Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Sistemas de Informação
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
Não se aplica
Objetivos Gerais / Objectives
Este curso curto, implementado como um piloto Erasmus+ BIP, inserido no Projeto Europeu InCITIES liderado pelo ISCTE, apoia o desenvolvimento de perspetivas interdisciplinares e inovadoras para pensar as cidades do futuro, no âmbito dos desafios globais das Cidades Inclusivas, Sustentáveis e Resilientes. No sentido de desenvolver consciência futura e empoderamento dos participantes para o pensamento sobre cidades do futuro, dentro de um quadro de investigação futurista, este BIP tem como objectivo proporcionar aos alunos uma abordagem ascendente e interdisciplinar aos desafios propostos pelos Parceiros Associados (APs), de acordo com o modelo pedagógico Aprender Desenvolvendo (LbD). Os participantes realizam tarefas autênticas e reais de acordo com os desafios propostos pelos APs do InCITIES e propõem soluções em modo projeto de grupo de trabalho.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
"Competências técnicas: OA1: Adquirir competências de problematização e teste de soluções criativas e informadas. OA2: Aplicar análise de dados centrada no utilizador. OA3: Criar apresentações e suporte de visualização de dados claras e acessíveis. OA4: Formular meios claros de promoção da utilização de meios de mobilidade ecológicos, inclusão no mercado de trabalho de pessoas com neurodiversidades, tendo por base um desafio de um AP. Comp. interpessoais: 5: Desenvolver uma experiência internacional multidisciplinar de LbD, de trabalho em equipa e respeito pelas opiniões dos colegas. 6: Co-construir soluções baseadas em pensamento crítico, resolução criativa de problemas, colaboração, observação crítica, negociação e tomada de decisão colaborativa. 7: Aplicar estratégias para propor soluções ponderadas, trabalho autónomo baseado na pesquisa de soluções e construção sustentada de argumentos. 8: Desenvolver competências de comunicação oral e escrita e de discussão técnica de trabalhos."
Conteúdos Programáticos / Syllabus
CP1. Aprender desenvolvendo para os alunos CP2. Futurismo - previsão das cidades CP3. Informação, visualização de dados e acessibilidade para a tomada de decisões pelos utilizadores CP4. Design thinking para a previsão do futuro das cidades, com destaque para o design social inclusivo CP5. Sensorização de dados de mobilidade CP6. Inovação nos transportes - desenvolvimento urbano sustentável CP7. Inteligência artificial centrada no ser humano
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
Todos os conteúdos programáticos (CP1 a CP7) se encontram associados aos objectivos de aprendizagem, quer os que se referem à aquisição de competências técnicas (OA1 a OA4), quer os que se referem ao desenvolvimento de competências interpessoais (OA5 a OA8). O CP foi concebida para garantir que os alunos desenvolvem uma compreensão abrangente e interdisciplinar dos desafios e oportunidades para o futuro das cidades. Ao centrar-se em tarefas da vida real, o programa garante que os alunos estão bem equipados para contribuir para a proposta de soluções que contribuem o desenvolvimento de cidades inclusivas, sustentáveis e resilientes, no contexto dos desafios propostos pelos parceiros do ecosistemas (APs).
Avaliação / Assessment
A avaliação dará prioridade à participação dos alunos e à qualidade do seu trabalho ao longo do curso. Os critérios de avaliação incluem: 1) análise aprofundada dos desafios propostos pelos APs, 2) análise crítica e síntese de conceitos, 3) elaboração iterativa de propostas de solução intermédias e finais, 4) participação ativa na aula, nomeadamente com sessões de tutoria em grupos de alunos e tutor/a, 5) comunicação efectiva e defesa da proposta de solução final face a um júri misto composto de docentes e representantes dos APs. Apresentação de grupo e relatório escrito de resolução de problemas para o Hackathon “Future Cities from Vivid Reality: Desafios Inclusivos e Sustentáveis na Área Metropolitana de Lisboa”. Durante o Hackathon, um júri decidirá quais os grupos de alunos que ganharão prémios. Será atribuída uma nota final individual pelos professores apoiados na realização do Hackathon e na participação ativa nas sessões online e presenciais.
Metodologias de Ensino / Teaching methodologies
O curso breve aplica vários métodos de ensino, incluindo palestras expositivas, debates, aprendizagem experimental através de visitas a locais relacionados com os desafios e trabalho de grupo tendo por base o modelo pedagógico Aprender Desenvolvendo (LbD). Os estudantes são os actores principais da resolução dos desafios propostos pelos Parceiros Associados (APs), analisando os problemas e desenvlovendo soluções em grupo. A integração de abordagens interdisciplinares enriquece a compreensão dos problemas, das tendências emergentes e da exequibilidade das soluções que propõem. Dando ênfase à participação ativa e ao pensamento crítico, o curso aplica conhecimentos teóricos a cenários do mundo real, reflectindo o seu foco na resolução de problemas. A abordagem LbD incentiva ums aprendizagem prática do estilo workshop baseada em desafios, envolvente, ativa, ascendente, com o envolvimento dos APs, docents e tutores. Os alunos participarão em exercícios de trabalho colaborativo de grupo de estudantes, culminando em apresentações a serem entregues durante a componente presencial do programa em Lisboa. O Iscte também promoverá o Hackathon Future Cities from Vivid Reality: Inclusive and Sustainable and Challenges in the Lisbon Metropolitan Area durante a componente presencial do curso BIP a realizar Lisboa para ajudar a envolver os alunos e que lhes permita apresentar os seus trabalhos a um júri.
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 abordagem LbD apoia intrinsecamente os Objectivos de Aprendizagem da unidade curricular, enfatizando os desafios da vida real, fomentando a aplicação teórica e prática (LO1 a LO5) e promovendo o trabalho em equipa e a colaboração interdisciplinar (LO6 a LO10). Os alunos trabalham em projectos relacionados, entre outros, com a análise de dados para a tomada de decisões por parte dos utilizadores, aplicando diretamente as competências aprendidas nos módulos a cenários do mundo real. A combinação da aprendizagem em linha e presencial garante que os alunos adquirem conhecimentos teóricos e experiência prática. Os módulos em linha e presenciais fornecem a base necessária em sistemas de informação e áreas interdisciplinares relacionadas, centram-se em projectos práticos e em actividades de resolução de problemas em equipa. Os exercícios em equipa e o hackathon fomentam o desenvolvimento de competências interpessoais e sociais (LO5 a LO10) e a promoção do trabalho em equipa, da discussão e da resolução de problemas num contexto multidisciplinar. Para se prepararem para o hackathon, os alunos colaboram no desenvolvimento de soluções inovadoras, reforçando a sua capacidade de trabalhar em equipa e de comunicação eficazmente, orientados por tutores, o que culmina com a apresentação das soluções às partes interessadas (APs) e aos professores. As metodologias de ensino do curso de curta duração “Cities Futures - Interdisciplinary Challenges” são meticulosamente concebidas para garantir o alinhamento com os resultados de aprendizagem. Ao integrar a abordagem LbD, um formato de aprendizagem híbrido, o trabalho de equipa colaborativo e a utilização de tecnologias digitais, o curso de curta duração prepara eficazmente os estudantes para enfrentar os desafios do mundo real para equacionar o futuro das cidades. Esta coerência garante que os estudantes não só adquirem conhecimentos teóricos, mas também desenvolvem competências práticas, pensamento crítico e de conceção, e capacidades de comunicação eficazes, essenciais para o seu desenvolvimento académico, profissional e cívico.
Observações / Observations
--
Bibliografia Principal / Main Bibliography
Lewrick, M., Link, P., Leifer, L. (2018)The Design Thinking Playbook: Mindful Digital Transformation of Teams, Products, Services, Businesses and Ecosystems, ISBN-10: 1119467470, Wile
Ketonen-Oksi, S., Vigren, M. (2024). Methods to imagine transformative futures. An integrative literature review., Futures, https://doi.org/10.1016/j.futures.2024.103341.
Lima, M. (2017) The Book of Circles: Visualizing Spheres of Knowledge. Princeton Architectural Press. New York.
Evergreen, S. (2016). Effective Data Visualization: The Right Chart for the Right Data. SAGE Publications Ltd.
Few, S. (2012). Show Me the Numbers: Designing Tables and Graphs to Enlighten, Analytics Press.
Wickham, H. (2015). ggplot2: Elegant Graphics for Data Analysis, Springer, https://ggplot2-book.org/
Learning by Developing LbD, https://www.laurea.fi/en/laurea/laurea-as-a-university/learning-by-developing-lbd/
Bibliografia Secundária / Secondary Bibliography
Ware, C. (2012). Information Visualization: Perception for Design (3rd ed.), Morgan Kaufmann
Shneiderman, B. (1996). The eyes have it: a task by data type taxonomy for information visualizations. In Proceedings of the 1996 IEEE Symposium on Visual Languages (pp. 336-343).
I. Foster, R. Ghani, R. S. Jarmin, F. Kreuter, J. Lane. (2016). Big Data and Social Science: A Practical Guide to Methods and Tools, 1st Edition. CRC Press.
P. Tattar, T. Ojeda, S. P. Murphy B. Bengfort, A. Dasgupta. (2017). Practical Data Science Cookbook, Second Edition. Packt Publishing.
P. Mathur. (2018). Machine Learning Applications Using Python: Cases Studies from Healthcare, Retail, and Finance. Apress.
Cleveland, W.S. (1987b). Research in statistical graphics, Journal of the American Statistical Association, 82, 419-423.
Provost. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly.
O’Reilly. M. N. Jones, (2016). Big Data in Cognitive Science (Frontiers of Cognitive Psychology), Taylor & Francis. F.
Chapman & Hall. T. W. Miller. (2015). Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python
Data da última atualização / Last Update Date
2024-11-05