Última actualización: 18/05/2022


Curso Académico: 2022/2023

Diseño de Investigación para las Ciencias Sociales
(19134)
Titulación: M.U Ciencias Sociales Computacionales (375)
Escuela de Economía y Ciencia Política


Coordinador/a: VILLAMIL FERNANDEZ, FRANCISCO

Departamento asignado a la asignatura: Departamento de Ciencias Sociales

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Objetivos
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 comprender y analizar las principales teorías sociales de carácter global y cómo están cambiando con la aplicación de herramientas computacionales. - 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 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 analizar los principales enfoques teórico-metodológicos de las ciencias sociales computacionales, incluyendo sus potenciales y limitaciones, así como de aplicarlos al análisis de problemas sociales concretos. - Capacidad de elaborar un diseño experimental/causal adecuado a las preguntas de investigación. Resultados del Aprendizaje: - Conocer los principios axiales de la lógica de la investigación científica. - Dominar la diferencia entre falsación, confirmación y contrastación. - Conocer los distintos diseños de investigación: basados en variables, basados en casos, comparativos. - Conocer técnicas para combinar distintos diseños de investigación. - Tener familiaridad con los distintos tipos de evidencia científica. - Capacidad de explicar los principios que subyacen los modelos estadísticos para redes sociales.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción - La importancia del diseño de investigación en ciencias sociales - Qué significa responder a una pregunta con evidencia empírica - Tipos de investigación empírica 2. Preguntas de investigación - Cómo encontrarlas y cómo trabajar con ellas - Descripción y explicación - Variables y relaciones entre variables 3. Tipos de diseño de investigación y de información empírica - Estudios de caso, estudios comparados, estudios cuantitativos con muestras grandes - Ventajas, desventajas y complementariedades - Tipos de evidencia empírica - Unidad de análisis y variabilidad - Problemas de medición 4. Causalidad - Predicción, correlación, probabilidad - Efectos causales y mecanismos causales - Explicaciones basados en mecanismos - Niveles de explicación: macro, meso, micro - Grafos dirigidos acíclicos 5. Problemas en inferencia causal - Relaciones espurias, sesgo de selección, collider bias, etc. - Problemas de inferencia interna y externa - Falacia ecológica, difusión, validez externa, etc. 6. Diseño de investigación para identificar relaciones causales - Ideal del método experimental en ciencias naturales - Contrafácticos y cómo aproximarse a ellos - Ventajas y desventajas del diseño de inferencia causal 7. Introducción a la lógica de la metodología de inferencia causal - Entendiendo las técnicas más comunes: experimentos, difference-in-differences, RDD, matching, etc.
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades Formativas: - Clases teórico-prácticas - Prácticas de laboratorio - Tutorías - Trabajo en grupo - Trabajo individual del estudiante - 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 40
  • Peso porcentual del resto de la evaluación 60
Bibliografía básica
  • Ethan Bueno de Mesquita & Anthony Fowler. Thinking clearly with data: A guide to quantitative reasoning and analysis. Princeton University Press. 2021
  • Nick Huntington-Klein. The Effect: An Introduction to Research Design and Causality. Chapman and Hall/CRC Publishing. 2021
  • Scott Cunningham. Causal Inference: The Mixtape. Yale University Press. 2021

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