我々を取り巻く環境は日々変化しているが、その中でも情報技術、特にAIやビッグデータ、IoTの発展が目覚ましい。今やサイバー空間上には無数のデータ（ビッグデータ）が存在しており、これらのデータを収集・分析・活用することで新たな価値を創造するデータサイエンスの分野が注目されている。
日本工業大学ではこうした時代の変化に対応できる実践力を持った技術者の育成、および教育改革に向けた取り組みの一環として2022年4月、先進工学部にデータサイエンス学科を新設。数理統計やプログラミングといった基礎技術、ビッグデータ利活用に欠かせないAI・IoTなどの最新技術まで、データサイエンスの知識・技術を幅広く学ぶことで、超スマート社会（Society5.0）で活躍できる人材の育成を目指す。
あわせて全学科でデータサイエンスの基礎を学ぶことができる「学部・学科横断データサイエンスプログラム」も導入。IT業界にとどまらず、幅広い業界で求められるデータサイエンティストの養成が期待できる。
単なる基礎知識にとどまらない実践を踏まえた教育
同校に新設されるデータサイエンス学科には、大きく四つの特徴がある。
一つ目は「基礎科目の充実」だ。徹底したプログラミング教育はもちろんのこと、数理統計やAIの理論的基礎知識の理解に必要な数理系教育を施し、さらに専門科目としてデータアナリシス系・人工知能系・システムデザイン系の三系統が用意されている。
ニつ目の特徴は「PPDACサイクルによる実践的学び」。PPDACサイクルとはデータサイエンス学科での学びと課題解決に用いられるフレームワークで、Problem（解決すべき課題の定義）、Plan（課題解決のための計画）、Data（資料やデータの収集）、Analysis（データの分析）、Conclusion（結論の取りまとめと施策の提言）のサイクルを回すことを指している。
このPPDACサイクルによって、高度なデータ分析を行うための数理的専門知識や先端的プラットフォームを活用するための実践的技術の修得だけでなく、AI・機械学習などの先進技術やシステム構築技術、経営的視点も含むデータ分析といった専門知識・技能の修得を図る。
三つ目は「社会実装型PBL（PBL：プロジェクト型学習）」だ。これは地域や企業などと連携し、実際の社会課題にデータサイエンスの知識や技術を用いて解決に取り組む演習で、学生自らが実データを収集・分析しながら、課題解決や価値創造につながる成功体験を積み重ねていく。
最後は「教科（情報）の免許取得」。現在、認可申請をしているところである。小中高でのプログラミング教育が本格化しつつあるが、それを教える教員、特に2025年度開始の大学入試共通テスト「情報」を指導できる高校教員が不足している状況を打破すべく、高校でのプログラミングを教えることができる人材を育成する。
自らシステムを構築し、
実データを分析するカリキュラムも
日本工業大学データサイエンス学科の教育方針は、情報分野におけるものづくり力（すなわちシステム構築力）と数理統計、AI等を駆使したデータ分析力を兼ね備えたエンジニアを育成することだ。単に既存のデータと機械学習を用いたデータ分析を行うだけでなく、自らIoTシステムを構築し、実データの収集からAIプログラムの実装、データ分析まで一気通貫で行うことができる実践力の養成を目的としている。
また、学生自らが実データを収集・分析することで、企業や地域社会の抱える課題に対する解決や新たな価値創造に挑戦できることも同校の特徴と言えるだろう。
教育の内容も実践的だ。データサイエンス学科では、1～3年でC言語やPythonなどの言語に関する「プログラミング系科目」、情報理論や数理統計、データサイエンス基礎数理などに関する「数理系科目」、データサイエンス・AIとその社会的役割に関する「データサイエンス・AI系科目」を基礎科目として学ぶ。特に1年生のプログラミング演習では進度別にクラス分けが行われるので、プログラミング経験がなくても自分のペースで学ぶことができる。これらの授業内容に苦手意識を持たないよう、高校数学をしっかり学んでおくことが望ましい。
また、2～3年が受講可能な専門科目として、データ分析技術やシステムの企画・評価にかかる技術を学ぶ「データアナリシス系」、AIや機械学習、知的コンピューティング技術を学ぶ「人工知能系」、IoTシステムやWebシステムといったさまざまなシステムの設計・構築を学ぶ「システムデザイン系」の三系統が用意されており、興味ある分野についてより深く学ぶことができる。
さらに、3年になると地域課題・環境問題に取り組む社会実装型PBL（プロジェクト型学習）を行う。地域や企業と連携し、学生自らが実データを収集・分析して課題解決や価値創造につながる成功体験を積み重ねるとともに、ITやデータサイエンスの応用実践力やプロフェッショナリズムの醸成、技術者が持つべき社会的貢献への意識付けを目的としている。
PBLは大きく「システム開発・運用型PBL」と「課題発見・解決型PBL」の二種類に分けられる。「システム開発・運用型PBL」は連携先の地域・企業からの依頼をもとに、システムの提案から構築、導入、運用支援まで一気通貫のプロジェクトとして担当する社会実装型実習だ。事例としては、NPOの会員管理システムの開発・運用支援、特別支援学校向け電子教材の開発、施設や設備の予約システムの開発・運用支援などが挙げられる。
一方の「課題発見・解決型PBL」は、データ収集および分析システムの開発と実データの分析を通じて、連携先が抱えている課題発見と解決提案に取り組む社会実装型実習。リハビリデータ収集・分析システムや健康体操モニタリングシステムの開発・効果分析、キャンパス内の環境やスクールバス運行に関するモニタリングシステムの開発とデータ分析などの実例がある。
情報産業だけにとどまらない幅広い進路の選択肢
日本工業大学データサイエンス学科が目指すのは、実践的な実習を通じてシステム構築力とデータ分析力、課題解決力、価値創造力を身につけた人材の育成だ。
データサイエンス学科で学ぶIoTやAI、機械学習は「Society 5.0」と呼ばれる超スマート社会において幅広く活躍できる分野。データサイエンティストやデータアナリスト、システムエンジニアとしてIT産業はもちろんのこと、電子機器やスマート工場、教育、環境エネルギー、小売、農業、健康・医療・介護、地方創生、交通・物流などビッグデータの利活用が期待できる分野業界は多岐にわたり、今後もさらに拡大していくことが予測される。
実際に同校が独自に行なった調査によると、データサイエンス学科の内容に関心を持っている企業は88％、データサイエンス学科卒業生を採用対象として前向きに考えている企業は79％というように、企業からの高い関心と期待が寄せられている。
また、2022年度より小中高プログラミング・情報教育が始まるため、プログラミングや情報セキュリティ、ネットワーク、データベースなどの知識を持つ教員の拡充が求められている。
特に2022年度より高等学校で「情報Ⅰ」が必須となるため、指導できる高校教員の不足は深刻だ。この課題に対し、日本工業大学のデータサイエンス学科では「情報」の免許取得に必要な6つの科目区分をカバーしており、教員免許を取得することもできる（現在申請中）。
教員免許以外にも国家資格である情報処理技術者試験や統計検定といった公的資格、AIやIoTに関する民間資格なども取得可能であり、幅広い進路の選択肢が期待できる。
■特集トップページはこちら＞＞
＜PR＞
