Esta asignatura se incluye en el grupo de asignaturas optativas ofertadas en 4º curso del Grado en Criminología.

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.

La asignatura pretende formar a los futuros responsables de la adquisición, tratamiento, difusión y recuperación de datos masivos en el ámbito de la Criminología...

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

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).

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.

Resolución de problemas. Toma de decisiones. Trabajo en equipo. Capacidad de crítica y autocrítica. Capacidad de adaptarse a nuevas situaciones.

• 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.

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.

• 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%)

Dossier de prácticas evaluables (individuales y en grupo)

• 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.

La calificación obtenida de las actividades realizadas y superadas durante el cuatrimestre se guardará para hacer la calificación final en la segunda convocatoria.