Aplicações Informáticas B · 12.º Ano

Ideias de aprendizagem ativa

Fundamentos de Inteligência Artificial

Os Fundamentos de Inteligência Artificial exigem experiências práticas para que os alunos compreendam abstrações como padrões estatísticos e processamento de linguagem. Através de simulações, análises e projetos concretos, os alunos percebem como os conceitos teóricos se materializam em algoritmos, tornando o tema mais tangível e memorável. Esta abordagem ativa alinha-se com a forma como a aprendizagem ocorre melhor em STEM: através da experimentação, reflexão e discussão em grupo.

• Aprendizagens Essenciais
• DGE: Secundário - Pensamento Computacional
• DGE: Secundário - Impactos da Tecnologia

• 30–60 min
• Pares → Turma inteira
• 4 atividades

Atividade 01

• Simulação de Julgamento
• 45 min · Pequenos grupos

Simulação de Julgamento: Treino de Classificador Simples

Os alunos usam uma plataforma como Teachable Machine para treinar um modelo com imagens ou sons. Divididos em grupos, recolhem dados, treinam o algoritmo e testam a precisão. Registam como mais dados melhoram os resultados.

Pode uma máquina ser verdadeiramente criativa ou apenas replica padrões?

Sugestão de Facilitação

Durante a Simulação: Treino de Classificador Simples, peça aos alunos para registarem os erros do modelo e discutirem em pares por que razão esses erros acontecem, ligando-os à ausência de contexto humano.

O que observar

Divida a turma em grupos e apresente o cenário: 'Uma plataforma de notícias usa um algoritmo para decidir quais artigos mostrar a cada utilizador.' Peça aos grupos para discutirem e anotarem: 1. Como este algoritmo pode moldar a opinião de um utilizador sobre um tema? 2. Que tipos de enviesamentos podem existir neste sistema e porquê?

• Analisar
• Avaliar
• Criar
• Tomada de Decisão
• Consciência Social

Atividade 02

• Análise de Estudo de Caso
• 30 min · Pares

Análise de Estudo de Caso: Algoritmos de Recomendação

Apresente exemplos de plataformas como Netflix ou YouTube. Os alunos registam recomendações pessoais, identificam padrões e discutem em pares como influenciam escolhas. Criam um fluxograma do processo.

Como os algoritmos de recomendação moldam as nossas opiniões e escolhas?

Sugestão de Facilitação

Na Análise: Algoritmos de Recomendação, desafie os alunos a compararem os outputs de dois sistemas diferentes com os mesmos dados de entrada, destacando como os enviesamentos se manifestam.

O que observar

Entregue a cada aluno um cartão com uma das seguintes frases: 'Um sistema de IA pode ser criativo' ou 'Um sistema de IA apenas replica padrões'. Peça-lhes para escreverem duas frases justificando a sua escolha, referindo conceitos como aprendizagem automática ou PLN.

• Analisar
• Avaliar
• Criar
• Tomada de Decisão
• Autogestão

Atividade 03

• Debate Formal
• 50 min · Pequenos grupos

Debate Formal: Enviesamentos na IA

Divida a turma em equipas pró e contra afirmações como 'A IA é neutra'. Cada equipa pesquisa exemplos reais e apresenta argumentos com evidências. Vote no final para síntese coletiva.

Quais são os enviesamentos mais comuns nos sistemas de IA atuais?

Sugestão de Facilitação

No Debate Estruturado: Enviesamentos na IA, atribua papéis específicos (ex: engenheiro de dados, utilizador afetado) para garantir que todos participam ativamente na discussão.

O que observar

Apresente aos alunos uma lista de aplicações (ex: filtro de spam, tradutor automático, sistema de recomendação de filmes, diagnóstico médico assistido por IA). Peça-lhes para classificarem cada aplicação como primariamente baseada em aprendizagem supervisionada, não supervisionada ou processamento de linguagem natural, e justificar uma das classificações.

• Analisar
• Avaliar
• Criar
• Autogestão
• Tomada de Decisão

Atividade 04

• Aprendizagem Baseada em Projetos
• 60 min · Pares

Aprendizagem Baseada em Projetos: Processamento de Linguagem Básico

Usando ferramentas como Google Colab, os alunos criam um analisador de sentimentos simples para textos. Testam com frases positivas e negativas, ajustam parâmetros e partilham resultados na turma.

Pode uma máquina ser verdadeiramente criativa ou apenas replica padrões?

Sugestão de Facilitação

No Projeto: Processamento de Linguagem Básico, forneça exemplos de texto gerado por IA e peça aos alunos para identificarem padrões que sugerem replicação em vez de criação original.

O que observar

Divida a turma em grupos e apresente o cenário: 'Uma plataforma de notícias usa um algoritmo para decidir quais artigos mostrar a cada utilizador.' Peça aos grupos para discutirem e anotarem: 1. Como este algoritmo pode moldar a opinião de um utilizador sobre um tema? 2. Que tipos de enviesamentos podem existir neste sistema e porquê?

• Aplicar
• Analisar
• Avaliar
• Criar
• Autogestão
• Competências Relacionais
• Tomada de Decisão

Algumas notas sobre lecionar esta unidade

Comece por atividades práticas antes de introduzir conceitos teóricos, pois a abstração da IA é mais fácil de compreender quando ancorada em experiências concretas. Evite longas explicações teóricas no início. Os alunos aprendem melhor quando veem os algoritmos a falhar e a ter sucesso com dados reais. Pesquisas mostram que a aprendizagem colaborativa melhora a retenção de conceitos complexos como enviesamentos e limitações da IA. Use analogias simples, como comparar a IA a um aluno que memoriza respostas sem entender o contexto, para tornar os conceitos acessíveis.

No final destas atividades, espera-se que os alunos consigam explicar, com exemplos concretos, como os algoritmos de aprendizagem automática funcionam sem 'pensar' como humanos. Devem também identificar potenciais enviesamentos em dados e justificar por que a qualidade dos dados é crítica. A participação em debates estruturados e a conclusão de projetos práticos demonstrarão a sua compreensão dos impactos e limitações da IA.

---

Atenção a estes erros comuns

• Durante a Simulação: Treino de Classificador Simples, alguns alunos podem pensar que a IA 'aprende' como um humano.

  Peça aos alunos para analisarem os erros do modelo e discutirem em grupo por que razão esses erros ocorrem sem contexto humano, ligando os resultados ao conceito de padrões estatísticos em vez de compreensão conceptual.

• Durante a Análise: Algoritmos de Recomendação, alguns alunos podem assumir que os algoritmos são neutros e apenas mostram o que os utilizadores querem ver.

  Peça aos alunos para compararem os outputs de dois sistemas com os mesmos dados e discutirem como os enviesamentos nos dados de treino se refletem nos resultados, usando os datasets fornecidos para ilustrar o ponto.

• Durante o Debate Estruturado: Enviesamentos na IA, alguns alunos podem acreditar que a criatividade das máquinas é equivalente à humana.

  Use os outputs do Projeto: Processamento de Linguagem Básico para mostrar como a IA combina padrões existentes em vez de criar algo novo, desafiando os alunos a identificarem limitações nos exemplos apresentados.

---

Metodologias usadas neste resumo

• Simulação de Julgamento
• Análise de Estudo de Caso
• Debate Formal
• Aprendizagem Baseada em Projetos