シラバス詳細

タイトル「2023年度」、カテゴリ「理工学部」

和文・英文ボタンを押すことで、和文↔英文の切り替えができます。

和文英文

医学部のシラバスはこちらから。

医学系研究科博士課程のシラバスはこちらから。

科目情報

コースナンバリング	2-407x-238
科目名	サブフィールドPBL
開講学期	後期
開講時期	３クォータ
曜日・校時	時間割外、火１
単位数	3
授業担当教員	山西　博幸、奥村　浩、坂口　幸一、伊藤　秀昭、宮良　明男、石渡　洋一、日比野　雄嗣、宮原　真美子、三島　悠一郎、中大窪　千晶、畠山　大有、皆本　晃弥、大村　肇

講義情報

学士力番号

1(3), 2(3)

講義形式

講義および演習

講義概要

本講義は、２年後学期開講直前（9月後半の2日間）に行われるデータサイエンス教育（AI実習）、２年後学期に開講される講義、引き続き集中講義で実施されるPBL演習からなる。講義は、６つの分野（理学、情報技術、化学、機械工学、電気電子工学、都市工学）の中から、学生の所属コースの分野と異なる５つの専門外分野（サブフィールド）について実施する。PBL演習は、学生が選択した１つのサブフィールドについて実施し、課題解決演習を行う。
PBL演習は、学生が選択した１つのサブフィールドについて実施し、討論や発表会を取り入れた課題解決演習を行う。

開講意図

サブフィールドの講義とPBL演習を通じて、自身の専門分野とサブフィールドとの関連について理解を深め、理工学における複眼的視点と、それを用いた分析・解決能力を養う。データサイエンス教育（AI実習）からAIを用いた分析・解決能力を養う。

到達目標

(1) ５つのサブフィールドの講義内容を理解する。
(2) PBL演習に取り組み、プレゼンテーションやレポートで結果をまとめる。
(3) データサイエンス教育（AI実習）に取り組み、プレゼンテーションやレポートで結果をまとめる。

聴講指定

理工学部学生

授業計画

回	内容	授業以外の学習本科目は、単位数×45時間の学修が必要な内容で構成されています。授業として実施する学修の他に、授業の内容を深めるために以下の事前・事後学修が必要です。
1	第１回　再生可能エネルギー技術１：エネルギー資源と再生可能エネルギー利用	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
2	第２回　再生可能エネルギー技術２：エネルギー変換に必要な熱工学の基礎	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
3	第３回　再生可能エネルギー技術３：再生可能エネルギーの具体的事例	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
4	第４回エレクトロ二クス材料化学１：無機系エレクトロニクス材料	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
5	第５回エレクトロ二クス材料化学２：有機系エレクトロニクス材料	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
6	第６回エレクトロ二クス材料化学３：新規エレクトロニクス材料	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
7	第７回リモートセンシング１：リモートセンシングの基礎と衛星データ解析方法	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
8	第８回リモートセンシング２：衛星データを用いた土地被覆分類	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
9	第９回リモートセンシング３：衛星データを用いた災害モニタリング	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
10	第１０回　IoT，人工知能１：IoT (Internet of Things)	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
11	第１１回　IoT，人工知能２：人工知能の基礎	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
12	第１２回　IoT，人工知能３：人工知能の応用例	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
13	第１３回　微分方程式とその解法１：変数分離形微分方程式と同次形微分方程式	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
14	第１４回　微分方程式とその解法２：1階線形微分方程式とベルヌーイの微分方程式	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．
15	第１５回　微分方程式とその解法３：定数係数斉次線形微分方程式と非斉次線形微分方程式 PBL演習：講義を受けた5つのサブフィールドの中から1つを選択し、課題解決演習を3コマ行う。データサイエンス教育（AI実習）：2023年度は9/28, 29に実施する。数名のグループに分かれてAI実習を6コマ行う。	(1) 各回の内容を復習しておくこと。課題が出される場合もある。 (2) ⾃らの発表の準備各担当教員の指示に従い，予習，復習および課題提出に取り組むこと．

成績評価の方法と基準

到達目標(1)について、小テストやレポートを用いて評価する（評価A）。到達目標(2)について、プレゼンテーションやレポートを用いて評価する（評価B）。到達目標(3)について、プレゼンテーションやレポートを用いて評価する（評価C）。最終評価は、100点満点となるように評価A、B、Cを5:2:3の割合で合計して決定する。 60点以上の点数を取得していることを合格の条件とするが、データサイエンス教育（AI実習）に参加しなかった者、および、その課題を行わなかった者は不合格とする。

開示する成績評価の根拠資料等

小テスト、レポート、発表等の採点結果。

開示方法

開示を希望する者（履修登録した者に限る）は、開講学期の末日までに都市工学部門担当（山西）に申し出ること。

教科書

資料名		版
著者名	発行所名・発行者名	出版年
備考（巻冊：上下等）		ISBN
教科書は使用しない。

オフィスアワー

各教員のオフィスアワーを参照のこと。

アクティブラーニング導入状況

アクティブラーニング導入状況
カテゴリー4	カテゴリー3	カテゴリー2	カテゴリー1	カテゴリー0
学生が自ら主体となって、学習の方向性を定め、問題解決に導くための時間です。PROBLEM BASED LEARNING	グループや個人で行った能動的学習の成果を、教室内外で発表し、その評価を受けたり、質問に対応したりすることにより、学修した内容を深化させるための時間です。OUTPUT	学生自らが自由に発言し、グループやペアでの協働活動により課題に取り組み、何らかの帰結に到達するための能動的学習の時間です。INTERACTION	学生からの自由な発言機会はないものの、授業時間中に得られた知識や技能を自ら運用して、問題を解いたり、課題に取り組んだり、授業の振り返りをしたりする能動的学習を行う時間です。ACTION	基本的に学生は着席のまま、講義を聞き、ノートをとり、知識や技能を習得に努める時間です。INPUT
30	5	5	10	50

その他

佐賀大学データサイエンス教育プログラム（応用基礎レベル）に対する学習到達目標：（3.4）,（3.6）