日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
社会学部/College of SociologyCollege of Sociology |
| 科目コード等/ Course CodeCourse Code |
DK041/DK041DK041 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
文章をデータで読み解く |
| 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 |
水1/Wed.1 Wed.1 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 |
SOX1620 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
自動登録/Automatic RegistrationAutomatic 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 |
×（履修中止不可/ Not 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。 |
| 備考/ NotesNotes |
ソーシャルデータサイエンスコース（1年次コース内定者含む）向け科目．SDSコース生以外の履修不可． |
This course is focused on understanding the fundamental concept of computer-assisted quantitative content analysis through practice using Python.
The student will learn the basic skills of programming and quantitative content analysis by using the methods of natural language processing with Python.
| 1 | ガイダンス：本講義の意義、基本的概念および受講方法について説明する |
| 2 | 関数と変数：コンピュータにデータ処理を実行させるために必要な基本概念とスキルを学ぶ |
| 3 | リストとディクショナリ：多量のデータを効率よく扱うためのデータ型を学ぶ |
| 4 | 条件分岐：特定の条件で処理を分岐させるための構文を学ぶ |
| 5 | 反復処理：特定の処理を繰り返し実行させるための構文を学ぶ |
| 6 | 中間復習 |
| 7 | モジュールの活用：高度な処理を効率よく記述するための「モジュール」の使い方を学ぶ |
| 8 | ファイルを読み書きする：巨大なデータを処理するために必要なファイルの読み書きの方法を学ぶ |
| 9 | テキストデータを操作する：Pythonによるテキストデータ処理の基本的スキルを学ぶ |
| 10 | データから気づきを得る：Pythonを使ってCSVデータの処理と分析を実施してみる |
| 11 | テキストデータを分解する：テキストデータを定量データへ変換するスキルを学ぶ |
| 12 | 重要な単語を見つけ出す：テキストデータから分析目的に則した単語を見つけ出し、可視化する方法を学ぶ |
| 13 | テキストデータを分類する：単語群や文書群を分類するための処理の基礎を学び、分析へと結びつける |
| 14 | 最終課題の説明 |
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
毎回の配布資料をもとに各自で復習することが望ましい。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終レポート(Final Report)(40%) 中間課題(30%) 出席および提出物(30%) |
| 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 | 柴田 淳 | 『みんなのPython 第4版』 | SBクリエイティブ | 2016 | 9784797389463 |
| 2 | 金 明哲 | 『テキストアナリティクスの基礎と実践』 | 岩波書店 | 2021 | 4000298968 |
プログラミング初学者の履修を想定しているが、数学の基本的素養が必要な回が一部ある。
前半はPythonの基礎的内容となっているため、既にある程度のスキルを持つ者には簡単すぎるかもしれない。
BYOD形式で実施するため、ノートPCの持参が必須である。
コンピュータを使ってテキストを数量的に分析する方法を理解する。
This course is focused on understanding the fundamental concept of computer-assisted quantitative content analysis through practice using Python.
Pythonによるプログラミングの基礎を身につけ、自然言語処理によるテキストデータの計量的分析の手法を学ぶ。
The student will learn the basic skills of programming and quantitative content analysis by using the methods of natural language processing with Python.
| 1 | ガイダンス：本講義の意義、基本的概念および受講方法について説明する |
| 2 | 関数と変数：コンピュータにデータ処理を実行させるために必要な基本概念とスキルを学ぶ |
| 3 | リストとディクショナリ：多量のデータを効率よく扱うためのデータ型を学ぶ |
| 4 | 条件分岐：特定の条件で処理を分岐させるための構文を学ぶ |
| 5 | 反復処理：特定の処理を繰り返し実行させるための構文を学ぶ |
| 6 | 中間復習 |
| 7 | モジュールの活用：高度な処理を効率よく記述するための「モジュール」の使い方を学ぶ |
| 8 | ファイルを読み書きする：巨大なデータを処理するために必要なファイルの読み書きの方法を学ぶ |
| 9 | テキストデータを操作する：Pythonによるテキストデータ処理の基本的スキルを学ぶ |
| 10 | データから気づきを得る：Pythonを使ってCSVデータの処理と分析を実施してみる |
| 11 | テキストデータを分解する：テキストデータを定量データへ変換するスキルを学ぶ |
| 12 | 重要な単語を見つけ出す：テキストデータから分析目的に則した単語を見つけ出し、可視化する方法を学ぶ |
| 13 | テキストデータを分類する：単語群や文書群を分類するための処理の基礎を学び、分析へと結びつける |
| 14 | 最終課題の説明 |
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
毎回の配布資料をもとに各自で復習することが望ましい。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終レポート(Final Report)(40%) 中間課題(30%) 出席および提出物(30%) |
| 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 | 柴田 淳 | 『みんなのPython 第4版』 | SBクリエイティブ | 2016 | 9784797389463 |
| 2 | 金 明哲 | 『テキストアナリティクスの基礎と実践』 | 岩波書店 | 2021 | 4000298968 |
プログラミング初学者の履修を想定しているが、数学の基本的素養が必要な回が一部ある。
前半はPythonの基礎的内容となっているため、既にある程度のスキルを持つ者には簡単すぎるかもしれない。
BYOD形式で実施するため、ノートPCの持参が必須である。