Cr茅ditos ECTS
Cr茅ditos ECTS: 3
Horas ECTS Criterios/Memorias
Traballo do Alumno/a ECTS: 51
Horas de Titor铆as: 3
Clase Expositiva: 9
Clase Interactiva: 12
Total: 75
Linguas de uso
Castel谩n, Galego
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
Psicolox铆a Social, B谩sica e Metodolox铆a
脕谤别补蝉:
Psicolox铆a B谩sica
Centro
Facultade de Psicolox铆a
Convocatoria:
Segundo semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
| (Si)
鈥� Introducir e co帽ecer as peculiaridades das linguaxes formais de programaci贸n de Python e Matlab, as铆 como das caracter铆sticas espec铆ficas da l贸xica aplicada no desenvolvemento de c贸digo e programaci贸n, con especial fincap茅 nos procesos de 鈥渄escomposici贸n鈥� e 鈥渁bstracci贸n鈥� do problema para resolver
鈥� Desenvolver destrezas no uso dos aspectos b谩sicos de ambos os programas a trav茅s do traballo con diferentes tipos de datos e o manexo de variables e matrices, as铆 como familiarizar ao alumno no uso dos operadores l贸xicos e dos procesos iterativos e recursivos que dan p茅 ao uso destes programas no tratamento de datos e, por tanto, na investigaci贸n.
鈥� No fin da materia o estudante deber谩 ser capaz de desenvolver programas simples para a adquisici贸n de datos. Estes programas xerar谩n unha pequeno interface (i.e. presentaci贸n de cuestionarios ou est铆mulos en pantalla) que requira a introduci贸n de respostas por parte do usuario do programa.
O alumno deber谩 demostrar capacidade para realizar operaci贸ns b谩sicas e comparaci贸ns simples con datos num茅ricos contidos en variables (i.e. matrices ou bases de datos).
Que son Python e Matlab. Caracter铆sticas das linguaxes formais en Python e Matlab. Descomposici贸n e abstracci贸n como ferramentas b谩sicas para resolver un problema e crear c贸digo. Os datos: tipos de valores e organizaci贸n en variables. Procesos iterativos e recursivos: uso dos principais operadores l贸xicos e operadores matem谩ticos. Cara a unha programaci贸n eficiente mediante 鈥渢esting鈥� e 鈥渄ebugging鈥�.
Bibliograf铆a b谩sica:
1. Cohen, M. X. (2017). MATLAB for Brain and Cognitive Scientists. MIT Press.
2. Dalmaijer, E. S. (2016). Python for experimental psychologists. Routledge.
3. Borgo, M., Soranzo, A., & Grassi, M. (2012). MATLAB for Psychologists. Springer Science & Business Media.
4. VanderPlas, J. (2016). Python data science handbook: essential tools for working with data. O'Reilly Media
Bibliograf铆a complementaria:
1. Rosenbaum, D. A., Vaughan, J., & Wyble, B. (2014). MATLAB for behavioral scientists. Routledge.
2. Wallisch, P., Lusignan, M. E., Benayoun, M. D., Baker, T. I., Dickey, A. S., & Hatsopoulos, N. G. (2014). MATLAB for neuroscientists: an introduction to scientific computing in MATLAB. Academic Press.
3. Madan, C. R. (2013). An Introduction to MATLAB for Behavioral Researchers. Sage Publications.
4. Grus, J. (2015). Data science from scratch: first principles with python. O'Reilly Media.
5. Haslwanter, T. (2016). An Introduction to Statistics with Python. Springer International Publishing.
6. Downey, A. B. (2014). Think stats: exploratory data analysis. O'Reilly Media.
7. Peirce, J., & MacAskill, M. (2018). Building experiments in PsychoPy. Sage Publications.
B脕SICAS E XERAIS
CB6. Posu铆r e comprender co帽ecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicaci贸n de ideas, a mi煤do nun contexto de investigaci贸n.
CB10. Posu铆r as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haber谩 de ser en gran medida autodirixido ou aut贸nomo.
CX2. Saber elixir unha estratexia apropiada para manexar os problemas da disciplina, que se axuste ao contexto e 谩s competencias que uno/a mesmo/a pos煤e.
TRANSVERSAIS
CT2. Demostrar capacidade de resolver problemas e tomar decisi贸ns adaptadas ao contexto.
CT5. Saber actualizar e desenvolver os co帽ecementos e as habilidades adquiridas, de acordo cos cambios da disciplina, os est谩ndares e requisitos da profesi贸n, e a normativa aplicable.
贰厂笔贰颁脥贵滨颁础厂
CE3. Saber identificar e seleccionar t茅cnicas e instrumentos propios dos 谩mbitos de especializaci贸n do m谩ster de acordo cos obxectivos expostos.
CE4. Saber adaptar e utilizar as t茅cnicas e instrumentos propios da Psicolox铆a para afrontar situaci贸ns espec铆ficas da pr谩ctica prorfesional nos dominios de co帽ecemento do m谩ster.
CE5. Ser capaz de analizar e resolver situaci贸ns complexas, nos 谩mbitos espec铆ficos do m谩ster, mediante o dese帽o, a programaci贸n e a implementaci贸n de estratexias para a soluci贸n de problemas.
鈥� Lecci贸n-explicaci贸n
鈥� Traballo en laboratorio
鈥� Lectura e an谩lise de textos e documentos
鈥� Elaboraci贸n e exposici贸n de informes, ensaios e traballos
Valoraci贸n continua de actividades: 25% da nota final
Valoraci贸n de informes, traballos e exposici贸ns: 75% da nota final
Estudantes con dispensa de asistencia: Dada a natureza da materia, baseada no emprego de ferramentas inform谩ticas, non se producir谩n cambios na metodolox铆a e sistema de avaliaci贸n da materia; manterase o mesmo sistema de traballo, pero utilizando as ferramentas proporcionadas pola 奇趣腾讯分分彩 para a docencia telem谩tica.
Clases expositivas 9 horas presenciais (requ铆rese asistencia)
Clases interactivas de laboratorio 9 horas presenciais (requ铆rese asistencia)
Traballo personal do/a alumno/a 48 horas
Realizaci贸n de traballos 6 horas
Tutor铆as individuais e/ou en grupos reducidos 3 horas (requ铆rese asistencia)
Nesta materia o traballo persoal do alumno 茅 un alicerce fundamental dado o seu car谩cter eminentemente pr谩ctico, polo que se recomenda un traballo semanal, se non diario, para poder completar a materia e maximizar a aprendizaxe dos seus contidos. As铆 mesmo, a realizaci贸n dos exercicios suxeridos tras cada aula te贸rica ser谩 unha peza crave para afianzar a aprendizaxe dos conceptos introducidos na aula.
Horario de titor铆as: consultar horario de titor铆as actualizado en: /驳濒/诲别辫补谤迟补尘别苍迟辞/辫蝉颈肠辞濒辞虫颈补-肠濒颈苍颈肠补-辫蝉颈肠辞产颈辞濒辞虫颈补/诲颈鈥�