タイトル

開講年度 開講学部等
2026 共通教育
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
前期前半 水3～4 講義  
時間割番号 科目名[英文名] 使用言語 単位数
1001020017 データ科学と社会Ⅰ(データ科学と社会Ⅰ)[Data Science and Society Ⅰ] 日本語 1
担当教員（責任）[ローマ字表記] メディア授業
劉 海強 ー
担当教員[ローマ字表記]
劉 海強
特定科目区分   対象学生 工（建築） 対象年次 1～
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
AIをはじめとする技術が急速に発展し、社会のあらゆる分野で利活用が進んでいる。
この授業では、これらの技術を支えるデータサイエンスを学ぶ意義を知るとともに、その基礎となるデータリテラシー（データを的確に理解し、解釈し、分析する能力）を身に着けることを目的とする。
授業の到達目標
「超スマート社会」の到来に備えて、それを支えるデータサイエンスの概要を理解するとともに、情報および情報手段を主体的に選択し、正しく安全に活用するための基礎的な知識・技能を身につける。
授業計画
【全体】
データサイエンスの概要、その基礎となるデータリテラシーを解説する。
授業では、講義（動画視聴を含む）およびパソコンを用いた演習を行う。
項目 内容 授業時間外学習 備考
第1回 はじめに 講義概要を説明し、必要な準備を行う。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第2回 社会で起きている変化 膨大なデータの生成と流通、計算機の進化、AIの発展が社会もたらす変化を解説し、データサイエンスを学ぶ意義を説明する。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第3回 社会で活用されているデータ 社会ではどのようなデータが収集され活用されているのかを解説する。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第4回 データ・AIの活用領域 データおよびAIは、研究開発、生産、マーケティング、文化活動など幅広い領域で活用されており、効率化や新たな価値の創出に貢献していることを解説する。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第5回 データリテラシーの概論、準備 データリテラシーの概要を解説し、演習に必要な準備を行う。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第6回 データを読む データを読み解く方法について解説する。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第7回 データを説明する データの可視化や比較など、データを適切に説明する方法を解説する。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
第8回 データを扱う データの取得や集計、並び替えなど、データを扱う方法について解説する。 授業内で指示した内容について、予習・復習を行うこと（学修時間の目安は4時間とする）。
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --%　B: --%　C: --%　D: --%
成績評価法
本授業では，授業内容の理解度および到達目標の達成状況を，
以下の方法により総合的に評価します。
小テスト：30％（授業内容に関する理解度を評価する）
レポート・課題：40％（データ・AIに関する事例理解，技術・倫理的観点からの考察力を評価する）
学期末レポート：30％（授業全体を通じた理解度および到達目標の達成度を評価する）
ルーブリック等の評価基準
ファイル名 備考
ルーブリック等の評価基準 データサイエンスと社会Ⅰ：評価ルーブリック.pdf
（注）ルーブリックとは、評価水準である「尺度」と、尺度を満たした場合の「特徴の記述」で構成される評価指標のことを言います。
教科書にかかわる情報
教科書 書名 東京大学 数理・情報教育研究センター 公開教材 ISBN なし（公開教材のため）
著者名 久野遼平 出版社 東京大学 数理・情報教育研究センター 出版年
備考
教科書に代わり，東京大学 数理・情報教育研究センターによる
CC BY-NC-SA ライセンスの公開教材
（久野遼平，2020）を使用する。
本教材はオンラインで無償提供されているため，
大学生協等での購入は不要。
詳細は初回授業にて案内する。
参考書にかかわる情報
備考
メッセージ
本授業では，社会におけるデータ・AIの役割を理解し、データを正しく読み取り、説明し、適切に扱うための基礎的な力を身につけることを目的としています。
高度な数学やプログラミングの知識は必要ありませんが、授業内容を理解するために、毎回の講義への出席、簡単な課題への取り組み，積極的な参加が求められます。
また、授業では実際の社会事例やデータを扱うため、日頃からニュースや社会の動きに関心を持って受講してください。
キーワード
第2週　キーワード：
ビッグデータ，IoT，AI，生成AI，ロボット，計算機性能，データ量増大，AIの非連続的進化，第4次産業革命，Society5.0，データ駆動型社会，人間の知的活動，AIサービス
第3週　キーワード：
調査データ，実験データ，行動ログ，稼働ログ，1次データ，2次データ，構造化データ，非構造化データ，メタデータ，データアノテーション，オープンデータ
第4週　キーワード：
データ活用，AI活用，研究開発，製造，物流，マーケティング，サービス，仮説検証，知識発見，意思決定支援，価値創出，社会実装
第5週　キーワード：
データリテラシー，情報リテラシー，統計的思考，データ理解，批判的思考，基礎概念整理，学修準備
第6週　キーワード：
量的変数，質的変数，分布，ヒストグラム，平均値，中央値，最頻値，分散，標準偏差，外れ値，相関と因果，擬似相関，交絡，標本抽出，母集団，統計的誤解
第7週　キーワード：
データ可視化，棒グラフ，折線グラフ，散布図，ヒートマップ，箱ひげ図，データ比較，A/Bテスト，チャートジャンク，情報デザイン，プレゼンテーション
第8週　キーワード：
データ取得，機械判読可能データ，データ集計，並び替え，ランキング，スプレッドシート，BIツール，CSV，データ分析基礎
持続可能な開発目標（SDGs）

  • 質の高い教育をみんなに
  • 産業と技術革新の基盤をつくろう
(教育)すべての人に包摂的かつ公正な質の高い教育を確保し、生涯学習の機会を促進する。
(インフラ、産業化、イノベーション)強靱（レジリエント）なインフラ構築、包摂的かつ持続可能な産業化の促進及びイノベーションの推進を図る。
関連科目
履修条件
特別な履修条件はありません。
連絡先
ryu.kaikyou@yamaguchi-u.ac.jp 劉先生のメール　
オフィスアワー
オフィスアワー：
毎週 火曜日 13時～16時
研究室（本館307）にて学習相談を受け付けます。
面談を希望する場合は，事前にメールで連絡してください。

ページの先頭へ