香川大学では、令和2年度より、全学部1年生を対象とした、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「数理・データサイエンス・AIリテラシープログラム」を実施しています。
本プログラムは、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）」に認定されています。（認定の有効期限：令和８年３月３１日まで）
【参考】文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」
【参考】数理・データサイエンス・AIリテラシープログラム 申請書 (7.02MB)
実施体制
| 委員会等 | 役割 |
| 理事・副学長（教育担当） | 運営責任者 |
| 大学教育基盤センター | プログラムの改善・進化 |
| 大学教育基盤センター（数理情報・遠隔教育部） | プログラムの自己点検・評価 |
事業計画
本プログラムで身に着けることのできる能力
- 数理・データサイエンスの必要性を説明できる。
- 地域を含む実社会での数理・データサイエンスの事例を例示できる。
- どのような思考方法で数理・データサイエンスを扱うか、利用するアプリケーションも含めて説明できる。
- 代表的な数理・データサイエンスの技術とその利点・欠点を概説できる。
- 情報セキュリティ、情報モラルについて説明できる。
修了要件
全学共通科目（全学必修科目）の情報リテラシーA（１単位）と情報リテラシーB（１単位）の計２単位を取得すること。
授業科目
| 授業科目名称 | 概要 | 主な学習内容 |
| 情報リテラシーA | 香川大学に入学する全学生が、早期に身に着けるべき情報リテラシーを学習するために、1年次生対象に開講される必修科目で、座学・演習を組み合わせた授業です。 | 情報社会に関わる基礎知識、情報セキュリティ、個人情報保護、匿名加工情報、暗号化、パスワード、データの集計・並び替え・ランキング・グラフ 等 |
| 情報リテラシーB | 香川大学に入学する全学生が、文系理系を問わず初年次に身につけるべき数理・データサイエンスの基礎を学習するために、1年次生対象にeラーニングで開講される必修科目です。 | データ・AIにおける心得、数理・データサイエンスを活用した地域活性、実社会のデータサイエンスの事例、データの確認と関数の使い方、正規分布、標準偏差、ヒストグラム、回帰分析、統計的仮説検定、機械学習（教師あり学習、教師なし学習） 等 |
情報リテラシーとは、コンピュータが使えるというだけではなく、その技術を活用して、さまざまな情報を収集・分析し、適切に判断する能力、それらをモラルに則って活用する能力のことです。
科目対応表
2021年度
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
| 教育学部 | 情報リテラシーA L(1) [082101] 情報リテラシーA L(2) [082102] 情報リテラシーA L(3) [082103] |
1 | 必修 | 1 |
| 法学部 | 情報リテラシーA J(1) [082201] 情報リテラシーA J(2) [082202] |
1 | 必修 | 1 |
| 経済学部 | 情報リテラシーA E(1) [082301] 情報リテラシーA E(2) [082302] 情報リテラシーA E(3) [082303] 情報リテラシーA E(4) [082304] |
1 | 必修 | 1 |
| 医学部 | 情報リテラシーA M(1) [082401] 情報リテラシーA M(2) [082402] |
1 | 必修 | 1 |
| 創造工学部 | 情報リテラシーA T(1) [082501] 情報リテラシーA T(2) [082502] 情報リテラシーA T(3) [082503] 情報リテラシーA T(4) [082504] 情報リテラシーA T(5) [082505] |
1 | 必修 | 1 |
| 農学部 | 情報リテラシーA A [082601] |
1 | 必修 | 1 |
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
| 教育学部 法学部 経済学部 医学部 創造工学部 農学部 |
情報リテラシーB [083001] |
1 | 必修 | 1 |
2020年度
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
| 教育学部 | 情報リテラシーA L(1) [082101] 情報リテラシーA L(2) [082102] 情報リテラシーA L(3) [082103] |
1 | 必修 | 1 |
| 法学部 | 情報リテラシーA J(1) [082201] 情報リテラシーA J(2) [082202] |
1 | 必修 | 1 |
| 経済学部 | 情報リテラシーA E(1) [082301] 情報リテラシーA E(2) [082302] 情報リテラシーA E(3) [082303] 情報リテラシーA E(4) [082304] |
1 | 必修 | 1 |
| 医学部 | 情報リテラシーA M(1) [082401] 情報リテラシーA M(2) [082402] |
1 | 必修 | 1 |
| 創造工学部 | 情報リテラシーA T(1) [082501] 情報リテラシーA T(2) [082502] 情報リテラシーA T(3) [082503] 情報リテラシーA T(4) [082504] 情報リテラシーA T(5) [082505] |
1 | 必修 | 1 |
| 農学部 | 情報リテラシーA A [082601] |
1 | 必修 | 1 |
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
| 教育学部 法学部 経済学部 医学部 創造工学部 農学部 |
情報リテラシーB [083001] |
1 | 必修 | 1 |
モデルカリキュラム（リテラシーレベル）との対応
モデルカリキュラム（リテラシーレベル）とは、分野を問わず、全ての大学・高専生（約50万人卒/年）を対象にしたリテラシーレベルの教育の基本的考え方、学修目標・スキルセット、教育方法等を取りまとめたものです。
モデルカリキュラム（リテラシーレベル） ---数理・データサイエンス教育強化拠点コンソーシアム
プログラムを構成する授業の内容・概要（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の「導入」、「基礎」、「心得」に相当）
| 授業に含まれている内容・要素 | 授業概要 | 授業科目名称 |
|
（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 |
Society 5.0で実現する社会において、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キーワードとなる知識を踏まえながら理解する。また、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。さらに、AIを活用した新しいビジネス/サービスがどのように社会に浸透しているか理解する。 |
情報リテラシーA 情報リテラシーB |
|
（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 |
Society 5.0で実現する社会において、どんなデータが集められ、どう活用されているかを理解する。また、さまざまな領域でデータ・AIが活用されていることを理解する。これらを理解するために、地域（香川県域）における取り組みと、社会全般における取り組みの２つの観点から学習する。 | 情報リテラシーB |
|
（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 |
Society 5.0で実現する社会において、データ・AIを活用するために使われている技術の概要を理解する。また、データ・AI利活用の現場データ・AIを活用することによって、どのような価値が生まれているかを理解する。これらを理解するために、地域（香川県域）における取り組みと、社会全般における取り組みの２つの観点から学習する。 | 情報リテラシーB |
|
（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 |
Society 5.0で実現する社会に生きる我々が、データ・AIを利活用する上で知っておくべきことやデータを守る上で知っておくべきことを理解する。個人情報保護法などの動向を理解し、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理解する。さらに、個人のデータを守るために留意すべき事項を理解する。 |
情報リテラシーA 情報リテラシーB |
|
（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 |
数理・データサイエンス・AIの基本的な活用法について、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理解できる。また、適切な可視化手法を選択し、他者にデータを説明できるようになる。さらに、Microsoft Excelを用いた小規模データを集計・加工できるようになる。加えて、実際のAIサービスを利用して表形式のデータをどのように処理できるか理解する。 |
情報リテラシーA 情報リテラシーB |
プログラムを構成する授業の内容・概要（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の「選択」に相当）
| 授業に含まれている内容・要素 | 授業科目名称 |
| 統計及び数理基礎 | 情報リテラシーA、情報リテラシーB |
| アルゴリズム基礎 | 情報リテラシーA |
| 時系列データ解析 | 情報リテラシーB |
| 画像解析 | 情報リテラシーB |
| データハンドリング | 情報リテラシーB |
| データ活用実践（教師あり学習） | 情報リテラシーB |
| データ活用実践（教師なし学習） | 情報リテラシーB |
プログラムの自己点検・評価