Advanced Lecture for Social Simulations

Course Title

Course Title in English

Advanced Lecture for Social Simulations

Course Type

-

コース応用科目（計算科学コース）

Eligible Students

Graduate School of Information Science

Target Grade

1Year

Course Numbering Code

KIIMD5MCA1

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

Fall semester 2026

Instructor

Hiroyasu Inoue,藤原義久,木村真

Affiliation

情報科学研究科

Language of Instruction

Japanese

Related SDGs

N/a

Office Hours and Location

授業後60分・教員研究室

Contact

井上 <inoue@gsis.u-hyogo.ac.jp>
木村 <skimura@gsis.u-hyogo.ac.jp>
藤原 <yoshi@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

ー

Corresponding Graduate School DP

2◎／1〇

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

【講義目的】
　本講義は、社会や経済のさまざまな現象に関するデータ分析の手法やそのモデル化・シミュレーションの技法を学び、習熟することを目的としている。
【到達目標】
　到達目標は、現象や観測・実験データに応じたさまざまな技法を適用して、モデル・シミュレーションの一連の流れを応用することができる。

Subtitle and Keywords of the Class

サブタイトル：社会や経済のさまざまな現象に関するデータ分析の手法やそのモデル化・シミュレーションの技法を身につけ、応用する社会シミュレーション
キーワード：経済モデル、データサイエンス、因果推論、社会シミュレーション、エージェントベースモデル、複雑ネットワーク

Course Overview and Schedule

【講義内容】
　社会や経済のデータ分析手法や、社会や経済のさまざまな現象のモデル化・シミュレーションに関する講義を行う。

【授業計画】
1. (木村) イントロダクション
2. (木村) 経済の基本概念
3. (木村) 経済モデルの基礎
4. (木村) 消費者行動のモデル
5. (木村) 生産者行動のモデル
6. (藤原) 統計的因果推論の入門
7. (藤原) 因果推論と選択バイアス
8. (藤原) 因果推論の枠組み（１）Rubin流の考え方
9. (藤原) 因果推論の枠組み（２）効果の定義と推定
10. (藤原) 因果推論の方法と応用例：傾向スコアなどの手法と応用例
11. (井上) 社会科学とシミュレーション
12. (井上) セルオートマトン
13. (井上) ゲーム理論
14. (井上) 待ち行列モデル
15. (井上) エージェントベースモデル

パソコンの利用：使用予定、担当教員から別途指示する。

<<生成AIの利用について>>
・レポート、小論文、学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできません。

In-person/Remote Classification

In-person (Broadcasting Campus)

Implementation Method and Remote Credit Limit Application

・対面授業のみだが、他キャンパスへ授業内容を同時配信
・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

授業内容の理解のための利用は積極的に利用してください。ただし、レポートについては特に指示がないかぎり、課題を直接生成AIに与えることを原則禁止とします。

Textbook

担当教員から別途通知する。

References

・ナイジェル・ギルバート, クラウス・トロイチュ, 『社会シミュレーションの技法』(日本評論社, 2003)
・岩崎学「統計的因果推論」（朝倉書店, 2015）
・高橋将宜「統計的因果推論の理論と実装：潜在的結果変数と欠測データ」（共立出版, 2022）
その他、担当教員から別途通知する。

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

【予習】
授業に際して指示するテキスト・配布資料を事前読み込み(15h)
【復習】
レポート作成(30h)、講義内容の理解を深め定着させるためにテキスト・配布資料を読み直し(15h)

Contents of Active Learning

授業中に行うインタラクティブなディスカッション、数名程度のグループ単位での学生同士のディスカッションを行う。

Grading Criteria and Methods

【成績評価の基準】
社会や経済の現象や観測・実験データに応じたさまざまな技法を適用して、モデル・シミュレーションの一連の流れを応用することができる者については、講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に基づき、S(90点以上), A(80点以上), B(70点以上), C(60点以上)による成績評価のうえ、単位を付与する。
【成績評価の方法】
レポート・小テストを基準として、受講態度（積極的な質問等）を含めて総合的に評価する。

How to Disclose Assignments and Exam Results

小テストは、原則次の講義内で解説する。
レポートは、ユニバーサルパスポートのクラスプロファイル機能などを使って講評を返す、解答例を示すなどを行う。

Precautions and Requirements for Course Registration

履修にあたっては、コース基盤科目「計算科学概論」「計算科学演習」を履修済みであることが望ましい。

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.

Syllabus data