No hay comentarios.

CURSO:METODOLOGIAS DE INVESTIGACION
TRADUCCION:RESEARCH METHODOLOGIES
SIGLA:REN225
CREDITOS:10
MODULOS:03
CARACTER:MINIMO
TIPO:CATEDRA
CALIFICACION:ESTANDAR
NIVEL FORMATIVO:PREGRADO
PALABRAS CLAVES:METODOLOGIA,DISE?OS CUANTITATIVOS,AMBITO DE RECURSOS NATURALES


I.DESCRIPCIÓN DEL CURSO

El curso se centrara en la comprension de dise?os cuantitativos y experimentales para investigacion cientifica y en su correcta aplicacion para abordar problemas reales del ambito de los Recursos Naturales, asi como tambien, en el dise?o de planes de muestreo en este contexto. Los estudiantes podran aprender el lenguaje y ambiente de programacion R/RStudio para acceder, ordenar, visualizar y analizar los datos de forma eficiente y reproducible. Utilizaran tecnicas de regresion lineal y de muestreo de datos aplicados a distintas situaciones tipicas en manejo y conservacion de recursos naturales.


II.RESULTADOS DE APRENDIZAJE

1.Planificar una investigacion aplicada para responder preguntas en el area de los recursos naturales, incluyendo la formulacion de hipotesis y la forma de colectar y manejar los datos.

2.Proponer y analizar dise?os experimentales para determinar efectos de tratamientos en el ambito de los RRNN.

3.Proponer, analizar y aplicar modelos lineales de regresion para el analisis de informacion observacional en el ambito de RRNN.

4.Proponer, analizar y aplicar planes de muestreo que se adapten a situaciones relevantes en investigacion de recursos naturales.

5.Interpretar en forma cuantitativa y estructurada la informacion generada a partir de estudios experimentales y de observacion en el ambito de los recursos naturales.

6.Desarrollar habilidades para el uso del ambiente y lenguaje de programacion R/Rstudio y su posterior aplicacion en el analisis de datos.

7.Demostrar habilidades para resolver problemas aplicados mediante distintas tecnicas de manejo y ciencia de datos.


III.CONTENIDOS

1.Unidad 1. Introduccion
1.1.Fundamentos
1.2.Estructura de la investigacion
1.3.Presentacion de conceptos esenciales para entender la ciencia de datos.
1.4.Uso de herramientas estadisticas y de software para el analisis de datos y la toma de decisiones, y sus aplicaciones en el ambito de los recursos naturales.

2.Unidad 2. Inferencia
2.1.Modelos lineales en recursos naturales: dise?o de experimentos y estudios observacionales
2.2.Inferencia para estimaciones
2.3.Inferencia para predicciones

3.Unidad 3. Analisis de regresion lineal y extensiones
3.1.Modelos matematicos y modelos de datos
3.2.Estimacion y correlacion
3.3.El modelo de RL como un modelo de estimacion
3.4.Supuestos del modelo de RL
3.5.Estimacion de parametros del modelo de RL
3.6.Inferencia en el modelo de RL
3.7.Estadistica de diagnosticos en el modelo de RL
3.8.Seleccion de modelos alternativos
3.9.Verificacion de supuestos y medidas remediales
3.10.Extensiones del modelo de RL: modelos generalizados y modelos mixtos

4.Unidad 4. Estadistica y metodos de muestreo
4.1.Conceptos basicos y definiciones
4.2.Estadistica de poblaciones: parametros, estimadores y estimaciones
4.3.Instrumentos de recoleccion de datos
4.4.Errores muestrales y no muestrales
4.5.Determinacion de tama?os de muestra
4.6.Dise?os muestrales: Muestreo aleatorio simple
4.7.Dise?os muestrales: Muestreo sistematico
4.8.Dise?os muestrales: Muestreo estratificado
4.9.Dise?os muestrales: Estimadores de razon y regresion
4.10.Dise?os muestrales: Muestreo multietapico
4.11.Dise?os muestrales: Muestreo multifasico
4.12.Principios de monitoreo

5.Unidad 5. Analisis y manejo de bases de datos
5.1.Introduccion a R y RStudio, aplicaciones practicas y resolucion de problemas

6.Unidad 6. Recoleccion y analisis de dato cualitativos
6.1.Presentacion de conceptos y fundamentos.
6.2.Fuentes de datos, sus caracteristicas y tratamientos.
6.2.1.Entrevistas grupales
6.2.2.Entrevistas en profundidad
6.2.3.Fuentes de internet
6.2.4.Fuentes audiovisuales
6.2.5.Otras fuentes


IV.ESTRATEGIAS METODOLOGICAS

-Clases expositivas.

-Actividades practicas.

-Trabajos de aplicacion.

-Lecturas de profundizacion.

-Ayudantias.


V.ESTRATEGIAS EVALUATIVAS

-Interrogaciones: 50%

-Controles de lectura: 10%

-Controles practicos: 10%

-Trabajos de aplicacion: 30%


VI.BIBLIOGRAFIA

Minima

Kutner, M.H. et al.(2005). Applied Linear Statistical Models. Mc-Graw Hill. 5th edition.

Lyman Ott, R.(1993). An introduction to statistical methods and data analysis. Duxbury Press. 4th edition.

Manly, B.F & Navarro, J.A.(2015).Introduction to Ecological Sampling. CRC Press.

Silverman, D.(2013).Doing qualitative research (4th.ed.).Los Angeles: Sage.

Wickham, H., & Grolemund, G.(2017).R for Data Science. O?Reilly. https://r4ds.had.co.nz/


Complementaria

Adler, J.(2012). R in a Nutshell: A desktop quick reference. O`Reilly Media Inc CA.

Boehmke, B.(2016). Data Wrangling with R. Springer International Publishing. https://doi.org/10.1007/978-3-319-45599-0

Borcard, D., Gillet, F. and Legendre, P.(2011).Numerical ecology with R. Springer.

De Vries, A and Meys, J.(2012). R for dummies. John Wiley & Sons, Ltd.

James, G., Witten, D., Hastie, T., & Tibshirani, R.(2013). An Introduction to Statistical Learning with Applications in R.

Kabacoff, R.(2011). R in action: Data Analysis and graphics with R. Manning publications.

Schabenberger, O. & Pierce, F.J.(2002).Contemporary Statistical Models for the Plant and Soil Sciences.CRC Press.

Zuur, A., Leno, E.N., Meesters, E.(2009).A Beginner`s Guide to R. Springer.

Zuur, A., Leno, E.N., Walker, N., Saveliev, A.A. and Smith, G.M. (2009).Mixed Effects Models and Extensions in Ecology with R. Srpinger.


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
FACULTAD DE AGRONOMIA E INGENIERIA FORESTAL / SEPTIEMBRE 2022