| 実務経験の有無 | | |
|
| 授業の概要 | | | データの一義的な解釈に留まらず、その潜在的な構造に言及する方法について解説する。推測統計学の基礎および多変量解析手法についても言及する。スポーツに関する様々なデータを素材として、その高度な分析手法について解説する。 |
|
|
| DPとの関連性 | | |
|
| . | | |
|
| 体育学科 | | https://www.sendaidaigaku.jp/gakubu.html?post=973&name=taiiku |
|
| . | | | 健康福祉学科のＤＰは下記のリンクを参照してください。 |
|
|
| 健康福祉学科 | | https://www.sendaidaigaku.jp/gakubu.html?post=387&name=kenhuku |
|
| . | | | スポーツ栄養学科のＤＰは下記のリンクを参照してください。 |
|
|
| スポーツ栄養学科 | | https://www.sendaidaigaku.jp/gakubu.html?post=518&name=eiyo |
|
| . | | | スポーツ情報マスメディア学科のＤＰは下記のリンクを参照してください。 |
|
|
| スポーツ情報マスメディア学科 | | https://www.sendaidaigaku.jp/gakubu.html?post=533&name=media |
|
| . | | | 現代武道学科のＤＰは下記のリンクを参照してください。 |
|
|
| 現代武道学科 | | https://www.sendaidaigaku.jp/gakubu.html?post=548&name=gbd |
|
| . | | | 子ども運動教育学科のＤＰは下記のリンクを参照してください。 |
|
|
| 子ども運動教育学科 | | https://www.sendaidaigaku.jp/gakubu.html?post=513&name=kdm |
|
| アクティブ・ラーニングについて | | | | | | 課題解決型学習（ＰＢＬ） | ■ | | | | 反転学習 | ■ | | | | ディスカッション | | | | | ディベート | | | | | グループワーク | | | | | プレゼンテーション | ■ | | | | 実習 | | | | | フィールドワーク | | | |
|
|
| 授業の一般目標 | | | データの応用的な分析手法について理解する。推測統計学、多変量解析の考え方について理解する。データを分析するためのツールとして、表計算ソフトウェアの高度な使用方法、多変量解析のためのソフトウェアの操作方法を理解する。データを提示するための有効な方法として、グラフや表の作成方法、さらにプレゼンテーションの方法について理解する。 |
|
|
| 授業の履修目標 | | | | | | | 対象 | 領域 | 内容 | | | | | ■ | 認知的領域 | 推測統計学の初歩、多変量解析について理解しており、それを応用してデータを適切に処理することができる。 | | | | | ■ | 情意的領域 | 与えられたデータを自分なりに考えて処理することができるようになる。さらに課題を設定しようとする態度が身についている。 | | | | | ■ | 技能表現的領域 | データ処理のためのコンピュータソフトウェアの操作ができる。処理したデータを用いて効果的なプレゼンテーションができる。 | | | |
|
|
| 授業の到達目標 | | | | | | | 対象 | 領域 | 内容 | | | | | ■ | 認知的領域 | 推測統計学の初歩、多変量解析について理解している。 | | | | | ■ | 情意的領域 | 与えられた生データを自分なりに考えて処理することができるようになる。 | | | | | ■ | 技能表現的領域 | データ処理のためのコンピュータソフトウェアの操作ができる。 | | | |
|
|
| ルーブリック | | | | | | | | | | 評価項目 | 評価基準 | | | | | | | 十分に達成し、極めて優秀な成績を修めている | 十分に達成している
【履修目標】 | おおむね達成している | 最低限達成している
【到達目標】 | 達成していない | | | | | | | 秀 | 優 | 良 | 可 | 不可・放棄 | | | | | | | | 推測統計学の初歩、多変量解析についての理解 | 推測統計学の初歩、多変量解析について理解しており、それを応用してデータを適切に処理することができる。さらに、その処理の機序について説明できる。 | 推測統計学の初歩、多変量解析について理解しており、それを応用してデータを適切に処理することができる。 | 推測統計学の初歩、多変量解析について十分に理解している。 | 推測統計学の初歩、多変量解析について理解している。 | 推測統計学の初歩、多変量解析について理解していない。 | | | | | | | | データを自分なりに考えて処理しようとする意欲 | 与えられたデータを自分なりに考えて処理することができるようになる。さらに課題を設定し、それを解決した結果を積極的に表現しようとする態度が身についている。 | 与えられたデータを自分なりに考えて処理することができるようになる。さらに課題を設定しようとする態度が身についている。 | 与えられた生データを自分なりに考えて処理することが十分にできるようになる。 | 与えられた生データを自分なりに考えて処理することができるようになる。 | 与えられた生データを自分なりに考えて処理することができない。 | | | | | | | | データ処理のためのコンピュータソフトウェアの操作 | データ処理のための複数のコンピュータソフトウェアの操作ができる。処理したデータを用いて効果的なプレゼンテーションができる。 | データ処理のためのコンピュータソフトウェアの操作ができる。処理したデータを用いて効果的なプレゼンテーションができる。 | データ処理のためのコンピュータソフトウェアの操作ができる。それを表現することができる。 | データ処理のためのコンピュータソフトウェアの操作ができる。 | データ処理のためのコンピュータソフトウェアの操作ができない。 | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
|
|
| 授業計画（全体） | | | 各テーマに沿った実際のデータを用い、それを処理する形式で授業が進められる。各授業ごとにレポートという形式で成果物を提出したり、プレゼンテーションを行なう。 |
|
|
| 授業計画（各回のテーマ等） | | | | | | | | | | No | テーマ | 内容 | オンライン授業 | 授業外学修 | 時間数 | | | | | | | | 1. | オリエンテーション | 授業目的および概要の解説、シラバスの解説、評価方法と授業の進め方 | | シラバスを熟読すること | ４時間 | | | | | | | | 2. | 表計算ソフトウェアの操作方法 | データ分析･活用法演習Ⅰで学んだ操作方法について確認する。さらに、高度な応用方法について解説する。 | | データ分析･活用演習Ⅰの復習をしておく。 | ４時間 | | | | | | | | 3. | 確率分布 | 二項分布を用いて、推測統計学の基礎となる確率分布の考え方について解説する。 | | 確率の基礎について学習しておく。 | ４時間 | | | | | | | | 4. | 大数の法則、中心極限定理 | 表計算ソフトウェアの乱数機能を用いて、シミュレーションを行い、大数の法則、中心極限定理について解説する。 | | 確率の基礎について学習しておく | ４時間 | | | | | | | | 5. | 母集団と標本 | データのサンプリングに関して解説する。 | | 身の回りにある標本調査の例について調べておく。 | ４時間 | | | | | | | | 6. | 推測統計学の基礎1 | t検定を用い、平均値の差の検定について解説する。 | | 平均値、標準偏差について復習しておく。 | ４時間 | | | | | | | | 7. | 推測統計学の基礎2 | 分散分析の方法について解説する。 | | 平均値、標準偏差、分散等記述統計量の算出を復習しておく | ４時間 | | | | | | | | 8. | 多変量解析の方法1 | 多変量データの取り扱いについて説明し、どのように分析するか、基本事項について解説する。重回帰分析、因子分析の基礎解説 | | 相関係数について復習しておく。 | ４時間 | | | | | | | | 9. | 多変量解析の方法2 | 重回帰分析、因子分析の基礎について解説する。さらにそれらを解釈する方法について解説する。 | | 相関係数について復習しておく。 | ４時間 | | | | | | | | 10. | オープンソースインテリジェンス1 | インターネット等、開示されているデータの収集方法、その加工方法について解説する。 | | インターネットのブラウジングを学習しておく。 | ４時間 | | | | | | | | 11. | オープンソースインテリジェンス2 | あらかじめ開示されているデータから競技力向上に関するデータを抽出し、それをまとめる手法を解説する。 | | ネットブラウジング、データの加工方法について学習しておく。 | ４時間 | | | | | | | | 12. | オープンソースインテリジェンス3 | あらかじめ開示されているデータから数値として提示されているデータを抽出し、それをまとめる手法を解説する。 | | ネットブラウジング、データの加工方法について学習しておく。 | ４時間 | | | | | | | | 13. | ヒューマンソースインテリジェンス | インタビューなど人から得た情報を分析する手法について解説する。語彙による分析等についても言及する。 | | インタビュー記事やその方法について説明できるようにする。 | ４時間 | | | | | | | | 14. | レポートの方法1 | これまで学んだ方法を駆使して、データをレポートにまとめる手法について解説する。 | | 表やグラフを作成する方法について学習しておく。 | ４時間 | | | | | | | | 15. | レポートの方法2 | これまでに学んだ方法を駆使し、「スポーツ科学情報」などとしてレポートをまとめる方法について解説する。 | | 表やグラフ、文書の作成方法について学習しておく。 | ４時間 | | | | | | |
|
|
| 成績評価方法（方針） | | | 評価は、授業時間中および時間外に求められるレポートや提出物に関する評価、１）レポート（50％）、２）最終課題分析レポート（30％）、で行なう。さらに実際に行われた活動に対する評価、３）プレゼンテーション（20％）を課す。そして、これらの結果を総合して成績評価を行う。 |
|
|
| 成績評価方法（詳細） | | | | | | | | | 到達目標＼評価方法 | 認知的領域 | 情意的領域 | 技能表現的領域 | 評価割合（％） | | | | | | | 定期試験 | ― | ― | ― | 評価対象外 | | | | | | | 授業内レポート | ○ | ○ | ○ | 50% | | | | | | | 授業外レポート | ○ | ○ | ○ | 30% | | | | | | | 演習・実技 | ○ | ○ | ○ | 20% | | | | | | | 授業態度 | ― | ― | ― | 評価対象外 | | | | | | | 出席 | 欠格条件 | | | | | |
|
|
| レポートの実施・返却（方針） | | |
|
| 履修上の注意（受講学生に望むこと） | | | ・大学設置基準で求められている時間の授業時間外学修を行うこと。 | ・授業計画は授業の進度により若干前後することがある。
・作成したデータが保存できるよう、USB、ポータブルハードディスク等を準備する。
・大学メールアドレス等、連絡可能なメールアドレスを使用できるように準備する。
・3分の2以上の欠席は不合格となる。 |
|
|
| 関連科目 | | |
|
| 教科書 | | |
|
| 参考書 | | |
|
| オフィスアワー | | |
|
| GCR | | |
|
| その他 | | |
|
| 備考 | | 感染症や災害の発生時の非常時には、授業形態をオンラインに変更する場合がありますので、
大学の指示に従い受講して下さい。 |
|