| Competencias do título |
|
Código
|
Competencias do título
|
| A1 |
C1. Coñecer ao detalle os principais avances teóricos e prácticos en materia e técnicas de investigación cualitativa e cuantitativa e a súa aplicación - crítica, reflexiva e contextual - para comprender, definir e explicar fenómenos de alta complexidade e incerteza asociados aos retos sociais, económicos e políticos actuais. |
| A6 |
C6. Manexar os fundamentos teóricos e científicos necesarios para levar a cabo unha investigación social de tipo cuantitativo e cualitativo empregando ferramentas tecnolóxicas avanzadas (R). |
| A7 |
C7. Recoñecer as distintas opcións de presentación e visualización de resultados de investigación e a súa fundamentación metodolóxica para transmitir de forma clara os resultados da investigación aos distintos públicos. |
| A8 |
C8. Coñecer os modos e potencialidades de uso de datos masivos e de minería de datos no contexto das ciencias sociais. |
| A11 |
H1. Avaliar e seleccionar a paradigma metodolóxico adecuado (cuantitativa, cualitativa, mixta, prospectiva, participativa) para formular xuízos a partir de información incompleta ou limitada sobre fenómenos asociados aos retos sociais, económicos e políticos. |
| A14 |
H4 Transmitir os resultados dunha investigación básica e aplicada, así como os fundamentos máis relevantes sobre os que se sustentan, de modo claro e sen ambigüidades atendendo á diversidade de contextos, públicos e necesidades, usando distintas opcións de presentación e visualización. |
| A15 |
H5 Levar a cabo unha investigación de tipo cualitativo e cuantitativo en R. |
| A16 |
H6 Desenvolver capacidade para planificar a investigación, elixindo correctamente as fases e os procedementos que garantan a máxima rigorosidade e que sexan adecuados a distintos contextos dentro do ámbito público ou privado. |
| A17 |
H7 Adquirir a capacidade de continuar profundando nos métodos de investigación e análise dun modo que haberá de ser en gran medida auto-dirixido e autónomo. |
| A19 |
H9 Desenvolver unha capacidade avanzada para avaliar a calidade e os resultados dos procesos de investigación. |
| A20 |
CP1. Contrastar a importancia da diversidade metodolóxica existente para a análise da realidade social, política e económica, abordando distintos problemas complexos das sociedades actuais a través de solucións creativas e novas. |
| A22 |
CP3. Elaborar e implementar proxectos de investigación en contornas novas ou pouco coñecidos. |
| A24 |
CP5. Ser capaz de traballar con fontes de datos, metodoloxías e técnicas de investigación científica e ferramentas informáticas avanzadas propias das ciencias sociais. |
| A27 |
CP8. Deseñar e executar un proxecto de investigación baseado no uso de Big Data con propósitos científicos, realizando achegas orixinais ao campo de estudo. |
| A28 |
CP9. Obter, xestionar e analizar bases de datos masivos empregando as ferramentas informáticas e linguaxes de programación necesarios para iso, especialmente a linguaxe avanzada R. |
| Resultados de aprendizaxe |
| Resultados de aprendizaxe |
Competencias do título |
| 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
|
|
|
| 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
|
|
|
| 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 poderá utilizar as ferramentas máis avanzadas para a visualización de datos e para a presentación dos resultados da investigación. |
AM7
AM14
AM24
|
|
|
| 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 |
Horas presenciais |
Horas non presenciais / 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
|
| Sesión maxistral |
| Portafolios do alumno |
| Obradoiro |
| Presentación oral |
|
| 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 |
Descrición
|
Cualificación
|
| 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 |
| 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 |
| |
|
Observacións avaliación |
|
|
| 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 |
|
|