Disciplina Jornalismo Visual e de Dados

O jornalismo visual e de dados é uma disciplina transversal e indispensável ao panorama mediático contemporâneo, impulsionando novas formas de investigação, rigor e utilidade pública nas redações. A Unidade Curricular (UC) responde às exigências digitais do mercado de trabalho, dotando os estudantes de competências críticas e técnicas no domínio da literacia de dados e do storytelling digital. A sua pertinência fundamenta-se na capacitação de futuros profissionais de comunicação na análise quantitativa e no rigor investigativo, recorrendo a software open-source e a assistentes de Inteligência Artificial de apoio ao código. A UC desenvolve a capacidade de transformar bases de dados complexas em narrativas de valor informativo, culminando na publicação de reportagens multimédia e interativas adaptadas às plataformas digitais.

Não aplicável

1. Fundamentos e Leitura Crítica 1.1. O papel do jornalismo de dados e investigação nas redações 1.2. Data mindset, hipóteses, pensamento computacional e valor-notícia 1.3. Análise de sondagens, amostragem, margem de erro e enviesamentos 1.4. Literacia estatística e erros de representação nos media 2. Acesso e Processamento de Dados com R 2.1. Acesso à informação, dados abertos e repositórios públicos 2.2. APIs e web scraping: panorama conceptual 2.3. RStudio: leitura, manipulação e limpeza de dados 2.4. Estatística descritiva aplicada 3. Visualização, Storytelling e IA 3.1. Design de informação, acessibilidade e gráficos/mapas interativos (low/no-code) 3.2. IA como assistente de código e análise 3.3. Triangulação, verificação de dados e ética 4. Produção Multimédia 4.1. Narrativa jornalística e integração de visuais interativos na web 4.2. Trabalho de redação orientado ao projeto (PBL)

A Unidade Curricular adota uma matriz pedagógica ativa centrada na resolução de problemas (Problem-Based Learning - PBL), combinando a inversão da sala de aula (flipped classroom), onde os conceitos teóricos são explorados previamente pelo estudante, com o trabalho colaborativo em contexto de redação multimédia. O ensino do código e da visualização assenta no modelo hands-on coding, através do qual os estudantes executam a análise de dados em R e constroem visualizações interativas nas sessões laboratoriais. A reflexão crítica é potenciada pela demonstração e desconstrução de estudos de caso internacionais de referência, culminando num processo de heteroavaliação que inclui a discussão pública dos trabalhos desenvolvidos e a aplicação de mecanismos de avaliação entre pares (peer assessment) para aferir o contributo individual no projeto prático de grupo.

Bournegru, L., Chambers, L., & Gray, J. (Eds.). (2012). The Data Journalism Handbook 1. European Journalism Centre and O'Reilly Media. Cairo, A. (2019). How Charts Lie: Getting Smarter about Visual Information. W. W. Norton & Company Garcia, R., Rosa, M. J. V., & Barbosa, L. (2017). Que número é este? Um guia sobre estatísticas para jornalistas. PORDATA - Fundação Francisco Manuel dos Santos. Gray, J., & Bournegru, L. (Eds.). (2021). The Data Journalism Handbook 2. Towards a Critical Data Practice. Amsterdam University Press. Porlezza, C. (2024). The datafication of digital journalism: A history of everlasting challenges between ethical issues and regulation. Journalism, 25(5), 1167-1185. https://doi.org/10.1177/14648849231190232 Wickham, H., & Grolemund, G. (2023). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (2nd ed.). O'Reilly Media. https://pt.r4ds.hadley.nz