Teaching& learning.

直感や経験に頼る思考は、データの前で系統的に間違えます。認知バイアスを取り除き、データにもとづいて現象を記述し推論するための「共通言語」としての統計学を、手計算ではなく Python で動かして確かめながら学びます。

条件付き確率・ベイズの定理・確率分布で、統計的推測の土台を固めます。そのうえで、「空気を読む」ことが試行の独立性を壊し、集団の判断を劣化させる仕組みを、情報カスケードとコンドルセの陪審定理を使ってシミュレーションで確かめます。

社会のできごとをデータで確かめるための方法を、量的調査と質的調査の両面から学びます。調査の歴史・倫理・公的統計の使い方から始め、アンケート・インタビュー・観察・エスノグラフィへと進みます。

半年かけて一つの調査をやり切るプロジェクト型の授業です。テーマを決め、質問を作り、回答を集め、集計し、読み解き、Webページとして公開して報告書にまとめます。生成AIへの聞き方と、返ってきた答えを確かめる力も扱います。

行動科学におけるデータ分析の基本を、統計解析環境 R（RStudio）で学びます。データの読み込み・整形・可視化から、t検定・分散分析・カイ二乗検定の実行と出力の解釈まで。プログラミングを初めて学ぶ人を想定しています。

音声をデジタル化するところから、スペクトログラム、音響特徴量、統計モデル、最新の認識モデル、評価指標までを扱います。各回に「進化の視点」の節があり、その回の技術が人間の発話や聴覚の進化とどうつながるかを併せて考えます。

前半はビッグデータの基盤技術で、列指向ストレージ、CAP定理、近似アルゴリズムなどを扱います。後半は目的関数に基づく多変量解析で、重回帰・主成分分析・k-means・部分最小二乗回帰へ進みます。どの手法が何を最大化または最小化しているかを軸にしています。

可視化の基本原則から始め、DuckDB と Polars によるデータ処理、主成分分析や k-means の可視化、インタラクティブなチャート、ダッシュボード設計、データストーリーテリングまで進みます。各回に演習スクリプトがあり、段階的なヒントを出しながら自分で解く形式です。

再現可能な分析パイプラインを土台に、座標変換、空間結合、最近傍分析、カーネル密度推定といった地理空間データの処理を扱います。後半は主成分分析、k-means、部分最小二乗回帰へ進み、生成AIを分析に使うときの再現性も取り上げます。