１０上の少なくとも部分的に交互に配置される位置に格納されてもよい。更に、図３における例示的な実施形態は、モジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６を別個であるように提示するが、他の例示的な実施形態において、これらのモジュールのオペレーションは、提示されている７つのモジュールよりも少ない数に任意の様式で組み合わされ得る。例えば、画像モジュール３１６及び顔認識モジュール３１８のオペレーションは、組み合わされ得る。別の例において、これらのモジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６のオペレーションの全てが、単一のモジュールによって完了され得る。モジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６のオペレーションの任意の他の組み合わせ及び統合が、本明細書において考えられる。

Ｏ／Ｓモジュール３１２は、その上に、１又は複数のオペレーティングシステムを格納し得る。プロセッサ３００は、（Ｏ／Ｓ）モジュール３１２に格納される１又は複数のオペレーティングシステムにアクセスし、それ（ら）を実行するよう構成され得、教育サーバ１１０のシステム機能を操作する。オペレーティングシステムによって管理されるシステム機能は、メモリ管理、プロセッサリソース管理、ドライバ管理、アプリケーションソフトウェア管理、システム構成、及び同様のものを含み得る。オペレーティングシステムは、これらに限定されないが、Ｇｏｏｇｌｅ（登録商標）Ａｎｄｒｏｉｄ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｅｒ（登録商標）、Ｌｉｎｕｘ（登録商標）、Ａｐｐｌｅ（登録商標）ＯＳ‐Ｘ（登録商標）、又は同様のものを含む任意の多様な適切なオペレーティングシステムであり得る。

アプリケーションモジュール３１４は、その上に、プロセッサ３００によって実行され得る命令及び／又はアプリケーションを含み得、たくさんのユーザ１０５（例えば、生徒）に提供されるオンライン教育サービスに関連付けられる１又は複数の機能性を提供する。これらの命令及び／又はアプリケーションは、特定の態様において、（Ｏ／Ｓ）モジュール３１２及び／又は教育サーバ１１０の他のモジュールとやり取りし得る。アプリケーションモジュール３１４は、プロセッサ３００によって起動及び／又は実行され得る、命令、ソフトウェア、及び／又はコードをその上に格納し得、それらに関連付けられる１又は複数のアプリケーション及び機能性を実行する。これらのアプリケーションは、これらに限定されないが、ウェブ閲覧、ビジネス、通信、グラフィック、文書処理、出版、スプレッドシート、データベース、ゲーム、教育、エンターテインメント、媒体、プロジェクト企画、エンジニアリング、図面、又はそれらの組み合わせ等の機能性を含み得る。

画像モジュール３１６は、その上に、プロセッサ３００によって実行される場合に、教育サーバ１１０が、様々な撮像管理及び／又は画像処理関連機能性を提供することを可能にする命令を格納し得る。一態様において、プロセッサ３００は、ネットワーク１３０又は他の適切な通信（ｃｏｍｍｕｎｉｃａｔｉｖｅ）リンクを介して、１又は複数のユーザデバイス１２０から１又は複数の画像を受信するよう構成され得る。これらの画像は、メモリ３１０及び／又は他の適切なデータベース上に格納され得る。画像は、顔認識モジュール３１８及び／又はバイオセンサモジュール３２０に格納される命令を実行することにより、プロセッサ３００によって更に分析され得る。

顔認識モジュール３１８は、その上に、プロセッサ３００によって実行される場合に、教育サーバ１１０が、１又は複数の顔認識アルゴリズムを採用し、ユーザデバイス１２０でカメラ２０６によって生成される１つの画像を、カメラ２０６によって生成される別の画像と比較し、画像がマッチングする、又は実質的にマッチングするかどうかを判断することを可能にする命令を格納し得る。比較は、様々な適切なアルゴリズムに関与し得、特定の例示的な実施形態において、第１の画像内の画素の第１のクラスタ、及び第２の画像内の画素の第２のクラスタにおける特徴の一致の確率をもたらし得る。いくつかの場合において、一致の確率が、所定の閾値レベルよりも大きい場合、２つの画像における特徴が、一致であり得ると判断され得る。いくつかの場合において、プロセッサ３００によって実行される、この種類の特徴マッチングアルゴリズムは、画像、又は、第１画像及び第２画像において比較され得る画素のクラスタ等の、それらの一部に関連付けられる、様々なパラメータの相関及び／又は相互相関を判断することを含み得る。画像に亘って比較され得る例示的なパラメータが、画素の色、強度、明度、又は同様のものを含み得る。位置推定システム及び機構は、２つの画像を参照して説明されているが、システム及びアルゴリズムは、比較及びローカライズされる任意の数の受信された画像に拡張され得ることが理解されよう。プロセッサ３００は、様々な数理的及び／又は統計的なアルゴリズムを実行し得、１つよりも多くの画像に亘って現れる特徴を識別及び／又は「認識」することが更に理解されよう。数理的及び／又は統計的なアルゴリズムは、画像画素、又はそれらの一部の反復比較、及び／又は閾値フィルタリング等の画像の特定の画素を分離する様々なフィルタリング技術等の様々な適切な技術に関与し得る。

例えば、顔認識モジュール３１８は、ユーザ１０５の現在の顔画像を、ユーザ１０５に関する過去の顔テンプレートと比較するための命令を含み得、それらがマッチングする、又は実質的にマッチングするかどうかを判断する。加えて、顔認識モジュール３１８は、ユーザ１０５の現在の顔画像における、バイオメトリックデータデバイス２０８の位置を判断するための命令を有し得る。顔認識モジュール３１８は、バイオメトリックデータデバイス２０８の位置に焦点を合わせ、バイオメトリックデータデバイス２０８が、バイオメトリックデータデバイス２０８の外部上の知られたパターン２１０を含むかどうかを判断し得る。

バイオセンサモジュール３２０は、その上に、プロセッサ３００によって実行される場合に、教育サーバ１１０が、図２のイヤホン２０８等の、バイオメトリックデータデバイス２０８からバイオメトリックセンサデータを受信及び評価することを可能にする命令を格納し得る。特定の例示的な実施形態において、バイオセンサモジュール３２０は、ユーザデータファイル３２２又はユーザデバイス１２０のユーザデータファイル２４２から、ユーザ１０５に関する過去のバイオメトリックセンサデータを格納及びそれにアクセスし得る。バイオセンサモジュール３２０は、バイオメトリックデータデバイス２０８からバイオメトリックセンサデータも受信し得、バイオメトリックセンサデータが、生きている人間がユーザデバイス１２０のところに存在することを示すかどうかを判断し得る。更に、バイオセンサモジュール３２０は、現在のバイオメトリックセンサデータを、ユーザ１０５に関する過去のバイオメトリックセンサデータと比較し得、データが、同一のユーザ１０５から来た可能性が高いかどうかを判断する。例えば、バイオセンサモジュール３２０は、ユーザ１０５からの現在の心拍数データを、ユーザ１０５に関する格納された過去の心拍数データと比較し得、一致又は実質的な一致があるかどうかを判断する。

デバイス妥当性評価モジュール３３４は、その上に、プロセッサ３００によって実行される場合に、教育サーバ１１０が、ユーザデバイス１２０からデバイス識別情報を受信し、登録されたデバイスＩＤファイル３２８からユーザ１０５に関連付けられる格納されたデバイス識別情報を取得し、格納されたデバイス識別情報を、受信されたデバイス識別情報と比較し、一致が存在するかどうかを判断することを可能にする命令を格納し得る。デバイス妥当性評価モジュール３３４は、特定のユーザ１０５に関連付けられる、ユーザデバイス１２０及びバイオメトリックデータデバイス２０８を含むそれらのデバイスを判断することが可能である。デバイス妥当性評価モジュール３３４は、新たなデバイスに関する新たなデバイス識別情報を取得し、デバイス識別情報を、登録されたデバイスＩＤファイル３２８におけるユーザデータに関連付けることも可能である。加えて、デバイス妥当性評価モジュール３３４は、複数のユーザ１０５間で共有される（ユーザデバイス１２０又はバイオメトリックデータデバイス２０８等の）デバイスを識別することが可能であり得、そうすることにより、顔認識モジュール３１８及び／又はバイオセンサモジュール３２０と併せてユーザ検証モジュール３３６は、現在デバイスを用いている特定のユーザ１０５を判断し得る。

ユーザ検証モジュール３３６は、その上に、プロセッサ３００によって実行される場合に、教育サーバ１１０が、オンライン教育環境においてユーザ認証及び評価を実行することを可能にする命令を格納し得る。ユーザ検証モジュール３３６は、ユーザ１０５が、彼らが称するのは誰であるかの可能性を評価し得、その評価に基づき、オンライン教育環境へのアクセスを許可又は拒否し得る。更に、ユーザ検証モジュール３３６は、プロセッサ３００によって実行される場合に、ユーザ１０５の追加の検証レビューを実行することにより、そのユーザ１０５の検証を周期的に補い得る。検証レビューは、オンラインクラス環境におけるデバイス検証、顔認識、バイオメトリックデータ評価及び比較、及びユーザスコアの評価を含み得る。

ユーザデータファイル３２２は、教育サーバ１１０によって提供されるオンライン教育環境へのアクセスを有する、１又は複数のユーザ（例えば、生徒）に関連付けられる情報を含み得る。ユーザデータファイル３２２は、オンライン教育環境へのアクセスを有する各ユーザ１０５に関する、ユーザ識別情報（例えば、ユーザ名、住所、電話番号、電子メールアドレス、ログイン情報及びパスワード情報）を含み得る。ユーザデータファイル３２２は、顔テンプレートファイル３２４、過去の心拍数データファイル３２６、登録されたデバイスＩＤファイル３２８、及び学業成績ファイル３３０を又含み得る。顔テンプレートファイル３２４は、オンライン教育環境へのアクセスを有する各ユーザ１０５（例えば、生徒）に関する顔テンプレートを含み得る。代替的に、顔テンプレートファイル３２４は、ユーザ１０５に関する実際の顔テンプレートを含み得ないが、代わりに、彼らのそれぞれのユーザデバイス１２０上に格納される、ユーザに関する格納された顔テンプレートを表すトークンを含み得る。顔テンプレートは、顔認識モジュール３１８によって用いられ得、ユーザ１０５に関する現在の顔画像データと比較し、ユーザが真正であると検証する。過去の心拍数データファイル３２６は、オンライン教育環境へのアクセスを有するユーザ１０５に関する過去の心拍数データを含み得る。代替的に、過去の心拍数データファイル３２６は、ユーザ１０５に関する実際の過去の心拍数又は他のバイオメトリックデータを含み得ないが、代わりに、彼らのそれぞれのユーザデバイス１２０上に格納されるユーザ１０５に関する過去の心拍数データ又は他のバイオメトリックデータを表すトークンを含み得る。過去の心拍数データは、バイオセンサモジュール３２０によって取得され、比較され得、過去の心拍数データが、バイオメトリックデータデバイス２０８から受信される現在の心拍数データにマッチングする、又は実質的にマッチングするかどうかを判断する。

デバイスＩＤファイル２４８は、オンライン教育環境において、ユーザ１０５に関連付けられる各デバイス（例えば、ユーザデバイス及びバイオメトリックデータデバイス）に関するデバイス識別データを含み得る。ユーザ検証モジュール３３６は、デバイス妥当性評価モジュール３３４を採用し得、受信されたデバイス識別データを、ユーザ１０５に関連付けられ、登録されたデバイスＩＤファイル３２８に格納されるデバイス識別データと比較し、一致が存在するかどうか、及びユーザ１０５によって現在用いられているデバイスが、ユーザ１０５が用いると予想されるデバイスであるかどうかを判断する。

学業成績ファイル３３０は、オンライン教育環境へのアクセスを有する各ユーザ及び前のユーザ（例えば、学校の現在及び前の各生徒）に関する学業成績を含み得る。例示的な一実施形態において、学業成績ファイル３３０におけるデータは、ユーザ識別情報、小テスト及びテストスコア、ユーザによって以前及び現在取られているクラス、ユーザグレード、ユーザ１０５が参加したモジュール又はクラスセッション、ユーザ１０５によって試みられたレビュー質問、ユーザ１０５によって出席された実験、ユーザ１０５によって出席された勉強セッション及び議論グループ及び議論されるコンテンツ、及び同様のものを含み得る。

オペレーティングシステム（Ｏ／Ｓ）モジュール３１２、アプリケーションモジュール３１４、画像モジュール３１６、顔認識モジュール３１８、バイオセンサモジュール３２０、デバイス妥当性評価モジュール３３４、及び／又はユーザ検証モジュール３３６に格納される命令の機能性には、重複があり得ることが理解されよう。事実、前述のモジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６の機能は、教育サーバ１１０のフレームワークの下で、シームレスにやり取り及び協働し得る。実際、モジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６のいずれかに関して説明されている機能の各々は、本開示の特定の例示的な実施形態による任意のモジュール３１２、３１４、３１６、３１８、３２０、３３４及び３３６に格納され得る。更に、特定の実施形態において、オペレーティングシステム（Ｏ／Ｓ）モジュール３１２、アプリケーションモジュール３１４、画像モジュール３１６、顔認識モジュール３１８、バイオセンサモジュール３２０、及びデバイス妥当性評価モジュール３３４及び／又はユーザ検証モジュール３３６の範囲内で説明されている命令、プログラム、及び／又はアプリケーションを含む単一のモジュールがあり得る。

図４は、本開示の特定の例示的な実施形態による、リアルタイムユーザ検証における使用のために、ユーザ固有の画像、デバイス、及びバイオメトリックデータを受信及び格納する例示的な方法４００を図示するフローチャートである。この方法４００は、教育サーバ１１０及びその上のプロセッサ３００によって実行され得る。ここで図１−図４を参照すると、例示的な方法４００は、ＳＴＡＲＴブロックから開始し、ブロック４０２に進む。ブロック４０２で、教育サーバ１１０は、オンライン講座プロバイダのために、ウェブサイトでユーザ情報を登録する、又は更新する要求を受信する。例えば、ユーザ１１０が、ユーザデバイス１２０を介して、ネットワーク１３０を介して教育サーバ１１０に関連付けられるオンライン講座ウェブサイトにアクセスし得、ユーザ検証情報を登録する、又はそうでなければ提供する機会を要求する。

ブロック４０４において、プロセッサ３００は、ユーザ検証情報を提供するための登録テンプレートを生成し、又はそうでなければメモリ３１０から取得し得る。ブロック４０６において、教育サーバ１１０のプロセッサ３００は、表示のためにネットワーク１３０を経由して、ネットワークインタフェース２２６を介して登録テンプレートを送信し、又はそうでなければユーザデバイス１２０による登録テンプレートへのアクセスを、提供し得る。ブロック４０８において、教育サーバ１１０は、ユーザデバイス１２０におけるユーザ入力を介してユーザ情報データを受信し得る。例えば、ユーザ情報データは、これらに限定されないが、ユーザ名、住所、連絡先情報、社会保障番号、学校識別番号、又はユーザ１１０を一意的に識別する任意の他の情報を含み得る。プロセッサ３００は、ユーザ情報データの受信を容易にし得、ユーザ情報データは、次に、メモリ３１０に格納され得る。例えば、ユーザ情報データは、ユーザデータ３２２に格納され得る。

ブロック４１０において、教育サーバ１１０は、オンライン講座ウェブサイトを介して、ユーザデバイス１２０におけるユーザ入力を通じて、ユーザに関するログインデータ及びパスワードデータを受信し得る。例えば、オンライン講座ウェブサイトを介して、プロセッサ３００は、ログインデータ及びパスワードデータを受信し得る。プロセッサ３００は、ユーザセットアップアプリケーション３１４に、ブロック４１２において、ユーザ情報をユーザログイン情報及びパスワードデータに関連付けるよう指示し得る。例えば、アプリケーション３１４は、ユーザ情報データに関連付けられるユーザログイン情報及びパスワード情報を、ユーザデータ３２２に格納し得る。

ブロック４１４において、教育サーバ１１０は、ネットワーク１３０を介して、１又は複数のユーザデバイス１２０からユーザデバイス識別情報（例えば、デバイスＩＤ）を受信し得る。例えば、ユーザデバイス識別情報は、ユーザデバイス１２０を、他のユーザデバイスから一意的に識別する１又は複数の情報であり得る。ユーザデバイス識別情報を構成するために用いられ得る、複数の種類の情報の例が、これらに限定されないが、デバイスパスワード、オペレーティングシステム名、オペレーティングシステムバージョン、及びオペレーティングシステム製造業者を含む。当業者は、他の形態のデバイス指紋が、本明細書において、教育サーバ１１０へのユーザデバイス情報の提供の一部として代わりに用いられ得ることを認識するであろう。ブロック４１６において、プロセッサ３００は、ユーザセットアップアプリケーション３１４に、ユーザ情報をデバイス識別情報に関連付けるよう指示し得る。例えば、ブロック４１８において、アプリケーション３１４は、メモリ３１０のユーザデータファイル３２２に、ユーザ情報データとともにデバイス識別データを格納し得る。代替的に、デバイス識別データは、ユーザデバイス１２０上に格納され得る。この代替的な実施形態において、プロセッサ２２０は、ユーザセットアップアプリケーション２３４に、例えば、メモリ２３０のデバイスＩＤファイル２４８に、デバイス識別データを格納するよう指示し得る。デバイス識別データに関連付けられるトークンが、次に、ネットワーク１３０を介して教育サーバ１１０によって受信され、ユーザ情報に関連付けられ、メモリ３１０の登録されたデバイスＩＤファイル３２８に格納され得る。

ブロック４２０において、問い合わせが実行され、ユーザ情報を関連付ける別のデバイスがあるかどうかを判断する。他のデバイスの例が、（異なるパーソナルコンピュータ、ラップトップコンピュータ、タブレット、ネットブック等のような）他のユーザデバイス１２０と、（例えば、イヤホン２０８、別の心拍数モニタ、他のバイオメトリックデータデバイス及びセンサ、カメラ、等の）バイオメトリックデータデバイスとを含む。一例において、その判断は、ユーザデバイス１２０に取り付けられるデバイスに基づき、又はオンライン講座ウェブサイトからの要求に応答したユーザデバイス１２０におけるユーザ入力を介して、プロセッサ３００によってなされ得る。別のデバイスに関する追加のデバイス情報データが、ユーザに関連付けられる必要がある場合、ＹＥＳ分岐は、ブロック４１４に続く。そうでなければ、ＮＯ分岐は、ブロック４２２に続く。

ブロック４２２において、ユーザ１０５に対する、顔テンプレートを作成する要求が、ユーザデバイス１２０上の表示のために生成される。一例において、プロセッサ３００は、ユーザ検証モジュール３３６を介して、メモリ３１０からの要求の格納されたコピーを生成又はそれにアクセスし得、ネットワークインタフェース３０４は、ネットワーク１３０を介して要求をユーザデバイス１２０に送信し得る。ブロック４２４において、ユーザに関する画像データが、ユーザデバイス１２０のカメラ２０６から受信され得る。ブロック４２６において、受信されたユーザ画像データに基づき、顔テンプレートがユーザに関して生成され得る。顔テンプレートデータが教育サーバ１１０に格納されない例示的な実施形態において、プロセッサ２２０は、ユーザデバイスにおけるユーザ検証モジュール２５２を採用し得、顔テンプレートデータを生成する。顔テンプレートデータが教育サーバ１１０に格納される例示的な実施形態において、プロセッサ３００は、ユーザ検証モジュール２５２を介して、ユーザ画像データを受信し、ユーザ１０５に関する顔テンプレートを生成し得る。

ブロック４２８において、プロセッサ２２０又は３００は、ユーザ検証モジュール２５２及び３３６を採用し得、それぞれ、ユーザに関する顔テンプレートデータをユーザ情報に関連付ける。ブロック４３０において、ユーザ１０５に関する顔テンプレートは、ユーザデバイス１２０上で顔テンプレートファイル２４６にローカルに格納され、教育サーバ１１０の顔テンプレートファイル３２４においてトークンとして暗号化及び格納され得る。処理は、次にＥＮＤブロックへ続き得る。

図５Ａ及び図５Ｂは、本開示の特定の例示的な実施形態による、オンライン教育環境における継続的なリアルタイムユーザ検証のための例示的な方法５００を図示するフローチャートである。この方法５００は、教育サーバ１１０及びその上のプロセッサ３００によって実行され得る。ここで図１−図３及び図５Ａ−図５Ｂを参照すると、例示的な方法５００は、ＳＴＡＲＴブロックから開始し、ブロック５０２に進む。ブロック５０２で、教育サーバ１１０は、ユーザデバイス１２０のところに存在するユーザ１０５からログイン要求を受信する。例えば、ユーザ１０５が、ユーザデバイス１２０を介して、ネットワーク１３０を介して教育サーバ１１０に関連付けられるオンライン講座ウェブサイトにアクセスし得、オンライン講座情報（例えば、オンラインクラス、小テスト、実験、練習問題、ヘルプセッション、テスト等）にアクセスするべくログイン要求を作成する。ブロック５０４において、ユーザ１０５に関するログイン情報が受信される。例えば、ユーザ１０５は、ユーザデバイス１２０から、ログイン情報（例えば、ログイン名およびパスワード）をオンライン講座ウェブサイトの所望の位置に入力し得る。ログイン情報は、ネットワーク１３０を介して、教育サーバ１１０によって受信され得る。ブロック５０６において、教育サーバ１１０のプロセッサ３００は、ユーザ検証モジュール３３６を採用し、ログイン情報に関連付けられるユーザを判断する。例えば、ユーザ検証モジュール３３６は、ログイン情報を、ユーザデータファイル３２２に格納される複数のユーザのログイン情報と比較し得、一致が存在するかどうかを判断し、マッチングしているログイン情報に基づきユーザを判断する。

ブロック５０８において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、マッチングしているユーザ１０５に関するユーザ情報データにアクセスする。例えば、ユーザ情報データは、ユーザ１０５に関連付けられる実際のデバイス識別情報、ユーザ１０５に関する顔テンプレート、及びユーザ１０５に関するバイオメトリックデータを含み得る。代替的に、ユーザ情報データは、デバイス識別情報、顔テンプレート、及びユーザ１０５に関するバイオメトリックデータに関連付けられる、１又は複数のトークンを含み得、実際のデータは、ユーザデバイス１２０上に格納され得る。

ブロック５１０において、教育サーバ１１０は、ネットワーク１３０を介して、ユーザデバイス１２０からデバイス識別情報を受信する。一例において、デバイス識別情報は、デバイスＩＤであり得る。特定の例示的な実施形態において、ユーザログイン情報（例えば、ログイン名およびパスワード）は、それが必要であると考えられなくてもよいので受信されなくてもよく、ユーザ、ユーザに関する顔テンプレート、及び／又はユーザに関する過去のバイオメトリックデータを識別することは、ユーザログイン情報ではなくむしろデバイス識別情報の評価に基づき得る。従って、ユーザ識別情報を参照することが、デバイス識別情報、ユーザログイン情報、又はユーザ１０５を一意的に識別する任意の他の情報のうちの１又は複数を含み得る。ブロック５１２において、問い合わせが実行され、デバイス識別情報が、ユーザに関する格納されたデバイス識別情報にマッチングするかどうかを判断する。教育サーバ１１０のプロセッサ３００は、ユーザ検証モジュール３３６を採用し得、受信されたデバイス識別情報を、ユーザ１０５に関する格納されたデバイス識別情報と比較し、一致が存在するかどうかを判断する。評価がユーザデバイス１２０で行われる代替的な実施形態において、ユーザデバイス１２０のプロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、ユーザデバイス１２０に関する現在のデバイス識別情報を、ユーザ１０５に関する格納されたデバイス識別情報と比較し、一致が存在するかどうかを判断する。ラップトップコンピュータ１２０及びイヤホン２０８等の、複数のデバイスがある例示的な実施形態において、各々に関してデバイス識別情報が受信され得、各々に関して評価がなされ得、一致が存在するかどうかを判断する。デバイス識別情報が、ユーザに関する格納されたデバイス識別情報にマッチングしない場合、ＮＯ分岐は、図５Ｂのブロック５８４に続く。特定の状況において、ユーザ１０５は、新たなユーザデバイス１２０又はアクセサリデバイス（例えば、バイオメトリックデータデバイス２０８）を登録する処理を通らずにデバイスを変更し得る。例えば、バイオメトリックデータデバイス（例えば、イヤホン２０８）がもはや機能しない場合、ユーザ１０５は、新たなイヤホン２０８を購入し得る。同様に、ユーザ１０５は、彼らが用いているユーザデバイス１２０の種類（例えば、デスクトップコンピュータ、ラップトップコンピュータ、タブレット、ネットブックコンピュータ、Ｗｅｂで使用可能なテレビ、ビデオゲームコンソール、パーソナルデジタルアシスタント（ＰＤＡ）、スマートフォン、又は同様のもの等）を変更し得る。ユーザのアイデンティティが別の方法で検証され得る場合、図４で説明されているように、ユーザ１０５に、デバイス登録処理に戻ることを要求しないことが（クライアントサービスの観点から）有益であり得る。ブロック５８４において、問い合わせが実行され、顔認識及び／又は心拍数データが、ログイン情報によって識別されるユーザにマッチングするかどうかを判断する。例示的な一実施形態において、図５Ａ−図５Ｂの他の部分において説明されているように、判断は、ユーザ検証モジュール３３６によってなされ得、顔認識マッチング及び心拍数データマッチングに関する判断は、完了され得る。顔認識及び／又は心拍数データが、ログイン情報によって識別されるユーザに関してマッチングしない場合、ＮＯ分岐は、ブロック５８０に続く。そうでなければ、ＹＥＳ分岐は、ブロック５８６に続く。

ブロック５８６において、図４において説明されているように、新たなユーザデバイス／バイオメトリックデータデバイスに関する新たなユーザデバイス識別情報が、新たなユーザデバイス／バイオメトリックデータデバイスから受信され得る。ブロック５８８において、新たなユーザデバイス識別情報は、ユーザに関するユーザ情報に関連付けられ、図４において説明されているものと実質的に同一の様式で格納され得る。処理は、次に図５Ａのブロック５１４に続き得る。

ブロック５１２の問い合わせに戻ると、デバイス識別情報が、格納されたデバイス情報にマッチングする場合、次に、ＹＥＳ分岐は、ブロック５１４に続き得る。ブロック５１４において、現在のユーザ顔画像データが、ユーザデバイス１２０のカメラ２０６から受信される。例示的な一実施形態において、現在のユーザ顔画像データは、ユーザデバイス１２０のユーザ検証モジュール２５２によって受信される。しかしながら、顔認識評価が、教育サーバ１１０で行われる状況において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ネットワーク１３０を介してユーザデバイス１２０から現在のユーザ顔画像データを受信する。

ブロック５１６において、現在のユーザ顔画像データは、ユーザ１０５に関する格納された顔テンプレートと比較される。比較がユーザデバイス１２０で行われる例示的な実施形態において、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、顔テンプレートファイル２４６からユーザに関する顔テンプレートを受信し、及び、顔認識モジュール２３８を採用し得、現在のユーザ顔画像データが、一致であると考えられる顔テンプレートに十分に近いかどうかを判断する。比較が教育サーバ１１０で行われる例示的な実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、顔テンプレートファイル３２４からユーザに関する顔テンプレートを受信し、及び、顔認識モジュール３１８を採用し得、現在のユーザ顔画像データが、一致であると考えられるユーザに関する顔テンプレートに十分に近いかどうかを比較及び判断する。当業者は、マッチングのための顔認識ソフトウェア及びアルゴリズムが周知であり、従って、どのように一致が判断されるかの詳細な説明は必要でないことを認識するであろう。

ブロック５１８において、問い合わせが実行され、現在のユーザ顔画像データが、ユーザに関する格納された顔テンプレートにマッチングするかどうかを判断する。上で議論されたように、特定の例示的な実施形態において、判断は、顔認識モジュール３１８又は顔認識モジュール２３８によってなされ得る。現在のユーザ顔画像データが、ユーザに関する格納された顔テンプレートにマッチングしない場合、ＮＯ分岐は、ブロック５２０に続き、ブロック５２０で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、通知を生成する。例示的な一実施形態において、通知は、現在のユーザ顔画像は、ユーザに関する格納された顔テンプレートにマッチングしないというものであり得る。この通知は、ユーザデバイス１２０のところに存在するユーザ１０５への表示のために送信され得る。加えて、この通知は、ユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。別の例示的な実施形態において、ユーザ１０５は、顔認識一致を取得する所定の数の機会を与えられ得る。その状況において、通知は、ユーザに表示のために送信され得、ユーザにマッチングの失敗を通知し得、彼らがカメラ２０６の前に適切にあり、カメラ２０６の視認を不明瞭にするものは何もないことをユーザが保証することを要求する。処理は、次にブロック５１４又はブロック５８２のいずれかに進み得る。

ブロック５１８における問い合わせに戻ると、現在のユーザ顔画像データが、格納された顔テンプレートにマッチングする場合、ＹＥＳ分岐は、ブロック５２２に続く。ブロック５２２において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、例えば、バイオメトリックデータデバイス２０８に関する受信されたデバイス識別データに基づき、ユーザ１１０によって用いられているバイオメトリックデータデバイス２０８に関する知られたパターンを識別する。例示的な一実施形態において、バイオメトリックデータデバイス２０８は、イヤホンであり、知られたパターンは、２１０に示される通りである。しかしながら、上で議論されたような他のバイオメトリックデータデバイス、及び他の知られたパターン２１０が代わりに用いられ得る。特定の例示的な実施形態において、ユーザ検証モジュール３３６は、メモリ３１０から知られたパターンを取得し得る。代替的に、知られたパターン２１０に関する評価が、ユーザデバイス１２０で行われる状況において、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し、バイオメトリックデータデバイス２０８に関する知られたパターンが、ユーザ１１０によって用いられていると識別する。特定の例示的な実施形態において、ユーザ検証モジュール２５２は、メモリ２３０又は３１０から知られたパターンを取得し得る。

ブロック５２４において、顔認識モジュール２３８又は顔認識モジュール３１８は、知られた顔認識アルゴリズムを用いて、現在のユーザ顔画像データからバイオメトリックデータデバイス２０８が位置される領域を識別し得る。バイオメトリックデータデバイス２０８がイヤホン２０８である例示的な実施形態において、特定のモジュールは、分析のために現在のユーザ顔画像データにおけるユーザの耳領域を識別し、知られたパターンが位置され得るかどうかを判断するであろう。

ブロック５２６において、バイオメトリックデータデバイス２０８に関する知られたパターン２１０は、現在のユーザ顔画像データの領域と比較され、知られたパターン２１０が現在のユーザ顔画像データにおいて識別されるかどうかを判断する。評価がユーザデバイス１２０で実行される例示的な実施形態において、プロセッサ２２０は、ユーザ検証モジュール２５２及び顔認識モジュール２３８を採用し得、現在のユーザ顔画像データを評価し、１又は複数の知られた顔認識アルゴリズムを用いて、知られたパターン２１０の１又は複数の事例が存在するかどうかを判断する。例えば、バイオメトリックデータデバイスが、イヤホン２０８である場合、ユーザ検証モジュール２５２は、知られたパターン２１０の２つの事例（例えば、ユーザ１０５の各耳の隣の各イヤホン上のもの）を見ることが可能であるべきであると判断し得る。比較が一旦完了されると、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、教育サーバ１１０のユーザ検証モジュール３３６へ、比較の結果の通知を生成する。提示されている例示的な実施形態は、２つの事例を説明するが、事例の数は、より少ない数、又はより大きい数であり得る。評価が教育サーバ１１０で実行される例示的な実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６及び顔認識モジュール３１８を採用し得、現在のユーザ顔画像データを評価し、１又は複数の知られた顔認識アルゴリズムを用いて、知られたパターン２１０の１又は複数の事例が存在するかどうかを判断する。

ブロック５２８において、問い合わせが実行され、知られたパターン２１０のうちの１又は複数が、バイオメトリックデータデバイス２０８上で識別されるかどうかを判断する。知られたパターン２１０が、現在のユーザ顔画像データにおいて識別されない場合、ＮＯ分岐は、ブロック５３０に続き、ブロック５３０で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、ユーザが、バイオメトリックデータデバイス２０８及び／又はデバイス２０８上の知られたパターン２１０を身に着ける／のカバーを外すことをユーザデバイス１２０上で表示するために要求を生成する。処理は、次にブロック５１４に戻り、更新された現在のユーザ顔画像データを受信する。

ブロック５２８に戻ると、知られたパターン２１０が、現在のユーザ顔画像データにおいて識別される場合、ＹＥＳ分岐は、ブロック５３２に続き、ブロック５３２で、ユーザに関するバイオメトリックデータが、バイオメトリックデータデバイス２０８を介して受信される。一例において、バイオメトリックデータデバイスは、着用時にユーザ１０５の心拍数を受信及び伝え得る心拍数センサ２１２を含むイヤホン２０８である。図５Ａ及び図５Ｂの議論の残りの部分は、心拍数データに関するバイオメトリックデータ分析を説明するが、上で議論されたような他のバイオメトリックデータが、開示されている方法において代わりに用いられ得る。例示的な一実施形態において、心拍数データは、ユーザデバイス１２０でユーザ検証モジュール２５２によって受信される。別の例示的な実施形態において、ユーザ１０５に関する心拍数データは、ユーザデバイス１２０によってネットワーク１３０を介して教育サーバ１１０に送信され、教育サーバ１１０で、ユーザ検証モジュール３３６は、評価のために心拍数データを受信する。

ブロック５３４において、問い合わせが実行され、ユーザに関する受信された心拍数データが、生きている人間を示すかどうかを判断する。評価がユーザデバイス１２０で実行される例示的な一実施形態において、ユーザ検証モジュール２５２は、バイオセンサモジュール２４０を採用し、知られたパターンに対して受信されたユーザ心拍数データを評価し、受信された心拍数データが、生きている人間を示すかどうかを判断する。評価が一旦完了すると、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、オンライン講座ウェブサイトを介して、教育サーバ１１０でのユーザ検証モジュール３３６へ、評価の結果を示す通知を送信する。代替的に、評価が教育サーバ１１０で実行される例示的な実施形態において、ユーザ検証モジュール３３６は、バイオセンサモジュール３２０を採用し、知られた心拍数パターンに対して受信されたユーザ心拍数データを評価し、受信された心拍数データが、生きている人間を示すかどうかを判断する。受信された心拍数データが、生きているユーザ（ｌｉｖｅ ｕｓｅｒ）を示さない場合、ＮＯ分岐は、ブロック５３６に続き、ブロック５３６で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、心拍数データが、生きている人間を示さないということをユーザデバイス１２０上で表示するための通知を生成し、ユーザ１０５が、心拍数分析のためにイヤホン２０８を適切に挿入することを要求する。処理は、次にブロック５３２に戻り得る。加えて、又は代替例において、この通知は、ユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。

ブロック５３４に戻ると、受信された心拍数データが、生きているユーザを示す場合、ＹＥＳ分岐は、ブロック５３８に続き、ブロック５３８で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、ユーザ１０５が真正であるように検証する。ブロック５４０において、受信された心拍数データは、ユーザ１０５に関するユーザ情報に関連付けられ、後続の評価及び比較のために格納され得る。例えば、心拍数データがユーザデバイス１２０で維持される例示的な実施形態において、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、心拍数データをユーザ１０５に関連付け、心拍数データをユーザ心拍数データファイル２０５に格納する。心拍数データが教育サーバで維持される例示的な実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、心拍数データをユーザ１０５に関連付け、心拍数データを過去の心拍数データファイル３２６に格納する。

プロセッサ３００は、次に、ユーザ検証モジュール３３６を採用し得、ブロック５４２において、ユーザ１０５に、ユーザデバイス１２０及びネットワーク１３０を介した所望の教育的情報へのアクセスを提供する、又は提供し続ける。

ブロック５４４において、問い合わせが実行され、ユーザ１０５の検証がチェックされてから、所定の時間が経過したかどうかを判断する。所定の時間は、１秒から１２０分までの任意の時間であり得、オンライン機関が、どれくらいの頻度でユーザ１０５の再検証および再認証を望むかに基づき、又はユーザ１０５が、講座コンテンツとアクティブに動作し、置き換えられなかった確率におけるシステムの信頼性に基づき、構成可能であり得る。例示的な一実施形態において、所定の時間が経過したかどうかに関する判断は、教育サーバ１１０のユーザ検証モジュール３３６によってなされ得る。代替的に、所定の時間を用いてユーザをいつ再検証するかをトリガする代わりに、トリガは、ランダムサンプリングに基づき得、又は、ユーザ１０５が、（例えば、講座に関するテスト／小テストを取る要求、質問に回答する又は講座に関する割り当てを完了する要求、等の）特定の行動をいつ取るかに基づき得る。更なる代替的な実施形態において、ユーザ１０５を再検証するトリガは、バイオセンサモジュール３２０による、ユーザ１０５に関して受信される心拍数データが、過去の心拍数データと実質的に異なるという判断に基づき得、他の誰かが、ユーザデバイス１２０のところに存在するユーザ１０５を置き換えたことを示すことであり得る。所定の時間が経過していない場合、ＮＯ分岐は、ブロック５４４に戻って続く。これに対して、所定の時間が経過した場合、ＹＥＳ分岐は、ブロック５４６に続く。

ブロック５４６において、現在のユーザ顔画像データが、ユーザデバイス１２０のカメラ２０６から受信される。例示的な一実施形態において、現在のユーザ顔画像データは、ユーザデバイス１２０のユーザ検証モジュール２５２によって受信される。しかしながら、顔認識評価が、教育サーバ１１０で行われる状況において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ネットワーク１３０を介してユーザデバイス１２０から現在のユーザ顔画像データを受信する。

ブロック５４８において、現在のユーザ顔画像データは、ユーザ１０５に関する格納された顔テンプレートと比較される。比較がユーザデバイス１２０で行われる例示的な実施形態において、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、顔テンプレートファイル２４６からユーザ１０５に関する顔テンプレートを受信し、及び、顔認識モジュール２３８を採用し得、現在のユーザ顔画像データが、一致であると考えられる顔テンプレートに十分に近いかどうかを判断する。比較が教育サーバ１１０で行われる例示的な実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、顔テンプレートファイル３２４からユーザ１０５に関する顔テンプレートを受信し、及び、顔認識モジュール３１８を採用し得、現在のユーザ顔画像データが、一致であると考えられるユーザ１０５に関する顔テンプレートに十分に近いかどうかを比較及び判断する。

ブロック５５０において、問い合わせが実行され、現在のユーザ顔画像データが、ユーザ１０５に関する格納された顔テンプレートにマッチングするかどうかを判断する。上で議論されたように、特定の例示的な実施形態において、判断は、顔認識モジュール３１８又は顔認識モジュール２３８によってなされ得る。現在のユーザ顔画像データが、ユーザ１０５に関する格納された顔テンプレートにマッチングしない場合、ＮＯ分岐は、ブロック５５２に続き、ブロック５５２で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、通知を生成する。例示的な一実施形態において、通知は、現在のユーザ顔画像は、ユーザ１０５に関する格納された顔テンプレートにマッチングしないというものであり得る。この通知は、ユーザデバイス１２０のところに存在するユーザ１０５への表示のために送信され得る。加えて、この通知は、ユーザ１０５に関するユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。別の例示的な実施形態において、ユーザ１０５は、顔認識一致を取得する特定の数の機会を与えられ得る。その状況において、通知は、ユーザ１０５に表示のために送信され得、ユーザ１０５にマッチングの失敗を通知し得、彼らがカメラ２０６の前に適切にあり、カメラ２０６の視認を不明瞭にするものは何もないことをユーザ１０５が保証することを要求する。処理は、次にブロック５４６又はブロック５８２のいずれかに戻り得る。

ブロック５５０における問い合わせに戻ると、現在のユーザ顔画像データが、格納された顔テンプレートにマッチングする場合、ＹＥＳ分岐は、ブロック５５４に続く。ブロック５５４において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、例えば、バイオメトリックデータデバイス２０８に関する受信されたデバイス識別データに基づき、ユーザ１０５によって用いられているバイオメトリックデータデバイス２０８に関する知られたパターンを識別する。例示的な一実施形態において、バイオメトリックデータデバイス２０８はイヤホンであり、知られたパターンは２１０に示される通りである。しかしながら、上で議論されたような他のバイオメトリックデータデバイス、及び他の知られたパターン２１０が代わりに用いられ得る。特定の例示的な実施形態において、ユーザ検証モジュール３３６は、メモリ３１０から知られたパターンを取得し得る。代替的に、知られたパターン２１０に関する評価が、ユーザデバイス１２０で行われる状況において、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し、バイオメトリックデータデバイス２０８に関する知られたパターンが、ユーザ１０５によって用いられていると識別する。特定の例示的な実施形態において、ユーザ検証モジュール２５２は、メモリ２３０又は３１０から知られたパターンを取得し得る。

ブロック５５６において、顔認識モジュール２３８又は顔認識モジュール３１８は、知られた顔認識アルゴリズムを用いて、現在のユーザ顔画像データからバイオメトリックデータデバイス２０８が位置する領域を識別し得る。バイオメトリックデータデバイス２０８がイヤホン２０８である例示的な実施形態において、特定のモジュールは、分析のために現在のユーザ顔画像データにおけるユーザ１０５の耳領域を識別し、知られたパターンが位置され得るかどうかを判断するであろう。

ブロック５５８において、バイオメトリックデータデバイス２０８に関する知られたパターン２１０は、現在のユーザ顔画像データの領域と比較され、知られたパターン２１０が現在のユーザ顔画像データにおいて識別されるかどうかを判断する。評価がユーザデバイス１２０で実行される例示的な実施形態において、プロセッサ２２０は、ユーザ検証モジュール２５２及び顔認識モジュール２３８を採用し得、現在のユーザ顔画像データを評価し、１又は複数の知られた顔認識アルゴリズムを用いて、知られたパターン２１０の１又は複数の事例が存在するかどうかを判断する。例えば、バイオメトリックデータデバイスが、イヤホン２０８である場合、ユーザ検証モジュール２５２は、知られたパターン２１０の２つの事例（例えば、ユーザ１０５の各耳の隣の各イヤホン上のもの）を見ることが可能であるべきであると判断し得る。比較が一旦完了されると、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、教育サーバ１１０のユーザ検証モジュール３３６へ、比較の結果の通知を生成する。評価が教育サーバ１１０で実行される例示的な実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６及び顔認識モジュール３１８を採用し得、現在のユーザ顔画像データを評価し、１又は複数の知られた顔認識アルゴリズムを用いて、知られたパターン２１０の１又は複数の事例が存在するかどうかを判断する。

ブロック５６０において、問い合わせが実行され、知られたパターン２１０のうちの１又は複数が、バイオメトリックデータデバイス２０８上で識別されるかどうかを判断する。知られたパターン２１０が、現在のユーザ顔画像データにおいて識別されない場合、ＮＯ分岐は、ブロック５６２に続き、ブロック５６２で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、ユーザ１０５が、バイオメトリックデータデバイス２０８及び／又はデバイス２０８上の知られたパターン２１０を身に着ける／のカバーを外すことをユーザデバイス１２０上で表示するために要求を生成する。処理は、次にブロック５４６に戻り、更新された現在のユーザ顔画像データを受信する。

ブロック５６０に戻ると、知られたパターン２１０が、現在のユーザ顔画像データにおいて識別される場合、ＹＥＳ分岐は、ブロック５６４に続き、ブロック５６４で、ユーザ１０５に関する、心拍数データ等のバイオメトリックデータが、バイオメトリックデータデバイス２０８を介して受信される。例示的な一実施形態において、心拍数データは、ユーザデバイス１２０でユーザ検証モジュール２５２によって受信される。別の例示的な実施形態において、ユーザ１０５に関する心拍数データは、ユーザデバイス１２０によってネットワーク１３０を介して教育サーバ１１０に送信され、教育サーバ１１０で、ユーザ検証モジュール３３６は、評価のために心拍数データを受信する。

ブロック５６６において、問い合わせが実行され、ユーザ１０５に関する受信された心拍数データが、生きている人間を示すかどうかを判断する。評価がユーザデバイス１２０で実行される例示的な一実施形態において、ユーザ検証モジュール２５２は、バイオセンサモジュール２４０を採用し、知られたパターンに対して受信されたユーザ心拍数データを評価し、受信された心拍数データが、生きている人間を示すかどうかを判断する。評価が一旦完了すると、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、オンライン講座ウェブサイトを介して、教育サーバ１１０でのユーザ検証モジュール３３６への、評価の結果を示す通知を送信する。代替的に、評価が教育サーバ１１０で実行される例示的な実施形態において、ユーザ検証モジュール３３６は、バイオセンサモジュール３２０を採用し、知られた心拍数パターンに対して受信されたユーザ心拍数データを評価し、受信された心拍数データが、生きている人間を示すかどうかを判断する。受信された心拍数データが、生きている人間を示さない場合、ＮＯ分岐は、ブロック５６８に続き、ブロック５６８で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、心拍数データが、生きている人間を示さないということをユーザデバイス１２０上で表示するための通知を生成し、ユーザ１０５が、心拍数分析のためにイヤホン２０８を適切に挿入することを要求する。処理は、次にブロック５３２に戻り得る。加えて、又は代替例において、この通知は、ユーザ１０５に関するユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。

ブロック５６６に戻ると、受信された心拍数データが、生きているユーザ１０５を示す場合、ＹＥＳ分岐は、ブロック５７０に続き、ブロック５７０で、ユーザ１０５に関する格納された心拍数データは、比較のために取得される。例示的な一実施形態において、比較のために用いられる格納された心拍数データは、ユーザ１０５に関して受信された最も最近の心拍数データである。特定の例示的な実施形態において、比較は、ユーザデバイス１２０で実行され、プロセッサは、ユーザ検証モジュール２５２を採用し、ユーザ心拍数データファイル２５０から格納された心拍数データを取得する。他の例示的な実施形態において、比較は、教育サーバによって完了され、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、過去の心拍数データファイル３２６からユーザ１０５に関する格納された心拍数データを取得する。

ブロック５７２において、ブロック５６４において受信された心拍数データは、ユーザ１０５に関する格納された心拍数データと比較され、心拍数データが、格納された心拍数データにマッチングする、及び／又は実質的にマッチングするかどうかを判断する。比較がユーザデバイス１２０で完了される例示的な実施形態において、プロセッサ２２０は、バイオセンサモジュール２４０を採用し得、心拍数データを格納された心拍数データと比較し、知られたマッチングアルゴリズムを用いて一致又は実質的な一致があるかどうかを判断し、教育サーバ１１０のユーザ検証モジュール３３６へ、ネットワーク１３０を介して比較の結果を提供する通知を生成し得る。比較が教育サーバ１１０で完了される例示的な実施形態において、プロセッサ３００は、バイオセンサモジュール３２０を採用し得、心拍数データを格納された心拍数データと比較し、知られたマッチングアルゴリズムを用いて一致又は実質的な一致があるかどうかを判断する。それ以前の最も最近の心拍数データと、ユーザ１０５に関する現在の心拍数データとの間の一致又は実質的な一致の欠如は、ユーザ１０５が変わった、又は人工的なデータを提供することにより、リアルタイマユーザ検証システムを回避しようと試みていることを示し得る。

ブロック５７４において、問い合わせが実行され、心拍数データが、ユーザ１０５に関する格納された心拍数データにマッチングする、又は実質的にマッチングするかどうかを判断する。心拍数データが、格納された心拍数データにマッチングする、又は実質的にマッチングする場合、ＹＥＳ分岐は、ブロック５７６に続き、ブロック５７６で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、ユーザ１０５を検証する。処理は、次に図５Ａのブロック５４０に戻る。

ブロック５７４に戻ると、心拍数データが、ユーザ１０５に関する格納された心拍数データにマッチングしない、又は実質的にマッチングしない場合、ＮＯ分岐は、ブロック５７８に続き、ブロック５７８で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、心拍数データが、ユーザ１０５に関するそれ以前の心拍数データにマッチングしない、又は実質的にマッチングしないことをユーザデバイス１２０上に表示するための通知を生成する。加えて、ユーザ１０５は、更なる心拍数データを格納された心拍数データと比較することにより、課題を修正しようとする所定の数の試みを提供され得る。加えて、又は代替例において、ブロック５８０において、この通知は、ユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。ブロック５８２において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、所望のオンライン講座情報へのユーザ１０５による更なるアクセスを防止する。処理は、次にＥＮＤブロックへ続き得る。

図６は、本開示の特定の例示的な実施形態による、オンライン教育環境におけるユーザ成功の予測分析のための例示的な方法６００を図示するフローチャートである。方法６００は、教育サーバ１１０及びその上のプロセッサ３００によって実行され得る。例示的な方法６００は、図４、図５Ａ、及び図５Ｂにおいて説明されている方法に加えて、又はそれらとは別に実行され得る。ここで図１‐図３及び図６を参照すると、例示的な方法６００は、ＳＴＡＲＴブロックから開始し、ブロック６０２に進む。ブロック６０２で、教育サーバ１１０のプロセッサ３００は、ユーザ１０５によって取られているクラスを識別する。例えば、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ユーザ１０５が、特定のクラスにおいてテスト／小テストを取ろうとしていると判断する。

ブロック６０４において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ユーザ１０５が、識別されたクラスに関するクラス資料を視聴した時間を識別する。例えば、ユーザ検証モジュール３３６は、学業成績ファイル３３０におけるユーザ１０５に関する成績を評価し得、ユーザ１０５が、クラスに関するクラス資料（例えば、講義、実験、議論セッション及びボード等）を視聴した量及び／又は時間を判断する。ブロック６０６において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、識別されたクラスに関する講座を視聴中に提示される、練習問題、練習テスト、及び質問に関するユーザの成功率（例えば、正答率）を識別する。例えば、ユーザ検証モジュール３３６は、学業成績ファイル３３０におけるユーザ１０５に関する成績を評価し得、クラスに関する練習テスト及び練習問題でのユーザの成功率を判断する。ブロック６０８において、プロセッサは、ユーザ検証モジュール３３６を採用し得、ユーザ１０５が、クラスに関する小テストで取ったそれ以前のスコアを識別する。例示的な一実施形態において、ユーザ検証モジュール３３６は、学業成績ファイル３３０におけるユーザ１０５に関する成績を評価し得、クラスにおけるユーザのそれ以前の小テストスコアを判断する。

ブロック６１０において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ユーザ１０５がクラス資料を視聴したと識別された量／時間、クラス講義又はレビュー中に提示される、練習問題、練習テスト、並びに質問を受けているユーザ１０５の成功率、及びそのクラスにおいてユーザ１０５が受けるそれ以前の小テストに基づき、ユーザ１０５が、識別されたクラスに関する現在のテストでどれくらい良好な結果を残すかの予測モデルを構築する。機械学習の多くの異なる知られた形態が、上で概要を説明された要因に基づき予測モデルを構築するために用いられ得る。特定の例示的な実施形態において、全ての変数よりも少ない数又は追加の変数が、予測モデルを構築することに含まれ得る。例示的な一実施形態において、テストでのユーザの成功の予測モデルは、ユーザ１０５が現在のテストで取ると予想されるスコア範囲を含み得る。

ブロック６１２において、ユーザ１０５は、オンライン講座ウェブサイトを介したテストへのアクセスを提供される。例示的な一実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、現在のテストでのユーザの成功（例えば、スコア）をリアルタイムでモニタリングし、又はユーザ１０５が現在のテストを完了した後、ユーザの成功を評価のみし得る。ブロック６１４において、ユーザ検証モジュール３３６は、ユーザ１０５に関する現在のテスト結果を受信し得る。上で議論されたように、結果は、現在のテストの一部のみ又は現在のテストの全体を表し得る。

ブロック６１６において、問い合わせが実行され、テスト結果が、クラスに関するユーザ１０５に関する予測モデル範囲内であるかどうかを判断する。例示的な一実施形態において、判断は、ユーザ検証モジュール３３６によってなされ得、テスト結果の、予測モデルによって提供されるスコアの範囲との比較に基づき得る。テスト結果が、スコアの予測モデル範囲内である場合、ＹＥＳ分岐は、ＥＮＤブロックに続く。そうでなければ、ＮＯ分岐は、ブロック６１８に続く。例えば、予測モデルは、提供される変数に基づき、ユーザ１０５がテストで７０と８２との間を取ると予測し得る。ユーザ１０５が、テストの全て又は一部で９８を取った場合、そのことは、不正行為が行われている可能性を意味し得る。

ブロック６１８において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、テストでのユーザのスコアが異常である（例えば、可能性のあるテストスコアの予測モデル範囲の境界外である）という通知を生成する。ブロック６２０において、通知は、更なる不正評価のために、教育サーバ１１０からオンライン教育機関の所定のメンバに送信され得る。通知は、ユーザデバイス１２０のところに存在するユーザ１０５への表示のために又送信され得る。加えて、又は代替例において、この通知は、ユーザデータに関連付けられ、及びユーザデータファイル３２２に格納され得る。方法６００は、次にＥＮＤブロックに進み得る。

図７は、本開示の特定の例示的な実施形態による、オンライン教育環境におけるリアルタイムユーザ検証をいつ実行するかを判断するための例示的な方法７００を図示するフローチャートである。方法７００は、教育サーバ１１０及びその上のプロセッサ３００によって実行され得る。例示的な方法７００は、図４−図６において説明されている方法に加えて、又はそれらとは別に実行され得る。ここで図１‐図３及び図７を参照すると、例示的な方法７００は、ＳＴＡＲＴブロックから開始し、ブロック７０２に進む。ブロック７０２で、教育サーバ１１０のプロセッサ３００は、ユーザ１０５によって取られているクラスを識別する。例えば、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ユーザ１０５が、特定のクラスにおいてテスト／小テストを取ろうとしている、又は質問のセットに回答しようとしていると判断する。

ブロック７０４において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ユーザ１０５が、識別されたクラスに関するクラス資料を視聴した量及び／又は時間を識別する。例えば、ユーザ検証モジュール３３６は、学業成績ファイル３３０におけるユーザ１０５に関する成績を評価し得、ユーザ１０５が、クラスに関するクラス資料（例えば、講義、実験、議論セッション及びボード等）を視聴した量及び／又は時間を判断する。ブロック７０６において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、識別されたクラスに関する講座を視聴中に提示される、練習問題、練習テスト、及び質問に関するユーザの成功率（例えば、正答率）を識別する。例えば、ユーザ検証モジュール３３６は、学業成績ファイル３３０におけるユーザ１０５に関する成績を評価し得、クラスに関する練習テスト及び練習問題でのユーザの成功率を判断する。ブロック７０８において、プロセッサは、ユーザ検証モジュール３３６を採用し得、ユーザ１０５が、クラスに関する小テストで取ったそれ以前のスコアを識別する。例示的な一実施形態において、ユーザ検証モジュール３３６は、学業成績ファイル３３０におけるユーザ１０５に関する成績を評価し得、クラスにおけるユーザのそれ以前の小テストスコアを判断する。

ブロック７１０において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、ユーザ１０５がクラス資料を視聴したと識別された量／時間、クラス講義又はレビュー中に提示される、練習問題、練習テスト、並びに質問を受けているユーザ１０５の成功率、及びそのクラスにおいてユーザ１０５が受けるそれ以前の小テストに基づき、ユーザ１０５が、識別されたクラスに関する現在のテスト／小テスト／質問でどれくらい良好な結果を残すかの確率スコアを生成する。機械学習の多くの異なる知られた形態が、上で概要を説明された要因に基づき確率スコアを構築するために用いられ得る。特定の例示的な実施形態において、全ての変数よりも少ない数又は追加の変数が、確率スコアを構築することに含まれ得る。例示的な一実施形態において、テスト／小テスト／質問のセットでのユーザの成功の確率スコアは、ユーザ１０５が現在のテスト／小テスト／質問のセットで取ると予想されるスコア範囲を含み得る。

ブロック７１２において、ユーザ１０５は、オンライン講座ウェブサイトを介したテスト／小テスト／質問のセットへのアクセスを提供される。例示的な一実施形態において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し得、現在のテスト／小テスト／質問のセットでのユーザの成功（例えば、スコア）をリアルタイムでモニタリングし、又はユーザ１０５が現在のテスト／小テスト／質問のセットを完了した後、ユーザの成功を評価のみし得る。ブロック７１４において、ユーザ検証モジュール３３６は、ユーザ１０５に関する現在のスコア結果を受信し得る。上で議論されたように、結果は、現在のテスト／小テスト／質問のセットの一部のみ又は現在のテスト／小テスト／質問のセットの全体を表し得る。

ブロック７１６において、問い合わせが実行され、実際の結果が、クラスに関する特定の割り当てに関するユーザ１０５に関する閾値確率スコアを満たす又は超えるかどうかを判断する。例示的な一実施形態において、判断は、ユーザ検証モジュール３３６によってなされ得、実際の結果の、生成される閾値確率スコアとの比較に基づき得る。実際の結果が、閾値確率スコアよりも大きい又は閾値確率スコアと等しい場合、ＮＯ分岐は、ＥＮＤブロックに続く。そうでなければ、ＹＥＳ分岐は、ブロック７１８に続く。例えば、確率スコアは、提供される変数に基づき、ユーザ１０５が、テスト／小テスト及び／又は質問のセットで８０よりも少なくスコアをとるべきではないことを予測し得る。ユーザ１０５が、テスト／小テスト／質問のセットの全て又は一部で７５を取った場合、そのことは、ユーザ１０５が、追加のユーザ検証チェックを受けるべきであり、ユーザ１０５が、彼らのイヤホン２０８を着用していることが検証されるべきであることを意味し得る。

ブロック７１８において、問い合わせが実行され、ユーザ１０５が、彼らのイヤホン２０８を着用しているかどうか、及び／又はイヤホン２０８及び／又はユーザ１０５が、カメラ２０６によって見ることが可能かどうかを判断する。特定の例示的な実施形態において、判断は、ユーザ検証モジュール３３６によってなされ得る。ユーザ１０５が、イヤホン２０８を着用していない、又はそれらが、カメラ２０６によって見ることが可能でない、又はユーザ１０５が、カメラ２０６によって見ることが可能でない場合、ＮＯ分岐は、ブロック７２０に続く。そうでなければ、ＹＥＳ分岐は、ブロック７２２に続く。

ブロック７２０において、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、ユーザ１０５が、バイオメトリックデータデバイス２０８及び／又はデバイス２０８上の知られたパターン２１０を身に着ける／のカバーを外すことをユーザデバイス１２０上で表示するために要求を生成する。ブロック７２２で、ユーザ１０５に関する、心拍数データ等のバイオメトリックデータが、イヤホン２０８を介して受信される。例示的な一実施形態において、心拍数データは、ユーザデバイス１２０でユーザ検証モジュール２５２によって受信される。別の例示的な実施形態において、ユーザ１０５に関する心拍数データは、ユーザデバイス１２０によってネットワーク１３０を介して教育サーバ１１０に送信され、教育サーバ１１０で、ユーザ検証モジュール３３６は、評価のために心拍数データを受信する。

ブロック７２４において、問い合わせが実行され、ユーザ１０５に関する受信された心拍数データが、生きている人間を示すかどうかを判断する。評価がユーザデバイス１２０で実行される例示的な一実施形態において、ユーザ検証モジュール２５２は、バイオセンサモジュール２４０を採用し、知られたパターンに対して受信されたユーザ心拍数データを評価し、受信された心拍数データが、生きている人間を示すかどうかを判断する。評価が一旦完了すると、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し得、オンライン講座ウェブサイトを介して、教育サーバ１１０でのユーザ検証モジュール３３６へ、評価の結果を示す通知を送信する。代替的に、評価が教育サーバ１１０で実行される例示的な実施形態において、ユーザ検証モジュール３３６は、バイオセンサモジュール３２０を採用し、知られた心拍数パターンに対して受信されたユーザ心拍数データを評価し、受信された心拍数データが、生きている人間を示すかどうかを判断する。受信された心拍数データが、生きている人間を示さない場合、ＮＯ分岐は、ブロック７２６に続き、ブロック７２６で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、心拍数データが、生きている人間を示さないということをユーザデバイス１２０上で表示するための通知を生成し、ユーザ１０５が、心拍数分析のためにイヤホン２０８を適切に挿入することを要求する。処理は、次にブロック７２２に戻り得る。加えて、又は代替例において、この通知は、ユーザ１０５に関するユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。

ブロック７２４に戻ると、受信された心拍数データが、生きているユーザを示す場合、ＹＥＳ分岐は、ブロック７２８に続き、ブロック７２８で、ユーザ１０５に関する格納された心拍数データは、比較のために取得される。例示的な一実施形態において、比較のために用いられる格納された心拍数データは、ユーザ１０５に関して受信された最も最近の心拍数データである。特定の例示的な実施形態において、比較は、ユーザデバイス１２０で実行され、プロセッサ２２０は、ユーザ検証モジュール２５２を採用し、ユーザ心拍数データファイル２５０から格納された心拍数データを取得する。他の例示的な実施形態において、比較は、教育サーバ１１０によって完了され、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、過去の心拍数データファイル３２６からユーザ１０５に関する格納された心拍数データを取得する。

ブロック７３０において、ブロック５６４において受信された心拍数データは、ユーザ１０５に関する格納された心拍数データと比較され、心拍数データが、格納された心拍数データにマッチングする、及び／又は実質的にマッチングするかどうかを判断する。比較がユーザデバイス１２０で完了される例示的な実施形態において、プロセッサ２２０は、バイオセンサモジュール２４０を採用し得、心拍数データを格納された心拍数データと比較し、知られたマッチングアルゴリズムを用いて一致又は実質的な一致があるかどうかを判断し、教育サーバ１１０のユーザ検証モジュール３３６へ、ネットワーク１３０を介して比較の結果を提供する通知を生成し得る。比較が教育サーバ１１０で完了される例示的な実施形態において、プロセッサ３００は、バイオセンサモジュール３２０を採用し得、心拍数データを格納された心拍数データと比較し、知られたマッチングアルゴリズムを用いて一致又は実質的な一致があるかどうかを判断する。それ以前の最も最近の心拍数データと、ユーザ１０５に関する現在の心拍数データとの間の一致又は実質的な一致の欠如は、ユーザ１０５が変わった、又は人工的なデータを提供することにより、リアルタイムユーザ検証システムを回避しようと試みていることを示し得る。

ブロック７３２において、問い合わせが実行され、心拍数データが、ユーザ１０５に関する格納された心拍数データにマッチングする、又は実質的にマッチングするかどうかを判断する。心拍数データが、格納された心拍数データにマッチングする、又は実質的にマッチングする場合、ＹＥＳ分岐は、ブロック７３４に続き、ブロック７３４で、プロセッサ３００は、ユーザ検証モジュールを採用し、ユーザ１０５が真正であると検証する。処理は、次にＥＮＤブロックに続く。

ブロック７３２に戻ると、心拍数データが、ユーザ１０５に関する格納された心拍数データにマッチングしない、又は実質的にマッチングしない場合、ＮＯ分岐は、ブロック７３６に続き、ブロック７３６で、プロセッサ３００は、ユーザ検証モジュール３３６を採用し、心拍数データが、ユーザ１０５に関するそれ以前の心拍数データにマッチングしない、又は実質的にマッチングしないことをユーザデバイス１２０上に表示するための通知を生成する。加えて、ユーザ１０５は、更なる心拍数データを格納された心拍数データと比較することにより、課題を修正しようとする所定の数の試みを提供され得る。加えて、又は代替例において、この通知は、ユーザデータに関連付けられ、ユーザデータファイル３２２に格納され、及び／又は更なる不正の評価のためにオンライン教育機関の所定のメンバに送信され得る。

本明細書に記載の実施形態が、ハードウェア、ソフトウェア、及び／又はファームウェアを用いて実装され得、例えば、本明細書に記載の方法及び／又はオペレーションを実行する。本明細書に記載の特定の実施形態が、機械によって実行される場合、機械に本明細書に記載の方法及び／又はオペレーションを実行させる、機械で実行可能な命令を格納する、１又は複数の有形の機械で読み取り可能な媒体として提供され得る。有形の機械可読媒体は、これらに限定されないが、フロッピー（登録商標）ディスク、光ディスク、コンパクト・ディスク読み取り専用メモリ（ＣＤ−ＲＯＭ）、コンパクト・ディスク・リライタブル（ＣＤ−ＲＷ）、及び光磁気ディスクを含む任意の種類のディスク、リードオンリメモリ（ＲＯＭ）、ダイナミック及びスタティックＲＡＭ等のランダムアクセスメモリ（ＲＡＭ）、消去可能なプログラマブルリードオンリメモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、フラッシュメモリ、磁気カード又は光カード等の半導体デバイス、又は、電子命令を格納するのに適した任意の種類の有形の媒体を含み得る。機械は、任意の適切な処理又はコンピューティングプラットフォーム、デバイス又はシステムを含み得、ハードウェア及び／又はソフトウェアの任意の適切な組み合わせを用いて実装され得る。命令は、任意の適切な種類のコードを含み得、任意の適切なプログラミング言語を用いて実装され得る。他の実施形態において、本明細書に記載の方法及び／又はオペレーションを実行するための機械で実行可能な命令が、ファームウェアにおいて具現化され得る。更に、特定の実施形態において、特定用途向けコンピュータ又は特定の機械が、作動される入力要素を識別し、識別を処理すべく形成され得る。

様々な特徴、態様及び実施形態が本明細書において説明されてきた。これらの特徴、態様、及び実施形態は、当業者によって理解されるように、変形及び修正に加えて、互いに組み合わせることが可能である。従って、本開示は、そのような組み合わせ、変形及び修正を包含することが考慮されるべきである。

本明細書において採用された用語及び表現は、限定ではなく、説明の用語として用いられており、そのような用語及び表現の使用において、示され、説明された特徴（又はそれらの一部）に係る任意の均等物を除外する意図はなく、特許請求の範囲内で様々な修正が可能であることが認識される。他の修正、変形及び代替例も又可能である。従って、特許請求の範囲は、そのような均等物を全てカバーすることが意図される。

本発明の特定の実施形態が、現在最も現実的であると考えられるもの及び様々な実施形態に関連して説明されてきた。しかしながら、理解すべきことは、本発明は、開示された実施形態に限定されず、反対に、特許請求の範囲内に含まれる様々な修正及び等価な構成をカバーするよう意図されていることである。特定の用語が本明細書において採用されるが、それらは一般的及び説明的な意味でのみ使用され、限定の目的で使用されていない。

この明細書は、最良の形態を含む、特定の例示的な実施形態を開示するため、又、任意の当業者が、本発明の特定の実施形態を、任意のデバイス又はシステムを製造すること及び使用すること、並びに任意の組み込まれた方法を実行することを含んで実施をすることが可能なように、例を用いている。本発明の特定の実施形態の特許可能な範囲は、特許請求の範囲に定められており、当業者が想到する他の例を含み得る。そのような他の例は、それらが特許請求の範囲の文字通りの言葉と異ならない構成要素を有する場合、又は、それらが特許請求の範囲の文字通りの言葉と非実質的な違いとともに等価な構成要素を含む場合には、特許請求の範囲の範囲内にあることが意図される。

本開示の例示的な実施形態が、コンピュータで実装される方法を含み得、コンピュータで実装される方法は、１又は複数のプロセッサを含む教育サーバが、ユーザデバイスから、ユーザデバイスのところに存在するユーザに関連付けられるユーザ識別情報を受信することと、教育サーバが、ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信することと、教育サーバが、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関する過去の顔画像データに基づき顔テンプレートを判断することと、教育サーバが、ユーザデバイスからの現在の顔画像データを、ユーザに関する過去の顔画像データと比較し、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングするかどうかを判断することと、教育サーバが、ユーザに関するバイオメトリックセンサデータを受信することと、教育サーバが、バイオメトリックセンサデータに少なくとも部分的に基づき、ユーザが、ユーザデバイスに位置するかどうかを判断することと、及び、教育サーバが、ユーザが、オンライン教育コンテンツにアクセスするよう検証することであって、検証することは、教育サーバが、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングし、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置すると示すという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にすることを含む、検証することとを含み得る。

更なる例示的な実施形態が、コンピュータで実装される方法を含み得、コンピュータで実装される方法は、教育サーバが、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断することと、教育サーバが、ユーザデバイスに関する現在のデバイスＩＤを、格納されたデバイスＩＤと比較し、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするかどうかを判断することとを含み得、オンライン教育コンテンツへのアクセスを容易にすることは、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするという判断に少なくとも部分的に更に基づく。

又更には、本開示の例示的な実施形態が、コンピュータで実装される方法を含み得、コンピュータで実装される方法は、教育サーバが、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられるバイオメトリックデータデバイスを判断することと、教育サーバが、バイオメトリックデータデバイスの外部上の知られたパターンを判断することと、及び、教育サーバが、現在の顔画像データを評価し、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むかどうかを判断することとを含み得、オンライン教育コンテンツへのアクセスを容易にすることは、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むという判断に少なくとも部分的に更に基づく。又更には、バイオメトリックデータデバイスは、イヤホンを含み得、イヤホンは、ユーザの心拍数データを受信するための心拍数モニタを含み、バイオメトリックセンサデータは、ユーザに関する心拍数データを含む。

更なる例示的な実施形態が、ユーザの心拍数データを含むバイオメトリックセンサデータを含み得、コンピュータで実装される方法は、教育サーバが、ユーザが、オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断することと、教育サーバが、ユーザに関する現在の心拍数データを受信することと、教育サーバが、ユーザに関する過去の心拍数データにアクセスすることと、教育サーバが、ユーザに関する現在の心拍数データを、ユーザに関する過去の心拍数データと比較し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるかどうかを判断することと、及び、教育サーバが、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にすることとを又含み得る。加えて、例示的な実施形態が、コンピュータで実装される方法を含み得、コンピュータで実装される方法は、教育サーバが、ユーザにより登録されているオンライン教育講座を識別することと、教育サーバが、オンライン教育講座に関してユーザに提供されるテストを判断することと、教育サーバが、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別することと、教育サーバが、複数の過去の教育データに少なくとも部分的に基づき、テストでのユーザに関する成功の予測モデルを生成することであって、予測モデルは、最大テストスコア閾値を含むテストスコア範囲を含む、生成することと、教育サーバが、テストでのユーザに関するテスト結果を受信することと、教育サーバが、ユーザに関するテスト結果を、最大テストスコア閾値と比較することと、及び、教育サーバが、テスト結果が、最大テストスコア閾値よりも大きいという判断に基づき、オンライン教育講座において、テスト結果は、ユーザに関する最大テストスコア閾値を破るという通知を生成することとを含み得る。

更なる例示的な実施形態が、コンピュータで実装される方法を含み得、コンピュータで実装される方法は、教育サーバが、ユーザにより登録されているオンライン教育講座を識別することと、教育サーバが、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別することと、教育サーバが、複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでのユーザに関する確率スコアを生成することであって、確率スコアは、最小スコア閾値を含む、生成することと、教育サーバが、オンライン講座アサインメントでのユーザに関するスコアを受信することと、教育サーバが、オンライン講座アサインメントでのユーザに関するスコアを、最小スコア閾値と比較することと、教育サーバが、スコアが、最小スコア閾値未満であるという判断に基づき、ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別することと、及び、教育サーバが、ユーザは、バイオメトリックデータデバイスを着用していない、及びスコアは、最小スコア閾値未満であるという識別に少なくとも部分的に基づき、ユーザに、バイオメトリックデータデバイスを身に着けるよう通知を生成することとを含み得る。更に、例示的な実施形態は、教育サーバが、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングしない、又は、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置することを示さないという判断に少なくとも部分的に基づき、オンライン教育コンテンツへのユーザアクセスを防止することを含み得る。

本開示の尚も更なる例示的な実施形態は、非一時的コンピュータ可読媒体を含み得、非一時的コンピュータ可読媒体は、１又は複数のプロセッサによって実行される場合に、オペレーションを実行する１又は複数のプロセッサを構成する、コンピュータで実行可能な命令を含み、オペレーションは、ユーザデバイスから、ユーザデバイスでのユーザに関連付けられるユーザ識別情報を受信することと、ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信することと、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関する過去の顔画像データに基づき顔テンプレートを判断することと、ユーザデバイスからの現在の顔画像データを、ユーザに関する過去の顔画像データと比較し、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングするかどうかを判断することと、ユーザに関するバイオメトリックセンサデータを受信することと、バイオメトリックセンサデータに少なくとも部分的に基づき、ユーザが、ユーザデバイスに位置するかどうかを判断することと、及び、ユーザが、オンライン教育コンテンツにアクセスするよう検証することであって、検証することは、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングし、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置すると示すという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にすることを含む、検証することとを含む。

又更なる例示的な実施形態が、非一時的コンピュータ可読媒体を含み得、オペレーションは、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断することと、ユーザデバイスに関する現在のデバイスＩＤを、格納されたデバイスＩＤと比較し、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするかどうかを判断することとを更に含み得、オンライン教育コンテンツへのアクセスを容易にすることは、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするという判断に少なくとも部分的に更に基づく。尚も更なる例示的な実施形態が、非一時的コンピュータ可読媒体を含み得、オペレーションは、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられるバイオメトリックデータデバイスを判断することと、バイオメトリックデータデバイスの外部上の知られたパターンを判断することと、及び、現在の顔画像データを評価し、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むかどうかを判断することとを更に含み得、オンライン教育コンテンツへのアクセスを容易にすることは、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むという判断に少なくとも部分的に更に基づく。更に、例示的な実施形態が、非一時的コンピュータ可読媒体を含み得、バイオメトリックデータデバイスは、イヤホンを含み、イヤホンは、ユーザの心拍数データを受信するための心拍数モニタを含み、バイオメトリックセンサデータは、ユーザに関する心拍数データを含む。

加えて、例示的な実施形態が、ユーザの心拍数データを含むバイオメトリックセンサデータを含み得、非一時的コンピュータ可読媒体のオペレーションは、ユーザが、オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断することと、ユーザに関する現在の心拍数データを受信することと、ユーザに関する過去の心拍数データにアクセスすることと、ユーザに関する現在の心拍数データを、ユーザに関する過去の心拍数データと比較し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるかどうかを判断することと、及び、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にすることとを更に含み得る。又更に、例示的な実施形態が、非一時的コンピュータ可読媒体を含み得、オペレーションは、ユーザにより登録されているオンライン教育講座を識別することと、オンライン教育講座に関してユーザに提供されるテストを判断することと、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別することと、複数の過去の教育データに少なくとも部分的に基づき、テストでのユーザに関する成功の予測モデルを生成することであって、予測モデルは、最大テストスコア閾値を含むテストスコア範囲を含む、生成することと、テストでのユーザに関するテスト結果を受信することと、ユーザに関するテスト結果を、最大テストスコア閾値と比較することと、テスト結果が、最大テストスコア閾値よりも大きいという判断に基づき、オンライン教育講座において、テスト結果は、ユーザに関する最大テストスコア閾値を破るという通知を生成することとを更に含み得る。

尚も更に、例示的な実施形態が、非一時的コンピュータ可読媒体を含み得、オペレーションは、ユーザにより登録されているオンライン教育講座を識別することと、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別することと、複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでのユーザに関する確率スコアを生成することであって、確率スコアは、最小スコア閾値を含む、生成することと、オンライン講座アサインメントでのユーザに関するスコアを受信することと、オンライン講座アサインメントでのユーザに関するスコアを、最小スコア閾値と比較することと、スコアが、最小スコア閾値未満であるという判断に基づき、ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別することと、ユーザは、バイオメトリックデータデバイスを着用していない、及びスコアは、最小スコア閾値未満であるという識別に少なくとも部分的に基づき、ユーザに、バイオメトリックデータデバイスを身に着けるよう通知を生成することとを更に含み得る。加えて、例示的な実施形態が、非一時的コンピュータ可読媒体を含み得、オペレーションは、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングしない、又は、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置することを示さないという判断に少なくとも部分的に基づき、オンライン教育コンテンツへのユーザアクセスを防止することを更に含み得る。

本開示の更なる例示的な実施形態が、システムを含み得、システムは、コンピュータで実行可能な命令を格納する少なくとも１つのメモリと、少なくとも１つのメモリにアクセスするよう構成される少なくとも１つのプロセッサとを含み、少なくとも１つのプロセッサは、ユーザデバイスから、ユーザデバイスでユーザに関連付けられるユーザ識別情報を受信し、ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信し、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関する過去の顔画像データに基づき顔テンプレートを判断し、ユーザデバイスからの現在の顔画像データを、ユーザに関する過去の顔画像データと比較し、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングするかどうかを判断し、ユーザに関するバイオメトリックセンサデータを受信し、バイオメトリックセンサデータに少なくとも部分的に基づき、ユーザが、ユーザデバイスに位置するかどうかを判断し、ユーザが、オンライン教育コンテンツにアクセスするよう検証し、検証することは、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングし、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置すると示すという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にすることを含む、検証する、コンピュータで実行可能な命令を実行するよう構成される。

本システムの例示的な実施形態が、少なくとも１つのプロセッサを更に含み得、少なくとも１つのプロセッサは、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断し、ユーザデバイスに関する現在のデバイスＩＤを、格納されたデバイスＩＤと比較し、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするかどうかを判断する、コンピュータで実行可能な命令を実行するよう更に構成されており、オンライン教育コンテンツへのアクセスを容易にすることは、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするという判断に少なくとも部分的に更に基づく。本システムの例示的な実施形態が、少なくとも１つのプロセッサを更に含み得、少なくとも１つのプロセッサは、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられるバイオメトリックデータデバイスを判断し、バイオメトリックデータデバイスの外部上の知られたパターンを判断し、現在の顔画像データを評価し、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むかどうかを判断する、コンピュータで実行可能な命令を実行するよう更に構成されており、オンライン教育コンテンツへのアクセスを容易にすることは、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むという判断に少なくとも部分的に更に基づく。本システムの更なる例示的な実施形態において、バイオメトリックデータデバイスは、イヤホンを含み、イヤホンは、ユーザの心拍数データを受信するための心拍数モニタを含み、バイオメトリックセンサデータは、ユーザに関する心拍数データを含む。

本システムの例示的な実施形態が、ユーザの心拍数データを含むバイオメトリックセンサデータを更に含み得、少なくとも１つのプロセッサは、ユーザが、オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断し、ユーザに関する現在の心拍数データを受信し、ユーザに関する過去の心拍数データにアクセスし、ユーザに関する現在の心拍数データを、ユーザに関する過去の心拍数データと比較し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるかどうかを判断し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にする、コンピュータで実行可能な命令を実行するよう更に構成される。本システムの例示的な実施形態が、少なくとも１つのプロセッサを更に含み得、少なくとも１つのプロセッサは、ユーザにより登録されているオンライン教育講座を識別し、オンライン教育講座に関してユーザに提供されるテストを判断し、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別し、複数の過去の教育データに少なくとも部分的に基づき、テストでのユーザに関する成功の予測モデルを生成することであって、予測モデルは、最大テストスコア閾値を含むテストスコア範囲を含む、生成し、テストでのユーザに関するテスト結果を受信し、ユーザに関するテスト結果を、最大テストスコア閾値と比較し、テスト結果が、最大テストスコア閾値よりも大きいという判断に基づき、オンライン教育講座において、テスト結果は、ユーザに関する最大テストスコア閾値を破るという通知を生成する、コンピュータで実行可能な命令を実行するよう更に構成される。

本システムの例示的な実施形態が、少なくとも１つのプロセッサを更に含み得、少なくとも１つのプロセッサは、ユーザにより登録されているオンライン教育講座を識別し、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別し、複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでのユーザに関する確率スコアを生成することであって、確率スコアは、最小スコア閾値を含む、生成し、オンライン講座アサインメントでのユーザに関するスコアを受信し、オンライン講座アサインメントでのユーザに関するスコアを、最小スコア閾値と比較し、スコアが、最小スコア閾値未満であるという判断に基づき、ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別し、ユーザは、バイオメトリックデータデバイスを着用していない、及びスコアは、最小スコア閾値未満であるという識別に少なくとも部分的に基づき、ユーザに、バイオメトリックデータデバイスを身に着けるよう通知を生成する、コンピュータで実行可能な命令を実行するよう更に構成される。本システムの例示的な実施形態が、少なくとも１つのプロセッサを更に含み得、少なくとも１つのプロセッサは、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングしない、又は、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置することを示さないという判断に少なくとも部分的に基づき、オンライン教育コンテンツへのユーザアクセスを防止する、コンピュータで実行可能な命令を実行するよう更に構成される。

本開示の更なる例示的な実施形態が、装置を含み得、装置は、コンピュータで実行可能な命令を格納する少なくとも１つのメモリと、少なくとも１つのプロセッサとを含み、少なくとも１つのプロセッサは、少なくとも１つのメモリにアクセスするよう、及び、ユーザデバイスから、ユーザデバイスでユーザに関連付けられるユーザ識別情報を受信し、ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信し、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関する過去の顔画像データに基づき顔テンプレートを判断し、ユーザデバイスからの現在の顔画像データを、ユーザに関する過去の顔画像データと比較し、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングするかどうかを判断し、ユーザに関するバイオメトリックセンサデータを受信し、バイオメトリックセンサデータに少なくとも部分的に基づき、ユーザが、ユーザデバイスに位置するかどうかを判断し、ユーザが、オンライン教育コンテンツにアクセスするよう検証し、検証は、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングし、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置すると示すという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にすることを含む、コンピュータで実行可能な命令を実行するよう構成される。

本装置の例示的な実施形態が、少なくとも１つのプロセッサを更に含み得、少なくとも１つのプロセッサは、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断し、ユーザデバイスに関する現在のデバイスＩＤを、格納されたデバイスＩＤと比較し、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするかどうかを判断する、コンピュータで実行可能な命令を実行するよう更に構成されており、オンライン教育コンテンツへのアクセスを容易にすることは、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするという判断に少なくとも部分的に更に基づく。加えて、本装置の例示的な実施形態が、少なくとも１つのプロセッサを又含み得、少なくとも１つのプロセッサは、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられるバイオメトリックデータデバイスを判断し、バイオメトリックデータデバイスの外部上の知られたパターンを判断し、現在の顔画像データを評価し、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むかどうかを判断する、コンピュータで実行可能な命令を実行するよう更に構成されており、オンライン教育コンテンツへのアクセスを容易にすることは、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むという判断に少なくとも部分的に更に基づく。更に、本装置の例示的な実施形態が、イヤホンを含むバイオメトリックデータデバイスを含み得、イヤホンは、ユーザの心拍数データを受信するための心拍数モニタを含み、バイオメトリックセンサデータは、ユーザに関する心拍数データを含む。

尚も更に、本装置の例示的な実施形態が、少なくとも１つのプロセッサを含み得、少なくとも１つのプロセッサは、ユーザが、オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断し、ユーザに関する現在の心拍数データを受信し、ユーザに関する過去の心拍数データにアクセスし、ユーザに関する現在の心拍数データを、ユーザに関する過去の心拍数データと比較し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるかどうかを判断し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にする、コンピュータで実行可能な命令を実行するよう更に構成される。本装置の例示的な実施形態が、少なくとも１つのプロセッサを又含み得、少なくとも１つのプロセッサは、ユーザにより登録されているオンライン教育講座を識別し、オンライン教育講座に関してユーザに提供されるテストを判断し、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別し、複数の過去の教育データに少なくとも部分的に基づき、テストでのユーザに関する成功の予測モデルを生成することであって、予測モデルは、最大テストスコア閾値を含むテストスコア範囲を含む、生成し、テストでのユーザに関するテスト結果を受信し、ユーザに関するテスト結果を、最大テストスコア閾値と比較し、テスト結果が、最大テストスコア閾値よりも大きいという判断に基づき、オンライン教育講座において、テスト結果は、ユーザに関する最大テストスコア閾値を破るという通知を生成する、コンピュータで実行可能な命令を実行するよう更に構成される。

尚も更に、本装置の例示的な実施形態が、少なくとも１つのプロセッサを又含み得、少なくとも１つのプロセッサは、ユーザにより登録されているオンライン教育講座を識別し、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別し、複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでのユーザに関する確率スコアを生成することであって、確率スコアは、最小スコア閾値を含む、生成し、オンライン講座アサインメントでのユーザに関するスコアを受信し、オンライン講座アサインメントでのユーザに関するスコアを、最小スコア閾値と比較し、スコアが、最小スコア閾値未満であるという判断に基づき、ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別し、ユーザは、バイオメトリックデータデバイスを着用していない、及びスコアは、最小スコア閾値未満であるという識別に少なくとも部分的に基づき、ユーザに、バイオメトリックデータデバイスを身に着けるよう通知を生成する、コンピュータで実行可能な命令を実行するよう更に構成される。加えて、本装置の例示的な実施形態が、少なくとも１つのプロセッサを含み得、少なくとも１つのプロセッサは、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングしない、又は、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置することを示さないという判断に少なくとも部分的に基づき、オンライン教育コンテンツへのユーザアクセスを防止する、コンピュータで実行可能な命令を実行するよう更に構成される。

本開示の追加の例示的な実施形態が、システムを含み得、システムは、ユーザデバイスから、ユーザデバイスでのユーザに関連付けられるユーザ識別情報を受信するための手段と、ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信するための手段と、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関する過去の顔画像データに基づき顔テンプレートを判断するための手段と、ユーザデバイスからの現在の顔画像データを、ユーザに関する過去の顔画像データと比較し、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングするかどうかを判断するための手段と、ユーザに関するバイオメトリックセンサデータを受信するための手段と、バイオメトリックセンサデータに少なくとも部分的に基づき、ユーザが、ユーザデバイスに位置するかどうかを判断するための手段と、及び、ユーザが、オンライン教育コンテンツにアクセスするよう検証するための手段であって、検証することは、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングし、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置すると示すという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にするための手段を含む、検証するための手段とを含む。

加えて、本システムの例示的な実施形態が、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断するための手段と、ユーザデバイスに関する現在のデバイスＩＤを、格納されたデバイスＩＤと比較し、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするかどうかを判断するための手段とを含み得、オンライン教育コンテンツへのアクセスを容易にすることは、現在のデバイスＩＤが、格納されたデバイスＩＤにマッチングするという判断に少なくとも部分的に更に基づく。更に、本システムの例示的な実施形態が、ユーザ識別情報に少なくとも部分的に基づき、ユーザに関連付けられるバイオメトリックデータデバイスを判断するための手段と、バイオメトリックデータデバイスの外部上の知られたパターンを判断するための手段と、及び、現在の顔画像データを評価し、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むかどうかを判断するための手段とを又含み得、オンライン教育コンテンツへのアクセスを容易にすることは、現在の顔画像データが、バイオメトリックデータデバイスの外部上の知られたパターンを含むという判断に少なくとも部分的に更に基づく。尚も更に、本システムの例示的な実施形態が、イヤホンを含むバイオメトリックデータデバイスを含み得、イヤホンは、ユーザの心拍数データを受信するための心拍数モニタを含み、バイオメトリックセンサデータは、ユーザに関する心拍数データを含む。

本システムの例示的な実施形態は、ユーザの心拍数データを含むバイオメトリックセンサデータを又含み得、システムは、ユーザが、オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断するための手段と、ユーザに関する現在の心拍数データを受信するための手段と、ユーザに関する過去の心拍数データにアクセスするための手段と、ユーザに関する現在の心拍数データを、ユーザに関する過去の心拍数データと比較し、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるかどうかを判断するための手段と、過去の心拍数データ及び現在の心拍数データが、同一のユーザからのものであるという判断に少なくとも部分的に基づき、ユーザデバイスによるオンライン教育コンテンツへのアクセスを容易にするための手段とを更に含む。加えて、本システムの例示的な実施形態が、ユーザにより登録されているオンライン教育講座を識別するための手段と、オンライン教育講座に関してユーザに提供されるテストを判断するための手段と、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別するための手段と、複数の過去の教育データに少なくとも部分的に基づき、テストでのユーザに関する成功の予測モデルを生成するための手段であって、予測モデルは、最大テストスコア閾値を含むテストスコア範囲を含む、生成するための手段と、テストでのユーザに関するテスト結果を受信するための手段と、ユーザに関するテスト結果を、最大テストスコア閾値と比較するための手段と、テスト結果が、最大テストスコア閾値よりも大きいという判断に基づき、オンライン教育講座において、テスト結果は、ユーザに関する最大テストスコア閾値を破るという通知を生成するための手段とを含み得る。

更に、本システムの例示的な実施形態が、ユーザにより登録されているオンライン教育講座を識別するための手段と、オンライン教育講座におけるユーザに関する複数の過去の教育データを識別するための手段と、複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでのユーザに関する確率スコアを生成するための手段であって、確率スコアは、最小スコア閾値を含む、生成するための手段と、オンライン講座アサインメントでのユーザに関するスコアを受信するための手段と、オンライン講座アサインメントでのユーザに関するスコアを、最小スコア閾値と比較するための手段と、スコアが、最小スコア閾値未満であるという判断に基づき、ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別するための手段と、ユーザは、バイオメトリックデータデバイスを着用していない、及びスコアは、最小スコア閾値未満であるという識別に少なくとも部分的に基づき、ユーザに、バイオメトリックデータデバイスを身に着けるよう通知を生成するための手段とを又含み得る。加えて、本システムの例示的な実施形態が、現在の顔画像データが、ユーザに関する顔テンプレートにマッチングしない、又は、バイオメトリックセンサデータが、ユーザが、ユーザデバイスに位置することを示さないという判断に少なくとも部分的に基づき、オンライン教育コンテンツへのユーザアクセスを防止するための手段を含み得る。

Claims (25)

1. オンライン教育コンテンツにアクセスする要求を受信するための手段と、
   ユーザに関する過去の顔画像データに基づき顔テンプレートを判断するための手段と、
   前記ユーザに関する現在の顔画像データを受信するための手段と、
   前記現在の顔画像データを、前記ユーザに関する前記過去の顔画像データと比較し、前記現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングするかどうかを判断するための手段と、
   前記ユーザに関するバイオメトリックセンサデータを受信するための手段と、
   前記バイオメトリックセンサデータに基づき、前記ユーザが、ユーザデバイスに位置するかどうかを判断するための手段と、
   前記オンライン教育コンテンツへのアクセスに関して前記ユーザを検証するための手段であって、検証するための前記手段は、前記現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングし、前記バイオメトリックセンサデータが、前記ユーザが、前記ユーザデバイスに位置すると示すという前記判断に少なくとも部分的に基づき、前記ユーザデバイスによる前記オンライン教育コンテンツへのアクセスを容易にするための手段を有する、検証するための前記手段と
   を備える
   システム。
2. 前記ユーザデバイスのところに存在する前記ユーザに関連付けられるユーザ識別情報を受信するための手段と、
   前記ユーザ識別情報に少なくとも部分的に基づき、前記ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断するための手段と、
   前記ユーザデバイスに関する現在のデバイスＩＤを、前記格納されたデバイスＩＤと比較し、前記現在のデバイスＩＤが、前記格納されたデバイスＩＤにマッチングするかどうかを判断するための手段とを更に備え、
   前記オンライン教育コンテンツへのアクセスを容易にするための前記手段は、前記現在のデバイスＩＤが、前記格納されたデバイスＩＤにマッチングするという前記判断に少なくとも部分的に更に基づく、
   請求項１に記載のシステム。
3. 前記ユーザデバイスのところに存在する前記ユーザに関連付けられるユーザ識別情報を受信するための手段と、
   前記ユーザ識別情報に少なくとも部分的に基づき、前記ユーザに関連付けられるバイオメトリックデータデバイスを判断するための手段と、
   前記バイオメトリックデータデバイスの外部上の知られたパターンを判断するための手段と、及び、
   前記現在の顔画像データを評価し、前記現在の顔画像データが、前記バイオメトリックデータデバイスの前記外部上の前記知られたパターンを含むかどうかを判断するための手段とを更に備え、
   前記オンライン教育コンテンツへのアクセスを容易にすることは、前記現在の顔画像データが、前記バイオメトリックデータデバイスの前記外部上の前記知られたパターンを含むという前記判断に少なくとも部分的に更に基づく、請求項１又は２に記載のシステム。
4. 前記バイオメトリックデータデバイスは、イヤホンを備え、前記イヤホンは、前記ユーザの心拍数データを受信するための心拍数モニタを備え、前記バイオメトリックセンサデータは、前記ユーザに関する前記心拍数データを含む、請求項３に記載のシステム。
5. 前記バイオメトリックセンサデータは、前記ユーザの心拍数データを備え、前記システムは、
   前記ユーザが、前記オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断するための手段と、
   前記ユーザに関する現在の心拍数データを受信するための手段と、
   前記ユーザに関する過去の心拍数データにアクセスするための手段と、
   前記ユーザに関する前記現在の心拍数データを、前記ユーザに関する前記過去の心拍数データと比較し、前記過去の心拍数データ及び前記現在の心拍数データが、同一のユーザからのものであるかどうかを判断するための手段と、及び、
   前記過去の心拍数データ及び前記現在の心拍数データが、前記同一のユーザからのものであるという前記判断に少なくとも部分的に基づき、前記ユーザデバイスによる前記オンライン教育コンテンツへのアクセスを容易にするための手段と
   を更に備える、請求項１から４の何れか一項に記載のシステム。
6. 前記ユーザにより登録されているオンライン教育講座を識別するための手段と、
   前記オンライン教育講座に関して前記ユーザに提供されるテストを判断するための手段と、
   前記オンライン教育講座における前記ユーザに関する複数の過去の教育データを識別するための手段と、
   前記複数の過去の教育データに少なくとも部分的に基づき、前記テストでの前記ユーザに関する成功の予測モデルを生成するための手段であって、前記予測モデルは、最大テストスコア閾値を含むテストスコア範囲を含む、生成するための手段と、
   前記テストでの前記ユーザに関するテスト結果を受信するための手段と、
   前記ユーザに関する前記テスト結果を、前記最大テストスコア閾値と比較するための手段と、
   前記テスト結果が、前記最大テストスコア閾値よりも大きいという前記判断に基づき、前記テスト結果は、前記オンライン教育講座において前記ユーザに関する前記最大テストスコア閾値を破るという通知を生成するための手段と
   を更に備える、請求項１から５の何れか一項に記載のシステム。
7. 前記ユーザにより登録されているオンライン教育講座を識別するための手段と、
   前記オンライン教育講座における前記ユーザに関する複数の過去の教育データを識別するための手段と、
   前記複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでの前記ユーザに関する確率スコアを生成するための手段であって、前記確率スコアは、最小スコア閾値を備える、生成するための手段と、
   前記オンライン講座アサインメントでの前記ユーザに関するスコアを受信するための手段と、
   前記オンライン講座アサインメントでの前記ユーザに関する前記スコアを、前記最小スコア閾値と比較するための手段と、
   前記スコアが、前記最小スコア閾値未満であるという前記判断に基づき、前記ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別するための手段と、
   前記ユーザは、前記バイオメトリックデータデバイスを着用していない、及び前記スコアは、前記最小スコア閾値未満であるという前記識別に少なくとも部分的に基づき、前記ユーザに、前記バイオメトリックデータデバイスを身に着けるよう通知を生成するための手段と
   を更に備える、請求項１から６の何れか一項に記載のシステム。
8. 現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングしない、又は、前記バイオメトリックセンサデータが、前記ユーザが、前記ユーザデバイスに位置することを示さないという前記判断に少なくとも部分的に基づき、前記オンライン教育コンテンツへのユーザアクセスを防止するための手段を更に備える、請求項１から７の何れか一項に記載のシステム。
9. １又は複数のプロセッサによって実行される場合に、オペレーションを実行する前記１又は複数のプロセッサを構成する、コンピュータで実行可能な命令を備え、オペレーションは、
   ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信することと、
   ユーザに関する過去の顔画像データに基づき顔テンプレートを判断することと、
   前記ユーザデバイスから、前記ユーザに関する現在の顔画像データを受信することと、
   前記現在の顔画像データを、前記ユーザに関する前記過去の顔画像データと比較し、前記現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングするかどうかを判断することと、
   前記ユーザに関するバイオメトリックセンサデータを受信することと、
   前記バイオメトリックセンサデータに基づき、前記ユーザが、前記ユーザデバイスに位置するかどうかを判断することと、
   前記ユーザが、前記オンライン教育コンテンツにアクセスすることを検証することであって、検証は、前記現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングし、前記バイオメトリックセンサデータが、前記ユーザが、前記ユーザデバイスに位置すると示すという前記判断に少なくとも部分的に基づき、前記ユーザデバイスによる前記オンライン教育コンテンツへのアクセスを容易にすることを含む、検証することと
   を備える
   コンピュータプログラム。
10. 前記オペレーションは、
    前記ユーザデバイスから、前記ユーザデバイスのところに存在する前記ユーザに関連付けられるユーザ識別情報を受信することと、
    前記ユーザ識別情報に少なくとも部分的に基づき、前記ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断することと、
    前記ユーザデバイスに関する現在のデバイスＩＤを、前記格納されたデバイスＩＤと比較し、前記現在のデバイスＩＤが、前記格納されたデバイスＩＤにマッチングするかどうかを判断することとを更に備え、
    前記オンライン教育コンテンツへのアクセスを容易にすることは、前記現在のデバイスＩＤが、前記格納されたデバイスＩＤにマッチングするという前記判断に少なくとも部分的に更に基づく、
    請求項９に記載のコンピュータプログラム。
11. 前記オペレーションは、
    前記ユーザデバイスから、前記ユーザデバイスのところに存在する前記ユーザに関連付けられるユーザ識別情報を受信することと、
    前記ユーザ識別情報に少なくとも部分的に基づき、前記ユーザに関連付けられるバイオメトリックデータデバイスを判断することと、
    前記バイオメトリックデータデバイスの外部上の知られたパターンを判断することと、及び、
    前記現在の顔画像データを評価し、前記現在の顔画像データが、前記バイオメトリックデータデバイスの前記外部上の前記知られたパターンを含むかどうかを判断することとを更に備え、
    前記オンライン教育コンテンツへのアクセスを容易にすることは、前記現在の顔画像データが、前記バイオメトリックデータデバイスの前記外部上の前記知られたパターンを含むという前記判断に少なくとも部分的に更に基づく、請求項９又は１０に記載のコンピュータプログラム。
12. 前記バイオメトリックデータデバイスは、イヤホンを備え、前記イヤホンは、前記ユーザの心拍数データを受信するための心拍数モニタを備え、前記バイオメトリックセンサデータは、前記ユーザに関する前記心拍数データを含む、請求項１１に記載のコンピュータプログラム。
13. 前記バイオメトリックセンサデータは、前記ユーザの心拍数データを含む、請求項９から１２の何れか一項に記載のコンピュータプログラム。
14. 前記オペレーションは、
    前記ユーザが、前記オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断することと、
    前記ユーザに関する現在の心拍数データを受信することと、
    前記ユーザに関する過去の心拍数データにアクセスすることと、
    前記ユーザに関する前記現在の心拍数データを、前記ユーザに関する前記過去の心拍数データと比較し、前記過去の心拍数データ及び前記現在の心拍数データが、同一のユーザからのものであるかどうかを判断することと、及び、
    前記過去の心拍数データ及び前記現在の心拍数データが、前記同一のユーザからのものであるという前記判断に少なくとも部分的に基づき、前記ユーザデバイスによる前記オンライン教育コンテンツへのアクセスを容易にすることと
    を更に備える、請求項１３に記載のコンピュータプログラム。
15. 前記オペレーションは、
    前記ユーザにより登録されているオンライン教育講座を識別することと、
    前記オンライン教育講座に関して前記ユーザに提供されるテストを判断することと、
    前記オンライン教育講座における前記ユーザに関する複数の過去の教育データを識別することと、
    前記複数の過去の教育データに少なくとも部分的に基づき、前記テストでの前記ユーザに関する成功の予測モデルを生成することであって、前記予測モデルは、最大テストスコア閾値を含むテストスコア範囲を有する、生成することと、
    前記テストでの前記ユーザに関するテスト結果を受信することと、
    前記ユーザに関する前記テスト結果を、前記最大テストスコア閾値と比較することと、
    前記テスト結果が、前記最大テストスコア閾値よりも大きいという前記判断に基づき、前記テスト結果は、前記オンライン教育講座において、前記ユーザに関する前記最大テストスコア閾値を破るという通知を生成することと
    を更に備える、請求項９から１４の何れか一項に記載のコンピュータプログラム。
16. 前記オペレーションは、
    オンライン講座アサインメントでの前記ユーザに関するスコアを受信することと、
    前記オンライン講座アサインメントでの前記ユーザに関する前記スコアを、最小スコア閾値と比較することと、
    前記スコアが、前記最小スコア閾値未満であるという前記判断に基づき、前記ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別することと、
    前記ユーザは、前記バイオメトリックデータデバイスを着用していない、及び前記スコアは、前記最小スコア閾値未満であるという前記識別に少なくとも部分的に基づき、前記ユーザに、前記バイオメトリックデータデバイスを身に着けるよう通知を生成することと
    を更に備える、請求項９から１５の何れか一項に記載のコンピュータプログラム。
17. 前記オペレーションは、
    前記ユーザにより登録されているオンライン教育講座を識別することと、
    前記オンライン教育講座における前記ユーザに関する複数の過去の教育データを識別することと、
    前記複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでの前記ユーザに関する確率スコアを生成することであって、前記確率スコアは、最小スコア閾値を備える、生成することと、
    を更に備える、請求項１６に記載のコンピュータプログラム。
18. 前記オペレーションが、現在の顔画像データは、前記ユーザに関する前記顔テンプレートにマッチングしない、又は、前記バイオメトリックセンサデータが、前記ユーザが、前記ユーザデバイスに位置することを示さないという前記判断に少なくとも部分的に基づき、前記オンライン教育コンテンツへのユーザアクセスを防止することを更に備える、請求項９から１７の何れか一項に記載のコンピュータプログラム。
19. コンピュータで実行可能な命令を格納する、少なくとも１つのメモリと、
    前記少なくとも１つのメモリにアクセスする、少なくとも１つのプロセッサと
    を備え、
    前記少なくとも１つのプロセッサは、
    ユーザデバイスから、オンライン教育コンテンツにアクセスする要求を受信し、
    ユーザに関する過去の顔画像データに基づき顔テンプレートを判断し、
    教育サーバが、前記ユーザデバイスから、前記ユーザに関する現在の顔画像データを受信し、
    前記現在の顔画像データを、前記ユーザに関する前記過去の顔画像データと比較し、前記現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングするかどうかを判断し、
    前記ユーザに関するバイオメトリックセンサデータを受信し、
    前記バイオメトリックセンサデータに基づき、前記ユーザが、前記ユーザデバイスに位置するかどうかを判断し、
    前記ユーザが、前記オンライン教育コンテンツにアクセスするよう検証し、検証は、前記現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングし、前記バイオメトリックセンサデータが、前記ユーザが、前記ユーザデバイスに位置すると示すという前記判断に少なくとも部分的に基づき、前記ユーザデバイスによる前記オンライン教育コンテンツへのアクセスを容易にすることを含む、検証する、
    前記コンピュータで実行可能な命令を実行する、
    システム。
20. 前記少なくとも１つのプロセッサは、
    前記ユーザデバイスから、前記ユーザデバイスのところに存在する前記ユーザに関連付けられるユーザ識別情報を受信し、
    前記ユーザ識別情報に少なくとも部分的に基づき、前記ユーザに関連付けられる第１のデバイスに関する格納されたデバイスＩＤを判断し、
    前記ユーザデバイスに関する現在のデバイスＩＤを、前記格納されたデバイスＩＤと比較し、前記現在のデバイスＩＤが、前記格納されたデバイスＩＤにマッチングするかどうかを判断する、
    前記コンピュータで実行可能な命令を更に実行し、
    前記オンライン教育コンテンツへのアクセスを容易にすることは、前記現在のデバイスＩＤが、前記格納されたデバイスＩＤにマッチングするという前記判断に少なくとも部分的に更に基づく、請求項１９に記載のシステム。
21. 前記少なくとも１つのプロセッサは、
    前記ユーザデバイスから、前記ユーザデバイスのところに存在する前記ユーザに関連付けられるユーザ識別情報を受信し、
    前記ユーザ識別情報に少なくとも部分的に基づき、前記ユーザに関連付けられるバイオメトリックデータデバイスを判断し、
    前記バイオメトリックデータデバイスの外部上の知られたパターンを判断し、
    前記現在の顔画像データを評価し、前記現在の顔画像データが、前記バイオメトリックデータデバイスの前記外部上の前記知られたパターンを含むかどうかを判断する、
    前記コンピュータで実行可能な命令を更に実行し、
    前記オンライン教育コンテンツへのアクセスを容易にすることは、前記現在の顔画像データが、前記バイオメトリックデータデバイスの前記外部上の前記知られたパターンを含むという前記判断に少なくとも部分的に更に基づく、請求項１９又は２０に記載のシステム。
22. 前記バイオメトリックセンサデータは、前記ユーザの心拍数データを備え、前記少なくとも１つのプロセッサは、
    前記ユーザが、前記オンライン教育コンテンツにアクセスするよう検証されてから、所定の時間が経過したと判断し、
    前記ユーザに関する現在の心拍数データを受信し、
    前記ユーザに関する過去の心拍数データにアクセスし、
    前記ユーザに関する前記現在の心拍数データを、前記ユーザに関する前記過去の心拍数データと比較し、前記過去の心拍数データ及び前記現在の心拍数データが、同一のユーザからのものであるかどうかを判断し、
    前記過去の心拍数データ及び前記現在の心拍数データが、前記同一のユーザからのものであるという前記判断に少なくとも部分的に基づき、前記ユーザデバイスによる前記オンライン教育コンテンツへのアクセスを容易にする、
    前記コンピュータで実行可能な命令を更に実行する、請求項１９から２１の何れか一項に記載のシステム。
23. 前記少なくとも１つのプロセッサは、
    前記ユーザにより登録されているオンライン教育講座を識別し、
    前記オンライン教育講座に関して前記ユーザに提供されるテストを判断し、
    前記オンライン教育講座における前記ユーザに関する複数の過去の教育データを識別し、
    前記複数の過去の教育データに少なくとも部分的に基づき、前記テストでの前記ユーザに関する成功の予測モデルを生成し、前記予測モデルは、最大テストスコア閾値を含むテストスコア範囲を有する、生成し、
    前記テストでの前記ユーザに関するテスト結果を受信し、
    前記ユーザに関する前記テスト結果を、前記最大テストスコア閾値と比較し、
    前記テスト結果が、前記最大テストスコア閾値よりも大きいという前記判断に基づき、前記オンライン教育講座において、前記テスト結果は、前記ユーザに関する前記最大テストスコア閾値を破るという通知を生成する、
    前記コンピュータで実行可能な命令を更に実行する、請求項１９から２２の何れか一項に記載のシステム。
24. 前記少なくとも１つのプロセッサは、
    前記ユーザにより登録されているオンライン教育講座を識別し、
    前記オンライン教育講座における前記ユーザに関する複数の過去の教育データを識別し、
    前記複数の過去の教育データに少なくとも部分的に基づき、オンライン講座アサインメントでの前記ユーザに関する確率スコアを生成し、前記確率スコアは、最小スコア閾値を備える、生成し、
    前記オンライン講座アサインメントでの前記ユーザに関するスコアを受信し、
    前記オンライン講座アサインメントでの前記ユーザに関する前記スコアを、前記最小スコア閾値と比較し、
    前記スコアが、前記最小スコア閾値未満であるという前記判断に基づき、前記ユーザが、バイオメトリックデータデバイスを着用しているかどうかを識別し、
    前記ユーザは、前記バイオメトリックデータデバイスを着用していない、及び前記スコアは、前記最小スコア閾値未満であるという前記識別に少なくとも部分的に基づき、前記ユーザに、前記バイオメトリックデータデバイスを身に着けるよう通知を生成する、
    前記コンピュータで実行可能な命令を更に実行する、請求項１９から２３の何れか一項に記載のシステム。
25. 前記少なくとも１つのプロセッサは、現在の顔画像データが、前記ユーザに関する前記顔テンプレートにマッチングしない、又は、前記バイオメトリックセンサデータが、前記ユーザが、前記ユーザデバイスに位置することを示さないという前記判断に少なくとも部分的に基づき、前記オンライン教育コンテンツへのユーザアクセスを防止する、
    前記コンピュータで実行可能な命令を更に実行する、請求項１９から２４の何れか一項に記載のシステム。