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

Logo UAB

Técnicas de Investigación

Código: 101102 Créditos ECTS: 6
2025/2026
Titulación Tipo Curso
Ciencia política y gestión pública OB 3

Contacto

Nombre:
Danislava Milkova Marinova
Correo electrónico:
dani.marinova@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

Es imprescindible haber superado la asignatura obligatoria de Metodología del Análisis Político de segundo curso del grado.


Objetivos y contextualización

El objetivo del curso es que el estudiante se familiarice con las principales técnicas de análisis de datos y aprenda a utilizarlas. La mayor parte del curso está dedicada al análisis de regresión lineal y sus extensiones. Se evitan las cuestiones matemáticas y se prioriza la formación práctica y la interpretación de resultados. Así mismo, se introduce al estudiante en el uso del lenguaje de programación estadística R a través de RStudio, con el objetivo de reforzar el aprendizaje de habilidades relacionadas con la gestión, exploración y visualización de datos, la reproducibilidad del análisis y la comunicación efectiva de los resultados. A lo largo del curso se trabajará con datos reales de interés social y político y se fomentará la utilización crítica y responsable de datos abiertos.


Competencias

  • Actuar con responsabilidad ética y con respeto por los derechos y deberes fundamentales, la diversidad y los valores democráticos.
  • Actuar en el ámbito de conocimiento propio evaluando las desigualdades por razón de sexo/género.
  • Actuar en el ámbito de conocimiento propio valorando el impacto social, económico y medioambiental.
  • Aplicar las diferentes técnicas de análisis del comportamiento y actores políticos a casos reales de la esfera política interna e internacional.
  • Aplicar las principales teorías de la disciplina y sus diferentes campos a problemas prácticos y profesionales reales.
  • Argumentar desde diferentes perspectivas teóricas.
  • Demostrar que comprende la lógica del análisis científico aplicado a las ciencias políticas.
  • Demostrar un buen nivel de expresión escrita en diferentes registros.
  • Desarrollar estrategias de aprendizaje autónomo.
  • Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlos de manera efectiva, tanto en las lenguas propias como en una tercera lengua.
  • Diseñar técnicas para la recogida de datos, coordinar el tratamiento de la información y aplicar rigurosamente métodos de verificación de hipótesis.
  • Gestionar la distribución del tiempo disponible para acometer los objetivos establecidos para llevar a buen término la tarea prevista.
  • Interpretar y usar académicamente textos en inglés.
  • Introducir cambios en los métodos y los procesos del ámbito de conocimiento para dar respuestas innovadoras a las necesidades y demandas de la sociedad.
  • Manejar los fundamentos metodológicos en las ciencias políticas.
  • Mostrar una buena capacidad de transmisión de información, diferenciando los mensajes claves para los diferentes destinatarios.
  • Realizar exposiciones orales efectivas y adaptadas a la audiencia.
  • Sintetizar y analizar información de manera crítica.
  • Trabajar autónomamente.
  • Trabajar con técnicas cuantitativas y cualitativas de análisis para aplicarlas en los procesos de investigación.
  • Utilizar las principales técnicas de la información y la documentación (TIC) como herramienta esencial en el análisis.

Resultados de aprendizaje

  1. Actuar con responsabilidad ética y con respeto por los derechos y deberes fundamentales, la diversidad y los valores democráticos.
  2. Actuar en el ámbito de conocimiento propio evaluando las desigualdades por razón de sexo/género.
  3. Actuar en el ámbito de conocimiento propio valorando el impacto social, económico y medioambiental.
  4. Analizar bases de datos políticos utilizando en cada caso las técnicas básicas apropiadas de la estadística descriptiva y la estadística inferencial.
  5. Aplicar las técnicas estadísticas correspondientes en los distintos estudios de caso e interpretar los resultados obtenidos.
  6. Argumentar desde diferentes perspectivas teóricas.
  7. Demostrar que comprende la lógica del análisis científico aplicado a las ciencias políticas.
  8. Demostrar un buen nivel de expresión escrita en diferentes registros.
  9. Desarrollar estrategias de aprendizaje autónomo.
  10. Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlos de manera efectiva, tanto en las lenguas propias como en una tercera lengua.
  11. Diseñar técnicas para la recogida de datos, coordinar el tratamiento de la información y aplicar rigurosamente métodos de verificación de hipótesis.
  12. Diseñar y planificar una investigación en el ámbito de la ciencia política.
  13. Emplear herramientas informáticas para recoger, importar, manipular, visualizar, describir y modelar datos de todo tipo y presentar los resultados.
  14. Gestionar la distribución del tiempo disponible para acometer los objetivos establecidos para llevar a buen término la tarea prevista.
  15. Interpretar y usar académicamente textos en inglés.
  16. Introducir cambios en los métodos y los procesos del ámbito de conocimiento para dar respuestas innovadoras a las necesidades y demandas de la sociedad.
  17. Manejar los fundamentos metodológicos en las ciencias políticas.
  18. Mostrar una buena capacidad de transmisión de información, diferenciando los mensajes claves para los diferentes destinatarios.
  19. Realizar exposiciones orales efectivas y adaptadas a la audiencia.
  20. Sintetizar y analizar información de manera crítica.
  21. Trabajar autónomamente.
  22. Trabajar con técnicas cuantitativas y cualitativas de análisis para aplicarlas en los procesos de investigación.
  23. Utilizar las principales técnicas de la información y la documentación (TIC) como herramienta esencial en el análisis.
  24. Valorar críticamente el uso de los métodos inductivo, deductivo y comparativo.
  25. Valorar críticamente el uso del instrumental analítico para la validación de las hipótesis planteadas.

Contenido

1. Visualización y análisis exploratorio de datos
2. Gestión de datos
3. Regresión lineal simple
4. Regresión múltiple
5. Variables independientes categóricas
6. Regresión con variables dependientes categóricas
7. Interacciones

8. Regresión logística


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Actividades expositivas 30 1,2 6, 7, 8, 12, 11, 19, 14, 18, 20, 22, 17, 23, 25, 24
Ejercicios y prácticas en el aula 19,5 0,78 6, 7, 8, 12, 11, 19, 14, 18, 20, 22, 21, 17, 23, 25, 24
Tipo: Supervisadas      
Tutorías 15 0,6 6, 7, 8, 12, 11, 19, 14, 18, 20, 22, 21, 17, 23, 25, 24
Tipo: Autónomas      
Estudio 83,5 3,34 6, 7, 8, 12, 11, 14, 18, 20, 22, 21, 17, 23, 25, 24

Las sesiones presenciales incluyen dos tipos de actividades:

  1. Actividades expositivas por parte del profesorado
  2. Resolución de ejercicios y prácticas en el aula

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
Examen final 25% 2 0,08 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 13, 14, 15, 16, 18, 20, 22, 21, 17, 23, 25, 24
Examen parcial 1 20% 0 0 1, 4, 5, 7, 9, 10, 12, 13, 14, 21, 17, 25, 24
Examen parcial 2 25% 0 0 2, 4, 5, 7, 8, 13, 15, 16, 18, 20, 23
Práctica evaluable 1 15% 0 0 6, 7, 8, 12, 11, 19, 14, 18, 20, 22, 21, 17, 23, 25, 24
Práctica evaluable 2 15% 0 0 6, 7, 8, 12, 11, 19, 14, 18, 20, 22, 21, 17, 23, 25, 24

Evaluación

La evaluación se realizará a partir de los resultados de las siguientes actividades:

  • Dos prácticas evaluables en clase (15% cada una). Para que la práctica sea evaluada, es imprescindible haber asistido a la sesión correspondiente. No se aceptarán entregas fuera del plazo establecido. Esta actividad no es recuperable.

  • Dos exámenes parciales (20% y 25%). Se realizarán dos pruebas escritas en ordenador, con acceso al material del curso. Esta actividad no es recuperable.

  • Examen final (25%). Prueba escrita sobre el conjunto del temario. No se permitirá consultar ningún material de apoyo.

Para superar la asignatura, es necesario cumplir los tres requisitos siguientes:

  1. Haber sido evaluado/a en un conjunto de actividades que representen como mínimo dos terceras partes de la calificación total.

  2. Obtener una calificación global igual o superior a 5.

  3. Obtener una calificación igual o superior a 4 en el examen final.

Recuperación

El examen de recuperación se califica como apto o no apto. Si el estudiante aprueba el examen, recibirá una nota final de 5 en la asignatura.

 Para acceder a la recuperación se requiere:

  1. Haber sido evaluado/a en un conjunto de actividades que representen como mínimo dos terceras partes de la calificación total.

  2. Tener una calificación global igual o superior a 3,5.

Prueba de síntesis

Según el artículo 117.2 de la Normativa Académica de la UAB, el alumnado repetidor podrá acogerse, si así lo decide el profesorado, a una prueba única de síntesis. Solo podrán realizarla aquellas personas que hayan obtenido el permiso del profesorado al inicio del curso (antes de octubre).

La prueba de síntesis constará de los siguientes apartados, con su peso correspondiente en la nota final de la asignatura:

  • Examen final: 60%

  • Práctica evaluable en clase: 40%

Ambas deberán entregarse el día del examen final.

Los exámenes parciales y las prácticas evaluables no son recuperables, excepto en casos debidamente justificados por motivos médicos. El alumnado que necesite recuperar una práctica o un examen parcial lo hará el día establecido por la Facultad para la prueba de recuperación.

Evaluación única

Esta asignatura no admite evaluación única, tal como ha establecido la Junta de Facultad, ya que la asistencia regular a clase es indispensable para alcanzar los objetivos docentes.

Uso de la IA

El uso de herramientas de inteligencia artificial (IA) puede ser útil en el contexto de un curso de estadística aplicada, especialmente para detectar errores de sintaxis o identificar posibles mejoras en el código. No obstante, estas herramientas no pueden sustituir el estudio autónomo ni la comprensión real del código por parte del estudiante. El objetivo del curso es que el alumnado entienda y sea capaz de aplicar los métodos estadísticos por sí mismo.

Cuando el código utilizado en una práctica evaluable sea significativamente distinto al trabajado en clase, o incorpore funciones, estructuras o bibliotecas no explicadas durante el curso, se considerará como un probable indicador de uso indebido de IA y se calificará con un cero (0), independientemente de su corrección técnica.

Los estudiantes deben indicar explícitamente si han hecho uso de herramientas de IA para completar sus prácticas evaluables, especificando qué herramientas han utilizado y con qué finalidad. La falta de transparencia en este sentido también podrá ser motivo de penalización.

Otras consideraciones

La entrega de cualquier actividad o la presentación a una prueba exime al estudiante de la calificación de “No presentado”.

No se programarán exámenes finales ni pruebas de recuperación fuera de las fechas oficiales establecidas por la Facultad. Igualmente, las pruebas de evaluación continua se realizarán exclusivamente en las fechas fijadas por el profesorado.

Ladetección de plagio o uso indebido de IA en cualquier práctica o examen implicará automáticamente una calificación final de suspenso en la asignatura.


Bibliografía

Básica

Complementaria

  • Chang, Winston. 2018. R Graphics Cookbook: Practical Recipes for Visualizing Data. Second edition. Beijing; Boston: O’Reilly. Accesible en: r-graphics.org.
  • Ismay, Chester, & Albert Young-Sun Kim. 2020. Statistical Inference via Data Science: A ModernDive into R and the Tidyverse. Chapman & Hall/CRC the R Series. Boca Raton: CRC Press / Taylor & Francis Group. Accesible en: moderndive.com.
  • Riba, Clara, & Anna Cuxart. 2013. Regresión Lineal Aplicada. Barcelona: Documenta Universitaria.
  • Wickham, Hadley, & Garrett Grolemund. 2016. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. Sebastopol, CA: O’Reilly. Accesible en: r4ds.had.co.nz. Versión en español: es.r4ds.hadley.nz.

Software


Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre de 2025. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Nombre Grupo Idioma Semestre Turno
(SEM) Seminarios 1 Catalán primer cuatrimestre manaña-mixto
(SEM) Seminarios 51 Catalán primer cuatrimestre tarde
(TE) Teoría 1 Catalán primer cuatrimestre manaña-mixto
(TE) Teoría 51 Catalán primer cuatrimestre tarde