文部科学省は平成28年に「数理及びデータサイエンスに係る教育強化」の6拠点6大学を選定しました。平成31年にはその協力校として20大学選定し，本学も協力校のひとつです。
協力校として，文系から理系までの全学生約2,200 名（理系1,300 名＋文系900名）を遍く対象とする数理・データサイエンス教育を展開し，医療・金融・法律など様々な専門分野において,データに基づく社会的課題解決や新たな価値創造が可能な人材育成を行うための基礎を構築することを目指しています。
この中の取り組みの一つとして「文系から理系までの学生を遍く対象とする数理・データサイエンス教育プログラム」の一部である必修科目に関する取り組みを「文系から理系までの学生を遍く対象とする数理・データサイエンス教育プログラム（リテラシーレベル）」としました。（以下，本プログラムと呼びます。）
本プログラムは，文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」に認定されています。（認定の有効期限：令和８年３月31日まで）
- 認定を受けた教育プログラムの学部別履修者数等一覧（令和3年度）
認定を受けた教育プログラムの学部別履修者数等一覧（令和4年度）
認定を受けた教育プログラムの学部別履修者数等一覧（令和5年度）
認定を受けた教育プログラムの学部別履修者数等一覧（令和6年度）
本プログラムでは「数理・データサイエンス教育強化拠点コンソーシアム」と連携を取り，拠点校（滋賀大学）が作成したオンライン教材を活用して，岡山大学全学部の必修科目として令和3年度から，本プログラムの対象科目を開講しています。
本プログラムの対象科目のひとつである「数理・データサイエンスの基礎」は学部ごとに授業を構成し，その学部の専任教員が授業を行っています。「数理・データサイエンス教育タスクフォース」にて，各部局のベースとなる知識・レベルやデータサイエンスの専門への応用が異なることへの対応について議論した結果，学生が所属する学部の専任教員がデータサイエンスに対するオリエンテーション的な授業を行うこととしました。
データサイエンスの基盤となる数理・データサイエンス・AIの基礎とデータサイエンスの応用事例を修得する「文系理系を問わず遍く対象とする」教育プログラムとして設計されており，「数理・データサイエンスの基礎」の授業で，全学部共通で必要なコアの内容 ”数理・データサイエンス・AI” に関する授業は，同じ動画教材，配布資料を利用することにより統一化され授業が行われています。またそれぞれの学部ごとに数理・データサイエンス・AIの専門分野に応じた数理・データサイエンスの活用事例を学ぶことができます。
このような授業形態は，入学した学部での数理・データサイエンス・AIの有用性を学習でき，その後の学修，研究において数理・データサイエンス・AIがより身近なものとなることを期待してのものです。
- 実施体制
- プログラムを改善･進化させるための体制 及び 自己点検･評価を行う体制の設置規則等
- プログラム対象科目の開講状況
- カリキュラムマップ
- 科目対応表/修了要件
- 身につけることのできる能力
- 授業内容
- モデルカリキュラムとの対応
- 内部評価
実施体制
| 委員会等 | 役割 |
|---|---|
| AI・数理データサイエンスセンター長 | 運営責任者 |
| AI・数理データサイエンスセンター | プログラムの改善・進化 |
| AI・数理データサイエンスセンター | プログラムの自己点検・評価 |
【プログラム実施体制（サポート支援体制）・計画】
令和4年度にAI･数理データサイエンスセンターを設置し，前身の「数理・データサイエンス教育タスクフォース」の活動をセンターのAI･数理データサイエンス教育推進部門が引き継ぎ，AI･数理データサイエンス教育の企画戦略の策定や教育プログラムの改善・開発にあたっています。
センターは，AI･数理データサイエンスに関する教育研究を全学的に推進し，質の高い研究者･専門技術者を養成･輩出するとともに，データの集約･活用を行うために必要なサービスの開発･運用ができる人材とコミュニティの育成及びこれらによる社会貢献を目的としています。
【AI･数理データサイエンスセンターの構成】
■ AI･数理データサイエンス教育推進部門（略称：Educator）：
ＡI･数理データサイエンスに関する教育を全学的に推進するための教育プログラムの開発･改善等を行っています。
■ サイバーフィジカル情報応用研究推進部門（略称：Cypher）：
データサイエンスの応用による技術革新と人材育成の全学的推進を目標に，学部･研究科の枠を超え研究者が集い，
応用研究と社会実装に取り組んでいます。
■ データサービス推進部門（略称：HITO）：
データの集約･活用を行うために必要なサービスの開発･運用ができる人材とコミュニティの育成を行っています。
プログラムを改善･進化させるための体制 及び 自己点検･評価を行う体制の設置規則等
プログラム対象科目の開講状況
プログラムの進捗状況は次の通りです。当初計画以前に入学した学生にも「数理・データサイエンス・AI」の教育プログラムの門戸を開くため，特別開講として令和2年度入学以前の学生（令和2年度に2年次生以上および文系学部）対象に，特別開講として令和元年に全学年対象の選択科目，令和2年度に文系学部向けに「数理・データサイエンスの基礎（選択科目）」を開講しました。
令和2年度には，理系学部（一部の学部学科を除く）１年次生向けに必修科目として開講しており，令和3年度には文系学部１年次生向けに必修科目として，医学部，農学部にも本プログラム対象科目を開講しました。その後，令和４年度以降は，全学部において１年次履修科目として開講しています。
カリキュラムマップ
科目対応表/修了要件
令和7年度
各学部学科の所定の科目を修得した学生は，教育プログラム修了者として認定されます。
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 文学部 | 数理・データサイエンスの基礎 [910411] | 1 | 必修 | 1 |
| 教育学部 | 数理・データサイエンスの基礎 [910401] 数理・データサイエンスの基礎 [910402] |
1 | 必修 | 1 |
| 法学部 | 数理・データサイエンスの基礎 [910412] | 1 | 必修 *1 | 1 |
| 経済学部 | 数理・データサイエンスの基礎 [910413] | 1 | 必修 *1 | 1 |
| 理学部 | 数理・データサイエンスの基礎 [910403] | 1 | 必修 | 1 |
| 医学部医学科 | 数理・データサイエンスの基礎 [910415] | 1～3 | 必修 | 1 |
| 医学部保健学科 | 数理・データサイエンスの基礎 [910414] | 1 | 必修 | 1 |
| 歯学部 | 数理・データサイエンスの基礎 [910404] | 1 | 必修 | 1 |
| 薬学部 | 数理・データサイエンスの基礎 [910406] | 1 | 必修 | 1 |
| 工学部 | 数理・データサイエンスの基礎 [910405] 数理・データサイエンスの基礎 [910407] 数理・データサイエンスの基礎 [910408] 数理・データサイエンスの基礎 [910409] 数理・データサイエンスの基礎 [910410] |
1 | 必修 | 1 |
| 農学部 | 数理・データサイエンスの基礎 [910416] | 1～3 | 必修 | 1 |
*1 夜間主コースは選択
令和6年度
各学部学科の所定の科目を修得した学生は，教育プログラム修了者として認定されます。
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 文学部 | 数理・データサイエンスの基礎 [912911] | 1 | 必修 | 1 |
| 教育学部 | 数理・データサイエンスの基礎 [912901] 数理・データサイエンスの基礎 [912902] |
1 | 必修 | 1 |
| 法学部 | 数理・データサイエンスの基礎 [912912] | 1 | 必修 *1 | 1 |
| 経済学部 | 数理・データサイエンスの基礎 [912913] | 1 | 必修 *1 | 1 |
| 理学部 | 数理・データサイエンスの基礎 [912903] | 1 | 必修 | 1 |
| 医学部医学科 | 数理・データサイエンスの基礎 [912915] | 1～3 | 必修 | 1 |
| 医学部保健学科 | 数理・データサイエンスの基礎 [912914] | 1 | 必修 | 1 |
| 歯学部 | 数理・データサイエンスの基礎 [912904] | 1 | 必修 | 1 |
| 薬学部 | 数理・データサイエンスの基礎 [912906] | 1 | 必修 | 1 |
| 工学部 | 数理・データサイエンスの基礎 [912905] 数理・データサイエンスの基礎 [912907] 数理・データサイエンスの基礎 [912908] 数理・データサイエンスの基礎 [912909] 数理・データサイエンスの基礎 [912910] |
1 | 必修 | 1 |
| 農学部 | 数理・データサイエンスの基礎 [912916] | 1～3 | 必修 | 1 |
*1 夜間主コースは選択
令和5年度
各学部学科の所定の科目を修得した学生は，教育プログラム修了者として認定されます。
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 文学部 | 数理・データサイエンスの基礎 [912911] | 1 | 必修 | 1 |
| 教育学部 | 数理・データサイエンスの基礎 [912901] 数理・データサイエンスの基礎 [912902] |
1 | 必修 | 1 |
| 法学部 | 数理・データサイエンスの基礎 [912912] | 1 | 必修 *1 | 1 |
| 経済学部 | 数理・データサイエンスの基礎 [912913] | 1 | 必修 *1 | 1 |
| 理学部 | 数理・データサイエンスの基礎 [912903] | 1 | 必修 | 1 |
| 医学部医学科 | 数理・データサイエンスの基礎 [912915] | 1～3 | 必修 | 1 |
| 医学部保健学科 | 数理・データサイエンスの基礎 [912914] | 1 | 必修 | 1 |
| 歯学部 | 数理・データサイエンスの基礎 [912904] | 1 | 必修 | 1 |
| 薬学部 | 数理・データサイエンスの基礎 [912906] | 1 | 必修 | 1 |
| 工学部 | 数理・データサイエンスの基礎 [912905] 数理・データサイエンスの基礎 [912907] 数理・データサイエンスの基礎 [912908] 数理・データサイエンスの基礎 [912909] 数理・データサイエンスの基礎 [912910] |
1 | 必修 | 1 |
| 農学部 | 数理・データサイエンスの基礎 [912916] | 1～3 | 必修 | 1 |
*1 夜間主コースは選択
令和４年度
各学部学科の所定の科目を修得した学生は，教育プログラム修了者として認定されます。
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 文学部 | 数理・データサイエンスの基礎 [912911] | 1 | 必修 | 1 |
| 教育学部 | 数理・データサイエンスの基礎 [912901] 数理・データサイエンスの基礎 [912902] |
1 | 必修 | 1 |
| 法学部 | 数理・データサイエンスの基礎 [912912] | 1 | 必修 *1 | 1 |
| 経済学部 | 数理・データサイエンスの基礎 [912913] | 1 | 必修 *1 | 1 |
| 理学部 | 数理・データサイエンスの基礎 [912903] | 1 | 必修 | 1 |
| 医学部医学科 | 数理・データサイエンスの基礎 [912921] | 1～3 | 選択 | 1 |
| 医学部保健学科 | 数理・データサイエンスの基礎 [912914] | 1 | 必修 | 1 |
| 歯学部 | 数理・データサイエンスの基礎 [912904] | 1 | 必修 | 1 |
| 薬学部 | 数理・データサイエンスの基礎 [912906] | 1 | 必修 | 1 |
| 工学部 | 数理・データサイエンスの基礎 [912905] 数理・データサイエンスの基礎 [912907] 数理・データサイエンスの基礎 [912908] 数理・データサイエンスの基礎 [912909] 数理・データサイエンスの基礎 [912910] |
1 | 必修 | 1 |
| 農学部 | 数理・データサイエンスの基礎 [912922] | 1～3 | 選択 | 1 |
*1 夜間主コースは選択
令和３年度
各学部学科の所定の科目を修得した学生は教育プログラム修了者として認定されます。
令和3年度
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 文学部 | 数理・データサイエンスの基礎 [912911] | 1 | 必修 | 1 |
| 教育学部 | 数理・データサイエンスの基礎 [912901] 数理・データサイエンスの基礎 [912902] |
1 | 必修 | 1 |
| 法学部 | 数理・データサイエンスの基礎 [912912] | 1 | 必修 *1 | 1 |
| 経済学部 | 数理・データサイエンスの基礎 [912913] | 1 | 必修 *1 | 1 |
| 理学部 | 数理・データサイエンスの基礎 [912903] | 1 | 必修 | 1 |
| 医学部医学科 | 医学データサイエンス [063008] | 2 | 必修 | 1 |
| 医学部保健学科 | 数理・データサイエンスの基礎 [912914] | 1 | 必修 | 1 |
| 歯学部 | 数理・データサイエンスの基礎 [912904] | 1 | 必修 | 1 |
| 薬学部 | 数理・データサイエンスの基礎 [912906] | 1 | 必修 | 1 |
| 工学部 | 数理・データサイエンスの基礎 [912905] 数理・データサイエンスの基礎 [912907] 数理・データサイエンスの基礎 [912908] 数理・データサイエンスの基礎 [912909] 数理・データサイエンスの基礎 [912910] |
1 | 必修 | 1 |
| 農学部 | 応用生物データサイエンス学１ [116207] | 2 | 必修 | 1 |
*1 夜間主コースは選択
令和２年度
所定の科目を修得した学生は教育プログラム修了者として認定されます。
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 理学部 | 数理・データサイエンスの基礎 [912902] | 1 | 必修 | 1 |
| 歯学部 | 数理・データサイエンスの基礎 [912903] | 1 | 必修 | 1 |
| 薬学部 | 数理・データサイエンスの基礎 [912905] | 1 | 必修 | 1 |
| 工学部 | 数理・データサイエンスの基礎 [912906] 数理・データサイエンスの基礎 [912907] 数理・データサイエンスの基礎 [912908] |
1 | 必修 | 1 |
| 環境理工学部 | 数理・データサイエンスの基礎 [912904] | 1 | 必修 | 1 |
| 文学部/法学部/経済学部 | 数理・データサイエンスの基礎 [912909]特別開講 | 1 | 選択 | 1 |
| 教育学部 | 数理・データサイエンスの基礎 [912901] | 1 | 選択 | 1 |
| 全 | 数理・データサイエンスの基礎 [912910]特別開講 | ２年次以上 | 選択 | 1 |
令和元年度
所定の科目を修得した学生は教育プログラム修了者として認定されます。
| 学部 | 科目名 | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 全学部 | 数理・データサイエンスの基礎 [912305]特別開講 | 全 | 選択 | 1 |
身につけることのできる能力
- 数理・データサイエンス・AIに関する基礎的な能力を身につけ，自分の専門分野における適用事例などを知ることにより自身の分野への興味，自身の研究へ応用できる
- 実例を学ぶことにより，数理・データサイエンス・AIの適用範囲の広さ，有効性を知り，その知識を説明，活用できる
授業内容
- 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、生活と密接に結びついていること
近年の計算機処理性能の増加とともに扱うデータ量も増大し、ビッグデータと呼ばれる大量のデータが新たなビジネス資源となってきているなか，機械学習・AIの進展によって高性能なモデルが自動的に作成できるようになり、さまざまな分野に応用されてきていることを学ぶ
- 数理・データサイエンス・AIは日常生活や社会の課題を解決する強力なツールとなりえること
データには数値のみでなく、テキストや画像なども増加してきているように様々なデータがあり，それらのデータは、個人や組織が独自に収集するほかに、誰でも利用できるように官民が作成して公開しているデータ（オープンデータ）を入手することもできることを学ぶ。これらのデータが数理・データサイエンス・AIを通して活用される領域は非常に広く、研究開発・製造・マーケティング・政策決定などに欠かせないツールであることを学ぶ
- 様々なデータ利活用と適用領域の知見による価値創出
取得したデータを分析するための手法には可視化や集計，分類など目的に応じて多くの方法があることを学ぶ。また，分析結果を 課題の解決に活かすための手法を学ぶ。数理・データサイエンス・AIの実世界での活用事例，自分の所属する学部の専門分野での活用事例についても学ぶ。
- データ活用に当たっての留意点
データ分析をする際の，データの取り扱い方法の注意点を学び、そのデータの取り扱いに関するデータ倫理や社会原則，法規などについて学ぶ。また情報セキュリティやその技術を学ぶことによりデータを守る方法について学ぶ。
- データを用いた数理・データサイエンス・AIの利用法
記述統計の各種指標について学び，さらにデータを用いた演習を実際に行うことにより，データの可視化，記述統計などにより特徴を捉える方法を学ぶ。また実際のデータを取り扱う際の難しさ，対処方法，分析方法を学ぶ。
モデルカリキュラムとの対応
数理・データサイエンス教育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）と本プログラムの対応
| モデルカリキュラム | 学修内容 | 実施科目 |
|---|---|---|
| 1.社会におけるデータ・AI利活用 | ||
| 1-1. 社会で起きている変化 | 社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解するAIを活用した新しいビジネス/サービスを知る | 数理・データサイエンスの基礎 |
| 1-2. 社会で活用されているデータ | どんなデータが集められ、どう活用されているかを知る | 数理・データサイエンスの基礎 |
| 1-3. データ・AIの活用領域 | さまざまな領域でデータ・AIが活用されていることを知る | 数理・データサイエンスの基礎 |
| 1-4. データ・AI利活用のための技術 | データ・AIを活用するために使われている技術の概要を知る | 数理・データサイエンスの基礎 |
| 1-5. データ・AI利活用の現場 | データ・AIを活用することによって、どのような価値が生まれているかを知る | 数理・データサイエンスの基礎 |
| 1-6. データ・AI利活用の最新動向 | データ・AI利活用における最新動向（ビジネスモデル、テクノロジー）を知る | 数理・データサイエンスの基礎 |
| 2.データリテラシー | ||
| 2-1. データを読む | データを適切に読み解く力を養う | 数理・データサイエンスの基礎 |
| 2-2. データを説明する | データを適切に説明する力を養う | 数理・データサイエンスの基礎 |
| 2-3. データを扱う | データを扱うための力を養う | 数理・データサイエンスの基礎 |
| 3.データ・AI利活用における留意事項 | ||
| 3-1.データ・AIを扱う上での留意事項 | データ・AIを利活用する上で知っておくべきこと | 数理・データサイエンスの基礎 |
| 3-2.データを守る上での留意事項 | データを守る上で知っておくべきこと | 数理・データサイエンスの基礎 |
| 4. オプション | ||
| 4-1. 統計および数理基礎 | 数学基礎および統計基礎を学ぶ | 数理・データサイエンスの基礎 |
| 4-3. データ構造とプログラミング基礎 | データ構造とプログラミング基礎を学ぶ | 数理・データサイエンスの基礎 |
| 4-6. 画像解析 | 画像解析の概要を知る | 数理・データサイエンスの基礎 |
| 4-7. データハンドリング | 大規模データをハンドリングする力を養う | 数理・データサイエンスの基礎 |
| 4-8. データ活用実践（教師あり学習） | データ利活用プロセス（教師あり学習）を体験し、データを使って考える力を養う | 数理・データサイエンスの基礎 |