DS検定 用語解説
データインク比とは
図表全体で使うインク量に対して、データそのものを表すインクが占める割合。比率が高いほど不要な装飾が少ない効率的な可視化とされる。
まず押さえる結論
データインク比は、DS検定の「第2章 データ可視化とAI活用の基礎」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-12。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×Hallucinationを『まれに起こる不具合』と誤解する。大規模言語モデルの構造上根本的に避けられない現象として理解する必要がある。
×Hallucination対策を『使わない』ことだと誤解する。検索によるリサーチ結果との比較や他LLMの出力との比較など、気づくための具体的な行動が問われる。
×ITセキュリティのリスク種類（消失・漏洩・サービスの停止）を漠然と『危険』とまとめてしまい、どの種類のリスクかを区別できない。
関連する確認問題
第2章 データ可視化とAI活用の基礎 / ITセキュリティ基礎
セキュリティ事故の影響調査に、機械学習の前処理が誤って含まれている。それはどれか。
この事例では、状況を表す条件を定義や役割へ対応させると「データの標準化」に絞れる。正解は「データの標準化」である。マルウェアによる深刻なリスクには、データが利用できなくなる消失、外部へ流出する漏洩、システムが止まるサービスの停止などが含まれる。一方、標準化は数値特徴量のスケールをそろえるデータ準備の手法であり、攻撃によって発生する被害の種類ではない。データの消失・漏洩・サービスの停止はいずれも「マルウェアに感染した結果、何が起きるか」という同じ問いに対する答えである一方、標準化は攻撃とは無関係にモデル構築の前処理として行う作業であり、この4択の中で単独で異なる文脈に属する語である。
第2章 データ可視化とAI活用の基礎 / 生成AI活用
生成AIを業務へ導入するチームの基本方針として、最も適切なものはどれか。
この事例では、状況を表す条件を定義や役割へ対応させると「生成AIの仕組みを理解し、業務や課題解決に活用できることが求められる」に絞れる。正解は「生成AIの仕組みを理解し、業務や課題解決に活用できることが求められる」である。DS検定では、生成AIを避けるのではなく、仕組みや限界を理解したうえで活用する姿勢が問われる。出力を常に事実として扱う、仕組みを理解せずに使う、といった選択肢はHallucinationへの注意を欠いている。設問では利用するかしないかの二択ではなく、理解と活用を組み合わせた姿勢を探す。無理解での利用、全面的な不使用、出力の無条件な事実扱いを明確に除外する。
第2章 データ可視化とAI活用の基礎 / 生成AI活用
生成AIの回答を顧客向け文書へ転記する前の確認手順として最も適切なものはどれか。
この事例では、状況を表す条件を定義や役割へ対応させると「検索結果や他LLMの出力結果と比較し、出力を鵜呑みにしない」に絞れる。正解は「検索結果や他LLMの出力結果と比較し、出力を鵜呑みにしない」である。大規模言語モデルはHallucinationを起こすことがあり、文章が自然でも内容が事実と異なる場合がある。業務で使う前には、検索結果や一次情報、他のLLMの出力と比較して、出力をそのまま鵜呑みにしないことが求められる。「大規模言語モデルの出力は常に正しいため、そのまま採用する」は、Hallucinationが起きる可能性を無視した姿勢である。「Hallucinationは画像生成だけで起きるため、文章では確認しない」は、Hallucinationを画像生成に限定しており、文章生成でも誤った内容が出力されうる点を見落としている。「追加情報を与えても出力結果は変わらないため比較しない」は、他LLMの出力結果との比較や追加情報による確認という、鵜呑みにしないための具体的な行動を放棄する考え方である。
同じ章で確認したい用語
到達チェック
- データインク比を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、データインク比に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）