ホーム > 特許ランキング > カシオ計算機株式会社
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】P2024052702
(43)【公開日】2024-04-11
(54)【発明の名称】情報処理装置、情報処理方法及びプログラム
(51)【国際特許分類】
G06Q 50/20 20120101AFI20240404BHJP
G09B 7/02 20060101ALI20240404BHJP
【ＦＩ】
G06Q50/20
G09B7/02
【審査請求】有
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2024024249
(22)【出願日】2024-02-21
(62)【分割の表示】P 2022067980の分割
【原出願日】2022-04-18
(31)【優先権主張番号】P 2021198173
(32)【優先日】2021-12-07
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000001443
【氏名又は名称】カシオ計算機株式会社
(74)【代理人】
【識別番号】110001254
【氏名又は名称】弁理士法人光陽国際特許事務所
(72)【発明者】
【氏名】麻生 麻実
(57)【要約】
【課題】容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる情報処理装置、情報処理方法及びプログラムを提供する。
【解決手段】情報処理装置は、複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、複数のユーザのうちのある対象ユーザと複数の問題の習熟傾向が近似する近似ユーザを複数のユーザの中から特定し、複数の問題のうち、対象ユーザに対して未出題である未出題問題、及び対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、出題履歴情報における近似ユーザの予測対象問題の正誤判定結果に基づいて導出し、導出した予測正解率に基づいて、複数の問題のうち対象ユーザに出題する問題を決定する処理部を備える。
【選択図】図１３
【解決手段】情報処理装置は、複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、複数のユーザのうちのある対象ユーザと複数の問題の習熟傾向が近似する近似ユーザを複数のユーザの中から特定し、複数の問題のうち、対象ユーザに対して未出題である未出題問題、及び対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、出題履歴情報における近似ユーザの予測対象問題の正誤判定結果に基づいて導出し、導出した予測正解率に基づいて、複数の問題のうち対象ユーザに出題する問題を決定する処理部を備える。
【選択図】図１３
【特許請求の範囲】
【請求項1】
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理部を備える
ことを特徴とする情報処理装置。
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理部を備える
ことを特徴とする情報処理装置。
【請求項2】
前記処理部は、
複数の前記近似ユーザを特定し、
前記複数の近似ユーザの前記予測対象問題の平均正解率を、前記予測正解率とする
ことを特徴とする請求項１に記載の情報処理装置。
複数の前記近似ユーザを特定し、
前記複数の近似ユーザの前記予測対象問題の平均正解率を、前記予測正解率とする
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】
前記処理部は、前記対象ユーザの前記複数の問題の正誤判定結果を要素に含むベクトルと、他の各ユーザの前記複数の問題の正誤判定結果を要素に含むベクトルと、に基づいて導出されたコサイン類似度により前記近似ユーザを特定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4】
前記処理部は、前記複数のユーザのうち、前記コサイン類似度が基準値以上であるユーザを前記近似ユーザとして特定することを特徴とする請求項３に記載の情報処理装置。
【請求項5】
前記処理部は、前記複数のユーザのうち、前記コサイン類似度が大きい順に選ばれる基準数又は基準割合のユーザを前記近似ユーザとして特定することを特徴とする請求項３に記載の情報処理装置。
【請求項6】
前記処理部は、前記出題履歴情報と、前記複数のユーザの属性及び特性の少なくとも一方を含む特徴情報と、に基づいて、前記近似ユーザを特定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7】
前記処理部は、
前記対象ユーザに出題する問題の難易度の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、指定された難易度に対応する予測正解率の問題を、前記対象ユーザに出題する問題として決定する
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。
前記対象ユーザに出題する問題の難易度の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、指定された難易度に対応する予測正解率の問題を、前記対象ユーザに出題する問題として決定する
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】
前記処理部は、前記誤答問題についての前記予測正解率を導出する場合には、前記近似ユーザ及び前記対象ユーザの前記誤答問題の平均正解率を前記予測正解率とす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9】
前記処理部は、
前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の出題数が指定された割合となるように、前記対象ユーザに出題する問題を決定する
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。
前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の出題数が指定された割合となるように、前記対象ユーザに出題する問題を決定する
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10】
情報処理システムのコンピュータにより実行される情報処理方法であって、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定し、
決定した前記問題を前記対象ユーザに対して出題する
ことを特徴とする情報処理方法。
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定し、
決定した前記問題を前記対象ユーザに対して出題する
ことを特徴とする情報処理方法。
【請求項11】
情報処理装置に設けられたコンピュータに、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定する処理、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出する処理、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理
を実行させることを特徴とするプログラム。
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定する処理、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出する処理、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理
を実行させることを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法及びプログラムに関する。
【背景技術】
【0002】
従来、語学等の種々の学科の学習に用いることができる端末装置において、当該学科に係るテスト（問題の出題及び回答の正誤判定）を行うことができるものがある。このようなテストでは、ユーザの学習レベルに応じた難易度の問題を出題することで、ユーザの学習レベルを適切に判定したり、テスト自体による学習効果を高めたりすることができる。
【0003】
ユーザの学習レベルに応じた難易度の問題を出題する方法の１つに、当該ユーザに対して未出題である問題の正解率を予測する方法がある。例えば特許文献１には、ユーザ自身による複数の問題の正誤判定結果に基づいて、出題済みの問題に含まれる複数の概念についてのユーザの理解度を分析し、その分析結果に基づいて未出題の問題の正解率を予測する技術が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特表２０２０－５２１２４４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、上記の従来技術は、概念に対する理解度が他の問題の正解率に反映されることを前提としているため、この前提が成り立たない場合（例えば、単語テストのように、複数の概念を組み合わせた問題ではない場合など）には適用することができない。また、上記の前提が成り立つとしても、問題は必ずしも単純な概念の組み合わせのみで構成されるわけではないため、正解率の予測精度が必ずしも高くない。
このように、上記の従来技術を用いると、正解率の予測方法を適用できる問題が限られるとともに、正解率の予測精度が必ずしも高くないため、ユーザの学習レベルに応じた適切な難易度のテストを行うことが容易でないという課題がある。
このように、上記の従来技術を用いると、正解率の予測方法を適用できる問題が限られるとともに、正解率の予測精度が必ずしも高くないため、ユーザの学習レベルに応じた適切な難易度のテストを行うことが容易でないという課題がある。
【0006】
この発明の目的は、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる情報処理装置、情報処理方法及びプログラムを提供することにある。
【課題を解決するための手段】
【0007】
上記課題を解決するため、本発明に係る情報処理装置は、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理部を備える
ことを特徴とする。
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理部を備える
ことを特徴とする。
【0008】
また、上記課題を解決するため、本発明に係る情報処理方法は、
情報処理システムのコンピュータにより実行される情報処理方法であって、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定し、
決定した前記問題を前記対象ユーザに対して出題する
ことを特徴とする。
情報処理システムのコンピュータにより実行される情報処理方法であって、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定し、
決定した前記問題を前記対象ユーザに対して出題する
ことを特徴とする。
【0009】
また、上記課題を解決するため、本発明に係るプログラムは、
情報処理装置に設けられたコンピュータに、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定する処理、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出する処理、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理
を実行させることを特徴とする。
情報処理装置に設けられたコンピュータに、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定する処理、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出する処理、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理
を実行させることを特徴とする。
【発明の効果】
【0010】
本発明によれば、容易にユーザの学習レベルに応じた難易度のテストを行うことができる。
【図面の簡単な説明】
【0011】
【図1】学習支援システムの概略構成図である。
【図2】サーバの機能構成を示すブロック図である。
【図3】ユーザ管理ＤＢの内容例を示す図である。
【図4】辞書ＤＢの内容例を示す図である。
【図5】学習履歴ＤＢの内容例を示す図である。
【図6】端末装置の機能構成を示すブロック図である。
【図7】辞書画面を示す図である。
【図8】難易度指定画面を示す図である。
【図9】単語テストの難易度と、選択する単語の予測正解率との関係を示す図である。
【図10】テスト画面を示す図である。
【図11】出題履歴ＤＢの内容例を示す図である。
【図12】予測正解率ＤＢの内容例を示す図である。
【図13】予測正解率算出処理の制御手順を示すフローチャートである。
【図14】テスト処理の制御手順を示すフローチャートである。
【図15】変形例１における特徴ベクトルの例を示す図である。
【図16】変形例２に係る出題履歴ＤＢの内容例を示す図である。
【図17】変形例２に係る学習履歴ＤＢの内容例を示す図である。
【図18】変形例２に係る予測正解率算出処理の制御手順を示すフローチャートである。
【図19】変形例２に係る難易度指定画面の例を示す図である。
【発明を実施するための形態】
【0012】
以下、本発明の実施の形態を図面に基づいて説明する。
【0013】
＜学習支援システムの構成＞
図１は、本実施形態の学習支援システム１の概略構成図である。
学習支援システム１（情報処理システム）は、サーバ１０（情報処理装置）と、通信ネットワークＮを介してサーバ１０に情報通信可能に接続されている複数の端末装置２０と、を備える。通信ネットワークＮは、例えばインターネットであるが、これに限られず、ＬＡＮ（Local Area Network）等、他のネットワークであってもよい。サーバ１０と端末装置２０との間の通信経路のうち少なくとも一部は、無線による通信経路であってもよい。
図１は、本実施形態の学習支援システム１の概略構成図である。
学習支援システム１（情報処理システム）は、サーバ１０（情報処理装置）と、通信ネットワークＮを介してサーバ１０に情報通信可能に接続されている複数の端末装置２０と、を備える。通信ネットワークＮは、例えばインターネットであるが、これに限られず、ＬＡＮ（Local Area Network）等、他のネットワークであってもよい。サーバ１０と端末装置２０との間の通信経路のうち少なくとも一部は、無線による通信経路であってもよい。
【0014】
学習支援システム１は、端末装置２０を使用するユーザに対し、語学の学習を支援する学習支援サービスを提供する。端末装置２０は、例えばスマートフォンであるが、これに限られず、タブレット型端末、ノート型のＰＣ（パーソナルコンピュータ）、又は据置型のＰＣ等であってもよい。
【0015】
端末装置２０には、学習用のアプリケーションプログラム（以下、「学習アプリ２３１（図６参照）」と記す）がインストールされており、端末装置２０は、この学習アプリ２３１を実行することで、サーバ１０と連携して語学の学習に係る種々のサービスをユーザに提供する。例えば、端末装置２０は、学習アプリ２３１の実行中にユーザから単語（辞書の見出し語、辞書の項目）の検索指示が入力されると、サーバ１０から当該単語の意味や例文等を含む項目情報を取得して表示する。また、端末装置２０は、学習アプリ２３１の実行中に、単語の習熟度を測る単語テストを実行することができる。単語テストは、例えば、単語のスペル（表記）に対して訳を回答する問題、又は単語の訳に対してスペルを回答する問題である。端末装置２０は、テストを実行する場合には、出題する単語のリスト、及び各単語の表記及び訳のデータをサーバ１０から取得し、問題をユーザに出題し、ユーザから問題の回答が入力されると、当該回答の正誤判定を行って結果をユーザに提示する。
上記は、学習支援システム１が提供するサービスの一例であり、これらに限られない。
上記は、学習支援システム１が提供するサービスの一例であり、これらに限られない。
【0016】
学習支援システム１は、複数の端末装置２０をそれぞれ使用する複数のユーザに対して学習支援サービスを提供する。サーバ１０は、各ユーザの学習支援サービスの利用状況に係る情報を管理し、当該情報に応じた適切なサービスをユーザに提供する。例えば、複数のユーザへの単語テストの出題状況を分析し、あるユーザに単語テストを実施する場合には、上記の分析結果に基づいて、ユーザの学習レベルに応じた適切な難易度の問題を出題する。出題する問題を決定する方法については、後に詳述する。
【0017】
＜サーバの構成＞
図２は、サーバ１０の機能構成を示すブロック図である。
サーバ１０は、ＣＰＵ１１（Central Processing Unit）と、ＲＡＭ１２（Random Access Memory）と、記憶部１３と、操作部１４と、表示部１５と、通信部１６と、バス１７などを備える。サーバ１０の各部は、バス１７を介して接続されている。
図２は、サーバ１０の機能構成を示すブロック図である。
サーバ１０は、ＣＰＵ１１（Central Processing Unit）と、ＲＡＭ１２（Random Access Memory）と、記憶部１３と、操作部１４と、表示部１５と、通信部１６と、バス１７などを備える。サーバ１０の各部は、バス１７を介して接続されている。
【0018】
ＣＰＵ１１は、記憶部１３に記憶されているサーバ制御プログラム１３１（プログラム）を読み出して実行し、各種演算処理を行うことで、サーバ１０の動作を制御するプロセッサ（処理部）である。なお、サーバ１０は、複数のプロセッサ（例えば、複数のＣＰＵ）を有していてもよく、本実施形態のＣＰＵ１１が実行する複数の処理を、当該複数のプロセッサが実行してもよい。この場合には、複数のプロセッサにより処理部が構成される。この場合において、複数のプロセッサが共通の処理に関与してもよいし、あるいは、複数のプロセッサが独立に異なる処理を並列に実行してもよい。
【0019】
記憶部１３は、コンピュータとしてのＣＰＵ１１により読み取り可能な非一時的な記録媒体であり、サーバ制御プログラム１３１及び各種データを記憶する。記憶部１３は、例えばＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等の不揮発性メモリを含む。サーバ制御プログラム１３１は、コンピュータ読み取り可能なプログラムコードの形態で記憶部１３に格納されている。記憶部１３に記憶されるデータとしては、ユーザ管理ＤＢ（データベース）１３２（特徴情報）、辞書ＤＢ１３３、学習履歴ＤＢ１３４、出題履歴ＤＢ１３５（出題履歴情報）、及び予測正解率ＤＢ１３６などがある。
【0020】
図３は、ユーザ管理ＤＢ１３２の内容例を示す図である。
ユーザ管理ＤＢ１３２には、学習支援サービスを利用する複数のユーザに係るデータが格納されている。ユーザ管理ＤＢ１３２は、各ユーザの属性及び特性の少なくとも一方に係る特徴情報を含む。ユーザ管理ＤＢ１３２の１つのデータ行（レコード）は、１人のユーザに対応する。図３に示す例では、ユーザ管理ＤＢ１３２は、「ユーザＩＤ」、「学年」、及び「志望校」のデータ列（カラム）を有する。
「ユーザＩＤ」は、各ユーザに付された固有の符号である。
「学年」は、ユーザの学年である。ユーザが生徒又は学生ではない場合には「一般」のデータが登録される。
「志望校」は、ユーザにより予め入力された志望校である。
なお、ユーザ管理ＤＢ１３２には、ユーザの属性（性別、年齢等）や特性（勉強時間、勉強時間帯、得意な単語の分類等）に係るデータ列がさらに含まれていてもよい。
ユーザ管理ＤＢ１３２には、学習支援サービスを利用する複数のユーザに係るデータが格納されている。ユーザ管理ＤＢ１３２は、各ユーザの属性及び特性の少なくとも一方に係る特徴情報を含む。ユーザ管理ＤＢ１３２の１つのデータ行（レコード）は、１人のユーザに対応する。図３に示す例では、ユーザ管理ＤＢ１３２は、「ユーザＩＤ」、「学年」、及び「志望校」のデータ列（カラム）を有する。
「ユーザＩＤ」は、各ユーザに付された固有の符号である。
「学年」は、ユーザの学年である。ユーザが生徒又は学生ではない場合には「一般」のデータが登録される。
「志望校」は、ユーザにより予め入力された志望校である。
なお、ユーザ管理ＤＢ１３２には、ユーザの属性（性別、年齢等）や特性（勉強時間、勉強時間帯、得意な単語の分類等）に係るデータ列がさらに含まれていてもよい。
【0021】
図４は、辞書ＤＢ１３３の内容例を示す図である。
辞書ＤＢ１３３の１つのデータ行（レコード）は、英和辞書の１つの単語（項目）に対応する。辞書ＤＢ１３３の１つのデータ行に含まれる情報が、１つの項目に係る「項目情報」に相当する。辞書ＤＢ１３３は、「単語ＩＤ」、「単語」、及び「訳」のデータ列（カラム）を有する。
「単語ＩＤ」は、そのデータ行の単語に付された固有の符号である。
「単語」は、単語の表記（スペル）である。
「訳」は、単語の日本語訳である。
なお、辞書ＤＢ１３３には、英和辞書以外の辞書（英英辞書等）に係るデータがさらに格納されていてもよい。
辞書ＤＢ１３３の１つのデータ行（レコード）は、英和辞書の１つの単語（項目）に対応する。辞書ＤＢ１３３の１つのデータ行に含まれる情報が、１つの項目に係る「項目情報」に相当する。辞書ＤＢ１３３は、「単語ＩＤ」、「単語」、及び「訳」のデータ列（カラム）を有する。
「単語ＩＤ」は、そのデータ行の単語に付された固有の符号である。
「単語」は、単語の表記（スペル）である。
「訳」は、単語の日本語訳である。
なお、辞書ＤＢ１３３には、英和辞書以外の辞書（英英辞書等）に係るデータがさらに格納されていてもよい。
【0022】
図５は、学習履歴ＤＢ１３４の内容例を示す図である。
学習履歴ＤＢ１３４には、学習支援サービスにおける各ユーザの学習履歴に係るデータが格納されている。学習履歴ＤＢ１３４は、ユーザごとに生成されたデータブロックを有する。各データブロックにおける１つのデータ行（レコード）は、そのユーザが検索した単語、又はそのユーザに対して単語テストとして出題された単語に対応する。また、各データブロックは、「ユーザＩＤ」、「単語ＩＤ」、「検索日」、「出題日」、及び「正誤判定結果」のデータ列（カラム）を有する。
「ユーザＩＤ」は、図３のユーザ管理ＤＢ１３２におけるユーザＩＤと共通の符号である。
「単語ＩＤ」は、そのデータ行に対応する単語の単語ＩＤであり、図４の辞書ＤＢ１３３における単語ＩＤと共通の符号である。
「検索日」は、そのデータ行の単語が最後に検索された時点を表す日付である。なお、日付に加えて時刻の情報がさらに登録されていてもよい。
「出題日」は、そのデータ行の単語が単語テストにおいて最後に出題された時点を表す日付である。なお、日付に加えて時刻の情報がさらに登録されていてもよい。
「正誤判定結果」は、単語テストにおけるユーザの回答の正誤の判定結果であり、「１」は正答を表し、「０」は誤答を表す。
例えば、図５に示す学習履歴ＤＢ１３４では、ユーザＩＤ「Ｕ０００００」のユーザが、単語ＩＤ「Ｗ００１２」の単語について「２０２１年８月１２日」の単語テストで回答して正答し、その後の「２０２１年８月１５日」に検索を行っていることが登録されている。
出題履歴ＤＢ１３５及び予測正解率ＤＢ１３６の内容例については後述する。
学習履歴ＤＢ１３４には、学習支援サービスにおける各ユーザの学習履歴に係るデータが格納されている。学習履歴ＤＢ１３４は、ユーザごとに生成されたデータブロックを有する。各データブロックにおける１つのデータ行（レコード）は、そのユーザが検索した単語、又はそのユーザに対して単語テストとして出題された単語に対応する。また、各データブロックは、「ユーザＩＤ」、「単語ＩＤ」、「検索日」、「出題日」、及び「正誤判定結果」のデータ列（カラム）を有する。
「ユーザＩＤ」は、図３のユーザ管理ＤＢ１３２におけるユーザＩＤと共通の符号である。
「単語ＩＤ」は、そのデータ行に対応する単語の単語ＩＤであり、図４の辞書ＤＢ１３３における単語ＩＤと共通の符号である。
「検索日」は、そのデータ行の単語が最後に検索された時点を表す日付である。なお、日付に加えて時刻の情報がさらに登録されていてもよい。
「出題日」は、そのデータ行の単語が単語テストにおいて最後に出題された時点を表す日付である。なお、日付に加えて時刻の情報がさらに登録されていてもよい。
「正誤判定結果」は、単語テストにおけるユーザの回答の正誤の判定結果であり、「１」は正答を表し、「０」は誤答を表す。
例えば、図５に示す学習履歴ＤＢ１３４では、ユーザＩＤ「Ｕ０００００」のユーザが、単語ＩＤ「Ｗ００１２」の単語について「２０２１年８月１２日」の単語テストで回答して正答し、その後の「２０２１年８月１５日」に検索を行っていることが登録されている。
出題履歴ＤＢ１３５及び予測正解率ＤＢ１３６の内容例については後述する。
【0023】
図２に示す操作部１４は、マウスなどのポインティングデバイス及びキーボードなどを有し、ユーザによる位置入力及びキー入力などを受け付けてその操作情報をＣＰＵ１１に出力する。
【0024】
表示部１５は、液晶ディスプレイなどの表示装置を備え、ＣＰＵ１１からの表示制御信号に従って表示装置において各種表示を行う。
【0025】
通信部１６は、ネットワークカード等により構成され、通信ネットワークＮ上の端末装置２０との間で所定の通信規格に従ってデータの送受信を行う。
【0026】
＜端末装置２０の構成＞
図６は、端末装置２０の機能構成を示すブロック図である。
端末装置２０は、ＣＰＵ２１と、ＲＡＭ２２と、記憶部２３と、操作部２４と、表示部２５と、音声出力部２６と、通信部２７と、バス２８などを備える。端末装置２０の各部は、バス２８を介して接続されている。
図６は、端末装置２０の機能構成を示すブロック図である。
端末装置２０は、ＣＰＵ２１と、ＲＡＭ２２と、記憶部２３と、操作部２４と、表示部２５と、音声出力部２６と、通信部２７と、バス２８などを備える。端末装置２０の各部は、バス２８を介して接続されている。
【0027】
ＣＰＵ２１は、記憶部２３に記憶されている学習アプリ２３１等のプログラムを読み出して実行し、各種演算処理を行うことで、端末装置２０の動作を制御するプロセッサ（処理部）である。なお、端末装置２０は、複数のプロセッサ（例えば、複数のＣＰＵ）を有していてもよく、本実施形態のＣＰＵ２１が実行する複数の処理を、当該複数のプロセッサが実行してもよい。この場合には、複数のプロセッサにより処理部が構成される。この場合において、複数のプロセッサが共通の処理に関与してもよいし、あるいは、複数のプロセッサが独立に異なる処理を並列に実行してもよい。
【0028】
記憶部２３は、コンピュータとしてのＣＰＵ２１により読み取り可能な非一時的な記録媒体であり、学習アプリ２３１等のプログラム及び各種データを記憶する。記憶部２３は、例えばフラッシュメモリ等の不揮発性メモリを含む。プログラムは、コンピュータ読み取り可能なプログラムコードの形態で記憶部２３に格納されている。
【0029】
操作部２４は、表示部２５の表示画面に重ねられて設けられたタッチパネル、及び物理ボタンなどを有し、ユーザによるタッチパネルに対するタッチ操作、及び物理ボタンに対する押下操作などを受け付けてその操作情報をＣＰＵ２１に出力する。
【0030】
表示部２５は、液晶ディスプレイなどの表示装置を備え、ＣＰＵ２１からの表示制御信号に従って表示装置において各種表示を行う。
【0031】
音声出力部２６は、スピーカーを有し、ＣＰＵ２１からの音声出力制御信号に従って、単語の発生やテストの問題文などの音声を出力する。また、音声出力部２６は、有線接続又は無線接続された外部の音声出力装置（例えば、イヤホン又はヘッドホン等）に対して音声信号を出力することで、当該音声出力装置から音声を出力させる。
【0032】
通信部２７は、アンテナを含む通信モジュール等によって構成され、通信ネットワークＮ上のサーバ１０との間で所定の通信規格に従ってデータの送受信を行う。
【0033】
＜学習支援システムの動作＞
次に、学習支援システム１の動作について説明する。以下に示す動作における動作主体は、サーバ１０のＣＰＵ１１、及び端末装置２０のＣＰＵ２１であるが、以下では便宜上、サーバ１０及び端末装置２０を動作主体として記載する場合がある。
次に、学習支援システム１の動作について説明する。以下に示す動作における動作主体は、サーバ１０のＣＰＵ１１、及び端末装置２０のＣＰＵ２１であるが、以下では便宜上、サーバ１０及び端末装置２０を動作主体として記載する場合がある。
【0034】
学習支援システム１による学習支援サービスを受けるユーザは、端末装置２０において学習アプリ２３１を実行し、学習支援システム１にログインする。学習支援システム１へのログインは、例えば、ユーザにより入力されて端末装置２０からサーバ１０に送信されたユーザＩＤ及びパスワードを、サーバ１０に予め登録されているユーザＩＤ及びパスワードと照合する認証処理により行われる。学習支援システム１にログインしたユーザは、学習アプリ２３１上で、学習支援サービスの各種機能を実行することができる。
【0035】
（単語検索）
学習支援システム１による学習支援サービスの基本機能の１つは、英和辞書における単語の検索である。ユーザは、学習アプリ２３１上で所定の操作を行うことで、英和辞書における単語検索を行うための辞書画面４０を表示部２５に表示させることができる。
学習支援システム１による学習支援サービスの基本機能の１つは、英和辞書における単語の検索である。ユーザは、学習アプリ２３１上で所定の操作を行うことで、英和辞書における単語検索を行うための辞書画面４０を表示部２５に表示させることができる。
【0036】
図７は、辞書画面４０を示す図である。
辞書画面４０には、検索する単語を指定するための検索ボックス４１と、検索された単語の項目情報が表示される項目情報表示領域４２と、単語の音声を再生させるための音声再生ボタン４３と、単語検索を終了させるための辞書画面終了ボタン４４などが表示されている。検索ボックス４１に検索したい単語のスペルが入力された状態で検索が実行されると、端末装置２０は、当該単語の項目情報をサーバ１０に要求する。サーバ１０は、当該要求に応じて、辞書ＤＢ１３３から指定された単語の項目情報を取得し、端末装置２０に送信する。端末装置２０は、取得した項目情報を項目情報表示領域４２に表示させる。また、サーバ１０は、学習履歴ＤＢ１３４のうち検索を行ったユーザに対応するデータブロックにおいて、単語の検索が行われた検索日を登録する。これにより、ユーザによる単語の検索履歴が記録される。
辞書画面４０には、検索する単語を指定するための検索ボックス４１と、検索された単語の項目情報が表示される項目情報表示領域４２と、単語の音声を再生させるための音声再生ボタン４３と、単語検索を終了させるための辞書画面終了ボタン４４などが表示されている。検索ボックス４１に検索したい単語のスペルが入力された状態で検索が実行されると、端末装置２０は、当該単語の項目情報をサーバ１０に要求する。サーバ１０は、当該要求に応じて、辞書ＤＢ１３３から指定された単語の項目情報を取得し、端末装置２０に送信する。端末装置２０は、取得した項目情報を項目情報表示領域４２に表示させる。また、サーバ１０は、学習履歴ＤＢ１３４のうち検索を行ったユーザに対応するデータブロックにおいて、単語の検索が行われた検索日を登録する。これにより、ユーザによる単語の検索履歴が記録される。
【0037】
（テスト）
学習支援システム１による学習支援サービスでは、上述した単語テストを行うことができる。以下では、単語のスペル（表記）に対して訳を回答する単語テストを例に挙げて説明する。本実施形態の単語テストでは、辞書ＤＢ１３３に項目として含まれている単語のうち、ユーザが過去に検索を実行しておらず、かつ、過去の単語テストで一度も出題されていない単語（未出題問題）の中から、出題される単語（以下、「出題単語」と記す）が選択される。
ユーザが、学習アプリ２３１上で単語テストの実行指示を行うと、まず、単語テストの難易度（レベル）を指定するための難易度指定画面５０が表示部２５に表示される。
学習支援システム１による学習支援サービスでは、上述した単語テストを行うことができる。以下では、単語のスペル（表記）に対して訳を回答する単語テストを例に挙げて説明する。本実施形態の単語テストでは、辞書ＤＢ１３３に項目として含まれている単語のうち、ユーザが過去に検索を実行しておらず、かつ、過去の単語テストで一度も出題されていない単語（未出題問題）の中から、出題される単語（以下、「出題単語」と記す）が選択される。
ユーザが、学習アプリ２３１上で単語テストの実行指示を行うと、まず、単語テストの難易度（レベル）を指定するための難易度指定画面５０が表示部２５に表示される。
【0038】
図８は、難易度指定画面５０を示す図である。
難易度指定画面５０には、単語テストの難易度を指定するための難易度指定ボタン５１と、単語テストを開始させるためのテスト開始ボタン５２などが表示されている。本実施形態では、難易度指定ボタン５１により、最も難易度の低い「レベル１」から、最も難易度の高い「レベル５」までの５段階の難易度のいずれかを指定することができる。
難易度指定画面５０には、単語テストの難易度を指定するための難易度指定ボタン５１と、単語テストを開始させるためのテスト開始ボタン５２などが表示されている。本実施形態では、難易度指定ボタン５１により、最も難易度の低い「レベル１」から、最も難易度の高い「レベル５」までの５段階の難易度のいずれかを指定することができる。
【0039】
難易度指定ボタン５１によりいずれかの難易度が指定された状態でテスト開始ボタン５２を選択する操作がなされると、端末装置２０は、指定された難易度となる出題単語のリスト（以下、「出題単語リスト」と記す）をサーバ１０に要求する。サーバ１０は、当該要求に応じて、ユーザにとって指定された難易度となるような出題単語を辞書ＤＢ１３３から取得して出題単語リストを生成する。サーバ１０の記憶部１３の予測正解率ＤＢ１３６には、当該ユーザに対して過去の単語テストで一度も出題されていない単語について、当該ユーザによる予測正解率の情報が登録されている。サーバ１０は、この予測正解率に基づいて、指定された難易度の出題単語を抽出する。具体的には、図９に示すように、指定された難易度が「レベル５」である場合には、予測正解率が０．０以上０．２未満である単語の中から出題単語を選択し、指定された難易度が「レベル４」である場合には、予測正解率が０．２以上０．４未満である単語の中から出題単語を選択し、指定された難易度が「レベル３」である場合には、予測正解率が０．４以上０．６未満である単語の中から出題単語を選択し、指定された難易度が「レベル２」である場合には、予測正解率が０．６以上０．８未満である単語の中から出題単語を選択し、指定された難易度が「レベル１」である場合には、予測正解率が０．８以上１．０以下である単語の中から出題単語を選択する。
【0040】
出題単語リストに入れる単語の数、すなわち１回の単語テストで出題される単語の数は、設定により予め定められており、本実施形態では１０個である。サーバ１０は、指定された難易度に対応する予測正解率の単語を１０個選択して出題単語リストを作成し、端末装置２０に送信する。端末装置２０は、出題単語リストを取得すると、表示部２５による表示画面を、単語テストを行うためのテスト画面６０に遷移させる。
【0041】
図１０は、テスト画面６０を示す図である。
テスト画面６０には、出題単語６１と、回答としての訳を入力するためのテキストボックス６２と、回答ボタン６３などが表示されている。出題単語６１は、出願単語リストに含まれる１つの単語である。ユーザは、テキストボックス６２に出題単語６１の訳を入力して回答ボタン６３を選択する操作を行うことで、問題に対して回答することができる。１つの出題単語６１に対する回答が完了すると、出題単語リストに含まれる次の出題単語６１が表示され、続けて回答することができる。全て（本実施形態では、１０個）の出題単語６１に対する回答が完了すると、全ての出題単語６１の正誤判定結果が表示部２５に表示される。あるいは、１つの出題単語６１に対する回答が行われるごとに、当該出題単語６１の正誤判定結果が表示されてもよい。
テスト画面６０には、出題単語６１と、回答としての訳を入力するためのテキストボックス６２と、回答ボタン６３などが表示されている。出題単語６１は、出願単語リストに含まれる１つの単語である。ユーザは、テキストボックス６２に出題単語６１の訳を入力して回答ボタン６３を選択する操作を行うことで、問題に対して回答することができる。１つの出題単語６１に対する回答が完了すると、出題単語リストに含まれる次の出題単語６１が表示され、続けて回答することができる。全て（本実施形態では、１０個）の出題単語６１に対する回答が完了すると、全ての出題単語６１の正誤判定結果が表示部２５に表示される。あるいは、１つの出題単語６１に対する回答が行われるごとに、当該出題単語６１の正誤判定結果が表示されてもよい。
【0042】
また、サーバ１０は、出題単語リストに入れた単語を、出題済みの単語として学習履歴ＤＢ１３４に記録する。すなわち、学習履歴ＤＢ１３４のうち単語テストを行ったユーザに対応するデータブロックにおいて、出題単語のリストに入れた単語のデータ行を追加し、出題日を登録する。また、各出題単語の正誤判定結果を登録する。これにより、ユーザに対する単語の出題履歴、及び正誤判定結果の履歴が記録される。
【0043】
（予測正解率の算出方法）
次に、上述した予測正解率の算出方法について説明する。
サーバ１０は、所定の頻度で（例えば、１か月に１回程度）、全てのユーザ（複数のユーザ）についての、単語テストで未出題の単語の予測正解率を算出する予測正解率算出処理を実行する。本実施形態では、未出題の単語（未出題問題）が、予測正解率を算出する対象である「予測対象問題」に相当する。
次に、上述した予測正解率の算出方法について説明する。
サーバ１０は、所定の頻度で（例えば、１か月に１回程度）、全てのユーザ（複数のユーザ）についての、単語テストで未出題の単語の予測正解率を算出する予測正解率算出処理を実行する。本実施形態では、未出題の単語（未出題問題）が、予測正解率を算出する対象である「予測対象問題」に相当する。
【0044】
予測正解率算出処理では、まず、辞書ＤＢ１３３に登録されている全ての単語（言い換えると、単語テストの全ての問題（複数の問題））についての、各ユーザへの出題履歴の有無、及び出題済みの単語の正誤判定結果を含む出題履歴のデータが収集され、出題履歴ＤＢ１３５に登録される。出題済みの単語の正誤判定結果は、直近の所定期間内（例えば、過去３か月以内）において行われたテストにおける正誤判定結果が集計される。上記所定期間に複数回出題されている場合には、最後に出題されたときの正誤判定結果が用いられる。
【0045】
図１１は、出題履歴ＤＢ１３５の内容例を示す図である。
出題履歴ＤＢ１３５の１つのデータ行（レコード）は、１人のユーザに対応する。出題履歴ＤＢ１３５には、全てのユーザ（ここでは、ユーザＩＤ：Ｕ０００００～Ｕ２９９９９の３万人であるものとする）に対応する数のデータ行を有する。
また、出題履歴ＤＢ１３５の１つのデータ列（カラム）は、１つの単語に対応する。出題履歴ＤＢ１３５は、辞書ＤＢ１３３に登録されている全ての単語（ここでは、単語ＩＤ：Ｗ００００～Ｗ２９９９の３０００語であるものとする）に対応する数のデータ列を有する。
出題履歴ＤＢ１３５の１つのデータ行（レコード）は、１人のユーザに対応する。出題履歴ＤＢ１３５には、全てのユーザ（ここでは、ユーザＩＤ：Ｕ０００００～Ｕ２９９９９の３万人であるものとする）に対応する数のデータ行を有する。
また、出題履歴ＤＢ１３５の１つのデータ列（カラム）は、１つの単語に対応する。出題履歴ＤＢ１３５は、辞書ＤＢ１３３に登録されている全ての単語（ここでは、単語ＩＤ：Ｗ００００～Ｗ２９９９の３０００語であるものとする）に対応する数のデータ列を有する。
【0046】
各データ行における各単語に対応するデータは、「０」、「１」、又は「ｎｕｌｌ（データなし）」のいずれかである。
「０」は、当該データ行に対応するユーザに対して直近の所定期間内に当該単語が１回以上出題済みであり、かつ最後に出題されたときの正誤判定結果が「誤答」であったことを表す。
「１」は、当該データ行に対応するユーザに対して直近の所定期間内に当該単語が１回以上出題済みであり、かつ最後に出題されたときの正誤判定結果が「正答」であったことを表す。
「ｎｕｌｌ」は、当該データ行に対応するユーザに対して過去に当該単語が１回も出題されていないことを表す。
このように、出題履歴ＤＢ１３５は、全ての単語についての、全てのユーザに対する出題状況（出題履歴の有無）、及び正誤判定結果の情報を含む。
「０」は、当該データ行に対応するユーザに対して直近の所定期間内に当該単語が１回以上出題済みであり、かつ最後に出題されたときの正誤判定結果が「誤答」であったことを表す。
「１」は、当該データ行に対応するユーザに対して直近の所定期間内に当該単語が１回以上出題済みであり、かつ最後に出題されたときの正誤判定結果が「正答」であったことを表す。
「ｎｕｌｌ」は、当該データ行に対応するユーザに対して過去に当該単語が１回も出題されていないことを表す。
このように、出題履歴ＤＢ１３５は、全ての単語についての、全てのユーザに対する出題状況（出題履歴の有無）、及び正誤判定結果の情報を含む。
【0047】
次に、出題履歴ＤＢ１３５の出題状況及び正誤判定結果に基づいて、各ユーザについて、他の全てのユーザのうち単語の習熟傾向が近似する近似ユーザが特定される。ここでは、協調フィルタリングの手法が用いられる。
【0048】
具体的には、まず、近似ユーザを特定する対象である１人の対象ユーザと、他の全てのユーザの各々（以下、「比較ユーザ」と記す）について、特徴ベクトルがそれぞれ特定される。特徴ベクトルは、出題履歴ＤＢ１３５のデータ行における全単語数のデータ（図１１では３０００個のデータ）のうち、対象ユーザ及び比較ユーザの双方に対して出題済みである単語（すなわち、対象ユーザ及び比較ユーザのデータ行において値が「０」又は「１」となっている単語）のデータを要素に含むベクトル（ここでは、当該要素からなるベクトル）とする。
【0049】
例えば、全単語数が１０個であり、これらの単語についての対象ユーザ、及びある比較ユーザに対応するデータが以下のようになっている場合を例に挙げて説明する（「－」は「ｎｕｌｌ」を表す）。
対象ユーザ：０１－－０１１１０－
比較ユーザ：１０１－－０１－１－
この場合には、対象ユーザ及び比較ユーザに対していずれも出題済みである１、２、６、７、９個目の単語のデータが特徴ベクトルの要素とされ、対象ユーザに対応する特徴ベクトルａ、及び比較ユーザに対応する特徴ベクトルｂは、以下のように特定される。
特徴ベクトルａ＝（０，１，１，１，０）
特徴ベクトルｂ＝（１，０，０，１，１）
対象ユーザ：０１－－０１１１０－
比較ユーザ：１０１－－０１－１－
この場合には、対象ユーザ及び比較ユーザに対していずれも出題済みである１、２、６、７、９個目の単語のデータが特徴ベクトルの要素とされ、対象ユーザに対応する特徴ベクトルａ、及び比較ユーザに対応する特徴ベクトルｂは、以下のように特定される。
特徴ベクトルａ＝（０，１，１，１，０）
特徴ベクトルｂ＝（１，０，０，１，１）
【0050】
続いて、対象ユーザ及び比較ユーザの特徴ベクトルについてのコサイン類似度を以下の式により算出する。
【0051】
【数1】
【0052】
コサイン類似度が「１」に近いほど、対象ユーザ及び比較ユーザの特徴（ここでは、単語の習熟傾向）が類似していることを表す。ある対象ユーザについて、残りの全ての比較ユーザとの間でこのコサイン類似度が算出される。図１１のデータ群Ｄ１は、ユーザＩＤ「Ｕ０００００」のユーザを対象ユーザとしたときの、他の全ての比較ユーザとのコサイン類似度の算出結果を表す。
なお、少なくとも一方のユーザが「ｎｕｌｌ」となっている単語の数によっては、特徴ベクトルの次元数が少なくなって、コサイン類似度を用いた習熟傾向の比較を所望の精度で行うことができない場合があるため、特徴ベクトルの次元数が所定数未満となるユーザは近似ユーザの抽出対象から除外してもよい。
なお、少なくとも一方のユーザが「ｎｕｌｌ」となっている単語の数によっては、特徴ベクトルの次元数が少なくなって、コサイン類似度を用いた習熟傾向の比較を所望の精度で行うことができない場合があるため、特徴ベクトルの次元数が所定数未満となるユーザは近似ユーザの抽出対象から除外してもよい。
【0053】
算出されたデータ群Ｄ１のコサイン類似度に基づいて、対象ユーザと単語の習熟傾向が近似する近似ユーザが特定される。
例えば、複数のユーザのうち、コサイン類似度が基準値以上（例えば、０．５以上）である比較ユーザを、対象ユーザの近似ユーザとして特定してもよい。
あるいは、複数のユーザのうち、コサイン類似度が大きい順に選ばれる所定の基準数（例えば、「上位１０名」等）の比較ユーザを、対象ユーザの近似ユーザとして特定してもよい。
あるいは、複数のユーザのうち、コサイン類似度が大きい順に選ばれる所定の基準割合（例えば、「上位５％」等）の比較ユーザを、対象ユーザの近似ユーザとして特定してもよい。
図１１の例では、コサイン類似度が大きい順に選ばれる３人の比較ユーザが近似ユーザとされ、近似ユーザとして、ユーザＩＤが「Ｕ００００１」～「Ｕ００００３」の３名のユーザ（そのコサイン類似度を領域Ａに示す）が特定されている。
例えば、複数のユーザのうち、コサイン類似度が基準値以上（例えば、０．５以上）である比較ユーザを、対象ユーザの近似ユーザとして特定してもよい。
あるいは、複数のユーザのうち、コサイン類似度が大きい順に選ばれる所定の基準数（例えば、「上位１０名」等）の比較ユーザを、対象ユーザの近似ユーザとして特定してもよい。
あるいは、複数のユーザのうち、コサイン類似度が大きい順に選ばれる所定の基準割合（例えば、「上位５％」等）の比較ユーザを、対象ユーザの近似ユーザとして特定してもよい。
図１１の例では、コサイン類似度が大きい順に選ばれる３人の比較ユーザが近似ユーザとされ、近似ユーザとして、ユーザＩＤが「Ｕ００００１」～「Ｕ００００３」の３名のユーザ（そのコサイン類似度を領域Ａに示す）が特定されている。
【0054】
次に、対象ユーザに対して未出題となっている単語（図１１における着色部、すなわち単語ＩＤが「Ｗ０００２」～「Ｗ０００４」である３つの単語）について、近似ユーザの正誤判定状況のデータ（図１１における領域Ｂ）に基づいて、対象ユーザの予測正解率（図１１における領域Ｃ）が算出（導出）される。具体的には、未出題の各単語について、特定した複数の近似ユーザの平均正解率を算出し、対象ユーザの予測正解率とする。例えば、図１１における単語ＩＤが「Ｗ０００２」の単語については、３人の近似ユーザの正誤判定結果が全て「１」（正答）であるため、予測正解率は「１」と算出される。また、単語ＩＤが「Ｗ０００３」の単語については、３人の近似ユーザのうち１人が「１」（正答）、２人が「０」（誤答）であるため、予測正解率は「０．３３」と算出される。また、単語ＩＤが「Ｗ０００３」の単語については、３人の近似ユーザのうち１人が「１」（正答）、１人が「０」（誤答）、１人が「ｎｕｌｌ」（未出題）であるため、予測正解率は「０．５０」と算出される。
【0055】
このようにして、対象ユーザに対して未出題である全ての単語についての予測正解率のデータ群Ｄ２が生成される。
なお、本実施形態では、対象ユーザに対して未出題である単語であっても、対象ユーザが検索済みである単語は出題対象とならないため、検索済みの単語の予測正解率については「ｎｕｌｌ」とされる。よって、本実施形態では、未出題である単語のうち、検索済みでない単語が「予測対象問題」に相当する。ただし、これに限られず、未出題の単語について検索履歴の有無に関わらず出題対象とすることとしてもよい。この場合には、検索履歴のある単語についても、未出題の単語については「予測対象問題」とされ、予測正解率が算出されてデータ群Ｄ２に登録される。
予測正解率の導出過程で生成されるデータ群Ｄ１及びデータ群Ｄ２は、出題履歴ＤＢ１３５に含めてもよいし、記憶部１３のうち出題履歴ＤＢ１３５以外の記憶領域に記憶されてもよい。
なお、本実施形態では、対象ユーザに対して未出題である単語であっても、対象ユーザが検索済みである単語は出題対象とならないため、検索済みの単語の予測正解率については「ｎｕｌｌ」とされる。よって、本実施形態では、未出題である単語のうち、検索済みでない単語が「予測対象問題」に相当する。ただし、これに限られず、未出題の単語について検索履歴の有無に関わらず出題対象とすることとしてもよい。この場合には、検索履歴のある単語についても、未出題の単語については「予測対象問題」とされ、予測正解率が算出されてデータ群Ｄ２に登録される。
予測正解率の導出過程で生成されるデータ群Ｄ１及びデータ群Ｄ２は、出題履歴ＤＢ１３５に含めてもよいし、記憶部１３のうち出題履歴ＤＢ１３５以外の記憶領域に記憶されてもよい。
【0056】
以降、残りの各ユーザを対象ユーザとして、上記と同様の方法により、近似ユーザの特定、及び予測正解率の導出が行われる。各ユーザについての予測正解率のデータ群Ｄ２は、予測正解率ＤＢ１３６に登録される。
【0057】
図１２は、予測正解率ＤＢ１３６の内容例を示す図である。
予測正解率ＤＢ１３６の１つのデータ行は、１人のユーザに対応し、複数の単語に対応する各データ列（カラム）には、当該ユーザのその単語についての予測正解率（図１１のデータ群Ｄ２の値）が登録されている。また、データ行に対応するユーザに対して出題済みの単語及び検索済みの単語については「ｎｕｌｌ」とされる。予測正解率ＤＢ１３６の予測正解率は、上述のとおり、指定された難易度に応じた予測正解率の単語を選択する処理に用いられる。
予測正解率ＤＢ１３６の１つのデータ行は、１人のユーザに対応し、複数の単語に対応する各データ列（カラム）には、当該ユーザのその単語についての予測正解率（図１１のデータ群Ｄ２の値）が登録されている。また、データ行に対応するユーザに対して出題済みの単語及び検索済みの単語については「ｎｕｌｌ」とされる。予測正解率ＤＢ１３６の予測正解率は、上述のとおり、指定された難易度に応じた予測正解率の単語を選択する処理に用いられる。
【0058】
（予測正解率算出処理の制御手順）
次に、予測正解率を算出するための予測正解率算出処理の制御手順について説明する。
図１３は、予測正解率算出処理の制御手順を示すフローチャートである。
上述のとおり、予測正解率算出処理は、１か月に１回などの所定の頻度で実行される。
次に、予測正解率を算出するための予測正解率算出処理の制御手順について説明する。
図１３は、予測正解率算出処理の制御手順を示すフローチャートである。
上述のとおり、予測正解率算出処理は、１か月に１回などの所定の頻度で実行される。
【0059】
予測正解率算出処理が開始されると、サーバ１０のＣＰＵ１１は、全てのユーザの単語テストの結果データを取得する（ステップＳ１０１）。ここでは、ＣＰＵ１１は、学習履歴ＤＢ１３４の各ユーザのデータブロックから、出題済みの単語、及び当該単語についての正誤判定結果を取得し、その内容を出題履歴ＤＢ１３５に登録する。
【0060】
ＣＰＵ１１は、ユーザの序数を表す変数Ｎに０を代入する（ステップＳ１０２）。以下では、Ｎ番目のユーザ（本実施形態では、Ｎは０から２９９９９まで）を「ユーザＮ」と記す。
【0061】
ＣＰＵ１１は、変数Ｎが全ユーザ数未満であるか否かを判別する（ステップＳ１０３）。変数Ｎが全ユーザ数未満であると判別された場合には（ステップＳ１０３で“ＹＥＳ”）、ＣＰＵ１１は、ユーザＮ（対象ユーザ）と、他の各ユーザ（比較ユーザ）とのコサイン類似度を算出し、図１１に示すデータ群Ｄ１を生成する（ステップＳ１０４）。
【0062】
ＣＰＵ１１は、コサイン類似度が大きい順に所定の基準数のユーザを抽出し、ユーザＮの近似ユーザとして特定する（ステップＳ１０５）。なお、コサイン類似度に基づく近似ユーザの特定方法は、上述したとおり、これに限られない。
【0063】
ＣＰＵ１１は、単語の序数を表す変数Ｍに０を代入する（ステップＳ１０６）。以下では、Ｍ番目の単語（本実施形態では、Ｍは０から２９９９まで）を「単語Ｍ」と記す。
【0064】
ＣＰＵ１１は、変数Ｍが全単語数未満であるか否かを判別する（ステップＳ１０７）。変数Ｍが全単語数未満であると判別された場合には（ステップＳ１０７で“ＹＥＳ”）、ＣＰＵ１１は、単語ＭをユーザＮが検索済みであるか否かを判別する（ステップＳ１０８）。ここでは、ＣＰＵ１１は、学習履歴ＤＢ１３４におけるユーザＮのデータブロックにおいて、単語Ｍのデータ行に検索日が登録されている場合に、単語ＭをユーザＮが検索済みであると判別する。
【0065】
単語ＭをユーザＮが検索済みではないと判別された場合には（ステップＳ１０８で“ＮＯ”）、ＣＰＵ１１は、単語Ｍがユーザに対して出題済みであるか否かを判別する（ステップＳ１０９）。ここでは、ＣＰＵ１１は、学習履歴ＤＢ１３４におけるユーザＮのデータブロックにおいて、単語Ｍのデータ行に出題日が登録されている場合に、単語ＭがユーザＮに対して出題済みであると判別する。
【0066】
単語ＭがユーザＮに対して未出題であると判別された場合には（ステップＳ１０９で“ＮＯ”）、ＣＰＵ１１は、単語Ｍの予測正解率として、単語Ｍについての近似ユーザの平均正解率を算出する（ステップＳ１１０）。
【0067】
一方、ステップＳ１０８において、単語Ｍをユーザが検索済みであると判別された場合（ステップＳ１０８で“ＹＥＳ”）、又はステップＳ１０９において、単語Ｍがユーザに対して出題済みであると判別された場合には（ステップＳ１０９で“ＹＥＳ”）、ＣＰＵ１１は、単語Ｍについての予測正解率を「ｎｕｌｌ」とする（ステップＳ１１１）。
なお、未出題の単語のうち検索済みの単語も出題対象とする場合には、ステップＳ１０８の判別ステップが省略される。
なお、未出題の単語のうち検索済みの単語も出題対象とする場合には、ステップＳ１０８の判別ステップが省略される。
【0068】
ステップＳ１１０又はステップＳ１１０が終了すると、ＣＰＵ１１は、予測正解率ＤＢ１３６に予測正解率の算出結果を登録する（ステップＳ１１２）。
【0069】
ＣＰＵ１１は、変数Ｍをインクリメントし（ステップＳ１１３）、処理をステップＳ１０７に戻す。ステップＳ１０７において、変数Ｍが全単語数に達していると判別された場合には（ステップＳ１０７で“ＮＯ”）、ＣＰＵ１１は、変数Ｎをインクリメントし（ステップＳ１１４）、処理をステップＳ１０３に戻す。ステップＳ１０３において、変数Ｎが全ユーザ数に達していると判別された場合には（ステップＳ１０３で“ＮＯ”）、ＣＰＵ１１は、予測正解率算出処理を終了させる。
【0070】
（テスト処理の制御手順）
次に、単語テストを行うためのテスト処理の制御手順について説明する。
図１４は、テスト処理の制御手順を示すフローチャートである。
図１４では、端末装置２０のＣＰＵ２１が実行するテスト処理、及びサーバ１０のＣＰＵ１１が実行するテスト処理が併記されている。
次に、単語テストを行うためのテスト処理の制御手順について説明する。
図１４は、テスト処理の制御手順を示すフローチャートである。
図１４では、端末装置２０のＣＰＵ２１が実行するテスト処理、及びサーバ１０のＣＰＵ１１が実行するテスト処理が併記されている。
【0071】
テスト処理が開始されると、端末装置２０のＣＰＵ２１は、難易度指定画面５０を表示部２５に表示させる（ステップＳ２０１）。
【0072】
ＣＰＵ２１は、難易度を指定する操作（図８における難易度指定ボタン５１を選択した状態でテスト開始ボタン５２を選択する操作）がなされたか否かを判別し（ステップＳ２０２）、当該操作がなされていないと判別された場合には（ステップＳ２０２で“ＮＯ”）、再度ステップＳ２０２を実行する。難易度を指定する操作がなされたと判別された場合には（ステップＳ２０２で“ＹＥＳ”）、ＣＰＵ２１は、指定された難易度の出題単語リストをサーバに要求する（ステップＳ２０３）。ここでは、ＣＰＵ２１は、サーバ１０に対して出題単語リストの要求信号を送信する。
【0073】
サーバ１０のＣＰＵ１１は、出題単語リストの要求信号を受信すると、予測正解率ＤＢ１３６のうちテストを実行中のユーザ（対象ユーザ）に対応するデータ行を参照し、指定された難易度に対応する予測正解率（図９参照）の単語を抽出する（ステップＳ３０１）。また、ＣＰＵ１１は、抽出した単語を所定数（本実施形態では１０個）含み、各単語の表記及び訳のデータを含む出題単語リストのデータを生成して端末装置２０に送信する（ステップＳ３０２）。
【0074】
端末装置２０のＣＰＵ２１は、出題単語リストを受信すると、テスト画面６０を表示部２５に表示させて、単語テストを開始する（ステップＳ２０４）。ここでは、ＣＰＵ２１は、出題単語リストに含まれる単語の１つをテスト画面６０に表示させて、テキストボックス６２においてユーザによる訳の回答の入力を受け付け、訳が入力された状態で回答ボタン６３が選択されると、出題単語リストの訳のデータと比較して正誤判定を行う。以降、この処理を出題単語リストに含まれる全ての単語について実行する。全ての単語についてユーザからの回答がなされると、ＣＰＵ２１は、全ての単語についての正誤判定結果を表示部２５に表示させる。
【0075】
ＣＰＵ２１は、単語テストが終了したか否か（上記の正誤判定結果の表示が行われたか否か）を判別する（ステップＳ２０５）。ＣＰＵ２１は、単語テストが終了していないと判別された場合には（ステップＳ２０５で“ＮＯ”）、再度ステップＳ２０５を実行し、単語テストが終了したと判別された場合には（ステップＳ２０５で“ＹＥＳ”）、テスト処理を終了させる。
【0076】
一方、サーバ１０のＣＰＵ１１は、ステップＳ３０２で送信した出題単語リストに含まれる単語について、学習履歴ＤＢ１３４に出題日を登録する（ステップＳ３０３）。これにより、ユーザに対する当該単語の出題履歴が記録される。また、予測正解率ＤＢ１３６のうちテストを実行中のユーザに対応するデータ行において、出題した単語に対応するデータを「ｎｕｌｌ」に変更する（ステップＳ３０４）。これにより、次回以降のテストでは、出題済みの単語は出題単語として抽出されないようになる。
ステップＳ３０４が終了すると、ＣＰＵ１１は、テスト処理を終了させる。
ステップＳ３０４が終了すると、ＣＰＵ１１は、テスト処理を終了させる。
【0077】
＜変形例１＞
次に、上記実施形態の変形例１について説明する。本変形例は、近似ユーザの特定方法が上記実施形態と異なり、その他の点は上記実施形態と同様である。以下では、上記実施形態との相違点について説明する。
次に、上記実施形態の変形例１について説明する。本変形例は、近似ユーザの特定方法が上記実施形態と異なり、その他の点は上記実施形態と同様である。以下では、上記実施形態との相違点について説明する。
【0078】
上記実施形態では、コサイン類似度の算出に用いるユーザの特徴ベクトルとして、出題履歴ＤＢ１３５（出題履歴情報）における出題済みの単語の正誤判定結果を用いた。これに対し、本変形例では、出題履歴ＤＢ１３５の正誤判定結果と、ユーザ管理ＤＢ１３２に含まれる各ユーザの属性及び特性の少なくとも一方に係る特徴情報と、に基づいて近似ユーザを特定する。
【0079】
図１５は、変形例１における特徴ベクトルの例を示す図である。
図１５では、ユーザに対応するデータ行において、出題履歴ＤＢ１３５の内容に加え、ユーザ管理ＤＢ１３２における学年及び志望校のデータ列が追加されている。具体的には、「学年」についての「高校１年生」、「高校２年生」…といった区分、及び「志望校」について「Ａ大学」、「Ｂ大学」…といった区分に対応するデータ列が追加されている。そして、各ユーザが該当する区分のデータ列が「１」とされ、該当しない区分のデータ列が「ｎｕｌｌ」とされている。本変形例では、出題履歴ＤＢ１３５及びユーザ管理ＤＢ１３２のデータを要素として含む特徴ベクトルａが用いられる。「学年」や「志望校」の区分に相当する要素については、対象ユーザ及び比較ユーザがいずれも「１」となっている区分のみが特徴ベクトルの要素に組み入れられ、対象ユーザ及び比較ユーザの少なくとも一方が「ｎｕｌｌ」となっている区分については特徴ベクトルの要素に組み入れられない。この方法によれば、「学年」や「志望校」の区分が対象ユーザと一致する比較ユーザ、すなわち属性や特性が対象ユーザと共通する比較ユーザについてはコサイン類似度が大きくなり、近似ユーザとして特定されやすくなる。
図１５では、ユーザに対応するデータ行において、出題履歴ＤＢ１３５の内容に加え、ユーザ管理ＤＢ１３２における学年及び志望校のデータ列が追加されている。具体的には、「学年」についての「高校１年生」、「高校２年生」…といった区分、及び「志望校」について「Ａ大学」、「Ｂ大学」…といった区分に対応するデータ列が追加されている。そして、各ユーザが該当する区分のデータ列が「１」とされ、該当しない区分のデータ列が「ｎｕｌｌ」とされている。本変形例では、出題履歴ＤＢ１３５及びユーザ管理ＤＢ１３２のデータを要素として含む特徴ベクトルａが用いられる。「学年」や「志望校」の区分に相当する要素については、対象ユーザ及び比較ユーザがいずれも「１」となっている区分のみが特徴ベクトルの要素に組み入れられ、対象ユーザ及び比較ユーザの少なくとも一方が「ｎｕｌｌ」となっている区分については特徴ベクトルの要素に組み入れられない。この方法によれば、「学年」や「志望校」の区分が対象ユーザと一致する比較ユーザ、すなわち属性や特性が対象ユーザと共通する比較ユーザについてはコサイン類似度が大きくなり、近似ユーザとして特定されやすくなる。
【0080】
なお、ユーザの特徴情報は、特徴ベクトルの要素に組み入れずに近似ユーザの特定に用いることもできる。
例えば、出題履歴ＤＢ１３５の正誤判定結果のみを要素とする特徴ベクトルによりコサイン類似度を算出した上で、対象ユーザ及び比較ユーザの特徴情報の一致率の高さに応じてコサイン類似度を増大させる補正を行ってもよい。
また、特徴情報の一致率が所定値以下のユーザを、近似ユーザの抽出対象から除外してもよい。
例えば、出題履歴ＤＢ１３５の正誤判定結果のみを要素とする特徴ベクトルによりコサイン類似度を算出した上で、対象ユーザ及び比較ユーザの特徴情報の一致率の高さに応じてコサイン類似度を増大させる補正を行ってもよい。
また、特徴情報の一致率が所定値以下のユーザを、近似ユーザの抽出対象から除外してもよい。
【0081】
＜変形例２＞
次に、上記実施形態の変形例２について説明する。
上記実施形態では、対象ユーザに対して未出題である単語の中から、予測正解率に応じて出題する問題が決定された。しかしながら、既に出題済みの単語であっても、対象ユーザが誤答した単語については、再度出題することに意義やメリットがある場合がある。再度出題することによって、学習効果を確認したり、学習の定着を図ったりすることができるためである。
次に、上記実施形態の変形例２について説明する。
上記実施形態では、対象ユーザに対して未出題である単語の中から、予測正解率に応じて出題する問題が決定された。しかしながら、既に出題済みの単語であっても、対象ユーザが誤答した単語については、再度出題することに意義やメリットがある場合がある。再度出題することによって、学習効果を確認したり、学習の定着を図ったりすることができるためである。
【0082】
そこで、本変形例では、未出題である単語（未出題問題）に加えて、対象ユーザに対して過去に出題済みであり、かつ対象ユーザが誤答した単語（誤答問題）についても、「予測対象問題」とされて予測正解率が算出される。そして、未出題問題及び誤答問題を含む予測対象問題の中から、予測正解率に応じて、対象ユーザに出題する問題が決定される。また、本変形例では、対象ユーザによって過去に検索されている単語であっても出題対象とされる。誤答問題の単語は、出題後に学習のために検索されることが多いためである。ただし、これに限られず、本変形例においても過去に検索済みの単語を出題対象から外すこととしてもよい。
その他の点は上記実施形態と同様である。以下では、上記実施形態との相違点について説明する。変形例２は、変形例１と組み合わせてもよい。
その他の点は上記実施形態と同様である。以下では、上記実施形態との相違点について説明する。変形例２は、変形例１と組み合わせてもよい。
【0083】
図１６は、変形例２に係る出題履歴ＤＢ１３５の内容例を示す図である。
本変形例においても、対象ユーザは、ユーザＩＤが「Ｕ０００００」のユーザであるものとする。また、この対象ユーザの近似ユーザは、上記実施形態と同様、ユーザＩＤが「Ｕ００００１」～「Ｕ００００３」の３名のユーザ（そのコサイン類似度を領域Ａに示す）であるものとする。対象ユーザに対して未出題の単語（図１６では、単語ＩＤが「Ｗ０００２」、「Ｗ２９９５」である単語）については、上記実施形態と同様の方法により予測正解率が算出される。
本変形例においても、対象ユーザは、ユーザＩＤが「Ｕ０００００」のユーザであるものとする。また、この対象ユーザの近似ユーザは、上記実施形態と同様、ユーザＩＤが「Ｕ００００１」～「Ｕ００００３」の３名のユーザ（そのコサイン類似度を領域Ａに示す）であるものとする。対象ユーザに対して未出題の単語（図１６では、単語ＩＤが「Ｗ０００２」、「Ｗ２９９５」である単語）については、上記実施形態と同様の方法により予測正解率が算出される。
【0084】
本変形例では、さらに、対象ユーザに対して過去に出題され、かつ対象ユーザが誤答した単語（すなわち、正誤判定結果が「０」となっている単語；図１６では、単語ＩＤが「Ｗ２９９６」、「Ｗ２９９８」である単語）についても予測正解率が算出される。誤答問題についても、近似ユーザの正誤判定状況のデータ（図１６における領域Ｂ）に基づいて、対象ユーザの予測正解率（図１６における領域Ｃ）が算出（導出）される。すなわち、近似ユーザの平均正解率が、対象ユーザの予測正解率とされる。具体的には、単語ＩＤが「Ｗ２９９６」である単語については、３人の近似ユーザのうち１人が「１」（正答）、２人が「０」（誤答）であるため、予測正解率は「０．３３」と算出される。また、単語ＩＤが「Ｗ２９９８」である単語については、３人の近似ユーザのうち１人が「１」（正答）、１人が「０」（誤答）、１人が「ｎｕｌｌ」（未出題）であるため、予測正解率は「０．５０」と算出される。
【0085】
なお、誤答問題についての予測正解率を導出する場合に、近似ユーザのみの平均正解率に代えて、近似ユーザ及び対象ユーザの平均正解率を予測正解率としてもよい。この場合、図１６において、単語ＩＤが「Ｗ２９９６」である単語については、３人の近似ユーザに対象ユーザを加えた４人のうち、１人が「１」（正答）、３人が「０」（誤答）であるので、予測正解率は「０．２５」と算出される。また、単語ＩＤが「Ｗ２９９８」である単語については、上記４人のうち１人が「１」（正答）、２人が「０」（誤答）、１人が「ｎｕｌｌ」（未出題）であるので、予測正解率は「０．３３」と算出される。
【0086】
本変形例においても、全てのユーザについて、予測対象問題（未出題問題及び誤答問題）の予測正解率が算出される。また、本変形例では、各ユーザについて算出された予測正解率は、学習履歴ＤＢ１３４に登録される。
【0087】
図１７は、変形例２に係る学習履歴ＤＢ１３４の内容例を示す図である。
図１７に示す学習履歴ＤＢ１３４では、ユーザごとのデータブロックに、全ての単語に対応するデータ行（レコード）が含まれる。また、各データブロックは、「予測正解率」のデータ列（カラム）を有し、このデータ列に、算出された予測正解率が登録される。図１７の学習履歴ＤＢ１３４を参照することで、未出題問題についての予測正解率と、誤答問題についての予測正解率とを区別して取得することができる。詳しくは、「出題日」及び「正誤判定結果」のデータ列が「ｎｕｌｌ（データなし）」となっているデータ行における予測正解率は、未出題問題についての予測正解率であると判別することができる。また、「正誤判定結果」が「０（誤答）」となっているデータ行における予測正解率は、誤答問題についての予測正解率であると判別することができる。なお、「正誤判定結果」が「１（正答）」となっている単語については、予測正解率は算出されない。
図１７に示す学習履歴ＤＢ１３４では、ユーザごとのデータブロックに、全ての単語に対応するデータ行（レコード）が含まれる。また、各データブロックは、「予測正解率」のデータ列（カラム）を有し、このデータ列に、算出された予測正解率が登録される。図１７の学習履歴ＤＢ１３４を参照することで、未出題問題についての予測正解率と、誤答問題についての予測正解率とを区別して取得することができる。詳しくは、「出題日」及び「正誤判定結果」のデータ列が「ｎｕｌｌ（データなし）」となっているデータ行における予測正解率は、未出題問題についての予測正解率であると判別することができる。また、「正誤判定結果」が「０（誤答）」となっているデータ行における予測正解率は、誤答問題についての予測正解率であると判別することができる。なお、「正誤判定結果」が「１（正答）」となっている単語については、予測正解率は算出されない。
【0088】
なお、上記実施形態と同様に、学習履歴ＤＢ１３４に代えて、予測正解率ＤＢ１３６に予測正解率を登録してもよい。この場合には、例えば、各ユーザについての未出題問題の予測正解率のみが登録された第１データベース（図１２に示す予測正解率ＤＢ１３６と同一のデータベース）とは別個に、各ユーザについての誤答問題の予測正解率のみが登録された第２データベースを生成してもよい。これにより、未出題問題についての予測正解率と、誤答問題についての予測正解率とを区別可能な状態で登録することができる。
【0089】
次に、変形例２に係る予測正解率算出処理について説明する。
図１８は、変形例２に係る予測正解率算出処理の制御手順を示すフローチャートである。
図１８は、図１３に示す予測正解率算出処理のフローチャートからステップＳ１０８を削除し、ステップＳ１１５を追加し、ステップＳ１１２をステップＳ１１２ａに変更したものに相当する。
図１８は、変形例２に係る予測正解率算出処理の制御手順を示すフローチャートである。
図１８は、図１３に示す予測正解率算出処理のフローチャートからステップＳ１０８を削除し、ステップＳ１１５を追加し、ステップＳ１１２をステップＳ１１２ａに変更したものに相当する。
【0090】
図１８のステップＳ１０１～Ｓ１０７は、図１３のステップＳ１０１～Ｓ１０７と同一である。ステップＳ１０７において、変数Ｍが全単語数未満であると判別された場合には（ステップＳ１０７で“ＹＥＳ”）、ＣＰＵ１１は、単語Ｍがユーザに対して出題済みであるか否かを判別する（ステップＳ１０９）。単語Ｍがユーザに対して出題済みであると判別された場合には（ステップＳ１０９で“ＹＥＳ”）、ＣＰＵ１１は、出題履歴ＤＢ１３５を参照し、ユーザＮが単語Ｍの問題に正答しているか否かを判別する（ステップＳ１１５）。ユーザＮが単語Ｍの問題に正答していると判別された場合には（ステップＳ１１５で“ＹＥＳ”）、ＣＰＵ１１は、単語Ｍが予測対象問題ではないと判別し、単語Ｍについての予測正解率を「ｎｕｌｌ」とする（ステップＳ１１１）。
【0091】
ユーザＮが単語Ｍの問題に誤答していると判別された場合（ステップＳ１１５で“ＮＯ”）、又は、ステップＳ１０９において、単語Ｍがユーザに対して未出題であると判別された場合には（ステップＳ１０９で“ＮＯ”）、ＣＰＵ１１は、単語Ｍが予測対象問題であると判別し、単語Ｍの予測正解率として、単語Ｍについての近似ユーザの平均正解率を算出する（ステップＳ１１０）。
【0092】
ステップＳ１１０又はステップＳ１１０が終了すると、ＣＰＵ１１は、学習履歴ＤＢ１３４に予測正解率の算出結果を登録する（ステップＳ１１２ａ）。なお、上述のとおり、予測正解率ＤＢ１３６に予測正解率の算出結果を登録してもよい。
以降の処理は、図１３のフローチャートと同様である。
以降の処理は、図１３のフローチャートと同様である。
【0093】
本変形例におけるテスト処理のフローチャートは、図１４に示す上記実施形態のテスト処理のフローチャートと基本的に同一である。
ただし、図１４のステップＳ２０１で表示させる難易度指定画面５０において、未出題問題及び誤答問題の出題の割合の指定を受け付けてもよい。
ただし、図１４のステップＳ２０１で表示させる難易度指定画面５０において、未出題問題及び誤答問題の出題の割合の指定を受け付けてもよい。
【0094】
図１９は、変形例２に係る難易度指定画面５０の例を示す図である。
図１９に示す難易度指定画面５０は、図８に示す難易度指定画面５０に、未出題問題及び誤答問題の各々の出題の割合（パーセント）を指定するためのテキストボックス５３を追加したものに相当する。テキストボックス５３に「０」から「１００」のいずれかの数値を入力した状態でテスト開始ボタン５２を選択することで、未出題問題及び誤答問題の出題数がそれぞれ指定した割合となるように複数の問題が出題される。未出題問題及び誤答問題のうち一方のテキストボックス５３に数値を入力すると、２つのテキストボックス５３における数値の合計が「１００」となるように、他方のテキストボックス５３に自動的に数値が入力されるようになっていてもよい。
図１９に示す難易度指定画面５０は、図８に示す難易度指定画面５０に、未出題問題及び誤答問題の各々の出題の割合（パーセント）を指定するためのテキストボックス５３を追加したものに相当する。テキストボックス５３に「０」から「１００」のいずれかの数値を入力した状態でテスト開始ボタン５２を選択することで、未出題問題及び誤答問題の出題数がそれぞれ指定した割合となるように複数の問題が出題される。未出題問題及び誤答問題のうち一方のテキストボックス５３に数値を入力すると、２つのテキストボックス５３における数値の合計が「１００」となるように、他方のテキストボックス５３に自動的に数値が入力されるようになっていてもよい。
【0095】
なお、難易度指定画面５０に、未出題問題用の難易度指定ボタン５１と、誤答問題用の難易度指定ボタン５１とを別個に設け、ＣＰＵ１１が、未出題問題の第１の難易度、及び誤答問題の第２の難易度の指定をそれぞれ受け付けるようにしていてもよい。この場合には、ＣＰＵ１１は、未出題問題及び誤答問題の予測正解率に基づいて、指定された第１の難易度に対応する未出題問題、及び指定された第２の難易度に対応する誤答問題を、対象ユーザに出題する問題として決定する。
【0096】
本変形例では、未出題問題及び誤答問題をいずれも出題対象とする例を用いて説明したが、これに限られず、誤答問題のみを出題対象としてもよい。この場合、誤答問題のみを予測対象問題とし、誤答問題のみ予測正解率を算出してもよい。
【0097】
＜効果＞
以上のように、本実施形態に係る情報処理装置としてのサーバ１０は、処理部としてのＣＰＵ１１を有する。ＣＰＵ１１は、複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴ＤＢ１３５（出題履歴情報）に基づいて、複数のユーザのうちのある対象ユーザと複数の問題の習熟傾向が近似する近似ユーザを複数のユーザの中から特定し、複数の問題のうち、対象ユーザに対して未出題である未出題問題、及び対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、近似ユーザの予測対象問題の正誤判定結果に基づいて導出し、導出した予測正解率に基づいて、複数の問題のうち対象ユーザに出題する問題を決定する。
このように近似ユーザの正誤判定結果を用いる方法によれば、対象ユーザ自身の概念の理解度等の解析結果から予測正解率を導出する従来技術と比較して、予測対象問題（未出題問題及び／又は誤答問題）についての対象ユーザの予測正解率を簡易かつ高精度に導出することができる。よって、導出された予測正解率に基づいて、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる。例えば単語テストであれば、ユーザが覚えていない単語を予測して出題するといったことが可能となり、効率的な学力アップを行うことができる。また、予測正解率が低い問題を出題して学習することにより、学習レベルが近い近似ユーザが間違えた問題を演習して習得することができるので、競争相手となるユーザに対して優位を確保することができる。
また、近似ユーザは、その時点での対象ユーザの学力を反映するように選ばれるため、対象ユーザが過去に誤答している誤答問題について、対象ユーザの学力の向上を反映した、その時点における予測正解率を導出することができる。よって、予測正解率に応じて、適切なタイミングで誤答問題を再度出題することができ、誤答問題について効果的な学習を行うことができる。
また、近似ユーザを特定した上で、近似ユーザの正誤判定結果に基づいて対象ユーザの予測正解率を導出するので、予測正解率の導出のために問題の内容を分析する必要がない。よって、上記方法は、任意の種類の問題に適用することができる。
以上のように、本実施形態に係る情報処理装置としてのサーバ１０は、処理部としてのＣＰＵ１１を有する。ＣＰＵ１１は、複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴ＤＢ１３５（出題履歴情報）に基づいて、複数のユーザのうちのある対象ユーザと複数の問題の習熟傾向が近似する近似ユーザを複数のユーザの中から特定し、複数の問題のうち、対象ユーザに対して未出題である未出題問題、及び対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、近似ユーザの予測対象問題の正誤判定結果に基づいて導出し、導出した予測正解率に基づいて、複数の問題のうち対象ユーザに出題する問題を決定する。
このように近似ユーザの正誤判定結果を用いる方法によれば、対象ユーザ自身の概念の理解度等の解析結果から予測正解率を導出する従来技術と比較して、予測対象問題（未出題問題及び／又は誤答問題）についての対象ユーザの予測正解率を簡易かつ高精度に導出することができる。よって、導出された予測正解率に基づいて、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる。例えば単語テストであれば、ユーザが覚えていない単語を予測して出題するといったことが可能となり、効率的な学力アップを行うことができる。また、予測正解率が低い問題を出題して学習することにより、学習レベルが近い近似ユーザが間違えた問題を演習して習得することができるので、競争相手となるユーザに対して優位を確保することができる。
また、近似ユーザは、その時点での対象ユーザの学力を反映するように選ばれるため、対象ユーザが過去に誤答している誤答問題について、対象ユーザの学力の向上を反映した、その時点における予測正解率を導出することができる。よって、予測正解率に応じて、適切なタイミングで誤答問題を再度出題することができ、誤答問題について効果的な学習を行うことができる。
また、近似ユーザを特定した上で、近似ユーザの正誤判定結果に基づいて対象ユーザの予測正解率を導出するので、予測正解率の導出のために問題の内容を分析する必要がない。よって、上記方法は、任意の種類の問題に適用することができる。
【0098】
また、ＣＰＵ１１は、複数の近似ユーザを特定し、複数の近似ユーザの予測対象問題の平均正解率を、予測正解率とする。これにより、予測正解率の精度を高めることができる。
【0099】
また、ＣＰＵ１１は、対象ユーザの複数の問題の正誤判定結果を要素に含む特徴ベクトルと、他の各ユーザの複数の問題の正誤判定結果を要素に含むベクトルと、に基づいて導出されたコサイン類似度により近似ユーザを特定する。これにより、各ユーザの複数の問題の正誤判定結果を用いる簡易な方法で、近似ユーザを特定することができる。
【0100】
また、ＣＰＵ１１は、複数のユーザのうち、コサイン類似度が基準値以上であるユーザを近似ユーザとして特定する。これにより、対象ユーザとの習熟傾向の類似度が一定水準以上である近似ユーザを特定することができる。
【0101】
また、ＣＰＵ１１は、複数のユーザのうち、コサイン類似度が大きい順に選ばれる基準数又は基準割合のユーザを近似ユーザとして特定する。これにより、対象ユーザとの習熟傾向の類似度が大きい一定数の近似ユーザを特定することができる。
【0102】
また、ＣＰＵ１１は、出題履歴ＤＢ１３５と、複数のユーザの属性及び特性の少なくとも一方を含むユーザ管理ＤＢ１３２（特徴情報）と、に基づいて、近似ユーザを特定する。これにより、近似ユーザをより適切に特定することができ、対象ユーザの予測正解率の精度をさらに高めることができる。
【0103】
また、ＣＰＵ１１は、対象ユーザに出題する問題の難易度の指定を受け付け、複数の予測対象問題の予測正解率に基づいて、指定された難易度に対応する予測正解率の問題を、対象ユーザに出題する問題として決定する。これにより、ユーザの学習レベル及び指定された難易度に応じた適切な難易度の問題を出題することができる。
【0104】
また、変形例２において、ＣＰＵ１１は、誤答問題についての予測正解率を導出する場合には、近似ユーザ及び対象ユーザの誤答問題の平均正解率を予測正解率としてもよい。誤答問題は、対象ユーザにとって誤答しやすい問題であるということができる。このため、近似ユーザのみの平均正解率に代えて、近似ユーザ及び対象ユーザの平均正解率を用いることで、平均正解率をより妥当な方向に、すなわち低くなる方向に調整することができる。これにより、予測正解率の精度をさらに高めることができる。
【0105】
また、変形例２において、ＣＰＵ１１は、対象ユーザに出題する問題における未出題問題の割合、及び誤答問題の割合の指定を受け付け、複数の予測対象問題の予測正解率に基づいて、未出題問題及び誤答問題の出題数が指定された割合となるように、対象ユーザに出題する問題を決定する。これにより、ユーザが所望する割合で未出題問題及び誤答問題を出題することができる。
【0106】
また、本実施形態に係る情報処理システムとしての学習支援システム１のコンピュータとしてのＣＰＵ１１及びＣＰＵ２１により実行される情報処理方法は、複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴ＤＢ１３５（出題履歴情報）に基づいて、複数のユーザのうちのある対象ユーザと複数の問題の習熟傾向が近似する近似ユーザを複数のユーザの中から特定し、複数の問題のうち、対象ユーザに対して未出題である未出題問題、及び対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、近似ユーザの予測対象問題の正誤判定結果に基づいて導出し、導出した予測正解率に基づいて、複数の問題のうち対象ユーザに出題する問題を決定する。
これによれば、対象ユーザ自身の概念の理解度等の解析結果から予測正解率を導出する従来技術と比較して、予測対象問題（未出題問題及び／又は誤答問題）についての対象ユーザの予測正解率を簡易かつ高精度に導出することができる。よって、導出された予測正解率に基づいて、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる。また、対象ユーザの学力の向上を反映した適切なタイミングで誤答問題を再度出題することができ、誤答問題について効果的な学習を行うことができる。また、近似ユーザを特定した上で、近似ユーザの正誤判定結果に基づいて対象ユーザの予測正解率を導出するので、予測正解率の導出のために問題の内容を分析する必要がない。よって、上記方法は、任意の種類の問題に適用することができる。
これによれば、対象ユーザ自身の概念の理解度等の解析結果から予測正解率を導出する従来技術と比較して、予測対象問題（未出題問題及び／又は誤答問題）についての対象ユーザの予測正解率を簡易かつ高精度に導出することができる。よって、導出された予測正解率に基づいて、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる。また、対象ユーザの学力の向上を反映した適切なタイミングで誤答問題を再度出題することができ、誤答問題について効果的な学習を行うことができる。また、近似ユーザを特定した上で、近似ユーザの正誤判定結果に基づいて対象ユーザの予測正解率を導出するので、予測正解率の導出のために問題の内容を分析する必要がない。よって、上記方法は、任意の種類の問題に適用することができる。
【0107】
また、本実施形態に係るプログラムとしてのサーバ制御プログラム１３１は、情報処理装置としてのサーバ１０に設けられたコンピュータとしてのＣＰＵ１１に、複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴ＤＢ１３５（出題履歴情報）に基づいて、複数のユーザのうちのある対象ユーザと複数の問題の習熟傾向が近似する近似ユーザを複数のユーザの中から特定する処理、複数の問題のうち、対象ユーザに対して未出題である未出題問題、及び対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、近似ユーザの予測対象問題の正誤判定結果に基づいて導出する処理、及び導出した予測正解率に基づいて、複数の問題のうち対象ユーザに出題する問題を決定する処理、を実行させる。
これによれば、対象ユーザ自身の概念の理解度等の解析結果から予測正解率を導出する従来技術と比較して、予測対象問題（未出題問題及び／又は誤答問題）についての対象ユーザの予測正解率を簡易かつ高精度に導出することができる。よって、導出された予測正解率に基づいて、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる。また、対象ユーザの学力の向上を反映した適切なタイミングで誤答問題を再度出題することができ、誤答問題について効果的な学習を行うことができる。また、近似ユーザを特定した上で、近似ユーザの正誤判定結果に基づいて対象ユーザの予測正解率を導出するので、予測正解率の導出のために問題の内容を分析する必要がない。よって、上記方法は、任意の種類の問題に適用することができる。
これによれば、対象ユーザ自身の概念の理解度等の解析結果から予測正解率を導出する従来技術と比較して、予測対象問題（未出題問題及び／又は誤答問題）についての対象ユーザの予測正解率を簡易かつ高精度に導出することができる。よって、導出された予測正解率に基づいて、容易にユーザの学習レベルに応じた適切な難易度の問題を出題することができる。また、対象ユーザの学力の向上を反映した適切なタイミングで誤答問題を再度出題することができ、誤答問題について効果的な学習を行うことができる。また、近似ユーザを特定した上で、近似ユーザの正誤判定結果に基づいて対象ユーザの予測正解率を導出するので、予測正解率の導出のために問題の内容を分析する必要がない。よって、上記方法は、任意の種類の問題に適用することができる。
【0108】
＜その他＞
なお、上記実施形態における記述は、本発明に係る情報処理装置、情報処理方法及びプログラムの一例であり、これに限定されるものではない。
例えば、上記実施形態においてサーバ１０が実行していた処理の一部又は全部を、端末装置２０が実行してもよい。予測正解率の算出、及び予測正解率に基づく問題の選択を端末装置２０のＣＰＵ２１が実行する場合には、端末装置２０が「情報処理装置」に相当する。
なお、上記実施形態における記述は、本発明に係る情報処理装置、情報処理方法及びプログラムの一例であり、これに限定されるものではない。
例えば、上記実施形態においてサーバ１０が実行していた処理の一部又は全部を、端末装置２０が実行してもよい。予測正解率の算出、及び予測正解率に基づく問題の選択を端末装置２０のＣＰＵ２１が実行する場合には、端末装置２０が「情報処理装置」に相当する。
【0109】
また、ユーザに出題される問題として単語テストにおける単語の訳又はスペルを問う問題を例示したが、これに限られず、正誤の判定が可能な任意の問題であってもよい。よって、上記実施形態の出題方法は、任意の学科（例えば、数学、国語等）の任意の種類の問題（例えば、暗記問題、筆記問題、及び端末装置２０の音声出力部２６を用いたリスニング問題等）に適用できる。また、学校教育における問題に限られず、自動車教習所等の資格試験における問題や、クイズゲームにおいて出題される問題などに適用することもできる。
【0110】
また、上記実施形態では、難易度指定画面５０においてユーザが問題の難易度を指定する例を用いて説明したが、これに限られず、サーバ１０のＣＰＵ１１が、予め定められた難易度設定に従って問題を抽出してもよい。例えば、ユーザが覚えていない可能性が高いと推定される単語（予測正解率が所定値以下である単語）を抽出してもよいし、逆に、ユーザの理解を確認する目的で、ユーザが覚えている可能性が高いと推定される単語（予測正解率が所定値以上である単語）を抽出してもよい。これらの場合には、難易度指定画面５０の表示は省略される。
【0111】
また、以上の説明では、本発明に係るプログラムのコンピュータ読み取り可能な媒体として記憶部１３のＨＤＤ、ＳＳＤを使用した例を開示したが、この例に限定されない。その他のコンピュータ読み取り可能な媒体として、フラッシュメモリ、ＣＤ－ＲＯＭ等の情報記録媒体を適用することが可能である。また、本発明に係るプログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ（搬送波）も本発明に適用される。
【0112】
また、上記実施形態における学習支援システム１、サーバ１０及び端末装置２０の各構成要素の細部構成及び細部動作に関しては、本発明の趣旨を逸脱することのない範囲で適宜変更可能であることは勿論である。
【0113】
本発明の実施の形態を説明したが、本発明の範囲は、上述の実施の形態に限定するものではなく、特許請求の範囲に記載された発明の範囲とその均等の範囲を含む。
以下に、この出願の願書に最初に添付した特許請求の範囲に記載した発明を付記する。付記に記載した請求項の項番は、この出願の願書に最初に添付した特許請求の範囲の通りである。
〔付記〕
＜請求項１＞
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理部を備える
ことを特徴とする情報処理装置。
＜請求項２＞
前記処理部は、
複数の前記近似ユーザを特定し、
前記複数の近似ユーザの前記予測対象問題の平均正解率を、前記予測正解率とする
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＞
前記処理部は、前記対象ユーザの前記複数の問題の正誤判定結果を要素に含むベクトルと、他の各ユーザの前記複数の問題の正誤判定結果を要素に含むベクトルと、に基づいて導出されたコサイン類似度により前記近似ユーザを特定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４＞
前記処理部は、前記複数のユーザのうち、前記コサイン類似度が基準値以上であるユーザを前記近似ユーザとして特定することを特徴とする請求項３に記載の情報処理装置。
＜請求項５＞
前記処理部は、前記複数のユーザのうち、前記コサイン類似度が大きい順に選ばれる基準数又は基準割合のユーザを前記近似ユーザとして特定することを特徴とする請求項３に記載の情報処理装置。
＜請求項６＞
前記処理部は、前記出題履歴情報と、前記複数のユーザの属性及び特性の少なくとも一方を含む特徴情報と、に基づいて、前記近似ユーザを特定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７＞
前記処理部は、
前記対象ユーザに出題する問題の難易度の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、指定された難易度に対応する予測正解率の問題を、前記対象ユーザに出題する問題として決定する
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＞
前記処理部は、前記誤答問題についての前記予測正解率を導出する場合には、前記近似ユーザ及び前記対象ユーザの前記誤答問題の平均正解率を前記予測正解率とす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９＞
前記処理部は、
前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、前記未出題問題及び前記誤答問題が指定された割合となるように、前記対象ユーザに出題する問題を決定する
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１０＞
情報処理システムのコンピュータにより実行される情報処理方法であって、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定し、
決定した前記問題を前記対象ユーザに対して出題する
ことを特徴とする情報処理方法。
＜請求項１１＞
情報処理装置に設けられたコンピュータに、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定する処理、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出する処理、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理
を実行させることを特徴とするプログラム。
以下に、この出願の願書に最初に添付した特許請求の範囲に記載した発明を付記する。付記に記載した請求項の項番は、この出願の願書に最初に添付した特許請求の範囲の通りである。
〔付記〕
＜請求項１＞
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理部を備える
ことを特徴とする情報処理装置。
＜請求項２＞
前記処理部は、
複数の前記近似ユーザを特定し、
前記複数の近似ユーザの前記予測対象問題の平均正解率を、前記予測正解率とする
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＞
前記処理部は、前記対象ユーザの前記複数の問題の正誤判定結果を要素に含むベクトルと、他の各ユーザの前記複数の問題の正誤判定結果を要素に含むベクトルと、に基づいて導出されたコサイン類似度により前記近似ユーザを特定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４＞
前記処理部は、前記複数のユーザのうち、前記コサイン類似度が基準値以上であるユーザを前記近似ユーザとして特定することを特徴とする請求項３に記載の情報処理装置。
＜請求項５＞
前記処理部は、前記複数のユーザのうち、前記コサイン類似度が大きい順に選ばれる基準数又は基準割合のユーザを前記近似ユーザとして特定することを特徴とする請求項３に記載の情報処理装置。
＜請求項６＞
前記処理部は、前記出題履歴情報と、前記複数のユーザの属性及び特性の少なくとも一方を含む特徴情報と、に基づいて、前記近似ユーザを特定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７＞
前記処理部は、
前記対象ユーザに出題する問題の難易度の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、指定された難易度に対応する予測正解率の問題を、前記対象ユーザに出題する問題として決定する
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＞
前記処理部は、前記誤答問題についての前記予測正解率を導出する場合には、前記近似ユーザ及び前記対象ユーザの前記誤答問題の平均正解率を前記予測正解率とす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９＞
前記処理部は、
前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合の指定を受け付け、
複数の前記予測対象問題の前記予測正解率に基づいて、前記未出題問題及び前記誤答問題が指定された割合となるように、前記対象ユーザに出題する問題を決定する
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１０＞
情報処理システムのコンピュータにより実行される情報処理方法であって、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出し、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定し、
決定した前記問題を前記対象ユーザに対して出題する
ことを特徴とする情報処理方法。
＜請求項１１＞
情報処理装置に設けられたコンピュータに、
複数の問題についての、複数のユーザへの出題履歴の有無、及び出題済みの問題の正誤判定結果を含む出題履歴情報に基づいて、前記複数のユーザのうちのある対象ユーザと前記複数の問題の習熟傾向が近似する近似ユーザを前記複数のユーザの中から特定する処理、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答している誤答問題の少なくとも一方である予測対象問題に対する当該対象ユーザの予測正解率を、前記出題履歴情報における前記近似ユーザの前記予測対象問題の前記正誤判定結果に基づいて導出する処理、
導出した前記予測正解率に基づいて、前記複数の問題のうち前記対象ユーザに出題する問題を決定する処理
を実行させることを特徴とするプログラム。
【符号の説明】
【0114】
１ 学習支援システム（情報処理システム）
１０ サーバ（情報処理装置）
１１ ＣＰＵ（処理部）
１２ ＲＡＭ
１３ 記憶部
１３１ サーバ制御プログラム
１３２ ユーザ管理ＤＢ
１３３ 辞書ＤＢ
１３４ 学習履歴ＤＢ
１３５ 出題履歴ＤＢ
１３６ 予測正解率ＤＢ
１４ 操作部
１５ 表示部
１６ 通信部
１７ バス
２０ 端末装置
２１ ＣＰＵ
２３ 記憶部
２３１ 学習アプリ
２４ 操作部
２５ 表示部
２６ 音声出力部
２７ 通信部
２８ バス
４０ 辞書画面
５０ 難易度指定画面
６０ テスト画面
Ｎ 通信ネットワーク
１０ サーバ（情報処理装置）
１１ ＣＰＵ（処理部）
１２ ＲＡＭ
１３ 記憶部
１３１ サーバ制御プログラム
１３２ ユーザ管理ＤＢ
１３３ 辞書ＤＢ
１３４ 学習履歴ＤＢ
１３５ 出題履歴ＤＢ
１３６ 予測正解率ＤＢ
１４ 操作部
１５ 表示部
１６ 通信部
１７ バス
２０ 端末装置
２１ ＣＰＵ
２３ 記憶部
２３１ 学習アプリ
２４ 操作部
２５ 表示部
２６ 音声出力部
２７ 通信部
２８ バス
４０ 辞書画面
５０ 難易度指定画面
６０ テスト画面
Ｎ 通信ネットワーク
【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】
【図15】
【図16】
【図17】
【図18】
【図19】
【手続補正書】
【提出日】2024-03-12
【手続補正1】
【補正対象書類名】明細書
【補正対象項目名】０００７
【補正方法】変更
【補正の内容】
【0007】
上記課題を解決するため、本発明に係る情報処理装置は、複数のユーザに出題した複数の問題の正誤判定結果に基づいて、前記複数のユーザのうちの対象ユーザと前記複数の問題の正誤判定結果が近似する近似ユーザを前記複数のユーザの中から特定し、前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する処理部を備えることを特徴とする。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】０００８
【補正方法】削除
【補正の内容】
【手続補正3】
【補正対象書類名】明細書
【補正対象項目名】０００９
【補正方法】削除
【補正の内容】
【手続補正4】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
複数のユーザに出題した複数の問題の正誤判定結果に基づいて、前記複数のユーザのうちの対象ユーザと前記複数の問題の正誤判定結果が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する
処理部を備えることを特徴とする情報処理装置。
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する
処理部を備えることを特徴とする情報処理装置。
【請求項2】
前記処理部は、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題のうちの前記対象ユーザに出題する問題と前記誤答問題のうちの前記対象ユーザに出題する問題とを決定する
請求項１に記載の情報処理装置。
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題のうちの前記対象ユーザに出題する問題と前記誤答問題のうちの前記対象ユーザに出題する問題とを決定する
請求項１に記載の情報処理装置。
【請求項3】
前記処理部は、
前記未出題問題に対して導出された前記予測正解率が指定された予測正解率に対応する前記未出題問題と、前記誤答問題に対して導出された前記予測正解率が指定された予測正解率に対応する前記誤答問題とを、前記対象ユーザに出題する問題として決定する
請求項２に記載の情報処理装置。
前記未出題問題に対して導出された前記予測正解率が指定された予測正解率に対応する前記未出題問題と、前記誤答問題に対して導出された前記予測正解率が指定された予測正解率に対応する前記誤答問題とを、前記対象ユーザに出題する問題として決定する
請求項２に記載の情報処理装置。
【請求項4】
前記処理部は、
前記対象ユーザに出題する問題の難易度の指定を受け付け、
指定された前記難易度に対応する予測正解率に基づいて、前記未出題問題のうちの前記対象ユーザに出題する問題と前記誤答問題のうちの前記対象ユーザに出題する問題とを決定する
請求項３に記載の情報処理装置。
前記対象ユーザに出題する問題の難易度の指定を受け付け、
指定された前記難易度に対応する予測正解率に基づいて、前記未出題問題のうちの前記対象ユーザに出題する問題と前記誤答問題のうちの前記対象ユーザに出題する問題とを決定する
請求項３に記載の情報処理装置。
【請求項5】
前記処理部は、
前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合のうちの少なくとも一方の割合を受け付け、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題のうちの少なくとも一方の問題の出題数が、前記受け付けた割合となるように、前記対象ユーザに出題する問題の出題数を決定する
請求項１乃至４のいずれか一項に記載の情報処理装置。
前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合のうちの少なくとも一方の割合を受け付け、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題のうちの少なくとも一方の問題の出題数が、前記受け付けた割合となるように、前記対象ユーザに出題する問題の出題数を決定する
請求項１乃至４のいずれか一項に記載の情報処理装置。
【請求項6】
前記処理部は、
前記受け付けた割合に基づいて、前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合を特定し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の出題数が前記特定した割合となるように、前記未出題問題のうちの前記対象ユーザに出題する問題と前記誤答問題のうちの前記対象ユーザに出題する問題とを決定する
請求項５に記載の情報処理装置。
前記受け付けた割合に基づいて、前記対象ユーザに出題する問題における前記未出題問題の割合、及び前記誤答問題の割合を特定し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の出題数が前記特定した割合となるように、前記未出題問題のうちの前記対象ユーザに出題する問題と前記誤答問題のうちの前記対象ユーザに出題する問題とを決定する
請求項５に記載の情報処理装置。
【請求項7】
情報処理システムのコンピュータが、
複数のユーザに出題した複数の問題の正誤判定結果に基づいて、前記複数のユーザのうちの対象ユーザと前記複数の問題の正誤判定結果が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する
処理を実行する情報処理方法。
複数のユーザに出題した複数の問題の正誤判定結果に基づいて、前記複数のユーザのうちの対象ユーザと前記複数の問題の正誤判定結果が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する
処理を実行する情報処理方法。
【請求項8】
情報処理装置に設けられたコンピュータに、
複数のユーザに出題した複数の問題の正誤判定結果に基づいて、前記複数のユーザのうちの対象ユーザと前記複数の問題の正誤判定結果が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する
処理を実行させるプログラム。
複数のユーザに出題した複数の問題の正誤判定結果に基づいて、前記複数のユーザのうちの対象ユーザと前記複数の問題の正誤判定結果が近似する近似ユーザを前記複数のユーザの中から特定し、
前記複数の問題のうち、前記対象ユーザに対して未出題である未出題問題、及び前記対象ユーザが過去に誤答した誤答問題のそれぞれに対する前記対象ユーザの予測正解率を、前記近似ユーザの前記正誤判定結果に基づいて導出し、
前記未出題問題及び前記誤答問題のそれぞれに対して導出された前記予測正解率に基づいて、前記未出題問題及び前記誤答問題の中から前記対象ユーザに出題する問題を決定する
処理を実行させるプログラム。