本学では、令和2年度から「宮崎国際大学 数理・データサイエンス・AI教育プログラム」を実施しています。令和3年8月4日、文部科学省から同プログラムは「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。令和8年4月1日、同プログラムは文部科学省から再認定されています。認定期間は令和11年3月31日までです。
教育プログラムについて
第5期科学技術基本計画では、ICT技術を使って工業社会の現実空間（Society 3.0）と情報社会のサイバー空間（Society 4.0）をつなぐ社会をSociety 5.0社会と定義されている。その中にあって、数理・データサイエンス・AIが、現在の情報社会や生活と密接に結びついて、流通、製造、金融、サービス業、教育などの多くの産業で活用されている。本プログラムでは、数理・データサイエンス・AIに関する基礎的能力（リテラシー）を学ぶことを目的としています。
教育プログラムで身につけることのできる能力
国際教養学部
人文科学系の国際教養学部では、リベラル・アーツを主に学修しているが、今後の情報社会で活躍できる人材を育成するためには、STEAM教育：Science（科学）、Technology（技術）、Engineering（工学）、Art（芸術・教養）、Mathematics（数学）が必要であると思われる。そこで、本プログラムでは、実習を通して、数理・データサイエンス・AIに関する基礎的能力（リテラシー）を身につける。
教育学部
新学習指導要領で示されるように、各学校では、2020 年度から「主体的・対話的で深い学び」の視点からの授業改善を通して、豊かな創造性を備えた持続可能な社会の創り手を育成し、児童生徒に生きる力を育むことが求められている。小学校では、ICT教育によって教室のプロジェクタに図表を拡大投影したり、パソコン教室でインターネットを使って調べ学習をしたりする等「情報手段に慣れ親しみ、適切に活用する学習活動を充実する」とされている。プログラミング教育やGIGAスクール構想が進展する中で、本プログラムでは、授業・実習を通じて数理・データサイエンス・AIリテラシーに関する基礎的能力（リテラシー）を身につける。
修了要件と実施科目
-
国際教養学部では、「基礎教育科目」から「情報科学基礎1」（必修、2単位）および「情報科学基礎2」（必修、2単位）の合計4単位を取得すること。
-
教育学部では、「情報処理」（必修、2単位）および「プログラミング入門」（必修、2単位）の合計4単位を取得すること。
プログラムを構成する授業の内容
国際教養学部
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・生成AIの活用データサイエンスのサイクル、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案「情報科学基礎1」
| 授業に含まれている内容・要素 | キーワード | 授業科目 |
|---|---|---|
| 現在進行中の社会変化（第４次産業革命、Society5.0、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もの | ・ビッグデータ、IoT、AI、生成AI、ロボット ・第4次産業革命、Society 5.0、データ駆動型社会 ・AI最新技術の活用例 |
「情報科学基礎1」 |
| 「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 | ・調査データ、実験データ ・データ・AI活用領域の広がり |
「情報科学基礎1」 |
| 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 | ・生成AIの活用 データサイエンスのサイクル、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案 |
「情報科学基礎1」 |
| 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への理解をする | ・データ倫理、データのねつ造、改ざん、盗用、プライバシー保護 ・情報セキュリティの3要素 |
「情報科学基礎1」 |
| 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 | ・データの種類（量的変数、質的変数） ・相手に的確かつ正確に情報を伝える技術や考え方（スライド作成、プレゼンテーション など） ・データの集計（和、平均） |
「情報科学基礎1」 「情報科学基礎2」 |
| その他の関連する内容 | ・1変数関数の微分と積分 ・指数関数、対数関数 ・数と表現、計算誤差、データ量の単位、文字コード、配列 |
「情報科学基礎2」 |
教育学部
| 授業に含まれている内容・要素 | キーワード | 授業科目 |
|---|---|---|
| 現在進行中の社会変化（第４次産業 革命、Society5.0、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もの | ・ビッグデータ、IoT、AI、生成AI、ロボット ・第4次産業革命、Society 5.0、データ駆動型社会 ・AI最新技術の活用例 |
「情報処理」 |
| 「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 | ・調査データ、実験データ ・データ作成 ・データ・AI活用領域の広がり |
「情報処理」 |
| 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 | ・データ可視化：複合グラフ、2軸グラフ ・教育、芸術、流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ ・AI利活用事例紹介 |
「情報処理」 |
| 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への理解をする | ・データ倫理：データのねつ造、改ざん、盗用、プライバシー保護 ・情報セキュリティの3要素 ・情報漏洩等によるセキュリティ事故の事例紹介 ・サイバーセキュリティ |
「プログラミング入門」 |
| 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 | ・データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値） ・代表値の性質の違い ・データのばらつき（分散、標準偏差、偏差値）、外れ値 ・相関と因果 ・データ表現（棒グラフ、折線グラフ、散布図、箱ひげ図） ・相手に的確かつ正確に情報を伝える技術や考え方 ・データの集計（和、平均） |
「情報処理」 |
| その他の関連する内容 | ・集合、ベン図 ・アルゴリズムの表現 ・変数、代入、繰り返し、場合に応じた処理 |
「情報処理」 「プログラミング入門」 |
実施体制
| 運営 | プログラム運営委員会 |
|---|---|
| 点検・評価 | 自己点検評価委員会 |
| 改善 | 分野横断カリキュラム検討委員会 |
実施計画と自己点検評価
| 年度 | 実施計画 | 自己点検評価 |
|---|---|---|
| 令和2(2020)年度 |
|
令和2年度自己点検評価結果 |
| 令和3(2021)年度 |
|
令和3年度自己点検評価結果 |
| 令和4(2022)年度 |
|
令和4年度報告書 |
| 令和5(2023)年度 |
|
令和5年度報告書 |
| 令和6(2024)年度 |
|
令和6年度報告書 |
| 令和7(2025)年度 |
|
令和7年度報告書 |
| 令和8(2026)年度 |
|
|
| 令和9(2027)年度 |
|
|
| 令和10(2028)年度 |
|
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）
