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）

Slide 1

Slide 1 text

「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

Slide 24

Slide 24 text

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。

Slide 26

Slide 26 text

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）

Slide 27

Slide 27 text

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？

Slide 28

Slide 28 text

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。

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

Slide 25

Slide 25 text

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

Slide 29

Slide 29 text

Slide 30

Slide 30 text

Slide 31

Slide 31 text

Slide 32

Slide 32 text