データシート（Data Sheet）は、AIの学習に使うデータセットについて、収集方法・用途・制約・偏りなどを説明する資料です。本記事はアルゴリズムバイアスの原因論ではなく、「何を書くか」のチェックリスト——透明性のための記載項目——に焦点を当てます。
試験で問われる見方
○：データシートは、データの収集方法、用途、制約、偏りなどを説明する資料として使われる（TF-0413）。透明性や利用判断の支援に役立つ。
×：データシートを作れば、偏りや権利問題が自動的に完全消滅する（TF-0414）。
データシートとは
データの質とリスクは、中身を見ないと判断しづらい問題があります。データシートは、関係者が「このデータは何か」「どう使ってよいか」「何に注意すべきか」を共有するための文書です。
研究コミュニティでは「Datasheets for Datasets」などの枠組みが知られ、企業でも社内データカタログや法務レビューと組み合わせて使われます。試験ではフォーマットの暗記より目的と限界が問われます。
記載項目のチェックリスト
実務・試験の橋渡しとして、次の観点を押さえるとよいです。
モデルカードとの違い
| 資料 | 主語 | 主な読者 |
|---|---|---|
| データシート（本記事） | データセット | データ利用者・法務・監査 |
| モデルカード | AIモデル | モデル利用者・プロダクト担当 |
どちらも透明性・適切な利用判断を支援しますが、対象が異なります。セットで整備されることもあります。
できること・できないこと
| できること | できないこと |
|---|---|
| 偏り・制約の可視化 | 偏りの自動除去（TF-0414） |
| 利用前のリスク認識 | 権利問題の自動解決 |
| ガバナンスの証跡 | モデル性能の保証そのもの |
データシートは説明責任の土台です。記載後も、前処理・評価・人の確認などの対策が必要です。
よくある質問
データカードと同じ？
近い概念です。いずれも学習データの説明文書として語られます。試験では「データシート」の定義（TF-0413）を優先してください。
社内データにも必要？
規模やリスクによります。高リスク・共有範囲が広いデータほど、収集経緯と制約の文書化が重要です。
生成AIの学習データ公開義務は？
法制度・契約は変化します。データシートの考え方は「何が分かっているか／分からないか」を整理する実務に役立ちます。