背景
人々の行動履歴がネットワークを介して蓄積されるなど、海外ではビッグデータの利用が急速に進んでいます。国内でもデータ駆動型の未来社会の創造が必須と考えられていますが、研究面では海外の機関と比較して遅れていると言われています。

状況
データサイエンスとはデータから知識・有用な情報を抽出し、新たな価値を創りだす科学です。第4の科学として全大学生に必須の内容ですので、多面的な教育を通じて国民のリテラシー向上が必須となっています。 本学では全学生のデータサイエンスリテラシーと数理的教養を涵養し、多分野でAI専門家を育成することが重要と考えています。

プログラムとして卒業要件化します。

文系・非情報系学科を想定し適切に科目を設定します。

学修状況に応じて多様な選択肢を提供します。

数理科学分野
・理系学部では、既存の数理科学教育を活用します。
・文系学部では、入門的な数理科学教育を実施します。
・文理融合型学部にあっては、学生の志向により上記教育を併用します。

データサイエンス分野
データサイエンス、AIの基礎と体験的学習を実施します。
非情報系学科の学生向けに副専攻プログラムを用意します。
分野横断的な応用・実践的教育プログラムを用意します。

学部学科とは独立した教育プログラムの開発と運用
教育開発機構の数理・データサイエンス教育センターで以下の科目を開発し、全学に適用しています。
　データサイエンスリテラシー（１）
　データサイエンスリテラシー（２）
　文系のための数理基礎
　文系のための統計基礎
プログラム科目担当教員と兼任教員によるマネジメントを実施しています。
また、「データサイエンスリテラシー（１）（２）」を合わせて、数理データサイエンス基礎教育プログラムと称します。詳しくは、こちらを御覧ください。

PBLの活用
文理の枠を超えたPBLによる協働学習と実社会のデータ活用を検討しています。

必修化の方法（表１参照）
教養科目を中心にプログラム科目を新設し、「数理・データサイエンスプログラム」修了を卒業要件化しています。（データサイエンス分野と数理科学分野の両方の単位を含む４単位以上を取得）

基礎知識の習得とAI（Deep Learning）等の体験的学びを提供しています。

学生の志向と基礎力に応じて、数理科学の基礎教育を提供しています。

基礎的または発展的副専攻プログラムを検討しています。

専門に応じて専門科目課程を整備します。

グループによる課題の設定・データ収集・解析を重視したプログラムを提供します。

実データを用いた実践学習を検討しています。

分野横断的な学習プログラムを検討しています。