科目紹介（2023年度以前生）

必修科目

様々な文化現象における問題に対して、情報科学、数理科学、統計科学におけるどのような手法が用いられており、どのような研究成果が得られているのかを紹介するとともに、文化現象の解明や記述に対してどのような有効な手法が考えられるかを概観する。

リサーチ・リテラシーの基礎を学ぶ。様々な文化体験や卒業研究等の発表会に参加・討論する機会を通じて文化情報学研究のおもしろさを理解する。

文化・言語現象を対象とし、基礎的な探究型演習をおこなう。グループ単位での演習を通じて先行研究・参考文献の探索、文献の読み方、興味深い現象の見方や・データ収集・分析方法などを学び、調査結果を論理的にまとめ、発表し、レポートを作成する。

人間の行動や社会に関わる現象を対象とし、基礎的な探究型演習をおこなう。グループ単位での演習を通じて先行研究・参考文献の探索、文献の読み方、興味深い現象の見方や・データ収集・分析方法などを学び、調査結果を論理的にまとめ、発表し、レポートを作成する。

ジョイント・リサーチ、卒業研究の実施に向けて実際に統計解析ソフトウエアを使用した基礎的なデータ解析の方法を習得する。データの要約・視覚化、データサイエンスによる具体的な解析の手法および解析結果の解釈の仕方やレポート作成の方法を学び、データを適切な方法で集計・解析し、レポートする能力を養う。

グループ単位で創意・工夫を凝らした研究活動をおこなう。演習・講義科目で学んだ文化現象の知識やデータサイエンスの実践力を活用し、問題を発見・解決する能力を養う。研究結果の発表・討論、レポート作成をおこなうことによって研究対象の理解を深め、卒業研究への布石とする。

個々の学生の関心に基づいて研究室を選択し卒業論文を執筆する。必要に応じて副担当教員からも助言を受け、文系・理系の枠を超えた研究活動を展開する。さらに進捗についての発表等を通して、これまでの研究活動で得られた問題発見・解決力やプレゼンテーション能力のさらなる発展を目指す。

A群（文化クラスター科目群）

文化資源学科目

言語データ科学科目

コーパス（言語研究に使用するために大量に収集された書き言葉および話し言葉のテキスト）と語の出現頻度や出現状況を可視化するコンコーダンスソフト等を利用して、言語をより広く深く理解することを目指す。例えば、コーパスの作成、コーパス検索の技術、コーパス頻度の処理、コーパスに基づく語彙・用例・文法研究、学習者コーパスの利用等。

履修推奨科目：「ことばの科学」

言語データからどのように言語を生み出す脳内の神経生理学的メカニズムを探ることができるのか議論する。自然言語の普遍的性質、脳の基本構造と言語野、生得仮説、言語能力の獲得と損傷、生物言語学、脳機能イメージング、言語の神経生理学的性質。

履修推奨科目：「統語論」

ことばは人間がもっている認知能力の反映であるという仮定に基づき、ことばの意味とは何か、また、ことばの意味が多様に解釈されるのはなぜかについて論じる。例えば、言語と認知能力、意味の定義と記述方法、カテゴリー化、プロトタイプ、比喩、文法化、多義性など。

履修推奨科目：「言語研究の方法1」

行動データ科学科目

あらゆる知の発生基盤である「身体」について考える。多分野にわたる研究者、専門家が「身体」に関わるトピックを提供し、「身体」を契機とした諸問題を概観する。

社会調査の方法について基本的な知識を習得する。社会調査の歴史的背景、目的、必要性、意義、種類と実例（量的調査、質的調査、国勢調査、官庁統計、世論調査、市場調査など）、調査に伴う倫理な問題点について解説し、社会を正しく知るための社会調査の入門的知識を学ぶ。

事前履修科目：「データサイエンス入門」

履修推奨科目：「データサイエンス基礎」

社会調査におけるデータ収集方法と調査データ分析方法を習得する。例えば、調査企画と設計方法、仮説の構成、標本抽出法、質問文・調査票の作成、調査の実施法、データの集計方法、量的・質的データの分析方法など社会におけるデータに基づいた問題の発見と探究方法を学ぶ。

事前履修科目：「社会調査入門」

履修推奨科目：「定量的データ分析」

既存の社会学諸分野にとらわれず、社会システム・諸社会現象への理解や行動科学に必要な統計的・数理的な専門知識を身につける。研究設計、既存資料の活用、データの収集・分析などに関する方法論と、社会科学研究を遂行するための計量的な技能を学ぶ。

事前履修科目：「社会調査法」

履修推奨科目：「定量的データ分析」「定性的データ分析」

異なった地域や集団の文化、あるいは、ある文化の過去と現在など、2つ以上の文化形態を比較・対照し、文化理論を用いて特定の文化現象を記述する方法を講義する。

社会調査入門、社会調査法などで学んだ知識に基づいて、調査の企画から報告書の作成までの一連のプロセスについて実習・演習を行う。例えば、調査の企画、質問文・調査票の作成、対象者・地域の選定、サンプリング、調査の実施、ソフトウェアを用いたデータの整理・集計・分析、報告書の作成など。

履修条件科目：「社会調査法」

「文化とは何か」という命題に対し、それが人々の様々な「行動」によって作り出され、人間生活を豊かにする新しい価値を生み出すものであると定義し、文化を理解するための具体的な計量対象としての人間行動に照準を合わせ、行動にかかわるデータの獲得・分析の論理と手法、結果解釈までの方法論と実践的な適用を学ぶ。

履修推奨科目：「文化・社会人類学」、「定量的データ分析」、「定性的データ分析」

個人や組織の関係をネットワーク理論から捉え、様々な集団のダイナミズムやリーダーシップ構造の分析に有用な知識を習得する。ネットワークの概念、原理及びデータの獲得・活用に関する理論とともに、パーソナル・ネットワーク、ソーシャル・キャピタル(社会関係資本）、組織文化などへの応用技能を学ぶ。

事前履修科目：「社会調査法」

履修推奨科目：「情報理論」「最適化法」「比較文化論」

B群（データサイエンス科目群）

データ分析科目

データ処理と記述統計の基礎を学ぶ。データ、データの尺度水準、データの要約と視覚化、記述的な回帰分析。

履修条件科目：「データサイエンス入門演習」

データサイエンス入門の内容に対応して、実際に表計算ソフトウェアを用いた演習を行う。データ処理、データの要約と視覚化、回帰分析の演習。

履修条件科目：「データサイエンス入門」

確率と推測統計の基礎を学び、実際に問題に対して推測統計の方法を適用し、結果を解釈する方法を学ぶ。確率変数と確率分布（数学的ではなく素朴に）、期待値と分散、基本確率分布、母集団と標本、推定と検定、分散分析（数学的ではなく具体的に）、分割表と独立性の検定。

事前履修科目：「データサイエンス入門｣、「データサイエンス演習｣

データサイエンス基礎の内容に対応して、実際に表計算ソフトウェアを用いた演習を行う。各種統計量の導出、推定と検定、分散分析、独立性の検定。

履修条件科目：「データサイエンス基礎」

事前履修科目：「データサイエンス入門｣、「データサイエンス入門演習」

人類の文化・社会を対象とし、様々な量的データから現象の本質を見抜く論理と方法を学ぶ。データの次元、多次元データの縮約、多次元データの固有値問題、などのデータの論理。主成分分析・判別分析・回帰/重回帰分析・クラスター分析・因子分析・系統分析などの分析の手法。データ分析の論理と手法によって、人類の生態や心理、行動や社会・文化などの多様なテーマに沿って、データの作成→評価→分析→評価→解釈という手順を追った実践形式での講義を行う。

履修条件科目：「定量的データ分析演習」

事前履修科目：「データサイエンス基礎｣

定量的データ分析で学んだ様々な分析事例を踏まえ、より実用的なデータ分析を受講生自らが演習形式で実践し、論理や手法の応用力を育成する。人類を取り巻く様々な現象を具体的に取り上げ、データ解析ツールを用いて分析し、その現象の解釈を行う（受講生自らが主題を選定し、命題をたて、データ作成から分析→解釈までを実践する）。

履修条件科目：「定量的データ分析」

事前履修科目：「データサイエンス演習｣

文化科学や社会科学におけるカテゴリカルデータ分析の論理と方法を理解することを目指す。例えば、カテゴリカルデータの記述と整理、カテゴリカルデータの確率分布、カテゴリカルデータの推測統計、分割表のモデリング、ロジステック回帰、対応分析などに関する知識と方法について学ぶ。

履修条件科目：「定性的データ分析演習」

事前履修科目：「定量的データ分析」

定性的データ分析で学んだ知識の理解を深め、データに基づいた問題解決のスキルを向上する。データ解析専用ツールを用いて、定性的データ分析で学んだ知識と手法について演習を行う。

履修条件科目：「定性的データ分析」

事前履修科目：「定量的データ分析演習」

ベイズ統計法とは、事象の条件付確率から導かれるベイズの定理に基づいて推論を行う統計分析手法である。本講義では、基本的なベイズ統計の理論、実用的なベイズ統計モデルを用いた分析法に加え、ベイズ法の実装に中核的な役割を果たすマルコフ連鎖モンテカルロ法について学習する。ベイズの定理、ベイズ決定、事後分布、事前分布、マルコフ連鎖モンテカルロ法、ベイズ学習。

事前履修科目：「確率統計」、「数理統計」

データに基づいた特徴抽出、予測、判別・識別のための機械学習法について、教師なしの学習法と教師ありの学習法を中心として統計的機械学習法およびアンサンブル学習法、カーネル法、ニューラルネットワーク学習法などについて学ぶ。

事前履修科目：「定量的データ分析」

履修推奨科目：「定性的データ分析」

多様な入力形式に対応しファイル管理能力が極めて高い汎用統計パッケージSASを用いて、データハンドリング、データ集計の実習を行う。様々な外部データの読み込み、データクリーニング、データセットの加工、集計、外部ファイルへの出力など。

履修推奨科目：「定量的データ分析」「定性的データ分析」「データベースシステム」

基礎数理科目

高校数学の復習から始めて大学数学の基礎を学ぶ。数、数列とその和、関数、関数のグラフ、多項式とその性質、方程式、3角関数、指数関数、対数関数、これらの関数の基本的な性質とその微分積分、関数の近似。

一階述語論理の理解をとおして論理的な推論の方法を学ぶ。また、基礎的な集合論を題材に、論証の方法を学ぶ。一階述語言語（命題演算、量化子、標準形）、一階述語論理における証明、集合論の基礎（集合、集合に対する演算、関係、関係の性質）、集合論における証明、ブール代数。数学的帰納法。

線形代数学の基礎を学ぶ。ベクトル、行列、行列式の定義と基本的な計算、基本的性質、線形独立性、基本変形、階数、連立1次方程式、正則行列、逆行列、固有値と固有ベクトル。

履修推奨科目：「数学入門」

離散数学の道具を使って世界を把握する方法を学ぶ。同値関係と集合の分割、集合としての関数（関数の要件、関数の分類）、順序集合（全順序と半順序、同型写像）、グラフ理論の基礎概念（有向グラフ、無向グラフ、連結グラフ、オイラーグラフ、ハミルトングラフ、根つき木、順序木、二分木）。

履修推奨科目：「論理と数理」

微分積分学の基礎を学ぶ。微分積分の定義と基本的な計算、基本的性質、関数、微分と偏微分、微分の諸公式、極値問題、近似式、積分と重積分、積分の諸公式。

履修推奨科目：「数学入門」、「線形代数」

統計的データ処理の基礎を数理的に学び、確率と統計の基礎概念について学ぶ。1変量データの要約、2変量データの要約、事象と完全加法族、確率と確率空間、条件付き確率と事象の独立、確率変数、確率分布、分布関数、確率密度関数、積率、積率母関数、主な連続型確率分布と離散型確率分布。

事前履修科目：「線形代数」、「データサイエンス基礎」

履修推奨科目：「離散数学」、「微分積分」

文化現象を記述する方程式として、各種の常微分方程式の解法を学ぶ。現象と微分方程式、1階微分方程式（一般解・初期条件、変数分離形・同次形、線形微分方程式）、2階線形微分方程式（重ね合わせの原理、定数変化法、特殊解）、微分方程式系（非自律系・自律系、線形・非線形）。

事前履修科目：「線形代数」、「微分積分」

履修推奨科目：「確率・統計」

推測統計の基礎的概念を学ぶとともに、推定法、検定法の理論について学ぶ。母集団、標本、統計量、大数の法則、中心極限定理、十分統計量、標本分布、推定量の性質、フィッシャー情報量、推定法、区間推定、正規母集団の母数の区間推定、比率、比率の差の区間推定検定の性質、尤度比検定、適合度検定、独立性の検定、正規母集団の母数の検定、比率、比率の差の検定。

事前履修科目：「確率・統計」

与えられたシステムとデータに対して最も適切な判断を行うための方法論について、微分積分学、線形代数、幾何学などの数理的手法を用いた理論的背景と、応用計算機科学にもとづく実践的手法をそれぞれ学ぶ。数理最適化、線形計画法、半正定値最適化、凸最適化、非線形最適化、ネットワーク最適化、組合せ最適化、単体法、内点法。

事前履修科目：「線形代数」、「微分積分」

線形代数、微分積分および数理統計の知識を前提とし、種々の多変量解析の方法について、数理的に教授する。記述的多変量解析法を中心としながら、多変量推測統計についても触れる。多変量データ行列、平均ベクトル、共分散ベクトル、分散共分散行列、相関行列、線形モデル、一般化線形モデル、構造方程式モデリング。

事前履修科目：「線形代数」、「微分積分」、「確率・統計」、「数理統計」

人間と社会が織りなす文化生態系の諸現象を説明する数理モデルの構築と解析、検証の方法を学ぶ。生物社会の競争と共生の数理モデル、集団遺伝学と生物の進化の数理モデル、ゲーム理論と文化の伝播、文化生態系の数理モデル。

事前履修科目：「微分積分」、「微分方程式」

履修推奨科目：「確率・統計」、「現象と数理」、「数値計算」

時間とともにランダムに変動する現象のデータ（時系列データ）の解析法を学ぶ。時系列データ、スペクトル、ピリオドグラム、自己回帰モデル、自己回帰移動平均モデル、状態空間モデル。

事前履修科目：「数理統計」、「多変量解析」

ものやことの決め方や選択を支援する各種の数理的手法について学習する。不確実性と決定、ベイズ意思決定、ミニマックス決定、ゲームの理論、効用関数、投票とパラドックス、個人的選択と社会的選択。

履修推奨科目：「数理統計」、「多変量解析」

情報・コンピュータ科目

基礎的な教養として、また就職の際のスキルとして年々重要度が高まっているプログラミングを行う上で必要最低限の事項を理解する。例えば、変数、演算子、繰り返し、分岐、配列など。

履修推奨科目：「論理と数理」

多くのプログラミング言語で活用されているオブジェクト指向プログラミングの考え方の基礎を理解する。例えば、メソッド、クラス、インスタンス、再帰など。

事前履修科目：「プログラミング入門」

実用的なプログラムを作成する能力を実際にアプリケーションを作成していく過程を通じて理解する。例えば、Webフロントエンド技術（HTML、CSS、JavaScript、SVG）、バックエンド技術（サーバクライアントモデル、TCP/IP、HTTP）など。

履修条件科目：「プログラミング基礎」

事前履修科目：「インターネット技術」

情報の定量化や符号化に関する理論を通じて様々な視点から考察し、情報という概念がどのように表現され扱われているのかを学ぶ。例えば、自己情報量、相互情報量、エントロピー、シャノン符号、ハフマン符号、2進法、論理回路、論理関数。

履修推奨科目：「論理と数理」、「数学入門」

教養としての情報セキュリティから様々な脅威に対する最新セキュリティ技術までを学ぶ。例えば、プライバシや情報開示・情報操作、個人情報保護、情報セキュリティと法、セキュリティ・マネジメント、暗号技術など。

履修推奨科目：「情報倫理」、「コンピュータの仕組み」

インターネットとそのサービスを構成する技術と仕組み、運用方法について学ぶ。コンピュータネットワークの基本的な考え方、デジタルネットワーク、TCP/IP、およびその上で実現されているサービス（DNS、SMTP、HTTPなど）、ネットワーク運用技術など。

履修推奨科目：「情報倫理」

情報アクセスの基本となる情報検索の概念とその実現手法について学ぶ。例えば、情報アクセスの基礎（システムの構成要素、索引付け、検索質問、検索モデル）、検索システムの評価、自然言語処理技術の利用、インタラクションなど。

効率のよいプログラムを作成するために、データの操作手順であるアルゴリズムと、データを計算機上で表現するためのデータ構造について学ぶ。計算量の概念、アルゴリズム（ソート、サーチなど）、データ構造（リスト、ヒープ、ハッシュ、ツリー、グラフ）など。

履修推奨科目：「プログラミング基礎」、「離散数学」、「線形代数学」

人間がコンピュータと行うインターラクションの基本特性、ならびに生産性を向上するインターフェース構築のための設計ガイドラインとその評価法について学ぶ。例えば、ヒューマンコンピュータインタフェースの基礎、人間の感覚・知覚、人間の生理特性、人間の認知と理解、人間特性を考慮したインタフェースの設計、対話型システムのデザイン、入力インタフェース、ビジュアルインタフェース、情報視覚化、人とコンピュータのコミュニケーション、空間型インタフェース、協同作業支援のためのマルチユーザインタフェース、インタフェースの評価など。

履修推奨科目：「コンピュータの仕組み」、「情報アクセス技術」

コンピュータを用いた自然言語理解における意味解析、文脈解析技術、およびこれらを総合した翻訳技術について学ぶ。例えば、自然言語処理技術（形態素解析、構文解析、辞書、コーパスなど）、機械翻訳とその応用、多言語処理など。

履修推奨科目：「言語研究の方法1」

C群（体験型教養科目群）

文化情報学に関係した話題について最先端の知見をふまえた講義を行う。例えば、科学技術と社会・文化など。