京女のデータ・AIリテラシープログラム
本プログラムが文部科学省の「数理・データサイエンス・AI教育プログラム（リテラシーレベル）」に認定されました。
(認定の有効期限：令和11年3月31日まで)
＞文部科学省 「数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）」の概要
このプログラムは、文系理系を問わず大学での研究活動や社会生活で活かすために必要なIT系の基礎的スキルと基礎知識を系統的に習得し、数理・データサイエンス・AIを活用する基礎的な能力を育成することを目的としています。京都女子大学では、令和5年度入学生カリキュラムより、本プログラム科目を全学生卒業必修科目に位置付け開講しています。
授業の内容・方法
京女のデータ・AIリテラシープログラムは以下の2科目で構成されています。これらは1年次開講科目で必修科目であり、本学の学生全員が履修します。
情報リテラシー
情報基盤科目のひとつで、情報活用の基礎知識と基礎的手法を系統的に学ぶ科目です。1年次前期に開講される必修科目です。社会基盤としてのICT（情報通信技術）を学生生活で活かすための知識とスキルについて、総合学習を交えて実践的に習得します。また加速度的に発展する情報技術を社会生活で活かすための情報リテラシーについて、統合的な座学とグループ討論等を通して主体的に学びます。
データ・AIリテラシー
これも情報基盤科目のひとつで、データサイエンスとAI活用の基礎知識と基礎的手法を系統的に学びます。1年次後期に開講される必修科目です（データサイエンス学科の1年生のみ前期に開講されます）。AI、ビッグデータ、IoTをはじめとするデータ利活用に関連する新技術が進展し、第4次産業革命といわれている昨今、社会や産業に大きな変革が起こっています。この授業では、データ分析に必要な基礎知識とコンピュータを活用した分析方法を学びます。
身に付けられる能力
このプログラムを履修することにより、以下のことが身に付きます。
- データサイエンスとAI利活用について、背景を通じて、意味や求められるものを理解できる。
- データ活用上の留意点（データ倫理の重要性等）を理解できる。
- Excelを使って、データを加工・分析し、結果を解釈し説明できる。
- 数量データを含む多様な情報を収集・分析・表現し、活用するためのリテラシーを身に付ける。
修了要件
「情報リテラシー」および「データ・AIリテラシー」の2科目の単位を修得することが、このプログラムの修了要件です。
授業の実施体制
「情報リテラシー」および「データ・AIリテラシー」は情報基盤科目の一部です。情報基盤科目は情報基盤専門部会のもと、情報基盤センター運営委員会が運営および自己点検、改善を担当しています。
自己点検評価
令和7年度
1. プログラムの履修・修得状況
「データ・AIリテラシー」はデータサイエンス学部では1年次前期科目として、他の学部では1年次後期科目として開講されました。出席率は全15回の平均で前期約94%、後期約90%であり、非常に高いものでした。前期後期ともに出席回数と成績評価には正の相関があり、成績の分布は前期がSS：6.4％、S：26.6%、A：42.6%、B：17.0%、C：4.3%、D：3.2%となり、後期はSS：20.7％、S：32.9%、A：27.5%、B：9.4%、C：4.4%、D：5.2%となりました。昨年度と比較して、A評価以上が前期約9ポイント減、後期約3ポイント増となりましたが、引き続き高い成績を収めた学生が多い結果となりました。
「情報リテラシー」は全学部で1年次前期科目として開講されました。出席率は全15回の平均で約94%となり、非常に高いものでした。また、出席回数と成績評価には正の相関があり、成績分布はSS:24.8%、S：35.8%、A：28.1%、B：5.4%、C：2.6%、D：3.3%というものでした。
なお、令和7年度より成績評価基準が変更となり、成績評価SS(GP5)の素点評価が95～100点、Sが90〜94点となっています。その他は従来と同様で、A：80〜89点、B：70〜79点、C：60〜69点、D：0〜59点です。
2. 学修成果
「データ・AIリテラシー」では授業内容の予習用動画の配信及び復習e-Learningを実施しています。予習用動画は、第2回から第11回にかけて各回の授業内容に応じた短い動画を事前に視聴し、課題を提出するものになっています。これらの課題提出率は平均して前期が約92％、後期が約91％となりました。また、復習e-Learningは「情報検索」「数値分析」「数理力トレーニング」「データベース」の４課題を課しており、提出率は前期が約98％、後期が約94％となりました。どちらも非常に多くの学生に活用されていることがわかります。
「情報リテラシー」では第1回から第5回にかけて事前学習教材を用意しています。平均して93%の学生が毎回これらの教材に取り組んでいたことがわかりました。また復習用のeラーニング教材には92%の学生が取り組んで成果物を提出しています。授業中はPBL（Project Based Learning）を取り入れ、各自の提出した成果物で授業目標への到達度を測っています。成果物の提出率は全体で96%となっており、非常に高いものでした。なお、空き時間をタイピング練習にあて、78%の学生が長文を200回以上入力する練習を修了しました。
3. 学生アンケート等を通じた学生の内容の理解度
「データ・AIリテラシー」に対する授業アンケート（回答率93%）で授業内容の各分野について理解度を10段階で聞いたところ、多くの分野で5以上（理解できた〜概ね理解できた〜完全に理解した）の回答が全体の8割以上を占めていることがわかりました。またそれらを総合した「この授業の到達目標は達成しましたか」という質問には、非常にそう思う：12.0%、そう思う：60.8%、どちらでもない：23.4%、そう思わない：3.4%、まったくそう思わない：0.4%という回答が得られました。このアンケートから、全体の7割以上が到達目標を達成したと感じていることがわかります。
「情報リテラシー」に対する授業アンケート（回答率96%）で授業内容の各分野について理解度を10段階で聞いたところ、多くの分野で5以上の回答が全体の8割以上を占めました。これらを総合した「この授業の到達目標は達成しましたか」という質問には、非常にそう思う：10.6%、そう思う：61.1%、どちらでもない：25.6%、そう思わない：2.1%、まったくそう思わない：0.5%という分布になりました（四捨五入のため合計が100%になりません）。これらを見ると、全体の7割以上が到達目標を達成したと感じていることがわかります。
