2024 年コンピューターサイエンスの学習曲線に関するアンケートのレポート
JetBrains Academy は 2024 年に大学生、オンライン学習者、独学者、コーディングブートキャンプ修了者、プロ開発者、および転職者などを含む世界中で 23,991 人の回答者を対象に調査を実施しました。
このレポートでは、回答者から得た参考になるインサイトに基づいて、形式やツール、動機、キャリア目標、課題に至るまで、コンピュータサイエンス教育の現在のトレンドを探っています。
教育指導者、研究者、学習者、好奇心に満ちたプロ開発者、子供の目標達成を応援する保護者など、あらゆる方がご覧いただけます！「#JetBrainsAcademySurvey24」を使用してコンピューターサイエンス（CS）学習コミュニティと意見を共有し、つながりましょう。
このレポートは公開されており、その内容は非商用目的に限定して使用される場合があります。詳細はこちらをご覧ください。
共有:
過去 12 か月間に何らかの形でコンピューターサイエンスを学習しましたか？
はい。独学しました
はい。正規教育機関で学習しました
コンピューターサイエンス学習者の約半数以上は正規教育機関で学習しており、正規学習者の 54% はさらなる独学によって知識を広げています。
正規教育を修了した人のうち、学士号以上の学位を取得した人の割合。
正規教育の最終学歴
現在通っている正規教育機関
取得した学位
専攻（現在または過去）
コンピューターサイエンス
ソフトウェアエンジニアリング
その他のエンジニアリング
芸術 / 人文科学
経済学
数学
生物学 / 化学
社会科学
物理学
その他
すべてのコンピューターサイエンス学習者のうち、報酬を得て IT 関連の仕事を行ったことのある人の割合（うち 89% はその仕事が主な収入源であると回答）。回答者のほとんどはソフトウェアエンジニアリング職（76%）に従事しており、その 35% は中級職に就いています。
現在の役職100+
この質問は、コンピューターサイエンス分野の仕事が主な収入源であると答えた回答者にのみ提示されました。
テック業界のほとんどの職種では依然として男性が圧倒的に多く、女性やノンバイナリーの人材の割合はかなり低い状態が続いています。主要な技術職とリーダーシップ職（チームリーダーおよび役員）のジェンダー多様性が最も低く、88%～94% が男性となっています。
ただし、QA/テスターとビジネスアナリスト（14%）、講師（13%）、プロダクト/マーケティングマネージャー（12%）といった一部の役職では女性の割合が業界の平均よりも比較的高くなっています。ノンバイナリーの割合は依然としてすべての役職で限定されており、最も割合が高かったのは 6% のデベロッパーアドボケイトです。
雇用種別
役職レベル
給与（米ドルでの年間手取り給与額、ボーナスを除く）
コンピューターサイエンス/IT 分野以外での業務経験はありますか？
はい。コンピューターサイエンス / IT に転向する前は別の分野で従事/学習していた
いいえ。これが従事した唯一の分野である
18～29 歳の若年回答者はテック職に直接就く傾向が高く、過去に別の分野で業務したことのある人は 18～20 歳ではわずか 9%、21～29 歳では 24% でした。ただし、加齢とともに転職経験者は増加し、30～39 歳の回答者では 50%、60 歳以上の回答者では 59% がテック業界以外で仕事をした経験があると答えています。
また、キャリア形成の道も地域ごとに明確に異なっています。インドと中国では転職未経験者が大多数を占めており、コンピューターサイエンス分野に直接進む傾向が強いことが示されています。一方、アルゼンチンとブラジルではキャリアパスの多様性が高く、転職者の割合は転職未経験者の割合を上回るか、ほぼ同等となっています。欧州、東南アジア、北米などの地域では転職者の割合が約 3 分の 1 を占めており、以前と同じ参入パターンが比較的多く見られます。
コンピューターサイエンス/IT 以外の分野での業務経験はありますか？(地域別)
インド
中国
ドイツ
トルコ
中東、アフリカ、中央アジア
他の東南アジア、オセアニア
韓国
その他の欧州
フランス
カナダ
過去に経験した専門分野
回答者は自由テキスト形式でこの質問に回答しました。回答の分析とテーマごとのクラスターへの分類は ChatGPT によって自動で行われました。
この質問は、コンピューターサイエンス/IT 職に転職する前に別の分野で仕事または学習をしていたと答えた回答者にのみ提示されました。
コンピューターサイエンス分野に転向した回答者の中では工学および技術分野が最多で、金融およびビジネスマネジメントがそれに続いています。教育、ヘルスケア、およびクリエイティブアートも上位に入っており、この分野への参入者の職歴が多様であることが示されています。
テック業界での仕事を選択した理由100+
新しいコンピューターサイエンスのトピックを学習する動機100+
ほとんどのキャリア転換はコンピューターサイエンスに対する強い情熱によって促されていますが、回答者の約半数は問題解決と業務の自動化への欲求を主な動機として明確に示しています。興味深いことに、給与とリモートワークの機会はゲームやウェブサイトの制作などの創造意欲を若干下回っており、この分野は現実的な利益だけでなく、向上心によって動く人々を惹きつけていることが分かります。
新しいコンピューターサイエンスのトピックを学習する動機（地域別）
| 新しいコンピューターサイエンスのトピックを学習する気はない | その他 | 特定のタスクを完了するため | 別のテクノロジーに移行するため | 単に興味があるため | 新しい仕事を探すか役職を変えるため | 最新のトレンドを常に把握しておくため | 個人プロジェクトに取り組むため | 現在の役職でのスキルを伸ばすため | |
|---|---|---|---|---|---|---|---|---|---|
| <1% | 2% | 18% | 16% | 43% | 52% | 49% | 56% | 68% | 東欧、バルカン半島、コーカサス地方 |
| <1% | 1% | 13% | 11% | 49% | 49% | 40% | 49% | 67% | 韓国 |
| <1% | 2% | 26% | 21% | 47% | 47% | 51% | 56% | 67% | 他の東南アジア、オセアニア |
| <1% | 2% | 27% | 19% | 79% | 34% | 48% | 60% | 66% | ドイツ |
| – | 3% | 21% | 17% | 67% | 44% | 47% | 55% | 64% | ベネルクスおよび北欧 |
| 1% | 2% | 17% | 17% | 45% | 50% | 55% | 59% | 64% | インド |
| <1% | 1% | 22% | 26% | 23% | 45% | 55% | 49% | 64% | ナイジェリア |
| <1% | 2% | 20% | 18% | 51% | 46% | 47% | 58% | 62% | その他の欧州 |
| – | <1% | 23% | 17% | 67% | 43% | 47% | 44% | 62% | 中国 |
| – | 2% | 21% | 14% | 62% | 48% | 44% | 58% | 61% | イギリス |
| 1% | 2% | 22% | 16% | 58% | 54% | 45% | 65% | 61% | 米国 |
| 1% | 2% | 19% | 21% | 38% | 44% | 48% | 54% | 60% | 中東、アフリカ、中央アジア |
| – | 3% | 13% | 18% | 58% | 50% | 54% | 51% | 60% | スペイン |
| 1% | 1% | 20% | 22% | 45% | 41% | 46% | 51% | 56% | トルコ |
| <1% | 2% | 25% | 13% | 56% | 59% | 45% | 62% | 56% | カナダ |
| 2% | 1% | 15% | 19% | 42% | 41% | 28% | 39% | 55% | ロシア連邦、ベラルーシ |
| – | 3% | 16% | 21% | 52% | 64% | 42% | 57% | 54% | ブラジル |
| 1% | 1% | 24% | 23% | 73% | 38% | 39% | 58% | 54% | フランス |
| 9% | 1% | 10% | 18% | 49% | 63% | 46% | 56% | 54% | メキシコ |
| <1% | 2% | 11% | 19% | 41% | 60% | 51% | 57% | 52% | 中南米 |
| 4% | <1% | 14% | 19% | 43% | 40% | 31% | 38% | 50% | ウクライナ |
| 3% | 1% | 12% | 13% | 58% | 34% | 42% | 31% | 48% | 日本 |
| 1% | 2% | 9% | 17% | 52% | 63% | 44% | 47% | 42% | アルゼンチン |
西欧と北米の学習者は、個人的な興味と革新的な個人プロジェクトを優先しています。対照的に、ラテンアメリカの学習者は主に転職の機会を動機としており、この地域の雇用市場が流動的であることが反映されています。アジアではさまざまな動機が見られます。韓国はキャリアを動機とする成長を重視していますが、日本は学習全般にわたる取り組みが低いことが報告されています。一方、インドと東南アジアの学習者はトレンドを追うニーズを動機としており、急速に成長し続けるテックエコシステムの活力が反映されています。
望まれている役職100+
この質問は、コンピューターサイエンスのトピックを学習する動機の 1 つに「新しい仕事を探すためまたは役職を変えるため」を指定した回答者にのみ提示されました。
IT 分野で開発者職がトップとなっていることは、この役職がつぶしが効き、需要が高く、さまざまな業界に幅広く応用できることを反映していると可能性があります。この分野への参入者にとっては、特に最適なキャリア転換の選択肢だと考えられています。データ関連のキャリアや DevOps に進む人もかなり多く、この専門分野の魅力が高まっていることが示されています。一方、参入に適している QA 職は人気と長期的な将来性がなく、キャリア転換にはあまり望まれていません。
コンピューターサイエンス/IT 分野の仕事を探したことがあると報告した回答者の割合。
コンピューターサイエンス/IT 分野で仕事を探す際の重要な要素
| 重要でない | あまり重要でない | かなり重要である | 非常に重要である | |
|---|---|---|---|---|
| 1% | 6% | 35% | 58% | 業務経験 |
| 1% | 13% | 51% | 35% | 最新技術への精通度 |
| 2% | 16% | 51% | 32% | ソフトスキル |
| 4% | 17% | 47% | 31% | インターンシップと協同プログラム |
| 6% | 26% | 44% | 25% | つながりと人脈 |
| 5% | 23% | 48% | 24% | ペットプロジェクト |
| 7% | 26% | 49% | 18% | 大学の卒業証書 |
| 6% | 31% | 47% | 16% | 同僚の推薦 |
| 9% | 31% | 46% | 14% | 業界の認定証 |
| 11% | 35% | 42% | 12% | コースの修了証書 |
仕事を見つけるには業務経験と最新の技術知識が重要だと言われていますが、ソフトスキルも同様に重視されており、学習者の 83% はそれを重要だと考えています。人脈も重要な要素であり、25% が重要である、44% が就職の機会で人的なつながりを積極的に利用しています。この結果は、テック分野における強力な対人スキルと仕事上の人脈の必要性を明確に示すものです。
過去 3 年間で学習したコンピューターサイエンス分野100+
プログラミング言語、アルゴリズム、データ構造に加えて、データベースも学習者に人気があります。AI と機械学習は依然として人気の分野であり、それぞれ学習者の 33% と 34% がこの分野に取り組んでいます。
学習によって得たコンピューターサイエンス分野のスキル
| 入門者 | 初心者 | 中級者 | 上級者 | 専門家 | |
|---|---|---|---|---|---|
| 4% | 25% | 44% | 23% | 5% | ソフトウェアエンジニアリング |
| 6% | 28% | 41% | 21% | 5% | ウェブ開発 |
| 8% | 29% | 40% | 17% | 5% | プロダクト管理 |
| 4% | 23% | 47% | 22% | 4% | プログラミング言語 |
| 10% | 33% | 37% | 16% | 4% | ヒューマンコンピューターインタラクション（HCI） |
| 9% | 33% | 38% | 16% | 4% | プロジェクト管理 |
| 9% | 37% | 37% | 14% | 3% | テスト |
| 10% | 37% | 35% | 15% | 3% | データ解析 |
| 15% | 42% | 30% | 10% | 3% | 自然言語処理（NLP） |
| 16% | 40% | 29% | 11% | 3% | コンピュータービジョン |
| 7% | 32% | 41% | 16% | 3% | データベース |
| 9% | 36% | 39% | 13% | 3% | コンピューターネットワーク |
| 7% | 35% | 38% | 16% | 3% | オペレーティングシステム |
| 11% | 40% | 34% | 12% | 3% | サイバーセキュリティ |
| 6% | 31% | 46% | 15% | 2% | アルゴリズムとデータ構造 |
| 17% | 43% | 27% | 10% | 2% | 人工知能 |
| 18% | 43% | 27% | 10% | 2% | 機械学習 |
| 16% | 39% | 30% | 13% | 2% | コンピューターグラフィックス |
女性は自分の技術スキルを過小評価する傾向にあるものの、強い成長意欲を示しており、他の分野からコンピューターサイエンスに転向する女性学習者の割合は男性学習者よりも 8% 多くなっています。
学習者が次のコースで学習したいと考えているトピック
回答者は自由テキスト形式でこの質問に回答しました。回答の分析とテーマごとのクラスターへの分類は ChatGPT によって自動で行われました。
学習形式の経験100+
データによると、大学教育、ワークショップ、メンターシッププログラムといった従来の対面で行われるハンズオン形式学習環境に対する需要が続いています。ただし、これらの形式に対する満足度は年齢層や地域によって幅広く異なり、効果に一貫性がないことが表れています。
学習形式の体験に対する評価
| 悪い | 要改善 | 十分 | 非常に良い | 優良 | |
|---|---|---|---|---|---|
| 2% | 5% | 18% | 32% | 43% | インターンシップ |
| 1% | 7% | 22% | 36% | 34% | メンターシッププログラムと個人指導 |
| 2% | 4% | 22% | 42% | 30% | 有料のオンラインコース（MOOC）またはコーディングスクール |
| 2% | 9% | 23% | 38% | 29% | 雇用主が提供する専門トレーニング |
| 1% | 5% | 25% | 40% | 29% | セルフペース型のオンラインチュートリアル |
| 1% | 7% | 28% | 36% | 28% | コードキャンプ、ユーザーグループ、ミートアップ |
| 3% | 9% | 29% | 33% | 26% | 職業プログラム |
| 4% | 8% | 26% | 37% | 25% | 雇用主が契約した外注の専門トレーニング |
| 2% | 7% | 26% | 40% | 25% | コーディングブートキャンプのセッション |
| 2% | 9% | 31% | 34% | 24% | 交換プログラム |
| 1% | 8% | 31% | 38% | 21% | 無料のオンラインコース（MOOC）またはコーディングスクール |
| 3% | 11% | 31% | 36% | 20% | オンライン大学プログラム |
| 6% | 14% | 31% | 30% | 19% | 大学、短大、学校教育 |
| 2% | 11% | 32% | 36% | 19% | オフラインコース、コーディングスクール |
| 2% | 10% | 33% | 36% | 19% | ワークショップとセミナー |
大学、短大、学校教育、セルフペース型のオンラインチュートリアルが全回答者の中で首位を占めています。その他は具体的な年齢層とキャリアのニーズによって異っています。ワークショップとセミナーは 50～59 歳の年齢層で最も人気が高く、その 17% が経験を有しており、4 分の 1 はその体験を「優良」と評価しています。メンターシッププログラムは 21～29 歳の回答者に高く評価されており、そのうち 36% が「優良」と評価していますが、この体験に対する満足度は年齢が上がるにつれて落ちています。雇用主が提供するトレーニングに対する満足度は 18～20 歳の回答者で最も高く、学習者の 41% が「優良」と評価しています。有料オンラインコースとコーディングブートキャンプは若手の人と中堅の人に最も人気があります。
MOOC とコーディングスクールの認識度
| 聞いたことがない | 知ってはいるが、試したことはない | 試したことはあるが、今は使用していない | 現在使用している | |
|---|---|---|---|---|
| 18% | 23% | 29% | 29% | Udemy |
| 18% | 27% | 35% | 20% | Coursera |
| 29% | 41% | 15% | 16% | JetBrains Academy |
| 38% | 26% | 25% | 10% | edX |
| 26% | 35% | 29% | 10% | Codecademy |
| 35% | 36% | 20% | 10% | LinkedIn Learning |
| 28% | 33% | 30% | 9% | Khan Academy |
| 52% | 28% | 10% | 9% | Canvas |
| 55% | 28% | 12% | 5% | DataCamp |
| 48% | 32% | 16% | 4% | Udacity |
| 67% | 18% | 11% | 4% | Pluralsight |
| 79% | 13% | 5% | 3% | Stepik |
| 85% | 8% | 4% | 3% | SWAYAM |
| 84% | 11% | 4% | 2% | JavaRush |
| 70% | 22% | 6% | 2% | The Open University |
| 78% | 16% | 5% | 1% | FutureLearn |
| 84% | 12% | 3% | 1% | Egghead |
| 90% | 7% | 2% | 1% | XuetangX |
| 92% | 6% | 2% | 1% | MiríadaX |
| 89% | 8% | 2% | 1% | Cognitive Class |
| 87% | 9% | 3% | 1% | Platzi |
ご存知ですか？
JetBrains Academy ユーザーは、有料オンラインコース（MOOC）またはコーディングスクールの体験を「優良」と評価する割合が 24% 高くなっています。JetBrains Academy が提供する学習の選択肢をご覧ください。
コンピューターサイエンスのトピックを習得するための実践方法100+
コンピューターサイエンスの学習者はハンズオン学習と視覚的な学習を優先しており、コーディングプラットフォーム、動画チュートリアル、ドキュメントの使用を中心に利用しています。ただし、AI チャットボットの使用状況とコーディングコンテストへの参加に関する最近の統計から、対話的かつ動的な問題解決およびスキル構築の実践方法に移行していることが示されています。
このように従来型のリソースと最新のリソースが混在していることから、学習者が体系化されたガイダンスと創造的な実験の機会の両方を重要視していることが分かります。
競技コーディングの経験
豊富な経験がある: 競技に定期的に参加している、または過去に何度も参加したことがある
ある程度の経験がある: いくつかの競技に参加したことがある
興味なし: 経験もなく、参加する意思もない
経験なし: 競技コーディングの経験はないが、興味はある
競技コーディングの経験がないものの興味は持っている回答者が大多数ですが、30% は経験があり、いくつかの競技に参加したことがあるか、過去に何度も参加したことがあります。
主なコンピューターサイエンスの学習リソースおよびコミュニティ100+
CS を学習するには仲間同士の交流が重要です。回答者の約 3 分の 1 はハッカソンやオープンソース貢献を重視していますが、4 分の 1 はコーディングコミュニティに参加することを好んでいます。プラットフォームとチュートリアルが主流ですが、協働作業や競技活動の方がより多くの参加者を呼び込んでいます。
100+
学習者は年齢層に関係なく、さまざまなリソースから支援を得ています。Google は全年齢層で最もよく使用されていますが、ChatGPT などの AI アシスタントは特に若いユーザーの間で人気があり、29 歳未満の 3 分の 2 が使用しています。若年層の学習者は友人や教育者に支援を求める傾向もありますが、30 代と 40 代の回答者は同僚を頼る傾向にあります。YouTube は全年齢層で広く使用されていますが、学習者の年齢が上がるほど教科書や Medium などのプラットフォームの方が好まれています。全体として見れば、若い世代は AI、同僚の支援、および教育メディアをバランスよく使用していますが、年配のグループは専門家のネットワーク、体系化された記事、教科書を好んでいます。
100+
| 18〜20 | 21～29 | 30～39 | 40～49 | 50–59 | 60 以上 | |
|---|---|---|---|---|---|---|
| 70% | 76% | 77% | 75% | 68% | 68% | |
| 66 % | 67% | 55% | 46% | 38% | 35% | AI ベースのアシスタント（ChatGPT など） |
| 58% | 48% | 31% | 22% | 13% | 9% | 友人とクラスメイト |
| 56% | 65% | 64% | 52% | 37% | 33% | Stack Overflow |
| 53% | 53% | 50% | 50% | 43% | 36% | YouTube |
| 47% | 32% | 21% | 20% | 16% | 8% | 教育者 / 教師 / 個人指導者 |
| 23% | 23% | 27% | 32% | 31% | 34% | 教科書 |
| 20% | 25% | 26% | 27% | 18% | 25% | オンラインテックメディア（Medium など） |
| 19% | 19% | 18% | 16% | 24% | 14% | ソーシャルメディアのユーザー |
| 17% | 31% | 36% | 33% | 29% | 19% | 同僚 |
| 3% | 3% | 3% | 4% | 2% | 9% | その他 |
日常業務で AI アシスタントを使用していると報告した回答者の割合。
最もよく使用されている AI アシスタント100+
割合が 1% 未満の回答はすべて「その他」にまとめられています。
コンピューターサイエンスの学習に最もよく使用されている AI アシスタント機能100+
AI は学習者が言語の障壁を乗り越えるのに役立ちます。ほとんどのコンピューターサイエンスのリソースに使用される主要言語は英語であるため、多様な言語や主要言語が英語ではない地域では翻訳や発声の機能がより多く使用されています。
これらの機能を最も使用している地域は北ユーラシア（44%）とトルコ（45%）で、僅差で南アジア・東アジア、ラテンアメリカ、および東南アジアとオセアニア（これらの地域でのこの機能の使用率は 40%～44%）が続いています。
逆に、英国、カナダ、米国などの主に英語を話す国々では使用率がかなり低くなっており（13%～19%）、言語関連の学習者の課題が少ないことが分かります。
学習者がコースを選択する際に最も重視している側面は、実践的な経験を得られるハンズオン形式のプロジェクトと演習、リソースと教材へのアクセス、手頃な価格、および業界における講師の経歴です。
コースの構成と内容
| ほとんど重要でない | かなり重要である | 非常に重要である | |
|---|---|---|---|
| 2% | 22% | 76% | 実践的な経験を得られるハンズオン形式のプロジェクトと演習 |
| 3% | 31% | 66 % | 最新のトピックを取り入れた体系的なカリキュラム |
| 3% | 32% | 65% | 学生の明確な学習目標 |
| 7% | 32% | 60% | 現実世界との関連性 |
| 6% | 38% | 55% | 変化する業界標準への対応力 |
| 7% | 41% | 52% | あらゆるレベルで単純化された複雑な概念 |
| 9% | 44% | 47% | 学生のフィードバックへの対応力 |
| 17% | 40% | 42% | キャリア開発指導 |
| 20% | 43% | 38% | テクノロジーの責任ある使用に関する倫理的配慮 |
| 31% | 46% | 24% | ピアコラボレーション |
| 38% | 41% | 21% | ゲーミフィケーション（小テスト、バッジなど） |
学生への支援と柔軟性
| ほとんど重要でない | かなり重要である | 非常に重要である | |
|---|---|---|---|
| 2% | 25% | 74% | リソースや教材へのアクセス |
| 6% | 38% | 56% | 時間の柔軟性 |
| 10% | 35% | 54% | リモート学習の選択肢 |
| 6% | 45% | 49% | 定期的なフィードバックと評価 |
| 12% | 44% | 44% | 協力的なコミュニティと人脈作り |
| 14% | 48% | 38% | テクニカルサポートサービス |
| 21% | 41% | 38% | 誰もが利用しやすい学習スペース |
| 24% | 40% | 36% | オフライン学習の選択肢 |
| 23% | 42% | 35% | インクルーシブな環境 |
| 19% | 45% | 35% | 環境の利便性 |
| 53% | 33% | 14% | 保育所の提供 |
女性の学習者は男性の学習者よりも教育における柔軟性と支援を優先しており、時間の柔軟性（女性 64%、男性 54%）、リモート学習の選択肢（女性 63%、男性 53%）、およびテクニカルサポート（女性 50%、男性 36%）といった点に違いがあります。また、女性の学習者の 49% は誰もが利用しやすい学習スペースを重視しており、男性の学習者の 36% よりも多くなっています。
価格の手頃さ
| ほとんど重要でない | かなり重要である | 非常に重要である | |
|---|---|---|---|
| 3% | 32% | 66 % | 手頃な価格 |
| 17% | 48% | 35% | カスタマイズにより個々のコンポーネントを購入できる料金体系 |
| 18% | 49% | 32% | 雇用主が手頃な費用負担で B2B（企業間）オプションを提供している |
認定証と資格
| ほとんど重要でない | かなり重要である | 非常に重要である | |
|---|---|---|---|
| 19% | 37% | 44% | 大学の高等教育卒業証書 |
| 16% | 41% | 43% | 業界の認定証 |
| 21% | 40% | 39% | コース修了時の認定証または資格 |
大学の卒業証書が最も多く選択されていますが、挙がっているどの認定証も一般的に価値があり、取得したスキルと知識を証明するものです。
講師の資格と個性
| ほとんど重要でない | かなり重要である | 非常に重要である | |
|---|---|---|---|
| 8% | 37% | 56% | 業界の経歴 |
| 15% | 46% | 39% | 共感力 |
| 20% | 46% | 34% | カリスマ性 |
| 29% | 41% | 30% | 学歴または大学の経歴 |
毎月のオンライン教育費用
25 USD 未満
25～50 USD
51～100 USD
101～200 USD
200 USD 超
オンライン教育には費用をかけていない
回答したくない
回答者の約 4 分の 3 はオンライン教育に費用をかけています。現在のコースの場合、高品質で十分に体系化されたコンテンツ、ハンズオン形式の実践、および柔軟な形式が有料コースを使用する 3 つの主な理由となっています。将来のコース（または他の種類の教材）に費用をかける理由に関する質問については、仕事や学業との関連性、個人的な興味、専門的なコンテンツ、および認定証であるとの回答を明確に得ることができました。
現在のコースに費用をかける理由100+
注意: 回答者は自由テキスト形式でこの質問に回答しました。回答の分析とテーマごとのクラスターへの分類は ChatGPT によって自動で行われました。
将来のコースに費用をかける理由
注意: 回答者は自由テキスト形式でこの質問に回答しました。回答の分析とテーマごとのクラスターへの分類は ChatGPT によって自動で行われました。
コースを途中で中断したコンピューターサイエンス学習者の割合。その主な理由は、魅力的でないコンテンツ、時間の制約、および実践的な演習の不足でした。中断した人が最も多いのはセルフペース型のオンラインチュートリアルと無料の MOOC であり、体系化が不十分な学習形式でやる気を維持することに課題があることが示されています。
コースまたは学習プログラムを中断した理由100+
最近中断したコースの種類
割合が 1% 未満の回答はすべて「その他」にまとめられています。
コンピューターサイエンスの学習で最も困難な側面100+
多くの学習者はデバッグや適切なリソースの選択、およびインポスター症候群や孤立感などの感情的な障壁といった現実的な困難に悩まされています。これらのインサイトは、学生の成長を支援する明確なガイダンスと支援的な学習環境の両面が求められていることを明確に示しています。
フラストレーションの克服方法
注意: 回答者は自由テキスト形式でこの質問に回答しました。回答の分析とテーマごとのクラスターへの分類は ChatGPT によって自動で行われました。
回答者の最も効果的なフラストレーションの克服方法には、「休憩を取って運動する」と「目標を設定して最初の動機を思い出す」があります。個人がより柔軟かつ前向きに課題を乗り越えるための「自己反省と心構えの調整」も主な方法に挙げられています。学習者はこれらの方法によってリセットし、集中力を回復し、やる気を取り戻しています。ただし、回答者の 18% は依然として効果的な解決策を探しており、フラストレーションを管理するための普遍的な解決策がないことが明確に示されています。
学習者の生産性の維持方法100+
世界的にはタスクをより細かいステップに分割する方法が最も一般的ですが、その魅力は地域によって異なります。英国では回答者の 3 分の 2 以上が実践している方法ですが、日本でこの方法を採用しているのは 3 分の 1 未満です。効果的な学習の基礎である睡眠は、世界第 2 位にランクインしています。睡眠は特に北欧と東欧（バルカン諸国とコーカサス地方を含む）で重視（51%）されていますが、中南米ではそれほど重視されていません（29%～36%）。ドイツでは音楽鑑賞が十分な睡眠よりも生産性向上に役立っており、1 位となっています（それぞれ 50%、47%）。定期的に休憩を取る方法は、英国、米国、ブラジル、およびドイツの学習者の間で 46%～51% の割合で実践されていますが、日本、韓国、および中国ではそれほど一般的ではありません（26%～34%）。
文化的な好みはコーヒーの消費量にも影響を与えています。コーヒーは元気を回復させる飲み物としてトルコや北欧・東欧全体（バルカン諸国およびコーカサス地方を含む）では 37%～41% に好まれていますが、ナイジェリアと中国の回答者の間ではかなり人気がありません（それぞれ 11%、17%）。
一方、アメリカ地区ではペットと過ごす方法が一般的ですが（北米 10%、中南米 14%）、ナイジェリア、中国、韓国、および中東ではほぼまったく選択肢として検討されていません（1%～4%）。
学習者が余暇に取り組んでいる趣味100+
コーディング全般を 3～10 年経験していると答えた 21～29 歳の回答者の割合。これは、これまで以上に早い時期にコーディングを始めている人が増えていることを示している可能性があります。
コーディングの合計経験年数（プログラミング学習や趣味としてのプログラミングを含む）
1 年未満
1～2 年
3～5 年
6～10 年
11〜16 年
16 年以上
コーディング経験はない
コーディングの業務経験
1 年未満
1～2 年
3～5 年
6～10 年
11〜16 年
16 年以上
コーディング業務経験はない
学習者が最初のコードを書いた場所
統合開発環境（IDE）
テキストエディター
ブラウザー内臓のコードエディター
コマンドラインインターフェース
分からない
その他
回答者はセルフペース型のオンラインチュートリアルとコーディングプラットフォームをコンピューターサイエンスを習得する際の一番の選択肢と見なしていますが、コーディングの学習を始めたばかりの初心者には依然として IDE が最も人気があります。
初めて学習したプログラミング言語
割合が 1% 未満の回答はすべて「その他」にまとめられています。
過去 1 年間で仕事と学習に使用したプログラミング言語100+
Python は過去 1 年間の使用率と継続的な学習の両方で首位を占めています。これは、その応用が広がっており、継続的に人気が伸びていることが反映されています。多くの学習者は Java、JavaScript、SQL などの広く使用されている言語を継続していますが、Rust や Kotlin などのより新しい言語にも多大な関心が集まっています。
このデータからは学習者が言語スキルを広げ、Python、Java、C++ などの基本言語を特に重視しており、新しいテクノロジーに対する好奇心が高まっているという明確な傾向が明らかになりました。
過去 12 か月に渡って新たにまたは継続して学習しているプログラミング言語100+
Python は米国で高い需要があり、回答者の半数以上が過去 1 年間にわたってその学習を開始または継続していました。Java の学習は韓国とインドで最も人気がありますが（38%～39%）、日本ではその割合はかなり低くなっています（15%）。JavaScript は南米とインドで広く学習されていますが（それぞれ 40%、44%）、TypeScript はドイツとフランスで顕著な採用率を示しています（22%～23%）。PHP は他の地域よりもフランスで非常に人気があります（16%）。
Kotlin はドイツ、スペイン、韓国、およびロシア連邦とベラルーシで人気があります（各国で 15%～18%）。
関数型およびシステムプログラミング言語の Rust はフランス、ドイツ、ベネルクス、および北欧などの欧州地域で注目を集めています（15%～16%）。
C++ の学習はインド、中国、ウクライナで最も人気がありますが（28%～29%）、中南米、スペイン、および日本ではそれほどでもありません（10%～12%）。また、アルゼンチンなどの中南米で C を学習している回答者は 6% に過ぎませんが、この数値はインドと韓国では 4 倍以上になっています（26%）
開発環境に好まれるオペレーティングシステム100+
Windows
Linux
macOS
その他
ほとんどの学習者はローカル環境でコードを実行することを好んでおり、統合開発環境（IDE）が主流のツールとなっています。コマンドラインインターフェースとテキストエディターがその次に人気があります。開発環境のオペレーティングシステムとしては、Windows が最も広く使用されています。
主なコード実行ツール100+
主なコード実行環境100+
開発環境のインストールとセットアップの経験
経験豊富なユーザーである
環境をセットアップしたことはあるが、まだ課題に直面する可能性がある
ほとんど経験はないが、それが問題になったことはない
指示またはその他のリソースが必要な場合がある
対応が困難であり、多大な支援が必要である
その他
学習目的で IDE を使用していると答えた学習者の割合。ただし、その使用範囲はそれぞれに違っている可能性があります。
普段仕事と学習に使用している IDE100+
割合が 1% 未満の回答はすべて「その他」にまとめられています。
ご存知ですか？
JetBrains IDE を普段使用しており、学習目的に特化して IDE を使用したことのある回答者の数は JetBrains IDE を使用していない回答者よりも 21% 多くなっています。また、JetBrains IDE を普段使用している学習者はそうでない学習者よりもコーディングスキルを高く評価しています。
コーディングを習得したい学生の方ですか？学校やご自宅で個人利用できる各種 JetBrains 開発環境（IDE）製品をすべて無料でご利用ください！
IDE の使用目的100+
個人用途またはサイドプロジェクト
仕事
趣味
協働プログラミング
その他
初めて使用した IDE
割合が 1% 未満の回答はすべて「その他」にまとめられています。
学習者の大部分は個人用のノートパソコンを使用してコンピューターサイエンスとコーディングを学習しています。デスクトップコンピューターもよく使用されていますが（学習用途には 37%、コーディング用途には 36%）、スマートフォンとタブレットはあまり好まれておらず、回答者の 4 分の 1 のみが学習用途に、わずか 3% がコーディング用途に使用していると答えています。ほとんどの学習者は主な学習用デバイスを所有しており、雇用主や教育機関から提供されているデバイスを使用している割合はわずかでした（それぞれ 7%、3%）。
主な学習用デバイス100+
ノートパソコン
デスクトップコンピューター
スマートフォン
タブレット
その他
主なコーディング用デバイス100+
ノートパソコン
デスクトップコンピューター
スマートフォン
タブレット
コーディングはしていない
所有している主な学習用デバイス
自分の学習用デバイスを所有している
学習用のデバイスは雇用主が提供している
家族または同居人と共有のデバイスを使用している
学習用のデバイスは所属する教育機関が提供している
主な学習場所
学習場所の利便性
| まったく便利でない | かなり不便である | かなり便利である | 非常に便利である | |
|---|---|---|---|---|
| 1% | 4% | 27% | 68% | 自宅 |
| 2% | 11% | 43% | 44% | 寄宿舎または学生寮 |
| 2% | 9% | 48% | 41% | 図書館 |
| 1% | 8% | 51% | 40% | 学校または大学構内 |
| 1% | 11% | 53% | 35% | コワーキングスペース |
| 1% | 13% | 63% | 22% | コーヒーショップ |
| 4% | 25% | 50% | 22% | 公園または屋外スペース |
| 8% | 39% | 38% | 16% | 公共交通機関（バスや電車など） |
ほとんどの学習者は夜に勉強しており、58% が週に 3～16 時間をコンピューターサイエンスの学習に費やしています。このデータから、学習者は夕方や夜の勉強時間を現在よりも減らしたいと考えていることが分かりました。
好みの学習時間帯
通常の学習時間帯100+
週あたりの望ましいコンピュータサイエンスの学習時間
週あたりのコンピュータサイエンスの学習時間
主な学習スタイル
独学
主題や内容に応じて複数の異なる学習方法を組み合わせる
小人数の同僚グループまたは学習パートナーと学習する
教師、メンター、または講師と学習する
特にない
回答者の 3 分の 1 未満は規則正しく学習していますが、半数強は決まった学習スケジュールを採用していません。学習ペースに影響している主な要因には作業負荷、期限、個人的な関心、およびその他の個人的な目標がありますが、これらすべては学習者が安定して学習を進め、モチベーションを維持するのに影響しています。
学習ペース
時々学習している。学習に費やす時間は週によって異なる
さまざまなトピックを学習しており、それぞれのトピックに同等の時間を割り当てて機械的に学習している
指定された期日に向けて学習を頑張り、その後は肩の力を抜いている
その他
学習ペースに影響を与える要因
回答者は自由テキスト形式でこの質問に回答しました。回答の分析とテーマごとのクラスターへの分類は ChatGPT によって自動で行われました。
性別
年齢層
性別（地域別）
| 回答したくない | ノンバイナリー、ジェンダークィア、ジェンダーノンコンフォーミング | 男性 | 女性 | |
|---|---|---|---|---|
| <1% | <1% | 65% | 35% | ロシア連邦、ベラルーシ |
| 1% | 1% | 69% | 28% | アルゼンチン |
| 1% | 1% | 71% | 27% | ウクライナ |
| 2% | – | 77% | 21% | 韓国 |
| <1% | 1% | 80% | 19% | 中南米 |
| <1% | <1% | 81% | 18% | ナイジェリア |
| 4% | 3% | 75% | 18% | 米国 |
| 1% | 1% | 81% | 16% | ブラジル |
| 4% | 4% | 76% | 16% | カナダ |
| 3% | 2% | 79% | 16% | イギリス |
| 1% | 1% | 83% | 16% | 中東、アフリカ、中央アジア |
| 2% | 2% | 82% | 15% | スペイン |
| 1% | 1% | 83% | 15% | 東欧、バルカン半島、コーカサス地方 |
| 1% | 1% | 84% | 14% | メキシコ |
| 1% | 1% | 86% | 13% | ベネルクスおよび北欧 |
| 2% | 2% | 83% | 12% | 日本 |
| 3% | 1% | 83% | 12% | フランス |
| 3% | 1% | 84% | 12% | その他の欧州 |
| 2% | 1% | 86% | 11% | ドイツ |
| 1% | 2% | 86% | 11% | トルコ |
| 2% | 1% | 87% | 9% | 他の東南アジア、オセアニア |
| 2% | 1% | 91% | 7% | インド |
| 4% | 2% | 90% | 4% | 中国 |
コンピューターサイエンス学習者の大部分はほとんどの地域で男性であり（80%～90%）、中でもインドと中国はそのような地域の上位に入っています。それとは反対に、ロシア連邦、ベラルーシ、アルゼンチン、およびウクライナでは女性の割合が平均を上回っています。
この数値はフランス、ドイツ、および英国では 11%～16% となっており、欧州では依然としてジェンダーギャップが存在することが明確に示されています。ノンバイナリーの学習者の割合は米国とカナダを除き、ほとんどの場所で 1%～2% です。
婚姻状況
子供の数
家族と友人に勤務先とは異なる言語を使用していると報告した回答者の割合。回答者が友人や家族との会話で使用している上位 3 件の言語は、英語、ヒンディー語、および中国語です。
勤務先で使用する言語100+
割合が 1% 未満の回答はすべて「その他」にまとめられています。
このデータから、勤務先では英語が主要言語であることが分かりました。回答者の 3 分の 2 以上が英語を使用しています。中国語と日本語はその次によく使用されている言語で、アジア市場を代表しています。ヒンディー語、スペイン語、ロシア語などの言語は、テック分野の世界的な多様性を明確に示しています。また、回答者の 8% はこのアンケートの回答項目にない話者数の少ない言語を使用しており、この業界における言語の多様性がさらに高まっていることが示されています。
家族や友人と使用する言語100+
この質問は、友人や家族に勤務先とは異なる言語を使用している回答者にのみ提示されました。
割合が 1% 未満の回答はすべて「その他」にまとめられています。
国 / 地域
割合が 1% 未満の国/地域はすべて「その他」にまとめられています。
中国（本土）、米国、インド、日本が世界中のコンピューターサイエンス学習者の半数以上を占めており、これらの主要な世界的な技術拠点の強さが明確に示されています。
現在の居住地とは異なる国や地域で出生した回答者の割合。ロシア連邦、インド、および中国が移住者の 3 分の 1 を占めています。移住の傾向は近年着実に高まっており、移住者の 62% は過去 10 年間で居住国を変えています。
出生国 / 地域
この質問は、出生した国や地域とは異なる国または地域に現在居住している回答者にのみ提示されました。
割合が 1% 未満の国/地域はすべて「その他」にまとめられています。
実施方法
「2024 年コンピューターサイエンスの学習曲線に関するアンケート」には 28,500 人以上の方々にご協力いただきました。
代表的なサンプルを確実に得るため、以下に説明する方法でデータをクリーニングしました。最終的なレポートは、世界中の 23,991 人の学習者から得た回答に基づいています。
データは、このセクションの最後で説明している複数の条件に従って重み付けされました。
ローカライゼーション
アンケートの対象を最大化して多様な参加者に対応するため、アンケートは英語、中国語、フランス語、ドイツ語、日本語、韓国語、ブラジルポルトガル語、ロシア語、スペイン語、およびトルコ語の 10 言語で提供されました。
サンプリングバイアスの緩和
バイアスを緩和するため、回答のソースに基づいてデータに重み付けを行いました。有料広告や同僚からの紹介など、JetBrains のオーディエンスへのバイアスが比較的少ない外部ソースからの回答を優先しました。重み付けのプロセスでは、各回答者のソースを個別に考慮しました。
世界中のコンピューターサイエンス学習者人口をより正確に表すため、3 段階の重み付けを実施しました。
各地域での開発者の人口に対する調整
アンケートを実施する前に調査を行った結果、さまざまな地域の STEM 学生人口とそれらの地域のプロ開発者数との相関が非常に強いことが明らかになりました。その結果に基づき、各地域のプロ開発者の割合をコンピューターサイエンス学習者の割合の推定値として使用することにしました。
第 1 段階ではさまざまな国から得た回答をまとめ、各国のプロ開発者の推定分布を適用し、それに応じてデータに重み付けを行いました。
まず、23 地域のソーシャルネットワークの広告から得たアンケートの回答を同僚からの紹介から得た回答と一緒に収集しました。次に、これらの回答を各地域のプロ開発者人口の推定値に基づいて重み付けを行いました。
これにより、回答の分布と各国のコンピューターサイエンス学習者の人口とを一致させました。
コーディング経験年数と JetBrains IDE の使用状況に対する調整
第 2 段階では、連立方程式の解決をベースとする計算などの比較的複雑なプロセスを要しました。
各地域のコーディング経験レベルと JetBrains IDE の使用状況別に学習者の分布を確定するため、最初に重み付けされた回答を使用しました。これらの分布は方程式の定数として機能しました。
次に、JetBrains のソーシャルメディアアカウントや調査パネルなどの内部チャネルを通じてアンケートにアクセスした学習者からの回答を追加しました。
連立一次方程式と一次不等式の解決
次を表す一次方程式と一次不等式を使って連立方程式を作成しました。
- 回答者の重み付け係数（標本に含まれる Fiona はフランスの 180 人のソフトウェア開発者を平均的に表している、といった仮説的な例）。
- 回答の具体的な値（Pierre には 2 年のコーディング経験があり、JetBrains IDE は使用していないなど）。
- 回答間の必要な比率（22% の学習者は 1～2 年のコーディング経験があるなど）。
重み付け係数の分散を最小限に抑えて連立方程式を解くため、Goldfarb と Idnani（1982、1983）の双対法を適用しました。この方法により、23,991 人の回答者それぞれに最適な個別の重み付け係数をまとめることができました。
根強いバイアス
JetBrains 製品を長年にわたって使用しているユーザーは平均してアンケートに回答する意欲が高かった可能性があるため、このような対策を行ったにもかかわらず、何らかのバイアスが存在する可能性はあります。
アンケート分布の制御とスマートな重み付けの適用にどれほど努めても、コミュニティや学習者エコシステムは常に進化し続けており、予期しないデータ変動の可能性を完全に拭い去ることはできません。
自由テキスト形式の回答の分析
このレポートでは、数千件の回答を得たいくつかの自由テキスト形式の質問に対して頻度分析を行っています。データ量が多いため、自動処理技術を適用しました。回答のクラスター分類を自動化するため、大規模言語モデル（LLM）、具体的には GPT-4o を使用しました。
データクリーニング
- 翻訳: 分析を標準化するため、さまざまな言語の回答が英語に翻訳されました。
- 完了度の確認: 回答は関連性と内容でフィルタリングされ、関連性のない回答や主題から外れた回答は除外されました。
- 不適切な内容の除去: データの整合性を確保するため、不適切な言葉や不快な内容は除去されました。
データクリーニング手順を終了した後、一部の質問が任意であることや特定のトピックの機密性に影響され、有効な回答は質問あたり 4,000 件～9,000 件になりました。
回答のクラスター分類
- 回答の分析とテーマごとのクラスターへの分類は GPT-4o によって行われました。 分析は何度も繰り返され（通常、質問あたり 5 回以上実施）、クラスターの一貫性を検証しました。
- 繰り返すたびにクラスターの確認を行い、回答者の主なテーマを確実に反映するようにしました。
- テストにより、質問あたり 5～8 個のクラスターが粒度と一般化のバランスが最適になり、独自の視点を維持しながら微妙なインサイトを捉えることが明らかになりました。
JetBrains Tech Insights Lab にご参加ください
JetBrains 製品をより使いやすく、さらに強力にするためのアンケートと UX 調査にご協力ください。調査にご参加いただいた方には報酬を獲得できるチャンスもあります。
レポートはお役に立ちましたか？ ぜひこのレポートを友人や同僚と共有してください！
「#JBAcademySurveyResults24」を使用して意見を共有し、Discord、LinkedIn、X、および Facebook の CS 学習専門コミュニティでつながりましょう。