| 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 |
TB151203 |
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 後期 セメスター（後期） |
| 曜日・時限・講義室 |
(後) 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批判的読解、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：後期マイルストンの設定
第2回：進捗報告１（解析結果の解釈と議論）
第3回：進捗報告２（解析結果の解釈と議論）
第4回：進捗報告３（解析結果の解釈と議論）
第5回：論理構築１（論文のストーリーラインの妥当性検討）
第6回：論理構築２（論文のストーリーラインの妥当性検討）
第7回：論理構築３（論文のストーリーラインの妥当性検討）
第8回：中間総括（成果の論理的補強）
第9回：発信準備１（学会発表予稿）
第10回：発信準備２（学会発表予稿）
第11回：発信準備３（学会発表予稿）
第12回：論文準備１（学会での指摘を受けて、論文内容を改善）
第13回：論文準備２（学会での指摘を受けて、論文内容を改善）
第14回：論文準備３（学会での指摘を受けて、論文内容を改善）
第15回：次年度・学位申請への展望
学会発表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。 |