Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03590
Acrónimo :
03590
Ciclo :
1.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
·

Carga Horária / Course Load


Semestre :
2
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
18.0h/sem
Aula Prática e Laboratorial (PL) :
18.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
37.0h/sem
Trabalho Autónomo :
113.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Estatística e Análise de Dados

Departamento / Department


Departamento de Métodos de Pesquisa Social

Ano letivo / Execution Year


2023/2024

Pré-requisitos / Pre-Requisites


Não tem.

Objetivos Gerais / Objectives


Os objetivos gerais (OG) centram-se em capacitar o aluno a adquirir competências para: OG1: Organizar e preparar os dados para análise. OG2: Explorar e analisar descritivamente os dados. OG3: Analisar e representar os dados com recurso. a software adequado à área da Ciência de Dados. OG4: Aplicar a literacia visual e estatística na criação e interpretação de visualizações de dados.

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


Objetivos de aprendizagem (OA) a desenvolver em articulação com os objetivos gerais: OA1. Organizar e preparar os dados para análise. OA2. Saber utilizar e interpretar um conjunto de instrumentos estatísticos no domínio da estatística descritiva. OA3. Utilizar Excel, R e Jamovi nas aplicações de preparação, análise e representação de dados. OA4. Adequar os modelos de representação visual a diferentes objetivos, de acordo com as boas práticas de visualização. OA5. Interpretar e redigir os resultados de uma análise descritiva de dados.

Conteúdos Programáticos / Syllabus


Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem. CP1. Organização, preparação e transformação de dados CP2. Análise exploratória de dados Valores omissos Codificação e imputação Gráficos exploratórios Variáveis aleatórias Função de distribuição empírica Distribuição Normal CP3. Análise descritiva dos dados Medidas descritivas Análise uni e bivariada Medidas de associação CP4. Representação visual Introdução aos princípios de representação visual Estruturas de representação visual

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 conteúdos programáticos estão alinhados com os objetivos de aprendizagem (OA.) da UC através das seguintes dependências: OA1: CP1 OA2: CP2, 3, 4 OA3: CP1, 2, 3, 4 OA4: CP2, 4 OA5: CP2, 3, 4

Avaliação / Assessment


Regime de avaliação: periódica ou por exame Periódica: - Exercício individual em R (10%) nota mínima 7,5 - Trabalho de grupo (35%); nota mínima 7,5 - Teste escrito (55%); nota mínima 7,5 Por exame: - Exame/trabalho prático individual (40%); nota mínima 7,5 - Exame escrito (60%); nota mínima 7,5

Metodologias de Ensino / Teaching methodologies


ME1: Expositivas, para apresentação dos quadros teóricos de referência ME2: Participativas, com a análise e discussão de casos práticos ME3: Experimentais, com desenvolvimento de exercícios com recurso a meios digitais. ME4: Auto-estudo, relacionadas com o trabalho autónomo do aluno.

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


ME1: OA 1, 2, 3, 4 ME2: OA 1, 2, 3, 4, 5 ME3: OA 1, 2, 3, 4, 5 ME4: OA 1, 2, 3, 4, 5

Observações / Observations


Caso seja necessário, o processo de avaliação poderá sofrer adaptações, que serão comunicadas oportunamente (COVID-19).

Bibliografia Principal / Main Bibliography


Rocha, M. & Ferreira, P.G. (2017) Análise e Exploração de Dados com R. Lisboa, FCA Reis, E. (1998). Estatística Descritiva, Lisboa, Sílabo,7ª ed. Carvalho, A. (2017). Métodos quantitativos com Excel, Lisboa, Lidel edições técnicas. Cairo, A. (2013). The Functional Art: An introduction to information graphics and visualization (Voices That Matter). New Riders. Brown, D.S. (2022). Statistics and Data Visualization Using R. The Art and Practice of Data Analysis. Sage Publication, Inc. Barroso, M., Sampaio, E. & Ramos, M. (2003). Exercícios de Estatística Descritiva para as Ciências Sociais, Lisboa, Sílabo.

Bibliografia Secundária / Secondary Bibliography


Reis, E. (1998). Estatística Descritiva, Lisboa, Sílabo. Murteira, B. J. F. (1990). Análise Exploratória de Dados. Estatística Descritiva, McGraw Hill. Hoaglin, D.C., Mosteller, F & Tukey, J. W. (1992). Análise Exploratória de Dados. Técnicas Robustas, Ed. Salamandra, Lisboa. Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. London, SAGE Publications Ltd. Dias Curto, J.J., & Gameiro, F. (2016). Excel para Economia e Gestão. Lisboa, Ed. Sílabo. Carvalho, A. (2017). Gráficos com Excel - 95 Exercícios, Lisboa, FCA. Alexandrino da Silva, A. (2006). Gráficos e mapas?representação de informação estatística. Lisboa, Lidel edições técnicas.

Data da última atualização / Last Update Date


2024-02-16