シラバス表示
シラバスの詳細な内容を表示します。
→ 閉じる（シラバスの一覧にもどる）
科目の基本情報
| 開講年度 | 2024 年度 | |
|---|---|---|
| 開講区分 | 生物資源学部 | |
| 受講対象学生 |
共生環境学科・環境情報システム学教育コース 学部(学士課程) : 3年次 共生環境学科・農業土木学教育コース |
|
| 選択・必修 | 必修 学科必修科目：環境情報教育コース、農業土木教育コース対象科目 |
|
| 授業科目名 | 環境解析基礎Ⅲ | |
| かんきょうかいせききそ さん | ||
| 単位数 | 2 単位 | |
| ナンバリングコード | BIOR-Envi-2021-007
|
|
| 開放科目 | 開放科目
他専攻の学生の受講可, 自専攻の学生の受講可, 他研究科の学生の受講可, 自研究科の学生の受講可, 他講座の学生の受講可, 他類の学生の受講可, 他学科の学生の受講可, 他学部の学生の受講可 |
|
| 開講学期 |
前期 |
|
| 開講時間 |
月曜日 5, 6時限 |
|
| 授業形態 |
対面授業 * 状況により変更される可能性があるので定期的に確認して下さい
「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業 |
|
| 開講場所 | 生物資源学部校舎（教室番号は、Moodle生物資源学部・生物資源学研究科 学生掲示板で確認して下さい。） | |
| 担当教員 | 福島崇志 | |
| FUKUSIMA, Takashi | ||
| SDGsの目標 |
|
|
| 連絡事項 | * 状況により変更される可能性があるので定期的に確認して下さい |
|
学修の目的と方法
| 授業の概要 | 複雑な自然科学データから重要な要素を取り出すデータサイエンスの力は，理系大学生の必須技能の一つである．そのため，正しいデータサイエンスとデータの解釈をするための注意すべき点を学習する． （DP，CPとの関連） この講義は，三重大学の目標である4つの力の「感じる力」，「考える力」，「生きる力」を身に付けるため，生物資源学部DPである（２）（３）（５）の習得を目指す． |
|---|---|
| 学修の目的 | 現象を正しく評価するためには，現象を定量化し，科学的に解析・考察する必要がある．この講義では，受講生が，データサイエンスの基礎として，「データを集める」，「データを読む」，「データを解く」，「データを見せる」の4つの技能を理論的に理解・実践できるようになることを目的とする． |
| 学修の到達目標 | 以下4つを目標とする． （知識）（技能） １ 対象データを正しく収集することができる． ２ 集めたデータの特徴を適切に説明できる． ３ データを基に科学的解釈を与える統計解析ができる． （態度） ４ データを見る人が理解しやすいように整理できる． |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 最終課題50%，小テストおよびレポート50%． （知識）（技能） データ収集方法やデータの特徴評価などの基礎知識の習得について，また，統計解析の方法や結果の解釈について正しく実施できる知識と技能について毎回の小テストを通して評価する．（50%） （態度） データの整理方法やデータの示し方について，レポートを通して評価する．（50%） （まとめ） 上記の知識と技能について，総合的な課題となる最終課題にて評価する． |
| 授業の方法 | 講義 演習 |
| 授業の特徴 |
プレゼンテーション/ディベートを取り入れた授業 グループ学習の要素を加えた授業 |
| 授業アンケート結果を受けての改善点 | 授業アンケートの結果では，課題のフィードバックを求める受講生の声がある．すべての課題に対するフィードバックは難しいが，解答例の提示や受講生間で相互確認できるような工夫をする． |
| 教科書 | 特になし |
| 参考書 | 資料を適宜配布する |
| オフィスアワー | 423室 月～金 9:00 ～ 18:00の中で適宜対応する． |
| 受講要件 | |
| 予め履修が望ましい科目 | 基礎科目の数学，プログラミングを単位修得済みであることが望ましい |
| 発展科目 | 農業食料工学実験 |
| その他 |
授業計画
| MoodleのコースURL |
|---|
| キーワード | グラフ，統計，検定，相関，回帰, Python |
|---|---|
| Key Word(s) | Graph, statistics, statistical hypothesis testing, correlation coefficient, regression, python |
| 学修内容 | 学習内容 1 データを集める1 標本と母集団，データサイズ 2 データを集める2 誤差，サンプリング定理 3 データを集める3 実験計画法 4 データを読む 1 平均 5 データを読む 2 分散，標準偏差，ヒストグラム 6 データを読む 3 基本統計量 7 データを解く 1 統計的仮説検定（2群，パラメトリック検定，ノンパラメトリック検定） 8 データを解く 2 統計的仮説検定（多群，多重比較検定，標準誤差） 9 データを解く 3 統計的仮説検定（分散分析 1元配置，2元配置） 10 データを解く 4 相関分析（ピアソン，スピアマン，無相関検定） 11 データを解く 5 相関分析（因果関係と疑似相関，統計的消去法） 12 データを解く 6 回帰分析（単回帰，信頼区間，予測区間） 13 データを解く 7 回帰分析（重回帰，標準化，多重共線性，交差検証） 14 データを見せる1 グラフと表（折れ線と散布図，棒グラフ，円グラフ，箱ひげ図，有効数字） 15 データを見せる2 グラフ作成法（プロット，凡例，ラベル，近似曲線） 16 期末課題 |
| 事前・事後学修の内容 | 第1回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第2回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第3回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第4回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第5回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第6回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第7回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第8回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第9回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第10回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第11回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第12回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第13回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第14回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） 第15回 予習：事前学習コンテンツを確認し，関連した知識の復習をする．（2時間） 復習：講義で課される課題を実施し，提出する．また，関連する数学・統計学の復習をする．（2時間） |
| 事前学修の時間:120分/回 事後学修の時間:120分/回 |