シラバス詳細

タイトル「2024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	藤澤　知績、河野　宏明（工）、山口　暢彦、木上　洋一、光武　雄一、大石　敏之、佐々木　伸一、ナルモン、石渡　洋一、米田　宏、梅木　辰也、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と、および1月以降（春休み期間を含む）の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、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

履修上の注意

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。
2024年度はデータサイエンス教育（AI実習）を9/26, 27に対面で実施する。数名のグループに分かれてAI実習を6コマ行う。

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	AIやIoTの産業分野における利活用１：人工知能をつくり出そう	復習しておくこと。課題が出される場合もある。
2	AIやIoTの産業分野における利活用２：状態空間と基本的な探索	復習しておくこと。課題が出される場合もある。
3	AIやIoTの産業分野における利活用３：位置推定	復習しておくこと。課題が出される場合もある。
4	電磁気学１：理学分野におけるICTの利用	復習しておくこと。課題が出される場合もある。
5	電磁気学２：電磁気学とその応用	復習しておくこと。課題が出される場合もある。
6	電磁気学３：フーリエ解析とその応用	復習しておくこと。課題が出される場合もある。
7	再生可能エネルギー技術概要，流体工学１：流体工学入門	復習しておくこと。課題が出される場合もある。
8	再生可能エネルギー技術概要，流体工学２：風力や水力の再生可能エネルギー	復習しておくこと。課題が出される場合もある。
9	再生可能エネルギー技術概要，流体工学３：再生可能エネルギーの基礎とエネルギー変換機器	復習しておくこと。課題が出される場合もある。
10	電気回路・電子回路１：電気・電子部品，抵抗，コンデンサ，コイル（外観，回路記号，素子値表記例）オームの法則・キルヒホッフの法則（直列，並列合成抵抗算出）半導体素子ダイオード・発光ダイオード（外観，動作，回路記号，使い方（電流，抵抗値））トランジスタの種類（外観，回路記号）"	復習しておくこと。課題が出される場合もある。
11	電気回路・電子回路２：MOS-FETの講造と動作基本増幅回路　ソース接地　バイアス回路応用例（オペアンプ）　　IC外観，回路例	復習しておくこと。課題が出される場合もある。
12	電気回路・電子回路３：試験	復習しておくこと。課題が出される場合もある。
13	浄水・下水処理１：浄水に関する技術	復習しておくこと。課題が出される場合もある。
14	浄水・下水処理２：下水処理に関する技術	復習しておくこと。課題が出される場合もある。
15	浄水・下水処理３：これからの浄水・下水処理の在り方について	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藤澤まで申し出ること。

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）