2010年代以降、データ駆動型社会、第4次産業革命の時代、Society5.0と呼ばれる新しい社会像が提唱されるようになる一方で、その実現を担うAI人材の不足を危ぶむ声が日増しに大きくなっていきました。2016年の第5期科学技術基本計画や文部科学省の人材育成総合イニシアチブなどは、AI人材の育成を急務とする取り組みという一連の流れの中で捉えることができます。

大学におけるデータサイエンス教育という観点では、統合イノベーション戦略推進会議の「AI戦略 2019（2019年6月11日閣議決定）」において、文理を問わずAIリテラシー教育を毎年50万人に展開するとうたわれたことが一つの画期になったと言えます。2021年に文部科学省が中心となった「数理・データサイエンス・AI教育プログラム認定制度」が開始されると、全国の大学は一斉にデータサイエンス教育の重点化にかじを切りました。

国主導のデータサイエンス教育の拡充は、本学でも重視してきた「根拠を示して合理的な意思決定ができる学生の輩出」という方向性と合致しています。しかしながら、「文理を問わず全学生」が教育対象となると、教育体制も抜本的に見直す必要があり、教員に対しても文理を問わず連携することが求められます。そこで本学では、教員による懇談会組織設置に向けた準備を2021年度に開始し、2022年5月設置の青山スタンダード教育機構内に青山データサイエンス教育コンファレンス（aDSec）を含む、以下の3つの取り組みをスタートしました。

理工学研究科では、2019年度より「データサイエンティスト育成プログラム」を開始しました。AOYAMA VISIONの支援を受けた本プログラムは、「データを読み解く洞察力」「先端的技術を実践できる応用力」「結果の妥当性を評価できる評価能力」という3つの能力を併せ持つ実践的なデータサイエンティストの育成を目的としています。その目的のもとで、知識を学ぶ講義科目、技術を学ぶ演習科目、実践力を養う課題解決型科目を導入しました。

プログラムの実施に関しては、外部の企業・研究機関の協力のもと、実世界における課題を対象とした学びを実践しています。「先端データ分析特論」という科目では、企業・研究機関においてデータサイエンスを実践している実務者の方を招き、各機関での取り組み、課題などについて講演をしてもらっています。他にも、「課題解決型演習」では、企業・研究機関に一部の学生をインターンシップ生として受け入れていただくほか、連携機関から提供されたデータの解析を行い結果のレビューをデータ提供元から受ける学内PBL（Problem Based Learning）を実施しています。

2017年から2年間勤務した滋賀大学データサイエンス教育研究センターでは、企業との共同研究や社員への指導、企業とともにデータ研磨の講義を開発するなどしてきました。その経験から、データサイエンスの本質は統計学でも機械学習でもプログラミングでもなく、「問題解決」であることを学びました。そしてデータサイエンスとは「データ分析を駆使して問題を解決する」ことだと理解しました。

ここで改めてデータサイエンス教育に必要な要件を整理すると、問題解決能力、数理能力、統計学・機械学習の知識、プログラミング能力、サーバー等に関する知識、そしてデータ分析での問題解決に関する知識が挙げられるかと思います。しかし、これらを大学ですべて教えることは決してコストパフォーマンスが良いとは言えません。一方、データサイエンスで解決すべき問題自体は、大学の中でも、特に文系学部で遭遇する可能性が高いという特徴があります。

データサイエンスは、理系に特化した学問分野ではなく、まさに「学際」的なテーマとなっています。それは、人や社会をとりまく諸問題を扱う従来の人文社会分野の取り組みに、「データに基づく・裏打ちされた」アプローチを加えることで、より大きな成果を生み出すことが期待されるからです。

今後、データサイエンスを大学としての取り組みとするためには、人文社会系の学部であっても広くその学びを可能とするプラットフォームを作っていくことが急務です。そこでまず、早急にそのプラットフォームを構築することに加えて、それを踏まえた専門分野ごとの「データに基づく・裏打ちされた」取り組み、すなわち特色のあるデータサイエンス教育を展開していく必要があると考えています。

本学では既に、全学生向けの情報リテラシー教育を20年にわたって実施してきました。その実績を、全学生向けの新たなリテラシー教育として、データサイエンス教育プログラムへと展開することにしています。具体的にはaDSecをスタートさせ、青山スタンダード科目としての入門教育プログラムを全学部の学生向けに提供。そこからaDSecが支援・調整するかたちで各学部専門教育へと展開していきます。データサイエンス学部やデータサイエンス学科と銘打ってはいませんが、データサイエンスと各専門分野の橋渡しや各専門分野での多様な取り組みに、本学の持ち味を出していきます。