履修条件・関連科目等

担当教員のAI・データサイエンス演習Aで単位取得済みであることを履修条件とする。また、AI・データサイエンスと現代社会、AI・データサイエンスツールIIIおよびIVを学修していること、あるいは並行履修することが望ましい。

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

【テーマ】データサイエンスによるEBPMの実践

本演習では、データサイエンスを利用した「客観的根拠に基づいた意思決定、提案、政策形成」（EBPM：Evidence-based Policy Making）を実践するための教育と機会の場を提供することを主とする。
　社会問題の解決には、①そもそもどこに問題があるのか、②その原因は何なのか、③それを実現可能な方法で取り除くには何が必要なのか、これらを順に解決する必要があり、そのためには経済学の知見とデータの適切な処理と分析、それを実行するためのプログラミングスキルが必要となる。
　演習Bでは、こうした実践としてグループ単位で研究計画を立て、EBPMを実践し、研究論文の執筆を行うところまでをカバーする。また、データサイエンティストとしてより深い内容・手法を理解できるための教育も並行して行う。

科目目的

より高度な計量経済学に対する理解と、研究計画の策定からデータ収集・分析、それに基づく実行可能な政策形成の実践までを目的とする。

到達目標

研究計画を自ら立てたうえで、EBPMを実践し、研究論文にまとめ上げることを本演習の到達目標とする。

授業計画と内容

3年次後期

第01回　研究論文中間報告①：先行研究レビュー
第02回　集団学習
第03回　カーネル法とサポートベクターマシン
第04回　研究論文中間報告②：仮説の検証とモデルの構築
第05回　ニューラルネットワーク
第06回　ネットワーク分析
第07回　研究論文中間報告③：分析結果の考察とモデルの再検証
第08回　アソシエーション分析
第09回　研究論文中間報告④：分析結果に基づく政策提言
第10回　論文全体を通じた校正作業
第11回　研究論文報告に向けた発表資料作成
第12回　時系列分析
第13回　生存分析
第14回　総まとめ

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／その他

授業時間外の学修の内容（その他の内容等）

グループワークでの研究計画の立案や、データ収集・分析、論文執筆を行う必要があり、またそれを外部のコンペで発表する予定である。

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／その他

課題や試験のフィードバック方法（その他の内容等）

SNSを利用した指導・フィードバックを適宜行う。

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／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／グループワーク／プレゼンテーション／実習、フィールドワーク／その他

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）

PCを利用したプログラミングを含む。

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

計量経済学テキスト
金 明哲,『Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで』森北出版, 2017.
松村 優哉・湯谷 啓明・紀ノ定 保礼・前田 和寛,『改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界』, 技術評論社, 2021．

経済学テキスト
二神孝一・堀敬一,『マクロ経済学 第2版』, 有斐閣, 2017．

その他特記事項

・学内外のコンペに参加し、そのためのグループワークが課外で必須となる。
・病欠・公欠・就職活動のような特段の理由なく欠席がある場合、評価対象としない。やむを得ず欠席する場合は、事前に連絡をすること。
・本演習は経済学についても取り扱うため、２コマ分の時間確保を要する。

参考URL