Currículo

Inteligência Artificial Generativa na Investigação 05242

Contextos

ECTS

2.0 (para cálculo da média)

Objectivos

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

Programa

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

Método de Avaliação

'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.

Carga Horária

Bibliografia

Principal

• '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.: --- ---

Secundária

• '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.: --- ---

Disciplinas de Execução