JP6798353B2 - Emotion estimation server and emotion estimation method - Google Patents
Emotion estimation server and emotion estimation method Download PDFInfo
- Publication number
- JP6798353B2 JP6798353B2 JP2017034038A JP2017034038A JP6798353B2 JP 6798353 B2 JP6798353 B2 JP 6798353B2 JP 2017034038 A JP2017034038 A JP 2017034038A JP 2017034038 A JP2017034038 A JP 2017034038A JP 6798353 B2 JP6798353 B2 JP 6798353B2
- Authority
- JP
- Japan
- Prior art keywords
- team
- emotion
- information
- data
- emotion estimation
- 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
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、感情推定サーバ及び感情推定方法に関する。
The present invention also relates to the emotion estimation server and emotional estimate how.
従来、ある人物の行動や生理反応を、各種センサを用いて外的に計測し、得られたデータから当該人物の内的な心理状態(たとえば感情)を推定する技術が存在する。そのような感情推定技術は、たとえばサービスロボットのように対人的なサービスを提供する機械のヒューマン・マシン・インタラクションに関する性能を向上させることに用いられたり、テレワークのように物理的に離れた環境下にある相手の状況を理解することの支援に用いられたりする。 Conventionally, there is a technique of externally measuring the behavior or physiological reaction of a person using various sensors and estimating the internal psychological state (for example, emotion) of the person from the obtained data. Such emotion estimation techniques are used to improve the performance of human-machine interaction of machines that provide interpersonal services, such as service robots, or in physically remote environments such as telework. It is also used to help understand the situation of the other person in.
一例として、特許文献1には、カメラ、マイクロフォン、生体信号等の複数の計測指標データを用いてある人物の感情を推定する感情推定装置が提案されている。 As an example, Patent Document 1 proposes an emotion estimation device that estimates the emotion of a person using a plurality of measurement index data such as a camera, a microphone, and a biological signal.
特許文献1に記載された技術のように、「ひとりの」人物の感情(以下「個人感情」)の推定を行う技術は既存に数多く存在する。一方で、「複数の」人物の協働活動により醸成される場の感情的な雰囲気(以下「チーム感情」)を推定し、その推定情報のユーザー共有を支援するような技術は少ない。 Like the technique described in Patent Document 1, there are many existing techniques for estimating the emotion of a "single" person (hereinafter referred to as "individual emotion"). On the other hand, there are few technologies that estimate the emotional atmosphere of a place created by the collaborative activities of "multiple" people (hereinafter referred to as "team emotion") and support the user sharing of the estimated information.
一例として、特許文献2には、複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるか否かを判断し、前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定する集団感情推定装置が提案されている。 As an example, in Patent Document 2, it is determined whether or not the biometric information received from the biometric sensors of a plurality of individuals is the biometric information whose features have been extracted, and the feature information of the biometric information determined to have been feature extracted is used. A group emotion estimation device that estimates group emotion information based on this has been proposed.
あらゆる仕組みが高度に複雑化する現代社会においては、ひとりの人物の作業のみで生み出せる成果には限界があり、自ずと複数名のチームによる協働型の仕事が多くなる。前述の感情推定技術においても、個人感情だけでなく、複数の人物の協働活動により醸成されるチーム感情を推定する方法の必要性が今後高まるだろう。 In today's society, where all mechanisms are highly complex, there is a limit to the results that can be produced by the work of one person, and naturally there are many collaborative work by multiple teams. Even in the above-mentioned emotion estimation technique, there will be an increasing need for a method of estimating not only individual emotions but also team emotions cultivated by collaborative activities of multiple people.
そこで、より精度の高いチーム感情を推定することが可能な技術が提供されることが求められている。 Therefore, it is required to provide a technique capable of estimating team emotions with higher accuracy.
上記問題を解決するために、本発明のある観点によれば、複数のユーザーの職制データに基づいて、社会関係性を示す情報を生成する社会関係性情報管理部と、前記社会関係性を示す情報に基づいて重み付け係数を算出し、前記複数のユーザーそれぞれのセンサデータまたは前記センサデータに基づく情報と前記重み付け係数とに基づいて、チーム感情を推定するチーム感情推定部と、を備える、感情推定サーバが提供される。
In order to solve the above problem, according to a certain viewpoint of the present invention, the social relationship information management unit that generates information indicating the social relationship based on the job system data of a plurality of users and the social relationship are shown. Emotion estimation including a team emotion estimation unit that calculates a weighting coefficient based on the information and estimates team emotions based on the sensor data of each of the plurality of users or the information based on the sensor data and the weighting coefficient. A server is provided.
前記チーム感情推定部は、前記センサデータまたは前記センサデータに基づく情報に対して、前記重み付け係数によって重み付けを行い、当該重み付けがされたデータの平均値、中央値または最頻値を前記チーム感情として算出してもよい。 The team emotion estimation unit weights the sensor data or information based on the sensor data by the weighting coefficient, and sets the average value, median value, or mode value of the weighted data as the team emotion. It may be calculated.
上記問題を解決するために、本発明のある観点によれば、複数のユーザーの職制データに基づいて、社会関係性を示す情報を生成することと、前記社会関係性を示す情報に基づいて重み付け係数を算出することと、前記複数のユーザーそれぞれのセンサデータまたは前記センサデータに基づく情報と前記重み付け係数とに基づいて、チーム感情を推定することと、を含む、感情推定方法が提供される。
In order to solve the above problem, according to a certain viewpoint of the present invention, information indicating social relations is generated based on job system data of a plurality of users, and weighting is performed based on the information indicating social relations. An emotion estimation method is provided that includes calculating a coefficient and estimating team emotions based on the sensor data of each of the plurality of users or information based on the sensor data and the weighting coefficient .
以上説明したように本発明によれば、より精度の高いチーム感情を推定することが可能な技術が提供されることが可能となる。 As described above, according to the present invention, it is possible to provide a technique capable of estimating team emotions with higher accuracy.
以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。 Preferred embodiments of the present invention will be described in detail below with reference to the accompanying drawings. In the present specification and the drawings, components having substantially the same functional configuration are designated by the same reference numerals, so that duplicate description will be omitted.
また、本明細書及び図面において、実質的に同一または類似の機能構成を有する複数の構成要素を、同一の符号の後に異なるアルファベットを付して区別する。ただし、実質的に同一または類似の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。 Further, in the present specification and the drawings, a plurality of components having substantially the same or similar functional configurations are distinguished by adding different alphabets after the same reference numerals. However, if it is not necessary to distinguish each of a plurality of components having substantially the same or similar functional configurations, only the same reference numerals are given.
まず、前述の特許文献2の課題について説明する。前述の特許文献2は、個人感情から集団の感情情報を推定する方法について説明しているが、下記に述べる二点の大きな課題を有している。 First, the above-mentioned problems of Patent Document 2 will be described. The above-mentioned Patent Document 2 describes a method of estimating group emotional information from individual emotions, but has two major problems described below.
一点目の課題は、特許文献2が、感情を推定する対象となる集団の構成人物をどのように規定・選定するかについての説明をまったく行っていない点である。たとえば、所属人員が数千名や数万名にも上るような巨大組織においては、同じ組織に所属しているとはいっても日常においては接点がなく名前も顔も知らない人物の数の方が顔見知りである数よりもはるかに多いであろう。そのような交流のない人物同士について集団の感情を合わせて算出したとしても、そのチーム感情を示す情報は(当該人物同士はチームではないため)ほとんど意味を持たないであろう。 The first problem is that Patent Document 2 does not explain at all how to define and select the constituent persons of the group for which emotions are estimated. For example, in a huge organization with thousands or tens of thousands of people, the number of people who belong to the same organization but have no contact in daily life and do not know their names or faces. Would be far more than the number of acquaintances. Even if the group's emotions are combined and calculated for people who do not interact with each other, the information indicating the team's emotions will have little meaning (because the persons are not a team).
二点目の課題は、特許文献2が、集団の感情を算出する際に当該集団の構成人員間の「社会関係性」を影響要素に入れた推定処理を行う旨の説明を行っていない点である。たとえば、数十から数百名にも上る関係者が同時に関わるような大きな業務プロジェクトにおいては、協働関係といっても、同じチーム内の同僚で毎日共同作業を行うような強い社会関係性もあれば、所属部署が異なり月に数える程の接点しか持たないような弱い社会関係性もあるだろう。当然、前者の強い社会関係性を持った人物同士の方が、後者の弱い社会関係性である場合よりもチーム感情において人物同士がお互いに及ぼす影響は大きくなり、チーム感情の推定においてもその影響度を大きく設定されることが推定精度の向上に寄与すると考えられる。特許文献2には、センサデータの特徴情報が抽出された時間や場所の情報を集団の感情算出の重み付けに用いる方法に関する説明はあるが、上述の社会関係性への言及やそれを推定処理に用いる旨の記載はない。 The second problem is that Patent Document 2 does not explain that when calculating the emotions of a group, the estimation process is performed with the "social relationship" between the members of the group as an influential factor. Is. For example, in a large business project in which dozens to hundreds of people are involved at the same time, even if it is a collaborative relationship, there is also a strong social relationship in which colleagues in the same team collaborate every day. If so, there may be a weak social relationship in which the departments to which they belong are different and they have only a few points of contact each month. Naturally, the former person with a strong social relationship has a greater influence on each other in team emotions than the latter case with a weak social relationship, and the influence on the estimation of team emotions. It is considered that setting a large degree contributes to the improvement of estimation accuracy. Patent Document 2 describes a method of using the time and place information from which the feature information of the sensor data is extracted for weighting the emotion calculation of the group, but the above-mentioned reference to the social relationship and its estimation processing There is no description to use it.
チーム感情の推定技術に関して、特許文献2が有する上記二点の課題を解決するためには、集団のチーム感情の要素となる構成人物が互いに社会関係性を有するか否か、さらに、当該社会関係性の強さ、の情報を推定システムがチーム感情の推定処理に用いる仕組みが必要である。 In order to solve the above two problems of Patent Document 2 with respect to the team emotion estimation technique, whether or not the constituent persons who are the elements of the team emotion of the group have a social relationship with each other, and further, the social relationship. It is necessary to have a mechanism in which the estimation system uses the information of sexual strength for the estimation processing of team emotions.
そこで、本発明は、個人感情に基づく「チーム感情」の推定処理に係る技術に関するものであり、チームの要素となる集団の構成人物の選定及びチーム感情算出の際の重み付けを当該構成人物間の「社会関係性」の有無及びその強さに基づいて処理することで精度の高いチーム感情を算出できる感情推定システムを実現させるものであって、さらに、当該社会関係性は、当該構成人物たちが所属する組織が有する組織内情報基盤上にある当該組織所属人員の「職制」情報のデータベースから当該システムの「社会関係性情報管理部」が取得するデータに基づき、推定演算用のパラメータデータに変換されて当該チーム感情が推定されることを特徴とするチーム感情推定システムを提供することを目的とする。 Therefore, the present invention relates to a technique related to an estimation process of "team emotion" based on individual emotions, and weights are applied between the constituent persons when selecting the constituent persons of the group which are the elements of the team and calculating the team emotions. It realizes an emotion estimation system that can calculate highly accurate team emotions by processing based on the existence and strength of "social relationships", and further, the social relationships are determined by the constituent persons. Converted from the database of "job system" information of the personnel belonging to the organization on the information infrastructure in the organization to which the organization belongs to the parameter data for estimation calculation based on the data acquired by the "social relationship information management department" of the system. It is an object of the present invention to provide a team emotion estimation system characterized in that the team emotion is estimated.
特に、本発明は、職制データという「フォーマル」(formal)な社会関係性を示す情報を利用する点が特徴となる。 In particular, the present invention is characterized in that it uses information indicating "formal" social relations called occupational data.
続いて、図1を参照して、本発明の実施形態に係るチーム感情推定システム(以下「感情推定システム」)の概略的な構成を説明する。 Subsequently, with reference to FIG. 1, a schematic configuration of a team emotion estimation system (hereinafter, “emotion estimation system”) according to the embodiment of the present invention will be described.
図1は、本実施形態に係る感情推定システムの概略的な構成の一例を示す説明図である。図1を参照すると、当感情推定システムは、感情推定サーバ100、職制DBサーバ300、複数のユーザー900、複数のセンサ端末200、提示装置(以下「情報提示端末」とも言う。)400、LAN(Local Area Network)50を含む。
FIG. 1 is an explanatory diagram showing an example of a schematic configuration of an emotion estimation system according to the present embodiment. With reference to FIG. 1, the emotion estimation system includes an
職制DBサーバ300は、当感情推定システムのために新たに用意されなくてよい。職制DBサーバ300としては、たとえば社内イントラネットワーク上(もしくはクラウドネットワーク上)に存在する既存の社内情報基盤上にある、所属所員の職制に係るデータベース(DB)を記憶する記憶部と通信部とを備える既存のサーバ設備が利用されてもよい。
The job-based
複数のユーザー900は、ともにある組織に所属し、互いに職制による社会関係性を有する(詳細は後述)。 A plurality of users 900 both belong to an organization and have a social relationship with each other due to their occupational system (details will be described later).
図2は、本実施形態に係る感情推定サーバ100、職制DBサーバ300、センサ端末200、情報提示端末400(以下、感情推定サーバ100、職制DBサーバ300、センサ端末200及び情報提示端末400それぞれを区別せずに「本実施形態に係る装置」と言う場合がある。)のハードウェア構成の一例を示すブロック図である。なお、上記の各装置のすべてに下記のハードウェア構成のすべてが備えられている必要はなく(たとえば感情推定サーバ100に直接的にセンサが備えられている必要はない)、後述する各装置の機能構成を実現できるハードウェアモジュールが適宜限定して備えられてもよい。
FIG. 2 shows
図2を参照すると、本実施形態に係る装置は、バス801、CPU(Central Processing Unit)803、ROM(Read Only
Memory)805、RAM(Random Access Memory)807、記憶装置809、通信インタフェース811、センサ813、入力装置815、表示装置817、スピーカ819を備える。
With reference to FIG. 2, the apparatus according to this embodiment includes a
It includes a Memory) 805, a RAM (Random Access Memory) 807, a
CPU803は、本実施形態に係る装置における様々な処理を実行する。また、ROM805は、本実施形態に係る装置における処理をCPU803に実行させるためのプログラム及びデータを記憶する。また、RAM807は、CPU803の処理の実行時に、プログラム及びデータを一時的に記憶する。
The
バス801は、CPU803、ROM805及びRAM807を相互に接続する。バス801には、さらに、記憶装置809、通信インタフェース811、センサ813、入力装置815、表示装置817及びスピーカ819が接続される。バス801は、例えば、複数の種類のバスを含む。
The
一例として、バス801は、CPU803、ROM805及びRAM807を接続する高速バスと、当該高速バスよりも低速の1つ以上の別のバスを含む。
As an example,
記憶装置809は、本実施形態に係る装置内で一時的または恒久的に保存すべきデータを記憶する。記憶装置809は、例えば、ハードディスク(Hard Disk)等の磁気記憶装置であってもよく、または、EEPROM(Electrically
Erasable and Programmable Read Only Memory)、フラッシュメモリ(flash
memory)、MRAM(Magnetoresistive Random Access Memory)、FeRAM(Ferroelectric Random Access Memory)及びPRAM(Phase
change Random Access Memory)等の不揮発性メモリ(nonvolatile
memory)であってもよい。
The
Erasable and Programmable Read Only Memory, flash memory
memory), MRAM (Magnetoresistive Random Access Memory), FeRAM (Ferroelectric Random Access Memory) and PRAM (Phase)
Nonvolatile memory such as change Random Access Memory
memory) may be used.
通信インタフェース811は、本実施形態に係る装置が備える通信手段であり、ネットワークを介して(あるいは直接的に)外部装置と通信する。通信インタフェース811は、無線通信用のインタフェースであってもよく、この場合に、例えば、通信アンテナ、RF回路及びその他の通信処理用の回路を含んでもよい。また、通信インタフェース811は、有線通信用のインタフェースであってもよく、この場合に、例えば、LAN端子、伝送回路及びその他の通信処理用の回路を含んでもよい。
The
センサ813は、たとえばカメラ、マイクロフォン、その他のセンサまたはそれらの複合である。カメラは、被写体を撮像するもので、例えば光学系、撮像素子及び画像処理回路を含む。マイクロフォンは、周囲の音を収音するもので、当該音を電気信号へ変換し当該電気信号をデジタルデータに変換する。
The
入力装置815は、タッチパネル、マウス、視線検出装置等である。表示装置817は、本実施形態に係る装置からの出力画像(すなわち表示画面)を表示するもので、例えば液晶、有機EL(Organic Light-Emitting Diode)、CRT(Cathode
Ray Tube)等を用いて実現され得る。スピーカ819は、音声を出力するもので、デジタルデータを電気信号に変換し当該電気信号を音声に変換する。
The
It can be realized by using Ray Tube) or the like. The
次に、本実施形態に係る「センサ端末200」の機能構成の一例を説明する。 Next, an example of the functional configuration of the "sensor terminal 200" according to the present embodiment will be described.
センサ端末200は、ユーザー900の行動や生理反応を外的に計測し、該計測により取得したデータを、後述する感情推定サーバ100へ送信する。センサ端末200が有するセンサ813と計測する行動や生理反応のデータは、たとえば、カメラにより計測される顔表情や身体姿勢の状態内容を含む画像データ、マイクロフォンにより計測される音声データ、加速度センサにより計測される身体動作の加速度データ、キーボード・マウス・タッチパネル等の入力装置により計測される機器操作データ、各種生体センサにより計測される自律神経系活動(心拍活動、皮膚電気活動、血圧、発汗、呼吸、皮膚・深部体温等)のデータ、中枢神経系活動(脳波、脳血流等)のデータ、視線計測装置により計測される視線運動・瞳孔径・瞬目数等のデータを含む。
The sensor terminal 200 externally measures the behavior and physiological reaction of the user 900, and transmits the data acquired by the measurement to the
センサ端末200のセンサはユーザーへの非接触式でも接触式でもよい。センサ端末200のセンサが接触式の場合、たとえばセンサ端末200は腕時計等の形状をしたウェアラブル端末であっても構わない。また、センサ端末200は、カメラ、マイクロフォン、加速度センサ、通信部等を備えたスマートフォン端末であっても構わない。なお、センサ端末200は1名のユーザー900に対応して1台存在するように図1では図示されている。しかし、1台のセンサ端末200が複数のユーザー900のセンサデータを取得しても構わない。その場合、センサ端末200は複数のユーザー900それぞれについてセンサデータと計測対象人物の識別データとの1対1対応の紐づけ処理を行って、センサデータと計測対象人物の識別データとの各組み合わせを記憶または送信する。計測対象人物の識別データは、どのようにして得られてもよく、一例として、カメラによる撮像画像から顔認識によって特定される人物の識別データであってもよい。 The sensor of the sensor terminal 200 may be a non-contact type or a contact type to the user. When the sensor of the sensor terminal 200 is a contact type, for example, the sensor terminal 200 may be a wearable terminal in the shape of a wristwatch or the like. Further, the sensor terminal 200 may be a smartphone terminal including a camera, a microphone, an acceleration sensor, a communication unit, and the like. It should be noted that the sensor terminal 200 is shown in FIG. 1 so that there is one sensor terminal 200 corresponding to one user 900. However, one sensor terminal 200 may acquire sensor data of a plurality of users 900. In that case, the sensor terminal 200 performs a one-to-one correspondence process of the sensor data and the identification data of the measurement target person for each of the plurality of users 900, and obtains each combination of the sensor data and the identification data of the measurement target person. Remember or send. The identification data of the person to be measured may be obtained in any way, and as an example, it may be identification data of a person identified by face recognition from an image captured by a camera.
また、センサ端末200は、計測したデータを一時的に保存するための記憶部を備えていてもよい。また、センサ端末200は、計測だけでなく簡易な解析までを実施してもよいため、解析演算用の制御部を備えていてもよい。また、センサ端末200は、計測または簡易解析済みのデータを感情推定サーバ100へ送信するための通信部を備えていてもよい。なお、前記記憶部は記憶装置809により、前記制御部はCPU803、ROM805及びRAM807により、前記通信部は通信インタフェース811により実装され得る。
Further, the sensor terminal 200 may include a storage unit for temporarily storing the measured data. Further, since the sensor terminal 200 may perform not only measurement but also simple analysis, it may be provided with a control unit for analysis calculation. Further, the sensor terminal 200 may include a communication unit for transmitting the measured or simple-analyzed data to the
次に、図3を参照して、本実施形態に係る「職制DBサーバ300」の機能構成の一例を説明する。
Next, with reference to FIG. 3, an example of the functional configuration of the “job-based
図3は、本実施形態に係る職制DBサーバ300の機能構成の一例を示すブロック図である。図3を参照すると、職制DBサーバ300は、通信部310、記憶部320及び制御部330を備える。
FIG. 3 is a block diagram showing an example of the functional configuration of the
通信部310は、他の装置と通信する。たとえば、通信部310は、LAN50に直接的に接続され、後述する感情推定サーバ100と通信する。なお、通信部310は、通信インタフェース811により実装され得る。
The
記憶部320は、当感情推定システムを利用する組織の所属人員の職制に関するデータベースを記憶する。なお、記憶部320は、記憶装置809により実装され得る。
The
ここで、職制とは、たとえば「職務の分担に関する制度」(広辞苑第六版、新村出編、2008)であり、本実施形態においては、職制は職務内容だけでなく本実施形態に係る感情推定システムを利用する組織の所属員の「職位」や「職種」等に関する情報も含むものとする。 Here, the job system is, for example, a "system related to the division of duties" (Kojien 6th edition, Shinmura Izuru, 2008). In this embodiment, the job system is not only the job content but also the emotion estimation related to this embodiment. It shall also include information on the "position" and "occupation type" of the members of the organization that uses the system.
以下、職制のデータに関する説明を、図6と図7を用いて例示しながら行う。図6は、ある組織における職制の適用事例の一例を示す説明図である。図6には、当感情推定システムを利用する組織に所属する複数のユーザー900が図示されている。ここで、ユーザー900A、900B、900C、900Fは職制としてチーム(もしくは課)Zに所属しており、かつユーザー900Fの職位はチームマネージャー(もしくは課長)であり、一般社員である900A、900B、900Cの直属の上司にあたり、職制によって部下900A、900B、900Cに対する業務における指揮命令権を有する。また、チームマネージャー900Fの上司として部長の職位にある900Hが存在し、部長900Hは職制によってチームマネージャー900Fに対する業務における指揮命令権を有する。さらに、部長900Hの下には、チームZと同様に、チームYとしてチームマネージャー900Gと一般社員900D、900Eが存在している。そして、上述のユーザー900A、900B、900C、900D、900E、900F、900G、900Hはともに部Xに所属している。なお、図6に示すように、部Xの隣には部Wやその他の部が存在していてもよく、該部Wやその他の部は、各職位の人数構成は異なるものの基本的には部Xと同様の職制構造や機能を有していてよい。さらに、図6には示していないが、部Xや部Wのさらに上位として部門や、ユーザー900の職位として代表取締役やその他役員が存在していてもよい。
Hereinafter, the data of the occupational system will be described with reference to FIGS. 6 and 7. FIG. 6 is an explanatory diagram showing an example of an application example of the job system in a certain organization. FIG. 6 shows a plurality of users 900 belonging to an organization that uses the emotion estimation system. Here, the
各ユーザー900は、上述の職制に基づき、直属の上司/部下の関係にあるか、同じチーム内の同僚関係にあるか、それとも別の部であるか等の業務上のフォーマルな社会関係性を規定されている。本実施形態においては、同階層または一階層内でかつ所属部署が同一または隣接しているような職制の階層構造内で近い距離にあるほど強い社会関係性を持つという法則性を提案する。もちろん、階層の超越、たとえば上述の部長900Hは一般社員900A、900B、900Cなどに対しても業務における指揮命令権を有しており、直接的に指揮命令を行うことは可能ではあるが、そのような行為は本来の階層型職制構造が規定する基本的な働きからみると例外的な行動となるため、本実施形態では基本に沿って階層構造の近さと社会関係性の強さを紐づけた。ただし、上述の階層構造を超越する関係性も例外的事項として後述する職制データベースに情報が記録されていれば、本実施形態に係る処理データとして用いることは可能である。
Based on the above-mentioned job system, each user 900 has a formal business relationship such as whether they have a direct supervisor / subordinate relationship, a colleague relationship within the same team, or a different department. It is stipulated. In this embodiment, we propose the rule that the closer the distance is, the stronger the social relationship is within the hierarchical structure of the same hierarchy or one hierarchy and the same or adjacent departments. Of course, transcending the hierarchy, for example, the above-mentioned
図7は、ある組織における職制データベースの一例を示す説明図である。図7には、図6で説明した組織の職制の一例に対応する職制データベースのテーブル321が図示されている。職制データベースのテーブル321は、たとえば、職制が適用される組織の構成員を一意に特定する社員ID(たとえば900A、900B、…)、該構成員の所属部署、該構成員の職位を示す情報に対応するデータを含む。職制データベースのテーブル321には、図6で説明したユーザー900A、900B、900C、900D、900E、900F、900G、900Hの職制に関する記憶データが図示されており、当該データを基に図6に示したような職制の社会関係性を示す情報を求めることができる。
FIG. 7 is an explanatory diagram showing an example of a job system database in a certain organization. FIG. 7 shows a table 321 of the job system database corresponding to an example of the job system of the organization described with reference to FIG. Table 321 of the job system database contains, for example, employee IDs (for example, 900A, 900B, ...) That uniquely identify members of the organization to which the job system is applied, departments to which the members belong, and information indicating the positions of the members. Contains the corresponding data. Table 321 of the job system database shows the stored data related to the job system of the
なお、職制データベースのテーブル321の10行目のユーザー900Hのデータに例示したように、ユーザー900は複数の職種や職位を有していてもよく、職制データベースはそれに対応するようにデータを記録してもよい。このようにユーザーと複数の所属や職位との紐づけを認める仕組みを有することにより、たとえば部門間横断プロジェクトのような、階層型職制構造にとっては例外的な職務に携わるユーザー900にも本実施形態に係る感情推定システムは対応することができる。
As illustrated in the data of the
なお、前述のように、職制DBサーバ300は、当感情推定システムのために新たに用意される必要はなく、当感情推定システムを利用する組織が既に有している社内情報基盤上の職制に係る既存データを流用して構わない。
As described above, the job
制御部330は、職制DBサーバ300の様々な機能を提供する。また、制御部330は、通信部310を介して、他の通信装置、たとえば感情推定サーバ100からの要求に応じて、上述の記憶部320に記憶された職制データベースの部分情報を含むデータを該通信装置へ送信する機能を有する。なお、制御部330は、CPU803、ROM805及びRAM807により実装され得る。
The
次に、図4を参照して、本実施形態に係る「感情推定サーバ100」の機能構成の一例を説明する。図4は、本実施形態に係る感情推定サーバ100の機能構成の一例を示すブロック図である。図4を参照すると、感情推定サーバ100は、通信部110、記憶部120及び制御部130を備える。
Next, an example of the functional configuration of the “
通信部110は、他の装置と通信する。たとえば、通信部110は、LAN50に直接的に接続され、センサ端末200や職制DBサーバ300と通信する。なお、通信部110は、通信インタフェース811により実装され得る。
The
記憶部120は、感情推定サーバ100の動作のためのプログラム及びデータを記憶する。なお、記憶部120は、記憶装置809により実装され得る。
The
制御部130は、感情推定サーバ100の様々な機能を提供する。制御部130は、個人感情推定部131、社会関係性情報管理部133及びチーム感情推定部135を含む。なお、制御部130は、CPU803、ROM805及びRAM807により実装され得る。個人感情推定部131、社会関係性情報管理部133及びチーム感情推定部135それぞれの機能については、後に説明する。
The
次に、図5を参照して、本実施形態に係る「情報提示端末400」の機能構成の一例を説明する。図5は、本実施形態に係る情報提示端末400の機能構成の一例を示すブロック図である。図5を参照すると、情報提示端末400は、通信部410、記憶部420、制御部430、操作部440及び提示部450を備える。
Next, an example of the functional configuration of the "
通信部410は、他の装置と通信する。たとえば、通信部410は、LAN50に直接的に接続され、感情推定サーバ100と通信する。たとえば、通信部410は、感情推定サーバ100からチーム感情を示す情報を取得する。なお、通信部410は、通信インタフェース811により実装され得る。
The
記憶部420は、情報提示端末400の動作のためのプログラム及びデータを記憶する。たとえば、記憶部420は、通信部410によって感情推定サーバ100から取得されたチーム感情を示す情報を一時的に保存する。なお、記憶部420は、記憶装置809により実装され得る。
The
制御部430は、情報提示端末400の様々な機能を提供する。たとえば、制御部430は、チーム感情を示す情報を可視化し、チーム感情を示す情報が提示部450によって提示されるように提示部450を制御する。なお、制御部430は、CPU803、ROM805及びRAM807により実装され得る。
The
操作部440は、ユーザーから入力される操作を受け付ける。操作部440は、受け付けた操作を制御部430に出力すると、操作は、制御部430による各種動作に利用される。なお、操作部440は、入力装置815により実装され得る。
The
提示部450は、制御部430による制御に従って、ユーザーに情報を提示する。たとえば、提示部450は、制御部430によって可視化されたチーム感情を示す情報をユーザーに提示する。なお、提示部450は、表示装置817により実装され得る。
The
個人感情推定部131、社会関係性情報管理部133及びチーム感情推定部135それぞれの機能について説明する。個人感情推定部131は、ユーザー900からセンサ端末200及び通信部110を介して取得した行動や生理反応の計測データに基づいて、ユーザー900毎の個人感情を推定することによって個人感情の推定データ(個人感情を示す情報)を生成する。また、個人感情推定部131は、該生成したデータを記憶部120に記憶させる機能を有する。特に、個人感情推定部131は、あるユーザー900から推定した個人感情を示す情報を、該ユーザー900のIDと紐づけて記憶部120に記憶させてもよい(たとえば、後述する図9参照のこと)。
The functions of the individual
ここで、個人感情とその推定方法について説明を補足する。個人感情は、一例として「人が心的過程の中で行うさまざまな情報処理のうちで、人、物、出来事、環境についてする評価的な反応」(Ortony et al.,1988;大平,2010)と定義される。感情の具体的な種類としては、心理学者Paul Ekmanによる表情に対応する基本感情ベースの離散型モデル上での幸福、驚き、恐れ、怒り、嫌悪、悲しみや、心理学者James A. Russellによる快度及び覚醒度の感情次元ベースの連続型モデルにおける喜怒哀楽の象限などが知られている。他の連続型モデルとしては、Watsonによるポジティブまたはネガティブ感情、Wundtによる3軸モデル(快度、興奮度、緊張度)、Plutchikによる4軸のモデルなどもある。その他、応用的・複合的な感情としては、困惑度、関心度、メンタルストレス、集中度、疲労感、多忙度、創造性、リラックス/緊張度、モチベーション、共感度、信頼度などが挙げられる。さらに、業務活動において集団の雰囲気として体感されるイキイキ感なども高次な感情の一種といえる。 Here, the explanation of personal feelings and their estimation methods is supplemented. Personal emotions are, for example, "evaluative reactions to people, things, events, and the environment among various information processes that people perform in their mental processes" (Ortony et al., 1988; Ohira, 2010). Is defined as. Specific types of emotions include happiness, surprise, fear, anger, disgust, sadness, and psychologist James A. on a basic emotion-based discrete model that corresponds to facial expressions by psychologist Paul Ekman. The quadrants of emotions and sorrows in the emotional dimension-based continuous model of pleasure and alertness by Russel are known. Other continuous models include positive or negative emotions by Watson, 3-axis models by Wundt (pleasure, excitement, tension), and 4-axis models by Plutchik. Other applied / complex emotions include confusion, interest, mental stress, concentration, fatigue, busyness, creativity, relaxation / tension, motivation, empathy, and reliability. Furthermore, the liveliness that is experienced as a group atmosphere in business activities can be said to be a type of higher-level emotion.
ある人物がどのような感情とその程度にあるかは、たとえば質問紙法を用いることで、当該人物の文字、文章、記号による言語的報告によって求めることができる。当該質問紙としては“Affect Grid”などがよく知られている。 The emotions and degree of a person can be determined by, for example, using the questionnaire method, by linguistic reporting of the person's letters, sentences, and symbols. As the questionnaire, "Affect Grid" and the like are well known.
しかしながら、質問紙を用いた計測方法では回答作業が必要になるため、業務など何か別の作業を行っている日常生活においては計測それ自体が本来の目的作業に支障を及ぼしてしまう可能性がある。 However, since the measurement method using the questionnaire requires answering work, the measurement itself may interfere with the original purpose work in daily life where some other work such as work is performed. is there.
そこで、当感情推定システムにおいて、個人感情推定部131は、前述のセンサ端末200により計測される行動や生理反応のデータに基づいて(質問紙法等で求めた)感情を機械的に推定処理する。当該推定処理を行うためには、予め学習処理によって生成された感情推定モデルのデータが必要となる。感情推定モデルは、たとえば、ある時点・状況における前記行動や生理反応のデータと前記質問紙の回答データからなる学習データとを対応づけたデータの群から生成される。たとえば、オフィスに埋め込まれた無数のカメラやマイクロフォン、ウェアラブル活動量計から計測されたユーザーの顔表情、音声、心拍活動、皮膚電気活動等の行動・生理データと、当該ユーザーの主観的感情を質問紙回答した正解データとが対応づけられて学習用データとされる。前記行動・生理データは、センサからの計測値が変換された学習処理用の特徴量データであってもよい。
Therefore, in this emotion estimation system, the personal
特徴量データは、顔の代表的特徴点の位置や各2点間を結ぶ直線の距離や成す角度であってもよい。あるいは、特徴量データは、音声の基本周波数、パワー、平均発話速度、一次ケプストラム係数の最高値と標準偏差であってもよい。あるいは、特徴量データは、心拍数や拍動間隔の平均値や標準偏差、心拍変動性であってもよい。あるいは、特徴量データは、皮膚コンダクタンス水準の平均値や標準偏差や増減率などであってもよい。これらの特徴量データはどのように使用されてもよく、ある時点における絶対値として使用されてもよいし、2時点間の相対的な変化率として使用されてもよい。 The feature amount data may be the position of a representative feature point of the face, the distance of a straight line connecting each of the two points, or the angle formed. Alternatively, the feature data may be the fundamental frequency, power, average speech speed, maximum value and standard deviation of the first-order cepstrum coefficient of speech. Alternatively, the feature amount data may be the average value of the heart rate or the beat interval, the standard deviation, or the heart rate variability. Alternatively, the feature amount data may be an average value of the skin conductance level, a standard deviation, an increase / decrease rate, or the like. These feature data may be used in any way, as an absolute value at a certain time point, or as a relative rate of change between two time points.
前記学習用データを用いた感情推定モデルの生成には、学習の手法として、たとえば既知のSVM(Support Vector Machine)や深層学習(Deep Learning)法が用いられてもよいし、単純に回帰分析法が利用されてもよい。また、学習モデルはユーザー個人毎に生成されてもよいし、複数のユーザーの学習データを用いて人間に共通的なモデルが生成されてもよい。個人感情推定部131は、得られた感情推定モデルのデータを用いることで、ある人物の行動・生理データから個人感情を推定できるようになる。
For the generation of the emotion estimation model using the learning data, for example, a known SVM (Support Vector Machine) or deep learning method may be used as a learning method, or a simple regression analysis method may be used. May be used. Further, the learning model may be generated for each individual user, or a model common to humans may be generated using the learning data of a plurality of users. The individual
感情推定サーバ100や個人感情推定部131は、上述の個人感情推定処理のための学習用データや感情推定モデル自体を生成する機能を有していてもよい。さらに、学習用データのための前述の特徴量データの生成は、感情推定サーバ100ではなくセンサ端末200の方で行い、センサ端末200が、当該特徴量データを感情推定サーバ100へ送信するようにしてもよい。
The
社会関係性情報管理部133は、後述するチーム感情推定部135がチーム感情を推定処理するために必要な、前述の職制に基づく社会関係性を示す情報(以下「社会関係性情報」とも言う)を生成する。そのために、社会関係性情報管理部133は、通信部110を介して、職制DBサーバ300から前述の職制データベースの情報を含むデータを取得し、職制に基づく社会関係性を示す情報を生成し、該生成した情報を記憶部120に記憶する機能を有する。
The social relations
図8は、ある組織における職制に基づく社会関係性情報の一例を示す説明図である。図8には、図6や図7で説明した組織の職制の一例に対応する職制に基づく社会関係性情報のテーブル121が図示されている。職制に基づく社会関係性情報のテーブル121は、たとえば、職制が適用される組織の構成員を一意に特定する社員ID1、該構成員とは別の構成員の社員ID2、両者の社会関係性の強さを示すデータを含む。なお、社会関係性の強さとは、前述のように職制の階層構造内で近い距離にあるほど強い社会関係性を持つという法則性により導かれる。図8の例では、ユーザー900Aについて、同じチームZに所属し、直属の上司であるチームマネージャー900Fや同階層の同僚900B、900Cとは社会関係性「強」、二階層離れた上司である部長900Hとは社会関係性「中」、別のチームの一般社員900Eとは社会関係性「弱」、日常でまったく接点がない別の部Wの社員900Iとは社会関係性「−」(なし)というデータがテーブル121に記録されている。
FIG. 8 is an explanatory diagram showing an example of social relations information based on the occupational system in a certain organization. FIG. 8 shows a table 121 of social relations information based on the job system corresponding to an example of the job system of the organization described with reference to FIGS. 6 and 7. The table 121 of the social relationship information based on the job system shows, for example, an employee ID 1 that uniquely identifies a member of the organization to which the job system is applied, an employee ID 2 of a member other than the member, and the social relationship between the two. Contains data showing strength. As mentioned above, the strength of social relations is derived from the rule that the closer the distance is within the hierarchical structure of the occupational system, the stronger the social relations. In the example of FIG. 8, the
なお、図8の例では社会関係性の強さは「強」「中」「弱」「なし」の4段階となっているが、強度の分類の数は当然これより多くても少なくても構わず、連続的な量的データであっても構わない。また、たとえば三階層以上離れた場合を社会関係性「中」に分類するなど、その分類の閾値は当感情推定システムの管理者が予め任意に設定して構わず、その設定パラメータは予め記憶部120に記憶されても構わない。 In the example of FIG. 8, the strength of social relations is divided into four stages of "strong", "medium", "weak", and "none", but the number of strength classifications is naturally greater or less than this. It does not matter, and it may be continuous quantitative data. In addition, for example, when three or more layers are separated from each other, the threshold value for the classification may be arbitrarily set in advance by the administrator of the emotion estimation system, and the setting parameter is stored in advance in the storage unit. It may be stored in 120.
チーム感情推定部135は、個人感情推定部131が生成した前述の個人感情を示す情報と、社会関係性情報管理部133が生成した前述の職制に基づく社会関係性を示す情報と、に基づいてチーム感情を示す情報を生成する。また、チーム感情推定部135は、算出したチーム感情を示す情報を記憶部120に記憶する機能を有する。
The team
ここで、チーム感情は、たとえば、予め設定されたユーザーの集団における、構成員毎の個人感情を示す情報が該集団への社会関係性の強さで重み付けされた代表値、たとえば「平均値」「中央値」「最頻値」、として算出される。一例として、チーム感情推定部135は、個人感情を示す情報が量的データであり代表値として平均値が採用される場合、チーム感情を示す情報の例として、チーム感情値を以下の(数式1)で求めることができる。
Here, the team feeling is, for example, a representative value in which information indicating individual feelings for each member in a preset group of users is weighted by the strength of social relation to the group, for example, "mean value". It is calculated as "median" and "mode". As an example, when the information indicating individual emotions is quantitative data and the average value is adopted as the representative value, the team
ただし、TE:チーム感情値、m:集団において対象とされる二人のユーザーの組み合わせ数、QR:当該二人のユーザーの社会関係性の強さに対応する重み付け係数、RE:当該二人のユーザーの各個人感情値から求められる代表値(たとえば「平均値」「中央値」「最頻値」)とする。この際、チーム感情値算出の対象とするユーザーの集団は、図6の例でいえばチームZでもよいし、チームYでもよいし、部X全体でもよいし、ユーザー900F、900G、900Hだけというように幹部社員に限定されてもよいし、ユーザー900A、900B、900C、900D、900Eだけというように部X内の一般社員に限定されてもよい。前述の算出方式により、基になる個人感情値と職制のデータがあれば、任意に設定された集団についてチーム感情値を求めることができる。また、前述のユーザーの組み合わせ数は必ずしも二人である必要はなく、三人以上の組み合わせであってもよい。
However, TE: team emotion value, m: number of combinations of two users targeted in the group, QR: weighting coefficient corresponding to the strength of social relations of the two users, RE: of the two users. It is a representative value (for example, "mean value", "median value", "mode value") obtained from each individual emotion value of the user. At this time, the group of users to be calculated for the team emotion value may be team Z, team Y, or the entire department X in the example of FIG. 6, and only
ここで、各社会関係性の強さに対応する重み付け係数の値は限定されない。たとえば、社会関係性の強さが強くなるほど、重み付け係数の値は大きくてよい。より詳細には、社会関係性の強さ「強」に対応する重み付け係数は、社会関係性の強さ「中」に対応する重み付け係数よりも大きくてよい。また、社会関係性の強さ「中」に対応する重み付け係数は、社会関係性の強さ「弱」に対応する重み付け係数よりも大きくてよい。また、社会関係性の強さ「弱」に対応する重み付け係数は、社会関係性の強さ「なし」に対応する重み付け係数よりも大きくてよい。 Here, the value of the weighting coefficient corresponding to the strength of each social relationship is not limited. For example, the stronger the social relationship, the larger the value of the weighting coefficient may be. More specifically, the weighting coefficient corresponding to the strength "strong" of social relations may be larger than the weighting coefficient corresponding to the strength "medium" of social relations. Further, the weighting coefficient corresponding to the strength of social relation "medium" may be larger than the weighting coefficient corresponding to the strength of social relation "weak". Further, the weighting coefficient corresponding to the strength of social relation "weak" may be larger than the weighting coefficient corresponding to the strength of social relation "none".
なお、本実施形態では、まず、個人感情推定部131が個人感情を推定してから、チーム感情推定部135がそれらの集合的データとしてチーム感情を推定する場合を主に想定する。しかし、チーム感情推定部135がチームの対象となる複数名のセンサデータから直接的にチーム感情を推定しても構わない。その場合、チーム感情推定部135は、センサデータの値自体もしくはその特徴量データ(変換値)に対して、前述の社会関係性の強さに対応する重み付けの演算処理を行っても構わない。
In the present embodiment, it is mainly assumed that the individual
このとき、センサデータの値自体もしくはその特徴量データは、特に限定されない。一例として、センサデータの特徴量データは、脈拍センサによって検出された脈拍から変換された後の心拍数の変化率などであってもよい。たとえば、心拍数の変化率は、心拍数の変化の割合であってよく、たとえば、直前の心拍数に対する現在の心拍数の割合(たとえば、「心拍数が20%上昇した」、「心拍数が10%減少した」など)によって表されてもよい。かかるセンサデータの値自体もしくはその特徴量データが、チーム感情の推定に際して、個人感情を示す情報の代わりに利用されてもよい。 At this time, the value of the sensor data itself or the feature amount data thereof is not particularly limited. As an example, the feature amount data of the sensor data may be the rate of change of the heart rate after being converted from the pulse detected by the pulse sensor. For example, the rate of change in heart rate can be the rate of change in heart rate, for example, the ratio of the current heart rate to the previous heart rate (eg, "heart rate increased by 20%", "heart rate increased". It may be represented by "10% decrease" etc.). The value of the sensor data itself or the feature amount data thereof may be used instead of the information indicating the individual emotion in estimating the team emotion.
図9は、ある組織における個人感情を示す情報とチーム感情を示す情報の一例を示す説明図である。図9には、図7で説明した組織の職制の一例に対応する個人感情を示す情報とチーム感情を示す情報のテーブル122が図示されている。ここでは、個人感情を示す情報及びチーム感情を示す情報の一例として量的データのポジティブ度を例示している。 FIG. 9 is an explanatory diagram showing an example of information showing individual feelings and information showing team feelings in a certain organization. FIG. 9 illustrates a table 122 of information indicating individual emotions and information indicating team emotions corresponding to an example of the organizational structure described with reference to FIG. 7. Here, the positiveness of quantitative data is illustrated as an example of information indicating individual emotions and information indicating team emotions.
次に、本実施形態に係る「情報提示端末400」の機能構成の一例を説明する。情報提示端末400において、制御部430は、感情推定サーバ100が推定したチーム感情を示す情報や個人感情を示す情報を、通信部410を介して取得し、それらを可視化して提示部450を介してユーザーに提示する。前記ユーザーは、前記チーム感情や個人感情を推定されたユーザー900でも構わないし、前記チーム感情や個人感情を推定されたユーザー900とは異なる人物(たとえば、ある組織のメンタルヘルス管理を担当する産業医等)でも構わない。
Next, an example of the functional configuration of the "
また、制御部430は、前記チーム感情を示す情報や個人感情を示す情報を可視化して提示するにあたり、前述の職制に基づく社会関係性を示す情報を用いてユーザーが情報を理解しやすいように前記チーム感情を示す情報や個人感情を示す情報を「カテゴリ化」して提示してもよい。たとえば、制御部430は、あるチームのチーム感情を示す情報を画面に表示する際、そのチームの構成者の個人感情を示す情報を、前記チーム感情を示す情報の近傍領域に併せて提示部450を介して提示してもよい。これにより、情報提示端末400のユーザーは、チーム感情を示す情報とその算出要素となった個人感情を示す情報とを併せて直観的に把握することができる。
In addition, when the
また、たとえば、制御部430は、複数のチームによる複数のチーム感情を示す情報を画面に表示する際、前記社会関係性を示す情報に基づき、職務上関係性が強いチーム同士ほどより近い領域に互いのチーム感情を示す情報を、提示部450を介して提示してもよい。これにより、情報提示端末400のユーザーは、複数のチームのチーム感情を示す情報を確認する際に、チーム間の職務の関係性の強さに基づきそれらの表示を効率的に観ることができる。
Further, for example, when the
図10は、情報提示端末400のアプリケーション画面の一例を示す説明図である。図10を参照すると、あるチームのあるチーム感情を示す情報(チームT1のポジティブ度)とその算出要素となった個人感情を示す情報(チームT1に属するユーザーU11〜U14のポジティブ度)とが近傍の領域に表示され、同チームの別のチーム感情を示す情報(チームT1の疲労度)とその算出要素となった個人感情を示す情報(チームT1に属するユーザーU11〜U14の疲労度)とが近傍の領域に表示されている。このように、提示部450が、感情のカテゴリごとにチーム感情を示す情報と個人感情を示す情報とを提示することによって、チーム感情と個人感情とをカテゴリごとに把握しやすくなる。
FIG. 10 is an explanatory diagram showing an example of an application screen of the
なお、図10に示したように、制御部430は、チーム感情及び個人感情の過去の推定情報を履歴として提示させ、時系列グラフ状に情報提示しても構わない(図10には、グラフの右側線分端がチーム感情及び個人感情の現在の推定情報として示されており、右端から左へ向かうにつれて過去に遡った推定情報が示されている)。
As shown in FIG. 10, the
続いて、図11を参照して、本実施形態に係る情報処理の例を説明する。図11は、本実施形態に係る感情推定システムの情報処理の概略的な流れの一例を示すフロー図である。ステップS101で、感情推定サーバ100は、当感情推定システムの管理者により設定される、チーム感情を推定される対象となるチームとその構成者のパラメータ、推定するチーム感情の種類(たとえばポジティブ度、ネガティブ度、困惑度等)のパラメータ、チーム感情の算出法(たとえば代表値として平均値/中央値/最頻値の選択、社会関係性の強さの分類数、社会関係性の強さに対応する重み付けの係数値等)のパラメータ、などを記憶部120に記憶させる。
Subsequently, an example of information processing according to the present embodiment will be described with reference to FIG. FIG. 11 is a flow chart showing an example of a schematic flow of information processing of the emotion estimation system according to the present embodiment. In step S101, the
なお、上記パラメータ類は当情報処理の前に予め管理者により設定されていてもよく、また、前回の情報処理時の設定パラメータが流用されてもよいし、初期設定パラメータがそのまま利用されてもよい。その場合は、当ステップS101の実行は省略しても構わない。 The above parameters may be set in advance by the administrator before the information processing, the setting parameters at the time of the previous information processing may be diverted, or the initial setting parameters may be used as they are. Good. In that case, the execution of this step S101 may be omitted.
ステップS103で、感情推定サーバ100において、通信部110は、センサ端末200を介して前記チーム感情を推定される対象となるチームの構成者となるユーザー900の行動や生理反応のセンサデータを取得する。
In step S103, in the
ステップS105で、感情推定サーバ100において、個人感情推定部131は、前記ユーザー900のセンサデータから個人感情の推定処理を行う。なお、本実施形態では、まず個人感情推定部131が個人感情を推定してから、チーム感情推定部135がそれらの集合的データとしてチーム感情を推定するという処理を例に説明を行った。しかし、前述の通り、チーム感情推定部135がチームの対象となる複数名のセンサデータから直接的にチーム感情を推定しても構わない。その場合、チーム感情推定部135は、センサデータの値自体もしくはその特徴量データに対して、前述の社会関係性の強さに対応する重み付けの演算処理を行っても構わない。その場合は、当ステップS105の実行は省略されても構わない。
In step S105, in the
ステップS107で、感情推定サーバ100において、通信部110は、職制DBサーバ300から、前記チーム感情を推定される対象となるチームの構成者となるユーザー900の職制データを取得し、社会関係性情報管理部133は、通信部110によって取得された職制データに基づいて、前述の社会NW情報を生成して、生成した社会NW情報に基づき社会関係性情報を算出する。
In step S107, in the
ステップS109で、チーム感情推定部135は、前記個人感情を示す情報と前記社会関係性情報からステップS101で設定されたチームのチーム感情を推定する。ステップS111で、情報提示端末400において、制御部430は、感情推定サーバ100から取得したチーム感情を示す情報やその算出要素となった個人感情を示す情報を提示部450に提示させる。なお、推定したチーム感情を示す情報を情報提示端末400によって提示しない場合は、当ステップS111の実行は省略しても構わない。
In step S109, the team
以上のように、本発明の実施形態によれば、職制データという「フォーマル」な社会関係性を示す情報を利用して、個人感情に基づくチーム感情を自動で高精度に推定することができる。 As described above, according to the embodiment of the present invention, it is possible to automatically and highly accurately estimate team emotions based on individual emotions by using information indicating "formal" social relationships such as occupational data.
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。 Although the preferred embodiments of the present invention have been described in detail with reference to the accompanying drawings, the present invention is not limited to such examples. It is clear that a person having ordinary knowledge in the field of technology to which the present invention belongs can come up with various modifications or modifications within the scope of the technical ideas described in the claims. , These are also naturally understood to belong to the technical scope of the present invention.
たとえば、上記においては、情報提示端末400の制御部430が、提示部450によって提示される各種情報のレイアウトを決める例を主に説明した。しかし、提示部450によって提示される各種情報のレイアウトは、他の装置(たとえば、感情推定サーバ100など)によって決められてもよい。このとき、感情推定サーバ100は、情報提示端末400を視認するユーザーの種類(たとえば、ユーザーの役職など)ごとに、提示部450によって提示される各種情報のレイアウトを決めてもよい。
For example, in the above, an example in which the
100 感情推定サーバ
110 通信部
120 記憶部
130 制御部
131 個人感情推定部
133 社会関係性情報管理部
135 チーム感情推定部
200 センサ端末
300 職制DBサーバ
310 通信部
320 記憶部
330 制御部
400 情報提示端末
410 通信部
420 記憶部
430 制御部
440 操作部
450 提示部
100
Claims (3)
前記社会関係性を示す情報に基づいて重み付け係数を算出し、前記複数のユーザーそれぞれのセンサデータまたは前記センサデータに基づく情報と前記重み付け係数とに基づいて、チーム感情を推定するチーム感情推定部と、
を備える、感情推定サーバ。 The Social Relations Information Management Department, which generates information indicating social relations based on the job system data of multiple users,
A team emotion estimation unit that calculates a weighting coefficient based on the information indicating the social relationship and estimates the team emotion based on the sensor data of each of the plurality of users or the information based on the sensor data and the weighting coefficient. ,
Emotion estimation server.
請求項1に記載の感情推定サーバ。 The team emotion estimation unit weights the sensor data or information based on the sensor data by the weighting coefficient, and sets the average value, median value, or mode value of the weighted data as the team emotion. calculate,
The emotion estimation server according to claim 1 .
前記社会関係性を示す情報に基づいて重み付け係数を算出することと、
前記複数のユーザーそれぞれのセンサデータまたは前記センサデータに基づく情報と前記重み付け係数とに基づいて、チーム感情を推定することと、
を含む、感情推定方法。
To generate information showing social relationships based on the job system data of multiple users,
To calculate the weighting coefficient based on the information indicating the social relationship,
Estimating team emotions based on the sensor data of each of the plurality of users or the information based on the sensor data and the weighting coefficient .
Emotion estimation methods, including.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017034038A JP6798353B2 (en) | 2017-02-24 | 2017-02-24 | Emotion estimation server and emotion estimation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017034038A JP6798353B2 (en) | 2017-02-24 | 2017-02-24 | Emotion estimation server and emotion estimation method |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020191099A Division JP7205528B2 (en) | 2020-11-17 | 2020-11-17 | emotion estimation system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018138155A JP2018138155A (en) | 2018-09-06 |
JP6798353B2 true JP6798353B2 (en) | 2020-12-09 |
Family
ID=63451206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017034038A Active JP6798353B2 (en) | 2017-02-24 | 2017-02-24 | Emotion estimation server and emotion estimation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6798353B2 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210099556A (en) * | 2018-09-21 | 2021-08-12 | 스티브 커티스 | System and method for improving interaction between users through monitoring of user's emotional state and reinforcing target state |
WO2023203961A1 (en) * | 2022-04-18 | 2023-10-26 | パナソニックIpマネジメント株式会社 | Psychological state display system |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5233159B2 (en) * | 2007-04-25 | 2013-07-10 | 沖電気工業株式会社 | Group emotion recognition support system |
JP2011186521A (en) * | 2010-03-04 | 2011-09-22 | Nec Corp | Emotion estimation device and emotion estimation method |
DE112013000324T5 (en) * | 2012-11-06 | 2014-08-21 | Intel Corporation | Determining the basic social feeling with the help of physiological data |
JP2016009342A (en) * | 2014-06-25 | 2016-01-18 | 日本電信電話株式会社 | Area burst estimation presenting device, area burst estimation presenting method, and area burst estimation presenting program |
JP6386810B2 (en) * | 2014-06-25 | 2018-09-05 | 日本電信電話株式会社 | Group emotion estimation device, group emotion estimation method, and group emotion estimation program |
EP3574832B1 (en) * | 2015-02-04 | 2021-01-06 | Hitachi, Ltd. | Mental state measurement system |
-
2017
- 2017-02-24 JP JP2017034038A patent/JP6798353B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018138155A (en) | 2018-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6965525B2 (en) | Emotion estimation server device, emotion estimation method, presentation device and emotion estimation system | |
US20220392625A1 (en) | Method and system for an interface to provide activity recommendations | |
JP6930277B2 (en) | Presentation device, presentation method, communication control device, communication control method and communication control system | |
US20170039523A1 (en) | Interviewing system and method | |
CA3007632C (en) | Systems and methods for acquiring and employing resiliency data for leadership development | |
JP7205528B2 (en) | emotion estimation system | |
WO2016132612A1 (en) | Information processing device, control method, and program | |
JP2016200955A (en) | Information processing device, program, and estimation method | |
JP6798353B2 (en) | Emotion estimation server and emotion estimation method | |
Durães et al. | Modelling a smart environment for nonintrusive analysis of attention in the workplace | |
Töniges et al. | An emerging decision authority: Adaptive cyber-physical system design for fair human-machine interaction and decision processes | |
Xue et al. | Understanding how group workers reflect on organizational stress with a shared, anonymous heart rate variability data visualization | |
Boswell et al. | A review and preview of developments in the measurement of sociability | |
JP7209200B2 (en) | SPATIAL PROPOSAL SYSTEM AND SPATIAL PROPOSAL METHOD | |
Zeyda et al. | Your body tells more than words–predicting perceived meeting productivity through body signals | |
JP2023065808A (en) | Information provision device, information provision method, and computer program | |
Bavendiek et al. | Meetings in the product development process: applying design methods to improve team interaction and meeting outcomes | |
JP2019101873A (en) | Information processor and program | |
WO2022113276A1 (en) | Information processing device, control method, and storage medium | |
JP2019012431A (en) | Labor Management System | |
WO2022259464A1 (en) | Information processing device, control method, and storage medium | |
WO2023171162A1 (en) | Psychological state estimation device and psychological state estimation method | |
WO2024023897A1 (en) | Information processing device, information processing method, and recording medium | |
De Rus Arance et al. | Towards the Creation of Tools for Automatic Quality of Experience Evaluation with Focus on Interactive Virtual Environments | |
Kallio | Unobtrusive stress assessment in knowledge work using real-life environmental sensor data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190327 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190328 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200811 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200930 |
|
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: 20201020 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6798353 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |