Repositório Comum
Entradas recentes
Consumo alimentar na União Europeia: tendências dos últimos anos e perspetivas para o futuro
Publication . Cotrim, Francisco Luís Martins; Martinho, Vítor João Pereira Domingues
A alimentação desempenha um papel central na saúde, no bem-estar e no desenvolvimento humano, constituindo também um eixo fundamental nos debates sobre sustentabilidade, economia e políticas públicas. A compreensão dos padrões alimentares na União Europeia revela-se, contudo, um desafio, dado o caráter heterogéneo das metodologias de recolha de dados e a diversidade cultural, histórica e socioeconómica entre os países. Neste contexto, o presente trabalho tem como objetivo analisar os padrões de consumo alimentar europeu, a sua evolução nas últimas décadas e os fatores que explicam tais dinâmicas, com especial foco nas dimensões socioeconómicas, demográficas e de saúde.
Metodologicamente, a investigação integra uma análise bibliométrica da produção científica, uma revisão sistemática de literatura e a aplicação de métodos estatísticos e de modelação preditiva, recorrendo a bases de dados internacionais reconhecidas. A abordagem permite não apenas descrever e comparar os consumos alimentares entre Estados-Membros, mas também identificar correlações com variáveis sociais e económicas, bem como projetar cenários de evolução até 2030.
Os resultados obtidos evidenciam padrões diferenciados de consumo, desigualdades persistentes entre países e uma relação significativa entre a ingestão calórica, o estado nutricional, os indicadores de saúde pública e os fatores macroeconómicos. Além disso, as projeções realizadas sugerem potenciais desafios futuros relacionados com obesidade, sustentabilidade e equidade no acesso a alimentos de qualidade.
Este estudo contribui, assim, para uma compreensão aprofundada das dinâmicas alimentares na Europa, fornecendo aspetos relevantes para o desenho de políticas públicas integradas, que promovam simultaneamente a saúde da população, a redução das desigualdades e a sustentabilidade do sistema alimentar europeu.
Modelos de linguagem de grande escala na previsão de demonstrações financeiras: uma abordagem para análise interpretável
Publication . Loureiro, Guilherme Miguel de Carvalho; Belfo, Fernando Paulo dos Santos Rodrigues
A previsão de demonstrações financeiras constitui uma atividade central nos mercados de capitais, influenciando decisões de investimento e a alocação de recursos à escala global. A presente investigação explora o potencial dos Modelos de Linguagem de Grande Escala (LLM) na previsão de earnings per share (EPS) de empresas cotadas no índice NASDAQ, durante o período de dezembro de 2024 a maio de 2025. O objetivo fundamental transcende a validação tecnológica, procurando demonstrar que uma abordagem híbrida, combinando capacidades computacionais avançadas dos LLM com supervisão humana especializada e técnicas de interpretabilidade, pode gerar retornos positivos anormais em mercados reais.
A arquitetura metodológica assenta na metodologia CRISP-DM, implementando dois modelos complementares: o Gemini Pro 2.0 da Google, com aproximadamente 288 mil milhões de parâmetros, e o Special Processed Reasoner, um modelo de 15 mil milhões de parâmetros desenvolvido especificamente para aplicações financeiras e registado formalmente sob o número 763/2025 pela Inspeção-Geral das Atividades Culturais. A preparação dos dados integrou múltiplas fontes informacionais heterogéneas, incluindo notícias financeiras processadas através da plataforma ASKNEWS, métricas de consenso da NASDAQ e Zacks Investment Research, e informação contextual histórica das empresas.
Os resultados obtidos durante a operação do modelo Gemini Pro revelaram capacidade de geração de lucros médios positivos de 0,22% por transação diária, superando consistentemente o índice S&P 500 com diferenças médias de 28,65% entre dezembro de 2024 e fevereiro de 2025. A transição para o modelo SPR, em março de 2025, num período de volatilidade excecional, resultou em deterioração do desempenho, proporcionando insights valiosos sobre sensibilidade dos sistemas a condições adversas de mercado. A investigação demonstra que abordagens híbridas combinando LLM com supervisão humana podem efetivamente gerar valor económico mensurável, estabelecendo um paradigma replicável para aplicações futuras.
Previsão da vida útil restante para a manutenção preditiva das baterias de veículos electricos: um contributo com conjuntos de dados Benchmark
Publication . Alegy, Ibraimo Mamudo Osmane; Leite, Joana Jorge de Queiroz
A previsão do RUL das baterias é um fator fundamental para a manutenção preditiva dos veículos elétricos contribuindo para a maximização do uso das baterias, minimizando assim a substituição antecipada de baterias que ainda não atingiram o limite de vida. O objetivo da presente dissertação passa pela realização da previsão do RUL, com recurso ao conjunto benchmark, treinando dados de degradação de três baterias do tipo iões de lítio para prever a vida útil restante de uma bateria considerada como desconhecida. Para o estudo, foram selecionados três modelos de aprendizagem computacional, nomeadamente o a regressão linear, o random forest e o XGBoost. Para avaliar o desempenho dos modelos, recorreu-se a três métricas de avaliação. Os resultados mostram que os modelos baseados em árvore, tendem a superar a regressão linear e que a normalização da vida útil restante melhora a generalização para a bateria alvo, sendo que o modelo que teve melhor desempenho de previsão foi o XGBoost.
Fatores que influenciam o Uso da Aplicação SNS 24
Publication . Azevedo, Jorge Rafael Barbosa; Larguinho, Maria Manuela Coelho; Neves, Cidália Alves das
O objetivo principal deste estudo centra-se na análise dos fatores determinantes da Intenção
Comportamental e do Comportamento de Utilização da aplicação SNS 24, através da aplicação
do modelo Unified Theory of Acceptance and Use of Technology, enriquecido pelas
variáveis latentes da Satisfação Online e da Confiança. Para tal, foi realizado um estudo
quantitativo, com base num inquérito por questionário, partilhado entre o dia 18 de fevereiro
de 2025 e o dia 3 de outubro de 2025, tendo sido recolhidas respostas válidas de 399 utilizadoras
da aplicação. Os dados foram posteriormente analisados através da Modelação de
Equações Estruturais com Mínimos Quadrados Parciais.
O modelo demonstrou robustez significativa ao explicar 64,4% da variância da Intenção de
Uso e confirmando uma forte tradução da intenção no Comportamento de Uso. Os resultados
identificaram a Satisfação Online e as Condições Facilitadoras como os principais preditores
da Intenção de Uso. Além destes, também a Confiança e a Expectativa de Desempenho se
revelaram fatores significativos. Por outro lado, a Influência Social e a Expectativa de Desempenho
revelaram-se não significativas traduzindo-se, por outras palavras, no facto de que
a adoção da aplicação aparentar ser impulsionada por fatores experienciais e de suporte, e
não pela facilidade de uso básica.
Posto isto, é possível concluir que o sucesso e a continuidade da adoção da aplicação SNS
24 dependem inicialmente da qualidade da experiência e do apoio existente a que o utilizador
pode recorrer. Este estudo contribui para a literatura ao validar o modelo Unified Theory of
Acceptance and Use of Technology no contexto da saúde digital em Portugal e também ao
fornecer insights práticos para a gestão estratégica da aplicação.
Impacto da covid 19 no retalho dos Estados Unidos da América: comparação por análise de clusters para séries temporais
Publication . Canoso, José Pedro Alexandre; Leite, Joana Jorge de Queiroz
O Setor do Retalho nos Estados Unidos da América constitui um pilar económico fundamental, que, apesar da sua robustez, se revelou vulnerável aos impactos da COVID-19. A sua elevada dimensão e diversidade tornam-no um caso de estudo ideal e representativo para a deteção de novas tendências e vulnerabilidades globais. Neste enquadramento, o presente trabalho visa compreender a influência da COVID-19 na estrutura do retalho tendo por base as séries temporais de vendas dos seus setores e subsetores, obtidas do Federal Reserve Economic Data. Foi realizada uma análise de clusters, considerando o clustering hierárquico baseado em quatro características extraídas destas séries, concretamente, força da tendência, força da sazonalidade, entropia e autocorrelação de primeira ordem. Esta abordagem permitiu uma avaliação comparativa dos padrões de consumo no pré e no pós-COVID. Concluiu-se que a grande maioria das séries transitou para clusters diferentes dos inicialmente formados no período pré-COVID, o que reflete uma alteração nas preferências e nos padrões de consumo dos consumidores. Esta reorganização revela o profundo impacto que a COVID-19 teve no mercado de retalho dos EUA e a forma como estas séries reagiram ao período de recessão.