• 班ごとに自由に研究テーマを決める
  
• 班ごとに協力してデータを取る／集める
• Rを使って各自で解析を行う
• (データ解析ではエクセルではなくRを使うこと！)

提出について

• 締切：2023年6月19日（月）AM 8:30
  
• TACTを用いて送ること

以下の項目で自由課題をレポートにまとめること。

• 背景と目的（各自で書く）
  • 研究テーマの背景にある疑問、問題意識
  • その疑問に関して既に知られている／知られていないことを調べて、引用を含めて書く（ 必ず１個以上の科学的に妥当な文献を根拠として引用すること）
  • その疑問を解くために、このレポートでは何を調べたか？あるいはどのような仮説を検証したか？
  • コピペ禁止
  • 生成系AIへの丸投げも禁止

• 材料と方法（解析コードやグラフ のみ班員で共有可）
  • データをどのようにとったか（あるいはデータの由来）
  • 用いた統計解析法と 解析コード（#でコメント）
  • 生成系AI（ChatGPT等）を用いた場合は、どのように用いたのかを具体的に書くこと
    
• 結果（各自で書く） ※高校までの書き方と違うので注意！
  • グラフと統計解析の結果（p値だけではなく検定統計量や回帰係数の推定値なども）
    
  • 結果を文章で説明する（グラフだけではダメです）
  • 結論も書くこと！（例：AよりBの方が大きい、AはBに効果がある/ないなど、グラフや統計解析から自分で判断する）

• 考察（各自で書く）
  • 「背景と目的」で述べた疑問に対してどう答えられるか or 検証したかった仮説は支持されたのか否定されたのか
    
  • 得られた結果から考えられること、さらに調べたいこと
  • これまでに知られている知見との一致や相違点などを引用を含めて書く
  • 思い通りにならなかった場合は、なぜそうなったのか
    • そもそも仮説が間違っていたのか
    • または実験/調査や解析による問題か、どうしたら良かったか
  • コピペ禁止
  • 生成系AIへの丸投げも禁止

• 引用（各自で書く）
  • 「背景・目的」あるいは「考察」に、 必ず１個以上の科学的な妥当な文献を引用すること
    • 生成系AIの出力は引用文献として認めない
    • 引用文献の内容は自分で読み、科学的な妥当性を精査した上で引用すること
    • レポート評価の際に教員が引用文献の内容を確認できるように、リンクも含めた情報を記載する
    • 妥当性がない／確認できない場合は評価に影響させる
• 実習の感想やフィードバック（成績に含めない）

注意事項

• 他人のレポート等をコピペしたものには単位を与えない。
• 悪質な場合は 今期の単位全体を剥奪する可能性もある。
• グラフ、Rのコード、統計量を、自分の班員と共有することは認めるが、その場合は班員の名前を明記すること。
• 参考にした文献等があれば出典を明記すること。

自らの学習を深めるという観点で利用の仕方を考える

1. 生成系AIから出力された情報には誤りが含まれる可能性がある
   • 利用によってはかえって不利益を被る可能性も
   • 出力情報の正しさについて自ら検討する必要がある
2. 出力情報が正しい場合でも、著作権侵害や剽窃の問題が生じる恐れがある
   • AIの出力情報はあくまで自身の文書作成の参考に留める
   • 出力情報の一部であってもそのまま利用するのはダメ
3. 利用の際に質問として入力した情報は流出する危険がある
   • 個人情報など秘密とすべき情報を絶対に入力してはいけない

この実習においては：

• レポート作成において生成系AIへの丸投げは認めない
  • 必ず１個以上の科学的に妥当な文献を引用すること
  • 引用元も必ず明示すること（リンク付きで）
  • 現時点（2023年5月）では、生成系AIの回答や、根拠として提示される論文がデタラメな場合がある。存在しない論文を根拠として提示してくる場合もあるので要注意！
• 調査結果や個人情報をそのまま入力してはいけない
  • 入力したデータは生成系AIの学習に使われる可能性がある
  • 特にアンケートなどをとった場合は、他人の個人情報を扱っているのでくれぐれも注意
  • 必要があればサンプルデータを作って利用する

まず班ごとに研究テーマを設定する

1. 何を明らかにしたいのか？（大きな目的）
   • 例：植物の多様性はどのような環境条件に影響されるのか？
2. そのために何を調べるのか？（研究の目的）
   • 例：特定の地点の植物種数と環境条件の関係を調べる
     • 1.の目的と合致しているか？
3. 検証したい仮説は何か？
   • 例：日当たりが良いほうが植物種が多い
     • 仮説の根拠は？
     • データがどうなったら仮説が支持されるのか？

どのようにデータをとるか決める（現実的な範囲で…）

• 自分たちでデータを取る
  • ちょっと大変だけど楽しい
  • 計画したとおりのデータが得られる
  • 例：日当たりが良い30地点と悪い30地点の種数を調べる
    • 日当たりが良い／悪いはどう定義するか？
    • 植物種はどのように同定するか？
• 誰かが調べたデータを調べる
  • 良いデータを見つければ大量のデータが得られる
  • 調べたいことにぴったりのデータがあるとは限らない
  • データの読み込みが意外と大変（csvじゃなかったりする）

計画をするにあたって気をつけたいこと

• サンプル数（N数）は多いほど良い！

  • 10条件各N = 10より、2条件各N=50のほうが絶対いい！
  • N = 5以下はほとんど解析不可能。
    

• 違いが微妙なものより極端なものを比較する！

• 注目する要因以外のばらつきの存在もお忘れなく

  • ばらつきが多い場合はより多くのN数が必要
  • 注目する要因以外はなるべく均一に
  • 一定の基準でデータを絞る方が良い場合も（ただし調べたいことに影響しないように注意が必要）

必ず教員のチェックをパスしてから始めること！

• 掲げた問い、目的、調査が合致しているか（最重要）
• どのような図、及びcsvファイルを作るか
  • 図のX軸は？Y軸は？（図示してみてください）
  • どんなcsvファイル？
    • どういう行を作るかまで考える
• どのような統計解析を使うか
  • 統計的仮説検定？統計モデリング？
    • 仮説検定：帰無仮説と対立仮説は？
    • モデリング：線形予測子、誤差構造、リンク関数は？
  • どんな結果が得られたら仮説が支持されたと言えるのか
  • 解析に十分なサンプルサイズになっているか