III.1. Resultado general

Aplicar los métodos y herramientas de la estadística descriptiva necesarios para el análisis de datos cuantitativos en las ciencias sociales.

III.2. Resultados específicos:

• Comprender el uso y relevancia de la estadística en las Ciencias Sociales.
• Relacionar metodologías de recolección de datos y las técnicas estadísticas apropiadas para su análisis.
• Comprender las principales herramientas de la estadística descriptiva.
• Definir correctamente un plan de análisis descriptivo para una tabla de datos.
• Identificar el estadístico apropiado según el tipo de variable analizada.
• Manipular y analizar tablas de datos a través del lenguaje de programación R.
• Interpretar datos cuantitativos producidos por investigaciones propias o de terceros.
• Distinguir entre estadística descriptiva e inferencial.

Los puntos anteriores se realizarán utilizando el lenguaje de programación estadístico R junto a herramientas de apoyo como Word y Excel. Los/as estudiantes tendrán una base sólida en este lenguaje de programación.

UNIDAD 1: Introducción a la estadística y su relación con las ciencias sociales

• El proceso de conocimiento científico: lógica inductiva y deductiva.
• Etapas generales de la investigación social empírica.
• Datos: la fuente de información clave para la estadística.
• La estadística como una aproximación a preguntas de investigación sociológicas.
• Usos de la estadística en la actualidad: sociología, ciencia política, economía políticas públicas, otros.
• La relevancia de los lenguajes de programación para el análisis estadístico actual.

UNIDAD 2: Conceptos claves para la investigación social

• Conceptualización y operacionalización.
• Unidad de análisis vs unidad de observación.
• Tipos de variables y niveles de medición.
• Muestra y población: estadísticos muestrales y parámetros poblacionales.
• Población objetivo, marco muestral, muestra.
• Validez y confiabilidad en la medición.
• Error de medición y error muestral.

UNIDAD 3: Marcos de datos para la investigación social

• Estructura de una tabla de datos: lógica filas, columnas.
• Exploración de una tabla de datos en R.
• Tipos de variables en una tabla de datos.
• Introducción al tidyverse.
• Manipulación de tablas de datos I: selecciones, filtros, ordenamiento.
• Manipulación de tablas de datos II: uniones y pivot.
• Recodificación de variables: uso de estructuras condicionales.
• Construcción de variables: índices, escalas y tipologías.

UNIDAD 4: Estadística Descriptiva Univariada

• Estadísticos para variables numéricas:
  • Estadísticos de centro: media, mediana, moda.
  • Estadísticos de dispersión: rango, varianza, desviación estándar.
  • Posición: percentiles.
  • Forma: asimetría y curtosis.
• Estadístico para variables discretas o categóricas:
  • Frecuencias absolutas y relativas.
  • Porcentajes.
  • Tasas.
• Visualización de datos descriptivas: barras, histogramas y boxplots.
• Recomendaciones para la visualización de datos cuantitativos.

UNIDAD 5: Estadística Descriptiva Bivariada

• Tipos de asociaciones entre variables según su naturaleza.
• Concepto de independencia.
• Construcción de estadísticos por grupo.
• Construcción de tablas de contingencia.
• Control por tercera variable.
• Visualizaciones bivariadas: barras, histogramas y boxplots.
• Medidas de asociación: Pearson, spearman, gamma, policóricas.
• Más allá de lo descriptivo: la probabilidad como medida de incertidumbre.

AYUDANTÍAS DE R

Tendremos una serie de 8 ayudantías de R en horario de ayudantía. El objetivo de estas ayudantias es introducirse al lenguaje R para el análisis estadístico y serán guías de estudio para desarrollar las evaluaciones del curso.

• Ayudantía Nº1 (18-08/25-08): Introducción a R como lenguaje de programación estadístico.
  • R como lenguaje y RStudio como interprete.
  • Trabajo con rutas relativas y proyectos.
  • Vectores, matrices, listas.
  • Operadores lógicos para la programación.
  • Construcción de un marco de datos como una lista de vectores.
  • Lógica de objetos y funciones en R.
• Ayudantía N°2 (01-09/08-09): Lectura y exploración de marcos de datos en R.
  • Descarga y uso de librerías en R.
  • Conocer la variedad de formatos en los que puede estar empaquetada una tabla de datos.
  • Importar una tabla de datos desde distintos formatos.
  • Explorar las dimensiones de una tabla: filas, columnas, nombres de columnas.
  • Identificar el tipo de variable con el que se trabaja.
  • Lógica de indexación de las tablas de datos.
  • Complementar el análisis con el libro de código.
  • Explorar variables: valores atípicos y missing values.
• Ayudantía Nº3 (22-09): Manipulación de marcos de datos en R I.
  • Introducción al tidyverse
  • Uso de la librería dplyr
  • Filtrar una tabla de datos en R (filter).
  • Seleccionar columnas en una tabla de datos en R (select).
  • Ordenar tablas de datos en R (arrange).
• Ayudantía Nº4 (13-10): Manipulación de marcos de datos en R II.
  • Unir tablas de datos por filas y columnas.
  • Problemas de cbind.
  • Uso de Joins y Keys.
  • Uso de rbind y add_row.
  • Pivoteo de tablas de datos: long a wide y viceversa.
• Ayudantía N°5 (20-10): Generación de variables en R.
  • Uso de indexación y mutate.
  • Generación de índices, escalas y tipologías.
  • Recodificación de variables: ifelse y case_when.
• Ayudantía Nº6 (03-11): Visualización de datos en R.
  • Uso de ggplot2 y lógica de capas.
  • Construcción de gráficos: barras, histogramas y boxplots.
  • Customización de gráficos.
• Ayudantía Nº7 (10-11): Análisis descriptivo univariado en R.
  • Plan de análisis univariado.
  • Exploración de una tabla de datos real.
  • Estadísticos descriptivos y visualizaciones.
  • Interpretación de resultados.
• Ayudantía N°8 (17-11): Análisis descriptivo bivariado en R.
  • Plan de análisis bivariado.
  • Exploración de una tabla de datos real.
  • Estadísticos descriptivos y visualizaciones.
  • Interpretación de resultados.
  • Exportar tablas de datos en excel

VII.1. Justificaciones y re-correcciones

Los/as estudiantes que, por razones médicas u otras, no entreguen alguna de estas evaluaciones del curso, deben seguir el procedimiento de justificación de evaluaciones definido por la unidad académica: “Si un estudiante falta a una evaluación, puede presentar ante la Secretaría de Estudios un certificado médico dentro de los cinco días hábiles posteriores a dicha evaluación, para tener derecho a rendir una prueba recuperativa. Las evaluaciones no rendidas tendrán nota 1.0. Los estudiantes tendrán derecho a un máximo de una prueba recuperativa por curso. Es decisión del profesor la fecha y modalidad en que se realizará dicha prueba”.

Según reglamento, los estudiantes tienen derecho a conocer las notas y la pauta de corrección de todas las evaluaciones en un plazo que no podrá exceder de 10 días hábiles contados desde la fecha desde que éstas fueran rendidas, como también a conocer el resultado de sus evaluaciones solemnes o principales, antes de rendir las siguientes de igual categoría en una misma asignatura.

Los estudiantes pueden imputar la corrección de cualquier evaluación escrita, en un plazo no superior a 5 días hábiles desde la entrega de la nota. Ello, a través de una carta dirigida profesor, que debe ir acompañada por la prueba, trabajo o informe evaluado y además, por las correcciones y comentarios que eventualmente haya entregado el/la docente. El académico deberá comunicar al estudiante el resultado de la recorrección, fundamentando por escrito sus argumentos, en un plazo no superior a los 5 días hábiles.

VII.2. Ayudantías y tutorías

El ayudante tendrá un rol fundamental en el curso. Estará a cargo de realizar las ayudantias de R y resolver dudas respecto a los contenidos del curso. Además colaborará en la organización del curso, participará en las discusiones y estará a cargo de la corrección de las evaluaciones.

IX.1. Bibliografía Obligatoria

• Asún, R. (2006). Medir la realidad social: El sentido de la metodología cuantitativa. En M. Canales, Metodologías de investigación Social. Introducción a los oficios (págs. 31- 62). Santiago: LOM.
• Babbie, E. (1996) Manual para la práctica de la investigación social. Bilbao, España: Desclée De Brouwer.
• Babbie, E. (2000). Fundamentos de la investigación social. Cengage Learning Latin Am.
• Cea D’Ancona M. (1996) Metodología Cuantitativa: Estrategias y Técnicas de Investigación Social. Ed. Síntesis Sociológica, Madrid
• Diez, D. M., Barr, C. D., & Çetinkaya-Rundel, M. (2024). OpenIntro Statistics. Creative Commons.
• Hernández R., Fernández C. & Baptista P. (2010) Metodología de la Investigación. Mc Graw Hill
• Moore, D. S. (2005). Estadística aplicada básica. Antoni Bosch editor.
• Ritchey F. (2008) Estadística para las ciencias sociales. McGraw-Hill.
• Urdinez, F., & Cruz, A. (2020). R for political data science: a practical guide. CRC Press. Disponible en: https://arcruz0.github.io/libroadp/
• Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science. O’Reilly Media, Inc. Disponible en: https://r4ds.hadley.nz/

IX.2. Bibliografía Complementaria

• Çetinkaya-Rundel, M., & Hardin, J. (2021). Introduction to Modern Statistics. OpenIntro. Disponible en: https://openintro-ims.netlify.app/
• Goldthorpe, J. H. (2017). La sociología como ciencia de la población. Madrid. Alianza Editorial.
• Healey, J. F. (2015). The essentials of statistics: A tool for social research. Cengage Learning.

IX. Cláusula Ética

La Escuela establece severas sanciones para las faltas graves que los estudiantes realicen, tales como plagio o falsificación de documentos, señalados en el Reglamento del Estudiante de Pre-grado en el Título XIII de las Conductas Contrarias a los Principios Universitarios.

El Comité de Ética es la instancia responsable de revisar y resolver las situaciones que sean contrarias a los principios universitarios, en relación al desarrollo de conductas ilícitas que vicien los procesos de evaluación. Son definidas como conductas que vician una evaluación, todos aquellos actos que implican un rompimiento de los estándares éticos que un estudiante debe resguardar en una evaluación, distorsionando la apreciación de los conocimientos y habilidades reales que el estudiante posee (por ejemplo, copia y uso indebido de documento y/o medios electrónicos, modificación o falsificación de documentos, plagio en trabajos escritos).

Se consideran como fuentes de información que se deben citar, los textos e imágenes en formato electrónico o en papel, en todas sus modalidades: libros, diarios, documentos de trabajo, artículos académicos, etc.

X. Normativa sobre Prevención y Sanción de Acciones de Violencia Sexual UDP

XI. Uso de Inteligencia Artificial (IA)

El uso de cualquier tipo de herramientas de inteligencia artificial (IA) en este curso debe contar con la autorización explícita del profesor, ya que su utilización tiene que estar en sintonía con los objetivos de aprendizaje y el tipo de evaluaciones que se han definido en el presente programa de curso. Esto puede significar que ninguna o que algunas de las actividades permiten el uso de IA.

Su uso sin autorización puede afectar el aprendizaje de habilidades claves de la asignatura y, además, constituir una falta ética, de acuerdo con lo establecido en el Reglamento de Facultad.

Es importante realizar la consulta al profesor responsable si existen dudas sobre el uso de una herramienta de IA en una tarea o una evaluación.

Puedes descargar el programa apretando el siguiente botón: