1xBetスポーツベットィング 17+ - App Store - Apple

<ウェブサイト名>

<現在の時刻>

出典: 標準

大学について HOME > 大学について > 数理・データサイエンス・AI教育プログラム 大学について 教育研究上の目的 アドミッション・ポリシー カリキュラム・ポリシー ディプロマ・ポリシー アセスメント・ポリシー 数理・データサイエンス・AI教育プログラム 数理・データサイエンス・AI教育プログラム 国際医療福祉大学数理・データサイエンス・AI教育プログラム 国際医療福祉大学では、令和5年度より、全学部を対象とした、「国際医療福祉大学数理・データサイエンス・AI教育プログラム」を実施しています。 本プログラムを通じて、学生は次の能力等を身に付けることができます。 1.データ・AIによって、社会および日常生活が大きく変化していることを理解する 2.データの特徴を読み解き、起きている事象の背景や意味合いを理解できる 3.データの比較対象を正しく設定し、数字を比べることができる 4.適切な可視化手法を選択し、他者にデータを説明できる 5.文献や現象を読み解き、それらの関係を分析・考察し表現することができる 6.スプレッドシート等を使って、小規模データ(数百件~数千件レベル)を集計・加工できる 7.データ・AI利活用における留意事項(個人情報保護法、EU一般データ保護規則(GDPR)、モラルや倫理、リスクなど)について理解する ※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)」に令和6年度申請予定です。 文部科学省: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) 1.実施体制 委員会等 役割 総合教育センター長 運営責任者 教務統括委員会 数理・データサイエンス・AI教育プログラムWG プログラムの改善・進化 自己点検・評価委員会 プログラムの自己点検・評価 2.プログラム概要 3.修了要件 必修科目のデータリテラシー(1単位)と医療必修-医療の倫理とプロ意識・医療情報-(以下、医療必修と表記)(1単位)の計2単位を取得すること。 4.授業科目 ※横にスクロールしてご覧いただけます。 授業科目名 授業の概要 授業の到達目標 データリテラシー 本科目では、数理・データサイエンス・AI(人工知能)への関心を高め、かつ、それらを適切に理解し、活用する基礎的な能力を育成することを目的とする。このために、「社会におけるデータ・AI利活用」(導入:社会で起きている変化/データ・AI利活用の最新動向)および「データリテラシー」(基礎:データを読む/データを説明する/データを扱う)の二分野について、演習を通じて実践的に学習していく。「データを読む」では文章作成、「データを説明する」「データを扱う」では表計算の演習も同時に行う。 1.データ・AIによって、社会および日常生活が大きく変化していることを理解する 2.データの特徴を読み解き、起きている事象の背景や意味合いを理解できる 3.データの比較対象を正しく設定し、数字を比べることができる 4.適切な可視化手法を選択し、他者にデータを説明できる 5.文献や現象を読み解き、それらの関係を分析・考察し表現することができる 6.スプレッドシート等を使って、小規模データ(数百件~数千件レベル)を集計・加工できる 医療必修-医療の倫理とプロ意識・医療情報-(以下、医療必修と表記) 本学学生全員を対象に、1)疾病への様々な基本的な医学的・保健学的アプローチ 2)倫理の基本となる規範 3)医の倫理・生命倫理をめぐる様々な規制や問題 4)医療プロフェッショナリズム 5)医療安全・医薬品安全 6)医療事故・介護事故の事例とその法律解釈 などを学修できる授業を提供する。さらに医療情報に関する今日的・基本的な知識と扱い方を学習することにより、医療系学生として、将来、各専門分野で活躍するために必要な医療情報リテラシー、および医療データリテラシーに関する能力を高める。 1.疾病との人類の戦いの歴史を踏まえ、疾病の病因やその分類、診断検査法、治療法などについてその概要を認識する。 2.患者中心の医療を提供するために医療者として知っておかなければならない倫理的知識や医療プロフェッショナリズムについて理解する。 3.医療をめぐる様々な臨床倫理の原則、生命倫理の争点や倫理的問題点について説明できる。 4.医療安全を守るための予防策や対策、医療事故の実情と法的解釈を把握できる。 5.診療情報管理や病院管理、先端ICT技術の医学・医療への応用の重要性を認識できる。 6.社会におけるデータ・AI利活用について理解する。 7.データ・AI利活用における留意事項(個人情報保護法、EU一般データ保護規則(GDPR)、モラルや倫理、リスクなど)について理解する。 医療データサイエンスⅠ(DS基礎) 本科目では、「データリテラシー」で学習した内容を深化させることを目的とし、「データ駆動型社会とSociety 5.0」「データ分析の進め方」「データの記述・可視化・分析」「ビックデータとデータエンジニアリング」および「データ表現・収集・加工」について、グループワークや演習を通じて実践的に学習する。あわせて、これらの学習内容の基盤である「数学基礎」「アルゴリズム」および「プログラミング基礎」についても、医療データを用いたグループワークや演習を通じて実践的に学習していく。 1.データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する 2.分析目的に応じ、適切なデータ分析手法、データ可視化手法を選択できる 3.データを可視化し、意味合いを導出することができる 4.データを活用した一連のプロセスを体験し、データ利活用の流れ(進め方)を理解する 例)仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替など 5.仮説や既知の問題が与えられた中で、必要なデータにあたりをつけ、データを分析できる 6.分析結果を元に、起きている事象の背景や意味合いを理解できる 7.データを収集・処理・蓄積するための技術の概要を理解する 8.コンピュータでデータを扱うためのデータ表現の基礎を理解する 9.Webサイトやエッジデバイスから必要なデータを収集できる 10.数千件~数万件のデータを加工処理するプログラムを作成できる 医療データサイエンスⅡ(AI基礎) 本科目では、「データリテラシー」や「医療データサイエンスI」の学習内容を踏まえて、AI(人工知能)の基礎について、「AIと社会」「機械学習」「深層学習」の基礎について学んだあと、Python等を用いた「AIの構築と運用」について、医療データを用いたグループワークや演習を通じて実践的に学習していく。 1.AIのこれまでの変遷、各段階における代表的な成果物や技術背景を理解する 2.今後、AIが社会に受け入れられるために考慮すべき論点を理解する 3.自らの専門分野にAIを応用する際に求められるモラルや倫理について理解する 4.機械学習(教師あり学習、教師なし学習)、深層学習、強化学習の基本的な概念を理解する 5.AI技術(学習、認識、予測・判断、知識・言語、身体・運動)を活用し、課題解決につなげることができる 6.複数のAI技術が組み合わされたAIサービス/システムの例を説明できる 5.モデルカリキュラム(リテラシーレベル)との対応 数理・データサイエンス・AI教育強化拠点コンソーシアムでは、「大学の数理・データサイエンス教育強化方策について」(平成28年12月21日 数理及びデータサイエンス教育の強化に関する懇談会)及びAI戦略2019(令和元年6月11日 統合イノベーション戦略推進会議)等の提言を踏まえ、データサイエンス教育の全国の大学への普及・展開に向けた活動を実施しています。 分野を問わず、全ての大学・高専生(約50万人卒/年)を対象にしたリテラシーレベルの教育の基本的考え方、学修目標・スキルセット、教育方法等について「数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム ~ データ思考の涵養 ~」を公開します。(数理・データサイエンス教育強化拠点コンソーシアム)  プログラムを構成する授業の内容・概要(数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラムの「導入」、「基礎」、「心得」に相当) ※横にスクロールしてご覧いただけます。 授業に含まれている内容・要素 講義内容 授業科目名 (1)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り、それが自らの生活と密接に結びついている ※モデルカリキュラム導入1-1、導入1-6が該当 データリテラシー 第1回 データリテラシー入門 医療必修 第9回 社会におけるデータ・AI利活用 データリテラシー医療必修 (2)「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もの ※モデルカリキュラム導入1-2、導入1-3が該当 第9回 社会におけるデータ・AI利活用 第13回 医療データ管理と病院管理・データ利活用の現場 第14回 ICT・AIの医学・医療への応用とセキュリティ 医療必修 (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、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 ※モデルカリキュラム導入1-4、導入1-5が該当 第9回 社会におけるデータ・AI利活用 第13回 医療データ管理と病院管理・データ利活用の現場 第14回 ICT・AIの医学・医療への応用とセキュリティ 医療必修 (4)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)を考慮し、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をする ※モデルカリキュラム心得3-1、心得3-2が該当 第10回 医の倫理と医療プロフェッショナリズム 第11回 先端医療現場での倫理的問題と医療データを守る上での留意事項 第12回 保健・医療・福祉の専門職を目指す大学生に役立つコンピュータの基礎知識とメディア・リテラシー・インターネットリテラシー 第15回 総括と討論および学習成果発表 II ―情報セキュリティインシデント演習 医療必修 (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もの ※モデルカリキュラム基礎2-1、基礎2-2、基礎2-3が該当 第1回 データリテラシー入門 第2回 データを読む(1)データの種類、データの分布と代表値 第3回 データを読む(2)データのばらつき 第4回 データを読む(3)相関と因果 第5回 データを読む(4)母集団と標本抽出(国勢調査、アンケート調査) 第6回 データを読む(5)クロス集計表、分割表 第7回 データを扱う(1)データの集計(和、平均) 第8回 データを扱う(2)データの集計(条件で判断する) 第9回 データを扱う(3)データの並べ替え(並べ替え、フィルタ) 第10回 データを説明する(1)データ表現(棒グラフ、折線グラフ、散布図、ヒートマップなど) 第11回 データを説明する(2)データの比較(条件をそろえた比較、A/Bテスト) 第12回 データを説明する(3)可視化の事例 第13回 グループワーク(1)データを収集 第14回 グループワーク(2)データを分析し可視化する 第15回 グループワーク(3)データを読み説明する(プレゼン) データリテラシー 授業担当者 過去4年間に新設された学科については表に掲載していない場合もある。 ※横にスクロールしてご覧いただけます。 学部 科目名 教員氏名 開講学期 単位数 保健医療学部 1403160 医療必修(NS) 新井田 孝裕,家入 香代 2023前期 1単位 1403161 医療必修(PT) 新井田 孝裕,柊 幸伸,広瀬 環,渡邉 観世子 2023後期 1単位 1403163 医療必修(ST) 新井田 孝裕,平島 ユイ子 2023後期 1単位 1403164 医療必修(RT) 新井田 孝裕,杉山 直樹 2023前期 1単位 1403165 医療必修(ORT) 新井田 孝裕 2023前期 1単位 医療福祉学部 1403166 医療必修(SHM) 山本 康弘 2023後期 1単位 薬学部 1403167 医療必修(PS) 三浦 裕也,八木 秀樹 2023後期 1単位 医学部 A020221 医療必修 坂元 亨宇 2023前期 1単位 成田看護学部、成田保健医療学部 420301Z 医療必修 西田 裕介,宮嶋 宏行 2023後期 1単位 福岡保健医療学部 6108320 医療必修(PT) 武田 弘志,下田 武良,松田 憲亮 2023後期 1単位 6108321 医療必修(OT) 武田 弘志,原 麻理子,松野 豊,韓 侊熙 2023後期 1単位 6108323 医療必修(MT) 武田 弘志,澁田 樹 2023後期 1単位 6108324 医療必修(NS) 武田 弘志,日髙 陵好,野上 裕子 2023後期 1単位 小田原保健医療学部 7103131 医療必修(NS) 小森 哲夫,永井 朋子 2023前期 1単位 7103132 医療必修(PT) 小森 哲夫,永井 朋子 2023前期 1単位 7103133 医療必修(OT) 小森 哲夫,永井 朋子 2023前期 1単位 赤坂心理・医療福祉マネジメント学部 B204021 医療必修 橋本 和明,中村 美穂,藪下 千恵美 2023後期 1単位 学部 科目名 教員氏名 開講学期 単位数 保健医療学部 1403141 データリテラシー(NS) 石川 徹 2023前期 1単位 1403142 データリテラシー(PT) 石川 徹 2023前期 1単位 1403143 データリテラシー(OT) 石川 徹 2023前期 1単位 1403149 データリテラシー(ORT) 斎藤 恵一 2023前期 1単位 140314B データリテラシー(ST) 斎藤 恵一 2023前期 1単位 140314C データリテラシー(RT) 石川 徹 2023前期 1単位 医療福祉学部 1403146 データリテラシー(SHM・木4) 石川 徹 2023前期 1単位 140314D データリテラシー(SHM・金2) 石川 徹 2023前期 1単位 薬学部 1403147 データリテラシー(PS1-A) 石川 徹 2023前期 1単位 1403148 データリテラシー(PS1-B) 石川 徹 2023前期 1単位 医学部 A020231 データリテラシー 稲垣 誠一 2023 3学期 1単位 成田看護学部 4203021 データリテラシー(NS) 宮嶋 宏行 2023前期 1単位 成田保健医療学部 4203022 データリテラシー(PT) 宮嶋 宏行 2023前期 1単位 4203023 データリテラシー(OT) 宮嶋 宏行 2023前期 1単位 4203024 データリテラシー(ST) 宮嶋 宏行 2023前期 1単位 4203025 データリテラシー(MT) 稲垣 誠一 2023前期 1単位 福岡保健医療学部 6108440 データリテラシー(PT) 安本 誠一 2023前期 1単位 6108441 データリテラシー(OT) 安本 誠一 2023前期 1単位 6108442 データリテラシー(MT①) 上野 民生 2023前期 1単位 6108443 データリテラシー(MT②) 上野 民生 2023前期 1単位 小田原保健医療学部 7103141 データリテラシー(NS)クラス1 永井 朋子 2023前期 1単位 7103142 データリテラシー(NS)クラス2 永井 朋子 2023前期 1単位 7103143 データリテラシー(PT)クラス1 永井 朋子 2023前期 1単位 7103144 データリテラシー(PT)クラス2 永井 朋子 2023前期 1単位 7103145 データリテラシー(OT) 永井 朋子 2023前期 1単位 赤坂心理・医療福祉マネジメント学部 B211011 心理学統計法Ⅰ(単変量解析講義・データリテラシー) 中田 光紀 2023前期 2単位 B221051 医療統計Ⅰ(統計理論・データリテラシー) 藤田 烈 2023前期 2単位 B221061 データ処理Ⅰ(初級・データリテラシー) 石川 ベンジャミン光一 2023後期 2単位 6.自己点検・評価 本プログラムの履修・修得状況(令和5(2023)年3月31日時点) ※横にスクロールしてご覧いただけます。 学部・学科名称 学生数 入学 収容 令和5年度 履修者数 履修率 定員 定員 履修者数 修了者数 合計 保健医療学部 2,201 535 2,140 551 453 551 26% 医療福祉学部 566 140 570 134 132 134 24% 薬学部 1,060 180 1,080 189 184 189 18% 赤坂心理・医療福祉マネジメント学部 474 120 480 121 115 121 25% 医学部 830 140 840 142 115 142 17% 成田看護学部 425 100 400 102 98 102 26% 成田保健医療学部 1,213 290 1,160 307 301 307 26% 小田原保健医療学部 855 200 800 217 216 217 27% 福岡保健医療学部 912 220 880 229 223 229 26% 福岡薬学部 487 120 480 123 0 123 26% 合 計 9,023 2,045 8,830 2,115 1,837 2,115 23% 本プログラムを通じた学生の内容理解度の調査結果 ※横にスクロールしてご覧いただけます。 設問 A. 履修前 B. 履修後 B-A はい はい 1.コピー・貼り付けができる。 78% 99% 21% 2.アルファベットの大文字と小文字を区別して入力できる。例)ABCD 、abcd 98% 100% 1% 3.文字の半角と全角を区別して入力できる。例)ABCD、ABCD、1234、1234 91% 100% 9% 4.文字の書式(フォント、サイズ)を変更できる。例)国際医療福祉大学(10pt)→ 国際医療福祉大学(12pt)、成田市(明朝)→ 成田市(ゴシック) 68% 100% 31% 5.1ページの文字数と行数を設定できる。 35% 89% 54% 6.文章の行間の変更ができる。 60% 93% 33% 7.インデントの指定ができる。 9% 58% 49% 8.ページ番号を挿入できる。 19% 83% 64% 9.4行3列の表を作成できる。 37% 97% 60% 10.表のレイアウト(列幅や行の高さの変更、セルの結合や分割など)を変更できる。 36% 98% 61% 11.文章中に図または写真を挿入できる。 69% 99% 29% 12.ファイル名を指定して文章を保存できる。 70% 98% 28% 13.表のデータについて、表示形式(セルの書式)を変更できる。例)2020/4/1 → 令和2年4月1日 19% 72% 53% 14.行や列の削除や挿入ができる。 47% 95% 48% 15.表のデータについて、関数を利用して合計を計算できる。 25% 97% 72% 16.表のデータについて、割合を計算し、パーセント表示できる。 17% 92% 75% 17.表のデータをもとに棒グラフを作成できる。 32% 99% 67% 18.棒グラフと折れ線グラフからなる複合グラフを作成できる。 19% 81% 62% 19.条件付き書式を設定できる。 7% 62% 55% 20.相対参照と絶対参照の使い分けができる。 4% 41% 37% 21.データの並べ替えと抽出ができる。 13% 84% 71% 22. 度数分布表、ヒストグラム、箱ひげ図を作成し、その意味を説明できる。 22% 75% 53% 23.散布図を作成し、その意味を説明できる。 17% 77% 60% 24.アンケート調査結果についてクロス集計ができる。 3% 29% 26% 25.正規分布と標準正規分布の違いについて説明できる。 3% 21% 18% 平均 36% 82% 46% 1年次必修科目「データリテラシー」全履修者を対象に、履修前と履修後に、科目の到達目標に対する学生の達成度(自己評価)に関するアンケートを実施した。ほとんどの学科において「データを分析」の項目(設問13から25)で「できる」と回答した自己評価が履修前は低かった(14と17を除いて25%以下)が、履修後には大きく改善したことが確認できた。設問20、24、25は履修後でも50%を切っているが、次年度の課題であると考えている。 1年次必修科目「医療必修」では、定量的な学修成果(自己評価)の指標として全履修者を対象に、授業アンケートを実施した。それぞれのプログラムについての(Q3.知的に刺激された)では、「そう思う」と「とてもそう思う」を合わせ概ね70%を超えている。 後輩等他の学生への推奨度の調査結果 ※横にスクロールしてご覧いただけます。 回答内容 リテラシーとしての数理・データサイエンス・AI教育は重要と考えますか 本学の数理・データサイエンス・AI教育を後輩等他の学生への推奨しますか リテラシーとしての数理・データサイエンス・AI教育は重要と考えますか 本学の数理・データサイエンス・AI教育を後輩等他の学生への推奨しますか とてもそう思う 92 64 43% 30% そう思う 119 127 55% 59% そう思わない 4 19 2% 9% まったくそう思わない 1 6 0% 3% 合計 216 216 100% 100% 1年次終了時に、本プログラムに関して「1.リテラシーとしての数理・データサイエンス・AI教育は重要と考えますか」、「2.本学の数理・データサイエンス・AI教育を後輩等他の学生への推奨しますか」の2つの質問を行った。「とてもそう思う」、「そう思う」を合わせると、それぞれの質問ともに90%を超えていることから、本プログラムの必要性を理解し、後輩学生にも薦めたいと多くの学生が考えていることが分かる。

ニューカッスル・ジェッツ ウェールズラグビー 【2022年最新版】beebet(ビーベット)利用者のリアルな ... プロスペリティ英語
Copyright ©1xBetスポーツベットィング 17+ - App Store - Apple The Paper All rights reserved.