Titulació | Tipus | Curs |
---|---|---|
Geografia, Medi Ambient i Planificació Territorial | OB | 2 |
Podeu consultar aquesta informació al final del document.
Coneixement de llengües: Per realitzar aquesta assignatura cal tenir un domini de català i/o castellà igual o superior al nivell B2
Mètodes Quantitatius i Estadístics s’imparteix el Segon Curs del Grau de Geografia, Medi Ambient i Planificació Territorial
L’objectiu general de l’assignatura és proveir als estudiants de les eines i coneixements fonamentals d’estadística perquè puguin aplicar tècniques quantitatives en el disseny i anàlisi de dades relacionades amb la Geografia. Aquest contingut, per tant, facilitarà la comprensió de dades pròpies de la disciplina geogràfica així com la presa de decisions basada en l’anàlisi quantitativa, i prepararà l’alumnat per afrontar desafiaments professionals i acadèmics.
Els objectius específics de l’assignatura són:
- Proveir a l’alumnat les eines fonamentals per a la gestió de dades: mètodes per a la recollida, organització, anàlisi i presentació de dades vinculades amb la Geografia.
- Familiaritzar l’alumnat en la terminologia estadística.
- Capacitar l’alumnat en la utilització d'eines computacionals per realitzar anàlisi estadístic bàsic.
- Introduir els conceptes fonamentals de l'estadística descriptiva i l'estadística inferencial.
- Pel que fa a l’estadística descriptiva, capacitar l'alumnat en l'ús de mesures de tendència central i de dispersió aplicades a dades geogràfiques, així com introduir la forma de representació.
- Pel que fa a l’estadística inferencial, introduir els conceptes de correlació i regressió, i proporcionar eines per interpretar i analitzar la relació entre variables utilitzant mètodes de regressió lineal.
- Capacitar l’alumnat per decidir quin és el mètode estadístic adient en funció de les dades i dels objectius de la investigació.
- Introduir mètodes estadístics per resoldre qüestions espacials, com indicadors de segregació, localització i altres propis de l’estadística espacial.
- Preparar l’alumnat perquè puguin comprendre, interpretar i argumentar els resultats de l’anàlisi quantitativa i estadística.
Tema 1. Fonts de dades, tipus de variables i eines bàsiques amb excel
Tema 2. Estadística univariant
2.1 Estadístics de tendència central i de dispersió
2.2 Transformacions de variables
Tema 3 Estadística bivariant
3.1 Relació entre variables: correlació i regressió lineal
3.2 Relació entre variables: taules de contingencia
Tema 4. Introducció a la inferència estadística
4.1 Conceptes bàsics en inferència
4.2 Intervals de confiança
4.3 Contrast d’hipòtesis i aplicacions en taules de contingència i regressió
Tema 5. Anàlisi espacial quantitativa: segregació, localització i autocorrelació
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Classes teòriques i realització de pràctiques dirigides al laboratori d'informàtica | 47 | 1,88 | |
Tipus: Supervisades | |||
Realització de pràctiques al laboratori d'informàtica | 22 | 0,88 | |
Tutories | 3 | 0,12 | |
Tipus: Autònomes | |||
Estudi personal, preparació proves | 15 | 0,6 | |
Realització de les pràctiques del curs | 60 | 2,4 |
Tipus d'activitats
El curs s'estructura a partir d'activitats dirigides, supervisades i autònomes on l'alumnat podrà adquirir els continguts de l'assignatura amb el suport presencial del professor a diferents nivells.
- Activitats dirigides: inlcouen sessions teòriques i desenvolupament d'exercicis pràctics, dirigits pel professor.
- Activitats supervisades: seguiment presencial de les sessions pràctiques, on l'alumnat desenvoluparà de forma autònoma, però supervisada, diferents exercicis.
- Activitats autònomes: estudi dels continguts teòrics i resolució d'exercicis pràctics.
Metodologies docents innovadores
Es fan servir dinàmiques participatives i interactives durant les sessions, amb l’objectiu de reforçar els continguts a mesura que s’imparteixen. Al llarg del curs, l’alumnat participa en la construcció col·laborativa d’una base de dades a partir de variables contextuals, que posteriorment s’utilitza per aplicar tècniques d’anàlisi estadística vistes a classe.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Exercicis pràctics parcials | 30% | 0 | 0 | CM26, KM40, SM33, SM34 |
Exercicis pràctics regulars | 10% | 0 | 0 | CM26, KM40, SM33, SM34 |
Participació i assistència | 10% | 0 | 0 | CM26, KM40, SM33, SM34 |
Prova escrita | 50% | 3 | 0,12 | CM26, SM33 |
Aquesta assignatura no preveu el sistema d’avaluació única.
Activitats sotmeses a avaluació:
-Una prova objectiva de coneixements realitzada mitjançant dues proves escrites. Factor de ponderació: 50% de la nota final. Cada prova representa el 25% de la nota final.
- Exercicis pràctics parcials (entrega de dossiers pràctics més amplis de reforç del contingut del curs). Factor de ponderació: 30% de la nota final.
- Exercicis pràctics regulars (entrega de les pràctiques desenvolupades a l’aula). Factor de ponderació: 10% de la nota final.
- Participació i assistència. Ambdós aspectes es mesuraran a través de diferents ítems, com activitats interactives tipus Kahoot. Factor de ponderació: 10% de la nota final.
Criteris d’avaluació:
- La nota final de l’assignatura serà la mitjana ponderada de totes les activitats sotmeses a avaluació.
- La nota final de la prova objectiva serà la mitjana de les dues proves parcials.
- És necessari obtenir un mínim de 4 en la prova objectiva i un 5 de nota mitjana de curs per superar l’assignatura.
- Les activitats no lliurades o realitzades en la data indicada seran qualificades com a "No presentat" i seran qualificades amb un zero.
- Els alumnes que només hagin realitzat 1/3 de les activitats avaluables seran qualificats com a "No avaluable".
- El professor es reserva l’opció d’incloure proves orals, de caràcter general o específic, amb la finalitat de verificar l’autoria i l’assimilació dels continguts de qualsevol activitat avaluable. Aquestes proves no alteraranla ponderació de les activitats a què fan referència, però poden condicionar-ne la qualificació en cas que es detectin incoherències greus.
- En cas que l’estudiant cometés qualsevol irregularitat (com ara plagi o ús d'eines no autoritzades a l'examen) que pugui afectar la qualificació d’un acte d’avaluació, aquest acte, o bé la totalitat de l'assignatura si la irregularitat es considera prou greu, serà qualificat amb zero, independentment del procés disciplinari que es pugui instruir.
Procediment de revisió de qualificacions:
Les activitats avaluades seran susceptibles de revisió de les qualificacions. S’informarà via l’aula Moodle a l’estudiant de la data corresponent en cada cas.
Recuperació:
- La recuperació de les proves objectives es realitzarà mitjançant una prova final escrita, en data oficial.
- Es podrà recuperar la nota d’un dels exercicis pràctics parcials, sempre que hagi estat lliurat.
- Els exercicis pràctics regulars no es podran recuperar, ja que s’entén que es tracta d’exercicis de seguiment del curs.
Ús de la intel·ligència artificial:
Per a aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) exclusivament com a suport per treballar el material tractat a classe o per resoldre formulacions estadístiques en els exercicis pràctics. En cap cas es permet utilitzar aquestes eines per interpretar els resultats ni els patrons analitzats a partir de les dades. L'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA en aquesta activitat avaluable es considerarà falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l'activitat, o sancions majors en casos de gravetat.
Criteris de gènere:
L’anàlisi de dades i la resolució de problemes tindran en compte, quan sigui el cas, diferències socials i de gènere. Es prega a l’alumnat utilitzar un llenguatge no sexista. Poden ser d’ajuda les indicacions d’ús de la UAB (vegeu "Deu pistes per a un ús no sexista del llenguatge").
BARDINA, Xavier; FARRÉ, Mercè; LÓPEZ ROLDAN, Pedro. (2005). Estadística: un curs introductori per a estudiants de ciències socials i humanes. Volum 2 descriptiva exploratòria bivariant. Introducció a la inferència. Bellaterra: Servei de Publicacions Universitat Autònoma de Barcelona, Col·lecció Materials 166. (*)
BURT, James E; BERBER, Gerald. (1996). Elementary Statistics for Geographers. London: Guilford press. (Cap. 3, 5, 7,8, 9).
EBDON, David. (1982). Estadística para geógrafos. Barcelona: Oikos Tau.( pp 18-23, 28-33, 51-68, 129-142, 168-175, 182-212, 240-249).
FARRÉ, Mercè. (2005). Estadística: un curs introductori per a estudiants de ciències socials i humanes. Volum 1 descriptiva i exploratòria univariant. Bellaterra: Servei de Publicacions Universitat Autònoma de Barcelona, Col·lecció Materials 162. (*)
FREEDMAN, David; PISANI, Robert; PURVES,Roger; ADHIKARI, Ani. (1993). Estadística. Segunda edición. Barcelona: Antoni Bosch editor. (Partes: II, III , VI ( cap. 23, pp. 459-480) y VIII. (cap. 26, pp. 519-550)).(*)
ILLOWSKY, Barbara, DEAN,Susan (2022) Introduccion a la estadística. OpenStax. Rice University (Cap. 6,8,9,10,12) https://openstax.org/details/books/introductory-statistics (*)
López-Roldán, Pedro.; Fachelli, Sandra. (2015). Metodología de la Investigación Social Cuantitativa. Bellaterra (Cerdanyola del Vallès): Dipòsit Digital de Documents, Universitat Autònoma de Barcelona. : http://ddd.uab.cat/record/129382. (Parte II, Cap. 1; Parte III cap 3;Parte III cap 6, pp. 1-23; Parte III cap 4).(*)
MARQUÉS, Felicidad. (2009). Estadística descriptiva a través de EXCEL. México D.F.: Alfaomega grupo editor S.A.
MARSH, Catherine (1990). Exploring Data.An Introduction to Data Analysis for Social Scientists. Oxford: Polity Press. Cap 1 i 2 i Part II.
PEÑA SANCHEZ DE RIVERA, David; ROMO URROZ, Juan José. (1997). Introducción a la estadística para las ciencias sociales. Madrid: McGraw-Hill Interamericana de España.
QUICK, Thomas (2021) Excel 2019 for Social Science Statistics. A guide to solving Practical Problems.Second Edition. Switzerland. Springer
https://link-springer-com.are.uab.cat/book/10.1007/978-3-030-64333-1
RAJARETNAM, T (2016) Statistics for Social Sciences, Sage, NY (cap 4,5,6,7,8,11) https://ebookcentral-proquest-com.are.uab.cat/lib/uab/detail.action?pq-origsite=primo&docID=5770011
RASO, José Maria; MARTÍN VIDE, J.I.; CLAVERO, Pedro. (1987). Estadística básica para Ciencias Sociales. Barcelona. Ariel. Caps: 4 (pp. 77-92 ) i 6.
ROGERSON, Peter A. (2020). Statistical Methods for Geography. 5th Edition. Sage. London. (Cap 2.5.7 i 8).
SANTANA LEITHER, Andres (2017) Análisis cuantitativo: técnicas para describir y explicar en Ciencias Sociales. Barcelona: Editorial UOC. https://elibro.net/es/lc/uab/titulos/57723
(*) Bibliografia més rellevant
En la selecció de la bibliografia s'han tingut en compte els criteris de genere.
El programari utilitzat durant el curs serà EXCEL (no dispossem de llicència d'SPSS).
La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d’aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
Nom | Grup | Idioma | Semestre | Torn |
---|---|---|---|---|
(PLAB) Pràctiques de laboratori | 1 | Català | primer quadrimestre | matí-mixt |
(PLAB) Pràctiques de laboratori | 2 | Català/Espanyol | primer quadrimestre | matí-mixt |
(TE) Teoria | 1 | Català | primer quadrimestre | matí-mixt |
(TE) Teoria | 2 | Català/Espanyol | primer quadrimestre | matí-mixt |