開講にあたりまして２０２４
（自己紹介，講義資料の話など）

試験の際の電卓持ち込みについて
開講科目の中には電卓持ち込み不可の試験と，電卓持ち込み可の試験がありますので指示に従ってください
電卓持ち込み可の試験の場合，一般的な電卓を想定していますが√機能などは無いと困るので，標準的な関数電卓も持ち込み可としています．
ただしプログラム機能などを有する者は持ち込み禁止とします
判断がつかない場合は事前に私に確認をするようにしてください
なお，土地家屋調査士試験の筆記試験における電卓の使用と同じ条件になります．以下のPDFで機種を確認することが可能です
令和５年度土地家屋調査士試験の筆記試験における電卓の使用について（法務省）
https://www.moj.go.jp/MINJI/minji05_00540.html
レポートについて
レポートが課せられている授業を受講の方はレポート・論文の書き方 : 入門
文献を探す場合は富山大学中央図書館講習会 : 文献の探し方・入手方法　をご覧ください

自己紹介

researchmap
システム構築，データ分析担当
研究チームの目的そのものに対する専門性を有しているわけでもない
専門性を有しているメンバーとは違う切り口でPJの推進に寄与（しているつもり）

医療情報をベースに地域と保健に関するところを
看護に関するものでは以下のような関わり方 https://jnapcdc.com/cq/2nd_text.html
他律的な学修（というのは結局学習レベルで留まっているということですよね）にならないようにするには，自分で理解することが必要．他者が理解した内容をそのまま教えてもらって暗記したところでそれは理解と言わない．
先輩や同期から教えてもらったところで学修したと言えないケースが多いのは，その授業（もしくは試験）に限定した情報を記憶するだけなので世の中で通用する知識となっていないので役に立たない
nmcc20240404b-04.png(317575 byte)
（これからの学修に向けて（２０２４）　より）
学修の第一歩は，受験対策のためには役に立ったが，今後使いにくくなっている知識を，学術的な側面から再情報化し自分で使える知識にするというところだろう

講義への参加度合いについて

予習，復習など自己学修の際に出た不明な点などをオンラインからの質問についてはやりとりの内容も評価に加える．
但し，評価を得るためと捉えられるような質問（単純な確認や感想など自らの理解を目的と捉えられないような質問）については対象としない．

講義資料等の入手方法

教科書が指定されてる場合は教科書を必ず用意するように
資料を配付することもあると思います。
あと授業の形態にもよりますが、おそくとも授業前日中にはサイトに資料載せている予定なので端末でご覧ください

本授業において用いる日時は日本標準時（JST）を基準とします
http://www.j-cast.com/2012/05/07131249.html?p=all

公欠の取り扱い

特に学校が指定していない場合，以下のような計算法になるのでご注意ください
単位認定（定期試験の受験資格）の条件2/3以上の出席・・・15回授業の場合は10回以上の出席を必要とする
10回授業の時は6.66回以上
8回授業の時は5.33回以上

公欠が1回あった場合

期末試験の条件2/3以上の出席・・・15回授業の場合は14回の授業の2/3となるので9.3回以上の出席を必要とする
10回授業の時は9回の授業の2/3となるので6回以上
8回授業の時は7回の授業の2/3となるので4.66回以上

公欠が2回あった場合

期末試験の条件2/3以上の出席・・・15回授業の場合は13回の授業の2/3となるので8.66回以上の出席を必要とする
10回授業の時は8回の授業の2/3となるので5.33回以上
8回授業の時は6回の授業の2/3となるので4回以上

公欠が3回あった場合

期末試験の条件2/3以上の出席・・・15回授業の場合は12回の授業の2/3となるので8回以上の出席を必要とする
10回授業の時は7回の授業の2/3となるので4.66回以上
8回授業の時は5回の授業の2/3となるので3.33回以上

出席の取り扱い

学校が指定していない場合，以下のような取り扱いとします．
９０分授業の場合・・・授業開始時間までに着席：出席　授業開始時間から３０分までに着席の場合：遅刻　授業開始時間から３０分以降に着席：欠席
７０分授業の場合・・・授業開始時間までに着席：出席　授業開始時間から２０分までに着席の場合：遅刻　授業開始時間から２５分以降に着席：欠席
遅刻は授業の2/3出席したものとして取り扱います．故に遅刻を３回すると１回欠席に相当します
数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム　の内容を含む授業について
数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラムの内容を含む授業のシラバスには関連のある部分についてコードを付与しています
コード表は以下の通りです． 数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム〜 データ思考の涵養 〜（2020年4月14日制定）（数理・データサイエンス教育強化拠点コンソーシアム）に基づいたものになります．
http://www.mi.u-tokyo.ac.jp/consortium/model_literacy.html
dsliteracyコード表(20200414)
【1】
社会におけるデータ・AI利活用		 【1-1】
社会で起きている変化		 【1-1-1】ビッグデータ、IoT、AI、ロボット
【1-1-2】データ量の増加、計算機の処理性能の向上、AIの非連続的進化
【1-1-3】第4次産業革命、Society 5.0、データ駆動型社会
【1-1-4】複数技術を組み合わせたAIサービス
【1-1-5】人間の知的活動とAIの関係性
【1-1-6】データを起点としたものの見方、人間の知的活動を起点としたものの見方
【1-2】
社会で活用されているデータ		 【1-2-1】調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど
【1-2-2】1次データ、2次データ、データのメタ化
【1-2-3】構造化データ、非構造化データ（文章、画像/動画、音声/音楽など）
【1-2-4】データ作成（ビッグデータとアノテーション）
【1-2-5】データのオープン化（オープンデータ）
【1-3】
データ・AIの活用領域		 【1-3-1】データ・AI活用領域の広がり(生産、消費、文化活動など)
【1-3-2】研究開発、調達、製造、物流、販売、マーケティング、サービスなど
【1-3-3】仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など
【1-4】
データ・AI利活用のための技術		 【1-4-1】データ解析：予測、グルーピング、パターン発見、最適化、シミュレーション・データ同化など
【1-4-2】データ可視化：複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化など
【1-4-3】非構造化データ処理：言語処理、画像/動画処理、音声/音楽処理など
【1-4-4】特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ
【1-4-5】認識技術、ルールベース、自動化技術
【1-5】
データ・AI利活用の現場		 【1-5-1】データサイエンスのサイクル（課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案）
【1-5-2】流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介
【1-6】
データ・AI利活用の最新動向		 【1-6-1】AI等を活用した新しいビジネスモデル(シェアリングエコノミー、商品のレコメンデーションなど
【1-6-2】AI最新技術の活用例（深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など）
【2】
データリテラシー		 【2-1】
データを読む		 【2-1-1】データの種類（量的変数、質的変数）
【2-1-2】データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値）
【2-1-3】代表値の性質の違い（実社会では平均値＝最頻値でないことが多い）
【2-1-4】データのばらつき（分散、標準偏差、偏差値）
【2-1-5】観測データに含まれる誤差の扱い
【2-1-6】打ち切りや脱落を含むデータ、層別の必要なデータ
【2-1-7】相関と因果（相関係数、擬似相関、交絡）
【2-1-8】母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出
【2-1-9】クロス集計表、分割表、相関係数行列、散布図行列
【2-1-10】統計情報の正しい理解（誇張表現に惑わされない）
【2-2】
データを説明する		 【2-2-1】データ表現（棒グラフ、折線グラフ、散布図、ヒートマップ）
【2-2-2】データの図表表現（チャート化）
【2-2-3】データの比較（条件をそろえた比較、処理の前後での比較、A/Bテスト)
【2-2-4】不適切なグラフ表現（チャートジャンク、不必要な視覚的要素）
【2-2-5】優れた可視化事例の紹介（可視化することによって新たな気づきがあった事例など）
【2-3】
データを扱う		 【2-3-1】データの集計（和、平均）
【2-3-2】データの並び替え、ランキング
【2-3-3】データ解析ツール（スプレッドシート）
【2-3-4】表形式のデータ（csv）
【3】
データ・AI利活用における留意事項		 【3-1】
データ・AIを扱う上での留意事項		 【3-1-1】ELSI（Ethical, Legal and Social Issues）
【3-1-2】個人情報保護、EU一般データ保護規則(GDPR)、忘れられる権利、オプトアウト
【3-1-3】データ倫理：データのねつ造、改ざん、盗用、プライバシー保護
【3-1-4】AI社会原則（公平性、説明責任、透明性、人間中心の判断）
【3-1-5】データバイアス、アルゴリズムバイアス
【3-1-6】AIサービスの責任論
【3-1-7】データ・AI活用における負の事例紹介
【3-2】
データを守る上での留意事項		 【3-2-1】情報セキュリティ：機密性、完全性、可用性
【3-2-2】匿名加工情報、暗号化、パスワード、悪意ある情報搾取
【3-2-3】情報漏洩等によるセキュリティ事故の事例紹介
【4】
オプション		 【4-1】
統計および数理基礎		 【4-1-1】確率、順列、組み合わせ
【4-1-2】線形代数(ベクトル、ベクトルの基本的な演算、ノルム、行列とベクトルの積、行列の積、内積)
【4-1-3】1変数関数の微分と積分
【4-1-4】指数関数、対数関数
【4-1-5】集合、ベン図
【4-2】
アルゴリズム基礎		 【4-2-1】アルゴリズムの表現（フローチャート、アクティビティ図）
【4-2-2】並び替え（ソート）
【4-2-3】探索（サーチ）
【4-3】
データ構造とプログラミング基礎		 【4-3-1】数と表現、計算誤差、データ量の単位、文字コード、配列
【4-3-2】変数、代入、繰り返し、場合に応じた処理
【4-4】
時系列データ解析		 【4-4-1】時系列データ（トレンド、周期、ノイズ）
【4-4-2】季節調整、移動平均
【4-5】テキスト解析
 【4-5-1】形態素解析、単語分割、ユーザ定義辞書、n-gram、文章間類似度
【4-5-2】かな漢字変換の概要
医学教育モデル・コア・カリキュラム　の学修目標を含む授業について
医学教育モデル・コア・カリキュラムの学修目標を含む授業のシラバスには関連のある部分についてコードを付与しています
コード表（但し担当の授業に出現するもののみ）は以下の通りです． 医学教育モデル・コア・カリキュラム（令和4年度改訂版）に基づいたものになります．
医学教育モデル・コア・カリキュラム関連（文部科学省）
https://www.mext.go.jp/a_menu/koutou/iryou/mext_00005.html
mccmeコード表(令和4年度改訂版　担当する授業で関係する部分のみ)
【PR】
プロフェッショナリズム		 【PR-01】
信頼		 【PR-01-01】誠実さ 【PR-01-01-01】患者や社会に対して誠実である行動とはどのようなものかを考え、そのように行動する (利益相反等)。
【PR-01-02】省察 【PR-01-02-02】他者からのフィードバックを適切に受け入れる。
【PR-02】
思いやり		 【PR-02-01】思いやり 【PR-02-01-01】患者を含めた他者に思いやりをもって接する。
【PR-02-02】他者理解と自己理解 【PR-02-02-01】自身の想像力の限界を認識した上で、他者を理解することに努める。
【PR-03】
教養		 【PR-03-01】教養 【PR-03-01-01】人の生命に深く関わる医師に相応しい教養を身につける。
【PR-03-01-02】答えのない問いについて考え続ける。
【GE】
総合的に患者・生活者をみる姿勢		 【GE-01】
全人的な視点とアプローチ		 【GE-01-04】根拠に基づいた医療（EBM） 【GE-01-04-01】根拠に基づいた医療（EBM）の5つのステップを列挙できる。
【GE-01-04-02】PICO（PECO）を用いた問題の定式化かができる。
【LL】
生涯にわたって共に学ぶ姿勢		 【LL-01】
生涯学習		 【LL-01-01】生涯学習の実践 【LL-01-01-02】学修・経験したことを省察し、自己の課題を明確にできる。
【RE】
科学的探究		 【RE-01】
リサーチマインド		 【RE-01-01】能動的姿勢 【RE-01-01-01】常識を疑う。
【RE-01-01-02】何事にも知的好奇心を持って取り組むことができる。
【RE-03】
研究の実施		 【RE-03-01】問い 【RE-03-01-01】自身の関心を問いにすることができる。
【PS】
専門知識に基づいた問題解決能力
【IT】
情報・科学技術を活かす能力		 【IT-01】
情報・科学技術に向き合うための倫理観とルール		 【IT-01-01】情報・科学技術に向き合うための準備 【IT-01-01-01】情報・科学技術を医療に活用することの重要性と社会的意義を理解している。
【IT-01-01-02】医療における情報・科学技術に関連する規制（法律、ガイドライン等）の概要を理解している。
【IT-01-01-03】デジタル情報や科学技術の活用における社会的格差が医療や福祉にもたらす影響や倫理的問題を議論できる。
【IT-01-02】情報・科学技術利用にあたっての倫理観とルール 【IT-01-02-01】電子カルテをはじめとする医療情報の管理・保管の原則について理解し、関連する規制（法律、倫理基準、個人情報保護のための規定等）を遵守できる。
【IT-01-02-02】ソーシャルメディア(インターネット、SNS等)の利用において、医療者として相応しい情報発信の在り方を理解し、実践できる。
【IT-02】
医療とそれを取り巻く社会に必要な情報・科学技術の原理		 【IT-02-02】情報・科学技術の先端知識 【IT-02-02-01】医療に関連する情報・科学技術（医療情報システム、ウェアラブルデバイス、アプリ、人工知能、遠隔医療技術、IoT等）を理解し、それらの応用可能性について議論できる。
【IT-02-02-02】情報・科学技術の専門家とともに、技術を医療へ応用する際に、医療者に求められる役割を理解している。
【IT-03】
診療現場における情報・科学技術の活用		 【IT-03-02】情報・科学技術を活用した学習スキル 【IT-03-02-01】自己学習や協同学習の場に適切なICT（eラーニング、モバイル技術等）を活用できる。
【IT-03-02-02】新たに登場する情報・科学技術を自身の学び及び医療に活用する柔軟性を有する。
【CS】
患者ケアのための診療技能		 【CS-02】
患者情報の統合、分析と評価、診療計画		 【CS-02-03】検査(計画、分析評価) 【CS-02-03-04】主要な臨床・画像検査(表6)の特性（感度、特異度、偽陽性、偽陰性、検査前確率・検査後確率、尤度比、ROC曲線）と判定基準（基準値・基準範囲、カットオフ値、パニック値）を理解している。
【CS-05】
医療の質と患者安全		 【CS-05-06】患者安全の実践 【CS-05-06-02】診療録の重要性を理解し、適切に記載し取り扱うことができる。
【CM】
コミュニケーション能力
【IP】
多職種連携能力
【SO】
社会における医療の役割の理解		 【SO-02】
疫学・医学統計		 【SO-02-02】疫学 【SO-02-02-02】割合・比・率の違い及び代表的な疫学指標（有病割合、リスク比、罹患率等）を理解している。
【SO-02-02-05】主な疫学の研究デザインとして、観察研究（記述研究、横断研究、症例対照研究、コホート研究）及び介入研究（ランダム化比較試験等）を理解している。
【SO-02-03】データ解析と統計手法 【SO-02-03-01】尺度（間隔、比、順序、名義）について説明できる。
【SO-02-03-02】データの分布（欠損値を含む）について説明できる。
【SO-02-03-03】正規分布の母平均の信頼区間について説明できる。
【SO-02-03-04】相関分析、平均値と割合の検定等を実施できる。
【SO-02-03-05】多変量解析の意義を理解している。