[INOV-NORTE] Inteligência Artificial Generativa como Ferramenta de Inovação Pedagógica
O curso “Inteligência Artificial Generativa como Ferramenta de Inovação Pedagógica no Ensino Superior” tem como objetivo fornecer uma formação abrangente e aprofundada sobre as tecnologias de Inteligência Artificial (IA) generativa, com um enfoque específico na sua aplicação como ferramenta de inovação pedagógica no contexto académico.
O curso “Inteligência Artificial Generativa como Ferramenta de Inovação Pedagógica no Ensino Superior” para docentes do consórcio INOV-NORTE surge no âmbito da submedida "Inovação e Modernização Pedagógica no Ensino Superior - Criação de centros de excelência de inovação pedagógica", no quadro do Investimento RE-C06-i07 (Impulso Mais Digital) do Mecanismo de Recuperação e Resiliência da Comissão Europeia (PRR).

Destinatários
Docentes do consórcio INOV-NORTE (U.PORTO, UCP, UTAD, IPB, P.PORTO, ESEP).
Objectivos
- Compreender os conceitos e técnicas subjacentes que alimentam os sistemas de IA generativa, incluindo redes neurais artificiais, aprendizagem profunda e algoritmos de geração;
- Aprender a utilizar e implementar ferramentas de IA generativa em cenários reais, desde a criação de material didático personalizado até à consecução de projetos de investigação que utilizam IA para gerar novos conhecimentos e competências;
- Utilizar IA generativa para criar tutores inteligentes, sistemas de feedback automático e plataformas de e-learning personalizadas que inovem e melhorem a experiência de ensino e aprendizagem;
- Integrar elementos de gamificação e realidade aumentada/virtual (RA/RV) para tornar a aprendizagem mais interativa e envolvente;
- Adquirir competências para treinar modelos de IA generativa, validar e avaliar o seu desempenho, e implementar melhorias contínuas;
- Avaliar os impactos éticos, legais e sociais do uso de IA generativa na educação, incluindo questões de privacidade, segurança e equidade;
- Incentivar a colaboração entre áreas curriculares e fomentar uma cultura de inovação, utilizando a IA generativa como uma ferramenta para abordar desafios complexos e explorar novas fronteiras do conhecimento;
- Refletir sobre como as tecnologias de IA podem ser utilizadas de maneira sustentável e inclusiva, garantindo que beneficiem todos os alunos de forma equitativa.
Conteúdos
- Fundamentos da Inteligência Artificial
- Introdução à IA e IA generativa: história, conceitos e evolução
- Machine Learning, Deep Learning e Natural Language Processing
- Desenvolvimento de competências docentes para a integração pedagógica da IA generativa e suas ferramentas
- Modelos de Linguagem Generativa
- Engenharia de prompts
- Chatbots: ChatGPT, CoPilot e Gemini
- Aplicações práticas IA Generativa: (re)criação de texto e tradução
- Aplicações práticas IA Generativa: apresentações
- Aplicações práticas IA Generativa: imagem
- Aplicações práticas IA Generativa: som e vídeo
- Aplicações práticas IA Generativa: testes e exercícios
- Aplicações práticas IA Generativa: investigação e apoio ao trabalho
- Reflexão ética e social na utilização pedagógica de IA generativa
- Inovação pedagógica com IA generativa: estudos de caso e melhores práticas
Metodologia
O curso é desenvolvido em b-learning, combinando sessões presenciais, online síncronas e assíncronas (na plataforma e-learning do CIP). Utiliza:
-
Sessões plenárias e oficinas práticas;
-
Análise de casos e experiências com IA generativa;
-
Estratégias de intervenção reflexivas sobre uso ético, consciente e sustentável;
-
Autodiagnóstico de práticas docentes, autorreflexão e redirecionamento de ações.
A abordagem é dinâmica, prática e centrada no desenvolvimento da profissionalidade docente
Avaliação
A avaliação é contínua, envolvendo:
-
Diagnóstica no início;
-
Formativa ao longo do curso;
-
Sumativa no final.
Critérios e ponderações: -
Tarefas do percurso formativo: 50%;
-
Participação em sessões síncronas e assíncronas: 20%;
-
Autorreflexão final: 30%.
A classificação é feita numa escala de 0 a 20 valores
Bibliografia
-
Anderson, T., & Dron, J. (2011). Three generations of distance education pedagogy. The International Review of Research in Open and Distributed Learning, 12(3), 80-97. https://doi.org/10.19173/irrodl.v12i3.890
-
Baker, R. S., & Siemens, G. (2014). Educational data mining and learning analytics. In R. K. Sawyer (Ed.), The Cambridge handbook of the learning sciences (pp. 253-272). Cambridge University Press. https://doi.org/10.1017/CBO9781139519526.016
-
Chen, X., Zou, D., Xie, H., Cheng, G., & Liu, C. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
-
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson.
-
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26(2), 582–599. https://doi.org/10.1007/s40593-016-0110-3
-
Tegmark, M. (2017). Life 3.0: Being Human in the Age of Artificial Intelligence. Alfred A. Knopf.
-
Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann