国際文化研究科Graduate School of Intercultural Communications
FRI500G1-305(情報学フロンティア / Frontiers of informatics 500)多文化情報メディア論ⅠAMulticultural Information Media I A
ソーシャルメディアの調査と分析
大嶋 良明Yoshiaki OHSHIMA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 国際文化研究科Graduate School of Intercultural Communications |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | X2036 |
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 | 月6/Mon.6 |
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 | |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course provides with perspectives on the Internet in the context of multi-cultural cyberspace. It also covers well-known research methodology and basic analysis techniques for online text data as well as various types of media data on the Internet.
Grading policy is as follows:
In-class contribution: 25%
Analysis report on reading assignment: 25%
Homework: 20%
Term paper: 30%
Your must achieve at least 60% in the overall grade to pass for academic credit.
The average study time outside of class per week would be approximately 4 hours.
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
現代のネット社会をメディアとしての諸特性においてとらえ、文化情報学的なアプローチで分析するなかから、異文化理解に資する視点の開拓を試みる。これまで社会科学的な発展の中で構築されたメディア論や人文科学分野での文化理論とも関連させた検討を試みている。とくにインターネット上の言説に着目し、その分析手法やメディアデータとしての特徴や書物との違いについて学ぶ。
到達目標Goal
この科目では現代のテキストを最新の手法によって分析できるようになる。
現代のネット社会をテキストの計量的・統計的な諸特性においてとらえる。英米文化の理解と異文化理解の観点から、インターネット上の言説や文化表象に関連するメディアに着目し、その主要な分析手法やモデル化について説明できるようになる。また実際のデータに適用して分析することができるようになる。
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?
ディプロマポリシーのうち,「DP1」の達成のために特に重要であり,「DP2」と「DP3」の達成のために重要である
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. )
講義と輪講により行う。
・複数レポータ制による輪講とパソコンを用いたインターネット上のデータの分析を試みる。
・各自が学習内容を相互閲覧可能な形でWebに記録する。
・日本語のみならず各国語文化圏のWebテキストに関する各自の話題提供を通じて、視野を拡げ問題意識を深化させる。
・教員と履修者全員によるオープンなディスカッションを目指す。
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[対面/face to face]:イントロダクション: 社会と機械学習
Webから海外社会を観察することと分析の課題を学ぶ。
2[対面/face to face]:即時性の検出
時系列のテキストからキーワードの出現傾向を検出する方法を学ぶ。
3[対面/face to face]:評判分類
評判分類とは何か、ロジスティック回帰などの手法を学ぶ。
4[対面/face to face]:意味表現の学習
意味表現とは何かを理解し、そのモデル化と可視化の手法について学ぶ。
5[対面/face to face]:表現の連鎖
リンクに基づくテキストデータの分析手法を学ぶ。
6[対面/face to face]:関連性の評価
テキストから関連性の高い文書を見つける手法を学ぶ。
7[対面/face to face]:話題性の抽出
トピックモデルと言説空間の分析法を学ぶ
8[対面/face to face]:感情分析
感情分析とは何かを理解し文章から意見の抽出方法を学ぶ。
9[対面/face to face]:推薦の仕組み
予測とレコメンド手法、バスケット分析の手法を学ぶ。
10[対面/face to face]:ジャンルの抽出
テキストのジャンル分類を学ぶ。
11[対面/face to face]:クラスの分類
テキストのクラス分類の方法を学ぶ。
12[対面/face to face]:特徴抽出
大規模データからの特徴抽出の手法を学ぶ
13[対面/face to face]:特徴量の圧縮
大規模データからの特徴量圧縮の手法を学ぶ
14[対面/face to face]:次元削減
第14回:まとめ -- 総括するディスカッションをおこない、得られた知識をまとめる。
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.)
毎回の授業終了後、受講生はクラス内での発表および討議について各自の発表内容、発言、担当教員のコメント、クラス内での質疑応答などを学内ネット(後述【情報機器】の項を参照のこと)にアップロードしてオンライン記録として情報共有すること。
予習復習として、テキストおよび毎回の授業で担当教員が指定する文献を熟読し、気づいた論点や疑問点については学内ネットにアップロードし授業内での発言に備えること。本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト(教科書)Textbooks
テキストは指定しない。必要な資料は授業内で配布する。
参考書References
全体を通じての参考書は特に指定しない。
必要に応じて提示する。領域的な理解の助けとなる参考書は以下の通り:
【多言語環境】三上喜貴ほか、「言語天文台からみた世界の情報格差」、慶應義塾大学出版会(2014)、ISBN: 978-4-7664-2178-1
【英米言語文化】Swiss, T., “Unspun,” NYU Press(2001), ISBN: 978-0814797594
【ネット社会の文化的特性】川上量生(監修)、「ネットが生んだ文化」、角川学術出版(2014)、ISBN: 978-4-04-653884-0
【言語分析の手法】
(1) ボレガラ、岡崎、前原、「ウェブデータの機械学習」、講談社(2016)、ISBN:978-4-06-152918-2
(2) Richart, W. and Coelho, L.,P.,(著)、齋藤康毅(訳)、「実践 機械学習システム」、オライリー・ジャパン(2014)、ISBN:978-4-87311-698-3
成績評価の方法と基準Grading criteria
平常点25%
輪講25%
課題20%
学期末レポート30%
を総合的に評価する。
設定した達成目標を60%以上達成している場合に合格とする。
学生の意見等からの気づきChanges following student comments
2018年度より日本語および中文のテキストマイニングに取り組んでいる。留学生も含めてテキストの分析への履修学生の関心を喚起したい。また履修者少数の場合にも効率よく学習できるよう常に心がける。2021年度は担当教員が国内研究を取得したので、2022年度にはこの間の深化を盛り込んだ内容としたい。
学生が準備すべき機器他Equipment student needs to prepare
授業においてノートPC、プロジェクタ、インターネット接続環境を使用する。また言語Pythonを用いた機械学習の問題解決に親しんで欲しい。学習成果の記録性を確保し各自の学習内容の相互参照性を高めるため、担当教員と履修者全員が編集するWikiやポートフォリオツール等のCMSを個々の研究科科目において使用する。各自の学習内容のポートフォリオ化に十分に活用して欲しい。
その他の重要事項Others
ジャンルキーワード: テキストマイニング、Web、機械学習、データサイエンス、ビッグデータ、インターネット、オンラインデータ
担当教員の専門分野等
担当教員の実務経験
担当教員はIT企業での研究所勤務において15年間のディジタル信号処理(特にディジタル音響、統計モデルによる音声認識)、マルチメディア処理(音楽音響、電子透かし)分野の経験がある。