シラバス情報
|
教員名 ： 川嶋 宏彰
|
授業科目名
社会データ分析 （社会情報・専門科目）
(英語名)
Social Data Analysis （社会情報・専門科目）
科目区分
専門教育科目
-
対象学生
社会情報科学部
学年
学年指定なし
ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ
KCJBS3MCA1
単位数
2単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の？から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度前期
担当教員
川嶋 宏彰、湯本 高行、大島 裕明
所属
社会情報科学部
授業での使用言語
日本語
関連するＳＤＧｓ目標
該当なし
ｵﾌｨｽｱﾜｰ・場所
講義後に教室、もしくはメールでアポを取り教員室にて
連絡先
kawashima@gsis.u-hyogo.ac.jp
t.yamamoto@gsis.u-hyogo.ac.jp yumoto@gsis.u-hyogo.ac.jp 対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
2◎／1〇／3〇
研究科DP
ー
全学DP
ー
教職課程の学修目標
ー
講義目的・到達目標
講義目的：オムニバス形式で講義を行い、様々なデータ分析手法が実社会における意思決定の場でどのように活用されているのかを学ぶ。 授業のサブタイトル・キーワード
講義内容・授業計画
Ⅰ講義内容
ウェブ・ソーシャルメディア、金融・経済といった、人々の社会的活動がなされる分野に焦点を当て、様々なデータ分析手法が実社会における意思決定の場でどのように活用されているのかを、具体的分析事例とともに紹介する。また、実データに対して実際にデータ分析手法を適用する講義を通して、データから具体的な価値ある知識を見つけることを学ぶ。 Ⅱ授業計画 （各トピックは進行の目安であり多少の前後や他の話題の講義がある。） １．評価・購買データの活用と推薦システムの基礎（山本岳洋） ２．推薦システムの応用（山本岳洋） ３．ウェブデータの収集と分析（山本岳洋） ４．実社会における推薦システムの活用（山本岳洋） ５．ウェブと社会的課題（山本岳洋） ６. ソーシャルメディアの現状（湯本高行） ７．ネットワーク科学（湯本高行） ８．テキスト分析（湯本高行） ９．データ収集と実験手法（湯本高行） １０．ソーシャルメディア分析の応用事例（湯本高行） １１．実社会におけるセンサデータ分析の概要（川嶋宏彰） １２．各種センサの仕組み（川嶋宏彰） １３．センサによるデータ収集の仕組み（川嶋宏彰） １４．センサデータの信号処理と特徴抽出（川嶋宏彰） １５．センサデータ分析の応用事例（川嶋宏彰） ※ 生成系AI の利用については教員の指示に従うこと。生成系AI による出力結果をそのまま課題レポートとして提出してはいけない。生成系AI による出力をそのまま提出したことが判明した場合は単位を認定しない、又は認定を取り消すことがある。 教科書
授業中に適宜資料を配布する。 参考文献
Dietmar Jannachら：情報推薦システム入門 -理論と実践-，共立出版（2012）土方嘉徳：ソーシャルメディア論，サイエンス社 (2020) 榊剛史ら：Pythonではじめるテキストアナリティクス入門，講談社 (2022)ディジタル画像処理編集委員会：ディジタル画像処理 改訂第二版，画像情報教育振興協会 (CG-ARGS) (2020)その他、各教員が適宜指示する。 事前・事後学習（予習・復習）の内容・時間の目安
授業の予習 (10h)、授業の復習 (30h)、レポート課題 (20h)
アクティブ・ラーニングの内容
授業に関連する知識を各自が主体的に活用できる課題を設定するとともに、コミュニケーションツールによる質問などを通じて知識の定着を図る。
成績評価の基準・方法
様々なデータの具体的な収集・処理・分析・応用手法を理解し、実社会における活用事例の知識が身についていること。 成績評価の方法 授業内課題40%、レポート60%を基準として総合的に評価する。 課題・試験結果の開示方法
小テストやレポートなどの解説を必要に応じて授業中に行う。
履修上の注意・履修要件
・授業中に指示した宿題や事前・事後学習はもとより、十分な予習・復習をして講義に出席すること。
・各自ノートPCを持ち込むこと。 実践的教育
該当しない。
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。
|
