|
授業概要
|
|
《概要》
武蔵野大学では情報技術(IT)の学修を通じて、変化し続ける社会の中で、様々な困難な課題を解決し、より良い未来を作り出すことのできる人材の育成を目指しています。本科目では、本学を修了し、人工知能を始めとする高度な情報技術の活用に必要な様々な手法を学びます。
本科目は、副専攻AIエキスパートコース専修科目群の最初に位置づけられ、1年半にわたる体系的な学びの全体像を理解し、コースの最終科目である人工知能実践プロジェクトで取り組むテーマ選定の糸口をつかむとともに、さらにその先のキャリアビジョンを醸成することを目的とする。
《具体的な内容》
この授業では、最新のAIツールの利用とAIメディア(AINOW)を用いた調査を通じて、AIやデータサイエンスを活用した様々な事例に触れることで、データ駆動社会、Society5.0と呼ばれるこれからの社会を展望する。さらに、人工知能技術の最前線で活躍する第一人者による知見に触れることで、人工知能やデータを活用した新しいビジネスモデルのあり方について、理解を深める。
調査や講演を通じて得られた事例について、マンダラートなどの手法を用いて整理し、相互の意見交換から得られる様々な切り口で、理解の幅を広げ自身のビジョンを醸成する。併せて、人工知能実践プロジェクトで取り組むテーマの探索に着手する。
前半は集中講義を行い、副専攻科目の全体像の説明と課題の取り組みと相互の意見交換を中心に、人工知能技術と社会についての理解とそこで活躍する自身のキャリアビジョン探求の端緒とする。後半は、実際に人工知能技術を活用したビジネスに従事している講師による仕事の紹介と質疑応答によって、一般的な調査だけではわからないAI活用の現実を理解する。下記に示すゲストスピーカーの講演テーマは仮テーマであり、講演者の決定後に確定する。講演者の都合により同時双方向で実施できない場合は、動画として講演を視聴する。
ゲストスピーカーの講演および、Aidemyの動画視聴を通じて、以下の理解を深め、議論を行う。
・ 情報技術(IT)の進展やビッグデータ処理と活用事例 (自動配車、降雪予測など)
・ 実世界で進むAIの応用事例 (需要予測、異常検知、リコメンデーションなど)
・ AIによる変化の社会的受容性 (AI倫理、プライバシー・個人情報の取り扱いなど)
授業内容を効果的なものにするために、AI活用事例とキャリアビジョンについて、事前調査と検討を行うことを前提とする。検討視点などを定めたフォームを事前に配布する。
※本科目は、武蔵野大学の副専攻「AI活用エキスパートコース」を構成する科目群の一つで、専修科目に位置づけられる。上記副専攻コース認定には専修科目の所定の単位数取得が必要になる。なお、本科目の履修は副専攻コースに参画していることが前提となる。詳しくは以下のコース説明を参照すること。
https://risyuyouran.musashino-u.ac.jp/faculty/curriculum-faculty/ai/
|
|
|
|
知識・専門性の到達目標
|
|
人工知能技術が現実社会にどのように活かされ、今後どのような発展をもたらしていけるものかについての知識を習得する。【専門能力】
|
|
|
関心・態度・人格の到達目標
|
|
人工知能技術によって変革される社会において、人々の考えや行動様式がどのように変わっていくのかについて展望できる。【自己認識力・他者理解力】
|
|
|
思考・判断の到達目標
|
|
人工知能が可能にすることと、人々の思いを踏まえて、社会の健全な発展のためにどのように活用するべきかを構想できる。【情報分析力・論理的思考力・判断力】
|
|
|
実践的スキル・表現の到達目標
|
|
人工知能の発展が社会の健全な発展に寄与するために、何をするべきかについて、他者とアイデアを議論し高めていくことができる。【表現力】
|
|
|
「響学スパイラル」取り組み方法
|
|
武蔵野大学「響学スパイラル」に基づき、以下の内容で授業を実施する。
【響学】解がひとつではないテーマに対して、多種多様な視点や発見があることを、毎回の授業のグループディスカッションやプレゼン、相互評価を通じて学ぶ。
【問う】テーマに対して、自分自身で探索し、課題が何かについて問いを立てる。
【考動する】ツールを使った分析や調査を行い、課題について深く考察、議論する。
【カタチにする】課題についての考察を踏まえ解決のための施策を考案し、提案という形で表現する。
【見つめ直す】提案をプレゼンし、相互にフィードバッする中で、提案を見つめ直し、より良い提案へと高める。
|
|
|
|
授業における「アクティブな知」の要素
|
|
| |
|
授業形態
|
対象
|
|
|
A：課題解決型学習（PBL）企業、自治体等との連携あり
|
-
|
|
|
|
|
B：課題解決型学習（PBL）連携なし
|
-
|
|
|
|
|
C：反転授業（知識習得を授業外で行い、知識確認等の要素を教室で行う授業形態）
|
○
|
|
|
|
|
D：討議（ディスカッション、ディベート等）
|
○
|
|
|
|
|
E：グループワーク
|
○
|
|
|
|
|
F：発表（プレゼンテーション）
|
○
|
|
|
|
|
G：実習、フィールドワーク
|
-
|
|
|
|
|
H：双方向授業（ICT活用なし：対話型、リアクションペーパー等）
|
-
|
|
|
|
|
Ｉ：双方向授業（ICT活用あり：クリッカー、タブレット、スマートフォン等）
|
○
|
|
|
|
|
Ｊ：講義のみ
|
-
|
|
|
|
|
Ｋ：その他
PCを活用した演習
|
○
|
|
|
|
|
授業における「ICTの活用」について
|
|
| |
|
授業形態
|
対象
|
|
|
A：ノートPC必携
|
○
|
|
|
|
|
B：講義資料や授業教材のオンライン配信
|
○
|
|
|
|
|
C：レポート課題等のオンライン提出
|
○
|
|
|
|
D：質問やレポート課題等へのフィードバックにおける学修管理システムの活用
（学修支援システム(Course Power)、Google Classroom、Teams等）
|
○
|
|
|
|
E：オンラインメディアの活用
（e-Learning、edX、Coursera、JMOOC等のOpen Educational Resources）
|
○
|
|
|
|
|
F：Zoom、Google Meet等のミーティングツールの活用
|
○
|
|
|
|
|
|
-
|
|
|
|
予習
（事前学修）
|
|
| |
|
各授業
|
・ 指示された事前課題や準備調査等を行い、指定の締切日まで提出する。
・ 集中講義で連続する回の予習時間は、後半の回に振り替えるものとする。
|
|
|
|
［
35
］分
|
|
|
|
復習
（事後学修）
|
|
| |
|
各授業
|
・ 各回の授業で学んだ学修内容に関し、振り返りアンケートに回答する。
・ 指示された課題を指定の締切日までに実施し提出する。
|
|
|
|
［
35
］分
|
|
|
|
|
成績評価
|
|
| |
|
評価項目
|
評価項目の詳細内容
|
割合
|
|
|
課題提出（レポート）
|
・ 事前に示される授業全体を通じて取り組む課題
・ 各授業回で指示される提出課題
|
80
%
|
|
|
|
|
|
小テスト
|
|
0
%
|
|
|
|
|
|
試験
|
|
0
%
|
|
|
|
|
|
実習・学外学修活動
|
|
0
%
|
|
|
|
|
|
その他
|
・ 各回の提出物(授業内容サマリ、グループワークのフィードバックコメントの提出など）への加点，グループワークへの貢献点など
|
20
%
|
|
|
|
|
授業計画
|
|
| |
|
授業回
|
内容
|
|
|
1.
|
集中1日目(1)【オリエンテーション&キックオフ】
・ 事前課題としてAIメディアで関心持てるAI活用を調べておく
・ 副専攻コースの全体概要の説明
・ 授業の進め方、課題と採点方法、グループ分の実施など
|
|
|
2.
|
集中1日目(2)【世界のAI 最前線を知る】
・ 先駆的なAI企業のビジョン動画やAIメディアを用いた調査
・ AIを副専攻として学ぶ意味について講義
・ 各自で、AIが変える未来についてグループディスカッション
|
|
|
3.
|
集中1日目(3)【AIアプリの活用を実感する】
・ 各自で様々なAIアプリを体験して活用を考える
・ コンピュータとAIの進化でできるようになったことの講義
・ 体験したAI技術とその応用についてグループディスカッション
|
|
|
4.
|
集中2日目(4)【AIの社会的インパクト】
・ 社会に大きなインパクトをもたらし得るAI技術を活用してみる
・ 技術進歩によりどんな社会変化が起きているのかの講義
・ 社会の将来の変化の見通しについてグループディスカッション
|
|
|
5.
|
集中2日目(5)【DXスキルとAI活用】
・ ビジネスの変革をテーマとするDXスキルを知る
・ DXを担う様々な職種についての講義
・ 自身ができるビジネス上の役割についてグループディスカッション
|
|
|
6.
|
集中2日目(6)【AI活用のキャリアデザイン】
・ マンダラートを使い副専攻での学びのキャリアへの活かし方を考える
・ AI時代の人材論とキャリア論についての講義
・ 各自のマンダラートを相互に紹介し、相互評価を行う
|
|
|
7.
|
集中2日目(7)【後半授業に向けたまとめ】
・ マンダラートなどの課題についての発表
・ 相互評価による優秀者の選定と発表
・ 後半授業の内容の予告
|
|
|
8.
|
後半1日目【講演：AI研究の最前線】
・ AIを用いた研究事業を行っている会社の経営者から事例紹介
・ AI技術の進歩と可能性について質疑応答とグループディスカッション
|
|
|
9.
|
後半2日目【講演：AI活用ビジネス】
・ AIをビジネスに活用している会社の開発責任者から事例紹介
・ AIによるビジネス革新・社会実装について質疑応答とグループディスカッション
|
|
|
10.
|
後半3日目【講演：データサイエンティストの仕事】
・ データサイエンティストとして仕事をしている担当者から事例紹介
・ 仕事の内容についての質疑応答とディスカッション
|
|
|
11.
|
後半4日目【講演：ITコンサルタントの仕事】
・ AIを用いたビジネスを支えるITコンサルティングの担当から事例紹介
・ コンサルティングの活動についての質疑応答とディスカッション
|
|
|
12.
|
後半5日目【講演：AI活用とUXデザイン】
・ AI活用のためのUX(ユーザ・エクスペリエンス)デザインを行う会社の経営者から事例紹介
・ 技術活用に必要な人間の振る舞いの知識について質疑応答とディスカッション
|
|
|
13.
|
後半6日目【講演：AI人材に対する社会ニーズ】
・ キャリアセンターから企業からの人材のニーズとインターンシップの紹介
・ インターンシップを始めとする就活についての質疑応答とディスカッション
|
|
|
14.
|
後半7日目【キャリアビジョン資料発表会】
・ 継続的にメンテナンスしてきたキャリアビジョン資料の発表
・ 相互評価による優秀者の選定と発表
・ 人工知能実践プロジェクトのテーマ候補紹介
|
|
|
|
|
留意事項
|
|
① 本科目の受講は次年度以降の副専攻AIエキスパートコースの専修科目を受講する前提となる｡
② 本科目は、副専攻(AI活用エキスパートコース)の習得を目指す学生は、履修を解除するとコースから離脱することになるので注意すること。
③ 初回の同時双方向授業の受講およびその準備に必要な情報は、MUSCATの「講義連絡」で1週間前までに告知するので確認すること｡
④ 2クラス開講するが、前半の集中講義は合同で行う。後半はそれぞれの時間割に分かれて授業を行う。
⑤ 授業は同時双方向のオンラインで実施する。事前に演習課題への取り組みが指示されるので､授業開始前には実施すること｡
⑥ 学修管理システムおよびミーティングツールとしてTeamsを利用するため､本学の「ICTを活用した授業支援ポータルサイト」などで利用方法を確認しておくこと｡
⑦ 受講と演習実施はPCの利用を前提とする｡スマートフォンやタブレットのみの受講は不可｡演習で使用するツールとしては、表計算ツール(Excel)、プレゼンテーションツール(PowerPoint)、Webブラウザ(Chrome)、PDFビューワ等がある。これらのツールは、授業までに使えるようにインストールしておくこと。
⑧ 本科目では、同時双方向授業への出席、グループワーク参加、必須課題の期限内提出が揃ったことで出席と見なす。いずれかが欠けている場合は欠席として扱われる。正当な理由なしに3週以上欠席した場合､成績評価は「Ｘ（出席不足）」となる｡
⑨ 成績評価に関して詳しくは以下の説明を参照すること。
https://www.musashino-u.ac.jp/student-life/learning/results.html
|
|
|
教科書
（購入必要）
|
|
|
|
参考図書
（任意購入）
|
|
|
|
その他
（配布教材等により購入不要）
|
|
|
|
|
参考URL
|
|
|
|
実務経験のある教員等による授業科目
（実践的教育を行う授業科目）
|
|
|
|
|
備考
|
|
|