現在の社会では、様々な分野でエビデンスに基づく意思決定が重要視されており、それを支えるデータサイエンス人材が求められています。
とはいえ、明確な目的を持たずにデータを弄んでいるだけでは、データサイエンスとは名ばかりの「サイエンス」の本質を欠いた行為に過ぎません。
　そこで本授業では、人文・社会科学のフィールドでいかにデータを活用すべきかを念頭に、文部科学省の「数理・データサイエンス・AI教育プログラム認定制度
（応用基礎レベル）」モデルカリキュラムの「1.データサイエンス基礎」および、「2.データエンジニアリング基礎」に準拠した内容を学んでいきます。
さらに座学だけではなく、クラウドを利用したシステムなどを使って実際にデータ分析を体験することで、今後に向けた基礎固めを行います。

・自ら課題を設定し、いかなるデータと分析技法を用いればそれを解決に導くことができるのか考えられるようにする。
・データの特性を正しく把握し、目的に適った分析を選択して実行できるようにする。
・ソフトウェア操作法（Excelおよびフリーの統計アドインHADなど）やプログラミング（Python）の基本を身につけ、
　独力で目的とした結果を導出できるようにする。
・分析結果を適切に読み取り、科学的な意思決定を行えるようにする。

・オンデマンド形式での授業を行います。
・配布資料・分析用データはWebClassへアップロードします。
・フリーのExcel統計用アドインHADは各自でダウンロードし設定してもらいます（詳細は授業で説明します）
・データ分析の実習を含みます。ExcelおよびHADを用いた分析に加えて、Google Colaboratory（Colab）を
　使用してPythonによる分析も行います。

※1. 1~3回の授業は主に座学となりますが、4回目以降は実習の時間を設けます。
※2. 進捗状況や理解度に応じて授業内容が前後したり、部分的な変更が生じたりすることがあります。

提出されたリアクションペーパーのコメントや小課題に対しては、教員による説明・コメントを加えたうえで
補足資料として公開してフィードバックします。

予習：本シラバスと授業で配布する資料を確認し、要点となりそうな内容や理解が難しそうな点の洗い出しをしてください。
　　　また必要があれば、各自で高校数学の復習や関連する講義を積極的に履修するなどして、知識を補うようにしてください。

復習：授業動画や配布資料を確認し、実習した分析を独力で実行できるように繰り返し練習してください。

成績評価は以下の2つの合計点（計100点）に基づいて行います。

・毎回の授業で提出するリアクションペーパー/小課題：60点（各4点×15回）
・期末レポート（レポートテーマは12回目の授業にて発表します）：40点

＜教科書不要科目＞

※ 有用な参考文献は各回の授業にて、適宜紹介していきます。

・授業の前にWebClassへ資料や課題をアップロードするので、確認してください。
・授業内容を理解するために履修者本人・他履修者同士の努力を推奨します。
　わからないことがある時には初めから教員や人に尋ねるのではなく、まずは書籍や
　インターネットを通じて情報を集め、自ら解決する道を探ってみてください。
　　　　　　　　　　　　　　　　　　　　　　　　　（※ 質問は歓迎します）