| 科目名 | データサイエンス入門 |
| 担当者 |
山下 義行
只木 進一 全 炳徳 木村 延明 |
| 開設学科 専攻・コース |
健康栄養学科 スポーツ健康福祉学科 リハビリテーション学科 理学療法学専攻 リハビリテーション学科 作業療法学専攻 子ども学科 心理カウンセリング学科 看護学科 デジタル社会共創学環 社会福祉学科 |
| 分類 | 共通教育科目 必修科目 |
| 関連する 資格・免許 |
管理栄養士国家試験受験資格 栄養教諭一種免許状 中学校教諭一種免許状（保健体育） 高等学校教諭一種免許状（保健体育） 高等学校教諭一種免許状（福祉） |
| 開講キャンパス | 開講年次 | 開設期 | 単位数 | 必修・選択 |
| 神埼 | 1年 | 前期 | 2単位 | 必修 |
| 授業の概要 及びねらい |
近年急速に進むDXの理解を通して、実際に利用されるデータやその活用領域およびデータの収集や加工などの技術について講義する。実際の利用例やそれによる社会変革を通して、データ・AIの利活用の進展について解説する。さらに、データ・AIに関わる基礎知識を理解した上で、データやその利用に関連する法律・規則、データの収集方法やAIを用いたデータの利活用、ならびにデータを正しく取り扱うための留意事項を解説する。実社会で利用されるデータを用いて、データの正しい見方、データ処理のための基礎的な統計学を解説する。また、表計算ソフトを用いた簡単なデータ処理を説明する。 |
| 実務経験に 関連する 授業内容 |
専任教員4名と学外講師2名で担当します。専任教員はいずれも情報科学等の領域を専門としています。 学外講師はIT企業でAI・データサイエンス関連の業務で活躍する若手・中堅技術者で、現場で利用される先進技術やそれを用いた事例を解説する。 |
| 授業の 到達目標 |
1）データ・AIの利活用によって社会および日常生活が大きく変化していることを理解し、現在のAIでできること、できないことを説明できる。 2）データの収集、加工、及び簡単な統計処理を通じて、データの特徴を読み解き、データから分かる事象の背景や意味合いを理解できる。 3）読み取ったデータの内容を表計算ソフト（スプレッドシートなど）を用いて可視化し、他者に説明できる。 4）個人情報保護法など、データを取り巻く国際的な動きを理解し、データ・AIを利活用する際に求められるモラルや倫理について説明できる。 |
| 学習方法 | ○各自が用意するPCを用いて、PC操作やソフトウエアの簡単な演習などを行う。 ○指示されたテーマ（課題含む）を事前に予習し、授業後は授業内容の復習や宿題などを行う。 ○主体的･積極的に授業（グループワーク含む）に参加する。 |
| アクティブラーニング の類型 |
①予習を課し、それをもとにした授業
⑥ある課題について調査した結果を個人やグループで発表させる授業
⑨学期途中で小テストを課し、学修者の省察を引き出し能動的な学修を喚起する授業
|
| テキスト及び 参考書籍 |
授業の中で適宜資料を配付します。 |
【健康栄養学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【スポーツ健康福祉学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【リハビリテーション学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【子ども学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【心理カウンセリング学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【看護学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【デジタル社会共創学環】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
【社会福祉学科】
| ナンバリング | CE_D1_01 |
ディプロマ・ポリシー
との関連 （下線部分はDPへのリンク） |
Ⅰ、Ⅱ、Ⅲ、Ⅴ |
| 評価基準・方法 | 評価割合% | 評価基準・方法 | 評価割合% |
| 定期試験 | 受講者の発表 | ||
| 小テスト等 | 25 | 授業の参加度 | 30 |
| 宿題・授業外レポート | 25 | その他 | |
| 授業態度 | 20 | ||
| 合計 | 100 | ||
(表中の記号 ○評価する観点 ◎評価の際に重視する観点 %評価割合)
| 授業計画（学習内容・キーワードのスケジュール） | ||
| 第１週 | 事前学習(予習) | (準備)PCにOffice365をインストールしておく |
| 授業 | ガイダンス、及びPCの基本的な使い方（Outlook、TEAMSなど）の習得とMicrosoft 365インストール確認 | |
| 事後学習(復習) | 電子メールやチャットを送受信する際のマナーについてまとめよう。 | |
| 第２週 | 事前学習(予習) | 自身のPCにWord, Excel, PowerPointがインストールされているか確認しておく。 |
| 授業 | WordとExcelの基本操作の習得 | |
| 事後学習(復習) | Wordを利用した簡単レポートとExcelを利用した集計表を作成しよう。 | |
| 第３週 | 事前学習(予習) | 「SNS利用」のメリットとデメリットと「コンピューターウィルス｣について事前に調べておく。 |
| 授業 | SNSとの付き合い方とコンピューターウィルス（種類と対策） | |
| 事後学習(復習) | SNSとの付き合い方とコンピューターウィルスの種類と対策についてまとめよう。 | |
| 第４週 | 事前学習(予習) | データ分析の基本（平均や散らばりなど）について事前に調べておく。 |
| 授業 | 様々なデータとデータ分析の基本 | |
| 事後学習(復習) | 様々なデータの特徴についてまとめよう。 | |
| 第５週 | 事前学習(予習) | AIを扱う際の心得、留意点について事前に調べておく。 |
| 授業 | AIと機械学習（「生成AIとの付き合い方」を含む） | |
| 事後学習(復習) | AIと機械学習の違いや特徴をまとめよう。 | |
| 第６週 | 事前学習(予習) | 外部講師が所属する企業の業務内容などについて事前に調べておく。 |
| 授業 | データ･AI活用の現場 part_1 (ビジネスとしてのAI･データサイエンス) ※外部講師Aによる講義 | |
| 事後学習(復習) | 講義を受講しての感想をまとめよう。 | |
| 第７週 | 事前学習(予習) | 外部講師が所属する企業の業務内容などについて事前に調べておく。 |
| 授業 | データ･AI活用の現場 part_2 (ビジネスとしてのAI･データサイエンス) ※外部講師Bによる講義 | |
| 事後学習(復習) | 講義を受講しての感想をまとめよう。 | |
| 第８週 | 事前学習(予習) | 構造化・非構造化データについて事前に調べておく。 |
| 授業 | 非構造化データ解析 | |
| 事後学習(復習) | 非構造化データの種類や特徴をまとめよう。 | |
| 第９週 | 事前学習(予習) | 個人情報について事前に調べておく。 |
| 授業 | データ収集と個人情報保護 | |
| 事後学習(復習) | データ収集の方法と個人情報保護の対策についてまとめよう。 | |
| 第１０週 | 事前学習(予習) | ベクトルについて事前に調べておく。 |
| 授業 | ベクトル・距離・類似度 | |
| 事後学習(復習) | ベクトル・距離・類似度のそれぞれの特徴ついてまとめよう。 | |
| 第１１週 | 事前学習(予習) | データの特徴を分かりやすくする方法について事前に調べておく。 |
| 授業 | データの可視化 | |
| 事後学習(復習) | データを実際に可視化してみよう。 | |
| 第１２週 | 事前学習(予習) | 様々なアンケートの方法について事前に調べておく。 |
| 授業 | アンケート解析 | |
| 事後学習(復習) | アンケートから得られるデータの特徴についてまとめよう。 | |
| 第１３週 | 事前学習(予習) | 画像の種類とその分類方法を事前に調べておく。 |
| 授業 | 画像解析 | |
| 事後学習(復習) | 画像解析の特徴についてまとめよう。 | |
| 第１４週 | 事前学習(予習) | 連続データについて事前に調べておく。 |
| 授業 | 回帰分析と時系列分析 | |
| 事後学習(復習) | 回帰分析と時系列分析の特徴をまとめよう。 | |
| 第１５週 | 事前学習(予習) | 相関のあるデータと検定について事前に調べておく。 |
| 授業 | 相関と検定 | |
| 事後学習(復習) | 相関と検定についてまとめよう。また、全15回の講義を受講しての感想にまとめよう。 | |
※事前・事後学習の時間は、講義科目は各90分、演習科目は各30分を原則とする。
※課題（試験やレポート等）に対するフィードバックを行います。
※課題（試験やレポート等）に対するフィードバックを行います。
| 備考 | ・授業中に行う質問や小テストへの回答も、授業に対する理解度や参加度をみるために評価対象とします。 ・定期試験の成績と合わせて、総合的に学修の評価を行います。 ・小テスト・授業外課題のフィードバックとして講評・解説の時間を設ける予定です。 ・授業中にPCを利用するので、授業には必ずフル充電したPCを持参してください。 ・指示された範囲の資料を読むなどの予習･授業準備をしておいてください。 ・一週間の中で、180分の事前・事後学習の時間（自習時間）を確保すること。 ・授業計画はあくまで予定であり,講師の都合等により変更が生じる場合があります。 |