CG1 - Comunicar y transmitir la información a un público tanto especializado como no especializado.
CG2 - Adquirir la habilidad para expresarse claramente y de presentar los resultados de sus análisis, oralmente o por escrito, mediante un informe de carácter profesional.
CG3 - Coordinar trabajo en equipo con grupos multidisciplinares y organizar y gestionar proyectos.
CG4 - Cultivar interés en el conocimiento, descripción e interpretación de fenómenos susceptibles de cuantificación.
CG6 - Realizar lecturas críticas de informes y publicaciones científicas.

CE2 - Identificar y seleccionar las principales fuentes de información e indicadores en diferentes ámbitos de aplicación como los sociales, económicos, bibliométricos, sanitarios, financieros, geográficos, etc. , incluyendo los aspectos de protección de datos.
CE4 - Identificar la utilidad y el potencial de las técnicas estadísticas y de análisis de datos adquiridas en las distintas áreas de aplicación (como la documental, geográfica, actuarial, económica, financiera, biosanitaria, etc.) y utilizarlas adecuadamente para descubrir patrones de comportamiento en datos de cualquier volumen y tipología y extraer conclusiones relevantes.
CE15 - Aplicar las técnicas y herramientas de la Ciencia de los Datos a la predicción y la cuantificación de la relación entre variables de diferentes ámbitos de aplicación, como los económicos, sociales, financieros, actuariales, biosanitarios, documentales, de geolocalización, de gestión y relación con el cliente o de salud.

46%

29%

25%

2,4

3,6

5

Esta asignatura está orientada a entender los procesos y estrategias para la aplicación de la ciencia de datos, en general, y del análisis de redes sociales, en particular, a casos reales. Por lo tanto, su objetivo es, a través de casos prácticos, identificar las dificultades y las limitaciones de las aplicaciones de nuestra disciplina.

Más específicamente, se analizarán casos reales de debates públicos en redes sociales como X, Facebook, Instagram o TikTok sobre temas socialmente controvertidos como debates sobre igualdad de género, medioambiente, procesos electorales, etc. Se identificarán ejemplos de “buenas” y “malas” prácticas de investigación en ciencia de datos y análisis de redes sociales con el objetivo de incorporar las mejores estrategias de investigación aplicada.

Entender los procesos y estrategias para la aplicación de la ciencia de datos, en general, y del análisis de redes sociales, en particular, a casos reales.

1. Introducción. La ciencia de datos y el análisis de redes sociales (las técnicas más utilizadas en los análisis sociales)
2. Bases metodológicas para el análisis de redes sociales en ciencias sociales.
3. Revisar y contextualizar el análisis. Una mirada desde el análisis de redes sociales.
4. Cómo medir y como aplicar técnicas de detección de comunidades en debates sociales (1).
5. Cómo medir y como aplicar técnicas de detección de comunidades en debates sociales (2).
6. El análisis de emociones sociales en redes como X, Facebook, Instagram o TikTok.
7. ¿Quién es quién en los debates? Centralidad y comunicación social.
8. ¿Estamos realmente muy polarizados? Medidas de polarización y su aplicación a casos de debates públicos.
9. Elementos que determinan la eficiencia para difundir mensajes en las redes sociales digitales.
10. Medir la ideología en las redes sociales. ¿Es esto posible?
11. Cómo se mueven las ciudades. Análisis desde la óptica de las redes sociales
12. ¿Es suficiente con las redes sociales? Ventajas y ejemplos sobre cómo triangular ciencia de datos, encuestas y métodos cualitativos para la investigación social.
13. Herramientas para el análisis de redes sociales.
14. Recapitulando. Ciencia de datos, análisis de redes sociales y ciencia social

Pruebas objetivas de conocimiento 60%
Pruebas objetivas de resolución de problemas y ejercicios 20%
Ejercicios y trabajos relacionados con los contenidos propuestos por el profesor 10%
Participación del estudiante en el aula y en las actividades formativas propuestas por el profesor 10%

Cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

1. Kadushin, CH. (2013). Comprender las redes sociales. Teorías, conceptos y hallazgos. Madrid: Centro de Investigaciones Sociológicas.
2. Robles, JM., Gómez, D. Caballero, R. Rodríguez, T. (2020). Big data para científicos sociales. Una introducción. Madrid: Centro de Investigaciones Sociológicas.
3. Aragona. B (2017). Data Science and Social Research: Epistemology, Methods, Technology and Applications. Lodon: Springer.