Proporcionar aos alunos autonomia para explorar e interpretar resultados de estudos quantitativos em Entomologia e Ecologia. Introduzir a utilização do programa estatístico R, o qual, em função de seu alto poder de análise, vem sendo amplamente difundido no meio científico. Desenvolver a capacidade crítica dos alunos em relação à obtenção, análise, interpretação e apresentação de resultados quantitativos.
A disciplina é relevante para a formação de pós-graduandos das áreas biológicas uma vez que a abordagem quantitativa é inerente à maioria dos estudos nessas áreas. Esta disciplina amplia a eficiência científica do pós-graduando, (1) mostrando que todos os tipos de dados quantitativos podem ser reduzidos a modelos numéricos pertencentes a um mesmo princípio analítico e (2) ensinando diferentes métodos para diagnosticar a qualidade e confiabilidade dos dados e das análises aplicadas.
1) Métodos gráficos para explorar e compreender a natureza dos dados quantitativos;
2) Introdução ao uso do programa estatístico R;
3) Princípios numéricos básicos para a abordagem quantitativa em biologia: exemplos práticos no programa R;
4) Obtenção do significado biológico de dados quantitativos. Utilização de modelos para representar de forma simplificada fenômenos biológicos: modelos lineares e lineares generalizados;
5) Avaliação da qualidade dos dados em captar os fenômenos biológicos desejados e dos modelos numéricos em representá-los: exemplos práticos no programa R;
6) Significado e efeito das variáveis multicorrelacionadas em biologia;
7) Seleção e simplificação de modelos numéricos;
8) Maneiras menos tradicionais de explorar os dados biológicos: programação de funções específicas e criação de modelos nulos no programa R.
Aulas teóricas e práticas em microcomputador, discussão de artigos, resolução de listas de exercícios e desenvolvimento de um trabalho prático final. Treinamento visando proporcionar autonomia para explorar e interpretar resultados de estudos quantitativos em Biologia. Introdução à utilização do programa estatístico R. Análise exploratória e interpretação de dados biológicos. Modelos lineares e lineares generalizados. Análise diagnóstica dos dados. Obtenção de modelos simples, mas com significado biológico. Programação de funções no programa R.
LIVROS:
BELSLEY, D. A. 1991. Conditioning diagnostics: Collinearity and weak data in regression. A Wiley-Interscience Publication, New York.
FOX, J. 2016. Applied regression analysis and generalized linear models. SAGE Publications, Thousand Oaks.
GOTELLI, N. J. & ELLISON, A. M. 2004. A primer of ecological statistics. Sinauer Associates, Inc., Sunderland.
MANLY, B. F. J. 1997. Randomization, Bootstrap and Monte Carlo Methods in Biology. 2ª ed. Chapman and Hall, London.
NOBLE, B. & DANIEL, J. W. 1986. Álgebra linear aplicada. 2ª ed. Prentice-Hall do Brasil, Rio de Janeiro.
SCHEINER, S. M. & GUREVITCH, J. 2001. Design and analysis of ecological experiments. 2ª ed. Chapman & Hall, New York.
SOKAL, R. R. & ROHLF, F. J. 1995. Biometry: the principles and practice of statistics in biological research. W. H. Freeman and Company, New York.
ZAR, J. H. 2014. Biostatistical analysis. 5ª ed. Pearson Education, Edinburgh.
APOSTILAS:
VENABLES, W.N.; SMITH, D.M. and the R Development Core Team. 2021. An Introduction to R (Oficial manual). Version 4.1.0 (2021-05-18).
VITAL, M.V.C. 2015. Introdução ao uso do software R para as Ciências Biológicas. Universidade Federal de Alagoas.
ARTIGOS:
BROWN, I. F.; TURQ, B. & ALECHANDRE, A. 1995. Teaching concepts of accuracy, precision, and opportunity cost in environmental sciences: arms, legs, and significant figures. Ciência e Cultura 47: 41-44.
JOHNSON, J.B.;OMLAND, K.S. 2004. Model selection in ecology and evolution. TRENDS in Ecology and Evolution 19: 101-108.
KLEIBER, C.; ZEILEIS, A. 2016. Visualizing count data regressions using rootograms. The American Statistician 70:296-303.
KORICHEVA, J. 2003. Non-significant results in ecology: a burden or a blessing in disguise? Oikos 102: 397-401.
MURTAUGH, P.A. 2009. Performance of several variable-selection methods applied to real ecological data. Ecology Letters 12: 1061–1068.
TONHASCA-JR, A. 1991. The three "capital sins" of statistics used in biology. Ciência e Cultura 43: 417-422.
ZEILEIS, A.; KLEIBER, C.; JACKMAN, S. 2008. Regression Models for Count Data in R. Journal of Statistical Software 27(8).
ZUUR, A.F.; N. IENO, E.N.; ELPHICK, C.S. 2010. A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution 1: 3–14.
Listas de exercícios e um trabalho teórico/prático.
As notas das listas de exercícios e do trabalho teórico/prático comporão a nota final, de acordo com a fórmula abaixo:
Nota final = (Média das notas dos exercícios + Nota do trabalho)/2
O conceito final será definido pelo seguinte intervalo de notas: 0 – 2 (E), 3 – 4 (D), 5 – 6 (C), 7 – 8 (B) e 9 – 10 (A).
Modalidade de ensino: ( ) Presencial; ( X ) Remoto; ( ) Híbrido;
Justificativa (no caso de disciplinas de forma remota ou hibrida):
As tecnologias disponíveis na plataforma de ensino remoto e na internet permitem desenvolver atividades que dificilmente poderiam ser realizadas presencialmente em sala de aula. Os recursos tecnológicos utilizados no formato remoto resultam em atividades mais dinâmicas e inovadora, resultando em ganhos no processo de ensino/aprendizagem. Além disso, o formato remoto amplia a abrangência da disciplina, facilitando a participação de alunos de outras unidades da USP, bem como de outras instituições de ensino e pesquisa. Por exemplo, na oferta remota da disciplina em 2021, em função da pandemia de Covid-19, se matricularam alunos vinculados a instituições de 9 cidades e 5 Estados do Brasil.
Porcentagem não presencial (0-100%): 100%
As aulas não presenciais serão: ( X ) Síncronas; ( ) Assíncronas
Detalhamento das atividades a serem desenvolvidas de forma presencial e de forma remota, com discriminação do tempo das atividades realizadas:
Todas as atividades serão realizadas de forma remota. Nos primeiros 30 minutos da aula, em geral, os alunos assistirão a um vídeo ou a uma apresentação ao vivo do professor. Na sequência, os alunos desenvolverão exercícios no programa R, supervisionados pelo professor. O final da aula (nos 30 minutos finais) será reservado para discussão/correção das atividades e fechamento do tema da aula.
Detalhamento do material que será disponibilizado para os discentes:
Os materiais serão disponibilizados pela plataforma utilizada (ver item seguinte), consistindo de:
1) Vídeos curtos (no máximo 20 min) contendo explicações pontuais
2) Arquivos no formato PDF dos slides de aula apresentados no curso
3) Arquivos no formato PDF de artigos, capítulos e livros referentes ao conteúdo do curso
4) Listas de exercícios
5) Dados a serem usados nas atividades de aula
6) Links de páginas da Internet relacionadas ao tema do curso
Plataforma a ser utilizada:
Google Sala de Aula
Descreva sobre a necessidade da presença dos discentes e/ou docentes na Universidade:
Não será necessário a presença dos discentes na Universidade. O docente ministrará as aulas remotas na universidade e ficará disponível para atender aos alunos presencialmente fora do horário de aula, se necessário.
Descrição da interação entre discentes e docentes (frequência da interação, ferramentas a serem utilizadas, horários, e-mail, chat etc.):
A interação com os alunos ocorrerá durante as aulas síncronas e fora do horário de aula, mediante agendamento prévio. A interação fora do horário de aula se dará por e-mail e/ou aplicativo de mensagens instantâneas (Whatsapp, por exemplo).
Forma de controle da frequência dos alunos nas aulas:
No início de cada aula o aluno declara sua presença em um formulário eletrônico, vinculado à plataforma, ficando automaticamente registrados a data/hora e o seu e-mail cadastrado na matrícula.
Descrição da necessidade do uso de câmera e microfone por parte dos discentes
Será necessário o uso de câmera e microfone pelos alunos, mas sem a obrigatoriedade de mantê-los ligados durante toda a aula.