R EQUEST FOR PARTICIPATION IN THE RESEARCH PROJECT

Concluída a geração dos dados, o material coletado foi organizado para análise e interpretação. Vale ressaltar que a análise e interpretação dos dados apoiaram-se em procedimentos de dupla ordem: qualitativos e quantitativos. Ambos os softwares utilizados na análise dos dados utilizam de procedimentos estatísticos para qualitativamente explicar os fenômenos, como será esclarecido a seguir. Assim, na análise, procurou-se descrever de maneira fiel e íntegra as informações fornecidas pelos sujeitos da pesquisa para, em seguida, iniciar o processo de interpretação, com o intuito de extrair sentido das falas oriundas de algumas questões abertas do questionário. Sendo assim, descrição e análise são caminhos fundamentais para a interpretação.

Foram definidos diferentes tipos de tratamento e análise para os dados da segunda e terceira parte do instrumento, que busca apreender o campo comum das RS dos estudantes de Ciências Biológicas e Letras sobre o ensino superior, as licenciaturas e as políticas de formação docente. O software utilizado para o tratamento dos dados coletados na segunda parte do instrumento pela técnica de Associação Livre de Palavras foi o EVOC, e o software utilizado para os dados coletados na terceira parte foi o Alceste.

As questões de livre associação foram analisadas com a ajuda do software EVOC, desenvolvido pelo suíço Pierre Vergés. O programa organiza as evocações de acordo com a

ordem de aparecimento, as frequências e as médias de evocação, proporcionando conhecer os elementos estruturais das representações sociais. O software EVOC possibilita o cálculo das Ordens Médias de cada uma das palavras Evocadas (OME) diante do termo indutor apresentado. Posteriormente, as palavras são agrupadas em categorias estabelecidas em razão dos caracteres comuns desses elementos e dos critérios orientados pela imersão da análise em questão (PAIXÃO, 2008). O software permite dois tipos de análises: a lexicográfica e a categorização por análise de conteúdo como apontam os pesquisadores Carvalho et al. (2005).

Segundo Cândido (2007), a partir da preparação do corpus para o lançamento de dados, o processamento do EVOC possibilita uma análise que oferece dados para o reconhecimento da estrutura das RS. Essa análise, realizada pelo subprograma nomeado RANGMOT, considera dois critérios: a frequência e a ordem da evocação. Como destaca Paixão (2008) após o cruzamento desses critérios é definida a relevância dos elementos que se associam ao termo indutor. A autora ressalta ainda que a análise de evocação é apresentada respeitando-se os quadrantes organizados em dois eixos, sendo que o eixo vertical corresponde à frequência e o horizontal à ordem de evocação.

Tabela 2. Quadrantes da análise de evocação

Ordem Média de Evocações F R E Q U Ê N C I A 1º Quadrante Núcleo Central

ATRIBUTOS COM ALTA FREQUÊNCIA E PRONTAMENTE EVOCADOS

2º Quadrante Sistema Periférico

ATRIBUTOS COM ALTA FREQUÊNCIA E TARDIAMENTE EVOCADOS 3º Quadrante

Sistema Periférico’

ATRIBUTOS COM BAIXA FREQUÊNCIA E PRONTAMENTE EVOCADOS

4º Quadrante Periferia Distante

ATRIBUTOS COM BAIXA FREQUÊNCIA E TARDIAMENTE EVOCADOS Fonte: Cândido (2007).

Os quadrantes são explicados por Simoneau e Oliveira (2011, p. 15):

[...] no quadrante superior esquerdo podem ser visualizadas as palavras que se destacam pela frequência (alta) e pela ordem de evocação (mais próxima do 1), constituindo-se nos elementos centrais da representação. Em contraposição, no quadrante inferior direito, encontram-se as palavras com baixa frequência e ordem de evocação mais distante do 1, caracterizando a 2ª periferia; no quadrante superior direito, encontram-se as palavras com alta frequência e ordem de evocação mais distante do 1, caracterizando a 1ª periferia. Finalmente, no quadrante inferior esquerdo encontram-se as palavras com baixa frequência e ordem de evocação mais próxima do1, caracterizando a zona de contraste.

Em outra etapa o EVOC reúne as palavras evocadas em categorias. O subprograma AIDCAT oferece uma lista com sugestões de categorias que necessitam de análise para que só então se crie conjuntos de palavras, como destaca Cândido (2007). Tal como observa Paixão (2008, p. 172) a categorização dos termos passa pela avaliação de juízes que “[...] avaliam cada um dos temas sob os quais as palavras são agrupadas”. A autora ressalta que uma análise estatística é ainda feita pelo software, o que acaba possibilitando conhecer se uma representação social caracteriza melhor um subgrupo ou outro. Para que ocorra a diferenciação dos subgrupos é necessário que as variantes que caracterizam os participantes sejam utilizadas, como afirma Cândido (2007).

Essa estratégia metodológica “[...] é considerada como uma técnica de análise estrutural das representações sociais por compreender a percepção da realidade de um determinado grupo social por meio de uma composição semântica pré-existente” (SOUZA, 2009, p. 66). Sendo essa composição visível e imagética e instituída ao redor de alguns subsídios simbólicos simples que podem substituir ou nortear a percepção real do objeto estudado.

Oliveira et al. (2005, p. 574-575) citam duas razões por se optar por essa técnica em pesquisas sobre estudos científicos:

[...] a primeira, por possibilitar a apreensão das projeções mentais de maneira descontraída e espontânea, revelando inclusive os conteúdos implícitos ou latentes que podem ser mascarados nas produções discursivas; a segunda, pelo fato de se obter o conteúdo semântico de forma rápida e objetiva, reduzindo as dificuldades e os limites das expressões discursivas convencionais.

Diversas pesquisas que buscaram discutir as representações sociais acerca da educação ou de objetos sociais a ela relacionados (SHIMAMOTO, 2004; RIBEIRO; JUTRAS, 2006; SOUZA, 2009; MUNHOZ, 2010; ABDALLA, MARTINS, SILVA, 2012) já utilizaram o procedimento de coleta de dados por meio de questionário de associação livre, demonstrando ser uma tendência, no Brasil, estudos e pesquisas desenvolvidas com base na Teoria das Representações Sociais, que se fundamentam na Teoria do Núcleo Central, elaborada por Abric (2001).

A análise do material verbal categorizado seguiu os preceitos da Análise de Conteúdo, conforme Bardin (1979). A autora define a Análise de conteúdo como sendo:

[...] um conjunto de técnicas de análise das comunicações visando obter, por procedimentos sistemáticos e objetivos de descrição do conteúdo das mensagens, indicadores (quantitativos ou não) que permitem a inferência de conhecimentos relativos às condições de produção/recepção (variáveis inferidas) destas mensagens (BARDIN, 1979, p. 42)

Franco (2007, p. 12) ressalta que as mensagens ou expressões que constituem o objeto da análise de conteúdo “[...] expressam as representações sociais na qualidade de elaborações mentais construídas socialmente, a partir da dinâmica que se estabelece entre a atividade psíquica do sujeito e o objeto do conhecimento”.

Dessa forma, observa-se que a relação entre sujeito e objeto social é constituída na prática social e histórica da humanidade, via linguagem, como afirma Paixão (2008). Por meio dessa concepção, entende-se que as representações sociais são construídas por processos sociocognitivos que têm influência na vida cotidiana dos indivíduos, nos seus processos comunicacionais e também nos seus comportamentos. Moscovici (2003, p. 86) faz algumas afirmações a respeito da influência das representações sociais nos comportamentos dos sujeitos:

Para compreender melhor a relação que se estabelece entre o comportamento humano e as representações sociais, devemos partir da análise de conteúdo das representações e considerar, conjuntamente, os afetos, as condutas, os modos, como os atores sociais compartilham crenças, valores, perspectivas futuras e experiências afetivas.

Franco (2007, p.12) ressalta que os sujeitos produzem discursos a respeito de um dado objeto dentro da condição do contexto no qual os sujeitos estão submetidos, e essas condições envolvem aspectos e:

[...] situações econômicas e socioculturais nas quais os emissores estão inseridos, o acesso aos códigos linguísticos, o grau de competência para saber decodificá-los o que resulta em expressões verbais (ou mensagens) carregadas de componentes cognitivos, subjetivos, afetivos, valorativos e historicamente mutáveis.

As categorias criadas procuraram atender as exigências de serem exaustivas, excludentes, concretas e adequadas, como sugere Minayo (2007). As interpretações dos dados foram construídas com base nas categorias construídas e na perspectiva teórica adotada. Assim, a análise de conteúdo tem uma concepção crítica e dinâmica que procurou identificar os significados e sentidos atribuídos pelos sujeitos das representações acerca do ensino superior e das políticas de formação docente.

O Alceste foi utilizado na terceira parte do instrumento. Criado para fazer análise de textos como entrevistas, artigos de jornais e revistas, obras literárias, entre outros, ele apoia-se

em cálculos estatísticos feitos sobre a coocorrência de palavras em segmentos de texto, os quais são considerados o enunciado mínimo em um discurso. O software promove também a diferenciação de classes de palavras que representam formas diferentes de discurso e que são correspondentes ao objeto de interesse da pesquisa, como ressaltam Nascimento e Menandro (2006). Portanto, o software analisa a estrutura do discurso por meio de análises estatísticas e matemáticas, de acordo com o número de classe, das relações existentes entre elas, das divisões realizadas no respectivo material, bem como da formação de classes, das formas radicais e das palavras relacionadas aos valores de qui-quadrado (χ2_{) correspondentes, bem}

como seu contexto semântico (SILVEIRA, 2009).

Os enunciados são classificados a partir da análise lexical e a partir de perfis lexicais, tendo como base a ideia de que dois enunciados serão mais próximo um do outro quanto mais eles tenham raízes lexicais próximas, como destaca Oliveira et al. (2005). Dessa forma, é possível verificar o que há de comum nas diferentes visões do objeto em estudo.

Por meio do software o corpus analisado é segmentado em grandes unidades, que são nomeadas de Unidade de Contexto Inicial (UCI), que podem ser entrevistas ou respostas às questões de diferentes sujeitos que estão reunidas em um mesmo corpus, como destaca Silveira (2009). O texto completo é dividido novamente em partes de texto, abrangendo, geralmente, três linhas, como afirma Ribeiro (2005). Cada parte de texto ou enunciado representa o pensamento manifestado e cada parte é denominada de unidade de contextos elementares (UCE’s), assim o trabalho de classificação do ALCESTE se faz com base na presença das palavras do corpus a cada UCE (SILVEIRA, 2009).

O processo de análise lexical segue na medida em que apreendem como lexemas apenas as palavras plenas, que ele lematiza, por meio da construção de um Quadro Lexical Inteiro, cruzando seus enunciados e seus lexemas para calcular uma participação disjuntiva de classes de unidades de contextos elementares, de modo que a variância interclasses seja maximizada em função da variância interclasses, sobre o que se refere aos lexemas que as unidades de contexto elementares contêm como destaca Silveira (2009).

Este processo gera polaridades diferentes no uso das palavras, que são ferramentas importantes de análise. No nível semântico, este processo considera as bases lexicais das chamadas palavras plenas, ou palavras portadoras de sentido (OLIVEIRA et al., 2005). O programa promove uma redução do vocabulário por eliminação dos marcadores de sintaxe, das desinências de conjugação e de alguns prefixos, permanecendo apenas as raízes significantes (RIBEIRO, 2005).

A análise estatística denominada Classificação Hierárquica Descendente (CHD) tem como objetivo calcular as participações em classes gramaticais, apresentando duas posições por meio de um dendograma, parecido com uma árvore, como informa Ribeiro (2005). Logo em seguida, uma Análise Fatorial de Correspondência (AFC) é realizada para que se possa visualizar as oposições resultantes da classificação descendente fatorial (CDF), sob forma de um plano fatorial, portanto as palavras que aparecem com muita frequência não são necessariamente descartadas, mas são acopladas a uma certa classe, com base no valor do qui- quadrado (χ2), como exposto por Silveira (2009).

A autora supracitada destaca que para se realizar uma análise mais qualitativa por meio do Alceste, deve-se recortar um corpus em UCE’s, agrupando-as em Unidade de Contexto Analisadas (UCA’s) em função do vocabulário. Dessa forma, esta última etapa irá fornecer as bases para a interpretação qualitativa dos dados.

A estudiosa segue descrevendo a segunda e terceira etapas da análise qualitativa do Alceste. A segunda etapa permite uma descrição inicial das classes obtidas, conseguem-se também os principais resultados e a dependência mútua, bem como o vocabulário dominante de cada uma das classes, sendo estes elementos que irão compor a interpretação dos dados. A terceira etapa refere-se à efetivação dos cálculos complementares sobre cada uma das classes, sendo que as unidades de contexto mais representativas de cada classe são calculadas e extraídas, ocorrendo também nesta etapa o cálculo dos segmentos repetidos e das Classificações Ascendentes Hierárquicas (CAH).

Dessa forma, o Alceste apresenta o número de classes resultantes da análise, as formas reduzidas, o contexto semântico e as UCE’s de cada classe. A partir deste momento o pesquisador nomeia e interpreta cada classe, por meio das informações fornecidas pelo software como informa Silveira (2009). A autora destaca ainda que o Alceste permite uma análise criativa por parte do autor da pesquisa, de acordo com o foco da pesquisa e das experiências prévias do pesquisador.

As etapas da análise do software Alceste correspondem aos passos demonstrados na Tabela 3.

Tabela 3. Etapas de análise pelo software ALCESTE.

Etapas de análise do ALCESTE

1. Leitura do texto e cálculo dos dicionários a) Reformatação e divisão do texto em segmentos similares – UCE’s;

b) Pesquisa do vocabulário e agrupamento das ocorrências das palavras por meio das suas raízes (formas reduzidas);

c) Criação do dicionário das formas reduzidas. 2. Cálculo das matrizes de dados e classificação

das UCE’s

a) Seleção das UCE’s em função dos seus vocabulários e cálculo da matriz das formas reduzidas cruzadas com a UCE;

b) Cálculo das matrizes de dados para a Classificação Hierárquica Descendente;

c) Classificação Hierárquica Descendente definitiva.

3. Descrição das Classes de UCE’s escolhidas a) Definição das classes escolhidas; b) Descrição das classes;

c) Análise Fatorial de Correspondência (AFC), gerando uma representação gráfica das relações entre as classes e as variáveis, dispostas em um plano fatorial.

4. Cálculos complementares a) Fornecimento das UCE’s mais características de

classe;

b) Pesquisa de segmentos repetidos por classe; c) Construção de uma matriz de formas associadas a uma mesma classe, cruzando com as UCE’s da referida classe;

d) Eleição das palavras mais características de cada classe para a demonstração de um “index de contexto de ocorrência”;

e) Exportação das UCE’s para outros programas de informática.

Fonte: Ribeiro (2005)

A análise qualitativa por meio do Alceste reconstruiu o discurso coletivo dos participantes, assim para que o discurso fosse condizente com cada classe temática, partiu-se das palavras e Unidades de Contexto Elementar (UCE’s), oferecidas pela análise estatística. Foram utilizados os fragmentos das frases das respostas das questões abertas, aproximando ao máximo do seu significado original. Por fim, os fragmentos de texto foram reorganizados de modo a contemplar a temática representativa de cada classe e de cada eixo.

1.5. A TEORIA DAS REPRESENTAÇÕES SOCIAIS E SUA APLICABILIDADE NAS