科目ナンバー

CM-OI1-83XS

履修条件・関連科目等

事前登録科目です。
履修希望者が定員を超過した場合は、抽選にて履修者を決めます。日程等の詳細を授業時間割で確認してください。2022年度以前に「入門データ分析演習」または「応用データ分析演習」を修得している学生は履修できません。 2022年度以前入学生も授業科目一覧上にはありませんが、履修可能です。修得した単位は「リベラルアーツ科目　自然科学系」に算入されます。
統計入門を履修済みであることが望ましい。

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

この科目は、「情報処理」の基礎的能力を養うことを目標とした演習です。この演習を履修するためには、コンピュータリテラシ能力を習得していることが必須です。また、この演習と並行して「ICT概論」及び「ICT演習」を履修することが望まれます。近年、ビッグデータという多種多量のデータを分析するデータサイエンティストが脚光を浴びてるいるように、統計的なデータを如何に理解して、分析できるかが社会では問われています。この演習では、SPSSという統計処理専用のソフトウェアを利用して、統計分析について実践的能力が身に付きます。

科目目的

この科目は、カリキュラム上のリベラルアーツ科目自然科学系科目として位置づけられていることから、この科目での学習を通じて、学生がパーソナルコンピューターの統計処理専門ソフトウェアを使用したデータ分析方法に対する認識を深めるとともに、各自が必要とするデータ分析ができるように基礎的な知識を習得することを目的としています。

到達目標

この科目は、「情報処理」の応用的、実践的能力を養うことを目的とした演習です。この科目では、今後益々重要となる社会での統計データを正確に理解するために、ビジネスデータや社会調査等のデータの分析（作成、加工、修正、表示)技術の習得を目標としています。このコンピュータ演習(データ分析）を履修する前に、「統計入門」を履修していることが望ましい。

授業計画と内容

１．ガイダンス、SPSSの基本操作
２．データの変換、選択、並べ替え
３．グラフの描き方・作り方
４．度数分布表とヒストグラムの作成
５．基礎統計量
６．２変数データの相関係数
７．回帰直線
８．標準正規分布の数表
９．カイ2乗分布・ｔ分布・Ｆ分布の数表
１０．母集団と標本
１１．仮説検定
１２．クロス集計
１３．２つの母比率の差の検定
１４．時系列データの統計処理

注）受講生の統計学の理解度やパソコンの習熟度等により、授業計画を変更する場合があります。

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと／授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける／授業時間に限らず、manabaでフィードバックを行う

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

反転授業（教室の中で行う授業学習と課題などの授業外学習を入れ替えた学習形式）

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

クリッカー／タブレット端末

授業におけるICTの活用方法（その他の内容等）

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

①石村友二郎　著、②SPSSでやさしく学ぶ統計解析、③東京図書、2021年、④第７版
（ISBN）978-4-489-02375-0

その他特記事項

この授業で使用するソフトウェアは、ＩＢＭ社のＳＰＳＳです。

参考URL