JP6696257B2 - ボキャブラリ学習サポートシステム - Google Patents

Description

本明細書に記述されている実装形態は、ボキャブラリ学習サポートシステムに関する。

写真、ゲーム、及びパズルは、コンピュータ支援型言語学習の人気のある方法及び適用例である。又、インターネットの出現に伴って、ウェブページのハイパーリンクを通じた遠隔学習、オンライン教育、訓練資料の出版、学習資源の遠隔アクセス、及び相互参照も、言語学習のために開発されている。

本明細書において特許請求されている主題は、なんらかの欠点を解決するか又は上述のものなどの環境においてのみ動作する実施形態に限定されるものではない。むしろ、この背景の節は、本明細書に記述されているいくつかの実装形態が実施されうる１つの例示用の技術エリアを示すべく提供されるものに過ぎない。

一実装形態の一態様によれば、学習者のボキャブラリを構築するための方法は、一時的ではないコンピュータ可読媒体からの学習者のパーソナルボキャブラリプロファイルにアクセスするステップを含む。パーソナルボキャブラリプロファイルは、１つ又は複数の不安定な単語と、１つ又は複数の安定した単語と、を含む。１つ又は複数の不安定な単語は、学習者によって学習されている１つ又は複数の単語を含む。１つ又は複数の安定した単語は、学習者によって習得済みである１つ又は複数の単語を含む。又、方法は、電子文書中の単語がパーソナルボキャブラリプロファイルの１つ又は複数の不安定な単語に含まれていることに応答して、表示装置に出力される電子文書中の単語を不安定な単語としてマーキングするステップをも含む。又、方法は、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかを通知するべく有効である入力を受け取るステップをも含む。又、方法は、受け取った入力に基づいて、学習者が、不安定な単語としてマーキングされた単語を理解しているかどうかを判定するステップをも含む。又、方法は、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかを通知するように、パーソナルボキャブラリプロファイルを更新するステップも含む。

実装形態の目的及び利点は、少なくとも、請求項において具体的に指摘されている要素、特徴、及び組合せにより、実現及び達成されることになる。

以上の一般的な説明及び以下の詳細な説明は、いずれも、特許請求されている本発明の限定ではなく、例示及び説明を目的としていることを理解されたい。

添付図面を使用し、例示用の実装形態について、更なる具体性及び詳細を伴って記述及び説明することとする。

いくつかの実装形態が実装されうる例示用の動作環境のブロックダイアグラムである。 学習者のボキャブラリを構築するための例示用のボキャブラリ構築サポートシステムを示すブロックダイアグラムである。 図２のシステムに含まれうる例示用のパーソナルボキャブラリプロファイルを示すブロックダイアグラムである。 学習者のボキャブラリを構築するための方法の例示用の流れ図を示す。 ボキャブラリ学習を定型読書行為に統合及び一体化するための方法の例示用の流れ図を示す。 学習者のボキャブラリ知識の現在のレベルを推定するための方法の例示用の流れ図を示す。 学習するべき１つ又は複数のボキャブラリ単語を識別すると共に学習者に推奨するための方法の例示用の流れ図を示す。

いくつかのコンピュータ支援型言語学習システムは、特定のボキャブラリ（語彙）データベース（例えば、ＳＡＴ（登録商標）、ＴＯＥＦＬ（登録商標）、ＧＲＥ（登録商標）、及び／又はＧＭＡＴ（登録商標）ボキャブラリデータベース）から取得された単語及び／又は学習者によって読み取られている電子文書中の特定の難易レベルの単語を強調表示しうる。学習者は、強調表示された単語の説明を要求するべく、その単語の上にマウスを配置することも可能であろうし、その単語をクリックすることも可能であろうし、或いは、その他の方法でなんらかの入力を提供することも可能であろう。強調表示されている単語のうちのいくつかが、ユーザーにとって既知である場合もあり、且つ／又は、強調表示されていないその他の単語が、ユーザーにとって未知である場合もある。ユーザーにとって既知である単語の強調表示処理は、電子文書の読書の際に、学習者の注意を不必要に逸らせる場合がある。又、未知の単語に遭遇し、且つ、学習者が未知の単語の定義又は訳語を調べなければならない場合にも、学習者の注意が電子文書の読書から逸らされる場合があり、或いは、学習者が、未知の単語の定義又は訳語を調べることなしに電子文書の読書を継続した場合には、学習者が、訳がわからない状態となる場合もある。

いくつかのその他のコンピュータ支援型言語学習システムは、（定義及び／又は訳語を含みうる）ボキャブラリリストと、ボキャブラリリストからの単語を含む読書資料と、を別個に提供しうる。このようなシステムは、学習者がなんらかの読書資料を読書した後に、例えば、学習者に対してボキャブラリリストを提示すると共にボキャブラリリスト中の単語を学習者に翻訳又は定義させることにより、学習者を試験しうる。又、このようなシステムは、例えば、次のレッスンの前に学習するべきボキャブラリ単語を推奨すると共に／又は、学習者の成績に応じてそれぞれのレッスンの前に読書資料及び／又はボキャブラリリスト中のボキャブラリの量を増減することにより、学習者の進捗を追跡すると共に学習プロセスを個人化しうる。

上述のシステムとの比較において、本明細書に記述されているいくつかの実装形態は、ボキャブラリ学習を定型読書行為に統合及び一体化することにより、ボキャブラリ学習と定型読書行為を互いに補強しうる。或いは、この代わりに、又はこれに加えて、辞書からの新しい単語ではなく、定型読書行為において見出された新しい単語が、ボキャブラリ構築及び学習のために使用されうる。或いは、この代わりに、又はこれに加えて、学習者のパーソナルボキャブラリプロファイルが、定型読書行為において動的に更新されうると共に／又は、その他のシステムとの比較において、ボキャブラリ学習効率が改善されうる。

本明細書に記述されているいくつかの実装形態は、将来の定型読書行為において学習されるように、学習者の定型読書行為において、学習者が自身が理解していない単語を識別できるようにしうる。又、学習者には、識別された単語の説明が付与されうると共に、識別された単語は、単語が、学習者により、学習者による習得のために十分な回数だけ、読み取られると共に理解される時点まで、将来の定型読書行為において自動的に強調表示されるか又はその他の方法でマーキングされうる。

添付図面を参照し、本発明の実装形態について説明することとする。

図１は、いくつかの実装形態が実装されうる例示用の動作環境１００のブロックダイアグラムである。動作環境は、ネットワーク１０２と、１つ又は複数の学習者装置（以下においては、「１つの学習者装置」又は「複数の学習者装置」）１０４と、ボキャブラリサーバー１０６と、それぞれが特定のレベルを有する１つ又は複数のボキャブラリデータベース（以下においては、「１つのボキャブラリデータベース」又は「複数のボキャブラリデータベース」）１０８と、１つ又は複数の電子文書１１０と、一人又は複数の学習者（以下においては、「一人の学習者」又は「複数の学習者」）１１２と、を含んでもよい。

一般に、ネットワーク１０２は、学習者装置１０４が電子文書１１０にアクセスできるようにすると共に／又は学習者装置１０４、ボキャブラリサーバー１０６、及び／又はボキャブラリデータベース１０８のうちの１つ又は複数が互いに通信できるようにする１つ又は複数のワイドエリアネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ：ＷＡＮ）及び／又はローカルエリアネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ：ＬＡＮ）を含んでもよい。いくつかの実装形態においては、ネットワーク１０２は、複数のＷＡＮ及び／又はＬＡＮの間の論理的且つ物理的接続によって形成されたグローバルインターネットワークを含むインターネットを含む。或いは、この代わりに、又はこれに加えて、ネットワーク１０２は、１つ又は複数のセルラーＲＦネットワーク、及び／又は、１つ又は複数の有線ネットワーク、及び／又は、限定を伴うことなしに、８０２．ｘｘネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）アクセスポイント、無線アクセスポイント、ＩＰに基づいたネットワーク、又はこれらに類似したものなどの無線ネットワークを含んでもよい。又、ネットワーク１０２は、１つのタイプのネットワークが別のタイプのネットワークとインターフェイスできるようにするサーバーを含んでもよい。

電子文書１１０は、少なくともなんらかのテキストコンテンツを含むウェブページ、．ｐｄｆ文書、及び／又はその他のファイルを含んでもよい。電子文書１１０は、ネットワーク１０２を介して学習者装置１０４から又はその他の場所からアクセス可能である１つ又は複数のウェブサーバー（図示されてはいない）においてホスティングされてもよい。或いは、この代わりに、又はこれに加えて、電子文書１１０は、学習者装置１０４上においてローカルにアクセスされてもよく、学習者装置１０４のうちの１つと図１の装置又はサーバーのうちの別のものの間における装置から装置への通信を介して交換されてもよく、且つ／又は、サムドライブ又はその他のコンピュータストレージ媒体を介して交換されてもよい。

学習者装置１０４のそれぞれは、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、携帯電話機、スマートフォン、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ：ＰＤＡ）、ｅ読取器装置、又はその他の適切な学習者装置を含んでもよい。学習者装置１０４は、一般に、テキストコンテンツを含む電子文書１１０にアクセスすると共に学習者１１２に対して表示し、且つ、学習者１１２のボキャブラリを構築するように、構成されてもよい。従って、それぞれの学習者装置１１２は、電子文書読取器１１４と、ボキャブラリ構築器アプリケーション１１６と、ボキャブラリデータ１２０と、表示装置１１８と、を含んでもよい。わかりやすくするべく、図１には、電子文書読取器１１４、ボキャブラリ構築器アプリケーション１１６、ボキャブラリデータ１２０、及び表示装置１１８が、単一の学習者装置１０４について示されており、従って、その他の学習者装置１０４のそれぞれが、同様に、上述のコンポーネントのうちの１つ又は複数を含んでもよい。

電子文書読取器１１４は、ボキャブラリ単語、その他のテキストコンテンツ、及び／又はその他のコンテンツを含みうる電子文書をレンダリングするように構成されてもよい。電子文書のレンダリングは、表示装置上において表示されるように、表示装置への出力のために電子文書のコンテンツをフォーマット処理すると共に／又はその他の方法で処理するステップを含んでもよい。電子文書読取器１１４は、ウェブブラウザ、ｅ読取器アプリケーション、．ｐｄｆ読取器、ワードプロセッサアプリケーション、又はその他の好適な文書ビューア及び／又は文書エディタを含んでもよい。

ボキャブラリ構築器アプリケーション１１６は、一般に、学習者１１２による電子文書１１０の読書を通じたボキャブラリの構築及び学習において学習者１１２の効率及び成績を改善するように構成されてもよい。学習者１１２は、仕事、学校、楽しみ、及び／又はその他の目的のために、電子文書１１０を読書してもよい。ボキャブラリ構築器アプリケーション１１６は、ボキャブラリ学習を定型読書行為に統合及び一体化することにより、ボキャブラリ学習と定型読書行為を互いに補強してもよい。或いは、この代わりに、又はこれに加えて、ボキャブラリ構築器アプリケーション１１６は、辞書からの新しい単語ではなく、定型読書行為において見出された新しい単語をボキャブラリ構築及び学習用の開始点として使用してもよい。或いは、この代わりに、又はこれに加えて、学習者１１２のパーソナルボキャブラリプロファイルは、定型読書行為において動的に更新されてもよく、且つ／又は、ボキャブラリ学習効率は、ボキャブラリ構築器アプリケーション１１６によって改善されてもよい。いくつかの実装形態においては、ボキャブラリ構築器アプリケーション１１６は、電子文書読取器１１４用のプラグインとして実装されてもよい。

ボキャブラリデータ１２０は、電子文書読取器１１４及び／又はボキャブラリ構築器アプリケーション１１６によって使用されるデータを含んでもよい。例えば、ボキャブラリデータ１２０は、少なくとも一時的に学習者装置１０４上において保存されるか又はその他の方法によって学習者装置１０４からアクセス可能である１つ又は複数の電子文書及び／又は学習者１１２のパーソナルボキャブラリプロファイル１２４Ａ又はそのコンポーネントを含んでもよい。

表示装置１１８は、一般に、電子文書読取器１１４によってレンダリングされたテキストコンテンツを含む電子文書１１０を表示するように構成されてもよい。表示装置１１８は、ラップトップコンピュータ、タブレットコンピュータ、携帯電話機、スマートフォン、ＰＤＡ、ｅ読取器装置、又は組込み型モニタを有するその他の学習者装置として実装された学習者装置１０４の組込み型モニタを含んでもよい。或いは、この代わりに、又はこれに加えて、表示装置１１８は、学習者装置１０４とは別個であってもよいと共にこれに対して通信自在に結合されうる外部モニタ、プロジェクタ、テレビ、又はその他の適切な表示装置１１８として実装されてもよい。

ボキャブラリサーバー１０６は、ボキャブラリ構築器アプリケーション１２２及び／又は１つ又は複数のパーソナルボキャブラリプロファイル（以下においては、「１つのパーソナルボキャブラリプロファイル」又は「複数のパーソナルボキャブラリプロファイル」）１２４をホスティングしてもよい。パーソナルボキャブラリプロファイル１２４は、パーソナルボキャブラリプロファイル１２４Ａを含んでもよい。ボキャブラリ構築器アプリケーション１２２は、例えば、ボキャブラリサーバー１０６と学習者装置１０４の間のクライアント―サーバー関係において使用されるボキャブラリ構築器アプリケーション１１６のサーバーに基づいたバージョンを提供してもよい。いくつかの実装形態においては、学習者装置１０４のボキャブラリ構築器アプリケーション１１６は、一般に、ボキャブラリ構築及び学習における学習者１１２の効率及び成績の改善と関連付けられたクライアントサイドコンポーネントを含んでもよく、ボキャブラリ構築器アプリケーション１２２は、一般に、ボキャブラリ構築及び学習における学習者１１２の効率及び成績の改善と関連付けられたサーバーサイドコンポーネントを含んでもよい。

いくつかの実装形態においては、ボキャブラリ構築器アプリケーション１１６、１２２のうちの１つ又は両方は、フィールドブログラム可能なゲートアレイ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ）又は用途固有の集積回路（Ａｐｐｌｉｃａｔｉｏｎ−Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）を含むハードウェアを使用することにより、実装されてもよい。いくつかのその他の実装形態においては、ボキャブラリ構築器アプリケーション１１６、１２２のうちの１つ又は両方は、ハードウェア及びソフトウェアの組合せを使用することにより、実装されてもよい。ボキャブラリ構築器アプリケーション１１６、１２２は、図１の装置及びサーバーの組合せにおいて、又は装置及びサーバーのうちの１つにおいて、保存されてもよい。ボキャブラリ構築器アプリケーション１１６、１２２のうちの１つ又は両方に対応しうるボキャブラリ構築器アプリケーションの例示用の一実装形態については、図２との関係において更に詳細に後述する。

パーソナルボキャブラリプロファイル１２４のそれぞれは、複数の学習者１１２のうちの異なる学習者と関連付けられてもよい。パーソナルボキャブラリプロファイル１２４に対応しうる例示用のパーソナルボキャブラリプロファイルについては、図３との関係において更に詳細に説明する。

ボキャブラリデータベース１０８のそれぞれは、特定レベルのボキャブラリ知識に属する１つ又は複数の単語を含んでもよい。ボキャブラリデータベース１０８は、ＴＯＥＦＬ（Ｔｅｓｔ ｏｆ Ｅｎｇｌｉｓｈ ａｓ ａ Ｆｏｒｅｉｇｎ Ｌａｎｇｕａｇｅ）（登録商標）及び／又はＩＥＬＴＳ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｎｇｌｉｓｈ Ｌａｎｇｕａｇｅ Ｔｅｓｔｉｎｇ Ｓｙｓｔｅｍ）（登録商標）を運営する組織などの任意の組織又はその他の適切な供給源から取得されてもよく、或いは、これらによって定義されたボキャブラリ知識のレベルに基づいたものであってもよい。例えば、図６及び図７との関係において更に詳細に説明するように、ボキャブラリデータベース１０８は、学習者１１２のボキャブラリ知識の現在のレベルを推定するために、且つ／又は、学習するための学習者１１２用のボキャブラリ単語を推奨するために、使用されてもよい。

図２は、本明細書に記述されている少なくとも１つの実装形態に従って構成された学習者のボキャブラリを構築するための例示用のボキャブラリ構築サポートシステム（以下においては、「システム」）２００を示すブロックダイアグラムである。システム２００は、図１の学習者装置１０４及びボキャブラリサーバー１０６のうちのいずれか又は両方を含んでもよく、或いは、これらに対応してもよい。システム２００は、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、携帯電話機、スマートフォン、パーソナルデジタルアシスタント（ＰＤＡ）、ｅ読取器装置、又はその他の適切な演算装置などの任意の適切なフォームファクタを有する演算装置又は演算システムとして実装されてもよい。

システム２００は、いくつかの例に従って、ボキャブラリ構築器アプリケーション２０２と、プロセッサ装置２０４と、通信インターフェイス２０６と、ストレージ２０８と、メモリ２１０と、を含んでもよい。システム２００のコンポーネントは、バス２１２によって通信自在に結合されてもよい。バス２１２は、限定を伴うことなしに、メモリバス、ストレージインターフェイスバス、バス／インターフェイスコントローラ、インターフェイスバス、又はこれらに類似したもの、或いは、これらの任意の組合せを含んでもよい。いくつかの実装形態においては、システム２００は、いずれもバス２１２に結合された電子文書読取器２１４及び表示装置２１６を更に含んでいる。

プロセッサ装置２０４は、本明細書に記述されている動作を実行するか又はその実行を制御するべく、算術論理ユニット、マイクロプロセッサ、汎用コントローラ、又はなんらかのその他のプロセッサアレイを含む。プロセッサ装置２０４は、データ信号を処理し、且つ、ＣＩＳＣ（Ｃｏｍｐｌｅｘ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ｃｏｍｐｕｔｅｒ）アーキテクチャ、ＲＩＳＣ（Ｒｅｄｕｃｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ｃｏｍｐｕｔｅｒ）アーキテクチャ、又は命令セットの組合せを実装したアーキテクチャを含む様々な演算アーキテクチャを含んでもよい。図２は、単一のプロセッサ装置２０４を含んでいるが、複数のプロセッサ装置が含まれてもよい。その他のプロセッサ、オペレーティングシステム、及び物理的構成も可能であろう。

メモリ２１０は、プロセッサ装置２０４によって実行されるか又は稼働されうる命令又はデータを保存する。命令又はデータは、本明細書に記述されている動作を実行するか又はその実行を制御するべく、プロセッサ装置２０４によって実行されうるプログラミングコードを含んでもよい。いくつかの実装形態においては、命令は、プロセッサ装置２０４に特定の機能又は機能のグループを実行させる命令及びデータを含んでもよい。

いくつかの実施形態においては、メモリ２１０は、その上において保存された状態でコンピュータ実行可能命令又はデータ構造を担持するか又は有するためのコンピュータ可読媒体を含んでもよい。このようなコンピュータ可読媒体は、コンピュータ可読媒体上において保存されたコンピュータ実行可能命令を実行するようにプログラムされた処理装置２０２によってアクセスされうる任意の利用可能な媒体であってもよい。例として、且つ、限定を伴うことなしに、このようなコンピュータ可読媒体は、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＲＡＭ）、読出し専用メモリ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ：ＲＯＭ）、電気的に消去可能なプログラム可能な読出し専用メモリ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ：ＥＥＰＲＯＭ）、コンパクトディスク（（登録商標））読出し専用メモリ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ：ＣＤ−ＲＯＭ）、又はその他の光ディスクストレージ、磁気ディスクストレージ、又はその他の磁気ストレージ装置、フラッシュメモリ装置（例えば、半導体メモリ装置）、或いは、コンピュータ実行可能命令又はデータ構造の形態で望ましいプログラムコードを担持するか又は有するべく使用されうると共にプロセッサ装置２０４によってアクセスされうる任意のその他の一時的ではないストレージ媒体を含む一時的ではないコンピュータ可読ストレージ媒体を含んでもよい。又、上述のものの組合せも、コンピュータ可読媒体の範囲に含まれうる。

メモリ２１０は、ボキャブラリデータ２１８を保存してもよい。ボキャブラリデータ２１８は、１つ又は複数の電子文書（以下においては、「１つの電子文書」又は「複数の電子文書」）２２０と、１つ又は複数のパーソナルボキャブラリプロファイル（以下においては、「１つのパーソナルボキャブラリプロファイル」又は「複数のパーソナルボキャブラリプロファイル」）２２２と、を含んでもよい。ボキャブラリデータ２１８は、図１のボキャブラリデータ１２０に対応してもよい。或いは、この代わりに、又はこれに加えて、電子文書２２０は、電子文書１１０に対応してもよく、且つ／又は、パーソナルボキャブラリプロファイル２２２は、図１のパーソナルボキャブラリプロファイル１２４Ａ及び／又は１２４に対応してもよい。

図３は、本明細書に記述されている少なくとも１つの実装形態に従って構成された例示用のパーソナルボキャブラリプロファイル３００を示すブロックダイアグラムである。パーソナルボキャブラリプロファイル３００は、図１及び図２のパーソナルボキャブラリプロファイル１２４及び２２２の一例であり、且つ、特定の学習者と関連付けられてもよい。図３に示されているように、パーソナルボキャブラリプロファイル３００は、１つ又は複数の不安定な単語（以下においては、「１つの不安定な単語」又は「複数の不安定な単語」）３０２と、１つ又は複数の安定した単語（以下においては、「１つの安定した単語」又は「複数の安定した単語」）３０４と、を含んでもよい。或いは、この代わりに、又はこれに加えて、パーソナルボキャブラリプロファイル３００は、ボキャブラリメタデータ３０６、学習者プロファイル３０８、及び／又は学習者の好み（プリファレンス）３１０を含んでもよい。

不安定な単語３０２は、学習者によって学習されている単語を含んでもよく、安定した単語３０４は、学習者によって習得済みである単語を含んでもよい。いくつかの実装形態においては、単語は、学習者により、少なくとも最小限の回数だけ読み取られると共に理解された場合に、習得されたものとして、且つ、従って、安定した単語として、見なされ、単語は、学習者により、少なくとも最小限の回数だけ読み取られていないと共に理解されていない場合に、不安定な単語して、見なされる。不安定な単語は、不安定な単語が、学習者により、少なくとも最小限の回数だけ、読み取られると共に理解された後に、安定した単語となる。或いは、この代わりに、又はこれに加えて、安定した単語は、学習者によって忘却され、且つ、安定した単語がもはや学習者によって理解されていないというなんらかの通知を学習者が提供した場合に、不安定な単語になりうる。

ボキャブラリメタデータ３０６は、コンフィデンス値３１２、反復学習カウンタ３１４、及び抽出資料３１６のうちの１つ又は複数を含んでもよい。

コンフィデンス値３１２は、不安定な単語３０２のうちのそれぞれの不安定な単語の異なるコンフィデンス値を含んでもよい。不安定な単語３０２のコンフィデンス値は、それぞれ、一般に、本明細書の説明においては、変数Ｃによって表されてもよい。コンフィデンス値３１２のそれぞれは、不安定な単語３０２のうちの対応した不安定な単語が、学習者により、読み取られると共に正しく理解された回数を通知してもよく、或いは、不安定な単語３０２のうちの対応した不安定な単語が、学習者により、読み取られると共に正しく理解された連続した回数を通知してもよい。

反復学習カウンタ３１４は、不安定な単語３０２のうちのそれぞれの不安定な単語の異なる反復学習カウンタを含んでもよい。不安定な単語３０２の反復学習カウンタは、それぞれ、一般に、本明細書における説明においては、変数Ｒによって表されてもよい。反復学習カウンタ３１４のそれぞれは、不安定な単語３０２のうちの対応した不安定な単語が学習者によって読み取られた回数を通知してもよい。

抽出資料３１６は、不安定な単語３０２のうちの少なくとも１つの不安定な単語のそれぞれにおける文脈文（ｃｏｎｔｅｘｔ ｓｅｎｔｅｎｃｅ）を含んでもよい。文脈文は、学習者によって読み取られた電子文書から抽出されてもよい。例えば、抽出資料３１６は、不安定な単語３０２の文脈文を含んでもよく、この場合に、文脈文は、学習者によって読み取られた電子文書から抽出される。抽出資料３１６中の文脈文は、学習者がその説明を要求するのに応答して、その内部に含まれている対応した不安定な単語の説明として学習者に提供されてもよい。

学習者プロファイル３０８は、少なくとも集合体として、学習者を一意に識別するデータを含んでもよい。例えば、学習者プロファイル３０８は、一意のユーザーＩＤ、名称、ユーザー名、住所、電子メールアドレス、携帯電話番号、誕生日、又は学習者のその他の情報のうちの１つ又は複数を含んでもよい。

学習者の好み３１０は、学習者のボキャブラリの構築との関係における学習者の１つ又は複数の好みを含んでもよい。例えば、学習者の好み３１０は、ユーザーにとって関心のある１つ又は複数のトピック、ユーザーが学習するべきボキャブラリ単語の推奨の受取りを所望するかどうか、ユーザーが、関心の対象である通知されたトピックに関係付けられたボキャブラリ単語の推奨に関心があるかどうか、ユーザーが、関心の対象である通知されたトピックに関係付けられていないボキャブラリ単語の推奨に関心があるかどうか、ユーザーが、学習者によって読み取られる電子文書によってカバーされているトピックに関係付けられたボキャブラリ単語の推奨に関心があるかどうか（以下においては、「学習者のトピック分布」）、ユーザーが、学習者のトピック分布に関係付けられていないボキャブラリ単語の推奨に関心があるかどうか、及び／又はその他の学習者の好みを通知してもよい。

図２を参照すれば、通信インターフェイス２０６は、学習者装置１０４、ボキャブラリサーバー１０６、ボキャブラリデータベース１０８、及び図１の動作環境１００の任意のその他のエンティティのうちの少なくとも１つとの間においてデータを送受信する。いくつかの実装形態においては、通信インターフェイス２０６は、図１のネットワーク１０２に対する直接的な物理接続用のポート又は別の通信チャネルを含む。例えば、通信インターフェイス２０６は、ユニバーサルシリアルバス（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ：ＵＳＢ）ポート、セキュアデジタル（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ：ＳＤ）ポート、カテゴリ５ケーブル（ＣＡＴ−５）ポート、又は学習者装置１０４、ボキャブラリサーバー１０６、ボキャブラリデータベース１０８、又は図１の任意のその他のエンティティとの間の有線通信用の類似のポートを含んでもよい。いくつかの実装形態においては、通信インターフェイス２０６は、学習者装置１０４、ボキャブラリサーバー１０６、ボキャブラリデータベース１０８、又は図１の任意のその他のエンティティのうちの少なくとも１つとの間においてデータを交換するための無線トランシーバ、或いは、ＩＥＥＥ８０２．１１、ＩＥＥＥ８０２．１６、ＢＬＵＥＴＯＯＴＨ（登録商標）、又は別の適切な無線通信方法を含む１つ又は複数の無線通信方法を使用したその他の通信チャネルを含む。

いくつかの実装形態においては、通信インターフェイス２０６は、ショートメッセージングサービス（Ｓｈｏｒｔ Ｍｅｓｓａｇｉｎｇ Ｓｅｒｖｉｃｅ：ＳＭＳ）、マルチメディアメッセージングサービス（Ｍｕｌｔｉｍｅｄｉａ Ｍｅｓｓａｇｉｎｇ Ｓｅｒｖｉｃｅ：ＭＭＳ）、ハイパーテキスト転送プロトコル（ＨｙｐｅｒＴｅｘｔ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ：ＨＴＴＰ）、直接データ接続、無線アプリケーションプロトコル（Ｗｉｒｅｌｅｓｓ Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｔｏｃｏｌ：ＷＡＰ）、電子メール、又は別の適切なタイプの電子通信を介したものを含むセルラー通信ネットワーク上においてデータを送受信するためのセルラー通信トランシーバを含む。いくつかの実装形態においては、通信インターフェイス２０６は、無線ポート及び無線トランシーバを含む。又、通信インターフェイス２０６は、ＴＣＰ／ＩＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ／Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）、ＨＴＴＰ、ＨＴＴＰセキュア（ＨＴＴＰＳ）、及びＳＭＴＰ（Ｓｉｍｐｌｅ Ｍａｉｌ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）などを含む標準的なプロトコルを使用したファイル又はメディアオブジェクトの分配用の図１のネットワーク１０２に対するその他の接続を提供してもよい

ストレージ２０８は、本明細書に記述されている機能を提供するためのデータを保存する一時的ではないストレージ媒体を含んでもよい。ストレージ２０８は、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）装置、スタティックランダムアクセスメモリ（ＳＲＡＭ）装置、フラッシュメモリ、又はいくつかのその他のメモリ装置を含んでもよい。又、いくつかの実装形態においては、ストレージ２０８は、ハードディスクドライブ、フロッピー（登録商標）ディスクドライブ、ＣＤ−ＲＯＭ装置、ＤＶＤ（登録商標）−ＲＯＭ装置、ＤＶＤ（登録商標）−ＲＡＭ装置、ＤＶＤ（登録商標）−ＲＷ装置、フラッシュメモリ装置、又は情報を相対的に永久的な方式で保存するためのなんらかのその他のマスストレージを含む不揮発性メモリ又は類似の永久的ストレージ及び媒体をも含む。又、ストレージ２０８は、一時的に保存されるか又はメモリ２１０に読み込まれる命令及び／又はデータを保存してもよい。

図２に示されているように、ボキャブラリ構築器アプリケーション２０２は、集合的に本明細書において「モジュール２３４」と呼称される、プロファイルモジュール２２４、ボキャブラリ学習モジュール２２６、推定モジュール２２８、推奨モジュール２３０、及び分析及び報告モジュール２３２のうちの少なくとも１つを含んでもよい。モジュール２３４及び電子文書読取器２１４を含むボキャブラリ構築器アプリケーション２０２は、一般に、本明細書に記述されている機能及び動作を実行するか又はその実行を制御するべく、プロセッサ装置２０４によって実行可能であるプログラミングコード及び／又はコンピュータ可読命令を含むソフトウェアを含んでもよい。モジュール２３４のうちの１つ又は複数及び電子文書読取器２１４を含むボキャブラリ構築器アプリケーション２０２は、システム２００のコンポーネントのうちの別のコンポーネントからデータを受け取ってもよく、且つ、データをストレージ２０８及びメモリ２１０の１つ又は両方内において保存してもよい。

いくつかの実装形態においては、モジュール２３４のうちの１つ又は複数は、少なくとも一時的に、ストレージ２０８及びメモリ２１０のうちの１つ又は両方において保存されてもよい。或いは、この代わりに、又はこれに加えて、モジュール２３４のうちの１つ又は複数は、少なくとも部分的に、ハードウェアにおいて実装されてもよい。本明細書において使用されている「モジュール」又は「コンポーネント」という用語は、モジュール又はコンポーネントの動作を実行するように構成された特定のハードウェア実装形態及び／又はシステム２００上において保存されうると共に／又はこれによって実行されうるソフトウェアオブジェクト又はソフトウェアルーチンを意味してもよい。いくつかの実装形態においては、本明細書に記述されている異なるコンポーネント及びモジュールは、演算システム上において（例えば、別個のスレッドとして）稼働するオブジェクト又はプロセスとして実装されてもよい。本明細書に記述されているシステム及び方法のいくつかは、一般に、（システム２００上において保存されると共にこれによって実行される）ソフトウェアにおいて実装されるものとして記述されているが、特定のハードウェア実装形態又はソフトウェア及び特定のハードウェア実装形態の組合せも、可能であり、且つ、想定される。この説明においては、「演算エンティティ」は、本明細書において以前に定義されている任意の演算システム又はシステム２００などの演算システム上において稼働する任意のモジュール又はモジュールの組合せを含んでもよい。

プロファイルモジュール２２４は、一般に、本明細書において更に詳細に記述されているように、図１の学習者１１２などの一人又は複数の学習者のうちのそれぞれの学習者のパーソナルボキャブラリプロファイル２２２を生成及び更新するように構成されてもよい。ボキャブラリ学習モジュール２２６は、一般に、本明細書において更に詳しく記述されているように、学習者のボキャブラリを構築するように構成されてもよい。推定モジュール２２８は、一般に、更に詳細に本明細書において記述されているように、学習者のボキャブラリ知識の現在のレベルを推定するように構成されてもよい。推奨モジュール２３０は、一般に、本明細書において更に詳細に記述されているように、学習するべき１つ又は複数のボキャブラリ単語を学習者に推奨するように構成されてもよい。分析及び報告モジュール２３２は、一般に、学習者のボキャブラリ学習を分析すると共に分析の少なくともいくつかの結果を学習者に報告するように構成されてもよい。

電子文書読取器２１４は、一般に、図１の電子文書読取器１１４に対応してもよく、或いは、これを含んでもよい。いくつかの実装形態においては、電子文書読取器２１４は、電子文書２２０のテキストコンテンツと、恐らくは、その他のコンテンツと、を含む電子文書２２０をレンダリングするように構成されている。電子文書２２０のレンダリングは、表示装置２１６などの表示装置に対する出力のための電子文書２２０のフォーマット処理及び／又はその他の処理を含んでもよい。

表示装置２１６は、例えば、バス２１２を介して、電子文書読取器２１４に通信自在に結合されてもよい。電子文書読取器２１４によって出力されるレンダリングされた電子文書は、表示装置２１６上において学習者に表示されてもよい。

以下、図２及び図３の組合せを参照し、図２のメモリ２１０内において保存されたパーソナルボキャブラリプロファイル２２２の１つとして図３のパーソナルボキャブラリプロファイル３００を有する学習者を伴う例示用の実装形態について説明することとする。

電子文書読取器２１４は、電子文書２２０のうちの１つをレンダリングしてもよい。表示装置２１６は、レンダリングされた電子文書を学習者に表示してもよい。プロファイルモジュール２２４は、パーソナルボキャブラリプロファイル２２２から、学習者のパーソナルボキャブラリプロファイル３００にアクセスしてもよい。ボキャブラリ学習モジュール２２６は、電子文書中の単語がパーソナルボキャブラリプロファイル３００の不安定な単語３０２に含まれていることに応答して、表示装置２１６に出力される電子文書中の単語を不安定な単語としてマーキングしてもよい。例えば、ボキャブラリ学習モジュール２２６は、単語が、表示装置２１６上において表示される電子文書中において、強調表示されるか又はその他の方法で不安定な単語として通知されるようにすることにより、単語を不安定な単語としてマーキングしてもよい。

又、ボキャブラリ学習モジュール２２６は、学習者から入力を受け取ってもよく、且つ、受け取った入力に基づいて、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかを判定してもよい。入力は、システム２００のユーザーインターフェイスを通じて受け取られてもよく、このユーザーインターフェイスは、マウス、キーボード、タッチパッド、タッチスクリーン、又はその他の入力装置を含んでもよい。いくつかの実装形態においては、ボキャブラリ学習モジュール２２６は、学習者が、自身が単語を理解していると通知するべく有効である入力を提供することに応答して、学習者が不安定な単語としてマーキングされた単語を理解していると判定してもよい。或いは、この代わりに、或いは、これに加えて、ボキャブラリ学習モジュール２２６は、学習者が、不安定な単語としてマーキングされた単語の説明を要求するべく有効である入力を提供するか、或いは、学習者が不安定な単語としてマーキングされた単語を理解していないとその他の方法で通知するのに応答して、学習者が不安定な単語としてマーキングされた単語を理解していないと判定してもよい。或いは、この代わりに、又はこれに加えて、ボキャブラリ学習モジュール２２６は、学習者が、不安定な単語としてマーキングされた単語との関係においてなんらの入力をも提供しないことに応答して、不安定な単語としてマーキングされた単語が学習者によって理解されているとして判定される既定のルールを適用してもよく、例えば、学習者が説明を要求しないか、或いは、不安定な単語としてマーキングされた単語が理解されていないとその他の方法で通知しない限り、学習者が不安定な単語としてマーキングされた単語を理解しているものと仮定されてもよい。

プロファイルモジュール２２４は、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかを通知するように、パーソナルボキャブラリプロファイル３００を更新してもよい。プロファイルモジュール２２４は、学習者が不安定な単語としてマーキングされた単語を理解していないというボキャブラリ学習モジュール２２６による判定に応答して、パーソナルボキャブラリプロファイル３００に含まれると共に不安定な単語と関連付けられたカウンタのゼロ化又は減分により、パーソナルボキャブラリプロファイルを更新してもよい。カウンタは、コンフィデンス値３１２に含まれた不安定な単語のコンフィデンス値Ｃを含んでもよい。或いは、この代わりに、又はこれに加えて、プロファイルモジュール２２４は、学習者が不安定な単語としてマーキングされた単語を理解しているというボキャブラリ学習モジュール２２６による判定に応答して、カウンタの増分により、パーソナルボキャブラリプロファイルを更新してもよい。いくつかの実装形態においては、プロファイルモジュール２２４は、カウンタ閾値Ｍ＿Ｃへのカウンタの増分に応答して不安定な単語を安定した単語に変更するように、更に構成されてもよい。例えば、パーソナルボキャブラリプロファイル３００は、単語が、不安定な単語３０２ではなく、安定した単語３０４に含まれるように、更新されてもよい。

不安定な単語としてマーキングされた単語は、第１単語と呼称されうる。いくつかの実装形態においては、ボキャブラリ学習モジュール２２６は、学習者によって理解されていないものとして電子文書中の第２単語を識別するべく有効である入力を受け取る場合がある。第２単語は、不安定な単語３０２に含まれていない単語を含んでもよく、或いは、安定した単語３０４に含まれていると共に学習者によって忘却された単語を含んでもよい。又、ボキャブラリ学習モジュール２２６は、学習者に対して第２単語の説明を提供してもよい。ボキャブラリ学習モジュール２２６は、第２単語の定義、第２単語の訳語（例えば、第２単語が表現されている言語から学習者の第１言語でありうる異なる言語への翻訳）、又は文脈において第２単語を含む文（以下において、「文脈文」）のうちの少なくとも１つを学習者に提供することより、第２単語の説明を学習者に提供してもよい。定義、訳語、又は文脈文は、ローカル又はオンラインリポジトリ、辞書、訳語辞書、又はこれらに類似したものを含む任意の供給源から取得されてもよい。

或いは、この代わりに、又はこれに加えて、プロファイルモジュール２２４は、第２単語をパーソナルボキャブラリプロファイル３００の不安定な単語３０２に追加してもよい。ボキャブラリ学習モジュール２２６は、電子文書から、第１単語を含む第１文脈文及び第２単語を含む第２文脈文を抽出してもよい。プロファイルモジュール２２４は、第１文脈文及び第２文脈文をパーソナルボキャブラリプロファイル３００に追加してもよく、且つ、更に詳しくは、抽出資料３１６に追加してもよい。その後に、電子文書読取器２１４は、表示装置２１６上において表示される第２電子文書をレンダリングしてもよい。第２電子文書は、第１単語又は第２単語のうちの少なくとも１つを含んでもよい。第１単語又は第２単語の説明を要求するべく有効である入力の受取りに応答して、ボキャブラリ学習モジュール２２６は、文脈における第１単語又は第２単語の例示用の文として第１文脈文又は第２文脈文を含む説明を提供してもよい。

いくつかの実装形態においては、ボキャブラリ学習モジュール２２６は、電子文書中の複数の単語がパーソナルボキャブラリプロファイル３００の不安定な単語３０２に含まれていることに応答して、電子文書中の複数の単語を不安定な単語としてマーキングしてもよい。ボキャブラリ学習モジュール２２６は、電子文書中において不安定な単語としてマーキングされた複数の単語のそれぞれを含むインデックスを生成してもよい。インデックス中の複数の単語のうちの１つを選択するべく有効である入力の受取りに応答して、ボキャブラリ学習モジュール２２６は、複数の単語のうちの選択された一の単語を含む電子文書の文にナビゲートしてもよく、且つ／又は、複数の単語のうちの選択された一の単語の説明を学習者に提供してもよい。説明は、複数の単語のうちの選択された一の単語の定義、複数の単語のうちの選択された一の単語の訳語、複数の単語のうちの選択された一の単語を文脈において含む文を含んでもよい。

推定モジュール２２８は、学習者のボキャブラリ知識の現在のレベルを推定してもよく、これには、以下のもののうちの１つ又は複数が含まれうる。推定モジュール２２８は、ボキャブラリデータベース１０８などの特定レベルのボキャブラリ知識のボキャブラリデータベースにも含まれている不安定な単語３０２及び安定した単語３０４のうちの複数の単語を識別してもよい。ボキャブラリデータベースは、合計数Ｎの単語を含んでもよい。推定モジュール２２８は、安定した単語３０４に含まれている識別された複数の単語の第１数Ｓを算出してもよい。

推定モジュール２２８は、不安定な単語３２０に含まれている識別された複数の単語の割り引かれた第２数Ｕを算出してもよい。割り引かれた第２数Ｕは、いくつかの実装形態においては、不安定な単語３０２に含まれている識別された複数の単語のコンフィデンス値Ｃの合計をカウンタ閾値Ｍ＿Ｃによって除算したものとして算出されてもよい。例えば、識別された複数の単語のうちの５つが、不安定な単語３０４に含まれており、且つ、パーソナルボキャブラリプロファイル３００のコンフィデンス値３１２において、２、６、７、１、及び５という個々のコンフィデンス値Ｃを有しており、且つ、カウンタ閾値Ｍ＿Ｃが８である場合には、割り引かれた第２数Ｕは、いくつかの実装形態においては、（２＋６＋７＋１＋５）／８＝２．６２５として算出されてもよい。

推定モジュール２２８は、ボキャブラリデータベース中の単語の合計数Ｎ、第１数Ｓ、及びディスカウトされた第２数Ｕに基づいて、ボキャブラリデータベースとの関係における識別された複数の単語のカバレージを算出してもよい。例えば、カバレージは、（Ｓ＋Ｕ）／Ｎとして算出されてもよい。算出されたカバレージがカバレージ閾値を上回っている際には、推定モジュール２２８は、学習者のボキャブラリ知識の現在のレベルが、少なくともボキャブラリデータベースの特定のレベルであると判定してもよい。算出されたカバレージがカバレージ閾値未満である際には、推定モジュール２２８は、学習者のボキャブラリ知識の現在レベルが特定のレベル未満であると判定してもよい。或いは、この代わりに、又はこれに加えて、推定モジュール２２８は、学習者のボキャブラリ知識の現在のレベルが判定される時点まで、異なる特定のレベルの１つ又は複数のその他のボキャブラリデータベースとの関係において上述の内容を反復してもよい。

推奨モジュール２３０は、学習するべき１つ又は複数のボキャブラリ単語を学習者に推奨してもよく、これには、以下のもののうちの１つ又は複数が含まれうる。学習するべく推奨されるボキャブラリ単語は、学習者のボキャブラリ知識の推定された現在のレベルに基づいて判定されてもよい。推奨モジュール２３０は、（学習者を含む）複数の学習者によって読み取られた電子文書を含む読書コーパスのトピックモデル分析を実行することにより、読書コーパスにおいてカバーされている複数のトピックを識別してもよい。読書コーパスは、これまでに、又は特定の持続時間にわたって、学習者によって読み取られた電子文書のすべて又は一部分を含んでもよい。従って、複数の学習者のうちのそれぞれの学習者のパーソナルボキャブラリプロファイルは、学習者によって読み取られた電子文書のリストを含むように又はその他の方法で通知するように、更新されてもよい。いくつかの実装形態においては、トピックモデル分析によって判定又は出力される「トピック」は、単語の確率分布を含んでもよい。

推奨モジュール２３０は、トピックのうちの１つ又は複数をボキャブラリデータベース中の複数のボキャブラリ単語のそれぞれに割り当てることにより、複数のトピック分布を生成してもよい。ボキャブラリ単語のそれぞれは、対応するトピック分布を含んでもよい。推奨モジュール２３０は、学習者によって読み取られた電子文書においてカバーされているトピックのサブセットを識別してもよく、これは、学習者のトピック分布と呼称されうる。例えば、推奨モジュール２３０は、トピックモデル分析によって出力されるトピックに基づいて学習者によって読み取られた電子文書において記述されているトピックを判定することにより、学習者のトピック分布を識別してもよい。

推奨モジュール２３０は、推定された学習者のボキャブラリ知識の現在のレベル、学習者のトピック分布、及びトピック分布に基づいて、学習するべく推奨されるボキャブラリ単語を判定してもよい。例えば、推奨モジュール２３０は、学習者のボキャブラリ知識の現在のレベルと同一の又はわずかに高いボキャブラリレベルにあるボキャブラリ単語として、学習者のトピック分布にほぼ含まれるボキャブラリ単語として、且つ／又は、学習者の不安定な単語及び／又は安定した単語３０４に含まれるボキャブラリ単語のトピック分布との少なくともいくつかの関係において類似しているトピック分布を含むボキャブラリ単語として、推奨されるボキャブラリ単語を判定してもよい。

或いは、この代わりに、又はこれに加えて、推奨モジュール２３０は、学習者の好み３１０に基づいて、学習するべく推奨されるボキャブラリ単語を判定してもよい。例えば、推奨されるボキャブラリ単語は、ボキャブラリ単語が学習者の好み３１０において規定されている関心のトピックとマッチングしていることを示すトピック分布を有するボキャブラリデータベースからのボキャブラリ単語を含んでもよい。いくつかの実装形態においては、学習するべきボキャブラリ単語として推奨されるボキャブラリ単語のそれぞれは、推定された学習者のボキャブラリ知識の現在のレベルにおいて分類されてもよく、且つ／又は、学習するべきボキャブラリ単語として推奨されるボキャブラリ単語のうちのそれぞれのボキャブラリ単語のトピック分布は、少なくとも１つのトピックを学習者のトピック分布との間において共通的に有してもよい。

分析及び報告モジュール２３２は、学習者のボキャブラリ学習を分析してもよく、且つ、分析の少なくともいくつかの結果を学習者に報告してもよい。例えば、分析及び報告モジュール２３２は、学習者が電子文書を読み取るたびに、且つ／又は、任意のその他の時点において、報告を生成してもよく、且つ、報告を学習者に出力してもよい。分析は、学習者の反復学習時間による単語のランキング、学習者の反復学習時間による学習者のパーソナルボキャブラリプロファイル中の単語のランキング、複数の学習者に跨る反復学習時間による学習者のパーソナルボキャブラリプロファイル中の単語のランキング、及びボキャブラリカバレージレートによる複数の学習者のうちのその他の学習者との関係における学習者のランキングのうちの１つ又は複数を判定してもよい。所与の単語の学習者の反復学習時間は、所与の単語に対応していると共に反復学習カウンタ３１４に含まれている反復学習カウンタＲの値を含んでもよい。上述のランキングのうちの１つ又は複数は、分析及び報告モジュール２３２によって生成されると共に学習者に出力される報告に含まれてもよい。

図４は、本明細書に記述されている少なくとも１つの実装形態に従って構成された学習者のボキャブラリを構築するための方法４００の例示用の流れ図を示している。方法４００は、全体的に又は部分的に、図１の学習者装置１０４又はボキャブラリサーバー１０６、図２のシステム２００、或いは、別の適切な装置、サーバー、及び／又はシステムのうちの１つ又は複数により、実装されてもよい。方法４００は、ブロック４０２において始まってもよい。

ブロック４０２において、学習者のボキャブラリ学習が定型読書行為に統合及び一体化されてもよい。ボキャブラリ学習の統合及び一体化は、定型読書行為の主題である１つ又は複数の電子文書４０４を使用することにより、且つ、学習者のパーソナルボキャブラリプロファイル４０６を使用することにより、実装されてもよい。電子文書４０４は、図１の電子文書１１０、図２の電子文書２２０、又は本明細書に記述されているその他の電子文書に対応してもよい。パーソナルボキャブラリプロファイル４０６は、図１のパーソナルボキャブラリプロファイル１２４、図２のパーソナルボキャブラリプロファイル２２２、図３のパーソナルボキャブラリプロファイル３００、又は本明細書に記述されているその他のパーソナルボキャブラリプロファイルに含まれてもよく、或いは、これに対応してもよい。ボキャブラリ学習を定型読書行為に統合及び一体化するための例示用の方法については、図５との関係において説明する。ブロック４０２は、ブロック４０８によって後続されてもよい。

ブロック４０８において、パーソナルボキャブラリプロファイル４０６は、更新されてもよい。パーソナルボキャブラリプロファイル４０６は、定型読書行為へのボキャブラリ学習の統合及び一体化の最中に且つ／又はその後に、更新されてもよい。パーソナルボキャブラリプロファイル４０６の更新は、パーソナルボキャブラリプロファイルの抽出資料への抽出された文脈文の追加、不安定な単語としてのパーソナルボキャブラリプロファイルへの単語の追加、ゼロにおける新たに追加された不安定な単語のコンフィデンス値Ｃの初期化、ゼロにおける新たに追加された不安定な単語の反復学習カウンタＲの初期化、パーソナルボキャブラリプロファイル４０６における不安定な単語のコンフィデンス値Ｃ及び／又は反復学習カウンタＲの増分、不安定な単語のコンフィデンス値Ｃのゼロ化又は減分、パーソナルボキャブラリプロファイル４０６における安定した単語への不安定な単語の変更、パーソナルボキャブラリプロファイル４０６における不安定な単語への安定した単語の変更のうちの１つ又は複数を含んでもよい。これらの及びその他の実装形態においては、更新は、書込みコマンドをパーソナルボキャブラリプロファイル４０６がその上に保存されているメモリ又はストレージに送信することにより、実現されてもよい。パーソナルボキャブラリプロファイルを更新するための例示用の方法については、図５との関係において説明する。

ブロック４１０において、学習者のボキャブラリ学習が分析されてもよく、且つ、分析の少なくともいくつかの結果が、例えば、学習者に対して報告されてもよい。学習者のボキャブラリ学習の分析と分析の少なくともいくつかの結果の学習者に対する報告は、例えば、電子文書がその上において学習者に表示される表示装置を介して学習者に出力される報告を生成するステップを含んでもよい。報告は、上述の分析によって判定されたランキングのうちの１つ又は複数或いはその他の情報を含んでもよい。

ブロック４１２において、学習者のボキャブラリ知識の現在のレベルが推定されてもよい。ボキャブラリ知識の現在のレベルは、パーソナルボキャブラリプロファイル４０６及びそれぞれが特定のレベルを有する１つ又は複数のボキャブラリデータベース（以下においては、「１つのボキャブラリデータベース」又は「複数のボキャブラリデータベース」４１４に基づいて推定されてもよい。ボキャブラリデータベース４１４は、図１のボキャブラリデーベース１０８に対応してもよく、或いは、これを含んでもよい。学習者のボキャブラリ知識の現在のレベルを推定するための例示用の方法については、図６との関係において説明する。ブロック４１２は、ブロック４１６によって後続されてもよい。

ブロック４１６において、学習するべきボキャブラリ単語が、識別されてもよく、且つ、学習者に対して推奨されてもよい。学習するべきボキャブラリ単語は、パーソナルボキャブラリプロファイル４０６、ボキャブラリデータベース４１４、及び推定されたボキャブラリ知識の現在のレベルに基づいて判定されてもよい。学習するべき１つ又は複数のボキャブラリ単語を識別すると共に学習者に推奨するための例示用の方法については、図７との関係において説明する。

当業者は、本明細書に開示されているこの及びその他のプロセス及び方法の場合には、プロセス及び方法において実行される機能は、異なる順序で実装されうることを理解するであろう。更には、概説されたステップ及び動作は、例として提供されるものに過ぎず、且つ、ステップ及び動作のいくつかは、開示された実装形態の本質を逸脱することなしに、任意選択であってもよく、更に少ない数のステップ及び動作に組み合わせられてもよく、或いは、更なるステップ及び動作に拡張されてもよい。

図５は、本明細書に開示されている少なくとも１つの実装形態に従って構成されたボキャブラリ学習を定型読書行為に統合及び一体化するための方法５００の例示用の流れ図を示している。方法５００は、全体的に又は部分的に、図１の学習者装置１０４又はボキャブラリサーバー１０６、図２のシステム２００、或いは、別の適切な装置、サーバー、及び／又はシステムのうちの１つ又は複数により、実装されてもよい。方法５００は、図４の方法４００の一部分を含んでもよく、且つ／又は、これとオーバーラップしてもよい。

ブロック５０２（「読書のための読み込み」）において、電子文書４０４のうちの１つなどの電子文書がレンダリングされてもよい。例えば、電子文書は、図２の電子文書読取器２１４によってレンダリングされてもよい。或いは、この代わりに、又はこれに加えて、方法５００は、レンダリングされた文書を図２の表示装置２１６などの表示装置上において表示するステップを含んでもよい。ブロック５０２は、ブロック５０６によって後続されてもよく、これについては、更に後述する。

ブロック５０４（「パーソナルボキャブラリプロファイルへのアクセス」）において、学習者のパーソナルボキャブラリプロファイル４０６がアクセスされてもよい。例えば、パーソナルボキャブラリプロファイル４０６は、図２のプロファイルモジュール２２４によってアクセスされてもよい。ブロック５０４は、ブロック５０６によって後続されてもよい。

ブロック５０６（「既存の不安定な単語の強調表示」）において、単語がパーソナルボキャブラリプロファイル４０６の不安定な単語に含まれていることに応答して、電子文書中の単語が不安定な単語としてマーキングされてもよい。単語は、図２のボキャブラリ学習モジュール２２６によってマーキングされてもよい。例えば、ボキャブラリ学習モジュール２２６は、表示装置２１６上において表示されている電子文書中において単語が強調表示されるか又はその他の方法で不安定な単語であるとして通知されるようにすることにより、単語を不安定な単語としてマーキングしてもよい。ブロック５０６は、ブロック５０８及び５１０のうちの１つ又は両方によって後続されてもよい。

ブロック５１０（「不安定な単語のインデックスの生成」）において、表示装置上において表示された電子文書中に含まれている不安定な単語のインデックスが生成されてもよい。インデックスは、図２のボキャブラリ学習モジュール２２６によって生成されてもよい。インデックスは、表示装置上において表示されてもよい。例えば、不安定な単語のインデックスは、表示されている電子文書内のフローティングウィンドウなどのウィンドウ内において、又はドロップダウンインデックスなどの表示されている電子文書とは別個である別個のウィンドウ内において、或いは、表示装置上のなんらかのその他の形態において、表示されてもよい。インデックス中の不安定な単語のうちの１つを選択するべく有効である入力が受け取られてもよい。入力は、図２のボキャブラリ学習モジュール２２６によって受け取られてもよい。学習者は、任意の適切な入力装置を使用することにより、入力を提供してもよい。ブロック５１０は、ブロック５１４によって後続されてもよい。

ブロック５１４（「インデックスから選択された単語を含む文へのナビゲート」）において、表示装置上において表示されている電子文書を選択された単語を含む文までナビゲートしてもよく、且つ／又は、選択された単語の説明を提供してもよい。図２のボキャブラリ学習モジュール２２６は、文までナビゲートしてもよく、且つ／又は、説明を提供してもよい。選択された単語を含む文へのナビゲートは、文を含む電子文書の一部分が表示装置上において表示されるようにするステップを含んでもよい。或いは、この代わりに、又はこれに加えて、選択された単語を含む文へのナビゲートは、文を強調表示するか又はその他の方法でマーキングするステップを含んでもよい。文へのナビゲートは、学習者が電子文書中における文の文脈において選択された単語を観察できるようにしうる。選択された単語の説明の提供は、選択された単語の定義、選択された単語の訳語、異なる電子文書中の文脈における選択された単語を含む文脈文のうちの１つ又は複数を学習者に提供するステップを含んでもよい。ここにおいて、且つ、どこか別の場所において、記述されている説明は、説明が表示装置上において学習者に対して表示されるか又はその他の方法で出力されるようにすることにより、学習者に対して提供されてもよい。

ブロック５０８（「読書」）において、学習者は、表示装置上において表示されている電子文書を読み取ってもよい。ブロック５０８は、ブロック５１６によって後続されてもよい。

ブロック５１６（「強調表示された不安定な単語であるか？」）において、学習者は、学習者によって読み取られた単語が不安定な単語としてマーキングされているかどうかを判定してもよい。例えば、単語が強調表示されているか又はその他の方法で不安定な単語としてマーキングされている場合には、学習者は、単語が不安定な単語としてマーキングされていると判定してもよい。ブロック５１６は、ブロック５１８（ブロック５１６における「いいえ」）により、又はブロック５２０（ブロック５１６における「はい」）により、後続されてもよい。

ブロック５１８（「未知の単語であるか？」）において、不安定な単語としてマーキングされていない電子文書中の単語がユーザーにとって未知であるかどうかが判定されている。図２のボキャブラリ学習モジュール２２６は、学習者からの入力に基づいて、且つ／又は、入力の欠如に基づいて、ブロック５１８における判定を実施してもよい。例えば、いくつかの実装形態における学習者は、不安定な単語としてマーキングされていない単語が学習者にとって未知であることを通知するべく有効である入力を提供してもよく、且つ、不安定な単語としてマーキングされていない単語が学習者にとって既知である際には、入力を提供しなくてもよい。これらの及びその他の実装形態においては、学習者は、不安定な単語としてマーキングされていない単語を自身が理解していない際に、その単語をマーキングするか、選択するか、又はその他の方法で識別するべく、入力装置を使用してもよい。

いくつかの実装形態においては、ユーザーは、既に習得済みの単語（例えば、パーソナルボキャブラリプロファイル４０６中の安定した単語）を忘却する場合があり、且つ、ユーザーは、その単語が未知の単語であると判定されうるように、その単語が学習者にとって未知であると通知するべく有効である入力を提供してもよい。従って、未知の単語は、学習者が予め学習していない単語のみならず、学習者が予め習得していると共に後から忘却した単語を含んでもよい。ブロック５１８は、ブロック５２２（ブロック５１８における「いいえ」）により、或いは、ブロック５２４（ブロック５１８における「はい」）により、後続されてもよい。

ブロック５２２（「安定した単語としての設定」）において、不安定な単語としてマーキングされていないと共に学習者にとって既知であると判定された文書中の単語が、学習者のパーソナルボキャブラリプロファイル４０６中において安定した単語として設定されてもよく、或いは、学習者のパーソナルボキャブラリプロファイル４０６の安定した単語に既に含まれているものとして確認されてもよい。図２のプロファイルモジュール２２４は、単語をパーソナルボキャブラリプロファイル中において安定した単語として設定してもよく、或いは、その単語がパーソナルボキャブラリプロファイル中において安定した単語に既に含まれていることを確認してもよい。単語の安定した単語としての設定は、図４との関係において記述されているパーソナルボキャブラリプロファイル４０６の更新の一例である。ブロック５２２は、後述するブロック５２６によって後続されてもよい。

ブロック５２４（「単語の説明」）において、不安定な単語としてマーキングされていないと共に学習者にとって未知であると判定された文書中の単語の説明が学習者に提供されてもよい。説明は、図２のボキャブラリ学習モジュール２２６によって提供されてもよい。単語の説明の提供は、単語の定義、単語の訳語、文脈において単語を含む文のうちの１つ又は複数を学習者に提供するステップを含んでもよく、ここで、文は、単語を含む電子文書中の文と異なっていてもよい。ブロック５２４は、ブロック５２８によって後続されてもよい。

ブロック５２８（「Ｃ＝０による不安定な単語としての設定」）において、不安定な単語としてマーキングされていないと共に学習者にとって未知であると判定された文書中の単語が、不安定な単語として、パーソナルボキャブラリプロファイル４０６に追加されてもよく、且つ、不安定な単語としてパーソナルボキャブラリプロファイル４０６に追加された単語のコンフィデンス値Ｃが、ゼロに初期化されてもよい。或いは、この代わりに、又はこれに加えて、不安定な単語としてパーソナルボキャブラリプロファイル４０６に追加された単語の反復学習カウンタＲが、ゼロに初期化されてもよい。図２のプロファイルモジュール２２５は、単語を不安定な単語としてパーソナルボキャブラリプロファイル４０６に追加してもよく、且つ、単語のコンフィデンス値Ｃ及び反復学習カウンタＲをゼロに初期化してもよい。ブロック５２８は、後述するブロック５３０によって後続されてもよい。

ブロック５２０（「正しく認識されたか？」）において、且つ、電子文書中の単語が不安定な単語としてマーキングされることに応答して、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかが判定されている。ブロック５２０における判定は、図２のボキャブラリ学習モジュール２２６によって実施されてもよい。これらの及びその他の実装形態においては、単語が不安定な単語として電子文書中においてマーキングされた際に、学習者は、入力装置を介して、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかを通知するべく有効である入力を提供してもよい。従って、学習者が不安定な単語としてマーキングされた単語を理解しているかどうかの判定は、受け取られた入力に基づいてもよい。不安定な単語としてマーキングされた単語が理解されていないと判定された場合には（ブロック５２０における「いいえ」）、方法５００は、ブロック５３２に進んでもよい。不安定な単語としてマーキングされた単語が理解されていると判定された場合には（ブロック５２０における「はい」）、方法５００は、ブロック５３４に進んでもよい。

ブロック５３２（「用語の説明」）において、且つ、学習者が不安定な単語としてマーキングされた単語を理解していないという判定に応答して、学習者によって理解されていないと判定された不安定な単語の説明が学習者に提供されてもよい。説明は、図２のボキャブラリ学習モジュール２２６によって提供されてもよい。不安定な単語の説明の提供は、不安定な単語の定義、不安定な単語の訳語、文脈において不安定な単語を含む文のうちの１つ又は複数を学習者に提供するステップを含んでもよく、ここで、文は、不安定な単語を含む電子文書中の文と異なっていてもよい。上述のもののそれぞれが、１つのタイプの説明と見なされてもよい。いくつかの実装形態においては、上述の異なるタイプの説明のうちの単一のものが学習者に提供されてもよい。或いは、この代わりに、又はこれに加えて、学習者は、学習者が受け取りたい複数の利用可能な異なるタイプの説明を通知するべく有効である入力を提供してもよい。ブロック５３２は、ブロック５３３によって後続されてもよい。

ブロック５３３（「Ｃ＝０の設定」）において、パーソナルボキャブラリプロファイル４０６中の不安定な単語のコンフィデンス値Ｃがゼロ化されてもよい。或いは、この代わりに、コンフィデンス値Ｃは、例えば、１又はなんらかのその他の値だけ、減分されてもよい。図２のプロファイルモジュール２２４は、コンフィデンス値Ｃをゼロ化（又は、減分）してもよい。不安定な単語としてマーキングされている単語のコンフィデンス値Ｃのゼロ化（又は、減分）は、図４との関係において説明したパーソナルボキャブラリプロファイル４０６の更新の一例である。ブロック５３３は、更に詳細に後述するブロック５３０によって後続されてもよい。

ブロック５３４（「Ｃ＝Ｃ＋１の設定」）において、且つ、学習者が不安定な単語としてマーキングされた単語を理解しているという判定に応答して、パーソナルボキャブラリプロファイル４０６中の不安定な単語のコンフィデンス値Ｃが、例えば、１又はなんらかのその他の値だけ、増分されてもよい。図２のプロファイルモジュール２２４は、コンフィデンス値Ｃを増分してもよい。いくつかの実装形態においては、所与の不安定な単語のコンフィデンス値Ｃは、学習者が単語を理解していると判定された場合に、不安定な単語が同一の電子文書中において複数回にわたって発生した場合にも、学習者によって読み取られる電子文書当たりに一回ずつ、増分されている。その他の実装形態においては、所与の不安定な単語のコンフィデンス値Ｃは、不安定な単語が学習者によって理解されていると判定されるたびに、増分され、これには、不安定な単語が、所与の電子文書中において複数回にわたって発生し、且つ、学習者によって読み取られるたびに、学習者によって理解されていると判定された場合に、コンフィデンス値Ｃを複数回にわたって増分するステップが含まれる。不安定な単語としてマーキングされた単語のコンフィデンス値Ｃの増分は、図４との関係において説明したパーソナルボキャブラリプロファイル４０６の更新の一例である。ブロック５３４は、ブロック５３６によって後続されてもよい。

ブロック５３６（「Ｃ＝＝Ｍ＿Ｃであるか？」）において、パーソナルボキャブラリプロファイル４０６中の不安定な単語のコンフィデンス値Ｃがカウンタ閾値Ｍ＿Ｃと等しいかどうかが判定されてもよい。判定は、図２のプロファイルモジュール２２４によって実施されてもよい。コンフィデンス値Ｃがカウンタ閾値Ｍ＿Ｃと等しくないと判定された場合には（ブロック５３６における「いいえ」）、ブロック５３６は、ブロック５３０によって後続されてもよい。コンフィデンス値Ｃがカウンタ閾値Ｍ＿Ｃと等しいと判定された場合には（ブロック５３６における「はい」）、ブロック５３６は、ブロック５３８によって後続されてもよい。

カウンタ閾値Ｍ＿Ｃは、連続したＭ＿Ｃ回にわたる不安定な単語の学習者による正しい理解が、不安定な単語が習得済みであると共にもはや学習者にとって不安定な単語ではないことを通知しうるように、十分大きくなるように設定されてもよい。従って、ブロック５３８（「安定した単語としてのマーキング」）において、且つ、不安定な単語のコンフィデンス値Ｃがカウンタ閾値Ｍ＿Ｃに等しいと判定されることに応答して、不安定な単語は、パーソナルボキャブラリプロファイル４０６中において安定した単語に変更されてもよい。図２のプロファイルモジュール２２４は、コンフィデンス値Ｃがカウンタ閾値Ｍ＿Ｃと等しいと判定されることに応答して、不安定な単語をパーソナルボキャブラリプロファイル４０６中において安定した単語に変更してもよい。これらの及びその他の実装形態においては、カウンタ閾値Ｍ＿Ｃは、学習者によって設定されてもよく、且つ／又は、パーソナルボキャブラリプロファイル４０６の学習者の好み内において保存されてもよい。或いは、この代わりに、又はこれに加えて、カウンタ閾値Ｍ＿Ｃの既定値が、機械学習によって判定されてもよく、且つ／又は、学習者が単語を習得する速度及び／又は学習者が習得ずみの単語を忘却するかどうかに応じて、機械学習を使用することにより、所与の学習者について、時間に伴って、自動的に調節されてもよい。パーソナルボキャブラリプロファイル４０６中における不安定な単語から安定した単語への変更は、図４との関係において説明したパーソナルボキャブラリプロファイル４０６の更新の一例である。ブロック５３８は、ブロック５３０によって後続されてもよい。

ブロック５３０（「文脈文の抽出、Ｒ＝Ｒ＋１、Ｒの正規化」）において、ブロック５３３、５３６、５３８、又は５２８からの対応した単語を含む文脈文が電子文書から抽出されてもよい。文脈文は、図２のボキャブラリ学習モジュール２２６によって抽出されてもよい。文脈文は、例えば、図２のプロファイルモジュール２２４により、パーソナルボキャブラリプロファイル４０６に保存されてもよく、且つ、学習者が単語を含む異なる電子文書を読み取っている際にその説明が学習者によって要求された場合に、対応する単語の説明として、後から学習者に提供されてもよい。電子文書からの文脈文の抽出及び／又は抽出された文脈文のパーソナルボキャブラリプロファイル４０６への保存は、図４との関係において説明したパーソナルボキャブラリプロファイル４０６の更新の一例である。

或いは、この代わりに、又はこれに加えて、ブロック５３０においては、パーソナルボキャブラリプロファイル４０６中の対応した単語の反復学習カウンタＲが、例えば、１又はなんらかのその他の値だけ、増分されてもよい。図２のプロファイルモジュール２２４は、反復学習カウンタＲを増分してもよい。対応した単語の反復学習カウンタＲは、対応した単語が少なくとも１回だけ発生する電子文書当たりに１回ずつ増分されてもよく、或いは、発生当たりに１回ずつ増分されてもよく、これには、同一の電子文書中における複数回の発生の場合における複数回が含まれる。パーソナルボキャブラリプロファイル中における対応した単語の反復学習カウンタＲの増分は、図４との関係において説明したパーソナルボキャブラリプロファイル４０６の更新の一例である。

或いは、この代わりに、又はこれに加えて、ブロック５３０においては、対応した単語の反復学習カウンタＲが、一人又は複数の学習者によって読み取られた電子文書のすべて又は少なくともいくつかを含みうる読書コーパス中におけるその頻度分布により、正規化されてもよい。パーソナルボキャブラリプロファイル４０６中における対応した単語の反復学習カウンタＲの正規化は、図４との関係において説明したパーソナルボキャブラリプロファイル４０６の更新の一例である。ブロック５３０は、ブロック５２６によって後続されてもよい。

ブロック５２６（「パーソナルボキャブラリプロファイルへのフィードバック」）において、例えば、ブロック５２２、５２８、５３３、５３４、５３８、及び５３０との関係において説明したパーソナルボキャブラリプロファイル４０６に対して実施される１つ又は複数の更新は、１つ又は複数の対応した書込みコマンドをパーソナルボキャブラリプロファイルがその上において保存されているメモリ又はストレージに送信することにより、実現されてもよい。

方法５００は、学習者が電子文書の読取りを終了するか、電子文書を閉じるか、且つ／又は、方法５００の実行のための入力を提供するステップを停止する時点まで、矢印５４０によって表記されているように、ブロック５２６からブロック５０４に戻ることにより、学習者が電子文書の読取りを継続するのに伴って、ループしてもよい。或いは、この代わりに、図５の方法５００の動作のうちの１つ又は複数は、学習者が電子文書を読み取るのに伴って学習者が遭遇する異なる単語について、反復されてもよく、且つ／又は、省略されてもよい。

図６は、本明細書に記述されている少なくとも１つの実装形態に従って構成された学習者のボキャブラリ知識の現在のレベルを推定するための方法６００の例示用の流れ図を示している。従って、図６は、図４のブロック４１２の例示用の一実装形態を示している。方法６００は、全体的に又は部分的に、図１の学習者装置１０４又はボキャブラリサーバー１０４、図２のシステム２００、或いは、別の適切な装置、サーバー、及び／又はシステムのうちの１つ又は複数により、実装されてもよい。例えば、いくつかの実装形態においては、図６の方法６００の一部分又はすべては、適切な装置、サーバー、及び／又はシステム上において稼働している図２の推定モジュール２２８によって実行されてもよい。

学習者のボキャブラリ知識の現在のレベルの推定は、学習者のパーソナルボキャブラリプロファイル６０２及び／又はそれぞれが特定のレベルを有する１つ又は複数のボキャブラリデータベース（以下においては、「１つのボキャブラリデータベース」又は「複数のボキャブラリデータベース」）６０４を使用することにより、実装されてもよい。パーソナルボキャブラリプロファイル６０２は、図１のパーソナルボキャブラリプロファイル１２４、図２のパーソナルボキャブラリプロファイル２２２、図３のパーソナルボキャブラリプロファイル３００、図４〜図５Ａのパーソナルボキャブラリプロファイル４０６、又は本明細書に記述されているその他のパーソナルボキャブラリプロファイルに含まれてもよく、或いは、これに対応してもよい。ボキャブラリデータベース６０４は、図１のボキャブラリデータベース１０８、図４のボキャブラリデータベース４１４、又は本明細書に記述されているその他のボキャブラリデータベースに対応してもよく、或いは、これを含んでもよい。方法６００は、ブロック６０６において始まってもよい。

ブロック６０６において、特定のレベルのボキャブラリデータベース６０４にも含まれているパーソナルボキャブラリプロファイル６０２中の不安定な単語及び安定した単語が識別されてもよい。ボキャブラリデータベース６０４は、合計数Ｎの単語を含んでもよい。ブロック６０６は、ブロック６０８によって後続されてもよい。

ブロック６０８において、識別された安定した単語の第１数Ｓが算出されてもよい。例えば、いくつかの実装形態においては、ボキャブラリデータベース６０４にも含まれているものとして識別されたパーソナルボキャブラリプロファイル６０２からの安定した単語の数をカウントすることにより、第１数Ｓを算出してもよい。ブロック６０８は、ブロック６１０によって後続されてもよい。

ブロック６１０において、識別された不安定な単語の割り引かれた第２数Ｕが算出されてもよい。例えば、いくつかの実装形態においては、ボキャブラリデータベース６０４にも含まれているものとして識別されたパーソナルボキャブラリプロファイル６０２からの不安定な単語のコンフィデンス値Ｃを合計してもよく、且つ、合計をカウンタ閾値Ｍ＿Ｃによって除算することにより、割り引かれた第２数Ｕを算出してもよい。ブロック６１０は、ブロック６１２によって後続されてもよい。

ブロック６１２において、ボキャブラリデータベース６０４との関係における識別された安定した単語及び不安定な単語のカバレージが算出されてもよい。ボキャブラリデータベース６０４との関係におけるカバレージの算出は、ボキャブラリデータベース中の単語の合計数Ｎ、第１数Ｓ、及び割り引かれた第２数Ｕに基づいたものであってもよい。例えば、カバレージは、（Ｓ＋Ｕ）／Ｎとして算出されてもよい。ブロック６０８、６１０、及び６１２並びにその内部において必要とされている計算から、ボキャブラリデータベース６０４に含まれているそれぞれの安定した単語は、一般に、算出されるカバレージに対して等しく寄与しうる一方で、ボキャブラリデータベース６０４に含まれているそれぞれの不安定な単語は、算出されるカバレージに対して割り引かれた値しか寄与しえないことがわかる。ここで、それぞれの不安定な単語によって寄与される割り引かれた値は、コンフィデンス値Ｃの増大に伴って増大する。ブロック６１２は、ブロック６１４によって後続されてもよい。

ブロック６１４において、カバレージがカバレージ閾値を超過しているかどうかが判定されてもよい。判定は、算出されたカバレージをカバレージ閾値と比較すると共にいずれが大きいのかを判定することにより、実施されてもよい。ブロック６１４は、ブロック６１６（ブロック６１４における「はい」）により、或いは、ブロック６１８（ブロック６１４における「いいえ」）により、後続されてもよい。

ブロッ６１６において、且つ、算出されたカバレージがカバレージ閾値を超過しているという判定に応答して、学習者のボキャブラリ知識の現在のレベルが、少なくとも特定のレベルにあると判定されてもよく、このレベルは、以下においては、推定された学習者のボキャブラリ知識の現在のレベルと呼称されうる。いくつかの実装形態においては、且つ、学習者のボキャブラリ知識の現在のレベルが少なくとも特定のレベルであると判定されるたびに、方法６００は、算出されたカバレージがカバレージ閾値を超過しない時点まで、更に高いレベル（例えば、更に高い難易度）のボキャブラリデータベースを使用することにより、反復されてもよい。これらの及びその他の実装形態においては、算出されたカバレージがカバレージ閾値を超過しているボキャブラリデータベースの最高レベルが、学習者のボキャブラリ知識の現在のレベルとして判定されてもよい。

ブロック６１８において、且つ、算出されたカバレージがカバレージ閾値を超過していないという判定に応答して、学習者のボキャブラリ知識の現在のレベルが特定のレベル未満であると判定されてもよい。いくつかの実装形態においては、且つ、学習者のボキャブラリ知識の現在のレベルが特定のレベル未満であると判定されるたびに、方法６００は、算出されたカバレージがカバレージ閾値を超過する時点まで、更に低いレベル（例えば、更に低い難易度）のボキャブラリデータベースを使用することにより、反復されてもよい。これらの及びその他の実装形態においては、算出されたカバレージがカバレージ閾値を超過しているボキャブラリデータベースのレベルが、学習者のボキャブラリ知識の現在のレベルとして判定されてもよい。

図７は、本明細書に記述されている少なくとも１つの実装形態に従って構成された学習するべき１つ又は複数のボキャブラリ単語を識別すると共に学習者に推奨するための方法７００の例示用の流れ図を示している。従って、図７は、図４のブロック４１６の一例を示している。方法７００は、全体的に又は部分的に、図１の学習者装置１０４又はボキャブラリサーバー１０６、図２のシステム２００、或いは、別の適切な装置、サーバー、及び／又はシステムのうちの１つ又は複数により、実装されてもよい。例えば、いくつかの実装形態においては、図７の方法７００のいくつか又はすべては、適切な装置、サーバー、及び／又はシステム上において稼働している図２の推奨モジュール２３０によって実行されてもよい。

学習するべき１つ又は複数のボキャブラリの識別及び推奨は、パーソナルボキャブラリプロファイル７０２及び／又は特定のレベルをそれぞれが有する１つ又は複数のボキャブラリデータベース（以下においては、「１つのボキャブラリデータベース」又は「複数のボキャブラリデータベース」）７０４を使用することにより、実装されてもよい。パーソナルボキャブラリプロファイル７０２は、特定の学習者の又はその他の学習者のパーソナルボキャブラリプロファイルを含んでよい。特定の学習者は、以下においては、「一人の学習者」と呼称される場合があり、学習者及びその他の学習者は、以下においては、集合的に「複数の学習者」と呼称される場合がある。パーソナルボキャブラリプロファイル７０２は、図１のパーソナルボキャブラリプロファイル１２４、図２のパーソナルボキャブラリプロファイル２２２、図３のパーソナルボキャブラリプロファイル３００、図４〜図５Ａのパーソナルボキャブラリプロファイル４０６、図６のパーソナルボキャブラリプロファイル６０２、又は本明細書に記述されているその他のパーソナルボキャブラリプロファイルを含んでもよく、或いは、これに対応してもよい。ボキャブラリデータベース７０４は、図１のボキャブラリデータベース１０８、図４のボキャブラリデータベース４１４、図６のボキャブラリデータベース６０４、又は本明細書に記述されているその他のボキャブラリデータベースに対応してもよく、或いは、これを含んでもよい。方法７００は、ブロック７０６において始まってもよい。

ブロック７０６において、読書コーパスのトピックモデル分析を実行することにより、読書コーパスにおいてカバーされているトピックを識別してもよい。読書コーパスは、学習者によって読み取られた電子文書のすべて又は少なくともいくつかを含んでもよい。ブロック７０６は、ブロック７０８及び７１０のうちの１つ又は両方によって後続されてもよく、以下、これらのそれぞれについて説明することとする。

ブロック７０８において、トピックモデル分析によって識別されたトピックのうちの１つ又は複数が、ボキャブラリデータベース７０４中の単語のうちの１つ又は複数の単語のそれぞれに割り当てられてもよい。いくつかの実装形態におけるボキャブラリデータベース７０４は、推定された学習者のボキャブラリ知識の現在のレベル７１８と同一のレベルにある。或いは、この代わりに、ボキャブラリデータベース７０４は、推定された学習者のボキャブラリ知識の現在のレベル７１８とは異なるレベルにある。或いは、この代わりに、ボキャブラリデータベース７０４は、最大ですべてのレベルである複数の異なるレベルを含み、これらのうちのそれぞれのレベルは、個別に、推定された学習者のボキャブラリ知識の現在のレベル７１８と同一であってもよく、又はこれとは異なるレベルにあってもよい。

推定されたボキャブラリ知識の現在のレベル７１８は、図６との関係において概略的に記述されているように、推定されてもよい。ボキャブラリデータベース７０４中の１つ又は複数の単語のそれぞれに対してトピックのうちの１つ又は複数を割り当てることにより、ボキャブラリデータベース７０４中の対応した単語のトピック分布７１２を生成してもよい。それぞれのトピック分布７１２は、ボキャブラリデータベース７０４中の対応した単語について、対応した単語を含むトピックモデル分析によって識別されたトピックのうちの１つ又は複数を識別しうる。一例として、トピック分布７１２は、ボキャブラリデータベース７０４中の単語Ｘについて、単語ＸがＡの確率（例えば、８０％）を伴って出現する第１トピックＹと、単語ＸがＢの確率（例えば、２０％）を伴って出現する第２トピックＺと、を識別しうる。ブロック７０８は、ブロック７１４によって後続されてもよく、これについては、更に後述することとする。

ブロック７１０において、学習者によって読み取られた電子文書中において、又は学習者によって読み取られた電子文書のうちの少なくともいくつかにおいて、カバーされているトピックのサブセットが識別されてもよい。識別されたトピックのサブセットは、「学習者のトピック分布７１６」と呼称されてもよい。一例として、学習者のトピック分布７１６は、トピックＡ、Ｂ、及びＣと、Ｘ、Ｙ、及びＺという対応したパーセンテージと、を含んでもよい。ブロック７１０は、ブロック７１４によって後続されてもよい。

ブロック７１４において、学習するべく学習者に推奨するための１つ又は複数のボキャブラリ単語が判定されてもよい。判定は、トピック分布７１２、学習者のトピック分布７１６、推定された学習者のボキャブラリ知識の現在のレベル７１８、及び／又は学習者のパーソナルボキャブラリプロファイル中に含まれうる学習者の好み７２０に基づいてもよい。いくつかの実装形態においては、推奨するべき１つ又は複数のボキャブラリ単語は、ボキャブラリデータベース７０４から判定されてもよい。或いは、この代わりに、又はこれに加えて、学習者に推奨するべき１つ又は複数のボキャブラリ単語は、学習者の適切なボキャブラリレベルにおいて分類されてもよい。いくつかの実装形態においては、「適切なボキャブラリレベル」は、推定された学習者のボキャブラリ知識の現在のラベル７１８と同一であるか又はこれよりもわずかに高い（例えば、最大で数レベルだけ高い）ボキャブラリレベルを含んでもよい。学習者の好み７２０と一貫性を有している場合には、学習するべきボキャブラリ単語は、ユーザーの関心のトピック又は学習者のトピック分布７１６に含まれているトピックに関係した、又は関係していない、ボキャブラリ単語を含んでもよい。ボキャブラリ単語は、ボキャブラリ単語のトピック分布が特定のトピックを含んでいる場合に、特定のトピックに（例えば、関心のトピックに又は学習者のトピック分布に含まれたトピックに）関係していると見なされてもよい。又、学習者に対する１つ又は複数のボキャブラリ単語の推奨において、「ｆｉｎａｎｃｅ」トピックとの関係における単語「ｂａｎｋ」の７０％というトピックパーセンテージ、「ｍｅｄｉｃｉｎｅ」トピックとの関係における１５％というトピックパーセンテージ（例えば、「ｂｌｏｏｄ ｂａｎｋ」及び／又は「ｇｅｎｅ ｂａｎｋ」）、及び「ｎａｔｕｒａｌ ｇｅｏｇｒａｐｈｙ」トピックとの関係における１５％というトピックパーセンテージ（例えば、「ｒｉｖｅｒ ｂａｎｋ」）などの単語のトピックパーセンテージを考慮することができる。従って、いくつかの実装形態においては、且つ、学習者の好み７２０に基づいて、推奨するべきボキャブラリ単語のトピック分布は、学習者のトピック分布７１６に含まれているトピックとの間において少なくとも１つのトピックを共通的に含んでもよい。ブロック７１４は、ブロック７２２によって後続されてもよい。

ブロック７２２において、学習するべき１つ又は複数のボキャブラリ単語が学習者に対して推奨されてもよい。

本明細書に記述されている実装形態は、以下において更に詳細に記述されているように、様々なコンピュータハードウェア又はソフトウェアモジュールを含む特殊目的又は汎用コンピュータの使用を含んでもよい。

主題は、構造的特徴及び／又は方法的動作に固有の言語において記述されているが、添付の請求項において定義されている主題は、必ずしも、上述の特定の特徴又は動作に限定されるものではないことを理解されたい。むしろ、上述の特定の特徴及び動作は、請求項を実装する例示用の形態として開示されたものである。

本明細書に記述されているすべての例及び条件に関する言語は、本発明と、当技術分野の発展に対して本発明者によって寄与される概念と、を理解する際に読者を支援するべく教育的な目的のために意図されたものであり、且つ、これらの具体的に記述されている例及び条件に対する限定を伴うものではないと解釈することを要する。本発明の実装形態について詳細に記述したが、これらに対しては、本発明の精神及び範囲を逸脱することなしに、様々な変更、置換、及び変形が実施されうることを理解されたい。

Claims (16)

1. 学習者のボキャブラリを構築するための方法であって、
   一時的ではないコンピュータ可読媒体からの学習者のパーソナルボキャブラリプロファイルにアクセスするステップであって、前記パーソナルボキャブラリプロファイルは、１つ又は複数の不安定な単語と、１つ又は複数の安定した単語と、を含み、前記１つ又は複数の不安定な単語は、学習者によって学習されている１つ又は複数の単語を有し、且つ、前記１つ又は複数の安定した単語は、前記学習者によって習得済みである１つ又は複数の単語を有する、ステップと、
   電子文書中の単語が前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語に含まれていることに応答して、表示装置に出力される前記電子文書中の前記単語を不安定な単語としてマーキングするステップであって、前記不安定な単語としてマーキングされた前記単語は、第１単語を有しているステップと、
   前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを通知するべく有効である入力を受け取るステップと、
   前記受け取った入力に基づいて、前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを判定するステップと、
   前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを通知するように、前記一時的ではないコンピュータ可読媒体内において前記パーソナルボキャブラリプロファイルを更新するステップと、
   前記電子文書中の第２単語を前記学習者によって理解されていないものとして識別するべく有効である入力を受け取るステップと、
   前記第２単語の説明を前記学習者に提供するステップと、
   前記第２単語を前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語に追加するステップと、
   前記電子文書から、前記第１単語を含む第１文脈文を抽出するステップと、
   前記電子文書から、前記第２単語を含む第２文脈文を抽出するステップと、
   前記第１文脈文及び前記第２文脈文を前記パーソナルボキャブラリプロファイルに追加するステップと、
   前記第１単語及び前記第２単語のうちの少なくとも１つを含む第２の電子文書中の前記第１単語又は前記第２単語の説明を要求するべく有効である入力の受取りに応答して、文脈における前記第１単語又は前記第２単語の例示用の文として前記第１文脈文又は前記第２文脈文を含む第２の説明を提供するステップと、
   をコンピュータが実行する方法。
2. 前記学習者に前記第２単語の前記説明を提供するステップは、前記第２単語の定義、前記第２単語の訳語、又は文脈において前記第２単語を含む文のうちの少なくとも１つを前記学習者に提供するステップをコンピュータが実行する請求項１に記載の方法。
3. 前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを通知するように、前記一時的ではないコンピュータ可読媒体内において前記パーソナルボキャブラリプロファイルを更新するステップは、
   前記学習者が前記不安定な単語としてマーキングされた前記単語を理解していないという判定に応答し、前記パーソナルボキャブラリプロファイルに含まれると共に前記不安定な単語と関連付けられたコンフィデンス値をゼロ化するステップ、又は、
   前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているという判定に応答し、前記コンフィデンス値を増分するステップ、
   をコンピュータが実行し、且つ、
   前記方法は、前記コンフィデンス値がカウンタ閾値に到達することに応答して、前記パーソナルボキャブラリプロファイル中の前記不安定な単語を前記パーソナルボキャブラリプロファイル中の安定した単語に変更するステップを更にコンピュータが実行する請求項１に記載の方法。
4. 前記電子文書中の複数の単語が前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語に含まれていることに応答して、前記電子文書中の前記複数の単語を不安定な単語としてマーキングするステップと、
   前記電子文書中において不安定な単語としてマーキングされた前記複数の単語のそれぞれを含むインデックスを生成するステップと、
   前記インデックス中の前記複数の単語のうちの１つを選択するべく有効である入力を受け取ることに応答して、前記複数の単語のうちの前記選択された一の単語を含む前記電子文書の文にナビゲートするステップ及び前記複数の単語のうちの前記選択された一の単語の説明を前記学習者に提供するステップのうちの少なくとも１つと、
   を更にコンピュータが実行する請求項１に記載の方法。
5. 前記学習者のボキャブラリ知識の現在のレベルを推定するステップと、
   学習するべき１つ又は複数のボキャブラリ単語を前記学習者に推奨するステップであって、前記推奨される学習するべき１つ又は複数のボキャブラリ単語は、前記推定されたボキャブラリ知識の現在のレベルに基づいて判定される、ステップと、
   を更にコンピュータが実行する請求項１に記載の方法。
6. 前記ボキャブラリ知識の現在のレベルを推定するステップは、
   特定のレベルのボキャブラリ知識のボキャブラリデータベースにも含まれている前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語及び前記１つ又は複数の安定した単語のうちの複数の単語を識別するステップであって、前記ボキャブラリデータベースは、合計数の単語を含む、ステップと、
   前記１つ又は複数の安定した単語に含まれている前記識別された複数の単語の第１数を算出するステップと、
   前記１つ又は複数の不安定な単語に含まれている前記識別された複数の単語の割り引かれた第２数を算出するステップと、
   前記ボキャブラリデータベース中の単語の前記合計数、前記第１数、及び前記割り引かれた第２数に基づいて、前記ボキャブラリデータベースとの関係における前記識別された複数の単語のカバレージを算出するステップと、
   前記算出されたカバレージがカバレージ閾値を上回っている際に前記学習者の前記ボキャブラリ知識の現在のレベルが少なくとも前記特定のレベルであると判定するステップ又は前記算出されたカバレージが前記カバレージ閾値未満である際に前記学習者の前記ボキャブラリ知識の現在のレベルが前記特定のレベル未満であると判定するステップのうちの１つと、
   をコンピュータが実行する請求項５に記載の方法。
7. 前記学習するべき１つ又は複数の単語を前記学習者に推奨する前に、
   複数の学習者によって読み取られた複数の電子文書を含む読書コーパスのトピックモデル分析を実行することにより、前記読書コーパスにおいてカバーされている複数のトピックを識別するステップと、
   ボキャブラリデータベース中の複数のボキャブラリ単語のそれぞれに前記複数のトピックのうちの１つ又は複数を割り当てることにより、複数のトピック分布を生成するステップであって、前記複数のボキャブラリ単語のそれぞれは、対応するトピック分布を有する、ステップと、
   前記学習者によって読み取られた前記複数の電子文書のサブセットにおいてカバーされている前記複数のトピックのサブセットを識別するステップと、
   前記推定されたボキャブラリ知識の現在のレベル、前記識別された前記複数のトピックのサブセット、及び前記複数のトピック分布に基づいて、前記推奨される学習するべき１つ又は複数のボキャブラリ単語を判定するステップと、
   を更にコンピュータが実行し、
   前記推奨される学習するべき１つ又は複数のボキャブラリ単語は、前記複数のボキャブラリ単語のうちの１つ又は複数を含み、且つ、少なくとも、前記複数のボキャブラリ単語のうちの前記１つ又は複数のそれぞれは、前記推定されたボキャブラリ知識の現在のレベルにおいて分類されるか、又は前記複数のボキャブラリ単語のうちの前記１つ又は複数の単語のそれぞれのもののトピック分布は、前記識別された前記複数のトピックのサブセットとの間において少なくとも１つのトピックを共通的に有する請求項５に記載の方法。
8. 前記学習者に対して前記表示装置上において表示される報告を生成するステップを更にコンピュータが実行し、前記報告は、
   前記学習者の反復学習時間による単語のランキングと、
   前記学習者の反復学習時間による前記学習者の前記パーソナルボキャブラリプロファイル中の単語のランキングと、
   複数の学習者に跨る反復学習時間による前記複数の学習者の複数のパーソナルボキャブラリプロファイル中の単語のランキングと、
   ボキャブラリーカバレージレートによる前記複数の学習者のうちのその他の者との関係における前記学習者のランキングと、
   のうちの少なくとも１つを含む請求項１に記載の方法。
9. 学習者のボキャブラリを構築するためのシステムであって、
   学習者のパーソナルボキャブラリプロファイルにアクセスするように構成されたプロファイルモジュールであって、前記パーソナルボキャブラリプロファイルは、１つ又は複数の不安定な単語と、１つ又は複数の安定した単語と、を含み、前記１つ又は複数の不安定な単語は、前記学習者によって学習されている１つ又は複数の単語を有し、且つ、前記１つ又は複数の安定した単語は、前記学習者によって習得済みである１つ又は複数の単語を有する、プロファイルモジュールと、
   電子文書中の単語が前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語に含まれていることに応答して、表示装置に対して出力される前記電子文書中の前記単語を不安定な単語としてマーキングし、
   前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを通知するべく有効である入力を受け取り、且つ、
   前記受け取った入力に基づいて、前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを判定する、
   ように構成されたボキャブラリ学習モジュールと、
   を有し、
   前記プロファイルモジュールは、前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを通知するように、前記パーソナルボキャブラリプロファイルを更新するように更に構成されており、
   前記不安定な単語としてマーキングされた前記単語は、第１単語を有し、
   前記ボキャブラリ学習モジュールは、
   前記電子文書中の第２単語を前記学習者によって理解されていないものとして識別するべく有効である入力を受け取り、且つ、
   前記第２単語の説明を前記学習者に提供する、
   ように更に構成されており、且つ、
   前記プロファイルモジュールは、前記第２単語を前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語に追加するように更に構成されており、
   前記ボキャブラリ学習モジュールは、
   前記電子文書から、前記第１単語を含む第１文脈文を抽出し、
   前記電子文書から、前記第２単語を含む第２文脈文を抽出する、
   ように更に構成されており、
   前記プロファイルモジュールは、前記第１文脈文及び前記第２文脈文を前記パーソナルボキャブラリプロファイルに追加するように更に構成されており、且つ、
   前記第１単語及び前記第２単語のうちの少なくとも１つを含む第２の電子文書中の前記第１単語又は前記第２単語の説明を要求するべく有効である入力の受取りに応答して、前記ボキャブラリ学習モジュールは、文脈における前記第１単語又は前記第２単語の例示用の文として前記第１文脈文又は前記第２文脈文を含む第２の説明を提供するように更に構成されているシステム。
10. 前記プロファイルモジュール及び前記ボキャブラリ学習モジュールに通信自在に結合されると共に前記電子文書をレンダリングするように構成された電子文書読取器と、
    前記電子文書読取器に結合された前記表示装置であって、前記レンダリングされた電子文書は、前記表示装置上において前記学習者に表示される、前記表示装置と、
    前記表示装置に通信自在に結合されたプロセッサ装置と、
    前記プロセッサ装置に通信自在に結合された一時的ではないコンピュータ可読媒体と、
    を更に有し、
    前記一時的はないコンピュータ可読媒体は、その内部において、前記電子文書読取器、前記プロファイルモジュール、及び前記ボキャブラリ学習モジュールをエンコードしており、且つ、
    前記電子文書読取器、前記プロファイルモジュール、及び前記ボキャブラリ学習モジュールは、前記プロセッサ装置によって実行可能であるプログラミングコードを有する請求項９に記載のシステム。
11. 前記ボキャブラリ学習モジュールは、前記第２単語の定義、前記第２単語の訳語、又は文脈において前記第２単語を含む文のうちの少なくとも１つの前記学習者に対する提供により、前記第２単語の前記説明を前記学習者に提供するように構成されている請求項９に記載のシステム。
12. 前記プロファイルモジュールは、
    前記学習者が前記不安定な単語としてマーキングされた前記単語を理解していないという前記ボキャブラリ学習モジュールによる判定に応答して、前記パーソナルボキャブラリプロファイル中に含まれていると共に前記不安定な単語と関連付けられたコンフィデンス値をゼロ化することにより、或いは、
    前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているという前記ボキャブラリ学習モジュールによる判定に応答した前記コンフィデンス値の増分により、
    前記学習者が前記不安定な単語としてマーキングされた前記単語を理解しているかどうかを通知するように、前記パーソナルボキャブラリプロファイルを更新するように構成されており、且つ、
    前記プロファイルモジュールは、カウンタ閾値に対する前記コンフィデンス値の増分に応答して、前記パーソナルボキャブラリプロファイル中の前記不安定な単語を前記パーソナルボキャブラリプロファイル中の安定した単語に変更するように更に構成されている請求項９に記載のシステム。
13. 前記ボキャブラリ学習モジュールは、
    前記電子文書中の複数の単語が前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語に含まれていることに応答して、前記電子文書中の前記複数の単語を不安定な単語としてマーキングし、
    前記電子文書中の不安定な単語としてマーキングされた前記複数の単語のそれぞれを含むインデックスを生成し、且つ、
    前記インデックス中の前記複数の単語のうちの１つを選択するべく有効である入力の受取りに応答して、少なくとも、前記複数の単語のうちの前記選択された一の単語を含む前記電子文書の文にナビゲートするか、又は前記複数の単語のうちの前記選択された一の単語の説明を前記学習者に提供する、
    ように更に構成されている請求項９に記載のシステム。
14. 前記学習者のボキャブラリ知識の現在のレベルを推定するように構成された推定モジュールと、
    学習するべき１つ又は複数のボキャブラリ単語を前記学習者に推奨するように構成された推奨モジュールであって、前記推奨される学習するべき１つ又は複数のボキャブラリ単語は、前記推定されたボキャブラリ知識の現在のレベルに基づいて判定される、推奨モジュールと、
    を更に有する請求項９に記載のシステム。
15. 前記推定モジュールは、
    特定のレベルのボキャブラリ知識のボキャブラリデータベースにも含まれている前記パーソナルボキャブラリプロファイルの前記１つ又は複数の不安定な単語及び前記１つ又は複数の安定した単語のうちの複数の単語の識別であって、前記ボキャブラリデータベースは、単語の合計数を含む、識別と、
    前記１つ又は複数の安定した単語に含まれている前記識別された複数の単語の第１数の算出と、
    前記１つ又は複数の不安定な単語に含まれている前記識別された複数の単語の割り引かれた第２数の算出と、
    前記ボキャブラリデータベース中の前記単語の合計数、前記第１数、及び前記割り引かれた第２数に基づいた前記ボキャブラリデータベースとの関係における前記識別された複数の単語のカバレージの算出と、
    前記算出されたカバレージがカバレージ閾値を上回っている際の前記学習者の前記ボキャブラリ知識の現在のレベルが少なくとも前記特定のレベルであるという判定及び前記算出されたカバレージが前記カバレージ閾値未満である際の前記学習者の前記ボキャブラリ知識の現在のレベルが前記特定のレベル未満であるという判定のうちの１つと、
    により、前記ボキャブラリ知識の現在のレベルを推定するように構成されている請求項１４に記載のシステム。
16. 前記学習者の反復学習時間による単語のランキングと、
    前記学習者の反復学習時間による前記学習者の前記パーソナルボキャブラリプロファイル中の単語のランキングと、
    複数の学習者に跨る反復学習時間による前記複数の学習者の複数のパーソナルボキャブラリプロファイル中の単語のランキングと、
    ボキャブラリカバレージレートによる前記複数の学習者のうちのその他の者との関係における前記学習者のランキングと、
    のうちの少なくとも１つを含む報告を生成するように構成された分析及び報告モジュールを更に有する請求項９に記載のシステム。

Images