| 回 | 主題 | コマシラバス項目 | 内容 | 教材・教具 |
|
1
|
1 イントロダクション
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第1回は、シラバスに基づき本科目の概要や特徴を説明した後、データビジュアライゼーションが発展してきた歴史的経緯を含め、その目的、意義、役割について学習する。さらに、今後の学習のための環境整備を行う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 科目の概要 ② データビジュアライゼーションとは ③ 学習環境の整備
|
|
細目レベル
|
① 「ビジュアライゼーション」は、環境問題の理解と解決を目指す環境学において、欠くことができない行為・技術である。「ビジュアライゼーション（Visualization）」は、情報・思考・空間・現象など幅広い事象の可視化を含む概念だが、本科目では特に「データビジュアライゼーション」の理論、作法、実装方法を学習する。「データビジュアライゼーション（Data Visualization）」とは、データを視覚表現（チャートや地図など）に変換することであり、その目的は「情報伝達・対話」と「知の発見」の二つに大別される。今日の社会では膨大なデータが日々生成されているが、数値や文字列の羅列だけでは知識の獲得や課題解決には直結しない。適切な可視化は、単にデータや情報を見やすく整理するだけでなく、専門や立場の異なる人々の間で情報を共有し、合意形成を可能にする共通言語として重要である。同時に、可視化はデータに潜むパターンや相関を明らかにし、新たな知見や仮説を導く探索の手段ともなる。環境分野は、気候・生態系・社会経済活動など多様な要素が複雑に絡み合うことから、分析や意思決定が困難な領域である。本科目では、この複雑さを直感的に把握可能な形へ構造化し、研究者・政策立案者・企業・市民が課題を共有し合意形成を進めるための共通言語として、「データビジュアライゼーション」を体系的に学ぶ。
|
② 「データビジュアライゼーション」は、数値や記録をチャートや地図、ネットワーク図などの視覚表現へ変換し、理解・発見・意思決定を支援する方法論として定義される。起源は18世紀末の統計図表にさかのぼり、20世紀後半の探索的データ解析で理論的基盤が整い、計算機とウェブの発展によりインタラクティブかつ大規模データにも対応する実践へと発展してきた。用途は説明・探索・説得・モニタリングに及び、パターンや相関、外れ値の検出など幅広く活用され、単なる装飾ではなく「情報伝達」や「知識発見」を目的とすることを特徴とする。なお、本科目では、ビジュアライゼーションと可視化を同義として扱う。また、可視化のアウトプットは「図（figure）」「ダイアグラム」「チャート」「プロット」などと表現される。「図（figure）」は最も包括的な概念であり、その下位に概念やプロセスなどの抽象的な構造を模式化する「ダイアグラム」があり、その中でも数値や統計データの視覚表現は特に「チャート」と呼ばれる。チャートのうち特にデータ点や線を落とし込んだ表現は「プロット」と呼ばれる。また、本科目では、地理的な位置情報や空間参照を持つ可視化である「地図」も扱う。
|
③ 人間の認知は、数値や文字の羅列よりも空間的配置や形状のパターンに敏感であることが知られている。このような人間の認知特性に訴えて直感的な理解を促すのが可視化である。データビジュアライゼーションの学習においては、理論の理解だけでは十分でなく、実際に手を動かしてチャートを設計・操作する実践を通じて、効果的な表現方法を体得することが重要となる。本科目では、R Markdown を用いて、文章や視覚教材による学習と各種コードの実装とを並行して進める。具体的には、文章の穴埋めによって用語を習得したり、教員が提供するコードを基盤としてコードを完成させ、実際にチャートを描いたりする。細目③では、統計解析言語であるR、統合開発環境であるRStudio、教材の共有やインタラクティブなやり取りに用いるTeams等の環境整備を行い、次回からの授業に備える。
|
|
キーワード
|
① 可視化 ② データビジュアライゼーション ③ 知識発見 ④ 情報伝達 ⑤ チャート
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
2
|
可視化の要素と文法
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第２回は、データを可視化するために必要な「要素」と「文法」を学習し、データビジュアライゼーションは科学的推論を支える手段であって単なる装飾ではないことを理解する。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 可視化の役割と抽象モデル ② データビジュアライゼーションの要素 ③ データビジュアライゼーションの文法
|
|
細目レベル
|
① データビジュアライゼーションは単なる「見やすい図表の作成」ではなく、認知科学・統計学・情報デザインにおいて「人間が複雑なデータを理解するための外化装置」としての役割を果たす。可視化は、20 世紀後半以降、Edward R. Tufte による情報デザイン論（Tufte, 1983; 1990）や William S. Cleveland による統計グラフィクス研究（Cleveland, 1985; Cleveland & McGill, 1984）を通じて、科学的方法の一部として体系化されてきた。細目①では、情報の探索・説明・説得などデータビジュアライゼーションの目的を整理する。そして、Leland Wilkinson による The Grammar of Graphics（1999）に基づき、「データ」「写像」「幾何要素」「統計変換」「尺度」「座標」「分割」からなる可視化の構成要素を概観する。細目①における学習のポイントは、可視化が科学的推論を支える手段であって単なる装飾ではないこと、可視化には抽象的な文法的枠組みが存在すること、そして個々の図表は特別なものではなく共通する要素の組み合わせとして理解できることである。
|
② Wilkinson の The Grammar of Graphics（1999）は、図表を「種類」ではなく「文法要素の組合せ」として記述できると提唱した。これは自然言語学における文法規則に喩えられる概念であり、可視化を統一的に設計・分析する基盤を提供する理論である。細目②では各構成要素を体系的に解説する。データ変数と美的属性の対応（写像）、点や線といった幾何的マークの選択、統計的要約やスムージングの導入、データ空間から画面空間への変換を担う尺度、座標系の選択、そして複数条件を並列表示する分割。これらの要素がどのように組み合わさり、具体的な可視化が生成されるかを理論的に示す。細目②における学習のポイントは、図表を構造的に分析できること、変数と視覚属性の対応づけが可視化設計の核心であること、そして統計変換や尺度の選択が解釈に大きく影響するという理解を得ることである。
|
③ 可視化を「文法」として捉えることは、ソフトウェア開発やデータサイエンス教育に大きな影響を与えてきた。その中でも特に成功した実装が R の ggplot2 であり、Hadley Wickham によって The Grammar of Graphics の枠組みが実用的なツールに具現化された（Wickham, 2010）。細目③では、従来の「関数ごとの図表作成」と「文法に基づく構成」の違いを示し、文法的枠組みを学ぶことの利点を議論する。具体的には、一貫した規則に基づいた可視化の設計、その汎用性、そしてこのことがツール選択や学習効率において発揮する優位性について説明する。細目③における学習のポイントは、図表を暗記するのではなく生成規則を理解する姿勢を身につけること、文法が ggplot2 や Altair など複数のツールに共通していること、そして図表を批判的に評価・改良するためには文法的理解が欠かせないことを理解することである。
|
|
キーワード
|
① The Grammar of Graphics ② 可視化の構成要素 ③ 抽象モデル ④ 文法的枠組み ⑤ 科学的推論
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
3
|
可視化の実装
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第3回は、データを可視化するうえで不可欠なツールをどのような観点で評価・採用するかを学習し、可視化の「文法」を体現するggplot2の構文について学習し、簡単な実装を行う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① ツール選択の考え方 ② 可視化の文法とggplot2 ③ ggplot2構文の実装
|
|
細目レベル
|
① 現代のデータ分析環境には複数の可視化ライブラリが存在する。R では base graphics や ggplot2、Python では matplotlib、seaborn、Altair などが代表的である。それぞれが異なる設計思想に基づいており、命令を積み上げる方式（matplotlib, base R）と、文法に基づいて記述する方式（ggplot2, Altair）に大別できる。この区別は、可視化をどのように理解し学んでいくかという学習過程の違いに直結する（Wilkinson, 1999; Wickham, 2010）。細目①では、両者の違いや主要ライブラリの特徴を比較しつつ、教育や研究において The Grammar of Graphics を忠実に実装した ggplot2 が重視される理由を説明する。細目①における学習のポイントは、可視化ツールにはそれぞれ異なる設計思想があると理解すること、そして文法型ツールが学習の初期段階において可視化の抽象的理解を得るのに有効であると認識することである。
|
② ggplot2 は The Grammar of Graphics の構成要素を R のコードに一対一で対応させる形で設計されている（Wickham, 2010）。これはソフトウェア工学における「宣言的プログラミング」の利点を可視化に応用したものであり、図表を構造的に記述できるようにしている。細目②では、ggplot(data, aes(...)) によるデータと写像の指定、geom_*() による幾何要素の追加、scale_*() による尺度の設定、coord_*() による座標系の変更、facet_*() による分割表示といった基本構文を順に解説する。また、+ によって層を積み重ねる仕組みが文法的合成を具現化していることを理解する。細目②における学習のポイントは、ggplot2 のコード構造が The Grammar of Graphics と直接対応していると理解することである。さらに、コードを文法的に分解して読み解くことで図表の意味を正しく解釈できること、文法に基づいた設計が可視化の再現性や拡張性を保証することを学ぶことである。
|
③ 教育研究においては、理論的な枠組みを実際に操作し、具体的な結果として観察することが理解を定着させるために不可欠である。特にデータビジュアライゼーションは「理論＝操作＝出力」が密接に結びつく分野であり、演習を通じた体験が学習効果を大きく高める。細目③では、与えられたデータセットを用いて、実際に ggplot2 で散布図・棒グラフ・箱ひげ図といった基本的な図表を作成する。基本的な geom の利用に加え、scale や facet を用いた表現の変化を体験させる。また、geom_smooth() を追加して統計変換を行うなど、文法的操作による表現の拡張を試させる。細目③における学習のポイントは、文法的概念がコードを通して具体化する過程を理解することである。さらに、geom_point を geom_line に変えるといった小さな変更によって文法要素が変更できることを実感すること、そして自分自身で文法を組み合わせて可視化を設計する意欲を養うことである。
|
|
キーワード
|
① ツール選択 ② The Grammar of Graphics ③ ggplot2 ④ 構文 ⑤ 再現性と拡張性
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
4
|
視覚・認知／色
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第4回は、人間の視覚と認知の特性を踏まえた可視化の基本原理を学び、色の三属性と設計方法、認知原理の応用による図表デザイン、さらに色の活用における注意点と表現の冗長化について学習する。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 人間の視覚と認知の特性 ② 色の三属性と設計 ③ 認知原理と可視化設計への応用 ④ 色の活用における注意点
|
|
細目レベル
|
① 人の知覚や認知の働きは可視化と深く関わっており、その特性によって図表のわかりやすさや効果が左右される。Cleveland & McGill（1984）は、人間が量を判断するときに「位置・長さ・角度・面積・色」などの視覚属性を比較した場合の精度を実験的に示し、長さや位置が最も正確で、角度や面積は誤解を生みやすいことを明らかにした。また、視覚心理学におけるゲシュタルト原則や前注意的特徴の研究は、図形のまとまりや視線の誘導についても重要な知見を提供した。細目①では、人間の視覚特性がデータ表現の成否に直結することを解説する。具体的には、棒グラフの有効性や円グラフの問題点を認知科学の観点から理解する。細目①における学習のポイントは、人間の視覚が持つ強みと制約を理解すること、そして可視化を設計する際には「人がどのように見るか」を前提に考える必要があると認識することである。
|
② 色は可視化において強力な表現手段であるが、その利用には多くの配慮が必要である。色を理解するためには、色相（hue）・明度（lightness）・彩度（saturation）という基本的属性を理解しておく必要がある。色相はカテゴリーを区別するのに適しており、明度や彩度は強調や順序の表現に用いられる。さらに、暖色・寒色による心理的印象や、色相・明度・彩度の組み合わせによる認知の差異を理解しておく必要がある。細目②では、色の三属性を知ったうえで、可視化における役割を解説する。具体的には、定性的（qualitative）、順序的（sequential）、発散的（diverging）といったカラーマップの基本タイプを紹介し、それぞれが適切に使われる文脈を示す。また、実際の可視化ツール（例：ColorBrewer のスキーム）を例示し、有効な色彩設計について学ぶ。細目②における学習のポイントは、色相・明度・彩度といった基礎的属性を理解し、色の使い方が情報の強調や区別にどのように作用するかを学ぶことである。
|
③ 視覚と認知の知見は、単なる理論にとどまらず、実際の可視化設計に具体的に応用できる。例えば、ゲシュタルト原則の「近接」「類同」はグループ化を明確にするために利用され、「整列」や「連続性」の原則はレイアウト設計に応用できる。また、情報過多を避けるという Tufte（1983）の「chartjunk 批判」も、視覚的認知負荷を減らすための実践的指針となる。細目③では、こうした原理を実際の図表デザインにどのように取り入れるかを具体例を通して考える。良い実践例と悪い実践例を比較しながら、認知原理が可視化の可読性・説得力にどのように影響するかを学ぶ。細目③における学習のポイントは、認知科学的知見を知識として理解するだけでなく、図表設計の実践に応用できること、そして「人がどう受け取るか」を念頭に置いて可視化を設計する姿勢を養うことである。
|
④ 色はデータビジュアライゼーションにおいて強力な表現手段であるが、誤った使い方は視覚的な混乱や誤解を招く。細目④では、色の活用における注意点とその回避方法をおさえる。過剰に多くのカテゴリを色で区別しようとすると読者の負担が増し、情報が伝わりにくくなるため、色数は5程度までに抑え、多い場合は直接ラベルを併用することが望ましい。また、目的を持たずに彩度の高い色や虹色スケールを用いると、見映えはしても本質的な情報伝達が妨げられる。特に虹色スケールは非線形で、値の差異を正確に把握しにくい上、グレースケール変換では判別が困難になるため避けるべきである。さらに、利用者の8%程度が持つとされる色覚異常への配慮も不可欠であり、赤緑など識別が難しい配色は避ける必要がある。ColorBrewer などの色覚多様性に対応したパレットを利用することが推奨される。また、色だけに依存した区別には限界があるため、「表現の冗長化」が有効となる。これは、色に加えて形や大きさといった複数の視覚属性を組み合わせることで、情報をより確実に伝える方法である。例えば散布図において、色と点の形を併用すれば色覚異常を持つ人にも識別が容易となる。適切な色の選択と冗長化の併用により、データの可読性と理解度を大幅に高めることができる。
|
|
キーワード
|
① 視覚と認知 ② 色の三属性（色相・明度・彩度） ③ ゲシュタルト原則 ④ chartjunk 批判 ⑤ 色覚多様性
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
5
|
データの種類と特性
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第5回は、データの尺度と分類、構造と形式、そして外れ値や欠損値などの特性を理解し、それぞれが可視化手法の選択や設計とどのように関わっているかを学ぶ。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① データの尺度と分類 ② データ構造と形式 ③ データ特性と可視化における留意点
|
|
細目レベル
|
① データの種類は、可視化手法の選択に直接影響する。名義尺度・順序尺度・間隔尺度・比例尺度の四分類は、統計学における古典的な尺度水準であり、現在も基本的な指針となっている。名義尺度はカテゴリーを区別するだけで大小関係を持たず（例：血液型）、順序尺度は大小関係を持つが差の大きさは意味を持たない（例：成績評価）。間隔尺度は差を意味づけできるが比率は意味を持たず（例：気温）、比例尺度は比率も意味を持つ（例：体重）。細目①では、この尺度水準の違いと、それぞれが可視化にどのような制約を与えるかについて学習する。細目①における学習のポイントは、データの尺度が可視化手法の選択とどのように結びつくかを理解すること、そして「数値」として与えられてもその意味内容が異なれば可視化の形も変わることを理解することである。
|
② 実際のデータは単純な変数の集まりではなく、表形式・階層構造・時系列・地理空間などさまざまな形式を持つ。R におけるtidy dataの考え方（Wickham, 2014）は、変数・観測・値を明確に区別し、整然とした「長い形式（long format）」を推奨するものである。現在、この考え方は、可視化や統計解析を容易にする標準的な枠組みとして広く採用されている。細目②では、典型的なデータ形式（wide format vs long format、クロス集計表、時系列データ、地理情報データ）を示し、それらが可視化設計にどのように影響するかについて学習する。細目②における学習のポイントは、データ構造を正しく把握することが可視化設計の前提であると理解すること、そして tidy data の原則が効率的かつ再現性のある可視化を可能にすることを学ぶことである。
|
③ 現実のデータには外れ値・欠損値・分布の偏り・スケールの違いといった特性が存在する。これらを無視して可視化すると誤解を招く可能性がある。例えば、外れ値は平均値を大きくゆがめるが、箱ひげ図や散布図を使えば明示的に確認できる。分布の偏りが大きい場合には軸を対数変換することでパターンが明確になる。欠損値も、棒グラフやヒートマップで可視化すれば把握しやすい。細目③では、このようなデータ特性に起因する典型的な問題を例示し、それに応じた可視化上の工夫（外れ値の強調、分布の正規化、ログスケールの利用、欠損の可視化など）を紹介する。細目③における学習のポイントは、データが常に理想的な形で存在するわけではないことを理解すること、そしてその特性を可視化の設計に反映することで分析の信頼性を高められるという点を理解することである。
|
|
キーワード
|
① 尺度水準（名義・順序・間隔・比例） ② 連続・離散 ③ tidy data の原則 ④ 外れ値 ⑤ 欠損値
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
6
|
データハンドリング
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第6回は、整然データの原則を理解し、wide ↔ long 形式の変換や dplyr による基本的なデータ操作・前処理を通じて、可視化や分析を効率的かつ正確に進められるデータ整形について学習し、データハンドリングの力を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 「整然データ」とは ② wide ↔ long 変換 ③ データ操作と前処理
|
|
細目レベル
|
① データの形式が統一されていないと、可視化や統計解析の段階で思わぬ制約や誤解を招くため、データを適切に整形することは、可視化や解析を円滑に行ううえで重要である。「整然データ」とは、以下の4つの条件を満たす表型のデータである：1) 個々の変数が1つの列をなす。2) 個々の観測が1つの行をなす。3) 個々の観測の構成単位の類型が1つの表をなす。4) 個々の値が1つのセルをなす。これらの特徴により、構造と意味が合致し、データ分析における操作や可視化が効率的かつ再現あるものとなる。R における tidy data の原則（Wickham, 2014）では、「各列が変数、各行が観測、各セルが値」という明確なルールがあり、このシンプルな原則を守ることで、ほとんどの解析や可視化手法に適用できる。今日、tidy data 構造は、可視化や解析における一貫性を保ち、誤解や混乱を避けるための基盤となっている。細目①では、tidy data の概念を解説するとともに、実践を通じて整然としたデータと整然でないデータを比較する。細目①の学習のポイントは、tidy data の原則が可視化や分析の基礎となることを理解し、その違いが作業効率や結果の解釈に与える影響を把握することである。
|
② 私たちが分析で扱うデータは「wide format（横持ち）」で与えられることが多いが、ggplot2 など多くの可視化ツールは「long format（縦持ち）」を前提としている。そのため wide ↔ long の変換を行う力は、実務・研究の双方で重要となる。細目②では、wide → long、long → wide の変換の考え方を解説し、tidyr パッケージの pivot_longer() や pivot_wider() を利用した具体的な変換方法を紹介する。細目②における学習のポイントは、同じデータでも形式によって可視化の実装のしやすさが大きく異なることを理解し、形式変換を習得することで、多様なデータを柔軟に扱えるようになることを認識することである。
|
③ データ分析では、可視化前に「必要な形に整える」ための操作が欠かせない。代表的な操作には、条件に合う観測の抽出（フィルタリング）、変数の選択、新しい変数の作成（変換）、カテゴリごとの集計、グルーピングなどがある。これらを適切に行うことで、可視化の精度と解釈の正確さが保証される。細目③では、dplyr パッケージを用いた基本操作（filter(), select(), mutate(), summarise(), group_by()）を紹介する。細目③における学習のポイントは、データ操作の正確さが可視化の信頼性に直結することを理解することである。また、前処理の段階で「どのデータをどのように整えれば、どんな可視化が可能になるか」をイメージする習慣を身に着け、データハンドリングの力を養うことである。
|
|
キーワード
|
① 整然データ（Tidy Data） ② wide format（横持ち） ③ long format（縦持ち） ④ dplyr パッケージ ⑤ pivot_longer()
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
7
|
座標系と座標軸
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第7回は、座標系の選択とその役割、座標軸のスケーリング、そして極座標系の活用について学び、データの特性や目的に応じて適切な座標系とスケーリングが行えることを目指す。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 座標系の選択とその役割 ② 座標軸のスケーリング ③ 極座標系
|
|
細目レベル
|
① データの可視化を行う際には、データがどのように配置され、どのように視覚的に表現されるかを決定する「座標系」の選択が重要である。座標系とは、データをグラフィック内で適切な位置に配置するためのスケールおよびそのスケール間の関係性を定義するものであり、これにより、各観測値の位置づけを効果的に区別できるようになる。座標系には、直交座標系（デカルト座標系）や極座標系、さらに円環状や放射状の座標系などがあり、可視化の目的に応じて適切な座標系を選択することが重要である。これにより、データの隠れたパターンや関係性を強調し、視覚的に分かりやすくすることが可能となる。細目①では、さまざまな座標系（直交座標系、極座標系など）の特徴と用途を理解し、最も基本的な直交座標系を使用する際の注意点を学ぶ。細目①の学習ポイントは、座標系の選択がデータの伝達力を左右することを理解することである。
|
② 座標軸は、データの位置を決定するための基準となる軸であり、そのスケーリング方法とラベル付けは視覚的解釈に大きな影響を与える。座標軸には、線形スケールや対数スケールなど、データの特性に応じたさまざまなスケーリング方法があり、適切なスケーリング方法を選択することが重要である。例えば、数値の範囲が広い場合には対数スケールを使用することで、データの差異をより明確に表現できる。また、座標軸のラベル付けは、単位やスケールを視覚的に示し、データを理解しやすくするために適切に行うことが求められる。細目②では、データの特性に応じて、線形スケールや対数スケールを含む、適切なスケーリング方法を選択できることが目標である。学習のポイントは、スケーリングやラベル付けがデータの正確な解釈を助ける重要な要素であることを理解することである。
|
③ 極座標系は、データが周期的な性質を持つ場合に特に有効な座標系である。この座標系では、位置が角度（θ）と原点からの距離（r）によって指定され、角度軸は円形となる。特に、データが円周に沿って分布している場合に適している。例えば、温度変動などの周期的なデータでは、その特性を強調できる。具体的には、1年を通した気温の変動を示す際に、12月31日を1月1日の直前として配置することで、季節の循環を直感的に表現できる。極座標系を用いることで、このような周期的あるいは循環的なデータの関係性を明確にし、効果的に強調することが可能になる。さらに、第14回で扱う地図投影法は、地球上の球面座標（緯度・経度）を平面に写し出す変換であり、ここで学ぶ極座標系への変換の発想は、座標変換によって強調される特徴や生じる歪みを理解することにつながる。このことは、空間データや地図表現における投影変換の基礎理解にも応用できる。学習のポイントは、極座標系による周期データの可視化手法と特徴を理解するとともに、それを座標変換の考え方へと発展させる力を養うことである。
|
|
キーワード
|
① 座標系 ② 座標軸 ③ 直交座標系 ④ 極座標系 ⑤ スケーリング
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
8
|
量を可視化する
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第8回は、棒グラフを中心とした量の可視化の基本を学び、プロポーショナルインクの原則を理解したうえで、複数カテゴリを比較するためのグループ化や積み上げ棒グラフの特徴、点グラフやヒートマップといった手法による効果的表現を学習する。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 量の可視化の基本 ② 複数のカテゴリをもつ棒グラフ ③ 点グラフとヒートマップ
|
|
細目レベル
|
① 量を可視化するためには、まずデータの規模や大きさを適切に表現する必要がある。最も基本的な方法として、棒グラフ（bar plots）がある。棒グラフは、カテゴリごとの数量の差を視覚的に表現するための標準的な手法であり、数量が大きいほどバーが長くなることで、そのデータを直感的に把握できる。細目➀では、棒グラフの基本構造と可視化のための設計原則、特に「プロポーショナルインクの原則（The principle of proportional ink）」について学ぶ。この原則は、可視化における図形要素（バーの長さなど）が、表現すべきデータの値に正確に比例しているべきであるという概念であり、これを守らないと視覚的な誤解を招く。例えば、バーがゼロ以外の位置から始まる場合、バーの長さとその位置が矛盾し、視覚的に誤解を招くことがある。細目➀の学習のポイントは、棒グラフの作成方法やプロポーショナルインクの原則を理解し、量の正確な可視化の方法を学ぶとともに、視覚的に誤解を招く表現や間違いを認識することである。
|
② 複数のカテゴリ変数を同時に可視化する場合、グループ化された棒グラフ（grouped bar plots）や積み上げ棒グラフ（stacked bar plots）が役立つ。これらのグラフは、カテゴリ変数が複数ある場合に、各カテゴリの量を比較するのに効果的である。しかし、グループ化された棒グラフは情報が過多となり視覚的に比較が困難となることがあり、適切に使用するための工夫が必要である。積み上げ棒グラフは、全体に対する各部分の割合を示すため、個別のカテゴリの合計値や割合を視覚化する際に有効だが、積み上げ順序やラベルの配置に注意を払う必要がある。細目②では、どの方法を選択するべきか、そしてその適用におけるメリットとデメリットについて学ぶ。細目②の学習のポイントは、複数のカテゴリ変数を比較するためのグループ化された棒グラフや積み上げ棒グラフの使用方法と、どのようなデータに対してこれらのグラフを適用すべきかを理解することである。
|
③ グラフ（dot plots）やヒートマップ（heatmaps）は、棒グラフ以外の可視化手法であり、特にデータの密度や分布を表現するのに適している。点グラフは、データポイントを直線上または二次元空間に配置することで、数値の差異や傾向を簡潔に視覚化することができる。ヒートマップは、色の濃淡や色相を使って数値の大小を表現し、視覚的にデータの変化や傾向を強調するため、特に時間的変化や多次元データにおいてその威力を発揮する。これらのグラフは、視覚的な読み取りやすさを重視する際に非常に有効であるが、データ量が多すぎる場合、点が重なりすぎて視認性が低くなることや、軸のスケールや範囲を誤ることで、データの本質が見えにくくなる可能性があるため、慎重に設計する必要がある。細目③の学習のポイントは、点グラフやヒートマップなどの代替手法を活用し、データの視覚的な効果的な表現方法を習得することである。
|
|
キーワード
|
① プロポーショナルインクの原則 ② 棒グラフ ③ 積み上げ棒グラフ ④ 点グラフ ⑤ ヒートマップ
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
9
|
内訳を可視化する
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第9回は、内訳を可視化するための基本手法（パイチャート・積み上げ棒グラフ・サイドバイサイドバー）、ネストされたカテゴリをモザイクプロットやツリーマップで表現する方法、複数条件を扱う際に有効なパラレルセットプロットについて学習し、内訳を適切に可視化するための知識と技術を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 内訳の可視化の基本 ② ネストされた要素の可視化 ③ 複数条件に基づく内訳の可視化
|
|
細目レベル
|
① 内訳を可視化することは、全体を構成する部分（カテゴリや要素）がどのくらいの割合を占めているかを視覚的に表現することである。パイチャート（pie charts）は、内訳を示す最も直感的な方法として広く使用されている。例えば、議会の各党の席数比率などのデータは、パイチャートで簡潔に表現すできる。しかし、データが細分化されている場合には、視覚的に理解しにくくなることもある。細目➀では、パイチャートや積み上げ棒グラフ（stacked bar charts）、サイドバイサイドバー（side-by-side bar charts）の違いと、それぞれの特徴について学ぶ。また、内訳の可視化において三次元的な可視化（３Dプロット）を行うことの問題点についても触れる。細目➀の学習のポイントは、内訳を可視化する基本手法選択にあたってのコツと注意点を理解し、適切な手法を選択できるようになることである。
|
② データセットが複数のカテゴリで分かれている場合、ネストされた（ある要素の中にさらに下位の要素が階層的に入れ子構造として含まれている状態となっている）要素を可視化することが求められる。例えば、岡崎キャンパスの学生の学科ごとの内訳を示したうえで、更に男女内訳を示す場合などがこれにあたる。このようなケースでは、モザイクプロットやツリーマップを用いて、カテゴリ間の重複を適切に示す必要がある。その際、パイチャートでの二重カウントが問題となることがあるため、視覚的に重複を防ぐ方法を理解しなければならない。細目②では、ネストされた内訳を可視化する際のモザイクプロットやツリーマップの適用方法と、重複や誤解を避けるための注意点を学ぶ。細目②の学習のポイントは、ネストされた内訳の可視化方法（モザイクプロット、ツリーマップ）を理解し、重複を避ける可視化を学ぶ。
|
③ カテゴリ変数の数が3つ以上となると、積み上げ棒グラフやモザイクプロット、ツリーマップは複雑すぎて見づらい。パラレルセットプロット（parallel sets plot）を用いると、複数のカテゴリ変数ごとにデータの内訳を並列に配置し、それらを帯（band）で接続することで、条件間の関係性を直感的に把握できる。例えば、橋のデータを、材料（鉄・木・鋼）、長さ（短・中・長）、建設時代（近世・近代・現代）、川の種類といった変数で分類したい場合にも「木造の橋は主に中程度の長さで、特定の川に多く分布している」といったパターンを一目で確認できる。ただし、変数の順序や配色の基準を誤ると、帯が錯綜して読みにくくなるため、左から右への流れを意識して配置順序を工夫し、交差を最小化することが重要である。細目③では、多次元データの可視化方法としてパラレルセットプロットを学び、複数条件に基づく内訳をどのように表現できるかを理解するとともに、可視化における注意点も認識し、パラレルセットプロットの実装技術を養う。
|
|
キーワード
|
① パイチャート ② ネスト ③ モザイクプロット ④ ツリーマップ ⑤ パラレルセットプロット
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
10
|
分布を可視化する
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第10回は、ヒストグラムや密度プロットによる分布の基本的な可視化から、PDF・CDF・eCDFの理論と応用、さらにQ–Qプロットによる分布検証までを学び、データ特性や目的に応じて適切な分布可視化手法を選択・解釈できる力を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 分布の可視化の基本 ② 確率密度関数（PDF）と密度プロット ③ 累積分布関数（CDF）と経験的累積分布関数（eCDF） ④ Q–Qプロット
|
|
細目レベル
|
① データ分布を理解するための基本的な方法には、ヒストグラムと密度プロット（density plots）がある。ヒストグラムはデータを区間ごとに集計して度数を棒の高さで示すため直感的であるが、ビン幅の選択によって見え方が大きく変化するという制約がある。一方、密度プロットは連続的な曲線として分布の形を表現できるが、カーネル関数やバンド幅の選択に依存するため、こちらも恣意性を含む。加えて、分布を検証・比較する手段として、累積分布関数（CDFやeCDF）やQ–Qプロットといった方法があり、目的やデータの特性に応じて使い分けることが求められる。細目①では、分布を把握する基本的な可視化手法の特徴と限界を理解し、状況に応じて適切な手法を選択する力を養う。
|
② 確率密度関数（PDF: Probability Density Function）は、連続変数の理論的な分布を表現する関数であり、「ある区間に含まれる確率」を面積として与えるものである。例えば正規分布のPDFは左右対称の釣鐘型を描き、その形からデータの中心や広がりを把握できる。実際のデータに対しては母集団分布が不明な場合が多く、その際はカーネル密度推定（KDE）によって滑らかな曲線を描き、理論的PDFの近似として利用する。これがいわゆる「密度プロット」である。細目②の学習ポイントは、PDFが確率そのものではなく「確率の密度」を表していること、そして密度プロットがデータから推定したPDFの近似であり、理論分布との比較や仮説検証に有効であることを理解することである。
|
③ 累積分布関数（CDF: Cumulative Distribution Function）は、ある値 𝑥 以下となる確率 P(X≤x) を返す関数であり、PDFを積分することで得られる。理論分布のCDFは分布全体の傾向や分位点を把握するのに有効である。一方で、実データから構築される経験的累積分布関数（eCDF）は、各データ点の位置に対応して「その値以下の観測割合」を示す階段状の関数である。eCDFはパラメータ設定を必要とせず、データ全体の傾向を直感的に可視化できるため、中央値や特定の閾値、急激な変化点の把握に適している。細目③では、理論的なCDFとデータに基づくeCDFの違いを理解し、eCDFを用いて分布の特徴を解釈し、しきい値設定や比較に応用できる力を養う。
|
④ Q–Qプロット（Quantile–Quantile plot）は、データが特定の理論分布に従っているかを検証するための手法である。標本データの分位点と理論分布の分位点を対応させ、両者が一致すれば点は直線上に並ぶ。これにより、データが正規分布など特定の分布に従うかを視覚的に確認できる。特に、分布の偏り（skewness）や裾の重さ（heavy tails）の診断に有効である。例えば都市人口や個人資産のように右に長い裾を持つ分布では、対数変換を行った上でQ–Qプロットを描くと、理論分布との適合度がより適切に評価できる。細目④の学習ポイントは、Q–Qプロットの仕組みを理解し、理論分布との一致度を評価することでデータ特性を正しく解釈する力を身につけることである。
|
|
キーワード
|
① ヒストグラム ② 確率密度関数（PDF） ③ 累積分布関数（CDF） ④ 密度プロット ⑤ Q–Qプロット
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
11
|
関係性を可視化する
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第11回は、散布図やバブルチャートを用いた二変数・多変数の関係性の可視化、コレログラムによる複数変数間の相関の把握、さらに対応のあるデータを散布図やスロープグラフで比較する方法を学び、データ間の関係性を適切に表現する力を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 関係性の可視化の基本 ② コレログラム（Correlogram） ③ 対応のあるデータの可視化
|
|
細目レベル
|
① 散布図（Scatter Plot）は、二つの定量的変数間の関係性を知るための基本的な可視化手法であり、2変数間の相関関係や傾向を視覚的に捉えることができる。例えば、鳥の体重と頭の長さの関係を示す際、横軸に体重、縦軸に頭の長さを設定して、各鳥のデータ点をプロットする。、また、バブルチャート（Bubble Chart）は、さらにサイズという要素を散布図に追加したチャートで、3つの変数を同時に視覚化することができる。例えば、頭の長さ、体重、そして鳥の頭蓋骨のサイズを色、位置、サイズで表すことが可能となる。しかし、バブルチャートにはサイズの違いが視覚的に捉えづらいという欠点があり、この問題を解決するには、散布図行列（Scatter Plot Matrix）のような、各変数間の組み合わせを視覚的に比較できる手法が有効である。なお、散布図やバブルチャートでは、データポイントが重なり分かり辛いことがあるが、半透明やジッター（少し位置をずらして表示する手法）を使用することで、重なったポイントを識別しやすくすることが可能となる。細目➀での学習のポイントは、散布図やバブルチャートを使用した二変数の関係を視覚化の利点と制限を理解し、複数変数を効果的に可視化するための知識と技術を養うことである。
|
② 3つ以上の定量的変数を可視化する場合、全ての変数間を散布図で視覚化するのは難しい。このような場合には、コレログラム（Correlogram）が有効である。コレログラムを用いることで、各変数間の相関関係を色やサイズで視覚的に表現し、変数間の関係を一目で把握できる。なお、相関係数rとは、-1から1の範囲で変数間の共分散の強さを示すもので、値が1に近いほど強い正の相関、-1に近いほど強い負の相関があることを意味する。コレログラムと相関係数rにより、変数間の関連性の強さと方向性（正の相関または負の相関）を迅速に確認できる。このことは、初見データから仮説を発見したり、複数の変数の中から分析のために重要な変数を推測したりするのに役立つ。細目②の学習のポイントは、コレログラムと相関係数rにより、複数の定量的変数間の関係を定量的に評価する方法を学び、高次元データの関係性を効率的に視覚化する技術を習得することである。
|
③ 対応のあるデータ（paired data）とは、同一の対象について異なる条件下や異なる時点で得られた2つ以上の測定値を持つデータのことであり、可視化においては条件や時点の差異を強調する表現が求められることが多い。例えば、双子の身長の比較や同一人物の体重を2時点での比較などが含まれる。代表的な方法は、散布図に対角線（x=y）を描くものであり、もし測定値の違いが単なるランダムな誤差であれば点は対角線の周囲に左右対称に分布するが、系統的な差があれば点群は対角線から一方向に偏って配置される。一方、観測点が少なく、個々の事例を強調したい場合には、スロープグラフ（slopegraph）が有効であり、2時点の値を縦に並べて線で結ぶことで、変化の方向と大きさを直感的に示すことができる。スロープグラフは2時点に限らず3時点以上の比較にも拡張でき、時間の経過に伴う傾向や変化のパターンを明瞭に捉えることができる。細目③の学習ポイントは、対応のあるデータの特性を理解し、散布図やスロープグラフを適切に使い分けることで、個々の差異や時系列的な変化を効果的に表現できる力を養うことである。
|
|
キーワード
|
① 散布図（Scatter Plot） ② バブルチャート（Bubble Chart） ③ コレログラム（Correlogram） ④ スロープグラフ（Slopegraph） ⑤ 相関係数
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
12
|
不確かさを可視化する
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第12回は、不確実性を可視化する基本的な考え方を学び、点推定や標本分布を踏まえたエラーバーや信頼区間の活用法、さらに回帰直線・曲線における信頼帯や仮想結果プロット（HOP）による表現を通して、不確実性を正しく理解し効果的に伝える力を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 不確実性の可視化の基本 ② 点推定の不確実性の可視化 ③ 回帰直線や曲線の不確実性の表現
|
|
細目レベル
|
① 不確実性は確率として表現されるが、単に数値を棒や点で示すだけでは直感的に理解しにくい。そのため、頻度に基づくフレーミング（例：100個のマスのうち成功を暗色で示す）や離散的な結果の可視化によって「どのくらい起こりそうか」を分かりやすく示す方法が有効である。また、連続的な確率分布を小さな単位に分割して粒で表す分位点ドットプロット（quantile dot plot）は、確率を面積ではなく個数として表すことで直感的な理解を助けるとともに、確率分布の全体像や極端な結果の起こりやすさを視覚的に把握できる。細目①の学習ポイントは、確率の概念を「頻度」や「個数」として視覚化することで、不確実性をより具体的かつ直感的に理解し、その理解を基に不確実性を効果的に可視化する力を養うことである。
|
② データを分析する際、標本から計算された平均などの数値は母集団を代表する「点推定値（point estimate）」と呼ばれるが、標本にはランダムな誤差があるため、推定値は毎回少しずつ変わり「真の値」と一致するとは限らない。この不確実性を理解するためには、同じ条件で標本を繰り返し抽出したときに推定量（平均や比率など）がどの程度ばらつくかを示す「標本分布（sampling distribution）」の概念が重要である。母集団における個体差を表すのが標準偏差（SD: standard deviation）、標本平均の推定精度を表すのが標準誤差（SE: standard error）であり、この2つを混同してはならない。可視化では、点推定と不確実性を同時に表現するためにエラーバー（error bar）や信頼区間（CI: confidence interval）が用いられる。さらに、複数の信頼水準を濃淡で重ねた「階級付きエラーバー（graded error bar）」は、端点を単なる最小・最大と誤解するリスクを減らす一方で、図の複雑さを増すという課題もある。群間比較では「各群のCIの重なり」で有意差を判断するのではなく、「群間差そのものの信頼区間」を可視化することが望ましい。細目②の学習ポイントは、サンプルサイズが大きいほど標本分布が狭まりSEやCIの幅が縮まることを理解し、SD・SE・CIを正しく区別して活用することである。
|
③ 回帰直線や曲線は「唯一の正解」ではなく、データのばらつきに応じて「もっともらしい線」が複数考えられる。この不確実性を伝えるのが信頼帯（confidence band）である。直線回帰で信頼帯がカーブして見えるのは、切片が上下に動く場合と傾きが回転する場合の可能性が重なっているためである。不確実性を直感的に伝える方法として、データを繰り返し取り直した場合に現れる「複数のフィット線」を重ね描くことも有効である。さらに、信頼帯を濃淡で段階的に示すグレーデッド・バンドは、線を「確定解」と誤解されるのを防ぐ助けとなる。また、仮想結果プロット（HOP: Hypothetical Outcome Plot）は、複数の「あり得る結果」をアニメーションで切り替えて見せることで、傾向がどの程度揺れ動くかを体感的に示すことができる。ただし、HOPでは十分なサンプル数を確保し、結果が母分布を適切に代表することを確認する必要がある。細目③の学習ポイントは、信頼帯やHOPを用いて回帰の不確実性を「一本の線」ではなく「線の集合」として理解する視点を養うことである。
|
|
キーワード
|
① 不確実性（uncertainty） ② 標本分布（sampling distribution） ③ 信頼区間（confidence interval, CI） ④ 信頼帯（confidence band） ⑤ 仮想結果プロット（Hypothetical Outcome Plot, HOP）
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
13
|
変化を可視化する（時系列・トレンド）
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第13回は、折れ線グラフによる個別の系列表現、複数系列や循環的変化を強調する連結散布図、短期的変動を抑えて長期傾向を示す平滑化・LOESS、さらにはデトレンドやSTL分解によるトレンド・季節変動・残差の分解を学習し、時系列データの基調と変動要因を解釈する力を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 時系列の可視化の基本 ② 複数系列と順序データの可視化 ③ 平滑化・関数系によるトレンドの可視化 ④ デトレンドと時系列要素の分解
|
|
細目レベル
|
① 時系列データは「順序性」と「隣接性」を持ち、折れ線グラフ（line graph）により表現するのが基本である。観測時点がまばらな場合は点と線を併用し、観測時点が密な場合は線のみを用いて全体の傾向を強調することが多い。点を線で補完する場合には、補完を観測値だと誤解されないように「折れ線は、あくまで視線の移動を補助するためのものです。」と注釈を加えることも有効である。また、曲線下を塗りつぶす面グラフは、全体傾向を視覚的に把握しやすくするが、y軸をゼロから始めないと面積が値に比例せず、過大・過小な印象を与える危険がある。細目➀の学習ポイントは、点・線・面の使い分けをデータ密度や目的に応じて選び、時系列の順序性を正しく表現する力を養うことである。
|
② 複数の時系列を同時に描く場合は、線で結んで流れを追いやすくし、凡例ではなく直接ラベルを付与することで認知的負担を減らす。系列数が多い場合は色覚多様性を考慮した配色も重要である。時間以外でも順序を持つ自変数（例：用量と反応の関係）には折れ線が適しており、変数間の連続性を直感的に示すことができる。さらに、二変数の同時推移や循環を強調する際には連結散布図（connected scatterplot）や位相平面図（phase portrait）が有効であり、時間方向を色の濃淡や矢印で明示することで「方向性」と「速度感」を伝えることができる。高次元データでは、PCAなどの次元削減を行い、低次元空間に射影して軌跡を描くことで、多変量の動態を理解しやすくなる。細目②における学習ポイントは、複数系列の比較可能性を保ちながら、順序や循環の情報を正しく強調できる表現を選択する力を養うことである。
|
③ 短期的な変動を抑え、長期的な傾向を示す方法として平滑化（smoothing）がある。移動平均（moving average）は一定期間の平均を順次計算して描く基本手法で、理解しやすいが端点の欠落や窓幅（window size）による線のデコボコが課題である。LOESS（locally estimated scatterplot smoothing）は近傍データに基づいて局所回帰を行い、重み付けにより端まで滑らかに描ける点が強みである。スプライン（cubic spline、thin-plate spline、Gaussian process splineなど）は計算効率に優れるが、ノット（knots、区切り点）の数や配置で結果が大きく変わり、境界や過学習に注意が必要である。GAM（Generalized Additive Models）は柔軟だが解釈性が落ちる場合もある。平滑化は解釈が難しいため、データの性質に即した関数形を用いると意味ある解釈が可能になる。例えば線形回帰は直感的で、指数成長はログ変換により直線化でき、パワー則や対数的関係も座標変換（log–log, log–linear, linear–log）で線形的に扱える。細目③の学習ポイントは、平滑化手法の利点と限界を理解し、関数形フィットで解釈可能な指標を獲得して時系列のトレンドを把握する力を養うことである。
|
④ 長期的なトレンドを除去するデトレンド（detrending）は、異常（バブルや危機）や循環的な要素を明確にし、変動の本質を捉えるために有効である。デトレンドには、トレンドを推定値で割る「比率型デトレンド」や、引き算による「差分型デトレンド」、さらに株価分析で用いられる「対数差分（log return）」など多様な方法がある。STL分解（Seasonal-Trend decomposition using LOESS）のような手法では「長期トレンド・季節変動・残差」に分けることで背景構造と外的要因を切り分けられる。例えば、CO₂のKeeling曲線を分解することで、温室効果ガスの増加（長期トレンド）と植物成長による季節変動、そしてノイズ的な要因を明瞭に把握できる。残差部分は純粋なランダムノイズを意味するだけでなく、外的ショック（自然災害・金融危機など）を検出する手がかりにもなる。細目④の学習ポイントは、デトレンドや時系列分解を通じて、基調と変動を切り分け、背景の構造と外的要因を解釈する力を養うことである。
|
|
キーワード
|
① 折れ線グラフ（Line graph） ② 連結散布図（Connected scatterplot） ③ 平滑化・LOESS（Smoothing / LOESS） ④ デトレンド（Detrending） ⑤ STL分解（STL decomposition）
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
14
|
空間を可視化する（位置情報）
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第14回は、投影法と地図の歪みの理解、レイヤー構造による位置情報の表現、そしてコロプレスやカルトグラムなどを用いた地域的特徴の強調方法を学び、地理空間データを正確かつ効果的に可視化する力を養う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 地図投影と歪みの理解 ② レイヤー構造 ③ 主題図 ④ 空間情報の三次元的な可視化
|
|
細目レベル
|
① 地理空間データを正しく表現するには、地球という球面を平面に写し出す「投影法（projection）」の理解が不可欠である。投影法では、角度・距離・面積などのどれを優先して正しく保つかを選択する必要があり、完全に歪みをなくすことはできない。代表的な分類として、角度を保存する正角図法（conformal projection）と、面積を保存する正積図法（equal-area projection）がある。例えば、航海に用いられたメルカトル図法（Mercator projection）は局所的な形状や角度を正しく保つが、高緯度地域では面積が極端に誇張され、グリーンランドが実際よりも大きく見える。一方、グード図法（Goode’s homolosine projection）は面積を正しく表現できるが、海洋が分断されるなどの制約を持つ。また、正距図法（equidistant projection）のように距離を一部正しく表すものや、バランスを取った妥協図法（compromise projection）も存在し、Google Mapsなどで使われる「Webメルカトル投影」もその一例である。細目①の学習ポイントは、投影法の種類ごとの特徴と歪みの性質（角度・面積・距離・形状）を理解し、航海・教育・Webサービス・統計地図など利用目的に応じて適切な投影を選択することの重要性を知ることである。
|
② 近年では、国土数値情報、基盤地図情報、各種商用データなど、様々な地理空間データが無償で取得でき、QGISなどのオープンソースアプリを用いて容易に表示することができる。地理空間データを用いることで、各オブジェクトに色・形・大きさを対応づけたり、多様な属性を付したりすることができ、多くの情報を効果的に表示することができる。地理空間データの可視化では、地形・道路・ランドマーク・データ点など複数の情報を重ね合わせる「レイヤー構造」が基本となる。例えば、風力発電所の位置を示す地図では、地形図、道路網、風車の位置、都市名といった複数の層を組み合わせることで、背景文脈と対象データを同時に提示できる。また、地図の印刷や可視化においては、理解を助けるスケールバーや北向き矢印を付与するといった “作法”の理解も重要である。細目②の学習ポイントは、地理空間データを取得・表示し、レイヤーを適切に組み合わせて、地理的文脈を維持しながらデータの意味を強調できる表現方法を習得することである。
|
③ 地理的な量的データを表現する代表的手法がコロプレスマップ（choropleth map）であり、人口密度のように面積あたりの値を色で表すと有効である。コロプレスマップの活用にあたっては、絶対数をそのまま用いると誤解を招きやすい、連続カラースケールは美しいが読み取りが難しく、4〜6階級に区切った離散カラースケールが見やすいなど、可視化のコツもある。また、領域の形を人口に比例して変形するカルトグラム（cartogram）、等サイズのマス目に置換するカルトグラム・ヒートマップ（cartogram heatmap）、各地の状況を示す小グラフを地理的位置に応じて配置するスモールマルチプルズ（small multiples）も魅力的な可視化手法だが、活用を誤ると科学的正確さが損なわれる危険性もある。細目③の学習ポイントは、コロプレス、カルトグラム、カルトグラム・ヒートマップといった手法の利点と限界を理解し、地域的特徴を誤解なく伝える可視化を行うための力を養うことである。
|
④ 近年、都市や環境を三次元的に再現し、現実とデジタル空間を対応させる「デジタルツイン」の活用が進んでいる。特に、国土交通省が推進する PLATEAU プロジェクトは、建物や道路、地形などを高精度に3Dモデル化した都市空間データをオープンデータとして提供しており、都市計画、防災、エネルギー効率化など多様な応用が可能である。三次元可視化では、従来の二次元地図では把握しにくい建物の高さや街並みの立体的な特徴を直感的に理解できる。さらに、VR/AR 技術やシミュレーションと組み合わせることで、将来予測や政策評価を市民や専門家が共有できる環境の構築に向けた取り組みも広がっている。細目④の学習ポイントは、三次元地理空間データの利点と限界を理解し、PLATEAU の活用事例などを知ることで、デジタルツインの応用に向けた視点を養うことである。
|
|
キーワード
|
① 投影法（Projection） ② 正角図法・正積図法（Conformal / Equal-area projection） ③ レイヤー構造（Layer structure） ④ コロプレスマップ（Choropleth map） ⑤ デジタルツイン（Digital Twin）
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|
|
15
|
可視化におけるTips/まとめ
|
科目の中での位置付け
|
第一部では、データビジュアライゼーションの目的や意義、データを可視化するために必要な「要素」と「文法」、人間の視覚や認知の特性を踏まえた効果的な視覚的表現に関する理論、可視化の“材料”となるデータの種類や特性の理解とそのハンドリング方法、そして座標系や座標軸の考え方について学習する。第15回は、図表のタイトル・キャプション・軸ラベルやデザイン上の工夫による可視化表現の改善、複数データを比較するためのマルチパネル図の活用、そして用途に応じた画像ファイル形式の選択について学習し、情報を効果的に伝えるための実践的なスキルを養う。期末試験に向けたまとめも行う。
|
コマ用オリジナル配布資料
（該当回のR Markdownファイル）
＊必要に応じてプリントを配付する。
|
|
コマ主題細目
|
① 可視化表現のコツ ② マルチパネル図の活用 ③ 画像ファイル形式の特徴と選択
|
|
細目レベル
|
① 図表を効果的に活用するには、タイトル・キャプション・軸ラベル・デザインの工夫といった基本要素を整えることが重要である。図のタイトルは「何を示しているか」を端的に伝え、キャプションでは背景や文脈を補足し、図表が示す意図を誤解なく伝える役割を果たす。さらに、図だけでは表現しきれない詳細な数値は表を併用して提示するのが有効である。軸ラベルはフォントサイズや太さにも配慮し、特にプレゼンや印刷物では大きめに設定して視認性を確保する必要がある。また、データとコンテキスト（補助線や背景）のバランスを調整し、不要な装飾や情報を削ぎ落として本質を際立たせることが効果的である。加えて、線画（アウトラインのみ）は形が不明瞭になりやすいため避け、塗りつぶしや色分けを適切に用いることで、視覚的な区別と理解を促進できる。細目➀における学習ポイントは、タイトル・キャプション・軸ラベル・背景情報の調整など、図表の基本要素を工夫して直感的に理解できる可視化を設計する力を養うことである。
|
② 複数の関連データを比較する際には、マルチパネル図（small multiples, compound figures）が効果的である。これは複数の図を一つの枠組みで並べて示す方法であり、個々のデータの違いや類似性を直感的に比較できる。小さな複製（small multiples）として提示すれば、視覚的な一貫性を保ちつつ複数の要素を同時に比較できるため、複雑なデータも整理して理解しやすくなる。さらに、パネルごとにスケールやデザインを統一することで視覚的整合性が保たれ、解釈が容易になる。細目②における学習ポイントは、マルチパネル図を適切に利用して関連データの比較を容易にし、複雑なデータ構造を直感的に理解できる力を養うことである。
|
③ 可視化の成果を効果的に共有するためには、画像ファイル形式の選択が重要である。画像形式は大きくビットマップ（JPEG, PNG, TIFF）とベクター（PDF, SVG）に分かれる。ビットマップはピクセル単位で構成され、写真やグラデーションに適しているが、拡大すると画質が劣化する。一方、ベクターは図形を数式で定義するため拡大しても劣化せず、ロゴや線画に適しているが、複雑な図ではファイルサイズが大きくなりやすい。用途ごとに選択基準は異なり、PNGはウェブや図表に、JPEGは写真に適し、線や文字を含む図にはTIFFやPDFが推奨される。細目③におけるの学習ポイントは、利用目的（オンライン表示・印刷・プレゼンなど）に応じて形式を選択し、画質とファイルサイズのバランスを適切に取る力を養うことである。
|
|
キーワード
|
① 視認性 ② マルチパネル図 ③ 画像ファイル形式 ④ ビットマップ形式 ⑤ ベクター形式
|
|
コマの展開方法
|
社会人講師
AL
ICT
PowerPoint・Keynote
教科書
コマ用オリジナル配布資料
コマ用プリント配布資料
その他
該当なし
|
|
小テスト
|
「小テスト」については、毎回の授業時間内に、LMS上において当該コマの小テスト（難易度表示付き）を実施します。
|
|
復習・予習課題
|
【復習】R Markdown のブランクに用語やコードを入力し、重要な箇所や、書籍・Web サイト・ChatGPT などで調べた内容を Note 部分に加筆し、自分だけのオリジナル教材を完成させる。これを R Markdown から MS Word ファイルに出力し、繰り返し読み返すことで期末試験の準備とする。また、調べても分からないことは積極的に教員に質問する。
【予習】シラバスの細目レベルの内容を確認する。さらに、各自の専用フォルダにアップロードされた資料にあらかじめ目を通し、理解が困難な箇所を事前に把握しておく。また、関連するキーワードをインターネットで検索するなどして、事前に知識を得たうえで授業に臨むことが望ましい。
|