文理学部シラバスTOP > 文理学部 > 社会学科 > データサイエンス入門
日本大学ロゴ

データサイエンス入門

このページを印刷する

令和２年度以降入学者 データサイエンス入門
教員名 菅野剛
単位数    2 学年 2･3 開講区分 文理学部
科目群 社会学科
学期 後期 履修区分 選択必修
授業形態 遠隔授業（オンデマンド型）
授業の形態 遠隔授業。 Google Chrome ブラウザ を使い Google Classroom で行います （クラスコード は Canvas LMS に掲載）。
必要な場合は Google Meet などによる同時双方向で対応します。
授業概要 第四次産業革命を迎え、社会は急速に変わりつつあります。学ぶべき内容も変わります。社会と人間の理解に向けて、英語でデータサイエンスの入門に触れます。授業内容については、情勢を見据えて調整や修正をする可能性があります。
授業のねらい・到達目標 ＜授業のねらい＞
・自ら学ぶ姿勢を身につけます。
・英語と日本語の教材により、深い理解を身につけます。
・各自の理解度に応じて学習に取り組み、継続的な学習習慣を形成します。
・反復的な学習により、少しずつ着実に理解が深まる手応えを実感します。
・基礎的な学習の積み重ねが、体系的な内容の理解に重要であることを認識します。

＜到達目標＞
・分からないことを自分で調べ、自分で学ぶことができる。
・英語の教材に慣れ親しみ、世界中の高品質なリソースへアクセスができる。
・反証可能な形で論理を展開できる。
・現代社会において重要な計算社会科学、ビッグデータ、機械学習について理解を深め、説明できる。

【日本大学教育憲章ルーブリック】
上記の＜知識＞＜技能＞の習得を経て，以下の＜能力＞を育むことが目標である。
・現代社会の多層性と多様性を，社会学の専門領域の知見を踏まえ論理的・批判的に理解することができる。（A-3-3: 論理的・批判的思考力）

この科目は文理学部（学士（社会学））のディプロマポリシー DP 3 及び カリキュラム・ポリシー CP 3 に対応しています。
授業の形式 講義
授業の方法 予習：英語の教材と資料で予習をします。時間をかけ、理解が深まるまで何度でも繰り返し学習をします。英単語は、日常生活に必要と言われる The Oxford 3000 学習基本語彙3000語で 90％程度を占めています。
授業：毎回、小テストに取り組み、自身の理解を振り返ります。質疑応答により、理解を深めます。一部の教材は、履修登録の確定以後、学習が可能となります。
復習：課題に取り組み、クリアできるまで繰り返し復習し、理解を固めます。
授業内容についての具体的な質問については、勉強のお問い合わせ Googleフォームを常設し、質問と回答を蓄積・共有し、フィードバックを行っている。

本授業の事前学習は３時間、事後学習は１時間の学習を目安とします。
授業計画
1 初回は、09:00〜23:59の間、問い合わせへの個別対応を Google Meet で行う。希望者は Googleカレンダーの予約スケジュールから任意の予約枠を予約すること。
What is Data Science? （A-3-2） Computational Social Science: Introduction（A-3-2）
【事前学習】第四次産業革命について調べておく （3時間）
【事後学習】はじめてのAI （A-3-2） （1時間）
【授業形態】オンデマンド型授業
2 Computational Social Science （A-3-2） For the love of foreign languages （A-3-2）
【事前学習】Computational Social Science （A-3-2） （3時間）
【事後学習】Computational Social Science 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
3 Data Science （A-3-2） Are computers making us dumb? （A-3-2）
【事前学習】Social Science （A-3-2） （3時間）
【事後学習】Social Science 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
4 Overview of Big Data （A-3-2） Do you fear Artificial Intelligence? （A-3-2）
【事前学習】Overview of Big Data （A-3-2） （3時間）
【事後学習】Overview of Big Data 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
5 Machine Learning （A-3-2） Rise of the machines （A-3-2）
【事前学習】Machine Learning （A-3-2） （3時間）
【事後学習】Machine Learning 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
6 Social Networks （A-3-2） Talking to machines （A-3-2）
【事前学習】Social Networks （A-3-2） （3時間）
【事後学習】Social Networks 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
7 Models 小テスト （A-3-2） Training artificial intelligence （A-3-2）
【事前学習】Models （A-3-2） （3時間）
【事後学習】Models 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
8 Digital Footprint （A-3-2）
【事前学習】Digital Footprint （A-3-2） （3時間）
【事後学習】Digital Footprint 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
9 Political Big Data （A-3-2）
【事前学習】Political Big Data（A-3-2） （3時間）
【事後学習】Political Big Data 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
10 Limitations （A-3-2）
【事前学習】Limitations （A-3-2） （3時間）
【事後学習】Limitations 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
11 Artificial Intelligence （A-3-2）
【事前学習】Artificial Intelligence （A-3-2） （3時間）
【事後学習】Artificial Intelligence 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
12 Conversations （A-3-2）
【事前学習】Conversations （A-3-2） （3時間）
【事後学習】Conversations 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
13 Cognitive Biases （A-3-2）
【事前学習】Cognitive Biases （A-3-2） （3時間）
【事後学習】Cognitive Biases 復習課題 （A-3-2） （1時間）
【授業形態】オンデマンド型授業
14 Research Ethics （A-3-2）
【事前学習】Research Ethics （A-3-2） （3時間）
【事後学習】Research Ethics 復習課題（A-3-2） （1時間）
【授業形態】オンデマンド型授業
15 BigQuery （A-3-2）
【事前学習】BigQuery （A-3-2） （3時間）
【事後学習】BigQuery 復習課題（A-3-2） （1時間）
【授業形態】オンデマンド型授業
その他
教科書 なし
参考書 北川源四郎／竹村彰通・編　内田誠一／川崎能典／孝忠大輔／佐久間淳／椎名洋／中川裕志／樋口知之 ／丸山宏・著 『教養としてのデータサイエンス （データサイエンス入門シリーズ）』 講談社 2021年
成績評価の方法及び基準 毎回のクイズ、課題など(100%)
必ず第１回目から Google Classroom のクラスに参加し、学習と課題提出に取り組んで下さい。 × CHIPS の履修登録だけを済ませておく。 × Canvas LMS のコース登録だけを済ませておく。 × Google Classroom のクラス参加だけを済ませておく。
継続的な学習習慣と、理解の蓄積が大切です。
小テスト、復習課題などの学習状況・理解度の確認、成績評価のため、 NU-AppsG と Google Classroom の利用が必要です。
以上を踏まえ、A-3-2（論理的・批判的思考力）の修得状況を評価します。
オフィスアワー 授業時間帯の前後を中心に、Googleフォーム経由で適宜対応。
備考 シラバスの内容は学生の皆さんの学修の状況を考慮して、変更することもあります。

↑このページのトップ