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 |
---|---|---|---|---|---|---|---|---|
計量政治学 | 2024 | 春学期 | 木4 | 法学部 | 菅原 琢 | スガワラ タク | 3・4年次配当 | 2 |
科目ナンバー
JU-PS3-025L
履修条件・関連科目等
履修条件はありません。
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
計量政治学は、政治を対象とした統計学、データサイエンスの応用分野です。今回の講義では、政治とその周辺の分野の実例を紹介しながら、社会科学におけるデータ分析の実際を学びます。
科目目的
政治現象を数値により表現し、何某かの主張をするのが計量政治学です。政治に限らず、社会科学分野におけるデータ分析は自然科学に比較して難点が多く、取り扱いが難しいところがあります。それにもかかわらず、近年は人間と社会に関わる多くの分野でデータ分析が軽々に行われるようになっており、政治行政やメディアを通じてわれわれにも影響が及んでいます。
人間と社会に関わるデータ分析の過程全般について、その基本的な考え方や方法、誤りの生じ方などを学ぶことを通し、間違いを起こさず適切にデータ分析を行う、利用する技能を獲得することが、本講義の目的です。
到達目標
報道、会議資料、プレスリリース、学術論文など、日常的なデータ(分析)の実施において間違った分析や解釈を行わず、なるべく適切な手法を選択できるようになることが目標です。たとえば、データ分析を伴った記事を読んだ際に、その分析がどのような因果関係を想定し、どのようなデータをどう用いているのか判断し、どの部分に論理的な穴があるのかを指摘し、(できれば)どうすればより良い分析となるのか提案できることが求められます。
授業計画と内容
第1回 「データの時代」の政治学
第2回 計量政治学の歴史と議論
第3回 分析とは何か
第4回 因果関係を考察する
第5回 因果関係を検証する
第6回 データ分析読解の技術1―数値化、散布図、相関と因果
第7回 データ分析読解の技術2―データ生成過程
第8回 データ分析読解の技術3―交絡因子
第9回 データ分析を批判的に読む1―世論調査
第10回 データ分析を批判的に読む2―選挙分析
第11回 データ分析を批判的に読む3―回帰分析
第12回 データ分析入門1―表計算ソフトの基本
第13回 データ分析入門2―データ編集、作図
第14回 データ分析入門3―統計分析
授業時間外の学修の内容
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)
多くの回では、次の授業までの所定の日時までに提出する課題を設定します。
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 |
---|---|---|
期末試験(到達度確認) | 25 | 学期末に試験を行います。この講義で学習した内容を理解しているか、応用できるかを評価します。問題ではデータ分析が含まれる記事などを提示し、これを批評する形式を予定しています。 |
平常点 | 75 | 授業時間内、授業時間後に課題を提示します。主にその参加の度合いを評価します。 |
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
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
その他
授業におけるICTの活用方法(その他の内容等)
授業中に課題を提示する予定です。ノートPCやタブレット端末を持参してください。
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
調査会社、メディア企業における社会調査の監修、データ分析設計の支援、メディア等へのデータ提供など。
【実務経験有の場合】実務経験に関連する授業内容
世間でデータ分析に際し発生しがちな誤りを紹介するなど。
テキスト・参考文献等
特定のテキストは使用しません。授業で用いた資料は授業後にアップロードします。
【参考文献】この授業の内容の一部は、下記の書籍を再構成してます。
菅原琢『データ分析読解の技術』中公新書ラクレ、2022年
そのほかの参考文献は、配布資料に記載します。
その他特記事項
■授業の工夫■
受講者が事前に課題を取り組み、授業内で解説することで、データ分析の実際についての理解を深めます。