Aviso importante
La guía docente es provisional.
La versión en PDF de la guía docente puede tardar unos días en estar disponible en el DDD.
Introducción al Tratamiento de Datos y a la Comunicación de la Información Científica
Código: 44710Créditos: 9
| Titulación | Tipo | Curso |
|---|---|---|
| Neurociencias | OB | 1 |
Profesor/a de contacto
- Nombre :
- Roser Masgrau Juanola
- Correo electrónico :
- roser.masgrau@uab.cat
Equipo docente
- Esther Dalfo Capella
- Arnaldo Javier Parra Damas
- Carlos Barcia Gonzalez
- Roser Masgrau Juanola
- Ferran Torres Benitez
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
No hay requisitos específicos diferentes del propio máster.
Objetivos
Los objetivos principales del curso son adquirir i) capacidades transversales para comunicar ciencia de forma eficaz, y ii) competencias básicas en el análisis estadístico de resultados experimentales.
Resultados de aprendizaje
- CA07 (Formular una hipótesis en el contexto de la neurociencia proponiendo un plan de trabajo para desmentirla o aceptarla.) Formular una hipótesis en el contexto de la neurociencia proponiendo un plan de trabajo para desmentirla o aceptarla.
- CA08 (Interpretar los resultados experimentales obtenidos en un experimento que implique el estudio de los sistemas nerviosos central y periférico.) Interpretar los resultados experimentales obtenidos en un experimento que implique el estudio de los sistemas nerviosos central y periférico.
- CA09 (Escribir artículos científicos y resúmenes a partir de bases de datos científicos, ilustrando mediante fotografías o dibujos un texto para informar sobre un hallazgo del ámbito de las neurociencias.) Escribir artículos científicos y resúmenes a partir de bases de datos científicos, ilustrando mediante fotografías o dibujos un texto para informar sobre un hallazgo del ámbito de las neurociencias.
- CA10 (Integrar los conocimientos adquiridos sobre un aspecto concreto de la neurociencia para crear conclusiones y generar nuevas hipótesis de trabajo que puedan ser comprendidas por un público amplio que incluya tanto a especialistas como a los no especializados.) Integrar los conocimientos adquiridos sobre un aspecto concreto de la neurociencia para crear conclusiones y generar nuevas hipótesis de trabajo que puedan ser comprendidas por un público amplio que incluya tanto a especialistas como a los no especializados.
- KA07 (Trabajar en equipo en el tratamiento de datos y en la comunicación de la información científica valorando el impacto social, económico y medioambiental de los datos obtenidos.) Trabajar en equipo en el tratamiento de datos y en la comunicación de la información científica valorando el impacto social, económico y medioambiental de los datos obtenidos.
- KA08 (Identificar el modelo probabilístico más adecuado para el análisis y la interpretación de los datos experimentales obtenidos durante la investigación realizada en cualquier campo de la neurociencia.) Identificar el modelo probabilístico más adecuado para el análisis y la interpretación de los datos experimentales obtenidos durante la investigación realizada en cualquier campo de la neurociencia.
- SA07 (Realizar, en el ámbito de la neurociencia, análisis estadísticos precisos para que proporcionen conclusiones fiables y reproducibles.) Realizar, en el ámbito de la neurociencia, análisis estadísticos precisos para que proporcionen conclusiones fiables y reproducibles.
- SA08 (Difundir los resultados obtenidos en la investigación en neurociencias mediante artículos científicos, posters y conferencias.) Difundir los resultados obtenidos en la investigación en neurociencias mediante artículos científicos, posters y conferencias.
- SA09 (Desarrollar un diseño experimental, analizando estadísticamente los datos obtenidos en experimentos que atañen al sistema nervioso.) Desarrollar un diseño experimental, analizando estadísticamente los datos obtenidos en experimentos que atañen al sistema nervioso.
Contenidos
Comunicación Científica. La ciencia genera productos que deben divulgarse adecuadamente. Esta parte de la asignatura lleva al alumnado a darse cuenta de que el desarrollo de habilidades para comunicar de manera eficaz los resultados científicos es tan importante como generarlos. Al ser el inglés la lengua oficial de la ciencia, todas las actividades de esta parte del módulo se realizarán en este idioma. En esencia, esta parte del módulo consta de:
- Ponencias: hablar a un público sobre tu investigación es una obligación, pero también un privilegio y una gran ocasión para conocer y ser conocido. Hacer las diapositivas lo más sencillas posibles, usar el lenguaje corporal a tu favor, hacer contacto visual con el público y respetar los límites de tiempo son algunas de las estrategias que se debatirán y practicarán.
- Presentación de posters: una presentación eficaz de un póster científico es mucho más que simplemente diseñar un póster, y un diseño es mucho más que unir figuras y encajar un texto entre ellas. También es muy importante saber presentar el póster en 2-3 minutos, prestando atención al lenguaje no verbal y considerando al espectador o espectadora.
- Redacción de artículos: qué publicar, dónde y cómo. Pondremos énfasis en la escritura de un abstract (resumen) ya que los abstracts son una de las partes más complicadas de la escritura científica. Además, la mayoría de las lectoras o los lectores potenciales solo dedicarán unos segundos a leer tu abstract en las bases de datos científicas. Si no les llama la atención, habrás fracasado.
- Otros temas de interés: se debatirá sobre la ética de la ciencia, el procesode publicación y la divulgación científica a un público general.
- Inteligencia artificial: se introducirá al alumnado en herramientas de inteligencia artificial para la comunicación científica y se debatirá sobre las ventajas e inconvenientes de utilizarlas.
Análisis estadístico de datos experimentales. La estadística es esencial en las ciencias experimentales durante todo el proceso: en el diseño, para asegurar que los experimentos respondan adecuadamente a las preguntas planteadas; en la recolección de datos, para asegurar la calidad y evitar sesgos; y en el análisis, para obtener conclusiones imparciales y reproducibles. Es clave para modelar la variabilidad inherente a la biología e identificar relaciones significativas. Las clases teóricas de esta parte del módulo se harán en inglés y catalán.
El objetivo fundamental de esta parte del módulo es capacitar al alumnado en el análisis e interpretación de datos experimentales. Por lo tanto, se proporcionarán competencias básicas para diseñar, ejecutar y analizar proyectos de investigación, aplicar técnicas estadísticas adecuadas, interpretar resultados y obtener conclusiones adecuadas. Así pues, el contenido será:
- Introducción a la estadística: utilidades y límites.
- Población, muestra, muestreo y formulación de hipótesis.
- Tipos de variables y medida del efecto.
- Estadística descriptiva y probabilidad.
- Pruebas diagnósticas y significación estadística bivariada.
- Estimación de efectos, intervalos de confianza, concordancia, correlación y regresión.
- ANOVA e introducción a análisis multivariables.
- Diseños habituales, cálculo de tamaño muestral y planificación experimental.
- Interpretación de resultados: significación estadística versus relevancia práctica.
La primera clase se dedicará al Tratamiento de Datos con Prespectiva de Género
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Preparación y elaboración de trabajos | 145 | 5,8 | |
| Clases magistrales / expositivas y seminarios de clase | 56 | 2,24 | |
| Tutorización de trabajos | 17 | 0,68 |
Las actividades dirigidas incluyen:
Clases magistrales/expositivas
Prácticas de aula.
Presentación/exposición de trabajos.
Se distribuyen en 30 horas de teoría de Bioestadística y 26 horas de Comunicación. Las horas de Comunicación se distribuyen en 12 horas de teoría y 14 horas de seminarios. Los seminarios se realizan en dos grupos de clase con la mitad del total de alumnos cada uno de ellos.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Comunicación científica: Presentación y defensa de trabajos | 46% | 3 | 0,12 | CA07, CA09, SA08, SA09 |
| Tratamiento de datos: Ejercicios prácticos y de autoaprendizaje | 24% | 2 | 0,08 | CA07, CA08, CA10, KA07, KA08, SA07, SA09 |
| Tratamiento de datos: Examen | 30% | 2 | 0,08 | CA08, KA08, SA07, SA09 |
La parte de Comunicación Científica se evaluará mediante evaluación continua, teniendo en cuenta la asistencia y la actitud, la entrega puntual de trabajos, y la exposición y defensa de los mismos.
La parte de Tratamiento de Datos también se evaluará mediante evaluación continua a través de ejercicios prácticos y actividades de autoaprendizaje. Además, habrá un examen en el que el estudiantado deberá responder a preguntas sobre los conceptos teóricos y aplicados. La nota mínima del examen para promediar con la avalución continua de esta parte es de 3.5 sobre 10. Habrá un examen de recuperación del examen de Tratamiento de Datos para el alumnado que no alcance el aprobado en esta evaluación.
Es necesario obtener un 3.5 sobre 10 en cada una de las partes (Comunicación Científica y Tratamiento de Datos) para poder aprobar el módulo.
El alumnado obtendrá la calificación de "No Evaluable" cuando las actividades de evaluación realizadas tengan una ponderación inferior a una tercera parte en la calificación final.
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 en 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 diversas 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.
Bibliografía
Comunicación 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
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
Tractamiento de datos
Milton JS. Estadística para biología y ciencias de 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
Simuladores:
http://web.udl.es/usuaris/q3695988/wenessim/Pagines/index.htm
http://www.uco.es/simulaciones_estadisticas/index.php?menu=simula
Programario:
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 power analysis 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
Software
Para la parte de tratamiento de datos se usará jamovi (Version 2.6), GranMo, pwrss
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 |
|---|---|---|---|---|
| (TEm) Teoría (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |
| (SEMm) Seminarios (màster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |
| (SEMm) Seminarios (màster) | 2 | Inglés | primer cuatrimestre | manaña-mixto |