JP7267305B2 - 高度なＷｅｂページ・コンテンツ管理 - Google Patents

Description

本出願は一般にコンピュータおよびコンピュータ・アプリケーションに関し、より詳細にはインターフェース、ブラウザ、およびＷｅｂページ管理に関する。

表示画面は、たとえば、１つのブラウザ、複数のブラウザ・インスタンス、または複数のブラウザで開いているＷｅｂページ、タブ、またはインターフェースなどの複数のコンテンツのウィンドウを表示し得る。複数のコンテンツのウィンドウは、ソーシャル・メディアでのコミュニケーション、音楽を聴くこと、ブラウジング、オンライン・タスクおよびアクティビティの実行（たとえば、オンラインもしくはＷｅｂまたはその両方のコンテンツの編集、バックエンド、クラウド・サービス、または他のシステム処理とのインタラクション）、監視（たとえば、ニュース・イベント、スポーツ・イベント、Ｗｅｂトラフィックのレポート、天気、もしくは他のアイテム、またはそれらの組み合わせの監視）、娯楽の目的で、または他の目的で、あるいはそれらの組み合わせで開かれ得る。

開かれているタブ、Ｗｅｂページ、またはインターフェースの一部は、その他よりも重要であるかまたは時間的に制約がある場合があり、これはたとえば、ユーザ・アクティビティまたはタスク、Ｗｅｂページまたはインターフェースに表示されているコンテンツまたは情報の性質および特性に起因する。しかしながら、たとえば、一部のユーザにとって、タブまたはＷｅｂページの切り替えに費やされる時間の累積効果は、たとえば、ユーザは自分が関心のあるタブを見つけるためにタブからタブへと切り替える必要があり得るので、耐えられない場合がある。（たとえば、タブ、Ｗｅｂページ、またはインターフェースを介して提示される）コンテンツからコンテンツへと切り替えることは、ユーザの主要タスクまたはアクティビティに関するユーザのエンゲージメント・レベルに影響し得る。たとえば、ユーザは、ユーザの現在のタスクに関して注意力を失う可能性があり、ユーザの心情、認知状態、および感情状態（たとえば、気分、疲労）は、現在進めているアクティビティに関連して変化し得る。そのようなイベントは、ユーザの主要タスクの完了に向けたユーザ能率度（ｄｅｇｒｅｅ ｏｆ ｕｓｅｒ ｅｆｆｅｃｔｉｖｅｎｅｓｓ）に累積的に影響し得る。

インターフェースのコンテンツを制御する方法およびシステムが提示され得る。この方法は、一態様では、表示画面上に提示される複数のインターフェースを受け取ることを含み得る。複数のインターフェースは少なくとも１つの主要タスク・インターフェースを含み得る。一態様では、複数のインターフェースのそれぞれは少なくとも１つのコンテンツ・アイテムを含み得る。この方法は、複数のインターフェースを介して提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルを推定することをさらに含み得る。この方法は、主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関するユーザ能率度を決定することをさらに含み得る。この方法は、ユーザ・エンゲージメント・レベルおよびユーザ能率度に基づいて、複数のインターフェースからコンテンツ・アイテムを選択することをさらに含み得る。

インターフェースのコンテンツを制御するシステムは、一態様では、少なくとも１つのメモリ・デバイスに結合される少なくとも１つのハードウェア・プロセッサを含み得る。少なくとも１つのハードウェア・プロセッサは、コンピューティング・デバイスを介して開かれる複数のインターフェースを受け取るように動作可能であり得る。複数のインターフェースは少なくとも１つの主要タスク・インターフェースを含み得る。複数のインターフェースのそれぞれは少なくとも１つのコンテンツ・アイテムを含み得る。少なくとも１つのハードウェア・プロセッサは、複数のインターフェースを介して提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルを推定するようにさらに動作可能であり得る。少なくとも１つのハードウェア・プロセッサは、主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関するユーザ能率度を決定するようにさらに動作可能であり得る。少なくとも１つのハードウェア・プロセッサは、ユーザ・エンゲージメント・レベルおよび主要タスク（複数可）に関するユーザ能率度に基づいて、複数のインターフェースからコンテンツ・アイテムを選択するようにさらに動作可能であり得る。少なくとも１つのハードウェア・プロセッサは、複数のインターフェースのうちの少なくとも１つの不使用部分における選択されたコンテンツ・アイテムの提示を制御するかまたは制御をトリガするようにさらに動作可能であり得る。

本明細書に記載の１つまたは複数の方法を実行するための、マシンによって実行可能な命令のプログラムを記憶するコンピュータ可読記憶媒体も提供され得る。

一態様によれば、インターフェースのコンテンツを制御するためのシステムであって、少なくとも１つのメモリ・デバイスに結合される少なくとも１つのハードウェア・プロセッサを備え、少なくとも１つのハードウェア・プロセッサは少なくとも、表示画面上に提示される複数のインターフェースを受け取ることであって、複数のインターフェースは少なくとも１つの主要タスク・インターフェースを含み、複数のインターフェースのそれぞれは少なくとも１つのコンテンツ・アイテムを提示する、受け取ることと、複数のインターフェースを介して提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルを推定することと、主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関するユーザ能率度を決定することと、ユーザ・エンゲージメント・レベルおよびユーザ能率度に基づいて、複数のインターフェースからコンテンツ・アイテムを選択することと、を行うように動作可能である、システムが提供される。

様々な実施形態のさらなる特徴ならびに構造および動作については、添付の図面を参照して以下で詳細に説明する。図面において、同様の参照番号は、同一または機能的に同様の要素を示す。

以下、本発明の実施形態を、添付の図面を参照して、単なる例として説明する。

（Ａ）～（Ｄ）は、一実施形態におけるＷｅｂページまたはインターフェース・コンテンツ管理を示す図である。 （Ａ）～（Ｃ）は、一実施形態におけるＷｅｂページまたはインターフェース・コンテンツの変換を示す図である。 （Ａ）～（Ｄ）は、一実施形態におけるインターフェースまたはＷｅｂページの不使用パートまたは部分を検出する例を示す図である。 一実施形態における、ユーザが手動でゾーンを割り当て得るインターフェースまたはＷｅｂページの一例を示す図である。 一実施形態におけるＷｅｂページまたはインターフェースをインテリジェントに管理する方法を示す図である。 一実施形態におけるＷｅｂページの不使用セクションなどに作成される可視化チャートおよびハイライトされた動的コードを一例として示す図である。 一実施形態におけるインターフェース（たとえば、Ｗｅｂページ）のコンテンツをインテリジェントに管理および制御する方法を示すフロー図である。 一実施形態におけるインターフェースのコンテンツをインテリジェントに制御し得るシステムのコンポーネントを示す図である。 Ｗｅｂページなどの１つまたは複数のインターフェース上に提示されるコンテンツをインテリジェントに管理もしくは制御またはその両方を行い得る、一実施形態におけるシステムのコンポーネントを示す図である。 一実施形態によるシステムを実装し得る例示的なコンピュータまたは処理システムの概略図である。

たとえば、インターフェース、Ｗｅｂページなどの上で実行されているアクティビティのタスク完了率を改善するように、コンテンツ・アイテムを提示するディスプレイ（たとえば、１つまたは複数のブラウザ・ウィンドウ）上のインターフェースまたはＷｅｂページの配置をインテリジェントに管理するシステム、方法、および技術が提供され得る。一部の実施形態では、たとえば許容可能な品質閾値で、ユーザの全体的なタスク完了率を改善するなどのために、ユーザの主要タスクまたはアクティビティ以外のタスクまたはアクティビティに関するユーザの能率が予測され得る。コンテンツ・アイテムは、Ｗｅｂページから動的に選択または集約され、コンテンツ・アイテムがユーザの全体的なタスクの生産性に影響しないように配置され得る。ユーザのアクティビティに関連すると判定されたコンテンツ・アイテムを提示するために、少なくとも１つのインターフェースまたはＷｅｂページの不使用パートまたは部分が決定され得る。一部の実施形態では、ユーザのアクティビティに関連すると判定されたコンテンツ・アイテムを提示するために、少なくとも１つのインターフェースまたはＷｅｂページが分割され得る。一部の実施形態では、非能率的な結果（たとえば、ユーザの予測される能率）の一因となり得る、１つまたは複数のインターフェースまたはＷｅｂページ上に表示または提示されるコンテンツ・アイテムは、学習されて動的に優先順位を下げられ、またはインターフェースまたはＷｅｂページから削除されるよう提案（または削除）され得る。

一部の実施形態における方法もしくはシステムまたはその両方は、たとえば許容可能な品質閾値で、ユーザの全体的なタスクの完了を改善などするように、Ｗｅｂページもしくはインターフェースまたはその両方のコンテンツ・アイテムをインテリジェントに管理および制御し得る。コンテンツ・アイテムのインテリジェントな管理および制御は、ユーザ能率の予測と、コンテンツの関連性の分析とに基づき得る。たとえば、表示画面上に表示または提示される複数のＷｅｂページなど（たとえば、オンラインで表示または提示されるコンテンツを含むインターフェース）が識別され得る。複数のＷｅｂページ（またはインターフェース）のうちの少なくとも１つは、たとえばリアルタイムで実行されているユーザの主要タスクに関連付けられる。各インターフェースまたはＷｅｂページは、少なくとも１つのコンテンツ・アイテムを表示または提示する。表示または提示されたコンテンツ・アイテムと、ユーザの１つまたは複数の主要タスクとに関して（たとえば、ユーザの主要タスクに関連付けられたＷｅｂページまたはインターフェース上に提示されたコンテンツ・アイテムを用いて）、ユーザのエンゲージメント・レベルが推定または決定され得る。ユーザのコンテキストおよび認知状態が分析され得、１つまたは複数の主要タスクの完了に向けた進捗に関連するユーザ能率度が決定され得る。コンテンツ・アイテムの関連性およびユーザ能率度の分析に基づいて、１つまたは複数のＷｅｂページ（インターフェース）から、関連すると判定された１つまたは複数のコンテンツ・アイテムが選択され得る。一部の実施形態では、方法もしくはシステムまたはその両方は、少なくとも１つのＷｅｂページ（またはインターフェース）の１つまたは複数の不使用パートに、関連すると判定された選択された１つまたは複数のコンテンツ・アイテムを提示もしくは表示、および／または制御し得、これにより、たとえば、ユーザの全体的なタスク完了率が改善され得る。

オンライン・ユーザ・アクティビティまたはタスクの一部である明確なコンテンツ・アイテムと共に開かれるタブ、Ｗｅｂページ、またはインターフェースが増えるにつれて、ユーザの１つまたは複数の主要アクティビティ（１つまたは複数のタスク）に関するユーザ能率、たとえば、主要アクティビティの完了、および主要アクティビティに関連する品質が増減し得る。一部の実施形態による方法もしくはシステムまたはその両方は、予測されるユーザ能率に基づいて、少なくとも１つのＷｅｂページの１つまたは複数の不使用パートなどに、ユーザに対して選択された関連コンテンツ・アイテムを表示または提示することなどによって、ユーザのタスク完了を改善するようにＷｅｂページまたはインターフェースをインテリジェントに管理する。一部の実施形態では、ユーザの能率（たとえば、タスクの完了）の改善を必要とするタスクが実行されているエリアなどにおける、ユーザの進捗スコア、コンテキスト分析、タスクまたはアクティビティの特性、コンテンツ・アイテムの特性などの属性に応じて、ユーザ能率が予測され得る。一部の実施形態では、コンテンツ・アイテムの表示をインテリジェントに制御することにより、許容可能な品質閾値で全体的なタスク完了率が改善され得る。一部の実施形態では、タスクの許容可能な品質属性は与えられ得、または課題管理システムなどの共同プロジェクト管理アプリケーションなどから得られるタスク仕様詳細の分析に基づいて決定され得る。許容可能な品質閾値または属性は、タスクのメタデータで指定され得、類似のタスクに対して以前にランク付けされた品質閾値または属性から抽出され得る。

図１（Ａ）～図１（Ｄ）に、一実施形態におけるＷｅｂページまたはインターフェース・コンテンツ管理を示す。図１（Ａ）は、電子メール（Ｅメール）アプリケーションと、Ｅメールを作成する主要タスクとを提示するＷｅｂページまたはインターフェースを示している。図１（Ａ）に示すメール・アプリケーションは、たとえば、受信トレイ１０２に関連するコンテンツを表示するエリアと、メッセージ１０４を含むエリアと、ユーザがチャット機能１０６を利用可能な他のエリアと、を含み得る。新しいメッセージを作成するためのポップアップ画面またはパネル１０８が挿入または表示され得る。図１（Ｂ）は、主要タスク・インターフェースまたはＷｅｂページなどとして識別される、メール・アプリケーションを表示するＷｅｂページ（またはインターフェース）内で識別される２つの不使用ゾーンを示している。不使用ゾーン１ １１０の空きスペースは、受信トレイにＥメールが少ししかないために生じ、ゾーン２ １１２は、ユーザの行動履歴を分析して、１０６のエリアを使用するチャット・アプリケーションをユーザが使用しないと結論付けることによって、不使用であると判定される。図１（Ｃ）は、関連コンテンツを決定し、続いてユーザ能率を予測するために、複数のＷｅｂページまたはタブ（もしくはインターフェース）を分析して、コンテンツ・アイテムとのユーザ・エンゲージメントを評価することを示している。この例では、１つまたは複数のブラウザなどは、他のＷｅｂページまたはインターフェースも開かれている場合があり、たとえば、１つはライブの交通流１１４に関連するものであり、もう１つはストリーミング・イベント１１６に関連するものである。関連コンテンツによりユーザ能率が高まるとの判定に応答して、図１（Ｄ）に示すように、コンテンツまたはコンテンツの情報１１８、１２０が不使用ゾーンに表示され得る。一部の実施形態では、その情報は、関連すると判定されたコンテンツから派生した派生コンテンツ（たとえば、１１６のストリーミングビデオではなく、スポーツ・イベントでプレーしているチームの更新された現在のスコア１２０）であり得る。

一実施形態では、この方法を実装するコンピュータ・プロセスまたはスレッドは、ユーザが１つまたは複数のＷｅｂページ上で、またはそれらにわたってコンテンツ・アイテムとやりとりしている間に、バックグラウンドなどで動作し、ユーザが少なくとも１回訪問した、開かれている各Ｗｅｂページまたはインターフェースを継続的に分析し得る。コンピュータ・プロセスはさらに、分析結果および他の外部メタデータに基づいて、各Ｗｅｂページをプロファイリングし得る。Ｗｅｂページ（インターフェース）プロファイルおよび他の外部メタデータは、コンテンツ・アイテムの関連性または重要性（ひいてはコンテンツ・アイテムを提示または表示している対応するＷｅｂページまたはインターフェース）を決定し、ユーザの少なくとも１つの主要タスクに関連するコンテンツ・アイテム関連性スコアを割り当てるための基礎を提供し得る。一部の実施形態では、ユーザの主要タスクを完了する際のユーザ能率レベルの度合いに影響し得る現在のユーザ・コンテキストおよび認知状態も決定され得る。

システムは、ユーザ・タスクに関するコンテンツ・アイテムの関連性スコア、あるいは１つまたは複数の主要タスクの完了に向けたユーザ能率を決定するためのさらなる詳細を提供し得るＷｅｂページ・プロファイルおよびコンテンツ・アナリティクスに基づいて、Ｗｅｂページを動的にランク付けし得る。ユーザが１つまたは複数のコンテンツ・アイテム、タスク・プロファイル、および検出されたコンテンツ・アイテム特性とやりとり（ひいては関与）し続けると、Ｗｅｂページ（およびコンテンツ・アイテム）のランキングおよび関連性スコアが変化し得る。一部の実施形態では、ニューヨーク州アーモンクのＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ（ＩＢＭ）（Ｒ）のＩＢＭ（Ｒ）ワトソン・コンテンツ・アナリティクスを使用して、コンテンツ・アイテムもしくはＷｅｂページまたはその両方を収集および分析し得る。

一部の実施形態では、方法もしくはシステムまたはその両方はユーザ・エンゲージメントを推定し得、これはたとえば、Ｗｅｂページの訪問頻度、訪問する（たとえば、読む）ごとに費やされた時間、ユーザのコンテンツ・アイテムとのインタラクション、眼球運動の分析、注視パターン、Ｗｅｂページのプロファイル、もしくは他の要因、あるいはそれらの組み合わせによって少なくとも部分的に測定され得る。ユーザ・エンゲージメントを推定する方法は、カスタムのトレーニング済み機械学習モデルまたはアルゴリズムを使用して実行され得る。例として、後述のマルコフ連鎖アルゴリズムを使用して、ユーザの読み方のパターンを分析し得る。

一実施形態の一実装において、以下のアルゴリズムでは、Ｖ_ｉは第ｉ時刻に閲覧されたコンテンツ・アイテムの部分を表す確率変数であり、ｖ_ｉは第ｉ時刻に閲覧された観察された関心エリアであり、ｎは、コンテンツ・アイテムのある部分から他の部分に（または遷移がＷｅｂページ間である場合は、あるページから他のページに）ユーザが遷移した回数である。確率Ｐ（Ｖ_ｉ＝ｖ_ｉ）およびＰ（Ｖ_ｉ＝ｖ_ｉ｜Ｖ_ｉ－１＝ｖ_ｊ）は、ユーザ・アクティビティ・ストリーム・データから直接、たとえば、ｖ_ｊからｖ_ｉへの遷移の回数をカウントし、適切な正規化（ｖ∈Ｏ Ｐ（Ｖ＝ｖ｜Ｖ_ｊ）＝１）を確保することによって、推定することができる。「Ｏ」は起こり得る状態の結果を表し、これには｛クリック、一時停止、上スクロール、下スクロール、ズームイン、ズームアウト、タイプ、読む、またはその他｝が含まれ得る。インデックスｉ－１は、第ｉ時刻における閲覧の前の閲覧時刻（たとえば、第ｉ－１時刻）を表す。同様に、ｊは第ｊ時刻の閲覧を表し、ここで、ｉ，ｊ∈｛１，２，．．．，ｎ｝およびｊ＞ｉである。

一実施形態における上記の表現は、平均的なユーザ・エンゲージメントの推定をモデル化し得る。たとえば、ユーザ・エンゲージメントの推定のモデル化は、ユーザ・データ内に存在し得る異なるユーザ・エンゲージメント・パターンを考慮することができるマルコフ連鎖の変形（たとえば、マルコフ連鎖の離散混合）を使用して実行することができる。上記のアルゴリズムでは、Ｐｋ（Ｖ１）およびＰｋ（Ｖｉ｜Ｖｉ－１）は確率分布を表し、αｋは混合重みであり、ｋは混合成分にインデックスを付ける。

このシステムはまた、これまでのユーザの進捗に基づいて、タスクまたはタスクのセットの完了に向けたユーザの現在の進捗を推定し得る。一部の実施形態では、現在の進捗を推定する方法は、コード・コミット（または書かれたコードの行）の数、提出されたトランザクションの数、生成または提出されたドキュメントの分析（たとえば、提出されたワード・ドキュメント、ポータブル・ドキュメント・フォーマット（ｐｄｆ：ｐｏｒｔａｂｌｅ ｄｏｃｕｍｅｎｔ ｆｏｒｍａｔ）ドキュメントに書かれた単語の数、もしくはその他、またはそれらの組み合わせ）を含み得るデータ・ストリームに基づく。現在の進捗を推定する方法は、ユーザのコホートおよびタスクのコホートからの類似性分析にさらに基づき得る。たとえば、タスクの総数、タスクに割り当てられたユーザの数、および完了したタスクを利用して、他の人と比較したユーザの進捗と、基準点に対するそれぞれの完了率とを決定し得る。

ユーザ能率は、ユーザが１つまたは複数のユーザの主要タスクを完了するまたは取り組む能力の観点でのユーザの能率の度合いを表す。一部の実施形態における方法もしくはシステムまたはその両方は、推定された進捗、推定されたユーザ・エンゲージメントの度合い、（類似のタスク・コホートの）履歴データおよびタスクの所与の許容可能な品質属性の分析、およびタスク仕様詳細（たとえば、バージョン管理、ソース・コード管理機能、および他のサービスなどのサービスを提供し得る共同プロジェクト管理アプリケーションから取得したもの）の分析に基づいて、（事前定義され得る）許容可能な品質属性で事前定義された時間内に指定されたタスクを完了するユーザの能力を推定または予測し得る。許容可能な品質閾値もしくは属性（または複数の閾値もしくは属性）は、タスク・メタデータで指定され得、または類似のタスクに対して以前にランク付けされた品質閾値または属性から抽出され得る。一部の実施形態では、タスク・メタデータは、たとえば、ユーザの進捗率、割り当てられたタスク、規定時間内に行われた作業、それぞれのＷｅｂページで費やされた時間、および閲覧されたＷｅｂコンテンツなどの情報についてのアクティビティを監視することによるデータを分析することによって取得され得る。

ユーザ能率を決定すること、たとえば、事前定義された時間内に指定されたタスクを完了するユーザの能力を推定または予測することは、所与の１つまたは複数のタスク（または類似の１つまたは複数のタスク）におけるユーザのモチベーション、ワーキング・スタイル、およびユーザの事前知識または専門知識レベルの分析をさらに考慮に入れ得る。そのような情報は、ユーザ・プロファイルで入手可能になされ得る。ユーザ・プロファイルは、一部の実施形態で構成または構築され得る。

１つまたは複数のタスクＴに関するユーザｕ（ｕ∈Ｕ）の推定された進捗（Ｐｒｏｇ_ｕ∈Ｕ（Ｔ））、および測定された品質属性に基づいて、一部の実施形態における方法もしくはシステムまたはその両方は、１つまたは複数のユーザの主要タスクの完了に向けた進捗に関連するユーザ能率度（Ｅｆｆ_ｕ∈Ｕ（Ｔ））を決定し得る。Ｐｒｏｇ_Ｕ∈Ｕ（Ｔ）はユーザｕの対応するタスクＴについての進捗を表す。たとえば、ユーザ能率Ｅｆｆ_ｕ∈Ｕ（Ｔ）は、「非常に高い（５）」、「高い（４）」、「中程度（３）」、「低い（２）」、または「乏しい（１）」の値をとり得る。ユーザ能率は、他の形式または値で表され得る。推定されたユーザ能率度が閾値Δ（（Ｅｆｆ_ｕ∈Ｕ（Ｔ）＜Δ）を下回る場合、一部の実施形態における方法もしくはシステムまたはその両方は、１つまたは複数の関連コンテンツ選択要因を使用して、コンテンツＷｅｂページ（インターフェース）ストアから１つまたは複数のコンテンツ・アイテムをさらに動的に選択し得るコンテンツ選択を自動的または自律的にトリガし得る。１つまたは複数の関連コンテンツ選択要因は、コンテンツ関連性スコア、ユーザ・プロファイル（たとえば、ユーザ・コンテキスト、認知状態、もしくは他のユーザ要因、またはそれらの組み合わせ）、エンゲージメント・レベル、およびタスク・プロファイルを含み得る。

たとえば、図１では、主要タスクの一例をＥメールの作成として示しており、ユーザの能率（ユーザ能率）は、１分あたりにタイプされる単語数によって定量化され得る。ユーザがタブを絶えず変更して、ストリーミング・イベントの進捗をチェックするか、または（たとえば、ユーザがある場所に出かける必要があるために）交通量を監視していることを一部の実施形態における方法およびシステムが検出した場合、方法もしくはシステムまたはその両方は、ストリーミング・イベントに関連する何らかのデータ（たとえば、スポーツ・イベントのスコア）または交通情報を表示すると、タブを切り替える必要なく、ユーザの効率が高まり得ると判定し得る。一方、提示または表示の形式（たとえば、可視化）（たとえば、グラフまたはマップ）がユーザの注意をそらしており、それによって主要タスクの品質が低下している（たとえば、スペル・ミスの数が増加している）ことを方法もしくはシステムまたはその両方が検出した場合、方法もしくはシステムまたはその両方は、その形式（たとえば、グラフまたはマップ）を単純な情報データ、たとえば、「道路ｘで遅延」などの交通データに変え得る。Ｅメールの品質が乏しい（たとえば、ユーザがまだ多くのスペル・ミスを犯している）ことを方法もしくはシステムまたはその両方がなおも検出した場合、方法もしくはシステムまたはその両方は、不使用スペースに自動的または自律的に辞書検索を追加し得、これはユーザの生産性を高めることなどに役立ち得る。

図２（Ａ）～図２（Ｃ）に、一実施形態におけるＷｅｂページまたはインターフェース・コンテンツの変換を示す。たとえば、コンテンツを他の形式に（たとえば、グラフィカルな交通量マップから単純なテキスト・データに、株価変動グラフから単純な株価に）変えることは、ユーザがユーザの主要タスクから注意をそらされないようにすることに役立ち得る。たとえば、図２（Ａ）の２０２のグラフィカルな表示は、２０４に示すような他の形態に変換され得る。図２（Ｃ）は辞書検索ウィンドウ２０６などを追加する一例を示しており、これは編集のプロセスを改善（たとえば、スペリングを改善）し得、これにより一例としてＥメールを作成するタスクの品質が上がり得る。

一部の実施形態では、コンテンツ・アイテムは、ライブでインタラクティブなウィジェットの形をとり得る。ウィジェットは、たとえば、ユーザが機能を実行したりサービスにアクセスしたりすることを可能にするアプリケーションまたはインターフェースのコンポーネントであり得、ユーザがやりとりし得るグラフィカル・ユーザ・インターフェース（ＧＵＩ）要素として提供され得る。たとえば、交通量ウィジェットとスポーツ・イベント・ウィジェットとの両方がリアルタイムで更新され得る。ユーザがウィジェットをクリックした場合、ユーザはコンテンツの発生元のＷｅｂページに連れて行かれ得る。

一部の実施形態では、選択された１つまたは複数の関連コンテンツ・アイテムをインテリジェントに管理し得る方法もしくはシステムまたはその両方はまた、少なくとも１つのＷｅｂページ（またはインターフェース）の１つまたは複数の不使用パートを検出し得る。一部の実施形態では、方法もしくはシステムまたはその両方は、選択された１つまたは複数の関連コンテンツ・アイテムを表示するように、少なくとも１つのＷｅｂページまたはインターフェースを分割またはセクション化し得る。コンテンツ・アイテムの特性および場所は、実行時にＷｅｂページまたはＧＵＩの不使用パートの分析に基づいて決定され得る。

図３（Ａ）～図３（Ｄ）に、一実施形態におけるインターフェースまたはＷｅｂページの不使用パートまたは部分を検出する例を示す。図３（Ａ）は、Ｅメール・アプリケーションのインターフェースまたはＷｅｂページと、たとえば、Ｅメール・メッセージを作成する主要タスクとを示している。不使用パート検出機能は、たとえば、他のインターフェースまたはＷｅｂページからの関連コンテンツを表示するために使用され得る２つのゾーン３０２、３０４を識別する。この例では、余白スペース（またはユーザ・インターフェース表示表現内の同様のもの）が不使用部分として識別され得る。図３（Ｂ）は、ソフトウェアまたはコード開発アプリケーションのインターフェースまたはＷｅｂページと、コード開発アプリケーションのインターフェースまたはＷｅｂページ上でソフトウェア・コードを書く主要タスクとを示している。この例では、コード開発アプリケーションのインターフェースが、通知メニューなどのアプリケーション機能、または他の機能を提供するための表示ウィンドウの一部分（たとえば、３０６に示す右側のカラム）を使用することを考える。不使用パート検出機能は、ユーザがこのアプリケーションを使用してコードを書く場合に、この特定のアプリケーション機能を普段使用しない（または関心がない）ことを識別し得る。そのような判定は、たとえば、ユーザのアプリケーションの使用の履歴データを見るかまたは分析することによって実行され得る。この例示的なシナリオでは、不使用パート検出機能は、通知メニュー部分を不使用部分３０６として識別し得る。

図３（Ｃ）を参照して、インターフェースまたはＷｅｂページが、ビデオを提示またはストリーミングして、ユーザがインターフェースを介してビデオを視聴することを可能にするアプリケーションのものであると考える。主要タスクは、ビデオの視聴として識別される。また、このアプリケーションのインターフェースは、たとえば、主要タスク・セクション（現在視聴中のビデオを表示）と同時に表示される、コメント・セクション（たとえば、ユーザがコメントを入力できるようにするためのもの）、もしくは推奨セクション（たとえば、ユーザが視聴すべき他の動画を推奨し得るもの）、またはその両方を含むことを考える。この例では、不使用パート検出機能は、３０８に示す（ゾーン１とラベル付けした）部分に表示される推奨にも、３１０に示す（ゾーン２とラベル付けした）部分のコメントにも、ユーザが無関心であり得ると判定し得る。たとえば、不使用パート検出機能は、インターフェース上のユーザ・アクティビティを監視し、ユーザがこのアプリケーションのそれらの機能を使用していないと判定し得る。一部の実施形態における方法もしくはシステムまたはその両方は、それらの部分３０８、３１０を使用して他の関連コンテンツを表示し得る。

図３（Ｄ）を参照して、インターフェースまたはＷｅｂページが、ユーザのソーシャル・ネットワーク・ページ上にニュースをフィードし得るソーシャル・ネットワーク・アプリケーションのものであると考える。この例では、不使用パート検出機能は、３１２に示す（ゾーン１とラベル付けした）ようなユーザのソーシャル・ネットワーク・ページの一部分に現れる通知の一部、もしくは３１４に示す（ゾーン２とラベル付けした）他のページへのリンクを表示する一部分、またはその両方にユーザが無関心であり得ると判定し得る。たとえば、一部の実施形態における方法もしくはシステムまたはその両方は、たとえば監視中のＷｅｂコンテンツと関連して、Ｗｅｂカム・カメラなどのデバイスを介して受け取った画像もしくは他のデータまたはその両方の顔認識検出および気分分析を実装することにより、不使用パートを決定し得る。他の例として、一部の実施形態における方法もしくはシステムまたはその両方は、ユーザの注視検出を実装して、視線を現在閲覧もしくは監視またはその両方が行われているコンテンツの一部分に、（入力デバイスを介した）ユーザのクリックなど、および特定のコンテンツに関連して費やされた時間と共に、マッピングし得る。同様の機能により、方法もしくはシステムまたはその両方は、ページ上の特定の局所的なコンテンツに関するユーザの関心レベルを理解することが可能になり得る。

このように、一部の実施形態におけるシステムもしくは方法またはその両方は、インターフェースまたはＷｅｂページの不使用パートを自動的に検出し、それらの部分を使用して、主要タスクを処理する際のユーザの能率を高め得るコンテンツをＧＵＩ上に提供または配置し得る。

一部の実施形態では、ユーザは、他のＷｅｂページからの関連コンテンツを表示することができるゾーンを、主要Ｗｅｂページまたはインターフェース上に手動で割り当てることを選び得る。図４に、一実施形態における、ユーザが手動でゾーンを割り当て得るインターフェースまたはＷｅｂページの一例を示す。一部の実施形態では、方法もしくはシステムまたはその両方は、関連コンテンツを自動的に決定し得る。一部の実施形態では、関連コンテンツは、ユーザによって選択され得る。たとえば、Ｗｅｂページは、コンテンツ・セグメントまたはセクションに分けられ得る。ローカルにまたはハイパーテキスト・マークアップ言語（ＨＴＭＬ）形式でコンテンツを移動できるインタラクティブなグラフィカル・ユーザ・インターフェース（ＧＵＩ）は、コンテンツを動的に配置するために使用することができ、または仮想的な中間層を使用するなどして、表示画面上のそれぞれの位置をユーザが指定することができる。

図５は、一実施形態におけるＷｅｂページまたはインターフェースをインテリジェントに管理する方法を示す図である。この方法は、少なくとも１つのハードウェア・プロセッサによって実行され得る。５０２において、ブラウザ内でＷｅｂページ（もしくはインターフェース）またはタブが開かれたことが検出されるかまたは受け取られ得る。たとえば、ユーザは、閲覧または移動などするための新しいタブもしくはＷｅｂページまたはインターフェースを開き得る。新しいタブもしくはＷｅｂページまたはインターフェースを表示または提示するブラウザなどは、ユニフォーム・リソース・ロケーション（ＵＲＬ：ｕｎｉｆｏｒｍ ｒｅｓｏｕｒｃｅ ｌｏｃａｔｉｏｎ）などのロケーション識別子を受け取り、そこから新しいタブもしくはＷｅｂページまたはインターフェースが取得され、ユーザ・インターフェース表示上などに提示され得る。

５０４において、開かれているＷｅｂページ、タブ、もしくはインターフェース、またはそれらの組み合わせのうちの主要（優先とも呼ぶ）タブもしくはＷｅｂページまたはインターフェースが識別される。一部の実施形態では、主要ページは、ユーザが最も閲覧もしくは操作またはその両方を行ったページとして識別され得、そこでコンテンツを表示画面上の異なる不使用ゾーンに指定および割り当てすることができる。最初に、一部の実施形態では、主要ページは、ユーザが手動で設定することができ、またはユーザによって費やされた時間と、ページで実行された機能とに基づいて動的に識別することができる。

５０６において、開かれている全てのＷｅｂページもしくはタブまたはインターフェースなどが評価または再評価される。たとえば、一部の実施形態では、ユーザの関心またはエンゲージメントのレベルの変化につながり得る、たとえば、注視の頻度、特定のＷｅｂコンテンツでの操作、ユーザに割り当てられているタスク、もしくは他のアクティビティ、またはそれらの組み合わせなどのアクティビティを理解するフィードバック学習メカニズムが、機械学習の実施形態の一部として提供され得る。

５０８において、１～ｎ個の開かれているＷｅｂページもしくはタブまたはインターフェースについて（たとえば、５０６で決定されるような開かれているＷｅｂページもしくはタブまたはインターフェースのそれぞれについて）、Ｗｅｂページ（またはタブもしくはインターフェース）からの関連コンテンツが決定される。一部の実施形態では、Ｗｅｂページ、タブ、またはインターフェースの関連コンテンツは、外部メタデータに基づいて決定されるＷｅｂページのランク付けまたは関連スコア付けに基づいて決定され得る。Ｗｅｂページのランク付けは、特定のＷｅｂページ・コンテンツへの操作、ページで費やされた時間、ページの使用頻度などの特徴に基づいて実行され得る。たとえば、アクティビティの数、費やされた時間、および頻度がより高いＷｅｂページは、より高くランク付けされ得る。Ｗｅｂページのランク付けによって、Ｗｅｂページの優先度が決定され得る。関連スコア付けは、一部分またはセグメントに関連するユーザのフォーカス（たとえば、視線のパターン、入力アクティビティ（たとえば、クリック、マウス・ホバー、および／またはその他）、ならびに／あるいはその他）などに基づいて、特定のＷｅｂページ内の部分またはコンテンツ・セグメントをランク付けし得る。

一部の実施形態では、Ｗｅｂページ、タブ、またはインターフェースの関連コンテンツは、以下のように決定され得る。ユーザ能率が推定され得る。開かれているＷｅｂページ（もしくはタブまたはインターフェース）のコンテンツは、テキスト分類または他の分析を実行するなどして分析され得る。そのような分析により、たとえば、ユーザが以前に訪問または閲覧したトピックの履歴に基づいて、ユーザにとって関心のあるトピックが決定され得る。Ｗｅｂページ（もしくはタブまたはインターフェース）に関するユーザの行動履歴などに基づいて、ユーザが最も多くの時間を費やしているＷｅｂページ（もしくはタブまたはインターフェースなど）を決定し、現在開かれているセット内にある類似のＷｅｂページ（もしくはタブまたはインターフェース）を決定するユーザ・コンテキスト推定が実行され得る。たとえば、あるＷｅｂページ（もしくはタブまたはインターフェース）のコンテンツが、他のＷｅｂページ（もしくはタブまたはインターフェースとの類似性の閾値を満たす場合、そのＷｅｂページ（もしくはタブまたはインターフェース）は、他のＷｅｂページ（もしくはタブまたはインターフェース）と類似していると判定され得る。たとえば、ユーザの眼球運動、注視、マウス・アクティビティなどの入力デバイス・アクティビティ、もしくは顔の微表情、またはそれらの組み合わせを検出することによって、ユーザの注意もしくは関心またはその両方を特定するユーザ認知状態分析が実行され得る。一部の実施形態では、入力特徴（たとえば、ユーザの眼球運動、注視、マウス・アクティビティ（たとえば、クリック、ホバーオーバー）などの入力デバイス・アクティビティ、頻度、時間、割り当てられたタスク、エンゲージメントのレベル、もしくは顔の微表情、またはそれらの組み合わせ）を用いた機械学習メカニズムは、特定のコンテンツの関連スコア付けを決定するように機械学習モデルをトレーニングし得る。機械学習モデルをトレーニングし得る機械学習アルゴリズムの例には、線形回帰、ロジスティック回帰、深層学習ニューラル・ネットワークなどのニューラル・ネットワーク、もしくはその他、またはそれらの組み合わせが含まれ得るが、これらに限定されない。教師あり機械学習は、たとえば、ラベル付けされたトレーニング・データ・セットに基づいて、入力特徴ベクトルまたは入力特徴値が与えられた場合に結果を予測できるように、モデルをトレーニングする。

５１０において、最も関連性が高いか、もしくは有効であるか、またはその両方である情報またはコンテンツが、５０８で決定された関連コンテンツのグループから選出または選択され得る。一部の実施形態では、２つ以上のコンテンツ・アイテムが最も関連性の高いものとして選択され得る。たとえば、最も高くランク付けされたコンテンツ、または最も高くランク付けされたいくつかのコンテンツが選択され得る。

５１２において、主要Ｗｅｂページもしくはタブまたはインターフェースには、他のＷｅｂページもしくはタブまたはインターフェースからの、５１０で決定された最も関連性が高いか、もしくは有効であるか、またはその両方である情報などがレンダリングされ得る。たとえば、他のＷｅｂページからのコンテンツは、主要Ｗｅｂページの１つまたは複数の部分の上に、たとえば主要Ｗｅｂページの不使用パートの上にオーバーレイされ得る。

５１４において、ユーザ・アクティビティが監視および再評価され得る。たとえば、主要Ｗｅｂページの一部分にオーバーレイされたコンテンツのユーザ消費が監視され得、もしくはユーザが新しいＷｅｂページ（もしくはタブまたはインターフェース）を開くことが検出され得、またはその両方が行われ得る。監視されたアクティビティに基づいて、一部の実施形態における方法もしくはシステムまたはその両方は、最も関連性の高いコンテンツの決定を再評価し得、主要Ｗｅｂページ（タブまたはインターフェース）の１つまたは複数の不使用パートにおけるコンテンツの提示を動的に更新し得る。たとえば、５１０および５１２における処理は、ユーザの新しいアクティビティに基づいて反復または繰り返し得る。

一部の実施形態では、方法もしくはシステムまたはその両方は、単一のユーザまたは複数のユーザに基づいてそれ自体を再構成し得る。たとえば、複数のユーザが、コンピュータにログインするための生体認証情報（指検出）、音声検出、顔検出などのそれぞれの資格情報に基づいて、同じコンピュータさらには異なるコンピュータにログインしている場合、方法もしくはシステムまたはその両方は、特定のユーザに基づいて、主要インターフェースもしくはＷｅｂページまたはタブに表示またはオーバーレイする関連コンテンツを調整し得る。たとえば、一人一人のユーザは、それぞれのユーザ自身の好みまたは関連コンテンツのセットを有し得、設定を識別または再設定するためにユーザが検出され得る。

方法もしくはシステムまたはその両方は、複数のＷｅｂページから関連する有効な情報を抽出することによって、優先順位付けされたコンテンツを構成するために、各ユーザに対する個別の認知状態または識別情報を作成し得る。したがって、特定のユーザにとって関心があると（たとえば、彼らの関心、認知的ヒューリスティックスに基づいて）判定されたコンテンツは、データベースなどからそのコンテンツを取得または受信したことに応答して動的に表示または提示され得る（これはたとえば、リモートに（クラウド・データベースなどに）またはローカルに記憶され得る）。このようにして、特定のユーザ向けにカスタマイズされたコンテンツを表示または提示するインテリジェントな決定を行うことができる。提示または表示されるコンテンツは、より個人向けにされ得、特定のユーザの認知的関心および履歴に関連し得る。

一部の実施形態では、不使用コンテンツを提示または表示するＷｅｂページの一部または複数の部分を利用して、ユーザのアクティビティ、完了したタスク、および完了すべきユーザのタスクのレンダリングを１つまたは複数の可視化チャートの形式などでハイライトし得る。Ｗｅｂページ上で動的に作成などされる不使用部分またはセクションに表示されるそのような可視化により、ユーザによって完了されたタスクおよび実行されているアクティビティに関するユーザの進捗を動的に評価することが可能になり得る。一実装例として、バックエンドのＪａｖａｓｃｒｉｐｔ（Ｒ）は、ユーザの能率と、それぞれのＷｅｂページで費やされた時間とを、進行中のタスクと共にハイライトする動的なＷｅｂページおよび可視化チャートの作成を可能にし得る。図６に、一実施形態におけるＷｅｂページの不使用セクションなどに作成される可視化チャートおよびハイライトされた動的コードを一例として示す。可視化は、ユーザのアクティビティを、異なるタスクと、様々なＷｅｂソースもしくはアイテムまたはその両方とに費やされた時間と共にハイライトする。ハイライトされたコードは、ユーザの進捗の広い視野をユーザに提供または（たとえば、ユーザに）提示するために不使用部分に表示される、自己分析のためのユーザの進捗、タスク、および異なるＷｅｂページ・コンテンツに費やされた時間の例示的なグラフィカル表現を表示するために、バックエンド・レイヤなどで作成され得る動的Ｊａｖａ（ＴＭ）ｓｃｒｉｐｔコードなどのコードの一例を示す。Ｊａｖａ（Ｒ）および全てのＪａｖａ（Ｒ）ベースの商標およびロゴは、Ｏｒａｃｌｅもしくはその関連会社またはその両方の商標または登録商標である。

上述のように、一部の実施形態における方法もしくはシステムまたはその両方は、ユーザ能率度を推定することを含み得る。一部の実施形態では、ユーザ能率度の推定は、予測される能率的または非能率的な結果に関連付けて、Ｗｅｂページの１つまたは複数の不使用パート上に表示（または提示）されたコンテンツ・アイテムに関してユーザ能率を継続的に学習するように構成され得る。学習は注視パターン分析を使用し、ユーザが最も頻繁にフォーカスしているＷｅｂページまたはインターフェースのエリアを識別し得る。学習は、ユーザに対する予測される非能率的な結果を伴う、表示される１つまたは複数のコンテンツ・アイテムあるいはＷｅｂページに対して警告すること、優先順位を下げること、または削除を提案すること、を含み得る。たとえば、ビデオ・コンテンツを表示することが、主要インターフェースまたはＷｅｂページで実行されているユーザの主要タスクに関して乏しい結果を伴うことがわかっているとの判定に応答して、そのコンテンツ・アイテムは、削除が提案されるか、または関連性の低いカテゴリに移動され得る。このように、たとえば、１つまたは複数のコンテンツ・アイテムの検出された影響により、ユーザの進捗率または完了能力が低下している場合、一部の実施形態における方法もしくはシステムまたはその両方は、表示された１つまたは複数のコンテンツ・アイテムの優先順位を動的に下げるか、またはそれらの削除もしくは非表示を提案し得る。たとえば、図１を参照すると、交通量マップを表示することは、Ｅメール・メッセージの作成などの開かれているインターフェース（主要インターフェースまたはＷｅｂページ）上でユーザの主要タスクを実行することからユーザの注意をそらすと判定され得る。それに応答して、方法もしくはシステムまたはその両方は、グラフィカルなライブの交通量マップを単純なテキスト・データに変え得る。方法もしくはシステムまたはその両方が、表示形式の変更にもかかわらず、依然としてユーザの能率の低下を判定する場合、方法もしくはシステムまたはその両方は、その情報（テキスト・データ）を完全に削除し得る。

一部の実施形態では、クラウド・メモリ・ストレージ・システムは、それぞれのユーザのアクティビティおよび認知状態を記憶し得る。この方法もしくはシステムまたはその両方は、特定のユーザが特定の時点でコンピュータにログオンしたことに基づいて、個人向けにされた表示の選択を決定し得る。

上記の例ではＷｅｂページのコンテンツ管理について説明したが、この方法もしくはシステムまたはその両方は、たとえば、携帯電話、タブレット、パーソナル・コンピュータ、ラップトップ、もしくは他のデバイス、またはそれらの組み合わせなどのコンピューティング・デバイス上にデプロイされるか、その上で動作するか、またはその両方であるネイティブ・アプリケーションにおけるコンテンツを管理するためにも実装され得る。同様の方法で、この方法もしくはシステムまたはその両方は、特定のアプリまたはアプリケーションのユーザ・インターフェース（ＧＵＩなど）の不使用パートを検出し、コンピューティング・デバイスで動作している他のアプリまたはアプリケーションからの関連コンテンツを、特定のアプリまたはアプリケーションのこの不使用スペースに挿入し得る。

一部の実施形態では、コンピューティング・デバイスは、たとえば、選択的に個人向けにされたコンテンツを、複数のユーザが迅速に検索するためにキャッシュし、それぞれの関心のあるＷｅｂサイト、インターフェース、もしくはタブ、またはそれらの組み合わせにおけるそれぞれのユーザのエンゲージメント・レベルに従って優先順位付けされた方法で表示（動的ＧＵＩ）することができるエッジ・コンピューティング・デバイスであり得る。

図７は、一実施形態におけるインターフェース（たとえば、Ｗｅｂページ）のコンテンツをインテリジェントに管理および制御する方法を示すフロー図である。この方法は、事前定義され得る許容可能な品質閾値などでのユーザの全体的なタスクの完了を改善し得る。この方法は、ユーザ能率を予測することと、コンテンツの関連性を分析することと、を含み得る。この方法は、少なくとも１つのハードウェア・プロセッサによって実施または実行され得る。

７０２において、表示画面上などに提示される複数のインターフェース（たとえば、１つまたは複数のＷｅｂページ、タブ、アプリ（アプリケーション）のページ、または他のインターフェース、あるいはそれらの組み合わせ）が受け取られ得る。複数のインターフェースは、少なくとも１つの主要タスク・インターフェースを含み得、複数のインターフェースのそれぞれは、少なくとも１つのコンテンツ・アイテムを提示し得る。

７０４において、複数のインターフェースを介して提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルが推定され得る。たとえば、ユーザのアクティビティまたは複数のインターフェースのそれぞれとのインタラクション、たとえば、主要タスク・インターフェースとのインタラクションを分析して、主要タスク・インターフェースと、複数のインターフェースのうちの他のインターフェースとに提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルを決定し得る。一部の実施形態では、ユーザ・エンゲージメント・レベルは、ユーザごとに計算され得、各コンテンツについて計算などされる複数の値を含み得る。たとえば、ユーザ・エンゲージメント・レベルは、ユーザについてのコンテンツの優先度と、それぞれのコンテンツの位置付けとに基づく複数の値を含み得る。他の例として、ユーザ・エンゲージメント・レベルは、ユーザのグループの各ユーザについてのコンテンツの優先度と、それぞれのコンテンツの位置付けとに基づく複数の値を含み得る。

一部の実施形態では、ユーザ・エンゲージメント・レベルを推定または決定することは、複数のインターフェースなどとのユーザ・インタラクション・パターンを分析することと、ユーザ・コンテキスト（たとえば、ユーザの現在のアクティビティ、ユーザの現在の状態）を推定することと、複数のインターフェース上のコンテンツ・アイテムに関するユーザ・コホート（たとえば、進捗状況、理解レベル、認知状態）を決定することと、を含み得る。ユーザ・コンテキストとは、ユーザに関連する情報または属性を指す。ユーザ・コホートとは、（たとえば、一緒に画面を閲覧している）ユーザのグループを指す。一部の実施形態における方法もしくはシステムまたはその両方は、（たとえば、顔認識技術などの自動検出メカニズムによって）それぞれのユーザの好みを検出し得、平均化メカニズムに基づいてコンテンツを動的に変更し得る。

一部の実施形態では、ユーザ・エンゲージメント・レベルは、複数のインターフェースのうちのインターフェースに移動するユーザの頻度と、複数のインターフェースへの訪問ごとに費やされる時間と、複数のインターフェースとのユーザ・インタラクションの度合いと、ユーザの眼球運動および注視パターンと、に少なくとも基づいて推定され得る。たとえば、ユーザ・エンゲージメント・レベルは、特定のＷｅｂページ・コンテンツに関して計算され得、これはたとえば尤度確率を使用して計算され得る。

７０６において、主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関するユーザ能率度が決定され得る。一部の実施形態では、主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関するユーザ能率度は、主要タスクに関連するユーザのモチベーション、ワーキング・スタイル、およびユーザの専門知識レベルに少なくとも基づいて決定され得る。たとえば、ユーザ・アクティビティは、ユーザの進捗率を計算するために、監視ソース、たとえば、センサ・フィード、および１つまたは複数のアプリケーション（たとえば、カレンダー、スケジュール、アジェンダ項目の受信用）を介して追跡され得る。一部の実施形態では、機械学習は、ユーザの進捗率を計算するために、追跡された情報の少なくとも一部を入力として取り得る。ワーキング・スタイルおよび専門知識を特定するために、たとえばソーシャル・メディアなどから情報またはデータが抽出され得る。一部の実施形態では、ユーザ能率度は、１つまたは複数のタスクに関するユーザの推定された進捗率と、測定された品質属性とに基づいて決定され得る。

７０８において、ユーザ・エンゲージメント・レベルおよびユーザ能率度に基づいて、複数のインターフェースからコンテンツ・アイテムが選択され得る。一部の実施形態では、ユーザ能率度は、たとえば複数の候補コンテンツ・アイテムからどのコンテンツ・アイテムが最もユーザに適しているかを決定または最適化し得るコンテンツ選択への入力として使用され得る。一部の実施形態では、ユーザ能率の測定なしに、１つまたは複数のコンテンツ・アイテムが選択され得る。一実施形態では、複数のインターフェースのそれぞれのコンテンツ関連性は、複数のインターフェースに関連付けられているかまたはそれらに提示されたコンテンツ・アイテムに対するユーザのアクティビティまたは関心を分析することによって決定などされるユーザ・エンゲージメント・レベルなどから決定され得る。一部の実施形態では、コンテンツ・アイテムは、コンテンツ・プロファイル、タスク・プロファイル、コンテンツ・アイテムの特性、ユーザ・コンテキスト、およびユーザの認知状態にさらに基づいて選択され得る。したがって、たとえば、コンテンツ・アイテムは、１つまたは複数のコンテンツ選択要因、たとえば、コンテンツ関連性スコア、ユーザ・プロファイル（これにはユーザ・コンテキスト、ユーザの認知状態、もしくはユーザに関連する他の情報、またはそれらの組み合わせが含まれ得る）、エンゲージメント・レベル、およびタスク・プロファイルなどに基づいて選択され得る。一部の実施形態では、コンテンツ関連性スコアは、推定されたエンゲージメント・レベルおよびコンテンツ・プロファイル、コンテンツ・アイテムの特性、ユーザ・コンテキスト、および認知状態に基づいて決定され得る。１つまたは複数のコンテンツ・アイテムを選択する際、たとえば選択プロセスで考慮される制約に応じて、上記で指定された変数の一部をオンまたはオフ（使用または不使用）にすることができる。たとえば、制約には、ユーザ能率を上昇させることが含まれ得る。

７１０において、複数のインターフェースのうちの少なくとも１つの不使用部分における選択されたコンテンツ・アイテムの提示が制御され得る。たとえば、選択されたコンテンツ・アイテムは、主要タスク・インターフェースの不使用部分に表示され得る。一部の実施形態では、選択されたコンテンツ・アイテムの提示を制御することは、選択されたコンテンツ・アイテムの表示をある形式から他の形式に変換することを含み得る。たとえば、グラフィカルな表示は、より単純なテキスト形式に変換され得る。一部の実施形態では、複数のインターフェースのうちの少なくとも１つの不使用部分における選択されたコンテンツ・アイテムの提示を制御することは、主要タスクの完了率を増加させ得る。コンテンツ・アイテム表示のそのような配置により、ユーザの全体的なタスク完了率が改善され得る。

一部の実施形態では、可視化チャートは、主要タスク・インターフェースを介して実行される主要タスクのユーザの進捗に基づいて動的に作成され得る。たとえば、動的な可視化チャートは、事前定義された時間Ｔ内にユーザがこなすまたは取り組むタスクに関するユーザの進捗に基づいて動的に作成またはレンダリングされ得る。

一部の実施形態では、この方法は、関連すると判定された１つまたは複数のコンテンツ・アイテムを表示するなどのための、主要タスク・インターフェース内の１つまたは複数の不使用部分を検出することをさらに含み得る。たとえば、１つまたは複数のコンテンツ・アイテムは、ユーザが頻繁にアクセスした人気のあるページまたはインターフェースからのものであり得る。

一部の実施形態では、この方法は、不使用部分に提示されたコンテンツ・アイテムに関してユーザ能率度を継続的に学習することをさらに含み得る。学習することは、ユーザの注視パターンを監視することと、主要タスク・インターフェースのエリアへのユーザのフォーカスを識別することと、を含み得る。学習することに基づいて、不使用部分に提示されたコンテンツ・アイテムは、優先順位を下げられるか、または削除され得る。他の実施形態では、学習することに基づいて、コンテンツ・アイテムは、優先順位を下げられるかまたは削除されることが提案または推奨され得る。

一部の実施形態では、最も関連性の高いコンテンツを予測し、いくつかの開かれているインターフェース（たとえば、Ｗｅｂページ）からＷｅｂページなどのインターフェースの不使用セクションを識別することが可能な多層機械学習分類モデル（たとえば、深層学習）が提供または実装され得る。コンテンツは、たとえば、ユーザのタスク完了率を向上させ、インターフェース（たとえば、Ｗｅｂページ）上で実行されるタスクを完了する効率を改善するように動的に管理され得る。たとえば、方法もしくはシステムまたはその両方は、１つまたは複数の主要タスクを識別し、少なくとも１つのインターフェース（たとえば、Ｗｅｂページ）の不使用パート上に（たとえば、関連すると判定された）１つまたは複数のコンテンツ・アイテムを提示し（たとえば、表示し、または表示させ）、制御し得る。コンテンツ・アイテムの提示のそのような制御は、ユーザの全体的なタスク完了率を改善し得る。

一部の実施形態では、個々のインターフェース（たとえば、Ｗｅｂページ）内の不使用ゾーンを利用して、別のインターフェース（たとえば、Ｗｅｂページ）からコンテンツを追加することにより、たとえば、ユーザが頻繁にアクセスしたい全ての情報が１つのエリアに統合されるようにすることができる。たとえば、認知学習の実施形態と、ユーザのコンテキストに応じたアクティビティの理解とを実装し得る方法もしくはシステムまたはその両方は、事前定義された品質閾値および属性を満たしつつ、タスク完了率を改善することを可能にし得る。一部の実施形態における方法もしくはシステムまたはその両方はまた、たとえば現在実行中または実行済みのアクティビティの進捗およびリストをユーザに表示し得る１つまたは複数のグラフあるいは他の可視化（もしくは他の情報形式、またはその両方）などのコンテンツを動的に生成し、インターフェースの不使用部分に追加（または挿入）し得る。そのような動的なコンテンツは、１つまたは複数のインターフェースを介して実行される１つまたは複数のタスクに関するユーザの効率を示すために、時間経過に伴う現実的な進捗を表示し得る。

図８は、一実施形態におけるインターフェースのコンテンツをインテリジェントに制御し得るシステムのコンポーネントを示す図である。｛Ｕ｝はユーザのセットを表し得、｛Ｔ｝はユーザ・タスクのセットを表し得、｛Ｃ｝は１つまたは複数のインターフェース、たとえば、Ｗｅｂページ、タブ、および／またはアプリ、ならびに／あるいは他のタイプのインターフェース内のコンテンツ・アイテムのセットを表し得る。｛Ｐ_ｕ｝は対応するユーザＵのプロファイルを表し得る。｛Ｐ_ｃ｝は対応するコンテンツＣのプロファイルを表し得る。Ｅｎｇ_Ｕ（Ｃ）はコンテンツＣごとのユーザＵのエンゲージメントを表し得る。Ｅｎｇ_Ｕ（Ｔ）はタスクＴごとのユーザＵのエンゲージメントを表し得る。Ｐｒｏｇ_Ｕ（Ｔ）は対応するタスクＴに関するユーザＵの進捗を表し得る。Ｅｆｆ_Ｕ（Ｔ）は対応するタスクＴに関するユーザＵの能率を表し得る。ＲＳｃｏｒｅ（Ｃ）はコンテンツ・アイテムＣの関連性スコアを表し得る。複数のそのような値は、それぞれの複数のユーザ、タスク、およびコンテンツ・アイテムについて記憶され得る。

図８に示すコンポーネントは、ハードウェア・コンポーネント、あるいは１つまたは複数のハードウェア・プロセッサを実行し、本明細書に記載の機能を実行するソフトウェア・コンポーネントを含み得る。プロセッサは、中央処理装置（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、グラフィックス処理装置（ＧＰＵ：ｇｒａｐｈｉｃｓ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、他の適切な処理コンポーネントまたはデバイス、あるいはそれらの１つまたは複数の組み合わせであり得る。プロセッサはメモリ・デバイスに結合され得る。メモリ・デバイスは、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、読み取り専用メモリ（ＲＯＭ：ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、または他のメモリ・デバイスを含み得、本明細書に記載の方法もしくはシステムまたはその両方に関連する様々な機能を実装するためのデータもしくはプロセッサ命令またはその両方を記憶し得る。プロセッサは、メモリに記憶された、または他のコンピュータ・デバイスまたは媒体から受け取ったコンピュータ命令を実行し得る。他の実施形態では、プロセッサは、本明細書に記載の様々な機能のうちの１つまたは複数を備えてプログラムされ得る。

ユーザ・タスク・データベースまたはストア（たとえば、ストレージ・デバイス）８０２は、タスクに関連するメタデータなどの情報を記憶し得る。メタデータ情報は、タスクに関連する品質属性および閾値、たとえば、タスクが完了時に満たす必要のある品質レベルを含み得る。

タスク・プロファイラ８０４は、ユーザ・タスク・ストア８０２に記憶された情報に基づいて（たとえば、タスクごとの）タスク・プロファイルを作成し得る。たとえば、タスクＴに関連するタスク・プロファイルは、そのタスクＴに関連する品質属性を指定する。

ユーザ・モデル・データベースまたはストア（たとえば、ストレージ・デバイス）８０６は、ユーザに関連する情報を記憶し得る。そのような情報には、ユーザ・コンテキスト、ユーザの認知状態、ユーザの知識レベル、もしくは他の情報、またはそれらの組み合わせが含まれ得る。

ユーザ・プロファイラ８０８は、ユーザ・モデル・データベースまたはストア８０６に記憶された情報に基づいて（たとえば、ユーザごとの）ユーザ・プロファイルを作成し得る。たとえば、ユーザＵに関連するユーザ・プロファイルは、そのユーザＵに関連するユーザ・コンテキスト、認知状態、および知識レベルを指定し得る。

コンテンツおよびインターフェース（たとえば、Ｗｅｂページ、アプリ・インターフェース）データベースまたはストア（たとえば、ストレージ・デバイス）８１０は、複数のコンテンツおよびインターフェース、たとえば、Ｗｅｂページ、もしくは同様のもの、またはその両方を記憶し得る。

コンテンツ・アナライザ８１２は、インターフェース・コンテンツ（たとえば、Ｗｅｂページなどのインターフェースを介して表示または提示されるコンテンツ）に対して分析（たとえば、テキスト分析、画像分析）を実行し得、コンテンツ・プロファイラ８１４は、コンテンツ・プロファイルを作成し得る。コンテンツ・プロファイルは、インターフェース（たとえば、Ｗｅｂページ）ごとに、たとえば、コンテンツ・ストア８１０から受け取った各Ｗｅｂページまたはインターフェース・コンテンツについて作成され得る。一部の実施形態では、コンテンツ・プロファイルは、コンテンツ自体、コンテンツのユニフォーム・リソース・ロケータ（ＵＲＬ：Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）などのコンテンツに関連するメタデータ、コンテンツの特性、使用履歴、能率履歴（たとえば、利用可能な場合）、またはコンテンツに関連する他の情報もしくは属性、あるいはそれらの組み合わせを記憶し得る。

エンゲージメント・アナライザ８１６は、コンテンツ・プロファイルおよびタスク・プロファイルを受け取り得、タスクＴに関するユーザＵのエンゲージメント・レベルを決定し得る。タスクＴに関するユーザＵのエンゲージメント・レベルは、ユーザがタスクＴを実行しているＷｅｂページまたはインターフェースに関連するユーザのアクティビティなどの情報に基づいて決定され得、この情報は、たとえば、コンテンツ・プロファイルおよびタスク・プロファイルのうちの１つまたは複数において指定され得る。

エンゲージメント・アナライザ８１６はまた、コンテンツＣに関するユーザＵのエンゲージメント・レベルを決定し得る。コンテンツＣに関するユーザＵのエンゲージメント・レベルは、コンテンツＣを含むＷｅｂページまたはインターフェースに関連するユーザのアクティビティなどの情報に基づいて決定され得る。

ランキングおよび関連性スコア・コンポーネント８１８は、コンテンツ・プロファイルと、コンテンツＣに関するユーザＵのエンゲージメント・レベルとを受け取り、コンテンツＣに関連する関連スコアを計算し得る。たとえば、エンゲージメント・レベル（たとえば、コンテンツＣに関するユーザＵのもの）は、たとえば上述のように計算され得る。分析中のコンテンツ・アイテムおよびエンゲージメント・レベルには、暗示的もしくは明示的またはその両方である学習フィードバックを有する深層学習ニューラル・ネットワーク・アルゴリズムに対する再設定可能な入力重みが与えられ得る。そのような深層学習ニューラル・ネットワーク・アルゴリズムは、たとえば履歴データまたはトレーニング・データ・セットに基づいて、コンテンツ・アイテムと、そのコンテンツ・アイテムに関するエンゲージメント・レベルとを含む入力特徴が与えられた場合に関連スコアを予測できるように、重みをトレーニングまたは学習していてもよい。トレーニングされたニューラル・ネットワークは、再設定可能な１～５の段階などで関連スコアを予測し得る。

進捗・能率推定器８２０は、ユーザＵに対応するユーザ・プロファイルと、コンテンツＣに関するユーザＵのエンゲージメント・レベルとを受け取り得、タスクＴに関するユーザＵの進捗を決定し得る。進捗・能率推定器８２０はまた、タスクＴに関するユーザＵの能率を決定し得る。

コンテンツ・セレクタ８２２は、コンテンツＣに関連する関連スコアと、タスクＴに関するユーザＵの進捗と、タスクＴに関するユーザＵの能率とを受け取り、コンテンツ・アイテムのグループからコンテンツを選択する。たとえば、１つまたは複数のルールにより、そのような要因に基づいて、どのコンテンツを選択するかが指定され得る。

コンテンツ・マネージャおよびコントローラ８２４は、主要タスク・インターフェース上などにおける選択されたコンテンツ（Ｃ’）の提示または表示を制御し得る。

図９は、Ｗｅｂページなどの１つまたは複数のインターフェース上に提示されるコンテンツをインテリジェントに管理もしくは制御またはその両方を行い得る、一実施形態におけるシステムのコンポーネントを示す図である。中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、および／またはフィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、ならびに／あるいは他のプロセッサなどの１つまたは複数のハードウェア・プロセッサ９０２は、メモリ・デバイス９０４と結合され得、本明細書に記載の様々な機能を実行し得、Ｗｅｂページなどの１つまたは複数のインターフェースにおけるコンテンツの提示を制御し得る。メモリ・デバイスは、ランダム・アクセス・メモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、または他のメモリ・デバイスを含み得、本明細書に記載の方法もしくはシステムまたはその両方に関連する様々な機能を実装するためのデータもしくはプロセッサ命令またはその両方を記憶し得る。プロセッサは、メモリに記憶された、または他のコンピュータ・デバイスまたは媒体から受け取ったコンピュータ命令を実行し得る。メモリ・デバイス９０４は、たとえば、１つまたは複数のハードウェア・プロセッサ９０２が機能するための命令もしくはデータまたはその両方を記憶し得、オペレーティング・システムと、他の命令プログラムもしくはデータまたはその両方とを含み得る。１つまたは複数のハードウェア・プロセッサ９０２は、コンテンツ、ユーザ、およびタスク情報を含む入力を受け取り得る。たとえば、少なくとも１つのハードウェア・プロセッサ９０２は、本明細書に記載のような様々な機能に基づいてコンテンツを選択および制御し得る。一実施形態では、タスク、ユーザ、およびコンテンツに関連するデータは、１つまたは複数のストレージ・デバイス９０６に記憶されるか、またはネットワーク・インターフェース９０８を介してリモート・デバイスから受信され得、コンテンツを決定し、コンテンツを制御するためにメモリ・デバイス９０４に一時的にロードされ得る。１つまたは複数のハードウェア・プロセッサ９０２は、ネットワークなどを介してリモートシステムと通信するためのネットワーク・インターフェース９０８などのインターフェース・デバイスと、キーボード、マウス、ディスプレイ、もしくはその他、またはそれらの組み合わせなどの、入力もしくは出力またはその両方のデバイスと通信するための入力／出力インターフェース９１０とに結合され得る。

図１０に、本開示の一実施形態におけるシステムを実装し得る例示的なコンピュータまたは処理システムの概略図を示す。コンピュータ・システムは、適切な処理システムの単なる一例にすぎず、本明細書に記載の方法の実施形態の使用または機能の範囲に関するいかなる制限も示唆することを意図したものではない。図示した処理システムは、他の多くの汎用または専用のコンピューティング・システム環境または構成で動作し得る。図１０に示す処理システムでの使用に適し得るよく知られているコンピューティング・システム、環境、もしくは構成、またはそれらの組み合わせの例には、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シン・クライアント、シック・クライアント、ハンドヘルドもしくはラップトップ・デバイス、マルチプロセッサ・システム、マイクロプロセッサベースのシステム、セット・トップ・ボックス、プログラム可能な家庭用電化製品、ネットワークＰＣ、ミニコンピュータ・システム、メインフレーム・コンピュータ・システム、および上記のシステムもしくはデバイスのいずれか含む分散クラウド・コンピューティング環境などが含まれ得るが、これらに限定されない。

コンピュータ・システムは、コンピュータ・システムによって実行されるプログラム・モジュールなどのコンピュータ・システム実行可能命令の一般的文脈で説明され得る。一般に、プログラム・モジュールは、特定のタスクを実行するかまたは特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、ロジック、データ構造などを含み得る。コンピュータ・システムは、通信ネットワークを介してリンクされたリモート処理デバイスによってタスクが実行される分散型クラウド・コンピューティング環境で実施され得る。分散型クラウド・コンピューティング環境では、プログラム・モジュールは、メモリ・ストレージ・デバイスを含むローカルおよびリモート両方のコンピュータ・システム記憶媒体に配置され得る。

コンピュータ・システムのコンポーネントは、１つまたは複数のプロセッサまたは処理ユニット１２と、システム・メモリ１６と、システム・メモリ１６を含む様々なシステム・コンポーネントをプロセッサ１２に結合するバス１４と、を含み得るが、これらに限定されない。プロセッサ１２は、本明細書に記載の方法を実行するモジュール３０を含み得る。モジュール３０は、プロセッサ１２の集積回路にプログラムされ得、またはメモリ１６、ストレージ・デバイス１８、もしくはネットワーク２４、またはそれらの組み合わせからロードされ得る。

バス１４は、メモリバスまたはメモリ・コントローラ、ペリフェラル・バス、アクセラレイティッド・グラフィックス・ポート、および様々なバス・アーキテクチャのいずれかを使用するプロセッサまたはローカル・バスを含む、いくつかのタイプのバス構造のうちのいずれかの１つまたは複数を表し得る。限定ではなく例として、そのようなアーキテクチャには、業界標準アーキテクチャ（ＩＳＡ：Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、マイクロ・チャネル・アーキテクチャ（ＭＣＡ：Ｍｉｃｒｏ Ｃｈａｎｎｅｌ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、拡張ＩＳＡ（ＥＩＳＡ：Ｅｎｈａｎｃｅｄ ＩＳＡ）バス、ビデオ・エレクトロニクス規格協会（ＶＥＳＡ：Ｖｉｄｅｏ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｔａｎｄａｒｄｓ Ａｓｓｏｃｉａｔｉｏｎ）ローカル・バス、および周辺機器相互接続（ＰＣＩ：Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔｓ）バスが含まれる。

コンピュータ・システムは、様々なコンピュータ・システム可読媒体を含み得る。そのような媒体は、コンピュータ・システムによってアクセス可能な任意の利用可能な媒体であり得、揮発性および不揮発性の媒体、取り外し可能および取り外し不可能な媒体の両方を含み得る。

システム・メモリ１６は、ランダム・アクセス・メモリ（ＲＡＭ）および／またはキャッシュメモリもしくはその他などの、揮発性メモリの形態のコンピュータ・システム可読媒体を含むことができる。コンピュータ・システムは、他の取り外し可能／取り外し不可能な、揮発性／不揮発性のコンピュータ・システム記憶媒体をさらに含み得る。単なる例として、ストレージ・システム１８は、取り外し不可能な不揮発性の磁気媒体（たとえば、「ハードドライブ」）に読み書きするために設けることができる。図示していないが、取り外し可能な不揮発性の磁気ディスク（たとえば、「フレキシブル・ディスク」）に読み書きするための磁気ディスク・ドライブと、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、または他の光学メディアなどの取り外し可能な不揮発性の光学ディスクに読み書きするための光学ディスク・ドライブと、を設けることができる。そのような例では、それぞれを、１つまたは複数のデータ・メディア・インターフェースによってバス１４に接続することができる。

コンピュータ・システムはまた、キーボード、ポインティング・デバイス、ディスプレイ２８などの１つまたは複数の外部デバイス２６、ユーザとコンピュータ・システムとのインタラクションを可能にする１つまたは複数のデバイス、またはコンピュータ・システムが１つまたは複数の他のコンピューティング・デバイスと通信することを可能にする任意のデバイス（たとえば、ネットワーク・カード、モデムなど）、あるいはそれらの組み合わせと通信し得る。そのような通信は、入力／出力（Ｉ／Ｏ）インターフェース２０を介して行うことができる。

またさらに、コンピュータ・システムは、ネットワーク・アダプタ２２を介して、ローカル・エリア・ネットワーク（ＬＡＮ：ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、一般的なワイド・エリア・ネットワーク（ＷＡＮ：ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、もしくはパブリック・ネットワーク（たとえば、インターネット）、またはそれらの組み合わせなどの、１つまたは複数のネットワーク２４と通信することができる。図示のように、ネットワーク・アダプタ２２は、バス１４を介してコンピュータ・システムの他のコンポーネントと通信する。図示していないが、他のハードウェアもしくはソフトウェアまたはその両方のコンポーネントを、コンピュータ・システムと併用できることを理解されたい。例には、マイクロコード、デバイス・ドライバ、冗長処理ユニット、外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイブ・ストレージ・システムなどが含まれるが、これらに限定されない。

本発明は、システム、方法、もしくはコンピュータ・プログラム製品、またはそれらの組み合わせであり得る。コンピュータ・プログラム製品は、本発明の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読記憶媒体（または複数の媒体）を含み得る。

コンピュータ可読記憶媒体は、命令実行デバイスによる使用のために命令を保持および記憶可能な有形のデバイスとすることができる。コンピュータ可読記憶媒体は、たとえば、限定はしないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光学ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組み合わせであり得る。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラム可能読み取り専用メモリ（ＥＰＲＯＭ：ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ：ｓｔａｔｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ポータブル・コンパクト・ディスク読み取り専用メモリ（ＣＤ－ＲＯＭ：ｐｏｒｔａｂｌｅ ｃｏｍｐａｃｔ ｄｉｓｃ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、デジタル多用途ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋ）、メモリー・スティック（Ｒ）、フレキシブル・ディスク、命令が記録されたパンチ・カードまたは溝の隆起構造などの機械的にコード化されたデバイス、およびこれらの任意の適切な組み合わせが含まれる。コンピュータ可読記憶媒体は、本明細書で使用する場合、たとえば、電波または他の自由に伝搬する電磁波、導波管もしくは他の伝送媒体を伝搬する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または有線で伝送される電気信号など、一過性の信号自体であると解釈されるべきではない。

本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれの計算／処理デバイスに、あるいは、たとえば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくは無線ネットワーク、またはそれらの組み合わせなどのネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、もしくはエッジ・サーバ、またはそれらの組み合わせを含み得る。各計算／処理デバイスのネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、コンピュータ可読プログラム命令を転送して、それぞれの計算／処理デバイス内のコンピュータ可読記憶媒体に記憶する。

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ：ｉｎｓｔｒｕｃｔｉｏｎ－ｓｅｔ－ａｒｃｈｉｔｅｃｔｕｒｅ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、あるいはＳｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または類似のプログラミング言語などの従来の手続き型プログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組み合わせで書かれたソース・コードまたはオブジェクト・コードであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上かつ部分的にリモート・コンピュータ上で、あるいは完全にリモート・コンピュータまたはサーバ上で実行し得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され得、または（たとえば、インターネット・サービス・プロバイダを使用してインターネットを介して）外部コンピュータに接続され得る。一部の実施形態では、たとえば、プログラマブル論理回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ：ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ａｒｒａｙ）を含む電子回路は、本発明の態様を実行するために、電子回路を個人向けにするためのコンピュータ可読プログラム命令の状態情報を利用して、コンピュータ可読プログラム命令を実行し得る。

本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図もしくはブロック図またはその両方を参照して本明細書で説明している。フローチャート図もしくはブロック図またはその両方の各ブロック、およびフローチャート図もしくはブロック図またはその両方におけるブロックの組み合わせが、コンピュータ可読プログラム命令によって実装できることは理解されよう。

これらのコンピュータ可読プログラム命令を、汎用コンピュータ、専用コンピュータ、または他のプログラム可能データ処理装置のプロセッサに提供して、コンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行された命令が、フローチャートもしくはブロック図またはその両方の１つまたは複数のブロックにおいて指定された機能／行為を実装するための手段を生成するようなマシンを生成し得る。これらのコンピュータ可読プログラム命令はまた、命令が記憶されたコンピュータ可読記憶媒体が、フローチャートもしくはブロック図またはその両方の１つまたは複数のブロックにおいて指定された機能／行為の態様を実装する命令を含む製造品を含むような特定の方法で機能するように、コンピュータ、プログラム可能データ処理装置、もしくは他のデバイス、またはそれらの組み合わせに指示することが可能なコンピュータ可読記憶媒体に記憶され得る。

また、コンピュータ可読プログラム命令をコンピュータ、他のプログラム可能データ処理装置、または他のデバイスにロードして、コンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作ステップを実行させることによって、コンピュータ、他のプログラム可能装置、または他のデバイス上で実行された命令が、フローチャートもしくはブロック図またはその両方の１つまたは複数のブロックにおいて指定された機能／行為を実装するようなコンピュータ実装処理を生成し得る。

図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実装のアーキテクチャ、機能、および動作を示している。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理的機能（複数可）を実装するための１つまたは複数の実行可能命令を含むモジュール、セグメント、または命令の一部を表し得る。一部の代替的実装では、ブロックに示す機能は、図に示す順序以外で行われ得る。たとえば、関与する機能に応じて、連続して示す２つのブロックは、実際には実質的に同時に実行され得、またはそれらのブロックは、場合により逆の順序で実行され得る。ブロック図もしくはフローチャート図またはその両方の各ブロック、およびブロック図もしくはフローチャート図またはその両方におけるブロックの組み合わせは、指定された機能もしくは行為を実行するか、または専用ハードウェアおよびコンピュータ命令の組み合わせを実行する専用のハードウェア・ベースのシステムによって実装できることにも留意されたい。

本明細書で使用する用語は、特定の実施形態を説明するためのものにすぎず、本発明を限定することを意図するものではない。本明細書で使用する場合、単数形「ａ」、「ａｎ」および「ｔｈｅ」は、文脈がそうでないことを明確に示さない限り、複数形も含むものとする。本明細書で使用される場合、「備える」という用語、もしくは「備えている」という用語、またはその両方は、記述した特徴、整数、ステップ、動作、要素、もしくは構成要素、またはそれらの組み合わせの存在を示すものであるが、１つまたは複数の他の特徴、整数、ステップ、動作、要素、構成要素、もしくはそれらのグループ、またはそれらの組み合わせの存在または追加を排除するものではないということはさらに理解されよう。

以下の特許請求の範囲に存在する場合の全てのミーンズまたはステップ・プラス・ファンクション要素の対応する構造、材料、行為、および均等物は、明確に特許請求された他の特許請求要素と組み合わせて機能を実行するための任意の構造、材料、または行為を含むものとする。本発明の説明は、例示および説明の目的で提示しているが、網羅的であることも、開示した形態の発明に限定されることも意図したものではない。本発明の範囲および思想から逸脱することなく、多くの修正および変形が当業者には明らかであろう。本発明の原理および実際の応用を最もよく説明し、企図した特定の用途に適した様々な修正を有する様々な実施形態について本発明を当業者が理解できるようにするために、実施形態を選択し、説明している。

Claims (16)

1. インターフェースのコンテンツを制御する方法であって、少なくとも１つのハードウェア・プロセッサによって実行され、前記方法は、
   表示画面上に提示される複数のインターフェースを受け取ることであって、前記複数のインターフェースの各々は、ユーザが少なくとも1回訪問した場所であり、前記複数のインターフェースは、少なくとも1つの主要タスク・インターフェースを含み、前記複数のインターフェースの各々は、少なくとも1つのコンテンツ・アイテムを提示し、前記少なくとも1つの主要タスク・インターフェースは、前記複数のインターフェースの他のアプリケーションと異なるアプリケーションのインターフェースである、前記受け取ることと、
   前記複数のインターフェースのうちの他のインターフェースを介して提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルを、前記複数のインターフェースのうちの他のインターフェースを介して提示されるコンテンツ・アイテムとのユーザ・インタラクションに基づいて推定することであって、前記ユーザ・インタラクションは、前記複数のインターフェースのうちの1つから前記複数のインターフェースのうちの他の1つにユーザが遷移することを含む、前記推定することと、
   前記主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関するユーザ能率度を決定することと、
   前記ユーザの・エンゲージメント・レベルおよび前記ユーザ能率度に基づいて、前記複数のインターフェースの他の部分からコンテンツ・アイテムを選択することであって、前記コンテンツ・アイテムは、前記ユーザが前記主要タスク・インターフェースから遷移した回数が多い前記複数のインターフェースの他の部分のうちの少なくとも1つからの情報を含み、前記主要タスクの完了に向けた進捗に関する前記ユーザ能率度が閾値以下であると判定することに基づいて実行される、前記コンテンツ・アイテムを選択することと、
   を含む、方法。
2. 前記インターフェースはＷｅｂページを含む、請求項１に記載の方法。
3. 前記複数のインターフェースのうちの少なくとも１つの不使用部分における前記選択されたコンテンツ・アイテムの提示を制御することをさらに含む、請求項１又は２に記載の方法。
4. 前記選択されたコンテンツ・アイテムの前記提示を前記制御することは、前記選択されたコンテンツ・アイテムの表示をある形式から他の形式に変換することを含む、請求項３に記載の方法。
5. 前記複数のインターフェースのうちの少なくとも１つの不使用部分における前記選択されたコンテンツ・アイテムの提示を前記制御することは、前記主要タスクの完了率を増加させる、請求項３又は４に記載の方法。
6. 前記複数のインターフェースを介して提示されるコンテンツ・アイテムに関するユーザ・エンゲージメント・レベルを前記推定することは、
   前記コンテンツ・アイテムに関するユーザ・インタラクション・パターンを決定することと、
   ユーザ・コンテキストを推定することと、
   ユーザ・コホートを決定することと、
   を含む、請求項１乃至５のいずれかに記載の方法。
7. 前記ユーザ・エンゲージメント・レベルは、前記複数のインターフェースのうちのインターフェースに移動する頻度と、前記複数のインターフェースへの訪問ごとに費やされる時間と、前記複数のインターフェースとのユーザ・インタラクションの度合いと、ユーザの眼球運動および注視パターンとのうち、少なくとも一つに基づいて推定される、請求項１乃至６のいずれかに記載の方法。
8. 前記コンテンツ・アイテムは、さらにコンテンツ・プロファイル、タスク・プロファイル、コンテンツ・アイテムの特性、ユーザ・コンテキスト、およびユーザの認知状態のうち、少なくとも一つに基づいて選択される、請求項１乃至７のいずれかに記載の方法。
9. 前記主要タスク・インターフェースを介して提示される主要タスクの完了に向けた進捗に関する前記ユーザ能率度は、前記主要タスクに関連するユーザのモチベーション、ワーキング・スタイル、およびユーザの専門知識レベルのうち、少なくとも一つに基づいて決定される、請求項１乃至８のいずれかに記載の方法。
10. 可視化チャートは、前記主要タスク・インターフェースを介して実行される前記主要タスクのユーザの進捗に基づいて動的に作成される、請求項１乃至９のいずれかに記載の方法。
11. 前記主要タスク・インターフェース内の１つまたは複数の不使用部分を検出することをさらに含む、請求項１乃至１０のいずれかに記載の方法。
12. 前記不使用部分に提示されるコンテンツ・アイテムに関して前記ユーザ能率度を継続的に学習することをさらに含む、請求項１乃至１１のいずれかに記載の方法。
13. 前記学習することは、ユーザの注視パターンを監視することと、前記主要タスク・インターフェースのエリアへの前記ユーザのフォーカスを識別することと、をさらに含む、請求項１２に記載の方法。
14. 前記学習することに基づいて、前記不使用部分に提示される前記コンテンツ・アイテムの優先順位を下げることをさらに含む、請求項１２又は１３に記載の方法。
15. コンピュータ・プログラムであって、前記プログラムがコンピュータ上で実行された場合に、請求項１乃至１４のいずれかに記載の前記方法を前記コンピュータに実行させる、コンピュータ・プログラム。
16. 請求項１乃至１４のいずれかに記載の方法をコンピュータ・ハードウェアにより実行する、システム。

Images