データ分析の過程には必ず、気まずい瞬間が訪れます。データセットを開いて、質問の内容も大体理解したつもりでいるのに、何も起こらない。統計が難しすぎるからではなく、「データがある」状態から「分析を行う」状態までの手順が、不必要に複雑に感じられるからです。どのメニューを選べばいいのか？どの変数をどこに入力すればいいのか？そもそもこの分析は何という名前なのか？
JMP Assistantは、学生の代わりに考えることでそのジレンマを解決するわけではありません。JMP Assistantは、処理速度を速くすることで、授業時間を本当に重要なこと、つまり結果の意味、正しい問いへの答えかどうか、そして次に何をすべきかといったことに費やすことができるようにすることで、そのジレンマを解決するのです。
2つのツール、明確な違い1つ
さらに詳しく説明する前に、第2話で紹介したLearnBotとAssistantの違いを明確にしておくことが重要です。その違いはシンプルかつ重要です。
- ラーニングボット [4] は、JMP と統計全般の両方に関するチュートリアルです。一般的な質問（「VIF の意味は何ですか？」「どの分析を使用すればよいですか？」など）に平易な言葉で答えます。テキストのみで、ヘルプ メニューにあります。データとやり取りしたり、JMP で何かを実行したりすることはありません。
- アシスタント[3]は根本的に異なります。アシスタントは、あなたの開いているデータセットと開いている分析を認識し、文脈の中であなたの質問を理解し、舞台裏でJMPスクリプト言語（JSL）コードを生成し、JMPで直接分析を実行します。その結果、検査、変更、発展させることができる実際の出力が生成されます。LearnBotは手順を案内しますが、アシスタントはあなたと一緒に実行します。
アシスタントは何をするのか: 謎ではない
Assistant [3] は JMP Marketplace から無料で入手できます。インストールすると、JMP のメニューの「アドイン」に表示されます。デフォルトである実行モードでの基本的なワークフローは次のとおりです。
- JMP Student Editionでデータテーブルを開き、アシスタントを起動します。
- ウィンドウコンテキストパネルで、作業したいデータセットと開いている分析を選択します。
- 分析に関する質問を平易な言葉で入力するか、提示された開始点から選択してください。
- 「送信」をクリックします。アシスタントはJSLコードを生成し、即座に実行して、実行された内容、出力で確認すべき点、および推奨される次のステップの説明とともに結果を返します。
アシスタントは、分析に関する会話のチャット履歴を保持します。過去のチャットは左側のパネルからアクセスできますが、古いチャットを再度開くには、その完全なコンテキストを復元するために、関連するJMPウィンドウを開いている必要がある場合があります。
既に生成した出力に関する解釈上の疑問がある場合は、 「質問」モードに切り替えてください。「質問」モードでは新しいコードは実行されず、ユーザーが説明した内容に基づいて応答します。現在の分析コンテキストを把握できるという利点があります。どちらのモードも同じウィンドウから選択でき、「送信」をクリックする前に選択できます。
個人的z体験する
アシスタントの設定では、ユーザーは役割（エンジニアまたは科学者）、分野（航空宇宙、生物医学、化学、環境など、多数の分野から選択可能）、およびJMP経験レベル（1～5）を設定できます。これらの設定によって、アシスタントの応答形式（言語、例、詳細度）が決まります。
教育においては、これらの選択肢は重要です。講師は学生に対し、コースの内容と自身の経験レベルに合わせて、正直に専門分野を設定するよう求めることができます。レベル1の学生とレベル5の研究者では、同じ質問に対して適切な異なる回答が得られるでしょう。その違い自体が、教室での議論に値するものです。
実際にはどのようなものになるのか
以下の例では、JMPを通じて入手できる有名な教育リソースであるPalmer Penguinsデータセットを使用して、質問から洞察に至るまでの実際のアシスタントワークフローがどのようなものかを示します。
ある学生がペンギンの種間における嘴の寸法の関係性を調べたいと考え、次のように入力しました。 「ペンギンの種ごとに、嘴峰の長さと嘴峰の深さの間に関係性はありますか？できれば、すべての種をまとめて表示するグラフが欲しいです。」
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.ステップ1：アシスタントは公開データセットと公開分析を認識し、実行前に分析手法を説明します。
アシスタントはまずアプローチを提示し、グラフビルダーが複数種のデータを重ね合わせた散布図を作成するのに最適なプラットフォームであることを説明します。また、シンプソンのパラドックスのリスク、つまり全体的な負の傾向が種内の正の傾向を覆い隠してしまう可能性があることも指摘します。学生は結果を見る前に、その根拠を理解することができます。
すると、処理が実行されます。JMP Student Editionに、種ごとの回帰直線と信頼区間を含む散布図が表示されます。
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.ステップ2：アシスタントがJMPで分析を実行します。種ごとに色分けされた散布図とJSLコードを含むグラフビルダーの出力が表示され、確認できるようになります。
グラフを生成したJSLコードは表示および検証可能であり、これはほとんどの入門レベルの学生にとっては補足情報に過ぎないかもしれないが、より高度なコースでは真の学習リソースとなる。
実行モードの応答では、アシスタントは常に2つの構造化されたフォローアップセクションを生成します。 「JMPの結果で何に注目すべきか？」と「次に実行すべき分析は何か？」です。それぞれが具体的で、番号が振られ、次に実行すべきプロンプトとして提示されます。
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.ステップ 3: 提案された次のステップは、分析的な会話を継続させ、ウィンドウ コンテキストの変更に応じて更新します。
メニューを探し回る必要も、タブを切り替える必要もありません。必要なのは、質問、分析、そして明確な進むべき道筋だけです。
問題はスキルだ
学生がAssistantを使うとすぐにわかるのは、出力の質は入力の質に完全に依存しているということです。正確で意味のある分析的な問いを立てることは、もはや予備的なステップではなく、中心的なスキルとなります。
次の2つのプロンプトを比較してください。
- ✘「ペンギンのデータを分析する」を実行すると、曖昧な結果と限られた洞察しか得られません。
- ✔ 「ペンギン種ごとに、嘴峰の長さと嘴峰の深さの関係を単一のグラフで示すか？」という検索を実行すると、上記のスクリーンショットに示されている分析結果が正確に得られます。
2つ目のプロンプトは、ステップ1で学生が入力したものです。このプロンプトを自分で作成できない学生は、まだ問題を理解していないということであり、AIツールが代わりに作成してくれることもありません。
| 「優れた分析は、優れた質問から始まる。」AIツールはあなたのためにそれを尋ねてはくれません。 |
重要な現実確認
JMPアシスタントはデータサイエンティストではありません。研究の背景を理解することはできません。質問を分析結果に変換するだけで、それ以上の機能はありません。質問が的外れであれば、回答も的外れになります。あくまで出発点として捉え、最終的な判断を下すものとは考えないでください。アシスタントの各セッションに表示されるAI生成の免責事項は、すべての分析ワークフローにおいて、最終的な判断は学生自身で行う必要があることを改めて示すものです。
これは講師にとって何を意味するのか
最も直接的なメリットは時間の節約です。学生はもはや適切なメニューを探すのに20分も費やす必要がなくなります。数秒で分析を開始できるため、本当に重要なこと、つまり結果の理解に集中する時間を確保できます。
学生が既に分析結果を携えて授業に臨むと、議論は「どうすればいいのか？」から「そもそも正しい質問をしたのだろうか？」へと移る。これらの結果は実際には何を意味するのか？別のアプローチを取れば結論は変わるのだろうか？
第4話では、この問題のもう一方の側面、つまり教室におけるAIが実際にどのようなリスクを生み出すのか、そして教師が論理的思考を維持するための安全策をどのように構築できるのかを取り上げます。
これを試してみてください
JMP MarketplaceからJMP Assistant [3]を無料でインストールしてください。授業で既に使っているデータセットを開きます。学生がよくつまずく質問をAssistantに尋ねます。そして、答えに注目するのではなく、こう自問自答してください。「この出力結果をどのように議論につなげるか？」この視点の転換こそが、このツールの教育的価値を明確にするのです。
参考文献
[1] JMPアカデミックプログラム、jmp.com/academic
[2] JMP学生版、jmp.com/student
[3] JMPアシスタント（JMPマーケットプレイス） 、marketplace.jmp.com
[4]LearnBot（JMPマーケットプレイス） 、marketplace.jmp.com
[5] JMPのビジュアルインターフェースは、自然言語処理を活用した分析ワークフローによってどのように強化されているか、D. Valente、JMPコミュニティブログ
[6]GAISEカレッジレポート改訂版（作成中、2025年）
著者について
フォルカー・クラフトは、JMP Statistical Discovery（SAS社傘下）の主席アカデミック・アンバサダー（EMEA担当）であり、JMPグローバル・アカデミック・チームの一員です。2011年以来、ヨーロッパ中の大学におけるJMPの教育・研究への導入を支援してきました。彼の専門は音声技術研究であり、AIが広く知られるようになるずっと以前から、統計的な厳密さと工学的な実用性が共存する必要があった分野です。JMPコミュニティまたはLinkedInを通じて連絡を取ることができます。
全5話中第3話 • 次回： AIを活用した責任ある教育:リスク、安全策、そして私が苦労して学んだこと
フォルカーさん、こんにちは。この洞察に満ちた記事をありがとうございます。JMPアシスタントの自然言語機能が、経験豊富な実務家と初心者双方にとって、好奇心と実践的なデータ探索の間のギャップをどのように埋めるのかを、すぐに理解できる内容になっています。私自身もJMPアシスタントの習熟度を高める上で、この記事が非常に役立ちました。敬具、DH
