Análise quantitativa

Todas as etapas da análise contaram com uma parte quantitativa, com base na contagem de ocorrências. Devido às diferenças de participação de cada grupo nas interações, as ocorrências de cada fenômeno foram expressas na forma de proporções, indicando porcentagens ou razões, o que possibilitou a comparação dos dados. As proporções se referem sempre a uma dimensão superior a que está sendo analisada. No caso da contagem total de atividades de conflito por exemplo, é feita a proporção em relação aos turnos de fala totais de cada interação. Já no caso de tipos específicos de atividades de conflito, a proporção é feita em relação às ocorrências totais de atividades de conflitos em cada grupo. Em cada etapa de análise, essas proporções são explicitadas.

Para a comparação dos dados, além da proporção foi utilizado o teste de significância do qui-quadrado de Pearson, que permite verificar se determinada distribuição se deve ou não ao acaso e comparar as possíveis divergências entre as frequências observadas e esperadas para certo evento (cf. STEFANOWITSCH, 2004). Nesse sentido, através do teste foi possível perceber se as diferenças de proporção observadas nos fenômenos analisados eram de fato significativas ou aleatórias. Para a aplicação do teste, cada um dos grupos (homens alemães, homens brasileiros, mulheres alemãs, mulheres brasileiras) foi considerado independente e as ocorrências foram distribuídas em uma escala nominal, ou seja,

considerando a presença ou ausência de determinada característica (cf. DOWDY; WEARDON; CHILKO, 2004).

O teste foi aplicado de forma individual para cada fenômeno estudado, permitindo uma análise mais precisa da significância de cada fenômeno. Como os números totais de atividades de conflito são variáveis em cada grupo, para o estudo dos fenômenos observados na realização de atividades conflito, considerou-se o total de atividades de conflito para cada grupo e o total de ocorrências do fenômeno estudado para a aplicação do teste do qui- quadrado.

Tomemos um exemplo hipotético para ilustrar a aplicação do teste. Nesse exemplo, vamos verificar se as ocorrências da característica Y em atividades de conflito se devem ou não ao acaso. Na Tabela 5 podem ser vistas as ocorrências totais da palavra e as ocorrências totais de atividades de conflito em cada grupo estudado.

Tabela 5: Exemplo de aplicação do teste do qui-quadrado: porcentagens de conflitos Ocorrências de Y Total de conflitos % Y

I - homens alemães 20 267 7,49%

II - homens brasileiros 15 137 10,95%

III - mulheres alemãs 35 151 23,18%

IV - mulheres brasileiras 15 269 5,58%

Mesmo que se possam ver diferenças entre os valores percentuais na última coluna, isso não significa que a distribuição das ocorrências é realmente significativa. Para confirmar isso, realizamos o teste do qui-quadrado utilizando para tanto as ocorrências observadas. Sendo o teste qui-quadrado aplicável somente a uma escala nominal, ele não poderia ser aplicado aos dados dessa forma, uma vez que a coluna de ocorrências de Y também faz parte do total de conflitos. Por outro lado, a utilização do número total de conflitos é importante devido à grande variação de sua realização entre os grupos. Para possibilitar a aplicação do teste, foi feita a transformação das categorias mostradas acima em nominais, ou seja, ‘conflitos com ocorrência de Y’ e ‘conflitos sem ocorrência de Y’, gerando a Tabela 6. Esse procedimento foi realizado em todas as aplicações do teste qui-quadrado, ainda que não tenham sido explicitados na apresentação de resultados.

Tabela 6: Exemplo de aplicação do teste do qui-quadrado: distribuição nominal Conflitos com Y Conflitos sem Y

I - homens alemães 20 247

II - homens brasileiros 15 122

III - mulheres alemãs 35 116

IV - mulheres brasileiras 15 254

Como hipótese nula, considera-se que as diferenças observadas entre as ocorrências de Y se devem ao acaso, não sendo portanto significativas. A hipótese alternativa por sua vez, é de que as diferenças são significativas, ou seja, a distribuição não se deve ao acaso. Considera-se alfa igual a 0,05 (α=0,05: nível tradicional de rejeição, cf. DOWDY; WEARDON; CHILKO, 2004), indicando que a hipótese nula será rejeitada desde que p<0,0539_{. Caso o resultado da aplicação do teste rejeite a hipótese nula, falaremos que existe} uma diferença significativa na distribuição de dados. Os valores de p poderão ser indicados também de acordo com o seu grau de significância, sendo que no caso de 0,01≤ p<0,05, será inferida uma diferença significativa, com a indicação p<0,05, no caso de 0,001≤ p<0,01, será inferida uma diferença muito significativa, com a indicação p<0,01 e no caso de p<0,001 será inferida uma diferença altamente significativa, com a indicação p<0,001.

Para a indicação do resultado de aplicação do teste, serão informados o valor de χ², de p e o número de graus de liberdade (df)40_{. Para o exemplo hipotético ilustrado acima,} por exemplo, encontramos uma distribuição altamente significativa, com χ²=35,9, df=3, p<0,001. Como o teste de qui-quadrado não é confiável para números de observações muito baixos41 _{(principalmente em tabelas 2x2), os valores de linhas ou colunas poderão ser} somados para sua aplicação ou poderá ser aplicada a correção estatística para continuidade de Pirie-Hamdem (cf. RODRIGUE, 2011) dependendo do caso.

Considerando que muitas vezes um único dado de proporções diferentes dos demais pode fazer com que uma distribuição seja significativa, além da distribuição das ocorrências em todos os grupos, em alguns casos foram testadas a distribuição de ocorrências em grupos específicos, de forma a precisar os grupos em que a distribuição é realmente significativa. Analisando as diferenças percentuais entre as ocorrências de Y nos grupos na

39 Ou seja, a probabilidade de que a distribuição observada seja aleatória é menor que 5%

40 Os graus de liberdade ou degrees of freedom (df) correspondem na tabela do Qui-quadrado ao número de linhas menos um, multiplicado pelo número de colunas menos 1. No caso do exemplo, tendo sido utilizada uma tabela 4x2, o grau de liberdade será igual a (4-1)*(2-1)=3

41 Os valores de frequência esperada devem ser maiores que 5 em pelo menos 20% das células (cf. RODRIGUE, 2011).

Tabela 5 por exemplo, nota-se uma diferença alta entre mulheres e homens alemães (23 e 8%) e mulheres alemãs e brasileiras (23 e 5%) e uma diferença não tão alta entre homens e mulheres brasileiros (11 e 6%) e entre homens alemães e brasileiros (8 e 11%). Utilizando os valores da Tabela 6, pode-se realizar novamente a aplicação do teste, dessa vez em relação a esses pares de grupos. Com a nova aplicação do teste, encontrou-se uma diferença não significativa entre as ocorrências de homens brasileiros e alemães (p=0,24) e de homens e mulheres brasileiros (p=0,05) e uma diferença altamente significativa para os outros grupos: entre homens e mulheres alemães, χ²=20,7, df=1, p<0,001 e entre mulheres alemãs e brasileiras, χ²=28,6, df=1, p<0,001. Isso aponta que as diferenças de ocorrência de Y são significativas apenas entre os últimos grupos.

Ainda que a aplicação do teste não seja apresentada de forma tão detalhada no capítulo de análise, esse exemplo mostra o processo de aplicação para a comparação de todos os grupos e de grupos específicos, utilizado na análise da maior parte dos fenômenos observados. Para a realização dos testes, foi utilizada uma planilha eletrônica pré formatada (RODRIGUE, 2011), que possibilita a aplicação do teste com diferentes distribuições (2x2, 2x3, 2x4, 3x3, 3x4, 4x4), utilizadas de acordo com as necessidades de análise.