キャリアデザイン学部Faculty of Lifelong Learning and Career Studies
MAN200MA(経営学 / Management 200)演習(ビジネス)Seminar (Business Career)
木村 琢磨Takuma KIMURA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | キャリアデザイン学部Faculty of Lifelong Learning and Career Studies |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | C7457 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 水5/Wed.5 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | 2~4 |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
カテゴリー(新)Category (2019) | 演習科目 |
カテゴリー(旧)Category (2017) |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Course outline
Learn the fundamentals of statistical analysis that is an essential analytical knowledge for studying organizational behavior.
Learning objectives
Can implement explorative statistical analysis using Python.
Learning activities outside of classroom
1. Practice Python coding for statistical analysis
2. Implement statistical analysis using Python
Grading Criteria
Interim report 100%
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
概要
1. 組織行動の分析に必須な統計的分析の基礎を学ぶ。
2. 統計的分析のPythonによる実行方法を学ぶ。
目的
Pythonを用いて探索的分析を行うことができる。
到達目標Goal
・データの種類、度数分布表、データの代表値、データのバラつきの指標、確率理論、正規分布、点推定、仮説検定に関する基礎的な内容の理解に基づき、基本的な用語の説明と、正誤の判別ができること
・上記の内容についてPythonによる実行ができること
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
講義形式による説明と実習形式との組み合わせにより実施する。実習は統計学の理解を問う例題またはPythonコーディングであり、個人またはグループで回答する。
フィードバックは授業内課題はその場、授業後提出課題の場合は次回の授業にて口頭での解説により行う。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]:イントロダクション
演習の目的・学習方法の説明
第2回[対面/face to face]:論文購読
データ分析を用いた組織行動論の研究論文を読む
第3回[対面/face to face]:データ分析の基礎
データの種類、データ収集の方法
第4回[対面/face to face]:データの度数と分布
度数分布と累積度数分布、ヒストグラム
第5回[対面/face to face]:データの代表値
平均・中央値・モード、四分位範囲、箱ひげ図
第6回[対面/face to face]:データのバラつきの指標
分散、標準偏差、変動係数
第7回[対面/face to face]:順列と組み合わせ
階乗、順列の計算、組合せの計算
第8回[対面/face to face]:確率
確率の計算、期待値、統計的独立
第9回[対面/face to face]:条件付確率
条件付確率、乗法定理、ベイズの定理
第10回[対面/face to face]:正規分布
正規分布、二項分布
第11回[対面/face to face]:サンプリングと推定
母集団、標本、サンプリングの方法、点推定
第12回[対面/face to face]:信頼区間
区間推定、95%信頼区間、t分布表
第13回[対面/face to face]:仮説検定
帰無仮説、対立仮説、有意水準、第1種の過誤と第2種の過誤
第14回[対面/face to face]:総括
第2~第13回の内容の総括、Pythonによる実行
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
・各回の授業の予習・復習、提出課題(Pythonによる分析の実行)の準備
・本授業の準備学習・復習時間は各2時間、計4時間の授業外学習を標準とします。
テキスト(教科書)Textbooks
使用しない
参考書References
適宜指示する
成績評価の方法と基準Grading criteria
中間レポート:100%
・先行研究のレビューとPythonを用いた統計分析の計画をまとめた中間レポートにより評価する。
・必要な質・量の先行研究がレビューされているかどうか、実行可能な分析計画が立てられているかどうかで評価
学生の意見等からの気づきChanges following student comments
データ分析の基礎の学習を徹底することに変更
学生が準備すべき機器他Equipment student needs to prepare
PythonおよびJupyter notebookまたはJupyterLab(通常のパソコンで使用可能。スペックが足りない場合はGoogle ColabまたはCellStratHubを使用)