专注度推定装置、专注度推定方法及程序与流程

1.本发明涉及专注度推定装置、专注度推定方法以及用于利用计算机执行该专注度推定方法的程序。


背景技术：

2.以往，已知有计算人的专注度的专注度推定装置。例如，根据专利文献1所公开的专注度推定装置，基于拍摄用户得到的图像和关于用户所处的室内的环境的室内环境信息，能够精度良好地掌握用户的专注度。
3.现有技术文献
4.专利文献
5.专利文献1：日本特开2019－82311号公报


技术实现要素：

6.发明要解决的课题
7.但是，根据上述以往的专注度推定装置，有无法适当地计算用户的专注度的情况。
8.因此，本发明提供能够适当地计算专注度的专注度推定装置等。
9.用来解决课题的手段
10.为了解决上述课题，本发明的一技术方案的专注度推定装置，具备：取得部，取得表示用户实施的任务是多个类别的哪个的任务信息；感测部，基于从传感器取得的检测结果，输出表示实施任务的上述用户的动作的特征的动作信息；存储部，按每个任务的类别而保存了关于上述用户的习惯的简档；以及计算部，利用保存于上述存储部的简档中的与上述任务信息所表示的任务的类别对应的简档、和上述动作信息，计算上述用户的专注度。
11.此外，本发明的一技术方案的专注度推定方法，包括：取得步骤，取得表示用户实施的任务是多个类别的哪个的任务信息；感测步骤，基于从传感器取得的检测结果，输出表示实施任务的上述用户的动作的特征的动作信息；以及计算步骤，利用关于上述用户的习惯的每个任务的类别的简档中的与上述任务信息所表示的任务的类别对应的简档、和上述动作信息，计算上述用户的专注度。
12.此外，本发明的一技术方案能够作为用于使计算机执行上述专注度推定方法的程序来实现。或者，还能够作为保存有该程序的计算机可读取的记录介质来实现。
13.发明效果
14.根据本发明，能够适当地计算专注度。
附图说明
15.图1是表示实施方式的专注度推定装置的使用例的图。
16.图2是表示实施方式的专注度推定装置及周边设备的功能框图。
17.图3是说明实施方式的保存在存储部中的简档(profile)的图。
18.图4a是说明实施方式的任务的类别的第1图。
19.图4b是表示实施图4a所示的任务的用户的状况的图。
20.图5a是说明实施方式的任务的类别的第2图。
21.图5b是表示实施图5a所示的任务的用户的状况的图。
22.图6是说明实施方式的复合类别的任务的第1图。
23.图7是说明实施方式的复合类别的任务的第2图。
24.图8是表示实施方式的专注度推定装置的动作的流程图。
25.图9是表示实施方式的用来生成简档的学习装置及周边设备的框图。
26.图10是说明实施方式的用来生成简档的专注定时的图。
27.图11是表示实施方式的变形例1的专注度推定装置的功能结构的框图。
28.图12是说明实施方式的变形例1的在存储部中保存的简档的图。
29.图13是表示实施方式的变形例2的专注度推定装置的功能结构的框图。
30.图14是说明实施方式的变形例2的保存在存储部中的简档的图。
具体实施方式
31.(为了得到本发明的认识)
32.以往，进行了利用拍摄用户而得到的图像来推定(或计算)该用户的专注的程度即专注度并将其数值化的尝试。近年来，还开发了除了用户的图像以外还考虑其他因素从而精度更好地计算用户的专注度的装置等。例如，在专利文献1中，公开了除了图像以外还利用关于用户所处的室内的环境的室内环境信息来提高所计算的用户的专注度的精度的专注度推定装置。
33.另一方面，用户在专注时可能采取的动作中有非常多的变动(variation)，有即使所检测到的动作对于某个用户表示出专注时的状态、对于其他用户也表示出放松状态的情况。特别是，在用户正在实施某种任务的情况下，根据任务的类别，用户在专注时可能采取的动作有可能变化。即，可能发生以下情况：实施某个任务的用户在专注时采取某个动作，另一方面，实施其他任务的该用户在专注时采取其他动作。
34.因此，在本发明中，说明按照任务的每个类别以不同方式计算用户的专注度的专注度推定装置等。根据本发明，由于任务的类别不同，所以即使在专注时用户可能采取的动作不同，也能够适当地推定用户的专注度。
35.以下，参照附图对本发明的实施方式进行说明。另外，以下说明的实施方式都表示本发明的总括性或具体性的例子。以下实施方式中所表示的数值、形状、材料、构成要素、构成要素的配置位置及连接形态、以及步骤、步骤的顺序等作为一例而并不意欲限定本发明。由此，关于以下实施方式的构成要素中的、在本发明的独立权利要求中没有记载的构成要素，设为任意的构成要素进行说明。
36.此外，各图是示意图，并不一定严格地图示。因而，在各图中比例尺等并不一定一致。在各图中，对于实质上相同的结构赋予相同的标号，将重复的说明省略或简化。
37.(实施方式)
38.[专注度推定装置的结构]
[0039]
首先，利用图1对实施方式的专注度推定装置进行说明。图1是表示实施方式的专
注度推定装置的使用例的图。
[0040]
如图1所示，本实施方式的专注度推定装置100例如内置在用户99使用的计算机等中而实现。通过将专注度推定装置100以内置在用户99使用的计算机等中的形态实现，能够利用搭载于计算机的摄像器及显示器等周边装置。特别是，本实施方式的专注度推定装置100由于在用户99正在实施某种任务的情况下使用，所以在该任务由计算机和在该计算机上执行的应用实现的情况下，任务的实施和专注度的计算能够在一个计算机上实现从而是优选的。
[0041]
接着，利用图2及图3对专注度推定装置100的各功能结构进行说明。图2是表示实施方式的专注度推定装置及周边装置的功能框图。在图2中，除了专注度推定装置100以外，还作为周边装置而表示了传感器101、输入部102及输出部103。此外，专注度推定装置100具备感测部11、取得部12、存储部13及计算部14。以下，使各周边装置与专注度推定装置100的构成要素相关联地进行说明。
[0042]
传感器101是在由专注度推定装置100计算专注度时对用户99进行各种检测并输出检测结果的装置。具体而言，传感器101由进行关于用户99的动作的检测的各种检测器构成。传感器101例如具备摄像器111、声音收集器112及感压器113。传感器101也可以除此以外还具备未图示的肌电计、脉波计、血压计、眼动仪、陀螺仪传感器、测距器等检测器。传感器101如上述那样，由所有种类的检测器的任意组合构成。
[0043]
在专注度推定装置100的感测部11中取得由传感器101检测到的检测结果。感测部11是基于检测结果生成用户99的动作的特征的处理部，通过使用处理器和存储器执行关于感测部11的动作的程序来实现。
[0044]
感测部11例如取得由传感器101中包含的摄像器111拍摄并作为检测结果输出的图像，在图像上提取用户99的动作的特征并输出。具体而言，感测部11通过图像识别，基于在所取得的图像中拍摄的用户99的身体的2个以上部位的位置关系，确定图像被拍摄的时刻的用户99的姿势。感测部11从所确定的姿势中生成表示用户99的动作的特征的动作信息并输出。所输出的动作信息被向计算部14发送。
[0045]
此外，感测部11例如取得由传感器101中包含的声音收集器112收集并作为检测结果输出的声音信号，在声音信号上提取用户99的动作的特征并输出。具体而言，感测部11通过高通滤波器、低通滤波器及带通滤波器等，确定规定频率的声音被周期性地重复的信号成分。感测部11从所确定的信号成分中，确定由用户99的动作带来的信号成分，生成表示该动作的特征的动作信息并输出。所输出的动作信息被向计算部14发送。
[0046]
此外，感测部11例如取得由传感器101中包含的感压器113进行压力检测并作为检测结果输出的压力分布，在压力分布上提取用户99的动作的特征并输出。具体而言，感测部11根据压力分布的推移等确定用户99的身体运动。感测部11从所确定的用户99的身体运动中，生成表示用户99的动作的特征的动作信息并输出。所输出的动作信息被向计算部14发送。
[0047]
此外，感测部11关于传感器101中包含的未图示的其他检测器，也同样地根据检测结果生成表示用户99的动作的特征的动作信息并输出，向计算部14发送。
[0048]
输入部102是用来输入表示用户99实施的任务的类别的信息的装置。例如，任务的类别在用户99开始任务的实施之前由自身经由输入部102输入。该情况下，输入部102由键
盘、触控板、鼠标、按照任务的每个类别设置的开关等输入设备实现。此外，例如在实施的任务是在计算机上执行的程序的情况下，通过该程序与专注度推定装置100的协同工作，还能够没有用户99的介入地输入任务的类别。该情况下，输入部102通过预先在程序中装入作为输入部102的功能以使得在该程序的执行开始时对专注度推定装置100输出表示任务类别的信息来实现。
[0049]
任务的类别能够根据在后述的存储部13中保存的简档的数量而以两个以上的任意数量来设定。关于任务的类别，例如在设想了教育目的的学习用任务的情况下，可以按照国语、理科、算数、社会及外语等学科来设定，在国语中也可以按照听教师的讲话的场景、专注于实习的场景、接受考试的场景以及朗读或默读等的记述内容的掌握的场景等场景而设定。此外，还能够同样地设想业务用的任务、家务用的任务及车辆的驾驶用的任务等想要进行专注度的计算的所有任务来设定任务的类别。
[0050]
以下，作为任务的类别而设想学习用的任务中的、伴随用户99的主动行动或伴随被动行动的某种的两种任务来说明实施方式。即，在本实施方式中，任务的类别包括在任务的实施中伴随用户99的主动行动的第1类别、以及在任务的实施中伴随用户99的被动行动的第2类别。另外，所谓主动，是在任务的实施中必须有用户99的应答的类别，所谓被动，是在任务的实施中不必须有用户99的应答的类别。
[0051]
取得部12是从输入部102取得表示任务的类别的信息的处理部，通过使用处理器和存储器执行关于取得部12的动作的程序来实现。更详细地讲，取得部12取得表示用户99实施的任务是预先设定的多个类别(这里是两种)的哪个类别的任务信息。任务信息在输入部102中生成并被向取得部12发送。取得部12将所取得的任务信息变换为在后述的计算部14中能够处理的形式并向该计算部14发送。
[0052]
输出部103是用来输出由计算部14得到的专注度的计算结果而向用户99提示的装置。输出部103例如将计算出的专注度作为图像而显示在计算机所具备的显示器装置等上。另外，为了将专注度作为可朗读的数字来计算，可以将输出部103作为扬声器实现，由该扬声器将计算出的专注度朗读而向用户99提示，也可以进行图像的显示和朗读双方。
[0053]
存储部13是保存用来实现专注度推定装置100的各种程序的半导体存储器等存储装置。在存储部13中，如前面说明的那样保存有在专注度的计算时使用的简档。这里，各个简档与用户99的习惯有关。在动作信息所表示的用户99的动作的特征与用户99根据习惯而在专注时可能采取的动作一致的情况下，能够判定为用户99更专注。此外，简档对任务的每个类别设有1个。即，根据任务的种类而不同的用户的习惯按照各个任务的种类而作为简档保存在存储部13中。
[0054]
图3是说明实施方式的保存在存储部中的简档的图。如图3所示，在存储部13中保存有与第1类别及第2类别的任务分别对应的第1简档及第2简档。此外，在第1简档及第2简档的各自中，包含在计算用户99中的包含在第1分类中的第1用户的专注度时使用的第1子简档。同样，在第1简档及第2简档的各自中，包含在计算用户99中的包含在与第1分类不同的第2分类中的第2用户的专注度时使用的第2子简档。包括第1分类及第2分类的用户99的分类是表示基于习惯的类似性将用户99进行了分类的情况下的各个组的概念。作为分类，例如可以例示在专注时挠头的组、在专注时抱着胳膊的组、以及在放松时用手指敲桌子的组等。
[0055]
通过这样使用用户99的分类，专注度推定装置100能够不仅基于任务的类别、还基于用户99的分类适当地计算专注度。这样，可以将各个简档划分为更细分化的简档。此外，也可以仅将包括第1简档及第2简档的多个简档中的一个细分化为第1子简档及第2子简档，不将其余的简档细分化。
[0056]
此外，如图3所示，在保存在存储部13中的各个简档中，根据习惯而用户99在专注时可能采取的动作的特征、以及表示与各个动作的特征对应的专注度的单位专注度被建立了对应。例如，在第1简档的第1子简档21中，对于专注时的动作的特征“碰触嘴周边”，与单位专注度“ 10”建立了对应。同样，在第1简档的第1子简档21中，对于“摸头”将“ 10”建立了对应。
[0057]
此外，即使是相同的动作的特征，根据第1用户和第2用户，也有是专注时的动作的情况和是放松时的动作的情况。例如，在第1简档的第1子简档21中，“碰触嘴周边”与“ 10”建立了对应，但在第1简档的第2子简档22中，“碰触嘴周边”与“－5”建立了对应。
[0058]
此外，即使是相同的动作的特征，根据第1类别的任务和第2类别的任务，也有专注度的程度不同的情况。例如，在第1简档的第1子简档21中，“碰触嘴周边”与“ 10”建立了对应，但在第2简档的第1子简档23中，“碰触嘴周边”与“ 5”建立了对应。此外，关于相同的动作的特征，有根据第1类别的任务和第2类别的任务而专注度的程度同等的情况。例如，在第1简档的第2子简档22中，“碰触嘴周边”与“－5”建立了对应，在第2简档的第2子简档24中，“碰触嘴周边”也与“－5”建立了对应。
[0059]
另外，使用图9及图10在后面叙述向存储部13保存各简档的学习装置200(参照后述的图9)。
[0060]
计算部14是根据从感测部11接收到的动作信息和从取得部12接收到的任务信息，参照保存在存储部13中的适当的简档来计算用户99的专注度的处理部。计算部14通过使用处理器和存储器执行关于计算部14的动作的程序来实现。
[0061]
计算部14根据任务信息所示的、哪个任务的类别正在被实施，从存储部13将对应的简档(及子简档)读出。在所读出的简档中，如上述那样，将正在实施该类别的任务的用户99根据习惯可能采取的动作的特征与单位专注度建立了对应。
[0062]
计算部14根据动作信息所表示的用户99的动作的特征，将与任务信息表示的任务的类别对应的简档中建立了对应的单位专注度相加，由此计算用户99的专注度。具体而言，例如，在根据任务信息而判定为第2用户实施的任务是第2类别的情况下，计算部14将第2简档的第2子简档24读出。根据接收到的动作信息而识别出第2用户正在采取一边抱着胳膊一边时常摸头的动作，计算部14通过 10 10＝ 20计算出第2用户的专注度是“ 20”。
[0063]
这样，计算部14利用与任务信息所表示的任务的类别对应的简档和动作信息，计算用户99的专注度。
[0064]
[主动任务]
[0065]
对上述的伴随用户99的主动行动的第1类别的任务进行说明。图4a是说明实施方式的任务的类别的第1图。图4b是表示实施图4a所示的任务的用户的状况的图。
[0066]
在图4a中，作为主动行动，表示了使用户99实施计算的第1类别的任务(换言之，主动任务)的一例。如图4a所示，关于第1类别的任务，在用户99所使用的计算机的显示器上显示的gui上，显示计算问题的内容和回答的输入框，敦促用户99将对计算问题进行解答的结
果向输入框输入。
[0067]
在图4b中，沿时间序列地排列有由设置在显示器的上侧的摄像器111拍摄到的用户99的状况。如图4b所示那样，正在实施第1类别的任务的用户99由于基本上一边观看显示器一边解答计算问题，所以显示器与用户99的距离保持为大致一定，姿势不发生大的变动。在正在实施这样的第1类别的任务的情况下，由于用户99的姿势不会较大地变动，所以优选的是能够通过传感器101检测在细节部分发生的习惯。作为这样的习惯，例如可以举出用户99的眼睛的运动及集中、皱眉、嘴唇的运动、以及用手指拨弄笔记用具等时的声音及肌肉的运动等，选择并配置能够检测这些的检测器即可。
[0068]
[被动任务]
[0069]
对上述的伴随用户99的被动行动的第2类别的任务进行说明。图5a是说明实施方式的任务的类别的第2图。图5b是表示实施图5a所示的任务的用户的状况的图。
[0070]
在图5a中，作为被动行动，表示了使用户99视听预先拍摄到的影像、使用户99实施不伴随用户99的自发性行动而学习的所谓动画授课的视听的第2类别的任务(换言之，被动任务)的一例。如图5a所示，对于第2类别的任务而言，用户99只不过视听在用户99所使用的计算机的显示器上显示的gui上再现的动画授课。
[0071]
在图5b中，沿时间序列地排列有由设置在显示器的上侧的摄像器111拍摄到的用户99的状况。如图5b所示那样，正在实施第2类别的任务的用户99观察显示器、或将身体从显示器远离而以声音为中心进行视听，显示器与用户99的距离变化，姿势较大地变动。在正在实施这样的第2类别的任务的情况下，由于用户99的姿势较大地变动，所以优选的是能够通过传感器101检测姿势的变化、较大地移动身体的部位的习惯。作为这样的习惯，例如选择并配置能够检测用户99的抱胳膊、托腮、姿势的固定、向前后左右的身体运动、歪头的困倦的显现(哈欠、眨眼次数)等的检测器即可。
[0072]
[复合类别的任务]
[0073]
除了在上述中说明的第1类别及第2类别的任务以外，还能够实施将它们分时地组合的复合类别的任务。复合类别的任务通过与用户99的专注度的计算并行进行，例如能够实现用户99的专注度的下降的抑制、以及用户99的专注的计算的修正等。以下，使用图6及图7对该结构进行说明。
[0074]
图6是说明实施方式的复合类别的任务的第1图。在图6中，在上段表示了与任务的实施并列地计算的用户99的专注度的推移，在下段表示了第1类别及第2类别间的任务的类别的转变顺序图。
[0075]
如图6所示，在复合类别的任务中，在实施第2类别的任务的过程中用户99的专注度变得比规定的专注度阈值低的情况下，转变为第1类别的任务。由此，在动画授课的视听等中专注度下降而可视为任务效率下降的情况下，通过转变为第1类别的任务而敦促用户99的主动行动，能够实现专注度的提高。
[0076]
在这里的第1类别的任务中，例如，再现预先拍摄了在动画授课中登场的讲师呼叫用户99的名字的内容的影像，对于通过弹出框等显示在画面上的gui，用户99响应于该呼叫而进行点击等操作。
[0077]
此外，在这里的第1类别的任务中，例如也可以是，再现预先拍摄了在动画授课中登场的讲师呼叫用户99的名字的内容的影像，在该影像中含有要求用户99做出动作响应的
内容。该情况下，用户99简单地进行点头及回应等用户99对该呼叫进行的动作响应从而敦促用户99的主动行动。
[0078]
如以上这样，在复合类别的任务中，期待能够将放松了的专注度再次提高。
[0079]
此外，图7是说明实施方式的复合类别的任务的第2图。在图7中，与图6同样，在上段表示了与任务的实施并列地计算的用户99的专注度的推移，在下段表示了第1类别及第2类别间的任务的类别的转变顺序图。
[0080]
如图7所示，在复合类别的任务中，在第2类别的任务的中途，在预先设定的定时插入了第1类别的任务的内容。即，用户99所专注的任务在实施第2类别的任务的过程中的某个定时转变为第1类别的任务。专注度推定装置100在向该第1类别的任务进行了转变的定时取得用户99的反应，根据反应的有无进行所计算的专注度的修正。
[0081]
反应的取得由感测部11经由传感器101进行。换言之，感测部11除了取得上述的用于输出动作信息的检测结果以外，还取得用于输出用户99的反应的反应信息的检测结果。从传感器101发送的信号在关于动作信息的情况和关于反应信息的情况下是相同的。
[0082]
因此，感测部11以上述的向第1类别的任务的转变的定时为基准，例如，将在考虑了人的标准反应时间的规定期间内取得的检测结果，作为关于反应信息的结果进行处理，将反应信息输出。另外，专注度推定装置100也可以分别单独地具备取得关于动作信息的检测结果的感测部11和具有取得关于反射信息的检测结果的功能的处理部。
[0083]
此外，这里的反应，是指用户99进行回应及点头等基于用户99的声音及动作等的应答、或者用户99对于通过上述的弹出框等显示在画面上的gui进行的点击等操作。此外，在这里的第1类别的任务中，与上述同样，例如再现讲师呼叫用户99的名字的预先拍摄的影像。在专注度推定装置100中，将对其做出响应的用户99的反应作为摄像器111及声音收集器112等传感器101的检测结果来取得。
[0084]
在对于转变后的第1类别的任务中的呼叫没有反应的情况下，推定为用户99是放松状态，所以可以认为，在实施任务的过程中例如因为在放松时可能采取的习惯而被计算得较低的用户99的专注度是正确的。
[0085]
另一方面，在对于转变后的第1类别的任务中的呼叫有反应的情况下，推定为用户99是专注状态，所以可以认为，在实施任务的过程中例如因为在放松时可能采取的习惯而被计算得较低的用户99的专注度是错误的。计算部14将在专注度的计算中使用的简档的、与错误的放松时的动作的特征建立了对应的单位专注度分值进行修正，将专注度计算得较高。该修正的程度例如根据用户99反应速度来决定。另外，错误的动作的特征，是在专注度的计算中使用的简档中与最低的单位专注度建立了对应的动作的特征、或者与比较低的单位专注度建立了对应的多个动作的特征。此外，上述的错误的动作的特征的选择是一例，也可以根据其他任何基准而选择错误的动作的特征。
[0086]
此外，此时，计算部14也可以修正作为错误的放松时的动作的特征而与简档建立了对应的单位专注度。由此，将简档更新，以便在以后的处理中更适当地计算专注度。
[0087]
此外，与以上同样地，计算部14将因为在专注时可能采取的习惯而被计算得较高的用户99的专注度根据转变后的第1类别的任务中的反应的有无来修正而计算得较低。
[0088]
具体而言，在对转变后的第1类别的任务中的呼叫没有反应的情况下，推定用户99是放松状态，所以可以认为，在实施任务的过程中例如因为在专注时可能采取的习惯而被
计算得较高的用户99的专注度是错误的。计算部14将在专注度的计算中使用的简档的、与错误的专注时的动作的特征建立了对应的单位专注度分值进行修正，将专注度计算得较低。在该修正中，例如将与错误的专注时的动作的特征建立了对应的单位专注度设为0来进行处理。另外，错误的动作的特征是在专注度的计算中使用的简档中、与最高的单位专注度建立了对应的动作的特征、或者与比较高的单位专注度建立了对应的多个动作的特征。此外，上述的错误的动作的特征的选择是一例，也可以根据其他任何基准来选择错误的动作的特征。
[0089]
此外，此时，计算部14可以修正作为错误的专注时的动作的特征而与简档建立了对应的单位专注度。由此，将简档更新，以便在以后的处理中更适当地计算专注度。
[0090]
[专注度推定装置的动作]
[0091]
接着，使用图8对以上说明的专注度推定装置100的动作进行说明。图8是表示实施方式的专注度推定装置的动作的流程图。
[0092]
如图8所示，首先，基于由感测部11从传感器101取得的检测结果，输出动作信息(感测步骤s101)。输出的动作信息由计算部14接收，被用于专注度的计算。
[0093]
接着，取得部12取得表示用户99实施的任务的类别是预先设定的多个类别的哪个的任务信息(取得步骤s102)。感测步骤s101及取得步骤s102可以将实施的顺序调换，也可以并行地进行。所取得的任务信息由计算部14接收，被用于专注度的计算。
[0094]
接着，计算部14进行由任务信息表示的任务的类别是否是第1类别的判定(第1判定步骤s103)。在任务的类别是第1类别的情况下(步骤s103中为“是”)，计算部14使用与第1类别对应的第1简档和动作信息，计算用户99的专注度(第1计算步骤s104)。
[0095]
另一方面，在任务的类别不是第1类别的情况下(第1判定步骤s103中为“否”)，计算部14进行由任务信息表示的任务的类别是否是第2类别的判定(步骤s105)。在任务的类别是第2类别的情况下(第2判定步骤s105中为“是”)，计算部14使用与第2类别对应的第2简档和动作信息，计算用户99的专注度(第2计算步骤s106)。
[0096]
另一方面，在任务的类别不是第2类别的情况下(第2判定步骤s105中为“否”)，专注度推定装置100结束处理。另外，这里说明了任务的类别是第1类别及第2类别两种的情况，但任务的类别也可以如上述那样是3种以上。例如，在有n种(n是自然数)任务的类别的情况下，计算部14如第1判定步骤和第1计算步骤、第2判定步骤和第2计算步骤以及第3判定步骤和第3计算步骤那样依次实施，直到第n判定步骤和第n计算步骤。以下，将第1～第n判定步骤一起称作判定步骤，将第1～第n计算步骤一起称作计算步骤。
[0097]
此外，作为子简档，在用户99的分类存在多个的情况下，计算部14在各判定步骤之后进行用户99的分类的判定，利用与对应于判定结果的分类对应的分类的子简档进行计算。例如，计算部14在第1判定步骤s103中为“是”的情况下，进行用户99的分类是否是第1分类的判定。在用户99是第1分类的情况下，计算部14使用第1简档的第1子简档21计算用户99的专注度。同样，在用户99不是第1分类而是第2分类的情况下，计算部14使用第1简档的第2子简档22计算用户99的专注度。
[0098]
[学习装置]
[0099]
以下，使用图9及图10，说明用来通过学习生成上述说明的各简档并向存储部13保存的装置。图9是表示有关实施方式的用来生成简档的学习装置及周边装置的框图。此外，
图10是说明有关实施方式的用来生成简档的专注定时的图。
[0100]
图9所示的学习装置200的许多结构与上述专注度推定装置100实质上相同，因此以下以不同的结构为中心进行说明，关于实质相同的结构省略或简化而进行说明。
[0101]
如图9所示，学习装置200代替计算部14而具备专注定时决定部16。专注定时决定部16与用户99所佩戴的脑电图仪(未图示)及对用户99实施的任务赋予得分的计数器(未图示)等连接。专注定时决定部16是基于从脑电图仪及计数器等取得的关于用户99的专注度的指标来决定用户99处于专注状态的定时的处理部。专注定时决定部16通过使用处理器和存储器执行关于专注定时决定部16的动作的程序来实现。
[0102]
作为一例，专注定时决定部16从脑电图仪取得实施任务的过程中的用户99的脑电图。如图10所示，例如，所取得的脑电图沿着时间轴上下波动，越高则越作为表示用户99的专注度的高度的专注度正确值使用。预先将用户99充分专注的专注度正确值的值如虚线所示那样设定为专注阈值。专注定时决定部16如图中箭头所示那样，将超过了该专注阈值的定时决定为用户99处于专注状态的定时。另外，脑电图等的噪声成分较大，专注定时决定部16为了将这样的噪声成分排除，仅将在一定期间中超过了专注阈值的定时决定为用户99处于专注状态的定时。
[0103]
此外，虽然没有图示，但专注定时决定部16也可以使用预先设定为用户99充分放松了的专注度正确值的值的放松阈值，决定用户99放松了的定时。
[0104]
专注定时决定部16生成从取得部12接收到的、用户99实施的任务的类别所对应的简档并保存到存储部13中。专注定时决定部16将在用户99处于专注状态的定时从感测部11接收到的动作信息所表示的用户99的动作的特征、与单位专注度建立对应，将保存在存储部13中的简档更新。另外，此时单位专注度例如根据专注度正确值超过专注阈值的程度来设定。使用这样保存了简档的存储部13构成专注度推定装置100。此外，学习装置200能够仅通过在专注度推定装置100中具备专注定时决定部16来实现，还能够实现兼具学习装置200的专注度推定装置100。
[0105]
[变形例1]
[0106]
以下，进一步对实施方式的变形例进行说明。图11是表示实施方式的变形例1的专注度推定装置的功能结构的框图。
[0107]
在本变形例1中，专注度推定装置100a在具备上述说明的传感器101、输入部102及输出部103作为构成要素这一点上不同。即，与上述的专注度推定装置100相比，本变形例1的专注度推定装置100a是单独地完成动作的装置，不需要周边装置等。换言之，上述实施方式的专注度推定装置100也可以说是对各种设备赋予了作为一个功能的专注度推定功能的功能模组。
[0108]
此外，如图中所示，专注度推定装置100a在具备认证设备104及与该认证设备连接的个人确定部15这一点上也与专注度推定装置100不同。个人确定部15是将用户99确定为特定用户的处理部，通过使用处理器和存储器执行关于个人确定部15的动作的程序来实现。个人确定部15从认证设备104取得特定用户的认证信息，使用该认证信息将用户99确定为特定用户。
[0109]
更详细地讲，认证设备104是通过指纹认证装置或使用id和口令的登录形式等来确定使用专注度推定装置100a的用户是在数据库(未图示)中注册的用户99中的哪个用户
的装置。沿用表示是由认证设备104确定的特定用户的认证信息，个人确定部15确定使用专注度推定装置100a的用户是特定用户。
[0110]
另外，个人确定部15也可以具备与认证设备104无关的单独的认证数据库。例如，可以从传感器101中包括的摄像器111经由感测部11取得使用专注度推定装置100a的用户的图像，与上述单独的认证数据库对照而确定特定用户。该情况下，专注度推定装置100a不需要具备认证设备104。
[0111]
这样，通过确定用户99中的特定用户，能够使用对特定用户特定化的简档，实现特定用户所固有的专注度推定装置100a。图12是说明实施方式的变形例1的保存在存储部中的简档的图。在专注度推定装置100a的存储部13a所保存的简档中，如上述那样，按照任务的类别而包含关于特定用户的习惯的简档。
[0112]
即，如图12所示，在存储部13a中，包含第1确定简档25和第2确定简档26，第1确定简档25为了在特定用户实施第1类别的任务的情况下进行特定用户的专注度的计算而使用，第2确定简档26为了在特定用户实施第2类别的任务的情况下进行特定用户的专注度的计算而使用。关于专注度推定装置100a的动作，除了用户是特定用户以外，与上述的专注度推定装置100是同样的，所以省略说明。
[0113]
[变形例2]
[0114]
图13是表示实施方式的变形例2的专注度推定装置的功能结构的框图。此外，图14是说明实施方式的变形例2的保存在存储部中的简档的图。
[0115]
如图13所示，本变形例2的专注度推定装置100b，相对于上述实施方式的专注度推定装置100，没有构成要素上的差异。
[0116]
专注度推定装置100b能够应用于例如用户99实施的任务持续长时间的情况等、由于用户99的疲劳积累等而在专注时可能采取的习惯变化的情况。在变形例2的专注度推定装置100b中，如图14所示，在存储部13b中，关于用户99实施任务的过程中的第1期间及与第1期间不同的第2期间，分别包含与用户99的动作的特征对应的单位专注度。在图中的存储部13b中，包含在实施第1类别的任务的过程中用于计算用户99的专注度的第1简档27、以及用于计算实施第2类别的任务的过程中的用户99的专注度的第2简档28。这里的第1简档27及第2简档28都如上述那样被设定了与第1期间及第2期间分别对应的单位专注度。
[0117]
以下，使用第2简档28具体地说明。例如，当在第1期间中计算用户99的专注度时，计算部14如果根据接收到的动作信息而识别为用户99正在采取碰触嘴周边的动作则对专注度加上 10。另一方面，在第2期间中进行了相同动作的情况下，计算部14对专注度加上 5。即，与第1期间相比，关于在第2期间中“碰触嘴周边”的动作的特征，专注的程度下降了。
[0118]
此外，例如，当在第1期间中计算用户99的专注度时，计算部14如果根据接收到的动作信息而识别出用户99采取了碰触头发的动作则对专注度加上－5。另一方面，在第2期间中进行了相同动作的情况下，计算部14对专注度加上 10。即，与第1期间相比，关于在第2期间中“碰触头发”的动作的特征，从放松时的习惯变化为专注时的习惯。
[0119]
这样，变形例2的专注度推定装置100b，能够利用包含将第1期间中的用户99的动作的特征与单位专注度建立对应的第1对应信息29以及将第2期间中的用户99的动作的特征与单位专注度建立对应的第2对应信息30的简档，计算用户99的专注度。
[0120]
另外，变形例2中的简档，也可以将实施任务的过程中的期间划分为除了第1期间
及第2期间以外还包括第3期间的3个以上期间，并分别包含将动作的特征与单位专注度建立对应的3个以上对应信息。
[0121]
[效果等]
[0122]
如以上说明的那样，本实施方式的专注度推定装置100的一个实施方式中，具备：取得部12，取得表示用户99实施的任务是多个类别的哪个的任务信息；感测部11，基于从传感器101取得的检测结果，输出表示实施任务的用户99的动作的特征的动作信息；存储部13，按每个任务的类别而保存有关于用户99的习惯的简档；以及计算部14，利用存储部13所保存的简档中的与任务信息所表示的任务的类别对应的简档和动作信息，计算用户的专注度。
[0123]
这样的专注度推定装置100，能够对于按照每个任务的类别而表现出不同习惯的用户99，利用与各个任务的类别对应的简档来进行专注度的计算。因而，专注度推定装置100能够根据任务的类别适当地切换简档，一边适当地掌握用户99在专注时可能采取的习惯一边计算专注度。由此，专注度推定装置100能够适当地计算专注度。
[0124]
此外，例如，专注度推定装置100a可以还具备传感器101。
[0125]
由此，专注度推定装置100a能够使用在装置内具备的传感器101进行用户99的检测。即，不需要除了专注度推定装置100a以外还具备传感器101，能够仅由专注度推定装置100a计算用户99的专注度。
[0126]
此外，例如可以是，在专注度推定装置100中，在保存于存储部13的各个简档中，将用户99根据习惯而在专注时可能采取的动作的特征、与表示对应于该动作的特征的专注度的单位专注度建立对应，计算部14根据动作信息所表示的用户99的动作的特征，将在与任务信息所表示的任务的类别对应的简档中被建立了对应的单位专注度相加，从而计算用户99的专注度。
[0127]
由此，在专注度推定装置100中，能够将预先设定的单位专注度相加来计算用户99的专注度。即，在专注度推定装置100中，能够使计算简单化，所以能够缩小用来实现专注度推定装置100的处理资源，能够简单地实现专注度推定装置100。
[0128]
此外，例如可以是，在保存于存储部13b的简档的至少一个中，包含第1对应信息29和第2对应信息30，第1对应信息29将在实施任务的过程中的第1期间中用户99根据习惯而在专注时可能采取的动作的特征与表示对应于该动作的特征的专注度的单位专注度建立了对应，第2对应信息30将在实施任务的过程中的与第1期间不同的第2期间中用户99根据习惯而在专注时可能采取的动作的特征与表示对应于该动作的特征的专注度的单位专注度建立了对应，计算部14在第1期间中使用第1对应信息29和动作信息计算用户99的专注度，在第2期间中使用第2对应信息30和动作信息计算用户99的专注度。
[0129]
由此，专注度推定装置100b能够将实施任务的过程中的期间划分为第1期间及第2期间，关于各个期间适当地计算用户99的专注度。由此，专注度推定装置100b能够更适当地计算专注度。
[0130]
此外，例如可以是，感测部11取得传感器101所包含的摄像器111的拍摄图像作为检测结果，在图像上提取实施任务的用户99的动作的特征并输出。
[0131]
由此，专注度推定装置100能够基于在图像上提取出的用户99的动作的特征计算用户99的专注度。
[0132]
此外，例如可以是，感测部11取得传感器101所包含的声音收集器112收集到的声音信号作为检测结果，在声音信号上提取实施任务的用户99的动作的特征并输出。
[0133]
由此，专注度推定装置100能够基于在声音信号上提取出的用户99的动作的特征计算用户99的专注度。
[0134]
此外，例如可以是，任务的类别包括在任务的实施中伴随用户99的主动行动的第1类别、以及在任务的实施中伴随用户的被动行动的第2类别。
[0135]
由此，专注度推定装置100能够对于伴随主动行动的任务及伴随被动行动的任务的两种类别、分别根据基于用户99在专注时可能采取的习惯的动作的特征适当地计算专注度。
[0136]
此外，例如可以是，第2类别的任务是在实施中用户99视听预先拍摄的影像从而不伴随用户99的自发行动地进行学习的类别。
[0137]
由此，专注度推定装置100对于用户99视听预先拍摄的影像从而不伴随用户99的自发行动地进行学习的类别的任务，能够根据基于用户99在专注时可能采取的习惯的动作的特征适当地计算专注度。
[0138]
此外，例如可以是，任务的类别是在第2类别的中途在预先设定的定时转变为第1类别并在经过规定期间后转变为第2类别的复合类别，感测部11还取得与定时对应的用户99的反应的检测结果而输出反应信息，计算部14还基于反应信息计算用户99的专注度。
[0139]
由此，专注度推定装置100能够对复合类别的任务根据基于用户99在专注时可能采取的习惯的动作的特征适当地计算专注度。此外，专注度推定装置100在用户99实施复合类别的任务时，能够利用所取得的反应信息将专注度修正。由此，专注度推定装置100能够更适当地计算专注度。
[0140]
此外，例如可以是，任务的类别是在第2类别的中途在实施任务的过程中的用户99的专注度变得比规定的阈值低的定时转变为第1类别的复合类别。
[0141]
由此，专注度推定装置100对于复合类别的任务，能够根据基于用户99在专注时可能采取的习惯的动作的特征适当地计算专注度。此外，专注度推定装置100在用户99的专注度下降时，能够使任务的类别转变以使专注度提高。由此，专注度推定装置100能够更适当地计算专注度，并且能够有利于使用户99的专注度保持得较高。
[0142]
此外，例如可以是，保存在存储部13中的简档的至少一个中包括：第1子简档21，在计算多个用户中的包含在第1分类中的第1用户的专注度时使用；以及第2子简档22，在计算多个用户中的包含在与第1分类不同的第2分类中的第2用户的专注度时使用。
[0143]
由此，专注度推定装置100能够在任务的类别以及用户的分类这两轴上基于在各个情况下在专注时可能采取的习惯来计算专注度。由此，专注度推定装置100能够适当地计算专注度。
[0144]
此外，例如可以是，在保存于存储部13的各个简档中，包含在计算第1用户的专注度时使用的第1子简档21和在计算第2用户的专注度时使用的第2子简档22。
[0145]
由此，专注度推定装置100能够在任务的类别以及用户的分类这两轴上基于在各个情况下在专注时可能采取的习惯来计算专注度。由此，专注度推定装置100能够适当地计算专注度。
[0146]
此外，例如可以是，专注度推定装置100a还具备将用户确定为特定用户的个人确
定部15，在保存于存储部13a的简档中，按照每个任务的类别而包含关于特定用户的习惯的简档。
[0147]
由此，专注度推定装置100a能够根据对特定用户特定化了的简档，基于该特定用户在专注时可能采取的习惯推定专注度。由此，专注度推定装置100a能够更适当地计算专注度。
[0148]
此外，本实施方式的专注度推定方法的一个实施方式，包括：取得步骤s102，取得表示用户99实施的任务是多个类别的哪个的任务信息；感测步骤s101，基于从传感器101取得的检测结果，输出表示实施任务的用户99的动作的特征的动作信息；以及计算步骤s104，利用关于用户的习惯的每个任务的类别的简档中的与任务信息所表示的任务的类别对应的简档和动作信息，计算用户99的专注度。
[0149]
由此，专注度推定方法能够起到与上述专注度推定装置100同样的效果。
[0150]
此外，本实施方式的程序的一个实施方式，是用来使计算机执行上述记载的专注度推定方法的程序。
[0151]
由此，程序能够利用计算机起到与上述专注度推定装置100同样的效果。
[0152]
(其他实施方式)
[0153]
以上，基于上述实施方式等对本发明的专注度推定装置、专注度推定方法及程序进行了说明，但本发明并不限定于上述的实施方式。例如，对于各实施方式等施以本领域技术人员想到的各种变形而得到的形态、通过在不脱离本发明的主旨的范围内将各实施方式的构成要素及功能任意地组合而实现的形态也包含在本发明中。
[0154]
例如，可以使用本发明的专注度推定装置和试验成绩来实现使学习效率数值化的学习效率推定装置。
[0155]
此外，例如可以将专注度替换为放松度来实现推定用户的放松度的放松度推定装置。
[0156]
此外，例如，专注度推定装置可以还具备将用户实施的任务的类别从一个类别转变为其他类别的任务切换部。如上述说明的那样，在由计算部计算出的用户的专注度低于规定的阈值的情况下，首先，任务切换部将用户实施的任务的类别转变为第1类别。此外，由感测部取得与由任务切换部进行的任务的类别的向第1类别的转变相对应的、用户的反应的检测结果，将反应信息输出。这里的反应与上述同样，是用户进行回应及点头等由用户的声音及动作等做出的应答、或用户对通过上述的弹出框等而在画面上显示的gui进行点击等操作。
[0157]
在这样的专注度推定装置的动作中，在输出了表示有来自用户的反应的反应信息的情况下，计算部也可以进行对与上述同样地计算的专注度进行的修正、以及修正单位专注度而对简档进行的更新中的至少一方，使计算的专注度的正确度提高。
[0158]
此外，在专注度推定装置的动作中，在输出了表示没有来自用户的反应的反应信息的情况下，任务切换部可以还基于所输出的反应信息，将用户实施的任务的类别转变。具体而言，当用户的专注度的下降被正确地计算，推定为用户处于放松状态时，通过由任务切换部使任务的类别转变，能够提高用户的专注度。例如，任务切换部将任务的类别转变为再现影像而向用户敦促进行放松身体的体操的任务的类别。此外，例如，任务切换部可以将任务的类别转变为再现用户关心的内容而使用户进行视听的任务的类别。
[0159]
这样，通过具备任务切换部，能够修正所计算的专注度而正确地推定用户的专注度，并且，当用户的专注度下降时，能够进行动作以向用户提供适当的任务而提高专注度。
[0160]
此外，例如，本发明不仅能够作为专注度推定装置实现，还能够作为包含以专注度推定装置的各构成要素进行的处理为步骤的程序、以及记录有该程序的计算机可读取的记录介质来实现。程序可以预先记录在记录介质中，或者也可以经由包括因特网等的广域通信网向记录介质提供。
[0161]
即，上述的总括性或具体性的实施方式可以由系统、装置、集成电路、计算机程序或计算机可读取的记录介质实现，也可以由系统、装置、集成电路、计算机程序及记录介质的任意组合实现。
[0162]
产业上的可利用性
[0163]
本发明的专注度推定装置等，设置在住宅、办公室、学校等建筑物内、汽车等移动体内等，用于适当地计算用户的专注度的目的等。
[0164]
标号说明
[0165]
11 感测部
[0166]
12 取得部
[0167]
13、13a、13b 存储部
[0168]
14 计算部
[0169]
15 个人确定部
[0170]
16 专注定时决定部
[0171]
21、23 第1子简档
[0172]
22、24 第2子简档
[0173]
25 第1确定简档
[0174]
26 第2确定简档
[0175]
27 第1简档
[0176]
28 第2简档
[0177]
29 第1对应信息
[0178]
30 第2对应信息
[0179]
99 用户
[0180]
100、100a、100b 专注度推定装置
[0181]
101 传感器
[0182]
102 输入部
[0183]
103 输出部
[0184]
104 认证设备
[0185]
111 摄像器
[0186]
112 声音收集器
[0187]
113 感压器
[0188]
200 学习装置