| 年度 |
2026年度 |
開講部局 |
医系科学研究科博士課程 |
| 講義コード |
TB151201 |
科目区分 |
専門的教育科目 |
| 授業科目名 |
感性データサイエンス特別演習 |
授業科目名
（フリガナ） |
カンセイデータサイエンストクベツエンシュウ |
| 英文授業科目名 |
Advanced Seminar on Affective Data Science |
| 担当教員名 |
近添 淳一,PHAM QUANG TRUNG |
担当教員名
(フリガナ) |
チカゾエ ジュンイチ,ファム クアン チュン |
| 開講キャンパス |
霞 |
開設期 |
1年次生 前期 セメスター（前期） |
| 曜日・時限・講義室 |
(前) 集中 |
| 授業の方法 |
演習 |
授業の方法
【詳細情報】 |
対面, オンライン（同時双方向型） |
| 演習中心、ディスカッション、学生の発表、作業 |
| 単位 |
2.0 |
週時間 |
|
使用言語 |
B
:
日本語・英語 |
| 学習の段階 |
6
:
大学院専門的レベル
|
| 学問分野（分野） |
27
:
健康科学 |
| 学問分野（分科） |
01
:
医学 |
| 対象学生 |
|
| 授業のキーワード |
|
| 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 |
本演習では、博士課程における研究テーマに関連する最新の学術論文のクリティーク、および自身の研究進捗報告を行う。批判的討論を通じて、論理的整合性の確認、問題所在の明確化、および研究成果を効果的に伝える発信力を養う。
入学時期や年次を問わず、各学生の進捗段階に応じた報告と討論の機会を設けることで、研究者として不可欠な対話能力を修得することを目標とする。 |
| 授業計画 |
第1回：研究倫理と年間計画の確認
第2回：文献輪読１（最新の主要論文の精読と批判的検討）
第3回：文献輪読２（最新の主要論文の精読と批判的検討）
第4回：文献輪読３（最新の主要論文の精読と批判的検討）
第5回：研究構想１（4月入学生の研究計画／10月入学生の高度化案）
第6回：研究構想２（4月入学生の研究計画／10月入学生の高度化案）
第7回：研究構想３（4月入学生の研究計画／10月入学生の高度化案）
第8回：手法検討１（実験デザインの妥当性評価）
第9回：手法検討２（実験デザインの妥当性評価）
第10回：手法検討３（実験デザインの妥当性評価）
第11回：中間発表１（進捗状況のプレゼンと質疑応答）
第12回：中間発表２（進捗状況のプレゼンと質疑応答）
第13回：中間発表３（進捗状況のプレゼンと質疑応答）
第14回：中間発表４（進捗状況のプレゼンと質疑応答）
第15回：前期まとめ（次タームへのフィードバック）
論文紹介や進捗状況のプレゼンをもって試験・レポートに代える |
| 教科書・参考書等 |
統計的学習の基礎
|
授業で使用する
メディア・機器等 |
テキスト, 配付資料, 音声教材, 映像資料 |
| 【詳細情報】 |
|
授業で取り入れる
学習手法 |
ディスカッション, PBL（Problem-based Learning）／ TBL（Team-based Learning）, プロジェクト学習 |
予習・復習への
アドバイス |
fMRIは生きている人間の認知機能を非侵襲的に調べることができる、非常に有用な研究手法です。
特に、安静時ｆMRIは疾患の診断にも有用であることが知られており、臨床応用が有望視されています。
fMRIデータ解析法を学ぶとともに、このデータの特性を理解し、適切な機械学習アルゴリズムを適用できるようになることが求められます。 |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
fMRIデータの性質や機械学習アルゴリズムの特徴をどれだけ理解しているか、に基づいて評価します。
|
| 実務経験 |
|
実務経験の概要と
それに基づく授業内容 |
|
| メッセージ |
|
| 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。 |