この授業は過去の授業です。2020年度に同名・同教授の開講はないようです。

コミュニティ福祉学部 / スポーツウェルネス学科

スポーツウエルネスワークショップ

年度・学期コマ教室
2017 / 通年水・1
N346
講師キャンパス備考
濁川 孝志
松尾 哲矢
新座特になし
まだレビューがありません😭
  • 科目コード/科目名

    自動登録/スポーツウエルネスワークショップ(Workshop in Sports Wellness)

  • テーマ/サブタイトル等

  • 担当者

    専任教員

  • 備考

    スポーツウエルネス学科必修科目2011年度以前入学者対象

  • 学期

    通年(Full year)

  • 単位

    4単位(4 Credits)

  • 科目ナンバリング

  • 使用言語

  • テキスト用コード

  • 成績評価方法・基準

    種類割合内容
    平常点(In-class Points)100%授業への参加度(60%) 、8回の小レポート(40%)

    全てのプログラムとも各教員が課すレポートの提出を単位修得の要件とする

  • 授業の目標

    少人数のゼミナール形式において,教員の講義だけでなく,学生による主体的な調査,討論,実習,プレゼンテーション等の実践的な学習を行う。

  • 授業の内容

    この科目には以下の8つのクラスが用意されており,学生は自動登録により1つのクラスに約30名ずつ振り分けられ,3週ごとに各教員をローテーションすることにより,複数のスポーツウエルネス学領域を学ぶ。その中で本質を見抜く考え方,調査研究の企画・遂行・まとめ・報告といった研究の流れについて主体的な学習を進める。場合によっては,履修に影響のない範囲で時間を決め,教室以外のフィールドでの実践的な学習も行う。
    1:身体機能を測定する~スポーツ生理学演習~(石渡)
    2:コンディショニングを考える(今西)
    3:ジェンダーの視点から体育・スポーツを考える(佐野)
    4:アウトドア・アクティビティとウエルネス(濁川)
    5:これからの日本のスポーツプロモーションを考える(松尾)
    6:スポーツ食品のマーケティング(杉浦)
    7:スポーツマネジメントを考える(ライトナー)
    8:自分の考えを効果的に伝える(大石)

  • 授業計画

    1.  ガイダンス・ワークショップで学ぶ事
    2.  スポーツウエルネス学領域の研究手法1-1
    3.  スポーツウエルネス学領域の研究手法1-2
    4.  スポーツウエルネス学領域の研究手法1-3
    5.  スポーツウエルネス学領域の研究手法2-1
    6.  スポーツウエルネス学領域の研究手法2-2
    7.  スポーツウエルネス学領域の研究手法2-3
    8.  スポーツウエルネス学領域の研究手法3-1
    9.  スポーツウエルネス学領域の研究手法3-2
    10.  スポーツウエルネス学領域の研究手法3-3
    11.  スポーツウエルネス学領域の研究手法4-1
    12.  スポーツウエルネス学領域の研究手法4-2
    13.  スポーツウエルネス学領域の研究手法4-3
    14.  スポーツウエルネス学領域におけるウォームアップとクールダウンの実際
    15.  スポーツウエルネス学領域の研究手法5-1
    16.  スポーツウエルネス学領域の研究手法5-2
    17.  スポーツウエルネス学領域の研究手法5-3
    18.  スポーツウエルネス学領域の研究手法6-1
    19.  スポーツウエルネス学領域の研究手法6-2
    20.  スポーツウエルネス学領域の研究手法6-3
    21.  スポーツウエルネス学領域の研究手法7-1
    22.  スポーツウエルネス学領域の研究手法7-2
    23.  スポーツウエルネス学領域の研究手法7-3
    24.  スポーツウエルネス学領域の研究手法8-1
    25.  スポーツウエルネス学領域の研究手法8-2
    26.  スポーツウエルネス学領域の研究手法8-3
    27.  車椅子スポーツ実習1
    28.  車椅子スポーツ実習2
  • テキスト

    各プログラムで必要に応じて指示する。

  • 参考文献

    各プログラムで必要に応じて指示する。

  • 授業時間外(予習・復習等)の学習

    全てのクラスとも授業開始第1週は履修登録状況画面に示す教室でクラスごとに集合する。準備課題に関しては、その都度提示する。

  • その他(HP等)

  • 注意事項

情報は最新ではない可能性があります。正確な情報はCampusmateを確認してください。
Campusmateへ

機械学習によるオススメ授業