Okul Öncesi Dönem ve Çokkültürlü Eğitim

Inicialmente, para caracterização da amostra obtida e para o conhecimento dos motivos que orientam as decisões de carreira dessa amostra, este trabalho utiliza-se da aplicação de cálculos de distribuição de frequência e outras medidas de estatística descritiva (média e desvio-padrão) sobre os dados coletados.

Na sequência, de modo a se investigar a influência das variáveis independentes (incluindo as moderadoras) nas variáveis dependentes, tal como delineado no Quadro 7, faz-se necessária a utilização de estatística inferencial, considerando-se os objetivos da pesquisa e a natureza dos dados obtidos.

Os métodos de estatística inferencial podem ser classificados em paramétricos e não paramétricos. Os paramétricos partem do pressuposto de que a distribuição de probabilidades da população em estudo segue a distribuição normal, além de assumirem outras premissas como independência das observações e homogeneidade de variâncias. Os métodos não paramétricos, por sua vez, não possuem exigências quanto à forma da distribuição de probabilidades da população (ANDERSON et al, 2011, p. 856-857). Embora também pressuponham independência de observações, métodos não paramétricos não exigem que tais observações sejam provenientes de amostras aleatórias (HUNTER; MAY, 1993, p. 384).

De acordo com Sheskin (2004, p. 97), há um consenso geral entre os pesquisadores de que, se não houver nenhuma razão para acreditar que pressupostos de um teste paramétrico foram

violados, e quando o nível de medição para um conjunto de dados é intervalar ou de razão, os dados devem ser avaliados com o teste paramétrico apropriado. Lewis (1995, p. 19) estende- se na justificação do uso dos métodos paramétricos argumentando que estudos empíricos demonstram a robustez desses métodos mesmo diante da violação dos pressupostos de normalidade e homogeneidade de variâncias – exceto em casos de violação extrema.

Sheskin (2004, p. 97), por outro lado, chama a atenção para o fato de que há um grupo de autores que não consideram prudente utilizar os testes paramétricos na condição de violação dos pressupostos, já que seus resultados podem ficar comprometidos nesses casos. Para Hunter e May (1993, p. 385-386), por exemplo, o poder estatístico de testes paramétricos só pode ser estimado de forma válida a partir de amostragem probabilística, o que faz com que seu maior poder estatístico na violação de pressupostos, bem como sua robustez nesses casos, possa ser considerado um mito.

Assim, dada a ausência de conclusões definitivas acerca do uso de métodos paramétricos em condições de violação dos seus pressupostos e uma vez que as formas de distribuição das variáveis dependentes não são conhecidas a priori, optou-se, neste estudo, pela previsão de alternativas de análise dos dados considerando-se tanto os métodos paramétricos como os não paramétricos. A opção por um ou outro grupo de métodos é, portanto, dependente dos resultados da avaliação da normalidade e homogeneidade de variâncias sobre os dados coletados. A partir dessas considerações, o conjunto de técnicas consideradas apropriadas para este estudo foi resumido no Quadro 13.

Quadro 13 – Técnicas de análise de dados previstas para esta pesquisa

Objetivo da pesquisa Técnica de análise dos dados _{dissertação} Seção da

a) Levantar e analisar os motivos das decisões dos indivíduos nos diferentes ciclos da carreira.

- Estatística descritiva 4.3

- Estatística inferencial:

- Alternativa paramétrica: ANOVA de medidas repetidas

- Alternativa não paramétrica: Teste de Friedman

Objetivo da pesquisa Técnica de análise dos dados _{dissertação} Seção da

b) Investigar a relação entre a ordem cronológica de nascimento e os motivos das decisões de carreira dos indivíduos.

- Estatística inferencial:

- Alternativa paramétrica: ANOVA de um fator e de dois fatores

- Alternativa não paramétrica: Teste de Kruskal-Wallis (em alguns casos, com estratificação dos grupos das variáveis) e Teste de Mann-Whitney (para as análises post hoc).

4.6.1 e 4.6.2

c) Investigar a relação entre a ordem cronológica de nascimento e decisões de ocupação, escolaridade e formação (graduação) dos indivíduos.

- Estatística inferencial:

- Teste Qui-Quadrado 4.6.3

d) Investigar a relação entre a ordem psicológica de nascimento e os motivos das decisões de carreira dos indivíduos.

- Estatística inferencial:

- Alternativa paramétrica: ANOVA de um fator

- Alternativa não paramétrica: Teste de Kruskal-Wallis e teste de Mann- Whitney (para as análises post hoc).

4.7.1

e) Investigar a relação entre a ordem psicológica de nascimento e decisões de ocupação, escolaridade e formação (graduação) dos indivíduos.

- Estatística inferencial:

- Teste Qui-Quadrado 4.7.2

FONTE: Elaborado pela autora

A alternativa paramétrica para a análise dos dados desta pesquisa é a Análise de Variância (ANOVA) em seus tipos ANOVA de um fator (one-way ANOVA), ANOVA de dois fatores (two-way ANOVA) e ANOVA de medidas repetidas. A ANOVA é utilizada para verificar a hipótese nula de que as médias de três ou mais populações são iguais. Sua aplicação assume como principais premissas a distribuição normal das variáveis de resposta de cada população, a homogeneidade das variâncias entre as populações e a independência das observações (ANDERSON et al, 2011, p. 510).

Em seu modelo clássico, a ANOVA é utilizada para obter conclusões estatísticas acerca de um fator que varia entre as populações (one-way ANOVA). Quando mais de um fator está envolvido e, além disso, deseja-se analisar os efeitos de interação entre eles, utiliza-se a ANOVA fatorial, uma extensão da ANOVA que tem por objetivo verificar a semelhança entre grupos explorando simultaneamente as relações entre diversos fatores (variáveis independentes) e uma variável dependente métrica. A ANOVA de dois fatores é um caso

particular da ANOVA fatorial, em que o efeito de duas variáveis independentes é explorado (ANDERSON et al, 2011, p. 537-538).

Outra possibilidade de aplicação da ANOVA se dá na situação de medidas repetidas. Trata-se de um caso especial em que a mesma medição se faz várias vezes, sobre os mesmos sujeitos, para examinar se surge qualquer tendência (HAIR et al, 2009, p. 348). Sabe-se que as variáveis dependentes métricas, neste estudo, correspondem aos motivos de decisão dos indivíduos em diferentes ciclos da carreira – representados por quatro momentos distintos de decisão para cada sujeito. Assim, a aplicação da ANOVA de medidas repetidas para as análises dos motivos em cada uma das decisões torna possível avaliar o plano intrassujeito e não apenas investigar fatores intersujeitos, como na ANOVA tradicional.

O teste de Mann-Whitney, segundo Anderson et al (2011, p. 871), é um teste não paramétrico para a diferença entre duas populações baseadas em amostras independentes. O teste de Kruskal-Wallis, por sua vez, é um teste não paramétrico para a diferença entre três ou mais populações baseadas em amostras independentes, sendo, portanto, uma extensão do teste de Mann-Whitney para a diferença entre k populações (k ≥ 3). Ambos os testes são alternativas não paramétricas à ANOVA de um fator e não requerem qualquer suposição sobre a distribuição das populações. A hipótese nula dos dois testes é a de que as populações são idênticas (DOANE; SEWARD, 2008, p. 709; ANDERSON et al, 2011, p. 872, 882).

Embora não seja uma alternativa à ANOVA fatorial, o teste de Kruskal-Wallis foi considerado uma opção para esta pesquisa porque, por meio de estratificação dos grupos de variáveis independentes, permite atender o objetivo de “investigar a relação entre a ordem cronológica de nascimento e os motivos das decisões de carreira dos indivíduos” (objetivo (b) da pesquisa) quando se consideram outros fatores que alteram a dinâmica familiar, ainda que não permita explorar em profundidade os efeitos de interação entre os fatores, como na ANOVA fatorial.

Como alternativa não paramétrica para a ANOVA de medidas repetidas, utiliza-se o teste de Friedman. O teste de Friedman é empregado para comparar dados amostrais vinculados, ou seja, quando o mesmo indivíduo é avaliado mais de uma vez (DOANE; SEWARD, 2008, p. 714). Da mesma forma que os testes de Mann-Whitney e de Kruskal-Wallis, o teste de Friedman não faz nenhuma suposição sobre a distribuição das populações e utiliza a

ordenação dos dados (postos ou ranks), ao invés de seus valores brutos, para o cálculo da estatística de teste. Após a ordenação, é testada a hipótese de igualdade da soma dos postos de cada grupo. Em outras palavras, a hipótese nula do teste de Friedman é a de que as diferentes amostras repetidas provêm de uma mesma população (SHESKIN, 2004, p. 845-846).

Nos parágrafos acima, apresentaram-se brevemente os procedimentos estatísticos a serem aplicados para os casos de variáveis dependentes do tipo métrica. No entanto, para cumprir os objetivos (c) e (e) desta pesquisa, são necessárias análises sobre variáveis dependentes do tipo categóricas. Para esse fim, foram previstas as aplicações do teste Qui-Quadrado. Segundo Doane e Seward (2008, p. 658), o teste Qui-Quadrado é um teste de independência não paramétrico que mede a associação entre duas variáveis baseando-se nas frequências da tabela de contingência. A estatística do teste mede a diferença relativa entre as frequências esperada e observada e é comparada a um valor crítico da distribuição de probabilidade Qui-Quadrado. A hipótese nula do teste é a de independência entre as variáveis.

O nível de significância25 estabelecido para a inferência estatística de todos os testes supracitados é de α = 0,05 e a ferramenta utilizada para a execução das análises é o SPSS (Statistical Package for the Social Sciences), versão 20.