文理学部シラバスTOP > 文理学部 > 社会学科 > ゼミナール１
日本大学ロゴ

ゼミナール１

このページを印刷する

科目名 ゼミナール１
教員名 菅野剛
単位数    1 学年    3 開講区分 文理学部
科目群 社会学科
学期 前期 履修区分 選択
授業概要 - 社会調査、データ分析、データサイエンスの入門（2019年度は、社会学科では他の教員の授業も含めて R の演習がなくなりましたのでご注意下さい）
- 社会調査士カリキュラム 【 Ｇ 】 社会調査を実際に経験し学習する科目
http://jasr.or.jp/for_students/get-sr/curriculum_sr/
授業のねらい・到達目標 - プログラミング、情報処理、データ分析などを各自のペースで自由に学びます。
- これまでに学んだ社会調査、データ分析、プログラミングについての基礎的なことがらに加え、自らより発展的なデータ分析を行えるようにします。
- 教わったことをなぞるだけではなく、自分で試してみることが大切です。
- 自分で分析対象を選び、データ化し、分析を行い、形にまとめることを目指します。
- 第4次産業革命とも言われる現代社会の急激な変化に対応し、新しいことを学び続ける姿勢を身につけます。
- Science（科学）、 Technology（技術）、 Engineering（工学）、Mathematics（数学）、Art（芸術）の統合的な学習 STEAM が重要になってきています。2020年度に小学校でプログラミング教育が必修化、2022年度に高校で統計学が実質必修化となります。大学でも、「数理・データサイエンス教育の全学部学生への展開」が推進されることになりました。しかし、時代の変化の狭間に位置する学生は、学外で、自分で主体的に学ぶ必要があります。
https://www.kantei.go.jp/jp/singi/tougou-innovation/dai2/siryo1.pdf
https://www.kantei.go.jp/jp/singi/tougou-innovation/dai4/siryo1-1.pdf

【学生の視点から、具体的・現実的・測定可能な表現で記述】
- 根本的な重要事項として、「『反証可能な』形で論旨を展開」する方法に触れる。
- 具体的な社会現象を抽象化し、数値で表現し、アルゴリズムや統計学に基づいて理解する論理展開に触れる。

この科目は文理学部（学士（社会学））のディプロマポリシーDP3及びカリキュラムポリシーCP5に対応しています。
授業の方法 https://sites.google.com/a/nihon-u.ac.jp/sugano-lab/home/google-classroom

- クラウド環境で ChromeBook を用い、情報処理 (Python) とレポート作成 (Markdown) を Google Colaboratory で行います。
- 可能な場合は社会調査を実施します。諸般の事情により社会調査の実施が出来ない場合は、コンピュータ・インテンシブな手法が可能な環境を整えて、データ分析の比重を増やします。
- いくつかのソフトウェアやプログラミング言語に触れることで、おざなりになりがちな論理や制約を意識します。多様な種類のデータを取り上げ、特に、社会学の文脈では社会階層という視点で、現代日本社会について分析を行います。様々な先行研究を学び、自分の視点から実際に各種データを分析することで、データに基づいた見方を心がけます。社会調査に関連する作業や、 Python 等のソフトウェアを用いて、より高度なデータ分析を試みます。
- 授業では、スマートフォン等がある方が便利です。Google Classroomを用い、予習・受講・復習の資料閲覧や課題学習に、PC(Mac/Windows)やタブレット端末を利用します。ブラウザは Google Chrome か Firefox を使います。Windows 標準のInternet Explorer を使うと不明な理由で作業が出来ない場合がありますので注意して下さい。

- 社会調査の実施が可能な場合は、調査の作業プロセスを授業の進行に伴って進めます。仮説や分析枠組みの解説と議論から始まり、操作化、質問項目と選択肢の作成、レイアウトへの配慮等の調査票作成、それから宛名ラベルの作成、発送用・返信用封筒の作成、挨拶文、督促兼お礼状の作成、データ回収作業、エディティング、コーディング、データ入力とクリーニング作業、分析とレポート作成といった一連の過程を進めます。データ分析は進行状況を見ながら Python 等、利用するソフトウェアを柔軟に選定します。授業計画の内容は進行状況によって前後する可能性がありますが、年間を通して全体の内容をカバーします。また、近年の計量社会科学の発展を反映させ、社会調査データ以外のデータについても取り扱います。
- 社会調査の実施と作業が出来ない場合は、授業の内容を変更します。社会調査は行わず、大規模データ分析のための高速計算機環境やクラウド環境の利用により、プログラミングとデータ分析を重点的に学びます。

本授業の事前・事後学習は，合わせて１時間の学習を目安とします。
授業計画
1 【授業内容】NU-AppsG のアカウント通知、パスワードリマインダー、パスワード設定、 Google Classroom の説明とクラスへの参加、授業についての説明
【事前学習】Google Apps 、日本大学の Gmail アカウント NU-AppsG について調べておく。
【事後学習】Google Classroom で復習し、課題を行う。
2 【授業内容】様々なデータ、分析ツール、分析事例
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
3 【授業内容】多様なデータ、身近なデータ
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
4 【授業内容】データ処理作業／GUIプログラミングとアルゴリズム
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
5 【授業内容】データの基礎集計作業／データマイニング
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
6 【授業内容】データの特徴の抽出／データマイニング
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
7 【授業内容】Google Colaboratory と Python の解説
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
8 【授業内容】Google Colaboratory と Python の基礎
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
9 【授業内容】Google Colaboratory と Python の応用
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
10 【授業内容】Google Colaboratory と Python による分析
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
11 【授業内容】学生意識調査
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
12 【授業内容】仮説構築とデータ分析
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
13 【授業内容】地域調査のデータ分析
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
14 【授業内容】レポート、質疑応答、フィードバック
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
15 【授業内容】地域調査の概要
【事前学習】Google Classroom で予習を行う。
【事後学習】Google Classroom で復習し、課題を行う。
その他
教科書 使用しない
参考書 中山浩太郎(監修)/松尾豊(協力)/塚本邦尊/山田典一/大澤文孝(著) 『東京大学のデータサイエンティスト育成講座―Ｐｙｔｈｏｎで手を動かして学ぶデータ分析』 マイナビ出版 2019年
成績評価の方法及び基準 各自で進めるプロジェクトの総合的な評価(100%)
オフィスアワー 授業終了時。Google Classroomでも、可能な範囲で随時質問を受けつけます。

↑このページのトップ