Desarma ejemplos cotidianos —un recibo, una app de pasos, una encuesta— para distinguir qué se observó, qué característica se registró, con qué valor y en qué unidad. Practica reconocer cuándo algo todavía no es dato porque falta una medición, una definición o un registro claro.

Sigue el camino de un dato desde el mundo real hasta un archivo o sistema: sensores, formularios, transacciones, registros administrativos, APIs, logs web y bases abiertas. Razona cómo la forma de captura cambia lo que el dato puede significar.

Lee el contexto mínimo que necesita un dato para no engañar: quién lo recolectó, cuándo, dónde, con qué definición, a qué escala y con qué población o evento de referencia. Usa metadatos y notas de recolección para interpretar correctamente un mismo número en situaciones distintas.

Apply the previous explanations in a guided problem.

Reconoce fallas comunes que aparecen antes de analizar: errores de captura, mediciones imprecisas, sensores mal calibrados, respuestas falsas, registros duplicados, datos incompletos y cambios en la forma de medir. Distingue entre un valor raro que puede ser real y una señal de problema en la recolección.

Identifica las decisiones humanas detrás de categorías, etiquetas, proxies y reglas de inclusión o exclusión. Evalúa límites prácticos y éticos como privacidad, consentimiento, cobertura desigual y usos que el dato no puede sostener con confianza.

Apply the previous explanations in a guided problem.

Check your understanding with a short quiz.

Review this chapter with practice based on your mistakes.