Social Data Analysis ｜ Syllabus data

Course Title

Social Data Analysis

Course Title in English

Social Data Analysis

Course Type

Major Courses

-

Eligible Students

School of Social Information Science

Target Grade

3Year

Course Numbering Code

KCJBS3MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

Instructor

土方嘉徳,山本岳洋,湯本高行

Affiliation

社会情報科学部

Language of Instruction

Japanese

Related SDGs

N/a

Office Hours and Location

講義後に教室、もしくはメールでアポを取り教員室にて

Contact

hijikata@gsis.u-hyogo.ac.jp
t.yamamoto@gsis.u-hyogo.ac.jp
yumoto@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

2◎／1〇／3〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的：オムニバス形式で講義を行い、ウェブやソーシャルメディアの歴史や発展を紹介し、人々の表現や参加のあり方がどのように設計され、社会データとして蓄積されてきたのかを理解する。その上で、こうした社会データが情報科学の技術開発やデータ分析手法と結びつき、実社会における意思決定にどのように応用されているのかを学ぶ。
到達目標：ウェブやソーシャルメディアなどの社会データの具体的な収集・処理・分析・応用手法を理解するとともに、実社会における技術の活用方法や、それによって引き起こされる新たな社会問題について考察し、自らの考えを表現することができる。

Subtitle and Keywords of the Class

Course Overview and Schedule

Ⅰ講義内容
ウェブやソーシャルメディアの普及により、人々の社会的活動は大量のデータとして記録・蓄積されるようになった。本講義では、こうした社会データがどのように生み出され、どのような分析技術によって理解・活用されてきたのかを、情報科学と社会の両面から学ぶ。
前半では、ウェブの発展やソーシャルメディアの歴史を概観し、テキスト、画像、動画といった表現の変化や、参加型メディアとしてのSNSが広く普及した背景をサービス設計論の観点から理解する。中盤では、評価・購買データを用いた推薦システムを中心に、ウェブデータの収集・分析手法と、それらが実社会の意思決定やサービス設計にどのように活用されているかを具体例とともに扱う。後半では、ネットワーク分析やテキスト分析といった代表的な社会データ分析手法を取り上げ、社会構造や人々の意見・関心をどのように読み解けるのかを学ぶ。

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．本授業のガイダンス（土方嘉徳）
２．ウェブの発展がもたらした情報科学・社会科学研究への革新（土方嘉徳）
３．ソーシャルメディアの歴史と分類（土方嘉徳）
４．ソーシャルメディア表現の進化 −テキスト・タグから動画まで−（土方嘉徳）
５．参加型ウェブとしてのSNS −Web2.0の視点から−（土方嘉徳）
６．評価・購買データの活用と推薦システムの基礎（山本岳洋）
７．推薦システムの応用（山本岳洋）
８．ウェブデータの収集と分析（山本岳洋）
９．実社会における推薦システムの活用（山本岳洋）
１０．ウェブと社会的課題（山本岳洋）
１１．ネットワーク分析1（湯本高行）
１２．ネットワーク分析2（湯本高行）
１３．テキスト分析1（湯本高行）
１４．テキスト分析2（湯本高行）
１５．発展的話題（湯本高行）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。生成ＡＩの利用については担当教員の指示に従うこと。教員が認める範囲を超えて生成ＡＩを利用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。生成ＡＩの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成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ならない。

Textbook

授業中に適宜資料を配布する。

References

土方嘉徳：ソーシャルメディア論，サイエンス社 (2020)
Dietmar Jannachら：情報推薦システム入門 -理論と実践-，共立出版（2012）

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)

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

授業の予習 (10h)、授業の復習 (20h)、レポート課題 (20h)、試験勉強 (10h)

Contents of Active Learning

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。

Grading Criteria and Methods

・ウェブの発展とソーシャルメディアの歴史・概念を理解し、現代のSNSを社会的・技術的文脈の中で位置づけて捉える知識が身についていること。
・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

定期試験30%、授業内課題30%、レポート40%を基準として総合的に評価する。

How to Disclose Assignments and Exam Results

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。

Precautions and Requirements for Course Registration

・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。

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.