情報リテラシー２

科目基礎情報

学校	阿南工業高等専門学校	開講年度	令和08年度 (2026年度)
授業科目	情報リテラシー２
科目番号	1512C01	科目区分	専門 / 必修
授業形態	演習	単位の種別と単位数	履修単位: 2
開設学科	専門共通科目（本科）	対象学年	2
開設期	通年	週時間数	前期:2 後期:2
教科書/教材	K-SEC「情報モラル教材」「低学年向け共通教材」, 実教出版「高校情報Ｉ Python」，実教出版「情報 II 」
担当教員	都築 怜理,水野 智也,小松 実,特命 准教授

到達目標

１．情報を収集，処理，発信するための基本的なハードウェア，ソフトウェア，ネットワークに関する知識を活用できる．
２．特定の課題に対し，アルゴリズムを考え，記述できる．
３．情報セキュリティに配慮して情報を正しく取り扱うことができる．
４．データサイエンス・AIを使う素養を身につける．

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	最低限の到達レベルの目安（可）
到達目標1：情報を収集，処理，発信するための基本的なハードウェア，ソフトウェア，ネットワークに関する知識を活用できる．	情報を収集，処理，発信するための基本的なハードウェア，ソフトウェア，ネットワークを利用して新たな情報を生み出すことができる．	情報を収集，処理，発信するための基本的なハードウェア，ソフトウェア，ネットワークを利用してコミュニケーションを行うことができる．	情報を収集，処理，発信するための基本的なハードウェア，ソフトウェア，ネットワークを利用したことがある．
到達目標2：特定の課題に対し，アルゴリズムを考え，記述できる．	自ら課題を設定し，目的に応じたモデル化を適切に行い，課題を解決するためのアルゴリズムを設計・評価し改善することができる．	目的に応じたアルゴリズムを考え，適切な方法で表現することができる．	アルゴリズムを利用したことがある．
到達目標3：情報セキュリティに配慮して情報を正しく取り扱うことができる．	情報技術に関する法規や制度，情報セキュリティの重要性，情報社会における個人の責任やモラルについて説明できる．	情報技術を利用する上で発生する問題について正しい対処法を説明できる．	情報技術を利用するときに必要なルール・マナーについて知っている．
到達目標4：データサイエンス・AIを使う素養を身につける．	データサイエンス・AI技術の利活用に必要な基本的スキル（データの取得，可視化，分析）を組み合わせ，新たな価値を創造することができる．	データサイエンス・AI技術の利活用に必要な基本的スキル（データの取得，可視化，分析）を使うことができる．	データサイエンス・AIについて知っている．

教育方法等

概要:

本科目では，情報に関する基礎知識と実践的なスキルを習得する．具体的には，コンピュータのハードウェアとソフトウェアの基本，ネットワークの原理，問題解決の方法論，基本的なプログラミングの概念を学ぶ．また，データサイエンスや人工知能の基礎，情報セキュリティ，デジタルメディアを活用した効果的なコミュニケーション方法についても扱う．本科目は数理・データサイエンス・AI教育プログラム（リテラシー）を構成し，プログラムの修了には本科目の修得が必要である．

授業の進め方・方法:

授業は対話型の講義，実践的な演習，共同プロジェクト，個人課題を組み合わせた形式で進められます．グループディスカッション，ワークショップ，プレゼンテーションを頻繁に行い，学生の積極的な参加を促しながら授業内容への理解を深めます．特に，Microsoft Word，Excel，PowerPointといったソフトウェアツールや初級のプログラミング環境を用いた実践的な演習を重視します．科目の終盤には，学習した内容を実践的に示すプロジェクトの発表を行います．

注意点:

情報リテラシーは，技術者にとって非常に大切な道具として，日常的に利用します．これに対し，ハードウエアやソフトウエアは日進月歩ですから，常に新しい知識や技法を修得する必要があります．このため，マニュアルを読んで理解し，それを活用することに習熟しなければなりません．授業では，情報リテラシーの一部しか取り扱いませんので，自分から進んで勉強し，得られた知識を応用する習慣を身につけてください．

授業の属性・履修上の区分

アクティブラーニング

ICT 利用

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	情報社会の発展と課題	情報社会の変化と課題について理解を深める．
		2週	メディアリテラシーの重要性	メディアの役割を理解し，情報を批判的に評価できる．
		3週	デジタルコンテンツの種類と特徴	デジタルコンテンツの主な種類とそれぞれの特徴を理解する．
		4週	動画編集入門	動画編集の基本操作を習得する．
		5週	動画コンテンツの制作と活用	動画コンテンツ制作の種類や方法，およびその活用について理解する．
		6週	データサイエンス入門（基本概念）	データサイエンスの基本概念を理解する．
		7週	【前期中間試験】
		8週	データ収集と分析の初歩	簡単なデータ収集方法と基礎的分析手法を学ぶ．
	2ndQ
		9週	データの視覚化とプレゼンテーション	データを視覚的に表現し，伝える技術を習得する．
		10週	情報システムの仕組みと役割	情報システムの基本構造と社会的役割を理解する．
		11週	身近な情報システムの事例研究	身近な情報システムの事例研究について理解を深める．
		12週	電子掲示板・コミュニケーションツールの活用	電子掲示板やSNSなどを適切に活用できる．
		13週	暗号化とセキュリティ入門	基本的な暗号化技術とセキュリティの考え方を学ぶ．
		14週	プロジェクトマネジメントの基礎	プロジェクトマネジメントの基礎を理解する．
		15週	チーム運営とコミュニケーション	効果的なチーム運営とコミュニケーション方法を学ぶ．
		16週	【前期期末試験】
後期
	3rdQ
		1週	プロジェクトの計画と進行管理	プロジェクトの計画と進行を管理する手法を学ぶ．
		2週	プロジェクト評価と改善	プロジェクトの評価方法と改善策を理解する．
		3週	データ分析の実践的演習	実際のデータ分析を演習で実践する．
		4週	Webメディアと情報発信	Webメディアを活用した効果的な情報発信方法を学ぶ．
		5週	コンテンツ制作の演習	実際のコンテンツ作成を演習を通じて学ぶ．
		6週	情報社会における個人と社会	情報社会における個人と社会の関係を考える．
		7週	データプライバシーと倫理	データプライバシーの保護と倫理的課題を理解する．
		8週	【後期中間試験】
	4thQ
		9週	情報の信頼性評価とファクトチェック	情報の信頼性を評価するスキルを習得する．
		10週	シミュレーションを使った問題解決演習	シミュレーションを用いて問題解決を演習する．
		11週	メディアの影響と情報操作	メディアの影響力と情報操作のリスクを学ぶ．
		12週	デジタル社会と法制度	デジタル社会における法律やルールを理解する．
		13週	プロジェクト成果の発表準備	プロジェクトの成果をまとめ，発表準備をする．
		14週	プロジェクト成果発表	プロジェクトの成果を発表し，フィードバックを得る．
		15週	全体のまとめと振り返り	コース全体を振り返り，学習成果を確認する．
		16週	【後期期末試験】

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
専門的能力	分野別の専門工学	情報系分野	ソフトウェア	アルゴリズムの概念を理解し、与えられたアルゴリズムが問題を解決していく過程を説明できる。	3
				計算量によってアルゴリズムを比較・評価できることを説明できる。	3
				コンピュータ内部でデータを表現する方法（データ構造）にはバリエーションがあることを理解し、基本的なデータ構造の概念と操作を説明できる。	3

評価割合

	定期試験	小テスト	レポート	その他	合計
総合評価割合	30	30	30	10	100
基礎的能力	10	10	10	5	35
専門的能力	20	20	20	5	65
分野横断的能力	0	0	0	0	0