下関市立大学 データサイエンス学部 データサイエンス学科【学校推薦型選抜】 推薦入試の出題傾向と合格戦略

「グラフの数字は読めるのに、答案になると何を書けばよいか分からない」「データサイエンス学部だから、統計の難しい知識が必要なのではないか」。下関市立大学の学校推薦型選抜を考える受験生には、こうした不安が少なくありません。 しかし、この小論文でまず必要なのは、高度な計算技術ではありません。複数の資料を比べ、重要な変化や差を見つけ、それを読み手に伝わる順序で説明する力です。数字を一つ拾うだけでも、知っていることを自由に書くだけでも不十分であり、資料と主張を往復する姿勢が求められます。 2024年度と2025年度では、扱われた社会課題は異なります。それでも、客観的な概観と自分の意見を分けること、複数図表を組み合わせること、限られた字数の中で改善策まで示すことには明確な共通性があります。この共通構造を理解すれば、初めて見るテーマにも対応しやすくなります。 ここでは、各年度の狙いを整理したうえで、答案の評価を分けるポイント、具体的な勉強手順、面接へのつなげ方まで解説します。過去問を一度解いて終わりにせず、自分の思考の型をつくるために活用してください。

2025年度分析：データ集中と偽・誤情報を二つの角度から考える

2025年度は、インターネット上で流通するデータの増大を背景に、巨大なデジタルサービス事業者へのデータ集中と、オンライン空間における偽・誤情報という二つの課題が扱われました。前半では通信量の拡大、企業別のサービス利用、収集される情報の種類、企業規模、利用者の認識を関連づけ、国内利用者の意識を改善する方法まで述べます。後半では、年代や媒体による偽・誤情報との接触状況、拡散理由、真偽確認の実態を整理し、自分なりの対処法を示します。資料数が多いうえ、二つの設問で異なる論点を扱うため、すべての数字を盛り込むのではなく、結論を支える資料を選ぶ判断が重要です。データの利便性と危険性を単純な善悪に分けず、利用者、企業、教育など複数の主体から対策を考える力が試されています。

• 第一問はデータ流通の拡大、企業への集中、収集項目、利用者認識を一本の流れとして説明する
• 日本と他国の比較では順位だけでなく、認識の弱さがどの回答区分に表れているかを見る
• 第二問は媒体別・年代別の接触傾向と、拡散する心理、検証行動を区別して整理する
• 複数回答の表は項目を足し合わせず、各回答が独立した割合であることを踏まえる
• 対策は情報リテラシーという言葉だけで済ませず、確認手順や仕組みまで具体化する

出題テーマ：便利なデータ社会が抱える二つのリスク

前半の中心は、スマートフォンを通じた通信量の増加と、少数の大規模サービスに利用履歴や個人に関わる情報が集まる構造です。資料には、検索、閲覧、購買、交流など、利用者が意識しにくい行動情報も収集対象になり得ることが示されています。答案では「多くの情報が集まる」と曖昧にせず、サービス利用の拡大と収集範囲の広さを結びつける必要があります。

後半の中心は、偽・誤情報がどこで目に入り、なぜ人が広め、どの程度確かめているかという情報行動です。誤情報の問題を発信者だけの責任にすると資料の半分しか使えません。受け手が善意や注意喚起のつもりで共有する場合や、十分に検証しないまま判断する場合にも注目することが大切です。

両者に共通するのは、便利なサービスを使う個人が、その背後にあるデータ処理や情報流通の仕組みを十分に把握しにくい点です。この共通項を理解しておくと、年度全体のテーマを一貫して捉えられます。

設問の構成と採点ポイント

第一問では、現状説明と改善策に字数を配分します。冒頭で通信量やサービス利用の拡大を示し、次に複数種類のデータが特定企業へ集まる状況を説明し、国内利用者の認識に課題があることへつなげる構成が自然です。改善策は最後に付け足すのではなく、認識不足という課題に直接対応させます。

第二問では、偽・誤情報への接触、共有の理由、真偽確認という三段階を区別すると、資料を整理しやすくなります。特定の年代だけを問題視するのではなく、年代によって利用媒体や回答傾向が違うこと、各表で調査人数が異なることにも注意が必要です。

採点上は、資料を何個使ったかより、選んだ事実が主張を支えているかが重要です。数値を羅列する答案より、「接触機会が多い」「善意でも拡散が起こる」「確認が徹底されていない」という関係を簡潔に説明できる答案の方が、分析としてまとまります。

資料読解で注意したい比較と限界

予測値を含む時系列グラフは、将来が確定していることを示すものではありません。「増加すると予測される」と書き、実績値と同じ調子で断定しないことが必要です。また、通信量の増加だけから、個人情報への関心が低下したと因果づけることもできません。

国際比較では、国内利用者の認識が相対的に低い傾向を指摘できますが、その理由まで資料が直接示しているわけではありません。文化や制度を根拠なく原因として断定せず、「説明表示が理解されにくい可能性がある」など、提案につながる仮説として慎重に扱いましょう。

年代別資料では、割合だけでなく各層の回答人数にも目を向けます。人数が小さい層の値を社会全体の確定的な特徴として扱うのは危険です。データサイエンス学部志望者には、目立つ数字を見つけるだけでなく、その数字の確かさを考える姿勢も求められます。

スカイ予備校の分析：評価された答案の共通点

高く評価されやすい答案は、資料の要約と自分の意見の境界が明確です。「資料からは何が分かるか」を述べた後に、「したがって私は何が必要だと考えるか」へ移るため、読み手が推論の過程を追えます。意見を先に決め、都合のよい数字だけを拾う書き方は避けましょう。

改善策には実行場面があります。たとえば、利用規約やデータ利用目的を理解しやすく表示する、学校で複数情報源を照合する実習を行う、共有前に発信元と日時を確認する、といった行動です。「意識を高める」だけで終わらず、意識を変える仕組みまで書けると説得力が増します。

さらに、規制だけ、自己責任だけに偏らないことも大切です。企業による透明性の確保、教育機関による訓練、利用者自身の確認行動を組み合わせることで、データ活用の利便性を保ちながらリスクを下げる提案になります。

2024年度分析：生成AIの急速な普及を社会実装の視点で読む

2024年度は、対話型生成AIへのアクセス、認知度と利用率、職業別の利用状況、AIに対する印象、職場への導入状況、利用用途を示す複数資料が提示されました。第一問では、日本における利用状況を短い字数で概観し、第二問ではビジネス利用の現状を整理したうえで、今後の活用について立場を示します。特徴的なのは、社会的な注目や認知の高さと、実際の利用や職場導入との間に隔たりが見えることです。また、業種や性別・年代による差、期待される用途と現時点の用途の違いも読み取る必要があります。肯定か否定かそのものではなく、図表に基づいて利点と課題を整理し、条件を付けて自分の結論を述べられるかが重要です。新しい技術を無条件に称賛したり、不安だけを並べたりせず、適切な利用場面と管理方法を考える姿勢が求められました。

• アクセス増加、国際的な位置、国内の認知・利用という順に整理すると第一問がまとまりやすい
• 認知率と利用率を混同せず、知っている人の多さと実際に使う人の多さを分けて書く
• 性別・年代・職業の差は、目立つ比較を一つか二つ選んで説明する
• 第二問ではAIへの期待、懸念、業種別導入、用途別活用可能性を関連づける
• 賛否を断定するより、導入条件、確認体制、人材育成まで示すと意見に厚みが出る

出題テーマ：生成AIへの注目と実利用のギャップ

資料全体からまず読み取りたいのは、生成AIへの関心が短期間に急速に高まり、日本からのアクセスも大きく伸びていたことです。一方、国内調査では認知の広がりに比べ、実際の利用は限定的でした。この「注目されていること」と「使われていること」の差が第一問の中心になります。

属性別では、性別や年代によって認知・利用の程度が異なり、職業別でも学生や教職員などの利用が相対的に目立ちます。ただし、違いを示すだけで原因まで決めつけてはいけません。学習や文章作成との相性などは考えられますが、資料が直接証明している事実とは分けて書く必要があります。

第二問では、業務効率への期待が大きい一方、雇用への影響や不安も存在し、職場導入も業種によって差がありました。社会の期待は高いが、組織的な運用は発展途上であるという整理が、意見を考える出発点になります。

設問の構成と採点ポイント

第一問は字数が短いため、すべての属性を紹介する余裕はありません。「利用の急拡大」「国内での高い関心」「認知と利用の差」「属性差」という骨格を先に作り、そのうち重要な傾向を選びます。一つの図表に偏ると概観にならないため、複数資料を短い接続語で結びましょう。

第二問は、前半でビジネス利用の実態、後半で自分の意見を述べる構成が基本です。現状では文章関連の用途が目立つこと、今後はより幅広い用途が期待されていること、業種別の導入差があることを整理し、それを踏まえて条件付きの活用方針を示します。

評価を分けるのは、賛成か反対かではありません。肯定的な立場なら誤情報や機密管理への対策を、慎重な立場なら適切に使える領域や利点を認める必要があります。反対意見への配慮があることで、一面的ではない判断になります。

複数図表を結びつける読み方

時系列資料と属性別資料は役割が違います。時系列資料は普及の速さを、属性別資料は普及の偏りを示します。答案では「全体として急速に関心が高まったが、利用は一様ではない」とまとめると、異なる図表を一つの意味に統合できます。

AIに対する印象と職場導入の資料も組み合わせられます。生産性向上への期待が大きくても、すべての職場で利用が進んでいるわけではありません。この差から、技術への期待だけでは導入できず、用途の選定、規則、教育、費用などの条件整備が必要だと考えられます。

利用用途では、現在の利用と将来の可能性を区別します。将来性が高く見える用途を、すでに広く利用されていると書いてはいけません。凡例、調査対象、回答人数を確認し、異なる集団の数字を安易に直接比較しない慎重さも必要です。

スカイ予備校の分析：評価された答案の共通点

高く評価されやすい答案は、最初の一文で全体像を示します。たとえば、社会的な関心は急速に拡大しているが、実利用や職場導入には属性・業種による差がある、という形です。その後に具体的な傾向を置くため、数字がばらばらに見えません。

意見部分では、生成AIを人間の代替とだけ捉えず、下書き、要約、発想支援などの補助として位置づけ、人が事実確認と最終判断を担う構成が有効です。

また、業種ごとの差を踏まえ、一律導入ではなく業務ごとに適否を判断する姿勢も重要です。導入目的を明確にし、試行、検証、規則整備、本格利用という段階を提案できれば、現実性のある結論になります。

この小論文の特徴は「図表理解」と「社会への提案」の往復にある

下関市立大学の問題は、一般的な知識を自由に論じる小論文とは性格が異なります。最初に与えられたデータを整理し、そこから確認できる現状を説明したうえで、課題や改善策へ進みます。資料を読まずに用意してきた意見を書いても、設問への応答にはなりません。

一方で、資料の要約だけでも不十分です。データが示す社会的な意味を考え、誰がどのように行動すべきかを自分の言葉で示す必要があります。客観と主観を切り離すのではなく、客観的根拠から妥当な提案を導く試験だと理解しましょう。

公開年度から見える共通構造

2024年度と2025年度には、複数資料を大きく二群に分け、二つの設問に答える構造があります。一方は現状の概観を重視し、もう一方は現状説明に加えて意見や対策まで求めます。問題冊子を開いたら、まずどの図表がどの設問に対応するかを区切ってください。

両年度とも、情報技術の発展が生活や仕事にもたらす利便性と、それに伴う課題が扱われています。技術を礼賛するだけでも、危険性だけを強調するだけでも足りません。利益を生かしながら問題を抑える条件を考えることが、共通する思考課題です。

また、全体平均だけでなく、年代、職業、業種、国、媒体など複数の比較軸があります。答案では、設問の結論に必要な比較軸を選び、差が何を意味するかを説明することが求められます。

合格に必要な力① 数字を言葉へ変換する力

図表読解では、数字をそのまま書き写すのではなく、「増えている」「差が大きい」「特定層で高い」「認知ほど利用されていない」のように意味へ変換します。数値は、その表現を裏づけるために必要なものだけを使います。

グラフを見るときは、題名、単位、期間、対象、凡例の順に確認してください。棒の高さだけを見ていると、実績値と予測値、人数と割合、単一回答と複数回答を取り違えることがあります。読み始めの確認が、後の誤読を防ぎます。

さらに、最大値だけでなく例外も探しましょう。全体として増加していても途中で伸びが鈍る、若い層が高い傾向でも特定の媒体では別の年代が目立つ、といった例外は、丁寧な分析の材料になります。

合格に必要な力② 資料を統合して結論を作る力

複数図表問題では、資料を一枚ずつ順番に紹介するだけでは分析になりません。最初に設問への暫定的な答えを作り、それを支える資料を二つか三つ選びます。結論が「利用は広がっているが偏りがある」なら、時系列と属性別の資料を組み合わせます。

統合するときは、資料同士の関係を接続語で示します。「一方で」「これに対して」「この傾向は」「ただし」などを使うと、列挙から論証へ変わります。ただし、相関する二つの現象を見つけても、資料が示していない因果関係を断定してはいけません。

答案の骨組みは、全体結論、具体的根拠、意味づけの三段階で作れます。数字を先に並べるのではなく、何を説明するための数字なのかを明確にしてください。

具体的な対策ステップ：読解から推敲まで

第一段階では、制限時間を気にせず図表ごとに「何が比べられているか」「最大・最小は何か」「意外な点は何か」を一行で記録します。第二段階では、同じ論点を示す資料をグループ化し、設問ごとの結論を一文で作ります。

第三段階では、結論、根拠、解釈、提案の順に構成メモを書きます。提案が必要な設問では、個人、企業や学校、行政のどの主体を扱うかを決め、課題との対応を確認します。その後に初めて本文を書き始めます。

第四段階は字数調整です。字数が足りないときは新しい一般論を加えるのではなく、根拠と提案のつながりを補います。長すぎるときは、同じ意味の文、過剰な数値、長い前置きを削ります。最後に主語と述語、誤字、断定の強さを点検してください。

字数別に構成を変える練習

300字程度の設問では、論点を欲張れません。全体像を一文、主要な根拠を二点、まとめを一文という形が目安です。属性差をすべて紹介するのではなく、全体傾向を最もよく表す比較を選びます。

350字から450字程度では、現状説明と対策の両方が必要になります。前半で問題の構造を示し、後半でその原因や対策を述べます。対策だけが長くなり、資料分析が薄くならないよう配分を先に決めましょう。

500字程度では、利点と問題点、または複数主体の役割まで扱えます。ただし、論点を増やすほどよいわけではありません。中心となる提案を一つ定め、必要に応じて補助策を加える方が、一貫した答案になります。

不合格につながりやすい答案パターン

第一は数字の羅列です。すべての図表に触れようとして割合を並べても、結局何が言えるのかが分かりません。数字を使うたびに、その比較が示す意味を短く添えてください。

第二は知識の暴走です。生成AIやSNSについて詳しくても、資料にない事件、専門用語、個人的経験を長く書けば、設問から離れます。背景知識は資料を解釈する補助として使い、答案の中心には置かないことが大切です。

第三は万能な対策です。「教育を充実させる」「ルールを作る」「一人ひとりが注意する」だけでは、どの問題にも当てはまってしまいます。何を教えるのか、どの場面で確認するのか、ルールがどの危険を減らすのかまで書きましょう。

第四は過度な断定です。限られた対象や時期の調査から、日本人全体や将来を言い切ることはできません。「傾向が見られる」「可能性がある」と表現を調整する必要があります。

面接との連動：答案のテーマを志望理由へつなげる

小論文で扱われるテーマは、データサイエンスを学ぶ意味を考える材料になります。生成AI、個人データ、偽・誤情報はいずれも、データを集める技術だけでなく、解釈、倫理、社会実装を含む課題です。面接では、こうした問題のどこに関心を持ったのかを自分の言葉で説明できるようにしましょう。

たとえば「AIを使いたい」だけでなく、出力の信頼性をどう検証するか、利用者に分かりやすくデータ利用を伝えるには何が必要かなど、具体的な問いへ深めます。その問いと大学で学びたい統計、情報処理、社会分析を結びつけると、志望理由に厚みが出ます。

練習後は、自分の結論、根拠にした図表、反対意見への対応を一分で話してください。書いた内容を口頭で説明できなければ、論理を十分に理解できていない可能性があります。

受験生への助言：テーマ予想より対応力を育てる

情報分野では新しい話題が次々に登場するため、特定テーマの模範答案を暗記する勉強には限界があります。重要なのは、初見の資料でも比較軸を見つけ、事実と推測を分け、課題に合う提案を作ることです。

日頃からニュースを見る際も、「どのデータが根拠か」「対象期間はいつか」「別の解釈はないか」を考えてください。一つの記事を信じるのではなく、調査主体や元データを確認する習慣そのものが、偽・誤情報やAIを扱う問題への対策になります。

添削を受けるときは、単に点数や模範表現を聞くのではなく、どの文に根拠が不足しているか、どこで論理が飛んだかを確認しましょう。自分の誤読や思考の癖を記録すると、別テーマでも同じ失敗を防げます。

保護者ができるサポート

保護者の方は、文章を代わりに直すより、受験生の説明を聞く役になってください。「その結論はどの図表から分かったのか」「その対策で何が改善するのか」と質問すると、本人が論理の不足に気づきやすくなります。

ニュースについて家庭で話す場合も、正解を教える必要はありません。利益を受ける人、困る人、必要なデータ、別の選択肢を一緒に考えることで、多面的な思考を育てられます。異なる意見を否定せず、根拠を尋ねる姿勢が面接練習にも役立ちます。

学習管理では、長時間書かせるより、図表要約、構成、執筆、見直しを分けて習慣化する方が効果的です。提出期限や練習日を共有しつつ、最終的な表現と判断は本人に任せることが、自立した答案作成につながります。

まとめ：合格答案へ向けて今日から始めること

下関市立大学データサイエンス学部の小論文では、図表を正確に読み、複数の事実を関連づけ、社会的な課題と改善策を簡潔に述べる力が中心になります。2024年度と2025年度を通して見ると、題材の暗記よりも「資料から考える型」を身につけることが重要だと分かります。 まずは過去問の図表だけを見て、全体傾向、比較、例外を箇条書きにしてください。次に、各設問を「結論・根拠・解釈・提案」に分けて骨組みを作り、最後に字数内へ収めます。書き終えたら、すべての主張に資料上の根拠があるか、提案が課題に対応しているかを確認しましょう。 同時に、答案で扱ったテーマについて、自分の経験や志望理由との接点を一分程度で話せるようにしておくと、面接対策にもつながります。書く内容と話す内容が一致すれば、データサイエンスを学びたい理由にも説得力が生まれます。 最初から完成度の高い文章を書く必要はありません。図表の要約、構成メモ、時間内執筆、推敲という順番で練習を重ね、毎回一つずつ弱点を直してください。その積み重ねが、未知の資料を前にしても慌てず考え抜ける力になります。

📚 関連記事

✏️ 推薦入試が主流の時代｜オンラインのスカイ予備校

推薦入試の仕組みと最新動向を解説。一般入試との違いや、合格への戦略を詳しく紹介します。

💬 【2026年最新版】推薦入試・看護医療系 大学面接のコツ｜よく聞かれる質問10選と回答例

面接でよく聞かれる質問と合格者の回答例を徹底解説。志望理由・長所短所・将来の夢など実践的な対策法がわかります。

🏫 私がスカイ予備校を始めた理由：あの日の悔しさが、スカイ予備校を生みました

スカイ予備校を創業した五十嵐校長が、27年間の指導経験と予備校設立の原点を語ります。