Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
460 - Matemática e estatística
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Conhecimentos básicos de álgebra e de probabilidades.
Objetivos Gerais / Objectives
Esta unidade curricular visa introduzir os fundamentos da análise de dados em contexto organizacional. Pretende-se que os estudantes desenvolvam competências para recolher, organizar, explorar e visualizar dados de forma eficaz, com foco no suporte à tomada de decisão. O Microsoft Excel será a ferramenta central para aplicar as técnicas de análise em datasets reais.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1: Identificar os tipos de dados e as principais etapas do processo de análise de dados. OA2: Organizar e preparar dados em folhas de cálculo. OA3: Conhecer e utilizar os principais conceitos utilizados estatística descritiva, escolhendo adequadamente as medidas e as representações gráficas para descrever os dados. OA4: Explicar o que é um modelo de dados, e conhecer algumas técnicas de modelação preditiva de dados. OA5: Criar visualizações eficazes com tabelas dinâmicas e gráficos. OA6: Interpretar resultados e apresentar conclusões de forma clara e fundamentada.
Conteúdos Programáticos / Syllabus
CP1: Introdução à análise de dados – tipos, fontes e ciclo de vida dos dados. CP2: Organização e limpeza de dados em Excel – formatos, filtros, validação. Funções básicas e avançadas no Excel – estatísticas, lógicas, procura e referência. CP3: Noções de Estatística Descritiva: Tipos de variáveis. Tabelas de frequências e representações gráficas. Medidas de tendência central, de dispersão, de assimetria e de curtose. Análise exploratória dos dados. CP4: Noções de modelação preditiva de dados: Regressão linear simples e multipla, regressão logistica. CP5: Visualização de dados – gráficos, formatação condicional, dashboards simples.
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
Cada conteúdo programático está diretamente alinhado com os objetivos: Pretende-se atingir o OA1 através da discussão e exemplificação dos conceitos abordados nos CP1. O OA2 é abordado de uma forma sobretudo práticas através dos conteúdos CP2. O OA3 e o OA4 são desenvolvidos pelo exercicios dos conceitos ensinados nos CP3 e CP4. Pretende-se atingir os objetivos OA5 e OA6 com a elaboração prática de visualizações abordada nos CP5 e em estudos de caso.
Avaliação / Assessment
A avaliação ao longo do semestre inclui: - Projeto prático de análise de dados realizado em grupo (máximo de 3 alunos), incluindo um relatório (15%) com uma entrega intercalar obrigatória (15%) e uma defesa oral com nota individual (20%). Nota mínima de 8 valores. - Teste individual (30%) para aferição de conhecimentos teóricos. - Exercícios em aula e trabalhos semanais (20%). O uso de ferramentas de IA (ex: ChatGPT) é permitido para apoio técnico e deve ser claramente referenciado com os prompts utilizados. O Exame Final é um exame escrito, individual, sem consulta, com toda a matéria. Realiza exame final, na época 2, quem não tenha concluído com sucesso a avaliação ao longo do semestre, com uma nota média superior ou igual a 9,5 (em 20).
Metodologias de Ensino / Teaching methodologies
As aulas teórico-práticas (36h) combinam explicações breves com resolução de exercícios práticos em Excel. Distribuição das restantes 114h: - 48h para desenvolvimento do projeto de grupo. - 36h de estudo autónomo e prática orientada. - 30h de leitura de materiais e preparação de apresentações. A aprendizagem é centrada na resolução de problemas reais com datasets acessíveis e feedback contínuo.
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
A prática contínua com Excel assegura a aquisição progressiva de competências (OA2 a OA6). O projeto permite a aplicação realista e integrada dos conhecimentos. O teste garante a consolidação de OA1 a OA3. A participação ativa reforça o processo formativo e o acompanhamento individual.
Observações / Observations
A UC contribui para os ODS 4 (Educação de Qualidade) e 9 (Inovação), promovendo competências básicas em literacia de dados. O uso de IA deve ser transparente e devidamente documentado.
Bibliografia Principal / Main Bibliography
Wayne L. Winston, Microsoft Excel Data Analysis and Business Modeling (Office 2021 and Microsoft 365), 7th Edition (2021) Elizabeth Reis, Estatística Descritiva, 7ª Edição, Edições Silabo (2008) Cole Nussbaumer Knaflic, 'Storytelling with data: a data visualization guide for business professionals', John Wiley & Sons, Inc., 2015.
Bibliografia Secundária / Secondary Bibliography
Será disponibilizada consoante os interesses dos estudantes e atualizações tecnológicas relevantes.
Data da última atualização / Last Update Date
2025-09-12