科目ナンバー

GM-IF9-ZLA1

履修条件・関連科目等

条件等はありません

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

近年、企業では市場調査や経営方針の策定を始めとして、現状を把握するためや、企業成長に向けた情報を得るために、膨大なデータの処理が求められています。特に、近年の発展が目覚ましいデータサイエンスの知識・技能を持つ人材は需要が高く、数値データのみならず、カスタマーレビューやSNSの投稿といったテキストデータから情報を適切に取得・抽出・処理・解釈する力は、現代の学問的な領域においても極めて重要です。言葉の中に隠されたパターンや意味を情報学的手法で読み解く力は、データサイエンスの応用範囲を広げる基盤となります。

本講義では、本学部で学ぶ様々な専門的知識の中でも、特に自然言語処理と生成系AIの融合に重点を置きます。伝統的なテキストマイニング（形態素解析や頻出語分析）から、最新の生成系AI（LLM）を用いたセマンティック分析（感情分析、要約、トピック分類）までを網羅します。プログラミング言語Pythonを用いて非構造化データを構造化し、AIを情報処理のエンジンとして活用することで、定性的なテキスト情報を客観的なデータへと変換し、解釈する手法を学習します。

※ 春学期に開講される「特殊講義A（マーケティングデータ分析A）」では数値情報の処理・分析方法を中心に学習します。秋学期開講の本講義「特殊講義A（マーケティングデータ分析B）」とは学習内容が異なりますので、注意してください。

科目目的

本講義は、プログラミング言語であるPythonを用いて自然言語処理を行うこと、また生成系AIの基礎知識を身につけ、データ分析において適切にAIを利活用するための知識・技能を習得することを目的とします。
プログラミングの基本的な考え方を学ぶことで、Pythonのみならず様々なプログラミング言語の土台ともなる知識を得ることを目指すほか、今後あらゆる分野で必要となるプロンプトエンジニアリング等のAI活用に関する技術修得を合わせて目指します。単にツールを使いこなすだけでなく、テキストデータの背後にある傾向を可視化・言語化し、AIによる高度な考察とPythonによる統計的根拠を組み合わせた、論理的なデータ分析レポートを作成できる能力を養います。

到達目標

到達目標は以下の3点です。
・プロンプトエンジニアリング：目的に応じて、高精度な抽出・分類・要約を行うための効果的な指示文を作成できる。
・Pythonによるテキスト処理：形態素解析を行い、テキストデータをワードクラウドや共起ネットワーク等で視覚化できる。
・ハイブリッド分析の実装：Pythonの統計的集計とAIの意味的考察を組み合わせ、論理的な洞察を導き出せる。

授業計画と内容

【第一部：生成系AIにおけるプロンプト技術を学ぶ】
第1回：テキスト分析の意義とAIの仕組み
第2回：プロンプトエンジニアリングの手法

【第二部：Pythonの技術を習得する】
第3回：Python基礎・テキスト操作
第4回：形態素解析の基礎
第5回：頻出語分析とワードクラウド
第6回：共起ネットワークと相関分析
第7回：Pythonによる定量的分析

【第三部：生成系AIを用いた分析手法を学ぶ】
第8回：AIによる感情分析
第9回：AIによるトピック分類と要約
第10回：＜中間のまとめ＞定量データと定性データのハイブリッド分析

【第四部：データの統合的分析に挑戦する】
第11回：＜グループワーク＞プロジェクトでの分析ストーリーの設計
第12回：＜グループワーク＞実データの分析1：定量的分析の実装・定性的分析の実行
第13回：＜グループワーク＞実データの分析2：分析結果の統合・発表準備
第14回：＜グループワーク＞分析結果のプレゼンテーション・講義の総括

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）

各授業後に確認課題を提示します。成績に直結するので取り組んでください。
第四部ではグループワークに取り組みます。確認課題のほか、授業時間内に終わらなかった作業等は、授業時間外に取り組んでください。

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）

出席率が7割（14回中10回）に満たない者は評価不能（F）とします。

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）

講義期間中は常に、Googleチャットならびにメール、居室への訪問等で質問を受け付けます。

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／グループワーク／プレゼンテーション

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）

・Googleチャットを利用したクラス内コミュニケーションを行います
・講義資料は常にWeb上で公開します

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

授業中は特定の書籍等をテキストとして利用せず、レジュメ（講義資料）を使って授業を進めます。

その他特記事項

【必須事項】
授業では皆さん自身のPCを使用します。必ず持参してください。
※ Windows OSを想定していますが、Mac環境でも問題ありません。
※ Android, iOS端末の使用は想定していません。

【前提知識について】
ITスキルとして生成系AIおよびPythonを使用しますが、いずれも前提となる知識は不要です。何も知らないという状態でも問題ありません。

【グループワークについて】
グループワークは、1～3人の少人数のグループでの活動を予定しております。共同作業が苦手という方は1人でも行えますので、その点は心配不要です。
また、受講人数によりグループワークを中止することがあります。

【生成系AIの利用について】
本講義は生成系AIを利用することを前提とした授業ですので、あらゆる生成系AIの利用を許可します。ただし、一般的なルール（機密情報や個人情報を入力しない、ハルシネーションに注意する、法に抵触する行動はしない、など）は必ず遵守してください。また、担当教員から特別な指示があった場合は、必ずその指示に従ってください。
また授業資料の作成などにおいて、教員も生成系AIを使用し、その生成結果を利用する場合があります。

【ディプロマ・ポリシーとの関連】
本講義は、国際経営学部のディプロマ・ポリシーと以下の関連を持ちます。
＜強く関連する＞
・DP1 - 知識獲得力：国際経営の学びに必須となる経営学、経済学、データサイエンスに関連する専門的知識および技能と、その基礎となる幅広い教養を身に付け、論理的な思考のもとでそれらを柔軟に活用できるように弛まず学び続けることができる。
＜関連する＞
・DP4 - 組織的行動力：チームや組織の目標を達成するために、状況や制約条件を多面的、客観的に捉え、組織のマネジメントに有効な判断を下し、当事者意識をもって行動することができる。
・DP5 - 自発的創造力：国際社会が求めるビジネスや人々の役割を見極め、責任感と自律心に基づき、真に豊かな人類の未来を創るためのアイデアを進んで提案することができる。

参考URL