JP6462481B2 - スキル評価装置、スキル評価方法、プログラム、及び記録媒体 - Google Patents

Description

本発明は、スキル評価装置、スキル評価方法、プログラム、及び記録媒体に関する。

従来、様々なユーザ特性の様々な要求に対して、情報の調整を行い最適な形で提供する技術が提案されている（例えば、特許文献１参照）。このように、様々なユーザ特性に応じて情報提示などを行うことが求められており、そのためにはユーザ特性を自動的に判定する技術が必要である。

特に、ユーザ特性の一つである、ユーザがＰＣやスマートフォン、タブレットといったＩＣＴ（Information and Communication Technology）機器をどれくらい使いこなすことができるかというスキルを評価することは、ユーザの特性に応じた情報提示を行う上で重要である。

ＩＣＴ機器の操作に関しては、或るユーザが特定の課題を達成するまでにかかった時間や、ミスの数等のデータを取得し、得られたデータが正規分布に基づいていると仮定して、データの平均や分散等を、スキルを評価するための指標として算出する方法が有る。このような種類のデータであれば、正規分布に基づくため、平均や分散を求めることに意味が有る。

特開２００５−０５６１５１号公報

しかしながら、全ての種類のデータが正規分布に従うとは限らない。正規分布に従わないデータに関して、従来のように、正規分布であると仮定して平均や分散を算出しても、その算出結果の意義は希薄であり、ユーザのスキルを精度良く評価するのは困難である。

本発明は、上記の点に鑑みてなされたものであって、機器の操作に関するデータが正規分布に従わない場合であってもユーザのスキルを評価可能とすることを目的とする。

そこで上記課題を解決するため、スキル評価装置は、機器に対するユーザによる操作の発生時期の履歴に基づいて、前記操作の間隔の度数分布を生成する生成部と、前記度数分布のベキ指数を算出する算出部と、前記ベキ指数が大きいほど、前記機器の操作に関する前記ユーザのスキルが高いと判定する評価部と、を有し、前記評価部は、前記ベキ指数に対する１以上の閾値に基づく２以上の区分のうち、前記算出部が算出したベキ指数を含む区分を、前記機器の操作に関する前記ユーザのスキルとして判定する。

機器の操作に関するデータが正規分布に従わない場合であってもユーザのスキルを評価可能とすることができる。

本発明の実施の形態における操作端末のハードウェア構成例を示す図である。 本発明の実施の形態における操作端末の機能構成例を示す図である。 操作端末が実行する処理手順の一例を説明するためのフローチャートである。 ログ記憶部の構成例を示す図である。 判定期間入力画面の表示例を示す図である。 指標値及び当てはまりの良さの算出処理の処理手順の一例を説明するためのフローチャートである。 判定期間に含まれるログ情報の一例を示す図である。 時間間隔の算出結果の一例を示す図である。 時間間隔の度数分布の一例を示す図である。 度数区分記憶部の構成例を示す図である。 度数分布を両対数軸に当てはめた場合の近似曲線の例を示す図である。 スキル評価区分記憶部の構成例を示す図である。 スキルの評価結果の出力例を示す図である。

以下、図面に基づいて本発明の実施の形態を説明する。図１は、本発明の実施の形態における操作端末のハードウェア構成例を示す図である。図１の操作端末１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、インタフェース装置１０５、表示装置１０６、及び入力装置１０７等を有する。

操作端末１０での処理を実現するプログラムは、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ−ＲＯＭ、又はＳＤメモリカード等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って操作端末１０に係る機能を実現する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１０６はプログラムによるＧＵＩ（Graphical User Interface）等を表示する。入力装置１０７はキーボード及びマウス、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。なお、入力装置１０７がタッチパネルである場合、入力装置１０７は、表示装置１０６と一体的に構成されてもよい。

図２は、本発明の実施の形態における操作端末の機能構成例を示す図である。本実施の形態において、操作端末１０は、ユーザによって操作対象とされる端末であると共に、ユーザによる操作のスキルを評価する装置でも有る。ユーザによる操作のスキルを評価するための機能構成として、操作端末１０は、ログ入力部１１、ログ処理部１２、スキル評価部１３、及びスキル出力部１４等を有する。これら各部は、操作端末１０にインストールされる１以上のプログラム（以下、「スキル評価プログラム」という。）が、ＣＰＵ１０４に実行させる処理により実現される。操作端末１０は、また、ログ記憶部１５１、度数区分記憶部１５２、スキル評価区分記憶部１５３、及び指標記憶部１５４等を利用する。これら各記憶部は、例えば、補助記憶装置１０２、又は操作端末１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。

ログ入力部１１は、ユーザによる操作が発生するたびに、当該操作の発生時期を示すログ情報をログ記憶部１５１に記録する。したがって、ログ記憶部１５１には、操作の発生時期の履歴が記憶される。なお、ユーザによる操作とは、ユーザが操作端末１０にインストールされている各種のアプリケーション等に関する、操作端末１０に対する操作である。すなわち、ユーザによる操作とは、操作端末１０を利用した通常の作業において行われる、操作端末１０に対する操作である。各種のアプリケーションは、メーラーであってもよいし、ワープロソフトや他のプログラムであってもよい。スキル評価プログラムは、ユーザが意識しない状態で（例えば、バックグラウンドで）動作し、ＣＰＵ１０４をログ入力部１１等として機能させる。

ログ処理部１２は、ログ記憶部１５１に記憶されたログ情報を解析して、ユーザによる操作端末１０の操作のスキルを評価するための指標値等を算出する。ログ処理部１２は、度数分布生成部１２１及び指標算出部１２２等を含む。度数分布生成部１２１は、ログ情報に基づいて、ユーザによる各操作の時間間隔を算出し、該時間間隔に関する度数分布を生成する。指標算出部１２２は、度数分布生成部１２１によって生成される度数分布に基づいて、操作端末１０の操作に関するユーザのスキルを評価するための指標値を算出する。

スキル評価部１３は、ログ処理部１２によって算出される指標値等に基づいて、ユーザのスキルを評価する。スキル出力部１４は、スキル評価部１３による評価結果を出力する。

以下、操作端末１０が実行する処理手順について説明する。図３は、操作端末が実行する処理手順の一例を説明するためのフローチャートである。なお、本願発明者の実験により、評価指標の度数分布によって、ユーザの総合的なスキルレベルを推定できる可能性が有ることが判明した。操作端末１０は、斯かる実験結果に基づいて、図３に示した処理を実行する。

ステップＳ１において、操作端末１０は、例えば、スキルの評価を受けるユーザによる入力に応じ、スキル評価プログラムを起動する。スキル評価プログラムは、例えば、ランチャーアプリであってもよい。また、スキル評価プログラムは、例えば、操作端末１０の起動や、操作端末１０に対するユーザのログイン等に伴って自動的に起動されてもよい。

続いて、ユーザによって、操作端末１０に対して何らかの入力操作が行われると、ログ入力部１１は、当該入力操作に関するセンサ情報に基づいて、当該操作の発生を示すログ情報をログ記憶部１５１に記録する（ステップＳ２）。何らかの入力操作とは、例えば、タッチパネルのタッチ、キーボードを介した入力、又はマウス等を用いた入力操作である。

図４は、ログ記憶部の構成例を示す図である。図４において、ログ記憶部１５１は、ユーザによる操作入力ごとに、日付及び時刻等を含むログ情報を記憶する。日付及び時刻は、操作が行われた日付及び時刻である。なお、図４において、「Ｔ_ｎ」の列は、説明の便宜のために付加された列である。すなわち、以下の説明において、各ログ情報自体及び各ログ情報が示す日時（日付及び時刻）を、Ｔ_ｎによって表現する。

ログ情報の記録は、ユーザによってスキルの判定要求が入力されるまで実行される（ステップＳ３）。したがって、当該判定要求が入力されるまでに行われた入力操作に関するログ情報の履歴が、ログ記憶部１５１に記憶される。

ユーザによってスキルの判定要求が入力されると（ステップＳ３でＹＥＳ）、ログ処理部１２は、判定期間の入力をユーザから受け付ける（ステップＳ４）。判定期間とは、スキルの判定に利用するログ情報の範囲を規定するための情報である。すなわち、日付及び時刻が、判定期間に含まれるログ情報が、スキルの判定に利用される。判定期間は、例えば、図５に示される判定期間入力画面を介して入力されてもよい。

図５は、判定期間入力画面の表示例を示す図である。図５において、判定期間入力画面５１０は、判定期間の開始時期及び終了時期の入力が可能とされている。なお、図５では、開始時期及び終了時期が、日付によって指定されている例が示されているが、時刻までの指定が可能とされてもよい。ユーザは、スキル評価プログラムが起動されてから現在までの間の任意の期間を指定して、判定開始ボタン５１１を押下する。

続いて、ログ処理部１２は、判定期間に含まれるログ情報に基づいて、スキル評価に用いる指標値と、当該指標値の当てはまりの良さ（妥当性）を示す値とを算出する（ステップＳ５）。

ステップＳ５の詳細については、図６を用いて説明する。図６は、指標値及び当てはまりの良さの算出処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、ログ処理部１２の度数分布生成部１２１は、判定期間に含まれるログ情報を、ログ情報記憶部から取得する。図５の例によれば、判定期間は、２０１５／０４／０１〜２０１５／０５／０１である。したがって、日付が、当該期間に含まれるログ情報が取得される。

図７は、判定期間に含まれるログ情報の一例を示す図である。図７では、Ｔ_１〜Ｔ_９４の９４件のログ情報が取得された例が示されている。

続いて、度数分布生成部１２１は、以下の式（１）に基づいて、取得された各ログ情報について、直前のログ情報との時間間隔ΔＴ_ｎを算出する（ステップＳ１０２）。
ΔＴ_ｎ＝Ｔ_ｎ＋１−Ｔ_ｎ ・・・（式１）
図８は、時間間隔の算出結果の一例を示す図である。Ｎ件のログ情報については、（Ｎ−１）個の時間間隔が算出される。したがって、図８では、Ｔ_１〜Ｔ_９４の９４件のログ情報について、ΔＴ_１〜ΔＴ_９３の９３個の時間間隔の算出結果が示されている。例えば、図８において、Ｔ_１とＴ_２との時間間隔ΔＴ_１は、００：００：００：３８０である。また、Ｔ_２とＴ_３との時間間隔ΔＴ_２は、００：００：００：８５４である。

続くステップＳ１０３及びＳ１０４では、ΔＴ_ｎに基づいて、ログ処理部１２によって、スキルを判定するための指標値の算出が行われる。ΔＴ_ｎを用いた指標は複数存在する。例えば、ΔＴ_ｎの度数分布からベキ指数を求め、当該ベキ指数が指標値とされてもよい。また、ΔＴ_ｎをローレンツプロットし、その特徴が指標値とされてもよい。更に、ΔＴ_ｎの変化に対してフーリエ変換を行い、その特徴が指標値とされてもよい。本実の形態では、ΔＴ_ｎの度数分布からベキ指数を求め、当該ベキ指数が指標値とされる例について説明する。

ステップＳ１０３において、度数分布生成部１２１は、ΔＴ_ｎについて、度数分布を生成する。その結果、図９に示されるような度数分布が得られる。

図９は、時間間隔の度数分布の一例を示す図である。図９には、図８に示したΔＴ_ｎに関する度数分布が示されている。すなわち、９４回の操作に関する時間間隔の度数分布である。

なお、図９では、時間間隔ΔＴ_ｎが、１秒単位で区切られた場合の出現回数がプロットされている。時間間隔ΔＴ_ｎの区切り（区分）は、例えば、度数区分記憶部１５２を参照して特定される。

図１０は、度数区分記憶部の構成例を示す図である。図１０では、ΔＴ_ｎが、０秒以上１秒未満の間であれば、度数ラベルが１であり、１秒以上２秒未満であれば、度数ラベルが２である例が示されている。ステップＳ１０３では、各ΔＴ_ｎが、度数ラベル単位で分類されて、度数ラベル単位で出現回数（すなわち、度数）がカウントされる。

続いて、ログ処理部１２の指標算出部１２２は、度数分布に基づいて、指標値を算出する（ステップＳ１０４）。算出された指標値は、指標記憶部１５４に記憶される。

本実施の形態では、ΔＴ_ｎの度数分布がベキ分布に従う場合について説明する。ベキ分布とは、２つの変数ｙとｘとの間に以下の式（２）が示す関係が成立する場合をいう。また、このとき、両辺の対数を取ると以下の式（２'）が成立する。
ｙ＝ｂｘ^−γ ・・・（式２）
ｌｏｇｙ＝ｌｏｇｂ−γｌｏｇｘ ・・・（式２'）
式（２'）は、両対数軸のグラフ上において、マイナスγの傾きを有する直線となる。この傾きγをベキ指数と呼ぶ。ベキ指数γは、データの集積度を表し、γの絶対値が小さいほど、頻度が小さいものが全体を占める割合が相対的に大きいことを示す。なお、本願発明者の実験によれば、ベキ指数γとユーザのスキルとの間に、相関が認められることが判明した。そこで、本実施の形態では、ベキ指数の値が、指標値として利用される。

具体的には、指標算出部１２２は、図９の度数分布を両対数軸に当てはめた場合における、度数分布に対する近似曲線を求める。

図１１は、度数分布を両対数軸に当てはめた場合の近似曲線の例を示す図である。近似曲線は、累乗近似によって求められる。また、指標算出部１２２は、近似曲線と共に、当該近似曲線の当てはまりの良さとして、決定係数であるＲ^２も算出する。図１１では、ベキ指数γが、１．８４であり、決定係数Ｒ^２が、０．９２２９である例が示されている。

以上で、図３のステップＳ５の詳細な説明は終了する。

続いて、図３のステップＳ６以降が実行される。ステップＳ６において、スキル評価部１３は、ステップＳ５で求められた決定係数Ｒ^２の当てはまりの良さ（妥当性）を判定する。すなわち、決定係数Ｒ２に基づいて、ステップＳ５において算出されたベキ指数γの採否が判定される。

決定係数Ｒ^２は、０〜１の値を取り、１に近いほど求めた近似曲線が、データにうまく当てはまることを示す。本実施の形態において、スキル評価部１３は、Ｒ^２が０．５未満であれば、当てはまりが悪いと判定する。この場合（Ｓ６でＮＯ）、スキル出力部１４は、スキルの判定が不可能であるメッセージを表示装置１０６に表示し、処理を終了する（ステップＳ７）。すなわち、ベキ指数γは、スキルを評価するための指標値として採用されない。

一方、スキル評価部１３は、Ｒ^２が０．５以上であれば、当てはまりが良いと判定する。この場合（Ｓ６でＹＥＳ）、ステップＳ８以降において、スキル評価部１３によって、ベキ指数γが使用されてスキルが判定される。すなわち、ベキ指数γが、スキルを評価するための指標値として採用される。なお、Ｒ^２に対する閾値は、０．５以外の値であってもよい。

スキル評価部１３は、例えば、スキル評価区分記憶部１５３に記憶されている、予め定義された情報を参照して、スキルを判定する。

図１２は、スキル評価区分記憶部の構成例を示す図である。図１２に示されるように、スキル評価区分記憶部１５３には、スキルの指標値であるベキ指数γの範囲に対して、スキル評価区分（高、中、低）が対応付けられて記憶されている。スキル評価区分は、スキルのレベルの区分である。

したがって、スキル評価部１３は、例えば、スキル評価区分記憶部１５３の最初のレコードに基づいて、ベキ指数γが、高スキルの範囲内（γ＞１．８）であるか否かを判定する（ステップＳ８）。ベキ指数γが、高スキルの範囲内である場合（ステップＳ８でＹＥＳ）、スキル評価部１３は、ユーザが高スキルであると判定する（ステップＳ９）。ベキ指数γが、高スキルの範囲外である場合（ステップＳ８でＮＯ）、スキル評価部１３は、例えば、スキル評価区分記憶部１５３の２番目のレコードに基づいて、ベキ指数γが、中スキルの範囲内（１．８≧γ≧１．６）であるか否かを判定する（ステップＳ１０）。

ベキ指数γが、中スキルの範囲内である場合（ステップＳ１０でＹＥＳ）、スキル評価部１３は、ユーザが中スキルであると判定する（ステップＳ１１）。ベキ指数γが、中スキルの範囲外である場合（ステップＳ１０でＮＯ）、スキル評価部１３は、ユーザが低スキルであると判定する（ステップＳ１２）。

本実施の形態は、ベキ指数が１．８４であるため、高スキルであると判定される。なお、スキル評価区分の分類数は、３に限定されない。当該分類数は、２以上であればどのような値でもよい。

続いて、スキル出力部１４は、スキル評価部１３による、スキルの判定結果（スキルの評価結果）を出力する（ステップＳ１３）。

図１３は、スキルの評価結果の出力例を示す図である。図１３に示される評価結果出力画面５２０は、２０１５／０４／０１〜２０１５／０５／０１の期間に関して、ユーザが高スキルであると判定されたことを示している。

上述したように、本実施の形態によれば、操作端末１０の操作に関するスキルのレベルを、データ（本実施の形態では、ΔＴ_ｎ）の平均や分散ではなく、データの分布に着目して、評価指標の度数分布の特徴をも考慮して評価される。したがって、操作端末１０等のＩＣＴ（Information and Communication Technology）の操作に関するデータが正規分布に従わない場合であっても、ユーザのスキルを、定量的かつ客観的、自動的に評価可能とすることができる。

なお、本実施の形態は、データ（本実施の形態では、ΔＴ_ｎ）の度数分布がベキ分布に従う場合について説明したが、他の分布に従うデータに関して、当該データの度数分布に基づいて、本実施の形態と同様に、ユーザのスキルの評価が行われてもよい。

また、本実施の形態では、操作対象とされる機器と、ユーザのスキルを評価する装置（以下、「評価装置」という。）とが同じ装置である例を示したが、当該機器と評価装置とが別々の装置であってもよい。この場合、当該機器は、ログ入力部１１及びログ記憶部１５１を有していればよい。評価装置は、当該機器のログ記憶部１５１に記憶されたログ情報に基づいて、ステップＳ４以降の処理を実行してもよい。

なお、本実施の形態において、操作端末１０は、スキル評価装置の一例である。度数分布生成部１２１は、生成部の一例である。指標算出部１２２は、算出部の一例である。スキル評価部１３は、評価部の一例である。

以上、本発明の実施例について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 操作端末
１１ ログ入力部
１２ ログ処理部
１３ スキル評価部
１４ スキル出力部
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１０６ 表示装置
１０７ 入力装置
１２１ 度数分布生成部
１２２ 指標算出部
１５１ ログ記憶部
１５２ 度数区分記憶部
１５３ スキル評価区分記憶部
１５４ 指標記憶部
Ｂ バス

Claims (8)

1. 機器に対するユーザによる操作の発生時期の履歴に基づいて、前記操作の間隔の度数分布を生成する生成部と、
   前記度数分布のベキ指数を算出する算出部と、
   前記ベキ指数が大きいほど、前記機器の操作に関する前記ユーザのスキルが高いと判定する評価部と、
   を有し、
   前記評価部は、前記ベキ指数に対する１以上の閾値に基づく２以上の区分のうち、前記算出部が算出したベキ指数を含む区分を、前記機器の操作に関する前記ユーザのスキルとして判定する、
   ことを特徴とするスキル評価装置。
2. 前記算出部は、前記ベキ指数と共に、前記ベキ指数に関する決定係数を算出し、
   前記評価部は、前記決定係数に基づいて、前記ベキ指数の採否を判定する、
   ことを特徴とする請求項１記載のスキル評価装置。
3. 前記評価部は、前記決定係数が所定の値以上であるかを判定し、前記決定係数が前記所定の値以上の場合には、前記ベキ指数に基づいて前記ユーザのスキルを判定し、
   前記決定係数が前記所定の値以上である場合には、前記評価部による判定結果を出力し、前記決定係数が前記所定の値未満の場合には、スキルの判定が不可能であることを示すメッセージを出力する出力部を有する、
   ことを特徴とする請求項２記載のスキル評価装置。
4. コンピュータが、
   機器に対するユーザによる操作の発生時期の履歴に基づいて、前記操作の間隔の度数分布を生成する生成手順と、
   前記度数分布のベキ指数を算出する算出手順と、
   前記ベキ指数が大きいほど、前記機器の操作に関する前記ユーザのスキルが高いと判定する評価手順と、
   を実行し、
   前記評価手順は、前記ベキ指数に対する１以上の閾値に基づく２以上の区分のうち、前記算出手順が算出したベキ指数を含む区分を、前記機器の操作に関する前記ユーザのスキルとして判定する、
   ことを特徴とするスキル評価方法。
5. 前記算出手順は、前記ベキ指数と共に、前記ベキ指数に関する決定係数を算出し、
   前記評価手順は、前記決定係数に基づいて、前記ベキ指数の採否を判定する、
   ことを特徴とする請求項４記載のスキル評価方法。
6. 前記評価手順は、前記決定係数が所定の値以上であるかを判定し、前記決定係数が前記所定の値以上の場合には、前記ベキ指数に基づいて前記ユーザのスキルを判定し、
   前記決定係数が前記所定の値以上である場合には、前記評価手順による判定結果を出力し、前記決定係数が前記所定の値未満の場合には、スキルの判定が不可能であることを示すメッセージを出力する出力手順を前記コンピュータが実行する、
   ことを特徴とする請求項５記載のスキル評価方法。
7. 請求項４乃至６いずれか一項記載のスキル評価方法をコンピュータに実行させるためのプログラム。
8. 請求項７記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images