データ分析で解き明かす現代社会の課題

本講義では、データ分析を通じて現代社会の課題を可視化し、解決策を探る。統計データやオープンデータを活用し、データの収集・整理・可視化・解析の基礎を学ぶことで、社会問題を客観的に捉え、考察する力を養う。

授業では、人口動態、都市計画、環境問題、経済データなどを扱い、データ分析の手法を実践的に学ぶ。プログラミング、統計分析、GIS、機械学習などのツールを活用し、得られた知見をどのように社会課題の解決に生かすかを考察する。

本講義はストーリー形式で展開し、学生が主体的にデータを扱いながら学ぶことを重視する。最終的に、各自が選んだテーマでデータ分析プロジェクトを実施し、成果を発表することで、実践的なデータ活用能力を身につける。

• 社会データの収集・整理・分析の基本を理解し、適切に活用できる。
• 統計、プログラミング、GIS、機械学習など、多様なデータ分析手法を実践できる。
• データを基に論理的な考察を行い、社会課題の解決策を検討できる。
• グループワークやプレゼンテーションを通じて、データ活用の実践力と発信力を養う。

本講義は演習形式で行い、講義と実践を組み合わせて進める。PCを使用し、データ分析の手法を実際に操作しながら習得する。グループワークやディスカッションを取り入れ、協力しながら課題解決を図る。最終的には各自のデータ分析プロジェクトを発表し、実践的な学びを深める。

日本語のみ Japanese only

ＰＢＬ（課題解決型学習） Project-based learning

ディスカッション、ディベート Discussion , Debate

グループワーク Group work

プレゼンテーション Presentation

本講義は 「データ分析の基礎」 と 「応用と実践」 の二部構成で進める。
前半（第1回〜第7回）では、データの収集・整理・可視化の基礎を学び、後半（第8回〜第15回）では、より実践的な応用やデータ分析プロジェクトに取り組む。データを通じて社会や環境の変化を客観的に捉える力を養い、都市や気候の視点も交えて分析を進める。

第1部：データ分析の基礎（1〜7回）

第1回：イントロダクション（データ分析とは？目的と活用例）
第2回：データの収集と整理（データの種類、オープンデータの活用）
第3回：データの可視化（グラフの作成と視覚的な伝え方）
第4回：統計の基礎（基本的な統計指標とその活用）
第5回：地理空間データの活用（地図データの可視化、都市・環境データの活用事例）
第6回：データを通じて社会の変化を読み解く（人口・経済・環境データの傾向）
第7回：データを用いた意思決定（分析結果をどう活かすか）


第2部：応用と実践（8〜15回）

第8回：データ分析の応用（ビジネスや政策におけるデータ活用）
第9回：社会・経済・環境データの関連性を探る（都市計画や防災の事例も含む）
第10回：演習①：データ収集と整理（グループワーク）
第11回：演習②：データの分析と可視化（テーマごとの分析）
第12回：データを活かした社会課題の分析（都市・環境データを含む）
第13回：期末発表の準備①（テーマ決定とデータ収集）
第14回：期末発表の準備②（ストーリー構成と発表の練習）
第15回：期末発表（データ分析プロジェクト発表）

準備学習：前回講義の指示に従って、次回講義の準備学習を行う。
事後学習：講義内容のチェックリストに従い、事後学習と確認を行う。

準備学習２時間　事後学習２時間（２単位科目）

特になし。

本講義の評価は、授業への参加、課題の完成度、期末プロジェクトの成果 を総合的に判断し、以下の基準で評価を行う。
• 授業への参加（20%）：ディスカッションやグループワークへの積極的な参加、授業内での発言や議論の深さを評価する。出席だけではなく、授業にどの程度主体的に関わったかを重視する。
• 課題・レポート（30%）：各回のデータ分析課題やレポートの提出状況、内容の正確性・論理性を評価する。
• 期末プロジェクト（50%）：データ分析の深さ、結果の解釈、発表内容の分かりやすさ・論理性を重視し評価する。

※定期試験は実施せず、授業内での取り組みやプロジェクトの成果をもって評価を行う。

定期試験期間中には筆記試験を実施しない。No exams are required during the exam period.

課題や期末レポートに対するフィードバックは、Moodleの掲示板を通じてコメントや補足説明を提供する。また、必要に応じてメールやオンライン面談にて個別対応を行う。授業内でもフィードバックの時間を設け、学生の質問に対応し、理解度を確認する。

適時に指定する。

適時に指定する。

特になし。

本講義は演習を中心に進めるため、演習用のPCを持参することが望ましい。授業はワークショップ形式で実施し、データ分析の実践を重視するため、データ分析の実践を重視するため、積極的に議論し、意見を交わすことが求められる。また、データ分析やプログラミングの経験は必須ではないが、基礎的なコンピュータ操作に慣れていることが望ましい。生成AI、Pythonプログラミング、データ分析、GISに関心のある学生の履修を歓迎する。

住み続けられるまちづくりを Sustainable cities and communities

気候変動に具体的な対策を Climate action

Moodleの掲示板およびメールを通じて質問を受け付ける。
授業に関する問い合わせは、担当教員の連絡先（メールアドレス）までご連絡ください。メールアドレスは、講義中にご案内いたします。