TWI661406B - 智慧生產性評價裝置及智慧生產性評價方法 - Google Patents

智慧生產性評價裝置及智慧生產性評價方法 Download PDF

Info

Publication number
TWI661406B
TWI661406B TW107113655A TW107113655A TWI661406B TW I661406 B TWI661406 B TW I661406B TW 107113655 A TW107113655 A TW 107113655A TW 107113655 A TW107113655 A TW 107113655A TW I661406 B TWI661406 B TW I661406B
Authority
TW
Taiwan
Prior art keywords
concentration
time
answer
subject
state
Prior art date
Application number
TW107113655A
Other languages
English (en)
Other versions
TW201842482A (zh
Inventor
大林史明
下田宏
石井裕剛
下中尚忠
上田樹美
Original Assignee
日商松下知識產權經營股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日商松下知識產權經營股份有限公司 filed Critical 日商松下知識產權經營股份有限公司
Publication of TW201842482A publication Critical patent/TW201842482A/zh
Application granted granted Critical
Publication of TWI661406B publication Critical patent/TWI661406B/zh

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/162—Testing reaction times
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Developmental Disabilities (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Technology (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Child & Adolescent Psychology (AREA)
  • Surgery (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本發明之智慧生產性評價裝置(30)具備：取得部(31)，其取得被賦予作為智慧作業之對複數個問題之解答作業之受驗者(2)，對複數個問題各者之解答所需之時間即解答時間之集合；評價部(32)，其基於受驗者(2)進行智慧作業時處於集中狀態與非集中狀態之任一狀態之模式，使用由取得部(31)取得之解答時間之集合，算出集中狀態之受驗者(2)之集中深度相關之評價值；及輸出部(33)，其輸出表示由評價部(32)算出之評價值之評價值資訊。

Description

智慧生產性評價裝置及智慧生產性評價方法
本發明係關於一種智慧生產性評價裝置及智慧生產性評價方法。
先前以來，已知有評價受驗者之智慧生產性之各種方法。例如，於專利文獻1，揭示有一種基於使受驗者解答複數個問題時之解答時間，分析受驗者之集中度之智慧生產性分析裝置。於專利文獻1記載之智慧生產性分析裝置中，算出計測解答時間之計測時間中之集中時間之比例作為表示智慧生產性之評價值。 [先前技術文獻] [專利文獻] [專利文獻1]日本專利特開2014-186289號公報
[發明所欲解決之問題] 然而，已利用空調機器或照明裝置等控制人居住空間之環境。此時，可利用專利文獻1記載之智慧生產性分析裝置，評價控制之環境下之受驗者之智慧生產性。然而，無法謀求控制環境之機器之動作之效率化。 因此，本發明目的在於提供一種可支援機器之動作效率化之智慧生產性評價裝置及智慧生產性評價方法。 [解決問題之技術手段] 為了達成上述目的，本發明一態樣之智慧生產性評價裝置具備：取得部，其取得要求以對複數個問題之解答作業為智慧作業之受驗者對上述複數個問題各者之解答所需之時間即解答時間之集合；評價部，其基於上述受驗者進行上述智慧作業時處於集中狀態與非集中狀態之何種狀態之模型，使用由上述取得部取得之解答時間之集合，算出上述集中狀態之上述受驗者之集中深度相關之評價值；及輸出部，其輸出表示由上述評價部算出之評價值之評價值資訊。 又，本發明一態樣之智慧生產性評價方法包含以下步驟：取得要求以對複數個問題之解答作業為智慧作業之受驗者對上述複數個問題各者之解答所需之時間即解答時間之集合；基於上述受驗者進行上述智慧作業時處於集中狀態與非集中狀態之何種狀態之模型，使用取得之解答時間之集合，算出上述集中狀態之上述受驗者之集中深度相關之評價值；及輸出表示算出之評價值之評價值資訊。 又，本發明一態樣可作為用以使電腦執行上述智慧生產性評價方法之程式實現。或，亦可作為儲存該程式之電腦可讀取之記錄媒體實現。 [發明之效果] 根據本發明之智慧生產性評價裝置及智慧生產性評價方法，可支援機器動作之效率化。
於以下，對本發明實施形態之智慧生產性評價裝置及智慧生產性評價方法等使用圖式詳細地進行說明。另，以下說明之實施形態皆為顯示本發明之一具體例者。因此，以下實施形態中顯示之數值、形狀、材料、構成要素、構成要素之配置及連接形態、步驟、步驟之順序等皆為一例，並非限定本發明之主旨。因此，關於以下之實施形態之構成要素中之未於表示本發明之最上階概念之獨立申請專利項記載之構成要素係作為任意之構成要素進行說明。 又，各圖係模型圖，並非嚴格圖示者。因此，例如，各圖中縮尺等未必一致。又，於各圖中，對實質上同一之構成標註同一符號，而省略或簡化重複之說明。 (實施形態) [概要] 首先，對本實施形態之智慧生產性評價系統之概要，使用圖1進行說明。圖1係顯示本實施形態之智慧生產性評價系統1之構成。 智慧生產性評價系統1係評價受驗者2之智慧生產性之系統。於智慧生產性評價系統1中，藉由使受驗者2進行智慧作業而評價受驗者2之智慧生產性。智慧作業係例如對複數個問題之解答作業。 如圖1所示，智慧生產性評價系統1具備：操作終端10、資料收集裝置20、及智慧生產性評價裝置30。操作終端10向受驗者2提示複數個問題，且受理受驗者2對提示問題之解答輸入。資料收集裝置20自操作終端10取得受驗者2解答問題所需之時間即解答時間。智慧生產性評價裝置30使用資料收集裝置20取得之解答時間之集合評價受驗者2之智慧生產性。具體而言，智慧生產性評價裝置30藉由算出受驗者2對智慧作業之集中「深度」相關之評價值而評價受驗者2之智慧生產性。 再者，智慧生產性評價裝置30輸出表示算出之評價值之評價值資訊。評價值資訊輸出至空調等機器40之控制部。控制部可藉由基於評價值資訊控制機器40而形成易於受驗者2集中之環境。於易於集中之環境中，由於受驗者2之作業效率提高，故實現作業時間之縮短化。藉由作業時間縮短化機器40之動作時間亦縮短，從而實現節能化。如此，根據本實施形態之智慧生產性評價裝置30，藉由輸出評價值資訊而支援機器40之動作之效率化。 於以下，首先，對本說明書之智慧生產性之定義、及智慧生產性之評價方法，包括完成本發明之經緯在內進行說明。關於構成智慧生產性評價系統1之構成要素之細節於下文進行說明。 [智慧生產性] 於本說明書中，智慧生產性意指每單位時間之智慧作業之量。簡單換言之，智慧生產性相當於智慧作業之作業效率。 先前以來，智慧生產性之評價藉由以下之各種方法等進行：(a)主觀之評價方法、(b)生理指標之評價指標、(c)假想任務之作業成績之評價方法、及(d)集中指標之評價方法。然而，(a)～(d)之方法各自存在以下所示之問題點。 例如，於(a)之主觀之評價方法中，由於可藉由問卷調查等進行故容易計測。然而，因每個人之感覺差異會產生較大影響，故有客觀性較低之問題。 又，於(b)之生理指標之評價方法中，由於可藉由計測作業中受驗者之腦波或心律等生理信號而進行，故時間解析能較高，且評價之客觀性較高。然而，計測需要特別之裝置，且每1個對象之計測所需之時間亦延長。又，生理信號與作業效率之關係性之不明確點亦較多，故智慧生產性之評價不夠充分。 於(c)之假想任務之作業成績之評價方法中，由於使受驗者進行文字鍵入等任務，而測定其作業效率，故客觀性較高。然而，由於受因反復進行任務熟習作業所致之作業效率提高之熟習效果之影響，故難以僅擷取智慧生產性而評價。 於(d)之集中指標之評價方法中，係關注到為了進行智慧作業，人需要將認知資源分配給作業而多加注意之評價方法。具體而言係專利文獻1等記載之方法。於專利文獻1中，於人實施智慧作業之狀態中，基於使用「作業狀態」、「短期休息」、及「長期休息」之3個狀態之模型，將「作業狀態」與「短期休息」視為集中狀態，將「長期休息」視為非集中狀態。此外，將計測時間之受驗者集中之時間即集中時間之比例作為指標算出。 於集中指標之評價方法中，可實現客觀且定量之集中評價。然而，無法評價至集中之質。本案發明者等人發現即使於集中狀態中其集中之質亦不同。具體而言，本案發明者等人發現無法將集中狀態一概而論，於集中狀態中亦階段性地包含複數種狀態。 因此，本案發明者等人著眼於可實現客觀且定量評價之(d)集中指標之評價方法，實現智慧生產性評價系統。本實施形態之智慧生產性評價系統1基於集中質所對應之集中模型，客觀且定量地評價受驗者2之集中之質。 [集中模型] 接著，對本實施形態之集中模型進行說明。 於本說明書中，「集中」係將認知資源分配給作業對象。「認知資源」係於注意或辨識等的人活用腦時必要之資源。就人而言係每個人皆具有特定資源量之認知資源。 人藉由將認知資源分配給智慧作業而進行該智慧作業。可藉由將較多資源量之認知資源分配給智慧作業而於短期間進行智慧作業。即，分配較多資源量之認知資源之狀態可稱為「深入集中」。 於本說明書中，將認知資源之分配方式定義為「集中深度」。「集中深度」表示人之集中程度，係集中之質相關之評價指標。 圖2係顯示人之認知資源之分配方式與人之集中深度之關係的圖。如圖2所示，於深入集中時，將一定資源量中之較多認知資源分配給作業。於淺層集中時，將一定資源量中之少於深入集中之認知資源分配給作業。 圖3係顯示考慮人之集中深度之集中模型之狀態轉變圖。 於圖3所示之集中模型中，「集中狀態」係將認知資源分配給作業對象之狀態，係「短期中斷狀態」與「作業狀態」混合之狀態。此處，「短期中斷狀態」係雖對作業對象關注注意但無意識地中斷作業之狀態，產生所謂之阻礙(Blocking)之狀態。「作業狀態」係對作業對象關注注意，且實際上作業進行之狀態。 「非集中狀態」係不將認知資源分配給作業對象而意圖休息之狀態，具體而言係「長期休息狀態」。「長期休息狀態」係對作業對象未關注注意而因疲勞等有意識地中斷作業之狀態。 如圖3所示，集中狀態根據集中深度階段性地包含複數種集中狀態。具體而言，集中狀態將集中依深度依序包含第1名集中、第2名集中、第3名集中、……第n名集中等n個集中狀態。另，n為2以上之自然數。 集中模型中，包含第1名集中及第2名集中等各集中狀態、以及非集中狀態之複數個狀態以一定之轉變率轉變。具體而言，集中模型形成各個轉變概率固定之馬爾可夫模型。於圖3中，複數個狀態間連接之雙向箭頭表示狀態轉變。 「第1名集中」係幾乎將所有之認知資源分配給作業對象之狀態。第1名集中係受驗者2可取之集中狀態中之最深之集中狀態。即，第1名集中係深於第2名集中之集中狀態。第1名集中相當於不會被周邊環境及疲勞感等之作業對象以外之要素奪取注意之狀態。例如，於受驗者2有意集中意識而投入作業之情形時，受驗者2為第1名集中狀態。 「第2名集中」係將認知資源之一部分分配給作業對象以外之狀態。第2名集中係受驗者2可取之集中狀態中之第2深之集中狀態。即，第2名集中係淺於第1名集中，但深於除第1名集中外其他所有集中狀態的集中狀態。第2名集中係會被若干干擾奪取注意之狀態、或有意限制用於作業對象之認知資源之狀態。 第1名集中及第2名集中分別係作業狀態與短期中斷狀態混合之狀態。具體而言，於各個集中狀態中，形成作業狀態與短期中斷狀態以一定之轉變概率轉變之馬爾可夫模型。 如圖3所示，於第1名集中時，將反復短期中斷狀態之概率顯示為p1 ，將自短期中斷狀態轉變為作業狀態之概率顯示為1-p1 、將自作業狀態轉變為短期中斷狀態之概率顯示為q1 、將反復作業狀態之概率顯示且1-q1 。關於第2名集中及其他之集中狀態亦同樣。 另，於圖3所示之第3名集中、及淺於此之集中狀態中，表示幾乎未將認知資源分配給作業對象，對作業之意識散漫且被干擾奪取注意之狀態。該等可視為與長期休息狀態實質上同等。本實施形態之智慧生產性評價系統1使用集中狀態僅包含第1名集中與第2名集中之集中模型。 [構成] 接著，對本實施形態之智慧生產性評價系統1之構成進行說明。 於本實施形態中，操作終端10、資料收集裝置20及智慧生產性評價裝置30之各者係相互獨立構成之專用裝置或通用之電腦。通用之電腦係例如筆記型或桌上型電腦、平板終端、智慧型手機、遊戲機等。如圖1所示，資料收集裝置20與操作終端10及智慧生產性評價裝置30各者以經由無線或有線之通信網路連接，且可進行資訊之收發。 另，智慧生產性評價系統1可以一體化之1個電腦實現。例如，可以1個平板終端或智慧型手機等實現操作終端10、資料收集裝置20及智慧生產性評價裝置30各者之功能。 於以下，對操作終端10、資料收集裝置20及智慧生產性評價裝置30各者之功能構成，使用圖4進行說明。圖4係顯示本實施形態之智慧生產性評價系統1之功能構成之方塊圖。 [操作終端] 操作終端10係用以使受驗者2進行智慧作業之終端。具體而言，操作終端10向受驗者2提示複數個問題，並受理對提示問題之解答輸入。如圖4所示，操作終端10具備：顯示部11、與輸入部12。又，雖未圖示，操作終端10具備用以與資料收集裝置20進行通信之通信部。通信部係例如於與資料收發裝置20之間進行無線通信。 顯示部11向受驗者2提示複數個問題。具體而言，顯示部11依序逐一顯示複數個問題。藉此，每個問題之解答時間之計測(細節於下文敍述)變得容易。顯示部11取得自資料收集裝置20發送之問題，並顯示取得之問題。顯示部11係例如液晶顯示裝置或有機EL(Electroluminesence：電致發光)顯示裝置等，但不限定於此。 另，顯示部11可統一顯示複數個問題。於該情形時，將統一顯示至受理到最初解答之時間設為最初之問題解答時間，以後只要將上一次解答起至受理到下一次解答之時間設為解答時間予以計測即可。 輸入部12受理來自受驗者2之解答。例如，輸入部12以觸控感測器或實體按鈕等實現。例如，顯示部11及輸入部12以觸控面板顯示器實現。輸入部12將受理到之解答發送至資料收集裝置20。 於本實施形態中，複數個問題係難易度相同，且為了解答需要辦公作業中使用之能力的問題。具體而言，複數個問題各者係需要語言處理能力、數字處理能力及比較判斷能力等之問題。 圖5係顯示於本實施形態之智慧生產性評價系統1中，受驗者2解答之問題41之一例的圖。如圖5所示，於操作終端10之顯示部11顯示有包含問題41與解答按鈕群42之問題畫面40。 問題41係例如比較問題。具體而言，比較問題係解答2個詞彙涵義類別之異同、及2個數字之大小之正誤組合的問題。於圖5所示之問題41中，作為2個詞彙顯示「犬」與「勺子」，作為2個數字顯示「5728」與「5479」。再者，於2個數字之間顯示有不等號「＜」。 於解答按鈕群42包含有受驗者2可操作之4個按鈕42a～42d。4個按鈕42a～42d各自為相對於問題41之解答之選項。於圖5所示之例中，4個按鈕42a～42d係2列×2行地排列而配置。於各列顯示有「正確」及「錯誤」之標頭資訊，可選擇2個數字間所示之不等號是「正確」還是「錯誤」。於各行顯示有「相同」及「不同」之標頭資訊，可選擇2個詞彙之涵義類別是「相同」還是「不同」。 例如，於圖5所示之問題41中，「犬」與「勺子」類別不同，且不等號錯誤。因此，按鈕42d為正確之解答。另，問題畫面40之顯示例不限定於圖5所示之例。 於本實施形態中，由操作終端10之顯示部11顯示問題，但不限定於此。操作終端10亦可具備揚聲器等聲音輸出部，藉由朗讀問題而提示給受驗者2。同樣地，操作終端10又可具備麥克風等集音部，藉由取得受驗者2發出之聲音等取得受驗者2之問題之解答。藉此，可以眼睛或手不便利之人為受驗者2，可評價各個類型的人之集中深度。 [資料收集裝置] 資料收集裝置20係取得受驗者2解答問題所需之時間即解答時間之裝置。資料收集裝置20如圖4所示具備：記憶部21、提示控制部22、及時間計測部23。 記憶部21係用於記憶問題資訊24與解答結果資訊25之記憶體。記憶部21例如以HDD(Hard Disk Drive：硬碟驅動器)或快閃記憶體等非揮發性記憶體實現。 問題資訊24係將複數個問題與其正確解答建立對應而顯示之資訊。 解答結果資訊25係顯示每個問題之解答時間之資訊。解答結果資訊25可將解答時間、與針對問題之解答是否正確建立對應。另，由於問題之難易度相同，故亦可不將問題與解答時間建立對應，解答結果資訊25可僅顯示解答時間。 提示控制部22進行用以向受驗者2提示複數個問題之控制。具體而言，提示控制部22自記憶部21讀出問題資訊24，並基於讀出之問題資訊24產生問題畫面40。提示控制部22使產生之問題畫面40，顯示於操作終端10之顯示部11。 提示控制部22以複數個問題為1組，於每當獲得問題之解答時，逐一將問題顯示於顯示部11。包含於1組之問題之個數係例如100～1000個，但無特別限定。 時間計測部23係例如計時器，計測每個問題之解答時間。具體而言，時間計測部23自操作終端10之輸入部12，接收表示由受驗者2選擇之按鈕之解答資訊。時間計測部23將提示控制部22發送問題畫面40起，至接收到解答資訊之期間作為解答時間予以計測。此時，時間計測部23可修正操作終端10與資料收集裝置20之間之通信所需之時間。 另，操作終端10可具備時間計測部23。例如，操作終端10具備之時間計測部23將問題畫面40顯示於顯示部11起至解答之選擇項即4個按鈕42a～42d之任一者被按壓之時間作為解答時間計測。藉此，由於可忽略操作終端10與資料收集裝置20之間之通信所需之時間之影響，故解答時間之計測精度提高。 [智慧生產性評價裝置] 智慧生產性評價裝置30評價受驗者2之智慧生產性。具體而言，智慧生產性評價裝置30評價受驗者2進行智慧作業之期間之集中深度。如圖4所示，智慧生產性評價裝置30具備：取得部31、評價部32及輸出部33。 取得部31取得解答時間之集合，即解答時間資料。解答時間係要求以對複數個問題之解答作業為智慧作業之受驗者2對複數個問題各者之解答所需之時間。即，取得部31取得每個問題之解答時間。於本實施形態中，取得部31取得記憶於資料收集裝置20之記憶部21之解答結果資訊25。 評價部32基於圖3中所示之集中模型，使用由取得部31取得之解答時間之集合，算出集中狀態之受驗者2之集中深度相關之評價值。具體而言，評價部32算出受驗者2為第1名集中狀態之第1名集中時間T1佔受驗者2為集中狀態之集中時間T'之比例作為評價值。 如上所述，於本實施形態中，集中狀態僅包含第1名集中與第2名集中之2個。因此，集中時間T'係第1名集中時間T1與受驗者2為第2名集中之第2名集中時間T2之合計。 此處，評價部32算出之評價值記載為CDI(Concentration Depth Index：集中深度指標)。CDI係表示集中深度之指標，依以下之(式1)表示。 [數1](式1)中所示之CDI係表示第1名集中佔整個集中時間之主導率之值。CDI越大，意指深度集中之比例越大。即，可知於CDI較大之環境中，受驗者2可更深入集中，從而可獲得作業效率上升，作業時間縮短化等效果。 評價部32算出之評價值可不僅為CDI。評價部32亦可算出MCTR (Multi-Concentration Time Ratio：多集中時間比)作為其他之評價值。MCTR以解答複數個問題之全部所需之時間，即，總解答時間T中之集中時間T'表示。總解答時間T係受驗者2進行智慧作業之時間，相當於整個計測時間，即作業時間。MCTR依以下之(式2)表示。 [數2](式2)中所示之MCTR表示整個作業時間中於第1名集中與第2名集中間轉變之時間之合計所佔的比例。MCTR越大，意指整個中之集中時間之比例越大。即，可知於MCTR較大之環境中，受驗者2可更長時間地集中，從而可獲得作業效率上升，作業時間縮短化等效果。 又，關於細節於下文進行說明，但於算出MCTR時，進行集中深度之分析。即，由於MCTR係評價集中深度，故可以受驗者2之多種狀態為對象地表示集中時間之比例。 另，即使於集中狀態包含第3名集中及較其更淺之集中之情形時，亦以上述之(式1)及(式2)表示CDI及MCTR。或，評價部32亦可算出將上述(式1)之分母及(式2)之分子設為T1 +T2 +T3 ……之值作為另外之評價值。 於本實施形態中，如圖4所示，評價部32具備：分佈產生部34、適用部35及算出部36。 分佈產生部34使用解答時間之集合產生表示每個解答時間之解答數之解答時間分佈。解答時間分佈係例如如圖6所示將解答時間分割成複數個區間，並以每個區間所含之解答數為解答頻率之解答時間柱狀圖。 圖6係顯示解答時間柱狀圖與第1名集中及第2名集中各自對應之對數正規分佈之圖。於圖6中，橫軸係解答時間之對數，縱軸係解答頻率。 於圖6中，圖式將解答時間分割成複數個區間，並以每個區間所含之解答數為解答頻率之解答時間柱狀圖。另，圖6所示之解答時間柱狀圖係分佈產生部34產生之解答時間分佈之一例。 受驗者2越集中解答時間越短。大約1.5秒～3秒範圍之解答相當於第1名集中，大約3秒～5秒範圍之解答相當於第2名集中。需要多於5秒之時間之解答係第3名集中或較其更淺之集中、或非集中狀態之解答。 如圖6所示，於解答時間較短之部分可見2個峰值。於本實施形態之集中模型中，形成轉變概率固定之馬爾可夫模型。因此，以第1名集中之對數正規分佈使2個峰值中之解答時間較短之第1峰值近似。以第2名集中之對數正規分佈使2個峰值中之解答時間較長之第2峰值近似。 於本實施形態中，分佈產生部34將解答時間之累積分佈作為解答時間分佈產生。具體而言，分佈產生部34藉由將解答時間之集合以解答時間之升序排列而平順化，而將以對解答時間之累積解答數表示之分佈作為解答時間分佈產生。藉此，可抑制因柱狀圖之區間寬度所致之近似精度之降低。關於細節於下文進行說明。 適用部35對解答時間分佈應用第1名集中所對應之對數正規分佈之分佈函數即第1名集中曲線F1 、與第2名集中所對應之對數正規分佈之分佈函數即第2名集中曲線F2 。具體而言，適用部35對解答時間分佈中之短於第1閾值Th1之解答時間之第1部分集合應用第1名集中曲線F1 。適用部35進而對解答時間分佈中之除第1部分集合外之部分集合中之短於第2閾值Th2之解答時間的第2部分集合應用第2名集中曲線F2 。 此處，第1名集中曲線F1 係第1名集中所對應之對數正規分佈之累積分佈函數。第2名集中曲線F2 係第2名集中所對應之對數正規分佈之累積分佈函數。累積分佈函數使用3個參數(μ、σ、p)，依以下之(式3)及(式4)定義。 [數3]第1名集中曲線F1 可使用參數(μ1 、σ1 、p1 )表示。第2名集中曲線F2 可使用參數(μ2 、σ2 、p2 )表示。 圖7係顯示於圖6所示之解答時間柱狀圖中對數正規分佈之近似之圖。如圖7所示，適用部35以解答時間短於閾值Th之解答時間之部分集合為對象而非以解答時間之整個集合為對象，進行對數正規分佈之近似。藉此，決定近似曲線，即集中曲線之參數。第1名集中曲線及第2名集中曲線皆同樣。閾值Th係用以削減成為近似對象之資料之資料削減閾值。另，資料削減閾值即閾值Th依以下之(式5)表示。 [數4]具體而言，適用部35一面使資料削減閾值變化一面進行近似。例如，如圖7所示，首先，適用部35算出基於初期之閾值Th0 之近似曲線，並算出近似曲線與對象資料之間之均方根誤差。適用部35藉由以將均方根誤差極小化之方式使資料削減閾值變化而算出最佳化之近似曲線。 另，於本實施形態中，由於分佈產生部34將累積分佈作為解答時間分佈產生，故適用部35對累積分佈進行近似。關於細節於下文進行說明。 算出部36基於第1名集中曲線F1 及第2名集中曲線F2 算出第1名集中時間T1 及第2名集中時間T2 。第1名集中時間T1 係第1名集中時處理之解答數N1 及解答時間期待值E1 之積。第2名集中時間T2 係第2名集中時處理之解答數N2 及解答時間期待值E2 之積。 分佈產生部34、適用部35及算出部36各者之詳細處理係一面列舉解答時間之集合之一例一面於下文進行說明。 輸出部33輸出表示由評價部32算出之評價值之評價值資訊。例如，輸出部33可將評價值資訊輸出至機器40。機器40之控制部基於評價值資訊決定機器40之控制內容，並以決定之控制內容控制機器40。例如，機器40之控制部將評價值與控制內容建立對應之對應資訊保持於記憶體等。控制部藉由自記憶體讀出並參照對應資訊而決定對應於評價值之控制內容。例如，機器40於評價值較低之情形時，以使機器40形成可提高評價值之周圍環境之方式動作。 另，輸出部33基於評價值資訊決定機器40之控制內容，並輸出用以使機器40以決定之控制內容動作之控制信號。即，智慧生產性評價裝置30可為機器40之控制裝置。 此處，機器40係控制受驗者2之周圍環境之機器。例如，如圖1所示，機器40係空調等空氣調整機器。機器40調整受驗者2所待之空間之溫度或濕度。或，機器40調整放出至受驗者2及其周邊之氣流之風量及風向等。作為提高評價值之控制內容係例如降低空間之溫度、或放出如碰及受驗者2之氣流等，但並不限定於此。 機器40可為調整受驗者2所待之空間之亮度之照明機器。機器40調整出射之光之量及顏色等。作為提高評價值之控制內容有例如提高照射空間之光之色溫、或提亮空間之亮度等，但並不限定於此。 又，機器40可為輸出音樂等之揚聲器等。另，揚聲器可具有雜訊消除功能。作為提高評價值之控制內容例如以使受驗者2不易聽見噪音之方式執行雜訊消除，但不限定於此。 機器40可為香薰噴霧器等向受驗者2所待之空間放出香味物質之機器。或，機器40亦可為放出奈米等之離子物質之機器。作為提高評價值之控制內容係例如放出如薄荷之具有冷刺激之香味物質，但不限定於此。 又，機器40亦可為調整受驗者2所待之空間之空氣品質之量(或空氣品質指數)之機器。空氣品質係例如二氧化碳或粉塵等。或，機器40亦可為例如調整受驗者2所待之空間之顆粒狀物質之量之機器。顆粒狀物質係例如PM(Particulate Matter)2.5或PM10等。機器40具體而言可為空氣清淨機或換氣裝置等。作為提高評價值之控制內容係例如由換氣減少二氧化碳濃度或PM2.5等，但不限定於此。 或，輸出部33可為例如顯示器，顯示評價值之一例即CDI或MCTR。此時，輸出部33可合併顯示分佈產生部34產生之解答時間分佈等。或，輸出部33亦可為揚聲器，可將CDI或MCTR作為聲音輸出。 或，輸出部33可與操作終端10通信。例如，輸出部33可藉由將CDI或MCTR發送至操作終端10而使CDI或MCTR顯示於操作終端10之顯示部11。 例如，輸出部33除CDI及/或MCTR等最終評價值以外，還可將評價值之算出過程中產生之參數(μ、σ、p)、及中間指標(具體而言係T1 、T2 、E1 、E2 等)之一覽輸出為CSV(Comma Separated Values：逗號分隔值)文檔。又，輸出部33可將分佈產生部34產生之柱狀圖等輸出為圖資料。另，輸出文檔形式並非限定於此者。 [動作(智慧生產性評價方法)] 接著，對本實施形態之智慧生產性評價系統1之動作，即智慧生產性評價方法一面列舉具體例一面進行說明。本實施形態之智慧生產性評價方法包含：第1步驟，其使受驗者2進行智慧作業並取得解答時間資料；及第2步驟，其使用解答時間資料，算出受驗者2之集中深度相關之評價值。 另，使受驗者2以充分熟習之狀態進行解答作業。具體而言，使受驗者2以充分熟練操作終端10之操作，且熟練問題之表現形式及解答樣式之狀態進行用以測定智慧生產性之解答作業。 [解答時間資料之取得] 首先，對取得解答時間之集合之第1步驟，使用圖8進行說明。圖8係顯示於本實施形態之智慧生產性評價系統1中取得解答時間資料之方法的流程圖。 首先，操作終端10向受驗者2提示問題(S10)。具體而言，資料收集裝置20之提示控制部22自記憶部21讀出問題資訊24，產生包含1個問題41之問題畫面40，並將產生之問題畫面40發送至操作終端10。於操作終端10中，接收自提示控制部22發送之問題畫面40，並由顯示部11顯示問題畫面40。 於提示問題後，操作終端10待機至輸入部12受理到來自受驗者2之解答輸入(S12否(No))。於輸入部12受理到來自受驗者2之解答輸入之情形(S12是(Yes))，即選擇按鈕42a～42d之任一者之情形時，時間計測部23算出解答時間(S14)。具體而言，輸入部12將表示所選擇按鈕之解答資訊發送至時間計測部23。時間計測部23算出提示控制部22發送問題畫面40起至時間計測部23接收到解答資訊之時間作為對該問題之解答時間。算出之解答時間作為解答結果資訊25記憶於記憶部21。 另，此時，於接收到之解答為錯誤解答之情形時，提示控制部22使錯誤解答之意旨顯示於操作終端10之顯示部11，藉此催促受驗者2再次輸入解答。時間計測部23算出提示控制部22發送問題畫面40起至時間計測部23接收到正確解答之時間作為解答時間。又，時間計測部23可於解答時間之算出中修正通信所需之時間。 於受驗者2對複數個問題之解答作業結束之前(S16否)，返回步驟S10而反復問題之提示。具體而言，反復問題之提示及對問題之解答直至受理到預定之1組問題之提示及問題之解答。或，亦可於解答作業開始起至經過預定之時間反復問題之提示及對問題之解答。另，可根據受驗者2之指示結束對複數個問題之解答作業。 [評價值之算出] 接著，對使用解答時間資料算出受驗者2之集中深度相關之評價值，具體而言係算出CDI的第2步驟使用圖9進行說明。圖9係顯示於本實施形態之智慧生產性評價系統1中基於解答時間資料算出評價值之方法的流程圖。 首先，分佈產生部34產生解答時間分佈(S20)。於本實施形態中，分佈產生部34使用解答時間之集合，產生解答時間之累積分佈作為解答時間分佈。具體而言，分佈產生部34如圖10所示，於以升序重新排列解答時間後，藉由5點移動平均進行平滑化而產生解答時間之累積分佈。 此處，圖10係顯示解答時間資料之重新排列之圖。圖10(a)係顯示重新排列前之解答時間資料，(b)係顯示重新排列後之解答時間資料Fsample 。於圖10(a)及(b)中分別係橫軸表示解答時間，縱軸表示累積解答數。 另，移動平均之平均化之個數不限定於5個點，亦可為3個點或10個點等。又，平滑化之方法亦不限定於移動平均。 接著，適用部35藉由進行第1名集中曲線F1 之適用而進行第1名集中之解析(S22)。於本實施形態中，對圖10(b)所示之解答時間之累積分佈進行近似。對於近似，利用例如最陡下降法。將近似對象與累積分佈函數之均方根誤差設定為目標函數，並以使該目標函數極小化之方式進行累積分佈函數之3個參數(μ、σ、p)之最佳化。 具體而言，如圖11所示，適用部35基於(式3)～(式5)，以解答時間資料中解答時間短於第1閾值Th1者為對象，進行對數正規分佈之第1名集中曲線F1 之適用。藉此，決定第1名集中曲線F1 之參數(μ1 、σ1 、p1 )。 另，圖11係顯示相對於重新排列之解答時間資料之累積分佈函數之近似之圖。圖11(a)係表示初期值之第1名集中曲線F1 ，(b)係顯示最佳化後之第1名集中曲線F1 。 接著，適用部35藉由進行第2名集中曲線F2 之適用，進行第2名集中之解析(S24)。具體而言，首先，如圖12所示，藉由將第1名集中之解答時間之部分集合自解答時間資料Fsample 排除，而產生差分解答時間資料Fmargin 。另，圖12係用於說明自解答時間資料Fsample 排除第1名集中對應之解答時間之部分集合之方法的圖。 例如，分佈產生部34藉由自解答時間資料Fsample 之各點減去第1名集中曲線F1 對應之值，而產生差分資料。分佈產生部34藉由將差分資料按升序重新排列而平滑化，而產生差分解答時間資料Fmargin 。差分解答時間資料Fmargin 係由於將第1名集中對應之解答時間之部分集合排除，故相當於最深之集中狀態表示第2名集中之資料。適用部35基於與第1名集中之情形相同之方法，決定第2名集中曲線F2 之參數(μ2 、σ2 、p2 )。 另，第1名集中曲線F1 之參數p1 及第2名集中曲線F2 之參數p2 ，分別相當於第1名集中時處理之解答數、及第2名集中時處理之解答數。然而，如圖13之以粗虛線包圍之區域所示，於第1名集中曲線F1 存在未必被近似之部分。因此，自第1名集中曲線F1 及第2名集中曲線F2 直接算出之解答數p1 及p2 有不符合實際解答之可能性。另，圖13係用於說明第1名集中及第2名集中複合之問題之圖。圖13將圖11之(b)所示之區域XIII放大顯示。 因此，評價部32解析解答分配(S26)。具體而言，評價部32藉由再次比對步驟S22中獲得之第1名集中曲線F1 之參數(μ1 、σ1 、p1 )、及步驟S24中獲得之第2名集中曲線F2 之參數(μ2 、σ2 、p2 )、與實際解答時間資料Fsample 而算出以第1名集中處理之解答數N1 與以第2名集中處理之解答數N2 。 更具體而言，首先，將以第1名集中及第2名集中之任一者處理之解答之合計設為P。P係第1名集中曲線F1 之p1 與第2名集中曲線F2 之p2 之合計。即，P=p1 +p2 。 適用部35將合成第1名集中曲線F1 與第2名集中曲線F2 之集中複合曲線Fsum (=F1 (μ1 , σ1 , N1 )+F2(μ2 , σ2 , N2 ))應用於解答時間分佈之短於第2閾值Th2之解答時間之部分集合。具體而言，適用部35以短於第2閾值Th2之解答時間之部分集合為對象算出集中複合曲線Fsum 與解答時間資料之均方根誤差ε(N1 , N2 )。另，此時，解答數N1 及N2 以[]為高斯記號滿足N1 +N2 =[P]、N1 ≧0、N2 ≧0。又，第2閾值Th2係將第2名集中曲線F2之參數μ2 及σ2 代入(式5)者。 圖14係用以說明第1名集中與第2名集中之處理問題數之決定方法之圖。於圖14以實線顯示解答時間資料Fsample ，以虛線顯示2條集中複合曲線Fsum1 及Fsum2 。 集中複合曲線Fsum1 係將以第1名集中及第2名集中之任一者處理之解答之全部以第1名集中處理，即假定N1 =P時之集中複合曲線Fsum 。集中複合曲線Fsum2 係將以第1名集中及第2名集中之任一者處理之解答之全部以第2名集中處理，即假定N2 =P時之集中複合曲線Fsum 。適用部35於Fsum1 與Fsum2 之間決定最佳之集中複合曲線Fsum 。 具體而言，適用部35決定將均方根誤差ε(N1 , N2 )極小化之曲線，並算出此時之N1 及N2 之值。圖15係顯示將第1名集中與第2名集中之處理問題數最佳化之例之圖。如圖15所示，第1名集中曲線F1 之參數p1 及第2名集中曲線F2 之參數p2 係分別因解答數之調整而被置換成N1 及N2 。 接著，算出部36算出集中深度相關之評價值(S28)。具體而言，算出部36首先基於以下之(式6)及(式7)算出第1名集中之解答時間之期待值E1 及第1名集中時間T1 、以及第2名集中之解答時間之期待值E2 及第2名集中時間T2 。 [數5]藉此，由於算出第1名集中時間T1 及第2名集中時間T2 ，故算出部36可基於(式1)或(式2)算出CDI或MCTR等集中深度相關之評價值。隨後，將算出之評價值藉由輸出部33輸出(S30)。 [效果等] 如以上般，本實施形態之智慧生產性評價裝置30具備：取得部31，其取得要求以對複數個問題之解答為智慧作業之受驗者2對複數個問題各者之解答所需之時間即解答時間之集合；及評價部32，其基於受驗者2進行智慧作業時處於集中狀態與非集中狀態之哪種狀態之模型，使用由取得部31取得之解答時間之集合，並算出集中狀態之受驗者2之集中深度相關之評價值；及輸出部33，其輸出表示由評價部32算出之評價值之評價值資訊。 藉此，智慧生產性評價裝置30可支援機器40動作之效率化。 具體而言，由於智慧生產性評價裝置30算出集中狀態之集中深度相關之評價值，故可客觀且定量地評價集中之質。由於可客觀且定量地評價集中之質，故智慧生產性評價裝置30例如可用於辦公環境之改善。具體而言，智慧生產性評價裝置30可算出複數個環境各自之智慧生產性之評價值，並客觀且定量地評價何種環境為能深入集中之環境。 因此，藉由以智慧生產性評價裝置30形成評價為可深入集中之環境之方式使機器40動作，可使得作業效率提高，而實現作業時間之縮短化。因此，促進作業者及辦公者之準時下班或提前下班等，作為結果，關係到照明機器及空調機器之運轉時間之縮短化，關係到能耗之削減。如此，本實施形態之智慧生產性評價裝置30可藉由基於評價值資訊控制機器40而支援機器40之有效動作。因此，例如辦公室中進行之服務業，更不用說是工業等其他產業，亦可支援作業之效率化。 另，複數個環境例如可根據對作業者之動機之有無、及溫熱之調整等而形成。溫熱例如可藉由空調機器等之動作條件調整。 又，例如，集中狀態包含作業狀態與短期中斷狀態混合之狀態即第1名集中、與作業狀態與短期中斷狀態混合之狀態、且淺於第1名集中之集中即第2名集中。評價部32算出受驗者2為第1名集中狀態之第1名集中時間T1 佔受驗者2為集中狀態之集中時間之比例作為評價值。 藉此，即使集中時間相同，亦可掌握是集中較深之狀態，還是集中較淺之狀態。 例如，將即使集中時間相同，集中之深度亦不同時之解答時間柱狀圖之一例顯示於圖16A及圖16B。圖16A係顯示第1名集中佔主導之柱狀圖之一例，顯示CDI大於50%之情形。圖16B係顯示第2名集中佔主導之柱狀圖之一例，顯示CDI小於50%之情形。 如比較圖16A及圖16B可知，CDI越高，解答時間越短解答數越多，可對作業深入集中。即，可藉由評價集中之深度掌握作業速度之大小、及作業內容之程度等。 又，例如，集中時間T'係第1名集中時間T1 、與受驗者2為第2名集中狀態之第2名集中時間T2 之合計。 藉此，於多數情形時，集中狀態分為第1名集中與第2名集中之2個階段，因而可削減算出評價值所需之處理量，且算出可靠性較高之評價值。因評價值之可靠性提高，環境評價之可靠性亦提高。因此，可以形成適於深入集中之環境、適於長時間持續集中之環境等各別特性所對應之環境之方式支援機器40之有效動作。藉此，可期待各環境中之作業效率化，進而有助於因作業時間之縮短化等帶來之能耗之削減。 又，除環境外，亦可應用於眼藥等藥或補充劑之效果評價。具體而言，可使受驗者2服用補充劑，並評價服用時之集中深度。藉此，可進行補充劑對集中深度之效果之評價。 又，除藥或補充劑外，亦可應用於例如催促休息之機器之集中力恢復效果之評價。具體而言，可藉由使受驗者2使用機器，並於使用之前後評價集中之深度，而評價機器之集中力恢復效果。又，亦可用於集中力之恢復效果更高之機器之設計或改善。 又，除機器之設計或改善外，亦可應用於空間設計。例如，準備溫度或濕度等之熱環境、亮度或色溫等光環境、及聲音環境等至少1者不同之複數個環境，且藉由評價各環境中之受驗者2之集中而可客觀地評價各環境之集中之容易度等。藉此，可以使空間實現評價值較高之環境之方式設計空間。另，環境可包含天花板、牆壁或地板之顏色、或傢具或家電機器之配置等。 又，例如，評價部32具備：分佈產生部34，其使用解答時間之集合，產生表示每個解答時間之解答數之解答時間分佈；適用部35，其對解答時間分佈，應用第1名集中所對應之對數正規分佈之分佈函數即第1名集中曲線F1 與第2名集中所對應之對數正規分佈之分佈函數即第2名集中曲線F2 ；及算出部36，其基於第1名集中曲線F1 及第2名集中曲線F2 ，算出第1名集中時處理之解答數N1 及解答時間之期待值E1 之積作為第1名集中時間T1 ，且算出第2名集中時處理之解答數N2 及解答時間之期待值E2 之積作為第2名集中時間T2 。 藉此，由於可以馬爾可夫模型表示集中模型，故可藉由使用對數正規分佈之近似算出可靠性較高之評價值。 又，例如，適用部35對解答時間分佈之短於第1閾值Th1 之解答時間之第1部分集合應用第1名集中曲線F1 ，對解答時間分佈之除第1部分集中外之部分集合中之短於第2閾值Th2之解答時間之第2部分集合應用第2名集中曲線F2 。 藉此，可藉由對每個集中深度限定對數正規分佈之近似對象資料，而提高近似精度。藉由近似之精度提高，評價值之可靠性亦提高。 又，例如，第1名集中曲線F1 係第1名集中對應之對數正規分佈之累積分佈函數，第2名集中曲線F2 係第2名集中對應之對數正規分佈之累積分佈函數。分佈產生部34藉由將解答時間之集合以解答時間之升序排列而平順化，而將以對解答時間之累積解答數表示之分佈作為解答時間分佈產生。 藉此，藉由對解答時間之累積分佈進行應用，與對解答時間柱狀圖進行應用之情形相比，可抑制因柱狀圖之區間寬度所致之近似精度之降低。 又，例如，本實施形態之智慧生產性評價方法包含以下步驟：取得要求以對複數個問題之解答作業為智慧作業之受驗者2對複數個問題各者之解答所需之時間即解答時間之集合；基於受驗者2進行智慧作業時處於集中狀態與非集中狀態之何種狀態之模型，使用取得之解答時間之集合，算出集中狀態之受驗者2之集中深度相關之評價值。 藉此，由於算出集中狀態之集中深度相關之評價值，故可客觀且定量地評價集中之質。 (變化例) 於上述實施形態中，將MCTR或CDI作為評價值之一例顯示，但評價值亦可為表示集中時間比例之CTR(Concentration Time Ratio：集中時間比例)。CTR係表示總解答時間T中之集中狀態之期間Tc之比例之指標。即，CTR依以下之(式8)表示。 [數6]圖17係模式性顯示本變化例之解答時間柱狀圖之集中狀態與非集中狀態之分佈之一例的圖。於圖17中，橫軸係解答時間之對數，縱軸係解答頻率。另，圖17所示之柱狀圖係例如將圖6所示之柱狀圖模式化者。 如圖17所示，可將柱狀圖應用於2個頻率分佈之重疊者。具體而言，於解答時間較短側之第1頻率分佈90中，使「作業狀態」與「短期中斷狀態」之2個狀態基於轉變概率固定之馬爾可夫模型轉變。因此，第1頻率分佈90相當於例如以(式9)表示之對數正規分佈。 [數7]另，t係每1個問題之解答時間，σ係分佈之標準偏差。μ係以eμ 表示分佈之眾數值時之指數。 另一方面，於解答時間較長側之第2頻率分佈91中，使「作業狀態」、「短期中斷狀態」及「長期休息狀態」之3個狀態隨機轉變。於本變化例中不著眼於集中狀態之深度，集中狀態係「作業狀態」與「短期中斷狀態」之2個狀態，非集中狀態係「長期休息狀態」。 上述之(式8)之期間Tc係依以下之(式10)表示。 [數8]於(式10)中，N係總解答數。 因此，於解答時間之柱狀圖中，導出對數正規分佈(第1頻率分佈91)之近似曲線，並使用該參數μ及σ、以及總解答時間T及總解答數N，可算出集中時間比例CTR。另，於柱狀圖之解答時間較長之側中，由於大多包含「長期休息狀態」，故即使僅利用第1頻率分佈91亦可獲得可靠性充分高之CTR。 於以下，對藉由本變化例獲得之CTR之可靠性之高度，基於實驗結果進行說明。於實驗中，對複數個受驗者2使其等進行複數個次以複數個問題為1組之解答作業。另，使溫度及濕度等熱環境、以及照明之亮度等光環境等受驗者2之作業空間之環境保持固定而進行複數組之解答作業。基於各組獲得之解答時間之資料分別算出解答速度之平均值及CTR。 圖18A係顯示受驗者之作業狀態與解答速度之關係之圖。圖18B係顯示受驗者之狀態與集中時間比例(CTR)之關係之圖。如圖18A及圖18B所示，進行3組，其中2個之組1及組2表示使受驗者2進行通常之解答作業之結果。 組3係藉由於進行解答作業之前教示「接下來進行之今天最後之作業係縮短了10分鐘。因此，請全力集中作業，且正確地解答出問題」而提高受驗者2對解答作業之集中，從而使動機提高而進行。即，組3表示以較組1及組2更期待受驗者2集中之狀況進行之結果。 如圖18A所示，可知於組3中，與組1及組2相比解答速度提高。又，如圖18B所示，於組3中，與組1及組2相比CTR亦提高。藉此，可知CTR精度良好地反應集中程度。 此處，判斷為自圖18A之結果僅確認解答速度亦能推定集中度。然而，解答速度亦因受驗者2之熟習度而提高。 圖19A係顯示受驗者之作業狀態與解答速度之關係之圖。圖19B係顯示受驗者之作業狀態與集中時間比例(CTR)之關係之圖。於圖19A及圖19B中，每天顯示跨及3天時間進行解答作業之結果。 如圖19A所示，解答速度係第2天高於第1天，第3天高於第2天。其係推測為因反復進行解答作業受驗者2已熟習之故。 另一方面，如圖19B所示，不論日期CTR幾乎未變化。即，可知CTR係可將熟習之影響排除，而適當地評價集中狀態。關於上述實施形態之CDI或MCTR亦同樣。 (其他) 以上，對本發明之智慧生產性裝置及智慧生產性評價方法等，基於上述實施形態進行了說明，但本發明並非限定於上述實施形態者。 例如，於上述實施形態中，顯示了藉由利用操作終端10及資料收集裝置20自動地進行問題之提示、受驗者2之解答輸入、及解答時間之計測的例，但並不限定於此。即，智慧生產性評價系統1可不具備操作終端10及資料收集裝置20之至少一者。 例如，亦可藉由向受驗者2提供印有複數個問題之紙、或僅進行複數個問題之顯示之電子紙而進行複數個問題之提示。於該情形時，可利用碼錶等計時機器由受驗者2本人、或監督者等計測每個問題之解答時間，並記錄解答時間資料。 又，例如，於上述實施形態中，於決定第1名集中曲線F1 及第2名集中曲線F2 之參數後，進行解答數之分配分析，但不限定於此。可將第1名集中曲線F1 之參數p1 決定為第1名集中時處理之解答數，將第2名集中曲線F2 之參數p2 決定為第2名集中時處理之解答數。 又，例如，於上述實施形態中，對解答時間之累積分佈應用對數正規分佈之累積分佈函數，但不限定於此。如圖7等所示，亦可對解答時間柱狀圖應用對數正規分佈之概率密度函數，對於解答時間之累積分佈，對數正規分佈之解析方法係只要使用一般者即可。 又，於上述各實施形態中，各構成要素可以專用之硬體構成，或，亦可藉由執行適於各構成要素之軟體程式而實現。各構成要素可藉由CPU(Central Processing Unit：中央處理單元)或處理器等程式執行部讀出並執行記錄於硬碟或半導體記憶體等記錄媒體之軟體程式而實現。 此時，只要處理器可藉由執行程式而實現功能，則其種類無限定。例如，處理器可以包含IC(Integrated Circuit：積體電路)或LSI(Large Scale Integration：大型積體電路)等半導體積體電路之1個或複數個電子電路構成。複數個電子電路可集積於1個晶片，又可設置於複數個晶片。複數個晶片可匯集於1個裝置，亦可為複數個裝置分散而具備。 另，本發明除可作為智慧生產性評價系統實現外，又可作為將智慧生產性評價系統之各構成要素進行之處理作為步驟包含之程式、及記錄該程式之電腦可讀取之DVD(Digital Versatile Disc：數位多功能光碟)等非暫時性記錄媒體實現。程式可預先記錄於記錄媒體，或，亦可經由包含網路等之廣域通信網供給至記錄媒體。 即，上述之包括性或具體之態樣可以系統、裝置、積體電路、電腦程式或電腦可讀取之記錄媒體實現，亦可以系統、裝置、積體電路、電腦程式及記錄媒體之任意組合實現。 又，上述實施形態中說明之裝置間之通信方法並非特別限定者。於裝置間進行無線通信之情形時，無線通信之方式(通信規格)係例如ZigBee(註冊商標)、Bluetooth(藍牙)(註冊商標)、或無線LAN(Local Area Network：區域網路)等近距離無線通信。或，無線通信方式(通信規格)亦可為經由網際網路等廣域通信網路之通信。又，可於裝置間進行有線通信而取代無線通信。有線通信具體而言係電力線傳送通信(PLC：Power Line Communication)或使用有線LAN之通信等。 又，於上述實施形態中，由特定處理部執行之處理可由其他之處理部執行。又，複數個處理之順序可變更，或，複數個處理可並行執行。又，智慧生產性評價系統具備之構成要素之對複數個裝置之分配係一例。例如，可使其他裝置具備一裝置具備之構成要素。又，智慧生產性評價系統可作為單一之裝置實現。 例如，上述實施形態中說明之處理可藉由使用單一之裝置(系統)集中處理而實現，或，亦可藉由使用複數個裝置分散處理而實現。又，執行上述程式之處理器可為單數，亦可為複數。即，可進行集中處理，或，又可進行分散處理。 此外，由熟知本技藝者對各實施形態實施可想到之實施各種變形而獲得之形態，或於不脫離本發明主旨之範圍內對各實施形態之構成要素及功能進行任意組合而實現之形態亦包含於本發明內。
1‧‧‧智慧生產性評價系統
2‧‧‧受驗者
10‧‧‧操作終端
11‧‧‧顯示部
12‧‧‧輸入部
20‧‧‧資料收集裝置
21‧‧‧記憶部
22‧‧‧提示控制部
23‧‧‧時間計測部
24‧‧‧問題資訊
25‧‧‧解答結果資訊
30‧‧‧智慧生產性評價裝置
31‧‧‧取得部
32‧‧‧評價部
33‧‧‧輸出部
34‧‧‧分佈產生部
35‧‧‧適用部
36‧‧‧算出部
40‧‧‧機器
41‧‧‧問題
42‧‧‧解答按鈕群
42a‧‧‧按鈕
42b‧‧‧按鈕
42c‧‧‧按鈕
42d‧‧‧按鈕
90‧‧‧第1頻率分佈
91‧‧‧第2頻率分佈
F1‧‧‧第1名集中曲線
F2‧‧‧第2名集中曲線
Fsample‧‧‧解答時間資料
Fsum‧‧‧集中複合曲線
N1‧‧‧解答數
N2‧‧‧解答數
p‧‧‧參數
p1‧‧‧概率
p2‧‧‧概率
p3‧‧‧概率
q1‧‧‧概率
q2‧‧‧概率
q3‧‧‧概率
1-p1‧‧‧概率
1-p2‧‧‧概率
1-p3‧‧‧概率
1-q1‧‧‧概率
1-q2‧‧‧概率
1-q3‧‧‧概率
S10‧‧‧步驟
S12‧‧‧步驟
S14‧‧‧步驟
S16‧‧‧步驟
S20‧‧‧步驟
S22‧‧‧步驟
S24‧‧‧步驟
S26‧‧‧步驟
S28‧‧‧步驟
S30‧‧‧步驟
Th‧‧‧閾值
XIII‧‧‧區域
μ‧‧‧參數
σ‧‧‧參數
圖1係顯示實施形態之智慧生產性評價系統之構成之圖。 圖2係顯示人之認知資源之分配方式與人之集中深度之關係之圖。 圖3係顯示考慮人之集中深度之集中模型之狀態轉變圖。 圖4係顯示實施形態之智慧生產性評價系統之功能構成之方塊圖。 圖5係顯示於實施形態之智慧生產性評價系統中，受驗者解答之問題之一例之圖。 圖6係顯示解答時間柱狀圖與第1名集中及第2名集中各自對應之對數正規分佈之圖。 圖7係顯示圖6所示之解答時間柱狀圖中對數正規分佈之近似方法之一例之圖。 圖8係顯示實施形態之智慧生產性評價系統中，取得解答時間資料之方法之流程圖。 圖9係顯示實施形態之智慧生產性評價系統中，基於解答時間資料算出評價值之方法之流程圖。 圖10係顯示解答時間資料之重新排列之圖。 圖11係顯示對重新排列之解答時間資料之累積分佈函數之近似的圖。 圖12係用以說明自解答時間資料將第1名集中所對應之解答時間之部分集合排除之方法的圖。 圖13係用以說明第1名集中與第2名集中之複合之問題之圖。 圖14係用以說明第1名集中與第2名集中各自之處理解答數之決定方法之圖。 圖15係顯示將第1名集中與第2名集中各自之處理解答數最佳化之例的圖。 圖16A係顯示第1名集中佔主導之柱狀圖之一例之圖。 圖16B係顯示第2名集中佔主導之柱狀圖之一例之圖。 圖17係模式性顯示實施形態之變化例之解答時間柱狀圖之集中狀態與非集中狀態之分佈之一例的圖。 圖18A係顯示受驗者之作業狀態與解答速度之關係之圖。 圖18B係顯示受驗者之作業狀態與集中時間比例之關係之圖。 圖19A係顯示受驗者之熟習度與解答速度之關係之圖。 圖19B係顯示受驗者之熟習度與集中時間比例之關係之圖。

Claims (8)

  1. 一種智慧生產性評價裝置，其包含： 取得部，其取得被賦予作為智慧作業之對複數個問題之解答作業之受驗者，對上述複數個問題各者之解答所需之時間即解答時間之集合； 評價部，其基於上述受驗者進行上述智慧作業時處於集中狀態與非集中狀態之任一狀態之模式，使用由上述取得部取得之解答時間之集合，算出上述集中狀態中之上述受驗者之集中深度相關之評價值；及 輸出部，其輸出表示由上述評價部算出之評價值之評價值資訊。
  2. 如請求項1之智慧生產性評價裝置，其中 上述集中狀態包含： 第1名集中，其係作業狀態與短期中斷狀態混合之狀態；及 第2名集中，其係作業狀態與短期中斷狀態混合之狀態，且淺於上述第1名集中之集中；且 上述評價部將上述受驗者為上述第1名集中狀態之第1名集中時間，佔上述受驗者為上述集中狀態之集中時間的比例，作為上述評價值算出。
  3. 如請求項2之智慧生產性評價裝置，其中 上述集中時間係上述第1名集中時間、與上述受驗者為上述第2名集中狀態之第2名集中時間的合計。
  4. 如請求項3之智慧生產性評價裝置，其中 上述評價部包含： 分佈產生部，其使用上述解答時間之集合，產生表示每個解答時間之解答數之解答時間分佈； 適用部，其對上述解答時間分佈，適用對應上述第1名集中之對數正規分佈之分佈函數即第1名集中曲線、與對應上述第2名集中之對數正規分佈之分佈函數即第2名集中曲線；及 算出部，其基於上述第1名集中曲線與上述第2名集中曲線，將上述第1名集中時處理之解答數與解答時間之期待值之積，作為上述第1名集中時間而算出，且將上述第2名集中時處理之解答數與解答時間之期待值之積，作為上述第2名集中時間而算出。
  5. 如請求項4之智慧生產性評價裝置，其中 上述適用部對上述解答時間分佈中之短於第1閾值之解答時間之第1部分集合，適用上述第1名集中曲線， 對上述解答時間分佈中之除上述第1部分集合外之部分集合中之短於第2閾值之解答時間的第2部分集合，適用上述第2名集中曲線。
  6. 如請求項4或5之智慧生產性評價裝置，其中 上述第1名集中曲線，係對應上述第1名集中之對數正規分佈之累積分佈函數， 上述第2名集中曲線，係對應上述第2名集中所對應之對數正規分佈之累積分佈函數，且 上述分佈產生部藉由將上述解答時間之集合以解答時間升序排列而平滑化，而產生以相對於解答時間之累積解答數所示之分佈，作為上述解答時間分佈。
  7. 一種智慧生產性評價方法，其包含以下步驟： 取得被賦予作為智慧作業之對複數個問題之解答作業之受驗者，對上述複數個問題各者之解答所需之時間即解答時間之集合； 基於上述受驗者進行上述智慧作業時處於集中狀態與非集中狀態之任一狀態之模式，使用取得之解答時間之集合，算出上述集中狀態之上述受驗者之集中深度相關之評價值；及 輸出表示算出之評價值之評價值資訊。
  8. 一種記錄媒體，其儲存有用於使電腦執行如請求項7之智慧生產性評價方法之程式。
TW107113655A 2017-04-24 2018-04-23 智慧生產性評價裝置及智慧生產性評價方法 TWI661406B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-085369 2017-04-24
JP2017085369 2017-04-24

Publications (2)

Publication Number Publication Date
TW201842482A TW201842482A (zh) 2018-12-01
TWI661406B true TWI661406B (zh) 2019-06-01

Family

ID=63919634

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107113655A TWI661406B (zh) 2017-04-24 2018-04-23 智慧生產性評價裝置及智慧生產性評價方法

Country Status (6)

Country Link
US (1) US11978004B2 (zh)
EP (1) EP3617963A4 (zh)
JP (1) JP6846642B2 (zh)
CN (1) CN110574054B (zh)
TW (1) TWI661406B (zh)
WO (1) WO2018198948A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020105154A1 (ja) * 2018-11-21 2020-05-28 株式会社日立製作所 データ分析システム及びデータ分析方法
JP2020181574A (ja) * 2019-04-24 2020-11-05 株式会社エイチ・ピィ・ピィ・ティ 情報処理装置、情報処理方法及びプログラム
CN112790751B (zh) * 2020-12-29 2022-06-21 福建中科多特健康科技有限公司 一种基于实时心率判断及训练儿童专注力程度的方法、系统和存储设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140379524A1 (en) * 2013-06-20 2014-12-25 Dassault Systemes Shopper Helper
TW201700064A (zh) * 2015-06-17 2017-01-01 Inter Reha Co Ltd 有氧運動輔助裝置
TW201807675A (zh) * 2016-08-30 2018-03-01 遠東科技大學 腦波分析輔助教學系統

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001120522A (ja) 1999-10-26 2001-05-08 Kuresu:Kk 処理能力検査装置
US8165518B2 (en) 2000-10-04 2012-04-24 Knowledge Factor, Inc. Method and system for knowledge assessment using confidence-based measurement
JP3954295B2 (ja) 2000-11-02 2007-08-08 独立行政法人科学技術振興機構 識別・反応計測方法、識別・反応計測プログラムを記録したコンピュータ読み取り可能な記録媒体及び識別・反応計測装置
WO2003081493A1 (fr) 2002-03-22 2003-10-02 Mitsubishi Denki Kabushiki Kaisha Systeme de support d'amelioration du benefice d'exploitation
US20030200043A1 (en) 2002-04-23 2003-10-23 Say -Yee Wen Method for online ranking of test result for an information processing apparatus of an interactive instructional system
US20050053904A1 (en) 2003-08-13 2005-03-10 Jennifer Shephard System and method for on-site cognitive efficacy assessment
JP2005070169A (ja) 2003-08-20 2005-03-17 Kokichi Tanihira 学習支援システム、学習支援プログラム、および学習支援サービスの提供方法
US20050191609A1 (en) 2004-02-14 2005-09-01 Adaptigroup Llc Method and system for improving performance on standardized examinations
JP4635179B2 (ja) 2004-09-24 2011-02-16 独立行政法人情報通信研究機構 認識能力測定装置及び認識能力測定方法
US7295124B2 (en) 2005-02-25 2007-11-13 Diego Guillen Reflex tester and method for measurement
US8081088B2 (en) * 2008-09-11 2011-12-20 Raytheon Company Method and apparatus for apportioning attention to status indicators
JP6187902B2 (ja) 2012-08-31 2017-08-30 パナソニックＩｐマネジメント株式会社 知的生産性分析装置、プログラム
JP6206791B2 (ja) 2012-08-31 2017-10-04 パナソニックＩｐマネジメント株式会社 集中度計測装置、プログラム
JP6395087B2 (ja) * 2014-01-14 2018-09-26 パナソニックＩｐマネジメント株式会社 環境制御システム、制御装置、プログラム
JP5866567B2 (ja) * 2014-05-26 2016-02-17 パナソニックＩｐマネジメント株式会社 集中度の評価装置、プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140379524A1 (en) * 2013-06-20 2014-12-25 Dassault Systemes Shopper Helper
TW201700064A (zh) * 2015-06-17 2017-01-01 Inter Reha Co Ltd 有氧運動輔助裝置
TW201807675A (zh) * 2016-08-30 2018-03-01 遠東科技大學 腦波分析輔助教學系統

Also Published As

Publication number Publication date
EP3617963A1 (en) 2020-03-04
TW201842482A (zh) 2018-12-01
JPWO2018198948A1 (ja) 2020-01-09
CN110574054A (zh) 2019-12-13
US11978004B2 (en) 2024-05-07
JP6846642B2 (ja) 2021-03-24
EP3617963A4 (en) 2020-04-08
CN110574054B (zh) 2023-06-02
US20200143308A1 (en) 2020-05-07
WO2018198948A1 (ja) 2018-11-01

Similar Documents

Publication Publication Date Title
TWI661406B (zh) 智慧生產性評價裝置及智慧生產性評價方法
JP5866567B2 (ja) 集中度の評価装置、プログラム
KR102210908B1 (ko) 인지 훈련을 제공하는 방법, 장치 및 컴퓨터 프로그램
Owen et al. The working alliance in treatment of military adolescents.
Freeman et al. Functional behavioral assessment
US20150099255A1 (en) Adaptive learning environment driven by real-time identification of engagement level
CN108348181A (zh) 用于监测和提高注意力的方法和系统
US10390722B2 (en) Method for quantifying the perceptive faculty of a person
Halfon et al. Parental reflective function and children’s attachment-based mental state talk as predictors of outcome in psychodynamic child psychotherapy.
JP2021191995A (ja) エリア別環境管理システム及び方法とプログラム
KR20200081893A (ko) 신경인지검사 방법 및 이를 구현하는 시스템
Aldino et al. Examining the impact of habit, workload, and work environment to work stress on millennial generations
Petrosko et al. Research suggestions for management, spirituality, religion
JP7209200B2 (ja) 空間提案システム、及び、空間提案方法
JP2018181245A (ja) 生産性判定装置、生産性判定プログラム、及び、生産性判定方法
JP6966363B2 (ja) 推定システム、推定装置及び推定方法
US20210350921A1 (en) System and Method for a Personalized Reminder with Intelligent Self-Monitoring
Nielsen et al. Modeling dynamic functional connectivity using a wishart mixture model
WO2022113276A1 (ja) 情報処理装置、制御方法及び記憶媒体
WO2022259464A1 (ja) 情報処理装置、制御方法及び記憶媒体
Shadwell et al. IQ as an Indicator of Academic Stress, Study Habits, and Academic Success
Bonino et al. Interrater Reliability for a Two-Interval, Observer-Based Procedure for Measuring Hearing in Young Children
RU2671869C1 (ru) Способ и система для определения потенциала развития высших психических функций и навыков человека посредством нейрометрии
WO2022144978A1 (ja) 情報処理装置、制御方法及び記憶媒体
García et al. Living with Haru4Kids: Study on children’s activity and engagement in a family-robot cohabitation scenario