本課程では、学術界の研究者だけでなく、実業界においてデータサイエンスや関連プロジェクトを推進してきた専門家が、両者のバックグラウントを尊重し連携することで、本学ならではの教育の多様性を実現しています。
データエンジニアリング、データアナリティクス、ビジネスサイエンス・ビジネスマネジメントの３つの領域と、それらを統合する演習や特定課題にて構成され、理論と実践が融合し交差する学問体系により、ビジネス現場でのデータサイエンスの実務事例や技術、リテラシーのみならず、データを扱ううえで配慮すべき倫理的課題、実務展開に不可欠なマーケティングやマネジメントのメソッドも修得することができます。
データエンジニアリングでは、データの収集や処理に関する技術的な側面を、データアナリティクスでは、データの可視化や統計的な分析手法、機械学習の解析手法等を修得します。また、ビジネスサイエンス・ビジネスマネジメントでは、ビジネス上の課題解決や意思決定にデータを活用するフレームワークや論理思考を学びます。これらの領域を組み合わせることで、データを有効に活用し、洞察力と倫理観を備えたアプローチを取ることができるようになります。
さらに、本学の人材育成の理念に賛同いただいた企業との連携により、各業界におけるデータサイエンスのスペシャリストを非常勤講師として迎え、実務に即したスキルの教授や実習を行います。
本課程の修了生は、データサイエンスの理論を理解し、データの収集、処理、解析、応用において実践的スキルを備えることで、実社会における課題解決やイノベーションに貢献することが期待されます。
- （１）課題設定：課題が明確で適切であり、データサイエンスを用いた対象分野に対する知見の発見や解釈、ないし課題解決のための提案等が提示されていること。
- （２） 専門知識の理解：当該分野にかかる専門知識が十分に理解、修得されており、研究・分析方法が適切であること。
- （３）分析の枠組み：研究課題を考察・分析するための枠組みが適切であること。
- （４）理論的根拠：仮設を検証するために独自に収集したデータ、新しい資料の発掘など論証方法に工夫をこらすことができること。
- （５）先行研究の理解：先行研究が適切に引用され，出展記載や引用が適切になされていること。
- （６）倫理的配慮：特定課題に用いたデータや資料、研究対象に対する適切な倫理的配慮を行っていること。
- （７） 研究方法：データサイエンスの専門分野に関する深い理解に基づき，社会で生じる事象や問題を考察・分析、または解決手法等について提案したものであること。
- （８）特定課題の構成：構成、章立て、立証方法などをわかりやすく構成され整理され、説得力のある論理展開ができ、問題提起、途中の推論、結論を整合させ、自己の分析を総合的に記述することができる。
上智大学大学院応用データサイエンス学位プログラムでは、ディプロマ・ポリシーに示す資質・能力等の目標を学生が達成できるようにするため、教育課程編成、学修内容・学修方法、学修成果評価について、以下のようにカリキュラム・ポリシーを定めます。
CP１.教育課程の編成方法
本学位プログラムでは、データサイエンスの手法を様々な分野に応用し、データ活用社会を牽引する力を養成するために、データサイエンスの基礎知識やスキルおよびリテラシーや学術的な視点、実務に活用・応用できる実践力を修得するための幅広い専門科目を配置し修得できるよう、以下のようにカリキュラムを編成しています。
- （１） データサイエンスの基礎から実践まで幅広い分野を俯瞰し、本プログラムで学ぶ内容の理解を促すための必修科目として「応用データサイエンス特論」を1年次春学期に配置します。
- （２） データサイエンスおよび関連分野に関する学術的な視点や専門知識および実務で応用するための視点やスキルを修得できる講義科目を1年次から配置します。
- （３） 特定課題作成と口頭報告の能力を修得するための必修科目として、学術的なアプローチによる指導を行う「演習A」、それと並行して実社会での動向や事例を踏まえた指導を行う「演習B」を2年次に配置するとともに、両科目を横断する形での合同研究報告会を実施します。
- （４）データサイエンスの基礎スキルやリテラシーの修得とあわせ、データを扱う上で配慮すべき倫理的側面の理解を促す講義・演習科目を設けます。また、研究倫理に関する規範意識を身につけるために、研究倫理教育を受ける機会を設けます。
- （５）データサイエンスを応用した実例を体感し、データの収集，分析，活用等の実践力を修得するための実践系科目、学術的な応用力を養成するための様々な学問分野における分析手法や応用事例を学ぶ連携科目等を選択可能にします。
CP２.学修内容・学修方法
本学位プログラムの修了に必要な知識・技能を修得するため、必修科目を中心に多くの科目においてディスカッション（議論・討論）やプレゼンテーション（発表）、演習（実作業）による学修・研究指導の機会を提供します。
さらに、課題設定等を通じて授業時間外の学修を促し、学修時間の確保と成果の定着を図ります。
- （１）1年次春学期必修科目の「応用データサイエンス特論」では、各教員の専門分野の概説を中心とした輪講形式を通じて、多様な課題の解決に取り組む力を身につけます。
- （２）２年次必修科目の「演習A」及び「演習B」では、特定課題に繋がる課題研究や文献講読、および実践演習を通じて、1年次に引き続き、高度職業専門人として求められる伝達力、実行力、洞察力などを強化します。
- （３）選択科目では、実作業中心の演習形式でのプログラミング関係科目、および講義形式を基本としつつも必要に応じて実作業（演習や実習）が盛り込まれる内容を通じて、最先端の専門知識を中心に身につけます。
- （４）選択科目を1～2年次に自由に履修可能となるよう配置することで、学生のバックグラウンド（学習歴や職務経験）や興味・関心に応じ、柔軟な対処力や自己推進力などを身につけます。
- （５）各専門科目におけるディスカッションや演習、そして関連学会への参加などを通じて、データ活用社会の即戦力や牽引力、新手法開発力や分野開拓力を身につけます。
CP３.学修成果の評価方法
ディプロマ・ポリシーに示す目標に対する学生の学修到達状況は、シラバス等に明示された評価基準・科目等に基づき、実習、演習課題のプレゼンテーション等を用いて多角的に評価します。特定課題については、審査基準と審査方法を明示し、それに基づき特定課題審査会による特定課題審査を厳格に行います。
-
応用データサイエンス特論実業界や学術において活用・研究が進むデータサイエンスについて、当大学院教員が持ち回りで講義する、輪講形式の授業です。データサイエンスの基礎理論からビジネスでの活用・応用の状況まで、各教員の研究領域は多様性に富んでおり、それぞれの真髄を講義します。「データサイエンスの広さと深さを俯瞰的に掴む」当大学院での学びの入り口となる授業です。 ２年次の演習（ゼミ）での指導教員選択や、大学院修了条件である「特定課題」のテーマ設定につながる重要な授業であり、当大学院の教員が持つ多種多様なバックグラウンドに触れることで、自らの研究テーマを深める「気づき」を得ることを期待しています。
-
演習A／演習B演習A・演習Bは、２年次春から通年で履修します。
修了条件である「特定課題」に求められる審査基準の達成に向け、「演習A（Academic）」ではアカデミック教員による学術・理論的指導が、「演習B（Business）」では実務家教員による実社会における応用・実務的展開力の指導が行われます。
まさに、本課程の特徴である、アカデミックとビジネスの融合が実現する授業です。両演習を通じて、学生には自らの課題設定力、仮説構築力、分析力、理論構築力など、データサイエンティストが求められる総合力を習得、強化することを期待しています。 -
特定課題学生が自ら研究テーマを設定し、事例研究、プログラム作成、実データ分析等、さまざまなアプローチにより、主体的に特定課題の制作を進めます。研究レポートには、実社会におけるデータサイエンス領域に照らしてテーマに妥当性があり、実務課題の解決につながる視点が求められます。また、それに加え、大学院としての高度な学術レベルを有していることが必要です。演習A・演習Bを通じて、学術的、実践的指導を受け、両方向から研究レポートの質を高めていくこととなります。
