数理・データ科学・AI教育プログラム（リテラシーレベル）

プログラム概要

取組概要

体制・自己点検等の概要

本プログラムで身に着けることのできる能力

社会におけるデータ活用の事例と、そのような活用を可能とする技術（機械学習やAIなど）のおおまかな仕組みが理解できる。
また、そのような理解を基礎にして、学校教育における情報教育や統計教育の重要性を説明できる。さらに専門とする教科内容において、情報機器を適切に利用し、データ分析などの活動を取り入れ指導することができる。

修了要件

鳴門教育大学学校教育学部の学部1年次の必修科目「基礎情報教育」(2単位)を取得すること

授業科目

基礎情報教育	鳴門教育大学に入学した全学生が、教員となるために必要な情報リテラシーやデータ科学の基礎を学習するために、1年次生対象に開講される必修科目です。座学（木曜日15回）で学んだことを、演習（火曜日15回）を通して理解を深めます。

プログラムを構成する授業に含まれる内容・概要

数理・データサイエンス教育強化拠点コンソーシアムの数理・データサイエンス・AIモデルカリキュラム（リテラシーレベル）との対応は次の通りです。

モデルカリキュラムの「導入」・「基礎」・「心得」

授業に含まれている内容・要素	授業内容
(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	1-1 社会で起きている変化 Society 5.0・ビッグデータ・教育における変化 ○ IoT・データ駆動 1-6 データ・AI 利活用の最新事例 ○ データ・AIの活用事例 (シェアリングエコノミー・WEBマーケティング) ○ IoT・データ駆動型社会
（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	1-2 社会で活用されているデータ ○ 観察データと実験データ ○ オープンデータ (PISA のデータ・スポーツデータ) 1-3 データ・AI の活用領域 ○ AI・深層学習の活用領域の広がり
（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 ※モデルカリキュラム導入１－４、導入１－５が該当	1-4 データ・AI の利活用のための技術 ○ 機械学習・回帰・分類・クラスタリング ○ データの可視化 1-5 データ・AI の利活用の現場 ○ 活用事例紹介 (教育データ・ランキング・購買特性予測) ○ IoT やデータ活用事例の調査と発表 (プロジェクト学習)
（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	3-1 データ・AI の利活用における留意事項 ○ 倫理的課題 (個人やマイノリティーの自由・プライバシー) ○ 具体例を通した学習 (個別化広告・選択的ニュース配信) 3-2 データを守る上での留意事項 ○ 情報セキュリティ (情報漏洩・サイバー犯罪) ○ ICT 関連の法律 (著作権法・個人情報保護法)
（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	2-1 データを読む ○ データに基づく思考や判断 ○ データの種類・データの要約 2-2 データを説明する ○ データ可視化の演習 ○ オープンデータのデータ分析と説明活動 2-3 データを扱う ○ データ要約と可視化の演習

モデルカリキュラムの「選択」

4-1統計および数理基礎
4-3データ構造とプログラミング基礎
4-8データ活用実践（教師あり学習）

認定の有効期限

令和９年３月３１日まで

申請資料

鳴門教育大学申請資料一式.pdf(2MB)ダウンロード

※申請後、「プログラム改善体制規則」および「自己点検・評価体制規則」が改正されています。
　→　学部教務委員会規程（R4更新）.pdf(122KB)

教育プログラムの点検・評価等

お問い合わせ

学生支援部教務課教務係

電話：088-687-6692
E-Mail：daigakuin@naruto-u.ac.jp