Guía docente de Ciencia de Datos e Intervención en Bienestar Social (MD6/56/1/10)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- María Luisa Jiménez Rodrigo
- Estrella Gualda Caballero
Horario de Tutorías
María Luisa Jiménez Rodrigo
Email- Primer semestre
- Martes 10:00 a 13:00 (Desp.9 Dpto.SOC. Concertar Antes Mail: Profesora:Mluisajisajimenez@Ugr.Es)
- Jueves 11:00 a 14:00 (Desp.9 Dpto.SOC. Concertar Antes Mail: Profesora:Mluisajisajimenez@Ugr.Es)
- Segundo semestre
- Jueves 9:30 a 11:00 (Desp.9 Dpto.SOC. Concertar Antes Mail: Profesora:Mluisajisajimenez@Ugr.Es)
- Jueves 13:00 a 14:30 (Desp.9 Dpto.SOC. Concertar Antes Mail: Profesora:Mluisajisajimenez@Ugr.Es)
- Viernes 13:00 a 14:30 (Desp.9 Dpto.SOC. Concertar Antes Mail: Profesora:Mluisajisajimenez@Ugr.Es)
- Viernes 9:30 a 11:00 (Desp.9 Dpto.SOC. Concertar Antes Mail: Profesora:Mluisajisajimenez@Ugr.Es)
Breve descripción de contenidos (Según memoria de verificación del Máster)
- El papel de los datos en la transformación social.
- Indicadores sociales y de bienestar.
- Diseño y análisis de políticas públicas basados en datos.
- Diseño, implementación y evaluación de programas.
- Medición del impacto social.
- Aplicación de la ciencia de datos en el sector de la economía social.
- Estudio de casos y aplicaciones de la ciencia de datos a la intervención en bienestar social (tema práctico transversal).
Prerrequisitos y/o Recomendaciones
No existen prerrequisitos previos para el cursado de la asignatura.
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
- Conocer los fundamentos de los sistemas de bienestar social y los objetivos en materia de derechos sociales y de desarrollo sostenible, así como la relevancia de las ciencias de datos para su estudio y análisis.
- Adquirir conocimientos y habilidades para identificar y definir problemas sociales, y de forma particular problemas relativos a los derechos sociales y fundamentales.
- Adquirir conocimientos y habilidades para analizar las condiciones de vulnerabilidad social y diseñar programas sociales a partir de la aplicación de la ciencia de datos.
- Diseñar estrategias, aplicar técnicas y herramientas inscritas en la ciencia de datos, procesar y analizar datos sociales cuantitativos, cualitativos y/o mixtos con apoyo de programación, interpretar resultados y comunicar hallazgos de manera accesible y relevante para el bienestar social y los derechos sociales y fundamentales.
Programa de contenidos Teóricos y Prácticos
Teórico
- Ciencia de datos y bienestar social. Los objetivos en materia de desarrollo sostenible, derechos sociales y derechos fundamentales. Condiciones de vulnerabilidad y conflictividad social en el marco de los objetivos de desarrollo sostenible. El papel de los datos para la transformación social.
- Diseño y análisis de políticas públicas basados en datos. Sistemas de bienestar y políticas sociales. El ciclo de análisis de las políticas públicas. Políticas de bienestar y economía social.
- Diseño, implementación y evaluación de programas sociales. Indicadores sociales de bienestar. La medición del impacto social. Aplicación de la ciencia de datos en el sector de la economía social.
Práctico
- Estudio de casos y aplicaciones de la ciencia de datos a la intervención en bienestar social:
- Diseño y toma de decisiones respecto a los enfoques, técnicas, herramientas y estrategias a emplear del ámbito de la ciencia de datos.
- Prácticas de programación en el ámbito del bienestar social. Enfoques mixtos, cuantitativos y cualitativos.
- Prácticas de programación y toma de decisiones relativas a tareas como el procesamiento, análisis y visualización de datos (estadísticas, análisis de texto, redes semánticas y sociales, etc.).
- Interpretando los datos y prácticas de programación para la elaboración de informes o publicaciones con el objetivo de presentación y comunicar los resultados en un formato que sea accesible y transferible a la población (científico y divulgativo).
Bibliografía
Bibliografía fundamental
- Bertoni, Eleonora, Fontana, Matteo, Gabrielli, Lorenzo et al. (eds.) (2023) Handbook of Computational Social Science for Policy. Springer. Disponible en: https://link.springer.com/book/10.1007/978-3-031-16624-2
- Del Pino, Eloísa & Rubio Lara, María Josefa (2024) Los Estados de Bienestar en la encrucijada. Políticas sociales en perspectiva comparada. Tercera edición. Madrid: Tecnos.
- Gualda, Estrella (2022) Social big data, sociología y ciencias sociales computacionales. Empiria. Revista de Metodología de Ciencias Sociales, (53), 147–177. https://doi.org/10.5944/empiria.53.2022.32631
- Subirats, Joan, Knoepfel, Peter, Larrue, Corinne et al. (2008). Análisis y gestión de políticas públicas. Madrid: Ariel.
Bibliografía complementaria
- Bericat, Eduardo & Jiménez Rodrigo, María Luisa (2019) The quality of European societies: A compilation of composite indicators. Springer.
- Gualda, Estrella (Ed.). (2024). Teorías de la conspiración y discursos de odio en línea en la sociedad de las plataformas. Comparación de pautas en las narrativas y redes sociales sobre COVID-19, inmigrantes, refugiados, estudios de género y personas LGTBIQ+. Dykinson. https://doi.org/10.14679/2749
- Gualda, Estrella y Carolina Rebollo (2016) Refugee crisis in Twitter: Diversity of Discourses at a European Crossroads. Journal of Spatial and Organizational Dynamics 4(3): 199– 212. https://www.jsod-cieo.net/journal/index.php/jsod/article/view/72/70
- Gualda, Estrella, Taboada, Alba y Rebollo, Carolina (2023) Big data y ciencias sociales: Una mirada comparativa a las publicaciones de antropología, sociología y trabajo social. Gazeta de Antropología, 39(1):1-22. https://digibug.ugr.es/handle/10481/79779. doi:10.30827/Digibug.79779
- Höchtl, Johann, Peter Parycek & Ralph Schöllhammer (2016). Big data in the policy cycle: Policy decision making in the digital era. Journal of Organizational Computing and Electronic Commerce, 26:1-2, 147-169, DOI: 10.1080/10919392.2015.1125187
- Hossin, Altab, Jie Du, Mu, Lei et al. (2023). Big Data-Driven Public Policy Decisions: Transformation Toward Smart Governance. Sage Open, 13(4). https://doi.org/10.1177/21582440231215123
- Marbán Gallego, Vicente y Rodríguez Cabrero, Gregorio (coords). 2018. Sistemas de bienestar y políticas sociales. Revista de Documentación Social, 186. Disponible en: https://www.caritas.es/main-files/uploads/2019/01/Documentacion_social_186.pdf
- Moreno, Luis (2009). Reformas de las políticas del bienestar en España. Madrid: Siglo XXI. Disponible en línea en la biblioteca UGR.
- Nelson, Kenneth, Rense Nieuwenhuis & Mara Yerkes (2022). Social Policy in Changing European Societies. Research Agendas for the 21st Century. Edward Elgar.
Manuales y/o blogs (recomendados para las tareas de programación y estudio de casos)
- Ackland, et al. (2023, 26 de mayo). VOSON Lab Code Blog: Semantic network analysis with website text. https://vosonlab.github.io/posts/2023-04-27-semantic-network-analysis-with-website-text/
- Ackland, et al. (2023, 27 de abril). VOSON Lab Code Blog: Analysis of website text content using quanteda. https://vosonlab.github.io/posts/2023-04-13-website-text-analysis-with-quanteda/; https://quanteda.io/
- Benoit, Kenneth; Watanabe, Kohei; Wang, Haiyan; Nulty, Paul; Obeng, Adam; Müller, Stefan y Matsuo, Akitaka (2018). “quanteda: An R package for the quantitative analysis of textual data.” Journal of Open Source Software, 3(30), 774. http://www.doi.org/10.21105/joss.00774
- Digital Methods Initiative & OILab (2023). The 4cat Capture & Analysis toolkit. https://4cat.nl/; Open Intelligence Lab: https://oilab.eu; https://github.com/digitalmethodsinitiative/4cat
- Escobar, Modesto; Martinez-Uribe, Luis (2020). “Network Coincidence Analysis: The netCoin R Package.” Journal of Statistical Software, 93(11), 1-32. https://doi.org/10.18637/jss.v093.i11
- Fernández-Avilés, G. y Montero, J.M., eds (2024). Fundamentos de ciencia de datos con R. McGraw Hill. https://cdr-book.github.io/
- Gertzel, Bryan; Borquez, Francisca; Graham, Timothy and Ackland, Robert (2022). vosonSML: Collecting Social Media Data and Generating Networks for Analysis. VOSON Lab, Virtual Observatory for the Study of Online Networks. R package version 0.32.7, https://github.com/vosonlab/vosonSML; https://cran.r-project.org/web/packages/vosonSML/index.html
- Kuhn, Max y Silve, Julia (2022). Tidy Modeling with R. O'Reilly Media, Inc. https://www.oreilly.com/library/view/tidy-modeling-with/9781492096474/
- Robles, José Manuel; Rodríguez, J. Tinguaro; Caballero, Rafael; Gómez, Daniel (2022). Big data para científicos sociales. Una introducción. Centro de Investigaciones Sociológicas.
- Virtual Observatory for the Study of Online Networks (VOSON). Voson Labo Code Blog. https://vosonlab.github.io/
- Wickham, Hadley y Grolemund, Garrett (2023). R for Data Science. O’Reilly. https://r4ds.had.co.nz/
Enlaces recomendados
Páginas web con información sobre derechos sociales y bienestar social:
- A European strategy for data: https://digital-strategy.ec.europa.eu/en/policies/strategy-data
- Center for Policy Analysis: https://cps.ceu.edu/
- European Social Policy Network (ESPN): https://ec.europa.eu/social/main.jsp?langId=en&catId=113
- Red Española de Política Social (REPS): https://www.reps-espanet-spain.org/
- European Union Agency for Fundamental Rights: https://fra.europa.eu/en
- EuroSocial: https://eurosocial.eu /
- Found for Shared Insight: https://fundforsharedinsight.org/listen4good/
- Fundación FOESSA: http://www.foessa.es/
- Listen4Good: https://listen4good.org/
- Pilar Europeo de Derechos Sociales: https://ec.europa.eu/info/strategy/priorities-2019-2024/economy-works-people/jobsgrowth-and-investment/european-pillar-social-rights/european-pillar-socialrights-20-principles_es
- Naciones Unidas - Macrodatos para el Desarrollo Sostenible: https://www.un.org/es/global-issues/big-data-for-sustainable-development
- Naciones Unidas – Objetivos de Desarrollo Sostenible: https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/
Colecciones de libros en Data Science:
O’Reilly. Cursos y libros de acceso gratuito o a través de la biblioteca especializados en Data Science (y App):
- https://www.oreilly.com/products/books-videos.html
- https://www.oreilly.com/publisher/oreilly-media-inc/
Otros blogs o páginas donde se puede encontrar diversidad de scripts con explicaciones sencillas:
- Rpubs: https://rpubs.com/
- R-bloggers: https://www.r-bloggers.com/
- Kaggle: https://www.kaggle.com/
- Medium: https://medium.com/
- Towards Data Science: https://towardsdatascience.com/
- Rosana Ferrero: @RosanaFerrero (en X, difunde continuamente manuales y materiales gratuitos relativos a la Ciencia de Datos).
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se le haya reconocido el derecho a la evaluación única final.
La calificación final de cada alumno/a se obtendrá mediante la evaluación de dos partes:
- Parte A: Resolución, individual o colectiva, de pruebas, ejercicios y/o problemas desarrollados en clase (50%) (SE1).
- Parte B: Realización de un proyecto final de la asignatura, consistente en:
- Diseño y resolución de un problema computacional enfocado en la intervención en bienestar social: Diseño, elaboración del código, aplicación a datos, explicación del código e interpretación de los resultados (35%) (SE3).
- Realización y presentación de un pódcast de presentación y justificación sociológica del problema computacional abordado, así como de explicación del código de forma que sea reproducible (15%) (SE6).
Para aprobar la asignatura en evaluación continua, el/la estudiante deberá aprobar ambas partes (A y B) para poder realizar la media.
Criterios de evaluación
Se tendrá en cuenta que, en el proceso de aprendizaje, cada estudiante haya aprendido los siguientes aspectos:
- Conocer los sistemas de bienestar social y los objetivos en materia de derechos sociales y fundamentales y de desarrollo sostenible.
- Conocer los fundamentos de las políticas sociales y las condiciones de vulnerabilidad social.
- Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales y fundamentales desde el enfoque de las ciencias de datos.
- Conocer y saber definir indicadores de medición del bienestar social
- Saber resolver problemas computacionales aplicados al campo del bienestar social y de los derechos sociales y fundamentales.
Evaluación Extraordinaria
Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de un examen teórico-práctico sobre la totalidad de los contenidos.
Criterios de evaluación
Se tendrá en cuenta que en el proceso de aprendizaje cada estudiante haya aprendido los siguientes aspectos:
- Conocer los sistemas de bienestar social y los objetivos en materia de derechos sociales y fundamentales y de desarrollo sostenible.
- Conocer los fundamentos de las políticas sociales y las condiciones de vulnerabilidad sociales.
- Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales y fundamentales desde el enfoque de las ciencias de datos.
- Conocer y saber definir indicadores de medición del bienestar social
- Saber resolver problemas computacionales aplicados al campo del bienestar social y de los derechos sociales y fundamentales.
Evaluación única final
Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que podrán acogerse a la evaluación única final, el estudiantado que no pueda cumplir con el método de evaluación continua por causas justificadas.
Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación, si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.
La evaluación única final será un examen teórico-práctico sobre la totalidad de los contenidos. En dicha prueba/examen de la asignatura donde se valorará que el estudiantado haya interiorizado los siguientes aspectos:
- Conocer los sistemas de bienestar social y los objetivos en materia de derechos sociales y fundamentales y de desarrollo sostenible.
- Conocer los fundamentos de las políticas sociales y las condiciones de vulnerabilidad sociales.
- Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales y fundamentales desde el enfoque de las ciencias de datos.
- Conocer y saber definir indicadores de medición del bienestar social
- Saber resolver problemas computacionales aplicados al campo del bienestar social y de los derechos sociales y fundamentales.
Información adicional
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).
Software Libre
Las prácticas se llevarán a cabo principalmente con R, sin descartar el uso complementario con otros paquetes o lenguajes como Python, Gephi u Orange.