FLP0451 - Tópicos avançados em Políticas Públicas (2026)

A disciplina explora políticas públicas como processos dinâmicos, enfatizando seus efeitos políticos, organizacionais e institucionais sobre as estruturas estatais, ao longo do tempo. A primeira parte discute o chamado 'day after' das políticas públicas — como elas geram feedbacks, aprendizagem, capacidades estatais, difusão e dependência de trajetória, entre outros efeitos. A segunda parte é aplicada e apresenta diferentes abordagens de avaliação de políticas públicas, utilizando o projeto de avaliação do PIBID e do PRP como laboratório empírico.

Objetivos de Aprendizagem

·         Entender as políticas públicas como processos dinâmicos e recursivos, e não apenas como decisões e intervenções pontuais do poder estatal sobre a realidade estatal.

·         Analisar como políticas produzem efeitos políticos, organizacionais e institucionais ao longo do tempo, e como esses efeitos condicionam o desenvolvimento futuro das políticas e o rol de instrumentos passíveis de serem mobilizados.

·         Compreender conceitos-chave da análise da implementação de políticas públicas, como  policy feedback, policy learning, difusão de políticas, capacidades estatais e dependência de trajetórias.

·         Formular perguntas avaliativas coerentes com diferentes perspectivas teóricas.

·         Conhecer e comparar abordagens de avaliação de políticas públicas.

·          Distinguir explicações plausíveis de explicações analiticamente sustentadas, entendendo o papel da evidência, da coerência causal e dos limites inferenciais.

·         Aplicar conceitos e ferramentas analíticas a um caso concreto (PIBID/PRP).

Estratégia de Aprendizagem

A estratégia de aprendizagem do curso parte do reconhecimento de que a formação em políticas públicas, no âmbito das ciências sociais, deve priorizar o desenvolvimento de competências analíticas — especialmente a capacidade de formular problemas, delimitar conceitos, identificar mecanismos causais e refletir criticamente sobre as evidências.

Nesse sentido, o curso adota uma metodologia ativa e intensiva em sala de aula, combinando exposições dialogadas, análise orientada de excertos selecionados da literatura, exercícios coletivos e atividades aplicadas. Um elemento central dessa estratégia é o uso metodológico de ferramentas de inteligência artificial generativa, como apoio à construção, à exploração e ao refinamento de conceitos analíticos.

O uso da IA no curso não tem caráter substitutivo da leitura, da reflexão ou do julgamento crítico dos estudantes. Ao contrário, a IA é mobilizada explicitamente como interlocutora analítica, cuja utilidade depende da qualidade das perguntas formuladas. Os estudantes são estimulados a compreender que prompts (scripts) bem elaborados funcionam como verdadeiras “teorias em miniatura”, pois explicitam o objeto de análise, as dimensões relevantes, os pressupostos conceituais e o tipo de resposta esperada. Assim, aprender a formular bons prompts é parte constitutiva do aprendizado analítico promovido pelo curso.

Ao longo do semestre, os estudantes participam de atividades estruturadas de construção, teste e refinamento de scripts, nas quais comparam respostas produzidas pela IA com excertos teóricos e com a discussão coletiva em sala de aula. Essas atividades visam desenvolver competências como: (i) precisão conceitual; (ii) distinção entre conceitos, mecanismos e exemplos empíricos; (iii) identificação de simplificações, lacunas e ambiguidades em respostas automatizadas; e (iv) capacidade de reformular perguntas analíticas de modo progressivamente mais rigoroso.

As atividades em sala também enfatizam a aplicação crítica dos conceitos a casos empíricos concretos, em especial por meio do estudo do projeto de avaliação dos programas PIBID e PRP. Os estudantes são convidados a explorar, com apoio da IA, diferentes dimensões analíticas, sempre articulando essas explorações com conceitos discutidos em aula e com limites empíricos claramente identificados.

Espera-se, portanto, uma participação ativa dos estudantes nas atividades presenciais, incluindo: leitura e discussão de excertos selecionados; formulação e reformulação de prompts analíticos; comparação crítica entre textos, respostas da IA e evidências empíricas; e produção de sínteses analíticas curtas. O foco do aprendizado não está na obtenção de “respostas corretas”, mas na capacidade de formular boas perguntas, estruturar análises e exercer julgamento crítico, competências centrais para a formação em políticas públicas e para o uso responsável e qualificado de ferramentas de inteligência artificial.