Aprendizagem, mobilidade e convergência digital no ambiente formativo da Portugal Telecom

Com o desenvolvimento das Tecnologias de Informação e Comunicação, as mesmas têm permitido dotar as pessoas de conhecimentos, através de formas mais rápidas e eficientes como é o caso da formação em e-learning. O número de organizações a apostar na formação em e-learning é cada vez maior, tornando-se importante perceber em que medida é que o método é eficaz e quais as vantagens que proporciona à organização, bem como o seu impacto no capital humano. Assim e visando averiguar como esta situação é vivenciada na prática decidiu-se pela realização de um estágio, na PT PRO pertencente Grupo Portugal Telecom. Para a construção deste relatório de estágio foi preciso para além da consulta e análise documental de aquivos internos e intranet, reuniões tidas com os elementos do departamento da Gestão de Formação, onde decorreu o estágio, visando dar uma resposta mais cabal à questão de partida que norteia o estágio: “Qual o impacto gerado pelas ações de e-learning, sua aplicabilidade e satisfação dos colaboradores face às mesmas na PT PRO?” O método utilizado neste estudo foi do tipo quantitativo, tendo sido aplicado um inquérito por questionário construído para o efeito. Face aos resultados obtidos, concluímos que na PT PRO, os colaboradores encontram-se globalmente satisfeitos com o conhecimento gerado e acima de tudo com a aplicabilidade do mesmo nas suas funções de trabalho.

Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática

A estrutura temporal das taxas de juro, também conhecida por yield curve ou curva de rendimentos define a relação entre as taxas de juros e o prazo de vencimento (ou maturidades) dos investimentos feitos. Assim, o desenvolvimento de modelos que possibilitem a obtenção de previsões precisas sobre a estrutura temporal das taxas de juro e que permitam estudar a dinâmica da evolução das taxas de juro é de crucial importância em diversas áreas de financiamento. Neste estudo investigou-se a performance de diferentes métodos de previsão para obter a estrutura temporal das taxas de juro da Zona Euro, considerando o período entre 2009 e 2015. Em termos mais específicos, foi analisada a capacidade preditiva do modelo de Nelson-Siegel & Svensson assumindo que os parâmetros resultantes da estimação da especificação paramétrica podem ser modelizados através de métodos de séries temporais univariados (modelos ARIMA, Random walk) e multivariados (modelos VAR) e Redes Neuronais Artificiais (RNA) individuais e conjuntas. Os resultados deste estudo mostram que (i) as RNA com a previsão dos parâmetros em simultâneo exibem os valores de erro mais baixos para as maturidades de curto e médio prazo (3 meses a 5 anos); (ii) As RNAs individuais são melhores para prever as taxas de juro nas maturidades compreendidas entre os 7 e os 10 anos, e que (iii) para as maturidades de longo e muito longo prazo (15 e 30 anos respetivamente) deverá ser escolhido o modelo VAR(1). Estes resultados são robustos e consistentes para todos os horizontes de previsão analisados (1,2 e 3 meses). Contudo, no período analisado nenhum dos modelos testados apresenta valores de erro inferiores aos obtidos com o modelo Random Walk.