Este blogue será utilizado na nova Unidade Curricular - Metodologias de Investigação do Programa Doutoral Multimédia em Educação. Os elementos do grupo são: Carlota Lemos,Cláudia Cruz, Isabel Araújo, Luís Pereira e Lurdes Martins.

29
Mar 10

Norton, L.S. (2009). Action Research in Teaching and Learning. A practical guide to conducting pedagogical research in universities. Routledge e Taylor & Francis e-Library. Oxon and New York.


8. Como pode analisar os dados quantitativos na investigação-acção pedagógica?

O autor refere que a análise quantitativa é vantajosa em estudos de investigação-acção pedagógica quando o método é

· uma experiência,

· uma escala de atitude ou de inquérito;

· um estudo de observação, que envolve contagem,

· produz toda a informação que é quantificável (intervalos de idades, número de anos de ensino, etc.)

Neste capítulo, faz a distinção entre a estatística descritiva e estatística inferencial, resumindo os princípios básicos de alguns dos testes estatísticos, bem como indicando algumas orientações que podem ajudar na escolha se desejar usar um teste paramétrico ou não-paramétrico.

As estatísticas descritivas

São usadas quando se deseja apresentar as descrições dos dados observados, isto é, apresentar as informações contidas nos dados. Apresentam-se as estatísticas descritivas mais utilizadas: medidas de tendência central (média, mediana e moda), medidas de dispersão ou variabilidade (variação, desvio médio e desvio padrão) e contagem de frequência.

Contagem de frequência é o registo do número de vezes que determinada característica é observada no estudo; é uma maneira fácil de resumir os dados e de forma que seja acessível a qualquer público.

Medidas de tendência central

- média resume um grande número de dados num único valor. No entanto, pode ser enganosa quando os dados se encontram mais dispersos.

- mediana é o valor médio de um conjunto de dados ordenados por ordem crescente. A sua principal vantagem é não ser afectada por outlier.

- moda é o valor dos dados que ocorre com mais frequência; pode não ser única, havendocasos de distribuições trimodal ou bimodal.

medidas de dispersão

- amplitude total (intervalo de variação) é a diferença entre os valores extremos da variável; pode dar uma ideia um pouco distorcida do estudo.

- desvio médio indica o quanto, em média, os dados diferem da média da distribuição;é calculado utilizando todos os dados, mas como considera os valores absolutos dos desvios não possui grandes propriedades matemáticas.

- desvio padrão é a medida de dispersão mais utilizada, está relacionado com a distribuição normal (média, mediana e moda todas iguais ou muito próximos); diz-nos quanto os valores da variável estão desviados da média. Quanto menor for o desvio padrão mais equilibrada será a distribuição. É um dos indicadores para a escolha de um teste estatístico.

A estatística descritiva oferece um caminho claro de apresentar os resultados.No entanto, existem estudos quando se quer ir além de descrever os dados de modo a dar uma explicação de causa e efeito. Esta é a estatística inferencial.

Estatística inferencial

Este tipo de análise estatística ultrapassa o nível de descrição e pretende tirar algumas conclusões a partir dos dados recolhidos;seria usado, por exemplo, quando se está a testar hipóteses para se fazer previsões.O autor concentrou-se em três tipos de testes: os testes para correlações, testes de diferenças de média (amostras emparelhadas e amostras independentes) e testes de ajustamento.

nível de confiança (ou teste de significância - os mais utilizados em ciências sociais são: 55%, 99%, 99,9% e 99,99%) significa até que ponto podemos estar confiantes que os resultados que obtivemos nas nossas investigações não ocorreram por acaso;

o nível de significância (os mais utilizados em ciências sociais são: 5%, 1%, 0,1% e 0,01%) significa que existe essa probabilidade de os resultados terem surgido por acaso;

Como regra geral, utilizam-se testes paramétricos quando:

· dados têm um verdadeiro valor numérico.

· os dados na amostra/s se encontram agrupados em torno da média ou de medidas de tendência central (isto é conhecido como homogeneidade).

· o tamanho da amostra/s é grande e aproximadamente igual.

Uso de testes não-paramétricos quando:

· os dados não têm um verdadeiro valor numérico; por exemplo, como a produzida por escalas de Likert, onde temos uma medida ordinal e, por isso, os números não têm quaisquer propriedades matemáticas.

· a dispersão dos dados indica uma grande variabilidade.

· o tamanho da amostra é pequeno ou desigual.

Testes paramétricos, são mais poderosos, no entanto, só devem ser usado quando as distribuições são normais e os desvios-padrão das amostras são mais ou menos semelhantes, caso contrário, é mais seguro utilizar testes não-paramétricos.

Testes de correlação

Existe ambigüidade se estes testes são considerados como uma estatística descritiva ou inferencial. Estes testes permite-nos verificar se existe relação entre duas variáveis. Obter uma forte correlação, não significa que exista uma relação causal entre as variáveis, mas as correlações também podem ser usadas para fazer previsões sobre resultados. Os testes mais utilizados são:

· Ró de Spearman (teste não-paramétrico);

· Coeficiente de correlação de Pearson (teste paramétrico).

Testes de diferença para variáveis emparelhadas (medidas repetidas)

Estes testes são usados quando queremos estudar diferenças significativas entre dois conjuntos de dados do mesmo grupo de sujeitos.

· Teste do sinal, compara os valores de uma variável ordinal em duas condições entrando com o sinal das diferenças. Pode ser útil em estudos de observação ou estudos de questionário onde exista um critério de emparelhamento.

· Teste de Wilcoxon, o mais poderoso teste para diferenças entre variáveis emparelhadas, entra não só com o sinal das diferenças mas também com a sua ordem.

· Teste T-Student, há duas versões do t-teste para variáveis emparelhadas e para grupos independentes.O teste t para medidas repetidas compara os valores de uma variável intervalar ou rácio em duas condições de emparelhamento, trabalha com a média e a distribuição dos dados em torno da média para ambas as condições. Para n < 30 exige que se verifique a normalidade das variáveis.

Testes de diferença para grupos independentes

· Teste de Mann-Whitney (teste não-paramétrico) é o mais utilizadoquando se tem grupos independentes e grupos de tamanhos irregulares; aplica-se na relação entre uma variável ordinal com uma dicotómica. Alternativa ao teste t.

· Teste t compara as médias de uma variável quantitativa ou de um conjunto de variáveis quantitativas relacionadas entre si, numa variável dicotómica.

Testes de ajustamento (aderência)

· Teste Qui-quadrado, , compara as categorias de uma variável nominal e pode ser utilizado em situações onde se tem simplesmente observações ou dados categóricos (por exemplo, sim/não resposta a um questionário). Colocam-se esses dados numa tabela de contingência e, em seguida, aplica-se o teste qui-quadrado, comparando-se se os valores observados são significativamente diferentes dos valores esperados.

Março 2010
Dom
Seg
Ter
Qua
Qui
Sex
Sab

1
2
3
4
5
6

7
8
9
10
11
12
13

14
15
16
17
18
19
20

21
27



subscrever feeds
arquivos
pesquisar
 
blogs SAPO