Curso en Análisis Cuantitativo de Textos
Este curso hace parte de la Credencial Analítica de Datos Para la Justicia y los DD.HH.: La creciente disponibilidad de información en formato textual plantea el desafío de analizar grandes volúmenes de datos de manera eficiente para extraer conocimiento útil.
Este curso brinda herramientas de análisis cuantitativo de texto que permiten transformar documentos, testimonios y escritos en datos analizables, facilitando la identificación de patrones, tendencias y relaciones.
Estas competencias son especialmente valiosas en contextos de investigación en ciencias sociales, justicia y análisis forense, donde la evidencia textual es fundamental para la toma de decisiones.
Profesionales, estudiantes y académicos interesados en el análisis de violaciones a los derechos humanos desde una perspectiva territorial y espacial.
Desarrollar habilidades para procesar, limpiar y analizar grandes volúmenes de texto mediante el uso de R y herramientas de minería de texto, con el fin de extraer información, identificar patrones y generar conocimiento a partir de datos textuales.
La competencia en escritura de secuencias de instrucciones en lenguajes de programación requiere de mucha práctica, de tal modo que se proporcionarán plantillas con un código bien planteado; se explicarán y luego se invitará a que los estudiantes realicen un ejercicio similar con otros textos. De esta manera, la metodología se basa en la imitación de un modelamiento y en el Aprendizaje Basado en Proyectos (ABP).
Módulo 1. Fundamentos del procesamiento de texto como datos
- ¿Qué significa procesar texto como datos?
- Aplicaciones prácticas del análisis de texto.
- Esquema metodológico.
- Introducción al lenguaje R y RStudio.
- Fundamentos del manejo de cadenas de texto.
- Búsqueda de expresiones en textos usando expresiones regulares (regex).
- Creación y exploración de corpus con quanteda
Módulo 2. Lectura de archivos y creación de corpus
- Lectura de archivos de texto y PDFs
- Más fundamentos del manejo de cadenas de texto
- Tokenización con quanteda
- Lectura desde Excel
- Añadir y trabajar con metadatos
Módulo 3. Preprocesamiento del texto
- Limpieza básica: minúsculas, espacios, caracteres especiales, puntuación, números.
- Expresiones regulares para limpieza avanzada y búsqueda de patrones
- Eliminación de stopwords
- Lematización y POS tagging
- Expresiones multipalabra (collocations)
- N-gramas
Módulo 4. Análisis de texto
a) Modelos de representación
- Breve introducción a los textos como matrices.
- Matriz de frecuencia de términos por documento
- Embeddings y bolsas de palabras
b) Análisis léxico y estructural
- Matrices de términos a documentos
- Conteo basado en diccionarios o tesauros
- Keyness: Análisis de palabras distintivas
c) Análisis con contexto
- Coocurrencias y redes semánticas
- Palabra clave en contexto
- Detección de entidades nombradas (NER)
- Pesca de palabras
Fernando Lopez Torrijos Florez
Ingeniero industrial con maestría en estadística aplicada. Director del grupo de investigación de la Ciencia de Datos aplicada a las ciencias sociales y humanas. Director del semillero de investigación en procesamiento de imágenes digitales. Docente de estadística y de análisis de texto como datos.
- Fecha cierre de inscripciones: 08/septiembre/2026
- Fecha inicio de clases: 08/septiembre/2026
- Valor de la Inversión: $1.430.000
Descuento del 10% Descuento exclusivo estudiantes y egresados UEC
8% Descuento grupo 3 a 4 personas
Formulario Cursos Homologables
Nota: La Universidad se reserva el derecho de suspender o postergar el inicio de clases de acuerdo con la acogida que reciba la convocatoria e incorporar modificaciones en el horario, calendario académico y cuerpo docente.
