Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Competências Transversais
Departamento / Department
Núcleo de Competências Transversais
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
Não se aplica.
Objetivos Gerais / Objectives
O objetivo geral desta Unidade Curricular (UC) é capacitar os estudantes para a utilização informada e com pensamento crítico de algoritmos generativos enquanto auxiliares de produção de trabalho académico. A UC pretende desenvolver competências de escrita académica, incluindo planeamento e organização de ideias, argumentação, uso de diferentes fontes de informação e procedimentos éticos e normativos de citação e referenciação, fazendo uso de ferramentas de IA. Cientes da aceleração de dispositivos de IA para apoio à resolução de problemas e tomada de decisão, a UC procura explorar o potencial de oportunidades de inovação e, também, debater os riscos e preocupações que tal utilização coloca. O escrutínio da independência, relevância e fiabilidade das fontes que sustentam a informação gerada pela IA, assim como a definição de princípios e orientações interdependentes que devem guiar a sua utilização responsável e eticamente comprometida serão pontos fulcrais nos trabalhos a realizar.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
"OA1. Conhecimento sobre a estrutura, linguagem e procedimentos éticos e normativos para elaboração de textos académicos. OA2.Competências de utilização de algoritmos generativos para assistência à elaboração de trabalhos académicos. OA3. Competências de análise e escrutínio da independência, pertinência e fiabilidade dos dados gerados por IA. OA4. Competências gerais de reconhecimento das implicações éticas e cívicas subjacentes ao acesso, partilha e utilização de ferramentas de IA em contexto académico."
Conteúdos Programáticos / Syllabus
"CP1. Introdução: escrita académica e algoritmos generativos (3h) CP2. Procedimentos de planeamento e construção de textos argumentativos com auxílio de IA (3h) CP3. Análise crítica de textos produzidos: identificação e referenciação de fontes de dados e análise da sua relevância face aos objetivos dos trabalho académico (3h) CP4. Oportunidades e riscos de utilização de IA: guia de boas práticas para acesso, partilha e utilização de ferramentas de IA em contexto académico (3h)"
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
"Os conteúdos programáticos abordam, de forma integrada, as competências necessárias para a escrita académica e utilização dos algoritmos generativos como ferramenta de apoio. A UC começa com uma introdução à escrita académica e aos algoritmos generativos, seguida por sessões dedicadas à organização de ideias, argumentação, citação, referência, revisão e edição. Essa estrutura permite aos estudantes desenvolverem, progressivamente, as competências necessárias de escrutínio e reflexão crítica das condições de produção, estruturação e partilha de dados produzidos com auxílio de algoritmos generativos no contexto da escrita académica. CP1 -> OA1, OA2 CP2 -> OA2; OA3 CP3 -> OA1, OA2, OA3, OA4 CP4 -> OA1, OA2, OA3, OA4 "
Avaliação / Assessment
"Modalidade de avaliação contínua: Participação em aula: avalia a presença, envolvimento e contributo individual dos estudantes nas discussões e atividades em sala de aula (20%). Trabalho em grupo: os estudantes terão que formar grupos para rever e editar os textos académicos entre os mesmos, utilizando os algoritmos generativos. A avaliação será baseada na qualidade das revisões, edições e feedbacks fornecidos (40%) Relatório individual: com uma reflexão aprofundada sobre as questões cívicas e éticas colocadas na utilização de ferramentas de IA como auxílio de escrita académica (40%). Existe nota mínima de 7 valores para todas as componentes de avaliação. Para poder concluir a unidade curricular na modalidade de avaliação contínua o estudante tem de estar presente em 75% das aulas. Ainda que não seja recomendado, os/as estudantes podem optar pela avaliação final através de um trabalho escrito e discussão oral (100%). " Além das apresentações práticas, os estudantes irão ser solicitados a realizar exercícios e tarefas escritas relacionadas com os conteúdos abordados. Estes podem incluir: reflexões sobre técnicas aprendidas, análise de casos de estudo, respostas a perguntas teóricas ou, até mesmo, a criação de roteiros de apresentação. Estas atividades ajudarão a avaliar a compreensão concetual dos conteúdos lecionados.
Metodologias de Ensino / Teaching methodologies
A metodologia de ensino incide em atividades práticas, como discussões em grupo e análise de estudos de caso. As aulas incluem alguma componente expositiva de apresentação de conceitos, visando fornecer os parâmetros teóricos de enquadramento das atividades a realizar pelos estudantes, enquanto as discussões em grupo e estudos de caso permitirão aos estudantes explorar e definir estratégias e procedimentos de planeamento e operacionalização, com protagonismo critico e reflexivo, do acesso, aplicação e utilização de algoritmos generativos no contexto académico. Os exercícios práticos proporcionarão aos estudantes a oportunidade de aplicar de forma oportuna as competências adquiridas e usar ferramentas de IA como auxílio da escrita académica. A aprendizagem será facilitada pela utilização de recursos online, como tutoriais e artigos relacionados com algoritmos generativos e com escrita académica. A interação entre os estudantes e o/a docente será promovida através de fóruns de discussão e sessões de tutoria, possibilitando o esclarecimento de dúvidas e aprofundamento dos conhecimentos adquiridos.
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
As metodologias de ensino adotadas estão alinhadas com os objetivos de aprendizagem da UC, uma vez que integram a teoria e a prática no desenvolvimento das competências de escrita académica e no uso de algoritmos generativos. As aulas expositivas fornecem conhecimento teórico sobre escrita académica e funcionamento de algoritmos generativos, enquanto as discussões em grupo e os estudos de caso incentivam a reflexão crítica sobre a utilização desta ferramenta no contexto académico. Os exercícios práticos proporcionam aos estudantes a oportunidade de aplicar o conhecimento adquirido e desenvolver competências de escrita académica, utilizando algoritmos generativos como ferramenta de apoio. A avaliação, que inclui a participação em aula, trabalho individual e trabalho em grupo, tem como fim a aquisição e aplicação dos conhecimentos, aptidões e competências desenvolvidas ao longo da UC. A combinação dessas metodologias de ensino contribui para o desenvolvimento integral dos estudantes, capacitando-os a compreender e aplicar as caraterísticas e estruturas de textos académicos, bem como a utilizar algoritmos generativos de forma eficaz e consciente no contexto da escrita académica.
Observações / Observations
-
Bibliografia Principal / Main Bibliography
Cotton, D. R., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 1-12. D'Alte, P., & D'Alte, L. (2023). Para uma avaliação do ChatGPT como ferramenta auxiliar de escrita de textos académicos. Revista Bibliomar, 22 (1), p. 122-138. DOI: 10.18764/2526-6160v22n1.2023.6. Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. Ribeiro, A. & Rosa, A. (2024). Descobrindo o potencial do CHATGPT em sala de aula: guia para professores e alunos. Atlantic Books. "
Bibliografia Secundária / Secondary Bibliography
Cowen, T., & Tabarrok, A. T. (2023). How to learn and teach economics with large language models, including GPT. GMU Working Paper in Economics No. 23-18, http://dx.doi.org/10.2139/ssrn.4391863 Lund, B. D., Wang, T., Mannuru, N. R., Nie, B., Shimray, S., & Wang, Z. (2023). ChatGPT and a new academic reality: Artificial Intelligence‐written research papers and the ethics of the large language models in scholarly publishing. Journal of the Association for Information Science and Technology, 74(5), 570-581. Strunk, William (1918) Elements of Style Korinek, A. (2023). Language models and cognitive automation for economic research (No. w30957). National Bureau of Economic Research. https://www.nber.org/papers/w30957
Data da última atualização / Last Update Date
2024-07-15