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	WMK01500	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 II
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２
英文授業科目名	Practice of Data Analysis for Education and Social Data Science Programs II
担当教員名	湧田　雄基,梶川　祐朗,原田　裕輔,鈴木　喜久
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,スズキ　ヨシヒサ
開講キャンパス	東千田	開設期	2年次生   前期   セメスター（前期）
曜日・時限・講義室	(前) 月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)，課題発見，イノベーションプロセス，ソフトスキル，DSプロジェクトの創出とマネジメント，社会実装，スタートアップ，経営学，ビジネス創出
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）	＜授業の概要＞ 　全15回の授業を通して、DS成果を社会に届ける「社会展開（ビジネス化・社会実装）」のプロセスを実践する。演習Ⅰで扱う課題解決型DS(データサイエンス)の力を基盤に、自ら社会課題やビジネス課題を発見し、データに基づく問題設定と仮説構築を行い、その成果を社会的価値として構造化する手順を学ぶ（第1回～第4回）。その後、実際のデータ分析・評価を進め、中間発表を行う（第5回～第9回）。後半では、リーンスタートアップの手法（CPF/PSF/PMF）を用いたビジネスイノベーションの手順を体験し、KPIマネジメント/BSCや戦略マップによる評価設計、ピッチプレゼンテーションへと繋げる（第10回～第15回）。 　本授業では、データ分析や分析結果の性能評価のみならず、結果をどう社会に接続し、様々な分野の問題解決に対して、いかに実行可能なビジネスアクションに繋げるかを扱う。
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	＜達成目標＞ ・DSによる課題発見とイノベーションのプロセス（スタートアップの関連要素を含む）を理解し、実践できる。 ・自ら社会課題やビジネス課題を発見し、データに基づく問題設定と仮説構築ができる。 ・DS成果の社会的価値を構造化し、実行可能なビジネスアクションを策定して発信できる。
授業計画	第1回 授業ガイダンス 　・授業の進め方と到達目標 　・課題解決から課題発見へ 　・DS(データサイエンス)の位置づけと社会へのインパクト【座学】 　・経営学概論【座学】 第2回 方法論の理解 　・DSとイノベーションのプロセス(概論)【座学】 　・テーマ検討開始（自身のデータ持ち込み または シナリオ選択） 　・DSとスタートアップの基礎 第3回 課題発見とDS設計① 　・DSプロセス：ビジネス理解とデータ理解 　・DS社会展開プロセス①：アイディアの整理 　・社会展開に向けたBMC(Business Model Canvas) 　・社会展開に向けたVPC(Value Proposition Canvas) 第4回 課題発見とDS設計② 　・DS社会展開プロセス②：顧客の課題に寄り添う　　 　　　　　(Customer-Problem Fit) 　・DS設計とプロジェクト計画の策定【座学+ワークショップ】 　・プロブレムインタビュー（実施は任意） 第5回 DSの実践①：データの調達と整備 　・DSプロセス：データの前処理(1)【座学+演習】 　・データ整備開始 　・チームビルディングと運営【座学】 　・[SoftSkills]アジャイルプロジェクトマネジメント【座学】 第6回 DSの実践②：データの前処理 　・データクレンジング 　・生成AI援用プログラミング【座学+演習】 　・[SoftSkills]経営とチームマネジメントの理論【座学】 第7回 DSの実践③：データの分析と評価 　・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 　・KPIマネジメント/BSCと戦略マップ【座学】 第8回 DSの実践④：結果の考察 　・DSプロセス：モデルの評価と解釈【座学+演習】 　・評価の段階、ロジックモデル     (インプット～アウトプット～アウトカム) 第9回 中間発表 　・分析進捗のプレゼン 　・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10回 社会展開実践① 　・フィードバック反映、ピボットと再分析 　・社会展開プロセス③：課題解決方法の検証 　　　(PSF: Problem-Solution Fit) 　・[SoftSkills]イノベーションの理論【座学】 第11回 社会展開実践② 　・社会展開プロセス④：プロダクトの検証(PMF: Product Market Fit) 　・分析結果の統合 　・[SoftSkills]普及の戦略【座学】 　・[SoftSkills]スタートアップの科学【座学】 第12回 社会展開実践③ 　・ピッチ, ピッチデック【座学】 　・発表資料（ピッチデック）作成 　・BMC/VPC最終版 　・資金調達（概要）【座学】 第13回 社会展開実践④ 　・ピッチリハーサル 　・ブラッシュアップ 第14回 最終発表 　・最終ピッチ 　・民間等学外実務家人材のレビュー/相互評価 第15回 まとめとディスカッション 　・授業全体の振り返り 　・修論への接続 　・キャリアパスへの考察 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, その他（【詳細情報】を参照）, 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 II」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II」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	データサイエンスにより得られる価値は、社会に向けて適切に届けることで、具体的な変化をイノベーションとして生み出すことが期待されます。 　本演習では、皆さんが自ら課題を発見し、データに基づいて解決策を設計し、その成果を社会やビジネスの文脈で発信するまでを一貫して体験します。 　これからの5年、10年のビジネスにおいて、「AI×〇〇」や「データサイエンス×〇〇」といった領域の掛け合わせが、ビジネス上の極めて重要な鍵になると考えられます。 　本授業を通じて、皆さん自身が関心を持つ分野で新たな価値やイノベーションを実現するための実践的な力を習得し、今後の皆さんの研究や、あるいは、卒後の仕事で、皆さんが接する様々な分野の問題に対して、必要に応じてデータサイエンスによるビジネスイノベーションに挑戦できる実践力を身に付けてください。
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。