数理・データサイエンス・AI教育プログラム
都城工業高等専門学校の数理・データサイエンス・AI教育プログラムの概要
都城工業高等専門学校の「数理・データサイエンス・AI教育プログラム（リテラシーレベル）」とは、デジタル社会における基礎的な「読み・書き・そろばん」ができるようになり、さらに、修得した知識やスキルが専門分野にも応用できるように設計された教育課程です。また、本プログラムを修得することにより、ビッグデータやAIから得られる結果の活用や統計的推論と関連付けた説明ができるとともに、社会情勢や社会での実例を学ぶことで、人間中心の適切な判断ができるようになります。
本プログラムは、令和3年度以降の準学士課程（本科）の第1学年に入学するすべての学生に対象に実施しています。
 |
 |
| <認定の有効期限：令和９年３月３１日まで＞ |
都城工業高等専門学校の「数理・データサイエンス・AI教育プログラム」により学生が身に付けられる能力等
本プログラムの対応科目を修得することにより、以下の能力が身につきます。
- デジタル社会の「読み・書き・そろばん」である数理・データサイエンス・AIの基礎的素養とデータを分析する基本的能力
- 社会情勢や社会での実例を学び、人間中心の適切な判断ができ、変化する社会で活躍しようとする向上心
- 基礎的なプログラミング能力
修了要件
下記に示す授業科目を修得し、本校の卒業認定に必要な単位を修得した学生は、卒業と同時に本教育プログラム（リテラシーレベル）修了者として認定されます。科目をクリックするとWebシラバスのサイトに移動し、授業内容を見ることができます。
| 学 科 | 授業科目 | 履修年次 | 単位数 |
| 機械工学科 電気情報工学科 物質工学科 建築学科 |
情報基礎Ⅰ | 1年 | 2 |
対象科目の学習内容およびモデルカリキュラムとの対応
下記の表は、都城工業高等専門学校「数理・データサイエンス・AI教育プログラム（リテラシーレベル）」の対象科目の学習内容および数理・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（リテラシーレベル）モデルカリキュラムとの対応を示しています。
| 授業に含まれている内容・要素 | 数理・データサイエンス教育拠点コンソーシアムのモデルカリキュラム | 講義内容 （ ）は授業における授業回数を示しています。 |
| （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 | 1-1 | ① 情報技術は進展が速いということを理解し、それに伴う社会の変化と課題について理解する「情報基礎 I 」（第4回） ② AIの定義とその必要性について理解する「情報基礎 I 」（第27回） |
| 1-6 | ① データ・AIを具体的にどのように使えば良いのかについて理解する「情報基礎 I 」（第28回） ② 機械学習・強化学習・深層学習について理解する「情報基礎 I 」（第29回） |
|
| （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 | 1-2 | ① 統計学の手法に基づいて得られたアンケート調査結果から，全体の結果を推測できるしくみ「情報基礎 I 」（第11回） ② アンケート調査などで集められた回答をデータ化し，回答者全体の傾向を把握する単純集計の方法「情報基礎 I 」（第12，13回） |
| 1-3 | ① データの作り方・収集方法・変換方法「情報基礎 I 」（第10回） ② 属性や回答ごとによる解答傾向を読み取るためのクロス集計の方法「情報基礎 I 」（第14，15回） |
|
| （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 | 1-4 | ① Pythonを用いてcsvデータの読み込み、統計量の確認、グラフを書く方法「情報基礎 I 」（第25，26回） ② 質的データから情報を読み解くために、クロス集計表の分析方法「情報基礎 I 」（第18回目） ③ 相関係数や回帰分析などを用いて、データの結びつきや予測方法「情報基礎 I 」（第19，21回） ④ 公的機関などが公表している統計データを利用して、簡単な分析「情報基礎 I 」（第21回） |
| 1-5 | ① 情報技術は進展が速いということを理解し、それに伴う社会の変化と課題について理解する「情報基礎 I 」（第4回） ② 代表的な情報システムとその利用形態について学習する「情報基礎 I 」（第4回） |
|
| （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 | 3-1 | ① AIの定義とその必要性について理解する「情報基礎 I 」（第27回） ② データ・AIを具体的にどのように使えば良いのかについて理解する「情報基礎 I 」（第28回） ③ 機械学習・強化学習・深層学習について理解する「情報基礎 I 」（第29回） ④ データ・AIを活用するうえで，必要となる倫理やセキュリティについて理解する「情報基礎 I 」（第30回） |
| 3-2 | ① 情報通信社会「情報基礎 I 」（第6回） ② 情報セキュリティの必要性、対策、機密性、完全性、可用性「情報基礎 I 」（第6回） ③ インシデント発生時にとるべき行動「情報基礎 I 」（第7回） ④ 脅威を理解し対策方法を理解「情報基礎 I 」（第7回） |
|
| （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 | 2-1 | ① Excelでのデータの処理方法、関数の扱い方、グラフの作成法「情報基礎 I 」（第17回） ② オープンデータを用いてExcelを活用した表作成とグラフ作成を行い、可視化したデータから特徴を読みとる「情報基礎 I 」（第17回） |
| 2-2 | ① データの代表値、ばらつきや表現の仕方「情報基礎 I 」（第16回） ② 実データを用いた演習によりデータの特徴を捉える方法「情報基礎 I 」（第16回） ③ データを実問題へ適用し活用するための取り扱い方や分析方法「情報基礎 I 」（第16回） ④ データを特徴づける値の定義や取り扱い「情報基礎 I 」（第16回） |
|
| 2-3 | ① 質的データから情報を読み解くために、クロス集計表の分析方法「情報基礎 I 」（第18回目） ② 相関係数や回帰分析などを用いて、データの結びつきや予測方法「情報基礎 I 」（第19，20回） ③ 公的機関などが公表している統計データを利用して、簡単な分析「情報基礎 I 」（第21回） ④ データ分析を行う場合の問題点や注意点「情報基礎 I 」（第22回） |
実施体制
本教育プログラムを実施し、改善を行っていくために、校長を運営責任者とし、プログラムの改善・進化に関しては教務委員会が担当し、プログラムの自己点検・評価は自己点検評価委員会および数理・データサイエンス・ＡＩ専門部会で行います。
| 委員会等 | 役 割 |
| 校 長 | 運営責任者 |
| 教務委員会 | プログラムの改善・進化 |
| 自己点検評価委員会 および数理・データサイエンス・AI専門部会 |
プログラムの自己点検・評価 |
自己点検・評価
本プログラムの自己点検および評価は、自己点検評価委員会および数理・データサイエンス・AI専門部会で実施しました。その結果は下記のリンク先でご覧になれます。
令和3年度自己点検・評価結果
令和4年度自己点検・評価結果
令和5年度自己点検・評価結果
申請書
本プログラム（リテラシーレベル）の申請書等は、下記のリンク先からご覧になれます。
数理・データサイエンス・AI教育プログラム（リテラシーレベル）申請書
数理・データサイエンス・AI教育プログラムの取り組み概要
数理・データサイエンス・AI教育プログラムの取り組み補足資料