Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
Esta UC dota os futuros treinadores de conhecimentos de IA, big data e machine learning (aprendizagem supervisionada, não supervisionada e por reforço), com foco em aplicações práticas ao treino desportivo, através dos objetivos:
O1: Compreender os conceitos fundamentais da IA 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 técnico, tático, físico e psicológico dos 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 obtidos 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 (técnico, tático, físico e psicológico) 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
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.
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
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. Os exercícios práticos e os exemplos de aplicação de IA são contextualizados na modalidade desportiva de cada turma (Futebol, Modalidades Coletivas ou Modalidades Individuais), aproximando a aprendizagem da prática de treino que os estudantes irão conduzir na sua modalidade escolhida.
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
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.
