サッカーW杯の走行データを用いた統計指導：次期学習指導要領を見据えた数学科の授業展開

　今夏(2026年6月11日)開催されるサッカーワールドカップ（W杯）の選手走行データを題材に、次期学習指導要領の改訂方針（「生きて働く知識・技能」の確実な習得や「主体的に対話的で深い学び」の深化）を見据えた中学校・高等学校の統計領域における具体的な授業プランはどのように構築すべきでしょうか。

　次期学習指導要領の改訂論議（2025年9月の中教審・教育課程企画特別部会「論点整理」等）では、「分かりやすく使いやすい指導要領への構造化」とともに、社会の現実的な課題や文脈と結び付いた数学的活動の充実が重視されています。
　本稿では、スポーツ統計という生きた題材を活用し、中学校では「代表値（平均値・中央値等）の適切な選択と解釈」、高等学校では「散布図と相関関係を用いた多角的な考察」を行う授業例を提案します。単なる計算手続きの習得に終わらせず、データが持つ意味を競技の特性や文脈に即して解釈・批判的に吟味する活動を通じ、これからのAI・データ駆動型社会に不可欠な「統計的探究プロセス」を働かせる資質・能力の育成を目指します。

1. 本稿の概要

　2026年現在の教育界では、2027年度告示予定の次期学習指導要領に向けた審議が本格化しています。2025年9月の「教育課程企画特別部会 論点整理」では、現行の資質・能力ベースの方向性を継承しつつ、社会の現実的な文脈と結び付いた「確かな学力」の定着が強く打ち出されました。

本稿では、今夏に開幕するサッカーワールドカップ（W杯）に着目し、FIFAやJFAが公表する公式トラッキングデータを教材として採用します。この生きた生データを基に、中学校（代表値）および高等学校（散布図・相関）の数理的活動を具体化します。データを計算する段階から一歩進め、結果を現実の文脈に差し戻して批判的に吟味する授業展開のたたき台を明示し、2030年度からの全面実施に向けた指導改善の方向性を提案します。

2. 次期学習指導要領における算数科数学科教育の方向性を見据えた本事例の意義

　現行の学習指導要領で新設・強化された「データの活用」領域（中学校）や「数学Ⅰ」のデータの分析（高等学校）は、次期改訂においてさらに質的な深化が求められています。中教審の審議において厳しく指摘されているのは、「計算技能やグラフ描画の自動化（デジタルツールの活用）が進む中で、人間が果たすべき『データの解釈・批判的吟味』の力が十分に育っていない」という課題です。

　本事例の意義は、統計を「計算の手続き」として学ぶのではない点にあります。サッカーの戦術や選手の役割（ポジション）という「文脈（コンテキスト）」と数理を結び付ける点にあります。走行データが示す数値の背景には、選手の運動量、チーム方針、試合展開などの背景が存在します。データを数理的に処理した結果（統計量）を再度現実の文脈に差し戻し、「この平均値の差は何を意味するのか」「散布図の外れ値にはどのような戦術的背景があるのか」を協働的に議論する活動は、次期指導要領が目指す「主体的な学び」の確実な実装に直結します。

3. 実践事例

(1) 中学校：第2学年「データの活用」（代表値の適切な選択と解釈）

・目標：
　サッカー選手のポジション別走行距離のデータを基に、目的に応じた適切な代表値（平均値、中央値、最頻値）を選択し、データの傾向を多角的に説明できる。
・つけたい資質・能力：
　データの分布の特性（非対称性や外れ値の有無）に着目し、統計的な根拠に基づいて自分の考えを表現・批判的に吟味する力。
・目指す生徒の姿：
　 「平均値だけでは見抜けない特徴があるのではないか」という問いを持ち、データをヒストグラムや箱ひげ図、別種の代表値と関連付けて主体的に分析しようとする姿。

【教材データ例】1試合における選手別の総走行距離（km）

学校現場でのワークシートやGIGA端末（スプレッドシート）にそのまま展開できるよう、以下の11名分のサンプルデータを使用します。

• MFの平均値：11.17 km ／ MFの中央値：11.10 km
• FWの平均値：10.36 km ／ FWの中央値：9.50 km

【学習活動の展開プロセス】

・留意点：
　計算作業そのものに時間を費やさないよう、ツールを積極的に活用させます。また、サッカーのルールに詳しくない生徒への配慮として、ポジションの役割（守備や攻撃の特徴）を視覚的な図等であらかじめ補足します。
・評価内容・方法：
　【思考・判断・表現】データの分布の特徴を捉え、適切な代表値を用いてポジションごとの傾向や差異を根拠とともに説明できているか（ワークシートおよび発言分析）。

(2) 高等学校：数学Ⅰ「データの分析」（散布図と相関関係の批判的吟味）

・目標：
　 「総走行距離」と「スプリント（時速24km以上の高速走行）回数」の2つの変数における散布図を作成し、相関係数の意味を理解するとともに、外れ値の背景にある要因を数理的・戦術的に考察できる。
・つけたい資質・能力：
　相関関係と因果関係を混同せず、散布図の形状や相関係数の数値が示す意味を、現実の事象（競技特性・個人のプレースタイル）と往還させながら論理的に考察する力。
・目指す生徒の姿：
　 相関係数の高低のみで判断せず、散布図全体の傾向から大きく外れた個別のデータ（外れ値）に着目し、その特異性が発生した理由を主体的に探究しようとする姿。

【edugraph: 選手の走行データ散布図のモデル（総走行距離 vs スプリント回数）】

授業内で生徒が描画・分析する2変数のデータの構造およびグラフのイメージは以下の通りです。

スプリント回数（回）▲
                 50│                                        
                 40│          ★特異データA（左上の外れ値）    
                 30│                   ●     ●   ●   
                 20│               ●     ●     ●     
                 10│           ●     ●          ★特異データB（右下の外れ値）
                  0└────────────────────────────────────────────►
                    0          5         10        15      総走行距離（km）
                    【全体傾向：正の相関（r ≒ 0.65）を示すグラフモデル】

• 特異データA（左上の外れ値）：総走行距離は「8.2km」と短いが、スプリント回数は「38回」と突出して多い。
• 特異データB（右下の外れ値）：総走行距離は「13.5km」と非常に長いが、スプリント回数は「8回」と極端に少ない。

【学習活動の展開プロセス】

・留意点：
　 統計的な「外れ値」を単なるノイズとして排除するのではなく、「現実世界の文脈において最も示唆に富む重要データ」として扱う視点を持たせます。
・評価内容・方法：
【数学的な思考・判断・表現】散布図における相関の傾向や外れ値の意味を、統計的な概念とサッカーの文脈を正しく往還させながら論理的に論じられているか（レポート評価）。

4. まとめ（全体のまとめと今後の方向性）

　本実践の走行データを活用した統計指導は、次期学習指導要領の改訂論議が重視する「現実世界の課題解決への数学等アプローチ」を具現化するものです。単なる計算手順の習得にとどまらず、データが持つ意味を文脈に即して解釈する活動は、AI社会を生きる子どもたちにとって不可欠なリテラシーとなります。
　2026年現在の中教審の審議では、教科の枠を超えて資質・能力を統合的に働かせる授業改善や、過度な形式化を高度なデジタル活用で修正する方針が示されています。
　今後は、GIGAスクール構想のセカンドステージを前提とした、デジタルツールの日常使いによる臨機応変なデータ分析授業の開発が不可欠です。1つの正解を求めるのではなく、客観的根拠を基に多角的な考察を加え、他者と協働的に最適解を導き出すプロセスの構築こそが、次期指導要領の全面実施（2030年度予定）を見据えた算数・数学教育の核心となります。

5. 参考文献・出典一覧

• 文部科学省, 「中央教育審議会 初等中等教育分科会 教育課程部会 審議動向資料」（2025年〜2026年各検討部会配布資料）
• 文部科学省, 『教育課程企画特別部会 論点整理』, 2025年9月公表.
• 文部科学省, 『中学校学習指導要領（平成29年告示）解説 数学編』, 2017年7月.
• 文部科学省, 『高等学校学習指導要領（平成30年告示）解説 数学編』, 2018年7月.
• 日本サッカー協会（JFA）, 「JFAにおけるデータ活用と育成・強化方針に関する公式発表資料」（各テクニカルレポート）
• 国際サッカー連盟（FIFA）, FIFA Football Language / Football Performance Insights（トラッキングデータおよびパフォーマンス分析に関する公式ガイドライン）
• 総務省統計局, 「データサイエンス・スクール 統計活用授業実践指導案集」

承知いたしました。高等学校の「(2) 高等学校：数学Ⅰ『データの分析』」のセクションの直後に挿入する形で、相関係数 $r$ の数理的な意味をサッカーのピッチ上の動きと結びつけ、生徒へ直感的に腹落ちさせるための指導用「補足コラム（導入トーク例）」を作成しました。

【補足コラム】相関係数 \(r\) の意味を生徒に直感的に理解させるための導入トーク例

　高校数学Ⅰの「データの分析」において、相関係数 \(r\) （\(-1 \leqq r \leqq 1\)）の計算や定義は、生徒にとって抽象的な数式の羅列に見えがちです。
　特に「\(r = 0.65\)」という中途半端な正の相関が、実際のサッカーの試合において「何を意味しているのか」を直感的にイメージさせるため、GIGA端末の画面に【edugraph】を提示した直後の、教員による語りかけ（導入トーク）のモデルを示します。

🗣️ 教員の導入トーク（教室での語りかけ例）

「みなさん、今各自のタブレットで引いてくれた『総走行距離』と『スプリント回数』の散布図を見てください。
全体的に右上がりの形をしていて、計算すると相関係数 \(r\) は『\(r = 0.65\)』という、なかなかに強い正の相関を示しましたね。

では、この『\(0.65\)』という数字は、ピッチの上で戦っている選手たちの動きとして、一体どういう状態を表しているのでしょうか？

もし、この相関係数がパーフェクトな『\(r = 1\)（完全な正の相関）』だったら、ピッチはどんな光景になると思いますか？
それはね、『すべての選手が、まるでラジコンカーのように全く同じ効率で走っている世界』です。
例えば『1km長く走るごとに、誰もが絶対にダッシュを3回多くする』という機械的なルールが完全に成り立っている状態です。もしそうなら、監督はデータを見ただけで『走行距離が長いから、この選手はスプリントも頑張ったな』と100%言い切れます。

逆に、もし『\(r = 0\)（無相関）』だったらどうでしょう。
これは、たくさん走っているのにダッシュを1回もしない選手もいれば、ほとんど歩いているのにダッシュだけは100回くらいしている選手が、ランダムにごちゃ混ぜになっている、カオスなピッチです。走行距離の長さからは、その選手がダッシュしたかどうかが『全く予想できない』状態ですね。

では、今回のデータが示した『\(0.65\)』はどうでしょうか。
これは、『サッカーというスポーツの「共通のルール（戦術）」と、選手それぞれの「個性（プレースタイル）」が、ピッチの上で絶妙にブレンドされている数字』なんです。

基本的には、現代サッカーの戦術（共通のルール）として『チームのためにたくさん走る選手は、それだけダッシュの回数も増えるよね』という共通の右上がりの波（トレンド）があります。これが相関係数を \(1\) に近づけようとする力です。
しかし、サッカーはロボットがやるものではありません。
『僕はスタミナには自信がないけれど、一瞬のスピードなら誰にも負けないから、ここぞという時だけ牙を剥くぞ』という一撃必殺型のFW（特異データA）もいれば、『私はスピード自慢ではないけれど、チームのピンチを未然に防ぐために、90分間ずっと同じペースでスペースを埋め続けるよ』という職人肌のボランチ（特異データB）もいます。この選手たちの個性が、数値を \(1\) から引き離し、散布図の上に心地よい『ばらつき』を生み出している。

つまり、相関係数 \(0.65\) というのは、サッカーのセオリーという『縦糸』と、選手の個性という『横糸』が織りなした、生きたスポーツデータの証なんです。

さあ、それではここからが本番です。この綺麗な波（セオリー）から、あえて大きく飛び出して『独自のプレースタイル』で戦っている特異データAとBの選手は、一体ピッチのどこで、どんな役割を任されているヒーローなのか、チームの戦術ボードを動かしながらみんなでプロのスカウトマンになったつもりで読み解いてみましょう！」

💡 このコラムがもたらす指導上の効果

数理概念の具現化：
「1に近い」「0に近い」という無機質な基準を、「規律（機械的連動）」と「混沌（無関係）」というピッチ上のイメージに翻訳することで、生徒の心理的ハードルを下げます。
外れ値探究への自然な伏線：
相関係数が \(1\) にならない理由そのものが「選手の個性（外れ値）」であると位置づけることで、次のステップであるグループワーク（協働分析・批判的吟味）へと生徒を自然に誘うことができます。