学部・大学院区分
Undergraduate / Graduate
人文・博前
時間割コード
Registration Code
2020509
科目区分
Course Category
専門科目
Specialized Courses
カリキュラム年度
Curriculum
2022年度入学以降
教育プログラム・分野・専門等
Major
英語文化学P
科目名 【日本語】
Course Title
英語学発展演習Ⅰb(2022入学~)
科目名 【英語】
Course Title
Advanced Seminar on English Linguistics Ib (Enrolled in/after 2022)
コースナンバリングコード
Course Numbering Code
HUMEL6109J
担当教員 【日本語】
Instructor
秋田 喜美 ○
担当教員 【英語】
Instructor
AKITA Kimi ○
開講期・開講時間帯
Term / Day / Period
秋 月曜日 5時限
Fall Mon 5
隔年開講
Biennial class
単位数
Credits
2
対象学年
Year
他学部生の受講の可否
Propriety of Other department student's attendance
授業形態
Course style
演習
Seminar
教職【入学年度】
Teacher's License
2022年度入学以降
教職【教科】
Teacher's License
中高専修・英語
学芸員資格(該当の有無)
Curator's Qualifications
講義題目
Title
認知言語学のための統計手法(後半)


授業の目的 【日本語】
Goals of the Course(JPN)
Rを用いた言語分析のための基本的な統計手法を理解・習得する。
授業の目的 【英語】
Goals of the Course
The goal of this course is to understand and acquire basic statistical methods for linguistic analysis using R.
到達目標 【日本語】
Objectives of the Course(JPN)
英語で書かれた専門書を正確に理解する能力を養う。また、そこに書かれた統計手法を各自の研究に応用する可能性を探る。
授業の内容や構成
Course Content / Plan
毎回、受講生ないし教員が10〜20ページの内容を解説し、全員でRを用いた統計分析の実践練習を行う。教科書の著者は認知言語学者であり、本書にも類像性など、認知言語学の話題が登場する。なお、担当教員は統計分析については素人に近いため、受講生とともに試行錯誤しながら技能を身につけていく所存である。

教科書の章構成は以下の通り(春学期の終了地点から始める):
1. Introduction to R
2. The Tydyverse and Reproducible R Workflows
3. Descriptive Statistics, Models, and Distributions
4. Introduction to the Linear Model: Simple Linear Regression
5. Correlation, Linear, and Nonlinear Transformations
6. Multiple Regression
7. Categorical Predictors
8. Interactions and Nonlinear Effects
9. Inferential Statistics 1: Significance Testing
10. Inferential Statistics 2: Issues in Significance Testing
11. Inferential Statistics 3: Significance Testing in a Regression Context
12. Generalized Linear Models 1: Logistic Regression
13. Generalized Linear Models 2: Poisson Regression
14. Mixed Models 1: Conceptual Introduction
15. Mixed Models 2: Extended Example, Significance Testing, Convergence Issues
16. Outlook and Strategies for Model Building
履修条件・関連する科目
Course Prerequisites and Related Courses
英語読解能力とコンピュータの基本操作能力を前提とする。春学期の「英語学発展演習Ia/博士論文演習IVa」の内容を理解できていることを前提とする。
成績評価の方法と基準
Course Evaluation Method and Criteria
教科書の解説および授業への貢献(20%)、期末レポート試験(80%)。
60点以上を合格とする。
教科書・テキスト
Textbook
Winter, Bodo. 2019. Statistics for Linguists: An Introduction Using R. New York/London: Routledge.(TACTで共有する)
参考書
Reference Book
随時紹介していく。
課外学習等(授業時間外学習の指示)
Study Load(Self-directed Learning Outside Course Hours)
教科書を読んで疑問点を挙げ、授業内での実践・議論に備える。
履修取り下げ制度(利用の有無)学部のみ
Course withdrawal
備考
Others
授業開講形態等
Lecture format, etc.
B-1)対面授業科目(一部遠隔:同時双方向あり)