学科紹介

社会のあらゆるデータを、活用・分析し、新たな価値を創造する学問。ビジネス力、データエンジニアリング力（情報学）、データサイエンス力（統計学）の3つの力を組み合わせた文理融合の新たな学び。

身近でデータサイエンスが活用されている事例を見てみましょう。
ご自身で見たい場面を選んでいただく、視聴者参加型の動画です。
2分程度の短い動画です。ぜひ、最後まで楽しんでご視聴ください。

 基礎から応用までの「丁寧な学び」と、多数の企業・自治体とコラボする「実践的な学び」。
チームで課題解決に挑む授業で、世界で活躍できるデータサイエンティストを養成します。

数学もプログラミングも社会課題も、すべて入門科目から始まり、 丁寧に学んでいけます。数学は入学後に補習も。習熟度別クラス編成や個別サポートで個々の学びに寄り添います。

1回生から4回生までの必修科目になっている少人数ゼミ・課題解決型学習（PBL）で、実践力が身につきます。課題を発見し、自ら解決方法を探る経験は、新たな価値を創造できる力の礎に。

実践的な統計学・情報学のリテラシーを基盤に、経済学や経営学、社会学などの知見を磨くことでデータサイエンスから社会の課題解決や新たな価値の創造を実現できる人材を育てます。

データサイエンスの実際の現場は、大勢のチームで課題解決に取り組むもの。チームで取り組む実践的な授業を通して、自分に合った役割を知り、活躍できるようになります。

 本学科では、ロボットやAIといった特定の分野の追究ではなく、あらゆる分野の懸け橋となる人材を育成します。身につけた総合知を活用し課題を発見、自ら解決方法を探り、「新たな価値を創造できる」 パイオニアとしての力を養います。

 人生は、意思決定の連続です。データサイエンスを学び、収集した情報からよりよい意思決定を行うための過程を経験することで、さまざまな機会に応用できます。 身につけた知識やスキルは、いつでもどこでも役に立ちます。

入学後の成長を支える制度と学び

入学後に数学に関するプレースメントテストを実施。習熟度別のクラスを編成し、誰もが理解を深められる授業を展開します。また、授業以外でもeラーニングなどを活用したリメディアル学習体制で成長を支援するほか、1年次から始まるゼミでは教員の個別サポートも実施します。

１年次の導入科目では、統計学、情報学、経済学、経営学、社会学などの幅広い学問分野を設置。幅広い基礎知識を磨きながら社会の諸問題を見る目を養います。さらに専門的・実践的な学びを円滑に始められるよう、アカデミックスキルやコミュニケーション能力を養う基礎演習も設けています。

個々の学生が自分の目標に向けて成長できるよう、アドバイザー制度による個別指導を1年次より実施。専任教員が学びの進度や適性を丁寧に把握します。３・４年次ではゼミの担当教員がともにより良い進路を考えるほか、ITを活用した学修ポートフォリオを共有して学びの振り返りを促します。

データサイエンス学部のカリキュラムは、大きく「統計学」「社会科学」「情報学」の3領域で構成されます。実践的な統計学・情報学のリテラシーを基盤に、経済学や経営学、社会学などの知見を磨くことで、社会の実情を理解しながら自由な発想力も養える学習体系となっています。その学びを通して、データサイエンスから社会の課題解決や新たな価値の創造を実現できる人材を育てたいというのが我々の願いです。
本学部が重視するのはロボットやAIといった専門分野の追究ではなく、統計学や情報学に深く関わり、あらゆる応用にもつながる数学の基礎。数学が不得手な学生に対しても、入学前教育や入学後の補習で手厚く支援します。こうした“丁寧な学び”の環境が、文理を問わず、学生の知識の定着を力強く支えます。

社会とのつながりを実感しながら、今の学びに意欲を持って取り組めるのも本学部の特長。そのひとつが1年次から4年次までの必修科目になっている課題解決型学習（PBL）です。身近な課題を発見し、自ら解決方法を探る経験は、新たな価値を創造できる力の礎となるもの。この学びに早期から取り組む意義は非常に大きいと言えます。
さらに地元の企業や行政機関、またデータサイエンティスト協会とも連携し、女性を含むデータサイエンスのプロフェッショナルを講義のゲストスピーカーに招聘。社会で実際に活躍されるロールモデルの姿を通して、将来の自分をリアルに思い描けることは、学生たちのビジョン形成やモチベーションアップにも大きく役立つでしょう。
赴任して間もない私から見ても、意欲的な学生が多く集まる京都女子大学の学風に大きな可能性を感じます。本学部で学ぶ学生たちが、データサイエンス分野の女性パイオニアへ成長することを全力で支援します。