Curso Ciencias Sociales Computacionales Aplicadas

Integra análisis de datos, machine learning, redes sociales y simulaciones para investigar fenómenos sociales con enfoque computacional y ético.

FOLLETO MATRICÚLATE

FECHAS Y HORARIOS

Inicio: 22 de octubre de 2026
Término: 26 de noviembre de 2026

Horario: Todos los jueves de 18:30a 20:00 hrs

Zona Horaria:
GMT-4 entre 5/Apr/2026 y 7/Sep/2026

MODALIDAD Y LUGAR

Modalidad: Zoom (Online en Vivo)

Online

PRECIO

Arancel con 20% dto.
~~CLP $180.000~~ | CLP $144.000

• Hasta 12 cuotas sin interés con tarjeta de crédito.

DESCUENTOS

* La modalidad, sede y fecha de inicio de los programas están sujetos a modificaciones.

Herramientas avanzadas para datos sociales

Uso de scraping, APIs, análisis de redes y aprendizaje automático aplicado a problemas de investigación social.

Enfoque interdisciplinario y metodológico

Combina sociología, estadística e informática para ampliar el tipo de preguntas que pueden abordarse en políticas públicas.

Ética, sesgos y uso responsable de big data

Formación crítica sobre privacidad, sesgos algorítmicos y límites del uso de datos masivos en decisiones públicas.

Información del Programa

Mauricio Salgado . Dirección Académica

Bienvenida

Este curso es una invitación a entrar al campo de las ciencias sociales computacionales desde una perspectiva aplicada y crítica: qué preguntas abre, qué datos y métodos moviliza, y cómo se evalúa la calidad de la evidencia cuando trabajamos con rastros digitales, aprendizaje automático, redes y simulaciones. Abordaremos ejemplos típicos de investigación y problemas públicos, no para convertir técnicas en “caja negra”, sino para desarrollar criterio: cómo escoger enfoques, cómo interpretar halla...

Objetivos

El objetivo general es ofrecer una introducción sistemática a las ciencias sociales computacionales, abordando los principales enfoques metodológicos y los tipos de preguntas de investigación que permiten formular. El objetivo específico es que el estudiantado domine los fundamentos de la extracción de datos en línea, el análisis de redes, el aprendizaje automático aplicado a datos sociales, las simulaciones basadas en agentes y la reflexión ética sobre el uso de datos masivos, de modo que pueda...

¿A quién va dirigido?

Principalmente a cientistas sociales interesados en herramientas de frontera para investigar y analizar fenómenos contemporáneos (datos digitales, redes, machine learning, simulación), y a profesionales de otras áreas que busquen comprender y usar estas herramientas con fines analíticos o de toma de decisiones. El curso está pensado para un público amplio: no exige una trayectoria previa específica, pero sí interés en integrar razonamiento social con enfoques computacionales y reflexionar sobre ...

Introducción y contexto.

Se revisa la evolución histórica de las ciencias sociales computacionales, el concepto de huella digital y el surgimiento del campo como intersección entre ciencias sociales, informática y estadística. Se discute qué aporta este enfoque respecto a las metodologías tradicionales y cómo reconfigura la formulación de preguntas empíricas.

Datos digitales y métodos de recolección.

Se presentan técnicas de recopilación de datos en redes sociales, uso de APIs, scraping y manejo de grandes volúmenes de información. Se analizan las oportunidades del big data y sus principales limitaciones, con énfasis en sesgos de selección, cobertura y representatividad en el diseño de estudios.

Aprendizaje automático y análisis predictivo.

Se introduce el aprendizaje automático supervisado y no supervisado aplicado a datos sociales (clasificación, regresión, clustering). Se revisan ejemplos ilustrativos utilizando plataformas accesibles de aprendizaje automático y se discute en qué medida las decisiones algorítmicas pueden reproducir, amplificar o visibilizar desigualdades sociales.

Análisis de redes sociales.

Se introducen conceptos centrales del análisis de redes: nodos, aristas, grado, centralidad, comunidades, triángulos y estructuras locales. Se exploran pequeños ejemplos de redes sociales y se presentan herramientas de software para visualizar y describir redes en contextos de investigación social.

Simulaciones y modelos basados en agentes.

Se explica el uso de simulaciones computacionales como laboratorios virtuales para explorar dinámicas sociales. Se presenta el modelo dinámico de segregación de Thomas Schelling como ejemplo de “sociedad artificial”, mostrando cómo programar interacciones sencillas entre agentes y observar patrones emergentes en segregación u otros fenómenos.

Ética y políticas en ciencias sociales computacionales.

Se discute el impacto social y ético del uso de datos masivos, algoritmos y modelos en investigación y diseño de políticas. Se revisan casos sobre privacidad, sesgos algorítmicos y vigilancia, y se reflexiona sobre regulaciones, principios de buenas prácticas y la tensión entre innovación científica y responsabilidad social.