日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 科目設置学部/ CollegeCollege |
全学共通科目・全学共通カリキュラム（総合系）/University-wide Liberal Arts Courses (Comprehensive Courses)University-wide Liberal Arts Courses (Comprehensive Courses) |
| 科目コード等/ Course CodeCourse Code |
FD074/FD074FD074 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
健康データ、データ分析 |
| 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 |
新座/NiizaNiiza |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
月1/Mon.1 Mon.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 |
CMP2440 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選他/Exceptional Lottery RegistrationExceptional Lottery Registration（定員：30人/ Capacity：30） |
| 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/qo9edr0000006ur7-att/zengakukyoutu_sougou.pdf |
| 備考/ NotesNotes |
The objective of this course is to equip students with technologies and knowledge related to health management and behavior change through the use of data and AI. Specifically, students will acquire the ability to collect and analyze everyday health-related data, such as sleep and nutrition, with the aim of objectively understanding their own health-related challenges. In addition, by learning how to utilize generative AI and understanding recommender systems, students will consider mechanisms that promote data-driven behavior change and develop problem-solving skills for addressing challenges in the field of health.
This course introduces methods for collecting and analyzing health-related data. It also covers approaches for evaluating health-related information using generative AI, as well as developing data visualization and analysis skills to objectively understand one’s own lifestyle based on collected data. Furthermore, the course deepens understanding of how AI technologies can be used to promote behavior change in the health domain and how new indicators useful for health management can be developed and applied.
| 1 | ガイダンス |
| 2 | スポーツにおける生成AIの応用 |
| 3 | 健康法の実態と生成AI |
| 4 | 健康関連データの収集 |
| 5 | 健康関連データの可視化・分析（1） |
| 6 | 健康関連データの可視化・分析（2） |
| 7 | 健康関連データの可視化・分析（3） |
| 8 | 栄養データの収集 |
| 9 | 栄養データの分析 |
| 10 | データで見るデジタルデトックス |
| 11 | 行動変容を促すレコメンド（1） |
| 12 | 行動変容を促すレコメンド（2） |
| 13 | 健康指標の開発（1） |
| 14 | 健康指標の開発（2） |
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
準備学習の指示は，履修登録完了後にCanvas上で履修者に対して行う。各自が確認して予習すること。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内プレゼンテーション(40%) レポート(40%) 出席及び授業態度(20%) |
| 備考 (Notes) | ||
なし/None
本講義では様々な異なる人工知能関連ツールを利用し、データ分析作業を行いますので、基本的なPCでのファイル操作（ファイルのコピーやペースト、ファイルの圧縮や解凍など）や基本的なGoogle Driveの操作方法（Google Drive上のフォルダ・ファイル操作、ファイルのコピー・共有など）、Google Workspaceツール（Google Doc、Spreadsheet、Slide）Microsoft Office（Word、Excel、PowerPoint）の操作方法、ツールのログイン情報管理などは習得していることを前提とします。
課題提出にはPCでの作業が必須となります。個人のPCを持参することを強く推奨します。あるいはメディアセンターよりPCを借りるようにしてください。
多彩な学び科目
本講義の目標は、データやAIを活用した健康管理や行動変容に関する技術と知識を身につけることにあります。具体的には、睡眠や栄養などの日常的な健康関連データの収集・分析能力を習得し、自らの健康課題を客観的に捉えることを目指します。また、生成AIの活用方法やレコメンドシステムの理解を通じて、データに基づく行動変容を促す仕組みを考え、健康分野における課題解決力を身につけることを目的としています。
The objective of this course is to equip students with technologies and knowledge related to health management and behavior change through the use of data and AI. Specifically, students will acquire the ability to collect and analyze everyday health-related data, such as sleep and nutrition, with the aim of objectively understanding their own health-related challenges. In addition, by learning how to utilize generative AI and understanding recommender systems, students will consider mechanisms that promote data-driven behavior change and develop problem-solving skills for addressing challenges in the field of health.
本講義では、健康に関するデータの収集方法や分析手法について学びます。また、生成AIを活用した健康関連情報の検証方法や、収集したデータをもとに自身の生活習慣を客観的に把握するためのデータ可視化・分析スキルを身につけます。さらに、健康分野においてAI技術を用いて行動変容を促す方法や、健康管理に役立つ新しい指標の開発や活用について理解を深めます。。
This course introduces methods for collecting and analyzing health-related data. It also covers approaches for evaluating health-related information using generative AI, as well as developing data visualization and analysis skills to objectively understand one’s own lifestyle based on collected data. Furthermore, the course deepens understanding of how AI technologies can be used to promote behavior change in the health domain and how new indicators useful for health management can be developed and applied.
| 1 | ガイダンス |
| 2 | スポーツにおける生成AIの応用 |
| 3 | 健康法の実態と生成AI |
| 4 | 健康関連データの収集 |
| 5 | 健康関連データの可視化・分析（1） |
| 6 | 健康関連データの可視化・分析（2） |
| 7 | 健康関連データの可視化・分析（3） |
| 8 | 栄養データの収集 |
| 9 | 栄養データの分析 |
| 10 | データで見るデジタルデトックス |
| 11 | 行動変容を促すレコメンド（1） |
| 12 | 行動変容を促すレコメンド（2） |
| 13 | 健康指標の開発（1） |
| 14 | 健康指標の開発（2） |
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
準備学習の指示は，履修登録完了後にCanvas上で履修者に対して行う。各自が確認して予習すること。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内プレゼンテーション(40%) レポート(40%) 出席及び授業態度(20%) |
| 備考 (Notes) | ||
なし/None
本講義では様々な異なる人工知能関連ツールを利用し、データ分析作業を行いますので、基本的なPCでのファイル操作（ファイルのコピーやペースト、ファイルの圧縮や解凍など）や基本的なGoogle Driveの操作方法（Google Drive上のフォルダ・ファイル操作、ファイルのコピー・共有など）、Google Workspaceツール（Google Doc、Spreadsheet、Slide）Microsoft Office（Word、Excel、PowerPoint）の操作方法、ツールのログイン情報管理などは習得していることを前提とします。
課題提出にはPCでの作業が必須となります。個人のPCを持参することを強く推奨します。あるいはメディアセンターよりPCを借りるようにしてください。
多彩な学び科目