ESTG - DM - Gestão e Decisão Industrial
URI permanente para esta coleção:
Navegar
Percorrer ESTG - DM - Gestão e Decisão Industrial por orientador "Borges, Ana Isabel Coelho"
A mostrar 1 - 4 de 4
Resultados por página
Opções de ordenação
- How to measure the impact of Blue Economy activities in coastal zones?Publication . Carneiro, Inês Lima; Alves, Wellington; Borges, Ana Isabel CoelhoOver the decades the sea has always been present in economic activities, either as a food source, a means of transportation, or as a way of doing commercial trade. In more recent years, a new concept of the utilization of the oceans has emerged, namely the Blue Economy (BE) which is a concept that focuses on economic activities that depend on the sea, including tourism, maritime transport, energy, and fishing. This concept aims to promote, economic growth, social inclusion and to improve life without compromising the ocean’s environmental sustainability. The scope of this study is on the utilization of living marine resources with the purpose of understanding the performance of the EU member states. In order to achieve this, a quantitative cluster analysis was conducted, and later a cluster categorization focuses on the Iberian Peninsula countries. The results obtained show how different countries implement their BE policies and contribute to its development, revealing their strengths and improvement areas.
- Perceptions of Online Financial Services: An Assessment of Usefulness, Ease of Use, Risk, and TrustPublication . Morais, Ângela Eduarda Castro; Carvalho, Amélia Oliveira; Borges, Ana Isabel CoelhoThe contemporary financial services sector is undergoing a profound digital transformation, yet the success of Online Financial Services (OFS) is fundamentally contingent on user acceptance. Adoption remains uneven, hindered by complex perceptual barriers, including security concerns and gaps in financial literacy. Traditional adoption literature, often reliant on aggregate models like the Technology Acceptance Model (TAM), frequently commits the average user fallacy, obscuring the distinct perceptual profiles that exist within the population. Furthermore, the precise nature of the ”Digital Divide” remains contested, whether it is a generational barrier (Age) or a socio-economic one (Education and Income). This dissertation addresses these gaps through a quantitative, descriptive-analytic study. Employing a cross-sectional survey (N = 225), this research integrates theories of TAM, UTAUT, and Diffusion of Innovations (DOI) with the critical, domain-specific constructs of Perceived Risk and Trust. The analysis is conducted in three phases: (1) a correlational analysis to map the perceptual structure, (2) non-parametric group comparisons to examine demographic divides, and (3) a ”person-centric” hierarchical cluster analysis to identify latent user profiles. The results yield three key findings. First, Perceived Risk is found to be statistically ”decoupled” from the core ”Adoption Core” (Usefulness, Ease of Use), suggesting it operates as a separate, latent factor for existing users. Second, the analysis confirms the existence of two distinct divides: a ”Grey Digital Divide,” where Age primarily impacts Perceived Ease of Use (PEOU), and a more powerful ”Literacy Divide,” where Education and Income significantly predict Perceived Usefulness (PU) and Facilitating Conditions. Third, the cluster analysis challenges the ”average user” model, identifying three distinct profiles: ”Favorable with Friction” (High PU, but Low PEOU and High Risk), ”Pragmatic Skeptics” (High PEOU, but Low PU and Low Trust), and ”Ease-Oriented & Autonomous” (classic utility-focused users). The study’s primary contribution is the indication that membership in these profiles is significantly predicted by Education, not by Age. This suggests the most significant barrier to inclusive digital finance is shifting from a generational gap to a digital and financial literacy gap. These findings imply that financial institutions should consider abandoning a ”one-size-fits-all” strategy and instead deploy targeted design, trust-building, and value-proposition interventions tailored to these distinct, education-driven user segments.
- O Poder da Informação no Planeamento da DistribuiçãoPublication . Ventura, Carlos Manuel Mendes; Correia, Sara Martins; Borges, Ana Isabel CoelhoAtualmente, os profissionais da cadeia de abastecimento (CA) enfrentam uma sobrecarga de dados relacionados com as operações logísticas, o que incentiva a adoção de técnicas avançadas de análise de dados para otimizar processos e melhorar a competitividade. Compreender a forma, de como as empresas utilizam o Big Data Analytics (BDA) para aperfeiçoar os processos de distribuição e a sua influência nas decisões estratégicas é fundamental para aumentar a eficiência e a competitividade no mercado. Este estudo investiga, a forma, de como o Big Data Analytics (BDA) pode ser utilizado para aperfeiçoar os processos de distribuição, com foco na previsão da procura e no suporte à tomada de decisão estratégica, definindo dois objetivos principais. O primeiro consiste na realização de uma análise abrangente da literatura sobre a aplicação de tecnologias de BDA na Gestão da Cadeia de Abastecimento (GCA). Através de uma análise bibliométrica, foram mapeadas as tendências emergentes e identificados os temas mais relevantes, oferecendo uma perspetiva clara sobre o contexto atual e o futuro da logística. O segundo, motivado pela necessidade prática do operador logístico, é desenvolver um modelo de previsão que antecipe a quantidade de pedidos de transporte, para as regiões em estudo, e que permita auxiliar o operador na otimização das suas operações nacionais, contribuindo para a melhoria da sua eficiência logística, promovendo a utilização mais inteligente dos seus recursos e aumentando a sua capacidade de resposta em áreas estratégicas. Foi adotada uma metodologia quantitativa, focada na análise de séries temporais dos dados históricos de um operador logístico, utilizando diferentes modelos preditivos (Seasonal AutoRegressive Integrated Moving Average (SARIMA), PROPHET, Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) e Multi-Layer Perceptron (MLP)). Cada modelo foi testado para prever a quantidade de pedidos de transporte diários. De forma a comparar a eficácia dos modelos em termos de precisão, foram utilizadas métricas de avaliação (Mean Squared Error (MSE), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) e Symmetric Mean Absolute Percentage Error (SMAPE)), que permitiram medir o desempenho de cada um. Os modelos SARIMA e PROPHET apresentaram um desempenho superior, captando de forma mais eficaz os padrões sazonais, enquanto os modelos baseados em redes neurais, como o LSTM e o GRU, revelaram-se promissores na identificação de padrões não lineares e variações mais complexas nas séries temporais, embora tenham sido identificadas limitações significativas nos modelos. O estudo acaba por destacar o papel central da análise preditiva na logística moderna, destacando a sua importância para a tomada de decisão baseada em dados e oferecendo uma contribuição relevante para o setor, alinhando a teoria com a prática operacional.
- Tributação internacional e desempenho económico empresarial: uma análise econométrica dos preços de transferência como variável explicativaPublication . Moura, Diana Cristina Leite; Carvalho, Amélia Oliveira; Borges, Ana Isabel CoelhoA temática dos preços de transferência (PT) tem ganho cada vez mais destaque motivada, também, pela evolução da economia e pela globalização. Atualmente, as empresas possuem uma maior facilidade em estabelecer subsidiárias, filiais ou joint ventures em jurisdições com regimes fiscais mais favoráveis ou que ofereçam subsídios ao investimento.