Fundamentos Computacionales Investigacion Ciencias Politicas UNAL ME Salamanca 2022

Introducción a Python para el análisis de datos sociopolíticos
Mario Esteban Salamanca López

Archivo escrito en LibreOffice.odt Escudo tomado de wikimedia commons
Diseñado para: PROCESO DE INVITACIÓN PÚBLICA – ASIGNATURAS DE LIBRE ELECCIÓN 2022-2S
Programa: Ciencia Política Departamento y Área Curricular de Ciencia Política
A). Nombre de la Asignatura: Fundamentos computacionales para investigación en Ciencias

Políticas: Introducción a Python
Profesor: Mario Esteban Salamanca López.
B). Carga Académica: 3 créditos: Distribuidos en tres horas semanales durante 16 semanas. La
clase tendrá lugar de forma presencial en una sala de computo asignada por la Universidad Nacional
de Colombia.
C). Descripción de la Asignatura:

Las relaciones entre ciencia, tecnología y sociedad se ha consolidado durante las dos primeras
décadas del siglo XXI. La emergencia sanitaria por COVID-19 que tuvo consecuencias en
diferentes dimensiones sociales que incluyen la salud mental, la política, la economía, la cultura y la
sexualidad se ha hecho explícita una alerta que no puede ser ignorada: Nunca antes las sociedades
habían sido tan dependientes de la tecnología y, nunca antes se había llegado a ser lo
suficientemente consciente de las relaciones entre ciencia, tecnología y sociedad.
Este contexto, se ve contrastado por un desconocimiento elevado de los efectos que tienen las
tecnologías sobre las dinámicas sociales contemporáneas que van desde impulsar el mercado de
consumo a partir de sistemas de publicidad personalizada, pasando por influenciar la toma de
decisiones políticas (como en el caso de Cambridge Analytica), hasta la modificación a nivel
genético del cuerpo propio y otros cuerpos, trasegando entre la biopolítica y la zoepolítica.
Cuando el humano es dato, y cuando el dato es el sustrato de mayor valor en las sociedades del
conocimiento o las sociedades de la información en el capitalismo posindustrial, las Ciencias
Sociales y Políticas deben configurar herramientas que permitan abordar, analizar y explicar las
diferentes formas que adquieren las relaciones de poder que constituyen la realidad tomando como
base la información algorítmica, el lenguaje (humano y de las máquinas), la historia, la memoria y
los imaginarios.
Estos producen sujetos, y producen datos para actualizar los dispositivos. Sin embargo, con el
acceso adecuado al conocimiento que integre la dimensión sociopolítica y la capacidad técnica, los
datos también pueden ser utilizados como herramienta para hacer visibles escenarios de
La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

El documento de trabajo se encuentra licenciado bajo Creative Commons International 4.0:
desigualdad, para comprender la influencia de la difusión de patrones de fakenews, para generar

lugares de enunciación política de resistencia, para evaluar formas de violencia, para comprender la
relación entre las emociones y las respuestas a votaciones en unidades políticas concretas; y para
encontrar puntos de fuga que permitan la viralización de herramientas útiles para el análisis del
poder.
En este contexto la asignatura Fundamentos computacionales para investigación en Ciencias
Políticas: Introducción a Python, se propone configurar un espacio introductorio para analizar las
relaciones técnicas entre Ciencia, Tecnología y Sociedad, así como las relaciones teóricas entre
Bios-Zoe-Tecné en el marco de las transformaciones digitales que han configurado nuevos caminos
para el pensamiento social (humanidades digitales, ciencias sociales computacionales) que, si bien,
se encuentran en construcción y son receptores de múltiples críticas, son también una opción
válidad para la exploración epistemológica y metodológica.
La asignatura ofrece la combinación entre fundamentación teórica para el actual giro tecnológico,
así como fundamentación técnica en programación para no programadores. Estas dimensiones
convergen en el eje de análisis sociopolítico basado en el aprendizaje de fundamentos Python y
fundamentos de este lenguaje de programación para Big Data y Data Science. Se encuentra
estructurada en cuatro secciones:
1) Discusiones ético-políticas en la relación ciencia-tecnología-sociedad: De orden introductorio
donde se hace un recorrido aproximado a las relaciones entre Ciencia, Tecnología y Sociedad desde
las Humanidades Digitales y las Ciencias Sociales Computacionales en el marco de la discusión
sobre sus riesgos y potencialidades ético-políticas.
2) Lenguaje humano y lenguaje de las máquinas: entablando comunicación con Python: De
orden práctico, propone una fundamentación para lenguaje de programación Python (sintaxis, tipos
de datos, uso de Python);
3) Aproximaciones iniciales a la Ciencia de los Datos: ¿Por qué es importante para la
investigación política? De tipo integrador donde se ofrecen aproximaciones teóricas y prácticas
para el uso de Python en el análisis sociopolítico a partir de NumPy, Pandas y MatplotLib y;
4) Sección 4 (Semana 13-16): Familiarizándome con métodos contemporáneos en Ciencias
Sociales Computacionales y Humanidades Digitales: Sección final de tipo descriptivo donde se

exploran algunas de las metodologías que combinan el apoyo computacional con el análisis
sociopolítico como: redes neuronales artificiales, árboles de decisión, regresiones, modelización,
data wrangling, y bayesianos.
D). Objetivos de la Asignatura:
Objetivo General
Analizar las relaciones entre Ciencias Políticas y las posibilidades de análisis
computacional práctico con Python para datos sociopolíticos en el marco de
discusión de uso ético-político de las nuevas tecnologías.
Objetivos Específicos (cada uno se corresponde a cada sección de la asignatura)

1 Reflexionar en torno a la dupla de relaciones triádicas (Ciencia, Tecnología,
Sociedad y Bios-Zoe-Tecné) en el marco de las posibles potencialidades y riesgos
ético-políticos del uso de la tecnología en el análisis sociopolítico.
2 Identificar el funcionamiento básico del lenguaje de programación Python

correspondiente a: sintaxis, datos y tipos de datos, secuencias, lógica condicional y
ciclos iterativos.
3 Manejar de forma básica el compilador de Python Visual Studio Code -VSC para
lectura de datos importando NumPy, Pandas y MatPlotLab.
4 Describir modelos metodológicos con base en el estudio de casos donde se observe

la relación entre investigación sociopolítica y el uso de herramientas
computacionales con énfasis en Python.

E). Metodología de trabajo:
En cada sección (4 semanas) se establece un trabajo teórico-práctico que fortalece aspectos

epistemológicos y técnicos en las personas participantes a partir de estudios de caso y práctica en
aula. Para esto se utiliza el aprendizaje basado en problemas donde se abordan fenómenos
problemáticos contemporáneos en la relación de la política con las tecnologías como el caso de
Cambridge Analytica y la edición genética. Sumado a esto se realiza solución de desafíos técnicos
para el aprendizaje de Python en cada uno de sus componentes.
Entre las herramientas utilizadas para alcanzar los objetivos de la asignatura se encuentran:
• Clase magistral (para las sesiones iniciales de cada sección)
• Seminario Alemán (para la discusión teórica de los casos)
• Trabajo práctico en aula (para el aprendizaje de Python)
• Solución de desafíos técnicos individuales (para uso de Python y análisis de datos)
• Escritura de trabajo final (para propuesta de producto autónomo del participante)
• Vídeos explicativos (para refuerzo temático)
• Lecturas obligatorias y lecturas opcionales (para consolidación de aprendizaje)
Estas herramientas configuran una asignatura teórico-práctica que espera aportar a la instalación de
herramientas epistemológicas, metodológicas, que permitan de manera introductoria la
implementación de análisis e investigaciones socio-políticas que tengan en cuenta las relaciones
entre Ciencia, Tecnología y Sociedad identificando los riesgos y posibilidades de la dimensión
tecnológica en la sociedad.
F).Conceptos Previos:
Si bien es una materia de fundamentación interdisciplinar es deseable que los participantes tengan
conocimientos en:
Aspectos teóricos en biopólitica
Aspectos teóricos en filosofía de la tecnología
Pensamiento social sobre la tecnología

Estadística básica
Estadística social básica
Formulación de proyectos (para la propuesta de trabajo final)
Conocimiento básico en lógica
Conocimiento intermedio en inglés (al menos 50% de la bibliografía se utiliza en este idioma)
Si bien no son requisitos excluyentes, deben tenerse en cuenta para aprovechar las posibilidades de
los conocimientos construidos como herramientas aplicables a la experiencia profesional y a la
investigación.
G). Contenidos (susceptible de ser ajustados con base en recomendaciones UNAL):
La asignatura se encuentra distribuida en cuatro secciones. Cada sección tiene una duración de
cuatro semanas y hace énfasis en un contenido específico relativo a los objetivos de la asignatura:
• La primera sección (semana 1-4): (Corresponde al primer objetivo específico y el 20% de
la asignatura)
• La segunda sección (semana 5-8): (Corresponde al segundo objetivo específico y el 20%
de la asignatura)
• La tercera sección (9-12): (Corresponde al tercer objetivo específico y el 20% de la
asignatura)
• La cuarta sección (13-16): (Corresponde al cuarto objetivo específico y el 20% de la
asignatura. El 20% restante hace parte del trabajo final como se explica en el numeral I
sistema de evaluación).
A continuación se desglosa el calendario de trabajo aproximado (sujeto a modificaciones como
consecuencia de asignación a espacios u horas de trabajo).

Sección 1 (Semana 1-4): Discusiones ético-políticas en la relación ciencia-tecnología-sociedad
Calendario de trabajo
Sem Día 1 Temática Día 2 Bibliografía (ver
ana Temática numeral H)
1 1 hora Introducción a la asignatura: Las 2 horas Las humanidades digitales y las ciencias Gualda (2022).
relaciones entre Ciencia, Tecnología y sociales computacionales
Sociedad - CTS Afanador-Llach et al
(2020).
2 1 hora Big Data & ciencia de datos ¿Qué son, 2 horas Retos políticos en las relaciones CTS: El caso Freire Avilés, Diáz
para qué sirven? del software libre y la cultura libre Nava y Vera Lucio
(2019).
Lagares, López-López
y Mo Groba (2020).
3 1 hora Investigación sociopolítica y datos: 2 horas Retos ético-políticos en las relaciones CTS: El
conceptos básicos en estadística y caso de Cambridge Analytica Carrasco-Polaino,
probabilidad Martín-Cárdaba y
Villar-Cirujano (2021).
Mejía (2020).
4 1 hora Bio-Zoe-Tecné: Ciencias Políticas en el 2 horas Edición genética y biopolítica: Cuando la García Selgas (2008)
contexto de las sociedades molécula es dato modificable. Reflexiones
postindustriales éticas en las relaciones CTS Riveros Solorzano
(2020) Capítulo 2
Sección 2 (Semana 5-8): Lenguaje humano y lenguaje de las máquinas: entablando

comunicación con Python
5 1 hora Lenguajes de programación: Python y las 2 horas Datos y tipos de datos: int, float, str. Alura (2022)
Ciencias Políticas Capítulo 1 y 2.
Cutler y Dickenson
(2020).
6 1 hora Instalación de paquetes Python y Visual 2 horas Estructuras de datos y secuencias: listas,
Code Studio -VSC (software libre de fácil diccionarios y tuplas Cutler y Dickenson
acceso) (2020).
7 1 hora Estructuras de control condicional: while 2 horas Estructuras de control condicional: while
Alura (2022)
capítulo 4
8 1 hora Estructuras de control condicional: for 2 horas Estructuras de control condicional: for
Alura (2022)
Primer desafío: capítulo 4

Sección 3 (Semana 9-12): Aproximaciones iniciales a la Ciencia de los Datos: ¿Por qué es
importante para la investigación política?
9 1 hora Funciones parte A librerías y módulos 2 horas Introducción a NumPy para análisis de datos Alura (2022)
sociopolíticos capítulo 5 y 6
Nelli (2018)
capítulo 3
10 1 hora Funciones parte B definición de funciones 2 horas Introducción a Pandas para análisis de datos
sociopolíticos Alura (2022)
capitulo 7
Nelli (2018)
capítulo 4
11 1 hora Gráficos y Visualización Estadística 2 horas Introducción a MatPlotLib para visualización de Nelli (2018)
datos capitulo 7
12 1 hora Ejemplos de modelamiento dimensional y 2 horas Introducción a Apache Hadoop y Bodegas de
fisico, diseño ETLs datos Tadeo Hernández et
al (2015)
Sección 4 (Semana 13-16): Familiarizándome con métodos contemporáneos en Ciencias

Sociales Computacionales y Humanidades Digitales
13 1 hora Workflow 2 horas Data Wrangling sumarización y operación con Febro-Naga y

tablas Tinam-Isan (2022).
14 1 hora Métodos Bayesianos 2 horas StopWords y Modelización Rodríguez Zoya

(2014).
Franzosi, Dong, y
Dong (2021).
15 1 hora Redes neuronales artificiales 2 horas Regresiones: simple lineal multivariada
Vázquez et al
(2008)
16 1 hora Pensamiento Computacional consejos y 2 horas Árboles de decisión y Random Forest Álvarez-Daza, Pico-
buenas prácticas Valencia y Holgado,
Terriza (2020)

H). Bibliografía básica

Toda la bibliografía utilizada en la asignatura se encuentra hace parte de los sistemas Open Acces de
revistas indexadas de alto nivel registradas en: Scopus, Springer, Elsevier, Oxford, Taylor &
Francis, SciELO, ProQuest y JsTor1. Incluso con la disponibilidad de acceso, el profesor compartirá
una carpeta drive con todos los documentos usados y recomendados para la asignatura. A
continuación se presenta el listado de documentos:
Afanador-Llach, M.J., Murcia Galindo, J.C., Rincón, O., Gallini, S., Méndez Mahecha, T., Jaramillo
Liévano, J.N. (2020). Humanidades Digitales “a lo colombiche”: cadáver exquisito de la Red
Colombiana de Humanidades Digitales. Revista de Humanidades Digitales, (5), 217-235.
Arcila-Calderón, C., barbosa-Caro, E., Cabezuelo, L. (2016). Técnicas Big Data: Análisis de textos
a gran escala para la investigación científica y periodística.El profesional de la información, 25(4),
623-232.
Alura. (2022). Python para data science. Ebook: Alura Latam.
Álvarez-Daza, N., Pico-Valencia, P., Holgado, Terriza, A., (2020). Detección de Noticias Falsas en
Redes Sociales Basada en Aprendizaje Automático y Profundo: Una Breve Revisión Sistemática.
RISTI, (41), 632-645.
Carrasco-Polaino, R., Martín-Cárdaba, M.A., Villar-Cirujano, E.(2021). Participación ciudadana en

Twitter: Polémicas anti-vacunas en tiempos de COVID-19. Comunicar, 29(69), 21-31.
Cutler, J., Dickenson, M.(2020). Computational Frameworks for Political and Social Research
with Python. Minnesota, United States: Springer.
Day Montarcé, M. (2021). Ciencias Sociales Computacionales - Desafíos y Oportunidades. Revista

Science, 69-74.
1 En su mayoría están licenciadas bajo Creative Commons.

Febro-Naga, J.,Tinam-Isan, M.(2022). Explorando la ciberviolencia contra mujeres y niñas en

Filipinas a través de Mining Online News. Comunicar, (70), ONLINE FIRST [acceso anticipado].
Franzosi, R., Dong, W., Dong, Y. (2021). Qualitative and quantitative research in the humanities
and social sciences: how natural language processing (NLP) can help. Quality & Quantity, (),
[ONLINE FIRST] https://doi.org/10.1007/s11135-021-01235-2
Freire Avilés, R.G., Diáz Nava, J.B, Vera Lucio, N.E. (2019). Cultura Libre y Software Libre:
Hacia el empoderamiento digital. Revista Prisma Social, (26), 50-72.
García Selgas, F. (2008). Posthumanismo(s) y Ciencias Sociales: Una introducción. Política y

Sociedad, 45(3), 7-15.
Gualda, E. (2022). Social big data y sociología y ciencias sociales computacionales. Empiria-
revista de metodología de Ciencias Sociales, (53), 147-177 DOI/ empiria.53.2022.32631
Lagares Díez, N. López-López, P., Mo Groba, D. (2020).Nuevos espacios, viejas agendas: la

construcción temática de los procesos electorales de Portugal y Brasil en Twitter, Journal of Iberian
and Latin American Research, 26(3), 354-370, DOI:10.1080/13260219.2020.1909855
Mejía, A.F.(2020). La Libertad De Expresión En Jaque. El Panóptico del siglo XXI: BIG DATA
como amenaza para la democracia, a propósito del caso Cambridge Analytica. Universitas, (32), 79-
105.
Nelli, F. (2018). Python Data Analytics with Pandas, NumPy and Matplotlib. Rome, Italy: Apress.
Riveros Solorzano, H.J. (2020). Biopragmática: La cuestión de la vida en la relación cuerpo –texto
– tecnología en algunas prácticas de producción de cuerpos por modificación de código genético-
algorítmico. [Tesis Doctoral]. Bogotá, Colombia: Universidad Distrital Francisco José de Caldas.

Rodriguez Zoya, L. (2014). La modelización y simulación computacional como metodología de

investigación social. Polis, Revista Latinoamericana, 13(39), 417-440.
Tadeo Hernández, A., Gómez Vázquez, E., Berdejo Rincón, A., Montero García, J., Calderón
Maldonado, A., Ibarra Orozco, R. (2015). Metodologías para análisis político utilizando Web
Scraping. Research in Computing Science, 95(), 113-121.
Vázquez, J. Castillo, J. Rojas, M. Marciszack, M. (2008). Redes neuronales artificiales aplicadas a

Ciencias Sociales [conferencia]. X Workshop de Investigadores en Ciencias de la Computación.
https://core.ac.uk/download/pdf/301041018.pdf
I). Sistema de evaluación

La asignatura tiene como sistema de evaluación una distribución en porcentajes para cada sección
basada en un trabajo teórico práctico. A esto se suma un trabajo final donde debe estructurarse un
proyecto de análisis sociopolítico ( de elección libre) donde especifique el uso de Python como
parte del diseño metodológico y del análisis de datos. La evaluación se desglosa como se explica a
continuación:
Sistema de evaluación
Porcentaje Tipo de trabajoProducto esperado Requisitos
20 % sección 1 Trabajo teórico Participación en Seminario [definición de roles para el SE y relatoría colectiva]
Alemán con lecturas de casos
20 % sección 2 Trabajo práctico Resolución de primer serie de [Python básico: condicionales y bucles]
desafíos en lenguaje Python: 4 desafíos teóricos prácticos– 1 por semana
lenguaje máquina-sociedad
20 % sección 3 Trabajo práctico Resolución de segunda serie de [Python para análisis: Pandas o NumPy]
desafíos en lenguaje Python: 4 desafíos teóricos prácticos– 1 por semana
aproximación a ciencia de datos.
20 % sección 4 Trabajo teórico Búsqueda de casos donde se apliquen los métodos
de análisis vistos a las ciencias políticas [workflow,
árboles de problemas, bayesianos, modelización,
regresiones, redes y wrangling]
20 % Proyecto Trabajo teórico- Propuesta de Proyecto Este proyecto debe aplicar los aprendizajes de la
asignatura y debe incluir como
Final práctico,
mínimo[“introducción”, “problema”, “objetivos”,
“sistema teórico CTS”, “diseño metodológico
usando la introducción a Pyhton para análisis de
datos sociopolíticos”, “resultados esperados”]

Descargo de responsabilidad:
Documento de trabajo. Asignatura Optativa Fundamentos computacionales para investigación en

Ciencias Políticas: Introducción a Python. por Mario Esteban Salamanca López se distribuye bajo
una Licencia Creative Commons Atribución 4.0 Internacional
Puede ser copiado, distribuido, editado, remezclado y desarrollado. Debe reconocerse atribución.


Fundamentos Computacionales Investigacion Ciencias Politicas UNAL ME Salamanca 2022

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fundamentos Computacionales Investigacion Ciencias Politicas UNAL ME Salamanca 2022

Cargado por

Copyright:

Formatos disponibles

Introducción a Python para el análisis de datos sociopolíticos

Mario Esteban Salamanca López

A). Nombre de la Asignatura: Fundamentos computacionales para investigación en Ciencias

C). Descripción de la Asignatura:

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

desigualdad, para comprender la influencia de la difusión de patrones de fakenews, para generar

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

D). Objetivos de la Asignatura:

Objetivos Específicos (cada uno se corresponde a cada sección de la asignatura)

2 Identificar el funcionamiento básico del lenguaje de programación Python

4 Describir modelos metodológicos con base en el estudio de casos donde se observe

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

E). Metodología de trabajo:

En cada sección (4 semanas) se establece un trabajo teórico-práctico que fortalece aspectos

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

G). Contenidos (susceptible de ser ajustados con base en recomendaciones UNAL):

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

Sección 1 (Semana 1-4): Discusiones ético-políticas en la relación ciencia-tecnología-sociedad

Sección 2 (Semana 5-8): Lenguaje humano y lenguaje de las máquinas: entablando

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

Sección 4 (Semana 13-16): Familiarizándome con métodos contemporáneos en Ciencias

13 1 hora Workflow 2 horas Data Wrangling sumarización y operación con Febro-Naga y

14 1 hora Métodos Bayesianos 2 horas StopWords y Modelización Rodríguez Zoya

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

H). Bibliografía básica

Alura. (2022). Python para data science. Ebook: Alura Latam.

Carrasco-Polaino, R., Martín-Cárdaba, M.A., Villar-Cirujano, E.(2021). Participación ciudadana en

Day Montarcé, M. (2021). Ciencias Sociales Computacionales - Desafíos y Oportunidades. Revista

1 En su mayoría están licenciadas bajo Creative Commons.

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

Febro-Naga, J.,Tinam-Isan, M.(2022). Explorando la ciberviolencia contra mujeres y niñas en

García Selgas, F. (2008). Posthumanismo(s) y Ciencias Sociales: Una introducción. Política y

Lagares Díez, N. López-López, P., Mo Groba, D. (2020).Nuevos espacios, viejas agendas: la

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

Rodriguez Zoya, L. (2014). La modelización y simulación computacional como metodología de

Vázquez, J. Castillo, J. Rojas, M. Marciszack, M. (2008). Redes neuronales artificiales aplicadas a

I). Sistema de evaluación

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

Documento de trabajo. Asignatura Optativa Fundamentos computacionales para investigación en

La información aquí contenida no representa la posición de la Universidad Nacional de Colombia

También podría gustarte