ads:
UNIVERSIDADE FEDERAL DE SANTA MARIA
CENTRO DE TECNOLOGIA
PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA DE PRODUÇÃO
AVALIAÇÃO DO PROCESSO DE ENSINO:
UMA ABORDAGEM MULTIVARIADA
DISSERTAÇÃO
DE MESTRADO
Teresinha Maria Marchesan
Santa Maria, RS, Brasil
2006
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
2
AVALIAÇÃO DO PROCESSO DE ENSINO:
UMA ABORDAGEM MULTIVARIADA
por
Teresinha Maria Marchesan
Dissertação apresentada ao Curso de Mestrado do Programa de Pós-
Graduação em Engenharia de Produção, Área de Concentração em
Qualidade e Produtividade, da Universidade Federal de Santa Maria
(UFSM, RS), como requisito parcial para obtenção do grau de
Mestre em Engenharia de Produção
Orientador: Prof. Dr. Adriano Mendonça Souza
Santa Maria, RS, Brasil
2006
ads:
3
Universidade Federal de Santa Maria
Centro de Tecnologia
Programa de Pós-Graduação em Engenharia de Produção
A Comissão Examinadora, abaixo assinada,
aprova a Dissertação de Mestrado
AVALIAÇÃO DO PROCESSO DE ENSINO: UMA ABORDAGEM MULTIVARIADA
elaborada por
Teresinha Maria Marchesan
como requisito parcial para obtenção do grau de
Mestre em Engenharia de Produção
COMISSÃO EXAMINADORA:
__________________________
Adriano Mendonça Souza
(Presidente/Orientador)
__________________________
Vanilde Bisognin (UNIFRA)
__________________________
Luis Felipe Dias Lopes (UFSM)
Santa Maria, 16 de novembro de 2006.
4
AGRADECIMENTOS
Ao Adriano, com quem aprendi muito nestes dois anos de convivência, pela
dedicação, confiança creditada a mim e oportunidades que colocaste no meu
caminho.
Ao Programa de Pós-Graduação em Engenharia de Produção da UFSM, em
especial, à coordenação e aos sempre prestativos funcionários.
A Direção da Faculdade Metodista de Santa Maria FAMES-RS por ter-me
cedido o banco de dados do processo avaliativo da instituição.
À professora Neusa Antonio pela sua disponibilidade em sempre fornecer as
informações necessárias sobre avaliação da FAMES para que este trabalho se
realizasse dentro da filosofia da Instituição.
À minha família, pelo incentivo constante aos meus projetos e estudos.
Ao José Carlos, pela paciência infinita, por estar sempre ao meu lado.
À Patrícia, pelas dicas valiosas.
A todos os queridos colegas do Curso, pelo aprendizado em equipe e pelo
convívio enriquecedor.
5
RESUMO
Dissertação de Mestrado
Programa de Pós-Graduação em Engenharia de Produção
Universidade Federal de Santa Maria, RS, Brasil
AVALIAÇÃO DO PROCESSO DE ENSINO: UMA ABORDAGEM MULTIVARIADA
AUTORA: Teresinha Maria Marchesan
ORIENTADOR: Dr. Adriano Mendonça Souza
A prática da qualidade na gestão universitária se faz com o comprometimento de
toda comunidade escolar. Assim, através da avaliação do processo de ensino, o
presente trabalho objetivou identificar, na opinião do discente, os pontos fracos e
fortes do processo de ensino, por meio da análise multivariada. Assim sendo, para
este estudo, foram considerados questionários que abrangeram as categorias de
variáveis: 1) auto-avaliação do aluno, 2) avaliação da importância dos conteúdos
para o curso e o desempenho pedagógico do professor, 3) avaliação docente pelo
discente e 4) avaliação discente pelo docente. Os dados obtidos no final de 2003
compuseram a primeira amostra que apresentou uma participação de 54% dos
alunos do curso de administração em comércio exterior. Os dados referentes ao
processo de avaliação realizado ao final de 2005 corresponderam a uma
participação de 87% dos alunos matriculados nos cursos de graduação da
Instituição de Ensino Superior IES. As informações foram processadas utilizando-se
a técnica estatística de análise fatorial com rotação varimax normalizada. Da análise
fatorial, resultaram fatores, com consistência interna satisfatória que definiram as
dimensões: 1) situações de estímulo por parte do professor para o aluno buscar
conhecimento com uma explicação de 50%, 2) com 21% de explicação os alunos
referiram-se às relações entre conteúdos e objetivos do curso e suas aplicações
práticas como satisfatórias, 3) situações metodológicas apropriadas para o processo
de ensino e aprendizagem com 11% de explicação e como ponto fraco no processo
de ensino, 4) a interdisciplinaridade não foi percebida pelo aluno com a real
importância e 5) a freqüência à biblioteca e o hábito da leitura devem ser bem mais
motivados como também a participação em eventos, a pesquisa e extensão. Os
resultados mostraram, por meio de consistência interna dos fatores, a validez do
construto que dá suporte ao processo de ensino desta IES. Desse modo, essa forma
de análise favorece uma melhor observação dos gestores nas percepções que os
alunos têm sobre o processo de ensino em determinada situação, possibilitando,
assim direcionar investimentos em busca da qualidade.
Palavras-chave: Análise Multivariada, avaliação, gestão, qualidade.
6
ABSTRACT
Dissertação de Mestrado
Programa de Pós-Graduação em Engenharia de Produção
Universidade Federal de Santa Maria, RS, Brasil
ASSESSMENT OF THE TEACHING PROCESS: A MULTIVARIATE APPROACH
AUTHOR: Teresinha Maria Marchesan
ADVISOR: Dr. Adriano Mendonça Souza
The practice of quality in university management is done with the engagement of all
school community. Thus, through the evaluation of the teaching process, the present
work aimed at identifying weak and strong points of teaching process based on
student’s opinion and using multivariate analysis. In this study questionnaires that
included the following categories of variables were considered: 1) student’s self-
evaluation, 2) assessment of the content’s importance to the course and the
professor’s pedagogical performance, 3) professor’s assessment by students and 4)
student’s assessment by professor. The data obtained at the end of 2003 composed
the first sample that represented a participation of 54% of students attending
International Business Major. The data concerning the assessment processes carried
out in the end of 2005 composed a participation of 87% of students enrolled in the
undergraduate courses of the institution. The information was processed using the
statistical technique of factorial analysis with normal varimax rotation. The factorial
analysis resulted in factors with satisfactory internal consistency that define these
dimensions: 1) situations of stimulus by the professor to student seeks knowledge
with an explanation of 50%, 2) with 21% of explanation, students mentioned the
relationship between content and course’s objectives and their practical applications
as satisfactory, 3) methodological situations appropriated to the learning and
teaching processes with 11% of explanation and as a weak point in the teaching
process, 4) interdisciplinarity was not perceived by students as really important and
5) attendance to library and reading habit must be more motivated as well as
participation in congresses and research projects. Through the internal consistency
of factors, the results showed the validity of the construct which supports the teaching
processes of this institution. Thus, this way of analyzing data favors a better
observation of managers about the student’s perceptions of the teaching process in a
specific situation, enabling to direct investments in search of quality.
Key words: Multivariate Analysis, assessment, management, quality.
7
LISTA DE FIGURAS
Figura 1- Definição de um elipsóide de densidade constante.................................
35
Figura 2 - Esquema da aplicação da análise de componentes principais...............
36
Figura 3 – Figura do Scree Plot de Catell com exemplo de dois autovalores
maiores do que a unidade.....................................................................................
43
Figura 4 - Dendograma da matriz de distâncias pelo método de ligação simples
(Linkage Distance) construído pelo programa computacional statistics 7.1,
relativo a auto-avaliação do aluno, FAMES, 2003.................................................
58
Figura 5 - Scree Plot construído pelo programa computacional statistics 7.1,
relativo a auto-avaliação do aluno, FAMES, 2003.................................................
60
Figura 6 - Projeção das variáveis como nuvem de pontos sobre o plano fatorial
construídos pelo programa computacional statistics 7.1, relativo a auto-
avaliação do aluno, FAMES, 2003.........................................................................
62
Figura 7 - Dendograma da matriz de distâncias pelo método de ligação simples
(LinkageDistance) da avaliação discente do grupo de variáveis relativo a
importância dos conteúdos para o curso e as práticas pedagógicas utilizadas
pelos docentes, FAMES, 2003..............................................................................
65
Figura 8 - Scree Plot construído pelo programa computacional statistics 7.1,
relativo a importância dos conteúdos para o curso e as práticas pedagógicas
utilizadas pelos docentes, FAMES, 2003..............................................................
67
Figura 9 – Plano fatorial (fator 1 x fator 2) construído pelo programa
computacional statistics 7.1, relativo a avaliação das disciplinas e de suas
práticas pedagógicas, FAMES, 2003....................................................................
69
Figura 10 - Dendograma da matriz de distâncias pelo método de ligação
simples (Linkage Distance) construído, pelo programa computacional statistics
7.1, relativo a avaliação docente pelos discentes, FAMES, 2003..........................
71
Figura 11 - Scree Plot construídos pelo programa computacional statistics 7.1,
relativo a avaliação docente pelo discente, FAMES, 2003...................................
73
Figura 12 - Plano fatorial (fator 1 x fator 2) construídos pelo programa
computacional statistics 7.1, relativo a avaliação docente pelo discente,
FAMES, 2003 .......................................................................................................
75
8
Figura 13 - Dendograma da matriz de distâncias pelo método de ligação
simples (Linkage Distance) relativo à avaliação docente pelos discentes,
FAMES, 2005........................................................................................................
77
Figura 14 - Scree Plot construído pelo programa computacional statistics 7.1,
relativo a avaliação docente pelos discentes, FAMES, 2005.................................
79
Figura 15 - Plano fatorial (fator 1 x fator 2) e (fator 1 x fator 3) e Scree Plot
construídos pelo programa computacional statistics 7.1, relativo a avaliação
docente pelo discente, FAMES, 2005...................................................................
82
Figura 16 - Dendograma da matriz de distâncias pelo método de ligação simples
(Linkage Distance) construídos pelo programa computacional statistics 7.1,
relativo a avaliação discente pelos docentes, FAMES, 2005................................
83
Figura 17 –Scree Plot construído pelo programa computacional statistics 7.1,
relativo a avaliação discente pelos docentes, FAMES, 2005................................
85
Figura 18 - Gráfico do plano fatorial (fator 1 x fator 2) construído pelo programa
computacional statistics 7.1, relativo a avaliação discente pelos docentes
FAMES, 2005.........................................................................................................
88
9
LISTA DE QUADROS
Quadro 1 – Contribuição de cada variável a seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à auto-avaliação do aluno, FAMES, 2003...............................
61
Quadro 2 - Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação das disciplinas e de suas práticas, FAMES, 2003.
68
Quadro 3 - Contribuição de cada variável e o seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação docente pelo discente, FAMES, 2003...................
74
Quadro 4 - Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação docente pelo discente, FAMES, 2003...................
80
Quadro 5 - Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação docente pelo discente, FAMES, 2005...................
81
Quadro 6 – Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação discente pelo docente FAMES, 2005....................
86
10
LISTA DE TABELAS
Tabela 1 - Percentual de questionários respondidos pelos acadêmicos de
acordo com o número de professores e suas respectivas disciplinas, segundo o
curso participante, FAMES, 2005..........................................................................
50
Tabela 2 - Consistência interna dos instrumentos medidos pelo teste Alpha.de
Cronbach ............................................................................................................
54
Tabela 3 - O Bartlett's Test
a
para os 5 grupos de variáveis que fazem parte do
estudo da análise fatorial ......................................................................................
56
Tabela 4 - Número de grupos estabelecidos através da distância mínima
euclidiana (Single Llinkage) para cada categoria de variáveis ............................
57
Tabela 5 – Matriz de correlação relativo ao grupo de variáveis auto-avaliação
do aluno, FAMES, 2003........................................................................................
59
Tabela 6 - Percentual relativo às questões e manifestações dos 649
acadêmicos que realizaram a sua auto-avaliação,FAMES, 2005.........................
63
Tabela 7 - Matriz de correlação referente à avaliação discente do grupo de
variáveis relativo à importância dos conteúdos para o curso e as práticas
pedagógicas utilizadas pelos docentes, FAMES, 2003.........................................
66
Tabela 8 - Matriz de correlação relativo ao grupo de variáveis da avaliação
docente pelos discentes, FAMES, 2003................................................................
72
Tabela 9 - Matriz de correlação relativo ao grupo de variáveis da avaliação
docente pelo docente, FAMES, 2005 ...................................................................
78
Tabela 10 - Matriz de correlação relativo ao grupo de variáveis avaliação
discente pelo docente ocorrida em 2005.............................................................
84
11
SUMÁRIO
INTRODUÇÃO...........................................................................................................
13
1. REVISÃO DA LITERATURA.................................................................................
17
1.1 HISTÓRICO DA FACULDADE METODISTA DE SANTA MARIA – FAMES..... 17
1.2 ABORDAGEM SOBRE OS PROGRAMAS DE AVALIAÇÂO
INSTITUCIONAL DAS UNIVERSIDADES BRASILEIRAS PAIUB E SINAES..
20
1.3 ABORDAGEM SOBRE QUALIDADE EM EDUCAÇÃO.................................... 27
1.4 ABORDAGEM SOBRE ANÁLISE MULTIVARIADA......................................... 29
1.4.1 Análise Multivariada...................................................................................... 29
1.4.2 Análise de Agrupamento.............................................................................. 31
1.4.3. Análise de Componentes Principais........................................................... 34
1.4.4 Análises Fatoriais, relacionadas à Análise de Componentes Principais. 38
1.4.5 Medida de Fidedignidade Alfa de Cronbach............................................... 46
2. METODOLOGIA.....................................................................................................
48
2.1 INSTRUMENTO UTILIZADO PARA A COLETA DE DADOS............................ 48
2.2 POPULAÇAO ................................................................................................... 49
2.3 TÉCNICAS ESTATÍSTICAS UTILIZADAS........................................................ 50
2.3.1 Teste Alpha de Cronbach............................................................................ 51
2.3.2 Análise de Cluster........................................................................................ 51
2.3.3 Teste de adequação da amostra para a Análise Fatorial........................... 51
2.3.4 Determinação do número de fatores............................................................ 52
3. ANÁLISE E DISCUSSÃO DOS RESULTADOS....................................................
54
3.1 ANÁLISE DA CONSISTÊNCIA INTERNA DOS INSTRUMENTOS ................... 54
3.2 ESTUDO DA ADEQUABILIDADE DA ANÁLISE FATORIAL ..........................
55
12
3.3 ANÁLISE DE CLUSTER REALIZADA NOS CINCO GRUPOS DE
VARIAVEIS..............................................................................................................
56
3.4 ANÁLISE DOS RESULTADOS REFERENTES À AUTO-AVALIAÇÃO DOS
ALUNOS REALIZADA EM 2003 e 2005.................................................................
57
3.4.1 Análise dos resultados referentes à auto-avaliação dos alunos do
curso de administração em comércio exterior, FAMES, 2003...........................
58
3.4.2 Análise dos resultados referentes à auto-avaliação dos alunos de
todos os cursos, FAMES, 2005.............................................................................
63
3.5 ANÁLISE DO GRUPO DE VARIÁVEIS RELATIVO À IMPORTÂNCIA DOS
CONTEÚDOS PARA O CURSO E AS PRÁTICAS PEDAGÓGICAS
UTILIZADAS PELOS DOCENTES NA VISÃO DOS DISCENTES DO CURSO
DE ADM EM COMERCIO EXTERIOR, FAMES, 2003............................................
64
3.6 ANÁLISE DO GRUPO DE VARIAVEIS RELATIVO À AVALIAÇÃO
DOCENTE PELOS DISCENTES, FAMES, 2003 E 2005........................................
70
3.6.1 Análise do grupo de variáveis relativo à avaliação docente pelos
discentes, pelos alunos do curso de administração em comercio exterior,
FAMES, 2003...........................................................................................................
70
3.6.2 Análise do grupo de variáveis relativo à avaliação docente pelos
discentes, de todos os cursos, FAMES, 2005......................................................
76
3.7. AVALIACÃO DISCENTE PELO DOCENTE EM 2005.....................................
83
CONSIDERAÇÕES FINAIS E SUGESTÕES..........................................................
89
REFERÊNCIAS BIBLIOGRÁFICAS..........................................................................
91
13
INTRODUÇÃO
O tema “adequação ao uso com satisfação do cliente” era o discurso preferido
por Deming (1990), Ishikawa (1953-1982-1989), Kume (1993), Juran, Feigenbaun e
Crosby (1993). Estes todos voltados para o mesmo objetivo: a excelência
organizacional.
Sabe-se que, atualmente, a implantação do Programa de Qualidade e
Produtividade constitui-se na atividade responsável pelo maior volume de
investimentos no meio empresarial. As empresas privadas passam por mudanças
em busca da racionalidade, que representam, em termos mundiais, um esforço
muito grande no sentido de mudar práticas gerenciais inadequadas e conceitos
ultrapassados, à procura de um novo modelo gerencial capaz de suportar as rápidas
transformações e exigências do meio.
O movimento da Qualidade Total, que nasceu no Japão, converteu aquele
país em uma das maiores potências mundiais, a partir dos conceitos introduzidos por
Willian E. Deminig
1
. Na verdade, esse movimento evidencia a necessidade de se
repensar os modelos gerenciais existentes. A importância dele é suficientemente
significativa para se tornar objeto de estudo e reflexão nos meios acadêmicos, já que
a qualidade representa uma alternativa que tem se mostrado eficaz na busca de
competitividade e na modernização das organizações Mezomo (1994a).
A realidade é que a sobrevivência das organizações no atual ambiente, em
constante mudança, está vinculada a uma cultura que estimula a aprendizagem
coletiva. A criação dessa cultura pode ser estimulada através da habilidade do
pensamento sistêmico, domínio pessoal, modelos mentais, visão compartilhada e
pensamento em grupo. O conceito de qualidade é usado para direcionar os esforços
de todos no sentido de atender o usuário. O controle da qualidade total investe
pesadamente na formação e educação dos funcionários, no desenvolvimento de
uma visão compartilhada dos objetivos globais e do papel de cada pessoa, no uso
de métodos científicos para o estudo de problemas, bem como nos projetos coletivos
de inovações e melhorias em todos os setores da empresa Paladini (1990).
_____________________
1
Foi um estatístico norte-americano, professor universitário, conferencista e consultor. Contribuiu para que o
Japão se tornasse o afamado desenvolvedor e causador de inovações de alta tecnologia e qualidade. Deming é
tido como a figura que maior impacto causou sobre o sistema de negócios e de produção fabril japonês.
14
Também, as universidades estão desempenhando um papel importante, pelo
fato de incorporarem ás novas tecnologias a suas atividades de pesquisa e
extensão.
Além disso, uma universidade, que parte da consideração de que as
instituições de ensino superior possam ser vistas como empresas, cujo resultado
estimado do seu serviço seria a formação integral do aluno, ou seja, um cidadão
com conhecimento técnico suficiente para bem desempenhar a sua profissão, e com
condições de formar à sua personalidade social, cultural e ética, está impondo, na
sua gestão universitária, o sistema de qualidade total Mezomo (2004b).
Desta forma, Projeto Pedagógico da Instituição (PPI) e o Projeto Pedagógico
dos Cursos (PPC) devem levar em conta as expectativas de toda comunidade
escolar, ter currículos adequados às necessidades dos cursos, como também
empregar materiais instrumentais adequados e modernos (PAIUB/SINAES).
Segundo Mezomo (1993), para que, efetivamente, haja profissionais
responsáveis pelo sistema educacional brasileiro com qualidade, as perguntas que
seguem não devem ser desconhecidas e nem ficar sem respostas.
• Quem são os seus clientes?
• Que necessidades eles têm?
• Como elas são atendidas?
• O que é ensinado e por quê?
• Que resultados são obtidos?
• E como são reconhecidos?
Inserindo-se o trabalho universitário, neste sentido, acredita-se que o mesmo
possa ser capaz de garantir a sua legitimidade social, para respeitar as pessoas e
possa oferecer respostas atualizadas aos grandes desafios que lhe estão sendo
impostos por um mundo onde a única coisa estável é a mudança.
Para que ocorram mudanças em busca da qualidade, a fim de que as
universidades cumpram o seu papel de promotoras e socializadoras do saber capaz
de compreender e modificar a realidade, é fundamental que repensem suas práticas
administrativas, técnicas e pedagógicas de modo crítico e comprometido, uma vez
que a avaliação possibilita uma visão global em termos qualitativos e quantitativos,
facilitando o redimensionamento da política de planos de ação Macedo (2001).
15
Em vista disso, é importante, como prestação de contas, que se efetue uma
avaliação externa, visto que as universidades são responsáveis pela satisfação das
necessidades dos desafios da sociedade a que servem.
E ainda, a responsabilidade que elas têm frente a si mesmas, e pela gestão de seus
recursos, exige uma auto-avaliação que implica na participação de toda a
comunidade acadêmica, que formula juízos sobre o valor de sua qualidade
institucional, principalmente no cotidiano de trabalho, na docência, gestão e na
pesquisa, Pinto et. al. (2005)
Todavia, sabe-se que a qualidade da educação da instituição de ensino
superior (IES) é representada fortemente pelo nível qualitativo de seus formadores.
Assim, a avaliação interna trabalha em uma perspectiva institucional na qual a ação
docente é um dos seus elementos.
A questão da avaliação dos recursos humanos torna-se fator de otimismo,
desde que avaliador e avaliado tenham em mente que o fim último de tal ação liga-
se, eminentemente, à definição de metas na direção da qualidade da universidade.
A avaliação não compreende em um processo punitivo e nem de coibição, mas deve
mostrar indicadores com vistas à qualidade (PAIUB (1994); SINAES (2004)).
Dois dos princípios norteadores para o caminho avaliativo são, o
consentimento avaliativo de quem está sendo avaliado e um processo realizado por
etapas que valorizem as sugestões, incluindo-se, também a eles as pequenas
iniciativas avaliativas MEC/PAIUB (1994).
Por acreditar-se, que a avaliação do processo de ensino e também a do
docente ofereça uma melhoria continuada no processo ensino-aprendizagem e traga
reflexos diretos sobre a formação dos alunos, é que se encontrou entusiasmo para
justificar a realização deste estudo. Com ele pretende-se estimular àqueles que
buscam, na qualidade do seu trabalho, o verdadeiro sentido para a sua realização
pessoal e profissional, muito embora pense que o professor deva ter autoridade nos
domínios intelectual, ético, profissional e humano, centrando maiores exigências em
suas aulas, e não às normas ou avaliações.
Segundo Mezomo (1993), qualidade na escola é medida pelos resultados, o
que justifica a avaliação do processo educativo por meio de uma metodologia
multivariada a fim de se obter um resultado não somente quantitativo, como
qualitativo, a fim de que desperte interesse, cada vez maior, dos responsáveis pela
gestão educacional em nível superior do país.
16
Em vista disso, o tema do presente estudo se concentra no processo de
avaliação e, no caso, o desenvolvido na Faculdade Metodista de Santa Maria, RS –
FAMES, nos anos de 2003 e 2005.
Portanto, segundo Pinto et. al. (2005), definir qualidade na gestão das
questões ligadas à educação, para uma instituição de ensino, significa dizer que ela
é representada pelo efetivo preparo do cidadão para a vida e para o trabalho, como
resultado de um processo de ensino-aprendizagem adequado à missão institucional
e as legítimas necessidades de seus clientes interno e externo.
Para aumentar a competência e a criatividade na organização e gestão de
sistemas de qualidade, pretende-se, como objetivo geral, avaliar o processo de
ensino na Faculdade Metodista de Santa Maria, RS – FAMES. E, na visão dos
alunos salientar os aspectos positivos e negativos do trabalho docente e de suas
práticas pedagógicas através da metodologia de Análise Multivariada.
Os objetivos específicos por sua vez são:
Contemplar discussões transparentes para melhorar o processo ensino e
aprendizagem e ter credibilidade técnica pela fidedignidade das informações.
O texto do trabalho está organizado em três capítulos além desta introdução.
No Capítulo 1, de Revisão da Literatura, situa-se o trabalho em um contexto
de pesquisa mais amplo ao discutir questões teóricas pertinentes a prática de
pesquisa contemplando-se abordagens sobre:
a) Avaliação do Ensino Superior conforme o Programa de Avaliação
Institucional das Universidades Brasileiras (PAIUB, 1994) e Sistema Nacional de
Avaliação do Ensino Superior (SINAES, 2004)
b) Qualidade em Educação
c) Análise multivariada com tópicos de análise cluster, análise de
componentes principais e análise fatorial.
No Capitulo 2, de Metodologia, descreve-se as etapas seguidas para coletar,
organizar e interpretar os dados a luz da literatura prévia publicada na área.
No capítulo 3, de discussão dos resultados dirigida para os objetivos e
fundamentada no referencial teórico exposto.
No capítulo 4, apresentam-se as considerações finais, onde, com base na
revisão de literatura e no desenvolvimento do método, apresentam-se as principais
conclusões do trabalho e, a partir das limitações, apontam-se às contribuições e as
sugestões para futuras pesquisas.
17
1 REVISÃO DA LITERATURA
Neste capítulo, discute-se questões teóricas pertinentes a realização da
pesquisa proposta. O capítulo está distribuído em quatro seções. Na seção 1.1,
descreve-se um breve histórico da Faculdade Metodista de Santa Maria-RS, que
compreende o universo desta pesquisa. Na seção 1.2, apresenta-se uma
abordagem sobre Avaliação de acordo com os princípios norteadores dos
Programas PAIUB e SINAES. Na seção 1.3, expõe-se breves considerações sobre
Qualidade em Educação. Na seção 1.4, destaca-se um enfoque mais amplo sobre
Análise Multivariada.
1.1 Histórico da Faculdade Metodista de Santa Maria - FAMES
Um breve histórico da Faculdade Metodista de Santa Maria diz que esta
nasceu alicerçada na experiência e na tradição do Colégio Centenário, fundado em
27 de março de 1922, pelas missionárias norte-americanas Miss Eunice Andrew e
Miss Louise Best, em homenagem ao centenário do trabalho missionário da Igreja
Metodista dos Estados Unidos da América do Norte, e também em homenagem à
emancipação política do Brasil. Assim, para caracterizar a Faculdade, é imperativo
detalhar as origens, os antecedentes e a historia do antigo Colégio Centenário, sua
célula embrionária.
O novo Colégio Centenário de Santa Maria, RS, iniciou suas atividades
naquele longínquo ano, com sete (7) alunas, sendo três (3) internas e quatro (4)
externas. Além das duas professoras norte-americanas, havia mais duas
professoras brasileiras: Bertha Kokot e Lucila Martins.
Em 07 de setembro de 1922, iniciou-se a construção do prédio “Eunice
Andrew”, nome em homenagem a professora fundadora e diretora que exerceu a
função por quinze (15) anos.
1923 – Ano do primeiro aniversário. Nessa comemoração, a família
centenária reunida escolheu a sua cor até hoje preservada: o Verde e o Branco
simbolizando, pureza e esperança.
18
1926 – Neste ano, formou-se a primeira turma e, a ela, coube a escolha do
lema do colégio, que permanece até os dias atuais: EDUCAR A MENTE A PENSAR,
O CORPO A AGIR E O CORAÇAO A SENTIR.
A Faculdade Metodista de Santa Maria FAMES que completa, neste ano, 8
anos de sua existência, procura cumprir com sua Missão, de maneira a atender com
a qualidade e segurança, as diretrizes da Educação Metodista e da Legislação
Educacional vigente, estabelecendo um conjunto de estratégias e caminhos eficazes
com o envolvimento e comprometimento de toda a comunidade interna da
Instituição.
As duas turmas de acadêmicos do Curso de Linha de Formação Especifica:
Comércio Exterior ao realizarem o PROVÃO/2002 e 2003, obtiveram conceito A.
Os cursos de Linha Específica: Comércio Exterior e o Curso de Letras –
Habilitação em Língua Espanhola e respectivas Literaturas, foram reconhecidos pelo
prazo de 5 anos, recebendo conceito A, após criteriosa avaliação da Comissão de
Especialistas do MEC.
Novos cursos foram autorizados: Letras Habilitação em Língua Portuguesa e
Língua Espanhola e respectivas literaturas, Linha de Formação Especifica:
Administração Gestão Hospitalar, Educação Física – Habilitação em Orientação de
Atividade Física e o Curso de Direito.
O curso de Educação física realizou o ENADE (ingressantes), que foi avaliado
com conceito A.
A proposta da instituição é a construção da cidadania através de uma postura
ética, solidária e autônoma de docentes e discentes, comprometidos com a
transformação da sociedade.
A partir desse ano, a FAMES, oferece à comunidade mais um curso de
graduação: Sistemas de Informação, Portaria Ministerial nº 2829 de 17/08/2005.
Assim, comprova o seu crescimento de uma maneira paulatina, porém segura e de
qualidade.
A FAMES, como Instituição de ensino Superior, é confessional. Pertence à
Igreja Metodista, e tem como uma de suas principais características a preocupação
com a valorização do indivíduo e a construção do saber.
Como parte de um breve histórico da FAMES, é necessário salientar que as
metas da Instituição são alicerçadas, principalmente, devido ao desenvolvimento e
comprometimento de seus dirigentes, de seu corpo docente, discente e
19
administrativo, na busca da promoção do bem-estar de cada uma como agente
participativo na sociedade.
Padrões Institucionais
• Missão:
Formar profissionais qualificados e éticos para edificarem uma sociedade
justa e fraterna, à luz dos princípios cristãos.
• Visão:
Ser referência acadêmica regional e nacional.
• Finalidades:
Conforme a Lei de Diretrizes e Bases da Educação a Faculdade Metodista de
Santa Maria, como instituição do sistema de Ensino, tem as seguintes finalidades:
• Atuar como agência educacional da Igreja Metodista.
• Estimular a criação cultural e o desenvolvimento do espírito científico e do
pensamento reflexivo.
• Formar diplomados nas diferentes áreas de conhecimento, aptos para a
inserção em setores profissionais e participação da sociedade brasileira, e colaborar
na sua formação contínua.
• Incentivar o trabalho de pesquisa e investigação científica, visando ao
desenvolvimento da Ciência e da tecnologia, da criação e difusão da Cultura e,
deste modo, desenvolver o entendimento do homem e do meio em que vive, sob
influência cristã, de acordo com o Plano de vida e Missão de Igreja Metodista.
• Promover a divulgação de conhecimentos culturais, científicos e técnicos
que constituem patrimônio da humanidade e comunicar o saber através do ensino,
de publicações ou de outras formas de comunicação.
• Perseguir o desejo permanente de aperfeiçoamento cultural e profissional,
possibilitar a sua correspondente concretização, integrando os conhecimentos que
vão sendo adquiridos numa estrutura intelectual sistematizada do conhecimento de
cada geração.
• Estimular o conhecimento dos problemas mundiais, em particular os
nacionais e os regionais, prestar serviços especializados à comunidade e
estabelecer com esta uma relação de reciprocidade.
• Promover a extensão, aberta à participação da população, visando à difusão
das conquistas e benefícios resultantes da criação cultural e da pesquisa científica e
20
tecnológica, conforme os Cânones para a Educação da Igreja Metodista. (GUIA
ACADÊMICO da FAMES, 2006)
Descrita a referida IES, percebe-se a escola como uma organização humana
que, apesar de sua natureza diferenciada e de sua missão especifica, possui
semelhanças com outros tipos de organização, podendo ser vista como um sistema
que está em constante interação com o meio.
Para Mezomo (1994a), assim, como as empresas, a escola possui:
• objetivos finalidades e propósitos;
• estratégias de ação (programas e métodos) visando à concretização dos
propósitos;
• clientes (internos e externos);
• recursos (humanos, materiais, físicos e tecnológicos);
• produtos (aprendizagem, profissionais formados, pesquisa e extensão);
• estrutura organizacional.
A educação é a base fundamental, que do seu processo resultarão indivíduos
preparados para a vida e para o exercício da cidadania (ibidem).
A Faculdade Metodista concebe-se e organiza-se como instituição
educacional, cuja missão é de “desenvolver e difundir o conhecimento e a cultura em
suas múltiplas manifestações, distinguindo-se pela excelência acadêmica na
formação de profissionais íntegros e de cidadãos comprometidos com o bem estar
social a partir dos princípios cristãos”. Ainda, a missão educacional tem o seu
compromisso social de aplicar o seu conhecimento a favor do progresso, por ser ela
uma organização dotada de valores, princípios dirigidos a atender alunos e acordá-
los para a construção do conhecimento.
Além disso, os clientes internos funcionários, professores, supervisores, e
toda a comunidade escolar que dirige e estratifica os serviços oferecidos pelo
sistema educacional, deve atentar para a qualidade a fim de atender as perspectivas
dos seus clientes externos que são os alunos.
1.2 Abordagem Sobre os Programas de Avaliação Institucional das
Universidades Brasileiras PAIUB E SINAES
Os primeiros projetos de avaliação desenvolvidos pelas universidades
brasileiras surgiram no início da década de 80. Este movimento avaliativo se
21
desenvolveu pela necessidade de se provocar melhorias na gestão universitária. A
partir deste momento foi consagrado o termo “avaliação institucional”.
Na década de 80 a 90, o governo e/ou a sociedade civil pronunciaram-se
sobre a necessidade de avaliar a universidade sob pressão de críticas divulgadas
amplamente nos meios de comunicação em todo o país, Both (2005).
Assim, o consenso que o tema alcançou no meio acadêmico e em órgãos
governamentais, levaram ao surgimento, em 1993, do Programa de Avaliação
Institucional das Universidades Brasileiras PAIUB. A partir deste momento o governo
define um projeto de financiamento de projetos de avaliação institucional, em cujo
documento básico são estabelecidos os princípios e objetivos da avaliação
institucional brasileira (MEC/PAIUB, 1994). Desta forma, a avaliação institucional é
vista, como um processo para correção de rumos, como um modo de repensar os
objetivos, e a forma de desempenhar as atividades de cada universidade.
Objetivando, com isso, a melhoria da qualidade e da pertinência das atividades
desenvolvidas.
A utilização eficiente e relevante dos recursos humanos e materiais da
universidade marcada pelo compromisso científico e social assegura a qualidade e a
importância de seus produtos e a sua legitimação junto à sociedade
(MEC/PAIUB,1994).
Em 1994, o Programa de Avaliação Institucional das Universidades
Brasileiras, PAIUB estabeleceu sete princípios norteadores do processo.
a) Globalidade – A universidade deve ser avaliada de maneira global e
institucional, e não a partir da análise fragmentada de cada uma de suas atividades.
Devem ser consideradas, simultaneamente, ensino, pesquisa e extensão e
administração em suas interações, interfaces e interdisciplinares.
b) Comparabilidade - O objeto da avaliação é a instituição universidade, o
agente da avaliação é a universidade, o objetivo da avaliação é a melhoria da
instituição em diferentes campos de intervenção interna e externa.
c) Respeito à identidade institucional nas suas características como: perfis,
missão, condições, necessidades, aspirações.
d) Não premiação ou punição devendo servir acima de tudo, como instrumento
de apoio às pessoas avaliadas.
e) Adesão voluntária com a necessidade de participação voluntária das pessoas.
f) Legitimidade do processo – metodologia e fidedignidade da informação.
22
g) Continuidade do processo expressa a possibilidade de comparabilidade dos
dados como também fornecer a identificação da confiabilidade dos
instrumentos utilizados.
Percebe-se, desta forma, que devem ser acatadas as características próprias
de cada instituição, consideradas as forças atuantes em seu ambiente especifico, a
missão institucional e o seu projeto institucional entendendo-se que avaliação
institucional caracteriza-se como um processo sistêmico e contínuo, que possibilita a
reflexão sobre as atividades desenvolvidas, permitindo o aperfeiçoamento
permanente da qualidade institucional.
Em 10 de outubro de 1996 foi instituído o Decreto nº 2036 que estabeleceu os
procedimentos para a avaliação nacional dos cursos de ensino superior (ENC),
conforme a seguir: (MEC, 1996).
“Art. 1º - O processo de avaliação dos cursos e instituições de ensino superior
compreenderá os seguintes procedimentos”:
I – Análise dos principais indicadores de desempenho global:
II – Avaliação do desempenho individual das instituições:
III – Avaliação do ensino de graduação por curso:
(........)
Art. 4º - A avaliação individual das instituições de ensino superior, conduzida
por comissão externa à instituição especialmente designada pela Secretaria
de Educação Superior (SESU), considerará os seguintes aspectos:
I - Administração geral;
II – Administração acadêmica;
III – Integração social;
IV – Produção científica.
Art. 5º - A avaliação dos cursos de graduação far-se-á pela análise de
indicadores estabelecidos pelas comissões de especialistas de ensino e levarão em
consideração os resultados dos exames nacionais de cursos e os indicadores
mencionados no art. 3º, adequadamente adaptados para o curso.
Art. 6º - Para a avaliação dos cursos de graduação, a análise das condições
de oferta pelas instituições de ensino superior, referida no Inciso III do art. 1º,
considerará;
I – A organização didática e pedagógica;
23
II – A adequação das instalações especiais, tais como laboratórios, oficinas e
outros ambientes indispensáveis à execução do currículo.
III – A qualificação do corpo docente;
IV – A biblioteca com atenção para o acervo bibliográfico, inclusive livros e
periódicos, regime de funcionamento, modernização dos serviços e
adequação ambiental.
Durante o período de 1994 a 1997, o PAIUB financiou 138 programas de
avaliação de instituições de ensino superior, contribuindo, assim, para a adesão total
das universidades ao programa proposto visto a preparação para a realização do
exame nacional dos cursos de graduação para aferir os conhecimentos e
competências adquiridas pelos estudantes nos cursos de graduação (MEC/PAIUB,
1998).
Cabe ressaltar, neste momento, uma contribuição importante decorrente do
PAIUB, o qual foi a sensibilização da necessidade do processo avaliativo com o
objetivo de buscar a qualidade do ensino superior nas universidades brasileiras.
Em 14 de abril de 2004 foi criado pela Lei nº 10861 o Sistema Nacional de
Avaliação da Educação Superior – SINAES, o qual fundamenta-se na necessidade
de promover a melhoria da qualidade de Educação Superior, de orientação e
expansão da sua oferta, o aumento permanente da sua efetividade acadêmica social
e, especialmente, do aprofundamento dos seus compromissos e responsabilidades
sociais (INEP/SINAES, 2004).
O SINAES foi estruturado de forma ampla e contempla os seguintes
elementos:
1) Modalidades
Avaliação das Instituições de Educação Superior - AVALIES
a) Auto-avaliação – coordenada – CPA
(avaliada pela comunidade acadêmica, corpo docente e técnico
administrativo)
b) Avaliação externa – comissões designadas pelo INEP.
Avaliação dos Cursos de Graduação (ACG) – visitas “in loco” de comissões
externas – reconhecimento e renovação de reconhecimento a que os cursos estão
sujeitos, corpo docente, instalações físicas, organização didático-pedagógica e o
Projeto Pedagógico.
24
Avaliação do desempenho dos estudantes – Exame nacional de avaliação de
desempenho dos estudantes – ENADE.
2) Os princípios fundamentais do SINAES são uma extensão do PAIUB, a
saber:
a) Responsabilidade social com a qualidade da educação superior
b) Reconhecimento da diversidade do sistema
c) Respeito à identidade, a missão e a historia das instituições
d) Globalidade, isto é, compreensão de que a instituição deve ser avaliada a
partir de um conjunto significativo de indicadores de qualidade, vistos em relação
orgânica e não de forma isolada
e) Continuidade do processo avaliativo
3) Dimensões avaliadas.
Dimensão 1: a missão e o plano de Desenvolvimento Institucional
Dimensão 2: a política para o ensino, a pesquisa, a pós-graduação, a
extensão
Dimensão 3: A responsabilidade Social da Instituição, considerada
especialmente no que se refere à sua inclusão social, ao desenvolvimento
econômico e social, à defesa do meio ambiente, da memória cultural, da produção
artística e do patrimônio cultural
Dimensão 4: A comunicação com a sociedade
Dimensão 5: As políticas de pessoal as carreiras do corpo docente e do corpo
técnico-administrativo, seu aperfeiçoamento, desenvolvimento profissional e suas
condições de trabalho
Dimensão 6: Organização e gestão da Instituição, especialmente o
funcionamento e representatividade dos colegiados, sua independência e autonomia
na relação com a mantenedora, e a participação dos segmentos da comunidade
acadêmica nos processos decisórios.
Dimensão 7: Infra-estrutura física, especialmente as de ensino e de pesquisa,
biblioteca, recursos de informação e comunicação.
Dimensão 8: Planejamento e avaliação, especialmente dos processos,
resultados e eficácia da auto-avaliação institucional.
Dimensão 9: Políticas de atendimento a estudantes e egressos
Dimensão 10: Sustentabilidade financeira, tendo em vista o significado social
da continuidade dos compromissos na oferta da Educação Superior
25
De acordo com o documento (INEP/SINAES, 2004), a avaliação das
instituições de educação superior tem caráter formativo, visa o aperfeiçoamento dos
agentes da comunidade acadêmica e da instituição como um todo, e compõe-se de:
a) A avaliação interna ou auto-avaliação tem como objetivo averiguar as
possíveis causas de seus problemas e deficiências para questionar o conjunto de
atividades executadas pela instituição, aumentar a consciência pedagógica e
capacidade profissional do corpo docente e técnico-administrativo, fortalecer as
relações de cooperação entre os diversos atores institucionais, tornar mais efetiva a
relação com a comunidade, julgar acerca da relevância científica e social de suas
atividades e produtos, além de prestar contas à sociedade.
b) A avaliação externa é a outra dimensão essencial da avaliação
institucional. A apreciação de comissões de especialistas externa à instituição, além
de contribuir para o autoconhecimento e aperfeiçoamento das atividades
desenvolvidas pela IES.
c) A dinâmica de funcionamento segue as etapas de preparação,
planejamento e sensibilização conforme disposto no art. 11 da Lei nº 10861/04.
Ressalta-se que, a preparação deve ser elaborada por uma Comissão Própria
de Avaliação (CPA), o planejamento deve levar em conta as características da
instituição, seu porte, e a existência ou não de experiências avaliativas anteriores
como a auto-avaliação, avaliação externa e avaliação dos docentes pelos
estudantes. A sensibilização deve ser feita através de reuniões e palestras.
O roteiro de auto-avaliação está organizado em três núcleos para
operacionalizar a avaliação das dimensões propostas.
O primeiro núcleo, motivo deste estudo, denominado básico e comum,
destaca a concretização das práticas pedagógicas e administrativas e suas relações
com os objetivos centrais da instituição.
Este núcleo conforme (INEP/SINAES, 2004) abrange:
1. Em relação ao ensino
a) concepção de currículo e organização didático-pedagógica (métodos,
metodologias, planos de ensino, de aprendizagem e avaliação da aprendizagem) de
acordo com os fins da instituição, as diretrizes curriculares e a inovação da área;
b) práticas pedagógicas, considerando a relação entre a transmissão de
informações e a utilização de processos participativos de construção do
conhecimento;
26
c) pertinência dos currículos (concepção e prática), tendo em vista os objetivos
institucionais, as demandas sociais (científicas, econômicas, culturais etc) e as
necessidades individuais;
d) práticas institucionais que estimulam a melhoria do ensino, a formação
docente, o apoio ao estudante, a interdisciplinaridade, as inovações didático-
pedagógicas e o uso as novas tecnologias no ensino.
2. Em relação à pesquisa:
a) relevância social e científica da pesquisa;
b) vínculos e contribuição da pesquisa para o desenvolvimento local/regional;
c) políticas e práticas institucionais de pesquisas;
d) articulação da pesquisa com as demais atividades acadêmicas;
e) critérios para o desenvolvimento da pesquisa, participação do pesquisador
em eventos acadêmicos, publicações e divulgações dos trabalhos.
3. Em relação à extensão
a) concepção de extensão e de intervenção social afirmada no Plano de
Desenvolvimento Institucional (PDI);
b) articulação das atividades de extensão com o ensino e pesquisa e com as
necessidades e demandas em torno do social;
c) participação dos estudantes nas ações de extensão.
Com a instituição do Programa de Avaliação das Universidades Brasileiras
(PAIUB), a preocupação básica foi o acompanhamento das atividades do ensino de
graduação, a avaliação do trabalho docente pelo discente, e a avaliação dos cursos,
sendo que em 1997, o Brasil contava com 138 universidades inscritas no PAIUB, as
quais produziram resultados sobre desempenho dos docentes, Macedo (2001 p.52).
Como o SINAES é uma extensão do PAIUB, cabe ressaltar que tanto a
organização didático-pedagógica quanto o perfil do corpo docente continuam sendo
avaliadas. O docente não é apenas um avaliador, como também será avaliado pelos
alunos em todas as suas atividades de ensino e aprendizagem.
A avaliação consciente do docente pelo discente proporciona que ele repense
o seu papel de educador Macedo (2001).
Assim, torna-se evidente que o docente, através de reuniões para trocar
experiências e avaliações do processo de ensino sistemáticas discutidas em
conjunto, pode perseguir o aprimoramento e capacitação da formação de sua
missão de ensinar.
27
Segundo Rupolo, (2003)
“O compromisso na preparação profissional e processo educativo cabe ao
educador que tem o domínio da área de conhecimento que ensina; está
sempre disposto a aprender; não é resistente à mudança; contribui para a
formação de seus alunos; transmite valores aos seus educandos; é capaz de
motivar, animar e incentivar seus alunos; cultiva o otimismo e entusiasmo; é
consciente de ser ele mesmo um ser incompleto e estar sempre a caminho; é
estudioso, alguém que optou por não ter vida orientada fundamentalmente
para objetivos materiais; tem auto-estima e é capaz de criar laços afetivos
com os seus alunos”.
O desafio que se apresenta para o docente é não se opor à mudança, pois a
avaliação proporciona rumos e abre caminhos para provocar melhorias em busca da
qualidade.
Na reflexão e nas proposições descritas, a concepção e a prática educacional
são entendidas como unidade em que as situações do habitual se orientam pelo
conhecimento técnico-científico de um profissional disposto para o desafio de
educar.
1.3 Abordagem sobre qualidade em educação
Um sistema de melhoria da qualidade é útil a qualquer um que lance um
produto ou esteja comprometido com um serviço, ou com pesquisas, e que deseje
melhorar a qualidade do trabalho, pois os serviços precisam melhorar junto com a
produção Paladini (1990).
Ao se falar em qualidade, procura-se visualizar a realidade de uma
organização com o objetivo de dar mais satisfação aos clientes externos de seus
produtos/seviços, como também dar satisfação aos clientes internos, através da
qualidade de vida e trabalho.
O propósito de qualquer empresa é para Ramos (1992), construir um produto
ou efetuar um serviço de qualidade. Para tanto, se torna indispensável que os
trabalhadores realizem uma tarefa de qualidade e que os dirigentes criem as
condições necessárias a fim de que isso aconteça.
Neste propósito, afirma, também, que uma possível solução para a crise
educacional do País reside no entendimento de um modelo brasileiro de Escola de
qualidade, onde essa proposta coloca, em seus objetivos, uma estratégia inovadora
de transformação de cada instituição de ensino.
28
Por outro lado, uma escola que adota a filosofia de qualidade, trabalha em
função de seu cliente maior: o aluno. Tendo assim como propósito enriquecê-lo
enquanto ser humano e cidadão.
Para Ramos (1992), a melhoria contínua, o controle permanente do progresso
realizado, o exame dos resultados obtidos e a apresentação de propostas
inovadoras conduz a escola a patamares mais elevados da qualidade.
Neste sentido percebe-se que a criação dos programas PAIUB/SINAES está
direcionada com propostas para a escolha das ferramentas apropriadas, cujas
buscas sejam as causas e os métodos necessários para que as instituições de
ensino ofereçam maior qualidade, abrangendo, simultaneamente, todas as questões
de liderança, participação e mediação.
Para isto, segundo (ibidem), é fundamental que a escola esteja atenta para:
a) repensar o seu papel e seu propósito;
b) conhecer mais intimamente o seu cliente;
c) definir com clareza os seus produtos;
d) atualizar e criar novos processos alternativos para a solução de problemas
educacionais.
De acordo com PAIUB/SINAES, nenhum programa ou plano de ação se faz
contando com a parcialidade dos membros de uma instituição de ensino. Nesse
sentido, a qualidade será efetiva no momento em que todos se organizem e se
ajudem para compartilhar conhecimentos e experiências. Contudo, a instituição deve
ter consciência de que, através do esforço das pessoas, os resultados serão
direcionados para a qualidade. Assim, torna-se necessário comprometer toda a
equipe docente, técnico-administrativo da instituição como também seus clientes.
O professor definido como facilitador ao trabalhar um conteúdo, não como
uma forma de estocar informações, mas sob um prisma da construção de
competências e habilidades deve atentar, segundo Antunes (2002, p.22), quando o
aluno ouve e anota, se ele realmente está aprendendo alguma coisa
1
.
_____________
1
Em verdade, em cada aluno, vivenciamos a aula em função de suas experiências pessoais, seus recursos
intelectuais, sua capacidade de atenção concentrada, seu estado de motivação e seu padrão emocional.
Somente o que efetivamente faz sentido para ele e como este sentido se relaciona com os outros saberes, é que
leva alguém a uma aprendizagem, resultado dessa constatação que uma mesma exposição feita por um
professor para diferentes alunos, provoca sentidos de aprendizagem diferentes, inexistindo uma padronização
nos conhecimentos construídos pela mente.
29
1.4 Abordagem sobre análise mulltivariada
Neste item apresentam-se tópicos, mais especificamente, de Análise de
Agrupamento, Análise de Componentes Principais e Análise Fatorial, baseando-se
em bibliografias de (AFIF, 1971; MORRISON, 1976; MARDIA, 1978; EVERITT,
1980; ASENSIO, 1980; SOUZA, 1990; PEREIRA, 2002; LANDIM, 2003; SOUZA &
VICINI, 2005 e HAIR et. al., 2005; DANCEY et. al. 2006).
1.4.1 Análise Multivariada
Na pesquisa quantitativa, freqüentemente nos interessa algum fenômeno
onde muitas variáveis estão envolvidas, sendo necessário conhecermos as relações
entre elas.
Em torno do século XX, aconteceu o desenvolvimento dos procedimentos
analíticos para tratar dessas complexas situações multivariadas Dancey et. al.
(2006).
O ramo da estatística que trata da análise de dados em dimensão de vários
indivíduos, é a análise multivariada, dentro do qual encontram-se os métodos de
análise de componentes principais, análise de correspondência, análise canônica,
análise de descriminante, análise de agrupamento, análise fatorial e outros.
Análise multivariada de dados é um método de análise estatística que permite
um estudo global das variáveis, pondo em evidência ligações semelhantes ou
diferentes.
Por isso, mergulhando-se indivíduos e variáveis em espaços geométricos e
transformando-se os dados para visualizá-los num plano ou classificá-los em grupos
homogêneos, perde-se o mínimo de informação Landim (2000).
É de interesse examinar as inter-relações entre as variáveis. Estas inter-
relações podem ser avaliadas, ou pela covariância ou pelo coeficiente de correlação
entre as variáveis.
Se o número de variáveis é grande, queremos estruturar e simplificar nossos
dados de maneira a conservar o máximo de informação expressa pelas variáveis
originais.
30
Uma solução para este problema é encontrar variáveis hipotéticas que sejam
combinações lineares das variáveis observadas e assim, mais convenientemente
estudadas por seu menor número.
Em muitos problemas, após encontrarmos estas variáveis originais, deseja-se
unir os indivíduos formando grupos homogêneos.
Para ilustrar o bom emprego da análise multivariada apresentar-se-á, a
seguir, algumas aplicações que justificam a utilização dos métodos multivariados
para esta pesquisa, que tem o interesse em reduzir o número de variáveis a fim de
que obtenha resultado global das opiniões.
Em (2001), Macedo utilizou os métodos multivariados para determinar o
desempenho docente pela avaliação discente: uma proposta metodológica para
subsidiar a gestão universitária. Este concluiu que através da metodologia indicada,
existe a viabilização da tomada de decisões em ações mais abrangentes que
contemplem a implantação de Programas Institucionais de Avaliação.
Com o objetivo de apresentar uma metodologia para testar as propriedades
de confiabilidade e de validade da avaliação docente pelo discente, De Bem (2004),
utilizou a análise multivariada para evidenciar a validade do construto, ou seja,
analisar através dos dados procedentes dos alunos para que esses reconheçam as
dimensões do instrumento da avaliação, isto é, confirmar que o instrumento mede
algo concreto.
A validade de um instrumento de avaliação de desempenho de docentes do
ensino superior foi um trabalho realizado por Primi e Moraes (2005), onde
descrevem a avaliação como um instrumento de gestão da IES.
Estes autores, com a utilização de métodos multivariados, realizaram uma
análise global dos dados obtidos em duas fases. Na primeira fase, através da
análise fatorial exploratória, investigaram a validade do construto na identificação do
número de dimensões necessárias para a avaliação docente, na visão do discente.
Para se obter uma informação diagnóstica por intermédio da análise de perfis,
foi utilizada na segunda fase a análise de cluster. Nela os resultados indicaram
eventuais áreas de menor desempenho do professor com a finalidade de se pensar
em medidas de treinamento para aprimorar as fraquezas.
Monteiro (2005), analisou o perfil dos estudantes dos colégios militares,
baseado em dados de rendimentos de ensino com a utilização dos métodos
multivariados.
31
Os autores referidos, nas investigações descritas, utilizaram análise de
agrupamento, análise de componentes principais, análise fatorial e os testes Alpha
de Cronbach, Bartlett of Sphericity (BTS) e Kaiser-Meyer-Olkin (KMO) medida de
adequação da amostra, com o objetivo de tornar válidas as suas conclusões a
respeito da definição das variáveis latentes pesquisadas. Portanto, perseguindo a
análise dos dados desta pesquisa utilizando-se cada uma dessas técnicas citadas,
pode-se alcançar os objetivos pretendidos.
1.4.2 Análise de Agrupamento
A utilização da análise de cluster tem como objetivo colocar os objetos
similares em grupos sugeridos pelos próprios dados. Nesse contexto, podem ser
utilizados quando se tem, ou não, idéia a respeito da existência de grupos
heterogêneos dentro do conjunto de dados.
Assim, a utilização desta técnica é dada por um número de objetos ou
indivíduos, cada um descrito por um conjunto de medidas, a fim de se obter um
esquema de classificação que os agrupe em um número de classes, sendo que os
indivíduos dentro das classes são similares em algum aspecto, e diferentes dos
indivíduos das outras classes. Em suma, esta técnica, agrupa elementos de modo a
formar grupos homogêneos dentro deles, e heterogêneos entre eles, Pereira (2001).
O processo de aglomeração pode ser hierárquico ou não-hierárquico.
A aglomeração não-hierárquica estabelece, diretamente, uma partição em um
número fixo de classes.
Na aglomeração hierárquica é estabelecida uma ordem, ou estrutura em
forma de árvore que produz uma seqüência de partições em classes cada vez mais
distantes.
Assim, a técnica de agrupamento hierárquico interliga as amostras por suas
associações, produzindo um dendograma onde as amostras semelhantes, segundo
as variáveis escolhidas, são agrupadas entre si. A suposição básica de sua
interpretação é que, quanto maior à distância entre os pontos, maior a não
semelhança entre amostras ou objetos representados por pontos em espaço com
dimensão maior do que três, Souza e Vicini (2005).
Na aglomeração não-hierárquica, se estabelece, diretamente, uma partição
em um número fixo de classes.
32
Existem muitas maneiras de procurar agrupamentos no espaço n-
dimensional. A maneira matematicamente mais simples consiste em agrupar os
pares de pontos que estão mais próximos, usando a distância euclidiana, e substituí-
los por um novo ponto localizado na metade da distância entre eles. Este
procedimento, quando repetido, até que todos os pontos sejam agrupados em um só
ponto leva a construção de dendograma, onde, no eixo horizontal são colocadas às
amostras e, no eixo vertical, o índice de similaridade, S
ij
, entre os pontos i e j,
calculado segundo a expressão:
S
ij
= 1 -
máx
ij
d
d
(1.0)
Onde d
ij
é a distância entre os pontos i e j e d
máx
é a distância máxima entre
qualquer par de pontos. Os dendogramas, portanto, consistem em diagramas que
representam a similaridade entre pares de amostras numa escala que vai de um
(identidade) a zero (nenhuma identidade) (Hair et. al, 2005).
Como uma das aplicações da análise de agrupamento é reunir objetos
semelhantes, torna-se necessário obter alguma medida para avaliar o quão
semelhantes, ou diferentes são os objetos. Geralmente, costuma-se avaliar a
semelhança em termos de distância entre pares de objetos. Os objetos que
possuem menor distância entre si são mais semelhantes um do outro, do que os
objetos com maior distância Souza &Vicini (2005).
Entre as medidas mais usadas, para definir o conceito de distância entre dois
objetos m e n baseada nos valores de i variáveis, pode-se destacar as seguintes
formas de mensuração:
a) Coeficiente de Correlação Linear de Pearson;
b) Distância Euclidiana;
c) Distância de Manhattan;
d) Distância de Mahalanobis;
e) Distância de Chebychev.
A distância euclidiana é a medida de distância mais utilizada para a análise de
agrupamentos.
Considerando o caso mais simples, no qual existem n indivíduos, onde cada
um deles possuem valores para p variáveis, a distância euclidiana entre eles é
obtida mediante o teorema de Pitágoras, para um espaço multidimensional.
Considerando dois indivíduos i e i
´
, a distância entre eles é dada por:
33
d
´ii
=
∑
=
−
p
j
ji
ij
XX
1
2
)(
'
(1.1)
A distância euclidiana, ao ser estimada, a partir de variáveis originais pode
apresentar a inconveniência de ser influenciada pela escala de medida, pelo número
de variáveis e pela correlação entre as mesmas, que segundo Manly (1986), devem
ser contornadas por meio da padronização para que possuam a variância igual à
unidade Souza e Vicini (2005).
O uso da análise de agrupamentos é especialmente útil nas pesquisas
exploratórias, nas quais é feita a coleta de dados não pertencentes, “à priori” a
grupos distintos.
Para Hair et. al (2005), as técnicas de análise de agrupamento podem ser
usadas como redução de dados, visto que reduzem a informação de um conjunto
total de n indivíduos para a informação sobre K-grupos, onde K é muito menor do
que n.
Não é conveniente usar um número muito grande de variáveis para esta
técnica, por isso sugere-se utilizar a técnica e componentes principais ou análise
fatorial para reduzir o número de variáveis originais, usando as primeiras
componentes principais ou os primeiros fatores.
WARD (1963) propôs que em qualquer estágio de uma análise, a perda de
informação a qual resulta do agrupamento de indivíduos em conglomerados
(“cluster”), podem ser medidas pela soma total dos quadrados dos desvios de cada
ponto, da média do conglomerado ao qual ele pertence. A cada passo da análise, a
união de cada possível par de grupos é considerada. Os dois grupos são
combinados de modo que esta união resulte no mínimo, aumento na soma dos
quadrados dos desvios.
A percentagem de perda de informação é dada pela expressão:
100X
SQDtotal
SQDdentro
(1.2)
34
em que, a SQD dentro é calculada entre os indivíduos do grupo que está sendo
considerado e, SQD total, é calculada entre todos os indivíduos submetidos à
análise de agrupamento.
1.4.3. Análise de Componentes Principais
O trabalho original de PEARSON (1901), centralizava-se naqueles
componentes, ou combinações lineares de variáveis originais, para os quais a
variância não explicada era mínima. Estas combinações geram um plano, função
das variáveis originais, no qual o ajuste do sistema de pontos é “o melhor”, por ser
mínima a soma das distâncias de cada ponto ao plano de ajuste, Dancey et. al.
(2006).
Segundo Mardia (1979), uma questão que pode ser feita em relação à análise
de dados através da técnica de componentes principais, é a forma de combinar os
resultados de diversas variáveis com o objetivo de produzir um resultado global.
Entretanto, essa pode não ser a melhor combinação linear para representar esses
dados, pois os mesmos podem ser mais bem explicados por outro tipo de função
como quadrática, exponencial, ou outra. Assim, segundo o autor (ibidem 1979), essa
é uma das questões que a análise de componentes principais procura responder.
Para Dunteman (1935), deseja-se obter um pequeno número de combinações
lineares que forneçam a maior parte das informações existentes no grande conjunto
de variáveis originais, para isso, Hotelling (1993), diz que a análise das componentes
principais se concentra naquelas que sintetizam a maior variabilidade do sistema de
pontos a fim de encontrar um meio de classificar e detectar relações entre o conjunto
de pontos.
A análise de componentes principais consiste em reescrever as coordenadas
das amostras em outro sistema de eixos mais conveniente para a análise dos dados.
Em outras palavras, as n-variáveis originais geram, através de suas combinações
lineares, n-componentes principais, cuja principal característica, além da
ortogonalidade, é que são obtidos em ordem decrescente de máxima variância.
Desta forma, a primeira componente principal é a que encerra a maior parte
da variação contida no conjunto de variáveis originais, pois segundo Dunteman
(1987), com os primeiros componentes principais pode-se explicar uma quantidade
bastante alta de variação (80%, por exemplo).
35
Esta análise se aplica quando se dispõe de um conjunto de dados
multivariados e não se pode postular, sobre a base de conhecimento prévio a
respeito do universo em estudo, uma estrutura particular das variáveis.
Algebricamente, as componentes principais são combinações lineares das “p”
variáveis aleatórias (X
1
, X
2
,..., X
p
) que dependem da matriz de covariância ∑ (ou da
matriz de correlação ρ, padronizada) de onde são extraídos os autovalores e
autovetores.
Cada ponto em um multiespaço p-dimensional é o extremo de um vetor
X
tal
que cada um de seus elemento
j
x
r
para j = 1, ....., p, é uma medida da j - ésima
variável em um dado individual. Medindo-se n indivíduos, se obtém n vetores
X
e n
pontos no espaço de p dimensões.
O desenvolvimento não necessita da suposição de normalidade, por outro
lado, a análise de componentes principais derivadas da população normal
multivariada tem sua interpretação usual em termos de elipsóde de densidade
constante conforme a Figura 1.
2-1
K X 'X
=Σ
X
1
X
2
2
CP
1
CP
2-1
(elipsóide)
∼
∼
Fonte: Lopes (2001, p. 31)
Figura 1 - Elipsóide de densidade constante
Assim, supondo-se que na análise que se está realizando exista apenas duas
variáveis X
1
e X
2
conforme a Figura 1. A análise de componentes principais toma os
eixos X
1
e X
2
e coloca na direção de maior variabilidade onde a primeira componente
36
corresponde ao maior eixo da elipse (CP
1
) e o comprimento deste eixo é
proporcional a
1
λ
, porque X tem distribuição normal bidimensional. O eixo (CP
2
) é
perpendicular ao eixo maior. Este eixo define a segunda componente principal e seu
comprimento é proporcional a
2
λ
Johnson & Wichern (1992).
Ao se estudar um conjunto de n elementos mediante p variáveis é possível
encontrar novas variáveis denominadas Y
i
, i = 1,2, ..., p porque são combinações
lineares das variáveis originais X(p), e impor a este sistema certas condições que
permitam satisfazer os objetivos da análise de componentes principais.
Por rotação do sistema original (X
1
, X
2
,..., X
p
) com os eixos obtêm-se
geometricamente, estas combinações lineares que representam a seleção de um
novo sistema de coordenadas obtidas onde estes novos eixos representam as
direções com variabilidade máxima e forneçam uma descrição mais simples e
parcimoniosa.
Para a geração dos componentes principais, deve-se ter uma matriz de
dimensão nxp, na qual observa-se que X
1
, X
2
, ..., X
p
representam as variáveis e,
cada uma das n unidades experimentais, representa os indivíduos, tratamentos, etc.
O conjunto de nxp origina uma matriz X, que é convertida em uma matriz quadrada,
onde n é o número de indivíduos e p representa um conjunto de variáveis.
O esquema abaixo descrito na Figura 2 apresenta uma seqüência para a
aplicação do método de análise de componentes principais.
:
:
P
- variáveis
Matriz
R
ou
Σ
Encontrar
Λ
auto
valores
Encontrar
l
auto
vetores
Seleção
das
N
ovas
Variáveis
:
:
P
- componentes
P
rincipais
A
nálise de Componentes Principais
A
nálise de Componentes Principais
X1
X2
X3
Xp
Y1
Y3
Y2
Yp
Fonte: Souza (2000, p. 25)
Figura 2 - Esquema da aplicação da análise de componentes principais
37
Considerando o vetor aleatório
X
= [ x
1
,x
2,
...,x
p
] que tem associada a matriz
de variância covariância “∑” com autovalores
1
ˆ
λ
≥
2
ˆ
λ
≥... ≥
p
λ
ˆ
≥ 0. Se “∑” possuir o
par de autovalores e autovetores estimados da amostra analisada, serão
representados por (
1
ˆ
λ
, X
1
) , (
2
ˆ
λ
, X
2
) , ... , (
p
λ
ˆ
, X
p
), e fornecerão a i-ésima
componente principal dado por:
Y
1
=
1
C ’
X
=
c
11x1
+
c 21
x
2
+ ... + c
p1
x
p
Y
2
=
2
C ’
X
=
c
12
x
1
+
c
22
x
2
+ … +
c
p2
x
p
... ... ... ...
Y
p
=
p
C ’
X
=
c
1p
x
1
+
c
2p
x
2
+ ... +
c
pp
x
p
em que
i = 1, 2, ..., p
Com as escolhas de que:
Var (Y
i
) = x’
i
∑ x
i =
i
λ
ˆ
i = 1,2,…,p
Cov(Y
i
, Y
k
) = x’
i
∑x
k
= 0 i
,
k = 1,2, …,p.
Definindo-se assim a matriz das combinações lineares.
Se algum
i
λ
ˆ
, é igual, a escolha do coeficiente do vetor correspondente
i
X
também será, e, então Y
i
não será único.
Essa definição mostra que as componentes principais, não são
correlacionadas e possuem variâncias iguais ao autovalor da matriz de covariância
“∑” (Johnson & Wichern, 1992).
O método de componentes principais é um dos mais usados para resolver o
problema clássico da análise fatorial, ou seja, solucionar a equação R = A
T
A a partir
da fatoração da matriz R, pois, sendo R uma matriz diagonal existe uma infinidade
de matrizes de carga A que satisfazem a equação R = A
T
A. Uma análise das
componentes principais diz respeito a explicar a estrutura da variância e da
covariância através de poucas combinações lineares das variáveis originais. Seu
objetivo geral consiste tanto em reduzir os dados como interpretá-los
adequadamente Souza (2000).
Landin (2002), esclarece que análise de componentes principais consiste
numa transformação linear de m variáveis originais em “m” novas variáveis. Desta
forma, a primeira nova variável definida seja responsável pela maior variação
possível existente no conjunto de dados, a segunda pela maior variação possível
38
restante, e assim por diante até que toda a variação do conjunto tenha sido
explicada. Portanto, a analise de componentes principais é uma técnica de
transformação de variáveis.
No caso da análise fatorial, supõe-se que a relação existente dentro de um
conjunto m de variáveis seja o reflexo das correlações de cada uma dessas variáveis
com p fatores, não correlacionados entre si, sendo p menor do que n.
Conforme Reis (1997, apud Souza & Vicini, 2005), para aplicação de análise
de componentes principais e conseqüentemente análise fatorial deve-se observar:
a) As variáveis incluídas na análise;
b) As percentagens da variância explicadas para cada uma das componentes
principais;
c) O número de componentes retidas e a proporção de variância total por elas
explicada;
d) Um quadro com os resultados das contribuições (factor loadings), de cada
variável em relação ao fator onde está correlacionada, após a aplicação da rotação
de fatores;
e) Fazer a interpretação dos fatores de acordo com as variáveis agregadas.
1.4.4 Análise Fatorial relacionada à Análise de Componentes Principais
A técnica de análise fatorial aplicada em diversas áreas do conhecimento
como psicologia, sociologia, biologia, medicina, economia e educação, resolve a
questão das observações de várias variáveis para cada elemento de uma amostra
ou população de indivíduos examinando as inter-relações entre as variáveis. Nesta
técnica, o que se faz é derivar um menor número de variáveis hipotéticas
denominadas fatores comuns. Estes, por sua vez, nos fornecem uma melhor
compreensão dos dados.
A análise fatorial iniciou, modernamente, no princípio do século XX com Karl
Pearson e Charles Spearman, que estudaram as medidas de inteligência. A
dificuldade nos cálculos impediu um desenvolvimento maior da técnica. O
surgimento dos computadores altamente velozes trouxe de novo o interesse nos
aspectos teóricos e computacionais da análise fatorial Dancey et. al. (2006).
A análise fatorial, geralmente, se realiza através do método de componentes
principais, que faz com que o primeiro fator contenha o maior percentual de
39
explicação da variância total das variáveis da amostra. O segundo fator, por sua vez,
contenha o segundo maior percentual, e assim por diante. Desta forma, todas as
variáveis em um determinado estudo podem ser agrupadas dentro de grupos
diferentes por suas correlações, onde é admissível que cada grupo de variáveis
represente um fator, que é responsável pelas correlações observadas.
Para Landim (2000), as variáveis agrupar-se-ão conforme o relacionamento
entre si, e são expressas em termos de vetores num sistema de coordenadas
ortogonais, cujo comprimento representa a magnitude.
Os fatores são os eixos determinados por agrupamento de vetores, e a carga
fatorial é o valor da projeção dos vetores sobre os eixos das variáveis entre si.
Ainda, segundo Landim (2002), o principal agrupamento de vetores definem o
primeiro eixo em tal posição que a soma dos quadrados dos pesos fatoriais seja
maximizada. O segundo eixo é colocado ortogonalmente, de modo que também seja
maximizada a soma dos quadrados dos pesos fatoriais para este segundo eixo, e
assim por diante quanto aos demais eixos.
Para a realização da análise fatorial de modo que os fatores possam fornecer
dimensões facilmente interpretáveis Hair et. al. (2005) e Malhotra (2002) sugerem a
necessidade de:
1) Como as variáveis são medidas? e
2) Quantas variáveis devem ser incluídas?
As variáveis, para a análise fatorial, geralmente são avaliadas com uma
escala métrica. Em alguns casos, as variáveis dicotômicas (codificadas 0 - 1),
apesar de consideradas não métricas, podem ser empregadas.
Para conceber uma escala de medida para um fenômeno qualitativo, o
pesquisador deve considerar o referencial teórico relativo à mensuração de eventos
qualitativos e as características de seu objeto de estudo. Uma representação
numérica deve sugerir as manifestações esperadas desse objeto.
Neste sentido, Likert (1932), propôs uma escala de cinco pontos para
questões, que avaliam em uma pesquisa, as opiniões dos entrevistados para o
registro das manifestações de situações de: 1) concordância; 2) intermediária e de 3)
indiferença ou nulidade, do tipo “ótimo”, “bom” “regular”, “ruim”, “péssimo” ou
“Concordo plenamente”, “Concordo em parte”, “Discordo em parte”, “Discordo
plenamente” e “Indeciso”, (Pereira, 2001).
40
O pesquisador também deve tentar minimizar o número de variáveis incluídas,
mas manter um número razoável de variáveis que, intimamente, reflitam os fatores
latentes.
c) Verificar o tamanho da amostra;
Hair et al. (2005, p. 97), acrescenta, o pesquisador deve ter cuidado de obter
o maior número de casos por variáveis para minimizar as chances de superajustar
os dados. Como regra geral, o mínimo é pelo menos cinco vezes mais observações
do que o número de variáveis.
Neste sentido, Malhotra (2002) e Hair et al. (2005), advertem que quando o
número de casos ou observações por variável é menor do que 4 a 5 vezes por
variável, os resultados devem ser interpretados com cautela.
d) Construir a matriz de correlação;
A matriz de correlação entre as variáveis permite uma boa visualização para
adequação da análise fatorial, mas caso esta não revele um número significativo de
bons coeficientes de correlação (maiores do que 0,3), talvez os dados não sejam
adequados para a aplicação da análise fatorial (Hair et al, 2005).
e) Determinar o ajuste do modelo;
Caso o pesquisador recorra à medida de adequação dos dados Kaiser-Meyer-
Olkin (KMO) Measure of Sampling Adequacy, será poupado da discussão da matriz
de correlação se o resultado do KMO, for aceitável Pereira (2001, p. 125).
Assim, procura-se investigar se as variáveis definem uma estrutura fatorial por
meio do teste de adequabilidade (KMO), que mede a adequação dos dados, onde
valores iguais ou menores do que 0,5 indicam que a realização da análise fatorial é
insatisfatória devido à correlação fraca entre as variáveis.
O cálculo do KMO é realizado pela expressão abaixo.
KMO =
)...()...(
...
22
13
2
12
2
11
22
3
2
2
2
1
22
3
2
2
2
1
knn
n
rrrrrrrr
rrrr
+++++++++
++++
(1.3)
em que
n
rrrr ,...,,,
321
= correlação das variáveis e
kn
rrrr ,...,,,
131211
= correlações parciais
O KMO é um teste que examina o ajuste de dados, tomando-se todas as
variáveis, simultaneamente, e prevê uma informação sintetizada sobre os mesmos,
Vicini e Souza (2005).
41
Neste sentido, tanto Malhotra (2002), como Hair et. al. (2005) e Pereira (2001),
concordam que, para um valor do teste KMO acima de 0,6, a técnica de análise
fatorial será adequada para a análise de dados.
Um outro tipo de teste que precede a análise fatorial com vistas à verificação de
suas premissas é o Bartlett Test of Sphericity (BTS), que testa a hipótese de que a
matriz de correlação é uma matriz identidade, ou seja, que não há correlação entre
as variáveis (Pereira, 2001)
A hipótese nula sendo rejeitada a um nível de significância de 0,05 pode-se
dizer que a matriz de correlação é diferente de zero e a análise fatorial se aplica aos
dados (ibidem, p. 125).
Para a determinação do método de análise fatorial, uma vez confirmada que a
técnica é apropriada, convém selecionar um método adequado para a extração dos
fatores.
f) Determinar os autovalores e autovetores.
A abordagem mais utilizada, quando a preocupação é reduzir a dimensão de
variáveis em um número menor de fatores que respondam pela máxima variância
explicada, é a da análise de componentes principais que considera a variância total
nos dados.
Quanto à determinação do número de fatores, (Kaiser 1960, p. 146) em seu
método, sugere que a melhor resposta para a questão do número de fatores,
quando se utiliza a matriz de correlação, será aquela que é dada pelo número de
fatores, cujos autovalores são maiores ou iguais à unidade.
0s autovalores ou raízes características da matriz quadrada A de ordem k x k
são os escalares λ
1
, λ
2
... λ
k
, que satisfazem à equação polinomial I A – λ
l
k
I = 0
onde
l
k
é a matriz identidade.
O vetor, de dimensão k, diferente de zero, associado com o autovalor λ
i
da
matriz quadrada A, de ordem k x k é dito autovetor ou vetor característico associado
com o autovalor λ
i
.
Hair et. al. (2005, p.101), concorda ao dizer que fatores com raízes latentes
menores do que o um é considerado insignificante e descartado. No entanto, a
chama atenção de que ao se utilizar o critério da raiz latente para estabelecer um
corte, é mais confiável quando o número de variáveis está entre 20 e 50.
Porém, conforme (Rummel 1970 apud Scremin 2003, p. 37), deve-se
precaver quando a diferença entre dois autovalores subseqüentes é pequena, por
42
exemplo, 1,02 e 0,96, o que parece, não ser coerente reter um dos fatores e rejeitar
o outro. Por isso, pode resultar em um número inadequado de componentes quando
se utiliza apenas o critério da raiz latente.
g) Realizar rotação dos eixos
Landim (2002, p. 69), exemplifica que, quando uma matriz de coeficientes de
correlação onde nenhum coeficiente é particularmente alto, o padrão de
carregamento dos primeiro fator pode ser da mesma ordem relativa de magnitude
que o existente em relação ao segundo fator, ao terceiro fator, etc. Neste caso,
então, há necessidade de uma rotação de eixos fatoriais. A finalidade dessa rotação
é colocar os eixos fatoriais numa única posição para que cada fator possa ser
interpretado pelos maiores carregamentos possíveis, e relacionados com o menor
número de variáveis possíveis. Ainda, estes carregamentos iniciais obtidos mediante
uma transformação ortogonal, têm mesma habilidade para reproduzir a matriz de
covariâncias ou de correlação.
Da álgebra matricial, sabe-se que uma transformação ortogonal corresponde a
uma rotação rígida dos eixos coordenados. Assim, a interpretação de fatores é mais
precisa. Se cada variável tem peso alto em, no máximo um fator, e se todos os
pesos dos fatores são grandes e positivos ou próximos de zero, torna, desta forma,
as variáveis agrupadas em conjuntos disjuntos, onde, cada uma dessas variáveis,
fica associada a um único fator.
Nem sempre a matriz de pesos originais obtidos permite uma interpretação
clara dos fatores, como também pode acontecer que possuem altas cargas fatoriais
em um único fator dificultando, assim, a interpretação ou a caracterização das
variáveis latentes. Contudo, para se obter uma estrutura mais simplificada, é
necessária uma rotação adequada dos eixos fatoriais, mantendo a interdependência
entre os fatores, facilitando, assim, a interpretação.
Para se obter uma estrutura mais simplificada, utiliza-se uma rotação de
fatores. Conforme Pereira (2001), a rotação da matriz não afeta a inércia
(comunalidades) das variáveis nem a porcentagem de variações explicadas pelos
fatores.
Para Hair et. al. (2005), processo varimax é um método ortogonal de rotação,
que reforça a interpretabilidade dos fatores. Assim, a rotação tem como resultado
fatores não correlacionados. No entanto o método quartimax minimiza o número de
43
fatores necessários para explicar uma variável, enquanto o método equamax é uma
combinação de varimax e quartimax.
Existe, também, a rotação oblíqua quando o eixo não se mantém em ângulo
reto, e os fatores são correlacionados.
Se as variáveis aleatórias observadas podem ser agrupadas de acordo com
suas correlações, então as variáveis dentro de um mesmo grupo são altamente
correlacionadas entre si, embora tenham correlações relativamente baixas com
variáveis de um outro grupo.
h) Variância explicada
O Critério do teste Scree Plot de Catell (1966), dá um indicativo do número de
componentes (fatores) a serem extraídos. Além disso, considera o momento da
curva em que a descida deixa de ser íngreme e passa a ser, praticamente, uma
constante à direita, conforme mostra a Figura 3.
Número de componentes
121110987654321
Autovalores
7
6
5
4
3
2
1
0
Figura 3 – Exemplo do Scree Plot de Catell com dois autovalores maiores do que a
unidade.
A outra maneira de determinar o número de fatores é através da porcentagem
da variância explicada acumulada por meio da expressão:
44
traçoS
k
λ
ˆ
.100 (1.4)
onde, será obtida a proporção da variância total explicada para cada componente
principal.
Cabe lembrar que, traço S, é o traço da matriz de variância–covariância
resultante da soma dos autovalores da matriz diagonal S.
Neste caso, determina-se o número de fatores a serem extraídos de forma
que, a porcentagem acumulada da variância extraída pelos fatores, atinja um nível
satisfatório, ou seja, que respondam no mínimo 60% da variância total explicada
Pereira (2002).
Entretanto, este método não tem sido aceito em todas as aplicações e
verificam-se algumas divergências.
Neste sentido, Scremin (2003), define que a quantidade de variância
explicada acumulada pode-se considerar um nível totalmente “bom” para valores
superiores a 80%, e parcialmente “bom”, para valores entre 62% e 80%.
Segundo Johsnson e Wichern (1993), pode-se admitir que cada grupo de
variáveis represente um fator, o qual é responsável pelas correlações observadas.
Assim, define-se a técnica de Análise Fatorial como:
Sendo
X
= (x
1
,x
2
, .... x
p
) um vetor de variáveis aleatórias com vetor de média
µ
e matriz de covariância Σ, o modelo fatorial ortogonal postula que
X
seja
linearmente dependente sobre algumas variáveis aleatórias não observáveis:
F
1,
F
2
, ... , F
m
( para m ≤ p ) chamadas fatores comuns e p fontes de variações
aditivas e ε
1
, ε
2
, ... , ε
p
, que chamamos de erros ou fatores específicos.
Logo:
X
1
- µ
1
= ℓ
11
F
1
+ ℓ
12
F
2
+ ... + ℓ
1m
F
m
+ ε
1
X
2
- µ
2
= ℓ
21
F
1
+ ℓ
22
F
2
+ ... + ℓ
2m
F
m
+ ε
2
. .
. .
. .
X
p
- µ
p
= ℓ
p1
F
1
+ ℓ
p2
F
2
+ ... + p
1m
F
m
+ ε
p
45
Tem-se assim de acordo com Morrison, (1990), o modelo ortogonal
matricialmente.
X
= L F +
µ
+
ε
(1.6)
- com
p
L
m
sendo a matriz dos pesos (carregamentos);
-
F
o vetor dos fatores de ordem p;
- ℓ
ij
o carregamento na i-ésima variável do j-ésimo fator,
com j = 1,2, ... , m m ≤ p;
- F é igual ao j-ésimo fator comum;
-
ε
i
é igual a i-ésimo fator específico;
Satisfazendo as seguintes suposições:
F
e
ε
são independentes;
E (
F
) = 0, Cov (
F
) = E (
F
,
F
’
) = I
E (
ε
) = 0, Cov (
ε
) E (
ε
,
ε
’
) = Ψ
Onde Ψ é uma matriz diagonal de ordem pxp com variáveis especificas Ψ
i
, de
erro na i-ésima linha e como F e
ε
são linearmente independentes, então:
Cov (
ε
, F ) = E (
ε
, F ) = 0. (1.7)
As comunalidades, somas dos quadrados das cargas fatoriais, representam a
proporção de variância da i-ésima variável, que contribui para a formação dos m
fatores comuns e são calculadas por:
h
i
2
= ℓ
i1
2
+ ℓ
i2
2
+ ... + ℓ
im
2
(1.8)
onde a porção da variância da i-ésima variável aleatória x
i
oriunda dos m fatores
comuns é chamada comunalidade, e outra parte oriunda do fator especifico é a
variância especifica. A comunalidade avalia a contribuição da variável ao modelo
construído pela Análise Fatorial, ou seja, o quanto cada variável participa na
formação da outra. Nas communality, os valores mais altos são os mais importantes
para a análise.
Assim:
V(X
i
) = ℓ
2
1i
+ ℓ
2
2i
+ ... + ℓ
2
mi
+ Ψ
i
, variância específica
Comunalidade
46
V(Y
i
) = h
i
2
+ Ψ
i
, i = 1,2, ..., p com h
i
2
= ℓ
2
1i
+ ℓ
2i
+ ... + ℓ
2
mi
coeficientes
das variáveis não observáveis (fatores).
As cargas fatoriais indicam quanto cada variável esta correlacionada com
cada fator. Assim, estes fatores (variáveis latentes) podem-se determinar um nome,
ou apenas é identificá-lo caso o nome já exista, os fatores são conhecidos como
construto.
Segundo Mardia (1979, p. 268), a interpretação das ponderações é mais
honesta se a variável é ponderada fortemente em mais de um fator, e se todos os
fatores ponderados são grandes e positivos ou próximos de zero, com poucos
valores intermediários. As variáveis são, então, divididas em conjuntos disjuntos,
cada um deles, como uma qualidade média sobre as variáveis i quando λ
ij
é grande.
Os fatores F no modelo de fatores são abstrações matemáticas e não
necessita qualquer significado intuitivo. Um fator particular pode ser rotacionado
usando técnicas adequadas, sem afetar a validade do modelo e nós estaremos
livres para escolher qual a rotação mais interessante para fazer os fatores mais
adequados à nossa intuição, quando possível.
Isso é considerado uma desvantagem para escolher uma rotação
subjetivamente, porque o analista de fatores pode tentar forçar a ponderação para
ajustar o seu próprio padrão preestabelecido.
1.4.5 Medida de Fidedignidade Alfa de Cronbach
O problema que se apresenta sob o conceito de fidedignidade vem relatado
segundo Pasquali (2001), sob uma série de outras expressões, como: precisão,
fidedignidade, constância, consistência interna, confiabilidade, estabilidade,
confiança, homogeneidade. Na verdade, fidedignidade cobre vários aspectos de um
teste, mas todos eles se referem a quanto os escores de um sujeito se mantêm
idênticos em ocasiões diferentes.
A fidedignidade da medida, de acordo com (ibidem), depende do tamanho da
variância erro, que é precisamente a variabilidade nos resultados provocada por
estes fatores aleatórios e pela imprecisão do instrumento. Mais precisamente, a
fidedignidade de um instrumento é o total da variância verdadeira produzida por ele,
relacionada à variância do erro. Se o teste é preciso, a correlação dever ser não
somente significativa, mas próxima da unidade (cerca de 0,9, por exemplo).
47
A definição estatística da fidedignidade é feita através da correlação entre os
escores das duas situações produzidas junto ao teste. Por exemplo, uma correlação
0,6 expressaria uma comunalidade h
2
de 36% entre as duas situações provocadas
pelo teste nos referidos sujeitos, o que se pode considerar uma explicação fraca.
A técnica Alfa de Cronbach é aplicável segundo Pasquali (2001), quando a
resposta ao item pode assumir mais de duas alternativas. A fórmula genérica
apresentada é:
α = )
1
(
−n
n
2
22
t
it
s
ss
∑
−
(1.8)
onde
2
t
s é a variância de todo o teste;
2
i
s
o somatório das variâncias de cada item do teste.
48
2. METODOLOGIA
Este capítulo contempla o tipo de instrumento utilizado para a coleta dos dados,
como também as técnicas estatísticas próprias para a validação do instrumento e a
análise das informações.
Cabe ressaltar que devido à natureza dos dados, a aplicação da análise
multivariada constitui uma ferramenta fundamental para se entender o inter-
relacionamento das opiniões dos indivíduos que realizaram a avaliação do processo
de ensino da FAMES.
2.1 Instrumento utilizado para a coleta dos dados em 2003 e 2005
O primeiro instrumento que fez parte do processo de avaliação no ano de
2003 e atendeu as sugestões do PAIUB, foi composto por partes distintas tais como:
a) Questões para a auto-avaliação do aluno, um instrumento com 6 questões;
b) Questões para a avaliação das disciplinas e de suas práticas, um
instrumento com 10 questões;
c) Questões para a avaliação do desempenho docente pelo discente, um
instrumento com 15 questões.
O segundo instrumento utilizado para avaliar o processo de ensino em 2005 e
que atendeu as sugestões do SINAES, reuniu três grupos de questões, a saber:
a) O desempenho docente pelo discente, um instrumento com 13 questões;
b) O desempenho discente pelo docente, um instrumento com 9 questões;
c) Auto avaliação do aluno, um instrumento com 7 questões.
As variáveis dos instrumentos de coleta de dados foram avaliadas por uma
escala numérica, com cinco alternativas do tipo Likert, que variou de “5” sempre, “4”
quase sempre, “3” na metade das vezes, “2” poucas vezes, “1” nunca.
Para verificar a confiabilidade da consistência interna de cada instrumento foi
utilizada a medida expressa por um coeficiente denominado teste Alpha de
Cronbach que é a média de todos os coeficientes possíveis resultantes das
diferentes divisões da escala em partes. Esse coeficiente varia de 0 (zero) a 1 (um) e
um valor abaixo de 0,6, geralmente indica uma consistência interna insatisfatória. A
confiabilidade refere-se à proporção na qual os métodos de aferição empregados
49
fornecem informações imparciais resultantes da amostragem dos alunos, dos cursos
e o momento da realização da pesquisa (Braskamp et. al., 2000). A fidedignidade
das medidas refere-se à estabilidade dos resultados ou o grau de consistência
interna dos escores (ibidem).
2.2 População
O processo de avaliação na FAMES foi implantado em 1998, a partir da
criação dos cursos de administração com habilitação comércio exterior, e letras com
habilitação língua espanhola. Ao final de cada semestre, os resultados das
avaliações eram apresentados pela comissão de avaliação em reunião e discutidas
juntamente com os docentes e direção a fim de subsidiar as tomadas de decisões na
direção da melhoria da qualidade do processo de ensino e aprendizagem.
Com o intuito de aplicar, neste trabalho, técnicas multivariadas que
proporcionasse um resultado geral, foram considerados todos os questionários
respondidos pelos alunos matriculados no curso de administração em comércio
exterior em novembro de 2003 e os instrumentos preenchidos pelos professores e
alunos de todos os cursos em novembro de 2005.
As categorias de variáveis utilizadas no processo avaliativo de 2003 atendiam
as sugestões do PAIUB, e a de 2005 acatava as sugestões do PAIUB do SINAES.
Das avaliações obtidas em 2003, foram apreciadas, apenas, as realizadas
pelos alunos e professores do curso de administração com habilitação em comércio
exterior, pois este curso abrangia a maioria do quadro de professores e alunos.
Cada aluno realizou a sua auto-avaliação, como também avaliou todas as disciplinas
que cursava e o seu respectivo professor. Foram emitidos 1328 cartões respostas e
recebidos 717, correspondendo a uma participação de 54% dos alunos. Desta
forma, cada professor foi avaliado, em média, por 45 alunos.
O processo avaliativo que ocorreu no final de 2005 foi disponibilizado no
portal eletrônico para todos os alunos e professores de todos os cursos. No entanto,
só podia ser acessado com identificação numérica e senha individual de todos os
alunos matriculados nos cursos de graduação, como também de todos os
professores cadastrados na instituição. Tanto os alunos como os professores, ao
acessarem o portal, encontraram uma mensagem convidando-os a participar do
processo avaliativo.
50
A avaliação discente pelo docente foi estimada com uma participação de 98%
dos professores. A avaliação realizada pelos alunos apresentou uma participação de
87%, isto é, 3204 cartões válidos para uma população de 3687 instrumentos
disponibilizados. Cada aluno realizou a sua auto-avaliação, como também avaliou
todas as disciplinas que cursava e o seu respectivo professor. Neste caso, cada
professor foi avaliado, em média, por 35 alunos.
Tabela 1 - Percentual de questionários respondidos pelos acadêmicos de acordo
com o número de professores e suas respectivas disciplinas, segundo o curso
participante, FAMES, 2005.
Cursos participantes
Total de
instrumentos
emitidos
Total de
instrumentos
respondidos
(%) de
participação
Adm. em Comércio Exterior 2044 1729 85
Administração Hospitalar 432 415 96
Direito 439 378 86
Educação Física 380 327 86
Letras Português/Espanhol 393 355 91
Total 3687 3204 87
Na Tabela 1, consta o número de alunos que participaram da auto-avaliação,
da avaliação docente e de suas práticas pedagógicas de acordo com o curso onde
estavam matriculados em 2005.
2.3 Técnicas estatísticas utilizadas
Durante o período de 1998 a 2005, os dados foram analisados e
apresentados através de tabelas, gráficos, médias e desvios padrões. Estas
medidas descritivas mostraram apenas resultados parciais e individuais.
Este trabalho de pesquisa, que tem o objetivo de apresentar um resultado
global, realiza, além de um estudo descritivo, também uma análise exploratória
multivariada para investigar as dimensões do construto através das variáveis em
estudo.
51
2.3.1 Teste Alpha de Cronbach
Inicialmente, pretende-se calcular, separadamente, a consistência interna de
cada um dos cinco instrumentos de coleta de dados, através do teste Cronbach´s
Álpha, conforme (1.6), porque a resposta a cada item apresentou mais de duas
alternativas. Neste sentido, destaca-se, que um instrumento fidedigno, produz
informações com pequenos erros. O cálculo deste coeficiente foi possibilitado pelo
Software Statistics 7.1.
2.3.2 Análise de Cluster
Com o objetivo de encontrar e separar objetos similares, realizou-se uma
análise de agrupamento a qual estuda todo um conjunto de relações
interdependentes sem distinguir variáveis dependentes e independentes, como na
regressão Souza e Vicini (2005).
Neste trabalho, o método utilizado é de acordo com a classificação
hierárquica, onde os objetos semelhantes são agrupados e representados por um
gráfico com uma estrutura de árvore, denominado dendograma.
De acordo com Pereira (2001), a análise de cluster, se utilizada pode ser
expressa nos seguintes procedimentos:
a) Cálculo das distâncias euclidianas entre os objetos estudados no espaço
multiplano de todas as variáveis consideradas pela expressão.
d =
2
12
2
12
)()( yyxx −+−
, onde os pares (x
1
,y
2
) e (x
2
,y
2
) são as coordenadas
de pontos quaisquer no plano;
b) Seqüência de agrupamento por proximidade geométrica;
c) Reconhecimento dos passos de agrupamento para identificação coerente
de grupos dentro do universo de objetos estudados.
2.3.3 Teste de adequação da amostra para a Análise Fatorial
Caso as variáveis sejam reunidas em grupos distintos, procura-se investigar
se as mesmas definem uma estrutura fatorial por meio do teste de adequabilidade
de Kaiser-Meyer-Oklin Mensure of Sampling Adequacy (KMO) conforme (1.3), que
52
mede a adequação dos dados onde, valores iguais, ou menores do que 0,5 indicam
que a realização da análise fatorial é insatisfatória devido à correlação fraca entre as
variáveis.
O KMO é um teste que examina o ajuste de dados, tomando-se todas as
variáveis simultaneamente, e prevê uma informação sintetizada sobre os mesmos
Souza & Vicini (2005), Pereira (2001).
Um outro tipo de teste que precede à análise fatorial com vistas à verificação
de suas premissas, é o Bartlett Test of Sphericity (BTS), que testa a hipótese de que
a matriz de correlação é uma matriz identidade, ou seja, que não há correlação entre
as variáveis (Pereira, 2001).
O cálculo destes coeficientes foi possibilitado pelo Software SPSS 14.0
(Statistical Package for Social Sciences)
2.3.4 Determinação do número de fatores
A solução encontrada para a determinação do número de fatores foi através
das seguintes considerações como:
a) Por meio da análise de cluster procurou-se investigar o agrupamento de
variáveis através da distância mínima euclidiana (Single Linkage).
b) Após a definição de grupos distintos de variáveis, utilizou-se a análise de
componentes principais para identificar quais variáveis são relevantes, através da
variância explicada e o número e autovalores maiores do que a unidade (Critério de
Kaiser).
c) O método de análise de componentes principais considera que cada
componente explicará uma proporção da variabilidade total. Esta proporção pode ser
calculada mediante o quociente entre o valor próprio e a transformação S. O
resultado do quociente denomina-se proporção da variabilidade total explicada pelo
K-ésimo componente e se calcula pela seguinte relação:
Variação explicada =
)(
)(
Str
k
λ
(1.4)
onde tr(S) é o traço da matriz de variância e covariância e
k
λ
autovalor.
d) Finalmente, definiu-se o número de fatores pelo critério gráfico Scree Plot,
sugerido por Catell (1966), pelo percentual da variância explicada acumulada e
53
também pelo número de autovalores maiores do que a unidade sugerida por (Kaiser
1960 apud Mardia 1979).
Dentre os diversos tipos de rotação, foi utilizada a Varimax Normalizada, pois
esta mantém os eixos perpendiculares ente si, ou seja, ortogonais, possibilitando
uma melhor visualização das variáveis mais representativas em cada fator, como
também a rotação quartimax raw, para melhor se obter uma estrutura fatorial
adequada ao estudo (Hair et. al, 2005).
Finalmente, a discussão dos resultados apresenta a seqüência metodológica
abaixo:
a) A verificação da validade dos instrumentos pelo teste de Alfa de Cronbach.
b) O estudo da adequação da análise fatorial de acordo com os testes de
Bartlet e Kaiser-Meyer-Oklin (KMO).
c) Análise de Cluster por meio da observação da figura do dendograma, com
a finalidade de reconhecer a existência de grupos, segundo algum critério de
classificação.
d) O comportamento do Scree Plot de acordo com o critério de Catell &
Kaiser, a fim de verificar o número de autovalores maiores do que a unidade.
e) Variância explicada pelo método das componentes principais.
f) A análise da matriz de correlação para verificar o comportamento dos
coeficientes de correlação entre as variáveis de cada fator.
g) A definição das dimensões dos construtos definidos pelas variáveis com
contribuição maior do que 0,700000, agregada aos fatores de acordo com a rotação
Varimax Normalizada ou Quartimax Raw.
h) Observação da projeção das variáveis no plano fatorial.
Todos estes itens serão direcionados para atender o objetivo proposto pelo
trabalho.
54
3. ANÁLISE E DISCUSSÃO DOS RESULTADOS
Neste capítulo, apresenta-se a descrição, discussão e interpretação dos
resultados à luz da literatura prévia publicada na área.
3.1 Análise da consistência interna dos instrumentos aplicados
A seguir, tem-se, pela Tabela 2, os resultados acerca da validade do
instrumento, a fidedignidade das respostas e também, como este fato pode contribuir
para a qualidade do processo de ensino e aprendizagem.
Tabela 2 - Consistência interna dos instrumentos medidos pelo teste Alpha de
Cronbach.
Instrumentos
Número de
questões
Teste Alpha de
Cronbach
h
2
(%)
Avaliação realizada no final de 2003
1. Auto-avaliação discente. 6 0,86 73,96
2. Avaliação das disciplinas e de suas
práticas pelos discentes.
10 0,87 75,69
3. Avaliação docente pelo discente.
15 0,95 90,25
Avaliação realizada no final de 2005
1. Avaliação do processo de ensino e
aprendizagem pelo discente.
13 0,91 82,81
2. Avaliação discente pelo docente. 9 0,84 70,56
3. Auto-avaliação discente. 7 0,93 86,49
O resultado significativo em relação à coerência das respostas é
conseqüência do trabalho que vem sendo realizado, continuamente, pela comissão
de avaliação desde 1998. Isso tudo, feito por meio da conscientização da
importância de se avaliar o processo educativo. Esta prática desenvolvida vem de
encontro à filosofia do PAIUB/SINAES, que estabelece a continuidade como um dos
princípios norteadores da ação avaliativa da educação superior, tendo, portanto,
como um dos objetivos principais, o de identificar a confiabilidade dos instrumentos
utilizados.
55
Outro princípio questionado e esclarecido entre os docentes foi o da não
punição ou premiação, uma vez que os resultados das avaliações eram debatidos
em reuniões para a elaboração de novas metas e propostas, quando necessário. A
concretização deste princípio tornou os docentes mais confiantes quanto à
necessidade da avaliação pedagógica, em decorrência disso, proporcionou uma
participação cada vez maior e mais consciente, tanto dos docentes quanto dos
discentes.
A definição estatística da fidedignidade realizada através da correlação entre
os escores das duas metades, apresentou junto ao teste de acordo com a Tabela 2,
uma comunalidade superior a 70% em todos os casos. Assim, as duas situações
provocadas nos referidos sujeitos confirmam uma considerável explicação, e a
fidedignidade medida satisfaz os aspectos de coerência dos sujeitos que
participaram do processo avaliativo nas diferentes categorias consideradas.
3.2 Estudo da adequabilidade da Análise Fatorial no estudo da população de
dados utilizada
Para testar a adequabilidade do modelo de análise fatorial, geralmente,
utiliza-se à estatística de Kaiser-Meyer-Oklin (KMO) e o teste de Bartlett. O KMO é
um indicador que compara a magnitude do coeficiente de correlação observado com
a magnitude do coeficiente de correlação parcial onde, os valores de KMO abaixo de
0,5, indicam a não adequação da análise fatorial (Malhotra, 2002, p. 507). O teste de
esfericidade de Bartlett serve para testar a hipótese nula de que a matriz de
correlação é uma matriz identidade. Se esta hipótese for rejeitada, a análise poderá
ser realizada.
Assim, de acordo com a Tabela 3, o teste de Bartlett mostrou-se significativo
para P < 0,0001, rejeitando a hipótese nula de que a matriz de correlação é de
identidade. O teste KMO apresenta um valor superior a 0,6 indicando que a amostra
é possível de ser analisada pelas técnicas de análise fatorial. Após o processamento
das informações pelo software (SPSS 14.0), obteve-se os resultados da Tabela 3.
Tais índices foram considerados satisfatórios, indicando que é a matriz é
fatorável. Desta forma, cabe ressaltar que possível realizar uma análise fatorial
exploratória, tendo em vista que a mesma não exige a formulação de hipóteses à
priori a respeito de dependência de dados.
56
Tabela 3 - Resultado do teste Kaiser-Meyer-Olkin – (KMO) medida de adequação da
amostra e Bartlett para os cinco grupos de variáveis que fazem parte do estudo da
análise fatorial.
Cinco grupos de variáveis
que sugerem análise
fatorial.
Kaiser-Meyer-Olkin - KMO
Medida de adequação da
amostra
Bartlett's Test of
SKMphericity
1. Auto-avaliação discente,
2003.
0,760 197,853 para
P<0,0001
2. Avaliação das disciplinas
e de suas práticas pelos
discentes, 2003.
0,843 505,912 para
P<0,0001
3. Avaliação docente pelos
discentes, 2003.
0,888 989,011 para
P<0,0001
1. Avaliação do docente
pelo discente, 2005.
0,856 1318,684 para
P<0,0001
2. Avaliação discente pelo
docente, 2005.
0,792 12556,466 para
P<0,0001
3.3 Análise de cluster realizada nos cinco grupos de variáveis
Com a finalidade de propor uma estrutura classificatória, ou de
reconhecimento da existência de grupos, segundo algum critério de homogeneidade,
apresentam-se a seguir, as Figuras dos dendogramas 4, 7, 10, 13 e 16 de acordo
com cada um dos 5 grupos de variáveis em estudo conforme Tabela 4.
Para este trabalho, os objetos que possuem menor distância entre si, são
mais semelhantes um do outro, do que os objetos com maior distância. Essa medida
de semelhança é fornecida pela distância euclidiana que, embora seja uma medida
de dissimilaridade, às vezes, ela é referida como uma medida de semelhança, pois,
quanto maior o seu valor, menos iguais são os indivíduos ou as unidades amostrais
Regazzi (2001).
Uma análise visual dos dendogramas apresentados sugere a composição de
grupos distintos que reúnem casos com perfis semelhantes de média de
desempenho nas categorias de variáveis estudadas, conforme o resultado exposto
na Tabela 4.
Assim, o procedimento de análise de cluster calcula a matriz de distância
euclidiana ao quadrado entre cada par possível de casos e utiliza um algoritmo para,
passo a passo, ir formando os grupos de casos com aspectos o mais semelhante
possível.
57
Tabela 4 - Número de grupos estabelecidos através da distância mínima
euclidiana (Single Linkage) para cada categoria de variáveis correspondentes
Categorias de variáveis.
Nº de
grupos
Nº de
variáveis
Grupo 1
Nº de
variáveis
Grupo 2
Nº de
variáveis
Grupo 3
Nº total
de
variáveis
Avaliação realizada em 2003.
Auto-avaliação do aluno. 2 4 2 - 6
Avaliação das disciplinas e de
suas práticas pelo discente.
3 5 4 1 10
Avaliação docente pelo
discente.
2 11 4 - 15
Avaliação realizada em 2005.
Avaliação docente pelo
discente.
3 5 4 4 13
Avaliação discente pelo
docente.
3 4 4 1 9
Desta forma, a construção dos dendogramas apresentou as categorias: a)
“auto-avaliação do aluno” separada em 2 grupos; b) “avaliação das disciplinas e de
suas práticas pedagógicas pelo discente”, separada em três grupos semelhantes; c)
“avaliação docente pelo discente em 2003”, separada em dois grupos semelhantes;
d) “avaliação docente pelo discente” realizada em 2005, está separada em três
grupos semelhantes; e e) “avaliação discente pelo docente” em três grupos
semelhantes.
A estrutura definida pela análise de cluster em cada categoria de variáveis
sugere a possibilidade de se analisar os dados através da análise fatorial.
3.4 Análise dos resultados referentes à auto-avaliação do aluno realizada em
2003 e 2005
Nesta seção, apresentam-se duas análises distintas. A auto-avaliação do
aluno ocorrida em 2003 sugere uma possível análise fatorial dos dados, enquanto
que os dados fornecidos pela auto-avaliação do aluno em 2005, permitiram, apenas
uma análise percentual das manifestações dos alunos.
58
3.4.1 Análise dos resultados referentes à auto-avaliação dos alunos do curso de
administração em Comércio Exterior realizada na FAMES em 2003
Com o objetivo de reconhecer se as variáveis apresentam uma estrutura de
grupos distintos por sua semelhança, realizou-se uma análise de cluster descrita
conforme a Figura 4.
V4 Realizo atividades extraclasse
V3 Tenho iniciativa para estudos adicionais
V5 Tenho postura acadêmica
V6 Estou satisfeito com o desempenho
V2 Realizo tarefas em sala de aula
V1 Sou motivado para freq. às aulas
00
02
04
06
08
010
012
Distância simples
Grupo 2
Grupo 1
Figura 4 – Dendograma da matriz de distâncias pelo método da Distância Euclidiana
(Linkage Distance) construída com o auxilio do programa computacional statistics
7.1, relativo a auto-avaliação do aluno, FAMES, 2003.
Assim, pelo dendograma, observa-se o primeiro cluster onde estão reunidas
quatro variáveis, V3) “Tenho postura acadêmica”, V6) “Estou satisfeito com o meu
desempenho”, V2) “Realizo tarefas em sala de aula” e V1) “Sou motivado para
assistir às aulas”.
Estas variáveis apresentam-se muito próximas entre si, confirmada pela
distância mínima observada entre elas.
59
As duas variáveis, V4) “Realizo atividades extraclasse” e V3) “Tenho iniciativa
para estudos adicionais”, são as variáveis que estão na menor altura (entre 2 e 3 )
do dendograma e definem o segundo grupo.
Para evidenciar a formação de dois grupos, observa-se a matriz de correlação
a fim de ressaltar qual o comportamento dos coeficientes de correlação de Pearson
entre as variáveis conforme Tabela 5.
Tabela 5 - Matriz de correlação relativa ao grupo de variáveis “auto-avaliação do
aluno”, ocorrida na FAMES, em 2003.
Mediante a matriz de correlação de dados brutos, com valores referentes às
variáveis já especificadas, obteve-se boas correlações. O que ilustra quão mais
diagnósticas são certas variáveis em relação à outras do universo de dados.
A forte relação entre as variáveis V1, V2, V5 e V6, como também entre as
variáveis V3 e V4, torna possível identificar dois conjuntos de variáveis bem
correlacionadas.
A Figura 7 demonstra, através do Scree Plot, a definição de dois valores
próprios maiores do que a unidade onde, o primeiro autovalor tem variância
explicada igual a 59,40% e, o segundo, com 21,57%.
Neste caso, uma variância explicada acumulada em torno de 81% satisfaz a
condição mínima exigida para a definição de dois fatores conforme o Quadro 1.
V1 V2 V3 V4 V5 V6
V1 - Sou motivado para
freqüentar as aulas.
1,00
0,71
0,47 0,32
0,70 0,69
V2 - Realizo atividades
em sala de aula.
0,71
1,00 0,39 0,26
0,70
0,54
V3 -Tenho iniciativa
para realizar estudos
adicionais.
0,47 0,39 1,00
0,80
0,36 0,53
V4 - Realizo atividades
extraclasse.
0,32 0,26
0,80
1,00 0,14 0,31
V5 - Tenho postura
acadêmica em relação
aos colegas e
professores.
0,70 0,70
0,36 0,14 1,00
0,65
V6 - Estou satisfeito
com meu desempenho.
0,69
0,54 0,53 0,31
0,65
1,00
60
Assim, a análise realizada permite se obter a definição do construto por eles
representados, visto que a validade do construto ou de conceito é considerada a
forma mais fundamental de validade dos instrumentos (Pasquali, 2001).
59,40%
21,57%
7,73%
4,81%
3,87%
2,62%
-1012345678
Nº de autovalores
-0,5
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
Autovalores
80,97% - Variância Acumulada
Figura 5 - Scree Plot 1 mostrando a definição de 2 autovalores maiores do que a
unidade construídos com o auxilio do programa computacional statistics 7.1, relativo
a auto-avaliação do aluno, ocorrida na FAMES em 2003.
A relação entre autovalores e variância explicada pode ser verificada
conforme a expressão (1.4) Variância explicada=
traçoS
k
λ
ˆ
.100
O traço da matriz de variância e covariância é a soma dos autovalores
(3,563773 + 1,294461 + 0,463666 + 0,288710 + 0,232315 + 0,157075) = 6 traS
Em que, destaca-se abaixo o cálculo dos dois autovalores maiores do que a
unidade:
61
Fator 1
Fator 2
=
1
ˆ
λ
3,563773
=
2
ˆ
λ
1, 294461
=
6
3,563773
59,40%=59% =
6
1,294461
21,57%=22%
Com o objetivo de minimizar o número de fatores foi utilizado o método de
rotação quartimax raw, (Hair et. al, 2005). Este fato se justifica porque o número de
variáveis da categoria auto-avaliação do aluno é reduzido. Desta forma, o resultado
obtido sugere que o instrumento pode ser reduzido em uma dimensão menor, sem
perder as informações originais coletadas permitindo, assim, formular uma opinião
geral sobre à auto-avaliação do aluno.
Variáveis
F1 F2
Média D. P. C.V.% h
2
V1 - Sou motivado para
freqüentar as aulas
0,846
0,209 4,012 0,669 17 0,759
V2 - Realizo atividades em
sala de aula
0,837
0,144 4,197 0,669 16 0,721
V3 - Tenho iniciativa para
realizar estudos adicionais.
0,338
0,862
2,565 0,516 20 0,853
V4 - Realizo atividades
extraclasse
0,126
0,966
2,582 0,498 19 0,949
V5 - Tenho postura acadêmica
em relação aos colegas e
professores
0,950
0,035 4,346 0,767 18 0,903
V6 - Estou satisfeito com meu
desempenho
0,676
0,239 3,873 0,739 19 0,514
Autovalores 3,564 1,294
Variância explicada 59,396 21,574
Variância acumulada 59,396 80,970
Quadro 1 – Contribuição de cada variável a seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à auto-avaliação do aluno, FAMES, 2003.
A porção das variâncias da i-ésima variável Xi oriunda dos m fatores, chamados de
comunalidade, não é baixa. Assim, são suficientes dois fatores, para explicar as
variáveis, tendo em vista cinco delas apresentam altas correlações com os seus
respectivos fatores.
62
As quatro variáveis agregadas ao fator 1, com uma variância explicada de
59% e com médias de desempenho mais altas, podem expressar como dimensão
que: “o maior compromisso acadêmico do aluno”, reduz-se a assistir as aulas.
Por outro lado, o fator 2, com aproximadamente 22% da variância explicada
agrega duas variáveis com médias muito baixas e com uma variabilidade relativa em
torno de 20%. Este resultado pode mostrar que “poucos alunos procuram estudar
além das atividades realizadas pelo professor dentro da sala de aula”.
É motivado para as aulas
Realiza tarefas adicionais
Realiza estudos complementares
l
iza atividades extra classe
Tem postura ac
a
Está satisfeito com o seu desempenho
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Fator 1
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Fator 2
Fator 1 - 59% variância explicada
Fator 2 - 22% de variância explicada
Figura 6 – Projeção das variáveis como nuvem de pontos sobre o plano fatorial
construídos pelo programa computacional statistics 7.1, relativo a auto-avaliação do
aluno ocorrida na FAMES em 2003.
A Figura 6 ilustra a projeção da nuvem de pontos sobre o plano fatorial onde
se observam dois fatores distintos com uma variância explicada de
aproximadamente 59% e 22% respectivamente.
63
3.4.2 Análise dos resultados referentes à auto-avaliação dos alunos de todos os
cursos realizados na FAMES em 2005
Na Tabela 6, estão as opiniões dos 649 acadêmicos de todos os cursos que
participaram da auto-avaliação do aluno em 2005.
A análise desta categoria de variáveis foi analisada somente através da
porcentagem das respostas. Neste caso, observa-se um percentual maior de
manifestações para a opinião “sempre” (62%), em relação “à efetiva presença nas
atividades previstas” e 88% manteve “sempre” postura ética de respeito e de diálogo
com o professor.
Tabela 6 - Percentual relativo às questões e manifestações dos 649 acadêmicos que
realizaram a sua auto-avaliação FAMES, 2005.
No que se refere à “freqüência a biblioteca”, “participação de atividades e
eventos”, “dedicação aos estudos” e “satisfação com o desempenho acadêmico”,
prevaleceu a opinião “quase sempre”, com maior percentual. Cabe destacar também
que 12% “raramente” vão à biblioteca, 15% “raramente” participam de eventos e 9%
“nunca” participaram de eventos promovidos pela instituição.
Questões
Sempre
(%)
Quase
sempre
(%)
Na metade
das vezes
(%)
Raramente
(%)
Nunca
(%)
Compareço em todas as
atividades previstas
62 33 5 - -
Dedico-me aos estudos
dos conteúdos em
horários extraclasse
34 42 18 6 -
Mantenho uma postura
ética de respeito e de
diálogo com o professor
88 9 2 1 -
Usualmente freqüenta a
biblioteca
35 35 17 12 1
Utilizo com freqüência o
portal universitário
35 28 17 17 3
Participo de atividades e
eventos promovidos pela
IES
24 33 19 15 9
Considero satisfatório o
meu desempenho
acadêmico
37 41 17 2 1
64
O descaso pela leitura demonstrado pela baixa freqüência à biblioteca precisa
ser refletido por todos os professores, coordenadores de curso e direção pois é um
ponto fraco do processo de ensino.
Fazendo uma análise comparativa das duas auto-avaliações discentes
realizadas em 2003, com apenas os alunos do curso de administração em comércio
exterior e, em 2005, com os alunos de todos os cursos, constatou-se que existe uma
visível tendência da maioria dos alunos em resolver seus estudos quase somente
em sala de aula com a presença do professor.
Essa dependência que o aluno manifesta em relação à figura do professor,
dificulta o desenvolvimento das habilidades de aprender a estudar, aprender a
conhecer, aprender a fazer. Enfim, aprender a ser Antunes, (2001).
Desta forma as duas auto-avaliações mostram não haver sintonia entre a
articulação da pesquisa, leituras complementares, e o hábito de freqüentar a
biblioteca, e as demais atividades acadêmicas. Além disso, este fato se constitui em
um ponto fraco no que diz respeito à produção acadêmica que é uma exigência do
(PAIUB/SINAES).
3.5 Análise do grupo de variáveis relativo à importância dos conteúdos para o
curso e as práticas pedagógicas utilizadas pelos docentes na visão dos
discentes do curso de administração em comércio exterior, ocorrida na FAMES
em 2003
A categoria de variáveis relativas à avaliação das disciplinas e de suas
práticas pedagógicas mostra, através da Figura 7 do dendograma, a formação de
três clusters obtidos por meio de um corte transversal feito na maior distância entre
os grupos, ou a critério do pesquisador na altura 4.
O grupo 1 destaca quatro variáveis que enfatizam a importância dos
conteúdos para o curso e formação do aluno: V3) Existe relação entre a teoria e
prática; V2) Existe integração com as outras disciplinas do curso; V4) Existe clareza
da importância da disciplina para a formação do aluno e V1) Existe relação entre os
conteúdos e os objetivos do curso.
As variáveis responsáveis pela prática pedagógica são semelhantes pela sua
proximidade, conforme o segundo cluster que reúne um grupo de 5 questões, a
65
saber: V10) As avaliações são exigentes; V9) Os resultados das avaliações são
comentados; V7) Existe coerência entre os conteúdos solicitados e os
desenvolvidos; V8) Utiliza técnicas adequadas; V6) As avaliações enfatizam mais a
reflexão do que a memorização.
Figura 7 - Dendograma da matriz de distâncias pelo método da distância Euclidiana
(Linkage Distance) relativa a avaliação da importância dos conteúdos para o curso e
as práticas pedagógicas utilizadas pelos docentes na visão dos alunos, ocorrida na
FAMES, 2003.
Apenas uma variável V5)“Infra-estrutura adequada para o desenvolvimento
das disciplinas” ficou mais distante das demais e definiu o terceiro grupo.
Por conseguinte, na Tabela 7, a matriz de correlação mostra alguns bons
coeficientes de correlação entre o grupo de variáveis relativas às avaliações das
disciplinas e de suas práticas pedagógicas.
V10 Avaliações exigentes
V9 Resultados comentados
V7 Avalia conteúdos coerentes
V8 Utiliza técnicas adequadas as
V6 Avaliações reflexivas
V5 Infra estrutura adequada
V3 Teoria/ prática relacionadas
V2 Integ/disciplinas/curso
V4 Disc/import/formação/alunocurso
V1 Cont./relacion/objetivos/curso
01
02
02
03
03
04
04
05
05
06
06
Grupo 2
Grupo 1
Grupo 3
66
Neste caso, podem-se destacar as correlações de Pearson entre as variáveis
V1, V2, V3 e V4, como também as variáveis V6, V7, V8, V9 e V10.
Apenas a variável V5, “Infra-estrutura adequada para o desenvolvimento das
disciplinas” apresentou os mais fracos coeficientes de correlação de Pearson, isto é,
todos inferiores a 0,6.
Tabela 7 - Matriz de correlação referente à avaliação discente do grupo de variáveis
relativo a importância dos conteúdos para o curso e as práticas pedagógicas
utilizadas pelos docentes ocorrida na FAMES, em 2003.
V1
V2 V3 V4 V5 V6 V7 V8 V9 V10
V1 - Relação entre
conteúdos previstos e os
objetivos do curso
1,00 0,72 0,71 0,80
0,35 0,08 0,18 0,25 0,20 0,18
V2 - Integração com as
outras disciplinas do
curso
0,72 1,00 0,83
0,21 0,21 -0,04 0,07 0,09 0,04 -0,03
V3 - Relação entre a
teoria e a prática.
0,71 0,83 1,00 0,74
0,30 -0,00 0,10 0,10 0,07 0,02
V4 - Clareza da
importância da disciplina
na formação dos alunos
0,80 0,76 0,74 1,00
0,18 -0,12 -0,02 0,07 -0,05 -0,10
V5 - Infra-estrutura
adequada para
desenvolver as
disciplinas
0,35 0,21 0,30 0,18
1,00
0,55 0,53 0,61 0,53 0,50
V6 - As avaliações
enfatizam mais a
reflexão do que
memorização
0,08 0,04 -0,00 -0,12 0,55
1,00 0,85 0,89 0,82 0,81
V7 - Existe coerência
entre os conteúdos
solicitados e os
desenvolvidos
0,18 0,07 0,10 -0,02 0,53
0,85 1,00 0,74 0,83 0,77
V8 - Utilização de
técnicas adequadas
0,25 0,09 0,10 0,07 0,61
0,89 0,74 1,00 0,81 0,72
V9 - Os resultados das
avaliações são
comentados
0,20 0,04 0,07 -0,05 0,53
0,82 0,83 0,81 1,00 0,73
V10 - As avaliações são
exigentes
0,18 0,03 0,02 -0,10 0,50
0,81 0,77 0,72 0,73 1,00
Observando-se a Figura 8 do Scree Plot, este recomenda a definição de dois
autovalores maiores do que a unidade onde, somente, o primeiro apresenta 47,8%
de variância explicada e o segundo 32,54%. Assim, a variância acumulada em torno
de 80% satisfaz a condição de Hair et. al. (2005) e Pereira (2001).
67
47,83%
32,54%
5,42%
3,67%
3,18%
2,32%
1,66%
1,42%
1,27%
,70%
-10123456789101112
Nº de autovalores
-0,5
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
5,5
Autovalores
80,37% Variância
Explicada
Figura 8 - Scree plot 2 construídos pelo programa computacional statistics 7.1,
relativo a importância dos conteúdos para o curso e as práticas pedagógicas
utilizadas pelos docentes na visão dos alunos, ocorrida na FAMES, em 2003.
Com o objetivo de reforçar a interpretação dos fatores extraídos da categoria
com 10 variáveis, foi utilizado o método de rotação ortogonal varimax normalizada
conforme apresentada no Quadro 2.
Observando-se as altas comunalidades (h
2
) tem-se que nove das dez
variáveis podem ser explicadas por dois fatores onde estão respectivamente
agregadas.
A relação entre autovalores e variância explicada pode ser verificada pela expressão
(1.4) Variância explicada=
traçoS
k
λ
ˆ
.100
O traço da matriz de variância e covariância é a soma dos autovalores
(4,783359 + 3,253955 + 0,541769 + 0,366588 + 0,318339 + 0,231627 + 0,165621 +
0,141669 + 0,126932 + 0,126932 + 0,070140) = 10 trasS
68
Onde, destaca-se abaixo o cálculo dos dois autovalores maiores do que a
unidade.
Fator 1 Fator 2
=
1
ˆ
λ
4,783359
=
2
ˆ
λ
3,253955
=
10
4,783359
47,8%=48%
=
10
3,253955
32,54%=33%
Quadro 2 – Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades relativo a avaliação
discente ao grupo de variáveis que destacam a importância dos conteúdos para o
curso e as práticas pedagógicas utilizadas pelos docentes, FAMES em 2003.
O Fator 1, com uma explicação de aproximadamente 48% agregou variáveis
com maior média de desempenho que sugerem a dimensão “comprometimento dos
docentes com a avaliação do processo de ensino e aprendizagem dos seus alunos”.
Neste caso, quando o resultado das avaliações é comentado e discutido com os
alunos, torna o erro do aluno a maior riqueza diagnóstica de seu caminho pela
Variáveis F1 F2 Média D. P. C.V.% h
2
V1 - Relação entre conteúdos
previstos e os objetivos do
curso.
0,122
0,772
3,240
0,440
14
0,610
V2 - Integração com as outras
disciplinas do curso
0,013
0,961
3,384
0,371
11
0,924
V3 - Relação entre a teoria e a
prática
0,021
0,935
3,354
0,331
10
0,875
V4 - Clareza da importância da
disciplina na formação dos
alunos
-0,056
0,839
3,263
0,403
12
0,707
V5 - Infra-estrutura adequada
para desenvolver as disciplinas
0,421
0,185
3,365
0,518
15
0,211
V6 - As avaliações enfatizam
mais a reflexão do que
memorização
0,941
-0,053
4,045
0,564
14
0,909
V7 - Existe coerência entre os
conteúdos solicitados e os
desenvolvidos
0,923
0,055
4,205
0,522
12
0,855
V8 - Utilização de técnicas
adequadas
0,934
0,071
3,954
0,534
13
0,877
V9 - Os resultados das
avaliações são comentados
0,860
0,024
4,230
0,551
13
0,740
V10 - As avaliações são
exigentes
0,741
-0,030
4,327
0,502
12
0,657
Autovalores
4,783 3,254
Variância explicada
47,834 32,540
Variância acumulada
47,834 80,373
69
aprendizagem e o professor deve buscá-lo não para punir, mas para fazer do
mesmo o caminho do acerto Antunes (2002).
O fator 2 agregou 4 variáveis com uma variância explicada de 32%. As
variáveis deste fator relatam “a pertinência dos conteúdos, concepção e prática”,
tendo em vista os objetivos do curso e a formação dos alunos SINAES (2004).
A variável “infra-estrutura adequada para desenvolver as disciplinas” tem
desempenho médio de 3,365, uma variabilidade relativa de 15% e uma baixa
comunalidade constituindo-se, desta forma, uma variável isolada das demais.
Figura 9 – Plano fatorial (fator 1 x fator 2) construído pelo programa computacional
statistics 7.1, relativo a avaliação das disciplinas e de suas práticas pedagógicas
ocorrida na FAMES em 2003.
Para ilustrar os dois fatores definidos acima, se apresenta na Figura 9, a
variáveis projetadas como nuvem de pontos no plano fatorial.
Conteúdos relacionados/curso
Disciplinas integradas
Teoria/prática relacionadas
isciplinas importantes para curso e aluno
Infra estrutura adequada
Avaliações re
f
Conteúdos coe
r
Utiliza técnicas a
d
Resultados comenta
d
Avaliações exigentes
-00000000010101
Fator 1
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
Fator 2 - 32% Variância Explicada
Fator 1- 49% Variância Explicada
70
No plano fatorial observa-se que a projeção da variável “Infra-estrutura
adequada” sobre o eixo fatorial não possui considerável inércia capaz de
desequilibrar o sistema como as demais que constituem os fatores 1 e 2.
3.6 Análise do grupo de variáveis relativo a avaliação docente pelos discentes,
ocorrida na FAMES no final de 2003 e 2005
Para este estudo, a categoria de variáveis “avaliação docente pelo discente”,
foi avaliada em duas oportunidades. A primeira em 2003, com a participação dos
alunos do curso de administração em comércio exterior. Em 2005, o processo
avaliativo aconteceu com a participação dos alunos de todos os cursos.
3.6.1 Análise do grupo de variáveis relativo a avaliação docente pelos discentes,
pelos alunos do curso de administração em comércio exterior ocorrida na FAMES no
final de 2003
Na Figura 10, apresenta-se a descrição do comportamento das 15 variáveis
relativas à avaliação docente pelo discente em 2003 onde, por meio do dendograma,
observa-se que o grupo 1 aglomera 11 variáveis e o grupo 2 está definido por 4
variáveis, todas reunidas pelo método do vizinho mais próximo.
A distribuição de variáveis no dendograma agrupa 11 variáveis no grupo a
saber: V5) “Deixa claro os critérios de avaliação”, V6) “Divulga resultados das
avaliações”, V7) “Apresenta-se a classe motivado”, V8) “Mantém bom
relacionamento”, V9) “Constrói postura ética”, V10) “Tem organização na condução
das aulas”, V11) “Dinamiza as aulas”, V12) “Tem domínio dos conteúdos
atualizados”, V13) Usa linguagem compreensível”, V14) “Estabelece relação entre a
teoria e a prática” e 15) “Comenta e devolve as avaliações”.
Assim, a habilidade do professor em conduzir sua prática docente frente os
alunos em sala de aula, pode ser identificada no consenso dos alunos conforme a
reunião das variáveis no grupo 1.
O grupo 2, que reúne 4 variáveis: V4) “Estimula leituras”, V3) “Utiliza
bibliografia adequada”, V2) “Cumpre o programa” e V1) “É pontual e assíduo” está
relacionado ao compromisso do professor com a formação do aluno.
71
Figura 10 – Dendograma da matriz de distâncias pelo método da distância
Euclidiana (Linkage Distance) relativo a avaliação docente pelos discentes, ocorrida
na FAMES em 2003.
Por conseguinte, a matriz de correlação entre as 15 variáveis sugere a
apresentação de dois grupos distintos recomendados por bons coeficientes de
correlação conforme a Tabela 8.
O primeiro grupo possui as variáveis V1xV2, V1xV3, V1xV4, V2xV3, V2xV4,
V3xV4 bem correlacionadas, com todos os coeficientes de correlação de Pearson
superiores a 0,7.
O grupo 2, da mesma forma, mostra uma alta correlação entre as variáveis,
sendo que a variável V5 destaca todas as suas correlações de Pearson superiores a
0,7.
V6 Divulga resultados
V14 Relaciona Teoria/prática
V11 Dinamiza as aulas
V15 Comenta as avaliações
V13 Usa linguagem clara
V10 Tem aulas organizadas
V9 Tem postura adequada
V8 É bem relacionado
V12 Domina os conteúdos
V7 É motivado
V5 Tem critérios claros
V4 Estimula leituras
V3 Utiliza Bibliog adequada
V2 Cumpre o programa
V1 É pontual e assíduo
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
Distância simples
Grupo 1
Grupo 2
72
Tabela 8 - Matriz de correlação relativo ao grupo de variáveis avaliação docente pelo
discente ocorrida na FAMES, em 2003
Portanto, de acordo com o Scree Plot da Figura 11, tem-se a definição de dois
autovalores maiores do que a unidade com uma variância total acumulada em torno
de 80%, em que permite excluir as demais componentes, pois possuem pouca
informação (Hair et. al., 2005).
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15
V1 -É pontual e
assíduo
1,00 0,87 0,81 0,71
0,36 0,37 0,30 0,27 0,34 0,42 0,28 0,29 0,26 0,23 0,19
V2 -Cumpre o
programa
estabelecido
0,87 1,00 0,90 0,73
0,39 0,40 0,27 0,24 0,34 0,41 0,33 0,39 0,31 0,30 0,31
V3 - Indica
bibliografia
adequada
0,81 0,90 1,00 0,87
0,40 0,33 0,27 0,28 0,38 0,45 0,34 0,34 0,35 0,30 0,27
V4 - Estimula
leituras
complementares.
0,71 0,73 0,87 1,00
0,38 0,34 0,35 0,34 0,38 0,41 0,36 0,33 0,38 0,33 0,26
V5 - Deixa
claros os
critérios de
avaliação
0,36 0,39 0,40 0,38
1,00 0,81 0,77 0,83 0,85 0,84 0,68 0,79 0,78 0,72 0,75
V6 - Divulga
resultados
avaliações
0,37 0,40 0,33 0,34
0,81 1,00 0,65 0,72 0,77 0,71 0,51 0,65 0,61 0,68 0,71
V7 - Apresenta-
se à classe
motivado
0,30 0,27 0,27 0,35
0,77 0,65 1,00 0,79 0,80 0,83 0,81 0,85 0,84 0,73 0,68
V8 - Mantém
bom
relacionamento
0,27 0,24 0,28 0,34
0,83 0,72 0,79 1,00 0,87 0,75 0,61 0,72 0,77 0,67 0,64
V9 - Constrói
postura ética
0,34 0,34 0,38 0,38
0,85 0,77 0,80 0,87 1,00 0,84 0,64 0,73 0,77 0,72 0,72
V10 - Tem
organização na
condução das
aulas
0,42 0,41 0,45 0,41
0,84 0,71 0,83 0,75 0,84 1,00 0,72 0,76 0,76 0,76 0,69
V11 - Dinamiza
as aulas
0,28 0,33 0,34 0,36
0,68 0,51 0,81 0,61 0,64 0,72 1,00 0,79 0,87 0,73 0,61
V12 - Tem
domínio dos
conteúdos
0,29 0,39 0,34 0,33
0,79 0,65 0,85 0,72 0,73 0,76 0,79 1,00 0,83 0,75 0,77
V13 - Usa
linguagem
compreensível.
0,26 0,31 0,35 0,38
0,78 0,61 0,84 0,77 0,77 0,76 0,87 0,83 1,00 0,76 0,70
V14 -
Estabelece
relação entre a
teoria e a prática
0,23 0,30 0,30 0,33
0,72 0,68 0,73 0,67 0,72 0,76 0,73 0,75 0,76 1,00 0,80
V15 - Comenta
e devolve as
avaliações
0,19 0,31 0,27 0,26
0,75 0,71 0,68 0,64 0,72 0,69 0,61 0,77 0,70 0,80 1,00
73
61,92%
17,74%
4,90%
3,61%
2,48%
1,81%
1,55%
1,37%
1,21%
,93%
,80%
,57%
,52%
,39%
,22%
-2024681012141618
Nº de autovalores
-1
0
1
2
3
4
5
6
7
8
9
10
11
Autovalores
79,66% - Variância Explicada
Figura 11 – Scree plot construído, pelo programa computacional statistics 7.1,
relativo a avaliação docente pelos discentes, ocorrida na FAMES em 2003.
Esta situação observada, depois de efetuada uma rotação Quartimax raw
recomenda dois fatores que podem ser analisados conforme o Quadro 3 abaixo,
com uma variância explicada de aproximadamente 80%.
A relação entre autovalores e variância explicada pode ser verificada
conforme a expressão (1.4)
Variância explicada=
traçoS
k
λ
ˆ
.100
O traço da matriz de variância e covariância é a soma dos autovalores (9,287371 +
2,660966 + 0,735245 + 0,541426 + 0,371321 + 0,270875 + 0,231900 + 0,204825 +
0,181599 + 0,139244 + 0,120410 + 0,086002 + 0,077604 + 0,058142 + 0,033068) =
15 traS
Onde, destaca-se abaixo o cálculo dos dois autovalores maiores do que a
unidade que definiram os dois fatores do Quadro 3.
74
Fator 1
Fator 2
=
1
ˆ
λ
9,287371
=
2
ˆ
λ
2,660966
=
15
9,287371
61,92%=62%
=
15
2,660966
17,74%=18%
A definição dos dois fatores pode ser confirmada também pela alta
comunalidade (h
2
) apresentada, oriunda dos m fatores, que é a porção de variância
da variável Xi.
Quadro 3 – Contribuição de cada variável e o seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação docente pelo discente FAMES, 2003
Assim sendo, o fator 1 que agregou onze variáveis pode definir como
dimensão um “professor consciente de sua missão de ensinar”, construindo postura
Variáveis
F1 F2 Média D.P. C.V.
%
h
2
V1 – É pontual e assíduo 0,246
0,885
4,142 0,685 17 0,844
V2 - Cumpre o programa estabelecido 0,273
0,923
4,159 0,647 16 0,926
V3 - Indica bibliografia adequada 0,287
0,923
4,061 0,664 16 0,934
V4 - Estimula leituras complementares 0,314
0,799
3,894 0,623 16 0,737
V5 - Deixa claros os critérios de
avaliação
0,905
0,147 4,269 0,542 13 0,841
V6 - Divulga resultados avaliações
0,774
0,159 4,345 0,609 14 0,624
V7 - Apresenta-se à classe motivado
0,920
0,040 4,347 0,471 11 0,848
V8 - Mantém bom relacionamento
0,892
0,037 4,411 0,527 12 0,710
V9 - Constrói postura ética
0,905
0,120 4,394 0,409 10 0,833
V10 - Tem organização na condução
das aulas
0,884
0,200 4,261 0,489 11 0,821
V11 - Dinamiza as aulas
0,816
0,110 4,008 0,590 15 0,678
V12 -Tem domínio dos conteúdos
0,891
0,105 4,412 0,462 10 0,805
V13 - Usa linguagem compreensível
0,906
0,075 4,192 0,546 13 0,826
V14 - Estabelece relação entre a teoria
e a prática
0,843
0,057 4,225 0,515 12 0,714
V15- Comenta e devolve as avaliações
0,813
0,035 4,353 0,525 12 0,662
Autovalores
9,287 2,661
Variância explicada
61,916 17,740
Variância acumulada
61,916 79,656
75
ética e desenvolvendo suas atividades com um clima transparente e de confiança
para os seus alunos.
As médias das variáveis correlacionadas a este fator são próximas e altas,
com uma variabilidade relativa que varia de 10% a 15%, permitindo destacar que a
variável “tem domínio dos conteúdos que ensina”, apresentou maior média e menor
variabilidade enquanto a variável “dinamiza as aulas” apresentou menor média e
maior variabilidade. Este fato, talvez mostre que todos os professores devem
conduzir suas aulas com mais entusiasmo, a fim de despertar no aluno a
participação efetiva nos debates e solução das atividades de fixação.
Figura 12 - Plano fatorial (fator 1 x fator 2) construídos pelo programa computacional
statistics 7.1, relativo a avaliação docente pelo discente ocorrida na FAMES em 2003
Neste sentido, tem-se segundo Primi e Moraes (2005), que um dos aspectos
avaliados por escolas, faculdades, universidades e sistemas educacionais, ao
realizar uma avaliação institucional, em diversos países, é o desempenho dos
docentes, considerado um indicador da qualidade do ensino.
O fator 2, com 18% de explicação está correlacionado a 4 variáveis que pode
evidenciar a dimensão de um “professor atento ao desenvolvimento pleno do
n
tual e assíduo
m
pre o programa
z
a Bibliog adequada
Estimula leituras
Tem critérios clar
o
Divulga resultados
É motivado
É bem relacionado
Tem postura adeq
u
Tem aulas organizad
a
Dinamiza as aulas
Domina os conteúd
o
Usa linguagem cl
a
Relaciona Teoria/prática
Comenta as avaliações
0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Fator 1
-0,1
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
Fator 2
Fator 1 - 62% Variância Explicada
Fator 2 - 18% - Variância Explicada
76
estudante”, estimulando-o à leitura em bibliografia atualizada para o seu crescimento
intelectual.
O fator 1 que agregou a maioria das variáveis, está representado pelo eixo de
maior comprimento através do autovalor igual a 9,287, com uma explicação de 62%,
enquanto o fator 2 reuniu 4 variáveis em um eixo, cuja magnitude 2,661.
A localização dos fatores 1 e 2 no plano fatorial define uma alta inércia, capaz
de desequilibrar o sistema, o que permitiu a definição do construto estabelecido pelo
Quadro 3.
A figura 12 mostra, claramente, a projeção de dois grupos de variáveis no
plano fatorial relativo à avaliação docente pelo discente.
Deste modo, percebe-se que todas as variáveis estão fortemente
correlacionadas ou no fator 1, ou no fator 2.
3.6.2 Análise do grupo de variáveis relativo a avaliação docente pelos discentes, de
todos os cursos ocorrida na FAMES no final de 2005
Para a análise desta categoria de variáveis são consideradas 13 variáveis
relativas à avaliação docente pelo discente, ocorrida em 2005.
De acordo com a Figura 13 observa-se a definição de 3 grupos reunidos
segundo alguma ordem de proximidade das variáveis de cada grupo.
Realizando-se um corte na altura 6, obtém-se o grupo 1 com 5 variáveis, o
grupo 2 com 4 variáveis e o grupo 3 com 4 variáveis.
O cluster 1 reúne as variáveis mais próximas 13) Comenta as avaliações;
V12) Estimula a reflexão dos conteúdos; V11) Estimula a participação de projetos e
eventos; V10) Estimula a leitura em geral; V9) Estimula ir à biblioteca.
A reunião destas variáveis demonstra a preocupação do professor com o
crescimento intelectual e cultural do aluno.
O cluster 2 agrupa as variáveis que enfatizam a importância das disciplinas
para o curso: V4) Existe relação entre a teoria e a prática; V2) Existe
interdisciplinaridade; V3) Avaliações com critérios claros; V1) Existe relação entre os
conteúdos e os objetivos do curso.
77
Figura 13 - Dendograma da matriz de distâncias pelo método da distância Euclidiana
(Linkage Distance) relativo a avaliação docente pelos discentes, ocorrida na FAMES
em 2005
O cluster 3 releva o desempenho do professor em sala de aula através da
reunião das variáveis: V8) Tem bom relacionamento; V6) Utiliza metodologia
adequada; V7) Incentiva os alunos à participação das aulas; V5) Domina conteúdos
atualizados.
Para a categoria relativa na avaliação docente pelo discente ocorrida em 2005
percebem-se bons coeficientes de correlação de Pearson, apresentados pela matriz
de correlação na Tabela 9, o que permite a análise fatorial da categoria de variáveis.
Ao observar o Scree Plot da Figura 14 tem-se a definição de três valores
próprios maiores do que a unidade com uma variância total acumulada em torno de
83%, o que permite excluir as demais componentes, pois possuem pouca
informação (Hair et. al., 2005).
V13 Comenta as avaliações
V12 Estimula a reflexão dos conteúdos
V11 Estim part. projetos e eventos
V10 Estimula a leitura em geral
V9 Estimula ir à biblioteca
V8 Tem bom relacionamento
V6 Utiliza metodologia adequada
V7 Incentiva participação nas aulas
V5 Domina conteúdos atualizados
V4 Existe relação teoria/prática
V2 Existe interdisciplinaridade
V3 Avaliações c/ critérios claros
V1 Relação conteúdos/objetivos do curso
2
3
4
5
6
7
8
Distância simples
Grupo 1
Grupo 3
Grupo 2
78
Tabela 9 - Matriz de correlação relativo ao grupo de variáveis “avaliação docente”.
pelo discente” corrida na FAMES, em 2005
Variáveis
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13
V1 - Existe relação/
conteúdo e programa
da disciplina e os
objetivos do curso
1,00
0,56
0,86
0,54 0,06 0,06 0,05 0,06 0,09 0,02 0,08 0,09 0,13
V2 - Existe inter-
relação conteúdo e
disciplina com os
conteúdos de outras
disciplinas
0,56
1,00
0,58
0,63
0,14 0,13 0,13 0,16 0,15 0,02 0,14 0,20 0,18
V3 -Estão
estabelecidos critérios
e as formas de
avaliação da disciplina
0,86
0,58
1,00
0,51 0,07 0,08 0,08 0,10 0,08 0,05 0,10 0,12 0,16
V4 - O processo de
ensino e aprendizagem
propicia a relação
teoria/ prática
0,54
0,63
0,51
1,00
0,20 0,18 0,13 0,10 0,16 0,07 0,07 0,16 0,13
V5 -Orienta com
clareza e segurança os
conteúdos
atualizados/disciplina
0,06 0,14 0,07 0,20
1,00 0,94 0,94 0,85
0,46 0,53 0,58 0,55 0,57
V6 -Utiliza
metodologia
apropriada/desenvolver
a disciplina
0,06 0,13 0,08 0,18
0,94 1,00 0,92 0,84
0,45 0,57 0,59 0,55 0,58
V7 -Incentiva a
participação e
expressão de idéias
durante as aulas
0,05 0,13 0,08 0,13
0,94 0,92 1,00 0,90
0,44 0,53 0,58 0,55 0,59
V8 -Estabelece um
bom relacionamento
com os alunos
0,06 0,16 0,10 0,10
0,85 0,84 0,90 1,00
0,50 0,50 0,52 0,51 0,61
V9 -Estimula o aluno ir
à biblioteca
0,09 0,15 0,08 0,16 0,46 0,45 0,44 0,50
1,00 0,83 0,77 0,73 0,76
V10 -Estimula a leitura
de livros, textos e
periódicos completares
as aulas
0,02 0,02 0,05 0,07 0,53 0,57 0,53 0,50
0,83 1,00 0,86 0,78 0,84
V11 -Estimula a
participação dos
alunos em projetos de
pesquisa e eventos
0,08 0,14 0,10 0,07 0,58 0,59 0,58 0,52
0,77 0,86 1,00 0,83 0,83
V12 -Propões práticas
diferenciadas que
valorizem a reflexão
mais do que a
memorização
0,09 0,20 0,12 0,16 0,55 0,55 0,55 0,51
0,73 0,78 0,83 1,00 0,82
V13 -Costuma analisar
resultados/avaliações
com os alunos
0,13 0,18 0,16 0,13 0,57 0,58 0,59 0,61
0,76 0,84 0,83 0,82 1,00
79
12345678910111213
Nº de autovalores
0
1
2
3
4
5
6
7
8
Autovalores
50,08%
21,06%
11,94%
83,08%(acumulada)
Figura 14 - Scree Plot construído pelo programa computacional statistics 7.1, relativo
à avaliação docente pelos discentes, ocorrida na FAMES em 2005
A relação entre autovalores e variância explicada pode ser verificada
conforme a expressão (1.4)
Variância explicada=
traçoS
k
λ
ˆ
.100
O traço da matriz de variância e covariância é a soma dos autovalores
(6,510330 + 2,738402 + 1,551566 + 0,650310 + 0,411481 + 0,304605 + 0,194792 +
0,181725 + 0,138363 + 0,129912 + 0,086027 + 0,064677 + 0,037811) = 13traS
Onde, destaca-se abaixo o cálculo dos dois autovalores maiores do que a
unidade:
=
1
ˆ
λ
6,510330
=
2
ˆ
λ
2,738402 =
3
ˆ
λ
1,551566
Fator 1
Fator 2 Fator 3
80
=
13
6,510330
50,08 %=50% =
13
2,738402
21,06%=21% =
13
1,551566
11,94%=12%
Depois de efetuada a rotação varimax normalizada, no grupo de variáveis em
estudo, os resultados expostos no Quadro 6 e 7 podem definir três dimensões. A
estrutura fatorial representada por uma considerável comunalidade (h
2
) permite
definir o construto baseado no grupo de variáveis agregadas aos respectivos fatores
1, 2 e 3.
Variáveis F1 F 2 F 3 Média S D C.V.% h
2
V9 -Estimula o aluno ir
a à biblioteca
0,835
0,026
0,219
3,834
0,873
23
0,746
V10 -Estimula a leitura
de livros, textos e
periódicos completares
as aulas
0,925
0,003
0,295
3,824
0,927
24
0,943
V11 -Estimula a
participação dos alunos
em projetos de pesquisa
e evento
0,880
0,038
0,335
3,821
0,919
24
0,888
V12 -Propões práticas
diferenciadas que
valorizem a reflexão
mais do que a
memorização
0,804
0,035
0,315
3,780
0,835
22
0,747
V13 -Costuma analisar
os resultados da
avaliação com os alunos
0,830
0,095
0,361
3,757
0,877
23
0,828
Autovalores 6,510 2,738 1,552
Variância explicada 50,079 21,065 11,935
Variância acumulada 50,079 71,144 83,079
Quadro 4 – Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação docente pelo discente FAMES, 2005.
O fator 1 exposto no Quadro 4, com uma variância explicada de 50%, definiu
a dimensão “compromisso do professor em desenvolver no aluno as habilidades
para a leitura, projetos de pesquisa e a participação em eventos”. As variáveis
agregadas ao fator um apresentaram médias menores e mais próximas com maiores
coeficientes de variação (22%). A baixa média e alta variabilidade relativa dos dados
em torno da média podem mostrar que a prática da leitura, e a participação em
eventos e projetos de pesquisa podem ser interpretadas a partir de duas
perspectivas: 1) ou não, foi percebida por alguns acadêmicos como relevante ou 2)
os professores não souberam conduzir as turmas de alunos para o desenvolvimento
dessas atividades.
81
Por meio do fator 2 sintetizado no Quadro 5 abaixo, verificou-se a dimensão
“relação entre os objetivos do curso e os conteúdos trabalhados e avaliados pelo
professor” com uma explicação de 21 %. As questões correlacionadas a este fator
apresentaram médias muito próximas e uma variação em torno de 12%. Dessa
forma, pode-se dizer que o educando identificou essa prática como mais coerente
entre os professores.
Variáveis F1 F2 F 3 Média S D C.V.% h
2
V1 - Existe relação entre o
conteúdo programático da
disciplina e os objetivos do
curso
0,029
0,931
0,012
3,788
0,440
12
0,868
V2 - Existe inter-relação
entre o conteúdo da
disciplina com os conteúdos
de outras disciplinas
0,060
0,395
0,072
4,030
0,412
10
0,165
V3 -Estão estabelecidos de
forma clara os critérios e as
formas de avaliação da
disciplina
0,049
0,933
0,033
3,960
0,477
12
0,874
V4 - O processo de ensino e
aprendizagem propicia a
relação entre a teoria e a
prática
0,057
0,350
0,090
3,969
0,411
11
0,134
V5 -Orienta com clareza e
segurança os conteúdos
atualizados da disciplina.
0,286
0,011
0,931
4,208
0,760
18
0,949
V6 -Utiliza metodologia
apropriada ao melhor
desenvolvimento da
disciplina
0,313
0,018
0,911
4,126
0,750
18
0,928
V7 -Incentiva a participação
e expressão de idéias
durante as aulas
0,283
0,029
0,937
4,127
0,757
18
0,959
V8 -Estabelece um bom
relacionamento com os
alunos
0,282
0,042
0,867
4,100
0,742
18
0,833
Autovalores 6,510 2,738 1,552
Variância explicada 50,079 21,065 11,935
Variância acumulada 50,079 71,144 83,079
Quadro 5 – Contribuição de cada variável e seu respectivo fator onde foram
agregados autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação docente pelo discente FAMES, 2005.
No entanto, de acordo com o fator 3, pode-se perceber a dimensão
“preocupação do professor em estabelecer em sala de aula um ambiente que
assegure um processo de ensino e aprendizagem de qualidade”. As variáveis do
fator três apresentaram as maiores médias com um coeficiente de variação de 18%.
Assim, através deste grupo de variáveis, os alunos demonstraram que existe
82
compromisso e responsabilidade da maioria dos professores em proporcionar ao
educando um clima favorável para desenvolver suas atividades em sala de aula.
Segundo Rupolo (2003), o professor que, por meio dessa prática educativa é capaz
de criar laços afetivos com seus alunos, proporciona um ensino de qualidade,
atendendo, dessa forma, a proposta do SINAES.
Duas variáveis que traduzem o trabalho interdisciplinar não estão
correlacionadas a nenhum fator: V2) “Existe inter-relação entre o conteúdo da
disciplina com os conteúdos de outras disciplinas” e V4) “Aprendizagem propicia a
relação entre teoria e a prática”. Deste fato pode-se dizer que a
“interdisciplinaridade” não foi percebida pelo aluno com a importância desejada,
constituindo-se, assim, em um ponto fraco do processo de ensino e aprendizagem.
o
conteúdos/objetivos
Existe interdisciplinaridade
Avaliações c/ critérios claros
Existe relação teoria/prática
Domina conteúdos atualizados
Utiliza metodologia adequada
Incentiva participação nas aulas
Tem bom relacionamento
Estimula ir à biblioteca
Estimula a leitura e
m
Estim part. projetos e eve
n
Estimula a reflexão dos conteúdos
Costuma analisar os resultados das avalia
ç
-0,1 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Fator 1
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
Fator 2 - 21% Variância explicada
Fator 1 - 50% Variância exp
l
l
ação conteúdos/objetivos
Existe interdisciplinaridade
v
aliações c/ critérios claros
E
xiste relação teoria/prática
Domina conteúdos atualizados
Utiliza metodologia adequada
Incentiva participação nas aulas
Tem bom relacionamento
Estimula ir à biblioteca
Estimula a leitura
e
Estim part. projetos e ev
e
Estimula a reflexão dos conteúd
o
Comenta as avaliações
-0,1
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
Fator 1
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
Fator 3
Fator 1 - 50% variância explic
a
Fator 3 - 12% variância explicada
Figura 15 - Plano fatorial (fator 1 x fator 2) e (fator 1 x fator 3) construídos pelo
programa computacional statistics 7.1, relativo a avaliação docente pelo discente
ocorrida na FAMES em 2005
83
A projeção das variáveis no plano fatorial 4 e 4” confirma a distribuição das
variáveis que determinou 3 grupos distintos. Assim, definiu-se o grupo 1 com 5
variáveis e os grupos 2 e 3 com 4 variáveis cada um conforme a Figura 15.
O grupo 1 com 50% de variância explicada é responsável pela maior inércia
do sistema de pontos distribuídos no plano fatorial.
3.7 Avaliação discente pelo docente ocorrida em 2005
O grupo de variáveis relativas à avaliação discente pelo docente dividiu-se em
três clusters, conforme a Figura 16.
V6 Satisfação c/ aproveitamento
V5 Pont/assiduid/permanência em aula
V3 Resp/diálogo entre prof/colegas
V4 Atend. solic. portal univers.
V2 Realização estudos extraclasses
V8 Utilização da biblioteca
V9 Tem conhec. básico p/ acomp.a discipl
V7 Part. eventos da IES
V1 Participação nas atividades da disciplina
02
04
06
08
010
012
014
Grupo 2
Grupo 1
Grupo 3
Figura 16 – Dendograma da matriz de distâncias pelo método da distância
Euclidiana (Linkage Distance) construída pelo programa computacional statistics 7.1,
relativo a avaliação discente pelos docentes. FAMES em 2005.
84
Assim, o primeiro grupo reúne as variáveis: V2) Realiza estudos extraclasse;
V4) Atende as solicitações no portal universitário; V3) Tem respeito e bom diálogo
com colegas e professores; e V5) É pontual, assíduo, participa e permanece nas
aulas. Estas considerações dos professores manifestam uma clientela de alunos
com boa postura acadêmica.
O segundo cluster identificou as variáveis: V8) Utiliza a biblioteca; V9) Tem
conhecimento básico para acompanhar as disciplinas; V7) Participa de eventos
promovidos pela instituição; e V1) Participa em atividades da disciplina. Este grupo
de variáveis reuniu manifestações dos professores em relação a algumas questões
em relação aos alunos - falta de conhecimento básico para acompanhar o
desenvolvimento da disciplina, em conjunto com o reduzido hábito de leitura e
participação em todas as atividades relacionadas às disciplinas.
O terceiro cluster apresenta uma única variável; V6) “Satisfação com o
desempenho dos seus alunos”.
Tabela 10 - Matriz de correlação relativa ao grupo de variáveis sobre a avaliação
discente pelo docente ocorrida na FAMES, em 2005.
V1 V2 V3 V4 V5 V6 V7 V8 V9
V1 –Participação nas
atividades previstas nas
disciplinas
1,00
0,03 -0,03 0,01 0,01 0,08 0,10 0,05 0,10
V2 – Realização de
estudos extraclasse
0,03
1,00 0,96 0,97 0,88
0,43 0,04 0,08 0,01
V3 - Respeito e diálogo
entre prof. e colegas
-0,03
0,96 1,00 0,95 0,86
0,45 0,05 0,08 0,02
V4 -Atendimento a
solicitação do portal
universitário
0,01
0,97 0,95 1,00 0,91
0,41 0,05 0,11 0,03
V5 – Pontualidade e
permanência em sala de
aula
0,01
0,88 0,86 0,91 1,00
0,36 0,06 0,09 0,07
V6 –Satisfação com o
grau de aprovação dos
acadêmicos
0,08 0,43 0,45 0,41 0,36
1,00
0,11 0,06 0,10
V7 - Participação em
eventos promovidos pelo
curso/IES
0,10 0,04 0,05 0,05 0,06 0,11
1,00
0,28
0,83
V8 – Utilização da
biblioteca
0,05 0,08 0,08 0,11 0,09 0,06 0,28
1,00
0,33
V9 - Tem conhecimento
básico para acompanhar
as disciplinas.
0,10 0,01 0,02 0,03 0,07 0,10
0,83
0,33
1,00
Ao analisar a matriz de correlação da Tabela 10, observa-se uma forte
correlação de Pearson entre as variáveis V2xV3, V2xV4, V2xV5, V3xV4, V3xV5 e
85
V4xV5. A variável V7 correlaciona-se com a variável V9 enquanto as demais
variáveis V1, V6 e V8, pouco se destacam com os seus coeficientes de correlação.
Este fato sugere a formação de grupos de variáveis bem correlacionadas, definindo
a possível análise fatorial.
Conforme o Scree Plot 5, percebe-se 2 autovalores maiores do que a
unidade. Nesse caso, o terceiro autovalor está próximo de um, o que cabe lembrar a
observação feita por Rummel (1970) citado Scremin (2003, p.37), que salienta que
deve-se precaver quando a diferença entre dois autovalores subseqüentes é
pequena, por exemplo: 1,02 e 0,96, o que parece não ser coerente reter um dos
fatores e rejeitar o outro. Por isso, pode resultar em um número inadequado de
componentes quando se utiliza apenas o critério da raiz latente.
44,67%
22,48%
11,07%
9,15%
8,21%
2,11%
1,49%
,51%
,30%
-101234567891011
Nº de autovalores
-0,5
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
Autovalores
78,22% variância explicada
Figura 17 –Scree Plot construído pelo programa computacional statistics 7.1, relativo
a avaliação discente pelos docentes, FAMES em 2005.
Observando-se o Quadro 7 tem-se a relação entre autovalores e variância
explicada, que pode ser verificada conforme a expressão (1.4)
86
Variância explicada=
traçoS
k
λ
ˆ
.100
O traço da matriz de variância e covariância é a soma dos autovalores
(4,020420 + 2,023515 + 0,996616 + 0,823291+ 0,738852 + 0,190311 + 0,134109 +
0,046098 + 0,026788) = 9 traS
Variáveis F 1 F 2 F 3 Média DP C.V.% h
2
V1 - Participação nas atividades
previstas nas disciplinas
0,236 0,205
0,997
3,913 0,437
11 0,995
V2 - Realização de estudos
extraclasse
0,974
0,144 0,163
3,752 1,012
27 0,996
V3 - Respeito e diálogo entre
professores e colegas
0,958
0,144 0,167
3,682 0,984
27 0,966
V4 -Atendimento às solicitações do
portal universitário
0,979
0,135 0,129
3,690 0,979
27 0,933
V5 - Pontualidade e permanência
em sala de aula
0,924
0,147 0,084
3,698 0,955
26 0,882
V6 -Satisfação com o grau de
aprovação dos acadêmicos
0,290 0,1459 0,123
3,557 1,023
29 0,121
V7 - Participação em eventos
promovidos pelo curso/IES
0,147
0,951
0,105
3,767 0,446
12 0,937
V8 - Utilização da biblioteca 0,139 0,290 0,098 4,001 0,433 11 0,113
V9 - Tem conhecimento básico
para acompanhar as disciplinas
0,172
0,938
0,173
3,946 0,483
12 0,939
Autovalores 4,020 2,024 0,9966
% da variância explicada. 44,671 22,484 11,074
Variância acumulada. 44,671 67,155 78,229
Quadro 6 – Contribuição de cada variável e seu respectivo fator onde foram
agregados, autovalores, variância explicada e as comunalidades do grupo de
variáveis relativas à avaliação discente pelo docente FAMES, 2005.
Onde, destaca-se abaixo o cálculo dos dois autovalores maiores do que a unidade:
Fator 1
Fator 2 Fator 3
=
1
ˆ
λ
4,020420
=
2
ˆ
λ
2,023515 =
3
ˆ
λ
0,996616
=
9
4,020420
45% =
9
2,023515
22% =
9
0,996616
11%
87
No Quadro 6, após a rotação ortogonal varimax normalizada, percebe-se que
as variáveis V2, V3, V4 e V5 definem o fator 1, pois possuem altos carregamentos
deste fator e negligenciáveis nos fatores 2 e 3. Por outro lado, as variáveis V7 e V9
definem o fator 2 e a variável V1 define o fator 3 da mesma forma.
Duas variáveis ficaram isoladas das demais “utilização da biblioteca” e
“satisfação com o desempenho”, visto que apresentaram uma fraca comunalidade.
Isso reforça um ponto fraco já evidenciado em outras categorias de variáveis, que é
o hábito de não freqüentar a biblioteca o que, inevitavelmente, contribui para um
desempenho acadêmico não satisfatório.
As quatro variáveis agregadas ao fator 1 com uma variância explicada de
45% podem expressar a dimensão “compromisso dos alunos com sua rotina
acadêmica”. A avaliação média das questões é próxima e a variabilidade relativa dos
dados é muito alta (27%). Desse modo, pode-se dizer que não houve um consenso
nas declarações dos professores em relação à preocupação e responsabilidade dos
alunos com relação à realização das atividades inerentes aos conteúdos de suas
disciplinas.
Duas variáveis com uma explicação de 22% apresentaram uma forte
correlação com o fator 2 e possuem médias de desempenho muito próximas com
uma variabilidade relativa de 12%. Nesse caso, os professores julgaram os seus
alunos como portadores dos pré-requisitos necessários para acompanhar a sua
disciplina e também assíduos nos eventos promovidos pela instituição. Esta
constatação não é coerente com a auto-avaliação realizada pelo aluno, em que ele
demonstra rara participação em eventos e pouca freqüência à biblioteca.
O fator 3, com 11% de explicação agregou apenas a variável “Participação
nas atividades previstas nas disciplinas”. Esta variável apresentou uma avaliação
média em torno de 4,0, com uma variabilidade de 11% podendo, assim, expressar
uma manifestação mais unânime entre os professores em relação à realização das
atividades em sala de aula, por seus alunos dentro de suas disciplinas.
Por fim, vale destacar que a discussão em torno da avaliação discente pelo
docente talvez fosse mais válida se tivesse sido realizada separadamente em
relação a cada curso, pois possivelmente se identificaria melhor o perfil do aluno na
visão do professor.
88
Figura 18 – Gráfico do plano fatorial (fator 1 x fator 2) e Scree plot construídos pelo
programa computacional statistics 7.1, relativo a avaliação discente pelos docentes.
FAMES em 2005.
Com uma observação mais criteriosa na nuvem de pontos obtida a partir do
plano fatorial descrito na figura 18, percebe-se três variáveis não correlacionadas
aos fatores 1 e 2. Este fato pode evidenciar que o estudo da avaliação por curso
talvez apresentasse as variáveis reunidas com maior coerência.
ç
ão nas atividades da disciplina
Realização estudos extra cla
s
Resp/diálogo entre prof/coleg
a
Atend. solic. portal univers
Pont/assiduid/permanência em a
u
Satisfação c/ aproveitamento
Part. eventos da IES
Utilização da biblioteca
n
hec. básico p/ acomp.a discipl
-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2
Fator 1
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
Fator 2
Fator 2 - 22% Variância Explicada
Fator 1 - 45% Variância Ex
p
89
CONSIDERAÇÕES FINAIS E SUGESTÕES PARA FUTURAS
PESQUISAS
Os diferentes métodos de avaliação concebidos pelas instituições de ensino
superior têm em comum a finalidade de contribuir para a qualidade e eficiência
institucional, como também subsidiar a gestão acadêmica. A avaliação, enquanto
compromisso de gestão, deverá proporcionar o conhecimento necessário para
incorporar mudanças nas práticas acadêmicas.
Assim, independente da dimensão avaliada, deve-se dar atenção especial
aos dados e a sua forma de análise e interpretação. Uma análise que se limita a
fornecer quantidades ou também apresentar relatórios baseados apenas na
estatística univariada é incapaz de auxiliar na compreensão das múltiplas funções e
dimensões institucionais, como também de sugerir inferências significativas. Em
geral, os métodos estatísticos não têm o poder de competir entre si, apenas
possuem características diferentes e, em cada situação, de acordo com o objetivo,
podem eles encontrar benefícios com uma técnica ou outra.
Nesse trabalho de pesquisa, as utilizações das técnicas multivariadas
evidenciaram as dimensões do construto através da reunião de variáveis que se
agruparam por algum fator de similaridade. Mediante a análise por meio das técnicas
multivariadas, as categorias de variáveis que avaliaram o processo de ensino, neste
estudo apresentaram as seguintes conclusões:
a) Em relação à auto-avaliação do aluno, percebeu-se a necessidade
do professor utilizar técnicas que o incentive mais o para a leitura,
freqüência à biblioteca e participação de projetos de pesquisa e
eventos. Esta observação serve tanto para os alunos do curso de
administração em comércio exterior, como também para todos os
alunos dos demais cursos que participaram desta pesquisa.
b) Quanto aos conteúdos que atenderam os objetivos do curso de
administração em comércio exterior e as práticas pedagógicas
utilizadas, os alunos manifestaram-se satisfeitos e definiram a
90
dimensão “professor comprometido com a pertinência dos
conteúdos em relação ao curso e seus objetivos”.
c) Na avaliação do docente pelo discente, pode-se dizer que os alunos
destacaram que: 1) “o professor deve incentivar mais o
desenvolvimento das habilidades para a leitura, pesquisa e à
participação em eventos”, 2) “a preocupação do professor em
estabelecer em sala de aula um ambiente agradável, assegura um
processo de ensino e aprendizagem de qualidade”, 3)
“procedimentos metodológicos adequados favorecem a participação
efetiva do aluno nas discussões dos conteúdos trabalhados” e 4) “a
interdisciplinaridade não foi percebida pelos alunos como uma
prática freqüente no desenvolvimento dos conteúdos trabalhados”.
d) Em relação à avaliação discente pelo docente, houve pouco
consenso dos professores em manifestar o perfil de seus alunos. As
variáveis agregadas respectivamente aos fatores 1 e 2 foram
insuficientes para traduzir alguma dimensão de destaque. Por isso,
cabe destacar que a avaliação por curso talvez traduzisse melhor
este aspecto.
Assim, a partir dos resultados obtidos procurou-se uma interpretação física
para melhor entender esses construtos, pois através da análise fatorial podem-se
subsidiar interpretações mais argumentativas nas informações traduzidas por meio
das múltiplas relações das dimensões que caracterizam cada categoria de variáveis.
Além disso, a carência interna dos instrumentos de avaliação também pode ser
verificada, visto que, ao se utilizar somente à análise descritiva, ela pode apenas
subsidiar julgamentos parciais por níveis, setores ou pessoas. No entanto, isso faz
com que esta parcialidade e fragmentação na comunicação dos resultados de
desempenho, não favoreça análises globais e observações de tendências, o que é
corroborado por Macedo (2001).
Por conseguinte, os resultados desse estudo não esgotam os debates sobre o
tema, no entanto, são importantes na medida em que subsídios adicionais podem
contribuir para monitorar o processo de avaliação, a cada semestre, a fim de que
medidas possam ser tomadas com vistas à melhoria da qualidade do ensino.
91
REFERÊNCIAS BIBLIOGRÁFICAS
ANTUNES, C. Como desenvolver as competências em sala de aula. Petrópolis:
Vozes, 2002.
BACHMANN, G. M. O uso da análise fatorial na determinação das dimensões da
qualidade percebida em uma biblioteca universitária. Dissertação de mestrado.
Universidade Estadual de Ponta Grossa (UEPG), Paraná, 2002.
BOTH, I. Da Avaliação Precursora ao Comportamento da Avaliação: PAIUB e
SINAES construindo pontes. Revista da Rede de Avaliação Institucional da
Educação Superior, n.4, p. 61-73, 2005.
BRASIL. Programa de Avaliação das Universidades Brasileiras (PAIUB). Brasília:
Ministério da Educação, Secretaria de Educação Superior, 1994.
______. Sistema Nacional de Avaliação da Educação Superior (SINAES). Brasília:
Ministério da Educação (MEC), Secretaria de Educação Superior, 2004.
CRONBACH, L. J. Coefficient Alpha and the Internal Structure of Tests.
Psychometrika, 16, 297 – 334. 1955.
DANCEY C. P. & REIDY J. Estatística sem matemática para psicologia usando
SPSS para Windows. 3ª ed. ARTMED, Bookman, Porto Alegre, 2006.
FURASTÉ, P. A. Normas Técnicas para o trabalho científico: Elaboração e
formatação. 14 ed. Dáctilo-Plus. Porto Alegre, 2006.
92
GUTTMAN, L. Some necessary conditions for common-factor analysis.
Psychometrika, vol. 19, n. 2, 1954.
HAIR, J.F.JR.; ANDERSON, R.E.; TATHAM, R.L.; BLACK, W.C. Análise Multivariada
de Dados. 5 ed. São Paulo: Bookmman, 2005.
JOHONSON, R. A.& WICHERN, D. W. Applied Multivariate statical Analysis. 3 ed.
Prentice-Hall, New Jersy: 1992.
KAISER, H. F. The Varimax Criterion for Analytic Factors Analysis. Psicometrika.
USA, 1958.
LANDIM. P. M. B. Análise estatística de dados geológicos multivariados. Lab.
Geomática. DGA,IGCE,UNESP/Rio Claro, Texto didático 03, 128 p. 2000. Disponível
em http://www.rc.unesp.br/igce/aplicada/textodi.html. Acesso em 2005.
LEITE, D.. Avaliação Institucional Participativa e a Universidade Socialmente
Empreendedora. Revista da Rede de Avaliação Institucional da Educação Superior.
n.1, p. 87-95, 2005.
LOPES, L. F. D. Análise de componentes principais aplicada a confiabilidade de
sistemas complexos. 2001. Tese de Doutorado. (Programa de Pós-Graduação em
Engenharia de Produção) – Universidade Federal de Santa Catarina.
MACEDO, S. A. Desempenho docente pela avaliação discente: uma abordagem
metodológica para subsidiar a gestão universitária. 2001. Tese de Doutorado.
(Programa de Pós-Graduação em Engenharia de Produção) – Universidade Federal
de Santa Catarina.
93
MALHOTRA, K.N. Pesquisa em Marketing. Uma orientação aplicada. Porto Alegre:
Bookman, 2002.
MARDIA, K. V.; KENT, J. T. & BIBBY, J. M. Multivariate Analysis. Londres:
Academic, 1979.
MEZOMO, J. C. Gestão da qualidade na escola: princípios básicos. São Paulo: JC
Mezomo, 1994.
___________. Educação e qualidade: a escola volta às aulas. São Paulo: JC
Mezomo, 1994a.
___________. Gestão da qualidade na escola: princípios básicos. São Paulo: JC
Mezomo, 1994b.
MONTEIRO, S. F. Análise do perfil dos colégios militares baseados em dados de
rendimento de ensino. Florianópolis. Tese (Doutorado em Engenharia de Produção)
– Programa de Pós-graduação em Engenharia de produção, UFSC, 2005.
NAUJORKS, L. C. & ANTONIO, N. Projeto de Avaliação Institucional–FAMES. Santa
Maria, RS, 2000.
PALADINI, E. P. Controle de qualidade: uma abordagem abrangente. São Paulo:
Atlas, 1990.
PASQUALI, L. Técnicas de exame psicológico. TEP. Manual – v 1: Fundamentos
das Técnicas psicológicas LAbPAM. Brasília: UNB/Casa do Psicólogo, 2001.
PEREIRA, J. C. R. Análise de dados Qualitativos. Estratégias Metodológicas para as
Ciências da Saúde, Humanas e Sociais. São Paulo: Editora da Universidade de São
Paulo, 2001.
94
PINTO, M. D. S.; HEINZEN, J. L. N.; MELO, P. A. de. Avaliação como Compromisso
e Instrumento de Gestão nas Instituições de Ensino superior. Revista da Rede de
Avaliação Institucional da Educação Superior. n.1, p. 105 - 119, 2005.
PRIMI, R. ; MORAES, I. F. de. Validade de um Instrumento de Avaliação de
desempenho de Docentes do Ensino Superior. Revista da Rede de Avaliação
Institucional da Educação Superior. n.3, p. 41-59, 2005.
PROGRAD. Trabalho docente na educação superior: proposições e perspectivas.
Centro Universitário Franciscano – UNIFRA. Gráfica editora Palotti, 2003.
RAMOS, C. Excelência na educação: a escola de qualidade total. Rio de janeiro.
Qualitymark, 1992.
REGAZZI, A. J. INF766 – Análise de dados quantitativos: estratégias metodológicas
para as ciências da saúde, humanas e sociais. EDUSP: São Paulo, 2001.
RUPOLO, I. Trabalho docente na educação superior: proposições e perspectivas.
Revista do Centro Universitário Franciscano (UNIFRA). n. 1, p. 59-63, 2003.
SPANBAUER, S. J. Um sistema de qualidade para educação: usando técnicas de
qualidade e produtividade para salvar nossas escolas. Rio de janeiro: Qualitymark,
1995.
SCREMIN, M. A. A. Método para a seleção do número de componentes principais
com base na lógica difusa. Tese de doutorado. Programa de Pós-graduação em
Engenharia de Produção. Universidade de Federal de Santa Catarina, 2003.
VERDINELLI, M. A. Aplicações do modelo fatorial em economia e sua relação com
outras metodologias de análise. Texto para discussão: Universidade Federal de
Santa Catarina (Departamento de Ciências Econômicas), Florianópolis, 1997.
95
SOUZA, A. M. Monitoração e ajuste de realimentação em processos produtivos
Multivariados. Florianópolis. 166p. Tese (Doutorado em Engenharia de Produção) –
Programa de Pós-graduação em Engenharia de produção, UFSC, 2000.
SOUZA, A. M.; VICINI, L. Caderno Didático – Análise Multivariada da Teoria à
Prática. Centro de Ciências Naturais e Exatas.(CCNE) UFSM, Santa Maria, RS,
2005.
SPSS FOR WINDOWS. Version 14.0 Copyright SPSS Inc: USA, 2006.
STATISTICA FOR WINDOWS (vol.III) Statistcs II. Chapter 7.1: Factor Analysis.
Statsoft: USA, 2005.
VALENTIN, J. L. Ecologia numérica: uma introdução à análise multivariada de dados
ecológicos. Inter-ciência. Rio de Janeiro: 2000.
WARD, J. H. Hierarchical Grouping to optimize an objective function. Journal of the
American Statistical Association, v. 58, 1963.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
