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)

ロゴ1ロゴ2ロゴ3ロゴ4

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

program_ds.PNG

本プログラムで身に着けることのできる能力

  1. 数理・データサイエンスの必要性を説明できる。
  2. 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。
  3. 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。
  4. 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。
  5. 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

2020年度版