学部前期課程
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2026年10月16日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2026年10月16日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
全学自由研究ゼミナール (デジタルヒューマニティーズの最前線)
デジタルヒューマニティーズの最前線
本授業では、「AIやデジタル技術によって人文学研究はどのように変わりつつあるのか」「文学作品などのテキスト資料の量的分析・可視化によってどのような新たな特徴や傾向が見えてくるのか」「古典籍や歴史資料はどのようにデジタル化・分析できるのか」といったテーマを取り上げながら、デジタル・ヒューマニティーズの最前線を実践的に学ぶ。
デジタル・ヒューマニティーズ（Digital Humanities: DH）は、人文情報学とも呼ばれ、人文学とデジタル技術を融合させ、新たな研究手法や知見を生み出す学際的な分野として急速に発展している。本授業では、TEI（Text Encoding Initiative）、OCR（Optical Character Recognition）、IIIF（International Image Interoperability Framework）、GIS（Geographic Information System）、ネットワーク分析（Network Analysis）、感情分析（Sentiment Analysis）、自然言語処理（Natural Language Processing: NLP）などの技術や分析手法を取り上げ、その基本的な考え方と活用方法を実践を通して学ぶ。
初めて耳にする用語が多いかもしれないが、授業では講義で各手法の背景や基本的な考え方を分かりやすく説明するとともに、Google Colabなどのクラウド環境を利用し、実際にデータを扱いながら体験的に学ぶ。プログラミング未経験者でも受講できるよう基礎から丁寧に進めるため、これらの技術や手法について事前の知識は必要ない。専門的な知識の習得よりも、デジタル技術が人文学研究にもたらす新たな可能性を理解することを重視する。
授業を通して、多様なDH手法の特徴や可能性を理解するとともに、自らの関心に応じて適切な手法を選択し、今後の学習や研究に活用するための基礎的な視点を身につけることを目標とする。授業で紹介するすべての手法を習得する必要はなく、自分が興味を持った手法や今後活用してみたい手法について理解を深めることを期待する。
なお、授業ではノートパソコンを使用するため、各自持参すること。
---
到達目標：
1. 授業で紹介した各種デジタル手法について、その基本的な考え方と人文学への応用の特徴を理解できる。
2. 授業で学んだ内容を、自らの今後の学習や研究に活用できる。
デジタル・ヒューマニティーズ（Digital Humanities: DH）は、人文情報学とも呼ばれ、人文学とデジタル技術を融合させ、新たな研究手法や知見を生み出す学際的な分野として急速に発展している。本授業では、TEI（Text Encoding Initiative）、OCR（Optical Character Recognition）、IIIF（International Image Interoperability Framework）、GIS（Geographic Information System）、ネットワーク分析（Network Analysis）、感情分析（Sentiment Analysis）、自然言語処理（Natural Language Processing: NLP）などの技術や分析手法を取り上げ、その基本的な考え方と活用方法を実践を通して学ぶ。
初めて耳にする用語が多いかもしれないが、授業では講義で各手法の背景や基本的な考え方を分かりやすく説明するとともに、Google Colabなどのクラウド環境を利用し、実際にデータを扱いながら体験的に学ぶ。プログラミング未経験者でも受講できるよう基礎から丁寧に進めるため、これらの技術や手法について事前の知識は必要ない。専門的な知識の習得よりも、デジタル技術が人文学研究にもたらす新たな可能性を理解することを重視する。
授業を通して、多様なDH手法の特徴や可能性を理解するとともに、自らの関心に応じて適切な手法を選択し、今後の学習や研究に活用するための基礎的な視点を身につけることを目標とする。授業で紹介するすべての手法を習得する必要はなく、自分が興味を持った手法や今後活用してみたい手法について理解を深めることを期待する。
なお、授業ではノートパソコンを使用するため、各自持参すること。
---
到達目標：
1. 授業で紹介した各種デジタル手法について、その基本的な考え方と人文学への応用の特徴を理解できる。
2. 授業で学んだ内容を、自らの今後の学習や研究に活用できる。
時間割／共通科目コード
コース名
教員
学期
時限
51301
CAS-TC1200S1
全学自由研究ゼミナール (デジタルヒューマニティーズの最前線)
土畑 重人
金曜5限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
不可
開講所属
教養学部（前期課程）
授業計画
第1回 ガイダンス
* 授業概要、到達目標、評価方法の説明
* デジタル・ヒューマニティーズ（DH）の概要と最新動向
第2回 Google Colabの利用方法
* Google Colabの基本操作
* Python実行環境の準備
* 今後の演習に向けた環境構築
第3回 TEI（1）
* TEIの基本概念
* XMLとテキストマークアップの基礎
第4回 TEI（2）
* TEIによるテキスト構造化演習
* TEIデータの活用事例
第5回 ネットワーク分析（1）
* ネットワーク分析の基本概念
* 人文学データへの応用
第6回 ネットワーク分析（2）
* ネットワーク分析の実践
* 分析結果の可視化と考察
第7回 GIS
* 地理情報システム（GIS）の基礎
* 空間情報の可視化と分析
第8回 OCR・IIIF（1）
* OCRによる文字認識
* IIIFの基本概念
* デジタルアーカイブの活用
第9回 OCR・IIIF（2）
* 古典籍・歴史資料を用いた演習
* デジタル画像資料の分析
第10回 自然言語処理（NLP）
* テキストデータの前処理
* 基礎的な自然言語処理
第11回 感情分析
* 感情分析の基本
* 文学作品・テキスト資料への応用
第12回 DH手法を活用したミニプロジェクト（グループワーク）
* DH手法を活用した分析テーマの検討
* グループディスカッション・発表準備
第13回 ミニプロジェクト成果発表・まとめ
* グループ発表
* 授業全体の振り返り
* 今後の学習への展望
授業の方法
第1回授業はオンライン授業、第2回〜第13回授業は対面授業で行います。
本授業は、講義と演習を組み合わせた実践形式で実施する。第2回〜第13回では、デジタル・ヒューマニティーズ（DH）の代表的な手法について、その背景や基本的な考え方を解説した後、Google Colabや各種ソフトウェアを用いた演習を通して実際に体験する。
授業では、文学作品や古典籍、歴史資料などの実際のデータを用い、データの構造化、分析、可視化などの基本的な手法を学ぶ。また、授業後半ではグループワークを行い、学んだ手法を活用したミニプロジェクトに取り組み、その成果を発表する。
プログラミング未経験者でも受講できるよう、基礎から段階的に学べる構成とし、演習では適宜質疑応答やディスカッションを取り入れながら授業を進める。
授業資料や演習用プログラム、関連資料はUTOLを通じて配布する。授業内容の理解を深めるため、必要に応じて授業時間外に資料の確認や演習内容の復習を行うことが望ましい。
成績評価方法
成績は、平常点50％（授業への参加・演習への取り組み：20％、各回の授業後に提出する振り返り：20％、授業内容に応じて実施するミニ課題：10％）、グループプロジェクトおよび成果発表（50％）を総合的に評価する。
各回の振り返りでは、授業で学んだ内容や気づいたこと、感想などを記述し、期限内に提出することを求める。振り返りは内容の正誤ではなく、提出状況を評価の対象とする。
ミニ課題では、授業で学んだデジタル・ヒューマニティーズ（DH）の手法を実際に活用し、各手法の基本的な理解と活用状況を評価する。ミニ課題は各回の授業で課すものではなく、授業内容に応じて適宜実施する。原則として1問程度の小課題とし、学生同士での議論、インターネットでの検索、生成AIの活用を認める。目的は評価・試験ではなく、授業内容の理解を深めることにある。
グループプロジェクトでは、授業で学んだ、あるいは授業外で学んだDH手法を活用した分析計画を立案し、分析テーマの設定、分析方法の妥当性および実現可能性を踏まえ、その内容を分かりやすく論理的に発表できているかを重視して評価する。
生成AIの利用を積極的に推奨するが、グループプロジェクトでは、使用した生成AIのプロンプトを提出物と併せて提出すること。生成AIはアイデアの整理や情報収集、文章の推敲などの支援ツールとして活用し、その出力をそのまま提出するのではなく、自ら検討・修正を加えたうえで、自分自身の成果物としてまとめること。なお、提出物および発表内容については、自身で内容を十分に理解し、必要に応じて説明できることを前提とする。
履修上の注意
本授業の受講にあたり、特別な予備知識は必要ありません。Pythonの基礎知識があると授業内容を理解しやすくなりますが、プログラミング未経験者でも問題なく受講できます。
授業前の予習は特に必要ありません。授業後には、配布資料や授業スライドを見直しながら復習することで、次回以降の内容をより理解しやすくなります。
本授業では、おおむね2回の授業ごとに1つのデジタル・ヒューマニティーズ（DH）の分析手法を紹介します。授業の目的は、それぞれの手法をすべて習得することではなく、多様な分析手法を知り、その特徴や活用方法を理解することです。授業を通して、自分が関心を持った手法や今後活用してみたい手法を見つけ、それらについて授業時間外にも自主的に学習を進め、理解を深めることを期待しています。
