修士論文 2013 年度 (平成 25 年度)
ライフログを用いたチームの行動変容促進
慶應義塾大学大学院 政策・メディア研究科
西山 勇毅
[email protected]
修士論文要旨 2013 年度 (平成 25 年度)
ライフログを用いたチームの行動変容促進
論文要旨
近年，スマートフォンやウェアラブルデバイスの普及や大容量ストレージの低価格化に伴い，誰もが日常生
活中の情報をデジタルデータとして検知・蓄積できるライフログ環境が整ってきた．多種多様なライフログ
データを長期間蓄積することで，個人の振り返りによる行動改善は勿論のこと，社会調査や医療，教育など
様々な分野に応用できる．これまでのライフログデータを活用した研究では，個人を対象とした人の行動改善
や動機づけが行われてきたが，誰もが常に情報機器を持ち歩く世界では個人だけでなく研究室やスポーツチー
ム，学校，企業といった集団全体を対象した行動改善や動機づけが可能になると考えられる．しかし，集団は
個人とは異なり，管理者と一般メンバーなど様々な人間関係が存在する．その利害関係から個人には有効に作
用するこれまでの競争や協力と言った行動変容促進手法がそのまま当てはまらないことが示唆される．
本研究の目的は，ライフログデータを用いた行動変容促進モデルがチームに与える効果，つまり Prochaska[1]
らが提唱した行動変容ステージモデルにおける自己効力感への効果を検証し，今後の行動変容促進システムデ
ザインの方向性を示すことである．ライフログデータを用いたチームの行動変容促進モデルを構築する上で
は，ライフログデータやチーム，行動変容促進手法の種類を組み合わせを考慮する必要がある．本研究では，
モデル構築の第一段階として「競争」と「協力」の要素を組み合わせた 6 種類の行動変容促進モデルを用いて，
チーム自己効力感に与える効果について検証実験を行った．検証実験のために，チームに合わせて行動変容促
進モデルを変更できる，行動変容促進プラットフォームとして Aaron を実装した．Aaron はチーム内である目
標量を共有し，その目標をゲーム形式でクリアすることで楽しさの付与を行うシステムを想定している．検証
実験は大学の体育会野球部 (32 人) と研究室 (32 人) の 2 チームを対象に 3 週間の実験を行った．その際，「健
康と怪我予防のためにチーム全員で腹筋運動を行おう」という共通の目的を与えた．各チーム内ではさらに 4
人一組で 8 チームを作成し，6 種類全ての行動変容促進モデルをチームに適用した．アプリケーションの利用
履歴と運動量，実験前と終了後に実施した自己効力感の調査結果から効果の検証と考察を行った．
自己効力感の向上には，行動変容促進手法の要素数よりも，要素の組み合わせが影響する傾向が見られた．
特に，競争の要素を 2 つ組み合わせた場合には，自己効力感が大幅に減少する傾向が見られた．また，競争と
協力の要素を同時に用いた場合には，競争の性質が強く現れる傾向が見られた．今回は，全てのチームに共通
の目的を与えたが，各モデルの特性に合わせたチームデザイン，目的の設定，ノーティフィケーションを行う
ことで，各モデルの違いが明確に現れると考えられる．
キーワード
ライフログ，チーム，行動変容，情報共有，ユビキタスコンピューティング
慶應義塾大学大学院 政策・メディア研究科
西山 勇毅
i
Abstract of Master’s Thesis Academic Year 2013
Encouraging Team Behavior Modification Using Life Log
Abstract
Currently, everyone can detect and store many life-log data very easily with the spread of smart phones or
wearable devices and large scale data storage. Wide variety and large scale life-log data are very useful to self
behavior change, medical care, education, and social analytics. Existing research of human behavior change using
life-log data focus on individual human behavior change. But nowadays everyone have communication equipment
like smart phones. Group behavior change is very useful to keep workers’ health in company and/or managing
amount of practice in a sport team. Group has many kind of human relations, for example, manager and normal
member. Therefore techniques for individual human behavior change is not effective to groups.
The biggest aim of our research is to build the model of group behavior change. We have to consider the difference of group type, life-log, and feedback to build the model of group behavior change. Specially, we focus on
team behavior change. In this paper, we propose six types of group behavior model based on the “competition”
and “collaboration” technique. Additionally, we create Aaron:encouraging team modification platform for experiment. Aaron shares the team goal with members and change feedback models based on team. In this system, user
cooperates and clears the goal given within the team members.
We used Aaron in sports team (32 members) and laboratory (32 members) for keeping the sit-up exercise for 3
weeks. Sit-up exercise is very important to preventing the injury and keep fit for the sport team and the laboratory
member. We create 8 groups in a team. We evaluate and consider this model based on the change of the selfefficacy and number of sit-up activities.
The experimental evaluation shows that 1) the number of the behavior change factor does strongly affect to
self-efficacy. 2) competition factor is stronger than collaboration factor. In this experience, some of the team’s
self-efficacy decreased. We have to redesign the mission, goal, term, and application access frequency.
Keywords
Life Log, Team, Behavior Change, Information Sharing, Ubiquitus Computing
Keio University Graduate School of Media and Governance
Yuuki Nishiyama
ii
目次
第1章
1.1
序論
1
研究背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.1.1
行動変容の定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.1.2
チームの定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.2
本研究の問題意識 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
1.3
本研究の目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
1.4
本論文の構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
ライフログを用いた行動変容促進
6
2.1
チームの行動変容 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.2
行動変容促進モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
2.3
予備実験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.4
仮説 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.5
まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
検証
15
Aaron: 行動変容促進プラットフォーム . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
第2章
第3章
3.1
3.2
3.1.1
アプリケーション利用手順 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.1.2
画面構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
実験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
3.2.1
実験環境 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
3.2.2
行動変容の測定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
3.2.3
実験手順 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.2.4
被験者
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.2.5
検証手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
結果
28
4.1
アプリケーションへのアクセス人数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
4.2
自己効力感の変化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.3
運動量の変化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
4.4
アンケート結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.5
まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
3.3
第4章
iii
第5章
実験結果の考察
36
5.1
検証 1: 要素数が多い方が行動変容の効果が高い . . . . . . . . . . . . . . . . . . . . . . . . .
36
5.2
検証 2: 協力よりも競争の方が行動変容の効果が高い . . . . . . . . . . . . . . . . . . . . . . .
36
5.3
検証 3: 日常的に競争が多いチームでは競争の方が効果が高い . . . . . . . . . . . . . . . . . .
37
5.4
議論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
5.5
まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
関連研究
40
ライフログの検知 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
第6章
6.1
6.2
6.3
6.1.1
ウェアラブルセンサを用いた検知 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
6.1.2
環境センサを用いた検知 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
6.1.3
ヒューマンセンサを用いた検知 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
ライフログの蓄積 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
6.2.1
特徴点抽出と整理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
6.2.2
プライバシとセキュリティ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
6.2.3
Life Log as a Service . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
ライフログの活用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
6.3.1
ライフログを用いた個人の行動変容
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
6.3.2
ライフログを用いた集団の分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
6.3.3
ライフログを用いた集団の行動変容
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
関連研究のまとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
結論
52
7.1
本論文のまとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
7.2
今後の展望 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
6.4
第7章
7.2.1
チームの行動変容促進モデルの構築
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
7.2.2
サービスとしての運用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
参考文献
55
付録 A 簡易心理テスト . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
付録 B 実験協力承諾書 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
iv
図目次
1.1
行動変容のステージモデル [2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.2
本研究における集団の分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.3
代表的なチーム構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
2.1
チームの行動変容促進モデルの構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.2
個人モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.3
チーム内協力モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.4
チーム内競争モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.5
チーム内競争協力モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.6
チーム外競争モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.7
チーム内外競争モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.8
予備実験用アプリケーションを用いた練習風景 . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.9
予備実験用アプリケーション画面 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.10
Team-A・Team-B の練習量の推移 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
3.1
Aaron アプリケーション画面 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.2
アプリケーションの使用例: 腹筋運動 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.3
アクティビティページの画面例
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
3.4
個人モデルの表示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.5
チーム内協力モデルの表示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.6
チーム内競争モデルの表示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.7
チーム内外競争モデルの表示例
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.8
チーム外競争モデルの表示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.9
チーム内外競争モデルの表示例
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
4.1
一日毎のアプリケーションへのアクセス人数 . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
4.2
行動変容促進モデル毎の自己効力感の変化 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.3
自己効力感の変化:研究室 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
4.4
自己効力感の変化:野球部 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
4.5
腹筋運動回数の推移:研究室 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
4.6
腹筋運動回数の推移:野球部 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.7
行動変容促進モデルに対する感想:研究室 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.8
行動変容促進モデルに対する感想:野球部 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
v
6.1
宅内外生活行動認識システム [3] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
6.2
FASH のシステム構成図 [4] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
6.3
DALT の投球フォーム変化検知手法 [5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
6.4
SwimMaster のセンサ装着位置と SwimRecorder[6] . . . . . . . . . . . . . . . . . . . . . . . .
42
6.5
ClimbAX のシステム構成 [7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
6.6
Lullaby のデザインコンセプト [8] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
6.7
sBike のシステムモデル [9] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
6.8
LLCDM と LLAPI を用いたライフログサービスのマッシュアップ [10] . . . . . . . . . . . . .
46
6.9
情報薬の様々なアイディア [11] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
6.10
虚偽情報の種類 [12] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
6.11
対面コミュニケーションページ [13] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
6.12
ライフ顕微鏡 [14] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
6.13
ビジネス顕微鏡ディスプレイを用いた行動パターンの表示 [15] . . . . . . . . . . . . . . . . .
49
6.14
対面コミュニケーションページ [15] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
6.15
ABC フレームワーク [16] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
6.16
センサの設置例 [17] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
6.17
Some of the Web-Based Application[17] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
vi
表目次
2.1
ゲーミフィケーションの 17 のテクニック [18] . . . . . . . . . . . . . . . . . . . . . . . . . .
8
2.2
予備実験における動機付けの効果に関するアンケート . . . . . . . . . . . . . . . . . . . . . .
13
3.1
TEAM タブの表示内容 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
3.2
研究室の各チームとその情報 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
3.3
野球部のチーム分けと行動変容促進モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
3.4
研究室メンバーのチーム分けと行動変容促進モデル . . . . . . . . . . . . . . . . . . . . . . .
26
3.5
野球部メンバーのチーム分けと行動変容促進モデル . . . . . . . . . . . . . . . . . . . . . . .
27
4.1
印象に残ったエピソード: 研究室 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
4.2
印象に残ったエピソード: 野球部 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
6.1
情報薬と一般薬の違い [19] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
vii
第1章
序論
本章では，まずはじめに本研究における背景と各用語の定義について述べる． 次いで，本研究の問題意識
と目的についても述べる．最後に本論文の構成を示す．
1.1 研究背景
近年，スマートフォンやウェアラブルデバイスの普及や大容量ストレージの低価格化に伴い，誰もが日常生
活中の情報をデジタルデータとして検知・蓄積できる環境が整ってきた．ライフログを収集するツールとして
は，Fitbit[20] や腕時計型の Nike Fuelband[21]，Jawbone up[22] や日立研究所のライフ顕微鏡 [14]・ビジネス
顕微鏡 [15]，Nike 社のランニングシューズに埋め込む運動量計測センサ Nike+[23]，MIT の名刺型 Socimetric
Badge[24] や Microsoft 社の SenseCam[25] などがあり，小型センサを身体に装着することで，個人がライフ
ログを収集できるようになってきた．ライフログには大きく分けるとユーザが意識した検知する手動入力デー
タと，無意識の間にも検知される自動検知データが存在する．自動検知データは，GPS を用いた移動履歴や
歩数，移動状態，環境内の気温や湿度，光量が挙げられ，SNS 上の日記やつぶやき，体重，トレーニングの回
数，食事記録などは手動入力データに分けられる．
これら様々なライフログを長期蓄積することで，自己の振り返りによる行動改善の促進につながる．特に医
療ではライフログを用いた人の行動改善に関する研究が行われている [26, 11, 27, 28]．また，組織や都市単位
でライフログを収集することで，人の行動分析 [15] や社会調査 [29] などに活用できる．
これまでの研究では，個人を対象としたヒトの行動改善や動機づけが行われてきたが，誰もが常に情報機器
を持ち歩く世界では個人だけでなくチームやコミュニティーといった 集団を対象した行動改善や動機づけが
可能になると考えられる．例えば，企業において社員の健康増進のためにライフログシステムを導入，運動量
を増加させる場合や，スポーツチームなどにおいて練習量のライフログを共有することで，練習をより活性化
させるなどの利用方法が考えられる．
1.1.1 行動変容の定義
行動変容とは，習慣化された行動パターンを変えることを指す．日常的な例では，健康のために「階移動は
エスカレーターやエレベーターを使う」から「階移動は階段を使う」のように行動パターンを変更するなどが
挙げられる．
行動変容が起こる仕組みを説明したモデルのひとつに変化ステージモデルを中心構成要素とする，行動変容
1
ステージモデル (Transtheoretical Model: TTM) がある [30, 2, 31]．TTM は Prochaska[1] らが提唱した，行動
変容を一つのプロセスとして捉えその変容過程を「無関心期」
「関心期」
「準備期」
「実行期」
「持続期」の 5 つ
のステージに分類するものである．また，TTM はタバコの禁煙のための行動変容といった不健康な習慣的行
動の変容過程の説明に利用され，運動など健康を維持促進する行動変容過程に応用されている [31, 1]．5 つの
ステージとは，前計画期 (今後 6 ヶ月以内に行動変えようと考えていない)，計画期 (今後 6 ヶ月以内に行動を
変えようと考えているが，1 ヶ月以内に行動を変えるまでには至っていないステージ)，準備期 (今後一ヶ月以
内に行動を変えようと考えているステージ)，実行期 (行動変容を実行して一ヶ月以内)，維持期 (行動変容を実
行して 6 ヶ月以上) である．Bandura[32] は，行動変容の成功のためにはその行動がどのような結果を生み出
すのかという結果期待感に加え，その行動を実際に行うことができるという自信，すなわち自己効力感が大切
であると述べている．自己効力感は TTM の構成要素の一つとして取り入れられ，ステージの移行に伴い増加
すると言われている [33, 34]．
自己効力感は主に 1) 達成体験と 2) 代理経験，3) 言語的説明，4) 生理的情緒的高揚の 4 つの要素から形成
されていると考えられる．1) 達成経験とは，自分自身で達成したという体験で，最も自己効力感を定着させる
ためには有効と言われている．2) 代理的経験とは，自分以外の他者が達成している様子を観察することによっ
て，「自分にもできそうだ」と感じることである．3) 言語的説得とは，自分に能力があることや，達成の可能
性があることを言語で繰り返し説明されることである．しかし，言語的説得のみによる自己効力感は消失しや
すいと言われている．4) 生理的情緒的高揚は，酒などの薬物やその他の要因によって気分が高揚することであ
るが，一時的な感覚はすぐに消失してしまうと言われている．具体的な手法として，小さな目標をクリアして
いくことで達成感を積み上げていくことや，他人から褒めてもらうなどがあげられる．
図 1.1
行動変容のステージモデル [2]
情報技術を用いて個々人の行動変容を促進させる研究は Persuasive Computing と呼ばれ近年盛んであり，
サービスとして提供されてきた [35]．Persuasive Computing の要素の一つにゲーミフィケーション [18] が存
在し，競争や協力，スコア・ランキング，価値観の共有，レベルアップなどのテクニックを利用することが多
く，その有用性が近年知られるようになった．例えば，Fitbit[20] や Nike+ Fuelband[21] などのウェアラブル
2
センサを用いた健康促進アプリケーションでは，日常の運動量や睡眠などの活動を常に記録することができ，
一日の運動量や運動時間などの量の可視化によってユーザに行動変容を促すことを目的としている．本研究で
は，Persuasive Computing で用いられる人の行動変容を促進する手法を行動変容促進手法として記述する．
1.1.2 チームの定義
本研究におけるチームとは ある目的のために協力して行動する集団を指し，見ず知らずの人たちからなる
集団とは区別する．人の行動変容は所属する組織やコミュニティーといった集団や，行動変容の促進手法に
よって効果に大きな違いがある考えられる．集団とはある目的を共有した人の集合であり，それらは規模と目
的の共有度によって，チームとコミュニティに分類できる (図 1.2)．本研究では，集団の規模が大きく目標の
共有度が弱い集団をコミュニティ，集団の規模が大きく目標の共有度が強い集団をチームと定義する．例え
ば，チームはスポーツチームや研究室のプロジェクトチーム，会社の部署などがあげられ，コミュニティは，
学校や都市，国などがあげられる．
チーム
強い
スポーツチーム
目標
の共有度
プロジェクトチーム
研究室
会社の部署
コミュニティー
学校
自治体
弱い
個人
0人
10000人
規模(人数)
図 1.2
本研究における集団の分類
また，集団を分類する上で組織構造も重要な要素と考えられ，集団の観察者や明確なリーダーの有無により
集団の行動が異なることが報告されている [36]．そこで，本研究では，代表的な集団の組織構造として，フ
ラット型，リーダー型，監督型，リーダー・監督型の 4 つのタイプに分類する．ここで言うリーダーとは，組
織内で明示的に指定されたリーダーのことであり，集団行動中に流動的に発生するリーダーとは異なる．ま
た，監督者は集団を監視する存在であり，人数が複数人になることもあり得る．各集団構造を図 1.3 に示す．
フラット型 (図 1.3(a)) とは，チーム内に明示的なリーダーが存在しないチームのことを指す．また，リーダー
型 (図 1.3(b)) とは，フラット型とは異なり，明示的に指名されたチーム構造上のリーダーが存在するチームで
ある．監督型 (図 1.3(c)) とは，フラット型のチームを包括的に監視する人物が存在する構造のチームのことで
ある．スポーツで言えば，選手と監督の関係である．リーダー・監督型 (図 1.3(d)) はリーダー型と監督型を組
み合わせた型であり，最も一般的なチーム構造と言える．
3
(a) フラット型
(b) リーダー型
(c) 監督型
(d) リーダー・監督型
図 1.3
代表的なチーム構造
1.2 本研究の問題意識
既存の行動変容促進手法では個人を対象としているため，集団を対象にした場合には，これまでの行動変容
促進手法が適用できない可能性がある．チーム内には個人とは異なり，管理者と一般メンバーなど様々な人間
関係が存在する．Efstratuiy[17] らの研究では，研究室内に埋め込んだ複数のセンサから研究室メンバーのあ
らゆる行動を検知し，WEB アプリケーション上で情報を共有するシステムを利用して個人の行動変容を促し
たが，「他のメンバーから作業をしていないと思われるのが不快であった」と報告されている．すなわち，個
人が人間同士の関係性の中で存在するチームの場合には，その利害関係から個人には有効に作用する行動変容
促進手法がそのまま当てはまらないと考えられる．例えば，単純なランキング表示で個々人の努力を順位付け
し競争心を煽る，ということがチーム全体にとって真に有利かどうかは疑問が残る．また，行動変容促進に利
用するライフログや手法の種類，それらの組み合わせによる効果の違いも検証が必要である．
1.3 本研究の目的
本研究の目的は，チームやコミュニティーのライフログデータを用いた行動変容促進モデルの効果を検証
し，今後の行動変容促進システムデザインの方向性を示すことである．そのためは，各モデルがチームに与え
る影響を調査し，どのモデルがチームの行動変容促進に対して有効に作用するかを明らかにする必要がある．
これらを証明するために，本研究では情報共有プラットフォームを実装し，実際にチーム内で運用を行い評価
した．
1.4 本論文の構成
本論文は，本章を含め全 7 章からなる．本章では，本研究における背景と問題意識，目的を述べた．第 2 章
では，本研究の目的でもあるライフログを用いた行動変容促進について整理し，それらをチーム内で利用した
4
場合のおける仮説を述べる．第 3 章では，検証実験のために実装した Aaron:行動変容促進プラットフォーム
のと Aaron を用いた実験内容について述べる．4 章では実験結果について述べ，5 章では考察を行う．第 6 章
では本研究での関連研究について述べる．最後に，第 7 章では本研究の結論と今後の展望について述べる．
5
第2章
ライフログを用いた行動変容促進
本章では，はじめにライフログを用いた行動変容促進手法について整理する．その後，チームにおける既存
の行動変容促進の課題と，行動変容促進モデルのについて述べる．最後に，問題意識から行動変容促進モデル
構築のための機能要件とアプローチを導く．
2.1 チームの行動変容
チームの行動変容とは，チームの構成メンバ全員を行動変容することである．行動変容が起こる仕組みを説
明したモデルの一つに，行動変容ステージモデルを中心的構成要素とする Transtheoretical Model (TTM) があ
る．行動変容ステージモデルは，Prochask らが提唱した，行動変容を「無関心期」「関心期」「準備期」「実行
期」「維持期」の 5 つのステージに分類するもので，不健康な習慣的行動の変容の説明などに利用され，運動
など健康など維持・促進する行動変容の過程にも応用されている．また，Badura[32] は行動変容の成功のため
にはその行動がどのような結果を生み出すかという結果期待感に加え，その行動を実際に行うことができると
いう自信，すなわち自己効力感が大切であると述べている．自己効力感は Transtheoretical Model の構成要素
の一つとして取り入れられ，ステージの移行に伴い増加すると言われている．つまり，チームの構成メンバの
多数が行動変容ステージが進む，または自己効力感が上昇すればチームの行動変容が促進されたと言える．
チームを対象に行動変容促進を促すためには，1) 行動変容促進手法と 2) 活用するライフログ，3) 対象とす
るチームの違いを考慮する必要がある．チームの行動変容モデルの構成を図 2.1 に示す．
ライフログデータ
例) 自動検知データ，手動入力データ
チームの行動変容
(運動量の増加)
行動変容促進手法
例) 競争，協力，価値観共有，ゲーム性
チーム
例) チーム[フラット型，リーダー型...]，コミュニティ
図 2.1 チームの行動変容促進モデルの構成
各構成要素を以下に記述する．
6
1. 行動変容促進手法
表 2.1 に示すように，ゲーミフィケーションに代表される行動変容促進手法には様々な手法が存在す
る．その中でも，集団全体の行動変容には，他者とのつながりを利用する協力と競争，スコア・ランキ
ング，価値観の共有などが有効であると考えられる [18]．また，それら手法の組み合わせによる効果の
違いについても検証の必要がある．集団における課題遂行においては，もし一人の成果が問われないな
らば，集団のサイズが大きくなるほど一人あたりの努力量が減少する社会的手抜きの可能性がある．た
だし，集団の結果が個人にとって重要な意味をもち，他者が信頼できない時は人は他者の不足分を補う
ように，努力量が増大させる社会的補償の可能性もある．
2. ライフログデータ
ライフログデータには，1 章で述べたように自動検知データと手動入力データに分けられる．
ランニングや腹筋運動，体重などの身体情報を検知した際に，ユーザに情報検知の意識がある時に検知
されたライフログデータは手動入力データである．一方で，ユーザに情報検知の意識が無い時にでも
検知される情報は，自動検知データである．Efstratuiy が検知した研究室内のユーザの行動データや，
GPS を用いた位置情報などがあげられる．これらの異なる性質のライフログデータを用いてチームの
行動変容を促した場合に，行動変容の効果も異なると考えられる．
3. 対象チーム
チームは個人とは異なり，観察者とリーダー・一般メンバーなどの階層構造やライバル関係などが存在
する．Latane[36] らの研究では，観察者の存在が個人の行動に与える影響の強さは，観察者のもつ勢力
(地位，能力の高低)，観察者の直接性ないし近接性，観察者と被験者の人数によって設定されるとする
社会的インパクト理論が提唱されている．つまり，集団において影響力の大きな観察者が少人数の集団
を観察した方が集団の行動変容に影響を与えると考えられる．また，集団内のリーダーの有無も行動変
容に大きな影響を与えると考えられる．
2.2 行動変容促進モデル
本研究では行動変容促進モデルを取り入れた行動変容促進プラットフォームを構築し，実際にチーム内で運
用することで各モデルの効果を検証する．本節では，本研究で検証する行動変容促進モデルについて述べる．
本プラットフォームでは，チーム全員で「ある目標量」を共有し，その目標をゲーム形式でクリアすること
で楽しさを付与し，行動変容を促すシステムを想定する．この目標設定とそれに伴うゲーム感覚の付与は楽し
みや達成感をユーザに与えることができるため多くのサービスで利用されている例であり，有用であると考え
られる．本研究では，行動変容促進手法の 競争と協力に着目し，それらの組み合わせから 6 種類の行動変容
促進モデルについて検証する．
• 個人モデル
• チーム内競争モデル
• チーム内協力モデル
• チーム内競争協力モデル
• チーム外競争モデル
• チーム内外競争モデル
7
表 2.1 ゲーミフィケーションの 17 のテクニック [18]
テクニック
即時フィードバック
レベルアップ
レベルデザイン
不足感
シークレット
スコア・ランキング
バッジ・実績
内容
自分の行動に対して何らかの反応がすぐに帰ってくる快感
レベルが上がるにつれて出来ることが増えていく喜び
プレイヤーレベルに合わせた楽しみを用意
何が足りないのかを視覚的に確認することで，足りないものを埋めたいと感じる欲求
何が隠されているか分からないことによる期待
得点や順位を表示して，さらに得点を伸ばしたい，順位をあげたいという欲求を刺激
自分がクリアしてきたミッションや，積み上げてきた実勢を振り返ることで満足感
競争
人と競争して勝つことへの快感
協力
人と協力して，共に目標を達成したい，成長したいという欲求
価値観の共有
ストーリ
カスタマイズ
イベント
リメンバー
ゲームに参加する人同士の交流を広げる
覚えやすく記憶に残る物語
自分オリジナルのキャラクターで愛着
特別な催し物でわくわく感
期限付き権利で愛着心
プレリレーション
新作の発表に合わせて前作も
グラフィカル
絵によって瞬時楽しさを理解
驚愕
利用者の創造を越えるサービス精神を発揮
行動変容を促すために，本研究では行動変容に活用するライフログデータは運動に関するデータとし，特に
腹筋運動の回数とした．腹筋運動は，腹直筋を鍛える筋力トレーニングの総称で，スポーツ全般の怪我の予防
をはじめ，腰痛の予防や便秘の解消など様々な効果が期待される．以下，それぞれについて説明を行う．
尚，図 2.2 - 2.7 は，赤丸がチームメンバーを意味し，赤丸を囲う灰色の楕円が，チームを意味する．チーム
メンバ間とチーム間に表記されている矢印は，矢印が向かい合う場合は競争を意味し，逆に赤丸側に向いてい
る場合は協力を意味する．
個人モデル
個人モデル (図 2.2) では，自身の運動量のみが可視化され，チームメンバーの情報は共有されないモ
デルである．運動が習慣化されたユーザは，自身のペースで運動ができ，行動変容の達成が可能と考え
られる．しかし，行動が習慣化されていないユーザは，チームメンバーから刺激が無いため行動変容を
達成できない可能性がある．つまり，行動が習慣化されたユーザに対して個人モデルは有効であるが，
行動が習慣化されてないユーザには効果的でないと考えられる．
チーム内協力モデル
チーム内協力モデル (図 2.3) は，チームの練習量に対して自分の貢献度のみが表示され，他のメン
バーの貢献度は表示されないモデルである．Efstratiou の例からも分かるように，利害関係の生じる集
団ではシステムの利用者にとって不利になる情報を公開することが不快感につながることが示唆され
8
図 2.2
個人モデル
る．チーム内協力モデルでは，あくまで自分の貢献度だけを表示し，他のメンバーの貢献度を隠すこと
でこれらの懸念を未然に防ぐことを目的とする．また，誰がどれだけ練習を行なっていることがわから
ないため，他のメンバーからの影響が減り，主体的に計画をたてながら練習を行うという主体性を向上
させられる可能性もある．すなわち，協力モデルは，「情報のオープン性のメリットは，チーム全体に
とってのデメリットより少ない」という仮定を前提としたモデルであることを意味する．
図 2.3
チーム内協力モデル
チーム内競争モデル
チーム内競争モデル (図 2.4) では，チームの練習量に対する各メンバーの貢献度を共有するモデルで
ある．本モデルでは，既存研究と同様ゲーミフィケーションにおける「競争のテクニック」を活かすこ
とを目的とする．すなわち，メンバー同士の貢献度を可視化することによって，競争を促し，それによ
り自然と運動量を増加する効果を期待するものである．チーム内競争モデルは「情報のオープン性のメ
リットは，チーム全体にとってのデメリットより多い」という仮定に基づいたモデルであることを意味
する．
図 2.4
チーム内競争モデル
チーム内競争協力モデル
チーム内競争協力モデル (図 2.5) は，チーム内協力モデルとチーム内競争モデルを組み合わせたモデ
ルであり，各メンバーの貢献度が共有され，かつチームの目標量が設定されている．同チーム内で「競
争」と「協力」の相反する二つのテクニックを用いることで，チームの目標達成に対して個人の貢献
度がより明確になる．「競争」と「協力」のテクニックを単体で使った場合よりも，他社からのプレッ
シャーが増大することで運動量が増加し，その結果，チーム全体の行動変容促進にがると考えられる．
チーム外競争モデル
9
図 2.5
チーム内競争協力モデル
チーム外競争モデル (図 2.6) は，自チームの合計運動量と他チームの合計運動量との競争を行うモデ
ルである．チームの合計数を競い合わせることで，「運動量の合計で他チームに勝つ」という明確な目
標を与え，その目標に対して協力して取り組むことでチーム全体の運動量を増加させることを目的とし
ている．この際，個人の貢献度のみを可視化することで，チーム内の競争よりもチーム外の競争をより
意識させる．個人の貢献度よりもチームの勝利の方が重要になるため，社会的補償の補償の効果が期待
できる．
図 2.6
チーム外競争モデル
チーム内外競争モデル
チーム内外競争モデル (図 2.7) は，チーム外競争モデルと同様にチームの合計運動量を競い合うモデ
ルである．それに加え，メンバー全員の運動量の可視化も行うことで，他チームとの競争だけでなく，
チーム内での競争も促す．「運動量の合計で他チームに勝つ」という目標達成に対する個人の貢献度明
確し，社会的手抜きを予防し社会的促進を促すことで，全体の行動変容促進にがると考えられる．
図 2.7
チーム内外競争モデル
2.3 予備実験
予備実験として，慶應義塾藤沢中・高等学校の空手部を対象にチーム内競争モデルとチーム内協力モデルが
チームの自主練習に与える効果について調査を行った．調査のためにチームによって 2 つの行動変容促進モデ
ルの切り替えが可能な，予備実験用アプリケーションを実装した．本アプリケーションはチーム全員で，ある
練習量を目標として共有し，その目標をゲーム形式でクリアすることで楽しさを付与し自主練習を促すシステ
ムを想定した．尚，本システムにおける自主練習とは空手の突き練習のことを指し，空手部の自主練習として
日常的に行われている練習方法である．本アプリケーションは，一定期間に一度ビープ音が鳴る運動量カウン
トアプリケーションである．ユーザはその音に合わせて自主練習を行い，カウントされた練習量はサーバーに
10
突き運動
スマートフォン
図 2.8
予備実験用アプリケーションを用いた練習風景
保存される．さらに，各行動変容促進モデルに応じてユーザにフィードバックを与える．図 2.8 に予備実験用
アプリケーションを用いた練習風景を示す．
空手部に所属する高校生 5 名 (男性:3 名，女性:2 名)，中学生 (男性:4 名，女性 1 名) の合計 10 名を中学生
と高校生が均等になるように 2 グループ作り，それぞれのグループに各行動変容促進モデルを適用した．また
空手部では，中学生と高校生が日頃から同じ場所で練習を行っており，お互いのことをよく知ってる関係であ
り，公式戦に出場できる人数が限られていることから，ライバル関係も存在すると考えられる．
目標練習量は，一人あたり一日 240 回とし，1 グループ当りの目標回数を 8400 回 (200 回× (5 人 +1 人) ×
7 日) とした．尚，実験期間中も部活動は通常通り行われた．
チーム内競争モデルでは，アクセス時の各チームメンバーの合計練習量に対する貢献度をランキング形式で
表示した (図 2.9(a))．また，チーム内協力モデルでは，アクセス時のチームの合計練習量に対する個人の貢献
度のみを表示した (図 2.9(b))．
その結果，両チームとの行動変容促進モデルを用いることで，練習量は事前アンケートより増加した (表
2.2)．また，図 2.10 のチーム内協力モデル (Team-A) とチーム内競争モデル (Team-B) の練習量の推移グラフ
から分かるように，チーム内競争モデルではメンバーの運動量が少ない時は，他の人の運動量に合わせてしま
い，最終日に急激に運動量が増加する傾向が見られた．「ランキングが見えるのは楽しかった」とのコメント
があった反面，「あえて真ん中の順位を狙った」や，「異常に練習する人がいるとやる気が無くなる」とのコメ
ントを得られた．さらに，チーム内モデルでは，運動量は前半から中盤にかけて運動量が増加し，最終日を迎
えるまでに目標運動量を達成した (図 2.10)．このことから，チームを目標を達成するために，自分の達成すべ
きノルマが明確になり，目標達成に向けて計画的に練習が行われたと考えられる．また，「ランキングは表示
されない方が自分のペースで練習ができた」とのコメントもあり，チームの行動変容促進には，目標数に対す
る個人の貢献度のみを表示するチーム内協力モデルの方がチーム内競争モデルの方が有用であることが示唆さ
れた．しかし，予備実験では被験者の人数が少なく，実験期間も短いため評価実験としては不十分である．ラ
イフログを用いたチームの行動変容促進モデル構築のためには，複数チームへのモデルの適用と長期間の実験
が必要であることが分かった．
11
(a) チーム内競争モデル
図 2.9
(b) チーム内協力モデル
予備実験用アプリケーション画面
2.4 仮説
本節では，予備実験の結果を元に行動変容促進モデルがチームの行動変容に与える効果の仮説について議論
する．提案モデルは，行動変容促進手法の一部である，競争と協力の要素から構成されており，要素の組み合
わせがチームの行動変容に与える効果に注目する．
要素数が多い方が行動変容の効果が高い
各モデルは，競争と協力から構成されている．一般的なゲーミフィケーションでは，行動変容促進手
法の数が多い方が効果的であると考えると，本研究においても要素数が多い方がチームの行動変容への
効果も高くなると期待できる．例えば，図 2.3 のチーム内協力モデルでは，協力の 1 つの要素しか使用
されていないが，図 2.5 のチーム内競争協力モデルでは，協力と競争の 2 つの要素が使用されている．
このように，行動変容促進手法が要素数が多いほど運動量が増加すると考えられ，結果として行動変容
促進への効果が期待できる．
協力よりも競争の方が行動変容の効果が大きい
一般的に，集団における競争と協力の効果を比較すると，競争の方が社会的インパクトが大きくなる
12
4500
4000
Team-A
Team-B
Count of TSUKI
3500
3000
2500
2000
1500
1000
500
0
Day-1
Day-2
Day-3
Day-4
Date
Day-5
Day-6
Day-7
図 2.10 Team-A・Team-B の練習量の推移
表 2.2
予備実験における動機付けの効果に関するアンケート
平均
質問内容
A チーム
B チーム
Q 1. 自分のペースで練習ができた
3.8
3
Q 2. システム利用は楽しい
3.6
3
Q 3. このシステムはチームワーク向上に有効だと思う
3.4
3
Q 4. 他の人のプレッシャーを感じたなかった
2.6
2.2
4
3.8
3.2
3.6
4
3.6
Q 8. 競争意識が高まった
4.2
3.6
Q 9. このシステムを継続して使いたいと思う
3.8
3.2
Q 5. システムを使うことで自主練習を続ける事ができると思う
Q 6. 他の人に自分の練習量を見られてもかまわない
Q 7. 情報共有は有効だと思う
ため，運動量が増加すると考えられる．また，協力では，個人の達成感をアピールできないため，社会
的インパクトが小さくなり，運動量も増加しないと予想できる．例えば，チーム内協力モデル (図 2.3)
とチーム内競争モデル (図 2.4) では，チーム内競争モデルの方が行動変容の効果が高くなると考えられ
る．しかし，前章の予備実験からも利害関係の存在するチームでは，構成メンバーの運動量が見えてし
まうために，周りに合わせてしまう社会的手抜きの可能性も示唆されている．
日頃から競争の多いチームでは競争の方が効果が高い
日頃から競争を行っている集団と，そうでない集団では結果が異なる可能性がある．例えば，日頃か
ら競争が頻繁に行われているスポーツチームにチーム内競争モデル (図 2.4) を適用した場合と，それほ
ど競争の多くない大学の研究室に適用した場合では，スポーツチームの方が自己効力感が向上すると予
想できる．
13
2.5 まとめ
本章では，本研究の目的であるライフログを用いたチームの行動変容について定義し，その評価方法につい
て記述した．さらに既存の行動変容促進手法について整理し，チームに対する行動変容促進モデルを構築のた
めの必要項目について整理した．ついで，本研究で扱う競争と協力のテクニックを用いた 1) 個人モデル，2)
チーム内競争モデル，3) チーム内協力モデル，4) チーム内競争協力モデル，5) チーム外競争モデル，6) チー
ム内外競争モデルの 6 つのチームの行動変容促進モデルを定義し，各モデルの意義と効果の仮説を記述した．
次に，6 つの行動変容送信モデルの中から，2) チーム内競争モデルと 3) チーム内協力モデルを用いた予備実
験を行い，その結果と考察を記述した．最後に，予備実験を踏まえて，行動変容促進モデルがチームの行動変
容に与える効果の仮説をまとめた．
14
第3章
検証
本章では，本研究で提案する行動変容促進モデルのチームに対する効果の検証実験について説明を行う．ま
ず，チーム対して行動変容促進を提供する行動変容促進プラットフォームについて述べ．次いで検証実験の手
順について記述する．
3.1 Aaron: 行動変容促進プラットフォーム
Aaron は，行動変容促進モデルを評価するために実装したウェブアプリケーションであり，指定した運動の
回数を自動でカウントしその内容をチーム内で共有できる．情報の共有モデルとして行動変容促進モデルを適
用し，チームに応じてモデルを切り替えることができる．以下に Aaron の利用手順について記述する．
3.1.1 アプリケーション利用手順
以下に Aaron の利用手順をまとめる．
システム利用手順
1. ユーザは自身のアカウントを用いてログインページ 3.1(a) から Aaron にログインする．
2. ユーザはトップ画面 (図 3.1(b)) から練習開始ボタンを選択すると，図 3.1(c) のカウント画面が表
示される．
3. 赤色のスタート/ストップボタンを押すとカウントが開始される．
4. 設定したインターバルでカウントされ，音に合わせて練習を行う (図 3.2)．
(Aaron では動作の検知は行わず，ユーザは音に合わせ所定の動作を繰り返す)
5. カウントされた練習量は，練習終了後にサーバーに保存される．
6. トップページに戻り，更新された全体の練習量と自身の貢献度を確認する．
音の間隔や一日当りの目標練習量，1 セット当りの練習回数は設定画面から調整することができ，さらに，
練習終了時に練習量はサーバーに保存される．保存データはアクティビティページから確認できる．
アプリケーションは，Android OS と iOS のどちらにも対応させるため，ウェブアプリケーションとして実
装した．Android 端末では機種や OS のバージョンによって標準ブラウザアプリケーションの挙動が大きく
異なるため，Aaron が安定して動作する FireFox Browser の利用を推奨した．アプリケーションの実装には
HTML，JavaScript，PHP を用い，データベースは MySQL を使用した．尚，アプリケーション全体のデザイ
15
(a) ログイン画面
(b) トップ画面
図 3.1
(c) 運動量カウント画面
Aaron アプリケーション画面
腹筋運動
♪♪
スマートフォン
図 3.2
アプリケーションの使用例: 腹筋運動
ンには jQuery Mobile 1.1 を使用し，グラフの表示には Google Chart Tools を用いた．
3.1.2 画面構成
アクティビティページには YEAR・MONTH・WEEK・TEAM の 4 つのタブがある．各ベージの役割を以
下にまとめる．
YEAR 指定した年の各月毎の平均練習量を表示 (図 3.3(c))
MONTH 指定した月の日毎の練習量を表示 (図 3.3(b))
WEEK 指定した日から過去一週間の練習量を表示 (図 3.3(a))
TEAM チームで指定されているミッション内容の表示
16
アクティビティーページの TEAM タブに表示される情報は，2 章で定義した行動変容促進モデルによって
異なる．TEAM タブに表示される可能のある要素を以下にまとめる．
• ユーザ情報 (個人目標達成率と達成回数)
• チーム情報 (チーム目標の達成率と個人の貢献度)
• 運動量ランキング
• 個人グラフ
• チーム合計グラフ
• チームメンバーグラフ
各行動変容促進モデルと TEAM タブとトップページのミッション内に表示される要素を，表 3.1 まとめた．
TEAM タブは，グラフ部とメッセージ部で構成されており，行動変容促進モデルによってそれら要素の組み
合わせが異なる設計となっている．
表 3.1
モデル名
ユーザ情報
TEAM タブの表示内容
チーム情報
運動量ラン
個人グラフ
キング
チーム合計
チームメン
グラフ
バーグラフ
個人モデル
○
×
×
○
×
×
チーム内競争モデル
○
○
×
×
×
○
チーム内協力モデル
○
×
○
×
○
×
チーム内競争協力モデル
○
○
○
×
○
○
チーム外競争モデル
○
○
○
○
○
×
チーム内外競争モデル
○
○
○
×
○
○
行動変容促進手法毎に，表示される要素とその詳細，理由について以下に記述する．
(a) WEEK タブ:週グラフ
(b) MONTH タブ:月グラフ
図 3.3
アクティビティページの画面例
17
(c) YEAR タブ:年グラフ
• 個人モデル
個人モデルでは，グラフ部には個人の一日の合計運動量のみを表示する (図 3.4)．さらに，メッセージ
部にはユーザ情報として設定した一日の目標数への達成率とこれまでの達成回数を表示した．この個人
モデルでの情報提供は，他 5 種類の行動変容促進モデルでも共通のフィードバックを行った．つまり，
個人モデルと他 5 種類とのフィードバックを比較することで，他のフォードバックモデルの特徴を分析
することができる．
図 3.4
個人モデルの表示例
• チーム内協力モデル
チーム内協力モデルでは，グラフ部にはチームの合計運動量を表示する (図 3.5)．例えば 1 チームに 4
人のメンバーで構成されている場合には，4 人の運動量の合計数がチームの合計運動量として表示され
る．さらにメッセージ部にはユーザ情報と，チーム情報として，チーム目標の達成率とその達成率への
個人の貢献率を数値として表示する．
(a) グラフ部
(b) メッセージ部
図 3.5
チーム内協力モデルの表示例
18
• チーム内競争モデル
チーム内競争モデルでは，グラフ部にはチームメンバーのそれぞれの運動量を表示する (図 3.6)．例え
ば，先程と同様に 1 チームに 4 人のメンバーで構成されている場合には，4 人それぞれの運動量が左か
ら降順でグラフ化される．さらにメッセージ部にはユーザ情報に加え，チームメンバーの運動量ランキ
ングが表示される．
(a) グラフ部
(b) メッセージ部
図 3.6
チーム内競争モデルの表示例
• チーム内競争協力モデル
図 3.7 のチーム内競争協力モデルでは，グラフ部にはチームの合計運動量とチームメンバーの運動量を
表示する．メッセージ分にはユーザ情報に加え，チーム内協力モデルでも表示したチーム情報と，チー
ム内競争モデルで表示した運動量ランキングを表示する．
(a) グラフ部
(b) メッセージ部
図 3.7
チーム内外競争モデルの表示例
• チーム外競争モデル
図 3.8 のチーム外競争モデルでは，グラフ部には自チームの合計運動量と他チームの合計運動量を表示
する．チーム内協力モデルとは異なり，他チームの情報も表示される．さらにメッセージ部にはユーザ
情報とチーム情報を表示する．チーム外競争モデルのメッセージは，チーム内協力モデルと同じ内容に
19
なる．
(a) グラフ部
(b) メッセージ部
図 3.8
チーム外競争モデルの表示例
• チーム外競争協力モデル
図 3.9 のチーム内外競争モデルでは，グラフ部にはチーム外競争モデルと同様に自チームの合計運動量
と他チームの合計運動量を表示する．メッセージ部にはユーザ情報とチーム情報，運動量ランキングを
表示する．本モデルは，検証する 6 種類のモデルの中で最も行動変容要素が多いモデルと考えられる．
(a) グラフ部
(b) メッセージ部
図 3.9
チーム内外競争モデルの表示例
20
3.2 実験
本実験の目的は，2 章で述べた 6 つの行動変容促進モデルがチームの行動変容に与える効果に関する 3 つの
仮説の検証を行うことである．そのために，実装した Aaron を代表的なチームであるスポーツチームと大学
の研究室を対象に 3 週間の実験を行った．尚，使用するライフログデータは，手動入力データである腹筋運動
の回数を使用し，チーム構造はフラット型とした．本節では，実験環境と被験者，実験手順について述べ，最
後に本実験における仮説についてまとめる．
3.2.1 実験環境
本実験では，実際のチームに対してのモデル適用を想定して実験を行った．そのため，被験者にはモデル間
の効果競合の予防とモデルの効果を保証するために以下の 3 つの義務を与えた．
• 腹筋運動はどのタイミングで行っても良い
• 1 日に 1 回は必ずアプリケーションを起動し TEAM タブ確認する
• 自分の所属チームメンバ以外とのアプリに関する情報交換は禁止する
実際のチームでは，構成メンバはチームでの活動以外にそれぞれのプライベートがあり，運動可能な時間帯
は異なる．そこで，運動時間やアプリの起動時間は指定せず，各自が運動可能な時間での利用を指示した．ま
た，各モデルの効果を検証するためには，実験期間中は最後までシステムを利用し続けるもらう必要がある．
そこで，ユーザには 1 日に 1 回はアプリケーションを起動し，モデル毎に表示される情報を確認することを指
示した．モデル同士の競合を防ぐために，別のモデルを適用されているチームとの運動量に関する情報共有は
禁止とした．
腹筋運動の 1 日の目標回数は，野球部は 110 回，研究室は 50 回と設定した．1 日に目標とする運動量は
チームによって異なると考えられるため，実験開始前に「あなたにとって理想的な一日の腹筋運動の回数は何
回ですか？」というアンケートをチーム全員に行い，1 人当りの 1 日の理想的な回数を算出した．チームの平
均理想運動量を 1 日の目標運動量とし，ベースとなるチームの目標運動量は，チームの参加人数を掛け合わせ
た値とした．つまり，一人当りの目標運動量が 100 回で 4 人チームの場合には，チームの目標運動量は 400 回
である．尚，四分位範囲の 1.5 倍以上の値をはずれ値とみなし，目標数の算出からは除外した．また，目標回
数を明確化するために平均値の一桁目を切り上げた．
本研究では，6 の行動変容促進手法を各チームに適用させるために，1 チームをさらに 8 グループに分けた．
1 グループは 4 人で構成され，グループメンバーは性格による偏りを防ぐために，パーソナリティーに関する
心理テストの結果からチーム分けを行った．使用した日本語版 Ten Item Personality Inventory (TIPI-J) は，10
項目で Big Five の 5 つの次元（外向性，協調性，勤勉性，神経症傾向，開放性）を測定する尺度である [37]．
原版の TIPI[38] は数多くの研究で用いられており，研究遂行において項目の制約が大きい場面でも Big Five
パーソナリティを測定する有効なツールとされてい．本尺度は 1 から 14 の段階で各次元が表され，値が大き
くなるほど対応する次元の性質が高いと言える．本研究では，行動変容促進における競争と協力のテクニック
に注目しているため，協調性と勤勉性に注目してチーム分けを行った．1∼7 を性質の低い被験，8∼14 を性質
の高い被験者とし，全てのチームの性質が均等になるようにチーム分けを行った．チームは 1 チームあたり 4
名とし，協調性が高く，勤勉性も高い被験者 2 名と協調性が高いが，勤勉性は低い被験者 2 名をひとつのチー
21
ムとした．
3.2.2 行動変容の測定
行動変容の測定のために，研究を参考にアンケートを用いて行動変容ステージと自己効力感の測定を行った．
行動変容ステージモデルでは，行動変容のステージを「無関心期」「関心期」「準備期」「実行期」「維持期」
に分類するもので，ステージが上がるごとに自己効力感も向上すると言われている．行動変容ステージに関す
るアンケートでは，各ステージに合わせた項目を用意し，その選択項目から行動変容ステージを判定する．「1.
腹筋運動をしていない．またこれから先もするつもりはない．
」を選択した場合には無関心期，
「5. 定期的に腹
筋運動をしている．また，一ヶ月以上継続している．」を選択は維持期とする．
行動変容ステージに関するアンケート
以下 5 つの項目の中，現在の自分の考え方や行動に最もあてはまるものを１つだけ選択して下さい．
1. 【無関心期】腹筋運動をしていない．またこれから先もするつもりはない．
2. 【関心期】 腹筋運動をしていない．しかし，近い将来 (1 ヶ月以内) に始めようと思っている．
3. 【準備期】 腹筋運動をしている．しかし，定期的では無い．
4. 【実行期期】定期的に腹筋運動をしている．しかし，始めてから 1 ヶ月以内である．
5. 【維持期】 定期的に腹筋運動をしている．また，1 ヶ月以上継続している．
腹筋運動に対する自己効力感は，運動セルフエフィカシー尺度 [39] を応用して作成した．運動セルフエフィ
カシー尺度は，個人が定期的に運動を行う場合，多様に異なる障害や状況におかれても，逆戻りすることなく
その運動を継続して行うことができる見込み感を測定するものであり，十分な信頼性と妥当性が確認されてい
る．もとの 5 項目は「疲れているとき」
，
「機嫌が悪いとき」，
「時間がないと思うとき」
，
「休暇中」，
「雨や雪が
振っているとき」の 5 項目であり，それらは「身体的障害」
・
「気分的障害」
・
「時間的障害」
・
「生活リズム的問
題」
・
「運動環境的障害」を判定すると考えられる．腹筋運動は屋内でも実施可能であり，雨は運動環境の障害
には当てはまらないことから，本項目は「運動可能な環境が身近に見つからない」に変更した． 各項目におけ
る腹筋運動を定期的に行う自信の程度について，「1. 全く自信がない」から「5. かなり自信がある」の 5 段階
で評定し，合計得点（得点範囲は 4∼20）を算出した．
自己効力感に関するアンケート
次のような状況であなたは，どれほど運動を定期的に続ける自信がありますか？最も適当と思われる番号
を選択して下さい．(1. 全く自信が無い，2. 少し自信がある，3. まあまあ自信がある．4. とても自信があ
る，5. 絶対に自信がある)
• 少し疲れている時
• あまり気分が乗らない時
• 忙しくて時間無い時
• 休暇中
• 運動可能な環境が身近に見つからない時
22
3.2.3 実験手順
実験は，2013 年 12 月 6 日から 2013 年 12 月 27 日までの 3 週間行った．まず，実験開始日より前に「目標
運動量の調査」と「パーソナリティー診断」，「実験承諾書へのサイン」，「アプリケーションの操作方法の説明
とインストール」を行う．さらに，実験開始日より一斉にアプリケーションの利用を開始した．実験開始から
一週間後に腹筋運動の意識調査として，「行動変容ステージと運動自己効力感」の調査を行った．さらに，実
験終了後にもう一度，腹筋運動の意識調査を行った．
以下に，実験手順について記述する．
実験手順
1. パーソナリティー調査と承諾書へのサイン
2. Aaron アプリケーションの操作方法の説明とインストール
3. 実験内容の説明と実験開始のアナウンス
4. 一週間後に腹筋運動の意識調査
5. 実験終了後に再度，腹筋運動の意識調査
3.2.4 被験者
評価実験として，慶應義塾大学体育会野球部と，慶應義塾大学 徳田・高汐・中澤合同研究室の 2 チームを対
象とした．両チームとも，野球部は「東京六大学野球部リーグ優勝・日本一」，研究室は「世界的に重要な研
究を行う」という明確な目標が存在し，その目標達成のためには，協力しあう集団であることから 1 章で定義
したチームに当てはまると考えられる．また，本実験では各チームの腹筋運動の行動変容を促進する．スポー
ツ選手にとっては体幹 (腹筋や背筋などの体を支える筋力) を鍛えることは腰痛の予防や体幹が安定すること
によるパフィーマンスの向上にがる．また，研究室メンバーにとっては良い研究のためには定期的な運動を行
い，健康と体力を向上さえることでより良い研究が可能になると考えられる．両チームにとって腹筋運動は重
要な運動であり，行動変容を促す必要ある．
予備実験から，行動変容促進の効果に性別による明確な違いが見られたため，本実験では被験者は男性のみ
とした．各チームへの適応モデルとチーム情報を表 3.2 と表 3.3 にまとめた．さらに，表 3.4 と表 3.5 に各チー
ムメンバーの情報をまとめた．尚，実験参加者には，報酬として実験終了後に一律 500 円の報酬を支払った．
3.2.5 検証手法
本節では，2 章で述べた仮説の検証手法について述べる．各仮説は，アプリケーションのアクセス回数と各
行動変容促進モデルの自己効力感の変化，運動量の変化，アプリケーションに対する使用感のアンケートから
検証を行う．
まず，アプリケーションへのアクセス履歴から行動変容促進に必要十分な回数訪問が実験期間中であったか
を判定する．次に，実験前と実験後の自己効力感の比較とから，各モデルの効果を検証する．実験前よりも自
己効力感が上昇したモデルは効果があったと判定する．さらに，各モデル毎に実験期間中の運動量の増加傾向
や量を比較することでも各モデルの効果を検証する．さらに，アンケートを用いて各モデルが行うフィード
バックの不快感や特に意識した行動変容促進手法から，各モデルが自己効力感に与えた効果を検証する．尚，
23
表 3.2
研究室の各チームとその情報
チーム名
行動促進モデル
平均自己効力感
平均競技スポーツ暦
Lab-A
個人モデル
7.33(2.51)
3.33(2.08)
Lab-B
チーム内協力モデル
10.00(1.63)
6.75(2.99)
Lab-C
チーム内競争モデル
8.75(3.40)
5.50(3.32)
Lab-D
チーム内競争協力モデル
8.50(2.38)
5.50(2.08)
9.75(2.22)
6.50(4.12)
6.75(1.50)
4.28(5.29)
10.75(2.87)
4.75(3.50)
8.75(2.36)
7.75(4.27)
8.87(2.47)
5.61(3.47)
Lab-E
Lab-F
Lab-G
Lab-H
チーム外競争モデル
チーム内外競争モデル
—
平均
表 3.3
野球部のチーム分けと行動変容促進モデル
チーム名
行動促進モデル
平均自己効力感
平均競技スポーツ暦
Baseball-A
個人モデル
12.25(2.38)
11.75(1.09)
Baseball-B
チーム内協力モデル
10.50(3.04)
11.25(2.28)
Baseball-C
チーム内競争モデル
13.00(1.41)
11.25(1.64)
Baseball-D
チーム内競争協力モデル
12.50(1.80)
11.25(1.92)
12.50(3.84)
12.50(1.80)
13.00(1.63)
10.75(2.86)
11.25(5.07)
10.75(2.86)
12.00(3.24)
11.25(0.83)
12.50(3.92)
11.34(2.07)
Baseball-E
Baseball-F
Baseball-G
Baseball-H
チーム外競争モデル
チーム内外競争モデル
平均
—
本アンケートの質問は 1-4 項目までは 5 段階のリカート尺度とした．さらに，5 項目は「印象に残ったエピ
ソード」を自由記述 (必須) とした．
アプリケーション利用の感想
Q1. チーム内でのアプリケーションに関するコミュニケーションはどのように感じましか？
（非常に楽しい・少し楽しい・どちらでもない・少し不快・非常に不快）
Q2. アプリケーションでの運動量の共有についてどのように感じましたか？
（非常に楽しい・少し楽しい・どちらでもない・少し不快・非常に不快）
Q3. 本システムを継続して利用したいと思いますか？
（非常に思う・少し思う・どちらでもない・あまり思わない・絶対に思わない）
Q4. 他のメンバーからのプレッシャーを感じましたか？
（非常に感じた・少し感じた・どちらでもない・あまり感じなかった・全く感じなかった）
Q5. 印象に残ったエピソードがあれば教えて下さい (自由記述)
24
3.3 まとめ
本章では，本研究で提案する行動変容促進モデルを評価するための，Aaron: 行動変容促進プラットフォー
ムの説明を行った．本プラットフォームでは，本研究で提案する 6 種類の行動促進モデルを元にした情報共有
をチームによっての切り替えが可能である．次に，提案プラットフォームを用いた実験の説明を行った．評価
実験は代表的なチームとして，大学の体育会野球部と大学の研究室を対象に 3 週間行った．行動変容への効果
はアプリケーションへのアクセス履歴と自己効力感，運動の回数の変化，実験に対するアンケート調査から評
価する．
25
表 3.4
チーム
Lab-A
Lab-B
Lab-C
Lab-D
Lab-E
Lab-F
Lab-G
Lab-H
研究室メンバーのチーム分けと行動変容促進モデル
ユーザ
変容ステージ
自己効力感
p1
準備期
10
p2
準備期
7
p3
無関心期
5
p4
関心期
p5
フィードバックモデル
協調性
勤勉性
○
○
○
●
○
○
9
○
●
準備期
12
○
○
p6
準備期
8
○
○
p7
準備期
10
○
●
p8
無関心期
10
○
●
p9
準備期
6
○
●
p10
準備期
10
○
○
p11
関心期
13
○
●
p12
関心期
6
○
○
p13
関心期
6
○
○
p14
準備期
7
○
●
p15
準備期
11
○
○
p16
維持期
10
○
●
p17
準備期
8
○
●
p18
準備期
13
○
○
p19
無関心期
9
○
●
p20
関心期
9
○
○
p21
関心期
6
○
●
p22
無関心期
6
○
●
p23
準備期
6
○
○
p24
準備期
9
○
○
p25
関心期
7
○
○
p26
準備期
11
○
●
p27
準備期
11
○
○
p28
関心期
14
○
●
p29
関心期
12
○
○
p30
関心期
9
○
●
p31
準備期
7
○
●
p32
関心期
7
○
○
個人モデル
チーム内協力モデル
チーム内競争モデル
チーム内競争協力モデル
チーム外競争モデル
チーム内外競争モデル
26
表 3.5
チーム
Baseball-A
Baseball-B
Baseball-C
Baseball-D
Baseball-E
Baseball-F
Baseball-G
Baseball-H
野球部メンバーのチーム分けと行動変容促進モデル
ユーザ
変容ステージ
自己効力感
p1
維持期
14
p2
維持期
11
p3
関心期
9
p4
維持期
p5
フィードバックモデル
協調性
勤勉性
○
○
○
●
○
○
15
○
●
実行期
8
○
●
p6
準備期
7
○
○
p7
無関心期
13
○
●
p8
準備期
14
○
○
p9
準備期
11
○
○
p10
準備期
13
○
○
p11
維持期
13
○
●
p12
実行期
15
○
●
p13
準備期
10
○
●
p14
準備期
12
○
●
p15
維持期
13
○
○
p16
維持期
15
○
○
p17
実行期
8
○
○
p18
維持期
10
○
○
p19
維持期
18
○
●
p20
維持期
14
○
●
p21
維持期
17
○
○
p22
維持期
12
○
○
p23
準備期
10
○
●
p24
維持期
13
○
●
p25
実行期
5
○
○
p26
維持期
18
○
●
p27
維持期
14
○
○
p28
準備期
8
○
●
p29
維持期
13
○
○
p30
実行期
12
○
○
p31
維持期
16
○
●
p32
準備期
7
○
●
個人モデル
チーム内協力モデル
チーム内競争モデル
チーム内競争協力モデル
チーム外競争モデル
チーム内外競争モデル
27
第4章
結果
本章では，仮説の検証実験の結果について述べる．まず，アプリケーションへのアクセス回数から検証実験
に十分なアクセス回数，つまりフィードバックが行われたかの検証を行う．次に，各チームの行動変容促進モ
デルによる自己効力感と運動量の変化結果について記述する．さらに，実験終了時に実施したアンケート結果
について述べ，まとめる．
4.1 アプリケーションへのアクセス人数
アプリケーションへのアクセス人数は，アプリケーションを起動しチームの運動量共有画面は表示した回数
を一回とした．図 4.1 に結果を示す．尚，図 4.1 では，同じ日付に同じユーザが複数回アクセスした場合のカ
ウントは排除し，各チーム 32 人のうち何人がアクセスしたかを示している．
実験の結果，アプリケーションは実験期間中は常に利用され，一日当りの平均アクセス回数は研究室では
12.4 回・野球部では 15 回であった．各チーム一日当り，1/3 以上のユーザがアプリケーションにアクセスし
ており，本研究にとっては十分なアクセス回数があったと言える．アプリケーションへのアクセス人数は両
チームとも日数を追うごとにアクセス回数は少しずつ減少した．
50
Lab Team
Baseball Team
Head-Count
40
30
20
10
0
12/06
12/08
12/10
12/12
図 4.1
12/14
12/16
Date
12/18
12/20
12/22
一日毎のアプリケーションへのアクセス人数
28
12/24
12/26
4.2 自己効力感の変化
実験前に計測した自己効力感と，実験後に計測した自己効力感の変化について述べる．図 4.2 に行動変容促
進モデル毎の自己効力感の変化を示し，次に図 4.3 に研究室，図 4.4 に野球部内にチーム毎の自己効力感の変
化を示す．
各モデル毎の行動変容促進の効果は，個人モデル (N=8) とチーム内競争協力モデル (N=8) で向上が見られ，
チーム内競争モデル (N=8) では変化が見られなかった．また，チーム内協力モデル (N=8) とチーム外競争モ
デル (N=16)，チーム外競争協力モデル (N=16) では自己効力感が低下した．特に，チーム外競争協力モデル
の自己効力感は大幅に低下した．
18
Before
After
Level of Self Efficacy
16
14
12
10
8
6
ル
ル
ル
ル
ル
デル
モデ
モデ
モデ
モデ
モデ
力モ
競争
競争
個人
協力
競争
内協
内
外
争
外
ム
ム
内
競
ム
ム
チー
チー
ム内
チー
チー
チー
Model of Team Behavioral Change
図 4.2
行動変容促進モデル毎の自己効力感の変化
研究室では，Lab-A(個人モデル) と Lab-C(チーム内競争モデル)，Lab-F(チーム外競争モデル) で自己効力感
の向上が見られた．また，Lab-D(チーム内競争協力モデル) と Lab-E(チーム外競争モデル) では実験開始前後
でと自己効力感の変化は見られなかったが，Lab-B(チーム内協力モデル) と Lab-G(チーム内外競争モデル)，
Lab-H(チーム内外競争モデル) においては自己効力感は低下した．
野球部では，Baseball-D(チーム内競争協力モデル) と Baseball-H(チーム内外競争モデル) で自己効力感の向
上が見られた．また，Baseball-E(チーム外競争モデル) では，自己効力感の変化は無かった．さらに，Baseball-
A(個人モデル) と Baseball-B(チーム内協力モデル)，Baseball-C(チーム内競争モデル)，Baseball-F(チーム外競
争モデル)，Baseball-G(チーム内外競争モデル) においては自己効力感の低下が見られた．特に，Baseball-F と
Baseball-G においては自己効力感の急激な低下が見られた．
29
18
Before
After
Level of Self Efficacy
16
14
12
10
8
6
Lab-A
Lab-B
Lab-C
Lab-D
Lab-E
Lab-F
Lab-G
Lab-H
Team Name
図 4.3
自己効力感の変化:研究室
18
Before
After
Level of Self Efficacy
16
14
12
10
8
6
Baseball-A Baseball-B Baseball-C Baseball-D Baseball-E Baseball-F Baseball-G Baseball-H
Team Name
図 4.4
自己効力感の変化:野球部
4.3 運動量の変化
各チームの運動量の増加傾向について述べる．研究室の行動変容促進モデル毎の運動量の変化を図 4.5 に示
し，野球部の運動量の変化を図 4.6 に示す．尚，グラフは積み上げ式のグラフとし，X 軸の日付が進む毎に運
動量が積み重ねられ，グラフの右端 (12/26) が実験中の最終的なチームの合計運動量を表している．
30
研究室では，Lab-A(個人モデル) と比較して，Lab-B(チーム内協力モデル) と Lab-E(チーム外競争モデル)，
Lab-F(チーム内外競争モデル) は運動量が多くなった．Lab-D(チーム内競争協力モデル) は同程度であった．
また，逆に Lab-H(チーム内外競争モデル) と Lab-F(チーム外競争モデル) と Lab-C(チーム内競争モデル) は，
運動量は少なかった．
野球部では，Baseball-A(個人モデル) と比較して，全てのグループで運動量が多くなった．その中でも，
チーム E・F(チーム外競争モデル) は運動量が特に多くなった．しかし，チーム内の協力要素を入れた，チー
ム B(チーム内協力モデル) とチーム D(チーム内競争協力モデル) は，チーム外の競争要素や，チーム内の競争
要素のみを含んだ競争変容促進もモデルと比較すると，運動量が少なかった．
3000
Count of Sit-ups
2500
2000
Lab-A
Lab-B
Lab-C
Lab-D
Lab-E
Lab-F
Lab-G
Lab-H
1500
1000
500
0
12/06
12/08
12/10
12/12
図 4.5
12/14
12/16
Date
12/18
腹筋運動回数の推移:研究室
31
12/20
12/22
12/24
12/26
3000
Count of Sit-ups
2500
2000
Baseball-A
Baseball-B
Baseball-C
Baseball-D
Baseball-E
Baseball-F
Baseball-G
Baseball-H
1500
1000
500
0
12/06
12/08
12/10
12/12
図 4.6
12/14
12/16
Date
12/18
12/20
12/22
12/24
12/26
腹筋運動回数の推移:野球部
4.4 アンケート結果
本節では，実験終了後に行った「アプリケーションの使用感に関するアンケート」の結果について述べる．
本アンケートの 1-5 項目の結果を図 4.7 と図 4.8 に示す．項目 7 の「印象に残ったエピソード」は表 4.1 と表
4.2 にまとめる．
図 4.7 と図 4.8 では，システムの利用感を 5 段階のリッカート尺度で表現した．そのため，チームメンバー
の平均値をチームの値とし，値が 5 に近づくほど楽しく，値が 0 に近づくほど不快であったことを意味する．
図 4.7 の研究室では，
「Q1:アプリケーションに関するコミュニケーションはどのように感じましたか？」と
「Q2:運動量の共有についてどのように感じましたか？」では全てのモデルで 3 以上の値を示した．これは，
「全てのチームにとって情報共有は楽しかったこと」を意味する． さらに，「Q3:システムを継続して利用し
たと思うか？」では，Lab-A(個人モデル) と Lab-F(チーム内外競争モデ) において，「継続して使用したく無
い」との意見が出た．「Q4:メンバーからのプレッシャーは感じたか？」については，Lab-A(個人モデル) と
Lab-B(チーム内協力モデル) では，ほとんどプレッシャーを感じない傾向が出た．これは，個人モデルとチー
ム内協力モデルでは，ユーザ自身の運動量は他メンバーにはされないため，不快感が少なくなったと考えられ
る．逆に，Lab-G(チーム内外競争モデル) では，不快感が高くなっているが，これは個人の情報をされること
に加え，チーム間の競争によるプレッシャーが発生したと考えられる．
図 4.8 の野球部では，Q1 と Q2 では Baseball-G(チーム内外競争モデル) 以外では，3 以上の値を示した．こ
れは，研究室と同様に「情報共有はどちらかと言えば楽しかった」ことを意味する．さらに，Q2 のシステム
の継続利用に関する質問では，Baseball-A(個人モデル) と，Baseball-G(チーム内外競争モデル) では 3 より低
32
い値を示し，「計測して利用したくない」という傾向が見られた．Q4 のメンバーからのプレッシャーに関す
る質問では，Baseball-A(個人モデル) と Basebal-E(チーム外競争モデル)，Baseball-F(チーム外競争モデル) で
は，「チームメンバからのプレッシャーはほとんど感じなかった」との傾向を得られた．また，Baseball-G と
Baseball-H では，同じチーム内外競争モデルにも関わらず，Baseball-G ではプレッシャーとあまり感じなかっ
たとの回答し，Baseball-H では少し感じたとの回答した．
5
Lab-A
Lab-B
Lab-C
Lab-D
Lab-E
Lab-F
Lab-G
Lab-H
4.5
4
3.5
3
2.5
2
1.5
1
Q1
Q2
図 4.7
Q3
Q4
行動変容促進モデルに対する感想:研究室
5
Baseball-A
Baseball-B
Baseball-C
Baseball-D
Baseball-E
Baseball-F
Baseball-G
Baseball-H
4.5
5 point likert scale
4
3.5
3
2.5
2
1.5
1
Q1
Q2
Q3
Q4
Question Items
図 4.8
行動変容促進モデルに対する感想:野球部
33
表 4.1 に研究室メンバーから得られたコメントをまとめる．個人モデルでは，「腹筋運動だけでは，筋肉の
バランスが悪くなるので，腹筋以外の運動も同時に行った」など，ユーザ自身の工夫に関するコメントが多く
見られた．また，チーム内協力モデルでは「貢献率が 90% 以上になって嬉しかった」や「腹筋やってるの？が
会話のきっかけになった」のように，腹筋運動にたいして積極的な傾向が見られた．チーム内外競争モデルで
は，競争と協力のどちらの要素も踏まえたモデルだが，「特定のユーザが一日に 200 回も腹筋運動をおこなっ
てビックリした」のように，コメントからは協力よりも競争の意識が高くなったと考えられる．
表 4.2 に野球部から得られたコメントをまとめる．個人モデルは，システムの存在自体がモチベーションに
つながったとのコメントがある一方で，長期的な利用においては，他メンバーとのインタラクションが無いた
め，期間の後半にはやる気を失ってしまったとのコメントを得られた．チーム内競争モデルでは，「腹筋運動
が楽しくなった」や「他メンバーの運動量が見えるので刺激になった」など，メンバー間での個人の運動量の
共有に関してポジティブなコメントが多く見られた．チーム内外競争モデルでは，「他メンバーがやっていな
いのでモチベーションが低下した」のように他メンバーの運動量が見えることによる，社会的手抜きが発生し
たと考えられる．チーム外競争モデルでは，「チームでやっている演出がもっと欲しかった」と回答している
ように，チーム間での競争を意識していることが分かった．チーム内外競争モデルでは，「他の人の回数が気
になった」や「自分がやっていないときに，他の人がやっていると焦る」など，チーム内での協力の要素より
もチーム内での競争の要素の方が強くでる傾向があったと考えらえる．
表 4.1
行動変容促進モデル
個人モデル
印象に残ったエピソード: 研究室
コメント
「腹筋だけではバランスが悪くなるので，腹筋以外の運動も
した」
チーム内協力モデル
「腹筋やってるの？が会話にきっかけになった」「気合いを
入れてやったら貢献度が 90% 近くなって嬉しかった」「チー
ムメンバーと一緒に研究室で腹筋運動を行った」
チーム内競争モデル
「あまり他の方がやっていなかったので自分もやる気が起き
なかった」
チーム内競争協力モデル
チーム外競争モデル
「特定のユーザが一日 200 回腹筋をしてビックリした」
「他チームと自チームの運動量を比較して，もっとやらなけ
れば思った」
「自分のチームへの貢献度を見て，自分もやらな
ければと思った」
「最初はめんどくさいなと感じていたが，腹
筋を計測するきっかけになった」「チーム内で貢献度がパー
センテージで表示されるのが自分のやる気を促進した」「鎖
骨骨折のため腹筋運動ができなかった」
チーム内外競争モデル
「チームの先輩に運動を強要された」「チームメンバーに腹
筋運動をしろと連絡したら，100 回やってくれた」「チーム
メンバーと他のメンバーの回数が少ないという話題で盛り上
がった」
34
表 4.2
行動変容促進モデル
個人モデル
印象に残ったエピソード: 野球部
コメント
「システムがあることで，モチベーションが向上した」「固
めてやった日以来，腹筋運動を行わなくなった」
チーム内協力モデル
「毎日コツコツ続けるのは大変だと感じた」
チーム内競争モデル
「腹筋運動が楽しくなった」「チーム内での回数が分かるの
で，やらないといけないと思うようになった」
「目標回数に達
成することがほとんど無かった」「一度だけ一日に 600 回程
度腹筋をやったことがあり，後日同チームの人から驚かれて
嬉しく思った，また達成感もあった」「切瑳琢磨できている」
チーム内競争協力モデル
「1000 回近くやった結果，首をつってしまった」「他のメン
バーがやっていないとモチベーションが低下した」
チーム外競争モデル
「チームでやってる感じが自分達で出すのが難しいので，強
制的にさせる仕組みがあっても面白い」「アプリケーション
を起動した時に，やらなきゃと思った」
チーム内外競争モデル
「チームメイトと競争して楽しかった」「他の人の回数が気
になった」「自分がやっていなかった時に，他の人やってい
ると焦る」
4.5 まとめ
本章では，各仮説を評価するために行った検証実験の結果について述べた．アプリケーションへのアクセス
は，実験期間中は常に利用されが，アプリケーションへのアクセスは両チームとも日数を追うごとに徐々に減
少した．各行動変容促進モデルの効果は，個人モデルとチーム内競争協力モデルで自己効力感の向上が見られ
たが，圧倒的な効果を得ることが出来なかった．また，チーム内外競争モデルでは大幅に自己効力感が低下し
た．各チームの行動変容促進モデルによる自己効力感は，研究室では，個人モデル・競争モデル・チーム外競
争モデルでは向上したが，チーム内協力モデルとチーム内外競争モデルでは低下した．また，全てのチームに
おいて運動量は増加した．
35
第5章
実験結果の考察
本章では，前章の実験結果を踏まえて 3 章で立てた仮説の検証を行う．まず，3 つの仮説について考察を述
べる，次に実験結果を踏まえての議論について述べ，まとめる．
5.1 検証 1: 要素数が多い方が行動変容の効果が高い
一般的に行動変容促進の要素が多い，つまり競争と協力の数が多い方が自己効力感の向上の効果が高いと考
えられる．また逆に，要素数による違いが見られなかった場合には，要素数よりも競争と協力の組み合わせが
重要であると考えられる．各行動変容促進モデルの要素数は，個人モデルは 0 個，チーム内競争モデルとチー
ム内競争モデルが 1 つ，チーム内競争協力モデルチーム外競争モデルが 2 つ，チーム内外協力モデルが 3 つの
順で多くなる．
実験結果からは，要素数による自己効力感の違いは見られなかった (図 4.2)．特に最も要素数の多かった
チーム内外競争モデルでは，自己効力感が大幅に低下した．このことから，要素数が自己効力感に与える影響
は無いと言え，個数の問題よりも要素同士の組合わせが重要である可能性が考えられる．
また，各チーム毎の変化を見ると，個人モデルを適用した Lab-A と Basball-A においては，フィードバック
による両チームとも不快感は少ないと回答したが，システムの継続利用に関する質問では，継続して使用した
くない傾向が強く得られた．このことから，少なくとも競争と協力のどちらかのテクニックを用いた方が継続
的なシステム利用には有効であることが示された．Lab-G と Lab-H，Baseball-G，Baseball-H がチーム内外競
争モデルを使用したチームであるが，図 4.3 と図 4.4 からも分かるように，4 チームの内，3 チームの自己効
力感が低下した．
5.2 検証 2: 協力よりも競争の方が行動変容の効果が高い
図 4.2 よりチーム内競争モデルでは自己効力感は向上したが，チーム内協力モデルでは低下した．このこと
から，チームの行動変容促進においては，競争の方が効果的であると考えられる．
また「チーム内の競争」と「チームでの協力」を組み合わせたチーム内競争協力モデルを適用したグループ
からは，「特定のユーザは 200 回もしてビックリした」や「他のメンバーがやっていないとモチベーションが
低下した」など，協力よりも競争の要素が強くなる傾向が見られた．チーム内外競争モデルでは，「チーム外
との競争」と「チーム内での競争」という 2 つの競争要素を組み合わせた．チーム間の競争で相手チームを
上回るためには，全員が積極的に取り組む必要がある．そのため，メンバーの貢献度が一覧できる場合には
36
ユーザ一人の責任領域がより明確になる．研究室のチーム内外競争モデルでは「チームの先輩から強要され
た」や「チームメンバーに腹筋運動をしろと連絡した」など特定のユーザに対するアクションが行われた．そ
の結果，チーム内外競争モデルでは該当する 4 グループ中 3 グループで急激な自己効力感の低下する結果と考
えられる．
5.3 検証 3: 日常的に競争が多いチームでは競争の方が効果が高い
日常的に競争の多いチームは競争のテクニックの効果が高いと仮説を立てた．しかし，実験結果は予想に反
して，野球部の競争のみを用いたチーム内競争モデルでは自己効力感は減少し，逆に研究室では向上した．つ
まり，今回の実験結果からは「競争の少ないチームの方が競争の効果が高い」と仮説とは，全く逆の結果が得
られた．
一方で，野球部の運動量に関しては協力の要素よりも競争の要素を用いた場合の方が効果が高くなった．
特に，チーム外競争モデルを用いた場合が最も運動量増加に効果的であった．これは，日頃からチームで相
手チームと対戦しているため，各チームの性質に合わせた方が効果が高くなると考えられる．また，アプリ
ケーションへの不快感に関するアンケート調査では，チーム外競争モデルを用いた野球部の Baseball-E と
Baseball-F では，研究室の Lab-E と Lab-F チームと比較して，チームメイトからのプレッシャーをそれほど
感じなかったと回答している．不快感が少なく効果がシステム利用を継続できると考えられる．
同様にチーム間での競争を用いているチーム内外競争モデルでは，チーム外競争モデルやチーム内競争モデ
ルと比較して運動量は少なく，さらに最終的な運動量はほぼ同じ回数となった．これは，個人の運動量が見え
てしまうことによる社会的手抜きが発生したと考えられる．
5.4 議論
研究ではライフログデータを用いたチームの行動変容促進を行った．実験前の予想では，行動変容促進プ
ラットフォームを提供することで，全ての行動変容促進モデルにおいて，自己効力感は向上すると予想してい
た．しかし，実際は，モデルを適用した 16 チーム中，予想に反して 7 チームで自己効力感が低下した．これ
には実験を行う上で，3 つの課題が考えられる．
• 目標設定
• アプリケーションへのアクセス率
• チームデザイン
以下，それぞれについて記述する．
目標設定
本研究において，目標運動量は各チーム毎の参加者全員の「一日の理想的な腹筋運動回数」の平均値
から算出した．その結果，野球部では 110 回，研究室では 50 回となった．自己効力感の向上において，
目標の達成は非常に大きな影響を与えるとされているが，目標数が多く過ぎたために最低限の目標を達
成できなかった場合は，自己効力感が低下すると考えられる．今回は開始よりも前に目標回数のアン
ケートを行ったために，過剰な目標数になったと考えられる．実験を行う上では，一週間の試験利用期
37
間を設け，その上で目標運動回数を設定することでより効果を高めることができると考えれる．また，
予備実験の空手部の突き練習のように，日頃からノルマがかされている場合には，その数字を元に目標
するを設定した方が効果が高くなると考えられる．
アプリケーションへのアクセス率
本研究では，被験者に「一日に一回はアプリケーションにアクセスする義務」を与えることで，アプ
リケーションを利用しないために行動変容促進が行われてない問題を予防した．しかし，実際の実験中
には条件を指定したにも関わらず，平均アクセス率は両チームとも 15% 前後であった．本実験で使用
したアプリケーションでは，被験者自身がアプリケーションにアクセス中にのみ行動変容促進を行った
が，共有情報に機会を増加させることで，行動変容促進の効果が向上できると考えられる．被験者から
のコメントでは「アプリケーションへのアクセスを忘れてしまう」とのコメントも得られてことから，
スマートフォンの通知機能を利用して，チームメンバーや対戦チームがアプリケーションを利用した際
のユーザへ通知や，日立のビジネス顕微鏡ディスプレイのようにメンバーで共用のスペースにパブリッ
クディスプレイを設置し情報にアクセスする機会を増加させる工夫も必要である．
チームデザイン
本研究では，性質の違う 2 つのチームに内に 4 人 1 グループで合計 16 グループを作成した．実験で
は，そのグループに対して「健康のために，皆でより多く腹筋運動をしよう！」という共通の目的を与
え，その上で各行動変容促進モデルを適用した．しかし，被験者から「チームで取り組んでいる感じを
自分達で作り出すのは難しいため，強制的にさせる仕組みが欲しい」とのコメントがあった．今回の実
験では目的は共有で行ったが，共通の目標を与えるよりも，モデルの特徴に合わせた目的を与えた方
が，自己効力感の向上に効果的と考えられる．例えば，チーム外競争モデルでは「チームで協力して相
手チームに勝って下さい」と具体的に「協力して相手に勝つ」ことを意識付けるなどである．
また，今回はグループ分けを行う上で今回は性格を用いてチームを分類した．しかし，行動変容ス
テージによって効果的な行動変容促進手法は異なることから，行動変容ステージや自己効力感を基にし
たグループ分けも考えられる．
また本研究では，ライフログデータの中でも手動入力データのみを活用したが，自動検知データを使用した
場合には全く違う効果が得られる可能性が考えらえる．例えば，スマートフォンの歩数計アプリケーションで
検知した歩数情報を用いて運動量の増加を促した場合には，データの検知自体をユーザが意識しないため，個
人の運動量を実名を共有されることに大きな不快感を感じる可能性がある．行動変容促進手法や対象チーム
の特性の違いにおいても上記と同様のことが言える．つまり，ライフログデータの種類と行動変容促進手法，
チームの種類を組み合わせて最終的なモデルを構築する必要がある．
5.5 まとめ
本章では，実験結果を基に，2 章で立てた仮説 1:行動変容促進の要素数による効果の違いと仮説 2:競争と協
力要素の組み合わせによる効果の違い，仮説 3:チーム性質による効果の違いの 3 つ仮説の検証を行った．検証
1 では，要素数の増加に伴い効果も増加しないことがわかった．特に，競争の要素を 2 つ組み合わせた場合に
は，自己効力感が大幅に減少することが分かった．検証 2 では，競争と協力の予想を同時に用いた場合には，
38
競争の性質が強く現れることが分かった．検証 3 では，仮説とは全く逆の「日常的に競争が少ない方が競争の
効果た高い」との効果が得られた．研究は今後膨大になるであろうライフログのチームでの活用に関する方向
性を示した．今後，ライフログデータを用いたチームの行動変容促進モデルを構築する上では，ライフログ
データやチーム，行動変容促進手法の種類を組み合わせてモデルの構築をする必要がある．また，本実験を通
して，行動変容促進モデルによる自己効力感の低下問題が発生した．チームデザインと，ミッションの目標・
期間の設定の明確化やアクセス期間の増加により効果がさらに向上すると考えられる．
39
第6章
関連研究
本章では，本研究のテーマであるライフログを用いた研究を検知・蓄積・活用の 3 つ視点から整理する．
6.1 ライフログの検知
本節では，ライフログの検知手法を腕輪型センサやスマートフォンなどのウェアラブルセンサを用いた手法
と椅子に装着した加速度センサや監視カメラなどの環境センサを用いた手法，ユーザ自身がカメラを撮影する
ヒューマンセンサを用いた手法の 3 つに分けて，検知データの特徴と検知手法の長所，短所について記述する．
6.1.1 ウェアラブルセンサを用いた検知
体に装着した加速度センサやカメラ，マイク，バイタルセンサなどのウェアラブルセンサを用いて日常生活
中の行動を検知する研究が行われている．ウェアラブルセンサを用いた手法では，身体の定期的な動きや行
動や撮影した画像の特徴点から，歩行・走行・テレビの視聴・水泳を動作など多種多様な行動を検知できる．
ウェアラブルセンサは事前に環境側にセンサ設置する必要が無く，スマートフォンなど既存デバイスを用いれ
ば手軽に行動を検知できる利点がある．しかし，汎用デバイスを用いる場合は，消費電力の問題や装着位置の
限定などの課題がある．Fitbit や Nike+ Fuelband などはウェアラブルセンサを用いた活動情報の検知に分類
される．ウェアラブルデバイスを用いた研究の多くは，ユーザが情報の検知を意識していない時も検知できる
ので，自動検知データを扱う場合が多い．
Microsoft 社が開発した SenseCam[25] は，ライフログ取得用のウェアラブルカメラであり，首から装着し
ておくだけで 30 秒ごとに自動的に写真を撮影し，さらに内蔵されている温度センサや湿度センサ，光センサ
など様々なセンサによって撮影時の周辺環境を記録することができ，撮影時の状況を振り返りを行いやすくし
ている．
大内らの研究 [3] では，ユーザーの日常生活中の様々な行動をスマートフォン単体で認識する屋内外生活行
動認識技術を開発を行った (図 6.1)．スマートフォンに内蔵された加速度センサとマイクを用いて，屋内での
歯磨きや掃除機がけなどの行動を認識し，ユーザーの動き情報からおおまかな行動状態を捉え，音を用いて細
かく行動を分類することが可能である．また屋外では，移動に関する行動の認識処理に切り替え，例えば高齢
者の屋内と屋外両方の様々な生活行動を見守ることできる．60 歳以上の高齢者 12 名を含む 21 名の被験者に
よる評価実験を行い，屋内外の 10 種類の生活行動を 90% 以上の精度で検知可能である．このように，スマー
トフォンのセンサを駆使することで，高い精度でライフログデータを検知する環境が整いつつある．大内らの
40
研究では高齢者を対象したが，これらの技術は男性の健康管理やなどのにも応用可能であり，本研究において
も活用可能である．
図 6.1
宅内外生活行動認識システム [3]
米川らは高齢者の転倒による怪我を予防する FASH[4] を実装した．FASH では，図 6.2 のように靴底に装着
した圧力センサから継続的に値を検知し，平常値の値を比較することで疲労度を検知する．同様に西山らは，
野球選手の過度の投球による投球障害を予防するために DALT[5] というアルゴリズムを実装した．DALT で
は，図 6.3 のように，肘に装着した角速度センサから野球選手の疲労による投球フォームの変化を検知する．
Tackeback
250
200
150
100
50
0
-50
-100
-150
-200
-250
-300
-350
-400
図 6.2 FASH のシステム構成図 [4]
Cock
Top
Maxout
Release
Time
(1/200sec)
Z
Y
X
Analyzing direction
図 6.3 DALT の投球フォーム変化検知手法 [5]
Marc[6] らはウェアラブルセンサを用いて，水泳技術を検知するシステムとして SwimMaster を開発した．
SwimMaster では図 6.4 のように腰と背中，手首に装着した加速度センサを用いて，前後バランスと回転，そ
してストロークの効率性を検知できる．また，Cassim らはロッククライミングの技術を検知する ClimbAX[7]
41
を開発した．ClimebAX では，図 6.5 のように手首に装着した小型加速度センサを用いて，パワーとコント
ロール，正確性，スピードを検知できる．
(a) センサ装着位置
(b) SwimRecorder
図 6.4 SwimMaster のセンサ装着位置と SwimRecorder[6]
図 6.5 ClimbAX のシステム構成 [7]
このように，ウェアラブルセンサを用いて日常生活中の行動情報の検知だけでなく疲労度やスキルの検知な
ど，より高次なコンテキストを検知・蓄積することで，医療やスポーツなど専門性の高い分野においてもライ
フログデータが活用できると考えられる．
6.1.2 環境センサを用いた検知
環境側に設置したセンサをもちいてライフログを検知する研究が行われている．環境内の椅子や机，コー
ヒーマシンといったオブジェクトに設定した加速度センサや Bluetooth 端末，RFID タグなどのから「今，椅
子に座っている」や「コーヒーを注いだ」などのセンサを設置したモノと人がインタラクションした際の情報
を検知できる．ウェアラブルセンサと比較すると，モノと場所の情報をダイレクトに検知できる利点がある．
42
しかし，検知したい全てのモノに対してセンサを設置する必要があり，設置・検知コストが高いという課題も
ある．また，ウェアラブルセンサと同じく，ユーザが意識していない間も検知するため，自動検知データの性
質が強い．
Efstratuiy[17] らの研究では，Bluetooth のアンカーポイントと加速度センサを用いた位置情報検知や，マイ
クを用いた会話分析などセンサから研究室内に埋め込んだ様々なセンサから研究室メンバーのあらゆる行動を
検知して，WEB アプリケーション上で情報を共有するシステムを構築した．Efstratuiy らの研究では，「コー
ヒマシンが稼働中」と「コーヒマシンの近くに居る (位置情報)」という低次元のコンテキストを組み合わせ
ることで，「今，コーヒを作っている」という高次元のライフログデータを抽出している．また，Kay[8] ら
の Lullaby(図 6.6) では，睡眠中の環境をモニタリングする Lullaby を構築した．快適な睡眠環境は涼しい・暗
い・静かな環境が快適な睡眠環境と言われており，Lullaby では，光センサやマイク，カメラ，温度，モーショ
ンセンサを用いて睡眠環境の検知を行った．さらに，被験者にモニタリングした睡眠環境情報を振り替えさせ
ることで，睡眠環境の改善を促した．
図 6.6
Lullaby のデザインコンセプト [8]
6.1.3 ヒューマンセンサを用いた検知
もっとも古典的なライフログデータの収集方法で，食事や体重の記録，Facebook や Twitter への投稿などは
この検知手法に当たる．システムの導入コストが低いことが利点ではあるが，人の主観が入り込むデータの場
合には，人によって精度が異なることや，継続利用のためにユーザへのインセンティブをいかに与えるかが課
題となっている．ライフログはユーザ自身に意識させて入力させることから，手動入力データの特性が強い．
Fogg[35] らは継続的にシステムを利用させるために，「入力を意識させない」・「適切なタイミングでの通知」・
「インセンティブを与える」・「習慣化」が重要であると述べている．
ヒューマンセンサを用いた都市のライフログを検知する研究も注目されてる．それらは，参加型センシング
(Pertiicipatory Sensing) と呼ばれ，ユーザのスマートフォンなどの携帯端末を利用して，広域に渡る様々な情
報を人から収集するセンシング技術できる．例えば，斉藤らの研究 [9] では，一般の自転車にスマートフォン
43
を据え付けることで容易に実現可能な自転車走行情報収集・共有機構 sBike:Sensorized Bike(図 6.7) を提案し
ている．
図 6.7
sBike のシステムモデル [9]
木實らは [40] を都市を対象としてセンシングでは，市民の所有している携帯端末等を用いてデータの取得
と共有を行うことができるため，多数のセンサを都市に配備せずともセンシング環境を構築できるだけでな
く，市民が自分自身で自分の周囲環境に関するデータを取得することを基本とするため，プライバシ侵害の懸
念を緩和しつつ痒いところに手が届くセンシング環境を実現できる可能性があると述べている．参加型の実世
界センシングの例として，野鳥データベースプロジェクト [41] や Great Backyard Brid Count[42]，ウェザー
ニュース社が提供するゲリア雷雨予報 [43] など，ユーザ参加型の野鳥の計数調査や，気象情報サイトにおけ
るユーザ参加型の降雨や開花情報の調査などがある．
木實らは，参加型の実世界センシングを成功させるためには，経済的な利得や他者からの評価だけでなく，
市民の参加動機を考慮した環境を作ることが重要であると述べている．つまり，共同で有意義なこことを行っ
ているという感覚を提供し，さらに，しっかりした共有の目的を持って互いに支え合いながらその目的を達成
している感覚を与えること必要であると考えられる．
6.2 ライフログの蓄積
検知，収集したライフログを安全に保存し，活用するための関連研究についてまとめる．
6.2.1 特徴点抽出と整理
ウェブカメラを用いて 30 秒間隔で自動で写真を撮影すると，一日で写真の枚数は 172800 枚にもなり，全
ての写真を振り返ることは困難である．そこで日常行動と異なる行動 (特徴点) を自動で抽出する技術が必要
44
になる．また，逆に GPS の位置情報や加速度のサンプリングレートの違いなどによりデータが欠損しデータ
の補完が必要になる場合がある．
MauveDB[44] は，interpolation-based view という，存在しないサンプリング点を補完する機能を備えてい
る．MauveDB は，線形補完やスプライン補完などの補完アルゴリズムが組み込まれており，センサネット
ワークにおけるセンサデータの転送中の消失をデータベース側で隠避することができる．しかし，解析を行う
マシンとデータベースが動作しているマシンが異なる場合，データベース側で補完処理を行うことにより，そ
の間の通信量が増加するという問題点がある．また，サーバーに到着したデータを永続化することなく，メ
モリ上で処理を行う TinyDB[45] や Borealis[46] と言ったストリームデータベースの処理系も存在する．スト
リーム処理は到着したデータをメモリの上のバッファリングし，リアルタイムに解析処理を行うため，従来の
バッチ処理と比較して解析が早いという利点がある．しかし，ライフログの検知においては，リアルタイム性
を求める処理はセンシング端末で行われことが多く，携帯端末自体が分散ストレージデータベースのような役
割を果たすため，サーバー側にはリアルタイムの処理よりも，携帯端末では処理できない膨大な過去のデータ
から詳細な分析が求められる．
西尾らはライフログを用いたアプリケーション開発における，「観察周期の異なるログの結合」と「時系列
性を考慮した断続的な増分の計算」問題を解決するために，ライフログ処理のためのフレームワークとして
Dwarfstar[47] を提案している．Dwarfstar は既存の汎用的な分散データベース上で動作し，時刻における前後
の値から補完した測定値を用いることで観測周期の異なるログの結合と，分割インクリメント処理と名づけた
処理モデルを導入することで時系列性を考慮した断続的な増分の計算処理を提供している．
6.2.2 プライバシとセキュリティ
ライフログデータを社会調査や集団の行動改善，医療など二次利用するこで有効活用できるが，ライフログ
データは個人情報を多く含んでおり，プライバシとセキュリティは非常に重大な課題である．
GPS 機能を有したモバイル端末の普及や無線通信網の発展により，測位された位置情報に基づいて近隣の
店舗の情報などのユーザに有益な情報を提供する，位置に基づくサービス (location-based services) が普及し
ている．位置に基づくサービスは便利であるものの，プライバシに関わる問題が存在する．サービスを利用す
るにはユーザの位置情報を送信する必要があるが，詳細な位置情報を送ってしまうと，悪意を持ったユーザ
(攻撃者) に位置情報が渡るとユーザがどこにいるか知られてしまう．これを防ぐために位置情報を曖昧にする
手法を用いて，ユーザのプライバシを保護しようとする研究が行われている [48, 49]．
6.2.3 Life Log as a Service
計算機技術の発展に伴い，現在では多種多様なライフログサービスがインターネット上に公開されている．
これらのサービスを利用することで，ユーザは好みのライフログをウェブ上で記録・共有することができる．
一般にこれらのラオフログサービスは，ライフログの記録と利活用は単一のサービスに閉じている．一方で，
体重と食事のライフログを統合・集約 (マッシュアップ) を行うことで，より高い付加価値のあるコンテキスト
を取り出すことができる．しかし，各種サービスでは API が公開されているものもあるが，現在のところ仕
様はサービスによって異なるため，扱いづらいという問題点がある．
様々なライフログを管理する方法として，松本 [10] や下條 [50] らは異種ライフログ統合のための標準デー
タモデル (LLCDM)，及び標準データモデルにアクセスするためのマッシュアップ API(LLAPI) を提案してい
45
る．各種ライフログの記録項目を 5W1H の観点から分類し，ライフログの種類に強く依存しない中立なデー
タモデルの構築を行っている．整理された標準データに対し，汎用的なマッシュアップ API を設けることで，
効率的かつ柔軟なライフログの統合を支援できる (図 6.8)．LLCDM と LLAPI の有効性を確かめる評価実験
として，二つのライフログアプリケーションを題材とした開発実験を行った．実験の結果，提案手法を利用す
ることで開発工数を約 1/3 に削減できること，またマッシュアップロジックの正確性を確保できることが確認
できと報告されている．
(a) 従来のライフログサービスのマッシュアップ
(b) 提案手法によるライフログサービスのマッシュア
ップ
図 6.8 LLCDM と LLAPI を用いたライフログサービスのマッシュアップ [10]
6.3 ライフログの活用
6.1 と 6.2 で述べた環境が整い様々な情報を検知できると，検知された情報をどのように活用するかが課題
となってくる．本節では，ライフログデータの活用に関する研究について述べる．
6.3.1 ライフログを用いた個人の行動変容
情報薬とは，札幌医科大学の辰巳治之教授の提案であり，「適切な情報を適切なタイミングで渡すとヒトは
健康になる」というコンセプトである [11]．情報薬は図 6.9 に示すような日々のリマインドや行動推奨支援を
行うことができる．誰もがライフログを検知し，蓄積可能になった社会においては，時間や複数のセンサ情報
から創出される情報を用いてヒトの行動に変化を与えることが可能になる．図 6.9 右上のジョギングと心拍
数はその一例である．情報薬の作成のためには．「一定期間，一定のルールで集団に情報薬を提供すると，あ
る効果が得られると言う薬の効果とその改善課程，副作用」を整理する必要がある．例えば，「この情報薬を
2 ヶ月間毎日続けると，平均的に血糖値が 11 ± 7mg/dl 減る」や「平均で 1.4% の人に危険な速度の体重減少
を招」などである．また，従来の薬物は血中濃度を介して力価を発揮するが，情報薬は意識変容を介して力価
を発揮すると言われている．井上らの研究 [19] では，情報薬の特徴を一般薬と比較して，表 6.1 ようにまとめ
ている．
中村 [12] らの研究では，研究支援システムが提示する情報の内容をユーザが疑わないことを活用し，プラセ
ボ効果を用いて生体情報を操作する新しい健康支援システムの提案を行っている．運動時や緊張時のように心
拍が大きく変化する状況において虚偽情報をユーザに提示することにより，生体情報に影響を与えられるか検
証を行った．評価実験の結果から，虚偽情報の有効性はユーザにより異なるがその影響には一環生があること
や，虚偽情報の種類により大きさがことなることが認知された．本研究の競争の協力においても，「競争にお
46
図 6.9
表 6.1
情報薬の様々なアイディア [11]
情報薬と一般薬の違い [19]
項目
情報薬
一般薬
媒体
適切な情報提供
錠剤の内服
効果
意識変容と日々の生活習慣の介した効果
血液濃度を介した効果
効果計測
行動センサなどにより効果が計測できる
血圧計や血液検査で効果を測定
安定性
効果にはまだばらつきがある
効果が安定
副作用
過剰な運動・ダイエットといった副作用
体調悪化・アレルギーなど
投与計画
適切なタイミングで情報薬を処方
通院毎に薬剤を処方する
いては，チームメンバーの参加が活発でないために，モチベーションが低下した」との報告があったことから，
ユーザの活動情報をそのままフィードバックするだけでなく，虚偽情報を混ぜることでチームメンバーの活用
が少ない時でも活動を活性化可能であると考えられる．また，行動変容を促すライフログデータとして，活動
の類似度が挙られる．勝治 [51] らは．理想とするライフスタイルとの類似度 (シンクロ率) の算出による行動
変容促進を行っている．現時点では、ライフログデータをもちいて，行動変容促進も効果については検証され
ていなが，チーム同士での類似度の比較にる行動変容促進など，様々な分野に応用可能であると考えられる．
Shyam[13] は健康管理アプリケーションの動機付けの要因について調査を行った．健康状態な状態を学ぶの
と健康の生活を実践するのには大きな違いがある．その溝を埋めるために，動機付け手法による論理的なフ
レームワークを用いた．その結果，Navigability と Interactivity, Customization が人を本来備わっている人のモ
チベーションを動機付ける事が分かった．Shyam らの研究では，個人の健康的な生活への行動変容を促す動
機付けモデルを作成し評価を行ったが，本研究で扱う集団全体の行動変容促進については検証されていない．
47
図 6.10
虚偽情報の種類 [12]
図 6.11 対面コミュニケーションページ [13]
日立製作所のライフ顕微鏡システム [14] は，腕時計型ウェアラブルセンサ端末を用いて，人の活動に伴う 3
軸加速度，脈拍，皮膚温度の値それぞれの変化を 24 時間・365 日連続して収集・解析する．そして，生活のリ
ズムをライフタペストリーとして視覚的，直観的に理解しやすい形で表示するシステムである．20 人によるラ
イフ顕微鏡の実験から，ライフタペストリーの模様がそれぞれの生活リズムに対応して異なることと，記録し
たセンシングデータに対して，人それぞれまったく異なる部分が行に関心あることが分かった．ライフ顕微顕
微鏡では，ライフログの中でも自動検知データを用いて，情報の可視化による行動変容を促した．本研究で扱
う，手動入力データとは扱うデータの性質が異なる．本研究とライフ顕微鏡では，ライフログを活用するとい
う面では共有ではあるが，対象が個人の行動変容であるため，本研究のチーム全体の行動変容とはことなる．
6.3.2 ライフログを用いた集団の分析
ビジネス顕微鏡ディスプレイでは [15] では，日立製作所で開発しているビジネス顕微鏡を [15] を用いて，
オフィス内での対面コミュニケーションと身体の動きのセンシングデータを加工して表示するビジネス顕微鏡
ディスプレイを開発した．ビジネス顕微鏡ディスプレイにおける新しい提案は，オフィスのデジタルサイネー
ジを閲覧者同士のコミュニケーション促進を目的として利用すること，そのための話題提供としてワーカー自
48
(a) 腕時計型ウェアラブルセンサ
(b) ライフスペクトリー
図 6.12 ライフ顕微鏡 [14]
身の行動をコンテンツにすることで人を引き寄せ，かつプライバシを守るためのセミパブリックな表示制御を
行うこと，業務の状況共有に適した会話の活性化方法を検討・開発したことの 4 点である．それらを反映し
た実験の結果，行動ログが状況共有の会話を活性化させるために有効であること，表示制御の導入によって，
ディスプレイがコミュニケーションのきっかけを増やしたが確認できたと報告されている．ライフログシステ
ムをもちいて社内での会話内容を蓄積した．さらに社内の会話状態を可視化することで，会社というチームの
ライフログデータを活用したことは似ているが，チームの行動変容へのアプローチは組織情報を可視化したの
みであり，共有方法の違いが集団に与える影響まで調査しているわけではない．．
(a) 特徴的な行動パターンの例
(b) 行動パターンの 7 分類 (色で表示)
図 6.13 ビジネス顕微鏡ディスプレイを用いた行動パターンの表示 [15]
6.3.3 ライフログを用いた集団の行動変容
Kamal[16] らが構築した ABC フレームワークは，オンラインソーシャルネットワークを利用した健康的な
行動への改善フレームワークである．Appeal, Belonging, Commit が重要であると述べられている．彼らはの
研究では，ABC フレームワークを取り入れたソーシャルネットワークアプリケーションを構築し，公募で集
めたグループに対して評価実験を行った．本研究と同じく WEB アプリケーションを用いた評価実験である
が，対象としているグループが公募で集められたグループのため，本研究の対象と集団，つまりチームとは異
なる．
Efstratiou らの研究 [17] では，研究室内に様々なセンサを埋め込む事で研究室のメンバーのありとあらゆ
る行動を検知し，WEB アプリケーションで共有するシステムを構築した．彼らの構築したシステムではコー
49
図 6.14 対面コミュニケーションページ [15]
(a) ABC フレームワークの構成要素
(b) ABC フレームワークを用いたウェブアプリケーション
図 6.15 ABC フレームワーク [16]
ヒーを飲んだ回数や，机に座って勉強している時間などを検知できる．実際に研究室内で実証実験を行った結
果，不快に感じる要素として”他人に自分が勉強をしいないと思われる事が不快だ”という評価が得られてい
る．この研究では，個人の行動履歴の振り返りによる行動改善・動機付けを目的としている．そのため本研究
の目的である，チームの動機付けまでは行われていない．
6.4 関連研究のまとめ
本章では，本研究のテーマであるライフログを用いた研究を検知・蓄積・活用の 3 つの視点から研究研究を
し整理し，本研究の立場を明らかにした．本研究の目的であるライフログで用いたチームの行動変容促進は，
ライフログを用いた研究における，ライフログデータの活用に関する研究である．
50
図 6.16
(a) Personal Timeline
センサの設置例 [17]
(b) Social Friend-Finder
図 6.17 Some of the Web-Based Application[17]
51
(c) Social Ranking
第7章
結論
本章では，本論文のまとめを述べ，最後に今後の展望についても述べる．
7.1 本論文のまとめ
近年，スマートフォンやウェアラブルデバイスの普及，大容量ストレージの低価格化に伴い，誰もが手軽に
ライフログを検知・蓄積できる環境が整ってきた．多種多様なライフログデータを長期間蓄積することで，個
人の振り返りや，社会調査や医療，教育などに活用できる．これまでのライフログデータを活用した研究で
は，個人の行動変容を対象とした研究が中心であったが，誰もが常に情報機器を持ち歩く世界では，研究室や
スポーツチーム，学校，企業といった集団全体を対象した行動変容が可能になると考えられる．しかし，集団
は個人とは異なり，管理者と一般メンバーなど様々な人間関係が存在するために，これまでの競争や協力と
言った行動変容促進手法がそのまま適用できないと考えられる．
本研究の最終目標は，ライフログデータを用いたチームの行動変容促進モデルを構築することである．モデ
ル構築のためには，ライフログデータ・チーム特性・行動変容促進手法の組み合わせを考慮する必要がある．
本論文では，モデル構築の第一段階として「競争」と「協力」の要素を組み合わせた 6 種類の行動変容促進モ
デルを提案し，チームの自己効力感に与える効果について検証実験を行った．検証実験のために，チームに合
わせて行動変容促進モデルを変更できる，Aaron:行動変容促進プラットフォームを実装した．Aaron はチーム
内である目標量を共有し，その目標をゲーム形式でクリアすることで楽しさの付与を行うシステムを想定して
いる．
検証実験は大学の体育会野球部 (N=32) と研究室 (N=32) の 2 チームを対象に 3 週間の実験を行った．その
際，「健康と怪我予防のためにチーム全員で腹筋運動を行おう」という共通の目的を与えた．各チーム内では
さらに 4 人一組で 8 チームを作成し，6 種類全ての行動変容促進モデルをチームに適用した．アプリケーショ
ンの利用履歴と運動量，実験前と終了後に実施した自己効力感の調査結果から効果の検証と考察を行った．
自己効力感の向上には，行動変容促進手法の要素数よりも，要素の組み合わせが影響する傾向が見られた．
特に，競争の要素を 2 つ組み合わせた場合には，自己効力感が大幅に減少する傾向が見られた．また，競争と
協力の要素を同時に用いた場合には，競争の性質が強く現れる傾向が見られた．今回は，全てのチームに共通
の目的を与えたが，各モデルの特性に合わせたチームデザイン，目的の設定，ノーティフィケーションを行う
ことで，各モデルの違いが明確に現れると考えられる．
52
7.2 今後の展望
本節ではライフログデータを用いたチームの行動変容促進に関する研究の今後の研究方針について述べる．
今後の研究方針として，ライフログを用いたチームの行動変容促進モデルの構築と，サービス化による実社会
における大規模な実証実験を考えている．
7.2.1 チームの行動変容促進モデルの構築
本研究の最終目的は，対種多様なライフログデータを用いてチーム全体の行動変容を促す，行動変容促進モ
デルを構築することである．2 章で述べたようにモデル構築のためには，1) 行動変容促進手法と 2) ライフロ
グデータ，3) 対象とするチームの違いを考慮する必要がある．本論文ではその中でも，1) 行動変容促進手法
は競争と協力をもとにした 6 つのモデル，2) ライフログデータは自動入力データの中でも運動に関するデー
タを利用し，3) 対象するチームは日頃から競争の激しいチームと競争の少ないチームを対象に非常に限定した
要素を用いて研究を行った．今後は，本研究を通して得れた研究方針と実験における課題を踏まえて，1) 行動
変容促進手法と 2) ライフログデータ，3) 対象チームの性質の違いを踏まえたモデルの構築に取り組んでいく
必要がある．
1) 行動変容促進手法に関しては，競争と協力の他にも，価値観の共有やストーリー性，レベルデザイン，イ
ベントなど様々な要素が存在する．それらの要素を組み合わせる必要がある．2) ライフログデータに関して
は，今回は手動入力データを活用したが，自動検知データを用いた評価も必要である．また，行動促進に活
用するライフログデータは，単純に検知したデータをそのまま共有する・しないだけでなく，「他メンバーが
やっていない事によるモチベーションの低下」を予防するために，虚偽情報の活用や，他ライフログデータを
組み合わせた類似度も行動変容促進に利用可能なライフログデータである．3) 対象チームの性質と構造に関
しては，まずは 1 章で定義した 4 つのチーム構造をもとに研究を進める．
7.2.2 サービスとしての運用
幅広い実験結果を得るために，行動変容促進手法とライフログデータ，チームの特性の 3 要素を自由に組み
合わせ可能なフレームワークを実装し，行動変容促進プラットフォームとしてサービスを運用する．本プラッ
トフォームでは，ユーザが「期間と目標数，対象チーム，フィードバックモデル」を選択することで，ユーザ
自身が自由にシステムを活用できる．例えば，部活動の長期休み期間に一定以上，運動量を維持したい場合に
などに，チームとして本システムを活用できる．
また，既存アプリケーションとの連携することで，さらに様々な種類のデータを行動変容促進モデルに
適用できる．Nike+ や Fitbit，Moves[52] など多くのアプリケーションでは，API(Application Programming
Interface) が公開されており，外部アプリケーションから自由にデータを活用できる．
53
謝辞
本研究を進めるにあたり，ご指導を頂きました慶應義塾大学環境情報学部教授徳田英幸博士に深く感謝いた
します．また，慶應義塾大学環境情報学部准教授高汐一紀博士，中澤仁博士，加藤貴昭博士には本論文の執筆
に当たって御助言を賜りました事を深く感謝致します．慶應義塾大学徳田研究室の諸先輩方には折りに振れ貴
重なご助言を頂きました．特に政策・メディア研究科特任助教 米澤拓郎氏，政策・メディア研究科研究員 伊
藤友隆氏，瀧本拓哉氏，政策・メディア研究科博士課程 大越匡氏，小島清信氏，小川正幹氏には本論文を執筆
するにあたってご指導頂きました．研究室 OB の生田目直哉氏には卒業後にも関わらず，多くの励ましとご指
導を頂きました，ここに深く感謝の意を表します．
研究の日々を共に過ごした加藤碧氏，勝治宏基氏，石黒照朗氏，興野悠太郎氏に深く感謝します．また，論
文執筆時にデータ整理など多大な協力をして下さった，Life-Cloud グループの古川侑紀氏，礒川直大氏，佐々
木航氏を初め徳田研究室の皆様に深く感謝します．
本研究の 3 週間にも及ぶ実験に参加して下さった研究室の皆さんと，慶應義塾大学体育会野球部の選手の皆
さん，そして，実験の許可を下さった元野球部監督の江藤省三氏，現監督の竹内秀夫氏，実験やアンケートを
実施する上で年末年始にも関わらずサポートして下さった野球部のコーチとマネージャーの方々には心から感
謝申し上げます．
慶應義塾大学 諏訪研究室の西山武範氏をはじめ滑谷氏と坂井田氏，仰木研究室の西川氏，松本氏，林氏，加
藤研究室の松本氏に感謝致します．
最後に，大学院 2 年間に渡る生活を支えてくれた家族と友達に感謝致します．
2015 年 1 月 19 日
西山 勇毅
54
参考文献
[1] CarloC. DiClemente, JamesO. Prochaska, and Michael Gibertini. Self-efficacy and the stages of self-change
of smoking. Cognitive Therapy and Research, Vol. 9, No. 2, pp. 181–200, 1985.
[2] 正和中村. 行動科学に基づいた健康支援. 榮養學雑誌, Vol. 60, No. 5, pp. 213–222, oct 2002.
[3] Kazushige Ouchi and Miwako Doi. Smartphone-based monitoring system for activities of daily living for
elderly people and their relatives etc. In Proceedings of the 2013 ACM Conference on Pervasive and Ubiquitous Computing Adjunct Publication, UbiComp ’13 Adjunct, pp. 103–106, New York, NY, USA, 2013.
ACM.
[4] K. Yonekawa, T. Yonezawa, J. Nakazawa, and H. Tokuda. Fash: Detecting tiredness of walking people using
pressure sensors. In Mobile and Ubiquitous Systems: Networking Services, MobiQuitous, 2009. MobiQuitous ’09. 6th Annual International, pp. 1–6, 2009.
[5] Nishiyama Yuuki, Ito Tomotaka, Yonezawa Takuro, Nakazawa Jin, Takashio Kazunori, and Tokuda
Hideyuki. Dalt : Detection algorithm of throwing form changing to prevent the baseball player ’s throwing related injurie. 2012.
[6] Marc Bächlin, Kilian Förster, and Gerhard Tröster. Swimmaster: A wearable assistant for swimmer. In
Proceedings of the 11th International Conference on Ubiquitous Computing, Ubicomp ’09, pp. 215–224,
New York, NY, USA, 2009. ACM.
[7] Cassim Ladha, Nils Y. Hammerla, Patrick Olivier, and Thomas Plötz. Climbax: Skill assessment for climbing
enthusiasts. In Proceedings of the 2013 ACM International Joint Conference on Pervasive and Ubiquitous
Computing, UbiComp ’13, pp. 235–244, New York, NY, USA, 2013. ACM.
[8] Matthew Kay, Eun Kyoung Choe, Jesse Shepherd, Benjamin Greenstein, Nathaniel Watson, Sunny Consolvo,
and Julie A. Kientz. Lullaby: A capture & access system for understanding the sleep environment. In
Proceedings of the 2012 ACM Conference on Ubiquitous Computing, UbiComp ’12, pp. 226–234, New York,
NY, USA, 2012. ACM.
[9] 斉藤裕樹, 菅生啓示, 間博人. sbike: 参加型センシングを志向したモバイルセンシングによる自転車走行状
態収集・共有機構. 情報処理学会論文誌, Vol. 53, No. 2, pp. 770–782, 2012.
[10] 真佑松本, 彰下様, 早織鎌田, 匡秀中村. 異種ライフログ統合のための標準データモデルとマッシュアップ
api(web サービス,¡特集¿ライフログ処理技術とその活用システム論文). 電子情報通信学会論文誌. D, 情
報・システム, Vol. 95, No. 4, pp. 758–768, apr 2012.
[11] 中島直樹, 野原康伸. 医療センシングと「情報薬」の実践-情報爆発を解決し，労働生産性を向上しよう-.
デジタルプラクティス, Vol. 4, No. 3, pp. 226–235, jul 2013.
[12] 憲史中村, 拓也片山, 努寺田, 昌彦塚本. 虚偽情報フィードバックを用いた生体情報の制御手法. 情報処理
55
学会論文誌, Vol. 54, No. 4, pp. 1433–1441, apr 2013.
[13] S.Shyam Sundar, Saraswathi Bellur, and Haiyan Jia. Motivational technologies: A theoretical framework
for designing preventive health applications. In Magnus Bang and EvaL. Ragnemalm, editors, Persuasive
Technology. Design for Health and Safety, Vol. 7284 of Lecture Notes in Computer Science, pp. 112–122.
Springer Berlin Heidelberg, 2012.
[14] 敬鈴木, 裕之栗山, 春造山下. ライフ顕微鏡–20 人のライフタペストリーが語る人とセンサと it の未来
(特集 健康で豊かなヘルスケア社会を支えるトータルソリューション). 日立評論, Vol. 89, No. 12, pp.
914–919, dec 2007.
[15] 紀彦森脇, 信夫佐藤, 義博脇坂, 聡美辻, 教夫大久保, 和男矢野. 組織活動可視化システム「ビジネス顕微鏡」
(対面コミュニケーション-顔を中心的メディアとした). 電子情報通信学会技術研究報告. HCS, ヒューマ
ンコミュニケーション基礎, Vol. 107, No. 241, pp. 31–36, sep 2007.
[16] Noreen Kamal and Sidney Fels. Determining the determinants of health behaviour change through an online
social network. In Magnus Bang and EvaL. Ragnemalm, editors, Persuasive Technology. Design for Health
and Safety, Vol. 7284 of Lecture Notes in Computer Science, pp. 1–12. Springer Berlin Heidelberg, 2012.
[17] Christos Efstratiou, Ilias Leontiadis, Marco Picone, KiranK. Rachuri, Cecilia Mascolo, and Jon Crowcroft.
Sense and sensibility in a pervasive world. In Judy Kay, Paul Lukowicz, Hideyuki Tokuda, Patrick Olivier,
and Antonio Krüger, editors, Pervasive Computing, Vol. 7319 of Lecture Notes in Computer Science, pp.
406–424. Springer Berlin Heidelberg, 2012.
[18] 神馬豪, 石田宏実, 木下裕司. ゲーミフィケーション. 大和出版, 2012.
[19] 創造井上, 直樹中島. 8. 情報爆発時代のヘルスケア (¡小特集¿情報爆発が創り出すサイバーフィジカルな情
報処理). 電子情報通信学会誌, Vol. 94, No. 8, pp. 700–705, aug 2011.
[20] Fitbit Inc. Fitbit, 4 2013.
[21] Nike Inc. Nike+ fuelband.
[22] Jawbone Inc. jawbone up.
[23] Nike Inc. Nike+ sensor.
[24] Benjamin N Waber, Daniel Olguin Olguin, Taemie Kim, Akshay Mohan, Koji Ara, and Alex Pentland.
Organizational engineering using sociometric badges. Available at SSRN 1073342, 2007.
[25] Steve Hodges, Lyndsay Williams, Emma Berry, Shahram Izadi, James Srinivasan, Alex Butler, Gavin Smyth,
Narinder Kapur, and Ken Wood. Sensecam: A retrospective memory aid. In Paul Dourish and Adrian Friday,
editors, UbiComp 2006: Ubiquitous Computing, Vol. 4206 of Lecture Notes in Computer Science, pp. 177–
193. Springer Berlin Heidelberg, 2006.
[26] 志賀利一, 中嶋宏. システム・ヘルスケア―ict の活用による生活習慣病の予防・改善に向けて-. デジタル
プラクティス, Vol. 4, No. 3, pp. 218–225, jul 2013.
[27] 中野美由紀. インタビュー：九州大学 中島直樹氏，東京大学 山本隆一氏，九州工業大学井上創造氏 インタ
ビュー「医療と情報と社会とビッグデータ」. デジタルプラクティス, Vol. 4, No. 3, pp. 292–301, jul 2013.
[28] 志賀利一, 中嶋宏. システム・ヘルスケア―ict の活用による生活習慣病の予防・改善に向けて―. デジタ
ルプラクティス, Vol. 4, No. 3, pp. 218–225, jul 2013.
[29] Wenzhu Zhang, Lin Zhang, Yong Ding, Takashi Miyaki, Dawud Gordon, and Michael Beigl. Mobile sensing
in metropolitan area: Case study in beijing. In Mobile Sensing Workshop in 13th International Conference
on Ubiquitous Computing (UbiComp’11), 2011.
56
[30] 浩一朗岡. 行動変容のトランスセオレティカル・モデルに基づく運動アドヒレンス研究の動向. 体育學研
究, Vol. 45, No. 4, pp. 543–561, jul 2000.
[31] 中村小百合, 任和子, 生田美智子, 須田恵子, 安江智美. 女子大学生のダイエット行動における変化ステージ
モデルと自己効力感との関係. 滋賀医科大学看護学ジャーナル, Vol. 1, No. 3, pp. 64–69, feb 2005.
[32] Albert Bandura. Self-efficacy: toward a unifying theory of behavioral change. Psychological review, Vol. 84,
No. 2, p. 191, 1977.
[33] 晃二竹中, 広昭上地. 身体活動・運動関連研究におけるセルフエフィカシー測定尺度. 体育學研究, Vol. 47,
No. 3, pp. 209–229, may 2002.
[34] 弘和荒井, 敦詞木内, 友浩中村, 良太郎浦井. 行動変容技法を取り入れた体育授業が男子大学生の身体活動
量と運動セルフ・エフィカシーにもたらす効果. 体育學研究, Vol. 50, No. 4, pp. 459–466, jul 2005.
[35] B. J. Fogg, 高良理, 安藤知華. 実験心理学が教える人を動かすテクノロジ. 日経 BP 社, 日経 BP 出版セン
ター (発売), 2005.
[36] グラフィック社会心理学. Graphic text book. サイエンス社, 1998.
[37] 小塩真司, 阿部晋吾, Pino Cutrone. 日本語版 ten item personality inventory（tipi-j）作成の試み. パーソナ
リティ研究, Vol. 21, No. 1, pp. 40–52, 2012.
[38] Samuel D Gosling, Peter J Rentfrow, and William B Swann Jr. A very brief measure of the big-five personality domains. Journal of Research in Personality, Vol. 37, No. 6, pp. 504 – 528, 2003.
[39] 加菜子山脇, 和弘原田, 恩兒李, 浩一朗岡, 好男中村. ウォーキング行動の変容ステージとセルフエフィカ
シー尺度の開発―３０‐４９歳を対象としたインターネット調査による横断研究―:30-49 歳を対象とし
たインターネット調査による横断研究. 日本健康教育学会誌, Vol. 17, No. 2, pp. 87–96, 2009.
[40] 新一木實, 薫瀬崎. 都市生活における実世界センシング. 電気学会誌 = The journal of the Institute of
Electrical Engineers of Japan, Vol. 129, No. 3, pp. 156–159, mar 2009.
[41] 野鳥データベースプロジェクト.
[42] The great backyard bird count.
[43] Weather news.
[44] Amol Deshpande and Samuel Madden. Mauvedb: supporting model-based user views in database systems.
pp. 73 – 84, 2006/// 2006.
[45] Samuel R. Madden, Michael J. Franklin, Joseph M. Hellerstein, and Wei Hong. Tinydb: An acquisitional
query processing system for sensor networks. ACM Trans. Database Syst., Vol. 30, No. 1, pp. 122–173,
March 2005.
[46] Daniel J. Abadi, Yanif Ahmad, Magdalena Balazinska, Mitch Cherniack, Jeong hyon Hwang, Wolfgang
Lindner, Anurag S. Maskey, Er Rasin, Esther Ryvkina, Nesime Tatbul, Ying Xing, and Stan Zdonik. The
design of the borealis stream processing engine. In In CIDR, pp. 277–289, 2005.
[47] 貴昭名生, 智紀松井, 優榎堀, 信彦西尾. Dwarfstar : ライフログデータ処理のためのフレームワーク (ライ
フログ,¡特集¿データ工学と情報マネジメント論文). 電子情報通信学会論文誌. D, 情報・システム, Vol. 96,
No. 5, pp. 1267–1278, may 2013.
[48] 将徳眞野, 佳治石川. 位置情報サービスにおける属性を考慮したプライバシ保護について (プライバシー,
アーバンセンシングによる情報創出とその応用, 及び一般). 電子情報通信学会技術研究報告. DE, データ
工学, Vol. 111, No. 173, pp. 47–52, jul 2011.
[49] 昇子皆川, 俊介青木, 仁中澤, 英幸徳田. プライバシー保護に配慮したユーザの地理的分布推計手法. 情報
57
処理学会研究報告. UBI, [ユビキタスコンピューティングシステム], Vol. 2013, No. 15, pp. 1–6, may 2013.
[50] 彰下條, 真佑まつ本, 匡秀中村. ライフログのためのマッシュアップ api の db 実装と web サービス化 (情
報セキュリティ, ライフログ活用技術, ライフインテリジェンス, オフィス情報システム, 一般). 電子情報
通信学会技術研究報告. LOIS, ライフインテリジェンスとオフィス情報システム, Vol. 110, No. 282, pp.
101–106, nov 2010.
[51] 勝治宏基, 米澤拓郎, 中澤仁, 高汐一紀, 徳田英幸. Synchrometer:ライフログを利用した日常行動における
他者との類似度生成. 情報処理学会研究報告. UBI, [ユビキタスコンピューティングシステム], Vol. 2013,
No. 17, pp. 1–7, oct 2013.
[52] ProtoGeo. Moves.
58
付録 A
簡易心理テスト
氏名:
No.
10
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
59
付録 B
実験協力承諾書
No.
実験協力承諾書
研究課題名：ライフログデータの共有によるチームの行動変容に関する研究
実施責任者：慶應義塾大学大学院 政策・メディア研究科 修士2年 西山勇毅
実験期間 ：2013年12月6日 2014年2月3日
実験課題の詳細：
自主練習促進プラットフォームを活用した運動：自主練習促進プラットフォーム
（Aaron）を用いて、各自で運動を行って頂きます。その際、振り分けられたグループに
応じて、異なる情報共有を行いますので、実験期間中は一日に一回は、必ずAaronにアク
セスして下さい。本実験中に操作された、Aaronでの操作内容は全て記録させて頂きま
す。
個人情報の取り扱いについて：
また、いかなる場合にも被験者の個人情報が外部に出ることはありません。研究成果を論
文としてまとめる場合には、被験者名はすべて匿名（記号表記）とし、実験データは統計
処理した数値のみを利用します。
協力に対する謝礼：
本実験にご協力いただくに当たって謝礼（500円）をお支払いさせて頂きます。
以上の実験について、被験者として協力することを承認します。また、個人情報の保護を
条件に、実験結果を論文等の形で公表することを承諾します。
日付： お名前： 所属： 住所： 連絡先（電子メールまたは電話）： 60

市川市民としてのあり方、後編

カリスマリーダーはどこにいる？