Compartilhe nas Redes Sociais

Matriz Curricular

  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, Semiestruturados 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:
  • 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.
  • SADALAGE, P.J., FOWLER, M. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Pearson, 2013.
  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.
  • 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:
  • 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:
  • www.cjr.org/tow_center_reports/the_curious_journalists_guide_to_data .php.
  • 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.

 

  1. Nome do Componente Curricular: Ciência de Dados para Jornalismo
  2. Carga Horária: 32 h/a        
  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 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.       
       
  6. Bibliografia:
  1. Nome do Componente Curricular: Programação Back-End
  2. Carga Horária: 32 h/a  
  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.    
     
  5. Conteúdo Programático: 
    • 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.  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 desenvolvido no 1-Day Project; Discussão das técnicas empregadas e resultados; Desenvolvimentos futuros; Conclusão.      
       
  6. Bibliografia:

 

  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.
  • 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.
  1. Nome do Componente Curricular: Programação Front-End
  2. Carga Horária: 32 h/a
  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.
    • 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.         
    • 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.       
       
  6. Bibliografia:
    1. Nome do Componente Curricular: Visualização da Informação
    2. Carga Horária: 32 h/a
    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. 
       
    6.  Bibliografia:
    • 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. 
    • 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.
    1. Nome do Componente Curricular: Experiência do Usuário (UX)
    2. Carga Horária: 32 h/a
    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.

      5. Conteúdo Programático: 
    • 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.
       
    • 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

     6. Bibliografia:

    • 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.
    • 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.
    1. Nome do Componente Curricular: Inteligência Artificial e Comunicação
    2. Carga Horária: 32 h/a
    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.
       
    6. Bibliografia:

      Básica: 
    • DIAKOPOULOS, N. Automating the News: How Algorithms Are Rewriting the Media. Harvard University Press, Cambridge (Mass.), 2019.
    • KURZWEIL, R. The Singularity is Near. Viking, 2005. 
    • 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.
    1. Nome do Componente Curricular: Ferramentas Computacionais  
    2. Carga Horária: 32 h/a
    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. 
        • Ferramentas de visualização. 
      • Colaboração em Rede o Ferramentas de comunicação em rede. 
        • Ferramentas de mapeamento. 
        • Ferramentas de colaboração online. 
      • Armazenamento de Dados o Ferramentas de armazenamento.  o Ferramentas de bancos de dados. 
        • Ferramentas de BIG DATA. 
      • Configuração de ambientes o Ferramentas de automação. 
      • Ferramentas de programação. 
         
    6. ​​ Bibliografia:
      • 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.
    1. Nome do Componente Curricular: Tecnologias Digitais Disruptivas
    2. Carga Horária: 32 horas/aula na modalidade presencial.
    3. Ementa: Em uma abordagem teórica e prática, apresentar o impacto do software livre nas organizações e das tecnologias disruptivas, como IoT, Big Data, Analytics, inteligência artificial, e Blockchain, e suas implicações nos negócios atuais e seu potencial de transformação digital.
    4. Objetivo: Apresentar as principais tecnologias digitais disruptivas com a discussão de casos práticos de negócios de transformação digital nas organizações. Mostrar como as tecnologias podem tracionar a redução de custos e melhorar a eficiência operacional das organizações. Discutir a contratação de serviços externos de tecnologia e os critérios de seleção e aquisição destes serviços para atender os critérios de compliance, auditorias e legislação. 
       
    5. Conteúdo Programático: 
      • Artificial Intelligence and Machine Learning
      • Open Source Software
      • Mass personalization and Micro Moments
      • Blockchain and Distributed Ledgers
      • Cloud and Edge Computing
      • Robotic Process Automation
      • Technologies for Remote Workforce
      • Voice Interfaces and Chatbots
      • Social Networks and Digital Marketing
      • IoT and Smart Devices
      • Robots, Cobots and Additive Manufacturing
      • Autonomous Vehicles and Drones
      • 5G & Smart Networks
      • Smart Grid and Sustainable Energy
      • Quantum Computing
         
    6. Bibliografia:

    Básica:

      • MARR, Bernard. Tech Trends in Practice: The 25 Technologies that are Driving the 4th Industrial Revolution. United Kingdom: John & Wiley Sons Ltd, 2020.
      • TAPSCOTT, D. TAPSCOTT, A. Blockchain Revolution: Como a Tecnologia por trás do bitcoin está mudando o dinheiro, os negócios e o mundo. São Paulo: SENAI-SP Editora, 2017.
      • SCHWAB, Klaus. A quarta revolução industrial. São Paulo: Edipro, 2016. 
      • LEE, Kai-Fu. Inteligência artificial: como os robôs estão mudando o mundo, a forma como amamos, nos relacionamos, trabalhamos e vivemos. Rio de Janeiro: Globo Livros, 2019.

    Complementar

      • ITO, Joichi. Disrupção e inovação: como sobreviver ao futuro incerto. Rio de Janeiro: Atlas Books, 2018.
      • ISMAIL, Salim. Malone, Michael. Van Geest, Yuri. Organizações exponenciais: por que elas são 10 vezes melhores, mais rápidas e mais baratas que a sua (e o que fazer a respeito). São Paulo: HSM Educação Executiva, 2019.
      • MAGALDI, Sandro Gestão do amanhã: tudo o que você precisa saber sobre gestão, inovação e liderança para vencer na 4ª revolução industrial. São Paulo: Editora Gente, 2018.

     

    1. Nome do Componente Curricular: Newsgames
    2. Carga Horária: 32 h/a
    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.  
       
    6.  Bibliografia:
      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.

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

     

    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.  

    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.