明星大学の数理・データサイエンス・AI教育

　Society 5.0 時代において必要とされる数理・データサイエンス・AI （以下、DSと略す）に関する能力を身に付けられるようにするため、明星大学では次の3つのアプローチでDS教育を推進しています。

(a) リテラシーとしてのDS教育を全学的に実施
(b) データサイエンスを駆使する人材養成を目的とする学位プログラムの開設
(c) 各学部におけるそれぞれの専門分野でのDS活用の深化

　これらの達成のため、明星大学では2023年4月にデータサイエンス学環（以下、DS学環）を設置しました。
　データサイエンス学環では、まず (b) について、「学士（データサイエンス）」を課程修了時に学位として授与する学位プログラムを開設し、4年間の学修環境やカリキュラムの提供と教育の実施をスタートさせました。

　また、データサイエンス学環の開設と同時に、(a) について、全学共通科目（必修科目）「データサイエンスリテラシー」を新設しました。この科目は、明星大学に入学する全ての学生が1年次に履修し、卒業までに必ず修得しなければなりません。

　加えて、2024年度から (b) に関連して、データサイエンス学環の学生を対象として、「データサイエンス演習1」と「AI・機械学習1」を新設しました。これらの科目は、明星大学データサイエンス学環に入学する学生が2年次に履修し、卒業までに必ず修得しなければなりません。

明星大学データサイエンス学修プログラム（リテラシーレベル）

　文部科学省の「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」に合わせた教育プログラムとして、「明星大学データサイエンス学修プログラム（リテラシーレベル）」を設けています。このプログラムを構成する科目として、全学共通科目（必修科目）「データサイエンスリテラシー」を開設しており、本科目の修得をもってプログラムの修了要件が満たされます。

プログラム名称：明星大学データサイエンス学修プログラム（リテラシーレベル）
授業科目：データサイエンスリテラシー
- 単位数：2単位
- 科目区分：全学共通科目（全ての学部・学環における卒業要件として必修）
プログラム修了要件：科目「データサイエンスリテラシー」の単位修得

　本プログラムは、文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」に認定されています。（認定の有効期限：令和11年3月31日まで）

数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）ロゴマーク

数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）申請書（PDF形式：5.88 MB）

本プログラムで身につけることのできる能力

　人工知能（AI）の社会での利活用が急速に広まる中、AIを適切に機能させるために大量のデータが必要になっています。また、さまざまな局面での意思決定におけるエビデンスに利活用されるなど、データの重要性は益々高まっています。

　「データサイエンスリテラシー」では、まず私たちの日常生活など身近なところでどのようにAIやデータが利活用されているか、また必要なデータがどのように生成、収集、整理されているかについて学びます。そして、AIやデータを活用するために、データを読み、説明する手法や、基礎概念を学びます。加えて、データやAIをはじめとする新しい科学技術を取り入れていく上で重要となる、倫理的、法的、社会的課題についても学びます。

　これらの学びにより得られる能力として、履修生が到達する目標を次のように定めています。

データ活用の事例を多く知り、データ活用の必要性と重要性とを理解し説明できる。
データを正しく取り扱い、統計的に正しく分析し、AIを適切に活用する基礎を身に付ける。
データを活用する上で留意すべき、倫理的・法的・社会的課題を理解し説明できる。

　これらの目標を達成することにより、学科等での専門的な学びや研究の中で、データの利活用を適切に行うための基盤を築くことができます。

授業の方法・内容

　「データサイエンスリテラシー」では、オンラインツールを用いながら、クラスの履修者や教員、TA・SAと相互レビューや意見交換を行い、課題やその解決に至る分析に対する考察を深めたり、分析ツールの使い方について学びを進めたりします。対面で質問をすることもできます。

　各回の内容は大きく2部構成になっています。前半は、「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」における、モデルカリキュラムリテラシーレベルの「1. 社会におけるデータ・AI利活用」「3. データ・AI利活用における留意事項」に該当する内容に関する導入とその意見交換を行っています。後半は、「2. データリテラシー」に該当する技能について、学修者自身で手を動かしながら把握し、その意見交換ができるようにしています。

　履修者同士の意見交換を活発にできるような問いを教員側から提示することにより、数理・データサイエンス・AI に関する内容に対する好奇心を醸成するよう心がけています。

参考

実施体制

スクロールできます

委員会等	役割
データサイエンス学環長	プログラム（科目）実施責任者
データサイエンス学環 ※1	プログラムの改善・進化、自己点検・評価
データサイエンスリテラシー運営チーム　※2	授業計画の策定、教材開発・学習システム開発、授業運営・実施

※1データサイエンス学環にデータサイエンス教育検討委員会を置き、データサイエンス教育の充実・改善・進化、および学内外への展開を見据えた教育プログラムの開発・整備を行うこと、ならびに自己点検・評価についての検討を行っています。
※2データサイエンスリテラシー運営チームは、科目担当教員をはじめ、教材や学習システムの開発・整備・改善を行う教員および学生（TA・SA）により構成されています。また、TA・SAの養成も行っています。

自己点検結果

「データサイエンスリテラシー」では、受講生の活動記録（ログデータ）や授業アンケートをもとに、検証（自己点検・評価）を行いながら、逐次改善を行なっています。

検証結果

明星大学データサイエンス学修プログラム（応用基礎レベル）

　文部科学省の「数理・データサイエンス・AI教育プログラム認定制度（応用基礎レベル）」に合わせた教育プログラムとして、応用基礎レベルの「明星大学データサイエンス学修プログラム」を設けています。

データサイエンス学環

明星大学データサイエンス学修プログラム（データサイエンス学環）

　データサイエンス学環では、1年次配当の科目（計14単位）を履修し単位取得することに加え、コア科目（計4単位）を2年次（前期）に修得することで、各分野にデータサイエンスを活用できる基礎能力を身に付けることができます。

プログラム名称：明星大学データサイエンス学修プログラム（データサイエンス学環）
コア科目：
- データサイエンス演習1（単位数：2単位）
- AI・機械学習1（単位数：2単位）
基盤科目：
- 統計学１（単位数：2単位）
- 線型代数学１（単位数：2単位）
- 基礎解析学１（単位数：2単位）
- プログラミング概論（単位数：2単位）
- プログラミング演習（単位数：2単位）
- データサイエンス概論１（単位数：2単位）
- データサイエンス概論２（単位数：2単位）
修了要件：
基盤科目（標準履修年次は1年次）全ての単位取得に加え、コア科目（標準履修年次は2年次）の全てを修得すること。

本プログラムで身につけることのできる能力

　人工知能（AI）の社会での利活用が急速に広まる中、AIを適切に機能させるために大量のデータが必要になっています。また、さまざまな局面での意思決定におけるエビデンスに利活用されるなど、データの重要性は益々高まっています。社会を支える各専門分野においても、従来よりも高度にデータをエビデンスとして用い、新技術・理論構築に活用されることが期待されています。
　本プログラムでは、各専門分野においてデータサイエンスやデータエンジニアリングを応用できるよう、その基礎力を養います。それにより、次のような知識・能力・技能が身に付けられます。

データ活用の実践や新たな価値を見いだすデータサイエンスの応用知識を備えている。
データサイエンスと情報学分野、理工学分野及び経済学分野をはじめとする各専門分野との関わりについて理解し、それぞれの分野における諸課題をデータから考察することができる。
社会の多様な諸問題について、数理・データサイエンス・AI を用いて、解決すべき具体的な課題を抽出・分析することができる。また、それらの課題背景を理解した上で解決策を立案することができる。

授業内容

スクロールできます

科目名称	単位数	配当年次	授業内容	モデルカリキュラム対応箇所
データサイエンス演習１	2単位	2年	数理・データサイエンス・AIに関してこれまでに身に付けた知識・技能を基に、主にPythonを用い、演習を通じて、各種データの収集・加工・分析の基礎を身に付ける。具体的な事例を通じた演習を行うことで、データの収集・加工・分析の一連の過程を理解するとともに、数学や統計学をベースとしたデータサイエンスの理論とその実践との関連に自ら気付きを得ることで、より深い知識の理解と技能の体得を目指す。	1-2: 分析設計、 2-2: データ表現、 1-3: データ観察、 1-4: データ分析、 1-5: データ可視化、 2-5: データ加工
AI・機械学習１	2単位	2年	機械学習の基本的な手法を取り扱う。人工知能、機械学習とは何かを説明し、機械学習の基本手法と深層学習の基礎を解説する。また、深層学習や強化学習、生成AIの基本的な考え方にも触れる。いろいろな機械学習アルゴリズムの目的や適用範囲を実例とともに紹介する。	3-1: AIの歴史と応用分野、 3-2: AIと社会、 3-3: 機械学習の基礎と展望、 3-4: 深層学習の基礎と展望、 3-5: 生成AIの基礎と展望、 3-10: AIの構築・運用
統計学１	2単位	1年	種々の分野におけるデータから有用な情報を得るためには、統計学の知識を身につけることが必須である。本講義では統計的なものの見方や考え方を身につけ、種々の統計学の共通の基礎である推測統計の推定論について理論面を中心に学ぶ。統計学の基礎知識である統計的推定論の理論と応用を身につけ、データサイエンス分野で活躍できるようにする。	1-6: 数学基礎
線型代数学１	2単位	1年	線型代数学は、情報・理工系の多くの分野において登場する数学の基礎となる体系である。幾何学的なベクトルやベクトルの写像等を拡張した線型空間の概念を理解することを目標とする。まずは具体的なベクトル・行列計算等を行うことができるように、更には連立一次方程式を解く等の応用にも使うことができるようになることを目指す。はじめは実数上の２、３次元におけるベクトルや行列の幾何学的意味を考えながら、その計算に慣れ親しむ。その後、ｎ次元や複素数に拡張し、掃出し法等の応用も修得し、抽象線型空間の理解に至る。	1-6: 数学基礎
基礎解析学１	2単位	1年	データサイエンスをはじめ、自然科学や社会科学を専攻する上で必要となる解析学の基礎を身に付けるため、本科目では1変数実関数に対する微分法、積分法を学ぶ。まず、集合、関数、数列、収束、極限などの微分積分学に必要な概念を理解し、1変数実関数の微分積分を理解するとともに、具体的な関数の微分、積分の計算ができるようになることを目指す。そして、基礎解析学がデータ分析やAI・機械学習でどのように役立っているかを理解する。	1-6: 数学基礎
プログラミング概論	2単位	1年	プログラミングの初歩的な概念および文法について学ぶ。プログラミング言語とプログラミング技術の基礎を理解する。フローチャートを用いた論理的記述に始まり、プログラムの構造、プログラムの書き方、デバッグについて学ぶ。なお、プログラミング言語はPythonとCを扱う。	1-7: アルゴリズム、 2-2: データ表現
プログラミング演習	2単位	1年	計算機としてのコンピュータの概要を学ぶことを通して、Pythonによるプログラミングの基礎を身につける。さらに、Pythonで学んだことをもとに、C言語でも同様の簡単なプログラムを作成できるようになることを目指す。	2-7: プログラミング基礎
データサイエンス概論１	2単位	1年	データサイエンスとは、科学的手法を用いてデータから価値のある情報や知見を生み出す学問領域である。データサイエンスが世の中でどのように用いられ役立っているかを概観し、他の学問領域とどのような関係にあるのかを理解し、今後のデータサイエンス学修・研究のロードマップを設計できるようになることを目標とする。現代のデータサイエンスで用いられる主な科学的手法は、統計学と人工知能である。具体的な応用例を交えつつ、これらの手法が、自然現象や社会現象の予測や識別においてどのように使われるのかを紹介する。	1-1: データ駆動型社会とデータサイエンス、 2-1: ビッグデータとデータエンジニアリング
データサイエンス概論２	2単位	1年	データサイエンスを活用した研究や、連係学部の関連科目を、専門分野ごとにオムニバス形式で紹介する。情報学部、理工学部、経済学部の教員がそれぞれ4回ずつ担当する。また3回の授業回を使い、紹介された各分野の研究・活用事例について、自らの興味関心や社会的必要性に照らし合わせながらまとめ上げ、さらにそれらを相互に批評する。	1-1: データ駆動型社会とデータサイエンス

実施体制

スクロールできます

委員会等	役割
データサイエンス学環長	プログラム（科目）実施責任者
データサイエンス学環 ※1	プログラムの改善・進化、自己点検・評価
データサイエンス学環 ※1	授業計画の策定、教材開発・学習システム開発、授業運営・実施

※1データサイエンス学環にデータサイエンス教育検討委員会を置き、データサイエンス教育の充実・改善・進化、ならびに自己点検・評価についての検討を行っています。

自己点検結果

2024年度自己点検・評価（PDF形式：138.36 KB）

データサイエンス学位プログラム（データサイエンス学環）

　明星大学では、2023年度4月にデータサイエンス学環を開設し、所定の要件を修めることで「学士（データサイエンス）」が授与される学位プログラムを設置しました。複数の専門分野に横断的・融合的にデータサイエンスを応用できる人材、すなわちデータサイエンスを専門とする人材を養成することを目的とする学位プログラムです。
　詳細は以下の関連ページをご参照ください。