Escala de Likert

O modelo utilizado para a mensuração dos dados dos questionários entregues aos participantes da pesquisa é a escala de Likert, que associa números à expressão de favorabilidade ou desfavorabilidade em relação a uma determinada questão, o indivíduo indica também seu grau de concordância ou reprovação para cada item perguntado (SCHFFER, 2004). A orientação para atribuir a escala de Likert em pesquisas é utilizar uma medida ímpar de graduações, em que o ponto intermediário é considerado um nível neutro entre concordância e discordância; para Schffer (2004), tal tipo de graduação permite que o indivíduo expresse não apenas sua posição favorável ou contra, como também até que ponto discorda ou concorda dentro da sequência de intensidade da resposta. A escala pode ser numérica acrescida de textos, como disposta na figura 84, como também pode utilizar imagens que representem o nível de concordância do indivíduo, como a ilustração da figura 85.

Figura 84 - Escala de Likert numérica

Fonte: Silva Júnior; Costa, 2014, p. 5.

Figura 85 - Escala de Likert ilustrada

Fonte: Schermann, 2017, p. 1.

A escala empregada nos questionários desta pesquisa é de nove pontos, pois “a confiabilidade é melhor em escalas cujos itens são medidos com mais de 7 pontos, e diminui quando os itens possuem menos de 5 pontos” (SILVA JÚNIOR; COSTA, 2014, p. 5). O ponto central da escala é o número cinco, de modo que os respondentes que não possuem certeza se concordam ou discordam com uma determinada questão tenham uma opção neutra para resposta. Além disso, a escala nos questionários entregues aos respondentes se apresenta da seguinte forma: discordo completamente, discordo fortemente, discordo, discordo parcialmente, razoável, concordo parcialmente, concordo, concordo fortemente e concordo completamente. Inclui-se, ainda, a resposta “não sei responder”, em substituição à opção “não se aplica” do QUIS, para que os indivíduos que se sentissem indecisos em selecionar um nível da escala pudessem ter uma opção neutra de resposta.

A interpretação dos dados da escala de Likert é dada da seguinte forma: alto escore na escala representa alta aceitação do que lhe foi colocado, enquanto baixo escore representa o oposto (SCHFFER, 2004).

7.3.2 Média aritmética

De acordo com Ferreira (2005), a média aritmética é uma medida de tendência central11_, além de ser uma técnica estatística bastante comum, intensa e extensivamente utilizada, pois

11 _{As medidas de tendência central fornecem um valor numérico representativo do valor médio (central) de uma}

seu conceito é familiar e até mesmo intuitivo, visto que a média é obtida pela soma das observações dividida pelo número delas. A fórmula para o cálculo da média é a seguinte:

𝑀𝑒 =𝑆 𝑛 Em que,

𝑀𝑒: média

S: soma dos termos n: números de termos

A média aritmética é o centro de gravidade do conjunto de dados, por atribuir um valor médio entre os números maiores e menores de uma escala (VIEIRA, 2011). Na análise de dados desta pesquisa, a decisão pela utilização da média para a visualização das notas atribuídas pelos respondentes se deu por ela não ignorar valores menos citados pelos respondentes, como poderia ocorrer utilizando apenas a tabulação proposta pelo QUIS.

7.3.3 Moda

A moda é uma medida de tendência central, tal como a média aritmética, porém esta apresenta dentre uma sequência de valores aquele que ocorre com maior frequência em um conjunto de dados, e sua representação é dada por Mo (FERREIRA, 2005; VIEIRA, 2011).

Como exemplo, os dados abaixo se referem à idade de dez alunos de uma sala de aula de 9º ano:

Idade: (15, 15, 16, 17, 15, 17, 16, 15, 17, 15)

A análise desse conjunto de dados é a idade que mais aparece, ou seja, a moda é Mo=15. Pode ocorrer de em uma mesma sequência aparecerem dois valores com a mesma frequência, nesse caso é correto afirmar que o conjunto de dados é bimodal (RIBEIRO, 2018).

A utilização da moda para descrever dados quantitativos permite encontrar o valor de maior densidade em uma amostra; no contexto deste trabalho a moda permite complementar os dados obtidos por meio da escala de Likert.

7.3.4 Variância amostral

Considerando que os dados se distribuem em torno da média, a variância amostral se classifica como uma medida de dispersão, isto é, mediante a variância é possível expressar o quanto um conjunto de dados se desvia da média (FERREIRA, 2005; VIEIRA, 2011).

De acordo com Ribeiro (2018, p. 1), “quanto menor é a variância, mais próximos os valores estão da média; mas quanto maior ela é, mais os valores estão distantes da média”. O cálculo da variância se dá pelo número de elementos de uma amostra (X1, X2...Xn), menos a média aritmética 𝑥̅ desses elementos ao quadrado, dividido pelo número de elementos subtraído de um (n-1), e se dá pela seguinte expressão:

Var. amostral = (X1 – 𝑋)² + (X2 – 𝑋)² + (X3 – 𝑋)² + ... + (Xn – 𝑋)² n – 1

A variância é um importante elemento para o cálculo do desvio padrão, apresentado no tópico a seguir.

7.3.5 Desvio padrão

Segundo Ribeiro (2018) o desvio padrão possibilita encontrar o “erro” em um conjunto de dados, caso a intenção do pesquisador fosse substituir um dos valores coletados por meio da média aritmética. Desse modo, o desvio padrão deve ser aplicado quando se utiliza a técnica estatística da média aritmética, de modo a informar a confiabilidade do valor obtido por essa técnica.

Seu cálculo se dá pela raiz quadrada da variância, pois “dessa forma o desvio padrão é expresso na mesma unidade dos dados e por essa razão possui significado físico e é preferido pelos investigadores, por ser mais fácil de interpretar” (FERREIRA, 2005, p. 41). Sua fórmula é expressa por:

𝐷𝑃 = ∑ (𝑥 − 𝑀 )

𝑛

Em que,

xi: Valor na posição i no conjunto de dados MA: Média aritmética dos dados

n: Quantidade de dados

A função do desvio padrão em um estudo é expressar o grau de dispersão de um conjunto de dados, isso significa que quanto menor a distância do desvio padrão for de zero, maior é a concentração do conjunto de dados em torno da média; quanto maior o desvio padrão, maior é a dispersão dos valores em relação à média (FERREIRA, 2005; VIEIRA, 2011).

Nesse sentido, o desvio padrão visa auxiliar a interpretação dos dados obtidos pela média aritmética, possibilitando uma melhor compreensão dos valores extraídos dos questionários.

7.3.6 Alfa de Cronbach

Ao empregar questionários em pesquisa de opinião, deve-se levar em consideração duas características: a validade e a confiabilidade. A validade tem como objetivo sustentar a capacidade do questionário de medir o objeto para o qual ela foi desenvolvida para medir; a confiabilidade é definida pelo grau com que os valores observados se correlacionam entre si e o resultado geral da pesquisa (HAYES, 1995; TROCHIM, 2003).

A fim de mensurar a consistência interna de um questionário, um dos procedimentos estatísticos de maior popularidade é o cálculo do coeficiente alfa de Cronbach, que possibilita estabelecer a média das correlações entre os itens que compõem o questionário.

Considerando que um questionário emprega a mesma escala de medição para os diferentes itens que a compõem, o coeficiente é calculado a partir da variância dos itens individuais e das covariâncias entre os itens por meio da equação:

Em que,

k é o número de itens (perguntas) do questionário, devendo ser maior que 1 𝑆 é a variância do item i e

𝑆 é a variância total do questionário.

O valor k é um fator de correção, e para que haja consistência nos dados quantificados, 𝑆 deve ser relativamente grande, fazendo com que 𝑆 tenda a 1. Entretanto, respostas randômicas farão com que o valor da variância total do questionário seja comparável à soma das variâncias individuais, fazendo com que o valor α tenda a zero (FREITAS; RODRIGUES, 2005).

A interpretação do coeficiente alfa de Cronbach considera como satisfatórios os questionários cujo α é maior que 0,60, porém quanto maior o valor de α, maior é o grau de confiabilidade do questionário. A tabela 1 apresenta os valores e as respectivas classificações de confiabilidade do questionário.

Tabela 1 - Classificação da confiabilidade a partir do cálculo do coeficiente 𝛼 de Cronbach

Fonte: Freitas; Rodrigues, 2005, p. 5.

Considerando que as pessoas possuem percepções e interpretações diferenciadas sobre os itens avaliados, é muito improvável que haja uma concordância absoluta a respeito do valor de um determinado item. Porém, quando há semelhança na natureza dos avaliadores, poderá haver menor variabilidade nos julgamentos, o que pode conduzir a menores valores de confiabilidade do questionário (FREITAS; RODRIGUES, 2005).