Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
Esta unidade curricular visa dotar os estudantes, futuros treinadores nas várias modalidades desportivas, de conhecimentos de IA, big data e machine learning. A UC será estruturada de modo acessível, prático e relevante, com foco em aplicações específicas e projetos práticos. Inicia-se com uma introdução à IA, big data e machine learning, explicando conceitos como supervised machine learning, unsupervised machine learning e reinforcement learning, com os objetivos:
O1: Compreender os conceitos fundamentais da IA (Inteligência Artificial) e o seu potencial no treino desportivo
O2: Analisar criticamente as implicações éticas e sociais da IA no desporto
O3:Utilizar ferramentas de IA para recolher, processar e analisar dados de desempenho de atletas
O4: Desenvolver estratégias de personalização de treinos com base em dados e IA
O5: Implementar e avaliar soluções de IA no contexto do treino desportivo
O6: Comunicar eficazmente os resultados e conclusões obtidas com recurso à IA
Conteúdos programáticos
Os conteúdos programáticos passam por abordar também aplicações específicas, como por exemplo, a sua utilização para a melhoria do treino e competição, O planeamento de treinos pode incluir programas personalizados baseados em dados, enquanto a estratégia de jogo pode envolver simulações de jogos, serão abordados:
CP1:Exemplos da IA no treino desportivo, como aplicação na tática e análise de desempenho
CP2: Big data no treino desportivo
CP3:Fundamentos de machine learning para treinadores - Algoritmos e exercício prático com dataset simples
CP4:Análise de desempenho usando IA
CP5:Treinos personalizados com machine learning
CP6:Estratégia de jogo com IA
CP7:Considerações éticas - privacidade, viés e papel do treinador humano.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
O1 sustenta: CP1 contextualiza o potencial da tecnologia, mostrando o "porquê" antes de aprofundar o "como"; CP2 estabelece a sustentação dos dados que alimentam os sistemas de IA; CP3 apresenta os motores da IA fornecendo a base técnica essencial para uma compreensão genuína e não apenas superficial. Os conteúdos fornecem uma introdução completa, começando com o "o quê" e o "para quê" (exemplos e big data) e avançando para o "como" (fundamentos de machine learning), garantindo que os futuros treinadores compreendem o mecanismo fundamental e o seu potencial.
O2 sustenta: CP7 promovendo a reflexão crítica necessária para um uso responsável da tecnologia. Prepara os treinadores para os dilemas do mundo real, como a gestão da privacidade dos dados dos atletas.
O3 sustenta: CP2 ensinando a natureza dos dados que serão recolhidos e processados; CP3 proporcionando uma experiência prática de manipulação e análise de dados; CP4 foca-se na aplicação direta das ferramentas e técnicas para extrair insights.
O4 sustenta: CP4 fornecendo o diagnóstico necessário para a personalização; CP5 explica-se como transformar os dados analisados em planos de treino individualizados.
O5 sustenta: CP5 representando a implementação de uma solução de IA; CP6 exemplo de implementação, focado na tática e na competição.
O6 é sustentada como uma competência transversal desenvolvida ao longo de todos os módulos práticos
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
Na componente Teórico-Conceptual, o objetivo é introduzir os conceitos, teorias e modelos fundamentais da UC, mas de forma dinâmica e envolvente com Exposição Interativa. Em vez de um monólogo, as aulas são estruturadas como um diálogo, com apresentações ricas em elementos visuais intercalada com perguntas diretas à turma. Recorrendo à Aprendizagem Baseada em Problemas.
Na componente Teórico-Prática (aplicar e experimentar) os alunos aplicam os conhecimentos teóricos em contextos controlados, utilizando as ferramentas e técnicas da área através da utilização de software específico
Na componente de Integração e Projeto os alunos integram todos os conhecimentos e competências para criar algo novo, demonstrando autonomia e profundidade na aprendizagem baseado na aprendizagem baseada em projetos, com desenvolvimento de um projeto que exija a aplicação integrada dos conteúdos da UC à resolução de um problema real ou simulado.
Os projetos culminam numa apresentação formal perante a turma e o professor. Este momento não é só para avaliação, mas também como uma poderosa ferramenta de aprendizagem através da partilha de conhecimento, do debate e do feedback entre pares.
Avaliação
Na avaliação contínua os alunos realizam uma frequência, um projeto e a apresentação com um peso respetivamente de 50%, 40% e 10%. O aluno que não cumpra os requisitos do regime de avaliação contínua terá de integrar-se no modelo de avaliação final, que é constituído por duas provas uma escrita (50%) e oral (50%). O aluno para concluir a unidade curricular terá que ter uma nota final superior a 9.5.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
As metodologias ativas preparam os alunos diretamente para os objetivos de aprendizagem, e o modelo de avaliação misto (teste + projeto + apresentação) consegue medir de forma equilibrada e holística tanto os conhecimentos teóricos como as competências práticas, analíticas e comunicacionais exigidas.
A frequência (50% da nota final): Garante que a base teórica e concetual (O1, O2) é sólida. Sem esta base, a aplicação prática seria frágil e superficial. Justifica-se o peso elevado para assegurar que todos os alunos dominam os fundamentos.
O projeto (40% da nota final): Atribui um peso significativo à componente mais importante da UC: a aplicação integrada de competências (O3, O4, O5) e a comunicação escrita (O6). É aqui que se demonstra a verdadeira autonomia e profundidade da aprendizagem.
A apresentação do projeto (10%): Isola e valoriza uma competência transversal fundamental no mercado de trabalho ¿ a comunicação oral eficaz (O6). Este peso, embora menor, incentiva os alunos a dedicarem-se a esta competência específica.
Coerência da Avaliação Final: O modelo de avaliação final (prova escrita + prova oral) mantém a coerência do modelo contínuo. A prova escrita (50%) mimetiza a função da frequência (avaliar a base teórica e a capacidade de análise), e a prova oral (50%) mimetiza a função do projeto e da apresentação (avaliar a capacidade de aplicar, integrar e comunicar oralmente os conhecimentos)
Bibliografia de consulta (existência obrigatória)
Carrio Sampedro, A. (2022). The case of AI in sport: Some ethical concerns at play. Diagoras: International Academic Journal on Olympic Studies, 5, 18-29.
Wang, J., Li, J., & Yi, J. (2024). RL-CWtrans Net: multimodal swimming coaching driven via robot vision. Frontiers in Neurorobotics, 18
Yang, C., Wang, X., Veli¿kovi¿, P., Grefenstette, E., Huang, Y., Parker-Holder, J., Jaderberg, M., Vinyals, O., Kipf, T., & Kavukcuoglu, K. (2024). TacticAI: an AI assistant for football tactics. Nature Communications, 15, 2285
Jud, M., & Thalmann, A. (2025). AI in digital sports coaching ¿ a systematic review. Managing Sport and Leisure.
Hammes, F., Hagg, A., Asteroth, A., & Link, D. (2022). Artificial Intelligence in Elite Sports¿A Narrative Review of Success Stories and Challenges. Frontiers in Sports and Active Living, 4, 861466.
