Na execução do presente estudo de tese vários foram os instrumentos para a análise do problema sobre o Projeto Correção de Fluxo em 16 escolas do NRE (Núcleo Regional de Educação) do município de Toledo, nos anos de 1997 e 1998. O número total de estudantes envolvidos atingiu 2.849 indivíduos, que, no nosso estudo, constituem-se no total da população sob análise.
Lançamos mão de uma série de procedimentos estatísticos com intuito de acelerar a pesquisa, agilizar o trabalho, reduzir custos e garantir a qualidade da informação. Usaremos, portanto, um proFHGLPHQWRGHDPRVWUDJHPSRLVVHJXQGR'RZQLJH&ODUN S ³>@p
dispendioso, difícil e por vezes impraticável ter acesso a toda uma população, desta forma, costuma-se escolher uma amostra e estudá-la. Para evitar predições imprecisas, é essencial que a DPRVWUDUHSUHVHQWHHIHWLYDPHQWHDSRSXODomRGDTXDOIRLH[WUDtGD´
Os autores supra-citados colocam também que outro processo possível consiste em:
[...] consultar um grupo de pessoas, que constituem uma amostra. Se a amostra representa de fato toda a população, podemos utilizar as características dos seus elementos para estimar as características de toda a população. [...] O modo como se escolhe a amostra tem grande importância, pois o valor de X depende precisamente de quem compõe a amostra. Devemos procurar um sistema confiável para a escolha da amostra, de modo que essa represente adequadamente a população como um todo. [...] a amostra deve ser selecionada de modo completamente aleatório. O sistema deve ser delineado de modo que todos tenham a mesma chance de ser incluído na amostra. E não somente isso ± o sistema deve ser planejado de modo que cada amostra que possa conceber tenha a mesma chance de ser a amostra que efetivamente escolhemos (DOWNIG & CLARK, 2002, p. 168-169).
Em síntese, os autores ponderam que:
[...] é muito dispendioso entrevistar cada componente de toda população; recorremos, então, a amostras. Usa-se a proporção de pessoas em uma amostra, portadores de determinada característica, para estimar a proporção, na população, das que têm essa característica. O melhor método de escolha de uma amostra é a escolha aleatória, isto é, que toda amostra possível tenha a mesma chance de ser escolhida (DOWNIG & CLARK, 2002, p. 170).
A escolha da estatística como um macroinstrumento de auxílio deve-se ao fato de que ela é o mais propício dos instrumentos matemáticos que nos cabe utilizar, pois, segundo Sandroni S ³>@ D HVWDWtVWLFD p R UDPR GD PDWHPiWLFD TXH OLGD FRP RV GDGRV QXPpULFRV relativos a fenômenos sociais ou naturais, com o objetivo de medir ou estimar a extensão desses fenômenos e verificar suas inter-relações. Os métodos estatísticos são necessários para permitir um estudo de fenômenos numericamente extensos (fenômenos de massa), classificando e abreviando os GDGRVREWLGRVHSURFXUDQGRGHWHUPLQDUDH[LVWrQFLDGHWHQGrQFLDV´
Para fundamentar teoricamente o nosso estudo estatístico, fazemos uso mais intenso da estatística inferencial ou analítica, que é a parte desta ciência que estuda os meios da coleta dos dados, a sua análise e interpretação. Tanto deve ser assim que, conforme Sandroni (2003, p. 222):
[...] aqui, os métodos estatísticos permitem a elaboração de inferências estatísticas, isto é, fazer afirmações gerais, com escassa margem de erro, também medida estatisticamente a partir de informações incompletas sobre o grupo (população) em estudo. Como é praticamente impossível examinar todos os elementos de uma população, considera-se apenas uma amostra representativa (casual ou sistemática), extrapolando os dados para totalidade do grupo.
Diante disto, e diante das dificuldades já expostas para a realização do trabalho com o total da população, faz-se uso das técnicas instrumentais de estatística, por meio do estabelecimento de amostras representativas do grupo.
Segundo Sandroni (2003, p. 25):
A amostra estatística consiste num conjunto de técnicas estatísticas que possibilita, a partir do conhecimento de uma parte (a amostra), obter informações sobre o todo (universo). Para realizar uma amostragem, é preciso, antes de mais nada, dividir o universo em partes chamadas ³XQLGDGHV DPRVWUDLV´ ([HPSOLILFDQGR SDUD VHOHFLRQDU XPD DPRVWUDJHP GH UHVLGHQWHV GH XP município, a unidade amostral pode ser a pessoa, a família, o domicílio, o quarteirão. Em seguida, é necessário determinar o tamanho da amostra, ou seja, o número de unidades amostrais que devem ser pesquisadas. Uma amostragem pode ser de dois tipos: probabilística (aleatória) ou não-probabilística (não aleatória). Neste último caso, as unidades amostrais são escolhidas intencionalmente. Na amostragem probabilística, as unidades amostrais resultam de uma seleção feita inteiramente ao acaso.
A generalização a todo o universo das informações obtidas pelo estudo das unidades amostrais só tem completa validez quando baseada e fundamentada em modelos estatísticos previamente expostos e montados à luz da teoria da estatística. Assim, no estudo que propomos realizar, faz-se uso da determinação do tamanho necessário da amostra estabelecida mediante a técnica da distribuição normal de dados estatísticos, tal qual apresentada por Costa Neto (1977, p. 74-77) e Kazmier (1982, p. 122-128).
O trabalho obedece à distribuição normal aplicada ao tamanho da amostra. Entretanto, como estamos aqui tratando de uma população específica submetida a situações específicas, faz- se uso de uma abordagem de amostragem estratificada, pois, segundo Sandroni (2003, p. 25): ³$ amostragem estratificada tem a finalidade de melhorar as estimações estatísticas mediante o agrupamento prévio dos elementos de uma população que tenha certas características (gênero, faixas etárias, raça, etc.) semelhantes entre si. Assim, uma população é dividida em estratos e em FDGDXPGHOHVVHID]XPDVHOHomRDOHDWyULDVLPSOHV´
Importa ressaltar que, mediante o embasamento teórico estatístico, estratificamos os 2.849 membros da população pesquisada em cinco estratos, a saber: concluintes, 1.167;
desistentes, que totalizaram 672 indivíduos; repetentes, 105; transferidos, 668; outros, 237; e
cujas informações gerais referentes ao estudo em questão são apresentadas na Tabela 4.2 a seguir:
Tabela 4.2: Dados dos estudantes do PCF de 1997 e 1998
Escolas Geral Concluintes Desistentes Repetentes Transferidos Outros*
Escola 01 193 91 36 3 54 9 Escola 02 159 43 74 4 22 16 Escola 03 193 93 40 5 31 24 Escola 04 92 54 14 0 20 4 Escola 05 165 61 51 0 34 19 Escola 06 121 37 42 0 30 12 Escola 07 425 186 80 35 99 25 Escola 08 208 50 52 9 55 42 Escola 09 418 164 107 14 118 15 Escola 10 33 28 1 0 4 0 Escola 11 87 33 21 0 21 12 Escola 12 136 55 32 0 37 12 Escola 13 160 49 55 1 47 8 Escola 14 106 31 36 1 15 23 Escola 15 34 8 5 0 5 16 Escola 16 319 184 26 33 76 0 TOTAL 2.849 1.167 672 105 668 237
Fonte: Pesquisa de campo - Resultado do mapeamento dos estudantes (2003).
*Outros - Corresponde aos estudantes que participaram um ano do PCF cursando a Correção Inicial que abrangia de 5ª a 7ª série e na 8ª série voltaram para a seriação regular.
Na Tabela 4.2, podemos observar que o total de participantes do projeto atingiu 2.849 estudantes, sendo que, neste conjunto, à guisa de exemplo, aponta-se o fato de que a Escola 01 teve 193 estudantes que participaram, destes 91 conseguiram concluir o programa, 36 desistiram, 3 repetiram de ano, 54 foram transferidos e 9 foram classificados como outros. Nesta escola, dos 193 estudantes ingressantes no projeto, 91 o concluíram, e, destes 91, apenas 16 estudantes concluíram o ensino médio. Na escola 02 ingressaram 159 estudantes; destes, 43 conseguiram concluir o programa, 74 desistiram, 4 repetiram de ano, 22 foram transferidos, 16 foram classificados como outros e apenas 9 conseguiram completar o ensino médio. O mesmo raciocínio segue para as demais escolas. Destaca-se que os dados referentes ao ensino médio serão apresentados posteriormente.
Diante deste cenário, o modelo estatístico a ser adotado deve prever ou pelo menos ³FRQVLGHUDU´ DV GLYHUVDV QXDQFHV HQYROYLGDV QR SURFHVVR $VVLP R PRGHOR HVWDWtVWLFR DGRWDGR trabalha com um nível de confiança da amostra de 95%, pois este grau de confiança é estabelecido pela teoria estatística como um dos mais utilizados, tal como sustenta Kazmier (1982, p. 128), ao ponderar que os intervalos de confiança mais utilizados são os de 90%, 95% e 99%. Vejamos:
Quadro 4.6: Proporções selecionadas de área sob a curva normal Z (número de unidades de desvios
padrões a partir da média) Proporções de área no intervalo µ + - ]Į
1,50 0,90
1,96 0,95
2,58 0,99
Fonte: Kazmier (1982, p.128).
Por conseguinte, cabe apontar, no Quadro 4.7, o significado de cada elemento utilizado na formulação, com vistas a uma maior compreensão do modelo estatístico adotado.
Quadro 4.7: Significado dos elementos estatísticos
N = tamanho da população.
z = número de unidades de desvios padrões a partir da média. Į GHVYLRSDGUmRGDSRSXODomRH[SUHVVRQDXQLGDGHYDULiYHO İ erro amostral, expresso na unidade da variável.
µ = (mu, letra grega equivalente ao m) média populacional. X = média aritmética de uma amostra.
n = número de elementos de uma amostra. pXPVtPERORJUHJRTXHVLJQLILFDVRPDWyULR p = proporção populacional.
Y = amostra final com aplicação do fator de correção.
Fonte: Kazmier (1982).
O conceito de cada elemento utilizado resume-se em:
N - é o tamanho da população e corresponde ao total de estudantes do PCF no Núcleo Regional de Educação de Toledo nos anos de 1997/1998.
Média aritmética - é definida como sendo a soma dos valores do grupo de dados dividida pelo número de valores, como se poderá verificar na seqüência. Em estatística, uma medida descritiva de uma população, ou um parâmetro populacional, é geralmente representada por uma letra grega, enquanto uma medida descritiva de uma amostra, ou uma estatística amostral, é representada por uma letra romana. Dessa forma, a média aritmética para uma população de YDORUHVpUHSUHVHQWDGDSHORVtPEROR OHU³PX´ HQTXDQWRDPpGLDDULWPpWica de uma amostra de valores é representada pelo símbolo X OHU ³[ EDUUD´ 'HVWD PDQHLUD DV IyUPXODV SDUD DV médias da população e da amostra são:
¦
NXP
¦
XnX
SegXQGR.D]PLHU S ³[...] do ponto de vista operacional, as duas fórmulas são idênticas: em ambos os casos são somados todos os valores, e o resultado da soma, então, é dividido pelo número de valores. Contudo, a distinção nos denominadores é que, em análise estatística, a letra maiúscula N indica o número de itens da população, enquanto a letra minúscula QLQGLFDRQ~PHURGHLWHQVQDDPRVWUD´1HVWHFRQWH[WR6DQGURQL VXVWHQWDTXHTXDQGRVH utiliza a média aritmética, verifica-se que ela é a soma de um determinado número de valores dividido pelo número destes referidos valores. Desse modo, por exemplo, a média aritmética de 5, 7, 9, 11, 13 é igual à soma destes valores (5 + 7 + 9 + 11 + 13 = 45) dividida por 5, que será, portanto, 9.
Entretanto, o autor argumenta que:
[...] o cálculo da média aritmética pode, no entanto, encobrir a variação dos valores que a compõe; por exemplo, a média calculada anteriormente é a mesma que aquela composta dos valores 2 e 16 = 18 dividido por 2 = 9. Em outras palavras, as médias não informam sobre a variância dos valores em torno desta média. Assim, duas médias aritméticas iguais podem referir-se a conjuntos cujos valores extremos são extraordinariamente diferentes. Por esta razão, a medida deve vir sempre acompanhada de uma medida da dispersão, como o cálculo da média de duas médias, uma vez que cada conjunto pode possuir um peso ou uma importância diferente no fenômeno que se deseja medir (SANDRONI, 2003, p. 375).
Isso, segundo ele, pode ser verificado na seguinte formulação:
¦
n Xi n Xn X X X X 2 1 3 2 1 onde¦
n Xi 21 representa a soma de X1 em que i varia de 1 até n.
Entretanto, em estimativas deste gênero, ocasionalmente alguns dos elementos componentes da população ou da amostra destoam completamente do que seria considerado ³QRUPDO´QDTXHODSRSXODomR,VWRJHUDRDSDUHFLPHQWRGHXPRXPDLVGHVYLRVSDGU}HVQDDPRVWUD n, elemento que deve ser filtrado ou corrigido com a aplicação de fatores de correção, tal qual realizaremos a seguir. Contudo, devemos agora definir o que, mediante a teoria estatística, vem a ser desvio padrão.
O conceito de desvio padrão, segundo Kazmier (1982), pode ser entendido como uma medida estatística da variação absoluta ou dispersão de uma distribuição de freqüências em torno de uma média (quanto menor o desvio, maior a representatividade da média), obtida mediante o cálculo da raiz quadrada da média aritmética dos quadrantes dos desvios da distribuição de freqüência. Esta forma de cálculo da variância ou dispersão em torno da média é conhecida também pela denominação de médias quadráticas ou médias dos mínimos quadrados, que, no nosso caso, faz-se necessário apontar, visto que o modelo estatístico a ser aplicado no nosso HVWXGRID]XVRGR³]´TXHpRQ~PHURGHXQLGDGHVGHGHsvios padrões a partir da média.
E, conforme sustenta Nazareth (1999, p. 114), o desvio padrão é a medida mais usada na comparação de diferenças entre grupos, por ser a mais precisa, pois ele determina a dispersão dos valores em relação à média. E, ainda segundo ela, a variância e o desvio padrão são as medidas de dispersão normalmente aplicadas e relacionam-se uma com a outra, já que a variância é o desvio padrão ao quadrado. A variância considera a posição de cada observação em relação ao valor médio do conjunto de dados, e define-se como a média do quadrado do desvio em relação à média.
Segundo Downing e &ODUN S R ³S´ PLQ~VFXOR FRQVLVWH QD SURSRUomR SRSXODFLRQDOH³S´WDPEpPpDSURSRUomRGRVHOHPHQWRVGDSRSXODomRHGDDPRVWUDTXHWHPD mesma característica que os aglutinam numa determinada população ou num determinado estrato GD DPRVWUD 1R QRVVR FDVR XWLOL]DUHPRV R ³S´TXH p R Q~PHUR GH HOHPHQWRV SHUFHQWXDOPHQWH
falando do maior estrato da população sob análise, que, no caso, é referente ao estrato da SRSXODomRWRWDODWLQHQWHDRV³FRQFOXLQWHV´
Concluintes => p4 => 1.167 ÷ 2.849 = 40,96% => 40,96 ÷ 100 = 0,41 arredondado. E, de acordo com Opazo41 ³S´pXPQ~PHURHQWUHHTXHFRQVLVWHQDSURSRUomRGHXP valor de interesse resultante da pesquisa que se pretende estudar.
A função p (1-p) vai de 0 a 0,25 e atinge o seu máximo quando o p = 0,5. No nosso caso optamos por assumir o p = 0,41 por referir-se ao maior estrato sob análise, tal qual explicado acima, e que, além de ser efetivamente referido a um valor da amostra, é um valor do nosso interesse, mas este poderia ser de até 1. Como a nossa população e amostra estão organizadas em cinco estratos, e o estrato dos concluintes é o maior deles, daí a escolha pelo seu grau de representatividade, seja na população, seja na amostra.
Karmel e Polasek (1981, p. 138), sobre este tipo de panorama estatístico, comentam que: ³$VGLVFUHSkQFLDVHQWUHRVYDORUHVGDDPRVWUD HVWDWtVWLFD REWLGRVGHDPRVWUDJHQVDOHDWyULDVH os valores da população (parâmetros), são chamados erros de amostragem e são devidos ao DFDVR´2VtPERORp³İ´.D]PLHU VHJXLQGRHVWDDQiOLVHFRORFD TXHRHUURDPRVWUDO p expresso na unidade da variável. O erro amostral é a máxima diferença que o investigador admite VXSRUWDUHQWUHȝH;LVWRp_- X _ İRQGHpDYHUGDGHLUDPpGLDSRSXODFLRQDOTXHHOHQmR conhece, e x será a média amostral a ser calculada a partir da amostra.
Então, para o nível de confiança de 95% a que nos propusemos, a nossa amostra estatisticamente terá uma margem de erro de até 5%. Assim, mediante os parâmetros dados pela WHRULD HVWDWtVWLFD R QRVVR ³]´ TXH VHUi R Q~PHUR GH XQLGDGHV GH GHVYLRV SDGU}HV D SDUWLU GD média, é de 1,96.
Colocando os nossos dados em ordem, temos: N = 2.849
z = 1,96 İ
Fórmula para calcular a amostra:
41
OPAZO, Miguel Angel Uribe. Mestre e doutor em estatística pela UNICAMP/SP. Auxiliou-nos no desenvolvimento do modelo estatístico.
) 1 ( ) ( ) ( ´ 2 p p z n H
O Fator de Correção da amostra, transformado para notação aritmética, proporciona a seguinte fórmula simplificada:
D 1 1 c c n n Y
Conforme Opazo (2004), a correção realizada pelo fator acima [Y Q¶ Q¶-1/Į)] é HIHWXDGDSDUDFRUULJLUR³Q¶´SHORWDPDQKRGDSRSXODomR³Į´SRLVH[LVWHPFDVRVHPTXHR³Q¶´p PDLRUGRTXHR³Į´ HTXDQGR³Į´pLQILQLWR Q Q¶
Estatisticamente constatamos que as amostras coletadas utilizam-se, na maior parte das vezes, de um grau de confiança de 95% com um erro de até 5%, teremos que:
Graus de confiança: İ
p = 0,41 z = 1,96
Então, apresenta-se o cálculo geral da amostra:
) 1 ( ) ( ) ( 2 p p z nc H Î 0,05 (0,41) (0,59) (1.536,64) (0,41) (0,59) 371 96 , 1 2 ¸ ¹ · ¨ © § c n
E, aplicando o fator de correção, nossa amostra deverá ser a seguinte, para manter 95% de confiança: D 1 1 c c n n Y Î 328,32 849 . 2 1 371 1 371 Y
Arredondando o valor, teremos 328 indivíduos que deverão estar presentes na amostra para que a mesma mantenha a qualidade necessária para 95% de graus de confiança. Ajustando- se a amostra, observa-se que ela deverá ser de 330 estudantes, tal como teoricamente e estatisticamente apontam Costa Neto (1977, p. 70-79) e Kazmier (1982, p. 126-130).
Entretanto, o total geral da amostra calculada considerando a proporção percentural de cada escola e de cada estrado, com arredondamento dos entrevistados para a amostra geral, acaba por totalizar 332 sujeitos, que representam no final 11,65% do total da nossa população (APÊNDICE A). Isto acaba por respeitar o tamanho mínimo que uma amostra deve ter para possuir representatividade, pois, segundo Nazareth (1999, p. 31- ³2VPpWRGRVGHHVFROKDGD amostra devem garantir a representatividade do grupo. É necessário escolher, no mínimo, 10% do número total dos elementos da população e garantir, por meio de um critério de seleção, que QHQKXPHOHPHQWRWHQKDPDLRUFKDQFHGHVHUHVFROKLGRGRTXHRXWUR´
Mediante isto, e como são estes os estratos que compõem a população do PCF, e que, os que conseguem avançar para o ensino médio e concluí-lo representam muito pouco no total da população (5,62%), pois praticamente equivalem à margem de erro de 5% do nosso modelo. Assim, considerando-se o fato de que apenas aproximadamente 5% dos egressos do projeto concluíram o ensino médio, e que isto representa muito pouco do total da população sob estudo, não há necessidade de fazer uma estratificação deste nível, visto que, nas entrevistas no estrato dos concluintes, obteve-se informações sobre os estudantes que seguiram no ensino médio e de alguns que chegaram no ensino superior. Diante disto, apresentaremos (em momento posterior) apenas algumas tabelas que sintetizam os dados coletados em nível de ensino médio.
Neste contexto, cabe apontar a necessidade de apresentar a tabela transformada em termos de participação percentual de cada estrato na população total, com o intuito de manterem- se as proporções de cada estrato na amostra. Assim sendo, veja-se a Tabela 4.2, transformada na Tabela 4.3 em termos percentuais de participação.
Como colocado, os dados apresentados na Tabela 4.2 apontam os resultados alcançados pela população de estudantes que participaram do programa nos anos de 1997 e 1998, assim como as devidas estratificações propostas. Neste contexto, cabe apontar a necessidade de apresentar as tabelas transformadas em termos de participação percentual de cada estrato na população total, com o intuito de manterem-se as proporções de cada estrato na amostra. Assim sendo, vejamos a Tabela 4.3 em termos de participação percentual que apresenta os estratos da população geral calculados em termos de porcentagem de participação e do número de indivíduos que fazem parte de cada estrato.
Tabela 4.3: Dados dos estudantes do PCF de 1997 e 1998 - e percentuais de participação arredondados
Escola Geral Concluintes Desistentes Repetentes Transferidos Outros
Núm. % Núm. % Núm. % Núm. % Núm. % Núm. % Escola 01 193 7 91 8 36 5 3 3 54 8 9 4 Escola 02 159 6 43 4 74 11 4 4 22 3 16 7 Escola 03 193 7 93 8 40 6 5 5 31 5 24 10 Escola 04 92 3 54 5 14 2 0 0 20 3 4 2 Escola 05 165 6 61 5 51 8 0 0 34 5 19 8 Escola 06 121 4 37 3 42 6 0 0 30 4 12 5 Escola 07 425 15 186 16 80 12 35 33 99 15 25 11 Escola 08 208 7 50 4 52 8 9 9 55 8 42 18 Escola 09 418 15 164 14 107 16 14 13 118 18 15 6 Escola 10 33 1 28 2 1 0 0 0 4 1 0 0 Escola 11 87 3 33 3 21 3 0 0 21 3 12 5 Escola 12 136 5 55 5 32 5 0 0 37 6 12 5 Escola 13 160 6 49 4 55 8 1 1 47 7 8 3 Escola 14 106 4 31 3 36 5 1 1 15 2 23 10 Escola 15 34 1 8 1 5 1 0 0 5 1 17 7 Escola 16 319 11 184 16 26 4 33 31 76 11 0 0 TOTAL 2.849 100 1.167 100 672 100 105 100 668 100 237 100
Fonte: Elaborada pela Pesquisadora (2003).
Cada estrato, contudo, deverá ter, no seu cálculo, estabelecida a participação de cada escola nesse específico conjunto de elementos. Isto também se deve repetir para a amostra, o que significa dizer, no total da população, por exemplo, que a escola 01 apresentou um total de 193 estudantes envolvidos com o projeto, o que perfaz uma participação de 7% no total da população, ou seja, nos 2.849 indivíduos, mantendo-se estes 7% na amostra, o total da amostra coletada na escola deverá ser de 22 indivíduos, que equivalem a 7% da amostra total de 330 pessoas, a serem entrevistadas no estudo.
No total dos desistentes na escola, encontramos 36 indivíduos, que equivalem a 5% do total de 672 desistentes que existem na população total de 2.849 estudantes. Mantendo-se esta participação de 5% na amostra, o total da amostra de desistentes coletada na escola deverá ser de 4 indivíduos desistentes do estudo, que deve totalizar 78 pessoas desistentes, a serem entrevistados na amostra total.
O mesmo raciocínio deve ser aplicado para os cálculos da amostragem de transferidos, repetentes, concluintes e outros, que serão calculados para se saber o total dos entrevistados nestes estratos. Depois, aplica-se o mesmo raciocínio exposto acima para os indivíduos transferidos, repetentes, concluintes e outros de cada escola envolvida no nosso estudo,
mantendo-se sempre a efetiva representatividade no total da população e no total do estrato sob análise.
Para a amostra, estes valores de participação percentual para cada estrato devem ser mantidos, o que nos leva à Tabela 4.4 (a seguir), que apresenta, a partir da amostra determinada de 330 estudantes que deveremos entrevistar, a quantidade de estudantes em cada estrato da amostra e o percentual de participação dos estudantes em cada escola.
Tabela 4.4: Dados dos estudantes do PCF de 1997 e 1998 - calculados para amostra com valores arredondados
Escola Geral Concluintes Desistentes Repetentes Transferidos Outros
Núm. % Núm. % Núm. % Núm. % Núm. % Núm. % Escola 01 22 7 10 8 4 5 0 3 6 8 1 4 Escola 02 18 6 5 4 9 11 0 4 3 3 2 7 Escola 03 22 7 11 8 5 6 1 5 4 5 3 10 Escola 04 11 3 6 5 2 2 0 0 2 3 0 2 Escola 05 19 6 7 5 6 8 0 0 4 5 2 8 Escola 06 14 4 4 3 5 6 0 0 4 5 1 5 Escola 07 49 15 21 16 9 12 4 33 12 15 3 11 Escola 08 4 1 3 2 0 0 0 0 0 1 0 0 Escola 09 48 15 19 14 12 16 2 13 14 18 2 6 Escola 10 24 7 6 4 6 8 1 9 6 8 5 18 Escola 11 10 3 4 3 2 3 0 0 3 3 1 5 Escola 12 16 5 6 5 4 5 0 0 4 6 1 5 Escola 13 19 6 6 4 6 8 0 1 6 7 1 3 Escola 14 12 4 4 3 4 5 0 1 2 2 3 10 Escola 15 4 1 1 1 1 1 0 0 1 1 2 7 Escola 16 37 11 23 17 3 4 4 31 7 9 0 0 TOTAL 330 100 136 100 78 100 13 100 77 100 28 100
Fonte: Resultados da Pesquisa de Campo (2003).
Para proporcionar maior compreensão do nosso estudo, o conjunto de informações e dos seus resultados foi montado num agrupamento da população em cinco estratos, e, dado o fato de que adotaremos na pesquisa a coleta de dados via estratificação, e considerando que partiremos de duas naturezas, a primeira sendo o resultado de agrupamentos de estudantes, e a segunda sendo a estratificação correspondente a cada escola sob análise, para manter a confiança na amostra calcularemos, para o primeiro caso, quanto cada estrato representa no total da população, para depois aplicarmos esta representação na amostra.
A população sob estudo perfaz o total de 2.849 pessoas ± 100% da população. Destes, 1.167 são concluintes (que correspondem a 40,96% do total da população), 672 são desistentes (que equivalem a 23,58%), 105 são repetentes (equivalentes a 3,68% do total da população do estudo), 668 são transferidos (e equivalem a 23,44% do total da população), e 237 são outros (que equivalem a 8,31% da população do estudo).
Como se pode observar no primeiro estrato, denominado de concluintes, encontramos