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


2022/2023

Pré-requisitos / Pre-Requisites


Não tem.

Objetivos Gerais / Objectives


A disciplina tem como objetivo principal proporcionar aos alunos conhecimentos e competências básicas sobre Metodologias de Segmentação, desde a seleção de dados base até à validação de soluções obtidas.

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


No final do período curricular desta UC, o aluno deverá: 1. Ter adquirido conhecimentos e competências nas Metodologias de Segmentação. 2. Saber utilizar o software SPSS-Statistics para proceder a uma segmentação sendo capaz de obter, validar e interpretar os seus resultados.

Conteúdos Programáticos / Syllabus


1. INTRODUÇÃO 1.1. Objetivos para segmentação 1.2. Dados para segmentação 2. REPRESENTAÇÃO DE DADOS PARA SEGMENTAÇÃO 2.1. Variáveis métricas: Análise em Componentes Principais (ACP) 2.2. Variáveis nominais: Análise de Correspondências Múltiplas 2.3 Variáveis métricas, nominais ou ordinais: Análise em Componentes Principais Categorizada (CatPCA) 3.MEDIDASPARA COMPARAÇÃO DE CASOS 3.1. Tipos de medida 3.2. Medidas de diversidade 4. TÉCNICAS DE SEGMENTAÇÃO 4.1. Algoritmos hierárquicos 4.2. Algoritmo k-médias 4.2. Algoritmo Two-Step 5.AVALIAÇÃO DOS RESULTADOS DE SEGMENTAÇÃO

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 com os objetivos de aprendizagem (OA), como a seguir se explicita: OA1: Todos OA2: 2, 4 e 5

Avaliação / Assessment


- A maioria das aulas são do tipo teórico-prático incluindo aulas expositivas, para apresentação dos quadros teóricos de referência e aulas participativas, com análise e resolução de exercícios práticos para exemplificar a aplicação da teoria. - Haverá também aulas experimentais em laboratório informático para introdução ao software SPSS e exploração da teoria utilizando casos práticos - O estudo individual será fundamental para atingir os objetivos de aprendizagem. | Avaliação periódica: - 2 Quizzes teórico-práticos individuais a realizar em laboratório (2) (15% cada) - Teste individual com nota mínima de 7.5 valores (70%) Avaliação por exame: - Prova escrita, 70%; Prova em laboratório, a realizar em SPSS, 30%. Cada prova tem nota mínima 7.5

Metodologias de Ensino / Teaching methodologies


- A maioria das aulas são do tipo teórico-prático incluindo aulas expositivas, para apresentação dos quadros teóricos de referência e aulas participativas, com análise e resolução de exercícios práticos para exemplificar a aplicação da teoria. - Haverá também aulas experimentais em laboratório informático para introdução ao software SPSS e exploração da teoria utilizando casos práticos - O estudo individual será fundamental para atingir os objetivos de aprendizagem.

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. As aulas expositivas e aulas participativas, são adequadas para os OA1 e OA2 As aulas experimentais em laboratório informático com utilização do software SPSS são particularmente adequadas para OA2.

Observações / Observations


Bibliografia Principal / Main Bibliography


[3] Field, A. (2018) Discovering Statistics using IBM SPSS Statistics, 5th ed. Sage Publications [2] Laureano, R. & Botelho, M. (2022). IBM SPSS Statistics: o Meu Manual de Consulta Rápida, 4ª Edição, Edições Sílabo. [1] Folhas de apoio à disciplina

Bibliografia Secundária / Secondary Bibliography


[3] Laureano, R. (2020). Testes de Hipóteses e Regressão: O meu manual de consulta rápida. Edições Sílabo] [2] McDonald, M., and Dunbar, I. (2012), Market Segmentation: How to Do It, How to Profit from It, 4th edition. John Wiley & Sons . [1] Sarstedt, M. and Mooi, E. (2019) A Concise Guide to Market Research: the Process, Data and Methods using IBM SPSS Statistics, Springer (3rd ed.)

Data da última atualização / Last Update Date


2024-02-16