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 |
泉 清高、河野 宏明（工）、花田 英輔、矢田 光徳、郭 其新、後藤 聡、押川 英夫、石渡 洋一、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。 |
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。 |
聴講指定
|
理工学部学生 |
授業計画
回 |
内容 |
授業以外の学習 |
|---|---|---|
|
1 |
講義: |
(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。 |
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泉に申し出ること。 |
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） |