Skip to content

Latest commit

 

History

History
195 lines (127 loc) · 5.75 KB

README.md

File metadata and controls

195 lines (127 loc) · 5.75 KB

Herramientas Computacionales

para la Investigación Interdisciplinaria Reproducible

Contenidos

  1. Información General
  2. Presentación
  3. Objetivos
  4. Bibliografía Básica
  5. Temario

1. INFORMACIÓN GENERAL

  • Año: 2018
  • Profesor: Dr. José Manuel Magallanes, PhD ([email protected])
    Profesor del Departamento de Ciencias Sociales, Pontificia Universidad Católica del Peru.
    Senior Data Scientist del eScience Institute and Visiting Professor at Evans School of Public Policy and Governance, University of Washington.
    Fellow Catalyst, Berkeley Initiative for Transparency in Social Sciences, UC Berkeley.

2. PRESENTACIÓN

El curso busca presentar las diversas herramientas disponibles que apoyen a automatizar, reproducir, compartir, auditar y preservar la investigación entre múltiples investigadores. El curso debe ser llevado por alumnos que han concluido cursos de metodología de investigación, y de preferencia, que tengan un proyecto de investigación. El curso hace mayor énfasis en el uso de programas de tratamiento estadístico de datos.

3. OBJETIVOS

Objetivo General

  • Participante del curso es capaz de utilizar diversas herramientas computacionales para llevar a cabo su trabajo de investigación en equipo multidisciplinario.

Objetivos específicos

  • Participante aprende a usar R y Python con un enfoque de replicabilidad.
  • Participante organiza adecuadamente sus datos, códigos, referencias bibliográficas, gráficos y texto en repositorios online.
  • Participante facilita la automatización y reproducibilidad de sus códigos.
  • Participante produce su documentación en formatos PDF o HTML.
  • Participante sabe como compartir su trabajo usando Github.
  • Participante sabe como personalizar plantillas de trabajo usando Latex.

4. Bibliografía Recomendada

Magallanes, José Manuel (2017). Introduction to Data Science for Social and Policy Research. Cambridge University Press.

Bell, Peter. Introducing GitHub: A Non-Technical Guide. 2014.

Kitzes, Justin. Practice of Reproducible Research - Case Studies and Lessons from the Data-. University Of California Press, 2017.

Oetiker, Tobias. Latex in 157 Minutes. Samurai Media Limited, 2015.

Puckett, Jason. Zotero: a Guide for Librarians, Researchers, and Educators. Association of College and Research Libraries, a Division of the American Library Association, 2017.

Toomey, Dan. Learning Jupyter. Packt Publishing, 2016.

INICIO

5. Temario

Tema Detalles Material de apoyo
Modelo de interacción entre herramientas computacionales y proceso de investigación Presentación de Modelo de investigación GUIA
Instalación de Programas y creación de cuentas
Programación Reproducible Estructura de Datos Material:
*R
*Python
Condiciones y Control
Funciones
Pre procesamiento de los datos Limpieza Material
Formato
Herramientas colaborativos en línea para la investigación Elaboración de Documentos matriz Material
Administración de Bibliografía Material
Herramientas de almacenamiento compartible Material
Creación de documentos reproducibles y auditables Ejercicio de Integración Material

AUSPICIO:

El desarrollo de estos contenidos ha sido posible gracias al grant del Berkeley Initiative for Transparency in the Social Sciences (BITSS) at the Center for Effective Global Action (CEGA) - the University of California, Berkeley.

RECONOCIMIENTO

El autor reconoce el apoyo que el eScience Institute de la Universidad de Washington le ha brindado desde el 2015 para desarrollar su investigación en Ciencia de Datos.

INICIO