この授業は、大きく二つのことを目指しています。一つはイタリア語の初等文法を習得することによって、簡単なイタリア語の理解ができるようになることです。それは辞書を引きさえすればある程度の文章も読めるようになることでもあります。もう一つは、会話力を身に着けることです。イタリア語は日本人にとって大変聞き取りやすい言語であるというメリットがあります。簡単な文で自己表現をして、旅行程度では会話に困らない力をつけるようになります。

イタリア語の基礎的な文法知識を習得し、平易な文章ならば辞書を用いて「正確に」読解できるようになります。またイタリアを旅行する際に困らない程度のコミュニケーション能力を身につけます。

おおよそ以下のようなスケジュールで進みます。
状況に応じて、順序を入れ替えることがありますが、その場合は授業やLMSで指示をします

第1回〜第14回　以下の文法事項について、1，2週ずつで学びます。
近過去（助動詞avere/essereの使い分け, 過去分詞）
再帰動詞・代名動詞
半過去形
命令法
未来形
条件法


以下、時間が許せば、
ciとneの主な用法
siの用法
最後に、将来の自学自習のため、接続法など少し難しい文法についても手ほどきをします。

≪期末テスト≫
第15回　フィードバック

「全学共通科目履修の手引き」を参照してください。

期末試験の成績(80%)に平常点評価(20%)を加味して評価を行う。
平常点についての説明は、初回授業で行います。

毎回必ず予習をしてください。
また、動詞の活用などについて小テストも適宜実施します。

授業の前後に受け付けます。あるいは、質問が多い場合には、適宜Zoomを使用しての相談を、予約制により、個別に受け付けます。

この授業では、イタリア語の文法の基礎をしっかり学び、読み書きに必要な知識と比較的簡単なレベルの読物を自力で読める程度の読解力を身につけることを目指している。これは、各自が専門とする領域のイタリア語文献を読む能力の基礎を形成するはずである。
また、イタリア語の発音は日本語話者にとって比較的容易なため、教科書例文等の発音練習をきちんと行い、音声教材を聞くだけでも、イタリア語での会話能力を身につける準備として有益である。

イタリア語の文法の基礎を身につける。それをもとに平易な文章であれば、辞書を調べて自力で読めるようになる。
同時に、簡単なイタリア語の文を作って（書いて）正しく発音（音読）でき、短い文の聞き取りもできる程度の運用能力も身につける。

教科書を中心に文法の基礎を身につけていく。
また学期の後半には、簡単なテクストの講読に挑戦する。

第1週 前期の復習
第2週 Lezione 11 [直説法未来・先立未来]
第3週 Lezione 12 [受動態]
第4週 Lezione 13 [比較級・最上級]
第5週 Lezione 14 [関係詞]
第6週 Lezione 15 [ジェルンディオ]
第7週 Lezione 16 [条件法]
第8週 Lezione 17前半 [接続法]
第9週 Lezione 17後半 [仮定文]、文法補足ciとne
第10週 中間試験と解説、ここまでの復習
第11週 遠過去、過去形の使い分け
第12週以降（第23-28回）テクスト読解と文法復習
第15週 期末試験/学習到達度の評価
第16週 フィードバック(期末試験の振り返りと春休み中の自学の方法について説明)

以上の予定で進めて行くが、授業参加者の理解度に応じて進度が多少変わる場合もある。

「全学共通科目履修の手引き」を参照してください。

平常点30％（練習問題への取り組み、授業への参加姿勢、小テスト、テクストの理解等による。詳しくは初回授業で説明する）
試験70％（中間と期末の割合は授業内で説明する）

【予習】指示に従って教科書や教員が配布するプリントの練習問題に取り組むこと。また会話文も次に読むと思われる部分は、辞書で語彙を調べ、文法事項を確認しながら、あらかじめ意味を考えておくことが必要である。テクストの講読に入ったら、同じく語彙を調べ文法事項を確認し意味を考えた上で授業に臨むこと。教科書の会話文はリスニングと音読練習、講読テクストは音読練習をしてきてほしい。
【復習】動詞の活用をしっかり覚えることが復習の中心部分を占める。

オフィスアワーは金曜2限です（事前に連絡してもらえると確実です）。気軽に相談に来てください。
とはいえ、授業内容に関する質問はなるべく授業中に受けたいと思います。遠慮なく積極的に質問してください。

Society is currently in the middle of an "AI boom", with machines seemingly able to perform tasks which would have been very difficult even a few years ago. In this course we explain what enables computers to successfully learn like a human does. We start from discussing fundamental machine learning models such as linear and logistic regression to more recent breakthrough architectures such as transformer models. We will also apply AI to conversational agents.

Students will gain an understanding of machine learning techniques and architectures and also how to construct basic models. They will also know how to properly evaluate AI models using real data.

Society is currently in the middle of an "AI boom", with machines seemingly able to perform tasks which would have been very difficult even a few years ago. In this course we explain what enables computers to successfully learn like a human does. We start from discussing fundamental machine learning models such as linear and logistic regression to more recent breakthrough architectures such as transformer models. We will also apply AI to conversational agents.


1. Artificial intelligence (1 week)
We will discuss the current AI boom. What does it mean for society? Can we say that AI is truly "intelligent"? We will then explain how machine learning can be linked to concepts of human intelligence.

2. Data collection and analysis (1 week)
Collecting data is the first step in training machine learning models, so we will discuss how a wide range of data can be collected, either by using publicly available corpora or collecting it ourselves. We also show how to get quality data to match the goal of our AI models.

3. Machine learning basics (4 weeks)
In this set of lectures we focus on the fundamental concepts of machine learning. We review basic mathematics required to study machine learning, including vectors and matrices and begin with simple supervised linear and logistic regression models to introduce machine learning concepts. Best practices in training and testing models will also be provided. These will be accompanied with Python code so students can run their own models. We will also introduce the important concept of latent spaces through unsupervised learning.

4. Neural networks (2 weeks)
Once the concepts of machine learning are understood, we move on to neural networks, which are responsible for the breakthroughs in the current AI boom. We describe the basic architecture of these models and how they can be extended to tasks such as a image recognition and language processing.

5. Modern AI (2 weeks)
We will introduce two techniques which have revolutionized AI models in recent years. Firstly we look at transformer models which are the backbone behind large language models like ChatGPT. Then we will take a look at state-of-the art models for image generation. Emphasis will be placed on understanding the general concepts behind these techniques.

6. Evaluation (1 weeks)
We take a special look at the evaluation of AI models. Common mistakes related to bias and evaluation metrics will be discussed to reinforce good practice when testing and evaluating models.

7. Application: conversation (3 weeks)
AI has triggered the development of sophisticated conversational systems. We will discuss the techniques behind some of these systems. Students will also have the opportunity to create their own conversational system using LLMs and simple tools. Finally we discuss the influence of AI on society at large and future prospects.

8. Final exam

9. Feedback

特になし

Attendance and participation (20%), assignments (40%) and a final exam (40%).

Students should aim to review course content for 30 minutes before and after class and if possible practice programming on their own machines using Python.

This course is an introduction to the Python programming language for students without prior programming experience. Python is a beginner friendly programming language that is widely used in academic research and industry. In the course students will learn about basic programming concepts and how to write their own simple programs using Python.

Students will learn the basics of programming using the Python programming language, including data types, conditionals and loops, basic data structures, functions and the fundamentals of object oriented programming.
They will also learn how to solve real-world problems by designing, writing and testing their own Python programs.
After attending the course students should be able to:
- Understand the fundamentals of programming (variables, control structures, data types, etc.)
- Understand and modify simple Python programs
- Design, implement and test their own simple programs

The course consists of 14 class sessions and one feedback session.
The tentative schedule is as follows:

Introduction (1 session)
- Computer hardware and programming languages
- Installing and using Python
- Editing, saving and running a script.

Basic syntax and data types (1 session)
- Variables, naming rules and comments
- Assignments and basic data types
- Input and Output

Control structures (2 sessions)
- Boolean values and Conditional statements
- Loops
- Logical and Bitwise Operations
- Lists and Collection data types

Functions (1 session)
- Writing and Calling Functions
- Function Inputs and Outputs
- Scope

Modules and packages (1 session)
- Concept of modules
- Importing modules
- Some important built-in modules

I/O and error handling (1 session)
- Reading data from a file
- Writing data to a file
- Error handling and exceptions

Object oriented programming with Python (2 sessions)
- Classes, Properties and Methods
- Inheritance

GUI application development (2 sessions)
- Learn how to write simple Graphical User Interfaces (GUIs)

Practice Project (3 sessions)
Students will use the knowledge acquired during the first part of the course to solve a small programming project.
They will be required to
- Select and define a problem
- Propose and implement a solution
- Test the solution

The precise course schedule and contents are subject to change depending on class progress.

Students need to bring their own laptops.

Evaluation will be based on in-class and homework assignments (60%) and final project (40%).

Students should review the material after each class and solve weekly homework assignments.

There is no specific office hour. Students can contact the instructor by email in case of questions.

This course introduces Python programming to students with no prior experience. They will learn to write scripts, apply fundamental programming practices, and use common design patterns. The course aims to develop foundational Python skills and the principles for writing clean, effective code, preparing you for future academic and professional work.

In this course, students will first learn the syntax of the Python language and the structure of a Python program. Then, they will learn to use some of the standard data structures provided by the Python language and some of its popular libraries. Finally, students will train in designing, writing, and testing their own programs.
After attending the course, students should be able to:
　　・Understand and modify existing simple programs.
　　・Design, implement, and test their own simple programs.
　　・Design, implement, and test their own simple graphical interfaces.

Module 1: Introduction (1 Session)
A brief history of computer hardware and an overview of the programming language landscape, establishing Python's role and its real-world applications.

Module 2: Python Fundamentals & Programming Practices (13 Sessions)
Learn core Python concepts and programming best practices through examples and hands-on exercises. Topics include:
　　・Interactive Mode & Running Scripts
　　・Data Types (Numeric, Boolean, String)
　　・Variables, Naming, and Comments
　　・Control Flow (Conditionals and Loops)
　　・Data Structures (Lists, Dictionaries)
　　・Input and Output (I/O)
　　・Error and Exception Handling
　　・Object-Oriented Programming (OOP)
　　・Using Modules
　　・Graphical User Interface (GUI) Basics
　　・Introduction to Scientific Computing

Task: Assignments
Students will apply their knowledge by designing and developing a simple application.

Task: In-class Quizzes and Practice Sessions
Students are expected to attempt and complete in-class quizzes and practice tasks. The contents and difficulties will be adjusted based on class progress.

Course Structure consists of 14 instructional sessions and one (optional) feedback session.

Note: The schedule and content are subject to change based on class progress.

No prior programming experience is required. Students must bring their own computer which can run Python 3 (Python 3 is available for Windows, macOS, and various Linux distros). The instructor can assist with installation if they need extra support. Sample programs will be provided. Some examples may involve mathematical concepts; however, the underlying mathematical theory may not be explained in the course.

The evaluation will be based on:
　　1. Assignments given during the course
　　2. In-class quizzes and practice sessions
The detailed grading criteria will be explained during the lecture.

Students are expected to review the class material during the delivery week to follow the course materials. Students who cannot complete the tasks given during a class should complete them before the next class to follow the course materials.

There are no specific office hours. Students can send emails to communicate with the instructor regarding their assignments, questions, and other inquiries.

情報とは何か，情報の処理や計算とはどのようなものか，現在のAI（Artificial Intelligence, 人工知能）とはどのようなものかについて，情報の量，情報の表現，情報の伝達，計算の表現，計算の量，現在のAIの原理，AIと社会の問題などの観点から学ぶ．また，現在のコンピュータ，情報ネットワーク，様々な情報システムなどがどのような仕組みで動いているのかについても取り上げる．

情報とは何か，情報の処理や計算とはどのようなものか，現在のAIとはどのようなものかについて学ぶことにより，情報という観点からの問題の捉え方を身につけることを目指す．また，現在のコンピュータ，AI，情報ネットワーク，様々な情報システムがどのような仕組みで動いているのかについて学ぶことにより，現代情報化社会における知的活動および一般生活において必要となる情報利活用能力の基礎となる知識を身につける．

以下のような内容について授業を行う予定である．

［第一部］情報

01 情報とは何か：主観確率，ベイズの定理（田島）
02 情報の量：自己情報量，エントロピー（Huang）
03 機械のための情報の表現：アナログとディジタル，誤り訂正符号，データ圧縮，公開鍵暗号（田島）
04 人間のための情報の表現：情報の変換，統計データの表現，人間の認知特性，文化依存性（田島）

［第二部］AI基礎

05 AIとは：人間の知能との比較，AIの歴史，タスク分類，生成AIでできること（Huang）
06 AIの動作原理：深層学習， GPT ，自己教師つき学習，指示学習，強化学習（Huang）
07 自然言語処理, 機械翻訳 （Huang)
08 AI利用の留意点：倫理的・法的・社会的課題，著作権，学業で利用する際の心得（東風上）
09 ヒューマンインタフェース, ヒューマンロボットインタラクション（東風上）

［第三部］計算

10 計算とは何か：論理回路，有限状態機械，チューリングマシン，ラムダ計算，コンピュータ，計算不可能な問題（田島）
11 計算の表現と量：アルゴリズム，漸近的計算量（田島）
12 計算のための情報の表現：データ構造，関係，グラフ，一意性，冗長性（田島）
13 複数処理の実行・複数主体による処理：スケジューリング，並列処理，分散処理，OSの役割，インターネットの仕組（田島）
14 情報に基づく意思決定：ゲーム理論（田島）
15 フィードバック（田島・東風上・Huang）

特になし

授業期間中にほぼ毎週課す課題に対する提出内容により評価を行う．評価の際には，本講義で学ぶ「情報とその表現や処理およびAIとはどのようなものか」「コンピュータやAIや情報システムはどのような原理で動いているか」などの知識について，その技術的な詳細を正確に覚えているかどうかよりも，各所各所の要点，および，それらの間の関係の全体像を，自分の言葉で説明でき，かつ，他の分野に応用できる程度に体得できているかを評価する．

授業資料や演習問題の解説資料などを用いて毎授業ごとに復習を行うこと．また，事前に授業資料が配布されるなどにより授業内容が事前にわかっている回については，取り上げられる概念などについて各自で調べて予習を行うこと．

オフィスアワーはメールによる事前予約のこと．メールアドレスは以下の通り（「＠」を「@」に置き換えること）：
田島：tajima＠i.kyoto-u.ac.jp
東風上：kochigami＠robot.soc.i.kyoto-u.ac.jp
Huang：huang＠nlp.ist.i.kyoto-u.ac.jp

古典的な精神疾患の症例をとりあげながら、種々の精神疾患にまつわる概念と治療法がどのような歴史的・社会的文脈から生まれ、発展し、実際の臨床現場のなかで役立てられているのかを理解する。また、精神疾患に対する偏りのない見識を涵養し、疾患に関する科学的知識を身につけることも求められる。

精神疾患にみられる症状の捉え方を理解し、代表的な精神疾患の成因、診断法、治療法、経過、心理的支援、薬物による心身の変化、および多職種連携（医療機関との連携など）について理解する。

基本的に、下記のテーマに関してそれぞれ2-3回をあて、講義を進める。ただし講義の進みぐあい、履修者との対話によるリクエスト、時事問題への言及などに対応して順序や同一テーマの回数を変えることがある。

・力動精神医学（精神分析）
・記述精神病理学
・現象学的（人間学的）精神病理学
・ヒステリー
・強迫神経症
・恐怖症
・精神病圏の病態

第15回にフィードバックをあてる(方法は別途連絡します。)

全学共通科目の精神病理学Iもしくは行動病理学IIを事前に履修していることが望ましい。

期末試験（100%）による。
ただし、登録人数や授業形態等に応じて、成績評価の方法を変更することがある。講義時間中ならびに掲示による通知に注意してください。

予習として、教科書と参考書の読書。復習として、授業中に配布したプリントと自分自身のノートの内容を照らしあわせて理解を深めること。
なお、授業外学修には、いわゆる「予習・復習」だけでなく、授業のなかで学んだことを各自の自習や日常や課外活動のなかで応用・実践し、生きた知識にすることも含まれる。

前期の「精神病理学Ⅰ」と合わせ、精神病理学のおおよその全体像を把握していただけるように、前期と後期を通して、講義内容を構成しています。原則として前期と後期を通して学ぶことを奨めます。
なお、公認心理師の学部カリキュラムを構成する科目としての履修を希望する場合には、総合人間学部開講の「精神病理学II（精神疾患とその治療）」を履修する必要があります。

This course introduces most common mental disorders (autism, schizophrenia, depression, etc.) and their symptoms using videos and case studies. The approach is integrative: it combines most recent psychiatric definitions (DSM-5; ICD-11), psychopathological and psychoanalytical understanding of human distress. By the end of this course, students will know how to diagnose mental disorders such as autism, schizophrenia, PTSD and depression.

To provide you with a general introduction to and understanding of mental disorders.
To increase your emotional intelligence through psychopathological knowledge.
To help you develop your analytical and critical thinking regarding the diagnosis of mental disorders.

1) Introduction
2) Neurodevelopmental disorders: Autism Spectrum Disorder (ASD) I
3) Neurodevelopmental disorders: Autism Spectrum Disorder (ASD) II
4) Neurodevelopmental disorders: Autism Spectrum Disorder (ASD) III
5) Schizophrenia
6) Paranoia (Paranoid personality disorder)
7) Post Traumatic Stress Disorder (PTSD)
8) Depression
9) Culture and psychopathology
10) Cultural Formulation Interview
11) Cultural concepts of distress
12) Other mental disorders
13) Other mental disorders
14) Conclusion
15) Feedback

特になし

Students are expected to actively participate in discussion and read material during class. Evaluation is based on the following: Participation (30%) and 3 short tests (Multiple choice questionnaires with 3 possible answers) Short test 1 (30%), Short test 2(20%), Short test 3 (20%).

Students do not have homework assignments. However, they are advised to take notes during class and to review the course material before short tests.

人間社会が直面する問題を適切に理解するうえで必要な、生物学に関連する基礎的な概念と考え方について講義・討論する。授業では、人間社会におけるさまざまな問題のうち、公害問題、地球環境問題、持続的な生態系資源利用・管理に関連する問題を取り上げ、こうした問題のより正確な科学的知識と認識にもとづいた問題の解決方法の考案にむけて、生物学・生物多様性科学・生態学に関する知識・基本概念・考え方がいかに必要で、いかに重要であるかを理解することを目的とする。

人間社会が直面する問題を適切に理解するうえで必要な、生物学および生物多様性科学・生態学に関する基礎的な知識・基本概念・考え方を習得することを目指す。さらに、これらの知識・基本概念・考え方を応用して、人間社会におけるさまざまな問題をより正確に認識・理解する科学的認識法を身につけると共に、適切な問題の解決方法を合理的・現実的に考案するための思考方法を体得することを目指す。

以下のような課題について、１課題あたり３〜４週をかけて講義と討論をおこなう。
これら３つのテーマに取り組む前に、３つのテーマに共通する生物学の基本的な概念について２回ほど講義をおこなう。

テーマ１. 生物多様性と生態系サービス（第３回〜第６回）
概要: 本テーマは、地球の各所で進行している野生生物の絶滅と生物多様性の減少、それらがもたらす生態系の不可逆的変化、生態系サービスの劣化などの問題について焦点をあて、問題の把握と解決に必要な知識・概念の習得を目指す。「多様な生物はどのような利益を我々にもたらすのか？」「多様な生物を保護するにはどのようなコストが発生するのか？」という中心的な問題の理解に必要な生物多様性学・生態学を中心とする講義を２回、経済学・政策学などについての講義を１回行い、社会問題化している諸問題から、１、２の具体的なものをとりあげて、１回の授業時間を使って討論をおこなう。
　Keywords: 生態系、生物多様性、生態系サービス、保全生物学、野生生物の保護、絶滅危惧種、生物多様性保護条約、熱帯雨林、侵入生物、遺伝子資源

テーマ２. 農業生態系における持続的生産（第７回〜第９回）
概要: 本テーマは、地球規模の食糧枯渇問題について焦点を当て、食料をはじめとする農業生産物の長期的な安定供給を維持するうえで必要な「持続的農業生産」「自然資源の持続的利用」についての理解を深めることを目的とする。前テーマ同様、第７回（生物学・生態学関連）と第８回（法学）で関連する諸問題の理解にとって必要な知識・概念を身につけるための講義をおこない、第９回で討論する。
　Keywords: 農林水産業、乱獲、飢餓、生態系のバランス、食糧問題、コモンズの悲劇、人口爆発、物質循環、アグリビジネス、気候変動（温暖化）、グローバル経済、持続可能性、将来世代

テーマ３. 公害と生物濃縮（第１０回〜第１２回）
概要: 本テーマは、有害物質の環境への拡散に起因する公害問題に焦点をあて、そのような問題の予防・解決の方策を考える上で不可欠な前提条件となる、生態系における物質循環のしくみの理解を深めることを目的とする。特に、環境汚染が予想以上に深刻化する背景となった、食物連鎖網を通じて進行する生物濃縮のしくみについての理解を深める。前２つのテーマと同様に、２回の講義と１回の討論を行う。
　Keywords: 環境毒性学、鉱毒、残留毒性、生態系、水俣病、イタイイタイ病、環境汚染、放射性物質、外部性、政府の役割、環境政策

第１回には、この科目全体の概要と授業の進め方、評価法などについてのガイダンスも行う。
第１３回では、現在、テーマ１・２・３の複数にわたる問題のなかから、特に、現在社会問題化して世間の意見を二分・三分するような問題、あるいは、すべてのテーマに共通する問題や社会的な課題についてとりあげ、講師陣監修のもと、ディベート形式の討論を行う。また、この回までに、３テーマの討論を総括するレポートの提出を各受講生に課す。
第１４回では、前回までに提出させたレポートの内容を受講生にフィードバックする形式で、講師が総括的な講義を行う。

第１５回　フィードバック

履修要件：特になし。文系の学生にも配慮した講義をおこなう。

出席と参加の状況、討論への取り組み、レポートの内容、試験（定期試験を課す）の結果などを総合して成績を評価する（詳細は初回授業で説明する）。

特に討論にむけて、関連講義の復習を要する。

科学・技術の進歩は、人の生活を大きく変えてきました。特に、20世紀後半からの生命科学の著しい進展の成果として、劇的な技術革新がもたらされました。それらは、私たちの身のまわりに多く存在して生活そのものに大きな影響を与えていますが、そのことを意識する機会はあまりありません。そこで、本授業では生命科学の進歩と人の生活との関連に着目し、具体的なテーマをいくつか挙げて解説します。さらに、それらの先端技術が現代社会にもたらす新たなリスクやその解決法などについて議論をおこなうことで、私たちの生活と生命科学の関わりについて多面的にとらえられるようになることを目的とします。

現代社会において、生命科学が私たちの生活にどのように関わっているのかを、技術の側面のみならず倫理的・法的観点なども含めて多面的に理解する。また、ディスカッションを通じて、答えを求めることの難しい問題について総合的に考察する能力を養う。

本講義はフィードバックも含め授業回数を15回で行う。

３つのテーマについて講義し、最後に全てのテーマをとおして考えられる問題についてグループでの発表と総合ディスカッションをおこなう。また、各トピックスごとにディスカッションをおこなうか、レポートを課す。

ガイダンス　（第１回）（細川）
授業の概要と日程について説明し、簡単なイントロダクションをおこなう。

テーマ１：生命科学の視点からみた生物　（第２回〜第５回）（細川）
本テーマは、生命科学の基礎となる、遺伝子やタンパク質などの物質を基盤にした生命観への理解を深めることを目的とする。遺伝学の基礎、生化学の基礎について概説し、これらの知識を用いて生命科学の問題について議論を行う。

テーマ２：技術の側面からみた生命科学
生命と社会のつながりについて、おもにバイオサイエンス・バイオテクノロジーの観点から解説する。
（第６回〜第７回）（酒井）
細菌やウイルスなど、微生物の生存戦略や感染症発症メカニズムについて概説し、その社会的側面についても議論する。
社会生活における放射線の影響（第８回〜第９回）（井倉）
生命活動における放射線の影響について議論する。

テーマ３：生命とそれを取り巻く環境　
（第１０回〜第１３回）（竹前）
人間の活動は絶えず環境に影響を与え続けており、近年では両者の関係性に対する関心が高まっている。
授業では、環境や環境問題、そしてその解決策について、気候変動や生物多様性などの具体例を用いながら、おもに環境論・環境政策論の観点から概説する。そして生命と環境のつながり及びそのあり方について議論する。
==

テーマ４:グループ発表と総合ディスカッション　（第１４回）（細川）
授業中に与えられた課題について、グループごとに発表をおこなう。発表内容を含めて、本授業全体のディスカッションをおこなう。

履修要件：特になし。生物・生命科学の知識は必要ありません。文系の方も歓迎します。

平常点、討論での発表およびレポートの内容などを総合して評価する。
詳細は講義で説明する。

授業内容を復習し、発表前には準備の時間をとること。