INSTRUMENTO PARA ANÁLISE DE DADOS – ANÁLISE DE

Os dados obtidos nas classificações dirigidas foram interpretados através do procedimento não-métrico e multidimensional denominada de Smallest Space Analysis por Louis Guttman (1968) e Smilarity Structure Analysis por Borg e Lingoes (1987), executado com o auxílio do programa informático HUDAP (Hebrew University

Data Analysis Package), utilizando a versão 7.

De acordo com Bilsky (2003), bem como por Borg e Lingoes (1987), o SSA é uma forma não-métrica, em que as semelhanças entre as variáveis se refletem como pontos próximos e distantes em um espaço euclidiano, e as variáveis semelhantes são agrupadas e aquelas diferentes encontram-se distantes nesse espaço multidimensional. Dessa forma, é possível identificar diferentes regiões.

O SSA é uma técnica para análise estrutural de dados por similaridade, que fornece uma representação métrica de informações não métricas com base nas distâncias relativas dentro de um conjunto de pontos. Cada variável é caracterizada por um ponto em um espaço euclidiano de uma ou mais dimensões. Os pontos são traçados no espaço de menor dimensionalidade possível, que preserva a ordem de classificação das relações, Isso significa que a proximidade das variáveis no espaço multidimensional é proporcional ao grau de similaridade que apresentam. Quando a correlação entre duas variáveis é alta (quando são altamente semelhantes), a distância entre elas deve ser relativamente pequena. Por outro lado, quando a correlação entre duas variáveis é baixa (quando são pouco semelhantes), a distância entre seus pontos geométricos deve ser grande (ROAZZI; DINIZ; CANDEIAS, 2015). Essas relações de similaridades podem ou não formar regiões de adjacência (proximidade), que possibilitam verificar se as hipóteses iniciais propostas na através da Teoria das Facetas (por meio da sentença estruturadora) são transformadas em hipóteses regionais, em relação às quais se espera evidenciar regiões que abarquem os elementos internos de cada faceta.

A Teoria das Facetas, portanto, parte da suposição de que as facetas têm um papel específico e determinante no que formará o espaço multidimensional, isto é, como cada faceta se apresenta no espaço multidimensional. Dessa forma, cada região pertencerá a um determinado subconjunto de variáveis, no espaço

multidimensional, identificadas por algum elemento similar pertencente a alguma das facetas inseridas na sentença estruturadora. Essas regiões tomam formas muito específicas, como configurações circulares, cuneiformes (angulares) ou faixas paralelas (COSTA FILHO, 2012; FIGUEIREDO, 2001; BILSKY, 2003).

A forma que a região aparece no espaço, depende do tipo de faceta pela qual ela se originou. Existem dois tipos as facetas, ordenadas e as qualitativas. As ordenadas são as facetas que compreendem uma amplitude de mínimo a máximo. Desse modo, as facetas ordenadas se apresentam de maneira hierárquica.

Bilsky (2003, p.361) afirma que “quando se trata de uma faceta ordenada é possível prognosticar a hierarquia de correlações entre pares de variáveis”.

Essas facetas, quando não se relacionam com outras, apresentam-se como regiões separadas de forma axial (Figura 11), isso é, separados por linhas paralelas. Essa forma também é conhecida como simplex, já quando se relacionam com 1 ou mais facetas, apresentam-se de forma modular. Já as facetas denominadas de qualitativas, não se manifestam em ordens obvias, essas apresentam-se em regionalizações polares. Na separação do tipo modular, as variáveis encontradas no centro tendem a ter um sentido mais geral que as encontradas nos pontos mais externos, isso é, as variáveis mais periféricas, embora tenha algo em comum com as centrais, são mais específicas. Todavia, as variáveis representadas por pontos no centro da regionalização modular no espaço multidimensional têm correlações mais altas que as mais periféricas. No tipo de separação polar, as variáveis adjacentes, representadas por pontos no espaço multidimensional, são mais semelhantes em relação à característica medida para determinada faceta, que as não adjacentes. (BILSKY, 2003; BORG, 2005).

Quando uma separação polar se une a uma modular, forma-se regionalizações do tipo radex, quando duas axiais são combinadas, surgem as duplex, e quando um radex apresenta separação axial, surgem as regiões cylindrex (BORG, 2005).

Em relação à solução da SSA propriamente dita, essa compreende um mapeamento de todos os itens processados para um espaço de dimensionalidade especificada. Nesta pesquisa, essa solução compreenderá o processamento das

cenas de ambientes de trabalho em escritórios avaliadas por cada participante para um espaço bidimensional (diagrama do espaço da SSA).

Figura 11 – Tipos de separações das facetas no espaço euclidiano.

Fonte: Borg, I (2005, p. 598)

As análises dos diagramas da SSA podem revelar relações, padrões e regras implícitas nos dados obtidos, imperceptíveis nas análises quantitativas usuais (BORG; LINGOES 1987). Ao final dos testes, os resultados fornecem bases para a confirmação da sentença estruturadora ou para a construção de uma nova, com a redefinição das hipóteses inicialmente consideradas.

Caso as hipóteses regionais sejam verificadas, revelam aspectos relativamente estáveis do conceito investigado, dando-lhe legitimidade, além de confirmar a estrutura interna de conceitos e atributos, possibilitando a percepção de componentes empiricamente verificáveis e da forma como se inter-relacionam (SHYE; ELIZUR; HOFFMAN, 1994).

O SSA permite ainda testar e confirmar se um determinado grupo opera da mesma maneira que outro na avaliação da cor nos escritórios, questão relacionada com o terceiro objetivo específico formulado na pesquisa. Esse tipo de variável externa, segundo Monteiro e Roazzi (2009), é considerada um grande avanço na SSA e permite a integração de subpopulações no mapa de componentes originais. Logo, em vez de analisar diversas projeções diferentes, produzidas para cada grupo considerado em uma pesquisa, é possível apreciar uma única projeção que retrata, ao mesmo tempo, a estrutura regional e os diferentes subgrupos como variáveis externas.

5 QUALIDADE CROMÁTICA PERCEBIDA EM AMBIENTES DE TRABALHO EM