Introducción al Análisis de Datos
Código: 106737 Créditos ECTS: 6| Titulación | Tipo | Curso |
|---|---|---|
| Ciencia política y gestión pública | FB | 1 |
Contacto
- Nombre:
- Guillermo Rico Camps
- Correo electrónico:
- guillem.rico@uab.cat
Equipo docente
- Rubén Garcia Del Horno
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Ninguno.
Objetivos y contextualización
El objetivo del curso es familiarizar al estudiante con práctica del análisis de datos. Los estudiantes aprenderán a obtener, transformar i explorar datos para formular i responder preguntas. Se evitan las cuestiones matemáticas y se prioriza la formación práctica y la interpretación de resultados. Así mismo, se revisa el uso de hojas de cálculo y 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, descripción 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 y de interés social 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
- 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.
- Analizar bases de datos políticos utilizando en cada caso las técnicas básicas apropiadas de la estadística descriptiva y la estadística inferencial.
- Aplicar las técnicas estadísticas correspondientes en los distintos estudios de caso e interpretar los resultados obtenidos.
- 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.
- Diseñar y planificar una investigación en el ámbito de la ciencia política.
- Emplear herramientas informáticas para recoger, importar, manipular, visualizar, describir y modelar datos de todo tipo y presentar los resultados.
- 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.
- Valorar críticamente el uso de los métodos inductivo, deductivo y comparativo.
- Valorar críticamente el uso del instrumental analítico para la validación de las hipótesis planteadas.
Contenido
1. Fundamentos de informática
2. Habilidades matemáticas básicas
3. Datos: observaciones, variables, marcos de datos
4. Explorar y describir variables: visualización y resúmenes numéricos
5. Explorar y describir relaciones entre variables
6. Obtención de datos
7. Manipulación y gestión de datos
8. Comunicación y reproducibilidad
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases presenciales: actividades expositivas y resolución de ejercicios | 49,5 | 1,98 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 19, 13, 14, 15, 16, 18, 20, 22, 21, 17, 23, 25, 24 |
| Tipo: Supervisadas | |||
| Tutorías | 15 | 0,6 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 19, 13, 14, 15, 16, 18, 20, 22, 21, 17, 23, 25, 24 |
| Tipo: Autónomas | |||
| Estudio, lecturas, trabajos | 83,5 | 3,34 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 19, 13, 14, 15, 16, 18, 20, 22, 21, 17, 23, 25, 24 |
La mayoría de las sesiones combinan actividades expositivas por parte del profesorado y la resolución de ejercicios y prácticas en el aula. Se espera que los estudiantes hagan uso de un ordenador portátil en clase.
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 |
|---|---|---|---|---|
| Ejercicios en el aula | 10% | 0 | 0 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 19, 13, 14, 15, 16, 18, 20, 22, 21, 17, 23, 25, 24 |
| Exámenes | 50% | 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 |
| Trabajos | 40% | 0 | 0 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 13, 14, 15, 16, 18, 20, 22, 21, 17, 23, 25, 24 |
La evaluación se realizará en función de los resultados de las siguientes actividades:
- Ejercicios en el aula (10%). Para aprobar un ejercicio, es necesario haber asistido a la sesión correspondiente. No se aceptarán entregas fuera del plazo fijado. Los estudiantes que superen al menos el 70% de los ejercicios obtendrán la nota máxima en esta parte de la evaluación. Esta parte de la evaluación en ningún caso es recuperable.
- Trabajos (40%). No se aceptarán entregas fuera del plazo fijado. Esta parte de la evaluación en ningún caso es recuperable.
- Examen (25% + 25%). Dos exámenes parciales tipo test sobre el contenido del curso, en los cuales que no se permitirá consultar ningún tipo de material de ayuda. Las fechas de los exámenes se anunciarán a principios del curso.
Para superar la asignatura, es necesario que se cumplan todos los requisitos siguientes:
- Haber sido previamente evaluado en un conjunto de actividades el peso de las cuales equivalga a un mínimo de dos terceras partes de la calificación total de la asignatura.
- Tener una calificación global de la asignatura igual o superior a 5.
- Tener una calificación media en los exámenes parciales igual o superior a 4.
Los estudiantes que no cumplan alguno de estos tres requisitos no podrán obtener una nota global superior a 4,5, independientemente de la puntuación que resulte de la suma ponderada de todas las actividades.
Recuperación
Sólo la parte correspondiente a los exámenes parciales es recuperable; los ejercicios en el aula y los trabajos están excluidos del proceso de recuperación.
Para participar en la recuperación, es necesario haber sido previamenteevaluado enun conjunto de actividades el peso de las cuales equivalga a un mínimo de dos terceras partes de la calificación total de la asignatura. Podrán participar en la recuperación los estudiantes que tengan una calificación media en los exámenes inferior a 4 o una calificación global de la asignatura inferior a 5. Habrá un único examen de recuperación sobre el conjunto del contenido de la asignatura, independientemente de las calificaciones específicas de los exámenes parciales.
Otras consideraciones
Esta asignatura no permite evaluación única.
El hecho de presentarse a alguno de los exámenes o entregar cualquiera de los trabajos exime al estudiante de la calificación de “No presentado”.
De acuerdo con el artículo 117.2 de la Normativa Académica de la UAB, la evaluación del alumnado repetidor podrá consistir, a decisión del profesor, en una sola prueba de síntesis. El alumnado repetidor que desee acogerse a esta posibilidad deberá ponerse en contacto con el profesorado a principio de curso (primera semana de octubre como muy tarde).
En esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) para la realización de trabajos y ejercicios exclusivamente en tareas de apoyo, como la búsqueda de información o la corrección de texto y código. El estudiante deberá identificar claramente en qué tareas ha utilizado esta tecnología y especificar las herramientas empleadas. No obstante, estas herramientas no pueden sustituir el estudio autónomo ni la comprensión real del código por parte del estudiante. La falta de transparencia en el uso de la IA en esta actividad evaluable se considerará una falta de honestidad académica y podrá conllevar una penalizaciónparcial o total en la nota de la actividad, o sanciones mayores en casos graves. Cuando el código utilizado en el trabajo sea significativamente diferente del trabajado en clase, o incorpore funciones, estructuras o paquetes no explicados durante el curso, se considerará un probable indicador de uso indebido de IA y se calificará con un cero (0), independientemente de su corrección técnica.
En caso de detectarse plagio o cualquier otra irregularidad que pueda conducir a una variación significativa de la calificación de un acto de evaluación, se calificará con 0 ese acto de evaluación. En caso de que se produzcan múltiples irregularidades en los actos de evaluación de la asignatura, la calificación final de esta será 0.
Bibliografía
Básica
Çetinkaya-Rundel, M., & Hardin, J. (2024). Introduction to Modern Statistics (2a ed.). OpenIntro. Accesible en: openintro-ims.netlify.app.
Ismay, C., & Kim , A. Y. (2025). Statistical Inference via Data Science: A ModernDive into R and the Tidyverse (2a ed.). CRC Press / Taylor & Francis Group. Accesible en: moderndive.com/v2.
Wickham, H., & Grolemund, G. (2023). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (2a ed.). O’Reilly Media. Accesible en: r4ds.hadley.nz. Versión en español: es.r4ds.hadley.nz.
Complementaria
Baumer, B., Kaplan, D., & Horton, N. J. (2021). Modern data science with R (2a ed). CRC Press. Accesible en: mdsr-book.github.io/mdsr2e.
Bolker, E. D., & Mast, M. B. (2020). Common Sense Mathematics (2a ed). American Mathematical Society.
Broman, K. W., & Woo, K. H. (2018). Data Organization in Spreadsheets. The American Statistician, 72(1), 2–10. doi.org/10.1080/00031305.2017.1375989.
Chang, W. (2018). R Graphics Cookbook: Practical Recipes for Visualizing Data (2a ed). O’Reilly Media. Accesible en: r-graphics.org.
De Veaux, R. D., Velleman, P. F., & Bock, D. E. (2021). Stats: Data and Models. Pearson.
Dougherty, J., & Ilyankou, I. (2021). Hands-On Data Visualization. O’Reilly Media. Accesible en: handsondataviz.org.
Healy, K. (2018). Data visualization: A practical introduction. Princeton University Press. Accesible en: socviz.co.
Klass, G. M. (2012). Just Plain Data Analysis: Finding, Presenting, and InterpretingSocial Science Data (2a ed). Rowman & Littlefield.
Llaudet, E., & Imai, K. (2023). Data analysis for social science: A friendly and practical introduction. Princeton University Press.
Mas Elias, J. (2020). Análisis de Datos con R en Estudios Internacionales. Editorial UOC. Se puede consultar a través del Servicio ARE: https://login.are.uab.cat/login?url=https://login.are.uab.cat/login?url=https://elibro.net/es/ereader/uab/167261.
Miller, J. E. (2022). Making Sense of Numbers: Quantitative Reasoning for Social Research. Sage.
Sevilla, A. N., & Somers, K. (2013). Quantitative Reasoning: Tools for Today’s Informed Citizen (2a ed). Wiley.
Wilke, C. (2019). Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O’Reilly Media. Accesible en: clauswilke.com/dataviz.
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 |
|---|---|---|---|---|
| (PAUL) Prácticas de aula | 1 | Catalán | primer cuatrimestre | manaña-mixto |
| (PAUL) Prácticas de aula | 51 | Catalán | primer cuatrimestre | tarde |
| (TE) Teoría | 1 | Catalán | primer cuatrimestre | manaña-mixto |
| (TE) Teoría | 51 | Catalán | primer cuatrimestre | tarde |