授業科目名 年度 学期 開講曜日・時限 学部・研究科 全担当教員 単位数
52212:実践データ科学 (GV) § 52213:特殊講義（実践データ科学1）(GV) 2022 春セメスター 木4 経営学部,総合心理学部 爲井 智也 2

キャンパス

OIC

授業施設

AS267マルチメディアルーム

授業で利用する言語

日本語

授業の概要と方法

　ビッグデータを使ったデータ解析が注目を集めており、ビッグデータを用いたデータ解析のスキルはどの分野でも必須になってくる。本講義では、ケーススタディを通して簡単な統計手法を身につけた後、データがどのように収集、及び分析されるのか実例を使って解説するとともに、実際のデータを使って、データ解析を行い、その作業を通して、データ解析への理解を深める。本講義で使用するデータは立命館生協の売り上げ、集客数などのデータや大学キャンパスの消費電力データなどを用いる。最終発表後、生協関連のテーマの分析結果からいくつかを立命館生協に報告し、発表についてフィードバックしてもらう。本講義では「一般的に雨の日にコンビニの売上は低下するが、生協系のコンビニショップにもそれは言えるのか？」のようなテーマを学生グループで設定し、そのテーマに対し、科学的根拠に基づいた議論を学生間で行う。最終発表にて、分析結果を発表し、その分析結果に基づいた学生独自の意見の提言も行う。

　講義は基本的に対面授業で実施するが、教室が密になる可能性があるので、受講者数が教室の収容人数の50%を超える場合、グループワークの班ごとに対面(7回分)とWeb(7回分)の日を決めた上で、授業を実施する。そのため、第1回講義だけは全員Web授業で実施し、その時に第2回講義以降に「グループワークを行う班分け」、「完全に対面授業にするのか、対面授業とWeb授業を組み合わせるのか」、「どの班がどの日に対面になるのか」を連絡する。

　なお、BCPレベルが3を超える場合は、全ての受講生はWeb講義に移行する。その際、中間( 最終 )発表の日がWeb講義の対象期間になった場合は、プレゼンで使うパワーポイント(口頭発表の内容をノート欄に記載)の提出で発表を行ったものとする。

　スライド、レジュメをmanaba+Rの「コンテンツ」に格納する。内容は上記の分析に必要だと思われる分析手法や分析事例の紹介であり、これを基にグループワーク（グループが設定したテーマに対する分析）を行ってもらう。各週の進捗状況をレポートとして提出することで、それを出席点として評価する。エクセル等の計算ツールを使って、分析を行う場合、Web授業日に設定された受講生は個人のPCを用意するか、情報教室のPCを予約すること。予約のための URL を以下に記す。

http://www.ritsumei.ac.jp/rainbow/news/detail/?detail_id=89

受講生の到達目標

(1) データ解析を理解し、扱うことができる。
(2) データ解析の結果を鵜呑みにせず、その理論的な正しさを判断できる。
(3)どのようにしてデータを収集しているのかを理解する。

事前に履修しておくことが望まれる科目

授業スケジュール

授業回数/
担当教員（複数担当の場合） 		テーマ
キーワード・文献・補足事項等
1


イントロダクション：授業の進め方、データ科学とは
事例研究 1 : アメリカ大統領選におけるデータ分析の実例

グループ分け、テーマ設定、データ配布、相関関係、因果関係、ランダム化比較試験( RCT )

2~3

事例研究 2 : 税抜き価格表示の秘密

データ分析、ランダムサンプリング、データの中心とばらつき( 平均と分散 )

4~5

事例研究 3 : 自動車重量と排ガス規制

データ分析、データの類似性 ( 相関係数 )、データの出現頻度 ( 頻度分布 )

6

事例研究 4 : 立命館生協店舗における気温と集客数の関係
( 2グループに分ける場合 ; 中間発表 )

データ分析、データの近似 (回帰分析)
( 2グループに分ける場合 ; データ分析、議論、問題点の洗い出し )

7

中間発表

データ分析、議論、問題点の洗い出し

8

事例研究 5 :「大学の偏差値」と「収入」の間に因果関係はあるのか

データ分析、マッチング法

9~10

事例研究 6 : 企業におけるデータ分析の実例

データ分析、ランダム化比較試験( RCT )

11

事例研究 7 : 医療費の自己負担比率と外来患者数

データ分析、回帰不連続デザイン法

12

事例研究 8 : 受動喫煙と心臓病のリスク

データ分析、パネルデータ分析

13

事例研究 9 : メタボ検診で長生きできるのか？

データ分析、ランダム化比較試験( RCT )

14

これからのデータ分析の主流
( 2グループに分ける場合 ; 最終発表 )

データ分析、ビッグデータ、コンピュータ、情報技術、POSシステム
( 2グループに分ける場合 ; 提言 )

15

最終発表

提言

授業実施形態

【BCPレベル1～2の場合】

・第1回をWEB（オンデマンド）で、第2回～第15回を対面にて実施。
（受講登録の結果、受講者が教室定員の50％を超えた場合、受講者を対面出席のグループとＷＥＢ配信のグループに分け、2グループを入れ替え、出席調整をする場合がある。それでも身体的距離が十分に確保できない場合は、全員「ＷＥＢ」授業に切り替える場合がある。）

【BCPレベル3～4の場合】

・第1回～第15回をＷＥＢ（オンデマンド）にて実施。

授業外学習の指示

レポート課題や、自ら興味を持った事項については、自ら文献を調べたりして学習してほしい。

成績評価方法

種別 割合(%) 評価基準等
定期試験（筆記）

レポート試験
（統一締切日を締切とするレポート）

上記以外の試験・レポート、平常点評価
（日常的な授業における取組状況の評価）		 100

　出席、中間発表および、最終発表を基に成績を評価する。データ分析を正しく理解しているかが、発表の評価基準となる。配点は、出席点 : 30点(2点×15)、中間発表 : 30点、最終発表 : 40点とする。ただし、グループで分析、発表するので、出席状況による貢献度を考慮に入れ、それを発表点に反映させる。
　ただし、グループごとに対面授業とWeb授業を7回ずつ実施する場合は、先に最終発表を行うグループの方が、分析にかけられる時間が短いので、先に発表したグループには発表合計点に15/14をかけることで、補正を行う。

成績評価方法(備考)

受講および研究に関するアドバイス

教科書

書名 著者 出版社 ISBNコード 備考
データ科学の基礎 笠原健一, 宮野尚哉, 長憲一郎 共立出版 9784320124790

教科書(使用頻度、その他補足)

データ分析に関する教材、エクセルの手引書はmanaba+Rを通して配布する

参考書

参考書(使用頻度、その他補足)

参考になるwwwページ

この科目は、教養教育における6つの科目群のうち、「立命館科目」に位置付けられています。詳しくは、http://www.ritsumei.ac.jp/liberalarts/course/course-r.html/

授業内外における学生・教員間のコミュニケーションの方法

manaba+R,学生との直接対話,その他(教員より別途指示）

備考

【科目ナンバリング・カリキュラムマップはこちらから/Click here to see the Curriculum-Map and Course-Numbering】
URL:http://www.ritsumei.ac.jp//students/pathways-future/course/curriculum.html