JP7177105B2 - 文書から認知・非認知能力を推定する能力推定プログラム、装置及び方法 - Google Patents
文書から認知・非認知能力を推定する能力推定プログラム、装置及び方法 Download PDFInfo
- Publication number
- JP7177105B2 JP7177105B2 JP2020013360A JP2020013360A JP7177105B2 JP 7177105 B2 JP7177105 B2 JP 7177105B2 JP 2020013360 A JP2020013360 A JP 2020013360A JP 2020013360 A JP2020013360 A JP 2020013360A JP 7177105 B2 JP7177105 B2 JP 7177105B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- document
- ability
- feature amount
- characters
- 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
- 230000003930 cognitive ability Effects 0.000 title claims description 104
- 238000000034 method Methods 0.000 title claims description 21
- 230000001149 cognitive effect Effects 0.000 title description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 16
- 238000005034 decoration Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003931 cognitive performance Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Character Discrimination (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
当該文書の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は当該量の変動分に係る量である文字特徴量を、認知能力及び/又は非認知能力に係る値を出力可能な構築済みのモデルに入力し、当該モデルからの出力に基づいて、当該文書の作成主体の認知能力及び/又は非認知能力に係る情報を決定する能力決定手段
としてコンピュータを機能させる能力推定プログラムが提供される。
能力決定手段は、当該文書領域について生成された当該文字特徴量と、この文字特徴量に係る文書領域に係る情報とを、構築済みの当該モデルに入力することも好ましい。
能力決定手段は、少なくとも当該変動分に係る量である文字特徴量と、この文字特徴量に係る文書領域に係る情報とを、構築済みの当該モデルに入力することも好ましい。
能力決定手段は、当該文字種別について生成された当該文字特徴量と、この文字特徴量に係る文字種別に係る情報とを、構築済みの当該モデルに入力することも好ましい。
当該文書の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は当該量の変動分に係る量である文字特徴量を、認知能力及び/又は非認知能力に係る値を出力可能な構築済みのモデルに入力し、当該モデルからの出力に基づいて、当該文書の作成主体の認知能力及び/又は非認知能力に係る情報を決定する能力決定手段
を有する能力推定装置が提供される。
当該文書の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は当該量の変動分に係る量である文字特徴量を入力とし、認知能力及び/又は非認知能力に係る値を出力可能なモデルを構築するステップと、
能力推定対象である作成主体が作成した文書における当該文字特徴量を、構築済みの当該モデルに入力し、当該モデルからの出力に基づいて、当該作成主体の認知能力及び/又は非認知能力に係る情報を決定するステップと
を有する能力推定方法が提供される。
図1は、本発明による能力推定装置の一実施形態における機能構成を示す機能ブロック図である。
(ア)作成主体(例えば児童)が手書きで作成した文書(に係る文書データ)から、又は
(イ)作成主体(例えば児童)が、ワープロソフトウェアやプレゼンテーション資料作成ソフトウェア等を搭載した又は利用可能な機器を介し、文字を選択、調整又は決定して作成した文書(の文書データ)から、
当該作成主体(例えば児童)の認知能力及び/又は非認知能力を推定可能となっており、具体的にその特徴として、
(A)上記の文書の文字における(a)形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は、(b)当該量の変動分に係る量である「文字特徴量」を、認知能力及び/又は非認知能力に係る値を出力可能な構築済みの「モデル」に入力し、この「モデル」からの出力に基づいて、当該文書の作成主体(例えば児童)の認知能力及び/又は非認知能力に係る情報を決定する能力決定部115
を有している。
同じく図1の機能ブロック図によれば、能力推定装置1は、通信インタフェース部101と、文書保存部102と、属性情報保存部103と、能力情報保存部104と、キーボード(KB)105と、ディスプレイ(DP)106と、プロセッサ・メモリとを有する。
(ア)「手書き文書データ」:作成主体(例えば児童)が手書きで作成した文書の文書データ(例えば当該文書をスキャン若しくは撮影して生成した文書電子データや、手書き用デバイスを用いて入力パネルを介し入力された文書データ)、又は/及び
(イ)「非手書き文書データ」:作成主体(児童)が、ワープロソフトウェアやプレゼンテーション資料作成ソフトウェア等を搭載した又は利用可能な機器を介し、文字を選択、調整又は決定して作成した文書の文書データ(文書電子データ)
を取得し、当該「(手書き及び/又は非手書き」文書データ」を作成主体(児童)の対象IDに紐づけて保存・管理する。
(a)縦横比(縦長(高さ)と横幅との比の値)、
(b)面積、縦長(高さ)、横幅、及び対角線長等のうちの少なくとも1つ、及び
(c)ページ(用紙)内の位置座標
をそれぞれ、各文字についての文字形状情報、文字サイズ情報、及び文字位置情報とすることができる。ここで、文字サイズ情報は、ピクセルやセンチメートル等の単位で示された絶対的なサイズに係る情報としてもよく、または、用紙のサイズや、用紙から余白領域を除いた文字記入可能範囲のサイズとの比で示される相対的なサイズに係る情報であってもよい。
(a)文字形状(例えば明朝体、ゴシック体等のフォントタイプや、(太字、下線付き、斜体、影付き等の)文字飾り情報等。さらに本実施形態では文字色等もここに含む)
(b)文字サイズ(例えばフォントサイズ等)、及び
(c)文字位置(例えばページ内の位置座標)
のうちの少なくとも1つに係る情報となっている。
同じく図1の機能ブロック図において、特徴量生成部111の文字形状特徴量生成部111aは、文字検出部111zから、モデル構築用の又は能力推定対象としての文書データを構成する文字についての文字形状情報を受け取り、当該文字形状情報に基づき、当該文書データの「文字形状特徴量」を生成する。
(a)フォントタイプ統計値:当該文字形状情報(に係る文字属性情報)に含まれる個々の文字において採用されているフォントタイプの(文書データ全体での)種類数、及び、所定の若しくは個々のフォントタイプを採用している文字の数における全文字数に対する割合(比の値)、のうちの少なくとも1つ、
(b)文字飾り情報:当該文字形状情報(に係る文字属性情報)に含まれる個々の文字で使用されている文字飾りの(文書データ全体での)種類数、及び、所定の若しくは個々の文字飾りを使用している文字の数における全文字数に対する割合(比の値)、のうちの少なくとも1つ、
(c)文字色統計値:当該文字形状情報(に係る文字属性情報)に含まれる個々の文字で使用されている文字色の(文書データ全体での)種類数、所定の若しくは個々の文字色を使用している文字の数における全文字数に対する割合(比の値)、及び、複数色が使用されている場合における文字色の統一性を示す値(例えば基準色からの色空間距離の統計値(例えば平均値、中央値、四分位値、最大値、最小値、分散、及び標準偏差等のうちの少なくとも1つ)、のうちの少なくとも1つ
のうちの少なくとも1つを採用することができる。
(a)文書データ全体において所定回数以上若しくは所定頻度以上で出現する文字種別である「頻出文字」を特定した上で、又は
(b)出現頻度が高い文字種別として予め「頻出文字」を設定した上で、
当該「頻出文字」を含む文字種別毎に、又は当該「頻出文字」についてだけ算出されてもよい。これにより、出現頻度の低い文字についてはその特徴をとらない又は別に分けることによって、文字形状特徴量の統計量としての信頼性を担保することも可能となる。
同じく図1の機能ブロック図において、特徴量生成部111の文字サイズ特徴量生成部111bは、文字検出部111zから、モデル構築用の又は能力推定対象としての文書データを構成する文字についての文字サイズ情報を受け取り、当該文字サイズ情報に基づき、「文字サイズ特徴量」を生成する。
・フォントサイズ統計値:当該文字形状情報(に係る文字属性情報)に含まれる個々の文字におけるフォントサイズについての(全文字での)統計値(例えば平均値、中央値、四分位値、最大値、最小値、分散、及び標準偏差等のうちの少なくとも1つ)、
を採用することができる。
(a)原稿用紙や(漢字練習帳等の)学習ノートに設けられた、一枠に1つの文字を記入・入力させるためのマス目の枠や、
(b)テストの答案用紙等に設けられた氏名や回答の記載枠、さらには、
(c)プレゼンテーション用の資料に含まれる特定の文字入力領域を囲む文字領域枠
といったようなものを指す。なお文書データにおいては、この文字枠は勿論、当該文書データの中に含まれる、上記(a)、(b)、(c)等に相当する枠の設定位置情報となる。
・手書き文字サイズ統計値:当該文字サイズ情報(に係る文字属性情報)に含まれる個々の文字におけるサイズ(例えば面積、縦長(高さ)、横幅及び対角線長等のうちの少なくとも1つ)についての(全文字での)統計値(例えば平均値、中央値、四分位値、最大値、最小値、分散、及び標準偏差等のうちの少なくとも1つ)
を採用することができる。
(a)促音文字(「っ」,「ッ」)、
(b)拗音文字(「ぁ」,「ぃ」,「ぅ」,・・・)、
(c)高縦横比文字(例えば数字の「1」)、
(d)低縦横比文字(例えば漢字の「一」や長音「ー」等)や、
(e)句読点文字(「。」,「、」)
といったような種別の文字は、作成主体(例えば児童)が文書データ全体において文字サイズをできるだけ均等にするように意識していたとしても、他の種別の文字と比べて必然的に、文字矩形領域における面積、縦長、横幅及び対角線長のうちの少なくとも1つが大幅に小さくなる。
(a)文書データ全体において所定回数以上若しくは所定頻度以上で出現する文字種別である「頻出文字」を特定した上で、又は
(b)出現頻度が高い文字種別として予め「頻出文字」を設定した上で、
当該「頻出文字」を含む文字種別毎に、又は当該「頻出文字」についてだけ算出されてもよい。これにより、出現頻度の低い文字についてはその特徴をとらない又は別に分けることによって、文字サイズ特徴量の統計量としての信頼性を担保することも可能となる。
同じく図1の機能ブロック図において、特徴量生成部111の文字位置特徴量生成部111cは、文字検出部111zから、モデル構築用の又は能力推定対象としての文書データを構成する文字についての文字位置情報を受け取り、当該文字位置情報に基づき、「文字位置特徴量」を生成する。
(a)(例えば横書き文書における)同一行の文字群の文字矩形領域列における上端位置若しくは下端位置の斉一性を示す値(例えば、上端位置若しくは下端位置のy(Y)座標値の標準偏差の逆数)、又は
(b)(例えば縦書き文書における)同一列の文字群の文字矩形領域列における左端位置若しくは右端位置の斉一性を示す値(例えば、左端位置若しくは右端位置のx(X)座標値の標準偏差の逆数)
を採用することも可能である。
(a)文書データ全体において所定回数以上若しくは所定頻度以上で出現する文字種別である「頻出文字」を特定した上で、又は
(b)出現頻度が高い文字種別として予め「頻出文字」を設定した上で、
当該「頻出文字」を含む文字種別毎に、又は当該「頻出文字」についてだけ算出されてもよい。これにより、出現頻度の低い文字についてはその特徴をとらない又は別に分けることによって、文字位置特徴量の統計量としての信頼性を担保することも可能となる。
図1の機能ブロック図に戻って、文字変動特徴量生成部111dは、文書データ内に複数の文書領域が予め設定されている状況において、
(ア)文書領域毎に生成された、又は2つ以上の所定の文書領域について生成された「文字形状特徴量」における、互いに異なる文書領域に係る当該「文字形状特徴量」の間の変動分に係る量、
(イ)文書領域毎に生成された、又は2つ以上の所定の文書領域について生成された「文字サイズ特徴量」における、互いに異なる文書領域に係る当該「文字サイズ特徴量」の間の変動分に係る量、及び
(ウ)文書領域毎に生成された、又は2つ以上の所定の文書領域について生成された「文字位置特徴量」における、互いに異なる文書領域に係る当該「文字位置特徴量」の間の変動分に係る量
のうちの少なくとも1つを含む量を、「文字変動特徴量」として生成する。
(ア’)「形状変動特徴量」=「第2の文字形状特徴量」-「第1の文字形状特徴量」、
(イ’)「サイズ変動特徴量」=「第2の文字サイズ特徴量」-「第1の文字サイズ特徴量」、及び
(ウ’)「位置変動特徴量」=「第2の文字位置特徴量」-「第1の文字位置特徴量」
のうちの少なくとも1つを算出し、算出した当該「少なくとも1つ」を「文字変動特徴量」とすることができる。なお、この例では変動量として差をとっているが、勿論それに限定されず、例えば比(例えば「第2の文字形状特徴量」/「第1の文字形状特徴量」)をとることも可能である。
(a)文書データを複数の区域(例えば3等分した結果である3つの区域)に分割した場合の当該区域、
(b)文書データにおいて所定の窓枠(ウィンドウ)をスライドさせつつ規定した、連続しており互いに重畳部分を有する枠内区域、又は
(c)文書データにおいて予め目的別に設定された区域(例えば序章区域、本章区域、及び終章区域)
を採用することができる。
また、文字変動特徴量生成部111dは、以上に説明したような文書領域に係る「文字変動特徴量」の一態様として特に、文書の(前後関係、文脈や、背景等としての)コンテキストによる文字形状、文字サイズや文字位置の変動を反映した「文字変動特徴量」を算出することも好ましい。
(a)自身に含まれる文字量における文書データ全体に対する割合が33%となる序盤領域、この序盤領域に続いて当該割合が34%となる中盤領域、及び当該割合が残りの33%となる終盤領域、といったように、自身の有する文字量の全文字量に対する割合をもって規定される複数の文書領域、又は
(b)文書データ中のタイトル記載部、氏名記載部、及び本文記載部、といったように、目的別に予め設定される複数の文書領域
とすることができる。
(a)コンテキスト特定部113で決定されたコンテキスト領域毎に生成された、又は2つ以上の所定のコンテキスト領域について生成された「文字形状特徴量」における、互いに異なるコンテキスト領域に係る当該「文字形状特徴量」の間の変動分に係る量、
(b)コンテキスト特定部113で決定されたコンテキスト領域毎に生成された、又は2つ以上の所定のコンテキスト領域について生成された「文字サイズ特徴量」における、互いに異なるコンテキスト領域に係る当該「文字サイズ特徴量」の間の変動分に係る量、及び
(c)コンテキスト特定部113で決定されたコンテキスト領域毎に生成された、又は2つ以上の所定のコンテキスト領域について生成された「文字位置特徴量」における、互いに異なるコンテキスト領域に係る当該「文字位置特徴量」の間の変動分に係る量、
のうちの少なくとも1つを含む量を、「文字変動特徴量」として生成する。
同じく図1の機能ブロック図において、文書領域特徴量生成部111eは、この後、認知・非認知能力推定の説明変数として使用される「文書領域特徴量」を生成する。具体的には上述したように、文書領域毎に又は1つ若しくは複数の文書領域について「文字形状特徴量」、「文字サイズ特徴量」、「文字位置特徴量」、及び/又は「文字変動特徴量」が生成された場合に、生成されたこのような特徴量に合わせ、当該特徴量に係る文書領域を指定する量(例えば予め設定された文書領域ID)を「文書領域特徴量」としてもよい。ちなみに、この「文書領域特徴量」の具体的な取扱いについては後に、図3を用いて詳細に説明する。
また、文字種別特徴量生成部111fは、この後、認知・非認知能力推定の説明変数として使用される「文字種別特徴量」を生成する。具体的には上述したように、文字種別毎に又は1つ若しくは複数の文字種別について「文字形状特徴量」、「文字サイズ特徴量」、「文字位置特徴量」、及び/又は「文字変動特徴量」が生成された場合に、生成されたこのような特徴量に合わせ、当該特徴量に係る文字種別を指定する量(例えば予め設定された文字種別ID)を「文字種別特徴量」としてもよい。
さらに、作成主体属性特徴量生成部111gは、この後、認知・非認知能力推定の説明変数として使用される「作成主体属性特徴量」を生成する。具体的には、生成された「文字形状特徴量」、「文字サイズ特徴量」、「文字位置特徴量」、及び/又は「文字変動特徴量」に係る文書データの作成主体(例えば児童)の属性情報(例えば、性別、体格情報、年齢、学習進捗情報等)を、属性情報保存部103から取得し、当該属性情報を「作成主体属性特徴量」とすることができる。
(a)以上に説明した「文字形状特徴量」、「文字サイズ特徴量」、「文字位置特徴量」及び「文字変動特徴量」のうちの少なくとも1つと、
(b)上記(a)の「少なくとも1つ」に係る文書データの作成主体(例えば児童)についての認知能力及び/又は非認知能力の正解データと
の組(データセット)を多数準備し、当該学習データを用いて学習処理を行うことにより、上記の能力推定モデルを構築してもよい。
(c)上記(a)の「少なくとも1つ」に係る「文書領域特徴量」、「文字種別特徴量」及び「作成主体属性特徴量」のうちの少なくとも1つと
の組(データセット)を多数準備し、当該学習データを用いて学習処理を行うことにより、上記の能力推定モデルを構築することも好ましい。
(a)「文字形状特徴量」、「文字サイズ特徴量」、「文字位置特徴量」及び「文字変動特徴量」のうちの少なくとも1つと、
(b)(これらが能力推定モデルの説明変数として採用されている場合ではあるが、)上記(a)の「少なくとも1つ」に係る「文書領域特徴量」、「文字種別特徴量」及び「作成主体属性特徴量」のうちの少なくとも1つと
を、構築済みの能力推定モデルへ入力し、当該能力推定モデルの出力を取得して、当該出力を、認知能力及び/又は非認知能力についての能力推定結果とする。
(a)当該文書領域で算出された文字特徴量(fc_A,fc_B,fc_C,・・・)と、
(b)当該文書領域の文書領域特徴量(fr_A,fr_B,fr_C,・・・)と
の組を生成し、これらの組の全てを能力推定モデルへ入力し、能力推定結果(図3(A)ではIQ値に対応する認知能力スコアや、GRIT値に対応する非認知能力スコア)を取得するのである。ちなみに、ここで使用する能力推定モデルも勿論、これらの組の全てを説明変数とするように構築されている。
(a)文書領域Bで算出された文字特徴量と文書領域Cで算出された文字特徴量とから算出される文字変動特徴量fd_BC、文書領域Bの文書領域特徴量fr_B、及び文書領域Cの文書領域特徴量fr_C
が決定されており、さらに、
(b)文書領域Bで算出された文字特徴量と文書領域Zで算出された文字特徴量とから算出される文字変動特徴量fd_BZ、文書領域Bの文書領域特徴量fr_B、及び文書領域Zの文書領域特徴量fr_Z
が決定されている。
(ア)上記(a)における文字変動特徴量fd_BCと、文書領域特徴量fr_Bと、文書領域特徴量fr_Cとの組、及び
(イ)上記(b)における文字変動特徴量fd_BZと、文書領域特徴量fr_Bと、文書領域特徴量fr_Zとの組
を生成し、これらの組を能力推定モデルへ入力し、能力推定結果(図3(B)でもIQ値に対応する認知能力スコアや、GRIT値に対応する非認知能力スコア)を取得するのである。ちなみに、ここで使用する能力推定モデルも勿論、これらの組を説明変数とするように構築されている。
101 通信インタフェース部
102 文書保存部
103 属性情報保存部
104 能力情報保存部
105 キーボード(KB)
106 ディスプレイ(DP)
111 特徴量生成部
111a 文字形状特徴量生成部
111b 文字サイズ特徴量生成部
111c 文字位置特徴量生成部
111d 文字変動特徴量生成部
111e 文書領域特徴量生成部
111f 文字種別特徴量生成部
111g 作成主体属性特徴量生成部
111z 文字検出部
112 文字種別特定部
113 コンテキスト特定部
114 モデル構築部
115 能力決定部
121 通信制御部
122 入出力制御部
2 文書データベース(DB)
3 属性情報DB
Claims (11)
- 作成主体が手書きで、又は機器を介し文字を選択、調整又は決定して作成した文書から、当該作成主体の能力を推定可能なコンピュータを機能させる能力推定プログラムであって、
当該文書の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は当該量の変動分に係る量である文字特徴量を、認知能力及び/又は非認知能力に係る値を出力可能な構築済みのモデルに入力し、当該モデルからの出力に基づいて、当該文書の作成主体の認知能力及び/又は非認知能力に係る情報を決定する能力決定手段
としてコンピュータを機能させることを特徴とする能力推定プログラム。 - 前記能力推定プログラムは、当該文書内の複数の文書領域における文書領域毎に又は1つ若しくは複数の文書領域について、当該文書領域内の文字についての当該文字特徴量を生成する特徴量生成手段としてコンピュータを更に機能させ、
前記能力決定手段は、当該文書領域について生成された当該文字特徴量と、該文字特徴量に係る文書領域に係る情報とを、構築済みの当該モデルに入力する
ことを特徴とする請求項1に記載の能力推定プログラム。 - 前記能力推定プログラムは、当該文書内の複数の文書領域における文書領域毎に又は2つ以上の文書領域につき、当該文書領域内の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量を生成して、互いに異なる文書領域について生成した当該量の間の変動分に係る量である当該文字特徴量を生成する特徴量生成手段としてコンピュータを更に機能させ、
前記能力決定手段は、少なくとも当該変動分に係る量である文字特徴量と、該文字特徴量に係る文書領域に係る情報とを、構築済みの当該モデルに入力する
ことを特徴とする請求項1又は2に記載の能力推定プログラム。 - 当該文書領域は、当該文書を複数の区域に分割した場合の当該区域、当該文書において所定の窓枠をスライドさせつつ規定した枠内区域、又は当該文書において予め目的別に設定された区域であることを特徴とする請求項2又は3に記載の能力推定プログラム。
- 予め設定された複数の文字種別における文字種別毎に又は1つ若しくは複数の文字種別について、当該文字種別に属する文字についての当該文字特徴量を生成する特徴量生成手段としてコンピュータを更に機能させ、
前記能力決定手段は、当該文字種別について生成された当該文字特徴量と、該文字特徴量に係る文字種別に係る情報とを、構築済みの当該モデルに入力する
ことを特徴とする請求項1から4のいずれか1項に記載の能力推定プログラム。 - 当該文字種別は、文字を取り囲んで包含する領域である文字領域における高さと幅との比に基づき予め分類されたものであることを特徴とする請求項5に記載の能力推定プログラム。
- 当該文書の文字のうち、出現頻度が所定以上である文字、又は出現頻度が高いものとして設定された文字種別に属する文字についての当該文字特徴量を生成する特徴量生成手段としてコンピュータを更に機能させることを特徴とする請求項1から6のいずれか1項に記載の能力推定プログラム。
- 当該文字特徴量は、当該文書の文字における、当該文書全体の中での位置に係る量、当該文書内の所定の範囲若しくは基準に対する位置に係る量、及び他の文字に対する位置に係る量のうちの少なくとも1つ、及び/又はこれらの量の変動分に係る量のうちの少なくとも1つを含むことを特徴とする請求項1から7のいずれか1項に記載の能力推定プログラム。
- 前記能力決定手段は、当該文書の作成主体について取得された属性情報も、構築済みの当該モデルに入力することを特徴とする請求項1から8のいずれか1項に記載の能力推定プログラム。
- 作成主体が手書きで、又は機器を介し文字を選択、調整又は決定して作成した文書から、当該作成主体の能力を推定する能力推定装置であって、
当該文書の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は当該量の変動分に係る量である文字特徴量を、認知能力及び/又は非認知能力に係る値を出力可能な構築済みのモデルに入力し、当該モデルからの出力に基づいて、当該文書の作成主体の認知能力及び/又は非認知能力に係る情報を決定する能力決定手段
を有することを特徴とする能力推定装置。 - 作成主体が手書きで、又は機器を介し文字を選択、調整又は決定して作成した文書から、当該作成主体の能力を推定可能なコンピュータにおける能力推定方法であって、
当該文書の文字における形状、サイズ及び位置のうちの少なくとも1つに係る量、及び/又は当該量の変動分に係る量である文字特徴量を入力とし、認知能力及び/又は非認知能力に係る値を出力可能なモデルを構築するステップと、
能力推定対象である作成主体が作成した文書における当該文字特徴量を、構築済みの当該モデルに入力し、当該モデルからの出力に基づいて、当該作成主体の認知能力及び/又は非認知能力に係る情報を決定するステップと
を有することを特徴とする能力推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020013360A JP7177105B2 (ja) | 2020-01-30 | 2020-01-30 | 文書から認知・非認知能力を推定する能力推定プログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020013360A JP7177105B2 (ja) | 2020-01-30 | 2020-01-30 | 文書から認知・非認知能力を推定する能力推定プログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021119374A JP2021119374A (ja) | 2021-08-12 |
JP7177105B2 true JP7177105B2 (ja) | 2022-11-22 |
Family
ID=77195341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020013360A Active JP7177105B2 (ja) | 2020-01-30 | 2020-01-30 | 文書から認知・非認知能力を推定する能力推定プログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7177105B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118401982A (zh) * | 2022-01-20 | 2024-07-26 | 株式会社和冠 | 计算机、程序及笔划数据显示控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004046723A (ja) | 2002-07-15 | 2004-02-12 | Ricoh Co Ltd | 文字認識方法、該方法の実行に用いるプログラム及び文字認識装置 |
JP2007079891A (ja) | 2005-09-14 | 2007-03-29 | Hitachi Maxell Ltd | 性格分析システム |
JP2010131280A (ja) | 2008-12-08 | 2010-06-17 | Hitachi Ltd | 精神状態判定支援方法および装置 |
JP2019153303A (ja) | 2018-03-01 | 2019-09-12 | 学校法人玉川学園 | 情報処理装置、情報処理方法、及びプログラム |
JP2019197209A (ja) | 2018-05-11 | 2019-11-14 | アノト コリア コーポレーション | 診断検査方法および装置 |
-
2020
- 2020-01-30 JP JP2020013360A patent/JP7177105B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004046723A (ja) | 2002-07-15 | 2004-02-12 | Ricoh Co Ltd | 文字認識方法、該方法の実行に用いるプログラム及び文字認識装置 |
JP2007079891A (ja) | 2005-09-14 | 2007-03-29 | Hitachi Maxell Ltd | 性格分析システム |
JP2010131280A (ja) | 2008-12-08 | 2010-06-17 | Hitachi Ltd | 精神状態判定支援方法および装置 |
JP2019153303A (ja) | 2018-03-01 | 2019-09-12 | 学校法人玉川学園 | 情報処理装置、情報処理方法、及びプログラム |
JP2019197209A (ja) | 2018-05-11 | 2019-11-14 | アノト コリア コーポレーション | 診断検査方法および装置 |
Non-Patent Citations (3)
Title |
---|
CNNを用いた手書き文字画像から人の性格を推測するシステム,電子情報通信学会2019年総合大会 予稿集,2019年,一般社団法人電子情報通信学会,2019年03月05日,222 |
人の気づきに迫る-認知科学、心理学からのアプローチ-,情報処理,第58巻 第4号,一般社団法人情報処理学会,2017年03月15日,305-309 |
子どもたちからの声から学習プロセスを見える化 協働学習支援サービス,C&Cユーザフォーラム&iEXPO2019,NEC,2019年11月07日 |
Also Published As
Publication number | Publication date |
---|---|
JP2021119374A (ja) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sutherland et al. | Facial image manipulation: A tool for investigating social perception | |
Ariely | Seeing sets: Representation by statistical properties | |
CN109145871B (zh) | 心理行为识别方法、装置与存储介质 | |
CN109902912B (zh) | 一种基于性格特征的个性化图像美学评价方法 | |
US11151362B2 (en) | System and method for first impression analysis and face morphing by adjusting facial landmarks using faces scored for plural perceptive traits | |
Longmore et al. | The importance of internal facial features in learning new faces | |
Johnson et al. | Understanding aesthetics and fitness measures in evolutionary art systems | |
Redfern et al. | Expressive faces confuse identity | |
Camões | Data at work: Best practices for creating effective charts and information graphics in Microsoft Excel | |
Ramsamy-Iranah et al. | A comparison of three materials used for tactile symbols to communicate colour to children and young people with visual impairments | |
Mileva et al. | Social evaluation of faces across gender and familiarity | |
Park et al. | Consensus analysis and modeling of visual aesthetic perception | |
Lu et al. | An investigation into three visual characteristics of complex scenes that evoke human emotion | |
Zhou et al. | Deep learning-based emotion recognition from real-time videos | |
Romero et al. | Computing aesthetics with image judgement systems | |
Fan et al. | A comparative study of oil paintings and Chinese ink paintings on composition | |
JP7177105B2 (ja) | 文書から認知・非認知能力を推定する能力推定プログラム、装置及び方法 | |
Michel et al. | The contribution of shape and surface information in the other-race face effect | |
Farzanfar et al. | Changing what you like: Modifying contour properties shifts aesthetic valuations of scenes | |
CN110781734B (zh) | 一种基于纸笔交互的儿童认知游戏系统 | |
Day et al. | Physical and perceptual accuracy of upright and inverted face drawings | |
Cristino et al. | Stereo disparity facilitates view generalization during shape recognition for solid multipart objects | |
Wu et al. | Constituent elements affecting the recognition of tactile graphics | |
Kim et al. | # ShoutYourAbortion on Instagram: exploring the visual representation of hashtag movement and the public’s responses | |
Bae et al. | Toward a better understanding and application of the principles of visual communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221014 |
|
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: 20221109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7177105 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |