日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 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 |
Pythonで学ぶ数値とテキスト分析 |
| 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。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/sociology.html |
| 備考/ NotesNotes |
ソーシャルデータサイエンスコース科目． |
In this course, the goal is to acquire fundamental techniques for analyzing data using the programming language “Python.” Specifically, the course aims to achieve the following four objectives.
Programming: Understand basic concepts such as variables, conditional branching, and iterative processing, and acquire the skills to make a computer execute intended operations.
Numerical data analysis skills: Learn methods for reading tabular data handled in tools such as Excel into programs, performing data cleaning and aggregation, and visualizing the results in graphs.
Text data analysis skills: Learn techniques for quantitatively handling “language” data such as free-text responses and spoken statements, and develop the ability to analyze word frequencies and relationships.
Data-driven insight: Become capable of practicing the entire process of removing noise from raw data and deriving insights using appropriate analytical methods.
Today, a wide variety of data exists in society, including survey responses, online reviews, and digitized book information stored in databases.
In this course, hands-on exercises using Python are conducted for beginner programmers in order to make effective use of such data.
By learning methods commonly used in data science, students develop fundamental skills for interpreting information from multiple perspectives through the aggregation of numerical data and the visualization of text data.
| 1 | 【第1部：Python基礎】 ガイダンスと環境構築 |
| 2 | データの格納と計算 キーワード：変数、データ型（数値・文字列）、四則演算 |
| 3 | データの集合 キーワード：リスト、辞書 |
| 4 | 条件分岐と反復 キーワード：if、for |
| 5 | 【第2部：数値データ】 表形式データの読み込み キーワード：pandas |
| 6 | データの抽出と整理 キーワード：フィルタリング |
| 7 | データの加工・クリーニング キーワード：欠損値の処理、データ型の変換、表記ゆれの修正 |
| 8 | 集計 キーワード：記述統計 |
| 9 | データの可視化 キーワード：棒グラフ、折れ線グラフ、ヒストグラム、散布図 |
| 10 | 【第3部：自然言語処理】 文字列操作と正規表現 キーワード：不要な記号の削除、全角・半角の統一 |
| 11 | 形態素解析 キーワード：MeCab |
| 12 | 単語の集計とランキング キーワード：ストップワード |
| 13 | テキストの全体像 キーワード：WordCloud |
| 14 | 単語の関係性を見る キーワード：共起 |
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
プログラミングの習得には、実際に手を動かす時間が不可欠です。
復習では、授業で扱ったコードを自力で再現できるようになるまで繰り返し練習してください。
また、自身の関心に応じてコードを書き換えたり、別のデータを分析するなど、自分なりにアレンジを加えることで応用力を高めることを推奨します。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
各授業で提示する課題(60%) レポート(40%) |
| 備考 (Notes) | ||
なし/None
プログラミング未経験者を対象とするため、プログラミング経験は問いませんが、新しい知識・スキルを習得しようとする意欲・積極性が求められます。
PC室の環境によっては下記の機器が必要になる可能性があります。
・PC
・Pythonの実行環境を持っていない学生は、Google Colaboratoryを利用する可能性があるため、Googleアカウントを取得してください
本講義では、プログラミング言語「Python」を用いて、データを分析するための基礎技術を習得することを目標とします。具体的には以下の4点の到達を目指します。
プログラミング：変数、条件分岐、反復処理などの基本概念を理解し、コンピュータに意図した処理を実行させるスキルを身につける。
数値データの分析スキル：Excel等で扱われる表形式のデータをプログラムで読み込み、クリーニング・集計を行い、グラフとして可視化する手法を習得する。
テキストデータの分析スキル：自由記述や発言などの「言葉」のデータを定量的に扱うための処理を学び、単語の頻度や関係性を分析できる能力を養う。
データに基づく洞察力：生のデータからノイズを取り除き、適切な分析手法を用いて知見を導き出す一連のプロセスを実践可能にする。
In this course, the goal is to acquire fundamental techniques for analyzing data using the programming language “Python.” Specifically, the course aims to achieve the following four objectives.
Programming: Understand basic concepts such as variables, conditional branching, and iterative processing, and acquire the skills to make a computer execute intended operations.
Numerical data analysis skills: Learn methods for reading tabular data handled in tools such as Excel into programs, performing data cleaning and aggregation, and visualizing the results in graphs.
Text data analysis skills: Learn techniques for quantitatively handling “language” data such as free-text responses and spoken statements, and develop the ability to analyze word frequencies and relationships.
Data-driven insight: Become capable of practicing the entire process of removing noise from raw data and deriving insights using appropriate analytical methods.
今日、社会にはアンケートの回答結果、ウェブ上のレビュー、データベース化された書籍情報など、多様なデータが存在しています。
本講義では、こうしたデータを効果的に活用するために、プログラミング初学者を対象としたPythonを用いた実習を行います。
データサイエンスで標準的に用いられる手法を学び、数値データの集計やテキストデータの可視化を通じて、多角的に情報を読み解く基礎力を養います。
Today, a wide variety of data exists in society, including survey responses, online reviews, and digitized book information stored in databases.
In this course, hands-on exercises using Python are conducted for beginner programmers in order to make effective use of such data.
By learning methods commonly used in data science, students develop fundamental skills for interpreting information from multiple perspectives through the aggregation of numerical data and the visualization of text data.
| 1 | 【第1部：Python基礎】 ガイダンスと環境構築 |
| 2 | データの格納と計算 キーワード：変数、データ型（数値・文字列）、四則演算 |
| 3 | データの集合 キーワード：リスト、辞書 |
| 4 | 条件分岐と反復 キーワード：if、for |
| 5 | 【第2部：数値データ】 表形式データの読み込み キーワード：pandas |
| 6 | データの抽出と整理 キーワード：フィルタリング |
| 7 | データの加工・クリーニング キーワード：欠損値の処理、データ型の変換、表記ゆれの修正 |
| 8 | 集計 キーワード：記述統計 |
| 9 | データの可視化 キーワード：棒グラフ、折れ線グラフ、ヒストグラム、散布図 |
| 10 | 【第3部：自然言語処理】 文字列操作と正規表現 キーワード：不要な記号の削除、全角・半角の統一 |
| 11 | 形態素解析 キーワード：MeCab |
| 12 | 単語の集計とランキング キーワード：ストップワード |
| 13 | テキストの全体像 キーワード：WordCloud |
| 14 | 単語の関係性を見る キーワード：共起 |
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
プログラミングの習得には、実際に手を動かす時間が不可欠です。
復習では、授業で扱ったコードを自力で再現できるようになるまで繰り返し練習してください。
また、自身の関心に応じてコードを書き換えたり、別のデータを分析するなど、自分なりにアレンジを加えることで応用力を高めることを推奨します。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
各授業で提示する課題(60%) レポート(40%) |
| 備考 (Notes) | ||
なし/None
プログラミング未経験者を対象とするため、プログラミング経験は問いませんが、新しい知識・スキルを習得しようとする意欲・積極性が求められます。
PC室の環境によっては下記の機器が必要になる可能性があります。
・PC
・Pythonの実行環境を持っていない学生は、Google Colaboratoryを利用する可能性があるため、Googleアカウントを取得してください