Organização e análise dos dados do questionário

Os dados do questionário foram tratados informaticamente, através do programa estatístico, Statiscal Package for the Social Science, versão 11.5. (SPSS).

Aos itens da primeira e segunda parte do questionário foi feita uma análise descritiva que se apresentam em tabelas descritivas e de frequências. Quanto à terceira parte optou-se por uma análise factorial de componentes principais. A opção por este tipo de análise emergiu da convicção de que este tratamento permitiria simplificar a análise de dados, dado o número de itens do questionário.

A análise factorial pode ser considerada um processo de validação, visto que permite a detecção da organização interna das variáveis e a descoberta dos factores subjacentes de variância.

Com efeito, “a Análise de Componentes Principais é de grande utilidade quando se pretende reduzir a

dimensão de uma autêntica floresta de caracteres, permitindo o seu relacionamento global e em simultâneo. As componentes principais consistem em novos caracteres sintéticos, construídos a partir da combinação linear dos caracteres iniciais, agrupados por meio de factores”(Januário, 1996:140).

Para prosseguirmos com a análise factorial foi necessário testar o coeficiente de Kaiser- Meyer-Olkin (KMO) que obrigatoriamente tinha que apresentar um valor superior a 0,6 e uma percentagem de variação explicada superior a 60,00%.

Posteriormente fomos medir a consistência interna através do Alpha de Cronbach, que é uma das medidas mais usadas para a verificação da consistência interna. O valor do Alpha de Cronbach varia entre 0 e 1 e, mediante o valor obtido, é considerada uma determinada consistência interna. No quadro seguinte está indicado a classificação da consistência interna de acordo com o valor de Alpha de Cronbach.

Quadro nº 5

Limites aceitáveis para os valores do Alpha de Cronbach

Valor do Alpha de Cronbach Consistência interna

> 0,9 Muito boa

[0,8;0,9] Boa

[0,7;0,8[ Razoável

[0,6;0,7[ Fraca

< 0,6 Inadmissível

A partir das pontuações atribuídas pelos inquiridos e, pela consistência interna obtida, foram criadas novas variáveis, que designámos por pontuações médias e que são contínuas.

Na fase seguinte o objectivo foi ver se existiam diferenças significativas nas pontuações médias atribuídas pelos inquiridos, face às variáveis que caracterizavam a população do estudo: idade, tipo de instituição pública/privada, com um educador/mais de um educador e ano lectivo em que terminaram o curso.

A existência de diferenças significativas nas pontuações médias é calculada através de testes paramétricos e não paramétricos. No nosso estudo para sabermos quais os testes que deveriam ser utilizados, em primeiro lugar fomos verificar se as pontuações médias eram variáveis normais. Quando as pontuações médias são variáveis normais, usamos testes paramétricos, caso contrário usamos testes não paramétricos.

O teste que nos permite concluir se uma variável é ou não normal é O teste Kolmogorov- Smirnov, cuja hipótese nula do teste é se a variável é normal. Se o valor -p obtido (nível de significância) for inferior a 0,05, então rejeitamos a hipótese nula do teste, ou seja, a variável não é normal. Se o valor -p obtido for igual ou superior a 0,05, então os dados não nos permitem rejeitar a hipótese nula do teste, ou seja, a variável é normal.

Testes paramétricos utilizados na análise dos dados

Teste T-Student

É um teste paramétrico que permite concluir se existem diferenças significativas nas pontuações médias entre dois grupos. Este teste foi utilizado nas variáveis tipo de instituição: pública/privada e com um educador/com mais de um educador, já que pretendíamos testar as pontuações médias em dois grupos.

A hipótese nula deste teste é que a média da pontuação média num grupo é igual à média da pontuação média no outro grupo. Se o valor -p obtido for inferior a 0,05, a hipótese nula é rejeitada. A média das pontuações médias é diferente nos dois grupos, donde podemos concluir que existe diferenças significativas nas pontuações médias, ou seja, o facto das educadoras pertencerem a um determinado grupo, tem influência nas pontuações médias atribuídas.

Contudo, antes de lermos o valor -p do teste T-Student, fomos ler o valor -p do teste de Levene. Este teste permite-nos assumir ou não a igualdade de variâncias. A hipótese nula do teste de Levene é a igualdade de variâncias nos dois grupos e é rejeitada, se o valor -p for inferior a 0,05, donde não assumimos a igualdade de variâncias. Se o valor -p do teste de Levene for igual ou superior a 0,05, os dados não nos permitem rejeitar a hipótese nula, donde assumimos a igualdade de variâncias.

É de notar, que na caracterização da população existem três tipos de instituição: pública, privada e um outro tipo. Nesta análise, comparámos o público com o privado, pois não fazia sentido fazer uma comparação com mais um grupo, quando tínhamos apenas 3 educadoras de um total de 84 a exercer em instituições semi-privadas.

Teste One Way ANOVA

É um teste paramétrico que permite concluir se existem diferenças significativas nas pontuações médias em mais de dois grupos. Este teste foi utilizado para as variáveis idade e ano lectivo do terminus do curso. Em qualquer um dos casos, tínhamos mais do que dois grupos.

A hipótese nula deste teste é que a média das pontuações médias é igual para todos os grupos e será rejeitada, se o nível de significância for inferior a 0,05. Neste caso, a média das pontuações médias é diferente, em pelo menos, num dos grupos, daí podermos concluir que existe diferenças significativas nas pontuações médias atribuídas pelas educadoras.

Tal como aconteceu no teste T-Student, tivemos que ler primeiro, o valor -p do teste de Levene. No teste One Way ANOVA a igualdade de variâncias tem que se verificar, dado que é um pressuposto do teste. Na impossibilidade de se constatar a igualdade de variâncias, é inviável a continuação do teste One Way ANOVA. Resta-nos o recurso a um teste não paramétrico.

Se os valores -p obtidos nos testes T-Student e One Way ANOVA forem iguais ou superiores a 0,05, os dados não nos permitem rejeitar a hipótese nula, ou seja, os dados não nos permitem concluir a existência de diferenças significativas.

Testes não paramétricos utilizados na análise de dados

Teste Kruskal-Wallis

É um teste alternativo ao teste paramétrico One Way ANOVA. Utiliza-se quando a variável em estudo não é normal ou quando não se verifica a homogeneidade de variâncias, que são as condições necessárias para a aplicabilidade do teste One Way ANOVA, tal como foi referido anteriormente.

Por último e porque um dos objectivos do estudo era a verificação da relação entre as dificuldades sentidas e a formação veiculada pela Universidade, foi calculado o coeficiente de correlação de Pearson entre as pontuações médias dos itens das dificuldades e da formação inicial. Este coeficiente mede a associação entre duas variáveis contínuas.