Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
- Compreender e aplicar conceitos fundamentais (CF) de ciência de dados e ciência da informação aplicados à agricultura;
- Seleccionar e usar ferramentas informáticas proprietárias e de acesso livre, para obtenção, manuseamento, transferência e análise de dados; - Compreender e aplicar CF de metrologia para a obtenção e análise de dados; - Compreender a aplicar CF de monitorização ambiental para aquisição de dados; - Compreender e aplicar CF de Agricultura de Precisão e IoT; - Compreender potencialidades, necessidades e exigências das novas tecnologias para a obtenção, manuseamento, gestão e análise de dados para uso em agricultura, com vista à obtenção de informação e criação de conhecimento; - Desenvolvimento de pensamento critico para obter dados, avaliar a qualidade de dados e selecionar métodos adequados para análise; - Desenvolvimento de competências de adaptabilidade tecnológica: seleccionar software adequado às necessidades e fazer a sua integração para resolução de casos reais.
Conteúdos programáticos
- IoT na Agricultura: principais aplicações, desafios e oportunidades; - Plataformas digitais: explorar diferentes plataformas digitais; pesquisa e download de dados; tipos de plataformas digitais; - Importação de dados provenientes de sensores e plataformas digitais: diferentes tipos de ficheiros; conversão de ficheiros; funções de conversão e organização de dados; - Pré-processamento de dados: limpeza, transformação e preparação de dados; - Organização e manipulação de dados: filtros; tabelas dinâmicas; gráficos; fórmulas e funções.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
Os conteúdos programáticos permitem uma progressão lógica, articulada e coerente para o desenvolvimento das competências dos estudantes, alinhando-se com os objetivos de aprendizagem definidos. A organização das aulas segue uma abordagem pedagógica que parte de conceitos fundamentais indo até a aplicações práticas avançadas, cobrindo os aspetos teóricos, técnicos e prácticos.
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
Aulas teórico-práticas com exposição dos conceitos e casos de estudo; e desenvolvimento e aplicação com exercícios ilustrativos da actividade profissional. Nos exercícios o estudante deverá aplicar os conhecimentos adquiridos a situações concretas utilizando as ferramentas disponíveis.
Avaliação
Avaliação contínua: 2 provas teórico-prácticas (P1 e P2).
Condições para dispensa total: (P1 + P2)/2; o resultado terá de ser >= 10 valores e em cada uma das provas (P1 e P2) a classificação terá de ser >= 8 valores.
Nas provas de avaliação contínua é obrigatória uma inscrição no MOODLE, realizada até ao final do terceiro dia anterior à data marcada para a prova.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
Os instrumentos de ensino foram selecionados para corresponder à natureza dos diversos objetivos, desde a compreensão teórica até à aplicação prática em cenários reais da agronomia e agricultura moderna. O modelo pedagógico usa aulas teórico-prácticas que combinam técnicas expositivas para fundamentos teóricos; demonstração e exercícios práticos para desenvolvimento de competências técnicas e consolidação dos conhecimentos.
Os estudantes devem efectuar trabalho complementar autónomo, fora do horário lectivo, estando disponível apoio tutorial.
Bibliografia de consulta (existência obrigatória)
- Abreu, J. P. M. (2022). Agrometeorologia: Aplicação da meteorologia para maximizar a produção agrícola (2 ed). Editora Agrobook - Alexander, M., Kusleika, D. (2025). Microsoft Excel 365 Bible. USA: John Wiley Sons - Grolemund, G. (2014). Hands-On Programming with R. O'Reilly Media - Luck, J. D. et al. (2015). Improving Yield Map Quality by Reducing Errors through Yield Data File Post-Processing. EC2005 - Pataro, A. (2019). Dominando o Excel 2019. São Paulo: Edições Novatec - Rayhan Shaheb, Md., Sarker, A., A. Shearer, S. (2022). Precision Agriculture for Sustainable Soil and Crop Management. DOI: 10.5772/intechopen.101759 - Stanton, J. M. (2013). Introduction to data science. Syracuse University - Villa-Henriksen, A. et. al. (2020). Internet of Things in arable farming: (...). Biosystems Engineering, 191, 60-84 - Wickham, H. et al. (2023). R para Ciência de Dados (2 ed), https://pt.r4ds.hadley.nz/
Observações
Bibliografia adicional - Bourgeois, D. T. (2014). Information Systems for Business and Beyond. Saylor Foundation, https://pressbooks.pub/bus206/ - Documentação de Referência da Linguagem Arduino, https://docs.arduino.cc/language-reference/pt/ - Manzano, A., Manzano, J. (2019). Excel 2019: Avançado. São Paulo: Edições Érica - Martins, A., Alturas, B. (2022). Aprenda Excel com Casos Práticos. 2 edição. Lisboa: Edições Sílabo - Shiloh, M. (2012). Arduino Projects Book. Torino, Itália
