Guía docente de Interfaces Gráficos para la Visualización de Información (Viri): su Aplicación a las Bibliotecas Digitales y al World Wide Web (M12/56/1/41)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- Víctor Federico Herrero Solana
Horario de Tutorías
Víctor Federico Herrero Solana
EmailBreve descripción de contenidos (Según memoria de verificación del Máster)
- El problema de la interacción hombre-máquina.
- Los mapas como interfaces.
- Técnicas de reducción de la dimensión.
- Desarrollo de una aplicación
Prerrequisitos y/o Recomendaciones
En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0
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.
Competencias Generales
- CG01. Que los estudiantes sepan elaborar correctamente y con un cierto nivel de originalidad trabajos escritos monográficos, proyectos de trabajo o artículos científicos.
Competencias Específicas
- CE15. Aplicar conocimientos de estadística multivariante a problemas en el tratamiento de la información científica.
- CE24. Conocer la problemática general de la visualización de la información.
Resultados de aprendizaje (Objetivos)
El alumno sabrá/comprenderá:
- La problemática general de la visualización de la información
- El problema de la interacción hombre-máquina
- Uso y aprovechamiento de técnicas estadísticas multivariantes.
- Los mapas como interfaces y las técnicas de reducción de la dimensión
El alumno será capaz de:
- Será capaz de analizar todo tipo ejemplos de aplicaciones VIRI
- Aplicar conocimientos de estadística multivariante a problemas en el tratamiento de la información científica
- Desarrollar una aplicación de visualización de información
Programa de contenidos Teóricos y Prácticos
Teórico
- Introducción, browsing global y treemaps
- Gapminder
- Scimago Graphica
- Mapas de la ciencia
- DataViz e IA: ChatGPT y Claude
Práctico
Actividad 1 - Foro de debate sobre Treemap
Actividad 2 - Foro sobre Gapminder
Actividad 3 - Scimago Graphica
Actividad 4 - Vosviewer
Actividad 5 - Cierre y conclusiones
Bibliografía
Bibliografía fundamental
- Segaran T; Hammerbacher J. Beautiful Data: The Stories Behind Elegant Data Solutions. O’Reilly, 2009.
- Hassan-Montero Y; Moya-Anegón F; Guerrero-Bote V. SCImago Graphica: a new tool for exploring and visually communicating data. Profesional De La información, 31(5), 2022.
- Herrero-Solana, V; Hassan-Montero Y. Metodologías para el desarrollo de interfaces visuales de recuperación de información: análisis y comparación. Information Research: an internacional electronic journal (Sheffield), 11(3) paper 258, April 2006
Bibliografía complementaria
- Kirk A. Data Visualisation: A Handbook for Data Driven Design. Los Angeles : SAGE, 2016.
- López-Lozano A; Herrero-Solana V; Sánchez-Mesa Martínez D. Interactive Documentary and Data Visualization: New Approaches to Telling Stories with Data. VISUAL REVIEW. International Visual Culture Review Revista Internacional De Cultura Visual, 16(1), 59–86, 2024.
- Moya-Anegón F; Herrero-Solana V. Worldwide Topology of the Scientific Subject Profile: A Macro Approach in the Country Level. PLOS One, 08(12), e83222, 2013.
- Moya-Anegón F; Herrero-Solana, V; Jiménez-Contreras E. A connectionist and multivariate approach to science maps: the SOM, clustering and MDS applied to library and information science research. Journal of Information Science, 32(1):63-77, 2006.
- Moya-Anegón F; Vargas-Quesada B; Chinchilla-Rodríguez Z; Corera-Alvarez E; Muñoz-Fernández F; Herrero-Solana V. Visualizing the Marrow of Science. Journal of the American Society for Information Science and Technology, 58(14):2167– 2179, 2007.
Enlaces recomendados
Metodología docente
- M01 Lección magistral/expositiva
- M02 Sesiones de discusión y debate
- M03 Resolución de problemas y estudio de casos prácticos
- M07 Realización de trabajos individuales
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
- Valoración de trabajos prácticos: MIN 70%, *Aportaciones del alumno en sesiones de discusión y actitud del alumno en las diferentes actividades desarrolladas: MAX 30%
Evaluación Extraordinaria
- Realización de trabajos prácticos (100%)
Evaluación única final
- Realización de trabajos prácticos (100%)
Información adicional
Información sobre el Plagio (artículo 15 de la 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.
4. Asimismo, en caso de que se hayan utilizado herramientas de inteligencia artificial (IA) generativa para la producción o edición parcial de contenidos, el análisis de datos, o cualquier otra actividad relacionada con la elaboración de trabajos o materiales presentados para evaluación, el estudiante deberá declarar dicha utilización de forma explícita
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).