データサイエンス基礎教育プログラム

当該プログラムにおいて身につけることのできる能力

  1. データ・AIによって、社会および日常生活が大きく変化していることを説明できる。
  2. データ・AI活用領域の広がりを理解し、データ・AIを活用する価値を説明できる。
  3. データの特徴を読み解き、起きている事象の背景や意味合いを説明できる。
  4. 適切なデータ可視化手法を選択し、他者にデータを説明できる。
  5. データ・AIを利活用する際に求められるモラルや倫理について説明できる。
  6. 個人のデータを守るために留意すべき事項を説明できる。

修了要件

経済学部
医学部
理工学部
福祉健康科学部		 教養教育科目「データサイエンス入門」１単位を修得すること。
教育学部 教養教育科目「教育データサイエンス入門」１単位を修得すること。

開設されている授業科目

 対象学部 教育科目区分 科目名 単位数
経済学部
医学部
理工学部
福祉健康科学部		 教養教育科目 データサイエンス入門 1
教育学部 教養教育科目 教育データサイエンス入門 1

授業の方法・内容・実施体制

授業の方法

オンデマンド型オンライン授業の「データサイエンス入門」では、以下の学習支援を実施している。「教育データサイエンス入門」では対面授業で実施している。

【学修スケジュールの設定】

オンデマンド型オンライン授業では、いつ受講するかが学生本人にゆだねられているため、ともすると受講を先延ばしにしかねないという危惧がある。そのため、内容の区切りごとの完了すべきタイミングの目安となる学修スケジュールを学部ごとに提示している。複数名の教員により、学生の学修進捗状況を随時確認し、状況によって学修を促すなどの指導対応が可能な体制をとっている。

【各自のペースに合わせた学修】

一方でオンデマンド型オンライン授業のメリットとして、学生ごとに自分の都合のよい時間帯に学修を進められる。さらに、この科目では1コマの授業が前後半に分かれる構成を取っており、これにより、さらにフレキシブルなスケジュールで学修を進めることができる。LMS上で、各自の進捗状態が随時確認できるような設定としている。

【学生からの質問応答体制】

オンデマンド型オンライン授業では対面授業と異なり、学修中に浮かんだ疑問をその場で質問することができない。また、質問を受け付ける窓口が不明確になりがちという懸念がある。そのため、質問を受け付けるために複数名の教員が登録されたメーリングリストを用意し、そのメールアドレスを明示することで、寄せられた質問に対して迅速に対応できる体制を整えた。

授業の内容

これからのデジタル社会において、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要求される。本教育プログラムはそのための基礎的素養を学ぶ。さらに、学修した内容を説明し、適切に活用できるようになることをめざす。学部ごとの習熟度や学習効果を考慮し、同じ学習内容を、経済学部、医学部、理工学部および福祉健康科学部向けにはオンデマンド型オンライン授業の形態で実施される「データサイエンス入門」として、教育学部向けには対面授業の形態で実施される「教育データサイエンス入門」として提供する。

【学部の習熟度の違いに配慮した分かりやすい授業の提供】

本プログラムの授業コンテンツは本学のすべての学部の教員の協働により作成されている。これにより学部ごとの習熟度や予備知識の違いに配慮し、どの学部の学生にとっても理解できる内容となっているかどうか、相互に確認し意見交換ができる体制がとられている。「データサイエンス入門」では、いつでも何度でも視聴することができる講義動画を学習支援システムに掲載することにより、つまずいた箇所を理解できるまで繰り返し学習することができる。また、学習の区切りごとに小テストを実施し、合格しなければ次に進めないこととした。これにより漫然とした学習を防ぎ、内容の理解についての達成感を持たせることができる。「教育データサイエンス入門」では同じ講義動画を用いて教員が対面授業を行うことで、学生の疑問にその場で対応することができる。

【学部の専門性に合わせた学習意欲の向上】

全学部の教員により授業コンテンツが組み立てられていることにより、各学部の専門性に合わせた適用例や地域の課題に直接結びついた実用例を学習内容に含めることが可能となった。どの学部の学生にも、今後の自分にとって関係の深い重要な内容だと感じさせることで、学習意欲の向上に繋げている。

授業に含まれている内容・要素 講義内容
（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 1-1 社会におけるデータ・AI利活用①（「データサイエンス入門」、「教育データサイエンス入門」第１回）：ビックデータ、検索エンジンとSNS、デジタル社会の提唱、AIの脅威的発達、人間の知的活動とAI
1-6 社会におけるデータ・AI利活用②（「データサイエンス入門」、「教育データサイエンス入門」第２回）：AI等を活用した新しいビジネスモデル、AI最新技術の活用例
（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 1-2 社会におけるデータ・AI利活用③（「データサイエンス入門」、「教育データサイエンス入門」第３回）：GDP統計の利用、人口データの利用
1-3 社会におけるデータ・AI利活用④（「データサイエンス入門」、「教育データサイエンス入門」第４回）：データとAIの活用領域、事業活動におけるデータ・AI活用の広がり、活用目的ごとのデータ・AI活用の広がり
（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 1-4 社会におけるデータ・AI利活用④（「データサイエンス入門」、「教育データサイエンス入門」第４回）：データ解析の種類
1-5 社会におけるデータ・AI利活用②（「データサイエンス入門」、「教育データサイエンス入門」第２回）：日本におけるコンピュータ化と仕事の未来、データサイエンスの重要性、データサイエンスの習得による職種・技術、社会を変えるビックデータの使い方、スマート排除雪実証の実験、AI開発を進める重点領域、観光庁が進めるビックデータを活用した観光行動研究の流れ、RESAS
（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 3-1 データ・AI利活用における留意事項①（「データサイエンス入門」、「教育データサイエンス入門」第７回）：ELSI、一般データ保護規則のGDPR、十分性認定、AI倫理、AI脅威論、ブラックボックス化、説明可能性、アカウンタビリティ、透明性、トラスト、公平性、データの悪用・目的外利用、フラッシュクラッシュ
3-2 データ・AI利活用における留意事項②（「データサイエンス入門」、「教育データサイエンス入門」第８回）：データを守る上での留意事項、データサイエンスにおけるセキュリティとプライバシー、データサイエンスと情報セキュリティ、情報資産を脅かす要因（脅威）、情報セキュリティと効用のトレードオフ、悪意のある情報搾取の事例、データサイエンスとプライバシー、個人情報とは、個人情報の活用と成約、仮名化と匿名化、プライバシー侵害の事例、プライバシー・バイ・デザイン
（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 2-1 データリテラシー①（「データサイエンス入門」、「教育データサイエンス入門」第５回）：データを読む、変数と尺度、データの分布と代表値、データのばらつきと偏り、データの整形、相関関係、全数調査と標本調査、統計情報の正しい理解
2-2 データリテラシー②（「データサイエンス入門」、「教育データサイエンス入門」第６回）：データを説明する、データの表現法、データの比較、不適切なグラフ表現
2-3 データリテラシー②（「データサイエンス入門」、「教育データサイエンス入門」第６回）：表形式のデータ、データを扱うためのソフトウェア、Excelによるデータの取り扱い、Excelを用いたデータ処理の実際

プログラムを改善・進化させるための体制（委員会・組織等）

    • 大分大学教育マネジメント機構基盤教育センター教養教育委員会数理データサイエンス専門部会

プログラムを改善・進化させるための体制を定める規則名称

    • 大分大学教育マネジメント機構基盤教育センター教養教育委員会内規
    • 大分大学教育マネジメント機構基盤教育センター教養教育委員会専門部会内規
MDASH Literacy
ページ上部へ戻る