Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03633
Acrónimo :
03633
Ciclo :
2.º ciclo
Língua(s) de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Inglês

Carga Horária / Course Load


Semestre :
2
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
24.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/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 :
25.0h/sem
Trabalho Autónomo :
125.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Investigação Operacional

Departamento / Department


Departamento de Métodos Quantitativos

Ano letivo / Execution Year


2026/2027

Pré-requisitos / Pre-Requisites


NA

Objetivos Gerais / Objectives


No final desta Unidade Curricular, o estudante deverá ter adquirido as competências necessárias para listar os principais modelos e técnicas para análise prescritivas e cognitiva, desenvolver modelos e interpretar e produzir recomendações com base nos resultados obtidos, focado no apoio à tomada de decisão para aplicações em Gestão.

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


Ao concluir esta Unidade Curricular o estudante deverá ser capaz de: OA1: Identificar modelos prescritivos e cognitivos de apoio à tomada de decisão adequados para aplicações em Gestão. OA2: Identificar técnicas prescritivas e cognitivas de apoio à tomada de decisão adequados para aplicações em Gestão. OA3: Desenvolver modelos prescritivos e cognitivos de apoio à decisão para aplicações em Gestão. OA4: Utilizar software para resolver casos prescritivos e cognitivos. OA5: Interpretar e produzir recomendações baseadas nos resultados obtidos.

Conteúdos Programáticos / Syllabus


CP1. Modelos e técnicas prescritivas 1.1 Conceitos 1.2 Principais modelos de optimização (e.g., linear, inteiro, não-linear, multi-objectivo) 1.3 Principais técnicas de optimização (e.g., exactas, heurísticas) 1.4 Simulação de Monte Carlo 1.5 Aplicações na Gestão CP2. Análise Cognitiva 2.1 Conceitos 2.2 Aplicações na Gestão (e.g., casos de uso de IA com diferentes tipos de IA) 2.3 Demonstração com software (e.g., WatsonX) CP3. Resolução de casos prescritivos e cognitivos com software (e.g., Excel, SPSS Modeler, SAP Signavio, WatsonX, LLM)

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


Esta "demonstração de coerência" decorre da interligação dos conteúdos programáticos (CP) com os objectivos de aprendizagem (OA), como a seguir se explicita: OA1: CP1 e CP2 OA2: CP1 e CP2 OA3: CP1 e CP2 OA4: CP3 OA5: CP1, CP2 e CP3 A identificação e desenvolvimento de modelos prescritivos e cognitivos (OA1 e OA3, respectivamente) serão feitos no âmbito do apoio à tomada de decisão para aplicações em Gestão (em CP1, CP2 e CP3). No âmbito dos CP1, CP2 e CP3, será feita a identificação de técnicas prescritivas e cognitivas de apoio à tomada de decisão (OA2), assim como a interpretação e produção de recomendações no contexto do problema (OA5). A utilização de software para resolução de casos prescritivos e cognitivos (OA4) será feita no CP3.

Avaliação / Assessment


Avaliação ao longo do semestre ou avaliação por exame: 1. AVALIAÇÃO AO LONGO DO SEMESTRE: a) Teste escrito: i) peso de 60%; ii) classificação mínima de 8,5; b) Projecto em grupo: i) peso de 40%; ii) grupos de 4 estudantes; iii) com apresentação e discussão oral;c) Presença em, pelo menos, 2/3 das aulas leccionadas; d) Aprovação: média ponderada mínima de 9,5. 2. AVALIAÇÃO POR EXAME (1.ª e 2.ª Época): a) Teste escrito: i) peso de 60%; ii) classificação mínima de 8,5; b) Projecto individual: i) peso de 40%; ii) com apresentação e discussão oral; c) Aprovação: média ponderada mínima de 9,5. Em ambas as modalidades de avaliação, pode ser exigida uma prova oral. Escala: 0-20 valores.

Metodologias de Ensino / Teaching methodologies


As aulas desta Unidade Curricular são teórico-práticas. Nestas aulas serão aplicados diversos modelos e metodologias de ensino. As aulas teórico-práticas permitem utilizar metodologias de ensino expositivas, experimentais e de discussão. Para apresentar os conceitos, modelos e técnicas de resolução relativos aos conteúdos programáticos será utilizada uma metodologia expositiva. Para aplicar os modelos e técnicas estudados, e utilizar software, serão resolvidos exercícios nas aulas, pelo que se utilizará uma metodologia de ensino experimental. Para analisar os resultados obtidos, aplicar-se-á uma metodologia de discussão. As metodologias experimentais e de discussão são cruciais para esta Unidade Curricular, uma vez que o objectivo é focado na tomada de decisão para aplicações em Gestão Os estudantes são encorajados a participar nas aulas. Além das metodologias já mencionadas, o trabalho autónomo dos estudantes é relevante para a aquisição e o desenvolvimento das competências. Este trabalho autónomo consiste na leitura da bibliografia e na realização de exercícios e do projecto de grupo. O Planeamento de Aulas inclui linhas orientadoras para o trabalho autónomo.

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 visam o desenvolvimento das principais competências dos estudantes que permitam cumprir com cada um dos objectivos de aprendizagem. Em traços gerais, os objectivos de aprendizagem consistem na aquisição de competências para a tomada de decisão em Gestão, através da identificação e desenvolvimento de modelos e técnicas prescritivas, e da interpretação e produção de recomendações. Cada uma das metodologias de ensino contribui para todos os objectivos de aprendizagem. A metodologia expositiva (ME1) será utilizada para apresentar os conceitos teóricos necessários. A metodologia experimental (ME2) será aplicada usando software generalista e resolvendo casos práticos. A metodologia de discussão (ME3) permitirá desenvolver a capacidade de análise dos resultados e da elaboração de recomendações. Dada a natureza de resolução de casos práticos, o trabalho autónomo dos estudantes é crucial para o desenvolvimento das competências de resolução e análise. Na grelha a seguir, apresentam-se as principais interligações entre as metodologias de ensino (ME) e os objectivos de aprendizagem (OA). ME1: OA1, OA2, OA3, OA4 e OA5 ME2: OA1, OA2, OA3, OA4 e OA5 ME3: OA1, OA2, OA3, OA4 e OA5 Os OA1, OA2, OA3 e OA5 serão avaliados nas provas escritas. O projecto permite avaliar os OA1, OA2, OA3, OA4 e OA5.

Observações / Observations


Os estudantes abrangidos pelo “Regulamento de Estudantes com Estatuto Especial” deverão contactar o docente da UC, ou o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e de avaliação na Unidade Curricular. Utilização de ferramentas de IA: quando os estudantes utilizam ferramentas de IA para produzir conteúdo para os seus trabalhos, devem atribuir esta nota identificando as ferramentas, os prompts utilizados e os comentários/avaliações sobre a sua utilização.

Bibliografia Principal / Main Bibliography


Evans, J. (2021). Business Analytics. 3rd Global Edition. Pearson. | Ragsdale, C. T. (2017). Spreadsheet Modeling and Decision Analysis: A Practical Introduction to Business Analytics. 8th ed. Cengage Learning. | Murty, K. G. (2003). Optimization Models for Decision Making. Volume 1. Web-book. http://www-personal.umich.edu/~murty/books/opti_model/ | Elakkiya, R., & Subramaniyaswamy, V. (eds.) (2024). Cognitive Analytics and Reinforcement Learning: Theories, Techniques and Applications. 1st ed. Wiley.

Bibliografia Secundária / Secondary Bibliography


Greasley, A. (2019). Simulating Business Processes for Descriptive, Predictive and Prescriptive Analytics. De Gruyter. | Borshchev, A. (2015). The Big Book of Simulation Modeling: Multimethod Modeling with AnyLogic 6. AnyLogic North America. | Taha, H. A. (2016). Operations Research: An Introduction. 10th ed. Pearson. | Korte, B., & Vygen, J. (2012). Combinatorial Optimization: Theory and Algorithms. 5th ed. Springer. | Pinedo, M. L. (2012). Scheduling: Theory, Algorithms, and Systems. 4th ed. Springer. | Cook, J. W. (2014). In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation. 3rd ed. Princeton University Press.

Data da última atualização / Last Update Date


2026-05-28