到達目標
今後のデジタル社会において、数理・データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を主体的に身に付けること。そして、学修した数理・データサイエンス・AIに関する知識・技能をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志でAI等の恩恵を享受し、これらを説明し、活用できるようになること。
・社会におけるデータ・AI利活用について理解する
・データを読むこと、説明すること、扱うことができる
・データ・AI利活用における留意事項を理解する
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 |
| 評価項目1 | 社会におけるデータ・AI利活用について理解し今後の展望を推測できる | 社会におけるデータ・AI利活用について理解できる | 社会におけるデータ・AI利活用について理解できない |
| 評価項目2 | データが表す意味を事象と照らし合わせて理解できる | データが表す意味を理解できる | データが表す意味を理解できない |
| 評価項目3 | 場面に応じた適切な方法でデータを表現できる | 様々な方法でデータを表現できる | 様々な方法でデータを表現できない |
| 評価項目4 | 機械判読可能な形でデータを記録し分析できる | データを表形式で記録し分析できる | データを表形式で記録し分析できない |
| 評価項目5 | データ・AIの利用におけるモラル・倫理・リスク・脅威に応じた対応を想定できる | データ・AIの利用におけるモラル・倫理・リスク・脅威を理解できる | データ・AIの利用におけるモラル・倫理・リスク・脅威を理解できない |
| 評価項目６ | 場面に応じた適切なデータ処理・可視化ができる | Pythonモジュールを用いたデータ処理・可視化ができない | Pythonモジュールを用いたデータ処理・可視化ができる |
学科の到達目標項目との関係
教育方法等
概要:
教科書『情報Ⅱ』の内容に沿って進め，主に２～３章について座学および演習によって学習する
授業の進め方・方法:
前半は座学中心で進め基本的な知識の学習を，後半は演習中心で進めスキルの習得を図る
注意点:
技術を活用することは，データやソフトウェアを操作できることだけでは成り立たず，基礎的な知識の学習と両立していることが必須である．例えば，チャットAIを使うことは誰でも可能であるが，真に使いこなすことができるのはチャットAIのバックグラウンドや活用する領域を深く理解できている者だけである．
技術（統計的手法，機械学習等）を有効に活用するために，講義全体の理解はもちろん，短期間ではカバーしきれない種々のトピックにも興味を持って自ら情報収集することが望まれる．
関連科目
情報リテラシーを下地とし，数理データサイエンスAI応用につながる科目である．
基礎的な数学の知識，プログラミングの知識があるほど望ましい．
学習指針
自身の専門と異なる内容が週ごとに新しく出てくるので，各週の内容を都度おさえておくこと．
事前学習
シラバスに対応する範囲の内容を教科書等であらかじめ確認しておくこと．
理解しにくいキーワードなどを抽出しておくことが望ましい．
事後展開学習
講義で扱った用語は十分に定着させること，演習の発展的な課題に取り組むことが望ましい．
学修単位の履修上の注意
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 |
| 後期 |
| 3rdQ |
| 1週 |
|
|
| 2週 |
|
|
| 3週 |
|
|
| 4週 |
|
|
| 5週 |
|
|
| 6週 |
|
|
| 7週 |
|
|
| 8週 |
|
|
| 4thQ |
| 9週 |
|
|
| 10週 |
|
|
| 11週 |
|
|
| 12週 |
|
|
| 13週 |
|
|
| 14週 |
|
|
| 15週 |
|
|
| 16週 |
|
|
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
| 試験 | 課題 | 合計 |
| 総合評価割合 | 0 | 100 | 100 |
| 基礎的能力 | 0 | 50 | 50 |
| 専門的能力 | 0 | 50 | 50 |
| 分野横断的能力 | 0 | 0 | 0 |