教育データサイエンスとは、何か。少なくとも「未来予測」「意思決定」の2つの要素があると考えています。実際に、身の回りには、「内閣支持率」「視聴率」「評価損益（つみたてNISA）」など多くの統計があります。こうした統計データを集め、その意味を一目でわかるように示すこと、即ち、一部のデータから全体像を予測することに価値があります。STEM教育では「道具としての数学」でしたが、教育データサイエンスでは、問題解決をするための「道具としての統計学」です。まずは、これを身に付け、より良い意思決定をしていくことが重要です。

 【参考文献】2022.2.15　国研令和3年度教育研究公開シンポジウム　招待講演「教育データサイエンスの可能性とその教育」　Sanne Smith氏　Program Director at Stanford University

【意志決定の最適化プロセスとしての PPDAC サイクル】本格的な分析は、目的に応じたデータ収集です。特に、PPDACサイクル（ニュージーランドの教育で， 戦後日本の品質管理の分野で使われていた PDCA サ イ ク ル を 応 用 し たPPDAC “Problem， Plan， Data， Analysis and Conclusion” という問題解決プロセス）が参考になります。統計と聞くと、既にデータがあって、そのデータを分析する、と考えがちですが、本来はデータ収集からデータの解釈のプロセス全体を見通す必要があります。そのプロセスの一つにPPDACサイクルがあるのです。ナイチンゲールは、PPDACサイクルにような統計的マネジメントを実践していたことでも有名です。【参考文献】日本統計学会（2012），日本統計学会公 式認定統計検定 3 級対応データの分析，東京図書， 148-151．

ナイチンゲールが『クリミアの天使』と呼ばれた理由が分かりました。。。そもそも発想が、すごいです。とはいえ、発想といっても、単にアイディアのことだけでなく、その時代背景も考慮すると、もっと深い意味があると思います。

【統計的調査】データを集計し、統計量を示すことが目的のようになるのは本末転倒です。そのために、学校教育におけるデータサイエンスでは、所謂、古典的統計学に偏る内容で構成しておらず、古典的統計学と、古典的情報学を学びながら、学校教育現場で何ができるかを考えています。統計の分析は、あくまでもデータの記述です。先行研究を調査したうえで、自分自身で調査結果を読み、解釈し、考察する、ことができることが必要です。