数理・データサイエンス・AI教育プログラム認定制度
(リテラシーレベル)
本学では、全学的な基盤教育として数理・データサイエンス・AIに関する内容を学べる科目群を設置しています。
〈参考〉
・文部科学省「数理・データサイエンス・AI教育プログラム認定制度(リテラシーレベル)」
〈本学の申請内容〉
1.教育プログラムの名称
数理・データサイエンス・AI教育プログラム
2.身につけることができる能力
「情報Ⅰ」では、データサイエンスの概要を理解し、データモラル、情報モラルおよび情報セキュリティを理解した上でインターネットを利用した情報収集の方法やメールソフトの使い方といったインターネット・リテラシーを身につけます。さらに、データ活用・表計算・プレゼンテーションといったコンピューターを道具として使いこなすコンピューター・リテラシーを身につけつつ、データの読み方、取り扱い、説明方法について学習します。
「情報Ⅱ」では、データサイエンスの概要を確認し、データ・AI利活用の最新動向について学習します。これを踏まえて、講義および実習を通して「実社会で活躍する」スキル、すなわち情報活用のプロセスにおいて必要となる力(情報を分析し、整理・蓄積し、伝える力、またそのプロセスを通して、情報を安全かつ適切に運用できる力)を身につけます。
3.教育プログラムの修了要件、授業の方法および内容
本学では、1年次に「情報Ⅰ」および「情報Ⅱ」を開講しています。これらの単位を取得することで数理・AI・データサイエンスに関する教育プログラムを履修したことになります。さらに、統計および数理基礎を学べる「統計学」を選択科目として開講しています。
4.実施体制
本教育プログラムの実施体制を下表に示します。
委員会・部会 | 役割 |
---|---|
数理・データサイエンス・AI教育推進部会
|
プログラムの改善・進化 |
自己点検評価委員会 | プログラムの自己点検・評価 |
5.授業に含まれている内容・要素
「情報Ⅰ」および「情報Ⅱ」は、数理・データサイエンス教育強化拠点コンソーシアムにおける「数理・データサイエンス・AI(リテラシーレベル)のモデルカリキュラム」の導入、基礎、心得に相当する科目です。モデルカリキュラムで示される内容と「情報Ⅰ」および「情報Ⅱ」の授業概要、各回の講義テーマとの対応関係を下表に示します。
〈参考〉
・「数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム」
授業に含まれている内容・要素 | 講義内容 | |
---|---|---|
(1)現在進行中の社会変化(第4次産業革命、Society 5.0、データ駆動型社会等)に深く寄与しているものであり、それが自らの生活と密接に結びついている | 1-1 | データサイエンス、ICTリテラシー、社会におけるIT、AI、データサイエンス。「情報Ⅰ」(1回目) データサイエンス概論:第4次産業革命、Society 5.0、データ駆動型社会ビッグデータ、IoT、AI、ロボット、データ量の増加、計算機の処理性能の向上、AIの非連続的進化、人間の知的活動とAIの関係性、データを起点としたものの見方、人間の知的活動を起点としたものの見方など。「情報Ⅰ」(2回目) |
1-6 |
データサイエンス、AIの最新動向。検索エンジンにおけるデータとAIの活用事例(AI等を活用した新しいビジネスモデル:シェアリングエコノミー、商品のレコメンデーションなど)。情報収集(情報収集・選別/整理・蓄積/加工・分析/表現)。「情報Ⅱ」(1回目) |
|
(2)「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの | 1-2 |
社会で活用されるデータ、活用領域や現状の具体例(調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど)。1次データ、2次データ、データのメタ化、ビッグデータとアノテーション:実態と将来の可能性。「情報Ⅰ」(14回目) |
1-3 |
データ・AI活用の概説:仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など。現状と将来の活用の可能性の調査:研究開発、調達、製造、物流、販売、マーケティング、サービスなど。「情報Ⅰ」(13回目) |
|
(3)様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域(流通、製造、金融、サービス、インフラ、公共、ヘルスケア等)の知見と組み合わせることで価値を創出するもの | 1-4 | AIの最新動向(具体例)の紹介。(特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ、認識技術、ルールべース、自動化技術など)「情報Ⅱ」(1回目,2回目) データ・AI 利活用のための技術。具体的な構造化/非構造化データ(教育、健康など)におけるデータ処理・解析・可視化例および演習。「情報Ⅱ」(4回目,14回目) |
1-5 |
データ・AIのさまざまな利活用の可能性。流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介。「情報Ⅰ」(15回目) |
|
(4)活用に当たっての様々な留意事項(ELSI、個人情報、データ倫理、AI社会原則等)を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする | 3-1 |
情報倫理、データ倫理の概要。電子メールなどのコミュニケーションにおける留意点。著作権。「情報Ⅰ」(3回目) |
3-2 |
データ(情報)に関する危険と守るための方法。守るべきデータ(個人情報)。ウイルスなどの脅威、PW、暗号化やOSの管理、ネットリテラシー全般。匿名加工情報、暗号化、パスワード、悪意ある情報搾取。情報漏洩等によるセキュリティ事故の事例紹介。「情報Ⅰ」(4回目) |
|
(5)実データ・実課題(学術データ等を含む)を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法に関するもの | 2-1 |
Excelによる統計とグラフ。度数分布とヒストグラム。条件判断。平均値、標準偏差などの演習を通じ、データの統計・計算とグラフの関係。代表値の性質の違い。「情報Ⅰ」(11回目) |
2-2 |
視覚表現の特徴と方法。データ表現(棒グラフ、折線グラフ、散布図、ヒートマップ)。視認性、色と図形、配色、ルール付け、図解方法、データの図表表現(チャート化)。「情報Ⅱ」(12回目) |
|
2-3 |
ファイル管理全般。「情報Ⅰ」(6回目) |
各科目シラバス
6.教育改善・質保証(自己点検・評価)
数理・データサイエンス・AI教育プログラムに関する自己点検・評価結果を示します。以下のリンクから参照してください。