
Introducció a l'Anàlisi de Dades
Codi: 106737Crèdits: 6
| Titulació | Tipus | Curs |
|---|---|---|
| Ciència Política i Gestió Pública | FB | 1 |
Professor/a de contacte
- Nom :
- Guillem Rico Camps
- Correu electrònic :
- guillem.rico@uab.cat
Equip docent
- Rubén García Del Horno
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
Cap.
Objectius
L’objectiu del curs és familiaritzar l’estudiant amb la pràctica de l’anàlisi de dades. Els estudiants aprendran a obtenir, transformar i explorar dades per a formular i respondre preguntes. S’eviten les qüestions matemàtiques i es posa l’èmfasi en la formació pràctica i la interpretació i presentació de resultats. Alhora, es revisa l’ús de fulls de càlcul s’introdueix l’estudiant en l´ús del llenguatge de programació estadística R a través d’RStudio, amb l’objectiu de reforçar l’aprenentatge d’habilitats relacionades amb la gestió, descripció i visualització de dades, la reproductibilitat de l’anàlisi i la comunicació efectiva dels resultats. Al llarg del curs es treballarà amb dades reals i d’interès social i es fomentarà la utilització crítica i responsable de 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
1. Fonaments d’informàtica
2. Habilitats matemàtiques bàsiques
3. Dades: observacions, variables, marcs de dades
4. Explorar i descriure variables: visualització i resums numèrics
5. Explorar i descriure relacions entre variables
6. Obtenció de dades
7. Manipulació i gestió de dades
8. Comunicació i reproductibilitat
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Estudi, lectures, treballs | 83,5 | 3,34 | |
| Classes presencials: activitats expositives i resolució d'exercicis | 49,5 | 1,98 | |
| Tutories | 15 | 0,6 |
La majoria de les sessions combinen activitats expositives per part del professorat i la resolució d’exercicis i pràctiques a l’aula. S’espera que els estudiants facin ús d’un ordinador portàtil a classe.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Pràctiques i treballs | 45% | 0 | 0 | 1, 2, 3, 4, 5, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20, 23, 24, 25 |
| Examen final | 45% | 2 | 0,08 | 1, 4, 5, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20, 21, 22, 23, 24, 25 |
| Assistència a classe i exercicis a l'aula | 10% | 0 | 0 | 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 |
L’avaluació es realitzarà en funció dels resultats de les activitats següents:
- Assistència a classe i exercicis a l'aula (10%). Per aprovar un exercici, cal haver assistit a la sessió corresponent. No s’acceptaran lliuraments fora del termini fixat. Els estudiants que superin almenys el 70% dels exercicis obtindran la nota màxima en aquesta part de l’avaluació. Aquesta part de l’avaluació en cap cas és recuperable.
- Pràctiques i treballs (45%). Un mínim de 2 treballs i/o pràctiques avaluables. No s’acceptaran lliuraments fora del termini fixat. Aquesta part de l’avaluació en cap cas és recuperable.
- Examen final (45%). Una prova escrita sobre el contingut del curs, en la que no es permetrà consultar cap tipus de material d’ajuda.
Per superar l’assignatura, cal que es compleixin alhora tots els requisits següents:
- Haver estat prèviament avaluat en un conjunt d'activitats el pes de les quals equivalgui a un mínim de dues terceres parts de la qualificació total de l'assignatura.
- Tenir una qualificació global de l’assignatura igual o superior a 5.
- Tenir una qualificació igual o superior a 4 a l’examen final (o a l’examen de recuperació).
Els estudiants que no compleixin algun dels tres requisits no podran obtenir una qualificació global superior a 4,5, independentment de la puntuació que resulti de la suma ponderada de totes les activitats.
Recuperació
Només la part de la nota corresponent a l’examen és recuperable; l’assistència i els exercicis a l’aula i els treballs i pràctiques estan exclosos del procés de recuperació.
Per participar a la recuperació, cal que haver estat prèviament avaluat en un conjunt d’activitats el pes de les quals equivalgui a un mínim de dues terceres parts de la qualificació total de l'assignatura. Podran participar a la recuperació els estudiants que tinguin una qualificació inferior a 4 a l’examen o una qualificació global de l’assignatura inferior a 5. Hi haurà un únic examen de recuperació sobre el conjunt del contingut de l’assignatura.
Altres consideracions
- Aquesta assignatura no permet l’avaluació única.
- El fet de presentar-se a algun dels exàmens o lliurar qualsevol de les pràctiques o treballs eximeix l’estudiant de la qualificació de “No Avaluable”.
- No es faran exàmens fora de les dates fixades per la Facultat ni es faran proves d’avaluació continuada fora de les dates fixades pel professor/a.
- D’acord amb l’article 117.2 de la Normativa acadèmica de la UAB, l’avaluació de l'alumnat repetidor podrà consistir, a decisió del professor, en una sola prova de síntesi. L’alumnat repetidor que es vulgui acollir a aquesta possibilitat, caldrà que es posi en contacte amb el professorat a principi de curs (primera setmana d’octubre com a molt tard).
- En aquesta assignatura, es permet l’ús de tecnologies d’Intel·ligència Artificial (IA) per a la compleció dels treballs i exercicis exclusivament en tasques de suport, com la cerca d’informació o la correcció de text i codi. L’estudiant haurà d’identificar clarament en quines tasques ha utilitzat aquesta tecnologia i especificar les eines emprades. No obstant això, aquestes eines no poden substituir l’estudi autònom ni la comprensió real del codi per part de l’estudiant. La no transparència de l’ús de la IA en aquesta activitat avaluable es considerarà falta d’honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l’activitat, o sancions majors en casos de gravetat. Quan el codi utilitzat en el treball sigui significativament diferent del que s’ha treballat a classe, o incorpori funcions, estructures o paquets no explicats durant el curs, es considerarà com a indicador probable de l’ús indegut d’IA i es qualificarà amb un zero (0), independentment de la seva correcció tècnica.
- La realització de qualsevol irregularitat en un acte d’avaluació (frau acadèmic, plagi o ús indegut de la IA, tret que aquest ús estigui autoritzat expressament a la guia docent), que pugui conduir a una variació significativa de la qualificació, suposa que aquest acte es qualificarà amb un 0. En cas que la irregularitat es produeixi a l’examen final o que es produeixin irregularitats en diferents actes d’avaluació, la qualificació final de l’assignatura serà 0. Al marge d’això, es podrà instruir un procés disciplinari a l’estudiant que incorri en alguna d’aquestes irregularitats. El professorat es reserva el dret de realitzar entrevistes orals o una prova alternativa, per tal de comprovar l’efectiva adquisició de coneixements i competències i per tant la validesa de les proves d’avaluació realitzades per l’estudiantat.
Bibliografia
Bàsica
Çetinkaya-Rundel, M., & Hardin, J. (2024). Introduction to Modern Statistics (2a ed.). OpenIntro. Accessible a: openintro-ims.netlify.app.
Ismay, C., & Kim , A. Y. (2025). Statistical Inference via Data Science: A ModernDive into R and the Tidyverse (2a ed.). CRC Press / Taylor & Francis Group. Accessible a: moderndive.com/v2.
Wickham, H., & Grolemund, G. (2023). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (2a ed.). O’Reilly Media. Accessible a: r4ds.hadley.nz. Versió en espanyol: es.r4ds.hadley.nz.
Complementària
Baumer, B., Kaplan, D., & Horton, N. J. (2021). Modern data science with R (2a ed). CRC Press. Accessible a: mdsr-book.github.io/mdsr2e.
Bolker, E. D., & Mast, M. B. (2020). Common Sense Mathematics (2a ed). American Mathematical Society.
Broman, K. W., & Woo, K. H. (2018). Data Organization in Spreadsheets. The American Statistician, 72(1), 2–10. doi.org/10.1080/00031305.2017.1375989.
Chang, W. (2018). R Graphics Cookbook: Practical Recipes for Visualizing Data (2a ed). O’Reilly Media. Accessible a: r-graphics.org.
De Veaux, R. D., Velleman, P. F., & Bock, D. E. (2021). Stats: Data and Models. Pearson.
Dougherty, J., & Ilyankou, I. (2021). Hands-On Data Visualization. O’Reilly Media. Accessible a: handsondataviz.org.
Healy, K. (2018). Data visualization: A practical introduction. Princeton University Press. Accessible a: socviz.co.
Klass, G. M. (2012). Just Plain Data Analysis: Finding, Presenting, and InterpretingSocial Science Data (2a ed). Rowman & Littlefield.
Llaudet, E., & Imai, K. (2023). Data analysis for social science: A friendly and practical introduction. Princeton University Press.
Mas Elias, J. (2020). Análisis de Datos con R en Estudios Internacionales. 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.
Miller, J. E. (2022). Making Sense of Numbers: Quantitative Reasoning for Social Research. Sage.
Sevilla, A. N., & Somers, K. (2013). Quantitative Reasoning: Tools for Today’s Informed Citizen (2a ed). Wiley.
Wilke, C. (2019). Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O’Reilly Media. Accessible a: clauswilke.com/dataviz.
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 |
| (PAUL) Pràctiques d'aula | 1 | Català | primer quadrimestre | matí-mixt |
| (TE) Teoria | 51 | Català | primer quadrimestre | tarda |
| (PAUL) Pràctiques d'aula | 51 | Català | primer quadrimestre | tarda |