Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Código :

04540

Acrónimo :

04540

Ciclo :

1.º ciclo

Línguas de Ensino :

Inglês (en), Português (pt)

Língua(s) amigável(eis) :

Português

Carga Horária / Course Load

Semestre :

Créditos ECTS :

2.0

Aula Teórica (T) :

0.0h/sem

Aula Teórico-Prática (TP) :

12.0h/sem

Aula Prática e Laboratorial (PL) :

0.0h/sem

Trabalho de Campo (TC) :

0.0h/sem

Seminario (S) :

0.0h/sem

Estágio (E) :

0.0h/sem

Orientação Tutorial (OT) :

1.0h/sem

Outras (O) :

0.0h/sem

Horas de Contacto :

13.0h/sem

Trabalho Autónomo :

37.0

Horas de Trabalho Total :

50.0h/sem

Área científica / Scientific area

Competências Transversais

Departamento / Department

Núcleo de Competências Transversais

Ano letivo / Execution Year

2024/2025

Pré-requisitos / Pre-Requisites

Não se aplica.

Objetivos Gerais / Objectives

A UC procura apoiar os estudantes na utilização crítica e informada de modelos generativos enquanto auxiliares de produção de trabalho académico, preparando-os para os desafios mundo atual. O objetivo geral é 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 (Normas APA), auxiliados por Inteligência Artificial Generativa. A reflexão crítica, a resolução de problemas, a comunicação eficaz e o trabalho em equipa são alguns dos atributos essenciais que se procurará fomentar, na utilização responsável e eticamente comprometida da IA nos trabalhos académicos. As atividades desenvolvidas darão prioridade à importância da leitura e da escrita. Além disso, serão abordadas as oportunidades de inovação e utilização da IAG no ambiente académico, bem como os cuidados necessários para mitigar os riscos e preocupações que tal situação coloca.

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 estrutura, linguagem e procedimentos éticos e normativos (APA) para elaboração de textos académicos. OA2. Aprender como utilizar os modelos generativos para a elaboração de trabalhos académicos. OA3. Discutir procedimentos de análise, pertinência e fiabilidade dos dados gerados por IA. OA4. Reconhecer implicações éticas na utilização de IA Generativa em contexto académico. Os objetivos de aprendizagem serão alcançados através de atividades práticas e reflexivas, tais como: • Discussões em grupo; • Análise de textos; • Defesa oral; • Exercícos práticos.

Conteúdos Programáticos / Syllabus

CP1. Introdução: escrita académica e modelos generativos: - Perceber como funciona a Inteligencia Atificial Generativa: o caminho que se percorre para o uso de IA generativa no ambiente académico. CP2. Procedimentos de planeamento e construção de textos argumentativos com auxílio de IA: - Identificar as possibilidades e as alucinações nas respostas produzidas por IA Generativa. CP3. Análise crítica de textos produzidos: identificação e referenciação de fontes de dados e análise da sua relevância face aos objetivos dos trabalhos académicos: - Explorar as possibilidades de validação dos dados e o potencial de uso das ferramentas de IA Generativa na produção de trabalhos académicos. CP4. Oportunidades e riscos de utilização de IA: guia de boas práticas para acesso, partilha e utilização de IA Generativa em contexto académico: - Compreender as dinâmicas na utilização responsável e eticamente comprometida ao realizar trabalhos académicos com ferramentas de IA Generativa.

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

A UC oferece um programa estruturado e metodologias ativas que garantem a coerência entre objetivos e conteúdos. Através dos conceitos (CP1), os estudantes são orientados para a reflexão crítica das condições de produção de trabalhos com o auxílio da IA. No CP2, discutem os procedimentos de planeamento na construção de textos com auxílio de IA, direcionando os seus esforços para as oportunidades desta utilização. Já o CP3 guia-os na capacidade de análise crítica de textos académicos, na identificação e referenciação de fontes de dados. O CP4 possibilita aos estudantes a identificação de riscos de utilização de IA, por meio da orientação para acesso, partilha e utilização destas ferramentas. As metodologias ativas e participativas, como discussões em grupo, simulações de soluções para wicked problem, análise de textos, apresentações de projetos e exercícios práticos, proporcionam aos estudantes oportunidades para desenvolverem as competências de escrita académica de forma reflexiva.

Avaliação / Assessment

A avaliação da UC visa aferir o desenvolvimento das competências dos estudantes na utilização informada de modelos generativos enquanto auxiliares de produção de trabalho académico. A Avaliação ao Longo do Semestre contempla as seguintes atividades: 1.Atividades individuais (50%) 1.1Participação nas atividades ao longo do semestre (10%). Descrição: esta componente visa aferir os contributos específicos de cada estudante nas atividades realizadas. Avaliação: intervenções em sala de aula; pertinência dos contributos específicos do estudante nos debates. 1.2 Simulações de prompts com ferramentas de IA em contexto académico (20%). Descrição: o estudante deve criar uma prompt clara/justificada, bem estruturada, de acordo com o guião proposto pelo docente em aula. Avaliação: (submeter no moodle), competências de comunicação e do trabalho em equipa com base na qualidade das simulações de prompts realizadas. 1.3 Defesa Oral - apresentação do grupo -5 min. debate -5 min.(20%). Descrição: cada estudante deve apresentar à turma, os seus contributos no trabalho realizado. Avaliação: após a apresentação do estudante, haverá uma sessão de perguntas e respostas. 2. Atividades em grupo (50%) [os estudantes são organizados em grupos de/até 5 elementos, constituídos de forma aleatória] 2.1 Apresentações em grupo, revisões, edições e validações dos conteúdos produzidos por IA (20%): Descrição: formação de grupos de trabalho para rever e editar os textos, utilizando os modelos generativos. Avaliação: (submeter no moodle),recolha de informações relevantes, a clareza e o caráter inovador da utilização de promts estruturadas. 2.2 Desenvolvimento de estratégias para fazer as revisões, edições e validações dos conteúdos produzidos por IA (10%). Descrição: ao final de cada etapa da atividade, os estudantes terão de promover avaliações críticas, pela reflexão sobre os desafios éticos da integração da IAG em ambiente académico. Avaliação: (submeter no moodle), os trabalhos serão corrigidos e avaliados com base na precisão e conformidade com a qualidade das revisões, edições e a participação dos estudantes nos feedbacks fornecidos aos colegas. 2.3 Simulações de Apresentações dos Projetos Finais (20%): Descrição: os grupos elegem um tema e criam um projeto fictício seguindo a estrutura de um relatório técnico ou texto científico, fazendo uma apresentação do seu projeto em sala de aula (5 min.) e debatem o tema (5 min.). Avaliação: (submeter no moodle): organização, conteúdo, uso correto da estrutura e procedimentos do trabalho académico. Considerações Gerais: na Avaliação ao Longo do Semestre será dado o feedback sobre o desempenho do estudante em cada atividade. Para fazer a avaliação ao longo do semestre, os estudantes devem estar presentes em 80% das aulas e terem mais de 7 valores em cada uma das avaliações. Havendo dúvidas sobre a participação nas atividades realizadas, o docente pode solicitar uma discussão oral. Avaliação final: Teste escrito presencial (100%).

Metodologias de Ensino / Teaching methodologies

A UC visa preparar os estudantes para a utilização informada e com pensamento crítico de algoritmos generativos enquanto auxiliares de produção de trabalho académico. Para alcançar este objetivo geral, a UC adota um modelo pedagógico ativo, participativo e centrado no estudante, utilizando metodologias de ensino e aprendizagem que promovem o desenvolvimento de diferentes áreas do conhecimento e competências. As metodologias de Ensino têm como meta assegurar aulas expositivas dinâmicas, incluindo: i. Apresentação de conteúdos teóricos de forma clara e concisa, utilizando recursos audiovisuais que estimulam a participação ativa dos estudantes; ii. Discussões em Grupo e debates sobre temas de interesse dos estudantes, incentivando a troca de ideias, a argumentação e a construção do conhecimento coletivo; iii. Simulações e estudos e soluções inovadoras, envolvendo a criação de propostas reais ou fictícias, permitindo aos estudantes aplicar os seus conhecimentos em situações práticas; iv. Dinâmicas de trabalho apoiadas em atividades que estimulam a comunicação, o trabalho em equipa e a resolução de problemas; v. Análise de textos apoiada na reflexão crítica sobre diferentes materiais relacionados com as propostas de resolução apresentadas. Apresentações de Projetos: Desenvolvimento e apresentação de projetos em grupo, promovendo a aprendizagem por pesquisa e a capacidade de comunicação eficaz. Exercícios práticos: Momentos de reflexão e aprendizagens adquiridas quanto aos desafios e oportunidades da utilização da IA generativa na elaboração de trabalhos académicos. Em termos gerais, as metodologias de ensino colocam o estudante no centro do processo de aprendizagem, incentivando a sua proatividade, autonomia e responsabilidade. As metodologias de ensino utilizadas promovem a construção ativa do conhecimento, através da participação dos estudantes nas aulas, nas atividades e nos projetos. Estas metodologias de ensino e aprendizagem estão em consonância com o modelo pedagógico institucional, que valoriza a formação integral dos estudantes, o desenvolvimento de competências transversais e a preparação para os desafios atuais.

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

Observações / Observations

Nesta unidade curricular, a utilização de ferramentas de Inteligência Artificial (IA), como o ChatGPT, será permitida para apoio na estruturação e revisão de textos, desde que devidamente referenciadas e com a indicação da prompt utilizada para geração de conteúdo.

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

2024-07-25