データサイエンス学修プログラム
本学では令和3年度から「徳島大学 データサイエンス学修プログラム」を開始しています。このプログラムはすべての学生が身に着けるべき基礎的な能力を養うことを目的に、全学部学生を対象として実施されています。学生の数理・データサイエンス・AIへの関心を高めるとともに、数理・データサイエンス・AIを適切に理解し、それを活用する基礎的な能力を育成することを目的とするプログラムです。
本プログラムは令和4年8月24日付で、文部科学省による「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）」に認定されました。
【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（リテラシーレベル・応用基礎レベル）」の認定・選定結果について
【参考】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
※認定の有効期限: 令和9年3月31日まで
実施体制
| 委員会等 | 役割 |
|---|---|
| 副学長・教育担当理事 | 運営責任者 |
| データサイエンス教育検討ワーキング | プログラムの改善・進化 |
| 教養教育院 教養教育プログラム評価委員会 | プログラムの自己点検・評価 |
本プログラムで身に付けることのできる能力
本プログラムは数理・データサイエンス・AI教育強化拠点コンソーシアムが作成した「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」に対応した教育内容を提供します。これにより、学生が数理・データサイエンス・AIへの関心を高め、「学ぶ楽しさ」や「学ぶことの意義」を実感できるプログラムとなっています。
プログラムを通して下記の能力を身に付けることが期待されます。
- 社会のさまざまな領域で、データに基づくサービスが浸透していることを理解する。
- 専門研究で、データサイエンスやAIを応用する可能性を考え られるようになる。
- 自身でデータを考察する基本技術を身につける。
- データの利活用においては、個人情報などに留意すべきであることを理解する。
修了要件
教養教育科目から、情報科学科目の授業題目「情報科学入門」(2単位)と、創成科学科目群イノベーション科目の授業題目「データサイエンスへの誘い」(2単位)の2つをもって構成し、計4単位を修得することを要件とする。いずれの授業題目も本教育プログラムの必修科目とする。
授業科目
| 授業科目名 | 概要 | 主な学習内容 |
|---|---|---|
| 情報科学入門 | 現代の情報化社会において必須となるデータサイエンスならびに情報処理に関する知識、スキルを身につけることを目的とした科目です。座学のみならず、情報機器を利用した実習により、文書作成、計算、データ処理などアプリケーションソフトの活用スキルを習得することを目指します。 | 情報の捉え方、情報セキュリティ、コンピュータの仕組みと特徴、データの記述、データの可視化、プログラミング |
| データサイエンスへの誘い | データとはなにか、またデータの種類などについての形式的な考察を出発点とし、データをコンピュータで精査あるいは整形するための技術、さらにはデータの概要を数値やグラフで要約する方法、そしてデータから新たな知見あるいは予測を引き出すための理論と手法を、講義または演習を通して習得する科目です。 | データサイエンス、統計学、コンピュータサイエンス、AI |
モデルカリキュラムとの対応
モデルカリキュラム（リテラシーレベル）と本プログラムを構成する授業の内容との対応。
| 授業に含まれている内容・要素 | 講義内容 | 対応する授業科目 |
|---|---|---|
|
（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、1-6が該当 |
第４次産業革命、Society5.0、データ駆動型社会（情報科学入門） ビッグデータ、IoT、AI、データを起点としたものの見方、現場におけるデータサイエンスのサイクル、探索的にデータを解析する事例（データサイエンスへの誘い） |
情報科学入門 データサイエンスへの誘い |
|
（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、1-3が該当 |
調査データ、実験データ、構造化データ、非構造化データ、データのオープン化 |
データサイエンスへの誘い |
|
（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、1-5が該当 |
データ解析の事例と技術 |
データサイエンスへの誘い |
|
（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、3-2が該当 |
ELSI、データ倫理、データバイアス（情報科学入門） データ・AI活用における負の事例（データサイエンスへの誘い） |
情報科学入門 データサイエンスへの誘い |
|
（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、2-2、2-3が該当 |
データの種類、データの分布、代表値の性質の違い、データのばらつき、観測データに含まれる誤差の扱い、相関と因果、母集団と標本抽出、クロス集計、統計情報の正しい理解 データの集計・並び替え、解析ツール、表形式のデータ（情報科学入門） |
情報科学入門 データサイエンスへの誘い |