Haber superado las materias obligatorias de esta titulación. En licenciados que acrediten estudios previos relacionados, queda a criterio de la Comisión decidir si un alumno cuenta con un perfil académico adecuado para cursar esta asignatura.
Competencias propias de la asignatura | |
---|---|
Código | Descripción |
E01 | Conocer, comprender y ser capaz de actualizar los fundamentos teóricos y prácticos de carácter científico-técnico en los que se basa la investigación en fauna y en otros recursos de interés cinegético. |
E05 | Conocer los principios en los que se basan las técnicas más usuales en investigación en fauna silvestre y cinegética. |
E06 | Ser capaz de seleccionar el modelo experimental más adecuado para los objetivos de una investigación científica en fauna silvestre o cinegética. |
E07 | Conocer las etapas de que consta el desarrollo de un proyecto de investigación científica sobre fauna silvestre y otros recursos de interés cinegético. |
E08 | Ser capaz de transmitir el interés por la investigación en recursos cinegéticos, presentando de forma atractiva los avances logrados gracias a la misma, y su impacto a nivel social y en otras áreas de investigación y desarrollo. |
G01 | Poseer la capacidad de aprender en un entorno nuevo y multidisciplinar. |
G02 | Planificar y gestionar de forma óptima el tiempo de trabajo, estableciendo prioridades y en su caso, identificando errores y buscando alternativas. |
G03 | Aprender a trabajar en equipo, aportando orden, abstracción y razonamiento lógico y asumiendo responsabilidades y liderazgo. |
G04 | Saber aplicar los conocimientos adquiridos para la realización de un análisis crítico y síntesis en situaciones existentes y novedosas de diferente grado de complejidad para resolver problemas. |
G05 | Desarrollar la iniciativa y capacidad personal en el planteamiento de hipótesis, el diseño de estudios observacionales y experimentales, y la discusión comparada de resultados. |
G06 | Saber presentar de forma adecuada (oral y escrita) proyectos, informes y defender conclusiones (y los conocimientos y razones últimas que las sustentan) de un modo claro y sin ambigüedades en ámbitos especializados o no. |
G08 | Poseer las habilidades del aprendizaje necesarias para continuar estudiando de un modo que habrá de ser en gran medida, autodirigido y autónomo (aprendizaje a lo largo de la vida), mediante el uso, estudio y actualización de las fuentes adecuadas de conocimiento, incluyendo literatura científicotécnica en inglés y otros recursos on-line. |
G09 | Generar, comunicar, transferir y divulgar el conocimiento científico. |
M67 | Conocimiento de los principios del manejo de datos, software disponible para manejo de datos y análisis estadístico |
M68 | Utilización de los programas estadísticos R y Brodgar. |
M69 | Exploración, transformar y estandarización de datos. |
M70 | Actualización sobre la regresión lineal. |
M71 | Conocer, aplicar y validar los modelos lineares generales para el análisis de datos. |
M72 | Conocer, aplicar y validar los modelos lineares generalizados para el análisis de datos. |
M73 | Conocer, aplicar y validar los modelos lineares generalizados de Poisson para el análisis de datos. |
M74 | Conocer, aplicar y validar los modelos lineares generalizados de regresión logística para el análisis de datos. |
M75 | Conocer, aplicar y validar los modelos mixtos para el análisis de datos. |
M76 | Conocer, aplicar y validar los modelos aditivos para el análisis de datos. |
Resultados de aprendizaje propios de la asignatura | |
---|---|
Descripción | |
Conocer el fundamento y aplicación de los modelos aditivos y generalizados aditivos. | |
Conocer el problema de la jerarquización y la pseudoreplicación de los datos. | |
Conocer el software disponible para análisis estadístico. | |
Conocer el software disponible para manejo de datos. | |
Conocer la adecuación de los modelos lineares generales para el análisis de datos. | |
Conocer la adecuación de los modelos lineares generalizados para el análisis de datos. | |
Conocer los principios del manejo de datos. | |
Actualizar los conocimientos sobre la adecuación de la regresión lineal para el análisis de datos. | |
Explorar datos e identificar outliers. | |
Manejar los programas estadísticos R y Brodgar. | |
Ser capaz de plantear modelos de regresión linear bivariable. | |
Ser capaz de plantear modelos de regresión linear múltiple. | |
Conocer y ser capaz de plantear modelos lineares generalizados de Poisson. | |
Conocer y ser capaz de plantear modelos lineares generalizados de regresión logísticos. | |
Transformar y estandarizar datos. | |
Utilidad de las variables mixtas. | |
Seleccionar y validar modelos lineares generales. | |
Seleccionar y validar modelos lineares generalizados. | |
Seleccionar y validar modelos mixtos. | |
Saber interpretar las gráficas y representar gráficamente dichos resultados | |
Saber interpretar las gráficas y representar gráficamente dichos resultados. | |
Redactar conclusiones sobre dichos contrastes. | |
Redactar resultados. | |
Redactar resultados teniendo en cuenta la jerarquía de efectos factoriales, siendo conscientes de las implicaciones del concepto de interacción en la interpretación de los resultados. | |
Resultados adicionales | |
No se han establecido. |
Actividad formativa | Metodología | Competencias relacionadas (para títulos anteriores a RD 822/2021) | ECTS | Horas | Ev | Ob | Descripción | |
Enseñanza presencial (Teoría) [PRESENCIAL] | Método expositivo/Lección magistral | E01 E05 E06 E07 E08 | 0.4 | 10 | S | N | ||
Prácticas en aulas de ordenadores [PRESENCIAL] | Prácticas | G01 G02 G03 G04 G05 G06 G08 G09 M67 M68 M69 M70 M71 M72 M73 M74 M75 M76 | 1 | 25 | S | N | ||
Resolución de problemas o casos [PRESENCIAL] | Estudio de casos | E05 E06 E07 E08 G01 G02 G03 G04 | 0.5 | 12.5 | S | N | ||
Otra actividad no presencial [AUTÓNOMA] | Estudio de casos | E05 E06 E07 E08 G01 G02 G03 G04 G05 G08 | 1.3 | 32.5 | S | N | ||
Presentación de trabajos o temas [PRESENCIAL] | Estudio de casos | E01 E05 E06 E07 E08 G06 G08 | 0.1 | 2.5 | S | N | ||
Tutorías individuales [PRESENCIAL] | Otra metodología | E01 E05 E06 E07 E08 | 0.2 | 5 | S | N | ||
Elaboración de informes o trabajos [AUTÓNOMA] | Estudio de casos | E05 E06 E07 E08 G02 G08 M67 M68 M69 M70 M71 M72 M73 M74 M75 M76 | 1 | 25 | S | N | ||
Total: | 4.5 | 112.5 | ||||||
Créditos totales de trabajo presencial: 2.2 | Horas totales de trabajo presencial: 55 | |||||||
Créditos totales de trabajo autónomo: 2.3 | Horas totales de trabajo autónomo: 57.5 |
Ev: Actividad formativa evaluable Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)
Sistema de evaluación | Evaluacion continua | Evaluación no continua * | Descripción |
Valoración de la participación con aprovechamiento en clase | 10.00% | 0.00% | |
Resolución de problemas o casos | 60.00% | 0.00% | |
Realización de actividades en aulas de ordenadores | 30.00% | 0.00% | |
Total: | 100.00% | 0.00% |
No asignables a temas | |
---|---|
Horas | Suma horas |
Tema 1 (de 6): Tema 1. Exploración de datos | |
---|---|
Actividades formativas | Horas |
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 10 |
Prácticas en aulas de ordenadores [PRESENCIAL][Prácticas] | 25 |
Resolución de problemas o casos [PRESENCIAL][Estudio de casos] | 12.5 |
Otra actividad no presencial [AUTÓNOMA][Estudio de casos] | 32.5 |
Presentación de trabajos o temas [PRESENCIAL][Estudio de casos] | 2.5 |
Tutorías individuales [PRESENCIAL][Otra metodología] | 5 |
Elaboración de informes o trabajos [AUTÓNOMA][Estudio de casos] | 25 |
Periodo temporal: Febrero-Marzo | |
Grupo 20: | |
Inicio del tema: 01-02-2022 | Fin del tema: 31-03-2023 |
Comentario: Se incluye todos los temas en una única planificación |
Actividad global | |
---|---|
Actividades formativas | Suma horas |