2026 年度情報基礎a シラバス

【 2026 年度授業概要】
科　　　目			情報基礎a ( Fundamentals of Information Technology a )
担当教員			清水仁准教授
対象学年等			環境応用化学科・1年・前期・必修・1単位【演習】 ( 履修単位 )
学習・教育目標			教育目標1
授業の概要と方針			本演習は，現代社会において数理・データサイエンス・AIが与える影響や利活用の上での留意点を理解し，基礎的なデータ解析が行えるようになることを目的としている．演習では，データサイエンスを学ぶ重要性，深層学習などの先端技術を活用した社会サービスの動向，AIを活用する上での留意事項などについて学習する．
到達目標		1	現在の社会変化に数理・データサイエンス・AIが与える影響および自身の生活との関係について理解している．
		2	深層学習などの先進技術やそれを活用した新しい社会サービスなどの動向について理解している．
		3	数理・データサイエンス・AIを活用する上で遵守するべき法律やモラルについて理解している．
		4	情報処理を行う上で必要なコンピュータやネットワークに関する基本的知識を持ち，それらを説明することができる．
		5	様々な種類のデータを扱う上での基本的知識を持ち，それらを統計的に解析することができる．
		6	タッチタイピングができる．
		7
		8
		9
		10
評価方法と基準	到達目標毎	1	現在の社会変化に数理・データサイエンス・AIが与える影響および自身の生活との関係について理解しているか演習や前期中間試験で評価する．
		2	深層学習などの先進技術やそれを活用した新しい社会サービスなどの動向について理解しているか演習や前期中間試験で評価する．
		3	数理・データサイエンス・AIを活用する上で遵守するべき法律やモラルについて理解しているか演習や前期中間試験で評価する．
		4	情報処理を行う上で必要なコンピュータやネットワークに関する基本的知識を持ち，それらを説明することができるか演習や前期中間試験で評価する．
		5	様々な種類のデータを扱う上での基本的知識を持ち，それらを統計的に解析することができるか演習で評価する．
		6	タイピングテストの結果で評価する．
		7
		8
		9
		10
	総合評価		成績は，試験30%　タイピングテスト10%　演習60%　として評価する．総合評価を100点満点として，60点以上を合格とする．演習は授業で課される課題の提出物で評価する．
テキスト			必要に応じて，webなどで資料を配付する．
参考書			「はじめてのAIリテラシー」：岡嶋裕史，吉田雅裕（技術評論社）「教養としてのデータサイエンス」：内田誠一ほか（講談社）
関連科目			2年 AI基礎演習
履修上の注意事項			本科目は演習を通じて修得する科目である．そのためクラウドツールを用いて学習可能な内容に関しては，自宅での演習を積極的に行うことが望ましい．

【授業計画（情報基礎a ）】
	上段：テーマ／下段：内容（目標、準備など）
1	演習システムの利用方法
1	演習室の利用方法や利用上のマナーについて学習する．
2	タイピング練習，コンピュータ基礎
2	タイピング練習を行う．コンピュータのハードウェアおよびソフトウェアの一般的な知識について学習する．
3	タイピング練習，ネットワーク基礎
3	タイピング練習を行う．社会を支える情報通信ネットワークの仕組みとそれを支える技術について学習する．
4	タイピング練習，社会におけるデータ・AIの利用と活用(1)
4	タイピング練習を行う．社会で起きている変化を知り，データサイエンスを学ぶ意義を学習する．
5	タイピング練習，社会におけるデータ・AIの利用と活用(2)
5	タイピング練習を行う．データサイエンスが様々な業種で活用されている事例を知り，データ・AIの活用がどのように価値を生むかを学習する．
6	タイピング練習，社会におけるデータ・AIの利用と活用(3)
6	タイピング練習を行う．深層学習などの先端技術やそれを活用したサービスを学習する．社会への展開が進むことで生じる問題についても学習する．
7	タイピング練習，データ・AIを利活用する際の倫理
7	タイピング練習を行う．データ・AIを扱う上での基本倫理について学習する．実際の事例を見ながら，データを活用する社会におけるリスクについても学習する．
8	前期中間試験
8	ここまでの内容の理解度を確認するために前期中間試験を行う．
9	データの種類・代表値
9	質的データと量的データの違いについて学習する．様々な代表値によってデータを統計的に要約できることを学習する．
10	データのばらつき・観測データの誤差
10	観測されたデータに含まれるばらつきを理解し，ばらつきの大きさを評価するための代表値である標準偏差について学習する．
11	層別データの扱い・クロス集計
11	層別因子を含むような，ひとまとめにして解析すべきではないデータについて学習する．
12	データ間の相関と因果
12	2変数データ間の相関について学習する．相関と因果の違いや疑似相関についても学習する．
13	データの集計・解析
13	データの集計・可視化について学習する．データの種類や表現したい内容について様々な可視化方法があることを学習する．
14	データの可視化・データの比較
14	データの可視化について学習する．データの種類や表現したい内容に適した可視化を学習し，表計算ソフトを使った演習を行う．
15	演習
15	14週目までに学習した内容の演習を行う．
備考	前期中間試験を実施する．状況によっては臨時試験を実施することがある．