科目ナンバリング		-

科目コード		143060

科目名		データ分析・活用演習Ⅱ

科目名（英語）		Seminar of Data Processing and Analysis Ⅱ

学科		ｽﾎﾟｰﾂ情報ﾏｽﾒﾃﾞｨｱ学科

学年		３年

学期		前期

授業形態		演習

必修・選択の別		選択

単位数		2

担当教員		粟木　一博

開講の別		単独開講

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


Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅴ

■	■	■

体育学科のＤＰは下記のリンクを参照してください。

体育学科

https://www.sendaidaigaku.jp/gakubu.html?post=668&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=82&name=kenhuku

運動栄養学科のＤＰは下記のリンクを参照してください。

運動栄養学科

https://www.sendaidaigaku.jp/gakubu.html?post=213&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=228&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=243&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=208&name=kdm

アクティブ・ラーニングについて


	課題解決型学習（ＰＢＬ）	■

	反転学修	■

	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する。

■	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。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	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」、「タレント発掘育成情報」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

16.	テスト	これまでの内容について試験を実施する。	試験に対する準備をする。	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）

レポート実施する場合は、授業内で指示をします。

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。
今年度は、大学のコロナウイルスに関するガイドラインに準拠し、感染の流行拡大の予防に注意を払い、原則、オンラインでの授業を行う。大学の指定するGoogle class roomを通しての講義となる。なお、対面での授業再開となった場合には、改めて周知する。