CAPÍTULO W: EN METODOS CUANTITATIVOS PARA LA GESTION Y ANALISIS DE DATOS EN ORGANIZACIONES

CAPÍTULO W: EN METODOS CUANTITATIVOS PARA LA GESTION Y ANALISIS DE DATOS EN ORGANIZACIONES^¹

ARTÍCULO 2301. Aprobar la creación de la Maestría en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones de la Facultad de Ciencias Económicas.

ARTÍCULO 2302. Aprobar la Reglamentación General, el Plan de Estudios y los contenidos mínimos de las asignaturas de la Maestría a que se refiere el artículo 2301, y que forman parte del presente Capítulo.

PLAN DE ESTUDIOS

I. INSERCIÓN INSTITUCIONAL DEL POSGRADO

Denominación del posgrado

Maestría en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones

Denominación del Título que otorga

Magister de la Universidad de Buenos Aires en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones

Unidad/es Académica/s de las que depende el posgrado

Facultad de Ciencias Económicas

Sede/s de desarrollo de las actividades académicas del posgrado

El cursado del posgrado se desarrolla en la sede de la Escuela de Estudios de Posgrado de la Facultad de Ciencias Económicas.

Resolución/es de CD de la/s Unidad/es Académica/s de aprobación del Posgrado Resolución (CD) Nº 1917/19

II. FUNDAMENTACIÓN DEL POSGRADO

A) Antecedentes

La presente Maestría es académica y tiene una fuerte integración con el Centro de Investigación Métodos Cuantitativos aplicados a la Economía y la Gestión (CMA) y con el Centro de Investigación en Metodologías Básicas y Aplicadas a la Gestión (CIMBAGE), ambos pertenecientes al Instituto de Investigaciones en Administración, Contabilidad y Métodos Cuantitativos para la Gestión (IADCOM) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires. En dichos centros se investiga en modelos matemáticos y estadísticos aplicados a la gestión en las organizaciones, contando con numerosas publicaciones en la materia. Es por ello que un grupo de investigadores se propuso encarar el desafío que presentan los grandes volúmenes de datos (Big Data) y el aumento de la capacidad de procesamiento para los profesionales que deben gestionar datos en contextos organizacionales.

La existencia creciente de grandes volúmenes de datos y de técnicas de aprendizaje automático modifica la forma en que funciona nuestro mundo siendo capaz de impactar de manera estratégica en toda la sociedad, por su capacidad de generar transformaciones productivas, económicas y sociales de gran envergadura. El desafío se centra en la transformación, análisis, uso y almacenamiento de enormes volúmenes de información automatizada; con el objetivo de convertir datos en información, facilitando la toma de decisiones de los diversos actores en las organizaciones. En este contexto, la sociedad de la información en la que nos encontramos inmersos experimenta los primeros pasos en la utilización de los grandes volúmenes de datos (Big Data), lo que conlleva beneficios y peligros. Esta nueva realidad está cambiando la toma de decisiones en las organizaciones. Se producen grandes volúmenes de datos nuevos (Big Data): imágenes satelitales, datos geolocalizados, imágenes locales, niveles de agua, etc., que son accesibles en tiempo real. Las operaciones rutinarias de las organizaciones y sus transacciones comerciales son las fuentes más importantes de datos mediados por procesos. Además, las redes sociales son otro tipo de datos donde hay gran cantidad de información.

Para dar cuenta de esta realidad, en el año 2018, el Consejo Superior de la Universidad aprobó el dictado de la Carrera de Especialización en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones. Esto fue tomado como antecedente para la presente propuesta.

a) Razones que determinan la necesidad de creación del proyecto de posgrado:

El aprendizaje automático es un conjunto de algoritmos computacionales que utilizan datos para predecir comportamientos o para prescribir acciones. Debido a que actualmente se cuenta con una creciente disponibilidad de datos (estructurados y no estructurados) y con infraestructuras informáticas escalables disponibles en la nube, es fundamental que los profesionales conozcan estas metodologías, para hacer más eficientes los procesos de gestión de riesgos. Por ejemplo, las entidades financieras pueden utilizarlo para vigilar la actividad.

Desde la dirección del Instituto de Investigaciones en Administración, Contabilidad y Métodos Cuantitativos para la Gestión (IADCOM) se ha considerado el desarrollo de una Maestría a fin de posicionar a los egresados en Ciencias Económicas en el diseño, análisis y gestión de sistemas digitales para la toma de decisiones en los distintos tipos de organización, administrando grandes volúmenes de datos. Se espera cubrir y liderar un segmento que está desarrollando una creciente importancia en la toma de decisiones y conducción de las organizaciones y que se estima se potenciará en un futuro próximo.

b) Antecedentes en instituciones nacionales y/o extranjeras de ofertas similares:

Maestría en Data Mining – Explotación de Datos y Gestión del Conocimiento. Universidad Austral.

Master in Management + Analytics. Escuela de Negocios. Universidad Torcuato Di Tella.

c) Comparación con otras ofertas existentes en la Universidad:

Maestría en Explotación de Datos y Descubrimiento de Conocimiento. Facultades de Ciencias Exactas y Naturales y de Ingeniería.

Esta maestría estudia metodologías para el desarrollo de técnicas de explotación de datos y de su aplicación en el ámbito de las ciencias naturales; por el contrario, esta propuesta se centra en la gestión de datos y su análisis para la toma de decisiones en contextos organizacionales. Nuestra visión se organiza desde la teoría de la Administración y busca formar al profesional que analiza datos en las organizaciones.

d) Consultas a las que fue sometido el proyecto de posgrado:

El proyecto surge desde el Instituto de Investigaciones en Administración, Contabilidad y Métodos Cuantitativos para la Gestión (IADCOM), como parte del plan de trasferencia al posgrado, por lo que la primera consulta fue interna dentro del instituto a reconocidos expertos académicos en los temas relativos a la Maestría en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones. En segundo lugar, y en articulación con el departamento pedagógico de Matemática de la Facultad de Ciencias Económicas, se consultó a los profesores regulares vinculados a la problemática del posgrado. En tercer lugar, se realizaron reuniones con graduados de nuestra facultad que se encuentran trabajando en el sector privado, en el público y en el tercer sector, de forma de tener la visión desde nuestros potenciales alumnos. En cuarto lugar, se consultó a directivos de empresas del sector informático y a directivos del sector público para incluir su visión en nuestra propuesta. En quinto lugar, y a los fines de articular eficientemente con los demás posgrados, se consultó con las autoridades de posgrado de la Facultad de Ciencias Económicas y de la Universidad de Buenos Aires.

B) Justificación:

La presente maestría ha sido diseñada de acuerdo con lo establecido por el Capítulo B CÓDIGO.UBA I-20.

III. OBJETIVOS DEL POSGRADO

Objetivo general

La Maestría en Métodos Cuantitativos para la Gestión y Análisis de Datos en Organizaciones está dirigida a la formación de profesionales capaces de problematizar acerca de la gestión de datos en organizaciones y desempeñarse en entornos altamente competitivos donde se requiera manejo de datos alternativos y herramientas econométricas.

Objetivos específicos

Comprender el valor de los datos para resolver problemas de gestión y auditoría en las organizaciones. Analizar la integridad de los datos y los aspectos éticos relacionados a su uso.
Comprender los algoritmos comúnmente utilizados en los métodos cuantitativos para la gestión y el análisis de datos. En particular, análisis multivariado, investigación operativa, métodos analíticos predictivos y aprendizaje automático.
Comprender metodologías avanzadas de aprendizaje automático para la gestión en organizaciones, técnicas de Análisis longitudinal de datos y de regresión generalizados.
Implementar los algoritmos aprendidos en análisis de datos estructurados y no estructurados.
Fomentar la problematización y trabajo científico de los maestrandos.

IV. PERFIL DEL EGRESADO

El egresado de esta maestría estará preparado para gestionar sistemas digitales en el contexto de la toma de decisiones en organizaciones privadas, públicas o del tercer sector, y contará con la capacidad de problematizar cuestiones referentes a la gestión de los grandes volúmenes de datos. Para ello se apoyará en procesos de recopilación, análisis y reutilización de grandes volúmenes de datos, y mediante técnicas cuantitativas de predicción, descripción y prescripción. Para desarrollar su capacidad de problematización desarrollará una tesis como trabajo final de maestría.

V. ORGANIZACIÓN DEL POSGRADO

a) institucional

Las autoridades de la Maestría serán: UN (1) Director, UN (1) Subdirector, UN (1) Coordinador y UNA (1) Comisión de Maestría.

Modalidad de designación de las autoridades

Las autoridades serán designadas por el Señor Decano y el Consejo Directivo de la Facultad de Ciencias Económicas. El Director, un Subdirector y el Coordinador serán propuestos por el Director de la Escuela de Estudios de Posgrado (EEP.) La designación de las autoridades se renovará anualmente.

Modalidad de selección y designación de docentes

Los docentes son propuestos por el Director del posgrado, en consulta con el resto de las autoridades de la Maestría. En la designación y categorización de los docentes intervienen las autoridades de la Escuela de Estudios de Posgrado, el Señor Decano y el Consejo Directivo de la Facultad.

Modalidad de selección y designación de tutores/directores de Tesis

Los Directores de Tesis son propuestos por los cursantes y aprobados por la Dirección, en consulta con el resto de las autoridades de la Maestría. En la designación intervienen las autoridades de la Escuela de Estudios de Posgrado (EEP), el Señor Decano y el Consejo Directivo de la Facultad.

Comisión de Maestría:

Será integrada por TRES (3) por investigadores/docentes de reconocida trayectoria académica en la temática del posgrado.

Son funciones de la Comisión de Maestría:

• Evaluar los antecedentes de los aspirantes

• Proponer a Consejo Directivo:

a) La aceptación o rechazo, con dictamen fundado, de los aspirantes y el establecimiento de prerequisitos cuando sea necesario

b) La aprobación de los programas analíticos de los cursos

c) La designación de los docentes de la Maestría

d) La designación de Directores de Tesis y consejeros de estudio

e) Los integrantes de los jurados de Tesis

Supervisar el cumplimiento de los planes de estudios y elaborar las propuestas de su modificación
Supervisar el cumplimiento del desarrollo de los planes de Tesis.

Son funciones del Director:

a) Proponer a la Escuela de Estudios de Posgrado (EEP) la composición de la Comisión de Maestría para su consideración y elevación al Señor Decano por intermedio del Secretario General y al Consejo Directivo.

b) Proponer la designación del total del personal docente de la Maestría con el asesoramiento de la Comisión de Maestría.

c) Proponer la oferta de las asignaturas a dictarse en cada Período Lectivo.

d) Informar a la EEP, en los plazos que ella establezca, el cronograma anual de actividades con el fin de optimizar la administración de recursos y la integración de los posgrados.

e) Proponer la asignación de horas de dictado de clases de los docentes designados.

f) Acordar y elevar las propuestas de temas de los Trabajos Finales de Maestría a la EEP para su consideración y elevación al Señor Decano por intermedio del Secretario General y al Consejo Directivo.

g) Elevar junto con la Comisión de Maestría las propuestas de designación del Director de Tesis a la EEP para su consideración y elevación al Señor Decano por intermedio del Secretario General y al Consejo Directivo.

h) Sugerir modificaciones del Plan de Estudios con el asesoramiento de la Comisión de Maestría.

i) Verificar que el dictado del posgrado esté en concordancia con el objetivo y el Plan de Estudios aprobado para su desarrollo.

j) Analizar la secuencia temática en el dictado del posgrado y evitar la superposición de contenidos entre las asignaturas en conjunto con la Comisión de Maestría.

k) Remitir a la autoridad académica correspondiente de la EEP, la calificación de los Trabajos Finales de los alumnos.

l) En el caso de corresponder, seleccionar a los postulantes inscriptos para el procedimiento de admisión, y realizar el respectivo orden de mérito para las vacantes. Estudiar y decidir acerca de la nivelación en la selección de los postulantes.

m) Realizar la presentación de la Maestría a los nuevos alumnos durante la primera semana de clases.

n) Implementar mecanismos de orientación, supervisión y seguimiento de alumnos y egresados con el asesoramiento de la Comisión de Maestría.

o) Impulsar el estudio y la investigación de la temática propia del posgrado.

p) Elevar informes académicos sobre pautas que elabore oportunamente la EEP.

q) Proponer convenios y acuerdos interinstitucionales.

r) Realizar en forma periódica, según lo que establezcan las autoridades de la EEP, el seguimiento de la base de datos de los interesados de su posgrado con el fin de brindarles la máxima información requerida.

s) Difundir y promover los posgrados en coordinación con la EEP. Participar en todas las reuniones informativas para postulantes que establezca la EEP.

Son funciones del Subdirector:

El subdirector colaborará con el director en el cumplimiento de las tareas arriba señaladas y lo suplantará cuando sea necesario. En el caso que el posgrado no tenga designado coordinador, asumirá las tareas del mismo.

Son funciones del Coordinador:

a) Planificar el posgrado en forma integral sugiriendo actividades académicas y proponiendo la distribución de la carga horaria de los períodos académicos.

b) Informar a los docentes sobre las normas y procedimientos a aplicar en el dictado de las asignaturas.

c) Asistir al Director en el cumplimiento de sus funciones y hacer seguimiento de la tarea de los docentes.

d) Asegurar que cada docente haya redactado el programa de la materia según los contenidos mínimos aprobados y teniendo en cuenta los siguientes capítulos: 1. Datos generales; 2. Encuadre general o presentación; 3. Objetivos; 4. Contenidos; 5. Bibliografía; 6. Métodos de desarrollo de las clases; 7. Métodos de evaluación, y 8. Cronograma.

e) Suministrar cada año y en el mes de febrero a la EEP los programas actualizados de las distintas materias que componen el posgrado. Dichos programas serán enviados a la Biblioteca de la Facultad para integrar el acervo bibliográfico histórico y permanente.

f) Atender el normal desarrollo de las actividades académicas de los alumnos y las cuestiones administrativas que de ellas deriven.

g) Propiciar que los docentes utilicen el Espacio Virtual como vehículo de comunicación con alumnos.

h) Confeccionar los informes académicos y administrativos de acuerdo con las pautas que elabore oportunamente la EEP.

i) Suministrar la información que le solicite la EEP para ser incorporada a la página web.

Convenios: no existen convenios para el dictado del posgrado.

b) Académica:

Lacarga horaria total de la Maestría es de SETECIENTAS VEINTE (720) horas, distribuidas en QUINIENTAS SESENTA (560) horas y CIENTO SESENTA (160) horas para el desarrollo de actividades orientadas a la tesis de maestría.

Cuadro correspondiente al Plan de estudios

Asignaturas	Carga horaria teórica	Carga horaria práctica	Carga horaria total
1.Fundamentos de métodos analíticos predictivos	24	24	48
2.Implementación de modelos de aprendizaje automático	24	24	48
3.Gestión y procesamiento de base de datos y nociones de auditoría no presencial	24	24	48
4.Gestión de datos en contextos organizacionales	24	24	48
5.Técnicas de Investigación operativa para la gestión	24	24	48
6. Métodos de análisis multivariado	24	24	48
7.Taller de programación	12	36	48
8. Metodologías avanzadas de aprendizaje automático para la gestión en organizaciones	28	28	56
9. Gestión y Análisis de datos no estructurados	28	28	56
10. Análisis longitudinal de datos	28	28	56
11. Modelos de regresión generalizados	28	28	56
Subtotal		560
ACTIVIDADES ORIENTADAS A LA TESIS DE MAESTRÍA
12. Taller para la elaboración del plan de tesis	16	16	32
13. Taller para la elaboración de la tesis	40	88	128
TOTAL HORAS		720

La Maestría no posee correlatividades.

Contenidos mínimos

1. Fundamentos de métodos analíticos predictivos

Métodos Analíticos Descriptivos, Predictivos y Prescriptivos. Limitaciones y oportunidades. La Minería de Datos. Relación con la estadística, las ciencias de la computación y la Inteligencia de Negocios. Preprocesamiento de datos. Modelos para clasificación. Inducción de reglas, Bayes “naïve”, k-Vecinos Cercanos, Árboles de clasificación (ID3). La clasificación binomial y multinomial. La clasificación como problema de regresión. Evaluación.

2. Implementación de modelos de aprendizaje automático

Concepto de aprendizaje automático. Ambientes de desarrollo e implementación de soluciones. El experimento. Fuentes de datos y Algoritmos. Preprocesamiento de los datos, elección de los ejemplos, entrenamiento del modelo, evaluación del modelo con datos extra, implementación de la solución. Acceso a datos de los medios sociales y de grandes proveedores en la nube.

3. Gestión y procesamiento de base de datos y nociones de auditoría no presencial

Metodología de análisis y diseño de bases de datos. Tipos de bases de datos. Relevamiento, diseño conceptual, lógico y físico. Lenguaje de Consulta de datos. Características del estándar. Consulta, inserción, eliminación y modificación de datos. Ventajas y desventajas del SQL estándar. Limpieza y Transformación de datos en el proceso de extracción del conocimiento. Análisis de datos. Detección de valores atípicos. Tratamiento de información faltante. Nuevos roles. Bases de datos distribuidas y paralelizadas. Concepto. Transacciones. Operaciones. Concepto y rol dentro de un programa de auditoría interna. Definición de objetivos. Automatización de los procedimientos de auditoría: métricas, indicadores. Gestión de excepciones. Pistas de auditoría. Implementación del plan. Evaluación periódica.

4. Gestión de datos en contextos organizacionales

Sistemas de información de gestión: aplicaciones de bases de datos, herramientas de visualización y de análisis. Fuentes de datos internos o externos, automaticidad de su generación y almacenamiento. Diccionario único de términos. Definición del alcance y contenido de cada dato, de los conceptos y de las reglas de negocio sobre los cuales aplican. Importancia de los criterios y metodologías de construcción de los datos e información. Etapas en la construcción de un sistema de información. Control de calidad. Centralización y descentralización de datos e información. Seguridad informática: perfiles y accesos según incumbencia y criticidad del dato. Administrador funcional, técnico y usuario. Proceso funcional – técnico. Criterios de consistencia y homogeneidad. Administración y uso de la información: confidencialidad, habeas data y otras normas de captación, guarda, uso y difusión de los datos. Explotación: reportes, cubos, búsquedas sobre la BBDD. Carpetas institucionales y del usuario de negocios y apoyo. Defensa de la competencia. Aplicaciones: datos e indicadores económicos; inteligencia de negocios en industrias; grandes volúmenes de datos (tópicos, industrias y áreas específicas de estudio a definir).

5. Técnicas de investigación operativa para la gestión

Programación lineal y entera. Programación lineal en redes. Programación de proyectos, dinámica y de metas. Procesos Estocásticos y Cadenas de Markov. Simulación. Modelo General de Filas de Espera. Aplicación a la Logística de Servicios. Redes neuronales.

6. Métodos de análisis multivariado

Conceptos Básicos. Métodos Estadísticos Multivariados. Tipo de Datos Multivariados y Medidas de Asociación. Análisis y Representación de Datos Multivariantes. Método de Componentes Principales. Análisis Factorial. Correlación Canónica. Análisis Discriminante. Análisis por Conglomerados. Análisis de Cluster Jerárquico. Criterios de Comparación entre Técnicas y/o Estrategias. Análisis de correspondencias. Análisis factorial confirmatorio. Modelo de Ecuaciones Estructurales (SEM), análisis causal. Análisis conjunto. Escalamiento Óptimo. Análisis Manova.

7. Taller de programación

Desarrollo de aplicaciones en organizaciones. Prototipo, implementación y ciclo de vida. Herramientas de desarrollo: Python, R. Introducción a SQL. Instalación de los ambientes de desarrollo. Módulos, funciones y paquetes. Bibliotecas y funciones para la gestión y procesamiento de datos. Aplicaciones Estrategias y técnicas de prueba y depuración. Mantenimiento.

8. Metodologías avanzadas de aprendizaje automático para la gestión en organizaciones

Optimización no lineal y estocástica. Métodos de ensamble. Aprendizaje mediante núcleos, máquinas de soporte vectorial. Inteligencia artificial, aprendizaje automático y aprendizaje profundo. Redes neuronales profundas. Aprendizaje reforzado.

9. Gestión y Análisis de datos no estructurados

Fuentes de datos no estructurados. Sistemas de recolección de datos no estructurados. Procesamiento de texto. Entidades, patrones, clasificación, agrupamiento y búsqueda de tópicos. Introducción al procesamiento del lenguaje natural. Implementación de aplicaciones. Procesamiento de imágenes. Reconocimiento de objetos. Procesamiento de imágenes satelitales. Implementación de aplicaciones.

10. Análisis longitudinal de datos

Datos en panel. Muestras longitudinales, cortes transversales repetidos y otros modelos. Datos en panel multidimensionales. Modelos de efectos fijos, efectos aleatorios y primeras diferencias. Clusters y estructura de la varianza-covarianza en datos agrupados y jerárquicos. Estructura de redes. Paneles dinámicos (variables instrumentales, método generalizado de momentos). Modelos de series de tiempo multivariadas, vectores autorregresivos (VAR).

11. Modelos de regresión generalizados

Modelos de variables categóricas. Modelos de variables binarias: probabilidad lineal, logit, probit. Modelos de variables multivariadas: ordenadas, no ordenadas. Modelos de conteo: Poisson y binomial negativa. Modelos censurados, truncados y con procesos de selección. Regresiones por cuantiles. Modelos de regresión noparamétricos y semi-paramétricos.

ACTIVIDADES ORIENTADAS A LA TESIS DE MAESTRÍA

12. Taller para la elaboración del plan de tesis

El tema o problema del Tesis. Revisión de contenidos metodológicos y sustantivos a fin de elaborar el plan. Contenidos metodológicos específicos en función de las temáticas abordadas. Presentación y aprobación del plan de tesis que constituye el primer paso para la presentación de la tesis de maestría. El plan de tesis es un esquema en el cual se enuncia cómo se va a llevar adelante la tesis. Es un plan de trabajo en el que se expone el tema de la investigación, las actividades que se llevarán a cabo y los recursos con los que se cuenta para dar respuesta a las preguntas problematizantes. Producto esperado: Plan de tesis de Maestría y elección del Director.

13. Taller para la elaboración de la tesis

Revisión de contenidos metodológicos y sustantivos a fin de avanzar en la elaboración del marco teórico y el cumplimiento de un objetivo específico. Contenidos metodológicos específicos en función de las temáticas abordadas, en especial los relacionados con el análisis y presentación de los hallazgos. Producto esperado: Marco teórico y un capítulo de hallazgos – cumplir con un objetivo específico.

VI. ESTUDIANTES

a) requisitos de admisión:

Serán admitidos como estudiantes de la Maestría aquellos postulantes que cumplan con los siguientes requisitos:

1. ser graduado de la Universidad de Buenos Aires con título de grado correspondiente a una carrera de CUATRO (4) años de duración como mínimo, o

2. ser graduado de otras universidades argentinas con título de grado correspondiente a una carrera de CUATRO (4) años de duración como mínimo, o

3. ser graduado de universidades extranjeras que hayan completado, al menos, un plan de estudios de DOS MIL SEISCIENTAS (2.600) horas reloj o hasta una formación equivalente a master de nivel I, o

4. ser egresado de estudios de nivel superior no universitario de CUATRO (4) años de duración como mínimo y además completar los prerrequisitos que determine la Comisión de Maestría, a fin de asegurar que su formación resulte compatible con las exigencias del posgrado al que aspira;

5. aquellas personas que cuenten con antecedentes de investigación o profesionales relevantes, aun cuando no cumplan con los requisitos reglamentarios citados, podrán ser admitidos excepcionalmente para ingresar a la Maestría con la recomendación de la Comisión de Maestría y con la aprobación del Consejo Directivo de la Facultad.

6. aquellas personas que no cuenten con el título de la Licenciatura en Economía o el de Actuario (en economía o en administración) de universidades nacionales, deberán realizar los siguientes cursos de nivelación:

– Conceptos básicos de matemática para economistas y actuarios (16hs).

– Conceptos básicos de estadística y econometría (16hs).

La maestría se orienta a profesionales universitarios de las carreras de grado reconocidas por la Universidad de Buenos Aires, cursadas en el país o en el exterior.

b) criterios de selección:

La selección de los postulantes será resuelta por las autoridades del posgrado, mediante evaluación de los antecedentes y la entrevista personal, de la cual surgirá un orden de mérito para cubrir las vacantes.

c) vacantes requeridas para el funcionamiento del posgrado

Se considerará un mínimo de VEINTICINCO (25) alumnos y un máximo de CUARENTA Y CINCO (45) alumnos inscriptos para el desarrollo de las actividades.

d) criterios de regularidad:

Para que un estudiante sea considerado regular deberá:

Asistir a no menos del SETENTA Y CINCO por ciento (75%) de las clases.
Aprobar las evaluaciones parciales y finales de cada asignatura.
Dar cumplimiento a los requisitos administrativos especificados en la reglamentación.
Mantenerse al día con el pago de los aranceles y cuotas.
No haber incurrido en ninguna falta grave que haya determinado su exclusión del curso según los reglamentos y decisiones de la autoridad.
Plazo para la presentación de la Tesis de maestría. Luego de cursada la última asignatura, los alumnos tendrán un plazo de DlEClOCHO (18) meses para la presentación de la Tesis de maestría. En el caso de excederse dicho plazo, quedará a consideración del Director ampliar el plazo o solicitar algún requisito adicional.

e) requisitos para la graduación

Para graduarse se deberá haber aprobado la totalidad de las asignaturas correspondientes al plan de estudios y haber aprobado y defendido la Tesis.

La Tesis será evaluada por un jurado integrado como mínimo por TRES (3) miembros, debiendo al menos UNO (1) de éstos ser externo a la institución y excluye al Director del mismo. La escritura de la Tesis será realizada en lengua española y su defensa será oral y pública, realizada también en lengua española y concretada en una sede física perteneciente a la institución universitaria, preferentemente donde la maestría fuera dictada. La calificación de la Tesis se ajustará a lo establecido por el Capítulo B CÓDIGO.UBA I-20.

La confección y expedición del diploma de Magíster de la Universidad de Buenos Aires se realizará según lo establecido por el Capítulo A CÓDIGO.UBA I-24.

Normativa y/o criterios utilizados para reducción y/o exención de aranceles

La Facultad ha implementado un sistema de becas para alumnos de posgrado. Su aplicación depende del reglamento vigente de la Escuela de Estudios de Posgrados.

Los criterios de selección apuntan a priorizar para la adjudicación:

el desarrollo de actividades de docencia en la Facultad.
las necesidades socio- económicas del solicitante.
la trayectoria y antecedentes académicos del solicitante.

VII. INFRAESTRUCTURA Y EQUIPAMIENTO

La Maestría funciona en el sector de Posgrado de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.

Cuenta con:

Tipo de espacio físico	Cantidad	Capacidad (personas)
Oficinas	UNA (1)
Aulas	DOS (2)	CIEN (100)
Aulas	UNA (1)	NOVENTA Y CINCO (95)
Aulas	UNA (1)	SETENTA Y CINCO (75)
Aulas	OCHO (8)	CINCUENTA Y CUATRO (54)
Aulas	DOS (2)	CINCUENTA (50)
Aulas	DIEZ (10)	CUARENTA Y CINCO (45)
Aulas	TRES (3)	CUARENTA (40)
Aulas	SIETE (7)	TREINTA (30)
Aulas	DOS (2)	QUINCE (15)
Sala de profesores	UNA (1)	TREINTA (30)

Equipamientos de los gabinetes de computación

El gabinete de computación a disposición de los alumnos del posgrado es el de la Facultad de Ciencias Económicas, ubicado en una Sala de 380 m², con CINCUENTA Y CUATRO (54) computadoras. Posee servidor de correo electrónico -a disposición de los alumnos- y los equipos con las siguientes características: intel 5300 4Gb, memoria disco 250Gb, grabadora dvd, monitor lcd 18,5”. CUATRO (4) servidores intel modelo 530 8Gb, memoria 250Gb, grabadora dvd. OCHO (8) Equipos tipo Athlon 2600 1Gb memoria disco 30Gb y monitor CRT 15”. Software Windows Server 2008, XP SP3.

Biblioteca Profesor Emérito » Alfredo L. Palacios»

Correo electrónico: servrapid@econ.uba.ar/ referen@econ.uba Servicios ofrecidos:

Prestamos automatizados

Catálogos de consulta automatizados

Correo electrónico

Disponibilidad de Internet

Prestamos interbibliotecarios Obtención de textos complementarios Página web: http://www.econ.uba.ar/www/servicios/Secretaria_Pedagogica/pricipal_biblioteca.htm

Superficie total de la sala (en metros cuadrados): 1665 m² Superficie total para la consulta (en metros cuadrados): 695 m²

Capacidad: DOSCIENTOS NOVENTA Y CUATRO (294) asientos

Fondo bibliográfico:

Cantidad de volúmenes totales: DOSCIENTOS DIECINUEVE MIL CUATROCIENTOS SESENTA Y TRES (219.463).

TREINTA Y UN (31) suscripciones a revistas especializadas (con arbitraje) VEINTICINCO (25) bases de datos disponibles Conexiones con redes informáticas:

Sistema de Bibliotecas y de Información de la Universidad de Buenos Aires UNIRED -Red de Redes de Información Económica y Social. Consorcio de Bibliotecas Argentinas coordinado por Educ.ar Equipamiento informático:

CINCO (5) Computadoras personales, UNA (1) Impresora, DOS (2) Servidores, DOS (2) torres de CD- ROM

Conexiones con bibliotecas virtuales:

Sistema de Bibliotecas y de Información de la Universidad de Buenos Aires

UNIRED -Red de Redes de Información Económica y Social- Consorcio de Bibliotecas Argentinas coordinado por Educ.ar

VIII. MECANISMOS DE AUTOEVALUACIÓN

Se prevé un proceso de autoevaluación que comprende una serie de acciones específicas destinadas al mejoramiento global de la calidad del posgrado.

Sus principales acciones serán:

a) Reuniones entre las autoridades del posgrado y las autoridades de la Escuela de Estudios de Posgrado para la evaluación del desarrollo del mismo;

b) Encuesta de evaluación del desempeño docente por parte de los alumnos y posterior análisis por parte de las autoridades de la maestría. En caso de ser necesario, se realizarán reuniones con los docentes para proponer planes de mejora;

c) Evaluación permanente de los programas de las asignaturas específicas en relación con: contenidos, bibliografía, propuestas didácticas y de evaluación, mediante reuniones periódicas entre las autoridades y el cuerpo docente de la carrera;

d) Evaluación y seguimiento permanente de la situación de los alumnos por parte del Coordinador;

e) Reuniones periódicas de las autoridades del posgrado con los estudiantes y docentes a los efectos de evaluar y canalizar las inquietudes que puedan surgir.

[1] RESCS-2019-1936-E-UBA-REC