Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
自分のスマホで動作するアプリ開発の授業
Search
アシアル情報教育研究所
February 22, 2022
Education
0
700
自分のスマホで動作するアプリ開発の授業
2022年2月26日開催の情報科オンラインセミナー『 新学習指導要領スタート直前!―情報Ⅰ指導のポイントを考える―』での同志社 中学校・高等学校 鈴木潤先生の発表資料です。
アシアル情報教育研究所
February 22, 2022
Tweet
Share
More Decks by アシアル情報教育研究所
See All by アシアル情報教育研究所
Monaca Educationコースガイド
asial_edu
0
240
MonacaEducation2025機能アップデート情報
asial_edu
0
120
くだもの図鑑で研修2025
asial_edu
0
140
生徒のアイディア実現のために生成AIを活用したプログラミング授業実践
asial_edu
0
370
系統性を意識したプログラミング教育~ガチャを実装しよう~
asial_edu
0
400
女子商アプリ開発の軌跡
asial_edu
0
400
探究的な学び:Monaca Educationで学ぶプログラミングとちょっとした課題解決
asial_edu
0
380
Monaca Education 活用事例セミナー:「年間通してMonaca Educationを活用する授業実践のご報告」
asial_edu
0
270
令和7年度無料トライアルキャンペーン説明会
asial_edu
0
3.9k
Other Decks in Education
See All in Education
Interaction - Lecture 10 - Information Visualisation (4019538FNR)
signer
PRO
0
2k
IMU-00 Pi
kanaya
0
370
技術文章を書くための執筆技術と実践法(パラグラフライティング)
hisashiishihara
18
6.5k
GitHubとAzureを使って開発者になろう
ymd65536
1
110
プログラミング教育する大学、ZEN大学
sifue
1
530
SkimaTalk Teacher Guidelines
skimatalk
0
790k
i-GIP 2025 中高生のみなさんへ資料
202200
0
490
미국 교환학생 가서 무료 홈스테이 살면서 인턴 취업하기
maryang
0
110
日本の教育の未来 を考える テクノロジーは教育をどのように変えるのか
kzkmaeda
1
210
2025年度春学期 統計学 第10回 分布の推測とは ー 標本調査,度数分布と確率分布 (2025. 6. 12)
akiraasano
PRO
0
140
バックオフィス組織にも「チームトポロジー」の考えが使えるかもしれない!!
masakiokuda
0
110
Avoin jakaminen ja Creative Commons -lisenssit
matleenalaakso
0
1.9k
Featured
See All Featured
Optimizing for Happiness
mojombo
379
70k
VelocityConf: Rendering Performance Case Studies
addyosmani
331
24k
A designer walks into a library…
pauljervisheath
207
24k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
46
9.6k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
229
22k
Mobile First: as difficult as doing things right
swwweet
223
9.7k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
Speed Design
sergeychernyshev
32
1k
Faster Mobile Websites
deanohume
307
31k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Transcript
データサイエンスの未来へ向けた ⼀歩を踏み出そう 早稲⽥⼤学 創造理⼯学部 経営システム⼯学科 蓮池 隆 2022年2⽉26⽇(⼟) 東京書籍・Asial 情報科オンラインセミナー
簡単な⾃⼰紹介から 2 蓮池 隆(はすいけ たかし) • 1981年10⽉24⽇⽣まれ (1024は2の10乗です) • 幼少期〜︓⼤阪で育つ(⼤阪の北端なので,コテコテの⼤阪
ではないです…) • ⼤阪府⽴北野⾼校卒(変な⾼校でした…) • 学部〜博⼠課程,助教(〜2015年3⽉)︓⼤阪⼤学 (修⼠以降は,情報科学研究科情報数理学専攻) • 2015年4⽉〜︓早稲⽥⼤学経営システム⼯学科 • 多趣味,特にスポーツ観戦はかなり広範囲で興味あり • かなりの⾬男(台⾵もかなり呼び寄せます)…
簡単な⾃⼰紹介から 3 蓮池 隆(はすいけ たかし) • 専⾨分野︓オペレーションズ・リサーチ(OR) ▫ 不確実性下での意思決定(確率・ファジィ等々) ▫
サプライチェーンマネジメント(主に数理モデルより) → 最適化理論・数理モデリング寄りの研究 • 早稲⽥⼤学に来て,経営システム⼯学科に⼊ったので… ▫ ECサイトの購買・履歴データからのリコメンデーション ▫ 宿泊施設稼働率最⼤化を⽬指した動的価格設定・最適プ ラン名設定(これらを含めた観光科学) ▫ ⾏動データから⼀⼈ひとりの移動を復元・移動⾏動解析 → データ解析系の研究にシフト?︖
ですので… 4 • 教科「情報」や現・新の学習指導要領に関して,まだまだ 勉強不⾜の点があることは,ご了承ください. • 今回の発表は,あくまで『データサイエンスの研究に携 わっている研究者個⼈の⼀意⾒』としてとらえてください. (データサイエンスに関わる⽅々の共通⾒解や常識とは逸脱 した内容を話す可能性もあります)
⽬次 5 • 『データサイエンティスト』は魅⼒的な職業 • データサイエンスの未来へ向けた⼀歩とは︖ • ⼀歩踏み出した後に考えること • データ処理・分析が⼿軽な時代︖
• AIも栄養バランスの良い⾷事をしないとダメ︖ • まとめ︓データサイエンスは⾯⽩い︕
世の中は… 6 • 「データを持っていない企業は,もう競争に勝てない」 • GAFA(Google, Amazon, Facebook(Meta), Apple)の巨⼤ IT企業の出現で,よりデータの⼒が強くなっている
→(電⼦ベースであれ,紙ベースであれ)膨⼤なデータの 蓄積がある企業は意外と多い • 膨⼤なデータの蓄積はあるが,それをどう活⽤すればよい のかで悩む企業が多い • 「データを的確に分析・活⽤できない企業は 取り残されていく」 → データを扱える⼈材の必要性が⾼まる
周りに⼈材はいないのか︖ 7 • データサイエンティストも含めたICT⼈材の不⾜(全業種) (出典)総務省「IoT時代におけるICT経済の諸課題に関する調査研究」(平成29年)
データサイエンティストとは 8 • 「さまざまな課題の解決や展望を予測するため,膨⼤に蓄積さ れているビッグデータの内容やその分布を調べ,特定の傾向や 性質に基づいた解析によって適切な解決⽅法を提⽰・評価する 職業」(⽇本⼤百科全書(ニッポニカ)) • 「データサイエンスの研究者および技術者.データ分析に不可 ⽋な情報処理・統計学・⼈⼯知能に関する知識と技術が求めら
れる.データアナリスト」(デジタル⼤辞泉) • つまり,データが • 処理できて(プログラミング,エンジニア系) • 分析できて(統計・データマイニング系) • 解決⽅法を提⽰・評価できる(コミュニケーション系) ⼈材のこと.
新⾼等学校学習指導要領解説より 9 「「情報の科学的な理解」に裏打ちされた情報活⽤能⼒を育 むとともに,情報と情報技術を問題の発⾒・解決に活⽤する ための科学的な考え⽅等を育むことが求められている」 • ただやみくもに情報を触るだけではNG!! → ⽬的を持ち,的確な⼿法により情報を収集・分析し, それを活かす能⼒が求められている
• とは⾔っても,そこまで⾝構える必要はない︕
⽬次 10 • 『データサイエンティスト』は魅⼒的な職業 • データサイエンスの未来へ向けた⼀歩とは︖ • ⼀歩踏み出した後に考えること • データ処理・分析が⼿軽な時代︖
• AIも栄養バランスの良い⾷事をしないとダメ︖ • まとめ︓データサイエンスは⾯⽩い︕
では何から始めればよいのか︖ 11 • 素朴な疑問は⽇常の⾄る所にあふれている → ⽇常の「なぜ︖」「どうして︖」がデータ分析の きっかけとなる ⽇常⽣活系 • 「私ジャンケンがすごく弱いんだけど…」
• 「あの⼈,いつもジャンケン勝つよね︖」 • ジャンケンが強い⼈・弱い⼈って特徴はあるのだろうか︖ たまたま︖何回かジャンケンすると強い・弱いがわかる︖
⽇常⽣活系(その2) 12 • 「⼩さい頃から⽜乳を飲むと背が⼤きくなるって本当︖」 • 実際に⾝⻑のデータと「昔から⽜乳をよく飲んでいたか︖」 といったアンケートデータを取り,クロス集計表にまとめて 分析してみる • (ただし,⾝⻑にコンプレックスがある学⽣もいるかと思う
ので,実際の⾝⻑というよりも,⼩学校1年の時の⾝⻑から 何㎝伸びたかといったデータの⽅がよいかも) ◦◦㎝ 未満 ◦◦㎝〜 △△㎝ △△㎝〜 □□㎝ … 飲んでいた … 飲んでない …
では何から始めればよいのか︖ 13 • 素朴な疑問は⽇常の⾄る所にあふれている → ⽇常の「なぜ︖」「どうして︖」がデータ分析の きっかけとなる マーケティング系 • 「Webを通じて買い物をすると,推薦商品として⾃分の
好みの商品がちゃんと出てくるんだけどどうして︖」 • 先端の機械学習・AI⼿法が利⽤されているが,データを 収集することがおそらくできない…(それだけ,購⼊・閲 覧履歴データには価値がある)
マーケティング系(その2) 14 • 「コンビニエンスストアやコーヒーショップって隣り合う 場所に合ったりするけど,どうしてなんだろう︖」 • 実際にコンビニエンスストアやコーヒーショップが隣接し ている(もしくはかなり近い場所にある)場所がどのくらい あるか集計する •
⾃社の他の店舗,同業種の競合他社,ドラッグストアなど の競合他社との距離関係も⾒てみると⾯⽩いかも • 参考︓ホテリングの⽴地モデル(1929年発表) http://gametheory.jp/page.php?id=96 (最終閲覧⽇︓2022年2⽉22⽇)
では何から始めればよいのか︖ 15 • 素朴な疑問は⽇常の⾄る所にあふれている → ⽇常の「なぜ︖」「どうして︖」がデータ分析の きっかけとなる 都市伝説・⾔い伝え系 • 「1」から「9」までの数字の中から,「8」とか「3」とか
好きな数字を1つだけ選んで,それを頭に思い浮かべてく ださい.
では何から始めればよいのか︖ 16 • 素朴な疑問は⽇常の⾄る所にあふれている → ⽇常の「なぜ︖」「どうして︖」がデータ分析の きっかけとなる スポーツ系 • 野球︓2点差で負けている7回裏,ノーアウト1塁の状況で
送りバントをする⽅がよいか︖ • テニス・バレーボール・卓球︓サーブの時,どのコースに どの球種でサーブを⼊れた⽅が得点がとりやすいか︖ • スポーツ系のデータサイエンスは,今熱い領域
⽬次 17 • 『データサイエンティスト』は魅⼒的な職業 • データサイエンスの未来へ向けた⼀歩とは︖ • ⼀歩踏み出した後に考えること • データ処理・分析が⼿軽な時代︖
• AIも栄養バランスの良い⾷事をしないとダメ︖ • まとめ︓データサイエンスは⾯⽩い︕
データ処理・分析の観点から 18 「データに基づく現象のモデル化やデータの処理を⾏い解釈・ 表現する⽅法について理解し技能を⾝に付けること」 • 極論をすれば,今は「誰でもできてしまう」 ▫ ハード⾯︓計算機⾃体の⾶躍的な性能向上 (⼤規模データでも扱えてしまう) ▫
ソフト⾯︓データ解析ソフトの普及と性能向上 (SPSS, SASはもちろん,RやExcelも) → データさえあれば,何も考えず,ボタンをポチっと押す だけで何らかの結果が出てしまう… (中では,重回帰分析やら因⼦分析やら,何かしらの分析⼿ 法が適⽤されているのだが…)
今の⾼校⽣はプログラミングができる?! 19 • W⼤学のある学科の1年⽣︓C⾔語の授業における初回レ ポートの感想より • 「なんでPythonをやらないんですか︖今やデータ解析に ⽤いるディープラーニングや機械学習のプログラムは Pythonで書くのが主流なのに…」 •
少し勉強すれば,⾼校⽣でも先端のデータマイニング⼿法 を実装することができる時代 → 様々なパッケージが⽤意されているので,それを呼び 出せばOK(中⾝は理解していないとしても…) しかし…,中⾝を理解していないと…
重回帰分析であれば… 20 • ある店舗の売上を考えるオーナーがいたとして… ▫ 「⽉間の売上数は,来店客数・気温・⾬の⽇数・降⽔量・ イベントの有無が関わっていそうだ」 ▫ 「おっ,結果が出た︕これで売上数に何が・どのように 聞いているかわかるぞ︕」
▫ 「あれ︖全く売上が伸びないじゃないか…」 • 重回帰分析で気をつけるべきこと(多重共線性)を理解してい れば,このような結果にならなかったかも… 重回帰分析 次⽉適⽤してみたが…
他にも 21 • 擬似相関の罠 「かき氷の売上と⽇中の気温には正の相関がある」 「⽇中の気温と熱中症患者には正の相関がある」 「かき氷の売り上げ増加が熱中症患者増加の原因である」 • ディープラーニングもいいことばかりではない →
中⾝はブラックボックスであることが多い =「なんかよくわからないけど,うまくいく」 誤った判断をすると なぜそのような結果がでるのか︖を分析できる⼒を養わせる ことこそ「情報」の授業での役割
⽬次 22 • 『データサイエンティスト』は魅⼒的な職業 • データサイエンスの未来へ向けた⼀歩とは︖ • ⼀歩踏み出した後に考えること • データ処理・分析が⼿軽な時代︖
• AIも栄養バランスの良い⾷事をしないとダメ︖ • まとめ︓データサイエンスは⾯⽩い︕
分析のポイントは『データの質』 23 • 『ビッグデータ』という⾔葉が世間で広まり始めた頃… →「何でもいいからデータを⽚っ端からたくさん集めて分析 すれば,何か良い結果が得られるでしょ」 例︓若者の趣味嗜好を,⽇頃の⾷料品や飲料品の購買履歴から 分析したい • 購買履歴のデータは⼭ほどあるが,男⼥の区別や年齢の区別,
さらには品⽬も⼤雑把なデータである場合… → ⽬的に合った分析ができるはずもない…
分析のポイントは『データの質』 24 • ⽬的に合ったデータがあったとしても『質』が悪ければどう しようもない 例︓(私が体験した実例) • 商⽤トラックの運⾏履歴(GPS)データを解析して,休憩場所 や運⾏の効率化を⾏いたい →
トラックのデータというだけで,どのくらいの⼤きさの トラックなのかいう情報なし → 本来は1台のトラックに固有のIDが割り振られているはず だが,なぜか1秒で数百㎞先を⾏ったり来たりするデータ が散⾒
分析のポイントは『データの質』 25 • 誤ったデータを学習データとしたAIは,(当たり前ですが) 間違った判断をする→データの誤りに気付くことが重要 • シンプルに,平均値や中央値・ばらつき(分散)・最⼤値や 最⼩値・歪度などを計算したり,散布図や度数分布表など を利⽤して,データを可視化することが重要
新⾼等学校学習指導要領解説より 26 「多様かつ⼤量のデータの存在やデータ活⽤の有⽤性,データサイ エンスが社会に果たす役割について理解し,⽬的に応じた適切な データの収集や整理,整形について理解し技能を⾝に付け」 「信頼性の⾼いデータを収集し適切に問題解決に活⽤するために必 要なデータの整理や整形,データを収集する際に存在する様々なバ イアスやデータの⼊⼿元の違いによる信頼性を含めたデータの特性 について判断する⼒を養う」 『データサイエンスにおける情報活⽤能⼒
≒質の⾼いデータの収集⼒+適切なデータ分析⼿法適⽤⼒ +分析結果を正しく理解し,伝える能⼒』 を養うことの重要性
⽬次 27 • 『データサイエンティスト』は魅⼒的な職業 • データサイエンスの未来へ向けた⼀歩とは︖ • ⼀歩踏み出した後に考えること • データ処理・分析が⼿軽な時代︖
• AIも栄養バランスの良い⾷事をしないとダメ︖ • まとめ︓データサイエンスは⾯⽩い︕
まとめ 28 • まずは,疑問に思ったことが”解決できそうな”データを 集めてみよう → データを集計するだけでも⾒えてくることがある 統計⼿法を使えば,さらに⾯⽩い結果がわかるかも • データの切り⼝は様々で,テーマ設定や分析⽅法で結果
の⾒え⽅も多様になる • (180度でなくても)常識を覆すような結果が出てくれば, そこに「⾯⽩さ」という宝物が詰まっている︕ ご清聴ありがとうございました