授業の 到達目標 (ディプロマポリシーとの関連)
|
|
自分の興味ある領域、専門分野をデータ解析視点で観察できる。【DP2】 データの収集から解析まで、データの管理技術も交えて実務能力を身に着け、総合的研究資質を発揮できる。【DP5】 データサイエンスを研究設計や問題解決に適用し、自己独自性を発揮した提案をすることができる。【DP8】
|
|
|
授業概要
|
|
科学技術、社会活動にデータ解析は不可欠であり、汎用基礎技術である。 本科目ではリサーチ目的を提示し、実際に実験や調査を設計する段階から、具体的なアクションに至るまで指導します。多変量解析、テキスト分析、人工知能、機械学習なども紹介します。 履修効果として、研究や社会活動のいろいろな現象を科学によって解明し、アクションする手順を身につけることが期待されます。
|
|
|
教育課程内の位置づけ
|
|
環境教育学科 専門教育科目 専門応用科目 2年 必修科目
|
|
授業におけるアクティブな特徴
|
|
| |
特徴
|
該当
|
|
A:課題解決型学習(PBL)企業、自治体等との連携あり
|
〇
|
|
|
|
B:課題解決型(PBL)連携なし
|
〇
|
|
|
|
C:討議(ディスカッション、ディベート等)
|
|
|
|
|
D:グループワーク
|
〇
|
|
|
|
E:プレゼンテーション
|
〇
|
|
|
|
F:実習、フィールドワーク
|
|
|
|
|
G:双方向授業(ICT活用なし:対話型、リアクションペーパー等)
|
〇
|
|
|
|
H:双方向授業(ICT活用あり:クリッカー、manaba等)
|
|
|
|
|
I:反転授業
|
|
|
|
|
J:外国語のみで行われる授業
|
|
|
|
|
授業計画
|
|
| | |
第1回
|
実験1(1)連携講座:嗜好データの解析
|
|
第2回
|
実験1(2)データを眺める
|
|
第3回
|
実験1(3)解析からアクションを考える
|
|
第4回
|
実験2(1)実験データの収集と観察
|
|
第5回
|
実験2(2)実験データの解析 問題解決
|
|
第6回
|
実験3(1)調査データ収集と観察
|
|
第7回
|
実験3(2)調査データの解析 課題達成
|
|
|
|
授業外学修 予習(事前学修)
|
|
| |
各授業
|
実験計画に関わる調査、データ解析などの予習 レポート作成
|
|
|
平均90分
|
|
|
|
授業外学修 復習(事後学修)
|
|
| |
各授業
|
実験計画に関わる調査、データ解析などの復習 レポート作成
|
|
|
平均90分
|
|
|
|
評価方法
|
|
行動評価 40%、レポート評価 60% による総合評価
|
|
|
教科書等
|
|
データ解析に役立つEXCEL関数 芳賀敏郎著 必要な資料は授業時に配布する。
|
|
|
課題に対するフィードバックの方法
|
|
|
|
その他
|
|
|
|
授業担当者の実務経験の有無
|
|
|
|
授業担当者の実務経験の内容
|
|
現在データアナリストとして活動。 日本科学技術連盟にて多変量解析、官能評価セミナー講師、国立障害者リハビリテーションセンター講師。 企業における活動歴(1982~2014) 統計解析、プレゼンテーション、官能評価、市場調査などの教育担当。 注目商品会議、アイデア提案会議、倫理委員会事務局。 統計汎用プログラム、情報検索データベース導入業務と管理。 化粧品業界活動として国際会議発表、座長、セミナー設計、運営委員、論文審査委員等。
|
|
|
ファイル
|
|
|