• Descripció

Aquesta assignatura presenta l'aplicació de la ciència de dades en el context de la presa de decisions organitzacional. La presa de decisions organitzacional és summament àmplia, ja que cobreix diversos escenaris: (1) entorns en què podem dissenyar, descobrir i aplicar models que representen el procés de negoci, (2) entorns en què hem pogut capturar dades que representen el procés de negoci i podem extreure a través de mecanismes d'aprenentatge un model que representen el procés de negoci, i (3) entorns dinàmics amb alta incertesa, sense coneixement del model de negoci i sense la possibilitat de capturar dades.

En aquesta assignatura ens centrarem principalment en els dos primers escenaris, ja que el tercer pertany a l'àmbit de la psicologia i altres disciplines. El curs té un enfocament teòric pràctic, i és, per aquest motiu, que està compost d'introduccions teòriques als diferents temes que es tracten i exemples sobre com posar-los en pràctica. El curs està estructurat en quatre blocs.

A la primera part ens centrarem en la presa de decisions clàssica, es revisen els enfocaments tradicionals usats per a la presa decisions basats en models. A la segona part, presa de decisions basada en ciència de dades, es revisen alguns exemples usant l'enfocament de la ciència de dades i es revisen les diferències entre tots dos enfocaments. La tercera part remarca que l'ús de la ciència de dades no està exempta de barreres i problemes a tenir en compte i revisarem aspectes com els biaixos, la deriva i l'equitat. Finalment, s'introduirà la interpretabilitat com a mecanisme per pal·liar els problemes d'introduir la ciència de dades en la presa de decisions empresarial.

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

L'assignatura és optativa en el Grau de Ciència de Dades Aplicada i forma part de les competències del Data Science Explorer que identifica els problemes de dades, crea solucions, i proporciona les evidències per prendre decisions.

• Camps professionals en què es projecta

Els coneixements adquirits en aquesta assignatura seran d'utilitat per als científics de dades que participin en projectes relacionats amb la presa de decisions (o decision science). És a dir, en projectes que donen suport a la presa de decisions humanes a través de dades i evidències, però que al mateix temps necessiten capacitats per analitzar la interpretabilitat i equitat.

• Coneixements previs

És convenient disposar de certs coneixements de programació (en Python i R) i anàlisi de dades o, si no haver cursat al menys les assignatures "Programació per a la ciència de dades", "Mineria de dades" i "Aprenentatge Automàtic" del de l'Grau en Ciència de Dades Aplicada.

A més, cal cert coneixement de la llengua anglesa per comprendre documentació teòrica i tècnica dels productes instal·lats i / o informació de referència disponible a la xarxa.

• Informació prèvia a la matrícula

Continguts disponibles per a partir de setembre 2021.

• Objectius i competències

L'objectiu principal de l'assignatura és proporcionar coneixement de l'aplicació de la ciència de dades en l'àmbit de la presa de decisions (el que es coneix com a decision science). Pel que aquesta assignatura introdueix l'enfocament clàssic, l'enfocament considerant la ciència de dades, els problemes derivats d'aquest enfocament i tècniques per pal·liar aquests problemes com interpretablitat i equitat.

Per als estudiants que cursen el Grau de Ciència de Dades Aplicada, les competències de l'grau que es treballen en l'assignatura són:

• CB1 - Que els estudiants hagin demostrat posseir i comprendre coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi.
• CB5 - Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.
• CG5 - Comunicar i transmetre els coneixements, habilitats i destreses de la professió en el marc de la ciència de dades.
• CT1 - Ús i aplicació de les TIC en l'àmbit acadèmic i professional.
• CT2 - Comunicar-se en una llengua estrangera.
• CE3 - Definir, avaluar i seleccionar solucions tecnològiques, així com recursos (espacials, temporals) necessaris per al desenvolupament i execució de projectes, tenint en compte les alternatives disponibles, les condicions de mercat i les normatives vigents.
• CE11 - Resumir, interpretar, presentar i contrastar de forma crítica els resultats obtinguts utilitzant les eines d'anàlisi i visualització més adequades.
• CE13 - Exercir l'activitat professional d'acord amb el codi ètic i els aspectes legals en el marc de la privacitat i seguretat de les dades.

• Continguts

Els continguts de la part teòrica de l'assignatura es recullen en els mòduls didàctics que componen el material de l'assignatura:

• Presa de decisions clàssica: L'ús de mètode científic per a la presa de decisions no és nou. De fet, existeix des de fa temps amb dos noms diferents investigació operativa i ciència de les decisions. Iniciat a principis de 1900 per Frederic W. Taylor ha evolucionat considerablement. Moltes empreses encara estan fent servir els enfocaments tradicionals quan s'apliquen aquestes tècniques. El punt de partida serà introduir aquest enfocament perquè sigui conegut.
• Presa de decisions basada en ciència de dades: La progressiva digitalització dels processos de negoci ha generat una explosió de dades per a la presa de decisions. Aquest fenomen obre la porta a l'ús de tècniques emmarcades en l'àmbit de ciència de dades. Revisarem les diferències d'enfocaments entre l'ús de la ciència de dades i l'enfocament clàssic, algunes de les tècniques usades i també alguns casos d'èxit en què s'han aplicat aquest tipus de tècniques.
• Problemes en la presa de decisions basada en la ciència de dades: A mesura que s'han anat coneixent casos d'ús de la ciència de dades, ha quedat palès que aquest tipus de projectes no està exempt de problemes. Casos com els de Cambridge Analytics o altres, ens ha demostrat que cal tenir en compte els diversos problemes existents. Els principals aspectes que poden afectar un projecte són biaixos (humans i algorítmics), evolució de les dades, regulació i el seu impacte en la societat. Per això, anem a discutir diversos d'aquests problemes i conèixer un marc de referència que ens ajudarà a tenir-los en compte per endavant.
• Interpretabilitat en la presa de decisions basades ciència de dades: Amb el creixent ús de les tècniques de ciència de dades en la presa de decisions, es busca ajudar a responsables de negoci a prendre decisions fonamentades en dades i evidències en un entorn complex real. No obstant això, la presa de decisions humanes freqüentment aquesta lligada a contextos d'incertesa, lligada a biaixos, regulacions sectorials i regionals i potencialment propenses a generar desigualtats. Per evitar que els responsables de negoci treballin amb caixes negres que retornen respostes, patrons o accions a realitzar emergeix una col·lecció de tècniques que ajuden als humans a comprendre les decisions d'un algoritme. És el que coneixem com interpretabilitat. Cal conèixer què és, quines tècniques existeixen i que ens proporcionen aquestes tècniques.

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

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

A part dels mòduls didàctics prèviament esmentats, l'assignatura disposa d'altres materials addicionals que es troben a l'apartat Recursos de l'aula com, per exemple, articles, capítols de llibres, casos pràctics i activitats resoltes. Si fes falta algun altre material addicional, serà proporcionat durant el curs.

Així mateix, atès el caràcter pràctic de l'assignatura, es farà servir R i / o Python i llibreries vinculades a la ciència de dades, interpretabilitat i equitat.

• Informacions sobre l'avaluació a la UOC

A la UOC, l'avaluació generalment és virtual. S'estructura entorn de l'avaluació contínua, que inclou diferents activitats o reptes; l'avaluació final, que es porta a terme mitjançant proves o exàmens, i el treball final de la titulació.

Les activitats o proves d'avaluació poden ser escrites i/o audiovisuals, amb preguntes aleatòries, proves orals síncrones o asíncrones, etc., d'acord amb el que decideixi cada equip docent. Els treballs finals representen el tancament d'un procés formatiu que implica la realització d'un treball original i tutoritzat que té com a objectiu demostrar l'adquisició competencial feta al llarg del programa.

Per verificar la identitat de l'estudiant i l'autoria de les proves d'avaluació, la UOC es reserva la potestat d'aplicar diferents sistemes de reconeixement de la identitat i de detecció del plagi. Amb aquest objectiu, la UOC pot dur a terme enregistrament audiovisual o fer servir mètodes o tècniques de supervisió durant l'execució de qualsevol activitat acadèmica.

Així mateix, la UOC pot exigir a l'estudiant l'ús de dispositius electrònics (micròfons, càmeres o altres eines) o programari específic durant l'avaluació. És responsabilitat de l'estudiant assegurar que aquests dispositius funcionen correctament.

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat de les activitats acadèmiques. Al web sobre integritat acadèmica i plagi de la UOC hi ha més informació respecte d'aquesta qüestió.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; la suplantació d'identitat; l'acceptació o l'obtenció de qualsevol activitat acadèmica a canvi d'una contraprestació o no; la col·laboració, l'encobriment o l'afavoriment de la còpia, o l'ús de material, programari o dispositius no autoritzats en el pla docent o l'enunciat de l'activitat acadèmica, inclosa la intel·ligència artificial i la traducció automàtica, entre altres, són conductes irregulars en l'avaluació que poden tenir conseqüències acadèmiques i disciplinàries greus.

Aquestes conductes irregulars poden 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, programari o dispositius no autoritzats durant les proves (com l'ús d'intel·ligència artificial no permesa, 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, per la compravenda d'activitats acadèmiques, o perquè s'ha dut a terme qualsevol altra conducta irregular.

Així mateix, i d'acord amb la normativa acadèmica, les conductes irregulars en l'avaluació també poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui, de conformitat amb el que estableix la normativa de convivència de la UOC.

En el marc del procés d'avaluació, la UOC es reserva la potestat de:

• Sol·licitar a l'estudiant que acrediti la seva identitat segons el que estableix la normativa acadèmica.
• Sol·licitar a l'estudiant que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació, tant en l'avaluació contínua com en l'avaluació final, per mitjà d'una entrevista oral síncrona, que pot ser objecte d'enregistrament audiovisual, o pels mitjans que estableixi la Universitat. Aquests mitjans tenen l'objectiu de verificar els coneixements i les competències que garanteixin la identitat de l'estudiant. Si no és possible garantir que l'estudiant és l'autor de la prova, aquesta pot ser qualificada amb una D, en el cas de l'avaluació contínua, o amb un suspens, en el cas de l'avaluació final.

Intel·ligència artificial en el marc de l'avaluació

La UOC reconeix el valor i el potencial de la intel·ligència artificial (IA) en l'àmbit educatiu, alhora que posa de manifest els riscos que comporta si no s'utilitza de manera ètica, crítica i responsable. En aquest sentit, en cada activitat d'avaluació s'informarà l'estudiantat sobre les eines i els recursos d'IA que es poden utilitzar i en quines condicions. Per la seva banda, l'estudiantat es compromet a seguir les indicacions de la UOC a l'hora de dur a terme les activitats d'avaluació i de citar les eines utilitzades i, concretament, a identificar els textos o les imatges generats per sistemes d'IA, els quals no podrà presentar com si fossin propis.

Amb relació a fer servir o no la IA per resoldre una activitat, l'enunciat de les activitats d'avaluació indica les limitacions en l'ús d'aquestes eines. Cal tenir en compte que fer-les servir de manera inadequada, com ara en activitats en què no estan permeses o no citar-les en les activitats en què sí que ho estan, es pot considerar una conducta irregular en l'avaluació. En cas de dubte, es recomana que, abans de lliurar l'activitat, es faci arribar una consulta al professorat col·laborador de l'aula.

• Consulta del model d'avaluació