Avís important
La guia docent és provisional.
La versió en PDF de la guia docent pot tardar uns dies en estar disponible al DDD.
Introducció al Tractament de Dades i a la Comunicació de la Informació Científica
Codi: 44710Crèdits: 9
| Titulació | Tipus | Curs |
|---|---|---|
| Neurociències | OB | 1 |
Professor/a de contacte
- Nom :
- Roser Masgrau Juanola
- Correu electrònic :
- roser.masgrau@uab.cat
Equip docent
- Esther Dalfo Capella
- Arnaldo Javier Parra Damas
- Carlos Barcia Gonzalez
- Roser Masgrau Juanola
- Ferran Torres Benitez
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
No hi han requeriments específics diferents dels del propi màster, però si que es requereix un nivell mínim d'anglès
Objectius
Els objectius principals del curs són adquirir i) capacitats transversals per a comunicar ciència de forma eficaç, i, ii) competències bàsiques en l'anàlisi estadística de resultats experimentals.
Resultats d'aprenentatge
- CA07 (Formular una hipòtesi en el context de la neurociència proposant un pla de treball per desmentir-la o acceptar-la.) Formular una hipòtesi en el context de la neurociència proposant un pla de treball per desmentir-la o acceptar-la.
- CA08 (Interpretar els resultats experimentals obtinguts en un experiment que impliqui l’estudi dels sistemes nerviosos central i perifèric.) Interpretar els resultats experimentals obtinguts en un experiment que impliqui l’estudi dels sistemes nerviosos central i perifèric.
- CA09 (Escriure articles científics i resums a partir de bases de dades científiques i il·lustrar mitjançant fotografies o dibuixos un text per informar sobre una troballa de l'àmbit de les neurociències.) Escriure articles científics i resums a partir de bases de dades científiques i il·lustrar mitjançant fotografies o dibuixos un text per informar sobre una troballa de l'àmbit de les neurociències.
- CA10 (Integrar els coneixements adquirits sobre un aspecte concret de la neurociència per crear conclusions i generar noves hipòtesis de treball que puguin ser compreses per un públic ampli que inclogui tant especialistes com els no especialitzats.) Integrar els coneixements adquirits sobre un aspecte concret de la neurociència per crear conclusions i generar noves hipòtesis de treball que puguin ser compreses per un públic ampli que inclogui tant especialistes com els no especialitzats.
- KA07 (Treballar en equip en el tractament de dades i en la comunicació de la informació científica i valorar l’impacte social, econòmic i mediambiental de les dades obtingudes.) Treballar en equip en el tractament de dades i en la comunicació de la informació científica i valorar l’impacte social, econòmic i mediambiental de les dades obtingudes.
- KA08 (Identificar el model probabilístic més adequat per a l’anàlisi i la interpretació de les dades experimentals obtingudes durant la recerca feta en qualsevol camp de la neurociència.) Identificar el model probabilístic més adequat per a l’anàlisi i la interpretació de les dades experimentals obtingudes durant la recerca feta en qualsevol camp de la neurociència.
- SA07 (Dur a terme, en l’àmbit de la neurociència, anàlisis estadístiques precises perquè proporcionin conclusions fiables i reproduïbles.) Dur a terme, en l’àmbit de la neurociència, anàlisis estadístiques precises perquè proporcionin conclusions fiables i reproduïbles.
- SA08 (Difondre els resultats obtinguts en la recerca en neurociències mitjançant articles científics, pòsters i conferències.) Difondre els resultats obtinguts en la recerca en neurociències mitjançant articles científics, pòsters i conferències.
- SA09 (Desenvolupar un disseny experimental i analitzar estadísticament les dades obtingudes en experiments relatius al sistema nerviós.) Desenvolupar un disseny experimental i analitzar estadísticament les dades obtingudes en experiments relatius al sistema nerviós.
Continguts
1. Comunicació Científica.
La ciència genera productes que s'han de divulgar convenientment. Aquesta part de l'assignatura porta l'alumnat a adonar-se que el desenvolupament d'habilitats per comunicar de manera eficaç els resultats científics és tan important com generar-los. En ser l'anglès la llengua oficial de la ciència, totes les activitats d’aquesta part del mòdul es realitzaran en aquesta llengua.
En essència aquest part del mòdul consta en:
- Ponències: parlar a un públic sobre la teva recerca és una obligació però també un privilegi i una gran ocasió per conèixer i ser conegut. Fer les diapositives el més senzilles possibles, fer servir el llenguatge no verbal al teu favor, respectar els límits de temps són algunes de les estratègies que es debatran i practicaran.
- Presentació de pòsters: una presentació d’un pòster científic eficaç és molt més que simplement dissenyar un pòster, i un disseny és molt més que unir figures i encaixar un text entremig. També és molt important saber presentar el pòster en 2-3 minuts prestant atenció al llenguatge no verbal i considerant a l’espectador.
- Redacció en paper: què publicar, on i com. Posarem èmfasi en l'escriptura d’un abstract (resum) ja que els abstracts són una de les parts més complicades de l'escriptura científica. Alhora, la majoria dels lectors o les lectores potencials només dedicarà uns segons a llegir el teu abstract de les bases de dades científiques. Si el teu abstract no els crida l'atenció, has fracassat.
- Altres temes d’interès: es debatrà sobre l'ètica de la ciència, el procés de publicació i la divulgació científica a un públic general.
- Intel·ligència artificial: s'introduirà a l'alumnat a eines d’Intel·ligència artificial per a comunicació científica i es debatrà sobre avantatges i inconvenients d'utilitzar-les.
2. Anàlisi estadística de dades experimentals.
L'estadística és essencial en les ciències experimentals durant tot el procés: en el disseny, per assegurar que els experiments responguin adequadament les preguntes plantejades; en la recollida de dades, per assegurar la qualitat i evitar biaixos; i en l’anàlisi, per obtenir conclusions imparcials i reproduïbles. És clau per modelar la variabilitat inherent a la biologia i identificar relacions significatives. Les classes teòriques d'aquesta part del mòdul es farà amb anglès i català.
L'objectiu fonamental d'aquesta part del mòdul és capacitar a l’alumnat en l’anàlisi i interpretació de dades experimentals. Per tant, es s proporcionaran competències bàsiques per dissenyar, executar i analitzar projectes de recerca, aplicar tècniques estadístiques adequades, interpretar resultats i obtenir conclusions adequades. Així doncs el contingut serà:
- Introducció a l'estadística: utilitats i límits.
- Població, mostra, mostreig i formulació d’hipòtesis.
- Tipus de variables i mesura de l'efecte.
- Estadística descriptiva i probabilitat.
- Proves diagnòstiques i significació estadística bivariada.
- Estimació d'efectes, intervals de confiança, concordança, correlació i regressió.
- ANOVA i introducció a anàlisis multivariables.
- Dissenys habituals, càlcul de mida mostral i planificació experimental.
- Interpretació de resultats: significació estadística vers rellevància pràctica
La primera classe d'aquesta part es dedicarà al de tractament de dades amb tema gènere
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Preparació i elaboració de treballs | 145 | 5,8 | |
| Classes magistrals / expositives i seminaris de classe | 56 | 2,24 | |
| Tutorització de treballs | 17 | 0,68 |
Les activitats dirigides inclouen:
Classes magistrals / expositives.
Pràctiques d'aula.
Presentació / exposició de treballs.
Es distribueixen en 30 hores de teoria de Bioestadística i 26 hores de Comunicació, que es distribueixen en 12 hores de teoria i 14 hores de seminaris. Els seminaris es realitzen en dos grups de classe amb la meitat de l'alumnat a cada un d'ells.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Comunicació científica: Presentació i defensa de treballs | 46% | 3 | 0,12 | CA07, CA09, SA08, SA09 |
| Tractament de dades: activitats pràctiques i d'auto-aprenentatge | 24% | 2 | 0,08 | CA07, CA08, CA10, KA07, KA08, SA07, SA09 |
| Tractament de dades: Examen | 30% | 2 | 0,08 | CA08, KA08, SA07, SA09 |
La part de Comunicació científica s'avaluarà per avaluació continuada, on es tindrà en compte assistència i actitud, entrega puntual de treballs, exposició i defensa de treballs.
La part de Tractament de Dades també es farà per avaluació continuada a través d'exercicis pràctics i activitats d'auto-parenentatge però a més hi haurà un examen on els alumnes hauran de contestar preguntes sobre els conceptes teòrics i aplicats. Es necessita una nota mínima de l'examen de 3.5 sobre 10 per fer promig amb l'avaluació continua d'aquesta part. Hi haurà un examen de recuperació de l’examen de Tractament de dades per l'alumnat que no assoleixin l’aprovat d’aquesta avaluació.
Cal treure un 3,5 sobre 10 de cada una de les parts (Comunicació Científica i Tractament de Dades) per poder aprovar el mòdul.
L'alumnat obtindrà la qualificació de "No Avaluable" quan les activitats d'avaluació realitzades tinguin una ponderació inferior a una tercera part en la qualificació final.
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 guia docent prevegi que per superar l’assignatura sigui requisit imprescindible haver obtingut una nota mínima en aquest acte d’avaluació o que es produeixin diverses irregularitats en els actes d’avaluació d’una mateixa assignatura, la qualificació final d’aquesta assignatura és 0. Al marge d’això, es podrà instruir un procés disciplinari a l’estudiant que incorri en alguna d’aquestes irregularitats
Bibliografia
Comunicació científica
George M. Hall: How to write a paper. BMJ Books, 2008 (https://bibcercador.uab.cat/permalink/34CSUC_UAB/1c3utr0/cdi_proquest_ebookcentral_EBC1120469)
Jenny Freeman: How to display data. BMJ Books, 2008 (https://bibcercador.uab.cat/permalink/34CSUC_UAB/1c3utr0/cdi_globaltitleindex_catalog_213523389)
George M. Hall: How to present at meetings. BMJ Books, 2007 (https://bibcercador.uab.cat/permalink/34CSUC_UAB/1c3utr0/cdi_ciando_primary_ciando488781)
Elizabeth Wager: How to survive peer review. BMJ Books, 2002 (https://www.bmj.com/sites/default/files/attachments/resources/2011/07/wager.pdf)
50 Essentials on Science Communication. Jean Paul Bertemes , Serge Haan and Dirk Hans. 2024. De Gruyter Mounter. https://www.degruyter.com/document/doi/10.1515/9783110763577/html#contents
https://www.nature.com/articles/d41586-025-04166-2
Tractament de dades
Milton JS. Estadística para biología y cienciasde la salud. 3a. Edición. Madrid: Interamericana. McGraw-Hill, 2001.
Daniel WW. Bioestadística. Base para el análisis de las ciencias de la salud. 4a Edición. Limusa Wiley, 2002.
Cuadras CM. Fundamentos de estadística: aplicación a las ciencias humanas. Barcelona: EUB, 1996.
Sentís J, Pardell H, Cobo E, Canela J. Manual de Bioestadística. 3a. Edición. Barcelona: Masson, 2003.
Armitage PG, Berry G, Matthews JNS. 2002. Statistical methods in medical research. Oxford: Blackwell Science Limited.
webs:
http://www.bioestadistica.uma.es/libro/
http://www.hrc.es/bioest/M_docente.html
http://davidmlane.com/hyperstat/index.html
https://www.equator-network.org
Simuladors:
http://web.udl.es/usuaris/q3695988/wenessim/Pagines/index.htm
http://www.uco.es/simulaciones_estadisticas/index.php?menu=simula
Programari:
The jamovi project (2023). jamovi (Version 2.3) [Computer Software]. Retrieved from https://www.jamovi.org , accessed 2024-07-04
Program of the Girona Heart Registry (REGICOR), IMIM, Barcelona. GranMo. https://www.datarus.eu/en/applications/granmo/ , accessed 2024-07-04
Bulus, M. (2023). pwrss: Statistical Power and Sample Size Calculation Tools. R package version 0.3.1. https://CRAN.R-project.org/package=pwrss
Bulus, M., & Polat, C. (2023). pwrss R paketi ile istatistiksel güç analizi [Statistical poweranalysis with pwrss R package]. Ahi Evran Üniversitesi Kırşehir Eğitim Fakültesi Dergisi, 24(3), 2207-2328. https://doi.org/10.29299/kefad.1209913 , accessed 2024-07-04
Programari
Per a la part de tractament de dades es farà servir JAMOVI, GranMo, pwrss
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 |
|---|---|---|---|---|
| (TEm) Teoria (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |
| (SEMm) Seminaris (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |
| (SEMm) Seminaris (màster) | 2 | Anglès | primer quadrimestre | matí-mixt |