Undergraduate
共通教育
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）」に2024年（令和6年）8月27日付けで認定されました。認定の有効期限は2029年（令和11年）3月31日までです。
2029年（令和11年）3月31日
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）申請書（2024年度申請）[PDF:2,425KB]
本学の数理・データサイエンス・AI教育プログラム（リテラシーレベル）の実施に係る計画は次のとおりです。
福山市立大学「データサイエンス基礎」
・「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）
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
・「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。
・「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。
「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。
（2026年度）データサイエンス基礎Ⅰ（教育学部）.pdf(2026.5.15差替)
（2026年度）データサイエンス基礎Ⅱ（教育学部）.pdf(2026.5.15差替)
（2026年度）データサイエンス基礎Ⅰ（都市経営学部）.pdf(2026.5.15差替)
（2026年度）データサイエンス基礎Ⅱ（都市経営学部）.pdf(2026.5.15差替)
（2025年度）データサイエンス基礎Ⅰ（都市経営学部）.pdf
（2025年度）データサイエンス基礎Ⅱ（都市経営学部）.pdf
（2024年度）データサイエンス基礎Ⅰ（都市経営学部）.pdf
（2024年度）データサイエンス基礎Ⅱ（都市経営学部）.pdf
（2023年度）データサイエンス基礎Ⅰ（都市経営学部）.pdf
（2023年度）データサイエンス基礎Ⅱ（都市経営学部）.pdf
副学長（教務・学生） 劉 郷英
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） | 劉 郷英 |
| 都市経営学部教授 | 石尾 広武 | |
| 教育学部教授 | 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 | 住吉 誠 |
数理・データサイエンス・ＡＩ教育検討会議要綱 [PDF:44KB]
自己点検評価委員会
| 役職名 | 所属等 | 名前 |
| 委員長 | 学長 | 佐藤 利行 |
| 副学長（企画・研究） | 向井 厚志 | |
| 副学長（教務・学生） | 劉 郷英 | |
| 副学長（学長特命） | 渡辺 健次 | |
| 教育学部長 | 林原 慎 | |
| 都市経営学部長 | 渡邉 一成 | |
| 附属図書館長 | 八幡 浩二 | |
| 教育学部教授 | 伊澤 幸洋 | |
| 教育学部教授 | 山西 正記 | |
| 都市経営学部教授 | 山口 健一 | |
| 都市経営学部准教授 | 清水 聡行 | |
| 事務局長 | 北川 雄嗣 | |
| 経営企画課長 | 甲斐 健太郎 | |
| 総務課長 | 桑原 良則 | |
| 学務課長 | 安原 正峰 |
| 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 |
2024年度自己点検評価結果報告書.pdf 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 |