青山学院大学新设…60人精锐教育「统计数据科学学环」挑战未来

　在数字化转型（DX）加速推进的当下，各行各业亟需以扎实技术能力为根基、具备突破性思维的人才。那些能洞察数据背后本质问题、以科学依据推动社会变革的专业人才，正成为社会最前沿不可或缺的存在。

青山学院大学将于2027年4月新设的"统计数据科学学环"，正是对这一高需求作出的回应。该项目将在IT企业云集的涩谷青山地区，作为首创的理科本科课程，实施60人规模的深度小班化教育。为何要在传统青山校区设立冠名"统计数据科学"的跨学科新本科课程？我们采访了新学环筹备室室长荒木万寿夫教授，探寻其设计理念及该校构想的"未来专业人才"形象。
※因尚处筹建阶段，刊载内容为预定方案，可能存在变动。

生成AI时代更需思考"人类应承担的角色"

--2027年4月，统计数据科学学环将在青山校区全新启航。为何选择在当下推进数据科学？能否请您阐述创立的背景？

　数据科学是一门通过收集分析数据，发掘数据背后隐藏规律与关联性来解决问题的学科。在生成式AI急速普及的当下，数据分析与编程中部分定型化处理已可借助AI实现效率化，或许有人认为学习数据科学的意义正日渐淡化。正因如此，我们始终以极端认真的态度面对"为何选择当下学习数据科学"这一命题。

最终我们确信能给出的答案是：正因生成式AI普及的当下，更需要明确人类应承担角色的数据科学教育。生成AI主要通过学习历史数据中的模式来运作。而人类面临的课题，则是关乎当下与未来——既要持续把握"当前状况"，又要对"下一步行动"承担决策责任。

　在社会或组织中决策时，我们首先要准确把握现状，再据此思考面向未来的选项。这个过程必然伴随着价值判断——例如优先处理什么、承担哪些风险。这类行为无法完全交由擅长基于历史数据进行模式学习的AI来完成，必须在借鉴历史经验的同时，由人类自身负责任地承担。

　AI虽是有效工具，但阐释、判断并引导共识形成仍是人类的职责。正因如此，我们必须同时具备根据目的和情境正确运用该工具的能力。新学环的设立，正是源于这样的社会需求与问题意识。

--为何学环名称不仅包含"数据科学"，还冠以"统计"二字？

　前文提到人类应承担说明、判断及共识形成之责，而统计学正是支撑这些能力的有效"筋力"。学习统计学能培养哪些能力？主要体现在以下三方面：

　其一是辨别数据质量、根据目标收集有效数据的能力，这是准确把握现象的关键。数据收集过程中，若提问方式存在偏颇，则只能获得片面回答。换言之，必须具备根据"需要了解什么"来设计调查的能力。

　第二是思考可能影响结果的因素，多角度把握现象背景并进行逻辑推理的能力。这包括意识到数据揭示的关系究竟是单纯相关性，还是可能存在因果关系，并根据需要考虑补充验证或比较方法。

第三项能力是在阐释时既能呈现依据又能揭示不确定性，从而促成共识形成。当社会或组织进行决策时，仅以"AI如此判断"为依据远远不够。必须将判断的前提、局限性及风险进行语言化阐释，最终承担解释责任与决策权的仍是人类。

这三项能力均以统计学为核心支撑，在活用AI辅助的同时，强调人类应主动承担的主体领域。

为何选择"学环"？——整合多领域专业性的培养机制

--为何不设"学部"而选择"学环"？

　数据科学领域的教育与研究对象，不仅限于统计学和信息学，更横跨多元领域的课题。鉴于相关技术进步迅速，亟需建立能根据社会课题灵活更新教育内容的框架。在此背景下，"学环"能够突破学部框架编排教育项目，是更易实现跨学部教育、有效整合校内多元资源的本科课程体系。通过将学环体系打造为数据科学学习平台，可整合现有5个学部（教育人类科学、经济、法学、经营、理工）的专业优势，使生成式AI与著作权、数据驱动型经营与会计数据科学、AI与新型教育方法等领域的专家，在把握前沿议题的基础上开展实践性教学。

--理工学部虽也涉及AI与数据科学，但与现有学部有何不同？

　新学环与现有学部的核心差异在于"主修方向的深度培养"。理工学部以理学、数学、信息学及各工程领域为基础，侧重将AI与数据分析应用于各学科的研究、开发及产品制造。

　而统计数据科学学环则以系统化学习数据科学本身作为教育目标，其主修专业即为数据科学。此外，通过与现有5个学部的联动机制，学生可根据个人兴趣及研究需求，自主选修法律、经营、教育等学科学科。

以高中数学为基础深化数理理解，锤炼实践能力

--在统计数据科学学环中，究竟更侧重于统计学、数学等理论知识，还是侧重于运用人工智能进行商业应用与实践呢？

　观察其他大学开设的文理融合型数据科学学院或学科，多数课程设置侧重实践环节，如演习课和PBL（项目式学习）等。当然，数据科学本就是实践性强的学科，这种设置或许理所当然。

然而现实中遇到的课题往往无法照本宣科解决。若仅使用教科书样本数据，如今借助AI辅助和基础编程知识，按固定流程即可完成分析。但实际课题常存在数据缺失、偏差、定义模糊、目标与约束条件差异等高度个性化特征，仅凭便捷工具生成"看似合理"的结果往往难以真正解决问题。

正因如此，以统计学为代表的数学化理解所支撑的"判断可信度边界的能力"不可或缺。例如：需确认结果是否受数据偏差影响、是否仅是偶然波动造成的表象差异、能否在其他数据或条件下复现、前提与局限性何在——唯有在验证这些要点的基础上进行解读，所得见解方能经受决策考验。正因有理论支撑，才能在实践中灵活应对。

　换言之，我们认为数据科学是理论与实践必须完美协同运作的学科领域。

——数据科学类院系多以文理融合为特色，但统计数据科学学环是以理科教育体系为基础设计的。具体而言，高中数学的哪些知识点构成基础？

　要正确理解数据科学，大学数学中的线性代数和解析学至关重要。因此高中阶段学习的"数学IIIIIIABC"全部六门科目都构成重要基础。毕竟步入社会后再系统重学数学绝非易事，我们希望学生能从高中数学开始循序渐进，在大学四年中扎实学习，奠定理论基础。

四年制课程设计：从基础到实践的阶梯式学习

--请概述四年课程的整体架构。

　在数据应用实践中，反复试错验证假设，持续思考"下一步应验证什么"，并能在优先级排序中坚持决策的能力至关重要。为培养此类能力，本院在重视统计思维的同时，构建了从"基础→应用→实践"循序渐进的数据科学课程体系。具体旨在培养以下能力：

数理统计学基础能力

　注重数学与统计学基础，系统学习数据分析所需的数学基础。由此培养学生毕业后自主学习新技术新方法的能力，使其能运用最新统计分析与机器学习技术，主动开展基于数据的决策与问题解决。

运用编程及AI/机器学习的数据分析能力

　理性决策需基于客观依据。因此社会与组织规划中，对调查数据的分析不可或缺。本专业将数学统计学与编程、AI/机器学习基础知识有机结合，系统培养实践性数据分析能力。

针对现实社会课题，具备从设计、验证到说明全程解决问题的能力

　利用每年级60人的小班制优势，自一年级起采用研讨会式指导与PBL（项目式学习）教学模式，通过实践磨砺逻辑思维能力与沟通能力。

　具体而言，一、二年级开设"基础研讨课"，通过实践学习特定课题的解决方法、思维方式及需规避的思维误区。此类研讨式教学在三年级的"统计数据科学实践课"中延续深化，学生通过参与企业联合研究等项目，将所学技能付诸实践。通过这一系列培养过程，学生将获得强大的课题解决能力。

--这确实是理论与实践双轨并行的精心设计课程。为助力数据科学家拓展全球发展舞台，课程如何融入英语教育及海外案例研究？

　在国际标准的数据科学教育中，英语绝非单纯的语言科目。其核心目标在于掌握数据科学工作场景中的沟通技能——即流畅实现"书写、口述、传达"三大能力。本学院将通过以下步骤培养学生运用英语支撑统计数据科学专业性的逻辑思维与表达能力，最终目标是在具备学术写作经验的讲师指导下，使学生能够用英语撰写论文。

一年级：学习方法转型与逻辑能力培养（必修课程）
　摆脱高中阶段被动学习模式，实现对精准表述的意识革新。在建立AI素养的同时，重新学习语法作为准确传达数据与事实的结构，并通过掌握段落写作规范与对话基础来培养逻辑思维能力。

二年级：摘要写作、笔记记录、阅读理解与表达能力培养（必修科目）
　以应用基础知识、提升复杂信息处理能力为目标。除延续一年级对时事问题的摘要写作训练外，还将运用视听教材进行笔记记录，强化长时间听力理解能力。同时培养区分事实与观点的阅读能力，掌握观点性文章写作及演讲技巧。

三年级：专业整合与精进（选修科目）
　作为前两年学习的集大成，设置四门专业特化课程：专业论文解读、学术论文撰写、专业辩论、研究成果发表。这些课程均以一、二年级必修课为基础构建。

小班制传承的数据科学家"精熟知识"

--虽然招生规模仅60人，您认为小班制教育能带来哪些优势？

　小班制的核心优势之一，在于能更有效地开展实践性教学。

　数据科学家协会采用"见习生""独立工作者""栋梁"等术语划分数据科学家等级。正如这些称谓所示，在数据分析现场，学员能近距离观察资深从业者的工作方式，通过师徒般的实践协作处理数据，从而继承教科书无法传授的"隐性知识"。

那么实践教育的核心内容是什么？答案正是基于真实数据的分析实践。正如医学院需依托附属医院开展临床教学，数据科学教育同样无法仅凭教科书案例完成全部培养。现实社会数据往往包含大量缺失值与异常值，分析前需耗费大量时间进行数据清洗（Cleansing）的情况并不少见。

　在培养数据科学人才的过程中，我们希望学生们切实体验"分析过程充满波折才是常态"的现实。要细致支持这种试错过程，并在过程中将发生的情况转化为语言进行共享，小班教学便成为巨大优势。要将这类难以系统化的"隐性知识"在学习场域中传递，这种规模的招生人数最为理想。

——这个学环是否也具备处理真实社会数据的环境？

　是的。实践教育的核心将依托本学环筹建的统计数据科学研究教育中心（暂定名）。该中心将完善实证数据处理的合约管理、信息管控及伦理规范等框架体系，使学生切身感受到数据处理的责任之重，同时承担持续提升教育与研究水平的职能。此外，毗邻青山校区的涩谷青山区域被称为BIT VALLEY，是众多IT初创企业诞生的沃土，我们计划积极推进与这些企业的联合研究及教育项目。

统计数据科学将通向怎样的职业道路

--新学环希望吸引怎样的挑战者？

　不仅限于商业领域，无论是体育、医疗、化妆品、游戏还是追星活动，任何感兴趣的领域都欢迎。但我们尤其希望吸引不盲目接受信息，能停下来思考"这些数据真能得出结论吗？""是否存在其他视角？"，希望基于依据解读现状，掌握负责任的决策与传播能力的人报考。

--毕业后能在哪些领域发展？　

　从企业数据科学家、AI工程师、分析师等岗位开始，运用多元数据辅助决策的职业领域正逐年扩展。本院培养的核心能力适用于任何行业。对于那些能从分析结果中获得支持他人决策的成就感，或乐于通过团队协作推动更优选择的人而言，数据科学将为其开拓跨领域发展的广阔前景。

无论是信息通信、咨询营销、金融证券、制造建设、法律知识产权、教育公共领域，抑或继续攻读研究生，无论选择何种道路，基于数据进行思考、判断与论证的能力都将成为你最强大的武器。

成为任何时代都能大展身手的专业人才

--最后，请对正在规划未来的高中生及其家长说几句话。　

　身处这个时代，各位高中生通过智能手机能实时接触海量信息。关键在于不仅要"知晓"信息，更要掌握如何"解读、判断并转化为行动"。统计数据科学学环正是为培养这种能力而设的四年制平台，致力于通过数据分析培养贡献社会的领袖人才。

　虽说这是个变化剧烈、难以预测的时代，但请务必与我们共同成长——通过社会前沿的统计数据科学教育，成为无论身处何种时代都能大展宏图的专业人才。

--感谢各位。

　收集数据、基于证据阐释、促成共识。在人工智能加速进化的时代，这些能力正是人类应承担的使命，未来将在社会各领域日益受到重视。对于渴望造福社会、开创新时代的高中生而言，本学环必将成为蕴含无限可能的有力选择。