生成AIを授業の相棒にするデータサイエンス入門（「デジタル✕探究」イノベーターズフォーラム テクニカルセッション講演資料）

生成AIが一部の学校にしか浸透していない今こそ、先生の隣で働く相棒として使い、探究を感想から検証へ寄せる。要約統計・箱ひげ・相関などを入口に、授業準備／観点設計／データ解釈を支援する実例を提示。情報Ⅱがなくても回せる「明日の授業」テンプレも紹介する。

デジタル×探求 イノベーターズフォーラム（2026年3月22日 開催）内での講演資料。
イベント詳細はこちら → https://www.ryugasaki1-h.ibk.ed.jp/info/digitan/2026

Transcript

1. 「デジタル✕探究」イノベーターズフォーラム テクニカルセッション 生成AIを授業の相棒にするデータサイエンス入門 2026年3月22日 一般社団法人 データサイエンティスト協会 学生委員会 藤井 健悟 上田 知展
2. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 1 名前：藤井 健悟 社名：コニカミノルタ株式会社 出身高校：神奈川県立鎌倉高校 経歴 2018年 明治大学大学院 応用化学専攻卒業 ➢ 福島原発事故で飛散した放射性物質の動態解析 2018年～現在 コニカミノルタ株式 入社 ➢ 商業用印刷機のメカ設計・システム開発 ➢ 印刷機購入見込み顧客の予測モデル開発 ➢ 音声認識モデル開発 2023年9月 DS協会 学生委員会・企画委員会 参加 ひとこと • 高校の先生方とつながりを持てればと思います！ 自己紹介①
3. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 2 名前：上田 知展 社名：大同生命保険株式会社 出身高校：大阪府立牧野高校 経歴 2021年 滋賀大学データサイエンス学部 卒業（1期生） 2021年～ T&D情報システム株式会社 入社 2024年 大同生命保険株式会社 転籍 ➢ 営業や契約事務に関する分析、社内DS教育 等々… 2024年 データサイエンティスト協会 学生委員会 参加 ➢ 高校体験教室、情報Ⅱ補助教材作成、大学向けセミナー ひとこと • 将来の社会人である学生に期待しています！ 自己紹介②
4. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 3 団体名称 和文：一般社団法人 データサイエンティスト協会 英文：The Japan DataScientist Society URL：http://www.datascientist.or.jp 設立日 2013年5月15日 目的 社会のビッグデータ化に伴い重要視されているデータサイエン ティスト（分析人材）の育成のため、その技能（スキル）要件の定義・ 標準化を推進し、社会に対する普及啓蒙活動を行う。 分析技術認定（レベル認定）などの活動を通じて、分析能力の向上を図 るための提言や協力を惜しまない支援機関として、高度人材の育成と データ分析業界の健全な発展に貢献する。 代表者 高橋 隆史 所在地 東京都港区六本木1-4-5 16F WeWorkアークヒルズサウスタワー 会員数 法人会員 約１２０社、一般会員 約2０,0００名 データサイエンティスト協会のご紹介
5. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 現在８つある委員会や支部のひとつ。 スキル定義委員会 ・データサイエンティストのスキ ル定義 ・スキルチェックやタスクリスト の普及活動 企画委員会 ・各種セミナー、イベントの企 画運営 ・講座等の企画運営 調査研究委員会 ・データサイエンティスト職の実 態調査 ・DS業界動向の研究および発 表 DS検定部 コミュニティ・ハブ委員会 ・協会内コミュニティ運営及 び活性化 ・DS検定の作問 ・検定の運営、監査、PR 学生委員会 ・中/高生向け活動（体験授業等） ・大学/大学院向け活動（セミナー等） ・学生コミュニティ運営 ・学生向けコンテンツの作成・就活支援 地域支部（関西、中四国、九州） ・地域のDS企業間連携 ・地域のDSの交流 ・東京と地域とのハブ機能 学生委員会について 4
6. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 『学生や教員の興味関心・成長に寄り添い、学生がデータサイエンスを 使いこなす社会人になっていくことを支援する。』 • 次世代のデータサイエンス人材の育成・輩出 – 世界に通用する/日本を背負うデータサイエンスの力をつけた人材 – 企業・産業での活躍だけでなく、研究やアカデミアまで、データサイエンスの発展に資する人材 • 次世代のデータサイエンスの活用があたりまえの社会の実現 – データサイエンスの専門家だけでなく、データサイエンスの知識とスキルをもつ実業家や起業家な どが当たり前となる、みんながデータサイエンスを基礎教養としてもつ社会の実現に貢献する。 Powered by DALL·E 3 学生委員会の理念・ビジョン 5
7. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 活動目標 データサイエンスを身近に感じてもらい、将来の選択肢にしてもらう 現在の取り組み内容 • 中高生向け 出前データサイエンティスト体験授業の開催 ✓ 高校教員と連携して体験型セミナーを実施 ✓ 中高生にとって身近な「コンビニ」の事例に、出店場所をデータドリブンで決めるワークを体験 ✓ 今年度は関東を飛び出し、関西、九州でも実施 （奈良市立一条高等学校附属中学・東福岡高校・下北沢成徳高校・英明フロンティア高校 等） • 教員向け 情報II教材の作成＆TT会 ✓ 情報II授業向けの補助教材を作成 ✓ 説明動画も合わせて提供 • 他団体タイアップ ✓ 「デジタル×探究」イノベーターズフォーラム（デジ探）後援 ✓ 人工知能学会 AIーCup後援 中高部の活動 6
8. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 真剣にワークに取り組んでくれてます 授業後も熱心に質問してくれました 各データサイエンティストがそれぞれ 自分の仕事を紹介。多種多様 データサイエンティストのおしごと紹介 仕事さながらのヒアリング体験も 提案のプレゼン。ドキドキ 中高生向け 出前データサイエンティスト体験授業 7
9. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 情報Ⅱ授業用教材の作成 「デジタル×探究」イノベーターズフォーラムにおけるメタバース上での講義 オンラインでの講演 人工知能学会 AIーCupでの後援 中高部の活動 教員向け補助教材の作成＆他団体タイアップ 8
10. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 9 本題 生成AIを授業の相棒にするデータサイエンス入門 ご質問などございましたら、Zoomのチャットに投稿お願いいたします！
11. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 10 先生のみなさんへご質問 探究活動の指導、難しくないですか？
12. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 11 背景：探究活動の指導が難しい要因 先生サイド：リソース不足 生徒サイド：レベルのバラつき 探究活動の指導の難しさは「生徒サイドの課題」と「先生サイドの課題」の2面ある認識 探求活動の指導の難しさ
13. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 12 目的：探究を感想から検証に引き上げ 生成AIを先生の相棒にした 生徒への具体的な「問いかけ」の習得 生徒に対して「生成AIに◦◦って聞いてみたら？」と 具体的にアドバイスできる状態を目指す。 生成AIを「先生の相棒」として活用することで、指導の質と効率を同時に高めることを目指す。
14. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 13 ご説明の流れ まずはよい探究結果をご紹介したうえで、探究の各ステップでの生成AIの活用方法をご紹介。 ～前半～ よい探求結果とは 良い探求結果にはどのような特徴が あるのか具体例を交えてご紹介 ～後半～ 各ステップでの 生成AIの活用方法 探究活動のプロセス「PPDAC」の ステップごとにどのように生成AIを 活用できるかご紹介
15. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 14 よい探求結果とは これまで見てきた「よい探求結果」には以下の特徴があった。 なにを明らかに できるかを 理解し、 次の問いを 立てられている ストーリーに 一貫性がある 適切な比較・ 可視化が できている
16. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 15 よい探求結果 例①：ストーリーの一貫性 ⚫ 良い例：「背景→目的→考察→結論→提言」が繋がっている ⚫ 各セクションが前のセクションの内容を受けて展開されていることが重要 具体例 テーマ 「高校生の眠眠時間と学業成績の関係」 背景、近年、高校生の眠眠不足が社会問題。スマホ利用による変更が増加 目的、眠眠時間と定期テストの成績に相関があるか、200名のアンケート調査で検証する 考察、6時間未満の生徒は平均点が15点低い傾向。特に数学で顕著（20点差） 結論、眠眠時間と成績には有意な負の相関がある（r=-0.42, p<0.01） 提言、学校での眠眠教育プログラムの導入と、スマホ利用ルールの策定を提案 ポイント ◼ 各セクションが論理的につながり、前のセクションを受けて次が展 開されている ◼ 「背景」で示した問題が「提言」で解決に向かう、一周する構成 ◼ 読み手が「なぜ、どうやって、だからどうする」の順で理解できる ◼ 各ステップに具体的な数値や根拠があり、説得力がある 背景 問題の 重要性 → 目的 何を 調査 → 考察 探求を 分析 → 結論 探求から 何がいえる → 提言 改善を 提案 1 2 3 4 5
17. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 16 よい探求結果 例②：なにを明らかにできるかを理解し、次の問いを立てられている 仮説に対しての実証を行い、課題を整理し次の取り組みを記載できている。 1 仮説設定 「▪▪は□□に影響しているのではないか」 ▼ 2 データ分析 仮説を検証するためのデータ収集・分析 ▼ 3 結果の考察 仮説は正しかったか。予想外の発見は。 ▼ 4 次の問い！ 残された課題と今後の取り組みを提示できるか？ •「調べて終わり」ではないことが重要 • 次のアプローチを考えられているかが重要 なぜこのプロセスが重要か。 • 「何を明らかにしたいか」が明確になる。 • 結果を考察し「なぜそうなったか」を掛け平げることで、表面的な 分析を超えた深い理解が得られます。 • 次の問いを立てることで、探究が一回で終わらず、継続的な学びに つながります。 ポイント
18. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 17 よい探求結果 例③：適切な比較・可視化ができている グラフの選択、グルーピング、凡例など適切な可視化ができている 凡例・軸ラベル・タイトルが揃っている 単位（%）が明確に記載されている 出典が明記されている（右下） 凡例がない（青と赤が何かわからない） 軸ラベル・単位がない タイトルが曖昧（「データの内訳」） ポイント データを見せるだけでなく、適切な可視化で「何が言えるか」を伝えられるようになっているか？が重要 Good Bad
19. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 18 よくある惜しい例 例 1 テーマが壮大すぎる 例： 「再生可能エネルギーの各国の普及率」 ▼ 1枚のポスターで扱っているテーマ： 再エネとは 目的（3つ） 普及の背景 社会的意義 先進国の比較 アフガニスタン サブサハラ AI活用 発電力比較 結論・補足 ↑ これだけのテーマを1枚に！ 何が問題？ 先進国・途上国・AI活用まで広く扱いすぎて、各論 点が浅くなっている。 例 2 提言なしの感想 例： 「日本の犯罪率は増加しているのか？」 ▼ ポスターの論理展開： Q1. 犯罪認知件数の推移データ ▼ Q2. 近年の犯罪增加：特殊詐欺・高齢化 ▼ 「高齢者が狙われていると考えられる」 → 感想だけで提言がない！ 何が問題？ データの紹介と「〜と考えられる」で終わり、「だからど うすべきか」がない。 例 3 論理が飛躍している 例： 「スマホ社会に奪われる学生の視力」 ▼ ポスターの論理展開： スマホ普及率・利用時間のデータ ▼ スマホ利用時のまばたき回数が少ない ▼ ？？？ ▼ 「スマホが視力低下の原因」 → 相関と因果を混同している！ 何が問題？ スマホ普及→視力低下の因果関係が示されていな い。相関と因果は別物。
20. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 19 探求活動の流れ（PPDAC） 以下のPPDACの流れで探究活動を進めている認識。 Pr Problem Pl Plan D Data A Analysis C Conclusion 問題を定義する ・テーマを決める ・問題を発見する ・問いを立てる ・課題を設定する ・仮説を立てる 計画を立てる ・データ収集の 方法を調査する ・分析計画を 立てる データを扱う ・データを収集する ・データを整理する ・データを整形する 分析する ・可視化する ・特徴量を求める ・データの特徴を 読み解く 結論づける ・結論をまとめる ・考察する
21. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 20 各ステップでの生徒に起こるバラつき要素 各ステップごとに「生徒のレベルのバラつき」があると考えられる。 Pr Pl D A C 問題を定義する 計画を立てる データを扱う 分析する 結論づける テーマ・問い・仮説 収集方法・分析計画 収集・整理・整形 可視化・特徴量・解釈 結果・考察・提言 生徒に起こるバラつき・課題 生徒に起こるバラつき・課題 生徒に起こるバラつき・課題 生徒に起こるバラつき・課題 生徒に起こるバラつき・課題 テーマの粒度（壮大すぎる） 課題の具体性がない 仮説の立案ができていない 検証計画のデザインができない 手順の具体化ができていない サンプルサイズ不足 検証に必要なデータでない データの取得可否が不明 外れ値・欠損値への対応 仮説の正しさを明らかにできない 集計方法・グラフ選択の誤り 次の問いが出ない 問いと結論の不一致 ストーリーの一貫性 読み手に伝わりにくい
22. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 21 現状の課題解決に向けて 生成AIを活用したステップごとのアドバイスを身につけ、指導の質と効率を同時に高める。 生成AIを「先生の相棒」として活用する そのために、まずは具体的な「問いかけ」を習得！ 生徒に対して「生成AIに◦◦って聞いてみたら？」と具体的にアドバイスできる状態を目指す。 先生サイド：リソース不足 生徒サイド：レベルのバラつき 探求活動の指導の難しさ
23. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 22 各ステップでの生成AIの役割 生成AIをうまく使うことで、生徒自身では考えにくい・気付きにくい内容を引き出してくれる。 Pr 問題を定義する Pl 計画を立てる D データを扱う A 分析する C 結論づける 生成AIの役割 発散と収束の支援 手順化とたたき台作成 レビューと言語化 主にPr（問題）フェーズで活躍 主にPl（計画）～D（データ）で活躍 主にA（分析）～C（結論）で活躍 • 興味関心からのテーマ出し • 観測可能な問いへの変換 • 仮説の洗い出しと絞り込み • データ収集方法のリストアップ • 分析に必要なカラム定義案 • データ整形の注意点をアドバイス • グラフからの読み取りサポート • 結果から提言へのロジック整理 • まとめ時の言語化支援
24. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 23 Pr：問題を定義する 生成AIの役割 TEACHER’S ADVICE 「その興味、測れる形の問いに直してみよう。AIに候補を出させてみて。」 このステップの狙い よくある詰まりポイント AIへの依頼例（プロンプト） 興味からテーマ案を生成 「私の興味は◦◦です。 ◦◦に関して高校生でもデータで検証できる探究テーマを5個考えて。」 課題の定義 「◦◦のうち、××をもっと良くできないか知りたいです。 課題として定義して、何を明らかにすればいいか考えて。」 仮説の立案 「△△って、□□によって変わるんじゃない？（生徒の経験や知識をぶつける） △△するにあたって、効果に影響を与える要素を他にも考えて。 その際、自分がコントロールできるものは何か識別して教えて。」 期待される生成AIとのやり取り（イメージ） ポイント 漠然とした興味を「観測可能な問い」と「仮説」に落とし込む 「興味はあるが測れない」「あいまいでデータ化できない」 「面白そう」だけでなく「データで測れるか」という視点を AIに補ってもらうことで、のちのステップの手戻りを防ぎ ます。 私はハンドボール部のキーパーです。 7mスローをもっと止めれるようになりたいです。 データで検証できる探究テーマを考えて。 7mスローにおけるキーパーのフェイントの有効性を 検証してみてはどうでしょうか？ フェイントするにしても、相手が右利きか左利きかで 変わってこない？ いい視点ですね。大きくは「シューターの属性（利き手 等）」「キーパー側の動作」「環境・心理的状況」が影響を 与えます。コントロールできるのはフェイントといった 「キーパー側の動作」です。
25. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 24 Pl：計画を立てる 生成AIの役割 TEACHER’S ADVICE 「仮説を検証するための計画を立てよう。AIに立てさせてみて。」 このステップの狙い よくある詰まりポイント AIへの依頼例（プロンプト） 検証計画のデザイン 「仮説『◦◦』を検証するために、対象、方法、期間、集めるデータ、分析方法を 含めた計画を作って。高校生でも実行できる内容にして。」 実施手順に分ける 「この探究を、データ収集・集計・分析・報告の段階に分けて、やることを順番に 整理して。各段階で必要な作業も書いて。」 論理の穴を見つける 「この探究をするにあたって、論理の穴を見つけて。」 ポイント 立てた仮説の検証を実現可能な計画に落とし込む 「計画が立てられない」「検証のデザインがわるい」 5W1Hを意識した計画になっているか？それが高校生で実現 できる計画なのか？探究する際の論理の穴はないか？を チェックすることで後戻りを防ぎます。 「キーパーのフェイントが有効か」を検証するための 計画を立てて。各段階で必要な作業も書いて。 まずデータ収集では、・・・ この分析をするにあたって、論理の穴を見つけて。 「サンプルサイズ」に意識しましょう。部活内で各10本程度 のデータを集めただけでは、たまたま止まっただけの「誤 差」なのか区別がつきません。 また、「慣れ」によるデータの汚染にも気を付けましょう。 期待される生成AIとのやり取り（イメージ）
26. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 25 D：データ収集 生成AIの役割 TEACHER’S ADVICE 「仮説の検証に必要なデータはなにか考えよう。AIに調査させて確認してみて。」 このステップの狙い よくある詰まりポイント AIへの依頼例（プロンプト） 仮説の検証に必要なデータを定義する 「仮説『◦◦』を検証するために必要なデータを教えて。 項目としては何が必要？」 集め方を決める・公開されている統計データを探す 「データはどうやって集めたらいい？集めるために必要な機器はなに？」 「仮説『◦◦』を検証するのに使えそうな公開されている統計データを挙げて。 」 外れ値や欠損値への対応 「データを収集した場合にどのようなデータが外れ値になり得る？ 外れ値や欠損値がある場合、どのように対応したらいい？」 ポイント 仮説検証に必要なデータを収集する 「検証用データになっていない」「データが取れない」 どのようなデータを集めるかを事前に決めておきましょう。 また、必要なデータを自分で集める必要があるのか？それと も自分で集める必要があるかを確認することが重要です。 外れ値や欠損値にどう対応するかも事前に決めましょう。 「キーパーのフェイントが有効か」を検証するために 必要なデータを教えて。 Excelを用意して項目として以下を記録しましょう。 「試行番号」「シューター名」「利き手」「フェイ ントの種類」「結果」等。 どうやって集めればいい？ 上記のExcelに都度記録していきましょう。 さらに、客観的データを収集するための動画データ、シュー ターの心理データを収集するためにアンケートデータも取り ましょう。 期待される生成AIとのやり取り（イメージ）
27. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 26 A：分析する 生成AIの役割 TEACHER’S ADVICE 「可視化した表やグラフの特徴や解釈の言語化をAIと一緒にやってみて。」 このステップの狙い よくある詰まりポイント AIへの依頼例（プロンプト） 仮説検証のための表やグラフを作る 「仮説『◦◦』が正しいかを明らかにするためには、どういう表やグラフを作れば いい？」 可視化結果の特徴を読み取る 「作成した表やグラフから何が言えるか一緒に考えて。 仮説『◦◦』は正しいといえそうか考えて。」 次の問いを考える 「グラフを見ると仮説『◦◦』は正しいと主張できなさそうなんだけど、なんで正 しいといえないか理由を深堀りして。次に検証する必要がある仮説を考えて。」 期待される出力イメージ ポイント データ見る観点をサポートする 「データの見方がわからない」「次の問いにつながらない」 一つの見方だけで分析するのではなく、多角的な視点をAI を使いながら考えてもらうことが重要です。 仮説が正しくない場合に、次の問いを考えることも重要です。 「キーパーのフェイントが有効か」を検証するために 必要な表やグラフの作り方を教えて。 まずはフェイントのあり／なしごとに、キーパーの セーブ率を集計した表を作成しましょう。 フェイントなしの方がセーブ率高かったんだけど、なんで？ 「フェイントがシューターに対して有効ではない」もしくは 「フェイントすることに慣れていないキーパーが、普段の実 力を発揮できていない」という2つが考えられます。 フェイント時に普段の実力は発揮できていると感じますか？
28. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 27 C：結論づける 生成AIの役割 TEACHER’S ADVICE 「最初の問いに戻って、結果から言えることをAIと整理してみて。」 このステップの狙い よくある詰まりポイント AIへの依頼例（プロンプト） 結論をまとめる 「このデータ分析の結果から言えることを論理的にまとめて。 結果から得られた示唆をもとに提言もして。」 1つのストーリーにする 「定義した課題、立てた問い（仮説）、仮説の検証結果、そこから得られた示唆と 提言を1つのストーリーにしてまとめて。」 読み手に伝わりやすくする 「読み手に分かりやすくするにはどういう工夫ができる？またデータからわからな いことを言いすぎていないかや、論理の飛躍がないかをチェックして。」 期待される出力イメージ ポイント 分析結果をもとに問いに答える 「問いと結論がつながらない」「提言なしの感想で止まる」 「◦◦が分かった」という感想で終わりがちな探究活動です が、「◦◦なので××するのが良い」や「△△は検証の余地 がある」という提言で終わらせられるとより良いです。 結論をまとめて1つのストーリーにして 1.課題：ハンドボールのキーパーは、7mスロー時に勘で フェイントを入れることがあるが、なかなか止めれない。 2.仮説：フェイントを入れることで、セーブ率が上がるか？ 3.検証方法：実際に計〇本試してみてデータを収集し・・・ 読み手に分かりやすくするにはどうしたらいい？ ハンドボールの7mスローを知っている人はあまり少ないので、 実際にシューター／キーパー目線の風景画像を入れ、どうい う検証をしているのか想像できるよう工夫しましょう。
29. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 28 まとめ：いままでのアドバイスに加えて、生徒にこうアドバイスしよう 今回は探究活動のステップごとに、生成AIを使ったアドバイスをご紹介しました。 生徒自身の考える力を養うために、次の「フレーズ」も忘れずお伝えください！ 生成AIの役割 TEACHER’S ADVICE 「その興味、測れる形の問いに直してみよう。 AIに候補を出させてみて。」 「仮説を検証するための計画を立てよう。 AIに立てさせてみて。」 「仮説の検証に必要なデータはなにか考えよう。 AIに調査させて確認してみて。」 「可視化した表やグラフの特徴や解釈の言語化を AIと一緒にやってみて。」 「最初の問いに戻って、結果から言えることを AIと整理してみて。」 各ステップでのアドバイス 生成AIの役割 TEACHER’S ADVICE 「いきなり生成AIに聞くのではなく、 まずは5分自分で考えよう！」 「生成AIが生成した内容が正しいか、 必ず事実確認をしよう！」 生徒自身の思考力を養うために
30. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. ➢ お問い合わせ方法： 左のQRコードの読み込み、もしくは、 「出前授業どっとこむ DS協会」と検索いただき、 そちらから問い合わせお願いします。 ➢ 過去の授業の様子： 「 DS協会 高校 イベントレポート」で検索 ぜひお気軽にお問合せください！ 29 データサイエンスを体験できる出前授業のご案内 DS協会 学生委員会では、高校向けにデータサイエンスを体験できる授業を実施しています！
31. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 30 DSアカデミア コミュニティのご案内 データサイエンス体験授業、情報Ⅱの授業支援、探究授業の課題設計・分析支援などの相談が できるコミュニティを運営しています。ご興味ある方はぜひご参加ください！ ➢ 参加方法： 左のQRコードから参加依頼をお願いします。 のちほど入力いただいたメールアドレスへ、 Slackの招待メールをお送りします。 ➢ プラットフォーム：Slack さらに詳しく話したい方は、 ぜひこちらのコミュニティにご参加ください！
32. Copyright © 2025 The Japan DataScientist Society. All Rights Reserved. 31 Thank you!