Dados Gerais do Componente Curricular
| Tipo do Componente Curricular: |
MÓDULO |
| Unidade Responsável: |
PROGRAMA DE PÓS-GRADUAÇÃO PROFISSIONAL EM ENSINO NA SAÚDE (11.00.43.49.06) |
| Código: |
PPGES-0540 |
| Nome: |
FERRAMENTAS COM INTELIGÊNCIA ARTIFICIAL PARA ENSINO, PESQUISA, GESTÃO E EXTENSÃO |
| Carga Horária Teórica: |
0 h. |
| Carga Horária Prática: |
30 h. |
| Carga Horária de Ead: |
0 h. |
| Carga Horária Total: |
30 h. |
| Pré-Requisitos: |
|
| Co-Requisitos: |
|
| Equivalências: |
|
| Excluir da Avaliação Institucional: |
Não |
| Matriculável On-Line: |
Sim |
| Horário Flexível da Turma: |
Sim |
| Horário Flexível do Docente: |
Sim |
| Obrigatoriedade de Nota Final: |
Sim |
| Pode Criar Turma Sem Solicitação: |
Não |
| Necessita de Orientador: |
Não |
| Exige Horário: |
Sim |
| Permite CH Compartilhada: |
Não |
| Permite Múltiplas Aprovações: |
Não |
| Quantidade de Avaliações: |
3 |
| Ementa/Descrição: |
Estudo e aplicação de ferramentas baseadas em inteligência artificial (IA) nos diversos campos da atuação acadêmica em saúde: ensino (tutoria inteligente, geração de conteúdos adaptativos), pesquisa (análise de dados, revisão de literatura assistida), gestão (sistemas de apoio à decisão, automação de processos) e extensão (plataformas de engajamento, chatbots de orientação). Discussão de aspectos éticos, de privacidade e de governança de dados na utilização de IA.
Objetivo Geral
Capacitar o discente a selecionar, configurar e aplicar ferramentas de inteligência artificial em projetos de ensino, pesquisa, gestão e extensão em saúde, de modo a otimizar processos, melhorar a qualidade das atividades e ampliar o alcance das ações.
Objetivos Específicos
Compreender princípios e terminologia de IA e aprendizado de máquina.
Avaliar criticamente aplicações de LLMs (por ex., ChatGPT, Bard) em atividades de ensino e tutoria.
Utilizar plataformas de mineração de dados e análise assistida por IA para revisão bibliográfica e exploração de grandes bases de dados.
Implementar sistemas de apoio à gestão acadêmica, como previsão de demanda e automação de rotinas administrativas.
Projetar soluções de extensão mediadas por IA (chatbots, sistemas de recomendação para público externo).
Identificar riscos éticos, de privacidade e viés algorítmico, propondo estratégias de mitigação.
Metodologia
Aulas expositivas e demonstrações práticas: apresentação de ferramentas e estudos de caso reais.
Oficinas hands-on: uso de APIs (OpenAI, Gemini), plataformas RPA e ferramentas de visualização.
Seminários e debates: discussão de artigos e diretrizes éticas.
Mentoria contínua: supervisão individualizada dos projetos.
Avaliação
Relatórios de vivência em oficinas (semanas 3–9): 30 %
Projeto hands-on (proposta e protótipo inicial, implementação e testes): 50 %
Apresentação final e autoavaliação crítica: 20 % |
| Referências: |
ALMEIDA, Francisco Eduardo de. Inteligência Artificial: fundamentos e aplicações. 2. ed. São Paulo: Érica, 2021.
MORAN, José Manuel. Metodologias ativas com uso de tecnologias digitais. 3. ed. São Paulo: Penso, 2021.
SILVA, Maria Lúcia; OLIVEIRA, Fernando de. Ferramentas de IA na pesquisa e extensão universitária. Porto Alegre: Sulina, 2023.
Bibliografia Complementar
ORGANIZAÇÃO PARA A COOPERAÇÃO E DESENVOLVIMENTO ECONÔMICO. Intelligent Systems and Artificial Intelligence in Education: Challenges and Opportunities. Paris: OECD Publishing, 2020.
ORGANIZAÇÃO DAS NAÇÕES UNIDAS PARA A EDUCAÇÃO, A CIÊNCIA E A CULTURA. Inteligência Artificial na Educação: desafios e oportunidades para o desenvolvimento sustentável. Paris: UNESCO, 2021.
CASTELLS, Manuel. A sociedade em rede. 6. ed. São Paulo: Paz e Terra, 2009.
MORIN, Edgar. Introdução ao pensamento complexo. 10. ed. Porto Alegre: Sulina, 2008. |
|
|
