O método de análise de dados empregado foi a Análise de Conteúdo. Segundo Bardin (2009) análise de conteúdo se refere a:
[...] um conjunto de técnicas de análise de comunicação visando obter por procedimentos sistemáticos e objetivos de descrição do conteúdo das mensagens, indicadores (quantitativos ou não) que permitam a inferência de conhecimentos relativos às condições de produção/recepção destas mensagens (BARDIN, 2009, p. 44).
A análise de conteúdo pode organizar-se em três polos cronológicos: a pré-análise, que visa tornar operacionais e sistematizar as ideias iniciais; a exploração do material, que consiste na codificação, decomposição ou enumeração; e o tratamento dos resultados, que envolve operações estatísticas, síntese e seleção dos resultados, inferências e interpretações.
Para Bardin (2009), a descrição caracterizada pela enumeração das categorias do texto, resumida após o tratamento, seria a fase inicial. A inferência (deduções lógicas) seria a fase intermediária e a interpretação, enquanto significação dessas características, a fase final.
Para auxiliar nessa tarefa utilizou-se o software IRAMUTEQ, que possibilitou as seguintes análises:
Análises lexicográficas clássicas: identificou e reformatou as unidades de texto, a
quantidade de palavras, frequência média, pesquisou o vocabulário e reduziu as palavras com base em suas raízes (formas reduzidas), criou o dicionário de formas reduzidas, identificou formas ativas e suplementares.
Método da Classificação Hierárquica Descendente (CHD): Esta análise visou
obter classes de segmentos de texto que, ao mesmo tempo, apresentam vocabulário semelhante entre si, e vocabulário diferente dos segmentos de texto das outras classes. A partir dessas análises em matrizes o software organiza a análise dos dados em um dendograma da CHD, separa o corpus e ilustra as relações entre as classes.
O programa executa cálculos e fornece resultados que permite a descrição de cada uma das classes, principalmente, pelo seu vocabulário característico (léxico). Análise de similitude: Esse tipo de análise é utilizado frequentemente por
pesquisadores das representações sociais (cognição social). Ela possibilita identificar as coocorrências entre as palavras e seu resultado traz indicações da conexidade entre as palavras, auxiliando na identificação da estrutura da representação.
Nuvem de palavras: Agrupou e organizou as palavras graficamente em função da
sua frequência. Esse é um tipo de análise mais simples, mas que facilita a visualização dos dados (CAMARGO; JUSTO, 2013).
A partir dessas análises, a pesquisadora trabalhou com aquelas palavras ou grupo de palavras que foram colocadas em evidência pelo IRAMUTEQ, no entanto, apesar de o software permitir estaticamente a classificação textual, é o trabalho de criatividade e reflexão do pesquisador que permite encontrar o sentido das palavras literais. Como afirma Bardin (2009), os softwares liberam os pesquisadores de tarefas árduas e cansativas para que possam se dedicar exclusivamente ao seu papel mais nobre, o de refletir para ter insights e assim compreender o que o conjunto dos resultados quer dizer.
Dessa forma, torna-se importante o conhecimento pelo pesquisador dos dados coletados e de seu contexto, além principalmente da teoria que embasa a triangulação que deve ser realizada. Por meio do software IRAMUTEQ foi feita análise textual lexicográfica e multivariada, que permitiu identificar informações importantes contidas no corpus textual. Com base na Classificação Hierárquica Descendente, o software encontrou seis classes distintas, que foram consideradas pertinentes para auxiliar a pesquisadora a responder os objetivos da pesquisa, além de apresentar estrita relação com o quadro teórico apresentado.
5 RESULTADOS E DISCUSSÕES
O corpus textual compôs-se de um total de 112 respostas que vieram das sete perguntas respondidas pelos 16 entrevistados. Após a leitura inicial dos dados desse corpus, utilizando-se o software, foram encontrados 715 segmentos de texto, 2.768 formas (formas sendo entendidas nesse estudo como as diferentes flexões gramaticais das palavras) e 24.959 ocorrências, ou seja, a quantidade total de vezes que as palavras estavam contidas no corpus textual.
Com base na Classificação Hierárquica Descendente, o software encontrou seis classes distintas, ou seja, categorias de elementos comuns que fornece uma representação simplificada dos dados. Conforme as figuras 1 e 2, o primeiro subcorpus, que será intitulado “A”, é composto pela classe 1. O segundo subcorpus, que será chamado de “B”, é formado pelas classes 2, 3, 5, e 6. Esse subcorpus foi subdividido no conjunto das classes 4 e 5, que será chamado subcorpus “C” e no conjunto das classes 2, 3 e 6, que se denomina subcorpus “D”. O subcorpus “D” se divide ainda na classe 6 e no subcorpus “E” que, por sua vez, contém as classes 2 e 3.
Figura1 – Visão geral do resultado do método de classificação Reinert: dendograma, incluindo a porcentagem de cada classe.
Na figura 2, é possível ver as principais palavras de cada classe, que estão ordenadas em ordem decrescente da sua correlação com a respectiva classe, ou seja, quanto maior o chi2,
maior a quantidade de citações na sua classe.
Figura 2 – Visão geral do resultado do método de classificação Reinert: dendograma, incluindo a porcentagem de cada classe, as principais palavras e o chi2de cada palavra.
Fonte: Pesquisa de campo da dissertação
Para se proceder a análise de conteúdo, as seis classes geradas no IRAMUTEQ foram renomeadas, tomando-se por base as informações consideradas importantes para o estudo, levando em consideração o conteúdo, alguns subcorpus e suas classes. Como o subcorpus “A” possui uma única classe, ou seja, a classe 1, nomearemos ambos (subcorpus “A” e classe 1) com o mesmo nome, isto é, “Motivos para a escolha da profissão”. Essa classe é a terceira maior do dendograma, sendo responsável por 17% do discurso. Ela irá nos ajudar a compreender quais fatores motivacionais criados pelos ideais e contextos sociais e econômicos levaram os participantes a decidir pelo ingresso na profissão docente.
O subcorpus “B” abrange todas as outras classes, o que nos leva a compreender que as demais classes possuem uma ligação em seus conteúdos. Ao analisarmos esses conteúdos, percebemos que seriam esses “Elementos da representação social do docente do ensino médio”,
ficando esse o nome dado ao subcorpus “B”. No entanto, dentro de cada um dos demais subcorpus, ainda foi possível efetuar novas divisões.
Para o subcorpus “C”, ao qual se referem as classes 4 e 5, optou-se por nomeá-lo juntamente às duas classes que o abrangem, visto a sua proximidade do discurso. A ele foi dado o nome de “Características do docente”. Quanto ao subcorpus “D”, que se divide em subcorpus “E” e classe 6, decidiu-se por nomear a classe 6 de “Relações de gênero na docência” e, por fim, optou-se por nomear juntamente as duas classes do subcorpus “E”, ou seja, as classes 2 e 3, com a designação “Percepções em relação à docência”, visto que ambas estavam muito próximas em relação ao discurso.
As figuras 3 e 4 apresentam outra forma de leitura dos dados demonstrados no dendograma. Nelas, pode-se perceber a separação e proximidade das classes. Assim, por exemplo, as classes 4 e 5 estão muito próximas. Já a classe 1 está bem distante das demais. Desse modo, ressalta-se que, quanto mais distantes e separadas as classes, mais isolados os assuntos estão, ou seja, classes separadas não tratam dos mesmos temas.
Figura 3 – A análise fatorial de correspondência (AFC) das classes.
Figura 4 – A análise fatorial de correspondência (AFC) para as formas lexicais presentes nas classes.
Fonte: Pesquisa de campo desta dissertação
As denominações feitas baseiam-se na análise das palavras mais significativas dentro de cada classe, consideradas com base no chi2. Sendo assim, e verificando a figura 4, podemos
perceber o quanto as classes 2 (cinza) e 3 (verde), e as classes 4 (azul claro) e 5 (azul escuro) estão misturadas entre si, justificando-se assim a escolha por analisá-las juntamente.
A partir da análise da figura 5, podemos investigar a proximidade e separação do discurso dos participantes da pesquisa.
Figura 5 – Gráfico da análise fatorial de correspondência (AFC) da variável tempo de docência.
Fonte: Pesquisa de campo desta dissertação
Por meio da figura 5, podemos perceber que os discursos que mais se aproximam são o temdoc_4 e temdoc_5, ou seja, os docentes que possuem entre 18 e 29 anos de profissão, estando os demais grupos afastados entre si.
Na próxima seção, serão descritos os cinco subcorpus com suas classes, apresentando as principais palavras de cada grupo, com seus respectivos chi2, a análise de similitude e a
discussão.