研究会B （徐）

Research Seminar B

9991771

91CKPBL102

徐　維那

Yuna Seo

2026年度後期

2026年度

②Second semester

集中講義

Thuesday, 3rd Period

創域情報学部　情報理工学科

Department of Information Science and Technology, Faculty of Information Science and Technology

2.00単位

実習

On-site practical training

-

① [対面]対面授業/ [On-site] On-site class

本講座「経営課題から設計するAI・ITシステム実践」は、企業や組織が直面する実際の経営課題を出発点として、AI・IT技術を活用したシステムを構想・設計・評価する能力を養成する実践型講座である。
単なる技術習得にとどまらず、課題の構造化、要件定義、データ活用、AI導入の妥当性評価、現場実装を見据えた設計思考までを一貫して学ぶ。

本講ではフューチャー株式会社から派遣される実務経験豊富な講師による講義・演習を通じて、理論と実務を接続し、現実の経営・社会課題に対応できる高度IT人材の育成を目指す。本学科のディプロマ・ポリシー「修得した専門知識や教養をもとに、他者とコミュニケーションをとり、国際的な視野を持って活躍できる能力」に該する科目である。

本講座を修了した学生は、以下の能力を身につけることを目標とする。
・経営・組織・現場における課題を構造的に分析し、IT・AI導入の必要性と妥当性を説明できる
・課題に基づいたシステム要件（目的、制約、データ、KPI等）を整理・定義できる
・AI・データ分析・ITシステムの基本的な設計思想を理解し、適切な技術選択ができる
・実務を想定したシステム設計案を論理的に説明し、第三者に伝達できる
・技術的可能性と経営的・社会的制約を踏まえた総合的判断ができる

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

ノートパソコンを持参すること。

課題に対する作文　Essay／グループワーク　Group work／プレゼンテーション　Presentation／PBL (課題解決型学習)　Problem-based learning／実習　Practical learning

-

授業日前にLETUS資料を予習する。

授業態度　10％
グループワーク・中間レポート　40％
最終プレゼンテーション　50％

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

必要に応じて授業で周知

第1回：ガイダンス：講座の目的・全体構成の説明/経営課題起点で考えるAI・IT導入の意義
第2回：経営課題とは何か/経営課題・業務課題・現場課題の違い/課題設定が失敗する典型例
第3回：課題構造化と問題定義/課題の分解、因果関係整理/フレームワークによる課題整理演習
第4回：IT・AI導入の判断基準/AIが有効な課題／有効でない課題/自動化・最適化・意思決定支援の違い
第5回：データ視点からの課題分析/データの種類、取得可能性、品質/データが意思決定に与える役割
第6回：AI・ITシステムの基本構成/システム全体像(入力・処理・出力)/現場システムとの接続を考える
第7回：要件定義の実践/機能要件・非機能要件/KPI・評価指標の設定
第8回：中間レビュー/各自／各グループの課題設定と構想発表/フィードバックと改善点整理
第9回：AI活用設計の実際/予測・分類・最適化の設計思考/過剰AI化のリスク
第10回：現場実装と運用の視点/現場で使われないシステムの特徴/ユーザー視点・業務フローへの組込み
第11回：倫理・リスク・ガバナンス/AI倫理、説明責任、バイアス/経営判断としてのAI導入
第12回：システム提案書の作成/課題→設計→効果のストーリー構築/実務向け資料作成のポイント
第13回：最終発表準備/提案内容の精緻化/プレゼンテーション指導
第14回：最終発表/課題起点のAI・ITシステム設計提案/講師・教員からの講評
第15回：総括・振り返り/学修内容の整理/実務・研究への接続可能性

・国立研究機関研究員(環境微生物 / 鉱物資源経済 / 食品・農業）
・国際共同研究（鉱物資源調査・データベース構築・研究戦略イノベーションなど）
上記の経験を活かし、社会システム工学・環境工学・経営学的手法を横断的に活用できる人材育成を目指す。

-

Microsoft office
python

全ての授業を対面で実施する。

N

N