三重大学ウェブシラバス

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	2021 年度
開講区分	生物資源学部

受講対象学生	共生環境学科・全教育コース学部(学士課程) : 3年次環境情報システム学教育コースならびに農業土木学教育コース対象
選択・必修	必修学科必修科目
授業科目名	環境解析基礎III（環境情報システム学・農業土木学）
	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	火曜日 3, 4時限
授業形態	ハイブリッド授業 * 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「ハイブリッド授業」・・・「対面授業」と「オンライン授業」を併用した授業「オンデマンド授業」・・・動画コンテンツの配信等によって実施する授業
開講場所
担当教員	福島崇志
担当教員	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を取り扱う際に注意すべき点をデータサイエンスの観点から学ぶ
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．本講義では，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・実践す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．・対象データを正しく収集することができる．・集めたデータの特徴を適切に説明できる．・データを基に科学的解釈を与える統計解析ができる．・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	○ 学科・コース等の教育目標　幅広い教養と倫理観、国際感覚を身につけ、豊かな人間性を有している。 ○生命、環境、食料、健康等に関する生物資源学の基本的な知識と技術、経験を有している。 ○科学的で論理的な思考を展開することができ、計画的に問題の解決に取り組むことができる。　豊かなコミュニケーション能力を持ち、他者と協力して行動することができる。　社会の変化に柔軟かつ自律的に対応し、発展的に生きていくことができる。 ○ 全学の教育目標感じる力　感性　共感　主体性考える力 ○幅広い教養 ○専門知識・技術 ○論理的・批判的思考力コミュニケーション力　表現力(発表・討論・対話) 　リーダーシップ・フォロワーシップ　実践外国語力生きる力 ○問題発見解決力　心身・健康に対する意識　社会人としての態度・倫理観 ○ JABEE 関連項目
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%．(合計が60%以上で合格)．欠席4回以上は不合格とする．
授業の方法	講義演習
授業の特徴	PBL 特色ある教育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英語を用いた教育
授業改善の工夫
教科書	資料を適宜配布する
参考書
オフィスアワー	適宜対応する（t-fuku@bio.mie-u.ac.jp）．
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	学習課題事前学習として以下の内容を予習する（各回2時間）・数学の基礎・プログラミングの基礎・パソコンの準備また，事後学習として以下の内容を復習する（各回2時間）・講義中に出された課題・統計処理方法の意義
事前・事後学修の内容	事前学修の時間:120分/回　　　事後学修の時間:120分/回