Aplicações Informáticas B · 12.º Ano

Ideias de aprendizagem ativa

Processamento de Linguagem Natural (PLN)

O Processamento de Linguagem Natural trata de sistemas que interpretam e geram linguagem, um desafio complexo que exige aplicação prática para ser verdadeiramente compreendido. Atividades hands-on permitem que os alunos testem limites de modelos de PLN, como detetar ironia ou traduzir expressões culturais, o que torna abstrato em concreto.

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

• 35–50 min
• Pares → Turma inteira
• 4 atividades

Atividade 01

• Análise de Estudo de Caso
• 45 min · Pequenos grupos

Análise de Sentimento: Dataset de Reviews

Forneça um dataset de reviews de produtos em português. Os alunos usam bibliotecas como NLTK ou TextBlob para classificar sentimentos, comparando resultados manuais com automáticos. Discutem discrepâncias em grupo e ajustam o modelo com dados adicionais.

Como os sistemas de PLN compreendem e geram linguagem humana?

Sugestão de Facilitação

Durante a Análise de Sentimento, peça aos alunos para marcarem palavras-chave nos reviews que justifiquem a classificação de sentimento, destacando como a linguagem subjetiva afeta os resultados.

O que observar

Entregue a cada aluno um parágrafo curto com texto ambíguo. Peça-lhes para escreverem duas interpretações possíveis do texto e explicarem que informação adicional seria necessária para determinar o significado pretendido.

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

Atividade 02

• Análise de Estudo de Caso
• 50 min · Pares

Construção de Chatbot: Diálogos Simples

Utilize ferramentas como Dialogflow ou código Python com Rasa para criar um chatbot que responda a perguntas sobre o currículo escolar. Testem em pares, registando falhas de contexto, e refinam intenções e entidades. Apresentem o chatbot à turma.

Analise os desafios de processar a ambiguidade e o contexto na linguagem natural.

Sugestão de Facilitação

Na construção de chatbots, forneça templates de diálogos para que os alunos preencham apenas as lacunas, focando em padrões de resposta em vez de criatividade.

O que observar

Inicie uma discussão com a questão: 'Quais são os maiores desafios éticos que enfrentamos ao desenvolver chatbots que interagem com humanos de forma cada vez mais natural?'. Incentive os alunos a citarem exemplos concretos de dilemas.

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

Atividade 03

• Análise de Estudo de Caso
• 35 min · Pequenos grupos

Tradução Automática: Comparação de Ferramentas

Os alunos traduzem textos ambíguos com Google Translate e DeepL, analisando precisão em contexto cultural. Registam métricas de qualidade e propõem melhorias baseadas em PLN avançado. Discutem em plenário.

Explique o impacto dos chatbots e assistentes virtuais na interação humana-computador.

Sugestão de Facilitação

Na tradução automática, distribua textos curtos com expressões idiomáticas e peça aos alunos para compararem três ferramentas, registando erros sistemáticos.

O que observar

Apresente aos alunos uma lista de frases e peça-lhes para classificarem cada uma como positiva, negativa ou neutra em termos de sentimento. Em seguida, peça-lhes para justificarem a sua classificação para duas das frases, focando-se nas palavras-chave.

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

Atividade 04

• Análise de Estudo de Caso
• 40 min · Turma inteira

Debate Ético: Impactos do PLN

Divida a turma em grupos para debater privacidade em chatbots e viés em análise de sentimento. Pesquisem casos reais e preparam argumentos com exemplos de código. Votam e concluem com recomendações.

Como os sistemas de PLN compreendem e geram linguagem humana?

Sugestão de Facilitação

No debate ético, atribua papéis (desenvolvedor, utilizador, regulador) para garantir que todos participam com argumentos baseados em exemplos da unidade.

O que observar

Entregue a cada aluno um parágrafo curto com texto ambíguo. Peça-lhes para escreverem duas interpretações possíveis do texto e explicarem que informação adicional seria necessária para determinar o significado pretendido.

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

Algumas notas sobre lecionar esta unidade

Comece com tarefas simples para construir intuição, como classificar sentimentos em frases curtas antes de abordar ambiguidades. Evite apresentar teoria excessiva; prefira demonstrações rápidas de ferramentas reais (ex. chatbots públicos) para mostrar aplicações imediatas. Pesquisas indicam que alunos do 12.º ano aprendem PLN melhor quando visualizam erros de modelos em dados reais do que quando ouvem explicações sobre algoritmos.

Os alunos demonstram compreensão ao explicar porque sistemas de PLN falham em contextos ambíguos, ao construir respostas de chatbot baseadas em padrões e ao identificar vieses em traduções automáticas. O sucesso vê-se na capacidade de articular limitações e ética em cada tarefa.

---

Atenção a estes erros comuns

• Durante a Análise de Sentimento, os alunos podem pensar que o PLN compreende linguagem como humanos.

  Durante a Análise de Sentimento, peça aos alunos para identificarem exemplos de sarcasmo ou ironia no dataset e discutirem porque as máquinas falham nestes casos. Peça-lhes para reescreverem frases ambíguas para remover pistas contextuais e observarem como a classificação muda.

• Durante a Construção de Chatbot, os alunos podem acreditar que chatbots são conscientes.

  Durante a Construção de Chatbot, mostre aos alunos como os diálogos seguem estruturas pré-definidas ou padrões treinados. Peça-lhes para adicionarem uma resposta inesperada ao chatbot e discutirem como o sistema lida com inputs não treinados, revelando a ausência de verdadeira compreensão.

• Durante a Tradução Automática, os alunos podem assumir que as traduções são sempre precisas.

  Durante a Tradução Automática, dê aos alunos frases com duplo sentido ou expressões culturais (ex. ditados) e peça-lhes para compararem traduções de três ferramentas. Peça-lhes para sugerirem ajustes manuais que melhorariam a precisão, destacando a necessidade de contexto humano.

---

Metodologias usadas neste resumo

• Análise de Estudo de Caso