| 研究課題/領域番号 |
21K02918
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分09080:科学教育関連
|
|---|
| 研究機関 | 大阪公立大学工業高等専門学校 |
|---|
研究代表者 |
楢崎 亮 大阪公立大学工業高等専門学校, その他部局等, 准教授 (20567929)
|
|---|
| 研究分担者 |
松野 高典 大阪公立大学工業高等専門学校, その他部局等, 教授 (30311046)
稗田 吉成 大阪公立大学工業高等専門学校, その他部局等, 教授 (80321454)
鬼頭 秀行 大阪公立大学工業高等専門学校, その他部局等, 講師 (40866951)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2021年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
|
|---|
| キーワード | データサイエンスリテラシー / 数学 / AI / カレッジ級数学 |
|---|
| 研究開始時の研究の概要 |
本研究では、高等教育機関で学ぶ数学の内容（線形代数学、微分積分学、最小二乗法、勾配降下法、ベイズ統計学など）の応用例として、ディープラーニング理論の基本事項を大学や高等専門学校の数学カリキュラムの中に効果的に取り入れた新しい数学カリキュラムおよび教材を作成する研究を行う。
|
| 研究成果の概要 |
数学は様々な分野で活用できるため、授業では数学としての応用だけでなく、所属学科や専門の内容に合わせてその応用例を紹介することが必要とされる。最新の技術に関連する応用例があれば学生の興味関心をより惹きつけることができるため、教材は常に更新していくことが望ましい。本研究では、大学2年次または高専5年次までの全学科・全コースの学生対象の共通科目として、数学を応用しながらニューラルネットワークを用いた AI 理論を理解し、応用実装に繋がるカリキュラムおよびその教材を作ることが達成された。
|
| 研究成果の学術的意義や社会的意義 |
高校で学ぶ微分積分学や線形代数学の基礎から接続する大学での数学教育、または 5 年一貫教育の高専での数学教育に適したディープラーニングのテキストや教育カリキュラムを作成することは、数学の教材としての側面だけでなく、数学と専門を繋ぐ最新の応用例を提示するという点で重要である。データ解析の良い実践例となる教材を提示しつつ、学生自らが既習の数学知識を組み合わせながら活用する応用例について、所属学科や専門によらず利用していくことが求められているAIの理論を実感できる体験的な数学教育カリキュラムを提示した．
|
