JP4815218B2 - 動画データ抽出システムおよびコンピュータプログラム - Google Patents

Description

本発明は、通信技術および情報処理技術を利用して、閲覧する動画データを抽出するための情報提供技術に関する。

生徒の学習向上のためには、学習方法の改革が早道である。 そのためのデータ収集、成功事例データなどの蓄積は進んでいる。ビデオ撮影や、その撮影後のデータのコンピュータへの取り込み、大容量のデータ処理が可能となったパーソナルコンピュータの能力アップなどを背景に、成功事例のビデオデータがライブラリとして整いつつある。

本願に関連する先行技術として、特開２００５−１８２２７２号を抽出した（特許文献１参照）。
この技術は、学習塾の講師と生徒の管理を行い、効率的な学習指示書、指導報告書を作成するための技術である。より具体的には、管理コンピュータには、生徒及び講師に関するデータが登録されている管理データベースと、カリキュラムが登録されているカリキュラムデータベースが格納され、管理プログラムを動作させて、管理データベースとカリキュラムデータベースを利用し、学習指示書を作成する。授業前に、学習指示書を印刷して講師に配布し、授業後、マークシートをスキャナで読み取り、学習結果に対するアドバイスを含む指導報告書を作成して生徒に渡す。本部のサーバは、教室の管理コンピュータと通信し、全生徒及び講師の進捗状況データをダウンロード可能として学習塾全体の状況を瞬時に把握できるものである。

特開２００５−１８２２７２号公報 特開２００３−２４２３０７号公報 特開２００５−２４２０１８号公報

（習慣、性格データの取得技術）；自社の先願特許
また、本願発明人は、習慣、性格データの取得技術として、特開２００３−２４２３０７号公報をすでに出願している（特許文献２参照）。
この技術は、被験者の「やる気度」「やる気度の要因」「能力」「適正な職業」などを診断し、その診断結果の記載された「やる気向上用診断シート」を見ることによって、自分の長所を知り、その伸ばし方を知ること、長所の発揮を妨げている心のブレーキを知り、その解消の仕方を知ること、長所を生かした職業を知ることで、被験者のやる気を向上させる技術である。
すなわち、やる気向上用診断シートは、予め用意された自己の環境を診断するための質問に対する回答に基づいて、被験者の「やる気度」「やる気度の要因」「能力」「適正な職業」等の診断項目ごとに得点を算出し、その得点をグラフ、表、文章（コメント）等に変換して表示する。グラフや表によって、診断結果を視覚的に捉えられ、理解しやすくなる。また、文章（コメント）によって、数値やグラフ、表などでは表現することのできない内容を伝えることができる。

（成績アップのためのデータ取得）；自社の先願特許
さらに、本願発明人は、成績アップのためのデータ取得技術として、特開２００５−２４２０１８号公報をすでに出願している（特許文献３参照）。
この技術は、弱点を克服するための復習ポイントとしての優先順位を算出し、生徒ごとに異なるカリキュラムを作成する技術である。
すなわち、学習課程の単位として定められた複数の学習単元データを、各学習単元データの相関関係を示した系統図に対応させて記憶する。系統図およびテスト問題データベースを用いて学力テストを作成する。生徒に受験させた学力テストを採点し、その学力テストの結果を受信する。記憶されている各学習単元データについて、学力テストの問題に関連する学習単元を抽出し、時系列にて古い順に並べ、学力テストの結果の悪い学習単元を優先させ、生徒が学習すべき優先順位を算出する。生徒は優先順位が把握できるため、学習効率が向上する。

さて、成功事例としてのいわゆる天才型の生徒は、大多数の生徒の参考にはならない。努力型の生徒とは、全く学習方法が異なるからである。しかしながら、こうしたことは、経験的に把握されているものの、客観性に乏しい。
つまり、閲覧させるためのデータは収集できても、そのデータに関する客観的な評価軸がない。

一方、前述したように、成功事例のビデオライブラリは、充実し始めている。ところがビデオデータは録画時間分だけの時間を要する。このため、成功事例を参考にしたい、という生徒においては、参考になるデータを厳選して提供しなければ、時間ばかり掛かってしまう。
そこで、その生徒にとって参考となりそうな成功事例を抽出してあげる必要があるが、その抽出に際しての合理的な手法は、存在していなかった。

また、学習塾を運営する際には、当然ながら入塾率や利益率などにも配慮しなければならない。例えばフランチャイズ展開をする場合には、フランチャイジー（オーナー）を説得するためのシステムを構築することが重要となってくる。このため、経験則によるものに加えて客観性に秀でた

そこで、本発明が解決しようとする課題は、情報提供者およびユーザにおける自分にとって参考となる成功事例データの抽出を合理化、客観化することにより、有益な参考データを取り出すことに寄与する技術を提供することにある。

ここで、請求項１から請求項７に記載の発明の目的は、情報提供者およびユーザにおける自分にとって参考となる成功事例データの抽出を合理化、客観化することにより、有益な参考データを取り出すことに寄与するシステムを提供することにある。
また、請求項８から請求項１４に記載の発明の目的は、情報提供者およびユーザにおける自分にとって参考となる成功事例データの抽出を合理化、客観化することにより、有益な参考データを取り出すことに寄与するコンピュータプログラムを提供することにある。

（請求項１）
請求項１記載の発明は、生徒の年齢、学年および性格を含むパーソナルデータおよびその生徒のパーソナルデータに関連付けられたユーザＩＤを蓄積しているパーソナルデータベースと、 学習方法に関する動画データを前記パーソナルデータに関連付けて多数蓄積した動画データベースと、 動画データを欲する生徒のユーザＩＤの入力を受け付ける入力手段と、 前記入力手段から入力されたユーザＩＤに対応するパーソナルデータである希望パーソナルデータと前記動画データベースに関連付けられたパーソナルデータとを比較することによって、動画データベースの中から適切な動画データを抽出する抽出手段と、 その抽出手段が抽出した動画データのインデックスを画面出力する出力手段と、 前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手段と、を備えた動画データ抽出システムに係る。
前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでいる。
前記動画データは、その動画データに関連付けられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けて前記動画データベースに格納されている。
前記抽出手段は、前記入力手段によって入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することとした。

（用語説明）
「パーソナルデータ」とは、生徒の名前、性別、年齢、学年、性格診断結果、学力診断結果に加え、教科書学習、ノートまとめ、暗記、問題演習などの各生徒の学習方法からなる各種データのことであり、パーソナルデータベースに蓄積される。なお、パーソナルデータは、すでに学習塾に在籍している生徒や卒業生などに学習方法をインタビューしてデータベース化される。
「動画データ」とは、学習方法を動画データとして生成したデータであり、パーソナルデータに紐付けられている。
「希望パーソナルデータ」とは、生徒の年齢、学年及び性格のほか、性別なども含まれる。また、性格は性格診断システムを用いて出力された性格診断結果などである。このほか、学力診断結果などを採用する場合もある。本請求項では、この希望パーソナルデータを生徒が予め入力しておけば、ユーザＩＤとして保管され、その後ユーザＩＤを入力することによって、動画データベースに蓄積された適切な動画データが迅速に抽出される。なお、新規入塾生などのように希望パーソナルデータが未入力の場合には、新規に設定されることになる。
「ユーザＩＤ」とは、生徒や先生が個別に設定したユニークＩＤのことであり、名前やアルファベット、数字などである。
「インデックス」とは、動画データで主演している生徒に係るパーソナルデータを、学習方法ごとにインデックス化したものである。通常は、生徒Ｂ、生徒Ｃ、生徒Ｄなどのように表示される。また、教科書学習、ノートまとめ、暗記、問題演習などのように、さらに細分化したインデックスである場合もある。
「出力手段」とは、例えばＰＣモニタ等に画面出力されるほか、プリントアウトによって出力される場合もある。

（作用）
動画データベースには、予め複数の生徒の学習方法を記録した動画データが蓄積されている。
パーソナルデータベースには、生徒の年齢、学年及び性格等がデータベース化されており、個々にユーザＩＤが設定されている。
入力手段が動画データを所望する生徒のユーザＩＤの入力を受け付けると、その受け付けたユーザＩＤからパーソナルデータベースにアクセスして該当するパーソナルデータを抽出し、動画データベースに記録されている全ての動画データに紐付けられたパーソナルデータと比較演算する。 そして、抽出手段が希望パーソナルデータと一致度が高いパーソナルデータに紐付けられた動画データを少なくとも一つ抽出する。 その抽出された動画データのインデックスを、出力手段が画面出力する。
すなわち、抽出された動画データは、パーソナルデータが同じまたは近似している生徒を抽出するので、同じパーソナルデータの生徒の学習方法を動画データとして閲覧することができる。したがって、生徒本人にとって参考となる成功事例データの抽出を合理化、客観化することができ、有益な参考データを取り出すことに寄与する。

（請求項２）
請求項２記載の発明は、 生徒の年齢、学年および性格を含むパーソナルデータを蓄積しているパーソナルデータベースと、
学習方法に関する動画データを前記パーソナルデータに関連付けて多数蓄積した動画データベースと、 動画データを欲する生徒の年齢、学年および性格を含む希望パーソナルデータを入力する入力手段と、を備え、 前記動画データベースの中から適切な動画データを抽出する抽出手段と、 その抽出手段が抽出した動画データのインデックスを画面出力する出力手段と、 前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手段と、を備えた動画データ抽出システムに係る。
前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでおり、 前記動画データは、その動画データに紐づけられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けて前記動画データベースに格納されており、 前記抽出手段は、前記入力手段によって入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することとした。

（作用）
動画データベースには、予め複数の生徒の学習方法を記録した動画データが蓄積されている。 パーソナルデータベースには、生徒の年齢、学年及び性格等がデータベース化されている。
入力手段が動画データを欲する生徒の年齢、学年及び性格を含む希望パーソナルデータを入力すると、その希望パーソナルデータをもとにパーソナルデータベースにアクセスして該当するパーソナルデータを抽出し、動画データベースに記録されている全ての動画データに紐付けられたパーソナルデータと比較演算する。
そして、抽出手段が希望パーソナルデータと一致度が高いパーソナルデータに紐付けられた動画データを少なくとも一つ抽出する。 その抽出された動画データのインデックスを、出力手段が画面出力する。
抽出された動画データは、パーソナルデータが同じまたは近似している生徒を抽出するので、同じパーソナルデータの生徒の学習方法を動画データとして閲覧することができる。
なお、請求項２の発明では、新規入塾生徒が学習方法を閲覧するのに高い効果を発揮する。すなわち、新規生徒の入塾率の向上を図る効果も期待できるため、このシステムを特徴として例えばフランチャイズ展開の効率化にも期待できる。

（削除）

（用語説明）
「レーダーグラフ」とは、パーソナルデータ（自信度、まじめ度、社交度等）にそれぞれ値軸を設定し、中心点から放射状にパーソナルデータ別にデータを表示したグラフのことである。なお、レーダーチャートと呼ばれている場合もある。
（作用）
パーソナルデータがレーダーグラフ化されることにより視認性が向上するので、数値のみで形成されたパーソナルデータの判断が容易となる。なお、グラフの種類としては、レーダーグラフに限らず、他のグラフであっても良いが、データを一目に視認可能なレーダーグラフとすれば視認性が向上するため好ましい。

（請求項３）
請求項３に記載の発明は、請求項１から請求項２のいずれかに記載の動画データ抽出システムを限定したものであり、
前記抽出手段は、前記レーダーグラフ作成手段が作成するレーダーグラフの面積一致割合の高い動画データから順に複数抽出することとしたことを特徴とする。

（作用）
画像処理ソフトウェア等を用いてパーソナルデータをレーダーグラフ化し、そのグラフ面積を比較演算するように構築することで、比較演算の処理速度の高速化を図ることができる。

（バリエーション）
請求項１から請求項３のいずれかに記載の動画データ抽出システムは、以下のようにしてもよい。
すなわち、 前記抽出手段が抽出したレーダーグラフをインデックス化するインデックス作成手段を備え、 そのインデックス作成手段は、前記ユーザＩＤに対応する生徒の学力およびパーソナルデータを二軸として二次元表示するとともに、その二次元表示において当該生徒の表示位置に近くなる動画データを抽出することでインデックスを作成するものであり、 前記出力手段は、前記インデックス作成手段が作成したインデックスを所定数、画面表示させることとしてもよい。

（作用）
インデックス作成手段がレーダーグラフをインデックス化する。そのインデックスは、画面に出力表示される。システムを利用するユーザ（生徒等）は、画面表示された複数のインデックスを閲覧するとともに、それら各インデックスから所望するインデックスを選択すれば動画データの閲覧が可能となる。すなわち、自らの条件に適合する他の生徒の動画データの閲覧を容易にしている。

（削除）

（作用）
パーソナルデータは、社交度、デリケート度、自立度、まじめ度、自信度及び情緒安定度を含んで構成された性格項目値として構成している。すなわち、性格を示す項目を予め定義しておき、その性格に適合する生徒の学習方法を知るための目安として機能する。通常は、学力の高い生徒の学習方法に注目されることが多いが、学力以外に個々の性格に適する学習方法を重要視しているのである。

（請求項４）
請求項４に記載の発明は、請求項１から請求項３のいずれかにに記載の動画データ抽出システムを限定したものであり、
前記パーソナルデータは、学力診断テストから算出された学力を学力データ値として生成することとした。

（作用）
パーソナルデータには、請求項５で特定した性格項目値のほか、学力診断テストから算出された学力データ値も付与されている。すなわち、パーソナルデータを性格項目値及び学力データ値から構成すれば、より精度の高い学習方法を抽出することに寄与する。

（請求項５）
請求項５に記載の発明は、請求項１から請求項４のいずれかに記載の動画データ抽出システムを限定したものであり、
前記動画データは、教科書学習カテゴリ、ノートまとめカテゴリ、暗記カテゴリおよび問題演習カテゴリの各カテゴリによって区分され、 前記出力手段は、各カテゴリごとのインデックスを出力可能とする。

（作用）
動画データには、教科書の学習についての学習方法が記録された教科書学習カテゴリ、ノートのまとめ方についての記録されたノートまとめカテゴリ、効果的な暗記方法について記録された暗記カテゴリ及び問題の解き方等について記録された問題演習カテゴリに区分されて記録されている。これらは、個々に選択して閲覧することが可能であり、例えば、生徒Ｂのノートまとめと、生徒Ｃの問題演習を選択することも可能である。

（請求項６）
請求項６に記載の発明は、請求項１または請求項２に記載の動画データ抽出システムを限定したものであり、
前記出力手段が画面出力した複数のインデックスから生徒が動画データを選択し、その選択された動画データに含まれるノートまとめカテゴリ等の写真データをプリントアウトするプリントアウト出力手段を備えた。

（作用）
本発明では、生徒に選択された動画データを画面表示以外にもプリントアウトすることができる機能である。生徒はプリントアウトされた紙媒体としての学習方法を自由に閲覧することができるので、学習方法のフォーマットや補助として役立つ。

（請求項７）
請求項７に記載の発明は、 生徒の年齢、学年及び性格を含むパーソナルデータおよびその生徒のパーソナルデータに関連付けられたユーザＩＤを蓄積しているパーソナルデータベースと、学習方法に関する動画データを前記パーソナルデータに関連付けて多数蓄積した動画データベースとを備えたホストコンピュータに対してネットワークを介して接続された端末装置のプログラムに係る。
そのプログラムは、動画データを欲する生徒のユーザＩＤの入力を受け付ける入力手順と、 前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手順と、 前記入力手順から入力されたユーザＩＤに対応するパーソナルデータである希望パーソナルデータと、前記動画データベースに関連付けられたパーソナルデータとを比較することによって、動画データベースの中から適切な動画データを抽出する抽出手順と、 その抽出手順が抽出した動画データのインデックスを画面出力する出力手順と、をコンピュータに実行させる。
前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでいる。
前記動画データは、その動画データに紐づけられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けてレーダーグラフ化して前記動画データベースに格納されている。
前記抽出手順は、前記入力手順によって入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することを端末装置のコンピュータに実行させることとした。

ここで、「ホストコンピュータ」とは、パーソナルデータベース及び動画データベースを備えたコンピュータである。端末装置とはインターネット等のネットワークまた、「端末装置」とは、本請求鉱のプログラムがインストールされるとともに、ホストコンピュータに対してネットワーク接続可能なコンピュータである。代表的なネットワークとしては、インターネットやイントラネットがある。
本請求項では、ホストコンピュータとは物理的に離れた位置にある端末装置が必要なデータを入力することによって、各データベースから動画データを抽出することを目的としている。また、端末装置を使用する形態としては、本システムに加盟しているフランチャイジーなどがある。

（請求項８）
請求項８に記載の発明は、 生徒の年齢、学年及び性格を含むパーソナルデータを蓄積しているパーソナルデータベースと、学習方法に関する動画データをパーソナルデータに関連付けて多数蓄積した動画データベースとを備えたホストコンピュータに対してネットワークを介して接続された端末装置のプログラムに係る。
そのプログラムは、動画データを欲する生徒の年齢、学年及び性格を含む希望パーソナルデータを入力する入力手順と、 前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手順と、 前記の動画データベースの中から適切な動画データを抽出する抽出手順と、 その抽出手順が抽出した動画データのインデックスを画面出力する出力手順と、をコンピュータに実行させる。
前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでいる。
前記動画データは、その動画データに紐づけられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けて前記動画データベースに格納されている。
前記抽出手順は、前記入力手順によって入力された希望パーソナルデータと全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することを端末装置のコンピュータに実行させる。

（削除）

（請求項９）
請求項９に記載の発明は、請求項７から請求項８のいずれかに記載のコンピュータプログラムを限定したものである。
すなわち、前記抽出手順は、前記レーダーグラフ作成手順が作成したレーダーグラフのグラフ面積と、前記動画データベースに予め蓄積されたレーダーグラフのグラフ面積とを比較し、 それらレーダーグラフの面積一致割合の高い動画データから順に複数抽出することとした。

（バリエーション）
請求項７から請求項９のいずれかに記載のコンピュータプログラムを限定して、以下のようにすることもできる。
すなわち、 前記ユーザＩＤに対応する生徒の学力およびパーソナルデータを二軸として二次元表示するとともに、その二次元表示において当該生徒の表示位置に近くなる動画データを抽出することで、動画データを欲した生徒が欲する動画データにアクセスしやすいインデックスを作成するインデックス作成手順を備え、 前記出力手順は、前記インデックス作成手順が作成したインデックスを所定数、画面表示させることとした。

（削除）

（請求項１０）
請求項１０に記載の発明は、請求項７から請求項９のいずれかに記載のコンピュータプログラムを限定したものであり、前記パーソナルデータは、学力診断テストから算出された学力を学力データ値として生成したことを特徴とする。

（請求項１１）
請求項１１に記載の発明は、請求項７から請求項１０のいずれかに記載のコンピュータプログラムを限定したものである。
すなわち、 前記動画データは、教科書学習カテゴリ、ノートまとめカテゴリ、暗記カテゴリ及び問題演習カテゴリの各カテゴリによって区分され、 前記出力手順は、各カテゴリごとのインデックスを出力可能とした。

（請求項１２）
請求項１２に記載の発明は、請求項７または請求項８に記載のコンピュータプログラムを限定したものであり、
前記出力手順が画面出力した複数のインデックスから生徒が動画データを選択し、その選択された動画データに含まれるノートまとめカテゴリ等の写真データをプリントアウトするプリントアウト出力手順を備えたことを特徴とする。

請求項８から請求項１４に記載のコンピュータプログラムを、記録媒体へ記憶させて提供することもできる。ここで、「記録媒体」とは、それ自身では空間を占有し得ないプログラムを担持することができる媒体であり、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ（光磁気ディスク）、ＤＶＤ−ＲＯＭ、ＰＤなどである。
また、これらの発明に係るプログラムを格納したコンピュータから、通信回線を通じて他のコンピュータへ伝送することも可能である。
また、汎用的な端末装置に対して、請求項１に記載の発明に係るプログラムをプリインストール、あるいはダウンロードすることで、他の請求項に係るシステム（サーバ）を形成することも可能である。

請求項１から請求項７に記載の発明によれば、情報提供者およびユーザにおける自分にとって参考となる成功事例データの抽出を合理化、客観化することにより、有益な参考データを取り出すことに寄与する動画データ抽出システムを提供することができた。
また、請求項８から請求項１４に記載の発明によれば、情報提供者およびユーザにおける自分にとって参考となる成功事例データの抽出を合理化、客観化することにより、有益な参考データを取り出すことに寄与するコンピュータプログラムを提供することができた。

以下、本発明を実施の形態及び図面に基づいて、更に詳しく説明する。ここで使用する図面は、図１から図２０である。
図１は、動画データ抽出システムを概念的に示した概念図であり、図２は、ＥＴＳに係る診断装置の構成例を示す構成図であり、図３は、診断装置によって実現されている機能の例を示す機能図であり、図４は、質問文ファイルの一例を示す図であり、図５は、回答ファイルの一例を示す図であり、図６は、やる気度配点ファイルの一例を示す説明図であり、図７は、やる気度得点ファイルの一例を示す説明図であり、図８は、動画データ抽出システムの処理を示すフローチャートである。

図９は、システムサーバのハードウェア構成を示したブロック図であり、図１０は、動画データベースのデータ記憶領域を示したブロック図であり、図１１は、パーソナルデータベースのデータ記憶領域を示したブロック図であり、図１２は、生徒用ＰＣのハードウェア構成を示したブロック図であり、図１３は、マッチング処理について説明した図であり、図１４及び図１５は、インデックス画面について説明した図であり、図１６は、インデックス画面から動画データが再生された状態を示した図であり、図１７は、動画データにおけるカテゴリをプリントアウトした状態を示した図であり、図１８から図２１は、第二実施形態について説明した図であり、図２２は、第三実施形態における動画データ抽出システムを示す概念図である。

図１に示すように、動画データ抽出システムは、学習塾のシステムサーバ１０にインストールされた性格診断プログラム（ＥＴＳ）を用いて生徒Ａに係る性格診断テストを実施し、その診断された生徒Ａの性格に最も近いとされる他の生徒の学習方法を動画データベース２０（以下、動画ＤＢと表記する）から抽出し、その抽出した学習方法を動画データとして出力することで、他の生徒の学習方法を閲覧可能としたシステムである。

（ＥＴＳ）
ここで、生徒の性格診断として用いるＥＴＳ（『特開２００３―２４２３０７号公報』参照）について、図２から図７を参照して説明する。

図２は、ＥＴＳに係る診断装置の構成例を示す構成図である。この診断装置は、例えば中央処理装置１０１、入力装置１０２、ファイル装置１０３、表示装置１０４からなり、これらの装置は、コンピュータ単体で構成される場合もあれば、ネットワークに接続された複数のコンピュータが協働して、それぞれの機能を実現する場合もある。また、この診断装置をサーバにしてネットワークを介してクライアントの診断をすることも考えられる。

ファイル装置１０３には、質問文ファイル、回答ファイル、回答分類ファイル、やる気度配点ファイル、やる気度の要因配点ファイル、能力配点ファイル、職業配点ファイル、やる気度得点ファイル、やる気度の要因得点ファイル、能力得点ファイル、職業得点ファイル、ひな形ファイル等のファイルが保存されている。

この診断を行うために診断に必要な質問文が予め用意されている。この質問文は、ファイル装置１０３に質問文ファイルとして記憶されている。図４に示す質問文ファイルの例では、質問番号１〜６番までに対応する質問文が記載されている。
質問番号１には、質問文として「親には毎日何かしらの理由で怒られている。」が入力されている。同様に質問文２には「自分はだめな人間だ。」、質問文３には「より短い時間で成績が上がるように工夫している。」、質問文４には「話していて相手の考えが間違っていると思うとその考えを変えたくなる。」、質問文５には「努力をすればたいていのことはできる。」、質問文６には「親の考えを無理やり押し付けられ自分の考えが通らない。」が入力されている。

これらの質問は、中央処理装置１０１によって表示装置１０４に表示される。例えば印刷装置やディスプレイ等が表示装置にあたる。被験者は表示された質問を読み回答する。

図３は、この診断装置において実現されている機能の例を示す機能図である。回答入力手段２０１は、中央処理装置１０１の指示により、この質問文に対する被験者の回答を入力するための機能をもっている。中央処理装置１０１によりディスプレイに表示された回答入力欄に従って、入力装置１０２、例えば、キーボードやマウスの操作により回答を入力したり、回答用紙に記入された文字をＯＣＲにより読み取ったり、マークシートに記入されたマークを読み取ることにより入力される。なお、入力方法はこれらに限らない。

入力された回答は、中央処理装置１０１によりファイル装置１０３に記憶される。この例での回答は、質問番号に対応して「ＹＥＳ」か「ＮＯ」である。図５は回答ファイルであり、回答記憶手段２０２によって、ファイル装置１０３に記憶された回答ファイルの一例である。質問番号３、５に対しては「ＹＥＳ」、質問番号１、２、４、６に対しては「ＮＯ」と入力されたことがわかる。この例以外にも、質問に対し「いつもそうである」「時々そうである」「そうではない」等さまざまな回答例が考えられ、その回答例に合わせてファイル形式も変わる。

得点算出手段２０３は、「やる気度」、「やる気度の要因」、「能力」、「適正な職業」、それぞれの得点を算出する機能を有する。中央処理装置１０１により、ファイル装置１０３に記憶された回答ファイル及び配点ファイルに基づき得点を算出する。

図６および図７は、「やる気度」の得点算出について説明したものである。図６に示すやる気度配点ファイルは、質問番号と「やる気度」に関する診断項目を対応させ、配点を記憶している。このファイルの場合、大項目として「やる気度」を、さらに「やる気度」を細かく分析するための中項目として「自己決定力」、「自己可能性」、「周囲保護性」、「目標明確性」、「目標達成イメージ性」を取り上げている。

ここで「やる気度」とは、被験者が、「自己決定力」すなわち「自分で決めて進んでやっている」という気持ちや、「自己可能性」すなわち「自分はいろいろなことができる」という気持ち、「周囲保護性」すなわち「自分は周りから暖かく見守られている」という気持ちをどれだけ持っているかや、「目標明確性」すなわち「夢や目標がどれだけはっきりしているか」、「目標達成イメージ性」すなわち「夢や目標を達成するまでのイメージがわくか」である。

やる気度配点ファイルから「自己決定力」に関する質問番号は６であることがわかる。質問番号６には、配点基準として「ＮＯ」が入っている。これは、被験者が「ＮＯ」と回答した場合の配点を表している。すなわち、質問番号６に関し「ＮＯ」と回答していれば１点が配点される。

図５に示す回答ファイルより、本実施形態の被験者は質問番号６に関して「ＮＯ」と回答していることから、１点が配点される。この得点は図６のやる気度得点ファイルに、自己決定力に関する得点として、質問番号６の隣に「＋１」として記憶される。これを質問ごとに繰り返すことにより、自己決定力に関する質問に得点が付与される。この結果、記憶された質問番号ごとの得点を合計して合計点を算出する。この場合、合計点は５点である。満点のところに「１０」と入っているのは、自己決定力に関する質問に対し、すべて自己決定力がある方に回答した場合の得点を表わしている。修正方法は、例えば１００点満点で表わしたい場合、％で表したい場合等の修正方法が入っている。この場合は１００点満点に修正するため、「×１０（１０倍）」するとの修正方法が入っており、その結果修正点は５０点となっている。

同様にして同「自己可能性」についての合計点は４点、満点は１０点、修正点は４０点となっている。同「周囲保護性」についての合計点は３点、満点は１０点、修正点は３０点となっている。同「目標明確性」についての合計点は２点、満点は５点、修正点は４０点となっている。「目標達成イメージ性」についての合計点は３点、満点は２０点、修正点は１５点となっている。
概ね以上のようにして生徒の習慣及び性格データが取得され、生徒の「やる気度」「やる気度の要因」「能力」「適正な職業」などが診断され、それを性格データとして確保する。

次に、本発明に係る動画データ抽出システムについて説明する。
動画データ抽出システムは、生徒が動画の閲覧等に使用する生徒用ＰＣ５０、システム全体を制御するためのシステムサーバ１０及びそのシステムサーバ１０とネットワーク接続された動画ＤＢ２０、パーソナルデータベース３０（以下、パーソナルＤＢと表記する）とからなる。

図８に示すように、生徒Ａは、学習塾内に設置されている生徒用ＰＣ５０を用いてＥＴＳを実行する。その結果を性格データとしてシステムサーバ１０に送信する（Ｓ１０１）。
システムサーバ１０は、生徒用ＰＣ５０から送信された性格データをネットワーク等によって受信する（Ｓ１０２）。受信した性格データを性格項目（社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度）別に性格項目値として数値化して記録する（Ｓ１０３）。
その記録した性格項目値を二次元のレーダーグラフとして画像処理し、動画ＤＢ２０に記録する（Ｓ１０４）。
また、動画ＤＢ２０には、すでにレーダーグラフ処理された複数の生徒の性格データが記録されており、この動画ＤＢ２０から生徒Ａの性格項目値と一致するデータがあるか否かを検索する（Ｓ１０５）。

生徒Ａの性格項目値と一致するデータがあれば、そのデータのレーダーグラフを抽出する（Ｓ１０６）。一方、生徒Ａの性格項目値と一致するデータがなければ、生徒Ａの性格項目値と近似するレーダーグラフを抽出する（Ｓ１０７）。そして、抽出した複数のレーダーグラフを、動画データを再生するために選択可能なインデックスを作成し（Ｓ１０８）、その作成したインデックスを画面に表示させる（Ｓ１０９）。

生徒Ａは、生徒用ＰＣ５０の表示部５５を介して表示されたインデックスから所望するインデックスを選択する（Ｓ１１０）。システムサーバ１０は、選択されたインデックスに関連する動画データを動画ＤＢ２０から取り出し、システムサーバ１０を介して生徒用ＰＣ５０に配信する（Ｓ１１１）。生徒用ＰＣ５０は、その動画データを受信することで（Ｓ１１２）、動画データによって自分の性格と同じまたは近似した他の生徒の学習方法を閲覧することができる。

（システムサーバ）
次に、システムサーバ１０、動画ＤＢ２０、パーソナルＤＢ３０、生徒用ＰＣ５０のハードウェア構成について説明する。
図９に示すように、システムサーバ１０は、本システムの中枢を担うサーバとしてシステム全体の制御を行う機能を有し、各種演算処理を行うＣＰＵ１１、各種データを書き込む際に、それらのデータを一時的に展開するＲＡＭ（メモリ）１２、オペレーティングシステム、アプリケーションソフトおよび各種データが記憶される記憶部１３、マウスやキーボード等の入力部１４、ディスプレイ等の表示部１５、インターネットやイントラネットなどの電気通信回線に接続可能な通信部１６、各種データをプリンタ等に出力可能な出力部１７および各種データの入出力部である入出力ポート１８を備えて構成されている。

（動画ＤＢ）
図１０は、動画ＤＢ２０のデータ記憶領域を示した概念図である。
動画ＤＢ２０は、システムサーバ１０にＬＡＮ接続されており、動画データ記録領域及び印刷用データ記録領域からなる。
動画データ記録領域は、生徒が自分の性格に最も適合する他の生徒の学習方法を閲覧し、その学習方法を参考にするための動画データが記録されている。各動画データは、「教科書学習カテゴリ」、「ノートまとめカテゴリ」、「暗記カテゴリ」、「問題演習カテゴリ」などの各カテゴリからなり、本実施形態では１カテゴリあたり、３分から５分程度の長さで構成されているものとする。

「教科書学習カテゴリ」の一例としては、『重要ポイントにマークする』、『色別にマークする』、『最重要ポイントは赤の蛍光ペンを利用する』、「ノートまとめカテゴリ」では、『カラーを使い分けて見やすく作成する』、『特に先生が強調していた箇所を別途書き留めておく』、「問題演習カテゴリ」では、『同じ問題を３回以上繰り返す』、『重要ポイントにマークする』、「暗記カテゴリ」では、『暗記用ノートを活用する』、『トイレの壁に重要単語の紙を貼る』、『連想ゲームを使って覚える』など、これらを生徒が視覚的に把握できるように記録されている。

印刷用データ記録領域は、前述のカテゴリ毎に区分された動画データを、プリントアウト可能な印刷用データが記録されている。この印刷用データは、例えば、生徒Ａが所望する他の３人の生徒を選択し、その３人の生徒の各カテゴリ（「教科書学習」、「ノートまとめ」、「暗記」、「問題演習」）を任意に出力することが可能となっている。

なお、本実施形態における動画ＤＢ２０はＬＡＮ上に設置しているが、特に限定されることはない。例えば、システムサーバ１０の記憶装置として内蔵されていても良いし、ＵＳＢケーブル等を介した外部記憶装置として接続されていても良い。ただし、ＬＡＮ上に設置することで、複数の学習塾で動画データを共有可能にすることができるので合理的である。

（パーソナルＤＢ）
図１１は、パーソナルＤＢ３０の記憶領域を示した概念図である。パーソナルＤＢ３０は、システムサーバ１０及び動画ＤＢ２０にＬＡＮ接続されており、パーソナルデータ記録領域及びユーザＩＤ記録領域からなる。
パーソナルデータ記録領域は、生徒の名前、性別、年齢、学年、性格診断結果、学力診断結果に加え、教科書学習、ノートまとめ、暗記、問題演習などの各生徒の学習方法からなる各種データをパーソナルデータとして記録したものである。

ユーザＩＤ記録領域は、パーソナルデータ記録領域に記録されたパーソナルデータに関連付けられた識別子のことである。つまり、生徒がユーザＩＤを入力すれば、パーソナルＤＢ３０内に予め記録されている生徒のパーソナルデータが呼び出されることになる。なお、ユーザＩＤとしては、生徒や先生が任意に設定した名前やアルファベット、数字などがある。

（生徒用ＰＣ）
図１２に示すように、生徒用ＰＣ５０は、システムサーバ１０と基本構成は同一であり、各種演算処理を行うＣＰＵ５１、ＲＡＭ５２、記憶部５３、入力部５４、表示部５５、通信部５６、出力部５７および入出力ポート５８を備えて構成されている。生徒用ＰＣ５０は、システムサーバ１０にＬＡＮ接続されており、システムサーバ１０が提供するＥＴＳに対して回答したり、動画ＤＢ２０に記録されている動画データを閲覧したりすることができる。また、システムサーバ１０が生徒の希望する動画データを印刷用データに変換し、その印刷用データを出力部５７からプリントアウトすることも可能である。

以下、生徒Ａに適合する動画データがシステムサーバ１０によって抽出されるまでの処理についてさらに詳細に説明していく。
（Ｓ１０３：性格項目値の記録）
生徒Ａは、生徒用ＰＣ５０を用いてＥＴＳの回答を送信し、そのＥＴＳ回答によって算出された生徒の性格データを受信したシステムサーバ１０は、その性格データを性格項目値として記憶部１３に記録する。この性格項目値は、１から５までの５段階評価、または１から１０までの１０段階評価など任意で良い。なお、本実施形態では、生徒の性格を特定して適切な学習方法を抽出するために、社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度の６項目の性格項目を採用しているが、特に限定されるものではない。

（Ｓ１０４：レーダーグラフの作成）
記憶部１３に記録された性格項目値は、レーダーグラフ作成手段が生徒Ａの性格項目値（例えば、社交度３）を二次元グラフに画像処理する機能である。このようにして変換されたレーダーグラフを図１３に示す。
すなわち、社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度の６項目の各性格項目値を、レーダーグラフにしている。そして、このようにレーダーグラフ化された画像を、予め撮像した生徒の学習方法が記録された動画データに関連付けて動画ＤＢ２０に記録するのである。

（Ｓ１０５〜１０７：マッチング処理）
次に、マッチング処理手段が動画ＤＢ２０に予め記録された他の生徒のレーダーグラフから、生徒Ａのレーダーグラフと一致するデータがあるか否かを検索する。図１３に示すように、生徒Ａのレーダーグラフは、動画ＤＢ２０内に記録された生徒Ｂのレーダーグラフのグラフ面積が非常にマッチしていることが分かる。そして、レーダーグラフの面積一致割合の高い動画データから順に複数抽出するのである。

このように、グラフ面積が一致しているレーダーグラフがあれば、そのレーダーグラフを抽出する。なお、図１３では生徒Ｂのみ図示されているが、このほかにも、生徒Ｂと同様のグラフ面積をしたレーダーグラフを検索して抽出することとなる。
また、一致するレーダーグラフが動画ＤＢ２０内に無い場合には、最も近似する形状のレーダーグラフを検索して抽出する。

（Ｓ１０８〜１１１：インデックス作成〜動画配信）
マッチング処理手段が抽出した複数のレーダーグラフを、インデックス作成手段が動画データを再生するために選択可能なインデックス化として作成する。そのインデックスは、生徒用ＰＣ５０の表示部５５に出力表示される。システムを利用するユーザ（生徒等）は、画面表示された複数のインデックスを閲覧するとともに、それら各インデックスから所望するインデックスを選択すれば動画データの閲覧が可能となる。すなわち、自らの条件に適合する他の生徒の動画データの閲覧を容易にしている。
図１４は、インデックス画面を示した図であり、縦軸に「性格」、横軸に「学力」を配置した二軸マップが形成されたインデックスが表示部５５に表示された形態を示している。また、図の破線部分は選択可能領域であって、マッチング処理手段が抽出した生徒Ａに適切な他の生徒を表示している。

ここでは、生徒Ａにマッチする生徒として、生徒Ｂ、生徒Ｃ及び生徒Ｄが抽出されているが、特に３人に限定されることはなく必要に応じて増減することができる。ただし、３人程度を抽出しておけば、マッチング処理の正確性を向上させることができる。
インデックスからの選択方法としては、入力部５４を用いてカーソルを移動させ、所望する生徒のインデックスを選択する。図１５に示すように、生徒Ｂを選択した場合、画面が切り替わり、生徒Ｂの勉強ノウハウとして、「教科書学習」、「ノートまとめ」、「暗記」、「問題演習」が表示される。ここで、生徒Ａはカーソルを移動させて「ノートまとめ」を選択したとする。

すると、システムサーバ１０は動画ＤＢ２０から選択された「ノートまとめカテゴリ」の動画データを生徒用ＰＣ５０に配信する。そして、生徒用ＰＣ５０の表示部５５には、生徒Ｂの「ノートまとめ」の学習方法としての動画データが再生される。これは、図１６に示すように、実際に生徒Ｂが使用しているノートの画像が映しだされて解説される。

まず、ノートは［学校で使用しているノート］、［家で問題演習するためのノート］、［参考書などの文法事項をまとめるノート］の３つに分類されるということ。
また、最も一般的な英語のノートにおいては、［教科書の本文を写して訳を書いておく］、 ［単語は本文とは別に書き出し、例文を記入］、［文法事項や先生が言ったことをノートの下部にまとめておく］という学習方法がある。
［教科書の本文を写して訳を書いておく］は、教科書の本文を写しながら、カラーペンを使って見やすくまとめる。新出単語は「赤」、新しい文法には「青のアンダーライン」を使用する。

［単語は本文とは別に書き出し、例文を記入］は、単語はノートの隅に一定のスペースをつくり、必ず例文を加える。
［文法事項や先生が言ったことをノートの下部にまとめておく］は、ノートの下部にフリースペースをとっておいて、新しい文法事項や、先生が「重要」って言ったことを記入する、というように、それぞれより具体例が記載されている。

このようにして、生徒Ａは生徒Ｂの「ノートまとめカテゴリ」における学習方法を音声による説明付きの動画データで閲覧することができるので、自らが参考となる成功事例データを閲覧することができる。

（プリントアウト機能）
また、本システムでは、表示部５５に表示された「ノートまとめカテゴリ」等の写真データなどを、プリントアウトすることができる。プリントアウトの取捨は生徒Ａが任意に設定できるが、例えば、参考になりそう、興味がある、などの生徒Ａ個人の主観によって最終的にどの生徒の学習方法をプリントアウトするかを決定するようにすればよい。

図１７には、表示部５５に表示された「ノートまとめカテゴリ」を選択した場合に出力された印刷媒体の図であり、これは印刷手段によって実現される。生徒Ａは、このように紙媒体として出力されたデータをそのまま真似したり、参考にしたりすれば、学習方法のフォーマットや補助として役立ち、また、実際に自分のノートに反映させることも容易となる。

（ユーザＩＤの登録）
なお、上記はパーソナルＤＢ３０にパーソナルデータが記録されていない新規登録者や新規入塾生用に対応した例を示しており、すでに入塾済みの在塾生の場合にはユーザＩＤの登録によって対応可能となっている。
すなわち、登録時に年齢、学年、性別及び性格（テスト）からなるパーソナルデータを登録することでユーザＩＤが発行される。このユーザＩＤを入力することによって、登録済みのパーソナルデータが呼び出されるので、使用毎に希望パーソナルデータを入力する手間を省くことができる。在塾生が使用する例としては、一旦抽出された動画データとは異なる生徒の動画データを閲覧希望した場合が主である。すなわち、新規入塾生徒が学習方法を閲覧するのに高い効果を発揮する。このため、フランチャイズ展開における入塾率の向上に寄与する。

（第二実施形態）
次に、動画データ抽出システムの他の形態について図１８から図２１を参照して説明していく。
第二実施形態における動画データ抽出システムは、システムサーバ１０にインストールされた性格診断プログラム（ＥＴＳ）を用いた性格診断テストと、学力診断プログラム（ＰＣＳ）を用いた学力診断テストを生徒Ａに実施し、その診断された生徒Ａの性格と学力に最も近いとされる他の生徒の学習方法を動画ＤＢ２０から抽出し、その抽出された学習方法を動画データとして出力することで、他の生徒の学習方法を閲覧可能としたシステムである。

図１８及び図１９に示すように、ＰＣＳとは、弱点を克服するための復習ポイントとしての優先順位を算出し、生徒ごとに異なるカリキュラムを作成するものであり、学習課程の単位として定められた複数の学習単元データを、各学習単元データの相関関係を示した系統図に対応させて記憶し、系統図およびテスト問題データベースを用いて学力テストを作成する。

そして、生徒に受験させた学力テストを採点し、その学力テストの結果を受信する。記憶されている各学習単元データについて、学力テストの問題に関連する学習単元を抽出し、時系列にて古い順に並べ、学力テストの結果の悪い学習単元を優先させ、生徒が学習すべき優先順位を算出する。（詳細は、特開２００５−２４２０１８号公報参照）。このように、ＰＣＳによって算出された生徒の学力データや、その生徒が使用している教科書種別などの各データを、学力データ値として数値化して記憶部１３に記録する。

図２０は本システムの概念図を示し、図２１は、本システムの一連の処理を示したフローチャートである。
図２１に示すように、生徒Ａは、学習塾内に設置されている生徒用ＰＣ５０を用いてＥＴＳを実行し、その結果を性格データとしてシステムサーバ１０に送信する（Ｓ２０１）。システムサーバ１０は、生徒用ＰＣ５０から送信された性格データをネットワーク等によって受信する（Ｓ２０２）。
続いて生徒Ａは、ＰＣＳを実行し、その結果を学力データとしてシステムサーバ１０に送信する（Ｓ２０３）。システムサーバ１０は、生徒用ＰＣ５０から送信された学力データを受信する（Ｓ２０４）。

受信した性格データを性格項目値とし、学力データを学力データ値として数値化して記録する（Ｓ２０５）。
その記録した性格項目値及び学力データ値を二次元のレーダーグラフとして画像処理し、動画ＤＢ２０に記録する（Ｓ２０６）。
また、動画ＤＢ２０には、すでにレーダーグラフ処理された複数の生徒の性格データ及び学力データが記録されており、この動画ＤＢ２０から生徒Ａの性格項目値及び学力データ値と一致するデータがあるか否かを検索する（Ｓ２０７）。

生徒Ａの性格項目値及び学力データ値と一致するデータがあれば、そのデータのレーダーグラフを抽出する（Ｓ２０８）。一方、生徒Ａの性格項目値及び学力データ値と一致するデータがなければ、生徒Ａの性格項目値及び学力データ値と近似するレーダーグラフを抽出する（Ｓ２０９）。そして、抽出した複数のレーダーグラフを、動画データを再生するために選択可能なインデックスを作成し（Ｓ２１０）、その作成したインデックスを表示させる（Ｓ２１１）。

生徒Ａは、生徒用ＰＣ５０の表示部５５に表示されたインデックスから所望するインデックスを選択すると（Ｓ２１２）、その選択されたインデックスに関連する動画データを動画ＤＢ２０から取り出され、システムサーバ１０を介して生徒用ＰＣ５０に配信される（Ｓ２１３）。生徒用ＰＣ５０は、その動画データを受信することで（Ｓ２１４）、動画によって自分の性格及び学力と同じまたは近似した他の生徒の学習方法を閲覧することができる。

第二実施形態における動画データ抽出システムでは、性格を把握するためのＥＴＳに加え、その生徒の学力を把握するためのＰＣＳを採用することで、性格や学力がより近い生徒を動画ＤＢ２０から抽出することができる。このため、生徒本人にとって参考となる成功事例データの抽出を合理化、客観化することができ、有益な参考データを取り出すことが可能となる。

（第三実施形態：フランチャイズシステム）
また、上述した第一実施形態及び第二実施形態における動画データ抽出システムを、フランチャイズ化（以下、ＦＣと表記する）することもできる。
図２２は、本システムをフランチャイジー化した場合の概念図を示している。すなわち、ＥＴＳやＰＣＳなどのプログラムがインストールされたシステムサーバ１０と、そのシステムサーバ１０に接続された動画ＤＢ２０及びパーソナルＤＢ３０に対し、ＦＣオーナー用の端末装置がネットワークを介して接続されている。ネットワークとしては、インターネットでも良いが、セキュリティ上の問題から専用線によるイントラネットを構築しているものとする。

本実施形態における端末装置は、大阪支部と北海道支部にあるものとして説明するが、もちろんこれ例外の場所に支部があっても良い。
実際の運用については、以下のようになる。
例えば、北海道支部の端末装置に生徒がユーザＩＤ（または希望パーソナルデータ）を入力すると、その入力データがシステムサーバ１０に送信される。システムサーバ１０では、生徒に入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに紐付けられたパーソナルデータとを比較演算し、一致度の高い動画データを動画ＤＢ２０から抽出する。そして、その抽出された動画データのインデックスを端末装置の画面に出力し、生徒は所望するインデックスを選択すれば動画データが再生されることになる。

なお、システムサーバ１０側では、動画ＤＢ２０のアクセス制限機能を有する認証サーバによってフィルタリング処理し、ＦＣオーナー以外のユーザのアクセスを排除することができる。ＦＣオーナーがアクセスする際には、ＦＣオーナー専用のＩＤ及びパスワード等の認証手段を用いてシステムにログインする。ログインに成功して認証されれば、動画ＤＢ２０内の各種データが利用可能となる。

（遠隔自宅学習）
また、上述した実施形態では、学習塾にて性格診断及び学力診断から動画データの閲覧までの処理がなされていたが、このほか、生徒の自宅にあるＰＣからシステムサーバ１０にアクセスし、動画データの閲覧を行うことも可能である。この場合、生徒の自宅ＰＣにインストールされたＷｅｂブラウザを用いて、システムサーバ１０や動画ＤＢ２０に接続されたＷｅｂサーバにアクセスし、生徒専用のＩＤ及びパスワード等の認証手段を用いてＷｅｂサーバにログインし、性格診断テスト及び学力診断テストを実行して、その結果から動画データを閲覧することになる。

動画データ抽出システムを概念的に示した概念図である。 ＥＴＳに係る診断装置の構成例を示す構成図である。 診断装置によって実現されている機能の例を示す機能図である。 質問文ファイルの一例を示す図である。 回答ファイルの一例を示す図である。 やる気度配点ファイルの一例を示す説明図である。 やる気度得点ファイルの一例を示す説明図である。 動画データ抽出システムの処理を示すフローチャートである。 システムサーバのハードウェア構成を示したブロック図である。 動画データベースのデータ記憶領域を示したブロック図である。 パーソナルデータベースのデータ記憶領域を示したブロック図である。 生徒用ＰＣのハードウェア構成を示したブロック図である。 マッチング処理について説明した図である。 インデックス画面の説明図である。 インデックス画面の説明図である。 インデックス画面から動画データが再生された状態を示した図である。 動画データにおけるカテゴリをプリントアウトした状態を示した図である。 Ｐ Ｃ Ｓ についての処理を示したフローチャートである。 Ｐ Ｃ Ｓ によって算出された系統図である。 第二実施形態における動画データ抽出システムの概念図である。 第二実施形態における動画データ抽出システムの処理を示すフローチャートである。 第三実施形態における動画データ抽出システムを示す概念図である。

１ ０ システムサーバ
１ １ 、５ １ Ｃ Ｐ Ｕ
１ ２ 、５ ２ Ｒ Ａ Ｍ
１ ３ 、５ ３ 記憶部
１ ４ 、５ ４ 入力部
１ ５ 、５ ５ 表示部
１ ６ 、５ ６ 通信部
１ ７ 、５ ７ 出力部
１ ８ 、５ ８ 入出力ポート
２ ０ 動画データベース
３ ０ パーソナルデータベース
５ ０ 生徒用Ｐ Ｃ
１ ０ １ 中央処理装置
１ ０ ２ 入力装置
１ ０ ３ ファイル装置
１ ０ ４ 表示装置
２ ０ １ 回答入力手段
２ ０ ２ 回答記憶手段
２ ０ ３ 得点算出手段
２ ０ ４ 得点変換手段
２ ０ ５ 診断結果出力手段

Claims (12)

1. 生徒の年齢、学年および性格を含むパーソナルデータおよびその生徒のパーソナルデータに関連付けられたユーザＩＤを蓄積しているパーソナルデータベースと、
   学習方法に関する動画データを前記パーソナルデータに関連付けて多数蓄積した動画データベースと、
   動画データを欲する生徒のユーザＩＤの入力を受け付ける入力手段と、
   前記入力手段から入力されたユーザＩＤに対応するパーソナルデータである希望パーソナルデータと前記動画データベースに関連付けられたパーソナルデータとを比較することによって、動画データベースの中から適切な動画データを抽出する抽出手段と、
   その抽出手段が抽出した動画データのインデックスを画面出力する出力手段と、
   前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手段と、
   を備えた動画データ抽出システムであって、
   前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでおり、
   前記動画データは、その動画データに関連付けられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けて前記動画データベースに格納されており、
   前記抽出手段は、前記入力手段によって入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することとした動画データ抽出システム。
2. 生徒の年齢、学年および性格を含むパーソナルデータを蓄積しているパーソナルデータベースと、
   学習方法に関する動画データを前記パーソナルデータに関連付けて多数蓄積した動画データベースと、
   動画データを欲する生徒の年齢、学年および性格を含む希望パーソナルデータを入力する入力手段と、を備え、
   前記動画データベースの中から適切な動画データを抽出する抽出手段と、
   その抽出手段が抽出した動画データのインデックスを画面出力する出力手段と、
   前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手段と、
   を備えた動画データ抽出システムであって、
   前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでおり、
   前記動画データは、その動画データに紐づけられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けて前記動画データベースに格納されており、
   前記抽出手段は、前記入力手段によって入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することとした動画データ抽出システム。
3. 前記抽出手段は、前記レーダーグラフ作成手段が作成するレーダーグラフの面積一致割合の高い動画データから順に複数抽出することとした請求項１から請求項２のいずれかに記載の動画データ抽出システム。
4. 前記パーソナルデータは、学力診断テストから算出された学力を学力データ値として生成することとした請求項１から請求項４のいずれかに記載の動画データ抽出システム。
5. 前記動画データは、教科書学習カテゴリ、ノートまとめカテゴリ、暗記カテゴリおよび問題演習カテゴリの各カテゴリによって区分され、
   前記出力手段は、各カテゴリごとのインデックスを出力可能とした請求項１から請求項４のいずれかに記載の動画データ抽出システム。
6. 前記出力手段が画面出力した複数のインデックスから生徒が動画データを選択し、その選択された動画データに含まれるノートまとめカテゴリ等の写真データをプリントアウトするプリントアウト出力手段を備えた請求項１または請求項２に記載の動画データ抽出システム。
7. 生徒の年齢、学年及び性格を含むパーソナルデータおよびその生徒のパーソナルデータに関連付けられたユーザＩＤを蓄積しているパーソナルデータベースと、学習方法に関する動画データを前記パーソナルデータに関連付けて多数蓄積した動画データベースとを備えたホストコンピュータに対してネットワークを介して接続された端末装置のプログラムであって、
   そのプログラムは、動画データを欲する生徒のユーザＩＤの入力を受け付ける入力手順と、
   前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手順と、
   前記入力手順から入力されたユーザＩＤに対応するパーソナルデータである希望パーソナルデータと、前記動画データベースに関連付けられたパーソナルデータとを比較することによって、動画データベースの中から適切な動画データを抽出する抽出手順と、
   その抽出手順が抽出した動画データのインデックスを画面出力する出力手順と、をコンピュータに実行させ、
   前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでおり、
   前記動画データは、その動画データに紐づけられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けてレーダーグラフ化して前記動画データベースに格納されており、
   前記抽出手順は、前記入力手順によって入力されたユーザＩＤに関連付けられた希望パーソナルデータと、全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することを端末装置のコンピュータに実行させることとしたコンピュータプログラム。
8. 生徒の年齢、学年及び性格を含むパーソナルデータを蓄積しているパーソナルデータベースと、学習方法に関する動画データをパーソナルデータに関連付けて多数蓄積した動画データベースとを備えたホストコンピュータに対してネットワークを介して接続された端末装置のプログラムであって、
   そのプログラムは、動画データを欲する生徒の年齢、学年及び性格を含む希望パーソナルデータを入力する入力手順と、
   前記パーソナルデータをレーダーグラフ化するレーダーグラフ作成手順と、
   前記の動画データベースの中から適切な動画データを抽出する抽出手順と、
   その抽出手順が抽出した動画データのインデックスを画面出力する出力手順と、をコンピュータに実行させ、
   前記パーソナルデータは、生徒が受験した性格診断テストの結果に基づいて社交度、デリケート度、自立度、まじめ度、自信度、情緒安定度という項目を含んで前記レーダーグラフ作成手段がレーダーグラフ化することが可能なデータとした性格診断結果を含んでおり、
   前記動画データは、その動画データに紐づけられたパーソナルデータに係る生徒の性格診断テストの結果に対して各項目それぞれを複数段階の点数化をすることによってレーダーグラフ化された画像を関連付けて前記動画データベースに格納されており、
   前記抽出手順は、前記入力手順によって入力された希望パーソナルデータと全ての動画データに関連付けられたパーソナルデータとについて、前記レーダーグラフ作成手段を用いてレーダーグラフ化したグラフ面積を比較演算し、そのグラフ面積の一致度が高い動画データを少なくとも一つ抽出することを端末装置のコンピュータに実行させることとしたコンピュータプログラム。
9. 前記抽出手順は、前記レーダーグラフ作成手順が作成したレーダーグラフのグラフ面積と、前記動画データベースに予め蓄積されたレーダーグラフのグラフ面積とを比較し、
   それらレーダーグラフの面積一致割合の高い動画データから順に複数抽出することとした請求項８から請求項９のいずれかに記載のコンピュータプログラム。
10. 前記パーソナルデータは、学力診断テストから算出された学力を学力データ値として生成することとした請求項７から請求項９のいずれかに記載のコンピュータプログラム。
11. 前記動画データは、教科書学習カテゴリ、ノートまとめカテゴリ、暗記カテゴリ及び問題演習カテゴリの各カテゴリによって区分され、
    前記出力手順は、各カテゴリごとのインデックスを出力可能とした請求項７から請求項１０のいずれかに記載のコンピュータプログラム。
12. 前記出力手順が画面出力した複数のインデックスから生徒が動画データを選択し、その選択された動画データに含まれるノートまとめカテゴリ等の写真データをプリントアウトするプリントアウト出力手順を備えた請求項７または請求項８に記載のコンピュータプログラム。

Images