G8354000 特別講義（プログラミング）

広島大学シラバス

English

年度 2026年度開講部局経済学部経済学科夜間主コース

講義コード G8354000 科目区分専門教育科目

授業科目名特別講義（プログラミング）

授業科目名
（フリガナ）トクベツコウギ（プログラミング）

英文授業科目名 Special Lectures(Programming)

担当教員名湧田　雄基

担当教員名
(フリガナ) ワクダ　ユウキ

開講キャンパス東千田開設期 2年次生後期セメスター（後期）

曜日・時限・講義室 (後) 火13-14：東千田M303講義室

授業の方法講義授業の方法
【詳細情報】対面, オンライン（同時双方向型）

授業は基本的に対面で行う（週によってオンラインも予定する）

単位 2.0 週時間 2 使用言語 J : 日本語

学習の段階 2 : 初級レベル

学問分野（分野） 24 : 社会科学

学問分野（分科） 09 : 情報管理学

対象学生

授業のキーワードプログラミング，Python，経済学データサイエンス，機械学習，人工知能（AI）

教職専門科目　教科専門科目　

プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ）
到達度評価
の評価項目
（学部生対象科目のみ）

授業の目標・概要等＜授業の目標＞
　経済学部系で学ぶ者として必要なデータ活用の基礎スキルを、プログラミングを通じて習得することを目標とする。全てのコード(ソフトウェアプログラム)を自力で書けるようになることを目指すのではなく、AIも適宜活用しながら、データの読み込み・加工・集計・可視化・分析の一連の処理を作成し、実行できる力を身につける。その際には、AIが生成したコードを批判的に検証し、必要とする機能を正しく把握した上で、得られる結果の正しさを自身で確かめるスキルの習得を目指す。

＜授業の概要＞
　本授業では、Google ColaboratoryによるPython環境を用いて、プログラミングの基礎から始め、データ操作・可視化・統計処理・シミュレーション等を15回を通じて体系的に扱う。第1〜5回でPythonの基本構文を習得し、第6回以降は生成AIを積極的に活用しながら実践的なデータ処理を進める。各回では、扱う内容に応じた演習を取り入れ、学ぶ内容の効果を実感する形式をとる。演習題材には、経済・経営・統計など他の専門科目と接続するデータを用いることで、プログラミングが他の学修を深める道具であることを体感できる構成とする。

授業計画第１回　イントロ：世の中の流れとプログラミングの意義
　AI・データサイエンス時代におけるプログラミングの必要性を考える。プログラミングの実行環境を整備し、最初のコードを動かす体験を得る。
　・AI・DS時代の背景とPythonを学ぶ意義
　・作業環境構築（Google Colab/Notebook操作）
　・Markdownセル記法/Notebookの章立て構成/コメント記述
　・[演習] Notebookの作成/Markdownでの文作成/簡単なPythonコードの動作

第２回　ファイル読み込みとオープンデータ
　表形式データをNotebookに読み込む方法を学ぶ。オープンデータの探し方・入手方法を知る。
　・Excelファイルの読み込み
　・[演習] Excelデータを読み込み、内容を確認する。
第３回　変数・基本データ型・コレクション型
　Pythonの基本的なデータの扱い方を学ぶ。変数・型・演算の概念を習得する。
　・変数の概念、数値型(int/float)、文字列(str)、真偽値(bool)
　・四則演算/文字列操作
　・コレクション型(list/dict/tuple/set)
　・[演習] データ型、コレクション型の利用
第４回　条件分岐とループ
　if文/forループを学び、繰り返し計算と条件処理をコードで表現する。
　・条件分岐(if/elif/else)と論理演算子
　・forループ/whileループ/内包表記
　・[演習] forループ制御例(投資の複利計算シミュレーション等)
第５回　論理的思考・関数・モジュール
　プログラムによる処理をフローチャートで設計する。
　・input/処理/outputを意識した設計とフローチャートによる表現
　・関数定義(def/引数/戻り値)とモジュール利用(import)
　・[演習] 関数の作成/パイプライン処理
第６回　AI援用コーディング入門・デバッグの作法
　AIを利用したプログラミング。AI生成コードの検証・デバッグの方法を習得する。
　・Gemini on Colabの利用方法とプロンプト設計
　・AI生成コードの読み方と検証方法の例
　・[演習] AIを利用したデータ処理関数の作成(アンケート文字列データを点数化する関数の作成、検証)
第７回　Pandas基礎：DataFrameと基本操作
　表形式データの基本的な操作を習得する。
　・DataFrameのつくり
　・列の操作(変数選択ほか)
　・行の操作(欠損行除去ほか)
　・Pandas Tips(列名の制約と回避ほか)
　・[演習] (AI援用)Excelデータの読込/列操作/絞り込み
第８回　Pandas実践①：データ結合
　複数のデータを結合し、新しい指標を算出する方法を学ぶ。
　・新しい列の計算による変数作成
　・複数の表の結合(left/inner/outer join)とその挙動の違い
　・結合後の件数・内容確認による検査
　・[演習] (AI援用)複数データの統合/動作の検査
第９回　Pandas実践②：データ集計とデータクレンジング
　集計処理によるデータ形状の変更や、実データの欠損処理を学ぶ。
　・縦持ちデータのグループ集計(groupby)とピボットテーブル
　・欠損値の処理方針(fillna/dropna)の注意点
　・データ型変換
　・[演習] (AI援用)仕訳データの集計・試算表作成
第１０回　AI援用コーディングの実践とTips
　AIと協働するうえで知っておくべき実践的な作法を体系的に習得する。
　・コーディングの作法(極力関数化/設定は冒頭に/保存ファイルの命名規則/フォルダ構成の例ほか)
　・大規模処理への対応：進捗表示の付け方
　・AIの限界や特性を理解した活用
　・AI生成コードのレビューとおかしいところの見つけ方
　・[演習] (AI援用)データ処理パイプラインの作成・レビュー・改善サイクル
第１１回　Matplotlib：グラフの作成と品質
　グラフの作成と、伝わるグラフの品質基準を学ぶ。
　・折れ線グラフ・散布図・棒グラフの作成
　・軸ラベル・単位・凡例・タイトルの設定
　・グラフ品質の基準(色覚多様性への配慮/フォントサイズ/縦横比)
　・複数グラフの配置（subplot）
　・[演習] (AI援用)GDP成長率の時系列グラフ作成
第１２回　ライブラリの活用、統計活用体験
　ライブラリ活用の便利さを統計処理コーディングで体験する。
　・相関係数の算出と変数間の関係の探索
　・ライブラリインポート(scipy等)の活用と恩恵
　・統計検定のコード体験(t検定/U検定)
　・[演習] (AI援用)変数間の相関探索・統計検定の実行
第１３回　アンケートデータ処理・可視化
　アンケートデータの集計・可視化をAIと協働して行う。
　・アンケートデータの読込・集計・可視化の流れ
　・グラフ改善の対話的イテレーション（色・凡例・フォント・タイトル）
　・[演習] (AI援用)アンケートデータの集計/アンケートの作成
第１４回　経済モデルのシミュレーション
　著名な経済理論をプログラミングで再現し、人の行動モデルを体験する。
　・価格競争シミュレーション
　・[演習] (AI援用)市場シミュレーション
第１５回　動的グラフ・ダッシュボード作成、総合まとめ
　これまでの技術を統合し、インタラクティブなダッシュボードを作成する。
　・Plotlyによる動的グラフの作成
　・HTMLファイルへの出力（配布可能な成果物として）
　・記述統計による抽象化と実データ確認の大切さ
　・[演習] (AI援用)都道府県別ダッシュボードの作成
　・ふりかえり、プログラミングと他授業との関係など

中間レポート、期末レポートを実施する。

教科書・参考書等特定の教科書は用いません。授業時に、テキストとなる資料を配付します。

授業で使用する
メディア・機器等配付資料, Zoom, その他（【詳細情報】を参照）

【詳細情報】演習を支援するプラットフォーム"TAエージェント"を用います。第1回授業で説明します。

授業で取り入れる
学習手法 PBL（Problem-based Learning）／ TBL（Team-based Learning）, 授業後レポート

予習・復習への
アドバイス復習に関して、授業時間内に演習の試行が完了しなかった場合は、次回までに終えること。

履修上の注意
受講条件等実習設備の制約により受講生を制限する。受講者多数の場合、抽選等で決定する。
※履修登録の方法は別途Myもみじに掲示

成績評価の基準等成績評価は、授業への参加姿勢、課題レポートを考慮して評価します。
・授業回ごとのレポート/授業への参加姿勢/授業や演習への積極的な参加：60％
・課題レポート等：40％

実務経験有り

実務経験の概要と
それに基づく授業内容担当教員の、民間企業におけるデータサイエンスや機械学習応用、AI応用の実務経験を活用し、実務で有用なプログラミング技法を扱う。

メッセージ　社会で起きている事象をデータの力で理解することは、経済学が向き合ってきた中心的な問いです。他方で、データの処理や分析のスキル自体は、情報科学者やエンジニアの仕事と思われがちでした。しかし、AIがこれだけ使えるようになった今、データの処理や分析の技術自体は、非常に身近なものになっています。経済学や社会学に関心を持つものにとって、データ解析を駆使してデータサイエンスを行うことは、大きな現実的な取り組みになってきました。
　こうした状況をふまえ、この授業は、"プログラミングを隅々まで習得する"ことを目的とせず、AIを適切に活用しながら、データの読み込み・加工・集計・可視化・分析などの一連の処理を自分の手で動かせる力を身につけることを目指します。Python言語を扱う技法を把握しながら、これを効率よく使いこなす力を習得します。なお、AI活用に際しては、AIが生成したソフトウェアコードを鵜呑みにせず、自分で確かめる視点も大切にします。
　各回の演習は、皆さんが他の授業で学ぶ内容とリンクする指向とします。"あの授業で出てきた話が、ここで動かせた"という瞬間を、随時扱いたいと考えています。プログラミングは、経済学の理解を深める重要な道具になり、この授業が終わったとき、皆さんの手元にて自分でデータ処理を組み、これを動かせるという実践のベースとなるスキルが残ることを期待しています。

その他

すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。

年度	2026年度	開講部局	経済学部経済学科夜間主コース
講義コード	G8354000	科目区分	専門教育科目
授業科目名	特別講義（プログラミング）
授業科目名（フリガナ）	トクベツコウギ（プログラミング）
英文授業科目名	Special Lectures(Programming)
担当教員名	湧田　雄基
担当教員名 (フリガナ)	ワクダ　ユウキ
開講キャンパス	東千田	開設期	2年次生後期セメスター（後期）
曜日・時限・講義室	(後) 火13-14：東千田M303講義室
授業の方法	講義	授業の方法【詳細情報】	対面, オンライン（同時双方向型）
授業は基本的に対面で行う（週によってオンラインも予定する）
単位	2.0	週時間	2	使用言語	J : 日本語
学習の段階	2 : 初級レベル
学問分野（分野）	24 : 社会科学
学問分野（分科）	09 : 情報管理学
対象学生
授業のキーワード	プログラミング，Python，経済学データサイエンス，機械学習，人工知能（AI）
教職専門科目		教科専門科目
プログラムの中でのこの授業科目の位置づけ（学部生対象科目のみ）
到達度評価の評価項目（学部生対象科目のみ）
授業の目標・概要等	＜授業の目標＞　経済学部系で学ぶ者として必要なデータ活用の基礎スキルを、プログラミングを通じて習得することを目標とする。全てのコード(ソフトウェアプログラム)を自力で書けるようになることを目指すのではなく、AIも適宜活用しながら、データの読み込み・加工・集計・可視化・分析の一連の処理を作成し、実行できる力を身につける。その際には、AIが生成したコードを批判的に検証し、必要とする機能を正しく把握した上で、得られる結果の正しさを自身で確かめるスキルの習得を目指す。＜授業の概要＞　本授業では、Google ColaboratoryによるPython環境を用いて、プログラミングの基礎から始め、データ操作・可視化・統計処理・シミュレーション等を15回を通じて体系的に扱う。第1〜5回でPythonの基本構文を習得し、第6回以降は生成AIを積極的に活用しながら実践的なデータ処理を進める。各回では、扱う内容に応じた演習を取り入れ、学ぶ内容の効果を実感する形式をとる。演習題材には、経済・経営・統計など他の専門科目と接続するデータを用いることで、プログラミングが他の学修を深める道具であることを体感できる構成とする。
授業計画	第１回　イントロ：世の中の流れとプログラミングの意義　AI・データサイエンス時代におけるプログラミングの必要性を考える。プログラミングの実行環境を整備し、最初のコードを動かす体験を得る。　・AI・DS時代の背景とPythonを学ぶ意義　・作業環境構築（Google Colab/Notebook操作）　・Markdownセル記法/Notebookの章立て構成/コメント記述　・[演習] Notebookの作成/Markdownでの文作成/簡単なPythonコードの動作第２回　ファイル読み込みとオープンデータ　表形式データをNotebookに読み込む方法を学ぶ。オープンデータの探し方・入手方法を知る。　・Excelファイルの読み込み　・[演習] Excelデータを読み込み、内容を確認する。第３回　変数・基本データ型・コレクション型　Pythonの基本的なデータの扱い方を学ぶ。変数・型・演算の概念を習得する。　・変数の概念、数値型(int/float)、文字列(str)、真偽値(bool) 　・四則演算/文字列操作　・コレクション型(list/dict/tuple/set) 　・[演習] データ型、コレクション型の利用第４回　条件分岐とループ　if文/forループを学び、繰り返し計算と条件処理をコードで表現する。　・条件分岐(if/elif/else)と論理演算子　・forループ/whileループ/内包表記　・[演習] forループ制御例(投資の複利計算シミュレーション等) 第５回　論理的思考・関数・モジュール　プログラムによる処理をフローチャートで設計する。　・input/処理/outputを意識した設計とフローチャートによる表現　・関数定義(def/引数/戻り値)とモジュール利用(import) 　・[演習] 関数の作成/パイプライン処理第６回　AI援用コーディング入門・デバッグの作法　AIを利用したプログラミング。AI生成コードの検証・デバッグの方法を習得する。　・Gemini on Colabの利用方法とプロンプト設計　・AI生成コードの読み方と検証方法の例　・[演習] AIを利用したデータ処理関数の作成(アンケート文字列データを点数化する関数の作成、検証) 第７回　Pandas基礎：DataFrameと基本操作　表形式データの基本的な操作を習得する。　・DataFrameのつくり　・列の操作(変数選択ほか) 　・行の操作(欠損行除去ほか) 　・Pandas Tips(列名の制約と回避ほか) 　・[演習] (AI援用)Excelデータの読込/列操作/絞り込み第８回　Pandas実践①：データ結合　複数のデータを結合し、新しい指標を算出する方法を学ぶ。　・新しい列の計算による変数作成　・複数の表の結合(left/inner/outer join)とその挙動の違い　・結合後の件数・内容確認による検査　・[演習] (AI援用)複数データの統合/動作の検査第９回　Pandas実践②：データ集計とデータクレンジング　集計処理によるデータ形状の変更や、実データの欠損処理を学ぶ。　・縦持ちデータのグループ集計(groupby)とピボットテーブル　・欠損値の処理方針(fillna/dropna)の注意点　・データ型変換　・[演習] (AI援用)仕訳データの集計・試算表作成第１０回　AI援用コーディングの実践とTips 　AIと協働するうえで知っておくべき実践的な作法を体系的に習得する。　・コーディングの作法(極力関数化/設定は冒頭に/保存ファイルの命名規則/フォルダ構成の例ほか) 　・大規模処理への対応：進捗表示の付け方　・AIの限界や特性を理解した活用　・AI生成コードのレビューとおかしいところの見つけ方　・[演習] (AI援用)データ処理パイプラインの作成・レビュー・改善サイクル第１１回　Matplotlib：グラフの作成と品質　グラフの作成と、伝わるグラフの品質基準を学ぶ。　・折れ線グラフ・散布図・棒グラフの作成　・軸ラベル・単位・凡例・タイトルの設定　・グラフ品質の基準(色覚多様性への配慮/フォントサイズ/縦横比) 　・複数グラフの配置（subplot）　・[演習] (AI援用)GDP成長率の時系列グラフ作成第１２回　ライブラリの活用、統計活用体験　ライブラリ活用の便利さを統計処理コーディングで体験する。　・相関係数の算出と変数間の関係の探索　・ライブラリインポート(scipy等)の活用と恩恵　・統計検定のコード体験(t検定/U検定) 　・[演習] (AI援用)変数間の相関探索・統計検定の実行第１３回　アンケートデータ処理・可視化　アンケートデータの集計・可視化をAIと協働して行う。　・アンケートデータの読込・集計・可視化の流れ　・グラフ改善の対話的イテレーション（色・凡例・フォント・タイトル）　・[演習] (AI援用)アンケートデータの集計/アンケートの作成第１４回　経済モデルのシミュレーション　著名な経済理論をプログラミングで再現し、人の行動モデルを体験する。　・価格競争シミュレーション　・[演習] (AI援用)市場シミュレーション第１５回　動的グラフ・ダッシュボード作成、総合まとめ　これまでの技術を統合し、インタラクティブなダッシュボードを作成する。　・Plotlyによる動的グラフの作成　・HTMLファイルへの出力（配布可能な成果物として）　・記述統計による抽象化と実データ確認の大切さ　・[演習] (AI援用)都道府県別ダッシュボードの作成　・ふりかえり、プログラミングと他授業との関係など中間レポート、期末レポートを実施する。
教科書・参考書等	特定の教科書は用いません。授業時に、テキストとなる資料を配付します。
授業で使用するメディア・機器等	配付資料, Zoom, その他（【詳細情報】を参照）
【詳細情報】	演習を支援するプラットフォーム"TAエージェント"を用います。第1回授業で説明します。
授業で取り入れる学習手法	PBL（Problem-based Learning）／ TBL（Team-based Learning）, 授業後レポート
予習・復習へのアドバイス	復習に関して、授業時間内に演習の試行が完了しなかった場合は、次回までに終えること。
履修上の注意受講条件等	実習設備の制約により受講生を制限する。受講者多数の場合、抽選等で決定する。 ※履修登録の方法は別途Myもみじに掲示
成績評価の基準等	成績評価は、授業への参加姿勢、課題レポートを考慮して評価します。・授業回ごとのレポート/授業への参加姿勢/授業や演習への積極的な参加：60％・課題レポート等：40％
実務経験	有り
実務経験の概要とそれに基づく授業内容	担当教員の、民間企業におけるデータサイエンスや機械学習応用、AI応用の実務経験を活用し、実務で有用なプログラミング技法を扱う。
メッセージ	社会で起きている事象をデータの力で理解することは、経済学が向き合ってきた中心的な問いです。他方で、データの処理や分析のスキル自体は、情報科学者やエンジニアの仕事と思われがちでした。しかし、AIがこれだけ使えるようになった今、データの処理や分析の技術自体は、非常に身近なものになっています。経済学や社会学に関心を持つものにとって、データ解析を駆使してデータサイエンスを行うことは、大きな現実的な取り組みになってきました。　こうした状況をふまえ、この授業は、"プログラミングを隅々まで習得する"ことを目的とせず、AIを適切に活用しながら、データの読み込み・加工・集計・可視化・分析などの一連の処理を自分の手で動かせる力を身につけることを目指します。Python言語を扱う技法を把握しながら、これを効率よく使いこなす力を習得します。なお、AI活用に際しては、AIが生成したソフトウェアコードを鵜呑みにせず、自分で確かめる視点も大切にします。　各回の演習は、皆さんが他の授業で学ぶ内容とリンクする指向とします。"あの授業で出てきた話が、ここで動かせた"という瞬間を、随時扱いたいと考えています。プログラミングは、経済学の理解を深める重要な道具になり、この授業が終わったとき、皆さんの手元にて自分でデータ処理を組み、これを動かせるという実践のベースとなるスキルが残ることを期待しています。
その他
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。

シラバスTOPへ