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 :

Créditos ECTS :

6.0

Aula Teórica (T) :

0.0h/sem

Aula Teórico-Prática (TP) :

24.0h/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

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.

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

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.

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 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

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