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

2025/2026

Pré-requisitos / Pre-Requisites

Não aplicável

Objetivos Gerais / Objectives

"Esta UC tem por objetivo dotar os alunos de uma visão alargada da área da visualização de dados para a tomada de decisão e business intelligence. Pretende-se que os alunos desenvolvam capacidade crítica de análise de diferentes soluções de visualização de informação. O foco da UC está no ensino dos conceitos teóricos de visualização de informação e das boas práticas de utilização de tecnologias para o desenvolvimento de diferentes interfaces gráficas, com base em dados estruturados e não estruturados, que permitam uma eficaz tomada de decisão baseada em dados. Sendo a visualização de informação uma área multidisciplinar, são também lecionados os princípios fundamentais de desenho de informação e de visual analytics, bem como as boas práticas do desenho de interfaces no âmbito de Interface Homem-Máquina, com especial enfoque na usabilidade. Por fim, são abordados os atuais desafios e tendências em visualização de informação."

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Para obter sucesso nesta UC o aluno deverá ser capaz de: OA1. Conhecer os princípios fundamentais de visualização de informação para sistemas de business intelligence e de apoio à decisão. OA2. Conhecer e aplicar o processo de desenvolvimento de uma análise de dados visual interativa. OA3. Conhecer e aplicar os princípios da perceção visual. OA4. Conhecer, conceptualizar e implementar diferentes tarefas de visualização. OA5. Conhecer e aplicar em contexto analítico os princípios de design de informação. OA6. Conhecer e aplicar em contexto analítico as técnicas de storytelling. OA7. Explorar novas técnicas para a visualização de big data analytics e text analytics. OA8. Saber comparar e criticar diferentes interfaces analíticas. OA9. Saber analisar e quantificar a usabilidade de interfaces analíticas. OA10. Desenhar e implementar um projeto de visualização interativa de informação. OA11. Explorar e criar visualizações com diferentes ferramentas.

Conteúdos Programáticos / Syllabus

CP1. Introdução à Visualização de Informação para a tomada de decisão baseada em dados. CP2. Análise de dados visual interativa: processo de desenvolvimento. CP3. Datasets e variáveis. CP4. Tarefas de visualização. Taxonomias. Tipos de gráficos e a sua utilização. CP5. Percepção visual: princípios e aplicação em gráficos. CP6. Design de informação: princípios e aplicações em contexto analítico. CP7. Storytelling. CP8. Visual Analytics. Desafios da visualização de dados para big data analytics e text analytics. CP9. Avaliação de soluções de visualização de informação. CP10. Aplicações de visualização de informação em diferentes domínios. Novas tendências.

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

Os conteúdos programáticos estão alinhados com os objetivos de aprendizagem (OA) da UC através das seguintes dependências: OA1 (princípios fundamentais de visualização de informação): CP1, 3, 10 OA2 (processo de desenvolvimento): CP2 OA3 (perceção visual): CP5, 10 OA4 (tarefas de visualização): CP4, 10 OA5 (design de informação): CP6, 10 OA6 (storytelling): CP7 OA7 (explorar novas técnicas): CP8, 10 OA8 (comparação e crítica interfaces analíticas): CP1, 3, 4, 5, 6, 7, 8 OA9 (quantificar usabilidade): CP9 OA10 (projeto visualização): todos os CP OA11 (explorar diferentes ferramentas de visualização): CP2, 3, 4, 5, 6, 7, 8

Avaliação / Assessment

Dado que a UC tem um carácter eminentemente prático, não existe modalidade de avaliação por exame. A avaliação ao longo do semestre é composta pelas seguintes componentes: - Projeto prático (em grupo, com nota individual) - 60% - Teste individual (formato quiz)- 15%. - Apresentação no workshop de avaliação (em grupo, com nota individual) - 15%. - Avaliação por pares (em grupo) - 10% Nota mínima de 10 em todas as componentes da avaliação ao longo do semestre. Os grupos de trabalho são de 2 a 3 elementos. Não há possibilidade de realização de projetos individuais. É obrigatória a presença de todos os alunos na apresentação final dos projetos práticos, realizados num workshop, realizado na 1ª época de avaliação. A entrega do projeto prático decorre na 1ª época de avaliação. O teste individual (formato quiz) é realizado no período letivo. A avaliação por pares, realizada em grupo, compreende a avaliação de um projeto trabalho de outro grupo e a entrega de um relatório de avaliação (de acordo com o template fornecido) antes do workshop de avaliação. A avaliação em época especial é composta por uma prova escrita (50%) e um trabalho prático (50%).

Metodologias de Ensino / Teaching methodologies

Os resultados de aprendizagem são alcançados através de uma combinação de aulas expositivas, discussão de casos, realização de exercícios com dinâmicas de grupo, desenvolvimento do projeto e estudo individual. As aulas expositivas são orientadas para a apresentação dos fundamentos teóricos de visualização de informação. O projeto realizado em grupo permite aos alunos aplicarem os conceitos teóricos lecionados num contexto específico. A discussão de casos de estudo permite a aplicação e a discussão participativa e crítica dos conceitos lecionados. A resolução de exercícios e desafios de visualização, em aula e em auto-estudo, permite a consolidação da aprendizagem. As aulas de apoio ao desenvolvimento do projeto prático oferecem uma oportunidade para os alunos explicarem as suas decisões e refletirem sobre a aplicação dos conceitos lecionados, obtendo feedback formativo. O workshop de avaliação de projetos com a apresentação dos projeto e avaliação por pares, permitindo aos alunos aplicarem os conhecimentos e refletirem criticamente sobre as diferentes soluções apresentadas para os desafios propostos. O alinhamento entre os objetivos de aprendizagem e cada metodologia de ensino-aprendizagem definidas para a UC é realizado da seguinte forma: ME1: OA1, OA2, OA3, OA4, OA5, OA6, OA7, OA8 ME2: OA2, OA3, OA4, OA5, OA6, OA7, OA8, OA9, OA10 ME3: Todos os OA. ME4: Todos os OA.

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

O processo de ensino-aprendizagem inclui quatro metodologias (ME): ME1: Expositivas, para apresentação do enquadramento teórico de visualização de informação. ME2: Demonstrativa ou experimental, para exemplificação dos conceitos teóricos em contextos reais, exploração de dados com recurso a várias ferramentas de visualização e para o desenvolvimento do projeto prático. ME3: Participativa, para a discussão crítica de casos de estudo. ME4: Auto-estudo, relacionadas com o trabalho autónomo do aluno, segundo o Planeamento da UC.

Observações / Observations

Os conteúdos lecionados estão articulados com a UC de Desenho e Desenvolvimento de Aplicações de Business Intelligence. Adicionalmente os contéudos lecionados são um contributo para a melhoria das competências dos alunos na comunicação de resultados nas UC de Extração de Padrões e Conhecimento Guiada por Dados (Data Mining) e de Text Mining.

Bibliografia Principal / Main Bibliography

- Tominski, C. & Schumann, H. (2019) Interactive Visual Data Analysis. CRC Press, USA. - Setlur, V. and Cogley, B. (2022) Functional Aesthetics for Data Visualization. Wiley, USA. - Friendly, M. & Wainer, H. (2021) A History of Data Visualization & Graphical Communication. Harvard University Press, USA. - Nussbaumer Knaflic, C. (2019) Storytelling with data: let’s practice! Wiley, USA. - Cairo, A. (2023) The Art of Insight: How Great Visualization Designers Think. Wiley, USA. - Cairo. A. (2019) How Charts Lie: Getting Smarter about Visual Information. WW Norton & Co., USA. - Cairo, A. (2016) The Truthful Art: Data, Charts and Maps for Communication. New Riders - Munzner, T. (2014) Visualization Analysis and Design. AK Peters Visualization Series, CRC Press, USA. - Lupi, G. & Posavec, S. (2016) Dear Data. Princeton Architectural Press. - Lupi, G. & Posavec, S. (2018) Observe, Collect, Draw!: A Visual Journal. Princeton Architectural Press.

Bibliografia Secundária / Secondary Bibliography

- Nussbaumer Knaflic, C. (2015) Storytelling with data: a data visualization guide for business professionals. Wiley, USA. - Preece, J., Rogers, Y., and Sharp, H., (2007) - Interaction Design: Beyond HCI. Wiley - Organ, N. (2024) Data Visualization for People of All Ages. CRC Press, USA. - Grant, R. (2019) Data Visualization. CRC Press, USA. - Evergreen, Stephanie (2016). Effective Data Visualization: The Right Chart for the Right Data. USA. SAGE Publications Ltd

Data da última atualização / Last Update Date

2025-07-22