Currículo

Trabalho Académico com Inteligência Artificial 04540

Contextos

ECTS

2.0 (para cálculo da média)

Objectivos

OA1. Conhecer a estrutura, linguagem e procedimentos éticos e normativos (APA) para elaboração de textos académicos. OA2. Aprender como utilizar os modelos generativos para a elaboração de trabalhos académicos. OA3. Discutir procedimentos de análise, pertinência e fiabilidade dos dados gerados por IA. OA4. Reconhecer implicações éticas na utilização de IA Generativa em contexto académico. Os objetivos de aprendizagem serão alcançados através de atividades práticas e reflexivas, tais como: • Discussões em grupo; • Análise de textos; • Defesa oral; • Exercícos práticos.

Programa

CP1. Introdução: escrita académica e modelos generativos: - Perceber como funciona a Inteligencia Atificial Generativa: o caminho que se percorre para o uso de IA generativa no ambiente académico. CP2. Procedimentos de planeamento e construção de textos argumentativos com auxílio de IA: - Identificar as possibilidades e as alucinações nas respostas produzidas por IA Generativa. CP3. Análise crítica de textos produzidos: identificação e referenciação de fontes de dados e análise da sua relevância face aos objetivos dos trabalhos académicos: - Explorar as possibilidades de validação dos dados e o potencial de uso das ferramentas de IA Generativa na produção de trabalhos académicos. CP4. Oportunidades e riscos de utilização de IA: guia de boas práticas para acesso, partilha e utilização de IA Generativa em contexto académico: - Compreender as dinâmicas na utilização responsável e eticamente comprometida ao realizar trabalhos académicos com ferramentas de IA Generativa.

Método de Avaliação

A avaliação da UC visa aferir o desenvolvimento das competências dos estudantes na utilização informada de modelos generativos enquanto auxiliares de produção de trabalho académico. A Avaliação ao Longo do Semestre contempla as seguintes atividades: 1.Atividades individuais (50%) 1.1Participação nas atividades ao longo do semestre (10%). Descrição: esta componente visa aferir os contributos específicos de cada estudante nas atividades realizadas. Avaliação: intervenções em sala de aula; pertinência dos contributos específicos do estudante nos debates. 1.2 Simulações de prompts com ferramentas de IA em contexto académico (20%). Descrição: o estudante deve criar uma prompt clara/justificada, bem estruturada, de acordo com o guião proposto pelo docente em aula. Avaliação: (submeter no moodle), competências de comunicação e do trabalho em equipa com base na qualidade das simulações de prompts realizadas. 1.3 Defesa Oral - apresentação do grupo -5 min. debate -5 min.(20%). Descrição: cada estudante deve apresentar à turma, os seus contributos no trabalho realizado. Avaliação: após a apresentação do estudante, haverá uma sessão de perguntas e respostas. 2. Atividades em grupo (50%) [os estudantes são organizados em grupos de/até 5 elementos, constituídos de forma aleatória] 2.1 Apresentações em grupo, revisões, edições e validações dos conteúdos produzidos por IA (20%): Descrição: formação de grupos de trabalho para rever e editar os textos, utilizando os modelos generativos. Avaliação: (submeter no moodle),recolha de informações relevantes, a clareza e o caráter inovador da utilização de promts estruturadas. 2.2 Desenvolvimento de estratégias para fazer as revisões, edições e validações dos conteúdos produzidos por IA (10%). Descrição: ao final de cada etapa da atividade, os estudantes terão de promover avaliações críticas, pela reflexão sobre os desafios éticos da integração da IAG em ambiente académico. Avaliação: (submeter no moodle), os trabalhos serão corrigidos e avaliados com base na precisão e conformidade com a qualidade das revisões, edições e a participação dos estudantes nos feedbacks fornecidos aos colegas. 2.3 Simulações de Apresentações dos Projetos Finais (20%): Descrição: os grupos elegem um tema e criam um projeto fictício seguindo a estrutura de um relatório técnico ou texto científico, fazendo uma apresentação do seu projeto em sala de aula (5 min.) e debatem o tema (5 min.). Avaliação: (submeter no moodle): organização, conteúdo, uso correto da estrutura e procedimentos do trabalho académico. Considerações Gerais: na Avaliação ao Longo do Semestre será dado o feedback sobre o desempenho do estudante em cada atividade. Para fazer a avaliação ao longo do semestre, os estudantes devem estar presentes em 80% das aulas e terem mais de 7 valores em cada uma das avaliações. Havendo dúvidas sobre a participação nas atividades realizadas, o docente pode solicitar uma discussão oral. Avaliação final: Teste escrito presencial (100%).

Carga Horária

Bibliografia

Principal

• Cotton, D. R., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 1-12. D'Alte, P., & D'Alte, L. (2023). Para uma avaliação do ChatGPT como ferramenta auxiliar de escrita de textos académicos. Revista Bibliomar, 22 (1), p. 122-138. DOI: 10.18764/2526-6160v22n1.2023.6. Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. Ribeiro, A. & Rosa, A. (2024). Descobrindo o potencial do CHATGPT em sala de aula: guia para professores e alunos. Atlantic Books. ":

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, http://dx.doi.org/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. Strunk, William (1918) Elements of Style Korinek, A. (2023). Language models and cognitive automation for economic research (No. w30957). National Bureau of Economic Research. https://www.nber.org/papers/w30957:

Disciplinas de Execução

2023/2024 - 2º Semestre

2024/2025 - 2º Semestre