Você está aqui: Início » Mestrado em Informática

Mestrado em Informática

Ano de criação do curso: 2006
Estrutura curricular ativa em 2023

O curso de Mestrado em Informática da UNIRIO se concentra na área de Sistemas de Informação, uma das subáreas da Ciência da Computação (conforme tabela CAPES). A pesquisa em Sistemas de Informação envolve questões associadas à aplicação da Computação, sobretudo no que se refere aos aspectos de conceituação, construção e aplicação efetiva dos sistemas computacionais denominados Sistemas de Informação.

Objetivos:

O Curso de Mestrado em Informática da UNIRIO tem como objetivos:

  • Aprofundar os conhecimentos científicos e técnico-profissionais de seus alunos na área de Sistemas de Informação;
  • Formar profissionais com conhecimento técnico e organizacional para a modelagem, o desenvolvimento, a seleção, a implantação e a gestão de Sistemas de Informação em empresas;
  • Possibilitar aos seus alunos o desenvolvimento de habilidades para a pesquisa e para a docência no ensino superior na área de Sistemas de Informação;
  • Contribuir para o aprimoramento constante da comunidade acadêmica da UNIRIO, estimulando a articulação entre ensino, pesquisa e extensão; e
  • Desenvolver pesquisas de ponta na área de Sistemas de Informação que possam contribuir para o desenvolvimento social e econômico da região em que a UNIRIO se insere.

Neste sentido, alinhados aos Referenciais de Formação para os Cursos de Pós-Graduação Stricto Sensu em Computação de 2019, podemos indicar que os cursos de Mestrado e Doutorado em Informática da UNIRIO tem por objetivo: “Proporcionar a formação de profissionais na área de Computação, com conhecimento científico e visão acadêmica e cultural amplos e aprofundados, atuando no desenvolvimento da capacidade de pesquisa científica, na transferência de conhecimento para a sociedade, na solução de problemas em organizações públicas ou privadas, na geração e aplicação de processos de inovação e nas demandas e melhorias da qualidade do ensino, contribuindo para a agregação de qualidade, competitividade, produtividade e bem-estar de instituições e da sociedade.”

Perfil do Egresso:

O profissional formado pelo curso de Mestrado em Informática do PPGI-UNIRIO deverá estar capacitado a analisar as diversas tecnologias disponíveis para processamento de informação sob múltiplos aspectos, com o intuito de selecionar, aplicar, integrar, desenvolver, aprimorar e gerir as mais recentes e adequadas tecnologias para os setores da sociedade que demandem mecanismos de processamento de informação. Os profissionais também estarão habilitados a discutir as deficiências das tecnologias atuais, sendo capazes de promover o desenvolvimento de novas tecnologias, seja pela inovação, pela combinação de tecnologias existentes ou pela analogia com outras áreas do conhecimento.

Mais especificamente, o egresso do curso de Mestrado em Informática da UNIRIO deve ter o seguinte perfil:

  • observador, reflexivo e crítico a respeito dos contextos sociais e organizacionais contemporâneos;
  • meticuloso e crítico no levantamento e análise do conhecimento que configura o estado da arte e/ou da prática nacional e internacional em Sistemas de Informação;
  • atualizado e objetivo na identificação e descrição de problemas para pesquisa na área de Sistemas de Informação, bem como na justificativa de sua relevância;
  • versado nas teorias científicas relevantes para um domínio de conhecimento na área de Sistemas de Informação e em outras áreas;
  • criativo na proposição de soluções tecnicamente fundamentadas para questões e problemas de pesquisa na área de Sistemas de Informação;
  • consistente na escolha, combinação e aplicação de métodos adequados às questões de pesquisa;
  • proativo na disseminação oral e escrita de resultados acadêmico-científicos e tecnológicos à comunidade científica e à sociedade;
  • ativo na gestão de atividades de pesquisa individuais e em grupo, em consonância com metas planejadas;
  • motivado para o exercício da docência em Sistemas de Informação;
  • motivado para as possibilidades de transferência do conhecimento técnico-científico e na aplicação prática dos artefatos resultantes de atividades de pesquisa;
  • resiliente, persistente e determinado frente os desafios de formação e atuação em pesquisa científica e/ou inovação;
  • atento aos aspectos éticos e legais relativos ao exercício de atividades de pesquisa e inovação.

Número de créditos: 30

Disciplinas Obrigatórias

As disciplinas obrigatórias compreendem conteúdo imprescindível para a formação dos alunos de Mestrado em Informática na UNIRIO. Assim, têm natureza obrigatória as disciplinas de núcleo comum de todas as linhas de pesquisa.

Segundo o Documento de Área de Ciência da Computação (2019), “para cursos na modalidade acadêmica: Com o objetivo de garantir aos egressos uma base sólida de formação em Computação, os cursos acadêmicos devem ainda incluir um conjunto de disciplinas obrigatórias nos grupos de áreas: (i) Teoria da Computação, Análise de Algoritmos e Complexidade da Computação; (ii) Metodologia e Técnicas de Computação; e (iii) Sistemas de Computação. O aluno deve cursar uma disciplina obrigatória do grupo (i), e escolher mais uma disciplina obrigatória em qualquer dos grupos (i), (ii) ou (iii). A escolha das disciplinas obrigatórias deve estar alinhada com os objetivos do curso e com o perfil do egresso.”

Assim, para o curso de Mestrado em Informática da UNIRIO, definimos como disciplinas obrigatórias:

  • Análise e Projeto de Algoritmos
  • Fundamentos de Sistemas de Informação

Estas disciplinas representam o grupo (i) e (ii), respectivamente.

Adicionalmente, definimos como obrigatória a disciplina Metodologia da Pesquisa, que visa instrumentalizar o aluno nos métodos científicos à sua disposição para elaboração de suas pesquisas.

Vale destacar, ainda, que Qualificação ao Mestrado é uma etapa obrigatória ao aluno de Mestrado, embora não seja uma disciplina. A Qualificação visa promover a defesa do andamento da Dissertação de Mestrado para possíveis ajustes de caminho antes da defesa final.

Objetivos:

  • Apresentar técnicas que permitam analisar e avaliar a eficiência computacional de algoritmos e comparar diferentes algoritmos que possam ser utilizados para a solução de um mesmo problema.
  • Estudar princípios e técnicas fundamentais para o projeto de algoritmos corretos e eficientes.
  • Estudar a complexidade intrínseca de problemas e seu impacto sobre o desenvolvimento e a eficiência de algoritmos para sua solução.
  • Introduzir as principais ideias algorítmicas através da apresentação de problemas do mundo real.

Ementa:

Alguns Problemas Algorítmicos Representativos. Complexidade e Análise de Algoritmos. Princípios Fundamentais de Projetos de Algoritmos. Algoritmos em Grafos. Algoritmos Gulosos. Divisão e Conquista. Programação Dinâmica. Teoria da complexidade. Redução Polinomial. Classes P e NP. Problemas NP-difíceis e NP-completos.

N.º de Créditos: 4

Bibliografia:

Básica:

  • J. Kleinberg e E. Tardos, Algorithm Design, Addison Wesley, New York, 2005.
  • S. Dasgupta, C. Papadimitriou, e U. Vazirani, Algorithms, McGraw Hill, New York, 2008.
  • H. Cormen, C.E. Leiserson, R.L. Rivest e C. Stein, Introduction to Algorithms, 3rd edition, The MIT Press, Boston, 2009.
  • Sedgewick, Robert; Wayne, Kevin. Algorithms. 4ª ed. Addison-Wesley Professional, 2011.
  • Manber, Algorithms: A Creative Approach, Addison-Wesley, 1989.
  • Garey e D. S. Johnson, Computers and Intractability: A Guide to the Theory of NP-Completeness W.H.Freeman and Company, 1979.

Complementar:

  • CAMPELLO, R.E. e MACULAN, N. Algoritmos e Heurísticas, Editora da Universidade Federal Fluminense, Niterói, 1994.
  • K. Ahuja, T.L. Magnanti e J.B.Orlin, Network Flows, Prentice Hall, 1993.
  • A. Weiss, Data Structures and Algorithm Analysis, Benjamin Cummings, 1992, Redwood City.
  • W. Celes, R. Cerqueira, and J.L. Rangel. Introdução a estruturas de dados: com técnicas de programação em C. Elsevier, 2 ed., 2016.

Objetivos:

Promover a fundamentação da área de Sistemas de Informação, partindo do pensamento e visão sistêmicos, visões teóricas sobre o conceito de sistemas, e do pensamento complexo. Discutir os desafios de pesquisa e prática em Sistemas de Informação, do ponto de vista de tecnologias fundamentais, da comunidade de pesquisa em SI no Brasil do ponto de vista da Sociedade Brasileira de Computação e da Administração.

Ementa:

Conceitos de Sistemas, Sistemas de Informação, Tecnologia, e Tecnologia de Informação. Visão geral de Sistemas de Informação e seus tipos. Desafios da Pesquisa e Prática em SI. Pensamento e Visão Sistêmicos. Teoria Geral de Sistemas. (Re-)Pensando em Sistemas de Informação baseados em Computador. Teorias e Paradigmas de Pesquisa em SI.

N.º de Créditos: 4

Bibliografia:

Básica

  • LAUDON, Kenneth C.; LAUDON, Jane P. Management information systems: Managing the digital firm, 16th ed. Pearson Education, 2020.
  • PINTO, Álvaro Vieira. O conceito de tecnologia, vol. 1. Rio de Janeiro: Contraponto, 2013.
  • CASTELLS, Manuel. A Sociedade em Rede, vol. 1, 20ª ed. São Paulo: Paz&Terra, 2019.
  • BOSCARIOLI, Clodis; ARAUJO, Renata M.; MACIEL, Rita Suzana P. (Org.). I GranDSI-Br: Grand Research Challenges in Information Systems in Brazil, 2016 – 2026. Porto Alegre: SBC, 2017. http://www2.sbc.org.br/ce-si/arquivos/GranDSI-BR_Ebook-Final.pdf
  • BERTALANFFY, Ludwig von. Teoria Geral dos Sistemas: Fundamentos, desenvolvimento e aplicações, 2a edição revista. Petrópolis, 2008.
  • CAPRA, Fritjof; LUISI, Pier Luigi. A Visão Sistêmica da Vida: Uma concepção unificada e suas implicações filosóficas, políticas, sociais e econômicas, 3ª reimpressão. São Paulo: Cultrix, 2019.
  • MEADOWS, Donella H. Thinking in Systems: A Primer. Oxon: Earthscan, 2008.
  • LARSEN, K. R.; EARGLE D. (Eds.) (2015). Theories Used in IS. Research Wiki. http://IS.TheorizeIt.org

Complementar

  • Edições dos periódicos de Sistemas de Informação nacionais e internacionais: BISE – MISQ – MISQe – ISJ – JAIS – KIS – IS – IPM – iSys – RESI
  • Anais das conferências de Sistemas de Informação nacionais e internacionais: AMCIS – ICIS – ECIS – HICSS – PACIS – CAiSE – ICEIS – SBSI – CONTECSI – ANPAD
  • Banco de dissertações do PPGI-UNIRIO
  • Biblioteca Digital Brasileira de Computação (BDBComp)
  • Scientific Periodicals Electronic Library – ANPAD
  • Ward, J, Peppard, J. (Eds.) Strategic Planning for Information Systems, 3rd ed., Wiley, 2002
  • King, J.L., Lyytinen, K. (Eds.) Information Systems – The State of the Field, Wiley, 2006
  • Stair, R., Reynolds, G., Princípios de Sistemas de Informação, Thomson, 2006.
  • Andersen, K.V., Vendelø, M.T. (Eds.) The past and future of information systems, Elsevier, 2004
  • Avgerou, C., Mansell, R., Quah, D., & Silverstone, R., The Oxford Handbook of Information and Communication Technologies, Oxford University Press, 2009.
  • CAPRA, Fritjof; LUISI, Pier Luigi. A visão sistêmica da vida: uma concepção unificada e suas implicações filosóficas, políticas, sociais e econômicas. 2014.
  • Cidral, A., Ralha, C., Cáceres, E., Santoro, F., Audy, J., Barros, M., Furtado, O. e Araujo, R. (2009) “Sistemas de Informação no Brasil – Desafios e Oportunidades”. http://sbc.org.br/ce-si/documentosImportantes.html.
  • Araujo, R., Ralha, C., Graeml, A. e Cidral, A. (2015) “Comunidade de Pesquisa em Sistemas de Informação no Brasil na perspectiva do Simpósio Brasileiro de Sistemas de Informação”. Revista Brasileira de Sistemas de Informação (iSys), v. 8, n 1, p. 5-17.
  • Orlikowski, W. J, e Iacono, C. S. (2001) “Desperately Seeking the “IT” in IT Research—A Call to Theorizing the IT Artifact”. Information Systems Research, v 12, n 2, p. 121–134.
  • Orlikowski, W. J. e Scott, S. V. (2008) Sociomateriality: challenging the separation of technology, work and organization. The Academy of Management Annals, v. 2 n. 1, pp. 433-474
  • Grover, V. e Lyytinen, K. (2015) “New State of Play in Information Systems Research: The Push to the Edges”, MIS Quarterly, v. 39 n. 2, pp. 271-296.
  • Palvia, P., YK, C. P., Kakhki, M. D., Ghoshal, T., Uppala, V., & Wang, W. (2017). A decade plus long introspection of research published in Information & Management. Information & Management, 54(2), 218-227.

Objetivos:

Compreender e identificar as pesquisas filiadas às diferentes tradições filosóficas. Conhecer diferentes métodos de pesquisa. Conhecer métodos quantitativos. Conhecer métodos qualitativos. Elaborar uma revisão sistemática. Elaborar questão de pesquisa. Elaborar um projeto de pesquisa. Dinâmica de produção e comunicação científica.

Ementa:

Ciência e Epistemologia. Metodologia de Pesquisa. Teorização. Paradigmas de Pesquisa. Métodos de Pesquisa. Comunicação Científica. Ética de Pesquisa.

N.º de Créditos: 4

Bibliografia:

Básica:

  • Recker, Jan. Scientific research in information systems: a beginner’s guide. Springer Science & Business Media, 2013.
  • Artigos diversos selecionados.

Complementar:

  • Creswell, John W. Projeto de pesquisa métodos qualitativo, quantitativo e misto. 3a Ed. Penso Editora, 2010.
  • Wazlawick, Raul. Metodologia de pesquisa para ciência da computação. Vol. 2. Elsevier Brasil, 2017.
  • Sampieri, Roberto H., et al. Metodologia de Pesquisa. Penso Editora, 2017.
  • Gray, David E. Pesquisa no Mundo Real. Penso Editora, 2011.
  • Creswell, John W. Investigação Qualitativa e Projeto de Pesquisa: Escolhendo entre Cinco Abordagens. Penso Editora, 2014.
  • Nakagawa, Elisa Yumi, et al. Revisão Sistemática da Literatura em Engenharia de Software: Teoria e Prática. Elsevier Brasil, 2017.
  • Wohlin, Claes, et al. Experimentation in software engineering. Springer Science & Business Media, 2012.
  • Yin, Robert K. Estudo de Caso: Planejamento e Métodos. Bookman editora, 2015.
  • Bardin, Laurence. Análise de Conteúdo. Almedina Editora, 2011.
  • Simon, Herbert A. As Ciências do Artificial. Almedina Editora, 1981.
  • Hevner, Alan, and Samir Chatterjee. Design Research in information systems: Theory and Practice. Springer, 2010.
  • Wieringa, Roel J. Design Science Methodology for Information Systems and Software Engineering. Springer, 2014.
  • Pyrczak, Fred, and Oh, Deborah M. Making Sense of Statistics: A Conceptual Overview. 7th ed. Routledge, 2018.

Disciplinas Optativas de Núcleo Básico

Além de “Análise e Projeto de Algoritmos” e “Fundamentos de Sistemas de Informação”, entendemos a importância de ofertar um conjunto adicional de disciplinas para promover uma base sólida de formação em Computação aos alunos. Assim, têm natureza optativa de núcleo básico as disciplinas que apresentam conteúdo básico e fundamental da área de Computação.

Objetivos:

Capacitar o estudante a compreender e aplicar teorias, técnicas e métodos para o tratamento e análise de dados e a construção de modelos estatísticos, colocando-os em prática no desenvolvimento de estudos de caso.

Ementa:

Introdução à análise de dados. Revisão de Probabilidade. Princípios de Amostragem. Análise Exploratória de Dados. Conceitos básicos de Estatística. Modelos estatísticos. Estimação. O problema do aprendizado estatístico. Aprendizado supervisionado. Modelos lineares para regressão. Modelos lineares para classificação. Seleção de modelos. Teoria da generalização. Seleção de variáveis. Redução de dimensionalidade. Data sequenciais e processos estocásticos. Exemplos de aplicações.

N.º de Créditos: 4

Bibliografia:

Básica:

  • Bishop, C. M. Pattern Recognition and Machine Learning, Springer, 2006.
  • Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2011.
  • Duda, R. O. , Hart, P. E., Stork, D. G. Pattern classification, John Wiley & Sons, 2012.
  • Abu-Mostafa, Y.S., Magdon-Ismail, M., Lin, H. Learning from Data: A Short Course, AMLBook, 2012.

Complementar:

  • Han, J. , Kamber, M. , Pei, J. Data Mining: Concepts and Techniques (3rd Edition), Morgan Kaufmann Publishers, 2011.
  • Wasserman, L.A. All of Statistics: A Concise Course in Statistical Inference, Springer, 2004.
  • Casella, G., Berger, R.L. Statistical Inference, Duxbury Advanced Series, 2008.
  • DeGroot, M.H., Schervish, M.J. Probability and Statistics, Pearson, 2014.

Objetivos:

Apresentar os principais conceitos e desafios de pesquisa relacionados à definição, execução e avaliação de programas de qualidade de software e iniciativas de melhoria de processos de software em organizações. Iniciar os alunos na compreensão e discussão de pesquisas relacionadas à qualidade de software e à engenharia de software experimental.

Ementa:

Introdução à Engenharia de Software. Qualidade de Software. Qualidade de Processo de Software. Qualidade de Produto de Software. Melhoria de Processos de Software. Métodos Ágeis. Modelos de Qualidade. Modelos de Processos. Medição de Software.  Engenharia de Software Experimental.

N.º de créditos: 4

Bibliografia:

Básica:

  • Shull, Forrest; Singer, Janice; Sjøberg, Dag I. K. Guide to Advanced Empirical Software Engineering, Springer, 1st Edition.
  • SOFTEX (Associação para Promoção da Excelência do Software Brasileiro). MPS.BR – Guias dos MR-MPS (vários volumes). Disponível em: softex.br/mpsbr.
  • Artigos selecionados sobre os temas apresentados.

Complementar:

  • Wohlin, C., Runeson, P., Höst, M., Ohlsson, M.C., Regnell, B., Wesslén, A. Experimentation in Software Engineering, Springer, 2012.
  • Pressman, Roger S. e Maxim, Bruce R. Engenharia de software: uma abordagem profissional. AMGH Editora Ltda., 8a. edição, 2016.
  • CMMI Institute. CMMI Development v2.0, 2018.
  • Boria, Jorge Luis, Rubinstein, Viviana, Rubinstein, Andrés. A história da Tahini-Tahini – Melhoria de Processos de Software com Métodos Ágeis e Modelo MPS. Ministério da Ciência, Tecnologia e Inovação / Secretaria de Política de Informática, 2013.
  • Barbara Ann Kitchenham,‎ David Budgen,‎ Pearl Brereton. Evidence-Based Software Engineering and Systematic Reviews. Chapman and Hall/CRC, 2015.
  • Prikladnicki, Rafael; Willi, Renato; Milani, Fabiano (organizadores). Métodos Ágeis para Desenvolvimento de Software. Editora Bookman, Porto Alegre, 1ª edição.
  • Meyer, Bertrand. Agile! The Good, the Hype and the Ugly. Springer, 1ª edição, 2014. ISBN: 978-3-319-05155-0; DOI: 10.1007/978-3-319-05155-0.

Objetivos:

Apresentar uma visão geral dos conceitos, modelos e métodos da área de Inteligência Artificial capacitando o aluno no desenvolvimento de aplicações práticas.

Ementa:

Introdução à Inteligência Artificial. Representação de Conhecimento. Inferência. Busca. Processos de Decisão. Redes Bayesianas. Aprendizado de Máquina.

N.º de créditos: 4

Bibliografia:

Básica:

  • Russell and Norvig. Inteligência Artificial. EDITORA CAMPUS, 2013.

Complementar:

  • Sutton and Barto. Reinforcement Learning: An Introduction. Disponível online.
  • Hastie, Tibshirani, and Friedman. The elements of statistical learning. Disponível online.
  • Tsang. Foundations of constraint satisfaction. Disponível online.

Objetivos:

O objetivo da disciplina é fornecer os fundamentos e teorias básicas da interação Humano Computador de modo a capacitar o aluno a avaliar interfaces de sistemas (convencionais e interfaces web) a fim de identificar os principais problemas de usabilidade e acessibilidade das mesmas e propor melhorias.

Ementa:

Conceitos Básicos (usabilidade, acessibilidade/inclusão social e comunicabilidade – engenharia semiótica) . Abordagens Teóricas em IHC. Sistemas centrados no usuário. Avaliação de interfaces (inspeção e observação de usuários) . Identificação de Necessidades dos Usuários e Requisitos de IHC. Tópicos relacionados a aspectos humanos de sistemas.

N.º de créditos: 4

Bibliografia:

Básica:

  • e-usabilidade: Simone Bacellar leal Ferreira e Ricardo Rodrigues Nunes – Editora LTC.
  • Design de Interação: Yvonne Rogers, Helen Sharp, Jennifer Preece – Editora Bookman
  • Interação Humano-Computador: Simone Diniz Junqueira e Bruno Santana – Campus-Elsevier

Complementar:

Objetivos:

Capacitar o aluno a definir a sintaxe, semântica e sistemas dedutivos para as lógicas proposicionais, dos predicados e de descrição; elaborar programas Prolog; apresentar aplicabilidades de formalismos lógicos para sistemas de informação.

Ementa:

Lógica Proposicional. Lógica dos Predicados. Programação em Lógica e Prolog. Lógica Descritiva. Noções de outros formalismos lógicos e suas aplicações para Sistemas de Informação.

N.º de créditos: 4

Bibliografia:

Básica:

  • Brachman, R.J.; Levesque, H.J. Knowledge Representation and Reasoning, Morgan Kaufmann, 2004.
  • da Silva, F.S.C., Finger, M., de Melo, A.C.V.. Lógica para a Computação, Thompson Pioneira, 2006.
  • Baader, F.; Calvanese, D.; Mcguinness, D.; Nardi, D.; Patel-Schneider, P. F. The Description Logic Handbook: Theory, Implementation and Applications. Cambridge University Press, 2010.
  • Clocksin, W. F. ; Mellish, C. S. Programming in Prolog. Springer Verlag, quarta edição, dezembro de 1994. ISBN: 3540583505.

Complementar:

  • Programação em Lógica e a Linguagem Prolog, FURTADO, A.L., GIORNO, F.A.C., CASANOVA, M.A. (1987)

Objetivos:

A modelagem matemática de sistemas de computação/comunicação é uma das tarefas mais importantes no processo de análise e desenvolvimento de novas tecnologias. Entender como modelar matematicamente um sistema e como analisar as medidas obtidas a partir dos modelos matemáticos é essencial para a formação do profissional da área de Sistemas de Informação. Esta disciplina fornecerá ao aluno a base necessária para o uso de ferramentas de modelagem e análise matemática e a sua aplicação na escolha de uma tecnologia.

Ementa:

Probabilidade e estatística. Variáveis aleatórias. Medidas de interesse. Intervalo de confiança. Simulação. Teoria de filas.

N.º de créditos: 4

Bibliografia:

  • Ross, A First Course in Probability. Pearson – Prentice Hall, 2006.
  • Allen, Probability, Statistics, and Queueing Theory with Computer Science Applications. Academic Press, 1990.
  • Jean-Yves Le Boudec, Performance Evaluation Of Computer and Communication Systems, EPFL Press, 2010
  • J. Kurose and K. Ross, Redes de Computadores e a Internet – Uma Abordagem Top-Down. Pearson – Prentice Hall, 5a Edição, 2011.

Objetivos:

Esta disciplina tem por objetivo permitir que o aluno aplique de forma prática os conceitos relacionados com técnicas de modelagem de sistemas de computação/comunicação e de avaliação de desempenho.  O foco desta disciplina é a reprodução de experimentos publicados em diversos artigos científicos para que o aluno faça uma avaliação crítica da abordagem adotada e dos resultados obtidos nos trabalhos selecionados.

Ementa:

Parâmetros usados na modelagem de sistemas; Ferramentas de modelagem e de simulação; Avaliação de desempenho dos modelos; Estudo de casos.

N.º de créditos: 4

Bibliografia:

  • Ross, A First Course in Probability. Pearson – Prentice Hall, 2006.
  • Allen, Probability, Statistics, and Queueing Theory with Computer Science Applications. Academic Press, 1990.
  • Jean-Yves Le Boudec, Performance Evaluation Of Computer and Communication Systems, EPFL Press, 2010
  • J. Kurose and K. Ross, Redes de Computadores e a Internet – Uma Abordagem Top-Down. Pearson – Prentice Hall, 5a Edição, 2011.

 Optativas Temáticas

De modo a promover uma visão menos generalista e possibilitar explorar temáticas específicas relacionadas a estes aspectos que acompanham as tendências e necessidades de solução aos problemas atualmente pesquisados em Sistemas de Informação, temos as disciplinas Optativas Temáticas.

Estas disciplinas contemplam o que o Documento de Área de Ciência da Computação (2019) sugere: “O curso deve oferecer aos alunos um leque de disciplinas de Computação articuladas com os seus objetivos gerais, com as linhas de pesquisa do curso e com o perfil do egresso, propiciando uma formação abrangente e atualizada”. E também estão de acordo com os referenciais de formação “os programas de pós-graduação concentram linhas de pesquisa específicas, com objetivos de formação em áreas de conhecimento também específicas”.

As disciplinas optativas temáticas relacionadas com a linha de pesquisa Sistemas de Apoio a Negócios são:

Objetivos:

O objetivo da disciplina é fornecer os fundamentos e teorias básicas da Acessibilidade digital e acessibilidade na Web de modo a capacitar o aluno compreender melhor os diversos perfis de usuário de modo a analisar os diversos sistemas (convencionais e interfaces web) a fim de identificar os principais problemas de acessibilidade das mesmas e propor melhorias com o foco na diversidade de públicos.

Ementa:

Conceitos Básicos. Perfis de usuários. Visão. Audição. Analfabetismo funcional. Terceira Idade. Deficiência Física/Motora. Avaliação de Interfaces. Acessibilização. Navegação Acessível. Conteúdo Acessível. Entrada de dados Acessível.

N.º de créditos: 4

Bibliografia:

Básica:

  • Site do NAU – http://nau.uniriotec.br
  • Acessibilidade na Web – Boas práticas para desenvolver sites e aplicações acessíveis – 2020 – Reinaldo Ferraz – Editora: Casa do Código – ISBN:978-65-86110-10-4
  • Web Accessibility: A Foundation for Research (Human-Computer Interaction Series) – Simon Harper e Yeliz Yesilada – Springer – 2008.
  • Web Accessibility: Web Standards and Regulatory Compliance – Thatcher, Jim et al – friends of ED- 2006.
  • Access by Design: A Guide to Universal Usability for Web Designers – Sarah Horton, New Riders Press CMP Books – 2005.
  • Livro com foco em usabilidade: e-Usabilidade – Editora LTC
  • Simone Bacellar Leal Ferreira e Ricardo Nunes Rodrigues -2008
  • Livro WARAU – Websites Atendendo a Requisitos de Acessibilidade e Usabilidade – Vagner Santana, Leonelo Almeida e Maria Cecilia Baranauskas – Editora – Leanpub – 2020. Disponível em: https://leanpub.com/warau

Complementar:

Objetivos:

Apresentar conceitos fundamentais de Web Science como uma ciência interdisciplinar, bem como seu impacto na sociedade. Discutir Cibercultura e suas teorias. Destacar temas de pesquisa relevantes a Cibercultura e Ciência da Web, relacionando com Sistemas de Informação.

Ementa:

Framework Conceitual de Modelos Web; Pensamento Interdisciplinar; Cibercultura e Web na Sociedade; Web 2.0 e Software Social; Cibercultura, Tecnologia e vida social na cultura contemporânea; Tecnologias da Informação e a Web como Ciência; Governança na Internet (incluindo Privacidade e Confiabilidade na Web); Teorias da Cibercultura.

N.º de créditos: 4

Bibliografia:

Básica:

  • BERNERS-LEE, Tim, Wendy HALL, and James A. HENDLER. A framework for web science. Now Publishers Inc, 2006.
  • PIERRE LEVY. Cibercultura. Editora 34, 2010.

Complementar:

  • SHADBOLT, Nigel; BERNERS-LEE, Tim. Web science emerges. Scientific American, v. 299, n. 4, p. 76-81, 2008.
  • HENDLER, James et al. Web science: an interdisciplinary approach to understanding the web. Communications of the ACM, v. 51, n. 7, p. 60-69, 2008.
  • HALL, Wendy; HENDLER, Jim; STAAB, Steffen. A manifesto for web science@ 10. arXiv preprint arXiv:1702.08291, 2017.
  • HENDLER, James; HALL, Wendy; CONTRACTOR, Noshir. Web Science: Now More Than Ever. Computer, v. 51, n. 6, p. 12-17, 2018.
  • COSKUN, E.; WHITE, S. Web science: a curriculum overview.
  • Artigos de eventos, como ABCIBER – Simpósio Nacional da ABCiber, ACM Web Science Conference, Hypertext, WWW
  • Artigos de revistas como Revista Docência e Cibercultura (Redoc), e The Journal of Web Science.

Objetivos:

A final da disciplina, o(a) estudante deverá ser capaz de: projetar uma pesquisa em Comunicação Mediada por Computador (CMC) e argumentar a validade científica de seu projeto de pesquisa com base nas teorias sobre CMC.

Ementa:

Aspectos técnicos (sistemas e serviços computacionais), linguísticos (gêneros textuais e modificações da linguagem), culturais (novas práticas) e sociais (estabelecimento e ressignificação das relações sociais) sobre Comunicação Mediada por (CMC). Para capacitar o(a) aluno(a) a projetar uma pesquisa em Comunicação Mediada por Computador (CMC) e argumentar a validade científica de seu projeto de pesquisa, nesta disciplina são trabalhados os seguintes conteúdos: História da Comunicação Mediada por Computador (CMC); Aspectos técnicos da CMC (sistemas e serviços computacionais); Aspectos linguísticos da CMC (incluindo os novos gêneros e linguagens); Aspectos Sociais e Culturais da CMC; Exemplos de pesquisas realizadas em CMC.

N.º de créditos: 4

Bibliografia:

Básica:

  • MARTINO, Luis Mauro Sá. “Teoria das Mídias Sociais.” Rio de Janeiro: Editora Vozes Ltda, 2014.
  • Santaella, Lucia. Comunicação ubíqua: repercussões na cultura e na educação. Pia Sociedade de São Paulo-Editora Paulus, 2014.

Complementar:

  • RECUERO, R. A Conversação em Rede: Comunicação Mediada por Computador e Redes Sociais da Internet. Porto Alegre: Ed.Sulina, 2012
  • SANTAELLA, L. (2000) Cultura das mídias.
  • Herring, Susan C., ed. Computer-mediated communication: Linguistic, social, and cross-cultural perspectives. Vol. 39. John Benjamins Publishing, 1996.
  • MCLUHAN, M. (1964) Understanding Media: The Extensions of Man. New York: McGraw-Hill.

Objetivos:

Capacitar o aluno a compreender, modelar e analisar sistemas complexos, ensinando técnicas avançadas de engenharia e colocando-as em prática no desenvolvimento de trabalhos.

Ementa:

Introdução à engenharia de sistemas complexos, de larga escala e de longo prazo. Tipos de sistemas complexos. Conceitos básicos. Histórico. Definição e exemplos. Taxonomia e características. Técnicas de modelagem, análise e monitoramento de plataformas de sistemas complexos. Desafios e perspectivas de pesquisa e práticas. Aplicações em casos reais.

N.º de créditos: 4

Bibliografia:

Básica:

  • Software Ecosystems, Sustainability and Human Values in the Social Web. R. P. Santos, C. Maciel, J. Viterbo. Springer, 2020.
  • Software Ecosystems: Analyzing and Managing Business Networks in the Software Industry. Jansen, S. Brinkkemper, M. Cusumano. Edward Elgar Publishing, 2013.
  • Profiling systems using the defining characteristics of systems of D. Firesmith. Technical Note CMU/SEI-2010-TN-001, Software Engineering Institute, 2010.

Complementar:

  • Software Ecosystem: Understanding an Indispensable Technology and Industry. Messerschmitt, C Szyperski. The MIT Press, 2003.
  • Ecossistemas de Software: Um Novo Espaço para a Construção de Redes e Territórios envolvendo Governo, Sociedade e a Web. In: Políticas Públicas: Interações e Urbanidades, pp. 337-366, Letra Capital, 2013.
  • System of Systems Engineering: Innovations for the Twenty-First Century. Jamshidi Wiley, 2008.
  • Global Software Teams: Collaborating Across Borders and Time Zones. Carmel. Prentice-Hall, Upper Saddle River, 1999.
  • Pesquisa e Inovação: Visões e interseções. L. O. V. Chueri, R. M. Araujo. Publit Soluções Editoriais, 2017.
  • The Keystone Advantage: What the New Dynamics of Business Ecosystems Mean for Strategy, Innovation, and Sustainability͟. M. Iansiti, R. Levien, Harvard Business Review Press, 2004.

Objetivos:

Ciclos de vida de desenvolvimento de software incorporam atualmente a modelagem de processos de negócios como uma de suas mais importantes atividades. Esta disciplina tem como objetivo transmitir aos alunos conceitos relacionados à modelagem de processos de negócios e o suporte para a transformação de modelos de negócios em requisitos e modelos de sistemas de informação. É apresentada também a evolução desta questão em direção à Gestão de Processos de Negócio, discutindo métodos, técnicas e ferramentas para este fim.

Ementa:

Organizações e Processos; Conceito de Processo de Negócio; Modelagem de Processos (Modelos, Método e Ferramentas); Gestão de Processos de Negócio; Derivação de Requisitos a partir de Modelos de Processos; Análise de impacto de tecnologias de informação; Arquitetura de Informação; Estratégias de implantação e customização de sistemas; Modelagem e Implementação de Sistemas Workflow; Controle estatístico de processos.

N.º de créditos: 4

Bibliografia:

Básica:

  • Mc Sharp, A.; McDermott, P. Workflow Modeling-Tools for Process Improvement and Application Development. 2nd Edition. Artech House, 2009
  • Dumas, M.; La Rosa, M.; Mendling, J.; Reijers, H. Fundamentals of Business Process Management. Springer, 2012
  • Maranhão, M.; Macieira, M. O Processo Nosso de Cada Dia. Qualitymark, 2010
  • Business Process Modeling Notation, http://www.bpmn.org/

Complementar:

  • Manual de BPM. Gestão de Processos de Negócio – Jan Von Broke – 2013
  • Mapeamento e Gestão por Processos. BPM – Orlando Pavarini Junior – 2011
  • Gestão de Processos. Da Teoria à Prática – João Carlos Furtado – 2012.
  • BPM CBOK – ABPMP International – 2019
  • Real-Life BPMN – Jakob Freund e Bernd Rücker – 2019

Objetivos:

A crescente importância do conhecimento no dia-a-dia das organizações levou as empresas a desenvolverem recursos que facilitem e estimulem a gestão desse insumo. Isso inclui cada vez mais a necessidade de tecnologia e suporte computacional para facilitar a disseminação de experiência e conhecimento nas organizações. Esta disciplina tem como objetivo transmitir aos alunos conceitos relacionados aos processos, técnicas e tecnologia de suporte à gestão de conhecimento e aprendizagem organizacional.

Ementa:

Princípios da gestão e transformação de conhecimento em organizações; Memória organizacional; Ferramentas para Gestão de Conhecimento; Paradigma de captura, representação, armazenamento e recuperação de conhecimento; Contexto em Gestão de Conhecimento; Compartilhamento de conhecimento; Aprendizado organizacional; Comunidades de prática; E-learning; Treinamento baseado nos processos de trabalho (Work-based Training).

N.º de créditos: 4

Bibliografia:

Básica:

  • Davenport, T. H.; Prusak, L. Conhecimento empresarial. Rio de Janeiro: Campus, 1998.
  • Nonaka, I.; Takeuchi, H. Criação de conhecimento na empresa. Rio de Janeiro: Campus, 1997.
  • Terra, J. C. C. Gestão do conhecimento. São Paulo: Negócio Editora, 2000.

Complementar:

  • Bergeron, B., Essentials of knowledge management. John Wiley & Sons, 2003.
  • Castells, M. Sociedade em rede. Paz e Terra, 2000.
  • Choo, C. W. A Organização do Conhecimento. SENAC, 2003.
  • Davenport, T. Ecologia da informação. Futura, 1998.
  • Easterby-Smith, M.; Lyles, M. Handbook of Organizational Learning and Knowledge Management. 2nd Edition. Wiley, 2011.
  • E. Knowledge Management: System and Practices. 2018.
  • Hislop, D.; Bosua, R.; Helms, R. Knowledge Management in Organizations: A critical introduction. 4th Edition. Oxford, 2018.
  • Hofstede, G.; Hofstede, G. J.; Minkov, M. Cultures and Organizations: Software of the Mind. McGraw Hill, 2010.
  • Milton, N.; Lambe, P. The Knowledge Manager’s Handbook: A Step-by-Step Guide to Embedding Effective Knowledge Management in your Organization. 2nd Edition. Kogan Page, 2019.

Objetivos:

Construir colaborativamente um entendimento sobre o estado da arte em tecnologias educacionais. Desenvolver um projeto de tecnologia educacional.

Ementa:

Pensamento Crítico e Criativo. Autoria na Educação. Recursos educacionais abertos. Aprendizagem Colaborativa. Design Educacional. Arquiteturas Pedagógicas. Mapas Conceituais e mentais para Educação. Inteligência Artificial na Educação. Sistemas afetivos na Educação. Sistemas Tutores Inteligentes. Busca como um Processo de Aprendizagem. Aplicativos na Educação. Computação Móvel e Ubíqua na Educação. IOT na Educação. TIC e Educação. Sistemas computacionais para Educação Online, Educação a Distância e Ensino Remoto. Ambientes Virtuais de Aprendizagem. Políticas públicas de Informática na Educação.

N.º de créditos: 4

Bibliografia:

Básica:

  • SANTOS, Edméa O.; PIMENTEL, Mariano; SAMPAIO, Fábio F. (Org.). Informática na Educação. Porto Alegre: Sociedade Brasileira de Computação, 2019. (Série de livros-texto da CEIE-SBC) Disponível em: https://ieducacao.ceie-br.org/

Complementar:

  • Artigos diversos.

Objetivos:

Apresentar conceitos e fundamentos sobre jogos e gamificação, seus elementos artísticos, culturais e sociais, bem como sua utilização e seus elementos empregados a contextos organizacionais, educacionais e como eles se relacionam com Sistemas de Informação. Além de permitir aos alunos ingressarem em pesquisas na área de jogos.

Ementa:

Fundamentos sobre a pesquisa na área de jogos. Discussão e definição sobre jogos. Jogos, cultura e sociedade. Ates e sons em jogos.  Jogos e suas características de contar histórias. Análise e caracterização de jogos. Jogos como sistemas de informação. Discussão sobre jogos com propósito e gamificação. Ludificação de cenários, com discussões sobre a aplicação de jogos e seus elementos em diferentes contextos.

N.º de créditos: 4

Bibliografia:

Básica:

  • ROGERS, S. Level Up! The guide to great video game design. John Wiley & Sons, 2014.
  • SALEN, K.; ZIMMERMAN, E. Rules of play: Game design fundamentals. MIT press, 2004.
  • SCHELL, J. The Art of Game Design: A book of lenses. AK Peters/CRC Press, 2014.
  • MICHAEL, D.R.; CHEN, S.L. Serious games: Games that educate, train, and inform. Muska & Lipman/Premier-Trade, 2005.
  • KOSTER, R. Theory of fun for game design. O’Reilly Media, Inc, 2013.
  • BUSARELLO, Raul Inácio. Gamification: princípios e estratégias. Pimenta Cultural, 2016.

Complementar:

  • CLASSE, T.M.; ARAUJO, R.M.; XEXÉO, G.B.; SIQUEIRA, S.W.M. PYP–Play Your Process: Um Método de Design de Jogos Digitais Baseados em Processos de Negócio. In RelaTe-DIA v.11(1), (2018).
  • HAMARI, Juho, JONNA Koivisto, and HARRI Sarsa. “Does gamification work?–a literature review of empirical studies on gamification.” 2014 47th Hawaii international conference on system sciences. Ieee, 2014.
  • MOORE, M. Basics of game design. AK Peters/CRC Press, 2016. Assinatura do professor
  • Anais da International Journal of Serious Games.
  • Anais do Journal of Games and Culture.
  • Anais do Simpósio Brasileiro de Jogos e Entretenimento Digital (SBGames)

Objetivos:

Apresentar os principais conceitos relacionados à Medição de Software e Serviços de TI e os métodos mais utilizados para a definição de um plano de medição. Discutir como a medição pode auxiliar na compreensão do comportamento dos processos, na gerência e monitoração dos projetos de software e na melhoria contínua dos processos de software e de serviços de TI na organização.

Ementa:

Medição de Software. Medição de Serviços de TI. Métodos GQM, GQM+Strategies. Norma internacional ISO/IEC 15939. Medição na gerência de projetos de software e serviços de TI. Medição na melhoria de processos. Introdução ao Controle Estatístico de Processos de Software. Alta Maturidade no Desenvolvimento de Software. Gerência Estatística e Quantitativa. Aplicações em casos reais.

N.º de créditos: 4

Bibliografia:

Básica:

  • ISO/IEC, ISO/IEC 15939 – Software Engineering – Software Measurement Process. Geneva, Switzerland: International Organization for Standardization and the International Electrotechnical Commission, 2007.
  • BASILI, V., TRENDOWICZ, A., KOWALCZYK, M., HEIDRICH, J., SEAMAN, C., MÜNCH, J., ROMBACH D., 2005, “Aligning Organizations Through Measurement – The GQM+Strategies Approach” Springer
  • Florac, W.A., Carleton,A.D. Measuring the Software Process, Addison Wesley, 1999.

Complementar:

  • Fenton, N.E., Pfleeger, S.L. Software Metrics: a rigorous and practical approach, PWS Publishing Company, 2ª. Edição, 1997.
  • Putnam,L.H., Myers,W. Five Core Metrics, Dorset House Publishing, 2003.
  • McGarry et al., Practical Software Measurement, Addison-Wesley, 2002.
  • Solingen, Rini van, Bergout, E. The Goal/Question/Metric Method, Mc Graw Hill, 1999.
  • Wheeler, D. J. Understanding variation: The key to managing chaos. SPC Press Inc., 2nd Edition.
  • SOFTEX, Guias de Implementação do MPS.BR, disponíveis em: http://www.softex.br/mpsbr.
  • CMMI Institute. CMMI Development v2.0, 2018.
  • Artigos selecionados sobre os temas apresentados.

Objetivos:

Apresentar uma visão geral dos conceitos, modelos e métodos da área de Sistemas Colaborativos capacitando o aluno no desenvolvimento de aplicações práticas.

Ementa:

Sistemas Colaborativos. Teorias e modelos de colaboração. Redes Sociais. Sistemas de Comunicação. Ambientes Virtuais de Colaborativos. Desenvolvimento Colaborativo de Software. Aprendizagem Colaborativa com Suporte Computacional. Colaboração em processos de negócio. Gestão do conhecimento e memória de grupo. Sistemas de recomendação. Inteligência artificial para sistemas colaborativos. Interação em sistemas colaborativos. Mobilidade e ubiquidade. Desenvolvimento de sistemas colaborativos.

N.º de créditos: 4

Bibliografia:

Básica:

  • PIMENTEL, M., FUKS, H. (Org.), 2011, Sistemas Colaborativos. Rio de Janeiro: Elsevier.
  • AUDY, J., PRIKLADNICKI, R., 2008, Desenvolvimento Distribuído de Software, Rio de Janeiro: Elsevier.

Complementar:

  • COLEMAN, D., 1997, Groupware: Collaborative Strategies for Corporate LANs and Intranets, Prentice Hall.
  • CHAFFEY, D., 1998, Groupware, workflow and intranets: reengineering the enterprise with collaborative software. Digital Press.
  • KHOSHAFIAN, S., BUCKIEWICSZ, M., 1995, Introduction to Groupware, Workflow, and Workgroup Computing, John Wiley & Sons, Inc.
  • CRUZ, T., Uso e Desuso de Sistemas de Workflow: Porque as organizações não conseguem obter retorno com investimentos em projetos de Workflow. 1. Ed., E-Papers Serviços Editorias Ltda., 2006.
  • MISTRÍK, I., GRUNDY, J., HOEK, A., WHITEHEAD, J. (Editors), 2010, Collaborative Software Engineering, Springer, 409p.

Por outro lado, as disciplinas optativas temáticas relacionadas com a linha de pesquisa Sistemas Inteligentes Aplicados e Otimização são:

Objetivos:

A disciplina tem como objetivo aprofundar o estudo de conceitos e abordagens para a análise de redes complexas e sociais.

Ementa:

Teoria dos grafos: definições básicas; caminhos e conectividade; distância e buscas. Interconexões fracas e fortes: clausura triádica; força das interconexões fracas; força das interconexões e a estrutura de redes de larga escala; clausura, buracos estruturais e capital social. Fenômeno mundo-pequeno: seis graus de separação; estruturas e aleatoriedade; busca decentralizada; modelagem do processo de busca decentralizada; análise empírica e modelos generalizados; estrutura centro-periferia e a dificuldade da busca descentralizada.

N.º de créditos: 4

Bibliografia:

  • Easley & J. Kleinberg, Networks, Crowds, andMarkets, Cambridge U. Press, N. York, 2010.
  • Wasserman, S.; Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge, Massachusetts: Cambridge University Press.

Objetivos:

Complementar a Disciplina de Inteligência Artificial e aplicar técnicas inteligentes em diferentes domínios. A ênfase do curso será na aplicação de diferentes técnicas e ferramentas inteligente para extração de conhecimento.

Ementa:

Introdução a sistemas inteligentes. Histórico da área. Visão geral. Taxonomia. Aplicações. Tópicos avançados.

N.º de créditos: 4

Bibliografia:

Básica:

  • Haykin, S.: Redes Neurais: Princípios e Prática. 2.ed. Porto Alegre, Bookman, 2001. 2. Nascimento Jr. C.L.: Yoneyama, T.: Inteligência Artificial em Controle e Automação, Edgard Blücher, 2000
  • Liebowitz, Jay, ed. The handbook of applied expert systems. cRc Press, 2019.

Complementar:

  • Rouhiainen, Lasse. Artificial Intelligence: 101 things you must know today about our future. Lasse Rouhiainen, 2018.
  • Hamet, Pavel, and Johanne Tremblay. “Artificial intelligence in medicine.” Metabolism 69 (2017): S36-S40.
  • Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2011.
  • Wilamowski, Bogdan M., and J. David Irwin, eds. Intelligent systems. CRC press, 2018.
  • Shin, Yung C., and Chengying Xu. Intelligent systems: modeling, optimization, and control. CRC press, 2017.

Objetivos:

Permitir ao aluno entender o funcionamento das principais arquiteturas de Aprendizagem Profunda e aprender a identificar situações em que pode aplicar cada uma dessas arquiteturas.

Ementa:

Apresentação das principais arquiteturas de Aprendizagem Profunda (Deep Learning). Redes Neurais Feedforward. Redes Neurais Convolucionais. Redes Recorrentes. Autoencoder. Redes Generativas Adversarias. Aprendizado por Reforço. Aplicações a problemas de diversas áreas.

N.º de créditos: 4

Bibliografia:

Básica:

  • Krohn, Jon; Beyleveld, Grant; Bassens, Aglaé. Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence. Addison-Wesley Professional, 2020.
  • Goodfellow, Ian. Deep Learning. The Mit Press, 2016.
  • Aggarwal, Charu C.. Neural Networks and Deep Learning: A Textbook. Springer, 2018.
  • Briot, Jean-Pierre; Hadjeres, Gaëtan; Pachet, Fraçois-David. Deep Learning for Music Generation. Springer, 2020.
  • Chollet, François. Deep Learning with Python. Manning Publications, 2017.
  • Foster, David. Generative Deep Learning. O′Reilly, 2019.
  • Graesser, Laura; Loon Keng, Wah. Foundations of Deep Reinforcement Learning: Theory and Practice in Python. Addison-Wesley Professional, 2019.

Complementar:

  • LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey. Deep Learning. In: Nature. vol. 521. p. 436–444.
  • Goodfellow, Ian J.; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua. Generative Adversarial Networks. 2014. arXiv: 1406.2661.
  • Kelleher, John D. Deep Learning (The MIT Press Essential Knowledge series). The MIT Press. 2019.
  • Leskovec, Jure; Rajaraman, Anand. Ullman, Jeffrey. Mining of Massive Datasets. 3ª ed. Cambridge University Press, 2020.
  • Skansi, Sandro. Introduction to Deep Learning: From Logical Calculus to Artificial Intelligence (Undergraduate Topics in Computer Science). Springer, 2018.
  • Machine Learning Mistery – Making Developers Awesome at Machine Learning. Disponível em: <https://machinelearningmastery.com/>. 

Objetivos:

Estudar, analisar criticamente e obter resultados experimentais relacionados com o estado-da-arte de tecnologias voltadas para aspectos de gerenciamento, desempenho e/ou segurança.

Ementa:

Virtualização de redes, computação em nuvem, redes definidas por software / OpenFlow, mobilidade, redes de sensores sem fio, redes tolerantes a atrasos e desconexões, arquiteturas P2P, redes de circuitos dinâmicos, redes veiculares, caracterização de comportamento de usuários, caracterização de tráfego.

N.º de créditos: 4

Bibliografia:

  • Mark Crovella and Balachander Krishnamurthy, Internet Measurement: Infrastructure, Traffic and Applications. John Wiley & Sons, 2006.
  • Antonio Nucci and Konstantina Papagiannaki, Design, Measurement and Management of Large-Scale IP Networks: Bridging the Gap Between Theory and Practice. Cambridge University Press, 2009.
  • Tania Tronco (Ed.), New Network Architectures: The Path to the Future Internet (Studies in Computational Intelligence). Springer, 2010

Objetivos:

Permitir que o estudante seja capaz de reconhecer e enquadrar problemas e aplicações de Ciência de Dados de maneira crítica, desenvolver iniciativas de projetos de modelos analytics de baixa complexidade, avaliar de maneira sistemática e consistente propostas de soluções analytics identificando os principais elementos de modelagem, bem como a metodologia experimental.

Ementa:

Conceitos básicos de Ciência de Dados. Projetos e soluções de Ciência de Dados. Metodologias de Ciência de Dados: KDD, CRISP-DM, etc; Modelos analytics: exploratório, descritivo, preditivo, diagnóstico, prescritivo. Níveis de maturidade; Mineração de Dados: Objetivos, Técnicas e Algoritmos; Aprendizado de padrões em dados: supervisionado e não-supervisionado. Aprendizado supervisionado: regressão e classificação. Aprendizado não-supervisionado: clustering e regras de associação; Metodologias experimentais para seleção de modelos e ajuste de parâmetros. Principais métricas de desempenho. Técnicas de análise e interpretação de resultados. Aplicações.

N.º de créditos: 4

Bibliografia:

Objetivos:

O objetivo do curso é capacitar o aluno a resolver, de forma heurística, problemas computacionalmente difíceis (NP-Completo e NP-Difíceis), e de enorme importância prática, por meio da aplicação de técnicas bem-sucedidas na construção de heurísticas eficientes. Outro objetivo do curso é capacitar o aluno a conduzir experimento computacional com o objetivo de avaliar e analisar os resultados obtidos e elaborar relatório técnico sobre o experimento.

Ementa:

Revisão sobre teoria da complexidade. Estudo de alguns problemas clássicos de otimização combinatória NP-Completos ou NP-Difíceis, tais como, por exemplo, satisfatibilidade, caixeiro viajante, agrupamento de módulos de software, recobrimento de conjuntos, empacotamento de objetos, entre outros.  Estudo de métodos heurísticos para problemas de otimização combinatória difíceis, como, por exemplo, métodos construtivos, algoritmos aproximativos, busca local e metaheurísticas. Aplicações. Experimento computacional com heurísticas.

N.º de créditos: 4

Bibliografia:

Básica:

  • HOOS, H. HOLGER; STUTZLE, Thomas. Stochastic Local Search Foundations and Applications, Morgan Kaufmann / Elsevier, 2004.
  • TALBI, El-Ghazali. Metaheuristic: from Design to Implementation, John Wiley & Sons, 2009.
  • REEVES, R. Modern heuristic techniques for combinatorial problems, Blackwell, London, 1993.
  • CAMPELLO, R.E. e MACULAN, N. Algoritmos e Heurísticas, Editora da Universidade Federal Fluminense, Niterói, 1994.
  • DRÉO, J.; PÉTROWSKI, A.; SIARRY, P. e TAILLARD, E. Metaheuristics for Hard Optimization: Methods and Case Studies. Springer, 2006.

Complementar:

  • NOTAS de AULA.
  • GLOVER, F. e LAGUNA, M. Tabu Search, Kluwer Academic Publishers, Boston, 1997.
  • GAREY, M. R. e JOHNSON, D. S. Computers and Intractability: A Guide to the Theory of NP-Completeness, W.H. Freeman and Company, New York, 1979.
  • RESENDE, M.G.C. e RIBEIRO, C.C. Optimization by GRASP: Greedy Randomized Adaptive Search Procedures. Springer, 2016.
  • JOHNSON, D. S. A Theoretician’s Guide to the Experimental Analysis of Algorithms, in Data Structures, Near Neighbor Searches, and Methodology: Fifth and Sixth DIMACS Implementation Challenges, M. H. Goldwasser, D. S. Johnson, and C. C. McGeoch, Editors, American Mathematical Society, Providence, 2002, 215-250.
  • GLOVER, F. e KOCHENBERGER, G. Handbook of Metaheuristics, Kluwer  Academic Publishers, 2003.

Objetivos:

Estudar os principais conceitos em transmissão sem fio e as principais tecnologias para as redes pessoais, redes locais sem fio, redes metropolitanas sem fio e redes de longo alcance sem fio. Além disso, serão estudadas as recentes abordagens de redes móveis sem fio e essas abordagens serão investigadas através de alguns simuladores de redes sem fio.

Ementa:

Introdução a transmissão sem fio e aos seus principais conceitos. Caracterização dos tipos de redes sem fio; Redes pessoais sem fio e a tecnologia Bluetooth; Redes locais sem fio e o padrão IEEE 802.11; Redes metropolitanas sem fio e o padrão IEEE 802.16; Redes de telefonia móvel de segunda e terceira geração: GSM, GPRS, UMTS e CDMA one. Redes ad hoc, redes tolerantes a atraso/interrupções, redes veiculares e redes de sensores. Uso de simuladores para redes sem fio: NS-2, NS-3, Glomosim, OPNET, OMNET++, ONE.

N.º de créditos: 4

Bibliografia:

  • KUROSE, J. Redes de Computadores e a Internet. 5ª Edição. Addison-Wesley, 2010
  • Andrew S. Tanenbaum, Redes de Computadores – Editora Campus, 4ª Edição, 2005
  • Theodore Rappaport, Wireless Communications: Principles and Practice,2nd Edition, 2001
  • Jochen Schiller, Mobile Communications (2nd Edition), 2003

Objetivos:

Investigar tópicos avançados em redes móveis e sem fio usadas por pedestres e veículos em diversos cenários. Estudar o estado-da-arte de questões de pesquisa relacionadas ao projeto e desenvolvimento de protocolos, mecanismos e aplicações veiculares aplicados à diversos cenários, como nos centros urbanos. Levantar o estado-da-arte de tópicos relacionados a caracterização e modelagem da mobilidade urbana. Além disso, investigar tópicos de redes veiculares e/ou mobilidade urbana, bem como a aplicação desses em sistemas inteligentes de transporte.

Ementa:

Introdução às redes veiculares, seus componentes e modos de operação. Arquiteturas, protocolos e padrões de comunicação. Mecanismos e aplicações veiculares. Mobilidade urbana e suas componentes. Caracterização, modelagem e análise dos diferentes aspectos da mobilidade urbana.  Sistemas Inteligentes de Transportes (ITS). Uso das técnicas de KDD e de aprendizado de máquina aplicados às redes veiculares, mobilidade urbana e ITS.

N.º de créditos: 4

Bibliografia:

Objetivos:

Apresentar a representação de conteúdo na web, enfocando principalmente sua semântica, bem como o contexto e tecnologia relacionados a Web Semântica.

Ementa:

Metadados e Busca na Web; Semântica e Contexto; Arquitetura da Web Semântica; Ontologias; Regras; Serviços semânticos; Agentes inteligentes.

N.º de créditos: 4

Bibliografia:

Básica:

  • BERNERS-LEE, Tim; HENDLER, James; LASSILA, Ora. The semantic web. Scientific american, v. 284, n. 5, p. 34-43, 2001.
  • STAAB, Steffen; STUCKENSCHMIDT, Heiner (Ed.). Semantic Web and Peer-to-peer: decentralized management and exchange of knowledge and information. Springer Science & Business Media, 2006.
  • ANTONIOU, Grigoris; VAN HARMELEN, Frank. A semantic web primer. MIT press, 2004.
  • POLLOCK, Jeffrey T. Semantic web for dummies. John Wiley & Sons, 2009.
  • MCGUINNESS, Deborah L. et al. OWL web ontology language overview. W3C recommendation, v. 10, n. 10, p. 2004, 2004.

Complementar:

  • HITZLER, Pascal et al. OWL 2 web ontology language primer. W3C recommendation, v. 27, n. 1, p. 123, 2009.
  • MCILRAITH, Sheila A.; SON, Tran Cao; ZENG, Honglei. Semantic web services. IEEE intelligent systems, v. 16, n. 2, p. 46-53, 2001.
  • SHADBOLT, Nigel; BERNERS-LEE, Tim; HALL, Wendy. The semantic web revisited. IEEE intelligent systems, v. 21, n. 3, p. 96-101, 2006.
  • DUCHARME, Bob. Learning SPARQL: querying and updating with SPARQL 1.1. ” O’Reilly Media, Inc.”, 2013.
  • OWL 2.0: OWL 2 Web Ontology Language Structural Specification and Functional-Style Syntax. https://www.w3.org/TR/owl2-syntax/
  • RDF: Resource Description Framework (RDF). https://www.w3.org/RDF/
  • XML: Extensible Markup Language. https://www.omg.org/technology/readingroom/XML.htm
  • Artigos da The Web Conference e Hypertext

Objetivos:

Capacitar o estudante a compreender e aplicar teorias, técnicas e métodos para o projeto e a construção de sistemas inteligentes.

Ementa:

Introdução a sistemas inteligentes. Histórico da área. Visão geral. Taxonomia. Aplicações. Tópicos avançados.

N.º de créditos: 4

Bibliografia:

Básica:

  • Turban, E., Aronson, J.E., Decision Support Systems and Intelligent Systems, Pearson/Prentice Hall, 2005
  • Schalkoff, R. J., Intelligent Systems: Principles, Paradigms, and Pragmatics, Jones and Bartlett Publishers, 2011.
  • Norvig, P., Russel, S. J., Artificial Intelligence: a modern approach, Prentice Hall, 1994.
  • Ricci, F., Rokach, L., Shapira, B., Kantor, P. B. Recommender Systems Handbook, Springer-Verlag, 2010.

Complementar:

  • Michalski, R.S., Carbonell, J.G., Michell, T., Machine Learning, Springer-Verlag, 1983.
  • Jannach, J., Zanker, M., Felfernig, A., Friedrich, G. Recommender Systems: An Introduction, Cambridge University Press, 2010.
  • Han, M. Kamber, J. Pei, Data Mining: Concepts and Techniques (3rd Edition), Morgan Kaufmann Publishers, 2011.
  • Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2011.

Disciplinas Eletivas de Instrumentalização

Este grupo de disciplinas visa instrumentalizar a formação dos discentes em Pesquisa, Docência e Inovação, este último incluindo o profissional da indústria e o empreendedor e inovador, conforme as competências discutidas nos Referenciais de Formação para Cursos de Pós-Graduação Stricto Sensu em Computação.

Ainda temos algumas disciplinas de Estudos Dirigidos que permitem guiar o discente em seu estudo em um tema específico, na preparação inicial de seu projeto de pesquisa.

Objetivos:

Ao final da disciplina os alunos deverão: ser capazes de escrever textos científicos seguindo uma linha de raciocínio, com boa argumentação e de acordo com as formatações tradicionais; fazer boas apresentações de seus artigos; articular as ideias de forma escrita e oral com coerência e consistência.

Ementa:

Comunicação escrita: redação científica. Características do discurso acadêmico. Argumentação e linha de raciocínio. Aspectos da elaboração e editoração de textos científicos. Grau de formalidade. Vocabulário técnico, formas de citação, organização de referências bibliográficas. Os gêneros resumo, resenha, artigo e monografia. Fundamentos da comunicação para apresentação em público. Estratégias de comunicação oral. Divulgação científica para público geral (uso de meios de comunicação em massa, blogs, podcasts, etc. e comunicação com público não acadêmico).

N.º de créditos: 4

Bibliografia:

Básica:

  • FIORIN, J. L.Argumentação.; São Paulo: Contexto, 2015.
  • SCHUSTER, Ethel; LEVKOWITZ, Haim; OLIVEIRA, Osvaldo N. (Ed.). Writing scientific papers in English successfully: your complete roadmap. com, Incorporated, 2014.
  • ZOBEL, Justin. Writing for computer science. New York NY: Springer, 2004.
  • MEDEIROS, João Bosco; TOMASI, Carolina. Redação de artigos científicos. Grupo Gen-Atlas, 2016.

Complementar:

  • VOLPATO, Gilson Luiz. Dicas para redação científica. Gilson Luiz Volpato, 2006.
  • MACHADO, A. R.; LOUSADA, E. G; ABREU-TARDELLI, L. S. Planejar gêneros acadêmicos: escrita científica-texto acadêmico-diário de pesquisa-metodologia; São Paulo: Parábola Editorial, 2011.
  • BECKER, Howard S. Truques da escrita: para começar e terminar teses, livros e artigos. Tradução de Denise Bottmann. Zahar, 2015.

Objetivos:

Ao final da disciplina, a/o estudante deverá ser capaz de: refletir e mudar sua prática pedagógica com base nas teorias e práticas da Didática e do Currículo, sendo capaz de pensar criticamente e exercer com responsabilidade e conhecimento técnico o seu papel como educador de Sistemas de Informação na sociedade contemporânea. Deverá ser capaz de pensar o currículo de Sistemas de Informação levando em conta os aspectos discutidos nas teorias críticas e pós-críticas de currículo (como ideologia, relações de poder, currículo oculto, subjetividade, cultura, identidade etc.). Também deverá ser capaz de projetar uma aula para uma determinada disciplina e turma, levando em conta os aspectos didáticos (como planejamento, objetivos, conteúdos, métodos, avaliação, mediação etc.).

Ementa:

Filosofia e História da Educação. Docência. Ensino Superior. Didática Geral. Didática de Sistemas de Informação. Currículo Escolar. Currículo de Sistemas de Informação. Tecnologias de Informação e Comunicação na educação. A relação entre Ensino, Pesquisa e Indústria em Sistemas de Informação.

N.º de créditos: 4

Bibliografia:

Básica:

  • Furtado, Alfredo Braga. Elementos de Didática da Computação. 3a edição. Amazon.com.br, 2019.
  • Tadeu da Silva, Tomaz. “Documentos de identidade. Uma introducao as teorias do curriculo.” Autentica. Belo Horizonte, 1999.
  • TARDIF, Maurice. Saberes docentes e formação profissional. Editora Vozes Limitada, 2012.

Complementar:

  • LOPES, Alice Casimiro. Teorias de currículo. Cortez Editora, 2014.
  • PIMENTA, Selma Garrido; ANASTASIOU, Léa das Graças Camargos. Docência no ensino superior. Cortez editora, 2002.
  • Massa, Mônica de Souza. Docentes de Computação: mediação didática e prática profissional. Tese de Doutorado, UFBA, 2014.

Atividade de docência realizada pelos alunos acompanhados por seus orientadores. 

N.º de créditos: 2

Atividade de docência realizada pelos alunos acompanhados por seus orientadores. 

N.º de créditos: 2

Atividade de estudos realizada pelos alunos acompanhados por seus orientadores.

N.º de créditos: 2

Atividade de estudos realizada pelos alunos acompanhados por seus orientadores.

N.º de créditos: 2

Atividade de estudos realizada pelos alunos acompanhados por seus orientadores.

N.º de créditos: 2

Objetivos:

Introduzir a Propriedade Intelectual e Industrial na área de Tecnologia de Informação, Sistemas de Informação, Ciência da Computação. Busca no estado da técnica de documentos de patentes depositadas para encontrar gaps em tecnologia e oportunizar negócios empreendedores. Descobrir como inovar na academia a partir dos ativos passíveis produzidos na academia & gaps no estado da técnica.

Ementa:

Propriedade Intelectual & Propriedade Industrial. Registro de Software. Bases de Dados. Personagens. Desenho Industrial. Indicação Geográfica. Marca. Topografía de circuito Integrado. Patente de criações implementadas por programa de computador. Modelo de Utilidade. PI em Comércio Eletrônico. Direitos Autorais e Conexos. Relações entre Propriedade Intelectual, Empreendedorismo e Inovação. Processos de pesquisa, estado da arte, estado da técnica e inovação. Busca em bases de Patentes. Busca de Anterioridade/ mapeamento do estado da técnica/ prospecção. Depósitos de PI no Brasil e no Mundo. Incentivos à Inovação Tecnológica, Negócio e Empreendedorismo Social.

N.º de créditos: 4

Bibliografia:

Básica:

Complementar:

  • PROCACI, T. B.; ARAUJO, R.; SIQUEIRA, S.; NUNES, B. P. Prospecção Tecnológica: Levantamento de Patentes, Atuação da Academia e Potenciais Inovações em Ambientes de Aprendizagem no Brasil de 2000 a 2015 iSys | Revista Brasileira de Sistemas de Informação, Rio de Janeiro, vol. 9, No. 3, pp. 69-88, 2016 (http://www.seer.unirio.br/index.php/isys/article/view/5959/5581)
  • SILVA, I. D.; NUNES, M. A. S. N. ; FELIZARDO, K. E.; NAKAGAWA, E. Y.; FERRARI, F. C.; FABBRI, S. C. P. F.; JÚNIOR, J. H. S. ALMANAQUE PARA POPULARIZAÇÃO DE CIÊNCIA DA COMPUTAÇÃO Série 6: Metodologia Científica e Tecnológica; Volumes 1 ao 10 1. ed. Porto Alegre: SBC, 2018. (http://almanaquesdacomputacao.com.br/ )
  • KITCHENHAM, B., 2004. Procedures for performing systematic reviews. Keele, UK, Keele University, 33.
  • PETERSEN, K., FELDT, R., MUFTABA, S. AND MATTSON, M., 2008. Systematic mapping studies in software engineering. In: Proceedings of the 12th International Conference on Evaluation and Assessment in Software Engineering, 68-77.
  • Felizardo, K.R. ; Nakagawa, E.Y.; Fabbri, S.P.F.; Ferrari, F.C.; Revisão Sistemática da Literatura em Engenharia de Software: Teoria e Prática. 1. Ed. Rio de Janeiro: Elsevier. 2017.
  • NUNES, M. A. S. N. Propriedade Intelectual e Industrial em Jogos e noções sobre prospecção de tecnologia: em direção à apropriação nacional/internacional dos ativos brasileiros desenvolvidos. In: Tutoriais do SBGAMES 2014 .1 ed.Porto Alegre : EdiPUCRS, 2014, v.1, p. 1-35.
  • NUNES, M. A. S. N. et al. Discussões sobre Produção Acadêmico-Científica & Produção Tecnológica: Mudando Paradigmas. GEINTEC-Gestão, Inovação e Tecnologias, 2013, v. 3, n. 2, p. 205-220.
  • NUNES, M.A.S.N. . Produção Tecnológica na IE: Prospecção e Propriedades Intelectual em Informática na Educação. In: Amanda Meincke Melo, Marcos Augusto Francisco Borges, Celmar Guimarães da Silva. (Org.). Jornada de Atualização em Informática na Educação JAIE (CBIE2013). IN: II Congresso Brasileiro de Informática da Educação (CBIE). 1ed.Campinas: UNICAMP (ISBN final a ser enviado pela Biblioteca Nacional), 2013, v. 1, p. 5-34.

Objetivos:

Trabalhar conceitos e exemplos de métodos de pesquisa qualitativos para capacitar os alunos a projetar e executar a pesquisa da dissertação de mestrado ou da tese de doutorado.

Ementa:

Fundamentos de metodologia científica: conhecimento científico e sua construção; finalidade, estruturação e avaliação da pesquisa. Métodos de pesquisa qualitativos. Técnicas de coleta e análise de dados. Pesquisa bibliográfica. Análise de dissertações e teses na área da Computação, em especial em Sistemas de Informação, para contextualizar e problematizar formatos adequados para o desenvolvimento de pesquisas nesta área.

N.º de créditos: 4

Bibliografia:

Básica:

  • Fundamentos de Metodologia Científica. Eva Maria Lakatos, Marina de Andrade Marconi. Atlas, 8ª edição, 2017.
  • Researching Information Systems and Computing. Briony J. Oates. SAGE Publications Ltd, 1st edition, 2005.
  • Etnografia e Observação Participante. Michael Angrosino. Artmed, 2009.
  • Design Research in Information Systems: Theory and Practice. Alan Hevner, Samir Chatterjee. Springer US, 2010.
  • Evidence-Based Software Engineering and Systematic Reviews. Barbara Ann Kitchenham,‎ David Budgen,‎ Pearl Brereton. Chapman and Hall/CRC, 2015.
  • Contemporary Empirical Methods in Software Engineering. Michael Felderer, Guilherme Horta Travassos. Springer, 2020..

Complementar:

  • Thesis Projects: A Guide for Students in Computer Science and Information Systems. Mikael Berndtsson, Jörgen Hansson, Björn Olsson, Björn Lundell. Springer London, 2008.
  • Metodologia de Pesquisa Em Ciência da Computação. Raul Sidnei Wazlawick. Campus, 2ª edição, 2014.
  • Revisão Sistemática da Literatura em Engenharia de Software. Elisa Yumi Nakagawa, Kátia Romero Felizardo Scannavino, Sandra Camargo Pinto Ferraz Fabbri, Fabiano Cutigi Ferrari. Elsevier, 1ª edição, 2017.
  • Qualitative Research in Information Systems: A Reader. D. E. Avison,‎ Michael D. Myers,‎ David Avison. Sage Publications UK, 1st edition, 2000.
  • Science in Action: How to Follow Scientists and Engineers Through Society. Bruno Latour, Harvard University Press,1988..

Objetivos:

Capacitar os alunos a realizar estudos experimentais, selecionando um projeto de estudo adequado, uma caracterização correta dos objetos e participantes do estudo, técnicas de análise consistentes com o contexto observado e discutindo de forma apropriada as ameaças a validade do estudo.

Ementa:

Este curso aborda técnicas utilizadas na realização de estudos empíricos. O curso apresenta os estudos experimentais e qual a sua importância na realização de pesquisas. Em seguida, discute-se para as diversas etapas em que podem ser divididos os estudos experimentais, analisamos as técnicas de inferência estatística utilizadas nestes estudos e, por fim, passamos a uma análise e discussão de diversos estudos experimentais publicados nas diferentes áreas de pesquisa dos alunos.

N.º de créditos: 4

Bibliografia:

Básica:

  • Wohlin, C. et al. “Experimentation in Software Engineering – An Introduction”. Kluwer, Academic Publishers, USA, 2000.
  • Zelazny, G. (1985), “Say it with Charts: The Executive Guide to Visual Communication”, Fourth Edition, McGraw-Hill
  • Montgomery, D. C. (2000), “Design and Analysis of Experiments”, Ed. IE-Wiley

Complementar:

  • Sidney Siegel e N. John Castellan Jr., “Estatística não-Paramétrica Para Ciências do Comportamento”, ArtMed, 2017
  • Paul Ellis, “The Essential Guide to Effect Sizes: Statistical Power, Meta-Analysis, and the Interpretation of Research Results”, Cambridge University Press, 2010
  • Darrell Huff and Irving Geis, “How to Lie with Statistics”, W. W. Norton & Company, 1993
  • Artigos publicados em revistas e conferências das áreas de estudo.

Objetivos:

Ao final da disciplina, o(a) estudante deverá ser capaz de: projetar uma pesquisa em Ciência do Design (DSR) e argumentar a validade científica de seu projeto de pesquisa do ponto de vista epistemológico-filosófico e metodológico.

Ementa:

Aspectos epistemológico, filosófico, ontológico e metodológico de Design Science Research (DSR).

N.º de créditos: 4

Bibliografia:

Básica:

  • DRESCH, A., LACERDA, D.P., JÚNIOR, J.A.V.A. Design Science Research: Método de Pesquisa para Avanço da Ciência e Tecnologia. Bookman, 2015.
  • WIERINGA, R.J. Design science methodology for information systems and software engineering. 2014
  • HEVNER, Alan; CHATTERJEE, Samir. Design research in information systems: theory and practice. Springer Science & Business Media, 2010.

Complementar:

  • SIMON, H.A. The sciences of the artificial. MIT Press, Cambridge, Mass, 1969.
  • HEVNER et al. Design Science in Information Systems Research. MIS quarterly, 2004.
  • HEVNER e CHATERJEE, Design science research in information systems.
  • BAX, M. P. Design Science: Filosofia da pesquisa em Ciência da Informação e Tecnologia. XV ENANCIB, 2014. p. 3883-3903.
  • SANTOS, B.S. Introdução a uma ciência pós-moderna. Graal, 1989.
  • ARAUJO, R. M.; CHUERI, L. O. V. Pesquisa e Inovação: Visões e Interseções. 1. ed. Rio de Janeiro: Publit Soluções Editoriais, 2017.
  • Artigos diversos sobre DSR

Objetivos:

Discutir definições teóricas dos Sistemas de Informação e analisar as principais teorias desenvolvidas no campo de SI. Apresentar os paradigmas de pesquisa em SI (positivista, interpretativo, crítico, sociotécnico etc.) e suas implicações teóricas e metodológicas. Exercitar a aplicação de teorias, paradigmas e escolha de métodos para a pesquisa dos alunos.

Ementa:

Definições teóricas de Sistemas de Informação. Teorias de Pesquisa em Sistemas de Informação. Paradigmas de pesquisa em Sistemas de Informação. Teorização.

N.º de créditos: 4

Bibliografia:

Básica:

  • Recker, J. (2013) Scientific Research in Information Systems, Springer, 1a edição.
  • Galliers, R.D., Currie, W.L., T, The Oxford Handbook of Management Information Systems: Critical Perspectives and New Directions.
  • Larsen, K. R., Eargle, D. (Eds.) (2015). Theories Used in IS Research Wiki.
  • Theories Used in IS Research Wiki – https://is.theorizeit.org/wiki/Main_Page
  • Whetten, D.A. (1989) What Constitutes a Theoretical Contribution? Academy of Management Review, vol. 14, no. 4, 490-495
  • Orlikowski, W. J, e Iacono, C. S. (2001) “Desperately Seeking the “IT” in IT Research—A Call to Theorizing the IT Artifact”. Information Systems Research, v 12, n 2, p. 121–134.
  • Gregor, S. (2006) The nature of theory in Information Systems. MIS Quarterly, Vol. 30 No. 3. pp. 611-642.
  • Palvia, P., Mao, E., Salam, A. F. e Soliman, K. S. (2003) “Management information systems research: what’s there in a methodology?” Assoc. Inf. Syst., 11, p. 288–310.
  • Hirschheim, R. e Klein, H. K. (1988) “Four Paradigms of Information Systems Development”. Communications of the ACM, v. 32, n. 10, p. 1199-1216
  • Orlikowski, W. J. e Baroudi, J. J. (1991) Studying Information Technology in Organizations: Research Approaches and Assumptions, Information Systems Research, v. 2, n. 1, pp. 1-28.
  • MarkuS, M. L. e Robey, D. (1988) Information Technology and Organizational Change: Causal Structure in Theory and Research, Management Science, v. 34, n. 5, pp. 583-598.

Complementar:

  • Khun, Thomas S. A estrutura das revoluções científicas. São Paulo.
  • Bjorn, P., Osterlund., C. Sociomaterial Design. Bounding Technologies in Practice. 2014.
  • Ciborra, C. The Labyrinths of Information: Challenging the Wisdom of Systems. Oxford University Press. 2002.
  • Avgerou, C., Mansell, R., Quah, D., & Silverstone, R., The Oxford Handbook of Information and Communication Technologies, Oxford University Press, 2009.
  • Grover, V. e Lyytinen, K. (2015) “New State of Play in Information Systems Research: The Push to the Edges”, MIS Quarterly, v. 39 n. 2, pp. 271-296.
  • Orlikowski, W. J. e Scott, S. V. (2008) Sociomateriality: challenging the separation of technology, work and organization. The Academy of Management Annals, v. 2 n. 1, pp. 433-474.

Disciplinas Eletivas Extra

Disciplinas eletivas extra são utilizadas para apoiar o aluno ao final do curso, possibilitando a finalização de sua Tese de Doutorado.

  • Pesquisa para Dissertação I – 0 crédito
  • Pesquisa para Dissertação II – 0 crédito
  • Pesquisa para Dissertação III – 0 crédito
  • Pesquisa para Dissertação IV – 0 crédito

Disciplinas Eletivas de Grupo de Pesquisa

Complementarmente, as disciplinas eletivas de tópicos de grupos de pesquisa permitem a formação multidimensional dos alunos, possibilitando ao aluno trabalhar competências diversas com orientador(es) e colegas do grupo de pesquisa. Deste modo, é possível não apenas avançar no desenvolvimento de sua pesquisa e formação como pesquisador, mas também de orientador, docente, profissional na indústria e empreendedor/inovador, conforme sua estratégia e objetivos pessoais e de trabalho. Nestas disciplinas também é possível desenvolver competências relacionadas a todos os eixos de formação indicados nos Referenciais de Formação para Cursos de Pós-Graduação Stricto Sensu em Computação. As disciplinas eletivas de tópicos de grupos de pesquisa são:

  • Tópicos de Pesquisa em Acessibilidade I – 4 créditos
  • Tópicos de Pesquisa em Acessibilidade II – 4 créditos
  • Tópicos de Pesquisa em Aprendizagem Profunda I – 4 créditos
  • Tópicos de Pesquisa em Aprendizagem Profunda II – 4 créditos
  • Tópicos de Pesquisa em Ciência de Dados I – 4 créditos
  • Tópicos de Pesquisa em Ciência de Dados II – 4 créditos
  • Tópicos de Pesquisa em Computação Humana e Inteligência Coletiva, e Computação Ubíqua e Inteligência Artificial I – 4 créditos
  • Tópicos de Pesquisa em Computação Humana e Inteligência Coletiva, e Computação Ubíqua e Inteligência Artificial II – 4 créditos
  • Tópicos de Pesquisa em Comunicação Mediada por Computador I – 4 créditos
  • Tópicos de Pesquisa em Comunicação Mediada por Computador II – 4 créditos
  • Tópicos de Pesquisa em Engenharia de Sistemas Complexos I – 4 créditos
  • Tópicos de Pesquisa em Engenharia de Sistemas Complexos II – 4 créditos
  • Tópicos de Pesquisa em Gerenciamento de Redes e Serviços I – 4 créditos
  • Tópicos de Pesquisa em Gerenciamento de Redes e Serviços II – 4 créditos
  • Tópicos de Pesquisa em Gestão de Processos de Negócios e Colaboração I – 4 créditos
  • Tópicos de Pesquisa em Gestão de Processos de Negócios e Colaboração II – 4 créditos
  • Tópicos de Pesquisa em Heurísticas Inteligentes e Análise de Redes Sociais I – 4 créditos
  • Tópicos de Pesquisa em Heurísticas Inteligentes e Análise de Redes Sociais II – 4 créditos
  • Tópicos de Pesquisa em Jogos e Ludificação I – 4 créditos
  • Tópicos de Pesquisa em Jogos e Ludificação II – 4 créditos
  • Tópicos de Pesquisa em Otimização aplicada a Engenharia de Software I – 4 créditos
  • Tópicos de Pesquisa em Otimização aplicada a Engenharia de Software II – 4 créditos
  • Tópicos de Pesquisa em Propriedade Intelectual e Negócios I – 4 créditos
  • Tópicos de Pesquisa em Propriedade Intelectual e Negócios II – 4 créditos
  • Tópicos de Pesquisa em Qualidade de Software e Serviços de TI I – 4 créditos
  • Tópicos de Pesquisa em Qualidade de Software e Serviços de TI II – 4 créditos
  • Tópicos de Pesquisa em Redes Sem Fio, Redes Móveis e Redes Veiculares I – 4 créditos
  • Tópicos de Pesquisa em Redes Sem Fio, Redes Móveis e Redes Veiculares II – 4 créditos
  • Tópicos de Pesquisa em Tecnologias Educacionais, Sociais e de Negócios I – 4 créditos
  • Tópicos de Pesquisa em Tecnologias Educacionais, Sociais e de Negócios II – 4 créditos