Última actualización: 30/04/2024


Curso Académico: 2024/2025

Metodología de Encuestas II
(19143)
Máster Universitario en Ciencias Sociales Computacionales/ Computational Social Science (Plan: 472 - Estudio: 375)
Escuela de Economía y Ciencia Política


Coordinador/a: TORRE FERNANDEZ, MARGARITA

Departamento asignado a la asignatura: Departamento de Ciencias Sociales

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Programación de Datos (19138) Estadística y Ciencia de Datos I (19140) Estadística y Ciencia de Datos II (19141) Metodología de Encuestas I (19137)
Objetivos
- Capacidad para analizar datos de encuesta. - Capacidad para solucionar los problemas habituales en el análisis de encuesta, como por ejemplo el tratamiento de casos perdidos. - Capacidad para trabajar con datos agregados, multinivel y longitudinales.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Análisis de datos de encuesta 1.1. Operacionalización y preparación de variables 1.2. Análisis con datos de sección cruzada 1.3. Análisis con datos panel 1.4. Análisis con datos jerárquicos 1.5. Ejemplos prácticos 2. Predicción con datos de encuesta 2.1. Predicción versus explicación 2.2. Evaluación del modelo predictivo 3. Tratamiento de casos perdidos 3.1. Sustitución por la media/mediana 3.2. Imputación múltiple 4. Presentación de datos y resultados 5. Ejemplos prácticos 5.1. Implementación de los conocimientos adquiridos al análisis de la realidad social, en consonancia con el Objetivo de Desarrollo Sostenible sobre Igualdad de Género, equidad y no discriminación.
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades Formativas: - Clases teórico-prácticas - Trabajo en grupo - Trabajo individual - Exámenes parciales y finales 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. - Resolución de casos prácticos, problemas, etc., planteados por el profesor de manera individual o en grupo. - 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.
Sistema de evaluación
  • Peso porcentual del Examen Final 50
  • Peso porcentual del resto de la evaluación 50




Bibliografía básica
  • Alisson, Paul. Missing Data. Sage Publications. 2001
  • Brown, J. D. . Using Surveys in Language Programs. Cambridge University Press. 2001
  • Gelman, A.; Hill, J,; Vehtari, A.. Regression and other stories. Cambridge University Press. 2020
  • Luke, D.A. . Multilevel Modeling. Sage Publications. 2019
  • Wickham, H. & Grolemund, G.. R for Data Science. O'Reilly Media, Inc. 2016
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Allison, P. . Fixed Effects Regression Models. Sage Publications. 2009
  • Finch, W. H.; Bolin, J. E. & Kelley, K. . Multilevel Modeling Using R. Crc Press. 2019
  • Long, J. S. SAGE publications. Regression models for categorical and limited dependent variables. Sage Publications. 1997
  • Stevens, J.S.. Applied Multivariate Statistics for the Social Sciences. Routlegde. 2009
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


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