Pesquisa Quantitativa Ensino

Uma Introduo Pesquisa Quantitativa em Ensino Verso 2008 - Verso sujeita a revises.
Uma Introduo Pesquisa

Quantitativa em Ensino
(Esta uma verso sujeita a revises)

Marco Antnio Moreira
Instituto de Fsica - UFRGS
Paulo Ricardo da Silva Rosa
Departamento de Fsica - UFMS

Porto Alegre; Campo Grande
2007
Enviar comentrios para: prrosa@dfi.ufms.br ou moreira@if.ufrgs.br
2
Apresentao
Esta monografia uma compilao de notas de aula de um curso sobre mtodos de pesquisa em ensino. Seu objetivo
o de introduzir o pesquisador iniciante da rea do ensino nas tcnicas e conceitos bsicos da pesquisa quantitativa
em Educao.
No nossa inteno apresentar ao leitor um texto com temas novos, mas, sim, oferecer um material bibliogrfico de
referncia bsico no qual o pesquisador iniciante, e mesmo o pesquisador mais experiente, encontre aqueles assuntos
que ocorrem mais freqentemente na pesquisa quantitativa, em um texto objetivo no qual dvidas de ordem prtica
possam ser rapidamente solucionadas. Essa uma escolha baseada na nossa experincia como ministrantes de cursos
de Metodologia da Pesquisa em Programas de Ps-graduao nos quais esses temas so discutidos. Nesses cursos, as
fontes bibliogrficas so dispersas (artigos, livros e captulos de livros, anais de encontros sobre os assuntos, etc.) e
muitas vezes de difcil acesso. Essa caracterstica aponta para a necessidade da produo de um texto unificador
desses conceitos. Essa nossa inteno.
O texto escrito de forma a introduzir os temas relacionados Estatstica e Matemtica de forma suave, porm
completa, dentro dos limites por ns impostos. Na apresentao dos conceitos da Estatstica Inferencial, priorizamos
sempre que possvel, a construo dos conceitos a partir do estudo de exemplos e casos particulares. Isto , esses
temas sero apresentados de forma operacional sem demonstraes de natureza alguma. Para um maior
aprofundamento nesses temas necessrio recorrer s referncias ao final do texto.
O material aqui apresentado poder servir como texto bsico em disciplinas de graduao ou ps-graduao, que
envolvam discusses sobre Metodologia do Trabalho Cientfico em Cincias Sociais atravs da pesquisa quantitativa.
No nossa inteno discutir formas no quantitativas do fazer cientfico em Cincias Sociais, no por as
considerarmos menos importantes, mas, apenas, porque todo o trabalho cientfico deve ater-se a certo limite, alm
do que a literatura sobre o tema da pesquisa qualitativa bastante vasta. O contedo aqui apresentado pode ser
coberto, com facilidade, em um curso semestral, com carga horria em torno das 60 horas em nvel de ps-graduao.
J na graduao, acreditamos que alguns tpicos possam ser desenvolvidos em conjunto com outros tpicos,
normalmente abordados em disciplinas como Prtica do Ensino ou Instrumentao para o Ensino. Assim, por exemplo,
os tpicos Validade e Fidedignidade de testes poderiam ser estudados juntamente com o tpico Avaliao,
normalmente coberto por aquelas disciplinas.
Cabe ainda destacar que considerando o carter monogrfico deste trabalho nos apoiamos em textos clssicos sobre
pesquisa educacional com enfoque quantitativo. Reiteramos: nosso texto apenas uma compilao de notas de aula,
cujo principal objetivo o de preparar o estudante para a abordagem mais aprofundada dos textos originais, cuja lista
completa, repetimos, se encontra no final dessa Monografia.

Porto Alegre/Campo Grande, maro de 2007.

Marco Antonio Moreira (UFRGS)
Paulo Ricardo da Silva Rosa (UFMS)
3
Sumrio
CAPTULO 1. PESQUISA EM ENSINO .....................................................................................................................10
1.1 INTRODUO ..................................................................................................................................................11
1.2 O V DE GOWIN ...............................................................................................................................................11
1.3 FENMENO(S) DE INTERESSE NA PESQUISA EM ENSINO ..............................................................................................13
1.4 EVENTOS ESTUDADOS NA PESQUISA EM ENSINO .......................................................................................................14
1.5 QUESTO(ES) BSICA(S) NA PESQUISA EM ENSINO .................................................................................................15
1.6 O DOMNIO METODOLGICO DA PESQUISA EM ENSINO .............................................................................................17
1.6.1 Delineamento (Design) ........................................................................................................................17
1.6.2 Validade interna e externa de um experimento ....................................................................................18
1.6.3 Variveis independentes e dependentes ...............................................................................................19
1.6.4 Fidedignidade e validade .....................................................................................................................19
1.6.5 O papel da Estatstica ..........................................................................................................................21
1.7 O DOMNIO CONCEITUAL DA PESQUISA EM ENSINO ..................................................................................................24
1.7.1 Referenciais tericos para a pesquisa em ensino ..................................................................................25
CAPTULO 2. CONSTRUINDO UM EXPERIMENTO .................................................................................................27
2.1 COMO RESPONDER UMA QUESTO DE PESQUISA? ....................................................................................................28
2.2 ESTRATGIAS GERAIS DE PESQUISA .......................................................................................................................29
2.2.1 Estratgias empricas...........................................................................................................................29
2.2.2 Estratgias no empricas ....................................................................................................................30
2.3 FASES DA PESQUISA CIENTFICA............................................................................................................................30
2.4 HIPTESES .....................................................................................................................................................31
2.5 A VALIDADE INTERNA DE EXPERIMENTOS ................................................................................................................33
2.6 EFEITOS DE REGRESSO ESTATSTICA .....................................................................................................................34
2.7 A VALIDADE EXTERNA DE EXPERIMENTOS ...............................................................................................................35
2.7.1 Validade de Populao ........................................................................................................................35
2.7.2 Validade Ecolgica...............................................................................................................................36
2.8 VARIVEIS .....................................................................................................................................................38
2.9 CONTROLE DE VARIVEIS ...................................................................................................................................39
2.10 TRATAMENTO DE VARIVEIS EM UM DELINEAMENTO DE PESQUISA ...............................................................................40
2.10.1 Modos especficos de tratamento de variveis .....................................................................................40
2.10.2 Modos no especficos de tratamento de variveis...............................................................................40
2.11 DELINEAMENTOS DE PESQUISA ............................................................................................................................41
2.11.1 Delineamentos no-experimentais ou pr-experimentais .....................................................................42
2.11.2 Delineamentos experimentais ..............................................................................................................43
2.11.3 Delineamentos quase-experimentais....................................................................................................45
2.12 CONSIDERAES FINAIS .....................................................................................................................................48
CAPTULO 3. CONSTRUO DE INSTRUMENTOS DE MEDIDA PARA PESQUISA EM ENSINO .................................49
3.1 INTRODUO ..................................................................................................................................................50
3.2 QUESTIONRIOS ..............................................................................................................................................50
3.3 OPINIRIO OU ESCALA DE ATITUDES ......................................................................................................................52
3.4 TESTES OBJETIVOS ............................................................................................................................................53
3.4.1 Construindo o teste..............................................................................................................................53
3.4.2 Analisando o teste ...............................................................................................................................55
3.5 A ENTREVISTA CLNICA ......................................................................................................................................58
3.5.1 Construindo a entrevista ......................................................................................................................58
4
3.5.2 Executando a entrevista ......................................................................................................................59
3.5.3 Analisando a entrevista .......................................................................................................................59
CAPTULO 4. REVISO DE ESTATSTICA ................................................................................................................60
4.1 INTRODUO ..................................................................................................................................................61
4.2 AMOSTRAGEM ALEATRIA .................................................................................................................................61
4.3 MEDIDAS DE TENDNCIA CENTRAL ........................................................................................................................62
4.4 MEDIDAS DE VARIABILIDADE ...............................................................................................................................64
4.5 CURVA NORMAL .............................................................................................................................................67
4.6 PROBABILIDADES ASSOCIADAS DISTRIBUIO NORMAL ...........................................................................................68
4.7 INTERVALOS DE CONFIANA ................................................................................................................................69
4.8 DISTRIBUIO DE MDIAS AMOSTRAIS ...................................................................................................................69
4.9 INFERNCIAS A RESPEITO DO VALOR DA MDIA DA POPULAO ....................................................................................69
4.10 COMPARAES ENTRE MLTIPLAS AMOSTRAS .........................................................................................................70
4.11 TIPOS DE HIPTESES .........................................................................................................................................71
4.12 DISTRIBUIO DE MDIAS E PEQUENAS AMOSTRAS ...................................................................................................72
CAPTULO 5. FIDEDIGNIDADE E VALIDADE DE INSTRUMENTOS DE MEDIDA ........................................................77
5.1 INTRODUO ..................................................................................................................................................78
5.2 O QUE A CORRELAO ENTRE DUAS VARIVEIS? ....................................................................................................78
5.3 CLCULO DO COEFICIENTE DE CORRELAO ............................................................................................................79
5.4 VALIDADE E FIDEDIGNIDADE DE TESTES ..................................................................................................................80
5.5 FIDEDIGNIDADE ...............................................................................................................................................81
5.6 UM ALGORITMO PARA O CLCULO DO COEFICIENTE DE FIDEDIGNIDADE DE TESTES ANLISE DE CONSISTNCIA INTERNA ...........84
5.7 VALIDADE ......................................................................................................................................................87
CAPTULO 6. ANLISE DE VARINCIA E ANLISE FATORIAL DE VARINCIA..........................................................89
6.1 O TESTE F ANLISE DA VARINCIA (ANOVA) ......................................................................................................90
6.2 O MTODO DA ANLISE DE VARINCIA (ANOVA) ...................................................................................................91
6.2.1 Varincia entre os grupos ....................................................................................................................92
6.2.2 Varincia dentro dos grupos ................................................................................................................92
6.2.3 Um exemplo de clculo da razo F .......................................................................................................93
6.3 ANLISE FATORIAL DE VARINCIA ........................................................................................................................95
6.3.1 Hipteses testadas pela anlise de varincia bilateral ..........................................................................96
6.3.2 Interao .............................................................................................................................................96
6.3.3 O mtodo da Anlise Fatorial de Varincia ...........................................................................................98
CAPTULO 7. TESTES ESTATSTICOS NO-PARAMTRICOS ................................................................................. 107
7.1 INTRODUO ................................................................................................................................................ 108
7.2 TESTES ESTATSTICOS PARAMTRICOS E NO-PARAMTRICOS ................................................................................... 108
7.2.1 Vantagens de Testes Estatsticos No-Paramtricos ........................................................................... 110
7.2.2 Desvantagens de Testes Estatsticos No-Paramtricos ...................................................................... 110
7.3 TESTES NO-PARAMTRICOS - O CASO DE UMA AMOSTRA ....................................................................................... 110
7.4 TESTES NO-PARAMTRICOS - O CASO DE DUAS AMOSTRAS RELACIONADAS ................................................................. 111
7.5 TESTES NO-PARAMTRICOS O CASO DE DUAS AMOSTRAS NO RELACIONADAS .......................................................... 112
7.5.1 Teste da probabilidade exata de Fisher .............................................................................................. 113
7.5.2 O teste ;2 para duas amostras independentes ................................................................................... 115
7.5.3 O teste da Mediana ........................................................................................................................... 115
7.5.4 O teste U de Mann-Whitney............................................................................................................... 115
7.5.5 O teste de duas amostras de Kolmogorov-Smirnov ............................................................................. 115
5
7.5.6 O teste de Wald-Wolfowitz ................................................................................................................ 115
7.5.7 O teste de Moses de reaes extremas............................................................................................... 115
7.5.8 O teste da randomizao para duas amostras independentes ............................................................ 115
7.6 DISCUSSO .................................................................................................................................................. 116
CAPTULO 8. ANLISE DE DADOS ....................................................................................................................... 117
8.1 INTRODUO ................................................................................................................................................ 123
8.2 REGISTROS ................................................................................................................................................... 123
8.3 DADOS E TRATAMENTO ESTATSTICO ................................................................................................................... 124
8.4 SIGNIFICNCIA ESTATSTICA E SIGNIFICNCIA PRTICA .............................................................................................. 124
8.5 A ESTATSTICA APROPRIADA ............................................................................................................................. 125
8.6 O PAPEL DO COMPUTADOR .............................................................................................................................. 125
8.7 CONCLUSO ................................................................................................................................................. 125
REFERNCIAS ........................................................................................................................................................... 126

6
ndice de Figuras
Figura 1-1 - O V epistemolgico de Gowin. ..............................................................................................................13
Figura 1-2 - Um mapa conceitual para os elementos envolvidos no(s) fenmenos de interesse da pesquisa em ensino.
(Moreira, 1990, p. 9) ..................................................................................................................................................14
Figura 1-3 - Um mapa conceitual relativo ao domnio metodolgico do "V" de Gowin aplicado pesquisa em ensino. 24
Figura 2-1- O ciclo da pesquisa emprica (Runkel e McGrath 1972). .............................................................................32
Figura 2-2 Representao grfica de uma situao hipottica na qual um determinado grupo selecionado e recebe
um tratamento ineficaz, permanecendo com a mesma mdia (Hopkins). ....................................................................34
Figura 2-3 Exemplo de grfico de interao estatstica. ............................................................................................38
Figura 2-4 Esquema para o delineamento Srie Temporal. .......................................................................................46
Figura 2-5 Esquema para o delineamento Amostras temporais equivalentes. ...........................................................46
Figura 4-1 - A curva normal ........................................................................................................................................68
Figura 4-2- Curva normal indicando o intervalo de confiana de 95 %. ........................................................................70
Figura 4-3 - Curva normal mostrando o intervalo de 95 % [-5,88; 5,88] relativo a um erro padro da diferena de 3 e a
um valor mdio de 0. .................................................................................................................................................71
Figura 4-4 - A distribuio t de Student para distintos graus de liberdade. ...................................................................74
Figura 5-1- Representao grfica dos vrios tipos de correlao possveis entre variveis. .........................................78
Figura 6-1 - Um exemplo onde no h interao. ........................................................................................................97
Figura 6-2 - Um exemplo onde existe interao. .........................................................................................................98
Figura 8-1 - O diagrama V aplicado pesquisa quantitativa em educao. ................................................................ 123

7
ndice de Tabelas
Tabela 2-1 Tabela de escores mdios em trs turmas do primeiro grau.......................................................................37
Tabela 3-1 - Um exemplo de matriz de contedos para um teste composto por 10 questes. .....................................55
Tabela 3-2 Comparao entre as duas formas extremas da entrevista clnica. .............................................................58
Tabela 4-1 Distribuio de freqncias para uma prova de uma disciplina hipottica. .................................................63
Tabela 4-2 Exemplo de escores para o clculo da mdia aritmtica ponderada. .......................................................64
Tabela 4-3 - Exemplo de distribuio de escores para o clculo da mdia geomtrica. ................................................64
Tabela 4-4 - Notas na Turma 1 ....................................................................................................................................65
Tabela 4-5 - Notas na Turma 2 ....................................................................................................................................65
Tabela 4-6 - Notas de uma turma hipottica da disciplina Fsica I. ...............................................................................66
Tabela 4-7 - Valores da diferena dos escores em relao ao valor mdio para o exemplo. .........................................67
Tabela 4-8 - Tabela t para hipteses unilaterais e bilaterais.........................................................................................75
Tabela 4-9 - Valores de t e nvel de significncia estatstica (o * indica situaes onde a diferena no foi significativa
no nosso exemplo, para podermos rejeitar a hiptese nula). ......................................................................................76
Tabela 5-1 Dados para o exemplo de clculo de correlao. ........................................................................................80
Tabela 5-2 Clculo do coeficiente de correlao para os dados do exemplo. ...............................................................80
Tabela 5-3 Dados para o exemplo de anlise de consistncia interna. .........................................................................85
Tabela 5-4 Clculos para o primeiro sujeito da Tabela 5-3. ..........................................................................................86
Tabela 5-5 Coeficiente de correlao item escore total para nosso exemplo. .........................................................86
Tabela 6-1 - Dados para o Exemplo 1. .........................................................................................................................91
Tabela 6-2- Dois conjuntos de dados experimentais para o Exemplo 1. .......................................................................93
Tabela 6-3 Quadro resumo da..................................................................................................................................93
Tabela 6-4 - Clculo da razo F para os dados da Tabela 6-5. .......................................................................................94
Tabela 6-5 - Clculo de anlise de varincia: dados fictcios. ........................................................................................95
Tabela 6-6 - Clculo da razo F para os dados da Tabela 6-5. .......................................................................................95
Tabela 6-7 - Dados de um exemplo onde inexiste interao. .......................................................................................96
Tabela 6-8 - Dados de um exemplo onde existe interao. ..........................................................................................97
Tabela 6-9 - Delineamento fatorial para as classes mtodo de ensino e motivao. ....................................................98
Tabela 6-10 - Dados de um experimento fatorial hipottico com clculos de anlise de varincias. .............................99
Tabela 6-11- Dados para Anlise Fatorial da Varincia para a varivel Mtodos. ....................................................... 101
Tabela 6-12- Dados para Anlise Fatorial da Varincia para a varivel Motivao. ..................................................... 101
Tabela 6-13 - Anlise final de varincia para o caso 1. ............................................................................................... 102
Tabela 6-14- Dados de um experimento fatorial hipottico com clculos de anlise de varincias com valores de B
2

rearranjados. ........................................................................................................................................................... 103
Tabela 6-15 - Mdias dos dados das Tabela 6-10 e Tabela 6-14. ................................................................................ 104
Tabela 6-16 Mdias. ............................................................................................................................................... 105
Tabela 6-17 - Anlise final de varincia para o caso 2. ............................................................................................... 106
Tabela 7-1 - Tabela de contingncia para o teste de Fischer. ..................................................................................... 113
Tabela 7-2 - Dados do Exemplo 1. ............................................................................................................................. 113
Tabela 7-3 - Dados do Exemplo 2. ............................................................................................................................. 114

8
ndice de equaes
eq. 5-1 .......................................................................................................................................................................79
eq. 6-1 .......................................................................................................................................................................90
eq. 6-2 .......................................................................................................................................................................90
eq. 6-3 .......................................................................................................................................................................92
eq. 6-4 .......................................................................................................................................................................92
eq. 6-5 .......................................................................................................................................................................99
eq. 6-6 .......................................................................................................................................................................99

9
Lista de smbolos
Coeficiente de correlao entre as variveis x e y
Coeficiente de fidedignidade de Cronbach
Desvio da mdia o
Desvio padro da amostra
Desvio padro da mdia
m

Desvio padro da populao
Erro padro da diferena
pd

Estimativa de fidedignidade de Spearman Brown
Estimativa do aumento da fidedignidade de Spearman - Brown
Graus de liberdade g
l

ndice de dificuldade
ndice de discriminao da amostra
Intervalo I
Mdia aritmtica ponderada
sp x
Mdia aritmtica simples da populao
Mdia da amostra
Mdia geomtrica da amostra
sg x
Nmero de indivduos em uma amostra n
Nmero de indivduos na populao N
Soma dos quadrados dos escores
Teste F F
Teste t
Varincia da amostra
Varincia da populao

10
Captulo 1. Pesquisa em Ensino-

______________________
-
Adaptado da Parte I do Livro Pesquisa em ensino: o V epistemolgico de Gowin, de M. A. Moreira, publicado pela
Editora Pedaggica e Universitria Ltda., So Paulo, 1990.
11
1.1 Introduo
Esta monografia pretende veicular algumas idias sobre o que e o que se pode fazer em termos de pesquisa em
ensino. Pretende tambm enfatizar a pesquisa em ensino como um instrumento capaz de contribuir para a melhoria
da qualidade da instruo. Por outro lado, embora algumas caractersticas bsicas da investigao nessa rea venham
a ser abordadas ao longo desse trabalho, em nenhum momento procurar-se- oferecer uma receita de como fazer
uma pesquisa em ensino.
Alm disso, o enfoque dado pesquisa em ensino nesta monografia o da pesquisa educacional emprica
1

convencional, deixando de lado, no por irrelevncia, mas por no ter a pretenso de ser um texto que cubra todas as
formas de pesquisa em Cincias Sociais, outras possveis formas de pesquisa. Ou seja, pretende-se abordar a pesquisa
educacional do ponto de vista lgico formal. No , portanto, objetivo desse trabalho abordar a pesquisa educacional
de outros pontos de vista tais como: o antropolgico, o interpretativo, o participativo, o naturalista.
Como foi dito na Apresentao, tambm no inteno apresentar um texto que seja novo em termos de contedo.
A idia aqui a de apresentar vrios tpicos, que so encontrados em vrias referncias na literatura, em um nico
texto, que possa ser uma referncia ao pesquisador iniciante da rea do ensino ou quele pesquisador experiente que
necessite de uma obra de consulta rpida.
Para facilitar o desenvolvimento do tema e, ao mesmo tempo, fornecer um mecanismo til na anlise crtica de um
experimento usar-se- um instrumento heurstico conhecido como o V de Gowin.
2

1.2 O V de Gowin
Segundo Gowin (1970, 1981), o processo de pesquisa pode ser visto como uma estrutura de significados cujos
elementos bsicos so conceitos, eventos e fatos. O que a pesquisa faz atravs de suas aes estabelecer conexes
especficas entre um dado evento, os registros desse evento, os julgamentos factuais feitos com base nesses registros
(ou em suas transformaes), os conceitos que focalizam regularidades no evento e os conceitos e sistemas
conceituais utilizados para interpretar os julgamentos factuais a fim de se chegar explanao do evento, entendida
como a identificao das relaes causais a ele subjacentes. Criar essa estrutura de significados em certa investigao
ter feito uma pesquisa coerente.
Podemos definir da seguinte maneira os componentes dessa estrutura:
- Conceitos - So signos/smbolos que apontam regularidades em eventos, os quais so utilizados pelos
sujeitos para pensar e dar respostas rotineiras e estveis ao fluxo de eventos. Os conceitos so as unidades
bsicas dos Princpios e da Teoria.
- Princpios - So relaes significativas entre dois ou mais conceitos. Os Princpios so proposies tomadas
a priori como verdadeiras. A partir dos princpios, conseqncias so derivadas e so essas conseqncias
que so verificveis experimentalmente.
- Sistemas Conceituais - So conjuntos de conceitos logicamente ligados, usados para descrever
regularidades relacionadas (como, por exemplo, na Mecnica em Fsica).
- Teorias - So similares a princpios e sistemas conceituais no sentido de que expressam relaes entre
conceitos, porm so mais abrangentes, mais inclusivas, envolvendo muitos conceitos e princpios.
______________________
1
Nas cincias sociais o termo emprico significa guiado pela evidncia obtida em pesquisa cientfica sistemtica e
controlada.
2
(Gowin, 1981; Novak e Gowin, 1984; Moreira, 1985, 2006).
12
- Filosofias - So, por sua vez, sistemas de valores subjacentes s Teorias. So vises de mundo, crenas
profundas.
- Fatos - Podem ter sentidos distintos, porm relacionados. Em um primeiro sentido significam registros de
eventos que ocorrem naturalmente ou que so provocados pelo pesquisador (um evento no pode ser
estudado se nenhum registro for feito). Em um segundo sentido, fatos so asseres, tipicamente em forma
verbal ou matemtica, baseadas em registros dos eventos e nas transformaes feitas nesses registros.
Fatos, portanto, nos sentidos usados por Gowin, no so, como usualmente se pensa, coisas sobre as quais
no se tm dvidas.
A Figura 1-1 esquematiza o processo de pesquisa segundo a perspectiva de Gowin, mostrando a conexo entre
eventos, fatos e conceitos, na forma de uma figura semelhante a um V. O lado esquerdo dessa figura se refere ao
domnio conceitual do processo de investigao: ali esto os conceitos-chave e os sistemas conceituais usados na
pesquisa, os quais geram princpios que, por sua vez, do origem a teorias que tm, subjacente, determinados
sistemas de valores, ou filosofias.
Na base do V esto os eventos os quais acontecem naturalmente ou que o pesquisador faz acontecer a fim de fazer
registros atravs dos quais os fenmenos de interesse possam ser estudados e/ou objetos que podem ser
selecionados para anlise.
O lado direito do V tem a ver com a parte metodolgica da pesquisa. Sob o rtulo de registros e transformaes esto
includos dados, medidas, tabelas, manipulaes estatsticas com os dados, grficos, usados em uma investigao
cientfica. As asseres se referem aos resultados, podendo ser de conhecimento (i.e., referentes ao conhecimento
produzido) ou de valor (i.e., referentes ao valor desse conhecimento).
No centro do V est(o) a(s) questo(es) bsica(s), pois, na verdade, pertence(m) tanto ao domnio conceitual como
ao metodolgico. A questo bsica de uma pesquisa aquela que no s pergunta alguma coisa, mas tambm diz
algo. a questo que identifica o fenmeno de interesse de tal forma que provvel que alguma coisa seja
descoberta, medida ou determinada ao respond-la; a pergunta que informa sobre o ponto central da pesquisa,
dizendo, em essncia, o que foi investigado.
Em termos simples, pode-se dizer que o lado esquerdo do V corresponde ao pensar, enquanto que o direito relativo
ao fazer
3
. Todavia, tudo que feito guiado por conceitos, teorias e filosofias, ou seja, pelo pensar. Por outro lado,
novas asseres de conhecimento, i.e., respostas s questes bsicas, podem levar a novos conceitos, reformulao
de conceitos j existentes, ou, ocasionalmente, a novas teorias e filosofias. Isso significa que existe uma interao
constante entre os dois lados do V. Essa interao, que na Figura 1-1 est simbolizada pelas linhas curvas entre os dois
lados do V, necessria para que se chegue s respostas das questes bsicas formuladas sobre os eventos que
acontecem ou que se faz acontecer.
Gowin props o seu V como um instrumento heurstico para a anlise da estrutura do processo de produo do
conhecimento (entendida como as partes desse processo e a maneira como elas se relacionam) ou para desvelar
conhecimentos documentados sob a forma de artigos de pesquisa, livros, ensaios, com o objetivo de tornar esses
conhecimentos adequados para propsitos instrucionais. Neste trabalho, o V epistemolgico ser usado como um
mecanismo auxiliar na discusso das caractersticas da pesquisa em ensino.

______________________
3
Essa afirmao no deve ser tomada ipsis literis. bvio que todo procedimento experimental, seja nas Cincias
Fsicas seja nas Cincias Sociais, dirigido pelo domnio conceitual. Todo fazer guiado por algum referente
conceitual, explcito ou no.
13
1.3 Fenmeno(s) de interesse na pesquisa em ensino
Como sugere o prprio nome, a pesquisa em ensino tem como foco o ensino. Todavia, embora no haja,
necessariamente, uma relao de causa e efeito entre ensino e aprendizagem, no faz muito sentido falar em ensino
sem relacion-lo atividade de aprender. Ou seja, o ensino tem sempre como objetivo a aprendizagem e, como tal,
perde significado se for tratado isoladamente. Entretanto, aprendizagem uma atividade idiossincrtica que pode no
ser conseqncia necessria do ensino recebido. importante ter em mente de que a aprendizagem um processo
interno ao aprendiz, enquanto que o ensino tarefa do professor. De certa maneira, podemos dizer que ensinar
preparar as condies para que a aprendizagem possa ocorrer. Deve-se ter em mente de que nem sempre essa
relao direta e linear.
Por outro lado, para se saber se houve aprendizagem necessrio avali-la. A avaliao da aprendizagem pode, em
princpio, prover evidncias no s sobre o que foi aprendido, mas tambm sobre at que ponto o ensino foi
responsvel por isso. Contudo, possvel tambm avaliar o ensino de outras maneiras como, por exemplo, a opinio
do aluno.

Figura 1-1 - O V epistemolgico de Gowin.
Ensino, aprendizagem e avaliao no sero aqui definidas face existncia de diversas maneiras de faz-lo, refletindo
diferentes posicionamentos tericos. O que se pretende destacar a inter-relao entre estes conceitos de tal modo
que no se pode considerar apenas o ensino, propriamente dito, como o fenmeno de interesse da pesquisa em
ensino.
Nessa questo, no entanto, h tambm que se levar em considerao outro elemento: o que ensinar? Isto , aquilo
que se espera que seja aprendido e que ser objeto da avaliao da aprendizagem. Tomando esse elemento como
sendo aquele que define o currculo, poder-se-ia dizer que o(s) fenmeno(s) de interesse da pesquisa em ensino
envolve(m) no s o ensino, em si, mas tambm a aprendizagem, a avaliao e o currculo. Este, por sua vez, pode
tambm ser avaliado; portanto, avaliao, nesse contexto, pode se referir aprendizagem, ao ensino e ao currculo.
14
Finalmente, torna-se ainda necessrio levar em conta que o ensino se d em um ambiente a escola sujeito a
determinadas regras (e.g., horrio, calendrio, salas de aula, padres hierrquicos de comportamento, cdigo
disciplinar, etc.). Para simplificar, podemos agrupar tais regras sob o rtulo de condies de contorno. (Obviamente,
pode-se, nesse caso, falar em avaliao dessas condies.)
Assim, pode-se dizer que, de uma maneira bem abrangente, que o fenmeno de interesse da pesquisa em ensino tem
a ver com ensino, aprendizagem, avaliao, currculo e condies de contorno. Isso o que se tenta esquematizar na
Figura 1-2 .

Figura 1-2 - Um mapa conceitual para os elementos envolvidos no(s) fenmenos de interesse da pesquisa em ensino. (Moreira,
1990, p. 9)
1.4 Eventos estudados na pesquisa em ensino
Obviamente, na perspectiva delineada na seo anterior os eventos focalizados pela pesquisa em ensino so
episdios, acontecimentos, relativos a ensino, aprendizagem, currculo, avaliao e condies de contorno ou a
determinada combinao deles. Uma aula expositiva, um procedimento de avaliao, um novo currculo, a influncia
de uma certa varivel sobre a aprendizagem, caractersticas e comportamentos do professor, o desempenho do aluno
em um experimento de laboratrio, so exemplos de eventos que interessam pesquisa em ensino.
Esses eventos ocorrem naturalmente ou so produzidos pelo pesquisador que faz, ento, registros do evento. Uma
gravao em vdeo de uma aula, ou parte dela, uma maneira de registrar esse evento. Anotaes em uma ficha de
observao ou de controle, transcries de entrevistas, mapas conceituais, respostas a testes, so tambm exemplos
de registros de eventos. Registros so indispensveis para o estudo de eventos e, de certa forma, desencadeiam um
processo que levar a asseres de conhecimento sobre o que foi investigado.
Antes dos registros, no entanto, para que um evento possa ser efetivamente estudado preciso que o pesquisador
formule questes bsicas adequadas.

15
1.5 Questo(es) bsica(s) na pesquisa em ensino
Como j foi dito, a questo bsica, questo-chave ou questo-foco de uma investigao aquela que identifica o
fenmeno de interesse de tal forma que provvel que algo seja descoberto, medido ou determinado ao respond-la.
No caso do ensino, as questes bsicas se referem ao(s) fenmeno(s) de interesse na pesquisa nessa rea, ou seja, ao
ensino, propriamente dito, aprendizagem, avaliao, ao currculo e s condies de contorno.
Uma questo bsica vlida , por exemplo
4
:
Que diferenas, em termos de habilidades do aluno em aplicar, relacionar, diferenciar e
hierarquicamente estruturar conceitos do eletromagnetismo, decorreriam de uma
organizao ausubeliana ao contedo de um curso introdutrio universitrio de
eletromagnetismo em comparao com a abordagem tradicional a esse mesmo contedo?
Observe-se que esta questo, sob certo ponto de vista, pode no ser tpica por ser muito abrangente, pois se refere
direta ou indiretamente ao ensino, aprendizagem, avaliao, ao currculo e s condies de contorno. Quando fala
em habilidade do aluno em aplicar, relacionar, diferenciar e hierarquicamente estruturar conceitos, est se referindo
aprendizagem de conceitos; ao mencionar organizao ausubeliana e abordagem tradicional ao contedo do
eletromagnetismo, est se reportando ao ensino de certo currculo
5
sob duas formas diferentes; o fato de a
formulao da pergunta envolver um curso introdutrio universitrio sugere ensino formal, com seus respectivos
vnculos e, portanto, condies de contorno; finalmente, a pergunta que diferenas... decorreriam... sugere avaliao
da aprendizagem.
Observe-se tambm que a questo bsica citada como exemplo no s pergunta alguma coisa sobre o fenmeno de
interesse, mas, tambm, sugere que alguma informao sobre aprendizagem de conceitos ser obtida ao respond-la
experimentalmente. justamente isso que caracteriza a questo bsica de um trabalho de pesquisa.
A maioria dos livros de pesquisa em educao dedica bastante espao formulao do problema e das hipteses de
pesquisa. Entretanto, tanto o problema como as hipteses, no fundo, nada mais so do que questes, embora as
ltimas usualmente apaream com a roupagem de uma sentena afirmativa.
Como afirma Kerlinger (1980, p. 36):
[...] um problema de pesquisa cientfica em primeiro lugar uma questo, uma sentena
em forma interrogativa. Segundo, uma questo que geralmente pergunta alguma coisa a
respeito das relaes entre fenmenos ou variveis. A resposta questo procurada na
pesquisa.
Em relao a hipteses, Kerlinger diz (op. cit., p. 38):
Uma hiptese um enunciado conjetural das relaes entre duas ou mais variveis.
Hipteses so sentenas declarativas e relacionam de alguma forma variveis a variveis.
So enunciados de relaes, e, como os problemas, devem implicar a testagem das
relaes enunciadas. Problemas e hipteses so semelhantes. Ambos enunciam relaes,
s que os problemas so sentenas interrogativas e as hipteses so sentenas
afirmativas. s vezes so quase idnticos em substncia. Uma diferena importante,
______________________
4
Moreira, 1978.
5
Currculo, como dito anteriormente, est sendo aqui considerado como aquilo que se espera que seja aprendido.
de certa forma, a definio de Mauritz Johnson (1967): currculo como Intended Learning Outcomes, ou seja,
resultados pretendidos de aprendizagem.
16
entretanto: as hipteses geralmente so mais especficas que os problemas; geralmente
esto mais prximas das operaes de teste e pesquisa [...] Eis algumas hipteses: 'quanto
maior a coeso de um grupo maior sua influncia sobre seus membros '; 'Aprender coisa
nova interfere com a lembrana de coisas j aprendidas'; 'Privao na infncia resulta em
deficincia mental mais tarde'. Observe que todas estas trs hipteses so relaes e que
sua testagem emprica est claramente implicada porque as variveis podem ser
manipuladas (interferncia, coeso de grupo e at privao na infncia) ou medidas
(influncia, lembrana, deficincia mental) ou ambas.
Aqui cabe um comentrio sobre a natureza das hipteses e sua relao com as teorias. Como j foi dito ao falarmos de
princpios, estes so proposies assumidas como verdadeiras a priori. Isto quer dizer que os princpios so a base
sobre a qual erigimos o construto abstrato que chamamos teoria. Normalmente, esses princpios so proposies
bastante abstratas, as quais so impossveis de verificao direta. Isso uma conseqncia do fato de que os
princpios devem englobar uma grande gama de fatos conhecidos a respeito de determinada classe de fenmenos. A
verificao (ou no negao como veremos mais adiante) de uma teoria normalmente feita comparando-se
proposies derivadas de forma lgica dos princpios com carter preditivo. Se as previses originadas desses
princpios so verificadas ento assumimos (como se ver mais adiante durante as discusses do que caracteriza uma
teoria) que a teoria sob verificao (os princpios) no foi falseada. Uma caracterstica importante de uma proposio
para que ela possa ser chamada de hiptese a verificabilidade, ou seja, a capacidade dessa proposio ser verificada
atravs de um experimento ou uma observao de evento natural. Da a necessidade do carter preditivo de uma
proposio para que ela possa ser considerada uma hiptese. Outro ponto importante que uma hiptese deve ligar
algum elemento da teoria a outro elemento da teoria (propriedade de fechamento).
De um modo geral, uma hiptese tem a seguinte forma:
Se isso acontecer, ento (com alguma probabilidade) observar-se- que
6

Matematicamente:
p q.
Nesta expresso, p o chamado antecedente e q o conseqente.
muito comum em trabalhos de pesquisa, especialmente em teses, encontrar-se, com bastante destaque, no incio
do trabalho uma srie de hipteses (as quais so testadas experimentalmente uma a uma) e no fim a correspondente
srie de concluses confirmando ou refutando as hipteses. Esse tipo de uso das hipteses d a impresso de que se
est tentando provar atravs da pesquisa que determinadas idias so verdadeiras. Alis, determinadas hipteses
como, por exemplo, se o mtodo A melhor que o mtodo B ento os alunos que tiverem ensino com o mtodo A
tero melhor desempenho na prova do que os que tiverem ensino com o mtodo B, podem fazer com que o
pesquisador procure provar que o mtodo A melhor e, inclusive, podem lev-lo a querer participar do experimento.
Podem tambm introduzir vis na interpretao dos dados ou deixar o pesquisador frustrado frente a um resultado de
diferena no significativa entre os mtodos A e B
7
. Mais adiante voltaremos a esse assunto ao discutirmos as
questes de validade interna e externa de experimentos em Educao.
Uma maneira alternativa de formular uma hiptese a seguinte: Suponhamos que eu faa isso, o que acontecer?
Acontecer talvez que...?
8
.
______________________
6
Runkel e McGrath, 1972, p. 24.
7
O que entendemos por diferena significativa ser exposto mais adiante.
8
Runkel e McGrath, 1972, p. 24.
17
Diferentemente da anterior, nessa formulao no h a idia de que se quer provar alguma coisa. uma
formulao tentativa e exploratria, cuja idia bsica a de abertura para diferentes possibilidades.
Esse modo de formular hipteses, que se poderia chamar convidativo, traz de volta a idia de que a hiptese, assim
como o problema, uma questo. Isso vem ao encontro da abordagem de Gowin que, ao invs de destacar o
problema e as hipteses simplesmente, enfatiza a(s) questo(es) bsica(s). Alis, como ressaltam Runkel e McGrath
(1972, p. 2):
No fundo, pesquisar consiste em sistematicamente formular questes. As respostas
obtidas dependem fortemente de quais questes foram formuladas e de como elas foram
formuladas. nossa premissa que o processo de pesquisa envolve uma srie de pontos de
escolha, cada um deles apresentando caminhos alternativos nos quais uma questo geral
pode ganhar forma mais especfica. O significado dos resultados da pesquisa sempre
contingente srie particular de escolhas feitas durante o processo de pesquisa.
Como j foi destacado, no V de Gowin, a questo bsica envolve tanto o domnio conceitual como o domnio
metodolgico da pesquisa. Em razo disso, passa-se a examinar cada um desses domnios, iniciando pelo
metodolgico.
1.6 O Domnio Metodolgico da pesquisa em ensino
Esse domnio corresponde ao fazer da pesquisa. Isto , uma vez formulada(s) a(s) questo(es) bsica(s) sobre o
fenmeno de interesse, o que fazer para chegar (s) resposta(s) a essa(s) questo(es)?
Em termos simples, os mtodos de pesquisa so seqncias de passos seguidos para responder a questo bsica, i.e.,
para ir da questo-foco s asseres de conhecimento.
Na prtica, um primeiro aspecto a considerar na parte metodolgica de uma pesquisa o delineamento da pesquisa.
1.6.1 Delineamento (Design)
Delineamento de pesquisa o plano e a estrutura da investigao. Pode-se distinguir entre delineamentos no-
experimentais, experimentais e quase-experimentais
9
.
Aqui cabe definir o que entendemos por um experimento:
Um experimento uma pesquisa onde se manipulam uma ou mais variveis
independentes e os sujeitos so designados aleatoriamente a grupos experimentais [...]
um estudo no qual uma ou mais variveis independentes so manipuladas e no qual a
influncia de todas ou quase todas as variveis relevantes possveis no pertinentes ao
problema da investigao reduzida a um mnimo. (Kerlinger, 1980, p. 94; 125)
Talvez a palavra-chave que caracterize um experimento, e, por conseguinte, um delineamento experimental, seja
controle. O experimento uma situao na qual o investigador provoca eventos controlveis e passveis de repetio.
Esse controle significa que o pesquisador pode isolar todos os efeitos concorrentes durante o evento objeto de estudo
e delimitar a sua influncia nos resultados.
Alm disso, a aleatoriedade da designao dos sujeitos a um dos grupos, embora no garanta equivalncia entre os
grupos, reduz ao mnimo a probabilidade de que sejam diferentes. Segundo Kerlinger (1980, p. 102):
______________________
9
Campbell e Stanley, 1963, 1991.
18
Aleatoriedade a designao de objetos (sujeitos, tratamentos, grupos) de um universo
a subconjuntos do universo de tal maneira que, para qualquer designao dada a um
subconjunto, todo membro do universo tem igual probabilidade de ser escolhido para a
designao. No h total garantia de que a aleatoriedade 'igualar' os grupos, mas a
probabilidade de igualar relativamente alta. H outra forma de expressar essa idia: [...]
j que em procedimentos aleatrios todo membro de uma populao tem igual
probabilidade de ser escolhido, membros com certas caractersticas distintas homem ou
mulher, alto ou baixo grau de inteligncia, dogmtico ou no dogmtico, e assim por
diante se selecionados, provavelmente sero contrabalanados a longo prazo pela
seleo de outros membros da populao com a quantidade ou qualidade 'opostas' da
caracterstica.
A aleatoriedade da designao de sujeitos a mais adequada segurana de que no existam diferenas iniciais entre
os grupos participantes do experimento.
Os delineamentos experimentais, quase-experimentais e no-experimentais sero objeto de uma anlise mais
detalhada no captulo 3.
1.6.2 Validade interna e externa de um experimento
Existem dois aspectos bsicos a considerar quando se tira concluses de estudos experimentais: at que ponto se
pode concluir com segurana que os efeitos observados podem ser atribudos ao tratamento X e, satisfeita essa
condio, at que ponto os resultados obtidos podem ser generalizados alm dos dados especficos do estudo feito. O
primeiro desses aspectos tem a ver com a validade interna do experimento e o segundo com a validade externa.
Segundo Best (1970, p. 143), o pesquisador tem dois grandes objetivos ao realizar um experimento:
1. Deve tentar determinar se os fatores que foram modificados tm realmente um efeito
sistemtico no contexto experimental e se as ocorrncias observadas no foram
influenciadas por fatores estranhos ou no controlados. A medida em que este objetivo
atingido uma medida de validade interna do experimento. Mas o pesquisador ter
atingido pouca coisa de valor prtico se essas relaes forem vlidas apenas na restrita
situao experimental e apenas para aqueles indivduos dela participantes.
2. Ele deve tambm determinar se as relaes sistemticas que foram identificadas,
isoladas e medidas podem ser generalizadas - usadas para predizer relaes fora do
contexto do experimento. A medida que este objetivo atingido uma medida da
validade externa do experimento.
Assim, no caso de um experimento realizado pelo professor em sala de aula, a primeira preocupao ao analisar os
resultados obtidos com a possibilidade de que possam ser explicados por outros fatores que no o tratamento X.
Uma vez eliminadas as explicaes alternativas, os resultados tero validade interna e a preocupao passar a ser
com a possibilidade de que resultados semelhantes sejam obtidos com outros alunos, em outras escolas, outros
professores, outros nveis de escolaridade. Na medida em que isso for verdadeiro, os resultados tero validade
externa.
Obviamente, as condies de validade, interna e externa, de um experimento dependem do delineamento utilizado, o
que vem a reforar o que j foi dito acerca da importncia do delineamento de pesquisa.
Usando a linguagem de Gowin, o delineamento tem a ver com os eventos, com os registros dos eventos e com as
transformaes desses registros. O quando e quem expor ao tratamento X por exemplo, esto na essncia dos
eventos que o pesquisador far acontecer para estudar o fenmeno de interesse e responder questo foco. As
observaes, por sua vez, tm a ver com os registros desse evento para que ele possa ser investigado. Tanto o evento
19
como o registro dos eventos envolvem condies ou caractersticas que o experimentador manipula, controla ou
observa, s quais chamamos variveis.
1.6.3 Variveis independentes e dependentes
J vimos que, na prpria definio de experimento, variveis tm um papel fundamental, pois o problema bsico de
um estudo experimental minimizar a influncia das variveis no pertinentes questo pesquisada e maximizar o
efeito das pertinentes. Existem vrias maneiras de classificar e distinguir variveis; aqui, por uma questo de
simplicidade, distinguir-se- somente entre independentes e dependentes (Best, 1970, p. 143):
Variveis independentes so condies ou caractersticas que o experimentador manipula
em sua tentativa de determinar sua relao com os fenmenos observados. Variveis
dependentes so condies ou caractersticas que aparecem, desaparecem ou mudam
quando o experimentador introduz, remove ou muda as variveis independentes.
Na pesquisa educacional uma varivel independente pode ser certo mtodo de ensino, um
tipo de material instrucional, uma recompensa, um perodo de exposio certa condio.
A varivel dependente pode ser o escore de um teste, o nmero de erros ou o tempo gasto
para executar uma tarefa. Portanto, as variveis dependentes so as mudanas medidas
no desempenho dos alunos atribuveis influncia das variveis independentes.
Como bem sugere o exemplo dado por Best nessa citao, muitas vezes lida-se com aspectos quantitativos das
variveis, os quais geralmente se deseja medir a fim de obter dados. A questo de como medir as variveis traz
consigo outro aspecto importante da pesquisa em ensino os instrumentos de medida. Testes de conhecimento sob
os mais diversos formatos, escalas de atitudes, fichas de observaes, questionrios so exemplos de instrumentos de
medida usados na pesquisa em ensino. Questionrios, por exemplo, so dos instrumentos mais utilizados, mas sua
elaborao requer cuidados especiais sob pena de no serem respondidos ou de fornecerem informaes distorcidas.
Obviamente, ao se utilizar tais instrumentos espera-se poder ter o maior grau de confiana possvel nas medidas
feitas. De fato, h sempre de parte do pesquisador uma grande preocupao com pelo menos duas caractersticas
bsicas de um instrumento de medida, relacionadas com a confiabilidade dos valores medidos: a fidedignidade e a
validade.
1.6.4 Fidedignidade e validade
A fidedignidade de um instrumento de medida refere-se estabilidade, possibilidade de repetio, preciso das
medidas com ele obtidas, i.e., ao grau de consistncia dos valores medidos. A validade, por sua vez, tem a ver com at
que ponto o instrumento est de fato medindo o que se supe que esteja medindo.
Examinemos primeiramente a questo da fidedignidade. No dizer de Fox (1969, p. 353):
Por fidedignidade entende-se a exatido dos dados no sentido de sua estabilidade,
repetitividade ou preciso. Um instrumento de coleta de dados perfeitamente fidedigno
aquele que se administrado duas vezes nas mesmas circunstncias forneceria os mesmos
dados.
Vianna (1978, p. 145) d uma idia clara da importncia da fidedignidade de um instrumento:
Se um teste aplicado ao mesmo grupo um grande nmero de vezes, espera-se que os
resultados sejam os mesmos, desde que o grupo no se modifique. Se em cada vez que o
teste for aplicado, satisfeitas determinadas condies, os escores forem diferentes para o
mesmo grupo, no se poder ter confiana no instrumento, porque no haver
consistncia nas medidas.
20
Isso sugere que se poderia investigar a fidedignidade de um instrumento aplicando-o vrias vezes ao mesmo grupo
e observando a estabilidade dos dados obtidos. Entretanto, na prtica, o grupo geralmente testado uma s vez. (A
rigor, impossvel testar o mesmo grupo nas mesmas condies.) Por isso, recorre-se a procedimentos estatsticos
que permitem estimar a fidedignidade do instrumento a partir dos dados de certo nmero de indivduos.
A estatstica bsica usada para estimar a fidedignidade a correlao. Correlaes (ou coeficientes de fidedignidade)
de +1,00 indicariam perfeita fidedignidade enquanto que correlaes perto do zero indicariam ausncia de
fidedignidade. Correlaes entre 0 e 1 significariam nveis intermedirios de fidedignidade. Na prtica, os valores
aceitveis do coeficiente de fidedignidade dependem do que se est medindo. Na rea de atitudes e interesses, por
exemplo, onde os dados so mais flexveis e mutveis, correlaes da ordem de 0,70 so aceitveis. Em outras reas,
valores acima de 0,85 so esperados. Existem vrias maneiras e frmulas para estimar a fidedignidade, as quais sero
abordadas mais adiante.
A fidedignidade de um instrumento condio necessria mas no suficiente para que possa ser usado em um
procedimento de pesquisa. Para isso, preciso que tenha tambm validade, pois de nada adianta um instrumento que
mea fidedignamente algo diferente daquilo que se pretende medir. Por exemplo, um teste que mede com muita
fidedignidade o conhecimento de dados fatuais em Histria no ser vlido na medida em que se pretende avaliar a
compreenso de fatos histricos com esse instrumento. Por outro lado, esse teste seria vlido para avaliar
conhecimento; isso significa que um instrumento vlido ou no de modo geral, mas sim em relao a determinado
objetivo ou situao.
A validade depende, pois, da finalidade com que usado o instrumento. Esta uma das razes que tornam o
problema da validade muito mais complexo do que o da fidedignidade que, a rigor, um problema resolvido no se
justificando, portanto, o uso de instrumentos de baixa fidedignidade.
Dentre os vrios tipos de validade existentes, destacam-se para a pesquisa em ensino os seguintes:
1. Validade de contedo - um instrumento tem validade de contedo na medida em que se constitui em uma
amostra representativa do contedo (conhecimentos e comportamentos) do que est sendo medido.
tambm chamada validade curricular, amostral ou lgica. No determinada estatisticamente, mas resulta
do julgamento de diferentes examinadores que analisam a representatividade dos itens em relao s reas
de contedo e relevncia dos objetivos a medir
10
.
2. Validade concorrente - um instrumento apresenta esse tipo de validade quando os resultados de sua
aplicao se correlacionam com os de outro instrumento j validado e que mede a mesma coisa. o mesmo
que validade congruente.
3. Validade preditiva - se o instrumento tem esse tipo de validade isso significa que o pesquisador usou
resultados obtidos com esse instrumento para fazer predies sobre o comportamento futuro dos
respondentes e essas predies foram confirmadas. Ou seja, h uma alta correlao entre os escores do teste
cuja validade se est argumentando e os escores no desempenho futuro, segundo algum critrio, obtido
independentemente. tambm conhecida como validade emprica ou relativa ao critrio.
As questes da fidedignidade e da validade so aspectos cruciais do ponto de vista da pesquisa educacional emprica.
Se os dados coletados no forem vlidos e fidedignos intil prosseguir com a pesquisa: a Estatstica no far o
milagre de transformar maus dados em bons resultados. Por outro lado, se os dados forem bons a Estatstica poder
facilitar grandemente sua interpretao. Voltaremos a esse ponto no Captulo 5.

______________________
10
Vianna, 1978, p. 172-173.
21
1.6.5 O papel da Estatstica
Voltando a usar a linguagem de Gowin, cabe lembrar aqui que se est ainda analisando o domnio metodolgico da
pesquisa em ensino. Nesse domnio j foi examinada a questo do delineamento de pesquisa quando houve
referncia a diversos tipos de delineamento bem como validade interna e externa de um experimento e da
mensurao das variveis quando se abordou a fidedignidade e a validade dos instrumentos de medida.
Tudo isso se refere ao planejamento, ocorrncia e ao registro dos eventos (veja a Figura 1-1). Passa-se agora s
transformaes desses registros, i.e., reconstruo de registros (tabelas, histogramas, grficos), representao de
registros (clculo de mdias, desvios padro e outras grandezas que representem conjuntos de registros),
comparao de registros reduzidos e/ou reconstrudos (procura de diferenas significativas), inferncia a partir
dessa comparao e, finalmente, aos resultados e sua interpretao.
Para essas transformaes, a Estatstica tem, naturalmente, um papel fundamental. Alis, antes de prosseguir com
alguns comentrios relativos ao uso da Estatstica na pesquisa em ensino, interessante destacar a definio de
Estatstica dada por Kerlinger (1980, p. 353):
Estatstica a teoria e mtodo de analisar dados obtidos de amostras de observaes com
o fim de descrever populaes, estudar e comparar fontes de varincia, para ajudar a
tomar decises sobre aceitar ou rejeitar relaes entre fenmenos e para ajudar a fazer
inferncias fidedignas de observaes empricas.
Pode-se distinguir entre dois tipos de Estatstica: a Inferencial e a Descritiva. A Descritiva, como sugere o prprio
nome, tem por finalidade descrever o conjunto de dados de que se dispe e o faz atravs de tabulaes e
representaes numricas ou grficas. Procura sumariar, sintetizar, reduzir, de modo a tornar manipulveis, as
propriedades dos dados.
Por exemplo, um professor aplica determinado teste a seus alunos e corrige. V-se, ento, de posse de um conjunto
de escores. Se o conjunto for pequeno, ele poder ter uma idia do grupo simplesmente olhando para os escores.
Porm, se o grupo for grande, no ter outra sada seno organizar esses dados de alguma forma a fim de ter uma
viso do desempenho do grupo como um todo. Recorrer ento Estatstica Descritiva.
A primeira coisa a fazer tabular os dados e organizar uma distribuio de freqncias. Feito isso, poder representar
graficamente a distribuio atravs de um histograma ou uma curva de freqncias. Mas poder querer uma maneira
mais conveniente, mais sinttica, de descrever a distribuio, um escore tpico, talvez. Em Estatstica existem vrios
tipos de escores tpicos, os quais so chamados de medidas de tendncia central. Dentre as quais se destacam:
1. Moda - escore que ocorre mais freqentemente em uma distribuio de freqncias.
2. Mediana - o ponto em uma distribuio de freqncias abaixo do qual est a metade dos escores.
3. Mdia - a mdia dos escores em uma distribuio de freqncias.
Entretanto, para melhor descrever uma distribuio de freqncias precisa-se no s de uma medida de tendncia
central mas tambm de uma medida da variabilidade dos escores, ou seja, de como eles esto espalhados entre os
indivduos. Uma das medidas mais teis para isso o desvio padro: em uma distribuio normal (i.e., cuja
representao grfica uma curva normal) aproximadamente 68% dos escores situam-se entre um desvio padro
abaixo da mdia e um acima da mdia. Outra medida da disperso dos escores tambm muito usada a varincia, a
qual, em termos simples, o quadrado do desvio padro.
Estas medidas sero melhor discutidas no Captulo 4.
Enquanto que a Estatstica Descritiva uma ferramenta que procura organizar e facilitar a manipulao dos dados, j a
Inferencial busca resolver outro grande problema com o qual se defronta quem est analisando os dados: inferir
22
propriedades sobre uma populao a partir de uma amostra da mesma. Por exemplo, o professor que aplica um
teste a uma turma de alunos de Fsica I, obtm dados de uma amostra da populao de alunos de Fsica I. O termo
populao refere-se, pois, a todos os indivduos com certa caracterstica, enquanto que amostra refere-se a uma
parte da populao. O problema , ento, o seguinte: at que ponto a amostra representa a populao? Como
virtualmente impossvel para um grupo menor ser exatamente representativo de um muito maior, h sempre um erro
de amostragem. Com que margem de segurana poderia ento o professor supor que os resultados obtidos pelo
grupo que ele testou em uma turma especfica da disciplina Fsica I seriam vlidos para a populao
11
de alunos de
Fsica I?
Esse tipo de questo identifica a finalidade da Estatstica Inferencial, i.e., fazer inferncias sobre uma populao a
partir de uma amostra da mesma, e tambm evidencia sua importncia para a pesquisa em ensino, pois o pesquisador
nessa rea seguramente defrontar-se- com problemas dessa natureza.
Talvez o primeiro desses problemas seja o da amostra: se for possvel escolher uma amostra da populao alvo, como
faz-lo de modo a minimizar o erro de amostragem, a incluir representantes de subpopulaes e dar igual
oportunidade a todos de entrar na amostra? E se no for possvel escolher uma amostra, o que fazer para diminuir o
efeito do fato de que o grupo disponvel no foi escolhido por um processo de amostragem?
Todas essas perguntas sugerem que a amostragem uma questo que o pesquisador deve considerar seriamente sob
pena de sacrificar a validade de seu experimento. Cabe aqui lembrar que os delineamentos verdadeiramente
experimentais so aqueles nos quais os sujeitos da pesquisa so designados aleatoriamente.
Existem vrias tcnicas de amostragem, assim como existem maneiras de minimizar o problema da no aleatoriedade
na escolha dos sujeitos, as quais sero discutidas mais adiante nesse trabalho.
Um problema relacionado com o da amostragem e muito comum na pesquisa em ensino o seguinte: muitas vezes o
pesquisador em ensino (freqentemente o prprio professor) dispe de dois grupos, um experimental e outro de
controle, aos quais aplica um determinado teste. Obtm ento dois conjuntos de escores, cujas mdias e desvios
padro calcula obtendo valores diferentes. Considerando as mdias, fica ento a questionar-se: so realmente
diferentes ou fazem parte de uma mesma distribuio normal de mdias de uma mesma populao?
Imagine-se uma populao normal de indivduos com uma mdia . Cada amostra dessa populao ter uma mdia
provavelmente diferente de

, algumas at bastante diferentes. Mas se for feita uma tabulao de um grande nmero
de mdias de amostras, de um mesmo tamanho, dessa populao, a distribuio de freqncias ser normal e a
mdia das mdias ser igual a mdia da populao ( ). Isso significa que duas mdias diferentes podem fazer parte da
mesma distribuio de freqncias e, portanto, as amostras correspondentes fazem parte da mesma populao, ou
seja, no h diferena estatisticamente significativa entre os grupos, tudo uma questo de amostragem.
No caso da diferena entre as mdias dos grupos experimental e de controle, o que o pesquisador quer ento saber
se a diferena entre elas ou no estatisticamente significativa. De maneira anloga, ele vai querer saber se a
diferena entre a disperso dos escores (medida pela varincia) nos dois grupos ou no estatisticamente
significativa.
Para resolver esse tipo de problema a Estatstica fornece ao pesquisador os chamados testes de significncia, como
por exemplo, os testes t e F, os quais sero tambm objetos de nossa anlise mais adiante.
Freqentemente, no entanto, pesquisas em ensino, envolvem mais de duas amostras. O problema do pesquisador
basicamente o mesmo: a variao entre os escores mdios dos diferentes grupos representa uma real diferena entre
eles ou apenas erro de amostragem (ou seja, as mdias so de amostras da mesma populao)?
______________________
11
Entendida aqui como o conjunto de todos os alunos que cursam Fsica I.
23
Nesse caso, a tcnica estatstica apropriada a chamada Anlise da Varincia, a qual envolve a comparao entre a
varincia entre as mdias dos grupos e a varincia dentro dos grupos. Trata-se aqui de um tratamento estatstico dos
dados j um pouco mais sofisticado, mas ainda muito comum na pesquisa em ensino.
Finalmente, cabe ainda destacar outra forma de anlise estatstica tambm muito usada na pesquisa em ensino: a
correlao. Muitas vezes o pesquisador dispe de escores para duas variveis, relativos a cada indivduo e quer saber
se h uma relao entre essas variveis. Por exemplo, em um curso de Fsica, o professor pode estar interessado em
saber se h uma relao entre o conhecimento prvio dos alunos em Matemtica e o seu desempenho nas provas de
Fsica. A tcnica estatstica apropriada para investigar essa questo a correlao e o resultado da sua utilizao um
coeficiente de correlao que varia entre -1 e +1. Um coeficiente igual a +1 indica perfeita correlao positiva entre as
variveis consideradas, no sentido de que a um aumento nos escores de uma varivel corresponde sempre um
aumento proporcional nos escores da outra varivel. Um coeficiente de correlao nulo indica ausncia de relao
entre as variveis, enquanto que um coeficiente igual a -1 indica uma perfeita correlao negativa entre essas
variveis, no sentido de que um aumento nos escores de uma varivel acompanhado sempre de um decrscimo
proporcional nos escores da outra.
Obviamente, ao usar a tcnica da correlao, o pesquisador procura descobrir ou confirmar relaes causais entre as
variveis. O coeficiente de correlao, entretanto, apenas indica quantitativamente a magnitude da relao entre as
variveis. Ou seja, pode haver ou no uma relao causal entre elas. O fato de que duas variveis estejam
relacionadas no implica obrigatoriamente em que uma seja a causa da variao da outra. Para chegar a uma relao
causal entre duas variveis o pesquisador tem que ser capaz de descartar explicaes alternativas para a relao
encontrada.
Resumindo, procedimentos estatsticos so praticamente indispensveis pesquisa em ensino, na medida em que
auxiliam o pesquisador a descrever os dados, a fazer inferncias e a investigar relaes de causa e efeito. Em outras
palavras, tais procedimentos so recursos dos quais lana mo para transformar (i.e., reduzir, representar, comparar,
inferir) registros de eventos. A partir dessas transformaes chega, ento, o pesquisador s asseres de
conhecimento e de valor. As primeiras so respostas (s) questo(es) bsica(s) que ele se props a investigar,
enquanto as ltimas tm a ver com o valor dessas respostas.
Tais respostas, no entanto, no so frutos exclusivos do domnio metodolgico da pesquisa. Como bem indica o V de
Gowin apresentado na Figura 1-1, as asseres de conhecimento requerem interao entre os dois lados do V, i.e.,
entre o domnio metodolgico e o conceitual. Com isso, chegado o momento de passar-se a discutir o domnio
conceitual da pesquisa em ensino. Antes, porm, cabe recapitular o que foi abordado em relao ao domnio
metodolgico, o que est feito no mapa conceitual da Figura 1-3, a qual no ser discutida porque todos os conceitos
e relaes nela contidos j so familiares ao leitor.

24

Figura 1-3 - Um mapa conceitual relativo ao domnio metodolgico do "V" de Gowin aplicado pesquisa em ensino.
1.7 O Domnio Conceitual da pesquisa em ensino
Embora a parte conceitual da pesquisa em ensino, ou em Educao de um modo geral, seja to ou mais importante do
que a metodolgica a menos discutida e chega at mesmo a ser simplesmente ignorada. Alis, a ausncia de
fundamentao terica um mal que permeia a pesquisa educacional e que em nada contribui para sua consolidao.
Grande parte da pesquisa em Educao aleatria, sem referencial terico que guie a formulao de questes e a
interpretao dos resultados. Qualquer coleta de dados atravs de questionrio muitas vezes mal elaborado sem
um mnimo de fundamentao terica rotulada, pomposamente, de pesquisa.
Como explicita claramente o V de Gowin, uma pesquisa, propriamente dita, no pode prescindir do Domnio
Conceitual. Ali esto inicialmente os conceitos que apontam regularidades em eventos e que se usam para pensar,
propor questes, resolver problemas, fazer pesquisa. Princpios so formulados com conceitos e juntamente com eles
originam teorias. So esses conceitos, princpios e teorias que orientam a formulao de problemas de pesquisa, so
eles que sugerem o que investigar sobre o fenmeno de interesse e responder as questes bsicas. Tambm so os
conceitos, princpios e leis que compem as teorias que indicam como construir os instrumentos que sero usados
para o registro dos eventos. Da mesma forma, os registros dos eventos e as transformaes desses registros so
guiados por conceitos, princpios e teorias. As asseres de conhecimento so interpretadas luz dos conceitos,
sistemas conceituais, princpios, leis, teorias existentes e podem confirm-los, refin-los, estabelecer seus limites de
validade ou contribuir para sua substituio por outros paradigmas.
H, portanto, uma inegvel interao entre os domnios metodolgico e conceitual. O conceitual guia o metodolgico
e os resultados deste influenciam o primeiro; dessa maneira o conhecimento produzido e evolui. Naturalmente, a
pesquisa em ensino deve ter tambm essa caracterstica, devendo ser baseada em conceitos, princpios, teorias de
ensino e de aprendizagem e seus resultados devem contribuir para o refinamento e evoluo de tais conceitos,
princpios e teorias.
Na prtica, no entanto, a situao no to simples. O primeiro argumento que surge , geralmente, o de que em
ensino, ou em educao, no existem conceitos, princpios e teorias suficientemente estveis para guiar a pesquisa. A
esse se segue o argumento de que no existem porque a pesquisa na rea no tem contribudo para que se chegue a
conceitos e proposies tericas estveis. Contudo, esse crculo vicioso parece estar sendo rompido, pois j existem
modelos e teorias de desenvolvimento, aprendizagem e ensino que, embora ainda incompletos, j podem
perfeitamente servir de referencial terico para a pesquisa em ensino.
25
1.7.1 Referenciais tericos para a pesquisa em ensino
Esta seo pretende unicamente apontar alguns possveis referenciais tericos para a pesquisa em ensino.
Atualmente, podemos distinguir trs grandes escolas servindo de base a teorias de aprendizagem, de
desenvolvimento cognitivo e de instruo: comportamentalismo, cognitivismo e humanismo.
A orientao comportamentalista considera o Homem um organismo passivo, governado
por estmulos fornecidos pelo ambiente externo. O Homem pode ser manipulado, isto ,
seu comportamento pode ser controlado, atravs de adequado controle de estmulos
ambientais. Alm disso, as leis que governam o Homem so primordialmente, iguais s leis
universais que governam todos os fenmenos naturais. Portanto, o mtodo cientfico, tal
como desenvolvido pelas cincias fsicas, tambm apropriado para o estudo do
organismo humano. (Milhollan e Forisha, 1978, p. 17)
A psicologia cognitivista preocupa-se com o processo da compreenso, transformao,
armazenamento e uso da informao envolvida na cognio, e tem como objetivo
identificar padres estruturados dessa transformao. Cognio o processo atravs do
qual o mundo de significados tem origem. medida que o ser se situa no mundo,
estabelece relaes de significao, isto , atribui significados realidade em que se
encontra. Esses significados so pontos de partida para a atribuio de outros, originando,
ento, a estrutura cognitiva. (Moreira e Masini, 2006, p. 3)
A perspectiva humanista considera o Homem a fonte de todos os atos. O Homem
essencialmente livre para fazer escolhas em cada situao. O ponto focal dessa liberdade
a conscincia humana. (Milhollan e Forisha, 1978, p. 18)
O Homem nessa ptica, motivado pelo crescimento e esta motivao se manifesta
plenamente quando ele livre de vnculos externos e histricos. A psicologia, nesse
enfoque, volta-se para o estudo do dinamismo da conscincia, de como o Homem
desenvolve sua compreenso do mundo e passa a agir, segundo essa compreenso de
forma consciente e participante. (Moreira e Masini, 1982, p. 2)
Outra abordagem possvel, a qual acrescenta dimenso cognitiva a cultura como elemento mediador do
desenvolvimento cognitivo, a abordagem scio-histrica. Nesta abordagem, a cultura vista como elemento de
ligao entre o objeto a ser aprendido e o sujeito, atuando como um interpretador da interao do sujeito com o meio
que o circunda
12
.
Obviamente, estas so idias gerais sobre cada uma dessas correntes procurando apenas destacar seus pontos focais.
As maiores diferenas parecem estar entre o enfoque comportamentalista e os outros dois, pois enquanto que no
primeiro o aprendiz visto como objeto, nos outros dois ele considerado mais como sujeito. A psicologia cognitivista
enfatiza a cognio, ao passo que a humanstica destaca a auto-realizao, mas em ambas o Homem o sujeito. A
comportamentalista, por outro lado, v o Homem como um ser cujo comportamento controlado por suas
conseqncias.
Naturalmente, nem sempre possvel dizer se determinado terico do processo ensino-aprendizagem segue
claramente uma dessas orientaes, pois os pressupostos de suas teorias podem combinar diferentes aspectos de
uma ou outra corrente. David Ausubel e Jean Piaget so, sem dvida, cognitivistas. Carl Rogers humanista, enquanto
que a abordagem de B. F. Skinner , provavelmente, a mais completa sistematizao do enfoque comportamentalista.
Robert Gagn e Jerome Bruner, por sua vez, no podem ser to facilmente enquadrados em determinada corrente;
______________________
12
Vygotsky, 1991, 1993.
26
alguns aspectos de suas teorias parecem mesclar comportamentalismo e cognitivismo. Vygotsky, por outro lado,
define a abordagem scio-histrica.
Por outro lado, como dizem Milhollan e Forisha (1978, p. 11):
Apesar da incerteza ou da confuso entre estudantes e educadores quanto significao
do termo teoria de aprendizagem, pode-se concordar quanto a uma declarao: ensino
uma atividade que emerge de alguma concepo sobre como ocorre a aprendizagem. Se
aceito esse ponto de vista, provvel que todo o professor tenha alguma teoria de
aprendizagem que pode ser prontamente pronunciada.
Podemos, ento, tambm dizer que se aceito tal ponto de vista, igualmente provvel que o conhecimento de outras
teorias de aprendizagem traga para o professor referenciais alternativos para a organizao de seu ensino, e tambm
para a pesquisa em ensino, justificando-se assim o estudo de tais teorias. Para isso, nada melhor que a consulta s
obras desses autores.
Nos prximos captulos nos dedicaremos a explorar de forma mais detalhada os aspectos metodolgicos da pesquisa
em ensino introduzidos neste.

27
Captulo 2. Construindo um experimento

28
2.1 Como responder uma questo de pesquisa?
Dada uma questo, seja ela de origem espontnea ou provocada pelo experimentador, h cinco maneiras bsicas de
obter-se uma resposta:
1. Costume e tradio - essa , sem dvida, a mais usual. O costume e a tradio so, ainda hoje, fontes muito
utilizadas para responder questes. Boa parte do que comumente chamamos de senso comum tem origem
nessa fonte. Assim, por exemplo, para responder questo: o que fazer para combater uma clica em uma
criana recm nascida? o costume de dar um ch de erva-doce ainda invocado para ministrar esse tipo de
tratamento.
2. Autoridade - o recurso autoridade ainda utilizado em muitas reas (mesmo algumas que se dizem
cientficas, atravs do mar de citaes em artigos). Ainda um resqucio do costume medieval do recurso
autoridade. Pode ser til, no entanto, se tivermos o necessrio cuidado de olhar para a reputao da
autoridade, de observar se a afirmao no campo de especialidade da autoridade invocada, se a autoridade
em questo estuda o assunto, se a afirmao recente, etc..
3. Experincia pessoal - muitas vezes, recorremos nossa prpria experincia de modo a achar respostas
atravs da analogia entre a questo presente e outras solucionadas no passado com sucesso. Assim, est
nessa situao, por exemplo, o aluno que, em uma prova de Fsica, procura problemas de caractersticas
semelhantes aos j solucionados com sucesso no passado para descobrir como solucionar a questo colocada
pelo professor.
4. Raciocnio silogstico - este tipo de soluo de problemas acontece quando a partir de afirmaes
verdadeiras auto-evidentes procura-se de forma lgica a resposta para a questo proposta. Exemplo:
Se o tratamento bom, ento E melhor que C.
E melhor que C.
Ento, o tratamento bom.
5. Pesquisa cientfica - essa forma de solucionar problemas a que nos interessa e a que passaremos a discutir
no restante desse captulo e nos seguintes.
A pesquisa cientfica lida com problemas a serem solucionados, com questes a serem respondidas. Ela est
preocupada com a verificao de proposies. O que fazemos em pesquisa tentar escolher entre possveis
explicaes alternativas. Naturalmente, tudo isso feito tambm em outras reas, em outros tipos de pesquisa, mas a
cientfica tem caractersticas prprias.
No fundo, pesquisar consiste em sistematicamente responder a questes. As respostas derivadas dependem
fortemente de quais questes so formuladas e de que modo elas o so. Existe um nmero enorme de questes a
serem respondidas pela pesquisa e vrias maneiras de realizar esta pesquisa. O processo de pesquisa envolve uma
srie de pontos de escolha, cada um dos quais possui modos alternativos nos quais uma questo geral pode ser dada
em uma forma mais especfica. Como em um mapa, no existe uma rota correta, ou melhor que as demais, para todas
as jornadas. A melhor estrada a tomar depende de onde ns queremos chegar e os recursos de que dispomos para
isso (tempo, dinheiro, etc.).
Ao explicitarmos a metodologia de pesquisa, samos de uma forma intuitiva de obter informaes para uma forma
sistemtica de faz-lo.
Pesquisa cientfica competente que nada mais do que uma investigao sistemtica no exige habilidades
misteriosas, oriundas de alguma fonte escondida inacessvel a muitos de ns. Entretanto, ela exige diligncia,
raciocnio lgico, observao atenciosa, conhecimento, domnio do que j sabido sobre o objeto do estudo,
29
habilidade no estabelecimento de hipteses, escolha correta de amostras, escolha de observaes, e outras
tcnicas. Mas tudo isso pode ser apreendido.
A pesquisa est sempre inserida em um contexto social e tecnolgico. O objetivo da pesquisa obter conhecimento, o
qual inerentemente uma facilidade social a ser partilhada e usada. Uma pesquisa, portanto, no completa de
fato ela no existe como um incremento do conhecimento at que esta pesquisa seja partilhada com a comunidade
na qual ela se insere, seja atravs de uma comunicao cientfica ou pelo desenvolvimento de alguma aplicao
prtica relevante aos agentes que atuam naquele meio. A pesquisa um sistema aberto com uma dinmica interna
prpria, mas continuamente influenciada pela interao com vrios aspectos do meio social na qual ela conduzida.
2.2 Estratgias gerais de pesquisa
Podemos definir uma estratgia de pesquisa por um conjunto de procedimentos definidos pelo pesquisador para
obter os dados e analis-los de modo a responder a questo bsica proposta. Passaremos a seguir a descrever alguns
destes procedimentos.
2.2.1 Estratgias empricas
1. Estudos de campo
13
- Algumas pesquisas consistem de observaes sistemticas do comportamento dentro
do ambiente natural em que vivem os sujeitos. A inteno do pesquisador perturbar to pouco quanto
possvel esse ambiente para que o comportamento observado seja o comportamento natural e no o
comportamento influenciado pela presena do observador
14
. Do ponto de vista da pesquisa quantitativa, tal
tipo de estudo chamado de estudo de campo. Este tipo de estudo, no entanto, deixa o pesquisador com
um conjunto de dados pobre. Ele dever contentar-se com o estudo de correlaes ou, quando muito, por
um estudo de evoluo temporal.
2. Experimentos de campo - O termo experimento de campo usado quando, como no estudo de campo, o
investigador faz observaes sistemticas (modo Y) a partir do comportamento naturalmente observado e,
alm disso, manipula, deliberadamente, alguma (s) varivel (eis) (modo X). Normalmente, uma propriedade
que, por hiptese, tenha uma influncia maior, ou um agrupamento delas, escolhida para manipulao,
quando ento o pesquisador tenta produzir valores diferentes daquela(s) propriedade(s).
3. Simulaes experimentais - Uma simulao experimental no somente requer intruso pela medida e pela
manipulao de alguma propriedade do sistema, mas, tambm, envolve uma tentativa deliberada de
construir um conjunto de comportamentos, os quais iro reproduzir ou tipificar alguma classe de
comportamentos que ocorrem, naturalmente, no sistema. No estudo de campo ou no experimento de campo
o conjunto de comportamentos existe anteriormente ao estudo, e independentemente dele. Os sujeitos
apresentam determinado tipo de comportamento porque aquilo faz parte das suas vidas. Na simulao
experimental, os comportamentos existem em virtude dos propsitos do estudo e no tm uma existncia
anterior independente desses propsitos. Os sujeitos apresentam o comportamento por participarem do
estudo.
4. Experimentos de laboratrio - Em um experimento de laboratrio, o investigador cria deliberadamente um
conjunto de comportamentos no para reproduzir ou tipificar comportamentos existentes naturalmente no
meio ambiente, como no caso anterior, mas para clarificar certos processos e condies relacionadas queles
processos. O pesquisador tenta em um experimento de laboratrio exemplificar genericamente
agrupamentos de processos, a despeito das condies ou sistemas nos quais aqueles processos so obtidos
naturalmente.
______________________
13
Runkel e McGrath, 1972.
14
Obviamente esta uma abstrao j que a simples presena do observador perturba o meio e o comportamento
dos sujeitos no ser mais o mesmo que seria sem sua presena.
30
5. Pesquisa por questionrios e julgamento de tarefas - Estas so estratgias para obterem-se dados quando
o comportamento observado no est intrinsecamente relacionado ao meio. Tanto a pesquisa por
questionrios como o julgamento de tarefas exigem a explicitao dos registros subjetivos dos sujeitos
(respondentes ou juzes) sobre eles mesmos ou sobre as suas opinies, atitudes ou crenas a respeito do
mundo real. Ao apresentar-se um questionrio, so priorizadas formas naturais aos respondentes quando da
apresentao dos estmulos (questes). J os estmulos apresentados no julgamento de tarefas so
complexos e no familiares aos respondentes.
2.2.2 Estratgias no empricas
1. Simulao por computador - similar estratgia de simulao experimental ao criar uma imitao de
algum sistema real. A simulao em computador, entretanto, um sistema artificial e fechado, diferindo
nisso da simulao experimental, a qual um sistema aberto porque o comportamento dos seres humanos
observado dentro de um contexto de simulao. Este tipo de estratgia no realmente uma estratgia para
ganhar-se informao emprica, sendo mais uma estratgia para o processamento sistemtico da informao
e extrapolaes a partir disso.
Entretanto, nos ltimos anos, as tcnicas de simulao vm evoluindo em direo a criao de modelos cada
vez mais complexos e prximos do comportamento de sistemas humanos in natura. de se esperar para o
futuro situaes em simulao onde o computador reproduza comportamentos humanos complexos.
2. Teorias formais - Aqui o investigador constri um modelo abstrato e lgico do comportamento do sistema
(normalmente uma classe genrica de comportamentos do sistema) e realiza manipulaes de carter lgico-
matemtico para obter novos conhecimentos.
Estas duas estratgias no empricas no extraem novas informaes sobre o comportamento do mundo real, embora
utilizem conhecimento emprico anterior durante o processo de sua prpria construo. O que elas fazem realmente
rearranjar informao j disponvel em novas formas mais teis para utilizao.
Por outro lado, estas tcnicas permitem, atravs da observao dos comportamentos derivados, uma anlise dos
princpios a partir dos quais os modelos propostos so construdos
15
.
2.3 Fases da pesquisa cientfica
A rigor no existe uma receita de bolo do fazer cientfico. A formao de um pesquisador ainda, e o ser por muito
tempo, um processo eminentemente artesanal. As regras de uma boa pesquisa cientfica so aprendidas ao longo do
processo do fazer cientfico. Os sistemas de ps-graduao existem para isso. O que em muitos casos tomado como
o cume da carreira acadmica, a obteno do ttulo de doutor, , de fato, apenas o incio desta. A partir da obteno
do grau de doutor que o aprendiz de cientista est apto a comear pesquisas prprias. No se descobriu ainda um
modo de formarem-se pesquisadores em massa. Entretanto, algumas generalizaes podem ser feitas em cima do
fazer do pesquisador, generalizaes estas que podem ser usadas como guias de um bom trabalho cientfico. Estas so
as fases da pesquisa cientfica (Runkel e McGrath, 1972; ver Figura 2-1):
1. Formulao do problema - Se o investigador sistemtico em sua pesquisa ele deve escolher um problema
delimitado dentre todos aqueles problemas gerais do seu campo de trabalho.
2. Delineamento - Como salientado na introduo deste texto, o delineamento uma das fases mais
importantes da pesquisa. Delinear uma pesquisa consiste em escolher os atores, os comportamentos e
contextos a serem observados, as parties a serem feitas entre eles, e as comparaes de que sero objeto
as observaes.
______________________
15
Veja o que se falou sobre o que uma teoria e sua verificabilidade.
31
3. Fazer um plano operacional - Como pode o pesquisador ser confiante em que apreender algo sobre estas
pessoas ou grupos, os quais no sero observados em sua totalidade? Que coisas existem para serem
observadas que podem servir como indicadores de alguma propriedade intangvel? O plano operacional
permeia a pesquisa e o seu norte. Nele devemos estabelecer as etapas, os cronogramas de execuo,
fontes de recursos, etc..
4. Execuo do plano operacional - Como pode o pesquisador estar seguro de que aquele comportamento
observado de fato o comportamento natural esperado?
5. Mapeamento de observaes em dados - Contagem das vezes nas quais os comportamentos de diferentes
tipos ocorrem pode habilitar o investigador a fazer comparaes quantitativas entre conjuntos de
observaes.
6. Mapeamento de dados em variveis - Dados podem acumular-se em uma vasta coleo. Como pode o
investigador simplificar uma grande quantidade de dados em um modo compreensvel e facilmente
manipulvel?
7. Explorar relaes - Quando a taxa de ocorrncia de uma caracterstica em uma populao varia
concomitantemente com a taxa de ocorrncia de outra caracterstica, a concorrncia chamada relao.
Que tipos de relaes so teis e para quais propsitos?
8. Tirar concluses - Que hipteses poderiam ter sido feitas sobre pessoas ou grupos que poderiam ser
explicaes alternativas para os resultados obtidos? Qual a probabilidade de que os resultados sejam obra do
acaso? Que comparaes poderiam ainda ser feitas de modo a aumentar a confiana nos resultados obtidos?
No importa quo objetivamente o pesquisador execute seu estudo e registre-o para consulta dos outros
pesquisadores, sua escolha de uma questo (ou hipteses) como guia da pesquisa sempre, em uma larga extenso,
idiossincrtica, arbitrria e pessoal. A escolha inicial de uma questo de pesquisa o resultado de uma interao entre
quatro fontes de conceitualizao. Uma dessas fontes o conjunto de idias j disponveis na mente do pesquisador.
Outra fonte possvel o corpo de conhecimento presente na rea da pesquisa. A terceira fonte possvel o mundo
real observvel de eventos o qual fornece idias ao pesquisador quando da interao direta entre este mundo e o ser
humano que o pesquisador
16
. Por fim, mas no menos importante, esto as interaes sociais s quais o
pesquisador est submetido. Qualquer projeto de pesquisa formado em alguma extenso por todas estas fontes de
conceitualizao.
2.4 Hipteses
O esprito de uma hiptese atuar como se uma determinada descrio do mundo feita pelo pesquisador fosse
relevante e ento observar o que acontece se agirmos de acordo com essa descrio. Uma hiptese parte de uma
teoria (ou em termos simples, uma teoria um guia que diz aonde voc deve olhar e o que olhar); ela uma
afirmao terica. A forma geral de uma hiptese a seguinte:
Se A acontece ento (com alguma probabilidade) B acontecer (AB, se A ento B).
Uma forma equivalente :
Suponhamos que eu fizesse isso o que aconteceria? O que poderia talvez ocorrer?
______________________
16
Claro que isto no acontece dissociado do que o pesquisador tem em sua mente. Somente possvel de ser
percebido algo que j est na mente do sujeito como conceito.
32
O que importante a respeito desse segundo modo de expresso que ele tentativo e exploratrio. A idia
central no provar que uma determinada idia verdadeira, mas abrirmo-nos para novas possibilidades e
contingncias. Este tipo de postura chamado de postura aberta.

Figura 2-1- O ciclo da pesquisa emprica (Runkel e McGrath 1972).
Uma hiptese mais til como um guia das observaes se ela diz-nos o que olhar, se ela conecta idias abstratas do
mundo conceitual a coisas suficientemente simples que podem ser feitas de modo a verificar se aquelas idias
abstratas correspondem a aspectos do mundo real.
Por trs desses conceitos delineados nos pargrafos anteriores est a idia de uma Teoria Cientfica. Alguns
pressupostos devem ser levados em considerao quando se fala de uma teoria. Uma Teoria Cientfica pode ser
interpretada como um conjunto de conceitos relacionados por leis e princpios cuja principal caracterstica deve ser a
da consistncia interna. Por consistncia interna entende-se que a teoria satisfaz os seguintes requisitos:
1. Se partirmos de um ponto da teoria no podemos, atravs de operaes lgicas sobre os elementos da
teoria, obter resultados que sejam contraditrios com aqueles princpios primeiros.
2. No podemos obter, a partir de um mesmo conjunto de princpios, resultados conflitantes atravs de duas
derivaes lgicas alternativas.
Assim, uma hiptese uma conjectura a respeito de como dois subconjuntos de conceitos ou proposies da teoria se
relacionam.
A gnese de uma hiptese algo que provm em boa parte da experincia do pesquisador, no havendo receita
mgica de como se pode gerar hipteses sobre determinado problema. Tente estabelecer as suas hipteses de um
modo natural, na forma pela qual voc pensa que as coisas acontecem. Busque na sua experincia com o assunto as
fontes para as suas hipteses. Comece pela eliminao das mais simples at chegar s mais complexas.
Questes sobre
o mundo real
Concluses
sobre o mundo
real.
Observaes do
mundo real
Variveis
Dados de
Observaes
Observaes do
mundo
Real.
Plano
Operacional
Delineamento
Problema
33

2.5 A validade interna de experimentos
Quando se fala de um experimento cientfico, o qual projetado para a verificao de uma ou mais hipteses (no
sentido explicitado acima), estamos interessados em um conjunto de procedimentos que vo nos levar a asseres de
conhecimento e valor a respeito de determinado fenmeno, como resposta a alguma questo bsica formulada. Para
que isso seja possvel, devemos nos preocupar com certos fatores que podem levar a falsas concluses. So os
chamados fatores de validade interna de um experimento. Eles dizem respeito quelas variveis que, se no
controladas, podem induzir o pesquisador a erro.
Vrios fatores podem invalidar um experimento, sob o ponto de vista de consistncia interna. So eles:
1. Histria - Eventos especficos que acontecem durante a aplicao do tratamento que se quer investigar, aps
o pr-teste e antes do ps-teste.
2. Maturao - Variaes internas aos respondentes, as quais ocorrem devido, simplesmente, passagem do
tempo e so independentes do tratamento que se quer estudar. Essas so, por exemplo: fome, cansao,
envelhecimento, etc.
3. Testagem - So os efeitos do pr-teste sobre os resultados do ps-teste. Dependendo do pr-teste este pode
catalisar algum processo de maturao que afetar os resultados do ps-teste.
4. Instrumentao - Uma medida posterior pode diferir de uma medida anterior pela variao do instrumento
de medida e/ou das condies nas quais o primeiro teste foi aplicado.
5. Interao - Qualquer um dos fatores acima mencionados pode interagir com o tratamento experimental X e
produzir efeitos que mascaram o real efeito do tratamento. Por exemplo, a pr-testagem pode sensibilizar o
sujeito somente quando for seguida pelo tratamento X. Ou os tipos de sujeitos que abandonam o estudo
(mortalidade) podem diferir entre o grupo recebendo o tratamento e o grupo que no recebe o tratamento
X. (ver interaes estatsticas, p. 31)
6. Seleo - Se os sujeitos so distribudos em diferentes grupos de qualquer modo que no o aleatrio
resultaro diferenas sistemticas entre os grupos que podem ter efeitos no desempenho.
7. Mortalidade - Perdas de respondentes entre os grupos sendo comparados outra fonte de invalidade
interna. Se alguns dos sujeitos analisados na primeira medida saem do experimento antes da medida final, as
caractersticas dos grupos no mais sero as mesmas, e estas diferenas podem ter efeitos diretos no
desempenho final.
8. Regresso - Se um grupo de sujeitos selecionado a partir de seu desempenho em uma dada medida O, as
imperfeies daquela medida podem produzir um deslocamento sistemtico para a mdia quando os escores
so tomados aps nova realizao da mesma medida. (ver regresso estatstica, p. 34)
Estas fontes de invalidade interna podem ser reagrupadas do seguinte modo:
1. Invalidade devido a no comparabilidade das observaes:
- As observaes sendo comparadas so diferentes (instrumentao);
- As observaes sendo comparadas foram feitas em tempos diferentes (maturao, histria);
- As observaes sendo comparadas tm diferentes histrias de observaes anteriores (testagem).
2. Invalidade devido distribuio no-aleatria dos sujeitos:
34
- Um dos grupos selecionado por apresentar altos escores em uma varivel relacionada varivel
dependente (regresso);
- Recrutamento diferenciado dos sujeitos (seleo, interao da seleo com a maturao, etc.).
3. Invalidade devido natureza do tratamento:
- Redefinio do tratamento (quando o tratamento somente parte de um pacote);
- Tratamento afetado por uma perda diferencial (mortalidade);
- Tratamento afetado por uma seleo diferencial.
2.6 Efeitos de regresso estatstica
Talvez a mais sutil fonte de invalidade em pesquisa comportamental seja o fenmeno da regresso. Mesmo
pesquisadores experientes podem cair na falha de no detectar a presena desse fenmeno. O efeito de regresso
consiste na tendncia que o valor mdio dos escores de um subgrupo, selecionado de um grupo maior por ter valores
extremos (superiores ou inferiores) nos escores de alguma varivel, tem de se aproximar do valor mdio do grupo
maior ao ser testado novamente.

Figura 2-2 Representao grfica de uma situao hipottica na qual um determinado grupo selecionado e recebe um
tratamento ineficaz, permanecendo com a mesma mdia (Hopkins).
Considere, por exemplo, em um experimento de recuperao de estudantes que foram selecionados para o
tratamento especial (experimental) porque foram particularmente mal em um teste de conhecimento (o qual
podemos identificar como o teste O
1
do delineamento O
1
X O
2
conforme ser visto mais adiante neste captulo).
Ento, em uma testagem subseqente usando uma forma equivalente ou a repetio do mesmo teste, o resultado O
2

para esse grupo ter uma mdia superior quela obtida na primeira aplicao. Este resultado no devido a qualquer
35
efeito genuno do tratamento X, qualquer efeito da prtica do teste - re-teste, etc. Ele conseqncia do aspecto
tautolgico da correlao imperfeita entre O
1
e O
2
, conforme mostra a Figura 2.2.
Uma vez que o tempo passa entre as aplicaes dos pr e ps-teste somos tentados a relacionar de forma causal o
efeito de regresso com o efeito da passagem do tempo. Mas uma anlise temporalmente reversa possvel, da qual
uma implicao oposta pode ser retirada, qual seja a de que os resultados seriam piores. A regresso para a mdia
um fenmeno geral, o qual no restrito ao pr e ps-teste com o mesmo teste ou formas comparveis do mesmo.
Enquanto a regresso pode ser discutida em termos de erros de medida (quanto mais deslocado o escore, maior o
erro de medida) ela mais geralmente uma funo do grau de correlao: quanto menor a correlao, maior a
regresso para a mdia. Efeitos de regresso so deste modo inevitveis acompanhamentos da correlao imperfeita
entre o pr e o ps-teste para grupos selecionados por sua caracterstica de pertencerem a extremos. Para um grupo
selecionado em virtude de seu desempenho extremo (pobre ou elevado) em funo de alguma varivel, esta
caracterstica de extremo ser artificial e acontecer uma regresso para a mdia da populao de onde esse grupo foi
extrado. A distribuio aleatria dos sujeitos entre os grupos de controle e experimental deve, sempre que possvel,
ser utilizada. Entretanto, se o pesquisador est trabalhando com variveis s quais os sujeitos no podem ser
aleatoriamente orientados (por exemplo, quando comparando grupos diferindo em variveis tais como: sexo, grupo
tnico, QI, etc.) a varivel dependente deve ser o escore residual lquido, ou seja, a diferena entre o escore predito e
o escore no ps-teste.
2.7 A validade externa de experimentos
17

A inteno (algumas vezes colocada explicitamente, outras no) de todo pesquisador generalizar seus resultados
para algum grupo de sujeitos e condies que no esto includos no experimento.
A extenso e o modo pelo qual os resultados de um experimento podem ser generalizados a diferentes sujeitos,
condies, experimentadores e, possivelmente, testes chamada de validade externa do experimento. Podemos
relacionar os pontos de estrangulamento que restringem a validade de um experimento s condies nas quais o
experimento se realizou. Estes pontos de estrangulamento validade externa de um experimento podem ser
agrupados em duas classes: validade de populao e validade ecolgica. Estas duas classes so bastante gerais.
Passaremos agora a analisar cada uma delas.
2.7.1 Validade de Populao
Falamos de Validade de Populao quando lidamos com fatores ligados generalizao dos resultados a populaes
de sujeitos, das quais a amostra foi retirada. (Que tipo de sujeito pode ser esperado comportar-se do mesmo modo
como o fez a amostra experimental?)
2.7.1.1 Populao experimentalmente acessvel vs. populao alvo
A generalizao da populao de sujeitos que disponvel ao experimentador (a populao acessvel) para uma
populao de sujeitos sobre a qual ele est interessado (a populao alvo) exige um conhecimento detalhado das
caractersticas de ambas. Os resultados de um experimento podem aplicar-se somente para aqueles tipos especiais de
pessoas das quais os sujeitos pertencentes ao grupo experimental foram selecionados e no a uma populao
qualquer.
2.7.1.2 Interao de variveis pessoais e efeitos do tratamento
Se a superioridade de um tratamento experimental sobre outro puder ser revertida quando sujeitos em diferentes
nveis de alguma varivel descritiva forem expostos ao tratamento, ento existe uma interao dos efeitos do
tratamento com variveis de carter pessoal.
______________________
17
Glen Bracht & Gene Glass, The external validity of experiments, American Educational Research Journal, November
1968.
36
2.7.2 Validade Ecolgica
Este tipo de validade lida com variveis ligadas ao ambiente do experimento. Sobre quais condies, isto ,
parmetros, tratamentos, experimentadores, variveis dependentes, etc., podem os mesmos resultados serem
esperados?
2.7.2.1 Descrio explcita da varivel independente
A generalizao e repetio do experimento e seus resultados pressupe um conhecimento completo de todos os
aspectos do tratamento e condies experimentais.
2.7.2.2 Interferncia de mltiplos tratamentos
Quando dois ou mais tratamentos so administrados consecutivamente s mesmas pessoas dentro do mesmo ou de
diferentes estudos, difcil, se no mesmo impossvel algumas vezes, identificar as causas dos resultados
experimentais ou generalizar os resultados a condies nas quais somente um dos tratamentos est presente.
2.7.2.3 Interao sujeito - experimento (Efeito Hawthorne)
O comportamento do sujeito pode ser influenciado parcialmente por sua percepo do experimento e de como ele
poderia responder aos estmulos experimentais. Sua conscincia de participao em um experimento pode precipitar
comportamentos os quais no ocorreriam em condies no percebidas como experimentais.
2.7.2.4 Fatores novidade e mudana
Os resultados experimentais podem ser parcialmente devidos ao entusiasmo ou quebra da rotina gerados pela
novidade do tratamento. O efeito de algum programa novo em condies onde variaes so comuns pode ser muito
diferente do efeito em condies onde muito poucas variaes so experimentadas.
2.7.2.5 Influncia do experimentador
O comportamento dos sujeitos pode ser influenciado no intencionalmente por certas caractersticas ou
comportamentos do experimentador. As expectativas do experimentador podem tambm influenciar a aplicao do
tratamento e as observaes do comportamento dos sujeitos.
2.7.2.6 Sensibilizao devido ao pr-teste
Quando um pr-teste foi administrado, os resultados experimentais podem parcialmente ser resultado da
sensibilizao ao contedo do tratamento. Os resultados do experimento podem no ser aplicveis a um segundo
grupo de sujeitos que no foram pr-testados.
2.7.2.7 Sensibilizao devido ao ps-teste
Efeitos do tratamento podem ser latentes ou incompletos e aparecer somente quando um teste ps-experimental for
aplicado. O ps-teste pode clarear alguns pontos.
2.7.2.8 Interao entre Histria e Tratamento
Os resultados podem ser unicamente devidos a eventos estranhos ao tratamento que ocorreram paralelamente
aplicao do mesmo.
2.7.2.9 Medidas da varivel dependente
A generalizao dos resultados depende da clara identificao das variveis dependentes e da seleo dos
instrumentos para medir estas variveis.
2.7.2.10 Interao entre o tempo de medida e o tratamento
37
Medidas da varivel dependente em dois instantes de tempo diferentes podem produzir resultados diferentes.
Certo efeito do tratamento observado imediatamente aps sua aplicao pode no ser observado algum tempo
depois, e vice-versa.
2.7.2.11 Interao entre a seleo e o tratamento
Se estivssemos conduzindo um experimento dentro de uma escola especfica, usando distribuio aleatria dos
sujeitos entre os grupos experimental e de controle, poderamos no nos preocupar muito com o efeito principal: a
prpria escola. Se, por outro lado, existissem caractersticas da escola que influenciassem o tratamento experimental
de modo que esse fosse mais ou menos efetivo do que o seria quando aplicado em outra populao alvo pertencente
a outra escola, isto poderia ser um problema srio para a generalizao dos resultados obtidos.
2.7.2.12 Interao entre a instrumentao e o tratamento
So aqueles efeitos associados influncia da instrumentao de medida sobre os resultados do tratamento. Por
exemplo, a anlise de uma entrevista clnica sabendo-se se o sujeito era do grupo experimental ou de controle.
2.7.2.13 Interaes estatsticas
Interaes estatsticas no so aquelas entre indivduos ou grupos, mas so aquelas entre variveis independentes.
Questes sobre a generalidade dos resultados podem ser vistas como questes sobre os efeitos de interao. Por
exemplo, a presena de interao entre o tratamento (isto , a varivel independente primria) e o que o
experimentador espera como resultado do tratamento evidncia de falta de possibilidade de generalizao do
estudo. Validade externa exige a ausncia de interaes entre a principal varivel independente do estudo e as
condies de pesquisa na varivel dependente.
Para uma interpretao mais fcil, grficos so muitas vezes traados para mostrar efeitos de interao. Neste tipo de
grfico, a varivel dependente traada no eixo vertical. Uma das variveis independentes (notas, por exemplo)
traada no eixo horizontal. Os escores mdios de ambos os grupos so ento traados, deste modo obtendo-se duas
linhas.
Linhas paralelas indicam uma diferena constante e falta de interao. Interaes so medidas em diferenas por
linhas no paralelas e no por se alguma diferena para mais ou para menos. Naturalmente, se linhas se cruzam
deve existir interao presente na amostra dos dados sendo graficados, mas cruzamento de linhas no requerido
para que haja interao, basta que sejam no-paralelas.
Raramente estamos interessados em um grupo particular de sujeitos: queremos generalizar nossos resultados para
populaes reais ou hipotticas. Testes de significncia de interaes do-nos uma estimativa da probabilidade de que
nossos resultados, tais como o no paralelismo das linhas em nossa amostra de dados, reflitam o resultado da
populao como um todo. Isto , a tradicional hiptese nula a de que no haja interao entre as populaes, e a
questo se a interao que obtivermos em nossa amostra pequena o suficiente para ser consistente com essa
hiptese nula. A anlise da varincia o teste mais comumente usado para verificar a significncia estatstica da
interao. (Ver o Captulo 6.)
Problema: Suponhamos que os escores mostrados na Tabela 2-1 para o ps-teste, fossem obtidos em um
experimento com estudantes das sexta a oitava sries. O mesmo tratamento foi aplicado aos grupos experimental nas
trs sries.
Tabela 2-1 Tabela de escores mdios em trs turmas do primeiro grau.
Srie Grupo Experimental Grupo de Controle
Sexta srie 67,7 29,1
Stima srie 48,0 24,9
Oitava srie 45,6 28,1
38
A questo a ser respondida : houve ou no interao estatstica? Sugesto: representar graficamente estes dados,
colocando as sries em um eixo e as mdias em outro. Linhas paralelas indicaro ausncia de interao estatstica e as
no-paralelas evidenciaro a existncia de interao estatstica.

Figura 2-3 Exemplo de grfico de interao estatstica.
2.8 Variveis
Condies que podem ser variadas de forma controlada ou selecionadas pelo investigador so chamadas de variveis
independentes. As medidas das respostas feitas durante o experimento constituem as variveis dependentes. Os
nveis de uma varivel referem-se s categorias da varivel. Sexo, por exemplo, tem dois nveis. O nmero de nveis de
uma varivel como idade pode ser arbitrariamente determinado e pode variar de dois (e.g., acima de 35 ou abaixo ou
igual a 35 anos) ao infinito (quando idade tratada como uma varivel contnua).
A palavra fator freqentemente usada como sinnimo da expresso varivel independente. Uma varivel
independente manipulada uma condio que est sob controle direto do experimentador. Variveis de tratamento
so, normalmente, variveis independentes manipuladas pelo pesquisador, cujos efeitos ele est querendo observar.
Uma varivel independente normativa aquela na qual o pesquisador no est livre para produzir a condio em si
mesma, embora ele seja livre para decidir quais nveis da varivel sero includos na investigao
18
. Sexo e idade so
exemplos de variveis deste tipo.
Medidas iniciais, obtidas antes do incio da investigao, que so usadas para formar grupos homogneos
(relativamente varivel dependente) so chamadas de variveis de agrupamento. Observaes suplementares s
observaes antes do tratamento relativamente a possveis diferenas so chamadas de observaes concomitantes
ou covariveis. Uma observao concomitante pode ser usada como uma alternativa ao agrupamento em
______________________
18
Este tipo de varivel tambm chamado de parmetro.
6,0 6,5 7,0 7,5 8,0
25
30
35
40
45
50
55
60
65
70
E
s
c
o
r
e
s
Srie
Grupo Experimental
Grupo de Controle
39
experimentos verdadeiros
19
ou, em alguns delineamentos quase-experimentais, ela pode ser usada como um
esforo para superar as deficincias do delineamento.
O tipo que uma varivel encarna dependente, freqentemente, no tanto da sua natureza particular mas, sim, do
seu uso em uma investigao. Quanto essa caracterstica, podemos classificar as variveis como:
- Variveis orgnicas - so aquelas caractersticas que no podem ser manipuladas pelo experimentador (por
exemplo, sexo, idade, raa, etc.).
- Variveis externas - so variveis no controladas que podem ter uma influncia significativa sobre a varivel
dependente. Embora seja impossvel eliminar-se todas as variveis externas, particularmente em situaes de
sala de aula, delineamentos verdadeiramente experimentais, como sero discutidos no prximo captulo,
podem neutralizar grandemente o efeito dessas variveis.
Outro tipo de caracterizao de variveis diz respeito natureza do processo de contagem da varivel. Podemos
definir quatro grupos de variveis, com respeito escala usada para medir as variveis:
1. Variveis nominais - estamos lidando com esse tipo de varivel quando apenas apontamos se a grandeza
medida pela varivel est presente ou no. Assim, por exemplo, a pessoa pode ser professor ou no.
Normalmente, atribui-se valor 1 se o atributo medido pela varivel est presente ou atribui-se o valor 0 se o
atributo no est presente. Ou seja, neste caso, professor (1) no professor (0). Esse tipo de varivel pode
pressupor ou no uma distribuio normal dos escores. Como outro exemplo, poderamos ter uma varivel a
qual se atribui 1 para peso acima ou igual a 90 Kg e 0 para peso inferior a 90 Kg. A distribuio de pesos
provavelmente seguiria a distribuio normal. Outro exemplo desse tipo de varivel o estados civil.
2. Variveis ordinais - so aquelas nas quais os dados apresentam algum tipo de ordenao. atribudo um
grau, conforme alguma escala, a cada sujeito medida que ele apresenta o atributo que est sendo medido.
Exemplo: um teste classificatrio em proficincia de uma lngua, onde os sujeitos so ordenados de acordo
com as notas obtidas no teste.
3. Variveis intervalares - este tipo de variveis se caracteriza por valores os quais esto distribudos em uma
escala com uma diferena constante entre dois valores consecutivos. Idade pode ser um exemplo deste tipo
de varivel, se contarmos apenas os anos efetivamente completados.
4. Variveis racionais - so aquelas onde a escala de medida composta por nmeros racionais e, alm disso,
existe um zero que define a ausncia da propriedade medida pela varivel. Por exemplo, notas em um teste
so variveis desse tipo se atribuirmos valores fracionrios s respostas
20
.
2.9 Controle de variveis
Variveis que no so de interesse direto do pesquisador podem ser removidas ou terem a sua influncia minimizada
por vrios mtodos:
1. Remoo de variveis - Algumas variveis podem ser eliminadas selecionando-se casos com caractersticas
uniformes (usando-se, por exemplo, apenas mulheres para eliminar-se a influncia da varivel sexo).
2. Pareamento de casos - Selecionando-se pares ou conjuntos de indivduos com caractersticas idnticas (ou
quase idnticas) e distribu-los aos grupos experimental e de controle. Entretanto, o pareamento no
______________________
19
Aqueles nos quais a amostragem aleatria (ver o Captulo 3).
20
Se, por outro lado, apenas considerarmos como certo (1 ponto) ou errado (0 pontos) ento teremos uma escala
intervalar.
40
considerado satisfatrio a menos que os sujeitos dos pares ou conjuntos sejam distribudos aleatoriamente
aos grupos experimental ou de controle. Uma limitao desse mtodo ocorre pela dificuldade em parear-se
sujeitos usando-se duas ou mais variveis.
3. Balanceamento de casos - Os sujeitos so distribudos aos grupos experimental e de controle de tal modo
que mdias e varincias dos grupos sejam semelhantes, tanto quanto possvel. Este mtodo tambm
apresenta uma dificuldade similar quela observada no pareamento de casos: a dificuldade de equacionar
grupos com base em mais do que uma varivel.
4. Anlise de covarincia - Este mtodo permite ao experimentador eliminar diferenas iniciais em vrias
variveis entre os grupos experimental e de controle por mtodos estatsticos. Usando escores de pr-testes
como co-variveis, este mtodo considerado prefervel ao convencional pareamento de grupos.
5. Aleatoriedade - A aleatoriedade pode ser obtida atravs da seleo ao acaso dos sujeitos, dentre aqueles da
populao que se quer estudar, que vo participar dos grupos de controle e experimental. A aleatoriedade
nos d um mtodo efetivo de eliminar erros sistemticos e de minimizar o efeito de variveis externas. O
princpio da aleatoriedade baseado na hiptese de que atravs da seleo aleatria quaisquer diferenas
entre os grupos sejam simplesmente devido amostragem ou ao acaso. Essas diferenas so conhecidas
como erros de amostragem ou erros de varincia e sua intensidade pode ser estimada pelo pesquisador. Em
um experimento, diferenas na varivel dependente que podem ser atribudas ao efeito da varivel
independente so conhecidas como varincia experimental. A significncia de um experimento pode ser
testada comparando-se a varincia experimental com o erro de varincia. Se ao trmino do experimento as
diferenas entre os grupos experimental e de controle so to grandes para serem atribudas ao erro de
varincia pode-se presumir que estas diferenas so atribuveis varincia experimental. A aleatoriedade o
mtodo mais efetivo de formarem-se grupos e controlarem-se variveis externas e deve ser usado sempre
que as circunstncias o permitirem
21
.
2.10 Tratamento de variveis em um delineamento de pesquisa
2.10.1 Modos especficos de tratamento de variveis
1. Delineamento constante (modo K) - a primeira maneira de controlar-se uma varivel mant-la constante em
todos os casos.
2. Delineamento de partio (modo X) - este caso similar ao anterior, s que agora mantemos o valor da
varivel em um valor conhecido e constante dentro de subconjuntos ou parties da nossa amostra. Os
valores da varivel mudam de uma partio para outra mas no dentro de cada partio.
3. Delineamento de propriedade de pareamento (modo M) - neste tipo de delineamento dividimos o conjunto
de sujeitos em subconjuntos de tal modo que o valor mdio da varivel seja igual em cada subconjunto. A
varivel pode variar internamente de sujeito para sujeito dentro de cada subconjunto mas o valor mdio em
todos os subconjuntos o mesmo.
4. Delineamento de partio observada (modo Y) - Aqui simplesmente faz-se o registro da varivel medida que
ela aparece.
2.10.2 Modos no especficos de tratamento de variveis
Alm dos quatro mtodos especficos de que falamos na seo anterior existem ainda dois outros modos, chamados
de no especficos, pelos quais o pesquisador pode lidar com todo o conjunto de variveis potencialmente relevantes.
______________________
21
Best, J. W., Research in Education. Englewood Cliffs, Prentice Hall, 2. ed., 1970
41
Estes modos no controlam ou manipulam qualquer varivel particular, nem envolvem observao ou medida de
qualquer varivel. So eles:
1. Aleatoriedade (modo R) - este modo j foi discutido em extenso em sees anteriores.
2. Modo vazio (Z) - este , em realidade, um no modo. Consiste em ignorar todas as variveis que no
participam especificamente do tratamento com base em duas hipteses:
- As variveis ignoradas no diferem significativamente entre os subconjuntos;
- Dentro dos subconjuntos as variveis ignoradas no diferem significativamente de sujeito para sujeito.
Obviamente essas duas hipteses so muito fortes e devem ser analisadas com extremo cuidado para cada caso.
Uma vez que existem variveis que no podem ser tratadas pelos modos especficos (K, X, M ou Y), e que manipul-las
pelo modo Z de fato no manipul-las, o uso do modo R sempre necessrio para um delineamento
verdadeiramente experimental
22
.
2.11 Delineamentos de pesquisa
Entendemos por delineamento de uma pesquisa ao conjunto composto pelo plano de trabalho do pesquisador, a
maneira como este seleciona as suas amostras e analisa os seus dados. Pode-se dizer que de nada valem a observao
cuidadosa e a anlise estatstica exaustiva e detalhada se isto for feito para um plano de pesquisa inadequado
situao em estudo. Convm lembrar o que j foi ressaltado neste texto: no uma boa estatstica que torna boa uma
pesquisa.
O assunto do delineamento experimental encontra-se muito bem desenvolvido e apresentado na obra de Campbell e
Stanley
23
, livro, alis, de leitura obrigatria para o pesquisador em Cincias Sociais envolvido com a anlise
experimental. O objetivo de apresentarmos um resumo da classificao de Campbell e Stanley aqui para que este
texto tenha completeza e o estudante tenha um primeiro contato com o tema dos delineamentos. Isso significa que
ele no exclui ou substitui a leitura do texto de Campbell e Stanley.
Seguiremos aqui a notao clssica de Campbell e Stanley no que se refere designao de observaes e
tratamentos. Designaremos pela letra O uma observao. Um subndice na letra O indica uma observao particular
de uma srie, no necessariamente em ordem cronolgica. O ndice funciona apenas como um rtulo para uma dada
observao. Assim, por exemplo, O
2
designa uma dada observao de uma srie, no necessariamente a segunda
observao da srie. Designaremos pela letra X a um tratamento. Ento, como exemplo, a seqncia abaixo:
O
1
X O
2

nos indica que fizemos uma observao (denotada por O
1
) em seguida aplicamos um tratamento X e ento fizemos
uma segunda observao (denotada por O
2
). Quando na frente de uma seqncia de observaes e tratamentos
estiver a letra A isto significa que as amostras foram selecionadas aleatoriamente. Cada seqncia que se encontra em
uma linha diz respeito a um mesmo grupo de sujeitos (a amostra), indicando uma linha de tempo. Assim a seqncia
abaixo:
A O
1
X O
2

A O
3
O
4

______________________
22
Campbell e Stanley, 1963, 1991.
23
Idem.
42
lida como: observamos um grupo de sujeitos uma vez (O
1
), submetemos ento o grupo de sujeitos a um
determinado tratamento X e ento observamos o mesmo grupo de sujeitos uma segunda vez (O
2
). Este grupo de
sujeitos chamado de grupo experimental
24
. A segunda linha do delineamento significa que observamos um segundo
grupo uma vez (O
3
) no aplicamos o tratamento e ento observamos o grupo de sujeitos uma segunda vez (O
4
). A esse
segundo grupo dado o nome de grupo de controle. A letra A nos indica que os dois grupos, de controle e
experimental, foram escolhidos aleatoriamente. Outra conveno adotada a de que quando duas letras se
encontram na mesma coluna significa que os eventos aconteceram simultaneamente no tempo. Assim, no nosso
exemplo, as observaes O
1
e O
3
aconteceram no mesmo instante de tempo
25
, assim como O
2
e O
4
..
Seguindo a classificao de Campbell e Stanley os delineamentos de pesquisa podem ser divididos segundo trs
classes:
- Delineamentos no-experimentais;
- Delineamentos experimentais;
- Delineamentos quase-experimentais.
Passaremos a seguir a discutir cada um dos delineamentos que compem cada grupo. Convm, no entanto,
discutirmos, antes dos delineamentos propriamente ditos, o que remete um determinado delineamento a cada um
dos grupos. Por experimental, que o adjetivo comum a todas as classes colocadas acima, entendemos condies
controladas de pesquisa. Ou seja, o pesquisador deve ser capaz de controlar ou de levar em conta de forma
apropriada todas as variveis pertinentes a um determinado estudo. Como visto anteriormente (ver o que foi dito
sobre a validade interna de experimentos, pgina 33), os fatores de validade de cada experimento podem ser
classificados como fatores de validade interna, os quais dizem respeito s variveis que se no controladas tornam
sem significncia quaisquer asseres de conhecimento sobre os resultados do experimento, ou fatores de validade
externa, os quais se no controlados invalidam a generalizao dos resultados do experimento para uma determinada
populao. Um determinado experimento somente verdadeiramente experimental se controlar a totalidade das
variveis que influenciam os fatores de validade, interna e/ou externa. Obviamente, quando se trata de pesquisa em
Cincias Sociais, nem sempre possvel controlar-se apropriadamente todas as variveis envolvidas em determinada
situao. Portanto, o estudo ser to mais prximo de um experimento verdadeiro quanto mais controle o
experimentador tiver sobre estas variveis. A linha bsica de raciocnio para classificar-se determinado delineamento
numa ou noutra categoria o quanto mais controle o delineamento oferece dos fatores de validade interna e externa.
Delineamentos que oferecem pouco ou nenhum controle das variveis pertinentes so chamados de Delineamentos
no-experimentais ou pr-experimentais. Por outro lado, delineamentos que oferecem alto grau de controle so
chamados de Delineamentos experimentais. Por fim, delineamentos que oferecem grau de controle em nvel mdio,
porm sem oferecerem controle nos nveis da categoria anterior, so chamados de Delineamentos quase-
experimentais.
Na ptica quantitativa, o pesquisador deve sempre procurar um delineamento experimental para o seu trabalho. Na
impossibilidade de um tratamento deste tipo aceitvel um delineamento quase-experimental. Um tratamento no-
experimental nunca aceitvel.
2.11.1 Delineamentos no-experimentais ou pr-experimentais
Apesar de mais de quarenta anos terem se passado desde a publicao do trabalho original de Campbell e Stanley,
ainda hoje vemos trabalhos publicados seguindo delineamentos no experimentais ou pr-experimentais.
______________________
24
De fato essa denominao arbitrria uma vez que um no tratamento tambm um tratamento.
25
Claro que esta afirmao deve ser entendida como aproximadamente no mesmo instante de tempo, podendo haver
certo intervalo de tempo entre as observaes.
43
Dentro da classificao de Campbell e Stanley os delineamentos no experimentais ou pr-experimentais so de
trs tipos.
Delineamento de tipo 1 - Neste delineamento observado apenas um grupo sob a ao do tratamento X. Esse
delineamento esquematizado como:
X O
1
.

Nesse delineamento, o grupo que experimentou o tratamento X ,e apenas ele, observado apenas uma vez.
As desvantagens desse delineamento so evidentes. Talvez a maior delas seja o fato de que no temos controle algum
sobre as variveis externas que atuam concomitantemente com X. Variveis tais como histria, maturao, interao
do experimentador com o tratamento, etc. no so de forma alguma controladas. No h razo plausvel para a
utilizao desse delineamento, devendo-se evit-lo a todo o custo. Um exemplo desse tipo de delineamento aquela
situao na qual o professor aplica um novo mtodo de ensino e ento uma prova. Nenhuma conseqncia que se tire
do resultado da prova vlida devido s deficincias desse delineamento. Por exemplo, ser que o resultado da prova
derivado do mtodo de ensino ou simplesmente o resultado da maturao (tornar-se mais velho) dos alunos
durante o perodo de aplicao do tratamento?
Delineamento de tipo 2 - Um delineamento muito usado na pesquisa em ensino, mas que na verdade um
delineamento pr-experimental, o seguinte:
O
1
X O
2
.
Nesse delineamento, aplica-se um pr-teste O
1
a um grupo, submete-se o grupo a um tratamento X e aplica-se, ento,
um ps-teste O
2
. O
1
e O
2
significam que o mesmo grupo observado antes e depois do tratamento que pode ser, por
exemplo, um novo mtodo de ensino ou um recurso didtico alternativo. Diferenas entre O
1
e O
2
(que podem ser
simples testes de conhecimento) evidenciariam a eficcia ou ineficcia do tratamento X. O problema com esse
delineamento que no controla outras variveis, alm de X, que poderiam explicar as diferenas entre O
1
e O
2
. Por
exemplo, os alunos poderiam ter melhores resultados no ps-teste porque algum evento ocorreu entre a aplicao do
pr-teste e do ps-teste (varivel histria) e no porque o tratamento X tenha sido eficiente.
Delineamento de tipo 3 - Devemos ter cuidado em no confundir este delineamento com um dos delineamentos
experimentais que vo ser descritos mais adiante. Nesse delineamento, temos dois grupos, experimental e de
controle, mas a seleo dos sujeitos que pertencem aos dois grupos no aleatria. Dessa forma esse delineamento
no controla a varivel seleo. Esse delineamento tem a forma:
X O
1

O
2

A ausncia da letra A significa que no houve aleatoriedade no processo de seleo. Nesse tipo de delineamento no
temos evidncia alguma da equivalncia entre os dois grupos antes do incio do experimento. Um exemplo desse tipo
de delineamento ocorre quando selecionamos dois grupos de sujeitos de determinada escola, para pertencerem aos
grupos experimental e de controle, pelo simples fato de pertencerem mesma turma. Se as turmas forem formadas
por alunos que no ano anterior foram bons alunos em Matemtica ou maus alunos nesta disciplina ento a varivel
seleo com certeza influenciar qualquer tratamento alternativo sobre o ensino de Matemtica que aplicarmos a um
ou outro grupo.
2.11.2 Delineamentos experimentais
Os delineamentos experimentais so aqueles nos quais conseguimos controlar a maior parte, seno todas, as fontes
de invalidade interna e externa. Seguindo a tradio de Campbell e Stanley, estes delineamentos podem ser
classificados em trs categorias.
44
Delineamento de tipo 4 - Um delineamento experimental muito usado o seguinte:
A O
1
X O
2

A O
3
O
4

Neste delineamento trabalha-se com dois grupos e os sujeitos da pesquisa so designados aleatoriamente a um deles
(este o significado de A). Os grupos so observados antes da aplicao do tratamento X, aplicando-se um pr-teste a
ambos (O
1
= O
3
), por exemplo. Um dos grupos (grupo experimental) ento submetido ao tratamento X, enquanto o
outro grupo (grupo de controle) no recebe o tratamento. Aps, observa-se os grupos, aplicando-se, por exemplo, um
ps-teste (O
2
= O
4
) a ambos. Na prtica, os pr e ps-teste podem ser iguais.
Um erro comum no uso de delineamentos desse tipo analisar-se o resultado para determinao da eficcia do
tratamento do seguinte modo: tomam-se as diferenas entre os resultados do pr e ps-teste em ambos os grupos
(O
2
- O
1
e O
4
- O
3
), aplicando-se a seguir um teste estatstico. Se a diferena entre as mdias do grupo experimental
antes e depois da aplicao do tratamento X for significativa e a diferena entre as mdias do grupo de controle no
for significativa, toma-se ento o tratamento como eficaz. Esta uma forma errada de analisar-se a eficcia do
tratamento e no fornece evidncia alguma sobre o efeito do tratamento X. A forma correta de proceder-se
comparar-se o resultado final (as mdias finais em um teste de conhecimento, por exemplo) entre os grupos
experimental e de controle entre si.
Este delineamento controla variveis na medida em que elas influenciaro igualmente ambos os grupos, exceto X,
obviamente, e, portanto, os efeitos dessas variveis no pesaro na comparao das diferenas O
1
O
3
e O
2
O
4
.
Alm disso, a aleatoriedade da designao dos sujeitos a um dos grupos, embora no garanta equivalncia entre os
grupos em 100 %, reduz ao mnimo a probabilidade de que sejam diferentes. Segundo Kerlinger (1980, p. 102):
Casualizao a designao de objetos (sujeitos, tratamentos, grupos) de um universo a
subconjuntos do universo de tal maneira que, para qualquer designao dada a um
subconjunto, todo membro do universo tem igual probabilidade de ser escolhido para a
designao. No h total garantia de que a casualizao igualar os grupos, mas a
probabilidade de igualar relativamente alta. H outra forma de expressar essa idia: [...]
j que em procedimentos aleatrios todo membro de uma populao tem igual
probabilidade de ser escolhido, membros com certas caractersticas distintas homem ou
mulher, alto ou baixo grau de inteligncia, dogmtico ou no dogmtico, e assim por
diante se selecionados, provavelmente sero contrabalanados a longo prazo pela
seleo de outros membros da populao com a quantidade ou qualidade opostas da
caracterstica.
Delineamento tipo 5
26
- A aleatoriedade da designao de sujeitos aos grupos de controle e experimental , portanto,
a mais adequada segurana de que no existam diferenas ou vieses iniciais entre os grupos. Nesse caso, o pr-teste
no condio essencial para que um delineamento seja verdadeiramente experimental. Assim, o delineamento
anteriormente apresentado poderia ser simplesmente:

A X O
1

A O
2

De fato, esse delineamento no s pode ser usado ao invs do anterior como tambm mais adequado pois elimina
qualquer influncia do pr-teste no experimento. Entretanto, talvez por razes psicolgicas, muitos pesquisadores
______________________
26
Aqui estamos fazendo uma inverso entre a denominao dada por Campbell e Stanley aos delineamentos 5 e 6.
Para Campbell e Stanley, o que estamos chamando de delineamento 5 o delineamento 6 e vice-versa.
45
no abrem mo de saber com certeza se os grupos experimental e de controle eram iguais no incio do
experimento, de modo que o quarto exemplo de delineamento aqui apresentado provavelmente mais usado que o
quinto, embora menos apropriado logicamente.
Delineamento tipo 6 (Delineamento de quatro grupos de Solomon) - Este delineamento a soma das vantagens dos
delineamentos quatro e cinco. Seu esquema :
A O
1
X O
2

A O
3
O
4

A X O
5

A O
6

Este tipo de delineamento controla variveis como interao do pr-teste com o tratamento, maturao e histria. A
desvantagem desse tipo de delineamento a dificuldade em obter-se tantos grupos para participar da pesquisa.
2.11.3 Delineamentos quase-experimentais
Um terceiro grupo de delineamentos identificado por Campbell e Stanley o dos delineamentos quase-experimentais,
ou seja, aqueles nos quais falta ao pesquisador o pleno controle da aplicao dos estmulos experimentais - quando e
quem expor e a capacidade de casualizar exposies (op. cit. p. 61). Todos os delineamentos pertencentes a esse
grupo carecem do rigor e controle existentes nos delineamentos pertencentes ao grupo dos delineamentos
experimentais, mas podem ser usados quando a situao no permitir o uso de delineamentos verdadeiramente
experimentais.
Delineamento tipo 7 (Srie temporal) - O delineamento srie temporal exemplifica essa situao:
O
1
O
2
O
3
O
4
X O
5
O
6
O
7
O
8

Neste delineamento, os sujeitos so observados vrias vezes antes de aplicar o tratamento X e vrias vezes aps a
aplicao. Supondo-se que antes do tratamento as observaes fossem quase que homogneas, sem variaes,
apresentando um padro bem definido e que houvesse uma modificao, para mais ou para menos, no nvel dos
escores das observaes feitas aps o tratamento e que, a partir da, houvesse nova estabilizao nos escores das
observaes, com a apresentao de um outro padro, esse salto quantitativo na srie temporal seria tomado como
evidncia do efeito X.
Observe-se que esse delineamento semelhante ao primeiro apresentado como exemplo, porm implica em muito
mais observaes, o que minimiza, embora no exclua, as deficincias do primeiro. Note-se tambm que implica na
existncia de um s grupo, o que, na prtica, uma vantagem, pois muitas vezes difcil obter-se dois grupos de
sujeitos.
Um exemplo simples de aplicao desse delineamento seria aquele em que o professor observa cuidadosamente seus
alunos durante algumas semanas do curso, fazendo vrias medies (que podem ser testes de aproveitamento ou de
atitude) antes de fazer uso de uma nova estratgia de ensino. Da mesma forma, aps o uso da estratgia, volta a
observar seus alunos, durante algum tempo, fazendo novos registros. Diferenas, qualitativas ou quantitativas, no
desempenho dos alunos aps o uso da estratgia, e que se mantm ao longo do tempo, podem ser tomadas como
evidncia do efeito da estratgia sobre a aprendizagem cognitiva ou afetiva dos alunos.
A Figura 2-4 traz um esquema para esse tipo de delineamento.
46
Figura 2-4 Esquema para o delineamento Srie Temporal.
Delineamento de tipo 8 (Amostras temporais equivalentes) - Este delineamento , de fato, uma variao do
delineamento anterior. Neste delineamento introduzimos a varivel experimental (o tratamento X) alternadamente e
observamos o grupo. O seu esquema o seguinte:
O
1
X O
2
X
0
O
3
X O
4
X
0
O
5
X O
6
X
0
O
7
X O
8

Figura 2-5 Esquema para o delineamento Amostras temporais equivalentes.
Como se pode ver nesse delineamento o mesmo grupo de sujeitos observado alternadamente na presena do
tratamento e sem a presena do tratamento (aqui simbolizada pelo smbolo X
0
). A anlise feita a partir da
comparao dos valores mdios do grupo com e sem tratamento experimental. Nesse ponto esse delineamento se
assemelha a um delineamento com dois grupos. A Figura 2-5 mostra um esquema para esse delineamento, mostrando
uma situao em que o tratamento X foi efetivo na modificao do comportamento do grupo observado.
Delineamento de tipo 9 (Grupo de controle no-equivalente) - Este delineamento tem a seguinte estrutura:
O
1
X O
2

O
3
O
4

Tempo
V
a
l
o
r

d
o

e
s
c
o
r
e

o
b
t
i
d
o

n
a

o
b
s
e
r
v
a
o

Momento de aplicao do
Tratamento X
Valor da varivel
antes da aplicao
do tratamento
Valor da varivel
aps a aplicao do
tratamento
Tempo
V
a
l
o
r

d
o

e
s
c
o
r
e

o
b
t
i
d
o

n
a

o
b
s
e
r
v
a
o

Momentos de aplicao do Tratamento X
Valor da varivel
antes da aplicao
do tratamento
Valor da varivel
aps a aplicao do
tratamento
47
Neste caso o grupo de controle e o grupo experimental no possuem equivalncia amostral pois no foi usada a
aleatoriedade na escolha das amostras. Neste tipo de delineamento, os grupos constituem coletivos reunidos
naturalmente, tais como classes escolares j compostas previamente ao do pesquisador. O controle do
pesquisador reside unicamente na deciso sobre qual dos grupos vai receber o tratamento e quando.
Seguramente, neste tipo de delineamento haver problemas srios derivados do fator seleo e de sua interao com
outros fatores importantes tais como histria, maturao, etc..
Delineamento de tipo 10 (Delineamento contrabalanado) - Neste tipo de delineamento feita uma tentativa de
levar-se em conta todos os sujeitos e todas as situaes. O seu esquema geral o que segue:
Tempo 1 Tempo 2 Tempo 3 Tempo 4
Grupo A X
1
O X
2
O X
3
O X
4
O
Grupo B X
2
O X
4
O X
1
O X
3
O
Grupo C X
3
O X
1
O X
4
O X
2
O
Grupo D X
4
O X
3
O X
2
O X
1
O
Como se pode ver dessa tabela, tenta-se submeter todos os grupos a todos os tratamentos, em diferentes instantes
de tempo. Cada tratamento ocorre uma nica vez em cada coluna e linha.
Delineamento de tipo 11 (Pr-teste e Ps-teste de amostras distintas) - Neste tipo de delineamento cabe ao
pesquisador apenas escolher o quando e a quem as observaes devem ser feitas. O seu esquema o seguinte:
A O (X)
A X O
Aqui escolhe-se aleatoriamente os dois grupos, no os sujeitos. Em um primeiro momento observamos um dos grupos
e podemos aplicar ou no o tratamento a esse grupo (isso est indicado pelo parnteses no esquema do
delineamento). Feito isso, aplicamos o tratamento a outro grupo e observamos. Vrias so as deficincias desse
delineamento. Uma delas o controle da histria, outra a maturao dos sujeitos decorrentes do fato de que no
observamos o mesmo grupo duas vezes.
Delineamento de tipo 12 (Grupo de controle com pr-teste e ps-teste de amostras distintas) - Este delineamento,
no fundo, o delineamento 11, mas acrescentado de um grupo de controle. Seu esquema :

A O (X)
A X O
A O
A O
Tal delineamento combina as vantagens e virtudes dos delineamentos anteriores no que tange ao controle das
variveis internas e externas.
Delineamento de tipo 13 (Sries temporais mltiplas) - Este delineamento tenta sanar algumas dificuldades do
delineamento de sries temporais e consiste na introduo de um grupo de controle. Seu esquema geral :
O O O O X O O O O
O O O O O O O O O
A introduo do grupo de controle no delineamento seguramente melhora o delineamento anterior, pois nos permite
controlar variveis tais como maturao, histria, etc.. No entanto, variveis tais como seleo, e suas interaes com
outras variveis permanecem sem controle.
48
Delineamento de tipo 14 (Delineamento de ciclo institucional peridico) - A caracterstica bsica deste
delineamento a de explorar as caractersticas do contexto em que a investigao realizada. Este delineamento
apropriado a situaes onde um tratamento cclico est sendo aplicado a um grupo novo de respondentes. Seu
esquema geral :
X O
1

O
2
X O
3

Tambm neste, o nico controle do experimentador sobre o quando e a quem aplicar o tratamento.
2.12 Consideraes finais
Neste captulo foi dada nfase bastante grande ao delineamento porque esta uma questo crucial na realizao de
uma pesquisa quantitativa em ensino. Assim como o pesquisador deve formular uma questo de pesquisa clara,
orientadora e relevante, ele deve tambm investig-la usando um delineamento adequado.
Um mau delineamento pode invalidar as asseres de conhecimento (resultados) e de valor de uma pesquisa, jogando
por terra todo o trabalho realizado, seja por no controlar as fontes de invalidade interna seja por no controlar as
fontes de invalidade externas.
Sempre que possvel um dos delineamentos experimentais deve ser utilizado. No entanto, no trabalho de pesquisa
educacional muitas vezes nos deparamos com situaes onde estes delineamentos no so possveis, como por
exemplo quando lidamos com turmas j compostas por algum critrio, ou somente podemos trabalhar com um
subconjunto de escolas do conjunto total com o qual desejaramos trabalhar. O que fazer ento? A nosso ver a
alternativa o uso de um dos delineamentos quase-experimentais aqui expostos (e discutidos em muito maior
extenso em Campbell e Stanley, 1963, 1991) tendo em mente as deficincias que estes delineamentos oferecem. A
pesquisa no deve deixar de ser feita se a situao no permitir o uso de um delineamento puramente experimental,
mas o pesquisador deve deixar claro para si e para os demais pesquisadores a limitao de escopo, no que tange
validade, de seus resultados bem como quais so os pontos onde novos trabalhos devem ser realizados de modo a
estudar a interferncia de fatores os quais no puderam ser controlados naquele experimento especfico. Devemos
lembrar que no uma nica pesquisa que constri o corpo de conhecimentos de uma rea mas, sim, um conjunto
delas.

49
Captulo 3. Construo de instrumentos de medida para pesquisa
em ensino

50
3.1 Introduo
A despeito de uma questo bsica a ser respondida e de um bom delineamento experimental, o calcanhar de Aquiles
de qualquer projeto de pesquisa est na obteno dos dados. Todas as asseres de conhecimento e de valor
derivadas dos domnios metodolgico e conceitual do ato de realizar uma pesquisa repousam na correta construo e
validao dos instrumentos que fornecero os dados que passaro pelo processo de anlise. Estatstica sofisticada de
nada adianta se aplicada sobre dados de confiabilidade duvidosa.
O objetivo deste captulo o de discutir os procedimentos corretos para a construo e anlise de alguns
instrumentos de medida dos mais utilizados na pesquisa em Ensino tais como: questionrios, opinrios, testes
objetivos e entrevistas.
3.2 Questionrios
Os questionrios so, sem dvida, um dos instrumentos mais utilizados na rea de pesquisa em Ensino e em Cincias
Sociais de uma forma geral.
Podemos classificar os questionrios em dois grupos. O primeiro, chamado de questionrio restrito ou de forma
fechada, formado por aqueles questionrios que pedem respostas curtas, do tipo sim ou no, ou do tipo de marcar
itens de uma lista de respostas sugeridas, etc. Ao segundo grupo, chamado de aberto, pertencem aqueles
questionrios que pedem aos respondentes que usem suas prprias palavras (oralmente ou por escrito) para
responderem aos itens do questionrio.
A seguir listaremos algumas caractersticas que devem ser apresentadas para que um questionrio possa ser
considerado bom
27
:
1. Definir ou qualificar os termos que poderiam facilmente ser mal interpretados. Por exemplo, seja a seguinte
questo de um questionrio hipottico: Qual o valor de sua casa? No fica claro para o respondente se o
pesquisador quer saber o valor financeiro (quantos reais vale a casa) ou afetivo (o quanto o dono gosta dela).
2. Ser cuidadoso ao usar adjetivos descritivos e advrbios que no tm um significado preciso. So exemplos
desse tipo de palavras: freqentemente, ocasionalmente, raramente; estas palavras no tm o mesmo
significado para pessoas diferentes.
3. Tomar cuidado com as negaes duplas. Realce as negativas para fins de clareza, usando recursos grficos
como o sublinhado, negrito ou um tipo de letra diferente. Por exemplo:
Voc no se ope a que os alunos tomem banho aps as aulas de ginstica?
4. Ser cuidadoso com as alternativas inadequadas. Por exemplo, o seguinte item de um questionrio seria um
mau item:
Casado? ( ) Sim ( )No
Este um mau item pois a pessoa poderia ser divorciada ou viver com outra pessoa sem ser legalmente
casado. Este tipo de informao no seria contemplada pelo item.
5. Evitar questionar mais do que um assunto por item. Nessa situao, pode acontecer da pessoa concordar (ou
discordar) de uma parte da questo enquanto tem uma opinio contrria a outra parte. Por exemplo,
considere a seguinte pergunta:
______________________
27
Best, J. W. Research in Education. Englewood Cliffs: Prentice Hall, 1970.
51
Voc pensa que o Banco Central de um pas deva ser independente e que deva fiscalizar o sistema
financeiro?
( ) Sim
( ) No
O respondente poderia concordar com a independncia do Banco Central, porm poderia achar que o papel
de fiscalizador do Sistema Financeiro deveria ser exercido pela Receita Federal. Nesse caso no haveria
resposta possvel.
6. Sublinhar ou ressaltar com letra de tipo diferente aquelas palavras para as quais se deseja chamar a ateno.
Por exemplo:
As escolas pblicas deveriam oferecer cursos de Espanhol em virtude do Mercosul?
7. Quando a pergunta do questionrio envolve classificao ou comparao, necessrio o fornecimento de um
ponto de referncia. Assim, uma pergunta, tipo a listada abaixo, sem sentido pois o respondente fica sem
saber em relao a que as atribuies de superior, mdio ou inferior dizem respeito.
Como voc classificaria o ensino ministrado pelo professor em sala de aula:
Superior ( )
Mdio ( )
Inferior ( )
8. Evitar hipteses sem base. Por exemplo, a questo abaixo:
Voc achou correto o aumento de salrio recebido?
Neste caso um no poderia significar que o sujeito achou insuficiente o aumento recebido (que no fundo a
hiptese com a qual o pesquisador trabalha inconscientemente) ou poderia significar que o sujeito achou o
aumento maior do que o devido. Ou seja, um no nesse caso seria inconclusivo.
9. Redigir as questes em uma forma na qual sejam apropriadas a todos os respondentes. Uma questo como a
seguinte:
Qual o seu salrio mensal?
Seria sem significado se no universo pesquisado existissem pessoas que recebessem por tarefa executada.
10. Projetar questes as quais forneam respostas completas e conclusivas. Uma questo do tipo:
Voc leu o livro Mulher de Trinta Anos?
De nada adianta se estamos querendo estudar os hbitos de leitura dos respondentes.
11. Fornecer um sistema de classificao ao respondente. Um exemplo seria uma questo do tipo:
Quais so os seus programas de televiso favoritos? Ordene-os em ordem de preferncia, comeando
pelo que mais prefere primeiro, em ordem decrescente.
12. Classificar as respostas segundo categorias pr-estabelecidas e no por categorias definidas pelos
respondentes.
52
Alm dessas caractersticas, que dizem respeito forma de construo dos itens do questionrio, existem outras
caractersticas gerais do questionrio que devem ser observadas:
1. Um bom questionrio lida com tpicos significativos para o respondente de modo que este se disponha a
gastar seu tempo e esforo para respond-lo. Se a importncia do tema do questionrio no for evidente por
si mesma, uma carta ou observao no prprio questionrio deve ser providenciada.
2. No h sentido em solicitarem-se informaes no questionrio que poderiam ser obtidas de outras fontes.
Por exemplo, em um questionrio aplicado a um grupo de professores de certa escola, dados de
identificao, tais como endereo e formao profissional, podem ser obtidos a partir das fichas funcionais
dos professores junto secretaria da escola onde estamos aplicando a pesquisa.
3. O questionrio deve ser to curto quanto possvel. Questionrios longos tm por destino mais provvel a lata
de lixo do que voltarem mesa do pesquisador.
4. O questionrio deve ter uma aparncia agradvel, limpa e com redao cuidadosa.
5. As instrues devem ser claras e completas, termos importantes devem ser definidos, cada questo deve
lidar com uma nica idia, todas as questes devem ser escritas de forma simples e to claras quanto possvel
e as categorias apresentadas devem ser do tipo que tornem as respostas fceis e no gerem ambigidades.
6. As questes devem ser objetivas, sem termos, ou redao, que indiquem o desejo por algum tipo de
resposta.
7. As questes devem ser apresentadas em uma forma organizada logicamente, com as mais gerais sendo
apresentadas primeiro e a seguir aquelas mais especficas. Esta ordem ajuda os respondentes a organizarem
o seu prprio pensamento, tornando suas respostas lgicas e objetivas.
8. Procurar apresentar as questes em uma forma agradvel ao respondente, criando um clima favorvel. Evitar
perguntas que possam levantar rejeio ou criar situaes de embarao aos respondentes.
9. Organizar o questionrio de forma que a tabulao seja fcil e a interpretao direta. aconselhvel construir
uma tabela previamente, antecipando como os dados sero tabulados e interpretados, antes que a forma
final do questionrio seja estabelecida. Esta etapa importante para evitar ambigidades no formato final do
questionrio.
3.3 Opinirio ou escala de atitudes
Os questionrios que tm por objetivo medir as atitudes ou crenas de um indivduo so conhecidos como opinirios
ou escalas de atitudes. Neste tipo de situao o pesquisador est interessado nas crenas, sentimentos, opinies e
atitudes dos respondentes a partir de afirmaes dos mesmos. A idia geral por trs de um teste deste tipo a de
obter-se um quadro das crenas dos sujeitos a partir de afirmaes com as quais concordam ou no.
A primeira etapa da construo desse instrumento coletar um conjunto de afirmaes sobre o objeto da pesquisa. A
correo das afirmaes no fundamental, o que importa que elas expressem possveis opinies partilhadas pelas
pessoas que respondero ao opinirio. O principal que as afirmaes expressem opinies afirmativas sobre o
contedo, favorveis ou desfavorveis a determinado ponto de vista, evitando-se formas negativas construdas com o
uso da palavra no. O nmero de questes favorveis deve ser aproximadamente o mesmo das questes
desfavorveis.
Aps essa etapa, uma forma preliminar do opinirio deve ser aplicada de forma a analisar-se os coeficientes de
correlao item-escore total (ver o prximo captulo). Itens com uma baixa correlao com o escore total do
instrumento devem ser descartados.
53
importante que, na construo do opinirio, se distribuam aleatoriamente as questes favorveis e as
desfavorveis de maneira que opinies do pesquisador no influenciem a seqncia das questes e esta ltima
influencie as respostas.
Para fins de anlise, comparam-se os pares de afirmaes favorveis e afirmaes desfavorveis. Para cada sujeito,
somente sero mantidas na anlise os pares de afirmaes para os quais haja coerncia nas respostas. Por coerncia
entendemos que se o respondente assinalou que concorda ou concorda fortemente com uma das afirmaes ento
deve marcar que discorda ou discorda fortemente da outra afirmao do par, a qual faz a afirmao oposta. Para esses
itens os sujeitos no possuem opinio coerente. Para fins de construo do escore, mantm-se apenas uma das
afirmaes do par.
H vrias formas de analisar-se este tipo de teste. A mais simples delas indicar o percentual de respostas para cada
afirmao individual. tambm possvel combinar as categorias para indicar as percentagens.
Uma forma mais elaborada de analisar-se um opinirio a chamada escala Likert. Por essa forma, atribudo um valor
a cada uma das categorias de respostas, podendo-se construir desse modo um escore total para o teste de cada
respondente sendo possvel, embora no necessria, uma discusso item a item. Assim, como exemplo, consideremos
um teste onde as categorias de respostas so definidas como: concordo fortemente, concordo, sem opinio, discordo,
discordo fortemente. Neste caso poderamos atribuir valores numricos como 5, 4, 3, 2, 1
28
, respectivamente.
Com exemplo, consideremos um opinirio composto por 30 pares de afirmativas e contra-afirmativas. Se, para um
dado respondente, todas as respostas forem consideradas coerentes, e mantivermos para anlise apenas as
afirmativas que so favorveis ao tema, os seguintes escores seriam interpretados como
29
:
- 30 x 5 = 150 - Atitude mais favorvel possvel.
- 30 x 3 = 90 - Atitude neutra (sem opinio).
- 30 x 1 = 30 - Atitude mais desfavorvel.
Se N sujeitos responderem ao opinirio os escores mdios para cada questo indicariam a posio do grupo em
relao ao tema abordado em cada afirmao.
3.4 Testes objetivos
Seguramente na rea de ensino, na qual se procura aferir ganhos de conhecimento decorrentes da manipulao de
condies externas ao aprendiz, os testes objetivos so ainda a ferramenta mais utilizada na aferio do que foi
aprendido. Mesmo em situaes do cotidiano, sem um contexto de pesquisa propriamente dito, como a situao
comum de sala de aula, os testes objetivos so a ferramenta mais utilizada para avaliar-se o grau de aprendizagem dos
alunos.
3.4.1 Construindo o teste
A construo de um teste objetivo compreende vrias etapas. Vamos a seguir dar uma descrio detalhada destas
etapas (Hudson e Hudson) 1983; Aubrecht e Aubrecht 1981), comeando por algumas consideraes de carter geral
a respeito das caractersticas e dos parmetros que devem ser levados em conta para a construo de um bom teste.
______________________
28
Estes valores so totalmente arbitrrios. O que realmente importa haver uma pontuao diferente e ordenada
para cada escolha.
29
O leitor deve lembrar que mantemos, para fins de anlise, apenas uma das questes de cada par de afirmaes.
54
1. Considerar o comprimento do teste: considerar as habilidades exigidas para que os respondentes
consigam sucesso no teste. Selecionar o nmero de questes e a rea do contedo a ser coberta pelo teste
de acordo com isto.
2. Considerar o nmero de testes no perodo da pesquisa: no h uma receita de quantos testes podem ou
devem ser aplicados, entretanto resultados de pesquisa mostram que quanto maior o nmero de testes
aplicados maior ser correlao entre os resultados obtidos nos testes objetivos e os resultados obtidos em
testes dissertativos (Hudson e Hudson, 1981). Um bom nmero seria algo em torno de quatro testes por
semestre.
3. Considerar o nvel de dificuldade: cada questo do teste deve ser classificada, por quem constri o teste, de
acordo com o nvel de dificuldade que apresenta. Uma descrio completa e refinada do sistema de
classificao das habilidades, a nvel cognitivo, que podem ser exigidas dos respondentes pode ser
encontrada em Bloom (Bloom 1977). Para nossos propsitos, no entanto, apenas classificaremos as questes
de acordo com as caractersticas gerais de cada nvel:
- Questes de nvel 1: so aquelas que exigem apenas memria. So questes a respeito do conhecimento
que o sujeito possui de fatos e/ou acontecimentos, de carter geral ou particular.
- Questes de nvel 2: este tipo de questo envolve a avaliao do nvel de compreenso que o sujeito
possui dos contedos desenvolvidos.
- Questes de nvel 3: envolvem a avaliao da capacidade de aplicao de certo conhecimento a uma dada
situao.
- Questes de nvel 4: neste tipo de questo o que se quer avaliar a capacidade de anlise de que o
sujeito possuidor.
- Questes de nvel 5: so itens que avaliam a capacidade de sntese dos sujeitos.
- Questes de nvel 6: nestas os sujeitos so solicitados a avaliar uma dada situao.
4. Ordem das questes: aconselhvel que o teste comece por questes de baixo nvel de dificuldade e v em
um crescendo at as questes de nvel mais elevado. Construindo o teste dessa forma a autoconfiana dos
respondentes reforada. Uma estimativa que pode ser feita quanto ao tempo necessrio resoluo de
uma questo pode ser calculada nas seguintes bases: uma questo de nvel 1 leva aproximadamente dois
minutos para ser respondida e uma de nvel 6 algo em torno de oito minutos.
5. Providenciar as frmulas: com esse procedimento a memorizao pura e simples desencorajada.
6. Uso de smbolos: o uso de smbolos tais como u, t, c, etc. e possveis respostas envolvendo \, arcos, etc.,
exigiro algo mais que a simples manipulao de nmeros para obter a resposta correta.
7. Escolher de forma no aleatria as respostas corretas: evite a possibilidade de que a manipulao aleatria
de nmeros possa levar resposta correta.
8. Evitar o uso de fatores 1 e 2: a multiplicao ou diviso por 1 leva ao mesmo resultado. Com o fator 2 a
mesma resposta pode ser obtida pela soma ou multiplicao pelo fator.
9. Nmero de respostas por questo: aqui h um compromisso entre a escolha mnima (teste tipo verdadeiro
ou falso) e um nmero to grande de escolhas que fique impraticvel responder ao teste. Um nmero
razovel cinco escolhas por questo.
10. Nmero de respostas corretas por questo: evitar mais que uma resposta correta por questo.
55
Estabelecidas estas garantias gerais a respeito do teste podemos nos preocupar com a sua construo
propriamente dita. Um teste sempre construdo com o intuito de medir algo. Ento, a primeira coisa que o
construtor do teste deve ter presente para si o que est querendo medir. Para tornar clara esta questo, sugerida
a construo de um mapa de contedos, que nada mais do que uma matriz onde so tabulados em uma dimenso
os nveis das questes e na outra os contedos. importante salientar que os percentuais de cada tipo de questo, ou
seja, quantas questes sobre determinado contedo e os percentuais dos nveis de dificuldade que comporo o teste
devem ser definidos a priori da construo do teste. Um exemplo de matriz desse tipo pode ser encontrado na Tabela
3-1.
Tabela 3-1 - Um exemplo de matriz de contedos para um teste composto por 10 questes.
Nvel
Contedo|
Conhecimento Compreenso Aplicao Anlise Sntese Avaliao
Mecnica 1 1 1
Termodinmica 1 1 1 1
Eletromagnetismo 1 1 1
A vantagem de construir-se um mapeamento desse tipo que temos certeza de que todo o contedo ser coberto e o
nvel de profundidade que iremos ter na avaliao de cada tpico. Obviamente que a determinao do percentual e
do nvel com os quais determinado contedo aparecer no teste depende da importncia desse contedo no
programa de pesquisa (ou do curso, para testes comuns de sala de aula).
Quanto construo de questes, alguns cuidados devem ser tomados:
1. Expressar o item to clara e precisamente quanto possvel;
2. Usar palavras simples e frases curtas e objetivas;
3. Incluir todos os avisos e advertncias necessrios;
4. Evitar incertezas e dificuldades irrelevantes;
5. Evitar indicaes de qual seja a resposta certa;
6. Assegurar-se de que a resposta aquela compartilhada por especialistas;
7. Assegurar-se de que a resposta no bvia para algum que no domine o contedo sob testagem;
8. Os contedos abordados pelo teste devem ser importantes e no triviais;
9. Para questes do tipo verdadeiro-falso os enunciados devem ser centrados em uma nica idia e serem
claros e diretos.
3.4.2 Analisando o teste
Definimos a probabilidade (p) de o estudante acertar um determinado item de um teste como sendo:

Nessa expresso, n o nmero de escolhas possveis naquele item. Assim, em um teste com duas escolhas temos
p=1/2=0,5, ou seja, h 50 % de chances de o respondente acertar na sorte. Portanto, em um teste onde m denota o
56
nmero mximo de alternativas em um determinado item e n
j
denota o nmero de questes do teste que possuem
j alternativas, o escore do acaso (L), obtido pela probabilidade de acertar na por acaso todos os itens ser dado por
30
:

O escore perfeito (U), definido como acerto em todas as questes, nesse mesmo teste seria dado por:

Uma boa estimativa do intervalo onde cairo os escores dos estudantes dada pela diferena entre o escore formado
pelo acerto casustico L e o escore perfeito U:

Vrios so os critrios de anlise de itens de testes de modo a decidir se o item bom ou no. Por um bom item
entendemos quele item capaz de discriminar o bom respondente, ou seja, aquele com domnio do contedo sob
verificao, do mau respondente, aquele que no domina o contedo. A mais sofisticada dessas anlises a chamada
Anlise de Consistncia Interna, a qual est ligada ao conceito de fidedignidade que examinaremos no prximo
captulo.
Um dos critrios utilizados para discriminar um bom de um mau item do teste o chamado ndice de dificuldade do
item ( , definido pela razo entre o nmero de acertos no item ( e o nmero total de respostas dadas ( :

Se o ndice possuir valor 0,00 isso significa que o item no discrimina, pois tanto os respondentes com domnio de
contedo como aqueles que no o dominam no acertam
31
. Por outro lado, valores em torno de 1,00 tambm so
maus, pois indicam que todos acertam o item. Para determinado item, um bom valor do ndice de dificuldade se
encontra no valor mdio entre o escore obtido por chance e o valor mximo possvel (1,00). Desse modo, para um
item com cinco opes de resposta (p=0,20) um bom valor do ndice de dificuldade se situaria em torno de 0,60.
Outro critrio possvel de anlise de itens de testes o chamado ndice de discriminao. A idia por trs do ndice de
discriminao a de comparar o desempenho dos grupos inferior e superior dos respondentes ao teste. Supe-se que
determinado item bom se mais elementos pertencentes ao grupo superior do que sujeitos do grupo inferior
acertam-no. Normalmente, definimos como grupo superior aos 27% dos respondentes melhor colocados em uma lista
decrescente de escores no teste e o grupo inferior aos 27% pior colocados na mesma ordenao.
Se temos N estudantes em cada um dos grupos definimos o ndice de discriminao como:

N
s
e N
i
indicam, respectivamente, o nmero de acertos no grupo superior e o nmero de acertos no grupo inferior.
A interpretao desse ndice semelhante a do caso anterior. Se tivermos, aproximadamente, o mesmo nmero de
acertos em cada um dos grupos o ndice nulo e, portanto, o item no discrimina entre os dois grupos. Valores do
______________________
30
Estamos assumindo que os itens so independentes uns dos outros.
31
Claro que por trs dessa afirmao existe a suposio que existem sujeitos que dominam o contedo dentre o grupo
pesquisado.
57
ndice perto de +1 significam que a discriminao entre os grupos fornecida pelo ndice perfeita, pois nesse caso
quase todos alunos pertencentes ao grupo superior acertam e os do grupo inferior erram. Valores do ndice negativos
indicam um mau item pois nessa situao temos mais sujeitos pertencentes ao grupo inferior acertando do que
sujeitos pertencentes ao grupo superior, situao na qual o item deve ser repensado.
possvel determinar qual o valor mdio ( ) e o desvio padro ( ) que deveramos esperar de determinado teste,
antes de aplic-lo, a partir da hiptese de um teste ideal
32
. Esses valores so dados por:

Aqui, U e L so, respectivamente, o escore mximo possvel e o escore que pode ser obtido por acaso, como definidos
anteriormente. A interpretao desses nmeros a de que 68 % dos escores dos respondentes ao teste devero
recair no intervalo [ o s
s
x ; o + s
s
x ] quanto melhor forem os itens do teste mais prximos desses valores limites
estaro os valores reais obtidos aps a aplicao do teste.
Exemplo - Como um exemplo de aplicao desses conceitos, seja a seguinte situao: aplicamos um teste
com 30 itens; 12 itens apresentam 4 alternativas, 8 itens so tipo verdadeiro e falso e 10 itens apresentam 5
alternativas.
- Qual seria o valor mdio do teste na situao ideal?
- Qual seria o desvio padro que deveramos esperar?
Nesse caso o escore de acerto meramente casual, L dado por:

O escore mximo possvel no teste, U, ser dado por (se atribuirmos 1 para o acerto no item):
U = 12 + 8 + 10 = 30
Portanto o valor mdio esperado ser de:

e o desvio padro esperado ser dado por:

Desse modo, poderamos esperar que, na situao idealizada, 68 % dos escores provenientes de uma
aplicao do teste estariam compreendidos no intervalo [16;23].
______________________
32
A forma de clculo e a interpretao da mdia e do desvio padro de uma amostra sero discutidos e definidos mais
adiante.
58
Voltaremos a comentar a respeito de anlise de testes no prximo captulo, quando tratarmos da fidedignidade e
validade de um teste.
3.5 A Entrevista Clnica
Uma tcnica que tem sido cada vez mais utilizada na pesquisa emprica a da entrevista clnica (Moreira e Silveira,
1993) cujas origens remontam aos estudos piagetianos.
A entrevista clnica no pode ser classificada, em sua forma pura, como um instrumento de coleta de dados para a
pesquisa quantitativa. No entanto, anlises quantitativas podem ser executadas sobre as entrevistas de modo a obter-
se escores quantitativos, como se ver mais adiante.
O formato de entrevista clnica que atualmente utilizado na rea de pesquisa em ensino um pouco diferente do
modelo piagetiano original.
3.5.1 Construindo a entrevista
Quanto forma, a entrevista clnica pode ser classificada entre dois extremos de um continuum que vai desde formas
fechadas ou inflexveis a formas abertas ou flexveis. Em todos os casos, os sujeitos so apresentados a algum tipo de
situao problema sobre a qual so feitos questionamentos pelo entrevistador. Se o roteiro dos questionamentos
fortemente delimitado, no permitindo ao entrevistador se afastar da rota de questes previamente delineada,
dizemos que temos a forma fechada (ou inflexvel) da entrevista. No outro extremo, se o entrevistador
completamente livre para seguir as respostas dos sujeitos, sem compromissos previamente assumidos com alguma
questo ento temos a forma aberta (ou flexvel) da entrevista. O mais comum, no entanto, termos uma forma
mista: o entrevistador possui um roteiro de questes, porm livre para explorar nuances apresentadas pelas
respostas dos sujeitos. As caractersticas das duas formas so distintas, como podemos verificar na Tabela 3-2
33
.
Tabela 3-2 Comparao entre as duas formas extremas da entrevista clnica.
Forma Fechada ou Inflexvel Forma Aberta ou Flexvel
As tarefas so altamente relevantes e relacionadas
com o formato da entrevista.
As tarefas so relevantes apenas como estmulo para o
incio da entrevista.
A entrevista muito fidedigna (no sentido de
replicvel) porque o formato no depende do
entrevistador ou do entrevistado.
A entrevista pouco fidedigna (no sentido de
replicvel) e depende principalmente do entrevistado.
A entrevista tambm dependente, em certo grau, do
entrevistador, do contexto e das circunstncias em que
administrada.
O formato da entrevista e os dados resultantes
podem ser antecipados a priori.
Exceto pelo nico princpio guia de seguir todas as
respostas do entrevistado, o formato preciso da
entrevista e os dados resultantes no podem ser
antecipados a priori.
Os dados obtidos so precisos, mas contm pouca
informao.
Os dados obtidos so amorfos e ricos em informao.
A interpretao dos resultados direta. A interpretao dos dados muito difcil.
Os resultados so categorizveis; usualmente em
categorias dicotmicas.
Uma entrevista completa no pode ser facilmente
categorizada de algum modo significante.

______________________
33
Pines et al., 1978.
59
3.5.2 Executando a entrevista
Em todas as situaes, no entanto, algumas regras devem ser seguidas pelo entrevistador de modo a criar um
ambiente de onde emerjam asseres teis para anlise:
1. Ambiente: o entrevistador deve providenciar um ambiente o mais adequado possvel, dentro das condies
presentes. Uma sala arejada, com temperatura agradvel e longe de focos de distrao ideal.
2. Meios: o entrevistador deve verificar de antemo o seu equipamento para o registro da entrevista: gravador,
filmadora, energia, fitas, etc.. Tudo deve ser testado previamente e haver peas sobressalentes disposio.
A disponibilidade de dois gravadores (ou duas filmadoras) aconselhvel de modo a ter-se um registro
reserva, caso haja algum problema tcnico durante a entrevista.
3. O entrevistado: o entrevistado deve ficar vontade e consciente de que no existem respostas certas ou
erradas aos questionamentos. Desse modo cria-se um clima favorvel a respostas honestas, que so as nicas
de interesse para o entrevistador.
4. O entrevistador
- O entrevistador deve exercitar-se anteriormente no uso da entrevista. Executar uma boa entrevista uma
tarefa complexa que exige treino por parte do entrevistador. Um estudo piloto altamente
recomendvel, como forma de treinamento.
- A postura do entrevistador deve ser cordial e de modo algum indicar (verbalmente, por gestos ou
atitudes) o que se espera como resposta do entrevistado.
- A linguagem em que as perguntas so feitas deve usar termos j conhecidos pelos prprios entrevistados
preferencialmente.
- Termos tcnicos so preferveis de modo a evitar-se respostas oriundas de uma m interpretao das
perguntas.
- O entrevistador deve ter uma postura atenta, no carregando consigo pr-julgamentos a respeito das
respostas dos sujeitos. Toda resposta deve ser escutada com toda a ateno.
- O entrevistador deve ter claro para si quais so os critrios de relevncia de respostas. Uma resposta
relevante, que merece ser explorada, no , necessariamente, uma resposta correta.
3.5.3 Analisando a entrevista
Como dissemos anteriormente, a entrevista clnica normalmente associada pesquisa qualitativa mais do que
quantitativa. No entanto, h formas de se analisar quantitativamente as entrevistas dos sujeitos de modo a extrair
asseres de conhecimento dos dados obtidos.
1. Categorizao por conhecimento ou atitudes: depois de realizadas as entrevistas o pesquisador classifica os
sujeitos por categorias relativas aos conhecimentos ou atitudes apresentados. Os tipos de anlises
quantitativas que podem ser realizadas em cima dessas categorias so vrios como, por exemplo, a anlise do
nmero de sujeitos por categoria, como forma de investigar os efeitos de algum tipo de tratamento.
2. Anlise proposicional de conceitos: aps a entrevista, as proposies enunciadas pelos entrevistados so
listadas. A idia central por trs dessa tcnica a de que o significado de determinado conceito se explicita
pelas proposies construdas pelo sujeito as quais envolvem o uso do conceito. Novamente, possvel uma
anlise quantitativa dessas proposies na comparao entre grupos de sujeitos.

60
Captulo 4. Reviso de Estatstica

61
4.1 Introduo
O objetivo desse captulo e dos prximos o de discutir os principais tpicos relacionados com a anlise de
experimentos quantitativos em Educao. Como foi dito anteriormente, a principal ferramenta para esse tipo de
anlise a Estatstica. At h alguns anos, o pesquisador tinha que fazer no brao todas as contas referentes a sua
pesquisa ou, quando em um grande centro de pesquisa, usar um dos antigos crebros eletrnicos os quais tinham
grandes pacotes que permitiam clculos estatsticos. Nos ltimos anos, no entanto, com o advento e a disseminao
dos microcomputadores nos ambientes de pesquisa, muitos dos tpicos aqui discutidos foram incorporados a pacotes
de programas os quais fornecem instantaneamente ao pesquisador as quantidades necessrias, realizando todas as
operaes que sero descritas nesse captulo, em cima dos escores brutos diretamente. Quantidades como mdias e
desvios padro so obtidas diretamente de qualquer calculadora cientfica aps a introduo dos escores brutos. Uma
pergunta que se coloca ento : Por que um captulo de reviso de conceitos bsicos de Estatstica? A resposta :
porque eles so bsicos! Mesmo de posse de um pacote poderoso cabe ao pesquisador a interpretao dos
resultados, coisa que computador algum capaz de fazer, e que s possvel se o pesquisador conhecer os
mecanismos pelos quais os nmeros fornecidos pelo computador so obtidos. Portanto, a nfase desse captulo ser a
de discutir a interpretao das mais diversas quantidades descritas.
4.2 Amostragem aleatria
O termo tcnico aleatrio indica que a amostra selecionada de tal modo que cada elemento da populao tem uma
chance igual de entrar na amostra. O pesquisador deve ter uma lista completa de todos os elementos da populao e
ento selecionar sua amostra de modo tal que nenhum elemento da populao seja privilegiado pelo procedimento
de escolha.
O propsito da aleatoriedade no garantir que os dois grupos se comportaro igualmente bem na ausncia do
tratamento. A aleatoriedade no garante igualdade. A aleatoriedade permite evitar aquele tipo de resultado que
poderia ser atribudo variabilidade da amostra. Aleatoriedade um procedimento para selecionar amostras e no
uma caracterstica da amostra. Ela tambm no assegura representatividade e nem nos d indicativo de como a
amostra se comportar.
Definimos por erro de amostragem quele tipo de erro que cometemos ao selecionar amostras aleatrias para
representar a populao. Em virtude deste tipo de erro, virtualmente impossvel para um grupo pequeno ser
exatamente representativo de outro muito maior. Esse erro de amostragem est presente toda vez que selecionamos
amostras, no importa o quo cuidadosos sejamos em proceder por seleo aleatria.
A seguir so definidos alguns tipos de procedimentos de seleo de amostras:
- Amostragem aleatria simples - o processo de selecionar observaes de um grupo maior de tal modo que
cada sujeito na populao de onde estamos selecionando nossa amostra tenha uma probabilidade igual e
independente de ser selecionado.
- Amostragem estratificada - , algumas vezes, um modo recomendado de proceder ao escolher amostras.
Divide-se a populao em grupos menores e homogneos, de modo a obter-se uma melhor representao.
Com cada subgrupo algum processo de seleo aleatria poderia ser usado. Este processo d ao pesquisador
uma amostragem mais significativa da que seria obtida diretamente da comunidade inteira. De modo a ter-se
uma representao mais fiel da populao como um todo pode-se, ainda, fornecer pesos ao nmero de
sujeitos pertencentes aos diferentes grupos de modo a ter-se uma representao proporcional distribuio
na populao, segundo uma ou mais caractersticas.
- Amostragem estratificada proporcional - este tipo de processo de amostragem ocorre quando se toma uma
percentagem de cada grupo no processo de composio da amostra, levando-se em conta uma ou mais
caractersticas.
62
- Amostragem sistemtica - temos esse tipo de amostragem caso uma populao tenha sido listada e ento
algum tipo de seleo seja feita segundo algum critrio tal como, por exemplo, tomar-se o ensimo elemento
da lista.
- Amostragem por agrupamento - uma variao da amostragem aleatria simples, particularmente
apropriada quando a populao grande ou quando a distribuio geogrfica da populao espalhada. A
cada agrupamento dado um nmero e selecionados grupos escolhidos aleatoriamente. O uso da
amostragem por agrupamento geralmente escolhido por razes econmicas e aspectos administrativos.
Em qualquer tipo de amostragem, a caracterstica da amostra inevitavelmente diferir em algum grau, pequeno no
entanto, da caracterstica da populao. Mas, quando a amostragem aleatria usada, as chances de que a ocorrncia
do erro de amostragem influencie a varivel dependente em uma direo particular so as mesmas que existem de
influenciar a mesma varivel em outra direo qualquer. Amostragem aleatria a nica forma de amostragem pela
qual alguma quantidade de erro especfica pode ser estimada. Pode-se dizer que a amostragem aleatria o que
diferencia as pesquisas experimentais das pesquisas no experimentais.
A amostragem aleatria simples varia grandemente no que diz respeito ao custo para alcanar os elementos
individuais. A estratificao aumenta a preciso de um dado tamanho de qualquer amostra sobre aquela tpica da
amostragem aleatria simples. Agrupamentos usualmente reduzem o custo por respondente uma vez que um
incremento do tamanho da amostra pode atingir melhor preciso que uma simples amostragem aleatria para um
mesmo custo global. Quando calculamos uma mdia, uma percentagem ou qualquer outra quantidade, a partir dos
dados de uma dada amostra, o que queremos, de fato, calcular quantidades que se referem populao. Desse
modo, quanto menor a amostra maior a probabilidade de o valor encontrado diferir do valor para a populao de
onde a amostra foi retirada.
4.3 Medidas de tendncia central
Vamos comear essa reviso de Estatstica definindo o que entendemos por uma distribuio de freqncias.
Entendemos por uma distribuio de freqncias a uma tabulao (listagem) dos escores obtidos em certa amostra
com o nmero de vezes em que esses escores aparecem na amostra. Assim, uma listagem com as notas obtidas pelos
alunos em determinada avaliao com o nmero de vezes com que cada nota aparece uma distribuio de
freqncias.
Quando o nmero de sujeitos pertencentes (s) amostra(s) pequeno podemos ter uma idia de como se comportam
os escores. No entanto, se tivermos amostras muito grandes fica difcil ter uma idia do comportamento da amostra e
temos, ento, que recorrer a transformaes sobre os escores. Uma das formas de fazermos isto usando as
chamadas medidas de tendncia central.
Definimos uma medida de tendncia central como sendo um nmero em torno do qual os valores da distribuio de
freqncias se distribuem. Em Estatstica, usamos basicamente trs tipos de medidas de tendncia central: a mdia, a
moda e a mediana.
- A Moda de uma distribuio de freqncias definida como o escore que tem a mais alta freqncia.
- A Mediana definida como aquele escore que marca o ponto mdio do conjunto de dados, ou seja, aquele
escore para o qual temos 50 % dos escores com valores superiores 50 % dos escores com valores inferiores.
- A Mdia aritmtica simples de uma distribuio de freqncias definida como aquele nmero obtido a
partir da diviso da soma total de todos os escores obtidos pelo nmero elementos na distribuio de
freqncia. Matematicamente:

63

x
i
so os escores obtidos e n
i
o nmero de elementos na distribuio de freqncias. O smbolo significa
que estamos somando.
Exemplo: seja a distribuio de freqncias constante Tabela 4-1.
Tabela 4-1 Distribuio de freqncias para uma prova de uma disciplina hipottica.

Turma Escore
01 9,8
02 7,4
03 6,2
04 6,0
05 5,9
06 4,5
07 3,4
08 3,4
09 3,4
10 1,0
11 0,5
A moda desta distribuio dada pelo valor 3,4 pois o escore que aparece o maior nmero de vezes na distribuio
(3 vezes). A mediana da distribuio o valor 4,5 pois, para esse valor, 50 % (5 escores) so maiores que ele e 50 %
so menores. Por fim, a mdia aritmtica simples da distribuio dada por:

Outros tipos de mdia podem ser definidos como, por exemplo, a mdia aritmtica ponderada e a mdia geomtrica.
A mdia aritmtica ponderada usada quando queremos ter uma medida de tendncia central de certa distribuio
de freqncias onde os escores contribuem com pesos diferentes. Matematicamente ela definida por:
=
i i i
sp
i
p n x
x
p
.

Na expresso acima, sp x o valor da mdia ponderada e p
i
o peso atribudo a cada escore x
i
.
Exemplo: suponhamos que um aluno tenha tirado ao longo do semestre as seguintes notas com os pesos dados como
na Tabela 4-2.
A mdia aritmtica ponderada dada por:

64

Tabela 4-2 Exemplo de escores para o clculo da mdia aritmtica ponderada.
Prova Peso Nota
P1 1 8,3
P2 2 7,2
P3 3 8,4
P4 4 3,6

A mdia geomtrica definida por:

Nessa expresso, sg x a mdia geomtrica, o smbolo H significa que devemos multiplicar os elementos que vm a
seguir. N o nmero de elementos. Esse tipo de mdia usado quando os escores da nossa distribuio so obtidos
uns dos outros a partir de um fator multiplicativo.
Por exemplo, seja o custo de um aparelho de som conforme a Tabela 4-3, na qual temos na terceira coluna a taxa de
inflao mensal e o preo do aparelho no ms o do ms anterior multiplicado pelo fator inflacionrio.
Tabela 4-3 - Exemplo de distribuio de escores para o clculo da mdia geomtrica.
ms Inflao (em %) Preo (calculado no dia primeiro de cada ms)
abril 1,23 100
maio 2,45 101,23
junho 3,78 103,71
julho - 107,63
A mdia dos preos do aparelho, nesse caso, deve ser calculada geometricamente uma vez que h um fator
multiplicativo de um ms para o outro:

4.4 Medidas de variabilidade
Seja de que tipo for, a mdia no nos diz tudo a respeito de uma distribuio de freqncias. Aqui cabe um
comentrio a respeito dos processos estatsticos e a perda de informao que necessariamente ocorre quando
usamos nmeros, tais como a mdia, para representarem distribuies de freqncias. No processo de mediao
ocorre uma perda de informao uma vez que ns substitumos a informao total, ou seja, a distribuio, por algo
que pretende ser representativo dessa distribuio. Ao faz-lo, perdemos a estrutura fina de informao
providenciada pelo conjunto completo de escores. Assim, por exemplo, consideremos as hipotticas Tabelas Tabela
4-4 e Tabela 4-5.
65
Tabela 4-4 - Notas na Turma 1

Tabela 4-5 - Notas na Turma 2
aluno 1 5,1 aluno 1 9,0
Se calcularmos a mdia aritmtica simples para essas duas distribuies de freqncia, veremos que para ambas a
mdia 6,0. Entretanto, se encararmos essas distribuies como representativas de notas de alunos em duas turmas
diferentes, em uma disciplina cuja mdia de aprovao seja 6,0, veremos, ento, que na turma 1 teramos 1 sujeito
aprovado enquanto que na turma 2 teramos 3. Se olhssemos somente para a mdia das duas turmas essa
informao seria perdida.
Uma forma de minimizar essa perda de informao, decorrente do uso de uma medida de tendncia central, so as
medidas de variabilidade. Uma medida de variabilidade indica o quo espalhados esto os escores na distribuio. Ou
seja, uma medida de variabilidade uma forma de termos uma idia do quanto os escores se afastam da medida de
tendncia central que estamos utilizando.
A mais simples das medidas de variabilidade o intervalo (I) O intervalo nos diz entre quais valores se distribuem os
escores da distribuio que estamos analisando. Assim, no nosso exemplo, o intervalo para a distribuio 1 dado por
[7,2;5,1] enquanto que na distribuio 2 o intervalo dado por [9,0;2,0]
34
.
Outra medida de variabilidade o desvio da mdia (o). Essa quantidade nos diz o quanto os escores se desviam da
mdia. No nosso exemplo o escore 9,0 da Tabela 4-5 possui um desvio da mdia de 3,0 (9-6=3).
Uma medida de variabilidade das mais utilizadas em anlises de distribuies de freqncia o desvio padro da
amostra (o
s
). O desvio padro nos indica o quo espalhada uma distribuio. O desvio padro tem uma
interpretao muito simples, originada da equao que define a distribuio normal (que analisaremos na prxima
seo). Se tomarmos um intervalo definido por [ ento temos dentro desse intervalo em torno de 68
% dos valores da distribuio. Se fizermos uma nova medida, ento, teremos uma probabilidade de 68 % de que essa
nova medida pertena a esse intervalo. Se tomarmos intervalos definidos por mltiplos do desvio padro
englobaremos um nmero cada vez maior de escores dentro do intervalo considerado.
Matematicamente, o desvio padro de uma amostra dado por:

Aqui, n
i
o nmero de escores na amostra, x
i
significa o i-simo elemento do conjunto de escores, o valor mdio
da amostra.
Como um exemplo, vamos calcular a mdia e o desvio padro da amostra constante na Tabela 4-6.

______________________
34
Aqui estamos usando a notao matemtica de que colchetes indicam que os valores extremos pertencem ao
intervalo considerado enquanto parnteses indicam que os valores extremos no pertencem ao intervalo. No entanto,
estamos substituindo a vrgula como separador dos valores pelo ponto e vrgula para evitarmos confuses com a
vrgula que separa a parte inteira da parte decimal.
66
Tabela 4-6 - Notas de uma turma hipottica da disciplina Fsica I.
Aluno Nota
1. Ana 5,0
2. Beatriz 3,0
3. Carlos 2,0
4. Denise 2,0
5. Elton 0,0
6. Flvio 3,0
7. Gustavo 10,0
8. Henrique 10,0
9. Ivo 7,5
10. Joo 8,0
11. Ktia 7,0
12. Leandro 10,0
13. Maria 9,0
14. Neusa 10,0
15. Otvio 10,0
16. Paulo 10,0
17. Pedro 10,0
O primeiro passo calcular a mdia da distribuio de freqncias. Como definido anteriormente, a mdia aritmtica
simples da distribuio dada por:

Podemos agora construir a Tabela 4-7 de diferenas entre o valor mdio e o escore absoluto (na tabela, simbolizado
por o
35
).
Podemos agora calcular o desvio padro:

Se conhecermos todos os N escores de uma populao, poderemos calcular o desvio padro da populao por:

Na expresso anterior, x
j
o valor do escore, o valor da mdia da populao e N o nmero de sujeitos na
populao.
______________________
35
Observe que mantemos a preciso de uma casa decimal em todas as operaes feitas. O processo de
arredondamento o seguinte: se quisermos arredondar na primeira casa depois da vrgula olhamos para a segunda.
Se esta for 5 ou superior a primeira casa ser arredondada uma unidade para cima, se for inferior a cinco a primeira
casa fica como est. Por exemplo, 0,56 ficaria 0,6 e 0,54 ficaria 0,5.
67
Tabela 4-7 - Valores da diferena dos escores em relao ao valor mdio para o exemplo.
Aluno Nota o o
2

Ana 5,0 1,9 3,6
Beatriz 3,0 -3,9 15,2
Carlos 2,0 -4,9 24,0
Denise 2,0 -4,9 24,0
Elton 0,0 -6,9 47,6
Flvio 3,0 -3,9 15,2
Gustavo 10,0 3,1 9,6
Henrique 10,0 3,1 9,6
Ivo 7,5 0,6 0,4
Joo 8,0 1,1 1,2
Jos 7,0 0,1 0.0
Ktia 10,0 3,1 9,6
Leandro 9,0 2,1 4,4
Maria 10,0 3,1 9,6
Neusa 10,0 3,1 9,6
Otvio 10,0 3,1 9,6
Pedro 10,0 3,1 9,6
Total 202,8
4.5 Curva Normal
Definimos como curva da distribuio representao grfica de uma freqncia de distribuio de escores onde os
valores dos escores so indicados no eixo horizontal e os valores das freqncias dos escores particulares indicados no
eixo vertical. Curvas de distribuio podem vir em diferentes formas e tamanhos. No entanto, muitas freqncias de
distribuio tendem a seguir certo padro chamado de distribuio normal, especialmente quando existem muitos
escores envolvidos. A forma da curva que pode ser traada destas distribuies chamada curva normal (veja a Figura
4-1). Uma das caractersticas da curva normal a simetria; outra caracterstica importante que a mdia, a mediana e
a moda so idnticas.
68

Figura 4-1 - A curva normal
A distncia da linha de base at a primeira linha pontilhada o desvio padro da distribuio, por definio
36
.
A equao que define a curva normal dada por:

Nesta equao, o
p
o desvio padro da populao,
p
x o valor mdio da populao e x o valor para o qual se quer
calcular y. Se expressarmos a mdia em termos da varivel normalizada z:

A equao para curva normal ser dada pela assim chamada forma padro:
,
caso no qual dizemos que z normalmente distribuda com mdia zero e varincia (o
2
) igual a 1.
4.6 Probabilidades associadas Distribuio Normal
Outra propriedade importante da distribuio normal que as percentagens associadas com reas sob a curva podem
ser pensadas como probabilidades. Estas probabilidades so percentuais estabelecidos na forma decimal. Com estes
valores de probabilidades ns podemos determinar a probabilidade de obter-se um escore que recaia entre quaisquer
dois valores dados do desvio padro, do mesmo modo que feito com valores percentuais.
A equao matemtica que define a probabilidade de obtermos o escore x associado distribuio normal dada por:
______________________
36
No presente exemplo, a curva foi gerada com um desvio padro assumido de 5.
-50 -40 -30 -20 -10 0 10 20 30 40 50
0.00
0.02
0.04
0.06
0.08
0.10
Y(X)
X
Linha de base
69

Esta equao nos d a probabilidade de obtermos o valor dado x. Sob o ponto de vista geomtrico, a equao acima
nos d a rea sob a curva normal do valor z = - at o valor z = x. Outro aspecto a ser observado em relao a essa
equao que se integrarmos de - a + o resultado ser 1. Ou seja, sempre temos alguma probabilidade de
encontrar o valor x. Em outras palavras, se efetuarmos um nmero infinito de medidas ento, com certeza, o valor x
aparecer. Valores para as coordenadas da curva normal e da integral podem ser encontrados em tabelas de frmulas
matemticas e estatsticas como, por exemplo, as apresentadas por Spiegel 1973.
4.7 Intervalos de confiana
Se dissermos que um escore aleatoriamente selecionado cair dentro de um intervalo especfico dos valores dos
escores obtidos, queremos ser capazes de faz-lo com algum grau de confiana, ou seja, queremos saber quo
provvel que estejamos corretos. O intervalo de confiana de 95 % chamado de intervalo de confiana porque, se
a distribuio for normal, podemos estar certos de que 95 % das vezes em que um valor da varivel em questo for
escolhido aleatoriamente ele estar dentro desse intervalo. Em termos de probabilidades, o intervalo de confiana de
95 % designa os dois valores entre os quais existe a probabilidade p=0,95 de que um escore selecionado
aleatoriamente pertena a esse intervalo. O intervalo de confiana de 95 % dado por:

Nesta expresso, e so o desvio padro e a mdia calculados para a distribuio (populao).
O intervalo de confiana de 99 % outro intervalo normalmente utilizado. Os limites desse intervalo esto entre:

4.8 Distribuio de mdias amostrais
Suponhamos que ns selecionemos de uma populao hipottica um grande nmero de amostras, cada uma das
quais, digamos, com 50 sujeitos, e calculemos o escore mdio para cada grupo em alguma varivel de interesse.
Podemos ento traar uma curva representando a distribuio desses escores. Nessa distribuio de mdias
amostrais, a mdia de todas as mdias a mdia da populao e as mdias amostrais so distribudas em torno da
mdia da populao seguindo a distribuio normal.
Quando lidamos com distribuies de mdias, o desvio padro chamado de desvio padro da mdia (
m
). A
interpretao dessa quantidade semelhante quela do desvio padro de medida: se tomarmos outra amostra da
populao a probabilidade de que a mdia obtida por essa nova amostra esteja dentro do intervalo de confiana de
95 % dada por:

4.9 Inferncias a respeito do valor da mdia da populao
Se soubermos a mdia de uma amostra e tivermos uma estimativa do desvio padro da mdia ns no podemos
inferir o valor da mdia da populao da mdia que temos para aquela amostra, mas podemos fazer hipteses sobre o
valor para a mdia da populao e, usando a estimativa do desvio padro da mdia, determinar a probabilidade de
obter-se uma mdia amostral que difira da mdia hipottica da populao tanto quanto queiramos.
Suponhamos que uma mdia amostral seja 97 e que o desvio padro da mdia estimado seja de . Suponhamos
que a hiptese por ns feita foi de que a mdia da populao 100. Podemos agora determinar a probabilidade de
obter nossa mdia da amostra de 97.
70

90 95 100 105 110
0.00
0.05
0.10
0.15
0.20
Y(X)
X

Figura 4-2- Curva normal indicando o intervalo de confiana de 95 %.
A Figura 4-2indica que o intervalo de confiana de 95 % varia de 96,08 a 103,92. Isto nos diz que se a mdia da
populao for 100, ento, a probabilidade de selecionar-se uma amostra cuja mdia esteja dentro do intervalo de
confiana considerado p=0,95. Outra forma de dizer isso que a probabilidade de obter-se uma mdia amostral
menor que 96,08 ou maior que 103,92 p=0,05. Portanto, podemos aceitar a hiptese de que nossa amostra, cuja
mdia 97, vem de uma distribuio de mdias amostrais, retiradas de uma populao cuja mdia 100.
4.10 Comparaes entre mltiplas amostras
Em situaes de pesquisa, usualmente queremos comparar duas ou mais amostras. Por exemplo, podemos querer
determinar se existe uma diferena em aquisio de conhecimentos entre estudantes que so ensinados por um
mtodo A e aqueles que so ensinados por um mtodo B. A questo : qual a probabilidade de que a diferena entre
as duas mdias das amostras seja devida simplesmente ao erro de amostragem? Em outras palavras, pode a diferena
de mdias entre as nossas duas amostras ser atribuda ao erro aleatrio em nossas amostras, ou as crianas ensinadas
por um mtodo realmente apreendem mais que aquelas ensinadas pelo outro mtodo? Temos de fato duas amostras
pertencentes a populaes diferentes, representadas por duas distribuies normais de escores?
Ao testar a hiptese nula estamos assumindo que a diferena entre as duas amostras devida simplesmente ao erro
de amostragem. O prximo passo tentar determinar a distribuio das diferenas das mdias amostrais. Para fazer
isso, suponhamos que sejamos capazes de formar todas as combinaes possveis de duas mdias amostrais em uma
dada populao. Isso nos fornecer uma matriz de pares de amostras. Para cada par, ns ento determinamos a
diferena entre as mdias de amostras emparelhadas. Estas diferenas se distribuiro segundo uma distribuio
normal. Um aspecto importante dessa distribuio de diferenas que a mdia sempre igual a zero.
96,08
103,92
71

Figura 4-3 - Curva normal mostrando o intervalo de 95 % [-5,88; 5,88] relativo a um erro padro da diferena de 3 e a um valor
mdio de 0.
O termo usado para descrever o desvio padro das diferenas entre mdias o chamado erro padro da diferena
(
pd
), isso por que essa uma medida do erro envolvido ao selecionarmos duas amostras da populao. Em nossa
situao hipottica, suponhamos que, aps termos distribudo todas as diferenas entre mdias de amostras
pareadas, ns determinemos que o erro padro da diferena desta distribuio seja de 3 pontos. A figura indica-nos o
intervalo de confiana de 95 % para a nossa distribuio de diferenas mostrando
pd
=3. O intervalo de confiana de
95 % dado por [-5,88;5,88]. Deste modo podemos dizer que a probabilidade, devido a erros de amostragem
somente, de obter-se duas amostras cuja diferena nas mdias seja de 5,88 pontos (no importando se para mais ou
para menos) p=.95. A probabilidade de obter-se desta populao duas amostras cujas mdias difiram por mais que
5,88 pontos p=.05.
4.11 Tipos de hipteses
Se quisermos decidir se determinado procedimento melhor que outro, formulamos a hiptese de que no existe
diferena entre os procedimentos (i.e., qualquer diferena observada meramente devida a flutuaes ao tomarmos
duas amostras da mesma populao). Este tipo de hiptese a chamada Hiptese Nula denotada por H
0.
A Hiptese
alternativa H
0
, ou seja, de que a diferena observada no meramente devida amostragem, denotada por H
1
.
Ao decidirmos se rejeitamos ou no a hiptese nula dois tipos de erros podem acontecer. O primeiro tipo de erro
acontece quando rejeitamos a hiptese nula com base em dados de amostras que de fato vm da mesma populao.
Quando esse tipo de erro cometido, dizemos que cometemos um erro Tipo I. Se por outro lado, aceitamos a
hiptese nula quando, de fato, as amostras vm de populaes diferentes, dizemos que cometemos um erro do Tipo
II
37
.
Na prtica, conforme o caso, um tipo de erro pode ser mais srio do que o outro e, assim, uma soluo de
compromisso deve ser obtida em favor de uma limitao do erro que, naquela situao, seja considerado mais srio. A
______________________
37
Tecnicamente, o pesquisador no deveria aceitar a hiptese nula mas, sim, falhar em rejeitar a hiptese nula.
-10 -5 0 5 10
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
0.16
Y

(
X
)
X
-5,88 5,88
72
nica forma de diminuir a influncia desses dois tipos de erro aumentar o tamanho da amostra, o que nem
sempre possvel.
Ao testarmos a hiptese nula, a probabilidade mxima com a qual o pesquisador aceita correr o risco de cometer um
erro de tipo I chamada de nvel de significncia estatstica da pesquisa. Quando o pesquisador decide o nvel de
probabilidade que usar ao rejeitar a hiptese nula ele estar dando a probabilidade com a qual arriscar estar errado
em sua deciso. Se ele seleciona o nvel de significncia como 0,05, est dizendo que h uma probabilidade de 0,05 de
que ele esteja errado. Se ele no quiser correr um risco de erro to significativo ele pode ento escolher para nvel de
significncia p=0,01. Neste nvel menos provvel que ele esteja cometendo um erro do tipo I, entretanto, ele estar
incrementando a probabilidade de cometer um erro do tipo II.
Na prtica da pesquisa em educao os nveis de significncia de 0,05 e 0,01 so usuais, embora outros nveis de
significncia sejam tambm utilizados.
Para o exemplo da seo anterior, se usarmos a probabilidade de corte convencional de 0,05, poderamos rejeitar a
hiptese nula se obtivssemos uma diferena entre as mdias das amostras de 5,88 ou maior. Suponhamos que da
nossa populao hipottica selecionemos duas amostras e a diferena entre as mdias das amostras fosse 7 pontos.
Sabemos que existe uma pequena probabilidade (menor que p=0,05) de obtermos uma diferena to grande.
Conseqentemente, rejeitamos a hiptese nula. Isto o mesmo que aceitarmos a hiptese de pesquisa de que as
duas amostras vm de populaes diferentes.
Ao calcularmos o intervalo de confiana de 99 % para estas diferenas entre mdias, obtemos que este intervalo varia
de -7,74 a 7,74. Deste modo, se obtivermos uma diferena maior que 7,74 poderamos rejeitar a hiptese nula ao
nvel de significncia de 0,01, o qual mais restringente que o nvel de significncia de 0,05 por que exige que
obtenhamos uma diferena maior entre as mdias de nossas amostras de modo a rejeitar a hiptese nula.
Naturalmente, o procedimento acima legitimado somente se as amostras foram aleatoriamente selecionadas e o
pesquisador puder assumir que os escores da populao da qual cada amostra foi selecionada segue a distribuio
normal.
Uma hiptese que no indica a direo da diferena esperada, mas meramente estabelece que existe uma diferena,
chamada de uma hiptese bilateral (two-tailed). Esse tipo de hiptese assim designada porque ela est
preocupada com ambas as caudas da distribuio normal das diferenas entre mdias amostrais.
Uma hiptese que afirma qual tratamento melhor que o outro chamada de hiptese unilateral (one-tailed)
porque ela est somente preocupada com um dos lados da distribuio de diferenas entre mdias amostrais.
4.12 Distribuio de mdias e pequenas amostras
At aqui temos trabalhado com amostras que contm um grande nmero de sujeitos (trinta ou mais). As propriedades
da distribuio normal so vlidas para grandes amostras mas no quando temos um nmero pequeno de sujeitos em
cada amostra. A distribuio tende a ficar achatada quando, em cada amostra, o nmero de sujeitos pequeno.
Para fins estatsticos, isso significa que, para dados oriundos de amostras que so pequenas, no possvel usar-se as
propriedades da curva normal para decidir a favor ou contra a aceitao da hiptese nula. Ao invs disso, devemos
usar valores que reflitam esse achatamento da curva normal. Esses valores so chamados de valores t para os quais
tambm foram calculados valores para os nveis de significncia p=0,05 e p=0,01 para amostras de qualquer tamanho.
Existem tabelas estatsticas preparadas (uma das quais apresentada na Tabela 4-8) para estes valores t para todos os
tamanhos de amostras sendo comparadas, de modo que se soubermos quantos sujeitos esto em cada amostra que
estamos comparando poderemos facilmente determinar o valor de t necessrio ao nvel de significncia que
escolhermos (normalmente 0,05 ou 0,01).
73
Se um valor t indica diferenas dentro do intervalo de confiana de 95 %, seu valor normalmente no
comunicado. Ao invs, o pesquisador afirma que o valor t no significativo. Neste caso, ele aceita a hiptese nula e
atribui a diferena observada entre suas amostras ao simples erro de amostragem.
Este tipo de teste estatstico chamado de teste t e utilizado para comparao entre mdias de amostras pequenas
quando, por hiptese, as amostras foram escolhidas aleatoriamente e os escores vieram de populaes distribudas
segundo a distribuio normal. Outros testes estatsticos so disponveis se a hiptese de normalidade no puder ser
feita.
Amostras com nmero de sujeitos menor que 30 so chamadas pequenas amostras. Um estudo estatstico de
distribuies amostrais, no qual as amostras so pequenas, chamado Teoria de Pequenas Amostras. Entretanto, um
nome mais apropriado seria Teoria Exata da Amostragem, uma vez que os resultados obtidos mantm-se tanto para
pequenas como para grandes amostras. Uma distribuio importante a distribuio t de Student
38
. Esta distribuio
dada, matematicamente, por:

Aqui, Y
0
uma constante que depende em N de tal modo que a rea total sobre a curva 1
39
. A quantidade: g
l
= N-1
chamada de graus de liberdade (g
l
). Para grandes valores de g
l
ou N (N >30) as curvas da figura se aproximam da curva
normal padro. A Figura 4-4 mostra vrias curvas desta distribuio para vrios valores de graus de liberdade g
l
.
Para fins de clculo entre duas amostras, com n
1
e n
2
sujeitos (n
1
n
2
)

de mdias e desvios padro dados por , o
1
,
e o
2
, respectivamente, o valor de t dado por:

Nesta expresso, a quantidade o
t
definida por:

Valores de t foram calculados, para nveis de significncia de 0,05 e 0,01, para qualquer tamanho de amostra. Os
estatsticos prepararam tabelas estatsticas destes valores t para todos os tamanhos das amostras sendo comparadas,
de modo que, se soubermos quantos sujeitos existem em cada amostra podemos compar-las facilmente e
determinar o valor t necessrio para o nvel de significncia desejado (0,05 ou 0,01). Tabela desse tipo est
exemplificada na Tabela 4-8.
______________________
38
Para saber a origem desse nome, pseudnimo de Willian Sealy Gosset, consulte o verbete da enciclopdia
Wikipdia, em: http://pt.wikipedia.org/wiki/William_Sealy_Gosset.
39
A isto chamamos de condio de normalizao.
74

Figura 4-4 - A distribuio t de Student para distintos graus de liberdade.
Para o caso de as amostras terem o mesmo nmero de sujeitos (n
1
n
2
) a expresso para a razo t ser dada por:

Exemplo: Suponhamos que tenhamos aplicado um teste de conhecimentos em culinria a duas amostras de
donas de casa. Uma delas, proveniente de um bairro classe alta, composta por 15 senhoras, as quais
obtiveram um escore mdio de 6,42 com um desvio padro de 1,23. A outra, composta por 21 donas de casa
de um bairro operrio, obteve um escore mdio de 7,61 com um desvio padro de 1,45. Existe uma diferena
significativa entre as habilidades culinrias entre as duas amostras? (Responder aos nveis de significncia de
0,05 e 0,01.)

75

Tabela 4-8 - Tabela t para hipteses unilaterais e bilaterais.
Nvel de significncia para hiptese unilateral
*g
l
.40 .25 .10 .05 .025 .01 .005 .0025 .001 .0005
Nvel de significncia para hiptese bilateral
.80 .50 .20 .10 .05 .02 .01 .005 .002 .001
1 0.325 1.000 3.078 6.314 12.706 31.821 63.657 127.32 318.31 636.62
2 .289 0.816 1.886 2.920 4.303 6.965 9.925 14.089 22.326 31.598
3 .277 .765 1.638 2.353 3.182 4.541 5.841 7.453 10.213 12.924
4 .271 .741 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610

5 0.267 0.727 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
6 .265 .718 1.440 1.943 2.447 3.143 3.707 4.317 5.208 5.959
7 .263 .711 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408
8 .262 .706 1.397 1.860 2.306 2.896 3.355 3.833 4.501 5.041
9 .261 .703 1.383 1.833 2.262 2.821 3.250 3.690 4.297 4.781

10 0.260 0.700 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587
11 .260 .697 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437
12 .259 .695 1.356 1.782 2.179 2.681 3.055 3.428 3.930 4.318
13 .259 .694 1.350 1.771 2.160 2.650 3.012 3.372 3.852 4.221
14 .258 .692 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.140

15 0.258 0.691 1.341 1.753 2.133 2.602 2.947 3.286 3.733 4.073
16 .258 .690 1.337 1.746 2.120 2.583 2.921 3.252 3.686 4.015
17 .257 .689 1.333 1.740 2.110 2.567 2.898 3.222 3.646 3.965
18 .257 .688 1.330 1.734 2.101 2.552 2.878 3.197 3.610 3.922
19 .257 .688 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883

20 0.257 0.687 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.850
21 .257 .686 1.323 1.721 2.080 2.518 2.831 3.135 3.527 3.819
22 .256 .686 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792
23 .256 .685 1.319 1.714 2.069 2.500 2.807 3.104 3.485 3.767
24 .256 .685 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745

25 0.256 0.684 1.316 1.708 2.060 2.485 2.787 3.078 3.450 3.725
26 .256 .684 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707
27 .256 .684 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.690
28 .256 .683 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674
29 .256 .683 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659

30 0.256 0.683 1.310 1.697 2.042 2.457 2.750 3.030 3.385 3.646
40 .255 .681 1.303 1.684 2.021 2.423 2.704 2.971 3.307 3.551
60 .254 .679 1.296 1.671 2.000 2.390 2.660 2.915 3.232 3.460
120 .254 .677 1.289 1.658 1.980 2.358 2.617 2.860 3.160 3.373

.253 .674 1.282 1.645 1.960 2.326 2.576 2.807 3.090 3.291
*g
l
: nmero de graus de liberdade (N
1
+ N
2
-2).
76
Soluo: No nosso exemplo, se denotarmos pelo ndice 1 as quantidades referentes ao grupo de senhoras
do bairro classe alta e pelo ndice 2 as quantidades referentes ao grupo de senhoras do bairro operrio,
temos que:
Grupo n
s
gl
Bairro classe alta 15 6,42 1,23 34
Bairro operrio 21 7,61 1,45
A hiptese H
0
, nesse caso, de que no significativa a diferena entre as duas mdias enquanto que a
hiptese H
1
de que essa diferena significativa.
Vimos que, para o caso de duas amostras com nmero diferente de sujeitos o valor de t dado por:

A partir da tabela 4.8 vemos que para rejeitarmos a hiptese nula, ao nvel de 0,05 e com 34 graus de
liberdade (N
1
+N
2
- 2), para uma distribuio unilateral devemos ter t superior a 1,697 e para uma distribuio
bilateral devemos ter t superior a 2,042. Portanto, a nossa diferena estatisticamente significativa ao nvel
0,05 e podemos rejeitar a hiptese nula.
Da mesma tabela vemos que para rejeitarmos a hiptese nula, a nvel 0,01, devemos ter t superior a 2,457
para uma distribuio unilateral e para uma distribuio bilateral devemos ter t superior a 2,750. Portanto, a
nossa diferena entre as mdias so significativas a nvel 0,01 para uma distribuio unilateral (e portanto
podemos rejeitar H
0
) mas no significativa a nvel 0,01 para uma distribuio bilateral (e no podemos
rejeitar H
0
a esse nvel). Esses resultados vo resumidos na Tabela 4-9, onde o * significa casos onde no h
significncia estatstica para rejeitarmos a hiptese H
0
:
Tabela 4-9 - Valores de t e nvel de significncia estatstica (o * indica situaes onde a diferena no foi significativa no
nosso exemplo, para podermos rejeitar a hiptese nula).

Nvel de significncia Valores de t para distribuio unilateral Valores de t para distribuio bilateral
0,05 1,697 2,042
0,01 2,457 2,750
-

Este captulo teve por finalidade discutir conceitos bsicos de Estatstica. Nos seguintes, continuaremos nessa linha
porque a Estatstica est na essncia do enfoque quantitativo pesquisa em ensino.

77

Captulo 5. Fidedignidade e Validade de Instrumentos de Medida

78
5.1 Introduo
Antes que qualquer anlise dos dados possa ser feita necessrio que o pesquisador se pergunte: a forma de
obteno dos dados me d segurana sobre a sua validade?
Nos captulos anteriores, nos preocupamos em discutir a estrutura de um experimento analisando os vrios tipos de
delineamentos possveis (estudando o que diferencia um delineamento do tipo experimental dos que no possuem
esta propriedade) bem como aspectos relacionados com as caractersticas de um bom teste. No entanto, de nada
adianta sermos cuidadosos na escolha do delineamento da pesquisa se os instrumentos de coleta de dados forem
inadequados. Por inadequao, queremos dizer que o instrumento no mede corretamente o que se prope a medir
(questo relacionada com a fidedignidade do instrumento) ou mede outra coisa diferente daquela que se prope a
medir (questo relacionada com a validade do instrumento). Para usar uma analogia comum quando se fala em
fidedignidade e validade, vejamos a seguinte situao. Vamos supor que um atirador de dardos acerte repetidamente
o mesmo lugar do alvo. Neste caso, dizemos que h fidedignidade, pois em vrias repeties o atirador acerta sempre
no mesmo lugar ou, em outras palavras, consegue reproduzir o mesmo resultado (posio) com o mesmo
instrumento. Porm se a posio acertada no for o centro do alvo, dizemos que no h validade, pois o objetivo do
jogo acertar o centro. Se a posio acertada for o centro, sempre, ento dizemos que h fidedignidade e validade.
A ferramenta bsica para a anlise de fidedignidade a correlao estatstica entre variveis. Passaremos agora a
estudar como se calcula esta quantidade e qual o seu significado.
5.2 O que a correlao entre duas variveis?
Se quisermos determinar se existe um relacionamento entre variveis para as quais temos escores para indivduos
pertencentes a um mesmo grupo, poderemos usar a chamada anlise de correlao ou simplesmente correlao.
Conceitualmente a correlao ou o coeficiente de correlao (r) nos indica como se comportam duas ou mais variveis
umas em relao s outras. Quando temos uma correlao alta isto nos indica que o crescimento de uma varivel
acompanhado pelo crescimento (no caso de um coeficiente de correlao perto de +1) ou pelo decrscimo (no caso
de um coeficiente de correlao perto de -1) da outra varivel. Convm lembrar aqui o que j foi dito anteriormente:
o fato de duas variveis serem correlacionadas (tanto positiva quanto negativamente) no implica uma relao causal
entre as duas variveis. Para o estabelecimento de uma relao causal entre elas devemos recorrer a outras
ferramentas de anlise, ou seja, devemos procurar na teoria as razes dessa dependncia e os fatores de
comprovao dessa dependncia.
O grau de correlao indicado pelo valor do coeficiente de correlao o qual denotado por r. O coeficiente para
uma correlao perfeitamente positiva mostrado na Figura 5-1.a e tem valor +1. O coeficiente para uma correlao
perfeitamente negativa mostrado na Figura 5-1.b e tem valor de -1. Estes dois valores so os valores mximos para
r. O coeficiente r=0 indica a inexistncia de correlao. Neste caso o comportamento de uma varivel no
relacionado de qualquer modo ao comportamento da outra varivel. Isso mostrado na Figura 5-1.c
X
Y
(a)
X
Y
X
Y
X
Y
(b)
.
.
.
.
.
.
.
.
.
.
. .
.
.
.
.
.
.
. .
.
.
.
.
(c) (d)

Figura 5-1- Representao grfica dos vrios tipos de correlao possveis entre variveis.

79
A Figura 5-1.d nos mostra um caso no qual a correlao existe, mas imperfeita. Pela simples viso dessa figura,
podemos ver que os pontos tendem a se alinhar ao longo de uma direo especfica, embora no estejam todos sobre
uma mesma reta. Isto nos indica que a correlao positiva, embora no seja perfeita.
A exemplo do que ocorre com os escores mdios de amostras, os coeficientes de correlao, calculados a partir de
dados amostrais, so afetados por erros de amostragem. Assim, a exemplo do que foi feito com as mdias amostrais,
uma pergunta se impem: quo provvel que o coeficiente de correlao obtido a partir dos dados amostrais no
seja fruto do erro de amostragem e reflita um verdadeiro relacionamento existente na populao? razovel se tomar
por hiptese de que, como em toda inferncia feita a partir de um processo de amostragem, exista um erro devido ao
prprio processo de amostragem. Entretanto, a exemplo do que acontece para outros tipos de testes estatsticos,
existem tabelas para vrios valores de tamanho de amostra, a qualquer nvel de significncia estatstica desejado
40
.
5.3 Clculo do coeficiente de correlao
A forma de clculo do coeficiente de correlao funo do tipo de varivel com a qual estamos lidando. Como j foi
discutido no Captulo 2, estas podem ser divididas em quatro grupos: nominais, ordinais, intervalares ou racionais.
Para cada pareamento de variveis a forma de clculo do coeficiente de correlao diferente, devendo-se levar em
conta os tipos de variveis envolvidos. A frmula de clculo do coeficiente de correlao, que definiremos abaixo,
vlida somente quando as variveis envolvidas so (ambas) dos tipos intervalares ou racionais. Para outros tipos de
variveis sugerimos a consulta a Glass e Stanley, 1970.
Definiremos aqui o termo correlao por correlao linear. Nesse caso o coeficiente de correlao entre duas variveis
X e Y ser dado por:

eq. 5-1

Nesta expresso,
e

41
.
Esta equao chamada de frmula produto-momento
42
. Deve-se observar a simetria entre as variveis que compe
essa equao: se trocarmos x com y o resultado o mesmo. Com isso r
xy
= r
yx
ou seja, tanto faz calcularmos o
coeficiente de correlao chamando uma das variveis de X e a outra de Y como calcularmos denominando
inversamente as variveis.
Exemplo: como exemplo do clculo do coeficiente de correlao vamos supor que tenhamos uma turma de
Metodologia do Trabalho Cientfico com 10 alunos e estejamos interessados em saber se os escores em um
teste de atitude frente ao trabalho cientfico (que denotaremos pela varivel x) se correlacionam com os
escores em um teste de conhecimento (que denotaremos pela varivel y). Os dados se encontram na Tabela
5-1. Os valores mdios para os dados da Tabela 5-1 so:

______________________
40
Usualmente os nveis 0,01 e 0,05.
41
Os valores com barra, seguindo a conveno anterior, so as mdias em X e Y.
42
Observe que essa equao fornece automaticamente o sinal correto para o coeficiente de correlao.
80
Tabela 5-1 Dados para o exemplo de clculo de correlao.
Aluno X (atitudes) Y (conhecimento)
1 3,4 5,4
2 4,6 7,2
3 5,9 8,4
4 7,3 7,3
5 8,4 9,2
6 8,7 7,5
7 6,9 5,3
8 7,3 9,2
9 9,1 8,9
10 5,0 7,0
A Tabela 5-2 mostra as operaes necessrias para o clculo do coeficiente de correlao.
Tabela 5-2 Clculo do coeficiente de correlao para os dados do exemplo.
x
j
y
j
x
2
y
2
xy
3,4 5,4 -3,26 -2,14 10,63 4,58 6,98
4,6 7,2 -2,06 -0,34 4,23 0,12 0,70
5,9 8,4 -0,76 0,86 0,58 0,74 -0,65
7,3 7,3 0,64 -0,24 0,41 0,06 -0,15
8,4 9,2 1,74 1,66 3,03 2,76 2,89
8,7 7,5 2,04 -0,04 4,16 0,00 -0,08
6,9 5,3 0,24 -2,24 0,06 5,02 -0,54
7,3 9,2 0,64 -0,24 0,41 0,06 -0,15
9,1 8,9 2,44 1,36 5,95 1,85 3,32
5,0 7,0 -1,66 -0,54 2,76 0,29 0,90
X=66,6 Y=75,4 x
2
=33,22 y
2
=15,48 xy=13,22
O valor de r ser dado por:

Portanto o coeficiente de correlao obtido pequeno e podemos dizer que, no nosso exemplo, atitude
frente ao trabalho cientfico e conhecimento no esto correlacionados.
5.4 Validade e Fidedignidade de testes
Testes de conhecimento tentam medir o que um indivduo apreendeu, seu nvel presente ou seu desempenho. Muitos
testes usados em escolas so testes de conhecimento. Freqentemente, escores em testes de conhecimento so
usados na avaliao de cursos, professores, mtodos de ensino e outros fatores considerados significativos na prtica
educacional. Testes de conhecimento so usados na classificao, promoo ou reteno de estudantes em nveis
particulares de ensino. Eles so usados como ferramentas para diagnosticar pontos fracos e fortes dos estudantes e
como uma base para prmios, recompensas, etc. dentro do ambiente escolar.
81
Testes de atitude tentam predizer o grau de conhecimento que pode ser esperado de indivduos em uma atividade
particular. Estes testes tentam prever a capacidade de um indivduo em particular para adquirir um melhor
desempenho a partir de treino adicional. De fato, capacidade (ou atitude) no pode ser medida diretamente. Atitude
somente pode ser inferida com base no desempenho apresentado. Testes de atitude podem ser usados para dividir os
estudantes em grupos relativamente homogneos com fins instrucionais de modo a identificar estudantes para bolsas
escolares ou para ajudar guias individuais dentro de reas onde elas mais provavelmente tero sucesso.
Na pesquisa, testes so instrumentos de medida usados pelos pesquisadores para coletar dados. Deste modo, se a
pesquisa for de qualidade de se supor que os procedimentos usados para a coleta de dados (e sua anlise) devem
ser bons. A qualidade da pesquisa no pode ser melhor do que a qualidade dos procedimentos usados para coletar e
analisar os dados.
Ao selecionarmos os testes que usaremos com fins educacionais, duas caractersticas so desejveis:
1. Fidedignidade: um teste fidedigno se suas medidas so acuradas e consistentes quando aplicado em
tempos diferentes.
2. Validade: em geral, um teste possui validade se mede o que se prope a medir.
Um teste pode ser fidedigno, mesmo se no for vlido. Um teste vlido sempre fidedigno. No existe uma nica
forma de validade ou fidedignidade de um instrumento. Existem muitos tipos de validade e fidedignidade. Em geral,
fidedignidade est relacionada com consistncia e validade est relacionada com a interpretao do teste. Um teste
pode ser vlido para um objetivo e no ser vlido para outro.
5.5 Fidedignidade
43

Por fidedignidade entendemos os quo acurados os dados so, no sentido de sua estabilidade, reprodutibilidade ou
preciso. Um instrumento de coleta de dados fidedignamente perfeito um que se fosse aplicado duas vezes sob as
mesmas circunstncias nos forneceria os mesmos resultados. A correlao a ferramenta estatstica bsica na anlise
de fidedignidade de testes. Uma correlao de 1,00 indicaria perfeita fidedignidade enquanto que correlao 0,00
indicaria nenhuma fidedignidade. Correlaes intermedirias indicariam diferentes nveis de fidedignidade.
So vrias as formas de medir-se a fidedignidade de um teste:
1. Teste-Reteste - exatamente o que o nome implica. Produzimos o primeiro conjunto de dados atravs da
aplicao do teste em um dado instante de tempo e, aps decorrido algum intervalo de tempo longo o
suficiente para esquecer o teste mas curto o suficiente para que no sejam produzidas alteraes
significativas nos respondentes, um segundo conjunto de dados obtido pela aplicao do mesmo teste ao
mesmo conjunto de respondentes (o reteste). Aps a segunda aplicao os dois conjuntos de dados so
correlacionados e a correlao obtida estima a fidedignidade do teste.
O maior problema nesta estratgia envolve o intervalo de tempo. Como definir o que se entende por
intervalo de tempo grande o suficiente para esquecer do teste mas curto o suficiente de modo a que no se
produzam alteraes nos respondentes? A resposta a esta questo depende do tipo de pesquisa que est
sendo feita.
O procedimento de teste - reteste mais aplicvel quelas situaes onde a atitude, habilidade ou
conhecimento que est sendo avaliado possui estabilidade, mudando em escalas de tempo longas frente ao
perodo entre o teste e o reteste. Esta, obviamente uma limitao de ordem prtica sendo, sob o ponto de
vista tcnico, muito difcil garantir a integridade dos respondentes entre o teste e o reteste. Outro aspecto
______________________
43
Parte dessa seo baseada em The Research Process in Education, por D. J. Fox, 1969.
82
perigoso da estratgia do teste - reteste que estamos calculando a correlao entre dados provenientes
de duas exposies dos sujeitos ao mesmo contedo. Desse modo, se existir um direcionamento do teste em
alguma direo ser, naturalmente, um direcionamento consistente em cada uma das exposies ao
instrumento.
2. Forma alternada: nesta forma de medio de fidedignidade o pesquisador deve desenvolver duas formas
paralelas ou equivalentes de seu instrumento, digamos formas A e B, administrar ambas s mesmas pessoas
e correlacionar os dois conjuntos de dados obtidos. A administrao das duas formas pode ser com um
intervalo de tempo entre as duas aplicaes ou de uma nica vez, com as duas formas sendo aplicadas
consecutivamente. Em ambos os casos aconselhvel alternar-se a ordem de aplicao entre as duas formas
do teste, isto , metade dos respondentes respondem forma A do teste e depois forma B e a outra
metade responde primeiro forma B e depois forma A do teste. Esta maneira de aplicar o teste elimina
efeitos que poderiam mascarar os resultados obtidos tais como cansao ou aborrecimento durante a
aplicao da segunda forma do teste.
Este tipo de procedimento possui as seguintes dificuldades:
- Em muitos casos difcil desenvolver-se uma forma do instrumento, o que dir duas.
- H situaes onde difcil, seno impossvel, perguntar-se a mesma coisa duas vezes, de forma
equivalente ou similar.
- Se o procedimento envolver certo intervalo de tempo entre a aplicao do teste e de sua forma alternada,
da mesma forma que ocorreu para a forma teste - reteste, pode surgir o problema de reagrupar o mesmo
grupo de sujeitos para responder o teste pela segunda vez.
- Administrar consecutivamente duas formas do mesmo teste exige duas vezes mais tempo e exige a
manuteno de um interesse suficiente por parte dos respondentes uma vez que eles trabalharo,
basicamente, sobre os mesmos contedos.
3. Mtodo da metade ou par-mpar: um terceiro procedimento chamado da metade ou par-mpar soluciona
cada um dos problemas apontados anteriormente, quando da discusso das outras formas de clculo de
fidedignidade. Ela envolve somente a administrao de um instrumento em apenas uma nica forma. O
instrumento aplicado uma nica vez a um grupo de respondentes, entretanto, ele analisado de forma a
separar os escores de cada respondente em duas metades. Estes dois conjuntos de escores so ento
correlacionados. Desse modo, se um instrumento possui 100 itens, para obtermos a estimativa de
fidedignidade na forma par-mpar, obteramos os escores de cada respondente nas questes mpares e ento
obteramos um escore separado para as outras 50 questes pares. possvel, mas no o mais aconselhvel,
usar o procedimento de separao em metades, isto , obter um escore para cada respondente baseado na
primeira metade do teste e outro baseado na segunda metade do teste.
A forma par-mpar a prefervel devido s seguintes vantagens:
- Normalmente, um instrumento de medida cobre diferentes reas do conhecimento em diferentes sees
as quais geralmente so estanques e bem diferenciadas.
- Fatores tais como fadiga ou perda de interesse poderiam causar omisso por parte do respondente nas
questes finais do teste.
No entanto, no importa qual seja o procedimento usado estimativas de fidedignidade obtidas a partir do uso de
metades de um instrumento tambm apresentam seus problemas, principalmente relacionados com o fato de que a
fidedignidade relacionada com o nmero de itens de um instrumento.
83
O seguinte procedimento foi desenvolvido de modo a calcular a fidedignidade de um instrumento como um todo a
partir do clculo da fidedignidade a partir de metades do teste. a chamada frmula de Spearman-Brown, que
recebe esse nome em homenagem aos pesquisadores que, de forma independente, a desenvolveram:

Onde o
SB
a chamada estimativa de fidedignidade de Spearman-Brown, o a correlao entre as duas metades do
teste. O que esta frmula nos d somente uma predio ou estimativa da fidedignidade que o pesquisador poderia
esperar para o instrumento como um todo a partir dos valores de fidedignidade obtidos para cada metade do teste.
Esta frmula importante porque a forma de clculo de fidedignidade mais freqentemente usada a forma par-
mpar. Lamentavelmente, entretanto, a prtica de comunicar apenas os coeficientes obtidos a partir da frmula de
Spearman-Brown tem crescido, uma vez que os valores obtidos so maiores, do que aqueles obtidos pela anlise de
fidedignidade com base no coeficiente Alfa de Cronbach, o qual ser discutido mais adiante.
A maior vantagem de usar-se correlao entre metades como uma estimativa de fidedignidade do teste total de
natureza prtica: ns necessitamos de apenas um teste e uma sesso de testagem por parte dos respondentes. Suas
desvantagens so as mesmas.
Expectativas para a fidedignidade de um instrumento diferiro dependendo da natureza da informao que est
sendo procurada. Se estivermos procurando uma informao tipo demogrfica, como, por exemplo, lugar de
nascimento, escolaridade e experincia profissional poderamos esperar uma alta fidedignidade de um instrumento.
Em termos de correlaes isto implica em coeficientes de correlao da ordem ou superiores a 0,90. Por outro lado, se
a procura for sobre conhecimento e habilidades, as quais so informaes de carter no to fixo quanto o exemplo
anterior, nossa expectativa de fidedignidade ser menor e um coeficiente de fidedignidade de 0,85 aceitvel. Por
fim, se o tipo de informao procurada for mais movedia, como por exemplo atitudes e interesses, um coeficiente da
ordem de 0,70 ser aceitvel.
Uma pergunta que surge naturalmente nesse ponto a seguinte: como melhorar a fidedignidade de um teste? Como
comentamos anteriormente, a fidedignidade de um teste est diretamente relacionada com a extenso do teste.
Portanto, um procedimento bvio de modo a melhorar a fidedignidade de um teste alterar a sua extenso. Mas de
quanto a fidedignidade poderia ser melhorada com o acrscimo de uma ou mais questes ao teste? A resposta a essa
pergunta encontra-se embutida na frmula de clculo do coeficiente de Spearman-Brown, a qual fornece a
fidedignidade mxima que poderia ser obtida pelo aumento no tamanho do teste. Essa estimativa dada pela
equao abaixo:

Nessa expresso, k o nmero de vezes que o novo teste maior que o anterior, r a fidedignidade apresentada
pela forma atual do teste e r
k
a estimativa de fidedignidade da nova forma do teste. Naturalmente, o acrscimo de
novas questes sempre problemtico, envolvendo questes de anlise de validade.
Exemplo: suponhamos que a fidedignidade de um teste estimada em 0,50. Este teste tem a sua extenso
duplicada pelo acrscimo de itens. Qual ser a estimativa da nova fidedignidade?

84
5.6 Um algoritmo para o clculo do coeficiente de fidedignidade de
testes Anlise de Consistncia Interna
44

Uma das aplicaes do coeficiente de correlao na Anlise da Consistncia Interna de testes. muito comum na
prtica docente que o professor some escores de itens isolados de testes compondo, assim, um escore bruto o qual
usado para anlises e inferncias. No entanto, esse procedimento somente aceitvel quando todos os itens do teste
se referem a um mesmo conjunto de conceitos e/ou habilidades. A anlise de consistncia interna de um teste tem
por objetivo verificar o quanto de verdade existe nessa hiptese a respeito de determinado teste. A idia geral
comparar-se o desempenho em cada item dos respondentes ao teste com o desempenho dos respondentes ao teste
como um todo. Se o desempenho dos respondentes a um item no se correlaciona com o desempenho dos
respondentes ao teste como um todo isto significa que aquele item em particular no est avaliando as mesmas
caractersticas das demais questes que compem o teste e, portanto, deve ser descartado (ou modificado). A Anlise
de Consistncia Interna parte indispensvel do processo de pesquisa. O pesquisador no pode usar um teste sem
verificar a sua consistncia interna. Sem essa etapa, a soma de escores atribudos a itens particulares no pode ser
feita e toda inferncia obtida a partir desse escore total ser sem significado.
Daremos a seguir um roteiro para a execuo de anlise de consistncia interna. Os dados utilizados no exemplo so
retirados da Tabela 5-3.
1. Transforme a resposta de cada indivduo a cada item em um escore.
2. Calcule o escore total de cada indivduo somando os escores obtidos em cada item por aquele indivduo.
3. Ordene os indivduos, em ordem decrescente, pelo escore total.
4. Construa a matriz dos resultados (veja a Tabela 5-3).
5. Determine a freqncia de cada escore (nmero de vezes em que o escore aparece) em cada item (veja as
ltimas cinco linhas da Tabela 5-3).
6. Calcule a mdia do escore total. Isto feito somando-se os escores totais de cada um dos sujeitos e dividindo-se
pelo nmero de sujeitos (N). Assim, no nosso exemplo, teremos a soma da ltima coluna da tabela 3 dividida
por 31 (nmero de sujeitos):

______________________
44
Este roteiro foi elaborado pelo professor Fernando Lang da Silveira do Instituto de Fsica da UFRGS.
85
Tabela 5-3 Dados para o exemplo de anlise de consistncia interna.
Item
Indivduo |
1 2 3 4 5 6 7 8 Total
1. 5 5 5 5 5 5 5 2 37
2. 5 4 4 5 3 5 5 3 34
3. 5 5 4 5 3 4 5 3 34
4. 4 4 5 4 4 5 5 2 33
5. 5 4 5 5 2 4 4 3 32
6. 4 5 4 4 3 5 5 2 32
7. 4 4 5 5 5 5 3 1 32
8. 4 5 5 4 4 4 5 1 32
9. 3 4 5 4 3 5 5 2 31
10. 4 3 4 5 2 5 5 3 31
11. 5 5 5 4 1 4 3 4 31
12. 4 4 3 4 5 4 4 3 31
13. 4 4 4 3 3 3 4 4 29
14. 4 4 4 4 2 4 3 3 28
15. 3 4 4 4 3 4 4 2 28
16. 3 4 5 3 2 4 5 2 28
17. 4 3 3 5 4 3 2 4 28
18. 4 4 4 3 3 5 4 1 28
19. 3 3 4 4 4 4 3 2 27
20. 4 4 3 3 2 3 4 4 27
21. 4 3 3 3 4 3 4 3 27
22. 3 4 3 3 4 4 4 2 27
23. 3 4 3 3 1 3 4 5 26
24. 3 3 3 4 3 4 3 3 26
25. 2 3 3 3 5 4 3 1 24
26. 3 2 3 3 4 3 4 2 24
27. 1 2 3 2 5 3 3 5 24
28. 4 3 3 3 4 1 1 4 23
29. 2 2 2 1 4 3 3 4 21
30. 3 3 1 2 3 2 2 2 18
31. 1 1 2 1 3 1 2 4 15
F(1) 2 1 1 2 2 2 1 4
F(2) 2 3 2 2 5 1 3 10
F(3) 9 8 11 10 10 8 8 8
F(5) 13 14 9 10 9 12 10 7
F(6) 5 5 8 7 5 8 9 2

86
8. Calcule a mdia e a varincia de cada item. Por exemplo para o item 1 temos:
I=(1x2)+(2x2)+(3x9)+(4x13)+(5x5)=110 (soma dos escores)

I
2
=(1
2
x2)+(2
2
x2)+(3
2
x9)+(4
2
x13)+(5
2
x5)=424 (soma dos quadrados dos escores)
I =I/N=110/31=3,548
(mdia do escores atribudos ao item)
V
I
= 424/31-(3,548)
2
=1,089 (varincia no item).

A Tabela 5-4 mostra os valores da mdia e da varincia para cada item do nosso exemplo.
Tabela 5-4 Clculos para o primeiro sujeito da Tabela 5-3.
Item 1 2 3 4 5 6 7 8
Mdia 3,55 3,61 3,68 3,58 3,32 3,74 3,74 2,77
Varincia 1,086 0,947 1,057 1,211 1,251 1,159 1,159 1,272
9. Calcule o somatrio da varincia dos itens. Para os dados do nosso exemplo (veja a Tabela 5-4):
V
I
=1,089+0,946+...+1,273=9,144
10. Calcule o coeficiente de fidedignidade (coeficiente o de Cronbach) dado por:

Nessa expresso, n o nmero de itens do teste, V
i
a varincia em cada item e V
T
a varincia total no teste. Para os
dados do nosso exemplo:

Como j sabemos, o coeficiente de fidedignidade um nmero entre -1 e 1. Quanto mais prximo de 1 (em mdulo)
melhor o teste. No nosso exemplo, o coeficiente de fidedignidade obtido est bastante longe de um valor aceitvel.
De modo que possamos melhorar o teste devemos descobrir quais os itens do teste esto levando a esse valor baixo.
Para isso, devemos calcular o coeficiente de correlao entre cada item e o escore total do teste. Os itens que
apresentarem um baixo coeficiente de correlao com o escore total do teste so aqueles que esto contribuindo
para um baixo valor do coeficiente de correlao. A Tabela 5-5 traz os valores dos coeficientes de correlao entre os
itens e o escore total:
Tabela 5-5 Coeficiente de correlao item escore total para nosso exemplo.
Item 1 2 3 4 5 6 7 8
Coeficiente de correlao item escore total 0,779 0,813 0,823 0,856 -0,012 0,805 0,715 -0,287
11. Verifique se existem itens com coeficiente de correlao item-total prximo de zero ou negativo. Se existirem
esses itens devem ser eliminados. No nosso exemplo os itens 5 e 8 devem ser eliminados.
12. Recalcule o escore total de cada indivduo eliminando os itens deficientes. Veja que agora os itens que voc
levar em conta so seis e no mais oito. Assim, por exemplo, o escore total do primeiro sujeito passar ser 30,
do segundo 28 e assim por diante.
87
13. Repita as etapas de 6 a 10 com o objetivo de encontrar o novo coeficiente de fidedignidade. Para os dados
do nosso exemplo, aps a eliminao dos itens 5 e 8 e da realizao do novo clculo, o coeficiente de
fidedignidade passar a ser 0,904.
5.7 Validade
45

Enquanto a fidedignidade o pr-requisito bsico para qualquer instrumento de pesquisa, a validade a caracterstica
mais importante que ele deve possuir. Isto porque a validade lida com o relacionamento entre os dados obtidos e o
propsito para o qual eles foram coletados. Deste modo, validade definida como o grau com que o procedimento
realmente mede o que se prope a medir.
A anlise de fidedignidade uma etapa que precede a da anlise validade, sendo essencial mesma, e coloca um
limite superior validade do instrumento. Assim, um instrumento com fidedignidade 0,00 no pode ter qualquer
validade; no outro extremo, um instrumento com validade 1,00 pode possivelmente ser perfeitamente vlido. Para os
graus intermedirios de fidedignidade a validade mxima pode ser estimada a partir da raiz quadrada do coeficiente
de fidedignidade. Entretanto, enquanto a fidedignidade coloca limites na validade, ela no garantia desta ltima. Por
exemplo, pode acontecer que um instrumento com fidedignidade de 0,60 tenha uma validade muito menor que 0,77
(\0,60=0,77) e, de fato, pode ter nenhuma validade.
Portanto, fidedignidade pr-requisito para que um instrumento seja vlido, garantindo que ele mede de forma
correta, mas isto no garantia de que ele mea o que est se propondo a medir. A validade deve ser estimada
separadamente uma vez que a fidedignidade do instrumento j tenha sido estabelecida e que os valores encontrados
sejam satisfatrios.
So vrios os tipos de anlise que podem ser feitas de modo a estabelecer a validade do instrumento. No h, como
para a fidedignidade, uma forma matemtica de estabelecer a validade de um instrumento. A seguir elencaremos os
vrios tipos de anlises possveis que levam ao estabelecimento da validade de um instrumento:
1. Validade de face: este tipo de validade estabelecido a partir da anlise superficial da natureza do
instrumento, isto , pela apresentao do instrumento. Obviamente, este o tipo de analise de validade mais
fraco.
2. Validade de contedo: mais apropriada que a anterior, esta tcnica de anlise de validade , muitas vezes, a
forma mais adequada disponvel ao pesquisador para analisar certos tipos de instrumentos , tais como
questionrios e entrevistas. Entretanto, uma tcnica que depende do julgamento de quem faz a anlise de
validade o que, sem dvida, seu ponto fraco. Esta tcnica verifica se o instrumento est medindo o que se
prope a medir atravs da anlise da existncia de razes racionais para a escolha do contedo do
instrumento ou de uma base, lgica ou emprica, para esta escolha.
3. Validade de construo: esta tcnica definida como a habilidade do instrumento de distinguir grupos para
os quais se sabe previamente que se comportam de formas diferentes na varivel ou construto sob estudo.
Em nvel de procedimento, determinar a validade de construo tem dois estgios. O primeiro consiste na
definio de um critrio para identificar os grupos que diferem no construto que o novo instrumento se
prope a medir. O segundo estgio consiste em administrar o instrumento a estes grupos e determinar se
eles diferem significativamente no novo instrumento tambm. Se assim for, ento teremos algum dado pelo
qual defender a validade do novo instrumento.
4. Validade congruente ou concorrente: o pesquisador que oferece validade concorrente ou congruente
apresenta dados de natureza correlativa, mostrando que o desempenho no seu novo instrumento
______________________
45
Fox, 1969.
88
correlaciona-se com o desempenho de algum instrumento de medir a varivel j existente e aceito como
vlido. Se o critrio que est sendo empregado pelo novo instrumento da mesma famlia que o instrumento
antigo se fala em validade congruente. Se, por outro lado, o critrio empregado de natureza diferente entre
os dois instrumentos fala-se em validade concorrente.
O cerne das validades concorrente e congruente est na relevncia e validade do critrio.
5. Validade preditiva: existe validade preditiva quando o pesquisador pode prever comportamentos dos
respondentes, na rea de interesse da pesquisa, a partir dos dados obtidos pelo instrumento. Este tipo de
processo de validao implica que o pesquisador deva esperar algum tempo para saber se as predies feitas
se concretizaram ou no e em que extenso. Estes dados podem ser apresentados de vrias formas, dentre
elas a correlao entre os escores preditos e o escore real, porcentagens de predies corretas, etc..

89

Captulo 6. Anlise de Varincia e Anlise Fatorial de Varincia

90
6.1 O Teste F Anlise da Varincia (ANOVA)
Se quisermos determinar se os escores em uma amostra so mais variveis que os escores em outra amostra,
podemos usar a tcnica chamada de teste F. Usando o teste F podemos determinar se a variabilidade em um conjunto
de dados significativamente maior que a variabilidade em outro conjunto de dados. Ao conduzir um teste F, ns
estamos usando uma medida da variabilidade chamada de varincia, ao invs do desvio padro. A Varincia, em
termos simples, o quadrado do desvio padro.
Para uma amostra com n
i
sujeitos, a Varincia ser dada por:

eq. 6-1

A quantidade que aparece no numerador da eq. 6-1 chamada de soma dos quadrados:

eq. 6-2

O nmero de graus de liberdade, entendido como o nmero de variveis independentes, dado por: .
Observe que o nmero de graus de liberdade o nmero de sujeitos menos um, pois existe uma equao de vnculo
entre os sujeitos: a mdia.
A Anlise de Varincia consiste na comparao da varincia entre diferentes grupos, vistos como unidades
independentes, a partir de suas mdias, e a varincia dentro dos grupos. Para executar um teste F entre duas
varincias, simplesmente dividimos varincia entre os grupos pela varincia dentro dos grupos. Isto nos d o que
chamado de razo F entre as duas varincias. A questo que queremos responder se a varincia obtida de uma
amostra difere significativamente da varincia obtida das outras amostras. Neste caso, a hiptese nula que no
existe diferena entre a variabilidade dos escores em uma amostra em relao variabilidade dos escores da outras
amostras. Usamos ento uma tabela de valores F para determinar se rejeitamos ou no a hiptese nula, no nvel de
significncia escolhido.
O teste F pode ser usado para analisar a variabilidade entre mdias de escores de trs ou mais amostras se pudermos
assumir que as amostras foram obtidas atravs de seleo randmica e a partir de uma populao distribuda
normalmente
46
. O teste F usado para comparao entre vrias mdias de escores chamado de Anlise da Varincia
(ANOVA) e envolve a comparao de duas varincias estimadas.
O que pretendemos comparar uma estimativa da varincia da populao obtida a partir dos escores dentro de cada
amostra com uma estimativa obtida dos escores mdios das vrias amostras. Uma das varincias estimadas obtida
pela comparao da varincia estimada para cada uma das amostras separadamente e, ento, combinando-as de
modo a obter uma estimativa nica chamada de estimativa de varincia dentro dos grupos.
A outra varincia estimada calculada a partir dos escores mdios para cada uma das amostras e calculando-se a
varincia estimada usando-se estes escores mdios e o tamanho da amostra no clculo. Esta varincia chamada de
estimativa de varincia entre os grupos.
Queremos determinar se a estimativa de varincia entre grupos significativamente maior que a estimativa de
varincia dentro dos grupos. Se a estimativa de varincia entre os grupos for significativamente maior que a
estimativa de varincia dentro dos grupos poderemos rejeitar a hiptese nula e dizer que as amostras no provm da
______________________
46
De fato, poderamos usar o teste F para comparao entre duas amostras, mas nesse caso os resultados seriam
idnticos queles do teste t.
91
mesma populao. De modo a aplicar a anlise da varincia, uma razo F calculada entre as duas varincias
estimadas: usando a varincia entre grupos estimada como numerador e a varincia dentro dos grupos como
denominador. A partir da, usando-se uma tabela de valores F, podemos determinar, para qualquer tamanho das
amostras, a razo F necessria para rejeitar a hiptese nula, no nvel de significncia especificado.
Exemplo 1: suponhamos que queiramos determinar se os nveis de iluminao afetam a produtividade no
trabalho em uma empresa de produtos eletrnicos. Para estudar isto selecionamos, randomicamente, quatro
amostras de quarenta empregados cada e os distribumos em diferentes nveis de iluminao. Medimos
ento a produtividade de cada grupo e obtemos os dados da Tabela 6-1.
evidente que a produtividade mdia das quatro amostras diferente. Mas, necessitamos saber se a
variabilidade entre as mdias amostrais (i.e., a diferena entre as mdias) ocorreu como resultado de erro de
amostragem ou se a variabilidade pode ser atribuda quantidade de iluminao.
Neste exemplo, a hiptese nula (H
0
) a ser testada a de que no h diferena na produtividade dos
empregados como resultado dos diferentes nveis de iluminao. Para determinar isto, ou seja, se podemos
ou no desprezar a hiptese nula, examinamos este conjunto de dados usando a anlise da varincia. A
interpretao dos resultados da anlise da varincia feita do mesmo modo que aquela do teste t.
Suponhamos que a razo F em nosso exemplo seja significativa ao nvel 0,01. Poderamos ento rejeitar a
hiptese nula e concluir que o nvel de iluminao relacionado produtividade.
Tabela 6-1 - Dados para o Exemplo 1.
Nvel Valor mdio
I 40
II 38
III 27
IV 26

A inspeo das mdias das amostras nos diz que a produtividade entre os nveis I e II difere somente por dois
pontos. Da mesma forma, a diferena entre os nveis III e IV somente de um ponto. A diferena maior
aparece entre os nveis II e III. Nossa anlise da varincia somente nos diz que existe uma diferena geral
entre as quatro mdias, porm, no nos informa qual dos grupos o responsvel pela diferena significativa.
Como veremos mais adiante, a anlise de qual a causa da diferena observada feita atravs da Anlise
Fatorial da Varincia. A tcnica de anlise de varincias pode ser usada para a anlise de diferenas entre
qualquer nmero de amostras e tambm aplicvel para a anlise de diferenas entre grupos dentro de
amostras, tais como masculino - feminino ou agrupamentos por idade. Em nosso exemplo, poderamos ter
dividido nossas amostras em grupos de empregados mulheres e grupos de empregados homens e, alm
disso, poderamos ainda t-los agrupado por idade. Naturalmente, neste caso deveramos ter tido muito mais
empregados em nossa amostra. Usando a anlise de varincias poderamos ter examinado diferenas em
produtividade entre sexos, de acordo coma a idade dos empregados e entre diferentes nveis de iluminao.
Isto poderia ser chamado de anlise de varincias tri-lateral uma vez que poderia ter sido analisada a
produtividade como funo de idade, sexo e quantidade de iluminao.
6.2 O mtodo da Anlise de Varincia (ANOVA)
Antes de discutirmos a forma de clculo da Anlise de Varincia vamos entender a lgica que embasa o mtodo.
Queremos descobrir se dois ou mais grupos so equivalentes a partir da anlise da variabilidade nos escores obtidos
pelos grupos em algum tipo de teste. A variabilidade dos escores pode ser de duas naturezas. Primeiro, temos a
variabilidade dos escores em si, quando olhamos o conjunto total de escores e dentro de cada grupo que estamos
analisando. Essa variabilidade chamada de varincia dentro dos grupos (que denotaremos por ). Alm dessa
92
variabilidade, temos a variao na mdia dos escores entre os diferentes grupos. A essa variabilidade chamamos de
varincia entre os grupos (que denotaremos por ).
A razo formada pela diviso da varincia entre grupos ( ) pela varincia dentro dos grupos ( ) chamada de razo
F:

Os valores F dos dados experimentais so calculados e comparados contra uma tabela de valores F. Se os valores
obtidos so maiores ou muito maiores que os valores tabelados, naquele nvel de significncia estatstica e graus de
liberdade, as diferenas expressas por V
b
refletem diferenas significativas. Neste caso, a hiptese nula, de que no h
diferena alguma entre as mdias rejeitada naquele nvel de significncia.
6.2.1 Varincia entre os grupos
Para calcularmos a varincia entre os grupos analisados vamos utilizar a eq. 6-1. Ao analisarmos os grupos, as
unidades fundamentais so as mdias. O nmero de graus de liberdade ser dado pelo nmero de grupos menos um,
j que a mdia das mdias uma equao de vnculo entre os diferentes grupos. Com essa traduo, a expresso para
a varincia entre os grupos dada por
47
:

eq. 6-3

Os termos que aparecem nessa expresso so dados por:

: denota a soma dos escores o i-simo grupo;

: denota a soma de todos os escores;

: nmero de graus de liberdade entre os grupos (k o
nmero de grupos analisados).

6.2.2 Varincia dentro dos grupos
Vamos agora calcular a varincia dentro dos grupos. Esta quantidade ser calculada a partir do clculo da soma dos
quadrados dentro de cada grupo e, a parir desses resultados, a soma dos quadrados totais calculada. Essa
quantidade dada por:

eq. 6-4

______________________
47
Levin, J. Estatstica Aplicada a Cincias Humanas. 2
ed
So Paulo: Ed. Harbra, 1987.
93
Nesta expresso:

: Soma dos quadrados dentro de cada grupo
: graus de liberdade
: nmero total de sujeitos
: : nmero de grupos
6.2.3 Um exemplo de clculo da razo F
Vamos utilizar um exemplo para descrever as etapas do mtodo de clculo da razo F. Suponhamos que um
investigador educacional esteja interessado na eficcia relativa de dois mtodos de ensino, denotados por A
1
e A
2
.
Aps selecionar dez estudantes, nosso pesquisador os divide em dois grupos, aleatoriamente, um experimental e
outro de controle. Aps algum tempo, ele mede a aprendizagem dos sujeitos de ambos os grupos, usando algum tipo
de teste. Os resultados so mostrados na Tabela 6-2.
Tabela 6-2- Dois conjuntos de dados experimentais para o Exemplo 1.
A
1
x x
2

A
2
x x
2
Totais
4 16 3 9
5 25 1 1
3 9 5 25
2 4 2 4
6 36 4 16
x 20 x 15 = 35
(x
2
)

90 (x
2
)

55
4 3 =3,5

Nosso trabalho com os dados mostrados na Tabela 6-2 localizar e computar os diferentes termos que aparecem nas
eq. 6-3 e eq. 6-4, para a varincia entre os grupos e dentro dos grupos. Estas quantidades so mostradas na Tabela
6-3.
Tabela 6-3 Quadro resumo da Tabela 6-2.

N = 10

Primeiro, vamos calcular a varincia entre os grupos ser dada por (eq. 6-3):

Vamos agora calcular a varincia dentro dos grupos (eq. 6-4). Para os dados do nosso exemplo temos:
94

Logo:

Podemos agora calcular a razo F:

Estes dados podem ser resumidos em uma tabela como a Tabela 6-4.
Tabela 6-4 - Clculo da razo F para os dados da Tabela 6-5.
Fonte S
q

Entre Grupos k-1 = 1 2,50 2,50 1. (0,05)
Dentro dos grupos N-k = 8 20,00 2,50

Neste tipo de tabela mostramos na primeira coluna a fonte de varincia (entre os grupos ou dentro dos grupos), na
segunda coluna os graus de liberdade (novamente entre os grupos e dentro dos grupos), na terceira coluna a varincia
calculada entre os grupos e dentro dos grupos , na quarta coluna as varincias computadas entre os grupos e dentro
dos grupos divididas pelos respectivos graus de liberdade e por fim na ltima coluna a razo F. O valor entre
parnteses na ltima coluna indica o nvel de significncia estatstica do valor F encontrado.
Comparando a anlise de varincias com o teste t, podemos dizer que a forma de encarar o problema
conceitualmente similar, com diferenas na metodologia. O mtodo geral: enquanto diferenas entre mais que dois
grupos podem ser testadas, quanto significncia estatstica, usando a anlise de varincias, o teste t aplica-se
somente a dois grupos. A anlise de varincias para dois grupos fornece os mesmos resultados que o teste t.
Um segundo exemplo mostrado na Tabela 6-5, a qual traz o resumo do que seria um experimento hipottico
envolvendo 10 sujeitos. O resumo da anlise apresentado na Tabela 6-6.

95
Tabela 6-5 - Clculo de anlise de varincia: dados fictcios.
X
A1
X
A1
2
X
A2
X
A2
2

6 36 3 9
7 49 1 1
5 25 5 25 N=10
4 16 2 4 n=5
8 64 4 16 k=2
X 30 15 X
t
=45
(X)
2
900 225 (X
t
)
2

M 6 3 M
t
=4,5
X
2
190 55 X
t
2
=245

Tabela 6-6 - Clculo da razo F para os dados da Tabela 6-5.
Fonte

Entre Grupos k-1=1 22,50 22,50 9. (0,05)
Dentro dos grupos N-k=8 20,00 2,50
Total N-1 42,50

6.3 Anlise Fatorial de Varincia
Usamos a Anlise Fatorial da Varincia quando duas ou mais variveis variam independentemente ou interagem uma
com a outra para produzir variaes na varivel dependente. A Anlise Fatorial da Varincia o mtodo estatstico
que analisa os efeitos independentes e interativos de duas ou mais variveis independentes em uma varivel
dependente.
No passado, muitos pesquisadores acreditavam (e isto ainda vlido para muitos pesquisadores nos dias de hoje) que
o mtodo de pesquisa mais efetivo era permitir que uma varivel independente evolusse enquanto as demais
variveis independentes eram controladas, tanto quanto possvel. A Anlise Fatorial da Varincia veio mudar esse
quadro, permitindo que possamos analisar o efeito de vrias variveis independentes ao mesmo tempo.
A anlise fatorial serve para vrios propsitos. Primeiro, o delineamento fatorial e a anlise fatorial da varincia
permitem ao pesquisador manipular e controlar duas ou mais variveis simultaneamente
48
. Por exemplo, podemos
no somente estudar os efeitos de determinado mtodo de ensino sobre a aprendizagem, mas tambm analisar os
efeitos, digamos, de tipos de reforo sobre as respostas. Alm disso, podemos controlar as variveis tais como sexo,
inteligncia e classe social.
Variveis que no so manipuladas podem ser controladas. Ao invs do procedimento disseminado de parear os
sujeitos para testes sobre inteligncia ou atitudes, poderamos construir estas variveis (e muitas outras) usando
delineamentos com um carter fatorial. No somente controlaramos estas variveis como tambm obteramos
informao adicional de grande valor e significncia.

______________________
48
Embora seja possvel o controle de mais que trs variveis, estes delineamentos se tornam pouco prticos devido
dificuldade de obter-se um nmero suficiente de sujeitos de modo a ocupar todas as clulas. A forma mais simples de
uma anlise fatorial de varincia 2 2 2.
96
6.3.1 Hipteses testadas pela anlise de varincia bilateral
Muitos mtodos
49
estatsticos multivariados diferem de mtodos de uma nica varivel e mtodos de duas variveis
no sentido de que um nico conjunto de clculos permite-nos testar muitas hipteses diferentes; todos, ou
virtualmente todos, os clculos devem ser feitos, mesmo se quisermos testar somente uma das hipteses. A anlise
de varincias bilateral, a esse respeito, semelhante a esses mtodos multivariados. A anlise de varincias usada
para testar trs hipteses nulas diferentes sobre valores da populao:
1. As mdias das linhas, em uma anlise de varincias bilateral, so iguais (teste para efeitos das linhas).
2. As mdias das colunas, em uma anlise de varincias bilateral, so iguais (teste para efeitos das colunas).
3. As diferenas entre as mdias em cada clula da tabela em diferentes linhas so constantes de coluna para
coluna (teste para interao).
Os efeitos devidos s linhas e colunas so chamados de efeitos principais por contraste com o efeito de interao.
Linhas na tabela dizem respeito a uma varivel independente enquanto que as colunas dizem respeito outra, e os
escores nas clulas da tabela so os escores na varivel dependente.
6.3.2 Interao
Relativamente interao, a hiptese nula de que no h interao entre as variveis independentes, ou seja, de
que no existe influncia da combinao de variveis. Esta hiptese poderia ser chamada de hiptese da diferena
constante ou hiptese dos escores relativos constantes. O que se quer dizer com isto que as diferenas entre clulas
de linhas diferentes permanecero constantes de coluna para coluna; equivalentemente poder-se-ia dizer que as
diferenas entre clulas de colunas diferentes permanecero constantes de linha para linha.
Como um exemplo, consideremos a Tabela 6-7, uma hipottica tabela de mdias, de 12 clulas.
Tabela 6-7 - Dados de um exemplo onde inexiste interao.

Colunas
L
i
n
h
a
s

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

Este um exemplo tpico de falta de interao. Observe que a diferena das mdias em clulas na segunda linha em
relao primeira linha constante e igual a 1 unidade enquanto que a diferena entre os valores na primeira linha e
os da terceira tambm constante e igual a 2. As diferenas entre linhas sendo constantes, ento as diferenas entre
colunas tambm o sero. A Figura 6-1 mostra graficamente o que significa no haver interao entre as variveis.
Como j comentamos anteriormente, graficamente a falta de interao aparece como linhas paralelas em um grfico
onde representamos os valores mdios das clulas em cada linha. Marcamos no grfico, para cada linha da tabela, os
valores mdios e ento os ligamos por uma linha. Se no houver interao (hiptese nula) ento as linhas obtidas para
cada linha da tabela no se cruzaro, ou mais precisamente, sero paralelas. No caso de haver algum tipo de interao
ento as linhas no mais sero paralelas, no havendo necessidade de que elas se cruzem. Um exemplo de interao
(fictcio) vai mostrado na Figura 6-2, a qual uma representao grfica dos dados da Tabela 6-8.
______________________
49
Ver Darlington, 1975.
97

Figura 6-1 - Um exemplo onde no h interao.
Como um ltimo comentrio desta seo, convm discutir o que se entende por anlise de varincias unilateral e o
que se entende por anlise de varincias bilateral. Primeiro vamos dizer o que no define o tipo de anlise que
estamos fazendo. No o nmero de variveis que estamos utilizando. O que define o tipo de anlise de varincia o
nmero de classes de variveis utilizadas. Assim, por exemplo, em um determinado experimento analisamos a
influncia de trs mtodos de ensino diferentes. Estamos, nesse caso fazendo uma anlise de varincias unilateral,
uma vez que as variveis analisadas (mtodos de ensino) pertencem a uma nica classe (Mtodos). Por outro lado, se
estivermos analisando alm de mtodos de ensino diferentes tipos de motivao estaremos frente a uma anlise de
varincias bilateral, pois, nesse caso, teremos duas classes: mtodos de ensino e tipos de motivao. Esse exemplo
ser discutido na prxima seo de modo a discutirmos o mtodo propriamente dito.
Tabela 6-8 - Dados de um exemplo onde existe interao.

Colunas
L
i
n
h
a
s

1 2 3 4
1 4 5 7 5
2 3 1 4 4
0 1 2 3 4 5
2
3
4
5
6
7
8
9
Linha 1
Linha 2
Linha 3
E
s
c
o
r
e
s

n
a
s

c
l
u
l
a
s
Colunas
98
Figura 6-2 - Um exemplo onde existe interao.
6.3.3 O mtodo da Anlise Fatorial de Varincia
Vimos anteriormente que a Anlise de Varincias nos diz se temos diferena entre os grupos analisados em relao a
uma dada varivel, mas no nos aponta qual a origem dessa diferena. Outra limitao que vimos tambm que ela
til para analisarmos os grupos frente a uma nica varivel. Contudo, na situao real de pesquisa, difcil obtermos
um delineamento experimental perfeito no qual consigamos controlar as variveis e isolar apenas uma delas. Por essa
razo, precisamos da Anlise Fatorial de Varincia. Essa tcnica nos permite verificar qual a fonte da varincia
observada e, mais importante, nos permite analisar quo importante a interao entre duas ou mais variveis. A
interao entre variveis o resultado obtido quando vrias variveis agem sobre um mesmo fator e o resultado
depende da presena de todas. Se houver interao entre as variveis, o efeito somente acontecer pela presena de
todas e no com apenas uma ou mais variveis presente. O mtodo bsico da Anlise Fatorial de Varincia consiste
em analisar os resultados considerando as categorias individuais e depois a interao entre os vrios fatores.
De modo a estudarmos o mtodo usado na anlise fatorial da varincia vamos analisar um exemplo hipottico
50
. Um
pesquisador est interessado no estudo da influncia de duas classes de fatores na aprendizagem. A primeira classe
o mtodo de ensino, que pode ser um de dois mtodos a serem estudados, e que sero denotados por A
1
e A
2
. A
segunda classe de fatores a motivao, os quais podero ser um de dois possveis, e sero denotados por B
1
e B
2
.
Desse modo, os sujeitos so distribudos em clulas para o estudo onde interagem um mtodo de ensino e um fator
de motivao como, por exemplo, A
1
B
2
que nos indica que os sujeitos sero submetidos ao mtodo de ensino A
1
e ao
fator de motivao B
2
As possibilidades esto dispostas na Tabela 6-9.Tabela 6-9 - Delineamento fatorial para as
classes mtodo de ensino e motivao. A nossa amostra hipottica composta por oito sujeitos, distribudos na forma
de dois sujeitos por clula.
Tabela 6-9 - Delineamento fatorial para as classes mtodo de ensino e motivao.

Mtodos
M
o
t
i
v
a
o

A
1
A
2

B
1
A
1

B
1
A
2

B
1

B
2
A
1

B
2
A
2

B
2

______________________
50
Extrado de Kerlinger, 1964.
99
Vamos supor que tenhamos obtido nesse estudo os dados mostrados na Tabela 6-10. As entradas nessa tabela so
escores obtidos pelos sujeitos em algum teste que mea a aprendizagem, por exemplo. A seguir, apresentamos e
discutimos o algoritmo para a Anlise Fatorial de Varincia.
Passo 1 - Calcular a soma de quadrados dos escores do mesmo modo que faramos para uma anlise de varincias
A soma dos quadrados dada pela expresso:

Portanto a soma de quadrados total ser dada por:
eq. 6-5

Passo 2- Calcular a soma dos quadrados entre os grupos.
Uma vez que temos quatro grupos, existe uma soma de quadrados associada com as mdias dos quatro grupos.
Chamamos a essa soma de soma de quadrados entre todos os grupos (S
g
):

eq. 6-6

Este nmero nos d uma medida da variabilidade das mdias entre todos os grupos.

100

Tabela 6-10 - Dados de um experimento fatorial hipottico com clculos de anlise de varincias.
Tipos de Motivao Mtodos de Ensino
A
1
A
2

B
1
8 4
6 2

14 6

196 36

7 3

B
2
8 4
6 2

14 6

196 36

7 3

28 12

784 144

7 3

101

Passo 3 Calcular a soma dos quadrados dentro dos grupos
Se subtrairmos a soma dos quadrados entre os grupos ( , dada pela eq. 6-6, da soma de quadrados dos escores ( ,
dada pela eq. 6-5, obteremos a soma de quadrados devida ao erro aleatrio, devido a flutuaes dentro de cada
clula (subgrupo). Esta diferena a soma de quadrados dentro dos grupos ( ):

Passo 4 Calcular a soma dos quadrados das variveis experimentais
Uma vez que estamos preocupados com a influncia dos mtodos e motivaes no precisamos nos preocupar com a
anlise final de varincia da tabela. Ao invs disso vamos nos preocupar apenas com as somas de quadrados das
variveis experimentais. Essa etapa consiste em analisar os efeitos das variveis e tambm da interao entre elas.
Para avaliarmos o efeito da varivel mtodo sobre os resultados obtidos, operamos como em uma anlise de
varincias simples: tratamos os escores (xs) e somas de escores ( xs) das colunas (mtodos) como se esses dois
grupos no fossem subdivididos. Veja a Tabela 6-11.
Tabela 6-11- Dados para Anlise Fatorial da Varincia para a varivel Mtodos.
A
1
A
2

8 4
6 2
8 4
6 2
x
i
28 12
A soma de quadrados entre mtodos ( ) dada por:

Do mesmo modo, para que analisemos os efeitos da varivel motivao (B
1
, B
2
), agimos como se a varivel mtodo
no estivesse presente. Veja a Tabela 6-12.
Tabela 6-12- Dados para Anlise Fatorial da Varincia para a varivel Motivao.
B
1
B
2

8 8
6 6
4 4
2 2
x
i
20 20
A soma de quadrados entre tipos de motivao ( ) dada por:

Outra fonte possvel de varincia provm da interao entre mtodos e tipos de motivao ( ). A soma de
quadrados entre todos os grupos ( ) espelha a variabilidade devida mdia dos grupos: 7, 3, 7, 3. Esta soma de
102
quadrados, como j calculamos anteriormente (veja o clculo de acima), 32. Se este no fosse um exemplo
fictcio, parte dessa soma de quadrados seria efeito dos mtodos, parte devida a tipos de motivao e parte devida
ao conjunta ou interao entre os mtodos.
No nosso caso:

Estamos em posio agora de realizar a parte final da anlise da varincia do nosso exemplo.
Tabela 6-13 - Anlise final de varincia para o caso 1.
51

Fonte

Entre mtodos (A
1
e A
2
) 1 32 32 16 (0,05)
Entre tipos de motivao (B
1
e B
2
) 1 0 0
Interao AB 1 0 0
Dentro dos grupos 4 8 2

A concluso que chegamos a partir da Tabela 6-13 que a fonte de variabilidade nas amostras devida apenas
varivel Mtodo. Os dados no mostram influncia alguma da varivel Motivao e, tampouco, interao entre as
duas variveis.
Vamos agora fazer um rearranjo na Tabela 6-10, mudando a posio das colunas nas linhas referentes varivel B
2
.
Veja a Tabela 6-14, a qual simularia outro experimento no qual os resultados nos testes de conhecimento fossem
invertidos quando a varivel B
2
fosse analisada. Esta tabela difere da Tabela 6-10 apenas na inverso de colunas
relativas a B
2
. As somas de quadrados so as mesmas, uma vez que os sujeitos no mudaram. Entretanto, agora as
mdias so diferentes, em relao quelas mostradas na tabela anterior.

______________________
51
Nesta tabela e na Tabela 6-17, mostrada mais adiante, mostramos os valores de F apenas para as linhas onde este
nmero estatisticamente significativo (o nvel de significncia mostrado entre parnteses).
103

Tabela 6-14- Dados de um experimento fatorial hipottico com clculos de anlise de varincias com valores de B
2
rearranjados.
Tipos de Motivao Mtodos de Ensino
A
1
A
2

B
1
8 4
6 2

14 6

196 36

7 3

B
2
4 8
2 6

6 14

36 196

7 3

20 20

232 232

7 3

De modo a explicitar as principais diferenas entre os dois casos (mostrados nas Tabela 6-10 e Tabela 6-14) vamos
construir uma tabela que mostre os valores mdios para os dois casos, a Tabela 6-15.
Vamos analisar essa tabela mais detidamente. A parte da esquerda, que diz respeito s mdias da Tabela 6-10, mostra
duas variabilidades: entre as mdias dos quatro grupos (clulas) e entre as mdias dos tratamentos A
1
e A
2
(observe
que as mdias das colunas so diferentes entre si enquanto que as mdias das linhas so iguais entre si). A parte da
direita, que diz respeito s mdias da Tabela 6-14, mostra apenas uma variabilidade, aquela entre as quatro mdias
(observe nessa tabela que as mdias das colunas e linhas so iguais). A variabilidade das quatro mdias a mesma nas
duas tabelas uma vez que as mdias so as mesmas de antes.
Por outro lado, no h variabilidade nas mdias dos Bs; existem, portanto, dois fatores que diferenciam as duas
tabelas:
104
- As mdias dos As;
- A disposio das colunas mdias dentro das tabelas.
Tabela 6-15 - Mdias dos dados da Tabela 6-10 e da Tabela 6-14.
Mdias da Tabela 6-10 Mdias da Tabela 6-14

A
1
A
2
A
1
A
2

B
1
7 3 5 7 3 5
B
2
7 3 5 3 7 5
7 3 5 5

construir uma tabela que mostre os valores mdios para os dois casos, a Tabela 6-15.
Vamos analisar essa tabela mais detidamente. A parte da esquerda, que diz respeito s mdias da Tabela 6-10, mostra
duas variabilidades: entre as mdias dos quatro grupos (clulas) e entre as mdias dos tratamentos A1

e A2 (observe
que as mdias das colunas so diferentes entre si enquanto que as mdias das linhas so iguais entre si). A parte da
direita, que diz respeito s mdias da Tabela 6-14, mostra apenas uma variabilidade, aquela entre as quatro mdias
(observe nessa tabela que as mdias das colunas e linhas so iguais). A variabilidade das quatro mdias a mesma nas
duas tabelas uma vez que as mdias so as mesmas de antes.
Analisando-se ento as duas tabelas veremos que:
1. B
1
e B
2
em nada contribuem para a soma dos quadrados entre todos os grupos e para a soma dos quadrados
das mdias, uma vez que no h variabilidade entre as mdias dos Bs (5 e 5).
2. Na tabela da direita a variabilidade dos As no contribui, pois essas mdias tambm so iguais. Na tabela da
esquerda, no entanto, as mdias entre os As contribuem para a varincia, pois so diferentes (7 e 3).
Vamos assumir por um momento que a diferena de mdias para o caso 1 (parte da esquerda, 7 e 3) seja significativa.
Ento, poderemos afirmar que os dados da Tabela 6-10 nos dizem que a varivel Mtodos de Ensino tem influncia,
no importando qual seja a motivao. No que diz respeito a este experimento, a varivel Mtodos de Ensino difere
significativamente no importando a varivel Tipo de Motivao. Na Tabela 6-14, por outro lado, a situao se
apresenta muito diferente. Nem Mtodos de Ensino nem Tipos de Motivao influenciam, por eles mesmos, os
resultados. Entretanto existe certa varincia. Esta varincia observada devida interao entre as duas variveis.
Podemos interpretar esse fato da seguinte forma: os mtodos agindo sozinhos no iro influenciar a aprendizagem da
mesma forma que as motivaes atuando isoladas tambm no influenciam. Somente quando motivaes e mtodos
de ensino atuam juntos, em determinada combinao, h um efeito significativamente diferente. Especificamente, o
mtodo A
1
melhor que o mtodo A
2
quando combinado com a motivao B
1
. Quando combinado com a motivao
B
2
o mtodo A
1
se mostra pior que o mtodo A
2
.
instrutivo observar que a interao pode ser analisada e calculada por um procedimento dedutivo. Em um
delineamento 22 este procedimento simples: subtrair uma mdia da outra em cada linha e calcular a varincia
desta diferena.
construir uma tabela que mostre os valores mdios para os dois casos, a Tabela 6-15. Vamos analisar essa tabela mais
detidamente. A parte da esquerda, que diz respeito s mdias da Tabela 6-10, mostra duas variabilidades: entre as
mdias dos quatro grupos (clulas) e entre as mdias dos tratamentos A
1
e A
2
(observe que as mdias das colunas so
105
diferentes entre si enquanto que as mdias das linhas so iguais entre si). A parte da direita, que diz respeito s
mdias da Tabela 6-14, mostra apenas uma variabilidade, aquela entre as quatro mdias (observe nessa tabela que as
mdias das colunas e linhas so iguais). A variabilidade das quatro mdias a mesma nas duas tabelas uma vez que as
mdias so as mesmas de antes.
Vamos tomar o exemplo da Tabela 6-15 a partir do conjunto de dados da esquerda:
(a) 7-3 = 4
(b) 7-3 = 4
Claramente nesse caso a mdia dos quadrados zero (lembremos que a mdia dos quadrados obtida a partir da
diferena do escore bruto em relao ao valor mdio). Portanto, nesse caso, a interao zero. Se fizermos a mesma
coisa para o lado direito da Tabela 6-15 obteremos:
(a) 7-3 = 4
(b) 3-7 = -4
Agora se calcularmos a soma dos quadrados e o quadrado mdio, obteremos valores diferentes de zero, 32
exatamente. Nesse caso temos interao.
tabelas:
- As mdias dos As;
- A disposio das colunas mdias dentro das tabelas.
tabelas:
A lgica por trs dessa metodologia simples. Se no existisse interao, esperaramos que as diferenas entre
mdias nas duas linhas fossem aproximadamente iguais entre si e iguais diferena entre as mdias na parte de baixo
da tabela, as mdias dos mtodos, no nosso exemplo. Isto assim para os dados do lado esquerdo da tabela das
mdias: a diferena entre as mdias da parte de baixo da tabela 4, o mesmo valor das diferenas das linhas da
tabela. No caso da tabela da direita, no entanto, vemos que a diferena entre as mdias das colunas 5-5=0 enquanto
que a diferena nas linhas 4 e -4. Desta discusso, pode-se dizer que uma interao pode ocorrer quando tivermos
uma linha que se desvie claramente das demais.
Um exemplo no qual ocorre varincia mostrado na Tabela 6-16, a qual mostra as mdias de um outro experimento
hipottico, com o mesmo delineamento.
Tabela 6-16 Mdias.
L
i
n
h
a
s

Colunas
7 3 5
5 5 5
6 4

106
Subtraindo as linhas:
(a) 7-3=4
(b) 5-5=0
(c) 6-4=2
Existe obviamente uma varincia aqui.
A Tabela 6-17 traz a anlise de varincia para o caso 2 (mostrado na Tabela 6-14). A razo F=16 para os dados da
Tabela 6-17 na linha que traz os dados para a interao entre Mtodos e Motivaes indica o que j sabamos da
discusso precedente: somente a interao significativa.
Tabela 6-17 - Anlise final de varincia para o caso 2.
Fonte

Entre mtodos (A
1
e A
2
) 1 0 0
Entre tipos de motivao (B
1
e B
2
) 1 0 0
Interao AB 1 32 32 16 (0,05)
Dentro dos grupos 4 8 2

107

Captulo 7. Testes estatsticos no-paramtricos

108
7.1 Introduo
Como j vimos ao longo dos captulos anteriores, um tpico central na moderna teoria estatstica a Estatstica
Inferencial. A estatstica inferencial est preocupada em resolver dois tipos de problemas: a estimativa dos
parmetros da populao e testes de hipteses. Na inferncia estatstica estamos preocupados em como tirar
concluses sobre um grande nmero de eventos com base em observaes de uma poro deles. A Estatstica nos d
ferramentas com as quais formalizamos e padronizamos os procedimentos para tomarmos decises.
Um problema comum em Estatstica Inferencial o de determinar, em termos de probabilidades, se as diferenas
observadas entre duas ou mais amostras significam que as populaes a partir das quais as amostras so retiradas so
realmente diferentes. As diferenas podem ocorrer apenas devido ao acaso durante o processo de amostragem.
No desenvolvimento dos modernos mtodos estatsticos, as primeiras tcnicas estatsticas de inferncia que
apareceram foram aquelas as quais faziam muitas hipteses sobre a natureza da populao dos quais os escores eram
retirados. Uma vez que os valores da populao so parmetros, estas tcnicas estatsticas foram chamadas de
paramtricas
52
. Por exemplo, a tcnica de inferncia pode ser baseada na hiptese de que os escores foram retirados
de uma populao cujos escores seguem a distribuio normal. Ou a tcnica pode ser baseada na hiptese de que os
conjuntos de escores foram retirados de populaes tendo a mesma varincia ou o mesmo espalhamento dos
escores.
Mais recentemente surgiu um grande nmero de tcnicas estatsticas de inferncia que no fazem hipteses por
demais numerosas ou restritivas sobre os parmetros da populao. Essas tcnicas, as quais so independentes de
distribuio ou no-paramtricas, nos levam a concluses que apresentam poucas limitaes. Algumas tcnicas no
paramtricas so chamadas de testes de ordenamento. Este nome tem origem no fato de que enquanto as tcnicas
paramtricas tm o seu foco central nas diferenas de mdias e varincias, as tcnicas no paramtricas tm seu foco
no ordenamento dos escores e no em seus valores numricos.
Enquanto um parmetro um valor de uma determinada populao, uma estatstica por outro lado uma medida
calculada de uma amostra. Um teste estatstico no paramtrico um teste cujo modelo no especifica condies
sobre os parmetros da populao da qual as amostras foram retiradas.
7.2 Testes Estatsticos Paramtricos e No-Paramtricos
Quando fazemos alguma afirmativa a respeito da natureza da populao e sobre o processo de amostragem estamos
estabelecendo um modelo estatstico. Associado com todo teste estatstico existe um modelo e uma prescrio de
medida; o teste estatstico em questo vlido sob certas condies, e o modelo e a prescrio de medida
especificam estas condies. Algumas vezes somos capazes de testar se as condies de um modelo estatstico
particular se encontram presentes mas, muitas vezes, temos que tomar por hiptese a presena dessas condies.
Deste modo, as condies de validade de um teste, o modelo estatstico (ou seja, as hipteses feitas quando da
construo do teste), so muitas vezes chamadas de hipteses do teste.
bvio que quanto menos ou mais fracas forem as hipteses por trs do modelo subjacente a um teste estatstico
menos restries teremos que fazer sobre as concluses por ns obtidas pelo teste estatstico associado com o
modelo. Ou seja, quanto menor ou menos restringentes forem as hipteses por trs do modelo mais gerais as
concluses e/ou resultados obtidos.
Entretanto, os testes mais poderosos so justamente aqueles que tm as hipteses mais fortes ou condies mais
restritivas. Os testes paramtricos, por exemplo, o teste t ou o teste F, tm uma variedade de hipteses fortes
______________________
52
A mdia, o desvio padro e a varincia de uma populao, ou qualquer outra medida da populao, so parmetros.
109
embasando o seu uso. Quando aquelas hipteses so vlidas estes testes so os que mais provavelmente
rejeitaro a hiptese
53
H
0
quando esta hiptese for falsa.
As condies as quais devem ser satisfeitas para fazer o teste t o teste mais poderoso so, de fato, necessrias para
que tenhamos confiana em qualquer inferncia feita a partir de resultados obtidos com o teste so:
1. As observaes devem ser independentes - Com isto queremos dizer que a seleo de qualquer caso da
populao para incluso na amostra no deve influenciar a probabilidade de incluso de qualquer outro caso.
Da mesma forma, o escore atribudo a um caso no deve influenciar o escore atribudo a outro caso.
2. As observaes devem ser retiradas de uma populao normal - Como vimos anteriormente, uma das
hipteses por trs do teste t que a populao segue a distribuio normal.
3. As varincias das populaes de onde as amostras so retiradas devem ser iguais.
4. As escalas devem ser intervalares ou racionais - isso necessrio para que possamos executar operaes de
carter aritmtico sobre os nmeros representativos dos escores.
5. Aditividade (condio para validade do teste F) - As mdias dessas distribuies normais devem ser
combinaes lineares dos efeitos devidos a colunas e/ou linhas. Isto , os efeitos devem ser aditivos.
Deste modo, um teste estatstico paramtrico um teste cujo modelo especifica certas condies sobre os
parmetros da populao da qual a amostra foi retirada. Uma vez que essas condies normalmente no so testadas,
elas so assumidas como verdadeiras. A significncia e validade de um teste paramtrico dependem do grau de acerto
ao supor-se corretas estas hipteses.
Um teste estatstico no-paramtrico um teste cujo modelo no especifica condies sobre os parmetros da
populao da qual as amostras foram retiradas.
Vrios critrios poderiam ser considerados na escolha de um teste estatstico para uso quando um processo de
tomada de deciso sobre a hiptese de pesquisa est em curso. Estes critrios so:
1. O poder do teste (P
t
):

Nesta expresso, a probabilidade de cometermos um erro de Tipo II, isto , a probabilidade de aceitar-se H
0

quando de fato ela falsa.
2. A aplicabilidade do modelo estatstico no qual o teste baseado aos dados da pesquisa.
3. Poder-eficincia - O conceito de poder - eficincia relativo quantidade de aumento no tamanho da
amostra a qual necessria para tornar um teste B to poderoso quanto um teste A. O poder-eficincia do
teste B em relao ao teste A definido por:

Nesta expresso, N
a
e N
b
so, respectivamente, os tamanhos das amostras submetidas aos testes A e B.
4. O nvel da medida obtido na pesquisa.
______________________
53
Convm lembrar aqui o que foi dito na pgina a respeito do falseamento de hipteses.
110

7.2.1 Vantagens de Testes Estatsticos No-Paramtricos
1. Afirmaes probabilsticas obtidas a partir de testes estatsticos no-paramtricos so probabilidades exatas.
2. Se os tamanhos das amostras so pequenos (N~6) no existe alternativa ao uso de testes estatsticos no-
paramtricos a menos que conheamos exatamente as caractersticas da distribuio seguida pela
populao.
3. Existem testes estatsticos apropriados para tratamento de amostras as quais provm de vrias populaes
diferentes. Nenhum dos testes paramtricos pode manipular dados deste tipo sem exigir que acreditemos
em hipteses irreais.
4. Temos nossa disposio testes estatsticos no-paramtricos para tratar dados os quais so inerentemente
ordinais isto , o pesquisador apenas capaz de dizer que um sujeito apresenta mais ou menos de
determinada caracterstica mas no sabe dizer o quanto a mais ou a menos em relao a outro sujeito.
5. Os testes no-paramtricos so capazes de tratar dados que so simplesmente classificatrios, seguindo uma
escala tipo nominal. Nenhum dos testes paramtricos capaz de lidar com dados com essas caractersticas.
6. Por fim, os testes no-paramtricos so mais fceis de apreender e aplicar que os testes paramtricos.
7.2.2 Desvantagens de Testes Estatsticos No-Paramtricos
1. Se todas as hipteses do modelo estatstico paramtrico so de fato encontradas nos dados e se as medidas
so do tipo exigido pelo teste, ento testes estatsticos no-paramtricos so desnecessrios. Uma medida da
necessidade do uso de um teste no-paramtrico em uma situao desse tipo dada pelo poder-eficincia do
teste no-paramtrico. Suponhamos que o poder-eficincia do teste no-paramtrico seja de 90%. Isto
significa que um teste paramtrico na mesma situao exigiria somente 10 % da amostra para ser to efetivo
quanto o teste no-paramtrico.
2. No existe ainda um teste no-paramtrico bem desenvolvido para a testagem de interaes na Anlise de
Varincias.
Outra objeo que tem sido levantada contra mtodos no-paramtricos que os testes e suas tabelas de
significncia estatstica tm sido largamente espalhadas entre vrias publicaes, muitas delas altamente
especializadas e, por causa disso, estes testes tm ficado inacessveis ao cientista do comportamento. Em nossa
opinio isso no justificativa para o no uso de uma estatstica adequada, pois obrigao do pesquisador procurar
e aplicar as ferramentas estatsticas mais adequadas ao seu problema de pesquisa. Alm disso, h o excelente livro de
Siegel, o que facilita sobremaneira o trabalho do pesquisador.
7.3 Testes No-Paramtricos - O caso de uma amostra
Esta situao acontece quando, aleatoriamente, retiramos uma amostra de determinada populao e testamos a
hiptese de que aquela amostra vem de uma populao com uma distribuio especificada. Deste modo, testes de
uma amostra podem responder questes do tipo:
1. Existe diferena significativa entre as freqncias observadas e as freqncias esperadas com base em algum
princpio?
2. Existe diferena significativa entre as propores esperadas e observadas?
3. razovel acreditar-se que esta amostra foi retirada de uma populao com uma distribuio de forma
especfica?
111
4. razovel acreditar-se que esta amostra uma amostra aleatria de alguma populao conhecida?
Uma tcnica paramtrica comum no caso de uma amostra usar-se o teste t para a diferena entre as mdias
observada (a da amostra) e esperada (a da populao). Entretanto, existem muitos tipos de dados para os quais o
teste t inaplicvel (veja por exemplo as definies de Varivel dadas no captulo 3 e os comentrios sobre o teste t
no Captulo 4). Esses fatores de inaplicabilidade do teste t podem ter vrias fontes, dentre as quais cabe salientar:
1. As hipteses e exigncias para a aplicabilidade do teste no so satisfeitas para os dados do experimento
particular.
2. Pode ser prefervel frente a determinada situao evitar-se as hipteses sobre as quais o teste t construdo
e ganhar-se com isto em generalidade das afirmaes resultantes da pesquisa.
3. Os dados da pesquisa so, inerentemente, dos tipos nominal ou ordinal e, portanto, no so passveis de
anlise pelo teste t.
4. O pesquisador no est de fato interessado somente em diferenas na localizao, mas sim em qualquer tipo
de diferena no importando a sua origem.
Neste caso o experimentador pode escolher usar um dos seguintes testes estatsticos no-paramtricos:
1. O teste binomial: a distribuio binomial a distribuio de amostragem de propores que podemos
observar em amostras retiradas de uma populao composta por duas classes. Isto , ela fornece os vrios
valores os quais podem ocorrer sob H
0.
. Portanto, quando os escores da pesquisa esto em duas classes, a
distribuio binomial pode ser utilizada para testar H
0
.
2. O teste ;
2
para uma amostra: este teste utilizvel quando queremos analisar dados os quais caem em mais
que duas categorias. Este teste til para decidir se a diferena observada entre o nmero de objetos que
recaem em cada categoria e o nmero esperado com base na hiptese nula significativa.
3. O teste de Kolmogorov-Smirnov para uma amostra: este teste est preocupado com o grau de concordncia
entre a distribuio de um conjunto de escores observados e alguma previso terica especfica. Ele
determina se os escores na amostra podem razoavelmente serem pensados como vindo de uma populao a
qual obedece distribuio predita teoricamente.
4. Teste do perodo para uma amostra: neste caso estamos interessados em saber se os dados sob anlise
provm de uma distribuio aleatria. Ele baseado na seqncia em que os escore aparecem
originalmente, isto , o nmero de perodos que a amostra apresenta.
7.4 Testes No-Paramtricos - O caso de duas amostras relacionadas
Testes estatsticos de duas amostras so usados quando o pesquisador deseja estabelecer se dois tratamentos so
diferentes ou se um tratamento melhor do que outro. Neste tipo de comparao, algumas vezes diferenas
significativas so observadas as quais no resultam do tratamento. Uma maneira de transpor-se a dificuldade imposta
por diferenas estranhas entre os grupos usar duas amostras relacionadas no experimento. Isto , podemos parear
ou relacionar de alguma outra maneira as duas amostras estudadas. Este pareamento pode ser atingido usando cada
sujeito como seu prprio controle, ou pelo pareamento de sujeitos e ento distribuindo os membros do par
aleatoriamente aos grupos de controle e experimental. Quando o sujeito serve como seu prprio controle, ele
exposto a ambos os tratamentos em tempos diferentes. Quando o mtodo do pareamento utilizado, o esforo
para selecionar pares de sujeitos que sejam to iguais quanto possvel nas variveis estranhas as quais podem
influenciar o experimento.
112
Quando possvel, o mtodo de usar cada sujeito como seu prprio controle prefervel ao mtodo do
pareamento. A razo para isto que somos limitados na nossa habilidade de parear pessoas pela nossa ignorncia das
variveis relevantes as quais determinam o comportamento. O delineamento de pareamento somente uma boa
opo na medida em que o pesquisador seja hbil em parear os sujeitos, sendo esta habilidade, freqentemente,
bastante limitada.
A tcnica paramtrica mais usada para comparaes entre duas amostras correlacionadas o teste t. Uma diferena
de escores pode ser obtida de dois escores provenientes de cada um dos membros dos sujeitos pareados ou dos
escores de cada sujeito sob as duas condies. O teste t assume que as diferenas nos escores so normalmente
distribudas em uma populao da qual a populao foi retirada.
Em inmeros casos o teste t inaplicvel. Nestas situaes o pesquisador pode escolher um dos seguintes testes
estatsticos no-paramtricos:
1. O teste de McNemar para a significncia de variaes: este teste particularmente aplicvel para aqueles
delineamentos de antes e depois nos quais cada pessoa usada como seu prprio controle e em medidas nas
quais os escores so obtidos usando-se variveis nominais ou ordinais. Deste modo, por exemplo, o teste
pode ser usado para testar a efetividade de um tratamento particular (encontro, editorial de um jornal,
propaganda via correio, visita pessoal, etc.) nas preferncias de votos entre vrios candidatos. Ou ele pode
ser usado para averiguar a influncia das migraes do campo para a cidade na preferncia poltica, e assim
por diante.
2. O teste do Sinal: o teste do sinal recebe o seu nome do fato que ele usa como dados os sinais de mais e
menos mais do que medidas quantitativas. Este teste particularmente til para a pesquisa na qual medidas
quantitativas so impossveis ou impraticveis, mas na qual possvel ordenar com respeito um ao outro os
membros de pares.
3. O teste de Walsh: se o experimentador puder assumir que a diferena nos escores que ele observa, em duas
amostras relacionadas, provm de populaes que obedecem a distribuies simtricas, ele pode usar um
teste bastante poderoso desenvolvido por Walsh. Note que a hiptese no que os d
i
,
s (diferena nos
escores) so de populaes normais (para as quais pode-se usar o teste paramtrico t); note tambm que os
d
i
,
s tambm no provm da mesma populao. O que o teste faz assumir que as populaes so simtricas,
de modo que a mdia uma adequada medida de tendncia central e igual mediana.
7.5 Testes No-Paramtricos O caso de duas amostras no relacionadas
Quando o uso de duas amostras relacionadas impraticvel ou inapropriado podemos fazer uso de duas amostras
independentes. Neste delineamento, as duas amostras podem ser obtidas por um dos dois mtodos:
1. As amostras podem ser retiradas aleatoriamente de duas populaes.
2. As amostras podem originar-se devido atribuio, randmica, de dois tratamentos a membros, cujas
origens so arbitrrias, de uma mesma amostra.
Nos dois casos no necessrio que as duas amostras tenham o mesmo tamanho.
A tcnica paramtrica normal de averiguar-se a diferena entre duas amostras no relacionadas aplicar-se o teste t
nas mdias das amostras. No caso da no aplicabilidade do teste paramtrico (por exemplo, podemos no ter certeza
que as distribuies so normais) o pesquisador pode escolher para analisar os seus dados um dentre vrios testes
no-paramtricos, os quais passaremos a apresentar a seguir.

113
7.5.1 Teste da probabilidade exata de Fisher
Esta uma tcnica extremamente til para analisar dados discretos quando as duas amostras independentes tm
tamanhos pequenos. Este teste usado quando os escores das duas amostras independentes, escolhidas
aleatoriamente, caem em uma de duas categorias mutuamente exclusivas. Em outras palavras, todo sujeito em ambos
os grupos obtm um de dois escores possveis. Os escores so representados por freqncias em uma tabela de
contingncias 22, como a Tabela 7-1.
Tabela 7-1 - Tabela de contingncia para o teste de Fischer.
- +
Grupo I A B A+B
Grupo II C D C+D
Total A+C B+D N
Para os dados nessa tabela (onde A, B, C e D so freqncias) poderia ser determinado se o Grupo I e o Grupo II
diferem significativamente na proporo de mais ou menos atribudos a eles.
O teste determina se os dois grupos diferem em proporo na qual cada um deles recai em uma das duas
classificaes.
A probabilidade exata de observar-se um particular conjunto de freqncias em uma tabela 22, quando os totais
marginais so mantidos fixos, dada pela distribuio hipergeomtrica,
54,55
:

Deste modo:

Ou seja, a probabilidade exata da ocorrncia observada obtida tomando-se a razo entre o produto de fatoriais de
quatro totais marginais e o produto dos fatoriais dos escores encontrados em cada clula por fatorial de N, o nmero
total de observaes independentes.
Exemplo 1: Suponhamos que observemos os dados mostrados na Tabela 7-2:
Tabela 7-2 - Dados do Exemplo 1.
- +
Grupo I 10 0 10
Grupo II 4 5 9
Total 14 5 19
______________________
54
A notao indica o nmero de seqncias que podemos montar de p elementos de um
tipo mais q elementos de outro tipo. Veja a referncia FELLER, 1976, pgina 32.
55
O fatorial de um nmero a, denotado por a! (l-se a fatorial), obtido pelo produto dos inteiros, comeando em 1,
at o nmero a. Assim, por exemplo: 3!=1x2x3=6. O 0! igual a 1, por definio.
114
Nesta tabela, A=10, B=0, C=4 e D=5. Os totais marginais so A+B=10, C+D=9, A+C=14 e B+D=5. N, o nmero total
de observaes independentes, 19. A probabilidade exata de que estes 19 casos recassem nas clulas do modo
como o que foi observado dada por:

Portanto, determinamos que a probabilidade de obter-se essa distribuio dos escores, sob H
0
, p=0,0108.
Este exemplo foi particularmente simples de calcular porque uma das clulas tinha o valor zero. Porm se nenhuma
das clulas for igual a zero, devemos lembrar de desvios mais extremos da distribuio sob H
0
ocorrem com os
mesmos escores marginais e devemos ter o cuidado de considerar estes possveis desvios mais extremos dos escores
marginais. Sob o ponto de vista estatstico, a pergunta a ser respondida a seguinte: qual a probabilidade sob H
0

deste tipo de ocorrncia ou de um mais extremo?
Exemplo 2: Suponhamos que os dados de um experimento fossem os da Tabela 7-3.
Tabela 7-3 - Dados do Exemplo 2.
Tabela 7.3 -
- +
Grupo I 1 6 7
Grupo II 4 1 5
Total 5 7 12
Poderamos, entretanto, ter obtido os mesmos totais marginais como os mostrados na Tabela 7-2, onde temos valores
mais extremos.
Deste modo, se quisermos aplicar o teste da hiptese nula aos dados na Tabela 7-2, devemos somar a probabilidade
daquela ocorrncia com a probabilidade de ocorrncia mais extrema possvel, dada pela Tabela 7-3. Calculamos cada
p usando a frmula dada anteriormente. Deste modo, temos:
.
E
,
respectivamente, para as duas tabelas.
Portanto, a probabilidade da ocorrncia da Tabela 7-2 ou da ocorrncia de um valor mais extremo, como dado pela
Tabela 7-3, :
p = 0,04399 + 0,00126 = 0,04525
Isto , p = 0,04525 o valor de p usado para decidir se os dados na Tabela 7-2 permitem a rejeio de H
0
ou no.
O leitor pode prontamente verificar que, se o menor valor dentre as clulas for apenas moderadamente grande, o
teste de Fisher torna-se computacionalmente muito tedioso. Por exemplo, se o menor valor dentre as clulas for 2,
ento trs probabilidades exatas devem ser calculadas e somadas; se o menor valor em uma clula trs, ento
quatro probabilidades exatas devem ser obtidas e somadas e assim por diante.
Se o pesquisador estiver interessado apenas em nveis de significncia estatstica mais do que em valores brutos de p,
ento pode consultar tabelas, das quais pode encontrar exemplos ao final de textos sobre o assunto. Isto elimina a
115
necessidade do clculo tedioso ilustrado acima. Esta tabela aplicvel para dados onde N 30 ou menor e onde
nenhum dos totais na margem do lado direito maior que 15.
7.5.2 O teste ;2 para duas amostras independentes
Quando os dados consistem de categorias discretas esse teste pode ser usado para determinar a significncia
estatstica de diferenas entre dois grupos independentes. As medidas envolvidas podem ser inclusive as de uma
escala nominal. Por exemplo, se quisermos saber se dois grupos de professores, de Fsica e de Qumica, diferem
quanto a sua opinio em relao certa estratgia de ensino, pode-se medir essa opinio com um simples a favor
ou contra calcular as freqncias e aplicar o teste ;2.
7.5.3 O teste da Mediana
Este um procedimento para testar se duas amostras independentes diferem em tendncia central. Ele fornecer
informao de quo provvel que as duas amostras independentes (no necessariamente de mesmo tamanho)
tenham sido retiradas de populaes com a mesma mediana.
7.5.4 O teste U de Mann-Whitney
Quando dispe-se de pelo menos uma medio ordinal esse teste pode ser usado para verificar se duas amostras
independentes foram tiradas da mesma populao. um dos mais potentes testes no-paramtricos e uma das
melhores alternativas ao teste paramtrico t quando o pesquisador quer evitar suposies subjacentes ao teste t ou
quando a medio feita mais fraca do que uma escala intervalar (Siegel, 1956, p. 116).
7.5.5 O teste de duas amostras de Kolmogorov-Smirnov
Este tambm um teste para verificar se duas amostras independentes foram retiradas da mesma populao. A
forma bilateral do teste sensvel somente a qualquer tipo de diferena na distribuio da qual as duas amostras
foram retiradas: diferenas em localizao (tendncia central), em disperso, em simetria, etc.. O teste unilateral
utilizado para testar se os escores de um grupo experimental sero melhores que aqueles do grupo de controle.
7.5.6 O teste de Wald-Wolfowitz
Se quisermos testar a hiptese nula de que duas amostras independentes foram selecionadas da mesma populao
contra a hiptese alternativa de que os dois grupos diferem completamente poderemos utilizar este teste. Isto , com
amostras suficientemente grandes este teste pode rejeitar H
0
se as duas populaes diferirem em qualquer aspecto:
tendncia central, variabilidade, simetria ou algum outro fator. Deste modo, este teste pode ser usado em uma larga
classe de hipteses alternativas. Enquanto muitos testes so endereados a tipos especficos de diferenas entre dois
grupos o teste de Wald-Wolfowitz analisa qualquer tipo de diferena.
7.5.7 O teste de Moses de reaes extremas
Em cincias do comportamento algumas vezes esperamos que uma condio experimental cause em alguns sujeitos o
aparecimento de comportamentos extremos em uma determinada direo enquanto que em outros sujeitos o
comportamento ser extremado na direo oposta. Deste modo, podemos pensar que depresso econmica e
instabilidade poltica provocaro em algumas pessoas reaes extremamente reacionrias enquanto que outras
reagiro de uma forma extremamente progressista, em temos de opinies polticas.
O teste de Moses especificamente projetado para uso com dados coletados para testar esse tipo de hipteses. Ele
poderia ser usado quando esperado que a condio experimental afete alguns sujeitos de um modo e outros de
maneira oposta.
7.5.8 O teste da randomizao para duas amostras independentes
Esta uma tcnica no-paramtrica poderosa e til para a testagem da significncia da diferena entre as mdias de
duas amostras independentes quando N
1
e N
2
so pequenos. Com o teste da randomizao podemos determinar a
probabilidade exata, sob H
0
, associada com nossas observaes e podemos faz-lo sem assumir a distribuio normal
116
ou homogeneidade da varincia nas populaes envolvidas (as quais devem ser assumidas se o teste paramtrico
equivalente, o teste t, for usado).
7.6 Discusso
Todos os testes no-paramtricos para duas amostras independentes testam se provvel que as duas venham da
mesma populao. Entretanto, os vrios testes apresentados so mais ou menos sensveis aos diferentes tipos de
diferenas entre as duas amostras. Por exemplo, se quisssemos testar se duas amostras representam populaes
que diferem em localizao (tendncia central), existem testes os quais so mais sensveis a este tipo de diferena e
portanto poderiam ser escolhidos: o teste da mediana, o teste de Fisher (para N pequeno), o teste U de Mann-
Whitney, o teste de Kolmogorov (para duas amostras, unilateral) e o teste da randomizao. Por outro lado, se fosse
desejo do pesquisador determinar se suas duas amostras provm de populaes as quais diferem em qualquer
aspecto em geral, i.e., localizao ou disperso ou simetria, etc., ele poderia escolher um dos seguintes testes: o ;2, o
teste de Kolmogorov-Smirnov (bilateral) ou o teste de Wald-Wolfowitz. A tcnica restante, o teste de Moses, serve
unicamente para testar se um grupo experimental est exibindo reaes extremas, sejam extremistas ou defensivas,
em comparao com as reaes exibidas por um grupo de controle independente.
A escolha entre os testes que so sensveis a diferenas em localizao so determinadas pelo tipo de medida obtida
na pesquisa e pelo tamanho das amostras. O teste mais poderoso em termos de localizao o teste da
aleatoriedade. Entretanto, este teste pode ser somente usado quando os tamanhos das amostras forem pequenos e
quando tivermos confiana na natureza numrica da medida obtida. Com grandes amostras ou medidas fracas
(medidas ordinais) a alternativa sugerida o teste U de Mann-Whitney o qual, quase sempre, mais poderoso que o
teste da randomizao. Se as amostras so muito pequenas, o teste de Kolmogorov-Smirnov levemente mais
eficiente que o teste U. Se a medida for de um tipo tal que significativo somente dicotomizar as observaes acima
ou abaixo da mediana, ento o teste da mediana aplicvel. Este teste no to poderoso quanto o teste U de Mann-
Whitney em termos de proteo contra diferenas de localizao mas mais apropriado que aquele quando os dados
das observaes no podem ser completamente hierarquizados. Se o tamanho das amostras sob considerao for
muito pequeno, quando aplicando o teste da mediana, o pesquisador poderia fazer uso do teste de Fisher.
A escolha entre os testes que so sensveis a todas as diferenas decidida a partir da intensidade das medidas
obtidas, o tamanho das amostras e o poder relativo dos testes disponveis. O teste ;2 apropriado para dados os
quais so medidos em escalas nominais ou mais fortes. Quando N pequeno e os dados esto em uma tabela de
contingncia 2x2 poderamos usar o teste de Fisher ao invs do teste ;2. Em muitos casos o teste ;2 pode no fazer
uso eficiente de toda a informao contida nos dados. Se os escores das populaes forem continuamente
distribudos, ns podemos escolher ou o teste de Kolmogorov-Smirnov (bilateral) ou o teste de Wald-Wolfwitz ao
invs do teste ;2. De todos os testes para qualquer tipo de diferena, o teste de Kolmogorov-Smirnov o mais
poderoso. Se ele for usado com dados os quais no assumem a hiptese de continuidade ele ainda aceitvel mas
opera mais conservadoramente, isto , os valores de p obtidos sero levemente maiores. Se a hiptese nula for
rejeitada a partir desses dados, podemos seguramente ter confiana na deciso. O teste de Wald-Wolfwitz tambm
nos protege contra todos os tipos de diferenas mas no to poderoso quanto o anterior.
Dois pontos devem ser enfatizados sobre o uso de testes do segundo grupo. Primeiro, se estivermos interessados em
testar hipteses alternativas de que os grupos diferem em tendncia central, isto , de que um grupo tem mdia
maior que o outro, ento devemos usar um teste especificamente projetado para capturar diferenas em localizao,
um dos testes do primeiro grupo listado acima. Segundo, quando rejeitamos a hiptese nula com base em um teste
que capta qualquer tipo de diferena (um dos testes do segundo grupo) devemos nos assegurar de que os dois grupos
provm de populaes diferentes, porm no podemos dizer em que elas diferem.

117
Captulo 8. Anlise de dados
56

______________________
56
Grande parte deste texto uma adaptao da referncia Millman, 1970.
118
8.1 Introduo
D. B. Gowin (1981, 2005) props um dispositivo heurstico que hoje conhecido como diagrama V (Moreira, 2006)
para desvelar a estrutura do processo de produo do conhecimento. A Figura 8-1 apresenta esse dispositivo aplicado
pesquisa quantitativa em educao. O centro desse diagrama o domnio de interesse da pesquisa (por exemplo, o
ensino e a aprendizagem) e as perguntas e hipteses que se faz dentro desse domnio. Para respond-las, confirm-las
ou refut-las preciso fazer registros de um evento que se faz acontecer ou que acontece naturalmente. O lado
esquerdo do diagrama o domnio conceitual (ou terico) da pesquisa; nele esto conceitos, princpios, modelos,
teorias e filosofias que fundamentam terica e epistemologicamente a pesquisa e que interagem com os registros,
transformaes e asseres que constituem o domnio metodolgico que aparece no lado direito do diagrama.

Figura 8-1 - O diagrama V aplicado pesquisa quantitativa em educao.
8.2 Registros
Neste captulo final desta monografia o foco estar na anlise dos dados. Como se v na Figura 8-1, o lado
metodolgico comea com os registros. Sem registros no se faz pesquisa emprica. A partir da, um passo
fundamental desse tipo de pesquisa a converso desses registros em ndices numricos.
Por exemplo, no caso de que os registros sejam mapas conceituais preciso definir critrios como, digamos, tantos
pontos para a hierarquia, tantos para conectivos, etc., para chegar a um escore para cada mapa. Ou, ento, definir
categorias como, suponhamos, muito bom, bom, regular, falho, e atribuir pontos a cada categoria.
certo que tambm se pode trabalhar quantitativamente com ndices no numricos como, por exemplo, variveis
dicotmicas do tipo sim ou no, feminino ou masculino, mas na pesquisa emprica predomina o uso de ndices
numricos.
Domnio de interesse
Pergunta(s) e hipteses
de pesquisa
Domnio Metodolgico
Asseres de valor (qual o
valor do conhecimento
produzido?)
Asseres de conhecimento
(respostas s perguntas de
pesquisa, resultados, conhecimento
produzido)
Transformaes metodolgicas
(medidas da tendncia central,
correlaes, testes de significncia,
anlises de varincias, fatoriais,
multidimensionais,...)
Dados (registros convertidos em ndices
numricos)

Registros (do evento de pesquisa; dados
brutos)
Domnio Conceitual
Filosofia (crenas profundas, vises
de mundo, mais abrangentes do
que as teorias)
Teorias e modelos (que dirigem a
pesquisa, que esto sendo testados,
que orientam a interpretao dos
resultados)
Princpios (proposies, assumidas como
vlidas, norteadoras da pesquisa)
Conceitos (essenciais para a pesquisa)
Evento (que se faz acontecer, ou que acontece naturalmente, para
responder a questo de pesquisa)
119
igualmente correto que o mais importante na pesquisa, seja ela de qualquer natureza, a pergunta de pesquisa,
aquela cuja busca de respostas gera conhecimentos. O conhecimento humano construdo, reconstrudo, refutado,
modificado, sempre pela busca, muitas vezes obstinada, de respostas a perguntas sobre determinados fenmenos de
interesse.
A identificao de uma questo de pesquisa que valha a pena investigar, que possa gerar conhecimentos, a parte
mais difcil da pesquisa. No entanto, tambm muito importante um delineamento de pesquisa que permita registros
relevantes que, por sua vez, originem dados (tipicamente ndices numricos, na pesquisa quantitativa) de mxima
relevncia pergunta de pesquisa.
8.3 Dados e tratamento estatstico
Tipicamente, na pesquisa educacional emprica, o pesquisador se questiona sobre qual a evidncia que o apoiar em
relao a certas hipteses de pesquisa. Faz, ento, registros, converte-os em nmeros e trata-os estatisticamente para
ver se servem como evidncia.
Costuma-se dizer que bons dados falam por si mesmos. Isso significa que se os dados forem de boa qualidade os
procedimentos estatsticos so imediatos. Por outro lado, se os dados forem ruins no h tratamento estatstico que
os transforme em bons.
O importante a qualidade dos dados no as manipulaes estatsticas. A relevncia das concluses estatsticas nunca
ser maior do que a adequao dos dados numricos trabalhados estatisticamente. A interpretao dos resultados
estatsticos depende do que est por detrs dos dados. Os nmeros a serem analisados no so entidades sagradas
representando puras abstraes. Ao contrrio, sua utilidade na pesquisa emprica reside no fato que tm referentes
no contexto da pesquisa, que significam algo no mundo real (Millman, 1970).
Uma boa estratgia para melhor abordar a questo da anlise e qualidade dos dados consider-la antes, ou seja,
pensar na anlise dos dados antes de colet-los evitando-se, assim, que os nmeros obtidos no tenham muito a ver
com as questes investigadas.
Outro aspecto a ser considerado nessa questo o da fidedignidade e validade dos instrumentos. Sem instrumentos
fidedignos e vlidos os nmeros que deles resultarem no sero confiveis e de nada servir trat-los
estatisticamente.
No que se refere a instrumentos conveniente test-los previamente, perguntando a alguns sujeitos como
interpretam determinados itens, ou fazer uma anlise do tipo tem sentido atribuir o mesmo nmero a uma no-
resposta e a uma resposta neutra?, quer dizer, um item deixado em branco pode ser considerado como resposta
neutra?, sem opinio o mesmo que opinio neutra?.
8.4 Significncia estatstica e significncia prtica
Na anlise dos dados importante levar em conta que o nvel de significncia estatstica (p < 0,5, por exemplo) no
uma medida de importncia ou da significncia prtica de um resultado, pois esse nvel depende do nmero de casos
e da eficincia do delineamento de pesquisa.
Quando um resultado estatisticamente significativo, o pesquisador deve analisar a magnitude dos efeitos, ou seja,
qual a importncia, no contexto da investigao, de uma diferena de mdias, estatisticamente significativa, entre 7,5
e 7,2, ou qual a relevncia de uma correlao, estatisticamente significativa ao nvel 0,05 ou de um coeficiente de
correlao de 0,23 entre duas variveis.
Outros aspectos a serem considerados na questo da significncia estatstica e significncia prtica so o tamanho e a
variabilidade da amostra. Mesmo que se obtenham diferenas, correlaes ou fatores estatisticamente significativos
para amostras de 12 ou 13 sujeitos, preciso perguntar-se qual a significncia prtica desses resultados. Por outro
120
lado, amostras pequenas e, inclusive, amostras maiores de 30 ou 40 sujeitos, por exemplo, podem apresentar
grande variabilidade. Em uma amostra de 10 sujeitos se dois tiverem o escore mximo de dez pontos, dois obtiverem
zero pontos e os demais alcanarem cinco ou seis pontos, a mdia ser cinco ou mais pontos, mas o que significa essa
mdia na prtica? claro que nesse caso melhor trabalhar com a moda, mas mesmo assim preciso perguntar qual
a significncia prtica desse resultado. Analogamente, esse questionamento deve ser feito quando grande a
variabilidade dos escores em amostras maiores.
8.5 A Estatstica apropriada
Na escolha da tcnica estatstica adequada para o tratamento dos ndices numricos conveniente considerar
primeiramente se o que se quer descrever caractersticas de um conjunto de nmeros ou se o que se pretende
estimar valores da populao. No primeiro caso, a estatstica a ser usada a descritiva, no segundo a inferencial.
tambm conveniente voltar questo de pesquisa e, tendo em conta sua natureza, considerar se medidas da
tendncia central, correlaes, testes de significncia para diferenas de mdias, anlises de varincia, anlises
fatoriais ou multidimensionais so, de fato, necessrias para respond-la.
8.6 O papel do computador
H algoritmos de computador para realizar quaisquer anlises estatsticas de dados numricos. Basta injetar esses
dados nesses algoritmos para que rapidamente saiam mdias, desvios padro, coeficientes de correlao, varincias,
fatores, etc., etc.. O computador atende comandos e seus procedimentos atuam sobre os dados que lhe so
fornecidos. E a voltamos ao comeo desse assunto de anlise de dados: se os dados forem ruins, no h computador
que gere bons resultados. No adianta ficar dando comandos para que ele gere mais e mais coeficientes, tabelas,
fatores. Tudo lixo!
Por outro lado, se os dados forem bons preciso saber interpretar os produtos dos procedimentos estatsticos aos
quais eles so submetidos. No preciso usar lpis e papel, ou calculadora, para, tediosamente, calcular estatsticas
(valores da amostra), parmetros (valores da populao), coeficientes, correlaes, fatores. O computador faz isso
muito mais rapidamente e sem erros. Mas fundamental saber interpretar os resultados.
8.7 Concluso
A anlise dos dados , como foi dito no incio, uma etapa fundamental da pesquisa emprica. Sem dvida. Mas mais
importante do que ela a questo de pesquisa e os registros que se faz dos eventos usados para responder essa
questo. So esses registros que sero convertidos em ndices numricos que, por sua vez, sero analisados
estatisticamente. Os procedimentos estatsticos esto disponveis em profuso e o computador os executa
rapidamente. Mas a anlise, em si, tem que ser feita pelo pesquisador.

121
REFERNCIAS
AUBRECHT, G. J., AUBRECHT, J. D., Constructing objective tests. Am. J. Phys., 51(7), July, 1983. p. 613-620 e
HUDSON, H. T. e HUDSON, C. K. Sugestions on the construction of multiple-choice tests. Am. J. Phys., 49(9), Sept.,
1981. p. 838-841.
BEST, J. W. (1970). Research in education. Englewood Cliffs, N. J.: Prentice Hall.
CAMPBELL, D. R.; STANLEY, J. C. (1979) Delineamentos experimentais e quase-experimentais de pesquisa. So Paulo:
EPU/EDUSP.
DHAINAUT, L. (1997) Conceitos e Mtodos da Estatstica. Volume I: Uma varivel a uma dimenso. 2 ed. Trad.:
Antnio Rodrigues Lopes. Lisboa: Fundao Calouste Gulbenkian.
DARLINGTON, R. B. (1975). Radicals and squares. Ithaca, N. Y.: Logan Hill Press.
ELSEY, F. F. (1967). A first reader in statistics. Belmont, CA: Brooks/Cole Publishing Co.
FELLER, W. (1976) Introduo teoria das probabilidades e suas aplicaes Parte I: Espaos amostrais discretos.
Trad.:Flvio Wagner Rodrigues e Maria Eliza Fini. So Paulo: Edgar Blcher.
FOX, D. J. (1969). The research process in education. New York: Holt, Rinehart and Winston.
GLASS, G. V.; HOPKINS, K. D. (1995) Statistical Methods in Education and Psychology. 3 ed. Boston: Allyn and Bacon.
GLASS, G. V.; STANLEY, J. C. (1970). Statistical methods in Education. Englewood Cliffs, N. J.: Prentice Hall.
GOWIN, D. B. (1970). The structure of knowledge. Educational Theory, 20(4): 319-28.
GOWIN, D. B. (1981). Educating. Ithaca, N. Y.: Cornell University Press.
GOWIN, D. B.; ALVAREZ, M. (2005). The art of educating with V diagrams. New York: Cambridge University Press.
HOPKINS, K. D. Regression and the Matching Fallacy in Quasi-Experimental Research. The Journal of Special
Education(3), n. 4.
JOHNSON, M. (1967). Definitions and models in curriculum theory. Educational Theory, 17(2): 127-40.
KERLINGER, F. N. (1964). Foundations of behavioral research. New York: Holt, Rinehart and Winston.
KERLINGER, F. N. (1980). Metodologia da pesquisa em cincias sociais. So Paulo: E.P.U., EDUSP, INEP.
LEVIN,. J. (1987) Estatstica Aplicada a Cincias Humanas. 2 ed. Trad.: Srgio Francisco Costa. So Paulo: Ed. Harbra
Ltda.
MILHOLLAN, F.; FLORISHA, B. E. (1978). Skinner x Rogers; maneiras contrastantes de encarar a educao. So Paulo:
Summus.
MILLMAN, J. (1970). Data analysis. Conferncia convidada proferida no Simpsio Nacional de Professores de Pesquisa
Educacional, St. Louis, USA.
MOREIRA, M. A. (1978). Experimental college course based on Ausubels learning theory. Science Education, 62(4):
529-45.
MOREIRA, M. A. (1985). Atividade docente na universidade: alternativas instrucionais. Porto Alegre e Rio Grande: D. C.
Luzzatto e Editora da FURG.
MOREIRA, M. A. (1985). O V de Gowin na anlise de experimentos: uma alternativa instrucional. In Moreira, M. A.,
Atividade docente na universidade: alternativas instrucionais. Porto Alegre e Rio Grande: D. C. Luzzatto e Editora da
FURG.
MOREIRA, M. A. (2006). Mapas conceituais e diagramas V. Porto Alegre: Editora do Autor.
MOREIRA, M. A.; MASINI, E. A. F. S. (1982). Aprendizagem significativa: a teoria de David Ausubel. So Paulo: Moraes.
(2006). So Paulo: Centauro. 2. ed.
122
MOREIRA, M. A.; SILVEIRA, F. L. (1993). Instrumentos de pesquisa em ensino e aprendizagem. Porto Alegre:
EDIPUCRS.
NOVAK, J. D.; GOWIN, D. B. (1984). Learning how to learn. New York: Cambridge University Press.
PINES, A. L., NOVAK, J. D; POSNER, G. J.; VAN KIRK, J. (1978). The clinical interview: a method for evaluating cognitive
structure. Ithaca, N. Y.: Cornell University, Department of Education, Curriculum Series n. 6.
RUNKEL, P. J.; MC GRATH, J. E. (1972). Research on human behavior. New York: Holt, Rinehart and Winston.
SIEGEL, S. (1956). Nonparametric statistics for the behavioral sciences. New York: McGraw-Hill Book Co.
SIPEGEL, M. R. (1973). Statistics. New York: Schaum Publishing Co.
VIANNA, H. M. (1978). Testes em educao. So Paulo: IBRASA.
VYGOSTKY, L. S. (1991). Pensamento e linguagem. So Paulo: Martins Fontes.
VYGOSTKY, L. S. (1993). A formao social da mente. So Paulo: Martins Fontes.

Pesquisa Quantitativa Ensino

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Pesquisa Quantitativa Ensino

Загружено:

Авторское право:

Доступные форматы

Uma Introduo Pesquisa Quantitativa em Ensino Verso 2008 - Verso sujeita a revises.

Uma Introduo Pesquisa

Вам также может понравиться