シラバス
| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科など | 担当教員 | 教員カナ氏名 | 配当年次 | 単位数 |
|---|---|---|---|---|---|---|---|---|
| 特殊研究Ⅰ（社会関係の調査法） | 2024 | 通年 | 木5 | 商学研究科博士課程後期課程 | 武石 智香子 | タケイシ チカコ | 1年次配当 | 4 |
科目ナンバー
CG-OM6-201L
履修条件・関連科目等
英語の text を理解できること，自分のPCで実習を行えることを前提とします。
授業で使用する言語
日本語／英語
授業で使用する言語（その他の言語）
授業の概要
社会統計の基礎知識をレビューしながら分析をRプログラミングを使って分析を行っていく方法を学び, 自身の研究計画を立てます。量的分析を中心に研究を行いたい人，データサイエンスにおける分析方法に興味関心がある人に向いています。
科目目的
人間の認知の多様性と経済社会的行動との関連を中心に，データ分析スキルを活用してマーケティングを含む商業学の分野のアカデミックな世界で活躍できる能力を総合的に身につける人材を養成します。デジタルに大量に蓄積したデータを顧客や一般社会の理解のために実践的に活用した研究をするために，特殊研究Ⅰの目的は，(1) 社会統計とデータサイエンスの基礎知識に基づいて研究を設計することができること，(2) Rを用いてデータサイエンスの基本的な分析を行えるようになることです。
到達目標
商業学におけるデータ分析法の専門的知識と研究力の基礎を身につけるために、この科目は以下の４つを到達目標とします。
・データサイエンスで用いられるとRによる分析法の基礎を理解する。
・自らの独創的な研究課題（テーマ）に関する仮説検定を行うための調査票を設計する。
・自らの独創的な課題（テーマ）に関するProspectus（研究計画書）を完成させる。
授業計画と内容
1. Rのインストール
2. 統計学の基本 1-2、確率の基本1-3
3. はじめよう！1-1
4. Base Rの基本 2-1
5. 学生発表（問題意識）
6. 一般化線形モデルの基本 3-1
7. 学生発表（文献調査）
8. 学生発表（命題）
9. 単回帰モデル 3-2
10. 学生発表（先行研究）
11. ダミー変数と分散分析モデル 3-6
12. 正規線形モデル 3-7
13. 交互作用 3-10
14. 学生発表（モデル）
15. ベイズ推計の基本1-6
16. 学生発表（調査票）
17. stanの基本 2-4
18. ランダム切片 4-2
19. ランダム係数 4-3
20. ローカルレベル 5-2
21. 学生発表（理論と方法論）
22. 学生発表（対立理論）
23. 学生発表（対立仮説）
24. 学生発表（独自性）
25. 学生発表（意義）
26. トレンドの構造、周期性5-(5, 6)
27. 自己回帰モデル5-(7, 8, 9)
28. 学生発表 (研究企画)
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
| 種別 | 割合（％） | 評価基準 |
|---|---|---|
| 平常点 | 100 | 84%: 3% x 28 毎回の授業での実習 16% : 学生プレゼンテーション |
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）／ディスカッション、ディベート／プレゼンテーション／実習、フィールドワーク
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
その他
授業におけるICTの活用方法（その他の内容等）
自らのPCにRとRstudioをインストールして統計分析を行います。
実務経験のある教員による授業
はい
【実務経験有の場合】実務経験の内容
シンクタンクの勤務経験有。データ分析も行っていた。
【実務経験有の場合】実務経験に関連する授業内容
実務経験としてシンクタンクでデータ分析等を実施して、顧客用の報告書にまとめていた。現代の データサイエンスはその時代から大きく進化しているが、実務経験内容は関連している。
テキスト・参考文献等
【テキスト】
武石・佐々木『はじめてのAI・データサイエンス』
Efron & Hastie, 2021, Computer Age Statistical Inference, Student Edition -- Algorithms, Evidence, and Data Science, Cambridge, UK: Cambridge University Press.
馬場真哉（2019）『RとStanではじめる ベイズ統計モデリングによるデータ分析入門』講談社
その他特記事項
RおよびRstudioを使います。学生の希望により、Python、SPSS、Amosも使います。これらは、基本的に自分のPCで実習を行えることを前提とします。ただしAmosはWindowsのみ使用可能のため、自分のPCがMacの場合には大学院事務室から貸し出しを受けます。