知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024159610
(43)【公開日】2024-11-08
(54)【発明の名称】情報処理装置及び学習システム
(51)【国際特許分類】
G16H 20/00 20180101AFI20241031BHJP
G09B 5/08 20060101ALI20241031BHJP
G09B 19/00 20060101ALI20241031BHJP
G06Q 50/10 20120101ALI20241031BHJP
A61B 5/00 20060101ALI20241031BHJP
【ＦＩ】
G16H20/00
G09B5/08
G09B19/00 Z
G06Q50/10
A61B5/00 102A
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2024069082
(22)【出願日】2024-04-22
(31)【優先権主張番号】P 2023075127
(32)【優先日】2023-04-28
(33)【優先権主張国・地域又は機関】JP
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り ・研究集会名 Ｔｈｅ ２５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ Ｓｙｓｔｅｍｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ（ＨＯＴＭＯＢＩＬＥ ’２４） 開催場所 アメリカ合衆国カリフォルニア州サンディエゴ 開催日 令和６年２月２８日 ・ウェブサイトのアドレス ｈｔｔｐｓ：／／ｄｌ．ａｃｍ．ｏｒｇ／ｄｏｉ／１０．１１４５／３６３８５５０．３６４３０４７ 掲載日 令和６年２月２８日 ・研究集会名 ＪＳＴ戦略的創造研究推進事業ＣＲＥＳＴ「人間と情報環境の共生インタラクション基盤技術の創出と展開（共生インタラクション）」研究領域２０２３年度終了課題成果発表シンポジウム 開催場所 富士ソフトアキバプラザ（東京都千代田区神田練塀町３） 開催日 令和６年３月１９日
【国等の委託研究の成果に係る記載事項】（出願人による申告）令和３年度、国立研究開発法人科学技術振興機構 戦略的創造研究推進事業 チーム型研究（ＣＲＥＳＴ）「音環境理解による教育現場活性化支援に関する研究」委託研究、産業技術力強化法第１７条の適用を受ける特許出願
(71)【出願人】
【識別番号】301021533
【氏名又は名称】国立研究開発法人産業技術総合研究所
(74)【代理人】
【識別番号】110000338
【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ
(72)【発明者】
【氏名】幸島 明男
(72)【発明者】
【氏名】河本 満
(72)【発明者】
【氏名】開 一夫
(72)【発明者】
【氏名】谷沢 智史
【テーマコード（参考）】
2C028
4C117
5L050
5L099
【Ｆターム（参考）】
2C028BA05
2C028BB04
2C028BC05
2C028BD01
4C117XA05
4C117XB01
4C117XC11
4C117XD16
4C117XE06
4C117XE13
4C117XE15
4C117XE23
4C117XE24
4C117XH18
4C117XJ03
5L050CC11
5L099AA15
(57)【要約】
【課題】学習に適した行動の提案を行う。
【解決手段】本発明の一態様に係る情報処理装置（４）は、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する取得部（４１０）と、ユーザが学習を行うことに対する学習環境及び身体状態の少なくとも何れかの適合度を算出する算出部（４１１）と、適合度が第１閾値に満たないと判定された場合に、適合度を向上させるための行動を示す情報を出力する出力部（４１２）とを備える。
【選択図】図１
【解決手段】本発明の一態様に係る情報処理装置（４）は、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する取得部（４１０）と、ユーザが学習を行うことに対する学習環境及び身体状態の少なくとも何れかの適合度を算出する算出部（４１１）と、適合度が第１閾値に満たないと判定された場合に、適合度を向上させるための行動を示す情報を出力する出力部（４１２）とを備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
ユーザの周辺における学習環境と前記ユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する取得部と、
前記第１情報を参照して、前記ユーザが学習を行うことに対する前記学習環境及び前記身体状態の少なくとも何れかの適合度を算出する算出部と、
前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する出力部と、
を備えることを特徴とする情報処理装置。
前記第１情報を参照して、前記ユーザが学習を行うことに対する前記学習環境及び前記身体状態の少なくとも何れかの適合度を算出する算出部と、
前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する出力部と、
を備えることを特徴とする情報処理装置。
【請求項2】
前記算出部は、機械学習により構築された学習済モデルを用いて、前記適合度を算出し、
前記学習済モデルの入力は、前記第１情報であり、
前記学習済モデルの出力は、前記適合度である、
ことを特徴とする請求項１に記載の情報処理装置。
前記学習済モデルの入力は、前記第１情報であり、
前記学習済モデルの出力は、前記適合度である、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記出力部は、
機械学習により構築された自然言語生成モデルに入力するプロンプトを複数のプロンプト候補から選択し、
前記自然言語生成モデルを用いて、前記適合度を向上させるための行動を示す情報を出力し、
前記自然言語生成モデルの入力は、前記プロンプトおよび前記第１情報であり、
前記自然言語生成モデルの出力は、前記適合度を向上させる行動について記述した自然言語である、
ことを特徴とする請求項１に記載の情報処理装置。
機械学習により構築された自然言語生成モデルに入力するプロンプトを複数のプロンプト候補から選択し、
前記自然言語生成モデルを用いて、前記適合度を向上させるための行動を示す情報を出力し、
前記自然言語生成モデルの入力は、前記プロンプトおよび前記第１情報であり、
前記自然言語生成モデルの出力は、前記適合度を向上させる行動について記述した自然言語である、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項4】
前記取得部は、前記ユーザが学習する学習コンテンツを特定する第２情報を取得し、
前記算出部は、前記第１情報及び前記第２情報を参照して、前記適合度を算出し、
前記出力部は、前記第１情報及び前記第２情報を参照して算出された前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
前記算出部は、前記第１情報及び前記第２情報を参照して、前記適合度を算出し、
前記出力部は、前記第１情報及び前記第２情報を参照して算出された前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
【請求項5】
前記算出部は、機械学習により構築された学習済モデルを用いて、前記適合度を算出し、
前記学習済モデルの入力は、前記第１情報及び前記第２情報であり、
前記学習済モデルの出力は、前記適合度である、
ことを特徴とする請求項４に記載の情報処理装置。
前記学習済モデルの入力は、前記第１情報及び前記第２情報であり、
前記学習済モデルの出力は、前記適合度である、
ことを特徴とする請求項４に記載の情報処理装置。
【請求項6】
各ユーザが過去に学習した学習コンテンツの履歴であって、（１）ユーザを特定する第３情報と、（２）各学習コンテンツを特定する前記第２情報と、（３）当該第２情報で特定される学習コンテンツを当該ユーザが学習した時に取得された前記第１情報と、（４）当該第２情報で特定される学習コンテンツを当該ユーザが学習した時の学習成績の高さを表す第４情報と、が対応付けられている履歴を記憶した記憶部を更に備え、
前記適合度が第１閾値に満たないと判定された場合に、前記出力部は、前記履歴を参照し、前記第３情報により特定される前記ユーザが学習を行う前に、前記適合度を向上させつつ前記学習成績を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項４に記載の情報処理装置。
前記適合度が第１閾値に満たないと判定された場合に、前記出力部は、前記履歴を参照し、前記第３情報により特定される前記ユーザが学習を行う前に、前記適合度を向上させつつ前記学習成績を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項４に記載の情報処理装置。
【請求項7】
前記第１情報は、前記学習環境を示す学習環境情報と、前記身体状態を示す身体状態情報と、を含み、
前記第１閾値は、前記学習環境情報の適合度を表す座標軸と前記身体状態情報の適合度を表す座標軸とにより規定される２次元平面における曲線で表され、
前記出力部は、前記２次元平面において、前記第１情報を参照して算出された前記学習環境情報の適合度および身体状態情報の適合度が前記第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項１又は２に記載の情報処理装置。
前記第１閾値は、前記学習環境情報の適合度を表す座標軸と前記身体状態情報の適合度を表す座標軸とにより規定される２次元平面における曲線で表され、
前記出力部は、前記２次元平面において、前記第１情報を参照して算出された前記学習環境情報の適合度および身体状態情報の適合度が前記第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項１又は２に記載の情報処理装置。
【請求項8】
前記取得部は、前記ユーザの現在地を示す情報を取得し、
前記出力部は、前記適合度を向上させるための行動を示す情報として、前記現在地からの移動先を含む情報を出力する
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
前記出力部は、前記適合度を向上させるための行動を示す情報として、前記現在地からの移動先を含む情報を出力する
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
【請求項9】
前記出力部は、前記適合度を向上させるための行動について、行動前の状態から行動後の状態に遷移するための遷移コストの最小値が第２閾値に満たないと判定された場合に限り、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
【請求項10】
前記算出部は、前記第１情報と、複数の学習コンテンツのそれぞれに関する情報とを参照して、学習コンテンツ毎の前記適合度を算出し、
前記出力部は、前記学習コンテンツ毎の適合度の全てが第１閾値に満たないと判定された場合、前記複数の学習コンテンツの何れかをユーザが学習を行うことの前記適合度を向上させるための行動を示す情報を出力する
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
前記出力部は、前記学習コンテンツ毎の適合度の全てが第１閾値に満たないと判定された場合、前記複数の学習コンテンツの何れかをユーザが学習を行うことの前記適合度を向上させるための行動を示す情報を出力する
ことを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
【請求項11】
前記出力部は、前記ユーザに学習を提案する学習コンテンツを含めた前記情報を出力する
ことを特徴とする請求項１０に記載の情報処理装置。
ことを特徴とする請求項１０に記載の情報処理装置。
【請求項12】
請求項１から３の何れか１項に記載の情報処理装置と、ウェアラブルデバイスと、端末装置とを備える学習システムであって、
前記ウェアラブルデバイスは、前記第１情報を生成する１又は複数のセンサを備え、且つ、当該第１情報を出力し、
前記情報処理装置は、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力し、
前記端末装置は、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする学習システム。
前記ウェアラブルデバイスは、前記第１情報を生成する１又は複数のセンサを備え、且つ、当該第１情報を出力し、
前記情報処理装置は、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力し、
前記端末装置は、前記適合度を向上させるための行動を示す情報を出力する、
ことを特徴とする学習システム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、及び当該情報処理装置を備える学習システムに関する。
【背景技術】
【0002】
従来、ユーザの学習履歴に応じて学習効果が高くなるように学習コンテンツを提供するシステム、及び学習環境が学習に適しているか否かを判別するシステムが知られている。
【0003】
特許文献１では、ユーザにｅラーニング等のコンテンツを提示するに際し、ユーザが、コンテンツ提示に適した状態に関する情報を自動的に得ることができるコンテンツ提示システムが開示されている。当該コンテンツ提示システムは、ユーザが、コンテンツ提示に適した状態であるときにコンテンツを提示する。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１５－１７９２１２号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、上述の従来技術は、学習環境又はユーザの身体状態が学習に適していない場合に、学習環境又はユーザの身体状態を学習に適した状態に改善することを想定していない。すなわち、上述の従来技術は、学習環境又はユーザの身体状態が学習に適していない場合に、学習環境又はユーザの身体状態を学習に適した状態に改善するという点において不十分である。
【0006】
本発明の一態様は、上記の問題に鑑みてなされたものであり、学習に適した行動の提案を行うことを目的とする。
【課題を解決するための手段】
【0007】
上記の課題を解決するために、本発明の一態様に係る情報処理装置は、ユーザの周辺における学習環境と前記ユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する取得部と、前記第１情報を参照して、前記ユーザが学習を行うことに対する前記学習環境及び前記身体状態の少なくとも何れかの適合度を算出する算出部と、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する出力部と、を備えている。
【0008】
上記の課題を解決するために、本発明の一態様に係る学習システムは、上述した本発明の一態様に係る情報処理装置と、ウェアラブルデバイスと、端末装置とを備える学習システムである。本学習システムにおいては、前記ウェアラブルデバイスは、前記第１情報を生成する１又は複数のセンサを備え、且つ、当該第１情報を出力し、前記情報処理装置は、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力し、前記端末装置は、前記適合度を向上させるための行動を示す情報を出力する、構成が採用されている。
【発明の効果】
【0009】
本発明の一態様によれば、学習に適した行動の提案を行うことができる。
【図面の簡単な説明】
【0010】
【図1】本発明の実施形態１に係る学習システムの構成を示すブロック図である。
【図2】本発明の実施形態１に係る学習システムの構成を示す概要図である。
【図3】本発明の実施形態１に係る出力部が実行する処理の一例を示す図である。
【図4】本発明の実施形態１に係る学習システムにおいて実行される処理の流れを示すシーケンス図である。
【図5】本発明の実施形態１に係る出力部が出力する情報を生成する処理を示すフローチャートである。
【図6】変形例１に係る出力部が出力する情報を生成する処理を示すフローチャートである。
【図7】変形例２に係る学習システムにおいて実行される処理の流れを示すシーケンス図である。
【図8】変形例２に係る出力部が出力する情報を生成する処理を示すフローチャートである。
【図9】変形例３に係る学習システムにおいて実行される処理の流れを示すシーケンス図である。
【図10】変形例３に係る出力部が出力する情報を生成する処理を示すフローチャートである。
【図11】変形例４に係る学習システムにおいて実行される処理の流れを示すシーケンス図である。
【図12】変形例４に係る出力部が出力する情報を生成する処理を示すフローチャートである。
【図13】変形例６に係る学習システムにおいて実行される処理の流れを示すシーケンス図である。
【図14】変形例６に係る出力部が出力する情報を生成する処理を示すフローチャートである。
【発明を実施するための形態】
【0011】
〔実施形態１〕
以下、本発明の一実施形態について、詳細に説明する。
以下、本発明の一実施形態について、詳細に説明する。
【0012】
〔学習システムの概要及び構成〕
本発明の一実施形態（実施形態１）に係る学習システム１００の概要及び構成について、図１及び図２を参照して説明する。図１は、本実施形態に係る学習システム１００の構成を示すブロック図である。図２は、本実施形態に係る学習システム１００の構成を示す概要図である。
本発明の一実施形態（実施形態１）に係る学習システム１００の概要及び構成について、図１及び図２を参照して説明する。図１は、本実施形態に係る学習システム１００の構成を示すブロック図である。図２は、本実施形態に係る学習システム１００の構成を示す概要図である。
【0013】
図１及び図２に示すように、学習システム１００は、ウェアラブルデバイス１、スマートフォン２（端末装置）、学習用サーバ３、および情報処理装置４を備えている。図１に示すように、ウェアラブルデバイス１、スマートフォン２、学習用サーバ３、及び情報処理装置４は、ネットワークＮを介して互いに通信可能に接続されている。なお、ウェアラブルデバイス１とスマートフォン２とは、ネットワークＮを介さずに直接通信する構成であってもよいし（図２参照）、ネットワークＮを介して通信する構成であってもよい。ウェアラブルデバイス１とスマートフォン２とが直接通信する方法の一例として、ｂｌｕｅｔｏｏｔｈ（登録商標）といった近接通信が挙げられる。
【0014】
学習システム１００は、ユーザの学習に用いられるシステムである。学習システム１００における学習の一例として、ｅラーニングを用いた学習が挙げられる。また、学習システム１００は、ユーザの学習環境が学習に適した環境となるようなユーザの行動、及びユーザの身体状態が学習に適した状態となるようなユーザの行動の少なくとも何れかを提案するシステムである。
【0015】
ウェアラブルデバイス１は、ユーザが身に付けているデバイスである。ウェアラブルデバイス１の例として、腕時計型のスマートウォッチ、眼鏡型のスマートグラス、及び指輪型のスマートリングが挙げられる。また。ウェアラブルデバイス１は、髪、帽子、衣服又は靴等に取り付け可能なデバイスであってもよい。また、ウェアラブルデバイス１における、上述の「ユーザが身につけている」とは、当該ユーザに物理的に接触していることに限定されない。「ユーザが身に付けているデバイス」には、ユーザが所持する物の内部に配置されたデバイスも含まれる。「ユーザが身に付けている」とは、例えば、鞄にデバイスを入れ、その鞄をユーザが所持しているといった形態も含む概念である。
【0016】
スマートフォン２は、ユーザが所持している端末装置である。学習システム１００ではスマートフォン２を備える場合を例に挙げて説明するが、スマートフォン２に替えて、タブレット、又はノート型パソコンを備えてもよい。
【0017】
学習用サーバ３及び情報処理装置４は、ネットワーク上に配置されたサーバである。学習用サーバ３及び情報処理装置４の例として、据え置き型パソコンが挙げられる。また、例えば、１つのパソコン（据え置き型パソコン等）が、学習用サーバ３の機能と、情報処理装置４の機能とを兼ね備えるような構成としてもよい。
【0018】
＜ウェアラブルデバイスの構成＞
ウェアラブルデバイス１は、図１に示すように、制御部１１、通信部１２、記憶部１３、及び１又は複数のセンサ部１４（センサ）を備えている。
ウェアラブルデバイス１は、図１に示すように、制御部１１、通信部１２、記憶部１３、及び１又は複数のセンサ部１４（センサ）を備えている。
【0019】
通信部１２は、ネットワークＮを介して情報を送受信するインターフェースである。一例として、通信部１２は、制御部１１から出力された第１情報（後述）をスマートフォン２に送信したり、スマートフォン２から送信された第１情報を要求する旨を示す情報を制御部１１に供給したりする。通信部１２の例として、イーサネット（登録商標）やＷｉ－Ｆｉ（登録商標）といった各種通信規格における通信チップ、およびＵＳＢ準拠のコネクタが挙げられる。これらの例は、他の装置が備える通信部（通信部２２、通信部３２、及び通信部４２）においても同様である。
【0020】
記憶部１３には、制御部１１が参照する情報が格納されている。記憶部１３に格納されている情報の例として、第１情報が挙げられる。記憶部１３の例として、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又はこれらの組み合わせが挙げられる。これらの例は、他の装置が備える記憶部（記憶部２３、記憶部３３、及び記憶部４３）においても同様である。
【0021】
センサ部１４は、ウェアラブルデバイス１を装着するユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかをセンシングし、センシングした学習環境とユーザの身体状態とのうち少なくとも何れかを示す情報を出力する。以下では、センサ部１４が出力する情報を、第１情報とも称する。センサ部１４の例として、３軸加速度センサ、３軸角速度センサ、３軸ジャイロセンサ、照度センサ、及びマイクロフォンが挙げられる。また、センサ部１４の例として時計もあげられる。本実施形態において、時計は、学習環境の一例である時刻をセンシングするセンサ部である。センサ部１４は、ウェアラブルデバイス１の外部の装置が備える構成であってもよい。センサ部１４を外部の装置が備える場合、ウェアラブルデバイス１は、通信部１２を介した通信または近接通信等の直接通信を用いて、当該外部の装置と通信を行い、第１情報を取得する。
【0022】
また、ユーザの周辺における学習環境を示す情報の例として、周辺の音、温度、湿度、照度、臭気、二酸化炭素（ＣＯ２）の濃度、及び振動等を示す情報が挙げられる。例えば、ＣＯ２の濃度は、ウェアラブルデバイス１が検出する構成であってもよいし、ＣＯ２の濃度を測定する測定器から、ウェアラブルデバイス１が取得する構成であってもよい。また、ユーザの身体状態を示す情報の例として、心拍、体温、血圧、血糖値、呼吸数、及び発汗度合等を示す情報が挙げられる。
【0023】
制御部１１は、ウェアラブルデバイス１が備える各構成要素を制御する。制御部１１の例として、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、ＴＰＵ（Tensor Processing Unit）、量子プロセッサ、マイクロコントローラ、又はこれらの組み合わせが挙げられる。これらの例は、他の装置が備える制御部（制御部２１、制御部４１、及び制御部４１）においても同様である。また、制御部１１は、図１に示すように、取得部１１０及び出力部１１１を備えている。
【0024】
取得部１１０は、通信部１２又はセンサ部１４から出力された情報を取得する。取得部１１０が取得する情報の例として、第１情報を要求する旨を示す情報、及び第１情報が挙げられる。取得部１１０は、取得した情報を記憶部１３に格納する。また、取得部１１０は、取得した情報に、取得した日時を関連付けて、ログとして記憶部１３に格納してもよい。
【0025】
出力部１１１は、通信部１２を介して、情報を出力する。出力部１１１が出力する情報の例として、記憶部１３に格納されている第１情報が挙げられる。
【0026】
＜スマートフォンの構成＞
端末装置の一例であるスマートフォン２は、図１に示すように、制御部２１、通信部２２、記憶部２３、操作入力部２４、表示部２５、及び位置情報受信部２６を備えている。
端末装置の一例であるスマートフォン２は、図１に示すように、制御部２１、通信部２２、記憶部２３、操作入力部２４、表示部２５、及び位置情報受信部２６を備えている。
【0027】
通信部２２は、ネットワークＮを介して情報を送受信するインターフェースである。一例として、通信部２２は、制御部２１から出力された第１情報を情報処理装置４に送信したり、学習用サーバ３から送信された学習コンテンツを制御部２１に供給したりする。
【0028】
記憶部２３には、制御部２１が参照する情報が格納されている。記憶部２３に格納されている情報の例として、第１情報、スマートフォン２のユーザを特定する情報（以後、「第３情報」とも称する）が挙げられる。
【0029】
操作入力部２４は、ユーザからの操作を受け付けるインターフェースである。一例として、操作入力部２４は、学習コンテンツを表示するよう要求する旨の操作を受け付ける。操作入力部２４は、受け付けた操作を示す情報を制御部２１に供給する。操作入力部２４の例として、表示部２５に重畳して設置されたタッチパッドが挙げられる。
【0030】
表示部２５は、テキストや画像等を表示する装置である。一例として、表示部２５は、制御部２１から供給された情報を含む画像を表示する。表示部２５の例として、液晶ディスプレイや有機ＥＬディスプレイ等が挙げられる。
【0031】
位置情報受信部２６は、スマートフォン２の位置を示す位置情報（スマートフォン２を所持するユーザの現在地を示す情報）を受信する。位置情報受信部２６は、受信した位置情報を制御部２１に供給する。位置情報受信部２６の一例として、衛星測位システムに基づくＧＰＳ（Global Positioning System）信号を受信する装置が挙げられる。
【0032】
制御部２１は、スマートフォン２が備える各構成要素を制御する。制御部２１は、一例として、学習用のアプリケーションをインストールすることにより、当該学習用のアプリケーションを用いて学習コンテンツの再生および後述する提案を含む情報を出力する。また、制御部２１は、図１に示すように、取得部２１０及び出力部２１１を備えている。
【0033】
取得部２１０は、通信部２２、操作入力部２４、及び位置情報受信部２６から供給された情報を取得する。取得部２１０が取得する情報の例として、第１情報、操作を示す情報、及び位置情報が挙げられる。取得部２１０は、取得した情報を記憶部２３に格納する。また、取得部２１０は、取得した情報に、取得した日時を関連付けて、ログとして記憶部２３に格納してもよい。
【0034】
出力部２１１は、通信部２２を介して、情報を外部機器に出力する。出力部２１１が出力する情報の例として、記憶部１３に格納されている第１情報や、学習コンテンツを要求する旨を示す情報や、後述する適合度を向上させるための行動を示す情報等が挙げられる。また、出力部２１１は、表示部２５にテキストや画像等を表示させることによって、学習コンテンツを含む様々な情報をユーザに対して提供する。
【0035】
＜学習用サーバの構成＞
学習用サーバ３は、図１に示すように、制御部３１、通信部３２、及び記憶部３３を備えている。
学習用サーバ３は、図１に示すように、制御部３１、通信部３２、及び記憶部３３を備えている。
【0036】
通信部３２は、ネットワークＮを介して情報を送受信するインターフェースである。一例として、通信部３２は、制御部３１から出力された学習コンテンツをスマートフォン２に送信したり、スマートフォン２から送信された学習コンテンツを要求する旨を示す情報を制御部３１に供給したりする。
【0037】
記憶部３３は、制御部３１が参照する情報が格納されている。記憶部３３に格納されている情報の例として、学習コンテンツが挙げられる。
【0038】
制御部３１は、学習用サーバ３が備える各構成要素を制御する。また、制御部３１は、図１に示すように、取得部３１０及び出力部３１１を備えている。
【0039】
取得部３１０は、通信部３２から供給された情報を取得する。取得部３１０が取得する情報の例として、学習コンテンツを要求する旨を示す情報が挙げられる。取得部３１０が取得する情報の他の例として、学習コンテンツを用いた学習の結果としての学習成績が挙げられる。この場合、取得部３１０は、当該学習コンテンツに、取得した学習成績を関連付けて記憶部３３に格納する。さらに、取得部３１０は、当該学習を行ったユーザを特定する第３情報を取得してもよい。この場合、取得部３１０は、学習コンテンツ、学習成績、及び第３情報を関連付けて、記憶部３３に格納する。また、取得部３１０は、取得した情報に、取得した日時を関連付けて、ログとして記憶部３３に格納してもよい。
【0040】
出力部３１１は、通信部３２を介して、情報を出力する。出力部３１１が出力する情報の例として、学習コンテンツが挙げられる。
【0041】
＜情報処理装置の構成＞
情報処理装置４は、図１に示すように、制御部４１、通信部４２、及び記憶部４３を備えている。
情報処理装置４は、図１に示すように、制御部４１、通信部４２、及び記憶部４３を備えている。
【0042】
通信部４２は、ネットワークＮを介して情報を送受信するインターフェースである。一例として、通信部４２は、制御部４１から出力された情報をスマートフォン２に送信したり、スマートフォン２から送信された第１情報を制御部４１に供給したりする。
【0043】
記憶部４３には、制御部４１が参照する情報が格納されている。記憶部４３に格納されている情報の例として、第１情報、後述する算出部４１１が算出した適合度、及び後述する出力部４１２が生成した情報が挙げられる。
【0044】
制御部４１は、情報処理装置４が備える各構成要素を制御する。また、制御部４１は、図１に示すように、取得部４１０、算出部４１１、出力部４１２、及び学習部４１３を備えている。
【0045】
取得部４１０は、通信部４２から供給された情報を取得する。一例として、取得部４１０は、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する。取得部４１０は、取得した第１情報を記憶部４３に格納する。
【0046】
算出部４１１は、ユーザが学習を行うことに対する学習環境及び身体状態の少なくとも何れかの適合度を算出する。一例として、算出部４１１は、記憶部４３に格納されている第１情報を参照して、ユーザが学習を行うことに対する学習環境及び身体状態の少なくとも何れかの適合度を算出する。算出部４１１は、算出した適合度を記憶部４３に格納する。
【0047】
算出部４１１が適合度を算出する方法の一例として、機械学習により構築された学習済モデルを用いる方法が挙げられる。算出部４１１が用いる学習済モデルは、第１情報を入力とし、適合度又は適合度に対応する情報を出力とする学習済モデルである。学習済モデルの例として、サポートベクターマシン、ディープニューラルネットワーク、およびベイズ統計等による学習済モデルが挙げられる。
【0048】
算出部４１１は、第１情報に基づいて学習済モデルが出力した適合度をそのまま出力（算出）してもよいし、第１情報を統合処理や変換処理した結果として推定された特定の学習環境や身体状態の指標を推定した後に、推定後の情報を用いて適合度を算出してもよい。例えば、算出部４１１が学習環境を示す情報である音や振動等の情報から機械学習により「電車内」と推定した結果を用いて適合度を推定したり、心拍数や発汗から推定されたストレスの度合いを身体状態として用いて適合度を推定したりする方法が挙げられる。この場合、算出部４１１は、学習済モデルが推定した情報に対して所定の演算をすることにより、適合度を算出してもよい。
【0049】
出力部４１２は、適合度を向上させるための行動を示す情報を生成する。一例として、出力部４１２は、算出部４１１が算出した適合度の高さが第１閾値に満たないと判定された場合に、適合度を向上させるための行動を示す情報を生成する。換言すると、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかが、ユーザが学習を行うことに対して適していないと判定された場合、出力部４１２は、適した学習環境となるようなユーザの行動又は適した身体状態となるようなユーザの行動を示す情報を生成する。
【0050】
また、出力部４１２は、通信部４２を介して、情報を出力する。出力部４１２が出力する情報の例として、上述した適合度を向上させるための行動を示す情報が挙げられる。
【0051】
出力部４１２が適合度を向上させるための行動を決定する処理の一例について、図３を参照して説明する。図３は、本実施形態に係る出力部４１２が実行する処理の一例を示す図である。出力部４１２は、一例として、状態遷移モデルを用いて、適合度を向上させるための行動を決定してもよい。
【0052】
出力部４１２はまず、記憶部４３に格納されている第１情報を参照し、現在の状態を特定する。次に、出力部４１２は、ターゲットとなる状態（換言すると、適合度が高くなる状態）へ遷移するためのコストを算出する。そして、出力部４１２は、コストが最も小さくなる行動を示す情報を生成する。出力部４１２が最も小さいコストを算出する方法の一例として、ダイクストラ法が挙げられる。
【0053】
例えば、図３では、現在の状態は状態ｂであり、ターゲットとなる状態は状態ｅであることが示されている。この場合、出力部４１２は、状態ｂから状態ｅへ遷移する遷移コストを算出する。例えば、状態ｂから行動Ｃによって状態ｃに遷移し、状態ｃから行動Ｄによって状態ｄに遷移し、状態ｄから行動Ｅによって状態ｅに遷移する場合、遷移コストは「３」である。一方、状態ｂから行動Ｆによって状態ｅに遷移する場合、遷移コストは「２」である。そのため、出力部４１２は、遷移コストが最も小さい行動Ｆを示す情報を生成する。
【0054】
出力部４１２がターゲットとなる状態を決定する方法は限定されず、例えば、ユーザの周辺の学習環境とユーザの身体状態とのうち少なくとも何れか、並びに学習用サーバ３が管理する学習の履歴及び学習成績を参照して、決定してもよい。この場合、出力部４１２は、学習成績が良くなる状態を、ターゲットとなる状態として決定する。
【0055】
一例として、ユーザの周辺の学習環境が自分の部屋であり、１９：００～２１：００まで英語を学習した場合に、学習成績が良くなるという履歴がある場合、出力部４１２は、自分の部屋で１９：００～２１：００まで英語を学習している状態を、ターゲットとなる状態として決定する。
【0056】
他の例として、ユーザの心拍数が低い状態で学習した場合に学習成績が良くなるという履歴がある場合、出力部４１２は、ユーザの心拍数が低い状態を、ターゲットとなる状態として決定する。
【0057】
出力部４１２は、第１情報がユーザの周辺における学習環境を示す場合、学習環境の状態遷移モデルを用い、第１情報がユーザの身体状態を示す場合、身体状態の状態遷移モデルを用いて、適合度を向上させるための行動を決定してもよい。また、第１情報がユーザの周辺における学習環境及びユーザの身体状態を示す場合、学習環境及び身体状態の状態遷移モデルを用いて、適合度を向上させるための行動を決定してもよい。
【0058】
また、第１情報がユーザの周辺における学習環境を示す学習環境情報と、ユーザの身体状態を示す身体状態情報と、を含む場合（換言すると、取得部４１０が学習環境情報と身体状態情報とを含む第１情報を取得した場合）、学習環境情報に対する適合度を表す座標軸と身体状態情報に対する適合度を表す座標軸とにより規定される２次元平面における曲線を用いて第１閾値を表すことができる。このような場合、第１情報を参照して算出された学習環境情報に対する適合度と身体状態情報に対する適合度は、前記２次元平面上の点で表される。出力部４１２は、この点の位置と第１閾値を示す曲線の位置を比較して適合度の高さを判定し、第１閾値に満たない場合は適合度を向上させるための行動を示す情報を生成し、生成した情報を出力する。換言すると、出力部４１２は、２次元平面において、第１情報を参照して算出された学習環境情報に対する適合度および身体状態情報に対する適合度が第１閾値に満たないと判定された場合に、適合度を上昇させるための行動を示す情報を出力する。
【0059】
出力部４１２が適合度を向上させるための行動を決定する方法は、特に限定されない。出力部４１２は、所定のプログラムに基づいて適合度を向上させるための行動を決定するように構成されていてもよいし、機械学習により構築された学習済モデルを用いて、適合度を向上させるための行動を決定するように構成されていてもよい。本実施形態においては、後者の構成を用いるものとして説明する。後者の構成において出力部４１２が用いる学習済モデルは、適合度を入力とし、適合度を向上させるための行動を出力する学習済モデルである。また、出力部４１２は、適合度を向上させるための行動を決定するときに、適合度と併せて第１情報を用いてもよい。この場合、上述した学習済モデルは、適合度及び第１情報を入力とし、適合度を向上させるための行動を出力するように構成されていればよい。
【0060】
出力部４１２が用いる学習済モデルの例として、機械学習により構築された自然言語生成モデル（以下、「自然言語生成モデル」を「言語モデル」、「言語生成モデル」とも称する）が挙げられる。当該言語モデルの例として、適合度を向上させるための行動を出力するよう指示するプロンプト（自然言語によって記載された、学習済モデルに対する指示が記載された文）と、第１情報とを入力として、適合度を向上させる行動について記述した自然言語を生成し出力するように構成された言語モデルが挙げられる。一例として、言語モデルは、第１情報及び当該第１情報の解釈の記述と、学習内容の適合度及び行動による状態遷移とコストに関する自然言語データから学習し、プロンプトに応じた自然言語を生成するよう学習させたモデルである。言語モデルに学習させる学習データの例として、学習内容とユーザの状態の適合度に関して学習塾の先生が発話したデータが挙げられるが、これに限定されない。
【0061】
出力部４１２が用いる言語生成モデルの具体例として、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）、及びＧＰＴ（Generative Pre-trained Transformer）といった大規模言語モデルが挙げられる。出力部４１２が用いる言語モデルの他の例として、事前学習された大規模言語モデルを会話データによりファインチューニングすることにより作成された言語モデル（例えば、ＣｈａｔＧＰＴ（Chat Generative Pre-trained Transformer））等も挙げられる。
【0062】
また、出力部４１２が言語生成モデルを用いる場合、出力部４１２は、言語モデルに入力するプロンプトを複数のプロンプト候補から選択する。必要に応じてユーザが、言語モデルに入力するプロンプトを複数のプロンプト候補から直接選択してもよい。複数のプロンプト候補は、システム設計者によってあらかじめ設定される。ユーザが作成した複数のプロンプト候補が、予め記憶部４３に格納される構成であってもよい。ユーザによるプロンプトの作成や選択は生成モデルからの自然言語による問いかけに応じて対話的に行ってもよい。
【0063】
一例として、複数のプロンプト候補のそれぞれは、学習環境又は身体情報の種別が関連付けられていてもよい。例えば、プロンプトＰ１は周辺の音と関連付けられており、プロンプトＰ２は周辺の温度と関連付けられており、プロンプトＰ３は心拍数に関連付けられており、プロンプトＰ４は体温に関連付けられていてもよい。
【0064】
この場合、出力部４１２は、言語モデルに入力する第１情報に基づき、複数のプロンプト候補から、言語モデルに入力するプロンプトを選択する。例えば、第１情報が周辺の音の大きさを示す情報であった場合、出力部４１２は、周辺の音と関連付けられたプロンプトＰ１を選択する。また、第１情報が心拍数を示す情報であった場合、出力部４１２は、心拍数に関連付けられたプロンプトＰ３を選択する。出力部４１２は、利用者の事前設定によって、特定の時刻および場所の少なくとも何れかに応じたプロンプト候補を選択してもよい。
【0065】
また、言語モデルに入力する第１情報のデータの大きさは特に限定されない。例えば、第１情報がユーザの歩数を示すデータであった場合、言語モデルに入力する第１情報は、現時点から遡って１時間の間にユーザが歩いた歩数であってもよいし、当日ユーザが歩いた歩数であってもよいし、現時点から遡って１週間の間にユーザが歩いた歩数であってもよい。
【0066】
学習部４１３は、教師データを用いて、算出部４１１が用いる学習済モデルを構築する。ここで、学習部４１３が用いる教師データは、第１情報と、適合度に対応する情報とを組とする教師データである。
【0067】
また、学習部４１３は、教師データを用いて、出力部４１２が用いる学習済モデルを構築するように構成されていてもよい。ここで、教師データは、適合度と、適合度を向上させるための行動とを組とする教師データである。また、出力部４１２が用いる学習済モデルが適合度及び第１情報を入力とし、適合度を向上させるための行動を出力とする場合、教師データは、適合度と、第１情報と、適合度を向上させるための行動と、を組とする教師データである。
【0068】
〔学習システムにおいて実行される処理〕
学習システム１００において実行される処理について、図４を参照して説明する。図４は、本実施形態に係る学習システム１００において実行される処理Ｓ１００の流れを示すシーケンス図である。
学習システム１００において実行される処理について、図４を参照して説明する。図４は、本実施形態に係る学習システム１００において実行される処理Ｓ１００の流れを示すシーケンス図である。
【0069】
＜ステップＳ１１＞
ステップＳ１１において、スマートフォン２の出力部２１１は、学習用サーバ３に対して学習コンテンツを要求する。
ステップＳ１１において、スマートフォン２の出力部２１１は、学習用サーバ３に対して学習コンテンツを要求する。
【0070】
例えば、取得部２１０は、操作入力部２４から、学習コンテンツを表示する旨の操作を示す情報を取得すると、当該情報を出力部２１１に供給する。出力部２１１は、取得部２１０から供給された情報を参照し、当該情報が学習コンテンツを表示する旨の操作を示す場合、当該学習コンテンツを要求する旨を示す情報を学習用サーバ３に出力することにより、学習用サーバ３に対して学習コンテンツを要求する。
【0071】
＜ステップＳ１２＞
ステップＳ１２において、学習用サーバ３の出力部３１１は、要求された学習コンテンツをスマートフォン２に出力する。
ステップＳ１２において、学習用サーバ３の出力部３１１は、要求された学習コンテンツをスマートフォン２に出力する。
【0072】
例えば、取得部３１０は、スマートフォン２から出力された、学習コンテンツを要求する旨を示す情報を取得すると、取得した情報を出力部３１１に供給する。出力部３１１は、取得部３１０から供給された情報を参照し、当該情報が学習コンテンツを要求する旨を示す場合、当該学習コンテンツを記憶部３３から取得する。出力部３１１は、取得した学習コンテンツを、スマートフォン２に出力する。
【0073】
＜ステップＳ１３＞
ステップＳ１３において、スマートフォン２の取得部２１０は、学習用サーバ３から出力された学習コンテンツを取得する。取得部２１０は、取得した学習コンテンツを記憶部２３に格納する。なお、記憶部２３に格納された学習コンテンツは、特に限定がない限り、いつ出力されてもよい。一例として、スマートフォン２の出力部２１１は、後述するステップＳ２２を実行した後に学習コンテンツを表示してもよいし、再度、学習コンテンツを表示する旨の操作を示す情報を取得部２１０が取得した後に、学習コンテンツを表示してもよい。
ステップＳ１３において、スマートフォン２の取得部２１０は、学習用サーバ３から出力された学習コンテンツを取得する。取得部２１０は、取得した学習コンテンツを記憶部２３に格納する。なお、記憶部２３に格納された学習コンテンツは、特に限定がない限り、いつ出力されてもよい。一例として、スマートフォン２の出力部２１１は、後述するステップＳ２２を実行した後に学習コンテンツを表示してもよいし、再度、学習コンテンツを表示する旨の操作を示す情報を取得部２１０が取得した後に、学習コンテンツを表示してもよい。
【0074】
＜ステップＳ１４＞
ステップＳ１４において、スマートフォン２の出力部２１１は、ウェアラブルデバイス１に対して第１情報を要求する。
ステップＳ１４において、スマートフォン２の出力部２１１は、ウェアラブルデバイス１に対して第１情報を要求する。
【0075】
例えば、出力部２１１は、ステップＳ１３において取得部２１０が学習コンテンツを取得したことを契機として、第１情報を要求する旨を示す情報を、ウェアラブルデバイス１に出力する。なお、出力部２１１がウェアラブルデバイス１に対して第１情報を要求するタイミングは当該構成に限定されず、所定の時間間隔（例えば、１０秒）毎に、ウェアラブルデバイス１に対して第１情報を要求してもよい。他の構成として、ウェアラブルデバイス１が、所定の時間間隔（例えば、１０秒）毎に、第１情報をスマートフォン２にプッシュ送信してもよい。
【0076】
＜ステップＳ１５＞
ステップＳ１５において、ウェアラブルデバイス１の出力部１１１は、スマートフォン２に対して第１情報を出力する。
ステップＳ１５において、ウェアラブルデバイス１の出力部１１１は、スマートフォン２に対して第１情報を出力する。
【0077】
例えば、取得部１１０は、スマートフォン２から出力された、第１情報を要求する旨を示す情報を取得すると、取得した情報を出力部１１１に供給する。出力部１１１は、取得部１１０から供給された情報を参照し、当該情報が第１情報を要求する旨を示す場合、第１情報を記憶部１３から取得する。又は、出力部１１１は、センサ部１４から出力された第１情報を取得する。出力部１１１は、取得した第１情報を、スマートフォン２に出力する。
【0078】
＜ステップＳ１６＞
ステップＳ１６において、スマートフォン２の取得部２１０は、ウェアラブルデバイス１から出力された第１情報を取得する。スマートフォン２の取得部２１０は、取得した第１情報を、記憶部２３に格納する。
ステップＳ１６において、スマートフォン２の取得部２１０は、ウェアラブルデバイス１から出力された第１情報を取得する。スマートフォン２の取得部２１０は、取得した第１情報を、記憶部２３に格納する。
【0079】
＜ステップＳ１７＞
ステップＳ１７において、スマートフォン２の出力部２１１は、記憶部２３に格納されている第１情報を、情報処理装置４に対して出力する。
ステップＳ１７において、スマートフォン２の出力部２１１は、記憶部２３に格納されている第１情報を、情報処理装置４に対して出力する。
【0080】
＜ステップＳ１８＞
ステップＳ１８において、情報処理装置４の取得部４１０は、スマートフォン２から出力された第１情報を取得する。取得部４１０は、取得した第１情報を、記憶部４３に格納する。
ステップＳ１８において、情報処理装置４の取得部４１０は、スマートフォン２から出力された第１情報を取得する。取得部４１０は、取得した第１情報を、記憶部４３に格納する。
【0081】
＜ステップＳ１９＞
ステップＳ１９において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ１９の処理について、参照する図面を替えて後述する。
ステップＳ１９において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ１９の処理について、参照する図面を替えて後述する。
【0082】
＜ステップＳ２０＞
ステップＳ２０において、情報処理装置４の出力部４１２は、ステップＳ１９において生成した情報を、スマートフォン２に対して出力する。
ステップＳ２０において、情報処理装置４の出力部４１２は、ステップＳ１９において生成した情報を、スマートフォン２に対して出力する。
【0083】
＜ステップＳ２１＞
ステップＳ２１において、スマートフォン２の取得部２１０は、情報処理装置４から出力された情報を取得する。取得部２１０は、取得した情報を記憶部２３に格納する。
ステップＳ２１において、スマートフォン２の取得部２１０は、情報処理装置４から出力された情報を取得する。取得部２１０は、取得した情報を記憶部２３に格納する。
【0084】
＜ステップＳ２２＞
ステップＳ２２において、スマートフォン２の出力部２１１は、ステップＳ２１において記憶部２３に格納された情報を、表示部２５に表示する。なお、ステップＳ２２において、出力部２１１は、表示部２５に表示する構成に替えて、又は表示部２５に表示する構成に加えて、図１には図示しない音声出力部（例えば、スピーカ）から、ステップＳ２１において記憶部２３に格納された情報を出力する構成であってもよい。
ステップＳ２２において、スマートフォン２の出力部２１１は、ステップＳ２１において記憶部２３に格納された情報を、表示部２５に表示する。なお、ステップＳ２２において、出力部２１１は、表示部２５に表示する構成に替えて、又は表示部２５に表示する構成に加えて、図１には図示しない音声出力部（例えば、スピーカ）から、ステップＳ２１において記憶部２３に格納された情報を出力する構成であってもよい。
【0085】
【0086】
（ステップＳ１９１）
ステップＳ１９１において、算出部４１１は、記憶部４３に格納されている第１情報を参照して、適合度を算出する。算出部４１１が適合度を算出する処理については、上述した通りである。
ステップＳ１９１において、算出部４１１は、記憶部４３に格納されている第１情報を参照して、適合度を算出する。算出部４１１が適合度を算出する処理については、上述した通りである。
【0087】
（ステップＳ１９２）
ステップＳ１９２において、出力部４１２は、ステップＳ１９１において算出された適合度が第１閾値以上であるか否かを判定する。
ステップＳ１９２において、出力部４１２は、ステップＳ１９１において算出された適合度が第１閾値以上であるか否かを判定する。
【0088】
（ステップＳ１９３）
ステップＳ１９２において、適合度の高さが第１閾値に満たないと判定された場合（ステップＳ１９２：ＮＯ）、ステップＳ１９３において出力部４１２は、ターゲットとなる状態への遷移コストが最小となる行動を決定する。
ステップＳ１９２において、適合度の高さが第１閾値に満たないと判定された場合（ステップＳ１９２：ＮＯ）、ステップＳ１９３において出力部４１２は、ターゲットとなる状態への遷移コストが最小となる行動を決定する。
【0089】
（ステップＳ１９４）
ステップＳ１９４において、出力部４１２は、ステップＳ１９３において算出した最小となる遷移コストに対応する行動を、適合度を向上させるための行動として、当該行動を示す情報を生成する。
ステップＳ１９４において、出力部４１２は、ステップＳ１９３において算出した最小となる遷移コストに対応する行動を、適合度を向上させるための行動として、当該行動を示す情報を生成する。
【0090】
（ステップＳ１９５）
一方、ステップＳ１９２において、適合度の高さが第１閾値以上であると判定された場合（ステップＳ１９２：ＹＥＳ）、ステップＳ１９５において出力部４１２は、適合度が高いことを示す情報を生成する。なお、ステップＳ１９５が実行された場合、上述したステップＳ２２は実行されなくてもよい。換言すると、学習システム１００では、ユーザの周辺における学習環境及びユーザの身体状態が学習に適している場合、ユーザにその旨を通知しないで学習させてもよい。
一方、ステップＳ１９２において、適合度の高さが第１閾値以上であると判定された場合（ステップＳ１９２：ＹＥＳ）、ステップＳ１９５において出力部４１２は、適合度が高いことを示す情報を生成する。なお、ステップＳ１９５が実行された場合、上述したステップＳ２２は実行されなくてもよい。換言すると、学習システム１００では、ユーザの周辺における学習環境及びユーザの身体状態が学習に適している場合、ユーザにその旨を通知しないで学習させてもよい。
【0091】
（ステップＳ１９において実行される処理の例１）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるＣＯ２濃度を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるＣＯ２濃度を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
【0092】
この場合、ステップＳ１９２において、ステップＳ１９１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、ＣＯ２濃度が所定の値よりも高い場合）、ステップＳ１９３において出力部４１２は、ユーザの周辺におけるＣＯ２濃度が低くなるような状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0093】
他の例として、ステップＳ１９３において出力部４１２は、ＣＯ２濃度を示す第１情報と、プロンプトとを言語モデルに入力する。一例として、出力部４１２は、複数のプロンプト候補から、「これはＣＯ２濃度のデータです。ストレス等の既存研究を考慮して、学習に適した環境か分析し、適さない場合は適した環境となるような行動を提案してください。」というプロンプトを選択し、選択したプロンプトを言語モデルに入力する。そして、出力部４１２は、言語モデルから出力された適合度を向上させるための行動を、ターゲットとなる状態への遷移コストが最小となる行動に決定する。
【0094】
例えば、ステップＳ１９３において決定された行動が「窓を開ける」であった場合、ステップＳ１９４において出力部４１２は、「窓を開けましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「窓を開けましょう」というテキストを含む画像を表示する。
【0095】
このように、出力部４１２は、ユーザの周辺における学習環境が学習に適した環境となるような提案を行うことができる。
【0096】
（ステップＳ１９において実行される処理の例２）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの身体状態である今日の歩数を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの身体状態である今日の歩数を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
【0097】
この場合、ステップＳ１９２において、ステップＳ１９１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、現時点までの今日の歩数が所定の値よりも少ない場合）、ステップＳ１９３において出力部４１２は、今日の歩数が所定の値となる状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0098】
例えば、ステップＳ１９３において決定された行動が「散歩する」であった場合、ステップＳ１９４において出力部４１２は、例えば、「運動不足でストレスがたまっているようです。少し散歩しましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「運動不足でストレスがたまっているようです。少し散歩しましょう」というテキストを含む画像を表示する。
【0099】
このように、出力部４１２は、ユーザの身体状態が学習に適した状態となるような提案を行うことができる。
【0100】
（ステップＳ１９において実行される処理の例３）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境である現在時刻、及びユーザの身体状態である心拍数を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境である現在時刻、及びユーザの身体状態である心拍数を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
【0101】
この場合、ステップＳ１９１において、算出部４１１は、ユーザの周辺における学習環境を第１情報として算出した第１の適合度と、ユーザの身体状態を第１情報として算出した第２の適合度とを算出する。
【0102】
次に、ステップＳ１９２において出力部４１２は、ステップＳ１９１において算出された第１の適合度の高さ及び第２の適合度の高さの各々が、第１閾値以上であるか否かを判定する。
【0103】
例えば、第２の適合度の高さは第１閾値以上であるが、第１の適合度の高さが第１閾値に満たないと判定された場合（例えば、学習に適した時刻よりも早い時刻である場合）、ステップＳ１９３において出力部４１２は、学習に適した時刻に学習する状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0104】
例えば、ステップＳ１９３において決定された行動が「１９時から学習する」であった場合、ステップＳ１９４において出力部４１２は、「まだ時間が早いので１９時から学習をしましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「まだ時間が早いので１９時から学習をしましょう」というテキストを含む画像を表示する。
【0105】
一方、第１の適合度の高さは第１閾値以上であるが、第２の適合度の高さが第１閾値に満たないと判定された場合（例えば、心拍数が所定の値よりも高い場合）、ステップＳ１９３において出力部４１２は、心拍数が所定の値となる状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0106】
例えば、ステップＳ１９３において決定された行動が「１時間休憩する」であった場合、ステップＳ１９４において出力部４１２は、「１時間休憩しましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「１時間休憩しましょう」というテキストを含む画像を表示する。
【0107】
また、第１の適合度の高さが第１閾値に満たない、かつ、第２の適合度の高さが第１閾値に満たない場合（例えば、学習に適した時刻よりも早い時刻であり、心拍数も所定の値より高い場合）、ステップＳ１９３において出力部４１２は、学習に適した時刻であり、心拍数も低い状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0108】
例えば、ステップＳ１９３において決定された行動が「ベッドに入る前に３０分前に学習する」であった場合、ステップＳ１９４において出力部４１２は、「まだ時間が早いのでベッドに入る３０分前に学習しましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「まだ時間が早いのでベッドに入る３０分前に学習しましょう」というテキストを含む画像を表示する。
【0109】
このように、出力部４１２は、（１）ユーザの周辺における学習環境、（２）ユーザの身体状態、及び（３）ユーザの周辺における学習環境及びユーザの身体状態、の何れかが、学習に適した状態となるような提案を行うことができる。
【0110】
（ステップＳ１９において実行される処理の例４）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音及び振動、並びにユーザの身体状態である歩数を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音及び振動、並びにユーザの身体状態である歩数を第１情報として取得した場合に、ステップＳ１９において実行される処理の例について説明する。
【0111】
この場合、第１情報が、ユーザの周辺の音が所定の大きさより大きく、振動が電車内の振動と一致し、歩数が現在ユーザは歩いていないことを示す場合、ステップＳ１９１において算出部４１１は、ユーザは電車にいると特定する。そして、算出部４１１は、適合度を算出する。
【0112】
ステップＳ１９２において、ステップＳ１９１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、電車内は学習に不適切な場合）、ステップＳ１９３において出力部４１２は、ユーザが家にいる状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0113】
例えば、ステップＳ１９３において決定された行動が「家に帰る」であった場合、ステップＳ１９４において出力部４１２は、「電車内は不適切です。帰って家でやりましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「電車内は不適切です。帰って家でやりましょう」というテキストを含む画像を表示する。
【0114】
このように、出力部４１２は、第１情報が複数の情報を含む場合であっても、学習に適した状態となるような提案を行うことができる。
【0115】
〔変形例１〕
本実施形態の一変形例について説明する。本変形例では、ステップＳ１９３において決定された、適合度を向上させるための行動について、行動前の状態から行動後の状態に遷移するための遷移コストの最小値が第２閾値に満たないと判定された場合に限り、出力部４１２は適合度を向上させるための行動を示す情報を出力する。
本実施形態の一変形例について説明する。本変形例では、ステップＳ１９３において決定された、適合度を向上させるための行動について、行動前の状態から行動後の状態に遷移するための遷移コストの最小値が第２閾値に満たないと判定された場合に限り、出力部４１２は適合度を向上させるための行動を示す情報を出力する。
【0116】
上述したステップＳ１９に対応するステップであって、本変形例におけるステップＳ１９Ａについて、図６を参照して説明する。図６は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
【0117】
（ステップＳ１９１～ステップＳ１９３、ステップＳ１９５）
ステップＳ１９１～ステップＳ１９３、及びステップＳ１９５は、上述した通りである。
ステップＳ１９１～ステップＳ１９３、及びステップＳ１９５は、上述した通りである。
【0118】
（ステップＳ１９６）
ステップＳ１９６において、出力部４１２は、ステップＳ１９３において決定した行動（すなわち、遷移コストが最小となる行動）への遷移コストが第２閾値以上か否かを判定する。
ステップＳ１９６において、出力部４１２は、ステップＳ１９３において決定した行動（すなわち、遷移コストが最小となる行動）への遷移コストが第２閾値以上か否かを判定する。
【0119】
（ステップＳ１９４）
ステップＳ１９６において、遷移コストは第２閾値に満たないと判定された場合（ステップＳ１９６：ＮＯ）、ステップＳ１９４において出力部４１２は、ステップＳ１９３において算出した最小となる遷移コストに対応する行動を、適合度を向上させるための行動として、当該行動を示す情報を生成する。
ステップＳ１９６において、遷移コストは第２閾値に満たないと判定された場合（ステップＳ１９６：ＮＯ）、ステップＳ１９４において出力部４１２は、ステップＳ１９３において算出した最小となる遷移コストに対応する行動を、適合度を向上させるための行動として、当該行動を示す情報を生成する。
【0120】
（ステップＳ１９７）
一方、ステップＳ１９６において、遷移コストは第２閾値以上であると判定された場合（ステップＳ１９６：ＹＥＳ）、ステップＳ１９７において出力部４１２は、適切な行動が無い旨を示す情報を生成する。なお、ステップＳ１９７が実行された場合、上述したステップＳ２２は実行されなくてもよい。換言すると、学習システム１００では、学習に適した状態となるための行動として適切な行動がない場合、ユーザにその旨を通知しないで学習させてもよい。
一方、ステップＳ１９６において、遷移コストは第２閾値以上であると判定された場合（ステップＳ１９６：ＹＥＳ）、ステップＳ１９７において出力部４１２は、適切な行動が無い旨を示す情報を生成する。なお、ステップＳ１９７が実行された場合、上述したステップＳ２２は実行されなくてもよい。換言すると、学習システム１００では、学習に適した状態となるための行動として適切な行動がない場合、ユーザにその旨を通知しないで学習させてもよい。
【0121】
〔変形例２〕
本実施形態の他の変形例について説明する。本変形例では、取得部４１０は、ユーザが学習する学習コンテンツを特定する第２情報を取得する。また、算出部４１１は、第１情報及び第２情報を参照して、適合度を算出する。また、出力部４１２は、第１情報及び第２情報を参照して算出された適合度の高さが第１閾値に満たないと判定された場合に、適合度を向上させるための行動を示す情報を出力する。
本実施形態の他の変形例について説明する。本変形例では、取得部４１０は、ユーザが学習する学習コンテンツを特定する第２情報を取得する。また、算出部４１１は、第１情報及び第２情報を参照して、適合度を算出する。また、出力部４１２は、第１情報及び第２情報を参照して算出された適合度の高さが第１閾値に満たないと判定された場合に、適合度を向上させるための行動を示す情報を出力する。
【0122】
また、第２情報は、学習コンテンツを特定する情報に加えて、科目を特定する情報、難易度を特定する情報、及び、当該学習コンテンツにおけるユーザの学習履歴を示す情報が挙げられる。第２情報は、スマートフォン２の記憶部２３に格納されていてもよいし、学習用サーバ３の記憶部３３に格納されていてもよい。本変形例では、第２情報が学習用サーバ３の記憶部３３に格納されている場合について説明する。
【0123】
上述したように、算出部４１１が適合度を算出する方法の一例として、機械学習により構築された学習済モデルを用いる方法が挙げられる。本変形例において算出部４１１が用いる学習済モデルは、第１情報及び第２情報を入力とし、適合度又は適合度に対応する情報を出力とする学習済モデルである。
【0124】
また、本変形例において、学習部４１３が用いる教師データは、第１情報と、第２情報と、適合度に対応する情報とを組とする教師データである。
【0125】
＜変形例２において実行される処理＞
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０１の流れについて、図７および図８を参照して説明する。図７は、本変形例に係る学習システム１００において実行される処理Ｓ１０１の流れを示すシーケンス図である。なお、図８については後述する。
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０１の流れについて、図７および図８を参照して説明する。図７は、本変形例に係る学習システム１００において実行される処理Ｓ１０１の流れを示すシーケンス図である。なお、図８については後述する。
【0126】
なお、スマートフォン２が学習コンテンツを学習用サーバ３に要求するステップＳ１１から、スマートフォン２が出力した第１情報を情報処理装置４が取得するステップＳ１８までの処理は、上述した通りである。
【0127】
（ステップＳ３１）
ステップＳ３１において、情報処理装置４の出力部４１２は、学習用サーバ３に対して、ステップＳ１２において学習用サーバ３が出力した学習コンテンツに関する情報である第２情報を要求する。
ステップＳ３１において、情報処理装置４の出力部４１２は、学習用サーバ３に対して、ステップＳ１２において学習用サーバ３が出力した学習コンテンツに関する情報である第２情報を要求する。
【0128】
例えば、ステップＳ１８において取得部４１０は、第１情報を取得すると、当該第１情報を出力部４１２に供給する。出力部４１２は、取得部４１０から第１情報を取得したことを契機として、学習用サーバ３に対して、第２情報を要求する旨を示す情報を学習用サーバ３に出力することにより、学習用サーバ３に対して第２情報を要求する。
【0129】
（ステップＳ３２）
ステップＳ３２において、学習用サーバ３の出力部３１１は、情報処理装置４に対して、第２情報を出力する。
ステップＳ３２において、学習用サーバ３の出力部３１１は、情報処理装置４に対して、第２情報を出力する。
【0130】
例えば、取得部３１０は、情報処理装置４から出力された、第２情報を要求する旨を示す情報を取得すると、取得した情報を出力部３１１に供給する。出力部３１１は、取得部３１０から供給された情報を参照し、ステップＳ１２において出力した学習コンテンツに関する情報を第２情報として、情報処理装置４に出力する。
【0131】
（ステップＳ３３）
ステップＳ３３において、情報処理装置４の取得部４１０は、学習用サーバ３から出力された第２情報を取得する。取得部４１０は、取得した第２情報を記憶部４３に格納する。
ステップＳ３３において、情報処理装置４の取得部４１０は、学習用サーバ３から出力された第２情報を取得する。取得部４１０は、取得した第２情報を記憶部４３に格納する。
【0132】
（ステップＳ３４）
ステップＳ３４において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ３４の処理について、図８を参照して説明する。図８は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
ステップＳ３４において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ３４の処理について、図８を参照して説明する。図８は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
【0133】
ステップＳ３４１において、算出部４１１は、記憶部４３に格納されている第１情報及び第２情報を参照して、適合度を算出する。
【0134】
本変形例において、算出部４１１が適合度を算出する方法の一例として、上述した方法と同様、学習済モデルを用いる方法が挙げられる。算出部４１１が用いる学習済モデルは、第１情報及び第２情報を入力とし、適合度に対応する情報を出力する学習済モデルである。
【0135】
なお、ステップＳ１９２～ステップＳ１９５は、上述した通りである。
【0136】
（ステップＳ２０～ステップＳ２２）
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
【0137】
（ステップＳ３４において実行される処理の例１）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音を第１情報として取得し、上述したステップＳ３３において、取得部４１０が、学習コンテンツの科目を特定する第２情報であって、数学を示す第２情報として取得した場合に、ステップＳ３４において実行される処理例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音を第１情報として取得し、上述したステップＳ３３において、取得部４１０が、学習コンテンツの科目を特定する第２情報であって、数学を示す第２情報として取得した場合に、ステップＳ３４において実行される処理例について説明する。
【0138】
この場合、ステップＳ１９２において、ステップＳ３４１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、ユーザの周辺の音の大きさが所定の値よりも大きく、ユーザの周辺の音が大きい環境では数学の学習は不適切な場合）、ステップＳ１９３において出力部４１２は、ユーザの周辺の音が小さくなるような状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
例えば、ステップＳ１９３において決定された行動が「英単語の暗記をする」であった場合、ステップＳ１９４において出力部４１２は、例えば、「電車内では英単語の暗記が適しています」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「電車内では英単語の暗記が適しています」というテキストを含む画像を表示する。
例えば、ステップＳ１９３において決定された行動が「英単語の暗記をする」であった場合、ステップＳ１９４において出力部４１２は、例えば、「電車内では英単語の暗記が適しています」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「電車内では英単語の暗記が適しています」というテキストを含む画像を表示する。
【0139】
例えば、ステップＳ１９３において決定された行動が「静かな場所に移動する」であった場合、ステップＳ１９４において出力部４１２は、例えば、「数学は静かな場所がおすすめです」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「数学は静かな場所がおすすめです」というテキストを含む画像を表示する。
【0140】
（ステップＳ３４において実行される処理の例２）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音及び振動を第１情報として取得し、上述したステップＳ３３において、取得部４１０が、学習コンテンツの科目を特定する第２情報であって、数学を示す第２情報として取得した場合に、ステップＳ３４において実行される処理例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音及び振動を第１情報として取得し、上述したステップＳ３３において、取得部４１０が、学習コンテンツの科目を特定する第２情報であって、数学を示す第２情報として取得した場合に、ステップＳ３４において実行される処理例について説明する。
【0141】
この場合、ステップＳ１９２において、ステップＳ３４１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、電車内では数学の学習は不適切な場合）、ステップＳ１９３において出力部４１２は、電車内に適した科目の学習をする状態を、ターゲットとなる状態として決定する。そして、出力部４１２は、ターゲットとなる状態へ遷移する行動のうち、遷移コストが最小となる行動を決定する。
【0142】
（ステップＳ３４において実行される処理の例３）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音を第１情報として取得し、上述したステップＳ３３において、取得部４１０が数学を示す第２情報として取得した場合であって、ステップＳ３４において言語モデルを用いた場合に実行される処理例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるユーザの周辺の音を第１情報として取得し、上述したステップＳ３３において、取得部４１０が数学を示す第２情報として取得した場合であって、ステップＳ３４において言語モデルを用いた場合に実行される処理例について説明する。
【0143】
この場合、ステップＳ１９３において出力部４１２は、第１情報と、第２情報と、プロンプトとを入力として、適合度を向上させるための行動を出力するように構成された言語モデルを用いる。
【0144】
この場合に言語モデルに入力されるプロンプトの候補である複数のプロンプト候補のそれぞれは、学習環境又は身体情報の種別に加えて、科目がさらに関連付けられていてもよい。一例として、出力部４１２は、ユーザの周辺の音及び振動を示す第１情報と、数学を示す第２情報とを言語モデルに入力する場合、プロンプトとして、学習環境又は身体情報の種別がユーザの周辺の音及び振動に関連付けられており、さらに科目が数学に関連付けられた「これはユーザの周辺の音及び振動を示すデータです。数学に適した環境に移行する提案、又は環境に適した科目を提案してください。」というプロンプトを選択する。そして、出力部４１２は、第１情報と、第２情報と、選択したプロンプトを言語モデルに入力し、出力された適合度を向上させるための行動を、ターゲットとなる状態への遷移コストが最小となる行動に決定する。
【0145】
上述の例以外の学習コンテンツに関する提案として、例えば、「現在の環境（又は現在の身体状態）ではこの難易度の問題は難しいので、もっと簡単な問題を解きましょう」、「現在の環境と同じ環境（又は現在の身体状態と同じ状態）で前回行ったテストが悪かったので、違う環境（又は違う身体状態）でテストしましょう」が挙げられる。
【0146】
〔変形例３〕
本実施形態のさらに他の変形例について説明する。本変形例に係る学習システム１００では、複数のウェアラブルデバイス１と複数のスマートフォン２とが含まれる構成について説明する。換言すると、本変形例に係る学習システム１００では、ウェアラブルデバイス１を身に付け、スマートフォン２を所持するユーザが複数いる場合について説明する。
本実施形態のさらに他の変形例について説明する。本変形例に係る学習システム１００では、複数のウェアラブルデバイス１と複数のスマートフォン２とが含まれる構成について説明する。換言すると、本変形例に係る学習システム１００では、ウェアラブルデバイス１を身に付け、スマートフォン２を所持するユーザが複数いる場合について説明する。
【0147】
本変形例では、取得部４１０は、ユーザの個人を特定する第３情報を取得する。情報処理装置４の記憶部４３には、各ユーザが過去に学習した学習コンテンツの履歴であって、（１）ユーザを特定する第３情報と、（２）各学習コンテンツを特定する前記第２情報と、（３）当該第２情報で特定される学習コンテンツを当該ユーザが学習した時に取得された前記第１情報と、（４）当該第２情報で特定される学習コンテンツを当該ユーザが学習した時の学習成績の高さを表す第４情報と、が対応付けられている履歴が記憶されている。適合度が第１閾値に満たないと判定された場合に、出力部４１２は、履歴を参照し、第３情報により特定されるユーザが学習を行う前に、適合度を向上させつつ学習成績を向上させるための行動を示す情報を出力する。
【0148】
出力部４１２は、履歴を参照することによって、当該ユーザにとって高い学習成績を得られたときの第１情報及び第２情報を取得することができるので、適合度だけでなく学習成績を向上させるための行動を示す情報を出力することができる。
【0149】
＜変形例３に係る学習システムにおいて実行される処理＞
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０２の流れについて、図９を参照して説明する。図９は、本変形例に係る学習システム１００において実行される処理Ｓ１０２の流れを示すシーケンス図である。
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０２の流れについて、図９を参照して説明する。図９は、本変形例に係る学習システム１００において実行される処理Ｓ１０２の流れを示すシーケンス図である。
【0150】
なお、スマートフォン２が学習コンテンツを学習用サーバ３に要求するステップＳ１１から、スマートフォン２が第１情報をウェアラブルデバイス１から取得するステップＳ１６までの処理は、上述した通りである。
【0151】
（ステップＳ４１）
ステップＳ４１において、スマートフォン２の出力部２１１は、記憶部２３に格納されている第１情報及び第３情報を、情報処理装置４に対して出力する。
ステップＳ４１において、スマートフォン２の出力部２１１は、記憶部２３に格納されている第１情報及び第３情報を、情報処理装置４に対して出力する。
【0152】
（ステップＳ４２）
ステップＳ４２において、情報処理装置４の取得部４１０は、スマートフォン２から出力された第１情報及び第３情報を取得する。取得部４１０は、取得した第１情報及び第３情報を、記憶部４３に格納する。
ステップＳ４２において、情報処理装置４の取得部４１０は、スマートフォン２から出力された第１情報及び第３情報を取得する。取得部４１０は、取得した第１情報及び第３情報を、記憶部４３に格納する。
【0153】
（ステップＳ４３）
ステップＳ４３において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ４３の処理について、図１０を参照して説明する。図１０は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
ステップＳ４３において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ４３の処理について、図１０を参照して説明する。図１０は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
【0154】
ステップＳ１９１、ステップＳ１９２、及びステップＳ１９５は、上述した通りである。
【0155】
ステップＳ１９２において、適合度の高さが第１閾値に満たないと判定された場合（ステップＳ１９２：ＮＯ）、ステップＳ４３１において出力部４１２は、第３情報を参照して、適合度を向上させるための行動を決定する。例えば、ステップＳ４３１において出力部４１２は、ユーザの学習成績が良かった場合にユーザが行った行動を、適合度を向上させるための行動として決定する。
【0156】
ステップＳ４３２において、出力部４１２は、ステップＳ４３１において決定した行動を、適合度を向上させるための行動として、当該行動を示す情報を生成する。
【0157】
（ステップＳ２０～ステップＳ２２）
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
【0158】
（ステップＳ４３において実行される処理の例１）
上述したステップＳ４２において、情報処理装置４の取得部４１０がユーザの身体状態である心拍数を第１情報として取得し、第３情報によって特定されるユーザが深呼吸をした場合に学習成績が良かった場合に、ステップＳ４３において実行される処理の例について説明する。
上述したステップＳ４２において、情報処理装置４の取得部４１０がユーザの身体状態である心拍数を第１情報として取得し、第３情報によって特定されるユーザが深呼吸をした場合に学習成績が良かった場合に、ステップＳ４３において実行される処理の例について説明する。
【0159】
この場合、ステップＳ１９２において、ステップＳ１９１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、心拍数が所定の値よりも高い場合）、ステップＳ４３１において出力部４１２は、ユーザが深呼吸することを、適合度を向上させるための行動として決定する。そして、ステップＳ４３２において、出力部４１２は、例えば、「深呼吸しましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「深呼吸しましょう」というテキストを含む画像を表示する。
【0160】
（ステップＳ４３において実行される処理の例２）
上述したステップＳ４２において、情報処理装置４の取得部４１０がユーザの周辺における学習環境である現在時刻を第１情報として取得し、第３情報によって特定されるユーザが、朝学習をした場合に学習成績が良かった場合に、ステップＳ４３において実行される処理の例について説明する。
上述したステップＳ４２において、情報処理装置４の取得部４１０がユーザの周辺における学習環境である現在時刻を第１情報として取得し、第３情報によって特定されるユーザが、朝学習をした場合に学習成績が良かった場合に、ステップＳ４３において実行される処理の例について説明する。
【0161】
この場合、ステップＳ１９２において、ステップＳ１９１において算出された適合度の高さが第１閾値に満たないと判定された場合（例えば、現在時刻が２０時の場合）、ステップＳ４３１において出力部４１２は、朝、学習することを、適合度を向上させるための行動として決定する。そして、ステップＳ４３２において、出力部４１２は、例えば、「学習は朝にしましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「学習は朝にしましょう」というテキストを含む画像を表示する。
【0162】
（ステップＳ４３において実行される処理の例３）
上述したステップＳ４２において、情報処理装置４の取得部４１０がユーザの周辺における学習環境である現在時刻を第１情報として取得し、第３情報によって特定されるユーザが、朝学習をした場合に学習成績が良かった場合であって、ステップＳ４３において言語モデルを用いて実行される処理の例について説明する。
上述したステップＳ４２において、情報処理装置４の取得部４１０がユーザの周辺における学習環境である現在時刻を第１情報として取得し、第３情報によって特定されるユーザが、朝学習をした場合に学習成績が良かった場合であって、ステップＳ４３において言語モデルを用いて実行される処理の例について説明する。
【0163】
この場合、ステップＳ４３１において出力部４１２は、プロンプトと第１情報とを入力として、適合度を向上させるための行動を出力するように構成された言語モデルを用いる。一例として、出力部４１２は、上述した構成と同様に、学習環境又は身体情報の種別が関連付けられた複数のプロンプト候補からプロンプトを選択し、さらに、第３情報を参照して、ユーザの学習成績が良かった場合にユーザが行った行動を、プロンプトに含める。
【0164】
例えば、出力部４１２はまず、現在時刻が関連付けられたプロンプト「これは現在の時刻です。学習に適した環境とそのための行動を提案してください。」を選択する。次に、出力部４１２は、朝学習をした場合に学習成績が良かったことを示す第３情報を参照し、プロンプトを「これは現在の時刻です。ユーザは朝型ということを考慮して、学習に適した環境とそのための行動を提案してください。」というプロンプトに変更する。続いて、出力部４１２は、変更したプロンプトと第１情報とを言語モデルに入力する。そして、出力部４１２は、言語モデルから出力された適合度を向上させるための行動を、ターゲットとなる状態への遷移コストが最小となる行動に決定する。
【0165】
〔変形例４〕
本実施形態の他の変形例について説明する。本変形例では、取得部４１０は、ユーザの現在地を示す情報を取得する。また、出力部４１２は、当該情報を参照して、適合度を向上させるための行動を示す情報を出力する。一例として、出力部４１２は、適合度を向上させるための行動を示す情報として、現在地からの移動先を含む情報を出力する。
本実施形態の他の変形例について説明する。本変形例では、取得部４１０は、ユーザの現在地を示す情報を取得する。また、出力部４１２は、当該情報を参照して、適合度を向上させるための行動を示す情報を出力する。一例として、出力部４１２は、適合度を向上させるための行動を示す情報として、現在地からの移動先を含む情報を出力する。
【0166】
＜変形例４に係る学習システムにおいて実行される処理＞
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０３の流れについて、図１１を参照して説明する。図１１は、本変形例に係る学習システム１００において実行される処理Ｓ１０３の流れを示すシーケンス図である。
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０３の流れについて、図１１を参照して説明する。図１１は、本変形例に係る学習システム１００において実行される処理Ｓ１０３の流れを示すシーケンス図である。
【0167】
なお、スマートフォン２が学習コンテンツを学習用サーバ３に要求するステップＳ１１から、スマートフォン２が第１情報をウェアラブルデバイス１から取得するステップＳ１６までの処理は、上述した通りである。
【0168】
（ステップＳ５１）
ステップＳ５１において、スマートフォン２は、情報処理装置４に対して、第１情報及び現在地を示す情報を出力する。
ステップＳ５１において、スマートフォン２は、情報処理装置４に対して、第１情報及び現在地を示す情報を出力する。
【0169】
例えば、スマートフォン２の取得部２１０は、ステップＳ１６において第１情報を取得したことを契機として、位置情報受信部２６からスマートフォン２の位置を示す位置情報を取得する。スマートフォン２の取得部２１０は、取得した第１情報及び位置情報を出力部２１１に供給する。出力部２１１は、取得部２１０から供給された位置情報を、現在地を示す情報として、第１情報と共に出力する。
【0170】
（ステップＳ５２）
ステップＳ５２において、情報処理装置４の取得部４１０は、スマートフォン２から出力された第１情報及び現在地を示す情報を取得する。取得部４１０は、取得した第１情報及び現在地を示す情報を、記憶部４３に格納する。
ステップＳ５２において、情報処理装置４の取得部４１０は、スマートフォン２から出力された第１情報及び現在地を示す情報を取得する。取得部４１０は、取得した第１情報及び現在地を示す情報を、記憶部４３に格納する。
【0171】
（ステップＳ５３）
ステップＳ５３において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ５３の処理について、図１２を参照して説明する。図１２は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
ステップＳ５３において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ５３の処理について、図１２を参照して説明する。図１２は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
【0172】
（ステップＳ１９１～ステップＳ１９３、ステップＳ１９５）
ステップＳ１９１～ステップＳ１９３、及びステップＳ１９５は、上述した通りである。
ステップＳ１９１～ステップＳ１９３、及びステップＳ１９５は、上述した通りである。
【0173】
（ステップＳ５３１）
ステップＳ５３１において、出力部４１２は、ステップＳ１９３において決定された行動の移動先を決定する。例えば、ステップＳ１９３において決定された行動が、静かな場所に移動する、であった場合、ステップＳ５３１において出力部４１２は、静かな場所である図書館を移動先として決定する。
ステップＳ５３１において、出力部４１２は、ステップＳ１９３において決定された行動の移動先を決定する。例えば、ステップＳ１９３において決定された行動が、静かな場所に移動する、であった場合、ステップＳ５３１において出力部４１２は、静かな場所である図書館を移動先として決定する。
【0174】
（ステップＳ５３２）
ステップＳ５３２において、出力部４１２は、適合度を向上させるための行動として、ステップＳ１９３において決定した行動と、ステップＳ５３２において決定した移動先を含む情報を生成する。
ステップＳ５３２において、出力部４１２は、適合度を向上させるための行動として、ステップＳ１９３において決定した行動と、ステップＳ５３２において決定した移動先を含む情報を生成する。
【0175】
（ステップＳ２０～ステップＳ２２）
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
【0176】
（ステップＳ５３において実行される処理の例１）
上述したように、ステップＳ５３１において、図書館を移動先として決定した場合、ステップＳ５３２において出力部４１２は、例えば、「図書館に移動しましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「図書館に移動しましょう」というテキストを含む画像を表示する。
上述したように、ステップＳ５３１において、図書館を移動先として決定した場合、ステップＳ５３２において出力部４１２は、例えば、「図書館に移動しましょう」という提案を含む情報を生成する。この場合、上述したステップＳ２２においてスマートフォン２は、「図書館に移動しましょう」というテキストを含む画像を表示する。
【0177】
さらに、ステップＳ５３２において出力部４１２は、移動先の図書館までの経路を含む情報を生成してもよい。例えば、ステップＳ５３２において出力部４１２は、図書館への経路と、「一番近い図書館はこちらです」という提案とを含む情報を生成してもよい。
【0178】
（ステップＳ５３において実行される処理の例２）
ステップＳ５３において言語モデルを用いた場合に実行される処理例について説明する。
ステップＳ５３において言語モデルを用いた場合に実行される処理例について説明する。
【0179】
この場合、ステップＳ５３１において出力部４１２は、第１情報と、現在地を示す情報と、プロンプトとを入力として、適合度を向上させるための行動を出力するように構成された言語モデルを用いる。また、言語モデルは、外部のサーバが提供する地図を参照可能な構成であってもよい。
【0180】
この場合、出力部４１２はまず、言語モデルに入力するプロンプトとして、上述した構成と同様、第１情報に関連付けられたプロンプト「これはユーザの周辺の音及び振動を示すデータです。学習に適した環境を提案してください。」を選択する。次に、出力部４１２は、現在地を示す情報を言語モデルに入力するため、プロンプトを「これはユーザの周辺の音及び振動及び現在の位置を示すデータです。学習に適した環境を提案してください。」というプロンプトに変更する。続いて、出力部４１２は、変更したプロンプトと第１情報を言語モデルに入力する。
【0181】
言語モデルは、外部のサーバが提供する地図を参照可能であるため、「図書館に移動しましょう」という提案をすることができる。また、上述した構成と同様に、言語モデルが移動先の図書館までの経路を含む情報を出力した場合、出力部４１２は、移動先の図書館までの経路を含む情報を生成してもよい。
【0182】
〔変形例５〕
本変形例に係る学習システム１００では、各装置が備える１又は複数の構成要素を、他の装置が備える構成であってもよい。
本変形例に係る学習システム１００では、各装置が備える１又は複数の構成要素を、他の装置が備える構成であってもよい。
【0183】
例えば、学習システム１００では、ウェアラブルデバイス１が備えるセンサ部１４を、スマートフォン２が備える構成であってもよい。この場合、学習システム１００は、当該スマートフォン２と、学習用サーバ３と、情報処理装置４とを備える構成であってもよい。
【0184】
他の例として、学習システム１００では、学習用サーバ３が備える構成要素を、情報処理装置４が備える構成であってもよい。この場合、学習システム１００は、当該情報処理装置と、ウェアラブルデバイス１と、スマートフォン２とを備える構成であってもよい。
【0185】
さらに他の例として、学習システム１００は、情報処理装置４によって構成されてもよい。換言すると、ウェアラブルデバイス１、スマートフォン２、及び学習用サーバ３の各々が備える構成要素を、情報処理装置４が備えていてもよい。
【0186】
［変形例６］
本実施形態の一変形例について説明する。本変形例では、学習コンテンツを取得しない場合について説明する。また、本変形例では、ユーザに提供可能な学習コンテンツに関する情報が、情報処理装置４の記憶部４３に格納されている。本変形例における学習コンテンツに関する情報は、学習コンテンツそのものを示す情報であってもよいし、学習コンテンツの科目を示す情報であってもよい。
本実施形態の一変形例について説明する。本変形例では、学習コンテンツを取得しない場合について説明する。また、本変形例では、ユーザに提供可能な学習コンテンツに関する情報が、情報処理装置４の記憶部４３に格納されている。本変形例における学習コンテンツに関する情報は、学習コンテンツそのものを示す情報であってもよいし、学習コンテンツの科目を示す情報であってもよい。
【0187】
＜変形例６において実行される処理＞
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０４の流れについて、図１３および図１４を参照して説明する。図１３は、本変形例に係る学習システム１００において実行される処理Ｓ１０１の流れを示すシーケンス図である。なお、図１４については後述する。
上述した学習システム１００において実行される処理Ｓ１００に対応する処理であって、本変形例に係る学習システム１００において実行される処理Ｓ１０４の流れについて、図１３および図１４を参照して説明する。図１３は、本変形例に係る学習システム１００において実行される処理Ｓ１０１の流れを示すシーケンス図である。なお、図１４については後述する。
【0188】
図１３に示すように、本変形例では、スマートフォン２が学習コンテンツを学習用サーバ３に要求するステップＳ１１から、スマートフォン２が学習コンテンツを取得する構成は実行されない。
【0189】
また、スマートフォン２が第１情報をウェアラブルデバイス１に要求するステップＳ１４から、スマートフォン２が出力した第１情報を情報処理装置４が取得するステップＳ１８までの処理は、上述した通りである。
【0190】
（ステップＳ６１）
ステップＳ６１において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ６１の処理について、図１４を参照して説明する。図１４は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
ステップＳ６１において、情報処理装置４の出力部４１２は、出力する情報を生成する。ステップＳ６１の処理について、図１４を参照して説明する。図１４は、本変形例に係る出力部４１２が出力する情報を生成する処理を示すフローチャートである。
【0191】
（ステップＳ６１１）
ステップＳ６１１において、算出部４１１は、記憶部４３に格納されている第１情報と、記憶部４３に格納されている複数の学習コンテンツのそれぞれに関する情報とを参照して、学習コンテンツ毎の適合度を算出する。算出部４１１が適合度を算出する処理については、上述した通りである。
ステップＳ６１１において、算出部４１１は、記憶部４３に格納されている第１情報と、記憶部４３に格納されている複数の学習コンテンツのそれぞれに関する情報とを参照して、学習コンテンツ毎の適合度を算出する。算出部４１１が適合度を算出する処理については、上述した通りである。
【0192】
（ステップＳ６１２）
ステップＳ６１２において、出力部４１２は、ステップＳ６１１において算出された学習コンテンツ毎の適合度のうち、適合度が第１閾値以上の学習コンテンツがあるか否かを判定する。なお、ステップＳ６１２において出力部４１２が用いる第１閾値は、学習コンテンツ毎に値が異なる閾値であってもよい。
ステップＳ６１２において、出力部４１２は、ステップＳ６１１において算出された学習コンテンツ毎の適合度のうち、適合度が第１閾値以上の学習コンテンツがあるか否かを判定する。なお、ステップＳ６１２において出力部４１２が用いる第１閾値は、学習コンテンツ毎に値が異なる閾値であってもよい。
【0193】
（ステップＳ６１３）
ステップＳ６１２において、適合度が第１閾値以上の学習コンテンツがないと判定された場合（ステップＳ６１２：ＮＯ）、換言すると、学習コンテンツ毎の適合度の全てが第１閾値に満たないと判定された場合、ステップＳ６１３において出力部４１２は、複数の学習コンテンツの何れかをユーザが学習を行うことの適合度を向上させるための行動を示す情報を生成する。ステップＳ６１３において出力部４１２が適合度を向上させるための行動を示す情報を生成する処理として、上述した処理（例えば、上述したステップＳ１９３及びステップＳ１９４、又は言語モデルを用いる処理）が挙げられる。
ステップＳ６１２において、適合度が第１閾値以上の学習コンテンツがないと判定された場合（ステップＳ６１２：ＮＯ）、換言すると、学習コンテンツ毎の適合度の全てが第１閾値に満たないと判定された場合、ステップＳ６１３において出力部４１２は、複数の学習コンテンツの何れかをユーザが学習を行うことの適合度を向上させるための行動を示す情報を生成する。ステップＳ６１３において出力部４１２が適合度を向上させるための行動を示す情報を生成する処理として、上述した処理（例えば、上述したステップＳ１９３及びステップＳ１９４、又は言語モデルを用いる処理）が挙げられる。
【0194】
（ステップＳ６１４）
ステップＳ６１２において、適合度が第１閾値以上の学習コンテンツがあると判定された場合（ステップＳ６１２：ＹＥＳ）、ステップＳ６１４において、適合度が高い（適合度が第１閾値以上の）学習コンテンツを示す情報を生成する。
ステップＳ６１２において、適合度が第１閾値以上の学習コンテンツがあると判定された場合（ステップＳ６１２：ＹＥＳ）、ステップＳ６１４において、適合度が高い（適合度が第１閾値以上の）学習コンテンツを示す情報を生成する。
【0195】
（ステップＳ２０）
ステップＳ２０において、情報処理装置４の出力部４１２は、ステップＳ１９において生成した情報を、スマートフォン２に対して出力する。
ステップＳ２０において、情報処理装置４の出力部４１２は、ステップＳ１９において生成した情報を、スマートフォン２に対して出力する。
【0196】
（ステップＳ２１～ステップＳ２２）
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
情報処理装置４の出力部４１２が、生成した情報を出力するステップＳ２０から、スマートフォン２が当該情報を表示するステップＳ２２までの処理は、上述した通りである。
【0197】
（ステップＳ６１において実行される処理の例）
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるＣＯ２濃度を第１情報として取得した場合に、ステップＳ６１において実行される処理の例について説明する。
上述したステップＳ１８において、情報処理装置４の取得部４１０が、ユーザの周辺における学習環境であるＣＯ２濃度を第１情報として取得した場合に、ステップＳ６１において実行される処理の例について説明する。
【0198】
この場合、ステップＳ６１１において、算出部４１１は、ＣＯ２濃度を示す第１情報と、複数の学習コンテンツのそれぞれを示す情報とを参照して、学習コンテンツ毎の適合度を算出する。
【0199】
次に、ステップＳ６１２において、出力部４１２は、ステップＳ６１１において算出された学習コンテンツ毎の適合度のうち、適合度が第１閾値以上の学習コンテンツがあるか否かを判定する。換言すると、第１情報が示すＣＯ２濃度に適合した学習コンテンツがあるか否かを判定する。
【0200】
第１情報が示すＣＯ２濃度に適合した学習コンテンツがない場合、ステップＳ６１３において出力部４１２は、ＣＯ２濃度が低くなるような状態をターゲットとなる状態として、適合度を向上させるための行動を示す情報を生成する。ここで、ステップＳ６１３において出力部４１２は、ステップＳ６１１において算出された適合度のうち、最も適合度が高かった学習コンテンツに適合する状態を、ターゲットとなる状態として決定してもよい。例えば、数学の学習コンテンツの適合度が７０であり、英語の学習コンテンツの適合度が６０の場合、出力部４１２は、数学の適合度を向上させるための行動を示す情報を生成してもよい。
【0201】
また、上述した実施形態および変形例と同様に、ステップＳ６１３において出力部４１２は、第１情報とプロンプトとを言語モデルに入力し、適合度を向上させるための行動を示す情報を生成してもよい。
【0202】
例えば、ステップＳ６１３において決定された適合度を向上させるための行動が「窓を開ける」であった場合、出力部４１２は、「窓を開けましょう」という提案を含む情報を生成する。また、出力部４１２は、ユーザに学習を提案する学習コンテンツを含めた情報を生成してもよい。一例として、出力部４１２は、提案する行動が、数学の学習コンテンツの適合度を向上させるための行動である場合、「窓を開けて、数学を学習しましょう」という提案を含む情報を生成してもよい。
【0203】
〔ソフトウェアによる実現例〕
ウェアラブルデバイス１、スマートフォン２、学習用サーバ３、及び情報処理装置４の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部１１、２１、３１、４１に含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。
ウェアラブルデバイス１、スマートフォン２、学習用サーバ３、及び情報処理装置４の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部１１、２１、３１、４１に含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。
【0204】
この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。
【0205】
上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。
【0206】
また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。
【0207】
〔まとめ〕
本発明の態様１に係る情報処理装置４は、ユーザの周辺における学習環境と前記ユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する取得部４１０と、前記第１情報を参照して、前記ユーザが学習を行うことに対する前記学習環境及び前記身体状態の少なくとも何れかの適合度を算出する算出部４１１と、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する出力部４１２と、を備える。
本発明の態様１に係る情報処理装置４は、ユーザの周辺における学習環境と前記ユーザの身体状態とのうち少なくとも何れかを示す第１情報を取得する取得部４１０と、前記第１情報を参照して、前記ユーザが学習を行うことに対する前記学習環境及び前記身体状態の少なくとも何れかの適合度を算出する算出部４１１と、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する出力部４１２と、を備える。
【0208】
情報処理装置４は、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかを示す第１情報に応じて、学習に適した行動をユーザに対して提案することができる。
【0209】
本発明の態様２に係る情報処理装置４は、態様１において、算出部４１１は、機械学習により構築された学習済モデルを用いて、前記適合度を算出することが好ましい。前記学習済モデルの入力は、前記第１情報であり、前記学習済モデルの出力は、前記適合度である。
【0210】
このように、算出部４１１が機械学習により構築された学習済モデルを用いて適合度を算出することによって、所定のプログラムに基づいて適合度を算出する場合と比較して、人手による記述が困難な複雑な特徴量やパターンの認識に基づいた適合度の算出を行うことで、その精度を高めることができる。
【0211】
本発明の態様３に係る情報処理装置４は、態様１又は２において、前記出力部４１２は、機械学習により構築された自然言語生成モデルに入力するプロンプトを複数のプロンプト候補から選択し、前記自然言語生成モデルを用いて、前記適合度を向上させるための行動を示す情報を出力し、前記自然言語生成モデルの入力は、前記プロンプトおよび前記第１情報であり、前記自然言語生成モデルの出力は、前記適合度を向上させる行動について記述した自然言語である。
【0212】
情報処理装置４は、言語モデルを用いて適合度を向上させるための行動を示す情報を出力するので、自然言語に基づく背景知識の理解が可能になり、所定のプログラムに基づいて適合度を向上させるための行動を示す情報を出力する場合と比較して、行動や学習内容の類似性や言語的意味等、人手によるプログラムではすべてを記述することが困難な背景情報を考慮して、適合度を向上させるための行動を決定することで、その精度を高めることができる。
【0213】
本発明の態様４に係る情報処理装置４は、態様１から３の何れかにおいて、取得部４１０は、前記ユーザが学習する学習コンテンツを特定する第２情報を取得し、算出部４１１は、前記第１情報及び前記第２情報を参照して、前記適合度を算出し、出力部４１２は、前記第１情報及び前記第２情報を参照して算出された前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する。
【0214】
情報処理装置４は、適合度を算出するときに、第１情報に加えて学習コンテンツを特定する第２情報も参照するので、学習コンテンツの内容も考慮して適合度を算出することができる。
【0215】
本発明の態様５に係る情報処理装置４は、態様４において、算出部４１１は、機械学習により構築された学習済モデルを用いて、前記適合度を算出し、前記学習済モデルの入力は、前記第１情報及び前記第２情報であり、前記学習済モデルの出力は、前記適合度である。
【0216】
態様５に係る情報処理装置４は、態様２に係る情報処理装置４において算出部４１１に機械学習を用いた場合と同様の効果を奏する。
【0217】
本発明の態様６に係る情報処理装置４は、態様４又は５において、各ユーザが過去に学習した学習コンテンツの履歴であって、（１）ユーザを特定する第３情報と、（２）各学習コンテンツを特定する前記第２情報と、（３）当該第２情報で特定される学習コンテンツを当該ユーザが学習した時に取得された前記第１情報と、（４）当該第２情報で特定される学習コンテンツを当該ユーザが学習した時の学習成績の高さを表す第４情報と、が対応付けられている履歴を記憶した記憶部４３を更に備えている。前記適合度が第１閾値に満たないと判定された場合に、出力部４１２は、前記履歴を参照し、前記第３情報により特定される前記ユーザが学習を行う前に、前記適合度を向上させつつ前記学習成績を向上させるための行動を示す情報を出力する。
【0218】
情報処理装置４は、ユーザが学習を行う前に、前記適合度を向上させるだけでなく前記成績を向上させることができる行動を示す情報を出力することができる。したがって、学習により得られ得る成果をより高めることができる。
【0219】
本発明の態様７に係る情報処理装置４は、態様１、２、４から６の何れか一態様において、前記第１情報は、前記学習環境を示す学習環境情報と、前記身体状態を示す身体状態情報と、を含み、前記第１閾値は、前記学習環境情報の適合度を表す座標軸と前記身体状態情報の適合度を表す座標軸とにより規定される２次元平面における曲線で表され、前記出力部は、前記２次元平面において、前記第１情報を参照して算出された前記学習環境情報の適合度および身体状態情報の適合度が前記第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力する。
【0220】
第１情報が学習環境情報及び身体状態情報を含んでいるため、情報処理装置４は、ユーザの周辺における学習環境及びユーザの身体状態を考慮して適合度を向上させるための行動を示す情報を出力することができる。
【0221】
本発明の態様８に係る情報処理装置４は、態様１～７の何れか一態様において、取得部４１０は、前記ユーザの現在地を示す情報を取得し、出力部４１２は、前記適合度を向上させるための行動を示す情報として、前記現在地からの移動先を含む情報を出力する。
【0222】
情報処理装置４は、ユーザに対して、学習により適した環境と推測される移動先への移動を促すことができる。
【0223】
本発明の態様９に係る情報処理装置４は、態様１～８の何れか一態様において、出力部４１２は、前記適合度を向上させるための行動について、行動前の状態から行動後の状態に遷移するための遷移コストの最小値が第２閾値に満たないと判定された場合に限り、前記適合度を向上させるための行動を示す情報を出力する。
【0224】
情報処理装置４は、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかが学習に適していない場合であっても、学習に適した状態となるための行動に遷移するコストが高い場合、当該行動を提案しない。そのため、情報処理装置４は、ユーザにとって負荷が大きいような行動を提案しないので、ユーザーフレンドリーな装置を実現することができる。
【0225】
本発明の態様１０に係る情報処理装置４は、前記態様１から３の何れか一態様において、算出部４１１は、前記第１情報と、複数の学習コンテンツのそれぞれに関する情報とを参照して、学習コンテンツ毎の前記適合度を算出し、出力部４１２は、前記学習コンテンツ毎の適合度の全てが第１閾値に満たないと判定された場合、前記複数の学習コンテンツの何れかをユーザが学習を行うことの前記適合度を向上させるための行動を示す情報を出力する。
【0226】
情報処理装置４は、複数の学習コンテンツのうちの或る学習コンテンツについて、ユーザの周辺における学習環境とユーザの身体状態とのうち少なくとも何れかが学習に適した行動をユーザに対して提案することができる。
【0227】
本発明の態様１１に係る情報処理装置４は、前記態様１１において、出力部４１２は、前記ユーザに学習を提案する学習コンテンツを含めた前記情報を出力する。
【0228】
情報処理装置４は、複数の学習コンテンツのうち、行動と共に、当該行動をすることによって適合度が向上する学習コンテンツを、ユーザに対して提案することができる。
【0229】
本発明の態様１２に係る学習システムは、態様１～１１の何れか一態様に係る情報処理装置４と、ウェアラブルデバイス１と、端末装置（スマートフォン２）とを備える学習システム１００であって、前記ウェアラブルデバイスは、前記第１情報を生成する１又は複数のセンサを備え、且つ、当該第１情報を出力し、前記情報処理装置は、前記適合度が第１閾値に満たないと判定された場合に、前記適合度を向上させるための行動を示す情報を出力し、前記端末装置は、前記適合度を向上させるための行動を示す情報を出力する。
【0230】
学習システム１００は、情報処理装置４と同様の効果を奏する。
【0231】
〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【符号の説明】
【0232】
１００ 学習システム
１ ウェアラブルデバイス
２ スマートフォン
３ 学習用サーバ
４ 情報処理装置
４１ 制御部
４２ 通信部
４１０ 取得部
４１１ 算出部
４１２ 出力部
４１３ 学習部
４３ 記憶部
１ ウェアラブルデバイス
２ スマートフォン
３ 学習用サーバ
４ 情報処理装置
４１ 制御部
４２ 通信部
４１０ 取得部
４１１ 算出部
４１２ 出力部
４１３ 学習部
４３ 記憶部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】