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。
Program Structure(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。
主な演習(ゼミナール)テーマ
- 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共に、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
不平等や格差を是正する税制や社会保障政策とは何か？
子どもの貧困やワーキング・プアといった言葉を聞いたことがありますか？不平等を是正するために人々へ給付する時、また逆に裕福な人々へ課税する時、どのような方法を用いれば良いでしょうか。その際にはできる限り人々の行動を歪めない(例えば勤労意欲の喪失や不正受給を防止する)望ましい再分配政策を考える必要もあります。こういった問題に対する有用な分析道具が経済学です。経済学は社会・組織の仕組みや人々の誘因(インセンティブ)や行動を考察し、データ分析や経済実験も用いながら、より良い市場や社会制度のデザインを考えます。皆さんも経済学を一緒に勉強しませんか？
経済学科主任 高松 慶裕 教授
私の学び
-
東京都 駒澤大学高等学校出身 -
企業戦略が人々の行動にもたらす影響を考える
私は「企業・制度デザインコース」で学んでいます。個人や企業が取る戦略や制度が、人々の行動に対してどのような影響をもたらすのかが研究テーマです。「Go To トラベル事業」や「10 万円の特別定額給付金」の支給による影響など、身近な事柄と関連づけて学んだ内容は、特に印象に残っています。これまでの学びから、報道で耳にする経済ニュースに対して、自分の視点で分析することができるようになりました。学科の魅力は、興味に応じてほかのコースの科目群からテーマを選び、自分なりの研究テーマを学ぶことが可能な点と、資格支援制度が充実していることです。私も現在、ファイナンシャル・プランナーの資格取得を目指し、支援講座で勉強中です。
ゼミピックアップ
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。
