教育に関してデータを用いて実証的な議論を行うための基礎的な知識と技能を身につけることが本授業の目的です。
「教育データサイエンス入門」で取り上げた事項を踏まえ、各種のオープンデータを活用したデータ分析の演習を行います。
また、テストの分析や開発、能力診断に特化した分析方法、教育的介入の効果検証に用いられる準実験的手法とデータ分析の方法論についても取り上げます。
[注] この授業は数理・データサイエンス・AI教育プログラム（応用基礎レベル）の対象科目です。
|
|
|
Rを用いたデータの整理と可視化ができる。
テストの項目分析や開発に必要なデータ分析手法を利用できる。
国際学力調査などのオープンデータを利用できる。
個人レベルの関係と集団レベルの関係を区別できる。
働きかけの効果検証のデザインを理解しデータ分析によって評価できる。
|
|
|
|
第1回
|
ガイダンス
|
|
第2回
|
再現可能性
|
|
第3回
|
テストの項目分析
|
|
第4回
|
信頼性と妥当性
|
|
第5回
|
項目反応理論
|
|
第6回
|
項目反応理論
|
|
第7回
|
テストの等化
|
|
第8回
|
テストの等化
|
|
第9回
|
国際学力調査
|
|
第10回
|
二次分析
|
|
第11回
|
マルチレベル分析
|
|
第12回
|
マルチレベル分析
|
|
第13回
|
単一事例実験
|
|
第14回
|
単一事例実験
|
|
第15回
|
まとめ
|
|
|
|
|
|
|
授業で取り上げた分析方法をRで実行できるように復習しておいて下さい。
|
|
|
|
各回課されるリアクションペーパー（40%）とレポート課題（60%）によって評価します。
|
|
|
秀：授業で取り上げた分析方法の仕組みを十分理解し、その限界を踏まえながら適切に用いることができ、結果をわかりやすく説明することができる。
優：授業で取り上げた分析方法の仕組みを理解し、その限界を踏まえながら適切に用いることができる。
良：授業で取り上げた分析方法の仕組みを理解し、適切に用いることができる。
可：授業で取り上げた分析方法を適切に用いることができる。
不可：上記に満たない。
|
|
|
|
|
|
|
|
|
|
9784750357300
|
|
|
生きるための知識と技能
|
|
|
国立教育政策研究所,国立教育政策研究所 編
|
|
明石書店
|
|
2024.3
|
|
|
|
|
|
978-4274705250
|
|
|
Rによる項目反応理論
|
|
|
加藤, 健太郎 (教育),山田, 剛史,川端, 一光,オーム社開発局,加藤健太郎, 山田剛史, 川端一光共著
|
|
オーム社
|
|
2014
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Rによるデータ処理の基本的なスキルを身につけていることが必要です。
「教育データサイエンス入門」を履修ずみであることを前提に授業を進めます。
|
|
|
|
|
|
|
|
|