ソーシャルデータサイエンス１基礎／Social Data Science 1: Basics｜立教大学シラバス

科目情報Course Code etc

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	DK255/DK255DK255
テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle	社会現象をデータで読み解く基礎／データで社会をどこまで理解できるのか
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	講義/LectureLecture
校地/ CampusCampus	池袋/IkebukuroIkebukuro
学期/ SemesterSemester	春学期/Spring SemesterSpring Semester
曜日時限・教室/ DayPeriod・RoomDayPeriod・Room	金4/Fri.4 Fri.4 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	SOX2010
使用言語/ LanguageLanguage	日本語/JapaneseJapanese
履修登録方法/ Class Registration MethodClass Registration Method	科目コード登録/Course Code RegistrationCourse Code 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/sociology.html
備考/ NotesNotes

【Course Objectives】

This course provides students with basic data literacy to analyze social phenomena.
Students will learn to read and interpret social data critically, and to understand the strengths and limitations of data in explaining society.

【Course Contents】

This course covers basic concepts of social data analysis, including types of social data, simple statistics, and data visualization.
Students learn to critically interpret data and understand its possibilities and limitations in explaining social phenomena.

Japanese Items

【授業計画 / Course Schedule】

1	第1回｜導入なぜ社会学部でデータサイエンスを学ぶのか・社会学とデータの関係・「数字で語る社会」の強さと危うさ・本科目で扱う「データ」の位置づけ
2	第2回｜社会現象とデータ社会はどのようにデータ化されているか・社会現象→データになるまでの過程・調査・統計・行政データの違い・データは「現実の写し」ではない
3	第3回｜社会データの種類どんなデータが、社会を説明しているのか・量的データ／質的データ・一次データ／二次データ・公開データの読み方
4	第4回｜データを見るということ数字を見るとは、どういう行為か・集計・可視化の考え方・グラフが与える印象・「見せ方」で意味は変わる
5	第5回｜記述統計① 代表値は何を代表しているのか・平均・中央値・最頻値・「普通」はどこにいるのか
6	第6回｜記述統計② ばらつきが語る社会・分布・ばらつきの意味・少数派はどこに消えるのか
7	第7回｜クロス集計差はどこから生まれるのか・属性別比較（性別・年齢・地域など）・単純比較の落とし穴
8	第8回｜相関と因果関係がある、とはどういうことか・相関と因果の違い・擬似相関・交絡・社会学における「因果」の考え方
9	第9回｜データと偏りそのデータは、誰の声を拾っているか・サンプリングとバイアス・回答しない人は誰か
10	第10回｜テキストデータ入門言葉はデータになりうるか・自由記述・インタビュー・SNS ・数えることで何が起きるか
11	第11回｜数えることの限界数字にすると、何が失われるのか・カテゴリ化の功罪・定量と定性の関係
12	第12回｜データで何が言えるのか「言えること」と「言えないこと」・解釈の幅と限界・データの過剰な一般化を防ぐ
13	第13回｜総合演習データから社会を読む・実データを用いた読解・グループ発表
14	第14回｜まとめデータで社会を見るとは何だったのか・本科目の振り返り・発展科目への接続・「次に問い続けるべきこと」

【活用される授業方法 / Teaching Methods Used】

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

【授業時間外（予習・復習等）の学修 / Study Required Outside of Class】

授業時間外の学修に関する指示は、各授業後に指示する課題をおこなうこと。主に、授業内容の理解、解釈の整理、社会学的視点からの考察をおこなうこと（各回約２時間）。

【成績評価方法・基準 / Evaluation】

種類 (Kind)	割合 (%)	基準 (Criteria)
レポート試験 (Report Exam)	50
平常点 (In-class Points)	50	発表(10%) レポート(10%) 出席および授業参加度(30%)
備考 (Notes)

【テキスト / Textbooks】

No	著者名 (Author/Editor)	書籍名 (Title)	出版社 (Publisher)	出版年 (Date)	ISBN/ISSN
1	毛塚和宏	『社会科学のための統計学入門実例からていねいに学ぶ』	講談社	2022	9784065284506

【参考文献 / Readings】

No	著者名 (Author/Editor)	書籍名 (Title)	出版社 (Publisher)	出版年 (Date)	ISBN/ISSN
1	谷岡一郎	『「社会調査」のウソリサーチ・リテラシーのすすめ』	文春新書	2000	4166601105
2	末吉美喜	『テキストマイニング入門 ExcelとKH Coderでわかるデータ分析』	オーム社	2019	9784274222856

【履修にあたって求められる能力 / Abilities Required to Take the Course】

【学生が準備すべき機器等 / Equipment, etc., that Students Should Prepare】

【その他 / Others】

【注意事項 / Notice】

【授業の目標 / Course Objectives】

１．社会現象をデータとして捉える視点を説明できる

２．基本的な社会データの種類と特徴を理解できる

３．記述統計や簡単な集計結果を読み取れる

４．数値やグラフを社会学的文脈で解釈できる

５．データを鵜呑みにせず、批判的に考察できる

【授業の内容 / Course Contents】

本科目では、社会学的関心をもとに、社会データを読み解くための基礎的な考え方と手法を学ぶ。
数理的・技術的な高度さよりも、社会現象を「データで捉える視点」や、分析結果を社会学的に解釈する力の習得を目的とする。
データの扱い方だけでなく、その限界や読み違いのリスクにも目を向け、データを批判的に活用する姿勢を養う。

【授業計画 / Course Schedule】

1	第1回｜導入なぜ社会学部でデータサイエンスを学ぶのか・社会学とデータの関係・「数字で語る社会」の強さと危うさ・本科目で扱う「データ」の位置づけ
2	第2回｜社会現象とデータ社会はどのようにデータ化されているか・社会現象→データになるまでの過程・調査・統計・行政データの違い・データは「現実の写し」ではない
3	第3回｜社会データの種類どんなデータが、社会を説明しているのか・量的データ／質的データ・一次データ／二次データ・公開データの読み方
4	第4回｜データを見るということ数字を見るとは、どういう行為か・集計・可視化の考え方・グラフが与える印象・「見せ方」で意味は変わる
5	第5回｜記述統計① 代表値は何を代表しているのか・平均・中央値・最頻値・「普通」はどこにいるのか
6	第6回｜記述統計② ばらつきが語る社会・分布・ばらつきの意味・少数派はどこに消えるのか
7	第7回｜クロス集計差はどこから生まれるのか・属性別比較（性別・年齢・地域など）・単純比較の落とし穴
8	第8回｜相関と因果関係がある、とはどういうことか・相関と因果の違い・擬似相関・交絡・社会学における「因果」の考え方
9	第9回｜データと偏りそのデータは、誰の声を拾っているか・サンプリングとバイアス・回答しない人は誰か
10	第10回｜テキストデータ入門言葉はデータになりうるか・自由記述・インタビュー・SNS ・数えることで何が起きるか
11	第11回｜数えることの限界数字にすると、何が失われるのか・カテゴリ化の功罪・定量と定性の関係
12	第12回｜データで何が言えるのか「言えること」と「言えないこと」・解釈の幅と限界・データの過剰な一般化を防ぐ
13	第13回｜総合演習データから社会を読む・実データを用いた読解・グループ発表
14	第14回｜まとめデータで社会を見るとは何だったのか・本科目の振り返り・発展科目への接続・「次に問い続けるべきこと」

【活用される授業方法 / Teaching Methods Used】

【授業時間外（予習・復習等）の学修 / Study Required Outside of Class】

【成績評価方法・基準 / Evaluation】

種類 (Kind)	割合 (%)	基準 (Criteria)
レポート試験 (Report Exam)	50
平常点 (In-class Points)	50	発表(10%) レポート(10%) 出席および授業参加度(30%)
備考 (Notes)

【テキスト / Textbooks】

No	著者名 (Author/Editor)	書籍名 (Title)	出版社 (Publisher)	出版年 (Date)	ISBN/ISSN
1	毛塚和宏	『社会科学のための統計学入門実例からていねいに学ぶ』	講談社	2022	9784065284506

【参考文献 / Readings】

No	著者名 (Author/Editor)	書籍名 (Title)	出版社 (Publisher)	出版年 (Date)	ISBN/ISSN
1	谷岡一郎	『「社会調査」のウソリサーチ・リテラシーのすすめ』	文春新書	2000	4166601105
2	末吉美喜	『テキストマイニング入門 ExcelとKH Coderでわかるデータ分析』	オーム社	2019	9784274222856

1	第1回｜導入なぜ社会学部でデータサイエンスを学ぶのか・社会学とデータの関係・「数字で語る社会」の強さと危うさ・本科目で扱う「データ」の位置づけ
2	第2回｜社会現象とデータ社会はどのようにデータ化されているか・社会現象→データになるまでの過程・調査・統計・行政データの違い・データは「現実の写し」ではない
3	第3回｜社会データの種類どんなデータが、社会を説明しているのか・量的データ／質的データ・一次データ／二次データ・公開データの読み方
4	第4回｜データを見るということ数字を見るとは、どういう行為か・集計・可視化の考え方・グラフが与える印象・「見せ方」で意味は変わる
5	第5回｜記述統計① 代表値は何を代表しているのか・平均・中央値・最頻値・「普通」はどこにいるのか
6	第6回｜記述統計② ばらつきが語る社会・分布・ばらつきの意味・少数派はどこに消えるのか
7	第7回｜クロス集計差はどこから生まれるのか・属性別比較（性別・年齢・地域など）・単純比較の落とし穴
8	第8回｜相関と因果関係がある、とはどういうことか・相関と因果の違い・擬似相関・交絡・社会学における「因果」の考え方
9	第9回｜データと偏りそのデータは、誰の声を拾っているか・サンプリングとバイアス・回答しない人は誰か
10	第10回｜テキストデータ入門言葉はデータになりうるか・自由記述・インタビュー・SNS ・数えることで何が起きるか
11	第11回｜数えることの限界数字にすると、何が失われるのか・カテゴリ化の功罪・定量と定性の関係
12	第12回｜データで何が言えるのか「言えること」と「言えないこと」・解釈の幅と限界・データの過剰な一般化を防ぐ
13	第13回｜総合演習データから社会を読む・実データを用いた読解・グループ発表
14	第14回｜まとめデータで社会を見るとは何だったのか・本科目の振り返り・発展科目への接続・「次に問い続けるべきこと」

1	第1回｜導入なぜ社会学部でデータサイエンスを学ぶのか・社会学とデータの関係・「数字で語る社会」の強さと危うさ・本科目で扱う「データ」の位置づけ
2	第2回｜社会現象とデータ社会はどのようにデータ化されているか・社会現象→データになるまでの過程・調査・統計・行政データの違い・データは「現実の写し」ではない
3	第3回｜社会データの種類どんなデータが、社会を説明しているのか・量的データ／質的データ・一次データ／二次データ・公開データの読み方
4	第4回｜データを見るということ数字を見るとは、どういう行為か・集計・可視化の考え方・グラフが与える印象・「見せ方」で意味は変わる
5	第5回｜記述統計① 代表値は何を代表しているのか・平均・中央値・最頻値・「普通」はどこにいるのか
6	第6回｜記述統計② ばらつきが語る社会・分布・ばらつきの意味・少数派はどこに消えるのか
7	第7回｜クロス集計差はどこから生まれるのか・属性別比較（性別・年齢・地域など）・単純比較の落とし穴
8	第8回｜相関と因果関係がある、とはどういうことか・相関と因果の違い・擬似相関・交絡・社会学における「因果」の考え方
9	第9回｜データと偏りそのデータは、誰の声を拾っているか・サンプリングとバイアス・回答しない人は誰か
10	第10回｜テキストデータ入門言葉はデータになりうるか・自由記述・インタビュー・SNS ・数えることで何が起きるか
11	第11回｜数えることの限界数字にすると、何が失われるのか・カテゴリ化の功罪・定量と定性の関係
12	第12回｜データで何が言えるのか「言えること」と「言えないこと」・解釈の幅と限界・データの過剰な一般化を防ぐ
13	第13回｜総合演習データから社会を読む・実データを用いた読解・グループ発表
14	第14回｜まとめデータで社会を見るとは何だったのか・本科目の振り返り・発展科目への接続・「次に問い続けるべきこと」

ソーシャルデータサイエンス１基礎／Social Data Science 1: Basics Social Data Science 1: Basics

末吉　美喜 SUEYOSHI MIKI

【Course Objectives】

【Course Contents】

【授業計画 / Course Schedule】

【活用される授業方法 / Teaching Methods Used】

【授業時間外（予習・復習等）の学修 / Study Required Outside of Class】

【成績評価方法・基準 / Evaluation】

【テキスト / Textbooks】

【参考文献 / Readings】

【履修にあたって求められる能力 / Abilities Required to Take the Course】

【学生が準備すべき機器等 / Equipment, etc., that Students Should Prepare】

【その他 / Others】

【注意事項 / Notice】

【授業の目標 / Course Objectives】

【授業の内容 / Course Contents】

【授業計画 / Course Schedule】

【活用される授業方法 / Teaching Methods Used】

【授業時間外（予習・復習等）の学修 / Study Required Outside of Class】

【成績評価方法・基準 / Evaluation】

【テキスト / Textbooks】

【参考文献 / Readings】

【履修にあたって求められる能力 / Abilities Required to Take the Course】

【学生が準備すべき機器等 / Equipment, etc., that Students Should Prepare】

【その他 / Others】

【注意事項 / Notice】

ソーシャルデータサイエンス１基礎／Social Data Science 1: Basics Social Data Science 1: Basics

末吉 美喜 SUEYOSHI MIKI

【Course Objectives】

【Course Contents】

【授業計画 / Course Schedule】

【活用される授業方法 / Teaching Methods Used】

【授業時間外（予習・復習等）の学修 / Study Required Outside of Class】

【成績評価方法・基準 / Evaluation】

【テキスト / Textbooks】

【参考文献 / Readings】

【履修にあたって求められる能力 / Abilities Required to Take the Course】

【学生が準備すべき機器等 / Equipment, etc., that Students Should Prepare】

【その他 / Others】

【注意事項 / Notice】

【授業の目標 / Course Objectives】

【授業の内容 / Course Contents】

【授業計画 / Course Schedule】

【活用される授業方法 / Teaching Methods Used】

【授業時間外（予習・復習等）の学修 / Study Required Outside of Class】

【成績評価方法・基準 / Evaluation】

【テキスト / Textbooks】

【参考文献 / Readings】

【履修にあたって求められる能力 / Abilities Required to Take the Course】

【学生が準備すべき機器等 / Equipment, etc., that Students Should Prepare】

【その他 / Others】

【注意事項 / Notice】

末吉　美喜 SUEYOSHI MIKI