informações gerais
o atendimento aos estudantes acontece na sala 1J 107 nos seguintes dias e horários:
- segunda-feira, 17h00 - 18h00.
- sexta-feira, 19h30 - 20h30.
as comunicações extraclasse devem ser feitas através do email pedrofranklin@ufu.br.
instruções para o envio de e-mails: por favor, adicione "[visualização]" no assunto da mensagem. o e-mail deve ser tratado como uma forma de comunicação profissional.
objetivos do curso
- compreender os princípios de projeto e construção de visualizações eficazes de dados.
- avaliar, criticar e aprimorar visualizações próprias e de terceiros, considerando clareza, precisão e mensagem.
- aplicar técnicas de pós-processamento para refinar gráficos com foco em comunicação visual.
- utilizar visualizações para avaliação de modelos estatísticos e para inferência visual.
- dominar o uso de r e de pacotes modernos de visualização na criação de gráficos avançados.
- trabalhar de forma reprodutível, individualmente e em colaboração, utilizando git e github.
atividades e avaliações do curso
você será avaliado com base em três componentes: participação nas aulas, tarefas de casa e dois projetos.
participação
nesta disciplina, a sua participação é parte fundamental do aprendizado. você será convidado a resolver exercícios em aula, individualmente ou em grupo, com o objetivo de identificar rapidamente dúvidas e testar a compreensão dos conceitos trabalhados no dia. estar presente, contribuir nas discussões e acompanhar as atividades propostas serão os critérios para sua avaliação nesta componente.
tarefas de casa
ao longo do semestre, você receberá tarefas de casa com o objetivo de praticar, com calma e autonomia, os conceitos apresentados em aula. essas tarefas devem ser feitas individualmente, mas você é encorajado a discutir ideias e dificuldades comigo e com seus colegas, desde que o raciocínio final seja seu. entregar as tarefas no prazo é parte da avaliação, e a menor nota poderá ser desconsiderada ao final do curso.
projetos
você realizará dois projetos individuais ao longo do semestre. o primeiro será desenvolvido na metade do curso e terá caráter exploratório: você receberá, ou poderá escolher entre, um conjunto de dados para analisar e transformar em visualizações que revelem padrões, comparações ou tendências. o segundo projeto será desenvolvido no final do semestre e terá caráter mais autoral. nele, você escolherá o tema, os dados e o formato da apresentação, com a condição de criar algo novo — seja uma narrativa visual, uma visualização interativa, um painel digital, uma visualização física ou outra forma criativa de comunicar dados.
em ambos os projetos, será necessário entregar não apenas a visualização final, mas também um breve relato do processo: decisões tomadas, tentativas descartadas e justificativas para o uso de cores, formas e escalas. a clareza do raciocínio terá o mesmo peso que o resultado final. projetos visualmente corretos, mas sem explicação, poderão ter nota reduzida.
ao final de cada projeto, você fará uma apresentação presencial em sala, na qual deverá explicar suas escolhas visuais, destacar os principais achados e responder a perguntas dos colegas. essa etapa faz parte da avaliação, pois comunicar visualmente também implica defender ideias com clareza e responsabilidade.
os projetos devem ser entregues dentro do prazo indicado. não haverá prorrogações, salvo em casos justificados. durante o processo, você poderá receber comentários em aula e ajustar sua proposta antes da entrega final. os projetos são o momento de consolidar sua autonomia: mais do que demonstrar domínio técnico, eles avaliam sua capacidade de pensar com dados e transformar análises em narrativa visual.
composição da nota final
a nota final do curso será calculada da seguinte forma:
| categoria | porcentagem |
|---|---|
| participação | 10% |
| tarefas de casa | 45% |
| projeto 1 | 25% |
| projeto 2 | 20% |
integridade acadêmica
nesta disciplina, espero que você participe das aulas com atenção e respeito ao ambiente coletivo de aprendizagem. fazer perguntas, compartilhar dúvidas e contribuir nas discussões faz parte do processo e será sempre bem-vindo. da mesma forma, ouvir os colegas com interesse é parte essencial da convivência acadêmica.
o uso de computadores, tablets ou outras ferramentas digitais é permitido quando estiver diretamente ligado às atividades da aula. fora desse contexto, distrações com mensagens, redes sociais ou qualquer outro conteúdo prejudicam não apenas o seu aprendizado, mas o dos demais. mantenha os dispositivos em silêncio e evite qualquer uso que interrompa o andamento da aula.
quanto ao trabalho acadêmico, você é encorajado a discutir ideias e estratégias com colegas, mas todo trabalho entregue deve refletir o seu próprio entendimento. copiar respostas ou reproduzir código sem compreensão ou sem citação é uma violação da integridade acadêmica e poderá resultar em penalidades. é permitido consultar materiais e recursos online, inclusive ferramentas de inteligência artificial, desde que você reconheça sua origem e não substitua o esforço de pensamento próprio. utilizar esses recursos para aprender é diferente de usá-los para responder no seu lugar.
acima de tudo, lembre-se de que este curso valoriza o raciocínio e a honestidade intelectual. aprender a construir visualizações é aprender a pensar com clareza — e esse processo exige presença, ética e responsabilidade com o próprio trabalho e com o trabalho dos outros.
livros do curso
as leituras do curso serão baseadas nos seguintes livros, todos disponíveis gratuitamente online.
- ggplot2: Elegant Graphics for Data Analysis. Hadley Wickham, Danielle Navarro, and Thomas Lin Pedersen. 3rd edition. Springer, 2023.
- Data Visualization: A Practical Introduction. Kieran Healy. Princeton University Press, 2018.
- Fundamentals of Data Visualization. Claus O. Wilke. O’Reilly Media, 2019.
- R for Data Science. Hadley Wickham, Mine Çetinkaya-Rundel, and Garrett Grolemund. 2nd edition. O’Reilly, 2022.