一覧へ ｜ 単元設計

情報Ⅱ (3) 情報とデータサイエンス ｜ 単元設計

逆算で設計する。根拠は三つ。学習指導要領と解説 情報編の「情報Ⅱ」(3)、情報教育課程の設計指針 第2版の (高選) 水準、情報・技術WG のまとめ。本文の ［解説］［指針］［WG］ は、下の出典の該当箇所を指します。

この回の並びのファイル名は lessons/7-01〜7-16 です。情報Ⅱ の 5 単元を 5〜9 に置いているため、(3) は 7 になります。

この単元の位置

［解説］は (3) を「多様かつ大量のデータを活用することの有用性に着目し、データサイエンスの手法によりデータを分析し、その結果を読み取り解釈する活動を通して」と定めています。情報Ⅰ (4) の後半が「集めた数字が何を言えて、何を言えないか」までだったのに対し、ここはモデルを作り、評価し、直す単元です。

［解説］が繰り返し求めるのは、現実のデータを使うことと、モデルの評価と改善を必ず行うことです。内容の取扱い (3) は「イの(イ)については現実のデータの活用に配慮する」「アの(ウ)及びイの(ウ)については、アの(イ)及びイの(イ)で行ったモデル化や処理、解釈・表現の結果を受けて行う」と指定しています。だから第9・10回は、第7・8回で自分たちが作ったモデルを対象にします。

数学科との連携も指定されています（指導計画の作成上の配慮事項）。相関、回帰、確率分布は数学Ⅰ・Bと重なるので、数学で扱う所は数学に任せ、ここでは「目的に合う手法を選ぶ」「結果を評価して直す」に時間を使います。

本質的な問い

データは、未来を言い当てるのではない。どこまでなら言ってよくて、外れたときに何を直すのか。

［解説］が (3) の学習活動として挙げる「ソフトウェアで作成したモデルと比較して、そのモデルにどのような改善が必要であるかを議論する」を、生徒が自分に向けて問える形にしたものです。

単元の目標（3観点）

観点単元の目標根拠
知識・技能多様かつ大量のデータの存在とデータ活用の有用性、データサイエンスが社会に果たす役割を説明できる。目的に応じてデータを収集・整理・整形できる。データに基づくモデル化と処理を行い、解釈・表現できる。モデルを評価する意義と方法を説明し、実行できる［解説 ア(ア)(イ)(ウ)］
思考・判断・表現目的に応じて適切なデータを選べる。将来の現象を予測したり、複数の現象間の関連を明らかにしたりするために、適切なモデル化と処理・解釈・表現を選べる。結果を評価して方法を改善できる［解説 イ(ア)(イ)(ウ)］
主体的に学習に取り組む態度外れた予測を隠さず、原因を探して方法を直そうとしている。個人情報を含むデータの扱いに注意しようとしている［解説］(3) の趣旨、内容の取扱い (3)、学習活動の「個人情報が含まれる場合などは、その取扱いに十分に留意する」

［解説 内容の取扱い (3)］: 「アの(ア)については、データサイエンスによる人の生活の変化についても扱う。イの(イ)については現実のデータの活用に配慮する。アの(ウ)及びイの(ウ)については、アの(イ)及びイの(イ)で行ったモデル化や処理、解釈・表現の結果を受けて行う」。

評価課題（単元末のパフォーマンス課題）

「現実のデータから予測モデルを作り、評価し、改善案を示す」（第14〜16回）

観点B（おおむね満足）A（十分満足）C の生徒への手立て
知識・技能目的に合うデータを選び、欠損や表記ゆれを直して分析できる形にしている整形の判断（どれを外し、どれを残したか）と、その理由を記録している第4回の整形の手順表（端末に残る）を開かせ、上から順に当てさせる
思考・判断・表現モデルを作り、評価指標を一つ示している評価指標を根拠に改善案を示し、改善前後を比べている「外れた点を 1 つ選び、なぜ外れたか」を先に書かせる
態度予測が外れた点を隠さずに示している外れた原因をデータか手法のどちらかに切り分けて説明している外れた点を 1 つだけ選ばせ、「データが足りない／手法が合わない」のどちらかを選ばせる

各回と評価（形成的評価の場面）

回題［解説］［指針］の水準重点評価場面
1社会の中のデータサイエンスア(ア)Ｄ１Ｌ４（ビッグデータとデータマイニングの概要。高選）知身のまわりの予測の例／ふりかえり
2データがもたらした生活の変化取扱い (3)「人の生活の変化」Ｄ３Ｌ３、Ｈ５Ｌ３知・思変わったことと、失われたこと
3データの収集ア(ア) イ(ア)Ｄ１Ｌ４（データはネットや IoT/センサからも来る）技集めたデータの出どころと、集め方の記録
4データの整理と整形ア(ア) イ(ア)。学習活動の「データの整理や整形、加工」Ｄ５Ｌ１ → Ｄ５Ｌ２技欠損・表記ゆれ・型の直し（端末に残る）
5質的データと量的データ学習活動「結果として求めている形式に応じて適切な分析手法を選択」Ｄ３Ｌ２知・思手法の選択と理由
6散布図と相関ア(イ)Ｄ５Ｌ１思読み取りと、読み取れないことの指摘
7回帰直線ア(イ) イ(イ)Ｃ４Ｌ２（系統的に評価値を改良して最適化。高選）知・技手で引いた直線と、ずれの合計
8重回帰による予測イ(イ)。学習活動「重回帰分析等のモデルを作成」Ｄ５Ｌ２（実データに対する重回帰/時系列/移動平均/クラスタ。高選）技・思重回帰のモデルと、選んだ変数
9モデルの評価指標ア(ウ)。取扱い (3)Ｄ５Ｌ２知評価指標の値と、その読み方
10道具のモデルとの比較と改善イ(ウ)。学習活動「ソフトウェアで作成したモデルと比較して……改善が必要であるかを議論」Ｄ５Ｌ２、Ｋ２Ｌ２思比較と、改善案の議論
11多変量データの可視化学習活動「3変量以上のデータに関して、複数の散布図などを作成」Ｄ５Ｌ２技散布図の並びからの気づき
12変数の絞り込み学習活動「データを説明する変数を減らしたり、変数を減らすことによってどのような利点があるか」Ｄ５Ｌ２、Ｅ２Ｌ３思減らした変数と、減らして良かったこと
13クラスタリング学習活動「データ同士を比較したり、グループ分けする方法」Ｄ５Ｌ２（クラスタ。高選）技・思分けた結果と、分け方の説明
14手書き文字の認識学習活動「簡単な手書き文字を……画像やピクセルデータ等に変換し、それらの文字を認識する処理」Ｘ１Ｌ４（機械学習等を手元の問題に活用。高選）技認識できた／できなかった文字と、その差
15機械に任せる判断の限界学習活動「人間の判断は必要なくなるのか……討論する」Ｘ３Ｌ２・Ｘ３Ｌ３思・態討論／自分の線引き
16予測モデルの作成と改善イ(ウ)。単元末の課題Ｋ２Ｌ２、Ｇ３Ｌ３思・態発表と相互評価／改善したモデル

第14回で扱う手書き文字は、生徒の氏名や個人が分かるものを使いません。［解説］の学習活動が「個人情報が含まれる場合などは、その取扱いに十分に留意することが必要」と述べている通りです。

設計指針（第2版）との対応

情報Ⅰ とのつながり

情報Ⅰ (4) ネットワークとデータの活用 で学んだことこの単元での広げ方
尺度、欠損値、外れ値整形の作業として自分の手でやる。判断を記録に残す
相関と因果相関をモデルにする。予測に使い、外れ方を見る
グラフの選び方3 変量以上を一度に見る。変数を減らす
データで提案するモデルを評価して改善する所まで行く

情報Ⅰ (3) コンピュータとプログラミング のプログラムは、ここでは分析の道具として使います。手法の理解が目的なので、ライブラリの使い方の暗記には時間を使いません。

生徒の探究とのつながり

探究でアンケートや計測をすると、必ず「この数字から何が言えるのか」で止まります。この単元は、その先を扱います。

他校でそのまま使える形にする

学校固有の呼び名や、校内で使っている道具の名前は書きません。分析の道具は指定せず、「表計算かプログラムのどちらでもできる形」で書きます。

出典

高等学校学習指導要領（平成30年告示）解説 情報編

情報教育課程の設計指針 − 初等教育から高等教育まで（第2版）

中央教育審議会 教育課程部会 情報・技術ワーキンググループ