Guía docente de Ciencia de Datos e Intervención en Bienestar Social (MD6/56/1/10)

1. El papel de los datos en la transformación social.
2. Indicadores sociales y de bienestar.
3. Diseño y análisis de políticas públicas basados en datos.
4. Diseño, implementación y evaluación de programas.
5. Medición del impacto social.
6. Aplicación de la ciencia de datos en el sector de la economía social.
7. Estudio de casos y aplicaciones de la ciencia de datos a la intervención en bienestar social (tema práctico transversal).

No existen prerrequisitos previos para el cursado de la asignatura.

• Conocer los fundamentos de los sistemas de bienestar social y los objetivos en materia de derechos sociales y de desarrollo sostenible, así como la relevancia de las ciencias de datos para su estudio y análisis. 
• Adquirir conocimientos y habilidades para identificar y definir problemas sociales, y de forma particular problemas relativos a los derechos sociales y fundamentales.
• Adquirir conocimientos y habilidades para analizar las condiciones de vulnerabilidad social y diseñar programas sociales a partir de la aplicación de la ciencia de datos.  
• Diseñar estrategias, aplicar técnicas y herramientas inscritas en la ciencia de datos, procesar y analizar datos sociales cuantitativos, cualitativos y/o mixtos con apoyo de programación, interpretar resultados y comunicar hallazgos de manera accesible y relevante para el bienestar social y los derechos sociales y fundamentales.

• Ciencia de datos y bienestar social. Los objetivos en materia de desarrollo sostenible, derechos sociales y derechos fundamentales. Condiciones de vulnerabilidad y conflictividad social en el marco de los objetivos de desarrollo sostenible. El papel de los datos para la transformación social.
• Diseño y análisis de políticas públicas basados en datos. Sistemas de bienestar y políticas sociales. El ciclo de análisis de las políticas públicas. Políticas de bienestar y economía social.
• Diseño, implementación y evaluación de programas sociales. Indicadores sociales de bienestar. La medición del impacto social. Aplicación de la ciencia de datos en el sector de la economía social.

• Estudio de casos y aplicaciones de la ciencia de datos a la intervención en bienestar social:
  • Diseño y toma de decisiones respecto a los enfoques, técnicas, herramientas y estrategias a emplear del ámbito de la ciencia de datos.
  • Prácticas de programación en el ámbito del bienestar social. Enfoques mixtos, cuantitativos y cualitativos.
  • Prácticas de programación y toma de decisiones relativas a tareas como el procesamiento, análisis y visualización de datos (estadísticas, análisis de texto, redes semánticas y sociales, etc.).
  • Interpretando los datos y prácticas de programación para la elaboración de informes o publicaciones con el objetivo de presentación y comunicar los resultados en un formato que sea accesible y transferible a la población (científico y divulgativo).

• Bertoni, Eleonora, Fontana, Matteo, Gabrielli, Lorenzo et al. (eds.) (2023) Handbook of Computational Social Science for Policy. Springer. Disponible en: https://link.springer.com/book/10.1007/978-3-031-16624-2
• Del Pino, Eloísa & Rubio Lara, María Josefa (2024) Los Estados de Bienestar en la encrucijada. Políticas sociales en perspectiva comparada. Tercera edición. Madrid: Tecnos.
• Gualda, Estrella (2022) Social big data, sociología y ciencias sociales computacionales. Empiria. Revista de Metodología de Ciencias Sociales, (53), 147–177. https://doi.org/10.5944/empiria.53.2022.32631
• Subirats, Joan, Knoepfel, Peter, Larrue, Corinne et al. (2008). Análisis y gestión de políticas públicas. Madrid: Ariel.

• Bericat, Eduardo & Jiménez Rodrigo, María Luisa (2019) The quality of European societies: A compilation of composite indicators. Springer.
• Gualda, Estrella (Ed.). (2024). Teorías de la conspiración y discursos de odio en línea en la sociedad de las plataformas. Comparación de pautas en las narrativas y redes sociales sobre COVID-19, inmigrantes, refugiados, estudios de género y personas LGTBIQ+. Dykinson. https://doi.org/10.14679/2749
• Gualda, Estrella y Carolina Rebollo (2016) Refugee crisis in Twitter: Diversity of Discourses at a European Crossroads. Journal of Spatial and Organizational Dynamics 4(3): 199– 212. https://www.jsod-cieo.net/journal/index.php/jsod/article/view/72/70  
• Gualda, Estrella, Taboada, Alba y Rebollo, Carolina (2023) Big data y ciencias sociales: Una mirada comparativa a las publicaciones de antropología, sociología y trabajo social. Gazeta de Antropología, 39(1):1-22. https://digibug.ugr.es/handle/10481/79779. doi:10.30827/Digibug.79779
• Höchtl, Johann, Peter Parycek & Ralph Schöllhammer (2016). Big data in the policy cycle: Policy decision making in the digital era. Journal of Organizational Computing and Electronic Commerce, 26:1-2, 147-169, DOI: 10.1080/10919392.2015.1125187 
• Hossin, Altab, Jie Du, Mu, Lei et al. (2023). Big Data-Driven Public Policy Decisions: Transformation Toward Smart Governance. Sage Open, 13(4). https://doi.org/10.1177/21582440231215123
• Marbán Gallego, Vicente y Rodríguez Cabrero, Gregorio (coords). 2018. Sistemas de bienestar y políticas sociales. Revista de Documentación Social, 186. Disponible en: https://www.caritas.es/main-files/uploads/2019/01/Documentacion_social_186.pdf
• Moreno, Luis (2009). Reformas de las políticas del bienestar en España. Madrid: Siglo XXI. Disponible en línea en la biblioteca UGR.
• Nelson, Kenneth, Rense Nieuwenhuis & Mara Yerkes (2022). Social Policy in Changing European Societies. Research Agendas for the 21st Century. Edward Elgar.

Manuales y/o blogs (recomendados para las tareas de programación y estudio de casos)

• Ackland, et al. (2023, 26 de mayo). VOSON Lab Code Blog: Semantic network analysis with website text. https://vosonlab.github.io/posts/2023-04-27-semantic-network-analysis-with-website-text/
• Ackland, et al. (2023, 27 de abril). VOSON Lab Code Blog: Analysis of website text content using quanteda. https://vosonlab.github.io/posts/2023-04-13-website-text-analysis-with-quanteda/; https://quanteda.io/
• Benoit, Kenneth; Watanabe, Kohei; Wang, Haiyan; Nulty, Paul; Obeng, Adam; Müller, Stefan y Matsuo, Akitaka (2018). “quanteda: An R package for the quantitative analysis of textual data.” Journal of Open Source Software, 3(30), 774. http://www.doi.org/10.21105/joss.00774
• Digital Methods Initiative & OILab (2023). The 4cat Capture & Analysis toolkit. https://4cat.nl/; Open Intelligence Lab: https://oilab.eu;  https://github.com/digitalmethodsinitiative/4cat
• Escobar, Modesto; Martinez-Uribe, Luis (2020). “Network Coincidence Analysis: The netCoin R Package.” Journal of Statistical Software, 93(11), 1-32. https://doi.org/10.18637/jss.v093.i11
• Fernández-Avilés, G. y Montero, J.M., eds (2024). Fundamentos de ciencia de datos con R. McGraw Hill. https://cdr-book.github.io/
• Gertzel, Bryan; Borquez, Francisca; Graham, Timothy and Ackland, Robert (2022). vosonSML: Collecting Social Media Data and Generating Networks for Analysis. VOSON Lab, Virtual Observatory for the Study of Online Networks. R package version 0.32.7, https://github.com/vosonlab/vosonSML; https://cran.r-project.org/web/packages/vosonSML/index.html
• Kuhn, Max y Silve, Julia (2022). Tidy Modeling with R.  O'Reilly Media, Inc. https://www.oreilly.com/library/view/tidy-modeling-with/9781492096474/
• Robles, José Manuel; Rodríguez, J. Tinguaro; Caballero, Rafael; Gómez, Daniel (2022). Big data para científicos sociales. Una introducción. Centro de Investigaciones Sociológicas.
• Virtual Observatory for the Study of Online Networks (VOSON). Voson Labo Code Blog. https://vosonlab.github.io/
• Wickham, Hadley y Grolemund, Garrett (2023). R for Data Science. O’Reilly. https://r4ds.had.co.nz/

Páginas web con información sobre derechos sociales y bienestar social:

• A European strategy for data: https://digital-strategy.ec.europa.eu/en/policies/strategy-data
• Center for Policy Analysis: https://cps.ceu.edu/
• European Social Policy Network (ESPN): https://ec.europa.eu/social/main.jsp?langId=en&catId=113
• Red Española de Política Social  (REPS): https://www.reps-espanet-spain.org/
• European Union Agency for Fundamental Rights: https://fra.europa.eu/en
• EuroSocial: https://eurosocial.eu /
• Found for Shared Insight: https://fundforsharedinsight.org/listen4good/
• Fundación FOESSA: http://www.foessa.es/  
• Listen4Good: https://listen4good.org/ 
• Pilar Europeo de Derechos Sociales: https://ec.europa.eu/info/strategy/priorities-2019-2024/economy-works-people/jobsgrowth-and-investment/european-pillar-social-rights/european-pillar-socialrights-20-principles_es
• Naciones Unidas - Macrodatos para el Desarrollo Sostenible: https://www.un.org/es/global-issues/big-data-for-sustainable-development
• Naciones Unidas – Objetivos de Desarrollo Sostenible: https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/

Colecciones de libros en Data Science:

O’Reilly. Cursos y libros de acceso gratuito o a través de la biblioteca especializados en Data Science (y App):

• https://www.oreilly.com/products/books-videos.html
• https://www.oreilly.com/publisher/oreilly-media-inc/

Otros blogs o páginas donde se puede encontrar diversidad de scripts con explicaciones sencillas:

• Rpubs: https://rpubs.com/
• R-bloggers: https://www.r-bloggers.com/
• Kaggle: https://www.kaggle.com/
• Medium: https://medium.com/
• Towards Data Science: https://towardsdatascience.com/
• Rosana Ferrero: @RosanaFerrero (en X, difunde continuamente manuales y materiales gratuitos relativos a la Ciencia de Datos).

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se le haya reconocido el derecho a la evaluación única final.

La calificación final de cada alumno/a se obtendrá mediante la evaluación de dos partes:

• Parte A: Resolución, individual o colectiva, de pruebas, ejercicios y/o problemas desarrollados en clase (50%) (SE1).
• Parte B: Realización de un proyecto final de la asignatura, consistente en: 
  • Diseño y resolución de un problema computacional enfocado en la intervención en bienestar social: Diseño, elaboración del código, aplicación a datos, explicación del código e interpretación de los resultados (35%) (SE3).
  • Realización y presentación de un pódcast de presentación y justificación sociológica del problema computacional abordado, así como de explicación del código de forma que sea reproducible (15%) (SE6).

Para aprobar la asignatura en evaluación continua, el/la estudiante deberá aprobar ambas partes (A y B) para poder realizar la media.

Criterios de evaluación

Se tendrá en cuenta que, en el proceso de aprendizaje, cada estudiante haya aprendido los siguientes aspectos:

• Conocer los sistemas de bienestar social y los objetivos en materia de derechos sociales y fundamentales y de desarrollo sostenible.
• Conocer los fundamentos de las políticas sociales y las condiciones de vulnerabilidad social.
• Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales y fundamentales desde el enfoque de las ciencias de datos.
• Conocer y saber definir indicadores de medición del bienestar social
• Saber resolver problemas computacionales aplicados al campo del bienestar social y de los derechos sociales y fundamentales.  

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de un examen teórico-práctico sobre la totalidad de los contenidos.

Criterios de evaluación

Se tendrá en cuenta que en el proceso de aprendizaje cada estudiante haya aprendido los siguientes aspectos:

• Conocer los sistemas de bienestar social y los objetivos en materia de derechos sociales y fundamentales y de desarrollo sostenible.
• Conocer los fundamentos de las políticas sociales y las condiciones de vulnerabilidad sociales.
• Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales y fundamentales desde el enfoque de las ciencias de datos.
• Conocer y saber definir indicadores de medición del bienestar social
• Saber resolver problemas computacionales aplicados al campo del bienestar social y de los derechos sociales y fundamentales.  

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que podrán acogerse a la evaluación única final, el estudiantado que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación, si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

La evaluación única final será un examen teórico-práctico sobre la totalidad de los contenidos. En dicha prueba/examen de la asignatura donde se valorará que el estudiantado haya interiorizado los siguientes aspectos:

• Conocer los sistemas de bienestar social y los objetivos en materia de derechos sociales y fundamentales y de desarrollo sostenible.
• Conocer los fundamentos de las políticas sociales y las condiciones de vulnerabilidad sociales.
• Saber identificar y definir problemas sociales de investigación en materia de bienestar social y de derechos sociales y fundamentales desde el enfoque de las ciencias de datos.
• Conocer y saber definir indicadores de medición del bienestar social
• Saber resolver problemas computacionales aplicados al campo del bienestar social y de los derechos sociales y fundamentales.