Syllabus data

Teacher name ： 西出 哲人
Course Title
Advanced Lecture for Socio-Informatics
Course Title in English
Advanced Lecture for Socio-Informatics
Course Type
-
コース応用科目
Eligible Students
Graduate School of Information Science
Target Grade
1Year
Course Numbering Code
KIIMD5MCA1
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
講義 (Lecture)
Eligible Year/Semester
Fall semester 2026
(Fall semester)
Instructor
西出 哲人,川向 肇
Affiliation
情報科学研究科
Language of Instruction
Japanese
Related SDGs
9
Office Hours and Location
西出　月曜　12:10-13:00
川向　月曜　15:00-16:00　

他アポイントメントに応じて行う

教員研究室ないし講義後教室にて実施する．
Contact
nishide@gsis.u-hyogo.ac.jp
kawamukai@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
2◎／1〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
【講義目的】従来型の社会制度のもとで運営されている市民社会の諸制度が急速な技術変化とボーダレス化の中で、不適合を起こしている場面が多数見られる。本講義では、データ及び情報システムを活用することにより、経済社会が直面する諸課題への対策に寄与する枠組みと社会における情報技術がもたらす課題について検討する。特に、Fintech分野を中心としたビジネス構造の変革や社会構造の変化など、具体的な社会的課題を対象に議論する。さらに、DXとして総称される企業組織の変容の可能性を探る。
【到達目標】企業活動や社会の現状と技術変化・ボーダーレス化の影響を理解し、適切な概念を用いて説明できること。
Subtitle and Keywords of the Class
サブタイトル：企業及び社会におけるデータ活用のための社会情報論,Fintech
キーワード：Data Driven, New Business Models, Competitive Dynamics, Digital Society, Fintech
Course Overview and Schedule
【講義内容】本講義では、Fintechを中心とした社会における技術との影響、情報通信技術の発展と社会の変容に与える多様な関係について英文で書かれたNiklas Arvidsson(2020), Building a Cashless Society, The Swedish Route to the Future of Cash Payments及びJohn Soldatos, Dimosthenis Kyriazis(Eds)(2022), Big Data and Artificial
Intelligence in Digital Finance, Increasing Personalization and Trust in Digital Finance using Big Data and AIを基本テキストにしつつ，様々な事例について多面的に議論する。テキストの翻訳をするのではなく，テキストに基礎を置きつつ，社会と技術の関係について，考察することを重視する．
以下の講義計画は例示であり，実際にどの部分について取り組むかは，受講生と相談しながら決定していく．

【授業計画】
1.   ガイダンス

Building a Cashless Society から
2.    1 Money: The Greatest Innovation in the History of Humanity, (Building a Cashless Society, Chap.1)
3.    2 History of Money, (Building a Cashless Society, Chap.1)

Big Data and AI Technologies for Digital Finance　から
4.     1. A Reference Architecture Model for Big Data Systems in the Finance Sector, (Big Data and AI Technologies for Digital Financeから)
5.     2. Simplifying and Accelerating Data Pipelines in Digital Finance and Insurance Applications, (Big Data and AI Technologies for Digital Financeから)
6.     3. Architectural Patterns for Data Pipelines in Digital Finance and Insurance Applications (Big Data and AI Technologies for Digital Financeから)
7.     4. Semantic Interoperability Framework for Digital Finance Applications, (Big Data and AI Technologies for Digital Financeから)
8.     5. Towards Optimal Technological Solutions for Central Bank Digital Currencies, (Big Data and AI Technologies for Digital Financeから)
9.     6. Historic Overview and Future Outlook of Blockchain Interoperability, (Big Data and AI Technologies for Digital Financeから) . .
10.   7. Efficient and Accelerated KYC Using Blockchain Technologies, (Big Data and AI Technologies for Digital Financeから)
11.   8. Leveraging Management of Customers’ Consent Exploiting the Benefits of Blockchain Technology Towards Secure Data Sharing, (Big Data and AI Technologies for Digital Financeから)
12.   9. Addressing Risk Assessments in Real-Time for Forex Trading, (Big Data and AI Technologies for Digital Financeから)
13.   10. Next-Generation Personalized Investment Recommendations, (Big Data and AI Technologies for Digital Financeから)
14.   12. Personalized Finance Management for SMEs, (Big Data and AI Technologies for Digital Financeから)
15.   まとめと評価（到達度の確認）

※パソコンの利用：毎回使用
In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・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
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。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・論文として提出してはならない。
Textbook

Niklas Arvidsson(2020), Building a Cashless Society, The Swedish Route to the Future of Cash Payments
John Soldatos, Dimosthenis Kyriazis (Eds.), (2022), Big Data and Artificial Intelligence in Digital Finance, Increasing Personalization and Trust in Digital Finance using Big Data and AI
無料のKindle版（Open Access）を利用予定

あるいは，
Niklas Arvidsson (2020), Building a Cashless Society, https://link.springer.com/book/10.1007/978-3-030-10689-8 からPDFをダウンロード
John Soldatos, Dimosthenis Kyriazis (Eds.), (2022), Big Data and Artificial Intelligence in Digital Finance, https://link.springer.com/book/10.1007/978-3-030-94590-9 からPDFをダウンロード

References
教員から別途通知する
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】講義実施部分についてのテキストを読み込み、議論の準備をする（４０ｈ）
【復習】講義での議論を踏まえて概念を整理し、レポートを作成する（２０h）
Contents of Active Learning
受講者によるテキストの内容のプレゼンテーション（最低１人１回）
人数にもよるが，講義内容に関連するグループワークを実施する（各グループによる発表５回）
Grading Criteria and Methods
社会情報の諸概念の理解と社会的課題に関する視座の提示内容に対して単位を授与する。講義目的・到達目標に記載する能力 (データ及び社会情報システムの活用と市民社会が直面する課題への理解)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）による成績評価のうえ、単位を付与する。受講者の発表内容(60%)とディスカッションでの討議内容(40%)を総合的に評価する。
How to Disclose Assignments and Exam Results
課題の発表やグループワークの際に、適宜コメントする。
Precautions and Requirements for Course Registration
履修希望者は第一回の講義に必ず参加すること。
Practical Education
該当しない．
Remarks
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.