Oradores plenários

• Verónica Maguela, Unidade de Desenvolvimento Experimental e Apoio ao Ensino a Distância, Universidade Aberta

  Evidências de Aprendizagem – Como desenhar atividades estratégicas

  Esta comunicação propõe uma reflexão sobre o desenho de atividades de aprendizagem orientadas para a produção de evidências significativas, explorando estratégias e exemplos aplicáveis à área da Matemática. A partir da experiência de inovação pedagógica na Universidade Aberta, serão discutidas formas de articular intenção pedagógica, atividade e avaliação, bem como o papel das ferramentas digitais no apoio a processos de avaliação formativa e sumativa mais autênticos, diversificados e centrados no estudante.

• António Machiavelo, Professor Auxiliar da Faculdade de Ciências da Universidade do Porto.

  O que é Realmente, Exatamente, a Matemática?

  Uma conversa sobre a natureza, a essência do que é a matemática; das razões que fazem com que algo tão aparentemente “abstrato” tem tantas aplicações bem “concretas”, numa perspetiva histórica e filosófica, não deixando de tocar no ponto sensível do momento: a sua relação com a chamada ““Inteligência” “Artificial””.

• Vítor Matos, Professor Auxiliar da Faculdade de Economia da Universidade do Porto.

  Matemática para Economia e Gestão – Uma Experiência Didática

  Apresentaremos algumas ideias que resultam da experiência pessoal no ensino da matemática para licenciaturas em economia e gestão: a dicotomia rigor/significado; o espírito crítico; e a modelação dinâmica de temas clássicos.

• Inês Domingues, Professora Auxiliar do DCeT, Universidade Aberta.

  Inteligência Artificial em Oncologia: da Imagem Médica à Previsão Clínica

  A inteligência artificial tem vindo a assumir um papel crescente na análise de imagens médicas e no desenvolvimento de modelos preditivos em oncologia. No entanto, a transformação de uma imagem numa previsão clinicamente relevante envolve um conjunto de desafios que ultrapassam a escolha do algoritmo de aprendizagem automática. O projeto ESTIMA, dedicado ao estudo de biomarcadores preditivos no carcinoma do esófago, será utilizado como exemplo para ilustrar estes desafios e discutir as limitações associadas a amostras reduzidas e modelos de elevada complexidade.

  Nesta comunicação, será apresentado o percurso que conduz da imagem médica à previsão clínica, explorando etapas como o pré-processamento, a deteção e segmentação de regiões de interesse, a extração e seleção de características quantitativas e a construção de modelos preditivos. Será ainda abordada a importância da validação, da explicabilidade, e da capacidade de generalização dos modelos.

Palestras de alunos

• Olivia Mattiazzo, Mestrado em Estatística, Matemática e Computação, Universidade Aberta

  Laboratório de Formas Normais: de Boole a uma ferramenta de ensino

  Nesta comunicação apresentamos o Laboratório de Formas Normais, uma ferramenta web interativa para o ensino de lógica proposicional que apoia o estudante através da resolução passo a passo da transformação de fórmulas para as formas normais conjuntiva (CNF) e disjuntiva (DNF). As formas normais, que remontam à tradição algébrica de Boole e se consolidaram na computação, constituem um conteúdo habitual em disciplinas de lógica e matemática discreta. O seu ensino, porém, costuma depender de exercícios em papel, nos quais um erro na aplicação de uma lei, como De Morgan ou a distributividade, só aparece no resultado final. A ferramenta responde a essa lacuna: o estudante escreve a fórmula em notação ASCII, com validação sintática em tempo real, e obtém não apenas o resultado, mas a sequência completa de equivalências aplicadas — eliminação de implicações e bicondicionais, dupla negação, leis de De Morgan e distribuição —, cada passo com a lei invocada e a fórmula antes e depois. Após uma breve revisão histórica e teórica, a apresentação contará com uma demonstração ao vivo, com fórmulas de dificuldade crescente, e uma exposição das decisões de arquitetura que separam o motor lógico da interface. Discutimos, por fim, limitações e extensões possíveis. A ferramenta está disponível em https://laboratorio-formas-normais.pages.dev/.

• Cristina Duarte, Doutoramento em Matemática Aplicada e Modelação da Universidade Aberta

  Combinação de Redes Neuronais e Modelos Aditivos na Previsão do Risco de Crédito

  Este trabalho explora o Modelo Aditivo Neural de Risco de Crédito (Neural Additive Credit Risk Model, NACRM), que combina a capacidade preditiva das redes neuronais com a interpretabilidade dos Modelos Aditivos Generalizados (GAM). O objetivo é conciliar precisão preditiva e transparência na avaliação do risco de crédito (credit scoring), permitindo decisões mais compreensíveis e justificáveis.
  O estudo centra-se na identificação de mutuários com maior probabilidade de incumprimento, procurando reduzir os falsos negativos, que podem gerar perdas financeiras para as instituições de crédito. A aplicação do NACRM permite identificar padrões que distinguem os mutuários em incumprimento daqueles que cumprem as suas obrigações, contribuindo para uma melhor discriminação entre as duas classes e para apoiar a tomada de decisão.
  Aborda-se a situação de desequilíbrio entre classes através da reamostragem bootstrap, com o objetivo de avaliar a robustez das estimativas e melhorar a identificação dos mutuários em incumprimento.

Debate

• Fernando Pestana da Costa, Universidade Aberta (moderador)
• José Carlos Santos, Faculdade de Ciências da Universidade do Porto
• Luís Paulo Reis, Faculdade de Engenharia da Universidade do Porto

  Impacto da IA na Investigação Matemática

  Neste debate serão abordados os recentes avanços da Inteligência Artificial na produção de resultados matemáticos, bem como as suas implicações e potencial impacto na investigação matemática.