BIG DATA EN CRIMINOLOGÍA
GRADO EN CRIMINOLOGÍA
Curso 2021/2022
1. Datos de la asignatura
(Fecha última modificación: 17-05-21 13:41)- Código
- 106782
- Plan
- 267
- ECTS
- 6.00
- Carácter
- OPTATIVA
- Curso
- 4
- Periodicidad
- Segundo Semestre
- Idioma
- ESPAÑOL
- Área
- BIBLIOTECONOMÍA Y DOCUMENTACIÓN
- Departamento
- Biblioteconomía y Documentación
- Plataforma Virtual
Datos del profesorado
- Profesor/Profesora
- María Yolanda Martín González
- Grupo/s
- Único
- Centro
- Fac. Traducción y Documentación
- Departamento
- Biblioteconomía y Documentación
- Área
- Biblioteconomía y Documentación
- Despacho
- n. 35
- Horario de tutorías
- miércoles y jueves de 10-13 h
- URL Web
- -
- ymargon@usal.es
- Teléfono
- 923 294580 Ext. 3062/3057
- Profesor/Profesora
- José Carlos Toro Pascua
- Grupo/s
- Único
- Centro
- Fac. Traducción y Documentación
- Departamento
- Biblioteconomía y Documentación
- Área
- Biblioteconomía y Documentación
- Despacho
- n. 35
- Horario de tutorías
- Martes de 10 a 13 h.
- URL Web
- -
- jctoro@usal.es
- Teléfono
- 923 294580 Ext. 3044
- Profesor/Profesora
- Críspulo Travieso Rodríguez
- Grupo/s
- Único
- Centro
- Fac. Traducción y Documentación
- Departamento
- Biblioteconomía y Documentación
- Área
- Biblioteconomía y Documentación
- Despacho
- 38
- Horario de tutorías
- Miércoles de 9 a 12h
- URL Web
- https://produccioncientifica.usal.es/investigadores/57534/detalle
- ctravieso@usal.es
- Teléfono
- 923 29 45 80. Ext. 3087
2. Sentido de la materia en el plan de estudios
Bloque formativo al que pertenece la materia.
Esta asignatura se incluye en el grupo de asignaturas optativas ofertadas en 4º curso del Grado en Criminología.
Papel de la asignatura.
Al tratarse de una asignatura de carácter optativo pretende completar la formación que reciben los futuros profesionales de la Criminología mediante el estudio y la aplicación del Big Data en la ciencia criminológica.
Perfil profesional.
La asignatura pretende formar a los futuros responsables de la adquisición, tratamiento, difusión y recuperación de datos masivos en el ámbito de la Criminología...
3. Recomendaciones previas
4. Objetivo de la asignatura
El objetivo principal de esta asignatura es dotar al estudiante de competencias para la correcta localización, gestión y análisis de grandes cantidades de datos heterogéneos, tanto estructurados como no estructurados, de manera que puedan ser transformados en información para llevar a cabo una eficaz toma de decisiones en función de la información obtenida de los datos masivos recuperados, tanto en la prevención, identificación o resolución de problemas de cualquier índole.
Entre los objetivos específicos cabe señalar:
- Conocer los conceptos y elementos que conforman la denominada Ciencia de los Datos
- Identificar los principales conjuntos de datos masivos en Criminología
- Aplicar datos masivos en la detección y prevención del delito
- Conocer las técnicas y procesos propios de la gestión de datos masivos.
- Presentación y uso de diferentes aplicaciones avanzadas de visualización de datos
- Utilización de diferentes Sistemas de Información Geográfica para la creación de mapas del delito
5. Contenidos
Teoría.
Contenidos teóricos:
TEMA 1. Introducción a Big Data: Definición, objetivos y utilidades.
TEMA 2. Aspectos éticos y legales del Big Data
TEMA 3. Procesamiento y gestión de datos masivos.
TEMA 4. Aplicaciones para tratamiento de datos masivos para la Criminología
TEMA 5. El Big Data y la prevención del delito
6. Competencias a adquirir
Básicas / Generales.
CB3. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CB4. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
CB5. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
CG2. Capacidad para trabajar eficazmente en grupo y colaborar con otras personas (incluida la colaboración y el trabajo en red).
Específicas.
CE1. Comprender e integrar correctamente la terminología, los conceptos básicos y las principales aproximaciones teóricas desarrolladas por las ciencias sociales, jurídicas o de la salud, sobre la delincuencia, la victimización y la reacción social hacia la misma.
CE3. Relacionar, manejar e interpretar las principales fuentes de datos sobre delincuencia y victimización y, en consecuencia, elaborar explicaciones básicas sobre las formas específicas de criminalidad
CE8. Confeccionar en el ámbito criminológico, a partir de la selección de datos e informaciones, informes científicos-técnicos para asesorar a las instancias pertinentes sobre la explicación, prevención e intervención de la delincuencia y de la victimización.
Transversales.
Resolución de problemas. Toma de decisiones. Trabajo en equipo. Capacidad de crítica y autocrítica. Capacidad de adaptarse a nuevas situaciones.
7. Metodologías
- Clases teóricas
- Clases prácticas en el aula de informática
- Tutorías y tutorías on-line
- Plataforma virtual Studium
- Prácticas de campo (reales y/o virtuales)
8. Previsión de Técnicas (Estrategias) Docentes
![](https://guias.usal.es/filesg/Metodolog%C3%ADa_77.jpg)
9. Recursos
Libros de consulta para el alumno.
- Big Data Research for Social Sciences and Social Impact (2020). MDPI - Multidisciplinary Digital Publishing Institute. https://doi.org/10.3390/books978-3-03928-221-0
- Colle, R. (2017). Algoritmos, grandes datos e inteligencia en la red: una visión crítica. Universidad de Alicante: Revista Mediterránea de Comunicación. Recuperado de https://rua.ua.es/dspace/bitstream/10045/64707/1/Algoritmos-grandes-datos-e-inteligencia-en-la-red.pdf
- Corso, A.J., Alsudais, A., Hilton B. (2016) Big social data and GIS: Visualize predictive crime. AMCIS 2016: Surfing the IT Innovation Wave - 22nd Americas Conference on Information Systems.
- DeLisi, M. (2016) The big data potential of epidemiological studies for criminology and forensics.(2016) Journal of Forensic and Legal Medicine, 57 , 24 - 27.
- Gutiérrez Puebla, J.; Salas Olmedo, M. H. y García Palomares, J. C. (2016). Big(geo) Data en Ciencias Sociales: retos y oportunidades. Revista de estudios andaluces 33(1), 1-23.
- Hernández Pérez, T. (2016). En la era de la web de los datos: primero datos abiertos, después datos masivos. El profesional de la información 25(4), 517-525.
- Matthew L. Williams, Pete Burnap (2016). Cyberhate on Social Media in the aftermath of Woolwich: A Case Study in Computational Criminology and Big Data, The British Journal of Criminology, 56 (2), 211–238
- Matthew L. Williams, Pete Burnap, Luke Sloan (2017). Crime Sensing With Big Data: The Affordances and Limitations of Using Open-source Communications to Estimate Crime Patterns, The British Journal of Criminology, 57 (2), 320–340.
- Pérez Sanz, C. (2016). Aspectos legales del Big Data. Índice: Revista de Estadística y Sociedad 68, 18-21.
- Robles Morales, J. M.; Rodríguez, J. T.; Caballero Roldán, R.; Gómez González, D. (2020): Big Data para científicos sociales: una introducción. Madrid: Centro de Investigaciones Sociológicas.
- Sancho López, M. y Plaza Penadés, J. (2020). Derecho al olvido y Big Data: dos realidades convergentes. Valencia: Tirant lo Blanca.
- Stangeland, P y Garrido de los Santos, M:J. (2004). El mapa del crimen: herramientas geográficas para policías y criminólogos. Valencia: Tirant lo Blanch.
10. Evaluación
Consideraciones generales.
Se valorará la ejecución de las pruebas presenciales y no presenciales así como la participación en todas las actividades propuestas en el/a profesor/a.
Criterios de evaluación.
- Tareas realizadas durante el curso derivadas de las clases teóricas y prácticas (40%).
- Trabajo final sobre los contenidos relativos a la asignatura (40%).
- Asistencia y participación activa en las clases (20%)
Instrumentos de evaluación.
Dossier de prácticas evaluables (individuales y en grupo)
Recomendaciones para la evaluación.
- Se recomienda la asistencia a clase y el estudio diario de los contenidos expuestos.
- Se recomienda la realización cotidiana de las prácticas propuestas por los profesores.
Recomendaciones para la recuperación.
La calificación obtenida de las actividades realizadas y superadas durante el cuatrimestre se guardará para hacer la calificación final en la segunda convocatoria.