Percorrer por data de Publicação, começado por "2026-07-01"
A mostrar 1 - 5 de 5
Resultados por página
Opções de ordenação
- “Can a chatbot be used in the full-text screening in a systematic review?”Publication . Martins, André Miguel; Juan, Luis Félix Valero; Oliveira, Adriana; Martins, João Paulo; Santos, Marlene; Santos, Marlene; Oliveira Martins, João PauloLarge language model–based artificial intelligence tools are increasingly explored to support systematic reviews, yet evidence regarding their reliability in full-text screening remains limited. This study evaluated the performance of two versions of ChatGPT (4.0 and 5.0) compared with human reviewers during article selection for a systematic review on influenza vaccine effectiveness. A total of 170 full-text articles were independently assessed for eligibility using predefined inclusion and exclusion criteria. Human reviewers served as the gold standard. ChatGPT 4.0 and 5.0 were prompted using standardized instructions mirroring the review protocol. Agreement with human decisions was evaluated using accuracy, sensitivity, specificity, precision, F1-score, and Cohen’s κ. Intra-model reproducibility was assessed for ChatGPT 5.0. Results: ChatGPT 4.0 achieved an accuracy of 0.71 (95% CI: 0.64–0.78) and a Cohen’s κ of 0.43, indicating moderate agreement with human reviewers. ChatGPT 5.0 demonstrated improved performance, with accuracy increasing 0.06 to 0.77 (95% CI: 0.70–0.83), sensitivity of 0.87, specificity of 0.70, and κ of 0.55, corresponding to moderate-to-substantial agreement. Intra-model reproducibility for ChatGPT 5.0 showed 80% agreement (κ = 0.60), indicating partial but imperfect consistency. ChatGPT 5.0 outperformed ChatGPT 4.0 in full-text screening accuracy and reproducibility, approaching but not matching human performance. These findings support the use of current LLMs as decision- support tools rather than autonomous reviewers in systematic reviews. Transparent reporting of model versions, prompts, and input quality is essential to ensure credible AI-assisted evidence synthesis.
- Equity Valuation: AmazonPublication . Rocha, Filipa Moreira da; Cunha, António Manuel Pereira RodriguesA presente dissertação tem como objetivo estimar o valor intrínseco da Amazon.com, Inc. através da aplicação do modelo de Fluxos de Caixa Descontados (DCF), complementado por análise de sensibilidade, avaliação de cenários e validação cruzada por múltiplos de mercado. A Amazon foi selecionada como objeto de estudo pela sua relevância económica global, pela diversificação do seu modelo de negócio, que combina comércio eletrónico, computação em nuvem (AWS), publicidade digital e serviços de subscrição, e pelo desafio metodológico que a sua heterogeneidade estrutural representa para os modelos de valuation. A metodologia adotada assenta na abordagem do Free Cash Flow to the Firm (FCFF), descontado ao Weighted Average Cost of Capital (WACC), com um horizonte de projeção explícito de cinco anos (2026-2030) e valor residual de crescimento perpétuo. As premissas de crescimento, rentabilidade e investimento fundamentam-se na análise histórica das demonstrações financeiras (2020-2025) e no enquadramento macroeconómico e setorial contemporâneo. Os resultados do cenário base indicam um valor intrínseco de 61,27 dólares por ação, com um valor esperado ponderado de 62,92 dólares e um intervalo de confiança de 40,87 a 89,89 dólares. Face ao preço de mercado de 258,81 dólares, o modelo aponta para uma divergência significativa, cuja interpretação requer consideração das limitações metodológicas do DCF e das dimensões de valor estratégico não capturadas pelo modelo standard. A avaliação relativa posiciona a Amazon de forma coerente face aos pares tecnológicos, validando parcialmente os resultados. O estudo contribui para a literatura de equity valuation através da aplicação integrada de múltiplas metodologias a um caso empírico complexo, evidenciando a importância da validação cruzada e da gestão da incerteza em contextos de alta volatilidade tecnológica e macroeconómica.
- Topology-dependent privacy risks in decentralized federated learningPublication . GOUVEIA, JOSÉ INÁCIO ANTUNES DE; Pereira, Isabel Cecília Correia da Silva Praça Gomes; Amorim, Ivone de Fátima da CruzFederated Learning (FL) has established itself as a leading paradigm for collaborative machine learning, allowing participants to train models collectively without sharing their private data. Despite its privacy-preserving design, the periodic exchange of model updates leaves these systems vulnerable to information leakage. Notable threats include Membership Inference Attacks (MIA), which exploit model overfitting to determine if specific data samples were used during training, and Gradient Inversion Attacks (GIA), which attempt to reconstruct the exact training images from shared gradients. While existing literature has proposed various active defenses and investigated privacy risks within star and mesh network topologies, a systematic evaluation of how attack effectiveness evolves across training rounds over a diverse spectrum of network topologies remains a critical research gap. This dissertation presents a comprehensive empirical analysis of how different network topologies influence data privacy in centralized and decentralized FL systems over time. By isolating the network topology as the primary variable, we evaluate the vulnerability of six distinct topologies, star, tree, line, ring, full mesh, and partial mesh, against three MIA variants and a GIA. The experiments were conducted using the MNIST and CIFAR10 datasets under both Independent and Identically Distributed and Non-Independent and Identically Distributed (Non-IID) data distributions to capture the temporal evolution of these attacks across the training rounds. Our findings show that network topologies fundamentally dictate the severity and localization of privacy leakage. For instance, intermediate aggregation in the tree topology acts as a native privacy shield, effectively hiding memorized features from a central root node, though it inadvertently shifts the primary risk to intermediate edge nodes. Furthermore, the analysis reveals that extreme data heterogeneity (Non-IID) significantly aggravates vulnerabilities across all topologies, heavily increasing MIA and GIA success rates on complex visual tasks. Moreover, the results establish that restricting an adversary’s awareness of the broader network topology severely impedes their ability to accurately execute GIA, as successful data reconstruction depends heavily on precise knowledge of the aggregation phase in federated systems. Ultimately, this research highlights that network topology can be strategically leveraged as passive defense mechanisms.
- O impacto do SEO e do SEM na visibilidade do negócio e das vendas onlinePublication . Conceição, Sérgio Manuel Pinto da; Gonçalves, Maria José AngélicoA crescente digitalização da economia tem ressaltado a importância da presença online das organizações. Dentro deste cenário, estar bem posicionado nos motores de pesquisa é fundamental para captar potenciais clientes, impulsionar o tráfego dos websites e otimizar o desempenho digital. De forma a alcançar esses objetivos, surgem o Search Engine Optimization (SEO) e o Search Engine Marketing (SEM), amplamente reconhecidos como ferramentas essenciais do marketing digital. A presente dissertação pretende analisar como os profissionais de marketing digital percecionam o impacto das estratégias de SEO e SEM na visibilidade e nas vendas online das empresas. Deste modo, foi desenvolvida esta investigação de caráter exploratório, com uma abordagem qualitativa e a estratégia metodológica adotada foi o estudo de casos múltiplos. A recolha de dados foi realizada através de entrevistas semiestruturadas a profissionais da área do marketing, complementadas pela revisão de literatura baseada em publicações relevantes sobre o tema. Os dados recolhidos foram analisados através da técnica de análise de conteúdo. Os resultados obtidos demonstram que o SEO desempenha um papel fulcral na construção de uma presença digital sustentável, visto que contribui para o aumento da visibilidade orgânica e gera credibilidade das organizações a médio e longo prazo. Por outro lado, o SEM revela-se mais eficaz para obter resultados imediatos, pois permite alcançar um público-alvo mais específico e aumentar a notoriedade das marcas. O estudo evidencia ainda que a utilização de ambas as estratégias em conjunto, pode potenciar os resultados. Este estudo tem como principal contributo a compreensão do SEO e do SEM, desde a sua implementação, de que forma são monitorizados, e quais os desafios enfrentados pelos profissionais da área ao implementar estas duas estratégias. Com os conceitos teóricos e práticos, pretende-se que a dissertação apoie futuros estudos e que auxilie profissionais da área.
- O Impacto das estratégias de marketing digital nas decisões e experiência dos jogadores de Escape Rooms em PortugalPublication . Albano, Maria Manuela dos Santos; Sousa, Jorge Remondes deO conceito de escape room é uma experiência imersiva que ainda está em crescimento em Portugal, este é um setor onde a literatura académica sobre o marketing digital aplicado ao setor é praticamente inexistente. O presente estudo teve como objetivo compreender o impacto das estratégias de marketing digital na intenção de reserva, e consequentemente nas decisões e experiência dos jogadores de escape rooms em Portugal. Foram analisadas três estratégias, nomeadamente marketing nas redes sociais, website e email marketing, analisando ainda o papel moderador do perfil do jogador. O estudo seguiu uma metodologia quantitativa, com recolha de dados através de um questionário junto de 161 participantes. Os dados obtidos foram analisados através do software estatístico SPSS, onde foi testada a fiabilidade dos dados e realizadas regressões lineares (simples, múltipla e hierárquica) e testes de moderação através da macro PROCESS de Hayes (2022). Os principais resultados indicam que as redes sociais não revelaram impacto estatisticamente significativo na intenção de reserva. O website mostrou um impacto significativo, sendo a segurança/confiança e a qualidade da informação os preditores mais robustos. O email marketing revelou o maior poder preditivo individual quando o conteúdo do mesmo é relevante. O resultado mais significativo confirma que, nesta amostra a intenção de reserva influencia positivamente a decisão efetiva. Por último, o perfil do jogador de escape rooms não moderou de forma significativa as relações estudadas entre as variáveis. Esta pesquisa contribui teoricamente para preencher uma lacuna na literatura sobre o marketing digital aplicado ao setor de escape rooms em Portugal. Do ponto de vista prático, fornece insights valiosos para os gestores do setor sobre quais os canais que merecem um maior investimento para aumentar a intenção de reserva.