Desenvolvimento de Sistemas com IA

Aqui está a proposta da disciplina eletiva alinhada às diretrizes da Base Nacional Comum Curricular (BNCC) para o Ensino Médio, integrando as Competências Gerais, a área de conhecimento Matemática e suas Tecnologias (que engorda o Pensamento Computacional) e a área de Ciências Humanas e Sociais Aplicadas (para o debate ético e social). Plano de Eletiva: Desenvolvimento de Sistemas com IA (Alinhado à BNCC) Carga Horária Sugerida: 30h a 40h (1 semestre) Público-Alvo: Ensino Médio (1ª a 3ª série) Áreas do Conhecimento: Matemática e suas Tecnologias; Ciências Humanas e Sociais Aplicadas; Linguagens e suas Tecnologias. 1. Resumo / Ementa A eletiva Desenvolvimento de Sistemas com Inteligência Artificial promove o aprofundamento do pensamento computacional e da cultura digital nos estudantes do Ensino Médio. Por meio da metodologia de Aprendizagem Baseada em Projetos (PBL), os alunos compreendem a lógica de funcionamento dos modelos de inteligência artificial (Machine Learning, Visão Computacional e Processamento de Linguagem Natural) e aprendem a integrá-los na construção de protótipos e sistemas aplicados a problemas do cotidiano. A disciplina articula a dimensão técnica da programação e da análise de dados à reflexão crítica sobre o uso ético da tecnologia, privacidade, algoritmos de recomendação e impacto socioambiental na sociedade contemporânea. 2. Competências Gerais da Educação Básica (BNCC) CG 02 - Pensamento Científico, Crítico e Criativo: Investigar causas, elaborar e testar hipóteses, formular e resolver problemas e criar soluções com base nos conhecimentos das diferentes áreas. CG 05 - Cultura Digital: Compreender, utilizar e criar tecnologias digitais de informação e comunicação de forma crítica, significativa, reflexiva e ética nas diversas práticas sociais. CG 10 - Autonomia e Responsabilidade: Agir pessoal e coletivamente com autonomia, responsabilidade, flexibilidade, resiliência e determinação, tomando decisões com base em princípios éticos, democráticos e inclusivos. 3. Habilidades Específicas da BNCC Matemática e suas Tecnologias (Pensamento Computacional e Algoritmos) (EM13MAT315): Construir e interpretar algoritmos, fluxogramas e representações de dados para a resolução de problemas em contextos diversos. (EM13MAT101): Interpretar e formular modelos matemáticos e computacionais para analisar situações do mundo real e propor soluções sustentáveis ou éticas. Ciências Humanas e Sociais Aplicadas (Ética, Sociedade e Cultura Digital) (EM13CHSA502): Analisar situações da vida cotidiana, estilos de vida, valores e condutas, posicionando-se criticamente em relação aos usos e impactos das tecnologias digitais de informação e comunicação (TDIC) no mundo do trabalho e na sociedade. (EM13CHSA101): Identificar e analisar as diferentes formas de transformação das relações sociais e produtivas provocadas pelo avanço tecnológico e pela inteligência artificial. Linguagens e suas Tecnologias (Cultura Digital e Linguagem de Programação) (EM13LGG701): Explorar e analisar tecnologias digitais de informação e comunicação, compreendendo seus princípios de funcionamento para interagir, produzir conteúdos e resolver problemas no ambiente digital. 4. Conteúdo Programático por Unidades Temáticas Unidade I: Introdução ao Pensamento Computacional e à IA Conceito de algoritmos, dados e estrutura de sistemas. Diferença entre programação tradicional (baseada em regras) e aprendizado de máquina (baseado em dados). Unidade II: Modelos de Inteligência Artificial na Prática Coleta, tratamento e rotulagem de dados para treinamento de modelos. Fundamentos práticos: Visão Computacional (reconhecimento de padrões/imagens) e Processamento de Linguagem Natural (PLN). Unidade III: Desenvolvimento de Protótipos de Sistemas Uso de ambientes interativos e acessíveis (Python, Teachable Machine, Scratch, MIT App Inventor). Conexão entre modelos de IA e interfaces de usuário (criação de aplicativos ou aplicações web simples). Unidade IV: Governança, Ética e Culminância Viés algorítmico, segurança da informação, direitos autorais e Lei Geral de Proteção de Dados (LGPD). Apresentação pública dos projetos (Culminância/Feira Tecnológica) voltada à resolução de problemas da comunidade. 5. Metodologia e Avaliação Metodologias Ativas: Aprendizagem Baseada em Projetos (PBL) e Resolução de Problemas. Avaliação Formativa: Acompanhamento do progresso dos protótipos, participação nas discussões éticas, documentação do código/lógica e apresentação final no evento de culminância.

Objetivos

Desenvolver o pensamento computacional e a lógica de programação. Compreender o funcionamento de modelos de Inteligência Artificial (Machine Learning, Visão Computacional e PLN). Construir protótipos de sistemas e aplicativos para a resolução de problemas reais. Promover a reflexão crítica sobre ética, viés algorítmico, privacidade de dados e impacto social da IA.

Conteúdo

Fundamentos do Pensamento Computacional: Lógica, algoritmos, dados e estrutura de sistemas. Introdução à Inteligência Artificial: Conceitos, diferença em relação à programação tradicional, Machine Learning e processamento de dados. Desenvolvimento Prático de Protótipos: Utilização de linguagens e plataformas acessíveis para integrar IA em soluções digitais. Cultura Digital e Ética: Privacidade (LGPD), viés algorítmico, impacto no trabalho e uso responsável da tecnologia.

Metodologia

Aprendizagem Baseada em Projetos (PBL): Aulas práticas e colaborativas focadas na criação de soluções para desafios do cotidiano. Atividades Mão na Massa (Maker): Uso de ambientes interativos e ferramentas acessíveis para prototipagem de software. Rodas de Conversa e Debates: Discussões sobre cenários éticos e impactos sociais da inteligência artificial.

Avaliação

Avaliação Formativa (Processual): Engajamento, participação nas atividades práticas e evolução na resolução de problemas ao longo do semestre. Desenvolvimento do Projeto: Qualidade técnica, organização e lógica aplicada nos protótipos em grupo. Culminância: Apresentação final do projeto/sistema desenvolvido na feira de tecnologia ou mostra cultural da escola.

Frequência: Presença mínima de 75% nas aulas ministradas. Aproveitamento: Entrega do projeto final de sistema com IA e obtenção de nota/conceito satisfatório (igual ou superior à média mínima escolar).