Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Estatística e Análise de Dados
Departamento / Department
Ano letivo / Execution Year
2019/2020
Pré-requisitos / Pre-Requisites
N.a.
Objetivos Gerais / Objectives
Descobrir o que pode ser feito para proteger a organização contra fraudes. Saber quais as responsabilidades de gestão para a prevenção de fraudes e de controlos internos eficazes para ajudar neste esforço. Este curso proporciona técnicas avançadas de suporte à gestão do risco de fraude que potenciam a redução do custo da fraude para todos os tipos de entidades.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1.Saber definir fraude e reconhecer as diferenças entre prevenção e deteção de fraude; OA2. Reconhecer os tipos de dados e as ferramentas disponíveis para deteção de fraude; OA3. Aplicar técnicas avançadas de análise de dados para identificar indícios de fraude e reconhecer anomalias e sinais de alarme de fraude.
Conteúdos Programáticos / Syllabus
CP1. Conceito e tipos de fraude; CP2. Técnicas analíticas de prediçaode fraude; CP3. Aplicações práticas predição de fraude com uso de software analítico.
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
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: CP1 -> OA 1,2 CP2 -> OA 2,3 CP3 -> OA 1,2,3
Avaliação / Assessment
Exame com ponderação de 100% nota final:1ª e 2ª épocas Nota mínima é de 9,5 valores para aprovação no curso
Metodologias de Ensino / Teaching methodologies
São utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Participativas, com análise de artigos científicos. ME3. Ativas, com realização de trabalho de grupo ME4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador ME5. Auto-estudo, relacionado com o trabalho autónomo (TA) 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
Ao longo do período letivo, o aluno deverá adquirir e/ou desenvolver competências de análise e interpretação, assim como de comunicação escrita e oral. Ao longo do período letivo, o aluno deverá adquirir e/ou desenvolver competências de análise e interpretação, assim como de comunicação escrita e oral. As principais ligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos são apresentados de seguida: ME1 -> OA 1, 2 ME2 -> OA 1, 2, 3 ME3 -> OA 1, 2, 3 ME4 -> OA 2, 3 ME5 -> OA 1, 2, 3
Observações / Observations
.
Bibliografia Principal / Main Bibliography
Gee, Sunder (2015). Fraud and fraud detection: a data analytics approach, Wiley corporate F&A series. Baesens, Bart, Van Vlasselaer, Veronique & Verbeke, Wouter (2015). Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques, John Wiley & Sons, Inc. ACFE (2018), Report to the Nations on Occupational Fraud and Abuse.
Bibliografia Secundária / Secondary Bibliography
Westphal, C. (2009). Data Mining for Intelligence, Fraud & Criminal Detection: Advanced Analytics & Information Sharing Stamler, Rodney T.; Marschdorf, Hans J.; & Possamai, Mario (2014). Fraud Prevention and Detection of Warning Signs and the Red Flag System. CRC Press. Coderre, D. (2009). Computer-Aided Fraud Prevention and Detection: A Step by Step Guide. John Wiley & Sons. Nigrini, M. J. (2015). Fraud Risk Assessments of Forensic Units. Forensic Analytics: Methods and Techniques for Forensic Accounting Investigations.
Data da última atualização / Last Update Date
2024-02-16