Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Inteligência Artificial
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Não se aplica.
Objetivos Gerais / Objectives
A unidade curricular Inteligência Artificial na Sociedade visa proporcionar aos estudantes uma compreensão crítica da evolução histórica da Inteligência Artificial (IA) e do seu impacto na sociedade contemporânea, bem como analisar as perspetivas futuras desta área emergente. Pretende-se que os estudantes desenvolvam competências para refletir sobre a robustez, a confiança, a explicabilidade, a ética, a deontologia e a regulamentação associadas à IA, compreendendo as questões sociais, profissionais e legais inerentes à sua utilização em larga escala. Adicionalmente, pretende-se fomentar práticas de investigação e desenvolvimento responsáveis, criando uma cultura de pensamento inovador e reflexivo, de modo a preparar os estudantes para lidar com os desafios contemporâneos e futuros no domínio da IA.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final da UC, os estudantes deverão ser capazes de: OA1: Conhecer normas, leis e considerações éticas, sociais, de privacidade e de governação relacionadas com a prática profissional em IA. OA2: Discutir criticamente o impacto social da IA e as questões profissionais associadas à sua implementação em sistemas inteligentes, avaliando o impacto da delegação de decisões em máquinas e as implicações em equidade, parcialidade, transparência, responsabilidade e explicabilidade. OA3: Justificar e avaliar estudos de caso e trabalhos de colegas, desenvolvendo competências de análise crítica e capacidade de argumentação. OA4: Comunicar eficazmente com diferentes audiências, através de relatórios técnicos escritos, apresentações visuais e orais, demonstrando clareza e rigor na transmissão de ideias. OA5: Aplicar princípios de investigação e práticas profissionais responsáveis e éticas em IA, escolhendo métodos apropriados para analisar, teorizar e justificar conclusões.
Conteúdos Programáticos / Syllabus
CP1: Breve história da IA: enquadramento histórico, evolução de métodos, tendências e contextos socioeconómicos. CP2: Como funciona a IA: fundamentos técnicos, abordagens de aprendizagem automática e sistemas inteligentes. CP3: Viés, Ética, Equidade, Privacidade, Robustez e Confiança: análise crítica das implicações sociais, profissionais e legais. CP4: Quadros legais e regulamentares: normas, leis nacionais e internacionais, órgãos reguladores e padrões de cumprimento. CP5: IA no presente: estudos de caso em domínios diversos (saúde, transportes, educação, segurança, media). CP6: Abordagens para tornar modelos e decisões mais transparentes - XAI, Explainable AI. CP7: IA do futuro: tópicos emergentes, prospectiva, cenários de impacto social e técnico, participação pública e responsabilização.
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 (CP1 a CP7) apoiam diretamente todos os objetivos de aprendizagem, permitindo uma compreensão holística da IA na sociedade. O OA1 e OA2 são sustentados por CP1 a CP7, ao abordarem tanto o enquadramento histórico, como os aspetos éticos, regulamentares e sociais. A análise de estudos de caso (CP5) é essencial para OA3, proporcionando um contexto realista de avaliação e crítica. OA4 é reforçado pela comunicação de resultados e ideias em diversos formatos, assegurada pela natureza expositiva dos materiais (CP1 a CP7) e pela reflexão em diferentes contextos. OA5 é transversal, pois a integração de normas, ética e princípios de investigação responsáveis está presente em todos os módulos, especialmente em CP3, CP4 e CP7, que abordam práticas, normativos e tendências futuras.
Avaliação / Assessment
A avaliação, seguindo o previsto em RGACC, recorre à tipologia de avaliação ao longo do semestre, e possui a seguinte composição: (a) [30%] Trabalho de grupo em workshops: - Desenvolvimento de um caso de estudo prático, apresentado e discutido em ambiente online (fóruns ou sessões síncronas). (b) [20%] Avaliar individualmente o resultado do trabalho submetido em (d) (c) [30%] Duas atividades c/ avaliação online individuais (quizzes) (d) [20%] Documento de síntese do estudo de caso (realizado em grupo) Exige nota mínima de 8 valores nas quatro componentes. Para aprovação, o estudante deve obter nota final ≥ 10 valores. Caso contrário, o estudante é reprovado. A não aprovação ao longo do semestre permite a opção por avaliação por exame final. O exame incidirá sobre todos os conteúdos abordados (teóricos e práticos), sendo constituído por uma prova escrita e, se necessário, uma prova oral complementar para esclarecimento de dúvidas. O exame final possui uma ponderação de 100%. A admissão ao exame é possível para quem não atingiu aprovação na tipologia de avaliação ao longo do semestre ou optou por este regime de avaliação, nos termos do RGACC. A melhoria de nota poderá ser obtida repetindo o exame final na época seguinte, conforme regulamento. A presença nas sessões síncronas não é obrigatória, mas recomendada, pela oportunidade de interação direta e feedback imediato. Para além do RGACC, o estudante deve consultar o Regulamento de Estudantes com Estatuto Especial (REEE) e o Código de Conduta Académica (CCA).
Metodologias de Ensino / Teaching methodologies
A UC é desenvolvida em regime de EaD, recorrendo a uma combinação de recursos digitais, momentos de interação síncronos e assíncronos, e abordagens ativas e colaborativas. Neste modelo, os estudantes são encorajados a assumir o papel central no processo de aprendizagem, gerindo o seu ritmo de estudo, desenvolvendo autonomia e aprofundando a reflexão crítica sobre os temas abordados. O acesso a materiais multimédia e conteúdos expositivos, disponibilizados na plataforma de e-learning, permite que os estudantes assimilem o enquadramento histórico, técnico, ético, legal e social da Inteligência Artificial, bem como as questões emergentes relacionadas com o ""AI Act"" e a ""Assessment List for Trustworthy Artificial Intelligence (ALTAI)"". Estes materiais, constituídos por vídeos, textos, infográficos e podcasts, podem ser consultados repetidamente, adequando-se às necessidades individuais de cada estudante. As sessões síncronas, realizadas através de videoconferência, criam oportunidades de interação direta entre o docente e os estudantes, permitindo o esclarecimento de dúvidas, a análise conjunta de casos de estudo, o debate sobre os quadros legais, e a discussão sobre o impacto social da IA. Estes momentos fomentam um ambiente colaborativo, no qual a participação ativa e a partilha de perspetivas estimulam o pensamento crítico, a co-construção do conhecimento e o desenvolvimento de competências de comunicação. As tarefas práticas incluem o desenvolvimento de trabalhos de grupo em workshops virtuais, a apresentação e discussão de artigos científicos e o envolvimento em projetos de investigação individual. Através da análise de casos reais e da aplicação dos conceitos a cenários concretos, os estudantes exercitam a capacidade de reflexão ética, a interpretação das normas e quadros legais, a avaliação de riscos e a tomada de decisões responsáveis. Estas dinâmicas, suportadas por fóruns de discussão, wikis e outras ferramentas colaborativas, reforçam o pensamento crítico, a análise argumentativa e a postura proativa na resolução de problemas, promovendo uma aprendizagem orientada para o mundo real e para as questões emergentes da IA na sociedade. O feedback formativo contínuo, oferecido pelo docente e pelos pares, constitui um elemento central deste modelo. Ao receber comentários, sugestões de melhoria e orientações sobre o seu desempenho, os estudantes podem ajustar as suas estratégias, aprofundar o entendimento dos temas e melhorar de forma sistemática as suas competências analíticas e comunicacionais. A integração de todos estes elementos – materiais de estudo flexíveis, recursos multimédia, interação síncrona e assíncrona, tarefas práticas baseadas em casos reais e feedback formativo – assegura a coerência entre objetivos de aprendizagem, conteúdos programáticos, métodos de ensino e o contexto EaD, contribuindo para uma experiência formativa inclusiva, dinâmica e centrada no estudante.
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 e avaliação propostas estão alinhadas com os objetivos de aprendizagem, assegurando a construção de um percurso formativo coeso e relevante. A disponibilização de conteúdos teóricos online e o uso de recursos multimédia suportam OA1 e OA2, fornecendo o enquadramento ético, legal e social da IA. A análise crítica de casos de estudo e a discussão em fóruns online reforçam OA3, ao exigir justificação e avaliação de práticas alheias ou propostas pelos pares. A comunicação clara e eficaz (OA4) é estimulada pela necessidade de apresentar trabalhos em contexto remoto, usando diversos meios, do texto escrito à apresentação oral em videoconferência. Os estudantes exercitam assim competências de síntese, clareza e coerência argumentativa. A aplicação de princípios de investigação e prática profissional responsáveis (OA5) emerge das atividades de leitura e análise crítica, da reflexão sobre estudos de caso, bem como da elaboração do artigo de investigação individual. Este artigo obriga o estudante a integrar normas, leis, princípios éticos e considerações de governação, consolidando a capacidade de ação responsável. A avaliação contínua, por sua vez, concretiza o alinhamento entre metodologias e objetivos. O trabalho de grupo em workshops promove a colaboração e a resolução de problemas complexos, o que apoia a compreensão profunda dos temas abordados. A revisão e apresentação de artigos assegura o contacto com a investigação de ponta, colocando o estudante diante de problemáticas emergentes, reforçando a análise crítica e a capacidade de diálogo com a comunidade científica e profissional. O uso de ferramentas digitais, fóruns, plataformas de videoconferência e recursos assíncronos em EaD assegura a flexibilidade e a inclusão, permitindo a cada estudante gerir o seu ritmo de aprendizagem e participar de forma ativa e reflexiva. O feedback formativo contínuo oferecido pelo docente e pelos pares reforça a integração entre o ensino e a avaliação, fornecendo orientação, clarificando dúvidas e incentivando a melhoria permanente das competências. Em suma, as metodologias e a avaliação refletem, em conjunto, um ecossistema de aprendizagem coerente com os objetivos delineados, preparando o estudante para compreender e influenciar positivamente o papel da IA na sociedade, hoje e no futuro.
Observações / Observations
.
Bibliografia Principal / Main Bibliography
"1. T. Miller. Explanation in artificial intelligence: Insights from the social sciences. Artificial Intelligence, 267, 1–38, 2019. 2. C. Molnar. Interpretable machine learning. A Guide for Making Black Box Models Explainable, 2019. https://christophm.github.io/interpretable-ml-book/. 3. A. Holzinger, P. Kieseberg, E. Weippl & A Min Tjoa. Current Advances, Trends and Challenges of Machine Learning and Knowledge Extraction: From Machine Learning to Explainable AI. Springer Lecture Notes in Computer Science LNCS 11015. Cham: Springer, pp. 1-8, 2018. 4. S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. Pearson, Upper Saddle River, NJ, 2009."
Bibliografia Secundária / Secondary Bibliography
"1. ALLEA The European Code of Conduct for Research Integrity, European Union, URL: https://allea.org/code-of-conduct/ 2. Artificial intelligence Act, URL: https://www.europarl.europa.eu/RegData/etudes/BRIE/2021/698792/EPRS_BRI(2021)698792_EN.pdf"
Data da última atualização / Last Update Date
2025-05-23