G検定 用語解説
産学連携とは
企業と大学が互いの知見・研究資源を持ち寄り、研究開発や人材育成に共同で取り組む、オープン・イノベーションの代表的な形態。
まず押さえる結論
産学連携は、G検定の「大項目7 AIの社会実装に向けて」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: 2026-07-03。
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
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / AIの説明性・公平性
採用AIが特定の属性の応募者に不利な判断をしないかを確認する観点として最も重要なものはどれか。
正解は「公平性」である。公平性は、AIの判断が特定の属性や集団に不当に不利な結果をもたらさないかを考える重要な観点である。クラウドは計算資源の利用形態、WebスクレイピングはWeb上のデータ収集、データの収集はプロジェクト工程であり、判断の偏りを評価する観点そのものではない。 評価対象がインフラやデータ工程ではなく、集団間の判断結果であると確認する。クラウドは計算形態、スクレイピングとデータ収集は取得工程である。属性別の採用率や誤り率などを比較し不当な偏りを点検するのが公平性の観点である。
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
AI導入に合わせて、既存の業務手順や役割分担そのものを見直し、業務プロセスを再設計する取り組みはどれか。
正解は「BPR」である。BPRは業務プロセスを抜本的に見直して再設計する取り組みであり、AI導入では単にモデルを作るだけでなく業務側の設計も重要になる。PoCは実現可能性の検証、A/Bテストは施策比較、WebスクレイピングはWeb上のデータ収集である。 変更範囲を見分ける。PoCは小規模検証、A/Bテストは施策比較、Webスクレイピングはデータ収集である。個別作業の自動化だけでなく業務プロセス全体を根本から組み替えるのがBPRである。担当者、承認経路、入力と出力まで再定義する点が、単なる個別作業の自動化との違いになる。
大項目7 AIの社会実装に向けて / データの整備と運用
運用中のAIで、時間の経過により入力データの傾向や正解との関係が変わり、モデル性能が低下する現象はどれか。
正解は「概念ドリフト」である。概念ドリフトは、運用中にデータの分布や入力と正解の関係が変化し、学習時には高かったモデル性能が低下する現象である。データリーケージは本来使えない情報の混入、アノテーションはラベル付け、オープンデータは公開データである。 時間軸と原因を区別する。データリーケージは学習時の情報漏れ、アノテーションはラベル付与、オープンデータは公開データである。顧客行動や環境変化により学習時の関係が現在とずれるのが概念ドリフトで、監視と再学習が必要になる。
同じ章で確認したい用語
到達チェック
- 産学連携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、産学連携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）