Datos Identificativos 2024/25
Asignatura (*) Big Data para as Ciencias Sociais Código 615545008
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Obrigatoria 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Socioloxía e Ciencias da Comunicación
Coordinación
León Medina, Francisco J.
 Correo electrónico
f.leon@udc.es
Profesorado
León Medina, Francisco J.
 Correo electrónico
f.leon@udc.es
Web
Descrición xeral As tecnoloxías dixitais revolucionaron a nosa forma de vivir e a forma en que recollemos e analizamos datos sobre o comportamento social. Por unha banda, a crecente capacidade computacional permitiu desenvolver e probar modelos de procesos sociais ata agora matematicamente imposibles. Por outra banda, o acceso aos rexistros da pegada dixital que deixa o noso comportamento online supuxo a posibilidade de traballar con bases de datos masivas, comportamentais, non reactivas, relacionais e dinámicas. Ambas posibilidades converxeron na chamada ciencia social computacional, que á súa vez enlaza cunha longa tradición empírica, analítica, computacional e xenerativista que foi a columna vertebral desa ciencia social máis orientada á explicación científica e rigorosa dos fenómenos sociais.
Neste curso, o alumnado introducirase nos principais debates epistemolóxicos, teóricos e éticos da ciencia social computacional e, especialmente, os que se producen arredor do uso do Big Data para a investigación social. Ademais, ofrecerá as ferramentas e os coñecementos básicos para deseñar e executar unha investigación baseada en datos masivos: introducirase o alumno nas técnicas e procedementos destinados a obter ou producir, xestionar e analizar bases de datos masivas, así como as máis innovadoras para a presentación e visualización de resultados.

Competencias / Resultados do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
O alumnado poderá utilizar as ferramentas máis avanzadas para a visualización de datos e para a presentación dos resultados da investigación. AM7
AM14
AM24
O alumnado será capaz de avaliar criticamente a calidade do coñecemento científico producido mediante a análise de datos masivos e reflexionar sobre a súa importancia e impacto socioeconómico. AM19
AM20
O alumnado será capaz de obter, xestionar e analizar bases de datos masivas utilizando as ferramentas informáticas e linguaxes de programación necesarios, especialmente a linguaxe R avanzada, así como as técnicas estatísticas adecuadas para a súa análise. AM8
AM24
AM28
Os estudantes serán capaces de deseñar e executar un proxecto de investigación baseado no uso do Big Data con fins científicos, facendo achegas orixinais e sendo capaz de resolver problemas teóricos e prácticos utilizando estratexias innovadoras. AM1
AM6
AM7
AM8
AM11
AM15
AM16
AM17
AM20
AM22
AM24
AM27
AM28

Contidos
Temas Subtemas
TEMA 1: Fundamentos da ciencia social computacional
 Discusións teóricas, metodolóxicas e éticas arredor do Big Data
TEMA 2: Obtención, xestión e almacenamento de datos masivos Tipos e arquitecturas de big data. Obtención de datos masivos: web, APIs, etc.
TEMA 3: Tratamento e análise de datos masivos Análise de sentimentos, análise de redes sociais, aprendizaxe automática, etc.
TEMA 4: Ferramentas avanzadas de visualización masiva de datos R (ggplot2), Gephi, etc.

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Portafolios do alumno A6 A7 A11 A14 A15 A16 A17 A19 A20 A22 A24 A27 A28 0 53 53
Obradoiro A1 A6 A7 A8 A11 A14 A15 A16 A17 A19 A20 A22 A24 A27 A28 21 21 42
Presentación oral A7 A14 8 24 32
Sesión maxistral A1 A6 A8 A11 A16 A17 A19 A20 21 0 21
 
Atención personalizada 2 0 2
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Portafolios do alumno Os diferentes exercicios que se desenvolverán nas sesións de “Obradoiro”, así como os exercicios que se propoñan realizar de forma autónoma, incorporaranse a unha “carpeta do alumno” que se entregará ao remate do curso e estará suxeita a avaliación..
Obradoiro Ao longo do curso realizaranse diferentes sesións prácticas nas que se realizarán exercicios nos que o alumnado aprenderá os procedementos básicos para obter, estruturar, almacenar, analizar e visualizar datos masivos.
Presentación oral Ao remate do curso, dedicarase unha sesión á exposición dalgúns dos exercicios que forman parte do portfolio do alumno, especialmente aqueles dirixidos á visualización e presentación de resultados.
Sesión maxistral Haberá clases maxistrais nas que o peso da actividade recae principalmente no profesor. Este método pedagóxico compleméntase coa introdución doutras actividades e métodos que permitan un papel máis activo ao alumnado.
Dado o contido eminentemente orientado á práctica investigadora desta materia, as sesións maxistrais terán frecuentemente un contido técnico, orientado á aprendizaxe dos procedementos de investigación baseados no Big Data máis habituais. Esta orientación técnica complementarase cunha reflexión sobre os fundamentos epistemolóxicos, éticos e teóricos deste tipo de investigacións.

Atención personalizada
Metodoloxías
Obradoiro
Presentación oral
Portafolios do alumno
Sesión maxistral
Descrición
A atención personalizada desta materia desenvolverase de forma presencial e non presencial. Para a comprensión das lecturas e a correcta elaboración dos exercicios prácticos, o alumnado contará coa presenza do profesor na aula durante as sesións de clase e, ademais, poderá programar as titorías presenciais que consideren necesario no momento que se lle comunicará ao alumno.inicio do curso. O profesor tamén estará dispoñible a distancia, preferentemente a través do correo electrónico (e tamén a través do Campus Virtual).

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Presentación oral A7 A14 Ao remate do curso, dedicarase unha sesión á exposición dalgúns dos exercicios que forman parte do portfolio do alumno, especialmente aqueles dirixidos á visualización e presentación de resultados. 10
Portafolios do alumno A6 A7 A11 A14 A15 A16 A17 A19 A20 A22 A24 A27 A28 Ao longo do curso realizaranse diferentes sesións prácticas nas que se realizarán exercicios nos que o alumnado aprenderá os procedementos básicos para obter, estruturar, almacenar, analizar e visualizar datos masivos. Os diferentes exercicios que se desenvolverán nestas sesións, así como os que se propoñan para realizar de forma autónoma, incorporaranse a unha “carpeta do alumno” que se entregará ao final do curso e será obxecto de avaliación. 90
 
Observacións avaliación

Todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC .

Fontes de información
Bibliografía básica Marr, B. (2016). Big data in practice: how 45 successful companies used big data analytics to deliver extraordinary results. John Wiley & Sons
Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt
Salganik, M. J. (2019). Bit by bit: Social research in the digital age. Princeton University Press
Flache, A., Mäs, M., & Keijzer, M. A. (2022). Computational approaches in rigorous sociology: agent-based computational modeling and computational social science. In Handbook of Sociological Science (pp. 57-72).. Edward Elgar Publishing
Lazer D, et al. (2009). Computational social science. Science, 323(5915):721–723..
Spaiser, V. (2021). Digital data and methods. In Research Handbook on Analytical Sociology (pp. 352-363).. Edward Elgar Publishing
Ruths, D., & Pfeffer, J. (2014). Social media for large studies of behavior. Science, 346(6213), 1063-1064.

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Análise Estatística Descritiva e Inferencial/615545001
Fundamentos da Análise Social en R/615545003
Análise Estatística Avanzada/615545007

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías