Diplomado en Técnicas Avanzadas en Análisis de Datos Sociales

El Diplomado en Técnicas Avanzadas en Análisis de Datos Sociales surge ante la necesidad de actualización de distintos profesionales del área de las ciencias sociales, que en su quehacer profesional requieren analizar datos generados en o para sus organizaciones.


Descripción

20% descuento Afiliados Caja Los Andes

Cada vez más se multiplican las bases de datos disponibles para el análisis de la realidad social, pero no se cuenta con profesionales debidamente capacitados en el procesamiento, análisis e interpretación de datos.

Se espera que el alumno aprenda tanto a ejecutar e interpretar técnicas estadísticas avanzadas, como a manejar bases de datos complejas, utilizando el programa estadístico SPSS.

Se pondrá especial énfasis en los tipos de decisiones que hay que ir resolviendo al realizar distintos de análisis de datos, en función de problemas concretos. Además de aprender en qué consiste cada técnica, se harán ejercicios tanto de procesamiento de datos como de interpretación de resultados.

El diplomado está compuesto por dos cursos del Magíster en Diseño y Análisis de Encuestas Sociales del Instituto de Sociología de la Pontificia Universidad Católica de Chile; el curso de Análisis Multivariado y Construcción de Indicadores (SOL – 4003) y el curso de Análisis de Regresión Múltiple (SOL – 4005). Estos cursos son parte del Magíster en Diseño y Análisis de Encuestas Sociales del Instituto de Sociología de la Pontificia Universidad Católica de Chile y podrían ser convalidados en caso que el alumno sea admitido en dicho programa de Magíster .

Dirigido a

Este diploma constituye una especialización avanzada en análisis de datos sociales, dirigida a profesionales o licenciados de diversas áreas de las ciencias sociales, humanidades, comunicaciones o educación.

Prerrequisitos

-    Grado académico o título profesional, obtenido en universidades chilenas o extranjeras, equivalente al grado de licenciado que confiere la Pontificia Universidad Católica de Chile.
-    Currículum vitae con antecedentes curriculares.
-    Asistir a una entrevista personal realizada por el Comité Académico de Diplomados del Instituto de Sociología UC.
-    Aprobar el proceso de selección que realiza el Comité Académico del Diplomado.

Objetivo de aprendizaje

1.    Evaluar qué técnica de análisis estadístico multivariado resulta más pertinente utilizar ante un problema específico de análisis de datos.
2.    Comprender la lógica de construcción de índices y escalas y reglas para su interpretación.
3.    Aplicar técnicas de análisis de regresión multivariada lineal y categórica.

Desglose de cursos

CONTENIDOS DIPLOMADO
El Diplomado consta de la realización de dos cursos:
*Los alumnos/as pueden optar a realizar uno de los dos cursos , pero si desean obtener la certificación del Diplomado deben realizar necesariamente los dos y aprobar con nota mínima de 4.0 y 75% de asistencia cada curso.

CURSO ANÁLISIS MULTIVARIADO Y CONSTRUCCIÓN DE INDICADORES
Multivariate Data Analysis and Construction of Indicators
Horas cronológicas: 54 horas
Horas pedagógicas: 72 horas
Créditos: 10

RESULTADOS DE APRENDIZAJE
Al finalizar este curso los/las estudiantes debieran ser capaces de:
1.    Aplicar las técnicas de análisis factorial, tanto de análisis de componentes principales como de correspondencias simples y múltiples.
2.    Identificar la lógica de construcción de índices y escalas y reglas para su interpretación.
3.    Aplicar un conjunto de herramientas estadísticas de agrupación y clasificación de individuos, así como de segmentación.

CONTENIDOS
•    Análisis de correlaciones bivariadas y parciales, gráficos de dispersión.
•    Análisis de componentes principales.
•    Técnicas de construcción de índices a partir de los resultados de análisis de componentes principales.
•    Construcción, validación y chequeo de confiabilidad de escalas de actitudes.
•    Análisis de correspondencias simples y análisis de correspondencias múltiples.
•    Análisis de conglomerados.
•    Árboles de clasificación y segmentación.

METODOLOGÍA DE ENSEÑANZA Y APRENDIZAJE
La metodología consiste principalmente en clases expositivas donde se expondrán los contenidos del curso. El profesor/a contará con una presentación en PowerPoint que le permitirá reforzar los contenidos y entregar distintos ejemplos de ellos. El material del ppt será entregado a los alumnos en cada clase. Además, el profesor/a realizará ejercicios prácticos para aplicar lo aprendido en clases en modalidad de talleres que combinan conocimientos teóricos y prácticos con un énfasis en el manejo de datos, a través del programa estadístico SPSS. Se trabajará con variadas bases de datos disponibles en el ISUC, tanto generadas en investigaciones previas del Departamento de Estudios del ISUC, como de otras bases de datos, tanto nacionales como internacionales.

También, se realizarán laboratorios prácticos donde los alumnos podrán desarrollar más independientemente guías de ejercicios de procesamiento de bases de datos, quienes serán guiados por un ayudante del curso.

EVALUACIÓN DE LOS APRENDIZAJES
1.    Realización de dos ejercicios prácticos (50%).
2.    Elaboración de un informe final de resultados a partir de una base de datos (50%).

CURSO ANÁLISIS DE REGRESIÓN MÚLTIPLE
Regression Analysis course
Horas cronológicas: 54 horas
Horas pedagógicas: 72 horas
Créditos: 10

RESULTADOS DE APRENDIZAJE
Al finalizar este curso los/las estudiantes debieran ser capaces de:
1.    Aplicar la técnica de Mínimos Cuadrados Ordinarios.
2.    Proponer, implementar y analizar un modelo multivariado de regresión lineal o logística con datos reales.
3.    Evaluar la calidad del modelo de regresión a través del testeo de los supuestos del estándar gaussiano.

CONTENIDOS
•    Lógica del análisis multivariado a través de regresiones: 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 raros (outliers).
•    Regresión logística binaria: aplicaciones, cálculo e interpretación de modelos.

METODOLOGÍA DE ENSEÑANZA Y APRENDIZAJE
La metodología consiste principalmente en clases expositivas donde se expondrán los contenidos del curso. El profesor/a contará con una presentación en PowerPoint que le permitirá reforzar los contenidos y entregar distintos ejemplos de ellos. El material del ppt será entregado a los alumnos en cada clase. Además, el profesor/a realizará ejercicios prácticos para aplicar lo aprendido en clases en modalidad de talleres que combinan conocimientos teóricos y prácticos con un énfasis en la interpretación de los datos.

También, se realizarán laboratorios prácticos donde los alumnos podrán desarrollar más independientemente guías de ejercicios, que serán guiadas por un ayudante del curso.

EVALUACIÓN DE LOS APRENDIZAJES
1.    Realización de dos controles (30%).
2.    Realización de dos ejercicios prácticos (30%).
3.    Un examen final (40%).

BIBLIOGRAFÍA
Curso: Análisis Multivariado y Construcción de Indicadores

Bibliografía Mínima:
•    Peña, D. y J. Romo (1997). Introducción a la estadística para las ciencias sociales. Madrid; Santiago, Chile: McGraw-Hill. Cap.8. “Correlación”.
•    García Ferrando, M. (1999). Socioestadística. Introducción a la estadística en Sociología. Alianza Editorial. Punto 12.6 “Coeficientes de Correlación Parcial”.
•    Cea D’Ancona, M. A. (2002). Análisis Multivariable: Teoría y Práctica en la Investigación Social. Madrid: Síntesis. Cap.5. “Análisis Factorial”.
•    Babbie, E. (1996). Manual para la práctica de la investigación social. Desclée De Brouwer, Bilbao. Cap.7. “Inventarios, Escalas y Tipologías”.
•    Bailey, K. (1994). Typologies and Taxonomies, An introduction to classification techniques. SAGE University paper, USA.
•    Gliem, J. & R. Gliem (2003). Calculating, Interpreting and Reporting cronbach’s alpha reliability coefficient for likert-type scales
•    José Luis Gómez Llamas, Ramón Pérez Juste, Dionisio del Río Sadornil (1992). Problemas y Diseños de Investigación Resueltos. Editorial Dykinson 1992 – Madrid. Cap. “Fiabilidad, Validez y Análisis de Ítems”.
•    Bartholomew, D.; F.Steele, I.Mouestaki and J.Galbraith (2002). The analysis and interpretation of multivariate data for social scientists. Cap. 4 “Correspondence Analysis”. Pp.81 a 114.
•    Escobar, M. (2007). Análisis de segmentación: técnicas y aplicaciones de los árboles de clasificación. Cuadernos Metodológicos (39), Centro de Investigaciones Sociológicas, España.
•    Mwangi, P. (2015). Reliability and Validity Measures of Survey Instruments. United States: Createspace.
•    Cea D’Ancona, M. A. (2002). Análisis Multivariable: Teoría y Práctica en la Investigación Social. Madrid: Síntesis. Cap.3. “Análisis de Conglomerado”.
•    Cea D’Ancona, M. A. (2002). Análisis Multivariable: Teoría y Práctica en la Investigación Social. Madrid: Síntesis. Cap.6. “Ecuaciones Estructurales”.

Bibliografía Complementaria sobre ejemplos de artículos de validación de indicadores:
•    Cid, P., et al. (2010). "Validación de la escala de autoeficacia general en Chile." Revista Médica de Chile 138: 551-557.
•    De Jong Gierveld, J., y Van Tilburg, T. (2006). A 6-item scale for overall, emotional, and social loneliness: confirmatory tests on survey data. Research on Aging, 28, 582-598.
•    Hoyl, T., Valenzuela, E., y Marín, P. (2000). Depresión en el adulto mayor: evaluación preliminar de la efectividad, como instrumento de tamizaje, de la versión de 5 ítems de la Escala de Depresión Geriátrica. Revista Médica de Chile, 128(11), 1199-1204
•    Hughes, M., Waite, L., Hawkley, L., y Cacioppo, J. (2004). A short scale for measuring loneliness in large surveys. Research on Aging, 26(6), 655-672.

Curso: Regresión Múltiple
•    Wooldridge, J. (2001). Introducción a la econometría: Un enfoque moderno. Australia, Thomsom. Parte 1 “Análisis de la regresión con datos de corte transversal”. Cap.2 “Modelo de regresión simple”. Cap.3 “Análisis de regresión múltiple: estimación”. Cap.4 “Análisis de regresión múltiple: inferencia”. Cap.7 “Análisis de regresión múltiple con información cualitativa: variables binarias (o ficticias)”.
•    Gujarati, D. (2004). Econometría. McGraw-Hill, México. Cap.1. “Naturaleza del Análisis de Regresión”. Cap.2. “Análisis de regresión con dos variables: algunas ideas básicas”. Cap.3. “Modelo de regresión con dos variables: problemas de estimación”. Cap.7. “Análisis de regresión múltiple: problemas de estimación”. Cap. 8. “Análisis de regresión múltiple: el problema de la inferencia”. Cap.9. “Modelos de regresión con variables dicotómicas”. Parte 2 “Violación de los supuestos del modelo clásico”. Cap.10. “Multicolinealidad: ¿Qué pasa si las regresoras están correlacionadas?”. Cap.11. Heteroscedasticidad: ¿Qué pasa cuando la varianza del error no es estable? Cap.13. “Diseño de modelos econométricos: especificación del modelo y prueba de diagnóstico”.
•    Knoke, Bohrnstedt y Potter (2002). Statistics for Social Data Analysis. Ithaca, F.E. Peacock Publishers. Cap.9. “Non linear and logistic regression”.
•    Agresti, Alan. (2007). Introduction to Categorical Data Analysis}. Second Edition. Wiley Series (Cap. 2, excluyendo sección 2.6; Cap. 3, pp. 68-74 y 84-90; 4 [entero])


Equipo Docente

JEFE DE PROGRAMA
María Soledad Herrera Ponce
Socióloga y Licenciada en Sociología (Pontificia Universidad Católica de Chile), Diploma de Estudios Avanzados en Análisis de Datos y Doctora en Sociología de la Universidad Autónoma de Madrid. Es Directora del Instituto de Sociología y profesora asociada ISUC. Dicta las cátedras de análisis de datos y metodología de la investigación en pregrado y de metodología avanzada y estudios de población en el programa de Magíster del ISUC. Ha dirigido y participado en varios estudios, principalmente cuantitativos, en el Departamento de Estudios Sociológicos del ISUC, con gran experiencia tanto en el levantamiento de datos a través de encuestas. Tiene una vasta experiencia en el análisis de datos con información secundaria proveniente tanto de bases nacionales (Encuestas Casen, Censos Nacionales) como internacionales (Encuesta Mundial de Valores).

EQUIPO DOCENTE
M. Soledad Herrera
Socióloga, Pontificia Universidad Católica de Chile.
Profesora Asociada Instituto de Sociología UC
Doctora en Sociología, Universidad Autónoma de Madrid, España.
D.E.A. en Análisis de Datos, Universidad Autónoma de Madrid, España.

Daniella Leal
Socióloga, Pontificia Universidad Católica de Chile.
Profesora Instituto de Sociología UC
Magíster en Sociología, Pontificia Universidad Católica de Chile.

Pamela Ayala
Socióloga, Pontificia Universidad Católica de Chile
Profesora Instituto de Sociología UC
Magíster en Sociología, Pontificia Universidad Católica de Chile.

Consuelo Cheix
Socióloga, Pontificia Universidad Católica de Chile
Profesora Instituto de Sociología UC
Magíster en Sociología, Pontificia Universidad Católica de Chile.

Además se incorporarán al equipo uno o dos ayudantes que guiarán las sesiones de laboratorio de los días sábados y asistirán a los docentes durante algunas de las clases.

Requisitos de aprobación

Para aprobar el Diplomado, se requiere:
1.    Asistir a un 75% de las sesiones de ambos cursos.
2.    Aprobar con nota no inferior a 4.0 en una escala de 1.0 a 7.0, cada uno de los cursos de acuerdo a la siguiente ponderación:

Curso: Análisis Multivariado y Construcción de Indicadores
Ejercicios    50%
Examen    50%

Curso: Regresión Múltiple
Controles    30%
Ejercicios    30%
Examen    40%
   
El 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 Regresión Múltiple = 50%
Nota final Curso Análisis Multivariado y Construcción de Indicadores = 50%

Los alumnos que aprueben las exigencias del programa recibirán un Diploma y Certificado de aprobación otorgado por la Pontificia Universidad Católica de Chile.

El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Para quienes aprueben sólo un curso del diplomado, es posible entregar un certificado de aprobación del curso aprobado.

Proceso de Admisión

Las personas interesadas deberán completar la ficha de postulación ubicada al lado derecho de esta página web. Un correo de confirmación solicitará enviar los siguientes documentos a Francisca Campos al correo frcampos@uc.cl

•    Currículum Vitae actualizado con foto
•    Copia simple de título o licenciatura
•    Fotocopia simple del carnet de identidad por ambos lados.

Luego será contactado para asistir a una entrevista personal. Las postulaciones son desde el 6 de noviembre de 2017 hasta el 31 de enero de 2018 o hasta completar las vacantes.

VACANTES: 15 (“No se tramitarán postulaciones incompletas”).

- El postulante será contactado, para asistir a una entrevista personal (si corresponde) con el Jefe de Programa del Diplomado o su Coordinadora Académica.
- El postular no asegura el cupo, una vez aceptado en el programa, se debe cancelar el valor para estar matriculado.

• El Programa se reserva el derecho de suspender la realización del diplomado/curso si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles con un vale vista que deberá ser retirado en el  Banco Santander.
• A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel. A las personas que se retiren  una vez iniciado el programa por motivos de fuerza mayor, se les cobrarán las horas cursadas hasta la fecha  de la  entrega de solicitud formal de retiro más el 10% del valor total del programa. En ambos casos la devolución demorará 15 días hábiles y se efectuará a través de un vale vista que deberá ser retirado en el  Banco Santander.

imagen
SOLICITAR MÁS INFORMACIÓN
ACTIVIDAD NO DISPONIBLE
PARA INSCRIPCIÓN

POR FAVOR DÉJENOS SU CONSULTA
Y LO CONTACTAREMOS


Otros programas que pueden ser de su interés

Diplomado en Diseño e implementación de encuestas sociales

Diplomado en Análisis Estadístico de Datos Sociales
IMPORTANTE : Politicas de privacidad

El sitio de educación continua UC utiliza cookies.

Las cookies son pequeños archivos que son transferidos a su dispositivo (Computadora o móvil) y que permanecen ahí por una duración de tiempo limitada, para ayudar a personalizar la experiencia de uso del sitio web y la publicidad que verá de los productos que este ofrece.
Educación continua UC utiliza tanto cookies propias como de terceros.

Particularmente el sitio utiliza cookies para habilitar las funcionalidades de remarketing de Google AdWords y retargeting de Facebook Exchange, para así realizar campañas personalizadas de anuncios en línea, para aquellas personas que han visitado el sitio web. Por tanto si navega por nuestro sitio web, es probable que luego vea anuncios de nuestra empresa en otros sitios que visite.

Si no desea que se muestren esos anuncios o que se almacenen datos sobre su actividad en nuestro sitio web, puede configurar su navegador, para dejar de aceptar cookies o para que le avise antes de aceptar una cookie de los sitios web que visite. Adicionalmente para el caso particular de Adwords, puede inhabilitar el uso de estas cookies mediante el Administrador de Preferencias de Anuncios de Google.