ソーシャルデータサイエンス１発展／Social Data Science 1: Development｜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	DK256/DK256DK256
テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle	問いを立て、社会を説明する／データを読む力から、説明する力へ
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	秋学期/Fall semesterFall semester
曜日時限・教室/ DayPeriod・RoomDayPeriod・Room	水4/Wed.4 Wed.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	SOX3010
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	ソーシャルデータサイエンス１基礎
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 develops students’ ability to formulate social questions and explain social phenomena using data.
Emphasis is placed on interpretation, explanation, and responsible communication rather than advanced technical skills.

【Course Contents】

This course examines how social phenomena can be explained using data.
Students learn to formulate analytical questions, interpret results in social contexts, and communicate data-based explanations responsibly.

Japanese Items

【授業計画 / Course Schedule】

1	第1回｜導入・基礎の再確認「読む」から「説明する」への転換・基礎科目の振り返り・データ分析と社会学的説明の違い
2	第2回｜社会学的な「問い」とは何か問いはどこから生まれるのか・良い問い／悪い問い・関心・問題意識・研究可能性・データで扱える問い／扱えない問い
3	第3回｜問いを分析可能な形にする社会問題をどう分解するか・抽象的テーマの具体化・変数・視点・比較軸・「説明したいこと」を言語化する
4	第4回｜関係性で社会を見る単純比較を超える・条件付き比較の考え方・背景要因・交絡の発想・「なぜそう見えるのか」を考える
5	第5回｜データから説明を組み立てる① 結果は何を示しているのか・分析結果の読み取り・「差がある」とはどういう意味か・数値と社会的文脈の接続
6	第6回｜データから説明を組み立てる② 解釈の幅と恣意性・どこまで言ってよいのか・解釈が飛躍する瞬間・説明に伴う責任
7	第7回｜中間整理問い・データ・説明の関係を点検する・分析計画の再検討・問いの修正・精緻化
8	第8回｜テキストデータと社会的説明言葉から何を説明できるか・自由記述・SNS・インタビュー・パターン化と意味づけ・数えることの限界
9	第9回｜AIと説明の関係自動分析は「説明」になりうるか・生成AI・自動分類の特徴・ブラックボックス問題・説明責任は誰が負うのか
10	第10回｜データと倫理説明が社会に与える影響・ラベリング・差別・排除・数字が現実を固定する危険
11	第11回｜社会現象を多面的に捉えるデータと現場のあいだを考える・「この現象は、どうデータ化できるか」・観察記録の整理
12	第12回｜説明のためのデータ設計もし自分が調べるなら、どうデータを集めるか・観察内容の簡易データ化・定量・定性の接続・説明の仮構築
13	第13回｜最終発表データで社会を説明する・問い／データ／説明の提示・根拠と限界の明示
14	第14回｜総括データを使って説明するとは何だったのか・全体の振り返り・「説明できること／できないこと」・社会学とデータのこれから

【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しては、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	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．社会的問いをデータ分析の形に落とし込める

２．分析結果を社会学的に説明できる

３．テキストデータを含む複数のデータを扱える

４．AI・自動分析の限界を理解した上で活用できる

５．データに基づく主張を論理的に構成できる

【授業の内容 / Course Contents】

本科目では、社会データを用いて社会現象を説明するための応用的な分析と解釈を学ぶ。
分析手法の習得そのものではなく、「どのような問いを立て、どのようにデータを用いて社会的意味を導くか」に重点を置く。

【授業計画 / Course Schedule】

1	第1回｜導入・基礎の再確認「読む」から「説明する」への転換・基礎科目の振り返り・データ分析と社会学的説明の違い
2	第2回｜社会学的な「問い」とは何か問いはどこから生まれるのか・良い問い／悪い問い・関心・問題意識・研究可能性・データで扱える問い／扱えない問い
3	第3回｜問いを分析可能な形にする社会問題をどう分解するか・抽象的テーマの具体化・変数・視点・比較軸・「説明したいこと」を言語化する
4	第4回｜関係性で社会を見る単純比較を超える・条件付き比較の考え方・背景要因・交絡の発想・「なぜそう見えるのか」を考える
5	第5回｜データから説明を組み立てる① 結果は何を示しているのか・分析結果の読み取り・「差がある」とはどういう意味か・数値と社会的文脈の接続
6	第6回｜データから説明を組み立てる② 解釈の幅と恣意性・どこまで言ってよいのか・解釈が飛躍する瞬間・説明に伴う責任
7	第7回｜中間整理問い・データ・説明の関係を点検する・分析計画の再検討・問いの修正・精緻化
8	第8回｜テキストデータと社会的説明言葉から何を説明できるか・自由記述・SNS・インタビュー・パターン化と意味づけ・数えることの限界
9	第9回｜AIと説明の関係自動分析は「説明」になりうるか・生成AI・自動分類の特徴・ブラックボックス問題・説明責任は誰が負うのか
10	第10回｜データと倫理説明が社会に与える影響・ラベリング・差別・排除・数字が現実を固定する危険
11	第11回｜社会現象を多面的に捉えるデータと現場のあいだを考える・「この現象は、どうデータ化できるか」・観察記録の整理
12	第12回｜説明のためのデータ設計もし自分が調べるなら、どうデータを集めるか・観察内容の簡易データ化・定量・定性の接続・説明の仮構築
13	第13回｜最終発表データで社会を説明する・問い／データ／説明の提示・根拠と限界の明示
14	第14回｜総括データを使って説明するとは何だったのか・全体の振り返り・「説明できること／できないこと」・社会学とデータのこれから

【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	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・基礎の再確認「読む」から「説明する」への転換・基礎科目の振り返り・データ分析と社会学的説明の違い
2	第2回｜社会学的な「問い」とは何か問いはどこから生まれるのか・良い問い／悪い問い・関心・問題意識・研究可能性・データで扱える問い／扱えない問い
3	第3回｜問いを分析可能な形にする社会問題をどう分解するか・抽象的テーマの具体化・変数・視点・比較軸・「説明したいこと」を言語化する
4	第4回｜関係性で社会を見る単純比較を超える・条件付き比較の考え方・背景要因・交絡の発想・「なぜそう見えるのか」を考える
5	第5回｜データから説明を組み立てる① 結果は何を示しているのか・分析結果の読み取り・「差がある」とはどういう意味か・数値と社会的文脈の接続
6	第6回｜データから説明を組み立てる② 解釈の幅と恣意性・どこまで言ってよいのか・解釈が飛躍する瞬間・説明に伴う責任
7	第7回｜中間整理問い・データ・説明の関係を点検する・分析計画の再検討・問いの修正・精緻化
8	第8回｜テキストデータと社会的説明言葉から何を説明できるか・自由記述・SNS・インタビュー・パターン化と意味づけ・数えることの限界
9	第9回｜AIと説明の関係自動分析は「説明」になりうるか・生成AI・自動分類の特徴・ブラックボックス問題・説明責任は誰が負うのか
10	第10回｜データと倫理説明が社会に与える影響・ラベリング・差別・排除・数字が現実を固定する危険
11	第11回｜社会現象を多面的に捉えるデータと現場のあいだを考える・「この現象は、どうデータ化できるか」・観察記録の整理
12	第12回｜説明のためのデータ設計もし自分が調べるなら、どうデータを集めるか・観察内容の簡易データ化・定量・定性の接続・説明の仮構築
13	第13回｜最終発表データで社会を説明する・問い／データ／説明の提示・根拠と限界の明示
14	第14回｜総括データを使って説明するとは何だったのか・全体の振り返り・「説明できること／できないこと」・社会学とデータのこれから

1	第1回｜導入・基礎の再確認「読む」から「説明する」への転換・基礎科目の振り返り・データ分析と社会学的説明の違い
2	第2回｜社会学的な「問い」とは何か問いはどこから生まれるのか・良い問い／悪い問い・関心・問題意識・研究可能性・データで扱える問い／扱えない問い
3	第3回｜問いを分析可能な形にする社会問題をどう分解するか・抽象的テーマの具体化・変数・視点・比較軸・「説明したいこと」を言語化する
4	第4回｜関係性で社会を見る単純比較を超える・条件付き比較の考え方・背景要因・交絡の発想・「なぜそう見えるのか」を考える
5	第5回｜データから説明を組み立てる① 結果は何を示しているのか・分析結果の読み取り・「差がある」とはどういう意味か・数値と社会的文脈の接続
6	第6回｜データから説明を組み立てる② 解釈の幅と恣意性・どこまで言ってよいのか・解釈が飛躍する瞬間・説明に伴う責任
7	第7回｜中間整理問い・データ・説明の関係を点検する・分析計画の再検討・問いの修正・精緻化
8	第8回｜テキストデータと社会的説明言葉から何を説明できるか・自由記述・SNS・インタビュー・パターン化と意味づけ・数えることの限界
9	第9回｜AIと説明の関係自動分析は「説明」になりうるか・生成AI・自動分類の特徴・ブラックボックス問題・説明責任は誰が負うのか
10	第10回｜データと倫理説明が社会に与える影響・ラベリング・差別・排除・数字が現実を固定する危険
11	第11回｜社会現象を多面的に捉えるデータと現場のあいだを考える・「この現象は、どうデータ化できるか」・観察記録の整理
12	第12回｜説明のためのデータ設計もし自分が調べるなら、どうデータを集めるか・観察内容の簡易データ化・定量・定性の接続・説明の仮構築
13	第13回｜最終発表データで社会を説明する・問い／データ／説明の提示・根拠と限界の明示
14	第14回｜総括データを使って説明するとは何だったのか・全体の振り返り・「説明できること／できないこと」・社会学とデータのこれから

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

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発展／Social Data Science 1: Development Social Data Science 1: Development

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