29 de junho a 17 julho 2026
PRAZO DE CANDIDATURA: 18 junho 2026 – FECHADO

A 6.ª edição do programa “Sê Investigador por três Semanas” está de volta a Ciências!
O CEAUL promove, pelo sexto ano, a iniciação à investigação na área da Estatística através de estágios de curta duração para os alunos de 2.º ou 3.º ano de licenciatura e do 1.º ano de mestrado. São bem-vindos estudantes de todas as áreas que demonstrem interesse pela análise de dados e vontade de aprender mais sobre estatística.
Os estágios vão decorrer entre 29 de junho e 17 de julho de 2026 e terão um formato flexível (remoto, presencial ou híbrido, dependendo da localização do aluno e do tema selecionado, num horário a acordar com o investigador responsável).
O formulário de inscrição pode ser preenchido aqui.
Os seguintes documentos devem ser enviados para ceaul@ciencias.ulisboa.pt:
– Curriculum vitae;
– Carta de motivação;
– Lista de unidades curriculares feitas, com as respetivas notas;
As candidaturas vão estar abertas entre os dias 8 e 18 de junho e os resultados serão divulgados por e-mail nos dias 24 e 25 de junho.
Os estágios têm início dia 29 de junho.
Dia 17 de julho haverá uma sessão de apresentação (15 min cada), pelos alunos, sobre o trabalho desenvolvido.
Apresentações
17 julho 2023 | 9h00 – 12h40 | Ciências ULisboa, C6, Piso 4, Sala 6.4.31 & Teams
09h00: Abertura
Marília Antunes (Coordenadora CEAUL)
09h10 – 09h30: Temos um bom ar?
Alunas: Rebecca Silva e Johanna Uusitalo
Supervisor: Cláudia Silvestre (CEAUL, ESCS, LIACOM)
09h30 – 09h50: Aprendizagem automática para atribuição de espécies a avistamentos não identificados de cetáceos
Aluna: Catarina Farinha, João Cruz, Margarida Gonçalves, Lucas Gaspar
Supervisores: Tiago A. Marques (CEAUL, University of St Andrew – Escócia), Catarina T. Fonseca (OKEANOS) e Miguel Martins (CEAUL, DCM, Ciências ULisboa)
09h50 – 10h10: Tendências populacionais de tartarugas verdes na Ilha de Poilão, Guiné-Bissau
Aluna: Maria Morgado
Supervisores: Tiago A. Marques (CEAUL, University of St Andrews – Escócia) e Rita Patrício (CE3C, Ciências ULisboa)
10h10 – 10h20: Pausa de 10 minutos
10h20 – 10h40: Estabilidade – as Leis da Atração
Aluno: Daniel Pereira
Supervisor: Dinis Pestana (CEAUL, DCM, Ciências ULisboa) e Instituto de Investigação Científica Bento da Rocha Cabral
10h40 – 11h00: Dinâmica Populacional
Aluna: Filipa Bento
Supervisor: Dinis Pestana (CEAUL, DCM, Ciências ULisboa) e Instituto de Investigação Científica Bento da Rocha Cabral
11h00 – 11h20: À descoberta da melhor distribuição: visualização gráfica usando os packages AdequacyModel e fitdistrplus do R
Aluna: Matilde Guilherme
Supervisores: Eunice Carrasquinha (CEAUL, DCM, Ciências ULisboa) e Ivo Sousa-Ferreira (CEAUL, DM, Faculdade de Ciências Exatas e da Engenharia, Universidade de Madeira)
11h20 – 11h30: Pausa de 10 minutos
11h30 – 11h50: Inteligência Artificial e Evidência Dentária para Apoio à Decisão Judicial
Alunos: Ana Rodrigues, Francisco Afonseca e Valon Nushi
Supervisor: Cristiana Pereira (CEAUL, FMDUL e FMUL) e Rui Santos (CEAUL e ESTG-IPLeiria)
11h50 – 12h10: Modelos Matemáticos em Epidemiologia
Alunos: Miguel Wang, Almer Hultgren e Rui Rodrigues
Supervisores: Marília Antunes (CEAUL, DCM, Ciências ULisboa) e Carlota Rebelo (DCM, Ciências ULisboa e CEMAT)
12h10 – 12h30: Inovação em rinite alérgica: novos fenótipos e caracterização dos doentes – o papel das provas de provocação nasal
Alunos: Miguel Santos e Martim Luzio
Supervisores: Marília Antunes (CEAUL, DCM, Ciências ULisboa) e Joana Cosme (Faculdade de Medicina, ULisboa, ULS Santa Maria)
11h45: Encerramento
Marília Antunes (Coordenadora CEAUL)
Programa em pdf.
Temas:
CEAUL_T1: Inovação em rinite alérgica: novos fenótipos e caracterização dos doentes – o papel das provas de provocação nasal
Descrição: A rinite alérgica é uma doença inflamatória da mucosa nasal que surge quando existe uma reação exagerada do sistema imunitário a substâncias normalmente inofensivas, chamadas alergénios (ácaros, pólenes, fungos, animais). É a doença respiratória crónica mais comum, afetando cerca de 500 milhões de pessoas a nível mundial. Em Portugal, a prevalência de rinite alérgica é de 21,5% a 24% em crianças, 27% em adolescentes, 26,1% nos adultos e 29,8% no idoso. Os sintomas típicos de rinite alérgica são a rinorreia mucosa (secreções nasais), a obstrução nasal (congestão nasal), as crises esternutatórias (crises de espirros) e o prurido nasal (comichão), que surgem em relação com a exposição aos alergénios. O seu diagnóstico é clínico, mas o recurso a testes cutâneos por picada (testes prick) e o doseamento no sangue de IgE específicas para os alergénios são importantes na confirmação da etiologia e na caraterização dos alergénios envolvidos. A rinite alérgica pode ser classificada quanto à duração (intermitente ou persistente) e gravidade (ligeira ou moderada-grave) dos sintomas que, quando não controlados, podem apresentar um grande impacto na qualidade de vida, no sono e no rendimento escolar ou laboral dos doentes ou até potenciar o aparecimento de outras doenças como a asma, a conjuntivite alérgica ou a sinusite. Recentemente demonstrou-se que existem doentes com diagnóstico clínico de rinite em que a sensibilização IgE especifica para os alergénios se manifesta apenas na mucosa nasal, denominando-se este sub fenótipo de rinite alérgica local. Também têm sido identificados. doentes com rinite alérgica dupla (do inglês Dual allergic rhinitis), isto é, que apresentam, em simultâneo, sensibilização nasal e sensibilização sistémica a alergénios distintos. Ou seja, é outro sub fenótipo onde há coexistência de rinite alérgica e de rinite alérgica local no mesmo doente. As provas de provocação nasal com alergénios são uma ferramenta segura e validada, usada em Imunoalergologia, onde se aplicam, de forma controlada, soluções alergénicas na mucosa nasal, verificando-se se há ou não surgimento de sintomas de rinite. Estas provas são o gold-standard para o diagnóstico de rinite alérgica local e de rinite alérgica dupla. Permitem, ainda, confirmar a relevância clínica de uma sensibilização alérgica nos casos em que história clínica e os testes de alergia (como testes cutâneos ou IgE específica) não são conclusivos, permitem nos casos em que existem dúvidas diagnósticas ou sensibilizações múltiplas identificar o alergénio responsável pelos sintomas, entre outras indicações. No contexto de investigação clínica, através das provas nasais é possível recolher secreções nasais para o estudo de células ou mediadores. No âmbito deste estudo, foram recolhidos dados sociodemográficos e clínicos, e também realizado um inquérito com vista a uma melhor compreensão da doença e dos fatores que a propiciam e, eventualmente, agravam.
Neste projeto, pretende-se estruturar a base de dados de modo a permitir análises estatísticas robustas, tirando o maior proveito possível da informação recolhida.
O plano de trabalhos inclui: Limpeza e validação dos dados, codificação das variáveis, preparação do plano de análise estatística, análise exploratória dos dados
Nº máximo de alunos: 1
Requisitos: Interesse pela aplicação da Estatística na área das Ciências Médicas, gosto pelo rigor, curiosidade científica, competências computacionais (R) e, claro, sentido de responsabilidade.
Supervisores: Marília Antunes (CEAUL, DCM Ciências ULisboa) e Joana Cosme (Faculdade de Medicina, ULisboa, ULS Santa Maria)

Imagem gerada por inteligência artificial (ChatGPT/OpenAI), 2025.
CEAUL_T2: Aprendizagem automática para atribuição de espécies a avistamentos não identificados de cetáceos
Descrição: Durante os censos visuais de cetáceos, nem sempre é possível identificar os animais ao nível da espécie devido a fatores como as condições meteorológicas, a distância aos animais ou a experiência dos observadores. A exclusão destes registos reduz a quantidade de informação disponível para estudos de distribuição e abundância de cetáceos.
O objetivo deste trabalho é avaliar o potencial de algoritmos de aprendizagem automática para classificar avistamentos de cetáceos não identificados, utilizando os dados recolhidos pelo Programa de Observação para as Pescas dos Açores (POPA) entre 2001 e 2015 e por observadores em barcos do Instituto Português do Mar e da Atmosfera (IPMA). Os alunos irão desenvolver e validar modelos supervisionados de classificação para atribuir uma espécie aos avistamentos classificados como “pequenos delfinídeos não identificados”, com o objetivo de determinar se esta abordagem produz resultados suficientemente robustos para apoiar a inclusão destes registos em futuras análises.
O plano de trabalho inclui: (i) revisão bibliográfica sobre o modelo de classificação selecionado, Random Forest (e, eventualmente, outros modelos relevantes); (ii) exploração dos dados disponíveis; (iii) desenvolvimento e validação dos modelos de classificação; e (iv) avaliação do desempenho dos modelos e discussão do potencial e das limitações da metodologia aplicada.
Nº máximo de alunos: 4
Requisitos: Conhecimentos básicos de R ou Python e de análise exploratória de dados.
Supervisores: Tiago A. Marques (CEAUL/University of St Andrews, Escócia), Catarina T. Fonseca (OKEANOS) e Miguel Martins (CEAUL/DCM).
CEAUL_T3: Tendencias populacionais de tartarugas verdes na Ilha de Poilão, Guiné Bissau
Descrição: Poilão Island hosts a globally critical green turtle (Chelonia mydas) nesting population. The student will workwith visual survey data from multiple years to reconstruct the nesting turtles population trends. By systematicallyaddressing observational biases and incomplete survey periods, this study presents the fi rst comprehensive populationestimate, providing a solid, realistic foundation for future protection strategies.
Nº máximo de alunos: 1
Requisitos: Conhecimentos básicos de R ou Python e de análise exploratória de dados.
Supervisores: Tiago A. Marques (CEAUL e University of St Andrews, Escócia) e Rita Patrício (CE3C, Ciências ULisboa).

CEAUL_T4: Estabilidade — as Leis da Atração
Descrição: O conceito de estabilidade, criado por Paul Lévy no contexto de leis limites de somas de variáveis aleatórias independentes, foi transposto para o contexto de leis de extremos por Maurice Fréchet, e explorado por Fisher e Tippett e por Gnedenko.Os somínios de atração das leis estáveis para somas, caracterizados por Doeblin e por Gnedenko, e para extremos, por Gnedenko e por de Haan, são a base de modelação assintótica, como extensões respetivamente do teorema limite central e do teorema limite extremal. A abordagem usando variação regular de Karamata permitiu uma abordagem mais geral, em álgebras de convolução generalizadas. Extensões naturais são auto-decomponibilidade, divisibilidade infinita, e iteração de auto-decomponibilidade, e representações integrais suportadas por pontos extremos permitem abordagens simples e estruturalmente reveladoras.
Nº máximo de alunos: 1
Requisitos: Interesse por Probabilidade; prefiro contacto presencial, uma ou duas vezes por semana.
Supervisor: Dinis Pestana (CEAUL, DCM, Ciências ULisboa) e Instituto de Investigação Científica Bento da Rocha Cabral.

Imagem gerada por inteligência artificial (ChatGPT/OpenAI), 2025.
CEAUL_T5: Betas
Descrição: As funções Beta e Gama de Euler são usadas numa grande diversidade de áreas, e extensões como a BetaBoop, Betas geradas por X (extensões das Betas usuais que surgem como estatísticas ordinais de U) e TanBetas (extensões da Cauchy) estão ainda na fase embrionária de investigação. A relação com extensões com modelos de Verhulst em Dinâmica de Populações, fractais e caos, e uso de integrais e derivadas de ordem fracionária, são temas que podem ser abordados neste contexto.
Nº máximo de alunos: 1
Requisitos: Interesse por Probabilidade; prefiro contacto presencial, uma ou duas vezes por semana.
Supervisor: Dinis Pestana (CEAUL, DCM, Ciências ULisboa) e Instituto de Investigação Científica Bento da Rocha Cabral.
CEAUL_T6: Modelos de Panjer e Risco Agregado
Descrição: Os modelos de contagem de Panjer (Binomial, Poisson e Binomial Negativa) são caracterizados por pn=pn-1(a+b/n), n=1,2,…. que está na base de um algoritmo para o cálculo do risco agregado. Extensões naturais são a Logarítmica e a Engen, e mais geralmente os modelos base de contangem de Hess, Liewald e Schmidt. As leis de Panjer são também os modelos discretos de Morris, no contexto de famílias exponencias naturais com variância polinomial no valor médio, o que pode levar a enveredar também por modelos de dispersão de Tweedie.
Nº máximo de alunos: 1
Requisitos: Interesse por Probabilidade; prefiro contacto presencial, uma ou duas vezes por semana.
Supervisor: Dinis Pestana, (CEAUL, DCM, Ciências ULisboa) e Instituto de Investigação Científica Bento da Rocha Cabral.
CEAUL_T7: Dinâmica Populacional
Descrição: O modelo tradicional de evolução sustentável de populações é o modelo logístico de Verhulst, ligado à parábola logística x(1.x), e portanto à Beta(2,2). Crescimento não sustentável, como o crescimento celular de cancros, ou vascularização com o aumento de peso, é mais adequadamente modelado pela equação de Gompertz, associada à lei de extremos de Gumbel. Usando outras associaões com Betas e BetaBoops obtêm-se modelos como o de Blumberg e o de Turner, qualquer deles com consequências fractais e em última análise caótica, associados a leis extremais, quer no contexto clássico de variáveis independentes e identicamente distribuídas, quer no contexto de filtragem geométrica.
Nº máximo de alunos: 1
Requisitos: Interesse por Probabilidade; prefiro contacto presencial, uma ou duas vezes por semana.
Supervisor: Dinis Pestana, (CEAUL, DCM, Ciências ULisboa) e Instituto de Investigação Científica Bento da Rocha Cabral.

Imagem de Manfred Antranias Zimmer de Pixabay
CEAUL_T8: À descoberta da melhor distribuição: visualização gráfica usando os packages AdequacyModel e fitdistrplus do R
Descrição: Neste projeto, pretende-se que os alunos explorem e comparem dois packages do R — AdequacyModel e fitdistrplus — no ajustamento e na seleção das distribuições paramétricas que melhor descrevem conjuntos de dados reais disponíveis na literatura. Assim, o trabalho consistirá na análise de dados clássicos de sobrevivência, nomeadamente os tempos de vida de porquinhos-da-índia infetados com diferentes cargas de virulent tubercle bacilli, e os tempos de sobrevivência livres de recidiva de pacientes diagnosticadas com cancro da mama primário, cujos dados estão acessíveis em R. Por se tratar de um estudo introdutório, serão apenas considerados dados completos, isto é, não censurados.
Um dos principais objetivos será perceber como os dois packages se comportam na estimação de parâmetros, avaliação da qualidade de ajustamento e comparação de modelos probabilísticos univariados. A componente gráfica será central: histogramas com sobreposição de curvas de densidades ajustadas, gráficos com as estimativas das funções de sobrevivência empírica e teórica, gráficos Q-Q, gráficos P-P, entre outros, para comparar o desempenho dos modelos.
No final, os alunos deverão apresentar uma breve análise reprodutível em R, destacando vantagens, limitações e diferenças práticas entre os dois packages.
Nº máximo de alunos: 2
Requisitos:
• Interesse por Estatística, Probabilidade e Análise de Dados;
• Conhecimentos básicos de R;
• Noções elementares de distribuições contínuas e estimação de parâmetros.
Supervisores: Eunice Carrasquinha (CEAUL, DCM, Ciências ULisboa) e Ivo Sousa-Ferreira (CEAUL, DM, Faculdade de Ciências Exatas e da Engenharia, Universidade de Madeira)

Imagem gerada por inteligência artificial (ChatGPT, OpenAI), 2025.
CEAUL_T9: Inteligência Artificial e Evidência Dentária para Apoio à Decisão Judicial
Descrição: O projeto pretende selecionar três investigadores para um período de mobilidade científica de três semanas, integrados numa equipa multidisciplinar dedicada ao desenvolvimento e validação de
metodologias de Inteligência Artificial aplicadas à evidência dentária em contexto forense e judicial. Os candidatos participarão em atividades de investigação relacionadas com análise de imagens radiográficas, estimativa da idade, identificação humana, validação de modelos de IA, interpretação de resultados e enquadramento legal e ético da utilização destas tecnologias como ferramentas de apoio à decisão.
Nº máximo de alunos: 3
Requisitos:
•Licenciatura, mestrado, doutoramento ou experiência comprovada em Medicina Dentária, Ciências Forenses, Medicina Legal, Informática, Inteligência Artificial, Ciência de Dados, Estatística, Engenharia
Biomédica ou áreas afins;
•Interesse demonstrado em investigação científica interdisciplinar;
•Conhecimentos em análise de dados, processamento de imagem, machine learning, deep learning ou áreas relacionadas serão valorizados;
• Experiência em investigação forense, medicina dentária forense, estimativa da idade ou identificação humana será considerada uma mais-valia;
• Capacidade de trabalho em equipa internacional e multidisciplinar;
• Domínio da língua inglesa, oral e escrita.
Supervisores: Cristiana Pereira (CEAUL, FMDUL e FMUL) e Rui Santos (CEAUL e ESTG-IPLeiria)

CEAUL_T10: Modelos Matemáticos em Epidemiologia
Descrição: A Os modelos matemáticos desempenham um papel fundamental na epidemiologia, permitindo compreender, descrever e prever a propagação de doenças infecciosas numa população. Através da utilização de equações matemáticas e métodos estatísticos, estes modelos ajudam a analisar como fatores como o número de indivíduos suscetíveis, a taxa de transmissão, os contactos entre pessoas ou as medidas de controlo influenciam a evolução de uma epidemia.
A importância dos modelos epidemiológicos tornou-se particularmente evidente durante a pandemia de COVID-19, quando foram utilizados para estimar o número de infeções, avaliar o impacto de medidas de distanciamento social, prever necessidades hospitalares e apoiar a tomada de decisões por parte das autoridades de saúde. Contudo, a sua utilização remonta a muito antes, destacando-se o clássico modelo SIR (Suscetíveis–Infetados–Recuperados), referido por William O. Kermack e Anderson G. McKendrick em 1927.
Este estágio pretende introduzir os conceitos fundamentais da modelação matemática em epidemiologia, explorando modelos simples de transmissão de doenças e analisando o seu comportamento através de exemplos e simulações computacionais. O trabalho permitirá ao estudante compreender como a matemática pode contribuir para responder a problemas concretos de saúde pública.
Nº máximo de alunos: 3
Requisitos: Interesse por Matemática Aplicada, Estatística e suas aplicações à epidemiologia, com curiosidade científica, rigor e alguma autonomia.
Supervisores: Marília Antunes (CEAUL, DCM Ciências ULisboa) e Carlota Rebelo (DCM Ciências, Ulisboa e CEMAT)

Imagem gerada por inteligência artificial (ChatGPT, OpenAI), 2025.
CEAUL_T11: Temos um bom ar?
Descrição: A análise da qualidade do ar que respiramos é essencial para entender o impacto das atividades humanas na saúde pública e no meio ambiente. Neste estágio, iremos realizar uma análise crítica de dados reais, utilizando ferramentas como Excel e SPSS, com o objetivo de interpretar os dados de forma rigorosa e identificar padrões relevantes. Posteriormente discutiremos como comunicar os resultados de forma clara e eficaz. Este projeto aplica o conhecimento estatístico na resolução de problemas, promovendo uma maior consciência sobre a importância da sustentabilidade e encontra-se alinhado aos Objetivos de Desenvolvimento Sustentável (ODS).
Nº máximo de alunos: 3
Requisitos: Conhecimentos básicos de estatística e curiosidade em analisar dados reais.
Supervisor: Cláudia Silvestre (ESCS, LIACOM, CEAUL)

Imagem gerada por inteligência artificial (ChatGPT, OpenAI), 2025.
CEAUL_T12: É preciso saber perguntar
Descrição: Os questionários são das ferramentas mais utilizadas na recolha de dados em diversas áreas do conhecimento. No entanto, a qualidade da informação obtida depende fortemente da qualidade das perguntas formuladas. Perguntas ambíguas, enviesadas, excessivamente complexas ou mal estruturadas podem comprometer a validade dos resultados e conduzir a conclusões incorretas.
Este projeto tem como objetivo proporcionar uma experiência de aprendizagem baseada na prática (learning by doing), permitindo aos estudantes conceber, implementar e avaliar um questionário desenvolvido por eles próprios. Paralelamente, os estudantes deverão estudar os princípios teóricos da construção e validação de questionários e aplicá-los ao instrumento criado, identificando os seus pontos fortes e limitações.
Pretende-se que, no final do projeto, os estudantes compreendam que a recolha de dados não começa na análise estatística, mas sim na formulação adequada das perguntas que irão gerar esses dados.
Nº máximo de alunos: Todos os interessados são aceites.
Requisitos: Conhecimentos intermédios de estatística descritiva e análise de dados, interesse por métodos de recolha de dados e investigação aplicada, curiosidade científica e disposição para aprender com os próprios erros. Não é necessária experiência prévia na construção ou validação de questionários.
Supervisores: Marília Antunes (CEAUL, DCM Ciências ULisboa), Carina Silva, (CEAUL e Escola Superior de Saúde de Lisboa, IPL) e Lisete Sousa (CEAUL, DCM Ciências ULisboa).

Imagem gerada por inteligência artificial (ChatGPT, OpenAI), 2025.



