Escuela de Métodos

1. jueves, 28 oct 2021
2. jueves, 04 nov 2021
3. martes, 09 nov 2021
4. jueves, 11 nov 2021
5. martes, 16 nov 2021
6. jueves, 18 nov 2021
7. martes, 23 nov 2021
8. jueves, 25 nov 2021
9. martes, 30 nov 2021
10. jueves, 02 dic 2021
11. martes, 07 dic 2021
12. jueves, 09 dic 2021

Introducción

La librería {shiny} es un paquete de R que nos permite realizar aplicaciones web interactivas a partir de utilizar funciones construidas en el lenguaje R. A diferencia de otros paquetes de este lenguaje de programación, shiny nos proveé de un marco de trabajo complejo que debe estudiarse y revisarse de manera detallada para poder acceder a todo su potencial.

Esta librería nos permite crear aplicaciones web aprovechando todos los conocimientos y recursos de análisis y visualización que ya hayamos aprendido con R y Rstudio, lo cual lo hace muy práctico para muchos perfiles de analistas que deseen publicar su trabajo, generar herramientas de análisis o explorar ideas y que no cuentan con los recursos para contratar un programador, o que, por el contrario, deseén hacer estas herramientas por su si mismos.

El presente curso tiene como objetivo el proporcionar a aquellos alumnos interesados, las herramientas para poder iniciar en la construcción de aplicaciones web con dicha librería, así como proporcionar consejos y recomendaciones para hacer esta travesía de aprendizaje lo más eficiente e indolora posible. Igualmente, este curso es un punto de partida hacia la programación web y a muchas de las tecnologías asociadas con esta, por lo que los conceptos acá aprendidos pueden ser de utilidad para aprender otro tipo de herramientas más avanzadas que fortalezcan su perfil laboral y también aumentar la cantidad de productos que puede realizar con su conocimiento del lenguaje de programación R.

Objetivo(s) de aprendizaje

• Que los alumnos sepan qué es, para que sirve y por qué es importante shiny.
• Que los alumnos conozcan ejemplos de aplicaciones shiny y cómo ellos podrían construir sus propias aplicaciones.
• Introducir los conceptos de desarrollo web necesarios para poder construir una aplicación shiny.
• Que los alumnos aprendan visualización interactiva de datos.
• Que los alumnos entiendan todo el flujo de trabajo y las consideraciones que conlleva realizar una aplicación web desde cero.
• Introducir los conceptos de programación reactiva en R. 7.Que los alumnos tengan las herramientas para poder construir sus propias aplicaciones web en shiny.
• Introducir conceptos de programación reactiva en los estudiantes, para familiarizarlos con la literatura referente al tema y que les sea de utilidad al momento de trabajar con desarrolladores web.

Dirigido a

• Estudiantes y profesionistas que tengan experiencia previa trabajando con el lenguaje de programación R y con Rstudio, que tengan interés en aumentar sus capacidades de visualización de datos.
• Profesionistas que trabajen en consultorías o en áreas de análisis de datos que deseén crear herramientas de análisis y visualización.
• Investigadores que deseén publicar los resultados de sus investigaciones de forma más dinámica e interactiva.

Temario

El curso está dividido en 12 sesiones, cada una de hora y media de duración. A continuación se enlistan los temas que cubriremos en cada sesión:

Sesión 1 Introducción a shiny

• ¿Qué es shiny? Concepto, importancia.
• Alternativas a la librería shiny en otros lenguajes de programación.
• Revisión de conceptos básicos
• Repaso del ejemplo base
• Revisión de la ruta de aprendizaje a seguir durante el curso.

Sesión 2 Mi primera aplicación shiny (práctica]

• Sistema de archivos recomendado.
• Las partes de una aplicación shiny
• Preparación de la base de datos
• Análisis inicial
• Creación de la interfaz de usuario
• Introducción a la programación del Backend (server) de la aplicación.

Sesión 3 Repaso de R y Rstudio.

• Repaso del tidyverse (manipulación de bases de datos).
• Archivos nativos de R (.r, .rds, .rproj y .rdata).
• Creación de funciones
• Bucles y operadores de decisión
• Flujos de trabajo
• Git y GithuSesión

Sesión 4 Visualización de Datos Interactiva.

• ¿Qué es la visualización de datos interactiva?
• ¿Cuándo utilizar visualización interactiva y cuando visualización estática?
• Introducción al código HTML y CSS.
• Creación de gráficas con plotly.
• Creación de mapas con leaflet.
• Otras librerías para realizar visualización interactiva.
• [Ejercicio Práctico]

Sesión 5 Layouts de la aplicación.

• Sidebar Layout
• Grid Layout
• FluidPage
• Sistema de 8 columnas
• Tabset Panels
• Navlists
• Navbar Pages

Sesión 6 Diseño de la interfaz de usuario.

• Código HTML
• El framework Bootstrap
• Código CSS y el inspector HTML
• Tags HTML
• El texto dentro de Shiny
• Incorporando imágenes y video dentro de un shiny
• Incorporando video dentro de un shiny
• Incorporando código HTML dentro de un shiny

Sesión 7 Programación reactiva

• El paradigma de la programación reactiva.
• La función server y sus componentes
• Definición de reactividad
• Contexto reactivo
• Gráficas de flujo
• Funciones render y output

Sesión 8 Controles

• Repaso de los controles que se pueden utilizar en una aplicación shiny.
• selectInput - Selectores de texto.
• textInputs – para introducción de texto o caracteres numéricos
• radiobuttons – para la introducción de opciones.
• Sliders -Entradas de texto, numéricas y de fecha
• Botones de acción.
• DownloadHandlers – para manejar descargas.

Sesión 9 Flujo del trabajo de shiny.

• Captación de la información
• Análisis inicial
• Generación de los objetos a utilizar.
• Repartición y delegación del trabajo
• Publicación de la aplicación
• Correcciones de errores en el servidor
• Modificaciones y retroalimentación
• Mantenimiento

Sesión 10 Shinydashboard

• Componentes de la interfaz de usuario de un shinydashboard
• Header
• Sidebar
• Body
• Introducción de logos e imágenes
• En el título
• En la barra de encabezados
• [Práctica: Armado de una aplicación hecha en ShinyDashboard]

Sesión 11 y sesión 12 Práctica final sumativa. Elaboración de una aplicación shiny para visualizar información de indicadores a nivel municipal.

• Conformación de las bases de datos
• Diseño de la aplicación
• Análisis inicial
• Armado de la interfaz de usuario
• Creación del código que correrá en el servidor.
• Publicación de la aplicación.
• Almacenamiento persistente de datos.
• Conceptos a aprender después del presente curso.

Profesor

M.C. Jorge Juvenal Campos Ferreira (ver)

Formato:

Curso modo virtual

1. jueves, 04 nov 2021
2. martes, 09 nov 2021
3. jueves, 11 nov 2021
4. martes, 16 nov 2021
5. jueves, 18 nov 2021
6. martes, 23 nov 2021
7. jueves, 25 nov 2021
8. martes, 30 nov 2021
9. jueves, 02 dic 2021
10. martes, 07 dic 2021
11. jueves, 09 dic 2021
12. martes, 14 dic 2021

Introducción

Este curso es una introducción a la inferencia estadística desde una perspectiva moderna basada en remuestreo y simulación. Buscamos de esta manera entender con profundidad los conceptos básicos de la inferencia, así como aprender técnicas prácticas y adaptables sin perder rigor estadístico.

Objetivo(s) de aprendizaje

Entender los fundamentos de la inferencia estadística. Aprender técnicas de remuestreo y simulación para llevar a cabo pruebas de hipótesis usuales y estimaciones por intervalo, y cómo se conectan estos conceptos con los métodos asintóticos más tradicionales. Revisaremos varios ejemplos prácticos que ilustran conceptos y técnicas.

Dirigido a

Estudiantes que tengan experiencia básica en análisis de datos (manipulación de datos, graficación, anáĺisis exploratorio) así como entendimiento básico de teoría de probabilidad (distribuciones básicas de probabilidad continuas y discretas, probabilidad condicional e independencia).

Temario

El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión:

Sesión 1

• Tipos de estudios y datos
• Proceso generador de datos e inferencia

Sesión 2

• Pruebas de hipótesis
• Pruebas visuales y pruebas de permutaciones

Sesión 3

• Más ejemplos de pruebas de hipótesis
• El uso de pruebas de hipótesis y replicabilidad

Sesión 4

• Distribución de muestreo de estimadores. Error estándar y percentiles
• El teorema central del límite. Opcional: pruebas de normalidad

Sesión 5

• Remuestreo: el bootstrap no paramétrico
• Estimación por Intervalos normales basados en bootstrap

Sesión 6

• Propiedades básicas de la distribución bootstrap
• Interpretación. Opcional: calibración de intervalos de confianza

Sesión 7

• Estimación por intervalos de percentiles basados en bootstrap
• Boostrap para estimadores complejos (incluyendo diseños muestrales polietápicos)

Sesión 8

• Conceptos de estimación por máxima verosimilitud

Sesión 9

• Estimación por intervalos usando máxima verosimilitud

Sesión 10

• Estimación mediante el bootstrap paramétrico

Sesión 11

• Pruebas de wald y pruebas t
• Pruebas de cocientes de verosimilitud

Sesión 12

• Inferencia universal: métodos de división de muestra

Profesor(a)

María Teresa Ortiz Mancera

Formato: Curso modo virtual

1. lunes, 08 nov 2021
2. miércoles, 10 nov 2021
3. miércoles, 17 nov 2021
4. lunes, 22 nov 2021
5. miércoles, 24 nov 2021
6. lunes, 29 nov 2021
7. miércoles, 01 dic 2021
8. lunes, 06 dic 2021

Introducción

Este curso está diseñado para personas que con un básico conocimiento del programa R y una comprensión inicial de estadística descriptiva deseen:

• Conocer y entender los últimos avances en análisis cuantitativo de texto con R

• Explotar las múltiples herramientas de R para analizar sentimiento y tópicos

• Aprender las innovadoras funciones de web scraping, análisis de tweets y machine learning para texto

• Conocer nuevas aplicaciones y oportunidades de word embeddings y Part-of-Speech

• Aplicar e intercambiar conocimientos de otros cursos de la secuencia de más de 10 cursos en R que ofrece la Escuela de Métodos del LNPP - CIDE.

Al terminar este curso:

• Conocerás las bases de metodología cuantitativa para textos y para diferentes tipos de análisis con R

• Sabrás las ventajas y desventajas de las diferentes herramientas y sabrás cómo responder a diferentes preguntas con el análisis de texto

• Podrás llevar a cabo análisis de sentimiento y análisis de escala de manera eficaz; al mismo tiempo podrás recolectar datos de internet automatizadamente (web scraping, Twitter)

• Entenderás como clasificar textos de manera supervisada (machine learning) y no supervisada (topic models) y aprenderás los principios básicos de word embeddings y Part-of-Speech

• Al final, podrás idear proyectos de análisis de texto con las más innovadoras herramientas de R tomando en cuenta las ventajas y desventajas de cada método  

  Dirigido a

Todo aquel interesado en aprender sobre el análisis cuantitativo de textos con el programa R. El análisis cuantitativo y automatizado de texto se ha convertido en una innovadora herramienta fundamental para las ciencias sociales y la política comparada.

Temario

El curso está dividido en ocho sesiones, cada una de tres horas. A continuación se enlistan los temas que cubriremos en cada sesión:

Sesión 1 (8 de noviembre)

• Introducción a la perspectiva text-as-data
• Manejo de texto en R usando regular expressions

Sesión 2 (10 de noviembre)

• Manejo de texto en R usando {quanteda}
• Transformación de datos a formato document-feature matrix
• Uso y aplicación de diccionarios; análisis de legibilidad y de sentimiento
• Flujo de trabajo con datos de texto

*Descanso obligatorio CIDE-LNPP el 15 de noviembre

Sesión 3 (17 de noviembre)

• Extracción automatizada de texto de páginas HTML (web scraping) con {Rcurl} y {rvest}
• Creación de bases de dato de texto
• Introducción a la extracción de data de Twitter con {rtweet}

Sesión 4 (22 de noviembre)

• Estimación de posiciones y escalamiento de texto con {wordfish} y {wordshoal}
• Escalamiento multidimensional Canonical Correspondance Analysis

Sesión 5 (24 de noviembre)

• Métodos de clasificación no supervisados (topic models) con {stm}

Sesión 6 (29 de noviembre)

• Métodos de clasificación supervisados – machine learning para texto
• Criterios de precisión y análisis de predicción en base a {tidymodels} con algoritmos como random forest

Sesión 7 (1 de diciembre)

• Introducción general a word embeddings y Part-of-Speech

Sesión 8 (6 de diciembre)

• Presentación y discusión de proyectos
• Discusión sobre promesas y desafíos del análisis de texto
• Ronda de preguntas y respuestas sobre los laboratorios R (sesión con final abierto)

Debido al horario matutino del curso, algunos/as integrantes pueden llegar a faltar a algunas sesiones por diferentes razones. Por ende, todas las sesiones serán grabadas en formato digital con el consentimiento de los y las integrantes del curso y serán puestas a disposición de los alumnos/as del curso.

Profesor(a)

Daniel Saldivia Gonzatti

Formato: Curso modo virtual

1. martes, 09 nov 2021
2. jueves, 11 nov 2021
3. martes, 16 nov 2021
4. jueves, 18 nov 2021
5. martes, 23 nov 2021
6. jueves, 25 nov 2021
7. martes, 30 nov 2021
8. jueves, 02 dic 2021

Introducción

Este curso adopta un enfoque antropológico en los espacios digitales para entender diferentes formas en las que estos espacios pueden ser punto significativo de investigación tanto cualitativa como mixta. El curso se concentra en brindar a los estudiantes los conocimientos y técnicas necesarios para que puedan desarrollar investigación en dichos contextos.

Objetivos

Dado que el desarrollo de las tecnologías digitales ha tenido una expansión significativa en la vida sociocultural, 'lo digital' continúa adquiriendo más significados y representando las facetas emergentes de las actividades en las que grandes sectores de la población están vinculados. El reto de diseñar proyectos de investigación etnográfica digital implica retos que pueden llegar a ser emocionantes, exasperantes, desconcertantes y satisfactorios cuando se trata de recopilar, interpretar y representar información relacionada con todas las prácticas digitales. Este curso busca brindar un proceso reflexivo en torno a como desarrollar este tipo de proyectos de investigación en los cuales se analizan espacios digitales. Específicamente se busca que los estudiantes puedan:

1. Realizar trabajo de campo en entornos electrónicos, en línea, virtuales o de otro modo habilitados digitalmente.
2. Utilizar herramientas digitales para recopilar, analizar, organizar y presentar datos etnográficos en cualquier entorno. Dentro de la clase se trabajará en estos dos objetivos y conoceremos colectivamente otras corrientes o facetas de hacer trabajo etnográfico digitalmente. 

Público objetivo

El curso está diseñado para personas sin experiencia de trabajo de investigación en espacios digitales. Los únicos prerrequisitos son:

Conocimiento introductorio de metodologías de investigación cualitativa

Sesiones

El módulo está dividido en ocho sesiones, cada una de tres horas. A continuación enlisto los temas que cubriremos en cada sesión:

Sesión 1. Introducción a la Etnografía en Espacios digitales

¿Qué es la etnografía digital?

Sesión 2. Tecnología y Cultura

¿En qué contexto se hace etnografía digital?

Sesión 3. Métodos de Investigación en Espacios Digitales (Parte 1: Métodos cualitativos)

¿Cómo se hace la etnografía digital?

Sesión 4. Métodos de Investigación en Espacios Digitales (Parte 2: Métodos mixtos y cuantitativos)

¿Cómo se hace la etnografía digital?

Sesión 5. Acceso y Análisis en/con Comunidades en Espacios digitales.

¿Con quién se hace la etnografía digital?

Sesión 6. Planeación logística de trabajo etnográfico digital

¿Cómo organizamos la etnografía digital?

Sesión 7. Consideraciones éticas al investigar en espacios digitales

¿Cómo hacemos etnografía digital ética?

Sesión 8. Interpretación y Análisis de Etnografía Digital

¿Cómo hacemos análisis de la etnografía digital?

Bibliografía

Bibliografía Principal

Hjorth, L., Horst, H., Galloway, A., & Bell, G. (Eds.). (2017). The Routledge companion to digital ethnography. Taylor & Francis.

Textos complementarios

Castells, M. (2019). Globalización, tecnología, trabajo, empleo y empresa.

Gómez, E., & Galindo, A. (2005). Los estudios de Comunicación Mediada por Computadora: una revisión y algunos apuntes. Razón y Palabra, 10(44).

Hogan, B. The Presentation of Self in the Age of Social Media: Distinguishing Performances and Exhibitions Online. In: Bulletin of Science Technology & Society. Sage, 2010

Pink, S. (2016). Digital ethnography. Innovative methods in media and communication research, 161-165.

Profesor(a)

Cristina Salazar Gallardo, Ed.D. E-mail: cps2127@columbia.edu