# Enunciado do trabalho prático ## 🧩 Mapeamento de Processos e Análise de Sistemas de Informação ### 🎯 Objetivo Este trabalho prático tem como finalidade proporcionar aos estudantes do 1.º ano da licenciatura em Informática de Gestão uma oportunidade de aplicar os conceitos abordados na unidade curricular **Fundamentos de Sistemas de Informação**, com especial enfoque no **mapeamento de processos de negócio** e na **análise de sistemas de informação**. Os estudantes serão desafiados a utilizar técnicas como **BPMN (Business Process Model and Notation)** e **Process Mining** para compreender, modelar e propor melhorias nos processos de uma organização. *** ### 🗒️ Descrição Os estudantes serão organizados em grupos. Cada grupo deverá selecionar uma organização — real ou fictícia — e realizar o mapeamento dos seus processos de negócio. A análise deverá incluir: * Identificação de processos principais, de suporte e de gestão * Modelação dos processos com recurso a BPMN * Análise de pontos críticos e oportunidades de melhoria * Exploração de dados (event logs) com técnicas de Process Mining * Propostas de sistemas de informação que possam otimizar os processos *** ### ⚙️ Atividades 1. **Seleção da Organização**\ Escolha de uma organização para estudo (real ou fictícia), com base na acessibilidade a dados e relevância dos processos. 2. **Mapeamento de Processos**\ Modelação dos principais processos de negócio utilizando BPMN, com foco na clareza e na estrutura lógica. 3. **Análise de Processos**\ Identificação de pontos de dor, ineficiências e oportunidades de melhoria. Justificação com base em indicadores como tempo, custo e qualidade. 4. **Exploração de Process Mining**\ Utilização de ferramentas de Process Mining (ex.: Celonis) para comparar o modelo AS-IS com os dados reais. Identificação de variantes e discrepâncias. 5. **Proposta de Sistemas de Informação**\ Sugestão de soluções tecnológicas (ex.: apps, sistemas ERP, automações) que possam melhorar os processos analisados. 6. **Apresentação e Discussão**\ Apresentação oral dos resultados, incluindo os modelos BPMN, análise de Process Mining e propostas de melhoria. *** ### 📦 Componentes-Chave do Relatório Final * **Resumo Executivo**: Síntese das principais conclusões e propostas. * **Caracterização da Organização**: Contexto, missão, área de atividade e processos relevantes. * **Mapeamento de Processos**: Diagramas BPMN e descrição dos processos principais, de suporte e de gestão. * **Análise Crítica**: Identificação de pontos de melhoria e justificações com base em indicadores. * **Exploração de Dados**: Resultados da análise com Process Mining (se aplicável). * **Propostas de Otimização**: Sugestões de sistemas de informação e melhorias operacionais. * **Conclusão**: Reflexão final sobre o impacto das propostas. * **Referências**: Fontes utilizadas e ferramentas aplicadas. *** ### 🧭 Diretrizes de Qualidade * **Rigor Analítico**: Avaliação crítica dos processos e das propostas. * **Profundidade da Pesquisa**: Utilização de fontes credíveis e exemplos reais. * **Originalidade e Criatividade**: Propostas inovadoras e adequadas ao contexto. * **Colaboração**: Evidência de trabalho em equipa e divisão equilibrada de tarefas. * **Profissionalismo**: Clareza, estrutura e apresentação cuidada do relatório. * **Integridade Académica**: Trabalho original com referências devidamente citadas. *** ### 📝 Avaliação | Critério | Peso | | ------------------------------------------ | ---- | | Qualidade da modelação de processos | 30% | | Análise crítica e uso de Process Mining | 30% | | Relevância e viabilidade das propostas | 20% | | Clareza e profissionalismo da apresentação | 20% | *** {% hint style="danger" %} **🚨** **Nota importante sobre a avaliação:🚨**\ Os critérios de avaliação apresentados neste projeto referem-se **exclusivamente à componente prática** da unidade curricular.\ A nota final da disciplina será composta pela componente teórica e prática que poderá ter outras componentes (ex: testes, participação, trabalhos teóricos), conforme definido no plano da unidade curricular. {% endhint %} *** ### 📅 Data de Entrega **14 de dezembro de 2025** ### 🎤 Data das Apresentações **18 e 19 de dezembro de 2025** *** ## Diretiva sobre o uso de Inteligência Artificial (IA) O uso de ferramentas de IA é permitido e incentivado nesta UC, desde que cumpridas as normas de ética e seriedade académica e que o uso seja transparente e verificável. Qualquer recurso a IA tem de ser declarado e acompanhado de evidências, conforme indicado abaixo. 1. **Transparência obrigatória (anexo ao relatório)** Cada grupo deve anexar um **Dossiê de Transparência de IA** contendo: * **Enquadramento da utilização:** porquê recorrer à IA e com que objetivos no trabalho. * **Ferramentas utilizadas:** ex.: ChatGPT, Copilot, Gemini, Claude, DALL·E… — indicar datas e, quando aplicável, modos/plug‑ins usados. * **Prompts/questões submetidas:** e respetivas respostas geradas pela IA, suficientes para auditoria. * **Nota reflexiva (\~500 palavras):** como foi utilizada a informação gerada; mecanismos de verificação (triangulação de fontes, testes, replicação de cálculos, deteção de erros/alucinações, etc.); conclusões; contribuição da IA para a aprendizagem. * **Declaração no relatório:** na página inicial do relatório, incluir uma “Declaração de Transparência de IA” (2–3 linhas) a indicar se houve uso de IA e em que termos, remetendo para o Dossiê de Transparência. 2. **Boas práticas e limites** * A IA não é coautora: a responsabilidade pelo conteúdo é integralmente do(s) autor(es). * Citação e referenciação são obrigatórias sempre que conteúdos gerados pela IA sejam usados de forma substantiva (ideias, texto, imagens, código). * É proibido usar IA para fabricar dados, manipular citações/referências, ou substituir integralmente a análise crítica original do grupo. * Imagens/diagramas gerados por IA devem vir identificados como tal no texto/legendas. {% hint style="warning" %} Estas orientações alinham-se com o Despacho Conjunto 76/2023, que exige clareza na definição do modelo de uso de IA nas UCs. {% endhint %} 3. **Verificação e avaliação** * O(s) docente(s) podem solicitar, quando necessário e com fundamento em indícios, uma prova oral de validação do trabalho. A não comparência pode levar à anulação da avaliação. * O não cumprimento desta diretiva (falta do Dossiê, opacidade, uso indevido) constitui violação da Integridade Académica e poderá implicar penalização ou anulação da avaliação do trabalho, nos termos do enunciado. ### Anexo – Modelo do Dossiê de Transparência de IA (a incluir na submissão) 1. Enquadramento do uso de IA (5–10 linhas). 2. Ferramentas e datas de utilização (tabela com ferramenta, versão/modo, data/hora). 3. Prompts e respostas (apresentar pares prompt→resposta relevantes; pode ser em apêndice/ZIP). 4. Nota reflexiva (\~500 palavras): uso dado à informação; mecanismos de verificação; conclusões; impacto na aprendizagem. ### **“Detalhes da Submissão”** * Formato: Relatório principal em PDF; * Anexos obrigatórios: “Dossiê de Transparência de IA” em PDF (ou ZIP se contiver múltiplos ficheiros). * Nome dos ficheiros: FSI\_Fundamentos\_Sistemas\_Informação\_\[Grupo]*Relatorio.pdf e* FSI\_Fundamentos\_Sistemas\_Informação\_\[Grupo]\_DossieIA.pdf | zip. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://ulht-jcb.gitbook.io/fundamentals-of-information-systems/documentation/ligacoes-rapidas/enunciado-do-trabalho-pratico.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.