日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 科目設置学部/ CollegeCollege |
社会学研究科/Graduate School of SociologyGraduate School of Sociology |
| 科目コード等/ Course CodeCourse Code |
MB771/MB771MB771 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
社会学のための機械学習 |
| 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 |
金3/Fri.3 Fri.3 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 |
SOC6010 |
| 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 |
－（履修中止制度なし/ No system 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 |
The objective of this course is to develop foundational competencies as a researcher who can appropriately situate and apply machine learning within sociological research.
Specifically, the course aims to enable students to understand the underlying ideas and characteristics of major machine learning algorithms and to select and apply them according to their research objectives.
In addition, students will read and critically examine social science studies that use machine learning, organizing the relationships among research questions, data, models, inference and prediction, evaluation, and interpretation, while developing the ability to assess methodological limitations and biases.
Furthermore, based on this understanding, students will be able to design feasible research plans aligned with their own research interests, including data collection, preprocessing, model selection, and evaluation design.
This course aims to enable students studying sociology to understand machine learning algorithms, critically read research that employs machine learning, and develop their own research plans incorporating machine learning.
Part I (Understanding Algorithms)
Students will survey the algorithms introduced in the assigned text and, in accordance with the theme of each session, present on an assigned algorithm (Presentation 1).
Part II (Paper Presentation and Discussion)
Students will present and critically review social science papers that make use of machine learning and lead class discussions (Presentation 2).
Part III (Research Proposal)
Each student will develop a research proposal that applies machine learning and deliver a final presentation (Presentation 3).
Note:
Depending on the number of students enrolled, each student is expected to give a total of three presentations—one in each of the three parts of the course.
| 1 | ガイダンス |
| 2 | 【第1部（2〜8回）】 アルゴリズム発表（1） |
| 3 | アルゴリズム発表（2） |
| 4 | アルゴリズム発表（3） |
| 5 | アルゴリズム発表（4） |
| 6 | アルゴリズム発表（5） |
| 7 | アルゴリズム発表（6） |
| 8 | アルゴリズム発表（7） |
| 9 | 【第2部（9〜11回）】 論文紹介・ディスカッション（1） |
| 10 | 論文紹介・ディスカッション（2） |
| 11 | 論文紹介・ディスカッション（3） |
| 12 | 【第3部（12〜14回）】 研究計画発表（1） |
| 13 | 研究計画発表（2） |
| 14 | 研究計画発表（3） |
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
毎回指定する文献を事前に読み、要点・疑問点・批評点を整理する作業と、発表に向けた準備のため、授業時間外に週4時間程度の学修が必要になります。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
第1部発表(25%) 第2部発表(25%) 第3部発表(25%) 授業でのディスカッションへの参加(25%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 加藤公一【監修】/秋庭伸也/杉山阿聖/寺田学【共著】 | 『機械学習図鑑 : 見て試してわかる機械学習アルゴリズムの仕組み』 | 翔泳社 | 2019 | 4798155659 |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 加藤公一 | 『機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム-』 | SBクリエイティブ | 2018 | 4797393963 |
学術論文を読み、要点を整理して発表・議論できる能力。
他の受講者の研究計画を丁寧に検討する姿勢。
統計の基礎知識（回帰、分類、仮説検定、平均・分散、相関など）。
・スライドでのプレゼン可能なPC
初回に発表担当を決めるので、履修希望者は必ず出席してください。
本授業の目標は、社会学研究において機械学習を適切に位置づけ、活用できる研究者としての基礎的能力を養うことである。
具体的には、機械学習の代表的なアルゴリズムについて、その考え方と特性を理解し、研究目的に応じて選択・活用できるようになることを目指す。
あわせて、機械学習を用いた社会科学研究を読み、研究課題、データ、モデル、推論・予測、評価、解釈の関係を整理し、方法上の限界やバイアスを批判的に検討できる力を身につける。
さらに、こうした理解を踏まえ、自身の研究関心に即して、データ収集・前処理・モデル選択・評価設計を含む実行可能な研究計画を構想できるようにする。
The objective of this course is to develop foundational competencies as a researcher who can appropriately situate and apply machine learning within sociological research.
Specifically, the course aims to enable students to understand the underlying ideas and characteristics of major machine learning algorithms and to select and apply them according to their research objectives.
In addition, students will read and critically examine social science studies that use machine learning, organizing the relationships among research questions, data, models, inference and prediction, evaluation, and interpretation, while developing the ability to assess methodological limitations and biases.
Furthermore, based on this understanding, students will be able to design feasible research plans aligned with their own research interests, including data collection, preprocessing, model selection, and evaluation design.
本授業は、社会学を学ぶ受講生が機械学習のアルゴリズムを理解し、機械学習を用いた研究を読み解き、機械学習を取り入れた自身の研究計画を構築できることを目的とする。
第1部（アルゴリズム理解）
指定したテキストに掲載されたアルゴリズムを概観し、各回のテーマに沿って学生が担当アルゴリズムを発表する（発表①）。
第2部（論文紹介・ディスカッション）
機械学習を活用した社会科学の論文を学生が紹介・批評し、ディスカッションをリードする（発表②）。
第3部（研究計画）
受講者自身が機械学習を用いた研究計画を作成し、最終発表する（発表③）。
※受講生の人数によりますが、各学生は3部それぞれで1回ずつ計3回発表することを予定しています。
This course aims to enable students studying sociology to understand machine learning algorithms, critically read research that employs machine learning, and develop their own research plans incorporating machine learning.
Part I (Understanding Algorithms)
Students will survey the algorithms introduced in the assigned text and, in accordance with the theme of each session, present on an assigned algorithm (Presentation 1).
Part II (Paper Presentation and Discussion)
Students will present and critically review social science papers that make use of machine learning and lead class discussions (Presentation 2).
Part III (Research Proposal)
Each student will develop a research proposal that applies machine learning and deliver a final presentation (Presentation 3).
Note:
Depending on the number of students enrolled, each student is expected to give a total of three presentations—one in each of the three parts of the course.
| 1 | ガイダンス |
| 2 | 【第1部（2〜8回）】 アルゴリズム発表（1） |
| 3 | アルゴリズム発表（2） |
| 4 | アルゴリズム発表（3） |
| 5 | アルゴリズム発表（4） |
| 6 | アルゴリズム発表（5） |
| 7 | アルゴリズム発表（6） |
| 8 | アルゴリズム発表（7） |
| 9 | 【第2部（9〜11回）】 論文紹介・ディスカッション（1） |
| 10 | 論文紹介・ディスカッション（2） |
| 11 | 論文紹介・ディスカッション（3） |
| 12 | 【第3部（12〜14回）】 研究計画発表（1） |
| 13 | 研究計画発表（2） |
| 14 | 研究計画発表（3） |
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
毎回指定する文献を事前に読み、要点・疑問点・批評点を整理する作業と、発表に向けた準備のため、授業時間外に週4時間程度の学修が必要になります。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
第1部発表(25%) 第2部発表(25%) 第3部発表(25%) 授業でのディスカッションへの参加(25%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 加藤公一【監修】/秋庭伸也/杉山阿聖/寺田学【共著】 | 『機械学習図鑑 : 見て試してわかる機械学習アルゴリズムの仕組み』 | 翔泳社 | 2019 | 4798155659 |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 加藤公一 | 『機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム-』 | SBクリエイティブ | 2018 | 4797393963 |
学術論文を読み、要点を整理して発表・議論できる能力。
他の受講者の研究計画を丁寧に検討する姿勢。
統計の基礎知識（回帰、分類、仮説検定、平均・分散、相関など）。
・スライドでのプレゼン可能なPC
初回に発表担当を決めるので、履修希望者は必ず出席してください。