Determinants of OI Practices: Firm Size

Utilizar-se-á de análise multivariada nesta pesquisa. Trata-se da análise de múltiplas variáveis em um único relacionamento ou conjunto de relações. Notoriamente, a tecnologia e a estatística têm caminhado juntas para poder analisar grandes quantidades de dados complexos, criando e aplicando grupos de técnicas estatísticas, que conjuntamente denominam-se análise multivariada, onde são largamente aplicadas em indústrias, governos e centros de pesquisa acadêmica. (HAIR et.al. 2005)

Representando a análise multivariada, tem-se um conjunto de técnicas e modelos, como Análise Fatorial (HARMAN, 1968), Análise de conglomerados (ANDERBERG, 1973;

EVERITT, 1980), Análise discriminante (HUBERT, 1984), e Equações Estruturais (AUSTIN & CALDERÓN, 1996; ARBUCLE, 1996; BENTLER, 1980; BYRNE, 2001), dentre outros recursos estatísticos que são verdadeiras ferramentas analíticas.

A análise multivariada permite informações potencialmente úteis, em qualquer área aplicada, pois permite uma análise de diversas variáveis em uma relação bem profunda e o menos superficial possível. “[...] É somente por meio de técnicas multivariadas que essas múltiplas relações podem ser adequadamente examinadas para se obter uma compreensão mais completa e realista na tomada de decisão”, e complementa o autor, “[...] a despeito de os objetivos da pesquisa e da ênfase na interpretação poderem variar, um pesquisador em qualquer área deve abordar todos os tópicos, sejam conceituais ou empíricos, que surgem nas discussões sobre os métodos estatísticos.” (HAIR et.al. 2005, p. 25)

Em suma, Hair et.al. (2005, p.26) destacam que “[...] todos os métodos estatísticos que simultaneamente analisam as múltiplas medidas sobre cada indivíduo ou objeto sob investigação. Qualquer análise simultânea de mais de duas variáveis de certo modo pode ser considerada análise multivariada.”

Ademais, enfatiza que

[...] outras técnicas multivariadas, contudo, são unicamente projetadas para lidar com questões multivariadas, como análise fatorial, que identifica a estrutura subjacente a um conjunto de variáveis, ou análise discriminante, que discrimina grupos com base em um conjunto de variáveis.” (HAIR et.al., 2005, p. 26).

No entanto, esclarece Hair et.al. (2005) que todas as variáveis devem estar inter- relacionadas e serem aleatórias, de modo que seus efeitos acabem sendo significativamente interpretados de forma conjunta. Dessa forma, a análise multivariada tem a função de medir, explicar e prever o grau de relacionamento entre variáveis estatísticas que se combinam, e não apenas se baseia no número de variáveis examinadas no estudo, sendo, portanto, a inclusão de técnicas multivariadas e as técnicas verdadeiramente multivariadas. (FIELD, 2009; HAIR, 2005)

A escolha pela análise fatorial, em parte, já foi explicada acima. Nessa pesquisa faz-se uso de muitas variáveis e torna-se necessário a redução de fatores através da análise fatorial, inicialmente utilizada para decompor apenas os fatores mais importantes na relação proposta, a partir dos itens propostos em Escala de Likert criada, exclusivamente, para ser aplicada com os sujeitos da amostra.

Hair et.al. (2005, p. 89) afirma que “[...] à medida que o número de variáveis a serem consideradas em técnicas multivariadas aumenta, há uma necessidade proporcional de

maior conhecimento da estrutura e das inter-relações das variáveis.”. Por este fato, a análise fatorial é adequada para análises de padrões de relações complexas e multidimensionais, podendo “ser utilizada para examinar os padrões ou relações latentes para um grande número de variáveis e determinar se a informação pode ser condensada ou resumida a um conjunto menor de fatores ou componentes” (Op. cit.).

A análise fatorial, portanto, é um método estatístico multivariado que define uma estrutura subjacente em uma matriz de dados, ou seja, através da análise de inter-relações (correlações) entre variáveis faz surgir uma ou várias novas dimensões latentes em comum. A essas novas dimensões encontradas denominam-se de fatores. (FIELD, 2009; HAIR, 2005)

Utilizando-se da análise fatorial, deve-se ter como objetivo, inicialmente, a identificação das “[...] dimensões separadas da estrutura e então determinar o grau em que cada variável é explicada por cada dimensão.” (HAIR et.al., 2005, p. 91). Finalizada essa etapa, pode-se obter um resumo e uma redução de dados que podem ser interpretados e compreendidos formando as categorias latentes do estudo.

De acordo com Hair et.al. (2005, p. 92) as “técnicas analíticas fatoriais podem atingir seus objetivos ou de uma perspectiva exploratória ou de uma perspectiva confirmatória.” Destaca o autor que ainda há debates entre estudiosos da área, no sentido de uns dizer que a análise fatorial tem apenas um caráter exploratório

No entanto, afirma Hair et.al. (2005, p. 92) que

[...] em outras situações, o pesquisador tem preconcebido ideias sobre a real estrutura dos dados, baseado em suporte teórico ou em pesquisas anteriores. Ele pode desejar testar hipóteses envolvendo questões sobre, por exemplo, quais variáveis deveriam ser agrupadas em um fator ou o número exato de fatores. Nesses casos, o pesquisador espera que a análise fatorial desempenhe um papel confirmatório – ou seja, avalie o grau em que os dados satisfazem a estrutura esperada.

Nesse estudo, far-se-á uso da análise fatorial nas duas dimensões: exploratória e confirmatória. Exploratória para extração dos fatores latentes, relacionados ao estudo do conceito científico e espontâneo, dentre as variáveis escolhidas na escala de Lickert; e confirmatória, para testar até que ponto as variáveis da escala confirmam a teoria de Vygotsky, dentro de cada grupo de professores – que cursaram e que não cursaram uma disciplina de avaliação – relacionando-a ao estudo de formação em avaliação educacional.

A respeito do método de Análise Fatorial, Hair (2005, p. 98) destaca que o pesquisador é que é o responsável por “[...] garantir que os padrões observados, sejam conceitualmente válidos e apropriados para estudos com análise fatorial, pois a técnica não tem meio algum para determinar a adequação além das correlações entre variáveis.” E sobre a

diferença entre grupos, enfatiza: “[...] sempre que diferentes grupos são esperados na amostra, as análises fatoriais separadas devem ser realizadas e os resultados comparados para identificar diferenças não refletidas nos resultados da amostra combinada.”

Além do estudo utilizar a análise fatorial, apresenta-se também a utilização do teste qui-quadrado da razão de verossimilhança, pois, de acordo com Hair et.al. (2005, p. 522) esta é “a mais fundamental medida de ajuste geral [...], a única medida de qualidade de ajuste com caráter estatístico disponível em SEM (Modelagem de equações estruturais).” O teste do qui-quadrado é também utilizado para medir as diferenças entre os grupos estudados e aqui se aplica ao estudo com essa intenção: detectar as diferenças das variáveis entre os grupos e fortalecer a análise fatorial do estudo.

Explicando os passos pelas veredas quantitativas, a pesquisa vai apresentar: 1) Perfil dos sujeitos pesquisados;

2) Testes de validade e consistência do instrumento e significância da amostra; 3) Análise fatorial da amostra ampliada – com os fatores intervenientes para diagnóstico sobre o nível de conhecimento científico em avaliação do ensino-aprendizagem dos docentes pesquisados;

4) Teste do qui-quadrado nas amostras dos grupos;

5) Diagnóstico pelo olhar quantitativo – as categorias e confirmações ao estudo. Diante do todo exposto, espera-se que a proposta de estudo quantitativo alie-se à apresentação da proposta qualitativa, a fim de diagnosticar eficientemente em toda a sua complexidade, o campo da formação docente em avaliação educacional, vivenciado pelos professores do ensino público do município de Fortaleza, Ceará.

6.1.2 O enfoque qualitativo da pesquisa: os elementos investigativos da fenomenologia-