特許法第３０条第２項適用 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｗｗｗ．ｍｒｉ．ｃｏ．ｊｐ／ｋｎｏｗｌｅｄｇｅ／ｉｎｓｉｇｈｔ／ｄｉａ６ｏｕ０００００４ｏ３ｋｑ－ａｔｔ／ｅｒ２０２２０９２７＿ａｃｔｆｕｌｎｅｓｓ．ｐｄｆ ウェブサイトの掲載日： ２０２２年９月２７日 公開者名： 株式会社三菱総合研究所 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ｎｏｔｅ／ｍｒｉ－ｄｅｍｏｄａｙ２０２３ｒｅｐｏｒｔ４／ ウェブサイトの掲載日： ２０２３年３月１０日 公開者名： 株式会社三菱総合研究所 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ａｃｔｉｖｉｔｉｅｓ／ａｃｔｉｖｉｔｉｅｓ－１１６４２／ ウェブサイトの掲載日： ２０２３年３月１０日 公開者名： 株式会社三菱総合研究所 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｗｗｗ．ｍｒｉ．ｃｏ．ｊｐ／ｋｎｏｗｌｅｄｇｅ／ｍｒｅｖｉｅｗ／２０２３０５３．ｈｔｍｌ ウェブサイトの掲載日： ２０２３年５月１日 公開者名： 株式会社三菱総合研究所 開催日： ２０２３年３月１０日 開催場所： 東京都千代田区大手町１－２－１ 大手町三井ホール 公開者名： 株式会社三菱総合研究所Applicable under Article 30, Paragraph 2 of the Patent Act Website address: https://www.mri.co.jp/knowledge/insight/dia6ou000004o3kq-att/er20220927_actfulness.pdf Website posting date: September 27, 2022 Publisher: Mitsubishi Research Institute, Inc. Website address: https://icf.mri.co.jp/note/mri-demoday2023report4/ Website posting date: March 10, 2023 Publisher: Mitsubishi Research Institute, Inc. Website address: https://icf.mri.co.jp/note/mri-demoday2023report4/ jp/activities/activities-11642/ Website posting date: March 10, 2023 Publisher: Mitsubishi Research Institute, Inc. Website address: https://www.mri.co.jp/knowledge/mreview/2023053.html Website posting date: May 1, 2023 Publisher: Mitsubishi Research Institute, Inc. Date held: March 10, 2023 Venue: Otemachi Mitsui Hall, 1-2-1 Otemachi, Chiyoda-ku, Tokyo Publisher: Mitsubishi Research Institute, Inc.
本発明は、ウェルビーイングと行動との関係に着目した情報処理装置、情報処理方法及びプログラムに関する。The present invention relates to an information processing device, an information processing method, and a program that focus on the relationship between well-being and behavior.
従来から、行動要因に基づくナッジを利用して、対象者の行動変容をより効果的に支援する態様が提案されている。例えば特許文献１では、複数の行動要因にそれぞれ対応付けて、行動変容を促すための複数のメッセージを記憶する記憶部と、対象者に関する対象者情報に基づいて、前記複数の行動要因それぞれについての前記対象者の状態を示す状態情報を予測する予測部と、前記記憶部から前記状態情報に基づいて一以上のメッセージを選択し、該一以上のメッセージを含むメッセージセットを生成する生成部と、前記メッセージセット内の前記一以上のメッセージの前記対象者に対する出力を制御する制御部と、を備える行動支援システムが提案されている。Conventionally, there have been proposed methods for more effectively supporting a subject's behavioral change by using nudges based on behavioral factors. For example, Patent Document 1 proposes a behavioral support system that includes a storage unit that stores multiple messages for encouraging behavioral change, each associated with a multiple behavioral factor; a prediction unit that predicts status information indicating the subject's status for each of the multiple behavioral factors based on subject information about the subject; a generation unit that selects one or more messages from the storage unit based on the status information and generates a message set including the one or more messages; and a control unit that controls output of the one or more messages in the message set to the subject.
本発明は、幸福、良好、満足度等を示す指標となるウェルビーイングに着目してなされたものであり、ある行動を選定することでどの程度ウェルビーイング値又はウェルビーイング指標が増減するか又は増減したか、逆に所望のウェルビーイング値又は所望のウェルビーイング指標に基づいて推奨される行動が何であるのか等についての情報が得られる情報処理装置、情報処理方法及びプログラムを提供する。The present invention focuses on well-being, which is an index showing happiness, goodness, satisfaction, etc., and provides an information processing device, information processing method, and program that can obtain information on the extent to which a well-being value or well-being index will increase or decrease, or has increased or decreased, by selecting a certain behavior, and conversely, what behavior is recommended based on a desired well-being value or desired well-being index.
［概念１］
本発明による情報処理装置は、
ユーザの属性情報を受け付ける受付部と、
前記ユーザにおけるカテゴリ別行動を取得する第一取得部と、
前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する算出部と、
を備えてもよい。[Concept 1]
The information processing device according to the present invention comprises:
A reception unit that receives attribute information of a user;
A first acquisition unit that acquires a category-specific behavior of the user;
a calculation unit that calculates an increased or decreased well-being value or well-being index by applying the category-specific behavior to an estimation model derived from the attribute information;
The present invention may also include:
［概念２］
概念１による情報処理装置は、
行動価値を取得する第二取得部を備え、
前記算出部は、属性情報から導かれる推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出してもよい。[Concept 2]
The information processing device according to Concept 1 comprises:
A second acquisition unit for acquiring a behavior value,
The calculation unit may calculate an increasing or decreasing well-being value or well-being index by applying the category-specific behavior and the action value to an estimation model derived from attribute information.
［概念３］
概念１又は２による情報処理装置において、
前記算出部は、前記推定モデルに前記カテゴリ別行動を適用することで、個別のウェルビーイング指標を算出し、当該ウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。[Concept 3]
In the information processing device according to concept 1 or 2,
The calculation unit may calculate individual well-being indices by applying the category-specific behaviors to the estimation model, and calculate an overall well-being value based on the well-being indices.
［概念４］
本発明による情報処理装置は、
対象者の属性情報を受け付ける受付部と、
前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動を選定する選定部と、
を備えてもよい。[Concept 4]
The information processing device according to the present invention comprises:
A reception unit that receives attribute information of a subject;
A selection unit that selects a category-specific behavior based on a desired well-being value or a desired well-being index in an estimation model derived from the attribute information;
The present invention may also include:
［概念５］
概念４による情報処理装置において、
前記選定部は、前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動及び行動価値を選定してもよい。[Concept 5]
In the information processing device according to Concept 4,
The selection unit may select a category-specific behavior and an action value based on a desired well-being value or a desired well-being index in an estimation model derived from the attribute information.
［概念６］
概念４又は５による情報処理装置は、
対象となる属性情報は複数の対象者に関するものであり、
前記選定部は、前記複数の対象者に対するウェルビーイング値又はウェルビーイング指標の合算値が最大になるカテゴリ別行動を選定してもよい。[Concept 6]
The information processing device according to concept 4 or 5 comprises:
The target attribute information relates to multiple subjects,
The selection unit may select a category-specific behavior that maximizes a sum of well-being values or well-being indexes for the multiple subjects.
［概念７］
本発明による情報処理方法は、
受付部によって、ユーザの属性情報を受け付ける工程と、
第一取得部によって、前記ユーザにおけるカテゴリ別行動を取得する工程と、
算出部によって、前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する工程と、
を備えてもよい。[Concept 7]
The information processing method according to the present invention comprises:
A step of accepting attribute information of a user by a accepting unit;
acquiring, by a first acquisition unit, a category-specific behavior of the user;
A step of calculating, by a calculation unit, an increased or decreased well-being value or well-being index by applying the category-specific behavior to an estimation model derived from the attribute information;
The present invention may also include:
［概念８］
本発明による情報処理方法は、
受付部によって、対象者の属性情報を受け付ける工程と、
選定部によって、前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動を選定する工程と、
を備えてもよい。[Concept 8]
The information processing method according to the present invention comprises:
A step of accepting attribute information of a subject by a accepting unit;
selecting, by a selection unit, a category-specific behavior based on a desired well-being value or a desired well-being index in an estimation model derived from the attribute information;
The present invention may also include:
［概念９］
本発明によるプログラムは、
コンピュータにインストールされるプログラムであって、
プログラムがインストールされたコンピュータは、
ユーザの属性情報を受け付ける機能と、
前記ユーザにおけるカテゴリ別行動を取得する機能と、
前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する機能と、
を実現してもよい。[Concept 9]
The program according to the present invention comprises:
A program installed on a computer,
The computer on which the program is installed
A function for accepting user attribute information;
A function of acquiring category-specific behavior of the user;
A function of calculating an increased or decreased well-being value or well-being index by applying the categorical behavior to an estimation model derived from the attribute information;
may be realized.
［概念１０］
本発明によるプログラムは、
コンピュータにインストールされるプログラムであって、
プログラムがインストールされたコンピュータは、
対象者の属性情報を受け付ける受付機能と、
前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動を選定する選定機能と、
を実現してもよい。[Concept 10]
The program according to the present invention comprises:
A program installed on a computer,
The computer on which the program is installed
A reception function for receiving attribute information of a subject;
A selection function for selecting a category-specific behavior based on a desired well-being value or a desired well-being index in an estimation model derived from the attribute information;
may be realized.
本発明によれば、行動を選定することでどの程度ウェルビーイング値又はウェルビーイング指標が増減するか又は増減したか、逆に所望のウェルビーイング値又は所望のウェルビーイング指標に基づいて推奨される行動が何であるのか等についての情報を得ることができる。According to the present invention, it is possible to obtain information on the extent to which a well-being value or well-being index increases or decreases by selecting an action, or conversely, what action is recommended based on a desired well-being value or a desired well-being index.
実施の形態
《構成》
以下、本発明に係る情報処理装置の実施の形態について説明する。本実施の形態では、情報処理装置を利用した情報処理方法、情報処理装置を生成するためにインストールされるプログラムや、当該プログラムを記憶したＵＳＢ、ＤＶＤ等からなる記憶媒体も本実施の形態により提供される。また、パソコン、スマートフォン、タブレット等の各種端末にインストールされるプログラムも提供される。本願における「又は」は「及び」を含む概念であり、「Ａ又はＢ」という用語は、「Ａ」、「Ｂ」並びに「Ａ及びＢ」のいずれかを意味している。Embodiment <Configuration>
Hereinafter, an embodiment of an information processing device according to the present invention will be described. In this embodiment, an information processing method using the information processing device, a program installed to generate the information processing device, and a storage medium such as a USB or DVD storing the program are also provided. In addition, a program installed in various terminals such as a personal computer, a smartphone, and a tablet is also provided. In this application, "or" is a concept including "and", and the term "A or B" means any one of "A", "B", and "A and B".
典型的には、情報処理装置１００は、複数のユーザ端末２００と通信可能となっている。ユーザ端末２００は、パソコン、スマートフォン、タブレット端末、スマートウォッチやスマートグラス等のウェアラブルコンピュータ等といった端末であり、典型的にはスマートフォンやタブレット端末といった携帯端末である。ユーザ端末２００は、ユーザからの操作を受け付ける操作部２１０と、様々な情報を表示する表示部２２０とを有してもよい。スマートフォンやタブレット端末の場合にはタッチパネルとなっていることから、操作部２１０と表示部２２０の両方の機能が表示画面で行われることになる。Typically, the information processing device 100 is capable of communicating with multiple user terminals 200. The user terminals 200 are terminals such as personal computers, smartphones, tablet terminals, wearable computers such as smart watches and smart glasses, and are typically mobile terminals such as smartphones and tablet terminals. The user terminals 200 may have an operation unit 210 that accepts operations from a user, and a display unit 220 that displays various information. In the case of smartphones and tablet terminals, since they are touch panels, the functions of both the operation unit 210 and the display unit 220 are performed on the display screen.
［態様１］
まずは、属性情報に関連付けられた推定モデルを用いた態様について説明する。[Aspect 1]
First, an aspect using an estimation model associated with attribute information will be described.
図２に示すように、情報処理装置１００は、対象者の一例であるユーザの属性情報を受け付ける受付部１０と、ユーザに関する行動であって、複数のカテゴリに分かれたカテゴリ別行動を取得する第一取得部２０と、属性情報から導かれる推定モデルにカテゴリ別行動を適用することで、増加又は減少するウェルビーイング値を算出する算出部５５と、算出部５５によって算出されたウェルビーイング値を出力する出力部８０と、を有してもよい。出力部８０で出力されるあらゆる情報は、ユーザ端末２００で表示や音声での通知等されるようにしてもよい。本態様を採用した場合には、ユーザがある行動を選定することでどの程度ウェルビーイング値が増加又は低減するかについての情報を得ることができる。このため、ある行動を選定する前に、当該ある行動を行うかどうかをユーザにおいて選択することができる。また、ある行動を行った後でカテゴリ別行動の入力を行ってもよく、その場合には、当該ある行動を行ったことで、どの程度ウェルビーイング値が増加又は低減したのかをユーザが表示部２２０を介して視覚によって確認することができる。なおユーザ端末２００から音声でどの程度ウェルビーイング値が増加又は低減したのかが知らされるようにしてもよく、この場合には、ユーザは聴覚によってその結果を確認することができる。As shown in FIG. 2, the information processing device 100 may have a reception unit 10 that receives attribute information of a user, which is an example of a subject, a first acquisition unit 20 that acquires categorized actions related to the user, which are divided into a plurality of categories, a calculation unit 55 that calculates an increased or decreased well-being value by applying the categorized actions to an estimation model derived from the attribute information, and an output unit 80 that outputs the well-being value calculated by the calculation unit 55. Any information output by the output unit 80 may be displayed or notified by voice on the user terminal 200. When this aspect is adopted, information on the extent to which the well-being value increases or decreases by the user selecting a certain action can be obtained. Therefore, before selecting a certain action, the user can select whether or not to perform the certain action. In addition, the categorized action may be input after performing a certain action, and in that case, the user can visually confirm via the display unit 220 how much the well-being value has increased or decreased by performing the certain action. The user terminal 200 may also be configured to inform the user by voice of the extent to which the well-being value has increased or decreased, in which case the user can confirm the result by hearing.
本実施の形態の推定モデルは、典型的には、ある属性に属するユーザがある行動を実施した場合のウェルビーイング値の増加分又は減少分を推定するためのモデルである。一例としては、ある行動を取れば必ずウェルビーイング値が増加するという思想の下、ウェルビーイング値が減少せずに、増加だけする推定モデルを利用してもよい。操作部２１０からユーザＩＤ等のユーザ識別情報が入力された場合、当該ユーザ識別情報に紐づけられたユーザの属性情報が記憶部６０から受付部１０によって読み出され、当該属性情報が受付部１０で受け付けられてもよい。また、ユーザの属性情報は操作部２１０から入力されるようにしてもよい。ウェルビーイングとは「健康で幸福な状態。良好な状態。満足の行く状態。」を意味し、ウェルビーイング値はこのような状態に関する値であって、高まる方が幸福、良好又は満足の行く状態であることを意味する。The estimation model of this embodiment is typically a model for estimating an increase or decrease in the well-being value when a user belonging to a certain attribute performs a certain action. As an example, an estimation model in which the well-being value only increases, not decreases, may be used under the idea that taking a certain action always increases the well-being value. When user identification information such as a user ID is input from the operation unit 210, the user attribute information linked to the user identification information may be read from the storage unit 60 by the reception unit 10, and the attribute information may be received by the reception unit 10. The user attribute information may also be input from the operation unit 210. Well-being means "a healthy and happy state. A good state. A satisfying state." The well-being value is a value related to such a state, and an increase in the well-being value means a happier, better, or more satisfying state.
属性情報は、性別、年齢、既婚・未婚の別、活発度、職種、年収、家族構成、勤務先等を有してもよい。活発度に関しては、ユーザから入力される趣味等を考慮して、判断部９０で判断されるようにしてもよい。判断部９０は記憶部６０で記憶されている判断基準を読み出し、例えば週１回はスポーツ、音楽等を１時間以上行っているという項目に該当する場合には「非常に活発である」という属性であると判断し、逆に特に趣味らしい趣味がないという場合には「活発ではない」という属性であると判断してもよい。また活発度を自己申告として入力してもよく、例えば「非常に活発」、「活発な方」、「普通」、「あまり活発ではない」、「活発ではない」というような５段階でユーザが入力するようにしてもよい。The attribute information may include gender, age, marital status, activity level, occupation, annual income, family structure, place of employment, etc. The activity level may be determined by the determination unit 90 taking into consideration hobbies, etc. input by the user. The determination unit 90 reads out the determination criteria stored in the storage unit 60, and may determine that the attribute is "very active" if the item corresponds to, for example, playing sports, music, etc. for more than one hour once a week, and may determine that the attribute is "not active" if the user does not have any hobbies that seem to be hobbies. The activity level may also be input as a self-report, and may be input by the user on a five-level scale, such as "very active," "somewhat active," "average," "not very active," and "not active."
カテゴリ別行動はカテゴリ別の行動量を含んでもよい。この際、行動量が１回、２回というような回数で入力されてもよいし、あるカテゴリ別行動の行動が行われれば、自動で対応するカテゴリ別行動がカウントされるようにしてもよい。カテゴリ別行動は、(1a)自宅で食事、(2a)外出して食事・宴会、(3a)おしゃれ（服装・髪型、化粧等）、(4a)自己・家族の健康管理・診療、(5a)外出して心身のリラックス（散歩・公園で休憩等）、(6a)仕事、(7a)通勤通学、(8a)子どもの学び・課外活動、(9a)自己の学び、(10a)料理・掃除・洗濯・買物等の家事、(11a)ショッピング（家具・家電、趣味、娯楽関連）、(12a)乳幼児の育児、(13a)家族の介護、(14a)ボランティア・地域行事、(15a)家族・恋人・知人とのコミュニケーション、(16a)スポーツ、(17a)旅行・行楽、(18a)外出する趣味・娯楽等、(19a)自宅での趣味・娯楽等を含んでもよい。カテゴリ別行動は、ユーザが例えば上記(1a)～(19a)のいずれかを行った場合にユーザ端末２００から、いずれを行ったかを選択肢を選択することで入力してもよいし、ユーザが店舗に設置されているＱＲコード(登録商標)や店舗設置端末をユーザ端末２００で読み取ることで上記(1a)～(19a)のいずれかのカテゴリ別行動が自動でカウントされるようにしてもよい。図３の行動１～１９の各々は、一例として、上記(1a)～(19a)に対応している。カテゴリ別行動については、スマートフォン等のユーザ端末２００の位置情報やウェブでの購入履歴等と紐づいてもよい。例えば、ある店舗に行った場合、当該店舗の滞在時間に応じて、食事をしたと判断部９０が自動で判断するようにしてもよい。また、例えば、ウェブで購入した場合には、自動でショッピングを行った結果とリンクして、判断部９０によってカテゴリ別行動が自動で入力されるようにしてもよい。The categorized behavior may include the amount of behavior by category. In this case, the amount of behavior may be input as a number of times, such as once or twice, or when a certain categorized behavior is performed, the corresponding categorized behavior may be automatically counted. Categorical activities may include: (1a) eating at home, (2a) going out to eat or have a party, (3a) dressing up (clothing, hairstyle, makeup, etc.), (4a) managing one's own or family's health or receiving medical treatment, (5a) going out to relax (taking a walk, taking a break in the park, etc.), (6a) work, (7a) commuting to work or school, (8a) children's schooling or extracurricular activities, (9a) personal schooling, (10a) household chores such as cooking, cleaning, laundry, shopping, etc., (11a) shopping (furniture, appliances, hobbies, entertainment), (12a) raising infants or small children, (13a) caring for family members, (14a) volunteering or community events, (15a) communicating with family, significant other, or acquaintances, (16a) sports, (17a) traveling or outings, (18a) hobbies or entertainment going out, etc., and (19a) hobbies or entertainment at home, etc. The category-specific behavior may be input by the user terminal 200 by selecting an option for which of the above (1a) to (19a) the user performed, for example, or the user may read a QR code (registered trademark) installed in a store or a terminal installed in the store with the user terminal 200, and the category-specific behavior of any of the above (1a) to (19a) may be automatically counted. Each of the behaviors 1 to 19 in FIG. 3 corresponds to the above (1a) to (19a), for example. The category-specific behavior may be linked to the location information of the user terminal 200 such as a smartphone, a purchase history on the web, and the like. For example, when a user visits a certain store, the determination unit 90 may automatically determine that the user ate a meal depending on the time spent at the store. Also, for example, when a purchase is made on the web, the determination unit 90 may automatically input the category-specific behavior by linking it to the result of automatic shopping.
算出部５５は、属性情報から導かれる推定モデルにカテゴリ別行動（カテゴリ行動量を含む。）を適用することで、個別のウェルビーイング指標を算出し、当該ウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。一例としては、属性ごとにカテゴリ別行動とウェルビーイング指標が定まった表があり（図３参照）、あるカテゴリ別行動が入力された場合にどのウェルビーイング指標が増加又は減少するかが定められてもよい。この態様では、属性ごとに関連付けられた複数の表が記憶部６０で記憶されることになる。属性はある程度の幅を持ったカテゴリであってもよく、このような態様を採用することで、準備すべき推定モデル（例えば図３の表）の数を適正な範囲に抑えることができる。また、カテゴリ別行動によって増加又は減少する個別のウェルビーイング指標を出力部８０が出力し、当該ウェルビーイング指標が表示部２２０で表示されるようにしてもよいし、音声で通知されるようにしてもよい。The calculation unit 55 may calculate individual well-being indices by applying category-specific actions (including category action amounts) to an estimation model derived from attribute information, and may calculate an overall well-being value based on the well-being indices. As an example, there may be a table in which category-specific actions and well-being indices are determined for each attribute (see FIG. 3), and it may be determined which well-being index increases or decreases when a certain category-specific action is input. In this aspect, multiple tables associated with each attribute are stored in the storage unit 60. The attribute may be a category with a certain degree of breadth, and by adopting such an aspect, the number of estimation models (for example, the table in FIG. 3) to be prepared can be kept within an appropriate range. In addition, the output unit 80 may output individual well-being indices that increase or decrease due to category-specific actions, and the well-being indices may be displayed on the display unit 220 or notified by voice.
例えば、行動１を行った場合には（図３参照）、行動１に対応する指標１～９の値が出力され、当該値が単純に合算されて、つまり単純にｆ1,1＋ｆ2,1＋・・・＋ｆ9,1が計算されて、ウェルビーイング値が算出されるようにしてもよい。またウェルビーイング指標毎に重みが定められており、ウェルビーイング指標×重みを合算した合計値（例えば、行動１を行った場合には、ｆ1,1×ａ1,1＋ｆ2,1×ａ2,1＋・・・＋ｆ9,1×ａ9,1）によってウェルビーイング値が算出されるようにしてもよい。ウェルビーイング値は増加分が出力するようにしてもよい（図１参照）。行動量がｍ×ｎ（「ｍ」及び「ｎ」は整数）回の場合、行動量がｎ回の場合のｍ倍になるようにしてもよい。例えば、(5a)外出して心身のリラックス（散歩・公園で休憩等）を１週間に４回行った場合には、(5a)外出して心身のリラックス（散歩・公園で休憩等）を１週間に１回行った場合の４倍となってもよい。 For example, when behavior 1 is performed (see FIG. 3), the values of indices 1 to 9 corresponding to behavior 1 may be output, and the values may be simply added up, that is, f1,1 + f2,1 + ... + f9,1 may be simply calculated to calculate the well-being value. A weight may be set for each well-being index, and the well-being value may be calculated by adding up the well-being index and the weight (for example, when behavior 1 is performed, f1,1 × a1,1 + f2,1 × a2,1 + ... + f9,1 × a9,1 ). The well-being value may be output as an increment (see FIG. 1). When the amount of behavior is m × n (where "m" and "n" are integers), the amount of behavior may be m times that when the amount of behavior is n. For example, if (5a) you go outside and relax your body and mind (for example, taking a walk or taking a break in a park) four times a week, that may be counted as four times as much as if you went outside and relax your body and mind (for example, taking a walk or taking a break in a park) once a week.
個別のウェルビーイング指標は、(1b)適切な運動や食生活を通して、身体的に健康的な生活ができていること、(2b)過度なストレスがなく、精神的に健康的な生活ができていること、(3b)生活の自立に必要な所得や資産を有していること、(4b)仕事、学校、家事、睡眠以外に、自分で自由に使える時間が確保されていること、(5b)日常生活を通して家族や友人などの他者、社会とのつながりを実感していること、(6b)家族や友人、職場の上司・同僚と相互に承認しあっていること、(7b)仕事や学び、趣味などを通じて、なりたい自分の実現に向かって取り組めていること、(8b)仕事や社会的活動を通じて、誰かの役に立っているという実感がもてること、(9b)人生や社会に対して期待があり、自分の将来に希望を持っていること等を含んでもよい。図３の指標１～９の各々は、一例として、上記(1b)～(9b)に対応している。Individual well-being indicators may include: (1b) living a physically healthy life through appropriate exercise and diet, (2b) living a mentally healthy life without excessive stress, (3b) having income and assets necessary for living independently, (4b) having free time to use for oneself apart from work, school, housework, and sleep, (5b) feeling connected to others such as family and friends and society through daily life, (6b) having mutual recognition with family, friends, superiors and colleagues at work, (7b) working to realize the person one wants to be through work, learning, hobbies, etc., (8b) feeling that one is useful to someone through work and social activities, and (9b) having expectations for life and society and hope for one's future. Indicators 1 to 9 in Figure 3 correspond to the above indicators (1b) to (9b), as an example.
基礎となる個別のウェルビーイング指標又は全体のウェルビーイング値は属性情報と紐づいてもよく、毎回、属性情報に紐づいた基礎となる個別のウェルビーイング指標又は全体のウェルビーイング値に戻り、属性情報とカテゴリ別行動を推定モデルに適用することで、基礎となる個別のウェルビーイング指標又は全体のウェルビーイング値に対して増加又は減少するウェルビーイング指標又はウェルビーイング値が出力されるようにしてもよい（図１参照）。この場合には、何かの行動を行う前の基礎値はユーザの属性に基づいて決定されており、何かの行動を行った場合には、当該基礎値に対する増加値又は減少値が出力部８０によって出力されることになる。また、ユーザ毎の個別のウェルビーイング指標又は全体のウェルビーイング値が紐づいており、カテゴリ別行動を入力する度にウェルビーイング指標又はウェルビーイング値が増加又は減少し、ユーザ情報に紐づいたウェルビーイング指標又はウェルビーイング値の蓄積量が出力部８０によって出力されるようにしてもよい。この場合でも、所定の期間が経過した場合には、蓄積されたウェルビーイング指標又はウェルビーイング値がリセットされ、ユーザの属性に基づいて決定される基礎値に戻るようにしてもよい。一例としては、１カ月間は対象となっているユーザの行動に伴うウェルビーイング指標又はウェルビーイング値が蓄積されていき、１カ月が経過する時点でウェルビーイング指標又はウェルビーイング値がリセットされて、基礎値に戻るようにしてもよい。この場合でも、ユーザ識別情報等のユーザ情報と紐づいたウェルビーイング指標又はウェルビーイング値が記憶部６０で記憶され、ユーザからの要求に応じて、ウェルビーイング指標又はウェルビーイング値の履歴を確認できるようにしてもよい。The individual well-being index or overall well-being value serving as the basis may be linked to attribute information, and the individual well-being index or overall well-being value serving as the basis linked to the attribute information may be returned to each time, and the attribute information and the category-specific behavior may be applied to the estimation model to output a well-being index or well-being value that increases or decreases with respect to the individual well-being index or overall well-being value serving as the basis (see FIG. 1). In this case, the base value before performing any behavior is determined based on the attributes of the user, and when performing any behavior, the increase or decrease value with respect to the base value is output by the output unit 80. In addition, the individual well-being index or overall well-being value for each user may be linked, and the well-being index or well-being value may increase or decrease each time a category-specific behavior is input, and the accumulated amount of the well-being index or well-being value linked to the user information may be output by the output unit 80. Even in this case, when a predetermined period has passed, the accumulated well-being index or well-being value may be reset and returned to the base value determined based on the attributes of the user. As an example, a well-being index or well-being value associated with the behavior of the target user may be accumulated for one month, and when one month has passed, the well-being index or well-being value may be reset to the baseline value. Even in this case, the well-being index or well-being value linked to user information such as user identification information may be stored in the storage unit 60, and the history of the well-being index or well-being value may be checked upon request from the user.
推定モデルは、アンケートを実施する等して、分類される属性毎にカテゴリ別行動に対応して予め作成されてもよい。また、データを蓄積するための期間を設け、蓄積されたデータを用いて推定モデルが生成されてもよい。具体的には、データを蓄積するための期間において、ユーザがある行動を行った場合に、そのユーザの属性情報とともに、行動１～１９のいずれかの行動又は行動量を入力し、それに伴う指標１～９の各々に対するウェルビーイング指標を入力するようにしてもよい。なお、ユーザの属性を細かく入力した場合であっても、その属性を上位概念化したものと推定モデルが紐づくようにしてもよい。蓄積されたデータの平均値を採って、各行動（例：図３の行動１～１９）又は行動量によって増加又は減少するウェルビーイング指標（例：図３の指標１～９）を決定するための推定モデルを生成してもよい。行動量を考える場合には、行動量がｍ×ｎ回の場合、行動量がｎ回の場合のｍ倍になるようにしてもよいことは、前述したとおりである。ここでウェルビーイング指標については１～５といった数値を選択的に入力できるようにしてもよい。推定モデルでは、アンケート等で取得した順序付けられた値であるウェルビーイング値を被説明変数とし、各種属性、行動情報を説明変数とするため、順序選択確率を最尤法推定する順序ロジット又は順序プロビット分析を採用してもよい。The estimation model may be created in advance for each attribute to be classified, corresponding to each categorized behavior, for example, by conducting a questionnaire. In addition, a period for accumulating data may be set, and the estimation model may be generated using the accumulated data. Specifically, when a user performs a certain behavior during the period for accumulating data, any of the behaviors 1 to 19 or the amount of behavior may be input along with the attribute information of the user, and the well-being index for each of the indices 1 to 9 associated therewith may be input. Even if the user's attributes are input in detail, the estimation model may be linked to a superordinate conceptualization of the attribute. The average value of the accumulated data may be taken to generate an estimation model for determining the well-being index (e.g., indices 1 to 9 in FIG. 3) that increases or decreases depending on each behavior (e.g., behaviors 1 to 19 in FIG. 3) or the amount of behavior. As described above, when considering the amount of behavior, when the amount of behavior is m×n times, it may be m times that when the amount of behavior is n times. Here, a number such as 1 to 5 may be selectively input for the well-being index. In the estimation model, the well-being value, which is an ordered value obtained from a questionnaire or the like, is used as the explained variable, and various attributes and behavioral information are used as explanatory variables, so ordered logit or ordered probit analysis may be used to estimate the order selection probability using the maximum likelihood method.
本実施の形態の情報処理装置１００は、受付部１０で対象者の属性情報を受け付け、当該属性情報に紐づけられて、受付部１０によって記憶部６０から読み出される推定モデルにおいて、所望のウェルビーイング値に基づいてカテゴリ別行動を選定する選定部５０を有してもよい。このような態様を採用する場合には、所望のウェルビーイング値に基づいて推奨される行動が何であるのかについての情報を得ることができる。所望のウェルビーイング値は、操作部２１０から適宜入力されてもよく、後述するように「ウェルビーイング値を最大化する」態様を選択してもよいし、その他の例としては「ウェルビーイング値が●●だけ増加する」態様を選択するようにしてもよいし、「ウェルビーイング値が最小になる」態様を選択してもよい。なお、「ウェルビーイング値が最小になる」態様を選択した場合には、どのカテゴリ別行動を選んだ場合に、ウェルビーイング値が最も増加しない又は最も減少するかをユーザが把握することができ、取るべきでない施策等を確認することができる。なお、「ウェルビーイング値」ではなく「ウェルビーイング指標」が入力項目となり、「所望のウェルビーイング値」は「所望のウェルビーイング指標」として細分化して入力されてもよい。The information processing device 100 of this embodiment may have a selection unit 50 that receives attribute information of the subject at the reception unit 10, and selects a categorized behavior based on a desired well-being value in an estimation model that is linked to the attribute information and read out from the storage unit 60 by the reception unit 10. When such a mode is adopted, information on what behavior is recommended based on the desired well-being value can be obtained. The desired well-being value may be appropriately input from the operation unit 210, and a mode that "maximizes the well-being value" may be selected as described later, or as another example, a mode that "increases the well-being value by ●●" may be selected, or a mode that "minimizes the well-being value" may be selected. Note that, when the mode that "minimizes the well-being value" is selected, the user can understand which categorized behavior will cause the well-being value to increase the least or decrease the most, and can confirm measures that should not be taken. Note that the input item is the "well-being index" instead of the "well-being value", and the "desired well-being value" may be subdivided and input as the "desired well-being index".
対象となる属性情報は、例えば、調査の対象となる対象者の属性情報である。一例として、選定部５０は、増加するウェルビーイング値又はウェルビーイング指標を最大化するためのカテゴリ別行動を選定してもよい。選定部５０は、複数の対象者に関するウェルビーイング値の合計値に基づいて、カテゴリ別行動又はウェルビーイング指標を選定するようにしてもよい。一例として、選定部５０は、複数の対象者に対するウェルビーイング値又はウェルビーイング指標の合算値が最大になるカテゴリ別行動を選定するようにしてもよい。このような態様を採用する場合には、複数の対象者に対する政策や施策等を取る場合に、どのような行動を重視するのが好ましいかを事前に把握することができる点で有益である。The target attribute information is, for example, attribute information of the subjects who are the subject of the survey. As an example, the selection unit 50 may select a category-specific behavior for maximizing the increasing well-being value or well-being index. The selection unit 50 may select a category-specific behavior or well-being index based on the total value of the well-being values for multiple subjects. As an example, the selection unit 50 may select a category-specific behavior that maximizes the total value of the well-being value or well-being index for multiple subjects. When such an embodiment is adopted, it is beneficial in that it is possible to grasp in advance what kind of behavior is preferable to emphasize when implementing policies, measures, etc. for multiple subjects.
一例として、ある政策を作成する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある地域住民に対して、ウェルビーイング値が高くなるためのカテゴリ別行動が何であるかを出力部８０が出力するようにしてもよい。この場合、ある地域に在住の住民（複数のユーザ）を対象者として選択し、ウェルビーイング値が高くなるカテゴリ別行動の出力をユーザ端末２００（例えば地方自治体のパソコン）から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力されてもよい。処理方法の一例としては、ある地域住民の属性情報が記憶部６０から受付部１０によって自動で読み出され、ある地域に在住の住民（複数のユーザ）の属性情報ごとに対応した推定モデルにおいて、行動１、行動２、・・・、行動１９を行った場合のウェルビーイング値を算出部５５が自動で算出し、行動１、行動２、・・・、行動１９のいずれの行動を行った場合におけるウェルビーイング値の合計値（住民全体の合計値）を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となる行動を行動１～行動１９の中から選定するようにしてもよい。このような態様を採用することで、所定の属性情報を有するある地域に在住の住民（複数のユーザ）に対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値の合計値が最大になるかを把握でき、当該行動に関連づいた政策を採用することが有益であるかを、ユーザ（例えば地方自治体の担当者）が推測できるようになる。As an example, the information processing device 100 of the present embodiment may be used when creating a policy. For example, the output unit 80 may output what category-specific actions will increase the well-being value for a certain local resident. In this case, residents (multiple users) residing in a certain area may be selected as subjects, and a request may be made from a user terminal 200 (e.g., a local government's personal computer) to output category-specific actions that will increase the well-being value, so that what should be prioritized among actions 1, 2, ..., and 19 (e.g., the above (1a) to (19a)) may be output. As an example of a processing method, attribute information of a certain local resident may be automatically read from the storage unit 60 by the reception unit 10, and the calculation unit 55 may automatically calculate the well-being values when actions 1, 2, ..., and 19 are performed in an estimation model corresponding to each attribute information of residents (multiple users) residing in a certain area, and the total value of the well-being value (total value for all residents) when any of actions 1, 2, ..., and 19 is performed may be automatically calculated. The selection unit 50 may then select from among actions 1 to 19 the action that maximizes the well-being value. By adopting such an embodiment, it is possible to know which of actions 1, 2, ..., 19 will maximize the total well-being value for residents (multiple users) living in a certain area who have specific attribute information, and the user (e.g., a local government official) can infer whether it would be beneficial to adopt a policy related to that action.
別の例としては、ショッピングモールに新しい店舗を誘致する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある属性を有する利用者をターゲットとした新しい店舗の誘致を検討する際に、ウェルビーイング値が高くなるためのカテゴリ別行動が何であるかを出力部８０が出力するようにしてもよい。この場合、ターゲットとなるユーザの属性情報（例えば３０～４０歳「女性」「既婚」）を入力し、ウェルビーイング値が高くなるカテゴリ別行動の出力をユーザ端末２００から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力されてもよい。処理方法の一例としては、３０歳「女性」「既婚」、３１歳「女性」「既婚」、・・・、４０歳「女性」「既婚」の各々に対応した推定モデルにおいて、行動１、行動２、・・・、行動１９を行った場合のウェルビーイング値を算出部５５が自動で算出し、行動１、行動２、・・・、行動１９のいずれの行動を行った場合におけるウェルビーイング値の合計値を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となる行動を行動１～行動１９の中から選定するようにしてもよい。このような態様を採用することで、３０～４０歳「女性」「既婚」の複数のユーザに対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値が最大になるかを把握でき、当該行動に関連づいた店舗を誘致することが有益であるかを、ユーザが推測できるようになる。As another example, the information processing device 100 of this embodiment may be used when inviting a new store to a shopping mall. For example, when considering inviting a new store targeting users with certain attributes, the output unit 80 may output what category-specific actions will increase the well-being value. In this case, by inputting attribute information of the target user (e.g., 30-40 years old, "female", "married") and requesting the user terminal 200 to output category-specific actions that will increase the well-being value, it may be possible to output what actions should be prioritized among, for example, action 1, action 2, ..., action 19 (e.g., the above (1a) to (19a)). As an example of the processing method, in the estimation model corresponding to each of 30-year-old "female" and "married", 31-year-old "female" and "married", ..., 40-year-old "female" and "married", the calculation unit 55 may automatically calculate the well-being value when action 1, action 2, ..., action 19 is performed, and the total of the well-being value when any of actions 1, action 2, ..., action 19 is performed may be automatically calculated. Then, the selection unit 50 may select the action that maximizes the well-being value from among actions 1 to 19. By adopting such an embodiment, it is possible to know which of actions 1, action 2, ..., action 19 will maximize the well-being value for multiple users aged 30 to 40 who are "female" and "married", and the user can infer whether it would be beneficial to attract a store associated with that action.
［態様２］
次に、行動価値も利用する推定モデルを用いた態様について説明する。なお、態様１で説明したあらゆる態様をこの態様２でも採用することができる。逆に、態様２で説明するあらゆる態様をこの態様１でも採用することができる。[Aspect 2]
Next, an embodiment using an estimation model that also utilizes an action value will be described. Note that any embodiment described in embodiment 1 can also be adopted in embodiment 2. Conversely, any embodiment described in embodiment 2 can also be adopted in embodiment 1.
行動価値を取得する第二取得部３０が設けられてもよい。行動価値は、Wish（望みの実現）、New（新発見）、Great（期待以上の価値）、Smooth（困りごと解決）等を有してよい。A second acquisition unit 30 may be provided to acquire action values. Action values may include Wish (fulfillment of a wish), New (a new discovery), Great (value beyond expectations), Smooth (resolving a problem), etc.
ユーザがユーザ端末２００を介して行動価値を入力してもよい。より具体的には、行動価値が、Wish（望みの実現）、New（新発見）、Great（期待以上の価値）及びSmooth（困りごと解決）の４つに分かれている場合には、ユーザがユーザ端末２００を介して、これらのいずれか１つ又は２つ以上を選択するようにしてもよい。なお、典型的には、１つの行動価値を選択することになる。The user may input the action value via the user terminal 200. More specifically, if the action values are divided into four categories, namely, Wish (fulfillment of a wish), New (a new discovery), Great (value exceeding expectations), and Smooth (resolution of a problem), the user may select one or more of these via the user terminal 200. Typically, one action value will be selected.
この態様を採用した場合には、行動又は行動量であるカテゴリ別行動だけではなく行動の質である行動価値も用いて、ウェルビーイング値を算出することができ、より適切なウェルビーイング値を算出することができる点で有益である。この場合、算出部５５は、属性情報から導かれる推定モデルにカテゴリ別行動（カテゴリ行動量を含む。）及び行動価値を適用することで、個別のウェルビーイング指標を算出し、当該ウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。一例としては、属性ごとにカテゴリ別行動及び行動価値とウェルビーイング指標が定まった表があり（図４参照）、あるカテゴリ別行動及び行動価値が入力された場合にどのウェルビーイング指標が増加又は減少するかが定められてもよい。行動価値を考慮する場合であってWish（望みの実現）、New（新発見）、Great（期待以上の価値）及びSmooth（困りごと解決）を行動価値として利用する場合には、行動価値を考慮しない場合（前述した「態様１」）と比較して、単純計算すると４倍量の推定モデルが準備されることになる。なお、算出部５５は、属性情報に基づいて複数の行動価値を含む推定モデルを読み出し、その後で、行動価値に応じた推定モデルを選定することで、属性情報及び行動価値から導かれる推定モデルが選定されるようにしてもよい。When this aspect is adopted, the well-being value can be calculated using not only the categorized actions, which are actions or amounts of actions, but also the action value, which is the quality of the actions, which is beneficial in that a more appropriate well-being value can be calculated. In this case, the calculation unit 55 may calculate individual well-being indices by applying the categorized actions (including the categorized action amount) and the action value to the estimation model derived from the attribute information, and calculate the overall well-being value based on the well-being indices. As an example, there is a table in which the categorized actions, action values, and well-being indices are determined for each attribute (see FIG. 4), and it may be determined which well-being indices will increase or decrease when a certain categorized action and action value are input. When the action value is taken into consideration and Wish (realization of a wish), New (new discovery), Great (value beyond expectations), and Smooth (problem resolution) are used as action values, a simple calculation shows that four times as many estimation models are prepared compared to when the action value is not taken into consideration (the above-mentioned "Aspect 1"). The calculation unit 55 may read out an estimation model including multiple action values based on the attribute information, and then select an estimation model according to the action value, so that an estimation model derived from the attribute information and the action value is selected.
本態様でも、推定モデルは、アンケートを実施する等して、分類される属性と行動価値毎にカテゴリ別行動に対応して予め作成されてもよい。また、本態様でもデータを蓄積するための期間を設け、蓄積されたデータを用いて推定モデルが生成されてもよい。具体的には、ユーザがある行動を行った場合に、そのユーザの属性情報とともに、行動１～１９のいずれかの行動又は行動量と、行動価値の「Wish（望みの実現）」、「New（新発見）」、「Great（期待以上の価値）」及び「Smooth（困りごと解決）」のいずれか１つを入力し、それに伴う指標１～９の各々に対するウェルビーイング指標を入力するようにしてもよい。そして、蓄積されたデータの平均値を採って、行動価値毎に（「Wish（望みの実現）」、「New（新発見）」、「Great（期待以上の価値）」及び「Smooth（困りごと解決）」の各々に対して）、各行動（例：図４の行動１～１９）又は行動量によって増加又は減少するウェルビーイング指標（例：図４の指標１～９）を決定するための推定モデルを生成してもよい。推定モデルでは、アンケート等で取得した順序付けられた値であるウェルビーイング値を被説明変数とし、各種属性、行動情報を説明変数とするため、順序選択確率を最尤法推定する順序ロジット又は順序プロビット分析を採用してもよい。In this embodiment, the estimation model may be created in advance for each attribute and action value to be classified, for example, by conducting a questionnaire, in correspondence with the categorized actions. In addition, in this embodiment, a period for accumulating data may be set, and an estimation model may be generated using the accumulated data. Specifically, when a user performs a certain action, the attribute information of the user may be input, along with any one of the actions 1 to 19 or the amount of action, and any one of the action values "Wish (realization of a wish)", "New (new discovery)", "Great (value beyond expectations)", and "Smooth (problem resolution)", and the well-being index for each of the indices 1 to 9 associated therewith may be input. Then, the average value of the accumulated data may be taken, and an estimation model may be generated for determining the well-being index (e.g., indices 1 to 9 in FIG. 4) that increases or decreases depending on each action (e.g., actions 1 to 19 in FIG. 4) or the amount of action (e.g., indices 1 to 9 in FIG. 4) for each action value (for each of "Wish (realization of a wish)", "New (new discovery)", "Great (value beyond expectations)", and "Smooth (problem resolution)"). In the estimation model, the well-being value, which is an ordered value obtained from a questionnaire or the like, is used as the explained variable, and various attributes and behavioral information are used as explanatory variables, so ordered logit or ordered probit analysis may be used to estimate the order selection probability using the maximum likelihood method.
選定部５０は、受付部１０で対象者の属性情報を受け付け、当該属性情報に紐づけられて、受付部１０によって記憶部６０から読み出される推定モデルにおいて、所望のウェルビーイング値に基づいてカテゴリ別行動及び行動価値を選定してもよい。このような態様を採用する場合には、所望のウェルビーイング値に基づいて推奨される行動及び行動価値が何であるのかについての情報を得ることができる。本態様では、行動価値も考慮することから、推奨される行動が何であるのかに加え、さらにその行動で得るべき行動価値についての情報を得ることができ、推奨される行動を具体化できる点で非常に有益である。なお、「ウェルビーイング値」ではなく「ウェルビーイング指標」が入力項目となり、「所望のウェルビーイング値」は「所望のウェルビーイング指標」として細分化して入力されてもよい。The selection unit 50 may receive attribute information of the subject at the reception unit 10, and select a categorized behavior and action value based on the desired well-being value in an estimation model linked to the attribute information and read from the storage unit 60 by the reception unit 10. When such an embodiment is adopted, information on what behavior and action value are recommended based on the desired well-being value can be obtained. In this embodiment, since the action value is also taken into consideration, in addition to what the recommended behavior is, information on the action value to be obtained from that behavior can be obtained, which is very beneficial in that the recommended behavior can be specified. Note that the input item is the "well-being index" instead of the "well-being value", and the "desired well-being value" may be subdivided and input as the "desired well-being index".
対象となる属性情報は、例えば、調査の対象となる対象者の属性情報である。一例として、選定部５０は、増加するウェルビーイング値又はウェルビーイング指標を最大化するためのカテゴリ別行動を選定してもよい。選定部５０は、複数の対象者に関するウェルビーイング値又はウェルビーイング指標の合計値に基づいて、カテゴリ別行動を選定するようにしてもよい。一例として、選定部５０は、複数の対象者に対するウェルビーイング値又はウェルビーイング指標の合算値が最大になるカテゴリ別行動を選定するようにしてもよい。このような態様を採用する場合には、複数の対象者に対する政策や施策等を取る場合に、行動価値も考慮した上で、つまり目的としている行動価値も考慮した上で、どのような行動を重視するのが好ましいかを事前に把握することができる点で有益である。The target attribute information is, for example, attribute information of the subjects who are the subject of the survey. As an example, the selection unit 50 may select a categorical behavior for maximizing the increasing well-being value or well-being index. The selection unit 50 may select a categorical behavior based on the total value of the well-being value or well-being index for multiple subjects. As an example, the selection unit 50 may select a categorical behavior that maximizes the total value of the well-being value or well-being index for multiple subjects. When such an embodiment is adopted, it is beneficial in that when taking policies, measures, etc. for multiple subjects, it is possible to grasp in advance what kind of behavior is preferable to emphasize while taking into account the action value, that is, the target action value.
一例として、ある政策を作成する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある地域住民に対して、ウェルビーイング値が高くなるためのカテゴリ別行動と行動価値の組み合わせが何であるかを出力部８０が出力するようにしてもよい。この場合、ある地域住民（複数のユーザ）を対象者として選択し、ウェルビーイング値が高くなるカテゴリ別行動と行動価値の組み合わせの出力をユーザ端末２００（例えば地方自治体のパソコン）から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力され、さらにその行動で重視されるべき行動価値が出力されてもよい。処理方法の一例としては、ある地域住民の属性情報が記憶部６０から受付部１０によって自動で読み出され、ある地域に在住の住民（複数のユーザ）の属性情報ごとに対応した推定モデルにおいて、カテゴリ別行動（行動１、行動２、・・・、行動１９）と行動価値（行動価値１、・・・、行動価値４）の組み合わせを行った場合のウェルビーイング値を算出部５５が自動で算出し、カテゴリ別行動と行動価値のいずれの組み合わせを行った場合におけるウェルビーイング値の合計値（住民全体の合計値）を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となるカテゴリ別行動を選定し、さらに、その選定された行動でウェルビーイング値が最大となる行動価値が出力されてもよい。このような態様を採用することで、所定の属性情報を有するある地域に在住の住民（複数のユーザ）に対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値の合計値が最大になるかを把握でき、さらにその行動で重視すべき行動価値が把握でき、当該行動に関連づいた政策を採用することが有益であるかを、ユーザ（例えば地方自治体の担当者）が推測できるようになる。なお、カテゴリ別行動と行動価値の選定に際しては、ウェルビーイング値が最大となるカテゴリ別行動及び行動価値の組み合わせが選定部５０で選定される態様を採用することもできる。As an example, the information processing device 100 of this embodiment may be used when creating a policy. For example, the output unit 80 may output what combination of categorized actions and action values will increase the well-being value for a certain local resident. In this case, by selecting a certain local resident (multiple users) as a target and requesting the output of a combination of categorized actions and action values that will increase the well-being value from a user terminal 200 (e.g., a local government's personal computer), it may be output which of the actions, for example action 1, action 2, ..., action 19 (e.g., the above (1a) to (19a)), should be prioritized, and further the action value that should be emphasized for that action may be output. As an example of the processing method, attribute information of residents of a certain area may be automatically read out from the storage unit 60 by the reception unit 10, and in an estimation model corresponding to each attribute information of residents (multiple users) living in a certain area, the calculation unit 55 may automatically calculate a well-being value when a categorized action (action 1, action 2, ..., action 19) is combined with an action value (action value 1, ..., action value 4) and automatically calculate a total well-being value (total value for all residents) when any combination of categorized action and action value is performed. Then, the selection unit 50 may select a categorized action that maximizes the well-being value, and further output the action value that maximizes the well-being value for the selected action. By adopting such an embodiment, it is possible to know which of the actions, action 1, action 2, ..., action 19, will maximize the total well-being value for residents (multiple users) living in a certain area who have specific attribute information, and further to know the action value that should be emphasized for that action, allowing the user (e.g., a local government official) to infer whether it is beneficial to adopt a policy related to that action. Note that when selecting the category-specific actions and action values, it is also possible to adopt an embodiment in which the selection unit 50 selects the combination of category-specific actions and action values that maximize the well-being value.
別の例としては、ショッピングモールに新しい店舗を誘致する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある属性を有する利用者をターゲットとして、新しい店舗の誘致を検討する際に、ウェルビーイング値が高くなるためのカテゴリ別行動と行動価値の組み合わせが何であるかを出力部８０が出力するようにしてもよい。この場合、ターゲットとなるユーザの属性情報（例えば３０～４０歳「女性」「既婚」）を入力し、ウェルビーイング値が高くなるカテゴリ別行動と行動価値の組み合わせの出力をユーザ端末２００から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力されてもよい。さらにその行動で重視されるべき行動価値が出力されてもよい。処理方法の一例としては、３０歳「女性」「既婚」、３１歳「女性」「既婚」、・・・、４０歳「女性」「既婚」の各々に対応した推定モデルにおいて、カテゴリ別行動（行動１、行動２、・・・、行動１９）と行動価値（行動価値１、・・・、行動価値４）の組み合わせを行った場合のウェルビーイング値を算出部５５が自動で算出し、カテゴリ別行動と行動価値のいずれの組み合わせを行った場合におけるウェルビーイング値の合計値を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となるカテゴリ別行動を行動１～行動１９の中から選定し、さらに、その選定された行動でウェルビーイング値が最大となる行動価値が出力されてもよい。このような態様を採用することで、３０～４０歳「女性」「既婚」の複数のユーザに対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値が最大になるかを把握でき、さらにその行動で重視すべき行動価値が把握でき、当該行動に関連づいた店舗を誘致することが有益であるかを、ユーザが推測できるようになる。なおカテゴリ別行動と行動価値の選定に際しては、前述したように、ウェルビーイング値が最大となるカテゴリ別行動及び行動価値の組み合わせが選定部５０で選定される態様を採用することもできる。As another example, the information processing device 100 of this embodiment may be used when inviting a new store to a shopping mall. For example, when considering inviting a new store to a target user with a certain attribute, the output unit 80 may output what combination of categorized actions and action values will increase the well-being value. In this case, by inputting attribute information of the target user (e.g., 30-40 years old, "female", "married") and requesting the user terminal 200 to output a combination of categorized actions and action values that will increase the well-being value, it may be possible to output, for example, which of the actions, action 1, action 2, ..., action 19 (e.g., the above (1a) to (19a)), should be prioritized. Furthermore, the action value that should be emphasized for that action may be output. As an example of the processing method, in the estimation model corresponding to each of 30-year-old "female" and "married", 31-year-old "female" and "married", ..., 40-year-old "female" and "married", the calculation unit 55 may automatically calculate the well-being value when a combination of a category-specific action (action 1, action 2, ..., action 19) and an action value (action value 1, ..., action value 4) is performed, and the total of the well-being value when any combination of a category-specific action and an action value is performed may be automatically calculated. Then, the selection unit 50 may select a category-specific action that maximizes the well-being value from among actions 1 to 19, and further output the action value that maximizes the well-being value for the selected action. By adopting such a mode, it is possible to know which of actions 1, 2, ..., action 19 will maximize the well-being value for multiple users aged 30 to 40 "female" and "married", and further to know the action value that should be emphasized for that action, and the user can infer whether it is beneficial to attract a store related to that action. As described above, when selecting the category-specific actions and action values, it is also possible to adopt a mode in which the selection unit 50 selects a combination of category-specific actions and action values that maximizes the well-being value.
なお、上記(1a)～(19a)の行動及び上記(1b)～(9b)のウェルビーイング指標は、あくまでも一例であり、必要に応じて適宜内容を変更することができる。The actions (1a) to (19a) above and the well-being indicators (1b) to (9b) above are merely examples, and may be changed as necessary.
上述した実施の形態の記載及び図面の開示は、特許請求の範囲に記載された発明を説明するための一例に過ぎず、上述した実施の形態の記載又は図面の開示によって特許請求の範囲に記載された発明が限定されることはない。また、出願当初の請求項の記載はあくまでも一例であり、明細書、図面等の記載に基づき、請求項の記載を適宜変更することもできる。The above description of the embodiment and the disclosure of the drawings are merely examples for explaining the invention described in the claims, and the above description of the embodiment or the disclosure of the drawings do not limit the invention described in the claims. Furthermore, the claims as originally filed are merely examples, and the claims may be modified as appropriate based on the descriptions in the specification, drawings, etc.
１０ 受付部
２０ 第一取得部
３０ 第二取得部
５０ 選定部
６０ 記憶部
１００ 情報処理装置10 Reception unit 20 First acquisition unit 30 Second acquisition unit 50 Selection unit 60 Storage unit 100 Information processing device
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023142186AJP7588692B1 (en) | 2023-09-01 | 2023-09-01 | Information processing device, information processing method, and program |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023142186AJP7588692B1 (en) | 2023-09-01 | 2023-09-01 | Information processing device, information processing method, and program |
| Publication Number | Publication Date |
|---|---|
| JP7588692B1true JP7588692B1 (en) | 2024-11-22 |
| JP2025035259A JP2025035259A (en) | 2025-03-13 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023142186AActiveJP7588692B1 (en) | 2023-09-01 | 2023-09-01 | Information processing device, information processing method, and program |
| Country | Link |
|---|---|
| JP (1) | JP7588692B1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009181478A (en) | 2008-01-31 | 2009-08-13 | Ntt Docomo Inc | Condition estimation device and condition estimation program |
| JP2013105232A (en) | 2011-11-11 | 2013-05-30 | Nippon Telegr & Teleph Corp <Ntt> | Emotion estimation device and emotion estimation method |
| US20160063874A1 (en) | 2014-08-28 | 2016-03-03 | Microsoft Corporation | Emotionally intelligent systems |
| JP2019109620A (en) | 2017-12-15 | 2019-07-04 | ヤフー株式会社 | Estimation device, method for estimation, and estimation program |
| US20210327591A1 (en) | 2018-12-27 | 2021-10-21 | Koa Health B.V. | System for Efficiently Estimating and Improving Wellbeing |
| WO2023041908A1 (en) | 2021-09-15 | 2023-03-23 | Ieso Digital Health Limited | A computer-implemented method for providing care |
| JP2023098155A (en) | 2021-12-28 | 2023-07-10 | 株式会社Splink | Computer program, information processing device, and information processing method |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009181478A (en) | 2008-01-31 | 2009-08-13 | Ntt Docomo Inc | Condition estimation device and condition estimation program |
| JP2013105232A (en) | 2011-11-11 | 2013-05-30 | Nippon Telegr & Teleph Corp <Ntt> | Emotion estimation device and emotion estimation method |
| US20160063874A1 (en) | 2014-08-28 | 2016-03-03 | Microsoft Corporation | Emotionally intelligent systems |
| JP2019109620A (en) | 2017-12-15 | 2019-07-04 | ヤフー株式会社 | Estimation device, method for estimation, and estimation program |
| US20210327591A1 (en) | 2018-12-27 | 2021-10-21 | Koa Health B.V. | System for Efficiently Estimating and Improving Wellbeing |
| WO2023041908A1 (en) | 2021-09-15 | 2023-03-23 | Ieso Digital Health Limited | A computer-implemented method for providing care |
| JP2023098155A (en) | 2021-12-28 | 2023-07-10 | 株式会社Splink | Computer program, information processing device, and information processing method |
| Publication number | Publication date |
|---|---|
| JP2025035259A (en) | 2025-03-13 |
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Destination fascination and destination loyalty: Subjective well-being and destination attachment as mediators | |
| Scheerder et al. | Internet use in the home: Digital inequality from a domestication perspective | |
| Jack | Nobody was dirty: Intervening in inconspicuous consumption of laundry routines | |
| Griffis et al. | Social capital and inclusion in rural public libraries: A qualitative approach | |
| Chen et al. | Why do people choose different social media platforms? Linking use motives with social media affordances and personalities | |
| Toepoel et al. | What happens if you offer a mobile option to your web panel? Evidence from a probability-based panel of internet users | |
| Lupton | The diverse domains of quantified selves: self-tracking modes and dataveillance | |
| Fu et al. | Understanding social media discontinuance from social cognitive perspective: Evidence from Facebook users | |
| Filo et al. | Sport tourists’ involvement with a destination: A stage-based examination | |
| Crowne | Cultural exposure, emotional intelligence, and cultural intelligence: An exploratory study | |
| Buskirk et al. | Making mobile browser surveys smarter: results from a randomized experiment comparing online surveys completed via computer or smartphone | |
| Floro et al. | Gender, work intensity, and well-being of Thai home-based workers | |
| Marzilli Ericson et al. | Nudging leads consumers in Colorado to shop but not switch ACA marketplace plans | |
| Boersma | Low incomes, fast lives? Exploring everyday temporalities of Filipina domestic workers in Hong Kong | |
| Henkel et al. | Rewarding fitness tracking—The communication and promotion of health insurers’ bonus programs and the use of self-tracking data | |
| Jackson | Cooperative conflicts and gender relations: Experimental evidence from Southeast Uganda | |
| Lee et al. | Perceived closeness to multiple social connections and attachment style: A longitudinal examination | |
| KR102630327B1 (en) | A method of determining prices of recommended accomodation reflecting trends | |
| JP2018077737A (en) | Information processing apparatus, information processing system, information processing method, and information processing program | |
| Bouchillon et al. | Making them count: Facebook sociability for optimizing the accumulation of social capital | |
| Liss et al. | Differences in beliefs and behaviors between feminist actual and anticipated mothers | |
| Kaufman et al. | Gender egalitarianism and attitudes toward parental leave | |
| Salai et al. | A wee bit more interaction: Designing and evaluating an overactive bladder app | |
| JP7588692B1 (en) | Information processing device, information processing method, and program | |
| Ren et al. | Investigating the temporal dynamics of Internet activities |
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination | Free format text:JAPANESE INTERMEDIATE CODE: A621 Effective date:20230901 | |
| A80 | Written request to apply exceptions to lack of novelty of invention | Free format text:JAPANESE INTERMEDIATE CODE: A80 Effective date:20230925 | |
| A131 | Notification of reasons for refusal | Free format text:JAPANESE INTERMEDIATE CODE: A131 Effective date:20240730 | |
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20240924 | |
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) | Free format text:JAPANESE INTERMEDIATE CODE: A01 Effective date:20241022 | |
| A61 | First payment of annual fees (during grant procedure) | Free format text:JAPANESE INTERMEDIATE CODE: A61 Effective date:20241112 | |
| R150 | Certificate of patent or registration of utility model | Ref document number:7588692 Country of ref document:JP Free format text:JAPANESE INTERMEDIATE CODE: R150 |