|
専門教育課程 心理情報デザイン学科
| 授業科目区分 |
科目名 |
単位数 |
科目コード |
開講時期 |
履修方法 |
専門教育課程
専門科目
専門 |
心理情報プログラミングⅡ
Programing in Psychology and Information Design II
|
2 |
M114-01 |
2026年度
３期（前学期）
|
修学規程第4条を参照 |
| 授業科目の学習・教育目標 |
| キーワード |
学習・教育目標 |
| 1.プログラミング
2.R
3.データハンドリング
4.データの可視化
|
心理学における最近の研究では実験や調査によって取得したデータサイズが大きくなる傾向
にある。データサイズが大きくなると表計算ソフトではデータ全体を確認したり，分析に必
要な前処理を行うことが難しく，統計ソフトを用いる必要が出てくる。この科目では，CUI
の統計ソフトを用いて，データを取得した後に必要となるデータの確認や前処理等のデータ
ハンドリングの技術を身につけることを目指す。 |
| 授業の概要および学習上の助言 |
| この科目はコースクレジット制対象である
本科目の内容は次年度に開講される必修科目である専門実験Bでも使用する。プログラミングが苦手な学生も、できるだけ履
修すること。可能な限り、これまでのプログラミング科目の復習をしながら授業は進める予定である。 |
| 教科書および参考書・リザーブドブック |
| 教科書：指定なし
参考書：改訂2版 RユーザのためのRStudio[実践]入門：tidyverseによるモダンな分析フローの世界[技術評論社]
ﾘｻﾞｰﾌﾞﾄﾞﾌﾞｯｸ：データ分析のためのデータ可視化入門[講談社] |
| 履修に必要な予備知識や技能 |
| 心理情報学科のプログラミング関係科目の単位をできれば修得し理解していること。
実習を行うため、毎時間パソコンを持参すること。 |
| 学生が達成すべき行動目標 |
| No. |
学科教育目標
（記号表記） |
|
| ① |
H,I |
目的に応じたプログラムを作成できる |
| ② |
H,I |
取得したデータを分析可能な形に整えることができる |
| ③ |
E,H,I |
目的に応じたデータの可視化を行うことができる |
| ④ |
H,I |
取得したデータの異常値を発見することができる |
| ⑤ |
H,I |
データハンドリングに関連したコードの最適化できる |
| ⑥ |
|
|
| 達成度評価 |
|
|
評価方法 |
| 総合評価割合 |
40 |
20 |
40 |
0 |
0 |
0 |
0 |
100 |
| 指標と評価割合 |
総合評価割合 |
40 |
20 |
40 |
0 |
0 |
0 |
0 |
100 |
| 総合力指標 |
20 |
10 |
0 |
0 |
0 |
0 |
0 |
30 |
| 15 |
0 |
15 |
0 |
0 |
0 |
0 |
30 |
| 0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
| 0 |
0 |
10 |
0 |
0 |
0 |
0 |
10 |
| 5 |
10 |
15 |
0 |
0 |
0 |
0 |
30 |
| 評価の要点 |
| 評価方法 |
行動目標 |
評価の実施方法と注意点 |
| 試験 |
① |
レ |
プログラミングに必要な知識の確認をするための筆記試験を行う。 |
| ② |
レ |
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
クイズ
小テスト |
① |
レ |
授業時間内に実習課題を行い、その結果を採点する。 |
| ② |
レ |
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| レポート |
① |
レ |
データハンドリングに関連したプログラミング技術の習得を確認するため，データハンドリングを実際に
行う課題を課す。 |
| ② |
レ |
| ③ |
レ |
| ④ |
レ |
| ⑤ |
レ |
| ⑥ |
|
成果発表
(口頭・実技) |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| 作品 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| ポートフォリオ |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| その他 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| 具体的な達成の目安 |
| 理想的な達成レベルの目安 |
標準的な達成レベルの目安 |
| 効率的なコードを書くことができ，データハンドリングを自由
に行うことができる。そして，目的に沿ったデータの可視化を
行うことができる。 |
取得したデータを分析に必要な形に整えることができ，データ
の可視化を行なって，データの概要を掴むことができる。 |
| 授業明細 |
| 回数 |
学習内容 |
授業の運営方法 |
学習課題 予習・復習 |
時間：分※ |
| 1 |
オリエンテーション
この科目の目的と進め方
RStudioサーバーへのログイン |
講義
実習 |
予習：これまでのプログラミング
科目の復習をしてくる |
60 |
| 2 |
データの可視化の重要性 |
講義
自己点検 |
授業内容について復習する |
60 |
| 3 |
RStudioの基本とプロジェクトの設定 |
講義
実習
自己点検 |
授業内容について復習する |
30 |
| 4 |
Rでのデータ操作の基本操作と可視化 |
講義
実習
自己点検 |
サンプルデータを用いて基礎的な
データハンドリングと可視化を行
う |
60 |
| 5 |
実験データの読み込みとデータの確認 |
講義
実習
自己点検 |
読み込んだデータの内容を自分で
確認する。 |
60 |
| 6 |
データの確認 |
講義
実習
自己点検 |
条件分岐を用いて必要なデータの
抽出を行う |
30 |
| 7 |
コーディングブックの重要性とggplotの基本 |
講義
実習
自己点検 |
ggplot2の基礎要件を復習する |
60 |
| 8 |
データの可視化 |
講義
実習
自己点検 |
取得したデータの可視化を行う |
60 |
| 9 |
複数のデータの読み込み |
講義
実習
自己点検 |
複数のデータフレームの結合やfo
r文を使ってコードを効率的に書
く |
60 |
| 10 |
データの構造：整然データと雑然データ |
講義
実習
自己点検 |
ロング型とワイド型のデータの移
行を行う |
60 |
| 11 |
質問紙データの読み込みと変数の作成 |
講義
実習
自己点検 |
データの読み込みとRで変数を作
成する方法について復習する |
60 |
| 12 |
質問紙データの結合 |
講義
実習
自己点検 |
複数のデータセットの結合につい
て復習する |
60 |
| 13 |
実験データと質問紙データの結合 |
講義
実習
自己点検 |
異なるデータ構造をもつデータセ
ットを結合し，可視化する |
90 |
| 14 |
達成度確認試験 |
試験 |
データの可視化と整型を復習する |
60 |
| 15 |
試験の解説
自己点検授業 |
試験問題の解説
自己点検 |
前回実施した試験の確認をしてお
く |
30 |
|
一般に、授業あるいは課外での学習では：「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、ＧｏｏｄＷｏｒｋ！」：のようなプロセス（一部あるいは全体）を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間（例えば2単位科目の場合、予習2時間・復習2時間／週）を取るよう努めてください。詳しくは教員の指導に従って下さい。