Perfiles o Itinerarios
El Máster en Metodología de las Ciencias del Comportamiento y de la Salud permite formar a los estudiantes en múltiples perfiles, con objetivos formativos específicos y ámbitos de actuación profesionales diferentes. Ello se consigue eligiendo las asignaturas troncales y optativas cuyos contenidos estén más alineados con los intereses de cada uno.
El contenido de cada asignatura puede hallarlo en su guía docente, que hallará pinchando en la pestaña del menú de la izquierda correspondiente al curso actual.
Las asignaturas obligatorias proporcionan una formación básica que abarca 30 créditos. Estos créditos pueden obtenerse matriculando cinco asignaturas obligatorias o cuatro asignaturas obligatorias y dos seminarios, por lo que el margen de elección está limitado y se puede seleccionar una asignatura obligatoria de la que prescindir.
En las asignaturas optativas que permiten completar los 42 créditos de optatividad del máster. Estos créditos pueden obtenerse todos ellos mediante asignaturas optativas, o suplir una parte de los créditos de optatividad mediante seminarios.
El número máximo de créditos que pueden obtenerse por seminarios es 12. Los créditos por seminarios pueden sustituir a una de las asignaturas obligatorias o emplearse como créditos de optatividad.
El trabajo de fin de máster consta de 18 créditos, que junto con los 30 de formación básica y los 42 de optatividad permiten completar los 90 créditos del máster.
Con el fin de orientar en la elección de la asignaturas, la Comisión de Coordinación Interuniversitaria ha propuesto unos itinerarios con las asignaturas optativas y seminarios recomendables para diferentes perfiles de intereses. Dichas propuestas son meramente orientativas, el alumno puede elegir cualquier combinación de asignaturas o seminarios aunque no aparezca reflejada en ningún itinerario.
Los itinerarios son:
1. Diseños de investigación y análisis de datos
Perfil 1. Diseños de investigación y análisis de datos
Objetivos de Formación
1. Aprender a elaborar
protocolos de investigación incluyendo el diseño y las fases de
desarrollo.
2. Conocer los diferentes métodos de muestreo y las técnicas de
recogida de datos.
3. Manejar el procesamiento informático de los datos y aprender a
prepararlos para el análisis.
4. Analizar datos identificando diferencias y relaciones. Esto implica
conocer las herramientas de análisis utilizadas en el contexto de la
metodología de las ciencias del comportamiento y de la salud y
reconocer en qué situación concreta es aplicable cada una de ellas.
5. Aprender a evaluar de forma solvente programas de intervención en
otras áreas.
6. Aprender a elaborar informes de investigación.
Itinerario sugerido
A los estudiantes interesados en el perfil de Diseños de investigación y análisis de datos, se les sugiere tomar las siguientes asignaturas optativas y/o seminarios prácticos:
| Diseños de investigación y análisis de datos | |||
| C1 : Asignatura de
primer cuatrimestre C2 : Asignatura de segundo cuatrimestre C3 : Asignatura de tercer cuatrimestre C4 : Asignatura de cuarto cuatrimestre |
PRESENCIAL | A DISTANCIA | |
| Primer curso | |||
| Asignaturas Obligatorias - Escoger 4 o 5 | |||
| Diseños de investigación avanzados | C1 |
C1 | |
| Análisis de datos y modelos estadísticos | C1 |
C1 | |
| Medición | C1 |
C1 | |
| Modelos de procesos cognitivos | C1 |
C1 | |
| Métodos informáticos | C1 |
C1 | |
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Modelos lineales | C2 | C2 | |
| Análisis bayesiano de datos | C2 | C2 | |
| Meta-análisis | C2 | C2 | |
| Metodologías cualitativas | C2 | C2 | |
| Técnicas de simulación | C2 |
C2 | |
| Aprendizaje automático supervisado | C2 |
C2 | |
| Seminarios - Escoger entre 0 y 4 |
|||
| Análisis de valores perdidos e imputación de respuestas | C2 | ||
| Programación avanzada en R | C2 |
||
| Técnicas no paramétricas | C2 | ||
| Evaluación de programas | C2 | ||
| Segundo curso | |||
| Asignaturas Optativas - Escoger
entre 5 y 7 |
|||
| Aprendizaje automático no supervisado | |
||
| Seminarios - Escoger entre 0 y 4 |
|||
| Programación en Python | C3 |
||
| Cómo desarrollar una investigación | C3 | ||
| Competencias genéricas en información | C3 | ||
| Elegir TFM y prácticas | |||
| Trabajo de Fin de Máster y prácticas | C3 C4 | C3 C4 | |
Perfil 2. Medición y evaluación
Objetivos de Formación
1. Adquirir las
competencias necesarias para construir instrumentos de evaluación
psicológica y estudiar sus propiedades desde los modelos psicométricos
apropiados.
2. Conocer los modelos psicométricos clásicos y modernos y los métodos
asociados para estudiar la calidad psicométrica de las mediciones
realizadas.
3. Dominar los métodos estadísticos adecuados para estudiar las
propiedades psicométricas de las puntuaciones obtenidas o estimadas a
partir de las respuestas a los tests.
4. Adquirir las destrezas fundamentales con diversos programas
informáticos para aplicar los modelos en contextos reales de
evaluación.
5. Ser competentes para elaborar informes técnicos sobre todo lo
anterior.
Itinerario sugerido
A los estudiantes interesados en el perfil de Medición y evaluación se les sugiere tomar las siguientes asignaturas optativas y/o seminarios prácticos:
| Medición y evaluación |
|||
| C1 : Asignatura de
primer cuatrimestre C2 : Asignatura de segundo cuatrimestre C3 : Asignatura de tercer cuatrimestre C4 : Asignatura de cuarto cuatrimestre |
PRESENCIAL | A DISTANCIA | |
| Primer curso | |||
| Asignaturas Obligatorias - Escoger 4 o 5 | |||
| Diseños de investigación avanzados | C1 |
C1 | |
| Análisis de datos y modelos estadísticos | C1 |
C1 | |
| Medición | C1 |
C1 | |
| Modelos de procesos cognitivos | C1 |
C1 | |
| Métodos informáticos | C1 |
C1 | |
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Modelos lineales | C2 | C2 | |
| Análisis factorial | C2 | ||
| Modelos de ecuaciones estructurales | C2 | C2 | |
| Análisis bayesiano de datos | C2 | C2 | |
| Validez | C2 |
||
| Técnicas de simulación | C2 |
C2 | |
| Aprendizaje automático supervisado | C2 |
C2 | |
| Evaluación de la calidad de los tests en estudios psicométricos | C2 | ||
| Teoría de respuesta al ítem. Modelos | C2 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Análisis de valores perdidos e imputación de respuestas | C2 | ||
| Programación avanzada en R | C2 |
||
| Investigación por encuestas | C2 | ||
| Evaluación de programas | C2 | ||
| Segundo curso | |||
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Análisis de redes sociales y psicométricas | C3 |
C3 |
|
| Teoría de respuesta al ítem. Aplicaciones | C3 | C3 | |
| Aprendizaje automático no supervisado | |
||
| Seminarios - Escoger entre 0 y 4 |
|||
| Programación en Python | C3 |
||
| Métodos psicofísicos | C3 |
||
| Cómo desarrollar una investigación | C3 | ||
| Competencias genéricas en información | C3 | ||
| Elegir TFM y prácticas | |||
| Trabajo de Fin de Máster y prácticas | C3 C4 | C3 C4 | |
Objetivos de Formación
1. Familiarizarse con
la creación de modelos de procesos, sistemas y estructuras en ciencias
del comportamiento y de la salud.
2. Conocer herramientas formales para modelizar procesos, determinar
sus propiedades y derivar predicciones sobre el comportamiento de la
realidad que representan, de los detalles de la relación
hombre-máquina y aprender a formular modelos que la describan.
3. Estudiar algunas áreas de aplicación como el análisis de sistemas,
las redes neuronales o la tecnología del conocimento.
4. Cualificar al alumno para el trabajo en equipos multidisciplinares
dedicados al desarrollo eficiente de herramientas de evaluación y de
sistemas de información y comunicaciones complejos, accesibles e
innovadores.
Itinerario sugerido
A los estudiantes interesados en le perfil de Modelado de procesos, se les sugiere tomar las siguientes asignaturas optativas y/o seminarios prácticos:
| Modelado de procesos |
|||
| C1 : Asignatura de
primer cuatrimestre C2 : Asignatura de segundo cuatrimestre C3 : Asignatura de tercer cuatrimestre C4 : Asignatura de cuarto trimestre |
PRESENCIAL | A DISTANCIA | |
| Primer curso | |||
| Asignaturas Obligatorias - Escoger 4 o 5 | |||
| Diseños de investigación avanzados | C1 |
C1 | |
| Análisis de datos y modelos estadísticos | C1 |
C1 | |
| Medición | C1 |
C1 | |
| Modelos de procesos cognitivos | C1 |
C1 | |
| Métodos informáticos | C1 |
C1 | |
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Modelos lineales | C2 | C2 | |
| Análisis factorial | C2 | ||
| Modelos de ecuaciones estructurales | C2 | C2 | |
| Análisis bayesiano de datos | C2 | C2 | |
| Técnicas de simulación | C2 |
C2 | |
| Aprendizaje automático supervisado | C2 |
C2 | |
| Modelos de redes neuronales | C2 |
C2 | |
| Teoría de respuesta al ítem. Modelos | C2 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Análisis de valores perdidos e imputación de respuestas | C2 | ||
| Programación avanzada en R | C2 |
||
| Segundo curso | |||
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Análisis de redes sociales y psicométricas | C3 |
C3 |
|
| Teoría de respuesta al ítem. Aplicaciones | C3 | ||
| Aprendizaje automático no supervisado | |
||
| Análisis de neuroimágenes | C3 |
||
| Análisis de señales y sistemas | C3 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Programación en Python | C3 |
||
| Métodos psicofísicos | C3 |
||
| Cómo desarrollar una investigación | C3 | ||
| Competencias genéricas en información | C3 | ||
| Elegir TFM y prácticas | |||
| Trabajo de Fin de Máster y prácticas | C3 C4 | C3 C4 | |
Perfil 4. Investigación clínica
Objetivos de Formación
1. Conocer la fundamentación de la medición en los ámbitos de medicina, neurociencia, psicología clínica y ciencias biomédicas.
2. Aprender y practicar la medición de variables subjetivas y la medición indirecta de tamaño y forma de estructuras anatómicas en las modalidades de imagen biomédica más utilizadas (TC, RM, OCT, RMF, PET, etc)
2. Conocer los diseños de investigación más utilizados en ámbitos clínicos, junto con sus exigencias éticas y legales.
3. Aprender a seleccionar el diseño más adecuado para cada problema y saber aplicarlo correctamente, eligiendo las muestras y su tamaño, así como las variables a medir y los métodos a utilizar, en función de las hipótesis y los conocimientos disponibles.
4. Conocer y practicar con las herramientas informáticas disponibles para análisis de los datos y medición.
5. Aprender a interpretar con precisión los resultados y a elaborar los correspondientes informes y publicaciones científicas.
La tabla siguiente ofrece un resumen esquemático del perfil de Investigación clínica:
| Investigación clínica |
|||
| C1 : Asignatura de
primer cuatrimestre C2 : Asignatura de segundo cuatrimestre C3 : Asignatura de tercer cuatrimestre C4 : Asignatura de cuarto trimestre |
PRESENCIAL | A DISTANCIA | |
| Primer curso | |||
| Asignaturas Obligatorias - Escoger 4 o 5 | |||
| Diseños de investigación avanzados | C1 |
C1 | |
| Análisis de datos y modelos estadísticos | C1 |
C1 | |
| Medición | C1 |
C1 | |
| Modelos de procesos cognitivos | C1 |
C1 | |
| Métodos informáticos | C1 |
C1 | |
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Modelos lineales | C2 | C2 | |
| Análisis factorial | C2 | ||
| Modelos de ecuaciones estructurales | C2 | C2 | |
| Análisis bayesiano de datos | C2 | C2 | |
| Metodologías cualitativas | C2 | C2 | |
| Validez | C2 |
||
| Aprendizaje automático supervisado | C2 |
C2 | |
| Modelos de redes neuronales | C2 |
C2 | |
| Investigación epidemiológica | C2 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Técnicas no paramétricas | C2 | ||
| Investigación por encuestas | C2 | ||
| Evaluación de programas | C2 | ||
| Segundo curso | |||
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Análisis de redes sociales y psicométricas | C3 |
C3 |
|
| Teoría de respuesta al ítem. Aplicaciones | C3 | C3 | |
| Aprendizaje automático no supervisado | |
||
| Análisis de neuroimágenes | C3 |
||
| Medición en el ámbito clínico | C3 | ||
| Análisis de señales y sistemas | C3 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Programación en Python | C3 |
||
| Métodos psicofísicos | C3 |
||
| Cómo desarrollar una investigación | C3 | ||
| Competencias genéricas en información | C3 | ||
| Elegir TFM y prácticas | |||
| Trabajo de Fin de Máster y prácticas | C3 C4 | C3 C4 | |
Perfil 5. Ciencia de datos y aprendizaje automático
Objetivos de Formación
- Familiarizarse con la problemática que plantean los datos masivos en las ciencias del comportamiento y de la salud, especializándose en la vertiente actualmente denominada analítica de datos (big data analytics) y ciencia de datos (data science).
- Conocer las técnicas y algoritmos de aprendizaje automático para crear diferentes tipos de modelos (clasificatorios, regresión, asociativos, ...) y los criterios y métodos para seleccionar los más adecuados.
- Conocer y practicar con las principales herramientas y software disponibles en la actualidad.
- Entrenarse en la aplicación de estas técnicas a problemas concretos en el ámbito del comportamiento y la salud.
La tabla siguiente recoge las asignaturas sugeridas para quienes estén interesados en el perfil de Ciencia de datos y aprendizaje automático:
| Ciencia de datos y aprendizaje
automático |
|||
| C1 : Asignatura de
primer cuatrimestre C2 : Asignatura de segundo cuatrimestre C3 : Asignatura de tercer cuatrimestre C4 : Asignatura de cuarto trimestre |
PRESENCIAL | A DISTANCIA | |
| Primer curso | |||
| Asignaturas Obligatorias - Escoger 4 o 5 | |||
| Diseños de investigación avanzados | C1 |
C1 | |
| Análisis de datos y modelos estadísticos | C1 |
C1 | |
| Medición | C1 |
C1 | |
| Modelos de procesos cognitivos | C1 |
C1 | |
| Métodos informáticos | C1 |
C1 | |
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Modelos lineales | C2 | C2 | |
| Análisis factorial | C2 | ||
| Modelos de ecuaciones estructurales | C2 | C2 | |
| Análisis bayesiano de datos | C2 | C2 | |
| Técnicas de simulación | C2 |
C2 | |
| Aprendizaje automático supervisado | C2 |
C2 | |
| Modelos de redes neuronales | C2 |
C2 | |
| Teoría de respuesta al ítem. Modelos | C2 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Análisis de valores perdidos e imputación de respuestas | C2 | ||
| Programación avanzada en R | C2 |
||
| Técnicas no paramétricas | C2 | ||
| Segundo curso | |||
| Asignaturas Optativas - Escoger entre 5 y 7 | |||
| Análisis de redes sociales y psicométricas | C3 |
C3 |
|
| Teoría de respuesta al ítem. Aplicaciones | C3 | C3 | |
| Aprendizaje automático no supervisado | C3 |
|
|
| Análisis de neuroimágenes | C3 |
||
| Análisis de señales y sistemas | C3 | ||
| Seminarios - Escoger entre 0 y 4 |
|||
| Programación en Python | C3 |
||
| Métodos psicofísicos | C3 |
||
| Elegir TFM y prácticas | |||
| Trabajo de Fin de Máster y prácticas | C3 C4 | C3 C4 | |