SIGNATE Student Cupの審査・入賞解法｜高校生のAI学習を推薦の実績へ

AIやデータ分析を学んだら、用意された課題で自分の方法を試す機会も探してみましょう。SIGNATE Student Cupは、学生が分析やモデルの性能を競うコンテストです。高校生も対象で、2025大会はSIGNATEとテックオーシャンが共同開催しました。

仮説を立て、予測する方法を作り、結果を比べて改善した経験は、情報・データサイエンス系の総合型選抜や公募推薦で、自分の学びを伝える実績になります。

高校生も参加できる、学生向けのAIコンテスト

「SIGNATE × TECH OCEAN Student Cup 2025」は、2026年1月14日から2月12日まで開催され、3月9日に表彰式が行われました。大学生や大学院生、高専生、高校生などが対象です。

2025大会の参加条件は、表彰式時点で学生であることなどです。学生向けの大会でも、年によって課題や条件は変わるため、次回の参加を考える際は、その大会の案内を確認するとよいでしょう。

自分で制作テーマを決めるコンテストとは異なり、同じ課題とデータを使って方法を比べられます。文章を分析する技術や、AIへの指示の工夫に関心がある高校生にも、学習の目標を考えられる大会です。

出典：SIGNATE・開催概要、大会公式・課題と結果案内、共催者・表彰式開催報告

2025大会の課題と、正解率による評価

2025大会では、映画・アニメ・漫画など50作品の情報をもとに、2作品を混ぜて作った340件の架空のあらすじが出題されました。参加者は、各あらすじの素材になった2作品のIDを予測します。

評価は、作品IDのペアが正解と一致する割合です。2作品の順番は問いません。例えば、正解が作品1と作品2なら、1・2でも2・1でも同じ組合せとして扱われます。

文章の特徴を調べ、予測が合う場面と外れる場面を確かめることが、改善の出発点になります。共通する単語だけでは区別しにくい文章もあるため、物語の設定や出来事など、何を判断材料にするかを考える課題でした。

暫定順位から、最終順位が決まるまで

2025大会の公式説明は、開催中の暫定評価にデータの30％、終了後の最終評価に全体の100％を使うと案内しています。最終評価に使う提出ファイルは最大2つ選択でき、スコアの高い方が採用される仕組みです。

上位者は入賞候補となり、コード、実行手順、実行環境、工夫した内容などの検収を経て、入賞が確定します。予測ファイルを作る段階から、処理の流れや試した条件も残すと、成果を説明しやすくなります。

出典：大会公式・評価方法と入賞決定、公式公開・1位解法資料の課題説明

1〜5位の報酬と、部門・賞の扱い

2025大会の募集案内は、一つの課題に対する1〜5位の報酬を定めています。プレゼンテーションの優秀賞や、別テーマの作品賞を競う形式ではありません。

大会ページには、SIGNATEのメダル・ポイントの対象であることも表示されています。順位による入賞と、メダル・ポイントの制度は、それぞれの名称で整理できます。

出典：大会公式・報酬とメダル表示

具体的な入賞解法に見る、3つの工夫

公式ナレッジには、2025大会の入賞者が使った方法を公開した資料があります。次の3例は、その資料をもとにした紹介です。

1位・文章を分けて、判断する方法を明確に

1位の世良将之さんは、当時、東京都立大学大学院の1年生でした。解法では、あらすじを句読点で分け、短い断片としてAIに渡しています。舞台設定とテーマを分けて捉えることや、言い換えられた表現を判断することなど、分析の方針も指定しました。

さらに、正解付きの20件を例として提示。返された結果について、IDの範囲と重複を確認する処理も用意しています。複数回の予測をまとめる方法も試しましたが、改善が見られず、最終的には1回の結果を採用したと説明しています。

入力の見せ方、AIへの指示、出力の確認をそれぞれ工夫した例です。自分の実験でも、一度に条件を増やさず、何を変えると結果が変わるかを記録すると、比較しやすくなります。

出典：公式公開・1位解法資料

2位・あらすじの情報を補い、複数の予測を統合

2位のチーム「2％」は、元の作品説明に必要な情報が足りないのではないかと考え、あらすじの拡張を試しています。NotebookLMなどを使い、参照する資料を整理しながら推論する方法を採り入れました。

最終段階では、10種類以上の予測結果をまとめ、判断が分かれたものは再度推論する構成です。公開資料は、暫定評価で0.6764、最終評価で0.6441という結果を示しています。

使うモデルに加え、モデルへ渡す情報の質や、予測のばらつきにも着目した事例です。異なる方法の結果を比較すると、自分の方法が苦手とする文章を見つける手がかりにもなります。

出典：公式公開・2位解法資料

3位・候補を絞り、文章ごとに推論

3位のチームSIMは、文章を数値で表す埋め込み表現を使い、50作品から候補を10〜20作品に絞る方法を採用しました。その後、AIで一つずつ推論し、複数モデルの結果を組み合わせています。

公開資料には、英訳して処理する方法や、埋め込みだけで予測する方法も試した経緯があります。最終解法では、候補を絞る処理と、内容を詳しく判断する処理を分けています。

同じ課題でも、上位者が使った方法は一つではありません。自分の考えに合う方法を試し、結果から次の仮説を考えることが、分析の学習につながります。

出典：公式公開・3位解法資料

AI・データ分析の経験を、理系推薦へ

取り組んだ課題、試した方法、結果を比べて改善した過程を整理すると、志望理由書や面接でも、自分の学びを説明できます。

例えば、AIへの指示を変えた結果だけでなく、どの種類の文章で改善したかを調べる方法があります。入力データの違いや誤りの傾向を分析すると、自然言語処理や統計、機械学習を大学で深めたい理由にもつながります。

統計検定や基本情報技術者などの学習も、分析やプログラムの制作と組み合わせられます。資格で得た知識が実験のどこで役立ったかまで説明できると、学習と実践のつながりが伝わります。

スキルパスで、実績づくりから出願まで

資格・探究・コンテストへの挑戦と、大学で学びたいことをつなげる対策を、スキルパスが支えています。

大学院生や現役の理系大学教員などの講師が、専門分野に応じた学びを指導。現在の経験と志望分野に合わせ、資格対策、データ分析や制作、成果のまとめ方、総合型選抜・公募推薦の書類と面接の準備まで徹底伴走します。

統計データ分析コンペティション

日本人工知能オリンピック

全国情報教育コンテスト