Procedimento para o uso do CHIC

Antes de argumentar sobre o uso software CHIC, reporta-se inicialmente à argumentação de Okada (2008a, p. 50):

O CHIC tem sido considerado muito útil para identificar relações entre diversas variáveis, facilitando análise qualitativa de dados. Este software tem sido aplicado à pesquisa acadêmica para interpretação de dados, e também como instrumento de análise para avaliação da aprendizagem, prática pedagógica e formação docente.

E, conforme Couturier, Bodin e Gras (p. 1 do texto de ajuda do software CHIC)

O software CHIC tem por funções essenciais extrair de um conjunto de dados, cruzando sujeitos e variáveis (ou atributos), regras de associação entre variáveis, fornecer um índice de qualidade de associação e de representar uma estruturação das variáveis obtida por meio destas regras.

De forma a organizar e nortear todo o processo de desenvolvimento da análise qualitativa dos dados de campo da presente dissertação propõe-se que o pesquisador estabeleça o uso de um procedimento gradativo. Este se inicia pelo uso de técnicas de análise textual discursiva, para a definição das categorias, articulando-se, em seguida, o uso de técnicas de mapeamento cognitivo de dados multidimensionais, fazendo-se para tanto, a utilização do software CHIC, para auxiliar no desenvolvimento da análise qualitativa hierárquica e relacional de dados multidimensionais, como é apresentado a seguir:

1º) Categorização através da Metodologia de Análise Qualitativa, utilizando a

análise textual discursiva (MORAES, 2003; MORAES; GALIAZZI, 2006)

inicialmente, tomando como base o referencial teórico, objetivos e considerações utilizadas para realizar a análise dos dados de campo de sua pesquisa, o pesquisador deve explorar as relações existentes nos registros textuais produzidos pelos participantes dos fóruns, procurando conceber as formais mais significativas para representar as categorias. Para consolidá-las, deve realizar várias (re)leituras do material de pesquisa,

(re)confrontá-las junto ao referencial teórico e objetivos da pesquisa, incorporando a forma argumentada no item anterior da presente dissertação.

2º) Validação das categorias (MORAES, 2003; MORAES; GALIAZZI, 2006): definidas as categorias, deve verificar se há necessidade de nova exploração no material de pesquisa, o que pode se caracterizar num processo cíclico, para revalidar as categorias. Realizada a fase de seleção das categorias, em seguida, convida-se outro pesquisador para realizar um processo de validação externa das mesmas (ALMEIDA, 2000; PRADO, 2003).

3º) Preparação de dados de entrada para processamento no CHIC (ALMEIDA; VALENTE, 2011; ALMEIDA, 2000; PRADO, 2003): concluída a fase de maturação das categorias através de técnicas de análise textual discursiva, o pesquisador deve, em seguida, preparar os dados para processá-los no CHIC.

Para tanto, é necessário preparar os arquivos de dados de entrada segundo um arranjo matricial, composto por linhas e colunas. Desta forma, para cada categoria, o pesquisador identifica quais dos professores-alunos participantes dos fóruns de discussão atendem ou não àquela categoria. E atribui ao par associado professor-aluno e categoria os valores 1 (um), para o caso presença ou 0 (zero), para a ausência.

Em seguida, é necessário tabular os dados matriciais numa planilha do Excel, num arquivo de programa do tipo .xlsx, na forma de linhas e colunas.

Em resumo, se obtém uma tabela composta por linhas e colunas de 0 ou 1, sendo a primeira linha da mesma preenchida com nomes identificadores das categorias e, a

primeira coluna, preenchida com os dados representativos dos nomes dos professores-

alunos ou depoimentos-sujeitos.

4º) Realização do processamento de dados de entrada no CHIC (ALMOULOUD, 2008; ALMEIDA, 2008; PRADO, 2003): após a tabulação da planilha em Excel, executa-se o software CHIC, que gera saídas de dados na forma de: número de ocorrências das variáveis, a média, o desvio padrão, o coeficiente de correlação, os índices de similaridade e os nós11 significativos. Além disso, existem as

saídas de dados do tipo: a árvore de similaridade, a árvore coesitiva, o grafo implicativo e os grupos ótimos, o que permite se desenvolver a análise qualitativa

multidimensional das associações das categorias.

Nesta pesquisa, das saídas de dados geradas pelo CHIC, foram utilizados as

árvores de similaridade, os índices de similaridade e os grupos ótimos.

11

Nó é o cruzamento de dados entre as categorias-emergentes (variáveis) que possuem implicabilidade entre elas.

A análise hierárquica de similaridade permite, segundo Almouloud (2008),

[...] estudar e depois interpretar, em termos de tipologia e de semelhança (dessemelhança) decrescente, classes de variáveis constituídas significativamente a certos níveis de uma árvore de similaridade e se opondo a outros, nestes mesmos níveis.

Com base nas árvores de similaridade produzidas pelo CHIC, se podem investigar as associações, entre as categorias, dispostas duas a duas, em um determinado nó, tomando com base a hierarquia de tipologias presentes. O CHIC também determina a medida do índice de similaridade, em que se verifica que, quanto maior for o valor do índice, maior será a associação entre as categorias. Ocorrem diferentes níveis de similaridade entre as categorias geradas nas árvores de similaridade (ALMOULOUD, 2008; ALMEIDA, 2008).

Ao gerar o índice de similaridade entre as categorias, o CHIC atribui a probabilidade entre 0 (sem semelhança) e 1 (máxima semelhança). Nesta pesquisa foram utilizados os seguintes termos linguísticos: similaridade muito forte,

similaridade forte, similaridade moderada e similaridade discreta (Tabela 3.2.1).

Para cada termo linguístico, são estabelecidas as seguintes faixas de similaridade:

Tabela 3.2.1 - Faixas dos índices de similaridade. Similaridade muito forte Similaridade forte Similaridade moderada Similaridade discreta [1, 0.75[ [0.75, 0.5[ [0.5, 0.25[ [0.25, 0[

Nas árvores de similaridade, o interessado pode visualizar as categorias, dispostas segundo uma árvore geométrica, onde, em suas pontas, há um arranjo de categorias, dispostas em pares, ligadas segundo os nós. A Figura 3.3.1 exemplifica uma árvore de similaridade. Ao processar os dados, o CHIC, na opção de saída de dados, para o caso de árvore de similaridade, disponibiliza a representação gráfica na forma de um conjunto de árvores, que pode conter uma ou mais árvores. Maiores detalhes serão formulados nos parágrafos seguintes.

Na Figura 3.2.1, é possível se observar que a árvore originada no CHIC está na posição vertical, contento nas extremidades de seus ramos, pares de categorias. Sob a ótica da análise qualitativa multidimensional, primeiramente o leitor deve buscar

interativamente procurar conceber suas primeiras incursões fazendo uma leitura gráfica simples.

Se o leitor varrer sucessivamente seu olhar junto à árvore, realizando um mapeamento geométrico, segundo o eixo vertical e nos dois sentidos, ou seja, de cima para baixo e vice versa, estará observando que, quanto mais acima as categorias

estiverem alocadas em relação à base da árvore, significa que apresentam um maior grau de similaridade, se comparadas às demais categorias. Portanto, numa

ótica qualitativa, a verticalidade traduz o quanto estas categorias expressam maior ou menor representatividade em relação às demais categorias de uma determinada árvore, (ALMOULOUD, 2008; ALMEIDA, 2008).

Figura 3.2.1 - Convergência entre as categorias – um exemplo.

Num outra abordagem qualitativa, há a possibilidade do leitor realizar um mapeamento adotando uma visualização geométrica, segundo o eixo horizontal, realizando espirais de varreduras, nos dois sentidos correspondentes. Neste caso,

quanto mais próximas certas categorias estiverem entre si, sob a ótica da análise qualitativa multidimensional, elas estarão mais relacionadas entre si, do que perante as demais categorias vizinhas. Assim, por exemplo, o leitor pode ver como

determinadas categorias estão classificadas perante as demais, num critério de maior relação entre elas. Isto favorece a visão de conjunto, do “todo”.

Tais navegações e relações gradativas sucessivas, que podem ser estabelecidas a partir e entre as combinações de graus de similaridade e proximidades, junto aos grupos de categorias justapostas na árvore de similaridade, são então recursivamente analisadas pelo pesquisador sob a luz de seu referencial teórico e objetivos da pesquisa. Este é o grande trunfo da análise qualitativa multidimensional aqui em discussão.

Aqui se abre um enorme leque de pesquisa continuada junto a grupos de pesquisadores, de forma a adequarem o uso do CHIC em suas áreas de pesquisa, o que

pode suscitar os surgimentos de propostas metodologias diferenciadas, característica comum nas áreas de humanas e educação em Ciências e Matemática (CARVALHO; GIL-PÉREZ, 2009). Suscitando o leitor, Carvalho e Gil-Pérez (2009), há décadas, defendem a estratégia de se consolidar uma metodologia própria para formação de professores, por exemplo. Tais argumentações em muito se apoiam no aspecto que a educação em Ciências e Matemática possui uma característica transdisciplinar, permeando as áreas de exatas e humanas (RIBEIRO et al., 2011; MORAES; VALENTE, 2008).

Inúmeras são as surpresas que um pesquisador pode ter, ao se utilizar a análise de um árvore de similaridade do CHIC, ao concluir, por exemplo, que determinadas categoriais apresentam um maior grau de significância ou relação entre si. Ressalta-se que esta análise é feita “sob a ótica do referencial teórico-metodológico da pesquisa”.

Nos parágrafos seguintes, serão apresentadas argumentações complementares para consolidar uma melhor compreensão do uso do CHIC, em apoio à análise de dados qualitativos.

O presente parágrafo faz um breve retorno do emprego do CHIC no campo da análise “quantitativa”. Se fosse o caso de outras pesquisas envolvendo a análise na área de funções aplicadas, como no campo da estatística e probabilidade, que constitui a concepção original do CHIC, os pesquisadores, sob uma ótica da análise “quantitativa” iriam interpretar criticamente os indicadores numéricos associados às saídas do CHIC, em conjunto com a análise qualitativa das árvores de similaridade. Neste caso, haveria uma análise “quantitativa” multidimensional, com traços qualitativos.

Alguns pesquisadores, com a finalidade de tornar didática a apresentação e leitura de suas argumentações textuais, transferem primeiramente os arquivos de saída do CHIC, referente a árvores de similaridade, que são do tipo figuras, para outros

softwares gráficos, e inserem novos elementos e formatos à figura, como legendas

explicativas e rotação dos eixos da figura. Somente depois é que tais arquivos do tipo

gráfico são copiados para arquivos do tipo texto. Na presente dissertação, houve emprego de recursos de computação gráfica, para fins de tornar algumas figuras didaticamente melhor visualizáveis e interpretáveis via as argumentações textuais formuladas.

O uso de árvores de similaridade facilita o processo de desenvolvimento de análise qualitativa de dados, como exemplifica a Figura 3.2.2, a seguir:

Figura 3.2.2 – Convergência entre as categorias – um exemplo.

 A figura exemplo acima, originada no CHIC, sofreu tratamento através de

recursos da computação gráfica. Foi rotacionada em 900, no sentido horário. Foram acrescentadas legendas, o que é detalhado em trechos seguintes do texto.  Neste exemplo apresenta uma árvore de similaridade formada por uma Classe,

sendo que esta Classe é composta de dois grupos e que o grupo 1 é constituído de dois subgrupos. Nesta árvore também se verifica a existência de quatro nós significativos e cinco níveis de similaridade12.

 A categoria CT4, esta ligada através do nó 2, ao nó 1 das categorias CT2 e CT3, ela pode ter um nível de similaridade forte com estas duas, se seu índice de similaridade estiver na faixa de similaridade [0.75, 0.5[.

 Quando um nó significativo estiver mais para a direita, na linha horizontal, sendo que o nó esta relacionando as categorias (variáveis), ele está indicando um

maior nível de similaridade. O nível de similaridade mais significativo nesta

árvore de similaridade corresponde à associação entre as categorias CT2 e CT3, o nó 1.

 O conjunto de categorias CT1, CT2, CT3 e CT4, representa um grupo 1. Outro

grupo 2 nesta árvore de similaridade é formado pelas categorias CT5 e CT6.

12

 A categoria CT1 pode ter um nível de similaridade moderado com as categorias (CT2 e CT3) CT4, se o seu valor de similaridade estiver na faixa de similaridade [0.5, 0.25[.

 O grupo 2 formado pelas categorias CT5 e CT6, nó 3, pode ter um nível de

similaridade discreta com a categoria CT1, se o seu valor de similaridade

estiver na faixa de similaridade [0.25, 0[.

Nesta pesquisa, reenfatizando para uma melhor compreensão, os dados de entrada no CHIC, as categorias, foram tabulados em planilhas do Excel, para gerar as árvores de similaridade através do software CHIC. Na primeira linha da planilha foram colocadas as categorias (variáveis) e, na primeira coluna da planilha, foram alocados o professor formador e os professores-alunos, agrupados por área: Biologia (CJ-B, GK-B, HF-B, MM-B e KL-B), Física (AS-F, DG-F, AN-F, JE-F e AB-F), Matemática (LQ-M, UT-M, FA-M, MW-M e LM-M) e Química (FK-Q, AS-Q, FR-Q, FC-Q e CM-Q,). Ver a Tabela 3.3.2. A somatória dos valores, em cada coluna, representa quantas vezes

apareceu à categoria no fórum e a somatória dos valores nas linhas representa quantas categorias cada professor-aluno fez referência.

Para gerar os dados que são tabulados nas planilhas Excel, primeiramente foi realizada uma análise e interpretação dos textos digitais das narrativas, postadas pelo professor formador e professores-alunos nos fóruns de discussão TelEduc 12 e 13, para obter as categorias. Quando se percebia a presença das categorias, se preenchia a célula correspondente na planilha com o valor 1 (um), caso contrário, alocava-se o valor 0 (zero). Olhando uma coluna preenchida da planilha Excel, verifica-se que a soma dos valores desta coluna, corresponde à quantidade de vezes que uma categoria foi identificada num fórum. Além disso, uma linha da planilha Excel permite se determinar o total de categorias observadas para cada participante, para tanto, se deve se somar os valores desta linha.

Reenfatizando, na presente dissertação serão utilizados, na análise e discussão de resultados, apenas os resultados determinados pelo CHIC com relação às árvores de

similaridade, os índices de similaridade e os grupos ótimos.

Tabela 3.2.2 – Composição e recorte de uma planilha Excel – ilustração do preenchimento de dados.

No capítulo a seguir, são apresentados os resultados e discussão da presente pesquisa.