Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Ciência de Dados
Departamento / Department
ISCTE
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
-
Objetivos Gerais / Objectives
O objetivo principal desta unidade curricular é o de relacionar os conteúdos técnicos previstos no plano curricular numa perspetiva crítica reflexiva sobre os dados e as estratégias de Ciência de Dados. Os estudantes apreenderão as diferentes visões de diferentes sectores (Ciência, Gestão e Sociedade em geral) relativamente à Ciência de Dados. Os estudantes são introduzidos a esta área de investigação e aplicação em crescimento, ao seu espírito e aos seus princípios básicos e às principais ferramentas, bem como alertados para as implicações éticas do uso e modelação de dados.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Após esta unidade curricular o estudante estará apto a atingir os Objetivos de Aprendizagem (OA): OA1. Distinguir as diferentes definições e diferentes tipos de dados, bem como as diferentes estratégias de investigação ou negócio que os geram. OA2. Distinguir quais as principais alegações que conduzem a diferentes interpretações o que são dados. OA3. Explicar as diferenças entre aproximações quantitativas e qualitativas na geração de dados. OA4. Examinar as implicações da recolha de dados em Ciência, Gestão e na Sociedade. OA5. Debater as implicações dos modelos de dados em para as pessoas nas organizações e na sociedade em geral.
Conteúdos Programáticos / Syllabus
Conteúdos Programáticos (CP): CP1. O que são dados e como pensar com dados. CP2. Tipos de Problemas tratados em Ciência de Dados e especificidades nos domínios da Ciência, Gestão e Sociedade. CP3. Diferentes tradições e metodologias de investigação e definições de aquisição de conhecimento. CP4. Tradução de desafios reais para conceitos técnicos e de acordo com uma linguagem cientificamente orientada. CP5. A dimensão ética das e nas estratégias de utilização de dados. CP6. Exposição de casos práticos.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Os objetivos de aprendizagem advêm do conjunto de conteúdos programáticos descrito. Em particular, CP1 proporciona elementos a OA1-5; CP2 proporciona elementos a OA1-2 e OA4-5; CP3 proporciona elementos a OA1-5; CP4 proporciona elementos a OA1-3; CP5 proporciona elementos a OA4-5; CP6 proporciona elementos a OA1-5.
Avaliação / Assessment
Esta UC é feita apenas por avaliação periódica, não contemplando a modalidade de avaliação por exame. Componentes da avaliação: a) Mini-testes (30%): 6 mini-testes (5% cada, a grande maioria para fazer em casa) b) Projeto (30%): trabalho de grupo c) Teste final (40%): Prova escrita a realizar no período da 1ª época, 2ª época ou época especial (Art 14º, RGACC) Requisito de aprovação: Teste final >= 8 valores (em 20 valores) A nota final do Projeto dependerá do código, dos relatórios e do desempenho dos estudantes na apresentação do trabalho realizado. A assiduidade não é requisito essencial de aprovação.
Metodologias de Ensino / Teaching methodologies
Serão utilizadas as seguintes metodologias de ensino-aprendizagem (MEA): MEA1: Expositivas, para apresentação do enquadramento teórico. MEA2: Ilustrativas, para exemplificação dos conceitos teóricos em contextos reais. MEA3: Argumentativas, com apresentação e discussão de pesquisas e do trabalho de grupo. MEA4: Activas, com resolução prática de exercícios de aplicação.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Os alunos irão tomar contato in-loco com problemas reais, desenvolvendo pequenos trabalhos ao longo das aulas e autonomamente e ainda realizando o desenvolvimento de um projecto em grupo para assegurar que adquirem as competências necessárias.
Observações / Observations
Bibliografia Principal / Main Bibliography
Cathy O'Neil, Rachel Schutt, Doing Data Science: Straight Talk from the Frontline, 2014, ISBN: 9781449358655, Borgman, C. L., Big data, little data, no data: scholarship in the networked world, 2015, ISBN: 9780262529914, Rob Kitchin, The data revolution: Big data, open data, data infrastructures and their consequences, 2014, https://doi.org/10.4135/9781473909472,
Bibliografia Secundária / Secondary Bibliography
Davenport, T., Harris, J., and Morison, R., Analytics at work: smarter decisions, better results. Harvard Business Review Press, USA., 2010, ISBN: 9781422177693, Turban, E., Sharda, R., Delen, D., Decision Support and Business Intelligence Systems (9th Eds), 2010, ISBN: 978-0136107293, Davenport, T., Big Data at Work: Dispelling the Myths, Uncovering the Opportunities, 2014, ISBN: 978-1422168165,
Data da última atualização / Last Update Date
2024-02-16