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 PandA 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。
・映画作品をストーリー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（音響）
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

・授業時間外に一定量の英語テキストを読む意志があること。
・テキストに出てくる映画作品を自分で調べたり見たりする時間があること。

PandA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。

・授業で扱う範囲のテキストを辞書を引きながら読む。
・テキストに出てくる映画作品を事前に見ておく。

教員と連絡を取りたい場合は、メールの件名に氏名、科目名、科目の時限を必ず記載し、下記のアドレスまで送ること（これらの記載がないメールには返信しないので注意）。
仁井田千絵

言語の正体：動物からコンピュータまで
The True Nature of Language: From Animals to Computers

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）が必要です。

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), Quiz
第15回：Review

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。

現実社会の様々な問題をモデル化し、微分方程式で表される数学モデルを作り、モデルを分析することで問題についての理解を深めることを目的とする。常微分方程式で表される数学モデルの解法や定性的分析、簡単な数値解析手法についても説明する。

現実問題の数学モデルを作れるようになること、数学モデルを数値的に解けるようになること、数学モデルの定性的分析ができるようになること。

以下のような課題について、合計15回の授業をする予定である。
学習の理解度に応じて、内容を変更する場合がある。

第1,2回: システムとモデルについて
第3,4回: いくつかの数学モデルの紹介
第5,6,7回: 数学モデルの解法と定性的分析について
第8,9,10回: 数学モデルの数値解析について(ニュートン法など)
第11,12,13,14回: 数学モデルの数値解析について(差分法など)
第15回: フィードバック

文系向けの科目である。
高等学校での数学、特に「微分」「三角関数」程度の知識を必要とする。

複数回のレポートによって、授業目的の達成度を評価する。

予習は特に必要ない。復習としては，講義ごとにその内容をよく理解しておくこと。

事前にe-mailで連絡があれば、個別に対応する。
レポートの提出に PandA を利用する。

本講義では、受講者がデータドリブンな思考力・解決力を身につけることにより、SDGsをはじめとする社会課題の解決に資するAI人材の育成を主眼に置き、そのベーススキルを固めることを目的とする。具体的には、豊富なAI社会実装実績を持つアクセンチュア株式会社が教材を作成し、ビジネスにおけるデータサイエンス・AI活用の概要と事例の紹介、基本的なデータ分析手法と機械学習に関する講義、そしてデータ分析演習を想定している。本講義は、前期に開講する内容の応用編で、深層学習や画像認識など高度な技術についても触れる。
The purpose of this lecture is to cultivate the basic skills for AI analysts who can contribute to solving social issues such as the SDGs by acquiring data-driven thinking. Specifically, by its original course materials, Accenture Japan Ltd, which has a wealth of experience in AI implementation, will introduce an overview of data science and AI applications in business, and lecture on basic data analysis methods and machine learning with practical data analysis exercises. In this lecture we develop applicational skill through deep learning module and image processing.

まずは国内外含めたデータサイエンス・AI活用の事例を知り、実際のビジネスにおける重要性を理解する。そして座学と演習を通して、分析プロジェクトの一連の流れを学ぶことを目標とする。具体的には、課題定義や仮説立案などデータドリブンな思考の習得と、Pythonを用いたデータ処理およびモデル構築のスキル習得、特に、本講義においては深層学習などを用いた画像認識の習得をゴールとする。
First, students will learn about various examples of data science and AI applications, and understand their importance in actual business. Then, through classroom lectures and exercises, students aim to understand a series of analytical project flows. Specifically, students will acquire the way of data-driven thinking such as issue definition and hypothesis formulation and data processing and model building skills using Python, especially focusing on deep learning and image processing skills.

【第1回】AI・データサイエンス概論・応用編
Introduction to AI and Data science
【第2回】データ分析実務の全体像①（分析プロジェクトとは・課題定義・応用編）
Overview of data analysis practices (1) (Analysis project & Defining issues)
【第3回】データ分析実務の全体像②（仮説立案・示唆導出）
Overview of data analysis practices (2) (Formulating hypothesis & Suggesting)
【第4回】データ収集・加工・探索
Data collection, processing, and exploration
【第5回】Pythonコーディングの復習①
Python basics (1)
【第6回】Pythonコーディングの復習②
Python basics (2)
【第7回】教師なし学習（クラスター分析）①
Unsupervised learning (Clustering) (1)
【第8回】教師なし学習（クラスター分析）②
Unsupervised learning (Clustering) (2)
【第9回】教師あり学習（深層学習）①
Supervised learning (deep learning) (1)
【第10回】教師あり学習（深層学習）②
Supervised learning (deep learning) (2)
【第11回】画像認識①
Image Processing (1)
【第12回】画像認識②
Image Processing (2)
【第13回】データ分析演習①
Data analytics exercise & presentation (1)
【第14回】データ分析演習②
Data analytics exercise & presentation (2)
【第15回】データ分析プレゼン・講評会
Data analytics exercise & presentation
なお、毎回の講義において、ゲストスピーカーとして、アクセンチュア株式会社AIセンター長　保科学世氏　および　同社AIセンターの右衛門佐氏 および前田 将貴氏らに講義にご参加いただきます。

特になし

講義への出席・各回の演習により採点する

予習・復習内容については講義内で伝える

「微分積分学（講義・演義）A, B」および「線形代数学（講義・演義）A, B」，または「微分積分学A, B」および「線形代数学A, B」を前提として，様々な自然科学の学習において基礎知識として必要となる，常微分方程式の数学的基礎について講義をする．主に，定数係数線形常微分方程式をはじめとする初等的に解くことのできる微分方程式についての解法，一般の線形微分方程式の解空間構造などの基本的性質，常微分方程式の数学的理論の基盤となる解の存在と一意性とそれに関連する事項について講ずる.

・定数係数線形常微分方程式をはじめとする初等的に解くことのできる微分方程式についての代表的な解法を修得する
・一般の線形常微分方程式の解空間の構造などの基本的性質について理解する
・常微分方程式の数学的理論の基盤となる解の存在と一意性とそれに関連する事項を理解する

以下の各項目について講述する．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．導入【１週】
微分方程式とは何か，物理現象などに現れる微分方程式の具体例
２．初等解法【３週】
変数分離，一階線形微分方程式，定数変化法，全微分形，積分因子，級数解法の例
３．線形微分方程式【６〜７週】
線形微分方程式（変数係数を含む）の解の空間，基本解と基本行列，ロンスキー行列，定数変化法，線形微分方程式の解法，行列の指数関数とその計算（射影行列を含む），2次元定数係数線形微分方程式の相平面図
４．常微分方程式の基本定理【３〜４週】
連続関数全体の空間とその性質（ノルム空間，完備性），逐次近似法，常微分方程式の解の存在と一意性（コーシー・リプシッツの定理），初期値に対する連続性，解の延長

「微分積分学（講義・演義）A, B」および「線形代数学（講義・演義）A, B」，または「微分積分学A, B」および「線形代数学A, B」の内容は既知とする．
本講義の履修希望者は,必ず初回授業の授業に出席すること.

主として定期試験による（詳しくは担当教員毎に授業中に指示する）．

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）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多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，それを用いた数学的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なって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練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．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

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3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．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　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）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多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，それを用いた数学的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なって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練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．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

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3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．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　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）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多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，それを用いた数学的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なって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練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．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

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3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．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　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）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多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，それを用いた数学的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なって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練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．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

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3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．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．