JP2022078716A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP2022078716A JP2022078716A JP2020189589A JP2020189589A JP2022078716A JP 2022078716 A JP2022078716 A JP 2022078716A JP 2020189589 A JP2020189589 A JP 2020189589A JP 2020189589 A JP2020189589 A JP 2020189589A JP 2022078716 A JP2022078716 A JP 2022078716A
- Authority
- JP
- Japan
- Prior art keywords
- user
- content
- information
- learning
- unit
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 30
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 230000006399 behavior Effects 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 description 6
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Abstract
【解決手段】サーバ装置10は、目標を達成した参考ユーザのステータス履歴を教師データとして用い、ユーザのステータス情報を入力とし、ユーザに提供する学習コンテンツの選択条件を出力とするコンテンツ選択モデルを機械学習により生成するモデル生成部135と、ユーザのステータス情報を取得する情報取得部131と、ステータス情報およびコンテンツ選択モデルを用いて、選択条件に合致する学習コンテンツを選択するコンテンツ選択部133と、コンテンツ選択部133により選択された学習コンテンツをユーザに提供するコンテンツ提供部134と、を備える。
【選択図】図2
Description
例えば、特許文献1には、学習コンテンツとしてのイーラーニングを管理するコンテンツ管理機能と、ユーザの端末に関する属性情報を時系列的に管理する会員管理機能と、端末の属性情報に基づいて、アクセス時点で推奨できるコンテンツ情報を端末に提供するレコメンド機能とを有する装置を含んだ学習支援システムが開示されている。
図1は、本実施形態に係る学習支援システム1のシステム構成を示す図である。図1に示すように、学習支援システム1は、情報処理装置であるサーバ装置10と、サーバ装置10にインターネットを介して通信可能に接続される複数の端末装置20と、を備えて構築されている。この学習支援システム1は、サーバ装置10がユーザに適した学習コンテンツを端末装置20に送信することで、ユーザの学習を支援するシステムである。
以下、学習支援システム1の各構成について詳細に説明する。
図2は、本実施形態のサーバ装置10の概略構成を示すブロック図である。
サーバ装置10は、一般的なコンピュータにより構成されており、図2に示すように、通信部11、記憶部12、プロセッサ13等の、コンピュータを構成する各部を備えている。
なお、サーバ装置10を構成するコンピュータの数は特に限定されない。本実施形態では、説明の簡略化のため、1台のコンピュータによってサーバ装置10が構成される例を示すが、複数のコンピュータをネットワークで接続して構築されるクラウドサーバをサーバ装置10としてもよい。
また、記憶部12は、ユーザ情報記録部121、モデル記録部122、および、コンテンツ蓄積部123等を記憶する。
なお、本実施形態では、サーバ装置10の記憶部12に、ユーザ情報記録部121、モデル記録部122、および、コンテンツ蓄積部123が設けられる例を示すが、サーバ装置10とネットワークを介して通信可能に接続された他のデータサーバやクラウドストレージに、これらの情報が記録される構成としてもよい。
ユーザ情報記録部121は、ユーザごとのユーザ情報が記録されるデータベースである。
ユーザ情報は、ユーザ識別情報、ステータス情報、ステータス履歴、目標情報、学習コンテンツ視聴履歴、行動履歴、および、関連者情報などを含む。
ステータス情報は、ユーザの現在のステータス(属性および学習状況)を示す情報であり、属性情報、および、学習状況情報を含む。
属性情報は、ユーザの属性に関する情報である。例えば、ユーザの性別、年齢、居所、所属(職業や学校名)、および、特性情報などが挙げられる。
なお、ユーザの特性情報は、例えばユーザの実空間での志向性など、ユーザを特徴付ける性質に関する情報である。特性情報は、例えばユーザに対して実施されたアンケートの結果などに基づいて記録される。
学習状況情報は、ユーザが学習した学習内容を示す学習内容情報、および、各学習内容に対するユーザの習得度を示す習得度情報を含む。
例えば、学習内容情報は、ユーザが視聴した学習コンテンツの内容に基づいて記録され、習得度情報は、学習コンテンツの視聴後に実施される確認テストの結果に基づいて記録されてもよい。また、学習内容情報および習得度情報は、外部機関で実施されたテストの内容および当該テストの結果に基づいて記録されてもよい。
ステータス履歴は、ユーザの過去のステータス情報の履歴である。
なお、1つのユーザ情報が複数の目標情報を含んでもよい。
例えば、行動履歴は、購買サービスを提供する購買サーバ、SNSを提供するSNSサーバ、検索サービスを提供する検索サーバ、学習コンテンツ以外のコンテンツ(例えば動画コンテンツ等)を提供するコンテンツ提供サーバなど、各種サービスサーバから取得することができる。すなわち、行動履歴は、購買サーバから取得される購買履歴、SNSサーバから取得される投稿履歴、検索サーバから取得される検索履歴、および、コンテンツ提供サーバから取得されるコンテンツ視聴履歴などを含む。
関連者情報は、ユーザにより入力されてもよく、端末装置20の位置履歴や受発信履歴に基づいて、ユーザと行動を共にする他のユーザを関連者として判定することにより設定されてもよい。
なお、関連者は、学習支援システム1の登録者でなくてもよく、関連者のユーザIDは、各種サービスサーバで付与されたIDであってもよい。
関連者行動履歴は、上述したユーザの行動履歴と同様、インターネット上の関連者の行動に関する履歴である。
モデル記録部122には、目標推定モデルと、コンテンツ選択モデルとが記録される。
目標推定モデルは、ユーザのステータス情報を入力とし、ユーザに適した目標を出力とするモデルである。この目標推定モデルは、例えば、ユーザのステータス情報と当該ユーザに対して推定された目標との組み合わせを、ユーザに対するアンケートや学習コンテンツの視聴頻度等に基づいて正解判定し、その結果を教師データとして用いた機械学習により生成される。
コンテンツ選択モデルは、ユーザのステータス情報を入力とし、ユーザに提供する学習コンテンツの選択条件を出力とするモデルである。本実施形態のモデル記録部122には、複数の目標のそれぞれに対応するコンテンツ選択モデルが記録されている。各目標のコンテンツ選択モデルは、当該目標を達成した参考ユーザのステータス履歴を教師データとして用いた機械学習により生成される。
なお、目標推定モデルおよびコンテンツ選択モデルの各詳細については後述する。
コンテンツ蓄積部123は、端末装置20に配信可能な学習コンテンツが蓄積されるデータベースであり、具体的には、複数の学習コンテンツと、各学習コンテンツ関連付けられたコンテンツ詳細情報とが記録される。
学習コンテンツは、例えば、動画コンテンツやテキストコンテンツ等でもよいし、特定日時に配信されるWebセミナー(いわゆるウェビナー)の案内コンテンツでもよい。
コンテンツ詳細情報は、例えば、コンテンツID、コンテンツ名およびカテゴリ情報などを含む。
コンテンツIDは、学習コンテンツを識別する識別情報である。
カテゴリ情報は、学習分野、学習レベル、学習スピード、および、対象年齢層などの各種のカテゴリ群において、学習コンテンツが属する各カテゴリに関する情報を含む。
プロセッサ13は、CPU等の演算回路、RAM等の記録回路により構成される。プロセッサ13は、記憶部12に記録されている情報処理プログラムをRAMに展開し、RAMに展開されたプログラムとの協働で、各種処理を実行する。
そして、プロセッサ13は、学習支援プログラム(情報処理プログラム)を読み込み実行することで、図2に示すように、情報取得部131、目標推定部132、コンテンツ選択部133、コンテンツ提供部134、および、モデル生成部135として機能する。
目標推定部132は、ユーザのステータス情報および目標推定モデルを用いて、ユーザの目標を推定し、目標情報を生成する。
コンテンツ選択部133は、ユーザのステータス情報およびコンテンツ選択モデルを用いて、ユーザに提供する学習コンテンツを選択する。
コンテンツ提供部134は、コンテンツ選択部133により選択された学習コンテンツをユーザに提供する。
モデル生成部135は、コンテンツ選択モデルおよび目標推定モデルのそれぞれを、各教師データに基づいて生成し、更新する。
モデル生成部135による更新タイミングは、一定周期毎であってもよく、サーバ装置10を管理するサーバ管理者に指定された任意のタイミングであってもよい。あるいは、各モデルの教師データが一定数溜まる毎であってもよい。
端末装置20は、ユーザが保有するコンピュータであり、例えばスマートフォンやタブレット端末等により構成される。つまり、端末装置20は、各種情報を表示させる表示ディスプレイ、各種情報を入力操作するための入力操作部、インターネットを介してサーバ装置10等と通信する通信部、各種情報を記憶する記憶部、および端末装置20を制御する制御部等を含んで構成される。
次に、本実施形態の学習支援システム1において実施される情報処理方法について説明する。
ユーザが学習支援システム1を利用するためには、サーバ装置10におけるユーザ登録の必要がある。
なお、本実施形態において、登録案内コンテンツにおける目標情報や関連者情報は、入力必須の項目ではないものとする。
また、登録案内コンテンツは、サーバ装置10以外の他のサービスサーバにおいて既に付与されているユーザIDが存在するか否かをユーザに確認し、当該ユーザIDが存在する場合には、当該ユーザIDの入力を促す。
サーバ装置10は、端末装置20から登録情報を受信し、この登録情報を用いてユーザ情報を生成し、ユーザ情報記録部121に記録する。ここで、端末装置20から受信した登録情報に他のサービスサーバにおけるユーザIDが含まれていない場合には、新規のユーザIDを作成する。また、端末装置20から受信した登録情報に他のサービスサーバにおけるユーザIDが含まれている場合には、当該ユーザIDを利用、または、当該ユーザIDに関連付けたユーザIDを作成する。
以上により、ユーザ登録が完了する。
ユーザ登録後、サーバ装置10において、情報取得部131は、所定の周期、または、サーバ装置10を管理するサーバ管理者に指定された任意のタイミングで、ユーザの行動履歴を取得し、ユーザ情報記録部121に記録する。
例えば、ユーザが、自己のユーザIDを使用してインターネット上の行動を行っている場合、情報取得部131は、このユーザIDに基づいて、インターネット上のユーザの行動履歴を取得する。
また、ユーザ情報記録部121に関連者のユーザIDが記録されている場合、情報取得部131は、このユーザIDに基づいて、インターネット上の関連者の行動履歴を取得する。
なお、インターネット上の行動履歴とは、上述したように、各種サービスサーバから取得される購買履歴、投稿履歴、検索履歴およびコンテンツ視聴履歴などである。
端末装置20は、ユーザ操作によって所定のアプリケーションが実行されることで、学習コンテンツを要求する旨のコンテンツ要求をサーバ装置10に送信する。
サーバ装置10は、端末装置20から、コンテンツ要求およびユーザIDを受信すると、図3のフローチャートに示すように、学習コンテンツ提供処理を行う。
なお、ユーザ情報に目標情報が含まれている場合(ステップS1でYesの場合)、処理は、後述のステップS2をスキップして、ステップS3に進む。
具体的には、サーバ装置10の目標推定部132は、ユーザのステータス情報および行動履歴を、目標推定モデルに入力し、この目標推定モデルから出力される目標を、ユーザの目標として設定する。すなわち、目標推定部132は、目標推定モデルから出力される目標に基づいてユーザの目標情報を生成し、この目標情報をユーザ情報記録部121に記録する。
すなわち、目標推定モデルは、ユーザのステータス情報や行動履歴を入力されることで、ユーザのパーソナリティタイプを診断し、当該パーソナリティタイプに適した職業や学習分野などを、ユーザの目標として出力できる。
例えば、サーバ装置10は、コンテンツ要求と共に受信したユーザIDに基づいて、ユーザ情報記録部121に記録されたユーザ情報を参照し、ユーザの現在のステータス情報に応じた内容のアンケートを作成し、端末装置20に送信する。このアンケートは、例えば、ユーザの普段の行動特性を測るための設問を含む。そして、情報取得部131は、端末装置20から受信したアンケートの結果に基づいて、ユーザ特性情報を生成し、このユーザ特性情報をユーザ情報記録部121に記録する。
これにより、上述のステップS2で目標推定モデルに入力されるユーザのステータス情報には、ユーザの特性情報が含まれる。
すなわち、目標推定モデルは、ユーザのパーソナリティタイプに適した目標候補が複数ある場合、関連者の行動履歴から判定される関連者の特性がプラスの影響を与える目標候補、例えば、関連者の特性との相性がよい目標候補、または、関連者の特性が反面教師として機能する目標候補などを、ユーザの目標として出力できる。
なお、本実施形態において、学習コンテンツの選択条件は、学習コンテンツの各カテゴリ(学習分野、学習レベル、および、対象年齢層など)を指定する情報である。
なお、選択条件に合致する複数の学習コンテンツが存在する場合、コンテンツ選択部133は、複数の学習コンテンツを選択してもよい。
ステップS5における学習コンテンツの提供方法は、従来技術と同様であり、特に限定されない。上記ステップS4で複数の学習コンテンツが選択されている場合、所定の順序(例えば人気順やコンテンツ更新順)で並べられた学習コンテンツのリストを端末装置20に提供してもよい。
本実施形態のサーバ装置10において、情報取得部131は、学習コンテンツの提供後、任意のタイミング(例えば学習コンテンツの閲覧終了直後、または、学習コンテンツを閲覧終了した日の翌日以降におけるアクセス時)で、学習コンテンツの内容の習熟度を測るための確認テストを、端末装置20に提供する。
そして、情報取得部131は、学習コンテンツの視聴履歴と、端末装置20から受信した確認テストの結果とに基づいて、ユーザのステータス情報のうち、ユーザの学習状況を示す学習状況情報を生成し、この学習状況情報をユーザ情報記録部121に記録または更新する。
そして、情報取得部131は、端末装置20から受信したアンケートの結果に基づいて、ユーザの属性情報を生成し、この属性情報をユーザ情報記録部121に記録または更新する。
また、上述の確認テストやアンケートの各形式は、特に限られず、AIボットを活用した1対1形式を利用できる。
具体的には、目標推定部132は、現時点のユーザのステータス情報、および、最新の判定期間(例えば直近数か月)におけるユーザおよび関連者の各行動履歴などを、目標推定モデルに入力し、この目標推定モデルから出力される目標を、ユーザの目標として推定する。
その後、サーバ装置10は、新たに推定された目標を受け入れるか否かの案内情報を端末装置20に送信する。サーバ装置10が端末装置20から受け入れ許可を受信した場合、目標推定部132は、新たに推定された目標に基づいてユーザの目標情報を生成し、ユーザ情報記録部121における目標情報を更新する。
モデル生成部135は、教師データに基づいて、目標推定モデルを生成し、モデル記録部122に記憶されている目標推定モデルを更新する。
また、モデル生成部135は、推定された目標に基づいて提供される学習コンテンツの視聴履歴や、推定された目標に関するアンケート等を用いて、推定された目標に対するユーザの満足度を判定する。
そして、モデル生成部135は、ユーザのステータス情報や行動履歴から診断されるパーソナリティタイプと、関連者の行動履歴と、推定された目標との組み合わせを、ユーザの満足度に基づいて正解判定し、その結果を教師データとして利用する。
なお、目標推定モデルは、目標のカテゴリごとに生成されてもよい。また、機械学習の具体的な手法については、公知の各種の技術を利用可能であるため詳細な説明は省略する。
モデル生成部135は、教師データに基づいて、各目標に対応するコンテンツ選択モデルを生成し、モデル記録部122に記憶されている各コンテンツ選択モデルを更新する。
そして、モデル生成部135は、目標ごとに、所定期間で蓄積された複数の教師データを用いて機械学習を行うことにより、各目標に対応するコンテンツ選択モデルを生成する。
また、参考ユーザのステータス履歴は、参考ユーザが自己の目標を達成する時点までの間で、ステータス情報をどのように変化させていったかという履歴を示している。特に、ステータス履歴のうち、学習状況情報の履歴は、どのような学習内容をどのような段階で習得したかを示している。
よって、モデル生成部135は、複数の教師データを用いた機械学習を行うことにより、属性をどのように変化させた参考ユーザが、どのような学習内容をどのような段階や速度で習得すれば、どのような目標を達成できるかという学習パターンを分析できる。
特に、モデル生成部135は、1つの目標に対して、正道としての学習パターンだけでなく、回り道を含んだ学習パターンや、裏道としての学習パターンなど、様々な学習パターンを分析する。
そして、モデル生成部135は、目標を達成するための複数の学習パターンを含むコンテンツ選択モデルを生成する。
なお、機械学習の具体的な手法については、公知の各種の技術を利用可能であるため詳細な説明は省略する。
本実施形態のサーバ装置10は、プロセッサ13が記憶部12に記憶された情報処理プログラムを読み込み実行することで、モデル生成部135、情報取得部131、コンテンツ選択部133、および提示部として機能する。モデル生成部135は、自己の目標を達成した参考ユーザのステータス履歴を教師データとして用い、ユーザのステータス情報を入力とし、ユーザに提供する学習コンテンツの選択条件を出力とするコンテンツ選択モデルを機械学習により生成する。そして、情報取得部131が、ユーザのステータス情報を取得すると、コンテンツ選択部133は、ステータス情報およびコンテンツ選択モデルを用いて、選択条件に合致する学習コンテンツを選択する。コンテンツ提供部134は、コンテンツ選択部133により選択された学習コンテンツをユーザに提供する。
このような本実施形態では、ユーザの学習状況だけでなく、ユーザの特性を含んだ属性を考慮することで、よりユーザに適した学習コンテンツを提供できる。
例えば、同程度の学習状況である複数のユーザA,Bが存在し、これらユーザA,Bが同じ目標を有する場合であっても、ユーザAの属性は目標との親和性が高いが、ユーザAの属性は目標との親和性が低いといった場合が存在する。このような場合、本実施形態によれば、ユーザAには学習スピードが速い学習パターンを利用し、ユーザBには学習スピードが遅めの学習パターンを利用することで、ユーザA,Bの各属性に適したコンテンツを提供することができる。
このような本実施形態では、ユーザの様々な目標に対応した学習コンテンツを提供できる。
このような本実施形態では、目標が定まっていないユーザに対して、仮の目標に対応した学習コンテンツを提供できる。また、ユーザのステータス情報からユーザのパーソナリティタイプを分析することで、このパーソナリティタイプに適した目標を推定することができる。
このような本実施形態では、ユーザが自覚していない特性であっても、ユーザの行動に現れる特性に基づいたパーソナリティタイプを分析し、このパーソナリティタイプに適した目標を推定することができる。
また、本実施形態は、1つのユーザIDで様々なサービスサーバの利用が可能であったり、各サービスサーバにおけるユーザIDが互いに連携されたりしているインターネットの状況を活用するものであり、ユーザの特性を各方面から把握し、よりユーザに適した学習コンテンツをユーザに提供できる。
ここで、ユーザの関連者の行動履歴は、ユーザの関連者のパーソナリティタイプを分析するための材料となる。関連者のパーソナリティタイプは、ユーザの行動に影響を与える。このため、ユーザのパーソナリティタイプに適した目標のうち、関連者のパーソナリティタイプが影響を与える目標を推定することで、よりユーザに適した目標を推定することができる。
例えば、ユーザのパーソナリティタイプに適した目標として、看護師およびデザイナーが目標候補となる場合であって、関連者の行動履歴がデザイン関係の趣味嗜好に基づいた行動履歴である場合、目標推定部132は、デザイナーをユーザの目標として推定することができる。
本発明は、上述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲で、以下に示される変形をも含むものである。
例えば、サーバ装置10は、ユーザの属性に近い属性を有するが、ユーザの目標とは異なる目標を有する他のユーザ(近似ユーザ)を検出し、この近似ユーザの目標をユーザに知らせる案内コンテンツをユーザに提供してもよい。また、ユーザの了承が得られた場合には、近似ユーザに提供されている学習コンテンツを、ユーザに対して提供してもよい。このようなコンテンツをユーザに提供することで、ユーザの可能性を広げることができる。
例えば、他のサービスサーバから取得されるユーザの行動履歴に基づいて、ユーザの嗜好に適した息抜きコンテンツを、ユーザに提供してもよい。
Claims (8)
- 目標を達成した参考ユーザのステータス履歴を教師データとして用いた機械学習により、ユーザのステータスを示すステータス情報を入力とし、前記ユーザに提供する学習コンテンツの選択条件を出力とするコンテンツ選択モデルを生成するモデル生成部と、
前記ユーザの前記ステータス情報を取得する情報取得部と、
前記ステータス情報および前記コンテンツ選択モデルを用いて、前記選択条件に合致する前記学習コンテンツを選択するコンテンツ選択部と、
前記コンテンツ選択部により選択された前記学習コンテンツを前記ユーザに提供するコンテンツ提供部と、を備える、情報処理装置。 - 前記ユーザの前記ステータス情報は、前記ユーザの特性を含む属性情報と、前記ユーザの学習状況情報とを含む、請求項1に記載の情報処理装置。
- 前記モデル生成部は、互いに異なる複数の目標のそれぞれに対応する前記コンテンツ選択モデルを生成し、
前記コンテンツ選択部は、前記ユーザの目標に対応する前記コンテンツ選択モデルを用いて、前記学習コンテンツを選択する、請求項1または請求項2に記載の情報処理装置。 - 前記ユーザの前記ステータス情報に基づいて、前記ユーザの前記目標を推定する目標推定部をさらに備える、請求項3に記載の情報処理装置。
- 前記情報取得部は、インターネット上の前記ユーザの行動履歴をさらに取得し、
前記目標推定部は、前記ユーザの前記行動履歴をさらに利用して、前記ユーザの前記目標を推定する、請求項4に記載の情報処理装置。 - 前記情報取得部は、前記ユーザの関連者を特定し、インターネット上の前記関連者の行動履歴をさらに取得し、
前記目標推定部は、前記関連者の前記行動履歴をさらに利用して、前記ユーザの前記目標を推定する、請求項4または請求項5に記載の情報処理装置。 - コンピュータにより情報を処理する情報処理方法であって、
前記コンピュータは、モデル生成部と、情報取得部と、コンテンツ選択部と、コンテンツ提供部と、を備え、
前記モデル生成部が、目標を達成した参考ユーザのステータス履歴を教師データとして用いた機械学習により、ユーザのステータスを示すステータス情報を入力とし、前記ユーザに提供する学習コンテンツの選択条件を出力とするコンテンツ選択モデルを生成するステップと、
前記情報取得部が、前記ユーザの前記ステータス情報を取得するステップと、
前記コンテンツ選択部が、前記ステータス情報および前記コンテンツ選択モデルを用いて、前記選択条件に合致する前記学習コンテンツを選択するステップと、
前記コンテンツ提供部が、前記コンテンツ選択部により選択された前記学習コンテンツを前記ユーザに提供するステップと、
を実施する、情報処理方法。 - コンピュータにより読み取り実行可能な情報処理プログラムであって、
前記コンピュータを、請求項1から請求項6のいずれか1項に記載の情報処理装置として機能させる、情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020189589A JP2022078716A (ja) | 2020-11-13 | 2020-11-13 | 情報処理装置、情報処理方法および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020189589A JP2022078716A (ja) | 2020-11-13 | 2020-11-13 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022078716A true JP2022078716A (ja) | 2022-05-25 |
Family
ID=81707034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020189589A Pending JP2022078716A (ja) | 2020-11-13 | 2020-11-13 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022078716A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7348375B1 (ja) | 2022-11-18 | 2023-09-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005346229A (ja) * | 2004-06-01 | 2005-12-15 | Fujitsu Ltd | 学習項目提案方法及び学習項目提案装置 |
JP2009009184A (ja) * | 2007-06-26 | 2009-01-15 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP2015121682A (ja) * | 2013-12-24 | 2015-07-02 | 富士通株式会社 | 学習支援プログラム、学習支援装置および学習支援方法 |
JP2019053282A (ja) * | 2017-09-13 | 2019-04-04 | 株式会社ナガセ | 学習支援装置、コンピュータプログラム |
JP2020123176A (ja) * | 2019-01-30 | 2020-08-13 | ダンウェイ株式会社 | 能力向上手段選択装置、能力向上手段の選択方法、学習済みモデル、学習済みモデル生成プログラム及び能力向上手段出力プログラム |
-
2020
- 2020-11-13 JP JP2020189589A patent/JP2022078716A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005346229A (ja) * | 2004-06-01 | 2005-12-15 | Fujitsu Ltd | 学習項目提案方法及び学習項目提案装置 |
JP2009009184A (ja) * | 2007-06-26 | 2009-01-15 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP2015121682A (ja) * | 2013-12-24 | 2015-07-02 | 富士通株式会社 | 学習支援プログラム、学習支援装置および学習支援方法 |
JP2019053282A (ja) * | 2017-09-13 | 2019-04-04 | 株式会社ナガセ | 学習支援装置、コンピュータプログラム |
JP2020123176A (ja) * | 2019-01-30 | 2020-08-13 | ダンウェイ株式会社 | 能力向上手段選択装置、能力向上手段の選択方法、学習済みモデル、学習済みモデル生成プログラム及び能力向上手段出力プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7348375B1 (ja) | 2022-11-18 | 2023-09-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Casagrande et al. | Service delivery outcomes in ASD: Role of parent education, empowerment, and professional partnerships | |
US20190089701A1 (en) | Digital credentials based on personality and health-based evaluation | |
US11158016B2 (en) | Customized career counseling and management | |
US20150206440A1 (en) | Computing system with learning platform mechanism and method of operation thereof | |
JP5608789B2 (ja) | サイトスタートアップのための方法とシステム | |
US20090319338A1 (en) | Method and system for virtual mentoring | |
WO2011123364A1 (en) | Digital profile system of personal attributes, tendencies, recommended actions, and historical events with privacy preserving controls | |
Chan et al. | Social cognitive perspective on factors influencing Taiwanese sport management students’ career intentions | |
CN110569347A (zh) | 一种数据处理方法、装置、存储介质和电子设备 | |
KR20170067796A (ko) | 단방향 및 양방향 데이터 흐름 시스템 및 방법 | |
Royle et al. | Evaluation of a system for providing information resources to nurses | |
JP2006133443A (ja) | 教育受講ナビゲーションシステム | |
JPWO2006137479A1 (ja) | ウェブ広告システムとウェブ広告プログラム | |
Robb et al. | Mastering survey design and questionnaire development | |
JP2020126392A (ja) | 選択装置、選択方法および選択プログラム | |
JP2022078716A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US11868374B2 (en) | User degree matching algorithm | |
KR20150000262A (ko) | 체험활동 관리 시스템 및 그 방법 | |
JP6950909B2 (ja) | 個別指導支援システム、方法、およびプログラム | |
JP2021140588A (ja) | マッチングシステム、マッチング方法およびマッチングプログラム | |
JP2020112984A (ja) | 情報処理装置、及び、プログラム | |
Seki et al. | A recommendation-type dialogue system responding to potential requests in consideration of personal attributes | |
JP7064787B2 (ja) | 情報処理装置、プログラム、及び、情報処理方法 | |
KR102154287B1 (ko) | 서비스 인력 관리를 위한 애플리케이션 및 서버 | |
JP6739805B2 (ja) | 情報処理装置、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220719 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230904 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240219 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240226 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240322 |