JP6576141B2 - 特性語によってグループ状態を推定可能なプログラム - Google Patents

特性語によってグループ状態を推定可能なプログラム Download PDF

Info

Publication number
JP6576141B2
JP6576141B2 JP2015148321A JP2015148321A JP6576141B2 JP 6576141 B2 JP6576141 B2 JP 6576141B2 JP 2015148321 A JP2015148321 A JP 2015148321A JP 2015148321 A JP2015148321 A JP 2015148321A JP 6576141 B2 JP6576141 B2 JP 6576141B2
Authority
JP
Japan
Prior art keywords
characteristic
group
ratio
state
word
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.)
Active
Application number
JP2015148321A
Other languages
English (en)
Other versions
JP2017027536A (ja
Inventor
河合　直樹
直樹 河合
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KDDI Corp
Original Assignee
KDDI Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KDDI Corp filed Critical KDDI Corp
Priority to JP2015148321A priority Critical patent/JP6576141B2/ja
Publication of JP2017027536A publication Critical patent/JP2017027536A/ja
Application granted granted Critical
Publication of JP6576141B2 publication Critical patent/JP6576141B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、協働学習や会議といった人の集まりにおける状態を推定する技術に関する。
従来、学校や会社等の様々な組織において、学習のためのミーティングや、プロジェクトの打合せのための会議といった、複数の人が参加する話し合いの場（以後、グループと称する）が、日常的にもたれている。この際、教師や管理者等は、個々の参加者の発言内容やグループ全体の状態を把握することが多くの場合に求められる。
このような課題に対し、例えば特許文献１は、複数の観察者が人物を撮影した映像である学習用映像における当該人物の状態及び行動をラベル化し、複数の観察者それぞれの個人特性を表す観察者特性を考慮した主観的対人認知傾向モデルを学習した客観的行動認知傾向モデルをもって、当該人物に対する特定の観察者による主観的な解釈を推定する技術を提案している。
また、関連する技術として、特許文献２には、相手への質問や説明に該当する発話意図を示す発話を判別して、問合せ者が使用した単語の総数を特徴量とし、予め学習した知識量情報に基づいて、対話の対象となった事項に対する問合せ者の知識量を推定する技術が開示されている。
さらに、特許文献３には、対話において共通して出現する単語を抽出して、この共通出現単語が他者の発話に出現する間隔の逆数を単語近傍度とし、この単語近傍度が高く、共通出現回数の多い単語を重要語として抽出する重要語抽出装置が開示されている。
特開２０１５−３２２３３号公報 特開２０１３−１６７７６５号公報 特開２０１１−２４８４０９号公報
上述したように、グループの参加者を教育したり管理したりすべき立場にある教師や管理者等にとって、グループの内部状態を把握することは大事である。例えば、グループにおいて誰が進行・調整役を行っているのか、誰が指導的な立場で課題を解説し解決手段を提示しているのか、誰がグループに協力しているか、あるいは非協力的であって進行を妨げているのか、さらに、グループでの話し合いは活性化しているのかどうか等の内部状態を把握することは、授業を運営したり業務を管理したりする上で非常に重要となる。
特に、教育の現場では現在、２１世紀型教育スキルとして、批評的思考力や課題解決力を養成することが１つの重要目標となっている。この目標達成のためには、知識を一方的に提供する従来の講義形式の教育ではなく、数人でグループを構成し、知識を交換し合ったり教え合ったり、課題の解決に知識を活用するべく創造的な話し合いを行ったりする協働学習形式の教育が有効になると期待されている。実際、この協働学習を授業に取り入れるケースが、小学校から大学にまで増えている。
ところが、例えば、協働学習を行うべく教室内に多数のグループを形成した場合、１人の教師が各グループの状態を把握しようとしても、グループ毎に十分な時間をとって参加者の態度や発言を観察することは実際上不可能である。その結果、各グループからの最終的なアウトプットは取得されるものの、グループの内部状態は不明のままとなる。しかしながら、協働学習を進展させ活性化するためには、各グループの内部状態を把握することが重要であることにかわりはない。
このような問題への対策として、特許文献１〜３に記載されたような従来技術を適用したとしても、尚、把握すべき対象であるグループの内部状態を推定することは非常に困難である。
例えば、特許文献１に記載された技術は、人物を撮影した映像をもって当該人物の行為を推定しているが、実際に映像から人の行為を詳細に判別することは難しく、判別結果の個人差も大きい。また、グループの各参加者の行為を撮影するためにカメラを複数台設置する必要が生じ、設備も大掛かりになるので、例えば教室等において特許文献１の技術を実施することは困難を伴う。
また、特許文献２に記載の技術は、人物の発話に基づいて当該人物の知識量を推定してはいるが、使用単語の量をもって知識量を推定するのみである。即ち、その発話内容にまで立ち入って分析してはいないので、グループの内部状態を推定することはできない。
さらに、特許文献３に記載の技術でも、対話において出現する単語の出現頻度や出現の間隔に基づいて重要単語を抽出するのみである。即ち、抽出された重要単語の意味するところを分析するものではないので、やはりグループの内部状態を推定することはできない。
そこで、本発明は、参加者が発話等によって情報を提供し合うようなグループの状態を、客観的に推定することができるプログラム、装置及び方法を提供することを目的とする。
本発明によれば、参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループの状態を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
当該参加者についてのグループの状態に関わる１つの特性と、当該１つの特性とは正反対の特性とを含む特性群に含まれる特性毎に、当該特性に対応付けられた語、句、節又は文である設定された特性語を取得する特性語取得手段と、
推定対象グループで提供された情報に係るテキストから当該特性語を抽出する特性語抽出手段と、
抽出された特性語であって、当該１つの特性及び当該正反対の特性の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける当該１つの特性の度合い又は割合と、当該正反対の特性の度合い又は割合との重み付けを含む差又は比を算出し、算出された当該差又は比に係る情報を、当該推定対象グループの当該１つの特性に関する状態とするグループ状態決定手段と
してコンピュータを機能させるグループ状態推定プログラムが提供される。ここで、この本発明のグループ状態推定プログラムの一実施形態として、本プログラムは、当該グループの参加者又は当該グループに係る事項に協力する程度を表す「協力」、及び当該グループの参加者又は当該グループに係る事項に協力しない程度を表す「非協力」を含む複数の当該特性を採用し、
グループ状態決定手段は、「協力」及び「非協力」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける「協力」の度合い又は割合と、「非協力」の度合い又は割合との重み付けを含む差又は比を算出し、算出された当該差又は比に係る情報を、当該推定対象グループの協力に関する状態とすることも好ましい。
本発明によれば、さらに、参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループの状態を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
当該参加者についてのグループの状態に関わる１つの特性と、当該１つの特性に類似若しくは関連する特性とを含む特性群に含まれる特性毎に、当該特性に対応付けられた語、句、節又は文である設定された特性語を取得する特性語取得手段と、
推定対象グループで提供された情報に係るテキストから当該特性語を抽出する特性語抽出手段と、
抽出された特性語であって、当該１つの特性及び当該類似若しくは関連する特性の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける当該１つの特性の度合い又は割合と、当該類似若しくは関連する特性の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、当該推定対象グループの当該１つの特性に関する状態とするグループ状態決定手段と
してコンピュータを機能させるグループ状態推定プログラムが提供される。ここで、この本発明のグループ状態推定プログラムの一実施形態として、本プログラムは、当該グループの参加者又は当該グループに係る事項に協力しない程度を表す「非協力」、及び当該グループの参加者に対するいじめ、強制又は脅しを表す「威圧」を含む複数の当該特性を採用し、
グループ状態決定手段は、「非協力」及び「威圧」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける「非協力」の度合い又は割合と、「威圧」の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該差又は比に係る情報を、当該推定対象グループの非協力に関する状態とすることも好ましい。
さらに、この本発明のグループ状態推定プログラムにおける他の実施形態として、本プログラムは、当該グループの参加者又は当該グループに係る事項について指導する力を表す「指導」、及び当該グループに関係する分野についての学習度又は専門度を表す「学習性又は専門性」を含む複数の当該特性を採用し、
グループ状態決定手段は、「指導」及び「学習性又は専門性」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける「指導」の度合い又は割合と、「学習性又は専門性」の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、当該推定対象グループの指導に関する状態とすることも好ましい。
本発明によれば、さらにまた、参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループの状態を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
当該参加者についての特性であってグループの状態に関わる少なくとも１つの特性毎に、当該特性に対応付けられた語、句、節又は文である設定された特性語を取得する特性語取得手段と、
推定対象グループで提供された情報に係るテキストから当該特性語を抽出する特性語抽出手段と、
抽出された特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける当該特性の度合い又は割合を算出し、さらに、当該出現数又は出現比率の偏差に基づいて、算出した当該特性の度合い又は割合を、複数段階をもって表現する客観推定値を算出するグループ状態決定手段と、
当該グループの評価者による当該グループの評価を、当該複数段階をもって表現した主観評価値を取得可能な主観評価値取得手段と、
複数のグループにおける客観推定値と主観評価値との間の相関の度合いをより高くするように、推定に使用される当該特性語、及び／又は当該複数段階を規定する閾値を変更する推定精度調整手段と
してコンピュータを機能させることを特徴とするグループ状態推定プログラムが提供される。
本発明のグループ状態推定プログラム、装置及び方法によれば、参加者が発話等によって情報を提供し合うようなグループの状態を、客観的に推定することができる。
本発明によるグループ状態推定装置を含むグループ状態推定システムの一実施形態を示す模式図である。 本発明によるグループ状態推定装置の一実施形態における機能構成を示す機能ブロック図である。 本発明に係る「特性」の一実施例を示すテーブルである。 本発明に係る「特性語」の一実施例を示すテーブルである。 本発明に係る「特性語」の他の実施例を示すテーブルである。 特性語の抽出処理における再現率の影響を説明するためのグラフである。 グループ状態決定部での処理の一実施形態を示すフローチャートである。 グループ状態決定部で決定されたグループ状態の表示の一実施例を示すグラフである。 グループ状態決定部で決定されたグループ状態の表示の他の実施例を示すグラフである。 客観推定値と主観評価値との間の相関を調べた一実施例を示すグラフである。 客観推定値の推定精度向上処理の一実施形態を概略的に示すフローチャートである。 客観推定値の推定精度向上処理の他の実施形態を概略的に示すフローチャートである。
以下では、本発明の実施形態について、図面を用いて詳細に説明する。
図１は、本発明によるグループ状態推定装置を含むグループ状態推定システムの一実施形態を示す模式図である。
図１に示した本実施形態では、その内部状態を推定すべき対象であるグループが複数（図１ではグループ１〜３の３つ）形成されていて、各グループの構成員である各参加者は、発話によって情報を交換し合っている。本グループ状態推定システム１は、
（ａ）参加者毎に取り付けられた、当該参加者の発する音声を個別に収集可能な無線マイク３と、
（ｂ）無線マイク３から送信され、通信ネットワークを介して取得される音声情報を取りまとめて保存する音声情報データベース４と、
（ｃ）音声情報データベース４から各グループを構成する参加者毎の音声情報を取得し、これらの音声情報に基づいて、グループ１〜３の各々の内部状態を推定するクループ状態推定装置２と
を備えている。
ここで、無線マイク３は、発話の音声を収集する通常のマイクであってもよいが、個々の参加者の音声に限定して収音すべく、近接マイク、声帯マイク、咽頭マイクや、位相を用いる方向検知アレイマイク等であることも好ましい。また、無線マイクではなく有線によって装置２又は通信ネットワークと接続された有線マイクであってもよい。
また、通信ネットワークは、ローカルな（プライベートな）ネットワークであってもよく、Ｗｉ−Ｆｉ（登録商標）等の無線ＬＡＮ（Local Area Network）、Bluetooth（登録商標）等の近距離無線通信網、携帯電話網等の事業者通信網（アクセスネットワーク）や、さらにはインターネット等を介して無線マイク３と音声情報データベース４及びクループ状態推定装置２とを通信接続するネットワークであってもよい。
さらに、変更態様として、音声情報データベース４は設置されておらず、クループ状態推定装置２がその機能を包含していてもよい。また、音声情報データベース４は通常、装置２とは接続されておらず、無線マイク３からの音声情報を収集した後、適宜、装置２に接続され、収集した音声情報を装置２に出力するものとすることも可能である。
同じく図１に示すように、グループ１〜３の各々では、参加者が互いに発話による音声をもって、情報を提供し合っている（話し合っている）。この音声情報は、公知の音声認識技術によってテキスト化可能な情報であり、実際、後に説明するように、本実施形態ではグループ状態推定装置２においてテキストに変換される。
この変更態様として、参加者が電話機能やテレビ会議機能を利用して、発話による音声情報を交換するものであってもよい。この場合も、無線マイク３やマイク付き端末によって収集された音声情報は後にテキストに変換される。さらに、参加者が電子メール、チャット機能や、ＳＮＳ（Social Networking Service）を利用してテキスト情報を交換し合ってグループを構成してもよい。この場合、参加者が端末のキーボードやタッチパネル等の入力インタフェースを用いて提供情報を入力するならば、無線マイク３は不要となる。いずれにしても、本発明がその状態を推定する対象は、参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループとなっている。
ここで、本発明によるグループ状態推定装置２は、このようなグループの状態を推定するため、具体的に、
（Ａ）参加者についての特性であってグループの状態に関わる少なくとも１つの「特性」毎に、当該特性に対応付けられた語、句、節又は文である予め設定された「特性語」を取得し、
（Ｂ）推定対象グループで提供された情報に係るテキストから「特性語」を抽出し、
（Ｃ）抽出された「特性語」の出現数又は出現比率に基づいて、推定対象グループにおける「特性」の度合い又は割合を算出し、算出された「特性」の度合い又は割合に係る情報を、推定対象グループの状態とする。
このように、グループ状態推定装置２によれば、推定対象グループで提供された情報に係るテキストから、予め設定された「特性語」を抽出して、推定対象グループの状態を計算処理によって決定する。これにより、推定対象グループの状態を、評価者等の主観に依らずに、客観的に推定することが可能となるのである。
実際、グループの参加者を教育したり管理したりすべき立場にある教師や管理者等にとって、グループの内部状態を把握することは大事となる。例えば、グループにおいて誰が進行・調整役を行っているのか、誰が指導的な立場で課題を解説し解決手段を提示しているのか、誰がグループに協力しているか、あるいは非協力的であって進行を妨げているのか、さらに、グループでの話し合いは活性化しているのかどうか等の内部状態を把握することは、授業を運営したり業務を管理したりする上で非常に重要となる。
この点、グループ状態推定装置２によれば、教師や管理者等の立場の者が従来十分に観察することが困難であるようなグループの内部状態を、客観的なデータとして、教師や管理者等に提示することが可能となる。
また、現在、教育の現場において、２１世紀型教育スキルとしての批評的思考力や課題解決力を養成するべく、数人でグループを構成し、知識を交換し合ったり教え合ったり、創造的な話し合いを行ったりする協働学習が取り入れられている。しかしながら、教師が直接、教室内に形成された全ての協働学習グループに参加し、その内部状態を観察することは、実際上不可能である。これに対し、グループ状態推定装置２によれば、例えば多数の協働学習グループの１つ１つについてその内部状態、例えば協働学習への貢献の度合いや指導性の度合い、を客観的に評価した結果を、教師に提供することが可能となる。
因みに、グループ状態推定装置２の上記構成（Ａ）にある「特性」及び「特性語」については、後に詳細に説明するが、例えば、
（ａ）グループでの話し合いにおける参加者の指導性、調整性、協力性又は非協力性を「特性」とし、
（ｂ）このような「特性」を表す発話に登場する単語等、例えば「正解です」、「してみよう」、「なるほど」及び「つまらない」を「特性語」とすることができる。
図２は、本発明によるグループ状態推定装置の一実施形態における機能構成を示す機能ブロック図である。
図２によれば、グループ状態推定装置２は、通信インタフェース２０１と、音声情報データベース部２０２と、特性語蓄積部２０３と、タッチパネル・ディスプレイ（ＴＰ・ＤＰ）２０４と、キーボード（ＫＢ）２０５と、プロセッサ・メモリとを有する。ここで、プロセッサ・メモリは、グループ状態推定装置２に搭載されたコンピュータを機能させるプログラムを実行することによって、グループ状態推定機能を実現させる。即ち、グループ状態推定装置２は、本発明によるグループ状態推定プログラムを搭載した、例えばパーソナル・コンピュータ（ＰＣ）、スマートフォン、又はタブレット型若しくはノート型コンピュータであってもよい。
さらに、このプロセッサ・メモリは、機能構成部として、特性語取得部２１１と、テキスト分解部２１２と、特性語抽出部２１３と、グループ状態決定部２１４と、レコメンド情報生成部２１５と、主観評価値取得部２１６と、推定精度調整部２１７と、通信制御部２２１と、音声認識部２２２と、入出力制御部２２３とを有する。ここで、テキスト分解部２１２は、形態素解析部２１２ａと、単語合成部２１２ｂとを有することも好ましい。また、グループ状態決定部２１４は、参加者評価部２１４ａを有することも好ましい。尚、図２によれは、各機能構成部を矢印で接続した処理の流れは、本発明によるグループ状態推定方法の一実施形態としても理解される。
図２において、通信インタフェース２０１は、音声情報データベース４から音声情報を受信し、通信制御部２２１を介して音声認識部２２２に出力する。但し、装置２が音声情報データベース部２０２を備えている場合、各グループの各参加者に取り付けられた無線マイク３から出力された音声情報を直接、受信し、通信制御部２２１を介して音声情報データベース部２０２に格納することも好ましい。この際、受信される音声情報には、無線マイク３の物理アドレスや参加者によって設定された識別子情報等、参加者を特定可能な識別情報が付与されていることも好ましい。また、音声情報データベース部２０２は、この識別情報と登録された参加者又はグループに係る情報とを対応付けたテーブルを有し、参加者又はグループを特定可能な情報を付与した音声情報を格納することも好ましい。
通信インタフェース２０１は、さらに、外部の通信ネットワーク上に設置された特性語蓄積装置５から、後述する処理に使用する特性語を受信し、通信制御部２２１を介して特性語取得部２１１に出力してもよい。但し、装置２が、所定の特性語を予め蓄積した特性語蓄積部２０３を備えている場合、特性語蓄積装置５から特性語を取得する必要はない。
［特性語蓄積部］
特性語蓄積部２０３は、少なくとも１つの「特性」毎に、当該特性に対応付けられた語、句、節又は文である予め設定された「特性語」を蓄積している。ここで、「特性」は、参加者についての特性であってグループの状態に関わる性質・特徴を指す。このように、特性語蓄積部２０３は、グループの状態を推定するのに使用される特性語を収納・記録した辞書手段となっている。
図３は、本発明に係る「特性」の一実施例を示すテーブルである。尚、このテーブルは、特性語蓄積部２０３（又は特性語蓄積装置５）に蓄積されたものである。
図３に示した実施例によれば、「特性」は、グループでの話し合いに対する貢献の態様を示す貢献タイプの側面から捉えられた特性であり、具体的には、
（ａ）グループの参加者又はグループに係る事項について調整する力を表す「調整」、
（ｂ）グループの参加者又はグループに係る事項について指導する力を表す「指導」、
（ｃ）グループの参加者又はグループに係る事項に協力する程度を表す「協力」、及び
（ｄ）グループの参加者又はグループに係る事項に協力しない程度を表す「非協力」
が「特性」として挙げられている。尚、「特性」は、当然にこの４つに限定されるものではない。例えば、貢献タイプ以外の観点から「特性」を設定してもよい。また、上記の４つのうち少なくとも１つを「特性」として採用することもできる。
同じく図３によれば、貢献タイプとしての各「特性」について、対応する評価観点が挙げられているが、この評価観点に基づいて、当該「特性」を適切に表す「特性語」を選択することも可能となる。
図４は、本発明に係る「特性語」の一実施例を示すテーブルである。尚、このテーブルも、特性語蓄積部２０３（又は特性語蓄積装置５）に蓄積されたものである。
図４によれば、図３に示した各「特性」（貢献タイプ）毎に、（相当する言語特性と共に）対応する「特性語」が列挙されている。例えば、特性としての「指導」に対し、（言語特性「説明」に対応する）「するんだ」、「解いて」、・・・等の「特性語」が対応付けられている。このように、「特性語」は、参加者についての特性であってグループの状態に関わる特性に対応付けられた、予め設定された語、句、節又は文となっている。
図５は、本発明に係る「特性語」の他の実施例を示すテーブルである。尚、このテーブルも、特性語蓄積部２０３（又は特性語蓄積装置５）に蓄積されたものである。
図５によれば、数学の各単元における学習語である特性語、ＩＣＴ（Information and Communication Technology）分野での専門語である特性語、及び（負の）人間関係を表すいじめ語、脅し語及び服従語に対応する特性語が列挙されている。このように、グループの内部状態を把握する目的に応じて、種々の特性語辞書を用意することが考えられる。
このうち、学習語である特性語は、特性としての「学習性」に対応するものであり、習得された知識の質や量を示唆する語として捉えられる。例えば、数学では様々な単元が存在するが、図形、確率統計、数列等の小単元毎に、又は難易度毎に、対応する特性語を予め設定しておけば、様々な単元の問題を解く話し合いの中で、小単元毎や難易度毎に、学習による知識が十分であるか否か、又は習得された知識の質・レベルが高いか否かを推定するのに使用可能となる。
また、専門語である特性語も、特性としての「専門性」に対応するものであるが、この特性語を用いることによって、専門分野毎に、知識の質や量を推定することが可能となる。例えば、図４に示すように、ＩＣＴ分野では通信、コンピュータ、プログラミングといった小分野毎に、対応する特性語辞書を作成しておくことも好ましい。
さらに、話し合いを妨げる人間関係の問題を把握するため、いじめ語、脅し語、服従語等の問題のある発言を表す特性語を予め設定することも好ましい。これらの特性語の属する特性は「威圧（性）」となる。このような特性語を用いることによって、グループの参加者の性向を把握し、グループにおける適切な構成員を調整することができる。
［特性語取得部］
図２に戻って、特性語取得部２１１は、特性語蓄積部２０３から、又は外部から通信制御部２２１を介して特性語を取得し、テキスト分解部２１２に出力する。
［音声認識部］
音声認識部２２２は、参加者毎に収音された音声情報を、音声情報データベース部２０２から、又は外部から通信制御部２２１を介して取得し、当該音声情報をテキストに変換する。音声認識部２２２でのテキストへの変換は、周知の技術を用いて行うことができる。例えば、音声認識技術として、推定対象のグループ内で用いられる話し言葉に適した言語モデルと、当該グループの音響環境に応じた音響モデルとを設定し、音声に最も近似した語彙を推定してテキストに変換する技術を使用することができる。
［テキスト分解部］
テキスト分解部２１２は、音声認識部２２２で変換されたテキストを、語、句、節及び／又は文に分解する。ここで、本実施形態のテキスト分解部２１２は、形態素解析部２１２ａと、単語合成部２１２ｂとを有する。形態素解析部２１２ａは、変換されたテキストを、公知の形態素解析手法によって単語に分解する。
また、単語合成部２１２ｂは、分解されたテキストにおける単語群の幾つかを、特性語としての句、節及び／又は文に合成する。特性語は、各種特性のニュアンスや性向を表す言葉である場合が少なくなく、その表現として１つの単語に限定されるものではなく、複数の単語が繋がった言葉やフレーズ、さらには文である場合も多い。そこで、単語合成部２１２ｂは、テキストに対し形態素解析を行って得られた単語を、特性語取得部２１１から取得した特性語（の辞書）に合わせて連結し、抽出単位としての特性語の形にまで合成する。
ここで、単語合成部２１２ｂは、単語を特性語相当の句、節及び／又は文に合成した結果としての合成辞書を生成し、この合成辞書を利用して、形態素解析によって得られた単語を、特性語単位に連結・合成することも好ましい。例えば下記のように、形態素解析ではテキストが単語単位に分断されているが、合成辞書では、１つの言葉に連結された結果としての特性語が登録されている。
＜形態素解析結果＞ ＜特性語＞
（例１） 「答え＿合わせ＿しよ＿う」 → 「答え合わせしよう」
（例２） 「説明＿でき＿ない＿と」 → 「説明できないと」
［特性語抽出部］
特性語抽出部２１３は、分解・合成されたテキストから特性語を抽出するが、本実施形態では、分解・合成されたテキストの結果から、より具体的には、当該テキストにおける合成されていない単語並びに合成された句、節及び／又は文から、特性語を抽出する。この場合、テキストを形態素解析して得られた単語群、又は当該単語群を合成した語句等が、上述した合成辞書に登録された特性語と一致した場合に、この特性語を抽出することも好ましい。
また、特性語抽出部２１３は、推定対象のグループにおける参加者毎に、当該参加者より提供された情報に係るテキスト（本実施形態では音声情報を変換して得られたテキスト）から特性語を抽出し、参加者を特定した参加者毎の特性語抽出結果を、グループ状態決定部２１４に出力することも好ましい。
ここで、本実施形態における特性語の抽出処理における、音声認識部２２２での音声認識処理の影響について説明する。
上述したように、音声認識部２２２は音声情報をテキストに変換するが、本実施形態では、通常の音声認識技術に求められるような、例えば９０％以上の高い再現率（認識率）は必要とされない。即ち、一般的な音声認識技術では、例えばスピーチ等の発話の内容をできるだけ漏らすことなくテキスト化することを求められるので、音声認識における再現率をより高くしなければならない。しかしながら、本実施形態でのグループ状態の推定処理では、話し合いの発話の全てを正確且つ完全にテキスト化する必要はなく、むしろ所定の適合率を確保した上で、音声認識を行った範囲において特性語が適切に抽出されればそれでよい。言い換えれば、本実施形態では、音声認識部２２２での音声認識の再現率は、グループ状態の推定結果にほとんど影響しないので、高い値を要求されずに済むのである。
図６は、特性語の抽出処理における再現率の影響を説明するためのグラフである。
図６によれば、音声認識での再現率が１００％未満の所定値である場合では、再現率が１００％である場合よりも、特徴語の抽出数の絶対値は、当然に小さくなっている。しかしながら、話し合いの累計時間（又は累計のテキスト長）のいずれの時点においても、再現率が１００％未満の場合の特性語抽出数は、再現率が１００％の場合の抽出数の一定の割合分となっている。即ち、前者の場合での音声認識の適合率は、話し合いの時間長（又はテキスト長）の積分（累積）効果によって、再現率１００％の後者の場合での適合率に匹敵する高い値を維持していると推定される。ここで、グループ状態を各特性語の抽出数（出現数）の割合（比率）で表現する場合、この特性語間の割合（比率）は、再現率が１００％未満の場合でも、再現率が１００％の場合と同様の概ね正確な値として算出されることになるのである。
［グループ状態決定部］
グループ状態決定部２１４は、抽出された特性語の出現数（総計値）又は出現比率に基づいて、推定対象のグループにおける、対応する特性の度合い又は割合を算出し、算出された特性の度合い又は割合に係る情報を、この推定対象のグループの内部状態とする。
ここで、グループ状態決定部２１４は、参加者評価部２１４ａを有することも好ましい。この参加者評価部２１４ａは、参加者毎に抽出された特性語の出現数（総計値）又は出現比率に基づいて、推定対象のグループにおける、参加者毎の対応する特性の度合い又は割合を算出し、算出された参加者毎の特性の度合い又は割合に係る情報を、各参加者の評価結果とする。これにより、参加者毎の評価結果を得ることもできる。また、グループ状態決定部２１４は、この各参加者の評価結果を集計して、グループの状態を決定することができる。
図７は、グループ状態決定部２１４での処理の一実施形態を示すフローチャートである。
（Ｓ１０１）推定対象のグループの参加者を１人ずつ特定する。
（Ｓ１０２）特定された参加者の発話による音声情報を変換したテキスト情報から抽出された、予め設定された各特性に属する特性語を収集する。
ここで、この特定された参加者について、予め設定された特性毎に、当該特性に属する抽出された特性語を記録することになる。
（Ｓ１０３）収集された各特性語の重み係数を勘案して、収集された各特性語の語数を総計し、各特性のレベルを算出する。
ここで、上記の重み係数は、例えば特性語蓄積部２０３に蓄積された各特性語に、紐づけられた形で予め付与されていてもよい。尚、変更態様として、収集された各特性語の語数を、重み付けした上で総計し、各特性のレベルを算出することも可能である。
また、各特性に属する特性語の語数を総計した結果を、そのまま特性レベルとすることもできる。しかしながら、個々の特性語は、当該特性語によって表現される特性にとっての重要度が異なっている。従って、以下に説明するように、特性語の語数を総計する際に、特性語蓄積部２０３に登録されている個々の特性語に紐づけられた重み係数を掛け算して足し合わせ、特性レベルとすることも好ましい。
具体的に、特性Ａの特性レベルCLAは、次式
（１） CLA＝Σi=1 nａWi・ＡWi
によって算出される。ここで、ＡWiは、特性Ａに属する、抽出された１つの特性語の総計数（出現数）であり、ｉは特性Ａに属する特性語を区別するパラメータであり、ｎは特性Ａに属する特性語の語数（種類数）であり、ａWiは、特性語ＡWiの重み係数である。また、Σi=1 nは、パラメータｉについての１からｎまでの総和（summation）である。
ここで、各特性の重み係数ａWiは、以下に示すように蓄積されたデータから算出することができる。例えば、次式
（２） ａWi＝（Σj=1 mＡWij−Σj=1 mＡWij’）／Σj=1 mＡWij
に示すように、１つの特性Ａについて高い評価を得ている参加者（後述する主観評価において、例えば５段階評価で４又は５であると評価された参加者）の発話においてその特性語が出現する数から、特性Ａについての評価が低い参加者においてその特性語が出現する数を差し引き、さらに前者の出現数で割り算した結果を重み係数ａWiとする。尚、このように重み係数ａWiを規定すると、その値は通常０〜１に正規化されるが、値がマイナスとなる場合、特性としての効果は無いものと判断する。
尚、上式（２）において、ｍは評価対象のグループの数であり、Σj=1 mＡWijは、特性Ａについて評価の高い参加者における特性語の、評価対象の全てのグループでの出現数である。また、Σj=1 mＡWij’は、特性Ａについて評価の低い参加者における特性語の、評価対象の全てのグループでの出現数である。
図７に戻って、
（Ｓ１０４）この段階で、グループ参加者の全員についての処理が終了したが否かを判定する。ここで、偽の判定、即ち終了していないとの判定を行った場合、ステップＳ１０１に戻って参加者毎の処理を再開する。
（Ｓ１０５）一方、ステップＳ１０４で真の判定、即ち終了したとの判定を行った場合、参加者全員の各特性レベルから偏差値を算出する。
ここで、１つの特性Ａに属する全ての特性語についての総計数（総出現数）における偏差値を算出してもよい。または、１つの特性Ａに属する各特性語についての総計数（出現数）における偏差値を算出することも好ましい。
（Ｓ１０６）算出された偏差値をｎ段階評価値へ変換する。
（Ｓ１０７）各特性についてのｎ段階評価結果としての客観推定値を出力する。
ここで、ｎ段階のｎは任意に設定可能であり、例えば一般に成績評価に用いられる５段階評価としてもよい。具体的に、例えば、偏差値が３５未満の場合、段階評価値を１とし、偏差値が３５以上であって４５未満の場合、段階評価値を２とし、偏差値が４５以上であって５５未満の場合、段階評価値を３とし、偏差値が５５以上であって６５未満の場合、段階評価値を４とし、偏差値が６５以上の場合、段階評価値を５とすることができる。
尚、当然に、この段階を決める偏差値の閾値は任意に設定可能である。実際、この段階評価値から得られる後述の客観推定値は、教師や管理者等による主観評価値の代わりとして利用されることが想定されている。従って、出力される客観推定値を、主観評価値と同じ傾向を示す値となるように調整する余地として、偏差値閾値の設定を変更可能にしておくことが好ましい。
また、図７に示すように、上述したステップＳ１０５〜Ｓ１０７と並行して、又はこれらのステップの代わりとして、以下のステップが実行されることも好ましい。
（Ｓ１１１）参加者全員における各特性レベルの割合を算出する。
（Ｓ１１２）算出された割合をグラフ表示の形で出力する。
この場合、特性レベルは、例えば、そのまま割合として視認されるように表示されてもよい。
図８は、グループ状態決定部２１４で決定されたグループ状態の表示の一実施例を示すグラフである。
図８に示すように、状態推定対象であるグループ１〜３の各々について、特性として貢献タイプを示す「調整」、「指導」、「協力」及び「非協力」の４つを採用して導出したグループの内部状態が、円グラフで表示されている。また、併せて各グループの参加者の状態（貢献度）も、レーダーチャートで表示されている。尚、本実施形態において、各参加者の状態（レーダーチャート）における「協力」は、貢献タイプの「協力」の特性語総計数から、貢献タイプの「非協力」の特性語総計数を差し引いた値に基づいて決定されている。
例えば、グループ２の内部状態（円グラフ）を見ると、グループ１〜３の中で、また、４つの特性の中で「非協力」の割合が最も高いので、グループ２内での話し合いは良好に進行していないことが推定される。この場合、教師や管理者等は、グループ２の参加者に対し、例えば、より積極的に話し合うように指示することができる。
また、グループ１の内部状態（円グラフ）を見ると、グループ１〜３の中で、「調整」の割合が最も低く、参加者に調整役となる人物がいないことが推定される。この点、グループ１の参加者の状態（レーダーチャート）を見ても、「調整」の十分に高い参加者が存在しない。これに対し、グループ３の参加者の状態（レーダーチャート）を見ると、グループ３には「調整度」の十分に高いＫさん及びＪさんが存在する。この場合、教師や管理者等は、Ｋさん及びＪさんのいずれかをグループ１の参加者と入れ替える、という人事管理を行うことも可能となる。
さらに、各グループの参加者の状態（レーダーチャート）を見ると、グループ１のＢさん、グループ２のＥさん、及びグループ３のＨさんは「指導」が十分に高い。この３人は、例えば話し合いにおける課題をよく理解しているということが推定されるので、各グループの状態・評価に貢献する重要人物として認識することができる。また、これらの３人には、個人的に高い評価結果を与えることも可能となる。
図９は、グループ状態決定部２１４で決定されたグループ状態の表示の他の実施例を示すグラフである。
図９には、特性としての「学習性」及び「専門性」に属する特性語（学習語及び専門語）の出現数に基づく、グループ状態の推定結果（客観評価値）が、円グラフで表示されている。ここで、この推定対象のグループは、Ａさん、Ｂさん、Ｃさん及びＤさんの４人の参加者で構成されているものとする。
図９に示すように、この円グラフには、各参加者の「学習性」及び「専門性」の度合い、即ち、学習・専門分野における知識量や理解度が明確に表されている。これにより、このグループの内部状態、例えば参加者の間での「学習性」及び「専門性」の偏り具合等を認識することができる。また、同じくこの円グラフから、例えば、４人の中でＤさんが特に優れており、一方、Ａさんは、尚、学習・研さんが必要であることが分かり、個々の参加者の状態を評価することも可能となる。
尚、図８や図９に示されたグループ状態の推定結果（客観推定値）は、例えば、グループ状態決定部２１４から入出力制御部２２３（図２）を介してＴＰ・ＤＰ２０４へ出力され、ＴＰ・ＤＰ２０４の画面に表示されることも好ましい。また、通信インタフェース２０１を介して、外部に設置された表示装置へ送信され、そこで表示されてもよい。
次に、グループ状態決定部２１４でのグループ状態決定処理の他の幾つかの実施形態を説明する。これらの実施形態は、特性語の組合せによるグループ状態の推定処理となっている。実際、特性語は、グループでの話し合いの目的に応じ、１つの特性に関連するものとしても種々のものが設定可能である。それ故に、設定された１つの特性語の出現と、他の設定された特性語の出現とが相互に関連する場合も少なくない。そこで、以下に示す実施形態では、１つの特性を、複数の特性語の出現数を勘案して推定している。
最初に、特性として「協力」及び「非協力」を含む複数の特性が採用されている場合の実施形態を説明する。ここで、グループ内部状態としての「協力」の度合い（レベル）は、特性としての「協力」に属する特性語の出現だけでなく、これと正反対の特性である「非協力」に属する特性語の出現にも関係する。グループ状態決定部２１４は、特性としての「協力」及び「非協力」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、推定対象のグループにおける「協力」の度合い又は割合と、「非協力」の度合い又は割合との重み付けを含む差又は比を算出し、算出された当該差又は比に係る情報を、推定対象グループの「協力」に関する状態とする。
具体的には、グループ状態としての協力レベルCOLは、次式
（３） COL＝ca・ＮCO−cb・ＮNCO
で算出することができる。ここで、ＮCOは特性「協力」に属する特性語の総計数（総出現数）であり、ＮNCOは特性「非協力」に属する特性語の総計数（総出現数）である。また、ca及びcbは重み係数であり、例えばグループ状態の推定目的に合わせて値が調整される。
次に、特性として「非協力」と、推定対象グループの参加者に対するいじめ、強制又は脅しを表す「威圧」とを含む複数の特性が採用されている場合の実施形態を説明する。ここで、グループ内部状態としての「非協力」の度合い（レベル）は、特性としての「非協力」に属する特性語の出現だけでなく、これと類似する特性である「威圧」に属する特性語（いじめ語や脅し語）の出現にも関係する。特に、この「非協力」レベルについては、話し合いを妨げるという性質を拡大して解釈すると、人間関係を悪化させる発話、即ち、その典型としていじめ語や脅し語を含む発話をも考慮する必要が生じる。グループ状態決定部２１４は、「非協力」及び「威圧」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、推定対象グループにおける「非協力」の度合い又は割合と、「威圧」の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、推定対象グループの「非協力」に関する状態とする
具体的には、グループ状態としての非協力レベルNCLは、次式
（４） NCL＝cc・ＮNCO＋cd・ＮCE
で算出することができる。ここで、ＮNCOは特性「非協力」に属する特性語の総計数（総出現数）であり、ＮCEは特性「威圧」に属する特性語の総計数（総出現数）である。また、cc及びcdは重み係数であり、例えばグループ状態の推定目的に合わせて値が調整される。
次いで、特性として「指導」及び「学習性又は専門性」を含む複数の特性が採用されている場合の実施形態を説明する。ここで、グループ内部状態としての「指導」の度合い（レベル）は、特性としての「指導」に属する特性語の出現だけでなく、これと関連する特性である「学習性又は専門性」に属する特性語の出現にも関係する。実際、指導を行っている参加者は、話し合いに係る分野における習得すべき学習語や専門語を頻繁に発話することが多い。グループ状態決定部２１４は、特性としての「指導」及び「学習性又は専門性」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、推定対象のグループにおける「指導」の度合い又は割合と、「学習性又は専門性」の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、推定対象グループの「指導」に関する状態とする。
具体的には、グループ状態としての指導レベルLELは、次式
（５） LEL＝ce・ＮLE＋cf・ＮSP
で算出することができる。ここで、ＮLEは特性「指導」に属する特性語の総計数（総出現数）であり、ＮSPは特性「学習性又は専門性」に属する特性語の総計数（総出現数）である。また、ce及びcfは重み係数であり、例えばグループ状態の推定目的に合わせて値が調整される。
グループの「指導」に関する状態を算出する上記の実施形態のより具体的な適用例として、新技術について話し合う会合（グループ）内で考案された発明について、特許出願に係る発明者としての個々の参加者における、当該発明への貢献度を管理者が決定する場合が挙げられる。この個々の参加者（発明者）の発明への貢献度は、この参加者の業務評価や特許報奨金額を決定するのに必要となる情報である。この場合、管理者がこの会合に出席していない状況では、参加者の発明への貢献度を判断するための適切な情報は、非常に得難い。
これに対し、グループ状態推定装置２によれば、各参加者の発話から、「指導」に属する特性語と、この発明の技術分野に属する専門語である（「専門性」に属する）特性語とを抽出し、上式（５）を用いて、各参加者の指導レベルLELを算出し、この算出された指導レベルLELを、発明への貢献度を導出するための客観的情報とすることが可能となる。また、このケースの変更態様として、この会合に参加するに際し各参加者から提出された資料から、「指導」に属する特性語と、この発明の技術分野に属する専門語である特性語とを抽出することも可能である。この場合、各参加者の発話による音声情報を取得する必要がなくなる。
［レコメンド情報生成部］
図２に戻って、レコメンド情報生成部２１５は、グループ状態決定部２１４で決定されたグループ状態の推定結果（客観評価値）に基づいて、教師や管理者等のグループの評価者に対し、例えばグループの活性化のための方策を生成し、推奨する形で提示する。
例えば、図８に示した実施例において、グループ２の内部状態（円グラフ）では、「非協力」の割合が所定の判断閾値を超えているとする。この場合、レコメンド情報生成部２１５は、自動的に、例えば「積極的に話し合いを行うように」との内容の指示を、ＴＰ・ＤＰ２０４や、グループ２内に設置されたディスプレイに表示させることも好ましい。
また、例えば、同じく図８に示した実施例において、既に述べたように、グループ１及び３における内部状態（円グラフ）及び参加者の状態（レーダーチャート）から、教師や管理者等は、グループ３のＫさん及びＪさんのいずれかをグループ１の参加者と入れ替える、という人事管理を行うことも可能である。この場合、レコメンド情報生成部２１５は、このようなグループ間の人事トレードを自動的に推奨するコメントを表示させてもよい。
即ち、レコメンド情報生成部２１５は、少なくとも２つの推定対象グループについてグループの状態が決定されている場合に、
（ａ）状態の決定された２つの推定対象グループのうちで、注目する「特性」の度合い又は割合がより高い一方のグループにおける、当該「特性」の度合い又は割合が最も高い又は所定閾値以上である参加者と、
（ｂ）当該「特性」の度合い又は割合がより低い他方のグループにおける、当該「特性」の度合い又は割合が最も低い又は所定閾値未満である参加者と
を入れ替える旨のレコメンド情報を生成することも好ましい。
さらに、レコメンド情報生成部２１５は、例えば図８に示した各参加者の状態の推定結果に基づいて、教師や管理者等に、参加者個人の評価についてのレコメンド、例えば表彰対象として推奨すること、を自動的に行うことも可能である。
［主観評価値取得部・推定精度調整部］
次に、客観推定値における推定精度の向上化処理について説明する。以上に説明してきたグループ状態の客観推定値は、グループ状態の推定目的に対して適用可能な値となっている否かを確認されることが好ましい。ここで、実際のグループ評価現場では、グループ状態の正解はあくまで、教師や管理者といった評価者の主観評価であり、客観推定値は、それに代わる指標との位置づけとなる。従って、本実施形態では、「客観推定値」を「主観評価値」と比較し、互いの相関が高ければ正しい推定ができていると判断する。ここで、「主観評価値」は、教師や管理者等が実際にグループでの話し合いの様子を観察し、グループの内部状態を判定した結果のデータを取得して生成される。
具体的に、図２において、主観評価値取得部２１６は、教師や管理者等のグループ評価者による推定対象のグループの評価を複数段階で表現した「主観評価値」を取得する。ここで、「主観評価値」は、例えば、推定対象のグループでの話し合いを実際に観察したグループ評価者が、装置２のＴＰ・ＤＰ２０４やＫＢ２０５を介して、例えば「指導」、「調整」及び「協力」の各々について５段階評価結果を入力したものとすることができる。入力された「主観評価値」は、入出力制御部２２３を介して主観評価値取得部２１６に出力される。
また、この場合、グループ状態決定部２１４は、抽出された特性語の出現数又は出現比率の偏差に基づいて、推定対象グループにおける、当該特性語に係る特性の度合い又は割合を、複数段階をもって表現する「客観推定値」を算出する。
推定精度調整部２１７は、複数のグループにおける「客観推定値」と「主観評価値」との間の相関の度合いをより高くするように、
（ａ）推定に使用される特性語、及び／又は（ｂ）複数段階を規定する閾値
を変更する。
図１０は、客観推定値と主観評価値との間の相関を調べた一実施例を示すグラフである。
図１０によれば、共に５段階評価で出力された客観推定値及び主観評価値の間の相関係数は、０.８２となっている。一般に、相関係数が４０％以上であれば相関が認められるとされ、相関係数が７０％以上であれば強い相関があるとされる。従って、この実施例では、グループ状態推定装置２によって生成された客観推定値の推定精度が十分に高いことが理解される。
次に、主観評価値を利用して客観推定値の推定精度を向上させる処理について説明する。
図１１は、客観推定値の推定精度向上処理の一実施形態を概略的に示すフローチャートである。ここでは、特性語蓄積部２０３に登録された特性語を変更して推定精度の向上を図っている。
（Ｓ２０１）特性語蓄積部２０３に登録された特性語群について、予め設定された所定の規則に従って一部の特性語を変更する。
（Ｓ２０２）グループ状態決定部２１４で決定された、複数のグループについての複数の客観推定値と、グループ管理者から取得されたこれらのグループについての複数の客観評価値との相関係数（推定精度）を算出する。
（Ｓ２０３）推定精度が、前回に算出された値と比較して向上したか否かを判定する。ここで、偽の判定（向上していないとの判定）を行った場合、ステップＳ２０１に戻って、特性語の変更を再度行う。尚、この判定の初回においては、予め推定精度（相関係数）の初期値を設定しておき、算出された推定精度がこの初期値を上回っているか否かを判定する。
（Ｓ２０４）一方、ステップＳ２０３で真の判定（向上したとの判定）を行った場合、ステップＳ２０１での特性語の変更を確定し、即ち特性語の登録をこの変更した形に更新して、本処理を終了する。
図１２は、客観推定値の推定精度向上処理の他の実施形態を概略的に示すフローチャートである。ここでは、偏差値からｎ段階評価値へ変換する際に使用される偏差値閾値を変更して推定精度の向上を図っている。
（Ｓ３０１）グループ状態決定部２１４で算出された特性レベルの偏差値をｎ段階評価値に変換する際に使用される１つ以上の偏差値閾値を、予め設定された所定の規則に従って変更する。
（Ｓ３０２）グループ状態決定部２１４で決定された、複数のグループについての複数の客観推定値と、グループ管理者から取得されたこれらのグループについての複数の客観評価値との相関係数（推定精度）を算出する。
（Ｓ３０３）推定精度が、前回に算出された値と比較して向上したか否かを判定する。ここで、偽の判定（向上していないとの判定）を行った場合、ステップＳ３０１に戻って、偏差値閾値の変更を再度行う。尚、この判定の初回においては、予め推定精度（相関係数）の初期値を設定しておき、算出された推定精度がこの初期値を上回っているか否かを判定する。
（Ｓ３０４）一方、ステップＳ３０３で真の判定（向上したとの判定）を行った場合、ステップＳ３０１での偏差値閾値の変更を確定し、即ち偏差値閾値の設定をこの変更した形に更新して、本処理を終了する。
以上、図１１及び図１２に示したような処理によって、グループ状態決定部２１４で決定された客観推定値を、本来基準となるグループ管理者による主観評価値と同傾向となるように調整し、クループ状態の推定精度を向上させることが可能となる。
以上詳細に説明したように、本発明によれば、推定対象のグループで提供された情報に係るテキストから、予め設定された「特性語」を抽出して、推定対象グループの状態を計算処理によって決定する。その結果、参加者が発話等によって情報を提供し合うようなグループの状態を、人間の主観的な判断ではなく、客観的に推定することができる。
これにより、例えば、教師や管理者等の立場の者が従来十分に観察することが困難であったようなグループの内部状態を、客観的なデータとして、教師や管理者等に提示することが可能となる。また、提示されたグループの内部状態の情報に基づいて、例えば、グループでの話し合いを活性化させたり、適切な授業運営や業務管理を効率的に行ったりすることも可能となる。
さらに、教育の現場においては現在、２１世紀型教育スキルを習得する切り札として協働学習が注目されているが、本発明によれば、例えば多数の協働学習グループの１つ１つについてその内部状態を客観的に評価した結果を、教師に提供することも可能となる。
以上に述べた本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。
１ グループ状態推定システム
２ グループ状態推定装置
２０１ 通信インタフェース
２０２ 音声情報データベース部
２０３ 特性語蓄積部
２０４ タッチパネル・ディスプレイ（ＴＰ・ＤＰ）
２０５ キーボード（ＫＢ）
２１１ 特性語取得部
２１２ テキスト分解部
２１２ａ 形態素解析部
２１２ｂ 単語合成部
２１３ 特性語抽出部
２１４ グループ状態決定部
２１４ａ 参加者評価部
２１５ レコメンド情報生成部
２１６ 主観評価値取得部
２１７ 推定精度調整部
２２１ 通信制御部
２２２ 音声認識部
２２３ 入出力制御部
３ 無線マイク
４ 音声情報データベース
５ 特性語蓄積装置

Claims (6)

  1. 参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループの状態を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
    当該参加者についてのグループの状態に関わる１つの特性と、当該１つの特性とは正反対の特性とを含む特性群に含まれる特性毎に、当該特性に対応付けられた語、句、節又は文である設定された特性語を取得する特性語取得手段と、
    推定対象グループで提供された情報に係るテキストから当該特性語を抽出する特性語抽出手段と、
    抽出された特性語であって、当該１つの特性及び当該正反対の特性の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける当該１つの特性の度合い又は割合と、当該正反対の特性の度合い又は割合との重み付けを含む差又は比を算出し、算出された当該差又は比に係る情報を、当該推定対象グループの当該１つの特性に関する状態とするグループ状態決定手段と
    してコンピュータを機能させることを特徴とするグループ状態推定プログラム。
  2. 前記プログラムは、当該グループの参加者又は当該グループに係る事項に協力する程度を表す「協力」、及び当該グループの参加者又は当該グループに係る事項に協力しない程度を表す「非協力」を含む複数の当該特性を採用し、
    前記グループ状態決定手段は、「協力」及び「非協力」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける「協力」の度合い又は割合と、「非協力」の度合い又は割合との重み付けを含む差又は比を算出し、算出された当該差又は比に係る情報を、当該推定対象グループの協力に関する状態とする
    ことを特徴とする請求項１に記載のグループ状態推定プログラム。
  3. 参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループの状態を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
    当該参加者についてのグループの状態に関わる１つの特性と、当該１つの特性に類似若しくは関連する特性とを含む特性群に含まれる特性毎に、当該特性に対応付けられた語、句、節又は文である設定された特性語を取得する特性語取得手段と、
    推定対象グループで提供された情報に係るテキストから当該特性語を抽出する特性語抽出手段と、
    抽出された特性語であって、当該１つの特性及び当該類似若しくは関連する特性の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける当該１つの特性の度合い又は割合と、当該類似若しくは関連する特性の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、当該推定対象グループの当該１つの特性に関する状態とするグループ状態決定手段と
    してコンピュータを機能させることを特徴とするグループ状態推定プログラム。
  4. 前記プログラムは、当該グループの参加者又は当該グループに係る事項に協力しない程度を表す「非協力」、及び当該グループの参加者に対するいじめ、強制又は脅しを表す「威圧」を含む複数の当該特性を採用し、
    前記グループ状態決定手段は、「非協力」及び「威圧」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける「非協力」の度合い又は割合と、「威圧」の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、当該推定対象グループの非協力に関する状態とする
    ことを特徴とする請求項３に記載のグループ状態推定プログラム。
  5. 前記プログラムは、当該グループの参加者又は当該グループに係る事項について指導する力を表す「指導」、及び当該グループに関係する分野についての学習度又は専門度を表す「学習性又は専門性」を含む複数の当該特性を採用し、
    前記グループ状態決定手段は、「指導」及び「学習性又は専門性」の各々に対応付けられた特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける「指導」の度合い又は割合と、「学習性又は専門性」の度合い又は割合との重み付けを含む和又は積を算出し、算出された当該和又は積に係る情報を、当該推定対象グループの指導に関する状態とする
    ことを特徴とする請求項３又は４に記載のグループ状態推定プログラム。
  6. 参加者がテキスト情報又はテキスト化可能な情報を提供し合うようなグループの状態を推定する装置に搭載されたコンピュータを機能させるプログラムであって、
    当該参加者についての特性であってグループの状態に関わる少なくとも１つの特性毎に、当該特性に対応付けられた語、句、節又は文である設定された特性語を取得する特性語取得手段と、
    推定対象グループで提供された情報に係るテキストから当該特性語を抽出する特性語抽出手段と、
    抽出された特性語の出現数又は出現比率に基づいて、当該推定対象グループにおける当該特性の度合い又は割合を算出し、さらに、当該出現数又は出現比率の偏差に基づいて、算出した当該特性の度合い又は割合を、複数段階をもって表現する客観推定値を算出するグループ状態決定手段と、
    当該グループの評価者による当該グループの評価を、当該複数段階をもって表現した主観評価値を取得可能な主観評価値取得手段と、
    複数のグループにおける客観推定値と主観評価値との間の相関の度合いをより高くするように、推定に使用される当該特性語、及び／又は当該複数段階を規定する閾値を変更する推定精度調整手段と
    してコンピュータを機能させることを特徴とするグループ状態推定プログラム。
JP2015148321A 2015-07-28 2015-07-28 特性語によってグループ状態を推定可能なプログラム Active JP6576141B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015148321A JP6576141B2 (ja) 2015-07-28 2015-07-28 特性語によってグループ状態を推定可能なプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015148321A JP6576141B2 (ja) 2015-07-28 2015-07-28 特性語によってグループ状態を推定可能なプログラム

Publications (2)

Publication Number Publication Date
JP2017027536A JP2017027536A (ja) 2017-02-02
JP6576141B2 true JP6576141B2 (ja) 2019-09-18

Family

ID=57949750

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015148321A Active JP6576141B2 (ja) 2015-07-28 2015-07-28 特性語によってグループ状態を推定可能なプログラム

Country Status (1)

Country Link
JP (1) JP6576141B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6744235B2 (ja) * 2017-02-06 2020-08-19 Kddi株式会社 通知装置、通知方法及び通知プログラム
JP7149019B2 (ja) * 2018-01-16 2022-10-06 ハイラブル株式会社 音声分析装置、音声分析方法、音声分析プログラム及び音声分析システム
JP7392259B2 (ja) * 2018-12-04 2023-12-06 日本電気株式会社 学習支援装置、学習支援方法およびプログラム
JP6884952B1 (ja) * 2020-01-29 2021-06-09 株式会社クリディアル 状態確認プログラム
JP7358265B2 (ja) * 2020-02-13 2023-10-10 株式会社日立ドキュメントソリューションズ 特性評価システムおよびその方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02156376A (ja) * 1988-12-08 1990-06-15 Fujitsu Ltd 機械翻訳方法
JP3698454B2 (ja) * 1995-04-07 2005-09-21 富士通株式会社 並列句解析装置および学習データ自動作成装置
JP2000099570A (ja) * 1998-09-22 2000-04-07 Fuji Xerox Co Ltd 会議支援システム
JP2001282786A (ja) * 2000-03-27 2001-10-12 Internatl Business Mach Corp <Ibm> 機械翻訳システム、機械翻訳方法及び機械翻訳方法を実行するためのプログラムを記憶した記憶媒体
JP2003216563A (ja) * 2002-01-24 2003-07-31 Japan Research Institute Ltd コミュニティの分析方法、および、コミュニティ分析サーバ
JP2006163812A (ja) * 2004-12-07 2006-06-22 Hitachi Software Eng Co Ltd 文書から語群を抽出する方法及び装置
WO2008078555A1 (ja) * 2006-12-22 2008-07-03 Nec Corporation 会議制御方法、システム及びプログラム
JP5685014B2 (ja) * 2010-07-01 2015-03-18 Kddi株式会社 ディスカッション健全度算出装置
JP5853595B2 (ja) * 2011-10-31 2016-02-09 富士通株式会社 形態素解析装置、方法、プログラム、音声合成装置、方法、プログラム
JP6115074B2 (ja) * 2012-10-25 2017-04-19 株式会社リコー 情報提示システム、情報提示装置、プログラムおよび情報提示方法

Also Published As

Publication number Publication date
JP2017027536A (ja) 2017-02-02

Similar Documents

Publication Publication Date Title
JP6576141B2 (ja) 特性語によってグループ状態を推定可能なプログラム
US10366707B2 (en) Performing cognitive operations based on an aggregate user model of personality traits of users
US10984386B2 (en) Interview system
US10013890B2 (en) Determining relevant feedback based on alignment of feedback with performance objectives
US9691412B2 (en) Conferencing system and method for controlling the conferencing system
US10282409B2 (en) Performance modification based on aggregation of audience traits and natural language feedback
Stewart et al. Multimodal modeling of collaborative problem-solving facets in triads
US9495361B2 (en) A priori performance modification based on aggregation of personality traits of a future audience
JP6649461B1 (ja) プログラム、情報処理装置及び情報処理方法
US20220199080A1 (en) Voice coaching system and related methods
US11790887B2 (en) System with post-conversation representation, electronic device, and related methods
US20160170938A1 (en) Performance Modification Based on Aggregate Feedback Model of Audience Via Real-Time Messaging
JP6570465B2 (ja) 重要語によって参加者の貢献度を推定可能なプログラム、装置及び方法
JP7531164B2 (ja) 発話解析装置、発話解析方法及びプログラム
JP2019139625A (ja) 情報処理装置及び情報処理プログラム
JP5685014B2 (ja) ディスカッション健全度算出装置
JP7152453B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム及び情報処理システム
WO2022101993A1 (ja) 対話評価方法、対話評価装置及びプログラム
US20220172711A1 (en) System with speaker representation, electronic device and related methods
EP4362444A1 (en) Computer system, method, and program for improving relations with individual parties in two-party communication
JP7152825B1 (ja) ビデオセッション評価端末、ビデオセッション評価システム及びビデオセッション評価プログラム
Buz et al. Assessing automatic VOT annotation using unimpaired and impaired speech
Batliner et al. More than fifty years of speech and language processing-the rise of computational paralinguistics and ethical demands
Alepis et al. Knowledge engineering for affective bi-modal interaction in mobile devices
Cardona Effective Oral Communication Skills in Business: An Action Research on Course-Content Enrichment of English 14 of BSBA Students of The College of Business, Entrepreneurship and Accountancy at The Cagayan State University, Andrews Campus

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180212

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190124

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190130

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190326

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190628

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190807

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190819

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190820

R150 Certificate of patent or registration of utility model

Ref document number: 6576141

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150