Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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.
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.
3 Manejar de forma básica el compilador de Python Visual Studio Code -VSC para
lectura de datos importando NumPy, Pandas y MatPlotLab.
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.
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).
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
Calendario de trabajo
Sem Día 1 Temática Día 2 Bibliografía (ver
ana Temática numeral H)
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?
Calendario de trabajo
Sem Día 1 Temática Día 2 Bibliografía (ver
ana Temática numeral H)
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)
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)
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.
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.
Cutler, J., Dickenson, M.(2020). Computational Frameworks for Political and Social Research
with Python. Minnesota, United States: Springer.
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.
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
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.
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.
Descargo de responsabilidad:
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:
Puede ser copiado, distribuido, editado, remezclado y desarrollado. Debe reconocerse atribución.