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
2025/2026
Pré-requisitos / Pre-Requisites
Não se aplica.
Objetivos Gerais / Objectives
A Unidade Curricular (UC) visa capacitar os estudantes para o uso crítico e informado de ferramentas de Inteligência Artificial Generativa (IAG) na produção de trabalhos académicos. O objetivo é promover competências de escrita, abrangendo desde o planeamento e organização de ideias até a argumentação, a utilização diversificada de fontes de informação e a aplicação de procedimentos éticos e normativos de citação e referenciação, com o auxílio da IAG em trabalhos académicos. A UC serve para fomentar a reflexão crítica, a resolução de problemas, a comunicação eficaz e o trabalho em equipa, sempre com foco na utilização ética da IAG em contextos académicos. Adicionalmente, serão exploradas as oportunidades de aplicação da IAG nos trabalhos académicos, assim como as precauções com os riscos e preocupações inerentes a essa utilização.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1 - Capacitar para a utilização ética e responsável de ferramentas de Inteligência Artificial (IA) Generativa OA2 - Adquirir competências de análise crítica sobre os resultados produzidos pelas ferramentas de IA Generativa OA3 - Saber identificar e desenvolver soluções criativas na resolução de problemas ética e socialmente complexos com IA Generativa OA4 - Saber aplicar ferramentas de IA Generativa na elaboração de trabalhos académicos, em particular na aplicação de escrita académica e na utilização de procedimentos normativos de citação e referenciação
Conteúdos Programáticos / Syllabus
CP1 - Introdução à IA e à IA Generativa: * Exposição teórica sobre o contexto histórico, evolução e conceitos importantes sobre a Inteligência Artificial (IA) e a IA Generativa CP2 - Prompt Engineering: * Explicação das boas práticas para a interação com modelos de linguagem generativos CP3 - Ferramentas de IA Generativa: * Exploração de múltiplas ferramentas de IA Generativa, baseadas em texto, imagens e vídeos CP4 - Formação de conteúdo argumentativo: * Desenvolvimento de soluções criativas recorrendo a práticas de argumentação e ferramentas de IA Generativa CP5 - Normas para escrita científica: * Aplicação de normas de citação e referenciação (normas APA) na elaboração de escrita académica
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes
CP1 e CP2 contribuem diretamente para o OA1 ao oferecerem uma exposição teórica sobre a Inteligência Artificial (IA) e a IA Generativa (IAG). Além disso, explicam as melhores práticas no uso dessas ferramentas, capacitando os estudantes para a utilização ética dessa ferramenta em contexto académico. O OA2 é assegurado pelo CP2 e CP4, que incentivam as boas práticas na utilização de ferramentas de IAG e o desenvolvimento de soluções criativas, fomentando o pensamento crítico. O CP4 e o OA3 estão interligados, pois ambos visam desenvolver o pensamento crítico e a criatividade dos estudantes. O OA4 é assegurado pelo CP5, que enfatiza a apresentação das normas de citação e referenciação (APA) na escrita académica.
Avaliação / Assessment
A Avaliação ao Longo do Semestre contempla as seguintes atividades: 1. Atividades individuais (50%) 1.1 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. 1.2 Defesa Oral - apresentação do grupo - 5 min. debate - 5 min. (30%): * 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], que incluem: * Apresentações em grupo, revisões, edições e validações dos conteúdos produzidos por IA. A avaliação (a submeter no moodle) inclui recolha de informações relevantes, a clareza e o caráter inovador da utilização de prompts estruturadas. * Desenvolvimento de estratégias para fazer as revisões, edições e validações dos conteúdos produzidos por IA, onde os estudantes terão de promover avaliações críticas, pela reflexão sobre os desafios éticos da integração da IAG em ambiente académico. A avaliação (a submeter no moodle) consistirá na correção dos trabalhos com base na precisão e conformidade com a qualidade das revisões, edições e a participação dos estudantes nos feedbacks fornecidos aos colegas. * Simulações de Apresentações dos Projetos Finais, onde 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.). A avaliação (a submeter no moodle) irá considerar a 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. O grupo terá de garantir a existência de pelo menos um computador por cada grupo para permitir a realização das atividades em sala de aula. Não haverá avaliação por exame final, sendo a aprovação determinada pela média ponderada das avaliações ao longo do semestre. A avaliação em 2ª época e época especial terá uma modalidade de avaliação alternativa, pelo que quaisquer estudantes que pretendam realizar a avaliação nestas épocas deverão previamente entrar em contacto com o/a docente para ficarem a par do procedimento de avaliação.
Metodologias de Ensino / Teaching methodologies
A UC visa preparar os/as estudantes para a utilização informada e com pensamento crítico de ferramentas de Inteligência Artificial Generativa (IAG) enquanto auxiliares de produção de trabalho académico. Para alcançar este objetivo geral, a UC adota um modelo pedagógico ativo, participativo e centrado no/a 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 e práticas, incluindo: i. Apresentação de conteúdos teóricos de forma clara e concisa, utilizando recursos audiovisuais que estimulam a participação ativa dos/as estudantes; ii. Discussões em Grupo e debates sobre temas de interesse dos/as estudantes, incentivando a troca de ideias, a argumentação e a construção do conhecimento coletivo; iii. Simulações e estudos de soluções inovadoras, envolvendo a criação de propostas reais ou fictícias, permitindo aos/às 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 aprendizagem 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/a 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/as 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/as 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
A coerência entre as metodologias de ensino, as estratégias de avaliação e os objetivos de aprendizagem resulta de um encadeamento intencional que garante que cada competência é trabalhada em aula, consolidada em atividades autónomas e verificada em momentos de avaliação. OA1: As aulas expositivas apoiadas em recursos audiovisuais introduzem princípios éticos, enquanto os debates estruturados permitem que os/as estudantes confrontem dilemas reais. A atividade 1.1 recolhe evidências da compreensão desses princípios e da sua aplicação em intervenções fundamentadas. OA2: Nas simulações de prompts (Atividade 1.1) e nas revisões e validações em grupo (Atividade 2), os/as estudantes analisam os resultados gerados pela IA, aprendendo a reconhecer potenciais enviesamentos e erros de factualidade. As discussões em sala e o feedback formativo do/a docente sustentam um ciclo de reflexão que é aferido pela qualidade dos relatórios submetidos e pela pertinência das respostas na defesa oral (Atividade 1.2). OA3: Os estudos de casos, as dinâmicas de grupo e as simulações de projetos (Atividade 2) colocam os/as estudantes perante cenários abertos onde devem conceber soluções originais, justificadas por critérios éticos e de impacto social. OA4: Durante as atividades práticas de elaboração de textos (Atividade 2), os grupos utilizam ferramentas de IA Generativa para esboçar, rever e formatar trabalhos segundo normas académicas. As simulações guiadas em aula focam a estrutura da prompt e a verificação automática de citações, assegurando que os/as estudantes internalizam boas práticas. A avaliação considera a correção formal dos documentos, bem como a transparência no registo das interações com a IA. Em conjunto, estas metodologias mantêm o/a estudante no centro do processo, alternando momentos de exposição teórica, prática supervisionada e trabalho autónomo, garantindo que cada objetivo de aprendizagem é alcançado e evidenciado por critérios de avaliação específicos e transparentes.
Observações / Observations
Nesta unidade curricular, a utilização de ferramentas de Inteligência Artificial (IA), será não só permitida para apoio na estruturação e revisão de textos, como é incentivada para que os/as estudantes possam explorar em ambiente seguro e pedagógico quais são as melhores práticas para o uso destas ferramentas em contexto académico.
Bibliografia Principal / Main Bibliography
Ribeiro, A. & Rosa, A. (2024). Descobrindo o potencial do CHATGPT em sala de aula: guia para professores e alunos. Atlantic Books. Cotton, D. R., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in education and teaching international, 61(2), 228-239. d’Alte, P., & d’Alte, L. (2023). Para uma avaliação do ChatGPT como ferramenta auxiliar de escrita de textos acadêmicos. Revista Bibliomar, São Luís, 22(1), 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.
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. DOI: 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.
Data da última atualização / Last Update Date
2025-07-17