| Study programme competencies |
|
Code
|
Study programme competences
|
| A1 |
Dominar nun nivel de postgrado os coñecementos, as ferramentas e os procedementos da investigación social e de mercados aplicándoos á solución de problemas e necesidades |
| A3 |
Ser quen de deseñar un proceso de investigación de carácter empírico demostrando dominio no uso de técnicas de investigación cuantitativas e/ou cualitativas |
| A4 |
Ser quen de discriminar a técnica de investigación axeitada ao problema plantexado |
| A5 |
Ter capacidade para identificar, nun nivel de postgrado, a relevancia dos distintos factores relacionados cos contornos sociais, os mercados e os consumidores que deben ser tidos en conta na investigación |
| A8 |
Ter capacidade para traballar críticamente con fontes de datos, metodoloxías e técnicas de investigación científica e ferramentas informáticas proprias da investigación social e de mercados |
| A10 |
Ser quen de redactar, presentar e defender documentos e informes de investigación social e de mercados |
| B1 |
Posuer e comprender coñecementos que aporten unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a cotío nun contexto de investigación |
| B2 |
Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornos novos ou pouco coñecidos dentro de contextos máis amplos (o multidisciplinares) relacionados coa súa área de estudo |
| B4 |
Que os estudiantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigüedades |
| B5 |
Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que haberá de ser en gran medida autodirixido ou autónomo |
| B6 |
Ser quen de buscar, xestionar, analizar e sintetizar a información, seleccionando aquela que resulta pertinente para a toma de decisións |
| B8 |
Ser quen de integrar as NTICs (Novas Tecnoloxías da Información e as Comunicacións) na tarefa profesional e/ou investigadora |
| B9 |
Ter capacidade de analizar críticamente tanto o traballo proprio como o dos compañeiros |
| B10 |
Ser quen de traballar en equipo eficaz e eficientemente |
| B11 |
Ser quen de asumir responsabilidades tanto individuais como colectivas na tarefa investigadora ou profesional |
| C1 |
Expresarse correctamente, tanto de forma oral como escrita, nas linguas oficiais da Comunidade Autónoma de Galicia |
| C3 |
Utilizar as ferramentas básicas das TIC necesarias para o exercicio da súa profesión e para o aprendizaxe ao longo da vida |
| C6 |
Valorar críticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse |
| C8 |
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade |
| Learning aims |
| Learning outcomes |
Study programme competences |
| - Profundizar na análise dos datos derivados da realización dunha investigación de mercados, a través da aprendizaxe dalgunhas das técnicas máis avanzadas como a minería de datos, a análise lonxitudinal e as ecuacións estructurais.
|
AC1
AC3
AC4
AC5
AC8
AC10
|
BC1
BC4
BC9
BC10
|
CC1
CC6
CC8
|
| - Elexir técnicas cuantitativas de investigación social adaptadas ós obxectivos o hipóteses da investigación social.
|
AC1
AC3
AC4
AC8
|
BC1
BC2
BC11
|
CC6
|
| - Desenrolar coñecimentos de informática relativos á análise estatística de datos. |
AC1
|
BC8
|
CC3
CC8
|
| - Seguir practicando a aprendizaxe autónoma de técnicas estatísticas multivariantes. |
|
BC5
BC6
BC11
|
|
| Contents |
| Topic |
Sub-topic |
| 1. Minería de datos |
1.1. Introducción á minería de datos
1.2. Métodos exploratorios
1.3. Métodos de clasificación supervisada
1.4. Métodos avanzados de regresión |
| 2. Ecuaciones estruturais |
2.1. Introdución
2.2. Tipos de variables e relación entre elas
2.3. Modelo de medida e modelo estrutural
2.4. Path análise: os diagramas estruturais
2.5. Modelización con Ecuacións Estruturais: especificación, identificación, estimación, avaliación e interpretación
2.6. O axuste do modelo
|
| 3. Análise lonxitudinal |
3.1. Introducción
3.2. Características básicas da metodoloxía de enquisa lonxitudinal
3.3. Principais técnicas de análise lonxitudinal
3.4. Aplicación práctica |
| Planning |
| Methodologies / tests |
Competencies |
Ordinary class hours |
Student’s personal work hours |
Total hours |
| Workshop |
A1 A3 A4 A5 A8 A10 B1 B2 B4 B5 B6 B8 B9 B10 B11 C1 C3 C6 C8 |
63 |
148 |
211 |
| Mixed objective/subjective test |
A1 A4 A8 B2 B4 B6 B8 C3 |
6 |
8 |
14 |
| |
| Personalized attention |
|
0 |
|
0 |
| |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
| Methodologies |
|
Methodologies |
Description |
| Workshop |
Explicación dos conceptos básicos de cada metodoloxía e realización de casos prácticos |
| Mixed objective/subjective test |
Proba de evaluación teórico-práctica |
| Personalized attention |
|
|
| Description |
| Atención individual a cada alumno para resolver dudas co manexo dos programas informáticos. Ademáis, o profesorado da materia ten seis horas á semana adicadas a horarios de titorías, nas que os alumnos poden consultar dudas de xeito individual. |
|
| Assessment |
|
Methodologies
|
Competencies |
Description
|
Qualification
|
| Workshop |
A1 A3 A4 A5 A8 A10 B1 B2 B4 B5 B6 B8 B9 B10 B11 C1 C3 C6 C8 |
Valorarase a participación en clase |
10 |
| Mixed objective/subjective test |
A1 A4 A8 B2 B4 B6 B8 C3 |
Farase unha proba teórico-practica, para cada un dos métodos estudados (minería de datos, ecuacións estructurais e análise lonxitudinal). |
90 |
| |
|
Assessment comments |
A materia será
impartida en tres bloques que serán avaliados individual e
independientemente: Minería de datos (profesores Julián Costa e Rubén
Fernández), Ecuaciones estructurais (profesora Isabel Novo) e Análise
longitudinal (profesor Pablo Castellanos). Durante a
realización da parte práctica de proba mixta, os alumnos poderán consultar
libros e apuntes persoais, se o estiman convinte. A nota final da materia
será a media aritmética das calificacións obtidas en cada un dos tres
bloques sinalados anteriormente - Para a segunda oportunidade, os criterios e actividades de avaliación
serán os mesmos ca na primeira oportunidade. Para os alumnos que conten con recoñecimento de adicación a tempo
parcial e dispensa académica de exención de asistencia, a única actividade de avaliación será a proba
mixta, que por tanto representará o 100% da nota da materia.
|
| Sources of information |
|
Basic
|
|
|
A) Minería de datos - James, G., Witten, D., Hastie, T. y Tibshirani, R. (2013): An introduction to statistical learning: with aplications in R. Ed. Springer.
- Williams, G. (2011): Data mining with Rattle and R. Ed. Springer. B) Ecuacións estructurais - Batista Foguet, J.M. y Coenders Gallart, G. (2012): Modelos de ecuaciones estructurales. Madrid: La Muralla. - Byrne, B.M. (2010): Structural equation modeling with AMOS. Londres: Routledge. - Cea D'Ancona, Á. (2004): Análisis multivariable. Madrid: Síntesis (2ª edición). C) Análixe lonxitudinal - Argelagués, M. et al. (2013): La metodología de una encuesta longitudinal: El caso del Panel de Desigualdades Sociales en Cataluña. Comunicación presentada en el XI Congreso Español de Sociologia. Madrid, 10-12 de julio de 2013. Descargable en: http://www.fes-web.org/la-metodologa-de-una-encuesta-longitudinal-el-caso-del-panel-de desigualdaes-sociales-en-catalua/congress-papers/1642/ - Lynn, P. (2005): Metodología de las encuestas longitudinales. Seminario Internacional de Estadística en Euskadi, 28-30 de noviembre de 2005. Vitoria-Gasteiz: Eustat. Descargable en: http://www.eustat.eus/prodserv/datos/sem45_e.pdf |
|
Complementary
|
|
|
A) Minería de datos - Peró, M., Leiva, D., Guàrdia, J. y Solanas, A. (2012): Estadística aplicada a las Ciencias Sociales mediante R y R-Commander. Ed. Springer. B) Análise lonxitudinal - Diggle,
P. J. et al. (2003); Analysis of longitudinal data. Nueva York:
Oxford University Press. - Taris, T. W. (2000): A primer in longitudinal data analysis. Londres:
SAGE. - Verbeke,
G. y Molenberghs, G. (2000): Linear mixed models for longitudinal data. Nueva
York: Springer. |
| Recommendations |
| Subjects that it is recommended to have taken before |
|
| Subjects that are recommended to be taken simultaneously |
|
| Subjects that continue the syllabus |
|
|