社会データ分析 (社会情報・専門科目)

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

科目区分

専門教育科目

-

対象学生

社会情報科学部

学年

3年

ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ

KCJBS3MCA1

単位数

2.00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

2026年度前期

担当教員

土方嘉徳、山本岳洋、湯本高行

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

hijikata@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、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。

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）

対面・遠隔の別

対面

実施方法及び遠隔上限適用対象の別

生成ＡＩの利用

利用する場面を限定し許可

生成ＡＩ注意点

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。

教科書

授業中に適宜資料を配布する。

参考文献

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)

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 (20h)、レポート課題 (20h)、試験勉強 (10h)

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

・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。

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。

シラバス情報