mestrado bioestatistica - portugal - mbb_guia_de_curso

PS-

GRADUAO

EM

GESTO DA

INFORMAO E

BIBLIOTECAS

ESCOLARES

[GIBE]

2005-2006

REGIME ONLINE

PS-

GRADUAO

EM

GESTO DA

INFORMAO E

BIBLIOTECAS

ESCOLARES

[GIBE]

2005-2006

REGIME ONLINE

GUIA DE CURSO

MESTRADO EM BIOESTATSTICA E

BIOMETRIA

2 EDIO

2013-2015

Universidade Aberta

Departamento de Cincias e Tecnologia, Seco de Matemtica

Campus do Taguspark, Edifcio Inovao I, Corpo C1, Piso 0

2740-122 Porto Salvo

Coordenao do Curso:

Coordenao do Curso Prof. Doutora Teresa Paula Costa Azinheira Oliveira(Coordenadora) | [email protected] Prof. Doutora Maria do Rosrio Ramos (Vice-coordenadora) | [email protected] Prof. Doutor Ulisses Azeiteiro (Vice-Coordenador) | [email protected]

Secretariado do Curso

Dr. Teresa Ramos Tel: + 351 30000 76 71 E-mail: [email protected]

Informaes e Candidaturas

Tel: +351 30000 76 71

link https://sitcon.uab.pt/Mensagens/form/1?categoria_id=32

Guia Informativo: http://mbb.dcet.uab.pt

GUIA DO CURSO DE MESTRADO EM BIOESTATSTICA E BIOMETRIA

Un i ve r s idade Aber ta , 2013_2015

- 1 -

MESTRADO EM BIOESTATSTICA E BIOMETRIA

1. INTRODUO

Bem-vindo ao curso de mestrado em Bioestatstica e Biometria! Participar neste curso ser um processo ativo, onde a aprendizagem individual e colaborativa foi planeada de modo interdependente.

Este Guia constitui um kit informativo que lhe permitir esclarecer eventuais dvidas do tipo o que fazer, como fazer e, quando fazer, enquanto estudante online deste curso. Por isso, leia-o com ateno. O objectivo deste Guia dar-lhe informao importante sobre os objetivos e prticas do curso de mestrado em Bioestatstica e Biometria da Universidade Aberta.

2. A CRIAO DO CURSO DE MESTRADO

O curso de mestrado em Bioestatstica e Biometria foi criado ao abrigo do Regulamento Geral da Oferta Educativa da Universidade Aberta (despacho n. 10440/2011), publicado em Dirio da Repblica, 2. srie, n.158, de 18 de agosto de 2011, encontrando-se registado na Direo-Geral do Ensino Superior com o nmero R/A-Cr 195/2011, e acreditado pela A3ES, n. de processo NCE/10/02111, tendo sido publicado no Dirio da Repblica, 2. srie - N. 64 - 29 de maro de 2012.

3. OS OBJECTIVOS DO CURSO DE MESTRADO

O curso de mestrado em Bioestatstica e Biometria orienta-se para a formao especializada e para o desenvolvimento das competncias nos termos do artigo 15. do Decreto -Lei n. 74/2006, de 24 de Maro. O ciclo de estudos proposto um desafio conjunto das Universidades pblicas de Ensino a Distncia: Universidade Aberta, UAb com sede em Lisboa e Universidade Nacional de Educacin a Distncia, UNED com sede em Madrid, procurando conquistar o espao Ibero-Americano com extenso aos PALOPs.

O curso tem como objetivo formar profissionais e investigadores em Bioestatstica e Biometria, com forte componente de Bioinformtica, visando atender s necessidades por um lado de especialistas nas reas das Biocincias que pretendam melhorar os conhecimentos em estatstica e por outro, de estatsticos e matemticos que desejem especializar-se nas aplicaes em Biocincias e em Bioinformtica. Este curso procura assim ultrapassar lacunas na formao em estatstica, evidenciadas nos cursos das reas das Biocincias em geral, respondendo preocupao de investigadores, nomeadamente quanto ao rigor cientfico aplicado aquando dos planeamentos de experincias, na realizao de amostragens ou na adequao e desenvolvimento de software. Ser proporcionado ao estudante o contacto com uma vasta gama de problemas computacionais e problemas em Biocincias, mtodos de visualizao, optimizao e interpretao das solues.

Em termos mais especficos podem definir-se como objectivos do

curso:

Proporcionar as condies para que profissionais e investigadores possam aprofundar os seus conhecimentos estatsticos e computacionais e utiliz-los nas suas vidas profissionais e/ou cientficas;

Fornecer uma slida formao em Bioestatstica, e Biometria com forte componente das aplicaes de interesse s atividades profissionais da maioria dos estudantes;

Utilizar mtodos e tcnicas das reas envolvidas neste mestrado apropriados resoluo de problemas reais.

Aquisio de competncias que permitiro ao estudante conseguir a agilidade necessria no tratamento informtico, aprendendo a usufruir dos recursos existentes, com exibilidade e autonomia que possibilitem a criao de novos modelos e softwares para situaes menos comuns.



- 2 -

4. OS DESTINATRIOS

O curso de mestrado em Bioestatstica e Biometria destina-se a todos os licenciados com interesse e responsabilidades nas reas da Bioestatstica e Biometria, nomeadamente:

Profissionais das reas da Estatstica, Matemtica, Cincias do Ambiente, Engenharias;

Profissionais das reas da Sade, Medicina, Farmcia, Biologia, Gentica, Engenharia Biomdica;

Profissionais das reas da Informtica, Engenharia Informtica, Tecnologias e Sistemas de Informao, Computao;

Profissionais das reas da Produo Animal, Nutrio, Cincias Agrrias e outras reas afins.

Profissionais das reas da Psicologia, Psicossociologia e Psicologia da Sade;

Profissionais com funes em cargos pblicos;

Profissionais com funes em laboratrios;

Professores de matemtica, de biologia e de TIC do ensino bsico e secundrio;

Investigadores e docentes universitrios;

Jovens licenciados com perspectivas de carreira nestas reas;

Qualquer indivduo que pretenda alargar os seus conhecimentos nestas reas.

5. OS PR-REQUISITOS

Podem candidatar-se ao mestrado em Bioestatstica e Biometria

(Decreto Lei n 74/2006 de 24 de Maro):

Titulares do grau de licenciado ou de equivalente legal nas reas cientficas: Matemtica, Estatstica, Informtica, Engenharia Informtica, Tecnologias e Sistemas de Informao, Biologia, Cincias do Ambiente, Cincias Agrrias e outras reas afins;

Titulares de um grau acadmico superior obtido no estrangeiro nas reas cientficas: Matemtica, Estatstica, Informtica, Engenharia Informtica, Tecnologias e Sistemas de Informao, Biologia, Cincias do Ambiente, Cincias Agrrias e outras reas afins; que seja reconhecido pelo Conselho Cientfico da Universidade Aberta;

Detentores de um currculo escolar, cientfico ou profissional que seja reconhecido pelo Conselho Cientfico da Universidade Aberta, como satisfazendo os objetivos e as capacidades necessrias para a realizao deste curso.

A frequncia do curso exige que os candidatos tenham acesso frequente a computador com ligao Internet, possuam conhecimentos suficientes de utilizao informtica e competncia de leitura em ingls.

6. AS CANDIDATURAS

Os candidatos devem formalizar a sua candidatura atravs de uma carta dirigida ao Reitor da Universidade Aberta solicitando a admisso ao Curso e instruda com os seguintes elementos:

Boletim de candidatura devidamente preenchido -acessvel online atravs do acesso ao curso em

http://www.uab.pt/web/guest/estudar-na-

uab/candidato/candidaturas/dcet

Documentos comprovativos das Habilitaes Acadmicas que possui, devidamente autenticados, de que o candidato rene as condies de acesso (ponto 5);

Curriculum Vitae atualizado Cpia do documento de Identificao Pessoal (ou outro

documento de identificao civil aceite no seu pas) e do carto de contribuinte (para cidados portugueses).

Quaiquer outros elementos que julgue constituir motivo de valorizao da sua candidatura

O processo de Candidatura deve ser enviado para o Secretariado do Curso, para o email [email protected] com CC



- 3 -

para [email protected] at data limite do prazo de candidatura da respetiva fase.

O jri de candidaturas pode solicitar o envio por correio postal dos documentos digitalizados e enviados por email, assim como solicitar uma entrevista ao candidato, caso se justifique. (informaes adicionais podem ser obtidas por telefone: +351 300 000 7671 ou [email protected], ou: https://sitcon.uab.pt/Mensagens/form/1?categoria_id=32)

Os candidatos sero seriados com base nos critrios de seleo definidos pelo jri, tendo em conta as habilitaes acadmicas (rea cientfica e classificao), a experincia profissional, a participao em atividades de carter cientfico descriminadas no Curriculum Vitae e o resultado da entrevista, quando a realizao desta se entenda necessria. A lista dos Candidatos Admitidos, Suplentes e Excludos publicada online previamente ao perodo de matrculas e inscries.

Os pedidos de equivalncia a Unidades Curriculares deste mestrado devem ser apresentados no ato de candidatura e devero incluir, detalhadamente, os programas/contedos das disciplinas nas quais se pretende obter equivalncia.

O calendrio de candidaturas, inscries e matrculas o seguinte:

CAND IDATURAS -1 FASE De 13 de maio a 14 de junho de 2013

CAND IDATURAS -2 FASE * De 26 de agosto a 9 de setembro de

2013

MATR CULAS E

INSCR IES -1 FASE

De 19 a 29 de julho de 2013

MATR CULAS E

INSCR IES -2 FASE *

De 16 a 23 de setembro de 2013

INC IO DO CURSO 12 de Outubro de 2013

* a 2 fase s abrir no caso de o nmero de vagas no ficar preenchido na 1fase.

Nota: O nmero mnimo de inscries no curso de Mestrado em Bioestatstica e Biometria de 15. A abertura com um nmero inferior fica dependente de autorizao superior

Os alunos do Mestrado em Bioestatstica e Biometria podem optar por inscrever-se como Estudantes a Tempo Integral ou a Tempo Parcial na ocasio da matrcula e inscrio no ano letivo. O regime de frequncia a Tempo Parcial estabelece que se inscrevam entre um mnimo de 20% e num mximo de 50% dos crditos do MBB.

7. AS PROPINAS

As propinas do Curso so no valor de 2.000, sendo distribudas do seguinte modo:

Taxa de matrcula: 100

Propina de inscrio na parte curricular a pagar no ato de matrcula: 300

Propina de inscrio na parte curricular (faseada): 1.200

Propina de inscrio para dissertao: 400

As propinas do Curso devero ser liquidadas de acordo com um calendrio de pagamentos estabelecido pelos servios (pagamento semestral ou em outro plano a indicar).

8. O DIPLOMA DO CURSO

O grau de Mestre em Bioestatstica e Biometria certificado por uma carta magistral e pressupe a frequncia e aprovao da totalidade das unidades curriculares que constituem o curso, a elaborao de uma dissertao original, especialmente escrita para o efeito a sua discusso, defesa e aprovao em provas pblicas.

9. A ORGANIZAO DO CURSO



- 4 -

O mestrado em Bioestatstica e Biometria um curso de 2 ciclo conducente a um diploma de Mestre.

O curso divide-se numa primeira parte curricular correspondente ao curso de estudos ps-graduados em Bioestatstica e Biometria e, numa segunda parte, dedicada preparao, realizao e apresentao e defesa de uma dissertao.

A componente curricular do curso de mestrado em Bioestatstica e Biometria desenvolve-se em 2 semestres sequenciais o que implica, no total, a creditao mnima de 60 unidades de crdito ECTS.

Cada semestre da parte curricular lecionado em regime de ensino a distncia online; composto por unidades curriculares obrigatrias e unidades curriculares optativas, totalizando 14 unidades curriculares. Poder ser proporcionado um momento presencial de 1 ou 2 dias com atividades prticas.

Cada semestre desenvolve-se durante um perodo de 20 semanas, estando 5 semanas dedicadas a actividades de avaliao final. No so consideradas para os efeitos desta contagem a semana reservada a frias da Pscoa e de Natal e Fim de Ano.

O curso equivale a 120 ECTS, correspondendo 60 ECTS parte curricular e 60 ECTS preparao, realizao e apresentao da dissertao.

A informao completa sobre a organizao, funcionamento e procedimentos relativos ao Curso est disponvel no Regulamento Geral da Oferta Educativa da Universidade Aberta.

Mestrado em Bioestatstica e Biometria

Edio 2013-2015

10. O FUNCIONAMENTO DO CURSO

1 ANO- 1 SEMESTRE

PR-CURSO

MDULO DE AMBIENTAO ONLINE

2 ANO Elaborao e Defesa da Dissertao

60 ECTS

1ANO- 2 SEMESTRE

Estatstica I

10 ECTS

(obrigatria)

Visualizao

de Informao

5 ECTS (optativa *)

Planeamento

de Experincias e Investigao

5 ECTS (optativa)

Dinmica Evolutiva

5 ECTS (obrigatria)

Fundamentos de Modelao Estatstica 10 ECTS

(obrigatria)

Equaes Diferenciais em

Dinmica de Populaes

5 ECTS (optativa **)

Anlise

Multivariada 5 ECTS

(obrigatria)

Bio-Sistemas

5 ECTS (obrigatria)

Computao Estatstica II

5 ECTS (optativa)

Anlise de

Sobrevivncia 5 ECTS

(optativa)

Diploma de Estudos Ps-graduados em Bioestatstica e Biometria

Diploma de Mestrado em Bioestatstica e Biometria

Inferncia Bayesiana

5 ECTS (optativa)

Computao Estatstica I

10 ECTS (optativa)

Fundamentos de Bioinformtica

5 ECTS (optativa *)

Programao Matemtica

5 ECTS (optativa **)



- 5 -

A parte curricular do mestrado e as unidades curriculares que a integram funcionam em regime de ensino a distncia, na modalidade de classe virtual (ensino online com recurso a plataforma de e-learning). Poder ser proporcionado um momento presencial de 1 ou 2 dias com atividades prticas.

O primeiro semestre antecipado por um mdulo inicial totalmente virtual ambientao online com a durao de 2 semanas, com o objetivo de ambientar o estudante ao contexto virtual e s ferramentas de e-learning e permitir ao mesmo a aquisio de competncias de comunicao online e de competncias sociais necessrias construo de uma comunidade de aprendizagem virtual. Os ex-alunos da Universidade Aberta que j tenham frequentado outros cursos podero ser isentados da frequncia deste mdulo.

Este mdulo de ambientao online decorre entre os dias 30 de Setembro e 1 de Outubro de 2013. Sero enviados aos estudantes indicaes sobre o acesso ao referido curso.

11. MODELO PEDAGGICO DO CURSO DE MESTRADO

O curso de Mestrado em Bioestatstica e Biometria rege-se por um modelo pedaggico prprio, especificamente concebido para o ensino virtual na Universidade Aberta.

Este modelo tem os seguintes princpios:

Ensino centrado no estudante, o que significa que o estudante activo e responsvel pela construo do conhecimento;

Ensino baseado na flexibilidade de acesso aprendizagem (contedos, actividades de aprendizagem, grupo de aprendizagem) de forma flexvel, sem imperativos temporais ou de deslocao de acordo com a disponibilidade do estudante. Este princpio concretiza-se na primazia da comunicao assncrona o que permite a no-coincidncia de espao e no-coincidncia de tempo j que a comunicao e a interaco se processa medida que conveniente para o estudante, possibilitando-lhe tempo para ler,

processar a informao, reflectir e, ento, dialogar ou interagir (responder).

Ensino baseado na interaco diversificada quer entre estudante-professor, estudante-estudante, quer ainda entre o estudante e os recursos de aprendizagem sendo socialmente contextualizada.

Com base nestes princpios encontrar dois elementos vitais no seu processo de aprendizagem:

A CLASSE VIRTUAL: O estudante integrar uma turma virtual onde tm acesso os professores do curso e os restantes estudantes. As actividades de aprendizagem ocorrem neste espao virtual e so realizadas online, com recurso a dispositivos de comunicao diversos. Deve ser entendida como um espao multi-funcional que agrega uma srie de recursos, distribudos por diversos espaos de trabalho colectivos e onde se processa a interaco entre professor-estudante e estudante-estudante. A comunicao essencialmente assncrona e por isso, baseada na escrita.

O CONTRATO DE APRENDIZAGEM: O docente de cada unidade curricular ir propor turma, um contrato de aprendizagem. Neste contrato est definido um percurso de trabalho organizado e orientado com base em actividades previstas previamente apoiando-se na auto-aprendizagem e na aprendizagem colaborativa. Com base nos materiais de aprendizagem organizados e disponibilizados, o Professor da unidade curricular organiza e delimita zonas temporais de auto-aprendizagem (com base em documentos, bibliografia, pesquisa, anlise, avaliao, experimentao de ferramentas, realizao, etc.) e zonas de interaco diversificada na turma virtual, intra-grupo geral de alunos, intra-pequenos grupos de alunos, ou entre alunos e professor.

12. TEMPO DE ESTUDO E APRENDIZAGEM



- 6 -

Aprender a distncia numa classe virtual implica que o estudante no se encontrar nem no mesmo local que os seus professores e colegas, nem mesma hora; ou seja, uma aprendizagem que d flexibilidade ao estudante porque independente do tempo e do local onde se encontra.

Naturalmente que implica tempo dedicado ao estudo e aprendizagem. Assim, cada unidade curricular tem definido o nmero de horas de estudo e trabalho efectivo que se esperam de si: as unidades de ECTS.

Desta feita, o estudante dever ter em considerao que, cada unidade de crdito (1 ECTS) corresponde a 26 horas de trabalho efectivo de estudo, de acordo com o Regulamento de Aplicao do Sistema de Unidades de Crdito ECTS da Universidade Aberta, o que inclui, por exemplo, a leitura de documentos diversos, a resoluo das actividades online e off-line, a leitura de mensagens, a elaborao de documentos pessoais, a participao nas discusses assncronas, e o trabalho requerido para a avaliao e classificao.

13. OS RECURSOS DE APRENDIZAGEM

Nas diferentes unidades curriculares ser pedido ao estudante que trabalhe e estude apoiando-se em diversos recursos de aprendizagem desde textos escritos, livros, recursos web, objectos de aprendizagem, entre outros e em diversos formatos. Embora alguns desses recursos sejam digitais e fornecidos online no contexto da classe virtual, existem outros, como livros, os quais devero ser adquiridos pelo estudante numa livraria no incio do curso para garantir as condies essenciais sua aprendizagem no momento em que vai necessitar desse recurso.

14. A AVALIAO E A CLASSIFICAO

A avaliao em cada uma das unidades curriculares implica a coexistncia de duas modalidades:

Avaliao contnua: 60%

Avaliao final: 40%

No que respeita avaliao contnua, ela contempla um conjunto diverso de estratgias e instrumentos nomeadamente, os portfolios, projectos individuais e de equipa, ensaios, resolues de problemas, estudos de caso, participao em discusses, relatrios de pesquisas e testes.

No que concerne avaliao final de cada unidade curricular ponderada entre avaliao contnua e uma componente de avaliao somativa final, de carcter individual, podendo contemplar a elaborao de, por exemplo, artigos/ensaios, elaborao de trabalhos, de projectos, apresentao e discusso de trabalhos, relatrios, realizao de testes, de acordo com o definido pela equipa docente em articulao com o coordenador do mestrado.

A aprovao na parte curricular do curso requer aprovao em todas as unidades curriculares, com uma classificao igual ou superior a 10 valores.

O clculo da classificao final do grau de mestre ser obtido a partir da frmula:

CF= i (Class.UCi x ECTS UCi) + (Class(Diss.) x ECTS(Diss)) Total ECTS do curso CF classificao final Class. UCi - classificao da unidade curricular ECTS UCi- ECTS da unidade curricular

Class(Diss.) classificao da dissertao. ECTS(Diss) n de ECTS da unidade curricular

15. A COORDENAO DO CURSO



- 7 -

O curso de mestrado em Bioestatstica e Biometria coordenado pela Prof. Doutora Teresa Paula Oliveira e vice-coordenado pela Prof. Doutora Maria do Rosrio Ramos e pelo Professor Doutor Ulisses Azeiteiro, docentes da Universidade Aberta responsveis por acompanhar a sua conceo, o seu desenvolvimento e, efetuar a sua avaliao.

Como estudante, o que pode esperar da coordenao do curso? A coordenao dever apoiar, ao longo do curso, o processo de aprendizagem do estudante atravs de um conjunto de mecanismos de suporte pedaggico, nomeadamente:

a) Coordenando e dinamizando um espao virtual dedicado ao acompanhamento pedaggico dos estudantes inscritos ao longo do curso (Espao Mestrado em Bioestatstica e Biometria Coordenao Estudantes);

b) Organizando e dinamizando um mdulo de ambientao online, para os estudantes admitidos no curso e que no tenham frequentado anteriormente qualquer curso na Universidade Aberta;

c) Organizando e dinamizando um espao de Socializao Virtual (Espao Caf) com funes de local informal de encontro de estudantes e professores do curso;

d) Coordenando a organizao das diferentes unidades curriculares que compem o curso e o seu funcionamento geral;

e) Efectuando a articulao da actuao pedaggica de toda a equipa docente do curso;

f) Apoiando os estudantes na seleco de temticas conducentes investigao para a dissertao;

Endereo electrnico da coordenadora do curso:

Teresa Oliveira: [email protected]

16. A EQUIPA DOCENTE

O processo de aprendizagem dos estudantes ser apoiado por uma equipa docente constituda pelos professores responsveis pelas unidades curriculares do curso. Apresenta-se a seguir uma breve nota curricular de cada docente.

Teresa Paula C. Azinheira Oliveira Professora Auxiliar, Doutorada em Estatstica e Investigao Operacional (Especialidade Estatstica Experimental e Anlise de Dados) pela Universidade de Lisboa.

Maria do Rosrio Ramos Professora Auxiliar, Doutorada em Estatstica e Investigao Operacional (Especialidade Probabilidades e Estatstica) pela Universidade de Lisboa

Ulisses Miranda Azeiteiro Professor Auxiliar com Agregao, Doutorado em Biologia (especialidade em Ecologia), Faculdade de Cincias e Tecnologia, Universidade de Coimbra

Amlcar Mauel do Rosrio Oliveira Professor Auxiliar, Doutorado em Matemtica (especialidade Modelao Estatstica), Universidade Aberta.

Fernando Pestana Costa Professor Associado com Agregao, Doutorado em Matemtica (PhD) pela Heriot-Watt University, Edinburgh.

Pedro Serranho Professor Auxiliar, Doutorado em Anlise, Matemtica Aplicada e Numrica, Universidade de Gttingen, Alemanha.

Snia Borges Seixas Professora Auxiliar, Doutorada em Biologia (Ecofisiologia) pela Faculdade de Cincias da Universidade de Lisboa.

Vitor Rocio Professor Associado, Doutorado em Informtica pela Universidade Nova de Lisboa.

Antnio Arajo Professor Auxiliar, Doutorado em Matemtica pela Universidade de Lisboa.

Docentes externos Universidade Aberta:



- 8 -

Antnio Costa Gonzlez Professor Catedrtico da UNED, Doutorado em Cincias Matemticas, Universidade Complutense.

Miguel Delgado Pineda Professor Titular da UNED, Doutorado em Matemtica pela UNED.

Ana Maria Porto Ferreira da Silva Professora Titular da UNED, Doutorada em Matemtica pela Universidade do Porto.

Alberto Borobia Vizmanos Professor Titular da UNED, Coordenador do Mestrado em Matemticas Avanadas, Doutorado em Matemtica pela UNED.

17. A AMBIENTAO ONLINE

Este mdulo prvio ao curso com uma durao de 2 semanas. Trata-se de um mdulo prtico, com uma orientao centrada no saber-fazer.

Com este mdulo prvio pretende-se que o estudante da Universidade Aberta domine as caractersticas do ambiente online, adquirindo competncias diversas que sejam o garante duma aprendizagem online com sucesso. Assim, no final deste mdulo o estudante dever ter adquirido:

Competncias no uso dos recursos tecnolgicos disponveis neste ambiente online (saber-fazer);

Confiana em diferentes modalidades comunicao disponveis neste ambiente online (saber-comunicar), nomeadamente na comunicao assncrona;

Competncias em diferentes modalidades de aprendizagem e trabalho online: auto-aprendizagem, aprendizagem colaborativa, aprendizagem a pares, aprendizagem com apoio de recursos.

Capacidade para aplicar as competncias gerais de utilizao da Internet (comunicao, pesquisa, gesto e avaliao de informao) ao ambiente online onde ir decorrer o seu curso: saber usar as ferramentas de comunicao, saber trabalhar em grupos online, saber-fazer pesquisa e consulta de informao na Internet.

Capacidade para aplicar as regras de convivncia social especficas da comunicao em ambientes online (saber relacionar-se).

18. O APOIO TCNICO

Em caso de necessitar de ajuda ou apoio no que se refere ao ambiente tecnolgico em que decorre o curso ou do seu desempenho, contactar o servio de coordenao do curso.

19. O SECRETARIADO DO CURSO

O Curso de Mestrado em Bioestatstica e Biometria conta com um secretariado cujo contacto :

Dr. Teresa Ramos

Universidade Aberta, Departamento de Cincias e Tecnologia, Seo de Matemtica

Campus do Taguspark, Edifcio Inovao I, Corpo C1, Piso 0

2740-122 Porto Salvo

Tel: + 351 30000 76 71

E-mail: [email protected]

[email protected]

Mensagens para informaes podem ser enviadas para este link: https://sitcon.uab.pt/Mensagens/form/1?categoria_id=32

20. O PLANO DE ESTUDOS

As reas cientficas predominantes do Mestrado em Bioestatstica e Biometria so: Estatstica, Biologia, Engenharia Informtica, Tecnologias da Informao e Comunicao. As reas cientficas e os crditos que devem ser reunidos para a obteno do grau so explicitados no quadro seguinte:

rea Cientfica

Sigla

ECTS Obrigatrios

ECTS Optativos (a)



- 9 -

Matemtica Mat 5 5 Estatstica Est 90 15

Engenharia Informtica

EI 5 15

Biologia Bio 10 10 Tecnologias da Informao e Comunicao

TIC

0

20

Soma 110 10

(a) O aluno deve realizar um total de 10 crditos optativos.

O curso de mestrado em Bioestatstica e Biometria a funcionar na edio de 2012-2014 tem o seguinte plano de estudos:

1ANO

1 Semestre:

Unidades Curriculares (cdigo) ECTS Natureza

Estatstica I 10 Obrigatria

Dinmica Evolutiva 5 Obrigatria

Planeamento de Experincias e Investigao

5 Optativa

Computao Estatstica I 10 Optativa

Programao Matemtica 5 Optativa(**)

Fundamentos de Bioinformtica 5 Optativa(*)

Visualizao de Informao 5 Optativa(*)

(*) O aluno escolhe pelo menos 1 unidade curricular das que so oferecidas. (**)O aluno escolhe pelo menos 1 unidade curricular das que so oferecidas

2 Semestre:

Unidades Curriculares (cdigo) ECTS Natureza

Fundamentos de Modelao Estatstica

10 Obrigatria

Anlise Multivariada 5 Obrigatria

Bio-sistemas 5 Obrigatria

Equaes Diferenciais em Dinmica de Populaes

5 Optativa (**)

Computao Estatstica II 5 Optativa

Anlise de Sobrevivncia 5 Optativa

Inferncia Bayesiana 5 Optativa

(**)O aluno escolhe pelo menos 1 unidade curricular das que so oferecidas

2 ANO

Unidades Curriculares

rea Cientfica

Durao (1)

ECTS

Natureza

Dissertao Est Anual 60 Obrigatria

21. AS SINOPSES DAS UNIDADES CURRICULARES

ESTATSTICA I

Competncias: No final desta unidade curricular os estudantes devero conhecer as principais tcnicas de inferncia estatstica paramtrica. Devero ainda saber ajustar modelos de regresso linear, realizar inferncia aos parmetros e devero conhecer os princpios bsicos de Anlise de Varincia e mtodos de comparao mltipla.

Contedos: 1. Inferncia Estatstica Paramtrica; 2. Modelos de Regresso Linear; 3. Inferncia aplicada aos parmetros da regresso; 4. Anlise de Varincia; 5. Mtodos de Comparao Mltipla.

Bibliografia: [1] T. A. Oliveira(2004): Estatstica Aplicada, Edies Universidade Aberta.



- 10 -

[2] D. C. Montgomery(2009): Design and Analysis of Experiments, 7th Ed, Wiley. [3] Hinkelmann, K. and O. Kempthorne (2005). Design and Analysis of Experiments, Vol. 2: Advanced Experimental Design, xii+780pp, Wiley-Interscience, New York. [4] Hinkelmann, K. and O.Kempthorne (2008). Design and Analysis of Experiments, Vol.1: Introduction to Experimental Design; 2nd edition, xxiv + 631pp, Wiley-Interscience, New York.

ANLISE MULTIVARIADA

Competncias: Espera-se que ao concluir esta unidade curricular o estudante seja capaz de Caraterizar genericamente e saber as propriedades das tcnicas de Estatstica Multivariada abordadas; Identificar a metodologia ou metodologias apropriadas para um determinado objetivo e conjunto de dados; Conduzir uma anlise em que aplique as tcnicas estudadas, usando um software estatstico, exercendo esprito crtico sobre os resultados e interpretando-os no contexto do problema; abordar um novo tema nesta rea no mbito de estudos mais avanados.

Contedos: 1. Representao dos dados multivariados. Projeces; 2. Anlise de Varincia Multivariada (MANOVA). 3. Anlise em Componentes Principais. Anlise Fatorial; 4. Anlise de Clusters (agrupamentos); 5. Anlise Discriminante; 6. Referncia a outros mtodos de Estatstica Multivariada; 7. Utilizao de software estatstico na componente prtica (SPSS ou outro).

Bibliografia: [1] Jonhson, R. A., Wichern D. W. (2002) Applied Multivariate Statistical Methodos, Prentice Hall. [2] Reis, Elizabeth. Estatstica Multivariada Aplicada, Ed. Slabo, Lisboa. [3] Maroco, Joo; (2007 ou posterior) Anlise Estatstica com utilizao do SPSS, Edies Slabo, Lisboa. [4] Hrdle, W. e Simar, L. (2007) Applied Multivariate Statistical Analysis , 2d edition, Springer BIO-SISTEMAS

Competncias: Compreender a natureza dinmica dos sistemas biolgicos e das estruturas elementares de reabilitao que determinam seu comportamento; Capacidade para representar as equaes matemticas de certos comportamentos dos sistemas biolgicos e analisar como eles influenciam os seus parmetros caractersticos. Competncias para a representao de comportamentos mais complexos de sistemas biolgicos, como agregao de comportamentos bsicos. Capacidade de detectar e simular o comportamento de alguns sistemas biolgicos de auto-regulao. Compreenso dos fundamentos de determinados processos biolgicos controlados, as tcnicas utilizadas e suas aplicaes. Habilidade na operao de um ambiente de modelagem e simulao baseada em sistemas dinmicos.

Contedos: Dinmica dos processos biolgicos; Viso sistmica dos processos biolgicos; Mecanismos reguladores nos seres vivos; Modelao e simulao de processos biolgicos celulares; Processos biolgicos controlados

Bibliografia:

Textos de apoio disponibilizados online [1] Alon, U.(2007): An Introduction to Systems Biology: Design principles of biological circuits, Chapman & Hall/CRC. [2] Astrom, K. J. y Murray, R. M.(2008): Feedback Systems: An introduction for Scientists and Engineers, Princeton University Press. [3] Murray, J. D.(2002): Mathematical Biology. I: An Introduction, Third Edition. Springer-Verlag. New York. DINMICA EVOLUTIVA

Objectivos: O principal objetivo desta unidade curricular capacitar os alunos com o conhecimento e as ferramentas que lhes permitam compreender os processos de evoluo.

Contedos: 1. Introduo dinmica evolutiva; 2. Princpios bsicos da evoluo a partir da dinmica de sistemas; 3. Arqutipos de sistemas: o crescimento exponencial, o crescimento logstico, a seleo natural, mutaes entre espcies; 4. Exemplos representativos da evoluo.



- 11 -

Bibliografia:

[1] Martin A.Nowak(2006): Evolutionary Dynamics. Exploring the equations of life. ISBN:978-067402338-3 Belknap Press of Harvard University Press, Cambridge, Mass. [2] J.D. Murray, Evolutionary Dynamics(2003): Exploring the equations of life, Springer; 3rd edition. [3] D.E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning(1989): Addison-Wesley Professional; 1 edition, 1989. [4] Brian Keith Hall, Benedikt Hallgrmsson, Monroe W. Strickberger (2008): Strickberger's Evolution, Fourth Edition

COMPUTAO ESTATSTICA II (a funcionar excecionalmente no 1 semestre na presente edio)

Competncias: Espera-se que ao concluir esta unidade curricular o estudante seja capaz de: Reconhecer o papel e a importncia das ferramentas disponveis no R para o tratamento e anlise estatstica de dados; Identificar e saber aplicar os principais mtodos de otimizao e de reamostragem usados em estatstica; Desenvolver e aplicar tcnicas de simulao usando a linguagem R; Resolver problemas usando o programa R, envolvendo as temticas estatsticas tratadas.

Contedos: 1.Programao em R; 2. Otimizao em Estatstica; 3. Simulao; 4. Mtodos de Reamostragem

Bibliografia

[1] Ross, Sheldon M. (2006): Simulation, fourth edition, Elsevier/Academic Press, Burlington, MA; [2] Pedrosa, Antnio C., Gama, Slvio Marques A. (2007): Introduo Computacional Probabilidade e Estatstica, Porto Editora; [3] J. E. Gentle (1998): Random Number Generation and Monte Carlo Methods , Springer-Verlag; [4] Everitt, E.S. (1987): Introduction to Optimization Methods and their Application in Statistics. Chapman and Hall. [5] W. N. Venables, D. M. Smith and the R Development Core Team (2011): An Introduction to R, Notes on R: A Programming

Environment for Data Analysis and Graphics Version 2.13.0 (2011-04-13). (disponvel online). [6] Dalgaard, Peter (2008): Introductory Statistics with R, 2nd edition, Springer; [7] Verzani, J. (2005): Using R for Introductory Statistics, Chapman&Hall/CRC.

VISUALIZAO DA INFORMAO

Competncias: Visa-se proporcionar os conhecimentos e competncias fundamentais acerca dos princpios, conceitos, modelos e tcnicas principais subjacentes visualizao de informao (VI). Aguarda-se que o aluno desenvolva capacidades para o desenho e implementao autnoma de solues de VI, considerando os mais diversos tipos e categorias de dados e contedos informativos.

Contedos: 1. Introduo Visualizao de Informao: historial, objectivos e princpios gerais, roadmap das tecnologias e aplicaes; 2. Extraco de Estruturas Informativas: proximidade e conectividade; clustering e classificao; estruturas virtuais; anlise e modelao de estruturas; anlise de similaridades; 3. Representao e Apresentao de Dados/Informao: modelo mental e do utilizador; caractersticas quantitativas e qualitativas; apresentao multi-sensorial (visual, auditiva, tctil, outras); 4. Tcnicas e Algoritmos de Visualizao: grafos, rvores, visualizao bi-, tri- e multidimensional; redes; perspectivas; filtros; mapas; 5. Sistemas e aplicaes: anlise de e experimentao com sistemas, aplicaes para visualizao de informao; Estudo de casos.

Bibliografia:

[1] Chen, Ch.(2004) : Information Visualization beyond the horizon, Springer, ISBN: 1852337893; [2] Spence, R.(2001): Information Visualization, Addison Wesley, ISBN: 0201596261; [3] Ware, C. (2004): Information Visualization: Perception for Design, Morgan Kaufmann, ISBN: 1558608192

PLANEAMENTO DE EXPERINCIAS E INVESTIGAO



- 12 -

Competncias: Pretende-se que no final desta unidade curricular o estudante adquira competncias que lhe permitam saber identificar e seleccionar estratgias de amostragem adequadas s situaes experimentais em cada caso, bem como reconhecer as vantagens e desvantagens inerentes sua escolha. O estudante revelar proficincia na gerao de hipteses relevantes na resposta a questes levantadas em investigao cientfica, bem como na seleo do tipo de planeamento de experincias adequado e na respectiva interpretao de resultados.

Contedos:

1. Relevncia e Resenha Histrica do Planeamento de Experincias 2. Investigao: Questes, Objectivos, Pressupostos, Gesto do Plano 3. Desafios da Abordagem a Dados Reais 4. Tcnicas de Amostragem: Simples, por Elementos e por Grupos 5. Introduo aos Modelos Lineares 6. Modelos de ANOVA e Inferncia 7. Tcnicas de Comparao de Nveis e estimao de Contrastes 8. Contrastes e Mtodos de Comparao Mltipla.

Bibliografia:

[1] Forthofer,R.N., Lee, E.S., Hernandez, M.(2007): Biostatistics: A Guide to Design, Analysis and Discovery, 2nd Ed., Academic press. [2] Johnson, P. O. (2003): Modern Sampling Methods: Theory, Experimentation, Applications, Textbook Puvblishers. [3] Montgomery, D.C.(2009): Design and Analysis of Experiments, 7th Ed., Wiley. [4] Oliveira, T.A.(2004): Estatstica Aplicada, Edies Universidade Aberta, 287. [5] Quinn, G.P., M.J.Keough(2002): Experimental Design and Data Analysis for Biologists, Cambridge University Press. [6] Hinkelmann, K. and O. Kempthorne (2005). Design and Analysis of Experiments, Vol. 2: Advanced Experimental Design, xii+780pp, Wiley-Interscience, New York. [7] Hinkelmann, K. and O.Kempthorne (2008). Design and Analysis of Experiments, Vol.1: Introduction to Experimental Design; 2nd edition, xxiv + 631pp, Wiley-Interscience, New York. [8] Hinkelmann, K. (ed.) (2012). Design and Analysis of Experiments, Vol.3: Special Designs and Applications, xxvii + 555pp, Wiley, Hoboken, NJ.

[9] Sousa, M.F.F.(2002): Amostragem: Uma introduo, Edies Universidade Aberta, 253.

EQUAES DIFERENCIAIS EM DINMICA DE POPULAES

Competncias: Ao completar a unidade curricular o estudante dever ter adquirido, no apenas o conhecimento de um certo nmero de modelos matemticos utilizados em dinmica de populaes e de um conjunto de tcnicas matemticas que so teis para a anlise desses sistemas e de outros anlogos, como, fundamentalmente, uma atitude crtica sobre a modelao de fenmenos dinmicos por equaes diferenciais, permitindo-lhe reconhecer as vantagens e limitaes desta abordagem nos estudos de dinmica de populaes.

Contedos: 1. Modelos homogneos de crescimento populacional 1.1. Princpios bsicos de modelao em dinmica populacional 1.2. Modelo autnomos: exponencial, logistico e outros modelos (Gompertz, Bernoulli, Smith, etc.) 1.3. Mtodos matemticos: resoluo exata, anlise qualitativa de equaes diferenciais em R. Persistncia e extino. 1.4. Referncia a modelos no-autnomos e com atrasos. 1.5. Modelos lineares e quadrticos em tempo discreto; anlise grfica, noo de bifurcao, comportamento catico. 2. Modelos com interaes de duas ou mais espcies. 2.1.Introduo s equaes de Lotka-Volterra bidimensionais (cooperao, competio, predador-presa). 2.2. Equilbrios e linearizao; teorema de Hartman-Grobman. 2.3. Estabilidade e funes de Lyapunov. 2.4. Sistemas bidimensionais; teorema de Poincar-Bendixon. 2.5.Modelos de colheita (harvesting) 2.6. Exemplos de modelos com mais de duas espcies 3. Modelos de crescimento populacional com estrutura 3.1. Conceitos e modelos de epidemiologia matemtica 3.2. Modelos simples de populaes com estrutura de idades

Bibliografia:

[1] Fred Brauer, Carlos Castillo-Chvez (2001): Mathematical Models in Population Biology and Epidemiology, Texts in Applied Mathematics, vol. 40, Springer-Verlag, New York.



- 13 -

[2] Horst R. Thieme: Mathematics in Population Biology (2003): Princeton Series in Theoretical and Computational Biology, Princeton University Press, Princeton. [3] Josef Hofbauer, Karl Sigmund (1998): Evolutionary Games and Population Dynamics, Cambridge University Press, Cambridge. [4] Andr M.C de Roos (2001): Modeling Population Dynamics, Institute for Biodiversity and Ecosystem Dynamics Population Biology Section, University of Amsterdam. (http://staff.science.uva.nl/~aroos/downloads/pdf_readers/syllabus.pdf) [5] Rob J. de Boer (2011): Modeling Population Dynamics: a Graphical Approach, Theoretical Biology & Bioinformatics, Utrecht University. (http://theory.bio.uu.nl/rdb/books/)

FUNDAMENTOS DE BIOINFORMTICA

Competncias: Esta unidade curricular ir dotar o aluno com competncias para compreender e explorar os princpios, os algoritmos, os pressupostos, as aplicaes e as limitaes de uma srie de mtodos e princpios de bioinformtica. Sero apresentadas ao aluno as ferramentas avanadas para o acesso e anlise de sequncias biolgicas e da informao estrutural, proporcionando a oportunidade de adquirir destreza no seu manuseamento. O aluno ir adquirir competncias de autonomia na programao e na manipulao de bases de dados.

Contedos: 1. Introduo bioinformtica; 2. Resenha histrica e avanos computacionais; 3. Problemas biolgicos e recurso programao em bioinformtica; 4. Manipulao de bases de dados; 5. Anlise e comparao de sequncias biolgicas e estrutura de protenas; 6. Previso e identificao do gene; 7. Tpicos de evoluo molecular; 8. Aplicaes futuras da bioinformtica

Bibliografia:

[1] Higgs, Paul G. and Attwood, Teresa K.(2005): Bioinformatics and molecular evolution, Blackwell, Malden, MA, USA.

[2] Mount, D.W.(2004): Bioinformatics: Sequence and Genome Analysis, Cold Spring Harbor Laboratory Press, Cold Springs Harbor, New York. [3] Ramakrishnan, Raghu(2003): Database Management Systems, McGraw-Hill International Editions, 3 Edition. [4] Tisdall, James D.(2001): Beginning Perl for bioinformatics, O'Reilly Associates, Inc., Sebastopol, Ca..

FUNDAMENTOS DE MODELAO ESTATSTICA

Competncias: O objetivo desta unidade curricular dotar o aluno da compreenso de conceitos e modelos estatsticos, nomeadamente no que concerne a modelos de regresso. Pretende-se que o estudante adquira competncias que lhe permitam saber construir, desenvolver e interpretar modelos estatsticos, em que existem dependncias susceptveis de serem modeladas por uma expresso matemtica envolvendo noes probabilsticas. O estudante revelar proficincia na aplicao de modelos de regresso atravs dos modelos lineares generalizados, bem como na respetiva interpretao e explorao grfica, visando o ajustamento a dados provenientes de uma vasta gama de reas cientficas.

Contedos: 1- Introduo modelao estatstica: princpios, conceitos e objetivos; 2 - Caracterizao dos modelos de regresso; 3 - Modelos de regresso mltipla e inferncia; 4 - Predio e colinearidade; 5 - Introduo aos Modelos Lineares Generalizados: conceitos, exemplos e estimao de parmetros; 6 - Regresso Logstica e probit e modelos log lineares; 7 - Anlise grfica dos resduos, seleo e validao do modelo; 8 - Introduo aos Modelos Mistos

Bibliografia:

[1] Dobson, A. J.(2001). An Introduction to Generalized Linear Models, 2nd Ed. Chapman & Hall [2] Faraway, J. J. (2006) Extending the Linear Model with R; Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall.



- 14 -

[3] Fox, J (2008). Applied Regression Analysis and Generalized Linear Models. Sage Publications. [4] Hosmer, D.W, Lemeshow, S. (2000). Applied Logistic Regression, 2nd Ed., Wiley. [5] Kutner, M.H., Nachtsheim, C.J., Neter, J. (2004) . Applied Linear Regression Models, 4th Ed., McGraw-Hill/Irwin. [6] Neter, J., Kutner, M.H.,Li, W.,Nachtsheim, C. J. (2005 ): Applied Linear Statistical Models, 5th Ed. Mcgraw-Hill Professi. [7] Turkman, M.A.A.& Silva, G.L. (2000). Modelos Lineares Generalizados. Edies SPE (Sociedade Portuguesa de Estatstica) [8] Weisberg, S. (2005). Applied Linear Regression. Wiley Series in Probability and Statistics. [9] Fox, J (2008). Applied Regression Analysis and Generalized Linear Models. Sage Publications.

ANLISE DE SOBREVIVNCIA

Competncias: Espera-se que ao concluir esta unidade curricular o estudante seja capaz de: Construir e interpretar tabelas de vida/mortalidade; modelar, analisar e interpretar os principais modelos paramtricos, no paramtricos e semi paramtricos para dados censurados; Estimar funes de sobrevivncia e fazer inferncia; utilizar um software de anlise de dados ( linguagem R ou o SPSS) para realizar um estudo prtico; Possuir as ferramentas que lhe permitem aprofundar a investigao neste tema.

Contedos: 1. Introduo Anlise de Sobrevivncia. Tempo de Vida e dados censurados; 2. A matemtica dos modelos de sobrevivncia; 3. Estimador de Kaplan-Meier da funo de sobrevivncia; 4. Comparao de curvas de sobrevivncia; 5. Os modelos Exponencial, Lognormal, Weibull; 6. Modelos de regresso de Poisson; 7. Modelo de Cox de riscos proporcionais. Diagnstico da regresso; 8. Cuidados a ter na anlise de dados de tempos de vida; 9. Conceito de fiabilidade; 10. Utilizao de software na componente prtica.

Bibliografia: [1] Collett, D. (2003) Modelling Survival Data in Medical Research, 2nd edition. Chapman and Hall/CRC, Boca Raton, Florida.

[2] Klein, J.P. and Moeschberger, M.L. (1997) Survival Analysis. Techniques for Censored and Truncated Data. Springer, New York. [3] Hosmer, David W. Lemeshow, Stanley, May, Susanne (2008). Applied Survival Analysis: Regression Modeling of Time to Event Data, Wiley Series in Probability and Statistics; [4] Lawless J. F. (2002). Statistical Models and Methods for Lifetime Data, Wiley, New York

PROGRAMAO MATEMTICA

Competncias: Espera-se que o estudante fique a saber: modelar a partir de sries temporais e de problemas concretos. Identificar grandezas mensurveis extradas das sries temporais. Resolver certos problemas de programao linear, inteira e no-linear. Compreender e manipular grafos e matrides.

Contedos: Sries temporais: expoentes de Liapunov, entropias e dimenso de correlao. Representao de grafos e anlise sobre grafos: matrizes de adjacncia e incidncia, espaos de ciclos e de cociclos (cortes). Laplaciano sobre grafos. Fluxos sobre grafos, teorema do fluxo mximo e do corte mnimo. Problemas de caminhos em grafos e das palavras em grupos. Algoritmo de Todd - Coxeter. Programao linear e dualidade linear, uso das bases de Grobner. Mtodos de programao no-lineares, optimizao de funes a vrias variveis. Matrides e optimizao discreta. Processos de deciso.

Bibliografia: [1] M. Aigner (1997): Combinatorial Theory , Springer-Verlag [2] N. Biggs (1993): Algebraic Graph Theory ,Cambridge Univ. Press, 2nd ed . [3] B. H. Korte, Jens Vygen (2000). Combinatorial Optimization: Theory and Algorithms , B. H. Korte, Jens Vygen, (Algorithms and Combinatorics, 21), Springer Verlag [4] M. Grtschel, L.Lovasz, A. Schrijver (1993) : Geometric Algorithms and Combinatorial Optimization , Springer Verlag .

INFERNCIA BAYESIANA



- 15 -

Competncias: Espera-se que o estudante fique a saber: as bases da teoria Bayesiana das probabilidades, vista como extenso nica das regras da lgica ao espao das proposies de valor lgico incerto. Identificar como esta perspectiva permite tratar os problemas clssicos da probabilidade e estatstica e como se estende a um leque mais vasto de problemas no acessvel perspectiva frequencista. Verificar como esta teoria permite lidar com os problemas habituais da estatstica no mbito de raciocnios probabilsticos puros sem recurso a mtodos ad-hoc ou argumentos de limite. Discutir algumas aplicaes correntes da teoria Bayesiana, nomeadamente na rea da Biologia. Contedos:1. A teoria das probabilidades como extenso da lgica; 2. Estimao de Parmetros; 3. Seleco de Modelos; 4. Representao da informao a priori; 5. Aplicaes

Bibliografia: [1] B. Murteira(2003): Estatstica Bayesiana, Fundao Calouste Gulbenkian, Lisboa. [2] E.T. Jaynes(2003): Probability theory: the logic of science, Cambridge University Press. [3] D. S. Sivia(1996): Data Analysis A Bayesian Tutorial, Oxford University Press. [4] Barnett, Vic. (1982): Comparative Statistical Inference, Wiley and Sons. [5] Murteira, Bento J. F. (1988): Estatstica: Inferncia e Deciso, Imprensa Nacional Casa da Moeda. [6] Gelman, A., Carlin, J.B., Stern, H.S. (1995): Bayesian Data Analysis, Chapman & All. DISSERTAO Competncias: Espera-se que o estudante construa um projecto de investigao e desenvolvimento-interveno especfico das metodologias estatsticas e aplicaes informticas a implementar preferencialmente em contextos de trabalho reais em Biocincias e cujo produto final se materializa numa dissertao. Deve configurar a identificao de novos problemas e suscitar, no plano

conceptual e praxeolgico, a busca de respostas criativas e ajustadas a contextos profissionais. Ao concluir esta unidade curricular o aluno dever estar capaz de: Analisar criticamente contextos de modelao e anlise estatstica no domnio das biocincias; Conceber, implementar e avaliar um projecto de investigao e desenvolvimento-interveno no domnio das biocincias; Desenvolver instrumentao conceptual e metodologicamente ajustada ao desenvolvimento do projecto de investigao; Redigir documentao crtica acerca do projecto desenvolvido, integrando todos os elementos produzidos numa dissertao final. Contedos: A diversidade dos contextos profissionais potenciais para a realizao do trabalho de dissertao, com a consequente variao de prticas profissionais, aconselha um elevado grau de abertura dos tpicos programticos, que se iro definindo/ clarificando medida que o aluno vai construindo e implementando o seu projecto de dissertao. Existem, no entanto, alguns tpicos que devero ser contemplados: 1. Observao e anlise de contextos, pblicos-alvo e domnios aplicacionais de interveno na estatstica e nas biocincias; 2. Desenvolvimento de projectos de investigao e desenvolvimento-interveno; 3. Desenvolvimento de metodologias e estratgias de anlise de requisitos, desenho e implementao de solues no domnio da estatstica e das biocincias em contextos profissionais; 4. Operacionalizao de metodologias e estratgias de investigao e desenvolvimento no domnio da estatstica e das biocincias; 5. Escrita de textos cientficos, acadmicos e profissionais. Bibliografia: [1] Materiais disponibilizados pelo orientador e pesquisados pelo estudante, de acordo com a temtica a desenvolver. [2] Glattorn, A., Randy, L. J., 2nd edition (2005: Writing a winning dissertation: a step by step guide, 2nd edition. Corwin Press. ISBN:978-0761939610 __________________________________________________________

mestrado bioestatistica - portugal - mbb_guia_de_curso

Documents