日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 科目設置学部/ CollegeCollege |
経営学部/College of BusinessCollege of Business |
| 科目コード等/ Course CodeCourse Code |
BT284/BT284BT284 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
AI時代に求められるデータ駆動型意思決定力を身に付ける |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
演習・ゼミ/SeminarSeminar |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
火5/Tue.5 Tue.5 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
BUS3013 |
| 使用言語/ LanguageLanguage |
その他/OthersOthers |
| 履修登録方法/ Class Registration MethodClass Registration Method |
その他登録/"Other" Registration"Other" Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/business.html |
| 備考/ NotesNotes |
コンセントレーション：マーケティング領域 |
The objective of this course is to enable students to understand the theoretical foundations of major data analysis methods widely used in business and to apply these methods to real-world business data in order to appropriately interpret analytical results.
In addition, by using generative AI as a supportive learning tool, students will develop the ability to critically evaluate the validity and limitations of analytical outcomes and to avoid uncritical reliance on AI-generated outputs, thereby cultivating the ability to make data-driven decisions based on quantitative evidence in the AI era.
This course is conducted in a seminar format and consists of two phases.
In the first half, students independently investigate and present major data analysis methods commonly used in business, organizing their theoretical characteristics and practical applications. Generative AI may be used as a supportive tool for literature review and understanding analytical methods; however, students are required to verify the accuracy and validity of the information and to examine it critically.
In the second half, students work individually or in groups on data analysis projects using real-world business data. While generative AI may be utilized as a supplementary tool for coding and implementation, students are expected to independently evaluate the appropriateness of method selection, interpret analytical results, and discuss their business implications and limitations.
Throughout the course, generative AI is positioned strictly as a support tool for learning and analysis, and emphasis is placed on developing students’ ability to critically assess and clearly explain analytical outcomes rather than relying uncritically on AI-generated outputs.
| 1 | オリエンテーション（授業の目的，進め方，評価方法） |
| 2 | データ分析の基礎（分析手法の種類，前処理，評価指標） |
| 3 | 線形回帰・ロジスティック回帰・決定木 |
| 4 | ランダムフォレスト・勾配ブースティング・ニューラルネットワーク |
| 5 | k-meansクラスタリング・階層的クラスタリング・主成分分析 |
| 6 | グループワーク（分析手法の整理と議論） |
| 7 | データ分析課題構想発表 |
| 8 | データ分析課題構想発表 |
| 9 | グループワーク（データ加工，分析設計） |
| 10 | データ分析課題中間発表 |
| 11 | データ分析課題中間発表 |
| 12 | グループワーク（分析の高度化，解釈の検討） |
| 13 | データ分析課題最終発表 |
| 14 | データ分析課題最終発表・総括 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各回のテーマに関連するデータ分析手法や既存研究について，文献調査や生成AIを活用した事前学習を行うこと。また，発表に向けて，授業時間外にデータ分析，プログラミング，資料作成を行うことを求める。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業中のプレゼンテーション(50%) 授業貢献度(50%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 本橋永至 | 『Rで学ぶ統計データ分析』 | オーム社 | 2015 | 9784274217814 |
・PCを用いた基本的なデータ操作能力
・発表内容を整理した資料を作成し，自らの考えを口頭で分かりやすく説明できる能力
・自発的に学習し，議論やグループワークに積極的に参加する姿勢
※プログラミング経験は必須ではないが，学ぶ意欲を強く求める。
ノートPC
・ゼミ形式のため，受講者には積極的な発言と主体的な学修姿勢を求める。
・授業内容や進行は，受講者の理解度や関心に応じて一部調整する場合がある。
本授業では，ビジネス分野で広く用いられている代表的なデータ分析手法について，理論的背景を理解し，実際のビジネスデータに適用することで，分析結果を適切に解釈できる能力を身につけることを目標とする。
また，生成AIを補助的な学習ツールとして活用しながら，分析結果の妥当性や限界を人間が自ら評価・判断できる力，およびAIの出力を鵜呑みにせず批判的に検討する姿勢を養い，AI時代において定量的根拠に基づく意思決定を行える能力を養成する。
The objective of this course is to enable students to understand the theoretical foundations of major data analysis methods widely used in business and to apply these methods to real-world business data in order to appropriately interpret analytical results.
In addition, by using generative AI as a supportive learning tool, students will develop the ability to critically evaluate the validity and limitations of analytical outcomes and to avoid uncritical reliance on AI-generated outputs, thereby cultivating the ability to make data-driven decisions based on quantitative evidence in the AI era.
本授業はゼミ形式で行われ，前半と後半の二部構成とする。
前半では，ビジネス分野で頻繁に用いられる代表的なデータ分析手法について，受講者が自ら調査し，理論的特徴や活用事例を整理・発表することで理解を深める。その際，生成AIを文献調査や手法理解の補助として活用するが，内容の正確性や妥当性については受講者自身が検証し，批判的に検討することを重視する。
後半では，グループまたは個人ごとに実際のビジネスデータを用いた分析課題に取り組み，適切な手法選択，分析の実装，結果の解釈を行う。分析のコーディングにおいては生成AIを補助的に用いることを認める一方で，手法選択の妥当性，分析結果の解釈，およびビジネス上の含意や限界については，受講者自身が議論し判断することを求める。
授業全体を通じて，生成AIをあくまで学習・分析を支援するツールとして位置づけ，AIの出力を鵜呑みにせず，人間が主体的に分析結果を評価・説明する力の育成を目指す。
This course is conducted in a seminar format and consists of two phases.
In the first half, students independently investigate and present major data analysis methods commonly used in business, organizing their theoretical characteristics and practical applications. Generative AI may be used as a supportive tool for literature review and understanding analytical methods; however, students are required to verify the accuracy and validity of the information and to examine it critically.
In the second half, students work individually or in groups on data analysis projects using real-world business data. While generative AI may be utilized as a supplementary tool for coding and implementation, students are expected to independently evaluate the appropriateness of method selection, interpret analytical results, and discuss their business implications and limitations.
Throughout the course, generative AI is positioned strictly as a support tool for learning and analysis, and emphasis is placed on developing students’ ability to critically assess and clearly explain analytical outcomes rather than relying uncritically on AI-generated outputs.
| 1 | オリエンテーション（授業の目的，進め方，評価方法） |
| 2 | データ分析の基礎（分析手法の種類，前処理，評価指標） |
| 3 | 線形回帰・ロジスティック回帰・決定木 |
| 4 | ランダムフォレスト・勾配ブースティング・ニューラルネットワーク |
| 5 | k-meansクラスタリング・階層的クラスタリング・主成分分析 |
| 6 | グループワーク（分析手法の整理と議論） |
| 7 | データ分析課題構想発表 |
| 8 | データ分析課題構想発表 |
| 9 | グループワーク（データ加工，分析設計） |
| 10 | データ分析課題中間発表 |
| 11 | データ分析課題中間発表 |
| 12 | グループワーク（分析の高度化，解釈の検討） |
| 13 | データ分析課題最終発表 |
| 14 | データ分析課題最終発表・総括 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各回のテーマに関連するデータ分析手法や既存研究について，文献調査や生成AIを活用した事前学習を行うこと。また，発表に向けて，授業時間外にデータ分析，プログラミング，資料作成を行うことを求める。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業中のプレゼンテーション(50%) 授業貢献度(50%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 本橋永至 | 『Rで学ぶ統計データ分析』 | オーム社 | 2015 | 9784274217814 |
・PCを用いた基本的なデータ操作能力
・発表内容を整理した資料を作成し，自らの考えを口頭で分かりやすく説明できる能力
・自発的に学習し，議論やグループワークに積極的に参加する姿勢
※プログラミング経験は必須ではないが，学ぶ意欲を強く求める。
ノートPC
・ゼミ形式のため，受講者には積極的な発言と主体的な学修姿勢を求める。
・授業内容や進行は，受講者の理解度や関心に応じて一部調整する場合がある。