Big Data para las Ciencias Sociales

Clases

1. Taller de R


• Materiales


2. Taller de R


• Materiales


3. Taller de R


• Materiales


4. Introducción a las ciencias sociales computacionales


• Lecturas:
• Salganik, Matthew (2018). Bit by bit : social research in the digital age. Princeton, New Jersey: Princeton University Press.
• Measuring the predictability of life outcomes with a scientific mass collaboration
• Presentación


5. Web scraping


• Lecturas:
• Machine Learning for Social Science: An Agnostic Approach
• Machine Learning for Sociology
• Presentación
• Código 1
• Código 2
• Código 3
• Ejercicio CSS selectors


6. APIs


• Código 1
• Código 2


7. Taller


8. Presentación proyectos


• Trabajo grupal 1
• Guía


9. Análisis de redes sociales: medidas de centralidad y detección de comunidades


• Lecturas:
• Social contagion theory: examining dynamic social networks and human behavior
• Surname affinity in Santiago, Chile: A network-based approach that uncovers urban segregation
• Structural Holes and Good Ideas
• Robust Action and the Rise of the Medici, 1400-1434
• Presentación


10. Análisis de redes sociales: estrategias varias


• Presentación
• Código igraph
• Código ergms


11. Análisis de datos geográficos


• Lecturas:
• Using High-Resolution Population Data to Identify Neighborhoods and Establish Their Boundaries
• Explaining subjective perceptions of public spaces as a function of the built environment: A massive data approach
• Presentación
• Código shapefiles
• Código clustering


12. Análisis de texto


• Presentación
• Código regex
• Código topic model
• Código Twitter


13. Tema a elección de estudiantes y/o Taller


14. Presentación de trabajos finales


• Trabajos finales
• Guía


15. Examen (6 de julio)


• Guía
• Eximición: 5.0
• Trabajo individual
• Aplica herramientas aprendidas en clases
• Entrega de código en colab + presentación oral

Evaluación

• Presentación (70%):


• Realización diagnósticos semanales (30%)
• Proyecto grupal intermedio (30%)
• Proyecto grupal final (40%)

• Examen (30%)



Recursos

• Wickham & Grolemund, “R for Data Science: Import, Tidy, Transform, Visualize, and Model Data”; O'Reilly Media, 2017.(link)
• Urdinez & Cruz, "AnalizaR Datos Políticos", 2021 (link)
• Compendio de links útiles
• Documental Coded Bias
• Tutorial Tidyverse