Tomada de Decisão Aumentada por Ia Generativa no sucesso de Projetos

Busca-se um especialista para realizar a análise estatística detalhada de uma pesquisa, que será utilizada como Trabalho de Conclusão de Curso (TCC) para obtenção do título de especialista em Gestão de Negócios Digitais e Inteligência Artificial do mba da usp-esalq, com previsão de conclusão em 2026. O projeto foca na 'Tomada de Decisão Aumentada por IA Generativa no sucesso de Projetos'.

O escopo do trabalho inclui as seguintes etapas de análise estatística:

0.  Geração de relatório
Efetuar todos os calculos estatísticos com a análise dos resultados
Gerar um relatório com os gráficos, tabelas  e com a análise dos dados.
Esse relatório deverá estar em word para ser incluido no documento de TCC


1. Adequação da amostra:
  - Verificação da adequação da amostra ao modelo, considerando um tamanho amostral de N = 150.
  - Aplicação da regra dos 10x como referência preliminar.
  - Registro das limitações relacionadas ao tamanho da amostra, especialmente para efeitos de moderação e poder estatístico.

2. Estatística descritiva:
  - Cálculo de frequências, percentuais, média, mediana, desvio-padrão, mínimo e máximo.
  - Caracterização da amostra e das variáveis de controle.

3. Modelo de mensuração:
  - Análise de cargas fatoriais (Outer Loadings).
  - Avaliação do Alfa de Cronbach, Confiabilidade Composta (CR) e Variância Média Extraída (AVE).
  - Aplicação do critério de Fornell-Larcker e HTMT para validade discriminante.

4. Viés de método comum:
  - Realização do teste de fator único de Harman e/ou Full Collinearity VIF (Kock).

5. Modelo estrutural – pls-sem:
  - análise de vif (variance inflation factor).
  - Execução do algoritmo pls-sem.
  - Avaliação dos coeficientes de caminho (β), bootstrapping, estatística t, valores de p, intervalos de confiança, R², f² e Q².

6. Efeitos diretos (H1 e H2):
  - Análise da relação entre Qualidade de IA → Tomada de Decisão Aumentada por IA.
  - Análise da relação entre TDA → Sucesso de Projetos.
  - Avaliação por coeficientes, significância e bootstrapping.

7. Mediação (H3):
  - Análise dos efeitos a, b, efeito total (c), efeito direto (c’) e efeito indireto (a×b).
  - Utilização de bootstrapping, intervalo de confiança e classificação da mediação.

8. Moderação (H4a–H4c):
  - Análise dos termos de interação TDA × Metacognição, TDA × Vieses Algorítmicos e TDA × Alucinações da IA.
  - Avaliação de significância, bootstrapping, simple slopes e gráficos das interações significativas.

9. Variáveis de controle:
  - Inclusão como preditores do Sucesso de Projetos.
  - Análise dos coeficientes, significância e impacto sobre R² e caminhos principais.

10. Efetuar todos os calculos estatísticos
Gerar um relatório com os gráficos, tabelas  e com a análise dos dados.