沖縄の公立大学 名桜大学（沖縄県名護市）

名桜大学　データサイエンス教育プログラム

インターネット、コンピュータ、スマートフォンの普及により、誰でもデータを取得・提供できる現代社会では、データを活用するスキルが多岐に渡る分野で求められている。本講義では、データの背後に隠れた傾向や法則を導き出すためのデータサイエンスの基礎的な内容をオンデマンド中心に学習してもらい、配布課題の実施を通して理解度を深めることで、情報を適切に活用する技術の習得を目指す。

数理・データサイエンス・AI入門

認定及び申請状況について（リテラシーレベル）

共通コア科目「数理・データサイエンス・AI入門」は、文科省の「令和5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）」にて令和5年8月25日に認定を受けました。

認定期限 : 令和10年3月31日

データ処理入門、アカデミックスキル特別講義

認定及び申請状況について（応用基礎レベル）

リテラシーレベルの対象科目である共通コア科目「数理・データサイエンス・AI入門」に加えて、各学科毎に以下の科目は、文科省の「令和7年度 数理・データサイエンス・AI教育プログラム（応用基礎レベル）」にて令和7年に申請しています。
＜人間健康学部　健康情報学科＞
・専門発展科目「データ処理入門」
＜人間健康学部　スポーツ健康学科、看護学科＞
・共通コア科目「アカデミックスキル特別講義（データ処理入門）」、または「アカデミックスキル特別講義（データ活用のためのアプリ開発）」

修了要件（応用基礎レベル）

人間健康学部健康情報学科において、共通コア科目「数理・データサイエンス・AI入門（2単位）」に加えて、専門発展科目「データ処理入門」の2科目4単位を取得すること。また、人間健康学部（スポーツ健康学科、看護学科）及び国際学部（国際文化学科、国際観光産業学科）は、共通コア科目「数理・データサイエンス・AI入門（2単位）」に加えて、共通コア科目「アカデミックスキル特別講義（データ処理入門）」、または「アカデミックスキル特別講義（データ活用のためのアプリ開発）」の2科目4単位を取得すること。

対象科目と学習内容

対象科目（リテラシーレベル）	学習内容
数理・データサイエンス・AI入門	インターネット、コンピュータ、スマートフォンの普及により、誰でもデータを取得・提供できる現代社会では、データを活用するスキルが多岐に渡る分野で求められている。本講義では、データの背後に隠れた傾向や法則を導き出すためのデータサイエンスの基礎的な内容をオンデマンド中心に学習してもらい、配布課題の実施を通して理解度を深めることで、情報を適切に活用する技術の習得を目指す。

対象科目（応用基礎レベル）	学習内容
共通コア「数理・データサイエンス・AI入門」	インターネット、コンピュータ、スマートフォンの普及により、誰でもデータを取得・提供できる現代社会では、データを活用するスキルが多岐に渡る分野で求められている。本講義では、データの背後に隠れた傾向や法則を導き出すためのデータサイエンスの基礎的な内容をオンデマンド中心に学習してもらい、配布課題の実施を通して理解度を深めることで、情報を適切に活用する技術の習得を目指す。
専門発展科目「データ処理入門」 共通コア「アカデミックスキル特別講義（データ処理入門）」	様々な分野においてデータを処理するスキルが求められている．この演習では，表計算ソフトを使用し，データ処理の方法を解説する．データの取り扱いや処理の考え方，データを処理し，理解しやすい表現にする方法を学習する．これにより，レポートや論文作成時の表現を豊かにすることができる．なお、専門発展科目ではPythonを使用し、共通コアではExcelを使用する。
共通コア「アカデミックスキル特別講義（データ活用のためのアプリ開発）」	近年、インターネットとパーソナルデバイス(コンピュータ、スマートフォン等)の普及により、多くの情報が電子化された形で収集され、ビックデータとして産業・科学・医療等の幅広い分野で活用されており、「データ」を取り扱える人材は、産学官のどの分野でも重要とされている。これら大規模なデータを効率的に蓄積・管理するツールはデータベースと呼ばれており、様々なアプリケーションが存在する。この講義では、初心者でもアプリ開発が容易なFileMakerを用い、Project-based Learning(PBL)を実施する。具体的には、「自分が作成したいアプリを決める」、「データベースの基本概念、構造、設計、操作を学ぶ」、「アプリ開発の基礎・開発手法を学ぶ」といった手順で講義を進める。最終的には、自身が作成したモバイルアプリによってデータを取得・操作・分析できる実体験を通して、データベース構築およびデータ分析に関する基礎的技術の修得を目指す。

モデルカリキュラムとの対応（リテラシーレベル）

本プログラムを構成する授業の内容及び概要（モデルカリキュラム：「導入」「基礎」「心得」）は、下記のとおりです。

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 ※モデルカリキュラム導入1－1、導入1－6が該当	第2回：社会で起きている変化 近年の市場の大きな変化を紹介するとともに、日本国内の現状(企業の国際競争力低下、人口推移)についても触れ、データを活用した社会実装(Society5.0)のアイディアと関連分野の具体例を紹介する。 第8回：データ・AI利活用の最新動向 データ・AIを活用した新しいビジネスの紹介と、その関連技術について説明する。更に、AIを活用したグローバルスタートアップから、近年、新ビジネスが生まれやすい社会背景について述べる。
（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	第3回：社会で活用されているデータ 社会で活用されているデータの例を取り上げながら、統計との関連性について述べる。データの分類(1次データ／2次データ、外部データ／内部データ、構造化／準構造化／非構造化データ)を説明する。また、オープンデータを活用した国内外の実例についても紹介する。 第4回：データ・AIの活用領域 AIの定義について説明し、AIが今日に至るまでどのような発展を遂げてきたかに関する歴史を紹介する。そして、AI活用が進んでいる業種の事例をいくつか挙げ、人間の創造活動領域に関連するAI研究についても触れる。
（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	第5回：データ・AI利活用のための技術 認識技術(画像認識技術、文字認識技術、音声認識技術、顔認証技術)を紹介し、この技術を支えるAI・機械学習の概要を説明する。現在のAIが抱える課題・難問の例を挙げるとともに、今後AIの発展が社会にもたらす影響を考える。 第7回：データ・AI利活用の現場 製造業・小売業・サービス業・公共・インフラ業におけるデータ・AI活用方法を、国内外の企業の取り組みから紹介する。データ・AI活用により広がりを見せるシェアリングエコノミー、DtoC（Direct to Consumer）、スマートシティについても説明する。
（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	第13回：データ・AIを扱う上での留意事項（1） 「ELSI」、「データに関する不正行為」、「個人情報の保護」について学習し、データ・AIを取り扱う上で留意すべき点を身につける。 第15回：データを守る上での留意事項とまとめ、今後に向けた学習について データを取り巻く環境(セキュリティ、コンピュータウイルス、認証技術)について学び、情報リテラシーの向上を目指す。本講義のまとめを行う。
（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	第9回：データを読む（1） データの種類(量的変数と質的変数、尺度、離散変数と連続変数)について説明し、統計的なデータの取り扱いについて学習する。データの前処理についても学び、実際に収集したデータを活用するための実践的なスキルを身につける。 第11回：データを説明する データを分かりやすく理解するためのツールであるグラフ(棒グラフ、円グラフ、レーダーチャート、折れ線グラフ、面グラフ、散布図、ヒートマップ)の基本について説明し、優れたデータ可視化事例を紹介することでデータ表現力を養う。 第12回：データを扱う 4つの演習を通し、「目的の明確化」、「計画の立案」、「分析の実施」、「結果の解釈と施策立案」、「実施と検証」のデータ分析プロセスを体験する。

モデルカリキュラムとの対応（応用基礎レベル）

本プログラムを構成する授業の内容及び概要（モデルカリキュラム：「応用基礎コア（Ⅰ.データ表現とアルゴリズム）」「応用基礎コア（Ⅱ.AI・データサイエンス基礎）」「応用基礎コア（Ⅲ.AI・データサイエンス実践）」）は、下記のとおりです。

授業に含まれている内容・要素	講義内容
（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。 ※モデルカリキュラム1－6、1－7、2－2、2－7が該当	1-6 相関係数、相関関係と因果関係： 　「数理・データサイエンス・AI入門」（第8回　データ・AI利活用の最新動向） 1-7 相関係数、並び替え（ソート）、探索（サーチ）： 　「アカデミックスキル特別講義（データ活用のためのアプリ開発」（第3回データのインポート、検索、抽出） 　「アカデミックスキル特別講義（データ処理入門）」（第06回 データベースの活用： データの集計，テーブル作成（Ch.5）） 2-2 コンピュータで扱うデータ（数値、文章、画像、音声、動画など）： 　「数理・データサイエンス・AI入門」（第11回　データを説明する） 2-7 文字型、整数型、浮動小数点型、変数、代入、四則演算、論理演算： 　「アカデミックスキル特別講義（データ活用のためのアプリ開発」（第3回データのインポート、検索、抽出） 　「アカデミックスキル特別講義（データ処理入門）」（第06回 データベースの活用： データの集計，テーブル作成（Ch.5））
（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。 ※モデルカリキュラム1－1、1－2、2－1、3－1、3－2、3－3、3－4、3－5、3－10が該当	1-1 データ駆動型社会、Society 5.0： 　「数理・データサイエンス・AI入門」（第2回　社会で起きている変化 ） 1-2 データ分析の進め方、仮説検証サイクル： 　「数理・データサイエンス・AI入門」（第3回　社会で活用されているデータ） 2-1 ICTの進展、ビッグデータ、ビッグデータの収集と蓄積、クラウドサービス、ビッグデータ活用事例： 　「数理・データサイエンス・AI入門」（第9回　データを読む（1））、（第10回　データを読む（2）） 3-1 AIの歴史、推論、探索、トイプロブレム、エキスパートシステム： 　「数理・データサイエンス・AI入門」（第4回　データ・AIの活用領域） 3-2 AI倫理、AIの社会的受容性、AIに関する原則/ガイドライン、AIと知的財産権： 　「数理・データサイエンス・AI入門」（第15回　データを守る上での留意事項とまとめ、今後に向けた学習について ） 3-3 実世界で進む機械学習の応用と発展（需要予測、異常検知、商品推薦など）： 　「数理・データサイエンス・AI入門」（第5回　データ・AI利活用のための技術） 3-4 実世界で進む深層学習の応用と革新（画像認識、自然言語処理、音声生成など）： 　「数理・データサイエンス・AI入門」（第5回　データ・AI利活用のための技術） 3-5 実世界で進む生成AIの応用と革新（対話、コンテンツ生成、翻訳・要約・執筆支援、コーディング支援など）： 　「数理・データサイエンス・AI入門」（第8回　データ・AI利活用の最新動向） プロンプトエンジニアリング： 　「アカデミックスキル特別講義（データ活用のためのアプリ開発）」（第10回　リレーションシップと自動化） 　「アカデミックスキル特別講義（データ処理入門）」（第08回 データ分析・可視化：分析ツール1（分散分析，相関，共分散，基本統計量，回帰，t検定））、第09回 データ分析・可視化：分析ツール2（ヒストグラム，移動平均，指数平滑）） 3-10 AIの社会実装、ビジネス/業務への組み込み： 　「数理・データサイエンス・AI入門」（第4回　データ・AIの活用領域） 　「アカデミックスキル特別講義（データ活用のためのアプリ開発」（第12,13,14回　演習、全体成果報告会） 　「アカデミックスキル特別講義（データ処理入門）」（第10回データ分析・可視化：AIツールの活用）、（第11回 データ分析（ヒストグラム，移動平均，指数平滑））、（第10〜15 PBL1,2,3,4,5）
（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、「データエンジニアリング基礎」、及び「データ・AI活用 企画・実施・評価」から構成される。	Ⅰ　「データ表現とアルゴリズム」 並び替え（ソート）、探索（サーチ）： 　「アカデミックスキル特別講義（データ活用のためのアプリ開発）」（第3回データのインポート、検索、抽出） 　「アカデミックスキル特別講義（データ処理入門）」（第06回 データベースの活用： データの集計，テーブル作成（Ch.5）） 文字型、整数型、浮動小数点型、変数、代入、四則演算、論理演算： 　「アカデミックスキル特別講義（データ処理入門）」（第06回 データベースの活用： データの集計，テーブル作成（Ch.5）） Ⅱ　「データサイエンス基礎」 プロンプトエンジニアリング： 　「アカデミックスキル特別講義（データ活用のためのアプリ開発）」（第10回　リレーションシップと自動化） 　「アカデミックスキル特別講義（データ処理入門）」（第08回 データ分析：分析ツール1（分散分析，相関，共分散））、（第09回 データ分析：分析ツール2（基本統計量，回帰，t検定）） AIの社会実装、ビジネス/業務への組み込み： 　「数理・データサイエンス・AI入門」（第4回　データ・AIの活用領域） 　「アカデミックスキル特別講義（データ活用のためのアプリ開発）」（第12,13,14回　演習、全体成果報告会） 　「アカデミックスキル特別講義（データ処理入門）」（第10回データ分析・可視化：AIツールの活用）、（第11回 データ分析（ヒストグラム，移動平均，指数平滑））、（第10〜15 PBL1,2,3,4,5）

実施体制

委員会等	役割
教養教育専門委員会	教養教育専門委員会は、本学の教養教育科目を管轄し、各科目のシラバス、履修者数、履修率、授業評価アンケートの内容を把握し、科目毎の数値を確認しながら改善に繋げるための委員会である。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）の基盤科目である「数理・データサイエンス・AI入門」は、教養教育科目として開講されるため、この教養教育専門委員会にてその実施体制、履修状況、履修学生からの評価を確認することを目的とする。
自己点検・評価委員会	自己点検・評価委員会は、本学の自己点検・評価を管轄し、経営及び教育研究等の活動状況について自己点検及び評価の実施並びに中期目標・中期計画の取組みを行うことを目的とする。

教育改善・質保証（自己点検・評価）

「データサイエンス教育プログラム」の自己点検・評価については、こちらから参照できます。

ダウンロード