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 |
FD116/FD116FD116 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
スポーツ、データ活用 |
| 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 |
火1/Tue.1 Tue.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 |
CMP2400 |
| 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 |
| 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 |
In recent years, a wide range of data collection technologies, such as GPS and wearable devices, have advanced in the field of sports, enabling the utilization of data science not only for performance and conditioning but also for fan engagement and marketing. To effectively apply data in both sports practice and business, it is essential to understand the fundamentals of data analysis processes, along with the applications of DX and AI, as well as ethical considerations. This course provides a systematic overview, covering the basics of data science, sport-specific data collection and application cases, and the latest trends including generative AI. Through this, students will develop an understanding of the overall landscape of sports data science and cultivate the ability to critically examine the possibilities and challenges of data utilization in real-world contexts.
This course begins with the fundamentals of data science and explores data collection in sports, including performance, conditioning, and environmental data, as well as emerging technologies. It then examines real-world applications in team and individual sports, fan engagement and marketing, and the latest AI-based analyses. Ethical and privacy issues are also considered, and the course concludes with discussions on future prospects, focusing on the potential of AI utilization in sports.
| 1 | ガイダンス |
| 2 | データサイエンスの概要 |
| 3 | スポーツにおけるデジタルトランスフォーメーション |
| 4 | スポーツデータの全体像とパフォーマンスデータ |
| 5 | コンディショニングと環境データ |
| 6 | 最新技術によるデータ収集の動向 |
| 7 | チームスポーツにおけるデータ活用 |
| 8 | 個人スポーツにおけるデータ活用 |
| 9 | スポーツビジネスとデータ活用 |
| 10 | AIとスポーツ |
| 11 | スポーツデータの可視化とリテラシー向上 |
| 12 | スポーツデータと倫理・プライバシー |
| 13 | スポーツデータサイエンスの展望（1） |
| 14 | スポーツデータサイエンスの展望（2）、総括 |
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 |
複数回のレポート課題(30%) 出席および授業参加度(70%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
生成AIを利用した調査を課題として出す可能性があるため、PCの基本操作を習得していることを前提とします。
AIを利用した調査を授業中に行う可能性があることと、課題提出にはPCでの作業が必須となるため、各自ノートPCを準備してください。PCを持参しない場合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
近年、スポーツ分野においてはGPSやウェアラブルデバイスをはじめとする多様なデータ収集技術が発展し、パフォーマンスやコンディショニング、さらにはファンエンゲージメントやマーケティングに至るまで、幅広い領域でデータサイエンスが活用されている。スポーツ現場やビジネスにおいてデータを効果的に活かすためには、基礎的なデータ分析のプロセスに加え、DXやAIの応用、倫理的課題への理解が不可欠である。本講義では、データサイエンスの基本的な考え方からスポーツ特有のデータ収集と活用事例、さらに生成AIを含む最新の動向までを体系的に学ぶ。これにより、学生はスポーツデータサイエンスの全体像を理解し、実際の現場でのデータ活用の可能性と課題を多角的に考察できる力を身につけることを目指す。
In recent years, a wide range of data collection technologies, such as GPS and wearable devices, have advanced in the field of sports, enabling the utilization of data science not only for performance and conditioning but also for fan engagement and marketing. To effectively apply data in both sports practice and business, it is essential to understand the fundamentals of data analysis processes, along with the applications of DX and AI, as well as ethical considerations. This course provides a systematic overview, covering the basics of data science, sport-specific data collection and application cases, and the latest trends including generative AI. Through this, students will develop an understanding of the overall landscape of sports data science and cultivate the ability to critically examine the possibilities and challenges of data utilization in real-world contexts.
本講義では、データサイエンスの基礎から始め、スポーツにおけるデータ収集（パフォーマンス、コンディショニング、環境）や最新技術を学ぶ。さらに、チームスポーツ・個人スポーツでの活用事例、ファンエンゲージメントやマーケティングへの応用、AIによる解析の最前線を紹介する。あわせて、倫理やプライバシーの課題を考察し、スポーツにおけるAI活用の将来展望について議論する。
This course begins with the fundamentals of data science and explores data collection in sports, including performance, conditioning, and environmental data, as well as emerging technologies. It then examines real-world applications in team and individual sports, fan engagement and marketing, and the latest AI-based analyses. Ethical and privacy issues are also considered, and the course concludes with discussions on future prospects, focusing on the potential of AI utilization in sports.
| 1 | ガイダンス |
| 2 | データサイエンスの概要 |
| 3 | スポーツにおけるデジタルトランスフォーメーション |
| 4 | スポーツデータの全体像とパフォーマンスデータ |
| 5 | コンディショニングと環境データ |
| 6 | 最新技術によるデータ収集の動向 |
| 7 | チームスポーツにおけるデータ活用 |
| 8 | 個人スポーツにおけるデータ活用 |
| 9 | スポーツビジネスとデータ活用 |
| 10 | AIとスポーツ |
| 11 | スポーツデータの可視化とリテラシー向上 |
| 12 | スポーツデータと倫理・プライバシー |
| 13 | スポーツデータサイエンスの展望（1） |
| 14 | スポーツデータサイエンスの展望（2）、総括 |
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 |
複数回のレポート課題(30%) 出席および授業参加度(70%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
生成AIを利用した調査を課題として出す可能性があるため、PCの基本操作を習得していることを前提とします。
AIを利用した調査を授業中に行う可能性があることと、課題提出にはPCでの作業が必須となるため、各自ノートPCを準備してください。PCを持参しない場合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