Search

O presente trabalho de investigação visa analisar caraterísticas de utilização de consumidores de conteúdos de entretenimento, televisivos e cinematográficos. Consequentemente, pretende determinar o impacto que estes hábitos ou características de consumo têm na satisfação e qualidade percecionada dos consumidores de conteúdo de entretenimento, qual quer que seja a modalidade de consumo escolhida. A revisão da literatura procurou verificar que áreas científicas são invocadas no âmbito desta temática, que tipologias de estudo, métricas e dados são empregados, de forma a perceber o grau de adequação da direção assumida para este estudo, servindo também como um exercício preliminar à formulação das intenções de estudo. Por fim, procura referenciar que outras conclusões já foram retiradas para as questões formuladas no contexto desta investigação. O questionário produzido foi disseminado, principalmente, com recurso à rede interna de colaboradores da entidade patronal do mestrando, tirando também partido da sua presença nas diversas redes sociais. Os dados produzidos foram carregados e tratados via Jupyter Notebook, uma plataforma computacional/editor de texto, onde foram realizadas e demonstradas as diversas consultas. As bibliotecas linguísticas Numpy, Pandas e Scikit-Learn foram a fundação da formulação destas consultas, que têm como base a linguagem programática Python. O desenvolvimento deste trabalho, precedido pelo tratamento e processamento dos dados gerados, culminou em previsões que relacionaram as variáveis-chave identificadas, através de modelação preditiva. The present investigative work looks to analyze consumption patterns among entertainment content consumers, focused on the television and film industries. The goal was to determine the correlation between these patterns or characteristics and perceived levels of satisfaction or quality of the content consumed, regardless of outlet or platform used. The literature review sought validation regarding which scientific areas are employed in the context of the investigation carried out that explore the same subject matter, to verify which types of studies, metrics and data are utilized. It will also consist of an important brainstorming exercise for the formulation of the research hypotheses as well as taking note of what conclusions were drawn from previous investigative works. The questionnaire will be distributed mainly resorting to the collaborators’ internal network of the student’s current employment entity. Additionally, social media presence was leveraged, even if minor, to reach the student’s network of people. The data produced was loaded into Jupyter Notebook, a computing platform/text editor where the various queries were written, and results gathered. The Numpy, Pandas and Scikit-learn libraries will be the foundation for the queries, based on the object-oriented, Python programming language. This project’s main development portion will consist of data normalization and processing, followed by an explorative analysis and extrapolation, culminating in predictions based on the relationships identified between the key variables, achieved through predictive modelling.

A articulação de técnicas/ferramentas estatísticas, matemáticas e computacionais, no processo de análise, modelação e previsão de séries temporais, manifesta-se um claro suporte de apoio à tomada de decisão. O constante desafio na procura de previsões acuradas tem levado os investigadores à melhoraria das técnicas já existentes e a investir na procura de metodologias alternativas. Especificamente para séries económico-financeiras, a aplicação de metodologias baseadas em Inteligência Artificial, em particular de "Deep Learning", tem sido apontada com uma opção promissora. Neste estudo faz-se uma comparação crítica dos resultados obtidos por aplicação de metodologias clássicas de previsão (nomeadamente modelos autorregressivos e de alisamento exponencial) e de "Deep Learning" (mediante a implementação de algumas arquiteturas redes neuronais). O estudo empírico foi sustentando em quatro séries económico-financeiras distintas: "Consumer Price Index for All Urban Consumers: All Items in U.S. City Average" (CPIAUCSL); "Vehicle-Miles Travelled" (VMT); "Portuguese Stock Index 20" (PSI 20) e "Standard & Poor's 500 Exchange-Traded Fund" (SPY). A análise comparativa é feita tendo por base a qualidade preditiva e o custo computacional associado a cada um dos modelos de previsão. Reconhecidas vantagens na aplicação das metodologias de "Deep Learning", são discutidas possíveis alterações procurando melhorar a qualidade preditiva e reduzir o tempo de execução computacional. As alterações introduzidas em modelos de redes neuronais revelaram-se promissoras na redução do tempo computacional e nos valores da métrica de erro de previsão usada. Este sucesso é sobretudo evidente em séries que apresentam dinâmicas 'irregulares', como são exemplo as séries financeiras. The articulation of statistical, mathematical and computational techniques/tools, in the process of analysis, modelling and forecasting time series, manifests clear support for decision making. The constant challenge in the quest for the most accurate results possible has led researchers not only to improve the existing techniques, but also to invest in the search for alternative methodologies. Specifically, for economic and financial series, the application of methodologies based on Artificial Intelligence, in particular Deep Learning, has been pointed out as a promising option. This study makes a critical comparison of the results obtained by applying classical forecasting methodologies (namely autoregressive models and exponential smoothing) and Deep Learning (through the implementation of some neural network architectures). The empirical study focused on four economic-financial series with different characteristics: Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL); Vehicle-Miles Travelled (VMT); Portuguese Stock Index 20 (PSI 20) and Standard & Poor's 500 Exchange-Traded Fund (SPY). The comparative analysis is made based on both predictive quality and computational cost associated with each of the forecasting models. Recognized the advantages in the application of Deep Learning methodologies, we discuss some changes to introduce in the existing models to improve their predictive quality while reducing computational execution time. The changes introduced in neural network models proved to be promising in reducing the associated computational time but and the values of the error metric used. This success is especially evident in series with ‘irregular’ dynamics, as is the case with financial series.

A presente dissertação “As PME em Portugal: Reflexões e Desafios” tem por objectivo analisar e apresentar os principais resultados obtidos de um extenso inquérito de âmbito nacional realizado em 2008 pelo ISCTE - Instituto Universitário de Lisboa, em parceria com o IAPMEI – Instituto de Apoio às Pequenas e Médias Empresas e à Inovação, a uma amostra de 248 pequenas e médias empresas (PME) sobre os principais problemas e desafios enfrentados por essas empresas portuguesas. O segundo objectivo foi o de comparar os resultados obtidos pelo mesmo inquérito realizado em 1986 e observar que tipo de evolução se verificou nos últimos 20 anos, nomeadamente, apurar se os problemas se mantiveram ou se houve alteração dos mesmos. Em terceiro lugar, e porque Portugal é um Estado-Membro da União Europeia e porque as PME europeias, tal como em Portugal, são fornecedoras de oportunidades de emprego das comunidades locais e regionais, desempenhando um papel central na economia, procedeu-se à análise dos seus constrangimentos através da observação de dois inquéritos de âmbito europeu, realizados em 2002 e 2008, no sentido de comparar os seus resultados com a realidade nacional e perceber se Portugal sofre dos mesmos problemas que seus congéneres Estados-Membros. Por último, identificaram-se quais os desafios e recomendações que as PME terão que agarrar para ultrapassar as dificuldades apresentadas. The main purpose of this dissertation “SMEs in Portugal: Reflections and Challenges” is to present the main results from a national survey made to small and medium-sized enterprises (SME) held in 2008 by ISCTE – Lisbon University Institute, in partnership with IAPMEI - Instituto de Apoio às Pequenas e Médias Empresas e à Inovação, drawn from a database of 248 SME. The content of this survey was designed to focus on the main problems and challenges faced by Portuguese enterprises. The secondary purpose was to compare the results obtained from the same survey held in 1986 and analyse what kind of evolution was verified in the last 20 years, in particular, ascertain the development of the problems and challenges in question. In addition, since Portugal is a member of European Union and because European SME, like in Portugal, are suppliers of job opportunities for the local and regional communities, playing a vital role in the economy, further analysis was conducted on two European surveys, held in 2002 and 2008. The main objective was to compare the results with the Portuguese situation and ascertain if the nature of these issues are different from the European Union members. Lastly, a set of challenges and recommendations were selected in order to provide SME to overcome the identified difficulties.