Ensino Secundário

Atividade 1

Campanha multimodal com IA – transparência e autoria

Objetivos:

• Cocriar com IA uma campanha (texto, imagem, eventualmente áudio/vídeo) sobre um tema social.

• Discutir propriedade intelectual, autenticidade e transparência no produto final.

Duração: 3–4 aulas (projeto).

Materiais: Acesso a IA de texto/ imagem/áudio aprovadas; ferramentas de apresentação (slides, vídeo, poster).

Passo a passo:

1. Definir o tema e objetivos (20 min.)

   • Em grupos, escolher um tema (por ex., desinformação, bullying, sustentabilidade, inclusão).

   • Definir público-alvo (alunos mais novos, encarregados de educação, comunidade local).

2. Planeamento criativo (30–40 min.)

   • Decidir que componentes serão geradas com IA (slogans, texto explicativo, imagens, jingle) e quais serão totalmente humanas.

   • Conceber prompts detalhados, explicitando estilo, tom, limitações (por ex.: “não usar imagens de pessoas reais”).

3. Produção iterativa (1–2 aulas)

   • Gerar conteúdos com IA, iterar prompts para obter qualidade e alinhamento ético.

   • Reescrever textos IA com contributo humano, se necessário, incluindo fact-checking.

   • Registar num “diário de produção” que partes foram feitas por IA, que ajustes humanos foram introduzidos e porquê.

4. Reflexão sobre autoria e transparência (30–40 min.)

   • Cada grupo redige um pequeno statement a acompanhar a campanha:

     • “Nesta campanha, usamos IA para… e humanos para…”.

     • Como resolveram questões de direitos de autor (uso de imagens, música, etc.)?

     • Como evitam enganar o público quanto à origem dos conteúdos?

Competências:

• Visualizar e prototipar ideias com IA multimodal.

• Considerar propriedade intelectual e autenticidade.

• Utilizar linguagem precisa sobre capacidades/limitações da IA.

Atividade 2

Debugging e desenvolvimento com copilotos

Focada em alunos de informática ou ciências, esta atividade explora o uso de assistentes de código. 

Objetivos: 

• Decompor problemas complexos em código;

• Utilizar IA para identificar erros e sugerir otimizações.   

Duração: 90-150 minutos (duas ou três aulas)

Materiais: IDE com assistente de código (ex: VS Code com Copilot ou Replit).

Passo a passo:  

1. Decomposição de problemas: Os alunos quebram um problema de programação em partes menores e pedem à IA para gerar funções específicas.  (45-50 min.)

2. Auditoria de código: Devem testar e identificar erros no código gerado pela IA, compreendendo que a IA pode introduzir vulnerabilidades de segurança.  (45-50 min.)

3. Estética da IA: Na área das artes, os alunos podem analisar como o estilo de artistas reais é mimetizado pela IA, discutindo o conceito de apropriação cultural e direitos de propriedade intelectual.  (45-50 min.)

Competências: 

• Pensamento computacional;

• Ética na programação;

• Segurança digital.

Atividade 3

Classificador com teachable machine 

Usando o Google Teachable Machine (ou ferramenta similar), os alunos constroem um modelo de IA de classificação de imagens ou áudio (ex.: reconhecer gestos, objetos).

Objetivos: 

• Aprender na prática os conceitos de “treinar” um modelo de IA; 

• Entender noções básicas de dataset e importância da qualidade dos dados; 

• Estimular habilidades de programação visual.

Duração: 1–2 aulas (dependendo do tempo de recolha de dados).

Materiais: Computadores com acesso à internet e webcam (ou gravação de áudio).

Passo a passo:

• 1. Introduzir a atividade com um exemplo: mostrar um vídeo de como modelos simples distinguem imagens (p. ex. gato vs. cachorro). Explicar brevemente o treino supervisionado.  (10 min.)

  2. Em pares, os alunos decidem duas categorias a classificar (ex.: “caneca” vs. “garrafa”). Reúnem várias imagens de cada (na webcam ou importadas).  (25-30 min.)

  3. No Teachable Machine, criam um projeto de visão computacional: carregam as imagens, treinam o modelo clicando em “Train”.  (25-30 min.)

  4. Testam o modelo ao vivo ou com novas fotos, ajustando o conjunto de imagens para melhorar acerto.  (10-15 min.)

  5. Refletem: “Como é que as diferenças nas imagens de treino afetaram o resultado? Em que casos o modelo errou? Como poderíamos aprimorá-lo?”.  (5-10 min.)

Competências: 

• Compreensão técnica de IA (processo de treino de modelo); 

• Pensamento computacional (recolha e preparação de dados); 

• Resolução de problemas (melhorar modelo com feedback); 

• Criatividade e curiosidade científica.

Atividade 4

Laboratório multimodal de ativismo digital e ética de autoria

Esta atividade foca-se na visualização e prototipagem de ideias através de diferentes tipos de IA, enquanto aborda rigorosamente a propriedade intelectual e o uso de linguagem técnica.

Objetivos:

• Prototipar uma campanha de sensibilização combinando texto, imagem e áudio gerados por IA.

• Aplicar normas de atribuição e citação ética para conteúdos sintéticos.

• Descrever o funcionamento do sistema evitando o antropomorfismo (usando "o sistema" em vez de pronomes humanos).

Duração: 135-150 minutos (três sessões de 45/50 minutos).

Materiais: Computadores com acesso a ferramentas de IA generativa (texto, imagem e som), guias de licenciamento Creative Commons e a fórmula de prompting CRAFT.

Passo a passo:

 1. Ideação estruturada (30 min.): Os alunos definem um tema social (ex: sustentabilidade) e utilizam a fórmula CRAFT (Contexto, Requisição, Ações, Formato e Tom) para gerar o manifesto da campanha num LLM.

 2. Criação multimodal (45 min.): Utilizando ferramentas de imagem e som, os alunos geram elementos visuais e bandas sonoras que complementem o texto, garantindo que a IA é usada para expandir a visão original e não para a substituir.

 3. Auditoria de propriedade intelectual (30 min.): Os grupos investigam se os resultados imitam estilos de artistas específicos e debatem se esse uso exige consentimento, criando um "Selo de Atribuição" que declare explicitamente a participação da IA.

 4. Apresentação técnica (30 min.): Cada grupo apresenta o protótipo utilizando uma linguagem precisa, explicando como o modelo processou dados estatísticos para prever os pixels ou palavras, sem atribuir intenções ou sentimentos à máquina.

Competências: 

• Criatividade (colaboração e refinamento);

• Ética e Impacto (atribuição);

• Comunicação (evitar o antropomorfismo).

Atividade 5

Engenharia de diálogo e refinação iterativa (code & text lab)

Esta atividade foca-se no refinamento de resultados através da iteração e na capacidade de fornecer feedback estruturado ao sistema para otimizar soluções inovadoras.

Objetivos:

• Refinar resultados complexos (código ou texto argumentativo) através de ciclos sucessivos de feedback e teste.

• Decompor problemas em instruções lógicas que a IA possa processar eficazmente.

• Avaliar criticamente a lógica e a completude do output gerado.

Duração: 90-100 minutos (duas aulas)

Materiais: Acesso a um assistente de IA (ex: ChatGPT, Claude), folha de registo de iterações (Prompt Log).

Passo a passo:

 1. Desafio de decomposição (20 min.): O professor apresenta um problema complexo (ex: criar um algoritmo para gerir resíduos na escola ou um ensaio comparativo sobre inteligência humana vs. artificial). Os alunos decompõem o problema em partes menores.

 2. Ciclo de prompting e feedback (40 min.): Os alunos inserem a primeira instrução. Ao receberem o output, não o aceitam passivamente; devem fornecer feedback corretivo (ex: "ajusta a estrutura", "verifica esta inconsistência lógica"). Devem realizar pelo menos quatro iterações documentadas num "Prompt Log".

 3. Verificação de autenticidade (15 min.): Os alunos cruzam os dados gerados com fontes fidedignas para detetar "alucinações" ou erros lógicos, assumindo a responsabilidade final pelo conteúdo.

 4. Reflexão sobre metacognição (15 min.): Debate final sobre como o processo de fornecer feedback à IA ajudou os alunos a clarificar o seu próprio raciocínio e a identificar lacunas no seu conhecimento.

Competências: 

• Pensamento Computacional (decomposição);

• Pensamento Crítico (avaliação de precisão);

• Criatividade (iteração).

Atividade 6

 Mestres do prompt com a fórmula CRAFT 

Objetivos: 

• Aplicar a estrutura CRAFT para reduzir a ambiguidade e as "alucinações" da IA.

• Desenvolver a capacidade de iterar e refinar instruções complexas.

• Avaliar criticamente a qualidade e a utilidade pedagógica das respostas geradas.

• Compreender o conceito de "Persona" e como ele molda o estilo de resposta da IA.

Duração: 90-100 minutos (duas aulas)

Materiais: Acesso a um LLM (ex: Claude, Gemini), tabela com a fórmula CRAFT (Contexto, Requisição, Ações, Formato, Tom).

Passo a passo:

1. Desconstrução da Fórmula (20 min.)

Explique os 5 pilares do CRAFT com exemplos claros:

• C (Contexto): Quem sou eu? O que estou a estudar? (ex: "Sou aluno do 11.º ano a preparar-me para o exame de Economia").

• R (Requisição): Qual é o objetivo principal? (ex: "Cria um roteiro de estudo").

• A (Ações/Atributos): Que passos a IA deve seguir? (ex: "Analisa o programa oficial, divide os temas por 4 semanas e sugere exercícios").

• F (Formato): Como deve ser o output? (ex: "Tabela organizada por dias, com tópicos em bullet points").

• T (Tom/Target): Qual é a personalidade? (ex: "Age como um tutor rigoroso mas motivador. Usa um tom encorajador").

2. O Desafio do Tutor Académico (30 min.)

• Tarefa: Cada aluno ou par escolhe uma disciplina "crítica" (ex: Filosofia, Biologia, Matemática).

• Exercício: Devem construir um "Super Prompt" usando a fórmula completa para criar um plano de estudo de 2 semanas para um tema específico dessa disciplina.

• Dica: Incentive-os a usar "Instruções Negativas" (ex: "Não incluas temas que não constam no programa de 2026").

3. Teste de Stress e Refinação (30 min.)

• Os alunos introduzem primeiro um prompt genérico (ex: "Ajuda-me a estudar Geometria") e depois o seu prompt CRAFT.

• Análise Comparativa: Devem avaliar as respostas em 3 critérios: Profundidade, Organização e Relevância.

• Refinação: Com base na resposta, devem fazer um "follow-up prompt" para corrigir algo que não ficou perfeito.

4. Partilha de Prompts e Debate (20 min.)

• A turma partilha os prompts que obtiveram melhores resultados.

• Debate: "Será que um bom prompt substitui o estudo? Ou o prompt é o primeiro passo para o estudo começar?".

Competências: 

• Engenharia de prompts (prompt engineering): Domínio técnico da interface entre linguagem humana e lógica de máquina.

• Comunicação estratégica: Capacidade de ser preciso, estruturado e intencional na comunicação.

• Pensamento computacional: Decomposição de uma necessidade complexa em instruções lógicas sequenciais.

• Agência humana: Manter o controlo sobre a ferramenta através da clareza da instrução.

Atividade 7

Engenharia de prompts para impacto social 

Trata-se de uma variante da atividade anterior, com foco na correção de enviesamentos

Objetivos: 

• Aplicar a fórmula CRAFT para desenhar uma campanha de sensibilização com impacto social.

• Detetar enviesamentos (bias): Identificar se a IA ignora certas demografias ou usa uma linguagem pouco inclusiva.

• Refinar para a Ética: Ajustar instruções para garantir que a solução gerada é acessível, representativa e culturalmente sensível.

Duração: 45-50 minutos.

Materiais: Acesso a um LLM (ex: Claude, Gemini), Guia de Prompting (CRAFT ou similar).

Passo a passo:

1. O poder da especificidade (10 min.)

• Revisão rápida do CRAFT, mas com foco no Contexto (C) e Tom (T).

• Explicação: "Se pedirmos uma 'campanha de reciclagem' de forma genérica, a IA pode sugerir apps caras que pessoas sem smartphone não podem usar. O nosso contexto deve definir para quem estamos a falar."

2. O desafio social (15 min.)

• Tarefa: Os alunos devem escolher um problema local (ex: "Desperdício de água na escola", "Solidão dos idosos no bairro", "Inclusão de alunos imigrantes").

• Criação do prompt: Devem redigir o prompt usando CRAFT.

Exemplo: "Age como um sociólogo (Persona). Cria um plano de campanha (Requisição) para reduzir o bullying (Contexto). Usa uma linguagem jovem mas respeitosa (Tom) e apresenta em formato de lista de ações (Formato)."

3. Auditoria e refinação ética (20 min.)

• Análise de vieses: Após gerarem a primeira resposta, os alunos devem questionar:

  1. Exclusão: "Esta campanha funciona para quem não tem internet ou tem deficiência visual?"

  2. Estereótipo: "A IA usou clichés ou linguagem condescendente?"

  3. Localização: "As soluções são aplicáveis à nossa realidade local ou parecem 'americanizadas'?"

• O "prompt de correção": Os alunos devem dar uma nova instrução à IA para corrigir as falhas detetadas (ex: "Ajusta o plano para que seja totalmente inclusivo para alunos cegos e não dependa de cartazes visuais").

4. Conclusão (5 min.)

• Breve partilha: "O que é que a IA ignorou na primeira tentativa que vocês tiveram de forçar no segundo prompt?".

Competências: 

• Pensamento computacional: Estruturação lógica de instruções complexas e tratamento de erros (vieses).

• Comunicação ética: Capacidade de dirigir a tecnologia para fins de bem comum, respeitando a diversidade.

• Pensamento crítico: Não aceitar o primeiro resultado da máquina como "neutro" ou "perfeito".

Atividade 8

Simulador de dialética: A IA como sparring partner

Objetivos:

• Utilizar a IA para simular debates complexos e identificar falácias lógicas.

• Explorar nuances éticas e dados estatísticos que sustentam visões opostas.

• Refinar a retórica e a estrutura de argumentação lógica.

Duração: 90-100 minutos (duas aulas)

Materiais: Computadores, matriz de análise de argumentos (Toulmin ou Aristotélica).

Passo a passo:

1. Estrutura de argumento (20 min.): Os alunos desenvolvem um argumento complexo sobre um tema de atualidade (ex: "A implementação de uma semana de trabalho de 4 dias"). Devem incluir Dados, Garantia e Apoio.

2. Simulação de debate iterativo (40 min.): O aluno inicia um diálogo com a IA:

   1. • Prompt 1: "Vou apresentar um argumento. Quero que encontres falácias lógicas ou lacunas de evidência na minha lógica."

      • Prompt 2 (Após a resposta): "Agora, sugere como posso reformular o meu argumento para que ele seja imune a essa crítica específica."

3. Avaliação de viés da IA (20 min.): Os alunos refletem: "A IA tendeu a apoiar um lado do debate ou manteve-se neutra? As fontes que ela sugeriu (ou simulou) são credíveis?".

4. O debate final (30 min.): Debate em sala onde os alunos não podem usar dispositivos. Devem demonstrar como a preparação com a IA os tornou mais ágeis em prever e desconstruir as opiniões contrárias dos colegas.

Competências: 

• Gerir a IA (avaliar a qualidade do output);

• Ética e justiça;

• Agência humana.

Atividade 9

Agência digital: estratégia de transmédia com IA

Objetivos:

• Criar uma campanha de sensibilização complexa e multiformato (transmédia).

• Analisar a eficácia estética e ética das sugestões da IA para diferentes públicos-alvo.

• Desenvolver um produto final onde a intervenção humana garante a qualidade e a veracidade.

Duração: 135-150 minutos ( três aulas).

Materiais: Acesso a IA generativa diversificada; software de edição de vídeo/imagem.

Passo a passo:

1. Briefing estratégico (20 min.): Os alunos definem o público-alvo (ex: adolescentes vs. idosos) para uma campanha de saúde pública.

2. Iteração avançada com IA (50 min.):

   1. • Guião: Usar IA para criar um guião de vídeo curto (Reel/TikTok), solicitando diferentes tons (humorístico, dramático).

      • Identidade visual: Gerar uma paleta de cores e um logótipo com apoio de IA.

      • Banda sonora: Gerar música ambiente que se ajuste ao ritmo do guião.

3. Auditoria e refinamento (30 min.): Os alunos devem submeter os outputs da IA a uma "análise de viés": "A imagem gerada pela IA representa toda a gente? O tom do texto é adequado para o público?". Devem editar os ficheiros para corrigir falhas.

4. Montagem do produto final (35 min.): Os alunos produzem o vídeo ou a peça transmédia final. A IA é usada para acelerar o processo, mas a "montagem final" e a curadoria de dados são exclusivamente humanas.

Competências: 

• Gerir a IA (decidir adequação);

• Criar com a IA (iteração avançada);

• Ética.

Atividade 10

Arquitetura e refatoração: otimizar o jogo com IA

Objetivos:

• Utilizar assistentes de IA para depurar erros complexos (ex: erros de lógica de colisão ou gestão de memória).

• Refatorar o código para torná-lo mais eficiente e legível.

• Analisar o impacto da IA na produtividade vs. compreensão profunda do código.

Duração: 90-100 minutos (duas aulas)

Materiais: IDE (ex: VS Code, PyCharm), GitHub Copilot ou Gemini, um projeto de jogo em curso.

Passo a passo:

1. Bug hunting challenge (30 min.): O professor fornece um código funcional mas mal estruturado e com um erro lógico intermitente (ex: o jogador atravessa paredes às vezes). Os alunos devem usar a IA para criar um plano de depuração.

2. Refatoração assistida (40 min.): Os alunos pedem à IA para sugerir melhorias na estrutura do código: "Como posso tornar este código mais modular e fácil de ler?". Devem comparar a sua versão original com a proposta da IA, analisando o uso de funções ou classes.

3. Implementação de nova mecânica (25 min.): Os alunos descrevem uma mecânica complexa (ex: um sistema de inventário ou IA de um inimigo) e usam o assistente para gerar o esqueleto do código, que terão de integrar manualmente.

4. Relatório de auditoria (15 min.): Os alunos escrevem uma breve reflexão sobre:

• Confiabilidade: A IA sugeriu algum código que não funcionou?

• Aprendizagem: O uso da IA impediu-os de pensar na lógica ou ajudou a desbloquear conceitos novos?

Competências: 

• Gerir a IA (avaliar a qualidade técnica);

• Criar com a IA (iteração avançada);

• Agência humana.

Atividade 11

Direitos de Autor na era dos pixéis 

Objetivos:

• Investigar o processo de treino de modelos generativos (extração de dados/scraping).

• Analisar o impacto económico e moral da IA na carreira dos artistas contemporâneos.

• Debater o quadro legal atual e as propostas de remuneração ou opt-out.

Duração: 90-100 minutos (duas aulas)

Materiais: Artigos sobre processos judiciais de artistas contra empresas de IA, acesso ao site Have I Been Trained? (para verificar bases de dados).

Passo a passo:

1. Investigação de dados (30 min.): Os alunos pesquisam sobre o dataset LAION-5B e como milhões de imagens foram usadas sem autorização. Usam o site Have I Been Trained? para perceber como obras de artistas vivos foram integradas nestes modelos.

2. O caso de estudo (25 min.): Análise de um caso real (ex: o protesto de artistas no ArtStation contra a IA). Devem identificar os argumentos dos artistas (perda de sustento) e das empresas (o "uso justo" ou Fair Use).

3. O grande debate: o tribunal da IA (40 min):

   1. • Grupo A (Advogados dos Artistas): Defendem que o estilo é uma extensão da identidade e exige consentimento e pagamento.

      • Grupo B (Empresas de Tecnologia): Defendem que a IA aprende como um humano (observando) e que criar novas imagens a partir de padrões é inovação.

      • Grupo C (Legisladores): Devem propor uma lei que equilibre os dois lados.

4. Conclusão e Manifesto (15 min.): Os alunos redigem um parágrafo sobre qual seria a "atitude ética" de um utilizador de IA ao criar arte inspirada em artistas reais.

Competências: 

• Gerir a IA (ética e justiça);

• Agência humana;

• Análise jurídica/social.

Atividade 12

Arquitetura sonora: probabilidades e vetores musicais

Objetivos:

• Analisar como a música é convertida em dados numéricos para treino de modelos.

• Discutir a ausência de intenção e o conceito de "estatística estocástica" na geração de arte.

• Avaliar criticamente o uso de conceitos como "criatividade" aplicados a máquinas.

Duração: 90-100 minutos (duas aulas)

Materiais: Artigos curtos sobre Redes Neuronais e Transformadores (aplicados a áudio), computadores.

Passo a passo:

1. Mapeamento de dados (30 min.): O professor explica como a IA "vê" a música (frequências, ritmos e harmonia transformados em vetores). Os alunos investigam: "Se treinarmos uma IA apenas com Jazz, ela conseguirá criar um Fado?". (Conclusão: Não, porque não há padrões de Fado nos seus dados).

2. O desafio do "sentimento" (30 min.): Os alunos pedem à IA para gerar uma música sobre um tema complexo (ex: "A solidão urbana"). Depois, devem "desmontar" a música:

   1. • Que instrumentos foram usados?

      • Qual a cadência?

      • Como é que a matemática explicaria esta "solidão" (ex: baixa frequência, silêncios longos)?

3. Debate semântico (30 min.): "Se uma máquina não tem consciência, pode haver criatividade?". Os alunos devem defender que o que a IA faz é recombinação probabilística, e não criação intencional.

4. Relatório técnico (20 min.): Redigir uma definição de "Música por IA" que não use palavras como "sentir", "pensar" ou "imaginar".

Competências: 

• Conceber a IA (modelos generativos);

• Análise crítica;

• Linguagem técnica precisa.