Conhecimentos de Base Recomendados
· CB1. Conhecimentos introdutórios de estatística descritiva: tipos de variáveis, medidas de tendência central e dispersão e leitura de gráficos.
· CB2. Competências básicas de utilização de folha de cálculo e gestão de ficheiros de dados.
· CB3. Capacidade de leitura de textos científicos.
· CB4. Conhecimentos fundamentais de metodologia de investigação em ciências sociais são recomendados, mas os conceitos necessários à medição e análise serão consolidados na UC.
Métodos de Ensino
ME1. Exposição interativa: Apresentação estruturada dos conceitos, com questões orientadoras e interpretação crítica de exemplos de GRH (OA1-OA6).
ME2. Laboratórios de dados: Resolução guiada de exercícios com software estatístico, utilizando conjuntos de dados de pessoas, questionários e escalas (OA1-OA5, OA7).
ME3. Aprendizagem baseada em problemas/casos: Análise de problemas de People Analytics, desde a formulação da pergunta até à recomendação de gestão (OA2, OA5, OA6).
ME4. Discussão crítica de investigação: Leitura orientada de artigos e relatórios de People Analytics e psicometria, com atenção à qualidade da medição, validade das conclusões e ética (OA2-OA6).
ME5. Orientação tutorial e feedback: Acompanhamento das etapas do projeto, feedback sobre análise, interpretação e comunicação dos resultados (OA1-OA7).
Resultados de Aprendizagem
Após a conclusão desta UC, o estudante será capaz de:
· OA1. Estruturar, limpar, documentar e explorar dados de pessoas e organizações, avaliando a qualidade dos dados e selecionando técnicas estatísticas adequadas ao problema de Gestão de Recursos Humanos.
· OA2. Produzir e interpretar análises exploratórias univariadas, bivariadas e multivariadas, distinguindo associação, explicação e predição e evitando inferências causais indevidas.
· OA3. Construir, pontuar e avaliar escalas e questionários usados em GRH, aplicando princípios de psicometria, análise de itens, fiabilidade e evidências de validade.
· OA4. Aplicar análise fatorial exploratória e interpretar criticamente estruturas latentes, cargas fatoriais, comunalidades e critérios de retenção de fatores.
· OA5. Transformar dados em evidência útil para People Analytics, através de métricas, segmentação, visualização e comunicação de resultados relevantes para decisões sobre pessoas.
· OA6. Analisar criticamente riscos de viés, privacidade, proteção de dados, equidade, transparência e uso responsável de IA e algoritmos em People Analytics.
· OA7. Utilizar software estatístico para executar análises reprodutíveis e comunicar resultados de forma tecnicamente rigorosa a públicos de gestão.
Competências associadas:
· CD1. Literacia de dados e pensamento estatístico aplicado à GRH.
· CD2. Pensamento crítico e capacidade de avaliar a qualidade da evidência empírica.
· CD3. Competência de medição: operacionalização de construtos, desenho e validação de escalas.
· CD4. Competência analítica e digital na utilização de software estatístico e ferramentas de visualização.
· CD5. Comunicação de insights de People Analytics com clareza, rigor e orientação para a decisão.
· CD6. Responsabilidade ética no tratamento de dados de trabalhadores e candidatos, incluindo privacidade, viés e utilização de IA.
Programa
P1. Fundamentos de Análise Exploratória de Dados e People Analytics
· 1.1. Do problema de GRH à pergunta analítica: dados, métricas, construtos e decisões
· 1.2. Tipos e fontes de dados de pessoas; qualidade, missing data, outliers, privacidade e ética
P2. Preparação, descrição e visualização de dados
· 2.1. Codificação, transformação, estatística descritiva, distribuições e exploração gráfica
· 2.2. Relações entre variáveis: tabelas, correlação, comparação de grupos, tamanho do efeito e interpretação
P3. Medição, escalas e psicometria aplicada à GRH
· 3.1. Operacionalização de construtos; desenho de itens; escalas de resposta; análise de itens e pontuação
· 3.2. Fiabilidade/consistência interna e evidências de validade de conteúdo, construto, convergente, discriminante e critério
P4. Estrutura latente e redução de dimensionalidade
· 4.1. Análise fatorial exploratória: adequação dos dados, extração, retenção de fatores, rotação e interpretação
· 4.2. Componentes principais: objetivos, diferenças face à análise fatorial e utilização exploratória
P5. People Analytics: aplicações em Gestão de Recursos Humanos
· 5.1. Indicadores e análises de atração, seleção, engagement, desempenho, absentismo, turnover, diversidade e retenção
· 5.2. Segmentação, dashboards e comunicação de insights; correlação versus causalidade; limites da análise observacional
P6. Análise responsável e reprodutível
· 6.1. Viés de medição e de seleção, fairness, proteção de dados, transparência e governação analítica
· 6.2. Utilização crítica de IA generativa e ferramentas analíticas; documentação, reprodutibilidade e comunicação dos resultados
Docente(s) responsável(eis)
Alexandre Miguel Fernandes Gomes da SilvaMétodos de Avaliação
Os estudantes podem optar por avaliação contínua/periódica ou avaliação por exame, nos termos regulamentares aplicáveis.
A) AVALIAÇÃO CONTÍNUA/PERIÓDICA
MA1.
1.1 Projeto Aplicado de People Analytics em Grupo (25%): Relatório técnico com preparação e exploração de dados, visualizações, quando aplicável, e interpretação. Nota mínima de 9,5 valores.
1.2 Apresentação e Defesa Oral Individual (25%): Defesa individual do projeto e resposta a questões sobre opções metodológicas, resultados, limitações e implicações. Nota mínima de 9,5 valores.
Caráter obrigatório 1.1 + 1.2 para validação da classificação de MA1.
MA2. Teste Individual (50%): Avaliação de conceitos, escolha de métodos e interpretação de outputs estatísticos, realizado em computador com uso de software apropriado. Nota mínima de 9,5 valores. Caráter obrigatório.
Fórmula: CF = 0,5×MA1 + 0,50×MA2.
A aprovação exige CF ≥ 9,5 valores e o cumprimento das notas mínimas e elementos obrigatórios indicados.
B) AVALIAÇÃO POR EXAME (ÉPOCAS NORMAL, DE RECURSO/ESPECIAL E OUTRAS PREVISTAS)
MA3. Exame Escrito/Prático Individual (70%): conceitos, interpretação e resolução de um caso de análise de dados, realizado em computador com uso de software apropriado.. Nota mínima de 9,5 valores.
MA4. Prova Oral Individual (30%): discussão metodológica e defesa da interpretação de um caso/outputs. Nota mínima de 9,5 valores.
Fórmula: CF = 0,7×MA3 + 0,30×MA4.
Inteligência Artificial Generativa (IAG)
É permitida como ferramenta de apoio à aprendizagem, brainstorming, explicação de código, depuração e revisão de redação nos elementos em que o docente o autorize. Não pode substituir a análise, interpretação ou autoria intelectual do estudante. No projeto, qualquer utilização de IAG deve ser declarada, identificando a ferramenta, finalidade, prompts/interações relevantes e a validação crítica efetuada. Dados pessoais, confidenciais ou identificáveis não podem ser introduzidos em serviços de IA não autorizados. O teste, o exame e a defesa oral realizam-se sem recurso a IAG, salvo indicação expressa em contrário.
Estágio(s)
NAO
Bibliografia
Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2000). Estatística aplicada à administração e economia. Pioneira.
Hill, M. M., & Hill, A. (2005). Investigação por questionário. Edições Sílabo.
Maroco, J. (2007). Análise estatística com utilização do SPSS (3.ª ed.). Edições Sílabo.
Newbold, P. (1995). Statistics for business and economics (4th ed.). Prentice Hall.
Tintle, N., Chance, B.L., Cobb, G.W., Rossman, A.J., Roy, S., Swanson, T. & VanderStoep, J. (2020). Introduction to Statistical Investigations, 2nd Edition. Wiley.
Vilares, M. J., & Coelho, P. S. (2005). Satisfação e lealdade do cliente. Escolar Editora.
Webster, A. L. (1998). Applied statistics for business and economics: An essentials version. McGraw-Hill.
Ferrar, J., & Green, D. (2021). Excellence in people analytics: How to use workforce data to create business value.
Khan, N., & Millner, D. (2023). Introduction to people analytics: A practical guide to data-driven HR (2nd ed.).