Aquesta versió de la guia docent és provisional fins que no finalitzi el període d’edició de les guies del nou curs.

Logo UAB

Introducció al Tractament de Dades i a la Comunicació de la Informació Científica

Codi: 44710 Crèdits: 9
2025/2026
Titulació Tipus Curs
Neurociències OB 1

Professor/a de contacte

Nom:
Roser Masgrau Juanola
Correu electrònic:
roser.masgrau@uab.cat

Equip docent

Ferran Torres Benitez
Enrique Claro Izaguirre
Carlos Barcia Gonzalez
Roser Masgrau Juanola

Idiomes dels grups

Podeu consultar aquesta informació al final del document.


Prerequisits

No hi han requeriments específics diferents dels del propi màster, però si que es requereix un nivell mínim d'anglès


Objectius

Els objectius principals del curs són adquirir i) capacitats transversals per a comunicar ciència de forma eficaç, i, ii) competències bàsiques en l'anàlisi estadística de resultats experimentals.


Resultats d'aprenentatge

  1. CA07 (Competència) Formular una hipòtesi en el context de la neurociència proposant un pla de treball per desmentir-la o acceptar-la.
  2. CA08 (Competència) Interpretar els resultats experimentals obtinguts en un experiment que impliqui l'estudi dels sistemes nerviosos central i perifèric.
  3. CA09 (Competència) Escriure articles científics i resums a partir de bases de dades científiques i il·lustrar mitjançant fotografies o dibuixos un text per informar sobre una troballa de l'àmbit de les neurociències.
  4. CA10 (Competència) Integrar els coneixements adquirits sobre un aspecte concret de la neurociència per crear conclusions i generar noves hipòtesis de treball que puguin ser compreses per un públic ampli que inclogui tant especialistes com els no especialitzats.
  5. KA07 (Coneixement) Treballar en equip en el tractament de dades i en la comunicació de la informació científica i valorar l'impacte social, econòmic i mediambiental de les dades obtingudes.
  6. KA07 (Coneixement) Treballar en equip en el tractament de dades i en la comunicació de la informació científica i valorar l'impacte social, econòmic i mediambiental de les dades obtingudes.
  7. KA08 (Coneixement) Identificar el model probabilístic més adequat per a l'anàlisi i la interpretació de les dades experimentals obtingudes durant la recerca feta en qualsevol camp de la neurociència.
  8. SA07 (Habilitat) Dur a terme, en l'àmbit de la neurociència, anàlisis estadístiques precises perquè proporcionin conclusions fiables i reproduïbles.
  9. SA08 (Habilitat) Difondre els resultats obtinguts en la recerca en neurociències mitjançant articles científics, pòsters i conferències.
  10. SA09 (Habilitat) Desenvolupar un disseny experimental i analitzar estadísticament les dades obtingudes en experiments relatius al sistema nerviós.
  11. SA09 (Habilitat) Desenvolupar un disseny experimental i analitzar estadísticament les dades obtingudes en experiments relatius al sistema nerviós.

Continguts

1. Comunicació Científica.

La ciència genera productes que s'han de divulgar convenientment. Aquesta part de l'assignatura porta l'alumnat a adonar-se que el desenvolupament d'habilitats per comunicar de manera eficaç els resultats científics és tan important com generar-los. En ser l'anglès la llengua oficial de la ciència, totes les activitats d’aquesta part del mòdul es realitzaran en aquesta llengua. 

En essència aquest part del mòdul consta en:

  • Ponències: parlar a un públic sobre la teva recerca és una obligació però també un privilegi i una gran ocasió per conèixer i ser conegut. Fer les diapositives el més senzilles possibles, fer servir el llenguatge corporal al teu favor, fer contacte visual amb el públic, respectar els límits de temps són algunes de les estratègies que es debatran i practicaran.
  • Presentació de pòsters: una presentació d’un pòster científic eficaç és molt més que simplement dissenyar un pòster, i un disseny és molt més que unir  figures i encaixar un text entremig. També és molt important saber presentar el pòster en 2-3 minuts prestant atenció al llenguatge no verbal i considerant a l’espectador.  
  • Redacció en paper: què publicar, on i com. Posarem èmfasi en l'escriptura d’un abstract (resum)  ja que els abstracts són una de les parts més complicades de l'escriptura científica. Alhora, la majoria dels lectors o les lectores potencials només dedicarà uns segons a llegir el teu abstract de les bases de dades científiques. Si el teu abstract no els crida l'atenció, has fracassat.
  • Altres temes d’interès: es debatrà sobre l'ètica de la ciència, el procés de publicació i   la  divulgació científica a un públic general.
  • Intel·ligència artificial: s'introduirà a l'alumnat a eines d’Intel·ligència artificial per a comunicació científica i es debatrà sobre avantatges i inconvenients d'utilitzar-les. 

2. Anàlisi estadística de dades experimentals.

L'estadística és essencial en les ciències experimentals durant tot el procés: en el disseny, per assegurar que els experiments responguin adequadament les preguntes plantejades; en la recollida de dades, per assegurar la qualitat i evitar biaixos; i en l’anàlisi, per obtenir conclusions imparcials i reproduïbles. És clau per modelar la variabilitat inherent a la biologia i identificar relacions significatives. Les classes teòriques d'aquesta part del mòdul es farà amb anglès i català.

L'objectiu fonamental d'aquesta part del mòdul és capacitar a l’alumnat en l’anàlisi i interpretació de dades experimentals. Per tant, es s proporcionaran competències bàsiques per dissenyar, executar i analitzar projectes de recerca, aplicar tècniques estadístiques adequades, interpretar resultats i obtenir conclusions adequades. Així doncs el contingut serà: 

  • Introducció a l'estadística: utilitats i límits.
  • Població, mostra, mostreig i formulació d’hipòtesis.
  • Tipus de variables i mesura de l'efecte.
  • Estadística descriptiva i probabilitat.
  • Proves diagnòstiques i significació estadística bivariada.
  • Estimació d'efectes, intervals de confiança, concordança, correlació i regressió.
  • ANOVA i introducció a anàlisis multivariables.
  • Dissenys habituals, càlcul de mida mostral i planificació experimental.
  • Interpretació de resultats: significació estadística vers rellevància pràctica

La primera classe d'aquesta part es dedicarà al de tractament de dades amb tema gènere


Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Tipus: Dirigides      
Classes magistrals / expositives i seminaris de classe 56 2,24
Tipus: Supervisades      
Tutorització de treballs 17 0,68
Tipus: Autònomes      
Preparació i elaboració de treballs 145 5,8

Les activitats dirigides inclouen:

Classes magistrals / expositives.

Pràctiques d'aula.

Presentació / exposició de treballs.

Es distribueixen en 30 hores de teoria de Bioestadística i 26 hores de Comunicació, que es distribueixen en 12 hores de teoria i 14 hores de seminaris. Els seminaris es realitzen en dos grups de classe amb la meitat de l'alumnat a cada un d'ells.

 

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.


Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Comunicació científica: Presentació i defensa de treballs 46% 3 0,12 CA07, CA09, SA08, SA09
Tractament de dades: activitats pràctiques i d'auto-aprenentatge 24% 2 0,08 CA07, CA08, CA10, KA07, KA08, SA07, SA09
Tractament de dades: Examen 20% 2 0,08 CA08, KA08, SA07, SA09

La part de Comunicaicó científica s'avaluarà per avaluació continuada, on es tindrà en compte assistència i actitud, entrega puntual de treballs, exposició i defensa de treballs.

La part de Tractament de Dades també es farà per avaluació continuada a través d'exercicis pràctics i activitats d'auto-parenentatge però a més hi haurà un examen on els alumnes hauran de contestar preguntes sobre els conceptes teòrics i aplicats. Es necessita una nota mínima  de l'examen de 3.5 sobre 10 per fer promig amb l'avaluació continua d'aquesta part. Hi haurà un examen de recuperació de l’examen de  Tractament de dades per l'alumnat que no assoleixin l’aprovat d’aquesta avaluació.

Cal treure un 3,5 sobre 10 de cada una de les parts (Comunicació Científica i Tractament de Dades) per poder aprovar el mòdul.

L'alumnat obtindrà la qualificació de "No Avaluable" quan les activitats d'avaluació realitzades tinguin una ponderació inferior a una tercera part en la qualificació final.

 


Bibliografia

Comunicació científica

George M. Hall: How to write a paper. BMJ Books, 2008 (https://bibcercador.uab.cat/permalink/34CSUC_UAB/1c3utr0/cdi_proquest_ebookcentral_EBC1120469)

Jenny Freeman: How to display data. BMJ Books, 2008 (https://bibcercador.uab.cat/permalink/34CSUC_UAB/1c3utr0/cdi_globaltitleindex_catalog_213523389)

George M. Hall: How to present at meetings. BMJ Books, 2007 (https://bibcercador.uab.cat/permalink/34CSUC_UAB/1c3utr0/cdi_ciando_primary_ciando488781)

Elizabeth Wager: How to survive peer review. BMJ Books, 2002 (https://www.bmj.com/sites/default/files/attachments/resources/2011/07/wager.pdf)

Ivan Valiela: Doing Science. Design, Analysis, and Communication of Scientific Research. Oxforf U.P., 2010 (UAB Library access: https://www.proquest.com/docview/225682342/fulltextPDF/78D103AE31394973PQ/3?accountid=15292&sourcetype=Trade%20Journals)

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

 

Tractament de dades

Milton JS. Estadística para biología y cienciasde la salud. 3a. Edición. Madrid: Interamericana. McGraw-Hill, 2001.

Daniel WW. Bioestadística. Base para el análisis de las ciencias de la salud. 4a Edición. Limusa Wiley, 2002.

Cuadras CM. Fundamentos de estadística: aplicación a las ciencias humanas. Barcelona: EUB, 1996.

Sentís J, Pardell H, Cobo E, Canela J. Manual de Bioestadística. 3a. Edición. Barcelona: Masson, 2003.

Armitage PG, Berry G, Matthews JNS. 2002. Statistical methods in medical research. Oxford: Blackwell Science Limited.

webs:

http://www.bioestadistica.uma.es/libro/

http://www.hrc.es/bioest/M_docente.html

http://davidmlane.com/hyperstat/index.html

 https://www.equator-network.org

Simuladors:

http://web.udl.es/usuaris/q3695988/wenessim/Pagines/index.htm

http://www.uco.es/simulaciones_estadisticas/index.php?menu=simula

Programari:

The jamovi project (2023). jamovi (Version 2.3) [Computer Software]. Retrieved from https://www.jamovi.org , accessed 2024-07-04

Program of the Girona Heart Registry (REGICOR), IMIM, Barcelona. GranMo. https://www.datarus.eu/en/applications/granmo/ , accessed 2024-07-04

Bulus, M. (2023). pwrss: Statistical Power and Sample Size Calculation Tools. R package version 0.3.1. https://CRAN.R-project.org/package=pwrss

Bulus, M., & Polat, C. (2023). pwrss R paketi ile istatistiksel güç analizi [Statistical poweranalysis with pwrss R package]. Ahi Evran Üniversitesi Kırşehir Eğitim Fakültesi Dergisi, 24(3), 2207-2328. https://doi.org/10.29299/kefad.1209913 , accessed 2024-07-04


Programari

Per a la part de tractament de dades es farà servir JAMOVI, GranMo, pwrss


Grups i idiomes de l'assignatura

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
(SEMm) Seminaris (màster) 1 Anglès primer quadrimestre matí-mixt
(SEMm) Seminaris (màster) 2 Anglès primer quadrimestre matí-mixt
(TEm) Teoria (màster) 1 Anglès primer quadrimestre matí-mixt