新しい時代の全学共通の学び

データサイエンス
教育プログラム

大正大学では、society5.0のデジタル社会において、日常生活、専門科目の学び、卒業後の就業の場等で、数理・データサイエンス・AI技術を活用する基礎的な素養を身につけるため、全学共通教育においてデータサイエンス教育プログラムを必修科目として設定しています。
文系大学の学生が数理・データサイエンス・AIに関する知識・技能を適切に活用する力を身につけ、不安なく自らの意志で利活用できるように、教員・チューター・SAによるチュートリアル教育を実施し、授業内外で学修を支援しています。

このプログラムは、「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)プラス」として文部科学省から認定されています。

MDASH Literacy
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
MDASH Literacy+
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 プラス

認定有効期限:令和9年3月31日まで

このプログラムは、「知識集約型社会を支える人材育成事業」の一環として文部科学省助成の採択を得ています。

POINT

01

教育プログラムの体系

EDUCATIONAL PROGRAM
SYSTEM

教育目標

主観的な判断ではなく、データをもとに意思決定を行うデータドリブンな思考を高め社会の課題を解決し、価値を創造していく人材となる

プログラム内容

特色ある取り組み

  • チュートリアル教育でのチームティーチング

    • 学修支援
    • テスト対策補習
    • 学修相談
    • 習熟度チェックとフォロー
    • 面談
  • 産官学連携による実践的学修

    • 実データ提供
    • 課題とミッション提示
    • 発表会への参加と講評
  • 多様なコミュニケーションツール

    • 多様なコミュニケーションツールによる学修支援
    • 学修の記録

POINT

02

教育プログラムの修了要件

EDUCATIONAL PROGRAM
COMPLETION REQIREMENTS

全学共通第Ⅰ類カリキュラム
必修科目「データサイエンスⅠ~Ⅵ」6単位取得

開講科目

POINT

03

育成する資質・能力

QALIFICATION ABILITY
TO DEVELOP

全学共通の第Ⅰ類カリキュラムで育成する資質・能力(以下A~I)のうち、データサイエンス教育プログラムでは、主に1年次はA, B, D, E, Hの資質・能力が身につくように、2年次はC, Fの資質・能力が身につくように構成しています。

第Ⅰ類カリキュラムで育成する資質・能力

  • A:主体的学修態度
    自ら進んで学修し、さまざまな学びや経験を統合して、自らの学びを深めることができる。
  • B:知識理解・活用力
    知識・情報を的確に収集・活用して、事象を複眼的に考察し、創造的な発想をすることができる。
  • C:表現力
    読者や聴衆、状況や場面に即して適切な手段を用いて、分かりやすくかつ説得力のある表現をすることができる。
  • D:課題探究・解決力
    自ら「問い」を発して探究するとともに、課題策を重層的に構想し、現実的に解決することができる。
  • E:情報・データ活用力
    情報リテラシー、データリテラシーを身につけ、課題解決に役立てることができる。
  • F:対人力
    他者と協働して活動するともに、リーダーシップを発揮して、他者との共生を目指すことができる。
  • G:セルフマネジメント
    自らの価値観を大切にし、将来を見定め、力強く生きていくことができる。
  • H:チャレンジ精神
    新しいこと、困難なことに挑戦し、新しい価値創造を目指すことができる。
  • I:地域密着力
    地域の人々と交流し地域の実情を理解して、地域の人々と協力して、地域の課題を発見し、解決できる。

POINT

04

授業の方法及び内容

CLASS METHOD
AND CONTENT

METHOD01

「頭で理解する」と「手を動かす」の
セットで学修する

情報リテラシー・データサイエンス基本知識

切り口 演習 授業テーマ 補足説明
1回 情報リテラシー 情報リテラシー① アカウント管理の重要性、コンピュータウィルスと対策方法、情報セキュリティ対策の重要性、クラウドコンピューティング
6回 情報リテラシー 情報リテラシー② データベースとは何か
1回 情報リテラシー - 情報リテラシー③ データの可視化の基本
3回 情報リテラシー - 情報リテラシー④ データ属性とは何か
2回 データサイエンス - データサイエンス基礎① データサイエンスとは何か
7回 データサイエンス データサイエンス基礎② 「ディープラーニングの夜明け」(特別講義)
7回 データサイエンス - データサイエンス基礎③ 「society5.0時代における5G活用について理解を深める」(特別講義)
7回 データサイエンス - データサイエンス基礎④ AIの仕組み理解と学習準備データの重要性(特別講義)
1回 情報リテラシー 情報リテラシー⑤ データ利活用時の契約(秘密保持契約)について

統計の基本

切り口 演習 授業テーマ 補足説明
2回 統計 統計の基礎① 統計学について・割合
3回 統計 統計の基礎② 単純集計表とクロス集計表
4回 統計 統計の基礎③ 統計の概要と平均
5回 統計 統計の基礎④ 基本統計量
6回 統計 統計の基礎⑤ 4つの尺度
7回 統計 - 統計の基礎⑥ グラフの基本
3回 統計 統計の基礎⑦ 分散・標準偏差
3回 統計 統計の基礎_復習① 「尺度」とtableauのメジャーとディメンションについて
4回 統計 統計の基礎_復習② 「割合」と「分布」を表すグラフ(ヒストグラムと箱ひげ図)について
5回 統計 統計の基礎_復習③ 異なるメジャーのグラフについて
6回 統計 統計の基礎_復習④ 単純集計表とクロス集計表
2回 統計 - 統計の基本① 時系列分析「データ形式について」
3回 統計 統計の基本② 時系列分析「指数・増減率・成長率他」
4回 統計 - 統計の基本③ 時系列分析「移動平均」

Excel基礎・応用

切り口 演習 授業テーマ 補足説明
1回 Excel Excel基礎① 表計算ソフト概念とExcelの特徴 / Excel基本操作
2回 Excel Excel基礎② 数式(演算子)を使った計算
データ、数式の入力 / 四則演算
3回 Excel Excel基礎③ 数式(関数)を使った計算①
相対参照と絶対参照 / 関数(SUM)
4回 Excel Excel基礎④ 数式(関数)を使った計算②
関数 : MAX、MIN、AVERAGE、IF、COUNTIF
5回 Excel Excel基礎⑤ 数式(関数)を使った計算③
基本統計量に関する関数 : MEDIAN、MODE.SNGL
6回 Excel Excel応用① リスト形式のデータの扱い方
1回 Excel Excel応用② ピボットテーブルの使い方
2回 Excel Excel応用③ グラフ作成方法①
(円グラフ、棒グラフ、折れ線グラフ、複合グラフ)
3回 Excel Excel応用④ グラフ作成方法②
散布図、ヒストグラム / 関数:STDEV.P、STDEV.S
4回 Excel Excel応用⑤ 数式(複雑な関数)を使った計算 / 関数:CORREL / VLOOKUP
5回 Excel Excel応用⑥ 作業環境のカスタマイズ

tableau基礎・応用

切り口 演習 授業テーマ 補足説明
1回 tableau tableau基礎① BIツールの概念とtableauの特徴
2回 tableau tableau基礎② データベースへの接続とファイルの保存形式
3回 tableau tableau基礎③ 分析前の下準備
4回 tableau tableau基礎④ データのビジュアル化の基礎
5回 tableau tableau基礎⑤ さなざまなビジュアライズ I
箱ひげ図、共有軸を使ったグラフ、二重軸を使った複合グラフ
日付値・日付部分のフィールドの扱い方を習得する
6回 tableau tableau基礎⑥ さなざまなビジュアライズⅡ
クロス集計表の作成方法を習得する
合計、小計の挿入、ハイライト表の作成方法を習得する
1回 tableau tableau基礎⑦ Tableau①~⑥の復習 / 並べ替えと条件の絞り込み
2回 tableau tableau基礎⑧ 新たな切り口の作成とデータのドリルアップ・ドリルダウン
3回 tableau tableau応用① 計算の基本(集計・非集計)
4回 tableau tableau応用② 表計算の基本(合計に対する割合、移動平均、ランキング)
5回 tableau tableau応用③ ダッシュボードの基本
6回 tableau tableau応用④ データの整形と複数のデータの扱い方①
(結合・ユニオン)
1回 tableau tableau応用⑤ データの整形と複数のデータの扱い方②
(データインタブリータ・ピボット・分割)
2回 tableau tableau応用⑥ 計算の応用(IF、ELSEIFなど)
表計算の応用(セカンダリの使用、パレート図)
5回 tableau tableau応用⑦ ストーリーの使い方
3回 tableau tableau実践① ビジュアライズのブラッシュアップ①
4回 tableau tableau実践② ビジュアライズのブラッシュアップ②
1回 tableau - tableauで始めるデータサイエンス① tableauで始めるデータサイエンス
2回 tableau - tableauで始めるデータサイエンス② データサイエンスⅣ~Ⅵで取り組む課題解決について
5回 tableau - tableauで始めるデータサイエンス③ ダッシュボードとは何か・社会でのダッシュボードの活用事例
6回 tableau - tableauで始めるデータサイエンス④ データ整形の目的と接続前に整形が必要なデータの例

METHOD02

産官学連携による実データを使って
社会課題に取り組む

[データサイエンスⅤ/Ⅵ]授業テーマ:社会の課題解決について

実データを使って企業や自治体への課題解決提案を行う上で必要な項目を同時並行で学ぶ

  1. ①統計の基本に基づき
  2. ②データを使った課題解決の基本的なステップ
  3. ③定量分析手法
  4. ④情報リテラシーと情報倫理(守秘義務契約)

を学んでいく。

  • データサイエンスⅤ

    問題解決型ミッション形式での連携

    • 問題解決型ミッション形式では学生が「個人」で取り組む
    • 連携先から具体的に解決したい「問題や課題」を明確に提示していただいた上で、その問題解決のために取り組む方式
    • 最終的には連携先へプレゼンにて提案を行う
  • データサイエンスⅥ

    価値創造型ミッション形式での連携

    • 価値創造型ミッション形式では「グループ」で取り組む
    • 連携先から提供を受けた複数のデータ分析から課題抽出を行い、さらには課題解決の具体的な提案を行う方式
    • 最終的には連携先へプレゼンにて提案を行う

[データサイエンスⅤ]社会の課題解決:各学科の連携先(令和3年度)

※上記のは学部ごとに連携先は異なる

学部学科 連携先 データサイエンスⅤでの「問題解決型ミッション」内容 データサイエンスⅤでの具体的なテーマ
表現学部

ニューラルポケット株式会社

※AIを活用した広告やサービスを展開している企業

道の駅に設置された3台のサイネージに内蔵されたAIの顧客情報データの分析&可視化を行い、問題解決型ミッションに取り組む A市の道の駅の今年の8月期に、サイネージによる販促効果を高めるための施策を提案し、その根拠を示す。
地域創生学部

サイゼリヤ研究開発部

サイゼリアの東西の店舗の時系列のPOSデータからサラダの販売分析&可視化を行い、問題解決型ミッションに取り組む サラダをもっとたくさんのお客様に食べていただくためにはどのような取り組みをおこなうとよいか。関東と関西の売れ方の違いを比較しながら、施策を具体的に考える。
公共政策学科

三鷹市企画部
情報推進課
企画経営課
三鷹ネットワーク大学

平成30年度に実施した市民満足度・意向調査結果を分析&可視化を行い、問題解決型ミッションに取り組む 【テーマ①:防災】
市民の防災・減災意識を向上させるためにはどうすればよいか
【テーマ②:コミュニティ】
新たに地域活動への参加を促すためには、市や地域がどのような取り組みを行うとよいか
※学生はいずれか1つのテーマを選択