Suche senden
Hochladen
Dev01
•
1 gefällt mir
•
814 views
Atsushi Oshio
Folgen
発達心理学 1回目 授業内容
Weniger lesen
Mehr lesen
Bildung
Melden
Teilen
Melden
Teilen
1 von 48
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
TokyoR101_BeginnersSession2.pdf
TokyoR101_BeginnersSession2.pdf
kotora_0507
機械学習と機械発見:自然科学融合が誘起するデータ科学の新展開
機械学習と機械発見:自然科学融合が誘起するデータ科学の新展開
Ichigaku Takigawa
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
考司 小杉
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
Random Forests
Random Forests
Hironobu Fujiyoshi
複素ラプラス分布に基づく非負値行列因子分解
複素ラプラス分布に基づく非負値行列因子分解
Hiroki_Tanji
『メリットの法則―― 行動分析学・実践編』
『メリットの法則―― 行動分析学・実践編』
Naoki Sugiura
Empfohlen
TokyoR101_BeginnersSession2.pdf
TokyoR101_BeginnersSession2.pdf
kotora_0507
機械学習と機械発見:自然科学融合が誘起するデータ科学の新展開
機械学習と機械発見:自然科学融合が誘起するデータ科学の新展開
Ichigaku Takigawa
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
考司 小杉
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
Random Forests
Random Forests
Hironobu Fujiyoshi
複素ラプラス分布に基づく非負値行列因子分解
複素ラプラス分布に基づく非負値行列因子分解
Hiroki_Tanji
『メリットの法則―― 行動分析学・実践編』
『メリットの法則―― 行動分析学・実践編』
Naoki Sugiura
機械学習の応用例にみる認知症診断と将来の発症予測
機械学習の応用例にみる認知症診断と将来の発症予測
Momoko Hayamizu
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
Hirotaka Hachiya
基礎からのベイズ統計学 3章(3.1~3.3)
基礎からのベイズ統計学 3章(3.1~3.3)
TeranishiKeisuke
ポアソン分布を仮定した 少頻度の信頼区間と経験ベイズ 〜大標本中の少頻度の信頼区間〜
ポアソン分布を仮定した 少頻度の信頼区間と経験ベイズ 〜大標本中の少頻度の信頼区間〜
智文 中野
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定
KoueiYamaoka
機械学習を使った時系列売上予測
機械学習を使った時系列売上予測
DataRobotJP
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
Yasuyuki Okumura
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
aa_aa_aa
Rによる決定木解析の一例
Rによる決定木解析の一例
LINE Corp.
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
基礎からわかる確率過程
基礎からわかる確率過程
latte0
工学系研究者のための 心理学的研究手法ガイド: 研究計画から実施,成果公表まで
工学系研究者のための 心理学的研究手法ガイド: 研究計画から実施,成果公表まで
Masashi Komori
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
Pydata_リクルートにおけるbanditアルゴリズム_実装前までのプロセス
Pydata_リクルートにおけるbanditアルゴリズム_実装前までのプロセス
Shoichi Taguchi
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
データ解析8 主成分分析の応用
データ解析8 主成分分析の応用
Hirotaka Hachiya
内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)
Ryota Kobayashi
Rで実験計画法 前編
Rで実験計画法 前編
itoyan110
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
hoxo_m
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
Weitere ähnliche Inhalte
Was ist angesagt?
機械学習の応用例にみる認知症診断と将来の発症予測
機械学習の応用例にみる認知症診断と将来の発症予測
Momoko Hayamizu
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
Hirotaka Hachiya
基礎からのベイズ統計学 3章(3.1~3.3)
基礎からのベイズ統計学 3章(3.1~3.3)
TeranishiKeisuke
ポアソン分布を仮定した 少頻度の信頼区間と経験ベイズ 〜大標本中の少頻度の信頼区間〜
ポアソン分布を仮定した 少頻度の信頼区間と経験ベイズ 〜大標本中の少頻度の信頼区間〜
智文 中野
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定
KoueiYamaoka
機械学習を使った時系列売上予測
機械学習を使った時系列売上予測
DataRobotJP
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
Yasuyuki Okumura
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
aa_aa_aa
Rによる決定木解析の一例
Rによる決定木解析の一例
LINE Corp.
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
基礎からわかる確率過程
基礎からわかる確率過程
latte0
工学系研究者のための 心理学的研究手法ガイド: 研究計画から実施,成果公表まで
工学系研究者のための 心理学的研究手法ガイド: 研究計画から実施,成果公表まで
Masashi Komori
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
Pydata_リクルートにおけるbanditアルゴリズム_実装前までのプロセス
Pydata_リクルートにおけるbanditアルゴリズム_実装前までのプロセス
Shoichi Taguchi
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
データ解析8 主成分分析の応用
データ解析8 主成分分析の応用
Hirotaka Hachiya
内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)
Ryota Kobayashi
Rで実験計画法 前編
Rで実験計画法 前編
itoyan110
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
hoxo_m
Was ist angesagt?
(20)
機械学習の応用例にみる認知症診断と将来の発症予測
機械学習の応用例にみる認知症診断と将来の発症予測
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
基礎からのベイズ統計学 3章(3.1~3.3)
基礎からのベイズ統計学 3章(3.1~3.3)
ポアソン分布を仮定した 少頻度の信頼区間と経験ベイズ 〜大標本中の少頻度の信頼区間〜
ポアソン分布を仮定した 少頻度の信頼区間と経験ベイズ 〜大標本中の少頻度の信頼区間〜
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定
機械学習を使った時系列売上予測
機械学習を使った時系列売上予測
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
Rによる決定木解析の一例
Rによる決定木解析の一例
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
基礎からわかる確率過程
基礎からわかる確率過程
工学系研究者のための 心理学的研究手法ガイド: 研究計画から実施,成果公表まで
工学系研究者のための 心理学的研究手法ガイド: 研究計画から実施,成果公表まで
金融情報における時系列分析
金融情報における時系列分析
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Pydata_リクルートにおけるbanditアルゴリズム_実装前までのプロセス
Pydata_リクルートにおけるbanditアルゴリズム_実装前までのプロセス
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
データ解析8 主成分分析の応用
データ解析8 主成分分析の応用
内受容感覚から見る情動 (PEACE 3rd, 2017)
内受容感覚から見る情動 (PEACE 3rd, 2017)
Rで実験計画法 前編
Rで実験計画法 前編
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
Kürzlich hochgeladen
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
Kürzlich hochgeladen
(6)
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Dev01
1.
発達心理学 1
2.
• 発達心理学 = developmental psychology 2
3.
• 発達=「発」+「達」(造語) →「出発」と「到達」 2つの漢字の組み合わせ • 目的に向かう →先決説や予定説の意味が強い。 3
4.
• 成長…「おとなに向けての身体の形態面で の量的変化」であり,生物学的な「成熟」 の過程の反映。 • 発達…「機能面での完成に向けての量的お よび質的変化」 生物学的な「成熟」と経験を通した「学習」 の2つの過程によって進行する。 4
5.
• 「成長」「発達」…20歳前後で頂点に達するま での,時間に伴う変化の記述に適用される概念 • 発達心理学が扱う「発達」は,心理的な変化を 含むという点で,直接観察できないような身体 内の構成概念も研究対象とする。 •
その点で,単に身体的な変化である「成長」を 扱うだけの分野ではない。 言葉の整理 5
6.
• 発達=「よさ」を含んだ価値概念 • 視力や聴力の検査,あるいは体力テストや運動 能力テスト →いったん年齢とともに上昇した成績が年齢に 伴って低下すれば,それは老化または退化だと 捉えられることもある。 6
7.
• 発達は「よさ」という価値を含むが,の価値は絶対的 に決められるものではなく,時代や社会によって変化 する可能性がある。 • 価値の基準は相対的であることを認めざるを得ない。 •
ある立場からは発達的変化だとされるものが別の立場 からは否定される →学問の世界だけではない →子どもの同じ行動を親・教師・仲間が評価すると, 必ず同じになるわけではない。 7
8.
• かつては… 「児童心理学(child psychology)」 →研究領域が拡張→発達心理学 •
1950年頃には,発達心理学ということ ばが定着 8
9.
• 発達時期 ‣ 乳児期:1歳前後まで。生後28日まで…新生児,生後7日 まで…早期新生児と言うことも ‣
幼児期:1歳半から就学まで ‣ 児童期:おおよそ小学校の時期に相当 ‣ 青年期:第二次性徴以降∼20代頃まで 青年期前期(=思春期),青年期後期 ‣ 成人期:20歳前後∼50歳前後 前期成人期,後期成人期 中年期(45∼65歳頃) ‣ 老年期:60∼65歳以降 前期・中期・後期高齢期 9
10.
• 発達心理学は世界的に見ても多くの研 究者が研究を行なっている研究領域 • 日本の発達心理学会だけでも,おおよ そ4000人の会員が研究活動 10
11.
• 初期の発達心理学 「乳幼児心理学」「児童心理学」「青年心理 学」「老年心理学」etc... →年齢区分がバラバラな研究領域の集まり • 現在…「生涯発達心理学」 →人間の発生(誕生以前)から死にいたるま での時間軸の中で,人間の発達を統一的に理 解しようとするひとつの研究領域 11
12.
• 発達心理学では「時間軸」を扱う。 →発達の研究では,個人の行動や精神 的・身体的特徴が年齢や学年といった 時間の経過とともにどのように変化して いくのかを明らかにすることが重要。 12
13.
時期 知覚 認知
教育 社会 性格 臨床 乳児期 幼児期 児童期 青年期 成人期 老年期 あくまでも一例 13
14.
• 発達心理学は どのように研究されるのか? 14
15.
• 事例 vs.
集団 • どちらも重要な情報ではあるが • 一般法則は集団から導き出される • 多くの人々に実験・調査・観察 →統計的な分析 15
16.
• 時間軸を扱う →どのような方法? 16
17.
• 「横断的研究法」 →ある心理現象を一定の時間軸と直交して「横 に」切り取ったときに観察する方法 • (例)小学2年生,3年生,4年生それぞれ100人 に調査をした。その結果,各年齢の社交性得点 の平均値が20点,25点,35点となった。結果か ら,年齢を経るに従って社交的になっていくこ とが明らかになった。 17
18.
• 「縦断的研究法」 →同一の個人や集団について,複数の 時点で観察する研究手法 • (例)小学2年生時点での社交性を測 定し,同じ児童たちが3年生,4年生 になったときにも調査を繰り返す 18
19.
• 長所:研究期間が短くてすむ。研究の労力,金銭的な資源 も少なくてすむ。一度に多くのデータを集めることができ る。したがって,統計的な分析に耐えるデータを集めるこ とができる。 • 短所:実際の変化を調べているわけではない。したがって, 得られた結果は,年齢による変化という点で,あくまでも 推測の域をでない。たとえば,ある年に複数の年代を同時 に測定しても,もしかしたらそれは年齢による差ではなく, 生まれた時代の差なのかもしれない。 横断的研究法の長所・短所 19
20.
縦断的研究法の長所・短所 • 長所:実際の年齢変化を捉えているため,発達と いう現象をより的確に捉えることができる。 • 短所:研究期間が長期化し,労力・金銭面での資 源が多くかかる。特定の個人や集団を数カ月,数 年,時には数十年にわたって追跡調査(フォロー アップ)するため,多くのデータを集めることが 非常に困難。同一の対象に対して繰り返し検査を することの弊害(結果の歪み)もある。 20
21.
• 横断的研究と縦断的研究の短所を補う 研究方法 →コーホート研究 • コーホート …「一定の時期に人生における同一の 重大なできごとを体験した人々」 21
22.
• 世代…もともと生物学用語。「生物が母体を 離れてから成熟して生殖機能を終えるまでの 期間」を指す。人間社会の場合には,子ども が親になるまでの30年間を指すことが多い。 • 世代とコーホートは似た意味をもつ。コーホー トは,特に何年間のあいだに生まれた人々と いう意味をもつわけではなく,同じようなこ とを体験した人々という意味である。 22
23.
• 生まれた時期や成長する時代背景は, 個人の心理活動にも大きな影響を与え ると考えられる。 • (例)パソコンや携帯電話が普及する 前に生まれるか,普及したあとに生ま れるかは,対人関係や学習方法に大き な影響を与えるだろう 23
24.
• ちなみに… ✴今使われるのと同じような機能のパソコンが普 及したのは1995年以降 ✴インターネットが現在と同じように使われるよ うになってきたのも1995年頃 ✴携帯電話の販売方法がレンタルから売り切り方 式に変わったのが1994年 ✴加入数が2000万件を超えたのが1997年 ✴5000万件を超えたのが2000年頃 ✴1985年の携帯電話は肩掛け式であった。 24
25.
• 標準コーホート表 • ある年齢集団を追跡調査すると同時に,別の世代に対しても調査。 •
完全にこの表を満たすようにデータを得ることは非常に難しい。 • そこで,この一部を満たすような調査をすることが多い。 1980 1985 1990 1995 2000 0歳 A B C D E 5歳 W A B C D 10歳 X W A B C 15歳 Y X W A B 20歳 Z Y X W A 25
26.
• 発達心理学におけるデータ収集方法は他の心理学領域と同じ。 • 実験/調査/観察/面接 & これらの組み合わせ •
特に幼い子供を研究対象とする場合には,言語報告が困難。 言葉を話すことができない幼児の心理活動を知るためには,実験 や観察が不可欠。 • 言語報告ができる世代であれば,調査や面接を行うこともできる ようになる。 • 複数の研究手法を効果的に組み合わせながら,データを得ること によって人間の心理的な発達を明らかにするのが発達心理学とい う研究領域である 26
27.
• この授業では…… 様々な領域での発達 を扱う 27
28.
• 研究例 • 皆さんの大学生活は充実していますか? 28
29.
• 奥田他(2010) 大学生活充実度の研究 29
30.
• 大学時代…様々な経験を通して,自分らし さ,自分とはどのような人間であるかを考 える時期 • 大学生活での充実感 →大学での経験を促し,自己の発達に寄与 •
大学での充実感に注目 30
31.
• これまでの研究 • 広沢(2007):大学適応に重要な2側面 →対人関係面と学習面 →入学半年後に学習面で適応→全般的適応へ •
吉田他(1999) 学習面での適応が大学での全般的適応に関連 31
32.
• 大学適応感はどのような内容で成り立つか? →因子分析による検討 • 大久保・青柳(2003):4因子構造 「居心地のよさ」「被信頼・受容感」「課題・ 目的の存在」「拒絶感のなさ」 •
松原他(2006):大学生の不適応感 「学業のつまづき」「大学への不本意感」「不 規則な日常生活」「大学での充実感の乏しさ」 • この研究では:1∼4年生全てに対応できる充実 感尺度を作成 32
33.
• 田中・菅(2007):大学生活不安の調査 4年より1年の大学不適応得点が高い • 本研究:
充実感の学年差・経年的推移 に注目 33
34.
• 研究1:横断的調査 • 2年にわたり,322名と276名に調査 •
2006年度 1年61名,2年84名,3年96名,4年81名 • 2007年度 1年42名,2年60名,3年82名,4年92名 34
35.
• 大学生活充実感尺度(こ れまでの研究で尺度構成 がなされている) • 因子分析結果 •
「フィット感」 「交友満足」 「学業満足」 「不安」 35
36.
• いずれの因子についても学年による差が 見られた • 2006年,2007年いずれの調査でも同じ ような傾向 36
37.
• 研究2:縦断調査 • 2005年から2008年にかけて同一対象者に調査 •
1年時101名,2年時84名,3年時82名,4年時85名 • 4時点全てに参加→57名 37
38.
• 学生生活の充実度は4年次で高まる • 横断調査で得られた結果と整合 38
39.
• 研究3:2年間の推移 • 1年から2年,2年から3年,3年から 4年へと進級するところで調査 •
1-2年:47名,2-3年:64名,3-4年:76名 39
40.
• 2年間の同一対象者の変化についても • 横断調査・縦断調査と同じ変化傾向 40
41.
• 同じ研究グループのコホート研究 41
42.
• 2005年から2011年 • 4年間同一人物への調査を4入学年度分 •
4回の調査全てに回答した者 2005年度入学生のうち56名 2006年度入学生のうち33名 2007年度入学生のうち36名 2008年度入学生のうち36名 • 計161名の女子学生 42
43.
調査時期 学年 2005 2006
2007 2008 2009 2010 2011 1年 A B C D 2年 A B C D 3年 A B C D 4年 A B C D A:2005年度新入生 B:2006年度新入生 C:2007年度新入生 D:2008年度新入生 43
44.
• 大学生活充実度尺度を使用 • 不安下位尺度については調査上の問題 (調査年度により使った項目が違う) により分析から除外 •
フィット感をコミットメントと改称 (積極的な取り組みを意味する) 44
45.
• コミットメント:入学年度の差なし,4年で上昇 • 交友満足:入学年度の差なし,4年で上昇 •
学業満足:2年,3年で入学年度の差があり →大学のカリキュラムやクラスの様子など,入学 年度による学業への取り組みの差を反映? 45
46.
• コミットメント,交友満足に入学年度 の差はほとんど見られない • 学業満足は2年,3年で入学年度の差 →コホート研究によって見出された差 46
47.
• 2つの論文から… • 上の学年になるほど,大学生活の充実度(の自己報 告)は上昇 •
様々な活動に積極的に取り組んだり,交友関係の充 実感は入学年度によってあまり左右されず,学年が 上になるほど上昇 • 学業の充実度は与えられたカリキュラム等により, 入学年度による変動あり(ただしこれも,上の学年 になるほど上昇傾向) 47
48.
• 調査のデザイン →事実の把握方法 • 複数の研究デザインを組み合わせる →事実を重層的に捉えることを意味する •
いずれの方法も長所・短所あり →組み合わせることで短所は相殺 48
Jetzt herunterladen