Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03634
Acrónimo :
03634
Ciclo :
2.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) :
12.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
12.0h/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


Estatística e Análise de Dados

Departamento / Department


Departamento de Métodos Quantitativos para Gestão e Economia

Ano letivo / Execution Year


2020/2021

Pré-requisitos / Pre-Requisites


·

Objetivos Gerais / Objectives


Ensinar alunos a construir um caso de negócio na área analítica.

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


OA1. Compreender os conceitos e metodologias-chave de um caso de negócio OA2. Elaborar um caso de negócio na área analítica OA3. Entregar e comunicar um caso de negócio na área analítica

Conteúdos Programáticos / Syllabus


P1. Conceito de caso de negócio e seus elementos P1.1. Fundamentos de gestão de projetos P1.2. Principais frameworks P2. Tipos de caso de negócio na área analítica P3. O papel da consultoria na área analítica P3.1. Desenhar um caso de negócio P3.2. Entregar um caso de negócio P4. Exemplos de casos de negócio na área analítica

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


Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: P1 -> OA 1 P2 -> OA 1, 2, 3 P3 -> OA 2, 3 P4 -> OA 1, 2, 3

Avaliação / Assessment


Trabalho escrito individual com, eventual, apresentação e discussão (50%) (AO 1, 2, 3) Trabalho de grupo com apresentação e discussão (50%) (AO 1, 2, 3) Aprovação: a) classificação mínima 10 valores em cada trabalho; e, b) assiduidade mínima de 2/3 das aulas Escala: 0-20 valores. Esta UC não contempla avaliação por exame.

Metodologias de Ensino / Teaching methodologies


Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Participativas, com análise e discussão de casos de aplicação. ME3. Ativas, com realização de trabalhos ME4. Auto-estudo, relacionado com o trabalho autónomo (TA) do aluno, tal como consta no Planeamento das Aulas.

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 visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objetivos de aprendizagem, pelo que, na grelha a seguir, apresentam-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. ME1 -> OA 1, 2, 3 ME2 -> OA 2, 3 ME3 -> OA 2, 3 ME4 -> OA 1, 2, 3

Observações / Observations


Tendo em conta o Despacho 21/1/2021 as aulas são online até, pelo menos, meados de fevereiro. Devido à atual situação provocada pela COVID-19, o processo de avaliação poderá sofrer algumas adaptações, que serão comunicadas oportunamente, caso tal venha a ser necessário.

Bibliografia Principal / Main Bibliography


Wysocki, Robert. Effective Project Management: Traditional, Agile, Extreme, Hybrid. 8th edition. Wiley. Schmidt, Marty. Business Case Guide. Everything you need to know about business case analysis. Solution Matrix. 3rd edition. 2020. Power, Daniel and Heavin, Ciara. Decision Support, Analytics, and Business Intelligence. 3rd Edition. Business Expert Press. 2017. Finlay, Steven. Artificial Intelligence and Machine Learning for Business: A No-Nonsense Guide to Data Driven Technologies. 3rd Edition. Relativistic, 2018. Blokdyk, Gerardus. Design sprint: Standards Requirements. CreateSpace Publishing. 2018.

Bibliografia Secundária / Secondary Bibliography


Data da última atualização / Last Update Date


2024-02-16