【ラフバラ】大学院ブロック制で学ぶスポーツアナリティクス
1）ブロッククラス制度の概要
ラフバラ大学ロンドン校少し特殊なブロッククラス制度というのをとっています。最近海外の大学では少し増えてきているようです。
4週間＝1科目のブロック制：約3週間の授業＋約1週間のレポート作成・評価。毎月モジュールが切り替わるため、集中度は高い一方で進行も速い。
個人的にはこっちの方が集中してできるので助かるのですが、一方で一つのモジュールでも落としたら、留年確定という恐ろしさもあります。。
2）今月のモジュール
科目名： An Introduction to Sport Analytics (LLP307／スポーツアナリティクス入門)
今月の授業時間：
火〜木の13:00–16:00のみ。
月・金は休み（形式上）。
週3日午後だけの授業は会社員時代に比べたら天国…ただし自主学習は重め。
後ほど、記載しますが大量のリーディングリストを渡されてこんなのを３週間でどう読めと？と授業初日から絶望しています。
英語で読むこと生成AIを使わないことを早速諦めて、頑張ろうと思います！
3）授業の概要
全体像：競技（オンフィールド）とビジネス（オフフィールド）を一本の線でつなぐ入門。現場で「役に立つか」を常に意識します。
学ぶ流れ：データを集める→整える→読み解く→伝える→現場で使う。難しい手法より、目的に合うシンプルさを大事に。
方法の幅：基礎統計・可視化・軽い予測やセグメント、A/Bの考え方など。まずは分かりやすく・動かせることが土台です。
現場目線：コーチや担当者に届く形にまとめる練習（1枚サマリー、短い動画クリップ、次の一手の提案）。
文化づくり：いきなり大改革ではなく、小さな成功を積み上げて味方を増やす。ボトムアップでやさしく説得していきます。
倫理とAI：同意・プライバシー・バイアスに配慮しつつ、AIは正しく・誠実に。再現できる手順も意識します。
レポートへの橋渡し：組織文化の定義やAlamarの枠組みを使い、具体的なユースケース→障壁→打ち手→次の一歩までを書けるように。
4）授業形態と学習時間
講義： 7回 × 3時間 = 21時間
ガイド付き自習／独習： 約120時間 （らしい、多分非ネイティブはもっと）
これだとフルタイムの社会人とあまり変わらないですね。この中でインターンだったり、就活だったりをするのでかなり忙しくなりそうです。
5）評価（アセスメント）
形式： 個人 研究レポート（1,500語 ±10%）
提出期限： 2025-10-24（金）15:00（3pm）
課題設定： 新任のエントリーレベル職として、領域内に登場したAIドリブンの新技術の導入をsuper visorに提案・説得。
ブリーフ： ボトムアップ視点から、アナリティクス文化を築きつつ導入を進め、競争優位をどう創出するか。
含める要素：
組織文化の定義（Buchanan & Huczynski 等、Mueller氏の講義文献）。
Alamar（2013）のスポーツアナリティクス・フレームワーク。
リーダーシップ様式（変革型／取引型／委任型／参加型）をボトムアップで適用。
テーマ例：
競技： 個別化トレーニング・傷害予防、パフォーマンス分析、タレント発掘、戦術設計。
商業： コンテンツ個別化、スポーツジャーナリズム支援、放送最適化、ファンエンゲージメント。
運営： 自動審判、イベントセキュリティ／アビューズ対策、サステナビリティ。
採点（100点）：
リサーチ（40）：幅・深さ・新しさ・資料多様性
分析（50）：一貫性／統合・総合／議論の強さ（文献↔提言の結び付け）
プレゼン（10）：構成・流れ／言語／参照
上記は自分で書いてて訳わからなくなったので、自動翻訳です。
6）リーディングリスト
記事・ジャーナル
Davenport (2014) Analytics in Sports…（IIA） — 推奨（
Davenport (2014) What Businesses Can Learn from Sports Analytics
Ferguson (2013) Team GB…（MIT SMR）— 推奨
Travassos et al. (2013) Ecological Dynamics Approach（IJPA in Sport）— 推奨
Troilo et al. (2016) Adoption of Business Analytics（Omega）— 推奨
Yu & Wang (2015) World Cup 2014 Twitter Sentiment（Computers in Human Behavior）— 推奨
Jalai (2019) IoT & Cybersecurity（MIT SMR）— 推奨
書籍・章
Alamar (2013) Sports Analytics — 第1・2・7章、および「組織におけるアナリティクス」— 推奨
Buchanan (2019) Organizational Behaviour — 文化章 — 推奨
Bukstein (編) Sport Business Analytics — 進化と影響／オーランド・マジック／可視化とストーリーテリング — 推奨
Miller (2016) Sports Analytics and Data Science — 市場理解／選手評価／データ作業／付録A.4/A.5/A.7 — 推奨
Skinner (2017) Organizational Behaviour in Sport — 文化・風土／リーダーシップ — 推奨
Fried & Mumcu (2017) Sport Analytics — 第3章 — 推奨
Araújo et al. (2021) Empowering Human Intelligence — 第1–2章 — 推奨
Read & Smith (2023) Data as Capital & Ethics（Convergence）— 推奨
Babiak et al. (2022) CSR & Digital Transformation — 推奨
Wanless & Naraine (2023) Innovation Diffusion（JSM）— 推奨
Barnhill & Smith (2022) Org Behaviour & Digital Transformation — 推奨
Web
Giorgio 他 Internet of Things (IoT) in Sports — 推奨
講義別抜粋
L1: Alamar (2013); Miller (2016)
L2: Barnhill & Smith (2022); Buchanan & Huczynski (2019); Skinner & Stewart (2017)
L4: Davenport (2014a)「10年で4つの時代」
L5: Araújo et al. (2021); Read & Smith (2023); Babiak et al. (2022); Wanless & Naraine (2023); Jalai (2019)
L6: Fried & Mumcu (2017); Travassos et al. (2013)
L7: Hayduk (2022); Harrison & Bukstein (2017); Troilo et al. (2016)
8）学修成果（要約）
基本概念・技術・応用を説明・評価できる。
多様なスポーツ課題に柔軟に適用して解決策を導出できる。
取得→処理→分析→可視化→実装を俯瞰し説明できる。
複雑さ・精度 vs 迅速性のバランスを説明できる。
技術・非技術の内容を相手に合わせて伝達できる。
１ヶ月後どうなっているか、、とても心配ですが頑張ってみます。
