信息处理装置、信息处理方法和程序与流程

1.本技术涉及适用于讲课等的评价的信息处理装置、信息处理方法和程序。


背景技术：

2.在记载在专利文献1中的讲课视频分析装置中，获取对观看讲课视频的听讲者成像的视频。从获取的视频中识别出听讲者对讲课的肯定或否定的反应，并估计听讲者对讲课的理解程度。这旨在用于提高听讲者的理解程度和改善讲课视频的内容。
3.引文列表
4.专利文献
5.专利文献1：日本专利申请公开no.2018-155825


技术实现要素：

6.技术问题
7.需要一种如专利文献1中所述评价讲课等的新技术。
8.鉴于上述情况，本技术的目的是提供一种能够对讲课等进行迄今没有进行过的评价的信息处理装置、信息处理方法和程序。
9.问题的解决方案
10.为了实现上述目的，按照本技术的实施例的信息处理装置包括评价单元。
11.所述评价单元基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评价值，所述教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，所述学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
12.在该信息处理装置中，基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评价值，教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。这使得可以进行迄今没有进行过的评价。
13.所述相关性可以是所述教育者行动信息与作为所述学习者行动信息的第一学习者行动信息和第二学习者行动信息之间的相关性。
14.所述相关性可以是在第一定时的第一学习者行动，在第二定时的所述教育者行动信息和在第三定时的第二学习者行动信息之间的相关性，第二定时是在第一定时之后的定时，而第三定时是在第二定时之后的定时。
15.当所述第一学习者行动信息和所述第二学习者行动信息彼此不同时，所述评价单元可以将所述评价值设定得高于在所述第一学习者行动信息和所述第二学习者行动信息彼此相同的情况下的评价值。
16.当所述第一学习者行动信息和所述第二学习者行动信息彼此不同时，如果所述第二学习者行动信息被设定为比所述第一学习者行动信息更积极的行动信息，则所述评价单
元可以将所述评价值设定得高。
17.当所述第一学习者行动信息和所述第二学习者行动信息彼此不同时，如果所述第二学习者行动信息被设定为比所述第一学习者行动信息更消极的行动信息，则所述评价单元可以将所述评价值设定得高。
18.当所述第一学习者行动信息和所述第二学习者行动信息彼此相同时，所述评价单元可以将所述评价值设定得低于在所述第一学习者行动信息和所述第二学习者行动信息彼此不同的情况下的评价值。
19.所述信息处理装置还可以包括分析单元，所述分析单元将所述教育者的行动分类为多种教育者行动模式中的一种以生成教育者行动信息，将所述学习者的行动分类为多种学习者行动模式中的一种以生成学习者行动信息，并将生成的教育者行动信息和学习者行动信息输出到所述评价单元。
20.所述信息处理装置还可以包括向所述分析单元输出感测结果的传感器单元。在这种情况下，所述分析单元可以基于所述感测结果，分析所述教育者的行动和所述学习者的行动。
21.所述信息处理装置还可以包括基于所述评价值，处理所述感测结果的评价对应处理单元。
22.所述评价对应处理单元可以基于所述评价值编辑所述感测结果。
23.所述信息处理装置还可以包括基于所述评价值处理所述感测结果的评价对应处理单元。
24.所述评价对应处理单元可以基于所述评价值编辑所述感测结果。
25.按照本技术的实施例的信息处理方法是一种由计算机系统执行的信息处理方法，包括基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评价值，所述教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，所述学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
26.按照本技术的实施例的程序使计算机系统执行基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评价值的步骤，所述教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，所述学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
附图说明
27.图1是用于说明评价系统的例子的示意图。
28.图2是表示评价系统的应用例的示意图。
29.图3是表示评价系统和信息处理装置的功能构成例子的方框图。
30.图4是表示生成评价信息的例子的流程图。
31.图5是表示ta和学生在课堂上的发言和行动的表格。
32.图6是用于计算评价值的评价表的例子。
33.图7是表示学生之间的对话的相关性的示意图。
34.图8是表示课堂的部分内容的划分以及各个部分内容的评价值的示意图。
35.图9是表示要记录的部分内容的示意图。
36.图10是表示信息处理装置的硬件构成例子的方框图。
具体实施方式
37.下面，将参考附图说明本技术的实施例。
38.[评价系统]
[0039]
图1是用于说明按照本技术的评价系统的例子的示意图。
[0040]
在按照本技术的评价系统100中，可以进行与教育者(指导者或教师)1和学习者2的教育状况有关的各种评价。
[0041]
例如，如图1中所示，用户3通过使用评价系统100，可以高效并且精确地进行与教育状况有关的各种评价。
[0042]
教育者1包括向学习者2传授教育内容的任何人。当然，要传授的内容不受限制，它包括任何内容。
[0043]
例如，“教育者”包括在学校教书的教师、协助课堂的进展的助教(ta)、指导体育运动等的教练、教导工作的前辈等。另外，“教育者”包括处于教学位置的任何人，比如家庭教师、导师、教授、专家或者指导者。
[0044]
学习者2包括学习教育者1所教的教育内容的任何人。如上所述，由于教育者1所教的教育内容不受限制，因此学习者2学习的内容也不受限制，包括任意内容。
[0045]
例如，“学习者2”包括在学校学习的学生、从事体育运动等的运动员、学习工作的后辈等。另外，“学习者2”包括处于学习位置的任何人，比如受辅导者、学员或者弟子。
[0046]
注意，处于用同一名称称呼的位置的多个人物可以成为教育者1和学习者2。例如，当一名学生教其他学生时，教的学生成为教育者1，而被教的学生成为学习者2。
[0047]
另外，当通过视频等显示教师，并且学生边观看视频等边学习时，也可以将出现在视频中的教师视为教育者1，而将边观看视频边学习的学生视为学习者2。
[0048]
在本公开中，教育状况包括教育者1向学习者2传授教育内容，学习者2学习教育内容的任意状况。例如，教师在学校教室里给学生上课，教练在运动场指导运动员，以及前辈在公司对后辈进行说明。另外，还包括进行教育和学习的任何其他状况，比如讲座、练习、实验、实习和实际技能训练。
[0049]
此外，可以在不限制教育者1的数量和学习者2的数量的情况下进行教育状况。换句话说，可以想到下面说明的各种状况。
[0050]
由一个教育者1和一个学习者2进行的教育状况
[0051]
由一个教育者1和多个学习者2进行的教育状况
[0052]
由多个教育者1和一个学习者2进行的教育状况
[0053]
由多个教育者1和多个学习者2进行的教育状况
[0054]
本技术适用于如上所述的各种形式的教育状况。
[0055]
注意，如果存在多个教育者1，这可以被表述为由具有教师的属性的第一组进行的教育状况。此外，教育者1也可以说是属于具有教师的属性的第一组的人物。
[0056]
类似地，如果存在多个学习者2，这可以被表述为由具有学习者的属性的第二组进行的教育状况。此外，学习者2也可以说是属于具有学习者的属性的第二组的人物。
[0057]
如图1中所示，按照本实施例的评价系统100包括传感器单元、信息处理装置10和用户终端25。
[0058]
传感器单元、信息处理装置10和用户终端25经由有线或无线通信可通信地连接。设备之间的连接形式不受限制，例如，可以使用诸如wifi之类的无线lan通信，或者诸如蓝牙(注册商标)之类的短程无线通信。
[0059]
传感器单元可以检测与教育者1和学习者2相关的各种数据。例如，传感器单元安装在进行教学和学习的环境中，并且通过能够检测在周边产生的声音的麦克风4、能够捕捉周边的图像的摄像机5等来实现。
[0060]
在本实施例中，由传感器单元感测的感测结果包括可以用作可由用户3浏览/观看的内容的数据和用于检测教育者1和学习者2的行动的数据两者。当然，感测结果还包括可以用作内容并且可以用于检测教育者1和学习者2的行动的数据，以及不能用作内容但是可以用于检测教育者1和学习者2的行动的数据。
[0061]
内容的例子包括教育者1和学习者2的教育状况的视频、声音等。
[0062]
用于检测教育者1和学习者2的行动的数据例如包括从学习者2发出的声压、指示教育者1的位置的位置信息等。
[0063]
例如，麦克风4可以检测从教育者1和学习者2发出的声音。此外，摄像机5可以捕捉教育者1和学习者2的面部等的图像以及教育者1和学习者2的行动。此外，摄像机5可以捕捉其中布置摄像机5的诸如教室之类的环境的视频。
[0064]
麦克风4和摄像机5检测的声音、视频等可以用作内容，并且也可以用于检测教育者1和学习者2的行动。当然，本技术不一定局限于麦克风4和摄像机5获得的声音、视频等用作内容并且也用于检测教育者1和学习者2的行动的情况。麦克风4和摄像机5获得的声音、视频等可以只用作内容，或者可以只用于检测教育者1和学习者2的行动。
[0065]
用作传感器单元的具体设备不受限制。例如，作为摄像机5，可以使用诸如数字摄像机、tof(飞行时间)摄像机、立体摄像机、单目摄像机、ir摄像机、偏振摄像机和其他摄像机之类的成像设备。
[0066]
此外，例如，生物传感器、激光测距传感器、接触传感器、超声传感器、lidar(光探测和测距，激光成像探测和测距)、声纳和信标也可以用作传感器单元。
[0067]
这些设备检测到的感测结果可以适当地用作内容和/或用于检测教育者1和学习者2的行动的数据。
[0068]
信息处理装置10包括计算机的构成所需的硬件，例如，诸如cpu或gpu之类的处理器、诸如rom或ram之类的存储器、诸如hdd之类的存储设备等(参见图10)。例如，当cpu将预先记录在rom等中的按照本技术的程序载入ram中并执行该程序时，执行按照本技术的信息处理方法。
[0069]
例如，信息处理装置10可以用诸如个人计算机(pc)之类的任何计算机来实现。当然，可以使用诸如fpga或asic之类的硬件。
[0070]
在本实施例中，cpu执行预定程序，以构成作为功能块的评价信息生成单元。当然，可以使用诸如集成电路(ic)之类的专用硬件来实现功能块。
[0071]
程序例如经由各种记录介质，安装在信息处理装置10中。或者，程序可以由因特网等来安装。
[0072]
记录程序的记录介质的类型等不受限制，可以使用任何计算机可读记录介质。例如，可以使用任何非临时性计算机可读存储介质
[0073]
如图1中所示，信息处理装置10基于教育者行动信息6与学习者行动信息7之间的相关性，设定与教育状况相关的评价值，教育者行动信息6是通过将教育者1的行动分类为多种教育者行动模式中的一种而获得的分类结果，学习者行动信息7是通过将学习者2的行动分类为多种学习者行动模式中的一种而获得的分类结果。
[0074]
教育者1的行动是教育者1在教育状况中的行动，例如包括与课堂相关的教育者1的发言和行动。与课堂相关的教育者1的发言和行动例如包括对所有学习者2的说明，以及针对学习者2的各种行动，比如向包括一个教育者1或多个学习者2的小组的建议(发言)。注意，教育者1的行动不受限制，可以包括不以学习者2为对象的行动。例如，可以包括写板书、指向资料、教育者1之间的对话、移动、教育者1的音量等。
[0075]
学习者的行动是学习者2在教育状况中的行动，例如包括与课堂相关的学习者2的发言和行动。与课堂相关的学习者2的发言和行动例如包括对教育者1的提问、学习者2之间的讨论、讨论的内容、音量、抄写板书或者记笔记的行为等。
[0076]
注意，写板书和发言包括进行写板书和发言的行动，以及板书和发言的内容。
[0077]
此外，教育者和学习者的行动不受限制。例如，这些行动可以包括学习者2安静地听取教育者1的说明，以及教育者1停下来看着学习者2。还可以包括与教育状况无关的行动，比如什么事也不做和睡觉。
[0078]
教育者行动模式和学习者行动模式是预先登记在分析单元13中的教育者1和学习者2的行动的类型。例如，包括对全体的说明、对学习者2的建议、以及移动。
[0079]
教育者行动信息6和学习者行动信息7是分类为教育者行动模式和学习者行动模式中的一个的分类结果。例如，在分析教育者1的诸如在监视器前面发言之类的行动时，该行动被分类为教育者行动模式中的“对全体的说明”。
[0080]
注意，生成教育者行动信息6和学习者行动信息7的方法不受限制。例如，信息处理装置10可以进行机器学习，以区分教育者1和学习者2，使得可以生成教育者行动信息6和学习者行动信息7。
[0081]
例如，可以使用利用深度神经网络(dnn)的机器学习算法。例如，通过使用进行深度学习的人工智能(ai)等，可以提高教育者行动信息6和学习者行动信息7的生成精度。
[0082]
以下，教育者行动信息6和学习者行动信息7可以被称为行动信息。
[0083]
由信息处理装置10生成的评价值8被输出到评价对应处理单元18。
[0084]
关于与教育状况相关的评价值8，基于作为分析单元13的分类结果的教育者行动信息和学习者行动信息之间的相关性，参考预先登记在评价单元16中的评价表，并且如果存在对应的相关性，则将其分数设定为评价值。注意，评价表可以存储在记录单元11中。
[0085]
用户终端25包括用户3可以使用的各种设备。例如，pc、智能电话机等用作用户终端25。用户3可以经由用户终端25访问评价系统100。例如，通过使用用户终端25，用户3可以进行诸如教育状况的评价之类的各种设定，或者可以查看内容。
[0086]
图2是表示评价系统100的应用例的示意图。在图2中所示的例子中，ta 34被表示为教育者1。另外，4名学生35在豆荚(pod)a、b、c和d每一个中被表示为学习者2。
[0087]
在本实施例中，在教室中实现一种在学生35之间针对议题进行讨论并且学生35能
够主动地学习的称为主动学习的课堂形式。
[0088]
ta 34通过向各个豆荚的学生提供建议和促进讨论来帮助学生35。各个豆荚的学生讨论议题并寻求议题的答案。注意，ta 34和学生35包括由多个ta 34组成的小组和由多名学生35组成的小组(豆荚)。换句话说，如果记载的是“ta 34的发言”，则这包括一个ta 34的发言和该ta 34组的发言两者。
[0089]
此外，在图2中，没有表示摄像机和麦克风。在本实施例中，布置有用于获取ta 34的行动和发言的摄像机和麦克风。例如，摄像机设置在进行主动学习的教室的天花板等上，从而获取ta 34的行动。此外，ta 34可以携带麦克风，以获取ta 34的语音。
[0090]
此外，在本实施例中，布置有用于获取学生35的行动和发言的摄像机和麦克风。例如，在每个豆荚中布置有摄像机和麦克风，从而获取学生35的行动和发言。此外，对于各个豆荚，布置有供学生35进行写板书的白板36。此外，布置在各个豆荚中的摄像机可以获取白板36上的板书的内容。
[0091]
此外，在本实施例中，布置有用于显示ta 34在课堂中使用的资料等的监视器37，和ta 34用的桌子38。
[0092]
注意，用于主动学习的器材不受限制。例如，可以在各个豆荚中布置监视器、pc等。
[0093]
图3是表示评价系统100和信息处理装置10的功能构成例子的方框图。
[0094]
在本实施例中，评价系统100包括传感器单元、记录单元11、再现单元12、信息处理装置10、评价对应处理单元18和用户终端25。
[0095]
记录单元11获取并记录从包括麦克风29(31)和摄像机30(32)的传感器单元输出的感测结果。在本实施例中，获取并记录从用于ta 34的麦克风29和摄像机30，以及从用于学生35的麦克风31和摄像机32输出的声音数据和图像数据。
[0096]
注意，在以下的说明中，记录在记录单元11中的声音和视频被称为内容。内容包括由麦克风29和摄像机30获取的声音和俯瞰视频，以及由麦克风31和摄像机32获取的各个豆荚的声音和视频。
[0097]
记录单元11将记录的内容输出到再现单元12。
[0098]
再现单元12可以再现内容。在本实施例中，通过记录单元11输入由麦克风29(31)和摄像机30(32)获取的内容，并且能够再现内容。
[0099]
再现单元12将输入的感测结果输出到分析单元13。
[0100]
信息处理装置10包括分析单元13、评价单元16和评价表db 17。
[0101]
分析单元13包括教育者行动分析单元14和学习者行动分析单元15。
[0102]
教育者行动分析单元14根据从再现单元12输入的感测结果，分析教育者1的行动。在本实施例中，基于感测结果来分析ta 34的行动。例如，基于由麦克风29获取的感测结果来进行语音分析，以分析ta 34对学生35的发言的有无以及发言的内容。此外，例如，基于由摄像机30获取的感测结果进行视频识别，以分析ta 34在教室内的移动。
[0103]
根据分析结果，教育者行动分析单元14基于预先登记在评价表db 17中的教育者行动模式，对教育者1的行动进行分类。
[0104]
教育者行动分析单元14将被分类为教育者行动模式之一的教育者1的行动作为教育者行动信息输出到评价单元16。
[0105]
学习者行动分析单元15根据从再现单元12输入的感测结果，分析学习者2的行动。
在本实施例中，基于感测结果来分析学生35的行动。例如，基于由麦克风31获取的感测结果来进行语音分析，以分析学生35的与课堂相关的发言的有无以及发言的内容。此外，例如，基于由摄像机32获取的感测结果进行视频识别，以分析诸如写板书之类的学生35的行动。
[0106]
根据分析结果，学习者行动分析单元15基于预先登记在评价表db 17中的学习者行动模式，对学习者2的行动进行分类。
[0107]
学习者行动分析单元15将被分类为学习者行动模式之一的学习者2的行动作为学习者行动信息输出到评价单元16。
[0108]
评价单元16基于从分析单元13输出的教育者行动信息和学习者行动信息之间的相关性，设定评价值。
[0109]
在本实施例中，基于在第一定时的第一学习者行动信息，在第二定时的教育者行动信息和在第三定时的第二学习者行动信息之间的相关性来设定评价值，第二定时是在第一定时之后的定时，而第三定时是在第二定时之后的定时。
[0110]
换句话说，在本公开中，例如，教育者1的行动介入学习者2的行动的时间先后顺序是所述相关性。
[0111]
例如，在第一定时的学习者2的对话量，在作为在第一定时之后的定时的第二定时的教育者1的建议，和在作为在第二定时之后的第三定时的学习者2的对话量是所述相关性。
[0112]
也可以说相关性包括当学习者2的行动因教育者1对学习者2的行动而发生变化时的关系。本技术不限于此，相关性可以包括教育者1和学习者2之间的各种关系。例如，教育者1的数量和学习者2的发言量可以被视为相关性。
[0113]
此外，当第一学习者行动信息和第二学习者行动信息彼此不同时，评价单元16将评价值设定得高于当第一学习者行动信息和第二学习者行动信息彼此相同时的评价值。
[0114]
在本实施例中，当第一学习者行动信息和第二学习者行动信息彼此不同并且如果第二学习者行动信息被设定为比第一学习者行动信息更积极的行动信息时，则评价值被设定得较高。例如，当豆荚a的学生35的发言量因ta 34的发言而增加时，向ta 34给予较高的评价值。
[0115]
注意，对行动信息设定的评价值的设定方法不受限制。例如，当关注于教育者1的消极行动信息时，如果第一学习者行动信息和第二学习者行动信息彼此不同，并且如果第二学习者行动信息被设定为比第一学习者行动信息更消极的行动信息，则评价值可被设定得较高。换句话说，基于用户3想要关注的教育者1或学习者2的行动信息来设定评价值的大小。
[0116]
注意，“积极”一般包括使教育状况活跃。例如，它是诸如增加学习者2的发言量的建议之类的行为。此外，“消极”还包括使教育状况不活跃。例如，它是降低学习者2的发言量的行为。本技术不限于此，可以将对教育状况来说期望的行动设定为积极的行动。
[0117]
在本实施例中，通过参考预先登记在评价表db 17中的评价表来设定对应相关性的评价值。相关性的具体例子和评价值的具体例子将参考图6说明。
[0118]
评价表db 17存储用于设定与教育状况相关的评价值的评价表。在本实施例中，存储ta 34的发言和行动所针对的对方、ta 34的教育者行动信息、以及加分(参见图6的a)。此外，存储由ta 34的教育者行动信息触发的各个豆荚的学生35的学习者行动信息的变化的
具体例子以及加分(参见图6的b)。注意，在本实施例中，评价值是加分的总分数。
[0119]
评价对应处理单元18可以基于从评价单元16输入的评价值，执行各种处理。在本实施例中，可以基于评价值，编辑包含用于确认教育状况的内容的感测结果。
[0120]
在本实施例中，评价对应处理单元18包括编辑单元19、记录编辑单元20和通知单元21。
[0121]
基于从评价单元16输入的评价值，编辑单元19对于通过对课堂成像而获得的内容，沿着时间轴生成编辑点。在本实施例中，基于ta 34的教育者行动信息、学生35的学习者行动信息、以及ta 34和学生35的评价值，沿着内容的时间轴在预定时间生成编辑点。
[0122]
例如，编辑单元19基于评价值大幅变动的时间，生成编辑点。
[0123]
另外，编辑单元19平滑夹在编辑点之间的时间带内的内容(以下，称为部分内容)的评价值。例如，当一个部分内容为1分钟内容，并且每10秒计算评价值时，计算出的评价值的平均值被计算为该部分内容的代表性评价值。
[0124]
编辑单元19将各个部分内容和在各个部分内容中计算出的代表性评价值作为内容信息输出到记录编辑单元20。
[0125]
记录编辑单元20基于编辑单元19设定的编辑点，编辑记录在记录单元11中的可以用作内容的感测结果。例如，对于记录在记录单元11中的(可用作内容的)感测结果的代表性评价值较低的部分内容，执行不进行记录的处理。此外，当编辑单元19输出的部分内容的代表性评价值超过阈值时，还可以执行记录部分内容的处理。
[0126]
此外，记录编辑单元20可以增加记录在记录单元11中的部分内容的信息量。
[0127]
信息量通常由内容的数据量定义。例如，信息量可以由单位时间的图像的位数、单位时间的图像的像素数等定义。另外，可以基于灰度值等来定义信息量。
[0128]
例如，通过位速率的增加、分辨率的增加、灰度值的增加、显示格式的变换等，增加要记录的部分内容的信息量。当然，本技术不限于此。
[0129]
注意，记录编辑单元20可以对其代表性评价值不超过阈值的部分内容，即，其代表性评价值较低的部分内容，执行信息量的减少，比如分辨率的降低。此外，可以将信息量减少的部分内容记录在记录单元11中。
[0130]
通知单元21向用户3提出提议。在本实施例中，基于评价值呈现与教育状况相关的提议信息。例如，当针对每个部分内容计算的评价值的平均值低于预定阈值时，可以将指示警告的图像或声音作为提议信息呈现给用户3。此外，例如，可以将能够选择是否记录由记录编辑单元20选择的各个部分内容的按钮等作为提议信息显示在用户终端25的显示器上。
[0131]
此外，通知单元21基于评价值，向ta 34呈现与教育状况相关的指令。例如，当ta 34的评价值低于预定阈值时，可以呈现指示是否向ta 34提出课堂的教学方法的提议信息。换句话说，针对ta 34的课堂的教学方法的提议对应于关于课堂的指令。
[0132]
此外，通知单元21可以将上述提议信息显示在用户终端25的显示单元上。例如，可以生成专用gui，通过该gui，用户能够控制编辑点的位置，或者浏览记录教育状况的内容。在这种情况下，也可以说通知单元21起ui显示控制单元的作用。当然，可以与通知单元21分开地构成ui显示控制单元。
[0133]
用户终端25包括显示单元26和处理单元27。
[0134]
显示单元26包括任意ui设备，例如，诸如投影仪或显示器之类的图像显示设备，诸
如扬声器之类的声音输出设备，或者诸如键盘、开关、指示设备或遥控器之类的操作设备。当然，还包括具有图像显示设备和操作设备两者的功能的设备，比如触摸面板。
[0135]
另外，显示在显示器、触摸面板等上的各种gui可以被看作包含在显示单元26中的元件。
[0136]
处理单元27可以基于用户3输入的指令、从信息处理装置10输入的控制信号等，执行各种处理。例如，执行包括内容的浏览、评价值的确认、与课堂相关的提议等的各种处理。
[0137]
用户3通过经由用户终端25确认由记录编辑单元20选择的部分内容，可以评价教育状况。于是，评价值可以是供用户3评价教育状况的一个指标。此外，评价值也可以是供用户3决定评价教育状况的标准。换句话说，可以说由记录编辑单元20选择的部分内容包括供用户3评价教育状况的有用信息。
[0138]
注意，编辑单元19生成的部分内容本身可以被视为评价。
[0139]
注意，在本实施例中，评价单元16对应于基于教育者行动信息和学习者行动信息之间的相互性，设定与教育状况相关的评价值的评价单元，教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
[0140]
注意，在本实施例中，分析单元13对应于将教育者的行动分类为多种教育者行动模式中的一种以生成教育者行动信息、将学习者的行动分类为多种学习者行动模式中的一种以生成学习者行动信息、并将生成的教育者行动信息和学习者行动信息输出到评价单元的分析单元。
[0141]
注意，在本实施例中，麦克风29(31)和摄像机30(32)对应于向分析单元输出感测结果的传感器单元。
[0142]
注意，在本实施例中，评价对应处理单元18对应于基于评价值处理感测结果的评价对应处理单元。
[0143]
图4是表示设定评价值的例子的流程图。
[0144]
如图4中所示，教育者行动分析单元14根据从麦克风29和摄像机30获取的感测结果，对ta 34的教育者行动信息进行分类(步骤101)。
[0145]
图5是表示ta 34和学生35在课堂上的发言和行动的表格。
[0146]
注意，在本实施例中，ta 34被设定为待评价的对象。换句话说，图6中所示的对象、行动信息、加分等是用于评价ta 34的分数。在评价学生35等时，不同的对象、不同的行动信息、不同的加分等作为评价表被存储。
[0147]
图5的a是表示ta 34在课堂上的发言和行动的表格。将参考图5的a具体说明步骤101的例子。
[0148]
如图5的a中所示，ta 34从0:00到1:30在监视器37前面向全体学生35进行说明。0:00包括课堂开始的时间。当然，本技术不限于此。0:00可以包括当从课堂内的预定时间开始记录时的记录开始时间。
[0149]
ta 34在1:30和2:00之间，从ta 34用桌子38移动到豆荚a(虚线45)。如图5的a中所示，ta 34在2:00和3:30之间停留在豆荚a附近。此外，ta 34在2:30和3:00之间对豆荚a的学生35说话。
[0150]
例如，在2:00和2:30之间，教育者行动分析单元14根据摄像机30获取的信息，分析
ta 34停留在豆荚a，并且分析ta 34没有说话，因为麦克风29无法检测到声压。此外，在2:30和3:00之间，教育者行动分析单元14根据摄像机30获取的信息，分析ta 34停留在豆荚a，并且分析ta 34在说话，因为麦克风29能够检测到声压。
[0151]
例如，如果ta 34停留而没有说话，则ta 34在确认ta 34停留在的豆荚中的讨论的内容。当停留并说话时，ta 34在为ta 34停留在的豆荚中的讨论提供诸如建议之类的帮助。
[0152]
这些分析结果作为ta 34的教育者行动信息被输出到评价单元16。
[0153]
ta 34在3:30和4:00之间，从豆荚a移动到豆荚c(虚线46)。如图5的a中所示，ta 34在4:00和6:00之间停留在豆荚c。注意，由于此时麦克风29没有检测到声压，因此ta 34在豆荚c没有说话。
[0154]
这样，当根据从麦克风29和摄像机30获取的感测结果，ta 34没有停留或说话时，图5的a记载为“无”。
[0155]
ta 34在6:00和6:30之间，从豆荚c移动到豆荚d(虚线47)。如图5的a中所示，ta 34在6:30和10:00之间停留在豆荚c。此外，ta 34在7:00和9:00之间在说话。
[0156]
此外，学习者行动分析单元15根据从麦克风31和摄像机32获取的感测结果，对学生35的学习者行动信息进行分类(步骤102)。例如，从布置在各个豆荚中的摄像机32的视频进行面部识别，并通过学生35的追踪、姿态估计等来掌握学生35的行动。此外，从布置在各个豆荚中的麦克风31检测声压，从而掌握发言的有无。
[0157]
图5的b是表示豆荚d的学生35的行动的表格。
[0158]
将参考图5的b具体说明步骤102的例子。在本实施例中，将关注于豆荚d的学生35。
[0159]
如图5的b中所示，在本实施例中，豆荚d的学生35在0:00和2:00之间保持沉默，因为他们正在听取ta 34的说明。结果，学习者行动分析单元15将学生35的行动分类为学生35的称为“沉默时间”的学习者行动信息。
[0160]
豆荚d的学生35在2:00和5:00之间，各个学生35的说话率高。结果，学习者行动分析单元15将学生35的行动分类为学生35的称为“发言量大”的学习者行动信息。说话率是在预定时间段内进行的学生35的说话的比率。例如，如果学生35在3分钟内发言了2分半钟，则这种情况被分类为称为“发言量大”的学习者行动信息，因为说话率高。
[0161]
豆荚d的学生35在5:00和6:30之间，各个学生35的说话率低。结果，学习者行动分析单元15将学生35的行动分类为学生35的称为“发言量小”的学习者行动信息。
[0162]
豆荚d的学生35在6:30和9:00之间，各个学生35的说话率低。结果，学习者行动分析单元15将学生35的行动分类为学生35的称为“沉默时间”的学习者行动信息。在本实施例中，如图5的a中所示，ta 34在7:00和9:30之间帮助豆荚d的学生35的讨论，从而学生35正在听取ta 34的建议。
[0163]
豆荚d的学生35在9:00和10:00之间，各个学生35的说话率高。结果，学习者行动分析单元15将学生35的行动分类为学生35的称为“发言量大”的学习者行动信息。另外，由于基于摄像机32，学生35开始在白板36上写板书，因此学生35的行动被分类为学生35的称为“写板书”的学习者行动信息。
[0164]
评价单元16基于ta 34的教育者行动信息和学生35的学习者行动信息之间的相关性，设定评价值(步骤103)。
[0165]
图6表示用于计算评价值的评价表的例子。图6的a是表示ta34的行动信息的具体
例子和相应的加分的表格。
[0166]
如图6的a中所示，ta 34的评价表存储“对象”、“ta的教育者行动信息”和“加分”。
[0167]“对象”指示ta 34的教育者行动信息的对象。通常，“对象”对应于ta 34向其讲话的学生35、指导ta 34的教师等。在本实施例中，“对象”被分类为单个豆荚、全体、其他教育者以及其他。
[0168]
单个豆荚是豆荚a、b、c和d。此外，全体是以所有豆荚为对象。其他教育者是与像ta 34一样的教育者1对应的人物。例如，其他教育者包括像ta 34一样的ta、指导ta 34的教师等。其他包括在豆荚之间的移动等。
[0169]
注意，豆荚还包括位于其中的学生35。换句话说，ta 34对豆荚a发言的描述的意思和ta 34对位于豆荚a中的多名学生35或一名学生35发言相同。
[0170]
当然，如果ta 34对所有豆荚(全体)发言，也可以说是ta 34对教室内的所有学生35发言。此外，如果ta 34对学生35发言，则其意思和ta 34向学生35所位于的单个豆荚发言相同。
[0171]“ta的教育者行动信息”是通过对各个对象进行的ta 34的教育者行动信息进行分类而获得的信息。在本实施例中，如下对ta 34的教育者行动信息进行分类。
[0172]“加分”是用于评价ta 34的指标。在本实施例中，由于ta 34是评价对象，因此对ta 34被评价为优秀时的教育者行动信息赋予较高的分数(评价值)。
[0173]
在各个豆荚的与学生的讨论包括ta 34和学生35互相交换意见的状况。对于该教育者行动信息的“加分”为30分。
[0174]
在各个豆荚的使用板书的说明包括ta 34利用放置在各个豆荚中的白板36对学生35进行说明的状况。例如，这对应于ta 34一边在白板36上画图一边进行说明的情况。对于该教育者行动信息的“加分”为30分。
[0175]
在各个豆荚的参考显示器上或讨论中的资料的说明包括ta 34以除写板书以外的方式对学生35进行说明的状况。例如，这对应于ta 34使用用于主动学习的纸介质资料或者作为数据文件显示在显示器上的资料进行说明的情况。对于该教育者行动信息的“加分”为20分。
[0176]
在各个豆荚的对学生的说明包括ta 34单方面对学生35进行说明的状况。例如，这对应于在ta 34进行说明的时候学生35保持沉默的情况。对于该教育者行动信息的“加分”为10分。
[0177]
在各个豆荚的停留包括ta 34停留在豆荚附近并且不讲话的状况。例如，这对应于例如ta 34确认在豆荚中进行的讨论的情况。对于该教育者行动信息的“加分”为5分。
[0178]
初始说明中对全体的说明包括在上课时给出的关于议题的说明。例如，这对应于ta 34说明与主动学习的议题有关的问题背景、要讨论的要点等的情况。对于该教育者行动信息的“加分”为50分。
[0179]
除初始说明以外的对全体的说明包括进行在初始说明之后进行的整体说明的状况。例如，这对应于在所有豆荚中进行的讨论都远离答案，从而ta 34向全体说明思路的修正的情况。对于该教育者行动信息的“加分”为30分。
[0180]
从ta到教师的对话包括与除ta以外的教育者，并且与级别比ta 34高的人进行对话的状况。例如，这对应于ta 34向教师报告整体的进展状况等的情况。对于该教育者行动
信息的“加分”为15分。
[0181]
ta之间的对话包括ta与除ta 34以外的、位置与ta 34相同的教育者进行对话的状况。例如，这对应于各ta 34关于给学生35的建议等交换意见的情况。对于该教育者行动信息的“加分”为5分。
[0182]
在豆荚之间的移动包括不对对象进行发言或行动的状况，诸如在各个豆荚或教室内的移动等。对于该教育者行动信息的“加分”为0分。
[0183]
图6的b是表示由ta 34的教育者行动信息触发的学生35的学习者行动信息的状况变化的具体例子，以及相应的加分的表格。
[0184]
如图6的b中所示，评价表存储“指标”、“学生的学习者行动信息”和“加分”。
[0185]“指标”包括相对于学生35的学习者行动信息的变化的指标。例如，学生35的指标是豆荚中的讨论的活跃、诸如写板书之类的行动的执行等。换句话说，指标也可以被称为学生35对于ta 34的行动的反应。在本实施例中，“指标”被分类为对话量(发言量)、板书、特殊关键字、以及相关性。
[0186]
对话量指示豆荚中的学生35的对话量。写板书指示学生35在白板36等上书写讨论的内容的行动。特殊关键字指示通过学生35的写板书或发言出现预先确定的关键字的情况。相关性表示ta 34的行动信息对豆荚的影响。
[0187]“学生的学习者行动信息”是通过对由ta 34的教育者行动信息触发的学生35的学习者行动信息的状况变化进行分类而获得的信息。换句话说，“学生的学习者行动信息”是在ta 34对学生35发言或采取行动前后的指标的变化的具体例子。在本实施例中，如下对学生35的学习者行动信息进行分类。
[0188]
全体豆荚成员的对话量增加包括位于豆荚中的全体学生35的对话量增加的状况。在本实施例中，豆荚成员是位于豆荚中的4名学生35。对于该学习者行动信息的“加分”为30分。
[0189]
一半以上的豆荚成员的对话量增加包括位于豆荚中的一半以上的学生35的对话量增加的状况。对于该学习者行动信息的“加分”为20分。
[0190]
一半以下的豆荚成员的对话量增加包括位于豆荚中的一半以下的学生35的对话量增加的状况。对于该学习者行动信息的“加分”为10分。
[0191]“对话量无变化”包括在ta 34发言或采取行动前后，学生35的对话量没有变化的状况。对于该学习者行动信息的“加分”为0分。
[0192]
板书的使用包括学生35在白板36等上书写与讨论相关的内容的状况。例如，这对应于将ta 34的发言记在白板36上的行为。对于该学习者行动信息的“加分”为10分。
[0193]
关键字提取指示提取出预先确定的用于导出讨论的答案的关键字的状况。例如，这对应于通过语音识别或图像识别，从学生35的发言的内容中检测到预先登记的关键字的情况。对于该学习者行动信息的“加分”为20分。
[0194]
对话相关性的变化包括当ta对豆荚发言或采取行动时，豆荚中的对话发生变化的状况。例如，这对应于ta 34的发言例如以积极的方式改变学生35之间的对话的情况。
[0195]
图7是表示学生35的对话的相关性的示意图。
[0196]
图7表示学生a、b、c和d的对话之间的相关性。连接各个人物的线条指示对话的关系。在本实施例中，线条的粗细表示双方在固定时段内的对话的总量。此外，线条的长度表
示对话的频度。此外，在图7中，对于各个对话提供综合评价。注意，d是最低的综合评价，而a是最高的综合评价。
[0197]
例如，图7的a意味着学生b、学生c和学生d的对话的总量和频度高。此外，例如，图7的b意味着学生a和b、学生a和c、以及学生a和d之间的对话的总量和频度高。此外，图7的b意味着学生b和c、学生b和d、以及学生c和d之间的对话的总量和频度低。
[0198]
在本实施例中，基于图7的a～d中所示的相关性的变化来进行评价。例如，当ta 34提出建议，并且相关性从图d变为图b时，综合评价从综合评价c升高到综合评价a，使得增加20分。此外，例如，当相关性从图a变为图c或d时，综合评价相同或者降低，使得增加0分。
[0199]
注意，基于学生a、b、c和d之间的关系的综合评价以及评价值的增加不受限制。例如，如果综合评价降低，则可以扣减评价值。
[0200]
注意，行动信息的类型不受限制。行动信息可以包括学生35使用诸如智能电话机之类的终端搜索与课堂相关的关键字、制作资料等。此外，例如，行动信息可以包括学生35的面部表情等。此外，评价信息的类型和相加方法不受限制。例如，可以按照课堂的类型设定行动信息和加分。
[0201]
编辑单元19基于ta 34的教育者行动信息、学生35的学习者行动信息、以及评价信息，在对教育状况成像的内容50的预定时间生成编辑点(步骤104)。
[0202]
图8是表示课堂的部分内容的划分以及各个部分内容的评价值的示意图。在本实施例中，评价单元16针对10分钟的课堂，基于ta34的教育者行动信息和学生35的学习者行动信息，生成与ta 34相关的评价值。此外，每次评价值变化时，编辑单元19都生成编辑点。
[0203]
如图5的a和图8中所示，ta 34在0:00和1:30之间，对全体豆荚进行课堂的初始说明。基于麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“初始说明中对全体的说明”。基于图6中所示的评价表，评价单元16将0:00和1:30之间的ta 34的加分评价为50分。
[0204]
此外，ta 34在1:30和2:00之间从ta 34用桌子38移动到豆荚a。如图6中所示，该教育者行动信息的加分为0分。换句话说，如图8中所示，由于评价值变动，因此编辑单元19生成具有50分的代表性评价值的在0:00和1:30之间的部分内容51。换句话说，在1:30的时间生成编辑点。
[0205]
ta 34在2:00和2:30之间停留在豆荚a附近并且没有说话。基于麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在豆荚a停留”。基于图6中所示的评价表，评价单元16将2:00和2:30之间的ta 34的加分评价为5分。
[0206]
编辑单元19生成具有0分的代表性评价值的在1:30和2:00之间的部分内容52。
[0207]
ta 34在2:30和3:00之间停留在豆荚a附近并且说话。此外，从麦克风31和摄像机32检测到豆荚a的学生35与ta 34对话的状况。根据麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在各个豆荚与学生讨论”，并且学习者行动分析单元15生成学生35的行动信息“一半以下的豆荚成员的对话量增加”。基于图6中所示的评价表，评价单元16将2:30和3:00之间的ta 34的加分评价为40分。
[0208]
编辑单元19生成具有5分的代表性评价值的在2:00和2:30之间的部分内容53。
[0209]
ta 34在3:00和3:30之间停留在豆荚a附近并且没有说话。此外，从麦克风31和摄像机32检测到豆荚a的学生35之间的对话量增加的状况。根据麦克风29和摄像机30的感测
结果，教育者行动分析单元14生成ta 34的教育者行动信息“在各个豆荚停留”，并且学习者行动分析单元15生成学生35的学习者行动信息“一半以上的豆荚成员的对话量增加”。基于图6中所示的评价表，评价单元16将3:00和3:30之间的ta 34的加分评价为25分。
[0210]
编辑单元19生成具有40分的代表性评价值的2:30和3:00之间的部分内容54。
[0211]
ta 34在3:30和4:00之间从豆荚a移动到豆荚c，并且没有说话。从麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在豆荚之间移动”。基于图6中所示的评价表，评价单元16将3:30和4:00之间的ta 34的加分评价为0分。
[0212]
编辑单元19生成具有25分的代表性评价值的在3:00和3:30之间的部分内容55。
[0213]
ta 34在4:00和6:00之间停留在豆荚c附近，并且没有说话。基于麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在各个豆荚停留”。基于图6中所示的评价表，评价单元16将4:00和6:00之间的ta 34的加分评价为5分。
[0214]
编辑单元19生成具有0分的代表性评价值的3:30和4:00之间的部分内容56。
[0215]
ta 34在6:00和6:30之间从豆荚c移动到豆荚d，并且没有说话。从麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在豆荚之间移动”。基于图6中所示的评价表，评价单元16将6:00和6:30之间的ta 34的加分评价为0分。
[0216]
编辑单元19生成具有5分的代表性评价值的在4:00和6:00之间的部分内容57。
[0217]
ta 34在6:30和7:00之间停留在豆荚d附近，并且没有说话。基于麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在各个豆荚停留”。基于图6中所示的评价表，评价单元16将6:30和7:00之间的ta 34的加分评价为5分。
[0218]
编辑单元19生成具有0分的代表性评价值的在6:00和6:30之间的部分内容58。
[0219]
ta 34在7:00和9:00之间停留在豆荚d附近并且说话。此外，从摄像机32检测到豆荚d的学生35进行写板书的状况。基于麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在各个豆荚的使用板书的说明”、“在各个豆荚的参考显示器上或讨论中的资料的说明”以及“在各个豆荚对学生进行说明”，并且学习者行动分析单元15生成学生35的学习者行动信息“板书的使用”。基于图6中所示的评价表，评价单元16将7:00和9:00之间的ta 34的加分评价为70分。
[0220]
编辑单元19生成具有5分的代表性评价值的在6:30和7:00之间的部分内容59。
[0221]
ta 34在9:00和10:00之间停留在豆荚d附近，并且没有说话。此外，从麦克风31和摄像机32检测到豆荚d的学生35进行对话并且进行写板书的状况。从麦克风29和摄像机30的感测结果，教育者行动分析单元14生成ta 34的教育者行动信息“在各个豆荚停留”。另外，学习者行动分析单元15生成学生35的学习者行动信息“全体豆荚成员的对话量增加”、“板书的使用”、“关键字提取”以及“对话相关性的变化”。基于图6中所示的评价表，评价单元16将7:00和9:00之间的ta 34的加分评价为85分。
[0222]
编辑单元19生成具有70分的代表性评价值的在7:00和9:00之间的部分内容60。另外，编辑单元19生成具有85分的代表性评价值的在9:00和10:00(下课)之间的部分内容61。
[0223]
记录编辑单元20基于代表性评价值，从分割的内容中选择要记录的部分内容(步骤105)。
[0224]
图9是表示要记录的部分内容的示意图。
[0225]
在本实施例中，记录编辑单元20选择具有50分以上的代表性评价值的部分内容。
注意，由记录编辑单元20选择的部分内容的代表性评价值的阈值不受限制，可以任意地确定。例如，阈值可以由用户3设定。
[0226]
如图9中所示，记录编辑单元20选择其代表性评价值为50分或更高的部分内容51、部分内容60和部分内容61(步骤s105：“是”)。记录编辑单元20记录与选择的各个部分内容对应的时间的运动图像(步骤106)。
[0227]
另外，对于其代表性评价值为50分或更低的部分内容，不进行记录(步骤s105：否)。
[0228]
如上所述，按照本实施例的信息处理装置10基于教育者行动信息6和学习者行动信息7之间的相关性，设定与教育状况相关的评价值8，教育者行动信息6是通过将教育者1的行动分类为多种教育者行动模式中的一种而获得的分类结果，学习者行动信息7是通过将学习者2的行动分类为多种学习者行动模式中的一种而获得的分类结果。结果，可以进行迄今没有进行过的评价。
[0229]
在学校的讲座和课堂的教育中，代替学习方的学生被动地向教育方的教师学习的形式，正在采用学生能够主动地学习的主动学习等的形式。
[0230]
在诸如主动学习之类的教育方式中，重要的是不仅要对学生进行适当的评价和指导，而且要对教师或ta进行适当的评价和指导。例如，进行了对主动学习的课堂场景进行成像的尝试，以便在课后对教师或ta进行评价。
[0231]
然而，在检查课堂场景时，检查各个豆荚的各个视频是非常耗时的工作。此外，由于记录和保存所有的视频，因此存储成本增加。
[0232]
在本发明中，进行教师或ta的行动的分析，以及学生的行动的分析，并获得两种信息之间的相关性，使得计算更详细的评价值。另外，按照评价值自动划分最佳的部分内容。基于评价值记录划分的部分内容。结果，可以高效并且精确地进行评价。另外，可以减少进行评价时的确认所需的时间。此外，可以降低记录时的存储成本。
[0233]
《其他实施例》
[0234]
本技术不限于上述实施例，可以实现其他各种实施例。
[0235]
在上述实施例中，评价系统100包括教育者1和学习者2两者。本技术不限于此，可以只使用教育者1或学习者2。例如，可以评价观看讲课的视频的学生35。在这种情况下，打开参考书、移开目光、在笔记本上记笔记等可以被视为评价信息。
[0236]
此外，例如，可以评价练习上课的ta 34。此时，手势的数量、音量等可以被视为评价信息。
[0237]
在上述实施例中，作为对评价对象进行评价的方法，使用了加分。本技术不限于此，对于特定的行动信息，可以使用减分。例如，如果对话与课堂无关，那么可以扣减20分。此外，例如，如果学生35的对话量因ta 34的发言而减少时，则可以扣减ta 34的评价值。
[0238]
在上述实施例中，教育者行动分析单元14和学习者行动分析单元15的分析结果被视为行动信息。本技术不限于此，可以将由诸如麦克风29(31)和摄像机30(30)之类的传感器单元获取的感测结果用作行动信息。例如，当豆荚a的声压增加时，评价单元16可以生成ta 34的评价值。
[0239]
在上述实施例中，用于ta 34的摄像机30检测ta 34的移动、停留等。本技术不限于此，传感器单元中可以包括能够检测ta 34的位置信息的信标。
[0240]
此外，麦克风29(31)检测ta 34和学生35的发言。本技术不限于此，通过利用摄像机30(32)来识别嘴的运动，可以检测ta 34和学生35的发言。
[0241]
在上述实施例中，未被记录编辑单元20选择的部分内容的位速率被降低，或者不执行记录。本技术不限于此，可以增大被记录编辑单元20选择的部分内容的位速率。此外，可以只用声音或视频记录还未被选择的部分内容。
[0242]
在上述实施例中，评价单元16实时评价学生35的行动信息。本技术不限于此，可以只在学生35的行动信息发生变化时才生成评价值。
[0243]
在上述实施例中，对于各个行动信息设定加分(评价信息)。本技术不限于此，可以通过信息处理装置10进行机器学习来生成评价信息。
[0244]
在上述实施例中，传感器单元获取的感测结果经由再现单元12输入到信息处理装置10。本技术不限于此，感测结果可以从记录单元11输入到信息处理装置10。
[0245]
在上述实施例中，记录单元11记录教育状况的内容，分析单元13分析行动信息。本技术不限于此，可以由分析单元13和评价单元16实时地执行处理。在这种情况下，记录单元11可具有缓冲感测结果的功能。
[0246]
在上述实施例中，信息处理装置10包括分析单元13、评价单元16和评价表db 17。本技术不限于此，信息处理设备10可以包括记录单元11、再现单元12和评价对应处理单元18。另外，可以应用其中记录单元11、再现单元12和评价对应处理单元18经由网络分担一种功能并协同进行处理的云计算的构成。
[0247]
在上述实施例中，教育者行动信息和学习者行动信息由分析单元13分析，然后输入到评价单元16。本技术不限于此，分析的教育者行动信息和学习者行动信息可以从外部输入到评价单元16。
[0248]
图10是表示信息处理装置10的硬件构成例子的方框图。
[0249]
信息处理设备10包括cpu 81、只读存储器(rom)82、ram 83、输入/输出接口85和互连这些组件的总线84。显示单元86、输入单元87、存储单元88、通信单元89、驱动单元90等连接到输入/输出接口85。
[0250]
显示单元86是使用液晶、电致发光(el)等的显示设备。输入单元87例如是键盘、指示设备、触摸面板或其他操作设备。如果输入单元87包括触摸面板，则触摸面板可以与显示单元86集成。
[0251]
存储单元88是非易失性存储设备，例如是hdd、闪存或其他固态存储器。驱动单元90例如是能够驱动诸如光记录介质或记录磁带之类的可移动记录介质91的设备。
[0252]
通信单元89是可以连接到lan、wan等，用于与其他设备通信的调制解调器、路由器或其他通信设备。通信单元89可以使用有线或无线通信进行通信。通信单元89通常与信息处理装置10分开地使用。
[0253]
在本实施例中，通信单元89允许经由网络与其他设备通信。
[0254]
具有如上所述的硬件构成的信息处理装置10进行的信息处理是通过存储在存储单元88、rom 82等中的软件和信息处理装置10硬件资源的协作来实现的。具体地，当存储在rom 82等中并构成所述软件的程序被载入到ram 83中并且随后被执行时，实现按照本技术的信息处理方法。
[0255]
例如，程序通过记录介质81安装在信息处理装置10中。或者，程序可以经由全局网
络等安装在信息处理装置10中。此外，可以使用非临时性计算机可读存储介质。
[0256]
通过链接搭载在通信终端上的计算机和能够经由网络等进行通信的其他计算机，可以实现按照本技术的信息处理装置、信息处理方法、程序和信息处理系统，从而可以构建按照本技术的信息处理装置。
[0257]
换句话说，按照本技术的信息处理装置、信息处理方法和程序不仅可以在由一个计算机形成的计算机系统中实现，而且可以在其中多个计算机协同地工作的计算机系统中实现。注意，在本公开中，系统指的是组件(比如装置和模块(部件))的集合，而不管所有的组件是否在一个壳体中。从而，容纳在单独的壳体中并通过网络相互连接的多个装置，以及其中多个模块容纳在一个壳体中的一个装置都是系统。
[0258]
按照本技术的信息处理装置、信息处理方法和程序通过计算机系统的实现例如包括其中行动信息的生成、内容的划分等由一个计算机进行的情况；以及各个处理由不同的计算机进行的情况。此外，各个处理通过预定计算机的执行包括使其他计算机执行该处理的一部分或全部，并获得其结果。
[0259]
换句话说，按照本技术的信息处理装置、信息处理方法和程序也适用于其中一种功能通过网络由多个装置分担并协同处理的云计算的构成。
[0260]
参考各个附图说明的教育者行动分析单元、学习者行动分析单元、评价单元、记录编辑单元等的构成；通信系统的控制流程；等等仅仅是实施例，可以对其进行任何修改，而不脱离本技术的精神。换句话说，可以采用用于实践本技术的任何其他构成或算法。
[0261]
注意，记载在本公开中的效果仅仅是说明性的，而不是限制性的，可以获得其他效果。上述多种效果的记载并不一定意味着同时表现出这些效果。它意味着取决于条件等，可以获得上述效果中的至少一种效果，当然，存在可以表现出未在本公开中记载的效果的可能性。
[0262]
也可以组合上述实施例的特征当中的至少两个特征。换句话说，可以不管实施例地任意地组合在各个实施例中说明的各种特征。
[0263]
注意，本技术还可以采用以下构成。
[0264]
(1)一种信息处理装置，包括
[0265]
评价单元，所述评价单元基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评价值，所述教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，所述学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
[0266]
(2)按照(1)所述的信息处理装置，其中
[0267]
所述相关性是所述教育者行动信息与作为所述学习者行动信息的第一学习者行动信息和第二学习者行动信息之间的相关性。
[0268]
(3)按照(1)或(2)所述的信息处理装置，其中
[0269]
所述相关性是在第一定时的所述第一学习者行动，在第二定时的所述教育者行动信息和在第三定时的所述第二学习者行动信息之间的相关性，第二定时是在第一定时之后的定时，而第三定时是在第二定时之后的定时。
[0270]
(4)按照(3)所述的信息处理装置，其中
[0271]
当所述第一学习者行动信息和所述第二学习者行动信息彼此不同时，所述评价单
元将所述评价值设定得高于在所述第一学习者行动信息和所述第二学习者行动信息彼此相同的情况下的评价值。
[0272]
(5)按照(4)所述的信息处理装置，其中
[0273]
当所述第一学习者行动信息和所述第二学习者行动信息彼此不同时，如果所述第二学习者行动信息被设定为比所述第一学习者行动信息更积极的行动信息，则所述评价单元将所述评价值设定得高。
[0274]
(6)按照(4)所述的信息处理装置，其中
[0275]
当所述第一学习者行动信息和所述第二学习者行动信息彼此不同时，如果所述第二学习者行动信息被设定为比所述第一学习者行动信息更消极的行动信息，则所述评价单元将所述评价值设定得高。
[0276]
(7)按照(3)所述的信息处理装置，其中
[0277]
当所述第一学习者行动信息和所述第二学习者行动信息彼此相同时，所述评价单元将所述评价值设定得低于在所述第一学习者行动信息和所述第二学习者行动信息彼此不同的情况下的评价值。
[0278]
(8)按照(1)～(7)任意之一所述的信息处理装置，还包括
[0279]
分析单元，所述分析单元
[0280]
将所述教育者的行动分类为多种教育者行动模式中的一种，以生成教育者行动信息，
[0281]
将所述学习者的行动分类为多种学习者行动模式中的一种，以生成学习者行动信息，并且
[0282]
将生成的教育者行动信息和学习者行动信息输出到所述评价单元。
[0283]
(9)按照(8)所述的信息处理装置，还包括
[0284]
向所述分析单元输出感测结果的传感器单元，其中
[0285]
所述分析单元基于所述感测结果，分析所述教育者的行动和所述学习者的行动。
[0286]
(10)按照(4)所述的信息处理装置，还包括
[0287]
基于所述评价值，处理所述感测结果的评价对应处理单元。
[0288]
(11)按照(10)所述的信息处理装置，其中
[0289]
所述评价对应处理单元基于所述评价值编辑所述感测结果。
[0290]
(12)按照(7)所述的信息处理装置，还包括
[0291]
基于所述评价值，处理所述感测结果的评价对应处理单元。
[0292]
(13)按照(12)所述的信息处理装置，其中
[0293]
所述评价对应处理单元基于所述评价值编辑所述感测结果。
[0294]
(14)一种由计算机系统执行的信息处理方法，所述方法包括
[0295]
基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评价值，所述教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，所述学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
[0296]
(15)一种程序，所述程序使计算机系统执行以下步骤
[0297]
基于教育者行动信息和学习者行动信息之间的相关性，设定与教育状况相关的评
价值，所述教育者行动信息是通过将教育者的行动分类为多种教育者行动模式中的一种而获得的分类结果，所述学习者行动信息是通过将学习者的行动分类为多种学习者行动模式中的一种而获得的分类结果。
[0298]
附图标记列表
[0299]
1 教育者
[0300]
2 学习者
[0301]
4 麦克风
[0302]
5 摄像机
[0303]
10 信息处理装置
[0304]
13 分析单元
[0305]
16 评价单元
[0306]
18 评价对应处理单元
[0307]
34 ta
[0308]
35 学生
[0309]
50 内容