Educação a Distância é para Todos? Um Estudo Exploratório sobre Possíveis Preditores do Sucesso Acadêmico

Recebido: 29 de Abril de 2014 / Aceito: 30 de Setembro de 2014 DOI: 10.5753/RBIE.2014.22.02.47

Educação a Distância é para Todos? Um Estudo sobre

Possíveis Preditores do Desempenho Acadêmico

Is distance education right for everyone? A Study on Potential Predictors of the

Academic Achievement.

Ronei Ximenes Martins Departamento de Educação Universidade Federal de Lavras rxmartins@cead.ufla.br

Alberto Hokari

Departamento de Ciência da Computação Universidade Federal de Lavras

ah-009@hotmail.com

Resumo

Palavras-Chave: Tecnologia Educacional; Avaliação Escolar; Perfil do Estudante; Cursos online; Sucesso Acadêmico.

Abstract

scores obtained by the evaluation method established in the pedagogical project and extracted from the Institution academic control system, as well as the social data was obtained using a computerized questionnaire. The results indicate the gender has no effect on academic performance, but the age and the monthly incoming seems to impact it. Also, a possible link between technology resources use skill and the student’s academic performance on the overall average score on the disciplines taken was showed. The prediction method related to technology performance was more expressive in the students’ group with poor academic performances (β=0,48).

Keywords: Educational Technology; Academic Achievement; Student profile; Online Courses; Academic Success.

49

Introdução

O Constata-se, no Brasil, grande ampliação de oferta de cursos na modalidade Educação a Distância1 _(EAD) [1]. Essa expansão necessita ser acompanhada por investigações, principalmente no que se refere aos resultados obtidos pelos estudantes, visto que o montante de recursos destinados à criação e execução desses cursos, notadamente no sistema federal de ensino superior, é muito elevado. No âmbito da educação superior pública, a Universidade Aberta do Brasil (UAB) oferece, desde 2006, cursos de nível superior a distância para a população que tem mais dificuldade de acesso à formação universitária [2]. O sistema UAB é integrado por universidades públicas e tem como finalidade expandir e interiorizar a oferta de educação superior no País.

De acordo com o decreto de instituição do sistema UAB [2], dentre seus objetivos estão a oferta prioritária de cursos de licenciatura e de formação inicial e continuada de professores da educação básica; a ampliação do acesso à educação superior pública e a redução das desigualdades de oferta de ensino superior entre as diferentes regiões do País. Para operacionalizar seus objetivos, o sistema foi integrado à estrutura da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), que estabeleceu um modelo específico de aplicação da educação a distância para a UAB. Esse modelo se apoia nos seguintes elementos fundamentais: (i) organização curricular; (ii) material didático; (iii) tutoria; (iv) infraestrutura de comunicação e mediação pedagógica; (v) equipe multidisciplinar; (vi) gestão; (vii) avaliação; (viii) infraestrutura física e de pessoal [3].

A forma como esses cursos a distância são estruturados induz alterações na forma com que estudantes e professores se relacionam uns com os outros e com o conteúdo, principalmente quando esta forma é comparada à educação presencial convencional [4,5]. Em cursos presenciais, os estudantes se beneficiam da convivência rotineira em grupo além de atuarem de forma síncrona sobre o conteúdo e nas tarefas. Além disso, são acompanhados pelo professor e utilizam comunicação direta, face-a-face. Nos cursos a distância, os estudantes têm menos chances dessa natureza e dependem muito de meios tecnológicos para terem acesso ao conteúdo e para se comunicarem [5]. Essas características da EAD provocam questionamentos acerca dos possíveis efeitos das diferenças em relação ao ensino presencial sobre o 1 _{Neste artigo, a Educação a Distância é considerada} modalidade educacional tal como estabelece o Decreto-Lei no. 5.622/2005, que regulamenta a oferta de cursos a distância no Brasil. Sob esta modalidade se organizam diferentes modelos de cursos a distância. Os modelos se distinguem pela forma de estruturação e tecnologias utilizadas.

desempenho acadêmico dos estudantes. Considera-se que analisar esses possíveis efeitos contribui e melhora a compreensão de situações enfrentadas pelos estudantes, permitindo intervenções futuras que contribuam para o avanço em termos de qualidade e de melhores condições para permanência nos cursos.

Ao se pensar sobre as condições de estudo, as características específicas da Educação a Distância (EAD) e o perfil das pessoas atendidas, surgem questionamentos sobre possíveis fatores que podem se relacionar com o melhor ou pior desempenho acadêmico. Em vários países, pesquisas tais como as de Bernard et. al. [6], Chyung [7], DeTure [8], Ryan [9], Schneider e Germann [10], Shachar e Neumann [11], Urtel [12] e Valasek [13], têm sido realizados buscando identificar tais fatores, comparando variáveis socioeconômicas e de especificidades de organização dos cursos. No Brasil, algumas iniciativas nessa área, como as de Maia, Meireles e Pela [14] Martins, Joly e Santos [15], Martins [16], também buscaram apontar características específicas relacionadas ao melhor desempenho dos estudantes nos cursos a distância e, por outro lado, quais fatores influenciam na evasão ou retenção.

Os trabalhos de Bernard et al [6] e de Shachar e Neumann [11] são meta-análises de resultados de pesquisas que tiveram como objeto de investigação a comparação de cursos nas modalidades EAD e presencial e que envolvem milhares de participantes. Nesses trabalhos ficou evidenciada a tendência geral de que os cursos à distância oferecem a mesma condição de desempenho acadêmico dos cursos presenciais. Outro aspecto relevante dos resultados dessas meta-análises diz respeito à variedade de modelos e combinações de tecnologias inseridas nos cursos a distância. Mesmo com projetos instrucionais bastante distintos e diferentes combinações de tecnologias, não foi identificado efeito significativo da modalidade do curso sobre o desempenho médio dos estudantes. Esses resultados levaram os autores dessas meta-análises a concluírem que não há interferência das tecnologias adotadas no resultado acadêmico obtido. Porém, é importante destacar que essas tendências gerais não são úteis para explicar diferenças de desempenhos individuais ou de pequenos grupos, bem como o efeito de determinadas características da EAD sobre os diferentes perfis de estudantes.

As pesquisas de Chyung [7], DeTure [8], Ryan [9], Schneider e Germann [10] Urtel [12] e Valasek [13], buscaram identificar características de estudantes com o melhor ou pior desempenho acadêmico em cursos a distância. Chyung [7] e Urtel [12] exploraram diferenças relacionadas ao gênero e a idade. Urtel não encontrou alterações no desempenho acadêmico que fossem relacionadas com o gênero, mas confirmou a correlação entre idade e melhor desempenho. Chyung encontrou desempenhos melhores para as mulheres, bem como

variação de desempenho acadêmico em função da faixa etária. Na pesquisa de Martins, Joly e Santos [15] também não foi encontrada diferença em relação ao gênero, mas se identificou progressão do desempenho acadêmico à medida que a faixa etária dos participantes subia, porém a análise de variância multivariada executada não conferiu significância estatística à diferença percebida.

Ryan [9] pesquisou o efeito que dois modelos de cursos (telecursos e cursos baseados em Web) têm no desempenho acadêmico dos estudantes, em comparação com um curso equivalente, mas ofertado de forma presencial. Além disso, foi investigada a relação do desempenho acadêmico com idade e gênero. Os resultados da pesquisa de Ryan estão de acordo com os obtidos por Bernard et al. [6] e Shachar e Neumann [11], no que se refere à não existência de diferença significativa no desempenho acadêmico motivada pela modalidade do curso ofertado (EAD ou presencial). A comparação de grupos considerando o gênero e a faixa etária não identificou diferenças significativas nos desempenhos acadêmicos.

DeTure [8] buscou atributos que podem ser usados como preditores do sucesso do aluno em cursos a distância baseados na Web. Segundo a pesquisadora, o resultado mostrou uma correlação positiva entre os escores de um teste para verificar autonomia do estudante e uma escala de autoeficácia em tecnologias, o que dá suporte à noção de que os estudantes com características mais autônomas tendem a ser mais hábeis com as tecnologias. Porém, a autoeficácia em tecnologias não se mostrou preditora do melhor desempenho do estudante no curso.

Valasek [13] investigou cursos a distância oferecidos pela Internet, buscando um perfil para os estudantes com melhor desempenho acadêmico. Os resultados dessa pesquisa, que estão de acordo com Schneider e Germann [10], indicaram que os alunos de melhor desempenho tendem a ser os mais velhos da turma. Além da idade, foram identificados como indicadores de melhor desempenho acadêmico, o desenvolvimento de expectativas realísticas sobre o tempo exigido para os estudos, a habilidade de controlar as demandas de trabalho e repouso, a habilidade no uso do computador, a regularidade no acesso ao ambiente e a capacidade de comunicação. Estas características são também citadas por Pallof e Pratt [17], como indicadores de melhor desempenho em cursos a distância. A relação entre uso de tecnologia e desempenho aparece também no trabalho de Maia, Meireles e Pela [14], que analisaram a evasão nos cursos superiores a distância no Brasil. Nos resultados, destaca-se a existência de relação entre o índice de evasão e a tecnologia de informação e comunicação utilizada nos cursos à distância.

As variáveis socioeconômicas podem gerar vieses no desempenho acadêmico dos estudantes, conforme sugerem estudos já realizados sobre essa temática na

educação presencial. Os trabalhos de Bori e Durham [18] e Pedrosa et al. [19], por exemplo, exploram possíveis efeitos das variáveis socioeconômicos no desempenho de estudantes de cursos superiores presenciais, com resultados que podem balizar, dada a escassez de dados para a modalidade EAD, as explorações dessa natureza para cursos a distância.

Bori e Durham [18] utilizaram dados de cerca de 150 mil formandos, distribuídos em 13 diferentes áreas de graduação, em sua maioria, das Regiões Sudeste (61%) e Sul (16,4%) e concluíram que existem diferenças significativas distinguindo jovens que estudaram em cursos diurnos ou noturnos, instituições públicas ou privadas e a renda familiar, cuja relação evolutiva acompanha o desempenho acadêmico. Tal fenômeno também é citado na pesquisa de Munhoz [20] sobre desempenho acadêmico de universitários.

Pedrosa et. al. [19] analisaram o desempenho de 6.701 alunos admitidos em uma universidade pública do estado de São Paulo à luz de seus antecedentes socioeconômicos e educacionais. O principal resultado da pesquisa é que os estudantes provenientes de meios desfavorecidos, em ambos os aspectos, educativos e socioeconômicos, têm desempenho relativamente mais elevado. No estudo de Martins [16] que analisou desempenhos de 85 estudantes divididos em 2 grupos (presencial e EAD), também há o relato de evolução inversamente proporcional entre desempenho acadêmico e renda familiar.

Visto que o desempenho acadêmico é conceito fundamental nas análises comparativas das pesquisas já citadas e também o é na presente pesquisa, faz-se necessário esclarecer sua significação. O termo desempenho é utilizado, neste contexto, para transmitir a ideia de achievement, palavra da língua inglesa que indica a ação de conquistar algo, ser bem-sucedido por meio do esforço, da habilidade [20]. O desempenho acadêmico, mais especificamente, se refere às atividades escolares envolvendo a avaliação de conhecimento, habilidades e competências [20]. A observação do desempenho acadêmico resulta, portanto, da avaliação da execução de tarefas que envolvem habilidades cognitivas e o domínio de conhecimento específico sobre conteúdos escolares.

Existem outras abordagens relacionadas às formas de observação do desempenho acadêmico, inclusive para cursos a distância, como as descritas nos trabalhos de Bilkstein [21] e Pallof e Pratt [4]. Entretanto, o delineamento da presente pesquisa necessita informação que permita comparação de desempenhos por meio do agrupamento de estudantes, o que pode ser obtido através das notas atribuídas a eles no sistema de avaliação das diversas disciplinas cursadas. Esses escores (notas) representam, em alguma medida, os desempenhos individuais em relação aos objetivos educacionais que foram a base para a organização do curso, preparação do material didático e das atividades realizadas pelos

51 estudantes, o que dá indicativos de separação entre

aqueles que se saíram melhor ou aqueles que não foram tão bem no curso.

Ao lado disso, a legislação que regulamenta o funcionamento de cursos a distância no Brasil [22] determina que, na avaliação da aprendizagem, sejam previstas etapas presenciais e que estas prevaleçam, do ponto de vista de mensuração, sobre as formas de avaliação executadas a distância. Então, em relação ao desempenho acadêmico em cursos a distância, considera-se que este considera-se sustenta em princípios análogos aos da educação presencial, mas que requer tratamento diferenciado, principalmente no que diz respeito à autonomia e ao acompanhamento da aprendizagem [23,24].

Considerando o contexto apresentado, este trabalho tem por objetivo explorar relações entre o desempenho acadêmico, características socioeconômicas e domínio de utilização das tecnologias de informação e comunicação, dos estudantes de dois cursos de especialização oferecidos na modalidade EAD.

2. Metodologia

A investigação foi delineada como um estudo de caso de caráter exploratório, em abordagem quantitativa [25,26]. A abordagem quantitativa foi adotada devido a natureza e a quantidade de informações a serem analisadas. Acompanhando os delineamentos adotados nas pesquisas de DeTure [8]; Martins [16] e Ryan [9], optou-se por aplicar instrumentos padronizados para obtenção da medida do domínio de uso das tecnologias e os dados socioeconômicos. Optou-se, também, por utilizar as notas finais obtidas pelos estudantes nas disciplinas dos cursos, para mensuração do desempenho acadêmico. Antes de iniciar a etapa de obtenção e análise dos dados, o projeto foi submetido ao Comitê de Ética em Pesquisas com Seres Vivos da Universidade Federal de Lavras e obteve aprovação. Em seguida, foi submetido Termo de Consentimento aos estudantes, no formato online, disponível na tela inicial de preenchimento dos instrumentos de coleta de dados. Aqueles que concordaram foram considerados participantes da pesquisa.

Participaram 288 ingressantes em dois cursos de especialização lato sensu na modalidade EAD ofertados nas cidades de Boa Esperança, Campo Belo, Formiga, Ilicínea, Jaboticatubas e Lavras (todas em Minas Gerais), por uma universidade pública federal, todos professores da educação básica (8,7% educação infantil; 59,4% ensino fundamental; 26,7% ensino médio; 5,2% não declararam). Dos participantes com idade variando entre 23 e 60 anos, 52,1% tinham até 34 anos e 78,5% são mulheres. A faixa de renda declarada pela maioria foi de até 2 salários-mínimos (55,5%).

Foram formados dois grupos de participantes. Um (GA) com 65,3% dos estudantes (N=188) que concluíram o módulo inicial dos cursos e outro (GB) com 34,7% (N=100), que não concluíram o módulo inicial por terem sido reprovados em uma ou mais disciplinas, o que, pela regulamentação interna da universidade, implicava no desligamento dos cursos.

A obtenção dos dados para caracterização do perfil socioeconômico (sexo, idade, renda mensal e atuação profissional) se deu a partir do preenchimento do questionário padronizado e informatizado e extraídos da base de dados do ambiente virtual de aprendizagem mediante consentimento dos participantes.

Os dados referentes ao domínio do uso das tecnologias foram obtidos por meio da aplicação da Escala de Desempenho em Tecnologias de Informação e Comunicação (EDTEC) de Joly e Martins [27]. Adotou-se o escore do deAdotou-sempenho em tecnologias obtido com a aplicação desse instrumento como medida do domínio de uso dos recursos tecnológicos, de forma análoga às pesquisas de Deture [8], Martins, Joly e Santos [15], Martins [16], dentre outras. A aplicação da EDTEC se deu em formato eletrônico, momento em que os participantes iniciaram as atividades dos cursos no Ambiente Virtual de Aprendizagem.

A EDTEC permite verificar a autopercepção do sujeito em relação ao desempenho no uso dos recursos tecnológicos e sua capacidade de aplicação desses recursos no cotidiano para resolução de problemas e auxílio à aprendizagem. Ela é composta por 56 itens do tipo Likert com a seguinte pontuação: 0 = nunca, 1 = algumas vezes, 2 = muitas vezes, 3 = sempre. O instrumento permite pontuação máxima de 168 pontos, que corresponde ao somatório dos 3 fatores da escala. O estudo realizado por Joly e Martins [27] , conferiu evidências de validade para a escala e seus 3 fatores: - Fator 1: refere-se as “ferramentas básicas de comunicação” e ao uso elementar de recursos tecnológicos para obtenção de informação, interação em rede e aprendizagem. Distribuído em 17 itens que englobam questões tais como: “Recebo e-mails”; “Sei detalhes técnicos para me conectar à Internet” e “Deleto mensagens desconhecidas que podem representar risco”. Este fator atinge o máximo de 51 pontos.

- Fator 2: integra os “conceitos e ferramentas de produtividade”, que se dão no uso produtivo das ferramentas computacionais com o intuito de aperfeiçoamento de ideias e tratamento dos conteúdos e correspondem a 20 itens, como por exemplo: “Faço download de filmes e/ou músicas”; “Uso a Internet para fazer compras de forma online”; “Eu crio apresentações com imagens e sons para trabalhos escolares”. O respondente poderá atingir até 60 pontos neste fator. - Fator 3: compõe as “ferramentas de solução de problemas” que representam a utilização avançada dos recursos tecnológicos na tomada de decisões e resolução

de problemas do cotidiano, perfazendo 19 itens, tais como: “Tento resolver problemas de estudo usando o computador”; “Sei encontrar publicações científicas na Internet”; “Eu sei identificar novas formas de utilizar os recursos tecnológicos de que disponho”. A pontuação máxima é de até 57 pontos.

O Desempenho acadêmico foi obtido por meio do cálculo da média aritmética das notas finais das disciplinas ofertadas no módulo inicial que é comum aos dois cursos de especialização pesquisados. Esse módulo é composto por 6 disciplinas com carga horária total de 180 horas. As notas, geradas pela sistemática de avaliação estabelecida no projeto pedagógico, foram coletadas no sistema de controle acadêmico da instituição. Elas foram verificadas ao longo de um semestre letivo, sendo expressas pelo somatório da pontuação obtida nos instrumentos avaliativos em sistemática que mesclou eventos avaliativos presenciais com avaliação formativa a distância.

As medidas quantitativas obtidas foram submetidas às análises estatísticas descritivas e inferenciais. Optou-se por aplicar a estatística descritiva para se obter as características do perfil socioeconômico e calcular desempenhos médios. A estatística inferencial foi aplicada para a análise de relações (Correlação de Pearson e Regressão Linear) entre as variáveis Desempenho Acadêmico e Desempenho em Tecnologias,

além da comparação de grupos de estudante de alto e baixo desempenho acadêmico, por faixa etária, por faixa de renda pelo método e por gênero com os métodos Analysis of Variance e T Student (para mais detalhes desses métodos estatísticos ver Dancey e Reidy [28]).

No coeficiente de Correlação de Pearson os parâmetros de valores de correlações adotados para a análise segue as indicações de intensidade de relacionamentos de Dancey e Reidy [28]. Foi considerada a existência de correlação linear fraca quando o coeficiente de correlação (r) se encontrou entre 0,10 e 0.30, moderada entre 0.31 e 0.69, forte entre 0.70 e 0.99 e perfeita para 1. O zero corresponde à inexistência de correlação.

3. Resultados e Discussão

Foi calculada a média dos escores brutos do desempenho acadêmico das disciplinas efetivamente cursadas no módulo inicial como forma de identificar o desempenho médio de cada estudante no período, visando permitir comparações entre e intragrupos. Após esta operação foi extraída estatística descritiva das variáveis socioeconômicas (Tabela 1) e da EDTEC, bem como dos desempenhos acadêmicos médios dos os grupos, para então serem executadas as análises inferenciais.

Indicador GA N % GB N % Total N % Sexo Feminino 147 78,2 79 79 226 78,5 Sexo Masculino 41 21,8 21 21 62 21,5 Faixa etária até 24 anos 22 11,7 03 03 25 8,7 de 25 a 34 78 41,5 49 49 127 44,1 de 35 a 44 59 31,4 33 33 92 32,0 de 45 a 54 26 13,8 10 10 36 12,5 55 ou mais 03 1,6 05 05 08 2,7 Faixa de renda

até 2 Salários Mínimos 96 51,0 64 64 160 55,5

entre 3 e 4 84 44,7 32 32 116 40,3

53 Atuação profissional educação Infantil 13 6,9 12 12 25 8,7 ensino fundamental 112 59,6 59 59 171 59,7 ensino nédio 52 27,7 25 25 77 26,7 não responderam 11 5,8 04 04 15 5,2

Tabela 1 - Distribuição de frequência dos indicadores socioeconômicos para os grupos de concluintes (GA) e não concluintes (GB)

3.1. Análises relativas às variáveis

socioeconômicas

Em relação ao gênero, ao observar a Tabela 1 constata-se que, proporcionalmente, o número de não concluintes é bastante próximo (homens,51% e mulheres,53,7%). A comparação de médias pelo teste T student não revelou diferenças significativas de desempenho acadêmico que foram motivadas por este fator, o que está de acordo com a pesquisa de Urtel [12]. Porém, o resultado diverge dos estudos de Martins [16] que encontrou médias superiores para homens e de Chyung [7] que encontrou médias superiores para as mulheres. Martins [16] afirma que as diferenças de sexo em testes cognitivos tendem a variar dependendo das amostras e seus efeitos também podem estar relacionados ao que se requisita nos testes, o que pode explicar essa flutuação.

No que se refere à faixa de renda, observou-se, na Tabela 1, concentração de estudantes com renda média até 4 salários-mínimos, sendo que metade dos participantes declarou renda de até 2 salários-mínimos, ficando evidenciada a baixa remuneração dos professores. Isso indica possibilidade de atendimento de objetivos do sistema UAB [2], notadamente os que se referem à democratização do acesso à educação, formação continuada de professores e ampliação de oportunidades para a melhoria da renda por meio da educação. Por outro lado, é mais uma evidência do pouco reconhecimento profissional dos docentes da educação básica. Quanto à distribuição por nível de atuação profissional, também se manteve sem alterações percentuais relevantes entre os grupos GA e GB (Tabela 1), o que exclui a possível relação dessa característica com a reprovação no módulo inicial dos cursos. Também a faixa etária não apresentou alterações que indicassem predominância de determinado intervalo de idades entre os estudantes dos dois grupos.

Concluída a observação descritiva das variáveis socioeconômicas, passamos a analisá-las em relação ao desempenho acadêmico. Como era esperado, a diferença

das médias dos grupos [(GA=81,3 DP= 8,9 N=188); (GB=44,5 DP=21,9 N=100)] foi significativa (t[287]=16,1; p = 0). É preciso ressaltar que as notas que compuseram as médias de desempenho acadêmico foram somente aquelas do resultado final de disciplinas efetivamente cursadas até o seu término e com avaliações concluídas. Então, mesmo para estudantes que não terminaram todo o módulo inicial de 180 horas por reprovações ou desistência do curso, existe um número considerável deles (30%) com desempenho médio acima de 60% (limite para reprovação previsto na regulamentação de oferta dos cursos). O resultado do teste T student indicou o desempenho médio como fator de diferenciação entre os participantes, o que confirma que ele pode ser utilizado para as análises inferenciais apresentadas a seguir.

Em seguida, foram realizados procedimentos de estatística inferencial (Analysis of Variance) para verificar possíveis diferenças em relação ao nível de atuação profissional, à faixa de renda, e à faixa etária. A análise quanto aos níveis de atuação profissional revelou não existirem diferenças significativas tanto para GA (F[3,184]=1,3; p=0,28) quanto para GB (F[3,96]=0,5; p=0,61).

Foi observado efeito da renda sobre o desempenho acadêmico, com diferença significativa (F[2,185]=6,95, p=0,01), para o grupo que concluiu o módulo inicial (GA), enquanto que para GB não foi observada diferença (F[2,97]=0,16, p=0,85). No gráfico da Figura 1 é possível verificar que o desempenho acadêmico médio dos estudantes com renda entre 3 e 4 salários-mínimos se elevou em relação àqueles com salários inferiores. Porém, ele decresceu na comparação com os estudantes com renda de 5 salários-mínimos ou mais. Assim, não é possível afirmar que existe relação entre o aumento de renda e o melhor desempenho acadêmico. Esse efeito da renda sobre o desempenho foi observado também nas pesquisas de Bori e Durham [19], Martins [16] e Pedrosa et al. [19]. Tal fenômeno deve merecer mais atenção em futuras pesquisas, visto ser escassa a literatura acerca das causas ou consequências dessa evidência em cursos a distância.

Figura 1 - Desempenho acadêmico médio por faixas de renda dos estudantes que concluíram o módulo inicial dos cursos.

Figura 2 - Desempenho acadêmico médio por faixa etária dos estudantes que concluíram o módulo inicial dos cursos. Na verificação da relação entre faixa etária e desempenho acadêmico, foram identificadas diferenças significativas (F[4,183]=3,13, p=0,01) para o grupo GA, enquanto que no grupo GB (F[4,95]=1,48, p=0,21), não foi observada diferenciação. No gráfico da Figura 2 verifica-se incremento de média com o aumento da faixa etária. Mesmo os decréscimos apresentados nas faixas 25-34 e 45-54, as médias dessas faixas etárias ainda se mantêm acima da faixa inicial (até 24 anos). Esse resultado aproxima as características dos estudantes pesquisados com aquelas apontadas por Pallof e Pratt [4], Schneider e Germann [10] e Valasek [13] como características dos estudantes com melhor desempenho acadêmico nos cursos a distância.

Também nas pesquisas de Chyung [7] e de Martins, Joly e Santos [15] foi possível observar variação positiva de desempenho acadêmico em função da faixa etária. Entretanto, outras pesquisas apresentaram resultados diferentes. Ryan [9] e Martins [16] verificaram que a idade não influenciou a participação em disciplinas oferecidas a distância por meio de AVA. Porém, naqueles estudos os cursos analisados eram semipresenciais (híbridos). Isso indica necessidade de aprofundamento de

investigações que comparam cursos híbridos e cursos a distância, para o melhorar o entendimento dessas diferenças. Também o fato de não terem sido observadas diferenças no grupo dos estudantes que não concluíram os cursos deve merecer aprofundamento nas investigações.

3.2. Análises relativas ao desempenho em

tecnologias de informação e comunicação

Foram calculados os escores individuais computando-se a totalidade dos itens da EDTEC e também os subconjuntos de cada um dos 3 fatores do instrumento. A Tabela 2 apresenta os resultados obtidos. A pontuação média global foi de 106,5 (DP=32,04) para o grupo GA e de 100 (DP=34,10) para o grupo GB, em uma pontuação máxima de 168.

Foi calculada a distribuição percentual de respostas de acordo com níveis de domínio elementar, intermediário ou avançado, dentro do limite de pontuação possível em cada nível. O cálculo se baseou na seguinte relação entre níveis e opções de resposta: 1 – Algumas Vezes – que corresponde ao elementar, 2 – Muitas Vezes – ao intermediário e 3 – Sempre – ao avançado. Como resultado, 40% dos participantes apresentaram desempenho avançado, 20% intermediário e 40% elementar. Esse resultado mostra que a maioria dos estudantes apresentou suficiência para utilizar as tecnologias presentes nas atividades dos cursos.

Os resultados para o uso da TIC aplicada às ferramentas básicas e de comunicação – fator 1 (observáveis na Tabela 2), sugerem percepção de bom domínio dos recursos tecnológicos necessários à comunicação e solução de problemas, disponíveis no Ambiente Virtual de Aprendizagem. O fator ferramentas de produtividade foi percebido como menos frequentemente utilizado, o que sugere pouco domínio do instrumental no que diz respeito às ações mais avançadas de elaboração e produção de conteúdos por meio de ferramentas tecnológicas.

Os itens da EDTEC com maior frequência média de resposta foram: Deleto mensagens desconhecidas que podem representar risco (M=2,7 DP=0, 72); Recebo e-mails (M=2,7; DP=0,74), Sei imprimir textos usando o computador (M=2,6; DP=0,76), Acesso sites (M=2,6; DP=0,75), Desconfio de mensagens que recebo por e-mail e que não conheço origem (M=2,5; DP=0,84); Envio e-mails (M=2,5; DP=0,86). Esses itens se relacionam ao uso de recursos de comunicação por meio das TIC. Já os itens com menor frequência média de resposta foram: Uso a Internet para fazer minhas transações bancárias (M=0,5; DP=0,88); Produzo vídeos usando o computador (M=0,7; DP=0,89); Ajudo a atualizar conteúdo de sites, dando opinião ou enviando informação (M=0,7; DP=0,91). Todos relacionados ao

55 uso mais avançado das tecnologias, componentes do

Fator 2 - ferramentas de produtividade.

Quanto ao uso educacional das TIC pelos participantes, os escores médios dos itens da EDTEC diretamente relacionados ao ato de estudar foram: Tento resolver problemas de estudo usando o computador, M=2,1 (DP=0,82); Procuro na Internet, sites relacionados com o que estou estudando, quando não consigo compreender a matéria, M=2,4 (DP=0,80); Sei encontrar publicações científicas na Internet, M=2,0 (DP=0,96); Meus colegas e eu trabalhamos juntos utilizando a Internet para nos comunicarmos, M=1,9 (DP=1,00); Utilizo a Internet para me ajudar em minhas atividades de estudo, M=2,4 (DP=0,76) ; Eu crio apresentações com imagens e sons para trabalhos escolares, M=1,3 (DP=1,07); Aprendo mais rápido o que estou estudando quando uso o computador, M=1,8 (DP=0,84). Excetuando-se o item 43, o resultado indica que a maioria dos participantes apresenta bom domínio dos recursos como suportes à aprendizagem escolar.

A condição detectada nessas análises demonstra que, em sua maioria, os cursistas já possuem uma percepção positiva da própria capacidade no uso de TIC para estudar, o que, pela ótica de Albert Bandura, citado por Martins [16], tem impacto no domínio efetivo do desempenho avaliado e tem influência direta na persistência para enfrentar obstáculos, quando ações de tal natureza são exigidas nos cursos a distância. Considerando que não existem diferenças significativas nas médias da EDTEC entre os grupos GA e GB (t[287]=1,6; p = 0,12) e que, pelas análises descritivas, o instrumento demonstrou poder capturar desempenhos diferenciais de domínio dos recursos tecnológicos relacionados com a oferta dos cursos investigados, foi verificada a capacidade preditiva do desempenho em tecnologias para o desempenho acadêmico dos participantes. Para essa verificação foi executada regressão linear (método Enter) para cada grupo separadamente, e posteriormente com os dados de todos os participantes. O resultado é apresentado na Tabela 3.

Grupos Fatores M DP % do Total Mín Máx Pontuação Máxima Possível GA Ferramentas básicas e de comunicação 38,8 8,7 76 14 51 51 N=188 Ferramentas de produtividade 31,3 14,2 52 4 60 60 Ferramentas de solução de problemas 36,3 11,1 64 5 57 57 Escore total 106,5 32,05 63 23 168 168 GB Ferramentas básicas e de comunicação 36,7 9,9 72 14 51 51 N=100 Ferramentas de produtividade 28,8 14,1 48 4 60 60 Ferramentas de solução de problemas 34,6 11,8 61 5 57 57 Escore total 100,0 34,1 60 23 168 168

Tabela 2 - Análise descritiva da Escala de Desempenho em Tecnologias de Informação e Comunicação por fator e total Grupo Coeficientes B Erro padrão β P R² A 0,08 0,03 0,29 0,00 0,09 B 0,31 0,06 0,48 0,00 0,22 TODOS 0,21 0,39 0,31 0,00 0,09

Tabela 3 - Resultados da regressão linear do desempenho em tecnologias em relação ao desempenho

Os resultados apresentados na Tabela 3 apontam baixo poder de predição (9%) para a variável Desempenho em Tecnologias com relação ao Desempenho Acadêmico, quando calculado com os dados de todos os estudantes e também para o grupo GA. Apontam, também, correlação moderada (r=0,48) e poder de predição de 22% para o grupo de pior desempenho e que não concluiu o módulo inicial (GB).

Como a regressão linear para todos os participantes e também para o grupo GA apresentaram β (beta) baixo e apenas para o grupo GB ele foi moderado, não é possível afirmar com segurança que o resultado desse estudo está de acordo com Pallof e Pratt [12,19] e DeTure [8] quando esses autores afirmam que a habilidade com os recursos tecnológicos tem relação direta com o desempenho acadêmico do estudante. Por outro lado, a correlação moderada (r=0,48) observada no grupo GB está de acordo com o estudo de Valasek [13] que indica a habilidade no uso do computador como um dos fatores de melhor desempenho do aluno em cursos online. Também está de acordo com o estudo de Maia, Meireles e Pela [14], cujos resultados destacaram a existência de relação entre o índice de evasão e a tecnologia de informação e comunicação utilizada nos cursos a distância.

Tal evidência pode indicar que o domínio dos recursos tecnológicos faz diferença em relação do desempenho acadêmico, quando este se apresenta em níveis elementares. Quando o estudante domina, mesmo de forma intermediária, os recursos tecnológicos, seu uso já não mais interfere na atuação e consequente desempenho no curso. Portanto, conclui-se que a verificação do domínio das TIC utilizadas pelo estudante pode ser útil para indicar se ele possui os requisitos mínimos necessários para realizar as atividades e se comunicar com colegas e professores. Se tais requisitos estiverem presentes, será o suficiente para que o estudante acompanhe as atividades didático-pedagógicas de forma satisfatória. Entretanto, isso não deve ser confundido com a possibilidade de liberação dos estudantes hábeis em tecnologia da participação em atividades de capacitação para uso do AVA e outros recursos tecnológicos. Nesse tipo de capacitação opera-se a ambientação com a interface, bem como o melhor uso dos recursos para estudar e não apenas a operação das tecnologias. Isso pode fazer muita diferença no desempenho acadêmico futuro.

4 Considerações Finais.

Ao interpretar as informações consolidadas no presente trabalho é importante que se considerem as limitações para sua execução. Os resultados e análises decorrentes deles não contemplam as dimensões necessárias para se fazer generalizações, principalmente pelo tipo de delineamento amostral adotado. Também é importante observar que as análises têm como base a comparação com desempenhos acadêmicos médios e

estes, portanto, podem ter sido afetados pela forma de medi-los. As comparações partem do pressuposto de que a medida do desempenho acadêmico foi precisa, ou seja, que representa a diferenciação dos indivíduos, traduzida em variância de resultados quanto ao conhecimento adquirido e exercitado sob a orientação do programa de ensino aplicado.

O estudo exploratório permitiu as seguintes observações e levantamento de questionamentos que balizarão futuros estudos:

(i) o gênero não diferencia o desempenho acadêmico dos estudantes em cursos EaD. Apesar de aparentemente ser um resultado pouco relevante, pode indicar que diferentes interferências ambientais externas experimentadas por mulheres ou homens, como por exemplo as prioridades do estudo concorrendo com obrigações domésticas e atenção a filhos, não exerceram influência no resultado do desempenho acadêmico;

(ii) a idade e a renda mensal demonstraram diferenciar, de forma limitada, o desempenho acadêmico. É necessário aprofundar a observação desses efeitos, pois está nos fundamentos da Educação a Distância no Brasil sua possibilidade de democratização e inserção social para camadas da população que têm dificuldade ou estão impedidas de acessarem os sistemas educacionais presenciais;

(iii) há um possível vínculo entre a performance no uso dos recursos tecnológicos e desempenho acadêmico nos cursos EAD, principalmente para os estudantes que ficam retidos ou desistem antes do término do curso. Apesar de algumas pesquisas apontarem que o domínio das tecnologias de informação e comunicação não melhora nem piora o desempenho acadêmico, é preciso manter a observação de grupos específicos, considerando principalmente o conjunto mínimo de habilidades para a participação nas atividades de estudo e para comunicação e que efeitos limitantes que a falta de habilidade com os recursos tecnológicos gera, principalmente na evasão.

Referências

[1] ABED. Associação Brasileira de Educação a Distância, Censo EAD.BR, São Paulo:Pearson Education do Brasil, 2010.

[2] MEC. Ministério da Educação/Universidade Aberta do Brasil, http://www.uab.capes.gov.br Acesso em 15 jul. 2011.

[3] J. C. Costa, Modelos de Educação Superior a Distância e Implementação da Universidade Aberta do Brasil, Revista Brasileira de Informática na Educação, 15(2):9-16, 2007.

[4] R.M. Pallof, K. Pratt. Construindo Comunidades de Aprendizagem no Ciberespaço, Porto Alegre:Ed

57 Artmed, 2002.

[5] M. Moore, Handbook of Distance Education, Mahwah, NJ:Lawrence Erlaum, 2007.

[6] R. M. Bernard, Y. Lou, P. C. Abrami, Comparing Distance Education and Traditional Instruction: An "In-progress" Meta-Analysis of the Empirical Literature. Review of Educational Research, 74(3), 2004.

[7] S. Chyung, Age and Gender Differences in Online Behavior, Self-Efficacy, and Academic Performance. Quarterly Review of Distance Education, 8(3):213-222, 2007.

[8] M. DeTure, Investigating the predictive value of cognitive style and online technologies self-efficacy in predicting student success in online distance education courses. The American Journal of Distance Education, 18(1):21-38, 2004.

[9] W. J. Ryan, Comparison of student performance and attitude in a lecture class to student performance and attitude in a telecourse and a web-based class. Tese de Doutorado, Nova Southeastern University, Flórida, 2001.

[9] W. J. Ryan, Comparison of student performance and attitude in a lecture class to student performance and attitude in a telecourse and a web-based class. Tese de Doutorado, Nova Southeastern University, Flórida, 2001.

[9] W. J. Ryan, Comparison of student performance and attitude in a lecture class to student performance and attitude in a telecourse and a web-based class. Tese de Doutorado, Nova Southeastern University, Flórida, 2001.

[10] S. P. Schineider, C. G. Germann, Technical Communication on the Web: A Profile of Learners and Learning Environments. Technical Communication Quarterly. Texas, Association of Teachers of Technical Writing, 8(1):37-48, 1999. [11] M. Sharchar, Y. Neumann, Differences between

traditional and distance education academic performances: a meta-analytic approach. International Review of Research in Open and Distance Learning, 4(2), 2003.

[12] M. G. Urtel, Assessing academic performance between traditional and distance education course formats. Educational Technology & Society, 11(1):322-331, 2008.

[13] T. Valasek, Student Persistence in Web-Based Courses: Identifying a Profile for Success, http://www.raritanval.edu/departments/CommLang uage/.2001, acesso em 22 mai. 2011.

[14] M. C. Maia, F. S. Meirelles, S. K. Pela, Análise

dos índices de evasão nos cursos superiores a distância no Brasil. In: 10º Congresso Internacional de Educação a Distância, Salvador: Associação Brasileira de Educação a Distância

(ABED), 2004.

http://www.abed.org.br/congresso2004/por/htm/07 3-TC-02.htm , acesso em 18 mai. 2011.

[15] R. X. Martins, M. C. R. A. Joly, C.R.O.A Santos, Aptidão para aprendizagem online: um indicador do desempenho acadêmico?. In: 13º Congresso Internacional de Educação a Distância, Curitiba: Associação Brasileira de Educação a Distância (ABED), 2007,

www.abed.org.br/congresso2007/tc/54200760915 PM.pdf, acesso em: 10 jan. 2010.

[16] R. X. Martins, Modalidades de ensino e sua relação com habilidades cognitivas e tecnológicas. Tese de Doutorado, Universidade São Francisco, Itatiba/SP, 2008.

[17] R.M. Pallof, K. Pratt, The virtual student: a profile and guide to working with online learners. USA:John,Wiley&Sons, 2003.

[18] C. M. Bori, E. R. Durham, Equidade e heterogeneidade no ensino superior brasileiro, Brasília: Instituto Nacional de Estudos e Pesquisas Educacionais, 2000.

[19] R. H. Pedrosa, N. W. Dachs, R. P. Maia, C. Y. Andrade, B. S. Carvalho, Educational and socioeconomic background of undergraduates and academic performance: consequences for affirmative action programs at a Brazilian research university. In: IMHE/OECD General Conference,

Paris, 2006.

http://www.comvest.unicamp.br/paais/artigo2.pdf, acesso em 05 mar 2011.

[20] A. M. Munhoz, Uma análise multidimensional da relação entre inteligência e desempenho acadêmico em universitários ingressantes. Tese de Doutorado, Universidade Estadual de Campinas, São Paulo, 2004.

[21] P. Blikstein. Mal-estar na avaliação, Avaliação da Aprendizagem em Educação Online, 183-200, São Paulo: Edições Loyola, 2006.

[22] MEC. Ministério da Educação, Regulamentação

da EAD no Brasil, 200,

http://meclegis.mec.gov.br/index/busca?pesquisa= ”educação+a+distância”, acesso em 27 fev 2014. [23] M. L. C. Neder, Avaliação na Educação a

Distância, significações para definição de

percursos. 2006,

http://www.nead.ufmt.br/NEAD2006/publicacao/d ownload/, acesso em 12 abr 2011.

[24] V. N. Kensky. Avaliação e acompanhamento da aprendizagem em ambientes virtuais, a distância,

Educação a Distância: desafios contemporâneos. São Carlos: EdUFSCAR, 2010.

[25] A. C. Gil. Métodos e Técnicas de Pesquisa Social, São Paulo: Atlas, 2009.

[26] R. K. Yin, Estudo de caso: Planejamento e Métodos, 4ª ed. Porto Alegre: Bookman, 2010. [27] M. C. R. A, Joly, R. X. Martins, Estudo de

validade de uma escala de desempenho em tecnologias para estudantes. Psicologia Escolar e Educacional, 10:41-52, 2006.

[28] C. P. Dancey, J. Reidy,. Estatística sem

matemática para Psicologia: usando SPSS para Windows. 3a ed. Porto Alegre: ArtMed, 2004.