Tendências em Mídia e Interação (CIN0055)

O que é a disciplina, e por que ela existe

Disciplina de graduação do CIn/UFPE (CIN0055, turma T01, 60 horas), criada no currículo novo e ministrada por Giordano Cabral desde 2026.1, com monitoria de Jefferson Marcelo da Paixão Santos (bolsista em 2026.1, voluntário em 2026.2).

Ela sucede Introdução à Multimídia, dada pelo mesmo professor por 21 edições entre 2015.1 e 2025.2, e herda dela a premissa central. A proposta metodológica de 2026.1 escreve o problema que a disciplina tenta resolver: *"uma disciplina sobre tendências tem um problema estrutural se for ministrada de cima para baixo: o professor sempre estará atrás da fronteira, descrevendo o que já era tendência quando pesquisou"*. A solução declarada é inverter — os alunos trazem as tendências; o professor traz o arcabouço crítico e metodológico para analisá-las.

O campo é vasto demais para ser coberto: multimídia, XR, computação gráfica, áudio e computação musical, jogos, animação, gamificação, e a interação, que atravessa tudo. A disciplina, então, não cobre o campo — descobre onde cada aluno quer entrar e vai fundo ali.

A diferença entre as duas edições é o que mudou no mundo entre elas. Em 2026.1 o desenho ainda era o de Introdução à Multimídia adaptado: seminários por área ("times ensinam times") e projeto em grupo. Em 2026.2 a disciplina foi refeita para a era dos agentes: cada aluno constrói a própria ferramenta de análise de futuro, a IA executa e o aluno orquestra, e o que se avalia passa a ser o processo, não o produto — *"se a máquina fabrica o produto, não se pode avaliar o produto: avalia-se o processo de pilotagem da máquina"*.

Fontes: 26_1/proposta_metodologica_26_1.md; 26_2/hiper-deep-research/llms.txt; 26_2/PLANO-2026-2.md; registro interno de alocação da disciplina e de monitoria (2025–2026).

O desenho de 2026.2: três movimentos

A estrutura veio de uma enquete respondida pela turma quase por unanimidade: cerca de três quartos preferem discussão a aula expositiva (ninguém pediu aula prática); todos preferem remoto; e dez de dez preferem entrega assíncrona a momento síncrono em sala.

A consequência foi estrutural, não cosmética: a disciplina passou a ser conduzida por uma fila de entregas com prazos, e não por uma sequência de encontros. A aula ao vivo ficou para o que só funciona junto — a discussão de um tema e o teste dos experimentos, estes presenciais, porque a reação da turma ao vivo é o próprio método.

| | Movimento | O que produz | Peso |

|---|---|---|---|

| 1 | Zonas de interesse | o mapa do que interessa à turma | 2,0 |

| 2 | Exploração de tendências | uma roda dos futuros por aluno | 4,0 |

| 3 | Projetos-experimento | um experimento executável por aluno | 4,0 |

A régua que atravessa os três: não se trabalha tecnologia madura. A pergunta de corte é "isto muda o que é possível fazer, ou só faz mais rápido o que já se fazia?".

Fontes: 26_2/PLANO-2026-2.md; materiais/plano-2026-2/ (verificado em 17/09/2026).

Os instrumentos

Hiper Deep Research (HDR). O funil do movimento 1, e o sistema que o executa. O aluno varre dezenas de milhares de ferramentas com uma IA e afunila: 10.000 varridas → 500 pré-selecionadas → 50 escolhidas → 5 destacadas → 1 apresentada. São duas entregas independentes — Inspiração (o que o aluno usa como usuário) e Desenvolvimento (o que o código dele usa: API, biblioteca, SDK, modelo). A entrega acontece *dentro do sistema*: não há planilha nem anexo. O aluno entra com o login do CIn, sobe o arquivo das 500, peneira item a item pelo teclado e escolhe as 50.

A unicidade é a regra que faz a atividade funcionar: uma ferramenta pertence a um aluno dentro de cada unidade, e isso não é validado só na interface — é chave primária composta (unidade, cid) no banco, que recusa a segunda tentativa e diz quem chegou primeiro. Uma função de chave canônica normaliza endereços (elevenlabs.io, www.elevenlabs.io/ e elevenlabs.io/pt?ref=x são a mesma ferramenta) e trata hosts multiprojeto incluindo o caminho (github.com/dono/repo). A telemetria registra o tempo gasto em cada item, *porque o que se avalia é o processo, e ler 500 itens é justamente o trabalho que não aparece no resultado*. Cinco tabelas no Supabase, prefixadas tmi_; sem build, sem framework, módulos ES nativos.

O llms.txt — o contrato pedagógico escrito para as IAs dos alunos. O site publica um arquivo endereçado às IAs que os alunos levam para a atividade. Ele declara três modos de uso: modo 1, sem IA; modo 2, IA como apoio, que questiona e não entrega a solução; modo 3, a IA executa e o aluno orquestra. A atividade 01 é modo 3, e o arquivo lista o que a IA deve fazer (escrever o coletor, apresentar o arsenal e deixar o aluno escolher, contestar pedido preguiçoso, mostrar o viés da fonte, dizer "não consegui apurar") e o que não deve (listar ferramentas de memória como se fossem varredura, inventar link, escolher as 50, escrever o método como se fosse do aluno). A competência nomeada é discernimento: especificação, verificação, depuração, análise de risco, calibração, transferência e responsabilização. O teste final está escrito lá: *"se o aluno terminar esta atividade sem conseguir explicar, sem olhar nada, por que aquelas 50 e não outras — você fez o trabalho errado, por mais bonito que esteja o resultado"*.

A skill de futurização, uma por aluno (Atividade 03). Em vez de usar uma ferramenta pronta, cada aluno constrói a sua: uma Agent Skill em Markdown que empacota um método de prospecção e roda num agente real. Quatro exigências de comportamento: (a) entrevista antes de rodar — recebe tema e recorte e não sai produzindo; (b) separa maduro de emergente e disruptivo, com critério escrito; (c) duvida do próprio resultado, com um passo que tenta derrubar os efeitos gerados; (d) produz no formato padrão da disciplina. A entrega tem quatro arquivos: SKILL.md, ESTUDO.md (o método estudado, com uma linha que a maioria dos textos não escreve — *para que ele não serve*), TESTE.md (uma rodada inteira, com a entrevista visível) e DUVIDAS.md (onde a IA errou, e como o aluno percebeu). O motivo de não haver ferramenta única está no enunciado: *"quando dez pessoas rodam a mesma ferramenta, dez pessoas chegam ao mesmo lugar, e não se aprende nada sobre o método — só sobre a ferramenta"*.

Nove skills foram entregues e lidas lado a lado numa tabela comparativa, com as quatro exigências verificadas por script. Elas divergem de forma instrutiva: uma rebaixa a confiança do documento inteiro quando o aluno pula a entrevista; outra prescreve o teste da "causa solta" (remova a disrupção-raiz — o efeito de 2ª ou 3ª ordem ainda aconteceria por outro motivo? então não deriva dela); outra exige registrar o valor de confiança antes do rebaixamento, para que a autocrítica seja auditável; outra separa maturidade e potencial de ruptura em duas dimensões e lembra que *"ordem mede distância causal, não distância cronológica"*.

O mapa de futuro (documento de tendência). O formato de saída é fixo e literal: frontmatter YAML com dezoito campos, doze seções numeradas com títulos literais, e um bloco roda: em YAML que é lido por máquina — dele saem os infográficos. Três níveis de profundidade, id hierárquico, e todo efeito com sinal, prazo e confianca (confianca: baixa é resposta legítima e esperada na terceira ordem). Duas seções pesam mais na correção: a 7, "Contra o próprio mapa" (qual efeito é extrapolação linear, qual assume adoção sem precedente, que viés do autor entrou) e a 8, "O que a máquina errou". A seção 12 é o levantamento bruto, sem limite e sem edição — a regra declarada é *"nada de corte"*, porque só se resume bem o que foi escrito por inteiro. O formato existe por uma razão prática: doze documentos escritos cada um do seu jeito viram doze documentos; doze no mesmo esqueleto viram um site, um conjunto de infográficos e uma apresentação de consistência única.

O confronto aluno × professor. O professor roda a própria skill (futurizacao-giordano) às cegas, antes da entrega, no mesmo briefing do tema. Depois que o aluno entrega, a skill lê o documento inteiro e monta o confronto: efeitos que os dois mapas têm (convergência independente conta como sinal forte; quando a futures-wheel original também tem, convergência tripla), efeitos só do aluno (cada um passa ou falha nos testes de mecanismo, especificidade, prazo com classe de referência e confiança calibrada), efeitos só do professor (buraco ou recorte?), as raízes pelo critério de maturidade, e cinco perguntas ancoradas no id da roda do aluno — perguntas, não notas. A regra da aula: *"o objeto é o mapa, nunca a pessoa"*.

Ao todo foram rodados mapas de todos os 19 temas por várias ferramentas — a skill do professor (19/19), uma futures-wheel original com subagentes (19/19) e as skills da turma —, com tempo, tokens e custo equivalente medidos rodada a rodada e publicados numa tabela de status.

Movimento 3 — o experimento. Não é produto: é *"algo que dá para fazer hoje e que ajuda a entender melhor a tendência que você mapeou"*, e sai da seção 10 do documento. Três exigências sem exceção: usa tecnologia emergente (e o aluno escreve por que não dá com a madura); responde uma pergunta sobre o futuro, escrita antes de construir; e está acessível a quem não é da turma — link que abre, ou repositório com instruções que funcionam em outra máquina. A aula de teste é presencial e tem forma fixa: 5 minutos do autor, 25 minutos da turma usando (o autor não conduz — observa e anota; *"se quebrar, deixa quebrar: o que a turma faz quando quebra é dado"*) e 20 minutos de conversa. Entre o teste e a apresentação final, cada aluno registra o que a turma fez que ele não esperava, o que mudou por causa disso e o que decidiu não mudar, com o motivo.

Meu Mapa de IA. Instrumento de pesquisa acadêmica em forma de jogo, usado com a turma e aberto ao público em https://farol-jogo.vercel.app/: oito minutos, mobile-first, sem nota, devolve um arquétipo nomeado e um retrato em seis eixos. Mede como estudantes universitários brasileiros de fato trabalham com IA — não o que dizem saber, mas o que já fizeram. A regra que governa o projeto está escrita na especificação: *"qualidade do dado vale mais que engajamento"* — mecânica de jogo que aumente engajamento e contamine a medida é proibida.

A central no WhatsApp. Um assistente responde no grupo da turma a quem escrever @claude.

Fontes: 26_2/hiper-deep-research/README.md e llms.txt; 26_2/atividades/atividade-03-skill-futurizacao.md e FORMATO-documento-tendencia.md; 26_2/skill-professor/SKILLS-DA-TURMA.md, rodadas/STATUS.md, aulas/2026-09-17.md; materiais/movimento-3-experimento.md; 26_2/form-diagnostico/ESPECIFICACAO/00-LEIA-PRIMEIRO.md; Classroom ODcyMDQxNjM5OTU5 (avisos de 08/09/2026).

Edições

2026.2 — em curso: dezenove temas, um mapa por aluno, um experimento por aluno

Turma de 14 alunos, terças às 10h e quintas às 8h, remota por padrão.

Movimento 1 (2,0 pontos), encerrado. Prazo original em 03/09, reaberto até 13/09 — o aviso de encerramento não chegou a ser postado no Classroom, e encerrar sobre um aviso que não saiu penalizaria o aluno por uma falha que não foi dele. Resultado: 5.776 ferramentas no catálogo comum, trazidas por 8 varreduras de inspiração e 6 de desenvolvimento, e 659 escolhas da turma. Dessas escolhas, mais 13 documentos de método e 12 de fontes, saíram os temas.

Os 19 temas (o que apareceu *e* rompe alguma coisa; three.js, Godot, OpenCV, PyTorch, FastAPI e Leaflet estão no catálogo e ficaram de fora de propósito, por serem o chão em que as tendências pisam): 1 Programação agêntica: o desenvolvedor vira orquestrador · 2 Contenção, segurança e identidade de agentes autônomos · 3 A infraestrutura de confiança: memória, observabilidade e avaliação de agentes · 4 A internet agêntica: quando o usuário é uma máquina · 5 Agentes com carteira: comércio agêntico e mercados de máquinas · 6 Sociedades simuladas: a simulação como instrumento de investigação · 7 NPCs generativos e mundos vivos · 8 Narrativa gerativa e coautoria · 9 Agentes corporificados, IA física e modelos de mundo · 10 Captura de realidade e renderização neural · 11 Máquinas que veem qualquer coisa: visão de vocabulário aberto · 12 Mídia sintética controlável: vídeo e imagem · 13 Voz e som gerativos · 14 Gerar geradores: design procedural e creative coding com IA · 15 O navegador como console: 3D e XR sem instalação · 16 IA local: no dispositivo e no navegador · 17 Soberania de dados: local-first, ponta-a-ponta e o fim da senha · 18 Bem-estar digital e design de fricção · 19 Companheiros digitais e IA afetiva.

Cada tema traz o mesmo esqueleto: a disrupção-raiz e por que agora; o que a turma trouxe (as ferramentas do catálogo que são o sinal, citadas pela varredura de onde vieram — *"é a evidência de que o tema não é invenção minha"*); onde passa a linha entre maduro e emergente; perguntas de 1ª, 2ª e 3ª ordem; sinais fracos e wildcards; a fronteira com os temas vizinhos, para dois alunos não fazerem o mesmo mapa com nomes diferentes.

Movimento 2 (4,0 pontos), 10/09 a 08/10. Em 09/09 venceu a skill de futurização. Em 10/09, sem aula ao vivo, o site abriu a escolha de temas (um por pessoa, quem clica primeiro fica, validado no banco) e a rodada cruzada, em que cada aluno testa a skill de um colega no próprio tema e responde quatro perguntas. Em 14/09 às 8h o site publicou a ordem sorteada, gerada por SHA-256 de login mais uma semente pública, conferível por qualquer um. Em 15/09, aula remota com os métodos de prospecção — Futures Wheel (Glenn, 1971), efeitos de 1ª/2ª/3ª ordem, Causal Layered Analysis (Inayatullah, 1998), Three Horizons (Sharpe et al., 2016), disruptivo × sustentador (Bower e Christensen, 1995) —, cada um com o que acrescenta *e para que não serve*, e as skills da turma rodadas lado a lado.

As apresentações de 17/09. Dois mapas por aula. Na primeira, os temas 8, Narrativa gerativa e coautoria e 4, A internet agêntica: quando o usuário é uma máquina. O mapa do aluno trouxe 3 raízes e 6 · 10 · 10 efeitos com 10 fontes, contra 4 raízes e 14 · 26 · 17 efeitos com 25 fontes no mapa do professor para o mesmo tema e horizonte — e o ponto de partida que a turma discutiu: *"o custo de contar caiu 99,7% e o custo de manter verdadeiro não caiu junto"*. Os dois temas e os dois confrontos foram abertos à turma no mesmo dia. A leitura do professor depois da aula, registrada: a turma melhorou muito de engajamento depois que a disciplina foi estruturada e entrou no loop completamente, apropriando-se do tema e discordando da máquina com visão própria; o ponto a treinar é didática — os alunos ainda leem demais o que a LLM produziu e têm dificuldade de transformar aquilo em comunicação simples, clara e direta.

Ordem publicada para as aulas seguintes: 22/09 — temas 11 e 19; 24/09 — 9 e 18; 29/09 — 14 e 12; 01/10 — 7 e 6; 06/10 — 15 e 16; 08/10 encerra a etapa.

Movimento 3 (4,0 pontos), 22/10 a 03/12. Construção com orientação em 13, 15 e 20/10; testes presenciais com a turma, dois por aula, de 22/10 a 12/11; apresentações finais em 17/11, 19/11, 01/12 e 03/12, com publicação da galeria pública no encerramento. A semana do ENEXC (24 a 26/11) fica sem atividade para nota, por vedação expressa da Resolução nº 20/2025-CEPE à avaliação na semana de ensino, pesquisa e extensão.

A saída pública e a regra de privacidade. Ao final, uma página pública com a galeria de inspirações, a de ferramentas de desenvolvimento, o mapa de tendências e a galeria de experimentos testáveis por qualquer pessoa. O que o aluno produziu no processo — logs, catálogos, memoriais, conversas, o documento bruto — fica atrás de login. O que vai ao público é processado e anonimizado; autoria só aparece com consentimento explícito (publico_ok no frontmatter do documento, false por padrão). A regra declarada é o inverso do padrão: *nada é público até ser decidido que é*.

Links públicos (espelho no servidor do CIn, publicado em 17/09/2026):

• central: https://www.cin.ufpe.br/~grec/tmi/26-2/
• os 19 temas: https://www.cin.ufpe.br/~grec/tmi/26-2/temas/
• galerias (inspiração e desenvolvimento): https://www.cin.ufpe.br/~grec/tmi/26-2/galeria/
• Hiper Deep Research: https://www.cin.ufpe.br/~grec/tmi/26-2/hdr/
• exemplos de referência: https://www.cin.ufpe.br/~grec/tmi/26-2/exemplos/
• enunciado da atividade 01: https://www.cin.ufpe.br/~grec/tmi/26-2/atividade/
• materiais (plano, atividade 03, formato do documento, movimento 3): https://www.cin.ufpe.br/~grec/tmi/26-2/materiais/
• movimento 3: https://www.cin.ufpe.br/~grec/tmi/26-2/experimento/
• futuros (mapas por tema, abertos na data de cada apresentação): https://www.cin.ufpe.br/~grec/tmi/26-2/futuros/
• origem no Vercel: https://tendencias-midia-interacao.vercel.app/

Fontes: 26_2/PLANO-2026-2.md; 26_2/atividades/TEMAS-tendencias-2026-2.md; 26_2/hiper-deep-research/ (README, llms.txt, futuros/temas.json, abertos.json, liberados.json); 26_2/skill-professor/aulas/2026-09-17.md e aulas/impressoes.md; 26_2/comunicados/2026-09-08-pacote-classroom-postado.md e 2026-09-10-pacote-classroom-documento-e-movimento-3.md; Classroom ODcyMDQxNjM5OTU5; site e espelho verificados em 17 e 18/09/2026.

2026.1 — seminários por área e um experimento por aluno

Primeira oferta, com cerca de 41 alunos (contagem do sorteio das apresentações individuais: 14, 14 e 13 por dia). Aulas às terças e quintas, de março a julho de 2026.

Começou em 03/03 com o mapa de inspirações construído ao vivo: o professor abria um link em sala, cada aluno entrava pelo celular, e o sistema (feito em Lovable sobre um Supabase próprio, com Edge Functions e realtime) enriquecia e agrupava as inspirações no projetor enquanto a turma respondia. O mapa fechou com 39 inspirações únicas em nove clusters — IA generativa, games e mundos virtuais, ferramentas de criação, mídia e entretenimento, produtividade e conhecimento, viagens e mobilidade, social e saúde, XR e realidade mista, e domínios/conceitos. A discussão da aula era sobre o próprio mapa: por que dois clusters ficaram separados, e o que a turma não trouxe.

Daí saíram sete grupos por área, cada um responsável por uma aula-seminário com atividade para a turma e avaliação por formulário: Áudio & Som (17/03, com tarefa em notebook Colab), Computação Gráfica, Realidade Mista & Visão Computacional (19/03), Games & Engines (24/03), Ferramentas de Criação & Produtividade (26/03), Geolocalização (31/03), IA Generativa & Emergente (02/04) e Streaming + Social (07/04).

O professor publicou oito apresentações de abertura, feitas com Claude Code, Elicit, Consensus e Gamma (curso; IA generativa; games como mídia e arte interativa; plataformas digitais, mídia social e cultura digital; mídia imersiva, XR e computação espacial; áudio interativo e música computacional; HCI e paradigmas de interação; tecnologias emergentes), além do Hype Cycle de IA e, em 31/03, um exercício de Futures Wheel sobre geolocalização com infográfico — o primeiro ensaio do método que viraria o eixo de 2026.2. Sustentando tudo, um relatório de pesquisa de 400+ fontes sobre oito áreas convergentes (2023–2026), escrito antes do semestre.

Depois: relatório de consolidação dos seminários (16/04), apresentações individuais de experimento sorteadas em três dias (28/04, 30/04 e 05/05), ideação (07/05), link do projeto (22/05), relatório por grupo (25/05), testes dos projetos com a turma (16 e 18/06), discussão sobre tendências a partir da experiência (25/06), entrega final (30/06) e avaliação 360.

Experimentos individuais (abril–maio):

• PlAIne — roteiros de viagem gerados por IA como narrativa, agrupados por proximidade geográfica e clima. Autora: Anne Collier.
• EchoFeed AI — simulador de feeds personalizados e bolhas algorítmicas: o mesmo tema enquadrado para dois perfis.
• Flash Mind — gera flashcards estruturados a partir de PDFs médicos.
• O Olhar Normativo XR — demonstração ao vivo de viés algorítmico em visão computacional e realidade aumentada.
• HobbyHub — recomendações cruzadas entre livros, filmes e músicas por "vibe" (Lovable, Gemini, APIs do Spotify, Google Books e TMDB).
• Dungeon Forge — gerador de dungeons com mapa tático para RPG de mesa (Gemini, Canvas API).
• Gerador Dinâmico de Conteúdo — o prompt define o comportamento de uma cena animada em tempo real, em vez de gerar mídia.
• PGPresença Geo — verificação espacial automatizada e privacidade na gestão acadêmica.
• Você já foi reprovado por um robô sem saber? — IA generativa e visão computacional na leitura de imagens.
• Também entregues: Interpretabilidade Mecanística (IOI, activation patching), Lore Forge, um labirinto e um analisador de licitações.

Projetos finais (junho–julho):

• Mock Interview AI — simulador de entrevistas técnicas e comportamentais com transcrição (Whisper) e avaliação por GPT-4o, em Next.js na Vercel. Equipe: Anne Pereira Collier de Mendonça, Antonio Henrique Souza Lima, João Luis Gomes Agra, João Victor Ribeiro Costa de Omena, Maria Clara Albuquerque Moura, Renato Moreira Serrano de Andrade.
• Smart DJ — de uma ideia com câmera a uma curadoria musical por IA: o usuário descreve a ocasião e o app monta uma jornada com chegada, aquecimento, pico e fechamento, tocando pelo Spotify. Link: https://github.com/virolivs/smart_dj.
• SoundScape AI — a cidade narrada por IA em tempo real: consolida clima, trânsito, eventos e pontos de interesse em narração de voz, pensado para acessibilidade.
• LLMs como Agentes Autônomos em Jogos — jogo de sobrevivência com mundo procedural para observar comportamento egoísta ou altruísta de agentes controlados por LLM.
• Meownarch — jogo em que um gato monarca comanda dinossauros com personalidades distintas controladas por LLM.
• FitFlow — geração de treinos personalizados com RAG sobre base científica e cercas de segurança.
• Jogo Narrativo com IA — RPG de texto em que a IA é o mestre, gerando cenas, escolhas, imagens e ambientação (Next.js, Vercel AI SDK).
• Análise de microexpressões em reuniões de vendas — pipeline de vídeo com MediaPipe e Whisper. Equipe: João Henrique Portela, Matheus Borges, Rodrigo Rossiter, Eduardo Vinnícius.
• Kineo-AI, Civilization (GDD do grupo Games & Engines, no Notion), DJ Interativo e um jogo em Unreal Engine.

Fontes: Classroom ODQ3MzcyMjUwODMw (posts de 03/03 a 30/06/2026); Drive "2026.1 Tendencias Midia & Interacao 2026.1"; 26_1/proposta_metodologica_26_1.md, ementa_aula_a_aula.md, inspiracoes_analisadas.md, lovable_prompt.md, super_relatorio.md, projeto_monitoria_CIN0055_2026_1.md, geolocalizacao/.