経済学科の特色
Point 01海外でのフィールド・スタディ
本学科では、テーマを持って現地調査を行うフィールドワークが盛んです。2年次以降、アメリカ、オーストラリア、中国などへ2週間の調査に赴き現地の大学や企業、農村などを調査訪問。インタビュー調査なども行い現地の社会経済を観察し、主体的に調査から報告書の完成までを行います。
Point 02「実験経済学」で経済学を体験し、実感する
実験経済学の授業では、実際の取引や駆け引きをゲームで再現した実験に参加して、経済学を体験します。行動経済学の授業では、心理学を経済学に取り入れた人間行動の理論を学びます。心の動きに左右される人間の特徴を知ることで、自分や周りの人の非合理性を実感します。
Point 03学部独自の支援策、就活支援ワークショップ
キャリアセンターの学生支援とは別に、学部独自の支援策として課外指導を用意。大企業の人事・採用・教育部門に関わった外部講師による講義や模擬面接、自己PR指導などを行っています。
Point 04公認会計士や税理士の資格取得支援講座を開講
学部では、これらの資格試験の基礎となる簿記やファイナンシャル・プランナー資格試験の対策講座を開講しています。
領域・流れ
クラス単位の授業により幅広い分野の経済学の基礎を築きます。3年次からの専門演習に備えて2年次にはプレ演習を履修。専門演習では、さまざまな研究テーマの中から自身の研究テーマを見いだし、少人数制のゼミでより深く専門分野を追求します。
演習(ゼミナール)のテーマ例
- 国と地方政府の財政活動についての研究
- 金融･国際金融に関する課題研究
- 労働経済学(日本型人事制度とワークライフバランス施策)
- 情報経済学･金融システム論
- ミクロ経済学をゲーム理論的観点から学ぶ
- 日本経済の実証分析
- 開発経済学の理論･政策
- グローバリゼーション(人&金融&情報)研究
- ヨーロッパの歴史･文化･経済に関する研究
科目紹介
ゲーム理論
対立関係・協調関係にある主体間の状況を一つの「ゲーム」と見立てて分析します。戦略的思考を養うとともに、社会・経済問題を読み解くための道具を手に入れます。
社会参加実習
ボランティア活動への参加を通じて、自発性・行動力・コミュニケーション能力・自己管理能力・リーダーシップ等を養います。価値観や世代の異なるさまざまな人々と出会うことにより、自分自身を見つめ直す機会を得ます。
学科主任が考える 経済学科とSDGs
低所得国をどうやって成長させるのか？ 経済学はSDGs達成に貢献する
持続可能な開発目標(SDGs)は、貧困の撲滅を最大の地球規模の課題と位置づけています。また、人や国の不平等の是正、質の高い教育の普及、健康と福祉の推進、産業と技術革新の基盤づくり、地球環境問題への対策など、2030年までに達成すべき17の目標が設定されました。栄養失調とヘルスケアの不足によって、全世界で1年間に1000万人が死亡しており、もし低所得国が経済成長率を(年率)5%上昇させることができたなら、今後20年間で5000万人の生命が救われると推定されています。研究開発によるイノベーションと教育がもたらす経済成長がSDGs達成のための鍵を握っています。経済学的思考法や分析ツールを提供し、望ましい政策を考察する経済学は、SDGs達成のために大いに役立ちます。
経済学科主任 室 和伸 教授
Student's Voice
-
秋田県 秋田高等学校出身 -
経済学の力で、地方の課題をより効果的に解決したい
少子高齢化が進む地方都市で育ち、医療や社会保障が持続可能なものなのか課題意識を持っていました。その効果的な解決方法を、データに即して模索する手法として経済学を学びたいと考え、経済学科を選びました。ゼミナールでは、健康医療経済学を専攻しています。扱うテーマは医療政策や制度の評価だけではありません。個人の健康を資本として捉え、時間や資源の制約がある中で、いかに維持するのかを考える面白い分野です。例えば、医療費の高低が「病院に通う」という個人の行動へどのように影響するかなどを考察しています。今はアメリカの事例を基に学んでいますが、今後は日本のデータを用いて、社会保障制度とその持続可能性に関する、実践的な調査に取り組みたいと考えています。
Pick up ゼミ
プログラミングとデータサイエンス
小林 正人 教授
PythonやRを学び、
機械学習や統計分析のスキルを習得する
データサイエンスの基礎を学ぶには少人数ゼミが理想的
良いニュース
データサイエンスによる社会変革の真っ只中にいるあなたは幸運です。データサイエンスは新しい分野ですから、この技を身につければピラミッド型組織の中で何年も下積みをする必要はありません。意欲さえあれば僅かな期間で最先端に到達できるのです。
悪いニュース
データサイエンスによる技術変革はホワイトカラーの仕事をどんどん奪っており、ホワイトカラーに必要なスキルも変化しています。たとえ希望の職種につけたとしても、漫然と与えられた仕事をこなすだけでは落ちこぼれる可能性すらあります。
提案
大学生のうちにデータサイエンスの基礎を学びましょう。基礎の第一はPythonやRなどのプログラム言語です。第二の基礎は機械学習や統計分析といったデータから結論を引き出す技術です。機械学習や統計分析の教科書やツールはRやPythonの知識を前提とすることが多いので、私のゼミでは一石二鳥を狙いこの二つの技術を併行して学びます。コンピュータ環境や予備知識は個人ごとに違い、プログラミングの独習は出だしで躓くことが多いので、最初にデータサイエンスの基礎を学ぶには少人数のゼミが理想的です。
