びわこ成蹊スポーツ大学×AI・データサイエンス
スポーツ
×
AI・データサイエンスとは
“AI・データサイエンス” というフレーズを最近よく耳にしませんか？
近い将来訪れるSociety5.0と呼ばれる社会では、
AI・データサイエンスの利用・活用に関する知識が必須となってきます。
“AI・データサイエンス”などと言われても･･･ハテナ？？
いいえ、決して臆するものではありません。
みなさんが日々過ごしているさまざまなシーンで使われているテクノロジーになっています。
そして今、大学の学びにおいて、AI・データサイエンスに関する
基礎的な能力の向上を図る機会の拡大が求められています。
このような社会的ニーズに対応すべく、また、みなさんが大好きなスポーツ分野でのバリューを
見出すために、びわこ成蹊スポーツ大学では、2021年度からSociety5.0時代をみすえた
新たな教育プログラム「SPORTS×AI・データサイエンス」をスタートさせました。
そして、文部科学省の令和7年度「数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）プラス」に認定されました。
（認定の有効期限令和9年3月31日まで）
「MDASH Literacy＋ ※」
数理・データサイエンス・AIの知識を様々な専門分野へ応用・活用できる
高度な技術者を目指す教育プログラム。
- Approved Program for Mathematics, Data science and AI Smart Higher Education
［教員インタビュー］
データ分析で
スポーツは変わる
禰屋 光男Mitsuo Neya
教授
私はいくつかの大学で運動生理学の教育や研究に取り組む一方、日本やシンガポールなどで各国のエリートアスリートのパフォーマンス向上につながるスポーツ科学的支援などをしてきました。
スポーツの現場と科学的研究の現場、両方を経験してきたので、例えば、アスリートのパフォーマンスやコンディションの評価について、様々な生理学的測定などでデータを数値化して評価につなげる、ということを日常的に行っています。現在では様々な測定デバイスの発展・普及により、アスリートを取り巻く非常にたくさんのデータが取得できるようになりました。これらをスポーツ科学的な視点を活かして、分析し、パフォーマンス向上につなげることがスポーツにおけるデータサイエンスの活用に欠かせない素養と言えます。
データ分析ができる人はいます。スポーツの現場で活躍する人もいます。でもその両方を組み合わせられる人は実はそんなに多くはありません。これからのスポーツ界で成果を求めるなら、データサイエンスとスポーツ。2つの経験が必須となってくるでしょう。
本学に入学された学生には、データをどう分析していけばスポーツに役立てられるのかを考えてほしいと思っています。あらゆるスポーツに含まれるデータに触れてください。そして学んでください。本学は全学生にデータサイエンスを学べる環境を準備していきます。なぜならそれは、スポーツを冠する大学の役目だと確信しているからです。
スポーツの未来はデータ分析にあり
びわこ成蹊スポーツは
「データサイエンス」を
全学生の学びへ
今、スポーツ界では、“AI・データサイエンス”の研究・実装がスタートしています。
これまで感覚的に捉えられていたプレーが数値や映像で可視化され、
選手のパフォーマンス向上や戦術に活かされるようになりました。
「SPORTS×AI・データサイエンス」の可能性は無限の広がりをみせています。
スポーツ現場のはなし
たとえばサッカーで「パスがうまい」というのは、すごく感覚的なもの。これを数値化しようという試みが、いわゆるデータ分析です。まず、各選手にさまざまなシチュエーションにおけるパス機会を提示し、「通せる確率」を出してもらいます。そこで集まったデータから、選手のスキルやパスの難易度を読みときます。この数値化された「パスのうまさ」は、戦略を立てるのに活用できたり、個々の練習メニューへの反映も可能に。
つまり、データ分析は、選手やチームを強くする可能性を秘めています。これはサッカーに限らず、どのスポーツにもいえること。
さあ、データサイエンスでスポーツの未来を変えよう。
地域と連動する
「スポーツデータの地産地消」
地域で生まれるスポーツデータを教育に活かす「スポーツデータの地産地消」が学びの特色。地域の中学・高校や滋賀レイクスU-18、企業の健康プログラムと連携し、実際のスポーツ・身体活動データを授業に取り入れています。アスリートサポートステーション（ASS）で収集される生理学的・動作データや、運動クラブのスタッツ・体力・コンディションデータは、スポーツデータ管理企業Kitman と連携してデータベース化。BIツールを用いた授業を通じて、学生はデータ分析から現場へのフィードバックまでを実践的に学びます。
こうした地域・産業界と結びついたPBL型授業により、データサイエンスを社会で活かす力を養っています。
アスリート・データ・バンク構想
本学と同じ学校法人大阪成蹊学園が運営する大阪成蹊大学 データサイエンス学部と連携し、教育・研究体制の整備をすることで、スポーツ学の学びをより深化させます。データ収集では、本学の学生に留まらず、国体チームなどの地域チームや協定プロチームなど、学外団体との連携をはかっていきます。また、スピードや加速度を計測したり、無線筋電図で筋生理系の測定をしたり、モーションキャプチャーカメラで身体動作の計測をしたり、機材を投入することで解析に役立てます。データ収集からのデータ解析、そしてフィードバック、また新たな仮説をもとにデータ収集を。
そのようなサイクルを確立させる “アスリート・データ・バンク”は、世に貢献するリソースとなることをめざします。
びわこ成蹊スポーツ大学×AI・データサイエンス
カリキュラム紹介卒業までの４年間の学び
-
1
導入
社会におけるデータ・AI利活用
数理・データサイエンス・AIは、現在進行中の社会変化に貢献していること、またそれが生活に密接に結びついていることなどに触れ、データサイエンスの世界に親しみます。
-
2
基礎
データリテラシー
実データ・実課題を用いた演習など、社会での実例を題材として「データを読む」「説明する」「扱う」といった数理・データサイエンス・AIの基本的な活用法を学びます。
-
3
心得
データ・AI利活用における留意事項
数理・データサイエンス・AIは万能ではなく、その活用に当たってはデータ倫理や情報セキュリティなど、さまざまな留意事項があることを学びます。
