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

2026/2027

Pré-requisitos / Pre-Requisites

Não se aplica

Objetivos Gerais / Objectives

A UC visa desenvolver competências transversais de ética, integridade e responsabilidade na investigação, atenta a desafios colocados pelas tecnologias digitais e uso de ferramentas de IA. Pretende-se capacitar os/as estudantes para reconhecer princípios de integridade científica, identificar riscos éticos, jurídicos, tecnológicos e metodológicos em projetos de investigação e adotar práticas responsáveis ao longo do ciclo de vida dos dados, incluindo recolha, tratamento, análise, partilha/reutilização, pseudonimização/anonimização, bem como princípios FAIR e ciência aberta. A UC integra noções de gestão de dados de investigação, transparência, confidencialidade e proteção de dados pessoais, aplicando-as aos desafios específicos das abordagens quantitativas e qualitativas e a questões suscitadas pelo uso de ferramentas digitais, incluindo IA. A aprendizagem assenta numa abordagem aplicada, orientada para a análise de casos e para a preparação ética de projetos de investigação.

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

OA1. Reconhecer princípios de ética e integridade científica, identificando responsabilidades éticas, jurídicas, metodológicas e institucionais no ciclo de vida dos projetos e dados de investigação. OA2. Aplicar princípios de proteção de dados pessoais em investigação, incluindo privacidade desde a conceção, bases de licitude, transparência, minimização, confidencialidade, pseudonimização e anonimização. OA3. Analisar desafios éticos da investigação qualitativa, incluindo relações de poder, consentimento informado, produção/coprodução de dados, contextos sensíveis, arquivo e análise documental. OA4. Analisar desafios éticos e de integridade da investigação quantitativa, incluindo proveniência, documentação, rastreabilidade, reidentificação, enviesamentos, práticas questionáveis e comunicação responsável. OA5. Aplicar princípios e propor medidas proporcionais de mitigação de riscos, considerando métodos, dados, participantes, princípios FAIR, ciência aberta e tecnologias emergentes.

Conteúdos Programáticos / Syllabus

CP1. Ética, integridade e responsabilidade: princípios, más práticas, ciclo de vida dos dados, reprodutibilidade e ciência aberta. CP2. Proteção de dados pessoais: RGPD, licitude, minimização, limitações da finalidade e conservação, transparência, anonimização/pseudonimização, critérios de risco e AIPD. CP3. Investigação qualitativa: ética situada e relacional, relações de poder, consentimento informado, riqueza contextual, produção/coprodução de dados, contextos sensíveis, adequação metodológica, arquivo e análise documental. CP4. Investigação quantitativa: proveniência, documentação e rastreabilidade, anonimização/agregação, reidentificação e divulgação indireta, enviesamentos, missing data, práticas questionáveis, correlação vs. causalidade, overclaiming e visualização responsável. CP5. Tecnologias digitais, IA e ciência aberta: IA generativa, confidencialidade em serviços digitais, orientações emergentes, princípios FAIR, acesso aberto, direitos de autor e gestão de dados.

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 asseguram a correspondência com os objetivos de aprendizagem. O CP1 introduz princípios de ética, integridade e responsabilidade científica e o ciclo de vida dos dados, sustentando o OA1. O CP2 aprofunda a proteção de dados pessoais, incluindo licitude, minimização, transparência, anonimização/pseudonimização, critérios de risco e AIPD, articulando-se com o OA2. O CP3 permite analisar desafios éticos da investigação qualitativa, designadamente relações de poder, consentimento informado, contextos sensíveis, produção/coprodução de dados, arquivo e análise documental, correspondendo ao OA3. O CP4 desenvolve questões de integridade na investigação quantitativa, como proveniência, documentação, rastreabilidade, reidentificação, enviesamentos, práticas questionáveis e comunicação responsável, respondendo ao OA4. O CP5 integra tecnologias digitais, IA, FAIR e ciência aberta, apoiando o OA5 e a definição de medidas proporcionais de mitigação de riscos.

Avaliação / Assessment

'Atendendo à natureza teórico-prática e aplicada da UC, a avaliação realiza-se na modalidade de avaliação ao longo do semestre, sem avaliação por exame final. A avaliação é composta por três componentes individuais: 1. componente aplicada, constituída por um trabalho integrado ou por dois exercícios mais curtos, incidindo sobre a análise ética de investigação qualitativa, quantitativa ou mista, com identificação de riscos e proposta de medidas de mitigação (47,5%); 2. teste individual, que poderá incluir perguntas de escolha múltipla, perguntas de resposta curta ou mini-casos, incidindo sobre conteúdos transversais da UC e podendo abranger aspetos essenciais dos módulos qualitativo e quantitativo (45%); 3. assiduidade e participação nas aulas (7,5%). Para efeitos de avaliação ao longo do semestre, é obrigatória a presença e participação em, pelo menos, 80% das aulas, sem prejuízo dos regimes aplicáveis aos estudantes com estatuto especial. A aprovação exige uma classificação final mínima de 10 valores e o cumprimento do requisito de assiduidade e participação acima referido. O uso de ferramentas de inteligência artificial deve ser transparente, declarado e compatível com as regras de integridade académica.

Metodologias de Ensino / Teaching methodologies

A UC adota uma abordagem teórico-prática, ativa, centrada nos/as estudantes, combinando exposição orientada, análise de casos, discussão crítica e exercícios aplicados. As sessões articulam conceitos de ética, integridade científica, proteção de dados, gestão de dados de investigação, métodos qualitativos e quantitativos, tecnologias digitais/IA e ciência aberta com situações reais ou simuladas de investigação. Serão usados exemplos e problemas práticos para identificação de riscos, análise de decisões metodológicas, avaliação de práticas questionáveis, pseudonimização/anonimização, comunicação responsável de resultados e preparação ética de projetos. A aprendizagem inclui trabalho autónomo, com exercícios de aplicação nos módulos qualitativo e quantitativo, discutidos em aula, e um teste escrito sobre os conteúdos transversais. A utilização de ferramentas de IA, quando admitida, deverá ser transparente, crítica e compatível com os objetivos de aprendizagem e as regras de integridade académica.

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-aprendizagem são coerentes com os objetivos de aprendizagem por combinarem enquadramento conceptual, discussão crítica e aplicação prática. A exposição orientada permite introduzir os princípios de ética, integridade científica, proteção de dados, ciência aberta e tecnologias digitais, contribuindo para os OA1, OA2 e OA5. A análise de casos e mini-casos favorece a identificação de riscos éticos, jurídicos, metodológicos e tecnológicos e a definição de medidas proporcionais de mitigação, em articulação com todos os OAs. A componente aplicada permite mobilizar os conteúdos em situações de investigação qualitativa, quantitativa ou mista, reforçando os OA3, OA4 e OA5. A discussão em aula promove reflexão crítica, argumentação e comparação de soluções. O teste escrito individual assegura a verificação da compreensão dos conceitos transversais e da capacidade de os aplicar a problemas de investigação.

Observações / Observations

'A UC contribui em especial para os Objetivos de Desenvolvimento Sustentável (ODS) 4 - Educação de qualidade, 9 - Indústria, inovação e infraestruturas, 16 - Paz, justiça e instituições eficazes, e 17 - Parcerias para a implementação dos objetivos. O ODS 4 é abordado através do desenvolvimento de competências transversais em ética, integridade científica, literacia em dados e responsabilidade na investigação. O ODS 9 é considerado através da reflexão sobre tecnologias digitais, IA, gestão de dados de investigação, ciência aberta e inovação responsável. O ODS 16 é mobilizado através dos temas da transparência, responsabilidade, proteção de dados, integridade institucional e confiança na produção científica. O ODS 17 é abordado pela promoção de práticas de partilha, reutilização responsável de dados, princípios FAIR e colaboração científica. Na elaboração desta ficha foram utilizadas ferramentas de IA generativa para apoio à redação, revisão linguística e tradução entre português e inglês. A conceção da UC e a definição dos objetivos, conteúdos programáticos, metodologias, processo de avaliação e seleção bibliográfica são da exclusiva responsabilidade da equipa docente, que reviu, validou e assume a integralidade do conteúdo. As referências bibliográficas foram conferidas quanto à sua existência, autoria e adequação formal.

Bibliografia Principal / Main Bibliography

'ALLEA. (2023). The European Code of Conduct for Research Integrity. Berlin: ALLEA. Iphofen, R., & Tolich, M. (2018). The SAGE handbook of qualitative research ethics. SAGE Publications Ltd, https://doi.org/10.4135/9781526435446 Iscte. (s.d). Código de Conduta Ética na Investigação do Iscte – Instituto Universitário de Lisboa. Iscte. (2023). Política de Gestão e Partilha de Dados de Investigação do Iscte – Instituto Universitário de Lisboa. David, N., Cordeiro, M., Cipriano, G., Boavida, C. P., Figueiredo, J., Conceição, M. C., Ochôa, P., Gallagher, K., & Cunha, C. (2025). Toolkit sobre Questões Jurídicas, Proteção de Dados e Licenças. Re.Data – Rede Portuguesa de Apoio à Gestão de Dados de Investigação. Zenodo. doi:10.5281/zenodo.17632500 UNESCO. (2021). Recommendation on Open Science. Paris: UNESCO. Bryman, A. (2016). Social Research Methods (5th ed.). OUP. Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE.

Bibliografia Secundária / Secondary Bibliography

'Article 29 Data Protection Working Party. (2014). Opinion 05/2014 on Anonymisation Techniques. Adopted on 10 April 2014. Babbie, E. (2013). The Practice of Social Research (13th ed.). Cengage Learning. European Data Protection Board. (2026). Guidelines 1/2026 on processing of personal data for scientific research purposes. Adopted on 15 April 2026, version for public consultation. European Data Protection Board. (2025). Guidelines 01/2025 on Pseudonymisation. Adopted on 16 January 2025, version for public consultation. Iscte. (2022). Orientações aos Investigadores sobre Proteção de Dados Pessoais em Atividades de Investigação Científica no Iscte – Instituto Universitário de Lisboa. Klykken, F. H. (2022). Implementing continuous consent in qualitative research. Qualitative Research, 22(5), 795–810. https://doi.org/10.1177/14687941211014366 Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018. doi:10.1038/sdata.2016.18

Data da última atualização / Last Update Date

2026-07-27