| Big data i social media | Codi: M1.661 Crèdits: 5 |
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 són presents en mitjans socials com Twitter o Facebook. Es posaran en pràctica diverses eines per a dur a terme la recollida de dades dels mitjans socials, analitzar-les mitjançant tècniques de Mineria de Dades i preparar la visualització final dels resultats obtinguts. L'assignatura té un enfocament molt pràctic i dinàmic amb l'objectiu que els estudiants puguin posar en pràctica de manera immediata els continguts del curs aplicant-los a temes del seu interès.
Els objectius d'aprenentatge que es plantegen en aquesta assignatura són els següents:
- Recollir i analitzar de les dades que són presents en els mitjans socials.
- Dur a terme operacions i anàlisis bàsiques amb tècniques de Mineria de Dades.
- Fer servir eines per a la visualització dels resultats obtinguts.
L'assignatura optativa Big data i social media s'emmarca en el bloc d'assignatures optatives del màster que permet aprofundir especialment en l'àrea de recerca centrada en els mitjans socials. Així mateix, també permet conèixer els mitjans socials com a canal des del qual es pot obtenir la informació i des del qual es distribueix aquesta informació.
No es requereix cap coneixement previ.
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:
- Disposar de 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 conclusions a les quals han arribat a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
- Reconèixer i avaluar la rellevància i significació de la informació, i identificar 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.
Les competències específiques del màster vinculades a l'assignatura Big data i social media són les següents:
- Reconèixer i dominar les diferents tècniques, tecnologies o recursos per a la identificació, seguiment, recuperació, tractament, creació, representació, visualització, explotació de les dades i continguts que hi ha en els mitjans socials.
- Comprendre i emetre informes professionals o de recerca en l'àmbit dels mitjans socials.
- Formular i desenvolupar una estratègia de curació de continguts o gestió de dades en els mitjans socials que permeti, per mitjà de diferents tècniques i mètodes, recopilar, seleccionar i generar informació de qualitat per a l'entorn professional o de recerca.
A partir de les competències específiques del màster, es treballen les competències pròpies de l'assignatura següents:
- Dissenyar una estratègia de recopilació i anàlisi de dades per a contestar preguntes d'interès.
- Identificar fonts de dades rellevants.
- Fer servir eines per a recopilar dades de Twitter.
- Preparar la visualització dels resultats obtinguts.
- Redactar informes per a explicar el procés d'anàlisi i els resultats.
- Interpretar els resultats traient conclusions per a respondre les preguntes de recerca.
| Material | Suport |
| Social media Toolkit | Web |
| Social media Toolkit | Web |
| Dades massives i mineria de dades socials, conceptes i eines bàsiques | XML |
| Dades massives i mineria de dades socials, conceptes i eines bàsiques | DAISY |
| Dades massives i mineria de dades socials, conceptes i eines bàsiques | EPUB 2.0 |
| Dades massives i mineria de dades socials, conceptes i eines bàsiques | MOBIPOCKET |
| Dades massives i mineria de dades socials, conceptes i eines bàsiques | HTML5 |
| Dades massives i mineria de dades socials, conceptes i eines bàsiques | |
| Datos masivos y minería de datos sociales: conceptos y herramientas básicas | XML |
| Datos masivos y minería de datos sociales: conceptos y herramientas básicas | DAISY |
| Datos masivos y minería de datos sociales: conceptos y herramientas básicas | EPUB 2.0 |
| Datos masivos y minería de datos sociales: conceptos y herramientas básicas | MOBIPOCKET |
| Datos masivos y minería de datos sociales: conceptos y herramientas básicas | HTML5 |
| Datos masivos y minería de datos sociales: conceptos y herramientas básicas | |
| Visualització de dades extretes dels mitjans de comunicació socials | XML |
| Visualització de dades extretes dels mitjans de comunicació socials | DAISY |
| Visualització de dades extretes dels mitjans de comunicació socials | EPUB 2.0 |
| Visualització de dades extretes dels mitjans de comunicació socials | MOBIPOCKET |
| Visualització de dades extretes dels mitjans de comunicació socials | HTML5 |
| Visualització de dades extretes dels mitjans de comunicació socials | |
| Mineria de dades dels Social media, tècniques per l'anàlisi de dades massives | XML |
| Mineria de dades dels Social media, tècniques per l'anàlisi de dades massives | DAISY |
| Mineria de dades dels Social media, tècniques per l'anàlisi de dades massives | EPUB 2.0 |
| Mineria de dades dels Social media, tècniques per l'anàlisi de dades massives | MOBIPOCKET |
| Mineria de dades dels Social media, tècniques per l'anàlisi de dades massives | HTML5 |
| Mineria de dades dels Social media, tècniques per l'anàlisi de dades massives | |
| Visualización de datos extraídos de los medios sociales | XML |
| Visualización de datos extraídos de los medios sociales | DAISY |
| Visualización de datos extraídos de los medios sociales | EPUB 2.0 |
| Visualización de datos extraídos de los medios sociales | MOBIPOCKET |
| Visualización de datos extraídos de los medios sociales | HTML5 |
| Visualización de datos extraídos de los medios sociales | |
| Minería de datos de los Social Media, técnicas para el análisis de datos masivos | XML |
| Minería de datos de los Social Media, técnicas para el análisis de datos masivos | DAISY |
| Minería de datos de los Social Media, técnicas para el análisis de datos masivos | EPUB 2.0 |
| Minería de datos de los Social Media, técnicas para el análisis de datos masivos | MOBIPOCKET |
| Minería de datos de los Social Media, técnicas para el análisis de datos masivos | HTML5 |
| Minería de datos de los Social Media, técnicas para el análisis de datos masivos | |
| Virtual Machine | Programari en línia |
| Toolkit de gènere | Web |
| Toolkit de género | Web |
| Adquisición de datos de Twitter | Audiovisual |
| Visualización de datos con Looker Studio | Audiovisual |
| Visualización de datos con Tableau | Audiovisual |
| Entrenament d'un classificador de gènere | Audiovisual |
| Adquisició de dades de Twitter | Audiovisual |
| Visualització de dades amb Tableau | Audiovisual |
| Entrenamiento de un clasificador de género | Audiovisual |
| Visualització de dades amb Looker Studio | Audiovisual |
| Com exteure dades a Youtube | Audiovisual |
| Cómo extraer datos en Youtube | Audiovisual |
En l'aula es disposa d'un blog amb els materials bàsics per treballar l'assignatura. Contenen un mòduls de lectura obligatòria, 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.
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 http://analyzecore.com/2014/04/28/twitter-sentiment-analysis/
Easley, D.; Kleinberg, J. (2010) Networks, Crowds, and Markets: Reasoning. Reasoning About a Highly Connected World" <http://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 http://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 http://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.
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.
Forma part de la metodologia de treball la lectura continuada dels materials, les pràctiques i les consultes permanents al professor.
Es realitzaren tres Proves d'Avaluació Continuada on de manera progressiva es treballará la mateixa xarxa social. Un cop avaluada cada PAC, l'estudiant rebrà comentaris personalitzats del seu treball.
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.
|
L'assignatura només es pot aprovar amb el seguiment i la superació de l'avaluació contínua (AC). La qualificació final de l'assignatura és la nota obtinguda a l'AC. |
Nota final d'assignatura: AC
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.
En la primera l'estudiant seleccionará i descarregarà una xarxa social, i aprendre a plantejar preguntes a les dades.
En la segona, l'estudiant aprendre com visualitzar les dades.
Per últim, a la tercera PAC l'estudiant aprendre a analitzar les 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.
Aquesta assignatura es supera per Avaluació Continuada. No hi haurà examen final presencial.
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 consultor 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.