［改訂新版］AI データサイエンスリテラシー入門

政府による「AI 戦略 2019」では, 文理を問わず, すべての大学・高専生 (約 50 万人卒 / 年) が正規課程でリテラシーレベルの数理・データサイエンス・AI を修得することを目標としました。そして各大学・高専で参照可能な「数理・データサイエンス・AI (リテラシーレベル) モデルカリキュラム」が策定されました (2020 年 4 月版)。このモデルカリキュラムが 2024 年 2 月に改訂されました。
本書は「数理・データサイエンス・AI (リテラシーレベル)」通称 MDASH に準拠した教科書です。2024 年 2 月改訂の MDASH に対応しています。章構成は, モデルカリキュラムの「導入」「基礎」「心得」に沿った内容となっています。
一部の私立文系の大学では, 中学数学すら修めていない学生が多く, コンピュータリテラシーも低い傾向にあります。本書は, そういった私立文系学生でも無理なく学べるよう, やさしく解説しています。Excel の基本的な操作を学習したあと, 与えられたデータをもとに「データを読み, データを説明し, データを扱う」ことを, 実際に動かしながら理解します。このデータ分析の演習を通して, データサイエンスを体験できます。
本書で「リテラシーレベルのモデルカリキュラムを網羅できる」ため, 教科書として採用しやすい内容となっています。講義と Excel 実習をバランスよくおりまぜた半期 1 コマ 15 回の授業計画のモデルケースを紹介しており, コンピュータリテラシー担当教員がすぐに数理・データサイエンス・AI のリテラシー授業を始めることができます。
第 1 章 ［導入］社会におけるデータ・AI 利活用
1-1 社会で起きている変化
1-2 社会で活用されているデータ
1-3 データ・AI の活用領域
1-4 データ・AI 利活用のための技術
1-5 データ・AI 利活用の現場
1-6 データ・AI 利活用の最新動向

第 2 章 ［基礎］データリテラシー
2-1 Excel の基本的な操作方法
2-2 時系列データの可視化
2-3 平均の算出とその可視化
2-4 標準偏差の算出とその可視化
2-5 大量のデータを扱う方法
2-6 基本統計量の算出と箱ひげ図
2-7 度数分布表とヒストグラムの作成
2-8 散布図の作成と相関係数の算出
2-9 定性データの扱い方とクロス集計

第 3 章 [心得] データ・AI 利活用における留意事項
3-1 データ・AI を扱う上での留意事項
3-2 データを守る上での留意事項

『［改訂新版］AI データサイエンスリテラシー入門』 (吉岡剛志、森倉悠介、小林領、照屋健作 著、技術評論社、2024 年 9 月刊) は、文理を問わず大学 / 高専生が身につけるリテラシーレベルの数理 / データサイエンス / AI を、Excel の操作と簡単なデータ分析の演習で学ぶための教科書です。版元の紹介文によると、各大学 / 高専が参照するモデルカリキュラム (2020 年 4 月版) が 2024 年 2 月に改訂されたことを受け、本書はその改訂版に対応しています。版元が読者として挙げるのは、この分野の授業を考えている先生、履修する学生、モデルカリキュラムで学びたい社会人の三者です。

導入 / 基礎 / 心得の 3 章で組んだモデルカリキュラム準拠の構成

版元は本書を、「数理・データサイエンス・AI (リテラシーレベル)」通称 MDASH に準拠した教科書と説明しており、章構成もモデルカリキュラムの「導入」「基礎」「心得」に沿った全 3 章です。第 1 章「［導入］社会におけるデータ・AI 利活用」は、社会で起きている変化、社会で活用されているデータ、データ / AI の活用領域、利活用のための技術、利活用の現場などの節で、データと AI が使われる場面を広く見渡します。第 2 章「［基礎］データリテラシー」が演習の中心で、Excel の基本的な操作方法から始まり、時系列データの可視化、平均と標準偏差の算出とその可視化、大量のデータを扱う方法、基本統計量と箱ひげ図、度数分布表とヒストグラム、散布図と相関係数を経て、定性データの扱い方とクロス集計へ進みます。第 3 章「[心得] データ・AI 利活用における留意事項」は、データ / AI を扱う上での留意事項と、データを守る上での留意事項の 2 節です。

平均 / 標準偏差 / 相関を自分で求めることの意味

リテラシーレベルの教育で問われるのは、高度なモデルを組む力よりも、目の前の数字が何を示していて何を示していないかを読み取る力です。平均だけを見ると、ばらつきの大きいデータと小さいデータが同じに見えてしまいます。標準偏差や箱ひげ図はそのばらつきを数値と図で示し、ヒストグラムは分布の偏りや外れ値の有無を浮かび上がらせます。散布図と相関係数は 2 つの量の関係の強さを測りますが、相関が強いことは一方が他方の原因であることを意味しません。こうした 統計学 の基本の見方は、報道のグラフや社内の報告資料を読む場面でそのまま使えます。Excel は関数とグラフ機能で計算の過程を一つずつ確かめながら進められるため、プログラミングを学ぶ前の段階で データ分析 の考え方に触れる道具として扱いやすい表計算ソフトです。

私立文系の学生を想定したやさしさと半期 15 回の授業計画

版元は、中学数学に不安があり、コンピューターの操作にも慣れていない私立文系の学生でも無理なく学べるよう、やさしく解説したと説明しています。与えられたデータをもとに「データを読み、データを説明し、データを扱う」ことを実際に動かしながら理解する作りで、この演習を通して データサイエンス を体験することが狙いです。NDL の書誌にはサンプルデータのダウンロードの注記があり、版元のページにはサポートページが用意されています。教員に向けては、講義と Excel 実習を組み合わせた半期 1 コマ 15 回の授業計画のモデルケースが紹介されており、版元はコンピュータリテラシーの担当教員がすぐにリテラシー授業を始められる内容と位置づけています。

一方で、Python や R を使った分析、機械学習のモデル構築、統計的な推定や検定の理論までを学びたい人には、本書の範囲は合いません。第 2 章の演習は可視化と基本統計量、相関、クロス集計までで、次の段階は別の本で補う前提になります。数理 / データサイエンス / AI のリテラシー授業を受け持つことになった教員や、その授業の教科書として指定された学生、数式に苦手意識があってもデータを読む力を一から固めたい社会人にとっては、モデルカリキュラムの範囲を 1 冊でたどれる本書が候補になります。