全学共通プログラム(科目)について

 本学では、学生の主体的な学びを推奨し、特定の能力等を育成するとともに、高度な技能等の修得に資するため、次の全学共通プログラムを設けています。この全学共通プログラムの修了は卒業要件ではありませんが、効果的な学修のため、積極的に全学共通プログラムを履修することを推奨します。

グローバル英語プログラム(GEP)

プラクティカル・イングリッシュを基礎に、全学共通科目と専門科目を系統的に履修して、海外の大学で学ぶ、あるいはグローバルな視点を持って活躍できる能力を養成する教育プログラムです。TOEIC 550点相当以上を取得している学生を対象とします。

  • 詳細はこちら(978KB)をご覧ください。
  • プラクティカル・イングリッシュはこちら(246KB)をご覧ください。

日本語教育プログラム

外国語としての日本語を指導するために必要な専門的基礎知識と基礎能力を修得するための教育プログラムです。人文社会科学部、及び教育学部の学生を対象とします。

地域志向教育プログラム

地域課題を解決し、地域を活性化する、地域に頼られ、地域を先導できる学生をアクティブ・ラーニングの手法を用いて育成する教育プログラムです。

  • 詳細はこちら(884KB)をご覧ください。

地域協創人材教育プログラム

地域志向教育プログラムに加えて、「地域理解力」、「地域の課題発見・ 解決能力」及び「実践に即したプロジェクト企画能力」を有する学生を育成する教育プログラムです。 茨城大学をはじめとして、茨城キリスト教大学、茨城県立医療大学、常磐大学、茨城工業高等専門学校が協働して実施します。

  • 詳細はこちら(283KB)をご覧ください。

AIMSプログラム

(ASEAN発、環境に配慮した食料供給・技術革新・地域づくりを担う次世代人材養成プログラム)

アジアを舞台に、未来を担う学生の相互学習交流を飛躍的に促進し、国際的な視野をもった専門職業人を育成し輩出することを目的とした、アジア発の国際共同教育プログラムです。 人文社会科学部、理学部、農学部の学生を対象とします。 AIMS とは、ASEAN International Mobility for Students の略です。

  • 詳細はこちら(964KB)をご覧ください。

数理・データサイエンス・AI教育プログラム

茨城大学では、令和3年度より全学部学生を対象に全学共通プログラム「数理・データサイエンス・AI教育プログラム」を開設しました。

本プログラムは、令和4年8月24日付で文部科学省「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)」に認定されました(認定の有効期限:令和9年3月31日まで)。

ロゴ_01.pngロゴ_02.png ロゴ_05.png

(認定の有効期限:令和9年3月31日まで)

本学の認定制度申請内容

本プログラムにおいて身につけることのできる能力

数理・データサイエンス(DS)の基礎的素養を醸成するとともに、Society5.0 等の喫緊

のデータ・デジタル化社会や持続可能性社会(SDGs 等)に向け、地方創生とイノベーションを創出する能力を養成する。

実施体制

全学教育機構共通教育部門 情報・数理データサイエンス部会

プログラムの運営責任者 全学教育機構共通教育部門長

プログラムの改善・進化させるための組織 全学教育機構共通教育部門情報・数理・データサイエンス部会

プログラムの自己点検・評価を行う組織 全学教育機構共通教育部門情報・数理・データサイエンス部会

・令和4年度自己点検評価体制における意見等

令和4年度数理・データサイエンス・AI教育プログラムFD報告書

プログラムの構成科目と授業の方法及び内容

本プログラムは、基盤教育科目で構成されています。具体的には、数理・DS に関する基礎的な科目からなる「基礎教育パッケージ」と応用基礎である「プロジェクト科目」の2つの体系により全学的なデータ活用者の育成と多様化する社会における実践的適応力を養成する教育を行います。

DS・AI①.png

○基礎教育パッケージ

情報倫理、多様なデータを正しく取り扱うために備えるべき法的リテラシーを強化し、これを基盤にコンピュータの基礎知識と基本的なデータ分析力を身につける。

・情報リテラシー 2単位

 全学必修科目として、情報機器の操作のほか、情報リテラシー・法的リテラシー・データリテラシーの要素を含めた、数理的思考力、アカデミックリテラシーを重視した内容とする。

・技術と社会「AI・データサイエンス入門」1単位

 AIを中心にこれからの社会におけるデータの流れや意味、活用方法などを取り扱い、データサイエンスの意義や目的を学び、実践的なデータ演習の礎とする。

・技術と社会「AI・データサイエンス基礎演習」1単位

 茨城大学が保有するビッグデータを活用した実践的な演習を行い、知識を活用する能力を育成する。

○プロジェクト科目(応用基礎)

 持続可能性社会への課題を意識した科目により構成され、全学教育機構と地球・地域環境共創機構(GLEC)が連携し、GLECが有する知見や茨城県内の環境・防災データ等を活用し、地域環境や気候変動の影響を分析するなど、データ活用者の育成とともに多様化する社会における実践的適応力を養成する。

・環境と人間「サステイナビリティ学入門」 1単位

 異なる専門性を持つ教員が一堂に会して、サステイナビリティ学に関して学生と一緒に議論する。

・環境と人間「地域・地球環境データで観る茨城の姿」 1単位

 多様な分野の複数教員により、茨城の環境・防災特性を分析するPBL授業を展開する。

・環境と人間「霞ヶ浦と流域活動」 1単位

霞ヶ浦の水質保全などについて概説し、茨城県霞ケ浦環境科学センターと連携し、湖沼実習を行う。

プログラム修了要件

以下の区分中「必修」となっている科目3単位の修得と「選択」となっている科目1単位の計4単位修得が要件となります。

数理・データサイエンス・AI教育プログラム構成科目

DS・AI②.png

モデルカリキュラムとの対応

本プログラムを構成する授業の内容(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)モデルカリキュラム「導入」、「基礎」、「心得」に相当)は以下のとおりです。

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

IoTとは何か「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(3回目)
データ・AIによる社会の変化「技術と社会AI・データサイエンス入門(KB8190)]1回目)

1-6

AI、ビッグデータ「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(4回目)
画像認識「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(5回目)
事例紹介「技術と社会AI・データサイエンス入門(KB8190)」(67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

データの基本知識「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(2回目)
社会で活用されているデータ「技術と社会AI・データサイエンス入門(KB8190)」(2回目)

1-3

テキストマイニング「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(6回目)
フィンテック「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(7回目)
データ・AIの活用領域「技術と社会AI・データサイエンス入門(KB8190)」(3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

テキストマイニング「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(6回目)
フィンテック「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(7回目)
データ・AI利活用のための技術「技術と社会AI・データサイエンス入門(KB8190)」(4回目)

1-5

テキストマイニング「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(6回目)
フィンテック「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(7回目)
事例紹介「技術と社会AI・データサイエンス入門(KB8190)」(67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

法的リテラシー、個人情報保護法、著作権、情報倫理 「情報リテラシー」(4回目、クラスによって異なる)
AI利活用における留意事項 「技術と社会AI・データサイエンス入門(KB8190)」(5回目)

3-2

情報セキュリティに求められる3要素(機密性、完全性、可用性)を学ぶ 「情報リテラシー」(3回目、クラスによって異なる)
AI利活用における留意事項 「技術と社会AI・データサイエンス入門(KB8190)」(5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

データリテラシー「情報リテラシー」(1114回目、クラスによって異なる)
グラフによる可視化「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(8回目)
データ・AI利活用のための技術「技術と社会AI・データサイエンス入門(KB8190)」(4回目)
データサイエンス(特徴量の計算法)「技術と社会AI・データサイエンス基礎演習」(2回目)
実践的データ演習 「環境と人間地域・地球環境データで観る茨城の姿」(18回目)
水質調査を通した分析「環境と人間霞ヶ浦と流域活動」(6回目)
気候データを読み解く「環境と人間サステイナビリティ学入門」(135回目)

2-2

データリテラシー「情報リテラシー」(1114回目、クラスによって異なる)
グラフによる可視化「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(8回目)
データ・AI利活用のための技術「技術と社会AI・データサイエンス入門(KB8190)」(4回目)
データサイエンス(可視化法)「技術と社会AI・データサイエンス基礎演習」(1回目)
実践的データ演習 「環境と人間地域・地球環境データで観る茨城の姿」(18回目)
水質調査を通した分析「環境と人間霞ヶ浦と流域活動」(6回目)
気候データを読み解く「環境と人間サステイナビリティ学入門」(135回目)

2-3

データリテラシー「情報リテラシー」(1114回目、クラスによって異なる)
グラフによる可視化「技術と社会AI・データサイエンス入門(KB8151,KB8161)」(8回目)
データ・AI利活用のための技術「技術と社会AI・データサイエンス入門(KB8190)」(4回目)
データサイエンス(分析の基礎)「技術と社会AI・データサイエンス基礎演習」(3回目)
実践的データ演習 「環境と人間地域・地球環境データで観る茨城の姿」(18回目)
水質調査を通した分析「環境と人間霞ヶ浦と流域活動」(6回目)
気候データを読み解く「環境と人間サステイナビリティ学入門」(135回目)

プログラムを構成する科目のうち、モデルカリキュラム「選択」に相当する授業は以下のとおりです。

授業科目

選択項目

授業科目

選択項目

情報リテラシー(KB40014023KB0401)

4-1統計および数理基礎

技術と社会「AI・データサイエンス基礎演習」

4-1統計および数理基礎

情報リテラシー(KB40014023KB0401)

4‐2アルゴリズム基礎

技術と社会「AI・データサイエンス基礎演習」

4‐7データハンドリング

情報リテラシー(KB40014023KB0401)

4‐3データ構造とプログラミング基礎

技術と社会「AI・データサイエンス基礎演習」

4‐8データ活用実践(教師あり学習)

情報リテラシー(KB40014023KB0401)

4‐7データハンドリング

技術と社会「AI・データサイエンス基礎演習」

4‐9データ活用実践(教師なし学習)

情報リテラシー(KB40014023KB0401)

4‐8データ活用実践(教師あり学習)

環境と人間「地域・地球環境データで観る茨城の姿」

4‐4時系列データ解析

技術と社会「AI・データサイエンス入門」(KB8151,KB8161)

4‐5テキスト解析

環境と人間「地域・地球環境データで観る茨城の姿」

4‐6画像解析

技術と社会「AI・データサイエンス入門」(KB8151,KB8161)

4‐6画像解析

環境と人間「地域・地球環境データで観る茨城の姿」

4‐7データハンドリング

プログラム科目と数理・データサイエンス・AI教育認定制度(リテラシーレベル)の必要要素のマトリックス

DS・AI③.png

数理・データサイエンス・AI教育プログラムおよび情報リテラシー、AIデータサイエンス入門について疑問や不明な点がある場合は、Teamsの「情報リテラシー・AI・データサイエンス相談室」をご利用ください。

ページトップ