Competencias do título |
Código
|
Competencias / Resultados do título
|
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 |
A2 |
Aplicar os procesos e protocolos de captación de información necesarios para observar e analizar de forma correcta e propria dun nivel avanzado o comportamento dos usuarios ou consumidores |
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 |
A6 |
Análisis crítico das sociedades de consumo actuais que permita coñecer a estructuración e o significado social do consumo |
A7 |
Ser quen de xustificar unha axeitada segmentación e selección do público obxectivo |
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 |
A9 |
Ter capacidade para integrar e aplicar as novas tendencias en investigación social e de mercados de xeito rentable e efectivo na empresa, as administracións ou outras organizacións |
A10 |
Ser quen de redactar, presentar e defender documentos e informes de investigación social e de mercados |
A11 |
Coñecer, nun nivel avanzado, os mercados e os consumidores, apreciando a diversidade dos seus enfoques |
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 |
B3 |
Que os estudantes sexan quen de integrar coñecementos e enfrontarse á complexidade de formular xuizos a partires de unha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vencelladas á aplicación dos seus coñecementos e xuizos |
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 |
B7 |
Ter capacidade creativa, proactiva e emprendedora |
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 |
C4 |
Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común |
C5 |
Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras |
C6 |
Valorar críticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse |
C7 |
Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida |
C8 |
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
- 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.
|
AM1 AM2 AM3 AM4 AM5 AM6 AM7 AM8 AM9 AM10 AM11
|
BM1 BM4 BM9 BM10
|
CM1 CM4 CM6 CM7 CM8
|
- Elexir técnicas cuantitativas de investigación social adaptadas ós obxectivos o hipóteses da investigación social.
|
AM1 AM3 AM4 AM8
|
BM1 BM2 BM3 BM11
|
CM6
|
- Desenrolar coñecimentos de informática relativos á análise estatística de datos. |
AM1
|
BM8
|
CM3 CM8
|
- Seguir practicando a aprendizaxe autónoma de técnicas estatísticas multivariantes. |
|
BM5 BM6 BM7 BM11
|
CM5
|
Contidos |
Temas |
Subtemas |
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 |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Obradoiro |
A6 A5 A4 A3 A2 A1 A11 A10 A9 A8 A7 B9 B8 B7 B6 B5 B4 B3 B2 B1 B11 B10 C1 C3 C4 C5 C6 C7 C8 |
63 |
148 |
211 |
Proba mixta |
A1 A4 A5 A8 B2 B4 B6 B8 C3 |
6 |
8 |
14 |
|
Atención personalizada |
|
0 |
|
0 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Obradoiro |
Explicación dos conceptos básicos de cada metodoloxía e realización de casos prácticos |
Proba mixta |
Proba de evaluación teórico-práctica |
Atención personalizada |
|
Descrición |
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. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Obradoiro |
A6 A5 A4 A3 A2 A1 A11 A10 A9 A8 A7 B9 B8 B7 B6 B5 B4 B3 B2 B1 B11 B10 C1 C3 C4 C5 C6 C7 C8 |
Valorarase a participación en clase |
10 |
Proba mixta |
A1 A4 A5 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 |
|
Observacións avaliación |
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. Se un alumno se presenta a avaliación en ao menos un dos tres bloques, nunca poderá ser calificado nas actas oficiais da asignatura como non presentado; en caso de non realizar as respectivas probas de avaliación en outro(s) bloque(s) a nota do(s) devandito(s) bloque(s) será 0 puntos, aos efectos de calcular a media sinalada.
- 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.
|
Fontes de información |
Bibliografía básica
|
|
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). - Lévy-Mangin, J.P. y Mallou, J. V. (2006): Modelización con estructuras de covarianzas en ciencias sociales: temas esenciales, avanzados y aportaciones especiales. Santa Cristina (Oleiros, A Coruña): Netbiblo. 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 |
Bibliografía complementaria
|
|
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. |
Recomendacións |
Materias que se recomenda ter cursado previamente |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
|