コロナが加速させた社会変革 - データサイエンスの進化と課題

パンデミックが生んだ未曾有の実験場

データサイエンスという言葉が、単なるバズワードの域を超え、私たちの社会に深く根を下ろしたことを、新型コロナウイルスのパンデミックほど明確に示した出来事はありませんでした。当初、「データが我々を救う」という期待感に満ち溢れていましたが、その後の道のりは、この分野が持つ真のポテンシャルとその厳しい限界の両方を白日の下に晒す様々な事例が相次いだものでした。

この世界的な危機は、データサイエンスにとって未曾有の実験場となり、その応用範囲は公衆衛生の最前線から、いまや、犯罪の動向、教育の現場といった社会の隅々にまで及んでいます。パンデミックを通じて、データサイエンスはどのように進化し、その課題はどのように深化したのでしょうか。本稿では、その光と影を多角的に掘り下げ、専門的な視点からその軌跡を追っていきます。

感染の波を追う ― 公衆衛生におけるデータサイエンス

リアルタイム追跡：見えなかったものを見えるようにする

パンデミックの初期段階において、データサイエンスが果たした最も根源的で重要な役割は、目に見えないウイルスの拡散を「見える化」することでした。世界中の研究者や企業が連携し、かつてない規模で感染データを収集、標準化し、可視化する取り組みが進められました。

その象徴的な例が、Googleなどの支援のもと、約60カ国の政府が発表するデータを自動で集約し、重複を排除して単一の巨大なリポジトリに統合するプロジェクトです ¹。これにより、世界中の感染状況を俯瞰的に把握することが可能になりました。

国内でも、自治体レベルで緻密なデータ活用が進みました。例えば福岡市では、積極的疫学調査で得られた実測データに基づき、感染者と被感染者の接触日から発症日までの日数を丹念に分析し、潜伏期間の平均値が4.82日であることを推定しました ²。このような情報は、濃厚接触者がどのくらいの期間、他者との接触を避けるべきかという具体的な公衆衛生上の指針を決定する上で、極めて重要な科学的根拠となったのです。

さらに、茨城県のように、厚生労働省の医療機関等情報支援システム（G-MIS）や携帯キャリアの人流データなど、多様なデータをリアルタイムで統合・可視化することで、地域の感染状況や医療提供体制を定量的に把握し、県民、医療機関、行政が共通認識を持って対策を進めるための基盤を構築した事例も見られました ³。

予測モデルの限界と、現実的な「短期予測」への転換

感染状況の「見える化」の次なる挑戦は、未来を予測することでした。ここで注目されたのが、感受性保持者（Susceptible）、感染者（Infectious）、回復者（Recovered）の頭文字をとった「SIRモデル」に代表される、伝統的な感染症数理モデルです ⁴。これらのモデルは、1人の感染者が次に何人に感染させるかを示す「基本再生産数（R0​）」などのパラメータを用いて、感染拡大のシナリオを描き出します。実際に、日本政府が「人と人との接触機会を8割削減すれば、2週間後に感染者数を減少に転じさせられる」という目標を掲げた際にも、こうした数理モデルの分析が参考にされました ⁵。

しかし、このパンデミックは、既存モデルの限界を浮き彫りにしました。SIRモデルなどは、人口が閉鎖されている、人々の行動は変化しない、ウイルスの性質は一定であるといった、多くの前提条件の上に成り立っています ⁶。ところが、新型コロナの現実では、変異株の出現、ワクチン接種の進展、そして緊急事態宣言などによる人々の行動変容といった、予測の前提条件そのものが目まぐろしく変化し続けました ⁷。その結果、数年先を見通すような長期的な予測は、ほとんど意味をなさなくなってしまったのです。

この「予測の失敗」は、データサイエンスの敗北を意味するものではありませんでした。むしろ、それは分野の成熟を促す触媒となったのです。野心的な長期予測から、より現実的で実践的な「短期予測」へと、戦略的な転換が起こりました。

例えば、Googleとハーバード大学は共同で、AIと膨大な疫学データを組み合わせ、日本を含む各国で将来28日間の陽性者数や死亡者数を予測するサービスを公開しました ⁹。また、神奈川県では、下水中のウイルス量を定量的に測定する「下水疫学調査」のデータと人流データなどを組み合わせ、今後14日間の入院者数や重症者数を予測するモデルを開発し、医療逼迫の可能性を早期に察知する試みを行いました ¹⁰。

これは、未来の最終形を当てるのではなく、今後2週間という具体的な期間で、病院のベッド数をどう確保するかといった、目の前の課題解決に資する情報を迅速に提供する「適応的管理」へと、データサイエンスの役割が変化したことを示しています。

記述統計学への回帰：不確実な未来より、確かな現在を

長期的な予測が困難を極める中で、改めてその重要性が見直されたのが「記述統計学」でした。これは、収集したデータを集計・要約し、グラフなどで可視化することで、「今、何が起きているのか」という現状を正確に描き出す、統計学の最も基本的なアプローチです ¹¹。不確実性の高い状況下では、不正確な未来の予測よりも、信頼できる現在の全体像の方が、政策決定において遥かに価値を持つことがあります。

パンデミック下では、日々の新規感染者数、重症者数、地域ごとの感染率、病床使用率といった記述統計が、まさに社会の羅針盤となりました。これらのデータは、医療資源をどこに重点的に配分すべきか、どの地域で対策を強化すべきかといった、日々の意思決定の拠り所となったのです。予測モデルが「森」を語ろうとして道に迷う一方で、記述統計は目の前の「木」一本一本の状態を正確に伝えることで、着実な一歩を踏み出すための地図を提供しました ¹³。

この「基本への回帰」は、データサイエンスが華やかな予測技術だけでなく、地道な現状分析という土台の上に成り立っていることを、改めて社会に認識させる出来事だったと言えるでしょう ¹⁴。

社会インフラとしてのアプリ開発 ― 成功、失敗、教訓

COCOA：技術の問題か、マネジメントの問題か

パンデミック対策として大きな期待を集めながらも、その機能を十分に果たせなかったのが、接触確認アプリ「COCOA」です。2020年9月のアップデート以降、Android版で約4ヶ月にわたり接触通知が機能していなかったという不具合は、単なる技術的なバグではなく、政府主導のITプロジェクトにおける構造的な問題を象徴する事例となりました。

厚生労働省が公表した調査報告書は、その失敗が複合的な要因によるものであったことを明らかにしています ¹⁵。直接的な原因は、iOSとAndroidという異なるOS間での仕様の差異を見落としたことでした。

しかし、その背景には、より根深いマネジメントの問題が存在しました。具体的には、リリースを急ぐあまり、アプリから通知サーバーまで一連の流れを検証する「結合テスト」を実施しなかったこと、開発者コミュニティ（GitHub）から寄せられた不具合の指摘を拾い上げ、対応を検討する業務フローが確立されていなかったこと、そして厚生労働省と複数の委託事業者との間で役割分担や責任の所在が曖昧だったことなどが挙げられます。

これは、発注者である省庁のIT専門知識の不足と、複雑な委託構造が生んだ「誰も全体を管理していない」状態が招いた、典型的なシステム障害でした。さらに言えば、開発の初期段階で、プライバシー保護を最優先するGoogleとAppleのAPIを採用した時点で、保健所が感染追跡に活用できるような強力な機能は持てないという、根本的な制約も抱えていたのです ¹⁶。

ワクチン接種証明書アプリと遠隔診療：デジタル化の成功と恒久化

COCOAの失敗とは対照的に、デジタル化の成功事例も生まれました。その一つが、デジタル庁が主導して開発した「新型コロナワクチン接種証明書アプリ」です。2021年9月のデジタル庁発足後、驚異的なスピードで開発が進められ、紙の証明書が約119万件だったのに対し、電子証明書の発行は約790万件に達しました ¹⁷。これは、COCOAの教訓からか、専門組織が明確な目的を持ってアジャイル（迅速）に開発を進めた成果と言えるでしょう。

しかし、社会に与えたインパクトという点では、「遠隔診療」の普及と恒久化がより大きな意味を持ちます。これまで「原則対面」が基本だった日本の医療において、遠隔診療はあくまで例外的な存在でした。しかし、パンデミックによる感染リスクを避けるため、2020年4月から時限的・特例的に初診からのオンライン診療が認められると、その利用は一気に拡大しました ¹⁹。

そして、この流れは不可逆的なものとなります。決定打となったのは、2022年度の診療報酬改定です ²¹。この改定で、オンライン診療に対する報酬が対面診療に近い水準に引き上げられ、医療機関がビジネスとして継続できる経済的な基盤が整ったのです ¹⁹。

この変化は、社会の仕組みそのものを変革しました。患者にとっては、通院の負担軽減、遠隔地の専門医へのアクセス向上といったメリットがあり、医療機関側にとっても、院内感染のリスク低減や業務効率化につながります ²³。COCOAの蹉跌が政府内のデジタルプロジェクト管理における厳しい学びの機会であったとすれば、遠隔診療の恒久化は、危機が強制的に社会インフラのデジタル革命を成し遂げた、歴史的な転換点として記憶されるべきでしょう。

プライバシーという永遠の課題

一連のアプリ開発は、公衆衛生上の有用性と個人のプライバシー保護という、古くて新しい問題を改めて突きつけました。COCOAは、まさにこのトレードオフの象徴です。プライバシー保護を重視したAPIを採用した結果、個人の特定に繋がる情報を取得しない安全な仕組みにはなりましたが、その代償として、保健所などが感染経路を積極的に追跡するために必要なデータを得ることはできませんでした ¹⁶。

これは、将来の危機において社会が直面するであろう、根源的な問いを投げかけます。社会全体の安全のために、私たちはどこまで個人のデータの提供を許容するのか。その「適切なバランス」はどこにあり、私たちはどのようにしてその合意を形成していくべきなのでしょうか。

パンデミックを経て、自分のスマートフォンアプリがどのような個人情報にアクセスしているかを管理・調査するサービスが登場していることは ²⁷、こうした問題に対する市民の意識が高まっていることの表れかもしれません。

データサイエンスの新たな担い手たち

専門家の協業：データサイエンティストと疫学者の連携

パンデミックとの戦いは、データサイエンスがいかに「人間的」な営みであるかを浮き彫りにしました。特に、データ分析の専門家であるデータサイエンティストと、感染症の専門家である疫学者の連携は、その成否を分ける重要な鍵となりました。多くのデータサイエンティストが、その分析能力を武器に疫学の領域に参入しましたが、そこで明らかになったのは、専門知識（ドメインナレッジ）の重要性です。

ある専門家が指摘するように、疫学的な背景知識なしに、ただデータを分析ソフトウェアにかけるだけでは、「恐ろしい（horrifying）」結果を招きかねません ²⁹。データが示すパターン（What）を正しく解釈するためには、その背景にある感染症のメカニズム（Why）を理解している必要があるのです。

実際に、携帯電話のビッグデータ解析などを通じて有効な情報発信を行った事例では、データサイエンティストと感染症研究者の緊密な連携が見られました ²⁹。この協業は、時に緊張関係を生みながらも、データ分析の力を正しく社会課題の解決に向けるために不可欠なプロセスでした。

企業内疫学：事業継続のためのデータ分析

パンデミックがもたらした興味深い現象の一つに、「企業内疫学」とも呼べる動きの広がりがあります。これは、学術研究のためではなく、自社の事業継続計画（BCP）という極めて実利的な目的のために、企業が疫学的な思考とデータ分析の手法を取り入れ始めたことを指します。

従業員の感染は、事業の停止に直結する死活問題です。そのため、多くの企業は、自組織の存続をかけて、クラスター発生のリスクを予測し、軽減するための対策を迫られました ³²。例えば、社員の感染データやオフィス内の人の動きを分析し、どの部署でリスクが高いかを特定する「クラスター分析」のような手法が、実践的なツールとして活用されました ³⁵。

また、オフィスへの出社率と市中の感染者数の相関を分析し、テレワークの比率を柔軟に調整するといった対応も、まさにデータに基づいた事業継続策の一環です ³⁷。

これは、これまで公衆衛生という専門領域の学問であった疫学が、あらゆる組織にとっての「実践的な経営ツール」へと、その意味合いを広げた瞬間でした。工場の管理者が、シフトの組み方や動線を分析して感染拡大を防ぐ。その行為は、目的こそ違えど、本質的には応用疫学の実践に他ならなかったのです。

社会の鏡としてのデータ ― 犯罪と教育への影響

変容する犯罪：街頭からオンラインへ、そしてAIとの攻防

パンデミックは、社会のあり方を映し出す鏡のように、犯罪の様相をも劇的に変化させました。データは、その変容を克明に記録しています。緊急事態宣言下での外出自粛は、人々の物理的な活動を制限し、結果として空き巣などの街頭犯罪を大幅に減少させました ⁴⁰。しかし、社会活動が再開するにつれて、これらの犯罪は再び増加傾向に転じています ⁴¹。

しかし、本当に注目すべきは、物理空間からデジタル空間への「犯罪の主戦場」のシフトです。人々が自宅で過ごす時間が増え、オンラインでの活動が活発化するのに伴い、フィッシング詐欺や偽のECサイト、サポート詐欺といったサイバー犯罪が爆発的に増加しました ⁴³。

そして今、私たちは犯罪の新たなフロンティア、すなわちAIを悪用した攻撃との「軍拡競争」の時代に突入しています。犯罪者は生成AIを用いて、本物と見分けがつかないほど精巧な「ディープフェイク動画」や、肉親や上司の声を複製した「クローン音声」を作成し、詐欺に悪用しています ⁴⁵。AIが生成する流暢な文章は、従来のフィッシングメールにあった不自然さを消し去り、人々を巧みに騙します ⁴⁸。

この新たな脅威に対し、警察などの法執行機関もまた、AIを活用した犯罪発生予測マッピングや不審取引の分析といった対抗策で応戦しており、まさにデータとAIを巡る攻防が繰り広げられているのです ⁵⁰。

教育のデジタル化が映し出す格差の現実

教育分野もまた、パンデミックによって大きな変革を余儀なくされました。全国一斉の休校措置は、半ば強制的にオンライン授業への移行を促し、EdTech（教育テクノロジー）市場は急速な成長を遂げました ⁵⁴。その中心にあったのが、生徒一人ひとりの学習データを分析し、最適な学びを提供する「ラーニング・アナリティクス（LA）」という考え方です。学習の進捗を可視化することで、生徒のモチベーションを高め、個別最適化された教育を実現するという、輝かしい未来が描かれました ⁵⁷。

しかし、この急速なデジタル化が映し出したのは、希望の光だけではありませんでした。むしろ、それは日本社会に根深く存在する「格差」という影を、より一層濃く浮かび上がらせたのです。調査データは、生徒の学びの成果が、その生徒自身の能力や意欲以上に、家庭のICT環境に大きく左右されるという厳しい現実を示しています ⁶¹。安定したインターネット回線、一人1台のデバイス、そして集中できる静かな学習環境。これらが揃っているかどうかが、オンライン学習の質を決定づける要因となりました。

GIGAスクール構想によって端末の整備は進んだものの、その活用度には地域間や学校間で依然として大きな差があり ⁶²、結果として、家庭の経済状況に起因する教育格差、いわゆる「デジタルデバイド」が深刻化したのです ⁶⁴。

ここには、教育におけるデータ活用の根源的な矛盾が潜んでいます。ラーニング・アナリティクスという「解決策」は、本来、学習につまずいている生徒を見つけ出し、支援するためにあります。しかし、その解決策が機能するための基盤（ICT環境）自体を、最も支援を必要とするであろう恵まれない環境の生徒たちが持っていないのです。これは、テクノロジーが、意図せずして格差を埋めるどころか拡大させてしまう危険性をはらんでいることを示唆しています。

ラーニング・アナリティクスの倫理的課題

教育格差の問題は、ラーニング・アナリティクスが抱える、より広範な倫理的課題へとつながっていきます。生徒の学習データを収集し、分析することは、生徒のプライバシーやデータの安全性をどう守るのかという問いを必然的に伴います ⁶⁵。

さらに深刻なのは、アルゴリズムが持つバイアスの問題です。もし、特定の背景を持つ生徒を「リスクが高い」と判定するアルゴリズムがあれば、それは支援ではなく「ラベリング（決めつけ）」につながり、自己成就的な予言として、その生徒の可能性を狭めてしまうかもしれません。生徒の努力のプロセスではなく、結果だけがデータとして評価されることへの懸念もあります。

こうしたリスクを回避するためには、教育データを扱う上での明確な倫理指針や法的な枠組みの整備が急務です。イギリスのJisc（共同情報システム委員会）が、ラーニング・アナリティクスの倫理的・法的課題に関するガイドライン策定にいち早く着手したように ⁶⁷、日本でも、データを活用する利益と、それに伴う倫理的な責任のバランスをどう取るか、社会全体での議論が求められています ⁶⁹。

まとめ：データサイエンスはどこへ向かうのか

新型コロナウイルスのパンデミックは、その悲劇性とは裏腹に、データサイエンスという分野にとって、一種の「るつぼ」として機能しました。それは、過剰な期待や誇大な宣伝文句といった不純物を焼き尽くし、より成熟し、現実的で、強靭な学問分野を鍛え上げるプロセスでした。

その進化の軌跡は、本稿で見てきた通りです。単純な長期予測モデルの限界を認め、日々のオペレーションを支える機敏な短期予測へと舵を切った公衆衛生分野の適応。COCOAの失敗という痛みを伴う教訓を経て、より迅速で効果的なデジタルインフラを構築できるようになった政府の学習曲線。そして、学術の世界を飛び出し、あらゆる組織の事業継続を支える実践的なツールとなった「企業内疫学」の勃興。これらすべてが、データサイエンスの成熟を示すマイルストーンです。

同時に、この分野は社会の現実を映し出す鏡として、犯罪のデジタル化や教育格差の拡大といった、深刻な課題をも浮き彫りにしました。この経験を経て、データサイエンスの未来は、もはや単一の「キラーアプリ」や完璧な予測モデルを見つけ出すことにはない、ということが明らかになったのではないでしょうか。

これからのデータサイエンスが進むべき道は、分野の垣根を越えた専門家たちの地道な協業を育むこと、プライバシーや公平性といった倫理的な配慮を埋め込んだ、信頼できるデータ基盤を構築すること、そして何よりも、データが常に複雑な人間の営みの中に存在するという事実に対する、謙虚な姿勢を保ち続けることにあるはずです。パンデミックは厳しい教師でしたが、そこから得られた教訓は、この分野を、そして私たちの社会を、次なる未知の挑戦に向けて、より強く、賢くしてくれたに違いありません。

参考情報

1. コロナウイルス変異株と患者を追跡できるグーグル出資の巨大 ..., コロナウイルス変異株と患者を追跡できるグーグル出資の巨大データベース | Nature ダイジェスト
2. 積極的疫学調査の情報に基づく新型コロナウイルス感染症の潜伏期間の推定, https://id-info.jihs.go.jp/niid/ja/2019-ncov-e/10467-496d06.html
3. 新型コロナウイルス感染症の「感染状況等の見える化」と「保健医療提供 体制の必要量の推計, https://www.stat.go.jp/dstart/case/pdf/r5/r5_case03.pdf
4. 感染症流行の予測：感染症数理モデルにおける 定量的課題 - 統計数理研究所, https://www.ism.ac.jp/editsec/toukei/pdf/54-2-461.pdf
5. 政策形成における数理モデルの利用： 新型コロナウイルス感染症へ ..., http://www.watanabe-found.or.jp/pdf/gaiyou/S-R02-534.pdf
6. SIRモデルの解の挙動（感染症の数学予測）, https://www.rs.kagu.tus.ac.jp/~yokota/sir.html
7. SIR モデルとモンテカルロ法による 感染症拡大シミュレーション, https://shitennojiuniversity.repo.nii.ac.jp/record/371/files/Daigaku69-23.pdf
8. パンデミックにおける感染者数と経済ダメージの 抑制に最適な人的移動制限率の検討 - InfoShako, https://infoshako.sk.tsukuba.ac.jp/~databank/pdf/1374.pdf
9. COVID-19 感染予測 (日本版) の公開について | Google Cloud 公式ブログ, https://cloud.google.com/blog/ja/products/ai-machine-learning/google-and-harvard-improve-covid-19-forecasts
10. 新型コロナ・予測モデルによる重症者数等シミュレーション - 神奈川 ..., https://www.pref.kanagawa.jp/docs/h2d/covid19/simulation_model.html
11. 記述統計学 - Lark, https://www.larksuite.com/ja_jp/topics/ai-glossary/descriptive-statistics
12. 【統計学入門】記述統計・推測統計とは？｜データ活用戦略講座② | アンケート分析ラボ, https://research-skyflag.info/lab/research002/
13. 公開シンポジウム「COVID-19データ解析−今後のパンデミックのために−」 | 統計数理研究所, https://www.ism.ac.jp/events/2024/meeting0202.html
14. コロナ禍で進化する政策判断における民間データ活用, https://www.sompo-ri.co.jp/wp-content/uploads/2022/01/78-5.pdf
15. 接触確認アプリ「COCOA」の不具合の発生経緯の調査 ... - 厚生労働省, https://www.mhlw.go.jp/content/000769774.pdf
16. 接触確認アプリCOCOAからの教訓 - note, https://note.com/ipsj/n/ne9eeb88adb64
17. 新型コロナワクチン接種証明書アプリとは何ですか？ - マイナンバーカード, https://www.kojinbango-card.go.jp/faq_mynumbercard_usage3/
18. ＭＭ総研大賞2022 話題賞「新型コロナワクチン接種証明書アプリ」 デジタル庁, https://www.m2ri.jp/corporate/mmri_award/detail.html?id=73
19. 2022オンライン診療解説＿フォーム - YaDoc, https://www.yadoc.jp/kaitei2022/kaisetsu
20. 初診からのオンライン診療が恒久化へ - 大和総研, https://www.dir.co.jp/report/research/policy-analysis/human-society/20210712_022399.pdf
21. 外来（その４） 情報通信機器を用いた診療 - 厚生労働省, https://www.mhlw.go.jp/content/12404000/001179018.pdf
22. オンライン診療にかかる診療報酬の変遷と2024年改定のポイント - TytoCare｜タイトケア, https://tytocare.lightvortex.com/blog/medical_consultation_fee
23. 【医療機関向け】オンライン診療は必要？メリット、デメリットの解説からユーザ導入事例のご紹介まで | LAYERED Works | 株式会社レイヤード, https://layered.inc/works/column/telemedicine_merit/
24. 遠隔医療の魅力と課題：日本の現状と展望, https://nicoms.nicho.co.jp/business/contents/20240802-03/
25. 日本型「接触確認アプリ」はプライバシーを保護してくれるの？, https://note.stopcovid19.jp/n/ne22714cd89dd
26. 「接触確認アプリ」で議論、プライバシーや有効性、法的側面は？ ～個人の自由の尊重か、パターナリズムか【イベント】 - INTERNET Watch, https://internet.watch.impress.co.jp/docs/event/1259046.html
27. アップル社プライバシー保護強化への対応は待ったなし！アプリ向けプライバシー調査サービスの提供を開始 | 株式会社DataSignのプレスリリース - PR TIMES, https://prtimes.jp/main/html/rd/p/000000014.000027701.html
28. MyPermissions – 個人情報管理アプリ 4+ - App Store, 「MyPermissions – 個人情報管理アプリ」をApp Storeで
29. COVID-19データサイエンスの取り組みから企業が学ぶべき教訓, https://www.teradata.jp/insights/data-platform/what-covid-19-data-science-initiatives-can-teach-the-enterprise
30. データサイエンス職｜ 塩野義製薬 - Shionogi, https://www.shionogi.com/jp/ja/recruit/jobs/data-science.html
31. 「ビッグデータ解析でコロナ社会の課題解決を」第89号 - NII Today / 国立情報学研究所, https://www.nii.ac.jp/today/89/5.html
32. BCP（事業継続計画）とは？クラウド活用で実現する事業継続と事例を紹介！ - N-PLUS, https://www.nplus-net.jp/knowledge/2025/20250225103000.html
33. 新型コロナ発生当初の企業の対応をデータで振り返る - リスク対策.com, https://www.risktaisaku.com/articles/-/76736
34. 各社のBCP対策の事例紹介 - 岡山経済同友会, https://okadoyu.jp/wp2018/wp-content/uploads/2023/05/BCPreport2022.pdf
35. 人事のためのデータ分析入門：クラスター分析 ～社員をタイプ分けする手法～（セミナーレポート）, https://www.business-research-lab.com/220902-2/
36. クラスター分析とは｜ビジネスでの活用事例とやり方を解説 | リサーチトレンドナビ by GMO, https://r-portal.gmo-research.ai/trendnavi/articles/cluster-analysis/
37. コロナ禍におけるオフィス出社動向－携帯位置情報データによるオフィス出社率の分析, https://www.nli-research.co.jp/report/detail/id=74887?site=nli
38. クロスロケーションズとニッセイ基礎研究、AI解析した人流データを用いてオフィスの出社率を見える化 | DXを推進するAIポータルメディア「AIsmiley」, https://aismiley.co.jp/ai_news/visualize-office-attendance-rate-using-locations-nisseikiso-research-and-ai-analyzed-human-flow-data/
39. 出社率の変化に対応できるオフィスとは？行くべき場所から行きたい場所へ、最新データや事例も紹介 | コラム | オフィス移転・レイアウト・デザイン | コクヨマーケティング, https://www.kokuyo-marketing.co.jp/column/work-style/post-225/
40. 新型コロナのまん延で犯罪は増えた？減った？ | 法学部 - 京都産業大学, https://www.kyoto-su.ac.jp/faculty/ju/2021_1020ju_kyoin_txt/
41. 刑法犯、20年ぶりに件数増加：コロナ行動制限の緩和が影響か - nippon.com, https://www.nippon.com/ja/japan-data/h01582/
42. 2023年の犯罪情勢：刑法犯が2年連続増加 コロナ禍前と近い水準の70万件に | nippon.com, https://www.nippon.com/ja/japan-data/h01924/
43. インターネット詐欺リポート2024年 2024年はサポート詐欺が急増、前年比2.6倍に増加, https://prtimes.jp/main/html/rd/p/000000158.000008525.html
44. 2024年はサポート詐欺が急増、前年比2.6倍に増加 | 詐欺ウォール ..., https://www.sagiwall.jp/report/2024summary.html
45. ディープフェイク悪用の犯罪が多発 オンライン面接やリモートが危ない？日本にも警鐘, https://globe.asahi.com/article/14713060
46. 【AI時代の危険性】知っておくべき生成AI詐欺の手口と対策について徹底解説, https://yoshikazunomori.com/blog/digitalmarketing/generative_ai_fraud/
47. 最新技術に騙されないために～生成AIを利用した詐欺事例から学ぶ対策方法, https://mikata-ins.co.jp/lab/scam/101824/
48. AIビデオ通話分析が明らかにする「ニセ警察詐欺」の心理操作構造 - 第一生命経済研究所, https://www.dlri.co.jp/report/ld/459167.html
49. AIを使った犯罪・事件の事例を紹介！OpenAIが予測するAI犯罪や対策方法も徹底解説 | WEEL, https://weel.co.jp/media/ai-crime
50. 警察のAI・人工知能の活用事例！犯罪発生の時間を予測し防犯対策 - AIsmiley, https://aismiley.co.jp/ai_news/how-are-the-police-using-ai/
51. 警察庁のオープンデータを活用 した独自AIによる犯罪発生予測, https://www.iais.or.jp/wp-content/uploads/2019/04/300_1904_topics4.pdf
52. 安心・安全時代の不安感：最新の犯罪予防からマスク警察、自粛警察 まで | 学部 - 京都産業大学, https://www.kyoto-su.ac.jp/faculty/ju/2022_0628ju_kyoin_txt/
53. 集中パトロールは犯罪を減らすのか？ | www.mda.edu.tsukuba.ac.jp, https://www.mda.edu.tsukuba.ac.jp/case/4914
54. EdTech（教育テクノロジー）市場の現状と展望｜AIバンク - note, https://note.com/aibank/n/n7436cca40ac4
55. 2020年度の国内eラーニング市場規模は前年度比22.4％増の2880億5000万円、コロナ禍で需要が高まる - EdTechZine, https://edtechzine.jp/article/detail/5585
56. EdTech（エドテック）とは？メリット・デメリット、市場規模や国内・海外の導入事例も紹介, https://spaceshipearth.jp/edtech/
57. 新型コロナ時代の大学における遠隔講義の 「アナリティクス」教育データ分析, http://repo.kyoto-wu.ac.jp/dspace/bitstream/11173/3254/1/0140_015_007.pdf
58. コロナ禍で激変！大学｢学習履歴の活用｣最前線 DX推進で入試も就職も合理的選考が可能に, https://toyokeizai.net/articles/-/412818
59. Libryから、日々の学習状況を可視化する「学習データレポート」機能が新登場 - PR TIMES, https://prtimes.jp/main/html/rd/p/000000056.000054682.html
60. 教育フォーカス 【特集20】教育ビッグデータで、変わる教育!! 第1回：教育ビッグデータは、今まで見えなかった学びのプロセスを見える化する - ベネッセ教育情報, https://benesse.jp/berd/feature/focus/20-edubigdata/activity1/
61. 教育格差ー日本における現状とコロナ禍で拡大する格差とは？ | Teach For Japan, https://teachforjapan.org/journal/10868/
62. GIGA端末の活用、自治体ごとの格差が広がる ＭＭ総研の調査 - こどもとIT, https://edu.watch.impress.co.jp/docs/news/1569636.html
63. デジタル学習基盤に係る現状と課題の整理 （案） - 文部科学省, https://www.mext.go.jp/content/20240930-mxt_jogai01-000037424_02.pdf
64. データから見えるコロナ禍での教育格差の拡大 －学校外で子どもたちの学びを支える重要性, https://cfc.or.jp/archives/32272
65. 教育現場にデータサイエンスを導入するメリットとは？活用事例も ..., https://datamix.co.jp/media/datascience/educationalfield-datascience-merit/
66. 教育データ利活用 ： 単なる可視化を超えて｜株式会社エデュテクノロジー【公式】 - note, https://note.com/edutechnology/n/n4dacff007d09
67. ラーニングアナリティクスで変わる学びの形｜大学の学習支援を支えるデジタル技術, https://ac.reserva.be/learning-analytics/
68. Jiscがラーニングアナリティクスに関するレポートを2本公開 | カレントアウェアネス・ポータル, https://current.ndl.go.jp/car/27620
69. 学全体でラーニングアナリ ティクスを始めるには？： 教育データ利活 ポリシーの 策定に, https://cio.axies.jp/_media/sites/3/2021/05/AXIES20210513.pdf
70. 海外における ラーニングアナリティクスの事例紹介, https://www.nii.ac.jp/event/upload/20200904-11_Furukawa.pdf