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B(1) | 2023 | 前期 | 土4 | 学部間共通科目 | 安野 智子 | ヤスノ サトコ | 3年次配当 | 2 |
科目ナンバー
UW-AI3-A09S
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】 社会調査・比較対照実験を用いたデータ分析
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。
2年目にあたるこの授業では、「既存のデータを用いた多変量解析」「実験デザインを組み込んだ調査」に取り組みます。
科目目的
この授業の第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計画・実施できるようになることです。調査票作成・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・OLS回帰分析・ロジスティック回帰分析・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。
2年目にあたるこの授業では、①既存のデータを用いた多変量解析(前期)、②実験デザインを組み込んだ調査(後期)に取り組みます。
到達目標
前期の目標は以下の通りです。①自分の研究関心に合わせて、適切なデータを選択し、利用することができるようになること。②多変量解析を用いて、複数の変数間の関連を検討できるようになること。
授業計画と内容
第1回 イントロダクション:既存のデータを分析する
第2回 統計データの利用(1)日本の統計データ
第3回 統計データの利用(2)海外の統計データ
第4回 社会調査のデータアーカイブ
第5回 データの集計と記述
第6回 データから仮説を立てる
第7回 記述統計とデータの可視化
第8回 二重クロス集計と三重クロス集計
第9回 最小二乗法による単回帰分析と重回帰分析
第10回 変数の作成
第11回 主成分分析と因子分析
第12回 ロジスティック回帰分析
第13回 クラスター分析
第14回 結果のまとめと報告
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)
指示に応じて課題を提出する。
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
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
授業中にレジュメを配布します。