Tipo de Curso: Arancelado
Duración: 54 horas (18 horas teóricas y 36 horas prácticas).
Modalidad: Virtual
Tipo de Curso: Arancelado
Duración: 54 horas (18 horas teóricas y 36 horas prácticas).
Modalidad: Virtual
Herramientas para la elaboración de trabajos finales de posgrado.
Días y horarios de cursada:
Del 18 de abril al 23 de mayo de 2026.
Sábados de 10.00 a 16.00 Hs.
Requisitos de admisión: Ser Graduado o estudiantes de carreras de posgrado.
Dirigido a: Estudiantes de distintos programas de posgrado, con independencia de su disciplina de origen.
(*) Como requisito general, los participantes deberán contar con estudios secundarios completos o encontrarse cursando los últimos años del nivel medio, garantizando así que dispongan de la formación básica necesaria para sostener procesos de aprendizaje en el marco de la educación continua universitaria, que requieren autonomía, reflexión crítica y aplicación práctica de los contenidos.
Contacto: uai.extension@uai.edu.ar
Escribinos por WhatsApp:
+54 9 11 5594-9903
Si presentas alguna pérdida o disminución de la audición, te invitamos a descargar TESCUCHO (IOS) o Voice Aloud Reader (Android), aplicaciones que realizan una rápida conversión de la señal sonora del habla en texto fácilmente legible a una distancia de 2 metros, facilitando la comunicación en sociedad de forma integral y diversa.
Externos:
Matrícula: $80.000.-
Contado: $304.000.- o 2 cuotas de: $160.000.-
Comunidad UAI*/ADEEPRA / VANEDUC:
Matrícula: $80.000.-
Contado: $190.000.- o 2 cuotas de: $100.000.-
Club La Nación/Clarin 365**:
Matrícula: $80.000.-
Contado: $243.200.- o 2 cuotas de: $128.000.-
Activos Maestría en Psicología del Deporte:
(siguen pagando la cuota / matrícula de la Maestría)
Beneficio por convenios corporativos
Los miembros y familiares directos de empresas con convenio vigente con la Universidad Abierta Interamericana (UAI) acceden a un 20 % de descuento sobre el arancel externo de las propuestas formativas.
Este beneficio no es acumulable con otras promociones, becas o descuentos.
Consulte el listado de convenios corporativos vigentes en:
https://uai.edu.ar/extensión/becas/lista-convenios-de-beneficios-corporativos/
(*) Suscriptores y/o familiares directos de los titulares de las credenciales.
(**) Alumnos, graduados, y/o familiares directos.
Beneficios:
Estos procedimientos, orientados a la aplicación práctica sobre datos reales, constituyen la base metodológica de cualquier disciplina científica que aspire a concluir con rigor sobre sus objetos de estudio. En este sentido, este curso se ofrece como recurso de formación metodológica abierto a estudiantes de distintos programas de posgrado, con independencia de su disciplina de origen.
Objetivos:
Competencias del perfil:
4. Sistematizar y/o generar nuevos conocimientos desde la práctica profesional y comunicarlos con el fin de contribuir al desarrollo del campo disciplinar.
Subcompetencia:
4.3 Contribuir al desarrollo del campo disciplinar difundiendo acciones y prácticas innovadoras a través de medios académicos y profesionales.
Nivel de dominio de la subcompetencia: 3.
Resultados de aprendizaje:
(RA1): Diseña y ejecuta planes de análisis estadísticos adecuados a las preguntas de investigación en el campo de las Ciencias de la salud y el deporte.
(RA2): Interpreta resultados cuantitativos con criterio metodológico, integrando las conclusiones estadísticas con la relevancia práctica.
(RA3): Comunica resultados de investigación siguiendo los estándares de la APA 7ma edición, garantizando la transparencia y calidad del informe científico.
Resultados esperados:
Al finalizar el curso, se espera que los estudiantes hayan adquirido un dominio aplicado del análisis cuantitativo de datos, siendo capaces de diseñar y ejecutar planes de análisis estadísticos ajustados a sus propias preguntas de investigación. Asimismo, habrán desarrollado la capacidad de gestionar bases de datos, verificar supuestos estadísticos y seleccionar técnicas analíticas pertinentes, incluyendo modelos lineales avanzados.
Se espera también que logren interpretar resultados cuantitativos con rigor metodológico, integrando la evidencia estadística con su relevancia práctica. Finalmente, se prevé que puedan comunicar sus hallazgos de manera clara, precisa y transparente, elaborando informes científicos acordes a los estándares internacionales de publicación (normas APA 7ª edición), contribuyendo así a la producción y difusión de conocimiento disciplinar de calidad.
Enfoque general:
La formación en análisis cuantitativo de datos constituye una competencia transversal de alto valor para la producción académica en el nivel de posgrado. Este curso se propone sistematizar el aprendizaje de estrategias estadísticas avanzadas, proporcionando herramientas críticas para construir inferencias válidas y comunicar resultados con precisión, tanto en la culminación de posgrados profesionalizantes como en la iniciación en investigación científica a través de estudios doctorales. Durante el curso se profundizará en el dominio de modelos lineales (regresión lineal, ANOVA), procesos de moderación y mediación, regresión logística y una introducción a los modelos mixtos.
Contenidos:
Unidad 1. Introducción a la Estadística en Jamovi.
Introducción al entorno del programa estadístico Jamovi y sus módulos principales. Lineamientos generales sobre la estadística descriptiva e inferencial, niveles de medición de las variables y prueba de hipótesis. Organización de bases de datos: filtros, cálculo y transformación de variables. Evaluación de observaciones perdidas (missings) e imputación. Identificación y gestión de observaciones atípicas (outliers). Evaluación de la consistencia interna de las escalas. Diseño y redacción del plan de análisis estadístico.
Unidad 2. Regresión lineal.
¿Qué es un modelo estadístico? Presentación de modelos de regresión lineal simple y múltiple, su utilidad y sus limitaciones. Métodos gráficos y analíticos para la evaluación de supuestos del modelo lineal (linealidad, normalidad, homocedasticidad y multicolinealidad). Medidas de significación global y bondad de ajuste. Interpretación de los coeficientes de regresión (B y β) e intervalos de confianza. Reporte bajo normas APA (7ma edición).
Unidad 3. Análisis de la varianza (ANOVA/ANCOVA).
Definición del análisis de la varianza. Semejanzas y diferencias con los modelos de regresión lineal. Evaluación gráfica y analítica de supuestos. Prueba de hipótesis global y tamaño del efecto. Pruebas post-hoc y tamaño del efecto de comparación por pares. Reporte de resultados en gráficos y tablas según la séptima edición de las normas APA 7.
Unidad 4. Moderación y mediación.
Introducción del término de interacción en los modelos lineales e información que brinda. Interpretación del coeficiente asociado a la moderación. Representación gráfica y en tablas de resultado. Análisis de mediación y su valor en Psicología. Evaluación de los indicadores de bondad de ajuste del modelo. Análisis de efectos directos, indirectos y totales. Intervalos de confianza con Bootstrap corregidos por sesgo. Diagrama de senderos para la representación de mediaciones. Reporte de resultados de modelos de mediación.
Unidad 5. Regresión logística.
Presentación de los modelos lineales generalizados (GLM): cómo modelar variables que no son (pseudo)continuas. Regresión Poisson, multinomial, ordinal y logística. Construcción del modelo de regresión logística para predecir variables dicotómicas y evaluación del ajuste del modelo. Precisión, sensibilidad y especificidad. Interpretación de los coeficientes de regresión y su intervalo de confianza. Evaluación de la razón de Odds (Odds Ratio) y aplicabilidad práctica. Reporte de resultados de modelos de regresión logística en trabajos académicos.
Unidad 6. Modelos mixtos.
Modelando la falta de independencia entre observaciones: los modelos mixtos, jerárquicos o multinivel. Preparación de la base de datos, yendo del formato ancho (wide) al formato largo (long). Construcción del modelo lineal mixto, evaluación de su ajuste y cumplimiento de supuestos. Efectos fijos y efectos aleatorios (anidados y cruzados). Aplicación de modelos mixtos generalizados (GLMM). Reporte de resultados.
Calendario de encuentros:
Unidad 1: Sábado 18/04 de 10:00 a 16:00 Hs.
Unidad 2: Sábado 25/04 de 10:00 a 16:00 Hs.
Unidad 3: Sábado 02/05 de 10:00 a 16:00 Hs.
Unidad 4: Sábado 09/05 de 10:00 a 16:00 Hs.
Unidad 5: Sábado 16/05 de 10:00 a 16:00 Hs.
Unidad 6: Sábado 23/05 de 10:00 a 16:00 Hs.
Metodología:
La asignatura adopta un enfoque de aprendizaje participativo, colaborativo y basado en proyectos, orientado a la resolución de problemas reales. El eje central es el Trabajo de Fin de Máster (TFM) de cada estudiante. Las unidades temáticas se abordarán en su totalidad según el cronograma previsto, haciendo énfasis en las necesidades de las y los estudiantes para la resolución de sus trabajos finales. Para garantizar un aprendizaje significativo, las bases de datos trabajadas en clase se ajustarán a las características de estos TFM.
Durante la cursada, las y los estudiantes no solo adquirirán destrezas técnicas para aplicar análisis estadísticos, sino que desarrollarán su capacidad crítica para seleccionar la estrategia estadística más robusta según su pregunta de investigación y la naturaleza de sus datos. Para quienes no dispongan de datos propios, se proveerán sets de datos reales o simulados del campo de las Ciencias de la Salud y el Deporte.
Al terminar la cursada, se espera que el estudiante haya podido redactar el plan de análisis y el capítulo de resultados de su TFM.
La modalidad de cursada será virtual y con un modelo de aula invertida. Previo a cada encuentro sincrónico, los estudiantes accederán a cápsulas de video con los fundamentos teóricos de la unidad. El tiempo sincrónico de los sábados se destinará exclusivamente a la resolución de dudas teóricas iniciales y a la práctica intensiva.
Durante el desarrollo de los encuentros se realizarán ejercicios en clase, diseñados para poner en práctica lo trabajado en cada unidad.
Evaluación:
La evaluación se llevará a cabo a través de los dos trabajos prácticos asincrónicos y la nota final se conformará por el promedio ponderado de la nota del trabajo grupal (30%) y del portfolio individual (70%).
- Trabajo práctico asincrónico I [GRUPAL]: Construcción colaborativa de una Guía de Procedimientos Estadísticos. Se conformarán grupos de trabajo y cada grupo elaborará un manual técnico sobre una unidad de la asignatura, que incluya el paso a paso en la realización e interpretación del análisis estadístico abordado. Al finalizar la cursada, estos trabajos se integrarán en un único recurso compartido que les servirá como guía para su práctica profesional futura.
- Trabajo práctico asincrónico II [INDIVIDUAL]: Elaboración de un Portfolio Metodológico-Analítico. Consiste en la redacción técnica de las secciones “Plan de Análisis” (Método), “Resultados” del TFM, incluyendo tablas y figuras bajo estándares de publicación internacional, y un primer acercamiento al apartado “Discusión” en el que se interpreten los resultados encontrados. Junto con el Portfolio deberá entregarse una ficha en el que se detallen y argumenten las decisiones tomadas para la construcción del mismo.
Requisitos para aprobar el curso:
Bibliografía obligatoria:
American Psychological Association (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
Moncho Vasallo, J. (2015). Estadística aplicada a las ciencias de la salud. Elsevier.
Navarro, D. J., Foxcroft, D. R., Gervilla, E., y Leguizamo, F. (2022) Aprendiendo estadística con jamovi. https://davidfoxcroft.github.io/lsj-book-es/
Bibliografía complementaria:
Badiella, L., Blasco, A., Boixadera, E., Valero, O., y Vázquez A. (2021). Manual de Introducción a Jamovi: una interfaz gráfica para usuarios de R. Servei d’Estadística de la Universitat Autònoma de Barcelona.
Brown, H., y Prescott, R. (2015). Applied mixed models in medicine (3ra ed.). John Wiley & Sons.
Çetinkaya-Rundel, M. y Hardin, J. (2021). Introduction to Modern Statistics. OpenIntro. https://openintro-ims.netlify.app/
Fox, J., y Weisberg, S. (2023). car: Companion to Applied Regression [Paquete de R]. https://cran.r-project.org/package=car
Gallucci, M. (2019). GAMLj: General analyses for linear models (Version 3.6.5). [Modulo de Jamovi]. https://gamlj.github.io/.
Gallucci, M. (2020). Model goodness of fit in GAMLj. https://gamlj.github.io/details_goodness.html
Hosmer Jr, D. W., Lemeshow, S., y Sturdivant, R. X. (2013). Applied logistic regression. John Wiley & Sons.
Lenth, R. (2023). emmeans: Estimated Marginal Means, aka Least-Squares Means [Paquete de R]. https://cran.r-project.org/package=emmeans.
Long, J. A. (2019). interactions: Comprehensive, User-Friendly Toolkit for Probing Interactions [Paquete de R]. https://cran.r-project.org/package=interactions
Lüdecke, Ben-Shachar, Patil y Makowski (2020). Extracting, Computing and Exploring the Parameters of Statistical Models using R [Paquete de R]. https://github.com/easystats/parameters
Sing, T., Sander, O., Beerenwinkel, N., Lengauer, T., Unterthiner, T., y Ernst, F. G. M. (2020). ROCR: Visualizing the Performance of Scoring Classifiers [Paquete de R]. https://cran.r-project.org/package=ROCR
A cargo de:
Juan Facundo Corti. Lic. en Psicología. Especialista en Estadística para las Ciencias de la Salud. Doctorando en Psicología.
Lic. en Psicología y Especialista en Estadística para Ciencias de la Salud (Universidad de Buenos Aires). Becario Doctoral CONICET. Docente-investigador en factores psicosociales del contexto deportivo en la promoción del bienestar y la salud de deportistas adolescentes. Profesor de la Maestría en Psicología del Deporte (UAI).
