Guía docente de Ciencia de Datos e Intervención en Bienestar Social (MD6/56/1/10)

Curso 2026/2027
Fecha de aprobación por la Comisión Académica 10/07/2026

Máster

Máster Universitario en Ciencia de Datos Aplicada a las Ciencias Sociales

Módulo

Visualización y Transferencia del Trabajo Científico Social de Datos Sociales Digitales

Rama

Ciencias Sociales y Jurídicas

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Segundo

Créditos

3

Tipo

Optativa

Tipo de enseñanza

Enseñanza Virtual

Profesorado

  • María Luisa Jiménez Rodrigo
  • Estrella Gualda Caballero

Horario de Tutorías

María Luisa Jiménez Rodrigo

Email
Primer semestre
  • Martes 9:30 a 10:59 (Desp. Decanato 1ª Planta Fac. Ccpp y Sociología)
  • Martes 13:00 a 14:15 (Desp. Decanato 1ª Planta Fac. Ccpp y Sociología)
  • Jueves 11:00 a 14:15 (Desp. Decanato 1ª Planta Fac. Ccpp y Sociología)

Estrella Gualda Caballero

Email

Breve descripción de contenidos (Según memoria de verificación del Máster)

  1. El papel de los datos en la transformación social.
  2. Indicadores sociales y de bienestar.
  3. Diseño y análisis de políticas públicas basados en datos.
  4. Diseño, implementación y evaluación de programas.
  5. Medición del impacto social.
  6. Aplicación de la ciencia de datos en el sector de la economía social.
  7. 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.

Resultados del proceso de formación y de aprendizaje

Conocimientos o Contenidos

  • C02. Adquirir conocimiento sobre cuestiones éticas de cara al ejercicio profesional desde el marco de los derechos humanos y los derechos fundamentales
  • C08. Conocer los factores de vulnerabilidad social y los procesos conflictivos en el marco de los ODS propios de la agenda 2030

Competencias

  • COM07. Intervenir en entornos de trabajo con capacidad de innovación, tolerancia a la incertidumbre y respuesta a las metas planteadas en los ODS de la agenda 2030
  • COM08. Planificar, en situaciones de trabajo, las tareas con el fin de organizar y tratar todo tipo de datos

Habilidades o Destrezas

  • HD03. Manejar las principales técnicas y herramientas de la ciencia de datos en el marco de las ciencias sociales y, en particular, las tecnologías inteligentes
  • HD04. Utilizar herramientas avanzadas para modelar, programar y resolver problemas en los que se dispone de datos de gran tamaño en el análisis de la realidad social
  • HD06. Clasificar, analizar e integrar datos cuantitativos y cualitativos a fin de dar sentido a las observaciones controladas con el fin de potenciar la igualdad y la sostenibilidad en la sociedad
  • HD07. Dominar el uso de herramientas informáticas para extraer información y tratarla de manera óptima en el análisis de la realidad social en el marco de los derechos humanos y derechos fundamentales
  • HD08. Relacionar informaciones para exponerlas mediante tablas y gráficos controlando los sesgos que originen desigualdades sociales, de género o de cualquier otro tipo.
  • HD09. Analizar los datos procedentes de la web extrayendo conocimiento útil de ellos mediante la aplicación de técnicas de análisis de datos aplicado a las ciencias sociales
  • HD10. Analizar datos cuantitativos y cualitativos procedentes de redes sociales, en concepto amplio, facilitando la accesibilidad universal
  • HD11. Ejecutar técnicas básicas de minería de texto, de clasificación y de extracción de información de datos no estructurados para su aplicación en el dominio de las ciencias sociales

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

  • Tema 1. El papel de los datos para la transformación social:

    • Desarrollo sostenible y derechos sociales y fundamentales.

    • Bienestar, vulnerabilidad social y políticas sociales.

    • Economía social y economía solidaria. 

  • Tema 2. Diseño y análisis de políticas públicas basados en datos:

    • Diseño, implementación y evaluación de programas sociales.

    • Indicadores sociales y de bienestar.

    • La medición del impacto social.

Práctico

  • Tema 3. 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

  • 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

Manuales y/o blogs (recomendados para las tareas de programación y estudio de casos)

 

Enlaces recomendados

Páginas web con información sobre derechos sociales y bienestar social:

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):

Otros blogs o páginas donde se puede encontrar diversidad de scripts con explicaciones sencillas:

Metodología docente

  • MD01 Lección Magistral Participativa
  • MD02 Aprendizaje Basado en Problemas/Proyectos
  • MD05 Aprendizaje Cooperativo/Colaborativo
  • MD09 Aprendizaje de aula invertida

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.

Para cursar evaluación continua se exige la asistencia regular a clase, la participación activa en las diferentes sesiones teórico-prácticas y la entrega puntual de las tareas conforme el calendario establecido en la asignatura. 

La calificación final de cada estudiante se obtendrá mediante la evaluación de las siguientes actividades:

  • Participación activa en clase y resolución, individual o colectiva, de ejercicios y/o problemas desarrollados en clase (15%).
  • Realización de un proyecto final de la asignatura (70%), consistente en: 
    • Elaboración del marco teórico y contextual del problema desde el enfoque del bienestar social (35%). 
    • Diseño y resolución de un problema computacional enfocado en la intervención en bienestar social: Diseño, elaboración del código, aplicación a datos, explicación del código (de forma que sea reproducible) e interpretación de los resultados (35%).
  • Presentación del proyecto (15%).

Para aprobar la asignatura en evaluación continua, el/la estudiante deberá aprobar el proyecto final de la asignatura.

Criterios de evaluación

Se tendrá en cuenta que, en el proceso de aprendizaje, cada estudiante haya aprendido los siguientes aspectos:

  • Conocer los fundamentos del bienestar social y de las políticas sociales, y el papel de los datos para la transformación social. 
  • Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales 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 el estudiantado  que no haya 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/a 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.

El estudiantado que haya seguido evaluación continua (según los criterios definidos en el apartado anterior) pero que no haya aprobado en la convocatoria ordinaria, podrá presentar el proyecto final de la asignatura en convocatoria extraordinaria, conservando las calificaciones obtenidas en las tareas desarrolladas en evaluación continua. 

Criterios de evaluación

Se tendrá en cuenta que en el proceso de aprendizaje cada estudiante haya aprendido los siguientes aspectos:

  • Conocer los fundamentos del bienestar social y de las políticas sociales, y el papel de los datos para la transformación social. 
  • Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales 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 consistirá en la realización de las siguientes actividades:

  • Entrega del proyecto final (70%):
    • Elaboración del marco teórico y contextual del problema desde el enfoque del bienestar social (35%). 
    • Diseño y resolución de un problema computacional enfocado en la intervención en bienestar social: Diseño, elaboración del código, aplicación a datos, explicación del código (de forma que sea reproducible) e interpretación de los resultados (35%).
  • Examen sobre los contenidos teóricos (30%).

Criterios de evaluación

Se tendrá en cuenta que en el proceso de aprendizaje cada estudiante haya aprendido los siguientes aspectos:

  • Conocer los fundamentos del bienestar social y de las políticas sociales, y el papel de los datos para la transformación social. 
  • Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales 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.