7. Discussão dos resultados

Documentos relacionados
UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

4 Critérios para Avaliação dos Cenários

Algarismos Significativos Propagação de Erros ou Desvios

Testes não-paramétricos

Prof. Lorí Viali, Dr.

7 - Distribuição de Freqüências

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

REGRESSÃO NÃO LINEAR 27/06/2017

DELINEAMENTOS EXPERIMENTAIS

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

PRESSUPOSTOS DO MODELO DE REGRESSÃO

Métodos Avançados em Epidemiologia

Cap. IV Análise estatística de incertezas aleatórias

Análise de Variância. Comparação de duas ou mais médias

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Covariância na Propagação de Erros

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Regressão Múltipla. Parte I: Modelo Geral e Estimação

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

Estatística II Antonio Roque Aula 18. Regressão Linear

1. CORRELAÇÃO E REGRESSÃO LINEAR

3. Estatística descritiva bidimensional

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

Plano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Aula Características dos sistemas de medição

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Associação entre duas variáveis quantitativas

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Programa de Certificação de Medidas de um laboratório

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Exercícios de CPM e PERT Enunciados

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

Modelo de Alocação de Vagas Docentes

2 Incerteza de medição

3 A técnica de computação intensiva Bootstrap

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

Gráficos de Controle para Processos Autocorrelacionados

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

Dados ajustáveis a uma linha recta

Representação e Descrição de Regiões

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

Análise de Regressão Linear Múltipla VII

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

TESTE DO QUI-QUADRADO - Ajustamento

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

7 Tratamento dos Dados

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Estatística I Licenciatura MAEG 2006/07

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

EXERCÍCIO: VIA EXPRESSA CONTROLADA

AULA EXTRA Análise de Regressão Logística

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

MODELOS DE REGRESSÃO PARAMÉTRICOS

Teoria Elementar da Probabilidade

Análise Exploratória de Dados

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

u a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias.

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Experiência V (aulas 08 e 09) Curvas características

Análise de Regressão Linear Múltipla IV

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

Reconhecimento Estatístico de Padrões

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

Ajuste dos Mínimos Quadrados

2. Validação e ferramentas estatísticas

CORRELAÇÃO E REGRESSÃO

4 Sistemas de partículas

ECONOMETRIA I Prova n.º 1

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

Análise de Incertezas I.B De Paula

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

ECONOMETRIA Prova Intermediária PI 04/04/2014

Flambagem. Cálculo da carga crítica via MDF

CURSO de ESTATÍSTICA Gabarito

ANÁLISE DA RELAÇÃO ENTRE AS NOTAS DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA DE ESTUDANTES DO ENSINO MÉDIO

Transcrição:

7. Dscussão dos resultados 137

7. Dscussão dos resultados 7.1. Apresentação dos dados quanttatvos obtdos No Gráfco 3 representamos os resultados obtdos pelos alunos de todos os grupos no pré-teste e no pós-teste (anexo 10): % teste 100 90 80 70 60 50 40 30 20 10 0 At Bt Ct Dt Et Ft Gt Al Bl Cl Dl El Fl Gl Am Bm Cm Dm Em Fm Gm Alunos pré-teste Pós-teste Gráfco 3- Resultados obtdos pelos partcpantes no pré-teste e no pós-teste Os resultados obtdos no pós-teste foram representados em função dos resultados obtdos no pré-teste, sendo a equação da recta ajustada pelo método dos mínmos quadrados, utlzada posterormente para calcular os valores prevstos para o pós-teste (y esperado ) (Gráfco 4). Isto porque, o valor do ganho resdual é obtdo pela dferença entre o valor obtdo no pósteste e o valor esperado (GR = y- y esperado ). % pós-teste 100 90 80 70 60 50 40 30 20 10 0 0 20 40 60 80 % pré-teste y = 0,42x + 57,70 R 2 = 0,35 Gráfco 4- Representação gráfca dos valores obtdos no pós-teste em função dos valores obtdos no pré-teste 138

A cada ganho resdual adconamos o valor absoluto do menor ganho, obtendo-se assm o ganho resdual corrgdo para cada aluno, cujos valores representamos no gráfco segunte. 30,00 25,00 20,00 GRC 15,00 10,00 5,00 0,00 At Bt Ct Dt Et Ft Gt Al Bl Cl Dl El Fl Gl Am Bm Cm Dm Em Fm Gm Aluno Gráfco 5- Ganhos resduas corrgdos para cada aluno A partr dos valores dos ganhos resduas corrgdos, calculamos para cada grupo, o valor do ganho resdual corrgdo médo, cujos valores surgem na Tabela 29: Tabela 29- Ganhos resduas corrgdos médos Grupo GRCM Teórco 15,19 Laboratoral 13,20 Multméda 15,41 139

7.2. Tratamento dos dados quanttatvos obtdos Os GRCM foram posterormente submetdos a um teste de hpóteses, cujo objectvo fundamental era verfcar se hava ou não dferenças estatstcamente sgnfcatvas entre as médas amostras, neste caso os GRCM. Como se pretenda a comparação entre parâmetros de mas do que duas populações recorremos à análse de varânca, técnca mutas vezes desgnada sntetcamente por ANOVA, que resulta da contracção do nome que recebe em nglês: analyss of varance 1. Para facltar a compreensão da metodologa utlzada no referdo teste de hpóteses, descreveremos quatro fases do seu processamento (GUIMARÃES e CABRAL, 1997): 1- Defnção das hpóteses H 0 : GRCM T = GRCM L = GRCM M H 1 : GRCM X GRCM Y, com X, Y {T, L e M} 2- Identfcação da estatístca do teste e caracterzação da sua dstrbução F = DQMEG DQMDG Em que: - DQMEG (Desvo quadrátco médo entre grupos) defne-se como o quocente: ( X ) 2 - X VEG 1 DQMEG = = J, I -1 I -1 Sendo VEG, a varação entre grupos, que corresponde à soma ponderada das varações das médas de cada grupo número de observações em cada grupo, J ). X, em torno da méda global, X (com pesos proporconas ao - DQMDG (Desvo quadrátco médo dentro dos grupos) defne-se como o quocente entre a varação dentro dos grupos e o número de termos ndependentes que tal varação comporta (ou, como também se dz, o correspondente número de graus de lberdade). 1 Assummos aqu também desproporção entre a dmensão da nossa amostra e a sofstcação estatístca de tratamento de dados. Porém como já refermos achamos razoável, mas uma vez fazer esta abordagem numérca que prepara um tratamento eventual futuro, com uma amostra maor e mas aleatorzada. 140

observações DQMDG = VDG = J - I 1 J - I j ( X X ) 2 j Sendo VDG, a varação dentro dos grupos, que corresponde à soma das varações das X j dentro de cada um dos dferentes grupos (para cada grupo, a varação das observações é calculada relatvamente a X). Esta varável F tem a dstrbução de Snedcor com (I-1, J I ) graus de lberdade. 3- Defnção da regra de decsão, com especfcação do nível de sgnfcânca do teste Para um nível de sgnfcânca de 5%, rejeta-se H 0 caso F amostral >F crítco 4- Dados amostras, cálculo de estatístcas e tomada de decsão do teste de hpóteses Tabela 30- Ganhos resduas corrgdos por aluno Aluno Grupo Teórco Laboratoral Multméda A 13,92 11,86 8,39 B 11,06 1,59 9,33 C 8,39 19,06 10,92 D 13,59 18,13 27,92 E 15,73 0 12,26 F 24,59 23,8 18,26 G 19,06 17,93 20,8 Tabela 31 e Tabela 32- Cálculo de estatístcas Grupo Contagem Soma Méda (GRCM) Varânca Teórco 7 106,34 15,19 28,52 Laboratoral 7 92,37 13,20 84,03 Multméda 7 107,88 15,41 51,67 141

Fonte de varação Varação g. l. DMQ F amostral F crítco Entre grupos 20,86 2 10,44 0,19 3,55 Dentro de grupos 985,31 18 54,74 Total 1006,17 20 Para um nível de sgnfcânca 5%, não há razão para rejetarmos a hpótese nula, pos apenas a rejetaríamos caso F amostral fosse maor do que F crítco (3,55). Assm sendo, em relação ao estudo efectuado pode-se afrmar que não se observaram dferenças estatístcas sgnfcatvas entre as médas amostras ou seja, entre as médas dos ganhos resduas corrgdos. Apesar de não ser notóra grande dferença entre as referdas abordagens para esta amostra, de acordo com a termnologa usada no estudo GRCM T = GRCM L = GRCM M, estamos convencdos que tal facto pode fcar a dever-se, de entre outros factores, ao nstrumento de avalação da aprendzagem usado, um teste de papel e láps o nquérto. Sabemos que estes testes escrtos vsam avalar fundamentalmente aprendzagens do domíno cogntvo, logo não avalaram toda a aprendzagem dos alunos mas apenas parte desta. Estamos conscentes que, ndependentemente da metodologa de abordagem usada, os alunos apreenderam muto mas do que aqulo que lhes fo solctado pelo nquérto. Sabemos todos que se há aprendzagens que se avalam através dos testes, outras há que têm que ser fetas por outras formas, nomeadamente pela observação ou pela entrevsta (PAIS e MONTEIRO, 1996). Não se pode querer verfcar com testes escrtos senão uma parte lmtada das capacdades do aluno, como sejam o seu bom conhecmento dos factos e a sua aptdão para resolver problemas de solução únca (MACHADO, 1994). No entanto, há que referr que talvez por estarem entre hábtos muto enrazados ou talvez por se pensar que são a melhor forma de avalação (PAIS e MONTEIRO, 1996), anda hoje os testes de papel e láps contnuam a ser nas nossas escolas o método de avalação mas correntemente utlzado para avalar os progressos dos alunos (MACHADO, 1994), apesar dos currcula ncluírem, para além da aqusção de conhecmentos, o desenvolvmento de capacdades e a promoção de attudes (PAIS e MONTEIRO, 1996). Assm sendo, a função de avalar devera corresponder a uma análse cudada das aprendzagens consegudas face às aprendzagens planeadas, o que se traduzra numa nformação para professores e alunos dos objectvos atngdos e daqueles onde surgem mas dfculdades (PAIS e MONTEIRO 1996). Como esses objectvos não se lmtam apenas ao campo cogntvo, há que estar conscente da necessdade de utlzar outros nstrumentos de avalação, para além dos testes escrtos. 142

Todava não podemos avançar sem referr que esta é uma acção de grande dfculdade, que advém sobretudo do facto de que, ao fazê-lo, estamos a emtr juízos de valor, a prvlegar saberes, maneras de ser e de estar. Por muto objectva que se quera a avalação, ela dependerá sempre dos ntervenentes, dos momentos e das stuações concretas (PAIS e MONTEIRO, 1996). Retomando o comentáro à falta de dferença em termos dos ganhos dos alunos com as dferentes metodologas de abordagem, estamos convencdos que sto se deve também à amostra usada no estudo. Os alunos desta turma eram de um bom desenvolvmento cogntvo e de fácl motvação para o mundo escolar, o que nfelzmente começa a ser uma rardade nas nossas escolas, fruto de um ensno que se pretende massfcado (cada vez mas se encontram alunos com nteresses dvergentes dos escolares, de dfícl motvação). Quando nos encontramos com alunos que não se esforçam, parecem não mostrar nteresse pelo que a escola lhes oferece, a questão que nos surge como elementos ntervenentes do processo educatvo é o que fazer para os motvar. Com alunos desses acredtamos que os resultados deste estudo seram muto dferentes, pos acredtamos que as abordagens, nomeadamente a laboratoral e a multméda seram mas motvadoras, pela possbldade que lhes davam para nteragr prevendo-se maores ganhos nestes dos grupos. Outra das possíves dferenças entre as abordagens e que não avalamos resde naqulo que permanecerá na mente dos alunos a longo prazo. Acredtamos que para grande parte dos alunos a retenção dos conhecmentos adqurdos segue o segunte provérbo chnês: Fo-me dto e esquec; eu v e lembre-me; eu fz e compreend. Se assm for, com as abordagens laboratoral e multméda, os conhecmentos permanecerão muto mas tempo na mente dos alunos, ao contráro do que acontecerá com os conhecmentos adqurdos a partr da abordagem com forte componente teórca. Sera muto nteressante, daqu a 2 ou 3 anos, verfcar o que fcou deste trabalho na mente dos alunos. Porém ao confrmarmos neste estudo a hpótese nula, não o consderamos de modo algum como uma decepção. Ela pode sustentar, afnal, uma ntução que até corroboramos como verdadera, emergente da experênca prátca lectva: não há metodologas de prvlégo e mporta até a convergênca. Estratégas mas clásscas/teórcas, com maor componente laboratoral ou com maor componente multméda podem ser, equvalentemente, quando bem planeadas e protagonzadas, bons camnhos para aprender. 143

7.3. Apresentação dos dados qualtatvos obtdos Na tabela segunte encontram-se transcrtas, ntegralmente ou parcalmente, as respostas à pergunta aberta exstente no questonáro, quando este é apresentado como pósteste: Tabela 33- Comentáros dos alunos que surgem na pergunta aberta exstente no questonáro Abordagem Comentáros Teórca - Eu penso que fque com as mnhas dúvdas esclarecdas ; goste de conversar sobre sso com os meus colegas ; - Eu ache muto nteressante ; - acho muto mportante colaborarmos. Goste muto porque é um tema da actualdade e é muto mportante ; - Goste porque acho que é um tema que todos devemos falar. Além dsso é muto nteressante para os das de hoje ; - Goste desta matéra, aprend cosas novas ; Não compreendo de que são fetos os CFCs ; - Eu goste muto de ter aprenddo esta matéra. Valeu mesmo a pena. No outro questonáro que até era o mesmo, eu respond quase tudo mal, pelo que me lembro ; - Eu até já tnha falado sobre sto, mas fo muto por alto. Confesso que até aqu, era um assunto que me passava bem ao lado, ou seja, não tnha muto nteresse. Confunda sto tudo e nem sequer saba estas cosas das radações ultravoleta,, achava que as radações ultravoleta tnham algo a ver com o arco-írs, devdo ao nome voleta. Laboratoral - Goste muto de fazer experêncas laboratoras, mas o tempo de espera é muto. Acho que aprendemos muto com estas experêncas ; - Agora com esta aula de laboratóro aprend mas, antes não saba tanto. Goste muto desta aula laboratoral. Gostava de fazer mas aulas como esta que tve neste da ; - acho que ajudou muto, porque aprend muto mas. ; Só não goste da espera que fo muto longa, mas valeu a pena pos vmos resultados espectaculares ; é pena que nós não possamos ser uma turma de 7 alunos porque assm faríamos muto mas experêncas ; - Não saba quase nada sobre o ozono quando fz a prmera fcha, mas 144

Multméda depos destas experêncas todas fque a saber muto mas ; Adore fazer este trabalho fo muto gro, gostava era de ter mas aulas de laboratóro ; - goste muto de partcpar nesta actvdade. Gostava que houvessem mas actvdades como esta, porque eu adoro trabalhar no laboratóro, ou seja de fazer Experêncas ; - No da em que fzemos as experêncas eu compreend muto ; Só ache chato o tempo de espera mas não me mporto de fazer esta aula porque aprend muto ; - Acho que o tempo de espera fo bastante longo. Goste muto de aprender os problemas da nossa atmosfera ; Os trabalhos de laboratóro fazem com que os alunos se nteressem mas pelo assunto tratado. Acho que poderíamos fazer mas vezes este tpo de experêncas porque todos gostaram. - Goste desta actvdade no computador, eu adore ; - Goste do programa estava bem feto com tudo o que era precso ; - mas algumas pessoas que não sabem algumas cosas e que deveram saber fazem as cosas precsamente ao contráro do que devera ser feto. - O ozono só protege dos raos ultravoleta? ; - Eu goste muto de trabalhar neste trabalho sobre a camada de ozono, ache nteressante e dvertdo ; - A partr daquele jogo no computador já pude compreender melhor este problema. Apesar de já saber que o buraco do ozono é um problema grave, anda não saba quase nada sobre sso. Mas, agora tomare as devdas precauções para me proteger e não agravar anda mas este problema. Pelos comentáros faclmente depreendemos que são alunos com nteresse em aprender e de fácl motvação para esta temátca. Porém esta motvação poderá ter sdo amplada por város factos, nomeadamente: - A aprendzagem cooperatva, exstente em qualquer um dos casos, é mas motvante do que a aprendzagem ndvdual e compettva; - As tarefas realzadas pelos elementos envolvdos não são de modo algum repettvas, antes pelo contráro apresentam-se como bastante cratvas; 145

- Era-lhes dada autonoma, o que a nosso ver promove a motvação para o sucesso e a auto-estma; - Todos os partcpantes estavam conscentes dos objectvos que se pretenda que alcançassem; - Tratava-se de uma stuação novadora. O smples facto de saberem que estavam a partcpar num estudo novador é extremamente motvante "efeto novdade. 7.4. Capacdade das dferentes sugestões metodológcas para superar as CA s Pela análse das respostas às perguntas fechadas no pré-teste e no pós-teste podemos dzer que todas as metodologas conseguem superar com sucesso algumas das concepções alternatvas referdas em 4.2. Para facltar a análse da capacdade de cada estratéga para superar determnada CA refermos o número de alunos que após o ensno dferencado desta temátca voltaram a referr essa CA (Tabela 34): 146

Tabela 34- Avalação da capacdade das dferentes abordagens para superar algumas das CA s exstentes sobre este tema CA Avalado no questonáro Abordagem com a questão Teórca Laboratoral Multméda A10 9 0 0 1 A12 7 1 0 0 A14 18 0 0 0 B1 11 0 0 0 B2 11 1 0 0 B4 11 0 0 0 B12 11 0 0 0 C1 20 0 0 0 C9 20 0 0 0 C10 20 0 0 0 C12 20 0 0 0 D2 14 0 0 0 D4 14 0 0 0 D8 14 0 0 0 E1 23 0 0 0 E2 23 0 0 0 147