6.6 Aplicação em um caso real
Para construir um caso real (case) da aplicação do MAB apresentada no parágrafo 6.1, "Decisão Sobre a Abertura de um Novo Curso Superior por uma Instituição de Ensino", e que havia sido apresentada na dissertação de mestrado (DE CARVALHO, 2000), analisou-se, para as condições do ano 2001, a viabilidade de abertura, em 2002, do curso de Engenharia na cidade de São José dos Campos (SJC) pela Universidade Paulista (UNIP).
6.6.1 Pessoas que contribuíram diretamente com esta aplicação
Para a construção do case, foram feitos contatos com vários membros dos corpos diretivo e administrativo da UNIP para obtenção de informações. As manifestações desses dirigentes podem ser resumidas como segue.
Um dos dirigentes contatados foi o Dr. Yugo Okida, à época, ocupando na UNIP o cargo de Vice-Reitor de Graduação e no Conselho Nacional de Educação (CNE), o de Conselheiro. Durante a conversa, o Dr. Okida disse que é médico, formado pela Escola Paulista de Medicina, hoje reconhecida como Universidade Federal de São Paulo (Unifesp), especializado em Ginecologia, e que fez mestrado também na Unifesp.
Acrescentou que, desde os primórdios de sua vida profissional, sempre se dedicou à educação, trabalhando, de início, no curso e colégio Objetivo (ainda como estudante universitário) e, posteriormente, nas Faculdades Objetivo. Essas faculdades, que começaram com os cursos de Psicologia, Comunicação Social, Letras e Pedagogia, e cresceram com a abertura dos cursos de Engenharia, Odontologia, Ciência da Computação e Processamento de Dados, nesta ordem, constituíram o embrião da atual UNIP, que foi autorizada pela via do reconhecimento, em 1988.
Com relação à UNIP, o Dr. Okida informou que foi reconhecida como uma universidade multicampi, já com a intenção de expandir-se dentro da cidade de São Paulo e para o interior e litoral do estado. Em decorrência dessa política estabelecida em sua concepção, a UNIP já havia se expandido dentro da Grande São Paulo para dez novos campi e para treze cidades do interior e litoral do estado, com a aprovação de unidades universitárias em todas elas. Além disso, em caráter excepcional, foram autorizadas também as unidades universitárias do Distrito Federal, em Brasília, de Goiânia e de Manaus.
Consolidada essa expansão geográfica, esclareceu que o passo seguinte era estender, gradativamente, via aprovações do Conselho de Ensino, Pesquisa e Extensão (Consepe) e do Conselho Universitário (Consuni), os cursos já oferecidos na sede em São Paulo, para todas as unidades universitárias. Sendo assim, em 2001, foi estudada a implantação do curso de Engenharia, na Unidade Universitária de SJC. O Dr. Okida, diante de nossa exposição sobre o MAB e de nossa necessidade, disse que a aplicação do método seria um ótimo subsídio para se avaliar o acerto da decisão.
Para falar sobre essa implantação, foi procurado o Prof. Pedro Américo Frugoli, que ocupava o cargo de Diretor do Instituto de Ciências Exatas e Tecnologia (ICET). Perguntado sobre sua formação, informou que é graduado e mestre pelo Instituto de Física da Universidade de São Paulo (USP).
O Prof. Pedro disse que, embora o curso de Engenharia seja bastante dispendioso, uma vez que exige a implantação de muitos laboratórios e grande quantidade de aulas práticas, é intenção da Universidade implantá-lo em todos os campi e unidades universitárias. Disse que a escolha de SJC naquele momento era conseqüência de informações que obtiveram por meio de uma pesquisa informal, as quais mostraram estar esta cidade e região em notórios crescimento e desenvolvimento, com um parque industrial constituído por grande número de empresas e com um número pequeno de vagas em cursos de Engenharia. Acrescentou que,
apesar de terem feito esta pesquisa informal, teria sido de grande valia uma análise mais precisa da viabilidade desse curso na citada região e que se colocava à disposição para ajudar no que fosse necessário.
Dando continuidade aos contatos, falou-se com alguns professores, que, à época, ocupavam os cargos de coordenador geral de curso de Engenharia, nas diferentes áreas: Prof. Antônio Renê Camargo Aranha de Paula Leite, da área de Engenharia Civil, é engenheiro civil pela USP de São Carlos, mestre em Engenharia de Produção pela UNIP, ex-coordenador técnico da CESP e ex-diretor do Dersa; Prof. Boanerges Baptista Pereira Filho, da área de Engenharia Mecânica, é engenheiro mecânico e mestre em Engenharia Mecânica pela USP de São Paulo; Prof. Anatol Lekich, da área de Engenharia Elétrica, é engenheiro eletricista e mestre em Engenharia Elétrica pela USP de São Paulo. Todos, a exemplo do Prof. Pedro, se prontificaram a ajudar no que lhes fosse possível e se mostraram curiosos para ver uma futura comparação entre o resultado da análise e o desempenho do curso.
Para obter informações sobre os valores de mensalidades, fez-se contato com o Sr. Geraldo Ribeiro Piazzi, tesoureiro geral da UNIP. Ele deu informações sobre os valores das mensalidades dos cursos de Engenharia já implantados (Bacelar, Alphaville, Campinas e Ribeirão Preto), sobre as mensalidades dos cursos de Engenharia das outras instituições de SJC, bem como sobre o valor da mensalidade que se pretendia cobrar no curso de Engenharia da UNIP em SJC, no ano de 2002.
Outra pessoa contatada foi o Sr. Hildebrando José Rossi Filho, diretor do Departamento de Compras, que deu informações sobre o custo de móveis e equipamentos para a montagem do curso.
Finalmente, falou-se com a Dra. Sílvia Miessa e Sra. Teresa Miako Takao, chefes das seções do Departamento de Recursos Humanos (DRH), que cuidam dos professores e dos funcionários administrativos, respectivamente. Essas funcionárias deram informações sobre
salários de professores (valor hora-aula, salário de coordenação, etc.) e funcionários administrativos de um modo geral. Também, indicaram fontes para obtenção desses dados referentes a outras instituições da região escolhida, inclusive um jornal do Sindicato dos Professores (Sinpro), de publicação mensal, que fazia o ranking dos salários dos professores nas diferentes instituições.
A Secretaria da Educação do Estado de São Paulo, via Conselho Estadual de Educação (CEE), gentilmente, forneceu os dados referentes a números de alunos e de formandos do ensino médio. Os dados referentes ao ensino superior foram obtidos por meio do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). E, finalmente, para obter os demais dados relativos à região, foram consultados os sítios do Instituto Brasileiro de Geografia e Estatística (IBGE), da Federação das Indústrias do Estado de São Paulo (Fiesp), da Fundação Sistema Estadual de Análise de Dados (Seade), do Instituto de Pesquisa Econômica Aplicada (IPEA), do Departamento Intersindical de Estatística e Estudos Socioeconômicos (Dieese) e a Prefeitura de SJC.
6.6.2 Fixação do nível de exigência
Para fixar o nível de exigência desta aplicação a um caso real, houve troca de idéias com os dirigentes da UNIP. Após algumas discussões e explicações sobre o nível de exigência e esclarecer que ele representa o mínimo valor do módulo da diferença entre o grau evidência favorável e o grau de evidência contrária para se tomar uma decisão (favorável ou desfavorável), chegou-se à conclusão de que se poderia fixá-lo em 0,50.
Assim, a decisão somente será favorável, ou seja, o empreendimento (abrir o curso de Engenharia em SJC) somente será considerado viável se, ao final, o grau de evidência favorável superar de, pelo menos, 0,50 o grau de evidência contrária.
Para o nível de exigência igual a 0,50, a regra de decisão e o algoritmo para-analisador são os apresentados a seguir.
Hcert ≥ 0,50 ⇒ decisão favorável (a abertura do curso é viável);
Hcert≤ – 0,50 ⇒ decisão desfavorável (a abertura do curso é inviável);
– 0,50 < Hcert< 0,50 ⇒ análise nãoconclusiva. Algoritmo para-analisador 0,50 0,50 0,00 0,20 0,40 0,60 0,80 1,00 1,20 0,00 0,20 0,40 0,60 0,80 1,00 1,20
Grau de evidência favorável
G rau d e ev id ên ci a c on tr ár ia Contorno Fronteiras Fronteiras
Figura 6.17 – Regra de decisão e algoritmo para-analisador para o nível de exigência igual a 0,50.
6.6.3 Os especialistas escolhidos para construir a base de dados
A base de dados é constituída pelas opiniões de especialistas sobre a viabilidade do empreendimento proposto, os quais atribuem valores aos graus de evidência favorável e de evidência contrária ao sucesso do curso, para cada um dos fatores de influência, nas diferentes
condições (seções) em que podem ser encontrados. Para construí-la, foram escolhidos e contatados os especialistas descritos a seguir.
Profa. Dra. Ana Gracinda Queluz (doravante, para simplicidade de representação, apenas Ana), graduada, mestre e doutora pela Faculdade de Educação da USP; à época, Pró-Reitora de Pós-Graduação da Universidade Cidade de São Paulo (Unicid) e membro do Conselho Municipal de Educação de São Paulo (CME); atualmente, Pró-Reitora de Pós-Graduação da Universidade Ibirapuera (UNIB).
Prof. Dr. Paulo Alcântara Gomes (Paulo ou Pa), graduado, mestre e doutor em Engenharia Civil pela Universidade Federal do Rio de Janeiro (UFRJ), na qual atuou como professor e em diversas funções acadêmicas, incluindo-se as de coordenador de curso, chefe de Departamento e, por final, Reitor. Além disso, o Prof. Paulo Alcântara foi membro do extinto Conselho Federal de Educação (CFE), presidente do Conselho de Reitores das Universidades Brasileiras (CRUB) e, hoje, está como Reitor da Universidade Castelo Branco (UCB), do Rio de Janeiro, e membro do Clube de Reitores das Universidades do Estado do Rio de Janeiro (Cruerj).
Foi escolhido também o Prof. Pedro Américo Frugoli (Pedro ou Pe), pela sua vivência junto à UNIP, onde vem desenvolvendo, sucessivamente, as funções de chefe dos Departamento de Assuntos Universitários (DAU), coordenador de curso e diretor do ICET. Nesta função, participou da montagem dos cursos de Engenharia das unidades de Alphaville, Campinas e Ribeirão Preto, daí sua experiência e importância para fornecer opiniões.
Profa. Dra. Christiane Mazur Lauricella (Christiane ou Chris), graduada em Engenheira Química pela FEI, mestre em Ciências na área de Tecnologia Nuclear e doutora em Engenharia de Materiais e Metalurgia pela USP, com experiência docente, de coordenação e de chefia de disciplina, na UNIP e no Centro Universitário da Faculdade de Engenharia Industrial (UniFEI).
Prof. Dr. Francisco Xavier Sevegnani (Sevegnani ou Sev), licenciado e bacharel em Física pela Pontifícia Universidade Católica de São Paulo (PUC/SP), mestre em Engenharia de Produção pela UNIP, mestre e doutor em Física pela PUC/SP e doutorando em Engenharia Elétrica pela USP. Tem experiência administrativa na área, uma vez que coordenou a abertura do curso de Engenharia da PUC/SP, coordenou este curso quando já em funcionamento e foi diretor da Área de Exatas dessa Universidade.
Prof. Dr. Aldo Artur Belardi (Aldo), engenheiro eletricista pelo FEI, doutor em Engenharia Elétrica pela USP. Tem longa experiência de chefia de departamento e de coordenação de curso, tanto no UniFEI como na UNIP.
Prof. José Carlos Morilla (Morilla ou Mor), engenheiro mecânico pela Universidade de Mogi das Cruzes (UMC) e mestre em Engenharia de Produção pela UNIP. Desde formado, militou como professor em diferentes faculdades de Engenharia e como empresário da área mecânica. Tem experiência administrativa adquirida no exercício do cargo de diretor das Faculdades de Engenharia da UMC.
Profa. Cleonice Ramos de Abreu (doravante, simplesmente, Cleonice ou Cleo), graduada e mestre em Matemática pela PUC/SP, com experiência docente e administrativa adquirida pelo exercício dos cargos de professora, coordenadora de curso e, principalmente, de diretora da Área de Exatas da PUC/SP.
6.6.4 Construção da base de dados
Uma vez que os fatores de influência (F01 a F12) já haviam sido escolhidos e, para
cada um, estabelecidas as três seções (S1 a S3) (ver 6.1.2, p.148), foi solicitado que cada um
dos especialistas escolhidos preenchesse uma tabela com os valores dos graus de evidência favorável e contrária à abertura do curso.
Essa solicitação foi feita por meio de um contato pessoal, durante o qual foram esclarecidos a pretensão e os objetivos da pesquisa. Depois, foi enviado a cada um deles um e-mail, cujo teor está reproduzido no Apêndice D (p.340).
Nos contatos feitos com os especialistas, ficou estabelecido que seria atribuído o mesmo peso (igual a 1) a todos os fatores escolhidos, pois foi entendimento unânime que todos tinham influências praticamente idênticas na decisão final.
As respostas enviadas pelos especialistas permitiram construir a Tabela 6.19, que constitui a base de dados reais, semelhante à Tabela 6.1. (ver 6.1.3, p.150)
Tabela 6.19 – Base de dados: graus de evidência favorável e de evidência contrária atribuídos pelos especialistas
aos fatores de influência, nas condições estabelecidas pelas seções.
Fi Sj ai,1 bi,1 ai,2 bi,2 ai,3 bi,3 ai,4 bi,4 ai,5 bi,5 ai,6 bi,6 ai,7 bi,7 ai,7 bi,7
S1 0,87 0,08 0,60 0,40 0,89 0,10 0,98 0,05 0,94 0,50 0,90 0,15 0,94 0,23 0,87 0,10 S2 0,40 0,40 0,60 0,60 0,60 0,40 0,65 0,28 0,45 0,50 0,50 0,40 0,56 0,47 0,50 0,50 S3 0,07 0,90 0,30 0,70 0,40 0,40 0,40 0,63 0,15 0,80 0,30 0,95 0,14 0,95 0,20 0,50 S1 0,76 0,15 0,61 0,40 0,82 0,10 0,93 0,05 0,75 0,40 0,95 0,20 0,76 0,25 0,95 0,10 S2 0,30 0,20 0,50 0,50 0,60 0,30 0,55 0,48 0,30 0,80 0,35 0,60 0,48 0,44 0,75 0,25 S3 0,10 0,85 0,30 0,70 0,40 0,60 0,38 0,77 0,10 0,90 0,25 0,88 0,11 0,91 0,30 0,70 S1 0,78 0,15 0,74 0,30 0,95 0,10 0,95 0,08 0,90 0,20 0,92 0,12 0,89 0,17 0,93 0,10 S2 0,30 0,65 0,50 0,50 0,80 0,15 0,60 0,36 0,40 0,70 0,38 0,50 0,43 0,42 0,75 0,25 S3 0,10 0,90 0,30 0,70 0,60 0,30 0,25 0,87 0,15 0,90 0,20 0,94 0,13 0,94 0,50 0,60 S1 0,95 0,10 0,79 0,20 0,88 0,15 0,85 0,25 1,00 0,10 0,98 0,10 0,98 0,13 0,90 0,20 S2 0,70 0,10 0,60 0,40 0,70 0,20 0,52 0,50 0,70 0,50 0,70 0,70 0,60 0,34 0,50 0,50 S3 0,10 0,75 0,30 0,70 0,40 0,50 0,18 0,85 0,15 0,90 0,18 0,97 0,23 0,68 0,30 0,80 S1 0,80 0,15 0,73 0,30 0,81 0,30 0,80 0,35 0,97 0,05 0,96 0,14 0,92 0,13 0,95 0,00 S2 0,50 0,50 0,40 0,60 0,60 0,30 0,50 0,50 0,50 0,60 0,33 0,60 0,45 0,61 0,70 0,60 S3 0,10 0,85 0,20 0,80 0,40 0,40 0,30 0,73 0,20 0,80 0,26 0,89 0,14 0,97 0,00 0,95 S1 0,89 0,10 0,62 0,40 0,80 0,10 0,85 0,10 0,95 0,15 0,91 0,20 0,92 0,20 0,80 0,20 S2 0,50 0,50 0,60 0,40 0,70 0,20 0,60 0,45 0,60 0,45 0,29 0,60 0,55 0,49 0,50 0,50 S3 0,10 0,90 0,40 0,60 0,60 0,30 0,45 0,48 0,20 0,90 0,31 0,92 0,23 0,96 0,40 0,60 S1 0,85 0,10 0,72 0,30 0,90 0,20 0,85 0,30 0,85 0,20 0,96 0,19 0,85 0,32 0,72 0,30 S2 0,40 0,40 0,60 0,40 0,70 0,25 0,55 0,40 0,35 0,80 0,37 0,51 0,39 0,70 0,30 0,70 S3 0,10 0,87 0,30 0,70 0,50 0,50 0,40 0,55 0,15 0,95 0,29 0,92 0,11 0,98 0,10 0,90 S1 0,90 0,15 0,63 0,40 0,95 0,05 0,75 0,35 0,99 0,10 0,94 0,11 0,94 0,13 0,71 0,10 S2 0,60 0,50 0,50 0,50 0,70 0,20 0,50 0,50 0,60 0,50 0,44 0,58 0,43 0,49 0,60 0,30 S3 0,07 0,95 0,30 0,70 0,50 0,50 0,40 0,55 0,10 0,90 0,18 0,92 0,18 0,97 0,20 0,80 S1 0,82 0,15 0,71 0,30 0,79 0,15 0,60 0,50 0,96 0,20 0,97 0,16 0,91 0,22 0,70 0,30 S2 0,40 0,35 0,60 0,40 0,50 0,50 0,55 0,40 0,50 0,50 0,31 0,50 0,39 0,62 0,40 0,60 S3 0,10 0,90 0,40 0,60 0,10 0,80 0,45 0,37 0,20 0,90 0,28 0,93 0,05 0,99 0,20 0,80 S1 0,91 0,15 0,81 0,40 0,92 0,20 0,98 0,01 0,98 0,10 0,99 0,11 0,99 0,13 0,69 0,20 S2 0,45 0,40 0,60 0,40 0,70 0,25 0,75 0,30 0,45 0,65 0,39 0,57 0,26 0,65 0,50 0,50 S3 0,10 0,85 0,60 0,40 0,60 0,40 0,20 0,90 0,25 0,85 0,18 0,94 0,03 0,93 0,50 0,70 S1 0,93 0,15 0,64 0,40 0,78 0,15 0,70 0,40 0,10 0,95 0,96 0,14 0,90 0,19 0,80 0,20 S2 0,60 0,30 0,70 0,30 0,70 0,25 0,60 0,45 0,40 0,60 0,43 0,59 0,55 0,44 0,60 0,30 S3 0,15 0,85 0,30 0,70 0,60 0,35 0,40 0,50 0,90 0,15 0,29 0,93 0,12 0,91 0,50 0,60 S1 0,95 0,07 0,65 0,40 0,77 0,15 0,70 0,40 0,90 0,10 0,91 0,40 0,92 0.17 0,68 0,10 S2 0,50 0,50 0,60 0,40 0,70 0,25 0,55 0,45 0,30 0,75 0,42 0,60 0,58 0,50 0,40 0,60 S3 0,15 0,90 0,30 0,70 0,60 0,35 0,40 0,50 0,15 0,90 0,24 0,90 0,12 0,90 0,20 0,80
Sevegnani Cleonice Morilla
Espec. Ek Ana Paulo Pedro Cristiane Aldo
F12 F05 F06 F07 F08 F09 F10 F11 F01 F02 F03 F04
6.6.5 Organização dos especialistas em grupos
Diante das formações dos especialistas e, principalmente, considerando as experiências de cada um, julgou-se que uma adequada distribuição dos mesmos em grupos, para aplicação das regras de maximização e de minimização da lógica paraconsistente anotada evidencial Eτ, seria a seguinte: grupo A: Ana; grupo B: Paulo e Pedro; grupo C: Christiane e Aldo; e grupo D: Sevegnani, Cleonice e Morilla.
Dessa forma, estará sendo considerada, necessariamente, a opinião da pedagoga (Ana) e sendo compartilhadas as opiniões dos dois altos dirigentes de escola (Paulo e Pedro), dos coordenadores de curso (Christiane e Aldo) e dos diretores de Área (Sevegnani, Morilla e Cleonice).
Com essa formação dos grupos, a aplicação das regras de maximização (operador OR) e de minimização (operador AND) fica assim esquematizada:
[(Ana)] AND [(Pa) OR (Pe)] AND [(Chris) OR (Aldo)] AND [(Sev) OR (Mor) OR (Cleo)] ou [GA] AND [GB] AND [GC] AND [GD]
6.6.6 Pesquisa de campo
A pesquisa de campo consiste em fazer coleta de dados e verificar em que seção cada um dos fatores escolhidos se encontra. Será descrito como foi feita a pesquisa e o seu resultado para cada um dos fatores Fi, 1 ≤ i ≤ 12, lembrando que neste case o curso X é um
curso de Engenharia e que a região Y é a cidade de SJC.
F01: relação candidato/vaga (C/V) do curso X nos exames de seleção da região Y.
Verificou-se em (INEP / EDUCAÇÃO SUPERIOR / CURSOS E INSTITUIÇÕES) que, na região de SJC, funcionavam duas escolas privadas de Engenharia, a Universidade do Vale do Paraíba (Univap) e o Centro de Tecnologia e Ciência (Cetec), e uma escola pública federal, o Instituto Tecnológico de Aeronáutica (ITA). Também, foram obtidas informações sobre cursos oferecidos, número de vagas, turno de funcionamento, etc.
Por outro lado, mediante pesquisa feita em (INEP / EDUCAÇÃO SUPERIOR / CENSO DA EDUCAÇÃO SUPERIOR), complementaram-se as informações, obtendo-se também número de candidatos inscritos, de matrículas, de formandos para os cursos oferecidos, relação candidato por vaga e outros. Essas informações foram resumidas pela Tabela 6.21, que permite dizer que a relação C/V do curso X (Engenharia) na região Y (SJC), no ano de 2001, era igual a 13,12. Portanto, o fator F01 estava na seção S1.
Tabela 6.20 – Dados do Censo do Ensino Superior, de 1997 a 2001, obtidos junto ao INEP.
INSTITUI
ÇAO ANO VAGAS
INSCRITOS (CANDIDA TOS) MATRÍCU LAS NA 1ª SÉRIE CONCLUIN TES RELAÇÃO C/V VAGAS INSCRITOS (CANDIDA TOS) MATRÍCU LAS NA 1ª SÉRIE CONCLUIN TES RELAÇÃO C/V 1997 2.240 8.040 1.984 527 3,59 190 636 180 7 3,35 1998 2.251 4.312 1.991 687 1,92 200 455 200 76 2,28 1999 3.168 5.388 2.652 822 1,70 341 605 339 81 1,77 2000 5.170 33.145 3.650 914 6,41 660 4.399 541 104 6,67 2001 4.030 14.980 3.514 891 3,72 600 3.146 600 83 5,24 16.859 65.865 13.791 3.841 3,91 1.991 9.241 1.860 351 4,64 6.460 7.459 3.643 0 1,15 0 0 0 0 603 29.566 599 381 49,03 603 29.566 599 381 49,03 1.430 1.825 954 116 1,28 660 1.393 625 76 2,11 SUBTOTAL SUBTOTAL SUBTOTAL SUBTOTAL 1997 0 0 0 0 - 0 0 0 0 -1998 0 0 0 0 - 0 0 0 0 -1999 1.880 2.974 1.692 0 1,58 0 0 0 0 -2000 2.060 2.392 1.096 0 1,16 0 0 0 0 -2001 2.520 2.093 855 0 0,83 0 0 0 0 -1997 115 4.391 111 75 38,18 115 4.391 111 75 38,18 1998 120 4.596 111 77 38,30 120 4.596 111 77 38,30 1999 120 5.635 129 71 46,96 120 5.635 129 71 46,96 2000 126 6.655 126 76 52,82 126 6.655 126 76 52,82 2001 122 8.289 122 82 67,94 122 8.289 122 82 67,94 1997 260 348 157 0 1,34 100 257 95 0 2,57 1998 260 299 162 0 1,15 100 201 93 0 2,01 1999 260 317 155 29 1,22 100 228 77 0 2,28 2000 320 367 235 44 1,15 180 312 180 37 1,73 2001 330 494 245 43 1,50 180 395 180 39 2,19 1997 2.615 12.779 2.252 602 4,89 405 5.284 386 82 13,05 1998 2.631 9.207 2.264 764 3,50 420 5.252 404 153 12,50 1999 5.428 14.314 4.628 922 2,64 561 6.468 545 152 11,53 2000 7.676 42.559 5.107 1.034 5,54 966 11.366 847 217 11,77 2001 7.002 25.856 4.736 1.016 3,69 902 11.830 902 204 13,12 25.352 104.715 18.987 4.338 4,13 3.254 40.200 3.084 808 12,35 Fonte: MEC/Inep; Tabela elaborada pelo Inep/DTDIE.
TOTAIS TOTAL Univap UNIP ITA Cetec
F02: número de concluintes (Nc) do ensino médio na região Y. S1: Nc > 2V; S2: V ≤ Nc ≤ 2V; S3: Nc < V,
V = número de vagas oferecidas para o ensino superior na região Y.
Para obter o número de concluintes do ensino médio na região focada, procurou-se a Secretaria de Educação do Estado de São Paulo, via Conselho Estadual de Educação (CEE), na pessoa da Srta. Sílvia Polo, [email protected]. Ela forneceu dados de matrículas da região de SJC, separados por cidades, séries, períodos, etc. Esses dados foram trabalhados e reduzidos à Tabela 6.21.
Aqui, optou-se por considerar o número de concluintes de toda a região de SJC, ou seja, da cidade de SJC e das cidades bem próximas (as que constam da Tabela 6.21), porque em algumas delas não há curso superior e, além disso, há uma tendência dos jovens das cidades pequenas irem para um centro maior, na época de fazer o curso superior.
Tabela 6.21 – Número de alunos matriculados no ensino médio, na região de SJC, em 2001.
Depto. Admin.
Nome do Departamento
Código do
Município Município 1ª Série 2ª Série Concluintes TOTAL
27.629 8.149 3.944 658 219 10.301 1.606 100 938 691 418 180 203 TOTAL 20.099 18.033 16.904 55.036
1 Estadual-SE 645 São José dos Campos 10.551 9.102 7.976
3 Particular 645 São José dos Campos 2.379 2.529 3.241
1 Estadual-SE 234 Caçapava 1.494 1.328 1.122 3 Particular 234 Caçapava 271 216 171 5 Estadual-SCT 234 Caçapava 40 79 100 1 Estadual-SE 392 Jacareí 3.857 3.363 3.081 3 Particular 392 Jacareí 538 515 553 5 Estadual-SCT 392 Jacareí 40 33 27 1 Estadual-SE 504 Paraibuna 351 313 274
1 Estadual-SE 608 Santa Branca 247 260 184
1 Estadual-SE 350 Igaratá 173 143 102
1 Estadual-SE 397 Jambeiro 64 76 40
1 Estadual-SE 466 Monteiro Lobato 94 76 33
Fonte: Secretaria da Educação do Estado de São Paulo
Dos dados da Tabela 6.21, deduz-se que o número de concluintes do ensino médio na região de SJC, em 2001, era Nc = 16.904. Na Tabela 6.20, verifica-se que o número de vagas
Comparando esses números, conclui-se que Nc = V x (16.904 / 7.002) = 2,41 V. Conseqüentemente, o fator F02 estava na seção S1.
F03: número de empregos (Ne) oferecidos anualmente na região Y. S1: Ne > 2F; S2: F ≤ Ne ≤ 2F; S3: Ne < F.
F = número anual de formandos no ensino superior na região Y.
O número de empregos oferecidos em SJC foi obtido por meio de consultas feitas ao (ANUÁRIO ESTATÍSTICO DO ESTADO DE SÃO PAULO) e de contatos feitos com a Prefeitura de SJC, na pessoa do Sr. Luiz Paulo Costa. Essa busca permitiu inferir que o número de empregos novos oferecidos em SJC, em 2001, era de Ne = 3.650
O número de formandos nas escolas da região, em 2000, foi obtido na Tabela 6.20, obtendo-se o valor F = 1.034.
Da comparação desses resultados concluímos que Ne = F x (3.650 / 1.034) = 3,53 F.
Portanto, o fator F03 estava na seção S1.
F04: renda familiar mensal média (Rf) da população da região Y. S1: Rf > R$ 6.000,00;
S2: R$ 2.000,00 ≤ Rf ≤ R$ 6.000,00;
S3: Rf < R$ 2.000,00.
Feita a pesquisa em (IBGE: PESQUISA DE ORÇAMENTOS FAMILIARES), obteve-se que a renda média mensal familiar na ocasião da abertura do curso era de R$ 2.204,71 (Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Índices de Preços, Pesquisa de Orçamentos Familiares). Portanto, o fator F04 estava na seção S2.
F05: índice médio anual (Ia) de desistências do curso.
S1: Ia < 10%; S2: 10% ≤ Ia ≤ 40%; S3: Ia > 40%.
Com os dados da Tabela 6.20, foi possível calcular o número de ingressantes nos cursos de engenharia em 1997, se 386, e o número de concluintes em 2001, obtendo-se 204.
Com esses dados, calculou-se o índice total de desistência do curso de Engenharia em cinco anos, It = 47,16%, e, a partir deste, o índice médio anual: Ia = 8,01%. Conclui-se, pois,
que o fator F05 estava na seção S1.
F06: densidade demográfica (DD) da região. S1: alta: DD > 400 habitantes/km2;
S2: média: 100 habitantes/km2 ≤ DD ≤ 400 habitantes/km2;
S3: baixa: DD < 100 habitantes/km2.
A densidade demográfica da região de SJC e dos principais municípios que a compõem foi obtida mediante consulta feita a (PORTAL DO GOVERNO DO ESTADO DE SÃO PAULO: PERFIL MUNICIPAL),chegando-se aos valores da Tabela 6.22.
Tabela 6.22 – Densidade demográfica dos municípios da região de SJC.
Cidade Densidade demográfica (em habitantes/km2)
São José dos Campos 519,20
Caçapava 215,26 Jacareí 444,95 Paraibuna 25,01 Santa Branca 50,20 Igaratá 31,63 Jambeiro 22,34 Monteiro Lobato 11,14 REGIÃO DE SJC 242,17
Observa-se na Tabela 6.22 que valor da densidade demográfica na cidade de SJC, onde se pretendia implantar o curso, era de 519,20 habitantes/km2. Portanto, o fator F
06 estava
na seção S1.
F07: custo dos investimentos em ativos fixos (Caf).
S1: Caf < 75%Ra; S2: 75%Ra ≤ Caf ≤ 125%Ra; S3: Caf > 125%Ra.
Ra = receita anual prevista para o curso X.
Para calcular a receita anual do curso, foi obtido com o Sr. Geraldo Piazzi, da tesouraria, o valor da mensalidade prevista para o curso (Ma = R$ 623,50), em 2002; ele foi
multiplicado, sucessivamente, pelo número de alunos previsto (Na), por 12 (doze) meses e por
um coeficiente igual a 0,7 (sete décimos), este para considerar evasão, inadimplência e bolsas de estudo. Assim:
Ra = Mc x Na x 12 x 0,7 = R$ 623,50 x 1.500 x 12 x 0,7 = R$ 7.856.100,00.
Para obter o número de alunos previsto, considerou-se que o projeto aprovado era para 300 vagas anuais, divididas em três turmas de 100 alunos. Assim, o curso de Engenharia, sendo de cinco anos, teria, ao final deste período, 15 turmas de 100 alunos. Logo, o número de alunos previsto para o curso era 1.500.
Em reunião feita com o Sr. Hildebrando José Rossi Filho, diretor de compras, e com o Sr. Celso Ribeiro Landi, contador e chefe da seção de custos, e com o auxílio de alguns de seus assessores, foi possível calcular o valor dos investimentos em ativos fixos necessários para a implantação do curso de Engenharia na cidade de SJC.
Foi calculado o custo para montar 15 salas de aulas (cada uma com 100 carteiras, lousa, amplificador de som, alto-falantes, microfone, ventiladores, computador, projetor, etc.), o custo de compra dos equipamentos de laboratórios e o custo de instalação de todos esses equipamentos. Além disso, foi admitido que 25% das instalações destinadas à secretaria,
tesouraria, sala de computadores, sala de professores, etc. seriam ocupados pelo curso de Engenharia.
Esses cálculos levaram aos seguintes custos, aproximadamente: salas - R$ 143.400,00; equipamentos - R$ 748.100,00; instalação - R$ 178.300,00; e 25% das instalações comuns - R$ 222.900,00, perfazendo um investimento total em ativos fixos de R$ 1.292.700,00.
Comparando-se este valor dos investimentos fixos com a receita anual prevista, obtém-se:
Caf = Ra x (1.292.700,00 / R$ 7.856.100,00) = 16,45%Ra.
Conclui-se, pois, que o fator F07 estava na seção S1.
F08: conceito da instituição junto à comunidade.
S1: conceito A ou B; S2: conceito C; S3: conceito D ou E.
Este conceito pode ser traduzido em uma escala nominal de A até E, por meio da média obtida por seus cursos nas avaliações ou pelo resultado de uma pesquisa popular feita junto à comunidade interessada.
Para obter o conceito da UNIP, foram utilizados os conceitos obtidos na avaliação de seus cursos no Exame Nacional de Cursos (ENC ou "Provão"), desde sua implantação, em 1996, até 2001 (INEP: EXAME NACIONAL DE CURSOS (PROVÃO)), adotando-se a metodologia descrita a seguir.
O conceito de um curso de uma instituição era atribuído pela sua posição relativa ao mesmo curso das outras instituições. Assim, por exemplo, se o curso de Direito de uma instituição estava entre os 12% dos cursos de Direito com nota mais baixa, ele recebia o conceito E; se estava entre 12% e 30%, o conceito D; e assim sucessivamente, como mostra a Tabela 6.24.
Para cada conceito (de A até E), atribuiu-se uma nota (N) igual ao ponto médio do intervalo correspondente na distribuição dos cursos por notas. Por exemplo, o conceito B era atribuído ao curso que ficava entre 70% e 88% na distribuição dos cursos por notas. Portanto, ao conceito B foi atribuída a nota N = 79, que é o ponto médio entre 70 e 88.
A seguir, foi obtida a nota da instituição, calculando-se a média ponderada das notas atribuídas aos conceitos. Para isso, usou-se como pesos (P) as quantidades de cursos da instituição em cada um dos conceitos, ou seja, a freqüência de cada conceito. Pelo valor dessa nota média foi atribuído o conceito à instituição, usando o mesmo critério usado para cada curso isoladamente. A Tabela 6.23 resume esse cálculo.
Tabela 6.23 – Cálculo da nota média da instituição e atribuição de seu conceito.
Conceito do curso
Intervalo na distri- buição dos cursos
Nota do conceito (N) Freqüência do conceito (P) P x N A De 88 a 100% 94 2 188 B De 70 a 88% 79 14 1.106 C De 30 a 70% 50 56 2.800 D De 12 a 30% 21 23 483 E De 0 a 12% 6 12 72 107 4.649 Nota da instituição = 4.649 / 107 = 43,4 Conceito da instituição C Soma Fonte: INEP
Portanto, o fator F08 se encontrava na seção S2.
F09: custo mensal com os professores (Cmp).
S1: Cmp < 40%Rm; S2: 40%Rm ≤ Cmp ≤ 70%Rm;
S3: Cmp > 70%Rm.
Rm = receita mensal prevista com o curso X.
Para estimar o custo mensal com os professores, usaram-se informações sobre salário-aula de professores, obtidas com o DRH, e sobre as cargas horárias dos cursos e dos coordenadores, obtidas com a Diretoria do ICET, junto ao Prof. Pedro Frugoli.
Nos cálculos, foram adotados para o curso alguns parâmetros que são da UNIP como um todo. Assim, para os encargos do corpo docente foi adotado o percentual de 70%,
incluindo-se aí a provisão para um terço de férias e décimo terceiro salário, e os custos de demissão de pessoal; para as proporções (P) de doutores (D), mestres (M), especialistas (E) e graduados (G) no corpo docente, foram adotados os valores informados ao INEP para o censo do ensino superior de 2001, que são referentes ao mês de abril do ano anterior.
Com essas proporções, foi calculado o salário-aula médio dos professores pela média ponderada dos salários-aula das quatro categorias docentes, fornecidos pelo DRH:
SAm = PD x SAD + PM x SAM + PE x SAE + PG x SAG
SAm = 15,3% x 23,91 + 30,0% x 20,32 + 24,2% x 17,27 + 30,5% x 14,68 = R$ 18,41.
O cálculo do custo mensal com professores foi feito conforme determina a Convenção Coletiva de Trabalho da categoria, no Estado de São Paulo, ou seja, considerando 4,5 semanas por mês, descanso semanal remunerado (DSR) de 1/6 do salário e mais 5% sobre o total anterior, a título de hora atividade (HA) (SINPRO / FEPESP/ SEMESP, 2001). Além disso, evidentemente, foram considerados a carga horária semanal (CHS) do curso, conforme o seu projeto pedagógico, e o número de turmas previstas (NT).
Tabela 6.24 – Cálculo da CHS média dos três cursos de Engenharia previstos.
Área > TODAS
Período Teoria Prática Aulas Teoria Prática Aulas Teoria Prática Aulas Média letivo Grade Grade Ministradas Grade Grade Ministradas Grade Grade Ministradas Ministrada
1º semestre 17 3 32 17 3 32 17 3 32 32 2º semestre 17 3 32 17 3 32 17 3 32 32 3º semestre 17 3,5 34 17 3,5 34 17 3,5 34 34 4º semestre 17 3,5 34 17 3,5 34 17 3,5 34 34 5º semestre 16 4 32 16 4 32 15 5 35 33 6º semestre 16 4 32 16 4 32 15 5 35 33 7º semestre 14 6 38 11 9 47 12 8 44 43 8º semestre 14 6 38 11 9 47 12 8 44 43 9º semestre 15 5 35 16 4 32 10 10 50 39 10º semestre 15 5 35 16 4 32 10 10 50 39 TOTAL 158 43 342 154 47 354 142 59 390 362 MÉDIA 15,8 4,3 34,2 15,4 4,7 35,4 14,2 5,9 39 36,2
Fonte: Grades curriculares fornecidas pela Vice-reitoria de Graduação da UNIP Engenharia de Computação Engenharia Elétrica Engenharia Mecatrônica
Dessa forma, o custo mensal com professores foi calculado pela expressão: C’mp = NT x CHS x SAm x (4,5 + 1/6) x 1,05 x 1,70
C’mp = 15 x 36,2 x R$ 18,41 x 5,25 x 1,05 x 1,70 = R$ 93.680,92.
A carga horária média dos cursos foi calculada com o auxílio da Tabela 6.25. Estavam previstos cursos de três áreas da Engenharia (Computação, Eletrônica e Mecatrônica). As cargas horárias desses cursos, conforme grades curriculares aprovadas pelos conselhos superiores da UNIP (Consepe e Consuni) e fornecidas pela Vice-reitoria de Graduação, são as que constam dessa tabela.
Adicionalmente a esse custo, calculou-se o custo com a coordenação pedagógica do curso. Cada coordenador de curso ganha 12 aulas por semana. Como estavam previstas três áreas e considerando que o coordenador, normalmente, tem a titulação de Doutor, fez-se o seguinte cálculo:
Ccoord = NT x CHS x SAD x (4,5 + 1/6) x 1,05 x 1,70.
Ccoord = 3 x 12 x R$ 23,91 x 5,25 x 1,05 x 1,70 = R$ 8.066,40.
Somando as duas parcelas, obtém-se o custo mensal total com professores: Cmp = C’mp + Ccoord = R$ 93.680,92 + R$ 8.066,40 = R$ 101.747,32.
Considerando que a receita mensal (Rm) é um doze avos da receita anual (Ra), tem-se:
Rm = Ra / 12 = R$ 8.978.400,00 / 12 = R$ 748.200,00.
Donde se conclui que: Cmp = Rm x (R$ 101.747,32 / R$ 748.200,00) = 13,6% Rm.
Portanto, o fator F09 se encontrava na seção S1.
F10: valor da mensalidade (Mc) do curso X.
S1: Mc < 80% Mm; S2: 80% Mm ≤ Mc ≤ 120% Mm;
S3: Mc > 120% Mm.
Mm = mensalidade média do curso X (ou similares) nas outras escolas da região Y.
O valor da mensalidade do curso de Engenharia de SJC, para o ano de 2002, Mc = R$
Para obter o valor de Mm, fez-se uma pesquisa dos valores de mensalidades praticados
em cursos de Engenharia e similares, nas escolas de SJC. Os valores obtidos são os apresentados na Tabela 6.25. A média de todos esses valores de mensalidades é Mm = R$
471,67.
Tabela 6.25 – Valores de mensalidades nos cursos de Engenharia (ou similares) nas escolas de SJC. Curso \ Instituição Univap Cetec
Engenharia R$ 480,00 R$ 465,00
Computação R$ 500,00 R$ 470,00
Matemática R$ 480,00 R$ 435,00
Fontes: Semesp e manuais de vestibulares
Com os valores Mc e Mm, foi possível efetuar o cálculo: Mc = Mm x (623,80 / 471,67).
Portanto, Mc = 132,3% Mm, donde se conclui que o fator F10 se encontrava na seção S3.
F11: número médio de alunos por sala (Nas).
S1: Nas > 80; S2: 50 ≤ Nas ≤ 80; S3: Nas < 50.
O projeto pedagógico do curso de Engenharia previa a formação de turmas de 100 alunos, com a divisão delas em quatro grupos de 25 alunos para as aulas práticas de laboratório.
Estudando a grade curricular de cada curso, verificou-se na Tabela 6.22 que, das 1.086 aulas a serem ministradas para completar os cursos (342 na Computação, 354 na Eletrônica e 390 na Mecatrônica), 490 eram teóricas e 596, práticas, ou seja, 45% teóricas e 55% práticas.
Assim, no decorrer de todo o curso o número médio de alunos por sala é: Nas = 45% x 100 + 55% x 25 = 45 + 13,8 = 58,8.
Portanto, o fator F11 estava na seção S2.
F12: número médio de funcionários por turma (Nft).
Para avaliar o número médio de funcionários que cada turma do curso demanda, foi analisado o caso real do curso de Engenharia do campus Bacelar. Junto com o Diretor do ICET, Prof. Pedro Frugoli, que chamou o coordenador dos laboratórios de Engenharia, Eng. Carlos Alberto Ferreira de Lima (Carlão), e a chefe da seção de pessoal técnico-administrativo, Srta. Tereza Takao, foi feito um levantamento do número de funcionários (técnicos de laboratório, fiscais de alunos, funcionários de tesouraria e de secretaria, etc.) que trabalhavam no campus. Obteve-se 313, dos quais 15 eram dedicados exclusivamente ao curso de Engenharia e 298 eram funcionários comuns a todos os cursos.
Para os funcionários que não eram exclusivos do curso, foi feito um rateio pelo número de alunos. Dessa forma, como os alunos de Engenharia representavam cerca 41% dos alunos do campus, concluiu-se que, dos 298 funcionários comuns, 41% x 298 = 122 podiam ser considerados do curso de Engenharia. Assim, esse curso demandava 15 + 122 = 137 funcionários.
Como, à época, funcionavam 35 turmas, obteve-se Nft = 137 / 35 = 3,9 funcionários
por turma. Portanto, o fator F12 se encontrava na seção S1.
6.6.7 Processamento dos dados e obtenção do resultado
Determinadas as seções em que cada fator se encontrava, pode-se construir a Tabela 6.26, que constitui a matriz pesquisada, Mpq, (ver 5.2.5) semelhante à Tabela 6.2 (ver 6.1.4).
Tabela 6.26 – Resultados da pesquisa para o curso de Engenharia na cidade de SJC.
Fator Fi F01 F02 F03 F04 F05 F06 F07 F08 F09 F10 F11 F12
Seção Spj S1 S1 S1 S2 S1 S1 S1 S2 S1 S3 S2 S1
Este resultado da pesquisa foi levado à coluna 2 da tabela de cálculo do MAB (Tabela 6.27), aqui apresentada somente para se ter dela uma visão geral. Na seqüência, ela foi fragmentada nas Tabelas 6.27a e 6.27b, para permitir a leitura.
Tabela 6.27 – Tabela de cálculos para a obtenção do resultado da análise feita pelo MAB
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
0,50 Fi Spi ai,1 bi,1 ai,2 bi,2 ai,3 bi,3 ai,4 bi,4 ai,5 bi,5 ai,6 bi,6 ai,6 bi,6 ai,7 bi,7 ai,1 bi,1 ai,gBbi,gB ai,gC bi,gC ai,gD bi,gD ai,R bi,R Hcert Gcontr
F01 S1 0,87 0,08 0,60 0,40 0,89 0,10 0,98 0,05 0,94 0,50 0,90 0,15 0,94 0,23 0,87 0,10 0,87 0,08 0,89 0,40 0,98 0,50 0,94 0,23 0,87 0,08 0,79 -0,05 F02 S1 0,76 0,15 0,61 0,40 0,82 0,10 0,93 0,05 0,75 0,40 0,95 0,20 0,76 0,25 0,95 0,10 0,76 0,15 0,82 0,40 0,93 0,40 0,95 0,20 0,76 0,15 0,61 -0,09 F03 S1 0,78 0,15 0,74 0,30 0,95 0,10 0,95 0,08 0,90 0,20 0,92 0,12 0,89 0,17 0,93 0,10 0,78 0,15 0,95 0,30 0,95 0,20 0,93 0,12 0,78 0,12 0,66 -0,10 F04 S2 0,70 0,10 0,60 0,40 0,70 0,20 0,52 0,50 0,70 0,50 0,70 0,70 0,60 0,34 0,50 0,50 0,70 0,10 0,70 0,40 0,70 0,50 0,70 0,70 0,70 0,10 0,60 -0,20 F05 S1 0,80 0,15 0,73 0,30 0,81 0,30 0,80 0,35 0,97 0,05 0,96 0,14 0,92 0,13 0,95 0,00 0,80 0,15 0,81 0,30 0,97 0,35 0,96 0,14 0,80 0,14 0,66 -0,06 F06 S1 0,89 0,10 0,62 0,40 0,80 0,10 0,85 0,10 0,95 0,15 0,91 0,20 0,92 0,20 0,80 0,20 0,89 0,10 0,80 0,40 0,95 0,15 0,91 0,20 0,80 0,10 0,70 -0,10 F07 S1 0,85 0,10 0,72 0,30 0,90 0,20 0,85 0,30 0,85 0,20 0,96 0,19 0,85 0,32 0,72 0,30 0,85 0,10 0,90 0,30 0,85 0,30 0,96 0,30 0,85 0,10 0,75 -0,05 F08 S2 0,60 0,50 0,50 0,50 0,70 0,20 0,50 0,50 0,60 0,50 0,44 0,58 0,43 0,49 0,60 0,30 0,60 0,50 0,70 0,50 0,60 0,50 0,60 0,58 0,60 0,50 0,10 0,10 F09 S1 0,82 0,15 0,71 0,30 0,79 0,15 0,60 0,50 0,96 0,20 0,97 0,16 0,91 0,22 0,70 0,30 0,82 0,15 0,79 0,30 0,96 0,50 0,97 0,30 0,79 0,15 0,64 -0,06 F10 S3 0,10 0,85 0,60 0,40 0,60 0,40 0,20 0,90 0,25 0,85 0,18 0,94 0,03 0,93 0,50 0,70 0,10 0,85 0,60 0,40 0,25 0,90 0,50 0,94 0,10 0,40 -0,30 -0,50 F11 S2 0,60 0,30 0,70 0,30 0,70 0,25 0,60 0,45 0,40 0,60 0,43 0,59 0,55 0,44 0,60 0,30 0,60 0,30 0,70 0,30 0,60 0,60 0,60 0,59 0,60 0,30 0,30 -0,10 F12 S1 0,95 0,07 0,65 0,40 0,77 0,15 0,70 0,40 0,90 0,10 0,91 0,40 0,92 0.17 0,68 0,10 0,95 0,07 0,77 0,40 0,90 0,40 0,91 0,40 0,77 0,07 0,70 -0,16 0,70 0,18 0,52 -0,11 Baricentro W: médias dos graus resultantes
Fa tor S eçã o Grupo A Ana Cristiane Aldo Grupo D Sevegnani Cleonice Morilla Grupo A Ana Grupo B Paulo Pedro Grupo C Decisão VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL NÃO CONCLUSIVO 31 Nível de Exigência = Pe OR Pa Conclusões A AND B AND C AND D Grupo B Grupo C Cris OR Aldo Grupo D
Sev OR Cleo OR Mor
VIÁVEL
NÃO CONCLUSIVO NÃO CONCLUSIVO
VIÁVEL
O programa buscou, na base de dados (Tabela 6.19), os valores das evidências favorável e contrária que traduzem opiniões dos especialistas correspondentes às seções obtidas na pesquisa e os colocou nas colunas de 3 a 18, constituindo a Tabela 6.27a.
Tabela 6.27a – Tabela de cálculos para a obtenção do resultado da análise feita pelo MAB
(1ª parte: dados correspondentes às seções pesquisadas).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Fi Spi ai,1 bi,1 ai,2 bi,2 ai,3 bi,3 ai,4 bi,4 ai,5 bi,5 ai,6 bi,6 ai,6 bi,6 ai,7 bi,7 F01 S1 0,87 0,08 0,60 0,40 0,89 0,10 0,98 0,05 0,94 0,50 0,90 0,15 0,94 0,23 0,87 0,10 F02 S1 0,76 0,15 0,61 0,40 0,82 0,10 0,93 0,05 0,75 0,40 0,95 0,20 0,76 0,25 0,95 0,10 F03 S1 0,78 0,15 0,74 0,30 0,95 0,10 0,95 0,08 0,90 0,20 0,92 0,12 0,89 0,17 0,93 0,10 F04 S2 0,70 0,10 0,60 0,40 0,70 0,20 0,52 0,50 0,70 0,50 0,70 0,70 0,60 0,34 0,50 0,50 F05 S1 0,80 0,15 0,73 0,30 0,81 0,30 0,80 0,35 0,97 0,05 0,96 0,14 0,92 0,13 0,95 0,00 F06 S1 0,89 0,10 0,62 0,40 0,80 0,10 0,85 0,10 0,95 0,15 0,91 0,20 0,92 0,20 0,80 0,20 F07 S1 0,85 0,10 0,72 0,30 0,90 0,20 0,85 0,30 0,85 0,20 0,96 0,19 0,85 0,32 0,72 0,30 F08 S2 0,60 0,50 0,50 0,50 0,70 0,20 0,50 0,50 0,60 0,50 0,44 0,58 0,43 0,49 0,60 0,30 F09 S1 0,82 0,15 0,71 0,30 0,79 0,15 0,60 0,50 0,96 0,20 0,97 0,16 0,91 0,22 0,70 0,30 F10 S3 0,10 0,85 0,60 0,40 0,60 0,40 0,20 0,90 0,25 0,85 0,18 0,94 0,03 0,93 0,50 0,70 F11 S2 0,60 0,30 0,70 0,30 0,70 0,25 0,60 0,45 0,40 0,60 0,43 0,59 0,55 0,44 0,60 0,30 F12 S1 0,95 0,07 0,65 0,40 0,77 0,15 0,70 0,40 0,90 0,10 0,91 0,40 0,92 0.17 0,68 0,10 Fat or Seç ão Cristiane Aldo Grupo D
Sevegnani Cleonice Morilla Grupo A
Ana
Grupo B
Paulo Pedro
Grupo C
Com os dados trazidos da base de dados, o MAB: (i) aplica a regra de maximização (operador OR) dentro dos grupos B, C e D (intragrupo) (colunas 21 a 26 da Tabela 6.27b); (ii) aplica a regra de minimização (operador AND) para os resultados dos quatro grupos A, B, C e D (entre grupos), obtendo, para cada fator, os valores resultantes dos graus de evidência favorável e de evidência contrária (colunas 27 e 28); (iii) calcula os graus de evidência favorável e de evidência contrária do baricentro (última linha das colunas 27 e 28); (iv) calcula os graus de certeza e de contradição para os fatores e para o baricentro (colunas 29 e
30); e (v) aplica a regra de decisão para os fatores e para o baricentro (coluna 31, ainda da Tabela 6.27b).
As primeiras linhas da coluna 31 indicam como cada um dos fatores influi na abertura do curso de Engenharia na cidade de SJC e a última linha traduz a influência conjunta dos doze fatores pesquisados, nesse empreendimento.
Tabela 6.27b – Tabela de cálculos para a obtenção do resultado da análise feita pelo MAB
(2ª parte: aplicação dos operadores OR e AND e da regra de decisão).
1 2 19 20 21 22 23 24 25 26 27 28 29 30
0,50
Fi Spi ai,1 bi,1 ai,gB bi,gB ai,gC bi,gC ai,gD bi,gD ai,R bi,R Hcert Gcontr
F01 S1 0,87 0,08 0,89 0,40 0,98 0,50 0,94 0,23 0,87 0,08 0,79 -0,05 F02 S1 0,76 0,15 0,82 0,40 0,93 0,40 0,95 0,20 0,76 0,15 0,61 -0,09 F03 S1 0,78 0,15 0,95 0,30 0,95 0,20 0,93 0,12 0,78 0,12 0,66 -0,10 F04 S2 0,70 0,10 0,70 0,40 0,70 0,50 0,70 0,70 0,70 0,10 0,60 -0,20 F05 S1 0,80 0,15 0,81 0,30 0,97 0,35 0,96 0,14 0,80 0,14 0,66 -0,06 F06 S1 0,89 0,10 0,80 0,40 0,95 0,15 0,91 0,20 0,80 0,10 0,70 -0,10 F07 S1 0,85 0,10 0,90 0,30 0,85 0,30 0,96 0,30 0,85 0,10 0,75 -0,05 F08 S2 0,60 0,50 0,70 0,50 0,60 0,50 0,60 0,58 0,60 0,50 0,10 0,10 F09 S1 0,82 0,15 0,79 0,30 0,96 0,50 0,97 0,30 0,79 0,15 0,64 -0,06 F10 S3 0,10 0,85 0,60 0,40 0,25 0,90 0,50 0,94 0,10 0,40 -0,30 -0,50 F11 S2 0,60 0,30 0,70 0,30 0,60 0,60 0,60 0,59 0,60 0,30 0,30 -0,10 F12 S1 0,95 0,07 0,77 0,40 0,90 0,40 0,91 0,40 0,77 0,07 0,70 -0,16 0,70 0,18 0,52 -0,11
Baricentro W: médias dos graus resultantes
Fa to r Se çã o Grupo A Ana Decisão VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL VIÁVEL NÃO CONCLUSIVO 31 Nível de Exigência = Pe OR Pa Conclusões A AND B AND C AND D Grupo B Grupo C Cris OR Aldo Grupo D Sev OR Cleo OR Mor
VIÁVEL
NÃO CONCLUSIVO NÃO CONCLUSIVO
VIÁVEL
6.6.8 Análise dos resultados
Pode-se observar na Tabela 6.27b de que modo cada um dos fatores influiu na viabilidade do curso. F08, F10 e F11 foram não conclusivos; portanto, não recomendaram a
abertura do curso, mas também não recomendaram a não abertura. Os demais fatores (nove) acusaram a viabilidade do curso ao nível de exigência estabelecido; portanto, recomendam o empreendimento.
O baricentro W traduz a influência conjunto dos doze fatores na abertura do curso de Engenharia em SJC, ou seja, o empreendimento analisado pelo MAB é viável, ao nível de exigência de 0,50, fixado previamente (última linha da coluna 31).
A mesma análise feita pela tabela de cálculos pode ser vista pelo algoritmo para-analisador, como mostra a Figura 6.18.
Algoritmo para-analisador 0,18 0,50 0,50 0,00 0,20 0,40 0,60 0,80 1,00 1,20 0,00 0,20 0,40 0,60 0,80 1,00 1,20
Grau de evidência favorável
G rau d e ev id ên ci a con tr ár ia Fatores Baricentro Contorno Fronteiras Fronteiras
Figura 6.18 – Análise da viabilidade do curso de Engenharia em SJC, pelo algoritmo para-analisador.
6.6.9 Análise da sensibilidade do MAB
Primeiramente, é oportuno recordar que, dentro das condições estabelecidas inicialmente para este caso real (todos os fatores com o mesmo peso igual a 1 (um) e nível de exigência igual a 0,50) e das condições pesquisadas (definidas pelas seções em que os fatores se encontravam), o grau de certeza do baricentro resultou igual a 0,52, levando a inferir pela viabilidade do empreendimento (abertura do curso de Engenharia em SJC): decisão favorável.
Para fazer uma análise da sensibilidade do MAB utilizando este caso real, fez-se a clássica pergunta do tipo “o que ..., se ...?” (ou, como nos livros em inglês, “what ..., if ...?”),
ou seja, “o que aconteceria com a decisão escolhida, se o panorama ou as condições fossem
outros?” (SHIMIZU, 2001, p. 23)
A primeira análise de sensibilidade foi feita com relação ao peso dos fatores (o que aconteceria com a decisão, se a n-upla constituída pelos pesos dos fatores variasse?). Para isso, foi adotado o seguinte critério: foram mantidos fixos o nível de exigência (0,50) e as seções obtidas na pesquisa (Tabela 6.26) e os fatores foram divididos em dois grupos de seis (seis primeiros e seis últimos). A seguir, foram simuladas as sete situações apresentadas na Tabela 6.28 e verificados os resultados apresentados pelo MAB. Ficou constatado, pois, que o método é sensível em relação a esta variável (pesos dos fatores).
Tabela 6.28 – Análise de sensibilidade do MAB com relação aos fatores de influência.
Spi S1 S1 S1 S2 S1 S1 S1 S2 S1 S3 S2 S1 Hcert Decisão Seção Fator Fi F01 F02 F03 F04 F05 F06 F07 F08 F09 F10 F11 F12 Hcert Decisão Situação 1 Fator Pi 1 1 1 1 1 1 1 1 1 1 1 1 0,52 VIÁVEL Situação 1
Situação 2 Pi 1 1 1 1 1 1 2 2 2 2 2 2 0,47 NÃO CONCLUSIVA
Situação 2
Situação 3 Pi 1 1 1 1 1 1 3 3 3 3 3 3 0,44 NÃO CONCLUSIVA
Situação 4 Situação 3 Pi 2 2 2 2 2 2 1 1 1 1 1 1 0,57 VIÁVEL Situação 4 Situação 5 Pi 3 3 3 3 3 3 1 1 1 1 1 1 0,59 VIÁVEL Situação 5
Situação 6 Pi 2 2 2 2 2 2 3 3 3 3 3 3 0,49 NÃO CONCLUSIVA
Situação 6
Situação 7 Pi 3 3 3 3 3 3 2 2 2 2 2 2 0,55 VIÁVEL
Situação 7
Fez-se uma segunda análise para verificar a sensibilidade do método em relação às seções (as condições) em que os fatores podem ser encontrados. Aqui, também os fatores foram divididos nos mesmos dois grupos de seis, mantidos seus pesos iguais a 1 (um) e o nível de exigência em 0,50; variaram-se as seções, analisando as sete situações apresentadas na Tabela 6.29 (a primeira corresponde à situação real obtida na pesquisa).
Tabela 6.29 – Análise de sensibilidade do MAB em relação às seções em que os fatores podem ser encontrados.
Pi 1 1 1 1 1 1 1 1 1 1 1 1 Peso H cert Decisão Fator Fi F01 F02 F03 F04 F05 F06 F07 F08 F09 F10 F11 F12 Situação 1 Hcert Decisão Fator Spi S1 S1 S1 S2 S1 S1 S1 S2 S1 S3 S2 S1 0,52 VIÁVEL Situação 1 Situação 2 Spi S1 S1 S1 S1 S1 S1 S1 S1 S1 S1 S1 S1 0,70 VIÁVEL Situação 2
Situação 3 Spi S2 S2 S2 S2 S2 S2 S2 S2 S2 S2 S2 S2 0,09 NÃO CONCLUSIVA
Situação 3 Situação 4 Spi S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 -0,56 INVIÁVEL Situação 5 Situação 4 Si S1 S1 S1 S1 S1 S1 S2 S2 S2 S2 S2 S2 0,39 NÃO CONCLUSIVA Situação 5 Situação 6 p i S1 S1 S1 S1 S1 S1 S3 S3 S3 S3 S3 S3 0,09 NÃO CONCLUSIVA Sp Situação 6
Situação 7 Spi S2 S2 S2 S2 S2 S2 S3 S3 S3 S3 S3 S3 -0,21 NÃO CONCLUSIVA
Como se pode observar (e era de se esperar), o MAB é sensível em relação às seções (as condições) em que se encontram os fatores.
Para completar, foi analisada a sensibilidade do MAB em relação ao nível de exigência. Para isto, foram mantidos os pesos dos fatores (todos iguais a 1) e as seções obtidas na pesquisa (Tabela 6.26), com o que o grau de certeza do baricentro se mantém igual a 0,52. Variou-se, então, o nível de exigência de 0,30 a 0,90, com intervalos de 0,10 e verificaram-se os resultados apresentados pelo método, obtendo-se a Tabela 6.30.
Tabela 6.30– Análise de sensibilidade do MAB em relação ao nível de exigência.
Nexig 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90
Decisão VIÁVEL VIÁVEL VIÁVEL VIÁVEL INVIÁVEL INVIÁVEL INVIÁVEL INVIÁVEL
Conclui-se, pois, que o MAB é sensível em relação ao nível de exigência fixado.
6.6.10 Algumas observações sobre o caso real (case) analisado
Por curiosidade, fez-se uma análise estatística dos graus de evidência favorável e de evidência contrária atribuídos pelos especialistas ao sucesso do curso de Engenharia da cidade de SJC, para os fatores escolhidos, nas condições estabelecidas pelas seções.
Alguns resultados chamaram a atenção.
1º) O par, fator e condição (F, S), para o qual a média dos graus de evidência favorável
(ai,j,k) foi máxima (0,92) coincidiu com o par para o qual a média dos graus de evidência
contrária (bi,j,k) foi mínima (0,15). Isso acorreu com o fator F04: renda familiar mensal
média (Rf) da população da região Y, na condição da seção S1: Rf > R$ 6.000,00. Além disso, para a situação traduzida por esse fator nessa condição, foi observado que os desvios padrões dos componentes (ai,j,k) e (bi,j,k) foram os mínimos (iguais a 0,07 e 0,06,
Uma conclusão que se pode tirar deste resultado é que a condição S1 para o fator F04 é
quase inquestionável e obteve uma certa unanimidade entre os especialistas, ou seja, se o sucesso do curso analisado dependesse somente do fator F04 e este estivesse na condição
definida por S1, esse sucesso estaria praticamente garantido, pois estaria com grau de certeza
igual a Hcert = 0,92 – 0,15 = 0,77.
2º) Analogamente, o par fator e condição (F, S), para o qual a média dos graus de evidência favorável foi mínima (0,17) coincidiu com aquele para o qual a média dos graus de evidência contrária foi máxima (0,80). Isto se deu com o fator F05: índice médio anual (Ia)
de desistências do curso, na condição S3: Ia > 40%. Para essa situação, os desvios padrões
dos componentes (ai,j,k) e (bi,j,k) (iguais a 0,12 e 0,18, respectivamente) já se distanciaram dos
mínimos (0,07 e 0,06, respectivamente).
Similarmente, a condição S3 para o fator F05 é, também, muito determinante, ou seja,
se a viabilidade do curso dependesse só do fator F05 e este estivesse na condição definida por
S3, o curso estaria praticamente fadado ao fracasso, pois estaria com grau de certeza igual a
Hcert = 0,17 – 0,80 = – 0,63.
3º) O fator F11: número médio de alunos por sala (Nas), na condição traduzida pela seção S1: Nas > 80, apresentou os maiores desvios padrões para os componentes (ai,j,k) e (bi,j,k),
coincidentemente, iguais a 0,28.
Isso vai ao encontro dos comentários que alguns especialistas fizeram com relação à condição S1 deste fator. Observaram que a condição Nas > 80 é realmente favorável ao
sucesso do curso sob o ponto de vista econômico, mas que ela pode ser desfavorável a esse sucesso, uma vez que, sem uma limitação superior, pode comprometê-lo sob o ponto de vista pedagógico.
Observe-se que, para a situação definida por esse fator e nessa condição, as médias dos componentes (ai,j,k) e (bi,j,k) foram 0,72 e 0,32, respectivamente, que resultam num grau de
certeza igual a Hcert = 0,72 – 0,32 = 0,40, valor muito baixo para uma condição que se
