| Competencias del título |
|
Código
|
Competencias del título
|
| A1 |
C1. Conocer al detalle los principales avances teóricos y prácticos en materia y técnicas de investigación cualitativa y cuantitativa y su aplicación - crítica, reflexiva y contextual - para comprender, definir y explicar fenómenos de alta complejidad e incertidumbre asociados a los retos sociales, económicos y políticos actuales. |
| A6 |
C6. Manejar los fundamentos teóricos y científicos necesarios para llevar a cabo una investigación social de tipo cuantitativo y cualitativo empleando herramientas tecnológicas avanzadas (R). |
| A7 |
C7. Reconocer las distintas opciones de presentación y visualización de resultados de investigación y su fundamentación metodológica para transmitir de forma clara los resultados de la investigación a los distintos públicos. |
| A8 |
C8. Conocer los modos y potencialidades de uso de datos masivos y de minería de datos en el contexto de las ciencias sociales. |
| A11 |
H1. Evaluar y seleccionar el paradigma metodológico adecuado (cuantitativa, cualitativa, mixta, prospectiva, participativa) para formular juicios a partir de información incompleta o limitada sobre fenómenos asociados a los retos sociales, económicos y políticos. |
| A14 |
H4 Transmitir los resultados de una investigación básica y aplicada, así como los fundamentos más relevantes sobre los que se sustentan, de modo claro y sin ambigüedades atendiendo a la diversidad de contextos, públicos y necesidades, usando distintas opciones de presentación y visualización. |
| A15 |
H5 Llevar a cabo una investigación de tipo cualitativo y cuantitativo en R. |
| A16 |
H6 Desarrollar capacidad para planificar la investigación, eligiendo correctamente las fases y los procedimientos que garanticen la máxima rigurosidad y que sean adecuados a distintos contextos dentro del ámbito público o privado. |
| A17 |
H7 Adquirir la capacidad de continuar profundizando en los métodos de investigación y análisis de un modo que habrá de ser en gran medida auto-dirigido y autónomo. |
| A19 |
H9 Desarrollar una capacidad avanzada para evaluar la calidad y los resultados de los procesos de investigación. |
| A20 |
CP1 Contrastar la importancia de la diversidad metodológica existente para el análisis de la realidad social, política y económica, abordando distintos problemas complejos de las sociedades actuales a través de soluciones creativas y novedosas |
| A22 |
CP3. Elaborar e implementar proyectos de investigación en entornos nuevos o poco conocidos. |
| A24 |
CP5. Ser capaz de trabajar con fuentes de datos, metodologías y técnicas de investigación científica y herramientas informáticas avanzadas propias de las ciencias sociales. |
| A27 |
CP8. Diseñar y ejecutar un proyecto de investigación basado en el uso de Big Data con propósitos científicos, realizando aportaciones originales al campo de estudio. |
| A28 |
CP9. Obtener, gestionar y analizar bases de datos masivos empleando las herramientas informáticas y lenguajes de programación necesarios para ello, especialmente el lenguaje avanzado R. |
| Resultados de aprendizaje |
| Resultados de aprendizaje |
Competencias del título |
| El alumnado será capaz de diseñar y ejecutar un proyecto de investigación basado en el uso de Big Data con propósitos científicos, realizando aportaciones originales y siendo capaz de resolver problemas teóricos y prácticos empleando estrategias innovadoras. |
AM1
AM6
AM7
AM8
AM11
AM15
AM16
AM17
AM20
AM22
AM24
AM27
AM28
|
|
|
| El alumnado será capaz de obtener, gestionar y analizar bases de datos masivos empleando las herramientas informáticas y lenguajes de programación necesarios para ello, especialmente el lenguaje avanzado R, así como las técnicas estadísticas apropiadas para su análisis. |
AM8
AM24
AM28
|
|
|
| El alumnado será capaz de evaluar de forma crítica la calidad del conocimiento científico producido a través del análisis de datos masivos y de reflexionar sobre su importancia e impacto socioeconómico. |
AM19
AM20
|
|
|
| El alumnado será capaz de emplear las herramientas más avanzadas para la visualización de datos y para la presentación de los resultados de investigación. |
AM7
AM14
AM24
|
|
|
| Contenidos |
| Tema |
Subtema |
| TEMA 1 : Fundamentos de la ciencia social computacional |
Discusiones teóricas, metodológicas y éticas alrededor del Big Data |
| TEMA 2: Obtención, gestión y almacenamiento de datos masivos. |
Tipos y arquitecturas de datos masivos. Obtención de datos masivos: web scrapping, APIs, etc. |
| TEMA 3: Procesamiento y análisis de datos masivos |
Análisis de sentimiento, análisis de los social media, social network analysis, machine learning, etc. |
| TEMA 4: Herramientas avanzadas de visualización de datos masivos |
R (ggplot2), Gephi, etc. |
| Planificación |
| Metodologías / pruebas |
Competéncias |
Horas presenciales |
Horas no presenciales / trabajo autónomo |
Horas totales |
| Portafolio del alumno |
A6 A7 A11 A14 A15 A16 A17 A19 A20 A22 A24 A27 A28 |
0 |
53 |
53 |
| Taller |
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 magistral |
A1 A6 A8 A11 A16 A17 A19 A20 |
21 |
0 |
21 |
| |
| Atención personalizada |
|
2 |
0 |
2 |
| |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
| Metodologías |
|
Metodologías |
Descripción |
| Portafolio del alumno |
Los distintos ejercicios que se irán elaborando en las sesiones de "Taller", así como los ejercicios propuestos para realizarse de manera autónoma, se irán incorporando a una “carpeta del estudiante” que se entregará a final de curso y que será objeto de evaluación.
|
| Taller |
A lo largo del curso se realizarán distintas sesiones prácticas en las que se realizarán ejercicios donde el alumnado aprenderá los procedimientos básicos para la obtención, estructuración, almacenamiento, análisis y visualización de datos masivos. |
| Presentación oral |
Al final del curso se dedicará alguna sesión a la presentación de algunos de los ejercicios que forman parte del portafolio del estudiante, especialmente los orientados a la visualización y presentación de resultados. |
| Sesión magistral |
Se realizarán sesiones de clase magistral en las que el peso de la actividad recae fundamentalmente sobre el profesor. Este método pedagógico se complementa con la introducción de otras actividades y métodos que permiten un rol más activo de los estudiantes.
Dado el contenido eminentemente orientado a la práctica investigadora de esta materia, las sesiones magistrales frecuentemente tendrán un contenido técnico, orientado al aprendizaje de los procedimientos de investigación basada en Big Data más habituales. Se complementará esta orientación técnica con una reflexión sobre los fundamentos epistemológicos, éticos y teóricos de este tipo de investigación.
|
| Atención personalizada |
|
Metodologías
|
| Sesión magistral |
| Portafolio del alumno |
| Taller |
| Presentación oral |
|
| Descripción |
| La atención personalizada de esta asignatura se desarrollará de forma presencial y no presencial. Para la comprensión de las lecturas y la correcta elaboración de los ejercicios prácticos, los alumnos contarán con la presencia del profesor en el aula durante las sesiones de clase y, además, podrán programar las tutorías presenciales que consideren necesarias en el horario que se comunicará al inicio de curso. El profesor también estará disponible de forma no presencial, preferiblemente a través del correo electrónico (y también a través del Campus Virtual). |
|
| Evaluación |
|
Metodologías
|
Competéncias |
Descripción
|
Calificación
|
| Portafolio del alumno |
A6 A7 A11 A14 A15 A16 A17 A19 A20 A22 A24 A27 A28 |
A lo largo del curso se realizarán distintas sesiones prácticas en las que se realizarán ejercicios donde el alumnado aprenderá los procedimientos básicos para la obtención, estructuración, almacenamiento, análisis y visualización de datos masivos. Los distintos ejercicios que se irán elaborando en estas sesiones, así como los ejercicios propuestos para realizarse de manera autónoma, se irán incorporando a una “carpeta del estudiante” que se entregará a final de curso y que será objeto de evaluación. |
90 |
| Presentación oral |
A7 A14 |
Al final del curso se dedicará alguna sesión a la presentación de algunos de los ejercicios que forman parte del portafolio del estudiante, especialmente lo orientados a la visualización y presentación de resultados. |
10 |
| |
|
Observaciones evaluación |
|
|
| Fuentes de información |
|
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.
|
|
|
Complementária
|
|
|
| Recomendaciones |
| Asignaturas que se recomienda haber cursado previamente |
| Análisis Estadístico Descriptivo e Inferencial/615545001 | | Fundamentos del Análisis Social en R/615545003 | | Análisis Estadístico Avanzado/615545007 |
|
| Asignaturas que se recomienda cursar simultáneamente |
|
| Asignaturas que continúan el temario |
|
|