JP7073074B2 - 目標管理システム、目標管理サーバ、および、目標管理プログラム - Google Patents

Description

この開示は、目標管理システム、目標管理サーバ、および、目標管理プログラムに関する。特に、ユーザの体に関する目標を管理するのに適した目標管理システム、目標管理サーバ、および、目標管理プログラムに関する。

従来、ユーザの体に関する目標を管理するシステムがあった。このようなシステムにおいて、被験者の体組成の指標の現在値を取得し、現在の年齢から未来の年齢に達するまでの指標の値の平均的な変化量を、年齢を独立変数とした回帰式に基づいて求め、現在値と変化量とに基づいて、被験者の未来の年齢における指標の値を未来値として求めるものがあった（たとえば、特許文献１参照）。

特開２０１３－８１８００号公報

ユーザの体に関する値は、ユーザの行動によって変化する。しかし、特許文献１のシステムにおいては、このようなユーザの行動については考慮されていなかった。このため、ユーザの行動によっては、ユーザの体に関する値の将来の変化の予測に誤差が生じる可能性があった。

この開示のある局面における目的は、ユーザの行動ごとの体に関する値の変化を予測することが可能な目標管理システム、目標管理サーバ、および、目標管理プログラムを提供することである。

この開示のある局面に係る目標管理システムは、ユーザの体に関する目標を管理する目標管理システムであって、記憶部と、予測部と、提示部とを備える。記憶部は、行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。予測部は、記憶部に記憶された変化を示す値を用いて、ユーザの行動ごとの体に関する値の変化を示す値を予測する。提示部は、予測部によって予測された変化を示す値を提示する。当該ユーザの体に関する現状値は、当該ユーザによって情報通信端末で入力され当該情報通信端末から取得された当該ユーザの現状の値、または、情報通信端末によって測定装置から取得され当該情報通信端末から取得された当該ユーザの現状の値である。予測部は、記憶部に予め記憶された当該ユーザの変化を示す値から作成された個人予測モデルで得られる予測値の方が、記憶部に予め記憶された当該ユーザと似た複数のユーザの変化を示す値から作成された集団予測モデルで得られる予測値よりも、現状値との誤差が少ない場合、個人予測モデルを適用して当該ユーザの変化を示す値を予測し、集団予測モデルで得られる予測値の方が個人予測モデルで得られる予測値よりも、現状値との誤差が少ない場合、集団予測モデルを適用して当該ユーザの変化を示す値を予測する。

好ましくは、予測部は、所定の行動をした場合の変化を示す値と、所定の行動をしなかった場合の変化を示す値とを予測する。

好ましくは、記憶部は、当該ユーザの行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。

好ましくは、記憶部は、複数の人の行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。

好ましくは、目標管理システムは、サーバと端末装置とを含む。サーバは、記憶部と、予測部とを備える。端末装置は、提示部を備える。

この開示の他の局面に係る目標管理サーバは、ユーザの体に関する目標を管理する目標管理サーバであって、記憶部と、予測部と、送信部とを備える。記憶部は、行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。予測部は、記憶部に記憶された変化を示す値を用いて、ユーザの行動ごとの体に関する値の変化を示す値を予測する。送信部は、予測部によって予測された変化を示す値を端末装置で提示するために端末装置に送信する。当該ユーザの体に関する現状値は、当該ユーザによって情報通信端末で入力され当該情報通信端末から取得された当該ユーザの現状の値、または、情報通信端末によって測定装置から取得され当該情報通信端末から取得された当該ユーザの現状の値である。予測部は、記憶部に予め記憶された当該ユーザの変化を示す値から作成された個人予測モデルで得られる予測値の方が、記憶部に予め記憶された当該ユーザと似た複数のユーザの変化を示す値から作成された集団予測モデルで得られる予測値よりも、現状値との誤差が少ない場合、個人予測モデルを適用して当該ユーザの変化を示す値を予測し、集団予測モデルで得られる予測値の方が個人予測モデルで得られる予測値よりも、現状値との誤差が少ない場合、集団予測モデルを適用して当該ユーザの変化を示す値を予測する。

この開示のさらに他の局面に係る目標管理プログラムは、ユーザの体に関する目標を管理するサーバで実行される。サーバは、行動の種類または量に対する体に関する値の変化を示す値を予め記憶する記憶部を備える。目標管理プログラムは、記憶部に記憶された変化を示す値を用いて、ユーザの行動ごとの体に関する値の変化を示す値を予測するステップと、予測された変化を示す値を端末装置で提示するために端末装置に送信するステップとをサーバに実行させる。当該ユーザの体に関する現状値は、当該ユーザによって情報通信端末で入力され当該情報通信端末から取得された当該ユーザの現状の値、または、情報通信端末によって測定装置から取得され当該情報通信端末から取得された当該ユーザの現状の値である。予測するステップは、記憶部に予め記憶された当該ユーザの変化を示す値から作成された個人予測モデルで得られる予測値の方が、記憶部に予め記憶された当該ユーザと似た複数のユーザの変化を示す値から作成された集団予測モデルで得られる予測値よりも、現状値との誤差が少ない場合、個人予測モデルを適用して当該ユーザの変化を示す値を予測するステップと、集団予測モデルで得られる予測値の方が個人予測モデルで得られる予測値よりも、現状値との誤差が少ない場合、集団予測モデルを適用して当該ユーザの変化を示す値を予測するステップとを含む。

この開示によれば、ユーザの行動ごとの体に関する値の変化を予測することが可能な目標管理システム、目標管理サーバ、および、目標管理プログラムを提供することができる。

習慣を改善するための手順１を示す図である。 習慣を改善するための手順２を示す図である。 習慣を改善するための手順３を示す図である。 習慣を改善するための手順４を示す図である。 習慣を改善するための手順５を示す図である。 習慣を改善するための手順６を示す図である。 習慣を改善するための手順７を示す図である。 習慣を改善するための手順８を示す図である。 習慣を改善するための手順９を示す図である。 この実施の形態に係る目標管理システムの全体構成の概略を示す図である。 この実施の形態における情報通信端末の構成を示すブロック図である。 この実施の形態における目標管理のためのサーバの構成を示すブロック図である。 この実施の形態における生体情報の測定装置の構成を示すブロック図である。 この実施の形態における目標管理のためのサーバで実行される目標管理処理の流れを示すフローチャートである。 この実施の形態における目標管理のためのサーバで実行される目標具現化前半処理の流れを示すフローチャートである。 この実施の形態における形態素解析の一例を示す図である。 この実施の形態における目標のカテゴリの分類の一例を示す図である。 この実施の形態における特徴表現空間の一例を示す図である。 この実施の形態における特徴表現マップの作成過程の一例を示す第１の図である。 この実施の形態における特徴表現マップの作成過程の一例を示す第２の図である。 この実施の形態における「かっこいい」人の体組成に関する指標の値の初期段階でのデータベースの一例を示す。 この実施の形態における「かっこいい」人の体組成に関する指標の値のデータ蓄積後のデータベースの一例を示す。 この実施の形態における体組成に関するカテゴリの言語データベースの一例を示す図である。 この実施の形態における特徴表現マップからの定量的な目標値の特定過程の一例を示す第１の図である。 この実施の形態における特徴表現マップからの定量的な目標値の特定過程の一例を示す第２の図である。 この実施の形態における特徴表現マップからの定量的な目標値の特定過程の一例を示す第３の図である。 この実施の形態における定量的な目標値の提示を説明するための図である。 この実施の形態における目標具現化前半処理において情報通信端末の表示部に表示される表示画面の一例を示す図である。 この実施の形態における目標管理のためのサーバで実行される目標具現化後半処理の流れを示すフローチャートである。 この実施の形態において目標に到達する時期の情報を取得する過程の一例を示す図である。 この実施の形態における時間を指定する単語の意味解析の一例を示す図である。 この実施の形態における目標値とのギャップを示す図である。 この実施の形態における目標到達までのルートの一例を示す図である。 この実施の形態における目標到達までの推奨ルートの決定の過程の一例を示す図である。 この実施の形態における目標具現化後半処理において情報通信端末の表示部に表示される表示画面の一例を示す図である。 この実施の形態における目標到達方法の選定の過程の一例を示す図である。 この実施の形態における目標管理のためのサーバで実行される目標進捗管理処理の流れを示すフローチャートである。 この実施の形態における介入有効度の集団の実績の一例を示す図である。 この実施の形態における集団の実績を用いて介入方法を算出する過程を説明するための図である。 この実施の形態における集団の実績を用いて介入閾値を算出する過程を説明するための第１の図である。 この実施の形態における集団の実績を用いて介入閾値を算出する過程を説明するための第２の図である。 この実施の形態における介入有効度の個人の実績の一例を示す図である。 この実施の形態における個人の実績を用いて介入方法を算出する過程を説明するための図である。 この実施の形態における個人の実績を用いて介入閾値を算出する過程を説明するための第１の図である。 この実施の形態における個人の実績を用いて介入閾値を算出する過程を説明するための第２の図である。 この実施の形態における目標管理の進捗度を説明するための図である。 この実施の形態における目標管理のためのサーバで実行される目標維持処理の流れを示すフローチャートである。 この実施の形態における集団の過去データのうち当該ユーザと似たデータを抽出したものを示す図である。 この実施の形態における当該ユーザと似たデータの指標の変化の予測推移を示す図である。 この実施の形態における個人の過去データを抽出したものを示す図である。 この実施の形態における当該ユーザの指標の変化の予測推移を示す図である。 この実施の形態における集団予測モデルを用いた誤差評価を示す図である。 この実施の形態における個人予測モデルを用いた誤差評価を示す図である。 この実施の形態における指標の変化の予測結果を示す図である。 この実施の形態における現状の指標の値と指標の変化の予測結果との比較を示す図である。 この実施の形態における指標の変化パタンを説明するための図である。 この実施の形態における個人の指標の推移と改善行動との関係を示す図である。 この実施の形態における当該ユーザと似たユーザのうち改善行動を継続した群の指標の推移と改善行動との関係を示す図である。 この実施の形態における当該ユーザと似たユーザのうち改善行動をやめた群の指標の推移を示す図である。 この実施の形態における指標の今後の推移の複数のパタンを示す図である。 この実施の形態における目標維持処理において情報通信端末の表示部に表示される表示画面の一例を示す図である。

以下、図面を参照しつつ、目標管理システムの実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらの説明は繰り返さない。

［コンセプト］
「習慣が改善する」ということは、今まで「普通」だと思っていた自分の生活を望ましい状態に変化させ、それ以降はその望ましい生活をこれからの「普通」と認識させることである。習慣の改善を実現するための手順は、以下に示す通りである。（１）「これから」の望ましい普通がどんな状態かを把握する。（２）「今まで」の普通からどんな変化が必要かを理解する。（３）自分にとって負担のない小さな変化を確実に実行する。（４）到達した「これから」の望ましい状態を自分の普通と認識する。

図１から図９は、それぞれ、習慣を改善するための手順１から手順９を示す図である。図１を参照して、手順１においては、価値を数値に変換する。つまり、目指す姿を決定したら、その実現に必要な所定の指標の数値目標を明示する。

図２を参照して、手順２においては、価値までの変化量を計算する。つまり、数値目標と現在との差、および、その実現までの時間を設定することで、変化量を計算する。

図３を参照して、手順３においては、変化の実現ルートを提示する。つまり、同じ変化量で複数通りの経路を提示し、どのルートにするかを決定する。経路（ルート）とは、所定の指標の数値目標までの所定の指標の値の推移である。

図４を参照して、手順４においては、ルートを進む具体的な行動を提示する。つまり、想定されたルートをたどるために必要な具体的な行動を提示する。

図５を参照して、手順５においては、適切な介入を適切な方法で提供する。つまり、行動の確実な実践を促すための介入を適切な内容、時間、場所、および、経路を選択し、提供する。

図６を参照して、手順６においては、日々の進捗の確認とフィードバックを行なう。つまり、介入とそれによる日々の進行状況を、決定したルートと照らし合わせ評価し、進捗状況によって介入内容および変化スピードなどを変更する。

図７を参照して、手順７においては、ステージの到達判定と介入戦略の変更を行なう。つまり、目指す姿に到達した時点でフェイズを切替え、対応方針を「維持」に変更する。

図８を参照して、手順８においては、下降未来予測とルート選択とを行なう。つまり、今後の行動状態によって変化が想定される未来から現状維持または緩やかな変化を選択する。

図９を参照して、手順９においては、下降スピードを緩める介入を実施する。つまり、維持の状態から外れ得る変化を事前に想定し、そうならないような介入と維持の状態にいることの賞賛とを与える。

［目標管理システム］
図１０は、この実施の形態に係る目標管理システムの全体構成の概略を示す図である。図１０を参照して、目標管理システムは、ユーザ１０，２０，３０がそれぞれ所持する情報通信端末１００Ａ～１００Ｃ（たとえば、スマートフォン、携帯電話、ＰＣ（Personal Computer）、タブレット型ＰＣなど）と、目標管理のためのサーバ２００と、その他のサーバ３００と、生体情報の測定装置５００と、情報通信端末間の通信を提供する電気通信事業者の通信設備８００Ａ，８００Ｂとを含む。

サーバ２００，３００および通信設備８００Ａ，８００Ｂは、インターネットおよび公衆通信網などのパブリックネットワーク、および、ＬＡＮ（Local Area Network）などのプライベートネットワークなどの通信ネットワーク９００を介して、互いに通信可能に接続される。情報通信端末１００Ａ，１００Ｂおよび通信設備８００Ａ，８００Ｂは、無線通信で、互いに通信可能に接続される。

図１１は、この実施の形態における情報通信端末１００の構成を示すブロック図である。図１１を参照して、情報通信端末１００は、情報通信端末１００の全体を制御するための制御部１１０と、所定の情報を記憶するための記憶部１２０と、操作部１３０と、出力部１４０と、外部記憶装置１５０と、無線通信部１７０とを含む。なお、図示していないが、情報通信端末１００は、音声を入出力するための音声入出力部など他の構成も含む。

制御部１１０は、ＣＰＵ（Central Processing Unit）およびその補助回路からなり、記憶部１２０、操作部１３０、出力部１４０、および、無線通信部１７０を制御し、記憶部１２０に記憶されたプログラムまたはデータに従って所定の処理を実行し、操作部１３０および無線通信部１７０から入力されたデータを処理し、処理したデータを、記憶部１２０に記憶させたり、出力部１４０および無線通信部１７０に出力したりする。

記憶部１２０は、制御部１１０でプログラムを実行するために必要な作業領域として用いられるＲＡＭ（Random Access Memory）と、制御部１１０で実行するためのプログラムを記憶するためのＲＯＭ（Read Only Memory）とを含む。また、ＲＡＭには、所定の処理を実行するためのプログラムおよびデータが、操作部１３０、無線通信部１７０または外部記憶装置１５０から読込まれて記憶される。さらに、ＲＡＭの記憶領域を補助するための補助記憶装置として、ハードディスクドライブまたはメモリカードが用いられてもよい。

外部記憶装置１５０は、メモリカードリーダライタで構成される。外部記憶装置１５０は、制御部１１０から受けた所定のデータまたはプログラムを、メモリカードやＵＳＢ（Universal Serial Bus）メモリなどの記録媒体１５１に電気的に記録したり、記録媒体１５１から読出して制御部１１０に受け渡したりする。なお、外部記憶装置１５０は、ハードディスクドライブ、フレキシブルディスクドライブ、ＭＯ（Magneto-Optical disk）ドライブ、ＣＤ（Compact Disc）ドライブ、または、ＤＶＤ（Digital Versatile Disc）ドライブなどの記憶装置で構成されるようにしてもよい。

操作部１３０は、電話番号や各種データなどの数字やアルファベットやその他の文字などを入力するためのタッチパネルおよび操作ボタンを含む。なお、操作部１３０は、他の操作のための部分を含むようにしてもよい。操作部１３０がユーザによって操作されることによって、操作部１３０から制御部１１０に操作に応じた操作信号が送信される。制御部１１０は、操作部１３０からの操作信号に応じて情報通信端末１００の各部を制御する。

無線通信部１７０は、制御部１１０によって制御されて、通話相手の他の情報通信端末１００または固定電話から、電気通信事業者の通信設備８００およびアンテナを介して無線信号を受信し、受信した無線信号を音声信号に変換して、変換した音声信号を音声入出力部に送信するとともに、音声入出力部からの音声信号を無線信号に変換して、アンテナおよび電気通信事業者の通信設備８００を介して通話相手の他の情報通信端末１００または固定電話に送信する。

また、無線通信部１７０は、制御部１１０によって制御されて、データ通信が可能な機器、たとえば、サーバまたは他の情報通信端末１００と、電気通信事業者の通信設備８００およびアンテナを介して無線信号を受信し、受信した無線信号をデータに変換して、変換したデータを記憶部１２０に記憶させたり、データを表示させるために出力部１４０に送信したりするとともに、送信するデータを無線信号に変換して、アンテナおよび電気通信事業者の通信設備８００を介してデータ通信先のサーバまたは他の情報通信端末１００に送信する。

また、無線通信部１７０は、制御部１１０によって制御されて、公衆無線ＬＡＮやプライベートネットワークの無線ＬＡＮを介して、他のネットワーク通信可能な機器、たとえば、サーバおよび他の情報通信端末１００と、データをやりとりする。

出力部１４０は、ディスプレイおよびスピーカを含む。出力部１４０は、制御部１１０によって制御されて、無線通信部１７０で受信された情報、記憶部１２０に記憶された情報、または、外部記憶装置１５０で記録媒体１５１から読出された情報が制御部１１０で変換された映像信号および音声信号を、それぞれ、映像としてディスプレイに表示させ、音声としてスピーカから出力させる。

図１２は、この実施の形態における目標管理のためのサーバ２００の構成を示すブロック図である。図１２を参照して、サーバ２００は、サーバ２００の全体を制御するための制御部２１０と、所定の情報を記憶するための記憶部２２０と、記憶部２２０を補助して所定の情報を記憶するための外部記憶装置２５０と、外部の装置と通信ネットワーク９００を介して通信するための通信部２６０とを含む。

記憶部２２０は、図１１で説明した情報通信端末１００の記憶部１２０と同様であるので、重複する説明は繰返さない。

通信部２６０は、外部の装置との間で通信ネットワーク９００を介して、予め定められたプロトコルで、データを送受信する。通信部２６０は、制御部２１０から受けたデータを外部に送信したり、外部から受信したデータを制御部２１０に受け渡したりする。

外部記憶装置２５０は、ハードディスクドライブ、フレキシブルディスクドライブ、ＭＯドライブ、ＣＤドライブ、ＤＶＤドライブ、または、メモリカードリーダライタなどの記憶装置で構成される。外部記憶装置２５０は、制御部２１０から受けた所定のデータまたはプログラムを、記録媒体２５１に磁気的、光学的、または電気的に記録したり、記録媒体２５１から読出して制御部２１０に受け渡したりする。

記録媒体２５１としては、ハードディスク，フレキシブルディスクなどの磁気ディスク、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory），ＣＤ－Ｒ（Compact Disc Recordable），ＣＤ－ＲＷ（Compact Disc ReWritable），ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory），ＤＶＤ－Ｒ（Digital Versatile Disc Recordable），ＤＶＤ－ＲＷ（Digital Versatile Disc Rerecordable Disc），ＤＶＤ－ＲＡＭ（Digital Versatile Disc Random Access Memory），ＤＶＤ＋Ｒ，ＤＶＤ＋ＲＷ（Digital Versatile Disc ReWritable），ＢＤ－Ｒ（Blu-ray（登録商標） Disc Recordable），ＢＤ―ＲＥ（Blu-ray（登録商標） Disc Rewritable），ＢＤ―ＲＯＭ（Blu-ray（登録商標） Disc Read Only Memory）などの光ディスク、ＭＯなどの光磁気ディスク、メモリカード、または、ＵＳＢメモリなどがある。

制御部２１０は、図１１で説明した情報通信端末１００の制御部１１０と同様の構成を有する。制御部２１０は、記憶部２２０、外部記憶装置２５０および通信部２６０を制御し、記憶部２２０に記憶されたプログラムおよびデータにしたがって所定の処理を実行し、外部記憶装置２５０または通信部２６０から入力されたデータを処理し、処理されたデータを、記憶部２２０または外部記憶装置２５０の記録媒体２５１に記憶させたり、通信部２６０から出力させたりする。

なお、この実施の形態においては、サーバ２００は、操作部および表示部を含まず、外部の装置の操作部からの操作によって操作され、外部の装置の表示部に情報を出力するが、これに限定されず、操作部および表示部の構成を含むこととしてもよい。操作部は、キーボードおよびマウスを含み、操作部のキーボードおよびマウスが操作されることによってサーバ２００に入力された操作内容を示す操作信号は、制御部２１０に受け渡されるようにしてもよい。表示部は、ディスプレイを含み、ディスプレイは、制御部２１０から受けた画像データに対応する画像を表示するようにしてもよい。

なお、その他のサーバ３００の構成は、サーバ２００の構成と同様であるので、重複する説明は繰返さない。

図１３は、この実施の形態における生体情報の測定装置５００の構成を示すブロック図である。図１３を参照して、図１３で示すような体組成計などの生体情報の測定装置５００は、測定装置５００の全体を制御するための制御部５１０と、所定の情報を記憶するための記憶部５２０と、操作部５３０と、出力部５４０と、無線通信部５７０と、測定部５８０とを含む。

制御部５１０、記憶部５２０、操作部５３０、出力部５４０、および、無線通信部５７０は、それぞれ、図１１で説明した情報通信端末１００の制御部１１０、記憶部１２０、操作部１３０、出力部１４０、および、無線通信部１７０と同様であるので、重複する説明は繰返さない。なお、無線通信部５７０は、情報通信端末１００と直接的に通信可能であってもよいし、通信ネットワーク９００または電気通信事業者の通信設備８００などを介して通信可能であってもよい。

測定部５８０は、制御部１１０によって制御されて、ユーザの複数の生体情報のうちの所定の生体情報を測定して、測定結果の情報を制御部１１０に送信する。生体情報は、生体の状態を示す情報および身体の活動や動きを示す情報を含み、具体的には、体重、胸囲、腹囲、身長、体組成値（体脂肪率、内臓脂肪レベル、皮下脂肪率、基礎代謝、骨格筋率、筋肉率、ＢＭＩ、体年齢などの身体の組成を示す値）、活動量、歩数、血圧値、心拍（脈拍）数、体温、呼吸数、血液に関する指標値（血糖値、中性脂肪量、コレステロール量など）、消費カロリ、食事量、水分摂取量、排泄量、発汗量、肺活量、睡眠量など、あらゆる生体に関する指標を含む。

図１４は、この実施の形態における目標管理のためのサーバ２００で実行される目標管理処理の流れを示すフローチャートである。図１４を参照して、サーバ２００の制御部２１０は、生体情報の改善のための目標値を既に決定済みであるか否かを判断する（ステップＳ１０１）。目標値を決定済みでない（ステップＳ１０１でＮＯ）と判断した場合、制御部２１０は、後述の図１５で示す目標具現化前半処理を実行する（ステップＳ１０２）。

目標値を決定済みである（ステップＳ１０１でＹＥＳ）と判断した場合、および、ステップＳ１０２の後、制御部２１０は、目標到達までのルートを既に決定済みであるか否かを判断する（ステップＳ１０３）。ルートを決定済みでない（ステップＳ１０３でＮＯ）と判断した場合、制御部２１０は、後述の図２９で示す目標具現化後半処理を実行する（ステップＳ１０４）。

ルートを決定済みである（ステップＳ１０３でＹＥＳ）と判断した場合、および、ステップＳ１０４の後、制御部２１０は、決定した目標に到達したか否かを判断する（ステップＳ１０５）。目標に到達していない（ステップＳ１０５でＮＯ）と判断した場合、制御部２１０は、後述の図３７で示す目標進捗管理処理を実行する（ステップＳ１０６）。

目標に到達した（ステップＳ１０５でＹＥＳ）と判断した場合、制御部２１０は、後述の図４７で示す目標維持処理を実行する（ステップＳ１０７）。

［目標具現化前半処理］
図１５は、この実施の形態における目標管理のためのサーバ２００で実行される目標具現化前半処理の流れを示すフローチャートである。図１５を参照して、サーバ２００の制御部２１０は、定性的な目標を取得する（ステップＳ１１１）。

具体的には、制御部２１０は、ユーザ１０が情報通信端末１００Ａで入力した、目指す定性的な目標を取得し、取得した情報をユーザごとに記憶部２２０に記憶させる。情報通信端末１００Ａでのこれらの情報の入力方法は、どのような方法であってもよく、たとえば、手入力であってもよいし、音声入力であってもよいし、手入力または音声入力を用いた対話方式による入力であってもよい。

また、制御部２１０は、今の自分を示す情報を取得する（ステップＳ１１２）。具体的には、制御部２１０は、ユーザ１０が情報通信端末１００Ａで入力した、自分の属性（年齢、性別、家族構成など）を取得し、取得した情報をユーザごとに記憶部２２０に記憶させる。

次に、制御部２１０は、ステップＳ１１１で取得した定性的な目標を言語解析する（ステップＳ１１３）。詳しくは、文字として入力されたユーザ１０の定性的な目標を形態素解析などにより意味づけを行なう。形態素解析としては従来の技術を用いることができる。

図１６は、この実施の形態における形態素解析の一例を示す図である。図１６を参照して、形態素解析においては、言語を意味のある単位で分割する。たとえば、ユーザ１０が定性的な目標として「かっこいいお父さん」と入力した場合、「かっこいい」と「お父さん」とに分割する。

図１５に戻って、制御部２１０は、目標をカテゴリで分類する（ステップＳ１１４）。詳しくは、ステップＳ１１３で解析された言語情報の目標が持つ意味の属性から、どういった目標なのかカテゴリ（体組成、血圧、睡眠など）で分類する。

図１７は、この実施の形態における目標のカテゴリの分類の一例を示す図である。図１７を参照して、ステップＳ１１３で分割した形態素のうち「かっこいい」は、「体型」に関する言語であるので、体組成に関するカテゴリに分類する。

図１５に戻って、制御部２１０は、ギャップを評価する特徴表現空間を作成する（ステップＳ１１５）。詳しくは、ステップＳ１１４で分類されたカテゴリをもとに、目標とのギャップを評価する特徴量を抽出し、この特徴量を用いて、多次元空間の軸を構成する。この多次元空間を特徴表現空間と呼ぶ。

図１８は、この実施の形態における特徴表現空間の一例を示す図である。図１８を参照して、たとえば、目標管理のためのサーバ２００の記憶部２２０に、体組成に関するカテゴリに関係する指標として、「ＢＭＩ」、「体脂肪率」および「筋肉率」が記憶されている場合、「ＢＭＩ」の軸と、「体脂肪率」の軸と、「筋肉率」の軸とを含む特徴表現空間が作成される。

図１５に戻って、制御部２１０は、ギャップを表現する特徴表現マップを作成する（ステップＳ１１６）。詳しくは、ステップＳ１１２で取得されたユーザ１０の属性、および、ステップＳ１１３で分割した形態素が持つ意味の情報から、ステップＳ１１４で作成した特徴表現空間上での範囲を、特徴表現マップとして作成する。

図１９は、この実施の形態における特徴表現マップの作成過程の一例を示す第１の図である。図１９を参照して、サーバ２００は、「かっこいい」人の統計的な情報を、他のサーバ３００や他の情報通信端末１００から、通信ネットワーク９００を介して予め取得し、「かっこいい」人の指標の値のデータベースとして、記憶部２２０に記憶している。制御部２１０は、この記憶部２２０に記憶されている「かっこいい」人の統計的な情報に基づいて、特徴表現空間における「かっこいい」人の分布を作成する。

図２０は、この実施の形態における特徴表現マップの作成過程の一例を示す第２の図である。図２０を参照して、サーバ２００は、「お父さん」の統計的な情報を、他のサーバ３００や他の情報通信端末１００から、通信ネットワーク９００を介して予め取得し、「お父さん」の指標の値のデータベースとして、記憶部２２０に記憶している。制御部２１０は、この記憶部２２０に記憶されている「お父さん」の統計的な情報に基づいて、特徴表現空間における「お父さん」の分布を作成する。

図２１は、この実施の形態における「かっこいい」人の体組成に関する指標の値の初期段階でのデータベースの一例を示す。図２１を参照して、データベースの作成の初期段階においては、サーバ２００は、データが少ないので、基本的な分類項目（ここでは年代の項目）に応じた指標の値を、データベースとして記憶している。

図２２は、この実施の形態における「かっこいい」人の体組成に関する指標の値のデータ蓄積後のデータベースの一例を示す。図２２を参照して、データが蓄積されて増えると、サーバ２００は、他の分類項目（ここでは、分類（１）、分類（２）の項目）に応じた指標の値を、データベースとして記憶することが可能となる。また、新たな指標（ここでは、胸囲、腹囲）の値を含めることが可能となる。

図２３は、この実施の形態における体組成に関するカテゴリの言語データベースの一例を示す図である。図２３を参照して、指標のデータベースのデータが十分にない場合には、図２２の分類（１）で示したように、抽象化された分類項目（モデル系、体育会系、健康的系、平均的系）を用いるようにする。抽象化には、類語辞典などの言語の持つ意味に着目して整理した図２３で示すような言語データベースを用いる。

指標のデータベースのデータが増えると、図２２の分類（２）で示したように、より具体的な分類項目（細い、スタイルの良い、スラッとしている、体格の良い、胸板の厚い、筋肉質な、体調管理の行き届いた、風邪をひかない丈夫な、健やかな、普通の、一般的な、無理のない）を用いる。分類項目ごとの指標の値は、その分類項目や類語を目標として目標を達成した人の値を参照して収集される。

図１５に戻って、制御部２１０は、定量化した目標値を特定する（ステップＳ１１７）。詳しくは、ステップＳ１１６で作成した特徴表現マップの範囲の重なり合う部分の範囲を示す各特徴量の範囲を定量的な目標値として特定し、記憶部２２０に記憶させる。

図２４は、この実施の形態における特徴表現マップからの定量的な目標値の特定過程の一例を示す第１の図である。図２４を参照して、図１９で示した「かっこいい」人の特徴表現マップと、図２０で示した「お父さん」の特徴表現マップとを組合せると、「かっこいいお父さん」の特徴表現マップが得られる。

図２５は、この実施の形態における特徴表現マップからの定量的な目標値の特定過程の一例を示す第２の図である。図２５を参照して、複数（ここでは２つ）の特徴表現マップの範囲の重なり合う部分の範囲内の点（ここでは、重心点）の値を、定量的な目標値とする。

ここでは、重心点としたが、重なり合う部分の範囲内の点であれば、他の点であってもよく、重なり合う部分の範囲の各軸の範囲の中央値を組合せた点（図２５においては、ＢＭＩが19.0～20.0，体脂肪率が10～15，筋肉率が40～45であるので、ＢＭＩ，体脂肪率，筋肉率の目標値をそれぞれの中央値の19.5，12.5，42.5とする）であってもよい。

図２６は、この実施の形態における特徴表現マップからの定量的な目標値の特定過程の一例を示す第３の図である。図２６を参照して、複数の特徴表現マップの範囲が重ならない場合は、各範囲の間の点（たとえば、各範囲の重心点の中心点）の値を、定量的な目標値とする。

図１５に戻って、制御部２１０は、ステップＳ１１７で特定した定量的な目標値を、ユーザ１０の情報通信端末１００Ａで提示するために、その情報通信端末１００Ａに送信する（ステップＳ１１８）。その後、制御部２１０は、実行する処理を呼出元の処理に戻す。

図２７は、この実施の形態における定量的な目標値の提示を説明するための図である。図２７を参照して、目標を管理するためのサーバ２００からユーザ１０の情報通信端末１００Ａに、定量的な目標値が送信される。

図２８は、この実施の形態における目標具現化前半処理において情報通信端末１００Ａの出力部１４０に表示される表示画面の一例を示す図である。図２８を参照して、上から５つ目までの吹出しは、図１５で示した目標具現化前半処理のステップＳ１１１で表示される。なお、ステップＳ１１２でのやり取りは図２８では示していない。上から６つ目から８つ目までの吹出しは、図１５のステップＳ１１８で表示される。

［目標具現化後半処理］
図２９は、この実施の形態における目標管理のためのサーバ２００で実行される目標具現化後半処理の流れを示すフローチャートである。図２９を参照して、サーバ２００の制御部２１０は、図１５の処理で記憶部２２０に記憶された定量的な目標値および今の自分を示す情報を読出す（ステップＳ１２１）。

次に、制御部２１０は、目標に到達する時期の情報を取得し（ステップＳ１２２）、目標到達時を推定する（ステップＳ１２３）。

図３０は、この実施の形態において目標に到達する時期の情報を取得する過程の一例を示す図である。図３０を参照して、たとえば、ユーザ１０が目標として「運動会で娘にカッコよさを見せたい」との情報を情報通信端末１００Ａで入力した場合、サーバ２００の制御部２１０は、通信ネットワーク９００に接続された他のサーバ３００等の情報などに基づいて、娘の「運動会」が「９月」であることを特定する。これにより、目標に到達する期限が「９月まで」とされる。

また、ユーザ１０が目標として「７月にＴシャツをきれいに着たい」との情報を入力した場合、制御部２１０は、７月を目標到達時期とする。

図３１は、この実施の形態における時間を指定する単語の意味解析の一例を示す図である。図３１を参照して、単語には、場所に関する単語、食物に関する単語、人名に関する単語その他の単語などに加えて時間に関する単語がある。時間に関する単語には、直接的な時間としての日時に関する単語として、たとえば、２月，７月，２日，１時などがあり、間接的な時間としての時期に関する単語として、入学式，卒園式，運動会，結婚式などがある。このように、自然言語処理により、時制の単語を分類し、目標到達時期をクラスタ解析することで、目標到達期限を特定する。

このように、制御部２１０は、ユーザ１０が情報通信端末１００Ａで入力した情報から、目標に到達する期限に関する情報を特定して取得し、取得した情報をユーザごとに記憶部２２０に記憶させる。目標に到達する期限に関する情報が、直接的期限であれば、そのまま用い、間接的期限であれば、期限を推定する。

図２９に戻って、制御部２１０は、記憶部２２０に記憶された定量的な目標値と、今の自分を示す情報とのギャップを算出する（ステップＳ１２４）。

図３２は、この実施の形態における目標値とのギャップを示す図である。図３２を参照して、目標とのギャップは、達成までの期間と、現状と目標との指標の差とで示される。図２９のステップＳ１２４では、たとえば、２月現在の今の自分の体重が６５ｋｇで体脂肪率が３０％であり、目標が、９月までに体重を６２ｋｇとし、体脂肪率を２５％とする場合、ギャップとしては、期間が７ヶ月、体重が－３ｋｇ、体脂肪率が－５％と算出される。

図２９に戻って、制御部２１０は、記憶部２２０に記憶された情報などに基づいて、当該ユーザ１０のこの目標管理システムの過去の利用履歴が有るか否かを判断する（ステップＳ１２５）。有る（ステップＳ１２５でＹＥＳ）と判断した場合、制御部２１０は、当該ユーザ１０の過去の目標到達に成功した過程や失敗した過程に関する情報を読出す（ステップＳ１２６）。

当該ユーザ１０の過去の利用履歴が無い（ステップＳ１２５でＮＯ）と判断した場合、および、ステップＳ１２６の後、制御部２１０は、記憶部２２０に記憶されている当該ユーザ１０以外の複数の人の情報のうち、当該ユーザ１０の今回の状況に近い情報（たとえば、目標値とのギャップが近似している情報、当該ユーザ１０と目標が近似している情報、当該ユーザ１０と属性が近似している情報）を読出す（ステップＳ１２７）。

そして、制御部２１０は、ステップＳ１２６およびステップＳ１２７で読出した情報を用いて、目標到達までの候補ルートを複数作成する（ステップＳ１２８）。

図３３は、この実施の形態における目標到達までのルートの一例を示す図である。図３３を参照して、目標到達までの候補ルートとしては、ルート（２）のような直線型や、ルート（１），ルート（３）のような曲線型や、段々型などの複数の形状があり、それぞれの変化率は、ギャップ、期間、個人の属性およびパーソナリティなどに応じて変化する。

図３４は、この実施の形態における目標到達までの推奨ルートの決定の過程の一例を示す図である。図３４を参照して、サーバ２００の記憶部２２０には、複数のユーザの属性、複数のユーザの体に関する目標、および、複数のユーザの体に関する目標到達の傾向を示す情報が対応付けて蓄積される。

たとえば、ユーザ１０が「２０代のお父さん」である場合、ユーザ１０と同じまたは似た目標でありユーザ１０と同じ属性「２０代」の他のユーザの目標達成率が、ルート（１）～（３）のそれぞれで２７％，４０％，１２％であり、ユーザ１０と同じまたは似た目標でありユーザ１０と同じ属性「お父さん」の他のユーザの目標達成率が、ルート（１）～（３）のそれぞれで２０％，２０％，９％であることが蓄積されている。これに基づき、ルートごとのそれぞれの目標達成率の平均値のうち最も高い平均値のルート（２）を推奨ルートとして決定する。

図２９に戻って、制御部２１０は、ステップＳ１２８で作成した候補ルートを、ユーザ１０の情報通信端末１００Ａで提示するために、その情報通信端末１００Ａに送信する（ステップＳ１２９）。制御部２１０は、当該ユーザ１０により候補ルートの選択が有ったか否か、つまり、ユーザ１０の情報通信端末１００Ａから選択した候補ルートを示す情報を受信したか否かを判断する（ステップＳ１３１）。

候補ルートの選択が有った（ステップＳ１３１でＹＥＳ）と判断した場合、制御部２１０は、目標の管理に用いるルートを、選択された候補ルートに決定する（ステップＳ１３２）。一方、候補ルートの選択が無い（ステップＳ１３１でＮＯ）と判断した場合、制御部２１０は、目標の管理に用いるルートを、図３４で示したような推奨ルートに決定する（ステップＳ１３３）。

制御部２１０は、ステップＳ１３２またはステップＳ１３３で決定された目標ルートを、ユーザ１０の情報通信端末１００Ａで提示するために、その情報通信端末１００Ａに送信する（ステップＳ１３４）。

図３５は、この実施の形態における目標具現化後半処理において情報通信端末１００Ａの出力部１４０に表示される表示画面の一例を示す図である。図３５を参照して、上から５つ目までの吹出しは、図２９のステップＳ１２９で表示される。上から６つ目および７つ目の吹き出しは、図２９のステップＳ１３４で表示される。

図２９に戻って、制御部２１０は、目標到達方法を選定する（ステップＳ１３５）。詳しくは、過去の履歴およびユーザ１０の属性や好みから、目標到達方法を選定する。たとえば、２０代の複数のユーザは、食事量を減らすことが、体組成（たとえば、体重）を改善するのに有効である。しかし、このユーザ１０は、過去の履歴によると、目標到達方法としてウォーキングをしている履歴が多いといった情報から、第１のお勧めは、毎日２０分間走る、第２のお勧めは、食事量を減らすことを選定する。

図３６は、この実施の形態における目標到達方法の選定の過程の一例を示す図である。図３６を参照して、当該ユーザ１０の目標値とのギャップと同じような条件の人にお勧めの目標到達手段は、第１に、ランニング、第２に、家での食事、第３に、帰宅時に一駅歩くことである。

また、当該ユーザ１０の過去の歩数データの推移から、このユーザ１０は、平均より良く歩くということである。これらのことから、当該ユーザ１０への目標値とのギャップを埋めるためのお勧めの目標到達手段として、第１に、当該ユーザ１０の家が駅から２０分程度のため、一日一駅歩くこと、第２に、ランニングをすることを選定する。

図２９に戻って、制御部２１０は、ステップＳ１３５で決定された目標到達方法を、ユーザ１０の情報通信端末１００Ａで提示するために、その情報通信端末１００Ａに送信する（ステップＳ１３６）。その後、制御部２１０は、実行する処理をこの処理の呼出元に戻す。

［目標進捗管理処理］
図３７は、この実施の形態における目標管理のためのサーバ２００で実行される目標進捗管理処理の流れを示すフローチャートである。図３７を参照して、サーバ２００の制御部２１０は、図２９の処理で記憶部２２０に記憶された目標ルートを読出す（ステップＳ１４１）。

次に、制御部２１０は、介入実績の個人データの量が、十分（たとえば、統計を算出するのに必要な数以上）、蓄積されているか否かを判断する（ステップＳ１４２）。十分、蓄積されている（ステップＳ１４２でＹＥＳ）と判断した場合、制御部２１０は、記憶部２２０で蓄積されている当該ユーザ１０の介入有効度の実績を読出す（ステップＳ１４３）。一方、十分、蓄積されていない（ステップＳ１４２でＮＯ）と判断した場合、制御部２１０は、記憶部２２０に蓄積されている集団の介入有効度の実績を読出す（ステップＳ１４４）。

そして、制御部２１０は、読出した介入有効度の実績を用いて介入閾値および介入方法を算出する（ステップＳ１４５）。

図３８は、この実施の形態における介入有効度の集団の実績の一例を示す図である。図３８を参照して、この目標管理システムのユーザのすべてについて、設定された目標指標、性別、年齢および家族構成などに対して、有効だった介入方法、および、最終的に目標達成されたか否かなどの、介入有効度を示す情報が対応付けられて、記憶部２２０に蓄積される。

図３９は、この実施の形態における集団の実績を用いて介入方法を算出する過程を説明するための図である。図３９を参照して、図３８で示した介入有効度の集団の実績から、「設定された目標指標」ごとに「最終的な目標達成」が「○」のものを集計する。この例では、「設定された目標指標」が、当該ユーザ１０と同じ筋肉量とした人の「有効だった介入方法」の度数は、妻による言動が最も高く、以下、スマートフォンによる通知、医師の言動の順となる。この一例のように、目標指標が当該ユーザ１０と同じユーザの実績から、当該ユーザ１０にとって有効な介入方法が算出される。

なお、ここでは、ユーザ１０への介入方法として、当該ユーザ１０と同じ目標指標の人への介入方法から統計的に有効な介入方法を算出するようにした。しかし、これに限定されず、ユーザ１０への介入方法として、当該ユーザ１０と近似する目標指標の人への介入方法から統計的に有効な介入方法を決定するようにしてもよい。近似する目標指標は、記憶部２２０に予め記憶される。たとえば、体脂肪率、内臓脂肪レベルおよび皮下脂肪率は、互いに近似するとして記憶される。

また、本実施の形態においては、ユーザ１０への介入方法として、当該ユーザ１０と目標指標の種類が近似する目標指標の人への介入方法から統計的に有効な介入方法を決定するようにした。しかし、ユーザ１０への介入方法として、当該ユーザ１０と目標指標の種類および値が近似する目標指標の人への介入方法から統計的に有効な介入方法を決定するようにしてもよい。近似する目標指標の値の範囲は、記憶部２２０に予め記憶される。たとえば、目標指標である体重に近似する値の範囲は、当該体重の±１０％の範囲であることが記憶される。

図４０は、この実施の形態における集団の実績を用いて介入閾値を算出する過程を説明するための第１の図である。図４０を参照して、図３８で示した介入有効度の集団の実績から、「設定された目標指標（この例では「体重」）」が当該ユーザ１０と同じものを抽出する。そして、抽出したユーザのうち目標達成した人の目標指標の推移を、記憶部２２０に蓄積されているデータベースから読出し、統計的に閾値を算出する。

図４１は、この実施の形態における集団の実績を用いて介入閾値を算出する過程を説明するための第２の図である。図４１を参照して、統計的に閾値を算出する方法としては、まず、読出した複数のユーザの目標指標の日ごとの前日との体重差のヒストグラムを作成する。次に、このヒストグラムにおける標準偏差σを算出する。そして、当該ユーザ１０の目標ルートの指標の値に対して、－３σ，－２σ，－σ，＋σ，＋２σ，＋３σを介入閾値とする。このように、目標指標が当該ユーザ１０と同じユーザの実績から当該ユーザ１０の介入閾値を算出する。

図４２は、この実施の形態における介入有効度の個人の実績の一例を示す図である。図４２を参照して、この目標管理システムの各ユーザについて、介入時刻、介入方法、および、介入効果の有無などの、介入有効度を示す情報が対応付けられて、記憶部２２０に蓄積される。

図４３は、この実施の形態における個人の実績を用いて介入方法を算出する過程を説明するための図である。図４３を参照して、図４２で示した介入有効度の個人の実績から、介入方法ごとに、介入効果が有った度数を集計する。この例では、Ｂさんが改善行動を実施するために効果的だった介入方法の度数は、スマートフォンによる通知が最も高く、以下、会社の上司の言動、妻の言動の順となる。この一例のように、当該ユーザ１０の実績から、当該ユーザ１０にとって統計的に有効な介入方法が算出される。

図４４は、この実施の形態における個人の実績を用いて介入閾値を算出する過程を説明するための第１の図である。図４４を参照して、当該ユーザ１０の目標指標が体重である場合、記憶部２２０に蓄積されているデータベースから、当該ユーザ１０の当該目標指標の推移を読出し、統計的に閾値を算出する。

図４５は、この実施の形態における個人の実績を用いて介入閾値を算出する過程を説明するための第２の図である。図４５を参照して、統計的に閾値を算出する方法としては、まず、読出した当該ユーザ１０の目標指標の日ごとの前日との体重差のヒストグラムを作成する。次に、このヒストグラムにおける標準偏差σを算出する。そして、当該ユーザ１０の目標ルートの指標の値に対して、－３σ，－２σ，－σ，＋σ，＋２σ，＋３σを介入閾値とする。このように、当該ユーザ１０の実績から当該ユーザ１０の介入閾値を算出する。

図３７に戻って、制御部２１０は、当該ユーザ１０の現状の指標の値を取得する（ステップＳ１４６）。具体的には、制御部２１０は、ユーザ１０が情報通信端末１００Ａで入力した当該ユーザ１０の現状の指標の値、および、情報通信端末１００Ａで測定装置５００から取得した当該ユーザ１０の現状の指標の値を、情報通信端末１００Ａから取得する。

次に、制御部２１０は、取得した当該ユーザ１０の現状の指標の値と、現在の当該ユーザ１０の目標ルートの指標の値とを比較して、当該ユーザ１０の現状の指標の値が、－σ～σの「理想範囲」であるか、－２σ～－σまたはσ～２σの「許容範囲」であるか、－３σ～－２σまたは２σ～３σの「限度範囲」であるか、－３σ未満または３σ超の「失敗範囲」であるかの乖離度を判定することによって、当該ユーザ１０の目標管理の進捗度を判定する（ステップＳ１４７）。具体的には、乖離度が「理想範囲」、「許容範囲」および「限度範囲」であると判定した場合、それぞれ、進捗度が「優」、「良」および「可」であると判定する。

なお、乖離度は、このような「許容範囲」、「限度範囲」および「失敗範囲」といった段階的なものに限定されず、当該ユーザ１０の現状の指標の値と、現在の当該ユーザ１０の目標ルートの指標の値との乖離を示す度合いであれば、他の度合いであってもよく、たとえば、当該ユーザ１０の現状の指標の値と、現在の当該ユーザ１０の目標ルートの指標の値との差の値であってもよいし、現在の当該ユーザ１０の目標ルートの指標の値に対する当該ユーザ１０の現状の指標の値の比率であってもよい。

図４６は、この実施の形態における目標管理の進捗度を説明するための図である。図４６を参照して、図４６（Ａ）から図４６（Ｄ）は、それぞれ、当該ユーザ１０の目標管理の進捗度、すなわち、当該ユーザ１０の現状の指標の値が、「理想範囲」である場合、「許容範囲」である場合、「限度範囲」である場合、および、「失敗範囲」である場合を示している。

図３７に戻って、制御部２１０は、進捗度が「優」である、つまり、当該ユーザ１０の現状の指標の値が「理想範囲」であるか否かを判断する（ステップＳ１４８）。「優」である（ステップＳ１４８でＹＥＳ）の場合、制御部２１０は、実行する処理をこの処理の呼出元に戻す。

「優」でない（ステップＳ１４８でＮＯ）と判断した場合、制御部２１０は、進捗度が「良」である、つまり、当該ユーザ１０の現状の指標の値が「許容範囲」であるか否かを判断する（ステップＳ１４９）。「良」である（ステップＳ１４９でＹＥＳ）の場合、制御部２１０は、介入方法を、有効度が低い介入方法とする（ステップＳ１５１）。

「良」でない（ステップＳ１４９でＮＯ）と判断した場合、制御部２１０は、進捗度が「可」である、つまり、当該ユーザ１０の現状の指標の値が「限度範囲」であるか否かを判断する（ステップＳ１５０）。「可」である（ステップＳ１５０でＹＥＳ）の場合、制御部２１０は、介入方法を、有効度が高い介入方法とする（ステップＳ１５２）。

ステップＳ１５１およびステップＳ１５２の後、制御部２１０は、介入タイミングとなったか否かを判断する（ステップＳ１５４）。介入タイミングとなった（ステップＳ１５４でＹＥＳ）と判断した場合、制御部２１０は、介入のための処理を実行する（ステップＳ１５５）。その後、制御部２１０は、実行する処理をこの処理の呼出元に戻す。

有効度が低い介入方法が、サーバ２００から情報通信端末１００Ａを介してユーザ１０に伝達される定型的なメッセージでの介入であるとした場合、有効度が高い介入方法は、サーバ２００からの依頼に応じた当該ユーザ１０の関係者または専門家（たとえば、医師、トレーナなど）からの非定型的なメッセージでの介入である。

有効度が低い介入方法が、サーバ２００からの依頼に応じた当該ユーザ１０と対等または下の立場の者（たとえば、家族構成に応じた家族（配偶者，子供，親，兄弟）、友人など）からのメッセージでの介入であるとした場合、有効度が高い介入方法は、サーバ２００からの依頼に応じた当該ユーザ１０の上の立場の者（たとえば、勤務先の上司、先輩、先生など）からのメッセージでの介入である。

食事および運動などの目標到達方法の種類ごとに、当該ユーザ１０とその目標到達方法への寄与度が高い介入者を決定する。寄与度とは、寄与の大きさについてのグレード分類（たとえば、大，中，小）をいう。その決定には、当該ユーザ１０の家族構成および職場環境などの環境情報、ならびに、当該ユーザ１０または他の複数のユーザの過去実践データを活用する。

たとえば、目標指標の種類ごとの当該ユーザ１０に対する介入者ごとの介入結果を記憶部２２０に記憶させておく。または、目標指標の種類ごとの複数の人のそれぞれに対する介入者ごとの介入結果を記憶部２２０に記憶させておく。介入結果としては、介入の後に目標の指標の値が改善した場合は介入が成功したことを記憶させておき、介入の後に目標の指標の値が改善しなかった場合は介入が失敗したことを記憶させておく。そして、記憶部２２０に記憶された介入結果を用いて、目標指標に応じて介入が成功した回数に応じて寄与度を特定し、寄与度が高い介入者を決定する。

介入する時刻タイミングは、目標到達方法の種類ごとに予め定められた時刻であってもよいし、目標到達方法の実施タイミングの情報を、当該ユーザ１０から情報通信端末１００Ａを介して取得したり推定したりして、介入する内容に応じてその実施タイミングの前後などに決定するようにしてもよい。

目標に対するタイミングごとの介入の結果を記憶部２２０に蓄積するようにして、蓄積された介入の結果を用いて、寄与度が高いタイミングを決定するようにしてもよい。

たとえば、目標指標の種類ごとの当該ユーザ１０に対する介入タイミングごとの介入結果を記憶部２２０に記憶させておく。または、目標指標の種類ごとの複数の人のそれぞれに対する介入タイミングごとの介入結果を記憶部２２０に記憶させておく。介入結果としては、介入の後に目標の指標の値が改善した場合は介入が成功したことを記憶させておき、介入の後に目標の指標の値が改善しなかった場合は介入が失敗したことを記憶させておく。そして、記憶部２２０に記憶された介入結果を用いて、目標指標に応じて介入が成功した回数に応じて寄与度を特定し、寄与度が高い介入タイミングを決定する。

当該ユーザ１０のライフスタイルが平日および休日などで変化する場合は、たとえ同じ目標到達方法および介入する内容であるとしても、介入の実施者および介入する時刻タイミングは、ライフスタイルの変化に応じて決定されるようにすることが好ましい。

たとえば、介入する内容が「食事」である場合、当該ユーザ１０の勤務日の平日であれば、昼食のタイミングの直前に、当該ユーザ１０の上の立場の者である勤務先の上司に、目標管理のためのサーバ２００が昼食のメニューの選び方を当該ユーザ１０に対して話してもらうよう通知することで、「食事」に対する介入を当該ユーザ１０に対して実行してもらうように促す。

介入する内容が「食事」である場合、当該ユーザ１０の勤務日でない休日であれば、当該ユーザ１０の配偶者である妻が昼食の決定する前に、当該妻に、目標管理のためのサーバ２００が昼食の調理方法を通知することで、「食事」に対する介入を当該ユーザ１０に対して実行してもらうように促す。

介入する内容が「運動」である場合、当該ユーザ１０の勤務日の平日であれば、勤務先への行き帰りの前に、当該ユーザ１０に、目標管理のためのサーバ２００が当該ユーザ１０の情報通信端末１００Ａに、早歩きをすることや階段を利用することなどの「運動」の工夫を通知することで「運動」に対する介入を実行する。

介入する内容が「運動」である場合、当該ユーザ１０の勤務日でない休日であれば、休日の前に、当該ユーザ１０の子供に、目標管理のためのサーバ２００が休日にできる運動の情報を通知することで、父親である当該ユーザ１０に「運動」に対する介入を実行してもらうように促す。

複数の人の目標到達方法のうち当該ユーザ１０と同じ目標到達方法に対する介入で成功率が高かった介入方法（妻からの電話、娘からのひとこと、スマートフォンによる通知の順で成功率が高かった場合は、妻からの電話）で介入を実行することが考えられる。たとえば、目標管理のためのサーバ２００が当該ユーザ１０の妻に対して、目標到達方法である「歩くこと」に対する介入を実行してもらうことを促し、妻が当該ユーザ１０に電話をして「目標達成が近いし、今日は駅から歩いたら？」といったメッセージを伝えてもらう。

当該ユーザ１０と同じような属性の人に対する介入で効果的であった介入方法で介入をするようにしてもよい。たとえば、４０代の男性では、娘からの声掛け、妻への料理方法の指定、スマートフォンによる本人への通知の順で効果的である場合、次のようにすることが考えられる。

進捗度が「可」であると判断された日のうちに、目標管理のためのサーバ２００が、当該ユーザ１０の娘に対して当該ユーザ１０の現状を通知するとともに「最近調子どう？」との声掛けを依頼することで当該ユーザ１０への介入を促すことが考えられる。「食事」に対する介入をする場合、娘が父親と話をする時間が１８時から１９時であれば、その間の１８時３０分に娘に当該ユーザ１０への介入を促すことが考えられる。

進捗度が「可」であると判断された日のうちに、目標管理のためのサーバ２００が、当該ユーザ１０の妻に対して当該ユーザ１０の現状を通知するとともに効果的なレシピを提示することで当該ユーザ１０の「食事」への介入を促したりすることが考えられる。妻が献立を考える時間が１３時であれば、その直前の１２時３０分に妻に当該ユーザ１０の「食事」への介入を促すことが考えられる。

進捗度が「可」であると判断された翌日以降に、目標管理のためのサーバ２００が、本人のスマートフォンに状況を確認するための連絡をすることで介入をすることが考えられる。当該ユーザ１０が食事をとる時間が６時、１２時１５分および１９時３０分であれば、それぞれの直前の５時４５分、１２時および１９時１５分に、当該ユーザ１０に介入をすることが考えられる。

図３７に戻って、進捗度が「可」でない（ステップＳ１５０でＮＯ）と判断した場合、制御部２１０は、目標を再設定し（ステップＳ１５６）、前述の図２９で示した目標具現化後半処理を実行する（ステップＳ１５７）。目標の再設定としては、図３２で示した指標の目標を現状の進捗度に応じて変更したり、目標到達までの期限を延ばしたりする。その後、制御部２１０は、実行する処理をこの処理の呼出元に戻す。

図４７は、この実施の形態における目標管理のためのサーバ２００で実行される目標維持処理の流れを示すフローチャートである。図４７を参照して、サーバ２００の制御部２１０は、当該ユーザ１０の現状の指標の値を取得する（ステップＳ１６１）。具体的には、制御部２１０は、ユーザ１０が情報通信端末１００Ａで入力した当該ユーザ１０の現状の指標の値、および、情報通信端末１００Ａで測定装置５００から取得した当該ユーザ１０の現状の指標の値を、情報通信端末１００Ａから取得する。

次に、制御部２１０は、予測モデルを未作成であるか否かを判断する（ステップＳ１６２）。予測モデルを作成済み（ステップＳ１６２でＮＯ）と判断した場合、制御部２１０は、実行する処理をステップＳ１７１に進める。一方、予測モデルを未作成である（ステップＳ１６２でＹＥＳ）と判断した場合、制御部２１０は、当該ユーザ１０の個人データ量が、十分、蓄積されているか否かを判断する（ステップＳ１６３）。

個人データ量が、十分、蓄積されている（ステップＳ１６３でＹＥＳ）と判断した場合、制御部２１０は、個人予測モデルおよび集団予測モデルを作成する（ステップＳ１６４）。

図４８は、この実施の形態における集団の過去データのうち当該ユーザ１０と似たデータを抽出したものを示す図である。図４８を参照して、当該データは、この目標管理システムのユーザすべての過去データのうちから、当該ユーザ１０と同じような目標であるユーザおよび当該ユーザ１０と指標（ここでは体重）の推移が似た傾向であるユーザなどの当該ユーザ１０と似たユーザのデータを抽出したものである。

図４９は、この実施の形態における当該ユーザ１０と似たデータの指標の変化の予測推移を示す図である。図４９を参照して、このグラフは、図４８のデータから予測した指標（ここでは体重）の平均的推移および信頼区間推移を示すグラフである。たとえば、ｙ＝ａ×ｘ2＋ｂ×ｘ＋ｃの関係式（１）で近似することができる。

図５０は、この実施の形態における個人の過去データを抽出したものを示す図である。図５０を参照して、当該データは、この目標管理システムのユーザすべての過去データのうちから、当該ユーザ１０のデータを抽出したものである。

図５１は、この実施の形態における当該ユーザ１０の指標の変化の予測推移を示す図である。図５１を参照して、図５１（Ａ）のグラフは、図５０のデータに基づく当該ユーザ１０の歩数と体重との相関を示すグラフである。図５１（Ｂ）のグラフは、図５０のデータに基づく当該ユーザ１０の食事量と体重との相関を示すグラフである。これらのグラフにおける近似線からｙ＝ａ×歩数＋ｂ×食事量＋・・・＋ｃの関係式（２）で示される体重予測モデルを得ることができる。

このように個人の過去情報から個々の因子の影響度を計算し、予測モデルを構築することができる。たとえば、１週間先を予測する場合、１日ごとの予測モデルを構築する。１ヶ月先を予測する場合、１週間ごとの予測モデルを構築する。３ヶ月以上先を予測する場合、１ケ月ごとの予測モデルを構築する。

図４７に戻って、制御部２１０は、個人予測モデルと集団予測モデルとのうち、個人予測モデルの方が現状値との誤差が少ないか否かを判断する（ステップＳ１６５）。

図５２は、この実施の形態における集団予測モデルを用いた誤差評価を示す図である。図５２を参照して、現在が２日目である場合、０日目から２日目までについては、上述の関係式（１）で得られる予測体重と実測値との予測誤差を算出する。３日目以降については、それぞれ、過去の平均的な３日目以降の値と、上述の関係式（１）で得られる予測体重との予測誤差を算出する。これらの予測誤差を２乗平均した誤差を、集団予測モデルを用いた場合の誤差として算出する。

図５３は、この実施の形態における個人予測モデルを用いた誤差評価を示す図である。図５３を参照して、現在が２日目である場合、０日目から２日目までについては、上述の関係式（２）で得られる予測体重と実測値との予測誤差を算出する。３日目以降については、それぞれ、２日目の取得情報による３日目以降の予測値を算出し、その算出した予測値と、上述の関係式（２）で得られる予測体重との予測誤差を算出する。これらの予測誤差を２乗平均した誤差を、個人予測モデルを用いた場合の誤差として算出する。

図４７に戻って、図５２および図５３の例の場合、ステップＳ１６５において、個人予測モデルの方が誤差が少ないと判断される。個人予測モデルの方が誤差が少ない（ステップＳ１６５でＹＥＳ）と判断した場合、制御部２１０は、予測に用いるモデルとして、個人予測モデルを適用する（ステップＳ１６６）。一方、集団予測モデルの方が誤差が少ない（ステップＳ１６５でＮＯ）と判断した場合、制御部２１０は、予測に用いるモデルとして、集団予測モデルを適用する（ステップＳ１６８）。

また、個人データ量が十分でない（ステップＳ１６３でＮＯ）と判断した場合、制御部２１０は、集団予測モデルを作成して（ステップＳ１６７）、予測に用いるモデルとして、集団予測モデルを適用する（ステップＳ１６８）。

次に、制御部２１０は、当該ユーザ１０の指標のこれからの変化を推定する（ステップＳ１７１）。具体的には、上述した予測モデルなどの疫学的な情報から、当該ユーザ１０と同じような人が特に行動を変化させず今までと同様にした場合の推移に基づいて、当該ユーザ１０の指標がどのように推移していくかシミュレーションする。このシミュレーションにおいては、ステップＳ１６６またはステップＳ１６８で適用された予告モデルを用いる。

図５４は、この実施の形態における指標の変化の予測結果を示す図である。図５４を参照して、このグラフの破線で示されるように、シミュレーションによる当該ユーザ１０の指標の変化の予測結果が示される。

図４７に戻って、制御部２１０は、当該ユーザ１０の現状の指標の値と、指標の変化の予測結果との比較に基づいて、当該ユーザ１０に介入する必要性または当該ユーザ１０を賞賛する必要性が有るか否かを判断する（ステップＳ１７２）。

図５５は、この実施の形態における現状の指標の値と指標の変化の予測結果との比較を示す図である。図５５を参照して、図５４で示した指標の変化の予測結果と、新しく測定した当該ユーザ１０の現状の指標の値とを比較する。図５５においては、新しい指標の値は、予測結果を上回っている。

図５６は、この実施の形態における指標の変化パタンを説明するための図である。目標管理システムのすべてのユーザの指標の変化を蓄積しておく。蓄積している情報のうち、指標が良くない方向に進んだ際の時系列での点を変化点とし、変化点の前後数日間の情報を、変化区間として抽出しておく。

抽出した変化区間に対して、良くなった区間、悪くなった区間などの区間の特徴のラベルを付けておく。このラベルの付いた変化区間を変化パタンと呼ぶ。このような変化パタンの分類の手法については、どのような方法であってもよく、特徴量を構築して分類する方法であってもよいし、分類基準によって分類する方法であってもよいし、ルールを構築して分類する方法であってもよい。

図５６（Ａ）は、数日（ここでは５日）連続で指標が悪化（増加）しているが翌日に指標が戻っている「まだ戻れる」変化パタンの例である。図５６（Ｂ）は、数日（ここでは６日）連続で指標が悪化し翌日以降にも指標が戻らない「ベースアップ」変化パタンの例である。

このような変化パタンに基づいて、当該ユーザ１０に介入する必要性または当該ユーザ１０を賞賛する必要性が有るか否かを判断するようにしてもよい。具体的には、今回の指標の変化の推移について、構築した変化パタンのうち最も近いものを選定し、変化パタンに付されたラベルから、変化の特徴を取得し、取得した変化の特徴から、ユーザ１０への賞賛や介入を行なう必要があるか否かを判定する。

図５６（Ｃ）のように、指標が変化した後に、白丸で示す指標の値となった場合、翌日も悪化した場合、図５６（Ｂ）で示した「ベースアップ」変化パタンとなってしまう。このため、当該ユーザ１０に介入する必要性があると判断する。この介入に当該ユーザ１０が従って、何らかの対策をして、翌日の指標が改善された場合、図５６（Ａ）で示した「まだ戻れる」変化パタンとなる。

図５７は、この実施の形態における個人の指標の推移と改善行動との関係を示す図である。図５７を参照して、図５７（Ａ）で示される当該ユーザ１０が目標の指標を改善した日の直前の改善行動の有効度は、それぞれ、図５７（Ｂ）で示されるような順である。

図５８は、この実施の形態における当該ユーザ１０と似たユーザのうち改善行動を継続した群の指標の推移と改善行動との関係を示す図である。図５８を参照して、図５８（Ａ）で示されるような指標の推移をたどったユーザの群の改善行動の有効度は、それぞれ、図５８（Ｂ）で示されるような順である。

図５９は、この実施の形態における当該ユーザ１０と似たユーザのうち改善行動をやめた群の指標の推移を示す図である。図５９を参照して、改善行動をやめた場合は、継続した場合と比較して、目標の指標が悪化していく。

図６０は、この実施の形態における指標の今後の推移の複数のパタンを示す図である。図６０を参照して、図５７から図５９で示したような解析に基づいて、当該ユーザ１０にとっては、よく眠ることが有効であり、それ以外の行動の有効度は、当該ユーザ１０と似た他のユーザとの差異は小さいことが分かる。この解析に基づき、図６０で示されるような、指標の今後の推移の予測の複数のパタンが作成される。

図４７に戻って、介入または賞賛の必要性が有る（ステップＳ１７２でＹＥＳ）と判断した場合、制御部２１０は、当該ユーザ１０に対する必要なアドバイスを作成する（ステップＳ１７３）。たとえば、ユーザ１０と同様の状況に対して記憶部２２０に予め記憶されているアドバイスを読出すようにしてもよい。また、図６０で示したような、指標の今後の推移の予測の複数のパタンとそれぞれの説明文とを作成するようにしてもよい。

次に、制御部２１０は、作成したアドバイスを当該ユーザ１０の情報通信端末１００Ａで提示するために、当該情報通信端末１００Ａに送信する（ステップＳ１７４）。

図６１は、この実施の形態における目標維持処理において情報通信端末１００Ａの出力部１４０に表示される表示画面の一例を示す図である。図６１を参照して、これらのアドバイスは、図４７のステップＳ１７４で表示される。

このように、これまでの過去の変化から得たそのユーザ１０独自の体組成などの指標の変化を管理し、上手く維持し続けているときは、当該ユーザ１０を褒めてあげ、指標が良くない方向に進む予兆をとらえ、そうならないようなアドバイスを当該ユーザ１０に与えるようにする。

なお、図４７から図６１で示した指標の変化の推移の予測は、目標達成後だけでなく、目標達成前に適用するようにしてもよい。

［実施の形態の効果］
以上説明した実施の形態によれば以下に示すような効果を得ることができる。

（１－１） 図１５のステップＳ１１１で示したように、目標管理システムでは、情報通信端末１００Ａの制御部１１０は、ユーザ１０の体に関する定性的な第１目標の入力を受付ける。ステップＳ１１２からステップＳ１１７で示したように、目標管理のためのサーバ２００の制御部２１０は、受付けられた第１目標から、ユーザ１０の体に関する定量的な第２目標を特定する。ステップＳ１１８および図２８で示したように、制御部１１０は、サーバ２００によって特定された第２目標を提示する。

これにより、体に関する定量的な数値の目標の入力を受付けなくても体に関する定量的な目標を示すことができる。

（１－２） 図１５のステップＳ１１２からステップＳ１１７で示したように、制御部２１０は、第１目標を、体に関する複数の特徴量のうちの少なくとも１つについての定量的な目標に変換することで、変換された少なくとも１つの目標を含む第２目標を特定する。これにより、体に関する定量的な数値の目標の入力を受付けなくても体に関する特徴量についての定量的な目標を示すことができる。

（１－３） 図１５のステップＳ１１２からステップＳ１１７で示したように、制御部２１０は、第１目標を言語解析した意味に対応する少なくとも１つの特徴量についての定量的な目標に、第１目標を変換する。これにより、第１目標の意味に対応する特徴量についての定量的な目標を示すことができる。

（１－４） 図１５のステップＳ１１２からステップＳ１１７で示したように、その定量的な目標は、第１目標を言語解析した意味に対応する特徴量の値の範囲に含まれる範囲または値である。これにより、第１目標の意味に対応する特徴量についての定量的な目標を示すことができる。

（１－５） その定量的な目標は、第１目標を言語解析した意味が複数ある場合、意味ごとの特徴量の値の範囲に含まれる範囲または値である。これにより、第１目標の意味に対応する複数の特徴量についての定量的な目標を示すことができる。

（１－５） 図１５のステップＳ１１２からステップＳ１１７で示したように、その定量的な目標は、第１目標を言語解析した意味に対応する特徴量が複数ある場合において、各特徴量を軸とした多次元空間における意味ごとの特徴量の範囲に重なりがあるときには、重なった範囲に含まれる多次元空間の位置または範囲に対応する各特徴量の値またはその範囲である。これにより、第１目標の意味に対応する複数の特徴量をすべて満たす定量的な目標を示すことができる。

（２－１） 図２９のステップＳ１２１，ステップＳ１２２で示したように、目標管理システムでは、情報通信端末１００Ａの制御部１１０は、ユーザ１０の体に関する所定の指標の現状値と目標値と目標の達成期限とを取得する。ステップＳ１２７および図３４で示したように、目標管理のためのサーバ２００の記憶部２２０は、複数の人の体に関する目標を達成するための目標値までの所定の指標の値の推移である経路と経路ごとの目標到達率との組合せで示される目標到達の傾向を示す情報と、複数の人の属性とを対応付けて予め記憶する。ステップＳ１２３からステップＳ１２８で示したように、サーバ２００の制御部２１０は、取得された現状値と目標値と達成期限とから、記憶部２２０に記憶された情報で示される傾向を用いて、目標到達率が他の経路よりも高い経路を作成する。ステップＳ１２９および図３５で示したように、制御部１１０は、サーバ２００によって作成された経路を提示する。これにより、体に関する目標に到達するのに適した経路を提示することができる。

（２－２） 図３４で示したように、記憶部２２０は、傾向と対応付けて複数の人の体に関する過去の目標をさらに記憶する。図２９のステップＳ１２３からステップＳ１２８で示したように、制御部２１０は、記憶部に記憶された情報のうち当該ユーザ１０と近似する目標の人の情報で示される傾向を用いて、経路を作成する。これにより、他のユーザの情報に基づいて体に関する目標に到達するのに適した経路を提示することができる。

（２－３） 図２９のステップＳ１２３からステップＳ１２８で示したように、制御部２１０は、記憶部２２０に記憶された情報のうち当該ユーザ１０と近似する属性の人の情報で示される傾向を用いて、経路を作成する。これにより、他のユーザの情報に基づいて体に関する目標に到達するのに適した経路を提示することができる。

（２－４） 図３４で示したように、記憶部２２０は、傾向として目標の達成率を記憶する。図２９のステップＳ１２３からステップＳ１２８で示したように、サーバ２００は、記憶部２２０に記憶された情報のうち当該ユーザ１０と近似する属性の人の情報で示される達成率を用いて、経路を作成する。これにより、他のユーザの情報に基づいて体に関する目標に到達するのに適した経路を提示することができる。

（３－１） 図３７のステップＳ１４１からステップＳ１４７で示したように、目標管理システムでは、目標管理のためのサーバ２００の制御部２１０は、ユーザ１０の体に関する目標を達成するための所定の指標の目標値までの所定の指標の値の推移である経路に対する所定の指標の現状値の乖離度を算出する。ステップＳ１４８からステップＳ１５２で示したように、制御部２１０は、算出された乖離度に応じて介入方法を決定する。ステップＳ１５５で示したように、制御部２１０は、決定された介入方法で当該ユーザ１０に介入するための処理を実行する。これにより、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（３－２） 図３７のステップＳ１５１およびステップＳ１５２で示したように、制御部２１０は、介入方法として、当該ユーザ１０に介入する者を決定する。ステップＳ１５５で示したように、制御部２１０は、当該ユーザ１０に介入するための処理として、決定された者に介入を促す処理を実行する。これにより、決定された介入者によって、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（３－３） 図３８および図４２で示したように、記憶部２２０は、統計的に有効な介入方法を決定するための決定用情報を予め記憶する。図３７のステップＳ１５１およびステップＳ１５２で示したように、制御部２１０は、記憶部に記憶された決定用情報を用いて当該ユーザ１０にとって統計的に有効な介入方法を決定する。これにより、当該ユーザ１０にとって統計的に有効な介入方法で、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（３－４） 図４２で示したように、記憶部２２０は、決定用情報として、複数の人の体に関する目標と有効な介入方法とを対応付けて予め記憶する。図３７のステップＳ１５１およびステップＳ１５２で示したように、制御部２１０は、記憶部２２０に記憶された介入方法のうち当該ユーザ１０と近似する目標の人への介入方法に基づいて介入方法を決定する。これにより、当該ユーザ１０にとって統計的に有効な介入方法、具体的には当該ユーザ１０と近似する目標の人への介入方法で、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（３－５） 図３８で示したように、記憶部２２０は、決定用情報として、当該ユーザの過去の有効な介入方法を予め記憶する。図３７のステップＳ１５１およびステップＳ１５２で示したように、制御部２１０は、記憶部２２０に記憶された介入方法に基づいて介入方法を決定する。これにより、当該ユーザ１０にとって統計的に有効な介入方法、具体的には当該ユーザ１０の過去の介入方法のうち統計的に有効な介入方法で、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（４－１） 図３７のステップＳ１４１からステップＳ１４７で示したように、目標管理システムでは、目標管理のためのサーバ２００の制御部２１０は、ユーザ１０の体に関する目標を達成するための所定の指標の目標値までの所定の指標の値の推移である経路に対する所定の指標の現状値の乖離が生じたことによって介入が必要か否かを判断する。記憶部２２０は、当該目標の指標に対する介入をする者ごとの介入の結果を記憶する。ステップＳ１５１およびステップＳ１５２で示したように、制御部２１０は、介入が必要と判断された場合に、記憶部２２０に記憶された介入の結果を用いて当該ユーザ１０に介入する者のうち目標の達成に対する寄与度が高い者を決定する。ステップＳ１５５で示したように、制御部２１０は、決定された者に介入を促す処理を実行する。これにより、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。また、介入の結果に基づいて目標の達成に対する寄与度が高い介入者によって、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（４－２） 記憶部２２０は、当該目標に対するタイミングごとの介入の結果を記憶する。図３７のステップＳ１５４で示したように、制御部２１０は、記憶部２２０に記憶された介入の結果を用いて目標の達成に対する寄与度が高いタイミングを決定する。実行部は、決定部によって決定されたタイミングで介入をするように介入する者に介入を促す処理を実行する。これにより、目標の達成に対する寄与度が高いタイミングで、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（４－３） 図３７のステップＳ１５４で示したように、制御部２１０は、当該ユーザ１０の日ごとの習慣に応じて寄与度が高い者を決定する。これにより、当該ユーザ１０の日ごとの習慣に応じて寄与度が高い者によって、体に関する目標を達成することに対する改善をユーザ１０に対して効果的に促すことができる。

（５－１） 図４８および図５０で示したように、目標管理システムでは、目標管理のためのサーバ２００の記憶部２２０は、行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。図４７のステップＳ１６１からステップＳ１７１で示したように、サーバ２００の制御部２１０は、記憶部２２０に記憶された変化を示す値を用いて、ユーザ１０の行動ごとの体に関する値の変化を示す値を予測する。ステップＳ１７４および図６１で示したように、情報通信端末１００Ａは、サーバ２００によって予測された変化を示す値を提示する。これにより、ユーザ１０の行動ごとの体に関する値の変化を示す値を予測することができる。

（５－２） 図５７から図６０で示したように、制御部２１０は、所定の行動をした場合の変化を示す値と、所定の行動をしなかった場合の変化を示す値とを予測する。これにより、所定の行動をした場合と、所定の行動をしなかった場合との、ユーザ１０の行動ごとの体に関する値の変化を示す値を予測することができる。

（５－３） 図５０で示したように、記憶部２２０は、当該ユーザ１０の行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。これにより、当該ユーザ１０の行動の種類または量に対する体に関する値の変化を示す値に基づいて、ユーザ１０の行動ごとの体に関する値の変化を示す値を予測することができる。

（５－４） 図４８で示したように、記憶部２２０は、複数の人の行動の種類または量に対する体に関する値の変化を示す値を予め記憶する。これにより、複数の人の行動の種類または量に対する体に関する値の変化を示す値に基づいて、ユーザ１０の行動ごとの体に関する値の変化を示す値を予測することができる。

［変形例］
（１） 前述した実施の形態においては、目標管理システムについての開示を説明した。しかし、これに限定されず、目標管理システムに含まれる目標管理のためのサーバ２００および情報通信端末１００として開示を捉えることができる。また、サーバ２００および情報通信端末１００で実行されるプログラムおよび目標管理のための方法として開示を捉えることができる。

また、当該プログラムを記録したコンピュータ読取可能な記録媒体として発明を捉えることができる。この記録媒体は、磁気テープ、フレキシブルディスク，ハードディスクなどの磁気ディスク、ＣＤ－ＲＯＭ，ＣＤ－Ｒ，ＣＤ－ＲＷ，ＤＶＤ－ＲＯＭ，ＤＶＤ－Ｒ，ＤＶＤ－ＲＷ，ＤＶＤ－ＲＡＭ，ＤＶＤ＋Ｒ，ＤＶＤ＋ＲＷなどの光ディスク、ＭＯなどの光磁気ディスク、メモリカード、または、ＵＳＢメモリなどの固定的にプログラムを担持する媒体であってもよいし、ＡＳＰ（Application Service Provider）などのサーバから通信ネットワークを介してプログラムをダウンロードするように流動的にプログラムを担持する媒体であってもよい。

（２） 前述した実施の形態においては、目標管理のためのサーバ２００が１台のコンピュータであることとした。しかし、これに限定されず、サーバ２００が複数のコンピュータで構成されるサーバ群であってもよい。

（３） 前述した実施の形態においては、目標管理システムで実行される機能が、図１４、図１５、図２９、図３７、および、図４７で説明したプログラムの処理であるソフトウェアが制御部２１０のＣＰＵによって実行されることで実現されることとした。しかし、これに限定されず、これらの機能の一部または全部が専用のハードウェアによって実現されるようにしてもよい。

（４） 前述した実施の形態において、サーバ２００で実行される機能の一部が情報通信端末１００で実行されるようにしてもよい。たとえば、サーバ２００の制御部２１０が記憶部２２０に記憶された所定データを用いて所定値を特定して、特定した所定値を情報通信端末１００に送信している場合、サーバ２００の制御部２１０が記憶部２２０に記憶された所定データを情報通信端末１００に送信し、情報通信端末１００の制御部１１０が受信した所定データを用いて所定値を特定するようにしてもよい。

（５） 実施の形態および変形例において説明された技術は、可能な限り、単独でも、組合わせても、実施することが意図される。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１０，２０，３０ ユーザ、１００，１００Ａ，１００Ｂ，１００Ｃ 情報通信端末、１１０，２１０，５１０ 制御部、１２０，２２０，５２０ 記憶部、１３０，５３０ 操作部、１４０，５４０ 出力部、１５０，２５０ 外部記憶装置、１５１，２５１ 記録媒体、１７０，５７０ 無線通信部、２００，３００ サーバ、２６０ 通信部、５００ 測定装置、５８０ 測定部、８００，８００Ａ，８００Ｂ 通信設備、９００ 通信ネットワーク。

Claims (7)

1. ユーザの体に関する目標を管理する目標管理システムであって、
   行動の種類または量に対する体に関する値の変化を示す値を予め記憶する記憶部と、
   前記記憶部に記憶された変化を示す値を用いて、ユーザの行動ごとの体に関する値の変化を示す値を予測する予測部と、
   前記予測部によって予測された変化を示す値を提示する提示部とを備え、
   当該ユーザの体に関する現状値は、当該ユーザによって情報通信端末で入力され当該情報通信端末から取得された当該ユーザの現状の値、または、前記情報通信端末によって測定装置から取得され当該情報通信端末から取得された当該ユーザの現状の値であり、
   前記予測部は、
   前記記憶部に予め記憶された当該ユーザの変化を示す値から作成された個人予測モデルで得られる予測値の方が、前記記憶部に予め記憶された当該ユーザと似た複数のユーザの変化を示す値から作成された集団予測モデルで得られる予測値よりも、前記現状値との誤差が少ない場合、前記個人予測モデルを適用して当該ユーザの変化を示す値を予測し、
   前記集団予測モデルで得られる予測値の方が前記個人予測モデルで得られる予測値よりも、前記現状値との誤差が少ない場合、前記集団予測モデルを適用して当該ユーザの変化を示す値を予測する、目標管理システム。
2. 前記予測部は、所定の行動をした場合の変化を示す値と、前記所定の行動をしなかった場合の変化を示す値とを予測する、請求項１に記載の目標管理システム。
3. 前記記憶部は、当該ユーザの行動の種類または量に対する体に関する値の変化を示す値を予め記憶する、請求項１に記載の目標管理システム。
4. 前記記憶部は、複数の人の行動の種類または量に対する体に関する値の変化を示す値を予め記憶する、請求項１に記載の目標管理システム。
5. 前記目標管理システムは、サーバと端末装置とを含み、
   前記サーバは、前記記憶部と、前記予測部とを備え、
   前記端末装置は、前記提示部を備える、請求項１に記載の目標管理システム。
6. ユーザの体に関する目標を管理する目標管理サーバであって、
   行動の種類または量に対する体に関する値の変化を示す値を予め記憶する記憶部と、
   前記記憶部に記憶された変化を示す値を用いて、ユーザの行動ごとの体に関する値の変化を示す値を予測する予測部と、
   前記予測部によって予測された変化を示す値を端末装置で提示するために前記端末装置に送信する送信部とを備え、
   当該ユーザの体に関する現状値は、当該ユーザによって情報通信端末で入力され当該情報通信端末から取得された当該ユーザの現状の値、または、前記情報通信端末によって測定装置から取得され当該情報通信端末から取得された当該ユーザの現状の値であり、
   前記予測部は、
   前記記憶部に予め記憶された当該ユーザの変化を示す値から作成された個人予測モデルで得られる予測値の方が、前記記憶部に予め記憶された当該ユーザと似た複数のユーザの変化を示す値から作成された集団予測モデルで得られる予測値よりも、前記現状値との誤差が少ない場合、前記個人予測モデルを適用して当該ユーザの変化を示す値を予測し、
   前記集団予測モデルで得られる予測値の方が前記個人予測モデルで得られる予測値よりも、前記現状値との誤差が少ない場合、前記集団予測モデルを適用して当該ユーザの変化を示す値を予測する、目標管理サーバ。
7. ユーザの体に関する目標を管理するサーバで実行される目標管理プログラムであって、
   前記サーバは、行動の種類または量に対する体に関する値の変化を示す値を予め記憶する記憶部を備え、
   前記目標管理プログラムは、
   前記記憶部に記憶された変化を示す値を用いて、ユーザの行動ごとの体に関する値の変化を示す値を予測するステップと、
   予測された変化を示す値を端末装置で提示するために前記端末装置に送信するステップとを前記サーバに実行させ、
   当該ユーザの体に関する現状値は、当該ユーザによって情報通信端末で入力され当該情報通信端末から取得された当該ユーザの現状の値、または、前記情報通信端末によって測定装置から取得され当該情報通信端末から取得された当該ユーザの現状の値であり、
   前記予測するステップは、
   前記記憶部に予め記憶された当該ユーザの変化を示す値から作成された個人予測モデルで得られる予測値の方が、前記記憶部に予め記憶された当該ユーザと似た複数のユーザの変化を示す値から作成された集団予測モデルで得られる予測値よりも、前記現状値との誤差が少ない場合、前記個人予測モデルを適用して当該ユーザの変化を示す値を予測するステップと、
   前記集団予測モデルで得られる予測値の方が前記個人予測モデルで得られる予測値よりも、前記現状値との誤差が少ない場合、前記集団予測モデルを適用して当該ユーザの変化を示す値を予測するステップとを含む、目標管理プログラム。

Images