Lista de Projetos

 O projecto visa medir as expectativas de inflação de preços e salários, modelando os agentes como sendo capazes de escolher entre diferentes regras de expectativas com base no seu desempenho passado. O estudo será conduzido por um grupo de dois investigadores nucleares (especializados em macroeconomia e econometria) e vários consultores de bancos centrais (que ajudarão com pareceres sobre o estudo e divulgação dos resultados).

To enhance SME competitiveness in the drone sector by developing a tailored business development curriculum, promoting youth entrepreneurship through innovative training and resources, and creating upskilling pathways via a comprehensive online platform, ultimately aligning with EU digital and green transitions.

A Modelação Bayesiana de Equações Estruturais (BSEM) tem recebido atenção significativa devido à sua capacidade de resolver problemas comuns encontrados nas abordagens frequentistas, como a não convergência, os casos de Heywood, as limitações do tamanho da amostra e as soluções inadmissíveis. Além disso, a BSEM pode estimar modelos complexos com os quais os métodos clássicos de máxima verosimilhança frequentemente se debatem. Um componente crucial da BSEM é a incorporação de conhecimento prévio através de distribuições a priori, o que oferece uma vantagem única sobre os métodos frequentistas, ao permitir que informações previamente conhecidas sejam incluídas de forma transparente nas especificações do modelo. A elicitação apropriada de priors é essencial para traduzir o conhecimento do domínio em distribuições de probabilidade, melhorando assim a precisão e a fiabilidade do modelo. Apesar disso, o desenvolvimento e a adoção generalizada de técnicas robustas de elicitação de priors em BSEM permanecem limitados. Este projeto visa avançar o campo da BSEM através de métodos computacionais inovadores e aplicações práticas, com foco no processamento por GPU e no seu potencial para aumentar a eficiência dos cálculos bayesianos. Ao aproveitar as capacidades de computação paralela fornecidas pelas unidades de processamento gráfico modernas, o projeto procura acelerar significativamente os processos computacionais envolvidos na BSEM. Adicionalmente, o projeto explorará o uso da BSEM no desenvolvimento de instrumentos psicométricos, empregando técnicas como o Markov Chain Monte Carlo (MCMC) utilizando o No-U-Turn Sampler (NUTS) para a estimação de modelos latentes. Estas inovações prometem oferecer insights mais profundos sobre a precisão da medição e melhorar a validade dos instrumentos psicométricos em diversas populações. Os resultados esperados deste projeto incluem uma melhor eficiência computacional, estimações de modelo otimizadas e uma maior adoção dos métodos bayesi...

  O projecto irá desenvolver e treinar um agente de IA na identificação de padrões relevantes de conflito e afeto durante a interação da equipa, em texto e vídeo, e na transmissão de feedback adequado em tempo real. Três estudos irão testar o papel do feedback conduzido pelo agente na dinâmica e nos resultados da equipa (desempenho, regulação dos afectos, engagement), bem como o papel das características do agente na sua aceitação pela equipa.    

Despite decades of devoted research, cancer remains a tremendous health threat and societal burden. Europe's Beating Cancer Plan aims to improve the lives of more than 3 million people by 2030 by improving prevention, early detection, diagnostics, therapeutics, and quality of life. The biggest single hurdle here is the highly inadequate way cancer data, both from research and healthcare, are still being dealt with. While other areas of society (e.g. e-finance, e-commerce, logistics, travel, meteorology, etc.) have fully exploited advances in data and information technology to serve organisations as well as individual consumers, so far this has failed in the health domain. Consequently, cancer data are hard to Find, Access, make Interoperable and Reuse. Evidently this is not caused by lack of suitable technology, but rather by organisational, social and cultural causes. Inherently, solving the problem requires a cultural shift from the current craftsmanship approach to cancer research and data, to a drastic collaboration model at industrial scale. CANDLE therefore aims to scale-up and improve existing (inter)national health data infrastructures, align maximally with national EHDS implementations in member states, including HDAB’s, DAAMS’s and SPE’s. CANDLE will also identify and resolve potential barriers (https://www.health-ri.nl/en/participation/obstacles-removal-trajectory ) that jeopardize effective implementation of UNCAN.eu and ECPDC digital platforms. CANDLE aims to equipe data users and NCDN developers with a ‘ready-to-use' CANDLE Resource Kit in a process oriented (research journey, patient journey, data life cycle) way. In summary, CANDLE will provide an avenue towards a successful and highly desired data transformation in European cancer research and serve as a catalyzer for the UNCAN.eu and ECPDC platforms by advancing the development of NCDNs to reach the goal of the Cancer Mission and Europe’s Beating Cancer Plan, i.e. reducing the burden of cancer.