Society5.0に向けた栄養士・保育者・ビジネスのためのICT教育

「Society 5.0に向けた栄養士・保育者・ビジネスのためのICT教育(数理・データサイエンス・AI教育)」

◆　昭和学院短期大学の認定制度への申請内容

◆　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）」

【趣旨】

本教育プログラムは大学等の正規の課程において、学生の数理・データサイエンス・ＡＩへの関心を高め、かつ、数理・データサイエンス・ＡＩを適切に理解し、それ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。

本学は中期計画において、Society 5.0に対応した教育を主軸に据え、文部科学省の「数理データサイエンス・ＡI教育プログラム」を実施してまいりました。このたび、同制度の認定が令和8年3月31日に終了し、新たに令和11年3月までの再認定が許可されました。
また、社会におけるAI等の急速な進展を踏まえて、令和7年度から応用基礎レベルのプログラムを人間生活学科で始めました。

【プログラムの名称】

Society 5.0に向けた栄養士・保育者・ビジネスのためのICT教育
昭和学院短期大学応用基礎プログラム（人間生活学科キャリア創造専攻）

【実施体制】

運営責任者　ICT教育センター長

プログラムを改善・進化させるための体制・組織　教育改革委員会　責任者　学長

プログラムの自己点検・評価を行う体制　責任者　学長

【プログラム対象科目の開講状況と修了要件(リテラシーレベル)】

本プログラムはＩCT基礎科目とICT専門基礎科目からなっています。

各学科・専攻の対象科目と開講状況を下記の表に示しました。

人間生活学科キャリア創造専攻

科目の種類	科目名	必修・選択	開講年	単位数
ICT基礎科目	コンピュータ基礎演習A	必修	１年	1
ICT基礎科目	コンピュータ基礎演習B	必修	１年	1
ICT専門基礎科目	住生活論	必修	２年	２
	食生活論（食品学・栄養学を含む）	必修	１年	２
	情報処理（演習を含む）	選択	２年	２
	AIとマネジメント		２年	１
	ファッションビジネス・販売		２年	２

【修了要件】

必修の４科目6単位の履修

人間生活学科こども発達専攻

科目の種類	科目名	必修・選択	開講年	単位数
ICT基礎科目	コンピュータ基礎演習A	必修	１年	1
ICT基礎科目	コンピュータ基礎演習B		2年	1
ICT専門基礎科目	保育内容総論		1年	1
	幼児理解（カウンセリングを含む）		１年	２
	情報処理（演習を含む）	選択	２年	２
	食生活論		1年	2
	住生活論		２年	2
	保育内容の指導法（情報機器の活用を含む）		１年	2

【修了要件】

必修の４科目5単位の履修

ヘルスケア栄養学科

科目の種類	科目名	必修・選択	開講年	単位数
ICT基礎科目	コンピュータ基礎演習A	必修	１年	1
ICT基礎科目	コンピュータ基礎演習B		１年	1
ICT専門基礎科目	公衆衛生学		２年	２
	食品衛生学		１年	２
	ICT概論	選択	２年	２
	栄養教育論	選択	1年	2

【修了要件(リテラシーレベル)】

修了要件　必修の４科目6単位の履修

【事業計画(リテラシーレベル)】

数理・データサイエンス・AIリテラシープログラムの履修率は100％を継続しています。卒業時には全員が修了証を授与されています。

・各学科・専攻の３ポリシーに沿った教育目的、カリキュラム、学修成果の策定・実施

・プログラム向上のための活動（FD活動、学生による授業評価、学生調査、学生満足度調査）

・プログラムの検証（卒業生、就職先の調査、外部評価、自己点検・評価）

・プログラム向上のためのCT機器等環境整備

【身につける能力(リテラシーレベル)】

１．社会において求められる数理・データサイエンス・AIに関する基礎的知識と技術を身につけ日常の生活及び仕事に使うことができる。

２．これらの知識と技術を使う際にはエビデンスに基づき、倫理上の配慮の下に、人間として適切な判断と説明ができる資質が身につく。

【授業内容(リテラシーレベル)】

１．数理・データサイエンス・AIは現在進行中の社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついている。

①第4次産業革命といわれるSociety 5.0によって衣食住等人々の生活や産業構造がどのように変わっていくのかを実例を踏まえて理解する。

②インターネットやモバイル端末の普及に加え、IotやAIの進化により爆発的に増えたデータを大規模に分析することによって新たな価値の創出や問題解決に繋げることができるデータ駆動型社会であることを理解する。

③複数技術を組み合わせたAIサービスやロボット、AI等を活用した新しいビジネスモデルを知る中で、自らが仕事に就いたときに果たすべき役割を考える。

④授業方法は講義、演習に加えて、グループワーク、ディスカッションを取り入れる。また、活用事例を紹介する際には事前学習として課題を与える。

２．「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るものである。

①社会で活用されているデータの種類と用語（構造化データ、非構造化データ、ビッグデータ、アノテーション、ログデータ、オープンデータ等）の意味を理解する。

②身近な所でそれらが活用されており、広くあらゆる分野の生産、流通、消費、文化活動等に及んでいることを知る。

③オープンデータを授業で活用し、２次データとしての利用やデータから明確な現状認識と原因究明や計画策定、マーケティング、サービスなどが効果的に行えることを知る。

④授業方法は講義、演習に加えて、グループワークを取り入れる。また、活用事例を紹介する際には事前学習として課題を与える。

３．数理・データサイエンス・AIは様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出するものである。

　①データ・AIを活用するために使われている技術の概要を知る。データの一次分析として基礎統計量とグラフを用いたデータの可視化について学ぶ。また、グルーピング、最適化、シミュレーションなどがスマートシティ構想等に繋がっていることを知る。

②自動化技術が人々の生活やサービス、農業等にも広がり持続可能な社会の実現に寄与していることを学ぶ。

③流通、製造、金融、サービス、インフラ、ヘルスケア等における活用事例を紹介し、学生が楽しく学べるようにする。

④授業方法は講義、演習に加えて、グループワークを取り入れる。また、活用事例を紹介する際には事前学習として課題を与える。

４．数理・データサイエンス・AIの活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、ＡＩ社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項を理解する。

①データ・AIを活用するにあたって重要な留意事項を理解し、実行する。内容はELSI、個人情報保護、EU一般データ保護規則（GDPR）、データ倫理（データの捏造、改ざん、盗用、プライバシー保護等）、AI社会原則（公平性、説明責任、透明性、人間中心の判断）、データバイアス、アルゴリズムバイアス、データ・AI活用における失敗事例等

②データを守るうえでの留意事項を理解し、実行する。内容は情報セキュリティ（機密性、完全性、可用性）、匿名加工技術、暗号化、パスワード、悪意ある情報搾取、情報漏洩等によるセキュリティ事故の事例紹介等。

５．実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの基本的な活用法に関するものである。

主に統計的視点のデータリテラシーを身につける。①データを読むために必要な統計の基本を学ぶ。内容としてはデータの種類、データの分布と代表値の種類及び特性、データのばらつき（分散、標準偏差、偏差値）、誤差、相関と因果（相関係数、疑似相関、交絡）、母集団と標本抽出法（全数調査と例（国勢調査）、標本調査における単純無作為抽出・層別抽出・多段抽出）、アンケート調査、クロス集計、統計情報における正しい理解。②データを説明できるようにする。内容としてはデータの可視化（棒グラフ、折れ線グラフ、散布図、ヒートマップ、チャート等）、データの比較法、不適切なグラフ表現、優れた可視化事例の紹介等③データを扱う。内容としてはデータの集計、並び替え、ランキング、データ解析ツール（スプレッドシート）、表形式のデータ（CSV）等。

【開講科目のシラバス(リテラシーレベル)】

　以下のサイトに掲載しております。
　数理・データサイエンス・AI教育プログラム関連科目のシラバス

【本プログラム履修者数(リテラシーレベル)】

学科・専攻	収容定員	令和4年度		令和5年度		令和6年度		令和7年度
学科・専攻	収容定員	履修者	終了者数	履修者数	終了者数	履修者数	終了者数	履修者数	終了者数
人間生活学科キャリア創造専攻	60	35	39	36	32	38	29	34	32
人間生活学科こども発達専攻	120	68	58	56	65	28	55	52	24
ヘルスケア栄養学科	160	76	95	86	72	50	84	39	51

学科・専攻	収容定員	令和3年度		令和2年度		令和元年度		平成30年度
学科・専攻	収容定員	履修者	終了者数	履修者数	終了者数	履修者数	終了者数	履修者数	終了者数
人間生活学科生活クリエイション専攻	60	39	35	39	36	25	13	0	0
人間生活学科こども発達専攻	120	69	67	65	63	69	60	0	0
ヘルスケア栄養学科	160	68	59	98	95	74	70	0	0

令和元年度の1年生から全員が履修している。

【モデルカリキュラムとの対応(リテラシーレベル)】

人間生活学科キャリア創造専攻

	授業科目	コンピュータ基礎演習A	コンピュータ基礎演習B	食生活論（食品学・栄養学を含む）	住生活論	情報処理（演習を含む）	AIとマネジメント	ファッションビジネス・販売
モデルカリキュラム対応状況	1-1	〇		〇	〇	〇	〇	〇
	1-2		〇	〇			〇	〇
	1-3		〇	〇		〇	〇	〇
	1-4		〇	〇	〇	〇	〇
	1-5		〇	〇	〇	〇	〇
	1-6	〇		〇	〇	〇	〇	〇
	2-1	〇	〇					〇
	2-2	〇	〇					〇
	2-3	〇	〇					〇
	3-1	〇	〇			〇
	3-2	〇	〇			〇
	4-1					〇	〇
	4-2					〇	〇
	4-3					〇	〇
	4-4
	4-5					〇	〇
	4-6					〇	〇
	4-7					〇	〇
	4-8					〇	〇
	4-9					〇	〇
	その他

人間生活学科こども発達専攻

授業科目	コンピュータ基礎演習A	コンピュータ基礎演習B	保育内容総論	幼児理解（カウンセリングを含む）	情報処理（演習を含む）	食生活論	住生活論	保育内容の指導法（情報機器の活用を含む）
1-1	〇				〇	〇	〇
1-2		〇	〇	〇		〇		〇
1-3		〇		〇	〇	〇
1-4		〇		〇	〇	〇	〇
1-5		〇		〇	〇	〇	〇	〇
1-6	〇				〇		〇
2-1	〇	〇	〇	〇				〇
2-2	〇	〇	〇	〇				〇
2-3	〇	〇	〇	〇
3-1	〇	〇		〇	〇
3-2	〇	〇		〇	〇
4-1					〇
4-2					〇
4-3			〇		〇
4-4				〇
4-5					〇
4-6					〇
4-7					〇
4-8					〇
4-9					〇
その他

ヘルスケア栄養学科

	授業科目	コンピュータ基礎演習A	コンピュータ基礎演習B	公衆衛生学	食品衛生学	ICT概論	栄養教育論
モデルカリキュラム対応状況	1-1	〇				〇
	1-2		〇	〇	〇		〇
	1-3		〇			〇	〇
	1-4		〇			〇	〇
	1-5		〇	〇	〇	〇	〇
	1-6	〇				〇
	2-1	〇	〇	〇	〇		〇
	2-2	〇	〇	〇	〇		〇
	2-3	〇	〇				〇
	3-1	〇	〇			〇
	3-2	〇	〇			〇
	4-1					〇
	4-2					〇
	4-3					〇
	4-4			〇	〇
	4-5					〇
	4-6					〇
	4-7					〇
	4-8					〇
	4-9					〇
	その他

プログラムを構成する授業の内容

【プログラム対象科目の開講状況と修了要件(応用基礎レベル)】

修了要件：必修２単位と選択必修科目群のAまたはBの３単位計５単位を修得する

必修・選択	科目名		開講時期	単位数
必修２単位	衣生活論		1年前期または2年前期	2
選択必修科目群（AまたはB）３単位を選択	A 群	AIとマネジメント	２年前期	1
		SNSリテラシー	１年前期	1
		WebデザインA	２年前期	1
	B 群	情報処理（演習を含む）	２年後期	2
	B 群	こどもとプログラミング	１年集中	1
選択	マネープランニング		1年後期	1
	WebデザインB		2年後期	1
	情報処理（演習を含む）		2年後期	2

【事業計画(応用基礎レベル)】

履修生の実績を積んで、履修率の向上を目指す。

【身につける能力(応用基礎レベル)】

・デジタル社会においてデータから意味を抽出し、現場にフィードバックする能力が身につく。

・AIを活用し、問題解決につなげる基礎能力が身につく。

・自らの専門分野に数理・データサイエンス・AIを応用するための大局的な視点が身につく。

【授業内容(応用基礎レベル)】

データ駆動型社会とデータサイエンス

データ駆動型社会とデータサイエンスの関連性について学ぶ

分析設計

データ分析の進め方およびデータ分析の設計方法を学ぶ

データ観察

典型的なデータ分析手法を学ぶ

データ分析

典型的なデータ可視化手法を学ぶ

データ可視化

典型的なデータ可視化手法を学ぶ

数学基礎

データ・AI利活用に必要な確率統計の基礎を学ぶ

アルゴリズム

データ・AI利活用に必要なアルゴリズムの基礎を学ぶ

ビッグデータとデータエンジニアリング

ICT（情報通信技術）の進展とビッグデータについて学ぶ

データ表現

コンピュータでデータを扱うためのデータ表現の基礎を学ぶ

データ収集

Webサイトやエッジデバイスからのデータ収集方法を学ぶ

データベース

データベースからのデータ抽出方法を学ぶ

データ加工

収集したデータの加工方法を学ぶ

ITセキュリティ

データ・AI利活用に必要なITセキュリティの基礎を学ぶ

プログラミング基礎

データ・AI利活用に必要なプログラミングの基礎を学ぶ

AI基礎

AIの歴史と応用分野

AIの歴史と活用領域の広がりについて学ぶ

AIと社会

AIが社会に受け入れられるために考慮すべき論点について学ぶ

機械学習の基礎と展望

機械学習の基本的な概念と手法について学ぶ

深層学習の基礎と展望

実世界で進む深層学習の応用と革新について学ぶ

生成AIの基礎と展望

生成AIの基本的な概念と応用につぃて学ぶ

認識

人間の知的活動（認識）とAI技術について学ぶ

予測・判断

人間の知的活動（予測・判断）とAI技術について学ぶ

言語・知識

人間の知的活動（言語・知識）とAI技術について学ぶ

身体・運動

人間の知的活動（身体・運動）とAI技術について学ぶ

AIの構築と運用

AIの構築と運用について学ぶ

【本プログラム履修者数(応用基礎レベル)】

プログラム開設年度：令和7年度

学科名称

学生数

入学

定員

収容

定員

令和７年度

うち女性

履修者数

修了者数

人間生活学科

148

144

180

―

【モデルカリキュラムとの対応(応用基礎レベル)】

プログラムを構成する授業の内容

授業に含まれている内容・要素		授業に含まれているスキルセットのキーワード
（１）データサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎（統計数理、線形代数、微分積分）」に加え、ＡＩを実現するための手段として「アルゴリズム」、「データ表現」、「プログラミング基礎」の概念や知識の習得を目指す。	1-6	・順列、組合せ、集合、ベン図「衣生活論」・代表値（平均値、中央値、最頻値）、分散、標準偏差「衣生活論」「AIとマネジメント」「マネープランニング」・相関係数、相関関係と因果関係「衣生活論」
	1-7	・アルゴリズムの表現（フローチャート）「AIとマネジメント」「こどもとプログラミング」・並び替え（ソート）、探索（サーチ）「AIとマネジメント」「衣生活論」「SNSリテラシー」「マネープランニング」
	2-2	・コンピュータで扱うデータ（数値、文章、画像、音声、動画）「AIとマネジメント」「こどもとプログラミング」・構造化データ、非構造化データ「AIとマネジメント」・情報量の単位（ビット、バイト）「AIとマネジメント」「WeｂデザインＡ」「ＷｅｂデザインＢ」・配列、木構造（ツリー）、グラフ「AIとマネジメント」「マネープランニング」
	2-7	・文字型、整数型、浮動小数点型「AIとマネジメント」「こどもとプログラミング」・変数、代入、四則演算、論理演算「AIとマネジメント」「こどもとプログラミング」・関数、引数、戻り値「AIとマネジメント」・順次、分岐、反復の構造を持つプログラムの作成「AIとマネジメント」
（２）ＡＩの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にＡＩを活用する際の構築から運用までの一連の流れを知識として習得するＡＩ基礎的なものに加え、「データサイエンス基礎」、「機械学習の基礎と展望」、及び「深層学習の基礎と展望」から構成される。	1-1	・データ駆動型社会、Society 5.0「AIとマネジメント」「SNSリテラシー」「情報処理」・データサイエンス活用事例（計画策定、判断支援など)「AIとマネジメント」「情報処理」・データを活用した新しいビジネスモデル「AIとマネジメント」「情報処理」
	1-2	・データ分析の進め方「AIとマネジメント」「SNSリテラシー」・分析目的の設定「AIとマネジメント」「SNSリテラシー」・様々なデータ分析手法（回帰、分類など）「AIとマネジメント」「衣生活論」・様々なデータの可視化手法（比較、分布、変化など）「AIとマネジメント」「SNSリテラシー」「衣生活論」「マネープランニング」
	2-1	・ICTの進展「WebデザインA」「WebデザインB」「SNSリテラシー」「情報処理」・クラウドサービス「WebデザインA」「WebデザインB」・ビッグデータ活用事例「AIとマネジメント」「衣生活論」
	3-1	・推論、探索、トイプロブレム「AIとマネジメント」「衣生活論」・汎用AI／特化型AI「AIとマネジメント」・人間の知的活動とAI技術「AIとマネジメント」「WebデザインA」「WebデザインB」「情報処理」・AI技術の活用領域の広がり「AIとマネジメント」「WebデザインA」「WebデザインB」「衣生活論」「情報処理」
	3-2	・AI倫理、AIの社会的受容性「AIとマネジメント」「SNSリテラシー」「情報処理」・プライバシー保護、個人情報の取り扱い「AIとマネジメント」「SNSリテラシー」「情報処理」
	3-3	・実世界で進む機会学習の応用と発展「AIとマネジメント」「SNSリテラシー」「WebデザインA」「WebデザインB」「衣生活論」・機械学習、教師あり学習、教師なし学習「AIとマネジメント」「SNSリテラシー」「衣生活論」
	3-4	・実世界で進む深層学習の応用と革新（画像認識、自然言語処理、音声生成など）「AIとマネジメント」「SNSリテラシー」「WebデザインA」「WebデザインB」「衣生活論」
	3-5	・実世界で進む生成AIの応用と革新「AIとマネジメント」「SNSリテラシー」「WebデザインA」「WebデザインB」「情報処理」「こどもとプログラミング」・基板モデル、拡散モデル「AIとマネジメント」「SNSリテラシー」・生成AIの留意事項「AIとマネジメント」「SNSリテラシー」「WebデザインA」
	3-10	・AIの学習と推論、評価、再学習「AIとマネジメント」「SNSリテラシー」・複数のAI技術を活用したシステム「AIとマネジメント」
（３）本認定制度が育成目標として掲げる「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。応用基礎コアのなかでも特に重要な学修項目群であり、「データエンジニアリング基礎」、及び「データ・ＡＩ活用企画・実施・評価」から構成される。	Ⅰ	・気象庁の気候データを用いた冬のコートの売り上げと気温の関係「衣生活論」　（データ分析、可視化、散布図、数学基礎、相関関係と因果関係等）・日本人女性の体形変化と衣料サイズ「衣生活論」（データ分析、時系列、グラフ化、クロス集計、数学基礎、探索等）・マネジメントに必要なデータ処理　財務諸表①②「AIとマネジメント」（データ分析、グラフ化、数学基礎、アルゴリズム等）
	Ⅱ	・サムネイル、動画制作、作品発表「SNSリテラシー」（AI基礎技術の実践）・ケーススタディ①～④（YouTubeサイト視聴拡大マーケティング、効果測定、分析）「SNSリテラシー」（AI基礎技術の実践）・Webサイト、アニメーションの制作「WebデザインA」「WebデザインB」・幼児向けプログラミング体験と教材の作成「こどもとプログラミング」
コア学習項目以外のデータサイエンス基礎	1-3	・データの集計、比較対象の設定、クロス集計表「衣生活論」・データのばらつき、ヒストグラム、散布図「衣生活論」
	1-4	・単回帰分析、最小二乗法「衣生活論」
	1-5	・可視化目的（比較、分布、変化）に応じた図表化「AIとマネジメント」「SNSリテラシー」「衣生活論」・１～3次元の図表化（棒グラフ、折れ線グラフ、散布図など「AIとマネジメント」「SNSリテラシー」「衣生活論」
コア学習項目以外のデータエンジニアリング基礎	2-3	・IOT(Internet of Things) 、プロトコル、インターネットの仕組み「情報処理（演習を含む）」
	2-4	・テーブル定義、ER図「AIとマネジメント」・主キーと外部キー「AIとマネジメント」
	2-5	・集計処理、四則計算処理、ソート処理、サンプリング処理「AIとマネジメント」「情報処理（演習を含む）」
	2-6	・情報セキュリティの3要素（機密性、完全性、可用性）「AIとマネジメント」「SNSリテラシー」「情報処理（演習を含む）」・データの暗号化と復号「AIとマネジメント」
コア学習項目以外のAI基礎	3-6	・認識技術の活用事例、画像認識「AIとマネジメント」「SNSリテラシー」「衣生活論」「WebデザインA」「Web デザインB」「こどもとプログラミング」
	3-8	・自然言語処理の活用事例「AIとマネジメント」
	3-9	・AIの社会実装、ビジネス／業務への組み込み「情報処理（演習を含む）」「こどもとプログラミング」