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 |
---|---|---|---|---|---|---|---|---|
AI・データサイエンス演習C(2) | 2024 | 後期 | - | 学部間共通科目 | 安野 智子 | ヤスノ サトコ | 4年次配当 | 2 |
履修条件・関連科目等
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】 データ分析を用いた研究論文の作成
本演習では、「社会調査(あるいは比較対照実験)を通じて、人間の意識と行動を探る」ことを目的とします。具体的には、「自分で社会調査を企画し、データを集める」「集めたデータや既存のデータに対し、適切な方法で統計的な分析をする」ことに取り組みます。調査、あるいは比較対照実験は、マーケティングやビジネスでも重要な手法です。
3年目にあたるこの授業では、「データ分析に基づく論文の作成」に取り組みます。後期は、論文執筆で多角的なデータ分析ができるよう、社会調査のデータ分析で用いるさまざまな分析法をとりあげます。
科目目的
この演習の第1の目的は、人間の心理や行動を測定できるような社会調査や実験を実施することです。調査票作成や実験計画の技術と研究対象の背景に関する学習も含みます。第2の目的は、得られたデータ(あるいは既存のデータ)を適切な方法で分析できるようにすることです。クロス集計・相関分析・回帰分析・因子分析・クラスター分析など、社会調査データの分析によく用いられる統計分析について実践的に習得します。
3年目にあたるこの授業では、演習の集大成として、既存のデータおよび新規に取得したデータを用いて、学術論文を執筆することを目指します。後期は、新規に取得したデータを用いて、自由回答データの分析に取り組みます。
到達目標
データ分析を用いた学術論文・報告書が執筆できるようになること。
授業計画と内容
第1回 テキストマイニングとは
第2回 テーマの設定
第3回 データの収集(既存のテキストおよび自由回答の収集)
第4回 テキストマイニング実習(1)頻度、複合語
第5回 テキストマイニング実習(2)共起ネットワーク
第6回 テキストマイニング実習(3)対応分析
第7回 テキストマイニング実習(4)クラスター分析
第8回 応用的なデータ分析(1)ポアソン回帰と負の二項回帰
第9回 応用的なデータ分析(2)順序ロジット/プロビット分析
第10回 応用的なデータ分析(3)多項(名義)ロジット/プロビット分析
第11回 応用的なデータ分析(4)パネルデータ分析
第12回 応用的なデータ分析(5)マルチレベル分析
第13回 結果報告会(1)
第14回 結果報告会(2)
授業時間外の学修の内容
その他
授業時間外の学修の内容(その他の内容等)
分析課題は授業中に取り組み、manaba上に提出すること。
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 |
---|---|---|
レポート | 50 | 問題の設定、先行研究の引用、議論の展開、データ分析と読み取りが適切に行われているか、などの観点から評価します。 |
平常点 | 50 | 授業への参加、課題の提出状況などを総合的に判断します。なお、出席率が70%に満たない場合は、成績評価の対象外とします。 |
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
PBL(課題解決型学習)/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
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)
manabaによる学習支援
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
【参考書】
樋口耕一・中村康則・周景龍 (2022)『動かして学ぶ! はじめてのテキストマイニング: フリー・ソフトウェアを用いた自由記述の計量テキスト分析 KH Coder オフィシャルブック II』ナカニシヤ出版