JP6687795B1

JP6687795B1 - 行動変容促進装置

Info

Publication number: JP6687795B1
Application number: JP2019159892A
Authority: JP
Inventors: 千雅兼田; 博之箱田; 高康山口
Original assignee: NTT Docomo Inc
Current assignee: NTT Docomo Inc
Priority date: 2019-09-02
Filing date: 2019-09-02
Publication date: 2020-04-28
Anticipated expiration: 2039-09-02
Also published as: JP2021039518A

Abstract

【課題】ユーザのリスク低減に対する他人の貢献度を算出すること。【解決手段】行動変容促進装置１００は、特定の第１のユーザのリスクを、第１のユーザに関連付けられた情報を基に推定するリスク推定部１０１と、第１のユーザのリスクを基に、当該第１のユーザの行動変容の促進に関する評価値を算出する行動変容評価部１０５と、第１のユーザに対して行動変容を促進する第２のユーザを、第１のユーザ及び第２のユーザに関連付けられた情報を基に抽出する行動変容促進部１０３と、第２のユーザに対して評価値を割当値として付与し、割当値を所定の処理に引き渡すインセンティブ付与部１０７とを備える。【選択図】図１

Description

本発明の一側面は、ユーザに対して他のユーザの行動変容を促進させる行動変容促進装置に関する。

従来から、ユーザのアクセス情報等に基づきユーザ行動を促進する行動促進情報を報知し、促進対象のユーザの行動情報を蓄積し、その情報を基にユーザ行動の促進効果を判定する技術が知られている（下記特許文献１参照。）。また、ユーザの身長、体重等の身体情報から利用者の健康状態が改善したかを判定し、改善した場合に身体情報と行動情報から健康状態の改善に寄与した行動を抽出することも行われている（下記特許文献２参照。）。

特開２０１３−２０５８７号公報特開２０１５−２００９６９号公報

しかしながら、特許文献１及び特許文献２に記載の技術においては、ユーザのリスクの低減に寄与すると想定される他人は特定されていないだけでなく、他人が当該ユーザのリスクをどの程度低減させたかという効果は評価されておらず、また寄与の度合いに応じた他人へのなんらかの評価の付与も無かった。したがって、他人が当該ユーザのリスクを低減することを促進することを困難にしている。

そこで、上述の課題を解決するために、ユーザのリスク低減に対する他人の貢献度を算出することのできる行動変容促進装置を提供することを目的とする。

本実施形態の行動変容促進装置は、特定の第１のユーザのリスクを、第１のユーザに関連付けられた情報を基に推定するリスク推定部と、第１のユーザのリスクを基に、当該第１のユーザの行動変容の促進に関する評価値を算出する評価部と、第１のユーザに対して行動変容を促進する第２のユーザを、第１のユーザ及び第２のユーザに関連付けられた情報を基に抽出するユーザ抽出部と、第２のユーザに対して評価値を割当値として付与し、割当値を所定の処理に引き渡す付与部と、を備える。

本実施形態によれば、特定の第１のユーザのリスクが推定され、その第１のユーザの行動変容の促進に関する評価値が算出され、第１のユーザに対して行動変容を促進する第２のユーザに対して、その評価値が割当値として付与され、その割当値が所定の処理に引き渡される。これにより、ユーザのリスク低減に対する他人の貢献度を算出することができ、その貢献度に応じて所定の処理を実行させることができる。その結果、他人に対して特定のユーザのリスク低減の促進に関するインセンティブを与えることができる。

本発明によると、ユーザのリスク低減に対する他人の貢献度を算出することができ、ユーザに対して他のユーザの行動変容を効果的に促進させることができる。

本実施形態の行動変容促進装置１００の機能構成を示すブロック図である。推定リスクＤＢのデータ構成の具体例を示す図である。ユーザ情報ＤＢのデータ構成の具体例を示す図である。リスク情報ＤＢのデータ構成の具体例を示す図である。リスク理解度ＤＢのデータ構成の具体例を示す図である。行動情報ＤＢのデータ構成の具体例を示す図である。行動変容履歴ＤＢのデータ構成の具体例を示す図である。行動変容促進装置１００のリスク推定処理を示すフローチャートである。行動変容促進装置１００におけるリスク推定モデル１０６ｃの構築処理を示すフローチャートである。行動変容促進装置１００における行動変容促進処理を示すフローチャートである。行動変容促進装置１００における行動変容促進処理によって提示される画面のイメージを示す図である。行動変容促進装置１００におけるリスク理解度算出処理を示すフローチャートである。行動変容促進装置１００における行動変容評価処理を示すフローチャートである。変形例に係る行動変容促進装置１００における行動変容促進処理によって提示される画面のイメージを示す図である。本開示の一実施の形態に係る行動変容促進装置１００のハードウェア構成の一例を示す図である。

添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

図１は、本実施形態の行動変容促進装置１００の機能構成を示すブロック図である。図１に示されるとおり、行動変容促進装置１００は、リスク推定部１０１、リスク理解度算出部１０２、行動変容促進部（ユーザ抽出部、提示部）１０３、リスク推定モデル構築部１０４、行動変容評価部１０５（評価部）、インセンティブ付与部（ユーザ抽出部、付与部）１０７、及び記憶部１０６を含んでいる。この記憶部１０６は、リスク情報ＤＢ１０６ａ、ユーザ情報ＤＢ１０６ｂ、リスク推定モデル１０６ｃ、推定リスクＤＢ１０６ｄ、リスク理解度ＤＢ１０６ｅ、行動情報ＤＢ１０６ｆ、行動変容履歴ＤＢ１０６ｇを記憶している。

リスク推定部１０１は、記憶部１０６に記憶されている特定のユーザ（第１のユーザ）に関するユーザ情報ＤＢ１０６ｂおよびリスク推定モデル１０６ｃに基づいて第１のユーザのリスクを推定する部分である。なお、リスク推定部１０１は、リスク推定モデル１０６ｃを参照することなく、所定のルールに基づいてユーザ情報のみからリスク情報を推定してもよい。例えば、ユーザ情報に含まれる情報（例えば、国内旅行回数、海外旅行回数等）のみから所定のルール（例えば、計算式「リスク量＝国内旅行回数＋２×海外旅行回数」）を用いて、所定種別のリスク（例えば旅行に関するリスク）を推定することができる。リスク推定部１０１は、第１のユーザのリスクの推定とともに、そのリスクの要因に関するリスク要因を特定し、そのリスクの種別、リスクの程度を示すリスク量、及びリスク要因を含む推定リスク情報を、第１のユーザを識別する人物識別子と、そのリスクが算出された時刻を示す日時情報とともに推定リスクＤＢ１０６ｄに蓄積して記憶する。

図２には、推定リスクＤＢ１０６ｄに記憶された推定リスク情報の一例を示している。推定リスク情報は、第１のユーザを識別する人物識別子、リスクが算出された日時情報に関連付けて記憶される。推定リスク情報は、例えば旅行中の事故の危険性の程度などを想定しており、旅行に関係するリスクを算出する場合には、過去に旅行中に事故に巻き込まれた回数を基にリスクの大小を推定することなどが考えられる。例えば、推定リスク情報は、リスク種別「レジャー」、リスク量「５」、及びリスク要因「頻度増」などを含む。日時は、その推定リスクが算出された時刻を示す日時情報である。

また、図３には、ユーザ情報ＤＢ１０６ｂに記憶されたユーザ情報の一例を示している。ユーザ情報ＤＢ１０６ｂは、ユーザ情報を記述するデータベース（ＤＢ）である。図３に示される通り、ユーザ情報は、ユーザを識別するための人物識別子と、ユーザ情報が記憶された時刻を示す日時とに関連付けて記憶され、性別、年代等などの属性情報と、ユーザの行動に関する行動情報、ユーザの位置情報などのすべてまたは一部とを含む。

リスク推定モデル構築部１０４は、各ユーザの過去のリスクを示すリスク情報ＤＢ１０６ａおよびユーザ情報ＤＢ１０６ｂに基づいて、リスク推定モデル１０６ｃを構築する部分である。リスク推定モデル構築部１０４は、ユーザ情報を説明変数とし、リスク情報を目的変数とした学習処理を行うことで、リスク推定モデル１０６ｃを構築することができる。リスク推定モデル１０６ｃは、ユーザ情報を入力して、それに対応するユーザのリスクを推定するための推定モデルである。リスク推定モデル構築部１０４は、構築したリスク推定モデル１０６ｃを記憶部１０６に記憶する。

図４には、リスク情報ＤＢ１０６ａに記憶されたリスク情報のデータ構成の一例を示す。リスク情報ＤＢ１０６ａは、各ユーザの過去のリスクに関するリスク情報を記述するデータベースである。リスク情報は、ユーザを識別する人物識別子、そのユーザにおいてリスクが発生した時刻を示す日時、およびそのリスクを特定するリスク情報を含む。リスク情報は、例えば事故の有無などを想定しており、旅行に関係するリスクを算出する場合には、旅行中に事故に巻き込まれた回数などが考えられる。日時は、そのリスク情報が登録または観測された日時情報である。図４に示す例においては、レジャー、スポーツなどの各種別のリスクの程度を示す数値が、人物識別子、日時に関連付けて記憶されている。

上記のようなデータ構成のリスク情報ＤＢ１０６ａ及びユーザ情報ＤＢ１０６ｂに基づいて、リスク推定モデル構築部１０４は、リスク推定モデル１０６ｃを構築する。リスク推定部１０１は、このリスク推定モデル１０６ｂを用いることによって、特定の第１のユーザのリスクを推定することができると同時にその推定するリスクを高めている要因を特定することによりリスク要因も特定することができる。なお、リスク推定モデル構築部１０４は、リスク推定モデル１０６ｃの構築の際に、複数種別のリスク情報を用いているが、これに限定されるものではない。リスク推定モデル構築部１０４は、複数種別のリスクごとに複数のリスク推定モデルを構築してもよい。

リスク理解度算出部１０２は、ユーザ情報ＤＢ１０６ｂ、推定リスクＤＢ１０６ｄ、および行動変容履歴ＤＢ１０６ｇに基づいて、ユーザのリスクの理解度を算出する。また、リスク理解度算出部１０２は、算出したユーザのリスク理解度をリスク理解度ＤＢ１０６ｅに記憶する。図５には、リスク理解度ＤＢ１０６ｅに記憶されたリスク理解度情報のデータ構成の一例を示す。図５に示すように、リスク理解度ＤＢ１０６ｅは、リスク理解度算出部１０２により算出されたリスク理解度情報を記述するデータベースであり、ユーザを識別する人物識別子、及び日時情報に関連付けて、リスク種別およびリスク理解度を示す数値を含むリスク理解度情報を記述する。

また、リスク理解度算出部１０２は、推定リスクＤＢ１０６ｄに記述されている推定リスク情報に基づいて、ユーザのリスク理解度を算出してもよい。例えば、リスク理解度算出部１０２は、ユーザの推定リスクのリスク量の所定の時間における変化を求め、リスク量が減少した場合には、当該ユーザは当該時間においてリスク理解度が高くなったとみなしてリスク理解度を算出する。また、リスク理解度算出部１０２は、任意のタイミングで、ユーザ情報ＤＢ１０６ｂに記憶された行動情報を含むユーザ情報を基に、過去にリスクに起因する事故等の事象の経験の度合い、リスクに対応するための過去の対策（保険加入）の有無、リスクに対応した行動変容の有無、リスクに対する専門的な知識あるいは知見の有無等を判定し、その判定結果に応じてリスク理解度を算出してもよい。また、リスク理解度算出部１０２は、行動変容履歴ＤＢ１０６ｇに記憶された行動変容履歴情報を基にユーザのリスク理解度を算出してもよい（詳細は後述する。）。

行動変容促進部１０３は、ユーザ情報ＤＢ１０６ｂ、リスク情報ＤＢ１０６ａ、推定リスクＤＢ１０６ｄ、及びリスク理解度ＤＢ１０６ｅを基に、第１のユーザに対して所定のリスク種別のリスクの低減のための行動変容（行動変化）を促進しうる１人以上の第２のユーザを抽出する。例えば、行動変容促進部１０３は、リスク情報ＤＢ１０６ａまたは推定リスクＤＢ１０６ｄを参照することにより、所定のリスク種別について第１のユーザが高いリスク量を保有していると判断される時に、当該所定のリスク種別に関するリスク理解度が閾値以上のユーザを、リスク理解度ＤＢ１０６ｅを参照することにより抽出する。さらに、行動変容促進部１０３は、抽出したユーザの中から、ユーザ情報ＤＢ１０６ｂを参照することにより、第１のユーザと関係性の深い（友達関係にある、家族である等）第２のユーザを抽出する。このとき、行動変容促進部１０３は、リスク理解度のみに基づいて（第１のユーザとの関係性に関わらず）第２のユーザを抽出してもよいし、リスク情報ＤＢ１０６ａあるいは推定リスクＤＢ１０６ｄを基に、第１のユーザと同一種別のリスクあるいは同一のリスク要因を抱えるユーザを第２のユーザとして抽出してもよい。

また、行動変容促進部１０３は、リスク情報ＤＢ１０６ａまたは推定リスクＤＢ１０６ｄを基に、抽出した第２のユーザに対して第１のユーザのリスクに関する情報を提示する。この提示によって、第２のユーザに対して、第１のユーザにおけるリスク低減のための行動変容を促進させることができる。リスクに関する情報には、第１のユーザのリスク種別およびリスク要因のほか、第２のユーザ自身の過去のリスク種別およびリスク要因が含まれてもよい。この提示タイミングは、任意のタイミング（たとえば、１日に１回、１週間に１回）でよく、提示内容は、具体的なリスクあるいはリスク要因の提示などでよく、第２のユーザへの提示形式は、会話形式でのリスクの説明、あるいは客観的なデータに基づくリスクの説明であってよく、提示時に用いる通信方式（プロトコル）は、メール、ｗｅｂ、プッシュ通知などであってよい。なお、第１のユーザの情報を第２のユーザに提示する際には、第１のユーザの同意に関する情報を予め取得する。あるいは、第１のユーザの情報を匿名性を持たせるように加工して提示してもよい。そして、行動変容促進部１０３は、評価値を除く提示した情報に対応する行動変容履歴情報（詳細は後述する。）を、行動変容履歴ＤＢ１０６ｇに格納する。

また、行動変容促進部１０３は、不特定多数のユーザに対して所定のリスク種別のリスクの低減のための行動変容を促進しうる第２のユーザを抽出する機能も有する。例えば、行動変容促進部１０３は、リスク情報ＤＢ１０６ａまたは推定リスクＤＢ１０６ｄを参照することにより、所定のリスク種別について比較的多数のユーザが高いリスク量を保有していると判断される時に、当該所定のリスク種別に関するリスク理解度が閾値以上のユーザを、リスク理解度ＤＢ１０６ｅを参照することにより抽出する。さらに、行動変容促進部１０３は、抽出したユーザの中から、ユーザ情報ＤＢ１０６ｂを参照することにより、所定のリスク種別のリスクが一般的に高いと予測される属性を有する（２０代男性である等）第２のユーザを抽出する。このとき、行動変容促進部１０３は、リスク理解度のみに基づいて（属性等に関わらず）第２のユーザを抽出してもよいし、リスク情報ＤＢ１０６ａあるいは推定リスクＤＢ１０６ｄを基に、所定のリスク種別のリスクを抱えるユーザを第２のユーザとして抽出してもよい。

上記のように、不特定多数のユーザに行動変容を促進しうる第２のユーザを抽出した場合には、行動変容促進部１０３は、リスク情報ＤＢ１０６ａまたは推定リスクＤＢ１０６ｄを基に、抽出した第２のユーザに対して所定のリスク種別のリスクに関する情報を提示する。この提示によって、第２のユーザに対して、不特定多数のユーザにおけるリスク低減のための行動変容を促進させることができる。リスクに関する情報には、不特定多数のユーザ全体のリスクの推移、当該リスクの要因とされたリスク要因の全体傾向等が含まれてもよい。この提示タイミングおよび提示形式は、上述したものと同様である。その後、行動変容促進部１０３は、各ユーザの行動変容の促進に関する過去の行動情報が記憶された行動情報ＤＢ１０６ｆを基に、第２のユーザの行動変容の促進に関する行動情報を抽出し、その行動情報とユーザ情報ＤＢ１０６ｂに記憶されたユーザ情報とを基に、第２のユーザによって行動変容の促進を受けた第１のユーザを抽出する。

図６には、行動情報ＤＢ１０６ｆに記憶された行動情報のデータ構成の一例を示している。この行動情報は、ユーザによる登録によって行動情報ＤＢ１０６ｆに記憶されてもよいし、何らかのセンシングによって行動が検出されることにより記憶されてもよい。行動情報ＤＢ１０６ｆには、一例として、ユーザを識別する人物識別子及び行動の時刻を示す日時に対して、行動種別と行動の場所を示す位置情報とが関連付けて記憶されている。行動変容促進部１０３は、行動情報ＤＢ１０６ｆに記憶された行動情報とユーザ情報ＤＢ１０６ｂに記憶されたユーザ情報との関連性を判断することにより、第１のユーザを抽出する。具体的には、第２のユーザの行動情報に含まれる位置情報の示す位置と近い位置を示す位置情報を含むユーザ情報を、ユーザ情報ＤＢ１０６ｂから抽出することにより、第１のユーザを抽出する。そして、行動変容促進部１０３は、評価値を除く提示した情報に対応する行動変容履歴情報（詳細は後述する。）を、行動変容履歴ＤＢ１０６ｇに格納する。

行動変容評価部１０５は、第１のユーザのリスクの時間的変化を基に、第１のユーザの行動変容の促進度合いを評価する。具体的には、行動変容評価部１０５は、行動変容履歴ＤＢ１０６ｇ及び推定リスクＤＢ１０６ｄを参照し、行動変容促進部１０３によって第２のユーザに情報が提示された後に、第１のユーザのリスク量の時間的変化、具体的にはリスク量の減少量を基に、第１のユーザの行動変容の促進度合いを示す評価値を算出する。このとき、行動変容評価部１０５は、第２のユーザが提示された情報を確認した日時（基準時間）を基に、基準時間の前後におけるリスク量の変化を求め、その変化に基づいて評価値を算出する。また、行動変容評価部１０５は、第２のユーザに情報を提示した日時を基準時間とし、基準時間の前後におけるリスク量の変化を求め、その変化に基づいて評価値を算出してもよい。

インセンティブ付与部１０７は、行動変容評価部１０５によって算出された評価値を、第２のユーザにインセンティブ値（割当値）として付与する。そして、インセンティブ付与部１０７は、第２のユーザに付与したインセンティブ値を後続の所定の処理に引き渡す。この所定の処理は、行動変容促進装置１００の内部で実行される処理であってもよいし、行動変容促進装置１００の外部の装置で実行される処理であってもよい。所定の処理の例としては、複数の第２のユーザ毎にインセンティブ値が加算されたポイントのランキングを可視化して表示する処理であってもよいし、各ユーザの保険料を計算する処理であってもよいし、各ユーザ毎にポイントを付与して管理する処理であってもよい。この所定の処理は、第２のユーザのインセンティブ値に応じて第２のユーザの保険料を下げる、インセンティブ値に応じてポイントを加算する等の第２のユーザに対して第１のユーザの行動変容の促進に対するモチベーションを与える処理である。

また、インセンティブ付与部１０７は、第２のユーザに付与された評価値を、行動変容履歴ＤＢ１０６ｇに格納されている該当する行動変容履歴情報に追加して記憶する。図７には、行動変容履歴ＤＢ１０６ｇに記憶される行動変容履歴情報のデータ構成の一例を示す。この行動変容履歴ＤＢ１０６ｇには、行動変容の被促進側のユーザである第１のユーザを識別する人物識別子、行動変容の促進側のユーザである第２のユーザを識別する人物識別子、及び、評価値が算出された時間を示す日時情報に、リスク種別とインセンティブ値である評価値とが関連付けて記憶される。この日時は、具体的には、評価値の算出に用いられる基準時間を示す。なお、行動変容履歴ＤＢ１０６ｇには、インセンティブ付与部１０７によって付与された評価値のみでなく、他のＤＢの内容が反映されていてもよい。

ここで、インセンティブ付与部１０７は、行動変容促進部１０３によって複数の第２のユーザが抽出された場合には、評価値を複数の第２のユーザに対して複数の第２のユーザのリスク理解度及び第２のユーザの第１のユーザとの関係性に応じて重み付けすることにより、インセンティブ値として付与する。すなわち、インセンティブ付与部１０７は、リスク理解度ＤＢ１０６ｅ又はユーザ情報ＤＢ１０６ｂを参照し、行動変容評価部１０５によって算出された評価値を、複数の第２のユーザに対して、それぞれのユーザのリスク理解度及び関係性に応じて配分する。例えば、所定の第２のユーザのリスク理解度が高い、もしくは所定の第１のユーザと所定の第２のユーザが親しい関係にある等の場合には、当該所定の第１のユーザに対する当該第２のユーザの行動変容の促進は効果があるとみなし、評価値を配分してもよい。より具体的には、行動変容評価部１０５によって算出された評価値をＸとし、ｎ人（ｎは２以上の自然数）の第２のユーザの重み係数がｗ_ｋ（ｋは１以上ｎ以下の自然数、Σｗ_ｋ＝１）と計算された場合は、その第２のユーザのインセンティブ値は、ｗ_ｋ×Ｘと計算される。なお、この重み係数ｗ_ｋは、そのユーザの理解度及び関係性に応じて決定されるが、理解度のみもしくは関係性のみから決定されてもよい。

上記のようにして記憶された行動変容履歴ＤＢ１０６ｇは、上述したリスク理解度算出部１０２におけるリスク理解度の算出時に利用される。詳細には、リスク理解度算出部１０２により、ユーザ情報ＤＢ１０６ｂ及び推定リスクＤＢ１０６ｄに加えて、行動変容履歴ＤＢ１０６ｇの内容も考慮されてリスク理解度が算出される。例えば、行動変容の被促進側のユーザ（第１のユーザ）に関するリスク理解度の算出時に、行動変容履歴情報に含まれる評価値も考慮されてよく、評価値が閾値より高い場合にリスク理解度が増加されるなどの処理を行ってもよい。また、行動変容の促進側のユーザ（第２のユーザ）に関するリスク理解度の算出時にも、行動変容履歴情報に含まれる評価値が考慮されてもよい。

このように構成された行動変容促進装置１００の処理について説明する。図８は、行動変容促進装置１００のリスク推定処理を示すフローチャートである。図８に示されるとおり、リスク推定部１０１は、ユーザ情報ＤＢ１０６ｂから、所定タイミング、または行動変容促進装置１００のオペレータ若しくはユーザの指示に従って、指定された一のユーザ（第１のユーザ）のユーザ情報を取得する（Ｓ１０１）。そして、リスク推定部１０１は、取得したユーザ情報をリスク推定モデル１０６ｃに適用して、推定リスクを取得する（Ｓ１０２）。リスク推定部１０１は、取得した推定リスクに関する推定リスク情報を推定リスクＤＢ１０６ｄに記憶する（Ｓ１０３）。この推定処理は、時間経過とともに繰り返して行われ、推定リスクＤＢ１０６ｄには、時系列でユーザごとのリスクが記述される。

つぎに、リスク推定モデル１０６ｃの構築および学習処理について説明する。図９は、行動変容促進装置１００におけるリスク推定モデル１０６ｃの構築処理を示すフローチャートである。リスク推定モデル構築部１０４は、ユーザ情報およびリスク情報を、それぞれユーザ情報ＤＢ１０６ｂおよびリスク情報ＤＢ１０６ａから取得する（Ｓ２０１）。そして、リスク推定モデル構築部１０４は、教師あり学習による学習処理を行う（Ｓ２０２）。ここでは、ユーザ情報を説明変数とし、リスク情報を目的変数とする学習処理を行う。そして、リスク推定モデル構築部１０４は、学習処理により構築したリスク推定モデル１０６ｃを、記憶部１０６に記憶する（Ｓ２０３）。すでに記憶部１０６がリスク推定モデル１０６ｃを記憶している場合には、更新処理を行ってもよい。このリスク推定モデル１０６ｃの更新処理は、定期的に行われ、常に最新の推定モデルが構築されていてもよい。

つぎに、行動変容促進処理について説明する。図１０は、行動変容促進装置１００の行動変容促進処理のフローチャートである。行動変容促進部１０３は、所定タイミング、または行動変容促進装置１００のオペレータ若しくはユーザの指示に従って、ユーザ情報ＤＢ１０６ｂ、推定リスクＤＢ１０６ｄ、リスク理解度ＤＢ１０６ｅから、各ユーザのユーザ情報、推定リスク情報、及びリスク理解度情報を取得する（Ｓ３０１）。そして、行動変容促進部１０３は、指定された一のユーザであるユーザＡを、行動変容を促進する対象のユーザ（第１のユーザ）として特定する（Ｓ３０２）。次に、行動変容促進部１０３は、ユーザＡのユーザ情報及び推定リスク情報と、他のユーザのユーザ情報及びリスク理解度情報を参照して、行動変容の促進対象のユーザＡのリスクの種別に関するリスク理解度が高く、ユーザＡと関係性の深いユーザＢを、行動変容を促進するユーザ（第２のユーザ）として特定する（Ｓ３０３）。その後、行動変容促進部１０３は、ユーザＢに対してユーザＡの行動変容を促進するための情報を提示する（Ｓ３０４）。さらに、行動変容促進部１０３は、評価値を除く提示した情報に対応する行動変容履歴情報を行動変容履歴ＤＢ１０６ｇに格納する（Ｓ３０５）。

図１１には、行動変容促進処理のステップＳ３０４によって提示される画面のイメージの一例を示している。このように、ユーザＢに対して、ユーザＡのリスクの推移、そのリスクの要因と推定されたリスク要因、及びリスク低減の促進を促すメッセージが画面上に提示される。

つぎに、ユーザのリスクに対する理解度を算出する処理について説明する。図１２は、その処理を示すフローチャートである。この処理は図１０に示した行動変容促進処理が実行される前に実行される。ただし、この処理は行動変容促進処理が実行された後に実行され、前回算出されたリスク理解度が更新されてもよい。

リスク理解度算出部１０２は、まず、リスク理解度の計算対象の一のユーザを特定する（ステップＳ４０１）。次に、リスク理解度算出部１０２は、ユーザ情報ＤＢ１０６ｂに記憶された該当ユーザに関するユーザ情報、推定リスクＤＢ１０６ｄに記憶された該当ユーザに関する推定リスク情報、あるいは、行動変容履歴ＤＢ１０６ｇに記憶された該当ユーザに関する行動変容履歴情報を取得する（Ｓ４０２）。ここで、該当ユーザに関する行動変容履歴情報とは、該当ユーザの識別子を促進側の人物識別子あるいは被促進側の人物識別子として含む行動変容履歴情報である。

その後、リスク理解度算出部１０２は、リスク種別ごとのリスク理解度を算出する（ステップＳ４０３）。ここでは、リスク理解度算出部１０２は、推定リスク情報に基づいてリスク種別ごとのリスク理解度を計算してもよいし、ユーザ情報に含まれる行動情報等を基にリスク種別ごとのリスク理解度を計算してもよいし、行動変容履歴情報に含まれるリスク種別ごとの評価値を基にリスク種別ごとのリスク理解度を計算してもよい。

最後に、リスク理解度算出部１０２は、算出した該当ユーザのリスク理解度に関する情報を、人物識別子、日時、及びリスク種別とともにリスク理解度ＤＢ１０６ｅに記憶する（ステップＳ４０４）。以上のステップＳ４０１〜Ｓ４０４の処理は、全てのユーザの全てのリスク種別に関して繰り返し実行される。

図１３は、行動変容促進装置１００の行動変容評価処理を示すフローチャートである。この行動変容評価処理は、一定期間間隔等の所定のタイミングで実行される。行動変容評価部１０５は、行動変容履歴ＤＢ１０６ｇに格納された評価値が未算出の行動変容履歴情報を参照する（ステップＳ５０１）。そして、行動変容評価部１０５は、参照したそれぞれの行動変容履歴情報を基に、行動変容を促進する対象のユーザＡ（第１のユーザ）、行動変容の促進の基準時間を示す日時、及び行動変容の対象のリスクのリスク種別を特定する（ステップＳ５０２）。次に、行動変容評価部１０５は、ユーザＡに関する推定リスク情報を推定リスクＤＢ１０６ｄから読み出し、基準時間の前後の当該リスク種別のリスク量の差を、行動変容の促進を評価する評価値として算出する（ステップＳ５０３）。

その後、インセンティブ付与部１０７は、同一のユーザＡ、同一のリスク種別、及び同一の基準時間に関する行動変容履歴情報が複数記憶されている場合には、それらの情報に含まれる促進側人物識別子によって特定される複数のユーザＢ（第２のユーザ）に、行動変容評価部１０５によって算出された評価値を配分する（Ｓ５０４）。ここでいう「同一の基準時間」とは、基準時間が所定の誤差期間（例えば、１時間）範囲内にある状態を含む。すなわち、インセンティブ付与部１０７は、複数のユーザＢを対象にリスク理解度及びユーザ情報に基づいて重み係数を設定し、それぞれの複数のユーザＢに対して評価値を重み係数に応じて配分するように、インセンティブ値を計算する。次に、インセンティブ付与部１０７は、計算したインセンティブ値をユーザＡ及びユーザＢの双方に付与し、付与したインセンティブ値を所定の処理に引き渡す（Ｓ５０５）。最後に、ユーザＡ及びユーザＢに付与したインセンティブ値を評価値とし、その評価値を該当する行動変容履歴情報に記録する（ステップＳ５０６）。上記のステップＳ５０１〜Ｓ５０６の処理は、行動変容履歴ＤＢ１０６ｇに格納された評価値が未計算の行動変容履歴を対象に、繰り返し実行される。

つぎに、本実施形態の行動変容促進装置１００の作用効果について説明する。この行動変容促進装置１００によれば、特定の第１のユーザのリスクが推定され、その第１のユーザの行動変容の促進に関する評価値が算出され、第１のユーザに対して行動変容を促進する第２のユーザに対して、その評価値がインセンティブ値として付与され、そのインセンティブ値が所定の処理に引き渡される。これにより、ユーザのリスク低減に対する他人の貢献度を算出することができ、その貢献度に応じて所定の処理を実行させることができる。その結果、他人に対してユーザのリスク低減の促進に関するインセンティブを与えることができる。

また、行動変容評価部１０５は、リスクの時間的変化の度合いに応じて上記評価値を算出している。このようにすれば、リスク低減のための行動変容を簡易かつ適切に評価することができ、その評価結果を用いることでユーザのリスク低減に対する他人の貢献度を適切に算出できる。

また、本実施形態では、リスク理解度算出部１０２により、ユーザに付与されたインセンティブ値を基に、ユーザのリスクに関するリスク理解度が算出され、行動変容促進部１０３により、リスク理解度を用いて行動変容を促進するユーザが抽出されている。かかる構成により、より多くの人のリスクの低減に貢献したユーザのリスク理解度が高くすることができるので、ユーザのリスク低減に寄与しうる第２のユーザを効率的に抽出して、第１のユーザのリスク低減を促進することができる。

また、行動変容促進部１０３は、第２のユーザの行動情報とユーザ情報の関連性を判断することにより、第１のユーザを抽出することも行っている。こうすれば、不特定多数のユーザを対象にした第２のユーザによるリスク低減に寄与する行動変容の促進を受けた第１のユーザを漏れなく効率的に抽出することができ、そのような第１のユーザに行動変容の促進に関するインセンティブを与えることができる。

また、インセンティブ付与部１０７は、行動変容促進部１０３によって複数の第２のユーザが抽出された場合には、複数の第２のユーザのそれぞれに対して、当該第２のユーザのリスク理解度あるいは第１のユーザとの関係性に応じて重み付けして割当値を付与している。このような機能により、不特定多数の第２のユーザに対して、第１のユーザのリスク低減に関する貢献度を適切に算出することができる。

また、本実施形態の行動変容促進装置１００は、行動変容促進部１０３が、抽出された第２のユーザに対して第１のユーザのリスクに関連する情報を提示する機能を有している。かかる構成により、第２のユーザに対して、第１のユーザのリスク低減に寄与する行動を効率的に促進させることができる。

また、本実施形態におけるリスク理解度算出部１０２は、行動変容促進部１０３による提示に基づいた基準時間と、第１のユーザのリスク量の変化に基づいて、第１のユーザ及び第２のユーザのリスク理解度を算出している。このようにすれば、第２のユーザによるリスク低減に寄与する行動を起因とした第１のユーザのリスク量の変化を用いることで、第１のユーザ及び第２のユーザのリスクの理解度を適切に算出することができる。

上記実施形態においては、主に確認日時を基準時間として、そのリスク変化からユーザのリスクの理解度を求めた。しかしながら、確認日時に限らず、リスクの提示日時としてもよい。また、リスク変化の前後の基準となる基準時間としては、確認日時のほか、変化点の日時（変化時間）としてもよい。

また、上記実施形態においては、行動変容促進部１０３は、ユーザのサービス利用履歴に関する情報との関連性を判断することにより、第１のユーザを抽出してもよい。例えば、第２のユーザが投稿した内容等を所定のユーザが閲覧したことがサービス利用履歴情報から特定されれば、その結果に基づいて第１のユーザを抽出することができる。こうすれば、第２のユーザによるリスク低減に寄与する情報提供行動を受けた第１のユーザを抽出することができる。

また、上記実施形態においては、行動変容促進部１０３は、不特定多数の第１のユーザに行動変容を促進するための情報を第２のユーザに提示してもよい。図１４には、このような場合に行動変容促進部１０３によって提示される画面のイメージの一例を示している。このように、ユーザＢに対して、不特定多数のユーザ全体のリスクの推移、その不特定多数のユーザのリスクの要因と推定されたリスク要因の全体傾向、及び不特定多数のユーザに対してリスク低減の促進を促すメッセージが画面上に提示される。

また、上記実施形態においては、インセンティブ付与部１０７は、行動変容促進部１０３によって抽出されたユーザ以外に評価値を付与することもできる。すなわち、インセンティブ付与部１０７は、各ユーザの行動変容の促進に関する過去の行動情報が記憶された行動情報ＤＢ１０６ｆを基に、第１のユーザの行動変容を促進した第２のユーザを抽出し、当該第２のユーザに評価値を付与することができる。すなわち、インセンティブ付与部１０７は、行動変容評価部１０５によって評価された第１のユーザのリスクと、行動情報ＤＢ１０６ｆに記憶された行動情報との時間的及び場所的な関連性を判断することにより、第２のユーザを抽出する。具体的には、行動情報ＤＢ１０６ｆの中から、評価対象のリスクのリスク種別と関連する行動種別を含み、ユーザ情報ＤＢ１０６ｂを基に特定される第１のユーザの位置と近い位置情報を含み、かつ、リスクの評価対象の時間に近い日時を含む行動情報を抽出する。そして、インセンティブ付与部１０７は、抽出した行動情報に関連付けられた人物識別子の示すユーザを第２のユーザとして特定する。

このような機能により、例えば、あるユーザの交通事故のリスクが低減された場合に、そのユーザの近くでリスクが低減された時期に交通安全活動を行った他のユーザを、リスク低減に寄与したユーザとして特定することができる。

なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、本開示の一実施の形態における行動変容促進装置１００は、本開示の行動変容評価方法の処理を行うコンピュータとして機能してもよい。図１５は、本開示の一実施の形態に係る行動変容促進装置１００のハードウェア構成の一例を示す図である。上述の行動変容促進装置１００は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。行動変容促進装置１００のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

行動変容促進装置１００における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述のリスク推定部１０１、リスク推定モデル構築部１０４、リスク理解度算出部１０２、行動変容促進部１０３、行動変容評価部１０５、インセンティブ付与部１０７などは、プロセッサ１００１によって実現されてもよい。

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、リスク推定部１０１、リスク推定モデル構築部１０４、リスク理解度算出部１０２、行動変容促進部１０３、行動変容評価部１０５、インセンティブ付与部１０７は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る行動変容評価方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ−ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ−ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述のリスク情報、ユーザ情報を取得するための取得部（図示せず）などは、通信装置１００４によって実現されてもよい。この取得部は、送信部と受信部とで、物理的に、または論理的に分離された実装がなされてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

また、行動変容促進装置１００は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRC Connection Reconfiguration）メッセージなどであってもよい。

本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ−Ａ（LTE-Advanced）、ＳＵＰＥＲ３Ｇ、ＩＭＴ−Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ−ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ８０２．１１（Ｗｉ−Ｆｉ（登録商標））、ＩＥＥＥ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ−Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

情報等は、上位レイヤ（又は下位レイヤ）から下位レイヤ（又は上位レイヤ）へ出力され得る。複数のネットワークノードを介して入出力されてもよい。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。例えば、チャネル及びシンボルの少なくとも一方は信号（シグナリング）であってもよい。また、信号はメッセージであってもよい。また、コンポーネントキャリア（ＣＣ：Component Carrier）は、キャリア周波数、セル、周波数キャリアなどと呼ばれてもよい。

本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。

また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。

上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々なチャネル（例えば、ＰＵＣＣＨ、ＰＤＣＣＨなど）及び情報要素は、あらゆる好適な名称によって識別できるので、これらの様々なチャネル及び情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。

本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。

「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１００…行動変容促進装置、１０１…リスク推定部、１０２…リスク理解度算出部、１０３…行動変容促進部（ユーザ抽出部、提示部）、１０５…行動変容評価部（評価部）、１０７…インセンティブ付与部（ユーザ抽出部、付与部）、１０６ａ…リスク情報ＤＢ、１０６ｂ…ユーザ情報ＤＢ、１０６ｄ…推定リスクＤＢ、１０６ｆ…行動情報ＤＢ、１０６ｇ…行動変容履歴ＤＢ。

Claims

特定の第１のユーザのリスクを、前記第１のユーザに関連付けられた情報を基に推定するリスク推定部と、
前記第１のユーザの前記リスクの時間的変化を基に、当該第１のユーザの行動変容の促進に関する評価値を算出する評価部と、
前記第１のユーザに対して行動変容を促進する第２のユーザを、前記第１のユーザ及び前記第２のユーザに関連付けられた情報を基に抽出するユーザ抽出部と、
前記第２のユーザに対して前記評価値を割当値として付与し、前記割当値を所定の処理に引き渡す付与部と、
を備える行動変容促進装置。
前記評価部は、前記リスクの時間的変化の度合いに応じて前記評価値を算出する、
請求項１に記載の行動変容促進装置。
前記割当値または前記第２のユーザに関連付けられた情報を基に、前記第２のユーザの前記リスクに関するリスク理解度を算出するリスク理解度算出部をさらに備え、
前記ユーザ抽出部は、前記リスク理解度を用いて前記第２のユーザを抽出する、
請求項１または２に記載の行動変容促進装置。
前記ユーザ抽出部は、前記第２のユーザの行動に関する情報との関連性を判断することにより、前記評価値の算出対象の前記第１のユーザをさらに抽出する、
請求項１または２に記載の行動変容促進装置。
前記ユーザ抽出部は、前記第２のユーザのサービス利用履歴に関する情報との関連性を判断することにより、前記評価値の算出対象の前記第１のユーザをさらに抽出する、
請求項１または２に記載の行動変容促進装置。
前記付与部は、ユーザの行動に関する情報と前記第１のユーザのリスクとの関連性を判断することにより、前記評価値の付与対象の前記第２のユーザをさらに特定する、
請求項１〜５のいずれか１項に記載の行動変容促進装置。
前記付与部は、前記ユーザ抽出部によって複数の第２のユーザが抽出された場合には、前記複数の第２のユーザのそれぞれに対して、当該第２のユーザの前記リスク理解度あるいは第１のユーザとの関係性に応じて重み付けして前記割当値を付与する、
請求項３に記載の行動変容促進装置。
前記ユーザ抽出部によって抽出された第２のユーザに対して前記第１のユーザの前記リスクに関連する情報を提示する提示部をさらに備える、
請求項１〜７のいずれか一項に記載の行動変容促進装置。
前記ユーザ抽出部によって抽出された第２のユーザに対して前記第１のユーザの前記リスクに関連する情報を提示する提示部をさらに備え、
前記リスク理解度算出部は、前記提示部による提示に基づいた基準時間と、前記第１のユーザの前記リスクの変化とに基づいて、前記第１のユーザ及び前記第２のユーザの前記リスク理解度を算出する、
請求項３に記載の行動変容促進装置。