JP7218633B2 - 情報処理装置及びプログラム - Google Patents

Description

本発明は、情報処理装置及びプログラムに関する。

近年、多様性を尊重しながら集団の中で活躍するための能力の習得や育成が求められている。１つの手法として、明確な正解がない課題に対する解を、様々なメンバーとともに議論するグループ学習の採用が広がっている。グループ学習では、アドホックに集まったメンバーが、それぞれの知識や経験に基づいて議論する。

特開２０１２－９８９２１号公報

グループ学習の成果は、グループを構成するメンバーの属性や特性の影響を受ける。このため、メンバーの属性や特性が偏らないようにグループを構成することが望ましい。もっとも、メンバーの属性や特性の違いに着目してグループに分類する手法では、過去のグループ学習で構成されたメンバー構成と類似するグループが生成されることが多い。

本発明は、新たに構成するグループの候補と過去に構成されたグループとの類似の度合いを考慮しない場合に比して、新たに構成するグループによる活動の成果を高めることを目的とする。

請求項１に記載の発明は、参加予定者の全員を複数のグループに割り当てた関係を１つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する生成手段と、生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する算出手段と、生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する決定手段とを有する情報処理装置である。
請求項２に記載の発明は、前記決定手段は、前記複数の候補のそれぞれについて、過去のグループ活動の各実行回に使用された複数のグループに対する類似の度合いが最も高くなる値を特定し、特定された複数の値の中で類似の度合いが最も高い値に対応する候補を、今回のグループ活動で使用する候補の対象から除外する、請求項１に記載の情報処理装置である。
請求項３に記載の発明は、前記決定手段は、特定された前記複数の値の中で類似の度合いが最も低い値に対応する候補を、今回のグループ活動で使用する候補に決定する、請求項２に記載の情報処理装置である。
請求項４に記載の発明は、前記算出手段により算出された類似の度合いに対し、実行回又は現在までに経過した時間に応じた補正の係数を乗算する、請求項１に記載の情報処理装置である。
請求項５に記載の発明は、前記補正の係数は、古い実行回ほど又は現在までに経過した時間が長いほど、補正前に比して類似の度合いが低くなるように与えられる、請求項４に記載の情報処理装置である。
請求項６に記載の発明は、コンピュータに、参加予定者の全員を複数のグループに割り当てた関係を１つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する機能と、生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する機能と、生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する機能とを実行させるプログラムである。

請求項１記載の発明によれば、新たに構成するグループの候補と過去に構成されたグループとの類似の度合いを考慮しない場合に比して、新たに構成するグループによる活動の成果を高めることができる。
請求項２記載の発明によれば、少なくとも過去のいずれかの実行回で使用された複数のグループとの類似の度合いが高い候補を使用の対象から除外できる。
請求項３記載の発明によれば、過去の実行回で使用された複数のグループとは可能な限り異なる候補を採用するので、新たに構成するグループによる活動の成果を高めることができる。
請求項４記載の発明によれば、特定の実行回で使用された複数のグループとの類似の度合いが候補の決定に与える影響を調整できる。
請求項５記載の発明によれば、新しい実行回で使用されたグループ、又は、現在までに経過した時間が短いグループに対する類似の度合いが高い候補が選ばれ難くできる。
請求項６記載の発明によれば、新たに構成するグループの候補と過去に構成されたグループとの類似の度合いを考慮しない場合に比して、新たに構成するグループによる活動の成果を高めることができる。

実施の形態で使用する情報処理システムの概念構成を説明する図である。 クライアント端末、管理サーバ、グループ生成装置の構成例を説明する図である。 実施の形態で使用するグループ生成装置を構成する制御ユニットの機能構成の一例を説明する図である。 実施の形態で使用するグループ生成装置で実行される処理動作を説明するフローチャートである。 ステップ３までに実行される処理の例を説明する図である。 ステップ５で算出された類似度の例を説明する図である。 ステップ６で抽出された候補別の類似度の最小値の例を説明する図である。 ステップ７で検出される候補の例を説明する図である。

以下、図面を参照して、本発明の実施の形態を説明する。
＜実施の形態＞
＜システムの全体構成＞
図１は、実施の形態で使用する情報処理システム１の概念構成を説明する図である。
図１に示す情報処理システム１は、教育機関における使用を想定している。このため、情報処理システム１は、教員等が操作するクライアント端末１０と、管理データを管理する管理サーバ２０と、過去の実行回で使用したグループの情報を記録するグループデータベース３０と、グループ学習で使用するグループを生成するグループ生成装置４０とで構成されている。
クライアント端末１０、管理サーバ２０、グループデータベース３０、グループ生成装置４０は、いずれもネットワーク５０を介して接続されている。ここでのグループ学習は、与えられたテーマについて複数名で議論するグループ活動の一形態である。

本実施の形態におけるクライアント端末１０には、教員が操作する端末の他、生徒が操作する端末も含まれる。クライアント端末１０は、ネットワーク接続が可能なコンピュータである。コンピュータは、据え置き型のコンピュータでも、携帯型のコンピュータでもよい。携帯型のコンピュータには、例えばノート型のコンピュータ、タブレット型のコンピュータ、スマートフォンが用いられる。
教員は、クライアント端末１０を操作して、今回のグループ学習で使用するグループの生成をグループ生成装置４０に指示する。

本実施の形態における管理サーバ２０は、例えば学習管理システム（＝Learning Management System: ＬＭＳ）、教務システム、図書システム等で使用されるサーバである。
管理サーバ２０がＬＭＳの場合、学習の履歴、成果、出欠の記録、課題の提出の記録等が、管理データとして管理される。
管理サーバ２０が教務システムの場合、履修の記録、成績、学年、学部、学科、専攻等が、管理データとして管理される。
管理サーバ２０が図書システムの場合、貸出の記録、閲覧の記録等が、管理データとして管理される。

もっとも、１台の管理サーバ２０は、前述した特定のシステムに限らない。例えば１台の管理サーバ２０は、前述した複数のシステムとして動作してもよい。
管理サーバ２０に記録されている情報は、教師が操作する端末及び生徒が操作する端末のいずれからも閲覧が可能である。例えば教員が操作する端末からは、管理サーバ２０で管理されている生徒の成績の閲覧や管理サーバ２０への学習教材のアップロードが可能である。また、生徒が操作する端末からは、管理サーバ２０で管理されている学習教材や自身の成績等の閲覧が可能である。

グループデータベース３０は、過去のグループ学習の実行回（以下「過去の実行回」ともいう）で使用されたグループのメンバー構成を記録する不揮発性の記憶装置である。不揮発性の記憶装置には、例えばハードディスク装置（＝ＨＤＤ）が使用される。本実施の形態の場合、グループデータベース３０は、独立の装置であるが、管理サーバ２０やグループ生成装置４０の一部であってもよい。
グループ生成装置４０は、管理サーバ２０やグループデータベース３０との連携により、今回のグループ学習で使用するグループのメンバー構成を生成するコンピュータである。

本実施の形態におけるグループ生成装置４０は、メンバーの全員を複数のグループのいずれかに割り当てた関係を１つの候補とする場合に、割り当ての関係が異なる複数の候補の中から、過去の各実行回で使用された複数のグループとの類似の度合いが小さい候補を検出し、今回のグループ学習で使用するグループとして出力する。ここでのグループ生成装置４０は、情報処理装置の一例である。
ネットワーク５０は、例えばインターネット、ＬＡＮ（＝Local Area Network）である。ネットワーク５０は、無線でも有線でもよい。

＜各装置の構成＞
図２は、クライアント端末１０（図１参照）、管理サーバ２０（図１参照）、グループ生成装置４０の構成例を説明する図である。前述したように、クライアント端末１０、管理サーバ２０、グループ生成装置４０は、いずれもコンピュータを基本構成とする。図２においては、代表例として、グループ生成装置４０について説明する。

グループ生成装置４０は、装置全体の動作を制御する制御ユニット４０１と、アプリケーションプログラム（以下「プログラム」という）等を記憶する記憶ユニット４０２と、ＬＡＮケーブル等を介した通信を実現する通信インタフェース（＝通信ＩＦ）４０３と、を有している。
制御ユニット４０１は、ＣＰＵ（＝Central Processing Unit）４１１と、ファームウェアやＢＩＯＳ（＝Basic Input Output System）等が記憶されたＲＯＭ（＝Read Only Memory）４１２と、ワークエリアとして用いられるＲＡＭ（＝Random Access Memory）４１３とを有している。ＣＰＵ４１１はマルチコアでもよい。また、ＲＯＭ４１２は、書き換え可能な不揮発性の半導体メモリでもよい。

記憶ユニット４０２は、不揮発性の記憶装置であり、例えばハードディスク装置（＝ＨＤＤ）、半導体メモリ等によって構成される。記憶ユニット４０２には、グループ学習で使用するグループのメンバー構成を生成するために使用するデータが記憶される。
制御ユニット４０１と各ユニットとは、バス４０４や不図示の信号線を通じて接続されている。
本実施の形態における管理サーバ２０も、グループ生成装置４０と同様の構成を有している。

なお、クライアント端末１０には、追加の構成として、作業画面等の表示に用いられる表示ユニットと、ユーザの操作を受け付ける操作受付ユニットとが設けられている。
ここでの表示ユニットは、例えば液晶ディスプレイ、有機ＥＬディスプレイ等で構成される。表示ユニットは、クライアント端末１０の本体と一体化している場合もあれば、独立した装置としてクライアント端末１０の本体に接続される場合もある。
また、操作受付ユニットには、文字の入力に使用されるキーボード、画面上のポインタの移動や選択等の入力に使用されるマウス、タッチセンサ等が用いられる。
本実施の形態の場合、グループ生成装置４０に対する操作は、クライアント端末１０の表示ユニットと操作受付ユニットを用いて入力される。

図３は、実施の形態で使用するグループ生成装置４０を構成する制御ユニット４０１の機能構成の一例を説明する図である。図３に示すモジュールは、ＣＰＵ４１１（図２参照）によるプログラムの実行を通じて実現される。なお、図３に示すモジュールは、制御ユニット４０１が実行するプログラムの一部である。

図３に示すモジュールの１つには、グループ学習に参加するメンバーの成績や特性等（以下「成績等」という）を取得するメンバー特性取得モジュール４２１がある。ここでのメンバーは、参加予定者の一例である。
本実施の形態の場合、グループ学習に参加するメンバーは、毎回同じである。換言すると、グループ学習は、同じメンバーを対象に複数回実行される。ここでの同じとは、名簿上同じの意味である。もっとも、グループ学習に参加するメンバーの一部又は全部が異なっていても、グループ生成装置４０の動作に支障はない。メンバー特性取得モジュール４２１は、管理サーバ２０（図１参照）からメンバーの特性等を取得する。

図３に示すモジュールの１つには、グループ学習に参加するメンバーを、取得された特性等の類似性に基づいて複数のクラスタに分割するクラスタ分割モジュール４２２がある。メンバーをクラスタに分割する方法には、例えば階層クラスタ分析法、非階層クラスタ分析法がある。
クラスタ分割モジュール４２２による分割の処理は、グループ学習の実行回の度に実行する必要はない。例えば前回のグループ学習からの経過日数が短い場合には、各クラスタに割り当てられるメンバーの構成は、前回と同じになる可能性が高い。一方で、複数回前のグループ学習からの経過日数が長い場合、各クラスタに割り当てられるメンバーの構成に変化が現れる可能性がある。このため、クラスタ分割モジュール４２２による分割は、例えばグループ学習の実行回数毎に、又は、前回の分割から経過した時間に基づいて、実行するか否かを決定してもよい。なお、メンバーをクラスタに分割するか否かを、教員が指示してもよい。

図３に示すモジュールの１つには、例えば各クラスタから１名ずつメンバーを取り出して１つのグループに割り当てることにより、複数のグループに対するメンバーの割り当ての候補を複数生成するグループ候補生成モジュール４２３がある。
本実施の形態の場合、グループ候補生成モジュール４２３は、候補を３つ生成する。なお、１つの候補を構成するグループの数は、予め定められている。本実施の形態の場合、１つの候補は、５つのグループで構成される。すなわち、５つのグループでグループ学習が実行される。本実施の形態の場合、各グループのメンバーの数は同じである。例えば６名のメンバーが１つのグループに割り当てられている。
もっとも、グループの数でメンバーの総数を割り切れない場合には、グループを構成するメンバーの数に違いが生じる。

本実施の形態の場合、各グループを構成するメンバーのうち、同じクラスタに属するメンバーの人数は、可能な限り均等になるように割り当てられる。例えば各グループには、各クラスタから１名ずつメンバーが割り当てられる。換言すると、各グループを構成するメンバー間でのクラスタの偏りを少なくする。メンバー間でのクラスタの偏りが少なくなることで、グループ内におけるメンバーの同質性が下がり、多面的な議論が期待されるようになる。もっとも、クラスタ間でメンバーの人数が均一化されていない場合には、同じクラスタから複数名のメンバーが１つのグループに割り当てられることもある。
グループ候補生成モジュール４２３が生成する複数の候補には、比較する候補間で、メンバーの構成が異なるグループが２つ以上存在する。グループ候補生成モジュール４２３は、生成手段の一例である。

図３に示すモジュールの１つには、グループの候補と過去の実行回に使用したグループとの間でメンバー構成の類似の度合い（以下「類似度」ともいう）を、グループの候補別に算出する類似度算出モジュール４２４がある。
例えば過去の実行回が３回の場合、１つの候補について、３つの類似度が算出される。本実施の形態の場合、候補の数は３つであるので、計９つの類似度が算出される。
本実施の形態の場合、類似度は、グループの集合間の距離を表している。このため、類似の度合いが高いほど類似度の値は小さくなり、類似の度合いが低いほど類似度の値は大きくなる。

本実施の形態の場合、類似度は、次式で計算される。
類似度＝（１－コサイン類似度）／２
コサイン類似度は、ｎ次元ベクトル間の成す角の近さを表す値であり、ベクトルの向きが一致する場合に最大値の「１」をとり、直交する場合に「０」となり、向きが逆の場合、最小値の「－１」となる。前式は、コサイン類似度を距離に変換する式である。前式では、類似度の最大値を「１」に正規化するために「２」で除算している。
本実施の形態の場合、２つのベクトルのうちの一方は、過去のグループ学習で使用されたグループの集合であり、他方は、候補として生成されたグループの集合である。なお、過去に使用されたグループの集合に対応するベクトルの要素は、各グルー プ毎のメンバーである。一方、候補に対応するベクトルの要素は、候補を構成するグループ毎のメンバーである。

なお、類似度は、コサイン類似度以外を用いても算出が可能である。例えばピアソンの相関係数を用いてもよい。ピアソンの相関係数の場合も、前式を用いれば、距離に対応する類似度の算出が可能である。また、コサイン類似度等から距離に対応する類似度を計算する変換式には、次式を用いてもよい。
類似度＝ｅｘｐ（－コサイン類似度）
ここでの類似度算出モジュール４２４は、算出手段の一例である。

図３に示すモジュールの１つには、算出された類似度が最も小さい値（以下「最小値」という）をグループの候補別に抽出する類似度最小値抽出モジュール４２５がある。本実施の形態の場合、グループの候補の数は３つであるので、３つの最小値が抽出される。ここでは、各候補について、過去の実行回で使用されたグループとの類似の度合いが最も高い場合が抽出される。

図３に示すモジュールの１つには、抽出された類似度の最小値間での最大値を検出する最小値間最大値検出モジュール４２６がある。本実施の形態の場合、最小値の中での最大値は、３つの候補の中で、最も類似の度合いが低いことを意味する。この処理により、過去の実行回で使用されたグループのいずれに対しても、相対的に類似の度合いが低い候補が決定されることになる。
ここでの類似度最小値抽出モジュール４２５と最小値間最大値検出モジュール４２６は、決定手段の一例である。
図３に示すモジュールの１つには、決定されたグループの候補の情報を出力するグループ出力モジュール４２７がある。候補に対応するグループ毎のメンバー構成は、例えば教員や生徒に通知される。

＜処理動作の例＞
以下では、実施の形態１の処理動作について説明する。
図４は、実施の形態で使用するグループ生成装置４０（図１参照）で実行される処理動作を説明するフローチャートである。図中の記号のＳはステップを意味している。
まず、グループ生成装置４０は、グループ学習に参加するメンバーの特性等を取得する（ステップ１）。特性等は、管理サーバ２０（図１参照）から取得される。本実施の形態の場合、メンバーの人数は３０名である。
次に、グループ生成装置４０は、メンバーをクラスタに分割する（ステップ２）。例えば３０名のメンバーが、５つのクラスタに対して６名ずつ割り当てられる。

次に、グループ生成装置４０は、今回使用するグループの候補を生成する（ステップ３）。１つの候補は、メンバー全員を、６つのグループのいずれかに割り当てることで生成される。本実施の形態におけるグループ生成装置４０は、この生成を３回実行し、３つの候補を生成する。
図５は、ステップ３までに実行される処理の例を説明する図である。図５の場合、メンバーの総数は３０名であり、６名ずつ５つのクラスタに分割されている。なお、前述したように、各クラスタの人数が同じになるとは限らない。
図５の例では、各クラスタの人数がいずれも６名である。また、グループの数は６つである。このため、図５の例では、各クラスタの１名が、１つのグループに割り当てられている。図５においては、メンバーの割り当てが異なる３つの候補を、「候補１」、「候補２」、「候補３」と呼ぶ。

図４の説明に戻る。
次に、グループ生成装置４０は、過去の実行回に使用されたグループの情報を取得する（ステップ４）。具体的には、過去の実行回毎に、使用されたグループのメンバー構成の情報が取得される。なお、過去にグループ学習を実行した履歴が存在しない場合には、生成された候補のうちの任意の１つが今回使用するグループに決定される。この場合、ステップ４から後述するステップ７までの処理がスキップされる。
次に、グループ生成装置４０は、生成したグループの候補と過去の実行回毎に使用されたグループとの類似度を算出する（ステップ５）。本実施の形態の場合には、３つの候補と３つの実行回に対応するグループとの間で９つの類似度が算出される。

続いて、グループ生成装置４０は、生成したグループの候補毎に、過去の実行回に使用されたグループとの類似度の最小値を抽出する（ステップ６）。
次に、グループ生成装置４０は、複数の最小値間での最大値を検出する（ステップ７）。この処理は、過去の実行回で使用されたグループとの類似の度合いが相対的に低い候補を選択することを意味する。
この後、グループ生成装置４０は、決定されたグループの候補を出力する（ステップ８）。今回のグループ学習で使用することに決定されたグループのメンバー構成は、教員や生徒が操作するクライアント端末１０（図１参照）に出力される他、グループデータベース３０に記憶される。

以下では、図６～図８を使用して、グループの候補が決定される過程を説明する。
図６は、ステップ５で算出された類似度の例を説明する図である。図６の場合、横軸は、ステップ３で生成された３つの候補であり、縦軸は、過去の実行回で使用されたグループを示している。
図６の場合、グループ学習は、１０／１と、１１／１と、１２／１に実行されている。
図６中の数値は、算出された類似度を表している。
例えば候補１の場合、１０／１に使用されたグループとの類似度は「０．５」であり、１１／１に使用されたグループとの類似度は「０．６」であり、１２／１に使用されたグループとの類似度は「０．５」である。

例えば候補２の場合、１０／１に使用されたグループとの類似度は「０．１」であり、１１／１に使用されたグループとの類似度は「０．８」であり、１２／１に使用されたグループとの類似度は「０．９」である。
例えば候補３の場合、１０／１に使用されたグループとの類似度は「０．３」であり、１１／１に使用されたグループとの類似度は「０．５」であり、１２／１に使用されたグループとの類似度は「０．２」である。
なお、図６には、類似度の平均値も示されている。３回分の平均値の観点では、候補２のグループが、過去の実行回に対する類似の度合いが一番低い。

図７は、ステップ６で抽出された候補別の類似度の最小値の例を説明する図である。図７には、図６との対応部分に対応する符号を付して示している。
図７では、各候補についての類似度の最小値を太枠で囲んで示している。
候補１の場合、１２／１に使用されたグループとの類似度が最小になる。従って、候補１のグループと他の実行回に使用されたグループとの類似の度合いはより低くなる。
候補２の場合、１０／１に使用されたグループとの類似度が最小になる。従って、候補２のグループと他の実行回に使用されたグループとの類似の度合いはより低くなる。
候補３の場合、１２／１に使用されたグループとの類似度が最小になる。従って、候補３のグループと他の実行回に使用されたグループとの類似の度合いはより低くなる。

図８は、ステップ７で検出される候補の例を説明する図である。図８には、図７との対応部分に対応する符号を付して示している。
図８の例では、各候補に対応する最小値のうちの最大値として、候補１の最小値が検出されている。このため、本実施の形態の場合には、今回のグループ学習で、候補１に対応するグループのメンバー構成が使用される。
本実施の形態のように、各実行回で使用されたグループとの類似度を算出し、各候補内での最小値を抽出し、候補間での最小値の最大値を検出することで、平均値のみに着目する場合よりも類似の度合いが低い候補を確実に選択することが可能になる。例えば図８の場合、平均値のみに着目すると、３つの候補の中で過去のグループとの類似の度合いが最も高くなる候補２が選ばれてしまうが、本実施の形態の場合には候補２が除外される。

＜他の実施の形態＞
以上、本発明の実施の形態について説明したが、本発明の技術的範囲は前述の実施の形態に記載の範囲に限定されない。前述の実施の形態に、種々の変更又は改良を加えたものも、本発明の技術的範囲に含まれることは、特許請求の範囲の記載から明らかである。

前述の実施の形態では、グループ生成装置４０（図１参照）を用いてグループ学習で使用するグループを生成しているが、企業内でのグルプワークで使用するグループを生成してもよい。
前述の実施の形態の場合、グループ生成装置４０をクライアント端末１０（図１参照）や管理サーバ２０（図１参照）とは独立した装置として扱っているが、前述したグループ生成装置４０の機能を、クライアント端末１０等の機能の一部として実行してもよい。また、グループ生成装置４０は、クラウドサーバ又はオンプレミスサーバとして実現されてもよい。

前述の実施の形態の場合、ステップ７（図４参照）において、各候補について抽出された過去の実行回との類似度の最小値のうちの最大値に対応する候補１を今回のグループ学習で使用する候補に決定しているが、各候補に対応する最小値のうちでの最小値に対応する候補以外を今回のグループ学習で使用する候補に決定してもよい。例えば図８の例であれば、３つの候補に対応する最小値のうちで２番目に小さい最小値に対応する候補３を今回のグループ学習で使用する候補に決定してもよい。この場合でも、候補２が選択される場合に比して、学習の効果の向上が期待される。

前述の実施の形態の場合、ステップ７（図４参照）において、各候補に対応する最小値のうちの最大値が１つだけ見つかる場合を想定して説明したが、同じ値の最大値が複数見つかる場合には、最大値が見つかった候補について類似度の最大値を抽出し、より大きい最大値を含む候補を選択する。なお、類似度の最大値に着目する場合でも、同じ値の最大値が複数見つかる場合には、該当する候補のうちのいずれか１つを選択する。

前述の実施の形態においては、ステップ５（図４参照）で算出された類似度の値をそのまま用いているが、実行回に応じた補正の係数を乗算した後の値をステップ６及び７において使用してもよい。例えば実行回が古いほど補正の係数を大きくしてもよい。この場合には、ステップ５で算出される類似度が最新の実行回と最古の実行回とで同じでも、過去の類似度はより大きい値に補正される。換言すると、補正の係数は、補正前に比して類似の度合いが低くなるように与えられる。このことは、直近の実行回で使用されたグループに対して、古い実行回で使用されたグループの影響が小さくなることを意味する。なお、補正後の値が予め指定した値を超えないようにする。本実施の形態の場合には、「１」を超えないようにする。
なお、補正の係数は、実行回ではなく、現在時刻までに経過の時間に応じて定めてもよい。この場合も、経過の時間が長くなるほど、補正前に比して類似の度合いが低くなるように与えられる。

前述の実施の形態においては、コサイン類似度を用いて距離に対応する類似度を計算する例について説明したが、他の計算手法を用いてもよい。例えばユークリッド距離を前述した類似度として用いてもよい。

１…情報処理システム、１０…クライアント端末、２０…管理サーバ、３０…グループデータベース、４０…グループ生成装置、４２１…メンバー特性取得モジュール、４２２…クラスタ分割モジュール、４２３…グループ候補生成モジュール、４２４…類似度算出モジュール、４２５…類似度最小値抽出モジュール、４２６…最小値間最大値検出モジュール、４２７…グループ出力モジュール

Claims (6)

1. 参加予定者の全員を複数のグループに割り当てた関係を１つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する生成手段と、
   生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する算出手段と、
   生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する決定手段と
   を有する情報処理装置。
2. 前記決定手段は、前記複数の候補のそれぞれについて、過去のグループ活動の各実行回に使用された複数のグループに対する類似の度合いが最も高くなる値を特定し、特定された複数の値の中で類似の度合いが最も高い値に対応する候補を、今回のグループ活動で使用する候補の対象から除外する、請求項１に記載の情報処理装置。
3. 前記決定手段は、特定された前記複数の値の中で類似の度合いが最も低い値に対応する候補を、今回のグループ活動で使用する候補に決定する、請求項２に記載の情報処理装置。
4. 前記算出手段により算出された類似の度合いに対し、実行回又は現在までに経過した時間に応じた補正の係数を乗算する、請求項１に記載の情報処理装置。
5. 前記補正の係数は、古い実行回ほど又は現在までに経過した時間が長いほど、補正前に比して類似の度合いが低くなるように与えられる、請求項４に記載の情報処理装置。
6. コンピュータに、
   参加予定者の全員を複数のグループに割り当てた関係を１つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する機能と、
   生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する機能と、
   生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する機能と
   を実行させるプログラム。

Images