到達目標
情報化社会における個人の役割や,技術のあり方について説明できる。また,情報化社会と技術者としてどのように関わっていくべきかを説明できる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
情報の価値や蓄積,発信について理解する | 時間の経過に基づき説明し,考察できる | 時間の経過に基づき説明できる | 説明が不十分 |
情報社会における最新技術やサービス,社会との関わりについて理解する | 発展的な内容も含めて説明できる | 現代の情報化社会に基づき説明できる | 説明が不十分 |
ビッグデータとAI,データサイエンスやオープンデータについて理解する | 発展的な内容も含めて説明できる | 基本的な事項や利活用について説明できる. | 説明が不十分 |
学科の到達目標項目との関係
学習・教育到達度目標 1 工学分野についての幅広い知識と技術を活用できる実践的な能力
学習・教育到達度目標 4 技術者として社会的役割や責任を自覚して行動する姿勢
JABEE (D) 社会的要請を考えて研究・開発する能力
教育方法等
概要:
情報伝達の多様化と社会の変化,情報社会のもたらす影響と課題,情報社会を健全に維持・発展させていくための個人の役割や技術の役割等について学習する.
インターネットに代表される情報社会を,技術的な側面からだけでなく社会学的な観点からも考察・理解し,社会の発展に技術者としてどのように関わっていくべきかを考える能力を身に付ける.
授業の進め方・方法:
本科目は,教員による講義と学生自身の調査等を含めた実習,更に実習の発表によって実施する.
事前学習:授業前には関連する内容を調査し,自学する.
事後学習:授業後には自分自身での調査や実習を行う.
注意点:
単なる講義ではなく,学生自身が自主的に考え,行動することに重点を置いた授業となるため,積極的に授業に参加すること。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
情報の価値と情報の蓄積 |
情報とは何かを理解し,情報の蓄積方法を理解する.
|
2週 |
情報社会の変化 |
Society5.0をはじめとした社会の変化とその技術について理解する.
|
3週 |
データ・AIの利活用のための技術と領域 |
データ・AIの利活用のための技術やその適用領域について理解する.
|
4週 |
データの扱い |
データサイエンスの基本となるデータの扱いについて理解する.
|
5週 |
データの扱い |
データサイエンスの基本となるデータの扱いについて理解する.
|
6週 |
データを扱ったり,AIを利用する際の留意事項 |
データを使う上での留意事項について理解する.
|
7週 |
情報に関する法と情報発信 |
個人情報保護法等の法律を理解し,法を踏まえた情報発信について理解する.
|
8週 |
情報に関する法と情報発信 |
個人情報保護法等の法律を理解し,法を踏まえた情報発信について理解する.
|
2ndQ |
9週 |
ビッグデータとデータエンジニアリング
|
ビッグデータとそのデータの扱い,技術応用について理解する.
|
10週 |
AIの歴史と応用分野 |
AIの歴史と応用分野について理解する.
|
11週 |
AIと社会 |
情報社会におけるAIの利活用について理解する.
|
12週 |
機械学習と深層学習の基礎 |
機械学習と深層学習の概要を理解する.
|
13週 |
機械学習と深層学習の基礎 |
機械学習と深層学習の概要を理解する.
|
14週 |
AIの構築・運用 |
AIの構築方法や運用について理解する.
|
15週 |
情報社会と技術者としての関わり |
利用者視点に加えて,技術者の側面から見た情報社会とその技術について理解する.
|
16週 |
まとめ |
本授業のまとめと今後の課題を理解する.
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| レポート | 発表 | 課題演習 | 合計 |
総合評価割合 | 50 | 15 | 35 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 |
専門的能力 | 25 | 5 | 10 | 40 |
分野横断的能力 | 25 | 10 | 25 | 60 |