• Descripció

Big data i social media és una assignatura optativa de 5 crèdits del màster universitari de Social Media, gestió i estratègia. 

Aquesta assignatura proporciona diferents estratègies d'anàlisi de les dades que estan presents en mitjans socials com Twitter o Facebook o Youtube.

Es posaran en pràctica diverses eines i operacions per realitzar les següents activitats: la recollida de dades dels mitjans socials, les operacions de tractament de dades i la seva anàlisi bàsica amb tècniques de mineria de dades i, per últim, la preparació de les dades per a visualitzar els resultats obtinguts.

L'assignatura té un enfocament molt pràctic i dinàmic per a que l'estudiantat pugui aplicar de manera immediata els continguts del curs a temes del seu interès.

Els objectius d'aprenentatge que es plantegen en aquesta assignatura són els següents:

• Recollir i analitzar les dades que estan presents en els mitjans socials. 
• Dur a terme operacions i anàlisis bàsiques amb tècniques de Mineria de Dades.
• Fer servir eines per visualitzar els resultats obtinguts.

• L'assignatura en el conjunt del pla d'estudis

L'assignatura Big data i social media és una de les assignatures optatives del màster que forma part  de la matèria  "Investigación en social media". Aquesta engloba tres assignatures, el conjunt de les quals conformen 15 crèdits. Per tant, "Big data i social media" se complementa amb les altres dos optatives d'aquest grup: "Analítica  avançada en social media" i "Metodologies d'investigació en comunicació".

Aquesta assignatura permet aprofundir especialment en l'àrea de recerca centrada en els mitjans socials. Així mateix, també permet conèixer els mitjans socials com un canal des del qual es pot obtenir informació i des del qual es distribueix aquesta informació.

Aquesta assignatura, juntament amb la de "Analítica  avançada en social media" i "Metodologies d'investigació en comunicació", ofereix a l'estudiant un perfil més analític i d'explotació de les dades per a extreure coneixement, que redunda en la creació de valor per a l'organització propietària de les xarxes.

• Camps professionals en què es projecta

Aquesta assignatura reforça de manera transversal a diferents perfils professionals de l'àmbit de gestió i estratègia del social media. A més, consolida un perfil d'analista de social media que contribueix a reforçar el perfil de director de social media i responsable de l'estratègia en social media.

L'aspecte principal per a contribuir a reforçar aquests perfils es que amb dades se genera la informació necessària per a crear coneixement en el que fonamentar les decisions implícites en definir l'estratègia en social media.

• Coneixements previs

Aquest master universitari és una titulació oficial adaptada a l'espai europeu d'educació superior. És necessari estar en disposició d'un títol universitari oficial.

• Informació prèvia a la matrícula

En cas de fer el màster en un curs lectiu és recomenable fer aquesta assignatura en el primer semestre, per a poder fer en el segon semestre les altres dues assignatures que conformen el perfil d'analista en social media: "Analítica avanzada en social media" i "Metodologies ed'investigació en comunicació".

En cas de fer-ho en dos cursos lectius, es recomana fer aquesta assignatura en el primer semestre del segon curs lectiu.

• Objectius i competències

Objectius 

El contingut acadèmic d'aquesta assignatura s'orienta a aconseguir que l'estudiant assoleixi els objectius següents: 

• Extreure continguts dels mitjans socials fent servir eines específiques.
• Fer servir mètodes de Mineria de Dades per generar coneixement en base a les dades extretes dels mitjans socials
• Visualitzar els resultats per a extreure coneixement de les dades.
• Saber interpretar i argumentar de manera clara i exhaustiva els resultats obtinguts de les dades analitzades.
• Entendre les implicacions de la recopilació i anàlisi de dades per a la privadesa de les persones implicades.

Competències

Les competències bàsiques i generals del màster que estan vinculades a l'assignatura Big data i social media són les següents:

• Posseir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament o aplicació d'idees, sovint en un context de recerca.
• Saber comunicar, per part dels estudiants, les seves conclusions - i els coneixements i raons últimes que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
• Reconèixer i avaluar de forma curosa la rellevància i significació de la informació, identificant les implicacions i conseqüències d'un argument, discurs o raonament.

Les competències transversals del màster que estan vinculades a l'assignatura Big data i social media són les següents: 

• Aplicar de forma crítica l'ús de les TIC en l'àmbit d'acadèmic i professional de referència.
• Dissenyar un pla o projecte i gestionar-lo en un entorn professional o de recerca.
• Actuar de manera honesta, ètica, sostenible, socialment responsable i respectuosa amb els drets humans i la diversitat, tant en la pràctica acadèmica com en la professional, i dissenyar solucions per a la millora d'aquestes pràctiques.

 Les competències específiques del màster vinculades a l'assignatura Big data i social media són les següents: 

• Dominar les diferents tècniques, tecnologies o recursos per a la identificació, seguiment, recuperació, tractament, creació, representació, visualització i/o explotació de les dades i continguts que hi ha en els mitjans socials.
• Detectar i gestionar les interaccions, interrelacions i/o el valor dels nodes que es creen en la comunicació xarxa, pròpia d'entorns social media.
• Analitzar i emetre informes professionals i/o específics en l'àmbit dels mitjans socials.
• Formular i desenvolupar una estratègia de curació de continguts i/o gestió de dades en els social media que permeti, per mitjà de diferents tècniques i mètodes, recopilar, seleccionar i generar informació de qualitat per a l'entorn professional o de recerca.

Per últim, a l'assignatura de social media, treballen les següents competències pròpies de l'assignatura: 

• Dissenyar una estratègia de recopilació i anàlisi de dades per a respondre preguntes d'interès.
• Identificar fonts de dades rellevants.
• Fer servir eines per a recopilar dades de xarxes socials, com per exemple les pròpies de Facebook, Youtube o Twitter, d'entre altres.
• Preparar la visualització dels resultats obtinguts.
• Redactar informes per a explicar el procés d'anàlisi i els resultats, destacant innovació i aspectes d'honestedat i ètica.
• Interpretar els resultats extraient conclusions per a respondre les preguntes de recerca.

Totes aquestes competències - bàsiques,  generals, transversals, específiques, i molt especialment les competències pròpies de l'assignatura - se materialitzen en les Proves d'Avaluació Continuada (PAC), on treballem activitats que tenen en compte sobre tot les competències específiques del màster. En cada enunciat PAC tindrem descrits els objectius i les competències que treballem.

• Continguts

L'assignatura Big data i social media consta dels continguts següents:

Mòdul 1: Dades massives i mineria de dades socials, conceptes i eines bàsiques.

Mòdul 2: Mineria de Dades dels Social Media, tècniques per l'anàlisi de dades massives.

Mòdul 3: Visualització de dades extretes dels Social Media  .

• Consulta dels recursos d'aprenentatge de la UOC per a l'assignatura

• Informació addicional sobre els recursos d'aprenentatge i eines de suport

Per a treballar l'assignatura, l'estudiant disposa a l'aula d'un blog amb els materials bàsics. Aquests materials es composen d'uns mòduls de lectura obligatòria, i uns vídeos que focalitzen el treball de l'assignatura.

A més, a l'aula hi ha un recull de materials de suport, la lectura dels quals s'anirà recomanant en el tauler del professor, per tal de reforçar coneixement i ajudar a la realització dels exercicis.

• Informació addicional sobre la bibliografia i fonts d'informació

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.

• Metodologia

Al llarg del curs alternarem la lectura de continguts teòrics amb exemples per aplicar els conceptes treballats en els materials.

Per treballar la part pràctica utilitzarem eines per descarregar, representar, visualitzar i analitzar dades, basant-nos sovint en un estudi de cas.

Forma part de la metodologia de treball la lectura continuada dels materials, les pràctiques i les consultes permanents al professor.

Es realitzaran tres Proves d'Avaluació Continuada (PAC) on de manera progressiva es treballará la mateixa xarxa social o diferents xarxes socials. Un cop avaluada cada PAC, l'estudiant rebrà comentaris personalitzats del seu treball.

• Informació sobre l'avaluació a la UOC

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis realitzats.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material o dispositius no autoritzats durant l'avaluació, entre d'altres, són conductes irregulars que poden tenir conseqüències acadèmiques i disciplinàries greus.

D'una banda, si es detecta alguna d'aquestes conductes irregulars, pot comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent - incloses les proves finals - o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha practicat qualsevol altra conducta irregular.

De l'altra, i d'acord amb les normatives acadèmiques, les conductes irregulars en l'avaluació, a més de comportar el suspens de l'assignatura, poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui.

La UOC es reserva la potestat de sol·licitar a l'estudiant que s'identifiqui o que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació pels mitjans que estableixi la Universitat (síncrons o asíncrons). A aquests efectes, la UOC pot exigir a l'estudiant l'ús d'un micròfon, una càmera o altres eines durant l'avaluació i que s'asseguri que funcionen correctament.

La verificació dels coneixements per garantir l'autoria de la prova no implicarà en cap cas una segona avaluació.

• Consulta del model d'avaluació

• Avaluació continuada

L'Avaluació Continuada (AC) és el model d'aprenentatge progressiu, on preval l'esforç constant de l'estudiant realitzat al llarg del curs. 

Aquesta assignatura consta de tres PACs (Prova d'Avaluació Continuada), on l'estudiant treballarà diferents aspectes del social media, sobre la mateixa xarxa social o diferents xarxes.

En la primera l'estudiant coneixerà i valorarà diferents eines vinculades al big data, seleccionarà i descarregarà dades d'una xarxa social, i aprendrà a plantejar preguntes a les dades.

En la segona, l'estudiant aprendrà com generar visualitzacions eficients de xarxes socials, i a fer algunes operacions bàsiques amb les dades.

Per últim, a la tercera PAC l'estudiant haurà de desenvolupar les capacitats interpretatives que permetin portar a terme accions específiques basades en dades.

Es considera aprovada l'Avaluació Continuada si s'han superat les tres PACs. 

Nota

La Normativa acadèmica de la UOC disposa que el procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis fets.

La manca d'originalitat en l'autoria o el mal ús de les condicions en què es fa l'avaluació de l'assignatura és una infracció que pot tenir conseqüències acadèmiques greus.

L'estudiant serà qualificat amb un suspens (D/0) si es detecta manca d'originalitat en l'autoria d'alguna activitat avaluable (pràctica, prova d'avaluació contínua (PAC) o final (PAF), o la que es defineixi al pla docent), sigui perquè ha utilitzat material o dispositius no autoritzats, sigui perquè ha copiat textualment d'internet, o ha copiat d'apunts, de materials, de manuals o d'articles (sense la citació corresponent), d'altres estudiants, o per qualsevol altra conducta irregular.

La qualificació de suspens (D/0) en les qualificacions finals d'avaluació comporta suspendre l'assignatura.

D'altra banda, aquesta conducta pot donar lloc a la incoació d'un procediment disciplinari i l'aplicació, si escau, de la sanció que correspongui.

La UOC habilitarà els mecanismes que consideri oportuns per a vetllar per la qualitat de les seves titulacions i garantir l'excel·lència i la qualitat del seu model educatiu.

• Avaluació final

Aquesta assignatura es supera per la realització de totes les activitats de l'Avaluació Continuada, i l'obtenció de qualificació igual o superior a 5 en cada PAC.

No hi haurà examen final presencial.

• Feedback

Un cop tancat el termini de lliurament de cadascuna de les activitats previstes, el professor proporcionarà feedback general i individualitzat.

A l'aula, presentarà feedback general consistent en dos documents. En primer lloc, hi haurà una valoració global de cada PAC, que inclourà el comentari dels encerts i errors més freqüents i d'altres aspectes que el consultor consideri pertinents. En segon lloc, si s'escau, es proporcionarà una solució tipus o una selecció de les millors respostes.

A més, el docent proporcionarà feedback personalitzat a l'estudiant. En el Registre d'Avaluació Continuada farà constar la qualificació assignada individualment a les activitats que han estat lliurades, i registrarà el missatge on comenti el seu exercici.