Para utilizar escalas comparáveis sobre as categorizações dos alunos, os escores originalmente obtidos em cada uma das variáveis mensuradas, foram transformados em z- escores. Estes z escores foram obtidos para cada sala separadamente, permitindo todas as análises subseqüentes serem desenvolvidas. Muitos fatores justificam tal transformação como, por exemplo, diferenças de perfil de distribuição, porém no estudo em questão a transformação em z-escores foi considerada necessária porque as turmas não foram iguais em tamanho. A partir desta transformação as análises subseqüentes foram computadas considerando a amostra toda.
As três ordenações dos professores foram altamente correlacionadas. O mesmo também foi observado nos três autojulgamentos dos alunos. (ver tabelas 1 e 2). É importante, contudo, salientar que para os professores houve uma correlação semelhante entre a inteligência e as habilidades dos alunos em escrita e em matemática, esta correlação foi significativa. Considerando-se os autojulgamentos feitos pelos alunos, houve uma correlação maior entre a inteligência e a habilidade em escrita.
Tabela 1.Matriz de correlação entre as ordenações dos professores.
Ordenação dos professores Inteligência Escrita Escrita Rho .81 p .000 Matemática Rho .81 .76 p .000 .000
Tabela 2. Matriz de correlação entre os autojulgamentos dos alunos. Autojulgamentos dos alunos Inteligência Escrita Escrita Rho .80 p .000 Matemática Rho .71 .77 p .000 .000
Foi observada uma correlação mais alta e significativa entre as ordenações dos professores e o autojulgamento dos alunos em termos das habilidades em matemática do que em termos das habilidades em escrita (.49 e .43 respectivamente). Também foi observada uma correlação relativamente alta entre as ordenações dos professores e o autojulgamento dos alunos em termos de inteligência (.47, ver Tabela 3 abaixo)
Tabela 3. Matriz de correlação mostrando o nível de concordância entre os autojulgamentos dos alunos e as ordenações dos professores.
Alunos (autojulg.) Professores (ordenações)
Inteligência Escrita Matemática
Inteligência Rho .47 .46 .50 P .000 .000 .000 Escrita Rho .42 .43 .46 P .001 .001 .000 Matemática Rho .38 42 .49 P .002 .001. .000
Foram calculadas as correlações entre as ordenações dos professores acerca das habilidades dos alunos em escrita e matemática como também entre as categorizações e escores dos alunos nos testes de habilidades (ver Tabela 4, abaixo).
As percepções dos professores, acerca das habilidades dos alunos em matemática e escrita, foram altamente correlacionadas (rho = .76). As correlações indicam também que os professores foram precisos em ordenar seus alunos em matemática e escrita. Esta relação mostra-se mais forte entre a percepção do professor e a habilidade do aluno em escrita (rho = .58) do que em matemática (rho = .43).
Tabela 4. Matriz de Correlação indicando diferença e a precisão nas percepções dos professores sobre as habilidades dos alunos em matemática e escrita.
Matemática - Teste
Escrita - Teste
Escrita
- Orden. dos Profess.
Escrita Rho .51 .58 .76
- Ordenação dos Profess. P .000 .000 .000
Matemática Rho .43 .55 .76
- Ordenação dos Profess. P .001 .001 .000
Foram computadas as correlações entre os escores dos alunos no teste de matemática e no teste de escrita visando verificar se as habilidades das crianças nestas duas áreas eram diferenciadas. Foram computadas também correlações entre os autojulgamentos dos alunos em matemática e escrita, visando verificar se as auto-avaliações deles, nestas duas áreas, estão relacionadas (ver Tabela 5, abaixo).
A análise indicou, que os níveis de desempenho dos alunos em matemática e em escrita estão relacionados de forma modesta, porém de forma significativa (rho = .36). Diferentemente a autopercepção dos alunos acerca das habilidades nestas mesmas áreas
demonstrou uma relação muito forte (rho = .78). Verificou-se também que, enquanto a correlação da auto-avaliação dos alunos em matemática com as duas habilidades, tanto escrita como matemática, é baixa e não significativa, a auto-avaliação em escrita apresenta correlações mais altas chegando a ser significativa com a habilidade em escrita (rho = .27). Estes resultados apontam para uma maior precisão da auto-avaliação dos alunos em escrita do que em matemática (Ver Tabela 5, abaixo).
Tabela 5 Matriz de Correlação indicando o nível de diferenciação entre a habilidade do aluno e a habilidade percebida pelo professor em matemática e escrita como também a precisão destas percepções. Matemática (Teste) Escrita (Teste) Matemática (Categ.) Escrita (Categ.) Matemática (Teste) Rho 1.0
P --
Escrita (Teste) Rho .36 1.0
P .005 --
Matemática (Categ.) Rho .12 .19 1.0
P .37 .15 --
Escrita (Categ.) Rho .21 .27 .78 1.0
P .11 .041 .000 --
No que se refere à percepção do professor acerca das habilidades dos alunos em termos de inteligência, escrita e matemática observou-se que houve uma correlação maior entre o julgamento da inteligência e a nota de português (.81). Porém no que se refere à autopercepção dos alunos, relacionada com as notas escolares, observou-se uma correlação maior entre a inteligência e a nota de matemática (.44, ver Tabela 6, abaixo).
Tabela 6. Matriz de correlação indicando a relação entre os julgamentos de Inteligência, Escrita e Matemática por parte dos Professores/Alunos e as notas escolares de matemática e português.
Julgamentos Nota de Matemática Nota de Português Professores Inteligência Rho .66 .81 P .000 .000 Escrita Rho .50 .73 P .000 .000 Matemática Rho .62 .79 P .000 .000 Alunos Inteligência Rho .41 .35 P .001 .006 Escrita Rho .46 .37 P .000 .004 Matemática Rho .43 .44 P .001 .000
O desempenho dos alunos (escore tanto no teste de matemática como no teste de escrita), explicaram 4.4% e 9.1% da variância em suas auto-avaliações acerca das habilidades em matemática e escrita, respectivamente, como demonstrados pelas análises de regressão múltipla com passos fixos. Assim a habilidade real do aluno em escrita apresentou um nível de preditividade mais alto do que a habilidade em matemática chegando a ser significativo (p = .019). A percepção dos professores acerca da habilidade relativa dos alunos (2o passo) alcançou níveis de preditividade de 21.1% e 13.6% da variância em influenciar a auto- avaliação dos alunos acerca das habilidades em matemática e escrita, respectivamente (ver Tabelas 7 e 8, abaixo). Estes resultados apontam para o importante papel dos professores em influenciar a auto-avaliação dos alunos acerca de suas habilidades escolares.
Tabela 7. Predições (baseadas em regressão múltipla de tipo passos fixos) da variação na auto- avaliação da habilidade em matemática pelas ordenações dos professores tendo como controle (1o
passo) a habilidade real da criança em matemática.
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch. 1o passo Matemática -Teste .210 .044 2.671 .108 .044 2.67 .108 2o passo Matemática – Ordenação dos Professores .505 .255 9.765 .00 .211 16.16 .000
Tabela 8. Predições (baseadas em regressão múltipla do tipo passos fixos) da variação na auto- avaliação acerca da habilidade em escrita pelas ordenações dos professores tendo como controle (1o
passo) a habilidade real da criança em escrita.
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch. 1o passo: Escrita – Teste .301 .091 5.791 .019 .091 5.79 .019 2o passo: Escrita - Ordenação dos Professores .476 .227 8.351 .001 .136 10.01 .002
Considerando as habilidades em escrita e matemática, a correlação de Spearman mostrou que tanto o escore no teste de escrita como o escore no teste de matemática se correlaciona significativamente com o julgamento dos professores acerca da inteligência dos seus alunos (Tabela 9). A habilidade em escrita demonstrou uma relação mais forte com o julgamento dos professores acerca da inteligência de seus alunos (rho = .62; p = .000) do que a habilidade em matemática (rho = .45; p = .000).
Tabela 9. Matriz de correlação entre a ordenação dos professores acerca da inteligência dos alunos e as habilidades em escrita e matemática.
Inteligência – Ordenação dos Professores Escrita – Teste Matemática – Teste Inteligência – Rho 1.0 Orden. Profess. p - Escrita – Rho .62 1.0 Teste p .000 - Matemática - Rho .45 .36 1.0 Teste p .000 .005 -
Visando investigar o que mais influencia os professores em seus julgamentos acerca da inteligência dos alunos – isto é, habilidade em escrita ou habilidade em matemática – foi computada uma regressão passo-a-passo considerando como variáveis independentes as habilidades em matemática e em escrita (escores nos testes de matemática e escrita) e como variável dependente o julgamento dos professores acerca da inteligência dos alunos (Tabela 10, abaixo). Verifica-se o preponderante papel desempenhado pela habilidade escrita, explicando 40.6% da variância, seguido pela habilidade matemática explicando 5% da variância (ambas significativas).
Tabela 10. Regressão passo-a-passo: Predições das variações na ordenação dos professores acerca da inteligência dos alunos (variável dependente) considerando como variáveis independentes, as habilidades em matemática e em escrita (escores nos testes de matemática e escrita)
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch.
Escrita – Teste .637 .406 39.63 .000 .406 39.63 .000
Matemática - Teste .675 .456 23.87 .000 .050 5.23 .026
Com o objetivo de verificar, com mais precisão, o papel desempenhado por estas duas habilidades, escrita e matemática, em explicar o julgamento dos professores acerca da inteligência dos alunos foram computadas outras duas regressões - mas com passos fixos - tendo ambas como primeiro passo o escore no teste de QI de Raven. Os outros dois passos foram os testes de escrita e matemática controlando a ordem em cada uma das duas regressões (Tabela 11, abaixo). Em primeiro lugar pode-se verificar o significativo papel desempenhando pelo teste de Raven, explicando 18.1% da variância dos julgamentos dos professores acerca da inteligência dos seus alunos. Na primeira regressão, onde foi inserido como segundo passo o escore do teste de matemática e como terceiro passo, o escore do teste de escrita. Observa- se que ambas as habilidades explicam significativamente o julgamento dos professores. Entretanto, é preciso notar o peso mais marcante desempenhado pela escrita visto que mesmo
sendo o terceiro passo explica 25.4% da variância em contraposição com o escore do teste de matemática que mesmo como segundo passo, explica somente 8.5% da variância. Na segunda regressão na qual as duas habilidades foram invertidas, enquanto a escrita no segundo passo explica 32% da variância, a habilidade matemática no terceiro passo deixa de ser significativa explicando somente 1.8% da variância dos julgamentos dos professores acerca da inteligência dos alunos. Assim, apesar da habilidade em matemática apresentar uma forte correlação com o julgamento dos professores acerca da inteligência dos alunos, qualquer variância explicada por esta habilidade era já explicada tanto pelo QI medido com o teste de Raven como pela habilidade em escrita.
Enfim, tanto a habilidade em escrita, como a habilidade em matemática, desempenham uma contribuição significativa em explicar o julgamento dos professores sobre a inteligência dos alunos. Entretanto, o papel marcante é desempenhado pela habilidade em escrita, já a habilidade em matemática desempenha um papel bem menor. Estes resultados complementam os resultados de Pitkänen e Nunes (que tinham considerado a habilidade de leitura) ampliando-os para a habilidade verbal da escrita.
Tabela 11. Predições (baseadas em regressão múltipla de tipo passos fixos) dos julgamento dos professores acerca da inteligência dos alunos considerando as habilidades em escrita e em matemática
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch. 1o passo: Raven (QI) .425 .181 12.79 .001 .181 12.79 .001 2o passo: Matemática - Teste .515 .265 10.30 .000 .085 6.57 .013 3o passo: Escrita – Teste .721 .519 20.18 .000 .254 29.60 .000 2o passo: Escrita – Teste .708 .501 28.71 .000 .320 36.60 .000 3o passo: Matemática - Teste .721 .519 20.18 .000 .018 2.05 .157
A correlação de Spearman mostrou que tanto a nota de português como a nota de matemática correlacionou-se, significativamente, com o julgamento dos professores acerca da inteligência dos alunos (Tabela 13). A nota de português demonstrou uma relação mais forte com o julgamento dos professores sobre a inteligência de seus alunos (rho = .81; p = .000) do que a nota de matemática (rho = .66; p = .000).
Uma regressão passo-a-passo considerando as notas escolares como preditoras do desempenho escolar (português, matemática, ciências, historia e geografia) (ver Tabela 12, abaixo) mostraram que a maioria da variância dos julgamentos dos professores acerca da inteligência dos alunos (variável dependente,) é explicada pela nota de Português, explicando a maioria da variância (63.1%), seguida pela nota de geografia explicando 3.2% da variância.
Tabela 12. Regressão passo-a-passo: Predições das variações na ordenação dos professores acerca da inteligência (variável dependente) considerando como variáveis independentes às notas escolares dos alunos.
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch. Nota de Português .794 .631 99.02 .000 .631 99.02 .000 Nota de Geografia .815 .664 56.25 .000 .033 5.60 .021
Tabela 13. Predições (baseadas em regressão múltipla de tipo passos fixos) dos julgamentos dos professores acerca da inteligência dos alunos considerando as notas de português e de matemática
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch.
1o passo: Raven (QI) .425 .181 12.79 .001 .181 12.79 .001 2o passo: Nota de Português .805 .648 52.39 .000 .467 75.54 .000 3o passo: Nota de Matemática .824 .678 39.35 .000 .031 5.32 .025 2o passo: Nota de Matemática .708 .501 28.62 .000 .320 36.60 .000 3o passo: Nota de Português .824 .678 39.35 .000 .177 30.83 .000
Uma terceira regressão passo-a-passo considerando tanto as notas escolares como as habilidades em matemática e escrita (escores nos testes de matemática e escrita) como preditoras (ver Tabela 14, abaixo) mostraram que a maioria da variância dos julgamentos dos professores sobre a inteligência dos alunos (variável dependente), é explicada pela nota de português explicando a maioria da variância 63.1%, seguida pelo escore no teste de escrita explicando 5% da variância, e por fim pela nota de geografia explicando 2.3% da variância.
Tabela 14. Regressão passo-a-passo: Predições das variações na ordenação dos professores acerca da inteligência (variável dependente) considerando como variáveis independentes, as notas escolares dos alunos e as habilidades em matemática e escrita (escores nos testes de matemática e escrita).
Variáveis Preditoras R Mul. R2 F p R2 Ch. F ch. P ch. Nota de Português .794 .631 99.02 .000 .631 99.02 .000
Escrita – Teste .825 .681 60.85 .000 .050 9.00 .004