Guía docente de Metodología en Neurociencia Cognitiva: Investigación Básica y Aplicada (M30/56/2/3)

En español sería:

FASE A: PROGRAMACIÓN DEL EXPERIMENTO CON E-PRIME

(1) Introducción al objetivo del estudio, planteamiento de hipótesis y diseño experimental.

(2) Programación de un experimento mediante E-prime.

(3) Trabajo individual del alumno para la programación de un experimento y la resolución de problemas durante la programación.

FASE B: ANÁLISIS ESTADÍSTICO E INTERPRETACIÓN DE RESULTADOS

(4) Preprocesamiento de datos con los programas E-prime y Excel (#ltrado de datos, cálculo de promedios y medidas de dispersión).

(5) Análisis de datos I: Estadística descriptiva básica en paquetes estadísticos.

(6) Análisis de datos II: Contraste de hipótesis en paquetes estadísticos (Análisis de varianza y covarianza, análisis de regresión lineal múltiple, comprobación de supuestos).

(7) Gestión de hipótesis y datos. Prácticas inadecuadas comunes [uso de hipótesis generadas ex post facto, muestras de tamaño abierto, ¿pesca de resultados¿ (fishing) y listado parcial de medidas dependientes] y prácticas recomendables (prerregistro de

Se recomienda al alumnado que tenga buenas habilidades informáticas. 

El alumno sabrá/comprenderá: · Manejar programas informáticos para programar experimentos y para realizar análisis estadísticos de datos (E-prime, Excel, Statistica, etc.) El alumno será capaz de Tener un juicio crítico sobre la calidad metodológica en estudios de investigación tanto básica como aplicada (selección de muestra, control experimental, adecuación del diseño a los objetivos de investigación, interpretación de resultados, etc.).

· Programar experimentos.

· Trabajar con datos cuantitativos, resumirlos, clasificarlos, representarlos gráficamente y exponerlos en público.

· Valorar las connotaciones de ética científica en el tratamiento de datos e hipótesis y en la generación de resultados

Bloque 1. Programación de un experimento con E-prime o software de código abierto (OpenSesame, PsychoPy etc.).

Unidad 1: Introducción: Objetivo del estudio, planteamiento de hipótesis y diseño experimental

Unidad 2: Entrenamiento en la programación de un experimento

Unidad 3: Trabajo individual del alumnado para la programación de un experimento y la resolución de problemas durante la programación.

Bloque 2. Análisis estadístico

Unidad 4. Prácticas  recomendables en Psicología y Neurociencia

Unidad 5. Análsis de datos I:  pre-procesamiento de los datos y estadísticos desciptivos a través de software de análisis estadísticos

Unidad 6. Análisis inferencial a través de software de análisis estadísticos

Todas las unidades conllevan aspectos teóricos y prácticos e incluyen tareas donde aplicar el conocimiento adquirido a casos simulados. 

BIBLIOGRAFÍA PRINCIPAL:

Block 1

Mathôt, S., Schreij , D., & Theeuwes, J. (2012). OpenSesame: An open-source, graphical experiment builder for the social sciences. Behavior Research Methods, 44, 314-324.

Schneider, W., Eschman, A., & Zuccolotto, Z. (2002). E-Prime user’s guide (Version 1.1). Psychology Software Tools.

Block 2

Cumming, G. (2012). Understanding the new statistics: Effect sizes, confidence intervals, and meta-analysis. Routledge. DISPONIBLE ONLINE.

Field, A. (2016). An adventure in statistics. SAGE. DISPONIBLE ONLINE

Kurt, W. (2019). Bayesian statistics the fun way. No Starch Press, Inc. DISPONIBLE ONLINE.

BIBLIOGRAFÍA RECOMENDADA:

Dienes, Z. (2008). Understanding psychology as a science: An introduction to scientific and statistical inference. Macmillan International Higher Education.

Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. SAGE.

Open Science Collaboration (2015). Estimating the reproducibility of psychological science. Science, 349, aac4716.

Pownall, M. et al. (2021). Navigating open science as early career feminist researchers. Psychology of Women Quarterly, 45, 526-539.

American Psychological Association. APA style. https://apastyle.apa.org/

Goss-Sampson. M. (2019). Statistical analysis in JASP: A guide for students. Recovered from:

https://gala.gre.ac.uk/id/eprint/25585/7/25585%20GOSS-SAMPSON_Statistical_Analys is_In_JASP_A_Guide_For_Students_%28Pub%29_2019.pdf

Navarro, D. (2020). R for Psychological Science. https://psyr.djnavarro.net/

The jamovi project (2022). jamovi (Version 2.3) [Computer Software]. Retrieved from https://www.jamovi.org

(El artículo 18 de la Normativa de Evaluación y Calificación de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del alumnado, excepto para quienes se les haya reconocido el derecho a la evaluación única final).

Bloque 1: 50% de la nota final 

• Participación/asistencia a sesiones de debate y actitud del alumno en clase: 15%

• Trabajos individuales en clase 15%

• Trabajos individuales finales 20%

Bloque 2: 50% de la nota final 

• Participación/asistencia a sesiones de debate y actitud del alumno en clase: 15%

• Trabajos individuales en clase 15%

• Trabajos individuales finales 20%

La evaluación de las tareas individuales se hará sobre la entrega de las mismas, siendo ésta obligatoria en plazo y forma. Las entregas fuera de plazo serán penalizadas con un 20% de la nota. Es imprescindible conseguir un mínimo de 25% en cada una de las fases para aprobar.

Si el alumnado no consigue el mínimo requerido en cada bloque del curso, la nota será el 49% (4,9) de la puntuación total.

El artículo 19 de la Normativa de Evaluación y Calificación  de la Universidad de Granada establece que los/as estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el/la estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo).

En la convocatoria extraordinaria, el/la alumno/a deberá entregar todas las actividades realizadas en el curso para su evaluación. Los porcentajes de calificación se conservarán conforme a lo arriba especificado, hasta un 100% de la nota (y un máximo de 10), una vez que se elimina la parte correspondiente a asistencia y participación.

El artículo 8 de la Normativa de Evaluación y Calificación de la Universidad de Granada establece que podrá acogerse a la evaluación única final, el/la estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas. Para acogerse a la evaluación única final, el/la estudiante tendrá que solicitarla, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua).

En la convocatoria única final, el/la alumno/a deberá entregar todas las actividades realizadas en el curso para su evaluación. Los porcentajes de calificación se conservarán conforme a lo arriba especificado, hasta un 100% de la nota (y un máximo de 10), una vez que se elimina la parte correspondiente a asistencia y participación.

Instrumentos de aprendizaje

Metodologías y tiempos de enseñanza Clases: 36h

Presentaciones del profesor: 16 h

Resolución de problemas del alumnado y ejemplos prácticos: 20 h

Aprendizaje autónomo: 64 h Trabajo individual del alumnado: 64 h

Información sobre Inteligencia Artificial

En esta asignatura está permitido el uso de la inteligencia artificial generativa (chatGPT y similares, que llamaremos IAGen en adelante) para: ayudarnos a aprender y profundizar en los contenidos, mejorar la redacción y ortografía de los textos que escribimos, así como para la traducción de textos.

La IAGen NO está permitida para generar la totalidad o parte del contenido sin revisar su veracidad o contrastar la información. El alumnado es RESPONSABLE de su uso y debe asegurarse de que la ayuda de este tipo de recursos no le lleva a aceptar información falsa o incorrecta, o al plagio.

En todo caso se recomienda el uso de las herramientas contratadas por la UGR (Microsoft Copilot), que garantizan que los datos permanezcan dentro de la organización y no queden expuestos a terceros. Si has empleado una herramienta de IAGen en algún trabajo, debes reconocerlo añadiendo una sección específica al final del texto, como ésta:

----------------------

En el presente trabajo se ha utilizado Microsoft Corporation. (2024). Microsoft Copilot [Software]. Recuperado de https://www.microsoft.com/copilot para las siguientes tareas: [….]. El autor/a acepta la total responsabilidad del documento final.

-----------------------

El profesorado del departamento se adhiere a las recomendaciones y normativas que la UGR vaya generando en relación al uso de la IAGen. Para más información puede consultarse el siguiente enlace.

Plan de Igualdad

Se procurará destacar el papel y las aportaciones de la mujer y de colectivos minoritarios al desarrollo científico y tecnológico de la materia, siguiendo las recomendaciones del II Plan de Igualdad de la UGR.

Estudiantado NEAE

El artículo 11 de la Normativa de Evaluación y Calificación de la Universidad de Granada establece que la metodología docente y la evaluación serán adaptadas al estudiantado con necesidades específicas de apoyo educativo (NEAE).