検索したい科目／教員名／キーワードを入力し「検索開始｣ボタンをクリックしてください。
※教員名では姓と名の間に１文字スペースを入れずに、検索してください。
データサイエンス入門
| 令和２年度以降入学者 | データサイエンス入門 | ||||
|---|---|---|---|---|---|
| 令和元年度以前入学者 | 社会学応用講義Ⅱ | ||||
| 教員名 | 菅野剛 | ||||
| 単位数 | 2 | 学年 | 2･3 | 開講区分 | 文理学部 |
| 科目群 | 社会学科 | ||||
| 学期 | 後期 | 履修区分 | 選択 | ||
| 授業の形態 | 遠隔授業 （知識習得を主にオンデマンドで行い、質疑応答をオンライン対応）
Blackboard のコースID: 20223926 |
|---|---|
| 授業概要 | 社会は急速に変わりつつあります。学ぶべき内容も変わります。社会と人間の理解に向けて、データサイエンスの入門に触れます。授業内容については情勢を見据えて調整や修正をする可能性があります。 |
| 授業のねらい・到達目標 | 【学生の視点から、具体的・現実的・測定可能な表現で記述】 ・変化が加速し、多様性が増大する現代社会では、自学自習が重要です。分からないことを自分で調べ、自分で学ぶ姿勢を身につけます。 ・現代社会を理解する上で重要な計算社会科学、ビッグデータ、機械学習の事例に触れます。 ・時間をかけ、真面目に取り組み、一つ一つ地道に学び、積み重ねることが大事であると理解できます。 ・世界の共通語である英語や、データ分析の概要に慣れ親しむことができます。 【日本大学教育憲章ルーブリック】 上記の＜知識＞＜技能＞の習得を経て，以下の＜能力＞を育むことが目標である。 ・現代社会を論理的・批判的に捉えるための社会学的枠組みや方法の基礎を築くことができる。（A-3-2: 論理的・批判的思考力） この科目は文理学部（学士（社会学））のDP及びCP3に対応しています。 |
| 授業の方法 | 授業の形式：【講義】
|
| 履修条件 | 初回授業に、NU-AppsG アカウントを用いて Google Classroom のクラスへ参加（登録）する必要があります。 NU-AppsG と Google Classroom のクラス参加については、少なくとも社会学科の1年必修科目「社会学の方法1」において課題として実施済みですので、利用できることが前提です。 履修登録の希望が多い場合、状況によっては社会学科の学生が優先される場合がありますのでご了承下さい。 |
| 授業計画 | |
|---|---|
| 1 |
What is Data Science? （A-3-2） Computational Social Science: Introduction（A-3-2）
【事前学習】第四次産業革命について調べておく （3時間） 【事後学習】Homework: はじめてのAI （A-3-2） 1-1. 社会で起きている変化 （A-3-2） （1時間） |
| 2 |
Computational Social Science: Refolution （A-3-2） For the love of foreign languages （A-3-2）
【事前学習】Computational Social Science. （A-3-2） （3時間） 【事後学習】1-1. 社会で起きている変化 （A-3-2） （1時間） |
| 3 |
Computational Social Science: Emergence （A-3-2）
【事前学習】Computational Social Science. （A-3-2） （3時間） 【事後学習】1-2. 社会で活用されているデータ （A-3-2） （1時間） |
| 4 |
Computational Social Science: Limitations （A-3-2） Are computers making us dumb? （A-3-2）
【事前学習】Computational Social Science. （A-3-2） （3時間） 【事後学習】1-2. 社会で活用されているデータ （A-3-2） （1時間） |
| 5 |
Data Science 1（A-3-2）
【事前学習】Data Science. （A-3-2） （3時間） 【事後学習】1-3. データ・AIの活用領域 （A-3-2） （1時間） |
| 6 |
Data Science 2（A-3-2） Do you fear Artificial Intelligence? （A-3-2）
【事前学習】Data Science. （A-3-2） （3時間） 【事後学習】1-3. データ・AIの活用領域 （A-3-2） （1時間） |
| 7 |
Data Science 3（A-3-2）
【事前学習】Data Science. （A-3-2） （3時間） 【事後学習】1-3. データ・AIの活用領域 （A-3-2） （1時間） |
| 8 |
Data Science 4（A-3-2） Rise of the machines （A-3-2）
【事前学習】Data Science. （A-3-2） （3時間） 【事後学習】1-3. データ・AIの活用領域 （A-3-2） （1時間） |
| 9 |
Machine Learning 1（A-3-2）
【事前学習】Machine Learning （A-3-2） （3時間） 【事後学習】1-4. データ・AI利活用のための技術 （A-3-2） （1時間） |
| 10 |
Machine Learning 2（A-3-2） Talking to machines （A-3-2）
【事前学習】Machine Learning （A-3-2） （3時間） 【事後学習】1-4. データ・AI利活用のための技術 （A-3-2） （1時間） |
| 11 |
Machine Learning 3（A-3-2）
【事前学習】Machine Learning （A-3-2） （3時間） 【事後学習】1-4. データ・AI利活用のための技術 （A-3-2） （1時間） |
| 12 |
Machine Learning 4（A-3-2） Training artificial intelligence （A-3-2）
【事前学習】Machine Learning （A-3-2） （3時間） 【事後学習】1-4. データ・AI利活用のための技術 （A-3-2） （1時間） |
| 13 |
Social Networks 1（A-3-2）
【事前学習】Social Networks （A-3-2） （3時間） 【事後学習】1-5. データ・AI利活用の現場 （A-3-2） （1時間） |
| 14 |
Social Networks 2（A-3-2）
【事前学習】Social Networks （A-3-2） （3時間） 【事後学習】1-5. データ・AI利活用の現場 （A-3-2） （1時間） |
| 15 |
Social Networks 3（A-3-2）
【事前学習】Social Networks （A-3-2） （3時間） 【事後学習】1-5. データ・AI利活用の現場 （A-3-2） （1時間） |
| その他 | |
|---|---|
| 教科書 | なし |
| 参考書 | 北川源四郎／竹村彰通・編 内田誠一／川崎能典／孝忠大輔／佐久間淳／椎名洋／中川裕志／樋口知之 ／丸山宏・著 『教養としてのデータサイエンス （データサイエンス入門シリーズ）』 講談社 2021年 今井耕介 『社会科学のためのデータ分析入門（上）』 岩波書店 2018年
|
| 成績評価の方法及び基準 | レポート(80%)、授業参画度:Google Classroom 上での各授業回の予習・授業・復習課題(20%) ・初回授業に、NU-AppsG アカウントを用いて Google Classroom のクラスへ参加（登録）する必要があります。 ・レポート（80点）と、課題（20点）を目安としていああます。 ・以上を踏まえ、A-3-2（論理的・批判的思考力）の修得状況を評価します。 ・対面参加が出来ない場合は、オンラインやオンデマンドで学習できます。仮に対面授業であっても遠隔授業であっても、課題と成績評価の基準は同じです。 |
| オフィスアワー | 授業時間帯の前後を中心に Google Classroom で随時対応。質問は、チャットボットによる授業支援を常時実施し、 Google フォームへの記入・集約とし、 Google Classroom 経由でのフィードバック。対面授業の場合は授業終了時。 |
| 備考 | シラバスの内容は学生の皆さんの学修の状況を考慮して、変更することもあります。また、事前学習・事後学習の時間は目安です。FAQ
|