Siデータサイエンス教育プログラム

このプログラムは、本学が標榜する「社会知性（Socio-Intelligence）の開発」の一翼を担うものであり、その目的は、近年急速に進みつつあるビッグデータとAI（人工知能）が駆動する情報化社会を生き抜く力を身につけ、社会の諸課題を解決する手段の1つを養うことです。今後、「専修大学が創り育てる知」のあり方の一つとなります。また、本プログラムは、文部科学省「数理?データサイエンス?AI教育プログラム認定制度（リテラシーレベル）※全学部」および「数理?データサイエンス?AI教育プログラム認定制度（応用基礎レベル）※ネットワーク情報学部のみ」に認定されています。

※役職は、収録当時のものです

Siデータサイエンス教育プログラムの目的

?データサイエンスとは

情報化が進んだ現代においては、日々の社会活動の中で、ソーシャルメディアでのつぶやきのデータ、人々の位置データ、日々の購買データなど膨大なデータ（ビッグデータ）が集められ、蓄積されていきます。そういったビッグデータから、統計的手法やAIなどを駆使して、これまでは分からなかった有用な知見を引き出すことに成功しつつあり、それによって社会的課題を解決することができるようになってきました。このようなことがデータサイエンスです。

?データサイエンスを学ぼう

ソーシャルメディアで次になにが話題になりそうかとか、人々の購買データから次に何が売れそうかといった具体的な事例を考えると、ビッグデータの分析がいかに役立つかがイメージしやすいと思います。そういったビッグデータから有用な知見を引き出すには、データ分析や統計学が必要ですが、文系を選んできた皆さんにとって、やや遠い世界のものと考えている人もいるかもしれません。しかし、社会的問題を解決する上で、今や必須の能力になりつつあります。また、ビッグデータは、扱う側だけでなく提供する側だけでもこれまで以上の情報倫理が必要になってきています。皆さんが、将来、どのような仕事に就くにしても、進化したデジタルなどによる生活その他の変革を意味するDX（デジタルトランスフォメーション）の進む未来において、不可欠な能力となるでしょう。

?文系の学問とデータサイエンスの融合
データサイエンスHPの図案

AIの発展に伴い、従来は人だけができるとされてきた知的、感性的な領域も自動化されつつあります。例えば、難しいと考えられてきた囲碁でもAIがプロ棋士を破りました。また、言語といった代表的な文系の分野にも情報処理は及んでおり、リアルタイム翻訳や画像認識なども皆様の身の回りにも浸透しつつあります。こういった領域では、特に文系からのアプローチの重要性が大きくなってきています。文系の学問とデータサイエンスの融合が新しい時代を開きます！それが専修大学の目指すデータサイエンス（Siデータサイエンス）です。

?本教育プログラムの目的
ビッグデータやAIによって駆動される現代の情報化社会の変化について理解し、基礎的な情報処理?データ分析能力?情報倫理を身に付けることが、本教育プログラムの第一の目的です。その上で、各学部教育および全学部教育を通して、データサイエンスの知見も駆使できる人材を育成することを目指します。

修了認定対象となるSiデータサイエンス教育プログラム受講者

基礎リテラシーレベル　全学部全学科（2022年度以降入学者）　
応用基礎レベル　　　　全学部全学科（2023年度以降入学者）
　　　　　　　　　　　※ネットワーク情報学部ネットワーク情報学科は、2019年度以降入学者

各学部?学科で用意している本プログラムに対応する科目を履修し、単位を修得した学生には、本プログラムを修了したことが認められます。

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）／（応用基礎レベル）」に認定されました。※詳細はこちらをご覧ください。

sids ロゴマーク

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）」申請様式
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（応用基礎レベル）」申請様式

実施体制

本プログラムの実施体制を下表に示します。

委員会等	役割
専修大学数理?データサイエンス?ＡＩ教育運営委員会	プログラムの運営責任者
専修大学数理?データサイエンス?ＡＩ教育運営委員会	プログラムの改善?進化
専修大学　自己点検?評価委員会数理?データサイエンス?ＡＩ教育関係自己点検?評価実施委員会	プログラムの自己点検?評価

開講科目と修了要件

?Siデータサイエンス教育プログラム
SiDSプログラム図

※応用発展レベルの科目のうち、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（応用基礎レベル）」の修了要件は、ページ下部の「応用基礎レベルの開講科目（修了要件）」をご覧ください。

?基礎リテラシーレベルの開講科目（修了要件）
多くの学部?学科では、基礎的なデータ分析の手法や統計学について、転換?導入科目の一つである「情報入門１、情報入門2」で学びます。（専門科目で学ぶ学部?学科もあります。詳細は、次表を参照してください）
また、この科目の単位を修得することで、「Siデータサイエンス教育プログラム（基礎リテラシーレベル）」の修了資格が得られます。（修了証明書をbet36体育在线,bet36体育投注６年度に発行予定）

〇必修　◎選択必修　

※学部の必修?選択必修とは異なります。

学部	学科	科目	単位数	必修? 選択必修	修了要件
経済	現代経済	情報入門１情報入門２	各2	〇	4単位修得
	生活環境経済
	国際経済
法	法律
	政治
経営	経営	情報処理入門情報リテラシ基礎演習情報システム入門統計入門	各2	〇	8単位修得
	ビジネスデザイン
商	マーケティング	情報基礎Ⅰ 情報基礎Ⅱ	各2	〇	4単位修得
	会計
文	日本文学文化	情報入門１情報入門２	各2	〇	4単位修得
	英語英米文
	哲
	歴史
	環境地理
	ジャーナリズム（2023年度以降入学者）
	ジャーナリズム（2022年度入学者）	情報表現実習（基礎）	2	〇	10単位修得
		スポーツ医科学情報	2	◎※1
		現代社会とスポーツ	2
		心理情報とメンタルマネジメント	2	◎※2
		ライフステージと健康情報	2
		コンディショニングのための情報分析	2
		パブリックメディア論	2	〇
		情報表現実習（応用）	2	〇
ネットワーク情報	ネットワーク情報	情報分析基礎	各2	〇	6単位修得
		情報分析演習
		ネットワーク情報総論１
人間科	心理	情報入門１情報入門２	各2	〇	4単位修得
	社会
国際コミュニケーション	日本語	日本語情報処理１日本語情報処理２	各2	〇	4単位修得
	異文化コミュニケーション	情報入門１情報入門２	各２	〇	4単位修得

※1　２科目の中から１科目（２単位）選択必修
※2　３科目の中から１科目（２単位）選択必修
※3　シラバスはこちらをご覧ください

?応用基礎レベルの開講科目（修了要件）
基礎リテラシーレベルの内容をさらに深く?広く展開して学ぶための科目を用意しています。
各学部?学科に定められた科目の単位を修得することで、「Siデータサイエンス教育プログラム（応用基礎レベル）」の修了資格が得られます。

〇必修　◎選択必修　△選択

※学部の必修?選択必修とは異なります。

現代経済学科

科目	単位数	必修? 選択必修	修了要件
統計学基礎	2	〇	2単位	8単位
情報入門２	2	〇	2単位
特殊講義（人工知能入門）*1	2	〇	2単位
特殊演習（データ?AI活用）*1	2	〇	2単位

*1 ネットワーク情報学部専門科目（学部間相互履修制度により履修可能）

生活環境経済学科

科目	単位数	必修? 選択必修	修了要件
経済データ入門演習	2	◎	2単位	8単位
現代社会と統計１	2	◎	2単位
情報入門２	2	〇	2単位
特殊講義（人工知能入門）*1	2	〇	2単位
特殊演習（データ?AI活用）*1	2	〇	2単位

*1 ネットワーク情報学部専門科目（学部間相互履修制度により履修可能）

国際経済学科

科目	単位数	必修? 選択必修	修了要件
データ分析入門	2	◎	2単位	8単位
国際経済とデータ分析	2	◎
現代社会と統計1	2	◎
情報入門２	2	〇	2単位
特殊講義（人工知能入門）*1	2	〇	2単位
特殊演習（データ?AI活用）*1	2	〇	2単位