Portal de Eventos CoPICT - UFSCar, XXVII CIC e XII CIDTI

Tamanho da fonte: 
Construção de Indicador para Aferir a Percepção de Discentes e Docentes da UFSCar acerca de Características de seus Cursos de Graduação
Samantha Navarro Janine, Estela Maris Pereira Bereta, Márcio Luis Lanfredi Viola

Última alteração: 2021-02-25

Resumo


Este trabalho tem como objetivo construir indicadores das dimensões do Sistema de Avaliação Institucional da UFSCar aplicada ao corpo discente. Tal sistema consiste em um questionário composto por questões que permitem avaliar a infraestrutura universitária e aferir a percepção de estudantes sobre sete dimensões, em particular, “Condições didático-pedagógicas do docente”, cujas respostas são dadas em escala Likert.

Para a construção de um índice pode-se utilizar métodos estatísticos multivariados, como a análise de componentes principais (ACP).  A ACP clássica é uma técnica de análise exploratória de dados multivariados que transforma um conjunto de variáveis correlacionadas em um conjunto menor de variáveis independentes que são combinações lineares das variáveis originais, denominadas componentes principais. À princípio, tal técnica deve ser aplicada a variáveis quantitativas. No entanto, os dados provenientes de uma escala Likert são qualitativos ordinais e, para este caso, não é recomendado o uso da ACP clássica, devendo utilizar procedimentos mais adequados.

Um procedimento alternativo para reduzir a dimensionalidade de variáveis medidas em escala do tipo Likert, é a análise de componentes principais usando o procedimento Prinqual. Este método atribui valores numéricos às categorias de cada variável qualitativa, utilizando o escalonamento ótimo, fazendo com que seja possível executar a ACP nas variáveis transformadas. O valor numérico atribuído a cada variável qualitativa é obtido pelo “método dos mínimos quadrados alternados”. Este procedimento iterativo faz com que as quantificações numéricas em cada variável possuam propriedades métricas.

Para melhor compreensão do método Prinqual, foi realizada uma análise em um conjunto de dados fictícios, com variáveis quantitativas e qualitativas ordinais e nominais, utilizando diferentes softwares (RStudio e SAS OnDemand) a fim de identificar os passos da programação do algoritmo.

A partir do interesse em estudar as dimensões abordadas no questionário aplicado aos discentes da UFSCar, foram selecionadas as respectivas questões relacionadas à tais dimensões. Dentre estas, algumas questões são construídas de forma que as respostas são dadas em escala Likert, isto é, as questões são constituídas na escala de 1 a 5, em que 1 representa a resposta muito insatisfatória e 5 muito satisfatória para determinada pergunta.

No entanto, no decorrer do estudo, observou-se que dentre as questões selecionadas, algumas delas apresentavam uma sexta opção de resposta como “Sem informação/condição para responder”. Dessa forma, esta opção não reflete a informação contida no itens de 1-5, dados em Escala Likert, requerendo uma abordagem que considere como utilizar tais variáveis para aplicar a técnica em estudo.

Logo, foi possível analisar somente a dimensão “Condições didático-pedagógicas dos docentes”, a qual a partir da construção dos indicadores, foi bem avaliada pelos discentes.

Para a análise das demais dimensões abordadas no questionário, sugere-se um estudo aprofundado em como lidar com as questões que apresentam uma sexta opção de resposta não pertencente à escala Likert. Devido a presença desta opção, as questões não podem ser classificadas como variáveis qualitativas ordinais, requerendo uma abordagem que considere a utilização dessas variáveis para realizar a Análise de Componentes Principais para dados qualitativos utilizando o método Prinqual.


Palavras-chave


Componentes Principais, Dados qualitativos ordinais, Escala Likert, Indicadores, Prinqua

Referências


BECERRA AVELLA, Martha Oliva et al. Comparaci´on del an´alisis factorial m´ultiple (AFM) y del an´alisis en componentes principales para datos cualitativos (Prinqual), en la construcci´on de ´ındices/Comparison between multiple factor analysis (MFA) and principal component analysis for qualitative data (Prinqual) methods for derivation of indices. 2010. Tese de Doutorado. Universidad Nacional de Colombia.

CHIARANDA, Ana F. Análise de Componentes Principais na Presença de Dados não Quantitativos. São Carlos, SP. Trabalho de Conclusão de Curso, Universidade Federal de São Carlos, 2020.

Comissão Própria de Avaliação (CPA) da UFSCar, 2019. Disponível em <http://www.cpa.ufscar.br> Acesso em: 11 set. 2020.

JOHNSON, Richard Arnold et al. Applied multivariate statistical analysis. Upper Saddle River, NJ: Prentice hall, 2002.