数理・データサイエンス・AI教育プログラムの自己点検・評価体制における意見等

学内からの視点

（1）プログラムの履修・修得状況

本学では、経済学部、福祉情報学部において、学生のプログラムの履修•取得状況を、学内システムにより教職員が把握できるようになっている。具体的には、本学独自のWアドバイザー制度により、学生1人に教職員2名がつき、履修等に関してきめ細かなアドバイスを行っている。このWアドバイザー制度の活用により、履修、出欠状況等を把握することができる。また、TeamsやCASK等のシステムの活用により、担当教員は受講者毎の講義演習進捗状況や課題への回答状況を把握することができる。

（2）学修成果

経済学部、福祉情報学部について、教務課で集計している科目ごとの評価の分布を分析することによって、授業内容の学生の理解度を把握することができ、その結果を情報教育委員会と連携し、本教育プログラムの評価・改善に活用している。

成績評価の分布

年度ごとの成績分布について、科目名をふせた状態で評価ごとの人数と平均値を公表します。

2022年度（リテラシーレベル）	2022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）
2022年度（応用教育プログラム）	2022年度数理・データサイエンス・AI応用教育プログラム
2021年度（リテラシーレベル）	2021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）
2021年度（応用教育プログラム）	2021年度数理・データサイエンス・AI応用教育プログラム
2020年度（リテラシーレベル）	2020年度数理・データサイエンス・AI教育プログラム（注：リテラシーレベルのみ）

成績評価基準とグレード・ポイント

［平成30年度以降入学生］

評価	評点	GP	判定	基準
秀（S）	100〜90	4	合格	特に優れた成績
優（A）	89〜90	3	合格	優秀な成績
良（B）	79〜70	2	合格	平均的な成績
可（C）	69〜60	1	合格	平均より劣るが、合格に値する成績
不可（D）	59〜0	0	不合格	合格には一歩及ばない
認定（N）	協定科目等	ー	認定

(3)学生アンケート等を通じた学生の内容の理解度

本教育プログラムの各科目の受講者全員に対して授業アンケートを実施しており、それへの回答をもとに、経済学部、および福祉情報学部において学生の理解度を分析している。

オンライン学生授業評価アンケート

2005年度より、オンラインで前期、後期終了時に学生授業評価を実施
2008年度より、その結果を担当教員の「コメント」と「授業改善目標」とともに学内で公開

集計結果

年度ごとの集計結果について、科目名をふせた状態で回収率、質問ごとの回答件数と平均を公表します。

2022年度集計結果（リテラシーレベル）	2022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）
2022年度集計結果（応用教育プログラム）	2022年度数理・データサイエンス・AI応用教育プログラム
2021年度集計結果（リテラシーレベル）	2021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）
2021年度集計結果（応用教育プログラム）	2021年度数理・データサイエンス・AI応用教育プログラム
2020年度集計結果（リテラシーレベル）	2020年度数理・データサイエンス・AI教育プログラム（※リテラシーレベルのみ）

(4)学生アンケート等を通じた後輩等他の学生への推奨度

受講生に対する授業アンケートにおいて、講義に関する自由記述の項目を設け、それへの回答を掲示し、講義受講の推奨に活用している。また、授業アンケートに対する教員のコメントを掲示し、そこで改めてプログラムの科目の重要性等についてふれることで、後輩学生や他の学生への推奨に生かしている。

自由記述の回答

年度ごとの自由記述の回答について、科目名をふせた状態で公開します。なお、不適切と思われる表現が含まれている回答は除いてあります。

2022年度回答（リテラシーレベル）	2022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）
2022年度回答（応用教育プログラム）	2022年度数理・データサイエンス・AI応用教育プログラム
2021年度回答（リテラシーレベル）	2021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）
2021年度回答（応用教育プログラム）	2021年度数理・データサイエンス・AI応用教育プログラム
2020年度回答（リテラシーレベル）	2020年度数理・データサイエンス・AI教育プログラム（※リテラシーレベルのみ）

授業アンケート結果に対する教員の「コメント」と「授業改善目標」

年度ごとの教員の「コメント」と「授業改善目標」について、教員名と科目名をふせた状態で公表します。

2022年度（リテラシーレベル）	2022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）
2022年度（（応用教育プログラム）	2022年度数理・データサイエンス・AI応用教育プログラム
2021年度（リテラシーレベル）	2021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）
2021年度（応用教育プログラム）	2021年度数理・データサイエンス・AI応用教育プログラム
2020年度（リテラシーレベル）	2020年度数理・データサイエンス・AI教育プログラム（※リテラシーレベルのみ）

(5)全学的な履修者数、履修率向上に向けた計画の達成・進捗状況

本教育プログラムを1科目で学べるようにするため、令和3年度から全学必修の「データサイエンス入門」を開講することとし、履修者数、履修率の向上にむけて推進している。なお、この「データサイエンス入門」は、あくまでもリテラシーレベルの数理・データサイエンス・AI教育プログラムをもれなく学べるために設定した科目であり、学びを深めるための科目も多く用意している。また、情報教育委員会を定期的に実施し、各学部における数理・データサイエンス・AI教育の内容について各専門分野からの観点も取り入れ見直し等を検討し、より学生の履修を推進している。

学外からの視点

(1)教育プログラム修了者の進路、活躍状況、企業等の評価

卒業生調査をゼミ教員を通じて任意に卒後1年後程度を目途に実施しており、本教育プログラムを修了した卒業生の進路先や活躍状況の把握が可能である。また、本学のインターンシップ等に協力いただいている企業・団体との実務者会議での意見の収集を行い、本教育プログラムを修了した卒業生における採用状況や企業等の評価を把握する仕組みを設けている。

(2)産業界からの視点を含めた教育プログラム内容・手法等への意見

本学と共同研究を実施している企業等に対してアンケートを実施し、教育プログラムの講義内容及び実データを活用した演習等の手法について意見を収集するとともに、情報教育委員会において数理・データサイエンス・AI教育プログラムの改善に活用している。

(3)数理・データサイエンス・AIを「学ぶ楽しさ」「学ぶことの憲義」を理解させること

モデルカリキュラムリテラシーレベルの導入部分を意識した内容を講義において展開し、社会の様々な分野においてどのようにAI等が活用され、どのような成果が得られ、またどのような点が課題で今後よりよいものに改善していく必要があるかという観点で実例をもとに解説し、好奇心を促すとともに、自らが今後どのように関わっていくべきかということを考察させる内容にしている。また、モデルカリキュラムリテラシーレベルの基礎に関わる部分では、実データをできるだけ用いることで、その成果を実感できるように工夫し、数理・データサイエンス・AIを学ぶ楽しさ、意義を理解できるよう工夫している。

(4)内容•水準を維持・向上しつつ、より「分かりやすい」授業とすること

情報教育委員会において、学生アンケート、産業界からの意見、プログラム担当教員間の意見交換等から、学生の「分かりやすさ」の観点から講義の内容・実施方法の見直しを検討している。