MALLA CURRICULAR

I. DESCRIPCIÓN
 

El análisis y procesamiento de la información depende fuertemente de modelos matemáticos que permiten la representación de fenómenos aleatorios. El curso entregará las herramientas que permiten estimar y evaluar los distintos modelos de probabilidad. Aplicar, analizar y evaluar las variables aleatorias más utilizadas para la representación de fenómenos aleatorios. Utilizar herramientas asociadas a la estimación que permitan resolver problemas estadísticos y probabilísticos en forma eficiente. Conocer y evaluar los fundamentos de los modelos lineales y su aplicación a casos reales.

II. OBJETIVOS
 

Al finalizar el curso, los alumnos serán capaces de:

• Ajustar distribuciones de probabilidades para datos que se generen en un fenómeno de incertidumbre.
• Describir fenómenos de incertidumbre sobre la base de variables aleatorias y hacer cálculos asociados a ese fenómeno en base a esas variables aleatorias.
• Realizar estimaciones de parámetros de una distribución en base a datos del fenómeno aleatorio y construir intervalos de confianza para esos estimadores, y entender cabalmente lo que esos intervalos de confianza representan. 
• Ajustar modelos de regresión lineal a fenómenos de incertidumbre, y lograr una adecuada comprensión del rango de validez de esos modelos y de los parámetros de los mismos. 
• Utilizar software para resolver problemas estadísticos y probabilísticos.

III. CONTENIDOS 

1. Introducción
   1. Introducción; Investigación y Método científico; Diseño de la investigación; Fases el proceso de investigación. 
   2. Incerteza, diseño y toma de decisiones bajo incertidumbre. 

1. Fundamentos de probabilidad

1. 1. Eventos y Probabilidad. Caso equiprobable.
   2. Probabilidad condicional e independencia. Regla multiplicativa. 
   3. Ley de probabilidades totales y teorema de Bayes. 

1. Modelación de fenómenos aleatorios

1. 1. Variables aleatorias discretas y continuas.
   2. Función de distribución, valor esperado. Funciones

1. Distribuciones de variables aleatorias

1. 1. Discretas: Bernoulli, binomial, geométrica. Proceso de Poisson.
   2. Continuas: Uniforme, exponencial. Normal.
   3. Teorema del Limite Central. Suma de variables aleatorias. 

1. Inferencia Estadística 

1. 1. Métodos de estimación. Distribuciones muestrales. 
   2. Intervalos de confianza: media, proporción. 
   3. Test de hipótesis. Una y dos muestras.

1. Modelos lineales 

1. 1. Modelo de regresión lineal simple.
   2. Predicción. Intervalos de confianza.
   3. Modelo de regresión lineal múltiple, Modelos no lineales. 

IV. METODOLOGÍA

• Clases expositivas.
• Análisis de casos.
• Aplicaciones y guías computacionales.
• Trabajos grupales. 
   

V. EVALUACIÓN

La nota final del curso se calcula de acuerdo a la siguiente manera:

• Dos pruebas escritas
• Trabajo individual
• Trabajo grupal

VI. BIBLIOGRAFÍA

• Rice, J.A. (1995). Mathematical Statistics and Data Analysis. 2nd ed. Wadsworth, Inc.
• Devore, J.L. (2001). Probabilidad y Estadística para ingeniería y ciencias. 
  Thomson/learning. 
• Kroese, D.P. (2009). A short introduction to probability (notes). The University of Queensland. 
• Walpole, R.E., Myers, R.H., Myers, S.L., y Ye, K. (2012). Probabilidad y estadística para ingeniería y ciencias. 9a ed. Pearson educación. México. 

I. DESCRIPCIÓN

El propósito de este curso es presentar, de manera introductoria, los principios y prácticas más relevantes para explicar la gestión de recursos de información y los aspectos legales asociados a ella. Se proporcionarán los conceptos, métodos y prácticas de la gestión de recursos de información y sus componentes, considerando la identificación, adquisición, acceso y evaluación de los diversos tipos de recursos, así como su preservación. Se analizarán tópicos vigentes sobre la propiedad intelectual, la protección de datos y los principales aspectos que regulan el uso digital de la información y los nuevos negocios en entornos digitales.

II. CONTENIDOS

1. Revisión del Programa e Introducción al curso. 
    
2. Presentación del Proyecto de Gestión de Recursos de Información: Talleres de proyecto, búsqueda de información, gestores bibliográficos y normas de citación. 

1. Aspectos legales a considerar en los proyectos de gestión de recursos y tecnologías de información: Propiedad intelectual, derechos de autor en la red, licenciamiento de software, regulación de la protección de datos, cloud computing. 

1. Usuarios, servicios y marketing. 

1. Gestión de recursos de Información: Conceptos, ciclo de vida, aspectos económicos, adquisición y licenciamiento de recursos electrónicos, digitalización, preservación, acceso, experiencia de usuario, y recursos humanos. 

1. Síntesis y mirada de futuro.
    

III. METODOLOGÍA

• Clases expositivas y lecturas
• Desarrollo y exposición de Proyecto de Gestión de Recursos de Información
• Estudio de caso, trabajo y exposición.

IV. EVALUACIÓN

• Proyecto de Gestión de Recursos de Información
• Estudio de caso
• Trabajo práctico
• Participación activa en clase

I. DESCRIPCIÓN

Este curso aborda el tratamiento de fuentes textuales, tanto impresas como electrónicas, haciendo uso de métodos, técnicas y herramientas lingüísticas, las cuales son un apoyo importante para identificar, extraer y organizar conocimiento contenido en documentos. Además, se analizarán los principios, normas y sistemas existentes para la organización y descripción de la información.

II. OBJETIVOS

Analizar desde una visión teórica y práctica algunos modelos, métodos, herramientas y procesos aplicados en el tratamiento y organización de conocimiento, obtenido a través de diversas fuentes.

Específicos:

• Manejar métodos y técnicas empleadas en procesos de tratamiento de información textual y la organización del conocimiento.
• Aplicar herramientas lingüísticas útiles para la organización de esta clase de información de forma semi-automática.
• Fortalecer los conocimientos adquiridos en las siguientes tareas: documental, búsqueda y recuperación de información, generación de vocabularios y terminologías, implementación.
• Analizar la aplicación de los diferentes enfoques de la organización del conocimiento, considerando sistemas comerciales y abierto.
• Seleccionar y aplicar un sistema, normas y buenas prácticas para la organización del conocimiento

III. CONTENIDOS

1. Conceptos básicos en organización de conocimiento.
    
2. Situación actual de la generación de información y conocimiento: tecnologías,
    
3. democratización del conocimiento, redes sociales, globalización.
    
4. Evolución histórica de la organización del conocimiento. 
    
5. Enfoques de organización del conocimiento en LIS. 
    
6. Descripción de la información: modelo FRBR yRDA. 
    
7. Sistemas de acceso y recuperación de información.
    
8. Representación del conocimiento.
9. Herramientas de organización del conocimiento en la web.
    
10. Introducción: ¿qué es el tratamiento de información textual?
     
11. Lenguaje natural y análisis de la información.
     
12. Técnicas lingüísticas para la obtención de conocimiento en textos.
     
13. Sistemas de indización y recuperación de información.
     

IV. METODOLOGÍA
 

• Clases expositivas.
• Discusión crítica de textos fundamentales y sobre las materias revisadas.

VI. BIBLIOGRAFÍA

• Baeza-Yates, Ricardo, et al. Modern Information Retrieval. Addison Wesley, Edinburgh, 1999 (texto clásico).
• Gil Leiva, Isidoro. La automatización en la indización de documentos. Trea, Gijón, 1999 (texto clásico).
• Jurafsky, Daniel & Martin, James H. (2009): Speech and Language Processing. An Introduction to Natural Language Processing,Computational Linguistics, and Speech Recognition,Second Edition, Prentice-Hall, New Jersey. 
  Méndez Rodríguez, Eva. Metadatos y recuperación de información. Trea, Gijón, 2002. 
• Rowley, Jennifer, et al. Organizing knowledge. 4th ed. England, Ashgate Publishing Limited, 2008
• Taylor, Arlene G., et al. The organization of information. Third Edition, 2008.
  Complementaria 
• Broughton, Vanda. Essential classification. London, Facet Publications, 2004.
• García Marco, et al. “Ontologías y organización del conocimiento: retos y oportunidades para el profesional de la información”. El profesional de la información 16 (6):541-550, noviembre-diciembre 2007.
• Sánchez Jiménez, et al. Lenguajes documentales y ontologías. El profesional de la información 16 (6): 551-560, noviembre-diciembre, 2007.
• Uddin & Janecek. The implementation of faceted classification in web site searching and browsing. Online Information Review 31(2):218-233, 2007.

I. DESCRIPCIÓN

Este curso abarca la disciplina de la Arquitectura de Información, desde el proceso de conceptualización de información hasta el diseño y creación de prototipos visuales y rotulación de contenidos, de acuerdo a criterios de búsqueda, usabilidad, accesibilidad y experiencia de usuario.
 

II. OBJETIVOS

• Comprender y analizar  los conceptos teóricos y prácticos del diseño de información en interfaces digitales estáticas y dinámicas, en entornos y ecosistemas multipantalla y multiformato, de acuerdo a patrones de usabilidad, accesibilidad y encontrabilidad.

• Comprender y explorar las técnicas de evaluación de la aplicación del diseño de información centrado en visiones de usuario. 

• Analizar y explorar la generación de contenidos en entornos digitales desde la categorización hasta metodologías de rotulación y visualización de datos.

• Comprender, explorar y aplicar las metodologías de gestión de proyectos digitales en base a criterios de usabilidad, accesibilidad y encontrabilidad, basados en preferencias de usuario.

• Seleccionar y utilizar las herramientas técnicas disponibles para la generación de prototipado gráfico digital para interfaces de escritorio y móviles, cuyo diseño esté centrado en los usuarios.

• Comprender y analizar las técnicas de monitoreo y medición de interfaces digitales estáticas y dinámicas, en entornos y ecosistemas multipantalla y multiformato.
   

III. CONTENIDOS

1. Definiciones de Arquitectura de Información
   1.1. Definición de AI 
   1.2. Definición de usabilidad
   1.3. Metodologías de gestión de proyectos con AI
   1.4. La importancia de la estrategia en proyectos con AI
   1.5. Selección y análisis de problemas
   1.6. La triada de Morville: Contexto, Contenido, UsuariosCreación y evolución de la WWW

1. El contexto y los usuarios en la AI
   2.1.Estado de Arte en Latinoamérica
   2.2. Definición tradicional de usuarios (GSE)
   2.3. Definición de arquetipos: Personas y escenarios
   2.4. Metodologías y herramientas de evaluación de contexto y usuarios: Entrevistas, Observación Participante, Paseos Cognitivos, Focus Groups, Modelos Mentales
   2.5. Testeos de usuarios: por tareas y heurísticos
   2.6. Herramientas de diseño de servicios en el análisis de contexto y usuarios: Customer Journey Maps, Stakeholder Maps, Swimlane Maps

1. El Contenido en la AI
   3.1.Estrategias de contenido
   3.2. Contenido y SEO
   3.3. Contenido e interacción
   3.4. Contenido y móviles
   3.5. Técnicas y metodologías de Rotulación y etiquetado
   3.6. Herramientas de documentación de contenido

1. AI e Interacción
   4.1.Evolución e historia del html
   4.2. Sistemas de interacción: Desde el GUI al NUI
   4.3. Heurísticas de uso
   4.4. Comportamientos de uso en sistemas de interacción
   4.5. Interacción en ecosistemas multipantalla
   4.6. Diseño Web Responsivo

1. Prototipado para AI
   5.1.Definiciones, tipologías y metodologías de Prototipado
   5.2. Herramientas de evaluación de prototipos
   5.3. Herramientas y software de Prototipado
   5.4. Prototipado multipantalla
   5.5. Librerías de prototipado

1. Métricas de AI
   6.1.Definición de métricas e indicadores
   6.2. Evaluaciones cuantitativas y cualitativas
   6.3. Herramientas de seguimiento métrico
   6.4. Introducción a Analítica Web: Google Analytics y Google Tag Manager
   6.5. Visualización de métricas: Google Data Studio

IV. METODOLOGÍA

• Clases expositivas
• Análisis de casos
• Charlas
• Ejercicios prácticos en laboratorio
   

V. EVALUACIÓN

• Trabajos en clase
• Trabajo grupal
   

VI. BIBLIOGRAFÍA

•  D. M. Brown. Communicating design: developing web site documentation for design and planning. New Riders, 2010.

• M. Casey. The content strategy toolkit: Methods, guidelines, and templates for getting content right. New Riders, 2015.

• J. J. Garrett. Elements of user experience, the: user-centered design for the web and beyond. Pearson Education, 2010.

• J. Gothelf and J. Seiden. Lean UX: Applying lean principles to improve user experience. O’Reilly Media, Inc.”, 2013.

• R. Hinman. Mobile Frontier.  Rosenfeld Media Brooklyn, 2012.

• J. Kalbach. Mapping Experiences: A Complete Guide to Creating Value Through Journeys, Blue-prints, and Diagrams. O’Reilly Media, Inc.”, 2016.

• S. Krug. Don’t make me think: Web Usability: Das intuitive Web. MITP-Verlags GmbH & Co. KG, 2014.

• M. Levin. Designing Multi-device Experiences: An Ecosystem Approach to User Experiences Across Devices. O’Reilly Media, Inc.”, 2014.

• J. Marsh. UX for Beginners: A Crash Course in 100 Short Lessons. O’Reilly Media, Inc.”, 2015.

• K. McGrane. Content strategy for mobile.  A Book Apart New York, 2012.

• P. Morville and J. Callender. Search patterns: design for discovery. O’Reilly Media, Inc.”, 2010.

• D. Norman.  Emotion & design: attractive things work better. interactions, 9(4):36–42, 2002.

I. DESCRIPCIÓN

Aunque el concepto de base de datos no es nuevo, el auge de nuevos modelos de negocios han
impulsado el desarrollo de nuevos tipos de bases de datos. Los paradigmas más conocidos son el
Relacional o SQL y el No Relacional o NoSQL.

II. OBJETIVOS

En este curso se desarrollan competencias y destrezas para:

● Entender los conceptos fundamentales de bases de datos relacionales y no relacionales.
● Conocer y utilizar métodos y herramientas para diseñar, documentar y comunicar modelos de
datos a otras personas.
● Seleccionar el paradigma relacional o no relacional que mejor se adapte a la solución de un
problema.
● Utilización de Structured Query Language (SQL) para bases de datos relacionales.
● Utilización de lenguajes para bases de datos no relacionales (Not Only SQL o NOSQL).

III. CONTENIDOS

Módulo 1: Introducción a las bases de datos
En este módulo se entran los conceptos fundamentales de bases de datos. Además de los métodos y
herramientas para poder modelar conceptualmente una base de datos en forma independiente al
paradigma de base de datos.

Módulo 2: Bases de datos Relacionales
En este módulo se realiza el diseño lógico y físico de una base de datos relacional. Se utiliza SQL
tanto para la definición de datos (Data Definition Language - DDL), como para la manipulación de
datos (Data Manipulation Language - DML). Se trabaja con MySQL Server y MySQL Workbench
en un taller práctico.

Módulo 3: Bases de datos No Relacionales
En este módulo se describen los principales tipos de base de datos no relacionales, sus principios
teóricos, y diferencias. Se realizan diseño e implementación, a través de talleres prácticos la base de
datos orientada a documentos MongoBD y con la base de datos de grafos Neo4J.

IV. METODOLOGÍA

1. Clases expositivas y prácticas.
2. Evaluaciones con pequeños controles y talleres prácticos.

V. EVALUACIÓN
Controles: 40%
Talleres: 60%

VI. BIBLIOGRAFÍA

Elmasri, Ramez, et al. Fundamentals of database systems. Addison Wesley, 2006.
Ullman, J., Widom, J. A First Course in Database Systems, 3 rd edition, Prentice Hall 2007.
Gaurav Vaish. Getting Started with NoSQL, Birmingham – Mumbai, 2013
MongoDB Inc. The MongoDB 4.0 Manual, https://docs.mongodb.com/manual.
Oracle Inc. MySQL Reference Manual. https://dev.mysql.com/doc/
Neo4j Inc. Neo4j Documentation. https://neo4j.com/docs/

I. DESCRIPCIÓN

Este curso consta de dos partes, en la primera se abordan los elementos organizacionales referidos a la gestión de personas y sus interacciones en el ámbito laboral, enfatizando la gestión del cambio, la innovación y la gestión colaborativa. En la segunda parte, el curso aborda los principios y conceptos que sirven de fundamento a la información contable, en sus aspectos financieros y de costos.
 

II.OBJETIVOS

Parte 1: Finanzas

• Comprensión de usos y limitaciones de la información contable.

• Entender el origen y obtención de las distintas partidas que conforman los estados financieros. 

• Interpretar los distintos elementos de los estados financieros de una organización, transformándose en un buen usuario de la información contable/financiera de las organizaciones. 

• Análisis y comprensión de indicadores financieros. 

• Entender la teoría financiera aplicada en organizaciones. 

• Disponer de herramientas para la Evaluación Estratégica de Proyectos. 

Parte 2: Gestión de capital humano

• Manejar las teorías e investigaciones psicosociales que contribuyen a la comprensión del fenómeno organizacional, desde una perspectiva estratégica.

• Aplicar los enfoques y términos más actualizados de las ciencias sociales y de administración para la gestión efectiva de RRHH.

• Disponer de herramientas para llevar adelante la gestión del cambio, innovación y gestión colaborativa en organizaciones.

III. CONTENIDOS

1. Finanzas: Contabilidad
   1.1.Información contable.
   1.2.Principios contables generalmente aceptados
   1.3.La ecuación contable
   1.4.Estados Financieros básicos
   1.5.Flujos de caja
   1.6.Valorización de activos y pasivos
   1.7.Análisis de Estados Financieros.
   1.8.Relación entre estados financieros.
   1.9.Muchos ejercicios. 
    
2. Finanzas : Finanzas corporativas
   2.1. Estructura de financiamiento en empresas: Capital propio, deuda de corto/largo plazo, otras fuentes. 

1. Finanzas: Evaluación estratégica de proyectos
   3.1.Preparación y seguimiento de presupuestos.
   3.2.Evaluación económica de proyectos 

1. Gestión del capital humano
   4.1.Estrategia y Diseño Organizacional
   4.2.Estrategia de recursos humanos en una organización: de personal a personas.
   4.3.Gestión de capital humano: 
   4.4.Selección de personal
   4.5.Retención del talento
   4.6.Gestión de cambio
   4.7.Gestión colaborativa 
    

V. METODOLOGÍA

• Clases expositivas
• Ejemplos reales 
• Discusión de casos. 
• Ejercicios.
   

VI. EVALUACIÓN

• Controles
   

VI. BIBLIOGRAFÍA

• Contabilidad: Finanzas y Usos, Aníbal Irarrázaval C., 2010 
• Fundamentos de Financiación Empresarial, Brealey/Myers, 2010 Corporate
• Finance, Theory and Practice, A. Damodaran, 1997 
• Evaluación de decisiones estratégicas : tratamiento integrado de los conceptos contemporáneos de estrategia competitiva y de las técnicas tradicionales de evaluación de proyectos, P. del Sol , 1999 
• Apuntes preparados por el profesor. 

I. DESCRIPCIÓN

Entender el complejo escenario que enfrentamos hoy ante las Tecnologías de laInformación y Comunicación (TIC) requiere, en primer lugar, un amplio entendimiento del concepto de tecnología en el contexto de la cultura. Al ser transversal a todos los ámbitos en los que se desenvuelve el ser humano y debido a su constante desarrollo, el progreso técnico ha reestructurado permanentemente la sociedad en la que vivimos –basta con ver revoluciones como la invención de la imprenta, la electricidad o, incluso, la invención de la escritura. La adopción de nuevos dispositivos técnicos implica romper el flujo convencional de trabajo e interacción con el medio, con el fin de apropiar nuevas interfaces que acortan la brecha entre personas que poseen conocimiento experto y los ciudadanos. La tecnología nos obliga a actualizar permanentemente la forma en que nos relacionamos con ella, y al hacerlo reestructura también la forma en que interactuamos entre personas y concebimos el mundo a nuestro alrededor. El curso aborda la multidimensionalidad de la tecnología focalizado en la perspectiva humana y teniendo como eje principal la búsqueda de un mejor proceso de adopción y transferencia de éstas. El estudio de este fenómeno aborda la interacción y diálogo entre la cultura, los seres humanos, el lenguaje y el proceso de toma de decisiones con el fin de modelar y comprender cómo es que las personas entienden y se relacionan con su medio.

II. OBJETIVOS

Al finalizar el curso, los alumnos serán capaces de:

• Comprender los aspectos psicológicos, sociológicos y culturales presentes en la sociedad.Describir fenómenos de incertidumbre sobre la base de variables aleatorias y hacer cálculos asociados a ese fenómeno en base a esas variables aleatorias.
• Entender cómo la tecnología se inserta en dicho entorno y como cambia la cultura. 
• Conceptualizar la relación de las personas con su entorno. 
• Resolver problemas que se originan en la interacción entre personas, productos culturales y tecnología. 
• Conceptualizar un dominio para una semántica cultura.

III. CONTENIDOS

1. Presentación programa e introducción

1. Modelando el conocimiento: historia de la complejidad en la cultura

1. Teoría de la mente: signos, conceptos e información

1. Cultura y entorno: construcción del modelo mental

1. Teoría de las emociones: los afectos como modelos cognitivos virtuales 

1. Dispositivos de conocimiento y multirepresentación 

1. Conocimiento del cuerpo, conocimiento experto y conocimiento social

1. Aprender a ver: el mundo como reflejo del mundo

1. Un mundo de opciones: como formulamos nuestras emociones (reales / virtuales)

1. Aprendizaje: el caso de Lev Vigotzky

1. La tragedia de la cultura: novedad y obsolescencia
    
2. Lecturas de la complejidad: repetición y variación cultural

1. Paradigmas: ¿estrategias del saber o estética del conocimiento?

1. Caos, completitud, consistencia y ambigüedad en un mundo complejo

IV. METODOLOGÍA

• Clases expositivas.
• Análisis de casos.

V. EVALUACIÓN

La nota final del curso se calcula de acuerdo a la siguiente manera:

• Tres pruebas de desarrollo

VI. BIBLIOGRAFÍA

• Bauman, Zygmunt. La cultura como praxis. Buenos Aires: Paidós, 2002.
• Bekerman, Zvi. Aprender/saber en el hacer. Decisio, Septiembre – Diciembre, 2011, México.
• Benkler, Yochai. Habla sobre la nueva economía de código abierto. Conferencia TED http://www.ted.com/talks/yochai_benkler_on_the_new_open_source_economics.html
• Kress, Gunther. Multimodality : a social semiotic approach to contemporary communication. London : Routledge, 2010.
• Manguel, Alberto. “La imagen como relato” en Leyendo imágenes. Madrid: Norma, 2002.
• Nussbaum, Martha. Sin fines de lucro: por qué la democracia necesita de las humanidades Buenos Aires: Katz, 2010.
• Robinson, Ken. Cambiando paradigmas. Conferencia TED. http://m.youtube.com/watch?v=Z78aaeJR8no&desktop_uri=%2Fwatch%3Fv%3DZ78aaeJR8no
• Sloterdijk, Peter. Normas para el parque humano. Madrid: Siruela, 2000

Complementaria

• Cobo, Cristobal y Moravec, John, Aprendizaje invisible: hacia una nueva ecología de la educación, Barcelona, Transmedia XXI, 2011.
• Kress, Gunther. El alfabetismo en la era de los nuevos medios de comunicación. Granada: Enseñanza Abierta, 2005.
• Maeda, John. The laws of Simplicity (Design, Technology, Business, Life). Boston: MIT Press,2006.
• Mayer, Richard E. Thinking, Problem Solving, Cognition, , Freeman and Co., 1992
• Tufte, Edward R., Beautiful evidence, Cheshire, Conn.: Graphics Press, 2006.
• Tufte, Edward R., Envisioning information, Cheschire, Conn.: Graphics Press, 1990.
• Tufte, Edward R., The visual display of quantitative information. Cheshire, Conn.: Graphics Press, 2006.

I. DESCRIPCIÓN
 

El curso ‘Tecnologías y aplicaciones del World Wide World’ (WWW) cubre la infraestructuratecnológica, fenómenos y los protocolos que lo sustentan. Se proveerán los conocimientos tecnológicos yherramientas necesarias básicas para construir aplicaciones en plataformas web, comprender el estado deevolución de la internet, y analizar los conceptos asociados a su actual y futuro desarrollo. La relevanciade este curso se basa en desarrollar conocimientos para el levantamiento y desarrollo de sitios web, quepodrán seguir siendo aplicados en los distintos ámbitos de la profesión/trabajo donde se desempeñen losestudiantes.

II. OBJETIVOS
 

• Entender el funcionamiento de la Web
• Publicar y gestionar información en la Web.
• Analizar las nuevas tendencias y tecnologías de la Web.
• Estudiar e implementar procesos de recopilación, recuperación, visualización y transmisión delconocimiento a través de la Web.
• Conocer estándares básicos de la Web: HTTP, HTML5, CSS3, XML, Atom, RSS, Media-types.
• Conocer herramientas básicas de la Web: Servicios Web, API, Aplicaciones Web.
• Desarrollar procesos de trabajo relacionados con la Web, tales como prototipaje, modelación,visualización, representación, formulación de sistemas de información, entre otros.
• Desarrollar un proyecto web utilizando sistemas gestores de contenido.
• Elaborar proyectos de forma colaborativa.

III. CONTENIDO

1. Unidad 1: Bloques de construcción de la Web
   1.1. Historia de la Internet
   1.2. Creación y evolución de la WWW
   1.3. Web 2.0
   1.4. Web Semántica

1. Unidad 2: Estructura de la Web
   2.1.Comunicación y protocolo HTTP
   2.2.Bases de datos
   2.3. Servidores
   2.3.Servidore2.4.Servicios Web: APIs, RSS, Atom, motores de búsquedas, etc.

1. Unidad 3: Herramientas de la We
   3.1.Fundamentos de diseño de páginas web (HTML y CSS)
   3.2.Sistemas de archivos y la estructura de directorios
   3.3.Client-side Scripting (JavaScript, JSON, REST, Ajax
   3.4.Contenido multimedia (HTML5, JQuery, imágenes y audio/vídeo)

1. Unidad 4: Aplicaciones y sistemas de información
   4.1.Gestores de contenido (CMS)
   4.2.Gestión de proyectos web
   4.3.Diseño de contenidos para proyectos web

1. Unidad 5: Desarrollo y metodologías de trabajo en la web
   5.1.Metodologías de desarrollo ágil
   5.2.Experiencia de usuario (UX)
   5.3.Prototipaje

IV. METODOLOGÍA

• Clases expositivas
• Laboratorios
• Actividades en clases
• Trabajos grupales
   

V. EVALUACIÓN

• Prueba
• Laboratorios

VI. BIBLIOGRAFÍA

• Antoniou, G., et al. A Semantic Web Primer. 2nd Edition. MIT Press, 2008.
  Boiko, B. Content Management Bible. Wiley, 2004.Blum, 
• Andrew. Tubos. En busca de la geografía física de Internet. Editorial Océano,2013.
• Cobo, C. & Pardo, H. Planeta Web 2.0. Inteligencia colectiva o medios fast food.http://www.planetaweb2.net, 2004.
• Goldfarb, Charles. XML Handbook 5th Edition. Prentice Hall, 2003.
• Lawson, B. and Sharp, R. Introducing HTML5. 2nd Edition. New Riders Press, 2010.
• Maeda, John Las leyes de la simplicidad, Gedisa, 2006
• Musciano, Chuck, et al. HTML & XHTML: The definitive guide. O'Reilly & Associates,2006.
• Sanders, Bill. HTML5 El futuro de la Web, Anaya-Wiley 2011.
• Segaran, Toby, et al. Programming the Semantic Web. O'Reilly & Associates, 2009.
  Walmsley, P. Definitive XML Schema. Prentice Hall, 2001.

I. DESCRIPCIÓN

Este curso entrega conceptos, herramientas y estrategias para la gestión efectiva y eficiente de documentos y archivos. Se analiza y debate la disciplina archivística y su aplicación en la gestión de la información.
 

II. OBJETIVOS

Al finalizar el curso el estudiante alumno será capaz de:

• Analizar los servicios y normas asociadas a la gestión de documentos y archivos.

• tilizar las herramientas que permitan una adecuada gestión de documentos y la administración de sistemas de archivos. 

• Manejar las técnicas utilizadas para analizar problemas complejos en archivos y crear las soluciones apropiadas.
   
• Comprender y problematizar la historia de los archivos y las funciones que cumplen en la sociedad.

III. CONTENIDOS

• Fundamentos de archivística.
   
• Tipología de fondos públicos y privados.
   
• Historia de los Archivos y la Archivística. Funciones.
   
• Los Archivos y la Archivística en Chile.
   
• Normas internacionales de descripción archivística. ISAD(G), ISAAR (CPF), ISDIAH, ISDF.
   
• El tratamiento Archivístico. Clasificación, ordenación, descripción y recuperación.
   
• Prevención, conservación y restauración.
   
• Gestión de documentos.
   
• ISO 15489 / ISO 30300.
   
• Documentos electrónicos.
   
• Documentación empresarial.
   
• Archivos digitales. 

IV. METODOLOGÍA

El curso se desarrolla en forma de seminario con lecturas por sesión que deberán ser leídas, analizadas y debatidas en clase. Los estudiantes realizarán un ensayo a partir de una selección de bibliografía de los contenidos presentados en clases, asimismo prepararán una investigación monográfica analizando un caso de gestión de documentos y archivos de institución de interés.

V. EVALUACIÓN

• Ensayo.
• Participación en clases.
• Trabajo Final.

VI. BIBLIOGRAFÍA

I. DESCRIPCIÓN

El objetivo de este curso es proporcionar al alumno elementos que le permitan entender las principales teorías y prácticas de la emergente área de Minería de Datos. Al final del curso el alumno deberá tener un conocimiento teórico y práctico de las principales técnicas utilizadas actualmente en la creación de programas capaces de extraer conocimiento relevante desde bases de datos y conocer algunas de las principales aplicaciones donde en la actualidad este tipo de técnicas están teniendo una amplia aceptación, comprendiendo sus potencialidades y limitaciones.

II. OBJETIVOS

• Aprender técnicas de clustering para procesamiento de información

• Comprender y aplicar algoritmos de clasificación

• Aplicar reglas de asociación

III. CONTENIDOS

• Introducción El concepto y proceso de Minería de Datos, tipos de problemas en que la Minería de Datos es relevante.
• Data Warehouse y OLAP
  • Arquitecturas
  • implementaciones
  • aplicaciones en Minería de Datos. 

• Preparación de la información 
  • Datos ruidosos, 
  • datos faltantes, 
  • reducción de la dimensionalidad y transformaciones, integración e inconsistencias. 

• Reducción de la Información
  • Análisis de las Componentes principales

• Reglas de asociación
  • Algoritmo Apriori

• Clasificación
  • Árboles de Decisión
  • NaiveBayes
  • Razonamiento en Base a casos. 

• Clustering y medidas de similaridad en distintos tipos de datos. 
  • Clustering particional: K-Means, Mean Shift.
  • Medidas de similaridad para distintos tipos de datos. 
  • Clustering aglomerativo. 

• Selección de Modelos (Hold Out, Cross Validation.). 
• Conceptos Básicos en Minería de Texto. 

IV. METODOLOGÍA

• Clases expositivas
• Actividades en clases
• Trabajos grupales

V. EVALUACIÓN

• Tareas
• Controles
• Trabajo final

VI. BIBLIOGRAFÍA

• Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank 
• Data Mining: Concepts and Techniques, Jiawei Han and Micheline Kamber. 
• Machine Learning, Tom M. Mitchell 
• Kimball, R. ”The data warehouse toolkit : the complete guide to dimensional modeling”, John Wiley and Sons, 2002. 
• Inmon, W.H., ”Building the DataWarehouse”, John Wiley and Sons; 3th edition, 2002. 
• T. Hastie, R. Tibshirani, and J. Friedman, ”The Elements of Statistical Learning: Data Mining, Infe- rence, and Prediction”, Springer, 2001. 
• Berry, M. and Linoff, G., ”Data Mining Techniques for Marketing, Sales and Customer Support”, Wiley, 1997. 
• Berson, A., Thearling, K., and Smith, S. ”Building Data Mining Applications for CRM”, McGraw Hill, 1999. 
• Dyche, J., .e-Data: Turning Data into Information with Data Warehousing”, Addisson Wesley, 2000. 

I. DESCRIPCIÓN

En este curso, se entregarán los conocimientos e instrumentos característicos para desarrollar servicios de inteligencia competitiva (IC) y vigilancia tecnológica (VT) en ambientes orientados a promover actividades de I+D+i. La inteligencia competitiva y la vigilancia tecnológica, por medio de la captación, selección, análisis, difusión y comunicación de información relevante de la propia organización y del entorno científico-tecnológico, ayudan a generar nuevos conocimientos para tomar decisiones estratégicas con menor riesgo y anticiparse a los cambios. Se desarrollarán habilidades para la búsqueda, interpretación y difusión de información de utilidad para la toma de decisiones de una empresa.

II. OBJETIVOS

• Diseñar, implementar y evaluar servicios de inteligencia competitiva y vigilancia tecnológica para fomentar la innovación en organizaciones.
• Distinguir y aplicar los procesos principales de la IC/VT. 
• Identificar necesidades de información en una organización.
• Seleccionar y usar las fuentes de información más apropiadas según tipo de necesidad o proyecto de investigación. 
• Definir y elaborar un plan de recogida de información.
• Analizar, sintetizar y comunicar información y conocimientos en una amplia variedad de formatos.
• Analizar problemas de información y desarrollar soluciones, basándose en diversas herramientas tecnológicas y las mejores prácticas. 

III. CONTENIDOS

• Introducción a la Inteligencia Competitiva (IC) y a la Vigilancia Tecnológica (VT). 
  • Definición y conceptos. 
  • Enfoques de la Inteligencia Competitiva. 
  • Rol de la Innovación 

• Estudio de las necesidades de IC y VT.
  • Definición de necesidades.
  • Técnicas, métodos e instrumentos. 

• Fases del proceso de VT.
  • Círculo de Inteligencia.
  • Actividades IC/VT. 

• Búsqueda de información
  • Clasificación de las fuentes: primarias y secundarias.
  • Patentes y marcas: bases de datos y directorios 

• Análisis, tratamiento y difusión de la información
  • Modelos de análisis
  • Análisis de patentes y análisis bibliométricos
  • Tratamiento de la información: rol de los expertos y validación de la información
  •  Difusión de la información: herramientas. 

• Diseño de un sistema de VT en una empresa 

IV. METODOLOGÍA

• Clases expositivas
• Lecturas
• Estudio de casos
• Presentaciones

V. EVALUACIÓN

• Proyecto
• Presentaciones
• Tareas sobre análisis de casos
• Participación en clase

VI. BIBLIOGRAFÍA

• Escorza, P. ,La inteligencia competitiva: factor clave para la toma de decisiones estratégicas en las organizaciones. Madrid, España, 2008. Disponible en: http://www.madrimasd.org/informacionidi/biblioteca/publicacion/d oc/35_INTEC.pdf 
• García Alsina, M. y Ortoll Espinell, Eva. Inteligencia competitiva: corpus teórico y prácticas. Ibersid. Madrid, España. 6(2012), p.77-88. 
• Hohhof, B. Competitive intelligence anthology. San Antonio, USA: SCIP, 2010. 
• Sharp, S. Competitive intelligence advantage: how to minimize risk, avoid surprises, and grow your business in a changing world. Hoboken, New Jersey: Wiley, 2009. 

I. DESCRIPCIÓN

Este curso se focaliza en el estudio de los fundamentos y el impacto del comercio y de los servicios electrónicos, basados en transacciones sustentadas por medios digitales. Se analizará la forma de hacer negocios en las empresas, industrias, mercados y sociedad, de modo de comprender mejor sus estrategias y la competitividad en los mercados electrónicos. El curso examinará las principales tendencias tecnológicas en comercio electrónico, incluyendo aspectos de su economía, marketing y los efectos de las emergentes redes sociales.

II. OBJETIVOS

• Aprender los fundamentos de comercio elerctrónico.
   
• Entender la importancia de los servicios electrónicos.
   
• Comprender los fundamentos posicionamiento del comercio electrínico en Internet.

• Comprender el impacto del comercio electrónico en las empresas, industrias, mercados y sociedad, 

III. CONTENIDOS

• ECONOMIA DE LA INFORMACION
  • El Precio de la Información
  • Diferenciación de Producto y Precio
  • “Bundling” o empaquetamiento
  • “Lock-in” y su Gestión
  • Redes y Realimentación Positiva 

• ESTRATEGIAS Y MODELOS DE NEGOCIO
  • Comercio Electrónico B2C
  • Comercio Electrónico C2C
  • Comercio Electrónico B2B
  • Casos Emblemáticos 

• MECANISMOS PARA EL COMERCIO ELECTRONICO
  • Motores de Búsqueda
  • Infraestructura para el e-Business
  • Sistemas de Pago Electrónico 

• MARKETING EN INTERNET
  • Personalización, diferenciación, segmentación
  • SEO (Search Engine Optimization)
  • Publicidad Patrocinada
  • Web Analytics 

• PRIVACIDAD Y PROPIEDAD INTELECTUAL 

• FUNDAMENTOS DE SUBASTAS
  • Primer Precio Oferta Sellada
  • Segundo Precio Oferta Sellada 
  • Ascendente (Inglesa)
  • Descendente (Holandesa) 

• COMERCIO MOVIL
  • Negocio de Contenidos
  • Resumen tecnología

• RESUMEN Y PROYECCIONES

IV. METODOLOGÍA

• Clases expositivas
• Actividades en clases
• Trabajos grupales

V. EVALUACIÓN

• Controles
• Participación
• Trabajo final

VI. BIBLIOGRAFÍA

• C. Shapiro, H. Varian, “Information Rules”, Harvard Business School Press, 1999. 
• K. C. Laudon, C. G.Traver “E-Commerce: business, technology, society”, 12th Edition, Addison-Wesley/Pearson, 2016. 
• David Easley and Jon Kleinberg “Networks, Crowds, and Markets: Reasoning about a Highly Connected World”. Cambridge University Press, 2010. 
• Varian, Hal R; Farrell, Joseph and Shapiro, Carl “The economics of Information Technology. An Introduction” Raffaele Mattioli Lectures, Cambridge Univ. Press, 2005. 
• Chris Anderson “The Long Tail”, Hyperion, NY, 2008.
  John Battelle “The Search” How Google ant its Rivals Rewrote the Rules of 
• Business and Transformed our Culture, Portfolio (Penguin Group), 2005 

I. DESCRIPCIÓN

En este curso se entregarán herramientas para comprender las interacciones que emergen de la convergencia entre redes sociales y tecnológicas y cómo estas redes impactan las necesidades de comunicación, la diseminación de la información, la interacción social, la formación de comunidades y los nuevos tipos de mercados. Se estudiarán los mecanismos de análisis de las redes y su comportamiento estructural, incluyendo métodos de análisis de grafos, modelos de difusión y propagación de la información en el web, blogs, micro blogs, wikis, entre otros. Las técnicas analíticas incluyen la minería de texto y datos, recuperación de la información, algoritmos de enlaces, de clasificación y agrupamiento (clustering), análisis de sentimientos y recomendaciones, entre otros.

II. OBJETIVOS

• Identificar los procesos de difusión y los comportamientos de las cascadas de información en las redes.
   
• Comprender y analizar los recientes trabajos científicos para explicar las estructuras sociales, económicas y técnicas y sus interacciones. 
   
• Analizar los aspectos computacionales y de ciencias sociales de las redes.
   
• Interpretar ideas y métodos de diferentes disciplinas para entender los desafíos y enfoques en el análisis y diseño de las redes y sus mecanismos asociados.
   
• Aplicar y diseñar algoritmos para analizar redes, extraer información y hacer recomendaciones.

III. CONTENIDOS

• Introducción.
   
• Seis grados de separación – experimento del mundo pequeño.
   
• Teoría de grafos y redes sociales.
   
• Redes de información y el web.
   
• Redes de interacción, teoría de juegos y diseño de mecanismos.
   
• Mercados e internet.
   
• Efectos de red y cascadas de información.
   
• Clasificación,  análisis de sentimiento y polarización.
   
• Estudios sobre difusión y propagación en redes.
   
• Estudios sobre detección de brotes (epidemias) en redes.

IV. METODOLOGÍA

• Clases expositivas
• Lecturas guiadas
• Tareas
• Trabajos grupales

V. EVALUACIÓN

• Interrogación
• Tareas
• Controles de lectura
• Examen

VI. BIBLIOGRAFÍA

• Easley D., Kleinberg. Networks, Crowds, and Markets: Reasoning about a Highly Connected World. Cambridge University Press, 2010.
• Watts, Duncan J. Six Degrees: The Science of a Connected Age,W.W. Norton, 2003.
• Gladwell, Malcom The Tipping Point: How Little Things Can Make a Big Difference.  Little, Brownand Company, 2002.
• Jackson, Mathew Social and Economic Networks.Princeton University Press, 2010. 
• M. E. J. Newman Networks, An Introduction. Oxford University Press, 2010.
• Christakis  N.A., Fowler J.H. Connected, Back Bay Books (reprinted), 2011.

I. DESCRIPCIÓN

En este curso se tratarán los temas la recuperación y extracción de la información. La recuperación se refiere a aquellos procesos que permiten obtener y enlistar conjuntos de documentos relevantes obtenidos de grandes repositorios, principalmente de Internet, usando palabras claves o descriptores referidos a algún rasgo particular de tales documentos. La extracción de información se enfoca en aquellos procesos dirigidos a la identificación y obtención de patrones específicos de información insertos en textos, considerando para ello la combinación de reglas lingüísticas con métodos probabilísticos.

II. OBJETIVOS

• Distinguir las diferencias entre recuperación y extracción de información. 
• Localizar información dentro de bases de datos referenciales y textuales, así como otros repositorios similares. 
• Comprender el funcionamiento de los sistemas de recuperación y extracción de información en repositorios electrónicos tanto comerciales como institucionales. 
• Utilizar métodos de recuperación y extracción en buscadores web. 
• Evaluar la calidad de los resultados obtenidos, ponderando especialmente la calidad en la precisión y cobertura de los patrones considerados. 
• Aplicar las estrategias de posicionamiento en motores de búsqueda para organizar la información y lograr una búsqueda efectiva.

III. CONTENIDOS

• Teorías y modelos de recuperación y extracción de información. 
• Métricas de rendimiento en la recuperación y extracción de información: precision & recall (precisión y cobertura). 
• Estrategias y lenguajes de búsqueda.
• Representación de textos: metadatos y lenguajes de marcación. 
• Recuperación de información en la web: motores, spiders y crawlers, análisis de enlaces (pagerank).
• Buscadores, metabuscadores y visualización de documentos.
• Extracción e integración de información: extracción de datos desde textos en 
  formato XML.
• Recuperación de información de datos semi-estructurados.
• Etiquetado social (tagging). 

IV. METODOLOGÍA

• Clases expositivas
• Discusión interactiva sobre los temas revisados
• Prácticas con módulos de Python (NLTK, BeautifulSoup, Gensim, Scipy, etc.) y el sistema Sketch Engine. 

V. EVALUACIÓN

• Controles
• Exposición
• Proyecto final

VI. BIBLIOGRAFÍA

• Baeza-Yates, R., et al. Modern information retrieval: The concepts and technology behind search. 2nd Edition. ACM Press Books. Addison-Wesley Professional, 2011.
• Barnbrook, Geoff, et al. Meaningful Texts: The Extraction of Semantic Information from Monolingual and Multilingual Corpora. London/New York, Continuum, 2005.
• Chowdhury, G. ntroduction to modern information retrieval. 2nd ed. Oxford, Oxford University Press, 2003.
• Frakes, W.B., et al. Information retrieval: data structures and algorithms. Englewood Cliffs, NJ., Prentice-Hall, 1992.
• Jackson, Peter, et al. Natural Language Processing for Online Applications: Text Retrieval, Extraction and Categorization. Amsterdam/Philadelphia, John Benjamins, 2002. 

I. DESCRIPCIÓN

Este curso presenta una introducción general al procesamiento del lenguaje natural (o PLN), la cual es un área de investigación emergente orientada hacia la generación y uso de herramientas computacionales en el estudio de una lengua. El curso se enfoca en: – el manejo (semi) automatizado de enormes repositorios de documentos, conocidos como corpus lingüísticos; -el empleo de técnicas estadísticas para determinar comportamientos regulares y/o irregulares en fenómenos observables en corpus; y – la implementación de herramientas computacionales para procesar eficientemente palabras y/o frases.

II. OBJETIVOS

Brindar a los estudiantes una panorámica general sobre lo que es el PLN, ponderando tanto una descripción teórica de sus conceptos y métodos principales, así como el aprendizaje de técnicas de programación para desarrollar herramientas de análisis.
 

• Definir en qué consiste el PLN.
• Definir sus conceptos y métodos básicos.
• Aprender a usar la librería NLTK, programada en lenguaje Python.
• Identificar sus principales líneas de investigación.
• Desarrollar un proyecto basado en alguna de las líneas de investigación revisadas. 

III. CONTENIDOS

• Nociones básicas: definición del PLN, gramáticas formales, gramáticas libres de contexto, n-gramas, corpus lingüísticos, etiquetado lingüístico, chunking y parsing, bases de conocimiento léxicas. 
• Herramientas de análisis: módulos de procesamiento textual de NLTK.
• Técnicas de análisis: probabilidades condicionales, información mutua y entropía, precisión & recall. 
• Líneas de investigación: recuperación y extracción de información, reconocimiento de entidades nombradas, clasificación de textos, minería de textos, desarrollo de ontologías. 

IV. METODOLOGÍA

• Clases expositivas.
• Sesiones de taller con computadores para el aprendizaje en el manejo de herramientas.
• Entrega de evaluaciones parciales.
• Trabajo final.

V. EVALUACIÓN

• Controles
• Trabajos parciales
• Trabajo final

VI. BIBLIOGRAFÍA

• Bird, Steven, Klein, Ewan y Loper, Edward (2010): Natural Language Processing with Python. Analyzing Text with the Natural Language Toolkit, Sebastropol, Cal., O'Reilly Media. 
• Clark, Alexander, Fox, Chris and Lappin, Shalom (Eds.) (2010): The Handbook of Computational Linguistics and Natural Language Processing, Oxford, UK, Wiley-Blackwell. 
• Jurafsky, Daniel y Martin, James (2009): Speech and Language Processing, Second Edtion, New Jersey, Prentice Hall. 

I. DESCRIPCIÓN

El objetivo de este curso es proporcionar aspectos teóricos y prácticos que permitan entender las principales funcionalidades que brindan las herramientas para la gestión e inteligencia de procesos. Mediante el uso de distintas estrategias de aprendizaje, los alumnos tendrán la oportunidad de aplicar los conceptos aprendidos a través de actividades prácticas que los enfrentarán a situaciones y problemas que ocurren en contextos de organizaciones reales, tales como bibliotecas, ambientes académicos, industria, entre otros.

II. OBJETIVOS

1. Examinar los fundamentos teóricos y estado del arte actual con respecto a la gestión e inteligencia de procesos.

2. Analizar para qué sirven las distintas técnicas existentes para la gestión e inteligencia de procesos; explicando bajo qué condiciones funcionan correctamente y cuáles son sus limitaciones.

3. Examinar información proveniente de sistemas de información organizacionales y prepararla para utilizar las técnicas para la gestión e inteligencia de procesos.

4. Aplicar distintas técnicas para la gestión e inteligencia de procesos; interpretando los resultados para proponer mejoras concretas a los procesos organizacionales analizados.

5. Analizar críticamente los resultados obtenidos al aplicar las técnicas utilizadas.

6. Explicar cómo se podría mejorar los procesos organizacionales a partir de la información analizada.

7. Utilizar herramientas de apoyo y aplicaciones para la gestión e inteligencia de procesos.

8. Desarrollar las siguientes habilidades: entendimiento de un proceso organizacional, capacidad analítica para abordar problemas, creatividad para la búsqueda de soluciones, pensamiento crítico, y capacidad de relacionar los distintos componentes de un proceso organizacional con el valor que éste genera en el contexto en el cual se lleva a cabo.

III. CONTENIDOS

1. Inteligencia de procesos
   1. Introducción y conceptos básicos
   2. El valor de la información
   3. Componentes de una arquitectura de inteligencia de procesos
   4. Bodegas de datos
   5. Procesamiento analítico
   6. Reporteo y visualización de información
   7. Análisis multidimensional
   8. Análisis de información y extracción de conocimiento
2.  Minería de procesos
   1. Introducción a la minería de procesos
   2. Modelación y análisis de procesos
   3. Almacenamiento y obtención de información
   4. Registros de eventos orientados a procesos
   5. Descubrimiento de procesos
   6. Perspectivas de análisis de procesos
   7. Verificación de conformidad en procesos
   8. Análisis y mejora de procesos desde distintas perspectivas
3.  Herramientas para la gestión e inteligencia de procesos
   1. ProM: herramienta académica
   2. Herramientas comerciales: Disco, Celonis, Lana, Tableau, QlikView.
   3. Otras herramientas: RapidProM.
4. Aplicaciones y casos de éxito

IV. METODOLOGÍA

• Clases expositivas.
• Discusión de artículos científicos.
• Tareas de aplicación.
• Experimentación, laboratorios.
• Trabajo en grupo

V. EVALUACIÓN

Lecturas de artículos científicos

30%

Tareas

40%

Proyecto grupal

30%

VI. BIBLIOGRAFÍA

Mínima

Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS quarterly, 36 (4), 1165–1188.

Sharda, R., Delen, D., & Turban, E. (2017). Business intelligence, analytics, and data science: A managerial perspective. Pearson Education.

van der Aalst, W. M. P. (2016). Process mining - data science in action, second edition. Springer.

Complementaria

Günther, C. W., & Rozinat, A. (2012). Disco: Discover your processes. In (Vol. 940, pp. 40–44). CEUR-WS.org.

Mans, R., van der Aalst, W. M. P., & Verbeek, H. M. W. E. (2014). Supporting process mining workflows with rapidprom. In L. Limonad & B. Weber (Eds.), (Vol. 1295, p. 56). CEUR-WS.org.

van der Aalst, W. M. P., Adriansyah, A., de Medeiros, A. K. A., Arcieri, F., Baier, T., Blickle, T., . . . Wynn, M. T. (2011). Process mining manifesto. In (Vol. 99, pp. 169–194). Springer.

van der Aalst, W. M. P., Bolt, A., & van Zelst, S. J. (2017). Rapidprom: Mine your processes and not just your data. CoRR, abs/1703.03740.

II. DESCRIPCIÓN DEL CURSO

El curso presenta el estado del arte en la gestión efectiva de los datos que se producen durante el desarrollo de un proyecto de investigación, considerando tanto temas de organización, almacenamiento, preservación, acceso y reuso los datos, como políticas, planes y servicios de gestión de datos de investigación. Para ello se presentarán diversas experiencias y herramientas que permitirán analizar buenas prácticas en el área. Al final del curso los alumnos estarán capacitados para diseñar y desarrollar un servicio de gestión de datos de investigación, que permita administrarlos efectivamente durante el ciclo de vida de un proyecto de investigación.

III. OBJETIVOS DE APRENDIZAJE

- Analizar los desafíos y oportunidades de la gestión de datos para la investigación en archivos, bibliotecas universitarias y públicas.
- Analizar la diversidad de los datos y la necesidad de gestionarlos durante el ciclo de vida de un proyecto de investigación.
- Aplicar buenas prácticas para la gestión de datos de investigación que incluyen: organización, documentación, almacenamiento, respaldo y seguridad de los datos.
- Distinguir necesidades y prácticas de la gestión de datos en diversas comunidades académicas (ciencias físicas, ciencias naturales, ingeniería, ciencias de la salud y ciencias sociales y humanidades) para diseñar un plan de gestión de datos adecuado al área.
- Desarrollar un servicio de gestión de datos de investigación que asegure almacenamiento, acceso, uso, reuso y preservación de los datos de investigación.

IV. CONTENIDOS

1. Contexto de la gestión de datos
1.1. Historia, desafíos, tendencias y obstáculos a la curatoria de los datos.

2. Ciclo de vida de los datos y de los proyectos de investigación
2.1. Tipos, formatos y estados de los datos.
2.2. Etapas de un proyecto de investigación.

3. Organización de los datos.
3.1. Mejores prácticas para organizar los datos.
3.2. Estándares y metadatos.
3.3. Sistemas de clasificación y vocabularios controlados.

4. Almacenamiento, preservación y archivo de los datos
4.1. Sistemas de almacenamiento de datos.
4.2. Preservación y seguridad de los datos.
4.3. Propiedad intelectual y Cita de los datos.
4.4. Identificadores persistentes.

5. Repositorios
5.1. Criterios de selección de repositorios.
5.2. Tipos de repositorios: Repositorios institucionales, repositorios temáticos.

6. Herramientas para la gestión y acceso público de los datos.
6.1. REDcap
6.2. DataVerse
6.3. Achivematica
6.4. DSpace

7. Compartir y reusar los datos de investigación
7.1. Aspectos éticos y legales.
7.2. Beneficios y desafíos.
7.3. Restricciones o limitaciones.

8. Planes de gestión de datos según las áreas temáticas.
8.1. Modelos de planes.
8.2. Herramientas y recursos en línea para la elaboración de planes.

9. Modelo de Servicio de Gestión de datos de investigación
9.1. Descripción de experiencias
9.2. Elementos para el servicio
9.3. Etapas del servicio
9.4. Diseño de un servicio de gestión de datos de investigación

V. METODOLOGÍA PARA EL APRENDIZAJE

- Clases expositivas.
- Lecturas comentadas.
- Estudio de casos.
- Trabajos en grupos.
- Presentaciones orales.
- Tareas de aplicación.

VI. EVALUACIÓN DE APRENDIZAJES

-
- Presentaciones 30 %
- Trabajos individuales en clase: 30 %
- Lecturas: 10%
- Proyecto final: 30 %

VII. BIBLIOGRAFÍA

Mínima

- Borgman, C. (2015). Big data, little data, no data: scholarship in the networked world. Cambridge, Massachusetts: The MIT Press.

- Latham, B. (2017). Research Data Management: Defining Roles, Prioritizing Services, and Enumerating Challenges. The Journal of Academic Librarianship, 43(3), 263-265

- Ray, J.M. (2014). Research data management: practical strategies for information professionals. West Lafayette, Ind.: Purdue University Press.

- Tenopir, C., Sandusky, R. J., Allard, S., & Birch, B. (2014). Research data management services in academic research libraries and perceptions of librarians. Library and Information Science Research, 36, 84–90. http://dx.doi.org/10.1016/j.lisr.2013.11.003.

Complementaria

- Kellam, L. and Kristi T. (2016). Databrarianship: the academic data librarian in theory and practice. Chicago: Association of College and Research Libraries.

- Rice, R. and Southall, J. (2016). The data librarian's handbook. London: Facet Publishing.

- Riera, L. and Strasser, C. (2014). Data management for libraries: a LITA guide. Chicago: ALA TechSource.