数理・データサイエンス・AI教育プログラム

プログラム概要

取組概要

取組概要

体制・自己点検等の概要

補足資料

 

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)

 

教育プログラムの点検・評価等