Esta versión de la guía docente es provisional hasta que no finalize el periodo de edición de las guías del nuevo curso.

Logo UAB

Introducción al Tratamiento de Datos y a la Comunicación de la Información Científica

Código: 44710 Créditos ECTS: 9
2024/2025
Titulación Tipo Curso
4313792 Neurociencias OB 0

Contacto

Nombre:
Roser Masgrau Juanola
Correo electrónico:
roser.masgrau@uab.cat

Equipo docente

Jesus Giraldo Arjonilla
Enrique Claro Izaguirre
Carlos Barcia Gonzalez
Roser Masgrau Juanola

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

No hay requisitos específicos diferentes del propio máster.


Objetivos y contextualización

Los objetivos principales del curso son i) ofrecer capacidades transversales para comunicar ciencia de forma eficaz, y ii) que el estudiante adquiera competencias básicas en el análisis estadístico de resultados experimentales.


Resultados de aprendizaje

  1. CA07 (Competencia) Formular una hipótesis en el contexto de la neurociencia proponiendo un plan de trabajo para desmentirla o aceptarla.
  2. CA08 (Competencia) Interpretar los resultados experimentales obtenidos en un experimento que implique el estudio de los sistemas nerviosos central y periférico.
  3. CA09 (Competencia) Escribir artículos científicos y resúmenes a partir de bases de datos científicos, ilustrando mediante fotografías o dibujos un texto para informar sobre un hallazgo del ámbito de las neurociencias.
  4. CA10 (Competencia) Integrar los conocimientos adquiridos sobre un aspecto concreto de la neurociencia para crear conclusiones y generar nuevas hipótesis de trabajo que puedan ser comprendidas por un público amplio que incluya tanto a especialistas como a los no especializados.
  5. KA07 (Conocimiento) Trabajar en equipo en el tratamiento de datos y en la comunicación de la información científica valorando el impacto social, económico y medioambiental de los datos obtenidos.
  6. KA07 (Conocimiento) Trabajar en equipo en el tratamiento de datos y en la comunicación de la información científica valorando el impacto social, económico y medioambiental de los datos obtenidos.
  7. KA08 (Conocimiento) Identificar el modelo probabilístico más adecuado para el análisis y la interpretación de los datos experimentales obtenidos durante la investigación realizada en cualquier campo de la neurociencia.
  8. SA07 (Habilidad) Realizar, en el ámbito de la neurociencia, análisis estadísticos precisos para que proporcionen conclusiones fiables y reproducibles.
  9. SA08 (Habilidad) Difundir los resultados obtenidos en la investigación en neurociencias mediante artículos científicos, posters y conferencias.
  10. SA09 (Habilidad) Desarrollar un diseño experimental, analizando estadísticamente los datos obtenidos en experimentos que atañen al sistema nervioso.
  11. SA09 (Habilidad) Desarrollar un diseño experimental, analizando estadísticamente los datos obtenidos en experimentos que atañen al sistema nervioso.

Contenido

1. Comunicación Científica.
La ciencia genera productos que deben comercializarse convenientemente. Esta parte de la asignatura lleva al alumnado a darse cuenta de que el desarrollo de habilidades para comunicar eficazmente los resultados científicos es tan importante como generarlos. Al ser el inglés la lengua oficial de la ciencia, todas las actividades se realizarán en esa lengua. 
En esencia este parte del módulo consta en:
Ponencias: hablar con un público sobre tu investigación científica es un privilegio y una gran ocasión para conocer y hacerte conocer. Sin embargo, es posible que tu producto (tu ciencia) no llegue al público. Hacer las diapositivas lo más sencillas posibles, utilizar el lenguaje corporal a tu favor, hacer contacto visual con el público, respectar los límites de tiempo son algunas de las estrategias que se debatirán y practicarán.
Presentación de pósters: una presentación de un póster científico eficaz es mucho más que simplemente diseñar un póster, y un diseño es mucho más que unir figuras y encajar un texto en el medio. Imagínete en medio de una sesión de 400 pósters,  compitiendo con todos para atraer la atención de una importante científica que viene por el pasillo, con la que deseas hablar. A menos que digas algo cautivador en 15 segundos, sus ojos quizás ya están puestos en el póster siguiente.
Redacción de artículos: qué publicar, dónde y cómo. Pondremos énfasis en la escritura de un abstract (resumen). Los abstracts son una de las partes más complicadas de la escritura científica. La mayoría de tus lectores/as potenciales sólo dedicará unos segundos a leer tu abstract de las bases dedatos científicas. Si no les llama la atención, has fracasado. Dentro de esta parte del módulo también debatiremos sobre el sistema de revisión de artículos científicos
Además, debatiremos sobre distintos temas como  ética de la ciencia, el arte de la recaudación de fondos de financiación y la divulgación científica.

2. Análisis estadístico de datos experimentales.
Introducción: La estadística es un tema central para las ciencias experimentales, tanto antes como después de realizar los experimentos. Antes, porque es necesario un diseño experimental preciso si queremos que el experimento dé respuestas correctas a las preguntas que nos planteamos, y después, porque el conjunto de datos resultantes de los experimentos necesitan análisis sistemáticos y precisos para producir conclusiones imparciales y reproducibles. La variabilidad está intrínsecamente ligada a la biología y la estadística es responsable de la modelización de la variabilidad, es decir, separar las diversas fuentes de error para identificar tendencias, asociaciones y correlaciones útiles.
Objetivos: Esta parte de la asignatura incluye un curso básico de estadística. El objetivo fundamental es capacitar al alumnado para el análisis e interpretación precisa de los datos experimentales.
Contenidos: 1. Introducción al “statistsic package”. 2. Trabajar en un proyecto con datos. 3. Estadística descriptiva monovariable y bivariable. 4. Variables aleatorias y distribuciones de probabilidad. 5. Inferencia estadística: Estimación y prueba de hipótesis. 6. Análisis de las diferencias entre dos grupos o condiciones: dos muestras independientes y datos emparejados. 7. Análisis de las diferencias entre dos omás grupos:Análisis de la varianza (ANOVA). 8. Two-way ANOVA. 9. Regresión lineal.

 


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Clases magistrales / expositivas y seminarios de clase 56 2,24
Tipo: Supervisadas      
Tutorización de trabajos 17 0,68
Tipo: Autónomas      
Preparación y elaboración de trabajos 150 6

Las actividades dirigidas incluyen:

Clases magistrales/expositivas

Prácticas de aula.

Presentación/exposición de trabajos.

Se distribuyen en 30 horas de teoría de Bioestadística y 26 horas de Comunicación. Las horas de Comunicación se distribuyen a su vez en 12 horas de teoría y 14 horas de seminarios. Los seminarios se realizan en dos grupos de clase con la mitad del total de alumnos cada uno de ellos.

Nota: se reservarán 15 minutos de una clase, dentro del calendario establecido por el centro/titulación, para la complementación por parte del alumnado de las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura/módulo.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.


Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Comunicación científica: Presentación y defensa de trabajos 46% 0 0 CA07, CA08, CA09, CA10, KA07, SA08
Tratamiento de datos: Ejercicio práctico 5% 0 0 CA07, CA08, KA08, SA09
Tratamiento de datos: Examen 49% 2 0,08 CA07, KA07, KA08, SA07, SA09

Evaluación continua, donde se tiene en cuenta la asistencia y la actitud, la entrega puntual de los trabajos, la exposición y defensa de los trabajos y un ejercicio práctico y un examen de Tratamiento de datos.  Habrá un examen de recuperación para el alumnado que no supere este examen de Tratamiento de datos.

El alumnado obtendrá la calificación de "No Evaluado" cuando las actividades de evaluación realizadas tengan una ponderación inferior a un tercio en la calificación final.


Bibliografía

Comunicación científica

George M. Hall: How to write a paper. BMJ Books, 2008 (https://onlinelibrary-wiley-com.are.uab.cat/doi/pdf/10.1002/9781118488713)

Jenny Freeman: How to display data. BMJ Books, 2008 (https://ebookcentral-proquest-com.are.uab.cat/lib/uab/reader.action?docID=428140)

George M. Hall: How to present at meetings. BMJ Books, 2007 ( https://onlinelibrary-wiley-com.are.uab.cat/doi/pdf/10.1002/9781119962120)

Elizabeth Wager: How to survive peer review. BMJ Books, 2002

Ivan Valiela: Doing Science. Design, Analysis, and Communication of Scientific Research. Oxforf U.P., 2001

50 Essentials on Science Communication. Jean Paul Bertemes Serge Haan and Dirk Hans. 2024. De Gruyter Mounter. https://www.degruyter.com/document/doi/10.1515/9783110763577/html#contents

Tractamiento de datos

Julien I.E. Hoffman: Basic Biostatistics for Medical and Biomedical Practitioners, Second Edition. Academic Press - Elsevier, 2019. ISBN 978-0-12-817084-7 (DOI https://doi.org/10.1016/C2018-0-02190-8)

Babak Shahbaba: Biostatistics with R - An Introduction to Statistics Through Biological Data. Springer, 2012. ISBN 978-1-4614-1301-1 e-ISBN 978-1-4614-1302-8. (DOI https://doi.org/10.1007/978-1-4614-1302-8)


Software

Para la parte de tratamiento de datos se usará el programa R-Commander: un programa gratuito y accesible públicamente.


Lista de idiomas

Nombre Grupo Idioma Semestre Turno
(SEMm) Seminarios (màster) 1 Inglés primer cuatrimestre manaña-mixto
(SEMm) Seminarios (màster) 2 Inglés primer cuatrimestre manaña-mixto
(TEm) Teoría (máster) 1 Inglés primer cuatrimestre manaña-mixto