情報公開

FD(教育力の向上)/全学教育開発センター

学生の学力を高めるためには、授業内容や教育方法の改善・向上を繰り返していく必要があります。教員同士、教員と学生が互いに意見を交わしながら、教育の質を高めていけるように、本学は全学教育開発センターを設置。教員向けの講演会や授業研修会・研究会を開催し、学びを通した絆を深めています。

全学教育開発センター概要

目的

全学的な教育施策の企画及び開発、教育活動の継続的な整備・改善の推進及び支援、並びにFD推進の企画及び大学教育の充実と発展に寄与することを目的とします。

定義

FDとはファカルティ・ディベロップメント(Faculty Development)の略で、大学教員の教育上の資質向上のための活動のことです。本学におけるFDの定義とは、特に「授業内容・方法を改善し、向上させるための組織的な取組み」のことを指し、大学改革の実施における重要な要素と理解しています。

組織紹介

業務内容

  1. 全学的な教育内容・方法の整備・改善に関わる企画、推進及び支援に関すること
  2. 全学に共通する教育システムの企画及び開発に関すること
  3. 全学的なFDの企画及び推進に関すること
  4. 全学的な学習支援の企画及び推進に関すること
  5. その他全学的な教育に関する必要な事項

主な取り組み

データサイエンス・リテラシープログラム

昨今のICT(情報通信技術)の発展に伴い、蓄積し続ける膨大なデータを活用の重要性が高まる中、数理・データサイエンス能力の修得はますます重要になっています。その能力は理工学を中心とした分野のみならず、学問領域を超えて、法律、金融・保険、健康・医療、災害対策など社会における様々な分野の発展に大きく寄与するものと考えられます。
本学においても、昨年度からデータサイエンス教育をスタートさせ、様々な展開がなされつつありますが、その基礎的な科目として『データサイエンス入門』を開講しています。
この度、『データサイエンス入門』を単位修得することで、「データサイエンス・リテラシープログラム」を認定することとしました。  『データサイエンス入門』は全学部を対象にしています。デジタル社会の「読み・書き・そろばん」として、学生のみなさんに受講をして頂きたく、是非、履修してください。
※「データサイエンス・リテラシープログラム」は内閣府、文部科学省及び経済産業省が創設した「数理・データサイエンス・AI教育プログラム認定制度」に申請を予定しています。

科目名:ZY25【東】特別講義(データサイエンス入門)
対象:1年次生
曜日時限:月2・金3
担当:日置慎治

帝塚山大学「データサイエンス・リテラシープログラム」認定について

・当該教育プログラムの名称
 「データサイエンス・リテラシープログラム」
・当該教育プログラムにおいて身に付けることのできる能力
 (1)数理・データサイエンス・AIへの関心を持ち、身の回りにあるデータやAIの利用例を知ることができる。
 (2)データを分析し、活用する基礎的な能力を身に付けることができる。
・開設される授業科目
 「データサイエンス入門」
・修了要件
 「データサイエンス入門」の単位取得
・授業の方法及び内容並びに実施体制
  全学学生を対象として開講する。内容(シラバス)は以下の資料の通り。
 開講主体は全学教育開発センターであり、全学の「データサイエンス教育推進委員会」とともに実施する体制をとる。

「データサイエンス入門」シラバス

(数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラムとの対応を明記)
授業計画
第1回 データサイエンスとは [1-1]
第2回 デジタル社会の歴史 [1-1], [1-6]
第3回 世の中にはどんなデータがあるのだろう [1-2]
第4回 データサイエンスやAI(人工知能)で使われている技術とは? [1-3], [1-4]
第5回 データサイエンスやAIはどこで使われている? [1-3], [1-4], [1-5]
第6回 データサイエンスやAIの最新動向は? [1-6]
第7回 マルチメディアデータの使い方 [1-5], [1-6]。
第8回 中間のまとめ これまでの授業を復習するとともに中間課題を発表する。
第9回 データの可視化方法 [2-2]
第10回 統計学の基礎 その 1-平均値,中央値,最頻値 [2-1]
第11回 統計学の基礎 その 2- 散らばりの表現 (分散と標準偏差) [2-2]
第12回 統計学の基礎 その 3- 2変量データの分析(散布図と相関) [2-2]
第13回 統計学の基礎 その 4- 2変量データの分析 (相関係数と回帰分析) [2-3]
第14回 データやAIの利用で留意すべきこと [3-1], [3-2]
第15回 最終のまとめ

参考:数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム

公開授業

他の教員の授業での取組を参観し、自分の授業方法の参考としてもらうために、前期と後期に公開授業を行っています。前期は、6月・7月に各学部から選出された教員が月1回:合計2回実施します。その後、公開授業終了後に実施される教授会等において、参加者が当該学部の公開授業について報告します。後期は、全専任教員が公開に不適当な科目(衛生管理が必要な食物栄養関係の実習など)を除いて授業を公開すること、及び1科目以上の参観を義務づけています。

授業改善アンケート

前期と後期の2回に、全教員(専任教員・非常勤講師)を対象に授業改善アンケートを実施しています。終了後に結果を報告書として刊行し、全教職員へ配付するとともに図書館に配架します。学生の閲覧も可能です。また、アンケートの結果をふまえて、どのように今後の授業改善に生かすのかを学生に説明してもらうとともに、その内容を学内webで学生及び教職員に公開しています。

学生を対象に、授業改善アンケートの取組等を中心に、教育環境全般に関して意見を聞く学生ヒアリングを実施しています。

FDフォーラム

年2回程度、学内外からFD関係の講師を招き、教職員を対象に講演ワークショップを行います。外部FDフォーラム等へも参加します。

教職員の研修会への参加を促します。

FD報告集

年1回、FD関係の取り組みの成果をまとめたFD報告集を刊行しています。

※2017年度以前は冊子を発行しています。