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に関する教育を行うこととしました。
本教育を、数理・データサイエンス・AI教育プログラム(仮称)(*)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。
(*) 今後、名称は変わることがあります。
本プログラムは,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)」に申請中です。


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

プログラム運営責任者

授業実施および授業内容の改善

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
プログラムの改善・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

教務委員会

 自己点検・認証評価委員会
プログラムの自己点検・評価
各委員会等の計画・PDCA サイクル等の妥当性の確認
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な扱いができること
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。

令和3年度 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
令和2年度 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
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年(2020)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年度 科目「数理・データサイエンス基礎」を1年次に開講
令和3年度 文部科学省認定プログラムへの科目内容の対応
プログラムの改善・進化・自己点検のために教務委員会内に下部組織を設置
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 2020年 2021年
大 学 家政学部 生活科学科 1年次 1・2年次
食物栄養学科 1年次 1・2年次
短期大学部   健康栄養学科 1年次 全学年
幼児教育学科 1年次 全学年
地域創成学科 1年次 全学年

※2020年度まで人間生活学科、2021年度より改称

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)
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 実施科目
1. 社会におけるデータ・AI 利活用 数理・データサイエンス基礎
2. データリテラシー 数理・データサイエンス基礎
3. データ・AI 利活用における留意事項 数理・データサイエンス基礎
4. オプション 数理・データサイエンス基礎
情報処理演習・情報処理 I
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】

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。
自己点検
 本プログラムの自己点検は主に教務委員会が担っている。本プログラムの科目は共通基礎科目に含まれるため教養キャリア委員会も関与している。
授業評価は大学教育充実研究会により実施される学生を対象とした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る。就職部および就職委員会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抽出も行っている。
 これらの点検業務を適切に計画し遂行するため、本学ではPDCAサイクルを用いている。立案された計画は自己点検を統括する自己点検・認証評価委員会にて妥当性等が確認される。
計画には必要な修正を加えられ、実行・検証がなされる。
■卒業生アンケートによる調査

卒業生アンケートによる各種の回答のうち、数理・データサイエンス・AI教育プログラムに関係する部分を記します。

2018年度卒業生アンケート結果報告(本プログラム関係個所)

本アンケート結果の全文は本大学ウェブの就職・キャリアにて公開しています。
■自己点検・評価結果と改善

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

お知らせ

INFORMATION