Metodologia de Ensino e Avaliação
| Metodologia: |
Todas as aulas ocorrerão de maneira presencial, sendo realizadas, preferencialmente no Laboratório de Informática do CAFS. Alternativamente, as aulas teóricas poderão ser realizadas na Sala Multiuso do NHNUFPI/CAFS. As aulas serão expositivas e dialogadas, com abordagem teórico-prática. Algumas aulas estão disponíveis no canal do PPGBC, no YouTube (youtube.com/@ppgbc) e podem ser assistidas pelos discentes, a qualquer momento.
Estudantes que queiram utilizar seus próprios computadores, devem realizar a instalação dos softwares, descritos abaixo. A ordem de instalação deve ser a mesma da ordem de apresentação abaixo, para evitar problemas:
• R, versão 4.3.3, disponível em: https://cran.r-project.org/bin/windows/base/
• R Studio Desktop, versão 2023.12.1+402, disponível em: https://posit.co/download/rstudio-desktop/
Obs.: Atentar para a versão correta (32 ou 64 bits) dos programas ao realizar o download, de modo que sejam compatíveis com o computador que forem utilizar para as aulas. Caso não saibam qual o formato do sistema operacional que usam, vejam este vídeo: https://www.youtube.com/watch?v=2MgixVKW1lc&ab_channel=BlueScreenTricks
POLÍTICA DE TOLERÂNCIA ZERO A PLÁGIO E AO USO DE INTELIGÊNCIA ARTIFICIAL: qualquer indício de plágio ou do uso de ferramentas de inteligência artificial, em qualquer atividade desenvolvida e entregue pelos discentes, implicará em total anulação da atividade, independentemente, da quantidade de plágio detectado. Por exemplo: em uma avaliação com 10 questões, caso seja detectado plágio na resposta de uma questão, todas as 10 questões serão anuladas, recebendo a avaliação nota final igual a zero (0,0).
|
| Procedimentos de Avaliação da Aprendizagem: |
A avaliação da disciplina envolverá atividades avaliativas desenvolvidas ao longo da disciplina, bem como uma atividade principal, desenvolvida, individualmente, por cada discente. Conforme descrito abaixo:
Notas 01 e 02: somatório das atividades parciais referentes a conteúdos ministrados pelo Prof. Leonardo (nota 01 = 10,0 pontos) ou pelo Prof. Murilo (nota 02 = 10,0 pontos). Cada docente proverá atividades de fixação dos conteúdos ministrados, que serão somadas para compor as notas 1 e 2 da disciplina.
Notas 03 e 04: notas atribuídas por cada professor da disciplina (nota 03: Prof. Leonardo; nota 04: Prof. Murilo), ao projeto desenvolvido por cada discente.
Projeto de discentes: cada discente deverá desenvolver um conjunto de análise de dados, utilizando métodos e técnicas aprendidas ao longo da disciplina. Regras:
1. As análises deverão, obrigatoriamente, ser desenvolvidas em linguagem de programação R;
2. Antes do início das apresentações todos(as) os(as) discentes deverão enviar por e-mail (carvalho@ufpi.edu.br e mguimaraes@ufpi.edu.br) o arquivo de suas apresentações e o script em R com as análises realizadas;
3. As análises devem ser compatíveis com o que se espera para um projeto de mestrandos. Assim, as análises que não envolvam métodos multivariados devem, obrigatoriamente, conter pelo menos uma variável dependente e duas variáveis independentes, além dos gráficos correspondentes adequados. Em caso de dúvida, consulte os professores da disciplina, com antecedência, para conferir se seu plano é suficiente para o que se espera da disciplina;
4. Todas as variáveis utilizadas devem corresponder a dados biológicos, podendo ser tanto bióticas, quanto abióticas. Desta forma, análises envolvendo bancos de dados sobre objetos (ex.: carros, aviões, desenhos animados, etc.) não serão aceitas.
5. Os dados utilizados para análise pelos discentes devem ter sido produzidos ou coletados pelos discentes. Não serão aceitos projetos que utilizem bancos de dados prontos, disponíveis em pacotes de R ou de trabalhos já publicados.
6. Para a apresentação, cada discente deverá incluir uma curta introdução ao problema investigado, explicitar as hipóteses que serão testadas, mostrar como os dados foram coletados, descrever (em detalhes!) como os dados foram analisados, apresentar os resultados e suas conclusões.
7. Cada discente terá até 15 (quinze) minutos para fazer sua apresentação, seguida de uma avaliação por outro discente (sorteio com reposição) e pelos professores da disciplina.
Critérios de avaliação de avaliação da apresentação do projeto:
1. Aplicação de conceitos estatísticos - O projeto deve envolver a aplicação de conceitos estatísticos abordados durante a disciplina, como análise descritiva, inferência estatística, análise multivariada, modelagem estatística, entre outros.
2. Uso adequado de técnicas estatísticas - Os alunos devem ser capazes de selecionar e aplicar as técnicas estatísticas adequadas para analisar os dados, incluindo a escolha de um modelo estatístico apropriado e a realização de testes estatísticos relevantes.
3. Uso de software estatístico - O projeto deve incluir a utilização do software estatístico R para análise de dados. Os alunos devem ser capazes de importar dados para o software, executar análises estatísticas e interpretar os resultados.
4. Interpretação dos resultados - Os alunos devem ser capazes de interpretar os resultados da análise estatística, explicando a significância estatística, limitações e possíveis implicações dos resultados.
5. Comunicação - O projeto deve ser apresentado de forma clara e concisa, com uma linguagem acessível.
6. Originalidade e criatividade - O projeto deve ser original e criativo, demonstrando a capacidade dos alunos de aplicar os conceitos estatísticos a problemas na área de biodiversidade e conservação.
7. Atenção aos detalhes - Os alunos devem prestar atenção aos detalhes, incluindo a organização dos dados, a escolha das variáveis a serem analisadas e a apresentação dos resultados.
|
| Horário de atendimento:
| 08:00 - 12:00; 14:00 - 18:00h |
| Bibliografia:
| Bibliografia básica:
DA SILVA F.R., GONÇALVES-SOUZA T., PATERNO G.B., PROVETE D.B., VANCINE M.H. 2022. Análises ecológicas no R. Nupeea : Canal 6, Recife, PE : São Paulo. 640 p. ISBN 978-85-7917-564-0. Disponível em: https://analises-ecologicas.netlify.app/
FERREIRA, E.B. & OLIVEIRA, M.S. 2020. Introdução à estatística com R. Alfenas: Editora Universidade Federal de Alfenas. 194 p. Disponível em: https://www.unifal-mg.edu.br/bibliotecas/system/files/imce/EBR_Unifal.pdf
GOTELLI, N.J. & ELLISON, A.M. 2011. Princípios de estatística em ecologia. Porto Alegre: Artmed. 528 p.
MORETTIN, P.A. & BUSSAB, W.O. 2017. Estatística básica. 9. ed. São Paulo: Saraiva. 453 p.
SCHMULLER, J. 2019. Análise estatística com R, para leigos. Rio de Janeiro: Alta Books Editora. 409 p.
Bibliografia complementar:
GOOD, P.I. & HARDIN, J.W. 2003. Common errors in statistics (and how to avoid them). Hoboken: John Wiley & Sons, Inc. 235 p.
LANDEIRO, V.L. 2013. Introdução ao uso do programa R. Disponível em: https://files.cercomp.ufg.br/weby/up/320/o/IntroR_VictorLandeiro_version_6.1.pdf
LARSON, R. & FARBER, B. 2016. Estatística aplicada. 6. ed. São Paulo: Pearson Edication do Brasil. 674 p.
MELO, M.P. & PETERNELLI, L.A. 2013. Conhecendo o R: uma visão mais que estatística. Viçosa: Editora UFV. 222 p.
PIMENTEL-GOMES, F. 2009. Curso de Estatística Experimental. 15ª edição. Piracicaba: FEALQ. 451 p.
QUINN, G. & KEOUGH, M. 2002. Experimental design and data analysis for biologists. Cambridge: Cambridge University Press. 537 p.
RITTER, M.N.; THEY, N.H. & KONZEN, E. 2019. Introdução ao software estatístico R. Disponível em: http://professor.ufrgs.br/sites/default/files/matiasritter/files/apostila_introducao_ao_r_-_ritter_they_and_konzen.pdf
RUXTON, G.D. & COLEGRAVE, N. 2011. Experimental design for the life sciences. 3rd ed. Oxford: Oxford University Press. 178p.
SCHUMACKER, R. & TOMER, S. 2013. Understanding Statistics Using R. Nova Iorque: Springer. 297 p.
SOKAL, R.R. & ROHLF, F.J. 2009. Introduction to biostatistics. Mineola: Dover. 374 p.
UNDERWOOD A.J. 1997. Experiments in Ecology. Cambridge: Cambridge University Press, 504p.
VIEIRA, S. 1999. Estatística experimental. 2ª ed. São Paulo: Atlas Editora. 185p.
VITAL, M.V.C. 2015. Introdução ao uso do software R para as Ciências Biológicas. Disponível em: https://cantinhodor.wordpress.com/2015/03/28/a-boa-e-velha-apostila-basica-do-r/
ZAR, J.H. 2014. Bioestatistical Analysis. Harlow: Pearson Education Limited. 761.
|