Pla docent de l'assignatura

 

 

CatalÓ Castellano English Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: TŔcniques d'Investigaciˇ Social II

Codi de l'assignatura: 570191

Curs acadŔmic: 2019-2020

Coordinaciˇ: Mario Dominguez Amoros

Departament: Departament de Sociologia

crŔdits: 5

Programa ˙nic: No definit

 

 

Hores estimades de dedicaciˇ

Hores totals 125

 

Activitats presencials i/o no presencials

45

 

-  TeoricoprÓctica

Presencial

 

30

 

-  PrÓctiques d'ordinadors

Presencial

 

15

Treball tutelat/dirigit

40

Aprenentatge aut˛nom

40

 

 

CompetŔncies que es desenvolupen

 

Competències bàsiques

— Habilitats d’aprenentatge per continuar estudiant d’una manera que ha de ser en bona mesura autodirigida o autònoma.

 

Competències generals

— Capacitat creativa i emprenedora necessària per formular, dissenyar i gestionar projectes, així com per buscar i integrar coneixements i actituds per fer propostes de canvi i innovació.

 

Competències específiques

— Capacitat per dissenyar un projecte d’investigació sociològica avançada i formular preguntes de recerca originals i rellevants per analitzar l’estructura de les societats i els principals problemes socials que les afecten.

 

— Capacitat per obtenir informació procedent de diverses fonts, elaborar indicadors i aplicar metodologies quantitatives i qualitatives avançades per resoldre problemes d’investigació en l’àmbit de l’anàlisi sociològica.

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements

— Aconseguir el domini conceptual bàsic de les tècniques d’anàlisi multivariant al nivell requerit per a les ciències socials aplicades.

— Comprendre la relació entre les tècniques i la resta d’elements del disseny i saber interpretar les diferents tipologies de resultats possibles.

— Aconseguir conèixer, identificar i comprendre la literatura científica que utilitza tècniques d’anàlisi multivariant i estructures socials complexes.

— Destriar les tècniques més apropiades per als diferents objectius i característiques dels múltiples contextos d’investigacions sociològiques, amb la finalitat d’abordar la complexitat de l’anàlisi social amb el rigor científic que atorguen les tècniques estadístiques.

— Saber detectar i dirigir el compliment dels requisits i decidir els criteris que s’han d’adoptar en el desenvolupament d’un projecte d’investigació social exigit per les convocatòries mundials competitives.

 

Referits a habilitats, destreses

— Aplicar i interpretar els resultats de les principals tècniques estadístiques multivariants.

— Adquirir habilitat en l’ús de les opcions de cada tècnica i en la seva selecció, interpretació i comparació, mitjançant la utilització dels paquets estadístics.

— Preveure i solucionar els problemes plantejats per les tècniques de recerca incloses a cada bloc, així com les possibilitats mètriques en relació amb cada context social analitzat.

— Conèixer els principals procediments per adaptar la pluralitat i complexitat de la informació social a l’anàlisi estadística.

— Obtenir destresa en l’ús de les bases de dades sociològiques i en la interpretació dels diferents diagrames i gràfics multivariants.

— Desenvolupar estratègies de lideratge en l’anàlisi de la innovació i el canvi.

 

Referits a actituds, valors i normes

— Assumir els valors ètics de l’àmbit científic social desenvolupant una actitud crítica cap a la praxi investigadora.

 

— Orientar la investigació social cap a l’efectivitat i utilitat professional, perseguint l’optimització de l’ajust dels models a la realitat i a la planificació social, a través de la selecció d’instruments i finalitats idònies.

 

— Promocionar, donar suport i col·laborar en la innovació social.

 

— Desenvolupar una visió objectiva en l’anàlisi, tant del discurs com dels fets socials, i controlar els judicis de valor, la subjectivitat i la validesa dels dissenys.

 

 

Blocs temÓtics

 

1. La producciˇ de dades quantitatives: mediciˇ, fonts de dades i tŔcniques de recollida de la informaciˇ

2. De l’anÓlisi bivariable a l’anÓlisi multivariable

3. PanorÓmica de les tŔcniques d’anÓlisi multivariable

4. La interdependŔncia en l’espai de les variables: anÓlisi factorial de components principals i de correspondŔncies

5. La interdependŔncia en l’espai de les unitats d’anÓlisi: anÓlisi de classificaciˇ

6. La l˛gica de l’anÓlisi causal: la identificaciˇ de la dependŔncia i la causalitat

7. TŔcniques de dependŔncia I. AnÓlisi de regressiˇ lineal i regressiˇ logÝstica

8. TŔcniques de dependŔncia II. Models loglineals

9. TŔcniques de dependŔncia III. AnÓlisi de la variÓncia

 

 

Metodologia i activitats formatives

 

La metodologia del curs és eminentment presencial i pràctica. Es combinen les classes magistrals de caràcter participatiu amb exercicis pràctics i sessions a l’aula d’informàtica. En tots els blocs temàtics el professorat proporciona material teoricoconceptual i empíric adequat perquè es pugui analitzar amb els procediments corresponents a cada bloc. A més, l’alumnat ha de ser capaç d’analitzar les seves pròpies dades, ja siguin dades produïdes per ells mateixos o bé dades secundàries.

La presentació de cadascuna de les tècniques d’anàlisi de les dades s’estructura en tres eixos: (1) elements teoricoconceptuals; (2) aplicació i interpretació dels resultats; (3) aplicació amb el programa informàtic (SPSS).

Per tant, l’aprenentatge i exposició de cada tècnica d’anàlisi multivariant es desenvolupa en tres blocs:

— Teoria: el professorat exposa els fonaments teoricoconceptuals de la tècnica d’anàlisi de dades en qüestió i presenta exemples d’anàlisi real que s’avaluen i comenten per facilitar la comprensió dels continguts teòrics exposats.

— Pràctiques a l’aula d’informàtica: després de la presentació de la tècnica es duu a terme, a l’aula d’informàtica, l’exposició i pràctica de la implementació i aplicació de la tècnica corresponent, a partir de fonts de dades secundàries.

— Lectura de textos científics: l’alumnat ha de fer lectures complementàries d’articles científics (de lliure elecció en relació amb una temàtica d’interès) que contribueixen a reforçar els coneixements pràctics, i també a evidenciar la necessitat de rigor metodològic en la implementació d’aquestes tècniques.

— Treball personal: el treball personal de l’estudiant es concreta en el lliurament d’un treball pràctic d’anàlisi de dades, en format article científic, en què s’ha d’aplicar una de les tècniques d’anàlisi multivariant del curs (els treballs s’avaluen i s’han de lliurar en el termini indicat).

— Suport acadèmic: el treball autònom de l’estudiant s’ha de complementar amb tutories acadèmiques, l’aprofitament de les eines del Campus Virtual i amb seminaris especialitzats.

 

 

Avaluaciˇ acreditativa dels aprenentatges

 

S’adopta un model d’avaluació continuada de les activitats que desenvolupin els estudiants dins i fora de l’aula. Per superar l’assignatura cal:

1. La realització de pràctiques i exercicis individuals i/o grupals que es duen a terme dins de l’aula (15 %).

2. El lliurament dels informes de lectura dels articles científics, un per cada tècnica d’anàlisi multivariant. Els treballs s’han de lliurar en les dates fixades (35 %).

3. Un treball final d’investigació en format article (50 % de la qualificació final).

Per superar l’assignatura és imprescindible superar (amb una qualificació mínima de 5) els tres tipus d’activitats indicades anteriorment.

Els estudiants que no superin el curs poden optar a una reavaluació dins del període establert per la coordinació del màster. El contingut, procediment i criteris de les activitats de reavaluació són els aplicables a l’avaluació única.

 

Avaluaciˇ ˙nica

L’avaluació única consisteix en una prova escrita sobre el temari del curs, en la data fixada per la coordinació del màster (50 % de la nota final), a més de la presentació per escrit d’un treball final de síntesi que desenvolupi una proposta d’investigació amb metodologia qualitativa (50 %).

 

 

Fonts d'informaciˇ bÓsica

Consulteu la disponibilitat a CERCABIB

Llibre

AGRESTI, A. An Introduction to Categorical Data Analysis. Hoboken (New Jersey): John Wiley & Sons, 2007

CatÓleg UB  Enlla├ž

ATO GARCIA, M. Análisis Estadístico para datos categóricos. Madrid: Síntesis, 1996

CatÓleg UB  Enlla├ž

BATISTA, J. M.; MARTÍNEZ ARIAS, M. R. Análisis multivariante. Análisis en componentes principales. Barcelona: Hispano Europea, 1989.

CatÓleg UB  Enlla├ž

CEA D’ANCONA, M.A. Análisis multivariable: teoría y práctica en la investigación social. Madrid: Síntesis, 2002

CatÓleg UB  Enlla├ž

CORNEJO, J. M. Técnicas de investigación social: el análisis de correspondencias (Teoría y Práctica). Barcelona: PPU, 1988.

CatÓleg UB  Enlla├ž

CORREA, A. D. Análisis logarítmico lineal. Madrid: La Muralla, 2002

CatÓleg UB  Enlla├ž

CUADRAS, C. M. Nuevos métodos de análisis multivariante. Barcelona: CMC Editions, 2012.

CatÓleg CCUC  Enlla├ž

DIEZ MEDRANO, J. Métodos de análisis causal. Madrid: CIS, 1992.

CatÓleg UB  Enlla├ž

EVERITT, B. S. et al. Cluster Analysis. Chicester, West Sussex (UK): John Wiley & Sons, 2011.

CatÓleg UB  Enlla├ž

GREENACRE, M. J. La práctica del análisis de correspondencias. Madrid: Fundación BBVA, 2008.

CatÓleg UB  Enlla├ž

GUILLEN, M. Análisis de regresión múltiple. Madrid: CIS, 1992. Cuadernos Metodológicos del CIS, 4.

HAIR, J. F. et al. Multivariate Data Analysis. Prentice Hall, 2011.

LÉVY, J.-P.; VARELA, J. (Dir.) Análisis Multivariable para las Ciencias Sociales. Madrid: Pearson Prentice Hall, 2003.

LÓPEZ-ROLDÁN, P.; FACHELLI, S. Metodología de la Investigación Social Cuantitativa. Bellaterra (Cerdanyola del Vallès): Dipòsit Digital de Documents, Universitat Autònoma de Barcelona, 2015

LOZARES COLINA, C.; LÓPEZ ROLDÁN, P. Anàlisi multivariable de dades estadístiques. Bellaterra: Universitat Autònoma de Barcelona. Servei de Publicacions, 2000

RUIZ-MAYA PEREZ, L. Metodología Estadística para el análisis de datos cualitativos. Madrid: CIS, 1991

SÁNCHEZ CARRIÓN, J. J. (Ed.) Introducción a las técnicas de multivariable aplicadas a las ciencias sociales. Madrid: Centro de Investigaciones Sociológicas, 1984.

SILVA, L. C.; BARROSO, I. M. Regresión logística. Madrid: La Muralla, 2004

STEVENS, J.P. Applied multivariate statistics for the social sciences. 5th ed. New York: Routledge, 2009.

VICENTE, M.A. DE; MANERA, J.; BLANCO, F.J. Análisis multivariante para las ciencias sociales. Madrid: Universidad Rey Juan Carlos. Servicio de Publicaciones: Dykinson, 2000