Curso de e-mbi em Jornalismo de Dados e Computacional. Estrutura Curricular componente curricular/carga horária.

(1)

PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO Coordenadoria de Educação Continuada

Curso de e-MBI em Jornalismo de Dados e Computacional

Estrutura Curricular – componente curricular/carga horária.

Identificação de Dados

Coleta e Armazenamento de Dados 32 h/a Monitoramento e análise jornalística 32 h/a Ciência de Dados para Jornalismo 32 h/a

Programação Back-End 32 h/a

Carga horária total do módulo 128 horas-aulas Interpretação, Visualização e Aplicação

Storytelling e Narrativas Digitais 32 h/a

Programação Front-End 32 h/a

Visualização da Informação 32 h/a

Experiência do Usuário (UX) 32 h/a

Carga horária total do módulo 128 horas-aulas Jornalismo Computacional

Inteligência Artificial em Comunicação 32 h/a

Ferramentas Computacionais 32 h/a

Jornalismo Virtual 32 h/a

Newsgames 32 h/a

Carga horária total do módulo 128 horas-aulas Aplicação do Conhecimento 48 horas-aulas Total da carga horária do curso 432 horas-aulas

(2)

IDENTIFICAÇÃO DO COMPONENTE CURRICULAR (1)

1. Nome do Componente Curricular: Coleta e Armazenamento de Dados

2. Carga Horária: 32 horas/aula

3. Ementa: Demonstrar, baseado na teoria, as metodologias de coleta de dados. Apresentar o armazenamento massivo de dados; os tipos de dados Estruturados, Semi-Estruturados e Não Estruturados; a arquitetura para Data Warehouse; Modelagem Relacional e Dimensional.

4. Objetivo: Demonstrar na prática como os dados são coletados e disponibilizados para análises de BI e Ciência de Dados. Explorar as diversas formas de persistência de modo a criar juízo de valor sobre uso destas tecnologias no contexto do Jornalismo.

5. Conteúdo Programático:

i. Data Warehouse: Onde os dados são armazenados ii. Qualidade de Dados iii. Cargas de Dados Agendadas e Imediatas (Batch e Online) iv. Coleta de Dados em Redes Sociais.

v. Armazenamento massivo de dados vi. Dados Estruturados, Semi-Estruturados e Não Estruturados vii. Modelagem

Relacional e Dimensional viii. Arquitetura para Data Warehouse 6. Bibliografia:

(3)

KIMBALL, R.; CASERTA, J. The Data Warehouse ETL Toolkit: Pratical Techniques for Extracting, Cleanning, and Delivering Data. Indianapolis, IL: Willey, 2004, 698p.

KRISHNAN, K. Data Warehouse in the age of Big Data. Waltham: Morgan Kaufmann, 2013, 346p.

MAYER-SCHÖNBERGER, V, KENNETH, C. Big Data: Como Extrair, Volume, Variedade e Valor da Avalanche Cotidiana Rio de Janeiro: Elsevier, 2013, 163p.

 Complementar:

MARR, B. Big Data. Using Smart Big Data, Analytics and Metrics to Make Better Decisions and Improve Performance. West Sussex: Wiley, 2015, 246p.

MINELLI, M.; CHAMBERS, M.; DHIRAJ, A. Big Data Big Analytics: Emerging Business Intelligence and Analytic trends for today's businesses. Hoboken: John Wiley and Sons Inc., 2013.

VOGELS, W. (2008). Eventually Consistent, Scalable Web Services, Volume 6, No. 6, Outubro de 2008.

SHARMA, V., SHARMA, V., MISHA, N. (2017) Concepts, Applications, and Challenges. In: PRASA, A. V. K (org). Exploring the Convergence of Big Data and the Internet of Things. Hershey: IGI Global, 2017

KIMBALL, R.; ROSS, M.; THORNTHWAITE, W.; MUNDY, J.; BECKER, B. The Data Warehouse Lifecycle Toolkit. River Street: Wiley, 2008.

(4)

SADALAGE, P.J., FOWLER, M. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Pearson, 2013.

(5)

1. Nome do Componente Curricular: Monitoramento e Análise Jornalística

2. Carga Horária: 32 h/a

3. Ementa: Elaboração de pautas, reportagens e produtos jornalísticos diversos em base de dados. Uso de ferramentas básicas (softwares) auxiliares na apuração e cruzamento de informações. Análise de modelos de iniciativas de reportagem a partir das informações quantitativas.

Monitoramento em redes.

4. Objetivo: Produzir reportagens e desenvolver produtos jornalísticos diversos a partir dos dados, apropriar-se dos melhores e mais

recomendáveis mecanismos para encontrar reportagens “escondidas” em planilhas e bancos de dados. Capacitar o aluno a monitorar, mapear e levantar dados quantitativos para análise, e desenvolver raciocínio crítico para produção de reportagens.

5. Conteúdo Programático: Levantamento e organização de dados; monitoramento e análise de informações; produção de reportagem e aplicação jornalística.

6. Bibliografia:

 Básica:

CRUCIANELLI, S. Ferramentas Digitais para jornalistas. Austin: University of Texas, 2010.

(6)

JUNIOR, W. T. L. Jornalismo computacional em função da “Era do Big Data”. São Paulo: Casper Libero, 2011.

RIBEIRO, A. T., MARTINS, R. M., JÚNIOR, J. L., FREY, J. G. Jornalismo de dados: conceitos, rotas e estrutura produtiva. Curitiba: Intersaberes, 2018.

 Complementar:

DANTAS, H.; TOLEDO, J. R. de; TEIXEIRA, M. A. C. (orgs.). Análise política & jornalismo de dados: ensaios a partir do Basômetro. Rio de Janeiro: FGV Editora, 2014.

GRAY, J., BOUNEGRU, L., CHAMBERS, L. Manual de Jornalismo de Dados: Como os jornalistas podem usar dados para melhorar suas reportagens. Obra aberta. 2012. In:

https://pt.scribd.com/document/266002444/Manual-de-Jornalismo-de-Dados- Como-os-jornalistas-podem-usar-dados-para-melhorar-suas-reportagens- Editado-por-Jonathan-Gray-Liliana-Bounegru-e-Lu.html

MIOLI, T., NAFRÍA, I (eds.). Jornalismo Inovador na América Latina (ebook). Knight Center For Journalism in the Americas & Open Society

Foundations. 2017.

STRAY, J. The curious journalist’s guide to data. Columbia Journalism Review, 24 mar. 2016. In:

http://www.cjr.org/tow_center_reports/the_curious_journalists_guide_to_data .php.

(7)

TRÄSEL, Marcelo. Jornalismo guiado por dados: aproximações entre a identidade jornalística e a cultura hacker. Estudos em Jornalismo e Mídia, v.11, n.1, 2014.

(8)

1. Nome do Componente Curricular: Ciência de Dados para Jornalismo

3. Ementa: Aborda conceitos de Ciência de Dados e sua importância, estatística descritiva, probabilidade e testes de hipóteses e conceitos de aprendizado de máquina (supervisionado e não supervisionado) e

apresentação dos resultados (Dashboards e Storytelling). Desenvolvimento prático dos conceitos com visão de ferramentas de mercado.

4. Objetivo: Capacitar o aluno ao pensamento computacional e crítico dos dados; ao final do curso o profissional de Jornalismo será capaz de

reconhecer as principais capacidades e limitações das técnicas de Ciência de Dados; identificará aplicações de Ciência de Dados na área de

Jornalismo;estará apto a aplicar as principais técnicas, como Testes e Hipóteses e Técnicas de Machine Learning, para conjuntos de simples, e entender as necessidades para evolução desses modelos; compreenderá também alguns dos aspectos éticos que envolvem a Ciência de Dados. 5. Conteúdo Programático:

• Introdução à Ciência de Dados. O que é Ciência de Dados. Análise de Dados: Modelos Tradicional e Ciência de Dados; Ciclo de Vida de

Análise de Dados (CRISP Model); Transformação Digital: Big Data e a necessidade de Eco Sistemas de Ciência de Dados; Ferramentas de Análise de Dados. Estudo de Caso.

• Transformações dos Dados. Atributos contínuos e categóricos; técnicas para tratamento de nulos (exclusão, imputar valores); Discretização dos

(9)

dados; Hot encode; Normalização/Padronização; Modelo de Dados relacionais: joins, agregações. Estudo de Caso.

• Exploratory Data Analysis. Principais Estatísticas Descritivas; Visualização dos Dados (evolução, distribuição, ranking, correlação); EDA Reports (Datafólio); Estudo de Caso.

• Distribuições e Testes Hipóteses. Principais Distribuições de Dados (Distribuições Normal e em Calda); Testes de Hipóteses; Comparação de médias; Correlação de Dados; Estudo de Caso.

• Modelos Estatísticos e Tomada de Decisão. Regressão Linear Simples e Múltipla; ANOVA; Regressão Logística. Estudo de Caso.

• Modelos Supervisionados. Introdução ao aprendizado de máquina; Modelos de Classificação; Modelo K-vizinhos mais próximos; Métricas para Avaliação de modelos de Classificação (conjuntos de Treinamento e Teste, acuracidade; Estudo de Caso.

• Modelos Não Supervisionados. Modelos não Supervisinados;

Clusterização; Modelos K-Médias e Clusterização Hierárquica; Métricas para Avaliação de modelos de Clusterização; Caracterização de Grupos de Dados; Estudo de Caso.

• Aplicação do Conhecimento. Apresentação final dos Projetos desenvolvidos; Discussão das técnicas empregadas e resultados; Desenvolvimentos futuros; Conclusão.

(10)

Cady, Field. The Data Science Handbook, John Wiley & Sons, Incorporated, 2017. ProQuest Ebook Central,

https://ebookcentral.proquest.com/lib/mackenzieebooks/detail.action?docID=47

90656.

DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências. 3. São Paulo Cengage Learning 2018 1 recurso online ISBN 9788522128044. GRUS, Joel. Data Science from Scratch: First Principles with Python. 1st ed. 1 online resource (330 pages) ISBN 9781491904404 (electronic bk.). Disponível em:

25407.

 Complementar:

MONTGOMERY, Douglas C. Estatística aplicada e probabilidade para engenheiros. 6. Rio de Janeiro LTC 2016 1 recurso online ISBN

9788521632542.

PROVOST, F., & FAWCETT, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. Sebastopol, Calif.: O'Reilly.

BOHLOULI, Mahdi.; SADEGHI BIGHAM, Bahram.; NARIMANI, Zahra.; VASIGHI, Mahdi.; ANSARI, Ebrahim. Data Science. 1 online resource (350 pages) (Lecture Notes on Data Engineering and Communications Technologies Ser. ; v.45). ISBN 9783030373092 (electronic bk.). Disponível em:

(11)

KOTU, Vijay.; DESHPANDE, Bala. Data Science: Concepts and Practice. 2nd ed. 1 online resource (570 pages) ISBN 9780128147627 (electronic bk.).

Disponível em:

08228.

LAROSE, Chantal D.; LAROSE, Daniel T. Data Science Using Python and R. 1 online resource (259 pages) (Wiley Series on Methods and Applications in Data Mining Ser.). ISBN 9781119526834 (electronic bk.). Disponível em:

(12)

1. Nome do Componente Curricular: Programação Back-End

3. Ementa: Introdução à Programação “R”, identificar seus ambientes, tipos básicos e operações, suas estruturas de controle de processamento,

funções, processamento de arquivos, estruturas, seleção e manipulação de dados e a visualização de dados com acesso a banco de dados

4. Objetivo: Proporcionar habilidades para o desenvolvimento de aplicações de extração e análise estatística de dados com R. Ao final do curso, o profissional de Jornalismo será capaz de criar bases de dados de interesse com linguagem R; extrair estatísticas importantes dos dados; acessar bancos de dados e informações públicas em diferentes formatos; e exibir informações desses dados; habilitando-o a extrair e apresentar informação a partir de coleções de dados para análise.

• Introdução à Programação R. O que é o R? R x Python e outras

linguagens; Variáveis e atribuições; Tipos básicos de dados: numéricos, caracteres, strings e tipos especiais (datas, boolean); coleções;

bibliotecas; Ambientes de Programação: Rstudio, R Markdown e R Notebooks. Exercício prático: Criando um R Notebook.

• Controles de Fluxo. Terminal: entrada e saída de dados; Condicionais e operações lógicas; Controle de fluxo: if-then-else; Laços de programa: for, while; Evitando laços de programa e condicionais; Criando Funções; Operações com Strings; Dados simples e parsing dates e times.

(13)

Laboratório prático: Playing with inputs, strings and random.

• Dataframes. Seleção de dados; Agregações; Join tables; Reshape tables; Transformações, code/encode, binning data; sapply Acessando formatos .csv, .xlsx, .json. Exercício prático: Dados Globais de Energia

Sustentável.

• Visualizando dados. Papel da visualização dos dados; Plots básicos: gráficos de linha, barras, histogramas, dispersão; Propriedades dos gráficso; Empregando a biblioteca ggplot. Exercício prático: Criando gráficos com dados da Organização Mundial de Saúde.

• Pacotes de Manipulação de dados. Idplyr, Caret, Web Crawling; Pipelines Exercício prático: Apresentando dados da Economia Global.

• Conectando Bancos de Dados. Conectando Banco de Dados relacionais; Acessando bancos de dados NoSQL; Acesso, seleção e gravação de dados; Exercício prático: Dados do Mercado de Trabalho na nuvem com R (Glassdoor).

• Hackathon: 1-Day Project. Laboratório prático: A partir de um desafio apresentado (um tema recente, como por exemplo Desmatamento na Amazônia), os grupos irã desenvolver durante a aula um projeto

completo, coletando informações e dados do tema proposto, empregando as técnicas desenvolvidas no curso, e produzindo ao final um informe de fatos relevantes com no formato de uma reportagme curta.

• Conclusão e Aplicação do Conhecimento Adquirido. 1ª Parte: Próximos passos com R; Importância dos dados: preservando as informações; 2ª Parte: Apresentação final dos Projetos desenvolvidos; Esses podem ser projeto próprio de interesse do grupo ou aprimoramento do projeto

(14)

desenvolvido no 1-Day Project; Discussão das técnicas empregadas e resultados; Desenvolvimentos futuros; Conclusão.

6. Bibliografia:  Básica:

Garrett Grolemund, Hadley Wickham. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. https://r4ds.had.co.nz/ ultimo acesso: Ago, 2020.

LAROSE, Chantal D.; LAROSE, Daniel T. Data Science Using Python and R. 1 online resource (259 pages) (Wiley Series on Methods and Applications in Data Mining Ser.). ISBN 9781119526834 (electronic bk.). Disponível em:

1211

Winston Chang. R Graphics Cookbook, 2nd edition. https://r-graphics.org/

Resources: http://www.cookbook-r.com/ último acesso Ago, 2020.  Complementar:

Hadley Wickham. Advanced R. http://adv-r.had.co.nz/ último acesso: Ago, 2020.

Hadley Wickham. Ggplot2. https://github.com/hadley/ggplot2-book último acesso: Ago, 2020.

Kieran Healy. Data Visualization: A practical introduction https://socviz.co/

ultimo acesso Ago, 2020.

Julia Silge and David Robinson. Text Mining with R: A Tidy Approach.

(15)

PRICE, Jason. Oracle database 11g SQL. Porto Alegre Bookman 2009 1 recurso online ISBN 9788577804375.

(16)

1. Nome do Componente Curricular: Storytelling e Narrativas Digitais

2. Carga Horária: 32 h/a

3. Ementa: Aborda a produção textual e suas diferentes narrativas, capacitando o aluno a exercer atividades que envolvam o texto em suas diferentes

manifestações, linguagens e plataformas. Prepara o aluno para criação de narrativas para conteúdo digital.

4. Objetivo: Desenvolver habilidades de narrativa e argumentação, aplicáveis a todas as plataformas com ênfase nas mídias digitais. Construção de textos e roteirização, com objetivo de narrar os fatos, construir histórias e discutir as ideias aplicadas à comunicação com mais eficiência.

5. Conteúdo Programático: Construção de narrativas; Da ideia até o

desenvolvimento do projeto, do planejamento à execução; Todas as etapas do processo criativo sob o seu domínio; Produção de conteúdo para todas as fases de criação, realização e produção de textos digitais; Análise de cases de sucesso e exercício práticos de escrita criativa.

6. Bibliografia:

 Básica:

CAMPBELL, Joseph. O herói de mil faces. São Paulo: Cultrix,1997.

MCSILL, J. Cinco lições de Storytelling: fatos, ficção e fantasia. São Paulo: DVS, 2013.

(17)

XAVIER, A. Storytelling. Histórias que deixam marca. Rio de Janeiro: Best Business, 2015.

 Complementar:

BRUNER, J. Atos de significação. Porto Alegre: Artes Médicas, 1997.

GONÇALO, C. R.; BORGES, M. L.; CASSOL, A.; MORÉ, R. P. O. Storytelling para a Identificação de Estratégia como Prática. Revista IberoAmericana de Estratégia - RIAE, São Paulo, v. 12, n. 1, p. 131-153, jan./mar. 2013.

MEDINA, C. A Arte de Tecer Afetos: Signo da relação 2 – cotidianos. São Paulo: Casa da Setta, 2018.

MURRAY, J.H. Hamlet no Holodeck: o futuro da narrativa no ciberespaço. 1. ed. São Paulo: ITAÚ CULTURAL: UNESP, 2003.

PAUL, N. Elementos das narrativas digitais. In: Ferrari, Pollyana (org), Hipertexto, hipermídia: as novas ferramentas da comunicação digital. São Paulo: Editora Contexto, 2007.

(18)

1. Nome do Componente Curricular: Programação Front-End

3. Ementa: Introdução à Lógica e Programação, identificar ambientes de Programação Python, seus tipos, suas estruturas de controle, de

processamento, suas funções, estruturas de dados, bibliotecas e acesso aos dados com uso de banco de dados.

4. Objetivo: Proporcionar ao aluno o pensamento computacional a partir de práticas de programação Python e habilidades para o desenvolvimento de aplicações de extração e análise de dados. Ao final do curso, o profissional de Jornalismo será capaz de criar bases de dados de interesse; acessar bancos de dados e informações públicas em diferentes formatos; extrair dados de sites estáticos (web scrapping); e desenvolver lógicas de programação que

permitam manipular esses dados para seleções, formatações e operações de interesse para a obtenção de informação.

5. Conteúdo Programático:

• Introdução à Programação. O que você pode fazer com Python; Conceito de Programa; Variáveis e atribuições; Memória, instruções e execução; Tipos básicos de dados: numéricos, caracteres, strings e tipos especiais (datas, boolean); formatação de dados; Linguagens de Programação; Ambientes de Programação: IDE’s, Python Notebooks. Exercício prático: Criando um Python Notebook.

(19)

• Controles de Fluxo. Terminal: entrada e saída de dados; Condicionais e operações lógicas; Controle de fluxo: if-then-else; Laços de programa: for, while; incorporando funcionalidade: import de bibliotecas; Criando Funções; Operações com Strings. Exercício prático: Jogando com Strings, Random e Blocks em Python.

• Estruturas de Dados. Listas, Tuplas, Sets e Dictionary; Percorrendo e populando lists, tuplas, sets e dictionaries; Laços por índice e iteradores; Outras operações count( ), index( ), remove( ), sort( ), pop( ) etc.

Classificando textos pela Frequência de Têrmos em um dicionário (leis de Zipf e Luhn); Tipos Básicos x Numpy; Exercício prático: Criando um dicionário de Têrmos para o Texto de uma Notícia.

• Empregando Arquivos. Persistência de objetos com Python pickle. Leitura e Gravação de arquivos; Acessando arquivos locais e da web; Buscas em um arquivo não estruturado; Expressões regulares: buscando padrões; Gravando dados formato tabular (.csv); Apresentação do

Python Pandas. Exercício prático: Criando uma Tabela com Informações Econômicas e da Saúde.

• Acessando dados com Pandas. Introdução ao Pandas; Acessando formatos .csv, .xlsx, .json; Seleção de dados; Agregações; Funções básicas de transformação e exibição (plot); Exercício prático: Acessando e Selecionando dados de Bases Públicas (B3 ou outra).

• Conectando Bancos de Dados. Introdução aos Bancos de Dados; Tabelas x JSON; Bancos de Dados Relacionais e Chave Valor; Conectando a um Banco de Dados; Acesso, seleção e gravação de dados; Exercício prático: Criando e acessando um banco de dados na nuvem com Python.

(20)

• Hackathon: 1-Day Project. Laboratório prático: A partir de um desafio apresentado (um tema recente, como por exemplo Covid-19), os grupos devem desenvolver durante a aula um projeto completo, coletando informações e dados do tema proposto, empregando as técnicas desenvolvidas ao longo do curso, produzindo ao final uma ‘notícia’ relevante do tema.

• Aplicação do Conhecimento. 1ª Parte: O que mais Python pode fazer? Python, Frontends e Frameworks; 2ª Parte: Apresentação final dos Projetos desenvolvidos; Esses podem ser projeto próprio de interesse do grupo ou aprimoramento do projeto desenvolvido no 1-Day Project; Discussão das técnicas empregadas e resultados; Desenvolvimentos futuros; Conclusão.

 Básica:

PERKOVIC, Ljubomir. Introdução à computação usando Python : um foco no desenvolvimento de aplicações. Rio de Janeiro LTC 2016 1 recurso online ISBN 9788521630937.

LAROSE, Chantal D.; LAROSE, Daniel T. Data Science Using Python and R. 1 online resource (259 pages) (Wiley Series on Methods and Applications in Data Mining Ser.). ISBN 9781119526834 (electronic bk.). Disponível em:

https://ebookcentral.proquest.com/lib/mackenzieebooks/detail.action?docI

D=5741211

GRUS, Joel. Data Science from Scratch: First Principles with Python. 1st ed. 1 online resource (330 pages) ISBN 9781491904404 (electronic

(21)

bk.). Disponível em: https://ebookcentral.proquest.com/lib/mackenzieebooks/detail.action?docI D=2025407.  Complementar:

BANIN, Sérgio Luiz. Python 3 - Conceitos e Aplicações - Uma abordagem didática.

https://integrada.minhabiblioteca.com.br/#/books/9788536530253/cfi/0!/4/2

@100:0.00

WAZLAWICK, Raul. Introdução a Algoritmos e Programação com Python – Uma abordagem dirigida por testes.

https://integrada.minhabiblioteca.com.br/#/books/9788595156968/cfi/6/2!/4/

2/2@0:57.6

Slither Into Python: An Introduction to Python for Beginners.

https://www.slitherintopython.com/# online, último acesso: Ago, 2020.

PRICE, Jason. Oracle database 11g SQL. Porto Alegre Bookman 2009 1 recurso online ISBN 9788577804375.

(22)

1. Nome do Componente Curricular: Visualização da Informação

3. Ementa: Estudos dirigidos sobre os principais aspectos do design de informação, além da importância da análise de dados para a elaboração de narrativas visuais, e produção com a perspectiva da visualização interativa. 4. Objetivo: Desenvolver a capacidade de pesquisar, filtrar, limpar e adaptar

dados para infográficos; compreender como os dados são preparados para a visualização gráfica; desenvolver habilidades na elaboração de gráficos de informação para criar histórias visuais dinâmicas e atrativas.

5. Conteúdo Programático: A origem da infografia e a transição para o meio digital; estudos de design e visualização de informação; a aproximação com o universo das estatísticas, estudos de cartografia; a relação dos gráficos

interativos com a animação; desenvolvimento de produtos infográficos com características multimídia; análise de experiência com infográficos em realidade aumentada e tridimensionalismo.

 Básica:

CAIRO, Alberto. El arte funcional: infografia y visualización de información. Madrid: Alamut, 2011.

FRASCARA, Jorge. Communication design: principles, methods and practice. New York: Allworth Press, 2004.

(23)

KANNO, Mario. Infografia: Guia básico de didáticos. Boreal Edições: São Paulo, 2018.

 Complementar:

CAIRO, Alberto. Infografía 2.0: visualización interactiva de información em prensa. Madrid: Alamut, 2008.

GOSCIOLA, Vicente. Roteiro para as novas mídias – Do cinema às mídias interativas. São Paulo: Senac, 2008.

EL-GAYAR, Omar; CHEN, Kuanchin & TANKEDAR, Kanchana. Multimedia Interactivity on the Internet. Dakota State University (USA); Western Michigan University (USA), 2005. pp. 77-84.

HOLMES, Nigel. Making facts, processes and numbers understandable. In: Cascante, Miguel U.; Bañares, Pablo R.; Múgica, Javier E. (Org.) Infografia – I Exposición de gráficos periodísticos, Universidad de Navarra, Pamplona (Espanha), 2002.

VALERO SANCHO, José Luis. La infografia: técnicas, análisis y usos periodísticos. Valência: Universitat de València; Castelló de la Plana: Publicaciones de la Universitat Jaume I; Barcelona, Universitat Pompeu Fabra; Bellaterra: Universitat Autónoma de Barcelona, Servei Publicacions, 2001.

(24)

1. Nome do Componente Curricular: Experiência do Usuário (UX)

3. Ementa: A disciplina proporciona a fundamentação e discussão crítica das correntes tradicionais e tendências em Design de Interação; aborda teorias relacionadas ao Design de Experiência e Experiência do Usuário; discute conceitos importantes do Design Digital, desde princípios da Gestalt, até composição, iconografias e metáforas visuais, com base nos textos de referência na área e estudos de casos.

4. Objetivo:

▪ Apresentar uma visão geral da área de interação homem-computador com ênfase às correntes atuais de design de interação e experiência;

▪ Discutir os fundamentos teóricos dos processos interativos sob perspectivas de diferentes autores;

▪ Analisar os processos de desenvolvimento de interfaces de usuário e de geração de experiência.

Design de Interação:

Usuário – identificação, entendimento, necessidades, modelagem; Práticas e Fundamentos Design de Interação;

Projeto e Comunicação;

Design, Prototipação e Construção; Testes – processos de avaliação.

(25)

Experiência do Usuário

O que é Experiência do Usuário? ISO 9241-210

A Evolução da Experiência do Usuário Elementos da Experiência do Usuário Planos da Experiência do Usuário

Do Design Gráfico ao Digital Princípios da comunicação Visual Gestalt

Sistemas de Identidade Visual Metáforas Visuais

Padrões e Princípios do Design de Interação As heurísticas de Nielsen

Outras abordagens e princípios de projeto Padrões de Design de Interação

Padrões de Interação Comportamental

Enação e Corporificação como paradigma de interação

▪ Básica:

BENYON, David. Interação Humano-Computador. São Paulo, Pearson, 2011. PREECE, Jennifer, ROGERS, Yvonne, e SHARP, Helen. Design de Interação: Além da interação homem-computador. Porto Alegre: Bookman, 3a. Edição, 2013, p. 600.

(26)

SHEDROFF, Nathan. Experience design 1. Indiana: New Riders, 2001. ▪ Complementar:

NORMAN, Donald, EUCHNER, Jim. Design for Use. Research Technology Management. 2016, Vol. 59 Issue 1, p15-19. 5p.

McARTHUR, John A., GRAHAM, Valerie Johnson. User-Experience Design and Library Spaces: A Pathway to Innovation? Journal of Library Innovation. 2015, Vol. 6 Issue 2, p1-14. 14p.

NORMAN , Donald A. The Psychology of Everyday Things. New York: Basic Books, 2015.

Texto Clássico: MCCARTHY, John e WRIGHT, Peter. Technology as Experience Cambridge. Massachusetts: The MIT Press, 2004.

(27)

1. Nome do Componente Curricular: Inteligência Artificial e Comunicação

3. Ementa: Breve histórico do desenvolvimento das tecnologias agrupadas sob a expressão “Inteligência Artificial” e apresentação das suas diferentes aplicações, com destaque para as mais usadas na área de comunicação; as perspectivas racionalista e humanista de IA; a mecânica de machine learning e chatbots; questões filosóficas e éticas ligadas aos avanços da IA.

4. Objetivo: Compreender a complexidade e diversidade de tecnologias agrupadas sob a expressão “Inteligência Artificial”; fornecer elementos para que o aluno avalie criticamente os diferentes graus de sofisticação de IAs e saiba diferenciar conjuntos de aplicações; situar as IAs historicamente; criar sistemas básicos de IA aplicados à comunicação.

5. Conteúdo Programático: História da inteligência computacional; Tipos de inteligência computacional, abordagem humana e abordagem racional; Aplicações de IA na atualidade; Riscos e dilemas éticos associados ao crescimento das IAs.

 Básica:

DIAKOPOULOS, N. Automating the News: How Algorithms Are Rewriting the Media. Harvard University Press, Cambridge (Mass.), 2019.

(28)

RUSSELL, S.J.; & NORVIG, P. Artificial intelligence: a modern approach. Pearson Education Limited, 2016

 Complementar:

STRAY, J. Making Artificial Intelligence Work for Investigative Journalism. Digital Journalism, 1-22. 2019.

KURZWEIL, R. The Age of Intelligent Machines. MIT Press, 1990.

MARCONI, F., & SIEGMAN, A. The future of augmented journalism: A guide for newsrooms in the age of smart machines. New York: AP Insights, 2017.

GRAEFE, A. (2016). Guide to Automated Journalism. Tow Center for Digital Journalism Report. Online.

https://academiccommons.columbia.edu/doi/10.7916/D8QZ2P7C/download

ESSENFELDER, Renato, et al. Automatización de textos periodísticos en la televisión brasileña: Estudio de caso del sistema AIDA (Globo-Brasil). 2019.

(29)

1. Nome do Componente Curricular: Ferramentas Computacionais

3. Ementa: Classes de ferramentas computacionais. Gerenciamento de

conteúdo. Colaboração em rede. Armazenamento de dados. Configuração de ambientes.

4. Objetivo: Apresentar as principais ferramentas computacionais de suporte ao Jornalismo Computacional, com estudo comparativo de suas funcionalidades por classes de aplicação.

5. Conteúdo Programático:

 Classes de ferramentas computacionais o Visão geral das classes de ferramentas computacionais.

 Gerenciamento de Conteúdo o Ferramentas da conversão de formatos. o Ferramentas de scraping.

o Ferramentas de visualização.  Colaboração em Rede o Ferramentas de

comunicação em rede.

o Ferramentas de mapeamento. o Ferramentas de colaboração online.  Armazenamento de Dados o Ferramentas de

armazenamento. o Ferramentas de bancos de dados.

o Ferramentas de BIG DATA.

 Configuração de ambientes o Ferramentas de automação.

o Ferramentas de programação.

(30)

 Básica:

DIERBACH, C. Introduction to Computer Science Using Python: A Computational Problem-Solving Focus. New York: Wiley, 2012.

FOROUZAN, B., MOSHARRAF , F. Fundamentos Da Ciência Da

Computação - Tradução da 2ª ed. internacional. São Paulo: Cengage, 2012.

SILBERSCHATZ, A.; KORTHZ, H. F.; SUDARSHAN, S. Sistema de Banco de Dados. Rio de Janeiro: Elsevier, 2012.

 Complementar:

CONERY, J.S. Explorations in Computing: An Introduction to Computer Science and Python Programming. New York: CRC Pres, 2014.

KUROSE, J.F.; ROSS, K.W. Redes de computadores e a internet: uma abordagem top-down. São Paulo: Pearson, 2011.

MACHADO, F.B.; MAIA, L.P. Arquitetura de sistemas operacionais. 5ª. ed. Rio de Janeiro: LTC, 2013.

PUGA, S.; FRANÇA, E.; GOYA, M. Banco de Dados: implementação em SQL, PL/SQL e Oracle 11g. São Paulo: Pearson, 2013.

VANDERPLAS, J. Python Data Science Handbook: Essential Tools for Working with Data. New York: O’Reilly Media, 2016.

(31)

1. Nome do Componente Curricular: Jornalismo Virtual

3. Ementa: Estudo, projeto e implementação de aplicações de Realidade Virtual e Aumentada para jornalismo, para geração de imagens e vídeos de alta definição. 4. Objetivo: Apresentar técnicas de geração de cenários virtuais 3D com Realidade

Virtual e Aumentada, onde a obtenção de imagens reais seja algo inviável. 5. Conteúdo Programático: Viabilidade de obtenção de imagens e vídeos em

Jornalismo. Realidade Virtual (RV). Tecnologias em RV para Jornalismo. Projeto e desenvolvimento de aplicações em RV. Realidade Aumentada (RA). Tecnologias em RA para Jornalismo. Projeto e desenvolvimento de aplicações em RA. UX para RV e RA.

a. Básica:

COSTELLO, V. Multimedia Concepts. New York: Routledge, 2018. MITCH, McXAFFREY. Unreal Engine VR Cookbook: Devloping Virtual Reality with UE4. New York: Addison-Wesley. Professional, 2017.

PAVLINK, J. Journalism in the Age of Virtual Reality. New York: Columbia University Press, 2019.

(32)

b. Complementar:

AUKSTAKALINS, S. Practical Augmented Reality. Neew York: AddisonWesley, 2016.

DOWLING, D. Immersive Longform Storytelling. New York: Routledge, 2019.

JERALD, J. The VR Book: Human-Centered Design for Virtual Reality. New York: Morgna & Claypool, 2018.

LAVIOLA, J. 3D User Interfaces: Theory and Practice.2.ed. New York: Addison-Wesley, 2018.

PANGILINAN, E. Creating Augmented and Virtual Realities. New Your: O’reilly, 2019.

(33)

IDENTIFICAÇÃO DO COMPONENTE CURRICULAR (12) 1. Nome do Componente Curricular: Newsgames

3. Ementa: Estudo, projeto e implementação de aplicações newsgames a partir de técnicas de game design, level design e game prototyping.

4. Objetivo: Apresentar técnicas de projeto e implementação de newsgames, baseados em acontecimentos reais e em aspectos de jornalismo e notícias. 5. Conteúdo Programático: Fundamentos da Teoria de Newsgames. Game

Design. Level Design. Prototipação e testes de jogos. Interação de newsgames com mídias digitais. Publicação e marketing de newsgames.

a. Básica:

BOGOST, I. Newsgames: Journalism at Play. Boston: MIT Press, 2010. SEABRA, G.A., SANTOS, L.A. Do Odyssey 100 aos Newsgames. Volume I. São Paulo: L Newsgames, 2012.

PAVLINK, J. Journalism in the Age of Virtual Reality. New York: Columbia University Press, 2019.

b. Complementar:

BOND, J.G. Introduction do Game Design, Prototyping and Development. 2.ed. New York: Sddison-Wesley, 2019.

(34)

MITCH, McXAFFREY. Unreal Engine VR Cookbook: Devloping Virtual Reality with UE4. New York: Addison-Wesley. Professional, 2017. SILVA, T. Newsgames para Jornalistas. São Paulo: 2015.

SEABRA, G.A., SANTOS, L.A. Newsgames: Teoria Geral Aplicada Volume II. São Paulo:L Newsgames, 2014.

SEABRA, G.A., SANTOS, L.A. Galáxia do Frankestein#1: Teoria dos NewsGames. São Paulo:L Newsgames, 2014.

(35)

1. Nome do Componente Curricular: Aplicação de Conhecimento 2. Carga Horária: 48 horas/aula

3. Ementa: A disciplina promove o desenvolvimento do Trabalho de Aplicação de Conhecimento, com base no método prático e aplicado, o qual direciona o aluno para a resolução de um desafio ou problema real vivenciado em um contexto institucional/pessoal, utilizando os conceitos e práticas abordados ao longo do curso.

4. Objetivo: Capacitar o participante para investigar, analisar e compreender as causas e as implicações dos desafios em um contexto institucional/pessoal; e com base no diagnóstico e na pesquisa bibliográfica, propor soluções e ações

detalhadas, visando à resolução de problemas ou oportunidades reais e pontuais enfrentadas nesse contexto institucional/pessoal.

5. Conteúdo Programático:

• Definição do problema/oportunidade/desafio a ser resolvido;

• Descrição das características gerais do contexto institucional/pessoal; • Diagnóstico das origens e implicações do desafio a ser resolvido;

• Pesquisa bibliográfica sobre os temas relacionados com o desafio do contexto institucional/pessoal;

• Proposição de soluções e ações detalhadas para a resolução do desafio.

6. Bibliografia Básica:

MARCONI, Marina de Andrade. Fundamentos de metodologia científica. 8. Rio de Janeiro Atlas 2017 1 recurso online ISBN 9788597010770.

MARCONI, Marina de Andrade. Técnicas de pesquisa. 8. Rio de Janeiro Atlas 2017 1 recurso online ISBN 9788597013535.

YIN, Robert K. Estudo de caso : planejamento e métodos. 5. Porto Alegre Bookman 2015 1 recurso online ISBN 9788582602324.

GIL, Antonio Carlos. Estudo de caso : fundamentação científica ; subsídios para coleta e análise de dados ; como redigir o relatório. São Paulo Atlas 2009 1 recurso online ISBN 9788522464753.

(36)

Complementar:

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 6. Rio de Janeiro Atlas 2017 1 recurso online ISBN 9788597012934.

FLICK, Uwe. Introdução à pesquisa qualitativa. 3. Porto Alegre ArtMed 2008 1 recurso online ISBN 9788536318523.

MATTAR, João. Metodologia científica na era digital. 4. São Paulo Saraiva 2017 1 recurso online ISBN 9788547220334.

FACHIN, Odília. Fundamentos de metodologia. 6. São Paulo Saraiva 2017 1 recurso online ISBN 9788502636552.

SILVA, Anielson Barbosa da. Pesquisa qualitativa em estudos organizacionais : pradigmas, estratégias e métodos. 2. São Paulo Saraiva 2011 1 recurso online ISBN 9788502125018.

THIOLLENT, Michel. Metodologia da pesquisa-ação. 10. ed. São Paulo: Cortez, 2000. 108 p. ISBN 8524900296

SEVERINO, Antonio Joaquim. Metodologia do trabalho científico. 24. ed. rev. e atual. São Paulo: Cortez, 2017. 317 p. ISBN 9788524924484.