Acreditações
O mestrado em Informática e Gestão tem a duração de dois anos, correspondentes à obtenção de 120 créditos ECTS, repartidos entre: 48 em unidades curriculares obrigatórias, 24 em optativas, 6 em optativas livres e 42 na dissertação ou trabalho de projeto.
As optativas indicativas serão disponibilizadas em horário pós-laboral, podendo o estudante escolher as unidades curriculares recomendadas ou outras ajustáveis ao seu horário.
Nota:
Informa-se que o Mestrado em Informática e Gestão está atualmente em processo de reestruturação. Neste contexto, existe a possibilidade de o ano letivo 24/25 iniciar com um novo plano. Até que informações em contrário sejam disponibilizadas, deve-se pressupor que o arranque ocorrerá com o plano antigo, o qual está detalhadamente descrito neste espaço. Os candidatos admitidos serão notificados caso o novo plano seja implementado já em 24/25. Ressalta-se que a decisão final depende de entidades externas ao ISCTE. Se o novo plano for adotado, as unidades curriculares serão:
- Liderar a Transformação Digital e a Inovação
- Transformação Digital
- Tecnologias Disruptivas
- Fundamentos de Governação de Tecnologias de Informação
- Inteligência Artificial Para o Negócio
- Gestão de Processos de Negócio
- Gestão de Projetos Ágeis
- Agilidade na Era Digital
- Introdução à Investigação em Informática e Gestão
- Dissertação ou Trabalho de Projeto de Mestrado
- Optativa
- Optativa
- Optativa
- Optativa Livre
Plano de Estudos para 2024/2025
| Unidades curriculares | Créditos | |
|---|---|---|
| 1º Ano | ||
|
Concepção de Sistemas de Controlo de Gestão
6.0 ECTS
|
||
|
Fundamentos de Ciência dos Dados
6.0 ECTS
|
||
|
Fundamentos de Governação das Tecnologias de Informação
6.0 ECTS
|
||
|
Gestão do Conhecimento e Cultura Organizacional
6.0 ECTS
|
||
|
Modelação e Implementação de Processos
6.0 ECTS
|
||
|
Gestão de Projetos Ágeis
6.0 ECTS
|
||
|
Introdução à Investigação em Informática e Gestão
6.0 ECTS
|
||
|
Métodos Avançados de Análise de Dados
6.0 ECTS
|
||
| 2º Ano | ||
|
Dissertação em Informática e Gestão
42.0 ECTS
|
||
|
Trabalho de Projeto em Informática e Gestão
42.0 ECTS
|
Concepção de Sistemas de Controlo de Gestão
1. Entender os sistemas de controlo de gestão como parte integrante do modelo de gestão das organizações;
2. Desenvolver o sentido crítico sobre os modelos e instrumentos do controlo de gestão e sua adequação às necessidades das organizações e dos stakeholders;
3. Ser capaz de identificar os instrumentos de controlo de gestão e de os integrar num sistema orientado para a melhoria da performance dos gestores e das organizações;
4. Ser capaz de integrar a informação de gestão nos sistemas de informação.
I - Enquadramento do controlo de gestão
II - Indicadores de performance financeira
III - Controlo estratégico e operacional
1) Avaliação ao longo do semestre: Instrumentos: trabalhos ou casos, individuais/grupo (40%) e teste escrito individual (60%). Aprovação: a) mín. 7,5 valores em cada uma das provas ou conjunto de provas individuais; b) classificação final mín. 10 valores.
2) Avaliação por exame (1ª época): teste escrito (100%), com classificação mínima 10 valores.
3) Avaliação por exame (2ª época): teste escrito (100%) com classificação mínima 10 valores.
Escala: 0-20 valores.
Title: Drury, C. (2024). Management and Cost Accounting. 12th Edition. Cengage Learning.
Jordan, H., Neves, J.C., e Rodrigues, J. A. (2021). O Controlo de Gestão - ao Serviço da Estratégia e dos Gestores. 11ª edição. Áreas Editora.
Major, M. e Vieira, R. (2017). Contabilidade e Controlo de Gestão: Teoria, Metodologia e Prática. 2nd Edition. Escolar Editora.
Merchant, K. A. e Van der Stede, W. A. (2017). Management Control Systems. Performance Measurement, Evaluation and Incentives. 4th Edition. Pearson.
Simons, R. (2013). Performance Measurement and Control Systems for Implementing Strategy Text and Cases. 1st Edition. Pearson.
Authors:
Reference: null
Year:
Title: Bhimani, A. (2006). Contemporary Issues in Management Accounting. Oxford University Press.
Bhimani, A., Horngren, C.T., Datar, S.M. and Rajan, M. (2023). Management and Cost Accounting. 8th Edition. Pearson.
Chapman, C. S., Hopwood, A. G. and Shields, M. D. (2009). Handbook of Management Accounting Research. Elsevier. Volumes 1, 2, 3.
Garrison, R., Noreen, E. and Brewer, P. (2024). Managerial Accounting. 18th Edition, McGraw-Hill.
Hopper, T., Scapens, R. W. and Northcott, D (2007). Issues in Management Accounting. 3rd edition. Prentice Hall.
Humphrey, C., and Lee, B. (2007). The Real-Life Guide to Accounting Research: A Behind the Scenes View of Using Qualitative Research Methods. CIMA Publishing
Authors:
Reference: null
Year:
Fundamentos de Ciência dos Dados
O1. Conhecer e compreender a ciência dos dados
O2. Conhecer a história e tipos da aprendizagem automática
O3. Aprender e conhecer a linguagem de programação Python
O4. Aprender e conhecer os conceitos que permitem realizar uma Análise Exploratória de Dados (EDA)
O5. Aprender e conhecer mecanismos de Data Wrangling
O6. Aprender e conhecer mecanismos de Data Visualization
O7. Conhecer e compreender os algoritmos do tipo supervisionado: árvores de decisão, regressão linear e logística, support vector machines (SVM), naive bayes classification. Conhecer e compreender os algoritmos do tipo não-supervisionado: K-means;
O8. Conhecer a utilização de variáveis contínuas e categóricas; distinguir classificação e regressão
O9. Compreender os algoritmos do tipo por reforço: Q-learning
O10. Compreender as Redes Neuronais Artificiais (RNA)
O11. Compreender as Redes Neuronais Recorrentes (RNR) e Redes Neuronais Convolucionais (RNC)
O12. Compreender as aplicações das séries temporais
CP1. Introdução à Ciência dos Dados
CP2. Introdução à Aprendizagem Automática: A história, fundamentos e conceitos base
CP3. Introdução à linguagem de programação Python
CP4. Análise Exploratória de Dados (EDA): Parte 1 - Data Wrangling com Pandas
CP5. Análise Exploratória de Dados (EDA): Parte 2 - Data Visualization com Matplotlib / Seaborn
CP6. Aprendizagem Supervisionada: SVM, Árvores de Decisão, Regressões Linear e Logística, Florestas Aleatórias;
CP7. Aprendizagem Não-Supervisionada: K-means clustering; Aprendizagem por Reforço: Q-Learning
CP8. Classificação e Regressão; Variáveis Numéricas / Contínuas e Categóricas / Discretas
CP9. Redes Neuronais Artificiais
CP10. Deep Learning: Redes Neuronais Recorrentes (RNNs) e Convolucionais (CNNs); Visão computacional
CP11. Séries Temporais
Dada a natureza prática dos conteúdos lecionados, a avaliação será realizada por projeto. O seu tema deverá estar alinhado com a totalidade ou parte do programa da UC.
Proposta do tema do projeto (5%).
Projeto (95%, incluindo trabalho de grupo (relatório e software) ? 40% e prova oral individual ? 55%).
Todas as componentes do projeto ? proposta, relatório, software e prova oral, são obrigatórias. A classificação mínima para cada componente é de 10 numa escala de 0 a 20.
Haverá apenas uma data limite para a entrega do projeto, com exceção dos alunos inscritos em época especial que poderão entregar durante esse período.
A presença nas aulas não é obrigatória.
Não existe exame final.
A melhoria de nota pode ser realizada através de entrega de novo projeto no ano letivo seguinte.
Title: Mueller, J. P. (2019). Python for Data Science for Dummies, 2nd Edition (2.a ed.). John Wiley & Sons.
Grus, J. (2019). Data science from scratch: First principles with python (2.a ed.). O?Reilly Media.
Raschka, S. & Mirjalili, V. (2019). Python Machine Learning : Machine Learning and Deep Learning With Python, Scikit-Learn, And Tensorflow. Birmingham: Packt Publishing, Limited.
Avila, J. (2017). Scikit-Learn Cookbook - Second Edition. Birmingham: Packt Publishing.
Theobald, O. (2017). Machine Learning for Absolute Beginners: A Plain English Introduction. United States.
Ller, A. & Guido, S. (2017). Introduction To Machine Learning with Python: A Guide for Data Scientists. Sebastopol, CA: O'Reilly Media, Inc.
VanderPlas, J. (2016). Python Data Science Handbook. O?Reilly Media.
Authors:
Reference: null
Year:
Title: McKinney, W. (2022). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and Jupyter (3.a ed.). O?Reilly Media.
Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, And Tensorflow : Concepts, Tools, And Techniques to Build Intelligent Systems. Sebastopol, CA: O'Reilly Media, Inc.
Authors:
Reference: null
Year:
Fundamentos de Governação das Tecnologias de Informação
OA1. Obter uma visão geral/introdutória dos quadros de referência mais usados na governação das TI.
OA2. Adquirir espírito crítico quanto aos constrangimentos práticos no alinhamento entre o negócio e as TI.
OA3. Perceber o impacto que um bom/mau investimento nas TI pode trazer em relação ao sucesso para o negócio.
OA4. Ganhar consciencialização dos diversos mecanismos para governação das TI e como estes podem ser usados para atingir um melhor alinhamento estratégico entre o negócio e as TI.
OA5. Entender como a gestão do risco e das conformidades está diretamente relacionada com a governação e que influências tem no sucesso da mesma.
OA6. Perceber o papel das TI na inovação e em como esta pode ajudar o negócio a diferenciar-se no mercado.
OA7. Compreender a importância de planear convenientemente e de analisar os benefícios à posteriori.
CP1-Princípios e conceitos
Princípios e conceitos sobre governação das TI.
CP2-Governação vs gestão das TI
Principais diferenças entre governar e gerir as TI.
CP3-Mecanismos de governação das TI
Mecanismos para governação das TI, assim como as suas funcionalidades.
CP4-Gestão da estratégia das TI
Clarificar a importância de existir um bom planeamento das TI e de manter a estratégia de negócio e das TI alinhadas.
CP5-Valor das TI
Perceber o custo/benefício dos investimentos nas TI.
CP6-Desempenho das TI
Aplicação e relevância de um Balance ScoreCard nas TI.
CP7-Gestão de risco das TI
Importância da gestão de risco e como pode ser aplicada.
CP8-Gestão de conformidades nas TI
Importância de se manter em conformidade com as diversas políticas externas e internas.
CP9-Inovação
Como utilizar as TI para potenciar o negócio.
CP10-Quadros de referência para a governação das TI
Introdução aos principais quadros de referência no mercado para uma melhor governação das TI.
Dada a natureza dos conteúdos lecionados, a avaliação será realizada por trabalho individual. O seu tema deverá estar alinhado com parte do programa da UC. Embora não obrigatório, é incentivada a contextualização deste trabalho na realidade empresarial.
Entrega intermédia - 30%
Entrega final - 50%
Apresentação - 20% (sessão publica)
A apresentação é a unico momento de avaliação que será durante a 1ª época
Existe ainda a 2ª época e época especial para entregarem o projeto com a cotação de 100%.
Esta UC não tem exame.
Title: ?Slides de Fundamentos de Governação das TI, Rúben Pereira, disponíveis na plataforma de e-learning (à medida que os temas forem introduzidos), 2017/2018
?Enterprise Governance of Information Technology: Achieving Strategic Alignment and Value, Van Grembergen and Steven de Haes, 2009th Edition, Springer, 2009.
?IT Governance: How Top Performers Manage IT Decision Rights for Superior Results, Peter Weil and Jeanne Ross, Harvard Business School, 2004
Authors:
Reference: null
Year:
Title: ?Artigos científicos que serão explicitamente indicados na plataforma de e-learning
?IT Governance: Policies and Procedures, Michael Wallace and Larry Webber, 2017 Edition, Wolters Kluwer, 2016
?Implementing World Class IT Strategy: How IT Can Drive Organizational Innovation, Peter A. High, 1st Edition, Jossey-Bass, 2014
?Governance, Risk Management, and Compliance: It Can't Happen to Us--Avoiding Corporate Disaster While Driving Success, Richard M. Steinberg, Wiley, 2011
?Adventures of an IT Leader, Robbert D. Austin and Richard L. Nolan, Harvard Business School, 2009
Authors:
Reference: null
Year:
Gestão do Conhecimento e Cultura Organizacional
O1.Compreender os princípios da gestão;
O2.Compreender a evolução histórica da gestão;
O3.Compreender a complexidade do mercado actual;
O4. Compreender os conceitos básicos da gestão do conhecimento
O5. Compreender a aprendizagem organizacional enquanto disciplina do conhecimento
O6. Compreender a importância da cultura organizacional para a melhoria do desempenho organizacional.
1. Princípios básicos de gestão
2. Evolução histórica da gestão
3. Complexidade do mercado actual
4. Gestão do conhecimento
5. Aprendizagem organizacional
6. Cultural organizacional
7. Gestão do conhecimento e inovação.
OPÇÃO 1:
Avaliação ao longo do semestre lectivo:
1.Participação nas aulas - 20%
-Assiduidade e pontualidade.
-Intervenção e participação nas aulas.
-Resposta a questões em aula.
2.Teste - 80%
Os alunos deverão obter uma classificação mínima de 7,50 valores no teste.
OPÇÃO 2:
Exame no final do semestre - 100%
A aprovação é obtida com uma classificação de 10 valores ou superior.
Title: Schein, E. H. (2004). Organizational culture and leadership. London: The Jossey-Bass Business.
Nonaka, I.; Takeuchi, H. (1995). The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford University Press.
Hofstede, G. (1991). Culture and Organizations: Software of the Mind. London: McGraw-Hill.
Fernandes, A. (2007). Tipologia da aprendizagem organizacional: Teorias e Práticas. Lisboa: Livros Horizonte.
Davenport, T.; Prusak, L. (1998). Working Knowledge. Cambridge, MA: Harvard Business School Press.
Chesbrough, H., (2003). Open Innovation - The New imperative for creating and profiting from technology. MA: Harvard Business School Press
Bartol, K. e Martin, D. (1998). Management (3ª Ed.). Boston, MA: McGraw-Hill.
Argyris, C.; Schon (1978). Organizational Learning: A Theory of Action Perspective. Reading: Addison-Wesley.
Authors:
Reference: null
Year:
Title: Nonaka, Ikujiro, & Hirotaka Takeuchi. 1995. The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. New York, NY: Oxford University Press.
Hofstede, Geert. (2001) Culture's Consequences : Comparing Values, Behaviors, Institutions, and Organizations across Nations. 2nd ed. Thousand Oaks, CA: Sage Publications.
Iskandar, K., Jambar, M., Kosala, R. & Prabowo, H. (2017). Current Issue of Knowledge Management System for Future Research: A Systematic Literature Review. Procedia Computer Science 116 (2017) 68-80
Ferreira, M. P., Santos, J. C., Reis, N. & Marques, T., (2010) Gestão Empresarial. Lisboa: Editora LIDEL.
Donnely, J. (2000) Administração: Princípios de Gestão Empresarial. 10ª Ed., Lisboa: McGraw Hill.
Davenport, Thomas H., & Lawrence Prusak (1998) Working Knowledge: How Organizations Manage What They Know. Cambridge, MA: Harvard Business School Press.
workers . Boston, MA : Harvard Business School Press .
Davenport , T. (2005) Thinking for a living, how to get better performance and results from knowledge
Dalkir, K. (2011) Knowledge Management in Theory and Practice. Cambridge, Massachusetts: the MIT Press.
Authors:
Reference: null
Year:
Modelação e Implementação de Processos
OA1. Obter uma visão geral dos domínios de aplicação da modelação de processos e das linguagens usadas para o fazer atualmente e num futuro próximo.
OA2. Ser capaz de sintetizar modelos de processo a partir de uma especificação de requisitos em língua natural.
OA3. Compreender e adquirir espírito crítico relativamente a modelos de processo complexos pré-existentes, sendo capaz de identificar boas e más práticas de modelação.
OA4. Ser capaz de identificar os requisitos para um ambiente interativo de modelação de processos.
OA5. Compreender como um modelo pode ser usado para simular e/ou compreender a execução de um processo.
OA6. Ser capaz de recuperar um modelo de processo a partir de eventos de execução do mesmo e compreender as limitações desta mineração.
OA7. Perceber o papel dos modelos de processo no paradigma de desenvolvimento "low-code".
CP1[Introdução e Motivação]
O papel da modelação de processos.Comparação das linguagens de modelação de processos
CP2[Síntese de modelos com BPMN]
Sintaxe e semântica dos construtos de modelação em BPMN
CP3[Qualidade dos modelos]
Catálogo de padrões de fluxos de trabalho, condensando boas práticas na modelação de processos. Deteção de defeitos
CP4[Ambientes de modelação]
Panorama sobre as ferramentas de modelação existentes, modelação cooperativa e formatos de interoperabilidade
CP5[Simulação de processos]
Prática de simulação de processos para avaliação de cenários alternativos
CP6[Mineração de processos]
Engenharia inversa de modelos de processo, a partir de eventos gerados durante a sua execução, com utilização de aproximações centradas em objetos e o apoio de LLMs.
CP7[Desenvolvimento "low-code"]
Plataformas de desenvolvimento "low-code" baseadas em modelos de processo
CP8[Gestão das decisões]
Norma DMN (Decision Model and Notation) para a gestão de decisões.
De acordo com o Regulamento do ISCTE-IUL n.º 436/2014, contemplam-se 2 modalidades:
i) Avaliação periódica - trabalho de grupo com 2 entregas (sensivelmente a meio e final do semestre) e peso de 40% (grupo de 3 alunos) ou 50% (grupo de 2 alunos). Os restantes 60% ou 50% da classificação final serão obtidos através a um teste final individual a realizar na 1ª época de exames. Dever ser obtida uma classificação mínima de 9/20 em cada uma das componentes (trabalho de grupo e teste individual).
ii) Exame final com peso de 100% - Esta modalidade pode ser escolhida na 1ª Época por quem não realizou a avaliação periódica e é a única disponível na 2ª Época e na época Especial.
Title: Freund, J. and Rücker, B., Real-life BPMN: Using BPMN 2.0 to analyze, improve, and automate processes in your company (4th edition), 2019, Camunda,
Volker Stiehl, Process-Driven Applications with BPMN. Springer., 2016, Springer,
Russell, Nick, Wil van der Aalst, and Arthur Hofstede, Workflow patterns: the definitive guide. MIT Press., 2016, MIT Press,
White, S. A., & Bock, C., BPMN 2.0 Handbook Second Edition: Methods, Concepts, Case Studies and Standards in Business Process Management Notation, 2011, Future Strategies Inc.,
Authors:
Reference: null
Year:
Title: Laliwala, Z. and Mansuri, I., Activiti 5. x Business Process Management Beginner's Guide, 2014, Packt Publishing Ltd.,
Tijs Rademakers, Activiti in Action - Executable Business Processes in BPMN 2.0, 2012, Manning Publications Co.,
Nelson, M., & Williams, T., Oracle BPM Suite 11g: Advanced BPMN Topics: Master Advanced BPMN for Oracle BPM Suite Including Inter-process Communication, Handling Arrays, and Exception Management, 2012, Packt Publishing Ltd.,
Silver, Bruce, BPMN method and style, 2nd edition, with BPMN Implementer?s Guide, 2011, Cody-Cassidy Press,
Authors:
Reference: null
Year:
Gestão de Projetos Ágeis
OA1. Obter uma visão geral/introdutória da importância da gestão de projetos com recurso a métodos ágeis com especial foco para a gestão de serviços de tecnologias de informação (TI)
OA2. Perceber a importância da gestão de serviços de TI e a complexidade da sua operacionalização
OA3. Clarificar os alunos sobre os principais standards e boas práticas de gestão de serviço de TI com especial foco para o ITIL
OA4. Perceber como o DevOps funciona e a sua relação com a gestão de serviços de TI e com o ITIL
OA5. Perceber a metodologia SCRUM, quais as suas vantagens e como esta pode ser usada na prática para gerir projetos de serviços de TI
OA6. Consciencializar os alunos dos principais papeis e responsabilidades existentes (SCRUM, DEVOPS, ITIL) e como as abordagens lecionadas podem funcionar em harmonia promovendo a melhoria dos serviços e a produtividade organizacional
Esta UC detém os seguintes conteúdos programáticos (CPs):
CP1 [Enquadramento e Motivação]
Perspetiva geral da gestão de projetos com recurso a métodos ágeis
CP2 [ITIL e Gestão de serviços de TI]
Introduzir e explicar o principal quadro de boas praticas para a gestão de serviços de TI
CP3 [DEVOPS]
Introduzir e explicar o conceito de DEVOPS e as práticas do mesmo
CP4 [ITIL & DEVOPS]
Explicar como o DEVOPS se relaciona com o ITIL e que benefícios pode trazer na gestão de serviços de TI
CP5 [SCRUM]
Introduzir e explicar o SCRUM. No que consiste, para que serve e como deve ser aplicado.
CP6 [SCRUM e gestão de serviços de TI]
Elucidar os alunos do uso de SCRUM na gestão de serviços de TI e das reais vantagens.
CP7 [SCRUM, DEVOPS e ITIL]
Explicar como se pode promover a eficiência dos serviços de TI com uma boa gestão de projetos recorrendo a metodologias ágeis e boas práticas da área.
Nesta UC não há avaliação por exame sendo, pela sua componente prática, avaliada através de projeto.
Avaliação ao longo do semestre:
Trabalho de grupo(TG)
Parte1 (P1) - 40% da nota
Parte2 (P2) - 40% da nota (época normal)
Apresentação individual (AI) - 20% da nota (época normal)
Fórmula:
Nota final = (P1*0,4 + P2*0,4 + AI*0,2)
Quem não tiver aprovação pode:
segunda época: Entregar projeto a contar 100% da nota (Avaliação individual e sem discussão)
época especial: Entregar projeto a contar 100% da nota (Avaliação individual e sem discussão)
Title: Slides de GPA, Rúben Pereira, disponíveis na plataforma e-learning
The Unicorn Project; Gene Kim; 2019
The Phoenix Project; Kevin Behr, George Spafford and Gene Kim; 2013
DevOps for Dummies; Emily Freedom; 2019
ITIL Foundation: itil4; Stationery Office; 2019
The SCRUM Guide; Ken Schwaber and Jeff Sutherland; 2013
Authors:
Reference: null
Year:
Introdução à Investigação em Informática e Gestão
No final do período curricular desta UC, o aluno deverá:
O1. Conhecer a sequência geral de procedimentos que têm lugar numa investigação.
O2. Saber como se pode identificar / confirmar a existência de problemas em aberto, através de uma revisão sistematizada da literatura.
O3. Conhecer os rudimentos de várias abordagens metodológicas à investigação e compreender as suas condições de aplicabilidade.
O4. Ter tido contacto com várias técnicas e ferramentas utilizadas pelos investigadores.
O5. Saber selecionar os processos de recolha de dados, organização, tratamento e análise dos mesmos.
P1. Fundamentos teóricos
Questões ontológicas, epistemológicas e metodológicas. Correntes filosóficas da ciência. Introdução aos métodos quantitativos, qualitativos e mistos. Passos típicos na investigação.
P2. Revisão da literatura
Tipos de estudos e técnicas de revisão. Avaliação do mérito da obra científica, dos investigadores e dos locais de publicação. Sistematização da seleção de obras relevantes. Formalização das conclusões para clarificação do estado da arte. Identificação de problemas e formulação de hipóteses.
P3. Introdução às abordagens metodológicas
Variáveis de interesse e sua observação / amostragem. Entrevista estruturada. Grupo de foco. Inquérito. Experiências e quase-experiências. Investigação-ação. Ciência do desenho. Estudos de caso
P4. Ferramentas de apoio à investigação
Motores e repositórios de pesquisa científica. Gestão bibliográfica. Edição cooperativa de textos científicos. Construção de questionários. Análise de conteúdos. Teste estatístico de hipóteses
I) AVALIAÇÃO ao longo do semestre
- 25% Entrega individual intermédia (durante o periodo letivo)
- 75% Projeto individual (entrega na 1ª época)
Em caso de reprovação, o aluno pode ir à 2ª época ou época especial (projeto individual e tema diferente).
Title: Creswell, J. W. (2013). Research design: Qualitative, quantitative, and mixed methods approaches. Sage publications (4th edition)
Berndtsson, M., Hansson, J., Olsson, B., & Lundell, B. (2008). Thesis projects: a guide for students in computer science and information systems. Springer Science & Business Media (2nd edition).
Saunders, Mark et al (2016), Research Methods for Business Students, England, Pearson Education Limited (7th edition).
Authors:
Reference: null
Year:
Title: Artigos selecionados ilustrando a aplicação de vários métodos de investigação
Rúben Pereira. Várias coleções de slides sobre vários métodos, técnicas e ferramentas de investigação (a disponibilizar progressivamente na plataforma de e-learning)
Authors:
Reference: null
Year:
Métodos Avançados de Análise de Dados
Esta UC comtempla os seguintes objetivos de aprendizagem:
OA1. Operacionalizar dimensões analíticas (construção de variáveis compósitas) via Análise em Componentes Principais
OA2. Realizar e interpretar uma Análise em Componentes Principais.
OA3. Analisar a fiabilidade das novas variáveis compósitas
OA4. Construir novas variáveis compósitas
OA5. Desenvolver e aprofundar conhecimentos sobre regressão linear múltipla (RLM)
OA6. Aplicar, analisar e interpretar estatisticamente resultados de RML
OA7. Reportar resultados em tese/artigo
1. Exploração de artigos para exemplificação dos tópicos principais do programa
1.1. Redução da multidimensionalidade
1.2. Contextualização das hipóteses no contexto de investigação.
2. Análise de Componentes Principais (ACP)
2.1. Introdução
2.2. Definição das componentes principais
2.3. Valores próprios e comunalidades
2.4. Critérios de extração das componentes principais:
2.5. Interpretação das componentes principais
2.6. Rotação das componentes principais
2.7. Definição e interpretação dos scores factoriais
2.8. Análise de consistência interna
2.9. Construção de variáveis compósitas
3. Regressão Linear Múltipla (RLM)
3.1. Objectivos
3.2. Estimação dos parâmetros
3.3. Avaliação da qualidade do modelo
3.4. Adequabilidade do modelo: Inferência sobre o modelo (teste F )
3.5. Inferência sobre parâmetros: testes t
3.6. Dimensão do efeito de cada variável preditora
3.7. Pressupostos da RLM
4. Reportar resultados de ACP e RLM em tese/artigo
A avaliação ao longo do semestre inclui:
1. Avaliação individual - Teste escrito (65%) - com nota mínima de 8.5 valores
2. Avaliação em grupo - Trabalho (35%) -com nota mínima de 10 valores.
A avaliação por exame inclui duas provas:
1. Prova escrita (65%) com nota mínima de 8,5 valores
2. Prova prática que corresponde à realização de um trabalho (35%) entregue no dia do exame. Nota mínima de 10 valores.
Title: Nota: Materiais disponibilizados no e-learning e que apoiam aulas TP e aulas PL.
Tabachnick, B. and Fidell, L. (2013). Using Multivariate Statistics, USA, Person International Edition, 6ª ed.
Reis, E. (2001). Estatística Multivariada Aplicada, 2ªed, Lisboa, Edições Sílabo.
Maroco, J. (2010). Análise Estatística com o PASW Statistics (ex-SPSS), Pero Pinheiro.
Maqbool, R., Sudong, Y., Manzoor, N. and Rashid, Y. (2017). The Impact of Emotional Intelligence, Project Managers? Competencies, and Transformational Leadership on Project Success: An Empirical Perspective. Project Management Journal, vol. 48, 3.
Hair, J., Black, W., Babin, B. and Anderson, R. (2019). Multivariate Data Analysis. Pearson New International Edition (8th ed).
Authors:
Reference: null
Year:
Title: Kline, R. B., (2011). Principles and practice of structural equation modeling. 3rd ed. New York: Guilford Press.
Cohen, J. (1992). A power primer. Psychological bulletin, 112(1), doi.org/ 10.1037/0033-2909.112.1.155.
Bryman, A. (2015). Social Research Methods, Oxford, OUP.
Authors:
Reference: null
Year:
Dissertação em Informática e Gestão
OA1: Saber rever, de forma sistematizada, a literatura relevante num dado domínio científico, por forma a traçar um panorama do estado da arte e a identificar questões de investigação e contribuições esperadas.
OA2: Ter aplicado um ou mais métodos de investigação para responder a questões de investigação, daí resultando uma ou mais contribuições técnico-científicas.
OA3: Saber como validar contribuições e identificar as correspondentes ameaças à validade.
OA4: Ter aprendido a elaborar uma dissertação de mestrado com qualidade, quer na forma, quer no conteúdo.
OA5: Ser capaz de apresentar um trabalho científico e de argumentar sobre a validade das suas contribuições.
1º SEMESTRE
P1: Estado da arte e questões de investigação
Envolve a revisão crítica da literatura, guiada por um protocolo com âmbito da pesquisa e critérios de inclusão e exclusão. A caraterização do estado da arte deve justificar a escolha do tópico e a relevância das questões de investigação.
P2: Treino da escrita e apresentação de trabalhos científicos
Envolve a participação em seminários, oficinas de trabalho cooperativo (ex.: sessão de posters), minicursos e assistência a defesas públicas.
2º SEMESTRE
P3: Implementação e validação das contribuições propostas
A validação das contribuições deve ser realizada com recurso à demostração do cumprimento das etapas do(s) método(s) científico(s) adotado(s), e/ou confrontando os resultados obtidos com o estado da arte, e/ou através da sua divulgação em fórum(s) científico(s) com revisão pelos pares.
P4: Escrita da dissertação
Deve respeitar as normas de apresentação gráfica em vigor.
Avaliação intercalar (1º semestre) inclui: proposta de dissertação, capítulo de introdução, revisão de literatura, planeamento das fases seguintes e uma apresentação sobre o trabalho em curso.
A avaliação final terá em conta a avaliação intercalar, a qualidade técnica/científica do trabalho, com base no documento de dissertação, e a qualidade da apresentação e discussão pública.
Title: A bibliografia desta unidade curricular será determinada pela UC Introdução à investigação em informática e gestão. Assim como, pelo contexto de investigação de cada aluno.
Authors:
Reference: null
Year:
Optativas recomendadas
O plano de estudos atual do Mestrado em Informática e Gestão (MIG) permite aos estudantes saírem graduados com uma especialização em uma de duas áreas possíveis: Tecnologias de Transformação Digital ou Ciência de Dados.
Para que um estudante possa ter uma destas especializações terá de se inscrever, usando as unidades curriculares (UC) optativas, a 4 UC específicas. Só se concluir com sucesso as 4 UC dessa área é que poderá ter a especialização.
A abertura das UC e especializações está sujeita à escolha das UC por um número suficiente de estudantes. É importante também ter em consideração que há limitações ao número de inscritos por UC.
Tecnologias de Transformação Digital:
03691 | Blockchain
03557 | Gestão de Processos de Negócio
02674 | Tecnologias e Sistemas Cloud
04401 | Tecnologias Disruptivas
04412 | Transformação Digital
03579 | Internet das Coisas para Cidades Inteligentes
03746 | Laboratório de Internet das Coisas
Ciência de Dados:
03363 | Inteligência Computacional e Otimização
02864 | Algoritmos para Big Data
02870 | Text Mining
03209 | Fundamentos de Ciência de Dados
Objetivos
O Mestrado em Informática e Gestão (MIG) visa dotar os participantes de competências integradas em SI organizacionais, utilizando as metodologias, tecnologias e princípios de gestão mais adequados e atuais. Pretende dotar os alunos de competências científicas e metodológicas de nível correspondente ao 2.º ciclo, nos domínios tecnológico e de gestão.
Ao frequentarem este mestrado os alunos terão a possibilidade de aprofundar conhecimentos sobre as principais temáticas requeridas e usadas pelo mercado de trabalho no que diz respeito à governação e gestão das tecnologias de informação em prol do negócio. Agile, scrum, DevOps, gestão de projetos, governação das TI, gestão de serviços de TI, BPMN, otimização de processos, data science, ITIL, COBIT, serão alguns dos principais temas abordados.
O MIG oferece um ciclo de estudos subsequente aos licenciados em Informática e Gestão de Empresas bem como aos licenciados de outras instituições que nos procurem. O MIG pretende também afirmar-se como uma alternativa para licenciados que tenham seguido um plano de 3 anos, e que procurem um processo de formação-aprendizagem segundo padrões de elevado nível de exigência e orientação para os resultados.
Os estudantes do mestrado em Informática e Gestão devem ser capazes de: comunicar eficazmente por escrito; comunicar eficazmente oralmente; desenvolver pensamento crítico; demonstrar elevado conhecimento técnico nas áreas essenciais da informática e da gestão, com relevância para os sistemas de informação de gestão; demonstrar competências específicas para trabalhos de diagnóstico, síntese e investigação.
Estes objetivos de aprendizagem são operacionalizados através dos objetivos específicos de cada unidade curricular, devidamente especificados na respetiva FUC, e com uma correspondência direta com pelo menos um dos objetivos de aprendizagem do curso.
A medição do seu grau de cumprimento é realizada em cada unidade curricular, na respetiva FUC, da qual constam as metodologias de avaliação utilizadas em cada objetivo específico.
Dissertação / Trabalho de Projeto
Pretende-se com esta UC terminal do MIG que o mestrando desenvolva e demonstre capacidades de trabalho autónomo, planeando, investigando, sistematizando, desenvolvendo, escrevendo (sob a forma de uma dissertação) e apresentando o seu trabalho de iniciação à atividade científica em torno de um tema bem delimitado, para permitir o seu tratamento em profundidade. O trabalho será orientado por um doutor ou especialista de reconhecido mérito que, entre outras coisas, ajudará o candidato na escolha da metodologia de investigação mais adequada. Se o tema escolhido for pluridisciplinar, é possível existir um coorientador(a) por forma a cobrir de forma adequada as áreas científicas envolvidas. Esta UC culmina com a defesa da dissertação elaborada, numa prova pública perante um júri nomeado para o efeito.
O Iscte encoraja fortemente a redação das dissertações em língua inglesa, não só porque isso promove a sua divulgação internacional, através da disponibilização no repositório institucional, como também facilita a produção de artigos científicos baseados nos resultados da investigação descrita na dissertação. A aceitação para publicação de um tal artigo num evento ou revista internacional com revisão pelos pares científicos, antes da defesa, é um fator que influenciará positivamente a classificação final obtida nesta UC. Chama-se a atenção que a nota da dissertação conta para quase metade da média final do mestrado, pois que essa média é calculada com base nas classificações ponderadas pelos créditos da totalidade das UCs realizadas no âmbito do MIG.
Embora se privilegie a opção de “dissertação”, dado que permite uma boa introdução ao mundo da investigação, que é a principal forja do conhecimento em todo o mundo, o mestrando poderá optar pela realização de um “trabalho de projeto” de cariz inovador, totalizando os mesmos créditos que uma dissertação, cuja elaboração deve ser ancorada numa metodologia de desenvolvimento bem identificada e cujo relatório, que também será sujeito a uma defesa pública perante um júri, deverá obedecer aos mesmos requisitos de qualidade que uma dissertação. O trabalho de projeto terá tipicamente uma natureza mais aplicada que uma dissertação e poderá ser desenvolvido no âmbito de um centro de investigação ligado à ISTA, sob orientação de um dos seus investigadores, ou então conduzido numa empresa, tipicamente orientado por um professor do DCTI ou IBS e coorientado por um especialista de reconhecido mérito dessa mesma empresa.