Métodos Quantitativos Interpretativos na Educação em Ciências: Abordagens para Análise Multivariada de Dados

Palavras-chave: Análise de Correspondência, Análise Multivariada, Escalonamento Multidimensional

Resumo

A área de pesquisa em Educação em Ciências ainda sofre influências do positivismo, materializadas no delineamento de estudos tanto quantitativos como qualitativos. Os métodos quantitativos tradicionais se mostram como fortes agentes da perspectiva positivista de pesquisa, principalmente pela ingênua interpretação de que os dados numéricos representam a realidade dos fatos. Na intenção de se afastar dessa visão, observou-se um avanço na direção do desenvolvimento dos chamados métodos mistos, principalmente quanto à análise quantitativa interpretativa, que incentiva uma variedade maior de métodos analíticos para poder melhor compreender o objeto de estudo. Assim, objetiva-se discutir, nesse artigo, o Escalonamento Multidimensional (Multidimensional Scaling - EMD) e a Análise de Correspondência (Correspondence Analysis - AC), que se configuram como possibilidades de métodos quantitativos interpretativos recorrentemente utilizados na análise multivariada de dados, além de apresentar exemplos de aplicação em pesquisas na área de Educação em Ciências. O resultado da nossa apresentação é que métodos quantitativos interpretativos devidamente fundamentados e refletidos podem se afastar do paradigma positivista que ainda permeia a área de Educação em Ciências.

Downloads

Não há dados estatísticos.

Referências

Adamuti-Trache, M., & Andres, L. (2008). Embarking on and persisting in scientific fields of study: Cultural capital, gender, and curriculum along the science pipeline. International journal of science education, 30(12), 1557–1584.

Age, L.-J. (2011). Grounded theory methodology: Positivism, hermeneutics, and pragmatism. The qualitative report, 16(6), 1599–1615.

Andres, L., & Adamuti-Trache, M. (2008). University attainment, student loans, and adult life course activities: A fifteen-year portrait of young adults in British Columbia. In R. Finnie, R. E. Mueller, A. Sweetman, & A. Usher (Eds.). Who goes? Who stays? What matters? Accessing and persisting in post-secondary education in Canada (pp. 239–275). Retrieved from http://higheredstrategy.com/mesa/pdf/MESA_Andres_Adamuti_Trache.pdf

Anton, H., & Busby, R. C. (2006). Álgebra linear contemporânea. São Paulo, Brasil: Bookman Editora.

Antunes Jr., E., Ostermann, F., & Cavalcanti, C. J. H. (2019) A subvalorização da formação continuada de professores: dos orientadores à articulação do referencial teórico no contexto do Mestrado Nacional Profissional em Ensino de Física. Alexandria: Revista de educação em Ciências e Tecnologias, 12(2), 267–291.

Babones, S. (2016). Interpretive quantitative methods for the social sciences. Sociology, 50(3), 453–469.

Borg, I., Groenen, P. J., & Mair, P. (2017). Applied multidimensional scaling and unfolding: Berlin: Springer. https://doi.org/10.1007/978-3-642-31848-1

Brannen, J. (2017). Mixing methods: Qualitative and quantitative research: Routledge.

Bryman, A. (1984). The debate about quantitative and qualitative research: a question of method or epistemology? British journal of Sociology, 75–92.

Carvalho, R. C. D., Oliveira, I., & Rezende, F. (2009). Tendências da pesquisa na área de educação em ciências: uma análise preliminar da publicação da ABRAPEC. VII Encontro Nacional de Pesquisa em Educação em Ciências, 1–12.

Cerda J., & Valdivia G. (2007). John Snow, la epidemia de cólera y el nacimiento de la epidemiología moderna. Revista chilena de infectología, 24(4), 331–334. https://dx.doi.org/10.4067/S0716-10182007000400014

Cho, J. Y., & Lee, E.-H. (2014). Reducing confusion about grounded theory and qualitative content analysis: Similarities and differences. The qualitative report, 19(32), 1–20.

Cox, T. F., & Cox, M. A. (2000). Multidimensional scaling. Nova Iorque, US: Chapman and hall/CRC.

Cunha, M. V. (2001). John Dewey e o pensamento educacional brasileiro: a centralidade da noção de movimento. Revista Brasileira de Educação, 86–99.

De Leeuw, J., & Mair, P. (2009). Multidimensional Scaling Using Majorization: SMACOF in R. Journal of Statistical Software, 31(3), 1–30. https://doi.org/10.18637/jss.v031.i03

De Nooy, W. (2003). Fields and networks: correspondence analysis and social network analysis in the framework of field theory. Poetics, 31(5–6), 305–327.

Dixon, P. (2003). VEGAN, a package of R functions for community ecology. Journal of Vegetation Science, 14(6), 927–930.

Ferreira, M. C. (2003). Consumo cultural e espaços sociais: os vestibulandos das universidades públicas na cidade do Rio de Janeiro, 1990. Opinião Pública, 9(1), 170–189.

Greca, I. M. (2002). Discutindo aspectos metodológicos da pesquisa em ensino de ciências: algumas questões para refletir. Revista Brasileira de Pesquisa em Educação em Ciências, 2(1), 73–82. Recuperado de https://periodicos.ufmg.br/index.php/rbpec/article/view/4152.

Greca, I. M., & Moreira, M. A. (2001). O uso da análise multidimensional na pesquisa em ensino de ciências. Revista Brasileira de Pesquisa em Educação em Ciências, 1(3). Recuperado de https://periodicos.ufmg.br/index.php/rbpec/article/view/4162.

Greenacre, M. (2017). Correspondence analysis in practice. Nova Iorque, US: Chapman and Hall/CRC.

Greenacre, M. J. (1984). Theory and applications of correspondence analysis. Londres, Inglaterra: Academic Press.

Greenacre, M. J., & Blasius, J. (1994). Correspondence analysis in the social sciences: Recent developments and applications. Londres, Inglaterra: Academic Press.

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados: São Paulo, Brasil: Bookman Editora.

Hilger, T. R. (2009). Representações sociais da física quântica (Dissertação de Mestrado). Universidade Federal do Rio Grande do Sul. Porto Alegre, Brasil. Recuperado de: https://www.lume.ufrgs.br/handle/10183/17743.

Hirschfeld, H. O. (1935). A connection between correlation and contingency. Trabalho apresentado em Mathematical Proceedings of the Cambridge Philosophical Society.

Johnson, R. A., & Wichern, D. W. (2007). Applied multivariate statistical analysis. 6th. New Jersey, US: Pearson Prentice Hall.

Johnson, R. B., & Onwuegbuzie, A. J. (2004). Mixed methods research: A research paradigm whose time has come. Educational researcher, 33(7), 14–26.

Johnson, W. P., & Myatt, G. J. (2014). Making Sense of Data I: A Practical Guide to Exploratory Data Analysis and Data Mining 2nd Edition: John Wiley & Sons.

Kincheloe, J. L., & Tobin, K. (2009). The much exaggerated death of positivism. Cultural Studies of Science Education, 4 (3), 513–528.

Likert, R. (1932). A technique for the measurement of attitudes. Archives of psychology.

Levshina, N. (2015). How to do linguistics with R: data exploration and statistical analysis. Amsterdam, Holanda: John Benjamins Publishing Company.

Medeiros, A. (2002). Metodologia da pesquisa em educação em ciências. Revista Brasileira de Pesquisa em educação em ciências, 2(1). 66–72. Recuperado de: https://periodicos.ufmg.br/index.php/rbpec/article/download/4151/2716.

Nascimento, M. M., Cavalcanti, C., & Ostermann, F. (2017). Análise de Correspondência aplicada à pesquisa em Ensino de Ciências. Enseñanza de las ciencias, (Extra), 1319-1324. Recuperado de: https://ddd.uab.cat/record/184468.

Nascimento, M. M. (2016). Análise de produtos educacionais desenvolvidos no âmbito de um mestrado profissional em ensino de física (Dissertação de Mestrado). Universidade Federal do Rio Grande do Sul. Porto Alegre, Brasil. Recuperado de https://www.lume.ufrgs.br/handle/10183/139386.

Nascimento, M. M., Ostermann, F., & Cavalcanti, C. (2017). Análises multidimensional e Bakhtiniana do discurso de trabalhos de conclusão desenvolvidos no âmbito de um mestrado profissional em ensino de Física. Ciência & educação. 23(1), 181–196. https://doi.org/10.1590/1516-73132017001001.

Nenadic, O., Greenacre, M. (2007). Correspondence Analysis in R, with two-and three-dimensional graphics: The ca package. Journal of Statistical Software 20(3), 1–13. https://doi.org/10.18637/jss.v020.i03

Oksanen, J., Blanchet, F. G, Friendly, M., Kindt, R., Legendre, P., McGlinn, D., Minchin, P. R., O’Hara, R. B., Simpson, G. L., Solymos, P., Stevens, M. H., Szoecs, E., & Helene Wagner (2019). Vegan: Community Ecology Package. R package version 2.5–4. https://CRAN.R-project.org/package=vegan

Quinn, G. P., & Keough, M. J. (2002). Experimental design and data analysis for biologist. Cambridge, Reino Unido: Cambridge University Press.

R Core Team. (2015). R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing. Recuperado de https://www.R-project.org

Rizopoulos, D. (2006). ltm: An R package for Latent Variable Modelling and Item Response Theory Analyses, Journal of Statistical Software, 17(5), 1–25. https://doi.org/10.18637/jss.v017.i05

Reif, K., & Melich, A. (1995). Euro-barometer 38.1: Consumer protection and perceptions of science and technology, november 1992: Inter-university Consortium for Political and Social Research.

Rodrigues, E. V., Borges, A. E., & Pietrocola, M. P. (2018). História da Ciência no Ensino de Física como representação social dos licenciandos. XVII Encontro de Pesquisa em Ensino de Física. Campos do Jordão - SP.

Santos, C. A., & Moreira, M. A. (1991). Escalonamento multidimensional e análise de agrupamentos hierárquicos. Porto Alegre, Brasil: Editora da Universidade.

Santos, C. A. d. (1978). Aplicação da análise multidimensional e da análise de agrupamentos hierárquicos ao mapeamento cognitivo de conceitos físicos (Dissertação de Mestrado). Universidade Federal do Rio Grande do Sul. Porto Alegre, Brasil. Recuperado de https://www.lume.ufrgs.br/handle/10183/29922.

Schneider, E. M., Fujii, R. A. X., & Corazza, M. J. (2017). Pesquisas quali-quantitativas: contribuições para a pesquisa em ensino de ciências. Revista Pesquisa Qualitativa, 5(9), 569–584.

Shanka, T., Quintal, V., & Taylor, R. (2006). Factors influencing international students’ choice of an education destination–A correspondence analysis. Journal of Marketing for Higher Education, 15(2), 31–46.

Souza, A. C., Bastos, R. R., & Vieira, M. d. T. (2010). Análise de Correspondência Simples e Múltipla para Dados Amostrais Complexos. 19º SINAPE: São Pedro/SP.

Young, F. W. (2013). Multidimensional scaling: History, theory, and applications: Psychology Press.

Publicado
2019-12-26
Como Citar
Monteiro Nascimento, M., Antunes Júnior, E., Cavalcanti, C., & Ostermann, F. (2019). Métodos Quantitativos Interpretativos na Educação em Ciências: Abordagens para Análise Multivariada de Dados. Revista Brasileira De Pesquisa Em Educação Em Ciências, 19, 775-800. https://doi.org/10.28976/1984-2686rbpec2019u775800
Seção
Artigos