KR102183550B1 - 개인 관련 데이터를 분석하는 방법 및 시스템 - Google Patents

Abstract

개인(12) 관련 데이터를 분석하는 데이터 분석 시스템(10)은 개인(12)과 관련된 입력 데이터를 생성하는 물리적 컴퓨터 기반 데이터 생성기(16)를 포함한다. 물리적 컴퓨터 프로세서(18)는 데이터 생성시(16)에 응답한다. 프로세서(18)는 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되고, 입력 데이터를 처리 및 변환하여 출력 데이터를 생성한다. 출력 모듈(26)은 프로세서의 일부로 구성되고, 출력 데이터를 개인(12)에게 개인 맵(28) 형태로 제공하며, 맵(28)은 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 개인의 개인 맵이다. 스토리지 모듈(25)은 프로세서(18)와 연관되어 개인 맵(28)을 저장한다. 툴 모듈(30)은 상기 프로세서(24)와 통신하며, 상기 개인에 의해 엑세스가능하여 상기 개인(12)이 그의 맵(28)을 개인화하게 한다.

Description

개인 관련 데이터를 분석하는 방법 및 시스템{A METHOD OF, AND A SYSTEM FOR, ANALYSING DATA RELATING TO AN INDIVIDUAL}

본 발명은 2013년 3월 13일 출원된 호주 가출원 번호 2013900860호의 우선권을 주장하며, 그 내용은 본 발명의 참조로 포함된다.

본 발명은 일반적으로 데이터 분석 기술에 관한 것으로, 특히 개인의 인생 목표 달성을 돕는 특별한 그러나 필수적으로 배타적이지는 않은 개인 관련 데이터를 분석하는 방법 및 시스템에 관한 것이다.

인생경험은 민족, 문화 등을 통해 수많은 방법으로 일어난다. 사람들은 성공률은 변하지만 그들의 인생에서 직면해왔거나 직면하고 있는 문제와 어려움을 해결하려고 한다. 선택은 다양하고 행동결과가 성과로 연결되는 것은 매우 복잡하다. 지금까지, 집단 요법과 같은 포럼의 부족으로 사람들이 그들의 경험을 나누고 다른 사람들의 경험에서 혜택을 얻는데 사용할 수 있는 측정 또는 분석 툴이 없었다. 많은 사람들은 비난받을 것을 우려해 그러한 포럼에 참가하기를 꺼린다. 또한, 행동 패턴 해석에는, 예를 들어, 자격을 갖춘 치료 전문가의 그것과 같은 전문성이 요구되고, 제한적이고 성문화된(codified) 결과를 얻을 수 있다.

또한, 소셜 미디어 네트워크(social media network)를 사용하는 사람들이 증가하고 있는 반면, 그러한 네트워크는 매우 피상적인 수준에서 사용되고 있다. 소셜 미디어 네트워크는 사람들의 연결과 공유를 돕지만, 소셜 미디어 네트워크는 가족과 친구, 그리고 그들이 참여하고 있는 커뮤니티와의 관계에 대한 통찰력을 얻거나, 보다 깊은 이해, 본질을 얻게 하는 툴을 제공하지 못한다. 소셜 미디어 네트워크는 또한 사람들이 그들의 인생에서 중요한 문제들을 알아내는 데 도움이 되지 못하거나, 사람들에게 그러한 문제에 대해 그들이 할 수 있는 것, 즉, 다른 사람들의 인생을 성공으로 이끄는 것을 하도록 돕거나/안내하지 못한다. 달리 말하면, 소셜 미디어 네트워크는 개인이 그의 인생 여정 및 인생 경험을 분석할 수 있게 하는 부가가치 툴을 제공하지 못한다. 기존 소셜 미디어 네트워크는 개인이 자신의 인생 여정에서의 진전을 평가, 개선 및 추적하는데 사용될 수 있는 측정 파라미터들을 제공하지 못한다.

본 발명이 해결하고자 하는 기술적 과제는 개인 관련 데이터를 분석하는 방법 및 시스템을 제공하는 데 있다.

일 양상에서, 개인 관련 데이터를 분석하는 방법이 제공된다. 그 방법은 개인 관련 입력 데이터를, 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 동작하는 물리적인 컴퓨터 프로세서에 제공하는 단계; 상기 프로세서를 사용하여 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 제공하는 단계; 상기 프로세서를 사용하여 상기 출력 데이터를 개인 맵 형태로 변환하고 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 상기 개인의 개인 맵을 저장하는 단계; 및 각 개인이 자신의 개인 맵을 개인화할 수 있게 하는 툴을 제공하는 단계를 포함한다.

그 방법은 개인이 한 벌의 질문을 포함하는 질문지를 완성함으로써 개인으로부터 입력 데이터를 획득한다. 각 질문은 일련의 단계별 답을 포함할 수 있다.

그 방법은 맵에 새로운 답변을 구성하여 맵을 주기적으로 업데이트하고 프로세서를 사용하여 맵을 업데이트하는 단계를 포함한다. 이는 개인이 목표를 달성하는 트랙상에 있는지를 보게 하고, 또한 트랙상에 남기 위해 또는 목표를 달성하려면 무엇이 필요한지를 보여준다. 또한 방법은 맵을 업데이트시, 개인에 의해 이전에 주가된 맵의 개인화를 유지하는 단계를 포함한다.

그 방법은 툴 사용 이외에, 개인이 답변할 질문을 재단하여 맵을 개인화한다. 또한 그 방법은 웹 기반 툴 선택을 사용하여 맵을 개인화한다.

그 방법은 개인들의 수만큼의 개인 맵들을 결합하여 그룹 맵을 생성하는 단계를 포함한다. 그 방법은 개인 맵을 결합하여 그룹 맵을 형성하기를 원하는 그룹 멤버들로부터의 입력 데이터를 결합하여 그룹 맵을 생성하는 단계를 포함하고, 프로세서는 입력 데이터를 연결 및 결합하여 그룹 맵을 출력한다.

그 방법은 필요한 대로 멤버들의 입력 데이터를 결합하거나 삭제하여 원하는 대로 그룹에 멤버를 추가하거나 그룹으로부터 멤버를 제거한다.

다른 실시예에서, 그 방법은 복수의 개인들의 상기 입력 데이터로부터 커뮤니티 맵을 생성하는 단계를 포함하고, 각 개인들은 커뮤니티의 멤버이다.

또 다른 실시예에서, 많은 개인들의 입력 데이터로부터 글로벌 맵을 생성하는 단계를 포함한다. 그 방법은 개인이 글로벌 맵에 액세스하여 그 개인의 상황을, 자신들의 입력 데이터가 글로벌 맵에 기여한 다른 개인들과 비교하도록 하는 단계를 포함한다.

그 방법은 개인이 글로벌 맵에서 행동 코스를 계획하고, 글로벌 맵에서 개인이 취한 행동으로서의 진전을 모니터링하게 한다.

또한, 그 방법은 소셜 미디어 네트워크를 사용하여 글로벌 맵에 액세스하는 단계를 포함한다.

그 방법은 프로세서의 웹 가능 툴 및 애널리틱스 기능을 사용하는 단계; 및 개인들이 정보를 공유하고, 위키 및 온라인 자원들 등 다른 웹 편의물에 액세스하게 하는 단계를 포함한다.

상기 방법은 입력 데이터를 상기 글로벌 맵에 맞춤으로써 특별 관심 정보를 포함하는 부분 모집단 맵을 생성하는 단계를 포함한다. 따라서 그 방법은 개인이 부분 모집단 맵에 액세스하게 하여 특별 관심 정보가 관련된 특별 관심과 관련한 진전을 평가 및 추적하게 하는 단계를 포함한다.

제2양상에서, 개인관련 데이터를 분석하는 방법이 제공된다. 그 방법은 개인 관련 입력 데이터를 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 동작하는 물리적인 컴퓨터 프로세서에 제공하는 단계; 프로세서를 사용하여 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 제공하는 단계; 상기 프로세서를 사용하여 상기 출력 데이터를 개인 맵 형태로 변환하고 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 상기 개인의 개인 맵을 저장하는 단계; 및 상기 프로세서를 사용하여 상기 개인이 상기 프로세서로 다른 입력 데이터를 입력하여 상기 맵상의 한 포인트에서 다른 포인트로 일어나는 변화를 모니터링하는 단계를 포함한다.

따라서, 개인은 맵을 사용하여 하나의 인생 이벤트에서 다음으로 변화를 모니터링하거나 과거 이벤트로 돌아갈 수 있다.

제3양상에서, 개인 관련 데이터를 분석하는 데이터 분석 시스템이 제공된다. 데이터 분석 시스템은 개인 관련 입력 데이터를 생성하는 물리적인 컴퓨터 기반의 데이터 생성기; 상기 데이터 생성기에 응답하고, 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되며, 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 생성하는 물리적 컴퓨터 프로세서; 상기 프로세서의 일부로 구성되고, 상기 출력 데이터를 상기 개인에게 개인 맵 형태로 제공하며, 상기 맵은 상기 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 개인의 개인 맵인, 출력 모듈; 상기 프로세서와 연관되어 상기 개인 맵을 저장하는 스토리지 모듈; 및 상기 프로세서와 통신하며, 상기 개인에 의해 엑세스가능하여 상기 개인이 그의 맵을 개인화하게 하는 툴 모듈을 포함한다.

입력 데이터는 수신시 향후 사용을 위해 소스 데이터의 일부를 형성하고, 시스템은 소스 데이터를 구비한 데이터베이스를 포함한다.

프로세서는 적어도 입력 데이터에 대해 클러스터 분석을 수행하여 참조 데이터를 생성한다. 클러스터 분석의 형태는 비선형, 다변수, 및 차원 감소일 수 있다. 비선형, 다변수, 및 차원 감소는 참조 데이터를 개인의 개인 맵이 생성되는 행렬 형태로 조직하는 자기조직화 맵 알고리즘(SOM)을 사용하여 이뤄질 수 있다.

데이터 생성기는 개인에 의해 완성될 질문지, 바람직하게는 온라인 질문지를 포함할 수 있다. 질문지는 복수의 질문을 포함하고, 각각은 단계별 응답범위를 구비한다.

프로세서의 상기 데이터 분석 엔진은 입력 데이터를 프로세서에 의해 처리된 분석 파일로 변환한다. 분석 파일은 프로세서에 의해 처리되어 출력 데이터를 생성하는 입력 변수들을 포함한다.

데이터 분석 시스템은 맵을 3차원 맵핑의 2차원 표현으로 제시하는 단계를 포함한다. 간결성을 위해, 3차원 맵핑의 2차원 표현은 "3d 맵핑"으로 하기에서 지칭될 것이다. 따라서 참조 데이터는 3차원적으로 모델링되어 3d 맵핑을 제공할 수 있다.

다른 실시예에서, 프로세서는 적어도 두 개인들로부터 나온 입력 데이터를 기반으로 그룹 맵을 생성한다.

다른 실시예에서, 프로세서는 각각 커뮤니티의 멤버인 복수의 개인들로부터 나온 입력 데이터를 기반으로 커뮤니티 맵을 생성한다.

또 따른 실시예에서, 프로세서는 데이터베이스로부터 글로벌 맵을 생성하고, 프로세서는 개인이 글로벌 맵에 행동 코스를 더 계획하게 한다.

데이터 분석 시스템은 소셜 미디어 네트워크를 사용하여 개인이 글로벌 맵에 액세스하게 한다. 프로세서는 웹 가능 툴과 애널리틱스 기능을 포함하여 개인들이 정보를 공유하고 위키 또는 온라인 자원 등과 같은 웹 편의물에 액세스하게 할 수 있다.

프로세서는 개인이 입력 데이터를 글로벌 맵에 맞춰 특별 관심 정보를 포함하는 부분 모집단 맵을 생성하게 하고, 개인은 부분 모집단 맵에 액세스하여 특별 관심 정보와 관련된 특별 관심과 관련한 진전을 평가 및 추적하게 한다.

제4양상에서, 개인 관련 데이터를 분석하는 데이터 분석 시스템이 제공된다. 데이터 분석 시스템은 개인과 관련된 입력 데이터를 생성하는 물리적인 컴퓨터 기반의 데이터 생성기; 상기 데이터 생성기에 응답하고, 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되며, 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 생성하는 물리적 컴퓨터 프로세서; 상기 프로세서의 일부로 구성되고, 상기 출력 데이터를 개인 맵 형태로 상기 개인에게 제공하며, 상기 맵은 상기 개인의 인생 경험과 관련된 개인의 개인 데이터 및 상기 개인에 의해 처리가능한 상기 입력 데이터를 포함하여 상기 개인이 다른 입력 데이터를 상기 프로세서에 입력함으로써 상기 맵의 한 포인트에서 다른 포인트로 일어나는 변화를 모니터링하게 하는 출력 모듈; 및 상기 프로세서와 연관되어 상기 개인의 개인 맵을 저장하는 스토리지 모듈을 포함한다.

본 발명의 실시예는 첨부된 도면을 참조하여 예시적으로 설명된다:
도 1은 개인 관련 데이터를 분석하고 개인 맵(map)을 생성하는 데이터 분석 시스템의 실시예에 대한 략적인 블록도이다.
도 2는 개인에 의한 개인 맵의 개인화를 나타내는 개략적인 블록도이다.
도 3은 그룹 맴을 생성하는 시스템 사용에 대한 개략적인 블록도이다.
도 4는 커뮤니티 맵을 생성하는 시스템의 사용에 대한 개략적인 블록도이다.
도 5는 글로벌 맵을 생성하는 시스템의 사용에 대한 개략적인 블록도이다.
도 6은 부분 모집단 맵을 생성하는 도 5의 그룹 맵의 사용에 대한 개략적인 블록도이다.
도 7은 개인 관련 데이터를 분석하는 방법에 대한 실시예의 흐름도이다.

도면에서, 참조번호 10은 일반적으로 데이터 분석 시스템에 대한 실시예를 나타낸다. 데이터 분석 시스템은 한 명 이상의 개인들(12)에 의한 자기 평가 및 다른 사람들에 의한 평가에 사용되어 개인(12)을 도와서 개인(12)의 인생에서 대면하는 어려움을 관리하고 처리하게 한다. 또한 개인(12)이 그의 경험을 다른 사람들과 공유하여 다른 사람들의 인생경험으로부터 혜택을 얻을 수 있게 한다.

데이터 분석 시스템(10)은 세계전산망(world wide web, 14)과 같은 네트워킹 설비를 사용하여 정보를 얻고 공유하는, 컴퓨터로 구현된 시스템이다.

데이터 분석 시스템(10)은 데이터 분석 엔진으로 구성된 중앙처리장치 또는 프로세서(18)를 구비한 메인 컴퓨터 시스템 또는 서버(16)를 포함한다. 데이터 분석 엔진의 목적은 하기에서 상세하게 설명하기로 한다. 서버(16)는 개인(12)에 의해 요구받을 때 웹 기반 질문지(20)를 생성하는 데이터 생성기를 포함하며, 질문지(20)는 개인(12)이 그의 컴퓨터(22)를 통해 온라인으로 액세스한다. 질문지(20)에 대한 개인(12)의 답변은 서버(16)에 의해 개인 웹 파일에 저장되고, 그 웹 파일은 개인(12)에 의해서만 액세스될 수 있다. 답변의 변경 또는 새로운 답변은 개인(12)의 웹 파일에 업로드되어 저장된다.

서버(16)의 프로세서(18)는 프로세싱 모듈(24)을 포함한다. 하기에서 상세하게 설명되는 바와 같이, 프로세서(18)의 프로세싱 모듈(24)은 입력 데이터를 다루고 변환하는 패턴 인식 소프트웨어를 포함하며, 입력 데이터는 개인(12)이 제공한 질문지(20)에 대한 답변 형태이다. 시스템(10)은 출력 데이터를 맵(28) 형태로 개인(120에게 제공하는 프로세서(24)와 통신하는 출력 모듈(26)을 더 포함한다. 맵(28)은 개인(12)의 인생 여정 또는 인생 경험과 관련된 개인의 개인 데이터를 포함하는 개인 맵이다. 용이한 설명을 위해, 맵(28)은 하기에서 인생 맵(28)으로 지칭될 것이다. 프로세서의 프로세싱 모듈(24)은 인생 맵(28)을 저장하는 스토리지 모듈(25)과 통신한다.

데이터 분석 시스템(10)은 또한, 편리하게 프로세서(18)의 콤포넌트로 구성되고, 개인(12)의 컴퓨터(22)를 통해 액세스하여 개인(12)에게 그의 인생 맵(28)을 개인화할 수 있게 하는 툴 모듈(30)을 더 포함한다.

또한 하기에서 상세하게 설명되는 바와 같이, 시스템(10)은 충분히 다기능적이어서 개인(12)이 그의 경험을 나누고, 다른 개인들과 함께 그룹 맵과 커뮤니티 맵 형성에 참여하며, 글로벌 맵을 사용해 개인(12)의 인생 여정 및 개인(12)의 인생 여정에 변화가 얼마나 영향을 미치는지를 평가할 수 있게 한다.

도 7의 32단계에 도시된 바와 같이, 개인(12)은 컴퓨터(22)를 사용하여 온라인으로 질문지에 액세스한다. 개인(12)은 질문지(20)를 완료한다. 이번이 개인(12)이 시스템(10)에 처음 액세스한 것이라면, 인생 맵(28)이 생성되도록 하기 위해서는 개인 인생에서의 중요 사건들이 필요하고, 개인은 그 중요 사건들, 개인(12) 인생의 과거와 현재에서 주요 이벤트를 나타내는 중요 사건들을 대표하는 다수의 설문지(20)를 완성할 수 있다.

개인(12)는 자신의 인생 맵(28) 생성에 다른 답변들을 사용할 수 있다. 그렇게 하기 위해, 개인(12)은 프로세서(18)를 사용하여 미리 완성된 또는 미리 생성된 다른 개인들, 예를 들어, (이 단락에서 “관심 주제”로 지칭) 영웅, 스포츠 스타, 유명인, 등의 질문지 라이브러리에 액세스하여 인생 맵(28) 작성에 포함한다. 개인(12)이 그의 인생 맵(28)을 작성할 때 그러한 데이터 세트를 사용하여 자신의 완성된 질문지(20)를 확장함으로써, 개인(12)은 그 자신의 제한된 인생 경험일 수 있는 것을 개인 선택에 대한 다른 사람들의 훨씬 더 넓은 인생 경험 세트의 맥락에 배치할 수 있다. 라이브러리에서 나온 데이터는 프로세서(18)의 스토리지 모듈(도시되지 않음)에 저장될 수 있고, 프로세서(12)는 웹(14)을 통해 라이브러리에 액세스할 수 있다.

개인(12)이 라이브러리에 액세스하는 경우, 개인(12)이 얻은 데이터는 관심 주제 또는 그 관심 주제와 연관된 원시 데이터(raw data)로 제출된 답변을 배제한다. 관심 주제와 관련된 데이터 세트는 프로세서(18)로 얻어지고, 개인(12)의 인생 맵(28) 생성에 사용된다. 따라서 개인(12)은 관심주제와 관련된 원시 데이터가 무엇을 포함하고 있는지 확인하지 않고 관심주제에 대한 답변을 사용한다.

개인(12)은 또한 시스템(10)의 글로벌 데이터베이스(40)의 일부 서브세트로부터 데이터를 다운로드하거나 인생 맵(28)에 통합하여 그 개인(12)에 대한 경험 범위를 넓힌다. 이는 특히 개인(12)이 특별한 주제와 관련한 상당 수준의 경험이 없을 때 유용하고 및/또는 인생 맵(28) 생성에 필요한 데이터를 완성하는 작업을 단순화한다. 다시 한번, 개인(12)이 글로벌 데이터베이스(40)로부터 출력된 원시 데이터의 내용에 대한 통찰력을 갖지 않아도, 글로벌 데이터베이스로부터 출력된 데이터는 데이터 분석 엔진에 의해 사용된다.

예를 들어, 개인(12)은 개인(12)의 경험과 관련된 데이터, 예를 들어, 개인(2)에게 영향을 미친 질병과 관련된 데이터의 서브세트와 관련하여 글로벌 데이터베이스(40)로부터 출력된 정보를 사용할 수 있다. 개인(12)은 프로세서(18)에 지시하여 글로벌 데이터베이스(40)의 그 데이터, 및 개인(12)의 개인적인 데이터를 확장하는 데이터 서브세트와 관련된 정보를 인생 맵(28) 생성에 사용하게 할 수 있다.

개인(12)은 필요한 개수의 질문지(20)를 완성하고 그 답변을 34단계에 도시된 바와 같이 웹(14)을 통해 서버(16)에 업로드하면, 그 답변은 개인 답변 데이터베이스(35)의 일부를 형성한다. 각 개인의 답변은 데이터베이스(35)에서 분리되어 보관되고, 한 개인의 답변은 다른 개인(2)의 인생 맵(28) 생성에 사용되지 않으며, 다른 개인들의 답변도 개인(12)에 의해 엑세스될 수 없다. 예를 들어, 개인들의 일부 답변은 하기에서 상세하게 설명되는 바와 같이 그룹 또는 커뮤니티 맵 생성에 공유된다. 그러나, 데이터 분석 엔진(18)이 그러한 그룹 또는 커뮤니티 맵 생성을 위해 요구하는 데이터는 그 그룹 또는 커뮤니티 멤버가 데이터베이스(35)의 데이터에 엑세스하지 않아도, 데이터 분석 엔진(18)에 의해 데이터베이스(35)로부터 직접 얻어진다. 답변이 데이터베이스(35)에 분리되어 저장됨으로써, 개인(12)은 또한 뜻대로 원하는 만큼 자주 그의 인생 맵(28)을 변경하거나 업데이트할 수 있다.

질문지(들)(20)에 대한 답변을 받으면, 데이터 분석 엔진으로 동작할 수 있는 프로세서(18)는 데이터를 분석하여 질문지가 도 7의 36단계에 도시된 바와 같이 정확하게 그리고 완전히 완료되었는지 판단한다. 질문지(20)가 완성되지 않았거나 부정확하게 완료된 경우, 필요한 질문지(들)(20)을 수정할 기회가 있는 개인(12)에게 통지된다. 추가로, 또는 그 대신, 데이터가 완료되지 않았다면, 데이터 분석 엔진(18)의 프로세서(24)는 개인(12)의 인생 맵(28) 생성에 필요한 누락된 데이터를 완성하도록 수학적인 계산을 수행한다.

출원인은 포괄적인 인생 맵(28)이 생성되게 하려면, 개인(12)이 적어도 30개의 그러한 설문지(20)를 완성해야 할 것으로 믿는다.

데이터 분석 엔진으로 동작할 경우, 프로세서(18)는 정교한 패턴 인식 기술을 사용하여 서버(16)에 업로도된 답변을 분석한다. 개인(12)으로부터의 답변을 분석하기 위해서 질문들에 대한 답변은 단계형 등급(graduated scale) 형태를 갖는다. 예를 들어, 질문에 대한 답변은 “지금보다 나쁜, 동일한, 지금보다 좋은”, “전혀, 중간, 높은 정도” 등과 같은 범위 형태이다.

답변은 도 7의 38단계에 도시된 바와 같이 프로세서(18)에 의해 파싱되고(parsed), 프로세서(18)에 의해 생성된 분석 파일은 개인 답변 데이터베이스(35) 및 글로벌 데이터베이스(40)에 저장된다. 글로벌 데이터베이스(40)는 다른 개인들(12)로부터의 수천개 답변을 포함하지만 글로벌 데이터베이스(40)에 저장된 것은 개인들의 데이터로부터 추출되었지만, 개인 ID 또는 개인이 식별될 수 있는 다른 정보가 배제된 원시 데이터이다. 개인(12)과 연관된 데이터만이 개인의 인생 맵(28) 생성에 사용되고, 필요하다면 상술한 바와 같이, 글로벌 데이터베이스에서 출력된 데이터 서브세트의 추가 데이터를 이용하여 확장된다. 개인(12)은 또한 원하는 만큼 자주 인생 맵(28)을 변경할 수 있다.

질문지(20)에서 개인(12)에게 물어보는 질문의 종류는 현재와 과거 개인의 삶에서 중요한 문제에 대한 개인적인 인식을 측정하도록 고안된다. 나타난 바와 같이, 질문은 보통 1 내지 7까지의 등급으로 점수가 계산되고 형식이 없는 텍스트 코멘트를 포함한다. 질문은 경험, 사고, 감정과 인식, 중요한 다른 사람들의 삶에서 그리고 다른 중요한 인물들의 인생 여정에서 그들과의 관계의 질, 그리고 개인(2)의 인생에 충격을 준 변화에 관여하거나 참여한 정도에 적용될 수 있는 한 개인(12)과 관련된다. 또한, 개인(12)이 처한 상황과 연관된 전후 사정 요소들과 관련된 질문은, 일어나고 있거나 일어났던, 인생을 변화시킨 이벤트 형태이고 혼란의 정도가 측정된다. 개인의 그룹과 커뮤니티에 대한 참여와 관여가 측정되고, 개인(12)의 역할과 책임 특성이 평가된다. 모든 답변은 또한 나이, 성별, 직업, 관심 등과 같은 인구통계학적 변수로 연결된다.

시스템(10)은 개인(12)이 내부적인 자기관리 요소들뿐만 아니라 그 개인과 관련된 외부 요소들을 평가 및 관리하는데 사용될 수 있다.

외부 요소는, 예를 들어, 다른 사람들과의 관계에 적용될 수 있는 반면, 내부적인 자기관리 요소는 개인의 감정과 경험, 의식, 마음가짐, 및 양심과 같은 문제에 초점을 맞춰 처리한다. 일반적으로, 시스템(10)은 개인이 다음의 불완전한 리스트: 감정 및 경험, 의식상태, 마음가짐 및 양심, 관계의 질, 물리적 및 정신적 건강, 물질적 복지, 인생 목표 달성의 유효성, 내적 관리 용량, 감성, 열성, 상상, 인지적 복잡도 수준, 일어나고 있는 변화, 일에서 성공, 안전과 보안, 작업 및/또는 사회 그룹에 참여, 사회 및 커뮤니티 활동, 지식 및 능력, 영적 및 문화적 믿음과 가치, 및 자아 정체성과 자기 실현 욕구의 문제, 에 포함된 요소들을 관리 및 평가할 수 있게 한다

데이터 분석 엔진으로 동작하는 프로세서(18)는 개인(12)의 답변에 대한 통계적인 분석을 수행한다. 통계적인 분석은, 특히, 클러스터 분석이고, 더 상세하게는, 비선형, 다변수, 차원 감소일 수 있다. 또한 가능하게 사용될 수 있는 다른 형태의 클러스터 분석은 이하에서 더 상세하게 설명될 자기조직화 맵(self-organizing map) 알고리즘과 밀접하게 관련된 학습 벡터 양자화(LVQ), k-평균 및 강건한 k-평균, 계층적 클러스터링 형태, 중간점 주변 분할(partitioning around medoids, PAM), 및 기대치 최대화(EM)를 포함한다. 프로세서(18)는 자기조직화 맵 알고리즘(SOM) (42, 도 1)을 사용하여 다변수 차원 감소를 수행한다. SOM(42)은 개인 응답 데이터베이스(35)에 저장되어 개인(12)의 응답에 포함된 데이터로부터 프로세서(18)에 의해 생성되는 참조 데이터를 조직한다. 다른 측면에서, 시스템(10)은 또한 후술한 글로벌 맵을 생성하는데 사용되는 글로벌 데이터베이스(40)로부터 출력된 데이터를 사용하여 글로벌 SOM을 형성함이 주지되어야 한다. 이전에 지적된 바와 같이. 글로벌 데이터베이스(40)에 대한 데이터는 글로벌 데이터베이스(40)에 저장되기 전 또는 글로벌 SOM 형성에 사용되기 전, 임의의 방식으로 어떤 개인(12)을 식별할 수 있는 데이터를 배제한다.

SOM 분석에서, 각 샘플은 샘플의 입력 변수들로 정의된 n차원 데이터 공간에서 벡터로서 처리된다. SOM 분석의 초기 “학습” 단계에서, 시드(seed) 벡터 세트가 데이터 공간 내에서 보통 랜덤하게 배포된다. 내부적이고, 반복적이며, 대량의 비감독적인(unsupervised) 과정을 통해, 이 시드 벡터는 초기 데이터 세트의 특징을 나타내도록 학습(변경)된다. 일단 벡터가 변경되면, 이 벡터는 코드 벡터(또는 “베스트 매칭 유닛(best matching unit)”로 알려진다.

SOM 분석 결과는 행렬(44)로 제시된다. 행렬(44)의 크기는, 예를 들어, 5x5, 12x10, 또는, 25x25 행렬(44)로 달라질 수 있다. 미리 설정된 다수의 행렬 크기가 툴 모듈(30)에 저장되고 개인(12)은 원하는 행렬(44)의 크기를 선택할 수 있다. 행렬(44)은 반드시 정방행렬일 필요는 없음이 주지되어야 한다. SOM 분석에 의해 생성된 코드 벡터는 보통 자기 조직화 맵 형태로 노드들의 2차원 직선 배열로 디스플레이된다. 달리 말하면, 행렬(44)은 맵의 각 노드가 코드 벡터를 나타내는 자기조직화 맵이다.

상술한 바와 같이, 본 출원인은 충분히 포괄적인 행렬(44) 및 그 결과에 따른 인생 맵(28)이 생성될 수 있도록 각각 다수의, 보통 약 40개의 질문을 포함하고 있는 적어도 30개의 질문지가 필요하다는 견해를 갖고 있다. 따라서 당업자는 이 분석이 행렬(44) 및 맵(28) 생성에 매우 많은 계산을 필요로 함을 알 것이다. 예로서, 30개의 질문지를 사용해 매우 단순한 인생 맵(28)을 생성하는 경우, 각각은 40개의 질문을 포함하고, 5x5 행렬(44)을 생성하는 경우 30x40x5=30,000번의 계산이 필요하다.

더 복잡한 개인 인생 맵(28)을 생성하는 경우, 800개까지의 질문지가 필요할 수 있고, 각각은 40개의 질문을 포함하며, 25x25 행렬(44)이 필요하다. 이는 800 x 40 x 625 = 20,000,000 계산이 필요하여 프로세서(18)에 영향을 미칠 수 있다.

복잡한 그룹 맵의 생성은, 후술하는 바와 같이, 50,000개의 질문지가 필요할 수 있고, 각각은 40개의 질문을 포함하며, 25x25 행렬(44)이 필요하다. 이는 50,000 x 40 x 625 = 1,250,000,000 계산이 필요하여 프로세서(18)에 영향을 미칠 수 있다.

따라서, 프로세서(18)를 제어하는 소프트웨어는 극히 복잡하고 행렬(44) 및 인생 맵(28)이 생성될 수 있게 하는데 필수적임을 쉽게 알 수 있다.

따라서, 도 7의 46단계에 도시된 바와 같이, SOM(42)에 의해 분석이 수행되면, 프로세서(24)는 행렬(44)이 생성되게 한다. 차례차례, 개인의 (12) 인생 맵(28)이 도 7의 48단계에 도시된 바와 같이 행렬(44)로부터 생성된다.

프로세서(18)의 기능을 사용하여, 개인(12)은 어떻게 개인(12)이 그의 결과를 인생 맵(28)에 시각화하기를 원하는 지를 선택할 수 있다. 이 점에서, 보통 맵 노드는 특별한 속성 또는 맵 노드와 관련된 기저 코드 벡터로부터 도출된 파라미터를 나타내는 색상으로 디스플레이된다. 데이터 입력이 대부분 비선형 데이터로 구성되기 때문에, 다른 유용한 기술이 3d 맵핑, 즉, 인생 맵(28)의 3차원 투사를 생성하고, 파출된 파라미터 또는 특별한 노드의 속성을 인생 맵(28)의 “승격”으로 사용한다. 또한, SOM(42)은 자기궤환(self-seeding) 및 자기 학습이기 때문에, SOM(42)이 실행될 때마다 다른 인생 맵(28)이 생성된다. 따라서, 개인(12)은 자신의 요구에 가장 잘 맞는 인생 맵(28)을 얻기 위해 원하는 횟수만큼 SOM(42)을 통해 데이터를 실행하고 또 실행할 수 있다. 일단 완성되면, 개인(12)의 인생 맵(28)은 프로세서(18)의 스토리지 모듈에 저장된다.

또한, 개인(12)은 시스템(10)의 툴 모듈(30)을 사용하여 도 7의 50단계에서 도시된 바와 같이 그의 인생 맵(28)을 개인화할 수 있다. 도 2에 보다 명확히 도시된 바와 같이, 맵의 개인화는 인생 맵(28)에 영역(52, 54)의 경계를 획정하는 단계를 포함한다.영역(52)은 인생 목표 달성을 나타내고, 영역(54)은 인생 목표를 달성하지 못한 것을 나타낸다. 인생 목표 달성 영역(52)은 맵(28)의 상부에 도시되었고, 인생 목표 미달성 영역(54)은 맵의 하부에 도시되었으며, 영역(52, 54)은 선(56)에 의해 경계가 획정된다.

개인(12)은 툴 모듈(30)에서 다른 소프트웨어 툴을 사용해 맵을 58의 영역들로 분할하고 인생 여정에서 다른 특징과 특색에 따라 그 영역들을 레이블링 및 칼러링한다. 개인(12)은 또한 도 2의 60에 도시된 바와 같이 인생 맵(28)에 그 자신을 위치시킬 수 있다. 개인은 비디오, 오디오, 미디어, 사진 및 이미지와 같은 매체, 맵(28)에 업로드되어 포함되는 텍스트를 사용하여 맵(28)을 더 개인화할 수 있다. 따라서 맵(28)은 개인(12)의 인생사에서 고유의 패턴과 인생 여정에서의 집약적인 경험을 포함하는 개인의 “DNA”를 구성한다.

또한, 맵(28)은 개인(12)에 의해 웹(14)을 통해 업로드될 수 있고, 소셜 미디어 네트워크를 사용하여 소셜 미디어 네트워크의 다른 가입자들과 공유될 수 있다. 그러므로, 많은 개인들(12)은 소셜 미디어 네트워크를 사용하여 그들의 인생 여정과 경험을 공유할 수 있다. 이런 방식으로, 개인들(12)은 다른 사람들의 경험으로부터 혜택을 입을 수 있고, 유사한 상황에 있었던 다른 사람들로부터 배울 수 있으며, 다른 사람들이 한 실수를 피하고 다른 사람들의 성공으로부터 배우는 단계를 밟을 수 있다.

개인(12)이 처음 인생 맵(28)을 얻는 경우, 개인은, 예를 들어 도 2의 60에 도시된 바와 같이 맵(28)에 그 자신을 위치시킨다. 위치(60)는 맵(28)에서 개인의 인생 시점에서 특별한 장소를 나타낸다. 개인(12)은 제시간에 추가 질문지를 완성하여 프로세서(18)로 새 답변을 업로드할 수 있고, 이는 개인이 마지막으로 데이터를 제공한 이후 그 위치(60)로 어떻게 이동했는지를 나타낸다. 그 위치(60)와 관련된 시점 보고 및 그 다음의 위치들은 프로세서(18)에 의해 생성될 수 있고, 개인(120의 컴퓨터(22)로 다운로드될 수 있다. 다중 시점은 개인(12)이 시간에 따른 진전을 확인할 수 있도록, 개인의 인생 맵(28)에 표시된다. 시점 보고와 함께, 개인(12)은 각 셀을 움직이면서 인생 맵(28)상의 각 셀(노드)의 드라이버 프로파일을 볼 수 있다. 이런 형태의 보고는 원시 입력 데이터 점수가 아닌 글로벌 데이터베이스(40)의 분석을 통해 수립된 특별한 기준점에 따라 정규화된 데이터 점수를 사용한다. 이는 개인(12)이 그래픽 표현을 기반으로 어떻게 맵(28)상의 60과 같은 포인트에서 다른, 더 좋은 포인트로 이동할 수 있는지, 즉, 개인(12)이 더 좋은 포인트로 이동하기 위해서는 어떤 행동이 필요한지를 쉽게 결정할 수 있게 한다.

프로세서(18)는 충분히 정교해서 개인이 웹(14)을 통해 다른 사람들이 질문지(20)를 완성하도록 초대하거나 그들 자신의 질문지에 대한 그들의 답변을 공유하게 할 수 있다. 이는 한 개인이 그 자신을 다른 개인의 인생 맵에 위치하게 하여 경험이 공유되도록 하는 것이다. 360° 타입의 피드백 툴은, 예를 들어, "나를 어떻게 생각하니?" 및 "내가 너를 어떻게 생각할까?" 와 같이, 피드백이 한 개인에서 다른 개인에게 주어지도록 하고 한 개인이 다른 개인으로부터 피드백을 받을 수 있게 한다. 따라서, 설명된 바와 같이 동료, 가족 구성원 및/친구들이 개인의 개인 맵(28)에 초대되어 참여할 수 있다. 개인(12)은 그의 인생 맵(28)에 대한 전면 통제를 유지하고 있어 언제라도 아무나 제거할 수 있다. 다른 개인이 개인(12)의 인생 맵(28)에 "위치하는" 경우, 이는 SOM(42)의 영향을 받아 개인(12)은 다른 개인의 원시 데이터에 대한 통찰력이나 접근 능력을 갖지 못한다. 맵의 셀에 위치하면, 보고는 상술한 바와 같이 정규화 및 기준화된 점수를 사용하여 공유된다.

개인(12)에 의한 새로운 답변을 업로드한 후 새 인생 맵(28)이 생성되는 경우, 이전 맵(28)의 특징은 승계되고 개인(12)은 필요한 대로 특징들을 변경 및 조정할 수 있다.

도 3을 참조하면, 개인(2)은 자신의 질문지 답변 데이터베이스를 다른 사람들의 것과 결합하여 그룹 맵(62)을 만들 수 있다. 이 예에서, 도 3에서 원 A에 도시된 개인(12)은 그룹 맵(62)을 다른 개인, 예를 들어, 도 3의 64에 도시된 배우자 B와 공유하기를 원한다. 또한 빗금친 원(66)으로 도시된 바와 같이 다수의 다른 개인들이 그룹 인생 맵(62)에 추가될 수 있다. 그룹 맵(62) 생성에서, 프로세서(18)는 그룹 내 모든 참가자들로부터 얻은 데이터를 분석하여 그룹 맵(62)을 생성하고, 어떤 참가자도 다른 참가자의 원시 데이터를 보거나 접근하지 못한다. 따라서 SOM(42)은 그룹의 모든 참가자들의 답변으로부터의 데이터를 처리 및 변환하여 그룹 맵(62)을 생성한다.

개인들(12, 64)은 그 결과를 결합하여 결합된 인생 경험 및 상호작용 패턴에 대한 통찰력을 얻을 수 있다. 다른 예로서, 가족들은 결과를 결합하여 가족의 역학관계(family dynamics)를 알고 다양한 가족 구성원들의 역할을 알 수 있다. 대신에 또는 추가로, 친구 그룹은 그들의 또는 그들 개인 답변의 일부를 그들 관계의 질, 그들이 형성하고 있는 관계의 견고함 및 사회 상호작용의 패턴을 추적 및 모니터링할 수 있는 우정 맵으로 결합할 수 있다. 그룹 맵(62)은 일단 형성되면, 상술한 개인 인생 맵(28)과 동일한 방식으로 개인화될 수 있다. 또한 상술한 바와 같이, 360°타입의 피드백 애플리케이션이 그룹 맵(62)에 대해 사용되어 서로의 인식상의 차이가 공유되고 통찰력이 얻어지도록 한다. 프로세서(18)의 기능은 관계 문제와 어려움이 이해 및 해결될 수 있게 하는 부가가치 툴을 포함한다. 이 툴은 그룹 내 참가자들이 맵(62)에 공간적으로 구성되어 참가자들 사이의 관계의 질과 견고함이 평가될 수 있게 한다.

툴 모듈(30)은 또한 웹 가능(web-enabled) 툴과 참가들의 통찰력이 공유될 수 있게 하고 개인(12)이 위키(wikis), 사전, 다른 참조 작업들 등과 같은 웹 편의물(web amenities)에 액세스할 수 있게 하는 애널리틱스(analytics)를 포함한다. 이러한 툴을 포함하는 툴 모듈(30) 대신 서버(16)는 웹(14)을 통해 제3자의 웹 가능 툴과 애널리틱스에 엑세스할 수 있다. 이 위키 자원 및 웹 라이브러리는 참가자들의 통찰력이 공유 및 획득될 수 있게 하고, 성공적인 결과를 이끌어 낸 행동이, 후술되는 바와 같이 더 넓은 커뮤니티에 적용될 수 있도록 참가자들 사이에 공유되게 할 수 있다. 예를 들어, 개인(12)은 이 자원들을 사용하여 맵(62)에서 정보를 얻어 개인(64)과의 관계 개선에 필요한 것을 확인할 수 있다. 그런 다음, 개인(12)은 권고된 행동을 취할 수 있고, 그룹 맵(62)에 진전상황을 나타낼 수 있다.

또 다른 예로, 개인들(12, 64)은 커플 회원이고 이들 사이에 충돌이 있다면, 개인들(12, 64)은 서로 참여하도록 초대하여 충돌을 해소하게 하는 행동을 취할 수 있다. 실시예에서, 숙달된 촉진자(facilitator) 서비스는 촉진자가 그룹 참가자가 되도록 초대하고 다른 웹 기반 자원들을 사용하게 할 수 있다. 숙달된 촉진자는 충돌 해소 과정을 이끌어 최상의 출력을 달성할 수 있다. 이는 웹 기반 기술과 실시간에 가까운 피드백을 제공하는 프로세서(18)의 정교한 분석 능력을 사용하여 가능해진다. 따라서, 맵(62)에 포함된 데이터는, 예를 들어, "만약 네가 X를 한다면 맵(62)에 출력과 위치 M(도시되지 않음)이 나타나고, 네가 Y를 한다면 맵(62)에 출력과 위치 N(도시되지 않음)이 나타날 것이다"와 같은 예측 모델링 및 시나리오 플래닝 수행에 사용될 수 있다.

그룹 맵(62)의 유효기간 내 어느 때에, 예를 들어, 자녀들과 같은 새로운 가족 구성원 또는 새로운 친구들과 같은 새로운 개인들이 기존 맵에 나타나거나 답변에 추가되어 새로운 또는 수정된 그룹 맵을 만들 수 있다. 역으로, 필요에 따라 개인들이 그룹을 떠나는 경우, 답변이 삭제될 수 있다. 그룹 맵(62)을 사용함으로써, 68에 도시된 바와 같이 개인들의 여정은 맵(62)에 나타내져 각 개인의 인생이 추적되는지의 여부 및 어떤 행동이 취해져야 하는지가 결정될 수 있다.

각 개인(12, 64)은 그룹 맵(62) 생성에 제출된 답변을 관리하고, 개인(12, 64)이 비밀로 남기고 싶어하는 정보는 어느 것이든 맵(62)에서 제외시킬 수 있다. 개인(64)은 개인(12)의 답변에 액세스하지 못하고, 그 역도 마찬가지다. 답변자들이 보는 모든 것은 맵(62) 상의 각 셀 또는 노드에서 생성된 패턴 수집 세트이다.

다른 실시예에서, 커뮤니티 맵(70)은 도 4에 도시된 바와 같이 생성된다. 커뮤니티 맵(70)은 집단적인 이력을 갖는 개인들의 커뮤니티와 관련된다. 예를 들어, 공유된 관심과 공통 가치를 가진 사람들은 함께 모여 커뮤니티를 형성하고 커뮤니티 맵(70)을 생성할 수 있다. 그룹 맵의 경우와 같이, 빗금친 원들로 도시된 개인들(72)은 빗금친 원으로 도시된 바와 같이 답변을 모두 개별적으로 프로세서(18)로 보낸다. 그룹 맵(62)의 경우와 같이, 개인들의 답변 및 그 답변과 관련된 원시 데이터는 커뮤니티의 다른 개인들이 알지 못한다. 각 개인(72)은 포함시키고 싶지 않은 데이터가 답변에서 생략되도록 그들이 보낸 답변을 재단할 수 있다.

커뮤니티 내 참가자들은 자신들을 커뮤니티 맵(70)에 위치시키고, 각 참가자들에 관한 정보는 그 참가자만 사용할 수 있다. 다시 한번, 커뮤니티 맵(70)의 역동적인 면은, 웹 자원의 속도에 의해 참가자들이 서로에 대한 인식, 관여된 문제에 대한 인식 등과 같은 문제와 관련한 데이터를 공유할 수 있고 서로 실질적으로 실시간 교류할 수 있다는 것이다. 커뮤니티 맵(7)상에서 각 참가자의 위치는 인식이 변화거나 또는 문제 해결이 일어나면 이동된다.

개인들은 커뮤니티에 참여하도록 초대될 수 있고, 그룹 치료법과 동일하지만 온라인 및 대화형 방식으로 참가자들 사이에 교류가 일어나면, 그들의 위치가 추적될 수 있다. 따라서 그룹 맵(64)의 경우와 같이, 숙달된 촉진자는 참여 초대를 받을 수 있다.

시간이 흐르면, 맵(70)은 이력과 집단적 이해, 공유된 가치 및 커뮤니티에서 학습된 교훈을 기록하고, 커뮤니티 멤버들(72)은 맵(70)에서 행로(74)로 나타내진 그들의 여정을 맵에 기록할 수 있다.

그룹 맵(62) 및 커뮤니티 맵(60)에 관하여, 필요한 경우 웹(14)으로부터의 툴에 의해 확장되는 툴 모듈(30)의 툴은 그룹 또는 커뮤니티가 경우에 따라 각각의 맵(62, 70)을 정의 및 개인화할 수 있게 함이 주지되어야 한다. 그룹 또는 커뮤니티 멤버들의 새로운 답변들은 맴(62, 70)에 포함된다. 개인들이 그들의 답변을 업그레이드하거나 변경하면, 새로운 개인들이 그룹 또는 커뮤니티에 합류하거나, 개인들이 그룹 또는 커뮤니티를 떠나고, 맵(62, 또는 70) 또한 업데이트된다. 또한 그룹 맵(64)과 커뮤니티 맵(70)에 관하여 생성된 패턴들은, 정규화된 데이터만 보여주고 원시 데이터 답변을 보여주지 않는 시점 보고서 형태로 제공된다.

상술한 바와 같이, 시스템(10)은 개인들(12)에 의해 제출되어 글로벌 데이터베이스(40)을 구성하는 수천 개의 답변들을 필요로 하며, 그 답변들은 도 5에 화살표(76)로 개략적으로 표시되어 있다. 글로벌 맵(77)은 SOM(42)를 사용하여 그리고 데이터베이스(40)에 저장된 개인들의 원시 데이터를 사용하여 마스터 맵으로 작성된다. 글로벌 맵(77)은 주기적으로 업데이트되고 시스템(10) 사용자들에게 업데이트 버전 또는 새 버전으로 배포된다. 글로벌 맵(77) 생성은 수십억번은 아니지만 수백만번의 계산을 수행한 프로세서(18)를 포함함을 알 수 있다. 글로벌 맵(77)이 업데이트될 때마다 그러한 계산들이 다시 이뤄져야 한다.

프로세서(18)를 사용함으로써, 각 개인(12)은 그의 인생 여정을 다른 사람의 것과 비교하고 그 개인(12)이 그의 인생 여정을 따라온 곳에 대한 통찰력을 얻으며, 그 개인(12)과 유사한 상황에 처했던 다른 사람들로부터 배울 수 있다. 개인(12)은 성공 또는 실패를 이끌었던, 다른 사람들이 걸었던 행로와 결정, 그리고 그 개인과 유사한 위치에 있던 다른 사람들이 취한 행동을 구별할 수 있다. 이러한 효과를 얻기 위해, 개인(12)은 글로벌 데이터베이스(40)에 액세스하고 기저 글로벌 맵(77)과 관련된 인생 맵(28)에 디스플레이된 바와 같이 그의 답변을 입혀 인생 맵(280에서 78에 도시된 바와 같이 개인의 행로를 추적한다.

행로(78)는 개인(12)이 또한 그 자신을 그룹 맵(62) 또는 커뮤니티 맵(70)에 위치시킬 수 있게 한다. 그렇게 해서, 개인은 그 당시 그 개인과 유사한 상황에 처한 다른 사람들과 비교하여 그들이 있는 곳을 평가할 수 있다. 상술한 바와 같이, 개인은 특별한 상황에서 성공으로 이끌 수 있는 단계를 얼마나 밟아야 하는지, 가능하다면 다른 사람의 실수를 반복하지 않도록 어떻게 개인이 유사한 상황에 처했던 다른 사람들의 실수와 실패로부터 배울 수 있을지를 보여줄 수 있다.

프로세서(18)와 연관된 기능은 예측 능력이다. 따라서, 개인이 둘 이상의 설문지를 완성하는 경우, 화살표(80)로 도시된 바와 같이, 인생 맵(28)상의 움직임이 추적될 수 있게 하는 SOM(42)에 의해 제공되는 정교한 패턴 인식을 사용하여 다른 포인트들이 인생 맵(28)에 생성될 수 있다. 이 화살표들(80)은 개인(12)이 특별한 행동 코스를 따름으로써 어떤 출력이 나올까 예측할 수 있도록 수백 또는 수천명의 사람들이 서로 다른 행동 코스를 따를 때 택하는 주요 행로를 나타낸다. 따라서, 개인(12)은 이 정보를 사용하여 행동 코스를 계획하고 관련 코스를 택할 때 개인의 진전을 모니터링할 수 있다. 실무에서는 모집단에 의해 매우 많은 수의 가능한 행로가 선택되지만 모두가 눈에 띄게 디스플레이될 수는 없기 때문에 주요 행로들(80)만 보여지는 것을 알 수 있다.

도 6을 참조하면, 부분 모집단 맵(82)이 도시되어 있다. 부분 모집단 맵(82)은 개인(12)이 멤버일 수 있는 특별 관심 그룹과 관련된다. 예로서, 맵(82)은 글로벌 데이터베이스(40)로부터 출력된 데이터를 사용하여 특정 부분 모집단에 대해 작성될 수 있다. 이는 특별 관심 지역 또는 수행될 연구 및 부분 모집단에 포함된 개인들이 맵(82)을 사용하여 그들이 진전을 평가 및 추적하게 할 수 있다. 그러한 모집단 맵(82)은 일반적으로 부분 모집단의 리더들, 예를 들어, 학계 또는 전문가 집단에 소유된 것일 수 있고, 그러한 맵들(82)은 그 지역에서의 연구를 용이하게 한다. 다른 맵의 경우와 같이, 부분 모집단 맵(82) 생성에 사용된 데이터는 참가자들 식별에 사용될 수 있는 데이터를 제외한 원시 데이터를 사용하여 만들어질 수 있다. 참가자들은 다른 사람들의 데이터는 볼 수 없고, 그 데이터는 SOM(42)이 부분 모집단 맵(82)을 생성하는 데에만 사용된다.

예로서, 개인(12)이 특별한 질병 또는 장애로 고통을 받는다면, 개인(12)은 동일한 질병을 갖고있는 다른 멤버들을 포함하는 부분 모집단의 멤버로 가입할 수 있고, 그렇게 해서 개인(12)은 부분 모집단의 다른 멤버들의 진전과 관련하여 그 개인의 진전을 평가할 수 있다. 또한 부분 모집단의 다른 멤버들과 경험(12)을 공유할 수 있고 그 멤버들로부터 지원을 받을 수 있고, 다른 멤버들에게 지원을 제공할 수 있어서 개인(12)에게 이롭다. 프로세서(18)는 모집단과 관련된 기준을 사용하여, 예를 들어, "어떻게 ..와 비교할까?"와 같이 개인(12)의 데이터가 부분 모집단에 적용될 때 그 데이터를 정규화한다.

그러므로 개인이 그의 인생 여정과 인생의 즐거움을 공유하고 그 인생 여정을 관리 및 개선하기 위한 단계들을 밟을 수 있게 하는 데이터 분석 시스템(10) 및 방법이 개시된다. 또한, 소셜 미디어 네트워크를 사용함으로써, 개인들은 그들의 관계의 특성에 대한 더 깊은 통찰력과 이해를 얻고, 중요한 문제를 식별하며, 그들 삶의 문제에 대해 그들이 무엇을 할 수 있는지에 대해, 특히, 다른 사람들의 경험을 기초로 인생에서 무엇이 성공으로 이끄는 것인가에 대해 사람들을 돕거나/안내할 수 있다.

또한, 다양한 맵으로 생성 및 디스플레이되는 데이터는 교육적인 목적으로 연구원과 학자들에 의해 사용될 수 있다. 예를 들어, “금연” 메트릭을 사용하면, 그렇게 하는 방법을 결정할 수 있고, 그렇게 하여 얻는 이익을 나타낼 수 있다. 역으로, 모집단의 일부, 예를 들어, 한 지역의 어떤 나이 이상의 남성들에 대한 심장마비 영향을 모델링하는 것과 같이 그렇게 하지 않은 결과를 나타낼 수 있다.

글로벌 데이터베이스(40)를 이루고, 그룹 맵(64), 커뮤니티 맵(7), 글로벌 맵(77), 또는 부분 모집단 맵(82)와 같은 모든 다수 참가자 맵을 생성함에 있어서. 제한된 인구통계를 갖는 둔감한 데이터만 사용된다. 개인의 이름이나 개인을 식별할 수 있는 어떤 다른 데이터도 사용되지 않는다. 다수 참가자 맵은 모두 정규화된 데이터만 표시되는 시점 기록 기술을 사용한다.

상술한 실시예에 대해 본 발명의 넓은 범위를 벗어나지 않고 다수의 변형 및/또는 변경이 이뤄질 수 있음을 당업자를 알 것이다. 따라서 본 실시예들은 다방면으로 설명하기 위한 것으로 제한적으로 고려되어서는 안된다.

Claims (31)

1. 데이터 분석 시스템이 수행하는 개인 관련 데이터를 분석하는 방법에 있어서,
   개인 관련 입력 데이터를, 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되는 물리적인 컴퓨터 프로세서에 제공하는 단계 - 상기 패턴 인식 소프트웨어는 자기조직화 맵 알고리즘을 포함함 -;
   상기 프로세서를 사용하여 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 제공하는 단계 - 상기 출력 데이터는 코드 벡터를 포함함 -;
   상기 프로세서를 사용하여 상기 출력 데이터를 개인 맵 형태로 변환하고 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 상기 개인의 개인 맵을 저장하는 단계 - 상기 맵은 코드 벡터를 나타내는 노드들을 포함하고, 각각의 노드는 관련된 코드 벡터로부터 도출된 특별한 속성 또는 파라미터를 나타내고, 상기 개인 맵은 개인이 접근 가능한 경험 범위를 넓히기 위해 (a) 다른 관심 주제의 답변 및 (b) 글로벌 데이터 베이스의 특정 서브세트의 데이터 중 적어도 하나에 의해 확장됨 -; 및
   각 개인이 자신의 개인 맵을 개인화할 수 있게 하는 툴을 제공하는 단계를 포함하는 것을 특징으로 하고,
   상기 프로세서는 예측 기능을 제공하여, 상기 패턴 인식 소프트웨어를 사용하여 상이한 포인트들이 상기 개인 맵에 표시될 수 있어, 상기 개인이 특별한 행동 코스를 따름으로써 어떤 출력이 나오는지 예측하기 위해 상기 개인 맵 상의 움직임이 추적될 수 있도록 하는, 개인 관련 데이터 분석 방법.
2. 제1항에 있어서,
   상기 맵에 새로운 답변을 구성하여 상기 맵을 주기적으로 업데이트하고 상기 프로세서를 사용하여 상기 맵을 업데이트하는 단계를 포함하는, 개인 관련 데이터 분석 방법.
3. 제2항에 있어서,
   상기 맵을 업데이트할 때, 상기 개인에 의해 이전에 추가된 상기 맵의 개인화를 유지하는 단계를 포함하는, 개인 관련 데이터 분석 방법.
4. 제1항에 있어서,
   웹 기반 툴을 선택하여 상기 맵을 개인화하는 단계를 포함하는, 개인 관련 데이터 분석 방법.
5. 제1항에 있어서,
   상기 맵은 개인 맵이고, 상기 방법은 상기 개인들의 수만큼의 개인 맵들을 결합하여 그룹 맵을 생성하는 단계를 포함하는, 개인 관련 데이터 분석 방법.
6. 제5항에 있어서,
   개인 맵을 결합하여 상기 그룹 맵을 형성하기를 원하는 그룹 멤버들로부터의 입력 데이터를 결합하여 상기 그룹 맵을 생성하는 단계를 포함하고, 상기 프로세서는 상기 입력 데이터를 연결 및 결합하여 상기 그룹 맵을 출력하는, 개인 관련 데이터 분석 방법.
7. 제6항에 있어서,
   필요에 따라 상기 멤버들의 입력 데이터를 결합하거나 삭제하여, 원하는 대로 상기 그룹에 멤버를 추가하거나 상기 그룹으로부터 멤버를 제거하는, 개인 관련 데이터 분석 방법.
8. 제5항에 있어서,
   복수의 개인들의 상기 입력 데이터로부터 커뮤니티 맵을 생성하는 단계를 포함하고, 각 개인들은 상기 커뮤니티의 멤버인, 개인 관련 데이터 분석 방법.
9. 제1항에 있어서,
   하나 이상의 개인의 상기 입력 데이터로부터 글로벌 맵을 생성하는 단계를 포함하는 개인 관련 데이터 분석 방법.
10. 제9항에 있어서,
    상기 개인이 상기 글로벌 맵에 액세스하여 그 개인의 상황을, 자신들의 입력 데이터가 상기 글로벌 맵에 기여한 다른 개인들과 비교하도록 하는 단계를 포함하는 개인 관련 데이터 분석 방법.
11. 제9항에 있어서,
    개인이 상기 글로벌 맵에서 행동 코스를 계획하게 하는 단계를 포함하는 개인 관련 데이터 분석 방법.
12. 제9항에 있어서,
    소셜 미디어 네트워크를 사용하여 상기 글로벌 맵에 액세스하는 단계를 포함하는 개인 관련 데이터 분석 방법.
13. 제12항에 있어서,
    상기 프로세서의 웹 가능 툴 및 애널리틱스 기능을 사용하는 단계; 및
    개인들이 정보를 공유하고 다른 웹 편의물에 액세스하게 하는 단계를 포함하는 개인 관련 데이터 분석 방법.
14. 제9항에 있어서,
    상기 입력 데이터를 상기 글로벌 맵에 맞춤으로써 특별 관심 정보를 포함하는 부분 모집단 맵을 생성하는 단계를 포함하는 개인 관련 데이터 분석 방법.
15. 제14항에 있어서,
    상기 개인이 상기 부분 모집단 맵에 액세스하게 하여 상기 특별 관심 정보가 관련된 상기 특별 관심과 관련한 진전을 평가 및 추적하게 하는 단계를 포함하는 개인 관련 데이터 분석 방법.
16. 데이터 분석 시스템이 수행하는 개인 관련 데이터를 분석하는 방법에 있어서,
    개인 관련 입력 데이터를 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되는 물리적인 컴퓨터 프로세서에 제공하는 단계 - 상기 패턴 인식 소프트웨어는 자기조직화 맵 알고리즘을 포함함 -;
    프로세서를 사용하여 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 제공하는 단계 - 상기 출력 데이터는 코드 벡터를 포함함 -;
    상기 프로세서를 사용하여 상기 출력 데이터를 개인 맵 형태로 변환하고 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 상기 개인의 개인 맵을 저장하는 단계 - 상기 맵은 상기 코드 벡터를 나타내는 노드들을 포함하고, 각각의 노드는 관련된 코드 벡터로부터 유도된 특별한 속성 또는 파라미터를 나타내고, 상기 개인 맵은 개인이 접근 가능한 경험 범위를 넓히기 위해 (a) 다른 관심 주제의 답변 및 (b) 글로벌 데이터 베이스의 특정 서브세트의 데이터 중 적어도 하나에 의해 확장됨 -; 및
    상기 프로세서를 사용하여 상기 개인이 상기 프로세서로 다른 입력 데이터를 입력하여 상기 맵 상의 한 포인트에서 다른 포인트로 일어나는 변화를 모니터링하는 단계를 포함하는 것을 특징으로 하고,
    상기 프로세서는 상기 프로세서의 예측 기능을 사용하여, 상기 패턴 인식 소프트웨어를 사용하여 상이한 포인트들이 상기 개인 맵에 표시될 수 있어, 상기 개인이 특별한 행동 코스를 따름으로써 어떤 출력이 나오는지 예측하기 위해 상기 개인 맵 상의 움직임이 추적될 수 있도록 하는, 개인 관련 데이터 분석 방법.
17. 개인 관련 데이터를 분석하는 데이터 분석 시스템에 있어서,
    개인 관련 입력 데이터를 생성하는 물리적인 컴퓨터 기반의 데이터 생성기;
    상기 데이터 생성기에 응답하고, 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되며, 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 생성하는 물리적 컴퓨터 프로세서 - 상기 패턴 인식 소프트웨어는 자기조직화 맵 알고리즘을 포함하고, 상기 출력 데이터는 코드 벡터를 포함함 -;
    상기 프로세서의 일부로 구성되고, 상기 출력 데이터를 상기 개인에게 개인 맵 형태로 제공하는 출력 모듈로, 상기 맵은 상기 개인의 인생 경험과 관련된 개인의 개인 데이터를 포함하는 개인의 개인 맵인 것인, 출력 모듈 - 상기 맵은 상기 코드 벡터를 나타내는 노드들을 포함하고, 각각의 노드는 관련 코드 벡터로부터 도출된 특별한 속성 또는 파라미터를 나타냄 -;
    상기 프로세서와 연관되어 상기 개인 맵을 저장하는 스토리지 모듈; 및
    상기 프로세서와 통신하며, 상기 개인에 의해 엑세스가능하여 상기 개인이 그의 개인 맵을 개인화하게 하는 툴 모듈을 포함하는 것을 특징으로 하고,
    상기 개인 맵은 개인이 접근 가능한 경험 범위를 넓히기 위해 (a) 다른 관심 주제의 답변 및 (b) 글로벌 데이터베이스의 특정 서브세트의 데이터 중 적어도 하나에 의해 확장되고,
    상기 프로세서는 예측 기능을 제공하여, 상기 패턴 인식 소프트웨어를 사용하여 상이한 포인트들이 상기 개인 맵에 표시될 수 있어, 상기 개인이 특별한 행동 코스를 따름으로써 어떤 출력이 나오는지 예측하기 위해 상기 개인 맵 상의 움직임이 추적될 수 있도록 하는, 데이터 분석 시스템.
18. 제17항에 있어서,
    상기 입력 데이터는 수신시 향후 사용을 위해 소스 데이터의 일부를 형성하고, 상기 시스템은 상기 소스 데이터를 구비한 데이터베이스를 포함하는, 데이터 분석 시스템.
19. 제17항에 있어서,
    상기 프로세서는 적어도 상기 입력 데이터에 대해 클러스터 분석을 수행하여 참조 데이터를 생성하도록 구성되는, 데이터 분석 시스템.
20. 제19항에 있어서,
    상기 클러스터 분석의 형태는 비선형, 다변수 및 차원 감소인, 데이터 분석 시스템.
21. 제20항에 있어서,
    상기 비선형, 다변수 및 차원 감소는, 상기 참조 데이터를 상기 개인의 개인 맵이 생성되는 행렬 형태로 조직하기 위해 상기 자기조직화 맵 알고리즘(SOM)을 사용하는 것인, 데이터 분석 시스템.
22. 제17항에 있어서,
    상기 프로세서의 상기 데이터 분석 엔진 기능은 상기 입력 데이터를 상기 프로세서에 의해 처리될 분석 파일로 변환하도록 구성되는 것인, 데이터 분석 시스템.
23. 제22항에 있어서,
    상기 분석 파일은 상기 프로세서에 의해 처리되어 상기 출력 데이터를 생성하는 입력 변수들을 포함하는, 데이터 분석 시스템.
24. 제17항에 있어서,
    상기 맵을 3차원 맵핑의 2차원 표현으로 제시하는 것을 포함하는, 데이터 분석 시스템.
25. 제17항에 있어서,
    상기 프로세서는 적어도 두 개인들로부터 나온 입력 데이터를 기반으로 그룹 맵을 생성하도록 구성되는, 데이터 분석 시스템.
26. 제17항에 있어서,
    상기 프로세서는 각각 커뮤니티의 멤버인 복수의 개인들로부터 나온 입력 데이터를 기반으로 커뮤니티 맵을 생성하도록 구성되는, 데이터 분석 시스템.
27. 제17항에 있어서,
    상기 프로세서는 글로벌 맵을 생성하도록 구성되고, 상기 프로세서는 상기 개인이 상기 글로벌 맵에 행동 코스를 계획하도록 더 구성되는, 데이터 분석 시스템.
28. 제27항에 있어서,
    소셜 미디어 네트워크를 사용하여 상기 개인이 상기 글로벌 맵에 액세스하게 하는, 데이터 분석 시스템.
29. 제28항에 있어서,
    상기 프로세서는 웹 가능 툴 및 애널리틱스 기능을 포함하여 개인들이 정보를 공유하고 다른 웹 편의물에 액세스하게 하는, 데이터 분석 시스템.
30. 제27항에 있어서,
    상기 프로세서는 개인이 상기 입력 데이터를 상기 글로벌 맵에 맞춰(customise) 특별 관심 정보를 포함하는 부분 모집단 맵을 생성하게 하고, 상기 개인이 상기 부분 모집단 맵에 액세스하여 상기 특별 관심 정보와 관련된 상기 특별 관심과 관련한 진전을 평가 및 추적하게 하는, 데이터 분석 시스템.
31. 개인 관련 데이터를 분석하는 데이터 분석 시스템에 있어서,
    개인과 관련된 입력 데이터를 생성하는 물리적인 컴퓨터 기반의 데이터 생성기;
    상기 데이터 생성기에 응답하고, 패턴 인식 소프트웨어를 포함하는 데이터 분석 엔진으로 구성되며, 상기 입력 데이터를 처리 및 변환하여 출력 데이터를 생성하는 물리적 컴퓨터 프로세서 - 상기 패턴 인식 소프트웨어는 자기조직화 맵 알고리즘을 포함하고 상기 출력 데이터는 코드 벡터를 포함함 -;
    상기 프로세서의 일부로 구성되고, 상기 출력 데이터를 개인 맵 형태로 상기 개인에게 제공하는 출력 모듈로, 상기 맵은 상기 개인의 인생 경험과 관련된 개인의 개인 데이터 및 상기 개인에 의해 처리가능한 상기 입력 데이터를 포함하고, 상기 맵은 상기 코드 벡터를 나타내는 노드들을 포함하고, 각각의 노드는 관련 코드 벡터로부터 도출된 특별한 속성 또는 파라미터를 나타내어 상기 개인이 다른 입력 데이터를 상기 프로세서에 입력함으로써 상기 맵의 한 포인트에서 다른 포인트로 일어나는 변화를 모니터링하게 하는 것인, 출력 모듈 - 상기 프로세서는 예측 기능을 제공하여, 상기 패턴 인식 소프트웨어를 사용하여 상이한 포인트들이 상기 개인 맵에 표시될 수 있어, 상기 개인이 특별한 행동 코스를 따름으로써 어떤 출력이 나오는지 예측하기 위해 상기 개인 맵 상의 움직임이 추적될 수 있도록 함 -; 및
    상기 프로세서와 연관되어 상기 개인의 개인 맵을 저장하는 스토리지 모듈을 포함하는 것을 특징으로 하고,
    상기 개인 맵은 개인이 접근 가능한 경험 범위를 넓히기 위해 (a) 다른 관심 주제의 답변 및 (b) 글로벌 데이터베이스의 특정 서브세트의 데이터 중 적어도 하나에 의해 확장되는,
    데이터 분석 시스템.

Images