Syllabus
Docente
Apoyo Docente
Ayudantes
Detalles del curso
- Clases: Martes o Jueves (1 bloque)
- Práctico: Martes o Jueves (2 bloque)
- Sala por definir
- Slack
Propósitos de aprendizaje
El curso busca contribuir al desarrollo de habilidades de investigación cuantitativa aplicada en el área de muestreo y uso de modelos de regresión. Se espera que al término del curso los estudiantes sean capaces de:
Explicar el rol de la teoría de muestreo en la investigación aplicada en ciencias sociales
Examinar la ficha técnica de un estudio cuantitativo
Realizar inferencia estadística con diseños de muestras complejas
Aplicar e interpretar modelos de regresión lineal en la investigación social
Explicar la lógica del uso de modelos teóricos y estadísticos en la investigación social
Ejecutar adecuadamente los procedimientos necesarios para realizar los análisis anteriormente descritos con el lenguaje de programación R
¡Iniciemos este desafío juntas/os!
Contenidos
Unidad II: Modelo de Regresión Lineal (6 clases)
Uso de modelos en ciencias sociales
Regresión lineal simple y múltiple
Supuestos de MRL
Inferencia y predicción
Unidad III: Especificación y desafíos del análisis de Regresión Lineal(5 clases)
Especificación
Heterocedasticidad
Errores de medida
Omisión de variables relevantes
Metodología del curso
Dado el contexto de pandemia se tendrán tres espacios principales de aprendizaje:
Sesiones de clases lectivas (),donde se presentarán los aspectos centrales de los contenidos correspondientes a la semana.El documento de presentación de la clase se encontrará disponible en la pestaña de Clases de este sitio web del curso. Estas se desarrollarán en el primer bloque los días martes o jueves (depende de la sección).
Prácticas guiadas (): cada tema de las sesiones se acompaña de una guía práctica de aplicación de contenidos. Estas guías están diseñadas para ser desarrolladas de manera autónoma por cada estudiante semana a semana. También serán desarrolladas y revisadas cada semana en grupos pequeños con supervisión de ayudantes para dar mayor oportunidad de participación y resolver las dudas respectivas. Los prácticos se desarrollan en el segundo bloque de clase
Evaluaciones (): para evaluar las clases teóricas durante el curso se tomará un control de repaso, controles sorpresa y una prueba. Además, se contempla la entrega de un proyecto de investigación grupal para aplicar los conceptos desarrollados en las clases teóricas y práctica. Este proyecto de investigación será evaluado con una entrega parcial y final (que corresponde al examen). La siguiente tabla muestra las ponderaciones de cada tipo de evaluación:
Evaluación | Formato | Fecha | Ponderación Nota Final |
---|---|---|---|
Control repaso | Individual | 21-23 marzo | 8 % |
Controles sorpresa | Individual | Sorpresa | 12% (en total) |
Avance proyecto | Grupal | 18-20 abril | 25% |
Prueba | Individual | 9-11 mayo | 30% |
Final proyecto (Examen) | Grupal | 27 junio | 25% |
Los controles sorpresa corresponden a evaluaciones cortas y recurrentes que medirán el nivel de aprendizaje de la materia revisada en clases y ayudantías al momento de rendirlos. Estas evaluaciones se tomarán los días lunes o miércoles durante el horario de clase. Se estima la realización de aproximadamente 6 controles sorpresa, entre los cuales no se considerará la calificación más baja a la hora de calcular el promedio de notas obtenido en estas evaluaciones.
El proyecto de investigación se realizará en grupos de 3 estudiantes de una misma sección. Cada grupo de estudiantes deberá elegir a inicio del semestre un set de datos para realizar los análisis. Se deberá entregar un archivo en pdf, RMarkdown y Rscript (a través de la plataforma GitHub Classroom)
La o el estudiante que obtenga una nota inferior a 3,0 en su examen final será reprobado. Si su promedio (con examen incluido) es inferior a 4,0 se le mantendrá la nota promedio como calificación final del curso. Por el contrario, si el alumno obtiene un promedio igual o superior a 4,0 el estudiante será aprobado
Recursos principales de aprendizaje
1. Sitio web
El curso tiene disponible este sitio web, que he programado pues permite integrar texto y código de R, junto con hacer interactuar con otras plataformas como GitHub
2. R, RStudio y RStudio Cloud
El software que se utilizará principalmente será R y su interfaz RStudio. Ahora bien, muchos usuario/as de R presentan problemas de instalación dada la capacidad de sus computadores y sistemas operativos. Por ello se promoverá el uso del servicio gratuito de RStudio.cloud.
3. Slack
Slack es una herramienta de uso frecuente en equipos de trabajo que utilizan R pues permite integrar script (o código) de distintos lenguajes en el chat. Se tendrá un espacio de trabajo en la app Slack que permite que cualquier persona del curso pueda hacer preguntas y cualquiera pueda responder. Esta es una de las prácticas que se promoverán en el curso pues es probable que los estudiantes tengan dudas similares a las de sus compañeros, por lo que las respuestas de la docente, ayudante y otros compañeros serán de libre disposición de todo el curso. Dentro del Slack se tendrán canales para hacer preguntas sobre las sesiones, tareas y proyectos, y el link que permite unirse a este estará disponible en el sitio del curso.
4. GitHub
Github es una plataforma online que permite depositar archivos y el control de versiones (VCS), por lo que se ha transformado una herramienta fácil y popular para corregir, colaborar y compartir códigos de distintos lenguajes (no solo R). Utilizaremos esta plataforma para subir los avances y reportes, ayudarlos/as de manera directa con su código y darles feedback.
Calendario de actividades
El calendario de actividades se puede revisar con detención en la pestaña planificación.
Recursos pedagógicos
0. Referencias bibliográficas sobre R
Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data (First edition). Sebastopol: O’Reilly. Libro con enfoque en el aprendizaje de R. Disponible en español como “R para ciencia de datos”
Daniel Lüdecke (2021) Data Visualization for Statistics in Social Science R package version 2.8.7
Wickham et al., (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686
Yihui Xie, J. J. Allaire, Garrett Grolemund (2021) R Markdown: The Definitive Guide
2. Referencias Unidad 1
Lohr, S. L. (2000). Muestreo: Diseño y análisis. México:International Thomson Editores
Pardo, Ruiz y San Martín (2015). Análisis de Datos en Ciencias Sociales y de la Salud I. Editorial Síntesis: Madrid.
3. Referencias Unidad 2 y 3
Wooldridge, J. (2015), Introducción a la Econometría. Cengage Learning. Quinta edición.
Moore, D (2005) Estadística Aplicada Básica
2. Sitios de consulta
- learn-R (Learn R - UAH)
- rOpensci (R Open Scicnce Tools)
- Laboratorio de Ciencia Social Abierta, Centro de Estudios de Conflicto y Cohesión Social (LISA-COES)
- Stackoverflow
- RStudio Community
- RMarkdown
- sjPlot
- tidyverse
Normativa de la universidad
Los justificativos por inasistencia a clases y/o evaluaciones por motivos de enfermedad y/o otras razones deben hacerse a la coordinación de la carrera en el plazo establecido por el reglamento. Quienes no lo hagan serán evaluados con nota 1,0 o con inasistencia a clases, según corresponda. Para presentarse a examen se requiere nota promedio 3,5 y haber rendido todas las evaluaciones. En caso de no cumplir tales requisitos no podrá rendir examen. Por último, la ponderación de las evaluaciones no rendidas en clases será asignada a la ponderación del examen en la nota final de cada estudiante.
Reglamento Académico del Estudiante de Pregrado. Art. 23.- Cualquier conducta de un estudiante que tienda a viciar la evaluación de actividades académicas o que constituya fraude académico, figura que contempla irregularidades tales como copia, suplantación o alteración de evaluaciones, plagio, faltas a la ética profesional, sin que esta enumeración sea taxativa, dará origen a las siguientes sanciones, según la gravedad de la falta cometida: (i) nota mínima 1,0 (uno) en la respectiva evaluación; (ii) reprobación del curso respectivo; (iii) amonestación; (iv) permanencia condicional; (v) suspensión de actividades académicas por un período académico; (vi) expulsión de la Universidad.
Asimismo, toda actividad de un estudiante que entorpezca gravemente y/o dificulte el normal desarrollo académico, podrá ser sancionada de conformidad a las disposiciones establecidas en el Reglamento de Conducta y Convivencia de la Universidad Alberto Hurtado.
Art. 24.- Las dos primeras sanciones previstas en el artículo anterior, a saber (i) Nota mínima 1,0; y (ii) Reprobación del Curso respectivo, son prerrogativa del docente a cargo de la asignatura, quien deberá informarlas a la Dirección de la Carrera.
Para evitar el plagio todo trabajo, composición o material documental que los estudiantes realicen debe citar adecuadamente las fuentes utilizadas, ya sea a través del sistema APA (American Psychological Association) http://www.apastyle.org o MLA (Modern Language Association) http://www.mla.org/.