Course goal: To learn to read critically and learn about democracy from quality articles/book reviews/journalism (Foreign Affairs, Economist, London Review of Books, New York Review of Books, etc.)

We consider the following questions about democracy

1. What is democracy? How is it under threat?
2. How does free-market capitalism/ globalization/ class, race, and territorial divisions affect the health and viability of democratic processes? Is there an alternative to democracy?
3. How might democracy end? Can it stop/survive climate change and other planetary catastrophes?

1. Critical reading: understanding what is said, how it is said, but also judging if arguments are logical and/or supported by adequate evidence, and comparing author's claims with others
2. Identifying arguments and evidence
3. Summarizing and presenting what you have learned to others
4. Connecting and comparing ideas (from other readings)
5. Improving English reading, writing and speaking abilities

Topics covered in 2025 AUTUMN
[subject to change depending on how the course fares]


What is democracy?

1. Introduction: what is democracy and democratic?
2. Democracy as expression of values and ideas
3. Democracy as institutions and processes
4. Democracy index
5. Autocracy or democracy?

How is it under threat?

6. Polarization and division
7. Apathy and indifference
8. Corruption
9. Populism
10. Poor representation: silver democracy / geographic imbalance

How can it be improved?

11. Lotto-cracy
12. Lowering vote age
13. Deliberative democracy
14. E-democracy
15. Local democracy


Total:14 classes and 1 feedback

特になし

Assessment Method
- Students will be evaluated on their weekly reading responses of about 500 words each (50% = 5% x 10) and a final term paper (50% of grade) which will be minimum 2,000 words as well as 200-word summary and separate citation/referencing
- I will accept assignment submissions in both Japanese or English.

1. Read various articles and speeches about democracy and its challenges: approx.. 5,000 words every week
2. Each student prepares and submits a response to one of the articles/speeches in the readings for the week: write down three of the most important/interesting arguments in one article/speech and three questions for the class for discussion → submit to LMS assignment page
3. Reading time = 2-3 hours, preparing summary 60 minutes; expect total of 3-4 hours of extra-class preparation every week
4. You will also be assigned a final term paper that brings together the different topics covered in the class

I will not have fixed office hours, but students may contact me by email for appointments or questions about the course.

映画研究の教科書を読みながら、アメリカ映画を題材として映画作品を分析する。

・学術的な英語の文章を読む力を身につける。
・映画作品を内容からだけではなく、形式からも分析する力を身につける。

第1回　イントロダクション
第2回　映画の形式（演出）
第3回　映画の形式（撮影）
第4回　映画の形式（編集）
第5回　映画の形式（音声）
第6-7回　作品鑑賞
第8-11回　作品批評の読解（グループワーク）
第12-14回　レポート構想発表
第15回　フィードバック

特になし

LMSの課題（5点×11回）＋特別点（5点）＝60点
レポート構想発表（10点）＋レポート（30点）＝40点
※5回以上欠席した場合は成績評価の対象としない。

教科書の指定箇所を辞書を引きながら読む。
関連する映画作品や参考動画を見る。

この授業では英語の学術文献と英語のレクチャーを通して、言語学の主な分野について学ぶ。特に、言語学の研究対象、人間の言語と動物のコミュニケーションシステムの特徴、人間言語および英語の歴史、コンピュータの言語処理、脳における言語の機能、言語獲得について学ぶ。

・言語学の主な分野についての学術的な英語文献を理解できる。
・言語学関連の英語文献に関する英語のレクチャーを理解できる。
・人間の使用する言語についての理解を深める。

この授業で人間の使用する言語の研究の基礎について学びながら、英語能力を高める。

電子機器（パソコン、タブレット端末など）が必要である。

第1回：Introduction, Course overview, What is linguistics?
第2回：What is linguistics?, Differences between human and non-human communication/language
第3回：Animal communication (bees, vervet monkeys)
第4回：Attempts to teach human language to animals (apes)
第5回：Attempts to teach human language to animals (apes)
第6回：Birds and language, History of languages (origins of language)
第7回：History of languages, Quiz
第8回：History of English (Old English, Middle English)
第9回：History of English (Early Modern English), Language and computers (natural language processing, large language models)
第10回：Language and computers (natural language processing, large language models), Quiz
第11回：Brain and language (split-brain patients, aphasia)
第12回：Brain and language (aphasia, specific language impairment)
第13回：Language acquisition (Critical Period Hypothesis)
第14回：Language acquisition (first language acquisition), Final Quiz
第15回：Feedback

特になし

５回以上欠席した場合は成績評価の対象としない。
参加：２０％
宿題：５０％
小テスト：３０％

・テキストを読むこと。
・宿題をやること。
・小テストのために十分な予習をすること。

本講義では、メカニズムデザインに関する外国文献を読解し、当該分野の現状を理解することを目的とする。また文献の読解を通じて、周波数オークションや腎臓移植マッチングなど、メカニズムデザインの知見が生かされている現実の制度についての理解も深める。履修者はJournal of Economic Perspectiveなどの一般向けの雑誌や書籍に掲載された文献を読んで、その内容を発表する。

(1) 英語で書かれた文献を読解し、理解したことを発表で分かりやすく伝える能力を身につける。
(2) メカニズムデザインに関する基本知識を身につける。

第1回　授業計画・成績評価などの説明。発表を担当する論文と順番を決める。
第2回・第3回　アカデミックライティングの講義。
第4回〜第14回　担当者による発表と参加者による議論。
第15回　フィードバック。

特になし

発表(50%)、授業参加(20%)、期末レポート(30%)に基づき成績を評価する。期末レポートの内容は授業内で指示する。

履修者は担当の文献についての発表用スライドを作成しなければならない。また担当の文献以外も事前に読解し、分からない部分を明らかにしておくことが望ましい。

経済や社会の諸要因が複雑に相互作用するグローバル課題を理解するためには、データに内在する構造を抽出する統計解析と、複雑な現象を記述するモデル化が不可欠である。本講義では、データサイエンスの基礎として、多変量解析および時系列解析を中心に学び、実データへの応用を通じて実践的理解を深める。特に、統計解析と機械学習の手法の対応関係に留意して、方法論を体系的に学習する。データサイエンスに加え、ネットワーク科学および計算科学の基礎を修得し、経済・社会システムへの応用を学ぶことを目的とする。また、日本語と英語を併用した講義により、データサイエンス分野における専門的な英語運用能力の向上を目指す。
To understand global issues arising from complex interactions among economic and social factors, statistical analysis and modeling of complex phenomena are essential. This course introduces fundamental methods in data science, focusing on multivariate and time series analysis, and develops practical understanding through applications to real-world data. In particular, systematically study methodologies while paying close attention to the relationship between statistical analysis and machine learning techniques.　The course also covers basic concepts in data science, network science, and computational science, with applications to economic and social systems. The course is conducted in both Japanese and English to enhance students’ ability to understand and communicate technical content in data science in an international research context.

データ科学の理論を理解した上で、学生各自が興味を持つ問題についてRやPythonを使ってデータ解析とシミュレーションができるようになる。
After gaining an understanding of data science theory, students will be able to perform data analysis and simulations using R or Python on problems that interest them individually.

【第1回】データ科学の概念，統計量と分布
【第2回】回帰分析①：基礎概念，推定
【第3回】回帰分析②：単回帰，検定
【第4回】回帰分析③：重回帰，多重共線性
【第5回】機械学習①: リッジ回帰とラッソ回帰
【第6回】機械学習②: 主成分分析
【第7回】機械学習③: クラスタ分析、分類、ニューラルネットワーク
【第8回】時系列分析①：基礎概念，最尤法、自己回帰モデル（ARモデル）
【第9回】時系列分析②：自己回帰和分移動平均モデル（ARIMAモデル）、一般化自己回帰条件付き分散不均一モデル（GARCHモデル）
【第10回】機械学習④: ブラウン運動、カルマンフィルタ、長・短期記憶モデル (LSTMモデル)
【第11回】ネットワーク科学①：複雑ネットワーク
【第12回】ネットワーク科学②：システムダイナミクス
【第13回】ネットワーク科学③：ネットワーク疫学
【第14回】演習: 問題設定と解析方法

【The 1st】Concept of data science, Statistical quantity and distribution
【The 2nd】Regression analysis 1: Basic concept, Estimation
【The 3rd】Regression analysis 2: Single-regression and Test
【The 4th】Regression analysis 3: Multi-regression and multi-collinearity
【The 5th】Machine Leaning 1: Lasso and Ridge Regression
【The 6th】achine Leaning 2: Principal Component Analysis
【The 7th】Machine Leaning 3: Cluster Analysis, Classification, and Neural network
【The 8th】Time series analysis 1: Basic concept, maximum-likelihood estimation, and Autoregressive model (AR model)
【The 9th】Time series analysis 2: ARIMA model (Autoregressive integrated moving average model), GARCH model (Generalized Autoregressive Conditional Heteroskedasticity model)
【The 10th】 Machine Leaning 4: Brownian Motion, Kalman Filter, and LSTM model (Long Short-Term Memory model)
【The 11th】Network Science 1: Complex Network
【The 12th】Network Science 2: System Dynamics
【The 13th】Network Science 3: Network Epidemiology
【The 14th】Exercise: Problem Setting and Analysis Methods

特になし

評価は、提出されたレポートに基づく達成目標の達成度に基づいて行われる。
The evaluation will be based on the degree of achievement of the attainment objectives by submitting reports.

授業前に配布する資料やプログラムをもとに，各自で復習を行うこと
Review the materials and program distributed before class on your own.

この講義は、文系・理系を問わず、幅広い分野の学生が受講することを想定しています。
池田裕一　　ikeda.yuichi.2w@kyoto-u.ac.jp
I expect students from a wide range of fields, regardless of whether they are in the humanities or sciences, to take this course.
Yuichi Ikeda　　ikeda.yuichi.2w@kyoto-u.ac.jp

社会疫学は、貧困や教育、就労環境、社会的孤立、住環境、ひいては様々な政策や地球環境といった、いわゆる「健康の社会的決定要因」について、疫学の手法を用いて明らかにしつつ、そこから生じる健康格差を制御する公衆衛生活動に資するエビデンスを構築することを目的としています。「誰一人取り残さない」健康な社会の実現に向けた学術分野です。

本コースでは、社会疫学の基礎的な理論や健康の社会的要因の各論、そして研究のための分析手法について学びます。

コース主担当の近藤による総論および主要テーマのレクチャーに加えて、各論では当該分野の第一人者を非常勤講師に招きます。毎年、講師たちとのアツい議論が交わされます。

Social epidemiology aims to use epidemiological methods to clarify the social determinants of health such as poverty, education, work environment, social isolation, housing environment, and various policies and global environment, and to contribute to public health activities to control health disparities arising from them. This is one of the academic fields that contribute to the realization of a healthy society where "no one is left behind."

In this course, students will learn the basic theory of social epidemiology, each theory of social factors of health, and analytical methods for research.

In addition to lectures on general topics and major themes by the course director, Dr. Kondo, leading experts in the field are invited as adjunct lecturers for each topic. Every year, students engage in heated discussions with the lecturers.

１．社会疫学の視座を理解する　
２．主な健康の社会的決定要因の種類、評価法、実態について理解する　
３．社会学・経済学・倫理学・行動科学／社会心理学など近傍学問の関連理論を理解する　
４．健康格差の評価法の基礎を理解する　
５．健康格差の制御法の基礎を理解する　
６．保健医療に限らない幅広い政策へと社会疫学を応用する方法について、自身の意見と具体的なアイデアを持つ

1. To understand the perspective of social epidemiology　
2. To understand the types, assessment methods, and realities of the major social determinants of health　
3. Understand the relevant theories of sociology, economics, ethics, behavioral science/social psychology, and other related disciplines　
4. Understand the basics of evaluation methods for health disparities　
5. Understand the fundamentals of methods to control health disparities　
6. Have own opinions and concrete ideas on how to apply social epidemiology to a wide range of policies not limited to health care

下記予定は変更する場合があります。

4/13 社会疫学総論
4/20 社会経済状況と健康
4/27 貧困と社会的排除と健康（西岡大輔）
5/11 社会格差と健康
5/18 社会関係と健康（高木大資）
5/25 格差と政治哲学
6/ 1 健康格差の測定（長谷田真帆）
6/ 8 ライフコース疫学（大阪大学／三谷はるよ）
6/15 関係資本・文化資本と健康
6/22 建造環境と健康（高木大資）
6/29 多重レベルの現象把握とデータ分析
7/ 6 SDHとしてのジェンダー（大阪医科薬科大学/本庄かおり） 
7/13 健康格差の制御法：コミュニティへのアプローチ
7/27 健康格差の制御法：行動科学の応用
8/ 3 レビュー&フィードバック

The schedule below is subject to change.

4/13 General introduction to social epidemiology
4/20 Socioeconomic status and health
4/27 Poverty, social exclusion and health
5/11 Income inequality and health 
5/18 Social relationship and health (Daisuke Takagi)
5/25 Political philosophy of inequality
6/ 1 Measuring health inequalities (Maho Haseda)
6/ 8 Life course epidemiology (Haruyo Mitani, Osaka University)
6/15 Social capital, cultural capital and health
6/22 Built environment (Daisuke Takagi)
6/29 Multilevel thinking and multilevel analysis 
7/ 6 Gender as SDH (Kaori Honjo, Osaka Medical and Pharmaceutical University)
7/13 Managing health inequality: community building
7/27 Managing health inequality: behavioral science applications
8/ 3 Review & feedback

事前配布資料にざっと目を通しておくこと（精読は不要）。
テキストである「社会と健康：社会と健康: 健康格差解消に向けた統合科学的アプローチ（川上・橋本・近藤編著）（東京大学出版会）に即して講義を進めるため、当該章の予習復習を期待します。

Students should skim through the handouts in advance (close reading is not required).

講義内小テスト４０%、レポート６０％　レポート課題はコース開催中に提示します。

レポートについて：期間中２，３回レポート課題を課します。
＊A4一枚程度とし、最大2枚まで。
＊締切：各講義日の１週間後の正午
＊課題名・氏名・学籍番号・提出日を明記すること
＊事実関係やデータ、フレーズ等引用した場合、必ず引用データの出所を示すこと。引用した資料のリストは最後に記載すること。インターネットからの長文のコピー＆ペーストは禁止（図表やデータについては、引用元を明記した上で可）。

In-class quiz: 40%, Report: 60%.

Reports: Reports will be assigned 2 or 3 times during the course.
(*A4 size, maximum of 2 pages.
Deadline: One week after each lecture day at noon.
*State the name of the assignment, your name, student ID number, and the date of submission.
When quoting facts, data, phrases, etc., be sure to indicate the source of the quoted data. A list of cited sources should be included at the end. Do not copy and paste lengthy passages from the Internet (figures, tables, and data are acceptable, provided that the source of the quotation is clearly indicated).

履修届け出後、関連する論文をまとめたコースパッケージへのオンラインアクセスを提示します。各回と関連する論文については事前にスキム・リーディングしておくことを推奨します（精読は不要）。
After notification of enrollment, you will be presented with online access to a course package of related papers. It is recommended that you skim-read each session and related papers in advance (close reading is not required).

クラス内でディスカッションをします。 We do in-class discussion.

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Aでは，高校で学んだ一変数関数の微分積分の理論的な基礎を固めるとともに，さらに進んだ数学的解析の手法を学ぶ．

　一変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 準備 【１週】：
　数，集合・写像，論理

2. 実数，極限，連続関数【３〜４週】：
　実数の連続性，数列の収束，無限級数*
　関数の極限，連続関数とその性質(中間値の定理など)

3. 一変数関数の微分法【３〜４週】：
　微分係数，一次近似，導関数，合成関数の微分
　平均値の定理とその応用
　高階導関数，テイラーの定理，無限小，近似値の計算*

4. 一変数関数の積分法【３〜４週】：
　リーマン積分，連続関数の積分可能性
　微分積分学の基本定理，部分積分，置換積分
　広義積分，曲線の長さ*

5. 重要な関数【３〜４週】：
　指数関数，三角関数，対数関数
　逆三角関数，ガンマ関数*

については必要な箇所で適宜説明を加えるものとする.

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は9月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Aでは，高校で学んだ一変数関数の微分積分の理論的な基礎を固めるとともに，さらに進んだ数学的解析の手法を学ぶ．

　一変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 準備 【１週】：
　数，集合・写像，論理

2. 実数，極限，連続関数【３〜４週】：
　実数の連続性，数列の収束，無限級数*
　関数の極限，連続関数とその性質(中間値の定理など)

3. 一変数関数の微分法【３〜４週】：
　微分係数，一次近似，導関数，合成関数の微分
　平均値の定理とその応用
　高階導関数，テイラーの定理，無限小，近似値の計算*

4. 一変数関数の積分法【３〜４週】：
　リーマン積分，連続関数の積分可能性
　微分積分学の基本定理，部分積分，置換積分
　広義積分，曲線の長さ*

5. 重要な関数【３〜４週】：
　指数関数，三角関数，対数関数
　逆三角関数，ガンマ関数*

については必要な箇所で適宜説明を加えるものとする.

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は9月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Aでは，高校で学んだ一変数関数の微分積分の理論的な基礎を固めるとともに，さらに進んだ数学的解析の手法を学ぶ．

　一変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 準備 【１週】：
　数，集合・写像，論理

2. 実数，極限，連続関数【３〜４週】：
　実数の連続性，数列の収束，無限級数*
　関数の極限，連続関数とその性質(中間値の定理など)

3. 一変数関数の微分法【３〜４週】：
　微分係数，一次近似，導関数，合成関数の微分
　平均値の定理とその応用
　高階導関数，テイラーの定理，無限小，近似値の計算*

4. 一変数関数の積分法【３〜４週】：
　リーマン積分，連続関数の積分可能性
　微分積分学の基本定理，部分積分，置換積分
　広義積分，曲線の長さ*

5. 重要な関数【３〜４週】：
　指数関数，三角関数，対数関数
　逆三角関数，ガンマ関数*

については必要な箇所で適宜説明を加えるものとする.

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は9月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Aでは，高校で学んだ一変数関数の微分積分の理論的な基礎を固めるとともに，さらに進んだ数学的解析の手法を学ぶ．

　一変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 準備 【１週】：
　数，集合・写像，論理

2. 実数，極限，連続関数【３〜４週】：
　実数の連続性，数列の収束，無限級数*
　関数の極限，連続関数とその性質(中間値の定理など)

3. 一変数関数の微分法【３〜４週】：
　微分係数，一次近似，導関数，合成関数の微分
　平均値の定理とその応用
　高階導関数，テイラーの定理，無限小，近似値の計算*

4. 一変数関数の積分法【３〜４週】：
　リーマン積分，連続関数の積分可能性
　微分積分学の基本定理，部分積分，置換積分
　広義積分，曲線の長さ*

5. 重要な関数【３〜４週】：
　指数関数，三角関数，対数関数
　逆三角関数，ガンマ関数*

については必要な箇所で適宜説明を加えるものとする.

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は9月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．