Resumo de métodos qualitativos, Resumos de Metodologia da Investigação. Universidade não é definido
da1709
da170923 de Outubro de 2016

Resumo de métodos qualitativos, Resumos de Metodologia da Investigação. Universidade não é definido

DOCX (3 MB)
32 páginas
1Números de download
95Número de visitas
100%de 1 votosNúmero de votos
Descrição
Resumo de todas as matérias de Métodos de Investigação Qualitativos.
20pontos
Pontos de download necessários para baixar
este documento
baixar o documento
Pré-visualização3 páginas / 32
Esta é apenas uma pré-visualização
3 shown on 32 pages
baixar o documento
Esta é apenas uma pré-visualização
3 shown on 32 pages
baixar o documento
Esta é apenas uma pré-visualização
3 shown on 32 pages
baixar o documento
Esta é apenas uma pré-visualização
3 shown on 32 pages
baixar o documento

Resumo de MIQ Estudos Quantitativos

Estudos Experimentais

Exigem: Distribuição aleatória (de participantes pelas condições) e manipulação experimental da variável independente.

Servem para testar relações causais (a hipótese/o problema é causal, o estudo/o método do estudo é experimental).

(Esta distribuição aleatória garante a validade interna do estudo. Distribuição aleatória é diferente de amostra aleatória [escolho aleatoriamente os participantes – aumenta a representatividade, a heterogeneidade e a validade externa])

(Todos os problemas causais implicam um método experimental, os estudos correlacionais não têm validade interna alta)

Estudos Quase-Experimentais

Não têm: Distribuição aleatória (de participantes pelas condições) e/ou manipulação experimental da variável independente.

(exemplo de “e” – estudar se os homens são mais inteligentes que as mulheres – não distribuo aleatoriamente pelo grupo [ou é homem ou é mulher] e não manipulo a VI [sexo])

Ex: aplicar um método pedagógico numa turma e não noutra há manipulação da VI (é o experimentador que introduz um método diferente nas 2 turmas) mas não há aleatorização participantes pelas condições porque turmas estão pré-constituídas. Quando queremos comparar homens e mulheres (“VI”) numa determinada variável (“VD”) não temos nem distribuição aleatória nem manipulação da VI.

Conclusões causais cautelosas e apenas depois de analisar todas as ameaças à validade interna.

(Atenção: pode confundir-se com o correlacional; geralmente aparece em estudos com variáveis que não podem ser manipuladas)

Estudos Descritivos ou Observacionais

Não há manipulação de variáveis independentes pelo investigador. Descrição naturalista de variáveis em determinado grupo

De vários tipos:

 Transversais correlacionais: associações entre variáveis (meço variáveis diferentes no mesmo momento; associação entre variáveis; só mede naquele momento – “foto”)

 Transversais de comparação entre grupos: comparações de médias ou associações entre grupos (não se associa variáveis, compara-se grupos – ex. comparação entre homens e mulheres)

 Longitudinais: estudo de um ou mais grupos ao longo do tempo (ex.: estudos de desenvolvimento) (se manipulação, só mede; mede-se o mesmo, em momentos diferentes – ex. mede agora e daqui a 1 ano)

Os estudos transversais são sempre correlacionais – não há relações causais

(se for a variável sexo, como não se podem tirar relações causais, tanto pode ser quase-experimental [usa-se mais a ANOVA, compara médias] como correlacionais de comparação entre grupos [usa o R. de Pearson ou o Beta])

Hipóteses

São afirmações claras acerca da relação entre 2 ou mais varáveis, que podem ser causais ou de relação (associação) - Causalidade ≠ associação

Se forem de relação: Quanto maior X maior Y

(Se aumentar o X, o Y não tem necessariamente de aumentar; X aumenta Y aumenta, isto quer dizer que supúnhamos que X é o tamanho do pé e Y a leitura – mesmo aumentando o tamanho do pé, não que dizer que vai aumentar a capacidade de leitura)

Se forem causais: O aumento de X provoca um aumento de Y

(explicita a causa; aqui sim como está escrito percebemos que o tamanho do pé aumenta a capacidade de leitura)

Devem ser consistentes com a questão de investigação, a revisão de literatura, análise de resultados e as conclusões. Importância da consistência vs. resultados.

Variáveis

São atributos que variam entre os diversos membros de uma amostra ou população.

Tipos de variáveis:

 Variáveis Independentes: são usadas nos estudos experimentais que testam relações causais. São variadas intencionalmente e sistematicamente pelo experimentador de modo a que se possam observar os seus efeitos na variável dependente.

Grupo de controlo (VI = 0)

Grupo experimental (VI≠0)

Exemplo: VI= chocante G exp VI = chocante G controlo VI = -

Não é longitudinal, pois não mede tempos distintos, mede uma vez e depois mede a seguir Não tem variáveis que mudam naturalmente com o tempo, muda após uma determinado acontecimento (tratamento, filme,…)

(Há sempre um grupo de comparação, mas não é necessariamente de controlo – ex. estudo feito por nós na primeira aula, funciona 2x2=4 – multifatorial)

 Variáveis Dependentes: as que resultam das variáveis independentes.  Variáveis Controladas: todas as que se mantêm constantes (não

diferem entre os níveis da VI).  Variáveis Parasitas: Variáveis não controladas pelo experimentador

que afetam a relação entre a VI e a VD.

Nos estudo não experimentais (correlacionais), as variáveis não se denominam como independentes ou dependentes, são apenas “variáveis” ou “medidas” – são medidas tais como ocorrem, podem dar origem a hipóteses de causalidade, mas só por si não testam relações causais – pois não podem ser manipuladas.6

Estudos experimentais

O objetivo dos estudos experimentais é determinar se um determinado tratamento (VI) causa um determinado efeito (VD). Não é descrever o que acontece mas sim explicar a razão pela qual as coisas acontecem. Para determinar se um tratamento causa um efeito é necessário criar uma situação em que: o tratamento ocorre antes do efeito; o efeito ocorre depois do tratamento; nada além do tratamento é responsável pelo efeito.

É necessário: Grupo experimental em que se aplica o tratamento; e Grupo de controlo em que o tratamento não existe ou tem valor nulo (placebo). Os 2 grupos têm de ser estatisticamente equivalentes – apenas podem diferir quanto ao tratamento. Necessária aleatorização dos participantes pelas condições (métodos de Aleatorização dos participantes pelas condições: tabelas de nºs aleatórios, cara/coroa, aleatorizar protocolos….).

O plano experimental mais comum é o plano pós-teste com um grupo de controlo

A G exp: X O1

A G ctrl: O2

Também comum é o plano pré-teste e pós-teste com um grupo de controlo

A G exp: O1 X O2

A G ctrl: O3 O4

Paracetamol – X Febre - O

(o grupo de controlo pode não fazer nada ou pode ter efeito placebo)

especialist a

não especialista

chocante - chocante

(num estudo longitudinal o tempo é importante [ex. peso e altura], o pré- teste pós-teste não é influenciado por um teste mas sim por um acontecimento)

(efeito placebo – tomar um comprimido, mas que não faz nada, não tem aquele efeito, fazem algo que não serve para nada só para não acharem que é inútil, só para comparação).

Estudos quase-experimentais

Nem sempre é possível distribuir os participantes aleatoriamente pelas condições experimentais por razões éticas ou por ser impossível porque os grupos são pré-existentes (ex. sexo, idade, religião, nacionalidade, classe social, altura, turmas…. )

Mais comum:

G 1: X O1

G 2: O2

Também comum é:

G 1: O1 X O2

G 2: O3 O4

Ou plano experimental em séries temporais

O1 O2 O3 X O4 O5 O6

Ou série temporal com grupo de controlo

O1 O2 O3 X O4 O5 O6

O1 O2 O3 O4 O5 O6

Níveis da VI

Quanto níveis? Mínimo 2 , mas podem ser mais:

 Permite compreender a relação entre a VI e a VD – pode não ser linear

 Menor preocupação com a escolha da intensidade da VI que está em cada estudo

 Normalmente as curvas são lineares, se for com 3 pontos consegue- se ter noção da relação funcional

 Permite a existência de vários grupos de comparação

 Reduz nº de estudos e de participantes necessários para estudar os vários níveis da VI num só estudo

VI – quantidade exercício: 0 H; 6 H; 20 H

Não vê só se o exercício aumenta o rendimento, vê também se o rendimento é influenciado pela quantidade de exercício

Também pode acontecer:

Vê se estamos no nível certo ou não, pois comparamos grupos

Comparar: 80 participantes 60 participantes

Reduz o número de participantes necessários para estudar vários níveis da VI num só estudo

Validade Interna

Definição: um estudo tem validade interna quando só existe uma explicação para os resultados do estudo, ou seja, quando um efeito pode ser unicamente atribuído a uma causa. A aleatorização dos participantes pelas condições elimina TODAS as ameaças à validade interna.

Quando os estudos são quase-experimentais é necessário: tomar consciência de todas as variáveis que podem explicar a relação entre o tratamento e o efeito; e demonstrar que essas variáveis não explicam a relação entre o tratamento e o efeito.

(Só os experimentais têm alta validade interna – pois permitem ter relações causais; os correlacionais não têm validade interna, pois não permitem retirar relações causais. Se não há aleatorização dos participantes deve ver-se se há ameaças à validade interna, se houver nem quer é preciso ver as ameaças).

20 H - 20 6 H – 20 0 H –

6 H – 20 0 H – 20

40 20 H – 20 0 H – 20

40

Ameaças à Validade Interna

Resumindo: Se não há aleatorização dos participantes pelas condições, tentar verificar quais podem ser as ameaças à validade interna. Não se pode ter 2 grupos iguais devido à seleção e interações com a seleção. Usar apenas um grupo antes e depois do tratamento não resulta porque: os participantes podem mudar entre 2 medições (maturação, história, testagem). Os sujeitos podem não mudar, mas mudarem as suas pontuações (instrumentação e regressão estatística).

Validade externa

Um estudo tem validade externa quando é possível generalizar os resultados do estudo a outras situações/contextos ou a outras amostras. (durabilidade no tempo)

 Os participantes são representativos da população?  A situação experimental é representativa de outras situações da vida

real?  A manipulação da variável dependente é realista?  A operacionalização da variável observada pode ser generalizada

para outras situações?  Qual o tempo que decorre entre a manipulação da VI e a medida da

VD? Se se espaçar o tempo o efeito mantém-se?

Não esquecer: A validade interna não garante a validade externa; por vezes ao querer aumentar a validade interna é preciso diminuir a validade externa, mas a validade interna é um requisito para poder generalizar uma relação causal.

Estudo Bifactorial – exemplo em estudo experimental

Enquanto nos estudos unifactoriais se verifica:

 Manipulação da VI  Aleatorização dos participantes pelas condições

 Alta validade interna – explicação causal  Baixa validade externa – não podemos generalizar resultados causais

obtidos

Há pelos menos 1 VI (estudo experimental unifactorial)

1 VI – G exp VI≠0; G ctrl VI=0

Os estudos bifactoriais têm 2 VI: Objetivo verificar os efeitos da humidade do ar e do adubo no crescimento das plantas.

 VI 1 humidade – 2 níveis (húmido, seco) o Operacionalização do nível “húmido” – humidade do ar a 80%

durante 7 dias o Operacionalização do nível “seco” – humidade do ar a 20%

durante 7 dias  VI 2 adubo – 2 níveis (com adubo, sem adubo)

o Operacionalização do nível “com adubo” – 50 ml de substral/dia durante 7 dias

o Operacionalização do nível “sem adubo” – 0 ml substral/dia durante 7 dias

Design/Plano:

2 humidade (húmido, seco) X 2 adubo (com adubo, sem adubo)

VD- crescimento da planta

Operacionalização do “crescimento da planta” – diferença em cm no caule da planta (entre o 1º e o 7ª dia) medido com uma régua

Participantes: 40 roseiras espécie Mister Lincoln Hybrid tea com 1 ano de idade distribuídas aleatoriamente por 1 das condições (cada planta vai estar num grupo).

Variáveis controladas nas 4 condições:

 Luminosidade  Temperatura

 Tamanho dos vasos  Qualidade da terra  Quantidade da terra  Ruído

(Grupo de controle ????? Pode não haver, todos servem de comparação.)

4 condições:

 humidade do ar a 80% durante 7 dias & 50 ml de substral/dia durante 7 dias

 humidade do ar a 80% durante 7 dias & 0 ml de substral/dia durante 7 dias

 humidade do ar a 20% durante 7 dias & 50 ml de substral/dia durante 7 dias

 humidade do ar a 20% durante 7 dias & 0 ml de substral/dia durante 7 dias

Três células de uma experiência 2 x 2 contêm a informação de dois estudos experimentais unifactoriais: estudo para avaliar o efeito da humidade no crescimento das plantas (adubo variável controlada) e estudo para avaliar o efeito do adubo no crescimento das plantas (humidade variável controlada) e ainda permite ter uma mais uma condição: humidade + adubo (e a VD - nº cm crescimento das plantas (média))

8 resultados potenciais de um estudo experimental fatorial 2 x 2

Efeito Principal

EP Global (“lê-se fora das células”): Comparam-se as médias marginais - se médias marginais são diferentes estatisticamente para 2 níveis de uma VI existe EP Global dessa VI – é 1 EP porque compara duas células

(Atenção: É o efeito da VI na VD e não da VD na VI – não é o efeito do crescimento das

plantas na humidade, é o efeito da humidade no crescimento das plantas; Quando descrevo o EP de um VI NÃO falo nas outras; Cada VI só pode ter 1 EP; Deve haver sempre 1 EP, senão é mau sinal, porque não dá em nada)

(2cm= crescimento das plantas – VD: nesta condição cresce 2cm)

(se houvesse grupo de controlo teria 0 de adubo e 0% de humidade)

1 efeito principal globalsem efeitos de interação

EP Global do adubo – existe (é significativo) porque médias marginais são diferentes entre os 2 níveis da VI adubo (2 diferente 4) – (numa anova 2x2…) Verificou-se um EP do adubo (VI) no crescimento das plantas (VD) que significa/revela/mostra que o crescimento das plantas (VD) foi maior com adubo (1 nível da VI) do que sem adubo (outro nível da VI), ou seja, compara o que as plantas cresceram come sem substral.

EP Global da humidade - Não há (não é significativo) porque médias marginais não são diferentes entre os 2 níveis da VI humidade (3= 3) - Não se verificou um EP da humidade no crescimento das plantas porque não houve diferenças no crescimento das plantas com 20% e 80% humidade ou não se verificou um efeito principal de substral no crescimento das plantas, o que significa que não houve diferença no crescimento das plantas entre as condições de 0mg e 50mg de substral.

Se fosse:

(Outro ) 1 efeito principal global sem efeitos de interação

EP Global do adubo – Não existe

EP Global da humidade – Existe - Verificou-se um EP da humidade no crescimento das plantas que mostra/revela/significa que o crescimento das plantas foi maior com 20% de humidade do que com 80% humidade.

Se fosse:

20% humidade

80% humidade

Médias Marginais

0 mg substral 2 cm 2 cm 2+2/2= 2 50 mg substral 4 cm 4 cm 4+4/2= 4

Médias Marginais

2+4/2= 3 2+4/2= 3 ≠

=

20% humidade

80% humidade

Médias Marginais

0 mg substral 4 cm 2 cm 3 50 mg substral 4 cm 2 cm 3

Médias Marginais

4 2

-2

+2

2 efeitos principais globais sem efeitos de interação

EP Global do adubo – existe

EP Global da humidade - existe

Se fosse:

Ausência de efeitos principais ou de interação

EP Global do adubo – não há

EP Global da humidade - Não há

Portanto a REGRA é: Verificou-se um efeito principal da VI na VD, o que significa que a VD foi maior com um nível da VI do que com o outro nível da VI.

Efeito de Interação

Efeito interação (“lê-se dentro das células”): Comparam-se as médias das células (em cada linha ou coluna). Se médias das células são estatisticamente diferentes entre 2 linhas ou 2 colunas então existe efeito de interação entre as duas VI em causa.

Sem efeitos

principais global e com efeitos de interação

20% humidade

80% humidade

Médias Marginais

0 mg substral 3 cm 4 cm 3,5 50 mg substral 4 cm 5 cm 4,5

Médias Marginais

3,5 4,5

20% humidade

80% humidade

Médias Marginais

0 mg substral 3 cm 3 cm 3 50 mg substral 3 cm 3 cm 3

Médias Marginais

3 3

20% humidade

80% humidade

Médias Marginais

0 mg substral 2 cm 4 cm 3

50 mg substral 4 cm 2 cm 3

Médias Marginais

3 3

0

0

EP Global do adubo – Não há

EP Global da humidade - Não há

EI entre humidade e adubo (as duas VI) - Há porque os efeitos principais simplesnão são iguais (2 - 4 diferente 4-2 em linha) ou (em coluna) – Verificou-se um efeito de interação entre a humidade (VI) e o adubo (VI) no crescimento das plantas (VD), o que significa que sem adubo o crescimento das plantas foi maior com 80% de humidade do que com 20% de humidade MAS/TODAVIA/POREM/CONTUDO o crescimento das plantas com adubo foi menor com 80% de humidade do que com 20% de humidade.

OU

EI em coluna: Verificou-se um EI entre o adubo r a humidade no crescimento das plantas, o que significa que com 20% de humidade o crescimento é maior com adubo do que sem adubo MAS com 80%de humidade o crescimento é igual com adubo ou sem adubo

EI em linha: Além disso, verificou-se que o crescimento das plantas foi maior sem adubo com 80% de humidade do que com 20% de humidade MAS com adubo foi maior com 20% do que com 80% de humidade.

(representação do EI em gráfico)

Se fosse:

2-2=0

4-4=0

Não há EI pois a diferença entre as

20% humidade

80% humidade

Médias Marginais

0 mg substral 2 cm -2

2 cm -2

2

50 mg substral 4 cm 4 cm 4

Médias Marginais

3 3

2 linhas/colunas é igual (só há efeito na linha se houver na coluna e vice- versa)

1 efeito principal global sem efeitos de interação

EP Global do adubo – existe porque médias marginais são diferentes entre os 2 níveis da VI adubo (2 diferente 4) – Verificou-se um EP do adubo no crescimento das plantas que significa/revela/mostra que o crescimento das plantas foi maior com adubo do que sem adubo.

EP Global da humidade - Não há porque médias marginais não são diferentes entre os 2 níveis da VI humidade (3= 3) - Não se verificou um EP da humidade no crescimento das plantas porque não houve diferenças no crescimento das plantas com 20% e 80% humidade.

EI entre humidade e adubo (as duas VI) - Não há porque os efeitos principais simples(2 – 4) são iguais (em linha ou em coluna)

(representação do não EI em gráfico: )

(Para haver EI as linhas não poderiam ser paralelas)

Se fosse:

1 efeito principal

global e 1 efeito de interação

EP Global do adubo – Há

EP Global da humidade - Não há

EI entre humidade e adubo (as duas VI) - Há porque os efeitos principais simples não são iguais (2 -3 dif 4-3) em linha nem em coluna (2-4 dif 3-3) - Verificou-se um efeito de interação entre a humidade e o adubo no crescimento das plantas que significa que com 80% de humidade o

20% humidade

80% humidade

Médias Marginais

0 mg substral 2 cm 3 cm 2,5 50 mg substral 4 cm 3 cm 2,5

Médias Marginais

3 3

crescimento das plantas foi igual com adubo e sem adubo MAS/TODAVIA/POREM/CONTUDO com 20% de humidade o crescimento das plantas foi maior com adubo do que sem adubo.

Se fosse:

2 efeitos principais

globais com efeitos de interação

EP Global do adubo – Há

EP Global da humidade - Há

EI entre humidade e adubo (as duas VI) - Há porque os efeitos principais simples não são iguais (2 -3 diferente 2-4) em linha nem em coluna (2-2 diferente 3-4) – (efeito de interação em coluna) Verificou-se um efeito de interação entre a humidade e o adubo no crescimento das plantas que significa que com 20% de humidade o crescimento das plantas foi igual com adubo e sem adubo MAS/TODAVIA/POREM/CONTUDO com 80% de humidade o crescimento das plantas foi maior com adubo do que sem adubo OU (efeito de interação em linha) verificou-se um EI entre a humidade e o adubo no crescimento das plantas, o que significa que as plantas sem adubo cresceram mais com 80% de humidade do que com 20% de humidade MAS com adubo a diferença entre o 80% e o 20% ainda foi maior.

Portanto: Quando as linhas não são paralelas há SEMPRE efeito de interação

Validade interna alta: se houver diferenças no crescimento das plantas entre as condições elas resultam (são causadas) dos fatores humidade e/ou adubo.

Validade externa baixa: poderemos generalizar a outras roseiras? Outras plantas? Se o tempo de exposição às condições aumentar os resultados serão os mesmos? Com outro tipo de adubo os resultados serão os mesmos? Outros valores de humidade? Outra medida da VD? (aqui não faz sentido porque esta medida de crescimento é relativamente universal)

Num estudo 2X2: Resultados (ver se são ou não significativos):

Efeito principal da Variável Independente 1 Efeito principal da Variável Independente 2 Efeito de interação entre as duas variáveis Independentes

20% humidade

80% humidade

Médias Marginais

0 mg substral 2 cm 3 cm 2,5 50 mg substral 2 cm 4 cm 3

Médias Marginais

2 3,5

Efeitos Triplos – Estudo 2X2X2

Num estudo 2X2X2: Resultados (ver se são ou não significativos):

 3 Efeitos principais (globais) de cada uma das VI (que são 3)  3 efeitos de interação de 2ª ordem (Duplos)

o interação da VI1 X VI2 o interação da VI2 X VI3 o interação da VI1 X VI3

 1 efeito de interação de 3ª ordem (Triplo) entre as 3 VI (descrever por esta ordem: EP [e se é significativo]; EI dupla; EI tripla)

Descrição dos planos de estudo (Método, Plano do estudo)

 Estudos correlacionais: Plano/estudo/design correlacional com as seguintes variáveis - X, Y, Z, etc.

 Estudos experimentais: o Plano/estudo/design unifactorial (se só 1 VI) com Y Níveis (nº

condições) inter-sujeitos ou intra-sujeitos. o Plano/estudo/design bifactorial (se 2 VI) ou multifactorial (se 2

ou + VI) Y (nº níveis VI1) X Z (nº níveis VI2) X W (nº níveis VI2) etc. em que (exemplo) as variáveis X e Y são inter-sujeitos e a variável Z intra-sujeitos.

Exemplo: 2 adubo (0mg; 50mg)X 2 humidade da terra (20%; 80%)X 2 luminosidade (alta; baixa)

2X2X2=8, logo tenho de ter 8 célula

Posso ter 3 EP, pois há 3 VI

 EP luminosidade: o Baixa - A+B+E+F=1+1+2+3=7 o Alta - C+D+G+H=2+2+2+4=10 o 7≠10, logo, verificou-se um efeito principal global da

luminosidade no crescimento das plantas, o que significa que o crescimento das plantas foi maior com luminosidade alta do que com luminosidade baixa

 EP adubo: o 0mg - A+B+C+D=1+1+2+2=6 OU 6/4 o 50 mg - E+F+G+H=2+3+2+4=11 OU 11/4

Também podemos fazer a média e dizer se essa diferença é diferente ou não: p>.05 não significativo; p<.05 significativo

0 -1,5

-1 -0,5 -1,5

-1

-0,5 -1

o 6≠11, logo, verificou-se um efeito principal global do adubo no crescimento das plantas, o que significa que o crescimento das plantas foi maior com adubo do que sem adubo

 EP humidade: o 20% - A+E+C+G=1+2+2+2=7 OU 7/4 o 80% - B+F+D+H=1+3+2+4=10 OU 10/4 o 7≠10, logo, verificou-se um efeito principal global da humidade

no crescimento das plantas, o que significa que o crescimento das plantas foi maior com 80% de humidade do que com 20% de humidade

Posso ter 3 EI, pois há 3 VI

 Entre adubo X humidade

Verificou-se um EI entre o adubo e a humidade no crescimento das plantas, o que significa que com 0mg de adubo o crescimento foi igual com 20% e com 80% de humidade MAS com 50mg de adubo o crescimento foi maior com 80% do que com 20% de humidade.

(podemos usar linha ou coluna, como quisermos desde que o critério seja sempre o mesmo)

 Entre adubo X luminosidade

Verificou-se um EI entre o adubo e a luminosidade no crescimento das plantas, o que significa que com 50mg de adubo o crescimento das plantas foi maior do que com 0mg de adubo quer com luminosidade alta, quer com luminosidade baixa MAS a diferença com luminosidade alta e luminosidade baixa foi maior sem adubo do que com adubo. Além disso, as plantas cresceram mais com luminosidade alta do que com baixa, quer com 0mg de adubo, quer com 50mg de adubo MAS a diferença do crescimento das plantas com adubo e sem adubo foi maior com luminosidade baixa do que com luminosidade alta.

 Entre humidade X luminosidade

0 mg adubo 50 mg adubo 20% humidade A+C/2 1,5 E+G/2 2

80% humidade B+D/2 1,5 F+H/2 3,5

0mg adubo 50mg adubo Luminosidade

Baixa A+B/2 1 E+F/2 2,5

Luminosidade Alta C+D/2 2 G+H/2 3

Luminosidade Baixa

Luminosidade Alta

20% humidade A+E/2 1,5 C+G/2 2 80% humidade B+F/2 2 D+H/2 3

Verificou-se um EI entre humidade e luminosidade no crescimento das plantas. Com luminosidade alta, as plantas cresceram mais do que com luminosidade baixa, quer com 20% quer com 80% MAS a diferença de crescimento foi maior com 80% do que com 20%.

Um EI triplo

É na condição com alta luminosidade, 80% de humidade e 50mg de substral que encontramos o valor mais elevado de crescimento (4cm), ou seja, precisamos das 3 variáveis juntas para que as plantas cresçam o mais possível.

Se fosse

Neste caso, a EI de 3ª ordem não é significativa, ou seja, a luminosidade é indiferente, não precisamos das 3 VI juntas. Além disso, o padrão do quadro é igual (a linha de cima e a de baixo), o que reforça que o EI de 3ª ordem não é significativo. Não há efeito triplo com a luminosidade, só há efeito da humidade e do substral

Se fosse

Aqui o padrão já é diferente entre os dois quadros, logo já há EI triplo. Quando há EI de 3ª ordem significativo, para se poder prever o valor da VD, preciso de saber os níveis de cada uma das 3 VI’s (assim, basta haver 1 diferença num padrão dos quadros para haver EI).

Exemplos:

0

-1

0

-1

0

+ 1

0

-1

 The experimental design is a 2 within-subjects factor (category of the word: justice words vs. neutral words) X 2 between-subjects factor (victim’s innocence: innocent vs. non-innocent).

 This experimental study has a 2 (sphere of expressed BJW: personal/general) X 3 (degree of expressed BJW: low/moderate/high) between subjects design.

 In this study, the design was between-subjects 2 X 2 X 2: The first variable is BJW (low: Inferior to the median; or high: Equal or superior to the median); the second variable is the victim’s innocence (innocent victim: He/she became HIV-infected because the condom used broke; noninnocent victim: he/she became HIV-infected because he/she did not use a condom); and the third variable is the persistence of the victim’s suffering (more persistent suffering, when there is no hope of survival; less persistent suffering, when there is hope of survival).

 The experimental design was a 2 valence of the image (positive, negative) × 2 victim’s category (ingroup – from your class and your friend; outgroup – from another class and not your friend). Both variables were between-subjects.

Planos experimentais: inter-sujeitos ou intra-sujeitos

 Inter-sujeitos (Between- subjects) - uma pessoa só cabe numa condição

o Aleatorização dos participantes pelas condições experimentais. o É a aleatorização dos participantes que elimina as diferenças

individuais entre as condições experimentais.

10 10 10 10

 Intra-sujeitos (Within-subjects) – participa nas duas condições (ou mais)

o Aleatorização da ordem das condições experimentais - ordem pela qual aparecem os estímulos.

o Elimina os efeitos das diferenças entre sujeitos comparando cada sujeito consigo mesmo.

o Mais económico quanto nº de participantes – os participantes em pelo menos 2 condições são os mesmos.

o O facto do mesmo participante ser sujeito a diferentes níveis da mesma VI pode provocar: Efeitos de prática; de fadiga; de carry over ou arrastamento; ou de sensitização

10

(Um fator só pode ser intra-sujeitos se não houver nenhum destes 4 tipos de efeitos. Num plano multifactorial podemos ter algumas VI intra-sujeitos e outras inter-sujeitos – devemos indicar quais são uma coisa ou outra)

Se houver pelo menos 1 destes efeitos, o estudo tem de ser inter- participantes. Se não houver nenhum é que é intra-participantes. (Ex.: por causa dos efeitos de carry over, apesar de não haver nem efeitos de prática, nem fadiga, nem sensitização, o estudo é inter-participantes).

Estudos correlacionais

Estudos multifactoriais experimentais vs. Estudos multifactoriais correlacionais

A descrição dos efeitos é igual, a interpretação é que é diferente porque os experimentais são causais e os correlacionais têm associações entre variáveis.

Métodos Descritivos

O Objetivo é o de descrever o que acontece quando não se manipula variáveis - porque não se quis ou não é possível. Não permitem por si só determinar a razão pela qual um fenómeno ocorre. Se for possível manipular variáveis podem estimular hipóteses causais que permitam planear estudos experimentais. Descrever permite:

 Saber com exatidão o que ocorre  Prever o que vai acontecer (mas não prevenir)

Atenção: prever ≠ prevenir – podemos prever um ciclone, mas não prevenir (evitar), mas prever também é importante para intervir/agir.

Exemplo: Minas Urgeiriça e Cancro – há uma associação de que aquelas minas provocam cancro (associação de causa/efeito). Isto deve-se ao urânio, por isso, a partir da associação faço um estudo experimental em ratinhos e injeto urânio para ver se há cancro.

Exemplo: Países quentes e criminalidade – associação entre duas variáveis; não há causa-efeito. Há mais criminalidade porque são países mais pobres, não por serem mais quentes.

Arrasta- mento

Desconfi a das condiçõe s

Estudos Correlacionais

Estuda o grau de associação entre 2 ou mais variáveis.

Resultados possíveis:

 as duas variáveis estão positivamente correlacionadas /associadas (quanto maior o valor de uma maior o valor de outra – quanto maiores sapatos, maior o cérebro; quanto melhor a roupa, maior a classe social)

 as duas variáveis estão negativamente correlacionadas /associadas (quanto maior o valor de uma menor o valor de outra – quanto maiores sapatos menos capacidade leitura)

 as duas variáveis não estão (significativamente) correlacionadas ou associadas – o valor de uma é independente do valor de outra (ausência de correlação – cor do carro e estado espírito

 podemos ter relações não lineares, em U ou V etc, em que existe associação, mas não é revelada pelos coeficientes de correlação.

(Atenção ao sentido da escala de resposta - para evitar confusões na interpretação dos resultados normalmente quanto scores mais altos correspondam a um maior valor do constructo em causa; posso ter de inverter a escala para transformar algo positivo em negativo – ex.: transformar escala de inclusão em uma de exclusão)

Coeficientes de correlação mais usados (estudarão isto em Estatística): r de Pearson (r)

Pode haver uma associação significativa e os coeficientes de correlação não serem significativos:

 As variáveis estarem relacionadas de modo não linear  Se não houver nº suficiente de participantes ou observações – min 30

(os estudos correlacionais usam geralmente 200/300 pessoas)  Não se deve ter grande homogeneidade da amostra numa das

variáveis- ex: relação entre rendimento e sucesso escolar- numa amostra de indivíduos muito favorecidos economicamente pode não

haver associação entre as 2 variáveis; numa amostra mais heterogénea provavelmente já haverá associação

 Medidas não sensíveis para captar a variabilidade das variáveis (escala de resposta sim/não)

 Maior validade externa que os experimentais (posso generalizar os resultados do estudo) - Quanto maior a heterogeneidade da amostra maior a validade externa porque maior heterogeneidade maior representatividade. Validade interna baixa – NÃO SE PODEM TIRAR CONCLUSÕES CAUSAIS

Assim, nos estudos correlacionais:

 O Objetivo é testar associações entre variáveis.  As Hipóteses são sobre o sentido esperado dessas associações.  Análise dos resultados das correlações.  As Conclusões são sobre o sentido das associações.

(os estudos correlacionais são sempre escalas, não há aleatorização nem manipulação)

MAS muitas vezes subjacentes aos estudos correlacionais estão hipóteses causais.

Teste de hipóteses em que 1 variável é considerada preditora (“VI”) e outra critério (“VD”) (pois não há VI nem VD):

 Regressões  Ou modelos de equações estruturais  Modelos de mediação

(limitação do estudo – não temos a certeza absoluta da relação causal – não há certeza da variável preditora e da critério [pressuposto teórico] – podemos mudar ao longo do estudo)

E então, está errado?

 Não “exagerar” a linguagem que implica causalidade;  Considerar outras variáveis que possam explicar a variável que se

quer predizer para comparar “impacto” ou “valor explicativo” relativo de cada uma;

 Nas limitações do estudo dizer que não podemos ter a certeza absoluta sobre relação causal - se possível testar modelos alternativos para ver qual o sentido de associação mais provável.

Salmivalli & Voeten (2004, p.256) “Connections between attitudes, group norms, and behaviour in bullying situations”: “The correlational design of the study ultimately prevents us from making conclusions about any causal links between attitudes, group norms, and behaviour. Even if attitudes and classroom norms are referred to as ‘‘predictors’’ of children’s behaviour throughout the paper, one should bear in mind that this implies their status

as independent variables in the analyses, rather than any causal direction. Bullying-related attitudes may influence children’s subsequent behaviours in bullying situations but it is also possible that over time, a child adopts beliefs consistent with his/her behaviour. For instance, believing that ‘‘it is not that bad if you laugh with others when someone is being bullied’’ or ‘‘bullying does not make the victim feel bad’’ may serve as justifications for one’s prior participation in harassment. Although there is some evidence that, for children of the age of our subjects, individual normative beliefs influence aggressive behaviour rather than vice versa (Huessman & Guerra, 1997), the causal directions between bullying-related attitudes, group norms, and participant role behaviours await further research.”

Escalas

Definição : Uma escala é um instrumento de medida constituído por um conjunto de itens que indicam o nível de uma variável teórica não diretamente observável (um constructo).

Uma escala cuidadosamente construída e validada é uma condição necessária para fazer investigação válida.

(O processo de construção de uma escala é sequencial – tem uma determinada ordem.

Devem medir algo de forma clara e apenas aquele aspeto. Os itens devem ser consistentes.

Posso considerar várias dimensões ou enfatizar apenas uma [ex.: estilos parentais – posso falar dos 4 ou medir só 1].

Deve-se formular as perguntas de várias formas para perceber se a pessoa entende aquilo da mesma forma [ex.: Já foi vítima de violência doméstica? O seu marido/mulher já lhe bateu? – depende da interpretação, muitos consideram eu não é violência doméstica]

Deve evitar-se: duplas negações [não gosto nada]; mais que uma ideia [gosto de X e Y]; enviesamento de aquiescência [as pessoas têm tendência para dizer que sim por isso fazem-se itens invertidos e itens com muita ou pouca “força”]).

Procedimentos na construção de escalas

1. Determinar claramente o que se pretende medir  Qual o constructo que está a ser medido?  Qual o grau de especificidade da medida?  Qual a dimensão do fenómeno que deve ser mais enfatizada?

2. Elaborar um vasto conjunto de itens candidatos a inclusão na escala  Escolher itens que refletem o objetivo da escala  É aconselhável alguma redundância entre os itens  Elaborar muitos mais itens do que se pretende na escala final

 Construir “bons itens”: não ambíguos; não muito longos; grau de dificuldade de leitura apropriado à população alvo; evitar duplas negações; evitar itens com mais de uma ideia

 Incluir itens cuja concordância significa a presença do constructo e outros cuja discordância significa também a presença do constructo (evita enviesamento de aquiescência)

3. Determinar o formato de medida  Escalas de Thurstone  Escalas de Guttman  Escalas de Likert (frases que exprimem extremos, não se usa o “as

vezes”, tem de ser o “sempre”, “adoro”, “detesto”)  Diferencial Semântico  Analogia Visual (por vezes é feito por pessoas que não sabem ler

ou escrever ou que têm dificuldades, por isso põe-se imagens, caras, símbolos, etc. Especialmente usado em testes com crianças)

 Opções Binárias (ex.: sim/não; bom/mau) Decidir quantas categorias de resposta – Par ou Ímpar? 3 é pouco, 8 é muito, por isso o comum é 5, 6 ou 7 – o par evita o ponto neutro, obriga a tomar uma decisão, mas o ímpar ajuda pessoas que não tenha a opinião formada em relação a um determinado assunto, então usam o ponto neutro. (Solução: estudos com os “100 tracinhos” ou o termómetro – a pessoa não tem noção do que responde/ não se lembra, por isso é muito usado em pré-teste e pós-teste)

4. Revisão dos itens candidatos à inclusão na escala por especialistas  Dar aos especialistas a definição do constructo  Pedir aos especialistas que:

o Avaliem quão relevante é cada item em relação ao constructo

o Sugiram formulações alternativas dos itens o Sugiram outros itens o Avaliem a clareza e a concisão dos itens

5. Incluir outros itens para uma validação preliminar da escala  2 tipos: itens para detetar fontes de enviesamentos nas respostas

(ex.: desejabilidade social); medidas de constructos relacionados 6. Administração da escala a uma amostra (atenção ao nº e composição da amostra) 7. Avaliação dos itens

 Correlação inter-itens - deve ser elevada  Inversão pontuações – de preferência apenas no tratamento dados  Correlação item-escala - deve ser elevada  Variância dos itens - deve ser muito diferente de zero – para ter

uma grande variedade de opiniões; não devem ser muito radicais mas proporcionar várias opiniões (ex.: o que mudou na sua vida depois do seu filho nascer? “tudo”)

 Média dos itens - deve estar próxima do ponto médio  Coeficiente Alfa de Cronbach (α)

o α<.60 não aceitável o .60 < α< .65 não desejável o .65 < α< .70mínimo aceitável

o .70 < α< .80 bom o .80 < α< .90muito bom o α > .90 deve reduzir-se o tamanho da escala - é

redundante, não é preciso perguntar tanta coisa, já está muito consistente

8. Otimização do tamanho da escala  Otimizar a relação entre brevidade (diminui o esforço do

respondente) e a fidelidade (é maior quando o número de itens é maior)

De seguida, deve ser validada (processo cumulativo)

Qualidade dos instrumentos utilizados na investigação - Fidelidade (dos instrumentos) e Validade (dos instrumentos de medida)

Propriedades psicométricas de um instrumento de medida

A validade e a fidelidade são duas características essenciais de um instrumento de medida.

A validade refere-se ao tipo de erros de medida sistemáticos, ou seja, ao grau em que um instrumento mede o que visa medir e não o que não se pretende medir (ex.: medir a temperatura com medida de humidade)

A fidelidade refere-se ao grau em que os resultados de um instrumento de medida estão isentos de erros devidos ao acaso. OU é a proporção da variância que pode ser atribuída ao verdadeiro valor da variável latente. A fidelidade é uma condição necessária, mas não suficiente para a validade de qualquer instrumento de medida.

Métodos para a estimativa da fidelidade

 Medidas de estabilidade (fidelidade teste-reteste), comparam os resultados obtidos pelos mesmos indivíduos em momentos diferentes; importante assegurar que o fenómeno se mantém estável

 Medidas de equivalência de formas paralelas do mesmo instrumento OU de 2 metades de um instrumento

 Medidas de consistência interna, baseiam-se na correlação média entre os itens desse instrumento ex: o coeficiente alfa de Cronbach (1951)

Aspetos chave sobre a fidelidade

As duas fontes principais de falta de fidelidade e que são evitáveis são:

 flutuações ao acaso no ambiente em que ocorre a medição

 flutuações ao acaso no modo como os observadores interpretam e codificam as observações

A fidelidade é necessária para a validade: as medidas válidas são fiáveis

A fidelidade não garante a validade

A falta de fidelidade enfraquece a validade, mas não introduz enviesamentos sistemáticos na medida.

Tipos de validade de um instrumento de medida

 Validade de constructo – Determinação dos constructos que explicam a variância no desempenho dos testes. Um instrumento de medida tem validade de constructo quando tem validade convergente (de acordo com a teoria correlaciona-se com determinados constructos, ou seja, mede o constructo que pretende medir) e validade discriminante (de acordo com a teoria não se correlaciona com determinados constructos, ou seja, não mede constructos que não pretende medir).

 Validade de conteúdo – Grau de correspondência entre os itens que constituem o instrumento e o universo em que o investigador está interessado. É mais fácil de avaliar quando o universo potencial de itens está bem definido.

 Validade de critério – Relação entre os resultados obtidos no instrumento em questão e os resultados obtidos num outro instrumento independente, que é considerado o critério. Se essas pontuações forem obtidas quase ao mesmo tempo, falamos de validade concorrente; se forem obtidas em momentos muito espaçados fala-se de validade preditiva. Não é necessário compreender a básica teórica da associação, nem na validade preditiva a relação tem de ser causal. Um outro procedimento que pode ser usado para avaliar a validade de critério é a validação de grupos conhecidos. – depois de ter a escala passamo-la a especialistas, depois valido-a junto de conhecidos e só depois é que a uso.

Inquéritos

Inquéritos (+ geral; interroga as pessoas com vista à generalização) ≠ Escalas (elemento psicométrico que mede um determinado constructo; feito e usado por psicólogos)

As escalas fazem parte dos inquéritos, mas os inquéritos não são escalas

Se não fosse perguntado era muito difícil de saber; a interrogação é direta, ou seja, pergunta diretamente o que quer saber mas temos de ter atenção à forma como fazemos a pergunta para não a enviesar. Aquilo que nos dizem pode ser mentira ou pode ter sido mal interpretado, por isso, temos de o ter em conta mas não podemos fazer nada. Temos de ter um cuidado especial com a forma como perguntamos, especialmente em relação a temas sensíveis, pois as pessoas não estão motivadas para admitir isso.

Apresentar sempre a entidade responsável para dar credibilidade

Aspetos gerais

Definição: “Todas as formas de interrogar indivíduos tendo em vista uma generalização”; É o método mais comum para obter informação sobre atitudes, crenças e comportamentos das pessoas.

Quando realizar um inquérito:

 Quando necessitamos de recolher informação sobre uma grande variedade de aspetos relativos ao indivíduo cuja observação direta seria difícil/morosa/impossível.

 Quando pretendemos compreender fenómenos como as atitudes, opiniões, preferências, representações, etc.

 Quando pretendemos um métodos rápido, pouco dispendioso e fácil de aplicar.

Problemas na recolha de informação através de inquérito: A relação entre o que os inquiridos dizem e o que efetivamente fazem nem sempre é muito forte. Atitudes, hábitos crenças e opiniões dos inquiridos apresentam – se frequentemente bastante instáveis. As respostas podem ser afetadas:

 Pela linguagem das perguntas  Pela interpretação que os inquiridos fazem das perguntas  Pelo próprio formato das perguntas  Pela ordem das opções de resposta  Pelas respostas às questões anteriores podem afetar as subsequentes  Pelos contextos culturais de pertença que afetam a forma de

interpretar e responder

Principais causas de insucesso na recolha de informação por inquérito:

 Os inquiridos não interpretam as perguntas nos termos pretendidos.  Falta de esforço ou interesse por parte dos inquiridos.  Não estão motivados para admitir certas atitudes ou comportamentos  Os inquéritos terem lapso de memória e erros de compreensão em

virtude da tensão que envolve a realização do inquérito.  Erros do entrevistador - modo como faço a pergunta, experimentador

e a sua atitude – ex.: não pestanejar, encolher ombros, bufar, rir, bocejar,…

Tipos de inquérito

Questionários:

 Auto administrados – preenchidos pelo participante na ausência do investigador

o Vantagens: podem ser aplicados em muitos locais; podem ser respondidos por várias pessoas ao mesmo tempo; são pouco dispendiosos; permitem o anonimato (aumentando a probabilidade de obter respostas honestas a determinadas questões).

comentários (0)
Até o momento nenhum comentário
Seja o primeiro a comentar!
Esta é apenas uma pré-visualização
3 shown on 32 pages
baixar o documento