学環の三方針

学位授与の方針（ディプロマ・ポリシー）

臨床データサイエンス学環の教育目標に基づき、卒業のために以下の要件を満たすことが求められる。

一般的なデータサイエンティストとしてのデータ分析・解析・AIなどにかかるスキルにより瞬発力をもって課題を解決でき、加速度的に広がる生成AIなどの先進的技術を応用できる実践能力を身につけている。
人の心と体の基礎知識をもち、患者中心のケア、医療倫理の遵守などのケアの原則を踏まえ、「医療人としての視点」に立ったデータサイエンティストとしてふさわしい解決策の策定能力を身につけている。
データサイエンティストとして、社会の変化に関心を持ち、人々の新たなニーズに創造的に対応できるように生涯にわたり自己研鑽する姿勢を身につけている。
プログラミング言語を世界の共通言語として捉えるとともに、多様な文化と価値観を尊重し、データサイエンティストとして地域及び国際社会に貢献できる能力を身につけている。
複雑化する医療・保健・看護・福祉・心理の現場での医療専門職とのコミュニケーションを通して多職種で協働し、データサイエンティストとしての専門性を発揮する姿勢を身につけている。

教育課程編成・実施の方針（カリキュラム・ポリシー）

臨床データサイエンス学環の学位授与の方針に基づき、以下の方針のもとで教育課程を編成・実施する。また、教員は、ポリシーに照らした取り組みの適切性について、実効性のあるＰＤＣＡサイクルを持って自己点検・評価を行う。

教育内容

データ分析・解析・AIなどに関わる実践的な技術を身につけるために、１年次には、データサイエンスのリテラシーレベルとプログラミングやAIの基礎に関する科目（全学教育科目）を、２年次には、AIの応用に関する科目（基幹教育科目）を配当する。また、３年次には、先進的技術を応用する能力を身につけるために、生成AIに関する科目（基幹教育科目）を配当する。
AIの根幹を数学やプログラミングとして捉えるのではなく、人の心と体としても捉えられるように、１年次から２年次にかけて、人体の構造や機能に関する科目（医療系基礎教育科目）を配当する。また、医療人としての視点を身につけるために、患者中心のケアや医療倫理に関わる科目（全学教育科目、医療系専門教育科目）を１年次から３年次にかけて段階的に配当する。
主体的に社会の変化を捉える能力を養うために、２年次から３年次にかけて、医療・保健・看護・福祉・心理のフィールドにおけるケーススタディができる科目（医療系専門教育科目）を配当する。また、生涯にわたり自己研鑽できる姿勢を養うために、全学教育科目・医療系基礎教育科目・医療系専門教育科目に対して、データサイエンスとの連携を深められる基幹教育科目を１年次から４年次にかけて段階的に配当する。
多様な文化と価値観を身につけられるように、１年次に、語学や人類学に関わる科目（全学教育科目）を配当する。また、地域社会に貢献できるように、地域が抱える医療に関わる課題を学べる科目（医療系専門教育科目）を配当する。さらに、データサイエンスの技術により国際社会に貢献できるように、英語で視聴できるデータサイエンスに関わる科目（基幹教育科目）を配当する。
多職種と協働できるようなコミュニケーション能力を身につけるために、多職種連携に関する科目（全学教育科目）を１年次から４年次にかけて段階的に配当する。

教育方法

全学教育科目・医療系基礎教育科目・医療系専門教育科目と基幹教育科目との連携を深めながら、段階的に実践的なキャリアプランニング・アントレプレナーシップ教育を実施する。
専門職とのコミュニケーション能力を醸成するために、全学教育科目・医療系基礎教育科目・医療系専門教育科目については、医療専門職を目指す学生と共に学べるようにする。一方、データサイエンスのスキルを確実に身につけるために、基幹教育科目については、少人数で集中して学べるようにする。
主体的な学修を促すために、講義・演習の事前事後の学修課題を提示するとともに、グループワークや発表を取り入れる。
授業外学修やオンライン・オンデマンド学修を支援するために、ICT活用教育環境として、充実した学内LAN環境やマルチモーダル生成AIプラットフォームを活用したe Learning教材を提供する。マルチモーダル生成AIプラットフォームでは、基幹教育科目の講義を英語で視聴できるようにする。
学生が自らの学修履歴を振り返り、個別最適な学修デザインの支援を受けられるように、人工知能による学修eポートフォリオを取り入れる。

評価方法

学修成果を把握・評価するために、筆記試験、実技試験、ルーブリックを用いたレポート評価などを適宜実施する。
学修eポートフォリオでは、授業科目ごとにディプロマ・ポリシーに沿った到達目標や身につけられる能力を明記して、学修成果に対する評価の基準を学生と教員で共有する。
卒業研究も含めた４年間を通した総括的な学修に対しては、学修eポートフォリオを資料の１つとしながら、教員によりディプロマ・ポリシーに沿って評価を行う。

入学者受入れの方針（アドミッション・ポリシー）

臨床データサイエンス学環では、学位授与の方針の要件を修得し、医療人としての視点に立って、多職種の医療人と協働しながら、データサイエンスのスキルで社会に貢献できる人材養成を目標としている。そのため、以下のような資質を持った人材を広く求める。

データサイエンスを学ぶための基礎学力を有し、生成AIなどの先進的技術に関心を持っている人。
保健医療福祉分野に関心があり、データサイエンティストとして活躍したいという意志を持っている人。
データサイエンティストとして主体的に学び、生涯にわたり自身の能力や知識を向上させる意志を持っている人。
地域社会や国際社会に関心を持ち、データサイエンスの技術を応用して課題解決しようとする意欲を持っている人。
医療に関わる多様な人々と協働して学ぶ意欲を持っている人。

*基礎学力について

臨床データサイエンス学環では、入学後、高い倫理観や多様な文化と価値観を学ぶ「全学教育科目」、人の心と体を学ぶことで臨床の基礎知識を修得するとともにAIの根幹を知る「医療系基礎教育科目」がある。すなわち、高校で学習した数学、理科、社会、国語、英語などの幅広い基礎学力を有し、多面的な考え方を有効に活用することが学修成果を高めることにつながる。ここで、「基礎学力を有し」とは、上記科目を高校で履修していることを指す。ただし、理科と社会については、各々、理科や社会に関わる少なくとも１科目を履修していることを指す。

なお、入学者選抜区分ごとの入学希望者に求める能力、水準等の判定方法は以下のとおりです。適性を総合的に評価して入学者を選抜します。

「総合型選抜」は、これまでの学習・活動履歴や人物ならびに目的意識と入学後の学習意欲を面接・プレゼンテーション・調査書・志望理由書等により評価する。また課題レポート・小論文などにより論理的思考力、表現力を評価する。

「学校推薦型選抜」は、学校長等からの推薦をうけて、人物ならびに目的意識と入学後の学習意欲を面接・プレゼンテーション・調査書・志望理由書等により評価する。また課題レポート・小論文などにより論理的思考力、表現力を評価する。

「一般選抜・共通テスト利用選抜」は、これまでの学習・活動履歴や人物ならびに目的意識と入学後の学習意欲を調査書・志望理由書等により評価し、学力試験により、英語・数学・理科等の多様な基礎学力を評価する。