教養教育のカリキュラム
科目一覧
APU教養 コア科目 |
APU教養コア科目
|
---|
世界を理解する |
APU教養連携科目
|
---|---|
多文化理解
|
|
外国語科目
|
|
外国語セミナー
|
地域を掘り下げる |
APU教養連携科目
|
---|---|
愛知・日本
| |
諸地域研究
|
社会に生きる | APU教養連携科目
|
---|---|
現代社会
| |
キャリア・プランニング
|
科学と人間を深める |
APU教養連携科目
|
---|---|
自然科学
| |
人文科学
| |
情報科学
| |
スポーツ・健康科学
|
APU教養 特別科目 |
APU教養特別科目
|
---|
数理・データサイエンス・AI教育プログラム
データサイエンスへの招待
愛県大の5学部が連携して実施するAPU教養コア科目であり、情報科学部の教員がコーディネートする。現在、重要性を増しているデータサイエンスとはなにか、その入口で必要となる基本的な概念を学ぶ。その内容を通してデータサイエンスでできることを理解するとともに、現在と今後の情報社会に生きる者として必要なデータに基づく考え方を習得する。併せて、データが重要な意味をなす時代における倫理についても広く理解する。
令和4年度 数理・データサイエンス・AI教育プログラム認定
教養コア科目「データサイエンスへの招待」が、文科省による「令和4年度 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)」として認定されました。(認定有効期限令和9年3月31日)
実施体制
教養教育センター運営委員会 | プログラムの自己点検・評価 |
---|---|
教養教育センター長 | プログラムの運営責任者 |
教養教育科目委員会 | プログラムの改善・進化 |
「データサイエンスへの招待」を通じて身につけることができる能力
コンピューターを用いた学習・研究が一般的となり、現在の情報社会においては「データとどのように付き合い、どのように活かすか」が重要になってきている。そこで、本講義ではデータの基礎知識を学び、複数の専門分野におけるデータの収集方法・解析方法・発表方法の実例に触れる。これにより、データサイエンスの入門的知識を身に着け、データを適切に解釈することができるようになることで「文理の枠にとらわれることなく自身の専門分野に活用を見出せる能力」を身に着けることが目標である。
授業内容
ガイダンス(データサイエンスの必要性) | |
データの収集(データの種類や構造) | |
データの解析(分類、最適化、学習、可視化、等) | |
データサイエンスの事例紹介1(看護学部、日本文化学部) | |
データサイエンスの事例紹介2(教育福祉学部、外国語学部) | |
グループディスカッション1(利活用事例) | |
質的データと量的データ | |
分布と代表値 | |
母集団と標本抽出 | |
データの表現(集計やグラフ) | |
情報倫理(個人情報、捏造、改竄、盗用、モラル、等) | |
負の事例紹介(リスク、バイアス、情報漏洩、等) | |
グループディスカッション2(負の事例) | |
データサイエンスの事例紹介3(情報科学部) | |
まとめ(データサイエンスの最新動向) |
(2021年度)
修了要件:「データサイエンスへの招待」(2単位)を取得すること。
モデルカリキュラムとの対応
数理・データサイエンス・AI(リテラシーレベル)と本プログラムの対応は以下のとおりです。
(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 |
1-1 第1回 ガイダンス(データサイエンスの必要性) において、IoTや5G通信などによりデータ取得・蓄積・転送のコストが劇的に低減したことを紹介している。第15回 まとめ(データサイエンスの最新動向)において、人が得意とする演繹的推論、AIが得意とする帰納的推論の関係、Society 5.0について紹介している。 | データサイエンスへの招待 |
1-6 第3回 データの解析(分類、最適化、学習、可視化、等)において、深層学習、機械翻訳の近年の高性能化、アルファ碁、GANによる画像生成などの事例を紹介している。 | ||
(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 |
1-2 第2回 データの収集(データの種類や構造)において、調査データ、実験データ、1次データ、2次データ、構造化データ、非構造化データについて説明している。 第7回 質的データと量的データにおいて、データの分類、データの演算について説明し、データ収集システムの実例を紹介している。 |
データサイエンスへの招待 |
1-3 第4,5,14回 データサイエンスの事例紹介1(看護学部、日本文化学部)2(教育福祉学部、外国語学部)3(情報科学部) において、本学の様々な学部の教育、研究活動におけるデータの利活用の実際を紹介している。 | ||
(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 |
1-4 第3回 データの解析 において、グルーピング、クラスタリング、最適化、可視化について説明している。 | データサイエンスへの招待 |
1-5 第1回 データサイエンスの必要性において、POSシステムのデータを活用したマーケティング、観光業界におけるデータ分析、の事例を紹介している。 | ||
(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 |
3-1 第11回 情報倫理(個人情報、捏造、改竄、盗用、モラル等)において、ELSI、個人情報保護、データ倫理、AI社会原則、について講義している。第12回 負の事例紹介において、データサイエンス・AIで起こりうる問題点、データを守る際の問題点について講義している。第13回 グループディスカッション2(負の事例)において、負の事例に関するTV番組の内容に基づいて議論させている。 | データサイエンスへの招待 |
3-2 第11回 情報倫理(個人情報、捏造、改竄、盗用、モラル等)において、情報セキュリティ、匿名加工情報について講義している。 | ||
(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 |
2-1 第2回 データの収集において、データの種類、データのクレンジング、などについて説明している。質的データと量的データの変換について、Excelを用いた演習を行っている。第8回 分布と代表値 において、代表値、分布、相関などについて説明している。交通事故発生件数の実データを利用して、度数分布や代表値について実習を行っている。第9回 母集団と標本抽出 において、推定、検定まで扱っている。引き続き交通事故発生件数の実データを利用して、標本抽出、区間推定、検定について実習している。 | データサイエンスへの招待 |
2-2 第6回 グループディスカッション1(利活用事例)において、本学学生に対して実施している学生生活に関するアンケート結果を複数年度にわたって調査し、データから読みとれる知見について議論させている。第10回 データの表現(集計やグラフ)において、クロス集計、グラフの種類、相関・回帰分析、不適切なグラフについて講義している。国勢調査データ原本を利用して、グラフ化と相関係数による分析を実習している。 | ||
2-3 自治体が公開している学歴に関するデータを題材にして、Excelを用いて平均を求めるなどの演習を行っている。 |
教養教育センター 自己点検・評価
大学の自己点検・自己評価(愛知県立大学ウェブページ)