データサイエンス教育プログラム リテラシーレベル

本学では、全学部の学生の数理・データサイエンス・AIへの関心を高め、かつ、数理・データサイエンス・AIを適切に理解し、それを活用する基礎的な能力を育成することを目的としてデータサイエンス教育プログラムを設置しています。下記データサイエンス教育プログラムの修了要件を満たし、かつ所定の申請手続きを行った学生は卒業時に修了証書を取得できます。
本プログラムは文部科学省「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）」の認定を取得しています。認定の期間は2026年3月31日までです。

プログラム名称

データサイエンス教育プログラム リテラシーレベル

身に付けることができる能力

第4次産業革命と共に到来した知能情報社会においてデータから価値を創出する一連の課程に関する基礎理論と基礎知識を習得し、実社会と技術を繋ぐためのデータ活用ができる。情報化社会に相応しい職業倫理観を持ち、データの収集、処理、分析、活用およびAIに関する基盤知識を身に付けて論理的に活用できる。

修了要件（2021年度、2022年度入学者）

データサイエンス教育プログラムでは、構成されている全学部共通の教養科目（下記1〜3）6単位と全学部共通の専門科目（下記4〜6）6単位を必須とし、さらに選択科目として（下記7〜11）から4単位上、合計16単位以上を修得することを修了要件とする。

授業科目と授業方法（シラバス2023）

1. コンピュータと情報化社会
2. 情報リテラシー1
3. 情報リテラシー2
4. 統計学入門
5. データプレゼンテーション
6. 情報倫理
7. データ分析
8. 基礎の確率
9. 線形性の数理
10. 数学の基礎
11. AIのためのプログラミング

身に付けられる内容と対応する科目（2021年度、2022年度入学者）

数理・データサイエンス教育強化拠点コンソーシアムのモデルカリキュラム（リテラシーレベル）と本プログラムとの対応

	授業内容	対応する科目
1	数理・データサイエンス・AIは、現在進行中の社会変化（第4次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであること、また、それが自らの生活と密接に結びついているものであること。	コンピュータと情報化社会 情報リテラシー1 AIのためのプログラミング
2	数理・データサイエンス・AIが対象とする「社会で活用されているデータ」や「データの活用領域」 は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得ること。	統計学入門
3	様々なデータ利活用の現場におけるデータ利活用事例が示され、数理・データサイエンス・AIは様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせ ることで価値を創出するものであること。	データプレゼンテーション 統計学入門
4	数理・データサイエンス・AIは万能ではなく、その活用に当たっての様々な留意事項（ELSI、 個人情報、データ倫理、AI社会原則等）を考慮することが重要であること。また、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解が重要であること。	情報倫理 情報リテラシー1
5	実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法に関すること。	データ分析 データプレゼンテーション 情報リテラシー2 統計学入門 線形性の数理 AIのためのプログラミング 基礎の確率 数学の基礎



「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）」の内容の一部変更について

2023年度（令和5年度）より、上記の「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）」の内容を一部変更し、「情報リテラシー 1」、「情報リテラシー 2」の2科目の修得で修了できるように変更し、多くの学生が修了できるように改善しています（2023年度変更申請）。

修了要件（2023年度入学者以降）

データサイエンス教育プログラムでは、「情報リテラシー 1」、「情報リテラシー 2」の2科目、合計4単位以上を修得することを修了要件とする。

プログラムを構成する授業科目・修了要件の変更

2023年度（令和5年度）変更届(PDF)

数理・データサイエンス教育強化拠点コンソーシアムのモデルカリキュラム（リテラシーレベル）と本プログラムとの対応

	授業内容	対応する科目
1	数理・データサイエンス・AIは、現在進行中の社会変化（第4次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであること、また、それが自らの生活と密接に結びついているものであること。	情報リテラシー1
2	数理・データサイエンス・AIが対象とする「社会で活用されているデータ」や「データの活用領域」 は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得ること。	情報リテラシー1 情報リテラシー2
3	様々なデータ利活用の現場におけるデータ利活用事例が示され、数理・データサイエンス・AIは様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせ ることで価値を創出するものであること。	情報リテラシー1 情報リテラシー2
4	数理・データサイエンス・AIは万能ではなく、その活用に当たっての様々な留意事項（ELSI、 個人情報、データ倫理、AI社会原則等）を考慮することが重要であること。また、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解が重要であること。	情報リテラシー1
5	実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法に関すること。	情報リテラシー2



実施体制

委員会等	役割
学生支援部門 教務担当	プログラム運営
教務委員会	プログラムの改善・進化
AOL委員会	プログラムの自己点検、評価



自己点検・評価

2020年度：データサイエンス教育プログラム自己点検・評価結果（名古屋商科大学）
2021年度：データサイエンス教育プログラム自己点検・評価結果（名古屋商科大学）
2022年度：データサイエンス教育プログラム自己点検・評価結果（名古屋商科大学）
2023年度：データサイエンス教育プログラム自己点検・評価結果（名古屋商科大学）
2024年度：データサイエンス教育プログラム自己点検・評価結果（名古屋商科大学）

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）申請書

2021年度（令和3年度）申請書(PDF)

データサイエンス教育プログラム 応用基礎レベル