Guía docente de Fundamentos de Clasificación Estadística de Información Científica (M12/56/1/40)

• Introducción al análisis multivariante (AM).
• Regresión y correlación lineal múltiple.
• Análisis en componentes principales (ACP).
• Análisis factorial.
• Análisis de datos cualitativos.
• Análisis de proximidades.

Es recomendable disponer de conocimientos básicos de Estadística. Estos pueden ser obtenidos, por ejemplo, tras haber cursado la asignatura Métodos de Inferencia Estadística en el Análisis de Información Científica.

• El alumno sabrá/comprenderá:
  • Los límites del análisis estadístico univariante a la hora de describir datos multivariantes.
  • Distinguir los elementos en un problema de análisis multivariante: variables e individuos.
  • Formato lógico de la información: matriz de datos.
  • El significado del modelo subyacente para las distintas técnicas estadísticas multivariantes que se estudian en el curso, sin entrar en demostraciones ni razonamientos teóricos.
  • El manejo del software.
  • La potencialidad práctica de las técnicas que se irán estudiando.
• El alumno será capaz de:
  • Preparar los datos para aplicar una técnica estadística.
  • Entender los resultados proporcionados por el software estadístico.
  • Argumentar estadísticamente, eligiendo los elementos más relevantes en los resultados de un análisis para ser incluidos en un informe.
  • Aplicar las técnicas multivariantes estudiadas con un software estadístico.

• Tema 1. Introducción al Análisis Multivariante.
  1. Elementos básicos: matrices de datos, de covarianzas y de correlaciones.
  2. Representaciones gráficas: espacios de datos y de variables.
  3. Necesidad del Análisis Multivariante.
  4. Matriz de datos.
• Tema 2. Regresión y correlación lineal múltiple.
  1. Introducción al problema de la regresión lineal.
  2. Regresión lineal simple.
  3. Generalización al caso de múltiples variables explicativas: regresión lineal múltiple.
• Tema 3. Análisis de datos cualitativos.
  1. Datos cualitativos: una forma de medir la realidad.
  2. Elementos básicos en el análisis de datos cualitativos.
  3. Análisis de tablas de contingencia.
  4. Medidas de asociación.
• Tema 4. Análisis en componentes principales (ACP).
  1. Problema de la reducción de la dimensión.
  2. Propiedades del ACP.
  3. Descomposición asociada al ACP. 
  4. El caso de las variables tipificadas.
• Tema 5. Análisis factorial.
  1. Modelo factorial. Propiedades.
  2. Espacio de los individuos y de las variables.
  3. Comportamiento frente a transformaciones: cambios de escala.
  4. Rotaciones.
  5. Estimación del modelo factorial.
  6. Interpretación del modelo factorial.
• Tema 6. Modelos basados en distancias.
  1. Análisis en coordenadas principales.
  2. Distancias
  3. Análisis Cluster
  4. Análisis de proximidades (MDS)

• Acceso al Aula de Informática Virtual
• Distancias.
• Análisis de datos multivariantes con SPSS
• Análisis de datos multivariantes con R

Como software estadístico, se considerarán SPSS y R, quedando a la elección del estudiante.

• Agresti, A. (2013). An introduction to categorical data analysis. Nueva York: Willey.
• Aldás, Joaquín y Uriel, Ezequiel (2017). Análisis multivariante aplicado con R. Madrid: Paraninfo.
• Aguilera, A.M. (2001). Tablas de contingencia bidimensionales. Colección Cuadernos de Estadística, Madrid: La Muralla-Hespérides.
• Alt, M. (1990). Exploring hyperspace: A non mathematical explanation of multivariate analysis. Londres: McGraw Hill.
• Cuadras, C.M. (1991). Métodos de análisis multivariante. Barcelona: PPU.
• D’Ambra, J. y Rice, R.E. (2001). "Emerging factors in user evaluation of the World Wide Web", Information & Management 38(6), 373-384.
• Egghe, L. y Rousseau, R. (1990). Quantitative methods in Library, Documentation and Information Science. Amsterdam: Elsevier.
• Gnanadesikan, R. (1997). Methods for statistical data analysis of multivariate observations. Nueva York: John Wiley & Sons.
• Greenacre, M.J. (1984). Theory and applications of Correspondence Analysis. London: Academic Press.
• Liao, Z. y Cheung, M.T. (2001). "Internet-based e-shopping and consumer attitudes: an empirical study", Information & Management 38(5), 299-306.
• Liu, C. y Arnett, K.P. (2000). "Exploring the factors associated with Web site success in the context of electronic commerce", Information & Management 38(1), 23-33.
• R Core Team (2021). R: A Language and Environment for Statistical Computing. Viena: R Foundation for Statistical Computing, https://www.R-project.org
• Ranganathan, C. y Ganapathy, S. (2002). “Business-to-consumer web sites”, Information & Management 39(6), 457-465.
• Stigler, S.M. (1994), "Citations patterns in the journals of statistics and probability", Statistical Science, 9(1), 94-108.

• Aguilera, A.M. (2006). Modelización de tablas de contingencia multidimensionales, Colección Cuadernos de estadística, 33. Madrid: La Muralla.
• Cheang, B., Chu, S.K.W., Li, C. y Lim, A. (2014). "OR/MS journals evaluation based on a refined PageRank method: an updated and more comprehensive review", Scientometrics 100(2), 339-361.
• García-Caro, C. (2003). Aplicación del método ARL para la evaluación del sistema de bibliotecas universitarias REBIUN y de sus servicios (1997-2001): el caso del préstamo interbibliotecario. Tesis Doctoral (Director: Moya-Anegón, F.). Universidad de Granada, Departamento de Biblioteconomía y Documentación.
• Richard M. Heiberger y Burt Holland (2015). Statistical Analysis and Data Display An Intermediate Course with Examples in R (2ª edición). Nueva York: Springer.
• Revelle, W. (2020). psych: Procedures for Personality and Psychological Research. Ilinois: Northwestern University, https://CRAN.R-project.org/package=psych
• Rudolf Scitovski, Kristian Sabo, Francisco Martínez-Álvarez y Šime Ungar (2021). Cluster Analysis and Applications. Cham: Springer.
• Valderrama, M.J., Aguilera, A.M. y Ocaña, F.A. (2000). Predicción Dinámica mediante Análisis de Datos Funcionales, Colección Cuadernos de Estadística. Madrid: La Muralla-Hespérides.
• West, J., Althouse, B., Rosvall, M., Bergstrom, C.T. y Bergstrom, T.C. (2009). Eigenfactor score and article influence score: Detailed methods.

• Centro de Servicios Informáticos y Redes de Comunicación
• CEPRUD-Centro de Producción de Recursos para la Universidad Digital
• Datos abiertos del Gobierno de España
• Escuela Internacional de Posgrado de la UGR
• EUROSTAT
• Instituto Nacional de Estadística
• Máster Universitario de Información y Comunicación Científica de la UGR
• Plataforma PRADO
• Portal Google GSuite UGR
• The Comprehensive R Archive Network
• Web con información sobre esta asignatura

• M01 Lección magistral/expositiva 
• M02 Sesiones de discusión y debate 
• M03 Resolución de problemas y estudio de casos prácticos 
• M07 Realización de trabajos individuales 

La Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que "la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante". Por este motivo, para la evaluación de la asignatura, se considerará lo siguiente:

• Pruebas, ejercicios y problemas, resueltos en clase o individualmente a lo largo del curso: 25%.
• Valoración final de informes, trabajos, proyectos, etc. (individual o en grupo): 40%.
• Aportaciones del alumno en sesiones de discusión y actitud del alumno en las diferentes actividades desarrolladas: 35%.

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que "los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria". De esta forma, el estudiante que no haya realizado la evaluación ordinaria tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.

• Actividades propuestas para entender los contenidos tratados. Estas deberán ser finalizados en las fechas previstas (40%).
• La evaluación tendrá en cuenta la discusión de artículos y de trabajos realizados (20%).
• Cada alumno deberá buscar y obtener un conjunto de datos reales del ámbito de las Ciencias de la Información y Comunicación. Estos datos deberán ser estudiados y analizados haciendo uso de, al menos dos, de las técnicas presentadas en el curso. Un informe de dicho análisis deberá ser entregado por cada alumno (40%).

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas. Para acogerse a la evaluación única final, existen unos plazos y un procedimiento que debe ser dirigido a la Coordinación del Máster.

• Actividades propuestas. Estas deberán ser finalizados en las fechas previstas (40%).
• La evaluación tendrá en cuenta la discusión de artículos y de trabajos realizados (20%).
• Cada alumno deberá buscar y obtener un conjunto de datos reales del ámbito de las Ciencias de la Información y Comunicación. Estos datos deberán ser estudiados y analizados haciendo uso de, al menos dos, de las técnicas presentadas en el curso. Un informe de dicho análisis deberá ser entregado por cada alumno (40%).

Información sobre el Plagio (Normativa de Evaluación y de Calificación de los Estudiantes de la Universidad de Granada).

1. La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a los estudiantes que el plagio es una práctica contraria a los principios que rigen la formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su protección de acuerdo con la propiedad intelectual según establezca la legislación vigente.
2. El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se hubiera detectado, independientemente del resto de las calificaciones que el estudiante hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades disciplinarias en las que pudieran incurrir los estudiantes que plagien.
3. Los trabajos y materiales entregados por parte de los estudiantes tendrán que ir firmados con una declaración explícita en la que se asume la originalidad del trabajo, entendida en el sentido de que no ha utilizado fuentes sin citarlas debidamente.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).