Study programme competencies |
Code
|
Study programme competences
|
A11 |
Ser capaz de planificar e desenvolver unha investigación seguindo os pasos do método científico, utilizando os diferentes métodos de acordo co problema a resolver e aplicando as técnicas de recollida e análise de datos mediante a utilización dos recursos informáticos como ferramentas para a análise de datos. |
A12 |
Deseñar e realizar investigacións educativas tanto con metodoloxías cuantitativas como cualitativas para identificar problemas e necesidades. |
B4 |
Traballar de forma colaborativa. |
B8 |
Ser capaz de comunicarse cos seus compañeiros, coa comunidade educativa e coa sociedade en xeral no ámbito das súas áreas de coñecemento. |
C2 |
Dominar a expresión e a comprensión de forma oral e escrita dun idioma estranxeiro. |
Learning aims |
Learning outcomes |
Study programme competences |
|
AR10
|
|
|
|
AR11
|
|
|
|
|
BR4
|
|
|
|
BR8
|
|
|
|
|
CC2
|
Contents |
Topic |
Sub-topic |
1. El análisis de datos en la investigación. |
1.1. El proceso de la investigación científica.
1.2. Qué es y para qué sirve el análisis de datos.
1.3. Escalas de medida. |
2. Descripción y análisis exploratorio de datos. |
2.1. Conceptos básicos.
2.2. Organización y representación gráfica de los datos.
2.3. Estudio analítico de datos univariados: medidas de tendencia central, variabilidad, asimetría y curtosis.
2.4. Introducción al análisis exploratorio de los datos.
2.5. Medidas de asociación.
|
3. La inferencia estadística y análisis de datos cuantitativos. |
3.1. Conceptos básicos.
3.2. Técnicas de muestreo.
3.3. Estimación de parámetros.
3.4. Contraste de hipótesis.
3.5. Análisis de varianza.
3.6. Comparaciones múltiples entre medias. |
4. Contrastes no paramétricos. |
4.1. Conceptos básicos.
4.2. Contrastes no paramétricos: una muestra.
4.3. Contrastes no paramétricos: dos muestras.
4.4. Contrastes no paramétricos: varias muestras. |
5. Análisis de datos cualitativos. |
5.1. Contraste de hipótesis sobre proporciones.
5.2. La prueba chi cuadrado de Pearson. |
6. Introducción al análisis multivariante. |
6.1. Regresiçon lineal múltiple.
6.2. Análisis factorial.
6.3. Análisis discriminante.
6.4. Análisis de correspondencias. |
Planning |
Methodologies / tests |
Competencies |
Ordinary class hours |
Student’s personal work hours |
Total hours |
Introductory activities |
|
3 |
0 |
3 |
Events academic / information |
|
10 |
9 |
19 |
Workbook |
|
2 |
10 |
12 |
Guest lecture / keynote speech |
|
21 |
6 |
27 |
Problem solving |
|
4 |
16 |
20 |
Supervised projects |
|
7 |
42 |
49 |
ICT practicals |
|
6 |
12 |
18 |
|
Personalized attention |
|
2 |
0 |
2 |
|
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
Methodologies |
Methodologies |
Description |
Introductory activities |
Se realizará una evaluación inicial sobre los conocimientos que los estudiantes poseen acerca de la investigación en educación, tanto del proceso que se debe seguir como de la estadística descriptiva e inferencial y del uso de la herramienta informática. |
Events academic / information |
Los estudiantes deberán asistir o participar en diferentes eventos tales como simposios, seminarios o jornadas organizadas en la Facultad que les permitan profundizar en el conocimiento de los temas de estudio relacionados con la investigación educativa. |
Workbook |
Se recomendarán o facilitarán una serie de textos para poder profundizar en los contenidos trabajados en clase. |
Guest lecture / keynote speech |
Los profesores expondrán cada uno de los temas programados en la materia para facilitar la comprensión de los mismos. |
Problem solving |
De forma individual, se tendrán que resolver diferentes situaciones problemáticas a partir de los conocimientos que se trabajaron en clase. Se evaluarán los conocimientos adquiridos por los estudiantes en dos vertientes: - Teórica: claridad de los conceptos básicos, relación entre los mismos y fundamentación teórica de las técnicas estadísticas. - Práctica: se considerarán aspectos como: * Adecuación entre la situación de investigación planteada y la respuesta de un análisis ofrecida en términos estadístico-experimentales. * Coherencia con el análisis planteado. |
Supervised projects |
Se llevará a cabo, por parejas, un trabajo tutelado de modo que, con las orientaciones de los profesores, los estudiantes pongan en práctica lo aprendido en la materia. Los estudiantes deberán realizar un proyecto/informe de investigación con datos extraidos de la implementación de un instrumento para el análisis e interpretación de los datos.
|
ICT practicals |
Puesto que, principalmente, se trabajará con un programa estadístico informático, se realizarán prácticas con el ordenador. Además, se utilizarán diferentes vías informáticas para buscar fuentes útiles para el aprendizaje de la materia. |
Personalized attention |
Methodologies
|
Problem solving |
Supervised projects |
ICT practicals |
|
Description |
Los estudiantes deberán presentarse a las tutorías para que los profesores puedan valorar el avance en los conocimientos adquiridos en diferentes aspectos de la materia. Se les orientará en la selección de las lecturas para aclarar y profundizar en determinadas cuestiones, en la solución de diferentes problemas que se les pueda plantear y en el desarrollo del trabajo tutelado. |
|
Assessment |
Methodologies
|
Competencies |
Description
|
Qualification
|
Events academic / information |
|
Se pedirá a los estudiantes un resumen que incluya diferentes reflexiones acerca de lo que se ha trabajado en las sesiones a las que han asistido. |
5 |
Guest lecture / keynote speech |
|
Al utilizar una metodología activa para que el estudiante se implique, se contará la asistencia del estudiante y su participación en clase. |
5 |
Problem solving |
|
Se evaluarán los conocimientos adquiridos por los estudiantes en cuanto a la correcta selección, cálculo e interpretación de las diferentes técnicas estadísticas y a la utilización de las tecnologías informáticas aplicadas al análisis de datos. |
20 |
Supervised projects |
|
Los estudiantes deberán presentar un proyecto/informe de investigación con datos extraidos de la implementación de un instrumento para el análisis e interpretación de los datos.
Se evaluarán los conocimientos adquiridos por los estudiantes en dos vertientes: - Teórica: claridad de los conceptos básicos, relación entre los mismos y fundamentación teórica de las técnicas estadísticas. - Práctica: se considerarán aspectos como: * Adecuación entre la situación de investigación planteada y la respuesta de un análisis ofrecida en términos estadístico-experimentales. * Coherencia con el análisis planteado |
70 |
|
Assessment comments |
Las calificaciones o pesos de las metodologías son estimativos.
|
Sources of information |
Basic
|
|
GIL PASCUAL, J. A. (2000). Estadística e Informática (SPSS) en la investigación descriptiva e inferencial. Madrid: UNED.
PALMER, A. (1999). Análisis de datos. Etapa exploratoria. Madrid: Pirámide.
PEÑA, D. (2001). Fundamentos de Estadística. Madrid: Alianza.
PÉREZ LÓPEZ, C. (2005). Técnicas estadísticas con SPSS 12. Aplicaciones al análisis de datos. Madrid: Pearson.
RODRÍGUEZ OSUNA, J. (1993). Métodos de muestreo. Casos prácticos (Cuadernos Metodológicos nº 6). Madrid: CIS. |
|
Complementary
|
|
Botella, J., León, O. y San Martín, R. (1993). Análisis de datos en psicología I. Madrid: Pirámide.
Pardo, A. y San Martín, R. (1999). Análisis de datos en Psicología II. Madrid: Pirámide.
Lévy Mangin, J. P. y Varela Mallou, J. (2003). Análisis multivariable para las Ciencias Sociales. Madrid: Pearson Educación. |
Recommendations |
Subjects that it is recommended to have taken before |
|
Subjects that are recommended to be taken simultaneously |
|
Subjects that continue the syllabus |
|
|