概要: 機械学習から神経科学まで幅広い広がりを見せているニューラルネットワークについて、おもに力学的/統計力学的視点から解説する。ランダム神経回路の解析を起点とし、特に深層学習における学習ダイナミクスの理解に向けて講義を進めていく。深層学習は様々な問題で目覚ましい成果を上げているが、開発は経験的/発見的に進んでいる側面が大きい。そのメカニズムや原理の数理的見通しを得ることを目指して講義を進める。具体的には、統計神経力学の枠組みを導入し、ランダム神経回路における発火状態の巨視的な伝播則から始める。続いて、機械学習で問題となるパラメータの学習ダイナミクスに話題を進め、モデルやアルゴリズムの望ましい設定を明らかにしていく。ダイナミクスは非線形かつ多様な振る舞いを見せるが、可解モデルの力学系解析を交えつつ、普遍的に成立すると考えられる現象や法則を探求する。

目標: 本講義では基礎となる考え方や道具を入門的に習得することを目指す。ただし、 重要と思われる項目では具体的に計算を追う一方で、近年の動向や事例も紹介しながら全体像の俯瞰を得ることも目指す。履修者が今後、機械学習や神経科学など諸問題において新しい問題や現象に出くわしても、ある程度は自分で解析の道筋が立てられるような知識の取得を目指す。

開講日程：吉田キャンパス内にて、６ー７月あるい１０ー１１月に週１日講義を３〜４回実施する予定である(具体的日時は４月までにアナウンスする)。集中講義として講義を行なうが、本科目は１単位科目であることから、７.５回以上の講義を行う。

具体的な講義内容：以下の通りである。なお、履修者の理解度や講義の進度を考慮して、一部の内容の変更・省略あるいは順序の変更を行うことがある。

(1) ニューラルネットワークの概要
- 歴史と背景
- 数理的研究の位置づけ

(2) 深層モデルの統計神経力学
- 大自由度とランダム性
- 勾配消失/発散問題と秩序-カオス相転移
- バックプロパゲーションの平均場理論
- カーネル法とのつながり

(3) 学習レジームと陰的バイアス
- Neural Tangent Kernel(NTK)レジーム
- 無限幅極限の特徴学習, muP導出
- 対角線形ネット模型における陰的正則化

(4) 過剰パラメータ系の典型評価
- 二重/多重降下現象
- カーネルリッジ回帰における汎化誤差のレプリカ解析
- ランダム行列理論

(5) 連想記憶モデルとその周辺
- 現代的ホップフィールドネットワーク, 注意機構型, 記憶容量
- エネルギーベースモデルの学習法 (CD法, スコアマッチング, 平衡伝播法)

(6) 深層線形ネットの学習力学
- 可解条件
- カタパルト現象
- 動的等長性

特になし

到達目標に対する達成度をレポートにより評価する。成績評価の詳細は授業時に説明する。

予習・復習についての具体的な事項は授業時に指示する。

※オフィスアワーの詳細については、KULASISで確認してください。

　「サービス」において、無形の事象や財、プロセス等が価値をもたらす。複数のステークホルダがサービスを適切に認識し、その情報を共有するためにはサービスを視える化することが効果的である。本講義では複数の側面からのサービスモデリングについて、手法やモデル化の意図等を解説する。ここで対象とするサービスとは、対人サービスをはじめとした第三次産業だけでなく、製造業におけるサービス化も含めた産業全体のサービスである。
　サービスを表現するモデルについての基礎的な知識を身に着けたうえで、モデルの利用場面や利用方法を理解する。これを通じて、付加価値の増加・効率化・生産性の向上といった事業の改善に寄与できる人材となることを目指す。

物財と異なる性質（無形性、同時性、異質性、消滅性）を含むサービスに対して、モデル化することによる情報の活用・共有やビジネスモデルの理解を深める。また、学んだモデル・手法を利用して他者との議論や認識の擦り合わせを身につける。

Day1：第1回〜第4回
・サービスに関する議論全体を俯瞰
・「モデル」および「モデル化」の概要
・講義全体での課題等の説明

Day2：第5回〜第8回
・サービスをある軸で分類し、それぞれの特性を解説
・特定の場面を対象に具体的なモデル化の演習

Day3：第9回〜第12回
・サービスモデルの研究における位置づけ
・サービスの品質と評価

Day4：第13回〜第15回
・特定のサービス領域・分野の解説
・サービスの顧客と価値
・グループ演習の発表・フィードバック

履修条件はなく、本講義単独での受講可。体系的な学習としては、経営管理大学院 サービス＆ホスピタリティプログラム関連の授業を受講することが望ましい。

授業出席・参加状況(30%)、個人課題(30%)、グループ発表課題(40%)

発表を行う課題については、実在のサービス事例を調査・分析することがある。上場企業に対しては、アニュアルレポート等が公開されているので参照されたい。

原則として授業の後の時間帯をオフィスアワーとする。
メールで事前連絡することが望ましい。
e-mail: sshimada@fc.ritsumei.ac.jp　 (嶋田)

本授業の目的は、大規模データに対する統計処理を通じて、高速な逐次計算プログラムを作成する技法と並列計算の初歩を学ぶことである。
その目的を達成するために、本授業では、予測を行うための典型的な手法である回帰分析を行うC言語のプログラムを3種類作成する。1つは逐次計算のプログラム、1つはOpenMPを用いた並列計算のプログラム、もう1つはMPIを用いた並列計算のプログラムである。演習に先立ち、コンピュータを用いて計算を行う数値計算についての基本的な知識や、行列・線形代数の知識、回帰分析の知識、および、並列計算を行うためのOpenMPとMPIについてなど、演習に必要な事項について講義する。

【大学院横断型教育の概要・目的】
具体的な題材を課題とした演習により、計算科学・並列計算の技法を実践的に学ぶことができ、学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。

高速なプログラムを作成する技法を理解し、OpenMPおよびMPIを用いて並列計算を行うプログラムを作成できるようになること。

全15回の授業の予定は以下の通りである。

・数値計算と計算科学（1回）
二分法やガウスの消去法を例に計算機で計算する方法について講義する

・線形代数（1回）
回帰分析を行うのに必要なグラム・シュミットの正規直交化法とQR分解、および、分散メモリの並列計算でQR分解を行うAll Reduceアルゴリズムについて講義する

・回帰分析（1回）
回帰分析と最小二乗法について講義する

・逐次計算の高速化（1回）
効率的なアルゴリズム、計算機アーキテクチャとキャッシュの有効活用など高速な逐次計算を行うコツについて講義する

・OpenMP入門（1回）
共有メモリ向けの並列化技法であるOpenMPについて講義する

・MPI入門（1回）
分散メモリ向けの並列化技法であるMPIについて講義する

・回帰分析を行うプログラムの作成（9回）
回帰分析を行うC言語のプログラムを3種類作成する。
始めに逐次計算のプログラムを作成し、それをOpenMPを用いて並列化を行ったプログラム、MPIを用いて並列化を行ったプログラムをそれぞれ作成する。

C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。

レポート試験により評価する。
OpenMPを用いた並列計算のプログラム、MPIを用いた並列計算のプログラムの2種類を提出してもらい、正しく効率的に計算が行われているか評価する。

C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
授業時間の制約上、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してより深い知識を得ることを期待する。

課題実習では、学術情報メディアセンターのスーパーコンピュータを使用します。スーパーコンピュータ利用登録のために事前に必要な手続きについては7月下旬頃にPandAから連絡する予定ですので、確認の上、対応するようにしてください。

演習用の端末としてノート型PCを持参してください。

計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法、応用事例を教授する。コンピュータを活用する上で最も重要な逐次計算の高速化技法と、マルチコアCPUを搭載する計算機での並列計算技法や分散メモリ型並列計算機における並列計算技法について、C言語を利用して実習を行う。計算科学についての基礎力をつけることを目的とする。

【大学院横断型教育の概要・目的】
計算機アーキテクチャの理解、並列プログラミングの習得に止まらず、多くの事例研究の学習により、幅広い分野における計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。

計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法を理解する。特に、高精度計算では、浮動小数点数による数値計算の特性を理解する。さらに、マルチコアCPUを搭載する計算機における並列計算技法であるOpenMPと、分散メモリ型並列計算機における並列計算技法であるMPIについて、その利用法を習得することを到達目標とする。

シミュレーション科学，行列計算，最適化アルゴリズムなどを題材として，計算の精度と実行時間，並列プログラミング（OpenMPとMPI入門），事例研究について学ぶ。
全15回の予定は以下の通りである。

・数値計算についての講義 (6回程度)
(1) 数値計算の精度と安定性
数値計算の結果の精度を向上させるための数理的背景を持つ事例、多倍長計算の活用、計算機における演算、計算スキームの安定性などの解説
(2) 数値計算の高速化・スーパーコンピュータの活用方法
数値計算を高速化するための手段や、スーパーコンピュータの活用法の解説
(3) 最適化アルゴリズム
アルゴリズムや実装の工夫による最適化計算の高速化についての解説
※年度によって(1)-(3)の一部を省略することがある

・計算科学についての講義 (3回)
(1) 逐次計算の高速化
計算機アーキテクチャの説明、キャッシュの有効活用、データの再利用などによる逐次計算の高速化の説明
(2) OpenMPによる並列計算
並列計算のためのOpenMPプログラミング技法、基礎理論、逐次プログラムからの変更点などの紹介
(3) MPIによる並列計算
並列計算のためのMPIの並列モデル、基礎理論、基本関数の使い方などの解説

・スーパーコンピュータ実習 (3回)
(1) C言語による逐次計算の高速化技法についての実習
(2) C言語によるマルチコアCPUを搭載する計算機での並列計算技法についての実習
(3) C言語による分散メモリ型並列計算機での並列計算技法についての実習

・事例研究についての講義 (3回程度)

C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。

以下の通り、レポート課題で評価する。
・数値計算についての講義において、レポート課題を出題する（配点40点）
・スーパーコンピュータ実習において、プログラミングの課題を出題する（配点60点）

C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 さらに、授業時間の制約から、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してさらに深い知識を得ることを期待する。

課題実習では、学術情報メディアセンターのスーパーコンピュータを使用します。スーパーコンピュータ利用登録のために事前に必要な手続きについては7月下旬頃にPandAから連絡する予定ですので、確認の上、対応するようにしてください。

演習用の端末としてノート型PCを持参してください。

情報学研究科開講の「データの二次利用実践論」と兼ねた開講になる.
情報学研究科の学生はそちらを選択すること

Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション（DX）を推進している。DXの恩恵として蓄積されるデータの二次活用は、さらに大きな可能性が広がっている。本講義では、医療や教育等を例に社会におけるデータの活用の現状・課題・解決の方向性について議論を深めることを目指す。

社会に蓄積されるデータについて、医療や教育等を例にデータがどのように集積され、どのように分析されているのか。その際の課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。

以下のような課題について、1課題あたり1〜2回の授業を合計8回（フィードバックを含む）で、必要に応じて学内外の専門家の意見も踏まえながら、データの二次利用の現状・課題・解決の方向性について学ぶ。
開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。

- 導入（1回）　　　　　　　　　　　　【メディア授業：同時双方向型】
- 個人情報を含むデータの二次利用(1回）
- データに基づいた政策・経済評価・経営実践（3回）
- データの二次利用の限界(1回）
- データを活用した研究(2回） 　　　　 【メディア授業：同時双方向型】

（9月16日に対面授業、9月9日にメディア授業の開講を予定）

なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。

京都大学「統計入門」と同等（数理・データサイエンス認定プログラムリテラシーレベル）の単位を取得していること

平常点相当（授業への参加（出席そのものではない）・小課題・授業での発言・リアクションペーパー等）60％、複数回のレポート課題等40％

参考書図書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も取り入れるので、授業前に指定した動画の閲覧と質問の提出を求める。

講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。

・情報学研究科の学生は，大学院横断科目として履修登録できない。情報学研究科開講の「データの二次利用実践論」を選択すること。

・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。

・医療データ人材育成事業（KEUP-DHI）受講生は、別途その旨申し出ること。

情報学研究科開講の「デジタル変容実践論」と兼ねた開講になる.
情報学研究科の学生はそちらを選択すること

2018年の経産省レポート「デジタルトランスフォーメーション（DX） レポート〜ITシステム「2025年の崖」の克服とDXの本格的な展開〜」では、日本の経済発展におけるDXの必要性と現状・課題が報告された。しかしながら、2021年に公開された「DX白書2021年」では、日本の組織における硬直的な組織文化やレガシーシステムなどの既存の仕組が足かせとなり、必要な変化への対応が十分でないと報告されている。
Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション（DX）を推進している。DXにより、本来の業務が効率化される恩恵は大きい。本講義では、医療や教育等を例に社会におけるDXの現状・課題・解決の方向性について議論を深めることを目指す。

社会におけるDXの必要性がどのように位置づけられ、実施にあたっての課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。

以下のような課題について、1課題あたり1〜2回の授業を合計8回（フィードバックを含む）で、必要に応じて学内外の専門家の意見も踏まえながら、デジタル・トランスフォーメーション（DX）の現状・課題・解決の方向性について学ぶ。
開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。

- 導入・DXの評価等（1回）
- プロジェクトマネジメント（2回）
- 社会（教育・医療）におけるDX-1（2回）
- 社会（介護）におけるDX（1回）【メディア授業：同時双方向型】
- 研究におけるDX（1回）　　　　【メディア授業：同時双方向型】
- DXを実装した研究（1回）　　　【メディア授業：同時双方向型】


（8月25日に対面授業、8月29日にメディア授業の開講を予定）

なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。

京都大学「統計入門」と同等（数理・データサイエンス認定プログラムリテラシーレベル）の単位を取得していること

平常点相当（授業への参加（出席そのものではない）・小課題・授業での発言・リアクションペーパー等）60％、複数回のレポート課題等40％

参考書図書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧・質問の提出を求める。

講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。

・情報学研究科の学生は，大学院横断科目として履修登録できない。情報学研究科開講の「デジタル変容実践論」を選択すること。

・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。

・医療データ人材育成事業（KEUP-DHI）受講生は、別途その旨申し出ること。

昨今の生命科学における、学際融合研究に必要な統計・数理・計算生物学、及び、画像解析の入門的な知識と技術を提供する。主な対象は、生命科学の実験系研究室に所属し、実験データの実践的な統計解析、ビッグデータ解析、および、システムズバイオロジー・数理生物学・理論生物学等に興味がある大学院生とする。演習形式の授業を通じて、自分の研究に学んだ知識や方法論を活用できるようになることを目的とする。

上記の知識を基に、正しい統計知識に基づいた、生命科学研究についての実験デザインやデータ解析ができるようになる。および、様々な生命現象を数理モデルで記述し、計算機によるシミュレーションを通じて動作原理の検証や作業仮説を抽出することができるようになる。これらの入門的な知識と技術を習得する。

4月28日(月) 授業概要の説明、微分方程式の基礎と解法
5月26日(月) 細胞内シグナル伝達系、細胞増殖の常微分方程式による数理モデル化と数値解析
6月23日(月) 実験結果の非線形フィッティングと最適化問題、Python入門
7月28日(月) ODEソルバーによる常微分方程式の解法、神経発火の数理モデル

8月25日(月) 線形安定性解析
9月29日(月) 反応拡散モデル（偏微分方程式）、ブラウン運動

10月27日(月) 統計基礎、統計検定、ベイズ基礎、誤謬とバイアス-その１
11月17日(月) 統計基礎、統計検定、ベイズ基礎、誤謬とバイアス-その２

12月22日(月) 生体イメージング画像処理

1月26日(月) 上皮細胞の力学特性と数理モデル

2月23日(月) 機械学習、ベイズ概論・演習-その１
3月16日(月) 機械学習、ベイズ概論・演習-その２

備考：
2/23, 3/16の２回は、受講者と相談の上、集中講義の形式で実施する見込みです。
外部講師予定：本田 直樹 先生 (名古屋大学 大学院医学系研究科 教授)

・授業時にネットワークに接続した PC を使用できること。
・Google アカウントを取得していること（Google Colab使用のため）。
・Zoomが使用可能であること。

全学共通科目「統計入門」、「データ分析基礎」、「データ分析演習」あるいは大学院共通科目「データ科学概観」、「情報科学基礎論」あるいはそれらと同等の内容の講義を受講・学習済みであることが望ましい。

【評価方法】
担当教員に提出する小レポートにより評価する。また、発表や討論についても評価対象とする。詳細については、開講時に説明する。
【評価基準】
出席・発表・議論、および、原則として全講師へのレポート提出を重視する。

履修要件に記載の統計科学関連科目を受講済みでない場合は、全学部共通科目「統計入門」のe-learning教材（https://lms.gacco.org/courses/course-v1:gacco+ga150+2023_05/about）の事前視聴が望まれる。

連絡担当教員：
今吉：imayoshi.itaru.2n@kyoto-u.ac.jp
青木：aoki.kazuhiro.6v@kyoto-u.ac.jp
坂本：sakamoto.masayuki.2e@kyoto-u.ac.jp
後藤：goto.yuhei.4c@kyoto-u.ac.jp
碓井：usui.tadao.3c@kyoto-u.ac.jp
西川：nishikawa.seiya.3e@kyoto-u.ac.jp
鈴木：suzuki.yusuke.7n@kyoto-u.ac.jp


※オフィスアワーの詳細については、KULASISで確認してください。

※本科目はメディア授業科目です。

災害時・災害後の避難生活にある人々が、より健康に生きることができるような包括的な支援のあり方を学ぶ。避難所支援を中心に、特にパブリックヘルスの視点からのアプローチを強化する。

災害時・災害後の避難生活の望ましいあり方・支援に係わる様々な知見、考え方、施策・政策、課題、実践、解決手段、研究開発等について学ぶ。避難所支援の実践の体系をも身につけることを目標とする。

＊災害時に自らの命と健康を守るための行動がわかる。
＊災害対応に関する概念、用語、原則がわかる。
＊人々の命と健康を守るための行動や避難所運営のポイントがわかる。
＊避難所での要配慮者への支援のポイントがわかる。

講義８回（メディア授業）
１． 災害時に命と健康を守るための行動、災害対応に関する概念、用語、原則
２． 災害時・災害後の生活を取り巻く状況と支援、国内とグローバルな概況
３． 人々の命と健康を守るための行動・避難所運営I（設営、環境・ライフライン関連など）
４． 第1〜3回のQ＆Ａ
５． 人々の命と健康を守るための行動・避難所運営II（感染管理、疾病予防など）
６． 人々の命と健康を守るための行動・避難所運営III（不活発予防、コミュニティ連携など）
７． 避難生活における要配慮者への支援
８． グループ研究発表と議論
９． グループ研究発表と議論

第１〜3回 オンデマンド講義
第4回 9/12（金）4限　
第5〜9回 9/19(金)1〜5限

※上記の順番と題名は暫定的なものです。初回に予定を説明します。

社会健康医学系専攻を含む、学内の全ての院生。

主体的・積極的な参加(50%)および最終レポート（50％）で評価する。

本人次第

問い合わせ等は、医療経済学教室 へご連絡ください。面談等希望者は、適宜、教員にアポイントメントをとってください。
メディア授業科目

本科目は、数学・数理科学を学んだのちに企業等で活躍している方たちと、学生が交流を深めることで、数学・数理科学が実社会でどのように役立てられているか、理解を深めていくことを目的とする。企業等から講師を招いてセミナーを行う。また「京都大学理学共創イノベーションコンソーシアム」または「異分野異業種研究交流会」に参加してポスター発表等を行うことで、企業との交流の促進を図るとともにプレゼンテーションの実施技能を高める。

数学・数理科学が産業界や経済界においてどのように活用されているか、知見を広める。

(1) 授業担当教員によるオリエンテーション（5月ごろに実施）
(2) 企業等から講師を招いて開催するセミナーを年度あたり２回程度開催し、産業界や経済界において数学・数理科学がどのように活用されているか、具体的なニーズとともにわかりやすく解説を行う。
(3) 履修者は、企業との交流の場として開催される研究交流会等において少なくとも１回、ポスター発表等を行う。

研究交流会の例１．理学研究科が主催する産学交流の場である「京都大学理学共創イノベーションコンソーシアム」での研究交流会
研究交流会の例２．日本数学会・日本応用数理学会・統計関連学会連合が主催する数学・数理科学における若手研究者を対象とした産学交流の場である「異分野異業種研究交流会」

本科目は「数学・数理科学イノベーション人材育成強化コース（通称：数学・数理科学コース）」を構成する科目であり、本科目の詳細はコースwebサイトにも掲載する。

大学院における主要な研究テーマが数学・数理科学を基盤とする分野であること。

セミナー及び指定の研究交流会への参加状況により、総合的に判断する。

指定の研究交流会でのポスター発表の準備を行う。

本科目は「数学・数理科学イノベーション人材育成強化コース（通称：数学・数理科学コース）」を構成する科目であるが、
コース履修に関わらず本科目のみ履修することも可能である。

本科目（学校インターンシップ）で実施する実習は，大学での教職科目及び専門科目等で身に付けた教育に対する知見に基づき，大学院での学修を活かして実際の教育現場で学ぶ意義ある機会である。授業実践のみならず生徒への影響の重大さを認識し，教育実習に対する基本的な心構えや技能を磨き，実習後の反省と総括から，今後に向けての展望がもてるようにする。

(事前指導)
本科目（学校インターンシップ）で実施する実習に当たって， 実習生として必要な資質および高等学校における教育実習や授業実践について理解し，目標をもつことができる。
・事前に実習校で実習への具体的な指導・助言を受け、準備に万全を期すること。
・各自が自らの課題を自覚し、その解決に努めること。
・実習校の探究的な学習についてその教育方針や伝統等を確認しておくこと。
（教育実習）
高等学校の探究的な学習に関する30時間の実習で、観察・参加・実習を通して、教育の実際を体験的に理解する。理解が求められる具体的な内容は次のとおりである。
a. 高等学校の役割や機能についての理解ができる。
b. 高等学校に就学している生徒の実際についての理解ができる。
c. （主として）参加・実習を通し、高等学校の探究的な学習の実際について理解し、自身の専門性を活かした関わり方ができる。
(総括)
探究的な学習に関する自分の教育実践について省察し，自らの優れた点と問題点・課題等を把握し，職業としての教職に向けての今後の展望をもつことができる。

授業計画
第１回　事前指導とオリエンテーション：実習にあたっての心構え、教育実習の内容と方法、実習校との事前協議、学校インターンシップ実習日誌の使い方
第２回　教育実習（学校インターンシップ）：授業参観（生徒の実態を把握し、探究的な学習に関する指導の考え方について学ぶ）
第３回　教育実習（学校インターンシップ）：授業実践（探究的な学習を進める上で必要な知識・スキルの指導のあり方を学ぶ）
第４回　教育実習（学校インターンシップ）：授業実践（探究的な学習における課題設定指導のあり方を学ぶ）
第５回　教育実習（学校インターンシップ）：授業実践（探究的な学習における計画立案指導のあり方を学ぶ）
第６回　教育実習（学校インターンシップ）：授業実践（探究的な学習における調査の指導のあり方を学ぶ）
第７回　教育実習（学校インターンシップ）：授業実践（探究的な学習における調査結果分析の指導のあり方を学ぶ）
第８回　教育実習（学校インターンシップ）：授業実践（探究的な学習における成果報告の指導のあり方を学ぶ）
第９回　教育実習（学校インターンシップ）：授業実践（探究的な学習における成果発表・質疑の指導のあり方を学ぶ）
第１０回　教育実習（学校インターンシップ）：授業実践（探究的な学習におけるまとめと振り返りの指導のあり方を学ぶ）
第１１回　総括（成果と課題をまとめる）
＊ただし、授業回数は目安であり、学校での実習30時間を必須とする。

本科目の受講を希望する者は、必ず4月9日（水）までにメールで奥村好美准教授に連絡すること（メールアドレスは教育学研究科の教務窓口にて確認する事）。

実習校からの評価、実習日誌を総合評価する。

実習先への挨拶や打ち合わせ等に要する時間は、実習30時間には入らないことを考慮しておくこと。
また、実習経験から十分な学びを得ることができるよう、探究的な学習に関して十分事前学習を行なっておくこと。