RESOLUÇÃO Nº 7/CCFLCL/UFFS/2024
A Coordenação do Curso de Graduação em Física - Licenciatura do Campus Cerro Largo, da Universidade Federal da Fronteira Sul UFFS, no uso de suas atribuições legais, considerando a decisão do colegiado do curso, registrada na ATA Nº 9/CCFL-CCM-CL/UFFS/2024, de 05 de novembro de 2024, e considerando:
-
que os componentes curriculares optativos Aprendizado de Máquina (60 h) e Linguagem Científica, Divulgação Científica e o Ensino de Ciências (30 h) foram propostos pelo Grupo de Trabalho de Reformulação do PPC do curso de Física - Licenciatura, passando a integrar o rol de optativas da Estrutura Curricular em reformulação;
-
que os discentes, ao terem conhecimento destes componentes curriculares, passaram a ter interesse na oferta em 2025-I.
RESOLVE:
Art. 1º Incluir o Componente Curricular Aprendizado de Máquina no rol decomponentes curriculares optativos da Estrutura Curricular 2019, do Curso de Física - Licenciatura, conforme quadro de ementário abaixo:
Código |
COMPONENTE CURRICULAR |
Horas |
GCH1977 |
APRENDIZADO DE MÁQUINA |
60** |
EMENTA |
||
Como as máquinas aprendem. Preparação das ferramentas de aprendizado. Fundamentos da Matemática. Aprendizado com dados inteligentes e volumosoAs (big data). Aplicação de aprendizagem em problemas reais. |
||
OBJETIVO |
||
Proporcionar a (re)construção de conceitos de Matemática do Ensino Médio, bem como vivências de práticas pedagógicas, contemplando abordagens diferenciadas e recursos diversificados tanto de utilização ou produção de novos materiais didáticos, evidenciando a educação ambiental e a relação da matemática com as questões ambientais, a partir da resolução e elaboração de problemas. |
||
REFERÊNCIAS BÁSICAS |
||
BISHOP, C. M. Pattern Recognition and Machine Learning. New York: Springer, 2006. FACELI, K.; LORENA, A.; GAMA, J.; CARVALHO, A. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011. FLACH, P. Machine Learning: The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press, 2012. JAMES, G.; WITTEN, D.; HASTIE, T.; TIBSHIRANI, R. An Introduction to Statistical Learning, with Applications in R. Springer, 2013. Disponível em: http://www-bcf.usc.edu/~gareth/ISL/. Acesso em: 10 nov. 2023. MUELLER, J. P.; MASSARON, L. Aprendizado de máquinas. Rio de Janeiro: Alta Books, 2019. |
||
REFERÊNCIAS COMPLEMENTARES |
||
ALPAYDIN, E. Introduction to machine learning. [S. l.]: MIT Press, 2004. DUDA, R. O.; HART, P. E.; STORK, D. G. Pattern classification. 2. ed. [S. l.]: Wiley, 2001. HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The elements of statistical learning. New York: Springer, 2009. Disponível em: http://statweb.stanford.edu/~tibs/ElemStatLearn/. Acesso em: 10 nov. 2023. MITCHELL, T. M. Machine learning. São Paulo: McGraw-Hill, 1997. TAN, P. N.; STEINBACH, M.; KUMAR, V. Introduction to data mining. [S. l.]: Addison-Wesley, 2006. |
*Observação: CCR com 60 (sessenta) horas teóricas e 2 (duas) unidades avaliativas.
Código |
COMPONENTE CURRICULAR |
Horas |
GCH1908 |
LINGUAGEM CIENTÍFICA, DIVULGAÇÃO CIENTÍFICA E O ENSINO DE CIÊNCIAS |
30** |
EMENTA |
||
Especificidades da linguagem científica. Divulgação Científica. Textos de Divulgação Científica. Alfabetização Científica. Estudo e Planejamento da inserção da Divulgação Científica em ambientes de Ensino de Ciências. |
||
OBJETIVO |
||
Proporcionar aos licenciandos um olhar sobre as especificidades da linguagem cientifica e de divulgação cientifica visando tanto a apropriação de termos como um diálogo sobre tais especificidades e a necessária alfabetização científica. |
||
REFERÊNCIAS BÁSICAS |
||
CHASSOT, Á. I.Alfabetização científica:questões e desafios para a educação. 7. ed. Ijuí, RS: Ed. Unijuí, 2016. GALIAZZI, M. C.Aprender em rede na educação em ciências.Ijuí, RS: Unijuí, 2008. GIORDAN, M.; CUNHA, M. B. (org.).Divulgação científica na sala de aula:perspectiva e possibilidades. Ijuí, RS: UNIJUÍ; São Paulo, SP: Edusp, 2015. LEAL, E. A evolucionando a sala de aula.Rio de Janeiro: Atlas, 2017.E-book.(Minha Biblioteca/UFFS). ZAMBONI, L. M. S.Cientistas, jornalistas e a divulgação científica:subjetividade e heterogeneidade no discurso da divulgação científica. Campinas, SP: Autores Associados, 2001.
|
||
REFERÊNCIAS COMPLEMENTARES |
||
FANG, Z. Scientific literacy: a systemic functional linguistics perspective.Science Education, v. 89, p. 335-347, 2005. Disponível em: http://onlinelibrary.wiley.com/doi/10.1002/sce.v89:2/issuetoc. Acesso em: 10 dez. 2023. GALIAZZI, M. C.Construção curricular em rede na educação em ciências:uma aposta de pesquisa na sala de aula. Ijuí, RS: Unijuí, 2007. GIORDAN, M.Computadores e linguagens nas aulas de ciências:uma perspectiva sociocultural para compreender a construção dos significados. Ijuí, RS: Unijuí, 2008. MACHADO, C. M. C. Linguagem científica e ciência.Cadernos de Ciência & Tecnologia, v. 4, n. 3, p. 333-341, 1987. Disponível em: https://seer.sct.embrapa.br/index.php/cct/article/view/9171. Acesso em: 10 dez. 2023. MORIN, E.Ciência com consciência.6. ed. Rio de Janeiro: Bertrand Brasil, 2002. MORTIMER, E. F.Linguagem e formação de conceitos no ensino de ciências.Belo Horizonte: Ed. UFMG, 2000. OLIVEIRA, J. R. S.; QUEIROZ, S. L.Comunicação e Linguagem Científica:guia para estudantes de Química. São Paulo: Átomo, 1997.
|
**Observação: CCR com 30 (trinta) horas teóricas e 2 (duas) unidades avaliativas.
Art. 3º Esta Resolução entra em vigor na data de sua publicação, tendo em vista o disposto no parágrafo único do Art. 4º do Decreto nº 10.139/2019.
Sala de Reuniões do Colegiado dos Cursos de Física Licenciatura e de Matemática - Licenciatura do Campus Cerro Largo, 9ª Reunião Ordinária, em Cerro Largo - RS, 05 de novembro de 2024.
Aline Beatriz Rauber
Coordenadora do Curso de Física - Licenciatura
Data do ato: Cerro Largo-RS, 14 de novembro de 2024.
Data de publicação: 21 de novembro de 2024.
Aline Beatriz Rauber
Coordenadora do Curso de Graduação em Física - Licenciatura e do Curso de Graduação em Matemática - Licenciatura do Campus Cerro Largo