Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Departamento de Métodos de Pesquisa Social

Ano letivo / Execution Year

2024/2025

Pré-requisitos / Pre-Requisites

Não aplicável

Objetivos Gerais / Objectives

Esta unidade curricular está organizada em dois eixos analíticos. Começa por centrar-se na operacionalização de dimensões de análise através de novas variáveis compósitas. Para o efeito usa-se a Análise em Componentes Principais (ACP) para variáveis quantitativas e a Análise de Correspondências Múltiplas (ACM) para variáveis categorizadas. O segundo eixo tem por objetivo construir modelações com as novas variáveis compósitas (e outras) a fim de explorar relações de dependência entre elas. A abordagem teórico-prática dos diversos métodos é acompanhada pela interpretação de casos práticos, os quais são desenvolvidos com apoio de software de estatística.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

OA1 | Operacionalizar dimensões analíticas baseadas na construção de variáveis compósitas OA2 | Adquirir e desenvolver conhecimentos sobre análises fatoriais OA3 | Adquirir e desenvolver conhecimentos sobre teste t, Análise de Variância e regressão linear OA4 | Aplicar a Análise em Componentes Principais (ACP) e Análise de Correspondências Múltiplas (ACM) OA5 | Aplicar teste t, Análise de Variância e regressão linear múltipla OA6 | Analisar e interpretar os resultados das diversas modelações OA7 | Reportar os resultados em contexto de tese/artigo científico

Conteúdos Programáticos / Syllabus

1. Operacionalização de dimensões de análise em variáveis compósitas 1.1. Redução da multidimensionalidade do input 1.1.1. Análise de Componentes Principais 1.1.2. Análise de Correspondências Múltiplas 1.2. Consistência 1.3. Construção de variáveis compósitas 1.4. Operacionalização com software de estatística 1.5. Reportar resultados em tese/artigo 2. Modelação de relações 2.1. Teste t 2.2. Análise de Variância 2.3. Regressão linear múltipla 2.4. Operacionalização com software de estatística 2.5. Interpretação estatística de resultados 2.6. Reportar resultados em tese/artigo

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

Os objetivos de aprendizagem (OA) definidos para esta UC são concretizados em conteúdos programáticos (CP) conforme as ligações seguintes: OA1 | Pontos 1.1 | 1.2 | 1.3 OA2 | Pontos 1.1.1 | 1.1.2 OA3 | Pontos 2.1 | 2.2 | 2.3 OA4 | Ponto 2.4 OA5 | Ponto 2.4 OA6 | Pontos 2.5 OA7 | Pontos 1.5 | 2.6

Avaliação / Assessment

A avaliação da unidade curricular consiste em um trabalho individual (100%), no qual são aplicados os diferentes métodos quantitativos com apoio de software de estatística. A avaliação desta UC não contempla a realização de exame escrito final.

Metodologias de Ensino / Teaching methodologies

O estudo individual é orientado e apoiado em aulas com uma configuração distinta: - Existem aulas com um registo mais teórico-prático centradas na apresentação e desenvolvimento dos métodos estattísticos; e na apresentação e discussão de aplicações. Desta forma e neste tipo de aulas são implementados métodos de ensino expositivo e interrogativo. Para facilitar a compreensão e captar a atenção, a exposição é combinada com perguntas, partindo do princípio de que os alunos podem utilizar os seus conhecimentos acumulados para responder. Outro fator que favorece a participação dos alunos é a introdução de exemplos práticos de modelos, que ajudam a ilustrar os conceitos e facilitam a sua compreensão. - Aulas mais laboratoriais destinadas à aplicação dos diferentes métodos, recorrendo a software de estatística e, ainda, à apresentação de resultados em tese/artigo científico. Para estas aulas os métodos de ensino requisitados são os demonstrativo e o activo. Nestas aulas é dedicada uma parte do tempo de aula à demonstração de como deve ser feita a gestão do software de estatística, privilegiando-se nesta fase um método demonstrativo. Ainda no contexto das aulas, e apesar de ser facultada uma ficha técnica para apoiar os alunos no processamento das operações assistidas por computador, é da sua responsabilidade executar um conjunto de tarefas apoiadas por software estatístico. Nestes períodos da aula cada aluno é um elemento ativo da aprendizagem. O investimento em um método ativo pretende responsabilizar cada aluno pela exequibilidade de diversas tarefas mais de natureza estatística. - Para além das aulas, existem ainda sessoes tutoriais para esclarecimento de dúvidas e acompanhamento do relatório individual. |

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

As metodologias de ensino-aprendizagem estão ligadas aos objetivos de aprendizagem da seguinte forma: 1) Em aulas com uma abordagem mais teórico-prática, a apresentação e o aprendizagem dos métodos quantitativos são suportados por métodos de ensino expositivo e interrogativo. Usando a interação entre exposição e interrogação são alcançados os seguintes objetivos de aprendizagem : LG1 | Operacionalizar dimensões analíticas por meio de variáveis compósitas LG2 | Adquirir e desenvolver conhecimento sobre análises fatoriais LG3 | Adquirir e desenvolver conhecimento sobre regressão linear múltipla LG6 | Analisar e interpretar os resultados dos diferentes modelos 2) Em aulas assistidas por computador (com utilizadores individuais), parte do tempo da aula é dedicada a demonstrar como gerir software estatístico. Esta fase é suportada por um método demonstrativo. Neste tipo de sessões, os estudantes são também responsáveis por completar um conjunto de tarefas com apoi do software de estatística. Nessas tarefas, cada estudante participa ativamente do processo de aprendizagem, justificando o investimento em um método ativo. Esta estratégia pedagógica visa alcançar os seguintes objetivos de aprendizagem: LG4 | Aplicar Análise de Componentes Principais (PCA) e Análise de Correspondência Múltipla (MCA) LG5 | Aplicar teste t, ANOVA e regressão linear múltipla LG6 | Analisar e interpretar os resultados dos diferentes modelos LG7 | Reportar os resultados em uma tese/artigo.

Observações / Observations

--

Bibliografia Principal / Main Bibliography

Bryman, Alan (2012). Social research methods. Oxford University Press Inc., New York, 4th Ed. Carvalho, H. (2017). Análise Multivariada de Dados Qualitativos, Utilização da Análise de Correspondências Múltiplas com o SPSS, Lisboa, Edições Sílabo, 2ª ed. Hair, J., Black, W., Babin, B. and Anderson, R. (2019). Multivariate Data Analysis, Pearson New International Edition, 8th ed. Maroco, J. (2014). Análise Estatística com o SPSS Statistics, Pero Pinheiro, ReportNumber, 6ª ed. Maroco, J. e Bispo, R. (2003). Estatística aplicada às ciências sociais e humanas, Lisboa, Climepsi Editores. Reis, E. (2001). Estatística Multivariada Aplicada, Lisboa, Sílabo, 2ª ed. Tabachnick, B. e Fidell, L. (2013). Using Multivariate Statistics, USA, Person International Edition, 6th ed.

Bibliografia Secundária / Secondary Bibliography

Data da última atualização / Last Update Date

2024-07-23