• Descripción

Big data y social media es una asignatura optativa de 5 créditos del máster universitario de Social Media, gestión y estrategia. 

Esta asignatura proporciona diferentes estrategias de análisis de los datos que están presentes en medios sociales como Twitte o Facebook o Youtube.

Se pondrán en práctica diversas herramientas y operaciones para realizar las siguientes actividades: recoger datos de los medios sociales, efectuar las operaciones de tratamiento de datos y su análisis básico con técnicas de minería de datos y, por último, la preparación de los datos para visualizar los resultados obtenidos.

La asignatura tiene un enfoque muy práctico y dinámico para que los estudiantes puedan aplicar de manera inmediata los contenidos del curso a temas de su interés.

Los objetivos de aprendizaje que se plantean en esta asignatura son los siguientes:

• Recoger y analizar los datos que estan presentes en los medios sociales. 
• Llevar a cabo operaciones y análisis básicos con técnicas de Minería de Datos.
• Usar herramientas para visualizar los resultados obtenidos.

• La asignatura en el conjunto del plan de estudios

La asignatura Big data y social media es una de las asignaturas optativas del máster.  Forma parte de la materia "Investigación en social media" cuyo conjunto de asignaturas computan 15 créditos.  Por tanto, "Big data y social media" se complementa con las otras dos optativas de este grupo: "Analítica avanzada en social media" y "Metodologías de investigación en comunicación" . 

Esta asignatura permite profundizar especialmente en el área de investigación centrada en los medios sociales. Así mismo, también permite conocer los medios sociales como un canal desde el cual se puede obtener información y desde el cual se distribuye esta información.

Esta asignatura, junto a la de "Analítica avanzada en social media" y la de "Metodologías de investigación en comunicación", ofrece al estudiante un perfil más analítico y de explotación de los datos para extraer conocimiento, que redunde en la creación de valor para la organización propietaria de esas redes.

• Campos profesionales en que se proyecta

Esta asignatura refuerza de manera transversal a distintos perfiles profesionales del ámbito de gestión y estrategia del social media. Además, consolida un perfil de analista de social media que redunda en reforzar el perfil de director de social media y responsable de la estrategia en social media. 

El aspecto principal para contribuir a reforzar estos perfiles es que con datos se genera la información necesaria para crear conocimiento en el que fundamentar las decisiones implícitas en definir la estrategia en social media.

• Conocimientos previos

Este máster universitario es una titulación oficial adaptada al espacio europeo de educación superior. Es necesario estar en disposición de un título universitario oficial. 

• Información previa a la matrícula

En caso de hacer el máster en un curso lectivo es recomendable hacer esta asignatura en el primer semestre, para poder hacer en el segundo semestre las otras dos asignaturas que conforman el perfil de analista en social media: "Analítica avanzada en social media" y "Metodologías de investigación en comunicación".

Si se hace el máster en dos cursos lectivos, se recomienda hacer esta asignatura en el primer semestre del segundo curso lectivo.

• Objetivos y competencias

Objetivos

El contenido académico de esta asignatura se orienta a conseguir que el estudiante logre los objetivos siguientes:

• Extraer contenidos de los medios sociales usando herramientas específicas.
• Usar métodos de Minería de Datos para generar conocimiento en base a los datos extraídos de los medios sociales
• Visualizar los resultados para extraer conocimiento de los datos
• Saber interpretar y argumentar de manera clara y exhaustiva los resultados obtenidos de los datos analizados
• Entender las implicaciones de la recopilación y análisis de datos para la privacidad de las personas implicadas.

Competencias

Las competencias básicas y generales del máster que están vinculadas a la asignatura Big data y social media son las siguientes:

• Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
• Saber comunicar, por parte de los estudiantes, sus conclusiones - y los conocimientos y razones últimas que las sustentan - a públicos especializados y no especializados de una manera clara y sin ambigüedades.
• Reconocer y evaluar de forma cuidada la relevancia y significación de la información, identificando las implicaciones y consecuencias de un argumento, discurso o razonamiento. 

Las competencias transversales del máster que están vinculadas a la asignatura Big data y social media son las siguientes:

• Aplicar de forma crítica el uso de las TIC en el ámbito académico y profesional de referencia.
• Diseñar un plan o proyecto y gestionarlo en un entorno profesional o de investigación.
• Actuar de manera honesta, ética, sostenible, socialmente responsable y respetuosa con los derechos humanos y la diversidad, tanto en la práctica académica como en la profesional, y diseñar soluciones para la mejora de estas prácticas.

Las competencias específicas del máster vinculadas a la asignatura Big data y social media son las siguientes:

• Dominar las diferentes técnicas, tecnologías o recursos para la identificación, el seguimiento, la recuperación, el tratamiento, la creación, la representación, la visualización y/o la explotación de los datos y contenidos que circulen en los medios sociales.
• Detectar y gestionar las interacciones, interrelaciones y/o el valor de los nodos que se crean en la comunicación red propia de entornos social media.
• Analizar y emitir informes profesionales y/o específicos en el ámbito de social media.
• Formular y desarrollar una estrategia de curación de contenidos y/o gestión de datos en social media que permita, a través de diferentes técnicas y métodos, recopilar, seleccionar y generar información de calidad para el entorno profesional o de investigación.

Por último, en "Big data y social media" trabajamos las siguientes competencias propias de la asignatura:

• Diseñar una estrategia de recopilación y análisis de datos para responder preguntas de interés.
• Identificar fuentes de datos relevantes.
• Usar herramientas para recopilar datos de redes sociales como, por ejemplo, las propias de Facebook, Youtube o Twitter.
• Preparar la visualización de los resultados obtenidos.
• Redactar informes para explicar el proceso de análisis y los resultados, destacando innovación y aspectos de honestidad y ética.
• Interpretar los resultados extrayendo conclusiones para responder las preguntas de investigación.

Todas estas competencias - básicas, generales, transversales, específicas, y muy especialmente las competencias propias de la asignatura - se materializan en las Pruebas de Evaluación Continuada (PEC), donde trabajamos actividades que tienen en cuenta sobre todo las competencias específicas del máster. En cada enunciado de PEC tendremos descritos los objetivos y las competencias que trabajamos.

• Contenidos

La asignatura Big data y social media consta de los contenidos siguientes:

• Módulo 1: Datos masivos y minería de datos sociales, conceptos y herramientas 
• Módulo 2: Minería de datos de los Social Media, técnicas para el análisis de datos masivos
• Módulo 3: Visualización de datos extraídos de los Social Media

• Consulta de los recursos de aprendizaje de la UOC para la asignatura

• Información adicional sobre los recursos de aprendizaje y herramientas de apoyo

Para trabajar la asignatura, el estudiante  dispone en el aula d'un blog con los materiales básicos. Estos materiales se componen de unos módulos de lectura obligatoria, y unos videos que focalizan el trabajo de la asignatura. 

Además, en el aula hay una recopilación de materiales de apoyo, cuya lectura el profesor irá indicando en el tablón del aula para reforzar conocimiento y ayudar a la realización de ejercicios.

• Información adicional sobre la bibliografía y fuentes de información

Akhtar, Nadeem (2014). Social Network Analysis Tools, Nadeem Akhtar. En: Fourth International Conference on Communication Systems and Network Technologies

Barabasi L., Martino M. and Posfai M. "Network Science". 

Bedi, P., & Sharma, C. (2016). Community detection in social networks. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 6(3), 115-135.

Bryl, Sergey. Twitter sentiment analysis with R https://analyzecore.com/2014/04/28/twitter-sentiment-analysis/

Easley, D.; Kleinberg, J. (2010) Networks, Crowds, and Markets: Reasoning. Reasoning About a Highly Connected World" <https://www.cs.cornell.edu/home/kleinber/networks-book/>

Ediger, David et al. Massive Social Network Analysis: Mining Twitter for Social Good. A:  2010 39th International Conference on Parallel Processing, San Diego, CA, 2010, pp. 583-593.

Garcia-Alsina, M. (2017). Big Data. Gestión y explotación de grandes volúmenes de datos. Barcelona: Editorial UOC.

Hays, R., & Daker-White, G. (2015). The care.data consensus? A qualitative analysis of opinions expressed on twitter. BMC Public Health, 15.

Külcü, Özgür (2014). Privacy in social networks: An analysis of Facebook. International journal of information management [0268-4012] vol.:34 iss:6 Pàg.:761 -769

Lin, S., Hu, Q., Wang, G., & Philip, S. Y. (2015, May). Understanding community effects on information diffusion. In Pacific-Asia Conference on Knowledge Discovery and Data Mining (pp. 82-95). Springer International Publishing

Nadeem Akhtar, Hira Javed, Geetanjali Senga (2013). Analysis of Facebook Social Network. En: 2013 5th International Conference on Computational Intelligence & Communication Networks.

OH, Chong; SASSER, Sheila; ALMAHMOUD, Soliman (2015) Social media analytics framework: the case of twitter and super bowl ads, Journal of Information Technology Management (JITM).

Paradis, Emmanuel "R para Principiantes"

Pérez-Solà, C.; Casas-Roma. J. (2016). Análisis de datos de redes sociales. Barcelona: Editorial UOC

R Package https://www.r-project.org/

Rais, Karfy (2014). Twitter Analysis in RStudio using R. En:https://www.slideshare.net/ajayohri/twitter-analysis-by-kaify-rais

Santos, C. Q. et al. Can Visualization Techniques Help Journalists to Deepen Analysis of Twitter Data? Exploring the "Germany 7 x 1 Brazil" Case. 2016 49th Hawaii International Conference on System Sciences (HICSS), Koloa, HI, 2016, p. 1939-1948.

Sathiyanarayanan, M.; Pirozzi, D. Spherule diagrams with graph for social network visualization.2016 8th International Conference on Communication Systems and Networks (COMSNETS), Bangalore, 2016, p. 1-6

Sigman, B. P., Garr, W., Pongsajapan, R., Selvanadin, M., McWilliams, M. and Bolling, K. (2016), Visualization of Twitter Data in the Classroom. Decision Sciences Journal of Innovative Education, 14: 362-381.

Stephens, M., & Poorthuis, A. (2015). Follow thy neighbor: Connecting the social and the spatial networks on Twitter. Computers, Environment and Urban Systems, 53, 87-95.

The Open Graph Viz Platform https://gephi.org

Tutoriales Python https://www.postdata-statistics.com/IntroEstadistica/TutorialesPython/tutorialesPython.html.

Uhl, A., Kolleck, N., & Schiebel, E. (2017). Twitter data analysis as contribution to strategic foresight-the case of the EU research project "foresight and modelling for european health policy and regulations" (FRESHER). European Journal of Futures Research, 5(1), 1-16.

Xu, P. et al. Visual Analysis of Topic Competition on Social Media. IEEE Transactions on Visualization and Computer Graphics, vol. 19, no. 12, p. 2012-2021, Dec. 2013.

Zhao, J. et al. (2014)  #FluxFlow: Visual Analysis of Anomalous Information Spreading on Social Media. IEEE Transactions on Visualization and Computer Graphics, vol. 20, no. 12, p. 1773-1782.

Zubiaga, Arkaitz, et al. Arkaitz Zubiaga 1 , Spina, Damiano; Martínez, Raquel; Fresno, Víctor (2015). "Real time classification of Twitter trends." Journal of the Association for Information Science and Technology 66.3 (2015): 462-473.

• Metodología

A lo largo del curso alternaremos la lectura de contenidos teóricos con ejemplos para aplicar los conceptos trabajados en los materiales.

Para trabajar la parte práctica utilizaremos herramientas cuya finalidad es descargar, representar, visualizar y analizar datos, basándonos en un estudio de caso.

Forma parte de la metodología de trabajo la lectura continuada de los materiales, las prácticas y las consultas permanentes al profesor.

Se realizaran tres Pruebas de Evaluación Continuada (PEC) dónde de manera progresiva se trabajará la misma red social o diferentes redes sociales. Una vez evaluada cada PEC, el estudiante recibirá comentarios personalizados de su trabajo.

• Información sobre la evaluación en la UOC

El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.

Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente - incluidas las pruebas finales - o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.

Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.

La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente.

La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación.

• Consulta del modelo de evaluación

• Evaluación Contínua

La Evaluación Continuada (EC) es el modelo de aprendizaje progresivo, donde prevalece el esfuerzo constante del estudiante realizado a lo largo del curso. 

Esta asignatura consta de tres PECs (Prueba de Evaluación Continuada), donde el estudiante trabajará diferentes aspectos del social media, sobre la misma red social o diferentes redes sociales. 

En la primera, el estudiante conocerá y valorará diferentes herramientas vinculadas al big data, seleccionará i descargará datos de una red social y aprenderá a plantear preguntas a los datos.

En la segunda, el estudiante tendrá que aprender a generar visualizaciones eficientes de redes sociales, y a hacer algunas operaciones básicas con los datos.

Por último, en la tercera PEC el estudiante tendrá que desarrollar capacidades interpretativas que permitan llevar a cabo acciones específicas basadas en datos.

Se considera aprobada la Evaluación Continuada si se han superado las tres PECs. 

Nota
La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios hechos.

La carencia de originalidad en la autoría o el mal uso de las condiciones en que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves.

El estudiante será calificado con un suspenso (D/0) si se detecta carencia de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PAF), o la que se defina en el plan docente), sea porque ha utilizado material o dispositivos no autorizados, sea porque ha copiado textualmente de internet, o ha copiado de apuntes, de materiales, de manuales o de artículos (sin la citación correspondiente), otros estudiantes, o por cualquier otra conducta irregular.

La calificación de suspenso (D/0) en las calificaciones finales de evaluación comporta suspender la asignatura.

Por otro lado, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda.

La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo.

• Evaluación final

Esta asignatura se supera mediante la realización de todas las actividades que componen la Evaluación Continuada, y la obtención de calificación igual o superior a 5 en cada PEC.

No habrá examen final ni virtual ni presencial.

• Feedback

Una vez cerrado el plazo de entrega de cada una de las actividades previstas, el profesor proporcionará feedback general e individualizado.

En el aula, presentará feedback general consistente en dos documentos. En primer lugar, habrá una valoración global de cada PEC, que incluirá el comentario de los aciertos y errores más frecuentes y otros aspectos que el consultor considere pertinentes. En segundo lugar, si fuera necesario y corresponde, se proporcionará una solución tipo o una selección de las mejores respuestas.

Además, el docente proporcionará feedback personalizado al estudiante. En el Registro de Evaluación Continuada hará constar la calificación asignada individualmente a las actividades que han sido entregadas, y registrará el mensaje donde comente el ejercicio del estudiante.