AIを「伴走者」として生かす力とは――研究・教育の現場から考える、データサイエンス時代の学び（中編）

―荒平先生が受けられた別媒体の取材記事を拝見すると、データサイエンスコースの三つの特色の三つ目として、小規模なので教員との距離が近く、密に指導してもらえる点を挙げていらっしゃいました。実際にそういう環境なのですか。

そうですね。学生数が少なく、教員一人当たりの学生数も多くないため、かなり密な指導が可能です。一番の良さは、教員が学生の顔と名前を完全に一致して把握していることです。名前を呼んで話しかけることがコミュニケーションのきっかけになり、学生も次第に心を開いてくれます。

―同じ記事には、密な環境で優秀な先生方から直接指導を受けられるため、大きく伸びる可能性があるという一節もありました。実際にそのような学生はいましたか。

指導していて思うのは、やりたいことは持っているものの、どの先生ならそれを叶えてくれるのか、この大学で叶えられるのかと疑問を抱きながら過ごしている学生が、一定数いるということです。私自身もそうでした。教員との距離が近ければ、そうしたマッチングも含めて、学生の可能性を伸ばせる教員につなぐことができますし、そうした学生が私のところに来ることもあります。

本学は経営と情報の融合、つまり経営情報学を打ち出している大学なので、実験ができる教員や研究室はほとんど存在しません。その中で私の研究室は、実験も含めていろいろなことに取り組んでいます。興味を持って話しかけてきたり、「やってみたい」という情熱を持ってやってきたりする学生の中には、他大学の学生に負けないほど一生懸命に実験や研究に取り組み、成果を上げてくれる学生もいます。やはり、研究にはやる気や熱量、情熱が必要なのだと強く感じています。

―データサイエンス分野だけでなく、情報学の幅広い分野の教員がそろっていることも強みになっているのですね。情報学の先生がいることで、データサイエンスの学びが深まるということでしょうか。

そうですね。データ分析に関する教員だけでなく、AI、情報セキュリティ、ネットワーク、さらにロボティクスのようなエンジニアリング系の教員もいます。幅広い情報学を網羅しているので、データ分析などの手法がどのような場面で生かされているかを、それぞれの視点から先生方が話してくれます。学生にとっては、この分野でもこのように使われているのだと、とても分かりやすいと思います。

―改めてお伺いします。数理・データサイエンス・AI教育プログラムは、学生にどのような刺激や影響を与えているとお考えですか。

最近の就職活動は前倒しが進んでいます。私たちの頃は大学3年生になってから始めようかという感じでしたが、今は入学した1年生からインターンシップ系やキャリア系の科目が入ってきています。就職活動で勝負するときに、自分にとって武器があるかどうかを考えると、当然資格なども入ってきますが、その資格に肩を並べられるものとして、この教育プログラムがあってほしいというのが、私を含め本学の教員の願いです。

また、本学はおそらく他の大学とは違い、この教育プログラムの修了認定を半期ごとに行っています。前期終了時と後期終了時の年2回認定しますので、たとえば前期に修了判定を受けた学生は、早い段階から「教育プログラム認定を受けた」ことを肩書きとして就職活動に使えます。そうした配慮も考えながら運用しています。

―荒平先生の担当科目は、学部・大学院ともに非常に多いですね。たとえば学部の「情報リテラシー演習Ⅱ」では、学生にどのような課題を課していらっしゃるのですか。

情報リテラシー演習Ⅱは、データサイエンス系科目のベーシックな部分として位置づけています。今年度から必修科目になり、ほぼすべての1年生が、どちらの学科でも受講する体制です。

この科目では、データ分析の手法や基礎的な内容を学んだうえで、最終的に企業のデータを使い、学生がグループを組んで自由に分析します。分析結果は発表スライドにまとめ、最終講義では、データを提供してくださった企業の方に向けて発表します。

―ところで、2026年2月に共著書『経営情報入門』（中央経済社）が出版されました。荒平先生は第1章と第3章を執筆されています。読者に特に伝えたかった問題意識や、押さえてほしいポイントはありましたか。 

データサイエンスは、データを分析したり、AIの手法を使って問題解決を図ったりすることに主眼が置かれがちです。しかしDXについても、現在さまざまな分野で、業務の効率化や新たな知見の獲得に活用されています。DXなどの場面でも、当然データサイエンスの知見が使われているため、それをDXとうまく結びつけたいと考えました。

また、私の章ではありませんが、DXと同じくらい重要なICTについても、さまざまな分野で応用されています。読者の方には、データサイエンスやDXが一つの分野に偏って使われているのではなく、いろいろな分野で取り組みや手法が用いられていることをしっかり把握していただきたいです。その上で、自分の興味のある分野はどこかにたどり着けるよう、サポートできる本になればという気持ちで書きました。

―共著書の第2章に「スポーツデータ分析」のコラムがあります。荒平先生ご自身もスポーツAIに関わっておられ、「陸上競技×AI」に取り組んでいらっしゃいますね。もともと学生時代は陸上部でいらしたのですか。

いえ、私はテニス部でした。本学にはサークルとは別に部活があり、相撲部と陸上部の二つがあります。

どちらの部活でも、運動時の動作解析や練習メニューの考案といったテーマがあります。私の研究室には、毎年ではありませんが、2年に一度くらいの割合で、「データサイエンス系の研究をやりたい」という陸上部所属の学生が入ってきます。

そうした学生と話をすると、興味の対象は大きく二つに分かれます。一つは、自分も含めた選手の走り方など、動作に関する分析をしたいというグループです。もう一つは、日頃のコンディショニングによって、大会当日に最大限のパフォーマンスを発揮したいというグループです。そのために、食事や練習メニューも含めてどのような準備をすればよいのかを、AIやデータ分析で最適化したいという関心です。この二つのグループに分かれて、それぞれ研究に取り組んでもらっています。特にコンディショニングについては、学部から大学院まで進んだ陸上部の学生がいて、さまざまな場で発表もさせていただいています。

―スポーツにおけるコンディショニングの分析・管理へのAI応用は、今後かなり広がっていくのではないかと思いますが、荒平先生はどう見ていらっしゃいますか。

個人的にも、かなり広がっていくのではないかと思っています。今回ご覧いただいた研究は、選手本人が、大会前の1カ月、あるいは2週間ほどの練習量やメニューを事細かに記録し、それを基礎データとしてまとめたものです。そのデータを分析し、自分ならこのようなやり方をすれば最適なパフォーマンスを出せるのではないか、という基礎的な知見を導き出しています。これを将来的には、本学の陸上部に適用できるものにしたいと考えており、現在そこへ発展させているところです。

―陸上部には、成績の優秀な選手もいらっしゃるのですか。

はい、インカレなどの大きな大会に出場する学生もいます。

―選手をAIで分析・管理し、バックアップしていくという構想ですね。