Logo

Análisis de Audiencias Digitales

Código: 104996
Créditos: 6
2026/2027
Titulación Tipo Curso
Periodismo OP 3

Profesor/a de contacto

Nombre :
María Victoria Mas
Correo electrónico :
maria.victoria@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Es necesario que el estudiantado esté mínimamente familiarizado en el uso de plataformas sociales y medios digitales. Buena parte de la bibliografía es en inglés por lo que también es necesario un buen nivel de lectura en esta lengua.

Objetivos

El principal objetivo de la asignatura Análisis de Audiencias Digitales es que el alumnado obtenga el conocimiento básico sobre el comportamiento y la actividad de las audiencias digitales en el ámbito del periodismo y de la comunicación, aspecto esencial desde el punto de vista profesional.
Los objetivos específicos son:

  • Conocer el contexto y los factores que condicionan la actividad y el análisis de las audiencias en el ámbito del periodismo y los medios digitales.
  • Desarrollar capacidad crítica para interpretar y evaluar datos de audiencia en el contexto digital.
  • Adquirir las técnicas y conocimientos específicos necesarios para el análisis de audiencias usando diferentes metodologias y perspectivas.

Resultados de aprendizaje

  • CM33 (Diseñar estrategias de contenidos digitales innovadores y adaptados a la transformación del ecosistema mediático, asegurando su sostenibilidad.) Diseñar estrategias de contenidos digitales innovadores y adaptados a la transformación del ecosistema mediático, asegurando su sostenibilidad.
  • KM34 (Identificar las tendencias en la interacción de audiencias y análisis de métricas digitales, describiendo su impacto en la estrategia comunicativa.) Identificar las tendencias en la interacción de audiencias y análisis de métricas digitales, describiendo su impacto en la estrategia comunicativa.
  • SM36 (Utilizar herramientas de análisis de audiencias digitales para optimizar la gestión de contenidos en medios y plataformas de comunicación.) Utilizar herramientas de análisis de audiencias digitales para optimizar la gestión de contenidos en medios y plataformas de comunicación.
  • SM37 (Desarrollar metodologías de gestión y curación de contenido digital, asegurando la calidad, precisión y accesibilidad del material informativo.) Desarrollar metodologías de gestión y curación de contenido digital, asegurando la calidad, precisión y accesibilidad del material informativo.

Contenidos

  1. El concepto de audiencia
  2. Conceptos teóricos básicos
  3. De la audiencia activa a la audiencia social i participativa
  4. Bases para el análisis de audiencias digitales
  5. Relación de los medios de comunicacin con la audiencia digital
  6. Plataformización de los medios
  7. La participación de la audiencia y las comunidades digitales
  8. Redes y acciones colectivas
  9. Métodos de análisis de audiencias digitales
  10. Métodos user-centric
  11. Métodos site-centric y analítica web
  12. Análisia de xarxes socials y Social Listening
  13. Mèéricas digitales
  14. Métricas de volumen
  15. Métricas de engament contextual


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Estudio personal, preparación trabajo y actividades relacionadas con los seminarios 82,5 3,3 CM33, KM34, SM36, SM37
Seminarios 18 0,72 CM33, KM34, SM36, SM37
Prácticas trabajo en grupo 18,5 0,74 CM33, KM34, SM36, SM37
Tutorias 7,5 0,3 CM33, KM34, SM36, SM37
Clases teóricas 15 0,6 KM34

La metodología de esta asignatura incluye clases teóricas, ejercicios de análisis y debates en los seminarios y una parte práctica donde se desarrollará el proyecto final en grupo que consiste en el análisis e investigación de una tendencia actual de la audiencia digital a escoger por el estudiantado.


El calendario detallado con el contenido de las diferentes sesiones se expondrá el día de presentación de la asignatura y estará disponible en el Campus Virtual de la asignatura, donde el alumnado podrá encontrar los diversos materiales docentes que el profesorado estime convenientes y toda la información necesaria para el adecuado seguimiento de la asignatura. En caso de cambio de modalidad docente por motivos de fuerza mayor según las autoridades competentes, el profesorado informará de los cambios que se producirán en la programación de la asignatura y en las metodologías docentes.


Nota: El contenido de la asignatura será sensible a los aspectos relacionados con la perspectiva de género y con el uso del lenguaje inclusivo.

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
Prueba teòrica 30% 2 0,08 CM33, KM34, SM37
Seminarios 30% 3 0,12 CM33, KM34, SM36, SM37
Trabajo en grupo 40% 3,5 0,14 CM33, KM34, SM36, SM37

La asignatura consta de las siguientes actividades de evaluación:

  • Examen: 30 % de la calificación final.
  • Seminarios: 30 % de la calificación final.
  • Trabajo en grupo: 40 % de la calificación final.


Para aprobar la asignatura será necesario obtener una nota mínima de 5 en el examen.


Esta asignatura/módulo no contempla el sistema de evaluación única.


El alumnado tendrá derecho a la recuperación de la asignatura si ha sido evaluado del conjunto de actividades cuyo peso sea, como mínimo, de dos terceras partes de la calificación total de la asignatura.


El alumnado obtendrá la calificación de «no evaluable» cuando no haya entregado los seminarios ni se haya presentado al examen teórico.


Los seminarios (30 % de la calificación final) quedan excluidos del proceso de recuperación. La recuperación consistirá en un examen cuya nota hará media con la nota de los seminarios obtenida en la primera convocatoria.


En esta asignatura se permite el uso de tecnologías de Inteligencia Artificial (IA) como parte integrante del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del alumnado en el análisis y la reflexión personal. El alumnado deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso y en el resultado final de la actividad. La falta de transparencia en el uso de la IA se considerará una falta de honestidad académica y podrá comportar una penalización en la nota de la actividad o sanciones mayores en los casos más graves.

La realización de cualquier irregularidad en un acto de evaluación (fraude académico, plagio o uso indebido de la IA, salvo que dicho uso esté expresamente autorizado en la guía docente) que pueda conducir a una variación significativa de la calificación supondrá que dicho acto sea calificado con un 0. En caso de que la guía docente establezca como requisito imprescindible para superar la asignatura haber obtenido una nota mínima en dicho acto de evaluación, o de que se produzcan varias irregularidades en los actos de evaluación de una misma asignatura, la calificación final de la asignatura será de 0. Además, podrá instruirse un procedimiento disciplinario al estudiante que incurra en alguna de estas irregularidades.


A cualquier estudiante sospechoso de presentar tareas generadas por IA, elaboradas por otras personas o copiadas; que incluyan contenido generado por IA sin referenciar o que no se encuentren dentro de los supuestos permitidos, se le podrá solicitar el trabajo previo u otros materiales que puedan demostrar que se trata de un trabajo inédito y fruto de su autoría original. También se le podrá solicitar que explique o justifique por separado su trabajo. El profesorado podrá asimismo utilizar sistemas de identificación del uso de la IA o llevar a cabo las comprobaciones que considere oportunas. Si tras la revisión se detecta que se han cometido irregularidades, el trabajo podrá ser calificado con un cero y el estudiante podrá estar sujeto a otras medidas disciplinarias.

Bibliografía

Cardon, Dominique. (2018). Con qué sueñan los algoritmos: nuestros sueños en el tiempo de los big data. Madrid: Dado ediciones.

Craig, Jonathan (2017). Reinventing audience studies. Critical Studies in Media Communication, 34(1), 79-83. https://doi.org/10.1080/15295036.2016.1266680

González Neira, Ana & Quintas Froufe, Natalia (coords.) (2021). Los Estudios de la audiencia: de la tradición a la innovación. Barcelona: Gedisa Editorial.

Huertas Bailén, Amparo (2015). Yo soy audiencia : ciudadanía, público y mercado. Barcelona: Editorial UOC.

López García, Guillermo (2015). Periodismo digital : redes, audiencias y modelos de negocio. Salamanca: Comunicación Social.

Neira, Elena (2015). La otra pantalla. Redes sociales, móviles y la nueva televisión. Barcelona: Editorial UOC.

Perlado Lamo de Espinosa, Marta; Papí Gálvez, Natalia y Bergaz Portolés, María (coord) (2023). Audiencias y medios digitales: más allá del dato. Valencia: Tirant humanidades.

Quintas Froufe, Natalia & González Neira, Ana (2021). Evolución de la medición digital de la audiencia en el mercado español: estado de la cuestión y retos de futuro. Profesional de la información, 30(1). https://doi.org/10.3145/epi.2021.ene.02

Zeller, Frauke; Ponte, Cristina & O’Neill, Brian (eds.) (2017). Revitalising Audience Research: Innovations in European Audience Research. New York : Routledge.

Al largo del semestre se proporcionará bibliografía complementaria de cada tema.

Fuentes de datos relevantes:

Comscore https://www.comscore.com/esl/Productos/Audiencia-digital

Estudio General de Medios (EGM) realizado por la Asociación para la Investigación de Medios de Comunicación (AIMC) https://reporting.aimc.es/index.html#/main/cockpit

Informe Redes Sociales IAB Spain https://iabspain.es/estudio/estudio-de-redes-sociales-2024/

“Navegantes en la red” realizado por la Asociación para la Investigación de Medios de Comunicación (AIMC) https://www.aimc.es/otros-estudios-trabajos/navegantes-la-red/

OJD Interactiva https://www.ojdinteractiva.es/

Twitch Traker https://twitchtracker.com/

Software

Los programas y herramientas que utilizaremos durante el curso serán los siguientes:

  • Google Analytics
  • Tableau
  • Genially, Canva u otras herramientas para generar infografías y elementos visuales
  • Programas de texto y hojas de cálculo

Todos los programas utilizados serán de software libre o con cuentas gratuitas para el estudiantado.

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. 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

Tipo de docencia Grupo Idioma Semestre Turno
(TE) Teoría 1 Español primer cuatrimestre manaña-mixto
(PLAB) Prácticas de laboratorio 11 Español primer cuatrimestre manaña-mixto
(SEM) Seminarios 11 Español primer cuatrimestre manaña-mixto
(PLAB) Prácticas de laboratorio 12 Catalán primer cuatrimestre manaña-mixto
(SEM) Seminarios 12 Catalán primer cuatrimestre manaña-mixto