データサイエンスとWiDS 〜未来の芽を育てる〜 横浜市⽴⼤学 データサイエンス学部 WiDS TOKYO@Yokohama City Universityアンバサダー ⼩野 陽⼦ 1

本セッションのSNS投稿について SNS投稿︓ 全てOK OK: テキストによる⽂字のみの投稿 OK: スクリーンショットの画像/動画を含んだ投稿 ハッシュタグ: #WiDS2021 #WiDSTokyoIBM

まずは⾃⼰紹介から オリジナル ゴッホ⾵ セザンヌ⾵ GAN(Generative Adversarial Network)を使って，Mathematicaで作成 よく使う⾔語：Wolfram ⾔語（含むMathematica) 3

研究テーマ： ひとでなければできないこととは何か？ • Isabelle/HOLを⽤いた命題⾃動証明システム構築 • 認知のズレに関する諸問題 • その施術は効果があったと思うか否か？ • ⾃分の成績を正しく推定できるか否か？ • 場の空気を読むことができる？ • データサイエンスの倫理 最近は，DS布教活動の⼀環として， 2019年3⽉シンポジウムから WiDS TOKYO@Yokohama City University アンバサダー 4 &ʴإ H H ʴώʔϧ ʢ൅ʁʣ

今⽇のお話 • データサイエンスの定着 • なぜWiDSなのか • DS for Good 5

COVID-19がもたらした変化 働き⽅ ⾏動 コミュニケーション 住居 お⾦の使い⽅ 変わらない 社会の急激な変化が起こるとき，新技術が果たす役割は？ 6

ちなみに私は・・・ ⼩学⼊⾨教授図解(国⽴教育政策研究所教育図書館蔵，⼩林鉄次郎, 1877） ここからの脱却？ 寺⼦屋に回帰？ 7

「データサイエンス学部， 何を教えるの？」 データサイエンスは世の中に定着するのだろうか 8

データサイエンティスト出現前， 誰がその仕事をしていたのか？ 新しい技術が⽣まれ，世に広まり定着する． 新しい技術は新しい仕事を⽣み，そして既存の仕事を変えたり，置き換えたりする 可能性がある． 9

データサイエンスの教育といえば 10

これからの学⽣が⾝につける素養とは 数理・データサイエンス教育強化拠点コンソーシアム 「数理・データサイエンス・AIモデルカリキュラム」 「データ」をもとに事象を適切に捉え、分析・説明できる⼒を 修得すること、すなわち「データ思考を涵養すること」であると 考えている。これは、この専⾨分野を志す学⽣の基礎教育として ではなく、 全ての学⽣が、今後の社会で活躍するにあたって学 び、⾝に付けるべき新たな時代の教養教育（リベラルアーツ）で あり、数理・データサイ エンス・AI教育を実施するにあたって 共通する重要な考え⽅である。 11

数理 AI 定制度（ ） 要 数理 AI 定制度（ ） 要 • 大学 高 生（約50万人／年） 初 数理 ＡＩ 得 • 大学 高 正規 教 政府 定 AI戦 2019 主 要 定 (MDASH-Literacy)* • 大学 期大学 高 学校 正 • 学生 広 実施 教 （全学開 ） • 体的 計画 策定 公表 • 学生 関心 高 必要 知 体 的 得 （ （ ）参 ） • 学生 対 取組 実施 • 自 点検 価（ 学 成果 進 ） 実施 公表 • 当 教 実施 実 （人 社会 学 数学部 ） 選定 数理 ＡＩ 大学 高 ！ 大学 高 数理 ＡＩ 取 後 ！ • 2021年２月 公 開 （～１月 実施） • 2021年７月 回 定 選定 以後 年度 * Approved Program for Mathematics, Data science and AI Smart Higher Education 数理 ＡＩ教 認定制度（ ） 設 報告書 基 制度設計 定 (MDASH-Literacy+) • 記認定要件 • 学生 一定割合以上 全学生 50％以上（3年以内 成見込 ） • 大学 特性 応 特 取組 実施 査 外部有 者（内 府 文部 学省 経済産業省 協力 選定） 成 査委員会（３府省共同事務 ） 実施 査 結果 文部 学大 認定 選定 取組 開 進 ３府省 連 認定 選定 教 的 広報 定手続 学生 学生 選 企業 企業 選 数理 ＡＩ 学生 出 大学 2 ⽂部科学省資料 12

数理 AI （ ） 要 数理 AI （ ） 要 目 審査 目 対応 所 目 数理 ＡＩ 現在進行中 社会変化（第4 次産業革 命 Society 5.0 動型社会 ） 深 寄与 自 生活 接 結 導入 1-1. 社会 起 変化 1-6. AI利活用 最新動向 目 数理 ＡＩ 対象 社会 活用 活用領域 非常 広 日常生活 社会 課題 解決 有用 得 導入 1-2. 社会 活用 1-3. AI 活用領域 目 様々 利活用 現場 利活用事例 示 数理 ＡＩ 様々 適用領域（流通 製造 金融 公共 ） 知見 組 合 価値 出 導入 1-4. AI利活用 技術 1-5. AI利活用 現場 目 数理 ＡＩ 万能 活用 当 様々 意事 （ELSI 個人情報 理 ＡＩ社会原 ） 考 重要 心得 3-1. AI利活用 意事 3-2. 守 上 意事 目 実 実課題（学術 含 ） 用 社会 実 例 題材 説明 数理 ＡＩ 基本的 活用法 関 基 2-1. 2-2. 説明 2-3. ＜５ 査 目 対 所＞ 16 ⽂部科学省資料 13

現代のリテラシー データサイエンス ・データ思考を涵養すること ・データ思考とは，「データ」をもとに事象を適切に捉 え，分析・説明できる⼒のこと 14 現代の 読み・書き・算盤

データ収集 データ前処 理・構造化 データの可視 化・特徴量の抽 出・データ分析 データ 課題提起 課題発⾒ 課題設定 データ分析・モデリング データから ストーリーを 語り，問題解決や 社会実装に取り組む 課題解決・ 新たな課題提起 モデリング 分析結果 妥当性検討 課題への 提案 データ思考のサイクル

Whatʼs Keeping Women out of Data Science? ボストン コンサルティング グループ（2020年3⽉） STEM分野を専攻する世界10カ国（含む⽇本）の9,000⼈以上か ら回答を得たアンケート調査 データサイエンス分野におけるジェンダーギャップについて分析 何が⼥性をデータサイエンスから遠ざけている？ 16

学⽣の回答から • データサイエンスは抽象的で，インパクトに⽋けるという印象 を持っている ⼥⼦学⽣(各国平均） ：48％ ⽇本の⼥⼦学⽣： 63％ 調査対象国10カ国中最⾼値 • データサイエンス分野には，協⼒よりも競争を重視する⾵⼟が あると感じる • データサイエンティストとしてのキャリアの可能性や，⽇々の 仕事の様⼦についての情報が少ない 17

データサイエンスを データサイエンスのままに 受け⼊れる⼟壌が育っているだろうか？ 18

なぜWiDSなのか Women in … 19

Women in … 20

有名ですが，これが現状 • 2018年Brigham Young Universityにて • Twitter にて@Rat Girl "... is this satire?" • 9,800+のコメント，いいねが 26,000+ 21

22 Women in Data Scienceとは 現地での写真1 スタンフォード⼤学を中⼼として2015年から始まったジェンダーに関係なく データサイエンス分野で活躍する⼈材育成を⽬的とした活動 https://www.facebook.com/WiDS2019/photos/ Inspire Educate Support

WiDS 2018 23

WiDS2019 開催国50+，イベント数 150+ 24

WiDS 2021 イベント数240+ 25

Women in …の趣旨と類似点 • 前提：⼥性限定のイベントではない • 所属割合の少ない⼥性を分野へ誘うことで，分野の発展と継続 を検討している • シンポジウム内で⾏っていること • ⼥性が企業内でのキャリアを語る • ⼥性研究者が⾃分の研究を語る • ⼥性を管理職にしようキャンペーンを無理⽮理展開している訳 ではない • “ユニコーン”を発⾒し，⼤事に育てる 26

WiDS TOKYO@YCUとは • 2019年3⽉22⽇から3回のシンポジウム，多数ワークショップ を開催 • データサイエンス領域で活躍する⼥性たちによる発表とパネル ディスカッション→様々な領域でのデータサイエンスを紹介し， この分野に⼈材を誘う • アイディア・チャレンジ，LTセッション→アイディアをデータ からストーリーとして発⾔すること • データサイエンスとしてデータサイエンスを広げること https://wids-tokyo.jp/ 27

アイディア・チャレンジ • データを収集・分析し、新たな価値（アイデア）を社会に提⽰し、 安寧で豊かな、そして持続可能な『超スマート社会』を築くことを ⽬指す • SDGsを基調としたアイディアをデータから語る 「新しい働き⽅」WiDS TOKYO@YCU 2019 • 学⽣の部：横浜市⽴⼤学データサイエンス学部チーム「37,420,000 パターン〜新しい時代の働き⽅〜」 • ⼀般の部：全⽇空商事（株）チーム「トイレと頭の回転率を上げよ う！―トイレの利⽤データから考えた新しいオフィスでの息の抜き ⽅」 28

LTセッション SDGs⽬標 LT発表者が選択したキーワード Goal3 全ての⼈に健康と福祉を ⼦供の⼼ 意識に上がっていないストレス Goal4 質の⾼い教育をみんなに あなたの質問にデータが答える Goal5ジェンダーの平等を実現しよう ⼥性企業の経済効果 Goal8働きがいも 経済成⻑も ⼈材戦略 Goal10⼈や国の不平等をなくそう ⾳楽 Goal12作る責任 使う責任 imagine 29

WiDS TOKYO@YCUのいま SDGsをはじめとする多様性，包摂性を念頭に， 安寧な社会のために データサイエンスが寄与できることを検討 そしてデータサイエンスを 他⼈事とは捉えていない⼈々が集い，繋がり， 闊達に議論する場として成⻑中 30

違いを受け⼊れることの意味が忘れられ， 不寛容な社会になっていないだろうか Richard L. Florida, The Rise of the Creative Class: and How It's Transforming Work, Leisure, Community and Everyday Life, (Basic Books, 2002). 井⼝典夫訳『クリエイティブ資本論――新たな経済階級の台頭』（ダイヤモンド社, 2008年） イノベーションは３つのTが集まる場所で起こる Tolerance Talent Technology 31

DS for Good データサイエンス⼈材が⽬指す⽅向は 32

あなたは誰？ • 19 年間の刑務所暮らしを経て仮出獄し，⻩⾊の旅券を持ってい ます • この旅券を⾏く先々で提⽰しなければなりません • この旅券には，前科とこの⼈物は危険であるとの記載があるの で宿屋での宿泊は拒否されます • ⾏き場を失い，たどり着いたのは司教の館でした • 司教は⾷事とベッドを提供してくださいました 33

現代で「ジャン・バルジャン」と 同じ扱いを受ける可能性 ACLU(2018) 34

つくる責任つかう責任 • 2018年7⽉26⽇アメリカ⾃由 ⼈権協会（ACLU）は，AWS によるRekognitionで⽶連邦 議会議員の28⼈の写真が犯罪 者と判断されたと発表 • 公開されている2万5000⼈分 の犯罪者のマグショットと現 在の⽶連邦議会議員全員の写 真を初期設定しているマッチ 設定を使って実施した結果 • 7⽉27⽇AWSは反論 • 初期設定では信頼⽔準が80％ になっているが，法執⾏機関 でのRekognition利⽤では信 頼⽔準を99％以上に設定する よう推奨 • ACLUの約30倍の顔データを 信頼⽔準99％で同じ検証を⾏ い，マッチング結果は0⼈ 35

ピザが炭になるまで⾼温になるから オーブンは捨てた⽅がいい？ MIT Media Labの研究結果 • ⼥性を男性と誤認識した確率約19% • 肌の⾊が濃い⼥性を男性と誤認識した確率約31％ →顔認識（個⼈の顔を写真や動画の中の顔と照合）でなく，顔分 析（性別や表情など顔の特徴を識別）を使ったために誤認識して いると反論 • 警察では適切に使われているとサービス提供者が説明 →「説明を受けていない」とサービス導⼊の警察が会⾒ 36

現代の「ジャン・バルジャン」に ならないためには • データサイエンス技術は「つくる責任つかう責任」を常に意識 する必要がある • データ思考の涵養 • データサイエンスを⾃分ごととして捉えること 安寧で豊かな社会の未来のための多様性の検討 37

わたしというデータ データを意識したのは？ • 成績 • ダイエット • SNS • ⼾籍 • COVID-19 ⾃分がどこかにデータとして組み込まれていること ⾃分がどこにもデータとして⼊っていないこと わたしは何かを検討するためのデータとして捉えられている？ 38

平均思考からの脱却 Norma(Dickinson,1943) 産婦⼈科医であるDickinsonによる 数千⼈のデータの平均からなる⼥性像 理想として崇められ，コンテストまで 開催された． https://sashaarchibald.com/Norm-Norma 39

ミスコンの結果 https://www.mayooshin.com/one-size-fits-none/ 参加者3864⼈ ９項⽬のサイズ全部が Normaに近い⼈は1⼈もいなかった． ５項⽬に減らしても， 体型が近い⼈は40⼈もいなかった． 平均はひとつの指標でしかないことを データサイエンスで正しく伝えよう 40

参考までに Normannもいますが， コンテストはなかった模様 https://sashaarchibald.com/Norm-Norma 41

適切にバイアスと向き合うということ • 適切な理解 バイアスやマイノリティの存在を正しく理解する バイアスを不当に助⻑したり， マイノリティが不利益を被らないようにする • 問題の所在 バイアスはアルゴリズムだけではない データセットに問題がないか確認 • 出⼒結果の検討 出てきた結果を鵜呑みにしない データサイエンスリテラシー， 多様性と包摂，といった観点が重要 42

未来のための検討事項 43

気候変動へのヒントはCOVID-19から • 地球温暖化を⾷い⽌める • ⼆酸化炭素排出量を削減する COVID-19で気づいた未来へのヒント？ • DSを含めた科学への正しい知識 • 多様性を認めた集団としての⾏動のあり⽅ • ⾃分ごととして対象を捉えることの重要性 44

価値のあるイノベーションには多様性に 富んだチームが必要? Perfecting Cross-Pollination, Lee Fleming https://hbr.org/2004/09/perfecting-cross-pollination 17000件の特許を 分析したとして 有名な図 45

デザイン・ディスコース VERGANTI, R. (2008) 社内外の多様な価値観を持つ⼈材に 製品の設計開発の段階に参画してもらい， 製品に新たな意味を与えるよう 集合的な議論を形成すること 協働なくしてイノベーションは⽣まれない， と2000年代初頭から⾔われているのに なぜ今頃多様性が取り上げられているの？ 46

パーティ，ダンス，その次は？ diversity 事実 inclusion ⾏動 事実と⾏動をふまえた 感情による結果 belonging 帰属性 本来の⾃分を偽らずとも 安⼼して所属できるか equity 平等ではなく公平さ integrity 誠実さ ダンスに誘われること いかなる属性も排除されない状況 パーティ参加者の⾏動 パーティに招かれること ひとの属性の多様さ パーティという場での事実 DS技術で何かをつくるときに私たちが考えること DS技術が社会に展開されたときに 守られるもの 47

ウェルビーイングとマインドフルネスに 教えられ • 「理系」で求められがちであった バイナリ思考だけでは，データサ イエンスは定着しない • 学問として眺めるならば，データ サイエンスは領域の学問→多様な 領域でのデータサイエンスがある • 遠くの誰かがやってくれるデータ サイエンスではなく，⾃分ごとと してデータに向き合う 48

データ思考でいこう • 現代のリテラシーとして，データ思考を涵養する • データがあればなんでもできる？ →合理性がひとを動かすわけではない・⾃分ごとと考えられるか • 現代社会は多様性と包摂性が求められている．未来は？ →平等ではなく公平さ，帰属性 • 様々な領域の知識と多様なメンバーとのチームワーク あなたはどのような社会を作り，未来へ伝えていきたいですか？ データからストーリーを紡ぐ世界に参加しませんか？ 49