Informaci贸n sobre

Inteligencia competitiva y vigilancia tecnol贸gica

 

SIGLA

: INP3420

CAR脕CTER

: OPTATIVO

CR脡DITOS

: 10

PROFESOR

Jocelyn Patterson, Elvira Saurina. 

MODULOS

: 2

 

I. DESCRIPCI脫N

 

En este curso, se entregar谩n los conocimientos e instrumentos caracter铆sticos para desarrollar servicios de inteligencia competitiva (IC) y vigilancia tecnol贸gica (VT) en ambientes orientados a promover actividades de I+D+i.  La inteligencia competitiva y la vigilancia tecnol贸gica, por medio de la captaci贸n, selecci贸n, an谩lisis, difusi贸n y comunicaci贸n de informaci贸n relevante de la propia organizaci贸n y del entorno cient铆fico-tecnol贸gico, ayudan a generar nuevos conocimientos para tomar decisiones estrat茅gicas con menor riesgo y anticiparse a los cambios. Se desarrollar谩n habilidades para la b煤squeda, interpretaci贸n y difusi贸n de informaci贸n de utilidad para la toma de decisiones de una empresa.

 

II. OBJETIVOS 

 

  • Dise帽ar, implementar y evaluar servicios de inteligencia competitiva y vigilancia tecnol贸gica para fomentar la innovaci贸n en organizaciones.
  • Distinguir y aplicar los procesos principales de la IC/VT. 
  • Identificar necesidades de informaci贸n en una organizaci贸n.
  • Seleccionar y usar las fuentes de informaci贸n m谩s apropiadas seg煤n tipo de necesidad o proyecto de investigaci贸n. 
  • Definir y elaborar un plan de recogida de informaci贸n.
  • Analizar, sintetizar y comunicar informaci贸n y conocimientos en una amplia variedad de formatos.
  • Analizar problemas de informaci贸n y desarrollar soluciones, bas谩ndose en diversas herramientas tecnol贸gicas y las mejores pr谩cticas. 

 

III. CONTENIDOS 

  • Introducci贸n a la Inteligencia Competitiva (IC) y a la Vigilancia Tecnol贸gica (VT). 
    • Definici贸n y conceptos. 
    • Enfoques de la Inteligencia Competitiva. 
    • Rol de la Innovaci贸n 

 

  • Estudio de las necesidades de IC y VT.
    • Definici贸n de necesidades.
    • T茅cnicas, m茅todos e instrumentos. 
  • Fases del proceso de VT.
    • C铆rculo de Inteligencia.
    • Actividades IC/VT. 
  • B煤squeda de informaci贸n
    • Clasificaci贸n de las fuentes: primarias y secundarias.
    • Patentes y marcas: bases de datos y directorios 
  • An谩lisis, tratamiento y difusi贸n de la informaci贸n
    • Modelos de an谩lisis
    • An谩lisis de patentes y an谩lisis bibliom茅tricos
    • Tratamiento de la informaci贸n: rol de los expertos y validaci贸n de la informaci贸n
    •  Difusi贸n de la informaci贸n: herramientas. 
  • Dise帽o de un sistema de VT en una empresa 

IV. METODOLOG脥A

  • Clases expositivas
  • Lecturas
  • Estudio de casos
  • Presentaciones

 

V. EVALUACI脫N 

  • Proyecto
  • Presentaciones
  • Tareas sobre an谩lisis de casos
  • Participaci贸n en clase

 

VI. BIBLIOGRAF脥A 

  • Escorza, P. ,La inteligencia competitiva: factor clave para la toma de decisiones estrat茅gicas en las organizaciones. Madrid, Espa帽a, 2008. Disponible en: http://www.madrimasd.org/informacionidi/biblioteca/publicacion/d oc/35_INTEC.pdf 
  • Garc铆a Alsina, M. y Ortoll Espinell, Eva. Inteligencia competitiva: corpus te贸rico y pr谩cticas. Ibersid. Madrid, Espa帽a. 6(2012), p.77-88. 
  • Hohhof, B. Competitive intelligence anthology. San Antonio, USA: SCIP, 2010. 
  • Sharp, S. Competitive intelligence advantage: how to minimize risk, avoid surprises, and grow your business in a changing world. Hoboken, New Jersey: Wiley, 2009. 

Recuperaci贸n de informaci贸n

SIGLA

: INP3420

CAR脕CTER

: M脥NIMO

CR脡DITOS

: 10

PROFESOR

: Olga Acosta

MODULOS

: 2

 

I. DESCRIPCI脫N

 

En este curso se tratar谩n los temas la recuperaci贸n y extracci贸n de la informaci贸n. La recuperaci贸n se refiere a aquellos procesos que permiten obtener y enlistar conjuntos de documentos relevantes obtenidos de grandes repositorios, principalmente de Internet, usando palabras claves o descriptores referidos a alg煤n rasgo particular de tales documentos. La extracci贸n de informaci贸n se enfoca en aquellos procesos dirigidos a la identificaci贸n y obtenci贸n de patrones espec铆ficos de informaci贸n insertos en textos, considerando para ello la combinaci贸n de reglas ling眉铆sticas con m茅todos probabil铆sticos.

 

II. OBJETIVOS 

 

  • Distinguir las diferencias entre recuperaci贸n y extracci贸n de informaci贸n. 
  • Localizar informaci贸n dentro de bases de datos referenciales y textuales, as铆 como otros repositorios similares. 
  • Comprender el funcionamiento de los sistemas de recuperaci贸n y extracci贸n de informaci贸n en repositorios electr贸nicos tanto comerciales como institucionales. 
  • Utilizar m茅todos de recuperaci贸n y extracci贸n en buscadores web. 
  • Evaluar la calidad de los resultados obtenidos, ponderando especialmente la calidad en la precisi贸n y cobertura de los patrones considerados. 
  • Aplicar las estrategias de posicionamiento en motores de b煤squeda para organizar la informaci贸n y lograr una b煤squeda efectiva.

 

III. CONTENIDOS 

 

  • Teor铆as y modelos de recuperaci贸n y extracci贸n de informaci贸n. 
  • M茅tricas de rendimiento en la recuperaci贸n y extracci贸n de informaci贸n: precision & recall (precisi贸n y cobertura)
  • Estrategias y lenguajes de b煤squeda.
  • Representaci贸n de textos: metadatos y lenguajes de marcaci贸n. 
  • Recuperaci贸n de informaci贸n en la web: motores, spiders y crawlers, an谩lisis de enlaces (pagerank).
  • Buscadores, metabuscadores y visualizaci贸n de documentos.
  • Extracci贸n e integraci贸n de informaci贸n: extracci贸n de datos desde textos en
    formato XML.
  • Recuperaci贸n de informaci贸n de datos semi-estructurados.
  • Etiquetado social (tagging). 

 

IV. METODOLOG脥A

  • Clases expositivas
  • Discusi贸n interactiva sobre los temas revisados
  • Pr谩cticas con m贸dulos de Python (NLTK, BeautifulSoup, Gensim, Scipy, etc.) y el sistema Sketch Engine. 

 

V. EVALUACI脫N 

  • Controles
  • Exposici贸n
  • Proyecto final

 

VI. BIBLIOGRAF脥A 

 

  • Baeza-Yates, R., et al. Modern information retrieval: The concepts and technology behind search. 2nd Edition. ACM Press Books. Addison-Wesley Professional, 2011.
  • Barnbrook, Geoff, et al. Meaningful Texts: The Extraction of Semantic Information from Monolingual and Multilingual Corpora. London/New York, Continuum, 2005.
  • Chowdhury, G. ntroduction to modern information retrieval. 2nd ed. Oxford, Oxford University Press, 2003.
  • Frakes, W.B., et al. Information retrieval: data structures and algorithms. Englewood Cliffs, NJ., Prentice-Hall, 1992.
  • Jackson, Peter, et al. Natural Language Processing for Online Applications: Text Retrieval, Extraction and Categorization. Amsterdam/Philadelphia, John Benjamins, 2002. 

Miner铆a de Datos

SIGLA

: INP3430

CAR脕CTER

: OPTATIVO

CR脡DITOS

: 10

PROFESOR

: Denis Parra

MODULOS

: 2

 

I. DESCRIPCI脫N

 

El objetivo de este curso es proporcionar al alumno elementos que le permitan entender las principales teor铆as y pr谩cticas de la emergente 谩rea de Miner铆a de Datos. Al final del curso el alumno deber谩 tener un conocimiento te贸rico y pr谩ctico de las principales t茅cnicas utilizadas actualmente en la creaci贸n de programas capaces de extraer conocimiento relevante desde bases de datos y conocer algunas de las principales aplicaciones donde en la actualidad este tipo de t茅cnicas est谩n teniendo una amplia aceptaci贸n, comprendiendo sus potencialidades y limitaciones. 

 

 

II. OBJETIVOS 

  • Aprender t茅cnicas de clustering para procesamiento de informaci贸n
  • Comprender y aplicar algoritmos de clasificaci贸n
  • Aplicar reglas de asociaci贸n

 

III. CONTENIDOS 

 

  • Introducci贸n El concepto y proceso de Miner铆a de Datos, tipos de problemas en que la Miner铆a de Datos es relevante.
  • Data Warehouse y OLAP
    • Arquitecturas
    • implementaciones
    • aplicaciones en Miner铆a de Datos. 
  • Preparaci贸n de la informaci贸n 
    • Datos ruidosos, 
    • datos faltantes, 
    • reducci贸n de la dimensionalidad y transformaciones, integraci贸n e inconsistencias. 
  • Reducci贸n de la Informaci贸n
    • An谩lisis de las Componentes principales
  • Reglas de asociaci贸n
    • Algoritmo Apriori
  • Clasificaci贸n
    • 脕rboles de Decisi贸n
    • NaiveBayes
    • Razonamiento en Base a casos. 
  • Clustering y medidas de similaridad en distintos tipos de datos. 
    • Clustering particional: K-Means, Mean Shift.
    • Medidas de similaridad para distintos tipos de datos. 
    • Clustering aglomerativo. 

 

  • Selecci贸n de Modelos (Hold Out, Cross Validation.). 
  • Conceptos B谩sicos en Miner铆a de Texto. 

 

IV. METODOLOG脥A

  • Clases expositivas
  • Actividades en clases
  • Trabajos grupales

 

V. EVALUACI脫N 

  • Tareas
  • Controles
  • Trabajo final

 

VI. BIBLIOGRAF脥A 

 

  • Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank 
  • Data Mining: Concepts and Techniques, Jiawei Han and Micheline Kamber. 
  • Machine Learning, Tom M. Mitchell 
  • Kimball, R. 鈥漈he data warehouse toolkit : the complete guide to dimensional modeling鈥, John Wiley and Sons, 2002. 
  • Inmon, W.H., 鈥滲uilding the DataWarehouse鈥, John Wiley and Sons; 3th edition, 2002. 
  • T. Hastie, R. Tibshirani, and J. Friedman, 鈥漈he Elements of Statistical Learning: Data Mining, Infe- rence, and Prediction鈥, Springer, 2001. 
  • Berry, M. and Linoff, G., 鈥滵ata Mining Techniques for Marketing, Sales and Customer Support鈥, Wiley, 1997. 
  • Berson, A., Thearling, K., and Smith, S. 鈥滲uilding Data Mining Applications for CRM鈥, McGraw Hill, 1999. 
  • Dyche, J., .e-Data: Turning Data into Information with Data Warehousing鈥, Addisson Wesley, 2000. 

Procesamiento del lenguaje natural

SIGLA

: LET3320

CAR脕CTER

: M脥NIMO

CR脡DITOS

: 10

PROFESOR

: C茅sar Aguilar

MODULOS

: 2

 

I. DESCRIPCI脫N


Este curso presenta una introducci贸n general al procesamiento del lenguaje natural (o PLN), la cual es un 谩rea de investigaci贸n emergente orientada hacia la generaci贸n y uso de herramientas computacionales en el estudio de una lengua. El curso se enfoca en: 鈥 el manejo (semi) automatizado de enormes repositorios de documentos, conocidos como corpus ling眉铆sticos; -el empleo de t茅cnicas estad铆sticas para determinar comportamientos regulares y/o irregulares en fen贸menos observables en corpus; y 鈥 la implementaci贸n de herramientas computacionales para procesar eficientemente palabras y/o frases.

 

II. OBJETIVOS 

Brindar a los estudiantes una panor谩mica general sobre lo que es el PLN, ponderando tanto una descripci贸n te贸rica de sus conceptos y m茅todos principales, as铆 como el aprendizaje de t茅cnicas de programaci贸n para desarrollar herramientas de an谩lisis. 

  • Definir en qu茅 consiste el PLN.
  • Definir sus conceptos y m茅todos b谩sicos.
  • Aprender a usar la librer铆a NLTK, programada en lenguaje Python.
  • Identificar sus principales l铆neas de investigaci贸n.
  • Desarrollar un proyecto basado en alguna de las l铆neas de investigaci贸n revisadas. 

 

III. CONTENIDOS

 

  • Nociones b谩sicas: definici贸n del PLN, gram谩ticas formales, gram谩ticas libres de contexto, n-gramas, corpus ling眉铆sticos, etiquetado ling眉铆stico, chunking y parsing, bases de conocimiento l茅xicas. 
  • Herramientas de an谩lisis: m贸dulos de procesamiento textual de NLTK.
  • T茅cnicas de an谩lisis: probabilidades condicionales, informaci贸n mutua y entrop铆a, precisi贸n & recall
  • L铆neas de investigaci贸n: recuperaci贸n y extracci贸n de informaci贸n, reconocimiento de entidades nombradas, clasificaci贸n de textos, miner铆a de textos, desarrollo de ontolog铆as. 

 

IV. METODOLOG脥A

  • Clases expositivas.
  • Sesiones de taller con computadores para el aprendizaje en el manejo de herramientas.
  • Entrega de evaluaciones parciales.
  • Trabajo final.

 

V. EVALUACI脫N 

  • Controles
  • Trabajos parciales
  • Trabajo final

 

VI. BIBLIOGRAF脥A 

 

  • Bird, Steven, Klein, Ewan y Loper, Edward (2010): Natural Language Processing with Python. Analyzing Text with the Natural Language Toolkit, Sebastropol, Cal., O'Reilly Media. 
  • Clark, Alexander, Fox, Chris and Lappin, Shalom (Eds.) (2010): The Handbook of Computational Linguistics and Natural Language Processing, Oxford, UK, Wiley-Blackwell. 
  • Jurafsky, Daniel y Martin, James (2009): Speech and Language Processing, Second Edtion, New Jersey, Prentice Hall. 

An谩lisis de redes y medios sociales

SIGLA

: INP3460

CAR脕CTER

: M脥NIMO

CR脡DITOS

: 10

PROFESOR

: Jorge Gana

MODULOS

: 2

 

I. DESCRIPCI脫N

 

En este curso se entregar谩n herramientas para comprender las interacciones que emergen de la convergencia entre redes sociales y tecnol贸gicas y c贸mo estas redes impactan las necesidades de comunicaci贸n, la diseminaci贸n de la informaci贸n, la interacci贸n social, la formaci贸n de comunidades y los nuevos tipos de mercados. Se estudiar谩n los mecanismos de an谩lisis de las redes y su comportamiento estructural, incluyendo m茅todos de an谩lisis de grafos, modelos de difusi贸n y propagaci贸n de la informaci贸n en el web, blogs, micro blogs, wikis, entre otros. Las t茅cnicas anal铆ticas incluyen la miner铆a de texto y datos, recuperaci贸n de la informaci贸n, algoritmos de enlaces, de clasificaci贸n y agrupamiento (clustering), an谩lisis de sentimientos y recomendaciones, entre otros.

 

II. OBJETIVOS 

  • Identificar los procesos de difusi贸n y los comportamientos de las cascadas de informaci贸n en las redes.

  • Comprender y analizar los recientes trabajos cient铆ficos para explicar las estructuras sociales, econ贸micas y t茅cnicas y sus interacciones. 

  • Analizar los aspectos computacionales y de ciencias sociales de las redes.

  • Interpretar ideas y m茅todos de diferentes disciplinas para entender los desaf铆os y enfoques en el an谩lisis y dise帽o de las redes y sus mecanismos asociados.

  • Aplicar y dise帽ar algoritmos para analizar redes, extraer informaci贸n y hacer recomendaciones.

 

III. CONTENIDOS

 

  • Introducci贸n.

  • Seis grados de separaci贸n 鈥 experimento del mundo peque帽o.

  • Teor铆a de grafos y redes sociales.

  • Redes de informaci贸n y el web.

  • Redes de interacci贸n, teor铆a de juegos y dise帽o de mecanismos.

  • Mercados e internet.

  • Efectos de red y cascadas de informaci贸n.

  • Clasificaci贸n,  an谩lisis de sentimiento y polarizaci贸n.

  • Estudios sobre difusi贸n y propagaci贸n en redes.

  • Estudios sobre detecci贸n de brotes (epidemias) en redes.

 

IV. METODOLOG脥A

  • Clases expositivas
  • Lecturas guiadas
  • Tareas
  • Trabajos grupales

 

V. EVALUACI脫N 

  • Interrogaci贸n
  • Tareas
  • Controles de lectura
  • Examen

 

VI. BIBLIOGRAF脥A 

  • Easley D., Kleinberg. Networks, Crowds, and Markets: Reasoning about a Highly Connected World. Cambridge University Press, 2010.
  • Watts, Duncan J. Six Degrees: The Science of a Connected Age,W.W. Norton, 2003.
  • Gladwell, Malcom The Tipping Point: How Little Things Can Make a Big Difference.  Little, Brownand Company, 2002.
  • Jackson, Mathew Social and Economic Networks.Princeton University Press, 2010. 
  • M. E. J. Newman Networks, An Introduction. Oxford University Press, 2010.
  • Christakis  N.A., Fowler J.H. Connected, Back Bay Books (reprinted), 2011.

Servicios y mercados electr贸nicos

SIGLA

: INP3550

CAR脕CTER

: OPTATIVO

CR脡DITOS

: 10

PROFESOR

: Mauricio Arriagada

MODULOS

: 2

 

I. DESCRIPCI脫N

 

Este curso se focaliza en el estudio de los fundamentos y el impacto del comercio y de los servicios electr贸nicos, basados en transacciones sustentadas por medios digitales. Se analizar谩 la forma de hacer negocios en las empresas, industrias, mercados y sociedad, de modo de comprender mejor sus estrategias y la competitividad en los mercados electr贸nicos. El curso examinar谩 las principales tendencias tecnol贸gicas en comercio electr贸nico, incluyendo aspectos de su econom铆a, marketing y los efectos de las emergentes redes sociales.

 

 

II. OBJETIVOS 

  • Aprender los fundamentos de comercio elerctr贸nico.

  • Entender la importancia de los servicios electr贸nicos.

  • Comprender los fundamentos posicionamiento del comercio electr铆nico en Internet.
  • Comprender el impacto del comercio electr贸nico en las empresas, industrias, mercados y sociedad, 

 

III. CONTENIDOS 

 

  • ECONOMIA DE LA INFORMACION
    • El Precio de la Informaci贸n
    • Diferenciaci贸n de Producto y Precio
    • 鈥淏undling鈥 o empaquetamiento
    • 鈥淟ock-in鈥 y su Gesti贸n
    • Redes y Realimentaci贸n Positiva 
  • ESTRATEGIAS Y MODELOS DE NEGOCIO
    • Comercio Electr贸nico B2C
    • Comercio Electr贸nico C2C
    • Comercio Electr贸nico B2B
    • Casos Emblem谩ticos 
  • MECANISMOS PARA EL COMERCIO ELECTRONICO
    • Motores de B煤squeda
    • Infraestructura para el e-Business
    • Sistemas de Pago Electr贸nico 
  • MARKETING EN INTERNET
    • Personalizaci贸n, diferenciaci贸n, segmentaci贸n
    • SEO (Search Engine Optimization)
    • Publicidad Patrocinada
    • Web Analytics 
  • PRIVACIDAD Y PROPIEDAD INTELECTUAL 
  • FUNDAMENTOS DE SUBASTAS
    • Primer Precio Oferta Sellada
    • Segundo Precio Oferta Sellada 
    • Ascendente (Inglesa)
    • Descendente (Holandesa) 
  • COMERCIO MOVIL
    • Negocio de Contenidos
    • Resumen tecnolog铆a

 

  • RESUMEN Y PROYECCIONES

 

IV. METODOLOG脥A

  • Clases expositivas
  • Actividades en clases
  • Trabajos grupales

 

V. EVALUACI脫N 

  • Controles
  • Participaci贸n
  • Trabajo final

 

VI. BIBLIOGRAF脥A 

 

  • C. Shapiro, H. Varian, 鈥淚nformation Rules鈥, Harvard Business School Press, 1999. 
  • K. C. Laudon, C. G.Traver 鈥淓-Commerce: business, technology, society鈥, 12th Edition, Addison-Wesley/Pearson, 2016. 
  • David Easley and Jon Kleinberg 鈥淣etworks, Crowds, and Markets: Reasoning about a Highly Connected World鈥. Cambridge University Press, 2010. 
  • Varian, Hal R; Farrell, Joseph and Shapiro, Carl 鈥淭he economics of Information Technology. An Introduction鈥 Raffaele Mattioli Lectures, Cambridge Univ. Press, 2005. 
  • Chris Anderson 鈥淭he Long Tail鈥, Hyperion, NY, 2008.
    John Battelle 鈥淭he Search鈥 How Google ant its Rivals Rewrote the Rules of 
  • Business and Transformed our Culture, Portfolio (Penguin Group), 2005 

 

 

Archivistica

SIGLA

: INP3250

CAR脕CTER

: OPTATIVO

CR脡DITOS

: 10

PROFESOR

: Rodrigo Sandoval

MODULOS

: 2

 

I. DESCRIPCI脫N

Este curso entrega conceptos, herramientas y estrategias para la gesti贸n efectiva y eficiente de documentos y archivos. Se analiza y debate la disciplina archiv铆stica y su aplicaci贸n en la gesti贸n de la informaci贸n.

II. OBJETIVOS

 

Al finalizar el curso el estudiante alumno ser谩 capaz de:

  • Analizar los servicios y normas asociadas a la gesti贸n de documentos y archivos.
  • tilizar las herramientas que permitan una adecuada gesti贸n de documentos y la administraci贸n de sistemas de archivos. 
  • Manejar las t茅cnicas utilizadas para analizar problemas complejos en archivos y crear las soluciones apropiadas.

  • Comprender y problematizar la historia de los archivos y las funciones que cumplen en la sociedad.

III. CONTENIDOS

  • Fundamentos de archiv铆stica.

  • Tipolog铆a de fondos p煤blicos y privados.

  • Historia de los Archivos y la Archiv铆stica. Funciones.

  • Los Archivos y la Archiv铆stica en Chile.

  • Normas internacionales de descripci贸n archiv铆stica. ISAD(G), ISAAR (CPF), ISDIAH, ISDF.

  • El tratamiento Archiv铆stico. Clasificaci贸n, ordenaci贸n, descripci贸n y recuperaci贸n.

  • Prevenci贸n, conservaci贸n y restauraci贸n.

  • Gesti贸n de documentos.

  • ISO 15489 / ISO 30300.

  • Documentos electr贸nicos.

  • Documentaci贸n empresarial.

  • Archivos digitales. 

 

IV. METODOLOG脥A

El curso se desarrolla en forma de seminario con lecturas por sesi贸n que deber谩n ser le铆das, analizadas y debatidas en clase. Los estudiantes realizar谩n un ensayo a partir de una selecci贸n de bibliograf铆a de los contenidos presentados en clases, asimismo preparar谩n una investigaci贸n monogr谩fica analizando un caso de gesti贸n de documentos y archivos de instituci贸n de inter茅s. 

V. EVALUACI脫N

  • Ensayo.
  • Participaci贸n en clases.
  • Trabajo Final.

VI. BIBLIOGRAF脥A



El proceso de innovaci贸n

Este curso analiza el proceso de innovaci贸n a trav茅s de cinco niveles de an谩lisis: individual, de equipo, de red, organizacional, e industrial. En cada nivel de an谩lisis, se presta especial atenci贸n a las condiciones bajo las cuales los procesos de innovaci贸n pueden tener 茅xito o fracasar. Al exponer a los estudiantes a una variedad de perspectivas sobre la innovaci贸n, se fomentar谩n sus experiencias en trabajos anteriores y se preparar谩n para diversas actividades creativas laborales. Profesor: Fernando Barraza.

Estudios de usuarios y desarrollo de competencias informacionales

Este curso entregar谩 los conceptos y t茅cnicas b谩sicas para desarrollar y gestionar estudios de usuarios que permitan detectar en forma eficiente necesidades emergentes de ellos y de las comunidades, como tambi茅n su nivel de satisfacci贸n. Adem谩s se entregar谩n los conocimientos, habilidades y valores necesarios para el dise帽o, implementaci贸n, evaluaci贸n y gesti贸n de programas de desarrollo de competencias informacionales (DCI) para diversas comunidades.

Profesores: Elvira Saurina, Viena Covarrubias.

Pontificia Universidad Cat贸lica de Chile - Escuela de Ingenier铆a UC - Vicu帽a Mackenna 4860 - Edificio San Agust铆n, 4to. piso - Campus San Joaqu铆n, Macul - Santiago - Chile
Pol铆ticas de privacidad | Mapa del sitio
Optimizado para: Explorer 8.0, Firefox 3.6.17, Chrome 10, Safari 4.1, Opera 11.10 贸 superiores