一橋大学SDS入試に見るAI時代の学力転換と観る力の新基準とは

一橋大SDSが映す学力観の転換

一橋大学が2023年4月に開設したソーシャル・データサイエンス学部は、単なるデータサイエンス人気への対応ではありません。大学側は、社会科学とデータサイエンスの融合により、ビジネスや社会課題を発見し、データで分析し、現実の意思決定につなげる人材育成を掲げています。

この学部の入試、とくに前期日程の「総合問題」を見ると、AI時代の「頭のよさ」が何に移りつつあるのかが浮かびます。公式の過去問や出題意図から読み取れるのは、計算の速さだけでも、時事知識の多さだけでもありません。問われているのは、データの背後にある前提を見抜き、社会で起きる影響まで観察する力です。

文部科学省はAI戦略2019以降、大学・高専生に数理・データサイエンス・AI教育を広げてきました。2026年時点では、リテラシーレベルと応用基礎レベルの認定プログラムも全国に広がっています。だからこそ、一橋大学SDSの独自性は「データを扱える」ことの先にある、問いを立てる力にあります。

総合問題が問うデータを観る作法

一橋大学SDSの総合問題は、受験生にとって一見つかみにくい科目です。英語や数学のように科目名から学習範囲を直感しにくく、過去問を見ても年度ごとに題材が大きく変わります。しかし、その変化こそがメッセージです。学部が見ているのは、暗記した解法を当てはめる力ではなく、初見の社会的題材を構造化する力です。

2025年度の総合問題では、空家率、自然言語処理、個人情報保護が扱われました。2026年度の出題意図では、ベルトランのパラドックス、マーケティングの数理モデル、ゲーム理論とXOR演算が示されています。高校数学、統計、情報、社会科学が別々に置かれているのではなく、一つの問題場面の中で接続されています。

空家率問題にある相関と政策の往復

2025年度の空家率問題は、高齢化と人口減少を背景にした地域課題を扱っています。表には空家率、人口、社会増、教育費、老齢人口依存比率、地価などが並び、受験生は相関係数を読みながら、どの変数が強く関係しているかを判断します。

ここで大切なのは、相関係数を機械的に選ぶだけでは足りない点です。設問は、空家率が低下した地域の要因を説明させ、さらに有効と考えられる政策まで問います。つまり、データから関係を読み取り、因果を慎重に考え、政策として何が言えるかを言語化する流れが求められます。

AI時代の分析では、グラフや表を作る作業自体は自動化されやすくなります。だからこそ人間側には、「そのデータは何を測り、何を測っていないのか」「見えている関係は政策判断に使えるのか」という観察が必要です。総合問題は、その姿勢を高校段階の知識で試しています。

BPEと個人情報に潜むAI社会の視野

同じ2025年度には、Byte Pair Encodingという自然言語処理の基礎的な仕組みも題材になりました。問題文では、BPEがデータ圧縮や大規模言語モデルのテキスト前処理に関わることが示され、文字列集合をどのように分割するかが問われています。

注目すべきは、その後に政治・経済的観点や倫理的観点から問題点を考察させていることです。問題文にはCommon Crawlにおける言語別割合も示され、英語の比率が高く、日本語はそれより小さい割合として扱われています。受験生は、技術の仕組みだけでなく、学習データの偏りが社会にどう影響するかを考える必要があります。

個人情報保護を扱う設問でも、単なる読解では終わりません。グローバル化時代の情報流通の課題を、限られた字数で説明することが求められています。ここで測られるのは、資料を正確に読み、制度や権利、国際的なデータ移転を結びつけて考える力です。

確率モデルとXORにある前提の言語化

2026年度の出題意図を見ると、総合問題の方向性はいっそう明確です。ベルトランのパラドックスを扱う問題では、確率モデルの前提によって結論が変わることを理解させる狙いが示されています。同じ「無作為」という言葉でも、何を同様に確からしいと置くかで答えが変わるという発想です。

マーケティングの問題では、実測データから数理モデルを構築し、広告戦略の意思決定まで進みます。これは、数式を解くだけでなく、モデルが現実の事業判断にどう使われるかを問う設計です。高校数学の対数や等比数列が、顧客獲得や費用最小化と接続されます。

ゲーム理論とnimを扱う問題では、社会科学における意思決定と、情報技術の基盤である2進数演算が結びつけられています。XORを計算できるかだけでなく、なぜその演算で必勝法が見えるのかを説明する力が問われます。ここにも「観る力」があります。手順を追うだけでなく、手順が成り立つ構造を見抜く力です。

入試と教育課程を貫く文理融合の設計

一橋大学SDSの入試は、学部の教育課程と強く連動しています。アドミッション・ポリシーでは、文系・理系の双方の知識が必要であり、現実社会の課題を発見・解決しようとする姿勢、適切なコミュニケーションも求めるとされています。前期日程では、大学入学共通テストに加え、数学・国語・英語・総合問題を課す設計です。

これは、データサイエンス学部だから数学だけを見ればよい、という発想とは異なります。社会科学の総合大学である一橋大学が作ったSDSである以上、数理的に考える力と、文章を読み、議論を組み立て、他者に説明する力が同時に必要になります。

6教科型入試と総合問題の位置づけ

同学部のアドミッション・ポリシーでは、すべての選抜区分で大学入学共通テストの6教科受験を課す方針が示されています。前期日程では第2次試験に数学・国語・英語・総合問題を置き、後期日程では数学・英語を課し、数学では数学Ⅲの範囲も出題するとされています。

ここから見えるのは、文系・理系の区分をまたぐ選抜設計です。文系的な読解力や表現力を軽視せず、理系的な数学力や情報的思考も外しません。高校で文系を選んだ受験生にも、数学や情報の土台が求められます。一方で、理系的な計算が得意な受験生にも、社会課題の意味を読み解く力が求められます。

2025年度から大学入学共通テストに「情報」が加わったことも、この流れと重なります。大学入試センターは、「情報Ⅰ」が高等学校の共通必履修科目になったことなどを背景に、共通テストの出題教科に情報を加えたと説明しています。プログラミング問題では、特定言語ではなく、初見でも理解できるセンター独自の表記を使う方針も示されています。

この変化は、受験生に単なるプログラミング暗記を求めているわけではありません。見慣れない記法を読み、手順の意味を追い、データの扱いを理解する力が必要になります。一橋SDSの総合問題は、その延長線上でより社会科学寄りに踏み込んだ試験といえます。

PBLとゼミで伸ばす問いの再設計

教育課程を見ても、入試で問われる力と大学で育てる力はつながっています。学士課程では、1年次にソーシャル・データサイエンスへの入門科目、2年次に法と倫理の必修科目が置かれています。さらに、ビジネス領域、社会課題領域、データサイエンス領域の3領域を体系的に学ぶ構成です。

データサイエンス領域では、統計学、情報・AI、プログラミングを学びます。ただし、技術だけで完結しない点がSDSの特徴です。経営学、経済学、法学、政治学などの社会科学を学び、データ分析の結果をビジネス革新や社会課題解決にどうつなげるかを考えます。

3年次必修のPBL演習では、企業や政策機関などから現実の問題意識とデータが提供されます。学生は、社会科学の知識を使って課題を設定し、データサイエンスの知識で分析方法を考え、結果の含意と活用方法を検討します。ここで重要なのは、分析の前に問いを作ることです。

3〜4年次には、一橋大学の伝統であるゼミナールも必修として置かれています。少人数で議論し、独自の問題意識に基づいて学士論文へ進む流れは、単なるスキル習得とは異なります。AIツールを使えばレポートの下書きは早くなりますが、何を問うのか、どの証拠で語るのか、どこまで言えるのかは人間が引き受ける領域です。

キャリア面でも、同学部はソーシャル・データサイエンスのゼネラリスト育成を掲げています。想定される人材像には、データ分析基盤を開発する開発・マネジメント型人材と、政策、金融、シンクタンク、商社、小売、通信・運輸などで分析を組織運営に結びつける分析・マネジメント型人材があります。専門職でありながら、社会全体を見渡す力が期待されています。

受験準備を難しくする二つの格差

一橋SDSの入試が示す方向性は明快ですが、受験準備には注意点もあります。第一に、数学・情報への接触機会の格差です。高校で「情報Ⅰ」が必履修になっても、授業実践や演習量は学校によって差が出やすい領域です。統計、プログラミング、データ活用を、実際の社会課題と結びつけて学ぶ経験も均一ではありません。

第二に、社会課題をデータで見る経験の格差です。ニュースを読む、統計表を確認する、自治体や政府の公開データに触れる、グラフの見せ方を疑う。こうした学びは教科書だけでは完結しにくく、家庭や学校の学習文化にも左右されます。総合問題の難しさは、知識量というより経験の幅に表れます。

また、データサイエンス人気そのものにも注意が必要です。文部科学省の認定制度が広がり、数理・データサイエンス・AI教育は多くの大学で学べる基礎素養になりました。これからは「AIを学べる」だけでは差別化になりにくくなります。どの分野の課題を、どの理論とデータで捉えるのかが問われます。

大学側にも課題があります。文理融合は魅力的な言葉ですが、学生によって得意分野が大きく異なるため、数学が得意な学生には社会科学の読解を、社会科学に強い学生には数理・情報の基礎を丁寧に橋渡しする必要があります。産学官連携やPBLも、単なる企業課題の演習ではなく、公共性や倫理を含めた学びとして設計されることが重要です。

受験生は、総合問題を「変わった問題」として恐れる必要はありません。むしろ、出題意図は一貫しています。前提を確認する、データの意味を読む、社会的な影響を考える、自分の言葉で説明する。この4点を日常学習の中に組み込めるかが、準備の分かれ目です。

進路選択で磨きたい三つの観る力

一橋SDSの入試から見えるAI時代の頭のよさは、三つに整理できます。第一は、データの前提を観る力です。相関係数、モデル式、アルゴリズムの結果を、そのまま答えにせず、何を前提にしているのかを確認する姿勢です。

第二は、社会の文脈を観る力です。空家、個人情報、広告、ゲーム理論のような題材は、数学や情報の問題であると同時に、人や制度の問題でもあります。第三は、説明して動かす力です。分析結果を読み手に伝え、政策や事業の判断につなげるところまでが学力になります。

受験生が今日からできる準備は、特別なものではありません。ニュースの数字を見たら元データを探す。グラフを見たら軸と母集団を確認する。AIの出力を見たら、学習データや偏りを疑う。数学の公式を学んだら、現実のどんな場面をモデル化しているのかを考える。こうした習慣が、総合問題にも、大学でのPBLにも、将来のキャリアにもつながります。

一橋大学SDSが投げかけているのは、AIに代替されない学力とは何かという問いです。答えは、AIを使わない力ではありません。AIやデータを使いながら、現実をよく観て、問いを作り直し、責任ある判断へつなげる力です。受験対策の先に、その力をどう育てるかが問われています。

参考資料:

• 一橋大学 ソーシャル・データサイエンス学部・研究科
• 一橋大学 ソーシャル・データサイエンス学部・研究科について
• 一橋大学 ソーシャル・データサイエンス学部・研究科の教育課程
• 一橋大学 ソーシャル・データサイエンス学部の教育課程
• 一橋大学 ソーシャル・データサイエンス学部・研究科 よくあるご質問
• 一橋大学 ソーシャル・データサイエンス学部・研究科 入試情報
• 令和9（2027）年度 一橋大学入学者選抜要項
• 一橋大学 入学試験の「問題」及び「出題の意図等」
• 令和7年度一橋大学一般選抜 総合問題 試験問題
• 令和7年度一橋大学一般選抜 総合問題 出題の意図等
• 令和8年度一橋大学一般選抜 総合問題 出題の意図等
• 文部科学省 数理・データサイエンス・AI教育プログラム認定制度
• 文部科学省 Society 5.0の実現に向けた科学技術・イノベーション政策
• 数理・データサイエンス・AI教育強化拠点コンソーシアム モデルカリキュラム
• 大学入試センター 令和9年度 大学入学共通テストQ&A