Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Código :
03680
Acrónimo :
DPCD
Ciclo :
2.º ciclo
Línguas de Ensino :
Inglês (en), Português (pt)
Língua(s) amigável(eis) :
Português

Carga Horária / Course Load

Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
24.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
25.0h/sem
Trabalho Autónomo :
125.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area

Ciência de Dados

Departamento / Department

ISCTE

Ano letivo / Execution Year

2019/2020

Pré-requisitos / Pre-Requisites

Conclusão do 1º ano do Mestrado em Ciência de Dados (equivalente a pós graduação).

Objetivos Gerais / Objectives

Esta unidade curricular tem como principais objectivos o desenvolvimento de competências para conceber, projectar e realizar um projecto de investigação científica na área de Data Science.

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

OA1. Capacidade de definir um problema de investigação concreto OA2. Capacidade de identificar um conjunto de dados que responda ao objetivo definido OA3. Capacidade de avaliação e discussão crítica dos resultados obtidos à luz do problema de investigação definido OA4. Capacidade de efetuar um levantamento da literatura que permita posicionar o problema de investigação e a sua relevância OA5. Capacidade de escrita científica.

Conteúdos Programáticos / Syllabus

CP1. Delimitação da temática e do campo de pesquisa CP2. Definição do objecto de estudo, problemática e objectivos CP3. Realização da revisão da literatura CP4. Definição do corpus documental CP5. Identificação e análise de fonte de dados relevante ao problema de investigação CP6. Análise crítica de resultados em Data Science CP7. Desenvolvimento de escrita científica

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

OA1: CP1; CP2 OA2: CP5 OA3: CP6 OA4: CP3; CP4 OA5: CP7

Avaliação / Assessment

Processo de avaliação (500 caracteres): Avaliação 1ª e 2ª época: Escrita individual de 1 artigo e sua apresentação (100%)

Metodologias de Ensino / Teaching methodologies

As aulas são Teórico-Práticas (TP) de forma a poder aliar a aprendizagem teórica à implementação de projetos e aplicação das técnicas em termos práticos

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

Os alunos irão tomar contato in-loco com problemas de investigação em Data Science, desenvolvendo pequenos projetos ao longo das aulas e no projeto de avaliação para assegurar que adquiram as competências necessárias ao desenvolvimento autónomo de investigação.

Observações / Observations

Nenhuma

Bibliografia Principal / Main Bibliography

Gregor, S., & Hevner, A. R. (2013). Positioning and presenting design science research for maximum impact. MIS quarterly, 37(2) Gastel, B., & Day, R. A. (2016). How to write and publish a scientific paper. ABC-CLIO.

Bibliografia Secundária / Secondary Bibliography

Agarwal, R., & Dhar, V. (2014). Big data, data science, and analytics: The opportunity and challenge for IS research. Hall, S. (2017, June). Practise makes perfect: developing critical thinking and writing skills in undergraduate science students. In Proceedings of the 3rd International Conference on Higher Education Advances (pp. 1044-1051). Editorial Universitat Politècnica de València.

Data da última atualização / Last Update Date

2024-02-16