特開 2024-170091 反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラム

(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】P2024170091

(43)【公開日】2024-12-06

(54)【発明の名称】反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラム

(51)【国際特許分類】

   A61B 5/16 20060101AFI20241129BHJP

【ＦＩ】

A61B5/16

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023087058

(22)【出願日】2023-05-26

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110000350

【氏名又は名称】ポレール弁理士法人

(72)【発明者】

【氏名】三幣 俊輔

【テーマコード（参考）】

4C038

【Ｆターム（参考）】

4C038PP00

4C038PS00

4C038PS09

(57)【要約】

【課題】評定値データに生じる反応プロファイルを定量評価することが可能な反応プロファイル評価装置を提供する。
【解決手段】本発明による反応プロファイル評価装置は、利用者の回答傾向を反応プロファイルとし、利用者の反応プロファイルを表現する統計分布を反応プロファイル分布とし、利用者の評定値データ８１を入力する受付部５１と、評定値データ８１に基づいて、反応プロファイル分布の候補である反応プロファイル分布候補を、統計分布の種別を含む候補反応プロファイル分布テンプレートを用いて、複数推定する反応プロファイル分布推定部５３と、評定値データ８１を用いて、推定された複数の反応プロファイル分布候補の中から、利用者の反応プロファイルの表現に適した反応プロファイル分布を選択する反応プロファイル分布評価部５４を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

利用者の回答傾向を反応プロファイルとし、
前記利用者の前記反応プロファイルを表現する統計分布を反応プロファイル分布とし、
前記利用者の評定値データを入力する受付部と、
前記評定値データに基づいて、前記反応プロファイル分布の候補である反応プロファイル分布候補を、前記統計分布の種別を含む候補反応プロファイル分布テンプレートを用いて、複数推定する反応プロファイル分布推定部と、
前記評定値データを用いて、推定された複数の前記反応プロファイル分布候補の中から、前記利用者の前記反応プロファイルの表現に適した前記反応プロファイル分布を選択する反応プロファイル分布評価部と、
を備えることを特徴とする反応プロファイル評価装置。

【請求項2】

前記反応プロファイル分布推定部は、前記評定値データの定義域の中央近傍に表出する前記反応プロファイルを表現する主反応プロファイル分布候補と、前記評定値データの前記定義域の上限近傍と下限近傍の少なくとも一方に表出する前記反応プロファイルを表現する副次反応プロファイル分布候補とのうち、少なくとも一方を含む複数の反応プロファイル分布候補を推定し、
前記反応プロファイル分布評価部は、推定された複数の前記反応プロファイル分布候補の中から、前記利用者の前記反応プロファイルの表現に適した、１つの前記反応プロファイル分布、複数の前記反応プロファイル分布、または複数の前記反応プロファイル分布の組み合わせを選択する、
請求項１に記載の反応プロファイル評価装置。

【請求項3】

前記評定値データを再標本化し、前記評定値データの種別または前記評定値データの件数が疑似的に均一化された均一化評定値データを生成するデータ抽出部と、
尤もらしい範囲が合わせて示された前記反応プロファイル分布である信頼区間付反応プロファイル分布を算出する信頼区間付反応プロファイル分布評価部と、
を備え、
前記反応プロファイル分布推定部は、複数の前記均一化評定値データに基づいて、前記反応プロファイル分布候補を推定し、
前記反応プロファイル分布評価部は、複数の前記均一化評定値データを用いて、前記反応プロファイル分布を選択し、
前記信頼区間付反応プロファイル分布評価部は、選択された前記反応プロファイル分布から、前記信頼区間付反応プロファイル分布を算出する、
請求項２に記載の反応プロファイル評価装置。

【請求項4】

前記反応プロファイル分布と前記反応プロファイル分布を特徴づけるパラメータ群とのうち、少なくとも一方を表示させる結果表示部を備える、
請求項１に記載の反応プロファイル評価装置。

【請求項5】

前記評定値データを前記定義域のデータ範囲により分割し、前記主反応プロファイル分布候補と前記副次反応プロファイル分布候補を推定するための部分評定値データを生成する前処理部を備える、
請求項２に記載の反応プロファイル評価装置。

【請求項6】

前記反応プロファイル分布は、１つの前記統計分布または複数の前記統計分布の混合分布からなる分布で表され、前記分布を特徴づけるパラメータ群で表現される、
請求項１に記載の反応プロファイル評価装置。

【請求項7】

前記反応プロファイル分布評価部は、尤度関連統計量、情報量基準、分布類似度、及び混合分布のピークの分離度のうち少なくとも１つを評価指標として用いて、前記反応プロファイル分布を選択する、
請求項１に記載の反応プロファイル評価装置。

【請求項8】

前記評定値データと前記利用者の生体状態を計測した生体計測データのうち少なくとも一方のデータと前記反応プロファイル分布を用いて、前記利用者の状態を評価する状態評価部を備える、
請求項１に記載の反応プロファイル評価装置。

【請求項9】

前記評定値データは、連続反応型の測定尺度を用いて測定されたデータである、
請求項１に記載の反応プロファイル評価装置。

【請求項10】

受付部と、反応プロファイル分布推定部と、反応プロファイル分布評価部を備えるコンピュータに実行され、
利用者の回答傾向を反応プロファイルとし、
前記利用者の前記反応プロファイルを表現する統計分布を反応プロファイル分布とし、
前記受付部が、前記利用者の評定値データを入力するステップと、
前記反応プロファイル分布推定部が、前記評定値データに基づいて、前記反応プロファイル分布の候補である反応プロファイル分布候補を、前記統計分布の種別を含む候補反応プロファイル分布テンプレートを用いて、複数推定するステップと、
前記反応プロファイル分布評価部が、前記評定値データを用いて、推定された複数の前記反応プロファイル分布候補の中から、前記利用者の前記反応プロファイルの表現に適した前記反応プロファイル分布を選択するステップと、
を備えることを特徴とする反応プロファイル評価方法。

【請求項11】

請求項１に記載の反応プロファイル評価装置の、前記受付部と、前記反応プロファイル分布推定部と、前記反応プロファイル分布評価部の機能を、コンピュータに実現させるための反応プロファイル評価プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、利用者の心身の主観状態を計測して評価する際に利用される反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラムに関する。

【背景技術】

【0002】

心身の主観状態を日常生活下で経時的かつ簡便に取得する手段として、測定尺度を用いた心理計測が利用されている。測定尺度には、例えば、多値離散反応型の順序尺度であるリッカート尺度などが一般に用いられている。近年では、連続反応型の間隔尺度であるVisual Analogue Scale（ＶＡＳ）を測定尺度として用いたＶＡＳ計測が、心理計測に利用されてきている。ＶＡＳを測定尺度として用いると、より簡便かつ高粒度に、被験者から回答を得ることができる。教示文に対する被験者（利用者）の回答のデータを、評定値データと呼ぶ。

【0003】

測定尺度を用いた心理計測では、教示文とは無関係に生じる被験者毎に一貫した回答傾向のバイアスが生じうる。この回答傾向バイアスは、評定値データに含まれ、特に心理測定値を用いた被験者間分析に悪影響を及ぼしうる。

【0004】

このような被験者に生じる回答傾向バイアスを除去する技術の例は、特許文献１に記載されている。特許文献１には、リッカート尺度を用いた心身の主観状態の評価に際して表出する回答傾向バイアスを対象に、アンケートの内容に非依存の回答傾向バイアスである回答スタイル（Response Style、ＲＳ）を除去することができる回答スタイル成分除去装置が開示されている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０２１－０２６６４７号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

上述したように、近年では、連続反応型の間隔尺度であるＶＡＳを測定尺度として用いたＶＡＳ計測が利用されている。このため、測定尺度が連続値であるＶＡＳ計測においても、回答傾向バイアスを定量的に評価し、回答傾向バイアスを除去することができる技術が望まれている。以下では、回答傾向バイアスを、反応プロファイル（Response Profile、ＲＰ）とも呼ぶ。

【0007】

特許文献１には、特許文献１に記載の装置が、測定尺度が連続値の場合にも利用できることが記載されている。しかし、間隔尺度（例えばＶＡＳ）での主観評価の回答は、順序尺度（例えばリッカート尺度）での主観評価の回答と性質が異なるため、特許文献１に記載の技術などの、順序尺度を用いた場合の反応プロファイルを除去する技術を、ＶＡＳなどの間隔尺度を用いた場合に適用するのは、一般に困難である。特に、ＶＡＳでは、単極ＶＡＳと双極ＶＡＳのように異なるタイプの設問が含まれることが多く、従来技術のように単一の数理モデルを前提とした方法では評価が難しい、という課題がある。

【0008】

本発明の目的は、評定値データに生じる反応プロファイルを定量評価することが可能な反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラムを提供することである。

【課題を解決するための手段】

【0009】

本発明による反応プロファイル評価装置は、利用者の回答傾向を反応プロファイルとし、前記利用者の前記反応プロファイルを表現する統計分布を反応プロファイル分布とし、前記利用者の評定値データを入力する受付部と、前記評定値データに基づいて、前記反応プロファイル分布の候補である反応プロファイル分布候補を、前記統計分布の種別を含む候補反応プロファイル分布テンプレートを用いて、複数推定する反応プロファイル分布推定部と、前記評定値データを用いて、推定された複数の前記反応プロファイル分布候補の中から、前記利用者の前記反応プロファイルの表現に適した前記反応プロファイル分布を選択する反応プロファイル分布評価部とを備える。

【0010】

本発明による反応プロファイル評価方法は、受付部と、反応プロファイル分布推定部と、反応プロファイル分布評価部を備えるコンピュータに実行され、利用者の回答傾向を反応プロファイルとし、前記利用者の前記反応プロファイルを表現する統計分布を反応プロファイル分布とし、前記受付部が、前記利用者の評定値データを入力するステップと、前記反応プロファイル分布推定部が、前記評定値データに基づいて、前記反応プロファイル分布の候補である反応プロファイル分布候補を、前記統計分布の種別を含む候補反応プロファイル分布テンプレートを用いて、複数推定するステップと、前記反応プロファイル分布評価部が、前記評定値データを用いて、推定された複数の前記反応プロファイル分布候補の中から、前記利用者の前記反応プロファイルの表現に適した前記反応プロファイル分布を選択するステップとを備える。

【0011】

本発明による反応プロファイル評価プログラムは、本発明による反応プロファイル評価装置の、前記受付部と、前記反応プロファイル分布推定部と、前記反応プロファイル分布評価部の機能を、コンピュータに実現させるためのプログラムである。

【発明の効果】

【0012】

本発明によると、評定値データに生じる反応プロファイルを定量評価することが可能な反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラムを提供することである。

【図面の簡単な説明】

【0013】

【図1】本発明の実施例１による反応プロファイル評価装置の主要な構成の例を示すブロック図である。

【図2】反応プロファイル評価装置が利用者端末からデータを受信する処理の例を示すフローチャートである。

【図3】反応プロファイル評価装置が行う、反応プロファイル分布（ＲＰ分布）の推定処理の例を示すフローチャートである。

【図4】反応プロファイル評価装置が行う、ＲＰ分布の評価処理の例を示すフローチャートである。

【図5】本実施例による反応プロファイル評価装置を用いて行った、ＲＰ分布推定とＲＰ分布評価の実験結果である。

【図6】利用者端末または管理者端末に表示される、利用者のＲＰ分布データの例を示す図である。

【図7】ＲＰ分布データのデータ構造の例を示す図である。

【図8】本発明の実施例２において、反応プロファイル評価装置が行う、一連の信頼区間付ＲＰ分布評価の処理の例を示すフローチャートである。

【図9】利用者端末または管理者端末に表示される、利用者の信頼区間付ＲＰ分布データの例を示す図である。

【図10】本発明の実施例３による反応プロファイル評価装置の主要な構成の例を示すブロック図である。

【図11A】反応プロファイル評価装置が行う、主観状態評価モデルの学習処理の例を示すフローチャートである。

【図11B】反応プロファイル評価装置が行う、主観状態評価の処理の例を示す図である。

【図12】本発明の実施例４による反応プロファイル評価装置の主要な構成の例を示すブロック図である。

【図13A】反応プロファイル評価装置が利用者端末からデータを受信する処理の例を示すフローチャートである。

【図13B】反応プロファイル評価装置が行う、生体状態評価モデルの学習処理の例を示すフローチャートである。

【図13C】反応プロファイル評価装置が行う、生体状態評価の処理の例を示す図である。

【図14A】結果表示部が利用者端末に表示する評価結果の例を示す図であり、評価結果データに基づき、利用者へ評定値データの入力を求める際の表示画面の例である。

【図14B】結果表示部が利用者端末に表示する評価結果の例を示す図であり、ＲＰの複数のタイプＡ～Ｄの例と利用者のＲＰのタイプを、利用者に示す表示画面の例である。

【発明を実施するための形態】

【0014】

本発明によると、評定値データ、特にＶＡＳなどの連続反応型の測定尺度を用いて測定された評定値データに生じる反応プロファイル（利用者の回答傾向）を、定量評価することが可能である。反応プロファイルを求めることで、反応プロファイルが被験者間分析に与える悪影響を除去することができる。本発明では、特に単極尺度と双極尺度のように測定尺度が異なるタイプの設問が含まれることの多い、ＶＡＳなどの連続反応型の測定尺度を用いて測定された評定値データに対しても、他の利用者と比較可能な形で反応プロファイル（ＲＰ）の定量評価ができる。これにより、ＲＰの影響を考慮した心理測定値の被験者間分析の実現につながる。

【0015】

本発明による反応プロファイル評価方法は、本発明による反応プロファイル評価装置が実行することができる。本発明による反応プロファイル評価プログラムは、本発明による反応プロファイル評価装置が備える各機能部の機能を、コンピュータに実現させるためのプログラムである。

【0016】

以下、本発明の実施例による反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラムについて、図面を参照して説明する。以下の説明では、利用者の回答傾向である反応プロファイルを「ＲＰ」と記載することもある。

【実施例0017】

本発明の実施例１による反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラムを説明する。

【0018】

図１は、本実施例による反応プロファイル評価装置１の主要な構成の例を示すブロック図である。本実施例による反応プロファイル評価装置１は、１つ以上の利用者端末７と、１つ以上の管理者端末８とで、反応プロファイル評価装置システムを構成する。

【0019】

反応プロファイル評価装置１は、ネットワーク９を介して利用者端末７と管理者端末８とに接続されている。反応プロファイル評価装置１は、利用者端末７と管理者端末８から受信したデータを処理し、処理したデータを利用者端末７と管理者端末８に送信する。

【0020】

利用者端末７は、被験者である利用者の生体状態を計測する生体計測センサ１１と、生体計測センサ１１を制御する生体計測装置１２と、入出力装置１３と、通信装置１４と、通知報知装置１５を備え、利用者に使用される。

【0021】

生体計測センサ１１は、利用者の心拍間隔（R-R Interval、ＲＲＩ）を検出する心拍センサ２１と、利用者の発汗量を検出する皮膚電気活動センサ２２と、利用者の動きを検出する加速度センサ２３を備える。心拍センサ２１には、例えば、心電、脈波、圧力変化、または心音などに基づき心拍を検出するセンサを用いることができる。

【0022】

生体計測センサ１１は、上記のセンサに限定されず、体温、まばたき、眼球運動、筋電、または脳波などを検出するセンサを備えることができる。生体計測センサ１１には、利用者が装着可能なウェアラブルデバイスの他に、利用者が持ち歩き可能なスマートフォンに内蔵の装置などを用いることができる。

【0023】

生体計測装置１２は、生体計測センサ１１を制御し、生体計測センサ１１が計測した生体状態から生体計測データを生成する。生体計測データは、生体計測センサ１１で計測した利用者の生体状態のデータであり、利用者の生体情報である。生体計測装置１２は、必要に応じて生体状態に対して演算処理や圧縮処理を行って、生体計測データを生成する。

【0024】

入出力装置１３は、マウス、キーボード、タッチパネル、及びマイクなどの入力装置と、ディスプレイ、及びスピーカなどの出力装置を備え、利用者端末７に対する入出力を行う装置である。入力装置は、利用者からの入力の受付、例えば、利用者の心身の主観状態を評価するために測定尺度を用いて測定した評定値データ８１の入力を行う。出力装置は、ディスプレイへの画面表示、例えば、利用者端末７が取得したデータの表示や、利用者への通知の表示を行う。利用者端末７は、ディスプレイにより、画面表示を行う。

【0025】

以下では、評定値データ８１の測定に利用する測定尺度として、Visual Analogue Scale（ＶＡＳ）などの、主に連続反応型の測定尺度を想定する。連続反応型の測定尺度では、評定値データ８１が、例えば０から１００までの任意の数字として計測される。本実施例では、利用者端末７のディスプレイに表示されたスライダーなどを用いて電子的にＶＡＳを計測する例を示す。但し、従前より臨床現場において利用されている紙媒体を用いたＶＡＳ計測のように、例えば、利用者が、白紙上に引かれた線分にマークし、マークした位置の線分の一端からの距離の値を入出力装置１３により入力することで、本実施例でのＶＡＳ計測を行ってもよい。

【0026】

また、本実施例は、多値離散反応型の順序尺度であるリッカート尺度などを用いて測定された評定値データ８１に対しても、適用することができる。特に、順序尺度の選択肢の数が増大した場合には、その順序尺度の特性が連続反応型の測定尺度の特性に近くなることが知られており、本実施例を容易に適用することができる。

【0027】

利用者の心身の主観状態とは、利用者が感じている自分の身体と精神の状態のことであり、例えば血圧や脈拍の数値などのセンサで計測して得られる客観状態以外の状態のことである。例えば、ある時点やある期間における疲労感、ストレス、及び痛みの大きさを測定した心身状態を、心身の主観状態の例として挙げることができる。例えば、痛みの場合には、左端（または下端で、評定値が０）を全く痛くない状態と教示し、右端（または上端で、評定値が１００）をこれまでで想像できる最高の痛みと教示したＶＡＳである単極ＶＡＳを用いて、心身の主観状態を測定することができる。また、心身の主観状態には、自然感情を覚醒度Arousalと感情価Valenceから構成される感情次元を測定するためのスライダー（Affective Slider）で測定した心身状態を一例として挙げることができる。例えば、感情価ValenceをAffective Sliderで測定する場合には、左端（または下端で、評定値が０）をネガティブ感情Negativeが反映された顔文字で教示し、中央（評定値が５０）をニュートラル感情Neutralが反映された顔文字で教示し、右端（または上端で、評定値が１００）をポジティブ感情Positiveが反映された顔文字で教示したＶＡＳである双極ＶＡＳを用いることができる。

【0028】

通信装置１４は、利用者端末７がネットワーク９を介して反応プロファイル評価装置１と管理者端末８と通信するための処理を実行する。

【0029】

通知報知装置１５は、反応プロファイル評価装置１からの通知の出力処理に応じて、利用者に対して通知を行う。例えば、通知報知装置１５は、入出力装置１３のディスプレイに通知を表示する。通知報知装置１５は、例えば振動や音を用いて、利用者に対する通知を出力してもよい。また、通知報知装置１５は、生体計測装置１２で利用者の生体状態に何らかの変化が検知された場合にも、利用者に対して通知を行ってもよい。

【0030】

なお、本実施例では利用者端末７が１つの装置で構成されているが、利用者端末７は、必ずしも１つの装置で構成されていなくてもよい。例えば、入出力装置１３と通信装置１４がスマートフォンに備えられ、生体計測装置１２と生体計測センサ１１と通知報知装置１５がスマートウォッチに備えられており、スマートフォンとスマートウォッチとが１つの利用者端末７を構成しているとみなしてもよい。

【0031】

管理者端末８は、入出力装置３１と、通信装置３２と、通知報知装置３３を備え、管理者に使用される。

【0032】

入出力装置３１は、マウス、キーボード、タッチパネル、及びマイクなどの入力装置と、ディスプレイ、及びスピーカなどの出力装置を備え、管理者端末８に対する入出力を行う装置である。入力装置は、管理者からの入力の受付を行う。出力装置は、ディスプレイへの画面表示、例えば、管理者端末８が取得したデータの表示や、管理者への通知の表示を行う。管理者端末８は、ディスプレイにより、画面表示を行う。

【0033】

通信装置３２は、管理者端末８がネットワーク９を介して反応プロファイル評価装置１と利用者端末７と通信するための処理を実行する。

【0034】

通知報知装置３３は、反応プロファイル評価装置１からの通知の出力処理に応じて、管理者に対して通知を行う。例えば、通知報知装置３３は、入出力装置３１のディスプレイに通知を表示する。通知報知装置３３は、例えば振動や音を用いて、管理者に対する通知を出力してもよい。また、通知報知装置３３は、生体計測装置１２が利用者の生体状態に何らかの変化を検知した場合にも、管理者に対して通知を行ってもよい。

【0035】

反応プロファイル評価装置１は、コンピュータ（計算機）で構成され、プロセッサ２と、メモリ３と、ストレージ装置４と、入出力装置５と、通信装置６を備える。反応プロファイル評価装置１は、機能部として、受付部５１と、前処理部５２と、ＲＰ分布推定部５３と、ＲＰ分布評価部５４と、結果表示部５５と、データ抽出部５６と、信頼区間付ＲＰ分布評価部５７を備える。これらの機能部の詳細については、後述する。データ抽出部５６と信頼区間付ＲＰ分布評価部５７については、実施例２で説明する。

【0036】

メモリ３は、反応プロファイル評価装置１の各機能部を実現させるためのプログラムをロードする。これらの機能部を実現させるためのプログラムは、プロセッサ２によって実行される。

【0037】

プロセッサ２は、各機能部を実現させるためのプログラムに従って処理を実行することによって、所定の機能を提供する機能部として稼働する。例えば、プロセッサ２は、ＲＰ分布推定プログラムを実行することでＲＰ分布推定部５３として機能する。反応プロファイル評価装置１の他の機能部についても同様である。さらに、プロセッサ２は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。

【0038】

ストレージ装置４は、上記の機能部が使用するデータを格納する。例えば、ストレージ装置４は、評定値データ８１と、部分評定値データ８２と、候補ＲＰ分布データ８３と、ＲＰ分布データ８４と、均一化評定値データ８５と、信頼区間付ＲＰ分布データ８６と、利用者特性データ８７と、ＲＰ分布情報９０と、分布選択基準情報９１を格納する。これらのデータについては、後述する。均一化評定値データ８５と信頼区間付ＲＰ分布データ８６については、実施例２で説明する。

【0039】

入出力装置５は、入力装置と出力装置を備える。入力装置の例には、マウス、キーボード、タッチパネル、及びマイクが含まれる。出力装置の例には、ディスプレイ、及びスピーカが含まれる。

【0040】

通信装置６は、反応プロファイル評価装置１がネットワーク９を介して利用者端末７と管理者端末８と通信するための処理を実行する。

【0041】

なお、本実施例では、利用者が日常生活中において常時、利用者端末７を装着または持ち歩き、生体計測センサ１１が常に稼働している例を説明する。但し、本実施例による反応プロファイル評価装置１は、この例の態様に限らずに使用することができる。例えば、利用者は、起床時や就寝時など一日に数度、利用者端末７を利用して生体計測センサ１１を稼働させてもよい。

【0042】

図２は、反応プロファイル評価装置１が利用者端末７からデータを受信する処理の例を示すフローチャートである。この処理は、反応プロファイル評価装置１の受付部５１が実行する。

【0043】

データ受信処理Ｓ２１で、受付部５１は、ネットワーク９を介して利用者端末７との接続が確立されると、利用者端末７からデータを受信する。受付部５１は、データ受信処理Ｓ２１を開始すると、利用者端末７の入出力装置１３から評定値データ８１を受信して保存する。データ受信処理Ｓ２１は、受付部５１と利用者端末７との接続が切断されるまで継続される。

【0044】

また、利用者端末７に入出力装置１３を介して利用者特性データ８７が入力された場合には、データ受信処理Ｓ２１で、受付部５１は、利用者特性データ８７を合わせて受信する。利用者特性データ８７には、利用者の年齢と性別、及び利用者ＩＤなどが含まれる。

【0045】

なお、以下では、一例として、日々の所定の時間に双極ＶＡＳで計測される覚醒度Arousalと感情価Valenceと、単極ＶＡＳで計測される疲労感、ストレス、不安感、抑うつ感、及び熟眠感を、評定値データ８１として計測する例を考える。

【0046】

なお、本実施例では、反応プロファイル評価装置１が、受付部５１と利用者端末７との接続が切断されるまで継続的にデータ受信処理Ｓ２１を行う例を示す。反応プロファイル評価装置１は、必ずしも継続的にデータ受信処理Ｓ２１を行わなくてもよい。例えば、利用者端末７が反応プロファイル評価装置１へデータの送信処理を実施した場合にだけ、受付部５１が、利用者端末７との接続を確立してデータ受信処理Ｓ２１を行ってもよい。この場合には、利用者端末７は、利用者の活動状態を生体計測装置１２で監視し、所定のイベントが発生した場合に通知報知装置１５を用いて利用者に通知を行い、利用者へ評定値データ８１の入力（教示文に対する回答）を促してもよい。

【0047】

図３は、反応プロファイル評価装置１が行う、反応プロファイル分布（ＲＰ分布）の推定処理の例を示すフローチャートである。

【0048】

反応プロファイル分布とは、反応プロファイル（ＲＰ）を示す統計分布である。反応プロファイル分布は、１つの統計分布または複数の統計分布の混合分布からなる分布で表され、この分布を特徴づけるパラメータ群（分布の形状を決める特徴量の群）で表現される。

【0049】

データ読込処理Ｓ３１で、反応プロファイル評価装置１の受付部５１は、利用者の評定値データ８１を入力する。

【0050】

前処理Ｓ３２で、反応プロファイル評価装置１の前処理部５２は、入力された評定値データ８１の前処理を行う。後続の処理を利用者毎に行う場合には、初めに前処理部５２は、受付部５１が受信した利用者特性データ８７（図２）から処理対象の利用者のみについての利用者特性データ８７を抽出する。

【0051】

前処理部５２は、入力された評定値データ８１に応じた前処理を行う。例えば、定義域が０から１００までの範囲でＶＡＳが記録されている場合には、ＶＡＳの定義域が０から１の範囲になるように、評定値データ８１に正規化処理を行う。また、例えば、複数の種別のＶＡＳが記録されており、これらのＶＡＳの間で定義域が異なる場合には、定義域が互いに同じ範囲になるように、評定値データ８１に正規化処理を行う。また、ＶＡＳなどでは、回答行為への努力を避け、質問教示をあまり読まずに適当に回答してしまう努力の最小化バイアスが発生しうる。この努力の最小化バイアスが顕在化した回答を、評定値データ８１に含まれる回答所要時間などから検出して処理対象から取り除くノイズ除去処理を、前処理部５２が行ってもよい。

【0052】

また、後続するＲＰ分布候補推定処理Ｓ３４では、場合によっては、評定値データ８１の定義域が０より大きく１未満である必要がある。この場合には、前処理部５２は、例えば、定義域を０以上１以下の範囲［０，１］から、０より大きく１未満の範囲（０，１）へと変換する処理として、抽出した利用者の評定値データ８１（ｄ）を評定値データ８１（ｄ’）へスケーリングしてもよい。このスケーリングは、評定値データ８１（ｄ）の総データサンプル数をｎとすると、ｄ’＝｛ｄ（ｎ－１）＋０．５｝／ｎという数式で表される。なお、定義域について言及する際、括弧［］は、括弧内の値を含む範囲（閉区間）を、括弧（）は、括弧内の値を含まない範囲（開区間）を示す。

【0053】

部分データ生成処理Ｓ３３で、前処理部５２は、前処理された評定値データ８１をデータ範囲により分割して、主ＲＰ分布候補と副次ＲＰ分布候補を推定するための部分評定値データ８２を生成する。主ＲＰ分布候補と副次ＲＰ分布候補については、後述する。

【0054】

初めに、評定値データ８１を分割することについて説明する。

【0055】

多値離散反応型の測定尺度であるリッカート尺度における反応スタイル（回答傾向）の研究から、様々な典型的な反応スタイルが知られている。よく知られた反応スタイルとして、項目や教示によらず最も高い評定に偏る黙従反応傾向（Acquiescence Response Style、ＡＲＳ）、最も低い評定に偏る非黙従反応傾向（Dis-acquiescence Response Style、ＤＲＳ）、及び両極端な評定傾向である極端反応傾向（Extreme Response Style、ＥＲＳ）が知られている。また、日本人では、中央近傍の回答に偏る傾向の中心反応傾向（Mid-point Response Style、ＭＲＳ）などがよく認められる。

【0056】

これらの反応傾向は、ＶＡＳなどの連続反応型の測定尺度を利用した場合にも、類する形で認められる。さらに、ＭＲＳにおいて中央付近に２つの分布の峰（ピーク）を持つ双峰の反応スタイル（Bimodal MRS、ＢｉＭＲＳ）が観察されることがある。ＢｉＭＲＳは、測定尺度の中央を中立とし、この中央の両極に相反する概念を取った双極ＶＡＳを利用する場合や、リッカート尺度であっても教示として両極に対極の概念を示す形容詞教示を与え測定するSemantic Difference法を用いた場合に、しばしば観察されることがある。以下では、評定値データ８１に生じる反応プロファイル（ＲＰ）の例として、ＡＲＳ、ＤＲＳ、ＥＲＳ、ＭＲＳ、及びＢｉＭＲＳを想定する例について示す。

【0057】

ＲＰのうち、ＡＲＳ、ＤＲＳ、及びＥＲＳと、ＭＲＳ、及びＢｉＭＲＳとでは、評定値データ８１が局在して観察されやすい範囲が異なる。従って、評定値データ８１が複数の位置で局在するＲＰが想定される場合には、部分データ生成処理Ｓ３３において、前処理部５２は、評定値データ８１を定義域のデータ範囲により分割し、部分評定値データ８２を生成してもよい。

【0058】

例えば、定義域が０より大きく１未満の範囲（０，１）に正規化された評定値データ８１の場合には、ＭＲＳ、及びＢｉＭＲＳでは、定義域の中央近傍（すなわち０．５の近傍）に評定値データ８１が表出し、ＡＲＳ、ＤＲＳ、及びＥＲＳでは、定義域の上限と下限の近傍（すなわち０と１の近傍）に評定値データ８１が表出すると考えられる。そこで、前処理部５２は、この近傍を予め定めた閾値ｔｈで決まる範囲とし、評定値データ８１を、定義域の中央近傍のデータである主部分評定値データと、定義域の上限と下限の近傍のデータである副次部分評定値データに分割することができる。すなわち、前処理部５２は、予め定めた閾値ｔｈを用い、評定値データ８１を、定義域が範囲［ｔｈ，１－ｔｈ］の主部分評定値データと、定義域が範囲（０，ｔｈ）及び範囲（１－ｔｈ，１）の副次部分評定値データとから成る部分評定値データ８２に分割することができる。そして、それぞれの部分評定値データ８２について、後続するＲＰ分布候補推定処理Ｓ３４が実施されてもよい。

【0059】

なお、以下では予め定めた一つの閾値ｔｈで近傍を定めたが、閾値の定め方は、本例に限定されない。例えば、下限に関する閾値ｔｈ１及び上限に関する閾値ｔｈ２を用いて定義域の下限と上限の近傍となる範囲を定めてもよい。すなわち、この場合には、前処理部５２は、予め定めた閾値ｔｈ１及びｔｈ２を用い、評定値データ８１を、定義域が範囲［ｔｈ１，ｔｈ２］の主部分評定値データと、定義域が範囲（０，ｔｈ１）及び範囲（ｔｈ２，１）の副次部分評定値データとから成る部分評定値データ８２に分割してもよい。

【0060】

以下では、一例として、評定値データ８１が部分評定値データ８２に分割され、部分評定値データ８２が、予め定めた閾値ｔｈを用いた上記の定義域で定められた主部分評定値データと副次部分評定値データから成る例について説明する。

【0061】

閾値ｔｈは、任意の値に定めることができる。例えば、定義域が範囲［０，１］または範囲（０，１）へ正規化された評定値データ８１では、閾値ｔｈは、後述する実験結果を参考にして、０．０５から０．３０の範囲などから選んだ値に設定することができる。

【0062】

ＲＰ分布候補推定処理Ｓ３４で、ＲＰ分布推定部５３は、部分評定値データ８２のそれぞれに基づいて、複数の反応プロファイル分布候補（ＲＰ分布候補）を推定する。ＲＰ分布候補は、利用者のＲＰを表現する統計分布の候補であり、候補ＲＰ分布テンプレートに表された統計分布へのフィッティングにより、推定することができる。

【0063】

ＲＰ分布推定部５３は、ＲＰ分布候補推定処理Ｓ３４で、部分評定値データ８２の分布形状を、ＲＰ分布情報９０に格納された候補ＲＰ分布テンプレートに基づき、統計分布で近似する。候補ＲＰ分布テンプレートは、ＲＰを表現し得る分布（例えば、ＥＲＳとＢｉＭＲＳ）を表す統計分布の種別（例えば、正規分布とベータ分布）と、この分布の形状を決めるパラメータθの値の範囲を含む。パラメータθは、分布の形状を決める特徴量であり、例えば、統計分布の種別が正規分布である場合には平均や標準偏差などである。

【0064】

以下では、ＲＰ分布推定部５３が、パラメータθで分布の形状が特徴づけられるパラメトリックな統計分布へのフィッティングを通じて、利用者のＲＰを特徴づける統計分布の候補であるＲＰ分布候補を推定する例を示す。このフィッティングでは、部分評定値データ８２の出現頻度分布を、統計分布の確率密度関数へフィッティングする。なお、部分評定値データ８２の累積出現頻度分布を、統計分布の累積確率密度関数へフィッティングすることで、ＲＰ分布候補を推定してもよい。また、評定値データ８１としてリッカート尺度などの多値離散反応型の順序尺度を用いている場合には、統計分布の確率密度関数へのフィッティングに代えて、適当な離散型統計分布の確率質量関数や累積確率質量関数へのフィッティングにより、ＲＰ分布候補を推定すればよい。

【0065】

以下では、ＲＰ分布候補推定処理Ｓ３４を、主ＲＰ分布候補推定処理Ｓ３４Ａと、副次ＲＰ分布候補推定処理Ｓ３４Ｂとに分けて説明する。ＲＰ分布推定部５３は、評定値データ８１の中央近傍に表出するＲＰを表現する主ＲＰ分布候補と、評定値データ８１の上限近傍と下限近傍の少なくとも一方に表出するＲＰを表現する副次ＲＰ分布候補とのうち、少なくとも一方のＲＰ分布候補を含む複数のＲＰ分布候補を推定する。

【0066】

まず、主ＲＰ分布候補推定処理Ｓ３４Ａについて説明する。主ＲＰ分布候補推定処理Ｓ３４Ａでは、ＲＰ分布推定部５３は、主部分評定値データに対する反応プロファイル分布候補（主ＲＰ分布候補Main）を推定する。主ＲＰ分布候補Mainの分布の形状を決めるパラメータθを主ＲＰ特徴量θ_Ｍａｉｎとする。

【0067】

ＲＰ分布推定部５３は、主ＲＰ分布候補Mainの主ＲＰ特徴量θ_Ｍａｉｎを推定する。ＲＰ分布情報９０には、候補ＲＰ分布テンプレートとして、ＭＲＳの候補ＲＰ分布テンプレートと、ＢｉＭＲＳの候補ＲＰ分布テンプレートが格納されているとする。さらに、ＲＰ分布情報９０には、候補ＲＰ分布テンプレートとして、峰を持たない一様分布の候補ＲＰ分布テンプレートが格納されているとする。ＭＲＳは、単峰の連続分布で表現できる。ＢｉＭＲＳは、２つの連続分布からなる混合分布（双峰を持つ分布）で表現できる。

【0068】

ＲＰ分布推定部５３は、例えば、主ＲＰ特徴量θ_Ｍａｉｎが平均μと標準偏差σである正規分布Ｎｏｒｍａｌ（μ，σ）、主ＲＰ特徴量θ_Ｍａｉｎがパラメータα、βであるベータ分布Ｂｅｔａ（α，β）、またはこれらの混合数が２である混合分布を候補ＲＰ分布テンプレートとし、候補ＲＰ分布テンプレートへのフィッティングにより、主ＲＰ分布候補Mainを推定する。例えば、２つのベータ分布Ｌ、Ｒの混合分布へのフィッティングの場合には、主ＲＰ分布候補Mainは、ＢｅｔａＭｉｘｔｕｒｅ（ｗ_Ｌ，α_Ｌ，β_Ｌ，ｗ_Ｒ＝１－ｗ_Ｌ，α_Ｒ，β_Ｒ）と表現される。なお、ｗは、２つのベータ分布の混合割合であり、添え字Ｌ、Ｒは、それぞれのベータ分布についてのパラメータであることを表す。パラメータフィッティングには、既知の手法を用いることができる。例えば、ＭＲＳの場合には、最尤法やベイズ推定を用いることができ、ＢｉＭＲＳの場合には、Expectation-Maximizationアルゴリズムやこれに類するアルゴリズムを用いることができる。

【0069】

以上のようにして、ＲＰ分布推定部５３は、主部分評定値データについて、それぞれの主ＲＰ分布候補Mainを特徴づける主ＲＰ特徴量θ_Ｍａｉｎを推定し、これにより主ＲＰ分布候補Mainを推定する。

【0070】

次に、副次ＲＰ分布候補推定処理Ｓ３４Ｂについて説明する。副次ＲＰ分布候補推定処理Ｓ３４Ｂでは、ＲＰ分布推定部５３は、副次部分評定値データに対する反応プロファイル分布候補（副次ＲＰ分布候補DistSub）を推定する。副次ＲＰ分布候補DistSubの分布の形状を決めるパラメータθを副次ＲＰ特徴量θ_{ＤｉｓｔＳｕｂ}とする。

【0071】

ＲＰ分布推定部５３は、副次ＲＰ分布候補DistSubの副次ＲＰ特徴量θ_{ＤｉｓｔＳｕｂ}を推定する。例えば、ＲＰ分布推定部５３は、ＡＲＳ、ＤＲＳ、及びＥＲＳが峰を持たないことから、分布を柔軟に表現可能な連続分布であり、パラメータα_ＡＤＥ、β_ＡＤＥを用いて表されるベータ分布Ｂｅｔａ（α_ＡＤＥ，β_ＡＤＥ）を候補ＲＰ分布テンプレートとし、候補ＲＰ分布テンプレートへのフィッティングにより、副次ＲＰ分布候補DistSubを推定する。ＲＰ分布推定部５３は、副次部分評定値データについて、ＡＲＳ、ＤＲＳ、及びＥＲＳの分布形状が担保されるような制約をα_ＡＤＥとβ_ＡＤＥに課したパラメータフィッティングにより、それぞれの副次ＲＰ分布候補DistSubを特徴づける副次ＲＰ特徴量θ_{ＤｉｓｔＳｕｂ}を推定し、これにより副次ＲＰ分布候補DistSubを推定する。

【0072】

候補分布保存処理Ｓ３５で、ＲＰ分布推定部５３は、候補ＲＰ分布データ８３を保存する。候補ＲＰ分布データ８３には、ＲＰ分布候補推定処理Ｓ３４（主ＲＰ分布候補推定処理Ｓ３４Ａと副次ＲＰ分布候補推定処理Ｓ３４Ｂ）で得られた主ＲＰ分布候補Mainと副次ＲＰ分布候補DistSubと、これらを特徴づける主ＲＰ特徴量θ_Ｍａｉｎと副次ＲＰ特徴量θ_{ＤｉｓｔＳｕｂ}が含まれる。また、主ＲＰ分布候補Mainとして峰を持たない一様分布が得られた場合には、この一様分布を特徴づける特徴量を候補ＲＰ分布データ８３として保存する。

【0073】

主ＲＰ分布候補Mainと副次ＲＰ分布候補DistSubとは、データの局在範囲が互いに重複しにくい。このため、評定値データ８１を、主部分評定値データと副次部分評定値データとから成る部分評定値データ８２に分割し、部分評定値データ８２を用いて候補ＲＰ分布データ８３を得ることで、ＲＰ分布推定部５３がＲＰ分布候補を推定する精度を向上させることができる。

【0074】

なお、上記の説明では、一例として、特定の利用者特性データ８７のみを抽出し、特定の利用者のみの評定値データの出現頻度分布を対象にＲＰ分布候補を推定する例を述べた。ＲＰ分布候補を推定する処理は、特定の利用者についての処理に限定されない。例えば、複数の利用者が複数種類の質問項目に回答しており、回答回数が複数の利用者の間で概ね等しい場合には、潜在変数としてＲＰを有する項目反応モデル（Item Response Theory Model）を候補ＲＰ分布テンプレートとして複数設けて、ＲＰ分布候補を推定してもよい。この場合、ＶＡＳなどの連続反応型の測定尺度が評定値データであるならば、ベータ反応モデル（Beta Response Model）にＲＰを示すパラメータを導入して拡張したモデルを用いて、ＲＰ分布候補とそのＲＰ特徴量θを推定すればよい。

【0075】

図４は、反応プロファイル評価装置１が行う、ＲＰ分布の評価処理の例を示すフローチャートである。ＲＰ分布の評価処理では、評定値データ８１または部分評定値データ８２と複数のＲＰ分布候補に基づいて、利用者のＲＰを特徴づけるのに適したＲＰ分布（すなわち、利用者のＲＰの表現に適したＲＰ分布）を、評価指標を用いて求める。以下では、一例として、部分評定値データ８２を用いて利用者のＲＰの表現に適したＲＰ分布を求める例を説明する。

【0076】

データ読込処理Ｓ４１で、反応プロファイル評価装置１の受付部５１は、部分評定値データ８２と候補ＲＰ分布データ８３を入力する。

【0077】

ＲＰ分布評価処理Ｓ４２で、ＲＰ分布評価部５４は、部分評定値データ８２を用いて、複数のＲＰ分布候補の中から利用者のＲＰの表現に適したＲＰ分布を選択する。ＲＰ分布評価部５４は、利用者のＲＰの表現に適したＲＰ分布として、例えば、１つのＲＰ分布、複数のＲＰ分布、または複数のＲＰ分布の組み合わせを選択することができる。

【0078】

具体的には、ＲＰ分布評価部５４は、候補ＲＰ分布データ８３の組み合わせを基に、利用者のＲＰを特徴づけるのに適したＲＰ分布を決定するための評価指標を選択する。評価指標は、ＲＰ分布候補に対する評定値データ８１（部分評定値データ８２）の分布の当てはまり度合を評価するための指標であり、評価指標が所定の閾値で決まる条件を満たすように選択される。ＲＰ分布評価部５４は、選択された評価指標に対応するＲＰ分布候補（主ＲＰ分布候補と副次ＲＰ分布候補）で表される分布を、利用者のＲＰを特徴づけるのに適したＲＰ分布とする。本実施例では、利用者のＲＰ分布は、利用者のＲＰを特徴づけるのに適した統計分布を混合した混合分布によって表されるものとする。

【0079】

本実施例では、主ＲＰ分布候補と副次ＲＰ分布候補を推定した場合を想定し、ＲＰ分布評価処理Ｓ４２を、主ＲＰ分布候補についての処理である主ＲＰ分布評価処理Ｓ４２Ａと、副次ＲＰ分布候補についての処理である副次ＲＰ分布評価処理Ｓ４２Ｂとに分けて処理を行う例を示す。本実施例では、特に、主ＲＰ分布候補と副次ＲＰ分布候補の組み合わせを網羅探索するのではなく、主ＲＰ分布候補Mainのうち適したＲＰ分布を主ＲＰ分布Mainとして選択した後に、選択された主ＲＰ分布Mainについてのみ副次ＲＰ分布候補との組み合わせを評価する階層的処理の例について示す。なお、主ＲＰ分布候補と副次ＲＰ分布候補のそれぞれについて適したＲＰ分布を並列的に選択し、得られた主ＲＰ分布と副次ＲＰ分布の組み合わせのみを評価してもよい。網羅探索の処理に代えて階層的処理または並列的処理を実施することで、候補ＲＰ分布評価の評価空間を絞り込め、計算量と処理時間を削減するという効果が得られる。

【0080】

ＲＰ分布評価部５４は、ＲＰ分布評価処理Ｓ４２として、まず主ＲＰ分布評価処理Ｓ４２Ａを行う。主ＲＰとしてＭＲＳとＢｉＭＲＳ、または峰を持たない一様分布を仮定した場合には、主ＲＰ分布評価処理Ｓ４２Ａでは、統計分布の種別のうちどの種別が適するのか、分布選択基準情報９１に与えられた評価指標を基に決定する。分布選択基準情報９１には、評価指標の項目が予め与えられている。

【0081】

評価指標は、主ＲＰ特徴量θ_Ｍａｉｎで特徴づけられる主ＲＰ分布候補と、主部分評定値データの出現頻度分布を必要な観点で比較して選択すればよい。例えば、評価指標として、主ＲＰ分布候補に対する主部分評定値データの出現頻度分布の当てはまりを評価するために、尤度関連統計量や情報量基準を採用してもよい。尤度関連統計量としては、例えば、尤度、対数尤度、尤度比、及び逸脱度などを利用することができる。情報量基準としては、例えば、Akaike’s Information Criterion（ＡＩＣ）、Bayesian information criterion（ＢＩＣ）、Widely applicable information criterion（ＷＡＩＣ）、及びWidely applicable BIC（ＷＢＩＣ）などを利用することができる。また、評価指標として、得られた分布形状を評価するために、分布類似度を測るKullback-Leibler divergenceを採用してもよい。

【0082】

また、主ＲＰとしてＭＲＳとＢｉＭＲＳを仮定し、ＢｉＭＲＳを混合分布により表現した場合には、単に情報量基準で主ＲＰ分布を評価すると、混合分布のピークの分離度（双峰の分離度）がさほど大きくなくても複雑なＲＰ分布であるＢｉＭＲＳが選択されやすい傾向にある。パラメータ数の多いＢｉＭＲＳは、双峰の分離度が高い場合にのみ選択されることが望ましい。このため、主ＲＰ分布として推定されたＢｉＭＲＳの双峰の分離度が著しく高い場合のみにＢｉＭＲＳが選択されるよう、双峰の分離度を評価指標とし、この評価指標が予め定めた最小許容閾値accept_bidistを上回っているかどうかで、主ＲＰ分布を評価してもよい。例えば、ＢｉＭＲＳを混合数が２の混合ベータ分布で近似した場合には、双峰の分離度は、ＢｉＭＲＳの混合分布を構成する２つの部分分布の最頻値の差で算出することができる。

【0083】

以上から、例えば、評価指標である混合分布のピークの分離度（双峰の分離度）が最小許容閾値accept_bidistより大きく、かつＡＩＣが小さい場合にのみ、主ＲＰ分布としてＢｉＭＲＳを選択し、そうでない場合には、ＭＲＳまたは峰を持たない一様分布（すなわち、主ＲＰ分布が存在しない）として、主ＲＰ分布Mainと、主ＲＰ分布を特徴づける主ＲＰ特徴量θ_Ｍａｉｎを選択する。

【0084】

ＲＰ分布評価部５４は、主ＲＰ分布評価処理Ｓ４２Ａを実施した後、副次ＲＰ分布評価処理Ｓ４２Ｂを行う。副次ＲＰ分布評価処理Ｓ４２Ｂでは、主ＲＰ特徴量θ_Ｍａｉｎで特徴づけられる主ＲＰ分布Mainと、各々の副次ＲＰ特徴量θ_{ＤｉｓｔＳｕｂ}で特徴づけられる副次ＲＰ分布DistSubとについて、両分布の最適な混合割合ｗ_ＡＤＥを推定し、両分布の混合割合がｗ_ＡＤＥであるときの評価指標を算出する。両分布の最適な混合割合ｗ_ＡＤＥは、ＲＰ分布候補推定処理Ｓ３４で述べた統計分布へのフィッティングの方法と同じ方法を用いて、推定することができる。そして、得られた各評価指標と、主ＲＰ分布をＲＰ分布として選択した場合の各評価指標とを比較し、評価指標が良好な条件を採択する。

【0085】

例えば、評価指標として情報量基準を用いた場合には、主ＲＰ分布と副次ＲＰ分布の混合分布を採択した時に情報量基準が改善していれば、この混合分布を利用者のＲＰを表現するＲＰ分布として選択し、改善していなければ主ＲＰ分布を利用者のＲＰを表現するＲＰ分布として選択する。主ＲＰ分布MainにＢｉＭＲＳを選択しており、副次ＲＰ分布DistSubとしてＡＲＳを混合分布の部分分布に選択した場合に最も情報量基準が改善していれば、ＲＰ分布ResponseProfile（θ）は、ResponseProfile（θ）＝ｗ_ＡＤＥ×DistSub（θ_{ＤｉｓｔＳｕｂ}）＋（１－ｗ_ＡＤＥ）×Main（θ_Ｍａｉｎ）として表され、ＲＰ分布特徴量θ_ｕｓｅｒは、θ_ｕｓｅｒ＝｛θ_{ＤｉｓｔＳｕｂ}，θ_Ｍａｉｎ｝＝｛ｗ_ＡＤＥ，α_ＡＲＳ，β_ＡＲＳ，ｗ_Ｌ，α_Ｌ，β_Ｌ，ｗ_Ｒ，α_Ｒ，β_Ｒ｝として表される。ＲＰ分布評価部５４は、この得られたＲＰ分布特徴量θ_ｕｓｅｒと統計分布種別の情報を、ＲＰ分布データ８４として保存する。

【0086】

図５は、本実施例による反応プロファイル評価装置１を用いて行った、ＲＰ分布推定（図３）とＲＰ分布評価（図４）の実験結果である。この実験は、評定値データ８１の疑似データを用いて行った。

【0087】

この実験では、ＲＰ分布を、ResponseProfile（θ）＝ｗ_ＡＤＥ×DistSub（θ_{ＤｉｓｔＳｕｂ}）＋（１－ｗ_ＡＤＥ）×Main（θ_Ｍａｉｎ）として表し、ＲＰ分布特徴量を、θ_ｕｓｅｒ＝｛θ_{ＤｉｓｔＳｕｂ}，θ_Ｍａｉｎ｝＝｛ｗ_ＡＤＥ，α_ＡＲＳ，β_ＡＲＳ，ｗ_Ｌ，α_Ｌ，β_Ｌ，ｗ_Ｒ，α_Ｒ，β_Ｒ｝として表した場合に、真のパラメータが既知の統計分布から生成された評定値データ８１の疑似データを用いて、特に部分評定値データ８２の生成に用いる閾値ｔｈの影響を評価した。

【0088】

図５の表５０１は、実験に用いた疑似データの例を示す表であり、番号が＃１１から＃３６までの条件について、ＲＰ分布とそのＲＰ分布特徴量を示している。表５０１に示すＲＰ分布特徴量で定義される各ベータ混合分布から１０００サンプルだけデータを抽出し、評価指標としてＡＩＣと混合分布のピークの分離度（双峰の分離度）を採用した。双峰の分離度の最小許容閾値accept_bidistを０．０とし、主ＲＰ分布を近似する連続分布を正規分布またはベータ分布とした場合におけるＲＰ分布特徴量θ_ｕｓｅｒを評価することで、閾値ｔｈと連続分布の種別に対する推定値の頑健性を評価した。

【0089】

グラフ５０２Ａ、５０２Ｂは、実験結果として、ＲＰ分布特徴量θ_ｕｓｅｒのうち、主ＲＰ分布Mainと副次ＲＰ分布DistSubの混合割合ｗ_ＡＤＥについての結果を示す。この実験では、主ＲＰ分布Mainを近似する連続分布（候補ＲＰ分布テンプレートとして選択した統計分布の種別）は、正規分布とベータ分布である。グラフ５０２Ａは、分布の種別が正規分布の場合であり、グラフ５０２Ｂは、分布の種別がベータ分布の場合である。実験では、閾値ｔｈの値を０．０５、０．１５、０．２５、０．１、０．２、及び０．３と変化させた。

【0090】

グラフ５０２Ａ、５０２Ｂより、本実施例による方法でＲＰ分布特徴量θ_ｕｓｅｒを評価すると、一部の条件では真値との乖離が生じるものの、連続分布の種別が正規分布であるかベータ分布であるかによらず、閾値ｔｈが少なくとも０．０５から０．３までの範囲であれば、ｗ_ＡＤＥの推定結果に大きな変化がなく、推定結果が頑健であることが確認できる。また、真値との乖離が生じた一部の条件も含め、選択されたＲＰ分布の概形は、疑似データの分布を再現していた。すなわち、本実施例では、ＲＰ分布特徴量θ_ｕｓｅｒの変化に影響を受けにくく、利用者の反応プロファイル（ＲＰ）としてほぼ同一のＲＰを得ることができ、安定した結果を得ることができる。

【0091】

このように、本実施例によると、ＶＡＳなど主に連続反応型の測定尺度を用いて測定した評定値データ８１であっても、評定値データ８１に生じる反応プロファイル（ＲＰ）を定量評価することができる。

【0092】

図６は、利用者端末７または管理者端末８に表示される、利用者のＲＰ分布データ８４の例を示す図である。図６に示すグラフ６０１Ａ、６０１Ｂは、本実施例による方法の適用により得られたＲＰ分布の表示の一例である。

【0093】

グラフ６０１Ａ、６０１Ｂは、評定値データ８１の出現頻度分布（実分布）とＲＰ分布の確率密度関数を、ビン幅０．０５のヒストグラムとして表示した例である。グラフ６０１Ａは、主ＲＰ分布を近似する連続分布を正規分布として得られたＲＰ分布を示す。グラフ６０１Ｂは、主ＲＰ分布を近似する連続分布をベータ分布として得られたＲＰ分布を示す。グラフ６０１Ａ、６０１Ｂにおいて、縦網掛けのヒストグラムは、ある利用者について複数種別の双極ＶＡＳと単極ＶＡＳから成る実際の評定値データを表したヒストグラムである。斜め網掛けのヒストグラムは、本方法で推定されたＲＰ分布（ｗ_ＡＤＥが０．３であると推定して得られたＲＰ分布）について、その確率密度関数を表示したヒストグラムである。

【0094】

図６に示す例では、定義域の両端に評定値の集中が見られるとともに、中心部を挟んだ位置に双峰の評定値の集中が見られることから、主ＲＰ分布がＢｉＭＲＳであり、副次ＲＰ分布がＥＲＳである例として解釈できる。

【0095】

本方法の適用の結果、連続分布を正規分布とした場合でもベータ分布とした場合でも、ＲＰは、ｗ_ＡＤＥが０．３である、ＥＲＳとＢｉＭＲＳとから成る混合分布で表現できるものと推定され、評定値データ８１をよく近似したＲＰ分布が得られたことが確認できる。本方法により、ＲＰを少数のＲＰ分布特徴量θ_ｕｓｅｒを用いて定量評価でき、ＶＡＳなど主に連続反応型の測定尺度を用いて測定した評定値データ８１に生じるＲＰを、定量評価して比較することができるという効果が得られる。

【0096】

図７は、ＲＰ分布データ８４のデータ構造の例を示す図である。ＲＰ分布データ８４は、典型的には、利用者ＩＤ７１０１、処理日７１０２、処理結果を一意に特定するための処理ＩＤ７１０３、処理した評定値データの取得開始日時７１０４と取得終了日時７１０５、処理に用いたＲＰ分布情報９０を特定するためのＲＰ分布情報ＩＤ７１０６、分布選択基準情報９１を特定するための分布選択基準情報ＩＤ７１０７、及びｗ_ＡＤＥなどのＲＰ分布を特徴づけるＲＰ分布特徴量７１０８を有する。また、ＲＰ分布データ８４は、ＲＰ分布を特徴づける指標として、例えば、副次ＲＰ分布の種別を示すDistSub７１０９などを有してもよい。

【0097】

なお、図７に示したＲＰ分布データ８４では、副次ＲＰ分布を明示しており、主ＲＰ分布は明示していない。主ＲＰ分布の種別（例えば、分布形状）は、処理に用いたＲＰ分布情報９０を特定するＲＰ分布情報ＩＤ７１０６から把握することができる。

【0098】

結果表示部５５は、利用者端末７や管理者端末８のディスプレイに、反応プロファイル評価装置１が算出した結果を表示させることができる。例えば、結果表示部５５は、ＲＰ分布（例えば、図６）とＲＰ分布を特徴づけるパラメータ群（例えば、図７のＲＰ分布特徴量７１０８）とのうち、少なくとも一方をディスプレイに表示させることができる。

【0099】

以上のように、本実施例による反応プロファイル評価装置１は、利用者の評定値データ８１を受け付ける受付部５１と、評定値データ８１に基づいて、利用者の回答傾向である反応プロファイル（ＲＰ）を表現する複数のＲＰ分布候補を推定するＲＰ分布推定部５３と、評定値データ８１と複数のＲＰ分布候補に基づいて、複数のＲＰ分布候補の中から利用者のＲＰの表現に適したＲＰ分布を選択するＲＰ分布評価部５４を備える。本実施例による反応プロファイル評価装置１は、ＲＰ分布とＲＰ分布を特徴づけるパラメータ群とのうち少なくとも一方を表示させる結果表示部５５を備えてもよい。

【0100】

この構成により、本実施例による反応プロファイル評価装置１は、特に単極尺度と双極尺度のように測定尺度が異なるタイプの設問が含まれることの多い、ＶＡＳなど主に連続反応型の測定尺度を用いて測定した評定値データ８１に対しても、他の利用者と比較可能な形でＲＰの定量評価ができるという効果を持つ。さらに、この効果から、ＲＰの影響を考慮した心理測定値の被験者間分析の実現に資する効果が、副次的に得られる。

【実施例0101】

本発明の実施例２による反応プロファイル評価装置、反応プロファイル評価方法、及び反応プロファイル評価プログラムを説明する。以下では、本実施例について、実施例１と異なる点を主に説明する。

【0102】

日常で経時的に複数種別のＶＡＳ計測を反復して行う場合には、計測するＶＡＳの種別に応じ、回答回数や回答種別に偏りが生じる場合がある。反応プロファイル（ＲＰ）または反応スタイルとは、教示文とは無関係に生じる（すなわち、内容独立性または課題非依存性のある）被験者毎に一貫した回答傾向のバイアスである。このため、実施例１の構成では、回答回数や回答種別に偏りがある場合に内容独立性を仮定することが難しく、例えば回答回数の多い種別のＶＡＳにひきずられたＲＰを推定してしまう恐れがある。この課題を鑑み、実施例２では、内容独立性を擬似的に担保する処理をさらに備えることを特徴とする。

【0103】

本実施例による反応プロファイル評価装置１の構成は、図１に示している。

【0104】

図８は、本実施例において、反応プロファイル評価装置１が行う、一連の信頼区間付ＲＰ分布評価の処理の例を示すフローチャートである。

【0105】

データ読込処理Ｓ８１で、反応プロファイル評価装置１の受付部５１は、評定値データ８１を入力する。

【0106】

この後、各処理部は、後述する一連の処理を予め定めた反復回数Ｂだけ実施する。

【0107】

データ抽出処理Ｓ８２で、データ抽出部５６は、内容独立性を擬似的に担保した評定値データ８１である均一化評定値データ８５を生成する。データ抽出部５６は、利用者から得た、複数の異なる回答項目から成る評定値データ８１について、回答項目毎に復元抽出することで評定値データ８１を再標本化して、擬似的に回答項目間の回答回数差を解消する。複数の異なる回答項目から成る評定値データ８１には、例えば、単極ＶＡＳと双極ＶＡＳといった種別が異なる場合の評定値データ８１や、ＶＡＳの種別が同一であっても教示が異なる場合の評定値データ８１が含まれる。

【0108】

データ抽出部５６は、評定値データ８１を再標本化し、評定値データ８１の種別または評定値データ８１の件数が疑似的に均一化された均一化評定値データ８５を生成する。例えば、測定尺度が双極尺度または単極尺度のみから成る場合には、所定サンプル数の復元抽出を行う。また、双極尺度と単極尺度の両者が混在する場合には、各ＶＡＳの種別内でのサンプル数を１層目の復元抽出で均一化し、双極尺度と単極尺度間のサンプル数の差異を、２層目の復元抽出で均一化すればよい。これにより、回答項目毎に同量の回答回数が含まれた均一化評定値データ８５を生成することができる。この処理により、同一回数かつ複数の回答項目を含んだデータセットが得られ、回答項目や回答回数の偏りの影響を軽減した評定値データ、すなわち内容独立性が擬似的に担保された評定値データを、擬似的に複数生成することができる。

【0109】

続いて、均一化評定値データ８５を入力として、図３に示したＲＰ分布の推定処理Ｓ８３と、図４に示したＲＰ分布の評価処理Ｓ８４を行い、各均一化評定値データ８５に対してＲＰ分布データ８４を算出する。これらの処理は、ブートストラップ法により所定の反復回数Ｂだけブートストラップ標本を生成し、ＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}のブートストラップ分布を構成していることに相当する。

【0110】

その後、信頼区間付ＲＰ分布評価処理Ｓ８５が行われる。信頼区間付ＲＰ分布評価部５７は、得られたＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}のブートストラップ分布の表現されたＲＰ分布データ８４に対し、信頼区間付ＲＰ分布評価処理Ｓ８５を行う。信頼区間付ＲＰ分布評価処理Ｓ８５では、信頼区間付ＲＰ分布評価部５７は、反復回数の数の（すなわち、Ｂ個の）ＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}が構成するブートストラップ分布について、そのブートストラップ統計量を算出することで信頼区間付ＲＰ分布を算出する。信頼区間付ＲＰ分布は、尤もらしい範囲（信頼区間）が合わせて示されたＲＰ分布であり、信頼区間付ＲＰ分布データ８６によって表される。

【0111】

例えば、正規分布近似法でブートストラップ分布の平均値と９５％信頼区間を算出することで、ＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}を信頼区間付で算出することができる。正規分布近似法に限らず、パーセンタイル法などの既知の手法で信頼区間付ＲＰ分布データ８６を算出すればよい。これにより、回答回数の多い種別の評定値にひきずられる恐れを低減し、かつ推定結果がどの程度変動しうるかも考慮可能な形で、利用者のＲＰを推定することができる。

【0112】

図９は、利用者端末７または管理者端末８に表示される、利用者の信頼区間付ＲＰ分布データ８６の例を示す図である。図９に示す例は、反復回数Ｂが１０００であり、連続分布種別を正規分布として、実施例２で説明した方法を適用した場合の、各均一化評定値データ８５の出現頻度分布９０１Ａ（実分布）と、これに対応するＲＰ分布の確率密度関数９０１Ｂを、ビン幅０．０５のヒストグラムとして表示した例である。

【0113】

図９のヒストグラムにおいて、反復回数の数の（すなわち、Ｂ個の）ＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}について、その中央値のＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}で描かれた包絡線が、２５～５０％を示す領域の上端の太線（５０％を示す太線）で表されており、ハッチングで塗りつぶされた複数の領域の合計が、ＲＰ分布特徴量θ_{ｕｓｅｒ，ｉ}の９５％範囲（ＲＰ分布の尤もらしい範囲）であるＲＰ分布の範囲を示している。

【0114】

復元抽出を繰り返すことで、出現頻度分布９０１Ａのように、均一化評定値データ８５の出現頻度がゆらぎ、このゆらぎを反映して、信頼区間付ＲＰ分布として推定されたＲＰ分布形状も、確率密度関数９０１Ｂのようにゆらぐ。本実施例の方法によると、回答回数などに偏りを含む評定値データ８１からであっても、利用者のＲＰを信頼区間付で推定して表示することができる。

【0115】

以上のように、本実施例による反応プロファイル評価装置１は、評定値データ８１を再標本化して、評定値データの種別または評定値データの件数が疑似的に均一化された均一化評定値データ８５を生成するデータ抽出部５６と、生成された複数の均一化評定値データ８５に基づいてＲＰ分布を推定し、各均一化評定値データ８５から得られたＲＰ分布データ群について信頼区間付ＲＰ分布データ８６を算出する信頼区間付ＲＰ分布評価部５７を備える。

【0116】

これにより、本実施例による反応プロファイル評価装置１は、回答回数や回答種別に偏りが生じている場合でも、内容独立性を擬似的に担保し、利用者のＲＰをより尤もらしく推定することができる。さらに、複数の均一化評定値データ８５についてＲＰ分布を推定することで、利用者のＲＰ分布にどの程度のゆらぎが生じうるのか、その信頼区間を推定することができ、推定されたＲＰ分布の信頼性を考慮することができるという効果が得られる。