「群馬大学では，数理データ科学教育研究センターが中心となって，データサイエンス教育に力を入れています．」
・2020年度から新入生全員に対して，必修科目「データ・サイエンス」が始まりました．
・この教育プログラムを，「数理・データサイエンス・ＡＩ教育プログラム（リテラシー）」として文部科学省に認定申請を行い，
2021年8月4日に認定されました．
・この教育プログラムを，「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）プラス」として文部科学省に認定申請を行い，2022年8月24日に認定されました．詳しくはこちらをご確認ください．
文部科学省の認定制度のページはこちら
https://www.mext.go.jp/a_menu/koutou/suuri_datascience_ai/00002.htm
また文部科学省の認定・選定結果についてはこちら
https://www.mext.go.jp/a_menu/koutou/suuri_datascience_ai/1413155_00011.htm
・「データ・サイエンス」では，1年生全員を24クラスに分けて，e-learning等の利用を図りながら，きめ細かな教育を行っています．
・この教育プログラムの科目「データ・サイエンス」の主な特徴は以下のとおりです．
・データサイエンス全般のリテラシー科目
・統計学の基礎（代表的な統計量，散布図，クロス集計，相関なども）
・実データの活用（プロ野球データ等．将来は生協のPOSデータ使用を予定．）
・エクセルでのデータの扱い，統計基本関数の使用法，データの可視化
・深層学習などの先端技術の紹介
・情報倫理教育にはe-learning「りんりん姫」の活用
・講義の各回に適切な復習・確認用演習を設定（復習，確認用）
・e-learningの活用（動画視聴，演習問題の取組みをシステムで管理）
・14，15回目に総合課題と口頭発表
・総合課題の最優秀者1名，優秀者2名を表彰（数理データ科学教育研究センター賞）
・科目修了後に履修者全員へのアンケート実施（次年度の講義方法・内容の改善）
数理データ科学教育研究センター賞の賞状（2020年度）
数理データ科学教育研究センター賞の授賞式（2021年度）
・この教育プログラムの実施体制
| 委員会等 | 役割 |
|---|---|
| 教育・評価担当理事 | 運営責任者 |
| 群馬大学数理データ科学教育研究センター運営会議 | プログラムの改善・進化 |
| 群馬大学大学教育・学生支援機構教育アセスメント委員会 | プログラムの自己点検・評価 |
・この教育プログラムの対象科目の開講状況
令和2年度（2020年度）
科目「データ・サイエンス」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（時間割コード） | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 社会情報学部 | データ・サイエンス（LB1150） | 1 | 必修 | 2 |
| データ・サイエンス（LB1167） | 1 | 必修 | 2 | |
| 理工学部 | データ・サイエンス（LB1264） | 1 | 必修 | 2 |
| データ・サイエンス（LB1265） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1266） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1267） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1507） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1508） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1509） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1510） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1534） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1535） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1536） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1537） | 1 | 必修 | 2 | |
| 共同教育学部 | データ・サイエンス（LB1307） | 1 | 必修 | 2 |
| データ・サイエンス（LB1308） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1309） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1310） | 1 | 必修 | 2 | |
| 医学部医学科 | データ・サイエンス（LB1543） | 1 | 必修 | 2 |
| データ・サイエンス（LB1467） | 1 | 必修 | 2 | |
| 医学部保健学科 | データ・サイエンス（LB2257） | 1 | 必修 | 2 |
| データ・サイエンス（LB2381） | 1 | 必修 | 2 | |
| データ・サイエンス（LB2301） | 1 | 必修 | 2 | |
| データ・サイエンス（LB2412） | 1 | 必修 | 2 |
注）医学部保健学科のみ後期．その他はすべて前期に開講．
令和3年度（2021年）
科目「データ・サイエンス」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（時間割コード） | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 情報学部 | データ・サイエンス（LB1167） | 1 | 必修 | 2 |
| データ・サイエンス（LB1168） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1169） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1170） | 1 | 必修 | 2 | |
| 理工学部 | データ・サイエンス（LB1259） | 1 | 必修 | 2 |
| データ・サイエンス（LB1260） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1261） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1262） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1505） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1506） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1507） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1508） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1534） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1535） | 1 | 必修 | 2 | |
| 共同教育学部 | データ・サイエンス（LB1303） | 1 | 必修 | 2 |
| データ・サイエンス（LB1304） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1305） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1306） | 1 | 必修 | 2 | |
| 医学部医学科 | データ・サイエンス（LB1543） | 1 | 必修 | 2 |
| データ・サイエンス（LB1467） | 1 | 必修 | 2 | |
| 医学部保健学科 | データ・サイエンス（LB2258） | 1 | 必修 | 2 |
| データ・サイエンス（LB2381） | 1 | 必修 | 2 | |
| データ・サイエンス（LB2301） | 1 | 必修 | 2 | |
| データ・サイエンス（LB2412） | 1 | 必修 | 2 |
注）令和3年度に改組が行われた．医学部保健学科のみ後期．その他はすべて前期に開講．
令和4年度（2022年度）
科目「データ・サイエンス」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（時間割コード） | 学年 | 必修・選択 | 単位数 |
|---|---|---|---|---|
| 情報学部 | データ・サイエンス（LB1167） | 1 | 必修 | 2 |
| データ・サイエンス（LB1168） | 1 | 必修 | 2 | |
| 理工学部 | データ・サイエンス（LB1259） | 1 | 必修 | 2 |
| データ・サイエンス（LB1260） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1261） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1262） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1504） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1505） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1506） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1507） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1533） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1534） | 1 | 必修 | 2 | |
| 共同教育学部 | データ・サイエンス（LB1303） | 1 | 必修 | 2 |
| データ・サイエンス（LB1304） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1305） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1306） | 1 | 必修 | 2 | |
| 医学部医学科 | データ・サイエンス（LB1543） | 1 | 必修 | 2 |
| データ・サイエンス（LB1468） | 1 | 必修 | 2 | |
| 医学部保健学科 | データ・サイエンス（LB1907） | 1 | 必修 | 2 |
| データ・サイエンス（LB1908） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1909） | 1 | 必修 | 2 | |
| データ・サイエンス（LB1910） | 1 | 必修 | 2 | |
| 再履修（全学部） | データ・サイエンス（LB1928） | 1 | 必修 | 2 |
注）すべて前期に開講，ただし保健学科4クラスはオンデマンド方式を採用．
・この科目によって学生が身に付けられる能力
・コンピュータやインターネットの基本的仕組と適切な利⽤の仕⽅を理解することができる．
・データを取り扱うために必要なパソコン，アプリの操作ができる．
・Excelを⽤いて，データが持つ性質について把握することができる．
・統計データを適切に処理することができる．
・簡単なプログラミングができる．
・群⾺⼤学のICTサービスを活⽤することができる．
・授業概要と講義テーマ（カッコ内の数字は科目「データ・サイエンス」の第何週目かを示す．）
| 学ぶ内容 | 授業概要 |
|---|---|
| （１）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 | 情報社会におけるデータの重要性と，データが社会活動にどのように応用されるかを学ぶ．また，データを処理する計算機の仕組みの基礎についても講義する．さらに，現在注目されている深層学習など，先端的な応用例などを概観して，データ科学に対する興味を誘うような講義となっている．各回には講義内容に関する演習問題が設けてあり，学生自身が内容が習得できたかどうかを確認できるように設計されている． |
| 講義テーマ | |
| 情報社会とデータ（１，８．１回目の講義はクラスによっては２回目となる．） | |
| AI技術の活用例，深層学習の例など（１，７．１回目の講義はクラスによっては２回目となる．） | |
| 計算機の仕組みとデータ処理（２回目の講義．クラスによって何回目かは変わる．） | |
| （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 | 授業概要 |
| 人口データなどの実データを用いて基本的なデータ処理の方法を学ぶ．画像データ，時系列データとはどのようなものか，それらがどのように処理・加工されるのかについても実例を提示して講義する．またネットワーク社会においてデータがどのように活用されているのか，IoTなどの概念を説明しつつ，データ処理の現在社会における重要性が理解できるような内容となっている． さらに，欠損やノイズなどの存在する実データに対して，どのような前処理方法があるのかを講義する．併せて，今後活用が見込まれるデータベースについて，データベースとは何か，どのような種類があるのかなどの基礎的な事柄を講義する． これらについても，各回には講義内容に関する演習問題が設けてあり，学生自身が復習，確認ができるように設計されている． |
|
| 講義テーマ | |
| 人口と面積などの社会における実データ（５，１２） | |
| ネットワークとデータ（６） | |
| 画像データ，時系列データ（８） | |
| データの前処理（１３） | |
| データベースの基礎（１３） | |
| （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 | 授業概要 |
| 科目「データ・サイエンス」の最終課題として（科目全体の総合演習的な側面を持つ）欠損のある比較的大きな実データ（日本プロ野球のデータ．）の解析を課している．この解析（レポート提出）を通じて，雑多なデータから何を読み取るのか目標を定めて，それを達成するための方法論を模索させることにより，この「データ・サイエンス」の１３回までに学んだ事柄の総復習となっている． 最終レポートの出来具合を（この科目全体の評価とは別に）評価し，数理データ科学教育研究センター賞として最優秀賞１名，優秀賞２名を表彰し，学生の興味・意欲をつないでいる．なお，野球に詳しくない学生（主に女子学生）のために，野球用語，データの見方，ルールなどを一通り解説している． |
|
| 講義テーマ | |
| プロ野球データを用いたデータ解析（１４） | |
| 最終課題の発表（プロ野球データを用いたデータ解析）（１５） | |
| （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 | 授業概要 |
| 学部，学科を問わず，新入生（1年生）全員の必修科目「データ・サイエンス」の前半部分（15回中の第1回から第6回）の中の1回分を用いて「情報に関する倫理」 の講義を行っている．また，併せて（第6回の講義修了日から1週間以内までに）各自が情報倫理e-ラーニングの「りんりん姫」を受講して，総合テストで80点以上を取得することがこの科目の単位取得の必須条件としている． 講義内容としては情報セキュリティ，知的財産権，パスワード管理，コンピュータウィルス対策，ネットワーク社会のマナー，群馬大学情報セキュリティポリシーなど多岐にわたる内容を扱う． |
|
| 講義テーマ | |
| 情報倫理（第4回目の講義．クラスによって何回目かは異なる． ) | |
| （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 | 授業概要 |
| 科目「データ・サイエンス」の数回にわたって，データの意味，種類，尺度，読み方，扱い方，代表的な統計量などについて扱っている．またデータ分布のグラフ化，可視化，クロス集計，相関についても説明して，データ解析の目標に合致したグラフ化・可視化方法についても学ぶ．さらに典型的な間違った可視化や間違いやすい解釈についても講義している．扱うデータとしては「前橋市の平均降水量と平均気温」や「花粉着花点数と夏の平均気温」など学生が興味を持つような具体的で身近なものを材料としている． 上記のデータ解析やグラフ化に当たってはエクセルを用いることにより，エクセルの基本的な使用方法や基本関数の用い方なども実践的に学べるように工夫されている． 講義の各回には講義で学んだ事柄を確認する演習問題が付いており，各学生の演習問題の取り組みが記録されるようなシステムとなっている． |
|
| 講義テーマ | |
| エクセルの使い方（５） | |
| データの尺度，データの代表値，代表値の使い分け（８，１０） | |
| グラフによるデータの可視化，複数のグラフの組み合わせ，だめなグラフの特徴（９） | |
| エクセルによる散布図，クロス集計表の作成（１２） | |
| 相関と共分散（１２） |
・修了後のアンケ―ト（2020年度，2021年度）
・この科目の自己点検・評価（2020年度，2021年度）
・群馬大学 数理・データサイエンス・AI教育プログラム認定制度 2021年度申請書・2021年度補足資料 ・群馬大学 数理・データサイエンス・AI教育プログラム認定制度（リテラシープラス）2022年度申請書・2022年度全学部等に開講されていることがわかる資料・2022年度その他補足資料
・プレスリリース群馬大学の「データサイエンス教育」 文科省の認定プログラムに！県内唯一
・次のようなOpenゼミも開いていますオンラインオープン講習
「新入生の皆様，専門課程の学習の基礎として，現代の社会人に必要不可欠なデータサイエンスリテラシーを身に付けるためにも，意欲的に興味を持ってこの科目に臨んでください．」
・この科目の発展形として「ICTデータサイエンスコンソーシアム」が2021年6月1日に設立されました．https://idsc-gunma.jp/
