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)

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)

本学は、全学的な基盤教育に数理・データサイエンス・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)
 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)」
(参考)
 本学の申請内容

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

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・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となります。

2020年度入学者まで

学部 授業科目
家政学部
文学部
理学部
基礎情報処理(必修2単位)
人間社会学部 基礎情報処理(選択2単位)

2021年度入学者から

学部 授業科目
家政学部
文学部
人間社会学部
理学部
基礎情報処理(必修2単位)

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。
(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」
(2020年4月 数理・データサイエンス教育強化拠点コンソーシアム)

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研究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)

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研究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。

授業に含まれる内容・要素 家政学部、文学部、理学部 人間社会学部
統計及び数理基礎 応用情報処理 情報科学基礎Ⅲ
アルゴリズム基礎 基礎情報処理
応用情報処理
情報科学基礎Ⅰ
データ構造とプログラミング基礎 基礎情報処理
応用情報処理
情報科学基礎Ⅰ
時系列データ解析 応用情報処理
テキスト解析 応用情報処理
画像解析 応用情報処理 情報科学基礎Ⅰ
情報科学基礎Ⅱ
データハンドリング 応用情報処理 情報科学基礎Ⅲ
データ活用実践(教師あり学習) 基礎情報処理 基礎情報処理
その他 ICT活用とプロジェクト演習

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2020年度の自己点検・評価結果を示します。以下のリンクから参照ください。https://www3.jwu.ac.jp/fc/public/unvfile/academics/curriculum/suuri_ai_datascience.pdf