数理?DS?AI教育プログラム認定制度（リテラシーレベル）
数理?DS?AI教育プログラム認定制度（リテラシーレベル）
数理?DS?AI教育プログラム認定制度（リテラシーレベル）
本学は、全学的な基盤教育に数理?DS?AIならびにICTに関する内容を学べる科目群を設置しています。
この科目群は、文部科学省が定める「数理?データサイエンス?AI教育プログラム（リテラシーレベル）」に認定されています。（認定の有効期限：令和８年３月31日まで）
（参考）
（参考）
１．教育プログラムの名称
数理?AI?データサイエンスに関する教育プログラム
２．身につけることができる能力
本教育プログラムでは、AI?データサイエンスが実社会でどのように役立っているかを知り、基礎となる統計的分析の基本的な方法、データの可視化、機械学習などの知識とスキルを学修します。また、データサイエンスやAIが社会において、また自分自身の生活における課題や専門分野において活用できることを理解します。これらを通じてAIやデータを活用するためのリテラシーを高めます。
- AI、データサイエンスを含む情報科学の基礎知識とSociety5.0の動向を理解する。
- データを統計的に分析、可視化する能力を身につける。
- データを収集分析し、解決に必要な知見を抽出する能力を身につける。
- AI等の活用にめざす上で必要になるプログラミングの基礎的知識を身につける。
３．教育プログラムの修了要件、授業の方法及び内容
本学では、1年次科目「基礎情報処理」が開講されています。これらの単位を取得することで数理?AI?DSに関する教育プログラムを履修したこととなります。
2020年度入学者まで
| 学部 | 授業科目 | 授業の方法及び内容 |
|---|---|---|
| 家政学部 文学部 理学部 |
基礎情報処理（必修2単位） | 【授業の方法】 コンピュータを操作しながら具体的にリテラシーを身に着けていく。 知識の習得については、オンデマンドの講義で学び、実習については、 テキストに従って課題を行う。学習に関する質疑応答はLMS （学習管理システムLearning Management System）を活用し、 授業最終回に授業全体に対する講評を行う。 【授業の内容】 インターネット／コンピュータリテラシーを身に着けることをねらいとする。 インターネットリテラシーとして、情報倫理とサイバーセキュリティを理解する。 コンピュータリテラシーとして、専門教育に向けた文書作成、データサイエンス、 人工知能技術の概要について学修することを目的とする。 |
| 人間社会学部 | 基礎情報処理（選択2単位） | 【授業の方法】 主に、LMS（学習管理システムLearning Management System）を活用する。 初心者のでも分かり易いよう状況を見ながら丁寧に説明および質問対応をする。 【授業の内容】 情報処理の基礎知識とインターネット社会を安全に生きるためのWebや メールの活用法および情報倫理とセキュリティ、学業や将来の社会生活に 必要な文書作成?表現技能の基本を習得する。 次に、データサイエンスについて理解するために、表計算ツールを活用して、 各種データの収集、効果的な集計?分析と結果を読み取るための 統計の基礎、グラフ化など適切な表現について実習主体で学修する。 さらに、昨今の情報化社会の進展に対応するため、小型ロボットを用いた初歩的な プログラミングの体験を通して、 人工知能(Artificial Intelligence, A.I.)とは何かについて触れる。 |
2021年度入学者から
| 学部 | 授業科目 | 授業の方法及び内容 |
|---|---|---|
| 家政学部 文学部 人間社会学部 理学部 国際文化学部(2023～) |
基礎情報処理（必修2単位） | 【授業の方法】 コンピュータを操作しながら具体的にリテラシーを身に着け ていく。 また、一部の内容でアクティブラーニング（反転授業）を行うことがある。 反転授業の場合、テキストや動画コンテンツに沿って予習し、授業内では各自が課題を進める。 【授業の内容】 インターネット／コンピュータリテラシーを身に着けることをねらいとする。 インターネットリテラシーとして、情報倫理とサイバーセキュリティを理解する。 コンピュータリテラシーとして、専門教育に向けた文書作成、データサイエンス、 人工知能技術の概要について学修することを目的とする。 |
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。
| 委員会等 | 役割 |
|---|---|
| 基盤教育センター 情報処理委員会 | プログラムの運営責任者 |
| 基盤教育センター メディアセンター |
プログラムの改善?進化 |
| 基盤教育センター（自己点検?評価委員会） メディアセンター（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
基礎情報処理は、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基礎情報処理の授業概要、各回の講義テーマとの対応関係を下表に示します。
基礎情報処理（家政学部、文学部、理学部）
| 授業に含まれる内容?要素 | 授業概要 | 講義テーマ |
|---|---|---|
| （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 ※モデルカリキュラム導入１－１、導入１－６が該当 |
我が国が目指すSociety 5.0、第4次産業革命ならびに、 世界各国でデジタル戦略が盛んに進められていることを 第12、13回において理解する。それらの中心にはAI、ビッグデータ、 IoT、CPSがあり、それらの活用により社会や生活がどのように 変化するのかを考える機会を提供する。履修生には政府、産総研、 経団連などが提供しているSociety 5.0が実現しようとする世界に 関する動画を視聴し、その中から特に重要と考えるサービスを抽出して 解説することを求めている。さらに、Society 5.0として理想的な社会を 構築していくことに積極的に参加することの重要性を理解させるため、 各学生にサービスやビジネスの提案を課題として提出させている。 |
ビッグデータ、IoT、AI、ロボット、CPS（第12回） 第4次産業革命、Society 5.0、データ駆動型社会（第12回） 計算機の処理性能の向上（第5回） AIを活用した新しいビジネスモデル、AI最新技術の活用例（第12,13回） |
| （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 ※モデルカリキュラム導入１－２、導入１－３が該当 |
第7～9回における各演習でオープンデータや日常生活?各学科の 専門教育で現れるケースを想定したデータを活用した分析を実施する。 データサイエンスを実践的に理解するため、データ分析を演習形式で行う。 オープンデータとして都道府県別の出生数に関するデータを利用し、 我が国における出生率などを可視化する。 また、日常生活で現れるテキストデータを検索して目的の情報を抽出する などの演習を行う。これらを通じて、人の生活の中からデータが生み出され、 それを利用することで課題への気づきを得て、効率的な問題解決ができることを 各学生が分析しながら理解していく。 さらに、第12,13回ではニューラルネットワーク、機械学習の仕組みと その用途を理解する。AI、データサイエンスの活用領域の広がりを政府、 産総研、経団連の描くSociety 5.0に関する動画などにより学修し、 特に重要と考える技術を抽出して考えることで理解を深める。 |
データのオープン化（オープンデータ）（第7,8回） 構造化データ、非構造化データ（第7～9回） データ?AI活用領域の広がり（第12,13回） |
| （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 ※モデルカリキュラム導入１－４、導入１－５が該当 |
第6～11回において、専門教育や社会において現れうるケースを想定しながら 様々なデータ解析の事例を演習する。 提供したデータを対象に各学生が統計的なデータ集約、グラフによる可視化を行う。 数値データだけでなく氏名や商品名、問題に対する聞き取り情報などの 非構造化情報が収容されているデータを用いて検索的に扱う演習も行う。 学科ごとのクラス編成とすることで、専門教育との連続性をもって データサイエンスの活用を考える授業を展開している。 例えば、学科の専門教育で現れるケースを想定したデータ分析を実施する。 これによりデータの利活用が各学生の進路とも関係していることを理解する。 |
データ可視化：複合グラフ、2軸グラフ、関係性の可視化（第6,9回） 非構造化データ処理：言語処理など（第9回） 認識技術、ルールベース、自動化技術（第12,13回） データ解析と推論、結果の共有、伝達（第6～11回） 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（第12,13回） |
| （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 ※モデルカリキュラム心得３－１、心得３－２が該当 |
第1、2回において、大学における学修者および365体育投注者として活動するにあたり 理解しておくべき留意事項を学修する。 ビデオコンテンツも併用して想定される場面と問題について具体的に理解する。 情報セキュリティ／情報社会における権利／社会生活における注意点について 情報システムのユーザと情報を活用する立場の両面での理解を促す。 |
個人情報保護、データのねつ造、改ざん、盗用、プライバシー保護（第1,2回） 情報セキュリティ、暗号化、パスワード、悪意ある情報搾取（第1,2回） 情報漏洩等によるセキュリティ事故の事例紹介（第1回） |
| （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 ※モデルカリキュラム基礎２－１、基礎２－２、基礎２－３が該当 |
データを読み解き、理解し、説明するために、 データ解析用のツールとしてスプレッドシートを活用しながら 、統計的分析、データ集約方法、チャートやグラフによる可視化について 演習を行いながら理解する。 第3～5回においてデータを読み解き、理解するための基本的な統計分析処理に ついて理解する。 第6回にはチャートやグラフによる可視化法について演習を行いながら理解する。 また、第7～9回では大きなデータを対象にキー情報による並び替え、 ランク付け、データ抽出をはじめとする様々なデータの集計や解析の方法を理解する。 |
データの分布（ヒストグラム）（第6回）、 代表値（平均値、中央値、最頻値）（第3,8,9回）、 データのばらつき（第8回）、 データ表現（棒グラフ、折れ線グラフ）(第6回)、 データの図表表現（第5,6,9回）、 データの集計（和、平均）（第3～5回）、 データの並び替え、ランキング（第7～9回）、 データ解析ツール（スプレッドシート）（第9回） |
基礎情報処理（人間社会学部、国際文化学部）
| 授業に含まれる内容?要素 | 授業概要 | 講義テーマ |
|---|---|---|
| （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 ※モデルカリキュラム導入１－１、導入１－６が該当 |
我が国が目指すSociety 5.0、第4次産業革命ならびに、 世界各国でデジタル戦略が盛んに進められていることを理解する。 それらの中心にはAI、ビッグデータ、IoT、CPSがあり、それらの 活用により社会や生活がどのように変化するのかを考える機会を提供する。 第９回においてデータサイエンスとは何かを理解するため、 ビッグデータの収集と統計的な処理などのデータサイエンスを支える技術と その活用について学修する。第12,13回では人工知能AI、IoT、CPSを活用 することで新たな社会が拓かれつつあることを理解する。 ロボットプログラミングを利用して体験的に学修を進める。 具体的な動作を体験することで、社会や生活がどのように変化するのかを 実感をもって考える機会を提供する。 第14回では、それらを組み合わせて実現されるSociety 5.0について総括を行う。 |
ビッグデータ（第9回）、IoT、AI、ロボット（第12,13回） 第4次産業革命、Society 5.0、データ駆動型社会（第12～14回） 計算機の処理性能の向上（第5回） AIを活用した新しいビジネスモデル、AI最新技術の活用例（第12～14回） |
| （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 ※モデルカリキュラム導入１－２、導入１－３が該当 |
第9～11回における各演習でオープンデータや日常生活?各学科の専門教育で 現れるケースを想定したデータを活用した分析を実施する。 データサイエンスを実践的に理解するため、データ分析を演習形式で行う。 オープンデータとして人口分布に関するデータを利用して各都道府県別の 特徴を可視化する。また、履修する学生同志でアンケートを企画し、 得られた調査結果をもとに、自分たちの特徴づける情報を抽出する。 これらを通じて、人の生活の中からデータが生み出され、それを利用することで 課題への気づきを得て、効率的な問題解決ができることを、各学生が実感しながら理解していく。 さらに、第12,13回ではニューラルネットワーク、機械学習の仕組みとその用途を理解する。 第9、14回にはAI、データサイエンスの活用領域の広がりを政府?内閣府がまとめる Society 5.0に関するコンテンツを用いて学修する。 |
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(第9～11回) データ?AI活用領域の広がり（生産、消費、文化活動など）（第9～11回、第12,13回） 仮説検証、知識発見、原因究明（第9～11回） |
| （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 ※モデルカリキュラム導入１－４、導入１－５が該当 |
専門教育や社会において現れうるケースを想定しながら様々なデータ解析の事例を 実践的に身につけるする。 第6回では統計的なデータ集約の方法について理解する。 第10回にはグラフを用いたデータの可視化を演習する。 第11回には数値データだけでなく氏名や商品名、問題に対する聞き取り情報などの 非構造化情報が収容されているデータを用いてデータの並び替えや検索、 抽出、探索的な分析を理解する。 第9回ではデータサイエンスの利用範囲と課題解決のための進め方について 講義を通じて理解する。 また、第12,13回には、小型のロボット製品（ロボホン）を利用して人工知能、 プログラミングの応用について理解する。製品として提供され、サービスとして 利用されているものを対象にその利活用事例について考える。 また、プログラミングによって人工知能が提供する機能を体験する。 |
データ可視化：複合グラフ、2軸グラフ、関係性の可視化（第6,10回） データサイエンスのサイクル（第9回） 探索的データ解析、データ解析と推論、結果の共有、伝達（第10,11回） 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（第12,13回）、 認識技術、ルールベース、自動化技術（第12,13回） |
| （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 ※モデルカリキュラム心得３－１、心得３－２が該当 |
大学における学修者および365体育投注者として活動するにあたり 理解しておくべき留意事項を学修する。 第1回において、ビデオコンテンツも併用して想定される場面と問題について 具体的に理解する。情報セキュリティ／情報社会における権利／社会生活における 注意点について情報システムのユーザと情報を活用する立場の両面で理解する。 |
個人情報保護、データのねつ造、改ざん、盗用、プライバシー保護（第1回） 情報セキュリティ、暗号化、パスワード、悪意ある情報搾取（第1回） 情報漏洩等によるセキュリティ事故の事例紹介（第1回） |
| （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 ※モデルカリキュラム基礎２－１、基礎２－２、基礎２－３が該当 |
データを読み解き、理解し、説明するために、データ解析用のツールとして スプレッドシートを活用しながら、統計的分析、データ集約方法、チャートや グラフによる可視化について演習を行いながら理解する。 第６、９回においてデータを読み解き、理解するための基本的な統計分析処理について理解する。 第9回にはチャートやグラフにより、データを説明するためのスキルを身につける。 第10、11回には、大きなデータをキー情報によって並び替えたり、 ランク付け、データ抽出などの操作について読み解いていくことについて演習を通じて学ぶ。 |
データの分布（ヒストグラム）（第6、10回）、 代表値（平均値、中央値、最頻値）（第6回）、 データのばらつき（第9回）、 データ表現（棒グラフ、折れ線グラフ）(第６回)、 データの図表表現（第9,10回）、 データの集計（和、平均）（第6回）、 データの並び替え、ランキング（第10,11回） |
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」の選択に相当する内容を扱う2020年度開講科目は以下の表の通りです。
６．教育改善?質保証（自己点検?評価）
数理?AI?データサイエンスに関する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ください。
＜2020年度＞
＜2021年度＞
＜2022年度＞
閉じる