以下のテーマの中から 2 つ選択し、各テーマに沿って学生時代に力を入れたことを教えてください。（300字以内）
・挑戦:高い目標に向かって果敢にチャレンジしたこと
・自律:自ら問題意識をもって、自分事として捉え、解決に向けて行動を起こしたこと
・協働:周囲を巻き込んで物事を進めたこと

・協働:
授業のグループワークにおいて巻き込み力を発揮しました。私のチームには、テキパキとした話し合いをする反面、他のメンバーの意思を考慮せず進めてしまうリーダーがいました。そのため、話し合いでの決定事項や進捗状況が不透明になり、自分の役割を見失うメンバーが出てきてしまいました。そこで私は、話し合いの内容を適宜要約したり、ひとりひとりに意見を聞き全員での議論を促したりと、リーダーと他のメンバーのつなぎ役として働きかけました。その結果、メンバー全員で協力していたことを評価され、先生からは個別で、私の働きも評価していただきました。自分の行動によってチームが良い方向に向かったことに対し喜びを感じました。
・自律:
個別指導塾のアルバイトで、不登校の生徒の成績向上を図りました。その生徒は学校だけでなく、塾の授業も休みがちでした。生徒の話から、学校や塾はつまらない場所だと思っている印象を受けたので、塾は楽しい場所だと思ってもらう必要があると感じました。そこで、生徒との会話を増やして、友達のように接してもらえる先生を目指しました。その中で自己開示を意識し、趣味の話や今日あった話以外に、日常生活で大変だったことや困ったことなども話して、感情の共有による親密度向上に努めました。その結果、授業日以外も塾に来て、積極的に勉強するようになりました。塾長からは「あなたのお陰で笑顔が増えた」と評価していただけました。

大学(大学院の方は大学院)でのゼミや研究内容について教えてください。もし、ゼミや研究内容が決まっていなければ、関心をもって学習したことについて教えてください。（300字以内）

SNS コメントの適切度合いを表す評価尺度の構築に取り組んでいます。SNS 上での誹謗中傷コメントの閲覧を回避するために、表示させたいコメントの適切度合いをユーザ自らが調節できるフィルタリング機能を提案しました。評価尺度構築のために、感情分析を用いてコメント内の単語の極性と、単語の重要度を算出しました。人手によるコメント評価に近づけるためには、評価尺度に加え、コメントに付けられた”いいね”の割合や、使われているポジティブな単語の割合といった、コメントの特徴量を考慮することが有効だということが確認できました。適切性を可視化することで、客観的な評価が可能になり、リテラシー教育への貢献も期待できます。

(任意回答)
あなたのこれまでの人生の中で人に誇れる経験や実績、独自性の強い経験や取組などがありましたら、記入してください。（50字以内）

大学入学時に実施された数学基礎学力試験で成績優秀者として表彰された。

【データサイエンスコース単願または併願※】当社のデータサイエンスコースへの志望理由を将来のキャリアビジョンも踏まえて教えてください。（300字以内）

貴社の先進性と挑戦できる環境に惹かれました。自動車業界の大変革を予測し、テレマティクスに注力してきた貴社の、常に先を見据える姿勢に共感します。DS によって見えないリスクを予測し、人々の不安軽減に繋げたいと思います。さらに、1 年目からデータを扱うことができると伺い、早い段階からデータビジネスの知見を吸収できる点に魅力を感じました。また、様々な部署を経験した方が多いことも伺いました。貴社の IT 職仕事体験に参加した経験から、IT 企画の楽しさを感じたので、将来は IT 企画部での経験も積みたいと考えています。私はスピード感のある環境で DS の力を磨き、一歩踏み出せない人の支えになるために貴社を志望します。

【データサイエンスコース単願または併願※】データサイエンスに関する資格や経験について教えてください。（300字以内）

先述の研究において、コメント評価に有効な特徴量の選定を回帰分析を用いて行っています。コメントの特徴量には、コメントに含まれる感情や単語数といったコメント自体の素性や、コメントに与えられた”いいね”の数、コメントの投稿者情報や投稿時間があります。数ある特徴量の中から有効に働くものを選定するために、SHAP を用いて特徴量重要度を抽出しました。人手による評価を目的変数、評価尺度と特徴量を説明変数とし、回帰分析を行いました。有効に働く特徴量を用いて再度回帰分析を行うと、予測値と実測値の誤差が小さくなったため、選定した特徴量はコメント評価にも有効だと考えています。

他の企業のESはこちら