シラバス情報

授業科目名
データサイエンス入門 (B:看護)
(英語名)
Introduction to Data Science (B:看護)
科目区分
全学共通科目
対象学生
看護学部
学年
1年
ナンバリングコード
IA9991GCA7
単位数
2.0単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義・演習 (Lecture/Seminar)
開講時期
2024年度前期
担当教員
片山 貴文
所属
看護学部
授業での使用言語
日本語
関連するSDGs目標
目標4
オフィスアワー・場所
金曜日・明石5F研究室
連絡先
takafumi_katayama@cnas.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
研究科DP
全学DP
4-2◎/1-2〇/4-1〇
教職課程の学修目標

講義目的・到達目標
本講義では、サイバー空間とフィジカル空間を融合させたSociety 5.0の中で、少子高齢化、地方の過疎化、貧富の格差などの社会の課題を克服するなど、今までにない新たな価値を生み出すためのビッグデータや人工知能(AI)を活用する基礎的知識と技術に触れ、人間中心の社会に向けて提案できることを講義目的としている。そのために、データ扱い方(収集、分析、加工、データを守る・説明する)について操作できる力、人間の知的活動とAIの利活用について説明する力を、体験的に学習することで身に付けることを到達目標とする。

授業のサブタイトル・キーワード
サブタイトル: 人間中心で社会の課題を克服するための知識を身につけるデータサイエンス入門
キーボード: データの扱い、データベース、統計処理、AIの基本原理、人の特性とAIの特性
講義内容・授業計画
I  講義内容
 本講義では、前半はデータの扱い(収集、分析、加工、データを守る・説明する)について基礎知識と技術の習得を目指す。後半はAIの基本原理から物体認識システムの構築まで体験的に学習し、人の特性とAIの特性を補完しながら、人間中心で社会の課題を克服するための具体的事例を扱うことで、AIデータサイエンスの基礎的リテラシーを高めていく。

II 授業計画
1. 情報機器の扱い【心得3-1】
2. コンピュータ・リテラシー  phishing、ポリシー、私的利用、著作権について考える【心得3-1】
3. ビッグデータ・オープンデータの活用 データの可視化 グラフの種類と使い分け 【導入1-2/基礎2-1/2-2】
4. データの収集・分析1 代表値、散布度 平均、最大、最小、標準偏差、人の特性:記憶の測定【基礎2-1/2-2/2-3】
5. データの収集・分析2 順位、絶対参照、相対参照、セルの強調、人の特性: 認知機能の測定【基礎2-3】
6. 人の特性と医療過誤 機械と人の協働 人の特性のまとめ: 視覚の盲点【導入1-1/1-5】
7. データベース入門 基本操作 フォーム、テーブル 【基礎2-1/2-2/2-3】
8. データベースの実践活用1 アンケート調査票の設計 【基礎2-1/2-2/2-3】
9. データベースの実践活用2 データ収集 【基礎2-1/2-2/2-3】
10. データ解析1  記述統計 人数の集計・グラフ データクリーニング CSVファイル【基礎2-1/2-2/2-3】
11. データ解析2  推測統計 相関分析・カイ2乗検定(クロス集計)・t検定【基礎2-1/2-2/2-3】
12. AIを育てる1 手書き図形の認識  AIの原理、AIにできること・できないこと(強いAI・弱いAI)、AIをだます・偏見、シンギュラリティ【導入1-4】
13. 社会の変化とAIの活用事例 最新のAIを体験 【導入1-1/1-3/1-6】
14. AIによる物体認識応用1 部屋にいる人数・密集度の判定 データ作成、アノテーション・タグ付け、クリエイティブコモンズ、画像の引用 【導入1-4/1-6/心得3-2】
15. AIによる物体認識応用2 マスク装着割合を判定 独自AIの作成 【導入1-4/1-5/心得3-2】

※ パソコンの利用: 毎回使用予定(Windows11)
※ 生成系AI の利用: 生成系AI の利用については教員の指示に従うこと。生成系AI による出力結果をそのまま課題レポートとして提出してはいけない。生成系AI による出力をそのまま提出したことが判明した場合は単位を認定しない、又は認定を取り消すことがある。
教科書
適時、必要な資料を配布する。
参考文献
とくに指定しないが自分にあった1冊を用意することが望ましい。
事前・事後学習(予習・復習)の内容・時間の目安
【予習】授業に際して公開する授業資料を事前に読み込み(15h)、ソフトのダウンロード・パソコン操作の準備(5h)
【復習】課題の作成(15h)、他者が作成した課題の閲覧と相互評価(15h)
アクティブ・ラーニングの内容
相互に学び合いをする時間を設ける
成績評価の基準・方法
【成績評価の基準】
 AIデータサイエンスの基礎的リテラシーとして、データ扱い方(収集、分析、加工、データを守る・説明する)について操作できる力、人間の知的活動とAIの利活用について説明する力を身につけた者に、その到達度に応じてS(90点以上)、A(80点以上)、B(70点以上)、C(60点以上)による成績評価を実施し、単位を付与する。
【成績評価の方法】
 各回に提出する課題について、1.課題に対する理解度、2.自分なりの視点・表現、3.適切な引用・出典を基準(80%)として、4.他者による相互評価(20%)を加えて、受講態度(講義時間中・時間外の積極的な質問)などの課題への取り組みを含めて総合的に判断する。
課題・試験結果の開示方法
提出した課題については他者にも公開し相互に評価しあうことで振り返りを行う。レポートについては、次の講義の中で紹介しながら講評する。
履修上の注意・履修要件
課題の仕上げを講義時間外(後日)に行い、操作の復習をすること。欠席した日の課題は自らの責任で実施、次回の講義までに提出すること。
≪新型コロナウィルス感染症に伴う特例措置に基づく遠隔授業≫
・当授業は、対面で実施を基本としますが、新型コロナウィルス感染症対策として、履修者を2教室に分けて教室間をオンラインで繋ぐ方法や、自宅でのオンライン授業を実施する方法とがあり(オンライン形式の回は授業計画に記載)、自宅等でオンライン授業の受講を視聴できる通信環境(PC・タブレット等の端末やWi-Fi 環境)が必要となる場合があります。感染拡大等により授業方法が変更になる場合は、事前に連絡します。
実践的教育
該当しない
備考
1回目は、本学における情報機器ポリシーに関する諸注意であり、本学で情報機器を触る全ての者が学ばなければならない事項のため、単位認定者も出席する必要がある。
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。