Follow Us

データサイエンス学科 教育課程編成・実施の方針

データサイエンス学科 教育課程編成・実施の方針

「データサイエンス学科学位授与の方針」に掲げる能力・資質を身につけるため、「京都女子大学教育課程編成・実施の方針」に基づき教育課程を体系的に編成し、カリキュラム・マップ、カリキュラム・ツリーやナンバリングを用いてその体系性・構造を明示します。

知識・理解

1~2年次前期までは、社会の課題を洞察し、データを活用した課題解決・価値創造に取り組むにあたっての基盤となる、統計学、情報学、経済学・経営学等のデータサイエンスに関する専門的知識を身に付けるため、「専門基礎科目」として各領域の基礎的な科目を設定し、各領域を広く学ぶ。2年次後期以降は、より高度なデータ処理・分析に必要な知識・技能を身につける科目や、多様な分野におけるデータサイエンスの活用に関する知見を身につける科目等、専門性を深めた「専門発展科目」として配置し、学生が自身の関心や将来像に応じて、履修モデルやカリキュラム・ツリーを参考としながら、体系的に専門性を積み上げる教育課程とする。

汎用的技能

  1. 課題に関連するデータを効果的に選定・収集・処理できる高度な力を身に付けるため、情報系科目(情報学)を体系的に配置する。
  2. データが得られた分野を十分理解した上で、データサイエンスのスキルを駆使してデータを適切に処理・分析できる高度な力を身に付けるため、数理・統計系科目(統計学)を体系的に配置する。
  3. データ分析から得られた結果の意味を適正に解釈し、課題解決・価値創造に向け提案できる力を身に付けるため、社会ソリューション科目(経済学・経営学等)を体系的に配置する。

思考・判断

1年次から4年次まで開講するPBL(Problem Based Learning)型の演習科目で、学んだ理論に基づき実践するデータ分析の意味理解を通して、様々な事象から取り組むべき課題を論理的思考力と多角的な視野によってとらえ、データに基づいて検証・判断する能力を養う。

対話・相互理解

1年次から4年次まで開講するPBL(Problem Based Learning)型の演習科目で、提示された事例を基に、主体的にデータ選定・収集・分析・検討するグループワークを通して、他者を尊重しながら、論理的なコミュニケーションによって相互理解・調整に努め、様々な人々と協働できる力を身につける。

社会性・自律性

  1. 建学科目群の「仏教学」や共通科目群に配置された「ジェンダー科目」「教養科目」等を通して、仏教精神に根差す高い倫理観と市民に必要とされる幅広い教養、より良き市民としての社会的責任感を醸成する。
  2. 専門科目群の履修を通してデータサイエンティストとして必要な倫理観を学ぶと共に、演習科目や卒業研究における双方向のきめ細かい指導を通して社会の規範に従って行動する態度を培う。

自立性

卒業研究を必修とし、それまでに積み重ねた学びの集大成として、自ら設定した研究目標に主体的に取り組み、指導教員のきめ細かな指導によって、学生が課題解決・価値創造に向けた方策を主体的に考案し、プレゼンテーションする力を養成する。

評価方法

学修成果は、各授業科目の到達目標の達成度について、成績評価基準(試験、レポート、平常点)を用いて評価する。さらに、成績分析や卒業論文・研究、授業アンケート、ジェネリックスキル測定テスト等の結果を用いて、教育課程全体の評価検証を行う。