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

Unidade curricular exclusiva para estudantes de 2º e 3º ciclo

Objetivos Gerais / Objectives

A UC procura apoiar os/as estudantes na utilização crítica e informada de ferramentas de Inteligência Artificial Generativa (IAG) enquanto auxiliares nas atividades de investigação académica. O objetivo geral é desenvolver competências de planeamento e organização de ideias, argumentação, uso de diferentes fontes de informação, de escrita académica, e procedimentos éticos, auxiliados por IAG A reflexão crítica, a resolução de problemas, a comunicação eficaz e o trabalho em equipa são alguns dos atributos essenciais que se procurará fomentar, na utilização responsável e ética da IA nas atividades 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 - 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 investigação académica, em particular, identificar a ferramenta mais adequada para cada situação e contexto

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 para desenvolver soluções criativas no contexto da investigação académica CP4 - Utilização ética e responsável - Exposição e debate de desafios éticos no contexto académico

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

O CP1 e CP2 contribuem diretamente para o OA1 através de, não só exposição teórica sobre o passado, presente e futuro da IA e IA Generativa, mas também pela explicação clara das boas práticas na utilização destas ferramentas, que contribui para a capacitação dos/as estudantes a este nível. O OA2 é assegurado pelo CP2 e CP4 não só através da passagem das boas práticas na utilização de ferramentas de IA Generativa mas também pelo facto de incentivar ao desenvolvimento de soluções criativas que contribuem para o desenvolvimento do pensamento crítico. O CP4 e o OA3 estão intimamente ligados na procura do desenvolvimento do pensamento crítico e da criatividade dos/as estudantes e na criação de estratégias para não dependerem em excesso de ferramentas de IA Generativa. OA4 é assegurado diretamente pelo CP3 pelo facto de se apostar fortemente na exploração de várias ferramentas diferentes e assim desenvolver estratégias adequadas de utilização de IA generativa.

Avaliação / Assessment

'A avaliação da UC visa aferir o desenvolvimento das competências dos/as estudantes na utilização informada de modelos generativos enquanto auxiliares na investigação académica. A Avaliação ao Longo do Semestre contempla as seguintes atividades: - 1. Atividades individuais (50%) - 1.1 Participação nas atividades ao longo do semestre (10%). - Descrição: avaliação de contributos específicos de cada estudante nas atividades realizadas. - Avaliação: intervenções em sala de aula e pertinência dos contributosnos debates. - 1.2 Mini-teste sobre prompt engineering (20%). - Descrição: avaliação da aquisição de boas práticas na interação com modelos de linguagem. - Avaliação: submissão no moodle. - 1.3 Participação individual na apresentação do grupo (20%). - Descrição: cada estudante apresenta os seus contributos no trabalho de grupo. - Avaliação: apresentação seguida de sessão de perguntas e respostas. - 2. Atividades em grupo (50%) [grupos d /até 5 elementos, constituídos de forma aleatória] - 2.1 Trabalho em grupo: revisão, edição e validação dos conteúdos produzidos por IA (30%): - Descrição: utilização de modelos generativos para rever e editar textos, promovendo avaliação e reflexão crítica. - Avaliação: submissão no Moodle das entregas parciais e final, incluindo a capacidade de integrar o feedback dos colegas. - 2.2 Apresentaão finais (20%): - Descrição: desenvolvimento de um projeto fictício, estruturado como relatório técnico ou texto científico, com apresentação (5 min.) e debate (5 min.). - Avaliação: submissão no Moodle; organização, qualidade dos conteúdos, estrutura e aplicação dos procedimentos da investigação académica. Considerações gerais - será dado o feedback sobre o desempenho em cada atividade. - Para fazer a avaliação ao longo do semestre ´r obrigatória a presença em pelo menos 80% das aulas e nota mínima de 10 valores em cada componente de avaliação. - Havendo dúvidas sobre a participação nas atividades, o/a docente poderá solicitar uma discussão oral. 'Atendendo à natureza teórico-prática e aplicada da UC, a avaliação realiza-se na modalidade de avaliação ao longo do semestre, não estando prevista avaliação por exame. 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. Para efeitos de avaliação ao longo do semestre, é obrigatória a presença e participação em, pelo menos, 80% das aulas.

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 nas atividades de investigação académica. 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. vi. Desenvolvimento e apresentação de projetos em grupo, promovendo a aprendizagem por pesquisa e a capacidade de comunicação eficaz. vii. Momentos de reflexão e aprendizagem adquiridas quanto aos desafios e oportunidades da utilização da IA generativa na investigação académica. 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 da sociedade.

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 participação contínua (Atividade 1.1) recolhe evidências da compreensão desses princípios e da sua aplicação em intervenções fundamentadas. OA2: No mini-teste (Atividade 1.2) e nas revisões e validações em grupo (Atividade 2.1), 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 apresentação e defesa oral (Atividade 1.3). OA3: Os estudos de casos, as dinâmicas de grupo e as apresentações de projetos (Atividades 2.1 e 2.2) 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 das várias fases da investigação académica (Atividades 2.1 e 2.2), 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, assegurando que os/as estudantes internalizam boas práticas. A avaliação considera 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

'Oliveira, A. (2025). A Inteligência Artificial Generativa. Fundação Francisco Manuel dos Santos. 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.

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. Journal of the Association for Information Science and Technology, 74(5), 570-581. Korinek, A. (2023). Language models and cognitive automation for economic research (No. w30957). National Bureau of Economic Research.

Data da última atualização / Last Update Date

2026-07-27