シラバス参照／View Syllabus
|
シラバス参照／View Syllabus
|
| 科目一覧へ戻る／Return to the Course List | 2025/09/09 現在／As of 2025/09/09 |
|
開講科目名 ／Course |
現代社会１(数理?データサイエンス?AI)／MODERN SOCIETY1(INTRODUCTION TO DATA SCIENCE (LITERACY LEVEL)) |
|---|---|
|
ナンバリングコード ／Numbering Code |
93-1004 |
|
開講所属 ／Course Offered by |
大学全カリ総合科目／ |
|
ターム?学期 ／Term?Semester |
2025年度／2025 Academic Year 秋学期／FALL SEMESTER |
|
曜限 ／Day, Period |
水2／Wed 2 |
|
開講区分 ／semester offered |
秋学期／Fall |
|
単位数 ／Credits |
2.0 |
|
学年 ／Year |
1,2,3,4 |
|
主担当教員 ／Main Instructor |
横塚 志行 |
|
遠隔授業科目 ／Online Course |
－ |
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 横塚 志行 | 経営学科／MANAGEMENT |
|
授業の目的?内容 ／Course Objectives |
1．授業の目的?内容 本授業は、文部科学省が推進する「数理?データサイエンス?AI（以下、数理?DS?AI）」のリテラシーレベルを習得し、実務でも活用できる基礎的な力を身につけることを目的としています。数理?DS?AIは、様々な分野での課題解決に活用されており、現代社会を生きるうえで欠かせない素養となっています。こうした背景をふまえ、本授業では、学生が幅広い視点を持ちながら、自身の専門分野や日常生活の中でデータやAIを適切に活用できる力を育むことを目指します。 2．主な内容 ?数理?DS?AIの基礎知識 データ駆動型社会、ビッグデータ、AI技術の概要を学び、社会での活用事例を通じてその意義を理解します。 ?データリテラシーの習得 データの読み方、整理?分析方法、視覚化手法をExcel演習を通じて学びます。統計の基本やクロス集計、相関分析などのスキルを実践的に身につけます。 ?データ?AI利用の倫理と安全 AI利用における透明性やデータバイアス、GDPRなどの法的枠組み、情報セキュリティや個人情報保護の基本を学びます。 3．学生が得られる成果 ?数理?DS?AIの基礎知識を習得し、データサイエンスやAIの社会的な活用方法を理解する。 ?実際のデータを扱うスキルを身につけ、課題解決に応用できる力を養う。 ?データサイエンスやAI活用に伴う倫理的課題や情報保護の重要性を理解し、責任ある行動を取れる意識を持つ。 さらに、本講義は経営学科の学位授与方針（DP）に則り、情報技術に関する専門知識の提供を通じて、情報処理の原理を理解し、実務にも役立つ内容を心掛けています。 |
||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
授業の形式?方法と履修上の注意 ／Teaching method and Attention the course |
初回講義において、学習する内容、講義の進め方、成績の評価方法などを説明する。 対面授業を原則とし、以下の前提を想定している。 ?PCを操作しながら授業を進めることがあるので、自分が所有するPCを持参しPCの操作ができることこと ?データリテラシーに関するエクセルの課題提示を指示する。 ?課題提示に対するフィードバックは、manabaで解答をアップロードし、適宜解説を行う。 ?本授業は全学年を対象としています。学年や学部に関わらず、基礎から学べる内容を構成しています。 ?各学期の最終授業で総復習の位置づけでテストを実施する。 |
||||||||||
|
事前?事後学修の内容 ／Before After Study |
事前事後の学習時間は合計４時間である。 講義参加者は、事前学習として事前提示予定のレジュメを事前に読んでおいてほしい（２時間）。 事後学習は、授業ノートなどを目を通し内容を理解を促進してほしい（１時間）。 上記以外にも、データサイエンス、AIに関する記事等を日常的に入手しておきAIの動きを把握してほしい(1時間)。 |
||||||||||
|
テキスト1 ／Textbooks1 |
|
||||||||||
|
テキスト2 ／Textbooks2 |
|
||||||||||
|
テキスト3 ／Textbooks3 |
|
||||||||||
|
参考文献等1 ／References1 |
|
||||||||||
|
参考文献等2 ／References2 |
|
||||||||||
|
参考文献等3 ／References3 |
|
||||||||||
|
評価方法 ／Evaluation |
秋学期の最終授業で総復習の位置づけでテストを実施する。 なお、評価比率は、出席と課題提示(30-40%程度)とテスト(60-70%程度)と想定している。 |
||||||||||
|
関連科目 ／Related Subjects |
|||||||||||
|
備考 ／Notes |
|||||||||||
|
到達目標 ／Learning Goal |
現代社会に関する学問分野について、副題に示したテーマをもとに、21世紀型市民にふさわしい概括的な知識を習得し、今後の複雑な国内および国際情勢に対処していく方法について、論理的かつ創造的思考を持って対応できるようにする。 | ||||||||||
|
DPとの関連 ／Relation to DP |
| 回 ／Time |
授業計画（主題の設定） ／Class schedule |
授業の内容 ／Contents of class |
事前?事後学修の内容 ／Before After Study |
|---|---|---|---|
| 1 | オリエンテーション |
授業の進め方を紹介する |
事前：レジュメの一読 事後：講義ノートの確認 |
| 2 | 社会で起きている変化 |
?ビット、バイト、ビッグデータ、３Ｖ ?ビッグデータ関連サービス（SNS,検索エンジン等） ?データ駆動型社会、第四次産業革命 等を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 3 | 社会で活用されているデータ |
?ビッグデータの種類（調査データ、ログデータ等） ?構造化データ、非構造データ ?母集団と標本抽出 等を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 4 | データ?AI利活用のための技術とその活用領域 |
?文字認識、音声認識、機械翻訳、自動運転、レコメンドエンジン、強化学習等のＡＩ技術 ?製造分野、出荷物流分野、マーケティング分野、販売分野等のサービス などを学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 5 | データ?AI利活用のための技術 |
?ＡＩ概要 ?文字認識、音声認識、機械翻訳、自動運転、レコメンドエンジン、強化学習 等を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 6 | 生成ＡＩの概要とその使い方 |
?基礎的なＡＩ技術（機械学習、ＤＬ等） ?生成ＡＩ(テキスト生成、画像生成)の概要 ?生成ＡＩの使い方 ?プロンプトエンジニアリング などを学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 7 | データリテラシー(データを読む) |
?エクセルの使い方 ?質的データ、量的データ ?平均、分散、標準偏差、中央値、最頻値 などを学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 8 | データリテラシー(データを読む) |
?相関係数、回帰分析 などを学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 9 | データリテラシー(データを説明する) | 棒グラフ、円グラフ、帯グラフ、折れ線グラフ、散布図等の作成方法を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 10 | データリテラシー(データを説明する) | 箱ひげ図、パレート図等の作成方法を学ぶ | 事前：レジュメの一読 事後：講義ノートの確認 |
| 11 | データリテラシー(データを扱う) |
分割表、クロス集計表の作成方法を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 12 | データ?AIを扱う上での留意事項 |
?ELSI ?AI倫理 ?AIの留意事項(ブラックボックス、アカウンタビリティ、透明性、データバイアス) 等を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 13 | データを守る上での留意事項 |
?情報セキュリティ ?個人情報保護法 ?GDPR ?サイバーセキュリティ 等を学ぶ |
事前：レジュメの一読 事後：講義ノートの確認 |
| 14 | まとめ | まとめ |