English

年度	2026年度	開講部局	人間社会科学研究科博士課程前期人文社会科学専攻ソーシャルデータサイエンスプログラム
講義コード	WMK01400	科目区分	専門的教育科目
授業科目名	多分野データ解析実践演習 I
授業科目名 （フリガナ）	タブンヤデータカイセキジッセンエンシュウ１
英文授業科目名	Practice of Data Analysis for Education and Social Data Science Programs I
担当教員名	湧田　雄基,梶川　祐朗,原田　裕輔
担当教員名 (フリガナ)	ワクダ　ユウキ,カジカワ　ヒロアキ,ハラダ　ユウスケ
開講キャンパス	東千田	開設期	1年次生   後期   セメスター（後期）
曜日・時限・講義室	(後) 火11-12
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
単位	1.0	週時間	2	使用言語	J : 日本語
学習の段階	7 : 大学院発展的レベル
学問分野（分野）	24 : 社会科学
学問分野（分科）	05 : 社会学
対象学生	ソーシャルデータサイエンスプログラムの学生
授業のキーワード	データサイエンス(DS)，人工知能（AI），社会科学，教育，PBL(Project/Problem Based Learning)，課題解決，DSプロセス，ソフトスキル，DSプロジェクトマネジメント，チーム協働，プレゼンテーション
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	＜授業の概要＞ 　ビジネス課題・社会課題の解決を目指すデータサイエンス（DS）プロジェクトの一連のワークフローを個人またはチームで実践する。 　具体的には、心理学・経済学・社会科学・地方行政などの複数の分野からテーマ(データと課題)を選択し、これをDSプロセスの型（課題設定→データ理解→前処理→分析→評価・解釈→報告）に沿って実施することで、DSの実践プロセスを体系的に学ぶ（第1回～第9回）。続いて、中間発表（第10回）でのフィードバックを経た後、再分析や考察を深め、最終発表（第11回～第15回）に向けて結果の評価・考察による資料化とプレゼンテーションを行う。 　多様な分野の実際のデータとシナリオを用いたPBL(Project/Problem Based Learning)の実施により、プロジェクトの推進に必要なソフトスキル（ビジネス理解、論理的な考察、コミュニケーション、ファシリテーション等）も併せて修得する。 　PBL課題を選択制にしながら、中間発表および最終発表にて、相互評価形式とすることで、他者が取り組む異分野のDS実践を学ぶ。なお、中間発表および最終発表は、ソーシャルDSと教育DSの協働実施を想定する。 ＜達成目標＞ ・クライアントニーズに応じて（既存の業務や課題を題材として）、DSによる課題解決を設計できる。 ・設計したDSをチームで推進し、データの前処理からモデル構築・評価・解釈までの一連のプロセスを実行できる。 ・DS成果を第三者に伝わる形で資料化し、プレゼンテーションできる。
授業計画	第1回 授業ガイダンス 　・多分野DS(データサイエンス)への導入 　・授業の進め方(PBLは個人/チームどちらの実施も可とする) 　・関連用語や概念の定義【座学】 　・DSに必要なスキル 　・[SoftSkills]チームでのDS実践に必要な個人資質 第2回 DSの実践方法(1) 　・DSプロセス(概論) 【座学】 　・DSの実践【座学】 　・ソフトウェア実行環境(Google Colab.) 　・Markdown記法(補足資料配布) 第3回 DSの実践方法(2) 　・DSプロセス：ビジネス理解とデータ理解 　・DSの設計方法【座学+ワークショップ】 　・Opendataの活用 　・DS実践時の秘密情報と個人情報の取扱 第4回 PBL課題設定 　・問題とデータの選定(以下4件程度より選定)。　 　　・心理学系　 ：実験結果の統計検定＋α 　　　　　　　　　　　 (差の検定/Positive群のモデリング） 　　・経済学系　 ：経済指標変遷に関するデータ分析 　　　　　　　　　　　 (MLを使ったパネルデータ分析/将来予測) 　　・社会科学系：アンケート調査と結果分析 　 　　　　　　　　　 (主成分・クラスター分析/アンケート整理Tips) 　　・地方行政系：行政実務におけるEBPM 　　・その他　　　 ：自身の研究課題・データを扱うことも可とする 　・[SoftSkills]DSのためのプロジェクトマネジメント(PMBOK第6版相当) 　・[SoftSkills]会議運営とファシリテーション 第5回 DSの実践①：データ理解 　・データクレンジングとデータ調製【座学】 　・データの理解と品質調査概論【座学+演習】 　・[SoftSkills]DSのためのコミュニケーション 第6回 DSの実践②：データ前処理 　・DSプロセス：データの前処理(1)【座学+演習】 　・BIの活用、生成AI援用プログラミング【座学+演習】 　・[SoftSkills]ロジカルシンキングの基礎 第7回 DSの実践②：データ前処理 　・DSプロセス：データの前処理(2)【座学+演習】 　・データ統合/数量化 第8回 DSの実践③：データ分析 　・DSプロセス：データ分析・モデリング【座学+演習】 　・分析手法の選択と実施 第9回 DSの実践④：評価と解釈 　・DSプロセス：モデルの評価と解釈【座学+演習】 　・仮説との整合性検証 　・統計検定の基礎(振り返り) 　・統計検定の活用（t検定, マンホイットニーのU検定) 第10回 中間発表 　・DS設計と分析進捗の中間発表 　・民間等学外実務家人材のレビュー/相互評価 　・改善点の特定 第11回 DSの実践⑤：フィードバック 　・フィードバック反映 　・追加データ取得/追加データ分析 　・知財・契約の基礎（特許, NDA, 著作権） 第12回 DSの実践⑥：再分析 　・分析結果の考察と整理 ・発表資料の作成 　・[SoftSkills]DS成果の資料化とプレゼンテーション 第13回 DSの実践⑦：考察と資料化 　・発表リハーサル ・ストーリーの最終調整 　・[SoftSkills]DSのためのクリティカルシンキング 第14回 最終発表 　・チームによる最終発表 　・民間等学外実務家人材のレビュー/相互評価 第15回 まとめ 　・授業全体の振り返り 　・DSの社会応用 　・多分野データ解析実践演習Ⅱへのつながり 中間発表、最終発表を行うとともに、各授業にてレポートを課すことがある。
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, Microsoft Teams, Zoom, moodle
	【詳細情報】	Ovice, Slack
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, 授業後レポート
予習・復習への アドバイス	予習： ・次の回の授業項目を事前に確認し、これらの内容について自分なりの考えや疑問を整理した上で授業に臨むこと。 ・前回の授業で提示された課題(次回までの宿題)がある場合には、次回までに進めておくこと。 復習： ・前回までの授業内容で、授業時間内に完了しなかったものについて、手を動かし、進める。 ・進め方がわからなかったことは、不明確のまま放置せず、記録し、次回授業に臨むこと。 ・授業後レポートを通じて、当日の議論や分析結果を自分の言葉で整理すること。
履修上の注意 受講条件等	「多分野データ解析実践演習 I」は、ソーシャルデータサイエンスプログラムと教育データサイエンスプログラムの共通科目になります。 この科目（講義コード：WMK01400）は、ソーシャルデータサイエンスプログラムの学生対象の科目になります。教育データサイエンスプログラムの学生は、教育データサイエンスプログラムの学生対象の「多分野データ解析実践演習I」（講義コード：WNF10050）を履修してください。
成績評価の基準等	成績評価は、授業への参加姿勢、プレゼンテーション（中間発表、最終発表）の内容、課題レポートを考慮して評価します。 ・授業への参加姿勢/出席状況/授業や演習への積極的な参加：40％ ・課題レポート：30％ ・プレゼンテーション（中間発表、最終発表）：30％
実務経験	有り
実務経験の概要と それに基づく授業内容	機械学習の実用化や、民間企業との共同研究等の実務経験を活用し、実務で有用な機械学習手法を扱う。
メッセージ	データサイエンティストの仕事は、データ分析を行うだけではありません。データ分析によって達成すべきゴールをきちんと設定し、それに向けて分析プロセスを組み立てられる必要があります。また、データを活用してビジネスや社会の課題を解決し、新たな価値を生み出すことや、結果を一般の人にわかりやすく説明することも必要です。このような仕事を実践するためには、データ処理や分析のハードスキルだけでなく、現状の正しい理解と整理の上に問題を特定し、取り組むべき課題を設計するスキルが求められます。加えて、プロジェクトを推進するためのチーム協働力や、成果を分かりやすく伝える力などのソフトスキルも必要です。 　本演習では、実社会の課題とデータを題材に、DSプロジェクトの設計から成果報告までを一貫して体験します。また、複数の分野の実践的なデータサイエンスをPBL形式で実践します。多様な分野のDS実践に触れ、向き合うことで実社会でDSを使いこなす即戦力の習得を目指しましょう。
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。