シラバス表示
シラバスの詳細な内容を表示します。
→ 閉じる（シラバスの一覧にもどる）
科目の基本情報
| 開講年度 | 2023 年度 | |
|---|---|---|
| 開講区分 | 共通教育・大学基礎科目 | |
| 受講対象学生 |
学部(学士課程) : 1年次 生物資源学部1年Dクラス |
|
| 授業科目名 | データサイエンスI | |
| でーたさいえんす いち | ||
| Data Science I | ||
| 単位数 | 2 単位 | |
| ナンバリングコード | libr-fndt-DASC1711-016
|
|
| 開放科目 | 非開放科目 | |
| 分野 | ||
| 分類・領域 | ||
| 開講学期 |
前期 |
|
| 開講時間 |
火曜日 9, 10時限 |
|
| 授業形態 |
対面授業 * 状況により変更される可能性があるので定期的に確認して下さい
「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業 |
|
| 開講場所 | 教養教育棟1号館 4階 情報教育室 | |
| 担当教員 | 〇森尾 吉成 （生物資源学部） | |
| MORIO, Yoshinari | ||
| SDGsの目標 |
|
|
| 連絡事項 | * 状況により変更される可能性があるので定期的に確認して下さい |
|
学修の目的と方法
| 授業の概要 | これからの学生生活に必要な情報リテラシー（情報資源や情報技術を活用する能力）やデータリテラシー（データに基づいて判断する能力）を身に付けるため，コンピュータの基礎知識（PCの仕組み，セットアップなど基本操作），インターネット活用の際に必要な情報通信技術に関する知識と技能（メール送信，情報倫理やマナーなども含む），文章作成（ワード）・表計算（エクセル）・プレゼンテーション（パワーポイント）活用術などを学ぶ．さらに，全学共通の学修項目として，主に生物資源学分野で取り扱われるデータを用いたデータサイエンスの基礎（データの可視化，統計学の基礎，プログラミング体験演習など）を学ぶ． |
|---|---|
| 学修の目的 | 今後のデジタル社会においては，コンピュータの基本的な仕組みと設定，OSの概要とファイル構造，通信やプログラミングの基礎など，IT/ICTに関する多様な基礎知識が必要となる．また，自らの考えや研究成果を文章や図表（データ処理・加工）として表現し，発信する能力も要求される．このようなスキルは、データに基づいて判断し行動することが求められている現代において、データサイエンスやAIを活用するための基礎となる。 |
| 学修の到達目標 | ・自分流のノートの取り方を見つける． ・大学内ネットワークが利用でき，学外の有用なインターネット上のサイトを日常的に活用する習慣が身く． ・情報倫理（ウィルス対策，情報漏洩対策，誹謗中傷など，課外防止，被害防止，被害回復に求められる知識，技能，態度）を意識できる． ・パソコンの初期設定，無線LANへの接続，プログラムの強制終了など，初歩的な設定・保守・管理作業が行える． ・フォルダ，ファイル，ファイルパス，拡張子の概念を理解し，ファイル管理が行える． ・タッチタイピングに近い速度でタイピングができる． ・科学論文を書くためのワープロソフトWordの操作スキルを身につける． ・科学データを処理し，Excelを使ってグラフが作成できる．スクリプト型グラフ描画ソフトgnuplotを使ってもグラフが描画できる． ・全員10個以上の課題に取り組み，成果をプレゼンテーションをする． ・毎週8時間以上取り組むべき課題を自ら設定し，やり切る． ・eポートフォリオを使って，自分の活動を少なくとも1週間に1回は振り返る習慣が身につく． ・VBA，R，HTMLを用いて初歩的なプログラミングを行うことができる． |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 予習復習成果報告10%，課題レポート60%，プレゼンテーションピア評価10%，期末試験20%の計100％で評価する.ただし，4回以上欠席した場合は再受講とする. 予習復習成果報告では，毎週の予習復習成果報告の受理した件数をカウントする．レポート課題では，プレゼンテーション課題への取り組み成果をまとめたレポートを評価し，全レポート数に対する受理したレポート数の割合を計算する．プレゼンテーションピア評価では，複数回行われるグループでのプレゼンテーションにおいて最も高いピア評価を獲得した回数に評価点を与える．期末試験では，学修の到達目標に掲げる項目に関する知識やスキルを習熟度を評価する．なお，詳しい評価基準は，第1回目の授業の際に説明を行う． |
| 授業の方法 | 講義 |
| 授業の特徴 |
問題提示型PBL（事例シナリオ活用含） 反転授業 プレゼンテーション/ディベートを取り入れた授業 Moodleを活用する授業 eポートフォリオを活用する授業 キャリア教育の要素を加えた授業 その他、能動的要素を加えた授業（ミニッツペーパー、シャトルカードなど） |
| 授業改善の工夫 | 毎回，Moodleと紙の両方の授業アンケート調査を行い,学生の習熟度に合わせて授業内容を改善する. |
| 教科書 | |
| 参考書 | |
| オフィスアワー | 毎週火曜日 12:00~13:00 生物資源学部棟 4階415室（森尾） |
| 受講要件 | 毎回の授業には，「ノートパソコン」を必ず持参すること．第1回目の授業も忘れずに持参すること． |
| 予め履修が望ましい科目 | |
| 発展科目 | データサイエンスII |
| その他 | 生物資源学部共生環境学科の農業土木プログラムのJABEE科目に指定されている. |
授業計画
| MoodleのコースURL |
|---|
| キーワード | データサイエンス，デジタル化社会 |
|---|---|
| Key Word(s) | Data Science, Digital Society |
| 学修内容 | 1．現代社会とデータサイエンス 求められるデータサイエンスの概要説明，OS基本操作，パソコン初期設定，大学モバイルLAN接続，ウィルス対策設定，大学オンラインサービスを利用するためのブラウザ設定，情報倫理（ID管理，禁止行為など諸注意） 2．コンピュータ・情報通信技術の基礎 ファイル拡張子，ドライブ番号，圧縮形式，Power Point基本操作，電子メールのエチケット，オンラインプライバシー，プレゼンテーション第1回目 3．信頼できるデータの収集 オンライン上のサイトや情報の収集方法と情報の質や安全性の見分け方，プレゼンテーション第2回目 4．データリテラシー1 Wordフォント，スタイル，文書レイアウト設定，プレゼンテーション第3回目 5．データリテラシー2 Wordアウトラインの定義，章番号，ルーラ，タブストップ，段組み，セクション区切り，ページ番号，プレゼンテーション第4回目 6．データリテラシー3 Word数式入力，図表作成，図表番号付け，プレゼンテーション第5回目 7．データリテラシー4 グラフ描画ソフトExcelやgnuplotの基本操作，プレゼンテーション第6回目 8．データ・AIを扱う上での留意事項 オンライン上での情報のやり取りに必要なスキル，プレゼンテーション第7回目 9．データを守る上での留意事項 情報倫理，情報セキュリティ，プレゼンテーション第8回目 10．データリテラシー5 ファイルパス，Excel関数，VBAプログラミング，プレゼンテーション第9回目 11．データの可視化 Excelやgnuplotを使ったグラフ描画，プレゼンテーション第10回目 12．統計分析基礎 Excelを使った統計計算，VBAプログラミング，プレゼンテーション第11回目 13．ソフトウェア（R）を用いたデータ処理1 R基本操作，変数代入，計算，データフレーム作成，プレゼンテーション第12回目 14．ソフトウェア（R）を用いたデータ処理2 csvファイル読み込み，データ抽出，処理結果保存 15．データリテラシー6 HTML言語を使ったWebページ作成，データ処理スキルの総復習，プレゼンテーション第13回目 講義の順序などは変更することがあります． |
| 事前・事後学修の内容 | まず，この授業では，毎週次に挙げる3つの課題，1）8時間活動と1分間プレゼンテーションおよびレポート提出，2）予習復習成果のMoodleへの報告，3）授業後半のeポートフォリオへの活動記録，が出される． また，各週の授業内容に応じて以下に挙げる事後学習が求められる． 1．現在社会で求められるデータサイエンスについて，Webで調査する． 2．パソコンの基本設定を行い，学内無線LANを使ってオンライン学習環境を整える． 3．インターネットを使って信頼できる情報を収集する際の注意点を踏まえて，実際に情報を収集してみる． 4．ワープロソフトの基本設定として，フォント，スタイル，レイアウトの設定をしてみる． 5．ワープロソフトのアウトライン定義，段落番号設定，セクション区切りなどの設定をしてみる． 6．ワープロソフトで数式を実際に入力し，また図表を作成してみる． 7．提示された数値データを使ってグラフを描画してみる． 8．ビッグデータとしてやり取りされているデータについて調べてみる． 9．オンラインで情報を取り扱う上で必要な情報倫理について調べる． 10．VBAを使ってプログラムを組んでみる． 11．オープンデータ等を読み込み，整理してグラフを描画してみる． 12．提示されたデータの統計量を計算してみる． 13．R言語を用いて簡単な数値データの統計量を計算してみる． 14．R言語を用いてファイルサイズの大きい数値データを読み込み，データを抽出してみる． 15．HTML言語を使って簡単なWebページを作ってみる． |
| 事前学修の時間:60分/回 事後学修の時間:180分/回 |