-
Apresentação
Apresentação
A unidade curricular visa capacitar os estudantes para a compreensão do impacto da Inteligência Artificial (IA) no jornalismo, abordando o uso destas tecnologias na recolha, produção e divulgação de notícias. A metodologia adotada tem por base a aquisição de conhecimentos, o desenvolvimento de aptidões e a consolidação de competências de base no âmbito da IA.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Mestre | Semestral | 9
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
1 | Obrigatório | Português
-
Código
Código
ULHT7158-27480
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
Módulo 1: Introdução e conceitos fundamentais da IA Generativa. (2 sessões) Módulo 2: IA aplicada ao Jornalismo (6 sessões) Módulo 3 : Novas Ferramentas (4 sessões) Módulo 4 : Projeto (3 sessões)
-
Objetivos
Objetivos
Os estudantes irão aprofundar a análise crítica de dados, interpretar fontes digitais distintas e trabalhar o discurso noticioso. Além disso, desenvolverão competências na utilização de ferramentas digitais e compreensão dos processos organizacionais dos meios de comunicação que envolvem as tecnologias de IA. O ensino integra teoria e prática, promovendo a adaptação tecnológica à convergência dos media. A abordagem metodológica, centrada na experimentação e análise, assegura a compatibilidade entre os objetivos de aprendizagem e a formação de profissionais preparados para os desafios do jornalismo na era da IA.
-
Metodologias de ensino
Metodologias de ensino
A utilização da IA como ferramenta é trabalhada por meio de laboratórios práticos, onde os alunos experimentam chatbots, geradores automáticos de conteúdo e ferramentas de análise de dados. A abordagem sobre a verificação da informação inclui estudos aplicados sobre desinformação e algoritmos de verificação, preparando os estudantes para avaliar criticamente o uso da IA no jornalismo, através de metodologias de Problem Solving Learning, Project Based Learning e Research Based Learning.
-
Bibliografia principal
Bibliografia principal
Verma, D. "Impact of artificial intelligence on journalism: A comprehensive review of IA in journalism." Journal of Communication and Management 3, no. 02 (2024): 150-56. Ioscote, F., Gonçalves, A and Quadros, C. "Art Int. in Journalism: A Ten-Year Retrospective of Scientific Articles (2014-2023)." Journalism and Media 5, no. 3 (2024): 873-91. Marconi, F. Newsmakers: Artificial intelligence and the future of journalism. Eds.: Columbia University Press, 2020. Gondwe, G. "Mapping IA Arguments in Journalism Studies." arXiv preprint arXiv:2309.12357 (2023). Whittaker, J. P. Tech Giants, Artificial Intelligence and the Future of Journalism. Eds.: Taylor & Francis, 2019. Brigham, N. G., Gao, C, Kohno, T, Roesner, F. and Mireshghallah, F. "Breaking News: Case Studies of Generative IA's Use in Journalism." arXiv preprint arXiv:2406.13706 (2024).
-
Avaliação
Avaliação
A unidade curricular de Jornalismo e Inteligência Artificial integra as metodologias de ensino e avaliação de modo a garantir coerência entre teoria, prática e reflexão crítica, conforme os objetivos de aprendizagem:
1. Metodologias Ativas: casos reais e simulações (ex.: uso de algoritmos em redações) para análise crítica de impactos da IA; projetos
práticos (ex.: protótipos de fact-checking automatizado) dão prioridade à capacidade técnica; debates sobre transparência algorítmica e
desinformação reforçam a consciência social e política.
2. Avaliação Formativa:
- Relatórios críticos (30%) - avaliam a capacidade de síntese teórica e reflexão sobre casos (ex.: accountability de sistemas).
- Projetos (40%) - combinam desenvolvimento técnico (ex.: scripts de automação) com análise de riscos/benefícios sociais.
- Apresentações (20%) - testam a comunicação clara de ideias complexas e argumentação em dilemas éticos.
- Testes contextualizados (10%) - verificam aplicação integrada de conhecimentos (ex.: mitigação de vieses em algoritmos).
3. Feedback Contínuo:
- Acompanhamento iterativo permite ajustes em tempo real (ex.: correção de lacunas em relatórios para refinamento de projetos).
4. Conexão com o Mercado:
- As actividades refletem demandas reais, como uso de ferramentas emergentes (ex.: GPT) e participação de profissionais em
avaliações.
A triangulação entre teoria, prática e ética assegura que os estudantes apliquem a Inteligência Artificial no jornalismo com rigor técnico,
visão crítica e responsabilidade social, cumprindo os objetivos da unidade.
-
Mobilidade
Mobilidade
Não
