一覧へ ｜ 単元設計

道具 2 easyDataScience で予測する ｜ 単元設計

easyDataScience（リポジトリ）を使って、予測と分類を作り、当たり方を正しく測れるようになる 5 回です。回のファイル名は lessons/d-01〜d-05。

この単元の位置

この単元でいちばん大事なのは、「当たった」と言ってよい条件です。学習に使ったのと同じデータで 9 割当たっても、それは当たったうちに入りません。第3回にまるごと 1 回を使うのはそのためです。

easyDataScience はブラウザだけで動く教育用の AutoML です。通常の学習と予測はブラウザの中で完結します。生成 AI による解釈支援を使ったときだけ外部へ送られるので、押す前に何が送られるかを画面で確かめます。

本質的な問い

その予測は、見たことのないデータでも当たるのか。

単元の目標（3観点）

観点目標
知識・技能目的変数を決め、回帰と分類を選び分けて、モデルを作れる。当たり方の指標を読める
思考・判断・表現学習用と検証用を分ける意味を説明できる。過学習の兆しに気づき、どの列が効いたかを読める
主体的に学習に取り組む態度当たり方の数字を良く見せようとせず、外した例を示そうとしている

評価課題（単元末）

「予測か分類を一つ作り、当たり方と、いちばん外した例を示す」（第5回までの積み上げ）

観点BAC の生徒への手立て
知識・技能目的変数を決めてモデルを作り、当たり方の数を示している学習用と検証用を分け、分け方を選んだ理由を言える表の 1 行が何を表すかを口で言わせる
思考・判断・表現効いた列を一つ挙げている外した例を示し、データか手法かに切り分けている外した行を 1 つだけ選ばせる
態度結果をそのまま示している当たり方が思ったより低かった理由を探している「当たりすぎていないか」を先に問う

各回

回題ここでできるようになること
1予測の考え方と目的変数目的変数と説明変数を決める。表の 1 行が 1 件であることを徹底する。回帰で数を予測する
2分類と正解率の落とし穴分類を作る。正解率だけを見ない（片方に偏ったデータでは高く出る）
3予測の精度の測り方学習用と検証用を分ける。テスト用は決めるまで見ない。同じ人・同じ学校を分ける（グループ分割）、過去から未来を予測する（時系列分割）
4特徴量の重要度特徴量重要度を読む。関係のない列を足すと当たったように見えることを、実際に試す
5画像と音の分類転移学習で画像を、マイクで音を分ける。集め方の偏りと、人が写るものの扱い

各回は 10分版・20分版・50分版の 3 つの進め方を持ちます。

必ず言うこと

情報の授業とのつながり

思い出すこと戻る回生徒が聞いた言葉
関係と原因情報Ⅰ (4) 第10回一緒に動いていても、動かしているとは限らない
よさを数にして小さくする情報Ⅱ (3) 第7回引いた直線を、どこまで使ってよいか
列を足すとどうなるか情報Ⅱ (3) 第8回重回帰による予測
機械と人の役割情報Ⅱ (3) 第13回機械は分けるだけ ｜ 意味をつけるのは人
任せる判断・任せない判断情報Ⅱ (3) 第15回信頼性・公平性・透明性・個人情報保護・責任

詳しい引き方は 情報学探究マニュアル 第7節 にあります。

どの段階で使うか

設計指針（第2版）との対応

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の道具名は書きません。使うデータは枚の中に埋め込むか、公開データを想定します。ブラウザだけで動き、インストールは要りません。

カメラやマイクが使えない端末のとき。 第5回は、教師が先に撮った写真を 2 束（同じ机の上だけで撮った束と、ばらばらの場所で撮った束）配り、全員が同じ束を読み込む形にできます。撮る体験は減りますが、当たり方が 88% と 51% に分かれるという第5回の山場は、そのまま成立します。音は、教室で録った 1 セットを共有します。

出典