| ||||||
 社会科学におけるデータサイエンス(特別授業) | ||||||
竹内 秀一  | ||||||
|
||||||
|
【授業表題】 |
---|
データサイエンス入門 |
【授業の形態・方法・内容】 |
この科目の授業形態は、講義科目である。授業内容は、「データサイエンス入門」科目として以下のことに留意しながら、リベラルアーツ教育の視点から社会科学におけるデータサイエンスについて解説する。 内閣府の「統合イノベーション戦略推進会議」で2019年6月11日に決定された「AI戦略2019~人・産業・地域・政府全てにAI~」(以下「AI戦略」)があり、これを踏まえて、「統合イノベーション戦略2019」が2019年6月21日に閣議決定されている。AI戦略の中の「Ⅱ.未来への基盤作り:教育改革と研究開発体制の再構築」において教育改革に関することが詳細に記述されている。大目標として「デジタル社会の基礎知識(いわゆる『読み・書き・そろばん』的な素養)である『数理・データサイエンス・AI』に関する知識・技能、新たな社会の在り方や製品・サービスをデザインするために必要な基礎力など、持続可能な社会の創り手として必要な力を全ての国民が育み、社会のあらゆる分野で人材が活躍することを目指し、2025年の実現を念頭に今後の教育にいくつかの目標が設定されている。とりわけ、大学・高専・社会人に対する目標として「文理を問わず、全ての大学・高専生(約50万人卒/年)が、課程にて初級レベルの数理・データサイエンス・AIを習得」するものとされ、「多くの社会人(約100万人/年)が、基本的情報知識と、データサイエンス・AI等の実践的活用スキルを習得できる機会をあらゆる手段を用いて提供」し、「大学生、社会人に対するリベラルアーツ教育の充実(一面的なデータ解析の結果やAIを鵜呑みにしないための批判的思考力の養成も含む)」が具体的に示されている。 以上のようなデータサイエンス教育の必要性に鑑み、社会科学系大学である本学として基本的な対応をした特別授業の内容とする予定である。 なお、新型コロナウイルスの感染状況等により大学が遠隔授業に切り替える判断をした場合は、A型+B型で授業を行う予定である。 |
【到達目標及びディプロマポリシーとの関連】 |
この科目は、全学DP2で掲げる「教養」に関する「基本的な知識と能力」を身につけるための科目である。特に、社会科学におけるデータサイエンス(統計科学)の基本を身につけることを目的としている。 |
【事前・事後学習】 |
基礎的な数学(中学校レベルから高等学校1年生レベルの数学)がある程度理解できていることを前提に授業を進める。 事前学習として、教科書の指定された項目を熟読し、不明な点を確認しておくこと。また、事後学習として、関連する項目や授業中に出題されたクイズ(演習問題)を復習しながら再度読み返すこと。項目内容によっては、Excel等を利用して計算内容についても確認しておくこと。 なお、「大学設置基準」上、この科目は「講義」科目にあたるので、授業時間外に行う事前事後学習に要する時間は4時間程度となる。 |
【授業計画】 |
教科書の内容(第2回~第12回)を解説することに加えて、関連するデータ分析手法について、参考文献[1][2][4][7]等に基づき補足説明をしながら講義をする。また、毎回の授業内においてクイズ(演習問題)に解答してもらう予定である。 第10回以降の授業の中で、学内外からゲスト講師を招き、実データの分析事例(経済データ・マーケティングデータ・医学データ・スポーツデータなど)を紹介する予定である。 なお、演習問題およびレポート(期末レポートを含む)の全体講評については、次回授業時あるいはmanabaを利用して行う。 授業スケジュール(予定)は以下のとおりである。 第1回 ガイダンス、社会科学におけるデータサイエンスとは 第2回 第Ⅰ章 ビッグデータの時代 1.データサイエンスの登場 2.台頭するデータサイエンティスト 第3回 3.統計学の流れ 第4回 4.コンピュータとインターネットの発展 第5回 第Ⅱ章 データとは何か 1.定義と種類 2.コストと価値 第6回 3.ばらつきと分布 第7回 4.相関と因果、回帰 第8回 5.データに基づく意思決定と不確実性 第9回 6.取り扱い上の倫理 第10回 第Ⅲ章 データに語らせる - 発見の科学へ向けたスキル 1.データサイエンスのスキルの学び方 2.データ処理と可視化 第11回 3.データの分析とモデリング 4.ビッグデータの処理と分析 第12回 5.人工知能とデータサイエンス 第13回 データ分析の実際(1)機械学習とAI(人工知能) 第14回 (2)Excel 第15回 (3)R、Python まとめ、期末レポートについて ※授業計画を変更する場合は、事前に通知する。 本講義では、数理・データサイエンス教育強化拠点コンソーシアムが策定した「モデルカリキュラム」に準拠し、その「導入」、「基礎」、「心得」を含む講義を行う。「導入」として、「社会で起きている変化」、「社会で活用されているデータ」、「データ・AIの活用領域」、「データ・AI利活用のための技術」、「データ・AI利活用の現場」、「データ・AI利活用の最新動向」を含む。「基礎」には「データを読む」、「データを説明する」、「データを扱う」を含む。そして「心得」には、「データ・AI利活用における留意事項」、「データを守る上での留意事項」を含む。 |
【評価方法】 |
授業参加点(クイズとしての「小テスト」約50%および「レポート」約20%)を約70%、期末レポートを約30%の割合で評価する。 なお、新型コロナウイルスの感染状況等により大学の判断で遠隔授業に切り替わり、「クイズ」および「レポート」が十分に実施できない場合は、毎回の授業において小レポートを課す。この場合は、授業参加点(小レポートを含む)と期末レポートの割合を変更する可能性がある(授業時あるいはmanabaを利用して修正内容を説明する予定)。 |
【教科書】 |
竹村彰通著「データサイエンス入門」岩波書店 |
【参考文献】 |
[1]篠崎信雄・竹内秀一共著「統計解析入門[第3版]」サイエンス社 [2]竹村彰通・姫野哲人・高田聖治編「データサイエンス入門」学術図書出版社 [3]日本統計学会編「日本統計学会公式認定 統計検定1級対応 統計学」東京図書 [4]日本統計学会編「改訂版 日本統計学会公式認定 統計検定2級対応 統計学基礎」東京図書 [5]日本統計学会編「日本統計学会公式認定 統計検定3級対応 データの分析」東京図書 [6]日本統計学会編「日本統計学会公式認定 統計検定4級対応 資料の活用」東京図書 [7]濵田悦生著・狩野裕編「データサイエンスの基礎」講談社 ※その他については、授業中に随時提示する。 |
【特記事項】 |
【開講期・曜日時限・ペア・教員名】 |
開講期・曜日時限が下記の表で示されていますが、履修できる曜日時限は学年・学科等により異なる場合があります。自分の「履修登録」画面に表示される曜日時限のみ履修登録することができます。 |
開講期 | 曜日時限 | ペア | 教員名 |
---|---|---|---|
1期 | 金4 | 竹内 秀一 |