事業の内容等
（１）事業の趣旨・目的等について
技術革新により、多くの分野でデジタル化が進展している。5Gの高速通信により、IoT機器が大規模なデータを収集し、人工知能（AI）で分析され、精度の高い予測や価値創造に活用されつつある。これらの先端技術（IoT、ビッグデータ、AI）は相互に連携しながら急速に発展している。 一方で、日本の情報産業は先端技術に追いついておらず、早急な対応が求められている。先端技術を利用したシステム開発に不可欠である先端技術に対応した技術者が不足しており、重大な課題となっている。
本事業では、人材不足に対応するため、①既存の情報処理学科のカリキュラムを再構成し、先端技術に対応した教育プログラムを開発する。②情報分野以外の専門学校が情報分野の学科へ転換・新設するための教育カリキュラムを提供する。既存の情報処理学科の教育課程に先端技術の教育を追加し、「IT先端技術エンジニア学科」として再構成する。先端技術に対応した教育プログラム、教員育成の研修、企業団体との連携により、専門学校が先端情報技術者育成に対応するための教育基盤を整備する。技術革新をけん引する技術者の育成、不足解消は職業教育機関において重要な課題であり、情報系専門学校の団体として専門学校を支援することは重要な取り組みである。
（２）当該モデルが必要な背景について
ハードウェアの低価格化・高性能化、ネットワーク技術の進展、センサー技術の発展等により、製品やサービスの利用状況や位置情報、IoT によるリアルタイムでのデータ化等により、情報の流通量が爆発的に増加している。米国の調査会社IDCによると、国際的なデジタルデータの量は飛躍的に増大しており、2011年（平成23年）の約1.8ゼタバイト（1.8兆ギガバイト）から2020年（令和２年）には約40ゼタバイトに達している。
※ギガバイト→テラバイト→ペタバイト→エクサバイト→ゼタバイト
デジタルデータは１０年で４０倍に拡大し、今後も加速度的にデータ量が増大する
IoTは、スマートホーム、自動運転車、産業用機器、医療機器などのデバイスがインターネットを通じて接続される技術である。5Gネットワークの拡大により、多くのデバイスが高速で接続でき、セキュリティリスクの増大に対応するために暗号化や認証技術が必至である。さらに、異なるメーカーのデバイスの相互運用性を確保する標準化が進められている。
ビッグデータは、IoTデバイスから生成される膨大なデータをリアルタイムに処理・分析する技術である。効率的なデータ収集・管理にはクラウドやエッジコンピューティングが活用され、AIや機械学習によってデータから有用な洞察が得られる。個人データの保護が重要視され、GDPRなどの法規制が整備されつつある。
人工知能（AI）はデータを基にパターンを見つけ出し、意思決定を行う技術である。大量のデータを学習することで、画像認識や音声認識などの高精度なAIシステムが実現されている。自動運転車やロボットなどの自律システムの普及には、リアルタイムデータの分析と意思決定が必須であり、AI倫理として、透明性や公平性が求められている。
これらの技術は相互補完し、IoTデバイスからのデータがビッグデータとして収集され、AIによって分析・処理されている。これにより、予測メンテナンスやパーソナライズされたサービスが実現され、技術革新により新たなブレイクスルーが期待されている。
IoT、ビッグデータ、人工知能（AI)は、それぞれが連携して情報を処理し、データを価値のある情報へと変化させているが、これらの技術は、ハードウェアの進化、ネットワーク技術の進化、高速通信技術の進化等、様々な技術の進化により実現されている。特にクラウドコンピューティングとクラウドネイティブなシステム開発技術や手法は、欠かすのとのできない重要な基盤技術である
●各先端技術領域で必要な技術
IoT
デバイス、センサー、アクチュエーター、ネットワーク、プロトコル、クラウドコンピューティング、Python、C/C++などのプログラミング言語の基礎。センサーからデータを取得し、処理するプログラムの作成
IoTプロトコル、ネットワーク、通信、データベース（SQL, NoSQL）、データストレージ、クラウドサービス、IoTセキュリティ、エッジコンピューティング
ビッグデータ
データエンジニアリング、データベース、データ処理用のPythonプログラミング、データの前処理、ETLプロセスの設計（抽出・変換・格納）、 ETLツール、クラウドベースのデータウェアハウスの設計と運用、分散ファイルシステム、リアルタイムデータ処理、クラウドプラットフォーム、クラウドネイティブデータエンジニアリング、データセキュリティ、ビジュアライゼーションツール
人工知能（AI)
数学と統計学の基礎、Pythonプログラミング、データ処理と可視化、機械学習、自然言語処理（NLP）、画像処理、音声認識、強化学習、生成AI、社会への影響
上記、先端技術の基盤となるのがクラウドコンピューティングサービスである。次の図は、クラウド上の新たな開発技術の活用状況の日米の比較であるが、日本の企業では、多くの技術が利用できていない状態である。IoT、ビッグデータ、人工知能（AI）のシステム開発を行うためには、「必要な技術」でも記載のある通り、クラウドコンピューティングに対応した技術者の育成が必須である。
日本の情報産業が米国並みにクラウダサービス上の開発技術を活用し、先端技術のシステム開発を行うためには、その技術に対応した技術者の育成が最も重要である。
本事業の取組みは、デジタル化に対応した人材育成、先端技術に対応した人材育成を推進し、IT技術者不足の産業界に人材を供給する取り組みであり、情報技術・情報産業の遅れを取り戻すために有用な取り組みである。
（３）開発するモデルの概要
本事業では、これまでの情報処理学科の教育内容に、IoT、ビッグデータ、人工知能（AI）およびクラウドコンピューティングの知識・技術を取り入れ再構成し、日本の情報産業のIT技術者を供給するため、情報処理学科、IT先端技術エンジニア学科の転換・設置を専門学校が行うための基盤を整備する。また、他の分野でも活用できる領域・範囲・レベルを想定し、IT先端技術エンジニア学科は4年制、クラウドコンピューティングに対応した学科は2年制学科として取りまとめる。
名称：IT先端技術エンジニア学科
ポリシー：
- これまでの情報処理技術に加え、IT先端技術（IoT、ビッグデータ、人工知能)のシステム開発やデータエンジニアリングの知識・技術を学習する。
- クラウドコンピューティングに対応したクラウドネイティブなシステム開発を学習する。
- 情報系の学科の転換、他の分野から情報系学科への転換・新設に対応する。
科目構成：※本事業で開発する科目
- ビッグデータ基礎・応用科目 60時間
教育カリキュラム・教育教材VOD、確認テストを開発する - IoT技術基礎・応用科目 60時間
教育カリキュラム・教育教材VOD、確認テストを開発する - 人工知能（AI）基礎・応用科目 90時間
教育カリキュラム・教育教材VOD、確認テストを開発する - IT先端技術エンジニアリング科目 60時間
教育カリキュラム・教育教材VOD、確認テストを開発する - ※最終的には既存科目と新たに開発する先端技術科目を再構成した学科カリキュラムを開発する。
各科目の目的：
- ビッグデータ技術科目
データエンジニアリング、データベース、データの前処理、データ処理、クラウドベースのシステム設計・運用を学習する - IoT技術科目
デバイス、センサー、アクチュエーター、ネットワーク、プロトコル、クラウドコンピューティング、セキュリティ、Python、C/C++などのプログラミング言語の基礎。処理するプログラムの作成、データベース（SQL, NoSQL）を学習する。 - 人工知能（AI）科目
概論、数学と統計学の基礎、Pythonプログラミング、データ処理と可視化、機械学習、自然言語処理（NLP）、画像処理、音声認識、強化学習、生成AI、社会への影響等を学習する - IT先端技術エンジニアリング科目
※企業連携による演習・講師派遣等の連携体制を構築して実施
IoT・ビッグデータ・人工知能（AI）の連携した一連のシステムをクラウドネイティブな開発技術・手法を用いて演習形式で学習する。
これまで情報処理学科は、受託開発によるウォーターホール型のシステム開発技術が中心の学習で、クラウドネイティブな技術に対応できていない状態である。産業界の遅れや今後、需要の拡大が見込まれる人材不足に対応するためには学習内容を変換することが必須である。本事業では、業界団体と連携して、先端技術を用いたシステム開発を実習形式で学習する内容も取り入れ、人材育成を行う学科を構成する。教員の研修プログラムも整備し、体系的に学習できる学科内容を想定している。本事業の取組みは、これまでに無い取組であり、高い効果が期待できる。
2年制課程
2年制課程では、システム開発の基礎として、デジタルリテラシーからプログラミング、データベース、情報セキュリティ等、情報全般の専門知識を幅広く学習するとともに、成長領域であるビッグデータ技術、IoT技術、人工知能技術の基礎知識・技術を習得する教育課程を構築する予定である。2年制課程では、各技術の基本的理解と技術習得を教育目標とする。
4年制課程
4年制課程では、基本的な情報システム開発からクラウドネイティブな開発まで最新のシステム開発手法を学習する。技術面では情報技術の基礎から成長領域（ビッグデータ技術、IoT技術、人工知能技術）の応用から実践レベルの専門知識・技術の習得を教育目標とし、修得した各技術を連携させた企業演習で実務と同等の経験歴学習を行う教育課程を想定している。
卒業時の学修成果の可視化
情報分野の教育課程を開発することから、学生の卒業時の学習成果については、経済産業省、IPAのITSS（ITスキル標準）、iコンピテンシ・ディクショナリー等を用いて、スキルおよび実施可能なタスク（業務）を可視化する予定である。
大学とのと差別化
一般的に大学が学術的・理論的な学問を学ぶ教育機関であるのに対し、専門学校は特定職種の実務に必要な知識や技能を身に付ける教育機関であることから、本事業で整備するIT先端技術エンジニア学科教育課程においても、企業連携による演習・講師派遣等の連携体制を構築して、実務と同等の実践的な学習内容を行う教育課程を開発する予定である。
IT先端技術エンジニア学科 科目イメージ
（４）具体的な取組
ⅰ）計画の全体像
令和6年度
●調査
- IT分野先端技術実態調査
アンケート、ヒアリング、文献調査 対象：IT企業、組込み企業
●開発
- IT先端技術エンジニア学科専門課程
1年次・2年次教育カリキュラム - ビッグデータ基礎教材開発
- IoT基礎教育教材開発
- 人工知能（AI）基礎教材開発
※各教材はVODと確認テストを開発
●実証講座
- ビッグデータ基礎講座
時期：11月 時間：20時間 対象：専門学校学生 定員：20名 - IoT基礎講座
時期：12月 時間：20時間 対象：専門学校学生 定員：20名 - 人工知能（AI）基礎講座
時期：1月 時間：30時間 対象：専門学校学生 定員：20名
●委員会
- 実施委員会：3回
- 調査・開発委員会：4回
- 学科転換・設置支援委員会：3回
- 評価委員会：3回
令和7年度
●調査
- 情報系専門学校教育課程実態調査
アンケート、ヒアリング、文献調査 対象：情報系専門学校
●開発
- IT先端技術エンジニア学科専門課程
3年次・4年次教育カリキュラム - ビッグデータ応用教材開発
- IoT応用教材開発
※各教材はVODと確認テストを開発 - 教員研修プログラム開発Ⅰ
●実証講座
- ビッグデータ応用講座
時期：11月 時間：20時間 対象：専門学校学生 定員：20名 - IoT応用講座
時期：10月 時間：20時間 対象：専門学校学生 定員：20名 - 教員研修会
時期：9月 時間：12時間 対象：専門学校教員 定員：20名
●委員会
- 実施委員会：3回
- 調査委員会：4回
- 開発委員会：4回
- 学科転換・設置支援委員会：3回
- 実証委員会：3回
- 評価委員会：2回
令和8年度
●開発
- 情報系学科転換・設置のための教育カリキュラム開発
※2年制課程、4年制課程 - 情報系学科転換・設置のためのガイド
- IT先端技術エンジニア教材開発
企業連携体制を整備し、企業からの講師派遣、企業連携の演習等を設計する - 人工知能（AI）応用教材開発
※各教材はVODと確認テストを開発 - 教員研修プログラム開発Ⅱ
●実証講座
- 人工知能（AI）講座
時期：11月 時間：30時間 対象：専門学校学生 定員：20名 - IT先端技術エンジニア講座
時期：12月 時間：20時間 対象：専門学校学生 定員：20名 - 教員研修会
時期：10月 時間：12時間 対象：専門学校教員 定員：20名
●委員会
- 実施委員会：3回
- 開発委員会：4回
- 学科転換・設置支援委員会：3回
- 実証委員会：3回
- 評価委員会：3回
ⅱ）今年度の具体的活動
○実施事項の概要
【調査】
- IT分野先端技術実態調査
- 目的：IT分野の先端技術の実態を明らかにして、技術者の必要技術・知識・スキルを明らかにする。開発する学科カリキュラム、教材に活用する。
- 対象：情報産業企業、アンケート300社程度、ヒアリング10社程度
※業界団体を通して協力を要請する - 調査手法：アンケート、ヒアリング、文献調査
- 調査項目：開発案件の先端技術利用の割合、技術者の過不足状況、求める技術・知識・スキルとレベル、クラウドの開発案件の割合、先端技術の範囲・領域、今後重要となる技術領域
- 分析内容：先端技術の範囲・領域を明らかにする。人材ニーズ（技術者に求める知識・技術・スキルのレベル)。今後の技術の変化。
- 成果の活用：学科のカリキュラム構成、シラバスへ反映する、教育教材の内容に反映する。教員育成研修プログラムに反映する。
【開発】
IT先端技術エンジニア学科 専門課程 1年次・2年次教育カリキュラム
情報システム基礎、情報システム応用、ビッグデータ基礎、IoT技術基礎、人工知能基礎のカリキュラム・シラバス
（2年間 1400時間相当のカリキュラム整備）ビッグデータ基礎教育教材（20時間相当）
カリキュラム・シラバス、VOD、資料冊子、確認テスト- 項目：ビッグデータ基礎、データ分析基盤、スクリプト言語による分析、BIツールとモニタリング、クロス集計、列指向ストレージ、分析と可視化ツール、データ構造、大規模分散処理のフレームワーク
IoT基礎教育教材（20時間相当）
カリキュラム・シラバス、VOD、資料冊子、確認テスト- 項目：IoT概論、IoTシステム構成、IoTシステム設計、クラウドコンピューティング、エッジコンピューティング、IoTゲートウェイ、データ駆動型システム、IoTデータ活用技術、IoT通信方式、IoTデバイス（センサー、アクチュエーター等）、IoTシステム開発
人工知能（AI）基礎教育教材（30時間相当）
カリキュラム・シラバス、VOD、資料冊子、確認テスト- 項目：AIの基本（定義）、機械学習、ディープラーニング、機械学習と統計学、データマイニング、教師あり学習、教師なし学習、強化学習、AIとビッグデータ、AIシステム開発
【実証講座】
ビッグデータ基礎講座
ビッグデータ基礎のカリキュラム・教材を用いて実施する実証講座- 対象：情報系専門学校学生 定員：20名 時期：10月 時間：20時間
IoT技術基礎講座
IoT技術基礎のカリキュラム・教材を用いて実施する実証講座- 対象：情報系専門学校学生 定員：20名 時期：11月 時間：20時間
人工知能（AI）基礎講座
人工知能（AI）基礎のカリキュラム・教材を用いて実施する実証講座- 対象：情報系専門学校学生 定員：20名 時期：12月 時間：30時間
【成果の普及】
- 成果物の配布
- 成果報告会の実施
- 成果のホームページでの公開
【委員会】
実施委員会：3回開催 15名
事業計画の承認および全体の方向性の確認、事業の進捗状況の確認と予算執行管理。調査・開発委員会：4回開催 8名
調査の調査項目、対象、分析方法等を検討する。
学科カリキュラムの整備、教育プログラムの開発仕様に関する検討・協議、教材開発仕様に関する検討協議。学科転換・設置支援委員会：3回開催 6名
IT先端技術エンジニア学科転換・設置支援、スケジュール・行政手続きの情報収集、ガイド作成、個別相談対応、説明会企画・実施。
実証講座実施校の勧誘と選択、実証講座の実施・運営、受講アンケート。評価委員会：3回開催 4名
学科カリキュラム、教育教材の検証・評価、実証講座の検証・評価。
○事業を実施する上で設置する会議
| 会議名① | 実施委員会 | ||
| 目的・役割 | 方針決定、業界団体・企業連携推進、執行管理、各委員会設置と進捗管理、成果の普及 | ||
検討の 具体的内容 | ・事業方針策定 ・事業進捗管理 ・予算執行管理 ・各委員会進捗管理 ・理系転換、学科新設の推進 ・成果の活用・普及 ・他の委員会との連携 ・企業、業界団体との連携 ・課題の検討 | ||
| 委員数 | 15人 | 開催頻度 | 3回 |
| 組織 | |
| １ | 学校法人龍馬学園 |
| ２ | 学校法人中央情報学園 |
| ３ | 学校法人片柳学園 |
| ４ | 学校法人有坂中央学園 |
| ５ | 一般社団法人全国専門学校情報教育協会 |
| ６ | 船橋情報ビジネス専門学校 |
| ７ | 日本電子専門学校 |
| ８ | 学校法人黒木学園 |
| ９ | 学校法人第一平田学園 |
| 10 | 学校法人穴吹学園 |
| 11 | 学校法人栗原学園 |
| 12 | 一般社団法人iCD協会 |
| 13 | 株式会社インフォテック・サーブ |
| 14 | 有限会社ワイズマン |
| 15 | 株式会社ユニバーサル・サポート・システムズ |
| 16 | 合同会社ヘルシーブレイン |
| 17 | 働き方改革支援コンソーシアム |
| 会議名② | 調査・開発委員会 | ||
| 目的・役割 | IT先端技術を調査し、実態や課題を明らかにする、教育プログラム開発および学科転換・新設のための基本資料とする。 IT先端技術エンジニア学科のカリキュラム開発、教材開発 | ||
検討の 具体的内容 | 調査実施内容の検討・実施 調査項目の検討～決定 調査先企業の情報集約とアンケート送付先、ヒアリング実施先の検討 調査回答の分析・確認 調査報告内容の確認 開発方針検討・提案 開発内容の検討・協議 教育カリキュラム開発方針検討 VOD、演習内容の検討・協議 教育カリキュラム検証結果確認、改善点の抽出 | ||
| 委員数 | 8人 | 開催頻度 | 4回 |
調査・開発委員会の構成員（委員）
| 組織 | |
| １ | 学校法人穴吹学園 |
| ２ | 中央調理製菓専門学校静岡校 |
| ３ | 学校法人西野学園 |
| ４ | 学校法人龍馬学園 |
| ５ | 学校法人有坂中央学園 |
| ６ | 株式会社インフォテック・サーブ |
| ７ | 有限会社ワイズマン |
| 8 | 一般社団法人iCD協会 |
| 9 | 一般社団法人全国専門学校情報教育協会 |
| 会議名③ | 学科転換・設置支援委員会 | ||
| 目的・役割 | ・実証講座の企画運営 ・実証講座アンケート作成 ・IT先端技術エンジニア学科転換・設置支援、 ・スケジュール・行政手続きの情報収集、ガイド作成、個別相談対応、 説明会企画・実施 | ||
検討の 具体的内容 | ・教育カリキュラム検証結果確認、改善点の抽出 ・教育教材の検証結果の確認、改善点の抽出 ・実証講座実施 ・実証講座実施概要検討 （内容・日程・時間・講師・実施専門学校・実施方法） ・実証講座受講アンケート作成 ・実証講座実施専門学校の調整 ・実証講座運営 ・eラーニングプラットフォームの検討 ・学科転換・新設に関するスケジュール・行政手続きの情報収集、 ・ガイド作成、個別相談対応、説明会企画・実施 | ||
| 委員数 | 6 人 | 開催頻度 | 3回 |
学科転換・設置支援委員会 の構成員（委員）
| 組織 | |
| １ | 船橋情報ビジネス専門学校 |
| ２ | 日本工学院八王子専門学校 |
| ３ | 日本電子専門学校 |
| ４ | 麻生情報ビジネス専門学校 |
| ５ | 富山情報ビジネス専門学校 |
| 6 | 一般社団法人全国専門学校情報教育協会 |
| 会議名④ | 評価委員会 | ||
| 目的・役割 | 実証講座結果分析 プログラムの検証 評価基準方法決定 | ||
検討の 具体的内容 | ・本事業の教育プログラム（カリキュラム・教材、他）が育成すべき人材に一致しているかを検討・協議～評価 ・実証講座結果の確認と評価 ・成果の活用（利用できるのもかどうか）や普及（方法や対象）に関する評価 ・評価項目、評価方法、評価手法の検討・協議 ・評価者の選定と評価の依頼 | ||
| 委員数 | 4人 | 開催頻度 | 3回 |
評価委員会の構成員（委員）
| 組織 | |
| １ | 一般社団法人iCD協会 |
| ２ | 株式会社インフォテック・サーブ |
| ３ | 合同会社ヘルシーブレイン |
| ４ | 働き方改革支援コンソーシアム |
| ５ | 株式会社ユニバーサル・サポート・システムズ |
| ６ | 一般社団法人全国専門学校情報教育協会 |
○事業を実施する上で必要な調査
| 調査名 | IT分野先端技術実態調査 |
| 調査目的 | IT分野の先端技術の実態を調査し、技術者の必要技術・知識・スキルを明らかにする。開発する学科カリキュラム、教材に活用する |
| 調査対象 | 情報産業企業 ※業界団体を通して協力を要請する |
| 調査手法 | アンケート調査300社程度 ヒアリング調査 10社程度 文献調査(インターネット等) |
| 調査項目 | 開発案件の先端技術利用に割合、技術者の過不足状況、求める技術・知識・スキルとレベル、クラウドの開発案件の割合、先端技術の範囲・領域、今後重要となる技術領域 |
分析内容 （集計項目） | 先端技術の範囲・領域を明らかにする。人材ニーズ（技術者に求める知識・技術・スキルのレベル)。今後の技術の変化。 |
構築しようとしているモデルの検討にどのように 反映するか （活用手法） | 学科のカリキュラム構成、シラバスへ反映する、教育教材の内容に反映する。教員育成研修プログラムに反映する。 |
○講座の開設に際して実施する実証講座の概要
実証講座 の対象者 | 情報系専門学校学生 ①ビッグデータ基礎講座 ②IoT技術基礎講座 ③人工知能（AI）基礎講座 |
期間 （日数・コマ数） | ① ビッグデータ基礎講座 5時間×4日間 11月 ② IoT技術基礎講座 5時間×4日間 12月 ③ 人工知能（AI）基礎講座 6時間×5日間 1月 |
| 実施手法及び実施内容 | ①ビッグデータ基礎講座 座学と演習 ②IoT技術基礎講座 座学と演習 ③人工知能（AI）基礎講座 座学と演習 |
想定される 受講者数 | ①ビッグデータ基礎講座 20名 ②IoT技術基礎講座 20名 ③人工知能（AI）基礎講座 20名 ※延べ 60名 |
（ⅲ）開発するモデルの検証
●実証講座受講者の受講修了時のアンケートと確認テストにより教育プログラムの効果を計測する。
- 受講終了時アンケート：5段階のリッカート尺度によるアンケートを実施する。講座の範囲、難易度、学習のしやすさ・難しさ、講座テキストのわかりやすさ、（講座VODの速さや内容）、講座講師、の項目ごとに結果を分析し教育プログラムを検証する。
- 確認テスト：学習項目ごとの確認テスト結果、ルーブリックによる自己評価等を比較し、受講者の学習達成度を計測する。計測結果により設定する項目の達成度、個人別の学習評価と受講者全員の評価結果を分析し、確認テスト結果と比較し、有用性を確認する。
●講座受講者のアンケート結果及び確認テストの結果を教育プログラムの開発に携わった企業・業界団体等と共有し、内容・時間数、受講者の技術の向上の観点から意見を集約する。
教育プログラムで設定する教育目標に到達している受講者の割合、受講者の仕上がり（技術や知識・能力の習得度合い）等により、企業・業界団体による検証・評価を行う。
●事業に参画する企業・業界団体・有識者に教育プログラムの一部を受講いただき、改善や教育の設計（技術レベル・教育レベル・教育内容等）に関する意見を集約し、教育プログラムの効果を検証する。
●本事業の成果を活用して、工業分野（情報）の学科の転換、新設等を実施した専門学校にアンケートを実施し、本事業の成果物の検証・評価を行う。
- アンケート項目：どの程度役に立ったか、役に立たなかったか、不足する情報や内容について、十分な情報や内容について、転換・新設した学科の状況（学生数）等
●教員研修会参加教員のアンケートにより、研修プログラムの評価を行う。
1. 満足度の計測（1～5段階）
2. 意欲の計測（1～5段階）
3. 内容の難易度（1～5段階）
4. 到達目標の達成度：自己評価（1～5段階）、確認テスト結果
（５）事業実施に伴うアウトプット（成果物）
【令和6年度】
- 調査報告書
- IT先端技術エンジニア学科 専門課程 1年次・2年次教育カリキュラム
- ビッグデータ基礎教育教材（20時間相当）
カリキュラム・シラバス、VOD、資料冊子、確認テスト - IoT基礎教育教材（20時間相当）
カリキュラム・シラバス、VOD、資料冊子、確認テスト - 人工知能（AI）基礎教育教材（30時間相当）
カリキュラム・シラバス、VOD、資料冊子、確認テスト
【令和7年度】
- 調査報告書
- IT先端技術エンジニア学科 専門課程 3年次・4年次教育カリキュラム
- ビッグデータ応用教材開発（40時間相当）
カリキュラム・シラバス、VOD、資料冊子、企業連携演習課題、確認テスト - IoT応用教材開発（40時間相当）
カリキュラム・シラバス、VOD、資料冊子、企業連携演習課題、確認テスト - 教員研修プログラム開発Ⅰ（12時間相当）
研修スケジュール、資料冊子、確認テスト
※情報系学科からの転換を想定した教員研修プログラム
【令和8年度】
- 情報系学科転換・設置のための教育カリキュラム開発
これまでの教育カリキュラムの取りまとめ、見直し - 情報系学科転換・設置のためのガイド
学科転換・新設の説明書 - IT先端技術エンジニア教材開発（60時間相当）
※企業と連携した演習、企業講師派遣等による教育内容を想定する
カリキュラム・シラバス、VOD、資料冊子、企業連携演習課題、確認テスト - 人工知能（AI）応用教材開発（65時間相当）
カリキュラム・シラバス、VOD、資料冊子、企業連携演習課題、確認テスト - 教員研修プログラム開発Ⅱ（12時間相当）
研修スケジュール、資料冊子、確認テスト
※情報系以外の学科から情報系学科への転換・新設を想定した教員研修プログラム
（６）事業実施によって達成する成果及び測定指標
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
| 【必須】取組の普及・展開を行った団体数 | 目標値 | 団体 | ― | 2 | 3 | 5 |
| 実績値 | 団体 | ― | ||||
| 達成度 | ％ | ― | ||||
（上記KPIの測定手法） 本事業の取組みによる学科転換・設置を検討した学校数、他の学校等への本事業を紹介した専門学校・企業・企業団体数
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
実証講座受講者からの評価 ※肯定的な意見の率 | 目標値 | ％ | ― | 80%以上 | 80%以上 | 80%以上 |
| 実績値 | ％ | ― | ||||
| 達成度 | ％ | ― | ||||
（上記KPIの測定手法） 実証講座終了時にアンケートを実施し、肯定的な意見を集計する。
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
| 想定する教育目標の達成率 | 目標値 | ％ | ― | 80%以上 | 80%以上 | 80%以上 |
| 実績値 | ％ | ― | ||||
| 達成度 | ％ | ― | ||||
（上記KPIの測定手法） 受講修了後の確認テストの結果により、学生を評価し、受講学生全体の人数の中で教育目標に達している学生数により算出。
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
企業からの評価 ※肯定的な意見の率 | 目標値 | ％ | ― | 70%以上 | 80%以上 | 80%以上 |
| 実績値 | ％ | ― | ||||
| 達成度 | ％ | ― | ||||
（上記KPIの測定手法） 事業参画の企業・業界団体会員に本事業成果を配布し、アンケートにより、肯定的な意見を集計する
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
| 設置・転換学科数 | 目標値 | 学科 | ― | ― | 2 | 5 |
| 実績値 | 学科 | ― | ― | |||
| 達成度 | ％ | ― | ― | |||
（上記KPIの測定手法） 専門学校を対象に説明会等を実施し、説明会参加の学校に学科転換・設置の支援をする。 実際に工業系学科の転換・設置された学科数をカウントする
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
| 開発する教材数 | 目標値 | 本 | ― | 3 | 2 | 2 |
| 実績値 | 本 | ― | ||||
| 達成度 | ％ | ― | ||||
（上記KPIの測定手法） 開発する教材数
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
| 開発する教員研修プログラム数 | 目標値 | 本 | ― | ― | 1 | 1 |
| 実績値 | 本 | ― | ― | |||
| 達成度 | ％ | ― | ― | |||
（上記KPIの測定手法） 開発する教員研修プログラムの本数
| ||||||
| KPI（成果測定指標） | 単位 | 事 業 開始前 | 令 和 ６年度 | 令 和 ７年度 | 令 和 ８年度 | |
| 教員研修会参加教員数 | 目標値 | 人 | ― | ― | 14 | 14 |
| 実績値 | 人 | ― | ― | |||
| 達成度 | ％ | ― | ― | |||
（上記KPIの測定手法） 教員研修会参加教員の人数 | ||||||
（７）事業終了後に実施予定の取組及び成果の活用方針・手法
●成果の活用
- 本事業の成果物は、情報系学科の転換・新設を検討する専門学校に提供し、学科の転換・新設を促進する。
- 教員研修プログラムを利用して、教員の能力向上を推進するとともに、学科転換・新設の情報収集を行う。
- 事業の実証結果や学科を転換・新設した専門学校の事例等を紹介し、活用を促進する。
※本会の会員専門学校は、66校（内訳：IT系54校、非IT系12校）を主な対象として活用を推進する。
●横展開
- 開発した教育教材を既存情報系学科の科目の一部として活用を促進する。
- 情報系以外の分野の専門学校の情報系学科への転換・新設の促進に活用する。
- Web上のe-learningプラットフォームを利用して、VODコンテンツを公開し、本事業で開発した教材の利用を促進する。
※本会の会員（IT系54校、非IT系専門学校12校）を主な対象として活用を推進する。また、会員専門学校の連鎖校・姉妹校等にも展開する。
●フォローアップ体制・方法
- 本事業成果等の普及・活用促進について担当する委員会を本会に設置し、事業の終了後も活動を継続的に実施する体制を整備する。
- 業界団体等と連携し、専門学校に企業人材ニーズ、採用に関する情報を提供するとともに、企業からの講師派遣等の枠組みを整備し、教育カリキュラム・プログラムの導入・活用、学科の転換・新設を支援する。
今年度の取組に関する年間スケジュール
