Compartir en:
Acerca del programa:
El diplomado ofrece una introducción práctica al análisis de datos sociales cuantitativos, utilizando R. Los participantes aprenderán a realizar análisis de datos sociales a nivel descriptivo e inferencial, implementar modelos estadísticos, y gestionar volúmenes medianos y grandes de datos sociales, lo que es fundamental para la toma de decisiones en investigaciones, proyectos o informes para la investigación social.
Dirigido a:
Dirigido a profesionales o licenciados de diversas disciplinas de las ciencias sociales, humanidades, comunicaciones, educación, u otras que necesiten realizar análisis estadístico de datos sociales a nivel descriptivo e inferencial, implementar modelos estadísticos, y gestionar grandes volúmenes de datos, comenzando desde un nivel básico para avanzar en el desarrollo de los cursos.
Jefe de Programa
Pamela Ayala
Equipo Docente
keyboard_arrow_downPamela Ayala
Socióloga, Pontificia Universidad Católica de Chile. Doctor en Sociología, Pontificia Universidad Católica de Chile. Docente de planta adjunta del Instituto de Sociología UC
Sebastián Rojas
Sociólogo, Pontificia Universidad Católica de Chile. Magíster en Sociología, Pontificia Universidad Católica de Chile. Analista de investigación social en el Ministerio de Desarrollo Social.
Mauricio Bucca
Sociólogo, Pontificia Universidad Católica de Chile. Doctor en Sociología, Universidad de Cornell Docente de planta ordinaria del Instituto de Sociología UC.
Gabriela Fajardo
Socióloga, Pontificia Universidad Católica de Chile. Doctora y Magíster en Ciencias de la Complejidad Social de la Universidad del Desarrollo. Investigadora postdoctoral en la Facultad de Administración y Economía de la Universidad de Santiago de Chile.
Descripción
keyboard_arrow_downEn este diplomado las y los estudiantes desarrollarán competencias avanzadas en el procesamiento, análisis y presentación de datos sociales cuantitativos, utilizando el programa R, software estadístico de código abierto, que se encuentra entre los más utilizados en las ciencias sociales, tanto en el ámbito académico como profesional.
Aprenderán fundamentos estadísticos, aplicarán técnicas de estadística descriptiva e inferencial y construirán tablas de resultados. También aplicarán modelos de regresión lineal o logística, evaluando su calidad, y adquirirán habilidades para manejar bases de datos sociales, calcular indicadores, realizar análisis efectivos y reproducibles. Gracias al aprendizaje de metodologías cuantitativas y estadísticas aplicadas desde las ciencias sociales, al finalizar el diplomado, las y los estudiantes estarán capacitados para tomar decisiones basadas en evidencia y comunicar resultados de manera clara en proyectos de investigación e informes sociales.
Las y los estudiantes podrán adquirir habilidades esenciales que les permitan procesar, analizar, interpretar y presentar datos sociales cuantitativos, utilizando fuentes de información como encuestas sociales, datos abiertos, y encuestas de opinión pública, abordando problemas sociales complejos para contribuir a las organizaciones realizando análisis sólidos y fundamentados.
Este diplomado se impartirá en modalidad on line - clases en vivo a través de una plataforma streaming y con el apoyo de la plataforma Moodle de la Facultad de Ciencias Sociales UC. Las clases combinan elementos prácticos y teóricos, utilizando el software de análisis estadístico R.
Requisitos de Ingreso
keyboard_arrow_downTítulo universitario (al menos, en posesión de Licenciatura) de distintas áreas disciplinarias.
Objetivos de Aprendizaje
keyboard_arrow_downManejar herramientas estadísticas, descriptivas e inferenciales para el procesamiento, análisis, interpretación y presentación de datos sociales cuantitativos, así como en la implementación de modelos de regresión en el software R, para la generación de proyectos e informes sociales y la toma de decisiones basadas en evidencia.
Desglose de cursos
keyboard_arrow_downEstadística descriptiva e inferencial para las ciencias sociales usando R
keyboard_arrow_downCréditos: 3
Horas totales: 54
Horas directas: 32
Horas indirectas: 22
Descripción del curso:
Este curso aborda las técnicas cuantitativas de análisis de datos sociales más utilizadas en el área de las ciencias sociales tales como el análisis descriptivo univariado, análisis inferencial y análisis de tablas de contingencia. Tiene un énfasis práctico, orientado a resolver problemas y preguntas sociológicas concretas, utilizando como fuentes de información encuestas sociales, datos abiertos, y encuestas de opinión pública, a través del programa de análisis estadístico R.
Resultados de aprendizaje:
Al finalizar este curso los/las estudiantes debieran ser capaces de:
- Identificar los fundamentos estadísticos que hay detrás del análisis e interpretación de datos sociales en estadística descriptiva e inferencial.
- Aplicar técnicas de estadística descriptiva e inferencial en R para el análisis de datos sociales.
- Construir y leer tablas de resultados en R para la resolución de problemas sociales y preguntas sociológicas.
- Presentar resultados de datos sociales cuantitativos de manera clara y comprensible en estudios sociológicos.
Contenidos:
- Presentación de R para las ciencias sociales.
- Funciones para la exploración y procesamiento de datos en R.
- Matriz de datos.
- Tipos de variables.
- Análisis de datos sociales descriptivo univariado en R.
- Distribuciones de frecuencia absoluta y relativa.
- Estadísticos descriptivos (medidas de tendencia central, medidas de dispersión, percentiles y fractiles).
- Gráficos univariados.
- Análisis de datos sociales descriptivo bivariado en R.
- Creación y lectura de tablas de contingencia
- Gráficos bivariados.
- Presentación de resultados.
- Introducción a la estadística inferencial.
- Teoría de la probabilidad.
- Distribuciones de probabilidad y curva normal.
- Concepto de distribución muestral.
- Teorema del límite central.
- Estimación de parámetros en R.
- Estimación de parámetros usando intervalos de confianza para medias y proporciones.
- Relación entre el tamaño de la muestra y los intervalos de confianza.
- Pruebas de hipótesis en R.
- Pruebas de hipótesis de medias y proporciones para una muestra o una variable.
- Pruebas de hipótesis de medias y proporciones para dos muestras dependientes o independientes.
- Análisis de Varianza para un factor (ANOVA)
- Coeficientes de asociación en R
Estrategias Metodológicas:
- Clases expositivas en línea vía plataforma streaming
- Ejercicios prácticos en R, utilizando como fuentes de información encuestas sociales, datos abiertos, y encuestas de opinión pública.
Estrategias Evaluativas:
- Controles individuales de contenidos (30%)
- Trabajo grupal práctico en R (50%)
- Examen final individual (20%)
Modelos de regresión múltiple para las ciencias sociales usando R
keyboard_arrow_downCréditos: 3
Horas totales: 54
Horas directas: 32
Horas indirectas: 22
Descripción del curso:
Este curso entrega entre las herramientas para diseñar, calcular e interpretar modelos de regresión múltiple lineal y modelos de regresión logística, utilizando como fuentes de información encuestas sociales, datos abiertos, y encuestas de opinión pública, a través del programa R.
Resultados de aprendizaje:
Al finalizar este curso los/las estudiantes debieran ser capaces de:
- Aplicar la técnica de Mínimos Cuadrados Ordinarios.
- Analizar un modelo multivariado de regresión lineal o logística con datos sociales reales.
- Evaluar la calidad del modelo de regresión, considerando los supuestos MICO y otros.
Contenidos:
- Lógica del análisis multivariado a través de regresiones para las ciencias sociales
- Correlaciones parciales
- Variables confundentes y relaciones espúreas
- Causación versus correlación
- Regresión lineal simple
- Estimación de coeficientes
- Estándar Gaussiano y Teorema de Gauss Markov
- Inferencia Estadística para regresión lineal bi-variada.
- Regresión lineal múltiple
- Estimación de coeficientes
- Especificación de modelos
- Incorporación de variables dummy
- Interpretación de interacciones
- Verificación de supuestos y de la bondad de ajuste en los modelos de regresión multivariada
- Multicolinearidad
- Ausencia de autocorrelación
- Heterocedasticidad
- Especificación del modelo
- Revisión de casos outliers
- Regresión logística binaria.
- Aplicaciones
- Cálculo
- Interpretación de modelos
- Visualización de resultados
Estrategias Metodológicas:
- Clases expositivas en línea vía plataforma streaming
- Ejercicios prácticos en R, utilizando como fuentes de información encuestas sociales, datos abiertos, y encuestas de opinión pública.
Estrategias Evaluativas:
- Ejercicios prácticos individuales (60%)
- Trabajo final grupal (40%)
Data Wrangling y programación para las ciencias sociales usando R
keyboard_arrow_downCréditos: 3
Horas totales: 54
Horas directas: 32
Horas indirectas: 22
Descripción del curso:
Este curso expone aspectos avanzados en el procesamiento de bases de datos sociales de mediana y avanzada complejidad, abordando aspectos como manejo de variables, consolidación de bases de datos, buenas prácticas de programación y producción de reportes automatizados y replicables para la investigación social, a través del programa R.
Resultados de Aprendizaje:
Al finalizar este curso los/las estudiantes debieran ser capaces de:
- Calcular indicadores para diferentes unidades de análisis en una misma base de datos.
- Analizar datos sociales de mediana a avanzada complejidad de modo efectivo, eficiente y reproducible para la producción de informes y proyectos e investigación de índole social.
Contenidos:
- Introducción a R y Rstudio para las ciencias sociales
- Interfaz R y RStudio
- Manejo de archivos
- Operaciones matemáticas, lógicas y de vectores
- Manejo de librerías
- Introducción a bases de datos sociales
- Creación y manipulación de bases de datos
- Variables e individuos
- Extracción, modificación de variables, creación de nuevas variables
- Importación y exportación de bases de datos
- Operaciones básicas
- Workflow
- Uso de Scripts
- Buenas prácticas de programación
- Construcción de un “workflow” efectivo y ordenado
- Exportación de resultados
- Replicabilidad
- Tidyverse, pipes y funciones básicas dplyr
- Librería dplyr
- Ordenamiento de bases de datos
- Filtro de bases de datos
- Selección de variables
- Creación y transformación de variables con dplyr
- Creación de nuevas variables (indicadores y variables de estratificación)
- Recodificación de variables
- Cálculo de variables en diferentes unidades de medición
- Resumen de datos agrupados y combinación de bases de datos con dplyr
- Estadísticas básicas
- Resumen de las variables en una base de datos
- Resumen de variables por grupos
- Juntar bases de datos con una llave común
- Transformación de datos anchos y largos con tidyr
- Concepto de bases de datos ordenadas (tidy).
- Transformación de datos “anchos” y “largos”
- Tratamiento de datos faltantes con tidyr
- Manipulación de datos faltantes con funciones bases de R
- Herramientas de tidyverse para manipulación de datos faltantes
- Iteración y automatización con purrr
- Funciones personalizadas
- Herramientas de iteración
- “Functional programming”
- Visualización de datos con ggplot2
- La “gramática” de ggplot
- Gráficos para una sola variable
- Gráficos para relaciones entre variables
- Personalización de gráficos
- Gráficos por grupo
- Ejemplos de gráficos avanzados
- Exportación de figuras
- Reportes automatizados
- Rmarkdown y librería knirt
- Escritura de reportes automatizados y replicables
- Un primer acercamiento a presentaciones automatizadas en Xaringan
- Workflow avanzado
- Uso avanzado de Scripts
- Construcción de un “workflow” efectivo, ordenado y automático
- Exportación avanzada de resultados
- Replicabilidad
Estrategias Metodológicas:
- Clases expositivas en línea vía plataforma streaming.
- Ejercicios prácticos en R, utilizando como fuentes de información encuestas sociales, datos abiertos, y encuestas de opinión pública.
Estrategias Evaluativas:
- Ejercicios prácticos individuales (60%)
- Trabajo final grupal (40%)
Requisitos Aprobación
keyboard_arrow_downEl promedio final del diplomado será el promedio de la nota final de cada curso con las siguientes ponderaciones (en una escala de 1,0 a 7,0):
- Nota final Curso Estadística descriptiva e inferencial para las ciencias sociales en R: 34%
- Nota final Modelos de regresión múltiple para las ciencias sociales en R: 33%
- Nota final Data Wrangling y Programación en las ciencias sociales en R: 33%
Para aprobar el diplomado, se requiere:
- Conectarse a un 75% de las sesiones sincrónicas vía plataforma streaming en cada uno de los cursos.
- Aprobar cada curso (y todos) del diplomado con nota no inferior a 4.0 en una escala de 1.0 a 7.0.
El/la estudiante que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.
Las y los estudiantes que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile. Además, se entregará una insignia digital por el diplomado.
Proceso de Admisión
keyboard_arrow_downLas personas interesadas deberán completar la ficha de postulación que se encuentra en http://www.educacioncontinua.uc.cl/ y enviar los siguientes documentos a Francisca Campos al correo frcampos@uc.cl
- Copia documento de identidad (Rut/ DNI o Pasaporte)
- Copia del grado académico o título profesional obtenido en universidades chilenas o extranjeras.
- Currículum Vitae actualizado, con antecedentes curriculares e indicar nivel de conocimiento de programas como Excel, SPSS, Stata, R, otros.
Tras la revisión de antecedentes, los y las postulantes aceptados/as serán confirmados a través de un correo electrónico. Las postulaciones son hasta completar las vacantes.
Con el objetivo de brindar las condiciones y asistencia adecuadas, invitamos a personas con discapacidad física, motriz, sensorial (visual o auditiva) u otra, a dar aviso de esto durante el proceso de postulación.
El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.
No se tramitarán postulaciones incompletas.
Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula.
¿Te parece interesante este programa?
Sí No
