Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
480 - Informática
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
-
Objetivos Gerais / Objectives
Com o desenvolvimento da computação e das técnicas de processamento de informação, a inteligência artificial (IA) tem sido amplamente aplicada em práticas pedagógicas (IA na Educação; AIEd). Esta UC pretende dar a conhecer ao aluno o que é a IA e como pode ser aplicada no âmbito educativo, nomeadamente em contextos pedagógico e de gestão de ensino. A aplicação da IA à educação pode ser dividida em três paradigmas: a) representação de modelos de conhecimento e condução da aprendizagem cognitiva, sendo os alunos os recetores do serviço de IA; b) apoio da aprendizagem enquanto alunos colaboram com a IA; e c) capacitação da aprendizagem enquanto os alunos se focam na aprendizagem. No contexto educativo, podemos também aplicar a IA na gestão de todas as atividades inerentes ao ensino, utilizando técnicas que permitam a correção e elaboração automática de instrumentos de avaliação (smart content) e ainda o diagnóstico do sucesso do ensino (learning analytics).
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1: Conhecer a definição e áreas da IA e da Aprendizagem Automática OA2: Conhecer a definição de agente inteligente a suas características OA3: Identificar os vários componentes de um Sistema Tutor Inteligente OA4: Identificar e aplicar a melhor representação do conhecimento no STI OA5: Identificar e aplicar o melhor método de inferência e diagnóstico OA6: Identificar e aplicar metódos de conversação e reconhecimento de interação aluno-computador OA7: Identificar e aplicar formas de Interação PessOA IA para colaboração e tutoria no ensino OA8: Identificar métodos para a personalização e adaptação de conteúdos educativos OA9: Aplicar técnicas de AA para avaliação do processo de ensino OA10: Identificação os princípios de uma IA responsável e confiável
Conteúdos Programáticos / Syllabus
CP1: Introdução à inteligência artificial e aprendizagem automática CP2: Introdução aos Agentes Inteligentes CP3: Sistemas Tutores Inteligentes CP3.1.: Componentes do STI CP3.2.: Modelação do Aluno CP3.3.: Representação e Inferência do Conhecimento CP4: Agentes de Conversação e Tutores Virtuais CP5: Colaboração Pessoa-IA CP6: Geração e Gestão de conteúdos inteligentes CP7: Análise de dados de Educativos CP8: IA na Educação - ética e responsável
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
Ligação entre temas e OA: OA1 - {CP1, CP2} OA2 - {CP2} OA3 - {CP2,CP3} OA4 - {CP3,CP4} OA5 - {CP4,CP5} OA6 - {CP5} OA7 - {CP5,CP6,CP7} OA8 - {CP6} OA9 - {CP7} OA10 - {CP8}
Avaliação / Assessment
Os alunos são avaliados a 100% por projeto, nos seguintes moldes: 1ª Época: projeto realizado em grupos de alunos ao longo do semestre e acompanhado com aulas de tutorias (12 horas) (60%). Discussão individual na 1ª época de avaliação (40%). 2ª Época e Época especial: projeto individual (100%)
Metodologias de Ensino / Teaching methodologies
O processo de ensino-aprendizagem inclui quatro metodologias (ME): ME1: Expositivas, para apresentação dos quadros teóricos de referência. ME2: Experimental, para exploração e desenvolvimento de exercícios com recurso aos softwares abordados. ME3: Participativa, para desenvolvimento de trabalho prático e discussão crítica de casos de estudo e do projeto. ME4: Auto-estudo, relacionadas com o trabalho autónomo do aluno, segundo o Planeamento da UC.
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
É a seguinte a correspondência entre as metodologias de ensino-aprendizagem (ME) e os objetivos de aprendizagem (OA): ME1: {OA1, OA2, OA3, OA4, OA5, OA6, OA7, OA8, OA9, OA10} ME2: {OA4, OA5, OA6, OA7, OA8, OA9} ME3: {OA4, OA5, OA6, OA7, OA8, OA9} ME4: {OA1, OA2, OA3, OA4, OA5, OA6, OA7, OA8, OA9, OA10}
Observações / Observations
-
Bibliografia Principal / Main Bibliography
Russell, S., & Norvig, P. (2002). Artificial intelligence: a modern approach. Margetis, G., Ntoa, S., Antona, M., & Stephanidis, C. (2021). HUMAN?CENTERED DESIGN OF ARTIFICIAL INTELLIGENCE. Handbook of Human Factors and Ergonomics, 1085-1106. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education. Boston: Center for Curriculum Redesign. Furey, H., & Martin, F. (2019). AI education matters: A modular approach to AI ethics education. AI Matters, 4(4), 13-15. Chhibber, N., & Law, E. (2019). Using conversational agents to support learning by teaching. arXiv preprint arXiv:1909.13443. Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. Ieee Access, 8, 75264-75278. Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: a narrative overview. Procedia Computer Science, 136, 16-24.
Bibliografia Secundária / Secondary Bibliography
Nkambou, R., Mizoguchi, R., & Bourdeau, J. (Eds.). (2010). Advances in intelligent tutoring systems (Vol. 308). Springer Science & Business Media.
Data da última atualização / Last Update Date
2024-02-16