Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03848
Acrónimo :
MSM
Ciclo :
1.º ciclo
Línguas 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) :
54.0h/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 :
55.0h/sem
Trabalho Autónomo :
95.0
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


2024/2025

Pré-requisitos / Pre-Requisites


Não tem.

Objetivos Gerais / Objectives


No final da Unidade Curricular, o estudante deverá ter adquirido as competências necessárias para listar as principais técnicas de avaliação da qualidade dos dados e da redução da sua dimensionalidade e as principais técnicas descritivas para a segmentação de sujeitos, focadas em aplicações de gestão de Marketing.

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


Ao concluir a Unidade Curricular, o estudante deverá ser capaz de: OA1. Avaliar a qualidade dos dados, listar os padrões dos dados descritivos, detectar propriedades de sub-populações de dados significativos, e segmentar sujeitos de acordo com várias técnicas de clustering, reproduzindo-os na realização de exercícios. OA2. Interpretar os resultados decorrentes de técnicas de sumarização dos dados. OA3. Diferenciar os métodos de redução da dimensionalidade dos dados e de segmentação de sujeitos e escolher os métodos mais adequados a um determinado problema.

Conteúdos Programáticos / Syllabus


CP1: Qualidade dos dados CP2: Análise Descritiva Univariada e Bivariada CP3: Análise Descritiva Multivariada: 3.1 Métodos de redução da dimensionalidade dos dados de input: Análise de Componentes Principais (ACP), CatPCA, e Análise de Correspondências Múltiplas (ACM). 3.2 Métodos de Segmentação: Hierárquico aglomerativo, K-Means e Two-Step Clustering. CP4: Aplicações com o software IBM SPSS Statistics.

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: OA1: CP1, CP2, CP3, CP4 OA2: CP1, CP2, CP3, CP4 OA3: CP1, CP2, CP3, CP4

Avaliação / Assessment


Avaliação ao longo do semestre ou Avaliação por exame: Avaliação ao longo do semestre: a) 2 Exercícios (de 1h 15 m) com peso de 15% cada b) Teste final individual (70%) c) Média ponderada das avaliações de um mínimo de 8.5 d) assiduidade mínima de 2/3 das aulas leccionadas. Avaliação por exame: exame teórico (70%) + exame teórico-prático (30%) com nota mínima 8,5 a cada prova desde que a nota final seja de 10 no mínimo. Escala: 0-20 valores

Metodologias de Ensino / Teaching methodologies


As aulas desta Unidade Curricular são teórico-práticas. As aulas teórico-práticas permitem utilizar metodologias de ensino expositivas, experimentais e de discussão. Para apresentar os conceitos, as metodologias e métodos de resolução relativos a todos os conteúdos programáticos será utilizada uma metodologia expositiva. Para aplicar as metodologias e os métodos de resolução de problemas estudados, e utilizar o software, serão resolvidos diversos exercícios nas aulas, pelo que se utilizará uma metodologia experimental. Para analisar os resultados obtidos, aplicar-se-á uma metodologias de discussão. As metodologias experimentais e de discussão são cruciais para esta Unidade Curricular, uma vez que os objetivos da Análise de Dados são compreender os métodos de análise de dados, avaliar, interpretar ereportar os resultados das análises efetuadas. 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, na resolução de exercícios e na resolução do trabalho de grupo.

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 cada um dos objetivos de aprendizagem e assim as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos são os seguintes: ME1 -> OA 1, 2, 3 ME2 -> OA 1, 2, 3 ME3 -> OA1, 2, 3

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.

Bibliografia Principal / Main Bibliography


[1] McDonald, M., and Dunbar, I. (2012), Market Segmentation: How to Do It, How to Profit from It, 4th edition. John Wiley & Sons . [2] Field, A. (2024). Discovering Statistics Using IBM SPSS Statistics. 6th ed., SAGE. ISBN: 9789899676374

Bibliografia Secundária / Secondary Bibliography


[1] Marôco, J. (2021). Análise Estatística com o SPSS Statistics. ReportNumber 8ª edição. ISBN: 9781526445780. [2] Anderson, D., Sweeney, D., Williams, T., Camm, J., Cochran, J., Fry, M., Ohlmann, W., Freeman, J., and Shoesmith, E. (2024). Statistics for Business and Economics. Cengage Learning, 6th edition. ISBN-10: 1473792509 ISBN-13: 9781473792500

Data da última atualização / Last Update Date


2024-07-30