研究者総覧
| 永井 勇 |  |
| 教養教育研究院 | |
| 教授 |
Last Updated :2025/03/25
研究活動情報
研究分野等
研究分野
研究キーワード
著書・発表論文等
論文
- 論文
Coordinate Descent Algorithm of the Group Lasso for Selecting Between-Individual Explanatory Variables in the Three-Mode GMANOVA Model.
Monden, R., Horikawa, K., Nagai, I. and Ynagihara, H.
Intelligent Decision Technologies, 297, 307, 2025年, 査読有, 共著（共編著） - 論文
Ridge parameter optimization using a modified Cp statistic in multivariate generalized ridge regression for the GMANOVA model
Hirokazu Yanagihara
Procedia Comput. Sci., 1651, 1660, 2023年, 査読有, 共著（共編著） - 論文
Implications of the usage of three-mode principal component analysis with a fixed polynomial basis
Monden, R., Nagai, I. & Yanagihara, H.
Smart Innov. Syst. Tec., 214, 224, 2023年, 査読有, 共著（共編著） - 論文
Estimation algorithms for MLE of three-mode GMANOVA model with Kronecker product covariance matrix
Horikawa, K., Nagai, I., Monden, R. & Yanagihara, H.
Smart Innov. Syst. Tec., 203, 213, 2023年, 査読有, 共著（共編著） - 論文
Modified Cp criterion in widely applicable models
Yanagihara, H., Nagai, I., Fukui, K. & Hijikawa, Y.
Smart Innov. Syst. Tec., 173, 182, 2023年, 査読有, 共著（共編著） - 論文
Information Criterion-Based Nonhierarchical Clustering
永井、高橋、栁原
International Journal of Knowledge Engineering and Soft Data Paradigms, 6, 1, 43, 2017年, 査読有, 共著（共編著）, データ内のクラスターを発見する手法としてクラスター分析があり、この手法の中で広く使われている分析法において、古くから問題がある。本論分では、この問題に対する解決法を提案した。 - 論文
Optimization of Penalty Parameter in Penalized Nonlinear Canonical Correlation Analysis by using Cross-Validation
永井
Journal of Mathematics and Statistics, 11, 99, 106, 2015年, 査読有, 単著（単編著）, NCCAはデータ間の非線形関係も見つけられるように正準相関分析を拡張した手法である。
しかし、この手法では無関係なデータ同士でも“強い関係がある”と判断する。
そこで、罰則を用いる手法があるが、その最適化法がないので、本論文で最適化法を提案した。 - 論文
Choosing the Number of Repetitions in the Multiple Plug-in Optimization Method for the Ridge Parameters in Multivariate Generalized Ridge Regression
永井、福井、栁原
Bulletin of Informatics and Cybermetics, 45, 25, 35, 2013年, 査読有, 共著（共編著）, 多変量線形回帰モデルにおいて、ある問題を解決するために多変量一般化リッジ回帰モデルを用いた推定法が提案された。この推定法で導入したパラメータの最適化法において、新たなパラメータが導入された。そのパラメータの選択法を提案した。 - 論文
Principal Components Regression by using Generalized Principal Components Analysis
藤原、南谷、永井、若木
Journal of Japan Statistics Society, 43, 57, 78, 2013年, 査読有, 共著（共編著）, 重回帰モデルにおいて、未知パラメータの推定のための手法として主成分分析を用いた後に推定を行う手法（ＰＣＲ）がある。これにより、次元削減などができるという利点がある。そこで、ＰＣＲを一般化したＧＰＣＲを構築し、それに基づいた推定法を提案した。 - 論文
Selection of Model Selection Criteria for Multivariate Ridge Regression
永井
Hiroshima Mathematical Journal, 43, 73, 106, 2013年, 査読有, 単著（単編著）, 多変量線形回帰モデルにおいて、よく用いられる推定量の問題を解決する手法として多変量リッジ回帰モデルを用いる手法がある。この手法において、リッジパラメータの選択のための規準が二つある。この二つのどちらを用いればよいかを選ぶ手法を提案した。 - 論文
Modified Cp Criterion for Optimizing Ridge and Smooth Parameters in the MGR Estimator for the Nonparametric GMANOVA model
永井
Open Journal of Statistics, 1, 1, 14, 2011年, 査読有, 単著（単編著）, 各個体で経時的に測定したデータに対し、そこに潜む変動の推定を考える。ある条件下ではＧＭＡＮＯＶＡを用いて推定できる。普通は多項式の形で推定されるが、十分な推定でない場合がある。この問題を解決し、そこで発生した問題も解決する手法を提案した。 - 論文
多変量一般化リッジ回帰におけるリッジパラメータ最適化のためのバイアス補正Cp規準
栁原、永井、佐藤
応用統計学, 38, 151, 172, 2009年, 査読有, 共著（共編著）, 多変量線形回帰モデルにおいて未知パラメータの推定に最小二乗推定量がよく用いられる。しかし、この推定量には問題がある。この問題を解決し、さらに繰り返し計算が不要な推定法を提案した。
書籍等出版物
- 機械学習 ─データを読み解くアルゴリズムの技法─
ピーター・フラッハ
翻訳, 共訳, Chapter 10, 朝倉書店, 2017年, Machine Learning -The Art and Science of Algorithms that Make Sense of Data- (Cambridge Univ Press. 2012)の翻訳。 機械学習の主要なアルゴリズムを取り上げ,特徴量・タスク・モデルに着目して論理的基礎から実装までを平易に紹介。
講演・口頭発表等
- Direct Penalizatoin method for MLE in the GMANOVA model and its Optimization with Cp type criterion
永井 勇
データサイエンスにおける統計的理論の展開研究, 単独, 国内会議 - Estimation methods for Three-mode GMANOVA Model with Unobserved Design Matrices
Monden Rei
IASC-ARS Interim 2024, 共同, 国際会議 - 数理・データサイエンス・AI 教育（リテラシーレベル）プログラム取組概要
永井 勇
数理・データサイエンス・AI 教育コンソーシアム 第 2 回東海ブロック会議, 単独, 国内会議 - GMANOVAモデルの最尤推定量における新たな罰則付き推定とその最適化
永井 勇
構造化されたデータ解析とその統計・機械学習モデルの新展開, 単独, 国際会議 - Variable selections for three-mode GMANOVA model
門田 麗
2024年度統計関連学会連合大会, 共同, 国際会議 - GMANOVAモデルにおける説明変数などへの仮定が不要な罰則無推定法
永井 勇
2024年度統計関連学会連合大会, 単独, 国際会議 - Coordinate Descent Algorithm of the Group Lasso for Selecting Between-Individual Explanatory Variables in the Three-Mode GMANOVA Model
Rei Monden
KES IDT 2024, 共同, 査読有, 国際会議 - An estimation algorithm for three-mode GMANOVA
Rei Monden
Development and integration of High-Dimensional Data Analysis, Sparse Estimation, and Model Selection Methods, 共同, 国際会議 - GMANOVA モデルにおける様々な仮定が不要な罰則無推定法とその解釈
永井 勇
統計科学・機械学習・情報数学の最前線, 単独, 国内会議 - GMANOVAモデルの3相データへの拡張
堀川 慧斗
データサイエンスにおける統計的理論・方法論の新展開, 共同, 国内会議 - GMANOVAモデルにおけるフルランク仮定が不要な罰則無推定法
永井 勇
統計科学と関連分野における諸問題に関する理論と方法論の革新的展開, 単独, 国際会議 - Ridge parameter optimization using a modified Cp statistic in multivariate generalized ridge regression for the GMANOVA model
Hirokazu Yanagihara
KES 2023, 共同, 査読有, 国際会議 - Estimation Methods for Three Mode GMANOVA Model with the Kronecker Structured Covariance Matrix
堀川 慧斗
2023年度統計関連学会連合大会, 共同, 国際会議 - GMANOVAモデルにおいて個体内計画行列がフルランクではない場合の推定法と解釈
永井 勇
2023年度統計関連学会連合大会, 単独, 国際会議 - Semiparametric Estimation for Three Mode Principal Component Analysis Applied to Longitudinal data
門田 麗
2023年度統計関連学会連合大会, 共同, 国際会議 - 説明変数行列などにフルランク性がない状況での新たな推定方法
永井 勇
金曜セミナー, 単独, 国内会議 - Implications of the Usage of Three-mode Principal Component Analysis with a Fixed Polynomial Basis
Rei Monden, Isamu Nagai, Hirokazu Yanagihara
KES IDT 2023, 共同, 査読有, 国際会議 - Estimation Algorithms for MLE of Three-mode GMANOVA Model with Kronecker Product Covariance Matrix
Keito Horikawa, Isamu Nagai, Rei Monden, Hirokazu Yanagihara
KES IDT 2023, 共同, 査読有, 国際会議 - Modified Cp Criterion in Widely Applicable Models
Hirokazu Yanagihara, Isamu Nagai, Keisuke Fukui, Yuta Hijikawa
KES IDT 2023, 共同, 査読有, 国際会議 - GMANOVAモデルでの仮定緩和のさらなる可能性
永井 勇
統計科学の開拓, 単独, 国際会議 - GMANOVA モデルにおける新たな経時変動の推定方法と解釈
永井 勇
大規模複雑データの理論と方法論～新たな発展と関連分野への応用～, 単独, 国内会議 - GMANOVAモデルにおける新たな経時変動の推定方法とその解釈
永井 勇
多様な分野における統計科学の理論と応用, 単独, 国内会議 - 階層的グループLassoによるGMANOVAモデルの変数選択と次数選択
大石 峰暉
2022年度統計関連学会連合大会, 共同, 国際会議 - 説明変数がランク落ちしている状況での多変量線形回帰における不偏推定量
永井 勇
2022年度統計関連学会連合大会, 単独, 国際会議 - ランク落ちでの無罰則推定法と不偏推定量
永井 勇
予測モデリングの理論と応用, 単独, 国内会議 - 高次元小標本における多変量線形回帰モデルでの推定法
永井 勇
2021年度統計関連学会連合大会, 単独, 国際会議 - 高次元小標本データにおける多変量線形回帰モデルでの罰則を付けない推定法
永井 勇
多様な分野における統計科学に関する理論と方法論の革新的展開, 単独, 国際会議 - 高次元小標本データにおける多変量線形回帰モデルの罰則を付けない推定法
永井 勇
統計サマーセミナー2021, 単独, 国内会議 - 外れ値がある場合でも安定した推定を行う罰則付推定法
永井 勇
統計科学の革新へ向けて, 単独, 国内会議 - Optimization of GMANOVA Model via Hierarchical Overlapping Group Lasso
栁原 宏和
金曜セミナー, 共同, 国内会議 - rank 落ちを回避する新たな推定法とその応用
永井 勇
大規模複雑データの理論と方法論：最前線の動向と新たな展開, 単独, 国際会議 - GMANOVAにおける直接的な罰則付推定法とその最適化
永井 勇
2020年度統計関連学会連合大会, 単独, 国内会議 - 外れ値に対してもロバストな推定法とその最適化
永井 勇
2020年度統計関連学会連合大会, 単独, 国内会議 - バランス型経時測定データにおけるExtended GMANOVAモデルの解釈と新たな推定法
永井 勇
多様な分野における統計科学に関する諸問題, 単独, 国内会議 - Extended GMANOVAモデルにおけるSparse Group Lassoを用いた変数などの選択
永井 勇
2019年度統計関連学会連合大会, 単独, 国内会議 - Shrinkage estimator for the precision matrix and its optimization in closed form
永井 勇
Data Science, Statistics and Visualization 2019, 単独, 国際会議 - Plug-in optimization method for generalized ridge regression for MLE in GMANOVA model
永井 勇
多変量データ解析法における理論と応用, 単独, 国内会議 - 多様な関数を用いた経時変動の罰則付推定法
永井 勇
融合する統計科学, 単独, 国内会議 - 大規模なデータの分析における精度行列の縮小推定法とその特徴
永井 勇
予測モデリングとその周辺 -機械学習・統計科学・情報理論からのアプローチ-, 単独, 国内会議 - 柔軟で反復計算を減らした精度行列の縮小推定法の提案とその特徴
永井 勇
2018年度統計関連学会連合大会, 単独, 国内会議 - Sparse Group Lassoを用いたGMANOVAモデルの変数選択
永井 勇
2018年度統計関連学会連合大会, 共同, 国内会議 - Extended GMANOVAモデルにおける罰則付推定量の提案と罰則パラメータの最適化
永井 勇
統計サマーセミナー2018, 単独, 国内会議 - 反復計算を減らした精度行列の縮小推定法の提案とその特徴
永井 勇
第17回西東京統計研究会, 2018年, 単独, 国内会議, 中央大学 - 高次元データにおける精度行列の罰則付推定とその最適化
永井 勇
生命・自然科学における複雑現象解明のための統計的アプローチ, 2018年, 単独, 国内会議, 滋賀大学 - 分散共分散行列の逆行列における縮小推定法の提案
永井 勇
大規模複雑データの理論と方法論，及び，関連分野への応用, 2017年, 単独, 国内会議, 青嶋・矢田・日野, 筑波大学 - Extended GMANOVA モデルにおける罰則付推定量の提案と罰則パラメータの最適化
永井 勇
2017年度統計関連学会連合大会, 2017年, 単独, 国内会議, 統計関連学会連合, 南山大学 - 興味ある共変量に関する経時変動に対して柔軟かつ過剰適合を回避した推定法と罰則パラメータの最適化
永井 勇
統計サマーセミナー2017, 2017年, 単独, 国内会議, 統計サマーセミナー2017, 鬼怒川パークホテルズ - 共変量に関する経時変動の推定のみに対して柔軟な関数を用い，反復計算不要な罰則付推定法
永井 勇
2016年度統計関連学会連合大会, 2016年, 単独, 国内会議, 統計関連学会連合, 金沢大学 - New optimization methods for the penalized parameters in the nonparametric GMANOVA model
永井 勇
統計サマーセミナー2016, 2016年, 単独, 国内会議, 統計サマーセミナー2016, サヤン・テラス - New optimization methods for the penalized parameters in the nonparametric GMANOVA model
永井 勇
2015年度統計関連学会連合大会, 2015年, 単独, 国内会議, 統計関連学会連合, 岡山大学 - 因子分析における回転の選択
永井 勇
統計サマーセミナー2015, 2015年, 単独, 国内会議, 統計サマーセミナー2015, 海峡ビューしものせき - Selection of model selection criteria in some situation for multivariate ridge regression
永井 勇
2014年度統計関連学会連合大会, 2014年, 単独, 国内会議, 統計関連学会連合, 東京大学 - クラスター分析におけるクラスター数選択のためのAIC規準
永井 勇
統計サマーセミナー2014, 2014年, 単独, 国内会議, 統計サマーセミナー2014, 森秋旅館 - 経時測定データにおける柔軟な推定法とその最適化法
永井 勇
食べ物とOR, 2014年, 単独, 国内会議, 「食べものとOR」研究部会, 淡路 - Selection of Model Selection Criteria for Multivariate Ridge Regression
永井 勇
高次元データ解析の理論と方法論、及び、関連分野への応用, 2013年, 単独, 国内会議, 青嶋・佐藤・矢田, 筑波大学 - 因子分析における不確定性とその解決法
永井 勇
2013年度統計関連学会連合大会, 2013年, 単独, 国内会議, 統計関連学会連合, 大阪大学 - 罰則付非線形正準相関分析における罰則最適化のためのＣＶ規準
永井 勇
統計サマーセミナー2013, 2013年, 単独, 国内会議, 統計サマーセミナー2013, ホテル賀茂川荘 - 罰則付カーネル正準相関分析における罰則最適化のためのＣＶ規準
永井 勇
統計科学における深化と横断的展開, 2012年, 単独, 国内会議, 松江勤労者総合福祉センター - 正準相関分析における冗長変数選択のための情報量規準
永井 勇
2012年度統計関連学会連合大会, 2012年, 単独, 国内会議, 統計関連学会連合, 北海道大学 - Selection of Model Selection Criteria for Multivariate Ridge Regression
永井 勇
統計サマーセミナー2012, 2012年, 単独, 国内会議, 統計サマーセミナー2012, 伊豆山研修センター - 罰則付推定とノンパラメトリック回帰
永井 勇
滋賀大学経済経営研究所経済学部講演会, 2011年, 単独, 国内会議, 滋賀大学経済学経営研究所, 滋賀大学 - Estimation of Optimal Penalty in GCp Criterion for Multivariate Ridge Regression
永井 勇
2011年度統計関連学会連合大会, 2011年, 共同, 国内会議, 統計関連学会連合, 九州大学 - アンバランス型データに対するノンパラメトリック成長曲線モデルとその推定法
永井 勇
統計サマーセミナー2011, 2011年, 単独, 国内会議, 統計サマーセミナー2011, 諏訪東京理科大学 - ノンパラメトリック成長曲線モデルとその推定法
永井 勇
応用統計学会2011年度年会, 2011年, 共同, 国内会議, 応用統計学会, 大阪大学 - 多変量一般化リッジ回帰におけるリッジパラメータ最適化法の選択問題
福井 敬佑
2010年度統計関連学会連合大会, 2010年, 共同, 国内会議, 統計関連学会連合, 早稲田大学 - GMANOVAモデルにおける多変量一般化リッジ回帰のためのバイアス補正Cp規準
聖川 裕太
2010年度統計関連学会連合大会, 2010年, 共同, 国内会議, 統計関連学会連合, 早稲田大学 - ノンパラメトリック成長曲線モデルとその推定法
永井 勇
2010年度統計関連学会連合大会, 2010年, 共同, 国内会議, 統計関連学会連合, 早稲田大学 - ノンパラメトリック成長曲線モデルとその推定法
永井 勇
統計サマーセミナー2010, 2010年, 単独, 国内会議, 統計サマーセミナー2010, サンバレー富士見 - 一般化多変量分散分析モデルにおける多変量一般化リッジ推定量とリッジパラメータ選択のためのバイアス補正Cp基準
永井 勇
広島統計談話会, 2010年, 単独, 国際会議, 広島統計談話会, 日本, 広島, 放射線影響研究所 - 一般化多変量分散分析モデルにおける一般化リッジ推定量とリッジパラメータ選択のための情報量規準
永井 勇
高次元データの統計学 －理論・方法論・関連分野への応用ー, 2009年, 共同, 国内会議, 青嶋・金澤・佐藤, 筑波大学 - 多変量一般化リッジ回帰モデルにおけるリッジパラメータ最適化法の比較
永井 勇
2009年度統計関連学会連合大会, 2009年, 共同, 国内会議, 統計関連学会連合, 同志社大学 - 多変量一般化リッジ回帰モデルにおけるリッジパラメータの最適化法の比較
永井 勇
統計サマーセミナー2009, 2009年, 単独, 国内会議, 統計サマーセミナー2009, 清風荘 - 多変量一般化リッヂ回帰におけるリッヂ・パラメータ選択のためのバイアス補正ＣＬ規準
永井 勇
第39回大分統計談話会, 共同, 国内会議, 大分統計談話会, 大分 - 多変量一般化リッジ回帰モデルにおけるリッジパラメータの選択法
永井 勇
広島統計談話会, 2008年, 単独, 国際会議, 広島統計談話会, 日本, 広島、放射線影響研究所, Radiation Effects Research Foundation, A generalized ridge (GR) regression for an univariate linear model was proposed by Hoerl and Kennard (1970). In this talk, we consider GR regression for a multivariate linear model, which named a multivariate GR (MGR) regression. Many authors gave noniterative GR estimators by using optimal ridge parameters. By expanding their optimizations of ridge parameters to multiple response case, we derive noniterative MGR estimators. Especially, by assuming multivariate normality to response variables, an unbiased Mallows' Cp criterion for selecting ridge parameters in MGR regression is proposed. We compare with derived MGR estimators by conducting numerical studies. - 多変量一般化リッジ回帰モデルにおけるリッジパラメータの選択法
永井 勇
2008年度統計関連学会連合大会, 2008年, 共同, 国内会議, 統計関連学会連合, 慶應義塾大学 - 多変量一般化リッジ回帰モデルにおけるリッジパラメータの選択法
永井 勇
統計サマーセミナー2008, 2008年, 共同, 国内会議, 統計サマーセミナー2008, 足和田ホテル
その他著作物
その他研究情報
外部資金
- 独立行政法人 日本学術振興会
共同研究費, 分担, バーレンツ海域における統合的海洋生態系評価のための統計的時空間推定手法の研究, 2022 - 独立行政法人 日本学術振興会
共同研究費, 分担, バーレンツ海域における統合的海洋生態系評価のための統計的時空間推定手法の研究, 2021
その他
- 高次元3相データ分析法の開発, 複数の被検者が複数の変数に対して複数回データを提供する場合，そのデータは被験者×変数×測定時点という３相から成るボックスデータ，3相データとなる．この場合，一人の被験者の個体データは，変数分の測定データがあることになり，「高次元データ」であると言える．このような高次元データは技術の発展に伴って比較的容易に収集することが可能であり，これらの解析手法の発展はさらに重要度を増すと考えられる． 現在，高次元データの分散を説明する為に，古典的な因子分析や主成分分析を発展させ特別な構造を導入させたmultiblock component analysis (多ブロック因子分析: Roover et al., 2012), simultaneous component analysis (Stegeman, 2018)やthree-mode principal component analysis (三相主成分分析: Kiers & van Mechelen, 2001) 等が提案されている．高次元データの解析では，次元の増加に伴って推定するパラメータが増加してしまうという問題があるのに対し，前述した分析手法は，データ中に構造を持たせて推定するパラメータ数を抑えるという利点を有する．こうすることによって，例えば被験者・変数・測定時点をそれぞれ少ない数の因子を用いて説明でき, 各相の関係も表すことが可能となる． しかし，このような分析手法を実データに適用した研究は少ない．特に，説明変数が潜在変数となるような主成分分析的なアプローチではなく，年齢，性別など観測された説明変数をモデルに組み込みたい場合，３相データに対応できるものはない．よって，3相データ分析において，被験者・変数・測定時点の一部は主成分得点を説明変数として用い，の残りを観測されたデータとして説明変数に用いることを考える．これは，Potthoff & Roy で提案された一般化分散分析(GMANOVA)モデルの拡張となるので，新たにThree-Mode GMANOVAモデルと名付け，特にその推定方法と標本分布について研究を行う．
- Application and visualization of high-dimensional longitudinal data, 複数の被検者が複数の変数に対して複数回データを提供する場合, データは被験者×変数×測定時点という３相から成るボックスデータ, つまり「高次元データ」として捉えることができる. このような高次元データは技術の発展に伴って比較的容易に収集することが可能であり, これらの解析手法の発展はさらに重要度を増すと考えられる. 現在, 高次元データの分散を説明する為に, 古典的な因子分析や主成分分析を発展させ特別な構造を導入させたmultiblock component analysis (多ブロック因子分析: Roover et al., 2012), simultaneous component analysis (Stegeman, 2018)やthree-mode principal component analysis (三相主成分分析: Kiers & van Mechelen, 2001)等が提案されている.高次元データの解析では, 次元の増加に伴って推定するパラメータが増加してしまうという問題があるのに対し, 前述した分析手法は, データ中に構造を持たせて推定するパラメータ数を抑えるという利点を有する. こうすることによって, 例えば被験者, 変数, 測定時点をそれぞれ少ない数の因子を用いて説明でき, 各相の関係も表すことが可能となる. しかし, このような分析手法を実データに適用した研究は少ない. これは,モデル自体が複雑で実データに適用するのが難しい点等がその原因として考えられる. さらに, これらの統計手法はThree-mode principal component analysisを除いてはRのパッケージが存在しておらず, 解析手法を実データに適用するには高度な統計知識を必要とする点も理論と応用の間に存在する障害として考えられる. したがって, 本研究では, まず前述したボックスデータの解析手法について既存の統計手法についてのoverviewをまとめ, さらにシミュレーションで生成したデータに対して各手法を適用させ, それらのＲコードを出版することによって, 理論と実装の隔たりを解消することを目的とする.さらに, 結果の解釈が難しい点を解消する為にこれらの手法の結果の可視化の方法についても検討する. 参考文献 1) De Roover K, Ceulemans E, Timmerman ME. How to perform multiblock component analysis in practice. Behavior Research Methods. 2012 Mar;44(1):41-56. 2) Stegeman A. Simultaneous component analysis by means of Tucker3. psychometrika. 2018 Mar;83(1):21-47. 3) Kiers HA, Mechelen IV. Three-way component analysis: Principles and illustrative application. Psychological methods. 2001 Mar;6(1):84
- 2019年, 大阪府立大学非常勤講師, 大阪府立大学にて数理科学特別講義D（集中講義）を担当した．
教育活動情報
授業等
担当経験のある科目
- 教養統計学・社会における統計学・データサイエンス実践 ※教養統計学は2023年度に文部科学省 数理・データサイエンス・ＡＩ教育プログラム リテラシーレベルに認定された科目
- 統計学Ａ・Ｂ、教養テーマゼミ、基礎ゼミ（春・秋）, スライドだけでなく様々なソフトウェアを補助的に用いることで、視覚的に分かりやすいようにしている。 また、スライド上に授業中に手書きでグラフなどの特徴を追加することで、より分かりやすくなるように努めている。 さらに、毎回の授業において、学生から改善点などのコメントをもらい、改善に努めている。, ホームページおよび学内システム（MaNaBo）を通じて公開している。 参考書は適宜、提示している。, アンケート結果をうけ、様々な改善点を模索している。