“問いを立てる力”がAI時代を切り拓く――丸野由希准教授が語る学びと協働（中編）

―自分の考えをコンピューターに実行させるために、身に付けるべきスキルを教えてください。

身に付けていただきたいスキルは、大きく分けて四つございます。一つ目は、自分の考えを正確に伝える「言葉にする力」。二つ目は、データそのものを見抜く「データリテラシー」。三つ目は、結果を見極めるための「統計の基礎」。そして四つ目が、「機械学習の基本的な仕組み」を押さえておくことです。

一つ目の「言葉にする力」は、自分の考えを正確にコンピューターに伝えるうえで欠かせない力です。プログラミングについては、最初から完璧に書けなくても大丈夫です。今はAIも進化しており、自然言語でAIに指示を出せる時代になってきました。そのため、むしろ「自分が何をしたいのか」を論理的に整理して言葉にする力の方が、より重要になってきていると感じます。

二つ目の「データリテラシー」（データの意味を正しく理解し、適切に判断・活用するための能力）は、コンピューターに何かを実行させようとするとき、入力するデータの質を見極める力です。AIが学習する元データに偏りや欠けがあれば、出てくる結果もそのまま偏ります。そのデータがどこから、どのように集められたのか、どんな前提が含まれているのかを意識できる目を持つことが、AIを健全に使いこなすうえで欠かせないと感じます。

三つ目の「統計の基礎」は、AIが返してくる答えと、上手に付き合うための力です。AIは何を尋ねても、すらすらと自信ありげに答えてくれます。例えば、「来月の売上予測はこれくらいです」「これはおすすめの選択肢です」と返してきますと、ついそのまま受け取ってしまいがちです。けれども、その答えが必ず正しいとは限りません。統計の考え方に少しでも触れておきますと、「この数字はどこから出ているのだろう」「どんな条件で成り立っているのだろう」と、自然と立ち止まって考えられるようになります。AI時代に欠かせない「判断する目」は、そうした小さな問いの積み重ねから育っていくのではないかと感じます。

四つ目の「機械学習の基本的な仕組み」を押さえておきますと、コンピューターに何を、どこまで実行させられるか、どこに注意が必要かが、自然と見えてくるようになります。ビジネスの現場でAIを使いこなすために必要なのは、突出したプログラミングスキルというよりも、データを見る目と問いを立てる力ではないかと思っています。

ただ、統計と機械学習を一緒に、しかも手を動かしながら学べる入門書がなかなかないのも事実です。そうした課題意識から私が執筆に携わった書籍が、『ここから学ぶ統計的機械学習　Pythonで実践！確率・統計から推定・学習理論まで』（科学情報出版）です。統計の基礎からPythonでの実践まで、一冊で完結できるように工夫していますので、最初の一歩としてぜひ手に取っていただけたら嬉しく思います。

―この本はどのような経緯で執筆に参画されたのですか。

こちらは、私の大学院時代の恩師である池田和司先生（奈良先端科学技術大学院大学教授）からお声がけいただいたことがきっかけです。私も普段から大学でプログラミングや統計学、機械学習を教えているのですが、授業の中で常に感じていたことがありました。それは、初学者の取っ掛かりとして学べる最適な本がなかなかないということです。統計と機械学習を一緒に、しかも自分の手を動かしながら学べる入門書が見当たらなくて、教える側としても歯がゆい思いをしていました。そんなときに先生からお声がけいただき、「自分たちで書いてしまおう」と思ったのです。加えて、教育現場での経験を直接活かせる仕事でもあったので、迷わず参画を決めました。

―『ここから学ぶ統計的機械学習 Pythonで実践!確率・統計から推定・学習理論まで』は、どのような内容の本なのでしょうか。

内容としては、プログラミング言語Pythonを使って確率・統計から機械学習までを、実際に手を動かしながら学べる一冊になっています。単に数式を読んで追いかけるだけでなく、実際にコードを書いて動かすことで、「なるほど、こういうことだったのか」と納得しながら理解が深まるよう工夫しています。

本の構成は三部に分かれています。まず第一部では、Pythonの基本操作と確率・統計の基礎から始まり、第二部で実際のデータを使った分析や可視化を学び、第三部ではSVM（Support Vector Machine：分類問題や回帰問題を解くための強力な機械学習アルゴリズム）やブースティング（予測データ分析のエラーを減らすために機械学習で使用される手法）、時系列解析（時間の経過に伴うデータの変化を分析する統計的手法）といった実践的な機械学習のテーマに挑戦できる流れになっています。また、第三部の最終章では、近年急速に注目されている生成AIの活用にも触れています。

対象読者は、プログラミングや統計に初めて触れる学生はもちろん、データ分析やAIに興味を持つ社会人の方も想定しています。この本を読むにあたって特別な前提知識は必要ありません。「数学は苦手だけど、Pythonでなら試してみたい」という方にこそ、手に取っていただきたいと思っています。

―丸野先生が執筆する上で特にこだわったポイントはどこですか。

一番こだわったのは、「わかったつもり」で終わらせないための工夫です。そのために、まずは説明だけでなく、必ずPythonのコードをセットで載せています。ただ、コードの実行結果は本には敢えて掲載していません。「実際に動かしてみたらどうなるのだろうか」という楽しみを、読者自身に体験してほしかったからです。

もう一つ意識したのは、コードを写すだけ、いわゆる「写経」（他人が書いたサンプルコードやチュートリアルのコードを、自らの手で一字一句打ち込んで再現する学習方法）で終わらせないことです。写経はプログラミングの入門として大切な一歩ですが、その先で「応用して使える力」を育てるところまで届けたいと考えました。そこで本書では、まずコード例を掲載し、それを写経しながら動かしていただいたあと、理解度チェックで、そのコードを応用して使えるかを「腕試し」できる構成にしました。問題には解答解説もつけていますので、自分の理解が正しかったかどうかをその場で確認していただけます。

説明だけの本を読んで「理解できた」と思っても、実際に使うためにはまた別の書籍が必要になってしまう――そういった経験をされた方も多いのではないかと思います。本書では、知識のインプットと実務での活用を、一冊の中で完結させることをゴールに置いています。自分でコードを書けるようになるだけでなく、学んだ知識をそのまま現場で使えるようになることを目指しました。

―こちらのご本を私も読ませていただきましたが、学生にとってはすごく良書だと思います。ご出身が文系ながら、統計的機械学習という本を書かれたことに驚いてしまいました。

お忙しい中で目を通してくださり、ありがとうございます。「学生にとって良書」というご感想は、執筆中ずっと頭に置いていた読者像と一致していて、特にうれしく受け止めています。文系出身という自分の経歴がもしプラスに働いたとすれば、それは「学び手として最初に戸惑った経験」を覚えているからこそ、伝え方を工夫できたのかもしれません。

―本当に「良くできているな」と思って感心して読ませていただきました。文系の先生が書かれたとは全く思わなかったですね。

重ねてのお言葉、本当にありがとうございます。「良くできているな」と感じていただけたのは、共著者の池田先生をはじめ、執筆に関わった全員にとって何よりうれしい評価です。私自身、スタートは文系で、大学院から理系の情報系に進みました。

そういう自身の経験もあって、「文系バックグラウンドの人にとってもわかりやすく伝えるにはどうしたら良いか」を常に教育の面で考えながら教壇に立っています。理系の教育では、どうしても数式から入っていくことが多いように感じます。そうした入り方が、「プログラミングは難しい」「AIは難しい」という思い込みにつながってしまうのはもったいないので、そうした壁を生まないということを意識しています。

実は本書でも、文系出身の自分が読み手だったらどこで立ち止まるか、という基準で原稿に向き合いました。たとえば、概念の説明を入れる順番や、数式とコードをどのように並べるかは、共著者の池田先生と何度もディスカッションを重ねた部分です。そうした往復が、最終的には「文系の先生が書いたとは思わなかった」というご感想につながったのかもしれません。

これは、前任校でも文理融合の学部に在籍し、初年次教育からプログラミングの入門・応用までを長く担当させていただいた経験にも裏打ちされているのかもしれません。文系出身の方でも段階を踏めばプログラミングや機械学習を身につけていける、ということを現場で長く見てきた実感が、本学部での教育や本書の構成にも生きていると感じています。

―「丸野先生は文系ご出身だ」と言い切ってしまいましたが、在籍された現代社会学部という学部からすると、統計的なアプローチで証明していくことをやってこられたのですか。

はい、私が卒業した京都女子大学の現代社会学部は、現代社会に必要な学問を広く学ぶ学部でした。学部の中に社会調査という領域がありまして、そこでは社会現象を統計的に分析するための調査手法を学びました。「数字を通じて社会の課題を読み解く」という視点に出会えたのは、その時のことです。文系の枠組みの中でデータを使って世の中を見る目を育てる――そうした学びがあったからこそ、その後、機械学習や統計の世界に進んでも、技術だけで完結せず、「これは社会のどんな問いに答える道具になるのか」と問い続けることができているのかもしれません。こうした文理を行き来した経験が、いま在籍する学部の教育観にもつながっています。

―ここからは、少し話が変わります。近年は、さまざまな大学でデータサイエンス系の学部が設立されつつあります。丸野先生が在籍される関西大学ビジネスデータサイエンス学部の特徴、独自性をお聞かせください。

本学部の特色は、ビジネスとデータサイエンス、両方のスキルを兼ね備えた人材を育てることです。既存の学部では、ビジネス特化型かデータサイエンス特化型かに分かれていることが多いのですが、これからの社会では両方を使いこなせる人材がますます求められると考えています。

もう一つの特色が、入学直後からグループワークを取り入れていることです。毎回の授業でビジネス課題をテーマにグループでディスカッションしながらデータを分析していきます。こうした実践を重ねるうちに、他者と協働することで一人では気づけなかった発見や学びに触れる経験が積み重なっていきます。そのなかで、私が学生に大切にしてほしいと伝えているのは、「他者の意見を否定しない」という姿勢です。「他者から学ぶ」という経験は、社会に出てからも欠かせないスキルだと考えていて、それを学生のうちから自然に身につけられる環境を作っています。

一般的な教育では、基礎を学んでから実践という順序が多いと思います。しかし、本学部はその逆です。まず実践してみて、「ここにプログラミングが必要だ」と学生が気づいたらプログラミングの授業を履修します。自分の必要感を起点に学びに向かうので、知識が身につくスピードも、使える力になるまでの距離も、従来型の基礎から応用や実践に進むパターンとは大きく変わっていると感じています。

―丸野先生は、「他者の意見を否定しない」大切さも指摘されています。「他者との協働」という言葉も印象的でした。この協働というのは、対話する力だと思います。やはり、機械学習をやる上で対話するというのとの関連性があるのですか。

機械学習でしたら、人とコンピューターとの対話です。一般的にデータサイエンスやエンジニアは、コンピューターの前に座って、カタカタと一人で黙々と作業するというイメージが強いかと思います。本学部の考えるデータサイエンスは、やはり仕事はチームで行うもので、同じ部署内のチームや、部署を越えて色々な部署の方と協力しながらアイデアを出したり、問題を整理したりするコミュニケーション、言い換えれば人と対話してプロジェクトを進めることが大切だと思っています。

ですので、本学部に入学した学生は、一年生の最初から毎回授業でグループワークやディスカッションをして、その結論を発表し、教員や他のグループのメンバーからフィードバックをもらう、という形を継続的に行っています。

―新しい教育理念ですね。一昔前のエンジニアは結構キーボードをパチパチと打つような感じです。しかし、それこそ今の AI時代になってくると、いかに人間力、すなわちコミュニケーション能力やリーダーシップ、社会に対する貢献に重きを置かれているのが、すごいです。チーム単位でディスカッションやディベートをやるという取り組みは最近多いのですか。

まだまだ、あまりないのではないかと思います。というのは、グループワークやディスカッションを中心に据えた実践型の教育を行うには、教員の側にも授業をオーガナイズする力と、実務経験に裏打ちされた「現場のリアリティ」を伝える視点が求められるからです。しかし、本学部は実務経験がある教員が大半を占めていまして、ビジネス現場でデータがどう使われ、AIがどう導入されているかを知っているからこそ、学生に今後必要とされる教育を提供できます。AI・データサイエンスの研究と実務の両面で長年第一線を歩んでこられた学部長の鷲尾隆先生のもと、各分野で実績を持つ教員が、それぞれの強みを持ち寄りながら学生に向き合っている――それも、本学部の強みだと思っています。こうした教員陣のもとで、学生たちは具体的に何を学んでいくのか、続けてお話しします。

―ズバリお聞きします。貴学のビジネスデータサイエンス学部で学べるものは何ですか。

ズバリお答えしますと、本学部で身につけていただきたい力は、大きく三つあります。一つ目は、ビジネスとデータサイエンスに関する「知識」。二つ目は、その知識を実際に使いこなす「実践力」。そして三つ目が、社会に出てからも自分を支えてくれる「学ぶ力」です。

知識は、座学だけでは身につきません。本学部では入学直後からグループワークを取り入れ、ビジネス課題に取り組みながら、知識をどう使うかを体で覚えていきます。その経験の積み重ねが、実践力につながっていきます。高校までは、先生に教えてもらったことを覚える学習が中心だったと思いますが、本学部では自分で考えて動かないといけません。最初は戸惑いも経験することになりますが、その四苦八苦する過程こそが、大事な学びだと感じています。

そして、三つ目の「学ぶ力」。これは、まず実践してみて「ここが足りない」と気づいてから学びに向かう、というサイクルのなかで自然と育っていきます。社会に出ると誰かに教えてもらえる機会はどんどん減ってしまいますから、自分で課題を見つけて学んでいける力こそが、長く活躍できる人材の条件だと思っています。社会人になって初めてそうした壁にぶつかるより、学生のうちから経験していただける――それも、本学部の大きな特色の一つです。

―貴学部の学生を文系、理系で分けるとどちらの方が多いですか。

2025年度の入学生でいえば、文系出身の方が42.9%、理系出身の方が50.3%、その他が6.8%といった構成です。どちらかに偏ることなく、両方の学生が集まってくれています。文系・理系という枠だけでなく、国籍や性別、興味関心の領域までを含めた多様性のある環境を、本学部として大切にしたいと考えています。異なるバックグラウンドを持つ学生同士が協働することで、データサイエンスを多面的に捉える視点が自然と育っていくのではないかと感じています。

―最終的には、貴学部ではどのような人材を輩出したいとお考えですか。

ビジネスだけ、あるいはデータサイエンスだけに特化した人材ではなく、両方をカバーできる人材を育てたいと考えています。もしくは、ビジネス側の人と、データサイエンスの専門家を橋渡しできるような翻訳者的な存在です。

―就職先としては企業内のどういった部門への配属を想定されていますか。

「分野は問わず、すべての領域」とお答えしています。今の社会では、IT系だけでなく、製造、金融、医療、流通、マーケティング、人事といった、あらゆる業種・部門でデータを活かす力が求められるようになってきました。本学部で身につけた力は、どの分野・どの部門でも武器になりますので、卒業生のみなさんには、ご自身の興味のある領域で、データの力を活かしてご活躍いただきたいと考えています。

―研究部門ですか。それとも、マーケティング部門でしょうか。マーケティングでも結構データサイエンスが注目されています。

はい、おっしゃる通りで、マーケティングでもデータサイエンスが急速に注目されてきていると感じます。研究に関心のある学生は研究部門で、ビジネスやマーケティングに関心のある学生はマーケティング部門で、というように、ご自身の興味に応じてさまざまな道を選んでいただけたらと考えています。

先ほども申し上げましたように、データを活かす力はこうした分野に限らず、あらゆる業種・部門で求められるようになってきました。実際、前任校で指導させていただいた学生たちも、大学に入ってからプログラミングや機械学習を学び始めた方が大半でしたが、それぞれの興味に応じてさまざまな場で活躍してくれています。卒業生たちが社会で結果を出していると、企業の方やご本人から伺うたびに、本当に誇らしく、うれしい気持ちになります。

本学部の学生のみなさんも、それぞれの興味や関心を大切にしながら、ご自身に合った進路を見つけて、その先で力を発揮していっていただけたらと願っております。

―日本は統計学をしっかりと教える大学が少ないと思っていたのですが、昨今はどうなのですか。

私自身、これまで前任校で統計学を担当しておりまして、現在も非常勤先で統計学を教えています。一方、本務校である関西大学ビジネスデータサイエンス学部では、プログラミング基礎の授業のなかで統計学にも触れる形を採っております。学生の様子を見ていますと、中学校や高校の数学のなかで確率・統計が一つの分野として扱われていることもあり、大学で初めて学ぶというよりは、これまでに「つまみ食い」のような形で触れてきた、という方が多いように感じます。

一方で、確率・統計を中学・高校で習ってきても、「何のために学ぶのか」がつかみにくかった、という学生も少なくありません。苦手意識が芽生えやすい単元でもありますので、本学部では「何の役に立つのか」を体感していただきながら学び直せるような授業設計を意識しています。

「習ったからもう知っている」のではなく、「習ったけれど、いまひとつわからない」という学生それぞれの状態に寄り添いながら、どう理解しやすく届けていくのかを、いつも大切にしています。

―なるほどですね。日本は、いわゆるSTEM教育（科学・技術・工学・数学分野を統合的に学ぶ教育。その本質は自発性・創造性・問題解決能力などの能力の育成にある）が他国に比べて非常に遅れていると思います。丸野先生は、まさしくビジネスやテクノロジー、経済、数学も入ってきたりして、非常に先進的な学びの場をご提供されているなと思って感心しておりました。最近は人手不足が顕著です。そういう社会ニーズも背景にはあるのでしょうか。

ありがとうございます。おっしゃる通り、社会のニーズも大きな後押しになっていると感じております。一昔前であれば「エンジニア不足」が言われておりましたが、最近では各企業がデータサイエンスやAIに注目し、これらの分野で実務に活かせる人材の不足が指摘されるようになってまいりました。こうした担い手をどう育てていくかは、これからの大学教育の大切な課題だと感じております。

私自身は文系の出身ですが、テキストデータや社会調査データなど、私たちが日々触れているデータは、文系・理系の枠を越えて広がっています。「数字や言葉で社会を読み解く」という視点の延長線上にデータサイエンスがある――そう捉えていただきますと、データサイエンスがぐっと身近な学びになっていくのではないでしょうか。そんな思いから、本学部のような文理融合の場で、ビジネスとデータサイエンスをつなぐ実践的な学びを大切にしております。

―改めてお聞きします。データサイエンスを学ぶ意義は何だとお考えですか。自分のやりたいことを実現するために必要なスキルを開発できることですか。

データサイエンスを学ぶ意義は、データをもとに自分で考え、判断し、行動できる力を身につけることだと考えております。今、ビジネスの現場でも、研究の世界でも、データは至るところにございます。ただ、データがあるだけでは何も起きません。そこから何を読み取り、どう活かすかを考えられる人がいて、初めてデータが価値に変わっていく――そう感じております。

はい、ご質問のとおり、「自分のやりたいことを実現するためのスキル」を身につけられることは、データサイエンスを学ぶ大きな意義の一つだと思っております。それに加えて、私がより大切にしたいと感じておりますのは、その「やりたいこと」自体を見つけ、「何のために使うのか」と問いを立てる力です。ツールやスキルはこれからも進化していきますが、課題を見つけて、データで解こうとする姿勢こそが、どんな時代にも通用していくのではないかと感じております。

データサイエンスを学ぶことは、単に技術を身につけることではなく、データを通じて世界を見る目を養うことだと思っております。そして、この「データを通じて世界を見る目」が、生成AIが急速に発展していくこれからの時代に、いっそう問われていく――そう感じております。