Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
O1. Compreender o ecossistema de dados e de business intelligence do desporto (CRM, Data Warehousing, lakehouse, OLAP) e o seu papel na missão, desempenho e sustentabilidade das organizações.
O2. Extrair, preparar, analisar e visualizar dados desportivos, construindo dashboards e produtos analíticos de apoio à decisão (Looker Studio, SQL, Python, R/JASP).
O3. Aplicar análise preditiva e machine learning a problemas da gestão do desporto (churn, segmentação de fãs, procura, precificação), interpretando e validando os resultados.
O4. Utilizar criticamente IA generativa e agentes de IA como copilotos de análise e decisão (prompting, RAG), reconhecendo limites, riscos e necessidade de verificação humana.
O5. Definir e aplicar metodologias de apoio à decisão (multicritério, cenários, risco) numa perspetiva de decision intelligence.
O6. Comunicar insights através de data storytelling eficaz, com responsabilidade ética e legal (RGPD, AI Act, viés algorítmico).
Conteúdos programáticos
C1: Dados e BI no desporto (6h)
- C1.1. Do dado à decisão; organizações orientadas por dados;
- C4.1. SSD e decision intelligence: multicritério, cenários, risco;
- C4.2. RGPD, AI Act, viés algorítmico;
- C4.3. Data storytelling para decisores.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
O1 ¿ C1.1 e C1.2 abordam a evolução, as arquiteturas (incluindo a componente cloud) e o papel estratégico do BI nas organizações desportivas; C1.3 apresenta casos, o ecossistema de fornecedores de dados do desporto e promove a avaliação comparativa de plataformas.
O2 ¿ C2.1 e C2.2 fornecem as ferramentas e as técnicas para extrair, preparar e analisar dados (incluindo SQL), transformando-os em informação útil; C2.3 concretiza a construção de dashboards executivos com ferramentas de mercado.
O3 ¿ C2.2 introduz as técnicas de análise e C3.1 aplica a aprendizagem automática a problemas complexos e reais da gestão do desporto, com interpretação e validação dos modelos.
O4 ¿ C3.2 desenvolve a proficiência no uso de IA generativa e de agentes (prompting, RAG) como copilotos de análise e de decisão; C3.3 e C4.2 asseguram o uso crítico, verificado e responsável.
O5 ¿ C4.1 aborda os SSD, o processo de decisão e as metodologias de apoio (multicritério, cenários, risco) para reduzir a incerteza.
O6 ¿ C4.3 desenvolve a comunicação eficaz de insights e recomendações; C4.2 garante o enquadramento ético e legal (RGPD, AI Act, viés algorítmico).
A unidade curricular responde diretamente aos objetivos do curso, em particular ao objetivo (2) ¿ extrair, interpretar e sintetizar dados para decisões inovadoras e adequadas à missão, ao desempenho e à sustentabilidade das organizações ¿ e contribui para os objetivos (4), (5) e (6), ao desenvolver julgamentos sistemáticos e criativos, conhecimento novo por pesquisa aplicada e comunicação eficaz nos contextos da gestão do desporto.
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
1. Aulas teóricas:
- Apresentação interativa com exemplos, estudos de caso e recursos visuais para ilustrar os conceitos;
- Discussão em grupo sobre temas críticos ¿ ética na utilização de dados e de IA no desporto, impacto do AI Act, decisão algorítmica vs. decisão humana ¿, incentivando a participação ativa e o pensamento crítico;
- Aprendizagem baseada em problemas reais da gestão do desporto, desafiando os estudantes a encontrar soluções com os conceitos e as ferramentas abordados.
2. Aulas teórico-práticas:
- Laboratórios de informática com Looker Studio, SQL, Python, R e JASP para análise de dados reais e abertos do desporto, construção de dashboards e de modelos preditivos;
- Laboratório de IA generativa: uso enquadrado de copilotos e agentes de IA (prompting, RAG) para análise assistida e automatização de reporting, com verificação e documentação dos fluxos de trabalho;
- Simulações de cenários de tomada de decisão na gestão do desporto, permitindo experimentar estratégias alternativas e avaliar os respetivos resultados.
3. Seminários e aprendizagem baseada em projetos:
- Seminários temáticos conduzidos pelo docente e pelos estudantes: análise e discussão de casos documentados, de dashboards e relatórios públicos de organizações desportivas, e de conteúdos técnicos disponíveis publicamente (webinars, conferências e demonstrações gravadas de profissionais do setor);
- Projetos individuais e de grupo que aplicam os conceitos e as ferramentas a problemas reais, culminando num produto de decisão (dashboard, modelo preditivo e recomendação estratégica);
- Apresentação e discussão dos projetos, promovendo a partilha de conhecimento, o feedback entre pares e o data storytelling.
Avaliação
A avaliação contínua pretende avaliar, por um lado, a capacidade individual de utilizar ferramentas de análise (Looker Studio, SQL, Python, R/JASP) e de IA generativa para analisar dados e construir modelos preditivos ¿ critérios: domínio das ferramentas, qualidade da análise, interpretação e validação dos resultados ¿ num projeto individual (50% da nota final); e, por outro, a capacidade de aplicar os conceitos e as ferramentas da unidade curricular a um problema real de gestão do desporto, produzindo um produto de decisão ¿ projeto em grupo (40%) e respetiva apresentação (10%).
A utilização de ferramentas de IA generativa é permitida e deve ser declarada, com indicação dos fluxos de trabalho e da verificação humana efetuada, nos termos das normas de integridade académica.
Os estudantes que não realizarem a avaliação contínua ou que, após a sua realização, não obtenham aprovação (nota final inferior a 10 valores), poderão realizar uma avaliação final que consistirá no desenvolvimento de um projeto individual, de âmbito e complexidade semelhantes aos solicitados na avaliação contínua, que deverá ser defendido através de uma apresentação e discussão oral. A nota final será calculada com base na seguinte ponderação: Relatório do Projeto: 80%; Apresentação e Discussão: 20%.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
O1 ¿ Metodologias: apresentações de plataformas de BI utilizadas na gestão do desporto; discussão em grupo sobre vantagens e desvantagens, considerando custo, funcionalidades e integração; seminários temáticos de análise de casos documentados. Avaliação: nos projetos, os estudantes analisam e justificam as ferramentas utilizadas.
O2 ¿ Metodologias: apresentações interativas sobre cada conceito e a sua aplicação no desporto; laboratórios com Looker Studio, SQL, Python, R e JASP. Avaliação: o projeto individual aferi a capacidade de analisar dados e construir dashboards e modelos; o projeto em grupo demonstra a compreensão integrada dos sistemas e técnicas de análise.
O3 ¿ Metodologias: laboratórios de construção e validação de modelos preditivos com dados reais; aprendizagem baseada em problemas. Avaliação: o projeto individual exige a aplicação de técnicas preditivas com interpretação e validação dos resultados.
O4 ¿ Metodologias: laboratório de IA generativa com fluxos de trabalho documentados e verificação humana; debate crítico sobre limites e riscos. Avaliação: o uso de IA é avaliado pela qualidade da integração declarada nos projetos e pela capacidade de verificação e defesa crítica dos resultados.
O5 ¿ Metodologias: apresentações sobre o processo de decisão e as metodologias de apoio (multicritério, cenários, risco); simulações de decisão. Avaliação: o projeto em grupo exige a aplicação de uma metodologia de decisão para resolver um problema real.
O6 ¿ Metodologias: discussão sobre ética, RGPD e AI Act; treino de data storytelling. Avaliação: as apresentações permitem avaliar a capacidade de comunicar decisões e de as justificar com dados.
Coerência da avaliação: combina trabalho individual e de grupo, avaliando competências distintas e promovendo a aprendizagem entre pares; utiliza projetos práticos com dados reais, desenvolvendo a capacidade de análise e de decisão exigida pelo mercado; inclui apresentação oral, essencial a um gestor do desporto; e integra o uso declarado de IA, preparando os estudantes para os fluxos de trabalho aumentados por IA que caracterizam o mercado de trabalho atual.
Bibliografia de consulta (existência obrigatória)
Atwater, C., Baker, R. E., & Kwartler, T. (2022). Applied sport business analytics. Champaign, IL: Human Kinetics.
Foster, G., O'Reilly, N., & Dávila, A. (2020). Sports business management: Decision making around the globe (2nd ed.). Abingdon: Routledge.
Iansiti, M., & Lakhani, K. R. (2020). Competing in the age of AI: Strategy and leadership when algorithms and networks run the world. Boston, MA: Harvard Business Review Press.
Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. Hoboken, NJ: Wiley.
Provost, F., & Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. Sebastopol, CA: O'Reilly Media.
Sharda, R., Delen, D., & Turban, E. (2020). Analytics, data science, & artificial intelligence: Systems for decision support (11th ed.). New York, NY: Pearson.
Observações
Programa atualizado em alinhamento com o Mestrado em Gestão do Desporto e as exigências do mercado, com três reforços estruturantes:
1. Analítica preditiva aplicada à gestão desportiva (churn, retenção, segmentação de fãs, procura e precificação dinâmica).
2. IA generativa e agentes de IA como copilotos de análise e decisão (prompting, RAG), focando no uso declarado, ético e na integridade dos dados.
3. Governação de dados e de IA, alinhada com o Regulamento Europeu de IA (AI Act) e o RGPD.
As ferramentas foram atualizadas para soluções de mercado acessíveis (SQL, Python e Looker Studio), mantendo R/JASP para estatística e abordando a computação em nuvem. A componente prática foca-se no ecossistema de fornecedores e dados abertos.
Os seminários baseiam-se em casos reais, análise de dashboards e tutoria dos projetos.
