国際文化学部Faculty of Intercultural Communication
FRI200GA（情報学フロンティア / Frontiers of informatics 200）社会とデータサイエンスData analysis for information science on sociocultural environment
和泉 順子Michiko IZUMI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 国際文化学部Faculty of Intercultural Communication |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | C0437 |
| 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 | 火2/Tue.2 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 / Ichigaya |
| 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 | 情報関連科目を履修済みであることが望ましい |
| 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 | |
| 旧科目との重複履修Duplicate Subjects Taken Under Previous Class Title | |
| 人数制限・選抜・抽選Capacity/Selection/Rondom | |
| 毎年・隔年Frequency | 毎年開講 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
（Course outline）
In this class, you will learn how data, which may be obtained not only from data created by computers, but also from various sensors, human behavior, and information released by public institutions as "open data", is used in social activities. The keywords are "data science", "Internet of Things (IoT)", "open data" and "big data". Students will learn and practice the handling and visualisation of various types of data.
（Learning Objectives）
- Learn about some examples of data science as a way to make use of the vast amounts of data described by terms such as Big Data, IoT and Open Data.
- We will learn about the common properties of data with different contents and formats, and statistics.
- Learn and practice how the same data can be communicated in different ways depending on how it is visualised.
（Learning activities outside of classroom）
You will need to do some independent study (revision) to make up for any difficulties you have in understanding the lecture content.
（Grading Criteria /Policy）
Grading will be decided based on the mid-term exam (20%), in-class contribution(20%), and the term-end preseentaion (30%) and report (30%).
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
情報化社会が発展・普及していく中で、様々なものがデジタル化されインターネットに接続されつつある。この授業では IoT（Internet of Things）やビッグデータ等に関連するデータサイエンスというキーワードから、パソコンで作成するデータだけでなくセンサや人の行動、公的機関からの公開情報等から得られるデータがどこでどのように利活用されているのかを学ぶ。また、データサイエンティストとはどんな人材なのかを議論しながら、様々なデータの性質や扱い方、可視化等を統計学等の観点から学び、実践する。
到達目標Goal
ビッグデータ、IoT、オープンデータ、といった言葉で表現される膨大なデータの利活用としてデータサイエンスのいくつかの事例と、そこから作られる情報や価値について学ぶ。個々のデータの具体的な内容ではなく、異なる内容や形式を持ったデータに共通する性質や、データを正しく扱うために情報科学だけでなく社会科学分野にも重要な統計学などを学ぶ。また、同じデータでも可視化の方法によって伝わり方が違う事を学び、実践する。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
国際文化学部のディプロマポリシーのうち、「DP2」「DP3」「DP4」に関連。
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. ）
講義は計算機を使用した実習形式で行い、授業内のプレゼンテーション、小テストおよびレポートにより学習結果を確認する。
オンライン併用での開講が予想される。学期途中での授業形態の変更や それにともなう各回の授業計画の修正については、学習支援システムでその都度提示する。履修予定者は、必ず初回授業日までに学習支援システムで本科目を仮登録し、初回授業に参加、または初回授業資料を確認すること。
課題等の提出・フィードバックは、基本的には学習支援システムを通じて行うが、補助的にGoogle Classroom等も用いる可能性がある。
授業に関する質疑応答については学習支援システムの掲示板機能を活用する。
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。
1[オンライン/online]：イントロダクション
授業の説明、社会におけるデータサイエンスの重要性について
2[未定/undecided]：IoTとビッグデータ
IoT（Internet of Things）とは何か、ビッグデータの利活用事例を学ぶ
3[未定/undecided]：オープンデータの活用
公開されているオープンデータがどのように活用されているかを学び、自ら調べる
4[未定/undecided]：仮想空間のプライバシー
デジタルな空間、あるいはインターネット上におけるプライバシー確保に必要な技法の一部を学ぶ
5[未定/undecided]：統計処理の意味
データを抽出して価値を創出するために、どのような統計手法があるのかを学ぶ
6[未定/undecided]：統計分析の意味
統計処理したデータの分析から何が分かるのか、それが何に役立つのかを学ぶ
7[未定/undecided]：データの種類と尺度
４つの尺度と利用可能な測定値、および相関について学ぶ
8[未定/undecided]：統計の基本と実践（１）
平均値と中央値、正規分布、分散、標準偏差の意味について学ぶ
9[未定/undecided]：統計の基本と実践（２）
正規分布と確率について学ぶ
10[未定/undecided]：統計の基本と実践（３）
仮説検定の種類と考え方を学ぶ
11[未定/undecided]：データの可視化
同じデータでも可視化の違いによって印象や伝わり方が異なることを学ぶ。また、データを説明するために適切なグラフは何かを学ぶ
12[未定/undecided]：データサイエンスの実践
自分の興味のあるオープンデータから適切な統計手法を用いてデータを読み取り表現する
13[未定/undecided]：プレゼンテーション
自分が調べ、読み取り、表現したことを授業内で発表する
14[未定/undecided]：議論と考察、授業のまとめ
授業内で扱ったデータについて質問を通して改善の余地を議論・考察する。
また授業のまとめを行い、授業内に簡単なレポートを作成、提出する
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.)
統計学をはじめ数学の知識を多少使うため、各自の理解度に応じて適宜予習復習をすること。本授業の準備学習・復習時間は各２時間を標準とする。
テキスト（教科書）Textbooks
授業内で適宜指定する。
参考書References
授業内で適宜指定する。
成績評価の方法と基準Grading criteria
成績評価は、平常点20%、小テスト20%、プレゼンテーション30%、レポート30%で総合的に行う。
この成績評価の方法をもとに、本授業の到達目標の60%以上を達成した者を合格とする。
学生の意見等からの気づきChanges following student comments
特になし。
学生が準備すべき機器他Equipment student needs to prepare
情報実習室のパソコンを使用した実習型の授業である。情報実習室で対面授業を行う場合は、教卓機パソコン画面上のテキストや資料を使用して進める。
オンライン併用の場合は、各自で学習環境を整える必要がある。基本的にはWindowsでもmacOSでも構わないが、 Excelでデータ分析ができる環境を前提としている。
オンライン併用の場合は、最終課題となるプレゼンテーションはZoomあるいはWebexを用いる。また、毎回の授業資料と課題は学習支援システムを利用して配布・提示する。
授業時間内にこれらに接続可能なネットワーク環境も必要である。
その他の重要事項Others
受講者が多数の場合は、抽選で選抜する。
詳細は学習支援システムを参照し、初回授業資料を必ず確認すること。
授業内容は、「情報リテラシーⅠ」、「情報リテラシーⅡ」の内容を概ね理解していることを前提に進みます。