De acordo com MARQUES & MARQUES (2005, p.95), é necessário fazer uma diferenciação entre população e amostra.
População é o conjunto formado por todos os elementos com alguma característica comum de interesse, enquanto que amostra é um subconjunto da população, devendo apresentar as características básicas de interesse da população. Portanto, a amostragem consiste no estudo das relações existentes entre populações e as amostras provenientes das mesmas.
Corroborando esta opinião, GIL (1999, p.100) define amostra como “o subconjunto do universo da população, por meio do qual se estabelecem ou se estimam as características desse universo ou população”.
2.3.2 Amostragem: Definição e Tipos
Para Gil (1999, p.100), a amostragem se fundamenta em leis estatísticas que lhe conferem fundamentação científica: “a lei dos grandes números, a lei da regularidade estatística, a lei da inércia dos grandes números e a lei da permanência dos pequenos números”.
Nesta pesquisa, estas leis serão seguidas, focalizando principalmente a lei da regularidade estatística que indica, segundo o autor acima citado (MARQUES &
MARQUES, 2005, p.100), “que um conjunto de n unidades tomadas ao acaso de um conjunto N terá provavelmente as características do grupo maior”.
A amostragem pode ser probabilística e não probabilística. Neste trabalho a probabilística será a utilizada, pois, segundo MEYER (1994), é a amostragem que permite determinar a priori e através de um modelo matemático o erro máximo aceitável por amostragem.
Caracteriza-se ainda dentro da amostragem probabilística, “por todos os
elementos da população terem probabilidade conhecida e diferente de zero de pertencer à amostra.” (MARQUES & MARQUES, 2005, p.95). Segundo os autores, a vantagem da amostragem probabilística é a que a mesma permite o cálculo do erro amostral (p. 96).
Na amostragem probabilística, o trabalho foca a amostragem estratificada proporcional, que, conforme os autores citados, é utilizada quando a população pode ser dividida em subpopulações ou estratos (turma), devendo a variável de interesse ser mais ou menos homogênea dentro de cada estrato’ e dentro da amostra deverá estar presente um número de elementos proporcional ao tamanho de cada estrato.
2.3.3 Determinação do Tamanho da Amostra
De acordo com GIL (1999, p.105) para que uma amostra represente com fidedignidade as características do universo deve ser composta por um número suficiente de casos, que, por sua vez, depende da extensão do universo, do nível de confiança estabelecido, do erro máximo permitido e da percentagem de onde o fenômeno se verifica.
De acordo com MARQUES & MARQUES (2005, p.99), no estudo das distribuições amostrais, devemos distinguir populações finitas e infinitas. Para o autor citado, na prática, populações suficientemente grandes podem ser consideradas como infinitas. Uma população finita, cuja amostragem seja feita com reposição, pode ser considerada teoricamente como infinita, pois, qualquer número de amostras que for extraído, não consegue exaurir a população. Ainda com Gil, autor acima citado, uma população que ultrapasse 100.000 é considerada em pesquisas científicas como sendo infinita.
Aplicando a discussão acima à pesquisa, tem-se que o universo da pesquisa é finito, uma vez que o número de elementos não passa de 100.000.
O nível de confiança estabelecido refere-se à área da curva “normal” (curva de Gauss) definida a partir dos desvios-padrão em relação a sua média. Nesta pesquisa,
será considerado um nível de confiança de 95%. Isto significa que serão considerados dois desvios-padrão.
Sabe-se que os resultados obtidos numa pesquisa a partir de amostras não são rigorosamente exatos em relação ao universo do qual foram extraídas, apresentando sempre um erro de medição. Este diminui na proporção em que aumenta o tamanho da amostra. O erro de medição é indicado por percentuais e nas pesquisas sociais trabalha-se usualmente com uma estimativa de erro entre 3 e 5%. No presente estudo, o erro estimado será de 3%.
A porcentagem com que podemos verificar um fenômeno é muito importante para a determinação do tamanho da amostra. Quanto mais a amostra representar a população da pesquisa, menor poderá ser o percentual trabalhado.
Assim, considerando que a população para o nosso estudo é de 2293 acadêmicos, e supondo um nível de confiança de 95% e erro amostral de 3%, segundo TRIOLA (s.d., p.161), a amostra mínima necessária é de 729 acadêmicos e por esta razão este foi o número de informantes para este trabalho.
2.3.4 Distribuições Amostrais
Esta seção será baseada em MARQUES & MARQUES (2005, p. 99). Na tentativa de definir o que seja distribuições amostrais, o autor sugere que se considere todas as amostras possíveis de tamanho n de uma certa população. Para cada amostra, é possível calcular uma grandeza estatística (média, desvio padrão, variância, etc.) que varia de amostra para amostra de tal forma que se pode obter um conjunto de valores da grandeza estatística calculada, denominado de distribuição amostral.
Particularmente, se a grandeza calculada for a média, a distribuição amostral das médias pode ser obtida, se for o desvio padrão, obtém-se a distribuição dos desvios padrões, etc..
As grandezas estatísticas calculadas para cada amostra são denominadas de estatísticas, enquanto que as grandezas calculadas para populações são denominadas de parâmetros.
No estudo das distribuições amostrais é necessário distinguir entre
populações finitas das infinitas (confira no início desta seção).
Para uma população de média
e desvio padrão
, com tamanho N desde que finita, devemos considerar todas as amostras possíveis de um mesmo tamanho n. A média de cada amostra deve ser calculada. O conjunto das médias amostrais resultantes é denominado de distribuição amostraldas médias.2.3.5 Escala de Likert
De acordo com Gil (1999, p.145), esta escala baseia-se na escala de Thurstone, que foi a primeira experiência de mensuração de atitudes com base numa escala de intervalos, porém a escala de Likert é de elaboração mais simples e de caráter ordinal, não medindo, portanto, o quanto uma atitude é mais ou menos favorável.
A construção de uma escala deste tipo segue os seguintes passos:
a) Enunciados que manifestam opinião ou atitude acerca do problema a ser estudado.
b) Um certo número de pessoas manifestam sua concordância ou discordância em relação a cada enunciado, seguindo a graduação desejada (a de 1 à 5 é a mais utilizada), sendo que a nota mais alta corresponderá a uma atitude mais favorável, e a menos favorável o mais baixo.
c) O resultado total de cada pessoa é alcançado pela soma dos itens respondidos.
d) As respostas são analisadas para verificar quais os itens que discriminam mais claramente entre os que obtêm resultados elevados e os que obtêm resultados baixos na escala total. Para tanto, testes de correlação são utilizados. Os itens que não apresentam forte correlação com o resultado total, ou que não provocam respostas diferentes dos que apresentam resultados altos e baixos no resultado total, são eliminados para garantir a coerência interna da escala.
A seguir o Modelo SERVQUAL passa a ser discutido.