Datascience certificate

数理・データサイエンス・AI教育プログラム

郡山女子大学および同短期大学部では、近年の社会状況を鑑み、数理・データサイエンス・AIに関する教育を行っています。
本教育を、数理・データサイエンス・AI教育プログラムとして位置づけ、令和2 (2020) 年度より科目「数理・データサイエンス基礎」を設置しました。
令和3年度以降のプログラムは,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)」として認定されました。

数理・データサイエンス・AI 教育プログラム認定制度

(令和9年3月31日まで)


実施体制
横にスクロールしてご覧ください
委員会等 役 割

数理・データサイエンス・AI教育推進委員会

プログラムの統括および改善・進化 (本委員会委員長および副委員長がプログラム運営責任者となる)
 教務委員会
 教養キャリア教育委員会
 学園教育充実研究会
 就職部
 カリキュラムとしての改善・進化
 共通基礎科目としての改善・進化
 授業評価アンケート等の実施
 学外へのアンケート等の実施
プログラムの学修成果(学生等が身に付けられる能力)
社会におけるデータ活用の基本的な知識を習得し、データを扱い情報を抽出する基本的な方法を理解できます。具体的な修得事項は

1. 社会におけるデータや AI利活用およびその留意事項等について説明できること
2. データを扱うために必要な数の扱いができること
3. データの記述とデータからの情報抽出ができること
です。

修了要件・科目対応表

各学部学科の次の所定の科目(総計4単位以上)を修得した学生は本プログラム修了者として認定されます。
●科目「数理・データサイエンス基礎」の2単位を取得します。
●科目「数理・データサイエンス基礎」の2単位に加え、本プログラムの科目として設定されている他の科目から2単位以上を取得します。

横にスクロールしてご覧ください
  科目名 学 年 必修・選択 単位数
大学 情報処理演習 1年次 選択 2
数理・データサイエンス基礎 1年次 選択 2
短期大学部 情報処理 I 1年次 選択 2
数理・データサイエンス基礎 1年次 選択 2
※科目「数理・データサイエンス基礎」は令和2年度と令和3年度以降で内容が異なります。
開講状況
プログラム認定前に入学した学生に門戸を開くため、「数理・データサイエンス・AI 教育プログラム」の一環として、令和2(2020)年度より科目「数理・データサイエンス基礎」を大学・短期大学部に設置されている全学科に対し選択科目として開講しました。
※情報処理演習・情報処理 I は既存の選択科目として開講済
計画 横にスクロールしてご覧ください
年 度 内 容
令和2(2020)年度 科目「数理・データサイエンス基礎」を1年次に開講(実施済み)
令和3(2021)年度 文部科学省認定プログラムへの科目内容の対応(実施済み)
プログラムの改善・進化・自己点検のために数理・データサイエンス・ AI 教育推進委員会を設置(実施済み)
令和4(2022)年度 数理・データサイエンス・AI 教育推進委員会委員を増員(実施済み)
科目「数理・データサイエンス基礎」対応状況 横にスクロールしてご覧ください
  学 部 学 科 2021年度 2022年度 2023年度以降
大 学 家政学部 生活科学科 1・2年次 1〜3年次 全学年
食物栄養学科 1・2年次 1〜3年次 全学年
短期大学部   健康栄養学科 全学年 全学年 全学年
幼児教育学科 全学年 全学年 全学年
地域創成学科 全学年 全学年 全学年

※2020年度まで人間生活学科、2021年度より改称
※2020年度と2021 年度以降の科目「数理・データサイエンス基礎」の内容は異なります。

科目構成
科目
本プログラムでは、科目「数理・データサイエンス基礎」に加え、大学では「情報処理演習」等の科目、短期大学部では「情報処理I」等の科目を履修し修得することで数理・データサイエンス・AIの基礎的な素養を得ることとしています(**)
(**) 社会状況等を踏まえ、今後、構成が変わることがあります。
データサイエンスやAIの内容は変化が激しいため、適宜見直しが行われます。これまでの授業内容は、本ウェブサイトの教育情報の公開ページ内の授業計画をご覧ください。
モデルカリキュラムとの対応(令和3年度以降)
横にスクロールしてご覧ください
モデルカリキュラム項目 数理・データサイエンス基礎 情報処理演習 情報処理 I
1. 社会におけるデータ・AI 利活用 1-1, 1-2, 1-3、1-4, 1-5, 1-6 1-4
2. データリテラシー 2-1, 2-2, 2-3 2-2, 2-3
3. データ・AI 利活用における留意事項 3-1, 3-2  
4. オプション 4-1

※番号は科目に含まれている各項目の番号を示します。例えば数理・データサイエンス基礎には「4オプション」のうち 4-1 に相当する項目が含まれています。

授業概略

■情報処理演習/情報処理I

パソコンの普及及びネットワーク化の急激な進展を踏まえ、今後必要となる情報処理技術であるコンピュータ、ネットワーク及びオフィスソフトの基礎技術を学ぶ。とくに本演習ではオペレーティング・システム(OS)の基本操作・メールやウェブの利用方法・文書作成について学習する。

■数理・データサイエンス基礎

【令和2(2020)年度】

データを扱うための表現およびデータから情報を抽出する方法を学ぶことを目的とする。
今日では、コンピュータの発達・インターネット等の情報網に発達により大量のデータが得られるようになったことやディープ・ラーニングに代表される情報処理技術の進展により、いかにデータから情報を抽出するかということがこれまで以上に重要となった。
本講義では、データを扱うための基礎的な数理表現およびデータから情報を抽出する基本的な方法を学ぶ。

【令和3(2021)年度以降】

数理・データサイエンス・Artificial Intelligence (AI) の社会に与える影響・データを扱う上での注意事項・データを扱うための表現・データから情報を抽出する方法を学ぶことを目的とする。
本講義では、数理・データサイエンス・AIに基づく社会の変化、大量のデータを扱う場合の留意点、データを扱うための基礎的な数理表現、データから情報を抽出する基本的な方法を学ぶ。
管理体制(自己点検・改善・進化)
 本プログラムの自己点検・改善・進化は数理・データサイエンス・AI教育推進委員会が担っています。本委員会では正当に評価するため、委員会内に評価チームを設け、授業担当者が直接的に評価を行わないようにしています。
プログラムを構成する科目は各学科のカリキュラムの一部であり、かつ共通基礎科目に含まれるため、教務委員会および教養キャリア委員会も改善に寄与しています。授業評価は大学教育充実研究会により実施される学生による授業評価アンケートおよび教職員への授業公開を通して実施されています。就職部および就職委員会では卒業後にアンケートを実施することで社会からみた学修課程の妥当性を調査しており、この調査において情報処理に係る事項の調査も行っています。
これらの様々な評価の後、数理・データサイエンス・AI教育推進委員会にてプログラムの改善が検討されます。
数理・データサイエンス・AI教育推進委員会ではプログラムに進化させるため、国のデータサイエンスに関する方針や社会状況を捉え、プログラムの修正を検討することとしています。
■自己点検・評価結果と改善

授業評価アンケートによる履修生からの授業の評価や企業アンケートによる企業からの社会的な評価および要望をふまえ、本プログラムの自己点検を行い、プログラムの改善を行っています。

2023年度数理・データサイエンス・AI 教育プログラム自己点検報告書

2022年度数理・データサイエンス・AI 教育プログラム自己点検報告書

2021年度数理・データサイエンス・AI 教育プログラム自己点検報告書

2020年度数理・データサイエンス・AI 教育プログラム自己点検報告書

年間スケジュール
年次計画
■年間スケジュール
横にスクロールしてご覧ください
スケジュール内容
4月 全教職員へのプログラムの周知
8月 学生と全教職員へのプログラムの周知
9〜10月 1.数理・データサイエンス・AI教育プログラムの履修申請
2.企業へのアンケート(就職部)
2月末 数理・データサイエンス・AI教育プログラムの評価
■年次計画
令和5年 カリキュラムの改編の検討
令和6年 カリキュラムの改編
令和7年 新カリキュラの運用開始
令和8年 カリキュラムの申請

お知らせ

INFORMATION