Syllabus data

Teacher name ： 湯本 高行
Course Title
Problem Based Learning II
Course Title in English
Problem Based Learning II
Course Type
Major Courses
ー
Eligible Students
School of Social Information Science
Target Grade
2Year
Course Numbering Code
KCJBS2MCA3
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
演習 (Seminar)
Eligible Year/Semester
Fall semester 2026
Instructor
湯本 高行,川嶋 宏彰,山本 岳洋,宮崎 修一,入江 穂乃香,柳瀬 友朗,大野 暢亮,木村 真,川向 肇,竹村 匡正,大島 裕明,三上 渓太
Affiliation
社会情報科学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
講義後教室にて，もしくは，メールで連絡を取ったうえで教員室にて
Contact
講義中にアナウンス

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
4◎／2〇／3〇
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》
　本演習の主目的は，実際の企業活動から得られる規模の大きいデータの分析を通して，企業活動におけるデータ分析の重要性を理解することである．具体的には，データ分析を通じた問題発見・問題解決能力を養うことを目的とする．また，チームにおける各自の適性や能力を把握し，多様な価値観を理解できる力と，協調して問題解決にあたるための能力の養成も狙う．
《到達目標》
　企業活動におけるデータ分析の役割や重要性を学び，ソフトウェアやプログラミングを用いて，目的に合わせたデータ分析手法を適用できるようになることを到達目標とする．
Subtitle and Keywords of the Class
Course Overview and Schedule
Ⅰ講義内容
　本演習では，実際の企業活動から得られる大規模なデータと，企業が直面している課題が与えられ，学生数名からなるチームを組み，データからの課題発見と課題解決に取り組む．具体的には，分析ソフトウェアやプログラミングを通じて与えられたデータに種々の分析手法を適用し，仮説の立案・検証を試行錯誤により繰り返す．その後，データ分析より得られた知見に基づき課題解決の提案を行う．
 
※演習の進行状況と，連携企業の対応受け入れ状況に応じて変更があり得る．

Ⅱ 授業計画
第1回　オリエンテーション
　グループ編成・演習の進め方等について説明する
第2回　課題・データ解説
　実際の企業でデータ分析に関わる人を招き，本演習として取り組む課題や提供するデータについて説明する．
第3回〜第4回　データ分析の基礎
　本演習で使用する分析環境およびデータについて理解を深めるための基礎的な分析作業を行う．
第5回〜第7回　データ分析による問題発見
　チームごとに目的を定めてデータ分析を行い，現状の把握や問題発見を行う
第8回　データ分析結果報告会
　データ分析で得られた知見や取り組むべき問題をまとめ報告する．
第9回〜第12回　課題解決
　これまでに引き続きデータ分析を進め，チームとして設定した課題について問題解決方法を具体化し，最終課題の資料を作成する．
第13回〜第15回　成果報告会
　本演習で取り組んだ内容をまとめ報告する．

※ この授業では企業から提供されたデータを扱うため、生成系AIの利用は原則として禁止とする。 教員の許可なく生成系AIを使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。
In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対面授業のみ
・遠隔授業単位上限の適用を受けない
Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
企業から提供されたデータおよびそれに関する情報を生成AIに入力してはならない．
プログラムやスライド経由で漏洩しないように注意すること．
Textbook
Pythonによるビジネスデータサイエンス『③ マーケティングデータ分析』（朝倉書店）
 
また，必要に応じて適宜資料を配布する．

References
必要に応じて適宜紹介する．

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
Contents of Active Learning
班活動での討論や発表を通じて，自ら主体的に課題発見・課題解決に取り組むために必要な能力・態度を養成する．
Grading Criteria and Methods
《成績評価の基準》
　企業におけるデータとその分析の重要性を理解し，分析ソフトウェアやプログラミングを用いて，必要に応じた分析手法を適用できる者に単位を授与する．
講義目的・到達目標に記載する能力の到達度に応じてSからCまで成績を与える．
《成績評価の方法》
演習への取組姿勢（30%），グループ活動（10%），最終レポート（60%）を基準として総合的に評価する．

How to Disclose Assignments and Exam Results
個別の班ごとに討論内容や発表内容に対して適宜教員からフィードバックを行う．
Precautions and Requirements for Course Registration
  • 社会情報科学部の必修科目であり，全員受講しなければならない．
  • 本科目を履修するためには「PBL演習I」「データ分析演習」の単位を修得済みである必要がある．
  • 毎回ノートPCを持参すること．


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.