Competencias Básicas:
- Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- 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.
- 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.
- 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.
- 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:
- Capacidad para identificar, definir y formular problemas de las ciencias sociales y resolverlos mediante técnicas computacionales. Esta capacidad incluye la valoración simultánea de todos los factores en juego, no sólo técnicos, sino también legales.
- Capacidad para aplicar los conocimientos teóricos y metodológicos propios de las ciencias sociales computacionales al análisis y resolución de casos y problemas empíricos concretos.
- Capacidad para abordar de manera proactiva los problemas planteados bajo entornos nuevos o poco conocidos, dentro del contexto de las ciencias sociales computacionales.
- Capacidad para planificar y llevar a cabo de manera autónoma una investigación en el campo de las ciencias sociales computacionales.
Competencias Específicas:
- Capacidad de comprender y utilizar con nivel avanzado los principales métodos y técnicas de análisis estadísticos propios de las ciencias sociales computacionales.
Resultados del Aprendizaje:
- Capacidad de realizar e interpretar contrastes de hipótesis usando datos y las herramientas más apropiadas.
- Capacidad de estimar modelos de regresión lineal para datos transversales, así como de entender y explicar los principios estadísticos subyacentes a las estimaciones.
- Capacidad de interpretar los parámetros de una regresión lineal, obtener predicciones y evaluar la bondad del ajuste.
- Capacidad de describir la lógica de la inferencia causal y su aplicación a modelos de regresión, distinguiendo entre causalidad y correlación.
- Capacidad de identificar problemas comunes de interpretación causal en modelos lineales, así como de evaluar y justificar técnicas para solventarlos.
- Capacidad de evaluar la validez y robustez de la inferencia causal ante una variedad de asunciones sobre la generación de los datos.