Anlise Psicolgica (1997), 1 (XV): 49-62

A anlise de dados nas representaes sociais

COSTA PEREIRA (*)

INTRODUO

A psicologia social na Europa tem nos ltimos anos dedicado um imenso espao de investigao s representaes sociais. Desde a sua operacionalizao na psicologia social por Moscovici em 1961, com o seu clebre trabalho da representao da psicanlise, que as representaes sociais tm sofrido uma evoluo significativa quer nos aprofundamentos do seu conceito quer nas tcnicas para a sua investigao. As tcnicas que no incio eram basicamente qualitativas, tm transferido o seu plo para as quantitativas, quer pela evoluo de determinados conceitos matemticos, quer principalmente pela operacionalizao destes em programas informticos que tornam a tarefa dos investigadores significativamente mais fceis. Para se dizer que estamos a estudar as representaes sociais, torna-se necessrio que sejam operacionalizados vrios elementos que a caracterizam. Assim, temos por um lado que identificar a sua objectivao atravs dos termos pelos quais ela operacionalizada e a sua ancoragem que permite identificar o suporte social da representao e que leva a identificar as relaes

(*) Escola Superior de Comunicao Social.

que se estabelecem para cada grupo social entre os seus termos ou categorias. Ainda na representao social, importante identificar a sua estrutura, o seu ncleo central, que nos reporta para o que est mais enraizado na representao ligado ao sistema social, e o seu sistema perifrico, que facilita os processos comunicacionais no contexto da representao, identificando assim a sua argumentao. Para o estudo das representaes tm sido utilizadas as mais variadas metodologias, pelo que actualmente no existe ainda uma nica que se possa afirmar que estuda a representao social em todas as suas dimenses. Isto leva-nos a afirmar que o estudo das representaes, por um lado, ainda est no seu incio e que, por outro, ele pluri-metodolgico. Assim, o estudo das representaes envolve dois problemas distintos, um orientado para os processos utilizados na recolha dos dados sobre os contedos da representao e outro orientado para a anlise dos dados recolhidos, de modo a identificar as relaes que se estabelecem entre eles. Segundo Abric (1994), a recolha dos dados orienta-se para dois tipos de mtodos: os interrogativos, que consistem em recolher uma expresso dos indivduos sobre o objecto da representao em causa, e os associativos, que se apoiam numa expresso verbal que se procura tornar o 49

mais espontnea possvel. Esta recolha aponta para que ela seja efectuada combinando os dois mtodos. A anlise dos dados, por seu lado, operacionaliza tcnicas que orientam para a determinao da sua estrutura e tcnicas para a determinao da sua centralidade. Os dados tm que ser organizados em sistemas de categorias que se tornam o seu suporte de anlise e que so determinantes para o estudo da representao. Em seguida estuda-se a relao que se estabelece entre estas categorias de modo a determinar a sua estrutura e a identificar os elementos que so centrais e os perifricos. Finalmente aparecem as metodologias que permitem verificar a centralidade do ncleo central e que so essencialmente trs, a de colocar em causa o ncleo central (Abric, 1992), a do cenrio ambguo (Moliner, 1993) e as dos esquemas cognitivos de base, (Guimelli & Roquette, 1992). Uma vez recolhidos os dados, estes tm que ser analisados. Sobre as anlises, aparecem duas tcnicas completamente diferentes: uma, que reporta para o estudo a partir de semelhanas (anlises de semelhanas; Flament, 1968) ou dissemelhanas (Escala multidimensional; Kruskal, 1964) entre os dados; e outra que procura encontrar estruturas subjacentes nos dados sem qualquer indicao prvia (anlise factorial de correspondncias; Benzcri, 1973). Estas anlises so essencialmente descritivas, pelo que no possvel efectuarem-se inferncias a partir delas.

colocar um crculo numa folha com o estmulo que se pretende inserido no seu interior. Com este estmulo, pedido ao sujeito que efectue evocaes com ele relacionadas. O trabalho final do sujeito ser algo parecido com o indicado na Figura 1. Complementarmente, pode ainda ser pedido aos sujeitos que indiquem por que ordem apareceram as evocaes, grau de importncia de cada uma delas e que relaes se podem estabelecer entre as vrias evocaes.
FIGURA 1

Trama associativa para o estmulo EU

(1) alto (2) forte (4) falador (6) cantar (5) gil

EU
(3) amigos

1. RECOLHA DOS DADOS

Estas evocaes podem depois ser trabalhadas quer por anlise factorial de correspondncias quer por anlise de semelhanas. Outra tcnica neste domnio foi desenvolvida por Vergs (1992). Atravs de uma questo aberta sobre o objecto da representao, pedido aos sujeitos para que evoquem atravs de frases ou palavras o que pensem estar associado a essa representao, escrevendo cada frase ou palavra na sua linha. Para o mesmo caso relativo ao EU, seria colocada a questo do que o sujeito pensava de si prprio. Na Figura 2 pode verificar-se um exemplo de uma resposta a esta questo.
FIGURA 2

Com a recolha dos dados pretende-se que o sujeito esteja colocado numa situao em que possa dar livre expresso aos estmulos que lhe so colocados em relao ao objecto da representao social em estudo. A primeira tarefa do investigador consiste em procurar identificar aquilo que os sujeitos verbalizam. Para tal, colocada uma questo aberta que permita ao sujeito efectuar associaes livres. importante registar tudo o que o sujeito verbalizar bem como a ordem por que vo aparecendo estas verbalizaes. De Rosa (1992) desenvolveu uma tcnica associativa, a que chamou trama associativa, que consiste em 50

Folha de respostas para evocaes ordenadas

1 considero-me alto 2 gosto de utilizar a fora no que fao 3 gosto de ter amigos 4 gosto de falar com os meus amigos 5 gosto de cantar quando estou com os amigos 6 ________________________________ 7 ________________________________ 8 ________________________________ Nesta tcnica pede-se tambm aos sujeitos para sublinhar as duas palavras ou frases que considera serem as mais importantes para si,

bem como se as frases ou palavras so positivas, negativas ou neutras. Como se pode constatar, aparece um grande universo semntico que vai deste modo constituir uma base de dados a partir da qual se vo efectuar as anlises que permitem determinar toda a dimenso da representao social, desde o que a constitui (objectivao), at ao modo como ela est organizada e estruturada (ancoragem, ncleo central e sistema perifrico) no conjunto dos sujeitos. Esta ltima tcnica possui a possibilidade de se compararem as evocaes espontneas com as de escolha racional. A fora deste mtodo reside na possibilidade de se cruzarem os dados por frequncia e por ordem de evocao, o que permite identificar o que central e aquilo que perifrico. Considera-se como fazendo parte do ncleo central as evocaes com maior frequncia e com menor ordem de evocao e do sistema perifrico as de menor frequncia e de maior ordem de evocao. No Quadro 1 podem observar-se os resultados rela-

tivos representao sobre a publicidade da Benetton (Pereira, 1995b). Neste quadro, os termos nele representados representam o universo mais significativo da objectivao da representao social. O primeiro quadrante onde se encontram os termos de maior frequncia e menor ordem de evocao (F>7% e O<4.57) considera-se como sendo o sistema central da representao onde se encontra o seu ncleo central. Os restantes quadrantes representam o sistema perifrico, com graus de maior ou menor centralidade, como o ltimo quadrante (F<7% e O>=4.56, que representa os elementos mais perifricos). A estrutura da representao e a confirmao dos termos de maior centralidade s possvel atravs da anlise de semelhanas. As recolhas de dados baseadas em mtodos interrogativos tm a fragilidade de por vezes no se distinguir o que exclusivo da linguagem e o que pertence ao universo da representao. A trama associativa tenta ultrapassar um pouco este problema na medida em que o sujeito

QUADRO 1

Representao sobre Publicidade da Benetton

ordem de evocao < 4.57 42% 39 33 26 24 24 13 10 9 7% 7 6 6 6 6 5 5 5 4 4 Diferena frica Tribo Contraste Racismo Cores Discriminao Rituais Cultura Clara Gente Comunidade Noite Sociedade Grupo Tradio Dia Igualdade Olhares Excluso 4.29 3.09 4.22 3.97 3.86 4.35 4.13 4.00 2.73 4.44 4.00 3.25 4.00 4.00 4.13 2.71 3.00 3.71 4.00 4.17 28% 18 18 14 8 > = 4.57 Negros Albina Branca Raas Doena 5.76 5.32 5.36 4.65 5.80

Freq. > 7%

Freq. < = 7%

7% 6 6 6 5 5 4

Tristeza Solido Fome Escurido Original Medo Vergonha

5.44 4.63 5.50 7.63 5.57 7.00 6.67

51

FIGURA 3

Grfico da estrutura de uma representao

efectua as suas prprias associaes construindo as respectivas rvores semnticas. Como se pode constatar a partir das evocaes, possvel identificar o campo de objectivao dos sujeitos, mas no a estrutura da representao; esta s possvel com anlises quantitativas. Para estas anlises, torna-se necessrio reduzir o universo semntico em torno de um conjunto de categorias. Procurar identificar o processo de categorizao dos sujeitos o elemento chave de todo este trabalho. Ele exige muita experincia do investigador, nomeadamente sobre o objecto da representao. Para tentar ultrapassar este problema, Vergs (1992) prope que se efectue uma categorizao prototpica onde as categorias so construdas a partir dos termos mais frequentes, agrupando os menos frequentes em torno deles com base na experincia do investigador. Na Figura 3 pode observar-se a estrutura de uma representao sobre o lder (Pereira, 1995a), onde aparecem os termos que se encontram no ncleo central, com relevo para Chefe e Inato, que aparecem com uma grande ligao a outros termos, formando estrelas de conjuntos semnticos. Para alm destes mtodos, existem outros como a carta associativa (Abric, 1994), cuja diferena para os apresentados reside no facto de orientar o sujeito, dando-lhe um percurso para o seu trabalho cognitivo. dado um termo indutor 52

a que se pede para associar outro. Em seguida pede-se ao sujeito para associar o termo evocado com o indutor e dar-lhe uma nova significao (Figura 4).
FIGURA 4

Carta associativa para um estmulo Benetton Benetton ................. = ................... Benetton ................. = ................... Benetton ................. = ................... Benetton ................. = ...................

Este mtodo diferencia-se dos restantes por condicionar os sujeitos nas suas evocaes onde eles so pressionados numa determinada orientao. Aps as evocaes, pedido tambm aos sujeitos para indicarem o grau de importncia dos termos ordenando-os numa escala numrica.

2. ANLISE DOS DADOS

Uma vez obtidos os dados, e que como se viu em representaes sociais, exigem uma grande pesquisa ao sujeito em situaes de mxima liberdade onde ele se possa expressar sem constrangimentos. Para tal, so necessrias as tcnicas j referidas de evocaes espontneas ou de

entrevistas aprofundadas, onde o sujeito se possa sentir sem constrangimentos de modo a expressar livremente o seu pensamento sem entrar nos fenmenos da desejabilidade ou outros. Para analisar estes dados aparecem duas abordagens completamente distintas: a) uma, que procura identificar estruturas de organizao dos dados que no esto perceptveis a partir dos dados brutos e tendo em ateno que se pretendem interpretaes globais; b) outra, que procura identificar estruturas locais, dando assim possibilidade de interpretaes restritas a determinados conjuntos de dados. Esta abordagem exige uma organizao prvia dos dados. A primeira abordagem encontra-se associada Anlise Factorial de Correspondncias (AFC), e permite que se identifiquem factores e dimenses para os dados brutos permitindo deste modo significaes globais. Tem a vantagem de mostrar o que os dados dizem por si, mas possui a desvantagem de acarretar uma grande dificuldade de interpretao, se no se possuir j um quadro conceptual do que poder ser a representao. A anlise factorial de correspondncias mltipla acrescenta a grande vantagem de se factorizarem os vrios subgrupos no conjunto das palavras, o que leva j a significaes muito claras da representao que est inerente a cada subgrupo. A AFC permite, deste modo, sem nenhum trabalho prvio, efectuar agregaes atravs de factores e dimenses e identificar estruturas desconhecidas que advm destas agregaes. Como efectua uma anlise global, permite verificar em que medida o fenmeno explica uma determinada realidade atravs de uma varincia explicada encontrada. A segunda encontra-se associada anlise de semelhanas e no permite anlises globais, limitando-se a anlises locais. So estas zonas locais de maior densidade que vo contribuir para se encontrarem explicaes ao nvel cognitivo, contribuindo fortemente para mostrar a organizao da representao social. neste contexto que se procura encontrar o grfico conexo mais simples (rvore mxima) que no contm todo o conjunto das semelhanas, mas aquelas que so mais fortes localmente e que a partir delas se po-

dem encontrar explicaes dos fenmenos. Esta tcnica no trabalha os dados brutos recolhidos dos sujeitos, mas exige que os dados sejam tratados previamente quer pela construo das categorias quer pelas anlises que j permitiram uma identificao prvia do que eventualmente mais central e perifrico na representao. A anlise de semelhanas vai deste modo efectuar anlises confirmatrias dos sistemas centrais e perifricos e colocar em evidncia a organizao dos dados, identificando uma estrutura entre eles. A falta de uma anlise global dos dados pode ser obviada analisando a matriz de semelhanas atravs do Escalonamento Multidimensional (MDS; a este respeito, ver o trabalho de Scholten & Caldeira, neste mesmo nmero). Esta tcnica permite agrupar os dados em vrias dimenses, colocando-os em referenciais a que se podem atribuir significaes. Quando se consegue uma anlise a duas dimenses, possvel visualmente encontrarem-se significaes para os dados, em especial nas dissemelhanas. Esta tcnica mais forte a tratar as dissemelhanas do que as semelhanas. Assim, possvel interpretar com alguma preciso atravs dela o que diferente daquilo que semelhante. 2.1. Anlise de semelhanas A anlise de semelhanas uma tcnica de anlise de dados que permite o estudo das representaes sociais. Este mtodo descritivo tem por objectivo explicitar uma organizao relacional e identificar agrupamentos num conjunto de dados. O mtodo apoia-se nas propriedades da teoria dos grafos. A anlise de semelhanas nas representaes sociais s possvel a partir da identificao de um conjunto de categorias e, posteriormente, estabelecem-se relaes de semelhana entre elas. A identificao das categorias o ponto mais vulnervel desta tcnica; este passo depende da experincia do investigador no campo do objecto de estudo e pode depender das tcnicas de recolha de dados e das tcnicas utilizadas para a sua construo. Como foi anteriormente referido, isto vital para as anlises posteriores. Uma vez identificadas as categorias, vo utilizar-se tcnicas que permitem criar uma relao simtrica atravs de uma matriz quadrada de semelhanas, de distncias, de relaes ou outras 53

QUADRO 2

Tabela tipo de dados para anlises de semelhanas, Vergs (1995)

Varivel I varivel J 0 0 1 z(I,J) c(I, J) n(I) n(J) T 1

que permitam determinar relaes entre elas. A transformao da matriz num grafo de relaes dois a dois vai permitir descobrir o melhor itinerrio para identificar a topografia da nuvem de dados. Este trabalho foi possvel a partir dos estudos de Benzcri (1973), quando este autor criou uma correspondncia num mesmo espao de sujeitos e variveis onde se pode efectuar o tratamento dos dados numa s dimenso colectiva. Existe assim um espao comum a todos. A construo desta matriz efectuada a partir de ndices de semelhana que se utilizam de acordo com as necessidades da investigao. Atravs de uma tabela do tipo indicado no Quadro 2, por exemplo, podem verificar-se as diferentes relaes entre a varivel J e a varivel I, que no so mais do que a relao que se vai estabelecer entre duas categorias (J e I). A forma como estas relaes, entre as variveis, vo ser estabelecidas determinam os vrios ndices que contribuem para a construo da matriz de semelhanas de acordo com as necessidades especficas da investigao. Apesar de existir uma multiplicidade de ndices de semelhana, Flament (1994) reere que os ndices que pem em evidncia hipteses Gaussianas baseadas no modelo probabilstico da correlao, no se aplicam aos dados das representaes sociais. Os ndices que se aplicam s representaes sociais podem ser classificados em trs grandes grupos e, como atrs se referiu, cada um deles corresponde a vrios resultados que se pretendem evidenciar nos dados em anlise: a) os que exprimem uma agregao colectiva. Exemplos: 54

Coocorrncia

- c ( I,J ) - cs ( I,J ) = c ( I,J ) + z ( I,J )

Coocorrncia simtrica

b) os que fazem referncia hiptese de independncia estatstica entre as distribuies de duas variveis correlacionadas. Exemplos: Phi de Contingncia Phi sobre Phimax H de independncia c) os que se baseiam numa relao de implicao. Exemplo:
I de implicao - Im ( I,J ) = c (I,J) / min (n(I),n(J))

Assim, a escolha do ndice de grande importncia para o estudo dos fenmenos que se pretendem investigar. Se se pretende, por exemplo, colocar em evidncia fenmenos maioritrios, ento ter-se- de escolher um ndice que exprima uma agregao colectiva; se se pretende identificar fenmenos parcelares de subgrupos, devem utilizar-se ndices que fazem referncia hiptese de independncia estatstica. Uma vez construda a matriz de semelhanas, ela tem de ser analisada. A sua anlise baseia-se na relao que se estabelece entre os pares de variveis que fazem parte da tabela. Assim a partir da tabela da Figura 5, para se efectuar a anlise, tem de se construir o grafo respectivo. Para esta construo colocam-se os pares de variveis por valor decrescente da sua semelhana (Figura 6). A anlise de semelhanas vai partir desta tabela e construir um grafo procurando determinar dois tipos principais de relaes: a) uma que remete para a identificao das

FIGURA 5

Exemplo de uma matriz de semelhanas (Degenne, 1985)

1 1 2 4 5 1 5 3 2 1 7 10 3 9 2 6 3 4 5 7 8 5 3 10 8 -

FIGURA 6

Tabela resumo da matriz

Pares de Variveis Arestas do grafo 2-5 1-3 4-5 2-4 3-4 1-4 3-5 1-5 2-3 1-2 ordem aresta Indica semelhana 10 9 8 7 6 5 3.5 3.5 2 1

1 2 3 4 5 6 7 7 9 10

relaes de semelhana que so mais significativas e que permitem identificar uma estrutura subjacente b) outra que permite identificar os locais no grafo de maior densidade das relaes de semelhana. Para conseguir estes dois objectivos so operacionalizadas duas tcnicas: a) uma que nos remete para a rvore mxima b) outra para uma noo de filtro a) rvore Mxima ou Grafo Conexo O conceito de rvore de um grafo um sub grafo, que possui todos os vrtices, que est unido e que contm exactamente n-1 arestas. Na teoria dos grafos, um grafo que no contm

ciclos. Rosenstiehl (1967) demonstrou que existem uma srie de rvores em cada grafo que esto sujeitas a uma ordem e que a ordem parcial resultante sobre as rvores admite no mnimo um mximo a que se chama rvore mxima do grafo. A rvore mxima torna-se assim um bom resumo do grafo, que a sua estrutura onde nas relaes entre as variveis no se formam ciclos. (1) determinao da rvore mxima A rvore mxima pode determinar-se construindo o grafo a partir da tabela resumo da matriz; sempre que aparecer um tringulo formado por trs variveis e trs arestas que as ligam entre si, elimina-se a de valor de semelhana mais baixa. Depois de eliminar estas arestas, possvel ainda encontrar ciclos no grafo. Sempre que 55

tal acontecer eliminam-se nos ciclos a aresta de valor mais baixo. Uma vez estabelecido o grafo sem tringulos e ciclos como proposto est encontrada a sua rvore mxima. (2) relao hierrquica Como se referiu, a rvore mxima aparece como esqueleto da estrutura de semelhana da matriz de semelhanas. Para uma melhor interpretao dos seus dados importante estabelecer uma classificao hierrquica ascendente que nos permita identificar um conjunto de nveis nesta rvore e por sua vez identificar conjuntos de famlias de dados por ndices de semelhana hierarquizados. (3) regularidade e coerncia A rvore mxima deve ser tambm analisada em termos de regularidade e de coerncia. Vergs (1987) afirma Diz-se que existe regularidade na

rvore mxima se ela tem a propriedade de ordem de Robinson, isto , se ela tem a propriedade de ser decrescente na sua matriz em todas as linhas e colunas a partir da diagonal (Figura 7). A partir da matriz dada pode verificar-se que a rvore mxima dada pelo grafo indicado. Podese verificar que nesta rvore mxima o sub grafo dado por A B D F, regular enquanto o A B D E, no regular (Figura 8). Pode-se verificar que na linha A da matriz, a primeira no decrescente (12, 4 e 8), pelo que no se pode considerar regular. Esta propriedade da regularidade bastante importante para identificar significados locais nas respectivas rvores. Se o ndice decrescente, pode-se atribuir facilmente um significado, mas se no , pode ter-se necessidade de construir outras relaes que se eliminaram na rvore mxima para lhes dar significado. Outro factor de importncia a analisar na rvo-

FIGURA 7

Matriz de semelhanas e rvore mxima (Vergs, 1987)

FIGURA 8

Matrizes dos sub grafos

56

re mxima relaciona-se com a ligao que se estabelece entre os agrupamentos mximos (famlias de dados), construdos a partir da classificao ascendente hierrquica. Para existir coerncia, importante que estes agrupamentos (clique) mximos estejam ligados. Esta noo de clique, definida pela teoria dos grafos como um conjunto de vrtices ligados totalmente dois a dois, permite identificar as zonas de reagrupamentos que podem ser significativas para a anlise. Aparecem assim nos grafos zonas de fortes semelhanas, onde existem reagrupamentos de dados. b) Filtro Se nos reportarmos mais uma vez Figura 6, pode-se verificar que para a ordem um com o ndice de semelhana mais elevado s encontramos um agrupamento de dados, o (2-5); para a ordem dois, com ndice de semelhana nove, j encontramos dois agrupamentos, os (1-3) (2-5). Esta anlise permite introduzir nas relaes que se estabelecem entre as variveis limiares, a que se pode chamar de filtros, e que permitem visualizar os agrupamentos mais significativos por maior ndice de semelhana e determinar desta forma os agrupamentos mximos que do significado relao entre os dados. Sempre que se encontra um agrupamento mximo com um filtro elevado pode-se falar de ncleo (Vergs, 1987). O filtro est associado noo de relao hierrquica. Na interpretao do grafo da matriz de semelhanas, importante depois de encontrar as relaes mais significativas quer pela rvore mxima quer pelos filtros introduzidos, efectuar anlises mais finas que nos permitam identificar as estrelas, os tringulos e os ciclos mais significativos que em psicologia cognitiva esto associados a esquemas mentais que o sujeito operacionaliza automaticamente sobre uma dada representao. A anlise de semelhanas permite deste modo identificar a estrutura das representaes sociais e confirmar ou no a centralidade de alguns elementos como se viu na Figura 3. possvel deste modo identificar algumas estruturas cognitivas que nos so dadas pelos ciclos, estrelas e tringulos. No exemplo da Figura 3 foi possvel atravs de um filtro elevado encontrar dois

agrupamentos em torno das categorias chefe e inato que como se disse so nucleares. Uma vez identificados os elementos centrais da representao social, usual efectuarem-se anlises posteriores para o controlo da centralidade dos elementos do ncleo central. Para o controlo da centralidade utilizam-se com frequncia tcnicas que levem as pessoas a mostrar as suas preferncias sobre as categorias ou elementos julgados importantes para a representao atravs de uma escala, ou de pedir aos sujeitos que indiquem as suas escolhas em termos de mais importantes e menos importantes. Depois, os dados recolhidos podem, a partir de estatsticas simples, determinar a centralidade de certos elementos e, se necessrio, efectuar anlises mais complexas, como por exemplo agrupando os dados numa matriz quadrada de semelhanas a partir do ndice do Tau de Kendal. Este mtodo tem caractersticas nitidamente locais na medida em que se apoia sobre as diferenas de ordenao efectuadas pelos sujeitos nas categorias em estudo. A visualizao dos resultados pode ser efectuada atravs de um grafo constitudo por um conjunto de arestas e vrtices. Para a anlise de semelhanas existem alguns programas de origem francesa desenvolvidos por Vergs (1987) que tm sido objecto de actualizao at ao presente e que se tm revelado bastante poderosos so o EVOC e o SIMI. Eles permitem efectuar todas as anlises possveis sobre as representaes sociais ajustando-se aos vrios mtodos de recolha de dados. Outro programa como o ANASIM, desenvolvido por Guimelli e Moliner (1986), permite tratar os dados para as tcnicas desenvolvidas por Guimelli, construindo a respectiva matriz de semelhanas. O DISCAN, desenvolvido por Maranda (1989), permite tambm uma anlise de semelhanas entre as categorias construdas. Outro programa para o Windows, o Avril (1993), permite operacionalizar o grafo da matriz de semelhanas, como indicado na Figura 3, e possibilita identificar a rvore mxima e introduzir os filtros de modo a se poder retirar da matriz de semelhanas as relaes mais significativas. Torna-se deste modo possvel identificar visualmente todas as estrelas, tringulos e ciclos existentes na matriz de semelhanas. 57

2.2. Escalonamento Multidimensional (MDS) Esta tcnica, embora seja mais poderosa a tratar dissemelhanas do que semelhanas, tambm bastante utilizada nas representaes sociais, principalmente na sua variante chamada por alguns autores de trs caminhos e por outros de diferenas individuais (tambm conhecida por INDSCAL). O Escalonamento Multidimensional trabalha dados a partir de matrizes quadradas onde se estabelece uma relao entre as variveis em estudo a partir de ndices de semelhana. Permite uma representao visual das percepes dos sujeitos em estudo em duas ou mais dimenses. Assim, pode-se considerar esta tcnica como uma tcnica que permite identificar estruturas de relacionamento entre os dados que no esto visveis. Os dados so posicionados em referenciais de dois ou mais eixos, identificando-se assim duas ou mais dimenses. As variveis em estudo para as representaes sociais so as categorias que se pretendem analisar, identificando a sua agregao em dimenses e o seu posicionamento em relao aos eixos. Este mtodo, apesar de complexo na sua operacionalizao matemtica, relativamente simples de operacionalizar com os actuais programas informticos, nomeadamente o SPSS. Esta tcnica apoia-se na geometria Euclidiana, tratando as variveis a partir das distncias que se estabelecem entre elas. A transformao dos ndices de semelhana entre as variveis em distncias, exige uma anlise cuidada ao modelo na anlise dos dados para verificar se esta transformao se efectuou a partir de uma relao linear que a mais correcta e rejeitar os modelos onde ela no obedece a esta linearidade. O ajustamento do modelo dado de uma forma mais precisa atravs de uma medida a que se chama stress. O stress fornece a proporo das dissemelhanas empricas que no esto em coerncia com as distncias representadas. Se existir a linearidade perfeita, o stress ser igual a zero (Kruskal & Wish, 1976). Embora nenhum autor refira explicitamente uma medida de stress a partir do qual se deva considerar o modelo devidamente ajustado, considera-se que para valores acima de .20, s se devem aceitar se a diminuio do stress for significativa com o aumento das dimenses. Esta forma de aceitar o modelo est relacionada com o 58

facto de existir uma relao estreita entre o stress e as dimenses em estudo. Embora o modelo s seja possvel de interpretao visual a duas e a trs dimenses, tambm se aceitam nmeros de dimenses superiores desde que se efectuam anlises correlacionais entre as dimenses e os respectivos eixos para se efectuarem as respectivas interpretaes. A obteno dos dados nesta tcnica tem os mesmos problemas que a anlise de semelhanas, isto , identificar qual o ndice de semelhana ou dissemelhana mais adequado para construir a matriz. Nas representaes sociais, como tcnica complementar da anlise de semelhanas, utilizam-se os mesmos ndices como descritos anteriormente, para se poderem efectuar comparaes. Na variante INDSCAL, utilizam-se basicamente as coocorrncias para a construo da matriz. Esta variante um elemento poderoso para mostrar como se relacionam entre si os vrios sub grupos em estudo. Na sua variante das dissemelhanas individuais, o Escalonamento Multidimensional permite identificar para alm das dimenses onde as variveis se enquadram os espaos interindividuais. Deste modo, torna-se possvel identificar espaos comuns a determinados conjuntos de sujeitos e os respectivos espaos individuais (privados). O espao comum a configurao dos estmulos num espao a duas ou mais dimenses da mesma forma que acontece no Escalonamento Multidimensional simples. O espao privado descreve as respostas agrupando os indivduos por categorias comuns a cada conjunto de sujeitos, posicionando-os no mesmo espao a duas ou mais dimenses, o que permite visualizar as diferenas entre os vrios grupos de sujeitos. Relativamente s representaes sociais, o Escalonamento Multidimensional permite determinar zonas comuns de estmulos nos espaos comuns a duas ou mais dimenses. Alguns estudos efectuados (Pereira, 1994) tm mostrado que elementos considerados como pertencentes ao ncleo central se posicionam com frequncia num espao onde se mostram dissemelhantes dos restantes. Afastados dos outros elementos com um espao prprio. Tal facto leva a utilizar esta tcnica como confirmatria dos elementos do ncleo central e nunca para identificar por si s os elementos do ncleo central. O INDSCAL, por sua vez, permite tratar subconjuntos de

sujeitos nos estudos da representao e determinar em que medida eles se encontram no mesmo espao ou em espaos diferentes, mostrando deste modo a relao que se pode estabelecer entre eles, isto , se esto no mesmo campo da representao social. Para aprofundamento desta tcnica, consultar nesta revista o artigo de Scholten e Caldeira. 2.3. Anlise Factorial de Correspondncias (AFC) A AFC no mais do que uma generalizao da anlise factorial de componentes principais adaptada ao tratamento de dados qualitativos que se apresentam sob a forma de uma tabela de contingncias de frequncias. Pode ser simples, se se considera para anlise uma nica varivel por linha e outra por coluna, ou mltipla, se um desses conjuntos de variveis por coluna ou por linha apresenta vrios sub conjuntos. Enquanto a anlise de correspondncias trata as variveis a partir do conceito de distncia entre elas num espao Euclidiano, a anlise factorial de componentes principais trata as variveis, por exemplo, a partir das correlaes entre elas. Como exemplo, pode-se considerar AFC simples quando um conjunto de sujeitos emite a sua opinio sobre um determinado objecto social e possvel construir uma tabela de contingncias colocando nas linhas as palavras que os sujeitos emitiram e nas colunas os vrios sujeitos em estudo. Considera-se AFC mltipla se, nesse estudo, desejarmos entrar em considerao com os vrios sub conjuntos de sujeitos, como por exemplo o sexo ou as idades, ou outras dimenses relevantes que se queiram identificar por conjuntos de sujeitos e que leva a construir-se uma tabela onde as colunas aparecem com subdivises. A AFC efectuada comeando por se realizar uma anlise exploratria para determinar a validade dos dados da tabela de contingncias e se poderem processar as anlises factoriais subsequentes. Esta anlise exploratria comea com a determinao dos perfis por linha e por coluna, verificando-se em seguida se existem dados que so significativamente diferentes ou se a sua distribuio por linha ou coluna homognea. Outra anlise que convm efectuar diz respeito verificao da independncia entre as linhas e as

colunas. Se no existe independncia, as anlises posteriores podero ser enviesadas. Por fim, importante verificar se a relao entre as variveis significativa ou no, pelo que importante construir uma tabela de qui-quadrados a partir da tabela de contingncias inicial. Uma vez verificado que os dados da tabela de contingncias so consistentes, procede-se anlise de componentes principais por linha e por coluna. Cada linha vai por sua vez produzir um espao a n dimenses onde o n igual ao nmero de variveis que esto em estudo nessa linha. Este perfil linha vai neste espao a n dimenses produzir uma nuvem de pontos com um centro de gravidade, o qual nos permite determinar a inrcia dessa nuvem. Uma vez determinados estes elementos, possvel identificar os eixos factoriais e os respectivos componentes principais onde os dados se vo agrupar, dando-lhes significado e determinando as estruturas que lhes esto subjacentes. A partir do conceito de inrcia, possvel determinar as contribuies de cada um dos factores para a explicao do fenmeno geral, mostrando, desta forma, a sua varincia explicada. Aparece ento a contribuio relativa e a absoluta. Cada varivel vai deste modo dar a sua contribuio para a construo dos factores. Em seguida procede-se da mesma forma para as colunas com os seus perfis e determina-se os eixos e os factores por coluna. A anlise final a relao que se estabelece entre os factores dos perfis linha e coluna e que permite determinar, os factores finais as variveis das linhas e as das colunas que se posicionam nos mesmos espaos ou em espaos diferentes. Na Figura 9 est representada uma anlise final de um estudo sobre o leite (Pereira, 1994) onde os trs primeiros factores representam 36.37% da varincia. Onde o FACTOR 1 tem uma significao de desintoxicao, o FACTOR 2 no bem visvel neste grfico e significa a natureza e o FACTOR 3 significa a famlia e um alimento natural na famlia. A AFC mltipla vai utilizar estes mesmos conceitos introduzindo mais variveis para anlise e permitindo determinar espaos onde os sub conjuntos de dados se vo posicionar em relao aos restantes. Nas representaes sociais, estes conceitos 59

FIGURA 9

AFC simples de um estudo sobre a representao do leite

FACTOR 1

FACTOR 3

permitem que se determinem factores por conjuntos de palavras onde se podem identificar similaridades na dimenso cognitiva dos indivduos. Na AFC mltipla possvel efectuar agregaes onde se podem posicionar os vrios sub conjuntos de indivduos. 60

CONCLUSES

O estudo das representaes sociais plurimetodolgico, pelo que a forma como se recolhem os dados e posteriormente se efectuam anlises confirmatrias a determinados elemen-

tos que as caracterizam no suportada num unico mtodo. Assim, cada mtodo fornece os seus elementos e s atravs de um conjunto de mtodos possvel identificar toda a dimenso das representaes sociais. De um modo geral, a anlise dos dados est associada ao mtodo de recolha de dados. Assim, cada mtodo privilegia a sua forma de tratar os seus dados. No entanto, apesar de existirem vrias tcnicas de anlises de dados, aparecem as anlises de semelhanas, as anlises factoriais de correspondncias e o escalonamento multidimensional como as mais importantes para se poder identificar toda a dimenso das representaes sociais. A anlise de semelhanas est a afirmar-se como a tcnica mais poderosa para fornecer interpretaes das representaes sociais, nomeadamente no que se refere identificao da sua estrutura, ncleo central e sistema perifrico. Ela tem a sua fora nas anlises locais, permitindo efectuar incurses directamente no domnio cognitivo, identificando possveis esquemas mentais operacionalizados pelos sujeitos em estudo. No permite anlises globais. Estas anlises s so possveis a partir de inferncias efectuadas sobre o estudo das vrias sub-populaes. A anlise factorial de correspondncias, por sua vez, tem a vantagem de efectuar anlises globais que nos podem remeter directamente para o sistema social. Ela permite a identificao de tendncias gerais a partir dos factores e das dimenses identificadas. Na sua variante de anlise mltipla, permite referenciar os vrios subgrupos em relao a esta anlise global, o que permite interpretaes mais fceis. O escalonamento multidimensional por si s uma tcnica que fornece poucos dados para interpretaes locais. Ela permite, quando combinada com a anlise de semelhanas, efectuar as anlises globais enquadrando os dados em dimenses. Permite tambm fornecer elementos sobre as diferenas entre os termos ou categorias. A proximidade entre os elementos no significa por si s a sua semelhana, mas o seu afastamento significa sempre a sua dissemelhana. Na variante INDSCAL permite por sua vez agrupar os sujeitos em conjuntos homogneos de modo a produzir significados e mostrar os espaos que eles ocupam no domnio da representao social.

De uma forma resumida, pretendeu-se com este artigo fornecer elementos sobre algumas tcnicas de anlises de dados para o estudo das representaes sociais.

REFERNCIAS
Abric, J. C. (1994). Pratiques sociales et reprsentations. Paris: Presse Universitaires de France. Benzcri, J. P. (1973). Lanalyse des donnes - Vol II: Lanalyse des correspondances. Paris: Dunod. Degenne, A. (1985). Presentation de lanalyse de similitude. Informatique et Sciences Humaines, 67, 7-26. Flament, C. (1985). Lanalyse de similitude: une technique pour les recherches sur les reprsentations. Informatique et Sciences Humaines, 67, 41-58. Guimelli, C., & Moliner, P. (1986). Logiciel danalyse de similitude pour PC et compatibles. Kruskal, J. B. (1964). Multidimensional Scaling by optimizing goodness of fit to a nonmetric hypothesis. Psychometricka, 29, 1-27. Kruskal, J. B., & Wish, M. (1976). Multidimensional Scaling. Sage: University Paper. Maranda, P. (1989). A computer system for content and discourse analyses. Qubec: NCI. Pereira, F. C. (1994). A representao social do leite. Dissertao de mestrado. Lisboa: ISPA. Pereira, F. C. (1995a). As teorias implcitas da liderana. Estudo em curso. Pereira, F. C. (1995b). Estudo comparativo da publicidade da Benetton entre Italia, Frana e Portugal. Estudo em curso. Rosa, A. S. (1993). The associative network. A new tecnhic for studying projective and evaluative components of social representation. Proceedings of EAESP, General meeting, Lisboa, 16-19 Setembro. Vergs, P. (1985). Interprtation au premier degr. Lanalyse au plus prs des proprits mathmatiques. Informatique et Sciences Humaines, 67, 27-40. Vergs, P. (1987). Salaris face aux nouvelles technologies. Vers une approche socio-logique des reprsentations sociales. Paris: CNRS. Vergs, P. (1992). Programas informticos para anlise de semelhanas e evocaes. Aix en Provence: LAMES-CNRS. Vergs, P. (1994). Reprsentations sociales partags, priphriques, indiffrentes, dune minorit: mthodes dapproche. Aix en Provence: LAMES, Universit de Provence - CNRS.

61

RESUMO Este artigo pretende dar resposta a algumas questes sobre a anlise de dados no campo das representaes sociais. O estudo das representaes sociais plurimetodolgico, existem variadas tcnicas, quer para a recolha dos dados, Vergs, De Rosa, Abric quer para a anlise dos dados por elas recolhidos. As principais tcnicas para a anlise de dados so a Anlise de Semelhanas, a mais poderosa, a Anlise Factorial de Correspondncias e o Escalonamento Multidimensional. A Anlise de Semelhanas estuda as estruturas locais da representao e apoiada na teoria dos grafos que permite a identificao da estrutura, sistema central e perifrico. A anlise de correspondncias uma tcnica para estudar o sistema social onde a representao se baseia. O Escalonamento Multidimensional utilizado na sua verso simples para dar a dimenso social Anlise de Semelhana e na sua verso INDSCAL o posicionamento dos seus grupos em estudo. Palavras-chave: Anlise de semelhanas, Anlise factorial de correspondncias, Escalonamento multidimensional, rvore mxima, Filtro, Factores, Dimenses, Stress.

ABSTRACT In this article it is our intention explain same questions about date analyses in the field of social representation. Then we can say that the study of social representation is pluri-methodologic. There are some technic about date collect namely the developed by Vergs, De Rosa e Abric among others that are specifically oriented to quantitative analyses. There are some technics to date analyses. The most important are the relative to similitude analyses, correspondence analyses and multidimensional scaling. The similarity analyses is a technic to study local structures and it is supported in the graphs theory. With it is possible to identify easily the structure, the central system and the pheriferic system of the representation. The correspondence analyses is a technic to study global structures of the social representation and easily identify the social system that support the representation. The multidimensional scaling can be a tecnhic in the social representation to complete the similitude analyses about global signification and to analyses the difference among terms or categories. Key words: Similarity analysis, Maximum tree, Filtre, Correspondance analysis, Social system, Factors, Multidimensional scaling, Dimensions, Stress.

62