［改訂新版］ AI データサイエンスリテラシー入門(カイテイシンパンエーアイデータサイエンスリテラシーニュウモン)

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

数理・データサイエンス・ AI 教育のモデルカリキュラム (リテラシーレベル) 、通称 MDASH は 2020 年 4 月版の策定後、 2024 年 2 月に改訂されました。技術評論社から 2024 年 9 月に刊行された本書は、 2022 年刊の『 AI データサイエンスリテラシー入門』をこの改訂カリキュラムに対応させた改訂新版です。著者は初版と同じく吉岡剛志氏、森倉悠介氏、小林領氏、照屋健作氏の 4 名で、「導入」「基礎」「心得」というモデルカリキュラム準拠の 3 章構成も引き継がれています。

内容面で一貫しているのは、想定読者の下限を思い切って低く置いていることです。中学数学に不安があり、コンピュータ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、やさしい解説を徹底しています。基礎の章では Excel の基本操作を学んだ後、与えられたデータをもとに可視化、基本統計量、ヒストグラム、散布図と相関係数、クロス集計へと進み、「データを読み、データを説明し、データを扱う」という 3 つの動作を実際に手を動かして体験する作りです。

リテラシーレベルで求められる範囲を 1 冊で網羅できるため、教科書としての採用しやすさが際立ちます。講義と Excel 実習を織り交ぜた半期 15 回の授業計画のモデルケースも載っており、担当が決まったばかりの教員がそのまま授業を組み立てられる実務性を備えた教科書です。