Processamento de Dados em Ciência Animal

Código:	LEV1105		Sigla:	PDCA
Área Científica:	Informática

Ocorrência: 2025/26 - 1S

Área de Ensino:

Tecnologias da Informação - TInf

Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Ano Curricular	Créditos	Horas Contacto	Horas Totais
LENFV	41	Registo n.º R/A-CR 171/2024	1º	5	45	125

Horas Efetivamente Lecionadas

2025LENFV_1A

Teórico-Práticas:

21,00

2025LENFV_1B

Teórico-Práticas:

21,00

Docência - Horas Semanais Teórico-Práticas: 3,00 Tipo Docente Turmas Horas Teórico-Práticas Totais 2 6,00 Anabela Dias Ramalho Grifo - ESA   6,00

Docência - Responsabilidades Docente Responsabilidade Anabela Dias Ramalho Grifo - ESA Responsável

Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)

Pretende-se capacitar os estudantes para explorar e dominar a folha de cálculo, adquirindo conhecimentos, aptidões técnicas e competências práticas no âmbito da aquisição e tratamento de dados de forma a:
- desenvolver a capacidade de explorar dados de forma estratégica,
- escolher e explorar técnicas para analisar conjuntos de dados;
- desenvolver a capacidade de resolver problemas usando ferramentas de folha de cálculo,
-adquirir competências na área da aquisição e tratamento de dados;
- estimular o pensamento criativo;
- compreender os diferentes tipos de dados e como a sua organização e interpretação é valiosa para orientar tomadas de decisão;
- desenvolver competências na comunicação e discussão dos resultados, de forma a criar visualizações que transmitam clareza e impacto;
- enfrentar os desafios do mundo orientado por dados.

Conteúdos programáticos

Conceito e objetivo de uma folha de cálculo; tipos de dados; formatação avançada de células; manipulação da informação na folha de trabalho e de folhas de trabalho; operadores e fórmulas; criação de séries; tipos de referências; atribuição de nomes a células e blocos; funções de estatística, matemática, lógica, base de dados, pesquisa e referência; ordenação de dados; consultas com filtragem automática e avançada de dados; estruturação de tópicos e subtotais; validação de dados; apresentação gráfica da informação; inserção e formatação de gráficos; tipos de gráficos; tabelas e gráficos dinâmicos; proteção de células folhas e documentos; transferência de informação entre aplicações; otimização de equações. Noções de estatística. Resolução de problemas, através de funções estatísticas, que permitam apoiar a tomada de decisão. 

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular

Abordagem integradora do funcionamento das tecnologias de informação no âmbito do tratamento de dados com a execução de trabalhos práticos e recurso a ferramentas e dados que possibilitam a concretização dos objetivos da unidade curricular. As ferramentas lecionadas permitem a aplicação prática dos conhecimentos adquiridos, fornecendo uma base sólida para o desenvolvimento holístico dos estudantes e preparando-os adequadamente para enfrentar os desafios académicos e profissionais.

Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico

Aulas teórico-práticas com exposição das temáticas fundamentais e desenvolvimento de trabalhos práticos em sessões presenciais e com orientação tutorial. Nestes trabalhos o aluno deverá aplicar os conhecimentos adquiridos a situações concretas utilizando as ferramentas disponíveis.

Avaliação

Avaliação contínua: 2 provas práticas (PP1 e PP2).

Condições para dispensa total: (PP1 + PP2) / 2; o resultado terá de ser >= 10 valores e em cada uma das provas práticas (PP) a classificação terá de ser >= 8 valores.

Exame final: prova prática cuja aprovação requer uma classificação >= 10 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

Nas aulas serão expostos os conceitos e teorias que posteriormente serão aplicados no desenvolvimento dos trabalhos práticos. Serão utilizadas metodologias que envolvem a participação ativa dos estudantes, tentado promover a compreensão e a aplicação prática dos conceitos. Será promovida uma abordagem dinâmica e interativa dos diferentes conteúdos. Deverá ser executado trabalho complementar, fora do horário letivo, com apoio tutorial, garantindo os objetivos propostos.

Bibliografia de consulta (existência obrigatória)

Alexander, M., Kusleika, R., & Walkenbach, J. (2018). Excel 2019 bible. NJ: John Wiley & Sons.
Carlberg, C. (2016). Statistical analysis: Microsoft excel 2016. Indianapolis, IN: Que Publishing.
Cinto, A. F., & Góes, W. M. (2015). Excel Avançado. São Paulo: Novatec.
Fávero, L. P., & Belfiore, P. (2017). Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Rio de Janeiro: Elsevier Brasil.
Free, C. (2018). Microsoft Excel 2019 step by step. Microsoft Press.
Jelen, B. (2022). MrExcel 2022: Boosting Excel. Independent Publishers Group
Jelen, B. (2021). MrExcel 2021: Unmasking Excel. Independent Publishers Group
Liengme, B. (2015). A guide to Microsoft Excel 2013 for scientists and engineers. Academic Press.
Linoff, G. S. (2015). Data analysis using SQL and Excel. NJ: John Wiley & Sons.
Martins, A. & Alturas, B. (2022). Aprenda Excel com Casos Práticos (2ª ed.). Lisboa: Edições Sílabo.
Welton C. (2020). Excel para o dia a dia. São Paulo: Casa do Código