学部・大学院区分
Undergraduate / Graduate
人文・博前
時間割コード
Registration Code
2020711
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
日本語学P,英語文化学P,英語高度専門職業人P
科目名 【日本語】
Course Title
言語統計処理演習b(2022入学~)
科目名 【英語】
Course Title
Seminar on Statistics in Language Science ab (Enrolled in/after 2022)
コースナンバリングコード
Course Numbering Code
HUMEE5111J
担当教員 【日本語】
Instructor
鈴木 駿吾 ○
担当教員 【英語】
Instructor
SUZUKI Shungo ○
開講期・開講時間帯
Term / Day / Period
秋 月曜日 1時限
Fall Mon 1
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
教職【教科】
Teacher's License
学芸員資格(該当の有無)
Curator's Qualifications
講義題目
Title
多変量解析


授業の目的 【日本語】
Goals of the Course(JPN)
本授業では、統計向けプログラミング言語である「R」を活用し、外国語教育研究など応用言語学でよく使われる代表的な多変量解析の統計手法を習得します。講義は教員のリードのもと統計の概念的および数理的な理解を目指します。また統計を用いた先行研究の手法の適切さや結果の解釈などをグループでディスカッションを行うため、積極的な参加が求められます。また公開データの再現分析や、自身の研究計画に基づくタームプロジェクトを通じて、統計分析の実践力と研究スキルを向上させます。
授業の目的 【英語】
Goals of the Course
This course addresses multivariate statistical analyses commonly used in applied linguistics, using "R," a programming language designed for statistics. Students will also develop both conceptual and mathematical understanding of statistics under the instructor's guidance. Active participation is required as students will engage in group discussions about the appropriateness of statistics used in previous research and the interpretation of results. Additionally, students will enhance their practical statistical analysis and research skills through the analysis of publicly available data and term projects based on their own research plans.
到達目標 【日本語】
Objectives of the Course(JPN)
この授業の主な目標は以下の通りである:
1. 研究目的・統計的手法の前提条件・データの特性に応じて、適切な統計的手法を選択できるようになる
2. 統計ソフトウェアを用いてデータを分析し、結果を叙述・解釈できるようになる
3. データの特性に応じた適切な図表を作成し、正確に表現できるようになる
4. 与えられたデータから、データ収集に使用された実験課題の妥当性を評価できるようになる
授業の内容や構成
Course Content / Plan
授業全体は教員がリードし、読み物内で取り上げられている主要な論点を取り上げる。講義は、グループや教室でのディスカッションやブレーンストーミングの活動が多く、いずれも授業前に教科書の概念を理解しておくことが必要です。全ての授業で「RStudio」というR言語の統合環境を使用します。コンピュータ教室で実施する場合でも、自分のラップトップを持参することをお勧めします。

以下授業で扱う統計手法です:
1. 検定力分析
2. クラスター分析
3. 主成分分析
4. 一般化線形モデル
5. 一般化線形混合モデル
6. 探索的・確証的因子分析
7. 構造方程式モデリング
※受講者の理解度に応じて多少変更があるかもしれません。
履修条件・関連する科目
Course Prerequisites and Related Courses
この授業は、前期の「言語統計処理演習a」と内容が連続しています。できる限り、前期の「言語統計処理演習a」と合わせて受講してください。
成績評価の方法と基準
Course Evaluation Method and Criteria
学生はすべてのセッションに出席し、授業に積極的に参加することが求められる。
最終成績は以下の方法で算出される:
1.平常点評価:合計50%
・積極的な授業参加:20%
・授業内統計課題 :30%
2.タームプロジェクト:合計50%
・ポスター発表:20%
・期末レポート:30%
A+ = 100-95
A = 94-80
B = 79-70
C = 69-65
C- = 64-60
F = 59-0
名古屋大学の成績評価に基づく:
https://www.nagoya-u.ac.jp/academics/curriculum/grading_gpa/index.html
教科書・テキスト
Textbook
指定教科書はなし。読み物課題は授業内にて提示する。
参考書
Reference Book
授業内にて提示する。
課外学習等(授業時間外学習の指示)
Study Load(Self-directed Learning Outside Course Hours)
毎週の読み物課題(教科書、学生が選択した論文)
履修取り下げ制度(利用の有無)学部のみ
Course withdrawal
研究科講義のため対象外
備考
Others
特になし。
授業開講形態等
Lecture format, etc.
A-1)対面授業科目(対面のみ)