Para análise textual do presente estudo, foi utilizada a análise lexical mecanizada pelo software Analyse Lexicale par Context d‟un Ensemble de Segments de Texte (ALCESTE) ou Análise Lexical de Co-ocorrências em Enunciados Simples de um Texto.
O ALCESTE “permite quantificar o texto para extrair estruturas que apresentem significados mais representativos e acessar a informação essencial presente no texto. Isso permite descrever, classificar, assimilar, sintetizar e identificar a organização tópica de um texto, acessando as relações existentes entre os léxicos” (EMBRAPA, 2009, p.13).
Histórias de Inovação na Atenção Básica à Saúde presentes na Rede HumanizaSUS
Para Camargo (2005), não se desconsidera a qualidade dos fenômenos estudados ao se realizar uma analise quantitativa de dados textuais, ao contrário é possível fornecer “critérios provenientes do próprio material para consideração do mesmo como indicador de um fenômeno de interesse científico” (CAMARGO, 2005, p.511). São feitas análises estatísticas para a organização dos dados, que fornecem “o número de classes, as relações existentes entre as mesmas, as divisões realizadas no texto até a formação das classes, as formas radicais e palavras associadas com seus respectivos valores de Qui-Quadrado (x2), além do contexto semântico de cada classe” (FONSECA, 2010, p.30).
No ALCESTE, o material a ser analisado é denominado corpus de análise e é formado por um conjunto de Unidades de Contexto Inicial (UCI) definidas pelo pesquisador. A UCI é a unidade a partir da qual o programa efetuará a fragmentação inicial, no caso deste estudo, os posts das experiências selecionadas.
O processamento do material inicia com o processo de divisão do corpus em Unidades de Contexto Elementares (UCE). Essas são fragmentos do texto com tamanhos iguais (cerca de dez palavras) e cada uma delas é identificada com a UCI correspondente (POMBO-DE-BARROS, 2009). “É a partir da pertença das palavras de um texto a uma UCE, que o programa vai estabelecer as matrizes para a classificação” (REINERT, 1986 apud EMBRAPA, 2009, p.32).
O programa executa, para a análise do conteúdo, quatro etapas: de A a D. Cada uma delas contém três operações (com exceção da D que possui cinco) (CAMARGO, 2005). Segue descrição:
Etapa A: reformatação e divisão do texto em segmentos (UCE), pesquisa do vocabulário, redução das palavras com base em suas raízes (forma reduzida) e criação do dicionário de formas reduzidas (classificadas de acordo com sua frequência de aparecimento no corpus. São analisados os substantivos, verbos (exceto os auxiliares ser, ter e modais), adjetivos, advérbios e formas não reconhecidas (desde que com frequência de aparecimento de, no mínimo, quatro vezes).
Etapa B: seleção das UCE a serem consideradas e cálculo da matriz: formas reduzidas x UCE; cálculo das matrizes de dados para classificação
Histórias de Inovação na Atenção Básica à Saúde presentes na Rede HumanizaSUS
hierárquica descendente (CHD) e classificação hierárquica descendente propriamente dita, com o objetivo de reunir classes de UCE com vocabulários semelhantes entre si e distintas das demais UCE das outras classes.
Etapa C: definição das classes escolhidas; descrição das classes e análise fatorial por correspondência. As classes representam um tema extraído do texto.
Etapa D: seleção das UCE mais características de cada classe; pesquisa dos segmentos repetidos por classe; classificação hierárquica ascendente (focada no léxico) e seleção de palavras mais características de cada classe.
O programa fornece ainda, para cada uma das classes de segmentos geradas, em forma de tabela, o vocabulário que aparece por ordem de frequência de ocorrência, a indicação da significação da sua ligação com a classe, além de trechos do corpus contendo a lista de UCE características de cada classe, classificados em ordem de importância associada a sua UCI (as formas mais características da classe são apresentadas entre parênteses).
O material para análise no presente estudo foi dividido em dois corpus: um relativo aos posts referentes às experiências selecionadas na Rede HumanizaSUS sobre o trabalho na atenção básica, e um segundo contendo os comentários a essas experiências. Optou-se pela divisão para que o material não ficasse extremamente extenso, o que poderia comprometer a análise realizada pelo software. Os materiais textuais de cada um dos corpus foram salvos em arquivos distintos do Word.
As UCI foram formadas a partir da reunião de todos os posts de experiências ou comentários de um mesmo sujeito. As variáveis usadas foram formação profissional (graduação) do sujeito e local da experiência. As UCI foram separadas por linhas de comando, “linhas com asteriscos”, e cada uma das variáveis recebeu um código, como o exemplo a seguir: **** *Suj_01 *form_est *est_rn.
Foram selecionadas 37 experiências que se configuraram em 21 UCI, o que significa que os mesmos sujeitos postaram mais de uma experiência dentre as escolhidas. Essas experiências geraram 111 comentários selecionados, que compuseram 44 UCI.
Histórias de Inovação na Atenção Básica à Saúde presentes na Rede HumanizaSUS
De acordo com Camargo (2005), as operações que produzem os resultados mais importantes para a interpretação de um corpus são: C1, que produz o dendograma da Classificação Hierárquica Descendente (CHD); C 2, que dá a descrição das palavras; D1, que seleciona as UCE mais características de cada classe; e D3, que produz a Classificação Hierárquica Ascendente (CHA) das palavras por classe. O corpus relacionado às experiências foi dividido em 502 segmentos (UCE), que continham 4.482 palavras diferentes. Foram consideradas 78% dessas UCE e encontradas 642 formas analisáveis com frequência superior a quatro. Após esses procedimentos, chegou-se a 6 classes de segmentos de texto diferentes entre si, como demonstra a Figura 3. O programa realiza duas classificações hierárquicas descendentes, com tamanhos de UCE distintas, para garantir a estabilidade das classes finais e para que haja um máximo de classes selecionadas.