El objetivo principal de la asignatura Métodos de desarrollo y análisis de entornos colaborativos y redes sociales es conseguir que los alumnos del Master Universitario en Ingeniería Informática de la Escuela Superior de Ingeniería Informática de la UNED sean capaces de adquirir el conocimiento y habilidades para analizar entornos sociales en la web. La asignatura se centra en el análisis de las relaciones de los actores involucrados en entornos dinámicos y complejos como son los colaborativos y las redes sociales.

La web social o los medios sociales en la web son aquellos entornos que hacen posible la relación entre personas por medio de la web. Las redes sociales son un ejemplo pero no es el único. El extenso uso que se hace de la web social las convierten en una potente e importante herramienta en la sociedad actual.

Para realizar análisis en la web social utilizaremos una metodología heredera de la Minería de datos. Primero, hay que extraer datos de interés, filtrarlos y prepararlos. Este primer punto será estudiado en los Temas 1 y 2. Segundo, se enseñará el análisis de redes sociales (SNA en su siglas en inglés) como medio útil de análisis y visualización de los datos debido a entornos sociales virtuales. Se utilizará la herramienta gratuita Gephi. Este punto será estudiado en el Tema 3. Por último, se enseñarán técnicas de Aprendizaje Automático que sirven para extraer conocimiento de datos, completando así el análisis de redes sociales. Este último se estudiará en el Tema 4.

El entorno virtual será la herramienta más importante para la gestión de esta asignatura. Al ser un entorno de aprendizaje colaborativo, se animará y estimulará a que los estudiantes compartan dudas, comentarios, ideas y proyectos con el resto. De esta forma se fomentará las habilidades de diálogo y negociación, tan útiles en entornos de trabajo reales.

Se aconseja una interacción proactiva del estudiante vía el curso virtual o correo electrónico con el equipo docente. El equipo docente entiende que la estrategia de aprendizaje "aprender haciendo" es la mejor en este contexto, y para ello debería haber una relación regular y frecuente entre el estudiante y el equipo docente, que se consigue con una interacción proactiva por ambas partes. Pero si no es posible, el estudiante debería informarse de lo que sucede en el curso web de forma regular y frecuente. El equipo docente utiliza noticias o estudios actuales para provocar el debate y explicar con estos ejemplos los conceptos de la asignatura. Esta estrategia ha sido utilizada en los cursos anteriores con buenos resultados en tasa de evaluación, tasa de éxito y nota media, además de por los buenos comentarios de los estudiantes en las encuestas de satisfacción. 

La asignatura Métodos de desarrollo y análisis de entornos colaborativos y redes sociales es una asignatura optativa de 6 créditos ECTS que se imparte en el primer semestre del Máster de Informática de la UNED dentro del módulo de “Complementos en tecnologías informáticas”.

Los estudiantes de esta asignatura no requieren conocimientos previos adicionales más allá de los que surgen de los requeridos por el máster, permitiendo utilizar y desarrollar las competencias correspondientes.

Es conveniente dominar el inglés técnico (leer y escribir) para manejar con facilidad las fuentes bibliográficas.

Teniendo en cuenta los objetivos de la asignatura, se pueden establecer conexiones con otras materias del Master. En primer lugar hay que tener en cuenta la poca estructuración de los entornos de la web social. Por esta razón se pone en práctica conocimiento de cómo extraer información en sistemas de información no estructurada, lo cual es ofrecido por la asignatura Sistemas de información no estructurada. En segundo lugar, una vez que se haya obtenido información, datos, se aplicarán métodos estadísticos y de minería de datos para filtrar, estructurar, organizar, interpretar, clasificar esos datos y extraer conocimiento de ellos. Es por tanto conveniente manejar técnicas de análisis que se enseñan en la asignatura Sistemas inteligentes y adquisición de conocimiento. Por último no podemos olvidar el uso que se pueda hacer del conocimiento extraído de los datos. Es posible, por tanto, tomar alguna decisión debido al conocimiento nuevo. La asignatura Análisis de decisiones para ingeniería y gestión ofrece una perspectiva complementaria a los procesos de análisis que esta asignatura ofrece.

La tutorización de los estudiantes tendrá lugar esencialmente a través de los foros de la plataforma, aunque también podrán utilizarse ocasionalmente otros medios, tales como chats interactivos, servicios de mensajería instantánea y el correo electrónico. Adicionalmente está también previsto, para temas personales que no afecten al resto de los estudiantes, atender consultas en persona o por teléfono. Se aconseja, en cualquier caso, el uso del correo electrónico para contactar con el equipo docente.

Los datos de contacto del equipo docente son los siguientes:

Antonio Rodríguez Anaya - Despacho 3.04 (E. T. S. I. Informática)
Tel.: 91 398 65 50
E-mail: arodriguez@dia.uned.es 
C/Juan del Rosal, 16, Ciudad Universitaria, E-28040, Madrid (Spain).

El horario de guardia del equipo docente será los lunes de 15:00 a 19:00.

Horario de atención al estudiante: Lunes y martes de 10:00 a 14:00.

Competencias Básicas:

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

Competencias Generales:

G4 - Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería en Informática.

G8 - Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.

Competencias Transversales:

CT1 - Capacidad para emprender y liderar proyectos innovadores en entornos científicos, tecnológicos y multidisciplinares.

CT2 - Capacidad para tomar decisiones y formular juicios basados en criterios objetivos (datos experimentales, científicos o de simulación disponibles).

Competencias Específicas:

TI2 - Capacidad de comprender y saber aplicar el funcionamiento y organización de Internet, las tecnologías y protocolos de redes de nueva generación, los modelos de componentes, software intermediario y servicios.

TI9 - Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.

TI11 - Capacidad para conceptualizar, diseñar, desarrollar y evaluar la interacción persona-ordenador de productos, sistemas, aplicaciones y servicios informáticos.

Básicos:

• Conocer herramientas de análisis de redes sociales y entornos colaborativos.

• Conocer la API de las redes socialea para poder desarrollar una aplicación de análisis.

• Saber gestionar y analizar el trabajo en equipo.

Complementarios:

• Conocer diferentes técnicas y procedimientos de análisis de entornos sociales en la web.
• Identificar diferentes entornos como proclives a ser analizados con técnicas de análisis de redes sociales y de aprendizaje automático con relación a los medios sociales.
• Distinguir qué es una red social y la normativa legal con relación a ellas y la protección de los datos.
• Reconocer las técnicas de análisis más apropiadas.
• Aplicar el análisis de redes sociales con el objetivo de extraer conocimiento de las interacciones en el entorno social.
• Deducir información sobre los participantes en los entornos sociales.
• Explicar de forma clara los resultados de los análisis y justificar las deducciones.
• Comparar la información sobre los diferentes participantes en un entorno social una vez deducida la información sobre ellos.
• Explicar el comportamiento grupal de los participantes en el entorno social.
  

La metodología de esta asignatura se basará en el paradigma Aprender haciendo. En esta asignatura se enseñará como analizar la web social, en donde hay relaciones entre distintos actores. Se da especial importancia, en el estudio y evaluación de la asignatura, a la realización de tareas prácticas, que podrán tener un componen social o de trabajo en equipo, analizando la web social.

Se utilizará de forma extensiva la plataforma virtual de la UNED, los cursos virtuales, como entorno virtual dinámico de interacción entre estudiantes y estos con el profesor.

Para favorecer las intercciones y la colaboración, se incentivará la comunicación entre los estudiantes para que pueda surgir el diálogo y la colaboración. En el caso de gran númro de estudiantes, se posibilitará la interacción de grupos pequeños mediante trabajos en equipo.

Los contenidos docentes se encuentran en la plataforma de e-learning de la UNED estructurados para la mejor comprensión y utilización por parte de los estudiantes.

En esta asignatura no se seguirá un libro para ir describiendo los contenidos del temario ya que la asignatura, por su carácter eminentemente práctico, abarca distintos contenidos teóricos. Sin embargo, dos libros serán de gran utilidad:

• Social Network Analysis: Theory and Applications. Este libro ha sido escrito por muchos colaboradores siguiendo la licencia Creative Commons. En este libro se enseña en profundidad el análisis de redes sociales, ofreciendo toda la información necesaria para comenzar una análisis de este tipo. Este libro es especialmente interesante para el Tema 3. El libro se encuentra en formato pdf en la sección de Documentos del curso virtual.

• Introduction to machine learning de Ethem Alpaydin editado por Adaptive computation and machine learning, 2010, segunda edición. Este trabajo se orienta a los estudiantes graduados con buena formación en matemáticas y algoritmos informáticos, así como las estadísticas. Alpaydin realiza un enfoque muy teórico, por lo tanto, los lectores deben estar preparados para trabajar a través de las fórmulas matemáticas y aplicar los algoritmos por su cuenta, que es la forma más eficaz para comprender el material. Los estudiantes que utilicen este libro tendrán una base sólida para explorar en profundidad más estudios como las redes neuronales, el aprendizaje supervisadas y no supervisadas, árboles de decisión, y otras áreas de este complejo campo. Referencias al final del libro ayudarán a los estudiantes a ampliar aún más su conocimiento de los temas presentados. Esta nueva edición (1ª ed., 2004) se revisó completamente e incluye varios nuevos capítulos y ejercicios. Es una contribución valiosa a una disciplina definida por investigadores importantes como Nils Nilsson, John McCarty, Marvin Minsky, Tom Mitchell, Stuart Russell y Peter Norwig.  Este libro es especialmente interesante para el Tema 4, ya que en este tema se pondrán en práctica conocimientos que se estudian en la asignatura obligatoria de este master Sistemas inteligentes y adquisición de conocimiento, de la cual el libro es la bibliografía básica.

Por el carácter eminentemente práctico de la asignatura, se utilizan contenidos teóricos de varias materias distintas. Cada uno de los temas tiene una entidad distintas y hay documentación complementaria.

Tema 1

1. Medios sociales (https://es.wikipedia.org/wiki/Medios_sociales).
2. Red social (https://es.wikipedia.org/wiki/Red_social)
3. Entrada del Blog de la historia de la Informática de la Universidad Politécnica de Valencia sobre las Redes sociales (http://histinf.blogs.upv.es/2011/12/20/redes-sociales/).
4. Artículo de D.M. Boyd y N.B. Ellison titulado Social network sites: Definition, history, and scholarship en la revista Journal of Computer Mediated Communication, volumen 13, de 2007. (http://www.danah.org/papers/JCMCIntro.pdf)
5. Artículo de Katarzyna Musial‚ y Przemyslaw Kazienko titulado Social networks on the Internet en la revista World Wide Web, volumen 15, 2013..

Tema 2

1. Libro recopilatorio de artículos de investigación titulado Mining and Analyzing Social Networks, editado por I-Hsien Ting,Hui-JuWu, and Tien-Hwa Ho para Studies in Computational Intelligence,Volume 288.
2. Blog de Fernando Santamaría (http://fernandosantamaria.com/blog/).
3. Guía para principiantes sobre la extracción de datos de redes sociales (https://research.aimultiple.com/social-media-scraping/)

Tema 3

1. Gephi, herramienta de análisis de redes sociales (https://gephi.org).
2. Introducción de Gephi al análisis de redes y visualización es muy recomendable (http://www.martingrandjean.ch/gephi-introduction/).

Tema 4

1. Weka, herramienta de análisis de datos utilizando aprendizaje automático (http://www.cs.waikato.ac.nz/ml/weka/).
2. R, herramienta de análisis de datos (https://www.r-project.org).
3. Scikit-learn: Aprendizaje Automático en Python (https://scikit-learn.org/stable/)

Los/as estudiantes dispondrán de los siguientes recursos de apoyo al estudio:

• Guía de la asignatura. Incluye el plan de trabajo y orientaciones para su desarrollo. Esta guía será accesible desde el curso virtual.
• Curso virtual. Para alcanzar los objetivos propuestos, el curso se va a articular, como ya se ha comentado, a través de una plataforma especialmente diseñada para facilitar el trabajo individual y colaborativo en Internet (basada en comunidades virtuales). Esta plataforma permitirá realizar el seguimiento de las actividades del curso, así como estar al tanto de cualquier información o documentación de interés relacionada con el mismo.
• Documentación de la asignatura. Documentación escrita para los capítulos de los módulos de la asignatura.
• Biblioteca. El estudiante tendrá acceso tanto a las bibliotecas de los Centros Asociados como a la biblioteca de la Sede Central, en ellas podrá encontrar un entorno adecuado para el estudio, así como de distinta bibliografía que podrá serle de utilidad durante el proceso de aprendizaje.