教育プログラム名称	データサイエンス・AI　リテラシー教育プログラム

　AI・データサイエンスに関して興味・関心を持ち、AI時代に身に付けておくべき知識・技能（新たな読み書きそろばん）を習得し、日常や仕事の場で使いこなせるようになることを目標とします。

• 　・AI・データサイエンスの必要性を説明できる。
• 　・社会で活用されているデータ・AI活用の事例を示すことができる。
• 　・データを処理する際の考え方を説明できる。
• 　・データ・AIを扱う上での留意事項を説明できる。

委員会等	役割
データサイエンス・AI教育運営委員会	科目運営、科目改善
データサイエンス学習支援ルーム	学習支援
武庫川女子大学共通教育部　自己評価委員会	プログラムの自己点検・自己評価
武庫川女子大学短期大学部　自己評価委員会

講義内容は以下の通りです。

授業に含まれている内容・要素	講義内容
（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	・ビッグデータ、IoT 、 AI 、ロボット（1回目） ・データ量の増加、計算機の処理性能の向上、AI の非連続的進化（1回目） ・第4次産業革命、 Society 5.0、データ駆動型社会（2回目） ・複数技術を組み合わせたAIサービス（1回目） ・人間の知的活動とAIの関係性（1回目）
	1-6	・AI等を活用した新しいビジネスモデル(シェアリングエコノミー、商品のレコメンデーションなど)（7回目） ・AI最新技術の活用例（深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など）（4回目）
（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	・調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど（3回目） ・1次データ、2次データ、データのメタ化（3回目） ・構造化データ、非構造化データ（文章、画像/動画、音声/音楽など）（3回目） ・データのオープン化（オープンデータ）（3回目）
	1-3	・データ・AI活用領域の広がり(生産、消費、文化活動など)（7回目） ・研究開発、調達、製造、物流、販売、マーケティング、サービスなど（7回目） ・仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など（6回目）
（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	・非構造化データ処理：言語処理、画像/動画処理、音声/音楽処理など（5回目） ・特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ（4回目）
	1-5	・データサイエンスのサイクル（課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案）（6回目） ・流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介（7回目）
（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	・ELSI（Ethical, Legal and Social Issues）（14回目） ・個人情報保護、EU一般データ保護規則(GDPR)、忘れられる権利、オプトアウト（14回目） ・データ倫理：データのねつ造、改ざん、盗用、プライバシー保護（14回目） ・AI社会原則（公平性、説明責任、透明性、人間中心の判断）（14 回目） ・データバイアス、アルゴリズムバイアス（14回目） ・データ・AI活用における負の事例紹介（15回目）
	3-2	・情報セキュリティ：機密性、完全性、可用性（15回目） ・匿名加工情報、暗号化、パスワード、悪意ある情報搾取（15回目） ・情報漏洩等によるセキュリティ事故の事例紹介（15回目）
（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	・データの種類（量的変数、質的変数）（8回目） ・データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値）（9回目） ・代表値の性質の違い（実社会では平均値＝最頻値でないことが多い）（10回目） ・データのばらつき（分散、標準偏差、偏差値）（10回目） ・観測データに含まれる誤差の扱い（13回目） ・層別の必要なデータ（12回目） ・相関と因果（相関係数、擬似相関、交絡）（12回目） ・母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出）（13回目） ・クロス集計表、分割表、相関係数行列、散布図行列（11回目） ・統計情報の正しい理解（誇張表現に惑わされない）（8回目） ・不適切なグラフ表現（チャートジャンク、不必要な視覚的要素）（8回目）
	2-2	・データ表現（棒グラフ、折線グラフ、散布図、ヒートマップ）（9回目） ・データの図表表現（チャート化）（8回目） ・データの比較（ランダム化比較試験)（12回目） ・不適切なグラフ表現（チャートジャンク、不必要な視覚的要素）（8回目）
	2-3	・データの集計（和、平均）（8,9,10回目） ・データの並び替え（9回目） ・データ解析ツール（スプレッドシート）（8～13回目） ・表形式のデータ（csv）（3回目）