数理・データサイエンス
AI教育プログラム

【重要なお知らせ】

令和4(2022)年度より「周南公立大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)」の内容を一部変更、全学必修科目の「データサイエンス入門」1科目の修得で、周南公立大学数理・データサイエンス・AI教育プログラムを修了できるように変更し、本学卒業者が全員修了できるように改善した。

変更内容は以下からご確認ください。
周南公立大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)変更内容の申請書
※PDF 55ページ

①数理・データサイエンス・AI応用教育プログラム

●趣旨

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(応用基礎レベル)」に対応するため、本学において令和3年度より数理・データサイエンス・AI応用教育プログラムを創設する。

●本教育プログラムを通じて身に付けることができる能力

本学の教育理念である「個性の伸長を本旨とする「知・徳・体」一体の教育を行う」、本学のミッションである「地域の持続的発展と価値創造のための『成長エンジン』となる」、およびSociety 5.0の時代を見据えた我が国におけるAI戦略2019での数理・データサイエンス・AIの修得の目標を鑑み、経済学、福祉情報学を学ぶ本学の学生が、数理・データサイエンス・AI教育の応用基礎レベルの「Ⅰ.データ表現とアルゴリズム」、「Ⅱ.AI・データサイエンス基礎」、「Ⅲ.AI・データサイエンス実践」の内容をバランスよく学ぶことができ、目的に応じて適切なデータ収集・抽出・分析を行う能力やAI技術を活用し課題解決につなげる能力を涵養し、応用基礎レベルの数理・データサイエンス・AIの能力をバランスよく身に付けることができる。

●内容

次の表の(1)の1-6、1-7、2-2、2-7の各項目、(2)の1-1、1-2、2-1、3-1、3-2、3-3、3-4、3-9の各項目、(3)のⅠ、Ⅱの各項目で学ぶ内容に対応した科目をそれぞれ1科目以上修得した場合、数理・データサイエンス・AI応用教育プログラムを修了したと認定する。

学ぶ内容・要素 対応する科目
(1)データサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎(統計数理、線形代数、微分積分)」に加え、AIを実現するための手段として「アルゴリズム」、「データ表現」、「プログラミング基礎」の概念や知識の習得を目指す。 1-6 応用数学
1-7 コンピュータ概論
2-2 情報システム論
2-7 Python入門
(2)AIの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にAIを活用する際の構築から運用までの一連の流れを知識として習得するAI基礎的なものに加え、「データサイエンス基礎」、「機械学習の基礎と展望」、及び「深層学習の基礎と展望」から構成される。 1-1 データサイエンス入門
ITビジネス
1-2 機械学習入門
2-1 データサイエンス入門
SNS活用と地域課題解決
社会心理学
3-1 機械学習入門
3-2 データサイエンス入門、情報倫理とセキュリティ
3-3 機械学習入門
3-4 機械学習入門
3-9 機械学習入門
(3)本認定制度が育成目標として掲げる「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。
応用基礎コアのなかでも特に重要な学修項目群であり、「Ⅰ データエンジニアリング基礎」、及び「Ⅱ データ・AI活用 企画・実施・評価」から構成される。
データサイエンス入門
SNS活用と地域課題解決
社会心理学、機械学習入門
ソフトウェア演習
専門ゼミⅠ(一部の担当教員)
専門ゼミⅡ(一部の担当教員)
※表中の1-1、2-1等の項目は、「数理・データサイエンス・AI(応用基礎レベル)モデルカリキュラム」(2021 年3月 数理・データサイエンス教育強化拠点コンソーシアム)の「応用基礎レベル モデルカリキュラムの構成」の各項目に対応


●実施体制


委員会等 役割
情報教育委員長 運営責任者
情報教育委員会 プログラムの改善・進化
自己点検評価委員会 プログラムの自己点検・評価

②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)

●趣旨

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)」に対応するため、本学において令和2年度より数理・データサイエンス・AI教育プログラムを創設する。

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
 ※PDF 63ページ

●本教育プログラムを通じて身に付けることができる能力

本学の教育理念である「個性の伸長を本旨とする「知・徳・体」一体の教育を行う」、本学のミッションである「地域の持続的発展と価値創造のための「成長エンジン」となる」、およびSociety 5.0の時代を見据えた我が国におけるAI戦略2019での数理・データサイエンス・AIの修得の目標を鑑み、経済学、福祉情報学を学ぶ本学の学生がリテラシーレベルの数理・データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を主体的に本教育プログラムを通じて身に付けることができる。

●内容

次の表の(1)~(5)の学ぶ内容に対応した科目をそれぞれ2単位以上修得した場合、数理・データサイエンス・AI教育プログラムを修了したと認定する。
詳しくは教務課にお尋ねください。
なお、令和3年度入学生と令和2年度以前の入学生ではプログラムが異なります(黄色部分)ので注意してください。

令和3年度入学生

      
学ぶ内容 対応する科目
(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 データサイエンス入門
ITビジネス
先端科学技術の時事基礎講座Ⅰ
福祉医療情報システム(福祉情報学部)
(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 データサイエンス入門
ITビジネス
マーケティング論(経済学部)
経済統計(経済学部)
情報社会と職業(福祉情報学部)
(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 データサイエンス入門
ITビジネス
管理工学(経済学部)
統計学基礎(経済学部)
福祉医療情報システム(福祉情報学部)
(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 データサイエンス入門
情報リテラシー
ITビジネス
情報倫理とセキュリティ
(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 データサイエンス入門
統計学基礎(経済学部)
統計学(経済学部)
経済統計(経済学部)
心理統計学(福祉情報学部)
福祉統計学(福祉情報学部)

●その他の選択科目

学ぶ内容 対応する科目
統計及び数理基礎 統計学基礎(経済学部)、統計学(経済学部)、経済統計(経済学部)、心理統計学(福祉情報学部)、福祉統計学(福祉情報学部)
アルゴリズム基礎 ITパスポート特論
データ構造とプログラミング基礎 プログラミング演習プログラミング基礎
データハンドリング データベース論



●実施体制

委員会等 役割
情報教育委員長 運営責任者
情報教育委員会 プログラムの改善・進化
自己点検評価委員会 プログラムの自己点検・評価

令和2年度 対象:令和2年度以前の入学生

学ぶ内容 対応する科目
(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 ITビジネス
先端科学技術とビジネスⅠ
福祉医療情報システム(福祉情報学部)
(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 ITビジネス
マーケティング論(経済学部)
経済統計(経済学部)
情報社会と職業(福祉情報学部)
(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 ITビジネス
管理工学(経済学部)
統計学基礎(経済学部)
福祉医療情報システム(福祉情報学部)
(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 情報リテラシーⅠ
ITビジネス
情報倫理とセキュリティ
(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 情報リテラシーⅡ
統計学基礎(経済学部)
統計学(経済学部)
経済統計(経済学部)
心理統計学(福祉情報学部)
福祉統計学(福祉情報学部)


●その他の選択科目

学ぶ内容 対応する科目
統計及び数理基礎 統計学基礎(経済学部)、統計学(経済学部)、経済統計(経済学部)、心理統計学(福祉情報学部)、福祉統計学(福祉情報学部)
アルゴリズム基礎 ITパスポート特論(経済学部)、情報リテラシーⅡ
データ構造とプログラミング基礎 プログラミング演習プログラミング入門プログラミング基礎
データハンドリング データベース論


●実施体制

委員会等 役割
情報教育委員長 運営責任者
情報教育委員会 プログラムの改善・進化
自己点検評価委員会 プログラムの自己点検・評価

●本教育プログラムの自己点検・評価体制における意見等の公表

教育プログラムの質を担保するため、自己点検評価委員会において学内外の視点から評価し、その結果を公表しています。
結果はこちら

●先輩の声

國本日菜子さん(児玉ゼミ、2021年3月卒業)

Q.研究内容は?
A.その人にとって使いやすい「ユーザビリティ」を意識したメモ帳アプリを制作しました。

Q.使ったプログラミング言語は?
A.プログラミング言語はC#、統合開発環境はVisual Studioを使用しました。

Q.アプリの特徴は?
A.特徴は、①文字の色・大きさ変更、②背景の色変更、③選択した文字を太字にする、④ふせんウインドウを開くなど、使う人の色覚に合わせた画面にできるよう工夫しました。
  
 ふせんを開く画面

Q.将来は?
A.地元のIT企業の㈱アイテックスに就職します。 

児玉ゼミ(外部リンク)

ゼミの様子

佐古美穂さん(酒井ゼミ、2021年3月卒業)

Q.研究内容は?
A.オノマトペの表記について擬音語がカタカナ、擬態語がひらがなとされているが、その表記形態の違いでイメージされる印象や色、単語にどのような差が生じるのかについて研究しました。

Q.どうやって調査・分析したの?
A.WEBアンケートで大学生95名を表記形態ごとに割り振り、オノマトペ9種類(きらきら、じろじろ、ぴかぴか、など)について、10種類の評価項目(1:気持ちのよい―気持ちの悪い、2:きれい―きたない、など)と24種類の連想色、連想語とその連想しやすさ(5段階)を問いました。回答データについてプログラミング言語のPythonでグラフ化し分析しました。

Q.研究成果は?
A.表記形態ごとに大きな差は見られなかったものの、①「よい―悪い」「好き―嫌い」など良悪のある印象評価ではひらがなの方が好印象で、暖色系が連想されやすい、②「小さい―大きい」「やわらかい―かたい」など大きさや硬さなどしっかりしたものはカタカナの方が印象され、寒色系や紫が連想される、ことが分かりました。

Q.研究成果をどう活かせるの?
A.将来VR(拡張現実)の分野において、言語と色の表現を組み合わせてより没入感を高めていくことにつながる可能性があります。

酒井ゼミ(外部リンク)

ゼミ風景
MORE INFORMATION

周南公立大学 情報教育委員会

委員長 鏡 裕行(福祉情報学部・教授)
〒745-8566 山口県周南市学園台843-4-2
TEL:0834-28-0411(代表) 0834-39-6631(直通)
アドレス:kagami@tokuyama-u.ac.jp
TOPへ戻るボタン