Última actualización: 15/07/2023


Curso Académico: 2023/2024

Visualización de Datos
(19139)
Máster Universitario en Ciencias Sociales Computacionales/ Computational Social Science (Plan: 472 - Estudio: 375)
Escuela de Economía y Ciencia Política


Coordinador/a: UCAR MARQUES, IÑAKI

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Introducción a la Programación con R (19151)
Objetivos
- Conocimiento de los principios generales del diseño analítico, los elementos gráficos y su percepción visual. - Capacidad de seleccionar el tipo de representación y los elementos gráficos más adecuados al tipo de dato y al resultado que se pretende comunicar. - Capacidad de leer, comprender, analizar y elaborar representaciones gráficas con datos sociales. - Capacidad de elaborar reportes y dashboards automatizados con visualizaciones reproducibles.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Fundamentos de la práctica gráfica 1.1. Por qué hacer gráficas 1.2. Integridad gráfica 1.3. Percepción gráfica 1.4. Principios de representación gráfica 2. La gramática de los gráficos en R 2.1. Construir gráficos capa a capa 2.2. Guías y escalas 2.3. Sistemas de coordenadas 2.4. Facetas 2.5. Estilos 3. Visualización de datos en R 3.1. Distribución 3.2. Correlación 3.3. Ranking 3.4. Parte de un todo 3.5. Evolución 3.6. Mapa 3.7. Flujo 3.8. Otras técnicas 4. Comunicación de datos en R 4.1. R Markdown 4.2. Documentos y notebooks 4.3. Presentaciones 4.4. Otros formatos 4.5. Dashboards
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades Formativas: - 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. - 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 0
  • Peso porcentual del resto de la evaluación 100
Bibliografía básica
  • Munzner, T.. Visualization analysis and design. CRC Press. 2014
  • Tufte, E. R.. The visual display of quantitative information. Graphics Press. 2018
  • Wickham, H., & Sievert, C.. ggplot2: Elegant graphics for data analysis. Springer. 2016
Bibliografía complementaria
  • Cleveland, W. S.. The elements of graphing data. Wadsworth Inc. 1985
  • Meirelles, I.. Design for information. Rockport Publishers. 2013
  • Rahlf, T.. Data Visualisation with R: 111 examples. Springer. 2019
  • Tufte, E. R.. Envisioning information. Grahpics Press. 2018
  • Tufte, E. R.. Visual explanations: Images and quantities, evidence and narrative. Graphics Press. 2019
  • Tufte, E. R.. Beautiful evidence. Graphics Press. 2019
  • Ware, C.. Information visualization: Perception for design. Elsevier. 2021
  • Wilkinson, L.. The grammar of graphics. Springer New York. 2005

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