Herramientas para el análisis de políticas de drogas

En este curso los estudiantes van a adquirir competencias para comprender y evaluar críticamente las políticas de drogas, y los diferentes efectos que estas generan. El campo de las políticas de drogas, tal vez más que muchos otros, es muy sensible a las posiciones ideológicas y a los valores personales. Sin embargo, la acumulación científica en esta área es cada vez mayor, y es importante conocerla para que las políticas de drogas estén basadas en evidencia. El curso busca que los/las estudiantes comprendan las causas y efectos de distintas políticas de drogas, conozcan los diferentes enfoques disciplinares con los que se trabaja en el área, y se familiaricen con las distintas estrategias analíticas.

>> Ver programa

Instructora

Profesora asociada del Departamento de CIencias Sociales, UCU.
Doctora en Ciencia Política por la University of Pittsburgh
 

Diseño de Diferencias en Diferencias

Horario a confirmar
Costo: $ 8.580

>> Inscripción próximamente

Descripción: 

El  diseño de Diferencias en Diferencias ("Difference-in-differences", o DiD) es una de las herramientas más populares y creíbles para la evaluación de programas y políticas públicas con datos no experimentales. La idea de este diseño es comparar la evolución temporal de un grupo de unidades (como individuos, hogares o firmas) expuestos a una cierta política con la evolución de otro grupo no afectado por dicha política. Bajo ciertos supuestos, discutidos en detalle en el curso, DiD permite identificar el efecto causal de la política, controlando de forma flexible por factores observables y no observables. El uso de los diseños de DiD se extiende actualmente a la economía, ciencia política, sociología, ciencias de la educación, ciencias de la salud, ciencias ambientales y muchas otras áreas.

El curso se enfocará en aspectos metodológicos y prácticos, proveyendo fundamentos teóricos en la medida en que contribuyan a entender y mejorar la práctica empírica. Todos los temas discutidos en el curso serán ilustrados con aplicaciones empíricas interactivas utilizando software estadístico (R y Stata).

>> Ver programa

Instructor 

Gonzálo Vázquez-Bare
 

Introducción a la IA para Científicos Sociales

Horario a confirmar
Costo: $ 8.580

>> Inscripción próximamente

Descripción:

Este curso ofrece una introducción aplicada a la Inteligencia Artificial y el Machine Learning orientada a estudiantes de ciencias sociales que ya cuentan con experiencia previa en R. A lo largo de un formato intensivo y presencial, se abordan los fundamentos de la IA, el aprendizaje supervisado y no supervisado, el análisis computacional de texto y el uso de modelos de lenguaje extensos (LLMs) como herramientas de investigación. El curso prioriza la intuición analítica y la aplicación práctica de métodos sobre la formalización matemática, utilizando RStudio y el ecosistema tidyverse y tidymodels. Asimismo, se promueve una reflexión crítica sobre los alcances, limitaciones, sesgos y desafíos éticos asociados al uso de sistemas de IA en la investigación social.

>> Ver programa

Instructor

Danilo Freire
 

Texto como Datos: Métodos Computacionales en Ciencias Sociales

Horario a confirmar
Costo: $ 8.580

>> Inscripción próximamente

Descripción:

Este curso introduce a estudiantes y profesionales de las ciencias sociales en el enfoque de texto como datos, incorporando métodos computacionales para el análisis sistemático de grandes volúmenes de información textual. A partir de herramientas provenientes del procesamiento del lenguaje natural (NLP) y el machine learning, el curso aborda técnicas de preprocesamiento de texto, aprendizaje no supervisado y supervisado, análisis de sentimientos y modelos basados en embeddings. El enfoque es aplicado y orientado a problemas sustantivos de investigación social, como el análisis del discurso político, las noticias y la comunicación de políticas públicas.

>> Ver programa

Instructora



Ayelén Vanegas es doctora en Ciencia Política por la Universidad de Carolina del Norte (UNC Chapel Hill, Estados Unidos) y magíster en Economía Aplicada por la Universidad Torcuato Di Tella (UTDT, Argentina). Actualmente se desempeña como profesora e investigadora del Departamento de Ciencias Sociales de la UCU.
 

Estudios de Caso Mediante Process Tracing

Horario a confirmar
Costo: $ 8.580

>> Inscripción próximamente 

¿Por qué es importante para el mercado laboral?

En el mercado laboral actual, tanto en el sector público como privado, existe una creciente demanda de profesionales capaces de realizar análisis causales robustos para fundamentar decisiones estratégicas y evaluación de políticas. Las habilidades que proporciona este curso —como la capacidad de rastrear procesos causales, analizar mecanismos de cambio, seleccionar casos estratégicamente y trabajar con evidencia de manera sistemática— son altamente valoradas en organizaciones internacionales, consultorías de políticas públicas, unidades de evaluación gubernamental, y centros de investigación aplicada. La competencia en process-tracing permite a los profesionales ir más allá de identificar correlaciones para comprender realmente cómo y por qué ocurren los fenómenos sociales, económicos o políticos, ofreciendo explicaciones causales que sustentan recomendaciones de política o intervenciones más efectivas. Esta capacidad analítica diferencia a los profesionales en contextos donde se requiere evaluar programas, entender fracasos o éxitos de implementación, o diseñar intervenciones basadas en evidencia rigurosa.

¿Por qué es importante este curso para académicos?

Para investigadores y académicos en ciencias sociales, este curso ofrece herramientas metodológicas fundamentales que fortalecen la calidad y rigurosidad de la investigación cualitativa. El dominio del process-tracing y los estudios de caso permite realizar inferencias causales sólidas, construir y refinar teorías, y analizar mecanismos causales de manera sistemática, superando algunas de las limitaciones tradicionales de los métodos cualitativos. La capacidad de integrar fundamentos bayesianos, trabajar con evidencia empírica de forma rigurosa, y combinar el process-tracing con otros métodos de investigación amplía considerablemente el repertorio metodológico del investigador. Esto resulta especialmente valioso para quienes buscan publicar en revistas académicas de alto impacto, donde la transparencia metodológica y la solidez de las inferencias causales son criterios cada vez más exigentes.

>> Ver programa

Instructora



Cecilia Rossel es doctora en Gobierno y Administración Pública por Instituto Ortega y Gasset, Universidad Complutense de Madrid (España). Actualmente se desempeña como profesora e investigadora del Departamento de Ciencias Sociales de la UCU.

Visualización de datos

Horario a confirmar
Costo: $ 8.580

>> Inscripción próximamente 

¿Por qué es importante este curso para el mercado laboral? 

En el mercado laboral actual, la capacidad de analizar y comunicar datos se ha convertido en una habilidad crítica prácticamente en todas las industrias. Las empresas buscan profesionales que puedan ir más allá de la simple recopilación de datos y sean capaces de extraer insights significativos y presentarlos de manera atractiva. Sectores como tecnología, finanzas, marketing, consultoría y medios de comunicación valoran enormemente profesionales que puedan convertir datos complejos en narrativas claras que informen la toma de decisiones. Este curso proporciona herramientas concretas en R que son altamente demandadas, mejorando significativamente la empleabilidad y las posibilidades de desarrollo profesional en un mundo cada vez más orientado a los datos.

¿Por qué es importante para académicos? 

Este curso es crucial para académicos porque les permite transformar investigaciones complejas en visualizaciones claras y comprensibles. En el ámbito académico, la capacidad de comunicar resultados de manera efectiva es tan importante como la investigación misma. Las herramientas de visualización de datos permiten sintetizar grandes volúmenes de información en gráficos que pueden comunicar rápidamente hallazgos importantes, facilitando la difusión del conocimiento entre colegas, estudiantes y audiencias más amplias. Además, dominar técnicas de storytelling con datos mejora significativamente la capacidad de publicación en revistas científicas y presentaciones en conferencias, donde la claridad visual puede marcar la diferencia en la recepción de una investigación. 

En este curso intensivo de visualización de datos y storytelling, los participantes aprenderán a transformar conjuntos de datos complejos en narrativas visuales convincentes utilizando R y la librería ggplot2. A través de análisis prácticos de datasets de Netflix, Spotify y V-Dem, los estudiantes desarrollarán habilidades fundamentales para extraer insights significativos y 
comunicarlos de manera efectiva. El curso cubrirá técnicas avanzadas de manipulación de datos con tidyverse, creación de gráficos estadísticos profesionales, y estrategias para construir una historia coherente que vaya más allá de la simple presentación de números.

>> Ver programa

Instructor 



Mateo Villamizar es PhD en Ciencia Política (Duke). Magíster en Asuntos internacionales (University of California, San Diego). MA Ciencia Política (Universidad de los Andes), Economista y Politólogo (Universidad de los Andes).

Integrante del Departamento de Ciencias Sociales de la UCU.
 

Métodos Experimentales en las Ciencias del Comportamiento

Horario a confirmar
Costo: $ 8.580

>> Inscripción próximamente

¿Por qué es importante este curso para el mercado laboral? 

El curso es valioso en el mercado laboral porque la toma de decisiones basada en evidencia es crucial en el mundo empresarial actual. Las empresas necesitan profesionales capaces de diseñar pruebas A/B, optimizar productos y procesos, y liderar proyectos de innovación basados en datos. Estas habilidades son especialmente valoradas en sectores como desarrollo de productos, marketing digital, encuestadoras e incluso en otras áreas como la farmacéutica.

¿Por qué es importante para académicos? 

El curso es clave para académicos porque proporciona herramientas fundamentales para realizar investigaciones rigurosas, identificando relaciones de causalidad de manera precisa. Esto permite producir evidencia científica sólida y confiable, esencial para el avance del conocimiento en disciplinas como psicología, economía, sociología y ciencias políticas. El diseño experimental tiene además una aplicación transdisciplinaria, siendo útil en áreas como educación, salud, marketing y políticas públicas. Los académicos podrán utilizar estos métodos para evaluar intervenciones, probar teorías y mejorar la toma de decisiones basada en datos. Existen numerosos journals de primer nivel que publican asiduamente estudios experimentales. 

Este curso aborda los fundamentos del diseño experimental, una herramienta esencial para la investigación científica y la toma de decisiones basada en evidencia. Los estudiantes aprenderán a formular hipótesis, identificar variables dependientes e independientes, y establecer grupos de control. Se cubrirán diseños experimentales básicos y avanzados, incluyendo diseños completamente aleatorizados, factoriales y de bloques.

>> Ver programa

Instructor 

Marcos Cardozo es doctor en Economía, Indiana University (EE.UU). Magíster en Economía, Universidad de Montevideo (Uruguay). Licenciado en Economía, Universidad ORT (Uruguay).
Integrante del Departamento de Administración y Negocio de UCU
 

Modelos categóricos, de elección y conteo

Horario a confirmar
Costo: $ 8.580

>> Inscripción proximamente 

¿Por qué es importante este curso para el mercado laboral? 

En el mercado laboral, las habilidades enseñadas en este curso son altamente demandadas en áreas como análisis de datos, consultoría, políticas públicas, marketing y finanzas. Muchas organizaciones necesitan profesionales capaces de analizar datos categóricos y de conteo, como las elecciones de consumidores, clasificación de riesgos, y predicción de frecuencias de eventos. 

¿Por qué es importante para académicos? 

El curso ofrece herramientas metodológicas avanzadas para analizar datos categóricos, de elección discreta y de conteo, comunes en disciplinas como economía, ciencias políticas y sociología. Su enfoque práctico en R permite aplicar estas metodologías a problemas reales, fortaleciendo la capacidad de los académicos para producir investigaciones rigurosas, publicables y aplicables a temas complejos. 


Este curso ofrece una introducción orientada a la aplicación de modelos estimados por máxima verosimilitud (Maximum Likelihood Estimation - MLE) para datos categóricos, de elección discreta y de conteo. Abordamos conceptos básicos de estimación de ML y una discusión de los fundamentos teóricos de los modelos categóricos, de elección discreta y de datos de conteo. Nos enfocamos en explorar modelos de regresión logística y probit y aprendemos cómo aplicarlos en el paquete de software estadístico R.

>> Ver programa

Instructor 

José Rivero es doctor en Ciencias Económicas- ThEMA (Théorie Economique, Modélisation et Applications) - CY Cergy Paris Université. Magíster in Economic Theory and Econometrics - Toulouse School of Economics (Toulouse School of Economics). Magíster en Economía Internacional (UdelaR, Uruguay).
Integrante del Departamento de Administración y Negocio de la UCU

Trabajo de Campo y Entrevistas

Horario a confirmar
Costo: $ 8.580

>> Inscripciones próximamente 

Este curso proporciona herramientas teóricas y prácticas para realizar trabajo de campo y entrevistas en las Ciencias Sociales. Los estudiantes aprenderán a diseñar, conducir y analizar entrevistas, abordando aspectos éticos, logísticos y técnicos. El curso combina sesiones expositivas con talleres prácticos, donde se integran lecturas académicas y actividades aplicadas. Está orientado a quienes deseen fortalecer sus habilidades cualitativas en el marco de investigación académica o aplicada<

>> Ver programa

Instructora

Inés Fynn es doctora en Ciencia Política por la Pontificia Universidad Católica de Chile. Licenciada en Sociología, UCU.
Integrante del Departamento de CIencias Sociales de la UCU.
 

Analítica financiera

Horario a confirmar
Costo: $ 8.580
Inscripción próximamente

¿Por qué es importante este curso para el mercado laboral?

Aporta una ventaja competitiva al poder extraer, procesar, visualizar y analizar datos financieros con herramientas como R, que son ampliamente utilizadas en el sector financiero y empresarial.
Permite desarrollar competencias en el manejo de datos financieros utilizando fuentes relevantes y abundantes de información financiera.

¿Por qué es importante para académicos?

Brinda la oportunidad de aplicar conceptos y métodos estadísticos para el análisis de series financieras, una de las áreas más desafiantes y demandadas de la estadística aplicada.
Facilita la comprensión de los hechos estilizados en las series financieras, que son fenómenos empíricos que tienen implicaciones teóricas y prácticas.

 

Este curso busca desarrollar habilidades de procesamiento y análisis de series financieras. El curso proporciona herramientas de Business Analytics para extraer, procesar, visualizar y analizar series financieras de diversas fuentes. 

Los participantes utilizarán el lenguaje de programación R, que es muy poderoso y versátil para el análisis de datos y estadístico. Obtendrán datos financieros de Yahoo Finance, una plataforma popular y confiable en la web. Limpiarán y prepararán los datos para su análisis y crearán gráficos y tablas con librerías como ggplot2. Aplicarán conceptos y métodos estadísticos para analizar series financieras, como la media móvil, la desviación estándar, la autocorrelación, la prueba de normalidad, la volatilidad y medidas de riesgo. Verificarán los hechos estilizados en las series financieras, que son fenómenos empíricos que caracterizan el comportamiento de los mercados financieros y que tienen implicaciones teóricas y prácticas. Algunos ejemplos de hechos estilizados son la distribución asimétrica, las colas pesadas, la agrupación de la volatilidad y la normalidad agregada.

>> Ver programa

Instructor


Juan Pablo Viteri es doctor en Economía de los Negocios por la Universidad Icesi. Su experiencia docente abarca las áreas de Administración y Finanzas, tanto en Colombia como en Uruguay, a nivel de grado y posgrado. Sus líneas de investigación se enfocan en el uso de métodos cuantitativos y análisis de datos aplicados a problemas de energía y sostenibilidad. Sus trabajos han sido publicados en revistas científicas de alto impacto (Q1 en Scopus) en el campo de la planificación energética. Entre 2021 y 2023, se desempeñó como Director Editorial de Estudios Gerenciales, una revista de economía y negocios con categoría Q3 en Scopus.

Análisis espacial con sistemas de información geográfica

¿Por qué es importante este curso para académicos?

El curso permitirá la espacialización de evidencia empírica originalmente no espacializada para poder describir y visualizar variables y entidades de forma más precisa. De la misma manera, esta herramienta habilita la delimitación más precisa de objetos de estudio cuando requieran algún tipo de jerarquización espacial. Como método de exploración el análisis espacial es una excelente herramienta para abordar temas o problemas de investigación y validar la factibilidad de ciertas hipótesis. Asimismo, el curso dotará de herramientas de procesamiento geográfico para depurar y adecuar información tanto para mejorar su descripción y visualización como para generar análisis de estadística espacial. En este sentido, desde el curso será posible identificar patrones espaciales desde la descripción y estadísticos básicos (tendencia central y autocorrelación). También dotará a los participantes de competencias básicas para abordar la utilización de herramientas más avanzadas o sofisticadas.
 

¿Por qué es importante para el mercado laboral?

El curso dota a los participantes de competencias que al día de hoy siguen siendo poco frecuentes en los distintos mercados que hacen uso del análisis de datos (por ejemplo sistemas de información en políticas públicas y empresas). Los estudiantes adquirirán la capacidad de identificar potencialidades de la georreferenciación de la información. Al mismo tiempo, les permitirá generar herramientas de comunicación más potentes para la toma de decisiones que involucren componentes territoriales (por ej. instalación de servicios o de infraestructura comercial). En la misma línea, las técnicas que dominarán son adecuadas para generar insumos de identificación de patrones espaciales que no serían advertibles a partir de tablas de contingencia o estadísticas de resumen. Junto con herramientas de georreferenciación y de geoprocesos clave para la toma de decisiones (como la definición de áreas de influencia o imputación de atributos entre unidades de distinto nivel), los estudiantes contarán con dominio de la herramienta para seguir adelante con la exploración de otras utilidades. También les permitirá dialogar al mismo nivel con profesionales del análisis espacial lo que redundará en decisiones más productivas y una mayor capacidad de generar alternativas a la hora de resolver problemas.

>> Ver programa

Instructor


Diego Hernández es doctor en Arquitectura y Estudios Urbanos por la Universidad Católica de Chile y profesor asociado en el Departamento de Ciencias Sociales de la UCU. Se especializa en estudios urbanos, movilidad cotidiana y transporte público.