Sistemes d'Informació i Ciència de Dades en Humanitats
Codi: 45517 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| Humanitats i Patrimoni Digitals | OP | 1 |
Professor/a de contacte
- Nom:
- Juan Antonio Barceló Álvarez
- Correu electrònic:
- juanantonio.barcelo@uab.cat
Equip docent
- David Merino Recalde
- Ermengol Gassiot Ballbe
- Alessando Ravotto
- Xavier Roda Gilabert
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
No es requereixen coneixements previs d'informàtica o programació, tret de familiaritat amb equips informàtics a nivell d' usuari avançat. Els coneixements previs en matemàtics son els propis de l' ensenyament secundari obligatori.
Es aconsellable una certa familiaritat amb temes humanístics i/o culturals.
Coneixements d' anglès que permeti la lectura de textos.
Objectius
L’assignatura introdueix l’alumnat en la gestió de la informació i en la Ciència de Dades, tot discutint la teoria, la tècnica i la tecnologia de les bases de dades relacionals i els llenguatges d’interrogació estructurada més habituals. S’hi exposen les ontologies de referència en el món cultural (CIDOC-CRM) i el seu ús en la indexació i la catalogació de dades culturals. Es discuteix l’aplicació d’aquests sistemes d’informació en museus i arxius.
L’assignatura també introdueix l’alumnat en l’ús de Sistemes d’Informació Geogràfica, en l’anàlisi estadística i en la mineria de dades mitjançant tècniques d’aprenentatge automàtic.
Resultats d'aprenentatge
- CA13 (Competència) Analitzar els límits i inconvenients de dissenys concrets de sistemes de gestió de la informació.
- CA13 (Competència) Analitzar els límits i inconvenients de dissenys concrets de sistemes de gestió de la informació.
- CA14 (Competència) Explicar el funcionament de sistemes de gestió de la informació digital que aportin solucions concretes a problemes derivats de l'ús públic i l'accés obert.
- CA15 (Competència) Investigar sobre procediments de gestió i processament de la informació cultural i humanística amb perspectiva de gènere.
- KA17 (Coneixement) Identificar les tecnologies digitals més apropiades per a la indexació i la catalogació de la informació humanística i cultural.
- KA18 (Coneixement) Identificar els principis de funcionament de les tècniques estadístiques i d'aprenentatge automàtic (intel·ligència artificial) més eficients per al processament de les dades culturals i humanístiques.
- SA19 (Habilitat) Aplicar eines d'edició digital de textos per a fer-ne el marcatge semàntic.
- SA20 (Habilitat) Aplicar ontologies específiques de temes culturals, aprovades per la UNESCO i altres organismes internacionals, en el disseny de bases de dades i sistemes de gestió de la informació cultural.
- SA21 (Habilitat) Dissenyar sistemes per a la gestió informatitzada de documents, la indexació, la catalogació i la consulta.
- SA22 (Habilitat) Fer servir tècniques estadístiques, aprenentatge automàtic i mineria de dades per al processament de dades en l'àmbit cultural i humanístic.
Continguts
Introducció a les bases de dades i al model relacional
Intercanvi de dades culturals. Metadades: Dublin Core, EUROPEANA (EDM), CIDOC-CRM i altres
Pràctiques amb bases de dades arqueològiques
Pràctiques amb bases de dades textuals
Pràctiques amb bases de dades d’imatges
Sistemes d’Informació Geogràfica
Anàlisi de dades i estadística
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Asistència a demostracions pràctiques de programari informàtic dirigides pel professorat | 18 | 0,72 | CA14, CA15, KA17, KA18, SA19, SA20, SA21, SA22 |
| Assistència a classes teòriques impartides pel professorat | 18 | 0,72 | CA14, CA15, KA17, KA18 |
| Tipus: Supervisades | |||
| Prácticas de aula y de laboratorio informático | 34 | 1,36 | CA13, CA14, CA15, KA17, KA18, SA19, SA20, SA21, SA22 |
| Tipus: Autònomes | |||
| Estudi personal. Consulta bibliogràfica. Práctiques adicionals | 60 | 2,4 | CA13, CA14, CA15, KA17, KA18, SA19, SA20, SA21, SA22 |
Assistència a classes teòriques dirigides pel/la professor/a.
Assistència a sessions de seminaris i pràctiques amb ordinadors i programari específic dirigides pel/la professor/a.
Les classes s’imparteixen en una aula especial d’informàtica.
Lectura comprensiva de textos.
L’estudiant haurà de dedicar un esforç autònom a la consulta de bibliografia especialitzada. Part de la documentació està en anglès.
Exercicis pràctics amb ordinador de manera autònoma.
Debats a classe, moderats pel professorat, sobre els temes més rellevants.
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 |
|---|---|---|---|---|
| Avaluació d' exercicis pràctics demanats pel professorat | 40% | 10 | 0,4 | CA13, CA14, CA15, KA17, KA18, SA19, SA20, SA21, SA22 |
| Presentació d' un text critic utilitzant Intel.ligència Artificial Generativa | 30% | 5 | 0,2 | CA13, CA15, SA21 |
| Presentació de comentaris de text sobre bibliografia recomenada | 30% | 5 | 0,2 | CA13, CA14, CA15, KA17, KA18, SA21, SA22 |
La metodologia d’avaluació d’aquest màster es basa en la participació activa i reflexiva de l’alumnat. Es valoraran les seves habilitats analítiques mitjançant l’avaluació d’exercicis pràctics amb programari informàtic demanat pel professorat. A més, també es demanaran comentaris sobre articles i referències bibliogràfiques.
Al final del curs, l’alumnat haurà de preparar resums crítics de diferents tecnologies, expressant i argumentant criteris de bones pràctiques.
Un altre component clau de l’avaluació serà una tasca crítica que implicarà l’ús d’eines d’Intel·ligència Artificial Generativa, aplicades a un dels temes tractats durant el curs. Aquesta tasca haurà d’incloure una reflexió sobre les limitacions i el potencial d’aquestes tecnologies dins del camp de les Humanitats Digitals. Els detalls específics sobre el format, els criteris i els terminis es donaran i es discutiran a classe pel professorat.
No es permet l’avaluació única.
En el moment de realitzar cada activitat d’avaluació, el professor o professora informarà l’alumnat (mitjançant Moodle) sobre el procediment i la data de revisió de qualificacions.
Procediment de recuperació: només la tasca final (resum crític) serà susceptible de recuperació. Aquesta decisió es prendrà cas per cas després d’una entrevista personal entre l’estudiant i el professorat.
La data de lliurament per a la recuperació també es fixarà cas per cas i de mutu acord entre el professorat i l’estudiant.
L’estudiant rebrà la qualificació de "No avaluable" si no lliura cap dels exercicis demanats.
Si un o una estudiant comet alguna irregularitat que pugui alterar de manera significativa la qualificació d’una activitat d’avaluació, aquesta activitat es qualificarà amb un 0, amb independència de qualsevol procés disciplinari que es pugui iniciar. Si es produeixen diverses irregularitats en les activitats d’avaluació d’una mateixa assignatura, la qualificació final serà de 0.
Aquest curs recomana l’ús de tecnologies d’Intel·ligència Artificial (IA) com a part integral del desenvolupament de les tasques, sempre que el resultat final reflecteixi una aportació significativa de l’estudiant en termes d’anàlisi i reflexió personal. L’estudiant haurà de: (i) identificar quines parts han estat generades amb IA; (ii) especificar les eines utilitzades; i (iii) incloure una reflexió crítica sobre com aquestes eines han influït en el procés i en el resultat final de l’activitat.
La manca de transparència en l’ús de la IA en aquesta activitat avaluable serà considerada una falta d’honestedat acadèmica i es penalitzarà amb una qualificació de 0 sense possibilitat de recuperació, o amb sancions més greus en casos greus.
Bibliografia
Detailed references will be presented thorugh UAB Virtual Campus-MOOC.
Main general references:
Bruseker, G., Carboni, N., & Guillem, A. (2017). Cultural heritage data management: the role of formal ontology and CIDOC CRM. Heritage and archaeology in the digital age: acquisition, curation, and dissemination of spatial cultural heritage data, 93-131.
Burrough, P. A., McDonnell, R. A., & Lloyd, C. D. (2015). Principles of geographical information systems. Oxford university press.
Carlson, D. L. (2017). Quantitative methods in archaeology using R. Cambridge University Press.
Drennan, R. D. (2010). Statistics for archaeologists. New York: Springer.
Dritsou, V. (2024). Introduction to Cultural Heritage Data Modelling—with a focus on Europeana Data Model. DARIAH-Campus.
Foster, E., & Godbole, S. (2022). Database systems: a pragmatic approach. Auerbach Publications.
Hyvönen, E. (2012). Publishing and using cultural heritage linked data on the semantic web (Vol. 3). Morgan & Claypool Publishers.
Isaac, A., Fernie, K., Bachi, V., Tsoupra, E., Medici, M., Alkemade, H., ... & Heslinga, L. (2024). Making the Europeana Data Model a Better Fit for Documentation of 3D Objects. In 3D Research Challenges in Cultural Heritage V: Paradata, Metadata and Data in Digitisation (pp. 63-74). Cham: Springer Nature Switzerland.
Kennedy, M. (2009). Introducing geographic information systems with ARCGIS: a workbook approach to learning GIS. John Wiley & Sons.Oldman, D., & Labs, C. R. M. (2014). The CIDOC Conceptual Reference Model (CIDOC-CRM): primer. CIDOC-CRM official web site.
O’Neill, B., & Stapleton, L. (2022). Digital cultural heritage standards: from silo to semantic web. AI & society, 37(3), 891-903.
Otto, B., Ten Hompel, M., & Wrobel, S. (2022). Designing data spaces: The ecosystem approach to competitive advantage (p. 580). Springer Nature.Ranjgar, B., Sadeghi-Niaraki, A., Shakeri, M., Rahimi, F., & Choi, S. M. (2024). Cultural heritage information retrieval: past, present and future trends. IEEE Access.
Rockoff, L. (2021). The language of SQL. Addison-Wesley Professional.
Ruthven, I., & Chowdhury, G. G. (Eds.). (2015). Cultural heritage information: Access and management (Vol. 1). Facet publishing.
Silva, A. L., & Terra, A. L. (2024). Cultural heritage on the semantic web: The europeana data model. IFLA journal, 50(1), 93-107.
Yu, J. X., Chang, L., & Qin, L. (2022). Keyword search in databases. Springer Nature.
Programari
MySQL. https://www.mysql.com/
MongoDB. https://www.mongodb.com/
QGIS. https://qgis.org/
PAST 5. https://www.nhm.uio.no/english/research/resources/past/
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 | Espanyol | segon quadrimestre | tarda |