
Tècniques de recerca
Codi: 101102Crèdits: 6
| Titulació | Tipus | Curs |
|---|---|---|
| Ciència Política i Gestió Pública | OB | 3 |
Professor/a de contacte
- Nom :
- Danislava Milkova Marinova
- Correu electrònic :
- dani.marinova@uab.cat
Equip docent
- Juan Pérez Rajó
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
És imprescindible haver aprovat l’assignatura obligatòria de Metodologia de l’Anàlisi Política de segon de grau.
Objectius
Aquesta assignatura és la tercera i més avançada de la seqüència d'anàlisi de dades del grau, i es construeix directament sobre les bases establertes a Introducció a l'Anàlisi de Dades i Metodologia de l'Anàlisi Política. Mentre que les assignatures anteriors van introduir l'estudiantat en el tractament i la descripció de dades i en la lògica de la inferència i la regressió bivariada, l'objectiu d'aquesta assignatura és que l'estudiantat ampliï les seves eines analítiques i aprengui a aplicar de manera autònoma un conjunt més ampli de tècniques de recerca en ciències socials.
La primera part del curs desenvolupa la regressió lineal més enllà del cas bivariat (anàlisi de la variància, regressió amb variables independents nominals, regressió múltiple i interaccions) i aborda la gestió avançada de dades (reestructuració, combinació i fusió) i la construcció crítica de mesures, inclosos els índexs compostos. La segona part se centra en la recerca aplicada mitjançant enquestes, amb especial atenció al mostreig, la ponderació i els efectes de disseny implicats en l'anàlisi de microdades reals, així com en la comunicació i difusió de resultats mitjançant informes tècnics. El curs tanca amb una panoràmica d'altres famílies de models i una introducció a la inferència causal i l'avaluació d'impacte, per tal que l'estudiantat pugui aprofundir-hi pel seu compte.
Al llarg del curs prioritzem la formació pràctica i la interpretació i presentació de resultats per damunt de les qüestions matemàtiques, consolidem l'ús del llenguatge de computació estadística R a través de l'RStudio, i treballem amb dades reals de rellevància social i política, tot fomentant un ús crític i responsable de les dades obertes.
Resultats d'aprenentatge
- Sintetitzar i analitzar informació de manera crítica.
- Interpretar i utilitzar acadèmicament textos en anglès.
- Argumentar des de diferents perspectives teòriques.
- Treballar amb tècniques quantitatives i qualitatives d'anàlisi per aplicar-les en els processos de recerca.
- Utilitzar les principals tècniques de la informació i la documentació (TIC) com a eina essencial en l'anàlisi.
- Demostrar un bon nivell d'expressió escrita en diferents registres.
- Mostrar una bona capacitat per transmetre informació, diferenciant els missatges clau per als diferents destinataris.
- Fer exposicions orals efectives i adaptades a l'audiència.
- Gestionar la distribució del temps disponible per assolir els objectius establerts per portar a terme la tasca prevista.
- Treballar autònomament.
- Dissenyar tècniques per a la recollida de dades, coordinar el tractament de la informació i aplicar rigorosament mètodes de verificació d'hipòtesis.
- Dissenyar i planificar una recerca en l'àmbit de la ciència política.
- Valorar críticament l'ús dels mètodes inductiu, deductiu i comparatiu.
- Valorar críticament l'ús de l'instrumental analític per a la validació de les hipòtesis plantejades.
- Demostrar que es comprèn la lògica de l'anàlisi científica aplicada a les ciències polítiques.
- Utilitzar els fonaments metodològics en les ciències polítiques.
- Desenvolupar un pensament i un raonament crític i saber comunicar-se de manera efectiva, tant en les llengües pròpies com en una tercera llengua.
- Desenvolupar estratègies d'aprenentatge autònom.
- Actuar amb responsabilitat ètica i amb respecte pels drets i deures fonamentals, la diversitat i els valors democràtics.
- Introduir canvis en els mètodes i els processos de l'àmbit de coneixement per donar respostes innovadores a les necessitats i demandes de la societat.
- Actuar en l'àmbit de coneixement propi valorant l'impacte social, econòmic i mediambiental.
- Actuar en l'àmbit de coneixement propi avaluant les desigualtats per raó de sexe/gènere.
- Analitzar bases de dades polítiques utilitzant en cada cas les tècniques bàsiques apropiades de l'estadística descriptiva i l'estadística inferencial.
- Aplicar les tècniques estadístiques corresponents als diferents estudis de cas i interpretar els resultats obtinguts.
- Fer servir eines informàtiques per recollir, importar, manipular, visualitzar, descriure i modelar dades de tota mena i presentar-ne els resultats.
Continguts
- Regressió bivariada amb variable independent contínua (repàs)
- ANOVA: d'un factor i factorial
- Regressió amb variable independent nominal
- Regressió múltiple
- Interaccions (moderació) i la distinció amb la mediació
- Gestió de dades: reestructuració, combinació i fusió de bases de dades
- Mostreig, ponderació i efectes de disseny en l'anàlisi de microdades amb R
- Construcció d'índexs compostos
- Comunicació i difusió de resultats amb informes tècnics
- Panoràmica d'altres famílies de models
- Models per a la inferència causal i l'avaluació d'impacte
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Activitats expositives | 30 | 1,2 | |
| Exercicis i pràctiques a laula | 19,5 | 0,78 | |
| Estudi | 83,5 | 3,34 | |
| Tutories | 15 | 0,6 |
Les sessions presencials inclouen dos tipus d'activitats:
- Activitats expositives per part del professorat. En aquestes sessions es presenten els fonaments teòrics i metodològics de cada bloc temàtic (regressió bivariada i múltiple, ANOVA, interaccions, gestió i fusió de bases de dades, mostreig i ponderació, construcció d'índexs compostos, models per a la inferència causal, entre d'altres), il·lustrats sempre amb exemples aplicats i amb el programari estadístic R.
- Resolució d'exercicis i pràctiques a l'aula. Es tracta de sessions de caràcter eminentment aplicat, realitzades amb ordinador, en les quals l'alumnat treballa amb conjunts de dades reals o simulades per posar en pràctica els conceptes presentats a les sessions expositives, amb el suport i la supervisió directa del professorat. Aquestes sessions permeten una retroalimentació immediata sobre l'ús del programari R i la interpretació dels resultats, i donen lloc als petits lliuraments avaluables corresponents.
Més enllà de les sessions presencials, l'alumnat ha de dedicar temps de treball autònom a:
- L'estudi i consolidació dels continguts teòrics, necessari per afrontar l'examen parcial i l'examen final.
- El desenvolupament progressiu, en grups de dues persones, de la pràctica en grup, que comporta la recollida o fusió original de dades, l'anàlisi mitjançant una regressió múltiple amb interacció (o un model equivalent) i l'elaboració d'un informe tècnic de resultats. Aquest treball es desenvolupa al llarg del curs i pot comptar amb el seguiment del professorat mitjançant tutories o consultes a l'aula durant les sessions pràctiques.
Aquesta combinació d'exposició teòrica, pràctica guiada a l'aula i treball autònom (individual i en grup) busca garantir que l'alumnat no només conegui els mètodes estadístics presentats, sinó que sigui capaç d'aplicar-los de manera autònoma amb R, tal com s'exigeix a les proves d'avaluació.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Examen final | 45% | 0,5 | 0,02 | 1, 2, 3, 6, 7, 9, 10, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25 |
| Examen parcial | 35% | 0,5 | 0,02 | 1, 2, 3, 4, 6, 7, 8, 9, 10, 14, 15, 16, 17, 23, 24, 25 |
| Exercicis i pràctiques a l'aula | 20% | 1 | 0,04 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25 |
Avaluació
L'avaluació es realitzarà a partir dels resultats de les activitats següents:
- Exercicis i pràctiques a l'aula (20% de la nota final). Al llarg del curs es realitzaran diversos exercicis i pràctiques a l'aula, cadascun dels quals comporta un petit lliurament al final de la sessió. L'assistència a la sessió és obligatòria per poder ser avaluat/ada de l'activitat corresponent: no s'acceptaran lliuraments de qui no hi hagi assistit, ni fora del termini establert. Aquesta activitat no és recuperable, excepte en casos degudament justificats per motius mèdics o per força major.
- Examen parcial (35% de la nota final). Prova escrita amb ordinador, amb accés al material del curs, sobre la primera meitat del temari. Aquesta activitat no és recuperable, excepte en casos degudament justificats per motius mèdics o per força major.
- Examen final (45% de la nota final). Prova escrita sobre el conjunt del temari. No es permetrà consultar cap material d'ajuda.Aquesta activitat no és recuperable, excepte en casos degudament justificats per motius mèdics o per força major.
Els exàmens i els exercisis no són recuperables, excepte en casos degudament justificats per motius mèdics o per força major. L’alumnat que necessiti recuperar una pràctica o l'examen parcial ho farà el dia establert per la Facultat per a la prova de recuperació.
Per superar l'assignatura, cal complir tots tres requisits següents:
- Haver estat avaluat/ada en un conjunt d'activitats que representin com a mínim el 50% de la qualificació total,
- Obtenir una qualificació global igual o superior a 5, i
- Obtenir una qualificació mitjana als exàmens (parcial i final) igual o superior a 4.
Recuperació
L’examen de recuperació es qualifica com a apte o no apte. Si l’estudiant aprova l’examen, rebrà una nota final de 5 a l’assignatura.
Per accedir a la recuperació és necessari:
- Haver estat avaluat/ada en un conjunt d’activitats que representin com a mínim el 50% de la qualificació total, i
- Tenir una qualificació global igual o superior a 3,5.
Prova de síntesi
Segons l’article 117.2 de la Normativa Acadèmica de la UAB, l’alumnat repetidor podrà acollir-se, si així ho decideix el professorat, a una prova única de síntesi. Podran seguir la prova de síntesi només aquelles persones que hagin obtingut el permís del professorat a principis de curs (abans d'octubre).
La prova de síntesi consistirà en els següents apartats, amb el seu corresponent pes a la nota final de l'assignatura:
- Examen final: 50%
- Pràctica: 20%. S'haurà de lliurar el dia de l'examen final.
- Defensa oral de la pràctica: 30%. Es farà el dia de l'examen final.
Avaluació única
Aquesta assignatura no admet avaluació única, tal com va establir la Junta de Facultat, ja que l’assistència regular a classe és indispensable per assolir els objectius docents.
Ús de l'IA
L’ús d’eines d’intel·ligència artificial (IA) pot ser útil en el context d’un curs d’estadística aplicada, especialment per detectar errors de sintaxi o identificar possibles millores en el codi. No obstant això, aquestes eines no poden substituir l’estudi autònom ni la comprensió real del codi per part de l’estudiant. L’objectiu del curs és que l’alumnat entengui i sigui capaç d’aplicar els mètodes estadístics per si mateix.
Altres consideracions
El lliurament de qualsevol activitat o la presentació a una prova eximeix l’estudiant de la qualificació de “No avaluable”.
No es programaran exàmens finals ni proves de recuperació fora de les dates oficials establertes per la Facultat. Igualment, les proves d’avaluació continuada es realitzaran exclusivament en les dates fixades pel professorat.
Qualsevol irregularitat en un acte d'avaluació (frau acadèmic, plagi o ús indegut de la IA, llevat que aquest ús estigui expressament autoritzat a la guia docent), que pugui comportar una variació significativa de la nota, farà que aquest examen o treball es qualifiqui amb un 0. En cas que la guia docent prevegi que per aprovar l'assignatura és requisit imprescindible haver obtingut una nota mínima en aquesta avaluació o que es produeixin diverses irregularitats en els actes d'avaluació de la mateixa assignatura, la nota final d'aquesta assignatura serà de 0. A part d'això, es pot iniciar un procés disciplinari contra l'estudiant que incorri en alguna d'aquestes irregularitats. El professorat es reserva el dret de realitzar exàmens orals o una prova alternativa per tal de comprovar l'adquisició efectiva de coneixements i habilitats i, per tant, la validesa de les proves d'avaluació realitzades pels estudiants.
Bibliografia
Bàsica
- Çetinkaya-Rundel, Mine, & Johanna Hardin. 2021. Introduction to Modern Statistics. OpenIntro. Accessible a: openintro-ims.netlify.app.
- Mas Elias, Jordi. 2020. Análisis de Datos con R en Estudios Internacionales. Barcelona: Editorial UOC. Es pot consultar a través del servei ARE: https://login.are.uab.cat/login?url=https://login.are.uab.cat/login?url=https://elibro.net/es/ereader/uab/167261
- Complementària
- Chang, Winston. 2018. R Graphics Cookbook: Practical Recipes for Visualizing Data. Second edition. Beijing; Boston: O’Reilly. Accessible a: 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. Accessible a: 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. Accessible a: r4ds.had.co.nz. Versió en espanyol: es.r4ds.hadley.nz.
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre. 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
| Tipus de docència | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (TE) Teoria | 1 | Català | primer quadrimestre | matí-mixt |
| (SEM) Seminaris | 1 | Català | primer quadrimestre | matí-mixt |
| (TE) Teoria | 51 | Català | primer quadrimestre | tarda |
| (SEM) Seminaris | 51 | Català | primer quadrimestre | tarda |