SEGUINDO OUTRA VIA DE INTERPRETAÇÃO: A ANÁLISE MULTIDIMENSIONAL

De acordo com Roazzi48, as técnicas de escalagem multidimensionais constituem um procedimento capaz de converter distâncias e similaridades de ordem psicológicas em distâncias de tipo euclidianas, o que possibilita a realização de comparações diretas entre estruturas mentais complexas fazendo-se uso de representações geométricas. Com isto, “examinam-se as relações entre séries de objetos ou estímulos em termos de alguma medida de similaridade ou dissimilaridade e, em seguida, procura-se inferir certo número de dimensões capazes de explicar de maneira racional e significativa o tipo de configuração estrutural [...] obtida” (p.22). Nas palavras de Bryan (2008, p. 177), o escalonamento multidimensional “é projetado para construir um diagrama mostrando os relacionamentos entre um certo número de objetos”. Seguindo essa concepção, Roazzi (1995) defende que para os dados obtidos através do PCM, duas técnicas de análise multidimensionais são apropriadas: a Análise Escalonar Multidimensional (MSA: Multidimensional Scalogram Analysis) e a Análise dos Menores Espaços (SSA: Smallest Space Analysis ou Similarity Structure Analysis).

A estruturação da Análise Escalonar Multidimensional – MSA – configura-se em uma matriz em que as classificações realizadas pelos participantes são distribuídas em colunas enquanto os itens – em nosso caso, as palavras – aparecem nas linhas. Com isso, ocorre uma difusão desses elementos de modo a garantir que aqueles classificados em uma categoria sejam igualmente identificados em uma determinada região, evidenciados de acordo com o princípio da contiguidade e representados por meio de pontos na projeção. Nesse sentido, a

48

MSA apresenta-se como bastante favorável para a compreensão do conteúdo resultante da Classificação Livre por manter a originalidade dos dados conforme a organização feita pelos participantes e permitir a interpretação desses dados com base nas dimensões de similaridades ou de dissimilaridades presentes nessa organização (ROAZZI, 1995).

Nessa composição, podemos observar, através da projeção, a semelhança entre os itens segundo a proximidade entre os pontos. Como evidencia o autor49: “[...] os itens representados através de pontos estão distribuídos de tal forma que as relações geométricas, tais como a distância entre os pontos, reflete o tipo de relação empírica entre os dados” (p. 26). A distância então existente entre os pontos serve como parâmetro para a relação conceitual estabelecida entre os itens, permitindo-nos, assim, reconhecer as regiões e partições relativas às categorias utilizadas pelos participantes em suas classificações. É este cenário, portanto, que nos propicia a interpretação e a análise dos resultados obtidos à luz da teoria que os embasa.

Além desta, a Análise dos Menores Espaços – SSA – é indicada como instrumento para a apreciação dos dados advindos das Classificações Dirigidas. Ela constitui um tipo não métrico de análise que tem a proximidade como fundamento, logo, dispõe os dados no menor espaço possível e compara as variáveis considerando as inter-relações entre elas. Dessa forma, a representação gráfica mostra a proximidade entre os pontos seguindo a mesma realidade adotada pelos participantes, ou seja, se estes classificaram um maior número de itens em um grupo, isto refletirá maior aproximação desses itens na projeção. Nesse entendimento, podemos concluir que na análise da classificação dirigida lidamos com a correlação entre os elementos, assim, quanto mais estes estiverem presentes em um mesmo grupo, maiores suas proximidades e semelhanças, criando, com isso, regiões de continuidade ou descontinuidade (ROAZZI, 1995).

Em sua estrutura, a SSA apresenta-se em uma matriz que difere da MSA, pois projeta “[...] as variáveis nas colunas. Assim, em geral, cada coluna corresponde a um determinado item e cada participante ocupa uma linha. O número em cada célula indica a avaliação do sujeito do item, numerado de acordo com um critério de menor para maior ou vice-versa, de natureza ordinal”50

(p. 27). Nesses termos, a projeção dos dados acontece em um espaço multidimensional, de modo a relacionar um item com todos os outros e a representá-lo também por meio de pontos. A correlação estabelecida entre esses pontos expressa a situação

49

Op. cit, idem.

50

das variáveis que os mesmos retratam, assim, uma grande proximidade simboliza uma profunda correlação em uma determinada região51.

Em nossa produção, visando alcançar esses resultados então possíveis a partir das classificações proporcionadas pelo PCM, fizemos uso do programa SPSS 17.0 for Windows (Statistical Package for the Social Siences – Pacote Estatístico para as Ciências Sociais) que nos permite a construção das referidas projeções. De acordo com Wagner, Motta e Dornelles (2004), esse é um programa específico para o trabalho com análises estatísticas e manipulação de dados, além da geração de tabelas e gráficos que sintetizam a inter-relação estabelecida entre eles. Desse modo, nos foi possível obter as imagens projetivas a que nos deteremos nos capítulos seguintes para a análise dos resultados.

No que se refere a essa análise, por sua vez, consideramos a orientação de Bilsky (2003) quando explica que a Teoria das Facetas localiza-se como um procedimento metateórico de pesquisa de grande relevância para a interpretação da SSA. Segundo o autor, as facetas constituem a parte central do procedimento e correspondem à “classificação de objetos e observações empíricas (variáveis) em categorias exclusivas e abrangentes com relação a um aspecto temático distinto estudado pelo pesquisador. [...] uma faceta deve cobrir o aspecto temático em questão por completo e inequivocamente” (p.358).

Reforçando a relevância da teoria das facetas na interpretação da SSA, Buschini (2005, p. 177-178) acrescenta:

[...] o aspecto descritivo obtido pelas representações gráficas da SSA é completado pela projeção das facetas que proporciona um referencial para a leitura da estrutura obtida. Este referencial, resultante da análise do conteúdo semântico e simbólico dos elementos da representação e da sua estrutura, permite testar o modelo ou os modelos teóricos.

Andrade (2003), esclarecendo o caráter prático dessa análise, destaca que a referida teoria faz uso de hipóteses de regionalização relacionadas pela SSA em áreas identificáveis para fazer o estudo das facetas de acordo com o fenômeno estudado. Nesse sentido, itens encontrados em regiões distintas são também constituintes de facetas diferentes; pontos centralizados na projeção possuem uma relação mais acentuada com os demais e, neste caso, são considerados menos discriminantes; por fim, existindo uma partição que distinga os

51

elementos, isso seria uma evidência empírica para aquela faceta, o que pode afirmar ou negar as hipóteses inicialmente formuladas pelo pesquisador.

A perspectiva abordada pela autora é ratificada por Roazzi (1995) quando relata que a natureza dos dados, se qualitativa ou quantitativamente, define a distribuição na projeção. Ou seja, esta se caracteriza com partições projetadas espacialmente de maneira ordenada quando as facetas são quantitativamente diferentes; ou não ordenada, quando as diferenças são qualitativas. “Assim, o tipo de partição permite ao pesquisador conhecer quais facetas são ordenadas e qual o significado dessa ordenação e quais facetas não são ordenadas” (p.28).

Tratando dessa estrutura, Bilsky (2003, p. 361) informa: “qualifica-se uma faceta como ordenada quando se pode agrupar seus elementos de forma a que cada elemento seguinte represente a respectiva característica de modo progressivo”. Neste caso, as partições podem ser definidas como Axial, quando os elementos aparecem projetados em sucessão linear, separados por linhas paralelas; Modular, quando esses elementos mostram-se “como círculos concêntricos” (p. 362) localizados em torno de um ponto de origem comum, enaltecendo uma ordem que parte do centro em direção aos limites periféricos. Roazzi (1995) acrescenta o modelo Associado como componente do tipo de faceta ordenada. Este modelo é definido por uma mesma noção de ordem para mais de uma faceta, evidenciando uma ordenação parcelada.

O tipo de partição não ordenada, “cujos elementos se diferenciam de modo qualitativo, sem que manifestem (normalmente) qualquer ordem óbvia” (BILSKY, 2003, p. 362), caracteriza-se por facetas de modelo Polar, ou seja, as regiões formadas pelos elementos demonstram aspectos cuneiformes, “de forma circumplex” (grifo do autor), tendo uma origem comum para seus limites e apresentando elementos de regiões adjacentes em “uma semelhança maior com relação à característica medida para a faceta correspondente do que os de regiões não adjacentes”52

.

A figura 3 demonstra mais claramente como essas partições podem se evidenciar nas projeções.

52

Figura 3 – Tipos de facetas

_________________________________________________________________________

a1 a2 a3

Axial Modular Associada Polar

___________________________________________________________________________ Fonte: Bilsky (2003); Roazzi (1995)

Outras estruturações de facetas mais ou menos complexas também podem resultar da combinação entre esses tipos, tais como o Duplex, que resulta da combinação de duas facetas axiais; ou Radex, originado do arranjo entre uma faceta modular com outra polar, ambos os tipos representados em um espaço bidimensional. Há ainda a configuração Cilindrex, de apresentação mais frequente em espaço tridimensional, que é ocasionada pela combinação de um tipo Radex com um Axial na terceira dimensão (BILSKY, 2003).

É importante lembrarmos que essas diversas situações de percepção e análise possibilitadas sobre o material oriundo das classificações do PCM em muito favorece a aproximação de uma representação social e, consequentemente, à sua identificação, uma vez que o olhar do pesquisador se multiplica sob diferentes lentes com condições mais perspicazes, aprofundadas, amplas e, também, outras simples, básicas, porém, passíveis de captar minúcias, dizeres não aparentes, erudições latentes e, no conjunto, o pensamento, a construção simbólica dos participantes sobre o objeto tratado, logo, o cerne do trabalho, o seu intento maior.

Essa ideia se fortalece, sobretudo, quando assumimos que “as representações sociais emergem, não apenas como um modo de compreender um objeto particular, mas também como uma forma em que o sujeito (indivíduo ou grupo) adquire uma capacidade de definição, uma função de identidade” (DUVEEN, 2009, p. 20-21). É no grupo dos licenciandos participantes da investigação que buscamos essa identidade e por meio de cada um deles que visamos alcançar o sentimento maior que prevalece sobre o grupo, sobre o todo. É na descoberta de como pensam e que significados atribuem às disciplinas didático-pedagógicas que almejamos entender a simbologia atribuída ao universo formativo em que esses estudantes se encontram imersos. Para tanto, faz-se preciso um mergulho sobre esse universo

a1 a2 a3 a1 a2 a3

a1 a2

a fim de melhor conhecê-lo e dele obter bases para compreender as falas, as apreensões que tomam os referidos licenciandos.

Esse é o enredo constituinte do capítulo a seguir, quando nos deteremos em localizar a representação social do fenômeno a que nos voltamos mediante os dados alcançados em nossa investigação, em particular, por meio das análises de conteúdo e multidimensional realizadas sobre as falas advindas da classificação livre decorrente do PCM.

IV

CAPÍTULO 3

DISCIPLINAS DIDÁTICO-PEDAGÓGICAS: DESVELANDO