Contact
Application Admission

Bachelor en Ciencia de Datos-IA

Icono IA
Foto de Igor Omilaev en Unsplash

El Bachelor en Ciencia de Datos-IA es un título universitario estatal creado por el Decreto del Gobierno de Andorra del 10 de marzo de 2021, que le otorga las competencias profesionales para ejercer tareas de gestión de sistemas de información, aplicación de principios clave de matemáticas y estadística, y procesamiento de grandes bases de datos, entre otras.

El Plan de Estudios del Bachelor en Ciencia de Datos-IA por la eUniv fue aprobado por el Decreto del Gobierno de Andorra del 5 de marzo de 2025 y será implantado en el año académico 2025-26.

Accés

Acceso

Bachillerato o título equivalente

Idiomes

Idiomas

Català – Español – English

Durada

Duración

6 semestres (3 años)

Càrrega acadèmica

Carga académica

180 créditos ECTS

Matèries

Materias

18 (6 por curso académico)

Progressió directa eUniv

Progresión directa eUniv

Máster en Ingeniería Informática

Plan de estudios

Primer curso

Descripción

Iniciar al nou alumne a la programació: algorismes, llenguatges, dades, i diferents aproximacions a la programació

Objetivos
  1. Aplicar técnicas básicas de programación en Python para resolver problemas en ciencia de datos.
  2. Comunicar de manera efectiva conceptos técnicos y resultados en ciencia de datos, tanto de forma oral como escrita, en contextos académicos y profesionales.
  3. Proponer soluciones innovadoras basadas en datos.
  4. Sintetizar información de manera crítica y estructurada.
  5. Diseñar aplicaciones analíticas mediante técnicas de desarrollo, integración y reutilización de componentes de software.
Contenidos
  1. Introducció a la Programació.
  2. Diagrames de flux.
  3. Introducció a Java.
  4. Control de flux.
  5. Mètodes i funcions.
  6. Introducció a la Programació Orientada a Objectes.
  7. Algorismes I: Algorismes sobre arrays.
  8. Tipus Abstracte de Dades (TAD).
  9. Algorismes II: Anàlisi de Complexitat.
  10. Tipus Abstractes de Dades jeràrquics Arbres.
  11. Tipus Abstractes grafs
Descripción

Aprendre les tècniques necessàries per l’anàlisi de dades. Això inclourà coneixements en estadística i probabilitat.

Objectius
  1. Reconocer la importancia del álgebra lineal en el ámbito de la ciencia de datos.
  2. Manipular elementos básicos del álgebra lineal (espacios vectoriales, independencia lineal, dimensión, matrices, determinantes) y de la geometría métrica (productos escalares, ortonormalidad, ángulos y distancias).
  3. Aplicar sistemas de ecuaciones lineales para resolver problemas típicos de la ciencia de datos.
  4. Expresar de forma matricial un sistema de ecuaciones lineales.
  5. Utilizar conceptos de aplicación lineal, vectores y valores propios en el ámbito de la ciencia de datos.
  6. Representar aplicaciones lineales en forma de matriz.
  7. Interpretar geométricamente el cálculo de vectores y valores propios.
  8. Implementar lenguajes de programación para el tratamiento de grandes volúmenes de datos.
  9. Resolver problemas utilizando modelos matriciales con datos reales o realistas.
Contenidos
  1. Anàlisi de dades.
  2. Probabilitat discreta.
  3. Probabilitat continua.
  4. Variables aleatòries.
  5. Teorema central del límit i llei dels grans nombres.
  6. Distribucions.
  7. Mostreig.
  8. Anàlisi de regressió.
  9. Estimació.
  10. Contrastos d’hipòtesi.
  11. Anàlisi factorial i cluster.
  12. Representació gràfica de dades.
Descripción

Dissenyar i gestionar sistemes de bases de dades de manera genèrica, amb diversos tipus de dades i organització.

Objetivos
  1. Definir la probabilidad y sus propiedades para la resolución de cálculos probabilísticos.
  2. Utilizar variables aleatorias para la formalización y resolución de problemas de probabilidad.
  3. Simular fenómenos aleatorios con herramientas computacionales de difícil cálculo analítico.
  4. Identificar las distribuciones probabilísticas en contextos reales.
  5. Calcular distribuciones y esperanzas condicionadas para la predicción de resultados.
  6. Determinar la independencia de variables aleatorias y el coeficiente de correlación lineal.
  7. Aplicar la ley de los grandes números y el teorema del límite central en el análisis de datos.
  8. Modelar problemas con procesos estocásticos, incluyendo cadenas de Markov.
  9. Distinguir entre población, muestra, parámetro y estimador en contextos estadísticos.
  10. Realizar estimaciones puntuales en situaciones prácticas.
Contenidos
  1. Introducció a les Bases de Dades. Relació amb Estructures de dades.
  2. Arquitectura de les bases de dades. Bases de dades relacionals i no relacionals.
  3. Bases de Dades Relacionals. Llenguatges.
  4. Funcionalitats.
  5. Transaccions i concurrència.
  6. Seguretat.
  7. Programació SQL.
  8. Bases de dades no relacionals.
  9. Bases de dades tipus clau-valor: Cassandra (Java). Aplicacions.
  10. Bases de dades tipus lliure: MongoDB. Aplicacions.
  11. Legislació internacional.
  12. Legislació andorrana.
Descripción

Dotar a l’alumnat de les competències necessàries per dissenyar i gestionar xarxes de diversos dispositius.

Objetivos
  1. Combinar fundamentos matemáticos, estadísticos y de programación para soluciones en el ámbito de la ciencia de datos.
  2. Aplicar técnicas específicas de captura, tratamiento y análisis de datos estructurados, semiestructurados y no estructurados.
  3. Interpretar críticamente resultados obtenidos utilizando herramientas de análisis y visualización adecuadas.
  4. Gestionar información relevante para la resolución de problemas de manera autónoma y creativa.
Contenidos
  1. Concepte i tipus de xarxes.
  2. Xarxes d’àrea local: topologia, estructura i hardware.
  3. Xarxes d’àrea amplia WAN i Internet: topologia, estructura i hardware.
  4. Xarxes amb i sense fils.
  5. Protocols de comunicació.
  6. TCP/IP, IPv4, IPv6.
  7. 3G, 4G i 5G.
  8. Seguretat a les xarxes.
  9. SDN, xarxes dissenyades per programari.
  10. Xarxes d’Internet de les coses (IoT).
  11. Cloud computing Basic.
  12. Cloud Computing Advanced.
Descripción

Dotar a l’alumnat de la lògica que regeix el disseny i implantació dels sistemes operatius actuals tot considerant la seua evolució històrica.

Objetivos
  1. Trabajar con diversos tipos de datos y estructuras de bases de datos.
  2. Diferenciar arquitecturas de bases de datos para su adecuada aplicación en diseños prácticos.
  3. Determinar el uso más eficiente de las bases de datos relacionales o no relacionales según el contexto.
  4. Decidir los tipos y estructuras de datos más adecuados en situaciones concretas.
  5. Diseñar algoritmos para explotar las ventajas del uso de bases de datos.
  6. Desarrollar aplicaciones informáticas para bases de datos.
  7. Programar algoritmos en lenguajes de programación reales y de amplia utilización en el mercado actual.
  8. Administrar bases de datos relacionales y no relacionales (SQL, MongoDB, Cassandra, actualizable).
  9. Minimizar las limitaciones de seguridad de la base de datos.
  10. Aplicar la legislación vigente en protección de datos a casos prácticos.
Contenidos
  1. Sistemes operatius: definició i importància.
  2. Gestió de la memòria.
  3. La màquina virtual.
  4. Gestió d’Entrada / Eixida.
  5. El sistema de fitxers
  6. Processos. Tasques.
  7. Comunicació.
  8. Sistemes distribuïts.
  9. Sistemes operatius actuals: Windows.
  10. Sistemes operatius actuals: Linux, MacOS.
  11. Sistemes operatius mòbils actuals: Android.
  12. Sistemes operatius mòbils actuals: IOS
Objetivos
  1. Utilizar herramientas de análisis para protocolos de redes.
  2. Identificar problemáticas relacionadas con el almacenamiento de datos.
  3. Reconocer los retos de la implementación de la computación en la nube (cloud computing).
  4. Clasificar los servicios y aplicaciones que ofrece la nube.
  5. Identificar ventajas y desventajas de la computación en la nube en diferentes entornos.
  6. Relacionar la computación en la nube con el desarrollo futuro de las redes de comunicaciones.
  7. Interpretar textos técnicos y científicos para comprender la evolución de las redes de nueva generación.
  8. Aplicar conocimientos sobre redes para la obtención y gestión de datos.
  9. Reconocer los parámetros de configuración de los dispositivos intermedios y finales de una red de computadoras.

Segundo Curso

Descripción

Preparar a l’estudiant per a què sigui capaç de desenvolupar una aplicació software multiplataforma des de la seua concepció fins a la seua operació aplicant els principis i metodologies de desenvolupament i fent èmfasi en la gestió tècnica de cadascuna de les etapes de cicle de vida d’aquest programari.

Objetivos
  1. Trabajar simbólicamente con variables y funciones convexas.
  2. Reconocer las nociones de primera y segunda derivada en el gradiente y la matriz hessiana.
  3. Aplicar cálculo multivariable, incluyendo la regla de la cadena, en la resolución de problemas.
  4. Graficar aproximaciones de funciones.
  5. Implementar técnicas de optimización para encontrar mínimos en problemas complejos.
  6. Diferenciar condiciones de optimalidad en problemas con restricciones de igualdad y desigualdad.
  7. Aplicar métodos numéricos para la resolución de problemas de optimización.
  8. Resolver problemas de programación lineal y de programación lineal entera y mixta con un nivel de complejidad media.
  9. Interpretar soluciones obtenidas con la aplicación de algoritmos Simplex y ramificación-acotación, tanto manualmente como con software.
Contenidos
  1. Introducció al procés de desenvolupament programari.
  2. Enginyeria de requisits.
  3. Disseny: Introducció al modelat conceptual.
  4. Implementació: Visió de les APIs j2ee.
  5. Validació i verificació (Testing).
  6. Empaquetatge, desplegament i releases.
Descripción

Dotar l’alumne dels coneixements teòrics i l’experiència pràctica sobre HCI, el disseny d’interfícies dels usuaris i l’experiència d’interacció.

Objetivos
  1. Distinguir entre problemas de aprendizaje supervisado y no supervisado.
  2. Aplicar métodos de aprendizaje automático según sus puntos fuertes y débiles.
  3. Desarrollar metodologías y etapas básicas de un proyecto de minería de datos o, en general, de un proyecto de ciencia de datos.
  4. Identificar los diferentes roles y tareas en un proyecto de ciencia de datos.
  5. Interpretar resultados de algoritmos considerando aspectos sociales y éticos.
  6. Analizar resultados obtenidos con los principales métodos de aprendizaje automático utilizando métricas de evaluación comunes.
  7. Reconocer los métodos existentes para combinar varios modelos en problemas de aprendizaje supervisado, tanto para clasificación como para regresión.
  8. Identificar las partes que conforman una red neuronal y sus técnicas de entrenamiento.
  9. Identificar los elementos en un proyecto de aprendizaje por refuerzo.
  10. Explicar cómo funcionan los sistemas recomendadores a un público tanto especializado como no especializado.
Contenidos
  1. Introducció a HCI. Què és HCI? Història i Relació amb el disseny d’interfícies.
  2. Interfícies d’usuari. Definició i utilitat. Disseny centrat en l’usuari i Interacció natural: Usabilitat. Metodologia de disseny i Design Thinking. Prototipatge. Disseny per a tothom.
  3. Multimèdia, visió i veu en la interacció amb l’ordinador. Interfícies web. estructura i
    navegació d’interfícies web. Principis de disseny web.
  4. Disseny d’interacció: Disseny de l’experiència d’usuari (UX). Disseny d’interacció web (àgil,
    responsiu).
  5. Prototipatge. Implementació d’interfícies web i mòbils.: Tecnologies (HTML5, CSS3,
    Javascript-angular, desplegament per a Android i iOS)
  6. Noves tendències de les interfícies d’usuari: Realitat augmentada i virtual.
Descripción

Dotar a l’alumnat de la capacitat de dissenyar i administrar globalment la tecnologia que es fa servir als centres educatius.

Objetivos
  1. Diseñar un marco experimental teniendo en cuenta los métodos más adecuados para la captura, el procesamiento, el almacenamiento, el análisis y la visualización de datos.
  2. Combinar fundamentos matemáticos y estadísticos para llegar a soluciones en ciencia de datos.
  3. Clasificar diferentes tipos de datos según sus peculiaridades.
  4. Utilizar repositorios de datos relevantes.
  5. Extraer datos de diversas fuentes de manera eficiente.
  6. Procesar datos para su integración y análisis posterior.
  7. Definir procesos de extracción, transformación y carga para automatizar el preprocesamiento de los datos.
Contenidos
  1. Les tecnologies que milloren l’aprenentatge: simuladors, laboratoris remots, xarxes socials,
    espais al núvols, IoT.
  2. Els LMS’s i LCMS. Funcionalitats, evolució, tipus, marques.
  3. Agents intel·ligents.
  4. Els programes per la gestió acadèmica. Funcionalitats, evolució, tipus i marques.
  5. Els CRM, i programes de gestió de nous alumnes.
  6. Tècniques informàtiques pel màrqueting online. SEO.
  7. Els ERP.
Descripción

Dotar l’alumne de les eines matemàtiques necessàries per encriptar la informació i analitzar grans volums de dades.

Objetivos
  1. Aplicar la infografía y la visualización para la representación gráfica de la información.
  2. Reconocer los principales rasgos, características, tipologías y posibilidades que ofrece la representación visual de la información.
  3. Identificar los elementos de la visualización de datos.
  4. Aplicar principios de percepción visual en el diseño de información.
  5. Plantear visualizaciones informativas independientemente del campo o sector de aplicación.
  6. Formular problemas estadísticos y de optimización matemática.
  7. Utilizar sistemas de computación de alto rendimiento para el procesamiento de grandes volúmenes de datos, comprendiendo su estructura, funcionamiento y particularidades.
  8. Emplear técnicas de modelización estadística y análisis de datos.
  9. Trabajar en equipos multidisciplinarios para el procesamiento y explotación de datos complejos.
Contenidos
  1. Matemàtica discreta. Teoria de nombres.
  2. Criptografia. Hash, xifrats, clau pública i privada, RSA.
  3. Blockchain. Per què i per a què, fonaments matemàtics. Aplicacions: criptomonedes i documents oficials.
  4. Blockchain. Miners, taules.
  5. Mineria de dades. Estadística avançada.
  6. Extracció d’informació supervisada i no supervisada.
  7. Visualització i Interpretació de la informació.
  8. Analítica de l’aprenentatge
Descripción

Fer a l’alumne capaç de garantir la seguretat informàtica d’una xarxa, prevenir els riscos i respondre de forma eficient a atacs.

Objetivos
  1. Diferenciar entre tipos de problemas de aprendizaje supervisado y no supervisado.
  2. Aplicar métodos de aprendizaje automático según sus fortalezas y debilidades.
  3. Desarrollar las metodologías y las etapas básicas de un proyecto de minería de datos o, en general, de un proyecto de ciencia de datos.
  4. Identificar los diferentes roles y tareas asociados a un proyecto de ciencia de datos.
  5. Interpretar los resultados de algoritmos considerando aspectos sociales y éticos.
  6. Realizar un análisis de los resultados obtenidos con los principales métodos de aprendizaje automático utilizando las métricas de evaluación comunes para estos problemas.
  7. Reconocer los métodos existentes para combinar varios modelos en problemas de aprendizaje supervisado, tanto para clasificación como para regresión.
  8. Distinguir las partes que conforman una red neuronal, así como sus técnicas de entrenamiento.
  9. Identificar los elementos presentes en un proyecto de aprendizaje por refuerzo.
  10. Explicar cómo funcionan los sistemas de recomendación a un público tanto especializado como no especializado.
Contenidos
  1. Conceptes fonamentals de la gestió de la producció.
  2. Planificació de la producció a llarg termini: localització i capacitat productiva
  3. Gestió de la qualitat: estàndards de gestió i models d’excel·lència empresarial.
  4. Productivitat: disseny i mètodes de treball.
  5. Planificació de la producció i gestió d’estocs.
  6. El Just In Time i Lean Manufacturing.
  7. Introducció a la gestió de la cadena de subministra.
  8. Logística d’aprovisionaments i compres.
  9. Logística d’emmagatzemament i distribució.
  10. Logística inversa.
  11. Sistemes de captura i transmissió de la informació.
  12. Logística integral
Objetivos
  1. Aplicar los conceptos y las definiciones formales asociadas al tratamiento de datos masivos, al paradigma de datos masivos y afines.
  2. Distinguir los casos de uso que requieren la aplicación de tecnología de datos masivos (big data) y los que no.
  3. Identificar los elementos tecnológicos necesarios para desarrollar un proyecto basado en el uso de datos masivos (big data).
  4. Implementar sistemas de datos masivos (big data) utilizando metodologías adecuadas.
  5. Operar con las principales herramientas y marcos de datos masivos (big data) para el tratamiento de datos en modo lote (batch) y streaming.
  6. Desplegar las principales herramientas disponibles en el ecosistema de datos masivos (big data), especialmente dentro del ecosistema de Apache Hadoop y Apache Spark.
  7. Construir modelos que generen conocimiento como resultado de un análisis de datos basado en tecnología de datos masivos (big data).
  8. Reconocer los conceptos y las definiciones formales asociadas a las infraestructuras que procesan, distribuyen y almacenan los datos masivos (big data).
  9. Distinguir las partes de la infraestructura que da soporte a los datos masivos (big data), considerando aspectos como prestaciones y seguridad.
  10. Desplegar infraestructuras de datos masivos (big data) de forma segura y eficiente, considerando aspectos como la escalabilidad, la evaluación de rendimiento y la alta disponibilidad.

Tercer Curso

Descripción

Conèixer i ser capaç d’implementar diferents metodologies per l’aprenentatge humà, i les aplicacions de la intel·ligència artificial per a l’aprenentatge.

Objetivos
  1. Identificar el objeto y el sujeto de la privacidad de los datos.
  2. Analizar la fenomenología de los ataques a la privacidad de los datos de los usuarios.
  3. Aplicar el marco legal vigente en la privacidad de los datos.
  4. Implementar modelos de preservación de la privacidad para datos complejos.
  5. Utilizar técnicas de criptografía simétrica.
  6. Dominar las funciones de huella electrónica (hash).
  7. Identificar la criptografía de clave pública.
  8. Dominar el sesgo algorítmico.
  9. Aplicar métodos de seguridad en la minería de datos.
Contenidos
  1. Introducció a les metodologies d’aprenentatge humà.
  2. Conductisme: transmissió de la informació. La classe magistral; la web.
  3. Constructivisme: aprenentatge basat en problemes, projectes o escenaris.
  4. Implementacions informàtiques de diferents metodologies d’aprenentatge.
  5. La intel·ligència artificial, l’aprenentatge automàtic (Machine learning i Deep learning).
  6. Introducció a les xarxes neuronals.
  7. Construcció de models d’aprenentatge
Descripción

Dotar a l’alumne de capacitat de reflexió fonamentada sobre l’impacte que la tecnologia té en el món actual i futur.

Objetivos
  1. Reconocer las contribuciones de los pensadores en la dimensión ética de la tecnología.
  2. Analizar las contribuciones de los pensadores en filosofía sobre la tecnología.
  3. Aplicar la dimensión ética a los diseños tecnológicos.
  4. Integrar la autonomía y la neutralidad tecnológicas en los proyectos.
  5. Identificar el futuro impacto de la tecnología en los seres humanos.
  6. Analizar el impacto de la tecnología en el medio ambiente.
  7. Integrar las necesidades del desarrollo sostenible en los proyectos.
  8. Diseñar proyectos de acuerdo con los marcos regulatorios legales.
Contenidos
  1. Els pensadors de referència sobre filosofia de la tecnologia.
  2. Principis ètics aplicables a la tecnologia.
  3. Disseny d ́aplicacions amb reflexió ètica.
  4. Els objectius de desenvolupament sostenible.
  5. Comportament, riscos i ètica a les xarxes socials.
  6. El futur de la tecnologia. Intel·ligència artificial. Riscos per l’ésser humà
Descripción

Fer a l’alumne capaç d’emprendre un projecte empresarial i dissenyar i dirigir un projecte de IT.

Objetivos
  1. Planificar la operación y el ciclo de vida completo de un proyecto y servicio, a partir del reto definido por una empresa o institución externa.
  2. Aplicar las prácticas de la gestión de proyectos en la gestión integral del proyecto de explotación de datos.
  3. Evaluar aplicaciones y proyectos de sistemas informáticos aplicados a la ciencia de datos, y asegurar su fiabilidad y calidad.
  4. Identificar la importancia de la negociación, los hábitos de trabajo efectivos, el liderazgo y las habilidades de comunicación en los entornos de uso de datos masivos.
  5. Gestionar un proyecto.
Contenidos
  1. Àrees funcionals d’una empresa.
  2. Introducció a les finances. Balanç.
  3. Introducció als Recursos humans.
  4. Introducció a la Comunicació i Màrqueting.
  5. Operacions i logística.
  6. El projecte. Què és, mètriques, cicle de vida, estructura organitzativa, comunicació.
  7. Planificació del projecte, desglossament de la feina, estimació de temps i recursos humans.
  8. Dimensionament de recursos i elaboració de pressupost.
  9. Estimació, prevenció i solució de riscos.
  10. Qualitat.
  11. Gestió de projectes àgil. SCRUM- DevOps. Comparativa con PMI. Gestió híbrida.
  12. Planificació del Treball final de Bàtxelor.
Descripción

Fer capaç l’alumne de desenvolupar i crear un projecte informàtic utilitzant els coneixements i capacitats adquirits en la titulació, tot tenint en compte criteris ètics i els objectius de desenvolupament sostenible.

Objetivos
  1. Reconocer el proceso de innovación dentro del contexto corporativo.
  2. Proponer modelos y planes de negocio basados en la explotación de datos.
  3. Trabajar en equipos y proyectos multidisciplinarios relacionados con el procesamiento y la explotación de datos complejos.
  4. Diseñar modelos de negocio en el contexto de la economía digital.
  5. Aplicar conocimientos fundamentales y metodologías de trabajo sólidas adquiridas durante los estudios para adaptarse a los nuevos escenarios tecnológicos del futuro.
  6. Diferenciar las normativas laborales aplicables y las relaciones entre la planificación, las estrategias industriales y comerciales, la calidad y el beneficio.
  7. Identificar la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar.
  8. Comparar modelos de negocio digitales e innovadores de manera ágil y flexible.
  9. Aplicar métodos y técnicas de pensamiento de diseño (design thinking) al proceso de innovación en un contexto digital.
  10. Comunicar información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
Contenidos
  1. Seguir la planificació de projecte dissenyada a l’assignatura de gestió de projectes.
  2. Implementar el projecte.
  3. Documentació d’un projecte: Estructura i continguts de la memòria d’un projecte.
  4. Comunicació oral d’un projecte.
Descripción

El alumno escoge una de las materias de cualquier de los otros bachelors para completar su formación.

Objetivos

Lliure elecció.

Objetivos
  1. Sintetizar las capacidades aprendidas en las unidades de enseñanza para lograr un objetivo concreto.
  2. Gestionar la planificación de un proyecto.
  3. Escribir la memoria de un proyecto según la metodología de gestión utilizada.

Competencias

  • Aplicar els principis clau de la matemàtica, de l’estadística i de la computació per a l’anàlisi i el tractament de dades.
  • Estructurar la informació sobre la base de coneixements i principis de la ciència de dades per a un ús posterior.
  • Dissenyar i gestionar sistemes d’informació per a l’emmagatzematge i el tractament de dades.
  • Escollir i utilitzar tècniques d’aprenentatge automàtic i construir sistemes que n’emprin per a la presa de decisions.
  • Escollir i utilitzar tècniques de modelització estadística i anàlisi de dades per a la presa de decisions.
  • Processar grans volums de dades per extreure informació que ajudi a la presa de decisions.
  • Dissenyar solucions algorítmiques eficients per resoldre problemes computacionals i implementar-les en forma de programes.
  • Gestionar de forma integral projectes relacionats amb la informatització utilitzant tècniques vinculades a la ciència de dades.
  • Proposar models i plans de negoci innovadors, en l’àmbit de l’empresa, basats en l’explotació de dades.
  • Desenvolupar les tasques professionals de gestió i explotació de dades respectant la legislació, la normativa i les especificacions vigents.

  • CE11. Visualitzar la informació a fi de facilitar l’exploració i l’anàlisi de dades perquè l’usuari final pugui
    prendre decisions.

Evaluación

Teòriques:

Prova test de 80 preguntes amb 4 opcions de resposta diferents. El resultat de la prova es declara Apte si el nombre de respostes correctes arriba a 60. La qualificació obtinguda pondera el 30% del total.

Pràctiques:

Prova pràctica consistent en desenvolupar 6 qüestions corresponents a 6 casos o exercicis diferents de cada matèria. El resultat de la prova es declara Apte si es responen correctament i completa 4 de les 6 qüestions. La qualificació obtinguda pondera el 30% del total.

Acadèmiques Individuals o Col·laboratives:

Realització individual o en grup del Treball Acadèmic obligatori a cada matèria. El Treball Acadèmic es declara Apte i si es comprova l’efectiva realització de totes les parts en el termini establert en el calendari i ha rebut una valoració positiva en un mínim de 7 dels 10 paràmetres de l’Informe Avaluador. La qualificació obtinguda pondera el 30% del total.

Participatives:

Participació en els 6 debats plantejats en cada matèria a través del Fòrum. La participació es declara Apta si l’alumnat ha participat en un mínim de 5 debats i ha rebut una valoració positiva en un mínim de 7 dels 10 paràmetres de l’Informe Avaluador. La qualificació obtinguda pondera el 10% del total.

Treball de fi de grau:

L’alumnat del Bàtxelor haurà de realitzar amb caràcter obligatori un treball final d’estudis. Aquest treball s’ha d’elaborar seguint la normativa específica a l’efecte, sota la direcció del professorat regent, i a través de la plataforma LCMS de la eUniv. El professorat regent definirà els casos objecte dels treballs de fi d’estudis, que estaran coordinats en una línia de recerca de disseny propi i original. Qualsevol intent de frau detectat comportarà la qualificació final de suspès.

Solicitud de evaluación de estudios previos
Solicitud de admisión al Bachelor
Más Información