Pla docent de l'assignatura

 

 

Tanca imatge de maquetació

 

Imprimeix

 

D’acord amb la Resolució SLT/275/2021, de 5 de febrer, per la qual es prorroguen i es modifiquen les mesures en matèria de salut pública per a la contenció del brot epidèmic de la pandèmia de COVID-19 al territori de Catalunya, el 9 de febrer de 2021 el rector de la Universitat de Barcelona, havent consultat els degans i deganes de les facultats i el Consell de l’Alumnat, va resoldre que la docència teòrica del segon semestre del curs 2020-2021 ha de ser parcialment presencial per als estudiants de primer curs. La resta de la docència s’ha de continuar impartint virtualment.
Les resolucions dictades des de l’inici del curs 2020-2021 en relació amb la crisi sanitària podrien obligar a adaptar la planificació de la docència i, en conseqüència, també a modificar alguns apartats dels plans docents. La descripció d’aquests canvis es recull en addendes al final dels plans docents originals.



Dades generals

 

Nom de l'assignatura: Gestió i Anàlisi de Dades de Biodiversitat

Codi de l'assignatura: 568700

Curs acadèmic: 2020-2021

Coordinació: Francisco Javier Font Castell

Departament: Departament de Genètica, Microbiologia i Estadística

crèdits: 6

Programa únic: S

 

 

Hores estimades de dedicació

Hores totals 150

 

Activitats presencials i/o no presencials

56

 

-  Pràctiques d'ordinadors

Presencial i no presencial

 

56

Aprenentatge autònom

94

 

 

Competències que es desenvolupen

 

 

Competències bàsiques(CB)  del Màster

CB6 - Posseir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i / o aplicació d’idees, sovint en un context de recerca

CB7 - Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seva àrea d’estudi

CB8 - Que els estudiants siguin capaços d’integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d’una informació que, sent incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l’aplicació dels seus coneixements i judicis

CB9 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d’una manera clara i sense ambigüitats

CB10 - Que els estudiants posseeixin les habilitats d’aprenentatge que els permetin continuar estudiant d’una manera que haurà de ser en gran manera autodirigida o autònom

Competències generals/transversals

CG0 - Saber integrar-se i treballar en equips d’investigació utilitzant indistintament el castellà, català o anglès

Competències específiques


CE3 - Saber avaluar i seleccionar la teoria científica adequada i la metodologia precisa dins de la biodiversitat per formular judicis a partir d’informació incompleta o limitada incloent-hi, quan calgui i sigui pertinent, una reflexió sobre la responsabilitat social o ètica lligada a la solució que es proposi en cada cas.

CE4 - Predir i controlar l’evolució de situacions complexes mitjançant el desenvolupament de metodologies de treball noves i innovadores adaptades a l’àmbit científic / investigador de la biodiversitat.

CE7 - Ser capaços d’assumir la responsabilitat del seu propi desenvolupament professional i de la seva especialització en el camp de la biodiversitat.

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements

• Assolir competència en la consulta i descàrrega de dades de biodiversitat i en l’ús del programari B-VegAna.

• Assolir els fonaments bàsics d’algunes de les eines d’estadística multivariant utilitzades més habitualment en l’anàlisi de dades en biodiversitat.

• Assolir els coneixements, sobretot pràctics, per esbrinar i dur a terme les anàlisis estadístiques adients amb relació al tipus de dada de biodiversitat i la hipòtesi de partida.

• Aprendre a interpretar correctament els resultats de les tècniques d’anàlisi estadística multivariant.

 

 

Blocs temàtics

 

1. Tipus de dades en biodiversitat i la seva gestió

1.1. Tipus de dades. Espècimens. Observacions de camp (florístiques i faunístiques) i recomptes d’individus. Camps principals. Inventaris d’espècies i de comunitats

1.2. Recol·lecció d’espècimens i conservació: gestió i utilització científica. Interès de les col·leccions científiques històriques. Dades bibliogràfiques

1.3. Introducció als bancs d’informació en biodiversitat. Estructures de dades: taules, camps i tesaurus. Bases de dades de biodiversitat en xarxa: locals, nacionals i internacionals. Exemples de portals internacionals: GBIF i BioCASE. Exemples nacionals i locals (SIVIM, BDBC, Anthos, SIBA, etc.). Consulta i descàrrega de dades. Problemàtica de l’autoria. Filtratge d’errors i problemes de nomenclatura (sinònims). Bases de dades amb inventaris de vegetació (Global Index of Vegetation-Plot Databases). Bases de dades de biodiversitat. Perspectives de futur de les col·leccions i dels bancs de dades de biodiversitat

1.4. Formats estàndards d’intercanvi de dades (el TDWG). Formats XML de dades de biodiversitat: DarwinCore II i ABCD. Serveis webs (taxonòmics, cartogràfics i de georeferenciació). El format Veg-X per a dades de vegetació. Protocols de comunicació: Digir i Tapir

1.5. Georeferenciació de dades. SIG. Les bases de dades georeferenciades. Variables discretes i contínues. Format vectorial i de trama. Anàlisi en format vectorial i de trama: reclassificació i superposició. Els models digitals d’elevacions. Infraestructures de dades espacials (IDE)

1.6. Introducció al paquet de programes B-VegAna (www.vegana.org), informatització de dades inèdites i importació de dades publicades. Consultes, cartografia i redacció d’informes

1.7. Presa de dades georeferenciades amb ZamiaDroid. Gestió de projectes, filtre de dades i exportació de les observacions als altres mòduls

1.8. Els mòduls Fagus, Quercus, Ginkgo i Yucca de B-VegAna (elaboració de projectes, introducció de dades, cartografia corològica, etc.)

2. Anàlisi de dades

2.1. Introducció a les tècniques d’anàlisi multivariant de dades. Matrius de dades, vector de mitjanes, matriu de covariàncies i matriu de correlacions. Distàncies i similituds. Tècniques de representació i tècniques de classificació

2.2. L’anàlisi de components principals. Elecció del nombre de components i interpretació. Rotació varimax. Relació amb l’anàlisi factorial. Cas pràctic: selecció de factors a partir de variables ambientals

2.3. Transformacions de variables i mesures de distàncies i similituds recomanables per a l’anàlisi de la biodiversitat

2.4. Anàlisi de proximitats (multidimensional scaling) mètrica i no mètrica: reducció de la dimensió mitjançant una matriu de proximitats entre els individus. Anàlisi de coordenades principals (classical scaling) i non-metric scaling. Cas pràctic: estudi de dades d’abundàncies d’espècies en localitats de mostreig

2.5. Relació entre abundància d’espècies i variables ambientals: RDA (redundancy analysis) i CCA (canonical correspondence analysis). Generalització a qualsevol mesura de distància: db-RDA. Cas pràtic: interrelació entre variables ambientals explicatives i matrius de taxons

2.6. Introducció a les eines d’anàlisi de conglomerats (cluster analysis). Conglomerat jeràrquic: dendrogrames. k mitjanes (k-means) i k mitjanes difuses (fuzzy k-means). Elecció del nombre de conglomerats. Cas pràctic: delimitació de territoris a Catalunya basats en la seva flora (fitogeografia) i en variables ambientals

2.7. Comparació de particions: matrius de confusió i Kappa. Índex de Rand. Cas pràctic: comparació dels resultats dels territoris obtinguts a Catalunya amb les propostes clàssiques d’O. de Bolòs i Rivas-Martínez. Concepte teòric de fidelitat i estadístics de mesura (phi-coefficient i Ochiai index). Cas pràctic: cerca d’espècies diagnòstiques a les comunitats

2.8. L’anàlisi discriminant: conceptes fonamentals i alguns enfocaments possibles. El discriminador lineal de Fisher. Avaluació d’una regla discriminant. Selecció de variables. Anàlisi discriminant basada en distàncies. Cas pràctic: comparació de la distribució potencial i real d’una espècie autòctona i d’una altra d’invasora

2.9. Mètodes en màxima entropia. Models de distribució potencial de tàxons i hàbitats (Maxent). Cas pràctic: distribució real i futura, en relació amb el canvi climàtic, de pastures alpines als Pirineus

2.10. Disseny experimental i inferència estadística multivariant: PERMANOVA. Cas pràctic: confirmació de la validesa estadística d’associacions vegetals de boscos caducifolis

 

 

Metodologia i activitats formatives

 

L’assignatura es fa íntegrament a l’aula d’informàtica.

La informació es treballa mitjançant exercicis pràctics i l’estudi de casos específics.

• Activitats presencials: pràctiques d’ordinador.

• Activitats tutelades: treball tutelat.

 

 

 

Avaluació acreditativa dels aprenentatges

 

S’utilitza el criteri següent: assistència (20 %) i dues proves d’avaluació de coneixements i competències basades en casos pràctics (80 %, un 40 % cadascuna de les proves).

 

 

Fonts d'informació bàsica

Consulteu la disponibilitat a CERCABIB

Llibre

Gotelli, Nicholas J. &, Ellison, Aaron M. A Primer Of Ecological Statistics. 2nd ed. Sinauer Associates (2013).  Enllaç

Jongman, R. H. G.; Ter Braak, C. J. F. & van Tongeren, O. F. R. Data Analysis in Community and Landscape Ecology. Cambridge University Press (1995)  Enllaç

[També, 1987]  Enllaç

Legendre, P. & Legendre, L. Numerical Ecology. Elsevier Science, 3rd ed. (2012)  Enllaç

McGarigal, Kevin; Cushman, Sam & Stafford, Sussan. Multivariate Statistics for Wildlife and Ecology Research. Springer, 2000.  Enllaç

Revista

Bouxin, G. (2005): Ginkgo, a multivariate analysis package. Journal of Vegetation Science 16: 353-359 [English PDF].   Enllaç

De Cáceres, M.; Oliva, F.; Font, X. & Vives. S. (2007). GINKGO, a program for non-standard multivariate fuzzy analysis. Advances in Fuzzy Sets and Systems: 2 (1), 41-56.

 

  Enllaç

Dengler, J., Jansen, F., Glöckler, F., Chytry, M, De Cáceres, M., Ewald, J., Oldeland, J., Peet, R.K., Finckh, M., Mucina, L., Schaminnée, J., Spencer, N. (2011). The Global Index of Vegetation-Plot Databases (GIVD): a new resource for vegetation science. Journal of Vegetation Science 22(4): 582-597.   Enllaç

Font, X (2005). La gestión de la biodiversidad mediante bases de datos en línea y el programario b-vegana. Recursos Rurais, SERIE CURSOS 2: 65-72. [Spanish PDF].  Enllaç

Wiser, S, Spencer, N., De Cáceres, M., Kleikamp, M., Boyle, B., Peet, R.K. (2011) Veg-X – An exchange standard for plot-based vegetation data. Journal of Vegetation Science 22(4): 598-609.  Enllaç

Pàgina web

Anònim. (2006). Esquema de dades xml DarwinCore II.  Enllaç

Anònim. (2006). Esquema de dades xml ABCD.  Enllaç

 

 

Adaptació de la docència teòrica a les modalitats en línia i mixta durant el curs 2020-2021. La docència mixta és aplicable només als estudiants de primer curs de grau.

 

-- Docencia
    A causa de las restriciones marcadas por la Covid19 toda la docencia se desarrollará de manera no presncial en los mismos horarios previstos

-- Evaluación

La asignatura de Gestión y Análisis de Datos de Biodiversidad se evalúa a través de la asistencia a las clases (20%) y un trabajo (80 %) en el que se analice un caso de estudio sobre el cual se puedan aplicar dos (o más) de las técnicas estudiadas en la asignatura.

La asignatura gira en torno de métodos de análisis de datos multivariados, por lo que el trabajo se debe plantear en estos términos. No es necesario cubrir todo el temario de la asignatura: el planteamiento del problema debe ser lógico, el desarrollo del trabajo coherente, y la metodología ajustada para obtener las respuestas a las preguntas que se planteen. Por tanto, en el trabajo se debe plantear dos (o más) preguntas que puedan ser contestadas con los resultados de dos (o más) métodos de análisis propuestos. Tampoco es necesario que los análisis estén realizados con los programas del paquete B-Vegana; sin embargo es necesario tener claro (y demostrarlo) qué análisis se realizará, para qué, qué opciones (del método, no del programario) se aplican, etc.

Los trabajos se realizarán en grupos de dos personas (o individualmente).

Inicialmente una persona de cada grupo establecido contactará con uno de los profesores de la asignatura (M. Salicrú, F. Oliva, X. Font o J.M. Blanco) para describir en una página, una propuesta del problema a analizar, en la que deberá constar:

    los nombres de las personas del grupo de trabajo;
    la exposición general de la problemática a estudiar;
    la especificación de los objetivos;
    los datos que se pretende usar y  su origen;
    y la metodología de gestión de los datos y de estadística.

A partir de este documento, los profesores de la asignatura haremos una valoración de la propuesta, su viabilidad y su coherencia, que se devolverá a los estudiantes. A partir de este momento el grupo de trabajo quedará fijado y la tarea definitiva asignada; el feed-back de los profesores y el envío del trabajo definitivo se realizará por grupo (sólo una persona subirá el trabajo al campus virtual).

El calendario de realización será el siguiente:

    hasta el viernes 26 de marzo: presentación de la propuesta; la respuesta de los profesores (feed-back ) la tendréis después de semana santa;
    hasta el lunes 31 de mayo: elaboración del trabajo y entrega a través del campus virtual.