Syllabus data
|
Teacher name ： 髙見 美樹
|
Course Title
健康データ活用論
Course Title in English
Course Type
Basic specialized courses (Specialization-related courses)
−
Eligible Students
School of Nursing Art and Science
Target Grade
1Year
Course Numbering Code
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
Eligible Year/Semester
Fall semester 2026
Instructor
髙見 美樹,中西 永子
Affiliation
看護学部
Language of Instruction
Japanese
Related SDGs
3
Office Hours and Location
授業終了後・5F教員研究室
その他必要時、メール連絡でアポイントメントを取った上で、対応します。 Contact
高見 美樹 takami●ai.u-hyogo.ac.jp
中西 永子 eiko_nakanishi●cnas.u-hyogo.ac.jp ●は“@”に変換 Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
2◎
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
【講義目的】
本授業は、社会が抱える健康課題の解決に向けて、健康・医療のデータを活用できる視点を持ち、知識と実践リテラシーの基礎を身につける 【授業の到達目標】 本講義を修了した時点で、学生は以下の能力を身に付けていることを目標とする。
Subtitle and Keywords of the Class
Keywords
Python / 医療統計学 / Society 5.0 / 医療DX / データヘルス計画/ 健康データの利活用 Course Overview and Schedule
【講義内容】
健康・医療領域のデータをPythonと生成AIを用いて分析・可視化し、その結果を倫理的に解釈して医療DXやデータヘルスの課題解決に活かす方法を学ぶ。 1 オリエンテーションとAI・情報社会 授業概要説明 2 Python演習①：Python入門・導入 3 Python演習②：記述統計と分布 4 Python演習③：単回帰分析 5 Python演習④：2群の比較分析 6 Python演習⑤：非構造化データ分析 7、8 Python演習⑥⑦：分析の総合実践・健康データの読み解きと考察 9 医療DXと新技術 10 日本の医療DXと国際比較 11 情報倫理 12 日本のデータヘルス政策 13 発表準備 企業・自治体のデータヘルス計画を検索・選定・分析 14 、15 学生発表 グループ発表：企業・自治体が取り組んでいるデータヘルス計画の成果と課題を発表 ・1〜8回、および12〜15回はノートパソコンをフル充電の上、持参すること． ・詳細は第1回目の授業時に配布する． ・講義計画は受講人数等により変更になることがある． In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
対面
・対面授業のみ ・遠隔授業単位上限の適用を受けない Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
この授業においては、以下の範囲において、生成ＡＩの利用を許可し、これ以外の範囲での利用は禁止する。生成ＡＩの利用については担当教員の指示に従うこと。教員が認める範囲を超えて生成ＡＩを利用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。生成ＡＩの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成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ならない。
＜利用可の範囲＞ 大学アカウントで使用するgeminiと限定する。 Pythonプログラムをコーディングする際に生成AIを利用し参考にすることを妨げないが，生成AIによって作成されたソースコードを利用する場合，意図に沿った正しいプログラムであることを十分に確認すること。 企業・自治体のデータヘルス計画を検索・選定・分析に関する内容、翻訳等に補助的に生成ＡＩを使用してもよい。 ※生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。 Textbook
適宜資料を配布する．
References
スッキリわかるPython入門/出版社 : インプレス実践手順で学ぶデータ解析と医療統計-データ処理から解析手法の選び方-/出版社 : 大学教育出版Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】授業に際して事前配布する資料の事前読み込み、授業の準備（30h）
【復習】各回の課題作成、レポートや発表資料の作成（30h） Contents of Active Learning
グループ単位での演習やプレゼンテーションを行う。
Grading Criteria and Methods
【成績評価の基準】
授業の到達目標に記載されている能力の到達度に基づき、S（90点以上）、A（80点以上）、B（70点以上）、C（60点以上）の成績を付して単位を認定する。 第2〜5回（4回分）20点（5点×4）：Pythonの小課題 中間レポート 25点 第9〜11回（3回分）15点（5点×3）：手書き省察レポート グループ発表 25点 最終レポート 15点 How to Disclose Assignments and Exam Results
講義後にユニバーサルパスポートを用いた質問や感想を受け付け、次回講義冒頭でフィードバックを行う。
グループ発表時には、各グループの内容に対するコメントを行う。 中間・最終レポートについては、全体のフィードバックは行わず、希望者に対して個別対応を行う。 Precautions and Requirements for Course Registration
・1〜8回、および12〜15回はノートパソコンをフル充電の上、持参すること
・授業中に指示した課題や配布する授業資料について、十分な予習・復習をして講義に出席すること Practical Education
該当なし
Remarks
指定規則に定める別表の種類とそれぞれの別表で定める教育内容のうち、当該科目で教授する教育内容
別表３（看護師課程）：科学的思考の基盤、人間と生活・社会の理解 In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.
|
