JP6966363B2 - 推定システム、推定装置及び推定方法 - Google Patents

Description

本発明は、推定システム、推定装置及び推定方法に関する。

作業者のタスクを含む生産ラインのような作業現場において、生産物の生産性に対するパフォーマンス（特に、品質、生産量等）に影響を与える要因には、作業者の状態に起因する要因が含まれている。従来の作業現場では、このような作業者の状態に起因する生産性の程度を高める方法、又は生産性の程度の低下を抑制する（生産性を維持する）方法として、管理者が、作業者の身体的及び精神的な状態を視覚的に観察し、当該作業者の生産性を維持し、向上するように適切な指示を当該作業者に与える方法が採用されていた。

しかしながら、そのような方法は、管理者の主観に依拠して作業者の状態を判断するため、見落とし又は誤解に起因して、必ずしも適切な対処が実施されない恐れがある。つまり、従来の方法では、作業者の状態に起因する生産性（パフォーマンス）の程度を客観的にかつ反復可能な方法で測定することは難しく、上記のような生産ラインの生産性／効率を体系的に維持すること又は高めることは困難であった。

特開２０１６−１４６１７３号公報

作業に対して集中している状態を作業者がより長時間持続することができれば、上記のような生産ラインの生産性／効率を高める又は維持することができる。この作業者が作業に集中しているか否かを推定する一つの手がかりとして、作業を行っている間に作業者の脳活動量を測定することが挙げられる。

例えば、特許文献１では、心拍、呼吸、脳波、脳磁、酸素濃度、血流、表情、体動等の生体情報に基づいて、ユーザがコンテンツに集中しているか否かを判定する刺激提示システムが提案されている。具体的には、特許文献１で提案される刺激提示システムは、集中判定コンテンツを提示した後、次のコンテンツが提示される前に取得された生体情報に含まれる第１脳活動情報と、刺激提示コンテンツが提示されている時に取得された生体情報に含まれる第２脳活動情報とを比較する。そして、刺激提示システムは、第１脳活動情報と第２脳活動情報との差が所定の量以上ある場合に、刺激提示コンテンツにユーザが集中していると判定し、そうではない場合に、ユーザは集中していないと判定する。

特許文献１で提案されている方法によれば、測定された脳活動量に基づいて、作業者が作業に集中しているか否かを推定することができる。しかしながら、作業者が作業に集中しているか否かを正確に把握するためには、この脳活動量のみに基づくだけでは不十分である。なぜなら、脳活動量は、作業者の認知に利用している脳のリソースの量を示すに過ぎず、その脳のリソースが作業に割り振られているか否かは不明であるからである。例えば、作業者が、特定の作業に従事しているとする。この場合、その特定の作業に作業者が集中しているときには、その作業者から測定される脳活動量は高くなり得るが、その特定の作業以外の何らかの事象に作業者が集中しているときにも、その作業者から測定される脳活動量は高くなり得る。つまり、脳活動量のみに基づいて作業者の集中状態を判定する方法では、作業者が対象の作業に集中しているのか、それとも、対象の作業以外に集中しているのかを区別することができない。そのため、作業者の脳活動量のみを用いる方法では、作業現場における作業者の状態に起因する生産性の程度を正確に測定することは困難であり、当該作業現場における生産性の更なる向上を図ることは難しいと考えられる。

この課題は、上記のような生産ラインの生産性／効率を高める又は維持する場面だけではなく、人間が特定のタスクを実行するあらゆる場面で生じ得る。例えば、ドライバモニタリングシステムでは、ドライバの状態を把握する上で、ドライバが運転に集中しているか否かを特定することは重要である。また、例えば、教育の場面でも、生徒が学習に集中しているか否かを特定することは、教育効果の測定等において有用である。

本発明は、一側面では、このような実情を鑑みてなされたものであり、その目的は、作業者のタスクに対する集中の程度をより正確に推定可能な技術を提供することである。

本発明は、上述した課題を解決するために、以下の構成を採用する。

すなわち、本発明の一側面に係る推定システムは、学習のフェーズにおいて、所定の第１タスクを第１作業者が実行している間に当該第１作業者から測定された脳活動量を示す第１脳活動データを取得する第１取得部と、前記第１タスクの実行に対する感情の入力を受け付けることで、前記第１タスクの実行に関連した前記第１作業者の感情状態を示す第１感情データを取得する第２取得部と、前記第１作業者が前記第１タスクを実行した結果に基づいて特定された、前記第１作業者の前記第１タスクに対する集中の程度を示す実行結果データを取得する第３取得部と、前記第１脳活動データ、前記第１感情データ、及び前記実行結果データに基づいて、前記脳活動量及び前記感情状態と前記集中の程度との間の対応関係を特定する関係特定部と、推定のフェーズにおいて、所定の第２タスクを第２作業者が実行している間に当該第２作業者から測定される脳活動量を示す第２脳活動データを取得する第４取得部と、前記第２タスクの実行に対する感情の入力を受け付けることで、前記第２タスクの実行に関連した前記第２作業者の感情状態を示す第２感情データを取得する第５取得部と、前記対応関係に基づいて、前記第２脳活動データ及び前記第２感情データにより示される前記第２作業者の前記脳活動量及び前記感情状態から、前記第２作業者の前記第２タスクに対する集中の程度を推定する推定部と、前記第２作業者の前記第２タスクに対する集中の程度を推定した結果を出力する出力部と、を備える。

上記構成では、学習のフェーズにおいて、所定の第１タスクを第１作業者に実行させて、第１タスクを実行している間の第１作業者の脳活動量を測定する。また、第１タスクの実行に対する感情の入力を受け付けることで、当該第１タスクの実行に関連する第１作業者の感情状態を特定する。更に、第１作業者が第１タスクを実行した結果に基づいて、当該第１作業者の第１タスクに対する集中の程度を特定する。上記構成に係る推定システムは、これらに基づいて、脳活動量及び感情状態と集中の程度との間の対応関係を特定する。つまり、上記構成に係る推定システムは、作業者がどのような脳活動量及び感情状態にある場合に、当該作業者がタスクに対してどの程度集中しているかを特定する。

一方、推定のフェーズでは、上記構成に係る推定システムは、学習のフェーズにより得られた知見（対応関係）を利用して、対象の作業者のタスクに対する集中の程度を推定する。すなわち、推定のフェーズにおいて、所定の第２タスクを第２作業者に実行させて、第２タスクを実行している間の脳活動量を測定する。また、第２タスクの実行に対する感情の入力を受け付けることで、当該第２タスクの実行に関連する第２作業者の感情状態を特定する。上記構成に係る推定システムは、上記対応関係に基づいて、これらにより得られた第２作業者の脳活動量及び感情状態から、当該第２作業者の第２タスクに対する集中の程度を推定する。そして、上記構成に係る推定システムは、第２作業者の第２タスクに対する集中の程度を推定した結果を出力する。

したがって、上記構成に係る推定システムは、脳活動量及び感情状態の２つの指標を、作業に対する集中の程度に対応付けることによって、これら２つの指標に基づいて、作業者の作業に対する集中の程度を推定可能にしている。これら２つの指標のうち、脳活動量は、作業者の認知に利用している脳のリソースの量を示すことができる。一方、感情状態は、脳活動量と結びつくことで、その脳のリソースが何に割り振られているかを示し得る。そのため、脳活動量及び感情状態の２つの指標に基づくことで、作業者が作業に対して集中しているか否かをより正確に把握することができる。よって、上記構成によれば、作業者の作業に対する集中の程度をより正確に推定することができる。

なお、第１作業者は、学習に利用するデータを取得する対象となる作業者であり、第２作業者は、タスクに対する集中の程度を推定する対象となる作業者である。第１作業者と第２作業者とは、一致していてもよいし、一致していなくてもよい。また、第１タスクは、学習に利用するデータを取得する際に作業者に実行させるタスクであり、第２タスクは、集中の程度を推定する対象となるタスクである。第１タスクと第２タスクとは一致している又は関連しているのが好ましい。ただし、第１タスクと第２タスクとは必ずしも一致していなくてもよいし、関連していなくてもよい。各タスクは、例えば、生産ラインで作業者が行う作業等のような一定の時間に行う作業量が決まっているものであってよい。

上記一側面に係る推定システムにおいて、前記第１脳活動データ及び前記第２脳活動データにおける前記脳活動量は、位相同期指標（Phase locking index）の値により示されてよい。当該構成によれば、客観的かつ反復可能な方法により脳活動量の値を正確に測定可能であるため、作業者の作業に対する集中の程度をより正確に推定することができる。

上記一側面に係る推定システムにおいて、前記第１感情データ及び前記第２感情データにおける前記感情状態は、アローザル（Arousal）及びヴァレンス（Valence）の２つの指標により示されてよい。当該構成によれば、感情状態をより正確に表現可能であるため、作業者の作業に対する集中の程度をより正確に推定することができる。なお、アローザル及びヴァレンスは、ラッセル（Russell）の円環モデルに用いられる２つの指標である。アローザル（又は、Activation）は、覚醒度を表す指標であり、覚醒／鎮静の程度、又は活性／非活性の程度を示す。ヴァレンスは、感情価、すなわち感情の質を表す指標であり、ポジティブ／ネガティブの程度、又は快／不快の程度を示す。

なお、上記各形態に係る推定システムの別の形態として、以上の各構成を実現する情報処理方法であってもよいし、プログラムであってもよいし、このようなプログラムを記憶した、コンピュータその他装置、機械等が読み取り可能な記憶媒体であってもよい。ここで、コンピュータ等が読み取り可能な記憶媒体とは、プログラム等の情報を、電気的、磁気的、光学的、機械的、又は、化学的作用によって蓄積する媒体である。また、上記各形態に係る推定システムは、１又は複数台の情報処理装置により構成されてもよい。更に、上記各形態に係る推定システムから推定のフェーズに対応する一部の構成を抽出することで、別の形態に係るシステム、装置、方法、プログラム、及びプログラムを記憶した記憶媒体を構築してもよい。

また、例えば、本発明の一側面に係る推定装置は、所定のタスクを作業者が実行している間に当該作業者から測定される脳活動量を示す脳活動データを取得する第１取得部と、前記タスクの実行に対する感情の入力を受け付けることで、前記タスクの実行に関連した前記作業者の感情状態を示す感情データを取得する第２取得部と、前記脳活動量及び前記感情状態と集中の程度との間の対応関係を示す対応関係データを取得し、取得した当該対応関係データにより示される当該対応関係に基づいて、前記脳活動データ及び前記感情データにより示される前記作業者の前記脳活動量及び前記感情状態から、前記作業者の前記タスクに対する集中の程度を推定する推定部と、前記作業者の前記タスクに対する集中の程度を推定した結果を出力する出力部と、を備える。

また、例えば、本発明の一側面に係る推定方法は、コンピュータが、所定のタスクを作業者が実行している間に当該作業者から測定される脳活動量を示す脳活動データを取得するステップと、前記タスクの実行に対する感情の入力を受け付けることで、前記タスクの実行に関連した前記作業者の感情状態を示す感情データを取得するステップと、
前記脳活動量及び前記感情状態と集中の程度との間の対応関係を示す対応関係データを取得するステップと、取得した前記対応関係データにより示される前記対応関係に基づいて、前記脳活動データ及び前記感情データにより示される前記作業者の前記脳活動量及び前記感情状態から、前記作業者の前記タスクに対する集中の程度を推定するステップと、前記作業者の前記タスクに対する集中の程度を推定した結果を出力するステップと、を実行する、情報処理方法である。

本発明によれば、作業者の作業に対する集中の程度をより正確に推定可能な技術を提供することができる。

図１は、本発明が適用される場面の一例を模式的に例示する。 図２は、実施の形態に係る推定システムのハードウェア構成の一例を模式的に例示する。 図３は、実施の形態に係る推定システムのソフトウェア構成の一例を模式的に例示する。 図４は、実施の形態に係る脳活動データの一例を模式的に例示する。 図５Ａは、感情状態を表現する手法の一例を説明するための図である。 図５Ｂは、実施の形態に係る感情データの一例を模式的に例示する。 図６は、実施の形態に係る推定システムの学習フェーズにおける処理手順の一例を例示する。 図７は、実施の形態に係る第１タスクの一例を模式的に例示する。 図８は、感情の入力を受け付ける画面の一例を模式的に例示する。 図９Ａは、タスクに対する集中の程度が高い作業者の脳活動データ及び感情データの推移の一例を模式的に例示する。 図９Ｂは、タスクに対する集中の程度が低い作業者の脳活動データ及び感情データの推移の一例を模式的に例示する。 図１０は、実施の形態に係る脳活動量及び感情状態と集中の程度との間の対応関係を示す対応関係データの一例を模式的に例示する。 図１１は、実施の形態に係る推定システムの推定フェーズにおける処理手順の一例を例示する。

以下、本発明の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。ただし、以下で説明する本実施形態は、あらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。なお、本実施形態において登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。

§１ 適用例
まず、図１を用いて、本発明が適用される場面の一例について説明する。図１は、本実施形態に係る推定システム１の適用場面の一例を模式的に例示する。

本実施形態に係る推定システム１は、作業者の脳活動量及び感情状態の２つの指標から、当該作業者の作業に対する集中の程度を推定する情報処理装置である。具体的には、推定システム１は、学習のフェーズにおいて、所定の第１タスク４０を第１作業者５０が実行している間に当該第１作業者５０から測定された脳活動量を示す第１脳活動データを取得する。また、推定システム１は、第１タスク４０の実行に対する感情の入力を受け付けることで、第１タスク４０の実行に関連した第１作業者５０の感情状態を示す第１感情データを取得する。更に、推定システム１は、第１作業者５０が第１タスク４０を実行した結果に基づいて特定された、当該第１作業者５０の第１タスク４０に対する集中の程度を示す実行結果データを取得する。そして、推定システム１は、第１脳活動データ、第１感情データ、及び実行結果データに基づいて、脳活動量及び感情状態と集中の程度との間の対応関係を特定する。

一方、推定システム１は、推定のフェーズにおいて、所定の第２タスク４１を第２作業者５１が実行している間に当該第２作業者５１から測定される脳活動量を示す第２脳活動データを取得する。また、推定システム１は、第２タスク４１の実行に対する感情の入力を受け付けることで、当該第２タスク４１の実行に関連した第２作業者５１の感情状態を示す第２感情データを取得する。次に、推定システム１は、学習のフェーズで特定した対応関係に基づいて、第２脳活動データ及び第２感情データにより示される第２作業者５１の脳活動量及び感情状態から、当該第２作業者５１の第２タスク４１に対する集中の程度を推定する。そして、推定システム１は、第２作業者５１の第２タスク４１に対する集中の程度を推定した結果を出力する。

以上のとおり、本実施形態に係る推定システム１は、学習のフェーズにおいて、脳活動量及び感情状態の２つの指標を、作業に対する集中の程度に対応付ける。そして、本実施形態に係る推定システム１は、推定のフェーズにおいて、学習のフェーズで特定した対応関係に基づいて、脳活動量及び感情状態の２つの指標から作業者（第２作業者５１）の作業（第２タスク４１）に対する集中の程度を推定する。これら２つの指標のうち、脳活動量は、作業者の認知に利用している脳のリソースの量を示し得る。一方、感情状態は、脳活動量と結びつくことで、その脳のリソースが何に割り振られているかを示し得る。そのため、脳活動量及び感情状態の２つの指標を利用することで、作業者が作業に対して集中しているか否かをより正確に把握することができる。よって、本実施形態に係る推定システム１によれば、作業者の作業に対する集中の程度をより正確に推定することができる。

なお、第１作業者５０は、学習に利用するデータを取得する対象となる作業者であり、第２作業者５１は、作業に対する集中の程度を推定する対象となる作業者である。第１作業者５０と第２作業者５１とは、同一人物であってもよいし、同一人物でなくてもよい。また、第１タスク４０は、学習に利用するデータを取得する際に作業者に実行させる作業であり、第２タスク４１は、集中の程度を推定する対象となる作業である。第１タスク４０と第２タスク４１とは一致している又は関連しているのが好ましい。ただし、第１タスク４０と第２タスク４１とは必ずしも一致していなくてもよいし、関連していなくてもよい。各タスク（４０、４１）は、例えば、生産ラインで作業者が行う作業等のような一定の時間に行う作業量が決まっているものであってよいがこれに限定されない。なお、ここでの作業者はタスクを実行する主体（人間）を意味しており、例えば、本推定システムを教育において利用する場合は、作業者は学習を行う生徒であってよい。

また、脳活動量の測定方法及び感情の入力方法は、実施の形態に応じて適宜選択されてよい。本実施形態では、第１作業者５０の脳活動量の測定には、第１作業者５０の頭部に装着された脳波計３０が利用され、第１作業者５０の感情の入力には、タッチパネル３１が利用される。同様に、第２作業者５１の脳活動量の測定には、第２作業者５１の頭部に装着された脳波計３５が利用され、第２作業者５１の感情の入力には、タッチパネル３６が利用される。

§２ 構成例
［ハードウェア構成］
次に、図２を用いて、本実施形態に係る推定システム１のハードウェア構成の一例について説明する。図２は、本実施形態に係る推定システム１のハードウェア構成の一例を模式的に例示する。

図２に示されるとおり、本実施形態に係る推定システム１は、制御部１１、記憶部１２、外部インタフェース１３、入力装置１４、出力装置１５、及びドライブ１６が電気的に接続されたコンピュータである。なお、図２では、外部インタフェースを「外部Ｉ／Ｆ」と記載している。

制御部１１は、ハードウェアプロセッサであるＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、プログラム及び各種データに基づいて情報処理を実行するように構成される。記憶部１２は、メモリの一例であり、例えば、ハードディスクドライブ、ソリッドステートドライブ等で構成される。本実施形態では、記憶部１２は、プログラム８、第１脳活動データ１２１、第１感情データ１２２、実行結果データ１２３、対応関係データ１２４、第２脳活動データ１２５、第２感情データ１２６等の各種情報を記憶する。

プログラム８は、脳活動量及び感情状態と作業に対する集中の程度との対応関係を特定する学習のフェーズに係る後述の情報処理（図６）、及び特定した対応関係に基づいて、脳活動量及び感情状態から作業に対する集中の程度を推定する推定のフェーズに係る後述の情報処理（図１１）を推定システム１に実行させるためのプログラムである。プログラム８は、各情報処理の一連の命令を含む。第１脳活動データ１２１は、所定の第１タスク４０を第１作業者５０が実行している間に当該第１作業者５０から測定された脳活動量を示す。第１感情データ１２２は、第１タスク４０の実行に関連した第１作業者５０の感情状態を示す。実行結果データ１２３は、第１作業者５０が第１タスク４０を実行した結果に基づいて特定された、当該第１作業者５０の第１タスク４０に対する集中の程度を示す。対応関係データ１２４は、第１脳活動データ１２１、第１感情データ１２２、及び実行結果データ１２３に基づいて特定された、脳活動量及び感情状態と集中の程度との間の対応関係を示す。第２脳活動データ１２５は、所定の第２タスク４１を第２作業者５１が実行している間に当該第２作業者５１から測定される脳活動量を示す。第２感情データ１２６は、第２タスク４１の実行に関連した第２作業者５１の感情状態を示す。詳細は後述する。

外部インタフェース１３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、専用ポート等であり、外部装置と接続するためのインタフェースである。外部インタフェース１３の種類及び数は、接続される外部装置の種類及び数に応じて適宜選択されてよい。本実施形態では、推定システム１は、外部インタフェース１３を介して、各脳波計（３０、３５）及び各タッチパネル（３１、３６）に接続される。

各脳波計（３０、３５）は、例えば、各作業者（５０、５１）の頭部に装着され、当該各作業者（５０、５１）の脳活動量を測定するために利用される。各脳波計（３０、３５）の種類は、特に限定されなくてよく、実施の形態に応じて適宜選択されてよい。また、第１作業者５０の脳活動量の測定に利用される脳波計３０と第２作業者５１の脳活動量の測定に利用される脳波計３５とは、同一であってもよいし、異なる種類のものであってもよい。

各タッチパネル（３１、３６）は、例えば、各作業者（５０、５１）の近傍に配置され、各タスク（４０、４１）の実行に対する感情の入力を受け付けるために利用される。各タッチパネル（３１、３６）の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、各タッチパネル（３１、３６）は、スマートフォン、タブレット端末等のコンピュータであってもよい。また、第１作業者５０の感情の入力に利用されるタッチパネル３１と第２作業者５１の感情の入力に利用されるタッチパネル３６とは、同一であってもよいし、異なる種類のものであってもよい。

入力装置１４は、例えば、マウス、キーボード等の入力を行うための装置である。また、出力装置１５は、例えば、ディスプレイ、スピーカ等の出力を行うための装置である。ユーザは、入力装置１４及び出力装置１５を利用して、推定システム１を操作することができる。

ドライブ１６は、例えば、ＣＤドライブ、ＤＶＤドライブ等であり、記憶媒体９に記憶されたプログラムを読み込むためのドライブ装置である。ドライブ１６の種類は、記憶媒体９の種類に応じて適宜選択されてよい。上記プログラム８は、この記憶媒体９に記憶されていてもよい。

記憶媒体９は、コンピュータその他装置、機械等が記録されたプログラム等の情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。推定システム１は、この記憶媒体９から、上記プログラム８を取得してもよい。

ここで、図２では、記憶媒体９の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体９の種類は、ディスク型に限定される訳ではなく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。

なお、推定システム１の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。また、推定システム１は、汎用のＰＣ（Personal Computer）等であってもよい。

［ソフトウェア構成］
次に、図３を用いて、本実施形態に係る推定システム１のソフトウェア構成の一例について説明する。図３は、本実施形態に係る推定システム１のソフトウェア構成の一例を模式的に例示する。

図３に示されるとおり、本実施形態に係る推定システム１は、制御部１１によりプログラムを実行することで、第１取得部１１１、第２取得部１１２、第３取得部１１３、関係特定部１１４、第４取得部１１５、第５取得部１１６、推定部１１７、及び出力部１１８を備える。

学習のフェーズにおいて、第１取得部１１１は、所定の第１タスク４０を第１作業者５０が実行している間に当該第１作業者５０から測定された脳活動量を示す第１脳活動データ１２１を取得する。第２取得部１１２は、第１タスク４０の実行に対する感情の入力を受け付けることで、当該第１タスク４０の実行に関連した第１作業者５０の感情状態を示す第１感情データ１２２を取得する。第３取得部１１３は、第１作業者５０が第１タスク４０を実行した結果に基づいて特定された、当該第１作業者５０の第１タスク４０に対する集中の程度を示す実行結果データ１２３を取得する。関係特定部１１４は、第１脳活動データ１２１、第１感情データ１２２、及び実行結果データ１２３に基づいて、脳活動量及び感情状態と集中の程度との間の対応関係を特定し、特定した対応関係を示す対応関係データ１２４を生成する。

一方、推定のフェーズにおいて、第４取得部１１５は、所定の第２タスク４１を第２作業者５１が実行している間に当該第２作業者５１から測定される脳活動量を示す第２脳活動データ１２５を取得する。第５取得部１１６は、第２タスク４１の実行に対する感情の入力を受け付けることで、当該第２タスク４１の実行に関連した第２作業者５１の感情状態を示す第２感情データ１２６を取得する。推定部１１７は、対応関係データ１２４により示される対応関係に基づいて、第２脳活動データ１２５及び第２感情データ１２６により示される第２作業者５１の脳活動量及び感情状態から、当該第２作業者５１の第２タスク４１に対する集中の程度を推定する。出力部１１８は、第２作業者５１の第２タスク４１に対する集中の程度を推定した結果を出力する。

推定システム１の各構成の動作については後述する動作例で詳細に説明する。なお、推定システム１のソフトウェア構成に関して、実施の形態に応じて、省略、置換及び追加が適宜行われてよい。

（脳活動量）
次に、図４を用いて、脳活動量を表現する方法の一例について説明する。図４は、各脳活動データ（１２１、１２５）の一例を模式的に例示する。図４に示されるとおり、本実施形態では、各脳活動データ（１２１、１２５）における各作業者（５０、５１）の脳活動量は、位相同期指標の値（以下、ＰＬＩ値とも記載する）により示される。

一般的に、安静時（例えば、作業前）とタスクを実行している時（例えば、作業中）とで、所定周波数の音刺激に対する聴性定常反応（auditory steady state response：ASSR）の応答性に違いが生じることが知られている。そのため、聴性定常反応の応答性の違いによれば、脳活動量を客観的に測定することができる。

そこで、本実施形態では、イヤホン（不図示）等により各作業者（５０、５１）に所定周波数の音刺激を与え、各脳波計（３０、３５）により、聴性定常反応における脳波を測定する。そして、測定した脳波に基づいて、位相同期指標の値を算出する。位相同期指標は、脳波測定の計測チャネル間における位相の同期性を示す。なお、ＰＬＩ値の算出には、公知の方法（例えば、Yusuke Yokota, Yasushi Naruse, "Phase coherence of auditory steady-state response reflects the amount of cognitive workload in a modified N-back task", Neuroscience Research 100(2015)39-45）が用いられてよい。ＰＬＩ値として表れる部分１３１は、聴性定常反応に対するリソースの量を示し、安静時とタスク実行時との差分１３２は、作業（タスク）の認知に対するリソースの量を示し得る。

本実施形態では、このようなＰＬＩ値により、各作業者（５０、５１）の各タスク（４０、４１）に対する脳活動量が表される。ただし、脳活動量を表現する方法は、このようなＰＬＩ値を用いた例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。なお、聴性定常反応は、４０Ｈｚの音刺激により強く誘発されることが知られている。そのため、本実施形態では、ＰＬＩ値を得る際には、４０Ｈｚの音刺激が利用されてよい。

（感情状態）
次に、図５Ａ及び図５Ｂを用いて、感情状態を表現する方法の一例について説明する。図５Ａは、感情状態を表現する手法の一例を説明するための図である。図５Ｂは、各感情データ（１２２、１２６）の一例を模式的に例示する。本実施形態では、各感情データ（１２２、１２６）における各作業者（５０、５１）の感情状態は、アローザル（Arousal）及びヴァレンス（Valence）の２つの指標により示される。

アローザル及びヴァレンスは、ラッセルの円環モデルに用いられる２つの指標である。アローザル（又は、Activation）は、覚醒度を表す指標であり、覚醒／鎮静の程度、又は活性／非活性の程度を示す。一方、ヴァレンスは、感情価、すなわち感情の質を表す指標であり、ポジティブ／ネガティブの程度、又は快／不快の程度を示す。

図５Ａの例では、アローザルが縦軸に割り当てられ、ヴァレンスが横軸に割り当てられており、アローザル及びヴァレンスはそれぞれ、−１００〜＋１００までの数値で示される。各数値と感情状態との対応関係の一例として、アローザル及びヴァレンスの値が共に正である第１象限には、「enthusiastic/elated」の感情状態が対応付けられている。アローザルの値が正であり、ヴァレンスの値が負である第２象限には、「stressed」の感情状態が対応付けられている。アローザル及びヴァレンスの値が共に負である第３象限には、「fatigued」の感情が対応付けられている。アローザルの値が負であり、ヴァレンスの値が正である第４象限には、「relaxed」の感情が対応付けられている。

本実施形態では、このようなアローザル及びヴァレンスという２つの指標により、各作業者（５０、５１）の感情状態が表される。図５Ｂに例示されるように、各作業者（５０、５１）の感情状態は、例えば、アローザル及びヴァレンスの変化量、象限の変化等で示すことができる。ただし、感情状態を表現する方法は、このようなラッセルの円環モデルを用いた例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。

§３ 動作例
［学習のフェーズ］
次に、図６を用いて、脳活動量及び感情状態と作業に対する集中の程度とを対応付けるための学習のフェーズの情報処理について説明する。図６は、学習のフェーズにおける推定システム１の処理手順の一例を例示するフローチャートである。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

（ステップＳ１０１）
ステップＳ１０１では、制御部１１は、所定の第１タスク４０の実行を第１作業者５０に指示するメッセージを出力する。メッセージの出力先及び出力方法はそれぞれ、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。制御部１１は、例えば、出力装置１５、第１作業者５０の近傍に配置される出力装置（不図示）等を介して当該メッセージを出力してもよい。また、制御部１１は、例えば、当該メッセージをディスプレイに表示してもよいし、当該メッセージの音声をスピーカから出力してもよい。

実行を指示する第１タスク４０の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。第１タスク４０は、例えば、部品の発注作業等であってよい。

図７は、本実施形態に係る第１タスク４０の一例を例示する。図７により例示される第１タスク４０は、タッチパネル３１に表示されたライン４０１をなぞる作業である。ライン４０１を含む画像のデータは、記憶部１２に保持されていてもよいし、ネットワークを介してＮＡＳ（Network Attached Storage）等の外部装置から取得されてもよい。また、ライン４０１の形状及び寸法は、実施の形態に応じて適宜決定されてよい。

制御部１１は、画像データをタッチパネル３１に転送することで、ライン４０１を含む画像をタッチパネル３１に表示すると共に、ライン４０１をなぞるように指示するメッセージを出力装置１５を介して出力する。制御部１１は、タッチパネル３１に対する操作を受け付けて、第１作業者５０による第１タスク４０の実行を監視する。第１タスク４０は、このような単純な作業であってもよい。第１タスク４０の実行を指示すると、制御部１１は、次のステップＳ１０２に処理を進める。

（ステップＳ１０２）
図６に戻り、ステップＳ１０２では、制御部１１は、第１取得部１１１として動作し、第１タスク４０を第１作業者５０が実行している間に当該第１作業者５０から測定された脳活動量を示す第１脳活動データ１２１を取得する。

本実施形態では、脳活動量は、聴性定常反応におけるＰＬＩ値により示される。そこで、制御部１１は、上記第１タスク４０を実行中の第１作業者５０の脳波を脳波計３０により測定し、得られた脳波のデータからＰＬＩ値を算出し、算出したＰＬＩ値に基づいて、脳活動量を示す第１脳活動データ１２１を生成する。具体的には、制御部１１は、算出したＰＬＩ値をそのまま第１脳活動データ１２１として取得してもよいし、算出したＰＬＩ値と所定の基準値（例えば、安静時のＰＬＩ値）との差分値を第１脳活動データ１２１として取得してもよい。また、制御部１１は、算出したＰＬＩ値に正規化等の所定の演算処理を適用することで得られた値を第１脳活動データ１２１として取得してもよい。更に、脳波を複数回測定した場合、制御部１１は、各測定により得られた脳波のデータから算出したＰＬＩ値の平均値、分散等を第１脳活動データ１２１として取得してもよい。

これにより、制御部１１は、ＰＬＩ値により脳活動量が表現された第１脳活動データ１２１を取得することができる。第１脳活動データ１２１を取得すると、制御部１１は、次のステップＳ１０３に処理を進める。

なお、第１脳活動データ１２１を取得する方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、上記第１脳活動データ１２１の生成は、推定システム１以外のその他の情報処理装置により行われてもよい。この場合、制御部１１は、ネットワーク、記憶媒体等を介して、その他の情報処理装置により生成された第１脳活動データ１２１を取得してもよい。

（ステップＳ１０３）
ステップＳ１０３では、制御部１１は、第２取得部１１２として動作し、第１タスク４０の実行に対する感情の入力を受け付けることで、当該第１タスク４０の実行に関連した第１作業者５０の感情状態を示す第１感情データ１２２を取得する。本実施形態では、第１タスク４０の実行に対する感情の入力に、タッチパネル３１が用いられる。

図８は、感情の入力を受け付ける際に、本実施形態に係るタッチパネル３１に表示される画面の一例を模式的に例示する。本実施形態では、感情状態は、アローザル及びヴァレンスの２つの指標により示される。そこで、制御部１１は、アローザル及びヴァレンスの２つの軸を含む画面をタッチパネル３１に表示し、第１タスク４０の実行に対する感情の入力を受け付ける。この画面のデータは、記憶部１２に保持されていてもよいし、ネットワークを介してＮＡＳ等の外部装置から取得されてもよい。感情の入力は、第１作業者５０本人により行われてもよいし、第１作業者５０以外の別の人物により行われてもよい。

そして、制御部１１は、画面上のタッチされた位置（すなわち、回答結果）に基づいて、アローザル及びヴァレンスそれぞれの値を特定し、特定したアローザル及びヴァレンスそれぞれの値に基づいて、感情状態を示す第１感情データ１２２を生成する。具体的には、制御部１１は、特定したアローザル及びヴァレンスそれぞれの値を第１感情データ１２２として取得してもよい。また、制御部１１は、複数回の感情の入力を受け付け、各入力により得られたアローザル及びヴァレンスそれぞれの値の総和、平均値、分布等を第１感情データ１２２として取得してもよい。また、制御部１１は、第１タスク４０の実行前後に関して感情の入力を受け付け、第１タスク４０の実行によるアローザル及びヴァレンスそれぞれの変化量として、各入力により得られたアローザル及びヴァレンスそれぞれの値の差分を算出してもよい。制御部１１は、この第１タスク４０の実行によるアローザル及びヴァレンスそれぞれの変化量を第１感情データ１２２として取得してもよい。

これにより、制御部１１は、アローザル及びヴァレンスの２つの指標により感情状態が表現された第１感情データ１２２を取得することができる。第１感情データ１２２を取得すると、制御部１１は、次のステップＳ１０４に処理を進める。

なお、第１感情データ１２２を取得する方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、上記第１感情データ１２２の生成は、推定システム１以外のその他の情報処理装置により行われてもよい。この場合、制御部１１は、ネットワーク、記憶媒体等を介して、その他の情報処理装置により生成された第１感情データ１２２を取得してもよい。

（ステップＳ１０４）
ステップＳ１０４では、制御部１１は、第３取得部１１３として動作し、第１作業者５０が第１タスク４０を実行した結果に基づいて特定された、当該第１作業者５０の第１タスク４０に対する集中の程度を示す実行結果データ１２３を取得する。

集中の程度の表現方法は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。集中の程度は、例えば、集中しているか否かを示す２値により表されてもよい。

また、集中の程度を特定する方法も、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、第１作業者５０自身、又は第１作業者５０が第１タスク４０を実行している様子を観察した観察者が、第１作業者５０の第１タスク４０に対する集中の程度を評価してもよい。この場合、制御部１１は、入力装置１４、タッチパネル３１等により、第１作業者５０又は観察者からの入力を受け付けることで、第１タスク４０に対する集中の程度を特定することができる。

制御部１１は、例えば、上記いずれかの方法により、第１作業者５０の第１タスク４０に対する集中の程度を特定し、特定した集中の程度に基づいて、実行結果データ１２３を生成する。これにより、制御部１１は、実行結果データ１２３を取得することができる。実行結果データ１２３を取得すると、制御部１１は、次のステップＳ１０５に処理を進める。

なお、実行結果データ１２３を取得する方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、上記実行結果データ１２３の生成は、推定システム１以外のその他の情報処理装置により行われてもよい。この場合、制御部１１は、ネットワーク、記憶媒体等を介して、その他の情報処理装置により生成された実行結果データ１２３を取得してもよい。

（ステップＳ１０５及びＳ１０６）
ステップＳ１０５では、制御部１１は、関係特定部１１４として動作し、ステップＳ１０２〜Ｓ１０４により取得した第１脳活動データ１２１、第１感情データ１２２、及び実行結果データ１２３に基づいて、脳活動量及び感情状態と集中の程度との間の対応関係を特定する。

次のステップＳ１０６では、制御部１１は、特定した対応関係を示す対応関係データ１２４を生成する。そして、制御部１１は、生成した対応関係データ１２４を記憶部１２に保存する。これにより、制御部１１は、本動作例に係る学習のフェーズの情報処理を終了する。

なお、脳活動量及び感情状態と集中の程度との対応関係を特定するのに利用する第１脳活動データ１２１、第１感情データ１２２、及び実行結果データ１２３の件数は、実施の形態に応じて適宜決定されてよい。制御部１１は、ステップＳ１０１〜Ｓ１０４の処理を適宜繰り返すことで、第１脳活動データ１２１、第１感情データ１２２、及び実行結果データ１２３を収集することができる。

また、脳活動量及び感情状態と集中の程度との対応関係を特定する方法は、特に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。

ここで、図９Ａ及び図９Ｂを用いて、第１タスク４０に対する集中の程度が高いケース及び低いケースそれぞれで、第１タスク４０の実行を習得していく過程において、ステップＳ１０２及びＳ１０３により得られる第１脳活動データ１２１及び第１感情データ１２２にみられる傾向の一例を説明する。図９Ａは、第１タスク４０に対する集中の程度が高い作業者から得られる第１脳活動データ１２１及び第１感情データ１２２の推移の一例を模式的に例示する。図９Ｂは、第１タスク４０に対する集中の程度が低い作業者から得られる第１脳活動データ１２１及び第１感情データ１２２の推移の一例を模式的に例示する。

第１タスク４０の実行に作業者が集中している場合、第１タスク４０に慣れていない学習初期の段階Ｔ１０では、作業者の脳のリソースの多くは、第１タスク４０の実行に利用され、また、その変動量は小さいと想定される。そのため、図９Ａに示されるとおり、学習初期の段階Ｔ１０では、得られるＰＬＩ値は比較的に小さくなり、ＰＬＩ値の変動量（例えば、分散）も小さくなり得る。また、第１タスク４０の実行に作業者が集中している場合、この学習初期の段階Ｔ１０では、作業者の感情状態のうち覚醒度は比較的に高くなる一方で、第１タスク４０の実行の緊張感から、ネガティブな感情価が高くなると想定される。そのため、感情状態を示す値は、アローザル及びヴァレンスのグラフでは第２象限に表れ得る。

続いて、作業者が、第１タスク４０の実行に集中しながら、第１タスク４０を繰り返し実行することで、当該第１タスク４０に慣れ始めてくると、当該作業者の第１タスク４０を実行する能力が向上する。これにより、第１タスク４０の実行を詳細に認知しなくても、当該第１タスク４０を完遂できるようになるため、第１タスク４０の実行に利用する脳のリソースの量は減ると想定される。また、第１タスク４０に慣れ始めると、第１タスク４０の実行の緊張感が薄れてくることから、ポジティブな感情価が高くなると想定される。そのため、第１タスク４０の実行に作業者が集中している場合に、第１タスク４０に慣れ始めた学習中期の段階Ｔ１１では、得られるＰＬＩ値は比較的に大きくなり、感情状態を示す値は、アローザル及びヴァレンスのグラフで第１象限に表れ得る。

更に、第１タスク４０に完全に慣れると、第１タスク４０の実行に利用する脳のリソースの量は更に少なくなり、また、第１タスク４０の実行に飽きてくることから、ネガティブな感情価が高くなると想定される。そのため、第１タスク４０の実行に作業者が集中している場合に、第１タスク４０に慣れた学習終期の段階Ｔ１２では、得られるＰＬＩ値は比較的に大きくなり、感情状態を示す値は、アローザル及びヴァレンスのグラフで第２象限に表れ得る。

一方、第１タスク４０の実行に作業者が集中していない場合、脳活動量及び感情状態の示す傾向はばらつき得る。この場合、第１タスク４０に慣れていない学習初期の段階Ｔ２０では、作業者の脳のリソースは、第１タスク４０の実行の他に、当該第１タスク４０以外の何らかの事象にも利用されていると想定される。そのため、図９Ｂに示されるとおり、学習初期の段階Ｔ２０では、得られるＰＬＩ値は比較的に小さくなり得るが、ＰＬＩ値の変動量（例えば、分散）は比較的に大きくなり得る。また、第１タスク４０の実行に作業者が集中していない場合には、作業者の覚醒度は低くなると想定される。そのため、学習初期の段階Ｔ２０では、感情状態を示す値は、アローザル及びヴァレンスのグラフでは第３象限に表れ得る。

続いて、作業者が、第１タスク４０の実行に集中していない場合には、第１タスク４０を繰り返し実行しても、当該第１タスク４０を実行する能力の向上は小さいと想定される。そのため、第１タスク４０に慣れ始めた学習中期の段階Ｔ２１でも、第１タスク４０の実行に利用する脳のリソースの量はあまり減らないと想定される。よって、この段階Ｔ２１でも、得られるＰＬＩ値は比較的に小さいままとなり得る。また、第１タスク４０に慣れ始めたことで、ポジティブな感情価が高くなり得るが、作業者の覚醒度は低いままと想定される。そのため、この段階Ｔ２１では、感情状態を示す値は、アローザル及びヴァレンスのグラフで第４象限に表れ得る。第１タスク４０の実行に作業者が集中していない場合、この学習中期の段階Ｔ２１以降は、脳活動量及び感情状態の傾向は、一定の方向には収束せず、ばらつくものと想定される。

次に、図１０を用いて、図９Ａ及び図９Ｂに例示される傾向から導出される脳活動量及び感情状態と集中の程度との対応関係の一例について説明する。図１０は、図９Ａ及び図９Ｂに例示される傾向に適合する各データ１２１〜１２３が得られた場合に、上記ステップＳ１０５及びＳ１０６により生成される対応関係データ１２４の一例を模式的に例示する。

図１０で例示される対応関係データ１２４は、テーブル形式で表現されている。各レコード（行データ）は、第１脳活動データ１２１により示される脳活動量、第１感情データ１２２により示される感情状態、及び実行結果データ１２３により示される集中の程度の分布に基づいて特定される、脳活動量及び感情状態と集中の程度との１つの対応関係を示す。具体的には、その分布の状態に基づいて、脳活動量及び感情状態それぞれに対して、集中の程度を判定するための閾値が設定される。各レコードには、これにより設定された脳活動量及び感情状態に対して閾値が格納されている。

例えば、１つ目のレコードは、ＰＬＩ値の平均値がＴｈ１未満であり、ＰＬＩ値の分散がＴｈ２未満であり、かつ感情状態の値がアローザル及びヴァレンスのグラフの第２象限に属する場合に、集中の程度は中であることを示している。この１つ目のレコードは、上記第１タスク４０に集中している場合における学習初期の段階Ｔ１０に対応している。

また、例えば、２つ目のレコードは、ＰＬＩ値の平均値がＴｈ３以上であり、ＰＬＩ値の分散がＴｈ４未満であり、かつ感情状態の値がアローザル及びヴァレンスのグラフの第２象限に属する場合に、集中の程度は高いことを示している。この２つ目のレコードは、上記第１タスク４０に集中している場合における学習終期の段階Ｔ１２に対応している。

また、例えば、３つ目のレコードは、ＰＬＩ値の平均値がＴｈ５未満であり、ＰＬＩ値の分散がＴｈ６以上であり、かつ感情状態の値がアローザル及びヴァレンスのグラフの第３象限に属する場合に、集中の程度は低いことを示している。この３つ目のレコードは、上記第１タスク４０に集中していない場合における学習初期の段階Ｔ２０に対応している。

なお、図１０で例示した各レコードの内容は、図９Ａ及び図９Ｂに例示される傾向から導出される対応関係の一例を示すに過ぎず、脳活動量及び感情状態と集中の程度との対応関係は、これらの例に限定されなくてよく、実施の形態に応じて適宜決定されてよい。

［推定のフェーズ］
次に、図１１を用いて、学習のフェーズで特定した対応関係に基づいて、対象の作業者の作業に対する集中の程度を推定する推定のフェーズの情報処理について説明する。図１１は、推定のフェーズにおける推定システム１の処理手順の一例を例示するフローチャートである。なお、以下で説明する処理手順は、本発明の「推定方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

（ステップＳ２０１）
ステップＳ２０１では、制御部１１は、第４取得部１１５として動作し、所定の第２タスク４１を第２作業者５１が実行している間に当該第２作業者５１から測定される脳活動量を示す第２脳活動データ１２５を取得する。第２脳活動データ１２５を取得すると、制御部１１は、次のステップＳ２０２に処理を進める。

本ステップＳ２０１は、上記ステップＳ１０２と同様に実行可能である。すなわち、制御部１１は、上記第１脳活動データ１２１を取得した方法と同様の方法により、第２作業者５１の脳活動量を示す第２脳活動データ１２５を取得することができる。例えば、制御部１１は、第２タスク４１を実行中の第２作業者５１の脳波を脳波計３５により測定し、得られた脳波のデータからＰＬＩ値を算出することで、第２作業者５１の脳活動量を示す第２脳活動データ１２５を取得することができる。ただし、ステップＳ２０１の処理は、ステップＳ１０２の処理と一致していなくてもよく、ステップＳ１０２とは異なる方法で（例えば、ステップＳ１０２で採用しなかった方法で）、第２作業者５１の脳活動量を示す第２脳活動データ１２５を取得してもよい。

また、第２タスク４１の種類は、第１タスク４０と同様に、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。第２タスク４１は、例えば、部品の発注作業等であってよい。

なお、制御部１１は、第２作業者５１が第２タスク４１の実行を開始したことをトリガとして、本ステップＳ２０１の処理の実行を開始してもよい。

（ステップＳ２０２）
ステップＳ２０２では、制御部１１は、第５取得部１１６として動作し、第２タスク４１の実行に対する感情の入力を受け付けることで、当該第２タスク４１の実行に関連した第２作業者５１の感情状態を示す第２感情データ１２６を取得する。第２感情データ１２６を取得すると、制御部１１は、次のステップＳ２０３に処理を進める。

本ステップＳ２０２は、上記ステップＳ１０３と同様に実行可能である。すなわち、制御部１１は、上記第１感情データ１２２を取得した方法と同様の方法により、第２作業者５１の感情状態を示す第２感情データ１２６を取得することができる。例えば、制御部１１は、図８で例示されるアローザル及びヴァレンスの２つの軸を含む画面をタッチパネル３６に表示し、第２タスク４１の実行に対する感情の入力を受け付ける。そして、制御部１１は、画面上のタッチされた位置（すなわち、回答結果）に基づいて、アローザル及びヴァレンスそれぞれの値を特定することで、第２作業者５１の感情状態を示す第２感情データ１２６を取得することができる。

（ステップＳ２０３）
ステップＳ２０３では、制御部１１は、推定部１１７として動作し、対応関係データ１２４を取得する。そして、制御部１１は、取得した対応関係データ１２４により示される対応関係に基づいて、第２脳活動データ１２５及び第２感情データ１２６により示される第２作業者５１の脳活動量及び感情状態から、当該第２作業者５１の第２タスク４１に対する集中の程度を推定する。

例えば、制御部１１は、対応関係データ１２４により示される対応関係に基づいて、第２脳活動データ１２５及び第２感情データ１２６により示される第２作業者５１の脳活動量及び感情状態に対応する、第２タスク４１に対する集中の程度を導出する。集中の程度を導出は、対応関係データ１２４のデータ形式に応じて適宜行われてよい。

本実施形態では、対応関係データ１２４は、図１０で例示されるテーブル形式で表現されている。制御部１１は、ステップＳ２０１及びＳ２０２の処理により得られた第２作業者５１の脳活動量及び感情状態と、各レコードの脳活動量及び感情状態それぞれのフィールドの値とを照合する。そして、制御部１１は、ステップＳ２０１及びＳ２０２の処理により得られた第２作業者５１の脳活動量及び感情状態に適合するレコードを抽出し、抽出したレコードの集中の程度のフィールドに格納された値を取得する。

これにより、制御部１１は、対応関係データ１２４により示される対応関係に基づいて、第２脳活動データ１２５及び第２感情データ１２６により示される第２作業者５１の脳活動量及び感情状態に対応する、第２タスク４１に対する集中の程度を導出することができる。第２タスク４１に対する集中の程度の推定（導出）が完了すると、制御部１１は、次のステップＳ２０４に処理を進める。

（ステップＳ２０４）
ステップＳ２０４では、制御部１１は、出力部１１８として動作し、出力装置１５等を介して、第２作業者５１の第２タスク４１に対する集中の程度を推定した結果を出力する。制御部１１は、ステップＳ２０３の処理によって、第２作業者５１の第２タスク４１に対する集中の程度を推定した結果を、例えば、ディスプレイに表示してもよいし、スピーカを介して音声で出力してもよい。

この推定結果の出力先は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。推定結果の出力は、例えば、第２作業者５１自身に向けて行われてもよいし、第２作業者５１を監督する監督者等の第２作業者５１以外の人物に向けて行われてよい。推定結果の出力が完了すると、制御部１１は、本動作例に係る推定のフェーズの情報処理を終了する。

［特徴］
以上のとおり、本実施形態に係る推定システム１は、ステップＳ１０１〜Ｓ１０６の学習のフェーズにおいて、第１タスク４０を実行させた第１作業者５０から得られる第１脳活動データ１２１、第１感情データ１２２、及び実行結果データ１２３を利用して、脳活動量及び感情状態と作業に対する集中の程度との対応関係を学習する。そして、本実施形態に係る推定システム１は、ステップＳ２０１〜Ｓ２０４の推定のフェーズにおいて、学習のフェーズで得られた対応関係に基づいて、脳活動量及び感情状態の２つの指標から作業者（第２作業者５１）の作業（第２タスク４１）に対する集中の程度を推定する。

これら２つの指標のうち、脳活動量は、作業者の認知に利用している脳のリソースの量を示し得る。ただし、この脳活動量の指標のみでは、その脳のリソースが作業に割り振られているのか、作業以外の他の対象に割り振られているのかが不明である。そこで、本実施形態では、作業者の作業に対する集中の程度を推定するための指標として、脳活動量の他に、感情状態を更に利用する。この感情状態は、認知の対象に応じて変動し得るため、脳活動量と結びつくことで、その脳のリソースが何に割り振られているかを示し得る。そのため、脳活動量及び感情状態の２つの指標を利用することで、作業者が作業に対して集中しているか否かをより正確に把握することができる。したがって、本実施形態に係る推定システム１によれば、作業者の作業に対する集中の程度をより正確に推定することができる。

§４ 変形例
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。

＜４．１＞
上記実施形態では、各脳波計（３０、３５）により、各作業者（５０、５１）の脳活動量を測定している。また、各作業者（５０、５１）の脳活動量は、所定周波数の音刺激に対する聴性定常反応におけるＰＬＩ値により示されている。しかしながら、脳活動量の取得方法及び表現方法はそれぞれ、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。

＜４．２＞
上記実施形態では、各タッチパネル（３１、３６）を利用して、各作業者（５０、５１）の感情状態の入力を受け付けている。また、各作業者（５０、５１）の感情状態は、アローザル及びヴァレンスの２つの指標により示される。しかしながら、感情状態の入力方法及び表現方法はそれぞれ、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。

１…推定システム、
１１…制御部、１２…記憶部、１３…外部インタフェース、
１４…入力装置、１５…出力装置、１６…ドライブ、
１１１…第１取得部、１１２…第２取得部、１１３…第３取得部、
１１４…関係特定部、１１５…第４取得部、１１６…第５取得部、
１１７…推定部、１１８…出力部、
１２１…第１脳活動データ、１２２…第１感情データ、
１２３…実行結果データ、１２４…対応関係データ、
１２５…第２脳活動データ、１２６…第２感情データ、
３０・３５…脳波計、３１・３６…タッチパネル、
４０…第１タスク、４１…第２タスク、
５０…第１作業者、５１…第２作業者、
８…プログラム、９…記憶媒体

Claims (5)

1. 学習のフェーズにおいて、所定の第１タスクを第１作業者が実行している間に当該第１作業者から測定された脳活動量を示す第１脳活動データを取得する第１取得部と、
   前記第１タスクの実行に対する感情の入力を受け付けることで、前記第１タスクの実行に関連した前記第１作業者の感情状態を示す第１感情データを取得する第２取得部と、
   前記第１作業者が前記第１タスクを実行した結果に基づいて特定された、前記第１作業者の前記第１タスクに対する集中の程度を示す実行結果データを取得する第３取得部と、
   前記第１脳活動データ、前記第１感情データ、及び前記実行結果データに基づいて、前記脳活動量及び前記感情状態と前記集中の程度との間の対応関係を特定する関係特定部と、
   推定のフェーズにおいて、所定の第２タスクを第２作業者が実行している間に当該第２作業者から測定される脳活動量を示す第２脳活動データを取得する第４取得部と、
   前記第２タスクの実行に対する感情の入力を受け付けることで、前記第２タスクの実行に関連した前記第２作業者の感情状態を示す第２感情データを取得する第５取得部と、
   前記対応関係に基づいて、前記第２脳活動データ及び前記第２感情データにより示される前記第２作業者の前記脳活動量及び前記感情状態から、前記第２作業者の前記第２タスクに対する集中の程度を推定する推定部と、
   前記第２作業者の前記第２タスクに対する集中の程度を推定した結果を出力する出力部と、
   を備える、
   推定システム。
2. 前記第１脳活動データ及び前記第２脳活動データにおける前記脳活動量は、位相同期指標の値により示される、
   請求項１に記載の推定システム。
3. 前記第１感情データ及び前記第２感情データにおける前記感情状態は、アローザル及びヴァレンスの２つの指標により示される、
   請求項１又は２に記載の推定システム。
4. 所定のタスクを作業者が実行している間に当該作業者から測定される脳活動量を示す脳活動データを取得する第１取得部と、
   前記タスクの実行に対する感情の入力を受け付けることで、前記タスクの実行に関連した前記作業者の感情状態を示す感情データを取得する第２取得部と、
   前記脳活動量及び前記感情状態と集中の程度との間の対応関係を示す対応関係データを取得し、取得した当該対応関係データにより示される当該対応関係に基づいて、前記脳活動データ及び前記感情データにより示される前記作業者の前記脳活動量及び前記感情状態から、前記作業者の前記タスクに対する集中の程度を推定する推定部と、
   前記作業者の前記タスクに対する集中の程度を推定した結果を出力する出力部と、
   を備える、
   推定装置。
5. コンピュータが、
   所定のタスクを作業者が実行している間に当該作業者から測定される脳活動量を示す脳活動データを取得するステップと、
   前記タスクの実行に対する感情の入力を受け付けることで、前記タスクの実行に関連した前記作業者の感情状態を示す感情データを取得するステップと、
   前記脳活動量及び前記感情状態と集中の程度との間の対応関係を示す対応関係データを取得するステップと、
   取得した前記対応関係データにより示される前記対応関係に基づいて、前記脳活動データ及び前記感情データにより示される前記作業者の前記脳活動量及び前記感情状態から、前記作業者の前記タスクに対する集中の程度を推定するステップと、
   前記作業者の前記タスクに対する集中の程度を推定した結果を出力するステップと、
   を実行する、
   推定方法。

Images