福山市立大学
本文へ移動

学部

Undergraduate

共通教育

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)

本学は,文部科学省の「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)」の2024年度(令和6年度)認定に向け準備を進めています。

本学の2023年度(令和5年度)の計画は次のとおりです。

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) 計画 

1 教育プログラムの名称

データサイエンス基礎

2 開設される授業科目

・「データサイエンス基礎Ⅰ」(1単位)

・「データサイエンス基礎Ⅱ」(1単位)

3 修了要件

次の単位をいずれも修得すること。

・「データサイエンス基礎Ⅰ」(1単位)

・「データサイエンス基礎Ⅱ」(1単位)

※これら2科目は,2023年度(令和5年度)入学者から,1年次配当の全学必修科目

4 教育プログラムにおいて身につけるもの・身につける力
(1)教育学部

・「データサイエンス基礎Ⅰ」

 本授業では,特に,インターネットなどの情報通信技術や数理・データサイエンス,人工知能(A I )などの知識をはじめ,情報リテラシーの基礎となる文書作成スキルとプレゼンテーション資料の作成スキルを身に付ける。また,その技能を活かして,数理・データサイエンスの利活用の現場や最新動向に対する興味・関心を育む。

・「データサイエンス基礎Ⅱ」

 本授業では,データや人工知能(A I )などを扱う上での留意事項の倫理的知識をはじめ,数理・データサイエンスの基礎となるプログラミング的思考を育み,アルゴリズムを理解することを通して論理的思考力を身につける。また,データリテラシーとして,データを適切に読みとり,説明・扱うことができる力を身に付ける。

(2)都市経営学部

・「データサイエンス基礎Ⅰ」

 大学における学習や研究のみならず,情報化社会で活躍する為に最低限身に付けておくべき情報リテラシーについて学ぶ。情報を正しく理解して活用する能力, 特に, 数理・データサイエンスや 情報倫理などの基礎的知識を始め,一般に普及しているワープロや表計算ソフトを使いこなす為のスキルを身に付ける。

・「データサイエンス基礎Ⅱ」

 情報に対する合理的な判断力を身に付け,正確な情報を活用して,自らの意見を他人に分かりやすく伝える為の情報コミュニケーションスキルの向上を図る。特に, 社会で活用されているデータ・人工知能( A I )に関する基礎知識 と,一般に普及している情報発信ソフトを使いこなす為のスキルを身に付ける。

5 授業の方法及び内容

「データサイエンス基礎Ⅰ」「データサイエンス基礎Ⅱ」では,次の内容を取り扱います。

(1)数理・データサイエンス・AIは,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ること,また,それが自らの生活と密接に結びついているものであること。

【導入】

1.社会におけるデータ・AI利活用

1-1. 社会で起きている変化

1-2. 社会で活用されているデータ

1-3. データ・AIの活用領域

1-4. データ・AI利活用のための技術

1-5. データ・AI利活用の現場

1-6. データ・AI利活用の最新動向
(2)数理・データサイエンス・AIが対象とする「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こと。
(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,数理・データサイエンス・AIは様々な適用領域(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であること。
(4)ただし数理・データサイエンス・AIは万能ではなく,その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)を考慮することが重要であること。また,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が重要であること。

【心得】

3.データ・AI利活用における留意事項

3-1. データ・AIを扱う上での留意事項

3-2. データを守る上での留意事項

(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こと。

【基礎】

2.データリテラシー

2-1. データを読む

2-2. データを説明する

2-3. データを扱う

※【導入】【心得】【基礎】は,数理・データサイエンス教育強化拠点コンソーシアムのモデルカリキュラムに対応しています。

※上記の各内容を授業の第何回で取り扱うかは,下記のシラバスの「授業計画」欄に記載しています。

データサイエンス基礎Ⅰ(教育学部)[PDF221KB]

データサイエンス基礎Ⅱ(教育学部)[PDF:239KB]

データサイエンス基礎Ⅰ(都市経営学部)[PDF:180KB]

データサイエンス基礎Ⅱ(都市経営学部)[PDF:198KB]

データサイエンス基礎の概要

6 教育プログラムの自己点検・評価を行う体制
(1)教育プログラムの運営責任者

副学長(教務学生担当) 向井 厚志 

(2)教育プログラムを改善・進化させるための体制

数理・データサイエンス・AI教育検討会議 

役職名 所属等 名前
議長 副学長(教務学生担当) 向井 厚志
都市経営学部教授 石尾 広武
教育学部准教授 高澤 健司
都市経営学部教授 加藤 誠章
教育学部准教授 太田 直樹
教育学部准教授 山中 真悟
都市経営学部准教授 横山 真
学務課教務担当次長 佐藤 晃一

数理・データサイエンス・AI教育検討会議要綱 [PDF:44KB]

(3)教育プログラムの自己点検・評価を行う体制

自己点検評価委員会 

役職名 所属等 名前
委員長 副学長(企画研究担当) 伊澤 幸洋
副学長(教務学生担当) 向井 厚志
教育学部長 今中 博章
都市経営学部長 渡邉 一成
附属図書館長 清原 昭子
教育学部教授 森  美智代
教育学部教授 山西 正記
都市経営学部准教授 山口 健一
都市経営学部准教授 清水 聡行
事務局長 渡部 廉弘
総務課長 真田 拓巳
学務課長 安原 正峰

自己点検評価委員会規程 [PDF:52KB]

データサイエンス基礎の組織的取り組み図

7 教育プログラムの自己点検・評価体制における意見・結果・改善に向けた取組等

自己点検・評価の視点 自己点検・評価体制における意見・結果・改善に向けた取組等

学内からの視点

・プログラムの履修・修得状況

・学修成果

・学生アンケート等を通じた学生の内容の理解度

・学生アンケート等を通じた後輩等他の学生への推奨度

・全学的な履修者数,履修率向上に向けた計画の達成・進捗状況

2023年度自己点検評価結果報告書.pdf

学外からの視点

・教育プログラム修了者の進路,活躍状況,企業等の評価

・産業界からの視点を含めた教育プログラム内容・手法等への意見

数理・データサイエンス・AIを「学ぶ楽しさ」「学ぶことの意義」を理解させること
内容・水準を維持・向上しつつ,より「分かりやすい」授業とすること

共通教育

このページのトップへ