Última actualización: 18/05/2022


Curso Académico: 2022/2023

Visualización de Datos
(19139)
Titulación: M.U Ciencias Sociales Computacionales (375)
Escuela de Economía y Ciencia Política


Coordinador/a: UCAR MARQUES, IÑAKI

Departamento asignado a la asignatura: Instituto UC3M-Santander de Big Data

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Introducción a la Programación con R (19151)
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 de recopilar y analizar los conocimientos existentes en las diferentes áreas de las ciencias sociales computacionales y de hacer una propuesta de posibles soluciones a los problemas planteados. - 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. Competencias Específicas: - Capacidad de comprender y utilizar con nivel avanzado las técnicas de visualización y representación gráfica propias del análisis social computacional. Resultados del Aprendizaje: - 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
  • Tufte, E. R.. The visual display of quantitative information. Graphics Press. 2018
  • Wilkinson, L.. The grammar of graphics. Springer New York. 2005
Bibliografía complementaria
  • 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
  • Wickham, H., & Sievert, C.. ggplot2: Elegant graphics for data analysis. Springer. 2016

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