Guía docente de Descripción y Exploración de Datos en Psicología (2641112)

Se recomienda tener conocimientos básicos informáticos, de matemáticas y estadística.

Descriptores: Descripción y exploración de datos, Modelos probabilísticos de procesos psicológicos, Muestreo, Inferencia y Generalización.

Contenidos: Introducción a la Teoría de la Medición. Los datos como resultado de una medición en Psicología. Tipos de datos. Descripción y exploración de un grupo de datos. Descripción multivariante de un grupo de datos. Introducción a los modelos probabilísticos: modelos discretos y continuos. El muestreo en la planificación de las investigaciones. Generalización e Inferencia. El problema de la estimación de parámetros en el análisis de datos de investigación. Formulación y contrastación de hipótesis: significación estadística frente a relevancia.

• Conocer los tipos de variables psicológicas.
• Conocer los diferentes tipos de escalas de medida.
• Conocer la descripción y exploración de un grupo de datos.
• Conocer los principios básicos del muestreo y la Inferencia Estadística.
• Conocer el análisis de los datos en la evaluación de programas.
• Aprender a analizar datos en programas e intervenciones psicológicas.

• Tema 1. La medida en Psicología. La investigación en Psicología. Variables psicológicas y su medida. Escalas de Medida. Propiedades de las escalas de medida. Estadística descriptiva e inferencial.
• Tema 2. Codificación, organización y representación gráfica de los datos. Conceptos previos: constante, variable, modalidades, frecuencia, proporción, porcentaje. Clasificación metodológica de los datos. Clasificación según el nivel de medida de los datos. Clasificación estadística de los datos. Organización de la información. Codificación y preparación para el análisis. Representación gráfica de las variables.
• Tema 3. Exploración y Descripción univariada. Exploración de los datos. Estadísticos de Posición. Propiedades. Concepto de dispersión. Importancia del estudio de la variabilidad en investigación. Índices de dispersión. Representación gráfica de la variabilidad. Estadísticos de forma. Tipos de puntuaciones.
• Tema 4. Descripción bivariada y multivariada de los Datos. Distribuciones y gráficos bidimensionales. Asociación entre variables. Correlación. El Análisis de Regresión.
• Tema 5. Introducción al Cálculo de Probabilidades. Fenómenos aleatorios. Operaciones con sucesos. Concepto de Probabilidad. Interpretación de la probabilidad. Probabilidad condicionada e independencia. Introducción al muestreo.
• Tema 6. Modelos de Probabilidad. Variables aleatorias. Variable aleatoria Discreta. Tipos y características de los Modelos de Probabilidad Discretos. Variable aleatoria continua. Tipos y características de los Modelos de Probabilidad Continuos. Modelo Normal. Distribución Chi-Cuadrado. Distribución t-student. Distribución F de Fisher – Snedecor. Introducción a la inferencia estadística: estimación y contraste de hipótesis.

• Práctica 1. Recogida de datos. Elaboración de una base de datos. Codificación según los tipos de datos. Preparación de los datos para el análisis.
• Práctica 2. Distribución de frecuencias. Representaciones gráficas.
• Práctica 3. Estadísticos descriptivos univariables. Diagrama de tallo y hojas. Gráficos Box-plot.
• Práctica 4. Descripción bivariada. Índices descriptivos de dos variables. Análisis de correlación. Análisis de Regresión Lineal.
• Práctica 5. Probabilidad. Interpretación frecuentista. Ley de estabilidad de las frecuencias. Probabilidades objetivas y subjetivas. Probabilidades condicionadas.
• Práctica 6. Variables aleatorias Discretas. Cálculo práctico de probabilidades en Modelos Discretos. Variables aleatorias Continuas. Cálculo práctico de probabilidades en Modelos Continuos.
• Práctica grupal/proyecto: Se realizará una recogida de datos en una muestra amplia de personas a partir de un conjunto de preguntas sobre un tema sustantivo de la psicología y se realizará un informe descriptivo con esos datos que se presentará al final del semestre.

• Botella, J., Suero, M. y Ximénez, C. (2012). Análisis de datos en psicología I. Pirámide.
• Garriga Trillo, A.J., Lubin Pigouche, P., Merino Merino, J.M. y otros (2009). Introducción al análisis de datos. UNED.
• Guardia, J., Freixa, M., Pero, M. y Turbany, J. (2008). Análisis de datos en psicología. Delta.
• Martín Tamayo, I., Díaz-Piedra, C. y Porras Chavarino, C. (2022). Descripción y exploración de datos en Psicología. Editorial Técnica Avicam. FSI/2240 MAR des
• Navarro D. J. y Foxcroft D. R. (2019). Learning statistics with jamovi: a tutorial for psychology students and other beginners. DOI: 10.24384/hgc3-7p15
• Suarez Falcón, J. C., Recio Saboya, P., San Luis Costas, M. C. y Pozo Cabanillas, M. P. (2019). Introducción al análisis de datos. Aplicaciones en psicología y ciencias de la salud. Sanz y Torres.

• Amón, J. (2000). Estadística para psicólogos I. Estadística descriptiva (15ª ed.). Pirámide.
• Amón, J. (2000). Estadística para psicólogos II. Probabilidad. Estadística Inferencial (9ª ed.). Pirámide.
• Bologna, E. (2010). Estadística en psicología. Editorial Brujas.
• Botella, J., León, O., San Martín, R., y Barriopedro, M. I. (2001). Análisis de datos en psicología I. Teoría y ejercicios. Pirámide.
• Davis, C. (2019). Statistical testing with Jamovi and Jasp Open Source Software : Psychology.Vor Press.
• Everitt, B. S. (1996). Making sense of statistics in psychology.Oxford Science Publications.
• Field, A. (2016). An adventure in statistics: The reality enigma. SAGE Publications.
• Howell, D. C. (2010). Statistical Methods for Psychology. Thomson Wadsworth.
• Montero, J. M. (2007). Estadística descriptiva.Thompson Paraninfo.
• Ritchey (2008). Estadística para las ciencias sociales(2ªEd.). Mc Graw-Hill
• Pérez, F. J., Manzano, V. y Fazeli, H. (1999). Análisis de datos en psicología. Pirámide.
• Tomeo, V. (2009). Estadística descriptiva. Garceta Grupo Editorial.

• Página de la plataforma de enseñanza de la UGR: https://prado.ugr.es/
• Página sobre el software Jamovi: https://www.jamovi.org/
• Viendo la Teoría. Una introducción visual a la probabilidad y la estadística: https://seeing-theory.brown.edu/es.html

• MD01. Lección magistral/expositiva 
• MD06. Prácticas en sala de informática 
• MD07. Seminarios 
• MD09. Análisis de fuentes y documentos 
• MD10. Realización de trabajos en grupo 
• MD11. Realización de trabajos individuales 
• MD13. Tutorías individual/colectiva, Participación (foros del curso, exposiciones públicas), Autoevaluaciones, Presentación y defensa de informes grupales o individuales 

En la convocatoria ordinaria, se realizará una prueba teórico-práctica: 6 puntos (60% de la calificación). En esta prueba, se evaluarán todos los contenidos impartidos en la asignatura mediante una prueba en fecha y hora fijada por la Facultad. Además, se tendrá en cuenta la Evaluación continua: 4 puntos (40% de la calificación). La calificación de la actividad continua a lo largo del curso será a partir de la evaluación de las actividades prácticas (grupo pequeño) (10%), la práctica grupal o proyecto (15%) y evaluaciones sobre los contenidos impartidos en grupo grande (15%). La asistencia y participación en las actividades prácticas será tenida en cuenta dentro de la evaluación continua. La nota final será la suma directa de la calificación obtenida en la prueba final y en la evaluación continua, siempre y cuando se haya superado la prueba final con una puntuación igual o superior a 5 sobre 10. Cuando no se haya superado esta nota en la prueba final, la calificación en el acta será como máximo de 4,9 sobre 10.

En la convocatoria extraordinaria, todo el alumnado tiene derecho a obtener el 100% de su calificación. Por tanto, podrán elegir entre mantener su calificación obtenida mediante la evaluación continua realizada durante ese curso académico o bien examinarse de una prueba práctica con ordenador (40% de la calificación). En la prueba práctica con software informático, analizarán un conjunto de datos y responderán a unas cuestiones, de acuerdo con el contenido del temario práctico. En cualquier caso, tendrán que realizar la prueba teórico-práctica (60% de la calificación). La nota final será la suma directa de la calificación obtenida en la prueba teórico-práctica y bien la calificación en la evaluación continua, bien la calificación en la prueba práctica en ordenador, siempre y cuando se haya superado la prueba teórico-practica con una puntuación igual o superior a 5 sobre 10. Cuando no se haya superado esta nota en la prueba teórico-práctica, la calificación en el acta será como máximo de 4,9 sobre 10.

El alumnado al que se le haya concedido la evaluación única final, de acuerdo con lo establecido en la Normativa de Evaluación y de Calificación de estudiantes de la Universidad de Granada, realizará una prueba teórico-práctica (60% de la calificación) y una prueba práctica con ordenador (40% de la calificación) en la que analizará un conjunto de datos mediante software informático y responderá a unas cuestiones, de acuerdo con el contenido del temario práctico. La nota final será la suma directa de la calificación obtenida en la prueba teórico-práctica y en la prueba práctica en ordenador, siempre y cuando se haya superado la prueba teórico-práctica con una puntuación igual o superior a 5 sobre 10. Cuando no se haya superado esta nota en la prueba teórico-práctica, la calificación en el acta será como máximo de 4,9 sobre 10.

• La actividad docente se regirá por los principios del Código Ético de la Universidad de Granada (aprobado en Consejo de Gobierno de la Universidad de Granada el 25 de febrero de 2022).
• La metodología docente y la evaluación serán adaptadas al alumnado con necesidades específicas (NEAE), conforme al Artículo 11 de la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, publicada en el Boletín Oficial de la Universidad de Granada, nº 112, 9 de noviembre de 2016.