学際ゼミナール (C)

Interdisciplinary Seminar (C)

全学共通科目

-

全学部（全学共通科目、教職課程科目、副専攻科目）

学年指定なし

IA9991GCA7

2.00単位

講義・演習 (Lecture/Seminar)

2026年度前期

(Spring semester)

小橋 昌司

工学研究科

日本語

目標4／目標9

本授業は集中講義形式で実施するため、定期的なオフィスアワーは設けない。学生からの相談には、講義中の休み時間や講義前後に適宜対応する。

授業に関する連絡や質問は、UNIPAのQ&A機能を通じて行ってください。投稿内容は全担当教員に共有されます。

ー

ー

2-2◎／1-2〇

ー

【講義目的】
専攻の枠を超えて集った学生が能動的に意見や考えを交わしながら入門的な課題に取り組むことを通して、県立大学生としてのアイデンティティを深めるとともに、分野横断的な学際的思考の基礎を身につける。学部の枠を超え、実践的な学修を行い、課題解決力を培う。

【到達目標】
１）学際的思考の基礎となる幅広い知識・技能を有している  
２）自己実現に向けて自主性・自律性をもって活動できる

サブタイトル：学部を超えて、世界が広がる
キーワード：分野横断、学際的思考、実践的学修、課題解決力

【講義内容】
本ゼミは、全学部の学生を対象とし、専門分野やこれまでの学修内容、AIやプログラミングの経験にかかわらず参加できる学際的な演習科目です。講義による知識習得を最小限とし、学生が主体となって手を動かしながら学ぶ活動を中心に進めます。専攻の異なる学生がチームを構成し、身近な社会や大学生活に関わる課題を自ら設定し、AIを活用した解決策の企画、試作、および実証に取り組みます。
プログラミング能力は前提とせず、ノーコードツールや生成AIによるコード生成支援を活用することで、アイデアを実際に「動く形」や「使える形」に落とし込み、その有効性や課題を検討します。完成度や技術的な高度さよりも、考えたアイデアを試し、評価し、改善する過程を重視します。
授業内では、課題設定から解決策の設計、試作、動作確認、評価までの一連の流れを体験的に行います。実証のための方法（ノーコードツールの利用、生成AIを用いた実装支援等）については、同講義中に実際に操作しながら習得します。グループディスカッションや試作作業は、主として演習室・講義室等の授業実施教室で行い、必要に応じて学内の共用スペースも活用します。
成果物としては、課題解決の考え方を示す簡単なアプリやサービスの試作、画面構成案、動作デモ等を想定します。本ゼミを修了することで、学生は、AIを自分の考えを形にするための身近な道具として使いこなし、アイデアを試し、他者に分かりやすく説明できるようになることを目指します。

【授業計画】
※本授業は夏季集中講義（３日間、全15コマ）として実施します。

1. ガイダンス：ゼミの目的・進め方の説明、自己紹介、グループ編成
2. 課題共有ワーク：身近な社会・大学生活に関わる課題の持ち寄りと共有
3. 課題整理：背景、対象、困りごとの構造を整理する
4. AI活用の考え方：活用事例と注意点（簡潔な説明）
5. 解決策構想：AIを用いた解決策のアイデア検討
6. 解決策構想②：サービス・アプリの目的、機能、利用場面の整理
7. 評価観点の設定：どのように有効性を確かめるかを考える
8. 実装方針の検討：ノーコードツールや生成AI活用の方法を決める
9. 試作①：ノーコードツールや生成AIを用いた実装
10. 試作②：動作確認と調整
11. 改善①：試作結果を踏まえた修正
12. 改善②：実証内容の再確認とブラッシュアップ
13. 評価：想定利用場面に基づく効果検証
14. 発表準備：成果物と評価結果の整理
15. 成果発表と総括：発表、討議、まとめと評価（到達度の確認）

対面

本授業は対面で実施します。

全面的に許可

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。

本授業では、授業内、予習・復習、成果物作成等において生成AIの利用を全面的に許可します。ただし、生成AIは思考や試作を支援するための補助的なツールであり、生成AIによる出力結果をそのまま成果物として提出することは認めません。生成AIの出力内容については、事実関係の確認や妥当性の検討を行い、自身の考えに基づいて修正・改善することが重要です。

また、生成AIを利用した場合には、その旨を成果物や発表において適切に明示し、著作権、個人情報、機密情報等に十分配慮したうえで利用してください。生成AIの利用方法の詳細については、担当教員の指示に従ってください。

指定教科書はありません。授業で使用する資料は、UNIPAを通じて配布します。

授業内容の理解を深めるため、以下の資料等を参考として紹介します。これらは必読ではなく、必要に応じて適宜参照してください。

• 生成AIおよびノーコードツールに関する公式ドキュメント、チュートリアル資料（授業内で適宜紹介）
• 課題解決型学修（PBL）やデザイン思考に関する入門的な解説資料（授業内で適宜紹介）

【事前学習】
講義開始前に、身近な社会や大学生活の中で、不便に感じていることや改善できそうな課題について考えておくことが望まれます。
（講義期間全体での目安時間：1時間程度）

【事後学習】講義期間中および終了後に、グループディスカッションや試作・評価の内容を振り返り、自身の学びや気づきを整理してください。また、成果発表や成果物の完成に向けて内容の整理や改善を行います。（講義期間全体での目安時間：2〜3時間程度）

本授業では、学生が主体的に取り組むアクティブ・ラーニングを中心に実施します。専攻や学年の異なる学生によるグループ活動を通じて、身近な社会や大学生活に関わる課題を発見し、その背景や要因を議論します。

授業内では、グループディスカッション、アイデアの可視化、解決策の構想、試作、評価、発表といった一連のプロセスを体験的に行います。ノーコードツールや生成AIを活用し、プログラミングを最小限に抑えながら、アイデアを実際に動く形として試作し、その有効性や課題を検討します。
教員はファシリテーターとして議論や作業を支援し、学生同士の意見交換や相互評価を促進します。これらの活動を通じて、学生は主体的に考え、他者と協働しながら課題解決に取り組む力を養います。

本授業では、集中講義形式による演習・グループ活動を通じた学修への取り組みを重視し、以下の項目を総合的に評価します。

1. グループ活動への参加状況・貢献度（40％）　グループディスカッションや試作・検討作業において、主体的に意見を出し、他者と協働して課題解決に取り組んでいるかを評価します。
2. 成果物およびその内容（40％）　課題設定の妥当性、解決策の考え方、試作や実証の工夫、ならびにその説明の分かりやすさを評価します。完成度や技術的な高度さよりも、試行錯誤や改善の過程を重視します。
3. 発表および振り返り（20％）　成果発表における説明の明確さや論理性、ならびに授業全体を通じた学びや気づきを適切に整理・表現できているかを評価します。

課題や成果物に対する評価結果および講評は、UNIPAを通じて開示します。必要に応じて、授業内において全体的な講評や評価の観点について説明を行います。

本授業は全学部の学生を対象とし、専門分野やこれまでの学修内容、AIやプログラミングに関する事前知識は問いません。授業は集中講義形式で行い、グループでのディスカッションや試作、発表などの演習活動を中心に進めます。

授業内で各自のノートPCを使用するため、必ず持参してください。ネットワーク環境としては、学内のEduroamを利用します。使用するツールや環境については、授業内で説明します。

また、グループ活動が多いため、積極的に参加し、他者の意見を尊重しながら協働する姿勢が求められます。集中講義の特性上、原則として全日程への出席を前提とします。

該当しない