Última actualización: 09/10/2024


Curso Académico: 2024/2025

Fundamentos de la Ciencia Social Computacional
(19135)
Máster Universitario en Ciencias Sociales Computacionales/ Computational Social Science (Plan: 472 - Estudio: 375)
Escuela de Economía y Ciencia Política


Coordinador/a: SANCHEZ SANCHEZ, ANGEL

Departamento asignado a la asignatura: Departamento de Matemáticas

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Introducción a la Programación con R (19151) Estadística Básica (19152)
Objetivos
- Capacidad de comprender e identificar los nuevos retos a los que se enfrentan las Ciencias Sociales en el mundo digital.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción - ¿Qué es la ciencia social computacional (CSS)? - El paradigma de la CSS - Primeros ejemplos - La sociedad como sistema complejo adaptativo - Principales áreas de la CSS 2. Big data - Extracción automática de información y data mining - Técnicas de análisis - Ejemplos 3. Redes sociales - Redes complejas: definiciones básicas - Análisis cuantitativo de redes y software - Ejemplos 4. Complejidad social - Fundamentos y características - Indicadores cuantitativos - Leyes de la complejidad social 5. Modelos y simulaciones - Construcción de modelos - El propósito de las simulaciones - Software básico: NetLogo - Ejemplos
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades Formativas: - Clases teóricas - Clases teórico-prácticas - Tutorías - Trabajo en grupo - Trabajo individual del estudiante Metodologías Docentes: - Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. - Lectura crítica de textos recomendados por el profesor de la asignatura: Artículos de prensa, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. - Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos. - Elaboración de trabajos e informes de manera individual o en grupo. - Seminarios/ponencias de expertos nacionales e internacionales, en sesión síncrona presencial o remota.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100




Bibliografía básica
  • Claudio Cioffi-Revilla. Introduction to Computational Social Science: Principles and Applications. Springer. 2017

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.


Dirección web para más información: https://www.anxosanchez.eu