日本語 English
開講年度/ Academic YearAcademic Year |
20242024 |
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 |
DE370/DE370DE370 |
テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
SNSデータ分析2 |
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 |
池袋/IkebukuroIkebukuro |
学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
月3・X105/Mon.3・X105 Mon.3・X105 |
単位/ CreditCredit |
22 |
科目ナンバリング/ Course NumberCourse Number |
CMS3620 |
使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
履修登録方法/ Class Registration MethodClass Registration Method |
その他登録/"Other" Registration"Other" Registration |
配当年次/ Grade (Year) RequiredGrade (Year) Required |
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 |
「専門演習2A」の単位修得 |
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。 |
備考/ NotesNotes |
|
テキスト用コード/ Text CodeText Code |
DE370 |
Digital data is no longer limited to a few industries such as the media and IT industries but is becoming increasingly valuable in all areas, from diplomatic and intelligence activities between nations to the capitalist market economy, production, labor and consumption, and communication in society. At the same time, the need for people with the skills to analyze this so-called "Big Data" has been increasing in recent years.
In this class, we will learn the structure and nature of Big Data, acquire practical skills to analyze Big Data, and understand the IT skills and data literacy needed in the future Society 5.0 era, while collecting Big Data using various tools on a PC and actually touching it with their hands. The goal is to do so.
In this lesson, we mainly perform digital data analysis (analysis of SNS data, open data, data on the Web, etc.) on a group basis using various analysis tools (such as Python). In Seminar(3rd Year)B, after digging into the focused theme, we will aim for the final result.
In order to do the above work, basically, it is desirable to bring a personal computer to each lesson. Also, it is desirable that PC skills are high to some extent or that students have an interest in polishing PC skills and Programming skills(Python). And it is desirable for the computer to have a certain level of specifications in order to process large amounts of data.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
デジタル・データは、もはやメディア産業、IT産業といった一部の産業で扱われるだけにとどまらず、国家間の外交・諜報活動から、資本主義市場経済、生産・労働・消費、社会におけるコミュニケーションといった領域すべてで利活用され、ますます価値あるものになってきている。同時に、これらのいわゆる「ビッグデータ」を分析できるスキルをもった人材のニーズが近年ますます高まっている。この授業では、PCで諸々のツールを使ってビッグデータを収集し、実際に手で触ってもらいつつ、ビッグデータの構造や性質を知り、分析できるスキルを実践的に身につけ、今後のSociety5.0時代において必要とされるITスキル、データリテラシーとはどういうものかを理解することを目標とする。
Digital data is no longer limited to a few industries such as the media and IT industries but is becoming increasingly valuable in all areas, from diplomatic and intelligence activities between nations to the capitalist market economy, production, labor and consumption, and communication in society. At the same time, the need for people with the skills to analyze this so-called "Big Data" has been increasing in recent years.
In this class, we will learn the structure and nature of Big Data, acquire practical skills to analyze Big Data, and understand the IT skills and data literacy needed in the future Society 5.0 era, while collecting Big Data using various tools on a PC and actually touching it with their hands. The goal is to do so.
この授業では、主にデジタル・データ分析(SNSデータ、オープンデータ、Web上のデータなどの分析)を様々な分析ツール(Pythonなど)を使ってグループ単位で行う。
専門演習2Bでは、フォーカスされたテーマを、より高度なスキルを用いながら、さらに掘り下げた上で、最終成果へとつなげる。
なお、毎回の授業で、上記のような作業を行うため、各自、授業に自分のパソコンを持参すること。また、PCスキルがある程度高い、あるいはPCスキル、プログラミングスキル(Python)を磨くことに関心をもっていることが望ましい。その際、パソコンについては、大きなデータを処理するため、一定以上のスペックをもったパソコンであることが望ましい。
In this lesson, we mainly perform digital data analysis (analysis of SNS data, open data, data on the Web, etc.) on a group basis using various analysis tools (such as Python). In Seminar(3rd Year)B, after digging into the focused theme, we will aim for the final result.
In order to do the above work, basically, it is desirable to bring a personal computer to each lesson. Also, it is desirable that PC skills are high to some extent or that students have an interest in polishing PC skills and Programming skills(Python). And it is desirable for the computer to have a certain level of specifications in order to process large amounts of data.
1 | ①春学期とはメンバーが異なるプロジェクト・グループをつくり、それぞれの役割分担を決 め、PCの環境構築、プログラミングがまだ不完全な人がいれば、互いに教えあう。 |
2 | ①データ・論文・文献の収集 |
3 | ②データ・論文・文献の収集 |
4 | ①グループごとにリサーチ・分析作業の進捗状況の報告 |
5 | ②グループごとにリサーチ・分析作業の進捗状況の報告 |
6 | ③グループごとにリサーチ・分析作業の進捗状況の報告 |
7 | ④グループごとにリサーチ・分析作業の進捗状況の報告 |
8 | 研究テーマの確認・フリーディスカッション |
9 | ①研究調査の最終発表プレゼンテーション・ディスカッション |
10 | ②研究調査の最終発表プレゼンテーション・ディスカッション |
11 | ③研究調査の最終発表プレゼンテーション・ディスカッション |
12 | ④研究調査の最終発表プレゼンテーション・ディスカッション |
13 | 発表プレゼンテーション・ディスカッションの総評 |
14 | 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
主にSlackを用いて、各自、各班で共同作業を行う。
種類 (Kind) | 割合 (%) | 基準 (Criteria) |
---|---|---|
平常点 (In-class Points) | 100 |
進捗状況の報告・プレゼンテーション・発表など作業への貢献(40%) 成果物への貢献(40%) 授業内での発言の積極性(20%) |
備考 (Notes) | ||
その他 (Others) | |||||
---|---|---|---|---|---|
適宜、授業内で指示する。 |
No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
---|---|---|---|---|---|
1 | 和田伸一郎 | 「単語埋め込みモデルの社会学理論への応用可能性—Twitterデータ分析を事例に—」 | 人工知能学会 | 2023年 | |
2 | 佐藤卓己編 | 『デジタル情報社会の未来(岩波講座 現代 第9巻)』 | 岩波書店 | 2016年 | 4000113895 |
3 | 鳥海不二夫編著 | 『計算社会科学入門』 | 丸善出版 | 2021年 | 4621305964 |
4 | 和田伸一郎 | 「Python, Embedding Projector を用いたTwitterデータ分析 : 2016年東京都知事選挙を事例に」 『応用社会学研究』 | 立教大学社会学部 | 2019年 | |
5 | 和田伸一郎 | 『国家とインターネット』 | 講談社選書メチエ | 2013年 | 4062585502 |
6 | クジラ飛行机、杉山陽一、遠藤俊輔 | 『すぐに使える! 業務で実践できる! Pythonによる AI・機械学習・深層学習アプリのつくり方』 | ソシム | 2018年 | 4802611641 |
その他 (Others) | |||||
その他、適宜、指示する。 |