Class Reporting and Journalistic Investigation

A avaliação da UC reflete a sua forte componente prática e a progressão dos alunos ao longo do semestre, estruturando-se da seguinte forma:

Grande Reportagem (30% da nota final):

Os alunos deverão elaborar uma reportagem final (15 000 a 20 000 caracteres), cujo tema será previamente debatido e aprovado pela docente. Esta reportagem deve refletir a aplicação prática dos conhecimentos e técnicas aprendidos ao longo do semestre.

Idealmente, a reportagem deverá ter qualidade suficiente para os alunos considerarem a sua publicação em órgãos de comunicação. No entanto, a nota não depende da publicação do trabalho.

Apresentação oral da Grande Reportagem (30% da nota final):

Os alunos terão de apresentar a sua grande reportagem no formato Live Journalism, utilizando técnicas narrativas que respeitem a ética jornalística. 

Pequenas Reportagens e discussão oral (30% da nota final):

Primeira Reportagem: Os alunos irão realizar uma primeira reportagem (3500 a 5000 caracteres) no início do semestre. Este exercício permite avaliar o ponto de partida dos alunos e identificar as principais dificuldades na discussão oral do trabalho.

Segunda Reportagem: A segunda reportagem (3500 a 5000 caracteres) deve refletir a evolução dos alunos relativamente ao primeiro exercício; permite avaliar o progresso e as melhorias realizadas e também está sujeita a discussão oral.

Avaliação contínua (10% da nota final):

A participação nas aulas e a realização de exercícios práticos durante as sessões tem uma ponderação de 10% na nota final. 

Este processo de avaliação visa garantir uma compreensão prática e teórica equilibrada, acompanhando o progresso dos alunos e incentivando a aplicação dos conhecimentos adquiridos.

Admite-se o recurso a ferramentas de Inteligência Artificial (IA) no âmbito da disciplina, mas com sérias restrições.

É expressamente proibido o uso de IA para redigir qualquer parte dos trabalhos submetidos a avaliação. A reportagem resulta da experiência documentada pelo aluno-jornalista no terreno, algo que uma ferramenta de IA nunca poderá realizar. Assim, os trabalhos sujeitos a avaliação devem ser integralmente originais e redigidos pelo aluno. Também não é permitido o uso de IA para reescrever ou reformular texto produzido pelo aluno, garantindo que a expressão escrita é fruto do seu próprio pensamento e competência.

As ferramentas atualmente disponíveis são Modelos de Linguagem Avançados (Large Language Models - LLM), que não constituem fontes fidedignas de informação. Como tal, não podem ser utilizadas para a obtenção de dados, factos ou testemunhos. No âmbito de uma disciplina de jornalismo, todas as informações devem ser baseadas em fontes identificáveis e consultáveis. Assim, todas as fontes que contribuíram para o artigo devem estar listadas, incluindo os seus contactos, no caso de fontes humanas, salvo se essa partilha puser em risco a segurança da fonte.

No entanto, estas ferramentas podem ser utilizadas para apoio “logístico”, nomeadamente: Explorar e debater ideias (por exemplo, potenciais temas de reportagem); transcrever entrevistas; traduzir textos; analisar dados; esclarecer dúvidas linguísticas. Importa notar que estes modelos frequentemente cometem erros, pelo que qualquer informação obtida através de IA deve ser cuidadosamente verificada.

Será dedicado tempo em aula para orientar os estudantes sobre o uso adequado das ferramentas de IA e para esclarecer questões relativas aos elementos de avaliação e determinar se as ferramentas de IA são ou não adequadas nesse contexto.

Sempre que seja utilizada uma ferramenta de IA, tal deve ser explicitado no documento do trabalho realizado, detalhando de que forma esta contribuiu para o resultado final.

Caso se levantem dúvidas sobre a autoria de um trabalho, o docente pode determinar a realização de uma prova presencial, escrita ou oral, para aferir os resultados do aluno. Esta prova será ponderada de forma equivalente à avaliação que originou a dúvida.

Estas diretrizes visam garantir a integridade académica e jornalística dos trabalhos realizados, assegurando que o uso de IA seja feito de forma ética e responsável.