- 共通テストに出ない「情報Ⅱ」を、なぜ受験生が知っておくと得なのか
- 情報Ⅰの教科書が「結論だけ」しか書けない構造的な理由
- データの尺度・相関・正規化・モデル化の4例で、情報Ⅱ側の記述がどう効くか
- どこまで踏み込むべきか（時間対効果の線引き）
1. 前提：情報Ⅱは共通テストに出ない
最初にはっきりさせておきます。情報Ⅱは選択科目であり、共通テストの出題科目ではありません。だから「情報Ⅱも勉強しましょう」という話ではありません。
それでもこのシリーズが第6部「情報Ⅱへの橋」を置いているのは、情報Ⅰの教科書だけを読んでいると意味が取れない箇所が、情報Ⅱの記述を見ると一瞬で解けることがあるからです。この講では、その具体例を4つ挙げます。
2. 情報Ⅰの教科書は「結論だけ」を書かざるを得ない
情報Ⅰは2単位（週2コマ相当）で、4領域すべてを扱います。範囲に対して時間が圧倒的に足りません。
結果として教科書は「AにはBという分類がある」「CのときはDを使う」という結論の列挙になります。「なぜその分類が必要なのか」「Dを使わないと何が起きるのか」は、紙幅の都合で省かれます。
ところが共通テストは、その省かれた部分を突いてきます。「この場面ではどれを選ぶか」という設問は、選択の理由を理解していないと消去法でしか解けないからです。情報Ⅱの教材は単位数に余裕があるぶん、その理由が書かれています。
3. 例1：データの尺度 ── なぜ4つに分けるのか
情報Ⅰでは、データを次のように分類すると習います。
| 分類 | 尺度 | 例 |
|---|---|---|
| 質的データ | 名義尺度 | 性別、血液型、都道府県 |
| 順序尺度 | 満足度（5段階）、順位 | |
| 量的データ | 間隔尺度 | 気温（摂氏）、西暦 |
| 比例尺度 | 身長、体重、金額 |
ここで多くの受験生が「覚えるだけ」で通過します。しかし本当の論点は「その尺度で、どの計算が許されるか」です。
| 尺度 | 大小比較 | 差の計算 | 比の計算 |
|---|---|---|---|
| 名義尺度 | × | × | × |
| 順序尺度 | ○ | × | × |
| 間隔尺度 | ○ | ○ | × |
| 比例尺度 | ○ | ○ | ○ |
「摂氏20度は摂氏10度の2倍暖かい」——これは誤りです。摂氏は間隔尺度で、0が「無」を意味しないため比に意味がありません。同様に「満足度4は満足度2の2倍満足」も誤りです。
この判定ができるかどうかが、第4問（データ分析）の選択肢を切る力になります。分類名を覚えているだけでは切れません。
情報Ⅱの教材では、尺度が「どの統計手法を適用してよいかを決める前提条件」として登場します。平均を出してよいのは間隔尺度以上、といった具合です。この位置づけを知ると、情報Ⅰ側の分類が「覚える対象」から「判断の道具」に変わります。
4. 例2：相関と因果 ── 「違う」の先にあるもの
情報Ⅰでは「相関関係と因果関係は違う」と習います。これ自体は正しく、共通テストでも頻出です。
ただし教科書はそこで止まります。「では、なぜ違うものが似て見えるのか」までは書かれていません。
第三の変数という考え方
アイスクリームの売上と水難事故の件数には正の相関があります。しかしアイスが事故を起こすわけではありません。両方に影響している第三の変数（気温）があるからです。これを疑似相関と呼びます。
情報Ⅱでは、この第三の変数をどう扱うかが具体的な手法として出てきます。重回帰分析で気温を説明変数に加える、層別して比較する、といった処理です。
受験生が情報Ⅱの手法を使えるようになる必要はありません。しかし「相関があるとき、まず第三の変数を疑う」という思考の型を持っているかどうかで、設問の見え方が変わります。共通テストは「この結論は妥当か」を問う形で出すからです。
相関と因果は違うで詳述しています。
5. 例3：データベースの正規化 ── なぜ表を分けるのか
情報Ⅰでは、関係データベースの操作（選択・射影・結合）を習います。表を分けて、必要なときに結合する——という手順です。
ここで自然な疑問が出ます。「最初から1つの表にまとめておけば、結合の手間が要らないのでは？」
情報Ⅰの教科書は、この疑問に十分答えていません。答えは情報Ⅱの「正規化」にあります。
| 1つの表にまとめると起きること | 内容 |
|---|---|
| 更新時異常 | 同じ情報が複数行に重複し、1箇所だけ直すと矛盾する |
| 挿入時異常 | 関連データが揃わないと行を追加できない |
| 削除時異常 | 1行消すと、消すつもりのなかった情報まで失われる |
表を分けるのは面倒だからではなく、この3つの異常を避けるためです。これを知っていると、情報Ⅰの「なぜキーが必要か」「なぜ結合するか」が腑に落ちます。
データベースの基礎から入り、データベース設計と正規化・SQLで実演しています。
6. 例4：モデル化 ── 情報Ⅰの「確率モデル」はどこへ続くのか
情報Ⅰでは、モデルを次のように分類します。
| 軸 | 分類 | 内容 |
|---|---|---|
| 時間 | 静的モデル | 時間変化を考えない |
| 動的モデル | 時間とともに変化する | |
| 不確実性 | 確定モデル | 同じ入力なら必ず同じ結果 |
| 確率モデル | 乱数を使い、結果がばらつく |
そして「確率モデルの例：モンテカルロ法、待ち行列」と続きます。ここでも分類の暗記で終わりがちです。
なぜ乱数を使うのか
確定モデルで解けるなら、そのほうが正確です。にもかかわらず乱数を使うのは、数式で解くのが困難な問題を、試行の繰り返しで近似するためです。
待ち行列がその典型です。「平均到着数が平均処理数より少ないのに、なぜ行列ができるのか」——これは平均だけを見ていると理解できません。到着がばらつくから混雑が生じます。シミュレーションはこのばらつきを再現する手段です。
情報Ⅱでは、この考え方が機械学習の評価（交差検証、ランダムな分割）へ接続します。「ばらつきを再現して確かめる」という発想が共通していると分かると、情報Ⅰ側の学習が単なる用語暗記でなくなります。
待ち行列のシミュレーションで、実際に手を動かして確かめます。
7. 情報Ⅰと情報Ⅱの対応表
ここまでの4例を含め、主要な対応をまとめます。
| 情報Ⅰで習うこと | 情報Ⅱ側の記述が答えるもの |
|---|---|
| データの尺度（4分類） | どの統計手法を適用してよいかの前提条件 |
| 相関と因果は違う | 第三の変数の扱い方（重回帰・層別） |
| 表を分けて結合する | 正規化——更新・挿入・削除時異常の回避 |
| 確定モデル／確率モデル | なぜ乱数で近似するのか、評価はどうするか |
| 代表値（平均・中央値） | 分布が歪むとき平均が代表値にならない理由 |
| アルゴリズムと計算量 | データ量が増えたときの手法選択の判断 |
8. 共通テストではこう出る（重要度 C）
情報Ⅱの知識そのものが問われることはありません。重要度はCです。
ただし共通テストの設問は、「この処理は妥当か」「この結論は言えるか」という判断を求める形が増えています。この判断は、理由を知っている人のほうが速く正確です。
効いてくる場面
- グラフや統計量の使い方が適切かを判定させる設問（尺度の理解が効く）
- 「相関があるから因果がある」と読める選択肢の排除（第三の変数の発想が効く）
- データの持ち方・表の構成を問う設問（正規化の発想が効く）
- シミュレーション結果の解釈（ばらつきの理解が効く）
※いずれも情報Ⅰの範囲内で解けます。情報Ⅱは「速く確実に判断するための背景」として効きます。
9. どこまで踏み込むべきか
時間対効果の線引きを、はっきり書きます。
| 状況 | 推奨 |
|---|---|
| 情報Ⅰの基礎が固まっていない | 手を出さない。第1部〜第4部を優先 |
| 過去問で第4問が安定しない | 尺度・相関・因果の3つだけ、情報Ⅱ側の説明を読む |
| 第4問で安定して得点できる | 第6部を通読してよい。判断が速くなる |
| 情報系・データサイエンス系志望 | 第6部は入学後に必要。早めに読んで損はない |
優先順位を間違えないでください。情報Ⅱは情報Ⅰの代わりにはなりません。あくまで、情報Ⅰでつまずいた箇所を別角度から解くための補助線です。
11. 例5：代表値 ── 平均が「代表」にならない場面
情報Ⅰでは、代表値として平均値・中央値・最頻値を習い、「分布によって使い分ける」と教わります。ここでも理由が省かれます。
年収の平均が実感とずれる理由
ある集団の年収が、300・320・350・380・400・420・450万円…と並び、そこに1人だけ1億円の人がいるとします。平均値は大きく引き上げられますが、その平均に近い人は誰もいません。
平均値は「全員で山分けしたときの1人分」であり、外れ値の影響を強く受けます。一方、中央値は「ちょうど真ん中の人」なので、外れ値が1人増えてもほとんど動きません。
| 代表値 | 外れ値の影響 | 向いている分布 |
|---|---|---|
| 平均値 | 強く受ける | 左右対称に近い分布 |
| 中央値 | ほとんど受けない | 裾が長い・歪んだ分布 |
| 最頻値 | 受けない | 質的データ、離散的な山がある分布 |
「このデータの代表値として適切なのはどれか」という設問では、まずヒストグラムや箱ひげ図の形を見ます。左右非対称で片側に長い裾があれば、平均値ではなく中央値です。
分類名を覚えていても、この判断はできません。
情報Ⅱでは、この話が「前処理でどの統計量を使うか」という実務的な判断として登場します。代表値と散らばりを往復してください。
12. 例6：計算量 ── なぜアルゴリズムを選ぶのか
情報Ⅰでは、線形探索と二分探索を習います。「二分探索のほうが速い、ただし整列が前提」という結論です。
ここで止まると、「なぜ常に二分探索を使わないのか」が分かりません。
データ量が判断を変える
データが10個なら、線形探索でも最大10回で終わります。整列にかかる手間のほうが大きいくらいです。しかしデータが100万個になると、線形探索は最大100万回、二分探索は約20回です。差が桁違いになるのはデータ量が増えたときだけです。
| データ数 | 線形探索（最大） | 二分探索（最大） |
|---|---|---|
| 10 | 10回 | 約4回 |
| 1,000 | 1,000回 | 約10回 |
| 1,000,000 | 1,000,000回 | 約20回 |
この表を一度自分で作ってみると、計算量という概念が「用語」から「判断材料」に変わります。情報Ⅱでは、これがデータ量に応じた手法選択の話へ直結します。
13. 情報Ⅱの全体像 ── 何が置かれているのか
ここまで個別の例を挙げてきましたが、情報Ⅱ全体の構成も見ておきます。共通テストには出ないので、地図として眺める程度で十分です。
| 情報Ⅱの領域 | 主な内容 | 情報Ⅰとの接点 |
|---|---|---|
| 情報社会の進展と情報技術 | 技術の発展史、法制度の変化 | 第1部（情報社会の問題解決） |
| コミュニケーションとコンテンツ | コンテンツ制作、効果測定 | 第2部（情報デザイン） |
| 情報とデータサイエンス | 重回帰、主成分分析、クラスタリング、機械学習 | 第4部（データの活用） |
| 情報システムとプログラミング | システム開発、データベース設計、プロジェクト管理 | 第3部・第4部 |
受験生にとって効くのは、圧倒的に「情報とデータサイエンス」です。第4問（データ分析）の背景がここに書かれているためです。逆に「システム開発とプロジェクト管理」は共通テストとの接点が薄く、進路として情報系を選ぶ人向けの内容です。
14. よくある質問
Q. 情報Ⅱの教科書を買うべきですか
A. 受験対策としては不要です。本シリーズの第6部で、共通テストに効く部分だけを抜き出して扱っています。情報系学部を志望していて、入学後を見据えたい場合のみ検討してください。
Q. 学校で情報Ⅱが開講されていません
A. 問題ありません。情報Ⅱは選択科目で、開講していない学校のほうが多いのが実情です。共通テストに出ない以上、履修の有無が不利になることはありません。
Q. 情報Ⅱの内容が共通テストに出ることはありますか
A. 出題範囲は情報Ⅰです。ただし「情報Ⅰの範囲内だが、背景を知っていると速く解ける」設問は存在します。この講で挙げた6例がまさにそれです。
15. 例7：情報デザイン ── 「伝わったか」をどう測るのか
情報Ⅰでは、情報デザインの手法（抽象化・可視化・構造化）とユニバーサルデザインを習います。ただし「そのデザインが良かったのかどうか」を確かめる方法は、ほとんど書かれていません。
情報Ⅱでは、ここが「効果測定」として扱われます。閲覧数、滞在時間、離脱率、目標達成率といった指標を設計し、改善のサイクルを回すという考え方です。
なぜ受験生に効くのか
共通テストの情報デザイン系の設問は、「目的に対して手段が適切か」を問う形で出ます。「高齢者にも読みやすくするには」「色覚特性に配慮するには」といった設問です。
このとき、目的が先にあって手段が決まるという順序を体に入れておくと迷いません。効果測定の発想は、まさに「目的を先に決める」訓練です。デザインを感性の問題ではなく、目的と検証の問題として扱えるようになります。
情報デザインは何のためにあるか、ユニバーサルデザインとアクセシビリティとあわせて読んでください。
16. 4領域別・情報Ⅱ側で補える箇所の早見表
「どこで詰まったら、どこを見ればよいか」を一覧にします。情報Ⅰを進めていて手が止まったとき、この表に戻ってきてください。
| 情報Ⅰで詰まる箇所 | 補える情報Ⅱ側の考え方 | 効く大問 |
|---|---|---|
| 尺度の分類が覚えられない | 「どの計算が許されるか」の前提条件として捉え直す | 第4問 |
| 相関の設問で選択肢が切れない | 第三の変数を疑う型を持つ | 第4問 |
| なぜ表を分けるのか分からない | 更新・挿入・削除の3異常 | 第4問 |
| シミュレーションの意味が分からない | 数式で解けない問題をばらつきごと再現する | 第2問・第3問 |
| 代表値の使い分けが曖昧 | 分布の形（歪み）で決まる | 第4問 |
| アルゴリズムの選択基準が不明 | データ量が増えたときの差で判断する | 第3問 |
| 情報デザインが感覚的に思える | 目的を先に定め、効果を測る対象と捉える | 第2問 |
17. 情報Ⅱ側の記述を読むときの手順
やみくもに読むと時間を失います。次の手順に限定してください。
- 詰まっている情報Ⅰの箇所を1つに絞る。「なんとなく不安」では読んでも残りません
- その概念が「何のために存在するか」だけを情報Ⅱ側で確認する。手法の計算は追わない
- 情報Ⅰの教科書に戻り、同じ箇所を読み直す。ここで腑に落ちれば完了
- 落ちなければ深追いせず、次に進む。時間をかける場所ではありません
本シリーズの第6部は、この手順を前提に「共通テストに効く部分だけ」を抜き出して構成しています。教科書を通読する必要はありません。
情報Ⅱの手法（重回帰、主成分分析、k-means）の計算を自分でできるようにしようとすることです。共通テストには出ませんし、数学Bの範囲も超えます。「何のための手法か」が言えれば十分で、それ以上は時間の投資先として適切ではありません。
18. まとめ ── 情報Ⅱは「補助線」である
幾何の問題で補助線を1本引くと、見えなかった関係が見えることがあります。情報Ⅱの位置づけはそれと同じです。
補助線を引かなくても解ける問題は多くあります。しかし詰まったとき、別角度から1本引くと一気に解けることがある。情報Ⅰという図形を、情報Ⅱという補助線で見直す——この使い方だけ覚えておいてください。
そして補助線は、図形本体を理解してから引くものです。情報Ⅰの基礎が固まる前に情報Ⅱへ行っても、線が増えるだけで何も見えません。順序を守ってください。
19. 実際の設問で確かめる ── 「言えること／言えないこと」
この講で扱った型が、どう得点に変わるのかを見ます。以下は共通テストで頻出の判定パターンです。実際の設問文ではありませんが、判断の骨格は同じです。
パターン1：相関から因果を言ってしまう
「勉強時間と成績に正の相関が見られた。したがって勉強時間を増やせば成績が上がる」——この結論は、このデータだけからは言えません。もともと意欲の高い生徒が、勉強時間も長く成績も良い、という可能性が排除できないからです（第三の変数）。
設問では「このデータから言えることとして最も適当なものを選べ」という形で出ます。「言える」のは相関の存在まで、と線を引けるかどうかです。
パターン2：尺度を無視して計算する
「アンケートの満足度（1〜5の5段階）の平均は3.8だった。したがって平均的な回答者は『やや満足』である」——順序尺度に平均を適用している時点で、厳密には不適切です。1と2の差、4と5の差が等間隔である保証がないためです。
※実務では順序尺度の平均もよく使われます。ただし共通テストでは「その計算が許されるか」を問う設問が出るため、原則を知っておく必要があります。
パターン3：外れ値のあるデータで平均を代表値にする
ヒストグラムが右に長い裾を引いている（少数の大きな値がある）とき、代表値として平均を選ぶ選択肢は誤りです。図の形を見た瞬間に中央値を選ぶ——ここは反射で処理できるようにしてください。
パターン4：データ量を考えずに手法を選ぶ
「探索には常に二分探索を使うべきである」——これも誤りです。整列されていないデータに対しては使えませんし、整列コストを含めると少量データでは線形探索のほうが速い場合があります。「常に」「必ず」を含む選択肢は疑うのが定石です。
20. この講を終えたら
ここまでで、情報Ⅰの学習中に「なぜ？」で止まったときの逃げ道が分かったはずです。次にやることは、情報Ⅱを深掘りすることではありません。情報Ⅰの本編に戻ることです。
- まだ第1部を読んでいない場合 → 第5講「情報・データ・知識の違い」へ
- データ分析で詰まっている場合 → 第4問（データ分析）の解き方へ
- 演習量を増やしたい場合 → 情報Ⅰ 過去問（無料PDF64本）へ
この講の内容は、詰まったときに戻ってくる場所です。今すぐ全部を理解する必要はありません。
補助線は、引く場所を間違えると図が見えにくくなります。情報Ⅱも同じで、全部読もうとすると情報Ⅰの学習時間を圧迫します。この講で挙げた7例は、いずれも「情報Ⅰの設問で判断に迷う場所」に対応させて選んだものです。逆に言えば、それ以外の情報Ⅱの内容は受験対策として優先度が低い、ということでもあります。迷ったら第16章の早見表に戻り、いま詰まっている箇所に対応する行だけを見てください。それが最短です。
最後に一点だけ。本シリーズの第6部（情報Ⅱへの橋）は全11講ありますが、そのすべてを読む必要はありません。この講だけは、通読する価値があります。理由は、第6部のどこに何が書いてあるかを知っておけば、情報Ⅰで詰まったときに「あそこを見ればいい」と即座に判断できるからです。地図を持っているのと持っていないのとでは、迷ったときの回復速度がまるで違います。逆に言えば、この講を読んだ後は、第6部の個別の講は必要になったときだけ開けば十分です。
21. この講の要点
- 情報Ⅱは共通テストに出ない。それでも知る価値があるのは、情報Ⅰの教科書が紙幅の都合で「結論だけ」を書いているから
- 尺度は「分類名」ではなく「どの計算が許されるか」で覚える。摂氏20度は10度の2倍ではない
- 相関を見たら第三の変数を疑う——この型が設問の判断を速くする
- 表を分けるのは、更新・挿入・削除の3つの異常を避けるため
- 確率モデルで乱数を使うのは、数式で解けない問題をばらつきごと再現するため
- ただし優先順位は情報Ⅰが先。基礎が固まる前に手を出さないこと
- 次は第5講「情報・データ・知識の違い」へ