Logo

Big Data y Visualización de Datos

Código: 106675
Créditos: 6
2026/2027
Titulación Tipo Curso
Comunicación de las Organizaciones OP 4

Profesor/a de contacto

Nombre :
Miguel Angel Martin Pascual
Correo electrónico :
miguelangel.martin@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Conocimientos básicos de estadística. Rudimentos de diseño. Conocimientos de inglés para las prácticas, lecturas y visionados.

Objetivos

Entender la importancia de los datos masivos con ejemplos. Adquirir criterio de análisis de visualizaciones de datos. Poder establecer narrativas con gráficos creativas, atractivas y veraces. 

Resultados de aprendizaje

  1. Encontrar lo sustancial y relevante en documentos de la asignatura.
  2. Exponer por escrito y oralmente la síntesis de los análisis realizados.
  3. Generar ideas creativas en su entorno de desarrollo profesional.
  4. Aceptar la discrepancia y no menospreciar a otras personas, colectivos o instituciones por razón ideológica, de raza, género, discapacidad, etc.
  5. Presentar los trabajos de la asignatura en los plazos previstos y con calidad manifiesta, lo que implica tener en cuenta el trabajo individual y grupal.
  6. Trabajar de forma autónoma y, a partir del conocimiento adquirido, resolver los ejercicios planteados y realizar las interpretaciones de los datos.
  7. Aplicar los conocimientos sobre los mecanismos de investigación para crear un trabajo académico solvente, exponiendo, argumentando y justificando los resultados obtenidos.
  8. Proponer nuevos métodos o soluciones alternativas fundamentadas.
  9. Proponer proyectos y acciones que incorporen la perspectiva de género.
  10. Comunicar haciendo un uso no sexista ni discriminatorio del lenguaje.
  11. Proponer proyectos y acciones viables que potencien los beneficios sociales, económicos y medioambientales.
  12. Valorar el impacto de las dificultades, los prejuicios y las discriminaciones que pueden incluir las acciones o proyectos, a corto o largo plazo, en relación con determinadas personas o colectivos.
  13. Explicar el código deontológico, explícito o implícito, del ámbito de conocimiento propio.
  14. Planificar y ejecutar proyectos académicos en el ámbito del Big data.
  15. Compartir las experiencias en grupo como forma de aprendizaje para trabajar posteriormente en grupos mutidisciplinares.
  16. Adaptarse a los procesos de producción de la información y a las rutinas profesionales de la organización en relación al Big data y visualización de datos.
  17. Elaborar todo tipo de mensajes y documentos para ser incluidos en los propios medios de la organización para sus públicos internos y externos desde el Big data y la visualización de datos.
  18. Establecer objetivos de comunicación a través del Big data.
  19. Preparar las acciones comunicativas para los públicos internos y externos de la organización a través del Big data y la visualización de datos.
  20. Aplicar el Big data y la visualización de datos para la elaboración de un plan de comunicación que incluya la comunicación interna y externa de las organizaciones.
  21. Aplicar el Big data a análisis de casos concretos para una correcta planificación de la comunicación interna y externa de las organizaciones.
  22. Elaborar proyectos de comunicación de distinta índole a partir del Big data teniendo en cuenta las características de la organización.
  23. Aplicar la deontología profesional en la elaboración de los trabajos de la asignatura.
  24. Demostrar conciencia ética en la aplicación y la gestión del Big data y la visualización de datos para mejorar las actividades de las organizaciones en su ámbito geográfico de desarrollo.

Contenidos

Los contenidos de la asignatura incluyen:

  • Datos, Datos grandes, Datos grandes grandes.
  • Historia, fuentes, tipos, herramientas.
  • Percepción de datos, color y atención visual.
  • Narrativa, arte y análisis en los datos.
  • Prácticas, recursos y proyectos.


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

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Proyectos, visionados y lecturas 81 3,24 2, 5, 6, 7, 14, 15, 18, 24
Tutorías 12 0,48 2, 5, 6, 9, 13, 14, 18
Clases 30 1,2 4, 8, 9, 10, 11, 13, 15, 16, 18, 23
Seminarios 15 0,6 1, 2, 3, 4, 5, 6, 7, 10, 14, 15, 24

Se realizarán clases de presentación de contenidos, seminarios con casos específicos y proyectos prácticos.

El calendario detallado con el contenido de las diferentes sesiones se expondrá el día de presentación de la asignatura. Se colgará también en el Campus Virtual donde el alumnado podrá encontrar la descripción detallada de los ejercicios y prácticas, los diversos materiales docentes y cualquier información que el profesorado considere pertinente para el adecuado seguimiento de la asignatura.

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
Trabajos prácticos 50% 3 0,12 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 14, 15, 16, 19, 20, 21
Examen 30% 2 0,08 1, 2, 7, 10, 12, 13, 23
Seminarios 20% 7 0,28 2, 5, 6, 7, 8, 10, 15, 17, 18, 22, 24

Las actividades de evaluación son:

• Examen (30%)

• Seminarios (20%)

• Trabajos prácticos (50%)

Es imprescindible aprobar el examen y los trabajos prácticos para aprobar la asignatura.

El alumnado tendrá derecho a la recuperación de la asignatura si ha sido evaluado del conjunto de actividades, el peso de las cuales sea de un mínimo de 2/3 partes de la calificación total de la asignatura. Para poder presentarse a la recuperación de la asignatura, será́ necesario haber obtenido una nota media de 3,5. Las actividades que quedan excluidas del proceso de recuperación son los seminarios.


Esta asignatura no prevé el sistema de evaluación única.

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 de identificar claramente las partes que han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso y el resultado final de la actividad. La no transparencia del uso de la IA en esta actividad evaluable se considerará falta de honestidad académica y puede comportar una penalización parcial o total enla nota de la actividad, o sanciones mayores en caso de gravedad.


La realización de cualquier irregularidad en un acto de evaluación (fraude académico, plagio o uso indebido de la IA, salvo que este uso esté autorizado expresamente a la guía docente), que pueda conducir a una variación significativa de la calificación, supone que este acto se calificará con un 0. En caso de que la guía docente prevea que para superar la asignatura sea requisito imprescindible haber obtenido una nota mínima en este acto de evaluación o que se produzcan varias irregularidades en los actos de evaluación de una misma asignatura, la calificación final de esta asignatura es 0. Al margen de esto, se podrá instruir un proceso disciplinario al estudiante que incurra en alguna de estas irregularidades.


A cualquier estudiante del que se sospeche que ha presentado un trabajo generado por IA, elaborado por parte de otras personas o copiado; que incluya contenido generado por IA sin citar las fuentes, o que se salga de los supuestos permitidos, se le podrá solicitar que facilite el trabajo preparatorio u otros materiales que demuestren que se trata de un trabajo original y fruto de su propia autoría. También se le podrá pedir que explique o justifique su trabajo por separado. El profesorado también podrán utilizar sistemas de detección de IA o llevar a cabo las tareas de comprobación que considere oportunas. Si, tras la revisión, se determina que se han producido irregularidades, el trabajo podrá ser calificado con un cero y el estudiante podrá ser objeto de medidas disciplinarias adicionales.

Bibliografía

A lo largo de la asignatura se darán otros recursos que se sumarán a esta bibliografía.

CAIRO, Alberto. (2011). El arte funcional: infografía y visualización de información. Alamut.

KNAFLIC, Cole Nussbaumer (2015). Storytelling with Data: A Data Visualization Guide for Business Professionals. John Wiley & Sons.

ONTIVEROS, Emilio, LÓPEZ SABATER, Verónica, ed. Economía de los datos. Madrid: Fundación Telefónica; Barcelona: Ariel, D.L. 2018. [Consulta 11-05-2019].

https://www.fundaciontelefonica.com/arte_cultura/publicaciones-listado/pagina-itempublicaciones/itempubli/624/

TORRES I VIÑALS, Jordi (2012). Del cloud computing al big data: visión introductoria para jóvenes emprendedores. Barcelona: UOC. [Consulta 24-07-2019]. https://campusvirtual.ull.es/ocw/mod/resource/view.php?id=6168&forceview=1

TUFTE, Edward R. (2001) 2nd ed. The visual display of quantitative information. Graphics Press

Software

En esta asignatura el alumnado tiene libertad para usar aquel software que mejor se adapte a sus necesidades y capacidades técnicas. En los casos en los que se proponga el trabajo con un software determinado, será con softwares gratuitos, que se presentarán en las sesiones docentes.

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 7 Español primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 71 Español primer cuatrimestre tarde