• 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(解析でエクセル使用は禁止！)
• 短い論文の形にしてまとめる

→提出された論文の評価を成績に反映させます

提出について

• 締切：2025年7月28日（月）AM 8:30
  
• TACTを用いて送ること

• 科学的／応用的に意義のある問いを扱っているか
  • 「なぜその謎を調べるべきなのか？」
• 先行研究を含めて研究の背景を説明できているか
  • 「これまで何がわかっていて何がわかっていないのか？」
• 科学的に妥当な／面白い仮説を検証しているか
  • 「どのような根拠からその仮説を考えたのか？」
• 仮説の検証方法が妥当か
  • 「なぜその実験手法、解析方法を使ったのか？」
• 実験や解析に工夫が見られるか
• 結果を科学的に説明、解釈できているか

注意：結果的に仮説が支持されたか（= “有意差があったか”）は評価と関係ありません

• 以下の項目を含めた論文を書いて下さい
  • 背景と目的（各自で書く）
  • 材料と方法（解析コードやグラフ のみ班員で共有可）
  • 結果（各自で書く）
  • 考察（各自で書く）
  • 引用文献リスト（各自で書く）

コピペ及び生成系AIへの丸投げ禁止（後ほど詳細）

今期の単位全体を剥奪する可能性

• 各自で書く（班員との共有は認めない）
• 以下を順に説明する
  1. 今回取り組む謎と、なぜその謎を調べるべきなのか
  2. その謎に関して何がわかっていて何がわかっていないのか
  3. 1, 2を踏まえて今回検証する仮説、またその根拠
  4. 仮説検証するためにどのようなアプローチを用いるか
• １つ以上の文献（科学論文に限る、ウェブサイトはダメ）を引用すること
  • 引用が多ければより良い
  • 生成AI（ChatGPT等）の回答は文献とは認めない
  • 生成AIの引用には間違いがあるので、引用する論文は目を通して内容を把握すること

• 解析コード のみ班員で共有可
• 以下を順に説明する
  1. データをどのようにとったか（あるいはデータの由来）
  2. どのような方針で解析をしたのか
  3. どのような統計手法やモデルを選んだか、その理由
  4. 具体的な解析コード（#でコメント）
• 生成系AIにコードを丸投げすることは認めない
  • エラーの対処に用いることのみ認める
  • 生成AIを用いた場合は、どのように用いたのかを書く
• コードを共有しても良いが、 必ず自分のPCでも走らせること
  • 実習終了後、論文を書く段階で初めて自分のPCで走らせようとしてトラブる例がたまにある

• 各自で書く
• 以下を順に説明する
  1. それぞれの実験／解析の目的（例：〜をするために、〜を調べた）
  2. 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）とともに、 結論を文章で説明する
  • グラフだけではダメ！「AよりBの方が大きい」「AはBに効果がある」など、グラフや統計解析から自分で判断する）
• 高校では「結果に解釈を書いてはいけない」と言われたかもしれないが、論文にはそのようなルールはない（例年、結論を『考察』に書く学生がいるので…）
• むしろ、実験や解析で得られた結果を受けて自分がどのように判断したのか（結論）は、結果に書くべき

• 各自で書く
• 以下を順に書く
  1. 「背景と目的」で述べた仮説はどうだったか
  2. これまでわかっていたこととの一致や相違点はあるか（引用を含めて書くと良い）
  3. 予想通りではなかった場合はなぜそうなったと考えるか（仮説が間違っていた可能性、実験や調査、解析による問題、どうしたらよかったか）
  4. 今後さらに調べたら面白いこと、研究を発展させるなら
• コピペ禁止
• 生成系AIへの丸投げも禁止
• 実習の感想やフィードバックももらえると嬉しいです（成績に含めません）

• 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
• 論文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こと
• 妥当性がない／確認できない場合は評価に影響させる

• 科学的／応用的に意義のある問いを扱っているか→背景と目的
  • 「なぜその謎を調べるべきなのか？」
• 先行研究を含めて研究の背景を説明できているか→背景と目的
  • 「これまで何がわかっていて何がわかっていないのか？」
• 科学的に妥当な／面白い仮説を検証しているか→背景と目的
  • 「どのような根拠からその仮説を考えたのか？」
• 仮説の検証方法が妥当か→材料と方法、結果
  • 「なぜその実験手法、解析方法を使ったのか？」
• 実験や解析に工夫が見られるか→材料と方法、結果
• 結果を科学的に説明、解釈できているか→結果、議論

要は：ここまでの解説に従えば高評価の論文が書けるはず！

生成系AIの出力情報には誤りが含まれる可能性がある

• 出力情報の正しさについて自ら検討する必要がある
• 何が正しいのか結局調べるなら、最初から正しい情報を使ったほうが良い

著作権侵害や剽窃の問題が生じる恐れがある

• 利用責任はAIではなく利用者がとる
• 出力情報の一部であってもそのまま利用するのはダメ
• 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

利用の際に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：

• 自由課題において生成系AIへの丸投げは認めない
  • 解析コードは自分たちで書くこと
  • 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）
• 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

• 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。

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）
  • Rのデータパッケージを使うのは不可

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

  • 5条件N=20より2条件N=50を推奨。N<5は解析不可能。
    

• 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

  • 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）

• 個人情報及びデリケートな問題を含むアンケートはダメ

  • アンケートを取る場合、事前に教員に相談してください

教員の確認（以下の項目）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？
  • 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