Vous êtes sur la page 1sur 198

O principal desta obra permitir a

compreenso da c ftncia e da pesquisa.. As


noes fundamentais da pesquisa cientfica so
:-tpresentadas de modo significativo e no-
tcnico, sem prejuzo da profundidade e da
exatido. O autor mostra, com bastante clareza,
como so feitas as pesquisas em vrias reas de
estudo, como a Psicologia, a Educao e a
Sociologia, embora sua preocupaco seja a de
aproximar os princpios de todas as cincias.
So discutidos desde tpicos de carter geral,
como a natureza da cincia e da pesquisa cien-
tfica, conceitos e definies de variveis,
problemas, hipteses, probabilidade e estats-
tica, at tpicos mais especficos, como inves-
tigaes sociolgicas, computao, anlise
fatorial etc.
Os conceitos bsicos de metodologia da pes-
quisa so ilustrados com a descrio de pes-
quisas reais, acompanhadas da teoria em que se
baseiam. A obra complementada por um
Apndice, onde so tratados outros tipos de
pesquisa no abordados no corpo do livro, bem
como mtodos de observao e coleta de dados
e testes de significncia estatstica.
ISBN 85-12-60340-2
), 4
<
I
I'\
I

I
i
Q.
i


I
J
!
Metodologia da
Pesquisa em
Cincias Sociais
Um tratamento conceitual
Data ,20 I 01 20 d1
TR R:r I ;Loo:r
H.F. <gs55
FORNECEDOR: R o ~ cl_o KoVo
RS 1J.C}0
I
CIP-Brasil. Catalogao-na-Fonte
Cmara Brasileira do Livro, SP
Kerlinger, Fred Nichols, 1910-
K47m Metodologia da pesquisa em cincias wctats:
um tratamento conceitual f Fred N. Kerlinger;
[traduo Helena Mendes Rotundo; reviso tcnica
Jos Roberto Malufe]. So Paulo: EPU.
Bibliografia.
1. Cincias sociais - Metodologia 2. Pesquisa
3. Pesquisa social I. Ttulo.
80-1332
lndices para catlogo sistemtico:
1. Metodologia: Cincias sociais 300.18
CDD-300.72
-300.18
-507.2
2. Pesquisa cientifica 507. 2
3. Pesquisa comportamental: Cincias sociais 3p. 72
4. Pesquisa social: Cincias sociais 300.72
Fred N. Kerlinger
Universidade de Amsterd
Metodologia da
Pesquisa em
Cincias Sociais
Um tratamento
conceitual
Traduo do original em ingls:
Behavioral Research - a conceptual approach
Copyright 1979 by Holt, Rinehart and Winston
UN!VERSID . I'i .,K: "OfJ
BlD ! 01 N'r
- o(
"-----
Traduo:
Helena Mendes Rotundo
Reviso tcnica:
Jos Roberto Malufe
Professor-Assistente de Metodologia da Pesquisa em Educao, na PUC/SP
1 0" reimpresso, 2007
ISBN
ISBN
978-85-12-60340-7
85-12-60340-2
E. P. U. -Editora Pedaggica e Universitria Ltda., So Paulo, 1980. Todos os direitos reservados.
A reproduo desta obra, no todo ou em paite, por qualquer meio, sem autorizao expressa e por
escrito da Editora, sujeitar o infrator, nos termos da lei n 6.895, de 17-12-1980, penalidade
prevista nos aJtigos 184 e 186 do Cdigo Penal, a saber: recluso de um a quatro anos.
E. P. U. - Telefone (0++ ll) 3168-6077 - Fax. (0++ li ) 3078-5803
E-Mail: vendas@epu.com.br Site na Internet: http://www.epu.com.br
Rua Joaquim Floriano, 72 - 6o andar- conjunto 65/68 - 04534-000 So Paulo - SP
Impresso no Brasil Printed in Brazil
Para
William Clark
Theodore M.
j
,_.:
'=
'
r..:
-
'
"i
"'
4
Sumrio
..__
J
:;:
"''-
::)
................................................ Prefcio XV
1 . A natureza da cincia e da pesquisa cientfica . . . . . . . . . . . . 1
2. Conceitos comportamentais cientficos e definies . . . . . . . . . . 22
3. Problemas, hipteses e variveis . . . . . . . . . . . . . . . . . . . . . . . . 33
4. Relaes e explicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5. Probabilidade e estatstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4
6. O delineamento da pesquisa experimental: delineamentos de
uma s varivel. ............. . ......... . .............. . 94
7. Delineamento da pesquisa experimental: delineamentos fatoriais 105
8. Pesquisa experimental e no-experimental . . . . . . . . . . . . . . . . 120
9. Observao e mensurao de varive1s .................. 144
10. Investigao sociolgica, levantamentos e ~ n l i s de freqncias 162
11 . A abordagem multivariada: regresso mltipla e partio da
varincia ................ ... , . . . . . . . . . . . . . . . . . . . . . . . . 179
12. A abordagem 'multivariada: anlise fatorial .............. 202
13. A abordagem multivariada: correlao cannica, anlise dis-
criminante e anlise de estruturas de covarincia .. . . . . . . . . . 235
14. O computador ................ . .. .. .. . .............. 271
15. Concepes errneas e controvrsias: questes metodolgicas 296
16 . Concepes errneas e controvrsias: pesquisa e prtica . . . 317
Apndice - Tipos de pesquisa, mtodos de observao e testes de
significncia estatstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
fndice onomstico
1ndice analtico
369
372
VII
)
\
Sobre o autor
Fred N. Kerlinger, nascido em 1910, professor convidado do
Laboratrio de Psicologia da Universidade de Amsterd, Holanda, desde
1975. Doutorou-se em 1953, pela Universidade de Michigan, Estados ,,-_;
Unidos, em psicologia educacional. Foi professor de psicologia educa- ~ ~
cional na Universidade de Nova Iorque de 1960 a 1975, e dirigiu a . .,_
Diviso de Cincias Comportamentais dessa universidade de 1968 a :.:; ;:
1971. Kerlinger autor do j clssico Foundations of Behavioral Re- ~ r-
search (2.a ed.) e co-autor, juntamente com E.J. Pedhazur, de Multiple ' ""';.
Regression in Behavioral Research. O presente volume, seu mais recente ~ - ~
trabalho, figura entre os melhores livros j escritos no gnero. ~ ~
].R.M. ;: :--
;::::-n
~ ~ C5
... :
>
Prefcio
O propsito deste livro auxiliar as pessoas a compreenderem a
cincia e a pesquisa cientfica. Embora focalize a cincia comportamental
e a pesquisa psicolgica, sociolgica e educacional, sua preocupao
central a abordagem e os princpios bsicos de todas as cincias. As
disciplinas cientficas diferem em contedo e substncia, mas sua abor-
dagem ampla investigao , no geral, a mesma. E neste ncleo de
semelhana que se concentra este livro.
Uma das grandes necessidades do momento a de que as pessoas ..
compreendam a cincia. Existe, naturalmente, muita popularizao da
cincia e das realizaes cientficas, nos meios de comunicao. H tam-
bm livros tentando explicar a cincia. Entretanto, a maioria dos espe- , 1
cialistas, provavelmente, concordaria que preciso fazer ainda m u i t o ~ -.
mais para tornar a cincia compreensvel para um maior nmero deb= "M
pessoas, e os prprios cientistas devem assumir uma parte da responsa-.;;
bilidade por tais esforos. 5
O objetivo especfico de Metodologia da. Pesquisa em Cincias So-
ciais: Um Tratamento Conceitual explicar as complexidades abstratas
da pesquisa cientfica de modo significativo e no-tcnico, sem sacrificar a
profundidade e a exatido. O livro tenta conseguir isto concentrando-se
nas bases conceituais da cincia e da pesquisa, e limitando as discusses
tcnicas e metodolgicas a umas poucas reas e temas bsicos. Tenta
tambm explicar o que a cincia , e o que no ; quais os seus propsi-
tos e como funciona.
Outro objetivo do livro preencher o hiato de compreenso entre
o cientista comportamental e o no-cientista. A natureza abstrata da
cincia e as tecnicidades da pesquisa podem ser obstculos compre-
enso. Alm disso, podem obscurecer sua simplicidade essencial e econo-
mia de propsitos. ~ uma sria deficincia educacional o fato de que
muitas pessoas, talvez a maioria, sabem pouco a respeito do que um
experimento, para que serve, a respeito de mensurao, sua natureza e
propsitos, ou a respeito da funo e lugar da estatstica na pesquisa.
A pessoa que tiver lido atentamente este livro dever ter uma slida
compreenso conceitual da cincia comportamental e da pesquisa com-
portamental - d ponto de vista do pesquisador.
XI
Uma terceira finalidade do livro definir e explicar algumas das
principais questes controvertidas associadas pesquisa scio-cientfica.
As controvrsias surgem e multiplicam-se devido a conflitos e diferenas
de valores. s vezes, entretanto, nascem de concepOes errneas a respeito
dos problemas que esto subjacentes a elas. Para que serve a pesquisa?
Por que fazer pesquisas? O que objetividade? Por que a objetividade
considerada to importante pelos cientistas? O que so pesquisa bsica e
pesquisa aplicada? Pode-se medir a inteligncia humana? Como os valo-
res afetam a cincia e a pesquisa? Mal-entendidos sobre tais problemas
dificultam a compreenso da cincia e da pesquisa. O presente livro,
portanto, tenta analisar e colocar esses problemas em perspectiva, embora
no pretenda resolv-los.
H dois pblicos que so especialmente visados por este texto.
O primeiro formado por aqueles que desejam conhecer algo da natureza
e dos problemas da cincia e da pesquisa em psicologia, sociologia,
educao e outras disciplinas comportamentais. O que significa, por
exemplo, estudar cientificamente a inteligncia e o preconceito? Como
so abordados problemas assim to complexos e difceis de apreender?
O segundo tipo de pblico o formado por estudantes universitrios
que esto terminando seus cursos de graduao, ou iniciando a ps-
graduao, em praticamente qualquer disciplina, inclusive disciplinas
no-cientficas, e que necessitam compreender a cincia e a pesquisa
comportamentais. Os estudantes de cincias comportamentais acharo o
livro particularmente pertinente e til. Entretanto, eu o concebi como
um texto geral e um guia para estudantes de vrias disciplinas, ainda
que sua nfase seja psicolgica, sociolgica e educacional.
O livro tem trs partes principais. Na primeira parte, que abrange
os captulos 1, 2 e 3, discutida a natureza da cincia e da pesquisa
cientfica. Os termos necessrios so definidos, as idias fundamentais
so explicadas e ilustradas, e so introduzidos um ou dois pontos contro-
vertidos - por exemplo, a questo da objetividade. Os captulos 1 e 3
so, provavelmente, os captulos mais importantes do livro, porque
discutem qual a meta da cincia e por que, e revelam a essncia e o
propsito dos problemas e hipteses da pesquisa cientfica. Esta parte,
portanto, poderia ser chamada de fundamentos conceituais do tema.
A segunda parte - captulos de 4 a 13 - trata dos aspectos
tcnicos da p<:squisa comportamental que so, em minha opinio, os
mais importantes. Ningum pode compreender realmente a cincia e a
pesquisa comportamental sem compreender pelo menos as mais funda-
mentais das idias tcnicas. Por exemplo, a idia de aleatoriedade
fundamental. No se pode compreender experimentos ou ter qualquer
tipo de idiP- clara do que seja estatstica e delineamento de pesquisa sem
com}Jfeender funes e processos aleatrios e o seu uso na pesquisa
X li
contempornea. A cobertura desta parte ampla e diversificada. Inclui
relaes, probabilidade, delineamento de pesquisa, mensurao e anlise
multivariada. o ncleo tcnico do livro, mas na sua maior parte
expresso em linguagem no-tcnica.
O captulo 4 estabelece a base: examina relaes e explicaes e
tenta mostrar como esto subjacentes a todo o empreendimento cientfico.
O captulo 5 apresenta uma abordagem intuitiva probabilidade e
estatstica. A importncia da idia de aleatoriedade, mencionada acima,
fortemente enfatizada. Os captulos 6, 7 e 8 formam uma unidade
sobre experimentao e delineamento de pesquisa. Os delineamentos de
pesquisa tm o propsito essencial de fornecer quadros de referncia que
tornem possvel responder diferentes questes de pesquisa. Os captulos 6
e 7 esboam os princpios de tais quadros de referncia. O captulo 8
mostra as semelhanas e diferenas entre a pesquisa experimental e a
no-experimental. Raramente essa distino to importante discutida
na bibliografia. Considero-a suficientemente importante para justificar
um captulo inteiramente dedicado a ela. A distino e as suas con-
seqncias, tais como apresentadas no captulo 8 e em outros trechos do
livro, podem ser questionadas. Todavia, por mais corretas ou incorretas
que sejam julgadas a definio, as distines e as conseqncias, no h
dvida de que o tema requer divulgao e compreenso.
Mensurao a principal preocupao do captulo 9. Assim como a
estatstica, a mensurao psicolgica uma das maiores conquistas de
nossos tempos. Embora tenha ainda um longo caminho pela frente, boa
parte deste j conhecido, e uma parcela do ncleo desse conhecimento
est condensada no captulo 9. A despeito de ser uma grande realizao,
a mensurao tem sido tambm o calcanhar de Aquiles de grande parte
da pesquisa comportamental. O captulo ajuda a esclarecer suas foras e
fraquezas.
O captulo 10 procura descrever um volumoso e importante tipo de
pesquisa - em termos gerais denominado "investigao sociolgica" -
cujas principais caractersticas so su natureza no-experimental, sua
mensurao e seus modos de anlise. Temos este tipo de pesquisa quando,
por exemplo, os pesquisadores estudam principalmente o que pode ser
chamado de "variveis sociolgicas" - classe social, status ocupacional,
sexo, preferncias religiosas e polticas, e assim por diante - e quando
o mtodo predominante de observao a contagem, geralmente a conta-
gem de caractersticas " sociolgicas" de indivduos. O captulo ocupa-se
de suas caractersticas e de seu uso na pesquisa comportamental.
A incluso dos captulos 11, 12 e 13, sobre a abordagem multi va-
riada, essencial em um livro sobre a pesquisa comportamental contem-
pornea. l g u m a ~ pessoas podero achar que o assunto muito complexo
para um livro deste tipo. Como se poderia explicar anlise fatorial,
X TI!
regresso mltipla e anlise discriminante de modo preciso e no-tcnico?
Essa uma boa pergunta, e para a qual no existe uma resposta pronta
e fcil. O problema que, se no forem discutidc>.s as abordagens multi-
variadas pesquisa e anlise de dados, deixa-se uma grande lacuna no
conhecimento e na compreenso que ter o leitor sobre a pesquisa com-
portamental. A pesquisa comportamental passa, atualmente, por uma
verdadeira revoluo, a meu ver, precisamente por causa, em grande parte,
da abordagem multivariada e do ultra-rpido computador moderno.
Problemas de pesquisa, que antes no poderiam ser contemplados por
uma incapacidade de se fazer as complexas anlises envolvidas, so hoje
abordados quase rotineiramente. Assim, decidiu-se incluir o assunto, a
um nvel conceptual e semitcnico. H a conseqente supersimplifica-
o, ignorando-se diversos problemas importantes. Os riscos, entretanto,
talvez sejam compensados por uma imagem melhor e mais completa que
o leitor poder adquirir. Pelo menos, estes captulos podero aumentar o
. interesse e difundir uma abordagem fascinante, com muitas probabili-
dades para a teoria e a pesquisa significativas e criativas.
A terceira parte do livro, captulos 14, 15 e 16, discute e explora
diversos problemas controvertidos e mal compreendidos, que trazem
considervel preocupao cincia e aos cientistas. Um deles - feliz-
mente, relativamente fcil de manejar - a natureza e a finalidade do
computador. No h dvida de que o computador foi e uma das
influncias mais fortes na pesquisa comportamental contempornea.
Esta influncia examinada no captulo 14. Os notveis poderes do com-
putador so descritos e analisados com o propsito de se compreender o
que o computador pode fazer e, o que praticamente to importante
quanto isso, o que o computador no pode fazer . Depois de estabelecida
essa base, procurou-se tambm esclarecer um ou outro mal-entendido
sobre o computador e o seu lugar na pesquisa e na ordem das coisas.
Os dois ltimos captulos do livro, captulo 15 e 16, exploram basica-
mente um certo nmero de problemas mal compreendidos e contro-
vertidos, que intrigam e desorientam os pesquisadores e os indivduos
que observam a cincia e a pesquisa. Por exemplo, a questo de para
que serve a cincia atacada diretamente, e so tiradas concluses que
podero desconcertar alguns leitores. Qualquer atividade humana com-
plexa controvertida. A cincia no exceco. Decidi portanto que
alguns dos mal-entendidos mais perturbado;es e impo;tantes sobre a
cincia e a pesquisa teriam que ser abordados. Naturalmente, ao se fazer
isso, h um risco considervel. Poder parecer que se est tomando
partido em um debate. Na realidade, o que se est assumindo menos
um partido em um debate do que uma posio baseada no que se
considera ser a natureza da cincia. Novamente, isto se torna um
obstculo compreenso. Por exemplo, muitas pessoas acreditam que o
X f v
propsito da pesquisa cientfica aumentar o bem-estar humano. Quando
isso categoricamente negado, e se afirma que o propsito da pesquisa
cientfica a teoria, ou a compreensao e explicao, no de se admirar
que surjam dificuldades . Pretende-se, entretanto, explicar de tal maneira
as coisas, que as razes para as afirmaes feitas possam ser compreendi-
das e, pelo menos, consideradas. Assim, os ltimos dois captulos do
livro exploram controvrsias e mal-entendidos. Tentam colocar em
perspectiva trs ou quatro das maiores questes, em parte filosficas, da
cincia e da pesquisa.
Embora possa ser considerado metodolgico, num sentido amplo,
este no um livro de mtodos. No se tenta ensinar como fazer pesquisa ..
Toda a nfase posta em compreender pesquisa. Na verdade, provavel-
mente impossvel compreender qualquer assunto complexo sem
ativamente {:Om ele, Para compreender realmente a estatstica, a maioria'=2
das pessoas precisaria trabalhar com problemas estatsticos, por exemplo.
Todavia, um nvel substancial de compreenso pode ser alcanado por:.'? -
uma forma vicria de trabalhar com os problemas. Muitos de tais \
"trabalhos vicrios" so dados no livro. Por exemplo, uma caracterstica
importante do livro a descrio de pesquisas reais, geralmente acom-. ,
panhada da teoria em que se baseiam os estudos, bem como as -
colocadas pelos pesquisadores. Assim, o livro descreve a maneira -
qual as pesquisas tm sido feitas e , portanto, numa certa medida' '
metodolgico. Mas deixa quase que completamente de lado os
reais de fazer observaes. medir variveis, analisar dados e assim po;,-:
diante. A necessidade de informaes sobre esses tpicos atendida, numiP
certa medida, pelo Apndice, no qual so discutidos tipos de pesquisa
diferentes dos tratados no texto, bem como alguns mtodos de observao.
Embora saiba o quanto me ajudou, no creio que minha mulher
compreenda realmente at que ponto ela uma parte importante deste
livro. Em todo caso, por suportar minhas rabugices e frustraes,
deixando de lado o que ela considerava obstculos menores, dando-me
apoio e nimo, eu lhe agradeo.
Amsterd, Holanda
junho de 1978 Fred N. Kerlinger
XV
1. A natureza da cincia e da pesquisa cientfica
Corno "conhecemos" o mundo? Como conseguimos entender as
pessoas e o que elas fazem? Podemos ler a respeito do mundo e das
pessoas e aprender muita coisa. Por exemplo, o conhecimento das pes-
soas, de seus motivos e comportamento, pode ser tirado de poemas,
novelas e textos de psicologia. Para investigar mais profundamente os
sentimentos e motivao das pessoas, podemos ler Freud e Dostoievsky.
Outra maneira de nos informarmos a respeito do mundo ouvir os
outros. Pais e professores descrevem o mundo para as crianas. Polticos,
jornalistas e professores esto constantemente nos dizendo o que eles
acham que deveramos saber. Tal conhecimento derivado da autori-
dade; alguma fonte que aceitamos como digna de crdito nos d esse
conhecimento.
Outro caminho importante para o conhecimento a observa-
o. Observamos o mundo e outras pessoas durante toda a nossa
vida. Usamos nossos sentidos para receber e interpretar as informa-
es que recebemos de fora. Vejo um carro vindo em minha direo
grande velocidade. Fuio dele. Observei o carro em velocidade, inferi
perigo e agi. A observao ento, obviamente, uma importante fonte
de conhecimento.
Infelizmente, a observao comum e a autoridade nem sempre so
guias de toda confiana. Populaes inteiras de indivduos lem, ouvem
e acreditam no que dizem os demagogos. H muito se sabe que a maioria
das pessoas so ms observadoras at dos fenmenos mais simples. Por
exemplo, duas pessoas observam uma terceira fazer gestos; pergunte-lhes
o que o indivduo fez. Se ambas concordarem em sua observao, ser
incrvel. Se concordarem na interpretac do que o indivduo fez, mais
incrvel ainda. Uma das dificuldades que nenhum acontecimento to
simples assim. Outra que os observadores interagem com e afetam o
que observam. Assim, a observao um processo ativo que raramente
simples.
A cincia se desenvolveu, em parte, pela necessidade de um mtodo
de conhecimento e compreenso mais seguro e digno de confiana do
que os mtodos relativamente desprovidos de controle geralmente usados.
Foi preciso inventar uma abordagem do conhecimento, apta a permitir
1
informao vlida e fidedigna sobre fenmenos complexos, inclusive o
complexo fenmeno do prprio homem. Era preciso superar explicaes
absolutistas, metafsicas e mitolgicas de fenmenos naturais - ou pelo
menos suplement-las - com uma abordagem at certo ponto exterior
ao homem O sucesso da cincia como abordagem do conhecimento e
compreenso de fenmenos naturais tem sido notvel. Mas a compreen-
so da cincia e da abordagem usada pelos cientistas tem sido conside-
ravelmente menos notvel. Pode-se dizer que a cincia seriamente
mal compreendida.
O objetivo bsico deste livro ajudar o leitor a compreender a
abordagem, o pensamento e os mtodos da cincia e da pesquisa cien-
tfica. Seu foco especial se dirigir para a pesquisa em psicologia, socio-
logia e educao. A abordagem geral a mesma, ou pelo menos basica-
mente semelhante, em todas as cincias. Estudaremos esta abordagem
muito cuidadosamente. Entretanto, h dificuldades e problemas especiais
na cincia e pesquisa comportamentais que precisamos conhecer se qui-
sermos entender tal pesquisa.
1
Em outras palavras ,a abordagem geral do
conhecimento e compreenso da fsica e da psicologia a mesma, mas os
detalhes da teoria e investigao so muito diferentes. Por exemplo, a
complexidade e a ambigidade do comportamento humano, geralmente
considerado como mais complexo e ambguo do que os objetos do mundo
fsico, criam grandes problemas de observao e inferncia vlidas e
fidedignas. Medir aspectos do comportamento humano - agressividade,
preconceito, preferncias polticas e realizao escolar, por exemplo -
geralmente mais difcil do que medir as propriedades dos corpos
fsicos.
grande a necessidade de compreender a cincia e a abordagem
cientfica. Esta necessidade grande pr.incipalmente na psicologia, socio-
logia e educao, dada a urgncia dos problemas humanos e sociais que
os pesquisadores estudam, e dada a natureza controvertida de alguns
dos problemas e mtodos das cincias comportamentais. Este livro se
concentra nesta necessidade.
1 As cincias comportamentais so as que estudam e procuram entender o homem,
as instituies humanas, aes e comportamentos humanos: sociologia, psicologia,
antropologia, economia, cincia poltica. O termo "cincias sociais" tambm
usado, mas "cincias comportamentais" parece um termo mais geral, mais abran-
gente. Esta definio correta apenas no plano geral. Embora as disciplinas com-
portamentais possam ser claramente definidas, muitas vezes as distines entre
elas so atenuadas na teoria e na pesquisa reais. Socilogos e psiclogos, por
exemplo, freqentemente penetram uns no campo dos outros. Alm disso, outros
cientistas comportamentais, apesar da definio da pesquisa comportamental,
estudam animais, s vezes com grande impacto no conhecimento cientfico do
comportamento.
2
Natureza geral da cincia
A cincia um empreendimento com
o con _e a ompr..eenso de fenmenos naturais. Os cient istas
desejam conhecer e compreender as coisas. Eles querem poder dizer:
se fizermos isto aqui, acontecer aquilo ali. Se frustrarmos as crianas,
provavelmente elas agrediro outras, seus pais, seus professores e at
a si prprias. Se observarmos uma organizao com regras relativamente
rgidas a restringir seus membros, digamos, os professores de uma escola,
poderemos esperar encontrar considervel insatisfao entre eles.
Os cientistas ento, " Eles querem
saber, entre outras coisas, o que produz o comportamento agressivo em
crianas e adultos. Querem saber se a frustrao conduz agresso.
Querem saber os efeitos dos meios restritivos ou permissivos de admi-
nistrao sobre os membros de uma organizao. Em resumo, querem
'.:.C..omp.r.eende " e_ q_ue_ maneira.._s.e elacionam os fenmenos psicol-
socioigicos .e educacionais. - -
Dois exemplos de pesquisa
)
'
Para termos algo especfico com que trabalhar, examinemos dois
Um experimento, o outro no . Por enquanto, vamos >
considerar expenmento um estudo no qual se fazem coisas diferentes z:.
com grupos diferentes de sujeito - pombos, ratos, crianas, adultos - :::;.
para ver se o que se faz com eles produz efeitos diferentes nos diferentes
grupos. Por exemplo, um pesquisador educacional pode pedir a professo-
. res que escrevam notas elogiosas nos testes de um grupo de alunos e nada
nos testes de outro grupo de alunos. (Ver Page, 1958).
2
Ento, o pesqui-
sador como esta " manipulao", como chamad&, afeta o desempenho
dos dOis grupos em testes subseqentes.
_ :,or lado, um :studo no-experimental, no h " manipu-
, nao ha tentativa deliberada e controlada de produzir efeitos
diferentes atravs de diferentes manipulaes. As relaces entre fen-
menos so estudadas sem interveno experimental. s caractersticas
dos sujeitos, "como eles so", so- observadas e as relaces entre as
avaliadas sem tentar mudar nada. Por quando
os socwlogos estudam a relao entre classe social e realizaco escolar
eles tomam a classe social e a realizao escolar "como eles so".
as duas como so chamadas, e ento estudam as relaes
entre elas. Nao procuram mudar uma das variveis para estudar o efeito
2
As referncias citadas desta maneira so dadas no fim do livro.
. 3
da mudana sobre a outra varivel. Estas idias devem ficar claras depois \
de lermos a discusso dos dois estudos que vm a seguir.
.1. Um experimento: recompensa macia e aproveitamento na leitura
Muitas pesquisas vm se devotando a entender como o homem e os
animais aprendem. Uma das descobertas mais bem documentadas que
a recompensa aumenta a aprendizagem. Se as respostas forem recom-
pensadas de alguma forma, as mesmas respostas, ou respostas seme-
lhantes, sero repetidas quando ocorrerem condies semelhantes nova-
mente. Se, por exemplo, a criana elogiada quando pronuncia uma
palavra corretamente, a pronncia correta tender a ser lembrada e
usada subseqentemente. (Os resultados no so to previsveis quando
se usa punio.) A teoria por detrs da pesquisa, chamada teoria do
reforamento, est sendo aplicada agora na educao, s vezes com resul-
tados gratificantes.
3
Clark e Walberg (1968) desejavam saber se a recompensa macia
ajudaria a dar melhores resultados na leitura entre alunos potencialmente
reprovados. Criaram um experimento simples para testar esta idia. Usa-
ram crianas negras de 10 a 13 anos e com um atraso de vida escolar de
um a quatro anos.
Dois grupos foram formados de tal maneira
4
que se poderia admi-
tir serem aproximadamente iguais em caractersticas que pudessem afetar
o resultado. Sabe-se, por exemplo, que a inteligncia afeta o trabalho
escolar, como leitura e aritmtica. Os pesquisadores devem, portanto,
tentar formar grupos iguais em inteligncia antes de comear o estudo.
Do contrrio, o resultado pode ser devido no ao que for feito no
experimento, mas ao fato de um grupo ter em mdia um nvel de
3 Se o leitor acha que o princpio do reforamento positivo bvio, deve levar
em considerao que ele no era usado em escolas de outras pocas, exceto,
naturalmente, por professores muito compreensivos. Antes, a punio era eviden-
temente o princpio fundamental. Esperavase que as crianas tivessem uma con
duta correta e que estudassem, e eram punidas se no o faziam. Sem dvida,
o castigo ou reforamento negativo ainda um mtodo amplamente usado na
motivao escolar.
4 Reuniram as crianas. em dois grupos "ao acaso". Uma das maneiras de fazer
isso atirando uma moeda para cada criana. Se der cara, coloque a criana
em um grupo. Se der coroa, coloque a criana em outro. O princpio que o
acaso governa a formao dos grupos, e nada mais. H vrios outros mtodos,
por exemplo, tabelas de nmeros equiprovveis. Todos os mtodos so inspirados
pelo mesmo princpio. O objetivo bsico da diviso ao acaso "igualar" os grupos
experimentais. Desde que Clark e Walberg usaram a escolha ao acaso, podiam
admitir que os grupos eram iguais antes do experimento. Discutiremos essa
questo do acaso num captulo posterior.
4
lntcligncia superior ao do outro. No tipo de pesquisa em que se usam
I is grupos e um tratamento especial aplicado a um deles, este grupo
freqentemente chamado "grupo experimental". O outro, ao qual no
su faz nada em especial, chama-se "grupo de controle" .
No incio do experimento, todos os alunos foram elogiados por seu
trabalho. Isto foi usado para estabelecer mdias de recompensa para
os professores das crianas. (Naturalmente os professores diferem quanto
recompensa que usam.) Depois de seis sesses, as mdias de recom-
pensa ficaram estabilizadas e o experimento propriamente dito comeou.
Os professores do grupo experimental, das crianas a. receberem trata-
mento special ou experimental, foram avisados para dobrarem ou tripli-
carem a recompensa, enquanto os professores do grupo de controle
foram avisados para "manterem o trabalho em ordem". No fim de um
perodo de trs semanas foi feito um teste de leitura com as crianas.
A anlise dos resultados dos testes mostrou que o grupo experi-
mental ou da "recompensa macia" fez o teste melhor do que o grupo
de controle. Esta concluso foi inferida de um teste estatstico da dife-
rena entre a mdia de pontos de leitura entre os dois grupos: a mdia
do grupo experimental foi maior do que a mdia do grupo de controle.
Mais tarde explicaremos o princpio que rege tais testes estatsticos.
Por enquanto, pode-se dizer que a recompensa macia teve resultados
aumentando a contagem de pontos do grupo experimental em compa-
rao com o nmero de pontos feitos pelo grupo de controle. Se se
pode dizer que recompensas macias. funcionam com crianas negras
carentes e que possam o devam ser usadas com elas, depender de
outras pesquisas, destinadas a averiguar se os mesmos resultados so
obtidos repetidamente - isso se chama replicao - e testando o
reforamento em geral com diferentes tipos de crianas. Em outras
palavras, os resultados de um estudo so sugestivos, embora no conclu-
sivos. Talvez as crianas negras carentes necessitem de reforo macio
- mas talvez no.
2. Um estudo no-experimental: classes sociais e tipos de criao
Vamos examinar agora um estudo no-experimental. Sabemos que
em tal estudo no h manipulao experimental; no h tratamento
diferencial de grupos de sujeitos. Tomamos pessoas e grupos "como eles
so" e estudamos as supostas influncias das variveis em outras vari-
veis, as relaes entre variveis. ("Varivel" definida no captulo 2.
Por ora, o tempo usado para significar um conceito psicolgico ou
sociolgico no qual pessoas ou coisas diferem ou variam, por exemplo,
sexo, classe social, habilidade verbal, realizao.) Uma "relao" em
cincia sempre significa uma relao entre vari'veis. Quando dizemos
5
que as variveis A e B esto relacionadas, queremos dizer que existe
algo em comum entre as duas variveis, alguma ligao entre elas.
Suponhamos que os dois crculos da figura 1.1 representem essncias
do que sejam A e B. Isto , A representa a essncia do que seja a va-
rivel A. a substncia de A. O crculo B, naturalmente, representa a
essncia de B. Observe que os crculos A e B se sobrepem e que a
superposio indicada por traos horizontais. Isso indica que algo das
essncias de A e B compartilhado. Uma parte de A igual a uma
parte de B e vice-versa. Esta faixa compartilhada, pel.a
de traos finos, representa a relao entre A e B. A pode ser mtehgencw
e B aproveitamento escolar. A superposio na figura 1.1 a relao
entre as duas. O que esta propriedade dividida? difcil dizer sem
outras evidncias. Pode ser aptido ou habilidade verbal; pode ser o
que se denominou inteligncia geral. Mas voltemos ao nosso exemplo.
Os psiclogos e socilogos fizeram grande nmero de pesquisas
sobre classes sociais e descobriram sua importncia para a explicao de
diferentes tipos de comportamento: recreao, eleies e criao dos
filhos, por exemplo, so fenmenos associados s classes sociais. Miller
e Swanson (1960) levantaram a hiptese, entre outras coisas, de uma
relaco entre a classe social dos pais e o tempo que levavam para
os filhos. Foi perguntado a uma amostra de 103 mes dfl
classe mdia e da classe trabalhadora de uma grande cidade do
meio-oeste como estavam criando seus filhos. O resultado de uma per-
gunta sobre o tempo do desmame apresentado na tabela 1.1. Os
nmeros nas casas representam a quantidade de mes que eram da classe
mdia ou da classe trabalhadora e que haviam desmamado os filhos
mais cedo ou mais tarde.
O estudo dos nmeros nas diferentes casas da tabela indica que as
mes da classe mdia parecem desmamar os filhos mais cedo do que
as mes da classe trabalhadora. Das 55 mes de classe mdia, 33 des-
mamavam cedo enquanto 22 desmamavam tarde; das 48 mes da classe
B
Figura J. l
6
Tabela 1.1 Classe social e tempo de desmame, estudo de Miller e Swanson (1960) .
Classe social
Desmame
Cedo Tarde
Classe mdia
33 22
(0,60) (0,40) 55
Classe trabalhadora
17 31
(0,35) (0,65) 48
50 53 103
As entradas nas casas so freqncias: nmero de mes. As cifras entre parn-
teses so propores! por exemplo, 33/ 55 = 0,60. Se as propores forem multi-
plicadas por 100, obtm-se as porcentagens: (33/55) (100) = (0,60) (100) = 60
por cento, ou 60 por cento das mes da classe mdia disseram que desmamram
seus filhos cedo.
trabalhadora, 17 desmamavam cedo e 31 desmamavam tarde. 5 H, apa-
rentemente, uma relao, embora no muito forte, entre a classe social
e o tempo do desmame. As mes da classe mdia desmamavam seus
filhos mais cedo; as mes da classe trabalhadora desmamavam mais
. tarde. Se se calcularem as propores e porcentagens, o que acabou de
ser dito torna-se um pouco mais claro: 33/55 = 0,60, 22/55 = 0,40,
17/48 = 0,35, 31/48 = 0,65 (multiplicando cada um destes por 100
obtm-se a porcentagem). Essas propores esto na tabela, no canto
inferior direito das casas. Observe que eles exprimem mais claramente
a relao sob discusso do que as freqncias (os nmeros originais).
Podemos dizer que h uma tendncia entre as mes da classe mdia
a desmamar seus filhos mais cedo e entre as mes da classe trabalha-
dora, mais tarde. Sempre que pudermos fazer urna afirmao "se-ento",
temos uma relao. Neste caso, podemos dizer, embora cautelosamente:
se me classe mdia, ento desmame mais cedo e se me classe traba-
lhadora, ento desmame mais tarde. Naturalmente no se pode dizer
que esta tendncia se apresenta entre todas as mes classe mdia e mes
classe trabalhadora. Esta ape.asuma amostra e a tendncia pode ou
5
No se preocupe muito se no conseguir entender completamente como se deve
ler e enteder esta e. outras tabelas. As tabelas esto sendo usadas apenas com o
objetivo de ilustrar. O entendimento maior vir mais tarde.
7
no estar presente entre todas as mes. f. necessrio mais pesquisa para
reforar a afirmao e a certeza que se pode ter quanto sua "verdade".
Estes dois estudos tm um bom nmero de aspectos que so caracte-
rsticos da pesquisa comportamental. Primeiro, um um estudo experi-
mental, o outro no-experimental. Segundo, eles ilustram a objetividade,
uma caracterstica da pesquisa cientfica que logo examinaremos. Ter-
ceiro, seu uso de anlise quantitativa elementar ir nos ajudar a apro-
fundar mais na anlise e estatstica. Por exemplo, no estudo de Clark
e Walberg, foram calculadas e comparadas as mdias e no estudo de
Miller e Swanson, foram tabuladas e comparadas as freqncias. Estes
so dois dos modos mais comuns de se fazer anlise quantitativa. Quarto,
os problemas, relaes e metodologia de ambos os estudos so simples
e claros; sero teis para ilustrar colocaes a serem feitas em discusses
subseqentes.
Mais pertinentes ao tema principal deste captulo o que os estudos
tentaram fazer, quais foram seus objetivos. Um dos objetivos do estudo
de Clark e Walberg foi compreender e explicar o aproveitamento, ou
antes, um certo aspecto do aproveitamento, o chamado subaproveita-
mento. Um dos objetivos do estudo de Miller e Swanson foi explicar o
desmame, que , naturalmente, um aspecto do trabalho de cuidar de uma
criana. As palavras "compreender" e "explicar" devem ser interpretadas
num sentido amplo. Quando dizemos que "compreendemos" um fen-
meno, queremos dizer que conhecemos suas caractersticas - pelo
menos algumas - o que o produz e quais as suas relaes com outros
fenmenos. Queremos dizer que tentamos "explicar" o fenmeno. Po-
demos dizer o que provavelmente o tenha causado, o que o influencia
agora, o que o influenciar e no que ele influencia. importante obser-
var aqui que nossa compreenso de um fenmeno sempre incompleta,
parcial e probabilstica. Sem dvida, muito do nosso conhecimento do
mundo, especialmente do fenmeno social e humano, parcial c
at falho.
A realizao um fenmeno importante no mundo ocidental.
Quando dizemos que procuramos "compreend-lo", em parte queremos
dizer que desejamos saber por que certas pessoas conseguem grandes
coisas, enquanto outras conseguem muito pouco. Ou, mais ambiciosa-
mente, queremos saber por que certos grupos conseguem tanto e outros
to pouco. Por exemplo, McClelland ( 1961), num livro estimulante,
The Achieving Society, relatou uma pesquisa voltada para uma questo
geral: Como e por que as pessoas de diferentes pases diferem em sua
motivao para a realizao? possvel se estender muito discutindo
um conceito to rico quanto o de realizao. O ncleo da idia de com-
preenso e explicao, entretanto, que explicamos um fenmeno espe-
cificando o que est relacionado a ele.
8
Clark e Walberg se interessaram por explicar um aspecto relativa-
mente limitado da realizao. Eles desejavam explicar e compreender a
realizao em leitura, de crianas negras que eram geralmente defi-
cientes, na realizao escolar. Queriam saber se o reforamento macio
da realizao iria afet-la positivamente. Estudaram, ento, a relao
entre o reforamento e a realizao em leitura. Conseguiram mostrar
que o reforamento macio afetava positivamente a realizao das
crianas em leitura. Eles, at certo ponto, "explicaram" a realizao por-
que mostraram uma coisa que a afetou.
6
O fenmeno ''explicado" por Miller e Swanson foi o desmame, ou,
talvez mais exatamente, a tcnica de cuidar de crianas, que inclui entre
outras coisas mtodos disciplinares, tipos de recompensas usadas e m-
todos para induzir obedincia. Eles mostraram, por exemplo, que mes
da classe mdia e da classe operria diferem nas suas prticas de des-
mame. Assim estabeleceram uma relao, por um lado, entre classes
sociais e por outro, no mtodo de desmame. Mostraram que algumas
diferenas observadas no desmame eram devidas classe social, em
outras palavras. Assim, at certo ponto, eles "explicaram" as diferenas
nas prticas de desmame.
Vamos interromper nossa discusso a respeito das metas e prop-
sitos cientficos para discutirmos duas caractersticas importantssimas
da cincia. A primeira, objetividade, uma caracterstica metodolgica
controvertida e difcil de entender. A segunda a natureza emprica da
cincia. Aps discutirmos estas caractersticas, estaremos em melhor
posio para continuar a discusso principal. Pode ser dito clara e
categoricamente que sem o "mtodo" ou "critrio" de objetividade, ou
sem a abordagem e a atitude emprica, a cincia como conhecida no
mundo moderno no seria possvel. O que significa esta afirmativa? E o
que ela tem a ver com a natureza da pesquisa cientfica?
Objetividade e pesquisa cientfica .
Embora fcil de definir, a objetividade no fcil de ser com-
preendida por causa de sua sutileza e de suas implicaes complexas.
B um aspecto metodolgico muito importante da Cincia, especialmente
da psicologia, porque sua implementao possibilita aos cientistas testa-
rem suas idias fora de si prprios. Eles montam seus experimentos
"l fora". Os experimentos acontecem, por assim dizer, fora deles, de
6 Eles esclareceram um pouco mais outro fenmeno importante, o reforamento.
Parece que mostraram que, c.om algumas crianas, quantidac153 comuns de elogio
e encorajamento noo so suficientes; tais crianas evidentemente exigem grandes
quantidades de ambos - pelo menos no que diz respeito realizao em leitura.
9
sua influncia e predilees. Em vez de estarem em suas cabeas, al\
idias testadas so objetivadas, feitas objetos "do lado de fora", objetos
que tm uma existncia, por assim dizer, separada de seus
Qualquer um pode observar um experimento e como ele feito; coisa
pblica.
Todo conhecimento do mundo afetado, e at distorcido de certa
pelas predisposies dos observadores. Quanto mais complexas
as observaes, mais se afastam da realidade fsica, e quanto makre:,
as inferncias feitas, maiores as probabilidades de distoro. Quando 0
cientista fsico lida com pesos, por exemplo, h uma baixa probabilidau.;
de distoro: existem pequenas oportunidades para pontos de
pessoais, inclinaes e prenoes entrarem no processo. Mas considererr,
se as possibilidades de distoro no estudo e mensurao de autoritaris-
mo, dogmatismo, inteligncia, nvel de aspirao, realizao, classe social,
ansiedade e criatividade.
Tomemos apenas uma destas vanaveis, a criatividade. Embora
concordemos que vamos estudar e medir a criatividade, podemos ter
idias muito diferentes do que seja a criatividade. Essas idias diferentes,
estas percepes diferentes, podem influenciar nossas observaes de,
digamos, criatividade em crianas. Um ato comportamental que para
um indica criatividade pode no indicar criatividade para outro e essas
diferenas em percepo podem afetar nossa mensurao. Em outras
palavras, as verdadeiras observaes do comportamento criativo podem
ser muito diferentes, dependendo de quem observa, a no ser que se
concorde em adotar um mtodo de observao - e se ater rigidamente
a ele.
Objetividade um acordo entre juzes "especialistas" relativo ao
que observado, ou o que deve ser ou o que foi feito em pesquisa.
Suponhamos que um cientista observe alguma coisa e anote essa obser-
vao, digamos, em forma numrica. Outro, de igual competncia,
observa a mesma coisa, independentemente, e registra sua observao.
Se o processo puder ser repetido com resultado idntico ou parecido
- isto , se h acordo entre as observaes dos cientistas - consegue-se
objetividade. Em algumas reas da cincia, como na qumica e fsica,
por exemplo, a objetividade no problema srio, graas aos instru-
mentos de alta preciso, como os microscpios eletrnicos. Tais instru-
mentos aumentam a probabilidade de acordo entre os juzes, porque, ao
us-los, juzes diferentes provavelmente obtero e anotaro os mesmos
resultados. Alm disso, a mquina tem menos possibilidade de influen-
ciar observaes e de ser influenciada pela natureza do que estiver
sendo observado.
A definio de objetividade como acordo entre juzes no deve
ser interpretada com estreiteza: bastante ampla. O que significa isto?
10
A condio principal para satisfazer o critrio de objetividade , ideal-
mente, que quaisquer observadores com um mnimo de competncia
concordem em seus resultados. Em psicologia e educao, por exemplo,
usam-se testes e escalas objetivas. So chamados "objetivos" porque
qualquer pessoa, devidamente orientada, pode avali-los e obter os mes-
mos resultados (com pequena margem de erro) . A expresso ''testes
objetivos" no significa que os testes sejam em si mesmos "objetivos".
Eles o so porque a contagem de pontos a mesma, no impor-
tando quem os avalie. Por outro lado, a correo de respostas em
redaes depende muito mais do julgamento pessoal do juiz, enquanto
tais julgamentos so virtualmente excludos em testes objetivos. (Deve
ser notado, entretanto, que a avaliao de redaes pode ser feita de
maneira muito mais objetiva do que geralmente se faz.)
Mudemos um pouco a perspectiva. No estudo Clark e Walberg a
mensurao do aproveitamento em leitura foi mais objetiva do que a
mensurao de tempo de desmame no estudo de Miller e Swanson por-
que o primeiro foi medido com um teste de tipo objetivo, o
segundo foi medido atravs de entrevistas. Qualquer que o
teste de leitura obteria os mesmos resultados. Mas dms entrevistadores
poderiam mostrar diferenas na mensurao de tempo de desmame, no
caso por dois motivos. O primeiro acaba de ser dado: juzes diferentes
podem interpretar as respostas do entrevistado diferentemente. Uma me
pode dizer que desmamou seu filho quando a criana tinha entre 7 ,e 9
meses. Um entrevistador pode se satisfazer com esta resposta e anota-la,
mas outro pode querer se aprofundar mais e acabar descobrindo que
a me desmamou o filho aos seis meses. O segundo motivo se deve
falta de memria da me: ela pode simplesmente no se lembrar quando
desmamou o filho e dizer que foi aos dez meses, quando de fato foi
aos oito. No existe tal ambigidade com mensurao de tipo objetivo
(embora no esteja isenta de outros tipos de dificuldades). Um teste de
leitura de tipo objetivo, por exemplo, tem regras explcitas para a ava-
liao das respostas. A resposta a qualquer pergunta s pode ser ou cor-
reta ou incorreta: h pouca margem para a iniciativa ou o julgamento
do avaliador.
A importncia da objetividade exige mais explicao ainda. Embora
seja aplicada geralmente a observaes e mensurao cientficas, a idia
mais ampla. Quando os psiclogos fazem experimentos, lutam por
objetividade. Isso significa que fazem sua pesquisa controlando de tal
modo a situao experimental e descrevendo de tal modo o que fazem
que outros psiclogos podero repetir experimento e obter resultados
iguais ou semelhantes. Em outras palavras, a objetividade ajuda o pes-
quisador a "sair". de si mesmo, ajuda-o a conseguir condies publica-
mente replicveis e, conseqentemente, descobertas publicamente averi-
11
guveis. A cincia um empreendimento social e pblico, como tantos
outros empreendimentos humanos, mas uma regra importantssima do
empreendimento cientfico que todos os procedimentos sejam objetivos
- feitos de tal forma que haja ou possa haver acordo entre juzes
especialistas. Esta regra d cincia uma natureza distinta, quase remota,
porque quanto maior a objetividade mais o procedimento se afasta das
caractersticas humanas - e de suas limitaes. Por exemplo, a obje-
tividade quase glacial de partes das cincias naturais, cujos experimentos
so feitos em laboratrios e em circunstncias altamente controladas,
cujas observaes so feitas quase inteiramente por mquinas de alta
preciso e fidedignidade, parece coisa muitssimo distante de gente e de
suas preocupaes sociais e pessoais. (Isto no significa que os cientistas
que pesquisam e -controlam as mquinas sejam imunes a erros.)
Comparem-se agora os procedimentos em psicologia e educao. O
cientista fsico pode "sair de si mesmo" mais facilmente do que o cien-
tista comportamental, porque mais fcil para ele preparar uma pesquisa
e testar hipteses ''fora" e longe de suas prprias predilees e inclina-
es e de outros. Isto acontece porque os procedimentos so mais fceis
de ser " objetivados". Uma vez que o funcionamento de um processo
fsico fique compreendido, pode ser repetido e medido pela maioria de
tcnicos e cientistas competentes, Em outras palavras, h uma replica-
bilidade relativamente alta.
Em pesquisa sociolgica, psicolgica e educacional, entretanto. isto
verdadeiro em grau muito menor. A manipulao de variveis psicol-
gicas, como a coeso de grupo, a atmosfera em sala de aula, estilos de
liderana e ansiedade, muito mais difcil de ser feita objetivamente
por causa da maior complexidade, amplitude de variao e acessibili-
dade a influncias outras que as do pesquisador. Igualmente, a mensu-
rao de variveis comportamentais, tais como inteligncia, realizao,
atitudes, classe social e motivao mais sujeita a influncias sistem-
ticas e casuais, tornando mais difcil - embora no impossvel. como
pretendem alguns crticos - vrios observadores concordarem em suas
observaes e mensuraes. Isto no significa, entretanto, que os proce-
dimentos do psiclogo no sejam objetivos. Na verdade, eles freqente-
mente podem possuir um nvel de objetividade relativamente alto. Eles
so simplesmente menos objetivos do que os do cientista fsico.
No h qualquer diferena de princpio, por outro lado. entre o
uso do critrio de objetividade pelo cientista fsico e pelo cientista com-
portamental. A nica diferena est no grau de objetividaqe. J foi dito
que as cincias comportamentais no podem ser verdadeiramente cient-
ficas porque no podem usar os mtodos das cincias fsicas. Isto no
assim, a no ser num sentido puramente literal. Em todas as cincias
so usados a mesma abordagem e os mesmos mtodos gerais. Assim est
12
longe de ser impossvel chegar-se objetividade nas cincias comporta-
mentais; isto j foi conseguido com sucesso, muitas vezes. :f: apenas
mais difcil.
Objetividade e explicao
medida que avanarmos veremos que a objetividade, tanto ex-
pressa quanto implicitamente, estar presente em toda a nossa discusso
e estudo. t preciso que assim seja. Sem objetividade a cincia e a
pesquisa cientfica perdem se er nico e es ecial. Sem dvida,
"l
n-- a'i.ena-cl.ellcJa- sem_ob.Jethddade, COJIIO j ficou dito. Deve-se acres-
centar, entretanto, que objetividade em e pr s- propria tem pouca ....,
importncia. Isto , o objetivo bstco a cincia a exp tca- fefl ...
menos naturais; no sim12lesmerife e:r::nbjeti a. _ a e im- -
-._fornecer explicaes mais exatas dos :
fenmenos naturais. Ser apenas objetivo no significa ser cientfico. -um ,::..
pfedimento pode ser altamente objetivo e conter observaes engano- ,:..
sas e concluses falsas. Um pesquisador pode, por exemplo, faz(!r um -
estudo que seja um modelo de objetividade mas cujos resultados
enganosos. Pode haver testado o que julgou ser a influncia de A sobre B - -'"'
e obtido resultados que parecem mostrar que A, sem dvida, influenciou c_: .x:.
B. Ele no percebe outra influncia: K foi a "verdadeira" causa
mudana em B. Sua manipulaO de A ativou K, qte produziu a mu- 5
dana observada em B. Isto mostrado na figura 1.2. A seta interrom-
pida mostra a influncia de A sobre B, que o pesquisador estava estu-
dando; ele pensou que A tivesse influenciado B. A seta contnua indica
a verdadeira influncia: A ativou K, que influenciou B.
Objetividade, alm disso, no significa importncia. Uma pessoa
pode ser muitssimo objetiva com problemas mais triviais do que com
problemas mais importantes. Podemos, por exemplo, estudar a relao
entre o nmero de carteiras nas classes e o aproveitamento verbal das
crianas. Tanto o nmero de carteiras quanto o aproveitamento verbal
podem ser medidos com um alto grau de objetividade. Mas e da? A
Figura 1.2
13
objetividade, entretanto u cterstica_in_li.12W._vel e inseEarvel
a c1enc1a e da pesquisa cientfica.
Objetividade como caracterstica e como procedimento
Antes de deixarmos o assunto objetividade, tentaremos esclarecer
e corrigir uma importante concepo errnea. Muitas pessoas, mesmo
alguns cientistas comportamentais, pensam que objetividade refere-se a
uma qualidade ou caracterstica de pessoas. Embora provavelmente seja
verdade que os indivduos diferem em grau de objetividade - consi-
derando objetividade como um trao que o indivduo possua - isto
tem pouco ou nada a ver com objetividade em cincia. Ob'etivid
ctencia um p edimento, um mtodo, uma maneira- de dirigir _um
ass-to cientfico. No quer tzer que pessoalmente os cientistas sejam
mais objetivos que outras pessoas, embora muitos deles possam s-lo.
Esta concepo errnea infelizmente cria confuso. Certos crticos
da cincia dirigem sua crtica principal objetividade, dizendo, por
exemplo, que a distncia e a frieza da cincia destroem valores humanos
e assim a cincia fundamentalmente prejudicial. Esta distncia e frieza,
dizem, levam desumanizao do cientista e das pessoas afetadas pela
dncia - todos ns. Os cientistas so at descritos como monstros,
ainda mais perigosos porque aparecem envoltos em um manto de virtude.
O argumento totalmente sem sentido. verdade - no ma-
neira romntica dos crticos, porm - que a cincia distante e talvez
fria. lsjQ._de.riy..a..._de_sua.meta- de abstrao e de seu critrio de objetivi-
_dade. Leis gerais, enunciados gerais de relaes so necessariamente
abstratos porque tm que se aplicar a muitos casos especfios. A lei
cientfica ideal uma equao matemtica, no porque os cientistas
amem smbolos misteriosos e esotricos e a matemtica (alguns, sim,
claro) , mas porque a equao matemtica altamente abstrata e geral.
Se vlida empiricamente, ela pode explicar muitas manifestaes dife-
rentes da lei ou enunciado de relao. "A frustrao leva agresso"
um amplo enunciado geral de relao. Tem valor porque abrange
muitas, seno todas as manifestaes de frustrao e agresso.
7
tam-
bm distante e talvez mesmo um pouco frio comparado descrio de
um menino ou menina agressivos feita por um professor ou um
terapeuta.
7 Tais enunciados no podem ser gerais demais porque, se forem, no podem ser
refutados. Como veremos mais tarde, os enunciados cientficos tm que ser pas-
sveis de serem submetidos a teste e acessveis a serem mostrados como falsos
se realmente o forem.
14
\
est sem re distante das
pt cu a es comuns e o_ calor o
tJ flnio; arte da tal _ha
I ncia. O mesmo quanto a objetividade, que tambm tende a fzer a
cincia parecer fria e distante. Parece distante e fria porque os testes
das proposies cientficas so feitos "l fora",. o mais. possvel
das pessoas e suas emoes, desejos, valores e atitudes, os do
prprio cientista. Mas y:ecisamente o que deve ser Deve-se
obedecer ao cnone da 9-_bjehvtdade - ou abandop.ar 3t c_tencta.
---- --
O carter emprico da cincia
O carter emprico da cincia muito fcil de compreender
do que a objetividade, talvez porque esteja _associado ao que se
quase um esteretipo do cientista: um esmmador de fatos vesttdo de
branco. verdade que a maioria dos cientistas vive preocupada com
"fatos", mas devemos substituir idias estereotipadas pela compreenso
das razes da preocupao com a evidncia fatual. Por esta altura o
leitor j ter percebido que o ponto de vista deste _livro
influenciado pelo cuidado e preocupao c9m _a teorta- e exphcaao. Os
no-cientistas podem dizer que tambm eles esto muito preocupados
com teorias e explicaes. E assim . O filsofo, por
explicar como sabemos das coisas. O historiador deseJa exphcar a on-
gem de movimentos e fatos histricos, por exemplo, as e co_n.se-
qncias da Guerra Civil ou . da Russa.
ara comQ_ _do
pensamento conservador s9J2re _os_atos _de_parJtdos_sm pohhcas.
A explicao, como ex licaco, no , ois, prerrogativa da
cincia. Nem a n ase cientfica sobre a evidncia uma obsesso
exclusiva. Historiadores e tericos polticos, entre outros, invocam a
evidncia para apoiar suas explicaes de fenmenos histricos e pol-
ticos. Ento, qual a diferena? Por que a cincia peculiar? Grande
parte deste livro dedicada a responder a estas perguntas. Mas podemos
agora pelo menos comear a explicao.
A maior parte da cincia comportamental moderna caracterizada
por uma forte atitude e abordagem empri.cas_. . palavra
"emprico" foi usada de duas formas com stgmftcados mmto dtferentes.
significa guiado pela experincia
vao e no pela cincia e pela teoria. Este um ponto de vtsta pragma-
ftco que afirma qe "se funciona, est certo". Os motivos no importam;
o que importa que funcione. Este no o. significado de "em?;ico"
usado pelos cientistas (embora eles no detxem de ser pragmatlcos).
Para o ce significa guiado pela evidncia obtida em
15
sjstemtica e: cQ.ntrolada. Aqui est um exemplo que \
rf s ajuaar a compreender o que "emprico" significa para a cincia.
Uma pesquisa cientfica foi feita para determinar se possvel
animais e seres humanos aprenderem a controlar reaes do sistema
nervoso autnomo. Podem, por exemplo, diminuir as batidas cardacas
ou aumentar a secreo da urina vontade? (Miller, 1971, caps. 55, 56).
Tanto velhas quanto novas crenas dizem que isso no possvel. Ento,
a generalizao : as pessoas no conseguem controlar reaes gover-
nadas pelo sistema nervoso autnomo. Acontece que a afirmao talvez
no seja verdadeira: descobriu-se que animais (e talvez pessoas) podem
ser treinados para fazerem coisas tais como aumentar e diminuir as
batidas cardacas, aumentar e diminuh sua secreo urinria e at alterar
sua presso sangunea (Miller, 1971, Parte XI). Um enunciado empiri-
camente orientado seria: os animais podem, dentro de certos limites,
controlar reaes do sistema nervoso autnomo, recebendo "instruo"
apropriada. Os animais podem ser ensinados a, por exemplo, aumentar
ou diminuir as batidas cardacas e aumentar ou diminuir sua secreco
urinria. No fcil, mas j foi feito. So __empr_icall., j que
esto baseadas em _e_vidncia cientfica. - - -
Por ser emprica, no significa necessariamente que uma afirma-
tiva seja verdadeira. Se baseada em pesquisa cientfica e evidncia,
mais provavelmente verdadeira do que uma afirmativa baseada intei-
ramente . em crenas. Entretanto, pode ainda no ser verdadeira. A
afirmativa acima, de que possvel aprender a controlar o sistema ner-
voso autnomo at certo ponto, embora apoiada pela evidncia da pes-
quisa cientfica, pode acabar sendo refutada a longo prazo. Pode no
ser possvel obter os mesmos resultados no prximo ou no ano seguinte,
ou na Austrlia assim como na Amrica. possvel que as descobertas
de pesquisa apoiando o enunciado fossem o resultado de alguma causa
temporria e no reconhecida, caracterstica apenas da situao parti-
cular em que foi feita a pesquisa. No obstante, a probabilidade de uma
afirmativa baseada em evidncia emprica ser verdadeira maior do
que a probabilidade de uma afirmativa no-emprica ser verdadeira. Evi-
dncia emprica cuidadosamente obtida, como veremos, um corretivo
saudvel e necessrio para as crendices do homem e um meio salutar
de diminuir sua ignorncia. Evidncia no-emprica, por outro lado,
pode e s vezes ajuda a perpetuar a ignorncia, como fazem os velhos
provrbios. E, em resumo, a evidncia emprica freqentemente controla
nossa mania desenfreada de fazer afirmaes sobre as coisas, afirmaes
que podem ou no ser verdadeiras.
A palavra "emprica" ento imporVmte porque mostra uma ma-
neira de olhar o mundo e as pessoas profundamente diferente da
maneira tradicional, que procura explicaes apelando para a autoridade,
16
senso comum, ou para a razo. O homem basicamente egosta? Po-
demos citar a Bblia, Freud ou Shakespeare; podemos dizer que
auto-evidente ou bvio que o homem basicamente egosta ou no-
egosta; ou podemos raciocinar cuidadosamente na base da autoridade
e da observao e concluir que o homem basicamente egosta ou
no-egosta. Esta mais ou menos a maneira tradicional.
Os cientistas, entretanto, no esto satisfeitos com essa maneira.
Se acham que a questo cientificamente respondvel- muitas questes
no podem ser respondidas cientificamente - ento eles abordam o
problema diferentemente. Embora possam apresentar uma explanao
terica, sempre fica em suas cabeas uma pergunta a importunar: O
que dir a evidncia cientfica? Decidindo primeiro como definir e
medir o egosmo, o cientista preparan1 um estudo ou uma srie de
estudos para tentar determinar at onde o egosmo motiva o comporta-
mento humano e como isto feito. Far, ento o estudo sob condies
controladas e, depois de analisar os resultados obtidos, chegar a con-
cluses que parecero saltar da evidncia. A evidncia, ento, o centro
de todo o processo. Sem ela as concluses geralmente no tm valor
cientfico.
Alguns leitores podem ficar em dvida quanto importncia desta
distino entre abordagens empricas e no-empricas. Podem dizer que
bvio, at auto-evidente, que procuramos evidncias para as afirma-
tivas que fazemos. Pessoas racionais sempre faro isto. Mas a questo
justamente esta: s vezes fazem, mas muitas vezes no. Nossos siste-
mas de crenas - religiosas, polticas, econmicas, educacionais - so
sem dvida poderosos e freqentemente guiam nosso comportamento,
no a evidncia. Parece que muito difcil usar a evidncia emprica
como hbito. Se no o fosse, muitos dos problemas sociais que enfren-
tamos poderiam ser resolvidos, admitindo-se a existncia de boa vontade
e motivao adequada. Para compreender a cincia e a pesquisa cient-
ficas, portanto. e necessrio um esforo contnuo e consciente, nada fcil,
porque a necessria atitude emprica exige no mnimo uma suspenso
temporria de poderosos sistemas de crenas. Em outras palavras, a
primeira e ltima corte de apelao da cincia a evidncia emprica.
O objetivo da cincia: teoria e explicao
O objetivo da cincia j foi determinado. Precisamos agora rea-
firmar este objetivo formalmente e tentar dissipar certas noes equi-
vocadas sobre suas metas. O propsit_o da- cincia a teoria. Examine-
mos esta afirmativa simplese um bocado Uma teoria
uma exposio sistemtica das relaes entre um conjunto de vari-
veis. f: uma _geralmente de um fenmeno particular, ainda
17
Figura 1.3
que amplo. Um psiclogo poder propor uma tec:ria da em
grupos e organizaes ou, como Freud, uma teona da hu-
mana ou como o influente socilogo europeu, Weber, uma teona para
. escla:ece; o capitalismo moderno ou, como o psiclogo suo, Piaget,
uma teoria do conhecer humano. Tais teorias so tentativas sistemticas
de "explicar"' os fenmenos, as os_ fe-
nmenos a serem exphcados e um certo numero de vanavets exphca-
tivas" que tambm esto relacionadas s_i de modo ?
propsito bsico da cincia chegar teona, mventar e descobnr explt-
caes vlidas de fenmenos naturais.
Para tirar um pouco do mistrio da palavra, vamos examinar um
exemplo fictcio de uma "peque!la teoria", cujo a
realizao escolar. Vamos relac10nar quatro -
situaco econmica familiar, classe social e motlvaao para a reahzaao
- c;m realizaco escolar de tal forma a "explic-la" satisfatoriamente.
Para isso, vaffi'os usar a idia de influncias diretas e indiretas. Os
estudantes universitrios diferem muito quanto ao sucesso na faculdade
e queremos explicar essas diferenas. Por que alguns estudantes se saem
bem e outros nem tanto? Suponhamos que podemos medir todas as
vari'reis satisfatoriamente. A "pequena teoria" dada em forma de
diagrama na figura 1.3.
8
8 Este exemplo parcialmente realista, parcialmente fictc!o. O leitor. no
tom-lo como "teoria estabelecida". Embora se saiba n:mto .a
zao, em cursos superiores e em outros contextos, mmta co1sa nao f1cou
compreendida. As teorias na cincia comportamental podem se: tenta-
tivas de desbastar nossa ignorncia. Neste sentido o exemplo nao e artlftcral.
18
\
Na teoria, duas vanaveis, inteligncia e motivao para a realiza-
10 so influncias diretas ; acredita-se que ambas influenciem a reali-
i': lo escolar sem passarem pelas outras
dlretas so mostradas pela figura 1.3: as setas de mtehgencta e mottva-
o para a realizao vo para realizao na . .
que as outras duas variveis, situao econmica famihar e classe soctal,
tenham influncia indireta na realizao escolar; elas "atravessam" a
motivao para a realizao. Acredita-se, por exemplo, que em. ger_al ,
uanto mais afluente a famlia, maior a motivao para a reahzaao.
Igualmente a classe social influencia a motivao para a realiza?: ra- ,
pazes e moas da classe mdia tm maiores
progredir que os jovens das classes trabalhadoras. A ..
de sua influncia direta na realizao escolar - quanto mawr a mtelt- ..
gncia, maior a realizao - tem indireta n.a ...,.
lar atravs da motivao para a reahzaao: quanto mawr a mtel!gencta,
maior a motivao para a realizao. .
Temos ento uma teoria da realizao escolar, que pode ser boa , .-. _ ,
ou ni, dependendo de quo bem explique a realizao escolar. B bas-
tante testvel. Todas as variveis so suscetveis de mensurao satisfa- 1 _
tria (embora uma teoria no tenha necessariamente que ter apenas ;:
variveis mensurveis) e h tcnicas analticas que podem permitir testes !_,
bastante claros das relaes especificadas na teoria. ; ;
Outras finalidades da cincia, alm da teoria e explicao, foram .::'
propostas. No precisamos elaborar as mais tcnicas destas, pois geral-
mente j so dedutveis da teoria como propsito. H um alegado pro-
psito da cincia, entretanto, que d muitos problemas e que confundiu
um bocado a compreenso clara da finalidade da cincia. Essa alegada
finalidade est contida em afirmaes como as que se seguem, todas
elas estreitamente relacionadas: "A finalidade da cincia . melhorar c
destino do homem"; "A finalidade da psicologia e sociologia ajudar
a melhorar a sociedade humana"; "A finalidade da pesquisa educacional
melhorar a prtica e o pensamento educacional". Sem dvida, os
sentimentos por detrs de tais afirmativas so fortes - e no de se
admirar. Parece bvio que a finalidade da cincia melhorar o destino
do homem; parece to auto-evidente!
A confuso, sem dvida, surgiu porque os efeitos dos progressos
cientficos muitas vezes aumentaram o bem-estar do homem - mas
tambm feriram o bem-estar humano - principalmente atravs de aper-
feioamentos tecnolgicos possibilitados por pesquisas e descobertas
cientficas desinteressadas. Mas isto no significa que o propsito da
cinica seja melhorar o bem-estar humano, assim como seu propsito
11 o ajudar a promover guerras. Uma interpretao mais exata que a
melhoria da vida .pode ser subproduto da cincia, um produto afortu-
nado, emb01a no necessrio das descobertas e do trabalho cientfico.
19
H um parodoxo aqui. Parece bvio que o propsito da cincia
melhorar a humanidade. Entretanto, uma posio perigosa porque
conduz, entre outras coisas, a distores. As distores resultam de duas
ou trs razes. Uma, a mistura de forte compromisso e a exigncia de
programas sociais e polticos, por um lado, e a pesquisa cientfica de
problemas de tais programas, por outro, parecem induzir preconceitos
e o que foi chamado percepo seletiva. Isto significa que vemos o que
desejamos ou precisamos ver em vez do que realmente existe. Esta
tendncia to forte que quase cheguei ao ponto de pensar que cien-
tistas comportamentais no deveriam pesquisar coisas que advogam
apaixonadamente. Ou melhor, quando pesquisarem, devem criar e usar
salvaguardas excepcionalmente elaboradas contra suas prprias incli-
naes.
Uma segunda razo para distores que tendemos a confundir
misses sociais e cientficas e isto leva a distorcer o que vemos, a des-
gastar nossa objetividade e, mais importante, nosso compromisso com
a objetividade. O desgaste do compromisso com a objetividade peri-
goso para um cientista, pois, como j ficou dito, uma
__cientficajnconfl,lJlilivel indispensvel. . Sua
a prjrrja ciqcia.
Voltando ao argumento principal, cientfica
Os resultados de pesquisas cientficas poaem
e so usados tanto para bons propsitos quanto para maus. Fazemos uso
de bombas atmicas, instrumentos de destruio baseados na teoria
cientfica, pesquisa em fsica e campos relacionados; usamos tambm
descobertas atmicas para a dessalinizao da gua, para a criao de
energia praticamente ilimitada, e assim por diante. Bondade e maldade,
melhora e deteriorao, felicidade e sofrimento humanos, so assuntos
para as pessoas que resolveram fazer certas coisas que tm boas ou ms
conseqncias, que melhoram ou pioram as coisas, que promovem a
felicidade humana ou que aumentam seu sofrimento. Naturalmente os
resultados da cincia podem ser usados para ajudar a tomar tais deci-
ses, e os cientistas, como seres humanos, podem participar na tomada
de decises, mas a cincia em si, estritamente falando, no tem nacla
a ver com as decises. Isto porque a preocupao da cincia - e a
nica atividade humana em larga escala cuja preocupao to desin-
teressada apenas compreenso e explicao de_jep-
menos naturais .
............. ' . --
Enfatizo fortemente a finalidade da cincia desta forma porque a
concepo errada exposta acima, levada ao extremo lgico de colocar
o bem-estar humano como finalidade fundamental da cincia, conduz
finalmente a um desgaste da prpria cincia e conseqente diminuio
da compreenso dos fenmenos fsicos e humanos. O ltimo captulo
20
d te livro examinar novamente este problema com mais detalhes. O
lll tivo por que o propsito da cincia como teoria foi enfatizado aqui
' que a tentativa de sua aceitao a esta altura muito nos ajudar a
mpreender o contedo deste livro. Esta nfase nos manter ligados
sncia e natureza da cincia e no nos permitir sermos distrados
por consideraes estranhas. Por exemplo, se falarmos do chamado
ubaproveitamento de crianas brilhantes, vamos poder focalizar a com
preenso do aproveitamento ao invs de remdios especficos para o
Jl'Oblema. Ao fazer isto, naturalmente, j teremos assumido que a com-
I reenso cientfica do problema pode aumentar as possibilidades nossas
dos outros de encontrar solues prticas para o problema.
21
2. Conceitos comportamentais cientficos e
definies
Uma das maiores dificuldades ao abordar um assunto novo o seu
No se in-ventam e se usam palavras novas apenas; velhas
palavras sao usadas de maneira nova e diferente. Este naturalmente
o caso_ na cincia. Teremos que nos familiarizar com te;mos e expresses
que sa? usados na pesquisa psicolgica, sociolgica e
educaciOnal. A fmahdade deste curto captulo promover esta fami-
liaridade.
As definies raramente so interessantes para o leitor mas so
essenciais porque virtualmente impossvel conversar inteliientemente
sobre cincia e pesquisa - ou sobre qualquer campo complexo - sem
usar termos abstratos e tcnicos desconhecidos do leitor. Os cientistas
comportamentais usam termos como "amostra casual", " varivel inde-
pendente", "manipulao experimental" e "significncia estatstica". Ao
passo que tais expresses so familiares e fceis para o cientista, podem
ser estranhas, perturbadoras e mesmo assustadoras para o leigo. Assim,
elas podero ser uma forte barreira para a compreenso de um livro
con:o. este. O tru_que d.e costume, usado para resolver o problema,
defmu os termos a med1da que forem aparecendo. Na pesquisa compor-
tamental, entretanto, h termos demais, usados quase todos de uma vez.
Assim, alm de definirmos os termos medida que formos avancando
inclumos este captulo de definies no incio do livro. '
Variveis
A termo "varivel" seja o mais usado na linguagem da
c1encia comportamental. literalmente impossvel escapar dele. Por
exemplo, pretendi escrever o captulo 1 sem nenhum termo tcnico. No
foi possvel: tive que usar "varivel" junto com uma ou outra palavra
tcnica. O termo "varivel" um conceito ou "constructo" como dizem
os psiclogos. Um naturalmente, um que repre-
senta uma classe de objetos: homem, sexo, agresso, habilidade verbal
classe social, inteligncia e conformidade, so exemplos. fcil percebe;
que "homem" significa organismo de duas pernas, que fala, escreve e
22
1lgumas vezes exibe inteligncia. No fcil ver o que "agresso" repre-
nta. Para o psiclogo, "agresso" pode significar um estado interior
que predispe a pessoa a certos tipos de comportamentos chamados
"ngressivos". Para o pesquisador psicolgico, entretanto, "agresso"
ignifica tipos diferentes de comportamentos que tm as caractersticas
de ferir outros ou a si prprio, fsica e psicologicamente. Devem ser
bastante especficos; devem definir "agresso" especificando de alguma
forma o que so comportamentos "agressivos". Fazem isto para poderem
medir ou manipular a "agresso". A idia de "varivel" deve ficar clara
depois que examinarmos tipos e exemplos de variveis.
Variveis categricas, medidas e manipuladas
Quando alguma coisa pode ser classificada em duas ou mais cate-
gorias, pode ser uma varivel. "Sexo" uma varivel, o tipo de varivel
mais simples porque existe apenas em duas categorias, mascuJina e femi-
nina. "Preferncia religiosa", "preferncia poltica", e "classe social"
so variveis com mais de duas categorias. Tais variveis so chamadas
variveis categricas. Tm por caracterstica o fato de todos os membros
de uma categoria - todos os do sexo feminino, por exemplo - serem
considerados iguais no que diz respeito quela varivel. Outros exemplos
so nacionalidade, raa, escolha ocupacional.
Se uma propriedade de objetos pode ser medida, ela pode ser uma
varivel. Ser "medida", por ora, significa que algarismos podem ser
atribudos a pessoas diferentes ou objetos diferentes com base na posse
de quantidades de alguma propriedade ou caracterstica. Altura e peso
so exemplos fceis e bvios. Mas podemos atribuir os algarismos
1, 2, 3, 4 e 5 a determinadas crianas com base em sua suposta ansie-
dade, 5 significando muita ansiedade, 4 uma boa quantidade de ansieda-
de e assim at 1, que significa pouca ansiedade. Se pudermos fazer
isso, temos a varivel "ansiedade". Em termos de senso comum, varivel
algo que varia. Ou pode ser dito que uma varivel uma propriedade
que assume valores diferentes. Um psiclogo, por exemplo, pode atribuir
a diferentes crianas valores diferentes, dependendo de sua posse de
quantidad_es diferentes de habilidade verbal. Para isso ele pode usar
um teste de habilidade verbal e atribuir criana nmeros de 10 a 50.
sendo que 10 significa baixa quantidade de habilidade verbal e 50, alta
quantidade. A varivel "sexo" foi mencionada acima: pode-se atribuir
1 ou O aos indivduos, dependendo de serem . homens ou mulheres.
Mesmo atribuindo-lhe somente dois algarismos, 1 e O, sexo uma
varivel.
Na discusso. do estudo de Clark e Walberg no primeiro captulo,
o reforamento foi "manipulado" como uma varivel experimental, dando
23
a um grupo de crianas um reforamento macio e a um sgundo grupo,
reforamento regular. Esta manipulao, com efeito, cria uma varivel.
Sempre que os pesquisadores preparam condies experimentais, eles
criam variveis. Ns chamamos tais variveis variveis experimentais ou
variveis manipuladas. Pode-se demonstrar que elas satisfazem a defini-
o dada acima, embora no faamos isto aqui.
H, ento, trs tipos gerais de variveis na pesquisa comporta-
mental: variveis categricas, variveis medidas e variveis experimen-
tais ou manipuladas. O reforamento, no estudo de Clark e Walberg, ,
como ficou dito, uma varivel experimental. Classe social (classe mdia
e trabalhadora) no estudo de Miller e Swanson sobre classe social c
criao dos filhos, descrito no captulo 1, uma varivel categrica.
Exemplos de variveis medidas so inteligncia, ansiedade, autoritarismo,
'l' aptido verbal e realizao escolar. So chamadas variveis medidas
porque so "medidas" com um teste ou outro instrumento que produz
resultados que vo de altos a baixos.
Variveis dependentes e independentes
Dois termos que so bastante usados em pesquisa comportamental
e neste livro so "varivel independente" e "varivel dependente". Uma
varivel independente uma varivel que se supe influenciar outra
varivel, chamada varivel dependente. Quando dizemos: "O refora-
menta aumenta a aprendizagem."; reforamento a varivel indepen-
dente e aprendizagem a varivel dependente. Os cientistas fazem pre-
dies a partir de variveis independentes para variveis dependentes.
Eles dizem, por exemplo, "Se os professores elogiarem as crianas, o
trabalho escolar das crianas melhorar".
A varivel independente numa pesquisa o antecedente; a varivel
dependente o conseqente. Os termos vm da matemtica. Sempre
que uma equao matemtica ou estatstica escrita, a varivel depen-
dente fica esquerda da equao e a independente direita. Por exem-
plo, uma equao muito usada pelos pesquisadores comportamentais:
y = a + bx. Aqui y a varivel dependente e x a independente.
como dizer, embora mais precisamente, "Se x, ento y". Com o problema
de Clark e Walberg, diramos "Se reforamento (x), ento realizao
(y)". (a e b na equao so constantes cujos valores so determinados
pela pesquisa. Seu significado e uso sero explicados mais adiante.)
Quando so desenhados grficos, como veremos mais adiante, a varivel
independente o eixo horizontal (das abscissas) e a varivel dependente
o eixo vertical (das ordenadas).
24
Outros tipos de variveis
H outras classificaes de variveis, mas geralmente no so to im-
portantes quanto as dadas no item anterior. Mas j que so usadas na bi-.
bliografia e na conversao dos pesquisadores comportamentais, os leito-
res devem se familiarizar com elas. A primeira destas classificaes carac-
teriza variveis de acordo com o campo em que so usadas: variveis
psicolgicas, variveis sociolgicas, variveis econmicas e assim por
diante. Inteligncia, ansiedade e conformidade so variveis psicolgicas;
classe social, escolaridade (nmero de anos de freqncia escola, por
exemplo) e profisso do pai, so variveis sociolgicas; renda, produto :5
nacional bruto e lucros so variveis econmicas. Outras possibilidades ")
so variveis polticas, antropolgicas e fisiolgicas. As variveis na 'J <
pesquisa educacional so principalmente psicolgicas, sociolgicas e (
scio-psicolgicas. Por exemplo, a realizao, a aptido verbal, motivao
para a realizao e nvel de aspirao so psicolgicas; classe social,
escolaridade dos pais, nvel de escolaridade e profisso do pai so sacio- ;_:
lgicas. 1- ....-.:;
Outra maneira de distinguir as variveis atravs de disciplina ::1 ::;
de um campo. Em psicologia, por exemplo, ouve-se falar de variveiiQ
de personalidade (introvertido-extrovertido, agressividade,
mo), variveis fisiolgicas (reflexo psicogalvnico, transpirao palma9:
batida cardaca), variveis scio-psicolgicas (conformidade, pressl
grupal, coeso) e assim por diante. Mas tais distines no parecem
muito importantes. Sem dvida, algumas . vezes difcil classificar as
variveis desta forma porque elas podem pertencer simultaneamente a
duas ou trs categorias.
Normalmente no possvel estudar fenmenos e relaes entre
fenmenos sem definir e usar diversas variveis. Para estudar a realiza-
o escolar de crianas, por exemplo, os pesquisadores precisam "criar"
a varivel "realizao". Isso significa que eles precisam definir e medir
essa varivel; devem atribuir algarismos ao aproveitamento escolar de
crianas diferentes. A importncia da idia de varivel e da idia conco-
mitante de variabilidade, variao ou varincia (ver abaixo) no pode
ser superenfatizada.
Uma varivel, ento, conceito com um signi-
ficado es ecificad "construdo" dado por um pesq!lisador. Uma vari-
vel pde tambm ser vista_ com_9_ ou um smbolo ao qual se
atribui valores, os vlQres diferentes indicalld quantilaesugraus da
varivel descrit;-pelo nome ou smbolo. Assim,- inteli-gncia e onfor-
Itismo e X ey so Vlriveis se se atriburem valores (algarismos) a eles
istematicamente.
25
Relaes
"Relao" provavelmente a palavra mais fundamental em cincia.
Ela ser usada amplamente em todo este livro. Grande parte do cap-
tulo 4 ser dedicada a definir o termo, explicando seu significado e
dando exemplos de seu uso. Por enquanto, usaremos uma definio mui-
tssimo simplificada. R.!!_lao _ um "ir junto" de duas variveis: o
que as duas variveis tm em comuffi. -A idia- comparativa: uma
relao _ uma lii@_o entre
Dizemos que h uma relao positiva entre, por exemplo, inteligncia
e realizao escolar ou entre classe social e renda, ou ainda entre auto-
ritarismo e preconceito. Isto significa que crianas de maior inteligncia
se saem bem na escola e crianas menos inteligentes tendem a se sarem
menos bem (embora haja muitas excees); que as classes sociais mais
altas recebem maiores rendas que as mais baixas; e que quanto maior
o autoritarismo, maior o preconceito. H, ento, uma ligao, um elo,
estes trs pares de variveis. Em cada par, uma poro de ada
varivel comum a ambas. Voltando figura 1.1, podemos ver o de-
senho da idia da parte comum de duas variveis. A parte superposta
dos dois crculos mostra que h algo em comum nas duas variveis.
Estudos e experimentos
Quando os cientistas fazem determinada pesquisa, diz-se que fize-
ram um "estudo". Estudo, ento, uma palavra geral abrangendo qual-
quer tipo de pesquisa. Diz-se, por exemplo, "Fizeram um estudo sobre
inteligncia e realizao escolar na Inglaterra, Frana e Estados Unidos";
"Ele estudou a influncia da ansiedade no desempenho de crianas su-
burbanas em testes"; "Ela fez um estudo sobre os fatores de autorita-
rismo e dogmatismo"; "O estudo experimental de Clark e Walberg
sobre o efeito do reforcamento na realizaco em leitura entre criancas
negras foi severamente Observe' ento que "estudo" se
tanto a investigaes experimentais quanto no-experimentais e a tipos
diferentes de pesquisa.
A maioria das pessoas pensa que sabe o que um experimento:
uma coisa que os pesquisadores fazem em laboratrios com equipa-
mento esotrico. A verdadeira natureza do experimento obscurecida
por idias vagas e estereotipadas como esta. Embora os experimentos
sejam feitos na maioria em laboratrios, podem ser feitos em outros
lugares - em escolas, lares, fbricas e at nas ruas. Mais importante,
um experimento propriamente dito tem duas caractersticas bsicas. Uma
delas uma caracterstica que todo experimento deveria ter: designao
aleatria dos sujeitos para os diferentes grupos experimentais. Isto quer
26
dizer, simplesmente, que os SUJettos so designados para os grupos
x perimentais de tal forma que qualquer um possa se tornar membro
de qualquer grupo, sem ser possvel dizer de qual grupo ele participar.
possvel fazer-se um experimento sem designao aleatria, embora
no seja desejvel. Vamos deixar o assunto de designao aleatria para
o captulo 6, porque o assunto exige explicaes mais completas e
detalhadas.
A segunda caracterstica bsica de um experimento foi mostrada
no captulo 1 - manipulao. Agora podemos ser mais precisos: mani-
pulao de variveis independentes. (Variveis dependentes quase nunca
so manipuladas.) Repet11 rlo: isto siRniticll cme o pesquisador faz coisas
diferentes com grupos diferentes de indivduos. Suponhamos que eu
ensine quatro grupos de alunos do quarto ano com quatro mtodos dife-
rentes. Isto uma manipulao. Suponhamos que eu queira estudar os
efeitos dos tipos de tomada de deciso na produtividade do grupo. Tenho
um grupo de 90 pessoas que divido em 3 grupos de 30, denominando-os
A,, A2 e A3. As pessoas do grupo A1 tero o mximo de oportunidades
de participar das decises do grupo (as quais so uma parte da manipu-
lao), as do grupo A2 uma ou outra oportunidade de participar,
e as do grupo A3 nenhuma oportunidade. Isto tambm uma ma-
nipulao.
A manipulao experimental varia da mais simples mais com-
plexa. A manipulao da varivel independente de Clark e W alberg foi
simples: dois grupos, um recebendo reforamento macio, o outro, re-
gular. Para que o leitor no pense que toda ou mesmo a maioria das
manipulaes se limitam a dois grupos, examinemos uma ligeira exten-
so da manipulao at trs grupos. Aronson e Mills (1959), num inte-
l'essante experimento scio-psicolgico, testaram a idia de que quanto
mais dificuldade se encontrar para entrar em um grupo, mais os mem-
bros deste grupo daro valor a ele. Os membros de um grupo receberam
uma iniciao severa. os de outro, uma iniciaco suave e aos membros
do grupo restante no se exigiu nada para tornarem membros do
rupo (o "grupo de controle" ). (A manipulao incluiu a leitura, por
jovens do sexo feminino, de palavras que variavam em termos de
bscenidade.) Foi predito que os membros do primeiro grupo valoriza-
riam mais a participao no grupo, os membros do segundo, um pouco
menos, e os do terceiro - o grupo de controle - valorizariam menos
oinda. (A exoectativa foi rnntlrmada pelns resultados.) Isto tambm
uma manipulao: foram feitas coisas diferentes sistematicamente com
s trs grupos. As virtudes e outras caractersticas deste poderoso mtodo
de obter conhecimento sero exploradas mais tarde. Veremos tambm
1ue perfeitamente possvel manipular mais do que uma varivel inde-
1 cndente por vez.
27
H vrios tipos de estudo cientfico. Um experimento apenas um
deles. Todos os outros so no-experimentais. Um levantamento de
opinies no-experimental. Assim toda a investigao das relaes
entre variveis quando no h manipulao. O estudo de Miller e
Swanson sobre classe social e criao de filhos um exemplo. No
foi um experimento porque no houve manipulao de uma vari-
vel independente. Freqentemente a distino mal entendida. Estudos
que so no-experimentais so s vezes chamados experimentos. Entre-
tanto, a distino muito importante porque as concluses de um expe-
rimento bem conduzido geralmente so mais fortes do que as concluses
de um estudo bem conduzido que no seja um experimento. Voltaremos
a esta distino no captulo 8.
Dados
Os cientistas usam comumente a palavra " dados" (data) e sabem
muito bem o que ela significa.
1
O leigo poder se confundir com a
palavra, porque nem sempre fica claro o que se quer dizer com ela.
A palavra "dados" significa alguma coisa dada ou aceita como dada,
da qual se podem fazer inferncias. Por exemplo, algum me diz que 60
por cento do povo da Blgica a favor do Mercado Comum, mas que
apenas 40 por cento do povo da Inglaterra a favor. Ento tenho
dados que me permitem fazer uma inferncia ou duas e at mais: o
povo da Blgica aprova o Mercado Comum mais do que o povo da
Inglaterra (outras coisas sendo iguais, claro); o apoio ao Mercado
Comum no muito forte na Blgica e Inglaterra. Neste exemplo, as
percentagens definidas so dados que permitem certas inferncias. Mas
dados no se limitam a resultados nmericos ou estatsticos. Material
verbal, como editoriais de jornais ou redaes infantis, podem ser consi-
derados dados.
Os cientistas, ento, geralmente usam a palavra "dados" para se
referirem a resultados obtidos em pesquisas, embora nem sempre resul-
tados numricos e estatsticos, dos quais tiram concluses e inferncias.
Eles podem dizer: "Os dados indicam que, quanto mais severa a inicia-
o, mais as pessoas valorizaro sua participao no grupo". Querem
dizer que alguma espcie de resultados quantitativos - por exemplo,
as mdias dos pontos nos trs grupos do experimento de Aronson e
Mills - foram tais que permitiram fazer a afirmativa.
T "Data" uma dessas palavras curiosas que realmente plural - o singular
" datum" - mas s vezes tratada como singular. O uso no plural sempre
prefervel.
28
Apesar de seu uso especfico, "dados" tambm se refere a quase
qualquer evidncia obtida em pesquisas. Pode-se at afirmar que_"dad?s"
c "evidncia" so usados quase como sinnimos. As observaoes feltas
por ministrios de educao e anotadas sob determinada forma so cha-
madas "dados". Sadas de computador so chamadas "dados". Pontos
obtidos em testes so chamados "dados".
Medid.as, pontos, testes, escalas
Constantemente os cientistas comportamentais precisam obter esti-
mativas quantitativas das magnitudes de propriedades ou caractersticas
apresentadas por grupos ou indivduos. Eles obtm tais estimativas,
em primeiro lugar, para poderem avaliar a magnitude de relaes entre
as variveis. Dados brutos- respostas a perguntas, descrio do compor-
tamento das pessoas atravs da observao, coisas deste tipo - geral-
mente precisam, de alguma forma, srem convertidos em nmeros. Os
nmeros, que presumivelmente mostram os dados brutos de forma redu-
zida, so, ento, tratados de forma que as relaes entre os nmeros e
assim entre as caractersticas possam .ser estudadas.
Estimativas quantitativas da magnitude de uma propriedade ou ca-.
racterstica de grupos ou indivduos s chamadas medidas. Medidas
obtidas em testes so chamadas pontos (scores). "Medida" uma palavra
mais abrangente do que "ponto", embora pontos sejam medidas.
Um teste um procedimento sistemtico no qual os indivduos so
colocados diante de um conjunto de estmulos construdos. chamados
itens, aos quais reagem de uma forma ou de outra. As respostas possibi-
litam ao aplicador do teste atribuir pontos individuais ou nmeros indi-
cando o grau em que o indivduo possui certo atributo ou propriedade
ou at que grau "conhece" a coisa que foi testada. Falamos sobre testes
de inteligncia, testes de realizao, testes de aptido e muitos outros
tipos.
Uma escala como um teste, s que lhe falta o aspecto competitivo
do teste. A palavra " teste" tem um sabor de sucesso ou fracasso: a pa-
lavra "escala", no. um instrumento construdo de modo que nmeros
diferentes podem ser atribudos a indivduos diferentes para indicar
quantidades diferentes de algum atributo ou propriedade. H escalas
para medir atitudes, valores, compu1sividade, rigidez, interesses, precon-
ceito e muitas outras.
Variao e varincia
Um conceito estatstico fundamental na pesquisa cientfica "va-
dRncia". :e fundamental porque os fenmenos s podem ser comparados
29
e relacionados atravs das suas variaes. O que significa esta afirmao
ligeiramente estranha? Virtualmente nenhum conhecimento cientfico
1
.
seria possvel se o fenmeno no variasse. O psiclogo no poderia
estudar a inteligncia se a inteligncia das pessoas no variasse. O soci-
logo no poderia estudar classes sociais e suas relaces com outras
variveis se as pessoas e grupos no diferissem em sociais. Diz-se
que um grupo de pessoas, por exemplo, alunos de quarta srie, alta-
mente varivel em inteligncia. Outra maneira de dizer isto : a varincia
de inteligncia da classe grande. Por outro lado, a varincia de inteli-
gncia de um grupo de candidatos ao doutorado pode ser pequena. Se
por ora o leitor puder confiar na veracidade destas afirmaces sobre
variao, vamos apoiar esta .-.onfiana con. razes em captulo
posterior.
. Embora no se discuta bastante estatstlca neste livro, imperativo
que conheamos alguns termos estatsticos e seu significado geral.
"Varincia" um termo tanto estatstico quanto geral. geral enquanto
significa a variabilidade do fenmeno, como discutido acima. Os cien-
tistas comportamentais usam-no muito desta forma. "Varincia" tam-
bm uma medida estatstica que expressa a variabilidade de qualquer
conjunto de medidas, e, assim, indiretamente, de qualquer conjunto de
indivduos.
2
Os cientistas comportamentais falam muito sobre a va-
rincia de um fenmeno ou sobre a varincia de uma varivel afetada
pela varincia de outra varivel. O pesquisador educacional poder per-
guntar: "Quanto da varincia de realizaco devida varincia de inte-
ligncia, varincia de motivao, varncia de background familiar? "
Isto simplesmente uma maneira resumida e semi tcnica de dizer: "As
crianas de alto grau de inteligncia tm alta realizao e as crianas de
inteligncia inferior tm baixa realizaco? As criancas com alta motiva-
o se saem bem e as crianas com motiva; no se saem bem?
Crianas de ambiente familiar favorvel se saem bem, enquanto
crianas de ambiente familiar desfavorvel no se saem bem?
Esta uma maneira de dizer que as variveis cavariam, variam
juntas de modos sistemticos. Assim, os pesquisadores falam freqente-
mente em covarincia, um termo tcnico que significa a varinca com-
partilhada por duas ou mais variveis. Olhe novamente para a figura 1.1.
A parte sombreada representa a covarincia ou a varincia compartilhada
pelas duas variveis.
Olhe os nmeros na tabela 2.1. Os dois grupos de nmeros em I
covariam perfeitamente. Os dois grupos de nmeros, a e b, so os
mesmos: para um nmero alto em a, h um nmero alto em b; para
2
Uma discusso tcnica e geral do termo, das idias por detrs dele e de como
usado, pode ser encontrada em Kerlinger (1973, cap. 6).
30
'l'nbeLa 2.1 Trs conjuntos de pares de postos * expressando covarincias e
I' loes diferentes.
ti
I
2
i
4
5
Alto
Positivo
b
1
2
3
4
5
II
a
2
3
4
5
Alto
Negativo
-- --
III
b a b
5 3
4 2 5
3 3
2 4 4
5 2
Baixo
" "Posto" (rank): lugar em uma ordenao. O posto 1 corresponde ao primeiro
colocado, o posto 2 ao segundo, e assim por diante. (N. do Revisor Tcnico.)
um nmero baixo em a, h um nmero baixo em b. H uma relao
alta e positiva entre os dois grupos de nmeros . Os grupos de nmeros
sob II tambm covariam perfeitamente- mas em direes opostas: para
um nmero alto em a h um nmero baixo em b, e para um nmero
baixo em a h um nmero alto em b. H uma relao alta e negativa
entre a e b. Vejamos agora lll. No possvel fazer qualquer afirmativa
sistemtica sobre a relao entre a e b. Elas esto, como se diz, no-
relacionadas. Ou se diz que a relao o que significa, alis, a
incapacidade de dizer alguma coisa sobre os. nmeros b, conhecendo
os nmeros a. O leitor dever tentar traduzir estes grupos de nmeros
para um exemplo realista. Por exemplo, fazer afirmativas sobre I, II e
lU, usando inteligncia e realizao em vez de a e b.
A palavra " varincia" muito usada na moderna cincia compor-
tamental e vamos ter que us-la muito neste livro. O motivo simples:
no possvel esclarecer e compreender modernas abordagens pesquisa
e anlise sem a idia bsica geral de variao e a idia mais tcnica
de varincia.
Probabilidade
Um dos maiores bloqueios compreenso e apreciao da pesquisa
comportamental uma espcie de anseio geral por certeza. Viver com a
incerteza parece muito duro para ns. Infelizmente o anseio pela certeza
ajuda demagogos, pessoas autoritrias, falsos religiosos e predadore>
famintos a porque eles oferecem certeza. Eles freqente-
mente nos do a oportunidade de escaparmos da insuportvel sensao
31
de desassossego e ansiedade em ns induzidos pela incerteza do nosso
mundo. Eles nos oferecem um credo ou uma pessoa a seguir cegamente,
com promessas de grandes recompensas.
A cincia e a pesquisa comportamental no nos oferecem certeza.
(Nem a cincia natural!) No oferece nem mesmo certeza relativa.
Oferece apenas conhecimento probabilstico: Se A for feito, ento pro-
vavelmente B ocorrer. A afirmativa usada antes, " A frustrao leva
agresso.", na verdade incorreta. Uma afirmativa mais correta : "A
frustrao provavelmente leva agresso". Uma maneira de definir a
pesquisa comportamental pode ser dizer que ela um meio de ajudar a
reduzir a incerteza. A pesquisa emprica jamais pode nos dizer que
alguma coisa certamente assim. Pode, entretanto, dizer: " As probabi-
lidades de tal coisa ser assim ou _ so de 70 para 30".
A probabilidade e o pensamento probaoliisL{-:.o so o ncleo da
moderna cincia e pesquisa comportamental. Infelizmente, difcil defi-
nir a probabilidade satisfatoriamente. Vamos usar uma abordagem
intuitiva, como sempre, mas o leitor fica avisado de que pode desa-
gradar os especialistas. A probabilidade de um acontecimento o nmero
de casos "favorveis" dividido pelo nmero total de casos (igualmente
possveis). ("Caso favorvel" significa qualquer resultado estipulado ou
previsto.) Seja f = nmero de casos favorveis. E p = nmero de
casos favorveis dividido pelo nmero total de casos, N. Seja o caso
favorvel ocorrncia de cara no lanamento de uma moeda. Ento p
a proporo de caras em N lanamentos, ou p = f/N. J que h duas
possibilidades no lanamento de uma moeda, p = 1/2. O caso ou evento
favorvel pode ser o 6 do dado. Ento, p ;::: 1/6: a probabilidade de
ocorrer um 6 1/6. Se houver 50 homens e 50 mulheres em determinada
amostra de 100 pessoas, a probabilidade de escolher um homem (ou
mulher) 50/100 = 1/2 (num processo de seleo imparcial).
Isto tudo muito simples. Mas a probabilidade pode ser complexa.
Nossa preocupao aqui, entretanto, apenas com a compreenso preli-
minar e intuitiva. Em geral, o leitor precisa compreender que todos os
enunciados cientficos so probabilsticos. Sempre h incerteza. As cin-
cias naturai s oferecem maior certeza do que as comportamentais. Alis,
todas as disciplinas cientficas so mais ou menos incertas. Todas as afir-
mativas, em outras palavras, vm acompanhadas com um valor p implcito
ou explcito. por isso que a bibliografia da cincia comportamental
fala tanto em "tendncias".
O leitor no dever ficar muito preocupado se no apreendeu com-
pletamente os termos e expresses dados acima. Leva-se tempo para
acostumar-se a eles. O que precisamos a esta altura uma familiaridade
geral. As lacunas sero preenchidas mais tarde. Em todo caso, agora
temos suficientes definies para continuarmos com a discusso principal.
32
3. Problemas, hipteses e variveis
.- __ ..,..__ _


h: f1.:..{" _ " .

Ao tentar resolver um problema, procuram-se solues alternativas, .--1:
meios diferentes de chegar-se ao ncleo do problema. Este processo de ,:5 -
pensamento geralmente incipiente, vago, confuso at. Geralmente no
se sabe para onde se virar, o que fazer. Esperam-se idias, principal-
mente uma boa idia. O mesmo acontece na pesquisa.
Para entender o que um problema na pesquisa cientfica com- ..
portamental, vamos primeiro ser negativos. Consideraremos ::_
que realmente no so problemas no sentido cientfico. Eles podem ser :3
chamados problemas de valor ou de engenharia. Eis alguns exemplos: :;
Como se pode conseguir melhorar a integrao? Qual o melhor j .:::.
caminho para se conseguir igualdade de oportunidades educacionais?:?.:
Qual o meio mais eficiente de se construir uma rede de rodovias
determinado estado? Como podemos ajudar a melhorar a sorte dos
pobres da cidade? O que torna um professor bem sucedido? Como
esto relacionadas a auto-atualizao e a ma!uridade da personalidade?
A razo principal por que nenhum destes problema cientfico que
nenhum deles, como propostos, pode ser testado empiricamente.
"Como a integrao?" um problema de engenharia.
O interlocutor quer saber como fazer alguma coisa. A construo de
rodovias e a questo dos pobres tambm so questes de engenharia. A
cincia no pode resolv-las porque sua forma e substncia so tais
que no possvel test-Ias: elas no afirmam nem implicam relaes
entre variveis. Elas perguntam, antes como fazer as coisas. A cincia
pode fornecer sugestes e inferncias sobre possveis respostas, mas
jamais poder responder a essas questes diretamente. A igualdade de
oportunidades educacionais uma mistura de questo de valor e ques-
to de engenharia: Qual o melhor caminho para se conseguir igualdade
de oportunidades educacionais?
Enquanto uma questo de engenharia pergunta como fazer alguma
coisa, uma questo de valor pergunta qual de duas ou mais coisas
melhor ou pior que outra, ou se alguma coisa sob considerao ,boa,
m, desejvel, indesejvel , ou moralmente certa ou errada. Questes de
valor contm palavras como "bom", " mau", "melhor", "desejvel",
33
"precisa", "deve". Elas pedem julgamento das coisas a serem avaliadas.
"Qual o melhor (mais eficiente, mais desejvel e assim por diante)
jeito de fazer isto ou aquilo?" uma questo de valor. Assim como "O
mtodo A melhor que o mtodo B para alcanar igual oportunidade
educacional?" As proposies ou enunciados de valor so semelhantes,
s que so sentenas afirmativas em vez de interrogativas. Exemplos:
"A avaliao dos professores, pelos alunos, ajudar a melhorar o
ensino"; " errada a discriminao contra as minorias"; "No matars";
"O professor precisa compreender as necessidades do aluno" . A quali-
dade de julgamento e os imperativos morais contidos nestas afirmativas
so bvios. Mais importante, no h modo de testar tais afirmativas
empiricamente. O enunciado " errada a discriminao contra as mino-
rias", por exemplo, no afirma relao ou implicao de relao entre
variveis que possa ser testada; apenas d um julgamento moral sobre
uma prtica social.
A cincia, como cincia, no pode ento dar respostas a questes
de engenharia e valor porque no pode testar tais proposies e mostrar
sua correo ou inconeo. Quando algum me diz que religio uma
boa coisa, eu s posso concordar ou discordar - amar ou odiar meu
interlocutor, fazer paz com ele ou lutar. No posso, como cientista,
sujeitar a afirmativa a um teste emprico, principalmente porque ela
contm um julgamento humano - algo "bom" - e a cincia e
sempre foi estpida em questo de julgar qualquer coisa.
Pode ser dito, por enquanto, que proposies testveis contm
variveis que podem ser medidas ou manipuladas ou que implicam tais
medies e manipulaes de variveis. Aqui esto trs proposies test-
veis, uma delas j bem familiar: "A frustrao produz agresso";
''Quanto maior a coeso de um grupo, maior influncia tem sobre seus
membros"; "As condies das favelas produzem delinqncia". Observe
que estes enunciados tm variveis que podem ser medidas ou mani-
puladas: frustrao, agresso, coeso de grupo, influncia, condies de
favela, delinqncia. Quando se diz que estes enunciados so testveis,
isso no implica que eles so "bons" enunciados que levam " boa"
pesquisa cientfica. A nica coisa que se quer dizer que de alguma
forma so capazes de ser provados corretos ou incorretos, pela evidncia.
Proposies de valor e de engenharia, ento, no so cietificamente
testveis. H outros tipos ele proposies que no so testveis e que
so muito difceis de ser categorizadas. Sua caracterstica comum parece
ser a falta de clareza e uma espcie de virtude. Eis alguns exemplos:
"A doena uma manifestao da vontade de Deus"; "As prticas e as
instituies democrticas combinam peculiarmente com o ethos do povo
americano"; "A harmonia racial depende da compreenso mtua"; "A
maturidade humana depende da auto-atualizao". Para o cientista, tais
34
enunciados tm pouco nu nenhum significado. Naturalmente, tm signi-
ficado para religiosos, polticos, pais, professores e novelistas, mas se
mantm alm do a1cance da cincia.
Tais questes, propostas desta forma, no so testveis, ou porque
lhes falta a forma de questes ou proposies testveis (que discutire-
mos mais tarde) ou porque a linguagem em que so expressas to
vaga que as torna cientificamente intratveis. Eis outro exemplo da
educao. um problema que, embora tenha intrigado e importunado
os pesquisadores de educao durante meio sculo, virtualmente
irrespondvel cientificamente, pelo menos desta forma: "O que faz um
professor bem sucedido?" Para muitos educadores, isto pode no parecer
um problema. Eles acham que sabem a resposta; acham que sabem o
que um professor bem-sucedido. At agora, entretanto, o problema
no foi resolvido - num sentido cientfico.
H diversas razes pelas quais ainda no foi resolvido. Para come-
ar, a questo intil porque no h o enunciado de uma relao entre
variveis. Portanto, no pode ser testada ou respondida cientificamente.
(Com toda a honestidade, talvez jamais seja respondida.) Por outro lado,
o problema extremamente complexo: tem inmeras facetas que no
so imediatamente aparentes, tornando-se difcil lidar com elas. Por
exemplo, o que se quer dizer com "bem sucedido"? Bem sucedido em
conseguir que os alunos aprendam, ser? Aprender o qu? O que signi-
fica " aprender"? O "sucesso" est ligado a certas caractersticas pessoais
e profissionais dos professores? Ao que os professores realmente fazem
em classe? s suas atitudes? "Bem sucedido" tambm implica "mal
sucedido". O que significa um professor ml sucedido? Este "mal su-
cedido" significa o oposto de "bem sucedido"? Ou diferente apenas?
Ou "mal sucedido" uma idia to complexa quanto "bem sucedido"?
Em resumo, temos aqui uma questo complexa cuja dificuldade
de se admirar, ento, que no tenha sido resolvida?
( ( Problemas _) .
Enrsentido geral. um problema uma uesto ue mostra uma
situao necessitada de di c ss._o ioxestigaco, deciso ou solu-o. En-
quan o esta definio geral carrega um significado que a maioria de
ns consegue entender, insatisfatria para finalidades cientficas por-
que no suficientemente definida. No diz ou implica o que os pesqui-
sadores devem fazer para responder questo que o problema apresenta.
Uma definio mais satisfatria : "Um problema uma questo que
pergunta como as variveis est rlcinaaas". J -
o estudo de Clark e W alberg delineado no captulo 1, o problema
de pesquisa pode ser apresentado: " O reforamento macio aumenta a
35
realizao em leitura entre crianas negras carentes?" O problema geral
do estudo de Miller e Swanson pode ser colocado: "Mes de diferentes /
classes sociais usam tipos diferentes de criao?" Um problema mais
especfico (Ver tabela 1.1) : "O tempo de desmame de crianas difere
nas classes mdia e trabalhadora?" Estes problemas so bem especficos;
e, naturalmente, podem ser apresentados de maneirr. mais geral.
H muitos anos Hurlock (1925) perguntou: " Qual o efeito de
diferentes tipos de incentivo no desempenho dos alunos?" Este problema
mais geral. Eis outro (Etzioni, 1964): "O conflito aumenta ou impede
a eficincia de organizaes?" Um interessante problema scio-psicol-
gico foi apresentado por Frederiksen, Jensen e Beaton (1968): "Como
o clima organizacional afeta o desempenho administrativo?" Berkowitz
(1959) fez esta importante pergunta: " Sob condies de deflagrao
de hostilidade, como o anti-semitismo influi no deslocamento da agres-
so?'" Ou, quando frustradas, pessoas altamente anti-semitas exibem
comportamentos mais agressivos em relao aos outros, que pessoas
menos anti-semitas?" Em seu importantssimo estudo inter-cultural sobre
"categorias naturais" de cognio, Rosch (1973) fez a seguinte pergunta:
"Prottipos naturais de cor e forma facilitam a aprendizagem de cate-
gorias de cor e forma?"
1
_ um problema de pesquisa cientfica em primeiro Jugar
''!"y-- uma questo, u s.e.t:1te.n<ra-em- torma___tnferrogauva. uma
questao que geralmente pergunta alguma coisa a respeito aas rela-es
etreenmenos ou variveis. !). resposta guesto 2rocur.ada na pes-
_qu1sa. C ark e Walberg, baseando-se em suas descobertas, puderam a ir-
mar que o .reforamento macio melhorava a leitura de crianas negras
carentes. Miller e Swanson puderam afirmar que as mulheres da classe
mdia tinham tendncia a desmamar seus filhos mais cedo que as mes
da classe trabalhadora.
Trs critrios de bons problemas de pesquisa e proposies de pro-
blemas podem ajudar-nos a compreender problemas de pesquisa. Pri-
meiro, o problema deve E .pre;ssa uma__t:elao duas ou mais
variveis. Pergunt: " est relacionado com B?" "Como A e B esto
relacionados com C?" Embora ha@_exc..e...f_es-Ueste_cr.itifiQ., so raras.
[. Segundo, ser apresentado em for_ma inte!!ogativa. A
interrogao tem a virtude de apresentar o problema diretamente. No
exemplo de Hurlock, dado acima, o problema apresentado diretamente
pela pergunta sobre a relao entre incentivos e desempenho.
O terceiro com lexo.
_ ... ..--tal que implzque poss1o1haa es e testagem empmca. (VeJa O Carater
1 Estas proposies de problemas nem sempre so apresentadas nas palavras de
seus autores originais.
36
Emprico da Cincia" no captulo 1.) Testagem empmca significa que
seja obtida evidncia real sobre a relao apresentada no problema.
Obter evidncia na questo incentivos-desempenho de Hurlock signi-
fica manipular (ou medir) incentivos, medir o desempenho do aluno e ava-
liar o suposto efeito do _incentivo sobre o desempenho. s vezes difcil
dizer claramente que o problema tem implicaes de testagem emprica.
Entretanto, preciso fazer a distino para que a pesquisa tenha possi-
bilidade de dar certo. As principais dificuldades com questes no-tes-
tveis so o fato de no serem enunciados de relaes ("O que o
conhecimento?" " Como se deve ensinar a ler?"), ou seus constructos ou
variveis serem difceis ou impossveis de definir de maneira a poderem
ser manipulados ou medidos. Isto geralmente funciona com questes de
valor e moral, questes que indagam sobre o certo e o errado das coisas,
suas qualidades ou defeitos ou sua desejabilidade ou indesejabilidade.
Vamos nos concentrar novamente em juzos de valor. Tomemos afirma-
tivas como: "A democracia o melhor de todos os sistemas de governo";
"Igualdade to importante quanto liberdade" e "O casamento bom".
So juzos de valor; no so testveis cientificamente. A no-testabilidade
de juzos de valor j foi discutida, mas a distino entre jzoSle valr
e enunciados empricos ou testveis to importante- que dev-em-os exa-
min-la de n-ovo um pouco mais- anliticamenk.
- rJizerque-alguma coisa m-:-melhor ou pior, dar um
julgamento humano. S o homem pode dizer que uma coisa boa ou
m - e no se discute. Nenhum rocedimento cientfico ode conter
resposta sobre a relahva eselbilidade. de uma coisa. As afirma- 'V'
tivas cientficas dizem simplesmente: "Se isto for verdaae, ento pro-
vavelmente acontecer aquilo"; "Se se frustram as pessoas, elas prova-
velmente agrediro outras, agrediro objetos ou elas prprias". Tais
afirmativas no tm comprometimento com virtude ou defeito, desejabi-
lidade ou indesejabilidade, valor moral ou falta de valor moral. Nem
podem fazer tal comprometimento. Na verdade, o cientista, como pessoa,
pode fazer tal julgamento - e pode ser sbio ou tolo como qualquer
um - mas ao fazer isto ele sai fora de seu papel de cientista.
neste sentido que a cincia neutra. No neutra por haver
alguma virtude especial em ser neutra. simplesmente a natureza da
cincia, que est em testar relaes empricas entre fenmenos ou vari-
veis - e, para fazer isto, exige que o fenmeno seja de natureza a ser
observado, manipulado ou medido. Enqyanto o cientista pode estudar
como valores, e sua relal com_ outros enmenos_ - - p.or
exemplo, ele a posse de certos_v.alor.es econmicps
inf uencia a maneira de as pessoas votarem "O ca italismo bom",
"'!\ propriedade "P'fiva a e sagra a") - ele no pode estudar proposi-
es que incluam julgamentos ticos ou morais. Simplesmente no h
' 37
maneira de chegar aos referentes empricos de palavras como "deveria",
"conviria", "bom", "mau" e "precisaria".
Hipteses
_l.Jrpa hiptese um en]lnciaili!_g mjetural
ou mais e r_elacioill!..m de
a!guma forma variveis_ a varivei.
2
<So_ enunciados relaes, e,
cQmo-:-9s implicar a testagem das
Problemas e _ hipteses s_o_ st;.melhantes. Ambos enunciam relaces, s
que o s ,_o interrogativas e as , hipteses
afirmativas. As vezes so quase idnticos em substncia. Uma diferena
importante, entretanto: as hipteses geralmente so mais especficas do
que os problemas; geralmente esto mais prximas das operaes de
tete e pesquisa. Muitos exemplos esclarecero isto pelo livro afora,
embora no seja fcil colocar regras estritas.
Eis algumas hipteses: "Quanto maior a coeso de um grupo, maior
sua influncia sobre seus membros" (Schachter, Ellertson, McBride
& Gregory, 1951); "Aprender coisa nova interfere com a lembrana de
coisas j aprendidas" (Lindsay & Norman, 1977, pp. 320-324); "Pri-
vao na infncia resulta em deficincia mental mais tarde" (Bennett,
Diamond, Krech & Rosenzweig, 1964). Observe que todas estas trs
hipteses so relaes e que sua testagem emprica est claramente im-
plicada porque as variveis coeso
de grupo e at privao na infncia) ou medidas (influl}cia, lembranca,
deJLnciamenTiil) ou '
Vamos tomar ltima: "Privao na infncia resulta em deficincia
mental .mais tarde". "Privao na infncia" a varivel independente.
Pode significar falta de alimento nos primeiros anos. Ou pode significar
uma falta prematura de amor ou afeio. Ou pode significar falta de
estimulao adequada - conversa, brinquedos, outras pessoas ou outros
animais, e assim por diante. Observe qtie pode ser uma varivel mani-
pulada: os animais podem ser privados sistematicamente de alimento,
afeto ou estmulo. Pode ser tambm uma varivel medida: determina-
mos, por exemplo, a magnitude de privao que teve uma criana ou um
adulto nos seus primeiros anos, talvez perguntando a ele e a seus pais.
Evidentemente, "privao nos primeiros anos" acessvel empiricamente.
"Deficincia mental" tambm acessvel empiricamente. Pode ser me-
2
Como j mencionado, h excees ao requisito de relao. Por exemplo,
algumas pesqu1sas procuram descobrir as dimenses ou fatores subjacentes a muitas
variveis. Hipteses re!acionais podem no ser usada em tais pesquisas.
38
I
dida com um ou mais dos muitos testes disponveis de capacidade
mental ou de deficincia mental. Naturalmente pode surgir um problema
difcil em decidir o que ou no "deficincia". Mas o que interessa
aqui eterminar s 3-\at:.iw--pede- ser- medida.
-
A_ hiptese "Privao na infncia rod . deficincia mental mais
tarde" uma _.porque enuncia
variveis ser mani das ou me9idas. A relao expressa
pela palavra Uma palYriliieXpresso de relao une de
alguma forma as variveis: "produz", "est positivamente relacionada
a", " uma funo de", e assim por diante. Um modo melhor de com-
preender todas estas afirmativas, entretanto, traduzi-las todas para
enunciados "se-ento". Embora no haja regras fixas para se escrever hi-
pteses - h vrias espcies, todas legtimas e teis - a maioria pode
ser colocada na forma se-ento: "Se p, ento q", p e q sendo contructos
ou variveis. ' Se frustraco. ento agresso"; " Se na infncia,
ento deficincia na realizao escolar mais tarde"; "Se reforamento,
ento aumento na aprendizagem". Em todos estes enunciados duas va-
riveis esto ligadas entre si como as palavras '-se" e "en(o". Colocado
muito simplesmente, l:!Q!'!. .quase l}m enunci do_ de
u2:1a _l!__natureza da relao sendo especificada at certo QOnto
pe a estrutura se-ento do enunciado.
- -Conside;;mos hipteses com duas variveis apenas. Na pesquisa
comportamental moderna, entretanto, mais provvel haver mais de
duas variveis. As hipteses sero ento: "Se p, ento q, sob as condi-
es r e s". Se incentivo positivo (p), entQ aprendizagem aumentada
(q), dado sexo feminino (r) e classe mdia (s). Outra maneira de simbo-
lizar esta : "Se p , e P2 e pa. ento q"; "Se incentivo positivo
e sexo (p2) e mdia (pg), ento aumento na apren-
dtzagem (q) . Voltaremos mats tarde aos problemas multivariveis, ou
"multivariados". So muito importantes.
hipteses so enunciados conjeturais .de relaces e so
estas conjeturas que so testadas na pesquisa. Vejamo-: por que
as hipteses so importantes. -
O valor das hipteses
As hipteses so muito mais importadtes na pesquisa cientfica
do que parece, quando se considera apenas o que so e como so cons-
trudas. Elas tm o objetivo profundo e altamente significativo de tirar
o de si mesmo, por assim dizer. Isto , sua formulao apro-
pnada' e. seu uso o homem a testar aspectos da realidade c,om
um mtmmo de d_tstorao causada por suas predilees. Elas s_ uma
parte da metodologia_da cincia associada ao critrio de objetividade
39
discutido no captulo 1. Isto quer dizer que as hipteses so uma fer-
ramenta poderosa para o avano do conhecimento porque, embora for-
muladas pelo homem, podem ser testadas e mostradas como provavel-
mente corretas ou incorretas parte dos valores e crenas do homem.
Naturalmente, os cientistas querem que suas idias sobre a realidade
concordem com a "realidade".
Um psiclogo social, por exemplo, pode acreditar que um mtodo
por ele criado de lidar com o preconceito, chamado mtodo K, seja mais
eficiente do que outros em diminuir. o preconceito. Ele acha que se K
fosse usado sistematicamente em escolas de segundo grau e em univer-
sidades, ajudaria a reduzir o preconceito contra as minorias onde quer
que fosse usado. Ele est dizendo que o mtodo K mais eficiente do
que outros mtodos e mais eficiente do que no fazer nada. Se ele for
testar sua crena cientificamente, ele ter que achar um meio de ficar
de fora de sua crena, saindo para fora de si mesmo. As hipteses aju-
dam a fazer isto. O psiclogo social pode formular uma hiptese de que
o mtodo K, depois de uso suficiente, resultar em maior diminuio de
preconceito do que, digamos, os mtodos L e M (e talvez outros m-
todos ou nenhum mtodo).
A hiptese agora uma afirmativa "l fora", independente do pes-
quisador. Est "fora dele" no sentido de que, apesar de sua crena
pessoal, predilees e inclinaes - sua averso pelo preconceito, por
exemplo - pode ser testada fora de suas crenas, predilees e vises.
Embora esteja pessoalmente a favor do mtodo K, sua crena de que o
mtodo K seja superior no pode afetar o teste da hiptese e o resultado.
as hipteses so meios espeeialmente potentes de preencher
tivamente as lacunas entre uma crena pessoal e a re.ali.da.de emprica.
-so ferramentas para testar a realidade e podem ser mostradas como
provavelmente corretas ou incorretas, independentemente do investigador.
As hipteses tm outras virtudes. Uma delas que podem ser, e
freqentemente so, deduzidas da teoria. Qualquer teoria de importncia
ter um nmero de implicaes empricas que podem ser deduzidas
dela. Foi escrito um livro inteiro (Dollard, Doob, Miller, Mowrer & Sears,
1939) sobre as implicaes da hiptese geral de que a frustrao produz
agresso. Na verdade, esta hiptese geral bastante ampla para ser o
enunciado bsico de uma teoria, a teoria da agresso. Tem implicaes
empricas. Por exemplo, se frustrarmos as crianas, elas agrediro outras
crianas, adultos ou elas prprias. Dollard e seus colegas at salienta-
ram que se podem deduzir im licacs marxistas da hiptese geral: "Se
o trabalhado o.r-ex.plmado (recclJeno salrios _ baixos, trabalhando
horas extras e diante) , ele ficar frustrado. Se continuar frus-
trd__ or _um longG peredo, ele acabar"' s__ revoltando e destruindo seu
frstrador, a burguesia". A questo que qualquer teoria, se realmente
40
for uma teoria, ter muitas implicaes para serem testadas; ela gerar
(com ajuda, naturalmente) muitas hipteses testveis. Sem dvida
assim que as teorias so testadas.
Hipteses e testabilidade
Esta linha de pensamento nos leva a outra idia importante sobre
hipteses. Para serem cientificamente teis, elas recisam ser testveis,
ou no mnimo conte plica.es r-ra ma hiptese
no tem utilidade cientfica. Isto , preciso identificar clara e inteira-
mente as variveis de uma hiptese - ou preciso deduzir suas impli-
caes em forma de variveis e depois ter um meio operacional de
manipular ou medir as variveis para poder estudar as relaes entre
elas. A hiptese agresso-frustrao um bom exemplo: j demos duas
ou trs possibilidades de teste - e h muitas mais. A teoria do refora-
menta, muito da qual se concentra na recompensa ou reforamento posi-
tivo, gera muitas hipteses em campos diferentes e com tipos diferentes
de organismos. Um de tais exemplos foi dado ao discutir o estudo de
Clark e Walberg no captulo 1. Lembre-se de que foram testados os
efeitos relativos do reforamento macio e do reforamento regular na
realizao em leitura. Teorias de mudana de atitude, teorias de pro-
cesso de grupo, teorias da aprendizagem e teorias de status ocupacional,
todas geraram hipteses testveis.
Algumas teorias e enunciados tericos, por outro lado, so no-
testveis - pelo menos com os meios de que dispomos hoje. Assim, elas
se colocam alm da abordagem cientfica. Um caso clssico o de algu-
mas teorias freudianas. Por exemplo, a teoria de Freud sobre a ansiedade
no-testavel, pelo menos como Freud a formulou, em parte porque
inclui o constructo da represso. Por represso Freud quis dizer o ato
de forar idias inaceitveis no inconsciente. Dedues empricas da
teoria tero, naturalmer.te, que incluir o constructo de represso, que est
ligado ao construto de inconsciente. Embora seja possvel enunciar rela-
es entre as variveis da teoria de ansiedade, definir os constructos
de represso (no sentido pretendido por Freud) e inconsciente, com o
fim de medi-los, extremamente difcil, se no impossvel.
Para usar um constructo no teste de uma hiptese, deve-se deduzir,
pelo menos at certo ponto, as implicaes empricas ou o significado
do constructo. Quando se faz isto, tem-se a chamada definio opera-
cional, idia explicada em detalhe mais .adiante neste captulo. No caso
do constructo de represso, isto difcil de fazer por que as manifesta-
es comportamentais de represso so difceis de compreender. O pr-
prio Freud d vrias. Uma famosa o " lapso de lngua". Mas ser que
todo lapso de lngua indica uma represso? E como podemos medi-los,
41
I
assumindo que indiquem represso? Embora o assunto seja muito mais
complexo, espero que um pouco da essncia da dificuldade tenha sido
transmitido.
As relaes da teoria, ento, no podem ser testadas satisfatoria-
mente, pelo menos por enquanto, porque os constructos que entram nas
relaes, os p e q dos enunciados se p, ento q, no podem ser levados
ao nvel de operao emprica. Isto no significa, como j se disse, que
as idias de Freud no sejam cientficas. Tal enfoque simplificado
demais. Pode-se deduzir muitas hipteses testveis da teoria de Freud.
E talvez at os conceitos freudianos mais difceis finalmente se rendero
habilidade cientfica.
Exemplos de problemas e hipteses
A dscusso at aqui foi quase toda sobre problemas e hipteses.
aconselhvel dar mais exemplos. Lembre-se, primeiro, de que proble- .
mas so. perguntas a respeito de relaes entre variveis. O treino em
uma fun.o mental melhora a aprendizagem futura dessa funo mental?
(Gates & Taylor, 1925). Este problema velho e conhecido. Se voc
treinar memorizao, pode melhorar sua memria e sua futura memori-
zaco? (A resposta parece ser desanimadora.) A obedincia forada
incluz mudana de crena? um problema importante. Depois da
Segunda Grande Guerra, os Aliados ocuparam o Japo. Os japoneses
foram forados - embora esta palavra fosse usada raramente - a
obedecer s ordens aliadas. Esta obedincia mudou as crenas japonesas?
As autoridades, por exemplo, foram comandadas a dirigir seus negcios
polticos e econmicos de maneira democrtica. Eles se tornaram mais
democrticos? (A resposta parece ser Sim.) Os soviticos e os chineses,
entre outros, h muito usam obedincia forada para mudar estruturas
de crena. Funciona? (Novamente a resposta parece ser Sim.)
As mulheres difceis so mais desejveis para os homens do que
as ansiosas por uma ligao? (Walster, Walster, Piliavin & Schmidt,
1973) . Este problema vem do folclore sobre as mulheres: as que so
relativamente inacessveis so mais desejveis. As variveis so inaces-
sibilidade, "difceis" e desejabilidade. O problema muito interessante
porque a pesquisa feita por W alster e seus colegas parece tocar um
velho mito. Walster et al. comearam testando a hiptese de que os
homens preferem mulheres difceis. Eles at formularam uma elaborada
e engenhosa justificativa teriCa para explicar a relao. Mas quatro
experimentos no conseguiram apoiar a hiptese. Numa declarao cls-
sica, os autores disseram: "Abandonamos nossa hiptese? Cus, no!
Afinal ela foi desconfirmada s quatro vezes" (Walster et al., 1973,
p. 115). Daremos a resposta ao problema mais tarde.
42
A semelhana de crenas influi mais em aceitar os outros que a
semelhana de raa? (Rokeach & Mezei, 1966). Este problema to
controvertido, pergunta, com efeito, se a semelhana de crena mais
poderosa do que a semelhana (e diferena) de raa em influenciar as
pessoas a aceitarem outras. Se um branco concorda com as crenas de
um negro, ele ir aceit-lo mais do que aceitaria um branco de cujas
crenas ele discordasse? Se for conservador, por exemplo, ele aceitar
os conservadores negros em geral mais do que aceitaria brancos liberais?
So perguntas fascinantes, difceis de responder. Temos aqui um pro-
blema que enunciado implicando termos quantitativos, j que vamos
usar "mais". (Parece que a resposta Sim, crena mais importante
do que raa, mas no em todas as circunstncias.)
J foi dito que muitos, talvez a maioria dos problemas da pesquisa
comportamental, tm mais que uma varivel independente. Aqui est
um enunciado de problema com trs variveis independentes: Como a
aptido acadmica, a realizao no ginsio e o nvel de aspirao influen-
ciam a realizao acadmica? (Worell, 1959). Tais problemas com ml-
tiplas variveis esto mais prximos da realidade psicolgica e social;
eles refletem com mais nitidez as complexas estruturas causais dos fen-
menos, neste caso, a realizao acadmica.
Eis uma hiptese derivada do primeiro problema dado acima. "A
prtica em uma funo mental no tem efeito sobre a futura aprendiza-
gem desta funo mental" (Gates & Taylor, 1925). Observe a estrutura
se p, ento q da hiptese: "Se prtica numa funo mental, ento (no)
futura aprendizagem da funo mental". Observe tambm a forma nega-
tiva da hiptese: "A prtica (treino) no tem efeito". Isto raro. A
maioria das hipteses especifica alguma direo do. efeito. (A hiptese
foi corroborada.)
Uma hiptese mais convencional: "Indivduos que tm papis
ocupacionais iguais ou semelhantes tero atitudes semelhantes em rela-
o a coisas significativamente relacionadas ao papel ocupacional". Isto
significa, por exemplo, que os mdicos mantero crenas e atitudes
semelhantes em relao a assuntos mdicos. Se a hiptese for apoiada
pela evidncia, conclumos que a maioria dos mdicos pensa igual no
que se refere a cuidados mdicos.
Nossa hiptese final uma hiptese que vem sendo cada vez mais
testada na pesquisa comportamental contempornea: "Pessoas anti-semi-
tas deslocaro agresso para outros quando sua hostilidade estiver
deflagrada" (Berkowitz, 1959). Aqui h duas variveis- anti-semitismo
e deflagrao de hostilidade - que leva!!!-a.e--de-s1eamento da agresso.
A hiptese diz que o anti-semitismo 'produzir;Y agresso deslocada
apenas sob a circunstncia de deflagrao de-h"Sfilidade: Isto , a estru-
tura do argumento : Se p, ento q, dado r; ou Se anti-semitismo, ento
43
Figura 3.1
agresso deslocada, dado deflagrao de hostilidade. O argumento mos-
trado na figura 3.1 (A). Na figura B est q argumento mais simples da
imediatamente precedente sobre papel ocupacional e atitude.
Vemos que em (B) o papel ocupacional influi diretamente sobre a atitu-
de. Em (A), entretanto, o anti-semitismo produz agresso deslocada s
quando a hostilidade deflagrada. Isto chamado uma interao, que
significa que duas (ou mais) variveis trabalham juntas; elas interagem
para produzir um efeito. Veremos este fenmeno interessante com mais
detalhes num captulo mais frente.
Variveis
Uma das palavras-chave na literatura das cincias comportamentais
"varivel". f demos seu significado e muitos exemplos, mas agora
necessrio sermos mais .sistemticos e precisos em relao ao termo e
sua definio. Esperamos que a preciso tenha a virtude de nos livrar
de grande parte da ambigidade que muitas vezes acompanha a palavra
e seu uso.
Definio geral de varivel
44
que medimos a varivel "nvel de aspirao". Embora
atraente, at instrutiva, esta definio no realmente uma dehmao.
E tambm no exata.
Uma varivel um smbolo ao qual so atribudos algarismos.
Exemplos de tais smbolos so A, x, M ou inteligncia, nvel de aspira-
o, ansiedade. A varivel x pode assumir um conjunto d valores num-
ricos, por exemplo, pontos obtidos em um teste de inteligncia ou de
leitura. A varivel A pode assumir os valores a,, a2 e a.1, e assim por
diante, que podem representar os valores numricos obtidos por uma
mdida de atitude feita com uma escala de sete pontos. Podemos obter
bs resultados de atitude de quatro indivduos: a, = 6, a2 = 3, as = 5,
a" = 4. A uma varivel. Se quisermos, podemos dar-lhe o nome de
Atitude em relao s mulheres.
Esta definio de varivel simples e geral, embora um pouco
afastada do senso comum. geral porque abrange todos os casos conce-
bveis e tipos de variveis. E, embora seja um tipo de definio que no
pertence ao senso comum - pode parecer estranho at - no nada
complicada e fcil de entender. H smbolos que podem ser let.ras de
alfabeto, palavras ou expresses curtas: X, Y, A, K, inteligncia, atitudes
em relaco s mulheres, ansiedade, classe social, nvel de aspirao,
reteno: preferncia religiosa, renda e assim por diante. Logicamente,
variveis so propriedades que tomam valores diferentes. Algumas vari-
veis podem ter muitos valores, at um nmero infinito (teoricamente;
por outro lado, varivel podem ter um mnimo de dois valores.
3
Inteli-
gncia, reteno, atitudes em relao s mulheres, podem ter vrios valo-
res. Sexo tem apenas dois valores, geralmente 1 e O, 1 sendo designado
para um sexo e O para o outro. Morto-vivo, empregado-desempregado
so tambm variveis de dois valores ou dicotmicas. Classe social,
geralmente, tem dois, trs ou quatro valores. Preferncia religiosa um
tanto diferente. Embora seja uma varivel chamada nominal ou cate-
grica (veja abaixo), os valores a ela atribudos so invariavelmente 1 e O,
mas por enquanto no vamos mostrar oomo isso feito.
Antes de mudarmos de assunto, devemos observar que variveis
so tambm conceitos e constructos. Um conceito , nturaiinent, um
t-ermc- geral que xprssa a suposta idia central por trs de objetos
particulares relacionados. Quando os cientistas falam sobre os conceitos
usados em seu trabalho, chamam-lhes freqentemente " constructos".
"Constructo" um termo til porque indica a natureza sinttica das
variveis psicolgicas e sociolgicas. Expressa a idia de que os cientistas
3 f; possvel. oor definio, uma varivel ter s um valor. Nestes caso chamada
constante. Lidamos. quase que exclusivamente com variveis de dois ou mais
valores.
45
freqentemente usam termos de acordo com a necessidade e exigncias
de suas teorias e pesquisas. Inteligncia, aptido, ansiedade, Locus de
controle, agresso, autoritarismo, classe social sexo e realizaco so
todos constructos. Se a definio de "varivei" dada acima ser
satisfeita - isto , se algarismos puderem ser atribudos a objetos de
acordo com regras - ento. podemos chamar de varivel um cons-
tructo. O leitor encontrar freqentemente estes termos na bibliogra-
fia da psicologia e educao, mas eles nem sempre sero usados pre-
cisamente. Entretanto, deve ser lembrado que h diferenas entre eles.
Por exemplo, bom saber que, embora seja teoricamente possvel
transformar a maioria dos constructos em variveis, nem sempre pra-
ticamente possvel faz-lo. Um exemplo, a represso de Freud, foi dado
, anteriormente.
Definies operacionais
H dois tipos de definio: constitutiva e operacional. Uma defi-
nio constitutiva define palavras com outras palavras: " peso" a "qua-
lidade de um objeto pesado"; "ansiedade" "apreenso ou um vago
medo". Definies constitutivas so definices de dicionrio e natural-
mente, so usadas por todo mundo, pelos cientistas.
so insuficientes para propsitos cientficos. Suponhamos que vamos
definir inteligncia como "acuidade mental", "a habilidade de pensar
abstratamente", ou coisa parecida. Observe que estamos usando outros
conceitos ou expresses conceituais em lugar de "inteligncia". Natural-
mente no se escapa necessidade de usar tais definces dentro e fora
da cincia. Mas os cientistas tm que ir adiante. P;ecisam definir as
variveis que usam nas hipteses de maneira tal que as hipteses possam
ser testadas. Fazem isto usando o que conhecido como definico
operacional.
As definies operacionais surgiram de um novo modo de pensar:
em vez de pensar apenas constitutivamente, os cientistas tambm pensam
operacionalmente. Uma definio operacional uma ponte entre os
conceitos e as observaes. Este um meio de pensar e operar radical-
mente diferente, um meio que revolucionou a pesquisa comportamental,
especialmente a pesquisa em psicologia e educao.
Uma definio operacional atribui significado a um corrstructo ou
varivel especificando as atividades ou "operaes" necessrias para
medi-lo ou manipul-lo. Uma definio operacional, alternativamente,
especifica as atividades do. pesquisador para medir ou manipular uma
varivel. como um manual de instrues para o pesquisador: Diz, com
efeito, "faa assim e assado, desta e daquela maneira". Um exemplo bem
conhecido, embora extremo, : Inteligncia (ansiedade, realizao e
46
I
11 lm por diante) o resultado no teste de inteligncia X, ou inteligncia
ue o teste de inteligncia X mede. Esta definio nos diz o que
l'lli': r para medir a inteligncia. Diz ao pesquisador para usar o teste
d inteligncia X. Realizao pode ser definida citando um teste padro-
ll lt.lldo de realizao, um teste feito pelo professor, ou notas dadas pelos
1 I' fessores. Aqui temos trs maneiras diferentes de definir operacional-
li! nte o mesmo constructo. O leitor no dever se preocupar com esta
111ultiplicidade de definies operacionais; faz parte de sua flexibilidade
1 r ra. Afinal, um constructo como realizao tem vrias facetas em <
111 mentos diferentes. Consideremos at o exemplo bvio de diferentes -:;
I' as de realizao: leitura, aritmtica, artes e assim por diante.
Vejamos um exemplo mais difcil. Suponhamos que
d finir a varivel " considerao". Pode ser definida operacionalmente-'
III' I'Olando-se comportamentos de crianas que so presumivelmente com-
i> rtamentos que expressam considerao, e fazendo os professores obser- "
vurem e classificarem os comportamentos das crianas numa escala de
lnco pontos. Tais comportamentos podem ser: quando uma criana diz
u outra: "com licena", "desculpe"; quando uma criana entrega um . ]
brinquedo pedido a outra; ou quando uma criana ajuda outra errf
uma tarefa. - "'

O tipo de definio discutido pode ser chamado uma defini:_,..
peracional medida. Ela mostra ao pesquisador como medir (e observar--
mna varivel. Lembre-se das variveis de Miller e Swanson, classe
cial e tempo de desmame. H tambm definies operacionais experi-
mentais que mostram ao pesquisador como manipular uma varivel. Por
xemplo, o reforamento pode ser definido operacionalmente dando os
I talhes de como os indivduos devem ser reforados - como Clark
W alberg fizeram. No estudo sobre os efeitos dos diferentes incentivos
bre o desempenho de alunos em aritmtica, j mencionado, Hurlock
(I 25) elogiou algumas crianas, criticou outras e ignorou outras. A
I'I' LLStrao pode ser definida como um impedimento de alcanar uma
meta, uma definio constitutiva com implicaes claras para a manipu-
lto experimental. Isto foi muito bem realizado por Barker, Dembo e
l,.cwin ( 1943), que definiram frustrao operacionalmente descrevendo
J'anas em uma sala de jogos " com um nmero muito grande de brin-
qu dos muito atraentes, mas inacessveis." (Os brinquedos foram deixados
utrs de uma tela de arame; as crianas podiam v-los, mas no toc-los.)
Como outras idias apresentadas neste livro, a definio operacional
uma inveno notvel. Como ficou dito no incio deste tpico, uma
1 onte entre conceitos ou constructos e observaes, comportamentos e
ltividades reais. Para esclarecer, veja a figura 3.2. A figura mostra os
cl is nveis nos quais os cientistas operam: o nvel dos constructos e
hipteses (I) e o nvel da observao e manipulao (11). Os dois nveis
47
(I)
Definio
operacional
(11)------___.1_ _____ _
Observaes
figura 3.2
so ligados por uma definio operacional. Quando o pesquisador em
psicologia diz: "Frustrao produz agresso", ele opera no nvel I; para
testar a hiptese, ele tem que trabalhar no nvel li: deve realmente
manipular (ou observar, ou medir) a frustrao e medir a agresso. Para
trabalhar no nvel II, ele deve primeiro conseguir um meio de l chegar.
O meio a definio operacional, que faz a ponte do nvel constructo-
hiptese para o nvel da observao. O pesquisador ento vai e volta
entre os dois nveis. As opinies sobre os cientistas, como pessoas que
fiam teorias confusas divorciadas do mundo real (nvel I), ou que apenas
manipulam as coisas, fazem observaes e medem as coisas (nvel 11),
so ambas igualmente estereotipadas e divergentes da realidade cientfica.
Virtualmente todos os cientistas operam em ambos os nveis.
Os dois exemplos seguintes de definies operacionais podem ajudar
a solidificar as idias apresentadas. Em pesquisas sobre educao secun-
dria e superior, a "realizao'', muitas vezes, definida operacional-
mente como mdia de notas, ou MN. Holzman e Brown (1968), num
estudo dos provveis efeitos dos hbitos e atitudes de estudo na reali-
zao de alunos do segundo grau, definiu da seguinte maneira: "O
critrio da realizao escolar, mdia de notas ... era obtido geralmente
atribuindo pesos de 4, 3, 2, 1 e O aos conceitos A, B, C, D e F, respecti-
vamente". Em outras palavras, os nmeros foram atribudos s notas
dos professores. Esta uma definio operacional de realizao: dava
um "significado" concreto e especfico ao construeto "realizao".
Observem, entretanto, que h outros meios de definir realizao opera-
cionalmente. Um deles seria pedir aos professores que fizessem uma
classificao da realizao geral de seus alunos, atribuindo um nmero
de um conjunto de nmeros (ou letras por categorias) a cada aluno. As
48
I
d11 1 definies operacionais. entretanto, podem dar resultados dife-
' nl . Se ambas forem "boas" definies operacionais, devem estar em
lll'l'f i to acordo.
m um interessante estudo mencionado anteriormente, Walster e
a11 1l1' ' (1973) definiram uma de suas principais variveis com muita
hul llidade. Tentaram, em sua pesquisa, encontrar a resposta para uma
11111 gn pergunta: "As 'mulheres difceis' so mais atraentes para os
luull ns do que as mulheres no to difceis?" Sujeitos do sexo masculino
1 r bcram cinco pastas contendo informaes sobre uma mulher. Trs
drl 1s continham "formulrios para a seleo de candidatos", contendo
11' p ssveis reaes da mulher a cinco homens seus provveis candidatos.
h ns reaes eram anotadas como marcas feitas pela mulher numa escala
pu1tindo de "escolhido com toda certeza". Ou seja, cada "mulher"
li t. r , presumivelmente, cinco marcas em cinco pastas, e estas marcas
h1dicavam-na como "fcil" ou "difcil". Por exemplo, a que marcasse
l' lll todas as escalas "escolhido com toda certeza" era uma mulher
" f cil". Se, por outro lado, ela no se entusiasmasse com nenhum dos
nnclidatos, era "difcil". A categoria mais interessante e decisiva foi a
IIIUiher "seletivamente difcil": ela no desejava nenhum dos outros
homens alm de voc (uma das pastas referia-se ao sujeito). Este proce-
dimento, ento, era a definio operacional de " dificuldade" da mulher,
uma definio muito habilidosa.
Nos exemplos acima, observe que a definio operacional mostra
\' 0111 bastante detalhe o que o pesquisador deve fazer para medir as
vuriveis. Holtzman e Brown especificamente relataram como a mdia
de notas seria calculada, e Walster e outros detalharam o procedimento
p 1ra obter medidas de " dificuldade". Igualmente, em situaes experi-
111 ntais, as definies operacionais especificam o que os experimenta-
dores devem fazer para manipular uma ou mais variveis independentes.
1\lus cio as operaes envolvidas.
Nada, entretanto, ficou dito sobre a qualidade das definies opera-
d nais. Como as definies constitutivas, elas podem ser boas ou ms,
h m ou mal concebidas. Tem havido crticas s definies operacionais
( filosofia do operacionalismo que as inspirou), que erraram comple-
tumente. o a_lvo. Foi dito, por exemplo, que nenhuma definio opera-
1 na! Jamais pode expressar o significado completo e a riqueza de
conceitos como agresso, represso, ansiedade, autoritarismo, aprendi-
zngcm, realizao e assim por diante. Exatamente. Jamais poder. Mas
uuontece o mesmo com as definies constitutivas! Definies operacio-
. so , limita?as freqentemente muito limitadas, cujo
objetivo e ajudar o pesquisador a chegar a aspectos da "realidade"
c mportamental. H sempre o perigo de fracionar de tal modo um
conceito que este passe a ter pequena relevncia para o seu "verdadeiro"
49
significado. Isto no implica, contudo,. que seja e
usar definices operacionais que aprox1mem aspectos s1gmflcat1vos da
"realidade'; conceitual. Difcil , mas no impossvel. Sem dvida, o
sucesso cientfico em inventar e usar definies to limitadas tem sido
gratificante. A medida que nosso .veremo.s
plos cada vez mais marcantes de def1moes operacwnms e o 1r e v1r
entre os dois nveis de operao da cincia.
:
/
50
4. Relaes e explicaes
Suponhamos que eu seja um cientista social interessado em proble.:- S
mas de grupos minoritrios. Venho estudando em minha pesquisa
relaes, com o intuito de me aprofundar na compreenso dos proble-....
mas de grupos minoritrios e dos problemas de preconceito e discrimi-"5 ;
nao. Uma dessas relaes a que existe entre a discriminao contra.( r-
grupos minoritrios e a tendncia violncia dos grupos minoritrios.:
Acredito, por exemplo, que quanto mais o grupo for discriminado, mais '
seus membros apelaro para a violncia. Coletei dados sobre oito
e posso classific-los em duas variveis: discriminao e violncia.
cialistas classificaram os oito grupos conforme os graus de discriminaO: - '
usados contra eles, 1 significando a maior discriminao e 8 o mnimi
de discriminao. Obtive tambm estatsticas do total de violncia c:;
caracterizou os oito grupos nos ltimos cinco anos. (No vamos ns;
preocupar agora de como isso foi feito.) A partir dessas estatsticas;
classifiquei os oito grupos de alto a baixo em violncia, 1 significand'
alta violncia e 8 baixa.
Os dois conjuntos obtidos esto na figura 4.1 A figura expressa uma
"relao". Faz isto porque mostra dois conjuntos de nmeros que foram
sistematicamente emparelhados: o primeiro grupo mino trio, o que
foi mais fortemente discriminado e que portanto recebeu o posto 1,
tecebeu um posto 2 em violncia. O segundo grupo, o segundo mais
fortemente discriminado (posto 2) teve o terceiro (3) lugar em violncia
c assim por diante com os grupos restantes. Em resumo, os dois con-
juntos de postos colocados em relao entre si, como na figura 4.1,
expressam uma relao.
Pode parecer um pouco estranho chamar os dois conjuntos de
nmeros uma "relao". Mas no . Alis, muito preciso e claro, como
veremos. Todas as relaes podem ser expressas de algum ieito, embora
nem sempre seja preciso usar nmeros. O caso que os dois conjuntos
de nmeros, considerados conjuntamente como na figura 4.1 , so uma
relao. Mais adiante veremos que as relaes tm direo e magnitude.
No caso presente, a direo positiva: os dois conjuntos de nmeros
" vo juntos" um com o outro: os postos baixos em discriminao ten-
dem a emparelhar-se com postos baixos em violncia e postos altos com
1 ostos altos. A magnitude da relao ser discutida mais adiante neste
captulo.
51
1
2
2
3
3
4
5
5
6
6
8
7
4
8
7
/
Discriminao
Violncia
Figura 4.1
No captulo 2 dissemos que "relao" provavelmente seja o termo
mais fundamental em cincia. Isto acontece porque a compreenso e
explicao de um fenmeno a meta bsica da cincia e os fenmenos
podem ser compreendidos somente atravs de suas relaes com outros
fenmenos. No existe isso de "conhecer" uma coisa perfeitamente em
e por si mesma. No podemos contemplar e estudar, digamos, a delin-
qncia por si mesma. Podemos compreend-la e explic-la somente aps
estudar o que est relacionado a ela, quais as variveis sociolgicas e
psicolgicas que nela influem. S ento poderemos ter uma pista de
como e por que ocorre a violncia.
Mas o que uma relao? Quando se fala sobre relaes acredita-se
que o interlocutor saiba do que se est falando: que uma coisa esta
relacionada a outra coisa. Mas isto muitssimo vago; realmente nG
nos diz nada do que sejam relaes. At a definio do dicionrio
insatisfatria. Uma tal definio poderia ser: "Uma relao um elo,
uma ligao entre pessoas ou coisas; uma associao lgica, natural
ou sinttica entre fenmenos". Infelizmente isto no ajuda muito. Apesar
de a definio nos dar uma idia do que seja uma relao, ela continua
muito vaga para a cincia; Felizmente fcil definir relaes sem
ambigidade e com preciso, contanto que tenhamos um background
elementar na teoria dos conjuntos. Faremos, ento, una breve digresso
para examinar conjuntos.
52
onjuntos
Um conjunto uma coleo bem definida de objetos ou elementos
(Kemeny, Snell & Thompson, 1966, p. 58). "Bem definida" quer dizer
que deve ser possvel dizer se determinado objeto, numa coleo de
bjetos sob discusso, pertence ou no pertence ao conjunto. Termos
orno "grupo", "classe", "bando" e "famlia" indicam conjuntos.
H duas maneiras de definir um conjur.co. Primeiro, podemos fazer
uma lista de todos os membros do conjunto. Da fcil dizer se deter-
minado objeto pertence ao conjunto. Por exemplo, suponhamos que
temos uma lis::a dos nomes dos pases membros das Naes Unidas.
Para determinar se um pas membro do conjunto Naes Unidas,
implesmente corremos a lista de todos os pases membros. A prpria
lista a definio do conjunto. E: muito precisa e exata, mas nem
sempre til em pesquisa. Listas de membros de conjuntos freqente-
mente so longas demais para serem prticas - os moradores de
Madri, por exemplo -, no esto disponveis ou so difceis de con-
seguir ou, mesmo se se conseguir, podem ter mudado depois que correr-
mos toda a list.a.
O segundo meio e mais til de definir conjuntos dar uma regra
que nos diga se determinado objeto ou iiidivduo pertence ou no
determinado conjunto. Muitas das chamadas "definies por regra" so
fceis. Ao definir a varivel preferncia poltica, por exemplo, a regra
pode ser esta: registrado no Partido Republicano oU no Partido Demo-
rata. Outra regra simples, embora mais falvel: -pergunte a determinado
indivduo se ele republicano ou democrata. As "regras" para a maioria
das variveis da cincia comportamental so, entretanto, mais complexas.
m grande parte, talvez na maioria das pesquisas comportamentais,
so usadas definies por regra para definir os conjuntos de objetos -
pessoas, pombos, nmeros, palavras - em estudo.
Relaes
Na figura 4.2 damos dois conjuntos que foram encerrados em for-
mas ovais para indicar que so conjuntos. O primeiro, chamado A,
um conjunto de cinco crianas, trs meninos e duas meninas. Vamos
admitir que as crianas foram escolhidas de alguma forma sistemtica
para fins de pesquisa. Vamos supor, por exemplo, que sejam uma amos-
tra de crianas de sexta srie da escola K de Amsterd, Holanda. 6
cgundo conjunto, chamado X, um conjunto de cinco resultados em
um teste de inteligncia, obtidos pela testagem de cinco crianas. As
linhas ligando os nomes aos pontos indicam simplesmente que, com base
53
Marie ---'1----------131
Jacob 127
Annie --+------+--
Pieter .;__+-----4---
J a n ~ ~ ~
A X
Figura 4.2
no teste, Marie recebeu 131, Jacob 127 e assim por diante. Temos, ento,
dois conjuntos, uni de cinco nomes representando as cinco crianas e
um de cinco nmeros representando os pontos feitos pelas crianas em
um teste de inteligncia.
Talvez possamos tornar o exemplo um pouco mais interessante.
Estude a figura 4.3. O conjunto dos cinco resultados no teste de inteli-
gncia, X, est esquerda. O conjunto da direita, S (de "sexo"), tem
dois membros, M e F, significando masculino e feminino. Os membros
dos dois conjuntos, X e S, esto ligados por linhas, assim: se um resul-
tado em X de um menino, trace uma linha at M; se o resultado for
de uma menina, trace uma linha at F. Desta forma mostramos a relao
entre os resultados e as letras M e F, ou, mais geralmente, uma relao
entre inteligncia e sexo. Pdemos acreditar que as meninas (nesta
amostra, ou talvez em Amsterd) so mais inteligentes que os meninos.
Para testar isto podemos calcular a mdia de pontos dos meninos e
meninas e compar-las. As mdias so 125 para as meninas e 110 para
os meninos. Podemos concluir que as meninas so mais inteligentes
do que os meninos, sem dvida uma concluso arriscada! A questo
agora no a adequao da concluso mas o uso de conjuntos para
estudar uma relao.
Esta discusso bastante bvia de conjuntos pode ser estendida a
nmeros maiores de casos e variveis mais complexas. No importa
quantos casos e quo complexas as variveis, os princpios bsicos e as
regras so as mesmas. Mais objetivamente, definimos uma relao, uma
54
t'Olno entre inteligncia e sexo. Como? Ligamos simplesmente os
m mbros de um conjunto, X, aos membros de outro, S, usando a
r gra simples para traar as linhas, dada acima. Agora damos uma
finio abstrata de "relao" que completamente geral e que se
uplica a todos os casos.
Uma relao um conjunto de pares ordenados. Um par ordenado
o dois objetos de qualquer espcie em que h uma ordem fixa para
os objetos aparecerem ou para serem colocados. Na figura .4.2, Marie,
l31 um par ordenado. O conjunto de pares ordenados so os dois
onjuntos na figura 4.2, colocados juntos, os nomes em primeiro lugar
os pontos em segundo: i (Marie, 131), (Jacob, 127), (Annie, 119),
(Pieter, 108), (Jan, 95) ~ Em outras palavras, "ordenado" significa
tomar os membros de um dos conjuntos, primeiro, e os membros do
utro, depois. O conjunto de pares mencionado uma relao. Pode
nilo ser interessante, importante ou mesmo significativo, mas uma
r lao.
Na figura 4.3 tambm foi dada uma relao, embora um pouco
mais difcil de se ver. Se apresentarmos a relao de outra forma, como
na figura 4.4, mais fcil ver. De novo temos um conjunto de pares
rdenados: i (131, F), (127,M), (119, F), (108, M), (95, M) ~ Esta ,
por definio uma relao. Neste caso, entretanto, um pouco mais
lgnificativa: o conjunto de pares ordenados expressa uma relao entre
os pontos do teste de inteligncia e o sexo dos participantes, ou, mais
lmplesmente, entre inteligncia e sexo.
X s
1/gura 4.3
55
131-..._ ____ F

-4------+__..:...-F
--+-----1--M

X s
Figura 4.4
A definio de relao como conjunto de pares ordenados com-
pletamente geral, bastante precisa e muitssimo til. Com ela eliminamos
a ambigidade das definies de dicionrio. Observem que a definio
no diz absolutamente nada sobre o interesse, importncia ou valor
de uma relao. Diz apenas o que uma relao. E isto o bastante,
porque sabemos que .se a cincia em grande medida um estudo das
relaes, ento, em grande medida um estudo de con.iuntos de pares
ordenados. Alm do mais, permite-nos estudar e entender a substncia,
direo e magnitude das Antes de mergulharmos nessas idias,
vejamos uma relao onipresente, o casamento.
Se o casamento uma relao, ento um conjunto de pares orde-
nados. Esta maneira de encarar o casamento pode ser um pouco curiosa,
mas til na pesquisa. Tome todos os maridos e mulheres de uma
comunidade em pares, com os maridos (ou as mulheres) colocados sem-
pre primeiro em cada par. Isto visto na figura 4.5, onde os maridos,
H1, Hz, .. . , Hn so dados no conjunto chamado H, e as mulheres
M,, Mz, ... , Mn so dadas no conjunto chamado M.
1
Os pares orde-
nados, com H sempre em primeiro lugar, so unidos por linhas, forman-
do um novo conjunto de pares, indicado pela linha interrompida dese-
nhada volta de ambos os conjuntos e denominada C; esta , por
definio, uma relao. Podemos cham-la "casamento".
I smbolos H, H: e Hn e M, M e Mn significam marido t, marido 2 e
mando n e mulher 1, mulher 2 e mulher n; n o ltimo marido e a ltima
mulher. Os algarismos neste simbolismo so chamados subscritos eles definem
simplesmente o nmero de um indivduo ou um par em um
56
Figura 4.5
Relaes na pesquisa comportamental
A definio de relaes como conjuntos de pares ordenados sim-
ples e poderosa conceitualmente, mas um pouco rida para o leigo.
Podemos agora considerar o que pode ser mais interessante: o uso das
r !aes na pesquisa cientfica comportamental. Antes, porm, precisa-
mos saber que h aspectos da cincia e da pesquisa nos quais as
relaes parecem no ser estudadas. Por exemplo, boa parte da pesquisa
I m funo taxionmica e descritiva. Um estudo . pode tentar apenas
descobrir as caractersticas de determinada populao ou amostra: a
ncidncia relativa de nascimentos, mortes, suicdios, casamentos e
11 im por diante, em So Francisco. Pouca ou ne11huma tentativa se
fur para relacionar as variveis entre si. Tal trabalho legtimo e
muitas vezes importante.
Igualmente, os pesquisadores freqentemente agrupam observaes
l caractersticas de pessoas e coisas, em categorias. Isto taxionomia,
ou o trabalho de classificar coisas em agrupamentos sintticos ou natu-
l'lli . Grande parte do trabalho psicolgico, por exemplo, foi dirigido
puta classificar indivduos em categorias: introvertidos e extrovertidos;
dominadores e submissos; independentes e dependentes. Embora impor-
lnntc e essencial, o trabalho taxionmico e descritivo, estritamente
fui ndo, suplementar no estudo de relaes. Em todo caso, a maior
purte da discusso deste livro considerar a cincia como preocupada
mn o estudo das relaes. Vamos abordar tal estudo um pouco mais de
1 r't , examinando primeiro a direo e a magnitude das relaes.
57
A direo e a magnitude das relaes
Vamos supor, novamente, que eu esteja estudando discriminao
e violncia e que durant(( um determinado estudo, obtive os dois con-
juntos de postos dados ria figura 4.1. Vamos supor tambm que estou
testando a hiptese de que a discriminao contra minorias est associada
violncia. A hiptese pode ser expressa quantitativamente: Quanto
maior a discriminao contra grupos minoritrios, maior a violncia
dos grupos minoritrios. (Supomos que discriminao e violncia estejam
adequadamente definidas e medidas.) Perguntamos: "Os dados da
figura 4.1 apiam a hiptese?" Para responder precisamos saber a
direo e a magnitude da relao expressa pelos dois conjuntos de postos.
A direo determinada facilmente. Simplesmente examinamos os-...____
postos para ver se eles varecem "caminhar juntos" e como eles seguem
juntos. Os postos no conjunto da esquerda (Discriminao) variam de
1 a 8 em perfeita ordem. Os postos da direita (Violncia) no seguem
esta ordem perfeita. Ser que, no entanto, eles em geral seguem a ordem
dos postos esquerda? Isto , os postos altos em Discriminao so
acompanhados, em geral, por postos altos em Violncia, o mesmo ocor-
rendo para os postos baixos? Se for assim, ento a direco da relaco
positiva. Neste caso, a resposta sim: postos altos de em
geral so acompanhados por postos altos de Violncia, e postos baixos
de Discriminao so acompanhados por postos baixos de Violncia.
A relao positiva.
Mas qual a magnitude da relao? Sabemos que a relao
positiva, mas no conhecemos a extenso do acordo que h entre os
pares de postos, H diversos meios para avaliar a magnitude das relaes
e vamos examinar trs ou quatro deles, apesar de desejarmos evitar
complexidade tcnica em nossa busca de clareza conceitual. Primeiro,
fazemos um grfico das relaes da figura 4.1. O grfico dado na
figura 4.6. O eixo horizontal geralmente chamado X e o vertical, Y.
X a varivel independente, Y a varivel dependente, ou X = Discri-
minao e Y = Violncia. Os oito postos foram indicados em cada
eixo e os oito pares de postos assinalados como indicado: (1,2), (2,3),
. . . , (8,7). Por exemplo, o valor 1 de Discriminao na figura 4.1
est referido ao X ou o eixo de Discriminao da figura 4.6, e o valor
2 de Violncia referido ao Y ou eixo de Violncia da figura. Coloca-se
uma cruz na juno dos dois valores e marca-se ( 1 ,2). Os outros valores
da figura 4.1 so igualmente representados. Foi traada uma linha
atravs dos pontos representados, de sorte a ficar o mais prxima pos-
svel de todos eles simultaneamente. Esta linha expressa a relao da
mesma forma que os pontos. Chama-se "linha de regresso", embora
possamos cham-la uma "linha de relao". Voltaremos a estas utils-
58
(6, 8)
X
X/
(8, 7)
(7, 4)
X
11 3
> 2 X
(1, 2)
X (3, 1)
6 7 8
=
Discriminao
fllgura 4.6
imas linhas mais tarde, quando veremos como elas expressam relaes
Iara e sucintamente.
Os pontos representados e a linha de regresso indicam que a
hiptese apoiada por estes "dados"? A resposta sim - indicam. Os
pontos representados indicam que grandes valores de X, Discriminao,
o acompanhados por grandes valores de Y, Violncia, valores mdios
de X por valores mdios_ de Y e valores baixos de X por valores baixos
de Y. O enunciado "Se discriminao, ento violncia" parece estar
rreto. Especificamente, os grupos minoritrios que sofreram a maior
ll scriminao foram os mais violentos, e os grupos minoritrios que
I' ceberam menos discriminao foram os menos violentos. A relao
111 o perfeita - h excees, por exemplo (3,1) e (7,4) no grfico -
mas em geral se mantm.
Mas ainda no discutimos diretamente a magnitude da relao.
I l semos que os valores altos de Y "acompanham" os valores altos
d X e valores menores de Y "acompanham" valores menores de X.
N tturalmente, este um enunciado de magnitude, mas desejamos ser
1110i s precisos. Queremos saber at que ponto a relao " forte" ou
" ftaca". Se a direo da linha de regresso for da esquerda inferior
pnra a direita superior no grfico e todos os pontos se encontrarem pre-
1 umente sobre a linha, a relao "perfeita" e positiva. Tais relaces
1 l'feitas quase rmnca acontecem na pesquisa comportamental. As
tod s os pontos te!_)resentados se aproximam da linha. Quando isso
59
acontece, a relao "forte". Quando no, quando se encontram dis-
persos relativamente longe da linha, a relao " fraca" ou at se
aproxima de zero. (No ltimo caso, a prpria linha seria horizontal,
ou quase. Explicaremos isto mais adiante.)
H meios ainda mais precisos de expressar a direo e magnitude .
das relaes. Um meio muito usado atravs da correlao e do
coeficiente de correlao. "Correlao" significa exatamente o que d1z
a palavra: a co-relao entre dois conjuntos de valores ou a variao
conjunta dos valores de X e Y, como j foi explicado. " Coeficiente de
um termo muito usado na pesquisa, uma medida da inter-
dependncia, da variao conjunta, do aumento ou decrscimo simult-
neo de dois conjuntos de valores numricos. Por sua grande importncia
na pesquisa, estudemos as idias de relao, correlao, direo e magni-
tude mais profundamente. "'---
Embora do ponto de vista definicional seja correto dizer que uma
relao um conjunto de pares ordenados, tal definio apenas esclarece
a idia de uma relao. No ajuda os cientistas a tirarem concluses a
partir dos dados. Eles desejam saber a direo e a magnitude das rela-
es, como j ficou dito. A direo de uma relao ela ser positiva ou
negativa (ou mais complexa). Se os dois conjuntos de medidas de um
conjunto de pares ordenados variam juntos - os pesquisadores dizem
"cavariam"- na mesma direo, a relao positiva. Se variam simul-
taneamente (juntas) na direo oposta, a relao negativa.
Na tabela 4.1 so apresentados trs conjuntos de pares ordenados.
No conjunto A, os valores de X e Y tm a mesma ordem de postos.
2
Tabela 4.1 Trs Conjuntos de pares ordenados mostrando diferentes direes de
relaes.
(A) (B) (C)
X
y
X
y
X
y
2 8 4
2 4 2 6 2 8
3 5 3 5 3 5
4 6 4 4 4 2
5 8 5 2 5 6
2 Os valores da tabela 4.1 no so postos. Entretanto, podem ser facilmente
convertidos em postos; por exemplo, os postos dos valores de Y em A so
5, 4, 3, 2, 1.
60
Por outro lado, no conjunto B a ordem de postos dos dois conjuntos
de valores oposta, isto , os valores altos de X so acompanhados por
valores baixos de Y [por exemplo (5,2), (4,4) ] , e os valores baixos
de X so acompanhados por valores altos de Y [por exemplo (1 ,8),
(2,6)]. Os pares de conjuntos de pares ordenados mostrados em C no
tm direo discernvel; os dois no mostram tendncia sistemtica a
variar de uma ou outra forma. O conjunto foi includo na tabela para
ilustrar o caso de "nenhuma relao", ou, mais precisamente, relao
zero, e para contrast-lo com os conjuntos A e B.
A magnitude de uma relao a extenso na qual dois conjuntos
de medidas variam simultaneamente (cavariam) positiva ou negativa-
mente. No conjunto A da tabela 4.1, a magnitude da relao alta
porque as ordens de postos de X e Y so idnticas. Igualmente alta a
relao de B porque as ordens de grau so completamente opostas.
Entretanto, os dois conjuntos de nmeros variam juntos: os nmeros
mais baixos de Y acompanham os nmeros mais altos de X, e os nme-
ros mais altos de Y acompanham os nmeros mais de X. No
conjunto C, entretanto, no se percebe variao sistemtica simultnea
dos dois conjuntos de nmeros. como se os nmeros do segundo con-
junto fossem includos ao acaso (e foram). Em tais casos, costuma-se
dizer que " no h relao" entre os conjuntos. bvio qt1e esta uma
maneira meio inexata de falar, porque qualquer conjunto de pares
ordenados uma relao. Entretanto, na linguagem corrente da pesquisa,
os pares ordenados do conjunto C seriam mencionados como no mos-
trando relao alguma. A expresso correta "relao zero" .
Ser possvel ser mais preciso sobre as magnitudes das relaes
dos conjuntos de medidas da tabela 4.1? Felizmente sim. Uma medida
muito til da magnitude das relaes o coeficiente de correlao,
que j foi mencionado e explicado ligeiramente h pouco. simples-
mente um ndice, em forma decimal, que indica a direo e a magnitude
da covariao de dois conjuntos de valores.
3
Tais ndices variam de - 1 ,00, passando por 0,00, at + 1 ,00.
+ 1,00 indica uma relao positiva perfeita, - os dois conjuntos de
3 !ndice um nmero usado para caracterizar um conjunto de nmeros e geral-
mente calculado com uma frmula, a partir de dois ou mais nmeros diferentes.
A mdia, ou mdia aritmtica, um ndice que indica a tendncia central de um
onjunto de nmeros. A amplitude, o nmero mais alto menos o nmero mais
baixo, um ndice. QI (quociente de inteligncia) um ndice: idade mental
(calculada por teste) dividida pela idade cronolgica. O coeficiente de correlao
6 um ndice muito complexo que expressa com preciso o "caminhar junto" de
dois conjuntos de pontos. uma estatstica muito usada em razo de sua fora
descritiva e porque conjuntos de coeficientes de correlao podem, por sua vez,
er analisados com uso de mtodos poderosos.
61
pontos tm exatamente a mesma ordem de postos, por exemplo, como
em A da tabela 4.1 - e - 1,00 indica uma relao negativa perfeita,
como em B da tabela. O (zero) , naturalmente, indica "nenhuma relao",
ou "relao zero". Todas as fraes decimais entre - 1,00 e + 1,00
so possveis: -0,78; - 0,51; -0,08; 0,12; 0,42; 0,83; e assim por
diante. Muitos coeficientes ou ndices de relaes como estes so usados
nas cincias comportamentais, mas neste livro estamos preocupados prin-
cipalmente com a compreenso e interpretao de tais ndices e no com
seu clculo.
4
Grficos de relaes
Na figura 4.6 fizemos um grfico da relao entre os postos da
figura 4.1. Para uma compreenso intuitiva mais profunda das
quantitativas, vamos fazer grficos das trs relaes da tabela 4.1. Isto
ser mostrado na figura 4.7. Os valores de X sero indicados pelo
eixo X e os valores de Y pelo eixo Y. Os pares - (1,2), (2,4), (5,8),
e assim por diante, sero indicados por cruzes: a cruz para o par (4,6)
em A, por exemplo, est colocada no ponto de interseo entre 4 uni-
dades em X e 6 unidades em Y. Est situado dentro de um crculo.
Linhas foram traadas atravs dos pontos para que possam correr o
mais prximo possvel de todos eles. Ao discutir a figura 4.6 dissemos
que tais linhas so chamadas linhas de regresso, que so traadas de
sorte a ficarem o mais prximas possvel de todos os pontos represen-
tados e que elas expressam a relao entre os valores de X e os de Y.
Observe que as linhas traadas em A e B se aproximam muito de todos
os pontos. A linha traada em C, entretanto, no pode se aproximar de
todos os pontos. O melhor que se pode fazer , sem dvida, traar uma
linha quase horizontal prxima da mdia (mdia aritmtica) dos
pontos Y.
Talvez a interpretao mais importante das trs situaes seja a
que se segue. Em A, a relao positiva alta significa que, medida
que os valores de X aumentam, aumentam os valores de Y. A relao
alta negativa de B, por outro lado, significa que, medida que os
valores de X aumentam, os de Y diminuem. No possvel fazer tal
afirmao sistemtica em C: no se pode prever a magnitude dos valo-
res de Y a partir da magnitude dos valores de X. Em cincias avanadas
como a fsica - e s vezes em psicologia e educao - pode-se fazer
afirmativas. mais precisas de magnitude; por exemplo, quando X
4 O leitor interessado poder consultar um livro de estatstica elementar procura
de instrues de como calcular tais ndices. Ver, por exemplo, Edwards (1973).
62
v
y y
9 9 9
6
;
8 X 8
7
;
7
\
6 6
'\
5 5 5
----
4 X 4 4
3
I
3 3
2 X 2 X 2
X
_L_L....LX
X
1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7
(A) Relao alta positiva (B) Relao alta negativa (C) Relao alta neutra
Fgura 4.7
aumenta uma unidade, Y aumenta duas unidades, ou quando X aumenta
uma unidade, Y diminui meia unidade.
Talvez possamos ajudar o leitor se vestirmos estas relaes nuas e
stes grficos com a roupagem das variveis. Em A figura 4.7,
nhamos que X seja escolaridade ou anos de escolandade, e Y rendt-
mentos. A relao de A, ento, significaria que, medida que a educa-
o aumenta, aumentam os rendimentos. Isto assim, mas re.lao
no to alta quanto o grfico indica. Usando as mesmas vanave1s em
D teremos uma relao improvvel que a evidncia da pesquisa no
apia: medida que aumenta a escolaridade, diminuem os rendimentos.
Em C no possvel nenhuma previso sistemtica dos rendimentos a
partir da escolaridade. Conhecer a escolaridade no nos capacita a dizer
ttte os rendimentos aumentam ou diminuem sistematicamente. Mas con-
lderemos um exemplo mais interessante.
Um exemplo de direo e magnitude de uma relao
Suponhamos que um pesquisador desconfie que o preconceito
ntra grupos minoritrios seja em parte resultado do autoritarismo.
5
Jl i descoberto, digamos, que algumas pessoas tm um tipo de persona-
lidade denominada autoritria. Algumas caractersticas dos autoritrios
agressividade, tendncia a serem punitivos, convencionalidade, sub-
mi so sem crtica autoridade e lderes e hostilidade generalizada em
r !ao a grupos diferentes dos seus. O pesquisador raciocina, na base
li ta uma hiptese famosa para a qual h considervel evidncia (Adorno,
l1 11kei-Brunswick, Levinson & Sanford, 1950).
63
de uma teoria do preconceito, que essas caractersticas se combinam
para produzir o preconceito contra membros de grupo!> minoritrios.
O pesquisador tem vrios meios de descobrir at onde est correto.
Suponhamos que ele construa uma escala para medir a extenso em
que os indivduos possuam as caractersticas dadas acima. Chamemos
isto Escala A. Ele usa tambm outra escala, a escala AS, que pesquisas
anteriores mostraram medir o anti-semitismo, ou o preconceito contra
os judeus. Ele est estudando, ento, um aspecto da relao entre autori-
tarismo e anti-semitismo. Ele poderia, naturalmente, ter medido as ati-
tudes dos sujeitos em relao a negros, estrangeiros, ndios e outros
grupos minoritrios. Entre as vrias pessoas que responderam s duas
escalas, suponhamos que foram selecionadas 10 para representar todo
o grupo e que os dez pares de pontos sejam os da tabela 4.2. (Dez
conjuntos de pares ordenados dificilmente bastariam para avaliar uma
relao com Geralmente os cientistas
usam muitos mais. Entretanto, o princpio o mesmo, quer se usem
10 ou 10.000 conjuntos de pares.)
O pesquisador quer saber a direo e a magnitude de sua relao:
seu sinal, positivo ou negativo, e at onde os dois conjuntos de valores
cavariam. Primeiro, os dois conjuntos de valores, com os de autoritaris-
mo sempre em primeiro lugar e os de anti-semitismo em segundo, so
um conjunto de pares ordenados e, portanto, uma relao. fcil ver
a direo da relao: positiva porque h uma tendncia marcante
dos valores altos de A serem acompanhados por valores altos de As -
por exemplo, (6,2; 5,7), (5,9; 5,3)- e igualmente para valores A e AS
baixos - por exemplo, (3,5; 4,0), (3,9; 3,5).
No to fcil avaliar a magnitude da relao, isto , at onde
pronunciada a tendncia de os valores de A e AS "caminharem juntos":
alta com alta, mdia com mdia e baixa com baixa. O exame de con-
juntos de pares ordenados parece indicar que a covariao dos pontos,
seu "caminhar juntos", pronunciada. Para ver isto mais claramente,
os postos dos v;1lores, postos de 1 a 10, com 1 indicando o valor mai1;
alto e 10 o mais baixo, esto indicados na tabela 4.2 ao lado dos pontos
de A e AS (entre parnteses). Observe que em geral os postos vo
juntos: os postos baixos de A combinam com os postos baixos de AS,
acontecendo o mesmo com os postos mdios e altos. Resumindo, a
relao entre autoritarismo e anti-semitismo, nesta amostra, positiva
e "substancial". "substancial" at onde? possvel e aconselhvel
calcular os ndices da magnitude das relaes. Tais ndices so chamados
coeficientes de correlao, como j ficou sabido.
6
6 Para o leitor curioso, o coeficiente de correlao dos pontos A e AS da
tabela 4.2 0,7, que indica que a relao substancial.
64
Tabela 4 2 Dez valores fictcios de autoritarismo e anti-semitismo dt:
um grande grupo de tais valores, com a ordem de postos dos va ores
Autoritarismo (A)
6,2 (1)
5,9 (2)
5,7 (3)
5,1 (4)
4,8 (5)
4,5 (6)
4,2 (7)
4,1 (8)
3,9 (9)
3,5 (10)
Anti-Semitismo (AS)
5,7 (2)
5,3 (3)
4,7 (5)
5,8 (1)
4,4 (7)
4,5 (6)
3,9 (9)
4,8 (4)
3,5 (10)
4,0 (8)
a Os nmeros entre parnteses so os postos dos valores, com 1 sendo alto e 10 baixo.
Exemplos de diferentes tipos de relaes
A descrio e discusso dos estudos de Clark e Walberg, _Miller '..:
Swanson, no primeiro captulo, e a descrio acima das relaoes entre
anti-semitismo e autoritarismo j devem ter-nos dado um pouco do
gosto da pesquisa psicolgica e educacion.al da natu-
reza das relaces. Agora precisamos ser mais espectflcos. I.sso vamo.s
delinear rapidamente uma relao hipottica entre inteltgncia e
zao escolar e depois estudar trs tipos diferentes ou formas de relaao,
usando outra vez exemplos hipotticos.
Inteligncia e realizao escolar: um exemplo hipottico
Quando h uma relao entre dois fenmenos, duas variveis,
juntos. Coloquemos assim: " Se h uma relao entre duas vana-
veis, quando uma delas muda, a. out;a
que tenhamos um meio de medir, digamos, mtehgencia. e reahzaao
escolar e que observemos os valores de ambas as medtdas em
amostra de crianas. Na medida em que os valores de uma delas vana
ou "vai junto com" os valores da outra, nesta medida, as
relacionam. Na medida em que os valores observados
escolar mudam quando mudam os valores de
nesta medida, as duas esto relacionadas. A Isto se chama vanaao
concomitante.
65
5
X
L
"' o 4
{.)
C/)
Q)
o
3
'"'
(.lo
"'
2 N
ro
Q)
a:
2 3 4 5
Inteligncia
Fie,!Jra 4.8
Estude o grfico da figura 4.8, que mostra uma relao
entre inteligncia e realizao escolar. Alguns pares de valores foram
includos no grfico. O primeiro par de valores (na extrema esquerda)
(1 ,2), isto , o nmero de pontos de inteligncia da criana 1 e sua
realizao 2. Os pontos da criana seguinte so (2,2). O par de pontos
da ltima criana (5,4). O princpio : "Assim como os pontos de
inteligncia variam, tambm variam os pontos de realizao" . Os dois
conjuntos de pontos em geral variam juntos - neste caso aumentam
juntos. Foi traada uma linha entre os pontos marcados de sorte a
ficar o mais prxima possvel de todos eles. Indica a direo da relao:
positiva porque pontos baixos de inteligncia so acompanhados por
pontos baixos de realizao, enquanto pontos altos de inteligncia vm
acompanhados de pontos altos de realizao.
Exemplos hipotticos de relaes com direes e magnitudes diferentes
Suponhamos que um -professor tenha os pontos (sob a forma de
Ois) do teste de inteligncia e os pontos do teste de realizao de sete
alunos e queira saber alguma coisa sobre a relao entre os dois conjun-
tos de pontos. Os pontos so os do quadro da pgina seguinte. O pro-
fessor marca os pontos em um grfico, como na figura 4.9. Ele quer
saber a direo e a magnitude aproximada da relao.
bvio que a: relao positiva. Em geral, Ois altos tendem a ser
acompanhados por pontos mais altos de e Ois mais baixos
por pontos mais baixos em realizao. A magnitude da relao mais
difcil de entender pelo grfico. Mas podemos observar que substan-
cial. Se a realizao fosse to alta quanto possvel, os pequenos crculos
estariam todos em linha reta partindo da esquerda inferior para a direita
superior. Quanto mais se afastam da linha reta, mais baixa a relao.
66
Realizao
145 51
125 57
118 60
110 48
100 54
97 35
90 32
mbora os sete crculos no se tenham colocado na linha reta que passa
mais prximo possvel de todos os crculos simultaneamente - a linha
traada no grfico - eles se mantm bastante perto dela. (Lembre-se
de que esta linha se chama linha de regresso.) Outro meio de ter
idia da magnitude da relao . comparar os postos dos dois conjuntos
de pontos, como j fizemos. Isto fica para o leitor como um exerccio.
Agora suponhamos que tomamos tima relao com direo negativa
o consideravelmente menor em magnitude. Tal relao mostrada no
grfico da figura 4.10. Suponhamos que ela mostre a relao entre a
afluncia de um bairro e a delinqncia. Novamente temos sete pontos.
Desta vez, entretanto, esto mais espalhados; esto mais distantes da
linha traada, o mais prxima possvel de todos os pontos. Alm disso,
a direo da linha, que agora corre da esquerda superior a direita
inferior do grfico, diferente. Indica que a relao negativa:
o
30
25.L_ __ L_ __ L_ __ L_ __ L_ __ L_ __
80 1 00 11 o 1 20 130 140 150
Intel igncia (OI)
I/ ura 4.9
67
medida que o bairro se torna mais afluente, h menos delinqncia.
Mas agora a relao muito mais fraca do que era na figura 4.9, onde
os pares de pontos estavam mais perto da linha de regresso. Observe
que quatro dos pontos (os pequenos crculos) esto bem distantes da
linha. Em suma, a relao negativa e no muito forte.
6
5 o
m
o
'
c:
<Q)
'5- 3
c:
(i)
o o
o
2 3 4 5 6 7
Afluncia
Figura 4.10
o
o
o
00 o O o
o o
o o
o o
o
o o o
o
8
o
o
o
o o
o
o o
o O:> o
o
o o o
o
o
o
o b
o o
o
o
o
o
o
o
o o
o
o o
o
o
o o
o
o
o
o
s o
o o o o
o
o
o
o
o o O
o
o o
o o
o
o
o
o 10 20 30 40 50
60 .
Figura 4.11
68
Muitas variveis, naturalmente, no tm nenhuma relao entre si,
n nuo ser por acaso: sua relao zero ou prxima de zero. Isto quer
di zer que o conhecimento de uma varivel no contribui para o conhe-
lmcnto de outra varivel. No se pode dizer, por exemplo, que enquanto
uma varivel aumenta a outra varivel aumenta ou diminui. Tal situa-
mostrada na figura 4.11, onde 100 pares de nmeros entre O e 100
f ram marcados. Os nmeros foram obtidos de duas colunas de nmeros
t' Juiprovveis de um ou dois algarismos, numa tabela maior de tais
n(tmeros (Kerlinger, 1973, pp. 715 e 717, duas ltimas colunas de
nmeros de dois algarismos).
7
Casualidade e nmeros aleatrios, um
Importante desenvolvimento tcnico e cientfico moderno, sero expli-
<' dos no captulo S. f: suficiente dizer, por enquanto, que nmeros alea-
1 rios so como o resultado do jogo de dados ou de moedas: no h
ordem dedutvel ou previsvel de espcie alguma nos nmeros. No se
p de predizer - j que ambos os conjuntos de nmeros so casuais -
nenhum nmero a partir de outro. Se aparecer um 90 em uma coluna,
pilo se pode dizer que provvel que um nmero alto o acompanhe na
Lltra coluna, o mesmo para nmeros baixos e mdios. Em linguagem
comum, os nmeros dos pares esto todos misturados: todas as combi-
naes possveis podem ocorrer, mas no se pode prever um nmero
n partir de outro.
Compare a figura 4.11 com as figuras 4.9 e 4.10. Nas duas ltimas
houve um "caminhar junto" sistemtico dos nmeros, embora tenha
havido consideravelmente menos "caminhar junto" na figura 4.10 do
que na 4.9. Mas pode-se ver que os crculos da figura 4.11 esto por
lodo o grfico e, mais importante, no h ordem discernvel ou
"caminhar junto". Este um estado de relao zero.
Ainda temos muito o que dizer sobre relaes neste livro. Elas so
recheio e o ncleo da cincia. Compreender que o objetivo maior da
incia a explicao e que a explicao vem principalmente do estudo
das relaes compreender a base da cincia. Agora vamos tentar
umarrar as idias de explicao e relaes e, j que estamos no assunto,
fnlar da importante idia de teoria.
Explicao cientfica, teoria e relaes
Embora relaes, teoria e a explicao fossem discutidas no pri-
meiro captulo, sua importncia exige exame mais profundo. A cincia
st constantemente preocupada em explicar as coisas. "Explicar" uma
isa significa dizer o que esta coisa. Mas virtualmente impossvel.
1 stes nmeros foram criados por um programa especial em um computador
,f grande porte.
69

..
pelo menos neste mundo, dizer-se diretamente o uma coisa . T,aT?as
poderemos chegar alguma cmsa (em?ora os
nos digam o contrano). Em c1encm queremos exphcar
naturais. Por exemplo, queremos explicar "preconceito", o qll:e quer
dizer que vamos dizer como nasce, por que nasce, como cammha, o
que o afeta, o que ele afeta e assim por diante.
Explicar alguma coisa, pelo menos satisfatoriamente,
uma das tarefas mais difceis que podemos empreender. Ma1s que tsto,
literalmente impossvel explicar tudo sobre algum ou sobre
conjuntos de fenmenos. E explicar tudo sobre por exem-
plo, simplesmente no possvel, A boa
parte de nossa explanao venha apmada em emp1,nca. Em
outras palavras, a "verdade" absoluta para sempre Mas
aproximaes razoveis a explicaes de fenmenos naturais podem
dadas de maneira cientfica satisfatria.
O nico mei ento, de explicar alguma coisa, determinar de
que maneira esta se relaciona com outras coisas. a
co do preconceito significa descobrir como o preconceito se relacwna
outros fenmenos naturais. Se estivssemos interessados apenas no
do preconceito em crianas . A ter!amos" que saber
menos em que idade as crianas tomam de
A relao seria entre a idade e conhecimento ou consc1enc1a de
outros grupos.
J disserr.os que a cincia lida apenas fenmenos na!urais e
explicaes "naturais" de tais fenmenos. Exphcar o preconcetto,. po.r
exemplo, dizer que ele faz parte da natureza hur::ana, que o mdt-
vduo "naturalmente" preconceituoso em relaao a grupos diferentes
do seu, no uma explicao no sentido cientfico un:
termo "natureza humana", que to vago que se torna macess1vel a
' " 1 "? Como
observaco cientfica. Onde encontramos natureza 1Un:ana
medi-la? Ou pode-se dizer: fe: g:upos d1ferentes_ e as
diferencas levam hostilidade". Isto tambem nao e uma explanaa? no
sentido' cientfico. invocar Deus como a causa das diferenas, retlra a
afirmativa do mbito da preocupao cientfica. Mais ainda, pode-se
retorquir que Deus fez todos os iguais. Dizer que diferenas
levam hostilidade, embora uma af1rmat1va melhor porque pelo menos
implica a possibilidade de observao, ainda vago demats para a obser-
vao cientfica. Todas as diferenas de grupos?
espcie? Que espcie de hostilidade? Sob que cucunstanc1as? E ass1m
por diante.
Naturalmente h muitas "explicaes" para o comportamento
mano e para fenmenos. "Doena castigo pelo
econmicas so devidas aos judeus"; " Os pretos sao mus1cos matos
70
Tais "explicaes" so cientificamente sem valor porque no podem
H r submetidas a investigaes cientfica e a testes. Sem dvida, uma
I' ande contribuio da cincia sua rejeio de "explicaes" que real-
mente nada explicam. A explicao pode referir-se apenas a fenmenos
uaturais, e "fenmenos naturais" significam ocorrncias no mundo
bservvel. Qualquer fenmeno, para ser um fenmeno natural, precisa
r observvel, potenCialmente mensurvel ou manipulvel. No neces-
rio ser visto diretamente. Mas precisa haver alguma evidncia de suas<
manifestaes no mundo emprico. "Preconceito", neste sentido, implica
m certo tipo de comportamento.
Como, ento, a cincia explica o preconceito - ou qualquer outro '
f nmeno natural? Repetindo, pode ser explicado apenas pelas suas rela- -) .M ...
es com outros fenmenos. Necessariamente tais explicaes so sempre _J lt
1 tuciais e incompletas. Foi descoberto, por exemplo, que o autoritarismo
t positivamente ligado ao preconceito (Adorno e outros, 1950):
ssoas muito autoritrias tendem tambm a ser preconceituosas contra
judeus, negros e estrangeiros. Descobriu-se tambm que se a maioria das .
pessoas de determinado grupo de indivduos tem crenas ""
(crenas relativamente fixas e rgidas) sobre membros de outro grupo, elas : "3
nto tendero a ter atitudes negativas em relao aos membros do.c
utro grupo. Ficou dito tambm - e provado por evidncia (Dollard e:_)
utros, 1939) - que a frustrao leva agresso, que muitas pessoas
so social e economicamente frustradas e dirigem a hostilidade resultante
1 ra outros grupos. Temos aqui, ento, fenmenos relacionados com o
pt'econceito: autoritarismo, estereotipia e frustrao. Assim, temos uma
plicao parcial de preconceito.
Preconceito um conceito ou constructo bastante difcil. Vamos
mar um fenmeno ou varivel igualmente complexp, mas talvez mais
f tcilmente ilustrvel, realizao, e sintetizar uma explicao. Fazemos
I to usando um exemplo de uma explanao terica semelhante quela
d 1da quase no fim do captulo 1. A importncia das idias justifica
1 exemplo adicional. Suponhamos que queremos saber por que certos
ulunos no se saem bem na escola. J sabemos que inteligncia uma
vnrivel explanatria: crianas abaixo de um certo nvel de inteligncia
ttndem a no se sair bem na escola.
8
Mas muitas dessas crianas se
11 m bem - e muitas crianas de nvel superior de inteligncia no
saem bem. Apenas inteligncia, ento, uma explicao parcial.
nb -se tambm que crianas de classes sociais mais baixas no se saem
I bem na escola, comparadas s crianas de classe mdia. H muito se
mo a natureza de nossa tarefa neste livro esclarecer a cincia e a pesquisa
1 h ntffica, no tentaremos discutir os aspectos controvertidos de conceitos como
lnt llgnca. Acreditamos, quando usamos uma varivel como inteligncia, que
jiiiMi ll ser medida validamente. Naturalmente, podemos estar errados.
71
pensa tambm, embora sem apoio muito forte de ,que .a mo-
tivao - desejar ou no desejar sair-se bem - e uma vanavel Impor-
tante que influencia a realizao escolar.
Agora vamos colocar uma "explicao" de realizao escolar com
as trs variveis que acabamos de mencionar. Tenha em mente que este
exemplo muito simplificado. A realizao escolar um fenmeno com-
plexo, cuja explicao ainda cie?. e
dando uma explicao apenas parctal e lumtada com fim pedagogtco.
Em todo caso, a "explicao" est representada 1_1a figura As seta:
indicam as relaes ou influncia. Uma seta de lmha contmua e uma so
ponta indica "influncia"; uma seta de linha e.?uas
indica uma influncia mtua, ou simplesmente uma relacao. ( Influencia
geralmente implica um efeito numa s direo; "relao" implica que a
influncia pode ser numa direo ou noutra, ou em ambas.)
A explanao assim representada indica que inteli?ncia e
o influenciam diretamente na realizao escolar. As ma1s
ligentes tendem a fazer melhor o trabalho as que estao
mais interessadas no trabalho escolar e ma1s desejosas de faze-lo, fazem
um trabalho melhor. Inteligncia e classe social e inteligncia e motivao
influenciam-se mutuamente. Crianas de classe mdia, por exemplo, tm
em mdia pontos mais altos em testes de inteligncia, .e as. mais
altamente motivveis so, em mdia, crianas de ma10r mtehgencw. A
motivao influenciada diretamente pela classe social. Crianas das
classes trabalhadoras no se interessam tanto pelo trabalho escolar como
as de classe mdia, talvez porque o ambiente menos . afluente ,no
duza aceitao entusistica do aprendizado e do estudo. (Alem dtsso,
Inteligncia
Figura 4.12
72
o escola norte-americana uma instituio de classe mdia.) A classe
ocial no exerce efeito direto sobre a realizao escolar, ento, influen-
cia a realizao apenas indiretamente, atravs da inteligncia e da moti-
vao.
O objetivo deste exemplo no sua adequao ou validade. Antes,
objetivo mostrar como uma explicao comportamental cientfica
de um fenmeno e como as relaes so o recheio de tal explicao.
O fenmeno da realizao escolar "explicado" pela relao entre, de
um lado, inteligncia, motivao e classe social, e, de outro, realizao
escolar - e tambm pelas relaes entre inteligncia, motivao e classe
ocial.
Todo o conjunto de variveis e as relaes especificadas entre elas
podem ser chamadas uma "teoria". Naturalmente, esta deveria ser
chamada uma "pequena teoria", ou o embrio de uma teoria, porque
um fenmeno to complexo quanto realizao escolar dificilmente pode-
ria ser explicado por trs variveis. Entretanto, a maioria das teorias
cientficas consiste em tais relaes sistemticas entre variveis. Uma
teoria, ento, um conjunto de constructos inter-relacionados (variveis),
definies e proposies que apresentam uma viso sistemtica de um
problema especificando relaes entre variveis, com a finalidade de
explicar fenmenos naturais.
Esta discusso sobre "explicao" em cincia foi necessria para
tirar o mistrio da explicao e da teoria cientficas. Toda explicao,
naturalmente, usa relaes. A diferena entre explicaes cientficas e
explicaes no-cientficas de fenmenos, profunda. : inse-
parvel das palavras "sistemtica", "controlada" e "emprica." A dife-
tena deve ficar mais clara medida que continuarmos discutindo.
73
5. Probabilidade e estatstica
Vivemos num mundo probabilstico. Num mundo onde quase nada
absolutamente certo. Muita coisa relativamente certa, claro. quase
certo que chover em Nova Iorque ou Amsterd durante os prximos 30
dias. quase certo que algumas pessoas faro ainor amanh na Califr-
nia! Mas nunca se garante certeza absoluta. H limites nas certezas:
algumas coisas so virtualmente certas, como as que menciona111os. Entre-
tanto, outras esto longe disso. Falamos probabilisticamente o tempo
todo, embora freqentemente vivamos como se os acontecimentos da
vida fossem infalveis. Os cientistas, entretanto, no apenas falam
probabilisticamente; eles vivem probabilisticamente em seu mundo de
pesquisas.
Uma das principais diferenas entre os vrios ramos da cincia o
grau de certeza dos acontecimentos e relaes. Nas cincias naturais,
por exemplo, o grau de certeza muito alto. Um fsico pode expor uma
lei fsica e pr alta confianca no comportamento de corpos fsicos e em
acontecimentos. Alis, muias relaes em fsica so chamadas "leis",
em parte pelo alto grau de a elas associado. Entretanto, sempre
h margem para erro, embora a literatura popular e o prprio homem
paream confiar plenamente nas leis fsicas e no comportamento de
objetos e acontecimentos.
Os acontecimentos e relaces das cincias comportamentais so
muito menos certos. Um diz que, se certa quantidade do produto
qumico A for juntada a certa quantidade do produto qumico B,
uma exploso. A afirmativa e probabilstica, embora sua probabdtdade
de estar correta (na maioria dos casos) sej a muito alta. Os psiclogos,
por outro lado, podem dizer que se as cria?as frustradas
mostraro agresso, mas a probabilidade da aftrmatlva estar correta nao e
to alta assim. Quando um cientista poltico diz: "Quem conservador
vota nos republicanos.", a afirmativa empiricamente vlida porque
pessoas com tendncias conservadoras quase sempre votai? nos republt-
canos. Mas a afirmativa tem probabilidades bastante batxas em casos
partiCulares. Em mdia, os cientistas polticos
corretos. Mas se tentarem predizer quantos votos tera determmado mdt-
vduo, freqentemente erraro.
74
A despeito das diferenas de graus de certeza: importante com-
JI' ender que todas as cincias so probabilsticas. O pensamento do
d ntista em todos os campos fundamentalmente o mesmo. Entretanto,
t cientistas discordam radicalmente nos nveis de probalidade que comu-
m nte se associam aos fenmenos e relaes com que trabalham. Se
(Ulsermos compreender cincias como a psicologia e a sociologia,
t Hnbm importante termos capacidade de pensar e viver em paz com as
1flrmativas probabilsticas. Precisamos entender perfeitamente que cada
11 sero, cada afirmativa de relao vem acompanhada de uma "etique-
ta" probabilstica. Sempre que dizemos "Se p, ento q", o que dizemos
11
Se p, ento provavelmente q". O que acontece na vida se repete na
lncia: a certeza um mito, para sempre fora do nosso alcance.
A estatstica uma filha da probabilidade. Em parte um instru-
mento que mostra aos cientistas em que medida o resultado de suas
1 esquisas seguro, e, assim, quanto suas asseres so dignas de con-
fiana. O principal resultado de Clark e Walberg, a diferena mdia de
I' alizao em leitura entre os grupos experimental e de controle, provou
ue sua hiptese sobre o efeito do reforo macio no aproveitamento
m leitura de crianas carantes negras foi "empiricamente vlido".
("Empiricamente vlido" significa que a evidncia da pesquisa apia
uma assero sobre uma relao.) A nica maneira, pelo menos que
conhecemos hoje, pela qual poderiam avaliar a validade emprica da
afirmativa foi usar o raciocnio estatstico e probabilstico e mtodos
statsticos de avaliao. O que significa isto?
Quando obtemos o resultado de uma pesquisa, queremos saber se
podemos confiar nele. Se repetirmos o experimento vrias vezes, obtere-
mos os mesmos resultados a cada repetio? Se a resposta for sim, os
tesultados so confiveis. A diferena entre a mdia de pontos de leitura
dos grupos de Clark e Walberg confivel? Podemos acreditar que se
Clark e W alberg tivessem feito o mesmo experimento ou experimento
cmelhante trs, quatro ou mais vezes, eles teriam conseguido os mesmos
u resultados semelhantes: as mesmas ou diferencas semelhantes entre a
tndia de pontos de leitura do grupo do grupo de controle?
Um teste estatstico de seus resultados pode responder a esta pergunta.
Umbora a finalidade deste livro no permita entrar nos detalhes de tais
testes estatsticos, precisamos ter uma compreenso geral de como estats-
tica e probabilidade "funcionam", como usam as idias de acaso e casua-
lidade para ajudarem os cientistas a chegarem a concluses sobre os
resultados de suas pesquisas.
Probabilidade e estatstica so temas interessantes, intrigantes e at
fascinantes. Apesar das concepes errneas associadas sua natureza e
uso, ambas esto prximas da realidade porque se assemelham natureza
modelo de nossas vidas e penetram a essncia de nosso pensamento e
75
comportamento. Tomemos como exemplo uma tomada de deciso.
Constantemente tomamos decises sobre o que fazemos. Os resultados,
naturalmente, nunca so certos. Somos, ento, calculadores quase esta-
tsticos e probabilticos - embora muita gente pudesse se irritar com a
idia de que suas vidas e decises tm natureza estatstica. Afinal, a
estatstica trabalha com nmeros e minha vida no se baseia em nmeros!
Mas nossas vidas so baseadas em nmeros, explcita ou implicitamente.
Sempre h probabilidades numricas de
atos e decises, embora raramente smbamos qua1s sao essas probablli
dades.
Eis um paradoxo. A estatstica e a probabilidade lidam essencial-
mente com incertezas; na pesquisa, entretanto, elas nos ajudam a ter
mais certeza dos resultados que obtemos! Isto no significa que podemos
ter certeza dos prprios resultados, dos resultados em si, mas que pode-
mos atribuir graus de certeza aos resultados com bastante preciso. Se fiz
uma experincia com um grupo experimental e um grupo de controle,
por exemplo, e obtive a diferena entre os dois grupos na direo pre-
vista, posso garantir que esta diferena seja suficientemente grande para
justificar minha confiana de que uma "diferena verdadeira"? Poderei
dizer algo como: "A probabilidade de que a diferena de mdia de
pontos dos dois grupos no fortuita, no devida ao acaso, alta.
H apenas uma possibilidade em cem de que a diferena seja devida ao
acaso". Embora probabilstica, uma afirmativa forte.
Probabilidade
Probabilidade e acaso so dois poderosos conceitos inventados para
ajudar-nos a esclarecer a ordem e a confuso do mundo. So tambm
conceitos frustradores porque no sabemos ao certo do que estamos
falando quando os discutimos. Isto soa estranho. Parece verdade, entre-
tanto, que as idias aparentemente mais simples transformam-se em
complexas e confusas depois de cuidadoso exame. Probabilidade e acaso
so dois bons exemplos. Ambas so difceis de definir. Felizmente, em
nosso caso, no h muito problema. Sabe-se muito bem como funcionam
os procedimentos de casualizao e probabilidade - e um pouco deste
saber servir nosso objetivo.
Probabilidade: uma definio
Embora definida no captulo 2, precisamos agora expandir e elucidar ,
aquela discusso. A probabilidade (p) de um evento o nmero de casos
"favorveis" do evento dividido pelo nmero total de casos (igualmente
76
p ssveis). ("Favorvel" significa favorvel a um acontecimento cuja
probabilidade estamos avaliando.) Isto expresso pela equao:
nmero de casos favorveis
p (evento)
nmero total de casos possveis
Esta uma definio terica ou a priori, como chamada.
1
Jogue uma moeda uma vez. A probabilidade de dar cara 1/ 2, pois
h duas possibilidades: / C, c/. Agora jogue duas vezes. Qual a proba-
bilidade de duas caras? Precisamos tomar cuidado. H quatro possibili-
dades. Da primeira vez pode dar cara ou coroa. Da segunda, cara ou
coroa. O nmero total de possveis resultados 4: [ (C1, C2), (Ct, c2)
(c1, C2), (Ct, c2) ] , onde C1 = cara na primeira jogada, c2 = coroa na
egunda jogada e assim por diante. O denominador da frao de proba-
bilidade 4. J que h apenas uma possibilidade de duas caras, (C1, C2),
probabilidade de duas caras em duas jogadas de 1/4.
Vamos mudar um pouco e ampliar o problema. Qual a probabili-
dade de sarem trs caras em trs jogadas? As possibilidade so dadas na
rvore da figura 5 . 1. As possibilidades de duas jogadas no problema
acima so dadas nos primeiros dois estgios da rvore, a "Primeira
Jogada" e a "Segunda Jogada". As probabilidades dos resultados esto
ossinaladas tambm: so todas de 1/2. A terceira Jogada simplesmente
acrescenta possibilidades. Para listar todos os rsultados possveis das trs
j gadas, procure-os nas ramificaes do grfico:
f(Ct, C2, C3), (Ct, C2, ca), . .. , (c1, c2, ca)]. H oito desses resultados,
assim o denominador da frao de probabilidade 8. Portanto, a proba-
bilidade de trs caras em trs jogadas de 1/ 8, j que h apenas um
so de trs caras: (C1, C2, Ca) .
As probabilidades de outros eventos - qualquer resultado definido
chamado um evento - podem ser determinadas com facilidade. O
d nominador sempre 8. Qual a probabilidade de duas caras e uma
c roa? A probabilidade de 3/8, porque h trs desses eventos no
n'ifico. (Conte-os. Eles esto marcados na figura 5. 1.) Pode-se tambm
nlcular a probabilidade de qualquer evento multiplicando as probabili-
utra conhecida definio chamada a posteriori, ou definio de freqncia.
rll'ma que, numa srie -de tentativas, a probabilidade a razo entre o nmero
d vezes que um acontecimento ocorre e o total do nmero de tentativas. Aqui
fazem alguns testes, contando o nmero de vezes que determinado aconteci-
lU nto ocorre, calculando depois a razo. O resultado do clculo a probabili-
dud o acontecimento. Usamos as duas definies, mas principalmente as de
tlrl a priori.
77
dades ao longo de qualquer uma das ramificaes do grfico. Por
exemplo, a probabilidade de trs caras : 1/2. 1/2. 1/2 ==----l_/8. A proba-
bilidade d'e C1, c2, cs, 1/2 . 1/2. 1/2 = 1/8. Neste exemplo, a proba-
bilidade a mesma em cada ramificao porque a probabilidade de C ou
c sempre 1/2. Em muitos problemas, entretanto, haver probabilidades
diferentes e o clculo no to simples assim. No prximo exemplo
que estudarmos as probabilidades no sero de 1/2.
O principal problema em clculos de probabilidade determinar o
nmero total de possibilidades, depois de cuidadosa conceituao do pro-
blema. Mas por que trabalhar com um problema to trivial quanto este
jogo de moeda? Ns o escolhemos porque o raciocnio e o mtodo so
semelhantes na maioria dos problemas de probabilidade. Naturalmente
entram outras complexidades nos problemas reais. Por exemplo, con-
clumos que no jogo da moeda as probabilidades de cara e coroa so
iguais. Nos problemas reais isto pode no acontecer. Alm disso, h
invariavelmente muito mais possibilidades. Entretanto, as mesmas idias
permeiam a maioria dos problemas de probabilidade.
Tomemos um exemplo mais realista. Suponhamos que temos uma
amostra de 100 eleitores, 60 democratas e 40 republicanos. Se pusermos
Terceira
jogada
Segunda C
jogada
112
__...- '
c,__..
Primeira ------ "--112
--c,J
/
c, ____ __
c, v'
1/2---- 1/2
1/2 c ---
/ ,..___1/2--c,
Incio
- ""-.. --c,.;
""' --1/2
112 _...--c,.............._
-----1/2 1/2........._c
c,----
1/2----- 1/2--c,
c---
2---1/2
........._c,
Figura 5.1
78
11 11 mes dos eleitores (em pedaos de papel) numa urna, mistur-los
I 111 c tirarmos um, qual a probabilidade de sair um republicano?
d' 40/100 = 0,40. (Costuma-se expressar probabilidades em forma
dt I mal.) Isto bvio e no preciso nenhuma elaborao. Mas suponha-
llllll que vamos precisar de 30 pessoas para uma pesquisa. Quantos
d 111 cratas e quantos republicanos vamos ter se tirarmos 30 pedaos
dt J)apel da urna? Devemos ter 60/100 x 30 = 18 democratas e
I 00 x 30 = 12 republicanos. Teremos exatamente estes nmeros?
l'lllV velmente no. Mas teremos nmeros aproximados deles se mistu- i:
1111 111 s bem os pedaos de papel depois de cada vez que tirarmos. -,
I lt v' ser algo assim: (18, 12), (19, 11), (20, 10), (17, 13), (16, 14), e por
ur vnl. Estas so as possibilidades mais provveis. Se tirssemos 10 demo- <
1 1111ns e 20 republicanos, ou 1 democrata e 29 republicanos, ficaramos .4.
1111tllo surpresos. A primeira combinao improvvel, a segunda alta- )
11\!:Jll e improvvel.
--
::::
- ra o
'
....._:: .;::
(.._.
Precisamos fazer um desvio na discusso para apresentar uma
h lca subjacente moderna estatstica e ao pensamento estatstico: oS
ltl' 1 o, Infelizmente no parece possvel definir acaso sem ambigidade.
t 11110 definio de dicionrio- aleatrio, acidental, sem rumo ou direo
no nos ajuda muito. Sem dvida os cientistas so muito sistemticos
1111 rel11co casualidade: escolhem cuidadosamente amostras ao acaso
1 1 procedimentos casuais em experimentos.
'uponhamos que um ser onisciente possua um enorme livro enci-
l lupdico. Cada acontecimento e cada detalhe de cada acontecimento -
d11 pnssado, de amanh, depois de amanh e assim por diante - so
1 11 ludosamente anotados no livro. No h nada desconhecido. Natural-
"' nto no h acaso, porque se algum sabe tudo no pode haver casuali-
dml ' E possvel adotar a . posio de que nada acontece ao acaso, de
qu para cada acontecimento h uma causa. O nico motivo de se usar
n p11lavra "acaso" que os seres humanos no sabem o suficiente. Sob
11 nspecto, casualidade ignorncia, claro.
Pegando uma deixa deste argumento, podemos definir o acaso de
1111111 maneira um tanto desajeitada: eventos so casuais se no podemos
Jlll v r seus resultados. Pot exemplo, no se conhece um jeito de ganhar
1111 J go de moedas. Se no existe sistema para o jogo que garanta ganhar-
1111 u perdermos, ento, o resultado do jogo casual. Colocado mais
lt11 tn lmente, casualidade significa que no h lei conhecida, capaz de ser
1 1' 'Sa na linguagem, que descreva corretamente ou possa predizer os
Vl'lll s e seus resultados (Kemeny, 1959, pp. 68-75).
79
Um conjunto de 100 nmeros, de O a 9, dado na tabela 5. 1 em
conjuntos de dez cada. Estes foram um enol'flle con-
junto de tais nmeros aleatnos. (Esquea a ultima lmha da tabela por
enquanto.) Estude os nmeros. Voc ter dificuldade de encontrar qual-
quer forma de regularidade ou sistema No pares ou
mpares sucessivamente h sequenc1as de
nmeros. Eles so, com efeito, Imprev1Slveis. (Se algum levar sulclente-
mente longe a busca, sempre acabar encontrando alguma coisa).
Resumindo, quando os eventos so aleatrios, no podemos pre-
diz-los individualmente. estranho, entretanto, podermos prediz-los
com timos resultados no total. Isto , podemos predizer os resultados
de grande nmero de eventos. Embora no possamos prever, ao jogar
uma moeda, se vai dar cara ou coroa, podemos, atirando-a mil vezes,
predizer com considervel exatido o nmero total de caras e coroas.
Se tirarmos uma amostra de 100 crianas de uma populao de 400,
200 meninos e 200 meninas, no podemos predizer se uma determinada
criana ser menino ou menina, mas podemos predizer com bastante.
exatido o nmero total de meninos e meninas em nossa amostra - neste
caso, 50 meninos e 50 meninas - contanto que a amostragem seja
casual e a amostra numerosa.
Uma manifestao importante da segurana de previso estatstica
do comportamento de grandes conjuntos de nmeros dada na parte
inferior da tabela 5. 1. So mdias aritmticas. Cada mdia calculada
para 10 nmeros aleatrios. Sempre podemos predizer com considervel
exatido que os valores dessas propores estaro prximos do "valor
terico" da mdia dos nmeros de O a 9.. Esta mdia terica
Tabela 5.1 Conjunto de 100 nmeros aleatrios, de O a 9, e mdias calcuhidas
de subconjuntos dos nmeros.
1 2 3 4 5 6 7 8 9 10
9 o 8 o 4 6 o 7 7 8
7 2 7 4 9 4 7 8 7 7
6 2 8 1 9 3 6 o 3 9
7 9 9 6 4 9 4 7 7
3 3 1 4 I o 3 9 4
8 9 2 1 3 9 6 7 7 3
4 8 3 o 9 2 7 2 3 2
1 4 3 o o 2 6 9 7 5
3 I 8 8 4 5 2 1 o 3
2 4 8 9 2 9 3 o 1
Mdia 5,0 3,9 5,3 2,4 . 5,7 3,8 5,2 4,4 5,0 4,9 Mdia total = 4,56
80
O + 1 + ... 9)/10 = 4,5. Observe que seis das 10 mdias esto
ucima de 4,5 e quatro abaixo de 4,5.
S uma, a quarta, 2,4, afasta-se muito de 4,5. Quanto mais nmeros
usar para calcular as mdias, mais prximas elas provavelmente
ficaro da mdia terica. Se, por exemplo, calcularmos a mdia de todos
s 100 nmeros na tabela 5.1, teremos 4,56, muito perto de 4.,5. Tal
comportamento 'regularmente previsvel de grandes conjuntos de nmeros
muito til em pesquisa. Da ao cientista um quadro de referncia para
uvaliar resultados no sentido de que ele possa conferir os resultados
ubtidos confrontando-os com os resultados "teoricamente" esperados ou
baseados no acaso.
Probabilidade, acaso e pesquisa comportamental
Pode parecer um salto muito grande entre atirar moedas e nmeros
casuais para o uso da teoria da probabilidade em pesquisa real. E de
um ponto de vista: os "eventos" na pesquisa real so muito mais com-
plexos. Mas as idias bsicas so as mesmas, ou pelo menos bastante
emelhantes. Tentaremos mostrar isto com um exemplo hipottico inspi-
rado por um experimento psicolgico bem conhecido.
2
Vamos ento
reforar as idias voltando ao conceito de acaso.
Suponhamos que eu faa um experimento com trs grupos de jovens.
Quero saber, se puder, se a crescente dificuldade de entrar para um
grupo aumenta a atrao e valor desse grupo. A hiptese que a dificul-
ade de iniciao dentro de um grupo aumenta o valor do grupo aos
olhos de seus membros. Suponhamos que alguns suburbanos desejem
pertencer a um clube de campo. O pensamento por detrs do experi-
mento que quanto mais difcil for entrar para o clube - taxa de jia,
mensalidades altas, uma longa espera na fila de admisso para scio
ser considerado da cor de pele "certa", da religio "certa" e do
njunto "certo" de pontos de vista sociais, por exemplo - , mais os
membros valorizaro o clube e o fato de serem seus scios.
Para testar a hiptese fiz trs grupos de indivduos passarem por
I r s graus diferentes de dificuldades para pertencerem ao grupo. Vamos
upor que isto foi feito sob condies cuidadosamente controladas; os
membros de um grupo, A1, submeteram-se a duro sofrimento para
ntrarem no grupo, os de outro grupo, A2, um pouco menos, e os do
t rceiro, A3, nenhum sofrimento. No fim do experimento fiz todos os
lll us sujeitos experimentais responderem a um instrumento que media
A idia para este experimento hipottico foi tirada de um experimento real de
Al-onson e Mills (1969) no qual foi testada a hiptese acima. Acompanho o
11 quema de Aronson _e Mills de perto, mas fabrico os resultados para nosso
11hj tivo - probabilidades .
81
o desejo percebido de pertencer ao grupo. Suponhamos que as trs mdias
dos trs grupos nesta medida fossem, A1 = 5,2; A2 = 4,7; A3 =
(Os resultados refletem uma escala com 7 pontos, 1 muito
pouca exibio de desejo de entrar para o grupo e 7 stgmftcando enorme
desejo.) . .
Essas mdias apiam a hiptese. Ser? A1, o grupo mats sofndo,
teve a mdia mais alta; A2, que sofreu menos, chegou em segundo lugar;
e A
3
, que nada sofreu, recebeu a mdia mais baixa. Mas que
algum objete, dizendo que este resultado foi .casual, que podena ter
acontecido facilmente se os membros do grupo tivessem tirado os pontos
de um chapu ou - alis, a mesma coisa - tivessem respondido ao
instrumento simplesmente escrevendo quaisquer respostas s
Como posso saber que estas trs mdias no so um dos mmtos resul-
tados que poderiam facilmente ter sido obtidos por acaso? Como poss.o
"testar" as trs mdias para avaliar seu suposto afastamento de tms
expectativas baseadas no acaso?
Para acalmar momentaneamente a curiosidade do leitor, mas talvez
no satisfatoriamente, pode ser usada uma tcnica conhecida
como. anlise de varincia para testar com preciso os resultados e seu
afastamento da expectativa baseada no acaso. Suponhamos, entretanto,
que eu no saiba nada a respeito de anlise de varincia. asssim
posso testar a hiptese? Sim, mas no to bem. Vamos entao mventar
um teste. Embora no seja grande coisa, melhor que teste nenhum e
tem a virtude de demonstrar de maneira simples como funciona e
aplicada a teoria das probabilidades.
A hiptese apresentada acima implica numa ordem de. postos das
mdias dos trs grupos experimentais. Ela prediz, com efetto, ,q_ue. os
membros de A
1
, o grupo que mais sofreu, acharo o grupo
desejvel; que os membros de A2, o grupo que sofreu menos, achara
o grupo desejvel mas no lhe dar tanto valor quanto At; e qu.e
membros de A
3
, o grupo que no sofreu, daro o menor valor. e
prevista uma ordem de postos pela hiptese: os pontos de At serao em
mdia maiores que os de A
2
e os de A2, maiores do que os de A3.
Se aceitarmos a mdia dos grupos como indicativa da avaliao do
sobre ser membro do grupo e deixar At, A2 e A3 representarem as medtas,
ento a hiptese pode ser escrita simbolicamente: A1 > A; > A3,
()nde > significa "maior que". Ento essa ordem de postos e: 1 2 3.
Uma vez que as mdias obtidas foram A, = 5,2: A2 = 4,7 e A3 = 3,5;
a hiptese parece confirmada, como ficou indicado. Mas talvez este
resultado tenha acontecido por acaso.
Aplique a teoria das probabilidades. Quais so as possibilida,des?
Queremos testar a hiptese com uma frao, cujo denommador tera um
nmero que expresse todas as possibilidades. Quantas possveis ordens
de postos de trs mdias podem ocorrer? Anote-as:
82
1
1
2
2
3
3
2
3
1
3
1
2
3
2
3
1
2
1
I l seis possveis ordens de postos. Ento o denominador da frao de
(robabilidade 6. O 1 2 3 obtido um destes. Qual .a probabilidade
de ter ocorrido por acaso? Qual a probabilidade, vendo de outra forma,
de que esta particular ordem de postos, que reflete a ordem de postos
prevista pela hiptese, possa ocorrer simplesmente como uma das mos
de um jogo de cartas onde as pessoas recebem cartas marcadas com
1, 2 e 3?
Afinal, no temos maneira de saber ao certo se a ordem de postos
das trs mdias realmente reflete a influncia dos variados graus de seve-
ridade de iniciao por que passaram os trs grupos. A nica coisa que
podemos fazer, se a ordem de postos das mdias resultar, como dissemos
que resultaria, inferir que a hiptese est correta. E a maneira de fazer
isto avaliar os resultados experimentais obtidos comparando-os com
os resultados que poderiam ter ocorrido por acaso - dando cartas de um
baralho bem embaralhado, por exemplo.
O resultado de nosso experimento hipottico, 1 2 3, concorda com
a hiptese. Este resultado pode ocorrer por acaso uma vez em seis, j
que uma das seis ordens possveis de postos. Portanto, a probabilidade
da ordem de postos das mdias, 1 2 3, 1/6 = 0,17. Uma interpretao
deste resultado que se eu fiz este experimento 100 vezes e a manipu-
lao experimental no teve efeito - isto , as condies de sofrimento,
u severidade de iniciao no tiveram influncia no desejo percebido
de fazer parte do grupo - a ordem de postos 1 2 3 teria ocorrido cerca
ue 17 vezes. Nesta base, poderemos dizer que a manipulao experimental
leve algum efeito e que a hiptese ficou confirmada? Dificilmente. Afinal,
no se est muito garantido, quando as possibilidades so 1 em 6, ou 17
em 100, de obter tal resultado apenas pelo acaso. Entretanto, este um
teste estatstico e me diz alguma coisa sobre os meus resultados.
Este teste no muito bom, ento. Se eu tivesse testado quatro
grupos e previsto a ordem de postos das mdias como 1 2 3 4, e tivesse
sido isto que aconteceu no experimento, ento eu teria confiana consi-
deravelmente maior na validade emprica da hiptese. Isso porque com
quatro mdias haveria 24 ordens de postos possveis das mdias:
I 2 3 4; 1 2 4 3; 1 3 2 4; 1 3 4 2; e assim por diante at 4 3 2 1.
83
Assim, a probabilidade de obter 1 2 3 4 de 1/24 = 0,04, que significa
que h cerca de 4 possibilidades em 100 de obter 1 2 3 4 apenas pQr
acaso - e uma boa margem de segurana. Seu eu disser que minha
hiptese 1 2 3 4, e isto que obtenho, posso ficar bastante seguro de
que meu resultado no casual e que as condies de sofrimento sem
dvida influenciaram a percepo do desejo de ser membro do grupo.
(Sugere-se que o leitor verifique todas as possveis ordens de postos para
perceber a validade deste raciocnio.)
Este teste ainda no muito bom, contudo. Aqui ele foi usado com
um exemplo realstico para ilustrar a idia de probabilidade. No entanto,
testes estatsticos mais poderosos so baseados em raciocnio semelhante.
A medida que avanarmos, tentaremos mostrar o raciocnio atrs de tais
testes, mesmo que no descrevamos como fazer os testes.
Uma concepo probabilstica errnea e independncia
Existe no senso comum uma idia totalmente errnea e confusa das
probabilidades dos eventos. Comumente est contida na expresso "a lei
das mdias", que diz mais ou menos o seguinte: se houvr um grande
nmero de ocorrncias de um evento, a probabilidade desse evento ser
menor no experimento seguinte. Suponhamos que se jogue uma moeda
cinco vezes, dando cara em todas elas. A idia de senso comum da
"lei das mdias" levaria a acreditarmos que h maior possibilidade de
dar coroa da prxima vez - ou menor possibilidade de dar cara. Mas
no. A probabilidade de cara na prxima jogada a mesma que nas
jogadas anteriores: 1/2. As probabilidade no mudam sejam quais forem
os resultados anteriores. Diz-se que cada evento independente.
Que relao tem essa idia errnea com a compreenso da pesquisa,
com a maneira de os pesquisadores trabalharem e com os resultados esta-
tsticos e sua interpretao? Para aplicar as idias da teoria das proba-
bilidades aos dados de pesquisa, deve-se assumir, quase sempre, que as
observaes e os dados resultantes da observao sejam independentes.
Independncia significa que a ocorrncia de um evento, A, de forma
alguma afeta a ocorrncia de outro acontecimento, B. Isto quer dizer
que a probabilidade de B no afetada por A. "Evento" deve ser inter-
pretado de modo amplo. Pode significar qualquer tipo de ocorrncia
definida: o lanamento de uma moeda, a ocorrncia de caras, a escolha
de um caminho em um labirinto, por um rato, a resposta oral ou escrita
de uma criana a um item de um teste, a manipulao de uma varivel
por um cientista.
No fcil demonstrar a independncia, em parte porque a falta de
independncia pode ser muito sutil. Tomemos o exemplo comum de um
84
I' quisador manipulando duas variveis ao mesmo tempo para estudar
11 efeito separado e possivelmente conjunto sobre uma varivel depen-
1 ntc. Suponhamos que um educador tenha motivos para acreditar que
111 todos diferentes de ensino da leitura funcionem diferentemente com
tlp s diferentes de material de leitura. As duas variveis devem ser
mnnipuladas ou manejadas de sorte que o manejo de uma no influencie
11 utra por causa do manejo ou manipulao ou por causa da natureza
du, variveis. Suponhamos que o pesquisador usou dois mtodos para o
n ino da leitura, A1 e A2, e dois tipos de material de leitura, Bt e B2,
ll l'l'espondentes a material difcil e material fcil. Suponhamos ainda que
11 mtodo At leve muito mais tempo para aplicar que o mtodo A2, e
Jll o espao de tempo gasto em ensinar reduza a dificuldade de qualquer
rnnterial de leitura. Haveria, ento, uma falta de independncia, porque
n mtodo At traz em si, por assim dizer, um fator relacionado com a
dificuldade do material (varivel B). Em outras palavras, o mtodo At
t nder a funcionar melhor com material de leitura mais difcil, no por
ousa da natureza do mtodo, mas simplesmente porque exige mais
t mpo de ensino do que o mtodo A2. H, ento, falta de independncia
ntre as variveis A e B, j que um aspecto extrnseco da varavel A,
pao de tempo de ensino, est relacionado com a varivel B, dificuldade
d material.
Outro exemplo de falta de independncia encontra-se na mensura-
I o. Se, digamos, dermos um teste com dez itens a certo nmero de
rlanas e depois somarmos os pontos de cada criana nos dez itens
pnt'a obter o total - um procedimento comum - estamos assumindo
JUe os dez itens so independentes e suas respostas tambm indepen-
d ntes. Esta suposio satisfeita razoavelmente em muitos testes e
lll didas e o procedimento til e vlido. Mas suponhamos que pedsse-
111 s s crianas que numerassem os dez itens por ordem de importncia
(uu qualquer outro critrio). Os itens e suas respostas j no so mais
Independentes, porque antes que o item 1 seja escolhido como o mais
llllportante, h 10 escolhas. Depois da primeira escolha, restam nove
I ns a serem escolhidos. Depois de escolher os nove primeiros itens
r ta apenas um - e no h escolha. As respostas a itens posteriores,
111 outras palavras, sero afetadas pelas escolhas anteriores. Isto falta
I temtica de independncia. Tal falta de independncia afeta a esta-
tf llca e sua interpretao. Isto no quer dizer que a ordem de postos e
111 t dos semelhantes no possa ser manuseada probabilstica e estatisca-
111 nte. Alis, mostramos como um simples problema de ordem de postos
pocl ser resolvido usando a teoria das probabilidades. Ela simplesmente
llu tra a falta de independncia. Em suma, muitas tcnicas estatsticas
upcm independncia e seu uso e interpretao com fenmenos ou pro-
dimentos no-independentes pode nos confundir.
85
Fizemos esta digresso sobre a independncia para tentar esclarecer
a concepo probabilstica errnea esboada antes. Os resultados ~ e
eventos casuais anteriores no afetam os resultados de eventos subseqen-
tes - ou talvez devssemos dizer que no devem afetar eventos
subseqentes. Se a probabilidade de sair cara no primeiro lanamento de
moeda de 1/2, ser de 1/2 no dcimo, no vigsimo, no qinquagsimo,
sejam quais forem os resultados anteriores. Isto acontecer a no ser
que se tenha feito alguma coisa para mudar a moeda ou o jogo, ou que
tenha havido alguma influncia extrnseca atuando, como no experimento
sobre os mtodos de ensino da leitura mencionado acima.
Acaso e pesquisa
Agora devemos estar em melhor postao para estudar o acaso e
sua relao com a pesquisa. Por que a idia de acaso to importante
na pesquisa? Como usada? Como ajuda os pesquisadores? Parte da
resposta j foi dada, mas precisamos continuar. Os resultados dos experi-
mentos, por exemplo, tm que ser avaliados. O pesquisador tem que
perguntar: "Os resultados confirmam a hiptese?" Suponhamos que eu
obtenha mdias, num experimento com dois grupos de sujeitos, de 52,40
e 42,25 e que estejam na direo prevista pela hiptese. Devo tambm
ter um meio de avaliar o "tamanho" da diferena entre eles. Afinal, esta
pode ser uma das muitas diferenas que poderiam ter ocorrido por acaso.
Dificilmente algum quer basear concluses cientficas em resultados
fortuitos ou ao acaso!
Imagine o que poderia acontecer sob condies puramente casuais.
Isto significa que no h nenhuma certeza; que no h influncias siste-
mticas em ao, ou, se houver influncias sistemticas, elas esto to
misturadas que uma anula a outra, por assim dizer. tudo uma mixrdia.
Se no houvesse nenhuma influncias sistemtica agindo no experimento
de Clark e Walberg, ento a mdia de pontos nas repeties (replicaes)
do experimento teria flutuado de maneira imprevisvel. Tais mdias pode-
riam parecer-se com as da tabela 5 . 2, que mostra as mdias dos grupos
experimental e de controle de cinco replicaes hipotticas do experi-
mento, junto com as mdias reais obtidas por Clark e W alberg (ltima
linha da tabela). As mdias das primeiras cinco linhas de dados da
tabela foram inventada para parecerem mdias calculadas a partir de
nmeros aleatrios cujas magnitudes eram iguais s das mdias de Clark
e Walberg.
Nos experimentos 1, 2 e 5, as mdias do grupo experimental so
mais altas que as do grupo de controle, mas nos experimentos 3 e 4,
so mais baixas. Alm disso, as mdias no diferem muito uma da
86
outra. A falta de resultados sistemticos e a insignificncia das diferen-
as entre as mdias esto mostradas na coluna denominada " Diferenca".
Tais resultados so caractersticos de resultados obtidos em bases ,for-
tuitas ou casuais. Compare-os com as mdias reais de Clark e Walberg
e a diferena entre elas ( + 4,76). A estatstica, ento, ajuda-nos a deter-
minar ou avaliar se os resultados obtidos "realmente" diferem dos
" resultados" que seriam obtidos sob condies de acaso.
T_abela 5.2 Mdias de oontos de leitura de cinco replicaes hipotticas do expe-
nmento de Clark e Walberg sob condies de acaso - e mdias reais obtidas.
:xperimento
Grupo Grupo
experimental controle Diferena
I 27,42 26,50 + 0,92
2 28,10 26,95 +2,15
3 26,18 27,05 -0,87
4 27,41 28,56 -1,15
5 28,64 27,90 +0,74
Clark e Walberg 31,62 26,86 + 4,76
Tabela 5.3 Vinte pares de mdias aleatrias e as diferenas entre mdias.
M,
ttl, 4
t,n
1,()7
1
1
1, 8
~
50,06
53,95
53,61
49,31
49,16
50,22
58,36
49,57
55,44
49,43
Diferena
1,78
- 7,75
-5,92
2,52
4,05
- 1,35
-8,72
1,80
- 10,37
- 0,15
Ml M2 Diferena
48,87 48,52 0,35
53,08 52,94 0,14
56,79 46,79 9,72
47,99 48,33 -0,34
49,37 47,29 2,08
49,02 55,51 -6,49
45,68 52,39 -6,71
47,04 49,95 - 2,91
53,51 46,00 7,51
52,74 47,65 5,09
s ltimas trs colunas so simplesmente uma continuao das trs primeiras.
IIm pequeno estudo de diferenas casuais
Vamos explorar um pouco mais o acaso, continuando com a idia
diferenas casuais entre grupos. Ainda estamos falando de uma base
87
casual para avaliar os resultados de dados obtidos na pesquisa. Um
conjunto de 20 pares ele mdias e as diferenas entre as mdias mos-
trado na tabela 5. 3. Estas mdias foram obtidas por um processo c a ~ a l
Um computador gerou 4.000 nmeros aleatrios de O a 100. Depois
foram calculadas as mdias de 40 conjuntos de 100 nmeros cada um.
Essas mdias foram emparelhadas, pondo-se a primeira mdia com a
vigsima primeira mdia, a segunda com a vigsima segunda, e assim
por diante.
3
As diferenas, sob a coluna "Diferena", foram calculadas
subtraindo em cada par a segunda mdia da primeira mdia.
Concentremo-nos nas 20 diferenas. Elas vo de - 10,37 a 9,72.
H 9 diferenas positivas e 11 negativas. Isto se aproxima da expectativa
de casualidade, pois com nmeros aleatrios esperamos aproximadamente
igual nmero de diferenas para mais ou para menos. (Deixemos os
sinais de mais ou de menos por ora, para simplificar a discusso.)
Suponhamos que fizemos um experimento com dois grupos e
obtivemos mdias de 52,40 e 42,25. A diferena entre estas mdias
52,40 - 42,25 = 10,15. Usando as diferenas entre as mdias da
tabela 5. 3 com base casual, desejamos avaliar a chamada "significncia
estatstica" da diferena 10,15. Um resultado "estatisticamente signifi-
cante" o que se afasta "suficientemente" da expectativa de acaso ou de
uma base casual. Os 10,15 obtidos diferem tanto do acaso? um resul-
tado estatisticamente significante?
Voltemos s diferenas da tabela 5. 3. As duas maiores diferenas
so 10,37 e 9,72. Isto significa que 10 por cento (2/20 = 0,10) das 20
diferenas so maiores do que 9. Se quisermos aceitar cerca de 10 por
cento de risco de estarmos errados, podemos dizer que a diferena
obtida no experimento, 52,40 - 42,25 ou 10,15, excede expectativa
de acaso. (Se tivssemos levado em considerao os sinais das diferenas,
o risco teria sido menor. Por qu?)
Suponhamos, entretanto, que no estamos satisfeitos com 10 por
cento de risco. Queremos ter mais certeza de que nossa diferena experi-
mental de 10,15 seja um afastamento "real" da expectativa casual.
Em outras palavras, queremos diminuir a probabilidade de fazer um
erro e aceitar o que realmente uma diferena casual como uma "verda-
deira" diferena. Assim dizemos que a probabilidade deve ser de 0,05,
ou 5 por cento, em vez de 0,10, ou 10 por cento. Cinco por cento de
20 1: 20 x 0.5 = 1. Neste caso tomamos apenas uma diferena, a
mais alta, 10,37. Conforme as diferenas dadas na tabela 5.3, h uma
probabilidade em 20, ou 5 por cento - a probabilidade 0,05 - de
3 O conjunto completo de 4.000 nmeros e as quarenta mdias so dadas em
Kerlinger (1973, pp. 714-718).
88
obter uma mdia de 10,37 ou maior, por acaso. Obtivemos a diferena
de 10,15. J que h s uma diferena to grande na tabela, podemos
dizer que o resultado experimental obtido, a diferena entre a mdia
do grupo de controle e experimental, provavelmente no seja resultado
do acaso. Em outras palavras, h apenas uma possibilidade em 20, ou
uma probabilidade de 1/20 = 0,05, de que nossa diferena seja uma
diferena casual. Conclumos, ento, que a mdia do grupo experimental
estatisticamente maior que a do grupo de controle. Dizemos que a
diferena entre as mdias "estatisticamente significante".
O leitor deve saber que este procedimento - chamado procedi-
mento Monte Carlo- no o meio pelo qual os pesquisadores costumam
avaliar a significncia estatstica de seus resultados. A demonstrao foi
feita apenas para mostrar a natureza do pensamento, para manufaturar,
por assim dizer, uma base casual com a qual avaliar um resultado
experimental particular. Mas a idia por detrs dos mtodos mais sofisti-
cados atualmente usados muito parecida. Outra falha de nossa
demonstrao foi usar apenas 20 pares de mdias. Um procedimento
Monte Carlo melhor teria usado 2.000 ou 20.000 mdias e fa.ria o
computador emparelhar as mdias ao acaso. Entretanto, a essncia da
idia esteve presente: foi avaliado um resultado experimental confron-
tando-o com uma base causal.
Populaes, amostras, estatsticas
At agora a discusso focalizou apenas ou principalmente o uso da
probabilidade e da estatstica para avaliar a confiabilidade dos resulta
dos da pesquisa. A leitura inteligente e a compreenso da literatura da
pesquisa experimental, entretanto, exige aprendizado relacionado a apli-
caes diferentes das idias estatsticas. Consideremos, portanto, a defi-
nio e explicao de certos conceitos importantes usados na maioria
da pesquisa comportamental contempornea, comeando com a prpria
"estatstica".
Estatstica a teoria e o mtodo de analisar dados quantitativos
btidos de amostras de observaes com o fim de resumir os dados e
aceitar ou rejeitar relaes hipotticas entre variveis. Esta definio
ugere dois propsitos da estatstica: reduzir grande quantidades de dados
11 forma manusevel e ajudar a fazer inferncias seguras a partir de dados
quantitativos. O primeiro propsito vem ilustrado com o seguinte exem-
plo. Vamos calcular, digamos, uma mdia de 100 resultados. Com a
juda de uma medida de variabilidade apropriada - uma medida que
xpresse a disperso, ou a amplitude dos resultados - esta mdia
xpressa a tendm;ia central dos 100 resultados. Em outras palavras,
I "escreve" um aspecto dos resultados. O primeiro propsito, ento .
89
descrio. Temos pouco interesse nele neste livro. O segundo propsito
comparativo e inferencial. A mdia pode ser comparada s mdias de
outros grupos. Mdias de grupos diferentes, ento, podem ser compa-
radas com o fim de testar hipteses e inferir se as hipteses so ou rlo
confirmadas. Outras estatsticas alm das mdias podem ser igualmente
comparadas, naturalmente.
Uma estatstica uma medida calculada de uma amostra, como ficou
claro. Uma estatstica uma medida resumida: ela sumariza, ou expressa
em forma resumida, algum aspecto de uma amostra. A mdia expressa a
tendncia central dos pontos, seu nvel geral. Esta propriedade tem
grande utilidade, principalmente na pesquisa experimental, onde freqen-
temente so comparadas as tendncias centrais de grupos de resultados.
Lembre-se que foram comparadas as mdias de grupos de reforcamento
macio e regular no estudo de Clark e W alberg. O chamad; desvio
padro, outra estatstica, expressa a variabilidade de um conjunto de
pontos; uma expresso resumida de quanto heterogneo um conjunto
de pontos. Entre outras coisas, usando-a, pode-se avaliar a homogen,ei-
dade ou heterogeneidade de diferentes conjuntos de pontos.
Uma populao um conjunto de todos os objetos ou elementos sob
considerao. Todas as crianas de 8 anos de Genebra, Suca, so uma
populao. Todos os homens de um exrcito so uma populao. Amostra
uma poro de uma populao, geralmente aceita como representativa
da populao. Para estudar e testar uma hiptese de Piaget sobre um
aspecto do pensamento das diferenas de 8 anos, podemos tirar uma
amostra de 100 dessas crianas da populao de crianas de oito anos
de Genebra. Uma medida calculada dos resultados de todos os membros
de uma populao chamado um valor de populao. Se calcularmos
uma mdia de todos os resultados de teste de inteligncia de todas as
crianas de oito anos de Genebra, a mdia um vlor de populao. Se,
entretanto, calcularmos a mdia da amostra de 100 criancas tiradas
da populao, a mdia uma estatstica. H muitas estatstica: das quais
estudaremos algumas.
As idias de valores de populao e estatsticas e de populao e
amostra, parecem confundir as pessoas, parcialmente, imagino eu, porque
a diferena entre elas s vezes arbitrria, uma questo de defnico.
acontece particularmente na pesquisa comportamental porque fre-
quentemente as populaes so inacessveis - at o recenseamento dos
Estados Unidos no pode cobrir todos os norte-americanos - e porque
as amostras podem ser tratadas como populaes para propsitos de
pesquisa. Um exemplo simples sexo. Homens e mulheres so amostras
de todos os seres humanos. Digamos que a populao seja o conjunto
de todos os seres humanos de San Francisco. Os homens e as mulheres
de San Francisco so amostras dessa populao. Mas o pesquisador pode
90
ter um bom motivo - seu problema pode incluir s mulheres - para
estudar as caractersticas e comportamento somente das mulheres. As
mulheres de San Francisco, ento, tornam-se a populao. Agora,
suponhamos que o pesquisador use um instrumento psicolgico destinado
n medir as atitudes em relao s mulheres com todas as mulheres que
vivem em San Francisco. Ele calcula a mdia e o desvio padro dos
resultados da medida de atitude de todas essas mulheres. A mdia e o
desvio padro so valores de populao.
f: muito pouco provvel, entretanto, que at o pesquisador mais
cuidadoso possa ou queira estudar todas as mulheres de qualquer cidade.
l1 muito mais provvel que ele queira estudar uma amostra de mulheres
escolhidas em uma populao. Suponhamos, neste caso, que a amostra
consista de 700 mulheres de San Francisco. Se o pesquisador aplicar a
escala de atitudes s 700 mulheres e calcular a mdia e o desvio padro,
estes sero estatsticos, porque foram calculados a partir de amostras.
O segundo propsito da estatstica, ajudar a fazer inferncias segu-
ras a partir de dados de observao, centraliza-se nas palavras "infern-
cia" e "segura". Uma inferncia uma proposio ou generalizao deri-
vada pelo raciocnio, de outras proposies, ou da evidncia. Na estats-
tica, as inferncias podem ser tiradas de testes do que chamado hip-
teses estatsticas. Da diferena de mdias entre o grupo experimental e o
de controle do estudo de Clark e Walberg, do uso apropriado de um
teste estatstico e do raciocnio, "conclumos" que a mdia do grupo
experimental maior que a mdia do grupo de controle. Isto , temos
duas estatsticas, duas mdias, calculadas dos do grupo experi-
mental e do grupo de controle. Subtramos uma mdia de outra, neste
caso a mdia do grupo de controle da mdia do grupo experimental. Se a
diferena for "suficientemente grande", o que quer dizer maior do que
nlguns valores concebidos como expectativa baseada no acaso, conclumos
tjUC o grupo experimental obteve pontos mais altos de leitura em mdia.
Tal uso inferencial da estatstica o ncleo da estatstica na pesquisa
mportamental contempornea. A palavra " segura", citada acima, refe-
l' 'se estabilidade dos resultados obtidos e assim estabilidade das
Inferncias feitas a partir dos resultados. Se obtivermos uma certa dife-
1' na entre as mdias dos dois grupos, diferena igual ou semelhante
IIP recer outras vezes se o experimento for vrias vezes repetido? Se
llvcrmos um certo conjunto de freqncias em um cruzamento de
vutiveis ou tabulao cruzada, como no exemplo de Miller e Swanson,
no captulo 1, obteremos padres semelhantes de freqncias - e iguais
uf ' tamentos das expectativas baseadas no acaso - se o estudo for
1 pctido? A estatstica nos ajuda a responder tais perguntas, dando-nos
11 lm meios poderosos de avaliarmos a estabilidade a validade emprica
d nossas inferncias a partir de dados.
91
Concepo errnea da estatstica
f. comum encontrarmos concepes errneas da estatstica. Muita
gente acha o assunto desagradvel. Ouve-se pessoas educadas dizet@l:
"Eu simplesmente no consigo entender a estatstica"; "Posso lidar per-
feitamente com as palavras, mas quando se fala de estatstica ... "
Expresses como estas mostram uma a1enao profunda em relao a
nmeros e conceitos quantitativos. f. verdade que muitas pessoas no
conseguem lidar facilmente com conceitos estatsticos e matemticos.
Mas a maioria das pessoas instrudas pode e deve ser capaz de trabalhar
com idias e operaes estatsticas - uma vez que tenham motivao
e se esforcem para isso. Podem aprender a se interessar e at se apaixo-
nar pelo poder e beleza dos mtodos analticos usados nas cincias com-
portamehtais. Certamente h de chegar o dia em que educadores e leigos
instrudps no mais podero se dar ao luxo de ignorar ou fugir da
necessidade de entender as idias bsicas por detrs da probabilidade, da
estatstica e dos modernos mtodos de anlise.
o estudo estatstico, sem a compreenso das idias bsicas, uma
provao dispensvel para o esprito - uma chatice e uma carga. Vinte
ou trinta anos atrs havia bons motivos para evitar-se o estudo da estats-
tica. O ensino e os livros enfatizavam os clculos, as derivaes, ou
ambos. Hoje, entretanto, o quadro mudou. O ensino e os livros enfatizam
as idias e o raciocnio por trs dos clculos e do pensamento. Nem por
isso o assunto ficou mais fcil. No vou tentar embrulhar o leitor dizendo
que estatstica fcil. Mas no to difcil quanto se pensa. Pode ser
muito bem aprendida e posta em uso prtico. E, o que mais importante,
se estudada de maneira correta, com nfase constante em idias bsicas,
pode se tornar uma preocupao emocionante.
Infelizmente h uma concepo errnea ainda mais sria que, se
sustentada, pode ser ainda mais prejudicial. Bons professores podem
convencer as pessoas mais medrosas, levando-as a um ponto de compe-
tncia funcional. Mas pouco ou nada podem fazer, entretanto, com
esta concepo errnea, que difcil de descrever, talvez por ter diversas
facetas e algo parecido com um fervor religioso. Sua essncia parece ser
que a estatstica tem pouca ou nenhuma relao e importncia para a
"realidade". Diz-se que os pesquisadores fazem operaes complexas e
confusas com nmeros, derivados de formas misteriosas do que as pessoas
dizem, dando concluses que so distores da "realidade". Por exemplo,
um pesquisador aplica testes de inteligncia e realizao em crianas,
calcula as mdias, compara-os com mdias nacionais e descobre que as
mdias so mais altas ou mais baixas do que deveriam ser. Mas, diz-se,
estas mdias tm pouca relao com a realidade, com a complexidade
e individualidade de crianas reais. So abstraes sem significado, pelo
92
menos no que se refere a cada criar1'.(a individualmente. Assim, todo o
procedimento irrelevante inteligncia e realizao de crianas verda-
deiras. Argumentos semelhantes aplicam-se a toda a amplitude das ope-
raes estatsticas.
claro que este erro de concepo est baseado em idias imper-
feitas dos propsitos e usos da estatstica. Todas as estatsticas so abstra-
es. Qualquer estatstica em particular pode no corresponder aos resul-
tados de um indivduo em particular. Mas nem deveria! Seus propsitos
so muito diferentes. Adeptos dessa concepo errnea parecem querer
que a estatstica mostre a "verdadeira realidade", que faa alguma coisa
mgica, enfim. Como toda a criao do homem, ela pode fazer apenas o
que lhe foi destinado, e isto sempre se limitou a aspectos especiais de
uma "realidade". Uma mdia estatstica apenas uma mdia estatstica,
mais nada. No pretende ser "igual" a qualquer indivduo. Mas pode ter
um poder explanatrio considervel, at grande, quando usada e interpre-
tada adequadamente.
O propsito da estatstica, ento, no mostrar a chamada realidade
ou refletir as idiossincrasias dos indivduos. Antes, seu principal propsi-
to ajudar os pesquisadores a chegarem ao significado de conjuntos de
dados. Assim, de ajuda indispensvel na interpretao de dados. Pode-se
dizer que a estatstica disciplina os dados, agindo sobre eles de sorte a se
tirar inferncias seguras de observaes empricas. Sem dvida seria
difcil conceber a pesquisa comportamental moderna sem ela. Natural-
mente, h perigos em seu uso. Pode-se ter dados inadequados e se acomo-
dar numa espria sensao de suficincia, em clculos e
peraes estatsticos. Pode-se generalizar alm dos dados e usar a
estatstica para acreditar e fazer os outros acreditarem que tal generali-
zao conveniente e correta quando, de fato, inconveniente e errada.
A despeito dos perigos e dificuldades, a estatstica, a teoria das probabili-
uades por trs dela e a idia fundamental e fecunda de acaso so ferra-
mentas teis e poderosas, cujo grande valor nossa tarefa apreciar.
93
6. O delineamento da pesquisa experimental:
delineamentos de uma s varivel
O plano e a estrutura da pesquisa so comumente chamados o deli-
neamento da pesquisa. Da forma que a usamos aqui, a palavra " delinea-
mento" focaliza a maneira pela qual um problema de pesquisa concei-
tuado e colocado em uma estrutura que se torna um guia para a experi-
mentao, coleta de dados e anlise. Definimos ento delineamento de
pesquisa como o plano e a estrutura da investigao, concebidos de
forma a obtermos respostas para as perguntas da pesquisa.
Pesquisa experimental
As modernas concepes do delineamento de pesquisa so baseadas
na pesquisa experimental, que j foi discutida, embora superficialmente.
As caractersticas essenciais dos experimentos no foram sistematica-
mente definidas nem discutimos os diferentes delineamentos de experi-
mentos. Focalizaremos as principais caractersticas da pesquisa experi-
mental e os principais tipos de delineamentos usados nos experimentos,
neste captulo e no prximo.
Um experimento uma pesquisa, onde se manipulam uma ou mais
variveis independentes e os sujeitos so designados aleatoriamente a
grupos experimentais. Alguns especialistas podem discordar desta defi-
nio, dizendo, entre outras coisas, que a designao aleatria no
absolutamente condio necessria em um experimento. De certa forma,
tm razo. Pode-se fazer um experimento sem se designar aleatoriamente
os sujeitos para os grupos experimentais. O experimento, entretanto, ser
muito mais fraco do que outro com designao aleatria. Em todo caso,
deixaremos a definio como est, porque, no sentido estrito, a designa-
o aleatria um aspecto necessrio aos experimentos. (O significado de
" designao aleatria" ser discutido depois.)
A que vamos pesquisar a idia de que a privao na
mfanc1a afeta o desenvolvimento mental posterior. Temos duas condices
experimentais e 40 ratos. Estes sero designados aleatoriamente a dois
grupos. Podemos fazer isto jogando uma moeda cada vez que escolhermos
rato. Se der cara, o rato ir para o primeiro grupo; coroa, o rato
1r para o segundo. Aplicaremos um tratamento experimental a um dos
94
grupos, digamos de "privao", tambm ao acaso. O outro grupo no
ofrer "nenhuma privao". A definio de experimento est satisfeita.
Haver manipulao experimental e os sujeitos sero designados para
os grupos experimentais ao acaso.
Em princpio no faz diferena onde e como ser feito o experi-
mento. Muita gente acha que todos ou que a maioria dos experimentos
so feitos em laboratrios. Muitos so, mas muitos no. f: at possvel,
embora difcil, fazer-se um experimento em uma grande rea geogrfica.
Muitos experimentos da pesquisa comportamental so chamados experi-
mentos de campo. Quer dizer simplesmente, feitos fora do laboratrio,
"no campo". Embora haja diferenas importantes entre experimentos de
laboratrio e experimentos de campo, sua concepo essencial a mesma.
Delineamentos de uma s varivel independente ("one-way")*
O experimento de Aronson e Mills, descrito no captulo 5, um
modelo "de mo nica" ("one-way"). Isto quer dizer que tem somente
uma varivel independente. Os sujeitos foram designados aleatoriamente
para trs grupos experimentais, A1, A2 e Aa. Os sujeitos designados para
o grupo A1 sofreram uma iniciao severa a fim de se juntarem a um
grupo hipottico, os sujeitos do grupo A2 uma iniciao suave e os sujeitos
do grupo Aa no sofreram qualquer tipo de iniciao. A varivel mani-
pulada, ento, foi iniciao ou severidade de iniciao. (Lembre-se que
"manipulao" significa fazer coisas diferentes com grupos diferentes.)
1
O delineamento de experimento se pareceria com o "modelo" dado
na tabela 6 . 1. Um delineamento deste tipo mostra simplesmente as con-
dies ou manipulaes da varivel ou variveis independentes. f: empres-
tado de um esquema de anlise de dados. Isto , conveniente dispor os
dados de um experimento em uma tabela como a tabela 6 . 1. Neste
caso haveria 20 resultados em cada uma das condies experimentais
includas nas colunas da tabela. Tal esquema mostra claramente o delinea-
mento geral da pesquisa e tambm sugere a anlise dos dados. (Para
mais facilidade e clareza os resultados das variveis dependentes foram
sugeridos na tabela.)
A expresso "one-way designs", que traduzimos por "delineamentos de uma s
varivel independente", est associada, em ingls, expresso "one-way analysis
O/ variance", que designa a anlise de varincia com um critrio de classificao,
mtodo estatstico associado a tais delineamentos. (N. do Revisor Tcnico)
I Uma concepo errnea comum em relao ao experimento psicolgico que
ns pessoas so manipuladas - uma idia muitssimo distorcida e errada que causou
nin_da causa problemas para os pesquisadores em psicologia. Embora seja possvel
mampular pessoas em experimentos, isto no tem nada a ver com a natureza dos
xperimentos em que se manipulam variveis. A manipulao em experimentos
mpre e simplesmente significa fazer coisas diferentes com grupos diferentes;
11 manipulao reflete uma ou mais variveis independentes.
95
Tabela 6.1 Delineamento do experimento de Aronson e Mills (1959).
Severidade de iniciao
Ar
Severa
A2
Suave
A a
Nenhuma
Resultados na varivel dependente (percepes do
valor do grupo)
O delineamento do experimento de Clark e W alberg dado na
tabela 6 . 2. um pouco mais simples do que o modelo de Aronson e
Mills, porque h apenas duas condies experimentais, reforamento
macio e reforamento regular. Contudo, os dois modelos tm a mesma
base conceitual.
Os modelos das tabelas 6. 1 e 6. 2 podem ser chamados delinea-
mentos de uma s varivel independente. No so limitados a duas ou
trs condies experimentais: pode haver, de fato, qualquer nmero
de condies. Isto est expresso na tabela 6. 3, onde k variveis indepen-
dentes esto sugeridas. Haveria grupos de sujeitos e assim k colunas de
resultados na varivel de dependente na tabela. A anlise estatstica dos
dados testariam as diferenas previstas pelas hipteses (e outras) entre
os k grupos.
Se um psiclogo fosse fazer o experimento implicado pela tabela 6. 1,
ele escolheria sujeitos adequados e os designaria aleatoriamente a trs
grupos experimentais. Um modo eficiente, embora trabalhoso de fazer
isto, usar uma tabela de nmeros aleatrios. Suponhamos que haja um
total de 60 sujeitos. Designa-se um nmero de 1 a 60 a cada um dos
sujeitos (de maneira arbitrria). O psiclogo ento abre a tabela de
nmeros aleatrios em qualquer pgina e em qualquer ponto - erguendo
um lpis e deixando-o cair de sorte que o lpis aponte um dos nmeros -
l e copia os 60 nmeros sem repetio. Os primeiros 20 nmeros formam
um grupo, os segundos 20 outro e os terceiros 20 mais outro. Os nmeros,
ento, so designados aos sujeitos de qualquer maneira conveniente (veja
abaixo). Temos, ento, trs grupos experimentais constitudos de sujeitos
designados aos grupos ao acaso. Logo discutiremos a importncia de
fazer as coisas desta forma.
Tabela 6.2 Delineamento do experimento de Clark e Walberg (1968).
Tipos de reforamento
At
Macio
Resultados na varivel dependente (realizao em
leitura)
96
Tabela 6.3 Delineamento experimental de uma s varivel independente generalizado
C ndies experimentais
Resultados na varivel dependente
O psiclogo agora designa os trs tratamentos experimentais aos
trs grupos, ao acaso. Este outro cuidado que se deve adotar no
procedimento. Evita possveis preferncias do pesquisador. O procedi-
mento como um todo chamado "casualisao" . Depois disto, o pesqui-
sador faz o experimento. Neste caso, ele manipula a varivel indepen-
dente, severidade de iniciao, fazendo os membros de A1 se submeterem
a rigorosa iniciao e os membros de Az a iniciao menos rigorosa.
Os membros de Aa so o grupo de controle, cujos membros no sero
submetidos a qualquer iniciao; so submetidos a atividades sem relao
com a iniciao. Poder-se- pedir-lhes que leiam poesia, por exemplo.
(Por que preocupar-se com que faam alguma coisa?)
Depois da manipulao experimental, o psiclogo mede a varivel
dependente, as percepes de todos os membros do grupo sobre seu
desejo de fazer parte do grupo. Finalmente, ele analisa os dados, as
medidas da varivel dependente e tira concluses. J vimos como se faz
isto no captulo 5: ele determina se as mdias dos trs grupos so as
previstas pela hiptese.
O delineamento de um experimento e casualizao
Precisamos nos aprofundar nas idias de delineamento e designao
aleatria. A descrio do experimento acima foi apenas um esboo de
todo o procedimento. A seguir focalizaremos a escolha casual e o principal
motivo para us-la. No captulo 5, diferenas casuais entre grupos foram
discutidas e ilustradas. Nessa discusso tentamos mostrar a natureza das
diferenas casuais em contraste com as diferenas obtidas experimental-
mente. Agora vamos usar as mesmas idias, mas especificamente para
esclarecer a relao entre o delineamento de experimentos e a designao
aleatria de sujeitos para grupos experimentais.
Todo experimento tem uma idia fundamental por detrs: testar
o efeito de uma ou mais variveis independentes sobre uma varivel
dependente.
2
Os experimentadores testam implicaes de afirmativas
tipo "se p, ento q". Mas vamos tomar o caso mais simples possvel.
2 f: possvel ter mais de uma varivel dependente em um experimento. Aqui,
entretanto, daremos mais importncia a pesquisas com uma varivel dependente
apenas. Mas em outro .captulo discutiremos pesquisa e anlise multivariada por
sua crescente importncia entre as disciplinas comportamentais.
97
Suponhamos que um educador queira testar a eficcia relativa de dois
mtodos de ensino de certas operaes aritmticas. A varivel indepen-
dente mtodos de ensino e a dependente a realizao em aritmtica.
Digamos que o experimentador disponha de um bom teste de realiza_co
aritmtica, a medida da varivel dependente. Ele especifica cuidadosa-
mente o que far com os dois mtodos de ensino - denominando-os
mtodo A1 e mtodo A2. Isto , ele define operacionalmente Y, a medida
de realizao em aritmtica e as condies experimentais, A1 e A2. Nada
disto novo para ns.
Agora, entretanto, ele precisa dar um jeito de preparar dois grupos
de alunos e deve fazer isso de tal forma que possa assumir que, antes
do experimento comear, os grupos sejam estatisticamente "iguais" em
todas as variveis possveis que possam afetar a varivel dependente,
realizao em aritmtica. Se ele no puder garantir que os grupos sejam
iguais antes de comear o experimento, as concluses que tirar depois
sero questionveis. Se os grupos no forem iguais, ento o resultado
final poder ser devido a outra influncia ou influncias outras que a
manipulao da varivel independente. Suponhamos que a inteligncia
afete a realizao matemtica - o que de fato acontece - e que um
dos dois grupos, sem o conhecimento do pesquisador, tenha crianas
que em mdia sejam mais inteligentes do que as do outro grupo. Da,
depois de feito o experimento, suponhamos que a mdia de realizao
aritmtica do primeiro grupo seja maior do que a mdia do segundo
grupo. Esta mdia mais alta pode ser devida inteligncia superior do
grupo e no manipulao experimental. Efeitos indesejveis como este
devem ser controlados se o pesquisador quiser chegar a resultados em
que possa confiar.
Suponhamos ainda que inteligncia e sexo afetem a realizao em
aritmtica. Um meio usado para "equalizar" grupos experimentais, para
controlar efeitos indesejveis, foi "equalizar" os grupos designando-lhes
sujeitos sistematicamente de sorte que as variveis indesejveis ficassem
distribudas igualmente entre os grupos. No caso particular de sexo e
inteligncia, por exemplo, o pesquisador pode medir a inteligncia das
crianas com um teste de inteligncia e distribuir as crianas de intelign-
cia comparvel entre os dois grupos, igualmente. Se ele tiver um total
de seis crianas (muito pouco, claro), e seus Qls forem 121, 119, 106,
109, 94 e 95, ele poder colocar as de QI 121, 106 e 94 em A1
e as de QI 119, 109 e 95 em A2. Com isto os grupos ficaro
aproximadamente iguais em inteligncia. Depois, poder distribuir meni-
nos e meninas igualmente entre os grupos. Naturalmente ele poder ter
que mudar a primeira distribuio com base na inteligncia, j que
possvel que as medidas de inteligncia das meninas sejam maiores (ou
as dos meninos), tornando impossvel equilibrar os dois grupos na base
de ambas as variveis.
98
Este mtodo de designao de sujeitos a grupos est sendo abando-
de uma grande limitao: controla apenas duas variveis,
In e sexo . . E _as variveis que possam afetar a realizao
m antmetica: aptldao numenca, classe social, atitudes e assim por
<liante? Tais variveis continuam sem controle. O que se pode fazer?
Designao aleatria e casualizao
O mtodo de designar sujeitos a grupos experimentais que (teorica-
mente, pelo menos) evita as dificuldades que acabamos de discutir a
lcsignao aleatria. Se h apenas dois grupos, pode-se jogar uma moeda
I ara escolher cada um dos membros: dando cara, grupo A
1
; dando
roa, grupo A2. Isto deve funcionar se se jogar a moeda adequada-
_!v1as o mtodo de nmeros aleatrios, j discutido, funciona com
dois, tres ou qualquer nmero de grupos. Encontram-se facilmente tabe-
las de .nmeros a!eatrios e, elas se tornaram indispensveis
m mmtas operaoes de pesquisa.
3
Os nmeros aleatrios tm a caractc-
rfstica essencial de serem imprevisveis: se so aleatrios, no h maneira
de yrever se so pares ou mpares, sua magnitude e
a.ssm;t por diante. Assim, eles so usados pelos cientistas para diversas
ftnahdades, que, como discutimos no captulo 5, quase se resumem
em fornecer uma base casual com a qual comparar resultados obtidos
u qualquer tipo de fenmeno observado.
O princpio bsico dos testes estatsticos, como j sabemos, :
omparar os resultados obtidos com os esperados pelo acaso. O uso de
aleatrios para designar sujeitos para grupos experimentais ao
tcaso e baseado no mesmo princpio geral, s que os nmeros aleatrios
ao usados para designar sujeitos para grupos. Outro exemplo esclarecer
I to.
Suponhamos que eu queira fazer um experimento testando trs
Jlttodos de ensino, A1, A2 e Aa. A1 pode ser um mtodo de exerccios
A2 .um n:_todo de discusso e Aa um mtodo combinado de
drscussao. Tenho 30 crianas de quem conheco o sexo e sei
0
nmero
du po?tos, inteligncia. Acredito que inteligncia e sexo podem, em
de SI pr?pnos, o resultado- o resultado ou varivel dependente,
11 e uma de de problemas. Ento quero
IIH.: . as mfluencias dessas duas variveis e outras
VUI'laveis possiveis estejam sob controle. Na tabela 6.4 so dados os
O pontos e de sexo, masculino (M) e feminino (F).
J pontos de mtehgencia so dados em ordem de postos, do mais alto
1
Hncontram-se de nmeros aleatrios em vrios textos. Veja por exemplo
11 decore Cochran (1967, pp. 543-546). ' '
99
ao mais baixo. Os nmeros de 1 a 30 foram designados s crianas e
so dados tambm na tabela (coluna da esquerda).
Quero ter certeza de que os trs grupos so estatisticamente iguais
em todas as variveis independentes possveis que possam afetar a solu-
o de problemas. Assim, distribuo as crianas ao acaso usando Un\a
tabela de nmeros aleatrios. t o mesmo que considerar as 30 crianas
como uma populao e tirar trs amostras de 10 cada ao acaso. Amostra-
gem casual o mtodo de tirar uma poro ou amostra de uma populao
Tabela 6.4 Pontos de teste de inteligncia (por ordem de postos) e sexo de 30
crianas, com nmeros aleatrios atribudos a todas as crianas.
Ponto Nmero Ponto Nmero
Nmero intel. Sexo casual Nmero intel. Sexo casual
147 F 26 16 108 F 3
2 141 F 13 17 104 M 22
3 137 M 29 18 104 M 23
4 136 F 11 19 103 M 21
5 132 M 19 20 102 M 19
6 128 M 14 21 101 F 5
7 128 M 10 22 101 M 17
8 126 F 27 23 99 F 24
9 125 F 4 24 95 F 8
10 122 M 6 25 94 M 12
11 118 M 30 2J 92 F 18
12 115 F 7 27 90 F 16
13 115 M 2 28 90 M 20
14 110 F 28 29 89 M 25
15 109 F 15 30 87 F
de sorte que as amostras possveis de tamanho n tenham a mesma proba-
bilidade de ser escolhida. H muitssimas amostras possveis de tamanho
10 que podem ser tiradas de uma populao de 30 (cerca de 30 milhes!)
e todas tm igual probabilidade de ser escolhida - se a amostragem for
casual. Na designao aleatria usamos a mesma idia e, com efeito,
tiramos trs amostras de 10 cada. As primeiras 10 so designadas a um
grupo, as segu1 das a outro grupo e as terceiras a um terceiro.
Tirei os 30 nmeros aleatrios de uma tabela, restringindo minha
escolha a nmeros de 1 a 30, ignorando quaisquer nmeros acima de 30.
Uma maneira mais. simples e menos trabalhosa seria instruir um computa-
dor para gerar 30 nmeros aleatrios: (Uma pessoa levaria 20-30 minu-
100
tos, talvez mais, para fazer isto. Um computador leva um ou dois segun-
dos! Naturalmente, preciso que se escreva o programa para dizer ao
omputador o que deve fazer. Isto leva mais tempo, mas pde ser usado
para outros problemas Os nmeros que tirei da tabela,
na ordem em que foram brados, so dados nas colunas da esquerda da
tabela 6.5 (30, 13, 16, ... ; 4, 25, 2, ... ; 19, 17, 18 ... ). Os trs
8l'Upos experimentais foram designados At, A2 e As. O OI e sexo de
ca?a dados ao lado dos nmeros aleatrios. Por exemplo, o
pr1me1ro suJeito da tabela 6. 5 foi o dcimo terceiro na tabela 6 .4.
Uma olhada na ltima tabela mostra que este sujeito tinha um OI de 87
era mulher. O segundo sujeito da tabela 6.5 era nmero 13 na tabela
. 4 .e um de 115 e era homem. Os 30 sujeitos, ento, foram
d!stnburdos aleatonamente a trs grupos, junto com seus Ois e designa-
es de sexo.
Ser que consegui misturar os sujeitos de sorte a poder assumir
que os grupos sejam estatisticamente "iguais"? Jamais saberei exata-
mente, mas posso verificar at certo ponto. Primeiro calculo as mdias
dos nmeros dos sujeitos em cada grupo. Estas mdias so dadas no
fim da tabela 6.5. So 14,7; 17,5; 14,3. A mdia dos nmeros de 1 a 30
15,5. As discrepncias so relativamente pequenas: 0,8; 2,0 - 1,2.
tabela 6.5 Dados da tabela 6.4 rearranjados em ordem casual.
Al A2 As
Nmero QI Sexo Nmero QI Sexo Nm.ero QI Sexo
30 87 F 4 136 F 19 103 M
13 115 M 25 94 M 17 104 M
16 108 F 2 141 F 18 104 M
9 125 F 6 128 M 23 99 F
21 101 F 15 109 F 29 89 M
10 122 M 27 90 F 1 147 F
12 115 F 22 101 M 8 126 F
24 95 F 26 92 F 14 110 F
5 132 M 20 102 M 3 137 M
7 128 M 28 90 M 11 118 M
NNo. 14,7 17,5 14,3
MQI
112,80 108,30 113,70 Mt=l11,67
Maaculino 4 5 6 15
emlnino 6 5 4 15
101
(Se eu tivesse 50 ou 100 nmeros em cada grupo, elas
seriam menores. Por qu?) Segundo, calculo as de, OI, um
clculo importante porque quero "igualar" a inteligncta no.s tres grupos.
A mdia dos 30 Qis de 111,67. Esta, ento, a expectativa para
grupo. As mdias calculadas para os. so de 112,80, 108 .3a:, e
113 70 As discrepncias da expectativa sao -1,13, -3,37, 2,03, sao
Finalmente, conto os homens (M) e mulheres .<F)
Os nmeros so dados no fim da tabela. Outra vez as sao
pequenas. Portanto, a casualzao "aconteceu": os sao bastante
"iguais" em inteligncia e sexo. Assumo que eles tambem so "iguais"
em outras possveis variveis influentes.
Este processo de designar sujeitos a g:upos
mentais um aspecto importante da casuahzaao. Aqu.t esta uma
o um bocado formal e rgida do que acaba de ser t!ustrado. Casualt-
a designao de objetos (sujeitos, grupos) de um
un'iverso a subconjuntos do universo de tal manetra que.' para .qual.quer
designao dada a um subconjunto, todo I?emb!o do_ ,em tgu?l
probabilidade de ser escolhido para a destgnaao. Nao ha garantia
de que a casualizao "igualar" os grupos, mas a probabtltdade de
igualar relativamente alta.
H outra forma de expressar esta idia, citando .um princpio_ f_un-
cional,
0
princpio de casualzao: j que, em
todo membro de uma populao tem igual probabtltdade de ser escolhtdo,
membros com certas caractersticas distintas - homem ou alto
ou baixo grau de inteligncia, republicano ou democrata, dogmatlco ou
no-dogmtico, e assim por diante - se selecionados, provavelmente
sero contrabalancados a longo prazo pela seleo de outros membr?s
da populao a quantidade ou quaHd.ade " opostas" da
tica. Isto no uma lei da natureza. f: simplesmente uma . aftrmattva
do que acontece mais freqentemente quando se usam procedunentos de
casualizao.
Outra visita a Aronson e Mills
Voltemos ao experimento de Aronson e Mills para reunir as idias
discutidas e ilustradas neste e no captulo 5. Agora, entretanto,
taremos o experimento real e alguns de seus resultados. A lupotese
testada foi: a dificuldade de entrar para um grupo aumenta
aos olhos dos membros elo grupo. Por exemplo, muitas,
pem dificuldades e barreiras entrada de novos membros. fms barretras
aumentam o valor dos grupos aos olhos de seus membros?
Essa hiptese interessante e talvez um tanto perversa foi testada
102
de maneira engenhosa.
4
63 jovens mulheres foram designadas aleatoria-
mente a 3 grupos de 21 cada e submetidas a trs condies experimen-
tais: (1) condio severa, na qual os sujeitos tinham que ler palavras
bscenas e descries de atividades sexuais; (2) condio suave, na qual
s sujeitos liam palavras relacionadas a sexo, mas no obscenas; e (3)
ondio de controle, onde os sujeitos no precisavam fazer nada.
Foi usado um procedimento bastante elaborado. Parte de sua inten-
o era mostrar a filiao ao grupo como pouco atraente. Todos os
sujeitos tiveram que ouvir a uma suposta discusso elos atuais membros
do grupo que "em geral se dedicavam a uma das discusses mais desinte-
ressantes e inteis que se possa imaginar" (Aronson e Mills, 1959,
p. 179). A varivel dependente foi a avaliao da discusso e seus partici-
pantes (presumivelmente membros do grupo) pelas moas. Aronson e
Mills acreditavam que os sujeitos dos trs grupos avaliariam diferente-
mente a discusso e os participantes: a condio severa mais favora-
velmente, a condio suave em seguida e a de controle em ltimo lugar,
menos favorvel (e realisticamente). Se pudermos aceitar a validade do
raciocnio implcito de Aronson e Mills, que quanto mais altas as avalia-
es da discusso estpida e de seus participantes mais os sujeitos valori-
zavam sua entrada para o grupo, ento a hiptese derivada da teoria da
dissonncia cognitiva (ver nota de rodap n.
0
4) estava apoiada pela
evidncia experimental.
As mdias de todas as avaliaes da discusso e participantes foram:
condio severa: 195,3; condio suave: 171,1; controle: 166,7. Os
resultados parecem apoiar a hiptese: os sujeitos do grupo da condio
severa avaliaram a discusso e os participantes da maneira mais favo-
rvel, os da condio suave avaliaram-nos menos favoravelmente e os de
controle menos favorvel que todos. J que os sujeitos foram
aos trs grupos aleatoriamente, os pesquisadores puderam considerar
entre eles, depois, como devidas manipulao, s condies diferentes.
os grupos "iguais" estatisticamente antes do experimento e as diferenas
Mas, como sempre, perguntamos: as trs mdias e as diferenas entre elas
poderiam ter aparecido por acaso? Um teste estatstico que determinou
a significncia estatstica das diferenas mostrou que as mdias obtidas
c as diferenas provavelmente no poderiam ter aparecido por acaso.
onforme um desses testes, diferenas to grandes quanto as observadas
poderiam ter ocorrido por acaso menos que uma vez em 100. uma boa
evidncia para validade emprica da hiptese.
O modelo bsico discutido neste captulo tem muitas aplicaes na
pesquisa comportamental, embora se deva confessar que no tem sido
I A hiptese deriva da teoria da dissonncia cognitiva !devida a Festinger) que diz
l(Ue, quando idias ou comportamentos causam conflito em um indivduo, ele
lutar para recuperar O equilbrio e reduzir .a "dissonncia cognitiva". O leitor
ver a dissonncia produzida nos sujeitos do experimento.
103
muito usada a no ser nesta forma de duas condies. Os pesquisadores
comportamentais, principalmente os psiclogos, parecem preferir o tip.o
de modelo discutido no prximo captulo. Sempre que duas ou mats
condies experimentais de uma varivel independente precisam ser com-
paradas e estudadas, como no estudo de Aronson e Mills e no de d rk
e Walberg, e possamos supor que as condies experimentais funcionam
na maioria das circunstncias ou tm efeitos fortes, o delineamento de
uma s varivel indenpendente til e apropriado.
Esse delineamento tem, entretanto, uma grande limitao. Se a
varivel experimental funcionar apenas em conjuno com uma ou mais
variveis independentes, ento, o modelo no apropriado. No prximo
captulo, onde consideraremos a pesquisa experimental com mais de uma
varivel independente, veremos quando e por que o delineamento de
uma s varivel independente pode ser imprprio.
Talvez a coisa mais importante que o leitor possa tirar deste captulo
seja a aplicabilidade e a fora dos procedimentos aleatrios. Uma das
grandes foras dos experimentos poderem usar casualizao. o nico
mtodo defensvel inventado para aumentar a probabilidade da validade
dos experimentos e das inferncias feitas a partir deles, aumentando a
probabilidade de "igualdade" dos grupos experimentais em todas as
variveis independentes possveis. Seu uso d grande fora ao pesquisador
para fazer inferncias partindo de dados e chegar a concluses sobre
teorias e hipteses.
104
7. Delineamento da pesquisa experimental:
delineamentos fatoriais
O delineamento da pesquisa a disciplina dos dados. Sua finalidade
implcita impor restries controladas s observaes de fenmenos
naturais. Um modelo de pesquisa, com efeito, diz ao pesquisador: "Faa
isto e aquilo; no faa isto ou aquilo; cuidado com isto; esquea aquilo" ,
c assim por diante. Em resumo, uma planta da pesquisa. Se o delinea-
mento for bem concebido, o produto resultante da pesquisa tem maior
probabilidade de ser vlido empiricamente e merecer ateno cientfica
sria. Sem contedo - boa teoria, bons problemas, boas hipteses - o
delineamento de qualquer pesquisa vazio. Mas sem forma, sem estru-
tura adequadamente concebida e criada para os propsitos da pesquisa,
pouca coisa de valor pode ser realizada.
A elegncia e fora do moderno delineamento de pesquisa e a idia
de que delineamento a disciplina dos dados tornam-se muito mais vis-
veis em delineamentos fatoriais - o tipo de delineamento que estudare-
mos neste captulo. Sua elegncia se mostrar medida que estudarmos os
exemplos. Sua fora emana de dois propsitos principais da pesquisa:
dar respostas s perguntas da pesquisa e controlar as fontes de influncia.
A maioria dos experimentos nas disciplina comportamentais do
Incio do sculo usava apenas uma varivel independente e apenas duas
experimentais. Este era o "modelo clssico" de pesquisa, um
grupo as vezes chamado grupo experimental e outro chamado grupo de
c ntrole. Alm disso, os sujeitos no eram designados aleatoriamente aos
grupos. J vimos que a idia de duas condies experimentais pode ser
f cllmente expandida para mais de duas condies. Isto, entretanto, ainda
caso de uma varivel independente. S foram aumentadas as condi-
es experimentais, no as variveis. No experimento de Aronson e Mills,
P r exemplo, foram usadas trs condies experimentais, mas estas consti-
tuam apenas uma varivel independente.
Na dcada de 30 iniciou-se uma revoluco na conceituaco de
lineamento de pesquisa e na anlise Foi introduzid'a mais
de uma varivel independente. Muitos desses delineamentos acabaram
cndo chamados delineamentos fatoriais .
1
Eles consistem essencialmente
1
I lineamentos fatoriais no devem ser confundidos com anlise fatorial. Vamos
x.uminar anlise fatoiial mais adiante.
105
em modelos experimentais em que duas, trs ou mais variveis indepen-
dentes so usadas simultaneamente para estudar seus efeitos conjuntos
ou separados em uma varivel dependente. Foi uma abertura incrvel na
pesquisa comportamental porque tornou possvel o estudo de hipteses e
problemas complexos de pesquisa. Tais delineamentos tinham muitas
vantagens, sendo as trs mais importantes: puderam ser testadas e formu-
ladas teorias mais sofisticadas; problemas mais realistas puderam ser
investigados; e pde-se estudar a influncia conjunta de variveis.
Um exemplo de delineamento fatorial
2
Um grupo de psiclogos sociais est preocupado com o problema do
preconceito. O que fazer quando algum, digamos, um amigo, um colega
de trabalho, faz uma observao intolerante sobre judeus (ou catlicos,
protestantes, pretos, italianos ou qualquer outro grupo?). Voc discute
com ele, diz que ele est errado, dt1-lhe uma lio de moral? Ou talvez
no faz nada? f provvel que, se ficar quieto, voc esteja apoiando e
reforando o preconceito, porque na verdade voc est afirmando normas
que apiam o preconceito com seu silncio. Vamos concordar, ento,
que voc tem que dizer alguma coisa. O que poder ser? O que teria
melhor efeito?
H muito tempo os apelos religiosos c morais vm sendo usados por
padres, ministros e rabinos. "No cristo dizer uma coisa dessas" ;
"f: incompatvel com os judeus ser moralmente preconceituoso", e assim
por diante. Por outro lado, h uma escola de pensamento que acredita
que os apelos morais-religiosos so inteis. Afinal, eles parecem no
ter tido grande efeito no passado. Os que adotam esta escola de pensa-
mento acham, antes, que uma abordagem mais pragnu1tica possa ajudar.
Por exemplo, mostrar a uma pessoa que faz uma observao preconcei-
tuosa, como o preconceito fere a todos ns, como pode se voltar contra
qualquer grupo, como embaraa a democracia, e assim por diante.
Para testar qual desses tipos de apelo funciona mais, no sentido de
persuadir ou convencer as pessoas a no mais fazerem observaces
preconceituosas, os psiclogos sociais podem, naturalmente, fazer ' um
experimento como o de Clark e Walberg. Resolvem chamar um apelo
"Apelo Moral". Em vez de se limitarem a apelos religiosos, os morais
incluiro outros argumentos morais, por exemplo: "B errado falar assim
sobre judeus (pretos, catlicos, e assim por diante) " ; "Devemos tratar
os outros como a ns mesmos". Deram ao outro apelo, ao descrito acima,
o nome de "Apelo Pragmtico".
Esta a condio mnima para um experimento. Os sujeitos podem
ser designados aleatoriamente para dois grupos e de alguma forma
2 A idia para este exemplo foi tirada de um experimento feito por Citron, Chein
e Harding (1950).
106
experimentaro os doi.s de .apelo. Suas reaes a esteretipos de
de mmontanos podem ser obtidas, e a diferena entre
as dos dOis. grupos pode ser avaliada quanto significncia
estahshca. O paradtgma deste experimento aparece na parte superior
da tabela 7.1 (A, na tabela). o j familiar delineamento de
dots grupos.
suponhamos que os psiclogos sociais tenham motivos para
acredtt:r - em bases tericas ou experimentais - que a maneira de
usada ao tais apelos faa uma diferena. Isto , que
que um mflamado tenha mais efeito do que outro calmo
e Eles poderao, naturalmente, testar a crena ou hiptese, num
separado. O paradigma de tal experimento o mesmo que 0
do tabela 7.1 (A). Est na parte superior direita da tabela (B).
E_ posstvel, naturalmente, que cada um desses experimentos possa
E apresentar diferenas grandes entre as mdias. Os
pstcologos soctaJs, en:retanto, no esto interessados na idia de experi-
mentos .. Tem outra, muito mais interessante: "Por que no
fazer os dots ao mesmo tempo e estudar os efeitos separados
dos apel?s, como do modo de expresso, e tambm estudar e avaliar
seus conJuntos sobre a varivel dependente?" Assim eles fazem.
O _ou modelo do delineamento de tal experimento dado
na t?fenor tabela 7. 1 (C). Este modelo permitir trs testes
em um, expenmento. O primeiro teste avaliar os Apelos, Moral e
Pragmattco. O segundo avaliar os Modos,-de Expresso, Inflamado c
Tabela 7.1 Construo de um modelo fatorial
(A)
Apelos
Moral
A
Medidas da varivel
dependente
Pragmtico
A
Modo de
expresso
Inflamado
Bt
Calmo
B
(B)
Modo de expresso
Inflamado
R
Medidas da varivel
dependente
Calmo
B
(C)
Apelos
Moral
A
Pragmtico
A
I
medidas da
r---- varivel
deprdente
107
Calmo. Estes dois testes tm 2 mesma forma. como se fossem
dois experimentos separados e avaliadas as diferenas entre os do1s
grupos, em cada experimento. . . _
O terceiro teste mais interessante. Serve para avahar
o trabalho mtuo das duas variveis independentes em seu efeito con1unto
sobre a varivel dependente. Significa avaliar o efeito da varivel A em
diferentes nveis da varivel B. possvel, por exemplo, que o_ apelo
moral seja mais eficiente do que o pragmtico apenas quando feito em
tom inflamado. Ou pode ser que o pragmtico seja mais eficiente do que
o moral quando feito em tom calmo. Quando uma varivel
tem efeitos diferentes em diferentes nveis ou aspectos de outra vanavel
independente, este efeito diferencial interao. Diz,-se que ?uas
variveis interagem para afetar uma vanavel dependente. Os delmea-
mentos fatoriais podem ter mais de duas variveis independentes e,
portanto, possvel estudar mais de u?,la mas vamos nos
restringir em geral ao caso de duas vanave1s mdepe_ndentes.
A idia de testar vrias hipteses em um expenmento e o uso do
tipo de delineamento para fazer isto, mostrado na tabela 7.1
ciaram fortemente a pesquisa cientfica comportamental. E ?ao e a t?a.
uma maneira elegante, eficiente e poderosa de fazer as. cmsas. Preclsa-
mos ento examin-la muito cuidadosamente. Ao fazer 1sso, vamos nos
lembrar d; que os princpios que discutimos at agora so os J?esmos
aqui: casualizao e designao aleatria, avaliao dos de
variveis independentes sobre variveis dependentes. e a soluao d?s
problemas de pesquisa usando d_e e tes.tes
ticos. Vamos voltar ao nosso expenmento h1potet1co para llusar as
idias bsicas.
Os psiclogos sociais designaram 15 indivduos ao acaso a cada
clula da tabela 7. 1 (C), num total de 60 sujeitos. Havia, naturalmente,
quatro grupos correspondentes s clulas da ta_bela
abreviar a conversa sobre o expenmento e para enfatlzar a . fut;ao
dupla" de cada clula da tabela, as designaes A e B foram msendas
nos cantos da tabela 7.1: A1B1, AzB1, A,Bz, AzBz. A, naturalmente,
representa a varivel Apelos e B, Modos de A1 e Az e B1 e Bz
representam as categorias de A e B. At e Az _ sao Apelo Moral e Apelo
Pragmtico; B
1
e B
2
so Mod? Expressao Inf}amado e _de
Expresso Calmo. Estamos mms mteressados, porem, nas des1gnaoes
conjuntas. . , .
A B e
, a ]uno ou intersecco das vanave1s A e B no ponto A1 e B1,
1 1 ' , ' 3 ,
a saber a clula da esquerda superior denominada A1B1. AzB1 e a
3 Para
0
leitor que conhece algo sobre a teoria dos _A1 e A
2
po_dem ser
considerados como parties do conjunto A, e B1 e Bz parttoes do conJunto B.
A1B1, B,B,, e assim por diante, so interseces dos conjuntos A e B, ou, em geral,
108
juno das vanaveis A e B no ponto AzB1, a clula superior direita.
As duas clulas restantes so, igualmente, as outras duas junes de
A e B. Vamos imaginar que foi feito o experimento. Os pesquisadores
ruseram os sujeitos de cada grupo a examinar duas pessoas que discutiam
H bre judeus. Uma delas fez observaes depreciativas a respeito dos
judeus. A outra respondeu tentando mostrar primeira por que no
devia falar daquele jeito. As respostas da segunda, entretanto, diferiam
de quatro maneiras e cada uma correspondia s quatro clulas da tabela
7.1 (C). Os sujeitos designados para a clula superior esquerda, A1B1,
uviram-na usar o apelo moral, dito de maneira inflamada, e os da clula
inferior esquerda, A1Bz, ouviram-na usar o apelo moral dito de maneira
alma. Os sujeitos da clula superior direita, AzB1, ouviram-na usar o
npelo pragmtico em tom inflamado e, finalmente, os da clula direita
Inferior, AzBz, ouviram o apelo pragmtico dito em tom calmo. Dois dias
I pois de feito o experimento, foram medidas as atitudes dos sujeitos em
r clao aos judeus. (Os detalhes de procedimento usados no experimento
como as atitudes foram medidas, no nos preocuparo aqui.)
necessrio observarmos trs pontos importantes em relao a
ste experimento e aos delineamentos fatoriais em geral. Primeiro, dois
experimentos esto includos em um. Um deles testa a relao entre modo
de apresentao e a varivel dependente e o outro, a relao entre apelos
a varivel dependente. Segundo, com a designao aleatria dos sujeitos
nos quatro grupos (as quatro clulas), e o cuidado ao fazer o experi-
mento, pode-se assumir que os dois tratamentos - apelo e modo de
upresentao - so independentes um do outro. Embora a independncia
tenha sido amplamente discutida no captulo 5, sua importncia justifica
rnaior elucidao. As duas variveis so ortogonais entre si. "Ortogonal"
quer dizer em ngulo reto, o que significa que as variveis so inde-
p ndentes, justificando considerar um experimento como dois. Nem
mpre fcil entender isto, mas muito importante. Quando duas
variveis so independentes uma da outra, so no-correlacionadas. Se
pudssemos calcular a correlao entre elas, obteramos zero ou prximo
de zero. Isto significa que o efeito de cada uma delas, na varivel depen-
d nte, pode ser considerado e avaliado separadamente. Se a correlao
entre elas no fosse zero, fosse 0,50, por exemplo, no seriam indepen-
d ntes; parte do efeito de uma delas sobre a varivel dependente poderia
dever outra.
O terceiro ponto o mais interessante. Se na realidade as duas
vuriveis independentes funcionam juntas de algum jeito, para afetarem
n varivel dependente, este efeito pode ser estudado e avaliado. Suponha-
A n B. A,B, pode ser escrito A, n B, , A,B I pode ser escrito A, n B, e igual-
"' ' tHe para os outros dois subconjuntos, que podem ser considerados parties
ruzadas.
109
mos que os psiclogos soc1ars no estejam realmente interessados nas
variveis independentes separadamente. Eles acham que no foi apenas
o apelo que fez efeito, mas os apelos combinados com os modos de
apresentao. Eles acham especificamente, que o apelo moral funfiona
apenas quando apresentado de forma inflamada, que fazer um apelo
moral de maneira calma e racional intil; preciso emoo para passar
convico. (Como prova o sucesso de pregadores fundamentalistas e de
polticos demagogos.) Inversamente, acreditam que o apelo pragmtico
exige tom calmo e racional de apresentao, para surtir efeito. Esta
linha de raciocnio mais interessante e, naturalmente, mais complexa.
Est sendo adotada a chamada hiptese de interao: as duas variveis
interagem para afetar a varivel dependente.
Vamos fabricar alguns resultados para ilustrar diferentes resultados
possveis do experimento. A ento veremos como as perguntas da
pesquisa podem ser respondidas pelos dados obtidos no experimento.
A tabela 7 . 2 contm 4 resultados dos vrios possveis. As entradas
numricas so mdias. Assumimos que a varivel dependente, atitude em
relao aos judeus, foi medida numa escala de 7 pontos, com 7 indicando
uma atitude altamente positiva e l uma atitude altamente negativa.
As mdias grifadas so as significativamente diferentes. Por exemplo,
em (1), 6 e 4 esto grifados, o que significa que MA1 significativamente
maior do que MAz (indicado na parte inferior dos dados por A1 > Az, At
maior do que Az). As diferenas entre as mdias A e B, consideradas
separadamente, so chamadas efeitos principais. Se, por exemplo, MAl
comparada a MAz, isto um efeito principal - da varivel A.
As quatro estruturas, ou subtabelas, no so cruzamentos, que j
foram estudados quando examinamos os dados do estudo de Miller e
Swanson, em forma de freqncias e porcentagens. Eles mostram simples-
mente um meio conveniente de apresentar o delineamento e os dados
de um estudo e anlise fatorial. O 6 da clula A1B1 de (I) uma mdia
calculada com os pontos de atitude dos 15 sujeitos da clula. O 4 na
parte de baixo da tabela a mdia calculada com os 30 sujeitos da
coluna Az. As outras mdias foram calculadas da mesma forma. Os dados
de um delineamento fatorial so quase sempre apresentados desta forma
prtica e rapidamente interpretvel. Os efeitos das variveis separadas -
neste caso, apelos e modos de apresentao, ou A e B - assim como os
efeitos conjuntos podem ser vistos claramente colocando as variveis uma
contra a outra desta forma.
Os dados em (I) indicam que o apelo moral, A1 foi muito maior
que o apelo pragmtico, Az. Obviamente no houve diferenca entre as
mdias de modo de apresentao (5 e 5) e, portanto, n n h u m ~ diferena
entre B1 e Bz. Os dados em (li), por outro lado, indicam uma diferenc3
grande entre apresentao inflamada e calma, B1 e B2, e nenhuma dife-
110
1'11/1 la 7.2 Quatro conjuntos de posstvets resultados obtidos em um modelo de
p l'lmento fatorial fictcio (mdias)'.
lnflnmado
li
('ulmo
u ~
Inflamado
U
Calmo
I) I
(I)
Moral pragmtico
A, A,
I A,B, A,B,
6 4
6 4
A,B, A,B,
6 4
A, >A,
(III)
Moral pragmtico
A, A,
I A,B,
A,B,
I 6
4
I
5
I
5
I A,B, A,B,
5,5 4,5
A,B, > A2B1
(li)
Moral pragmtico
A, A,
Inflamado
A,B, A,B,
5
B1
6 6 6
5
Calmo
I A,:,
I 4
A,B,I4 B
I
5 5
B, >A,
(IV)
Moral pragmtico
A, A,
Inflamado
A,B,
A,B, 15
5
B1
6 4
5
Calmo
4 6
A,B,i5 B
I A,B,
5 5
A,B, > A,B,
A,B, > A,B,
11
As entradas nas clulas e nas margens so mdias. Mdias grifadas indicam
dIferenas significativas.
rcna entre apelo moral e apelo pragmtico, A1 e Az. No primeiro caso,
stes dados indicariam que o apelo moral mais eficaz do que o
pragmtico em influenciar atitudes em relao aos judeus, no importa
de que maneira seja apresentado. No segundo caso, o modo de apresen-
tao, inflamado, teve mais efeito do que o modo calmo, sem importar
tipo de apelo. Naturalmente, os exemplos no so realistas. Provavel-
mente as mdias no sejam nmeros redondos como estes e muito menos
iguais [(as mdias 5 e 5 em (I) e (li)]. Em todo caso, eles ilustram os
pontos essenciais.
Os dados de (III) so mais interessantes. Indicam que os apelos
moral e pragmtico diferem significativamente apenas quando apresenta-
dos de maneira inflamada. Os dois apelos so iguais quando apresentados
calmamente. Este o fenmeno da interao, j discutido. Lembre-se de
que a interao acontece quando os efeitos de uma varivel independente
lll
so diferentes em nveis diferentes de outra varivel independente. Neste
caso, as variveis A e B "interagem" no porque A afete
a varivel dependente, como em (I) , mas porque A afeta a vanavel
dependente, dependendo do nvel em que B esteja. Em outras
o efeito de A depende B; A_.deve com B eflctente.
H muitos exemplos de mteraao na vtda. O sucesso de alguns homens
parece depender das mulheres com quem se casam. Para outros homens,
no importa: progridem no importa quem te.nham se
o preconceito contra judeus, embora forte,
apenas em pocas de crise. O preconcetto e o tlpo de sttuaao soctal
interagem ento.
O exemplo (IV) o mais interessante. Os dados indicam que os
apelos moral e pragmtico so significativamente diferentes com as duas
abordagens, inflamada e calma, mas em direes opostas. O apelo moral,
A
1
mais eficiente do que o apelo pragmtico, A2, sendo apresentado
de' maneira inflamada, B,; mas o apelo pragmtico, Az, mais eficaz
do que o apelo moral, A,, apresentado de maneira calma, B2. .
Deve ficar claro para o leitor que estamos tratando aqm com
situaes muito mais complexas do que as de delineamento e anlise de
uma s varivel independente do tltimo captulo. So testados dois ou
mais efeitos principais, assim como possveis interaes
independentes. Deve tambm ficar claro que a abordagem fatonal e formi-
dvel. Em experimentos pode-se reproduzir mais aproximadamente a
verdadeira complexidade das situaes reais. Este um grande passo
intelectual na pesquisa e anlise. .
Os delineamentos fatoriais tm vrias formas, algumas das qua1s
muito complexas. Alm do delineamento relativamente simples 2 x 2 que
j discutimos, pode-se ter delineamentos com duas variveis indepen-
dentes, mas com mais condies experimentais. ("2 x 2" significa "duas
condies vezes duas condies", ou cada varivel A e B tem duas
condies experimentais.) Por exemplo, duas condies multiplicadas por
quatro condies, ou trs condies por cinco. Estas esto resumidas na
bibliografia como 2 x 3 e 2 x 5 (leia-se "dois por trs"; "trs por cinco") .
Tais delineamentos so usados freqentemente, especialmente em pes-
quisa psicolgica e educacional. .
possvel ter-se trs ou mais variveis independentes em delinea-
mentos fatoriais. Pode-se ter, por exemplo, duas condies por duas
condies por quatro condies, ou 2 x 2 x 4. O mais simples destes
delineamentos, 2 x 2 x 2, freqentemente usado em experimentos psico-
lgicos. Embora poderosos e muitssimo interessantes, estes delineamentos
no iro ocupar-nos aqui. Deveria observar-se, entretanto, que com trs
variveis independentes e um delineamento fatorial so possveis sete
testes: os trs efeitos principais e quatro eleitos de interao! Se o leitor
pretender ler a bibliografia da pesquisa, necessrio que ele tenha algum
112
conhecimento de tais delineamentos e sua anlise. Recomenda-se, ento,
o estudo de um bom texto de planejamento estatstico (por exemplo,
Edwards, 1972).
H um grande nmero de outros delineamentos experimentais usado
nas cincias comportamentais. No vamos estud-los neste livro, no
porque no tenham importncia, mas por causa de nossa nfase em
idias conceituais bsicas e em complexidades tcnicas. O leitor achar
til a discusso excelente, mas um bocado difcil, de Campbell e Stanley
( 1963).
Exemplos de pesquisas com delineamentos fatoriais
Vamos tentar dar mais vida ao assunto citando trs estudos nos
quais acha-se finmnellce ilustrada a fora do delineamento e da anlise
fatorial. Embora s vezes seja difcil encontrar bons exemplos de certas
outras tcnicas, absolutamente no difcil encontrar usos do delinea-
mento fatorial de bons a excelentes, principalmente em pesquisa psico-
lgica. Os psiclogos perceberam rapidamente as virtudes - e talvez a
qualidade esttica - do delineamento fatorial para implementar seus
propsitos tericos e experimentais.
4
Alm da lei de Parkinson
Em 1957, Parkinson exps sua famosa lei: .,.0 trabalho se expande
para preencher tempo disponvel. Em outras palavras, se as pessoas
tiverem tempo no trabalho encontraro trabalho para preencher o tempo".
Num experimento interessante, Aronson e Gerard (1966) testaram uma
variao da lei de Parkinson: indivduos que tm excesso de tempo para
termirar uma tarefa em uma ocasio perdero mais tempo para fazer
tarefa semelhante em ocasio subseqente do que indivduos que tiveram
o mnimo de tempo na primeira tarefa. Esta hiptese tem implicaes
surpreendentes e pertubadoras - se confirmada. Deriva vagamente de
uma teoria da aprendizagem (Guthrie, 1935) que diz que uma combina-
o de estmulos acompanhando um movimento tender, repetio dos
estmulos a ser acompanhada pelo movimento. No caso presente, se o
sujeito passa muito tempo fazendo alguma coisa em uma ocasio, ele
tender a passar muito tempo tambm em ocasies subseqentes.
4
Parte do motivo para usar extensivamente o delineamento fatorial em psicologia
devida nfase nos experimentos e experimentao. A psicologia social um
bom exemplo: a moderna psicologia social virtualmente psicologia social expe-
rimental. Naturalmente h muitas excees, algumas delas excelentes. Os exemplos
cro dados em futuros captulos.
113
Aronson e Gerard deram tambm uma breve explcao terica (no
fim de seu relato) derivada da teoria da dissonncia cognitiva (Festnger,
1957). Esta teori a diz, em parte, que se algum faz alguma coisa que seja
incongruente com, digamos, a percepo de si mesmo ou da situao, sen-
tir um desconforto psicolgico ou " dissonncia cognitiva". Eh1 relao
afirmao de Parkinson, se uma pessoa gasta mais tempo do que o
necessrio em uma tarefa, isto crar dissonncia cognitiva porque o
excesso de tempo gasto incongruente com uma avaliao realista e
correta do tempo necessrio para cumprir a tarefa. Para reduzir a disso-
nnci a cognitiva, a pessoa precisa aumentar a importncia e a complexi-
dade da tarefa: " Afinal, muito importante; leva tempo". Conseqente-
mente, ela poder perder o mesmo tempo ou at mais da prxima vez
que fizer tarefa semelhante ou a mesma.
As variveis independentes foram tempo, incentivo e sexo. Vamos
nos preocupar apenas com tempo; incentivo, sexo e todas as interaes
no eram significantes. Metade dos sujeitos recebeu 5 minutos para
fazer uma tarefa; a outra metade recebeu 15 minutos. A tarefa, que era
extremamente fcil, exigia apenas 5 minutos. Consistia em escolher vrios
arcrumentos de uma lista e coloc-los em uma seqncia lgica. Mais
ta;de pediu-se aos sujeitos que preparassem uma palestra de 2 minutos
sobre atletismo e que gastassem o tempo que precisassem para prepararem
um discurso convincente. A varivel dependente era o tempo gasto pelos
sujeitos a prepararem o discurso (em segundos). Metade dos sujeitos
recebeu tambm um incentivo para terminar mais cedo, para contraba
lanar "o efeito de excesso de tempo". Esta varivel no era significante,
como fora indicado.
Os sujeitos na condio excesso de tempo (15 minutos) gastaram
uma mdia de 468 segundos na segunda tarefa, enquantos os sujeitos do
mnimo de tempo (5 minutos) gastaram uma mdia de 321 segundos na
segunda tarefa. Esta diferena foi estatisticamente significante. A evi-
dncia, ento, indica que os sujeitos do grupo excesso de tempo sem
dvida levaram tempo demais para terminarem a tarefa.
O leitor poder querer saber se este resultado generalizvel, isto ,
se ele se aplica a outras pessoas em situaes reais de trabalho. Diz-se
freqentemente que experimentos como estes so triviais, porque tm
pouca ou nenhuma aplicabilidade alm do laboratrio. Deve-se ter em
mente, entretanto, que a finalidade do experimento - e da maioria de
tais experimentos - foi testar uma implicao de uma teoria. E isto se
conseguiu com sucesso. Sua inteno no foi fazer mais do que isso.
Se os pesquisadores quisessem saber alguma coisa a mais em relao
sua aplicabilidade em outras situaes, ele teriam feito mais pesquisas
em outras situaes com amostras representativas de pessoas. Este ponto
freqentemente mal entendido ser discutido novamente no prximo
captulo.
114
Raa. sexo e admisso a faculdades
Falta direo terica a muito da pesquisa educacional porque a
pesquisa aplicada que se dirige para resolver problemas particulares de
que no desenvolveram bases tericas. O estudo que vamos
constderar agora (Walster, Cleary & Clifford, 1971) um exemplo
excelente dessa pesquisa aplicada. Tem vrias virtudes, duas das quais
so sua hbil manipulao de variveis usualmente no-manipulveis e
sua grande possibilidade de generalizao. Um aspecto metodolgico
interessante foi a unidade de anlise do estudo: em vez de indivduos,
escolas, que formaram uma amostra casual das escolas norte-americanas. s
O estudo foi dirigido no sentido de descobrir uma resposta para um
problema social e educacional difcil, complexo e importante: a discri-
minao na admisso s universidades. Walster e associados perguntaram:
"As faculdades discriminam candidatas (mulheres)? Discriminam (contra
ou a favor) candidatos negros?" Selecionaram aleatoriamente 240 facul-
dades nos Estados Unidos e enviaram pedidos de admisso preparados a
cada uma dessas escolas. Usaram um delineamento fatorial 2 x 2 x 3
As variveis independentes eram sexo, raa e nvel de capacidade. Estas
so interessantes e incomuns porque so todas experimentais
ou mampuladas. Comumente estas variveis so no-experimentais,
variveis - atributos - variveis que no podem ser manipuladas.
Mas Walster e outros manipularam-nas de maneira inteligente e imagina-
tiva, embora simples. 6
Prepararam um formulrio-guia para admisso universidade, que
procurava responder a todas as perguntas que a instituio pudesse fazer.
Estes formulrios foram enviados s 240 escolas escolhidas ao acaso.
(Foram escolhidas aleatoriamente em um guia de escolas.) Cada formu-
lrio era enviado por um candidato supostamente legtimo. Um quarto
5 O dev_e em seg:; inte proposi o correta: O uso de seleo
aleatona_ (de mdtvtduos ou msttttuoes) permite ao pesquisador assumir que a
de que a amostra seja representativa substancial. Assim alta a
d_e os resultados obtidos em tais amostras sejam aproximada-
mente ap!tcavets a populao da qual foi tirada tal amostra. Esta concluso
vale amostras .. Em palavras .mais simples, isto significa que
ll m?stl as aleatonas grandes ao pesqutsador generalizar para as popu-
lfiOes de onde as amostras foram ttradas. Entretanto, o pesquisador jamais poder
cet:teza. Poder_ c;_penas suas amostras so representativas porque
lcm fe na propostao enunciada acima. Para maiores detalhes veja Kerlinger
(1 973, captulo 7, especialmente pp. 118- 122) . '
11
enfatizar um ponto, entretanto. Os bons experimentos exigem, alm
de conhectmento e competncia, habilidade, imaginao e at criatividade. O expe
de e colegas um bom exemplo. Suas idias parecem simples,
ti ' POIS de conhectdas. que eu saiba, no fora feito ainda um experimento contro-
ludo para testar preferncias em admisses.
115
_,
--,.;
;..t.j
...
._,
...
)
c
VI
11:; C:J
t..../
;:.::
.::;
deles indicava que o candidato era homem branco, outro
preto, outro mulher branca e ? ltimo mul.her negra. Alem diss?,
incluram-se trs nveis de capactdade do candidato. verdade, h?vta
ento trs variveis independentes, raa, sexo e capacidade e 12 hpos
de formulrios, correspondentes a um delineamento fa!orial Z x 2 x 3.
As 240 escolas foram designadas aleatoriamente s 12 celulas do modelo.
Havia, ento, 20 escolas por clula. A principal varivel era
aceitao ou rejeio do suposto candidato: uma de pontos,
partindo de rejeio direta (1) a aceitao com ou de
ajuda financeira (5). Foram includas outras vanaveis dependentes e mdc-
pendentes, tambm, mas no vamos nos preocupar com elas. . ,
Os pesquisadores esperavam que os homens fossem prefendos as
mulheres e pretos a brancos. (Na poca do as
procurando alunos pretos.) Estavam errados. A anahse _de vanan?Ia
rial mostrou que os efeitos principais de raa e sexo nao eram sJgmfica-
tivos, nem a diferena entre mdias de brancos e pretos 53,38 e ?,18).
Foi descoberta uma interao muito mais interessante e nao antectpada,
alis. Isto est apresentado na tabela 7.3, que mostra as mdias dos
homens e mulheres (resultados mdios na varivel aceitao, homens e
mulheres) de acordo com os trs nveis de capacidade. .
Estude cuidadosamente esta tabela: importante metodolgica e
socialmente. As mdias dos trs nveis de capacidade foram significativa-
mente diferentes. Mas isto uma descoberta no muito importante, j
reflete meramente o costumeiro hbito de rejeitar candidatos de capaci-
dade inferior. A diferena entre a mdia de homens e mulheres de 3,41
e 3,15 no foi significativa. Evidentemente no houve discrimina.o
global com base em sexo. A interao. de e se.xo seu efeito
conjunto na aceitao, entretanto, fm estahstlcamente Para
interpretar a interao, podemos omitir as mdias do nvel de cap_a-
cidade (3,48 e 3,48), j que so iguais. As mdias de alta
3 75 e 4 05 no muito diferentes. No nvel ato de capactdade nao ha
discrimi;ao de sexo. Veja, agora, as de capaci?ade, 3,00
e 1 ,93. Esta diferena relativamente grande e o prmctpal mohvo para a
intero significativa. Evidentemente os candidatos homens de baixa
Tabela 7.3 Mdias da varivel aceitao em faculdades por sexo e nvel de
capacidade: estudo de Walster, Cleary e Clifford.
Capacidade
Alta Mdia Baixa
Masc. 3,75 3,48 3,00 3,41
Sexo
3,15
F em. 4,05 3,48 1,93
3,90 3,48 2,47
116
capacidade so significativamente mais aceitos do que as mulheres de
baixa capacidade. A discriminao parece ser exercida sobre o nvel
baixo de capacidade. Os autores afirmam que esta descoberta concorda
com a observao feminista de que apenas mulheres excepcionais podem
transcender esteretipos sexuais e serem julgadas objetivamente. Mulhe-
res de capacidades mais modestas so julgadas primeiro como mulheres
- e assim como "inferiores."
Este um excelente exemplo da fora do delineamento fatorial e da
utilidade de estudar interaes. Provavelmente no teria sido possvel
revelar a descoberta importante e interessante deste estudo sem a idia
de interao das variveis independentes em seu efeito sobre uma varivel
dependente.
Deflagrao de hostilidade, agresso deslocada e anti-semitismo
Berkowitz (1959), ao estudar a relao entre deslocamento de
agresso e anti-semitismo, perguntou se pessoas preconceituosas tm mais
probabilidade de reagir frustrao com agresso deslocada do que
pessoas no-preconceituosas. Esta uma hiptese de interao muito
interessante baseada em duas linhas de teoria psicolgica. Uma linha
pode ser chamada teoria da frustrao-agresso, que baseada na idia
geral de que frustrao conduz agresso (Dollard e outros, 1939). Outra
linha terica, de origem psicoanaltica, diz que, sob certas circunstncias,
as pessoas deslocam sua agresso. Deslocar agresso significa re-direcio-
nar agresso, daquilo que possa t-la causado para outra coisa talvez sem
relao com a fonte de agresso. No precisamos elaborar todos os
detalhes do raciocnio terico. suficiente dizer que, em muitos casos,
os judeus se tornam alvo de agresso, sem haver relao necessria
entre a fonte de agresso e o alvo, os judeus.
Berkowitz usou este raciocnio para tentar explicar a agresso contra
os judeus. Seu experimento foi inteligente e eficiente. Foi mais que
isto: foi, e ainda , um casamento sofisticado entre a teoria e a metodo-
logia e mostra o bom resultado de unir as duas satisfatoriamente. (Entre-
tanto, tem um defeito. Veja nota de rodap nmero 7 .) Ele dividiu 48
mulheres em dois grupos baseando-se nos seus resultados em uma medida
de anti-semitismo. Cada um desses grupos foi ento dividido em dois,
baseados em impulso (drive) agressivo, mas vamos deixar de lado esta
varivel de controle, em nome da simplicidade. A varivel experimental
manipulada foi a deflagrao de hostilidade. Com um grupo experimen-
tal, o pesquisador usou de sarcasmo, de depreciao do desempenho dos
sujeitos e questionou a capacidade de os estudantes fazerem seu trabalho
escolar. O grupo se!TI hostilidade foi tratado de maneira neutra. Cada
sujeito foi emparelhado com um aliado do pesquisador, com quem teria
117
que resolver um problema. Foi perguntado gosta':ar?. ou
no do parceiro por meio de pontos que 1am de O ( sim, deftmhva-
mente") a 23 ("definitivamente no"). Esta medida de apreciap era a
varivel dependente. A previso era de que os sujeitos mais antV-semitas
exibiriam mais agressividade deslocada induzida pela hostilidade provo-
cada do que os sujeitos menos anti-semitas. Isto deveria ser mostrado
pela menor apreciao pelos parceiros de trabalho por parte dos sujeitos
de alto grau de anti-semitismo. Esta , ento, uma hiptese de interao:
a deflagrao de hostilidade deve funcionar diferentemente nos diferen-
tes graus de anti-semitismo.
As mdias de apreciao pelo parceiro, como funo da deflagrao
de hostilidade, A, e anti-semitismo, B, so dadas na tabela 7. 4. Nenhum
dos efeitos principais foi em e de si prprio significativo. Sua interao,
entretanto, foi significativa. Quando foi despertada a hostilidade, indi-
vduos com alto grau de anti-semitismo reagiram como mais agressividade
deslocada (menos apreciao pelo parceiro) do que indivduos com
baixo grau de anti-semitismo. A hiptese de interao ficou apoiada -
uma descoberta de importncia tanto prtica quanto terica.
7
Tabela 7.4 Mdias de pontos estima-por-parceiro, relacionada hostilidade e
anti-semitismo, estudo de Berkowitz (1959) a.
Alto anti-semitismo
s,
Baixo anti-semitismo
82
Com deflagrao
de hostilidade
A
18,4
12,2
Sem deflagrao
de hostilidade
A'
14,2
16,3
a Quanto mais alto o resultado, menor a apreciao pelo parceiro. Os efeitos
principais no foram significativos; a interao foi.
Um retrospecto conceitual
Nos captulos anteriores foi fortemente enfatizado o objetivo da
cincia como teoria e explicao. A explicao foi descrita em parte
7 O ponto questionvel do estudo me foi por meus. alunos d?
dade de Amsterd. Eles disseram que devena haver uma diferena sigmflcatlva
entre A, e A, em B,, mas no em B,. O leitor pode ver, entretanto, que a diferena
prevista entre A, e A, aparece em B,, mas apareceu tambm U':_la impre-
vista e na direo oposta em B,. No parece haver uma razao teonca para tal
diferena em B, . O leitor poder lucrar refletindo sobre este problema.
118
orno especificando as relaes entre as vanaveis. Agora temos ferra
mentas conceituais e metodolgicas para nos ajudar a compreender
melhor como os cientistas comportamentais tentam explicar os fenmenos.
Eles separam as variveis entre dependentes e independentes, usando a
segunda para explicar a primeira. A explicao mais simples possvel
consiste em relacionar uma varivel independente com uma varivel
dependente. Exemplos disto so os estudos de Clark e Walberg, Aronson
e Mills. O leitor encontrar muitos exemplos semelhantes na bibliografia.
A base conceitual do delineamento e anlise de tais pesquisas um
enunciado da forma "se p, ento q". No importa haver dois grupos
experimentais, como no estudo de Clark e Walberg, ou mais de dois
grupos, como no de Aronson e Mills, a concepo de explicao a
mesma.
Mas as explicaes s vezes so mais complexas, como no estudo de
Walster, Cleary e Clifford, no de Berkowitz e no de Aronson e Gerard.
Mais de uma varivel independente usada para estudar a varivel
dependente. No caso mais simples, a concepo subjacente "se p, ento
q, sob a condio r" . Esta a base conceitual de muitos estudos publica-
dos. Muitos outros estudos, entretanto, usam base conceitual mais com-
plexa: eles avaliam os efeitos separados e combinados de mais de duas
variveis independentes sobre uma varivel dependente. A base concei-
tual "se p, ento q, sob as condies r, s, e t". Este exemplo tem quatro
variveis independentes: p, r, s e t. No importa quantas variveis sejam
usadas e como estejam simbolizadas, a abordagem bsica a mesma:
o efeito de uma ou mais variveis independeFJ.tes sobre uma varivel
dependente estudado.
119
8. Pesquisa experimental e no-experimental
I
A maioria dos exemplos de pesquisas reais que resumimos e discuti-
mos nos captulos anteriores foi experimental: as de Clark e Walberg,
Aronson e Mills, Walster, Cleary e Clifford e outras. Apenas o estudo
de Miller e Swanson, descrito no captulo 1, foi no-experimental. H um
bom motivo para esta preocupao: a pesquisa experimental pode ser
considerada o ideal da cincia porque as respostas a questes de pesquisa
obtidas em experimentos so no total mais claras e menos ambguas do
que as respostas obtidas em pesquisas no-experimentais. Mas h um
grande corpo de pesquisas importantes e significativos que no-experi-
mental, ou pesquisa ex post facto, como foi denominada. Pode-se at
argumentar que a pesquisa ex post facto mais importante que a pesquisa
experimental. A posio tomada neste livro parece ser, mais razovel: os
dois tipos de pesquisa so importantes e necessrios. Ambos tm valor.
Ambos devem ser feitos.
Neste captulo vamos examinar as principais caractersticas da pes-
quisa experimental e no-experimental e as principais diferenas entre as
duas. A tarefa no ser fcil porque ser preciso explorar com alguma
profundidade a diferena entre as concluses obtidas na pesquisa experi-
mental e no-experimental. Felizmente j discutimos a experimentao e
podemos usar o que aprendemos. Comearemos reexaminando a pesquisa
experimental e usando uma srie de estudos experimentais de Milgram
para estimular e ilustrar a discusso.
Os experimentos de Milgram sobre Qbedincia e autoridade
Milgram (1974), interessado nos fenmenos de obedincia e autori-
dade, mostrou que pessoas de diversos nveis de formao faro coisas
moralmente condenveis a outras pessoas, sob o comando de uma autori-
dade respeitada e claramente designada. Escolhi a pesquisa de Milgram
para ilustrar a natureza e fora dos experimentos, no pela excelncia
do delineamento mas porque os resultados foram surpreendentes, difceis
de acreditar e vo contra a moralidade aceita. Para acreditarmos nos
resultados de Milgram, deveremos ter muita f nos meios pelos
quais ele foram obtidos. Isto significa que devemos estudar sua metodo-
logia cuidadosa e ceticamente.
120
Milgram fez diversas perguntas relacionadas e desejava respostas
empricas: "Que fatores influenciam a disposio do indivduo para
obedecer a uma autoridade?", "Como a autoridade afeta a obedincia?" .
"Se o indivduo que der ordens a uma pessoa tiver status de autoridade,
isso a compele a maior obedincia?", "Por que indivduos
ordens que os compelem a comportamentos 'imorais', comportamentos
que infligem sofrimento a indivduos desprotegidos?", "Quando as
pessoas obedecem a uma ordem que atenta contra a moralidade comum,
como elas reagem psicologicamente, como justificam seu comportamen-
to?" um conjunto formidvel de perguntas a que poderemos responder
apenas parcialmente.
O procedimento experimental foi o seguinte: duas pessoas chegam
ao laboratrio de psicologia para trabalharem juntas em um estudo de
memria e aprendizagem. Uma ser o "professor" e a outra o "aluno".
O verdadeiro sujeito experimental ser o professor. Ele avisado de
que a finalidade do experimento estudar os efeitos da punico na
aprendizagem. O aluno- sempre a mesms pessoa, um ator que
instrues de como reagir - est sentado em uma cadeira, braos
amarrados para evitar movimentos e com um eletrodo preso ao pulso.
O pesquisador diz ao aluno que ele aprender uma lista de pares de
palavras. Se fizer um erro, levar um choque. O professor observa tudo
isso e levado para a principal sala experimental e instrudo sobre como
usar um impressionante gerador de choque, que tem um painel de 30
chaves rotuladas de 15 a 450 volts, e tambm etiquetas com as palavras
''Choque leve" e "Perigo - choque violento". .
O professor ento recebe a ordem de "ensinar" o homem da outra
sala, lendo pares de palavras - dia bonito; caixa azul; e assim por
diante. Nos testes de aprendizado, o professor l as palavras-estmulo e
em seguida quatro respostas provveis, por exemplo: azul: cu, tinta,
caixa, lmpada (Milgram, 1974, p. 19). O aluno escolhe a resposta que
acha correta apertando um de quatro botes. Se a resposta for correta,
o professor vai para o conjunto seguinte. Se estiver incorreta, deve
aplicar um choque no aluno. O professor receber ordem de aplicar
choques cada vez mais fortes a cada resposta incorreta. Se o sujeito fizer
perguntas, deve ser informado de que os choque podem ser muito dolo-
rosos mas que no causam danos permanentes aos tecidos. (Na verdade,
o aluno no recebeu um choque sequer.)
Depois de iniciados o ensino e aprendizado e durante o experimento,
sujeito, talvez perturbado por ter que aplicar choques em outra pessoa,
perguntou ao pesquisador se deveria continuar a fazer aquilo. O pesquisa-
dor estimulou-o com um entre quatro comandos: "Por favor, continue";
"O experimento exige que voc continue"; " essencial que voc con-
121
tinue" e "No h outra escolha, voc tem que continuar" . Estes coman-
dos eram dados em seqncia e apenas se o sujeito se recusasse a obe-
decer.
O aluno-cmplice do pesquisador deu sempre o mesmo cohjunto de
respostas ou reaes ao procedimento. No teve a menor reao at o
choque de 75 volts, quando soltou um leve gemido. Aconteceu a mesma
coisa com os choques de 90 e 105 volts, mas aos 120 o aluno gritou
que os choques eram dolorosos. Aos 135 volts a "vtima" gemeu dolo-
ridamente e aos 150 gritou pedindo para ser solto e que se recusava
a continuar. Reagiu de maneira semelhante mas com maior intensidade
aos choques subseqentes e aos 180 volts gritou que no podia suportar
a dor. Aos 270 volts gritava em agonia e aos 300 recusou-se a continuar
dando respostas.
O sujeito (o professor) a esta altura - e anteriormente - pedia
orientao ao pesquisador, que o instruiu a considerar ausncia de res-
posta como falta de reao e a continuar o experimento. Depois dos
330 volts no .se ouviu mais nada do aluno.
A questo : at onde os sujeitos vo? Chegaro aos 450 volts?
Ou se recusaro a uma certa altura? Eles obedecero ou desobedecero?
Este o ncleo do experimento. Milgram variava as instrues para dife-
rentes grupos de indivduos. Por exemplo, ele manipulou a proximidade
do aluno com o professor, predizendo que, quanto mais distante o aluno
ficasse do professor, choques mais fortes o professor aplicaria. Usou
tambm outras variaes de controle. Um grupo de sujeitos, por exemplo,
passou por um experimento com o pesquisador (a autoridade) ausente.
Com outro grupo foi feito o experimento num prdio de escritrios de
uma cidade distante da Universidade de Yale, onde foi feita a maioria dos
outros experimentos. Isso foi para controlar o possvel efeito de autori-
dade de uma universidade de prestgio (veja abaixo).
Os experimentos, ento, usaram diversas variveis independentes c
uma varivel dependente, obedincia, medida pelo nvel de choque os
sujeitos antes de conclurem a srie de choques ou at se recusarem a
continuar participando do experimento.
Os resultados desafiam o senso comum e violam a moralidade
comum.
1
No primeiro experimento, onde a proximidade foi a varivel
independente, 26 dos 40 sujeitos na situao bsica remota continuaram
os choques at o mximo de 450 volts! (Lembrem-se de que as chaves
1 No vamos comentar a tica desses experimentos controvertidos e assustadores
que suscitaram muitas controvrsias entre os cientistas sociais. Ver o excelente
resumo dos comentrios de Milgram (1974, pp. 193-202) sobre as questes ticas
levantadas por esta pesquisa.
122
de 275 a 450 volts estavam indicadas com a etiqueta "Perigo - choque
violento" e que as voltagens numricas e as designaes verbais estavam
claramente indicadas_) Cinco sujeitos deram 300 volts antes de desistirem
e oito aplicaram entre 315 e 360 volts. A maioria foi, ento, muito
obediente, e todos, no mnimo, aplicaram choques mesmo acreditando
que eram violentos. Entretanto, quanto mais prximos estavam de suas
"vtimas", menos obedeciam. Entretanto, um nmero considervel deu o
tratamento completo s vtimas.
tentador estudar as implicaes psicolgicas deste notvel estudo.
Meu principal objetivo, entretanto, ao cit-lo com tantos detalhes, no
psicolgico, mas metodolgico. Quero que o leitor perceba claramente
que estamos tratando de um assunto altamente controvertido, difcil e
discutvel, e confiar nos resultados tambm difcil. Quero ilustrar
o fato de que, outras coisas mantidas constante, um experimento inspira
maior confiana do que um estudo ex post facto. Se os resultados de
Milgram forem empiricamente vlidos - e, apesar de certas fraquezas
metodolgicas, parecem ser - encontramo-nos diante de um fato muito
perturbador relativo a muitas pessoas: elas feriro cruelmente outras
pessoas obedecendo a uma autoridade reconhecida e a despeito de seus
escrpulos morais_ E no so monstros hitleristas ; ao contrrio, so na
maioria pessoas decentes e moralmente sadias, que normalmente jamais
sonhariam em agredir outras pessoas. Podemos ento confiar nos resul-
tados(? (Parece que a resposta "Sim".)
A maioria das pessoas, quando indagadas sobre o que elas ou outras
pessoas fariam em tal situao, afirma que n.em elas nem os outros
aplicariam choques s vtimas ou que o faram apenas com choques
fracos. este precisamente o objetivo de Milgram e parte do significado
psicolgico central de sua descoberta: gente decente e bondosa compor-
ta-se cruelmente dada as circunstncias apropriadas - e a principal
circunstncia a autoridade. Ento, podemos acreditar nele? Eu aplicaria
choques em uma pessoa a mando de outra e apesar dos protestos da
vtima?
Controle
Em geral pode-se acreditar mais nos resultados obtidos em pesquisas
experimentais do que nos resultados de outras fontes de conhecimento.
Colocando de forma diferente, dada a competncia e dada a satisfao
dos padres e critrios cientficos, pode-se acreditar mais nos resultados
dos experimentos do que nos resultados de outros tipos de pesquisa.
Este o motivo primordial por que a pesquisa experimental to impor-
tante e por que os cientistas, podendo escolher, provavelmente faro
experimentos. O experimento cientfico uma das maiores invenes de
123
todos os tempos. tambm a fonte mais segura de conhecimentos e de
compreenso dos fenmenos naturais, outras coisas mantidas constantes.
Os motivos no so difceis de compreender. O \rincipal central
expresso pela palavra "controle". Num experimento bem conduzido, o
controle e relativamente grande. Mas o que significa "controle" em um
contexto experimental? Basicamente significa a definio, delimitao,
restrio e isolamento das condies da situao de pesquisa de maneira
a maximizar a confiana na validade emprica dos resultados. As possi-
bilidades de explanaes alternativas dos fenmenos em estudo so mini-
mizadas.
No caso de Milgram, o enunciado bsico testado foi: "Se autori-
dade, ento obedincia". Poder-se dizer que esta afirmativa, emprica-
mente vlida, significa em parte que outras afirmativas explanatrias
plausveis e possveis no so vlidas empiricamente. Por exemplo,
possvel que a atmosfera de _prestgio e a proximidade da Universidade
de Yale tenham conduzido obedincia? Para responder a esta questo,
Milgram fez o experimento em um despretensioso prdio de escritrios
em outra cidade. Os resultados foram virtualmente os mesmos. Logo, no
era a proximidade que levava obedincia.
Um explicao alternativa possvel da obedincia dos sujeitos, mais
sutil, era a obrigao contratual. Os sujeitos foram contratados pelo
pesquisador para abdicarem de um pouco de sua liberdade em benefcio
do avano do conhecimento cientfico. Perceberam tambm que a vtima
fora contratada. Tanto professor quanto aluno tinham, portanto, que
honrar suas obrigaes contratuais. Os sujeitos foram, portanto, obedien-
tes. Milgram eliminou isto salientando uma frmula de desobrigao que
professor e aluno assinavam. Durante a assinatura, o aluno afirmou que
tinha um problema cardaco e que queria parar com o experimento
quando lhe conviesse. O pesquisador resmungou concordando aparente-
mente. Assim, o "contrato" tornou-se mais importante. Aos 150 volts o
aluno protestou, mas o pesquisador no lhe deu ouvidos e ordenou ao
professor que continuasse da maneira usual. Desta forma, o "contrato"
no estava sendo obedecido pelo pesquisador. Fez alguma diferena?
Se o contrato tinha fora, os sujeitos deveriam ento parar de obedecer.
Mas no; continuaram a obedecer ao pesquisador. Como mostraram os
resultados e como diz Milgram, "a doutrina do contrato social uma
frgil determinante do comportamento" (Milgram, 1974, p. 66).
Mas, testar explicaes ou hipteses alternativas, uma forma pode-
rosa e indispensvel de controle cientfico (Platt, 1964), no uma
prerrogativa exclusivamente experimental. Tal teste pode ser e feito
em pesquisa no-experimental. Entretanto, mais caracterstico e mais
exeqvel na pesquisa experimental que na pesquisa no-experimental,
124
porque os pesquisadores podem ter controle quase total sobre o que
podem fazer e como o fazem.
Definio e caractersticas dos experimentos
Em um captulo anterior ficou dito que o experimento tinha duas
caractersticas essenciais: manipulao de variveis independentes e
casualizao. Ficou claro tambm que casualizao no
essencial em um experimento, embora muito desejvel. O verdadeiro
significado da qualidade essencial da casualizao na defioio simples-
mente que a casualizao pode ser usada apenas em experimen.tos.
veremos mais adiante, a designao aleatria completamente 1mposs1vel
em pesquisa no-experimental.
Um experimento um estudo no qual uma ou mais variveis inde-
pendentes so manipuladas e no qual a influncia de todas ou quase
todas as variveis relevantes possveis no pertinentes ao problema da
investigao reduzida a um mnimo. Nos chamados experimentos d.e
laboratrio- em contraste com os experimentos de campo- os pesqUi-
sadores fazem isto isolando a pesquisa em uma situao fsica delimi-
tada e manipulando e medindo variveis sob condies
especificadas e controladas.
Naturalmente tudo isso se resume numa segurana relativamente
maior de que as variveis independentes do estudo de pesquisa possam,
se eficientes, agir sobre as variveis dependentt<s sem a ''contaminao"
de outras influncias ou variveis. Foi isso que Milgram fez. Controlou
cuidadosamente a situao experimental de laboratrio para poder ter
segurana relativamente maior de que a autoridade do pesquisador
pudesse, se eficiente, operar sobre a varivel dependente, obedincia,
sem ser contaminada por outras variveis.
Deve ter ficado claro que situaes experimentais, principalmente
em laboratrios, so ambientes fechados e restritos nos quais h preciso
relativamente alta de manipulao e mensurao. A necessidade ou utili-
dade de situaes to confinadas na pesquisa vem da maior confiana
em seus resultados, da flexibilidade que o pesquisador tem para testar
os vrios aspectos dos problemas de pesquisa, vontade, e, intimamente
relacionada e muitssimo imoort:mte. da capacidade de testar vrios
aspectos da teoria, vontade. J discutimos o aspecto confiana nos
experimentos. O aspecto flexibilidade precisa de elaborao. Assim como
o aspecto testagem de teoria.
Um aspecto importante da pes<1uisa de Milgram em obedincia,
j salientado, foi a variao de condies experimentais com o fim de
eliminar explicaes alternativas do fenmeno obedincia. A hiptese
125
em teste era: "Se autoridade, ento obedincia" . Se a validade emprica
desta hiptese apoiada pela pesquisa, isto evidncia da\ validade
emprica das idias de Milgram sobre a relao entre autoridade e obe-
dincia. Mas h outras explicaes plausveis. Somente quando essas
outras explicaes forem mostradas como empircamente invlidas,
poder o pesquisador confiar totalmente na sua afirmativa "se-ento"
original.
Isso foi essencialmente o que Milgram fez, embora no exatamente,
e um aspecto metodolgico forte de sua pesquisa. Ele usou o aspecto
flexibilidade da pesquisa experimental para variar variveis independen-
tes e para eliminar outras explicaes possveis ou variveis indepen-
dentes e assim reforar sua afirmativa bsica ou hiptese. Por exemplo,
se verdade que a autoridade do pesquisador que compele obedin-
cia, ento, oumts fontes provveis de influncia, alm do pesquisador,
devem ser eliminadas. Lembre-se de que uma delas foi o ambiente
de prestgio da Universidade de Yale. Milgram eliminou isso fazendo a
pesquisa em outro ambiente sem prestgio ou status. Outras explicaes
plausveis foram igualmente testadas, como j vimos. A questo que,
na maioria das situaes experimentais, tal testagem variada e frutfera
possvel e necessria.
Veremos ento parte da teoria de Milgram que explica suas desco-
bertas. Pessoas que entram numa situao de autoridade mudam interna-
mente e isso mostrado por uma mudana de atitude. A pessoa que
entra em uma situao de autoridade suspende seus prprios objetivos
por um tempo e age como agente executivo dos desejos e ordens de
outros (Milgram, 1974, pp. 132-154). Milgram chama ao estado da
pessoa estado agntico (agentic state), a condio em que est uma
pessoa quando se percebe como agente dos desejos e ordens de outra.
Uma idia-chave aqui que quando a pessoa se encontra em estado
agntico seus prprios valores, atitudes e motivaes ficam suspensos, ou
pelo menos subordinados, e ela pode comportar-se e se comportar como
no pode e no se comportaria em seu " prprio estado". Ela se v como
irresponsvel por seus atos e pode at agir cruelmente com outros.
Munido de uma "boa" teoria, o pesquisador pode deduzir algumas
ou muitas conseqncias da teoria. Se verdade que as pessoas em estado
agntico perdem seu sentido normal de responsabilidade, ento, pode-se
fazer um experimento para ver se isto se verifica. Pode-se dar um jeito
de produzir o estado agntico em um grupo de pessoas por instrues
experimentais, e depois medir seu sentido de responsabilidade compa-
rado a, digamos, o sentido de responsabilidade de outro grupo fora do
estado agntico.
Outro experimento implicado pela teoria poderia ser simplesmente
comparar a obedincia de grupos sob diferentes " intensidades" do
126
estado agntico. Outro experimento pode ainda ser variar a fora e
legitimidade da autoridade do experimentador. Provavelmente a profun-
didade do estado agntico e o grau de obedincia dos suieitos podem
ser afetados diferentemente por diferentes foras e nveis de legitimidade
da autoridade.
Chama-se a essas possibilidades experimentais "flexibilidade". Essa
caracterstica dos experimentos, junto com a capacidade de manipular
variveis, de casualizar sujeitos e condies e chegar a um controle
relativamente firme e cerrado sobre a operao das variveis constitui
um mtodo muito poderoso de testar teorias e hipteses e aumentar o
conhecimento. Isto no significa que todos os experimentos aumentam
significativamente o conhecimento. Sem dvida, muitos so mal conce-
bidos e mal executados. No h garantia de validade ou valor, em
outras palavras, s porque um estudo experimental. Mas o potencial
est presente. Antes de estudarmos a pesquisa ex post facto, ser bom
examinarmos tanto os pontos fortes como os pontos fracos dos experi-
mentos, mas especialmente dos experimentos de laboratrio.
2
Foras e fraquezas da pesquisa experimental
Para esboarmos a fora da pesquisa experimental, vamos primeiro
recapitular os pontos mostrados acima. A fora bsica da pesquisa
experimental est no controle relativamente alto da situao experimental
e conseqentemente das possveis variveis independentes que possam
afetar as variveis dependentes. Isto significa que as relaes podem
ser estudadas isoladas da cacofonia do mundo exterior; as relaes
"puras" podem ser estudadas. Uma segunda fora que as variveis
podem ser manipuladas sozinhas ou em conjunto com outras variveis.
O leitor j pode, a esta altura, estar convencido da fora da manipulao
de variveis. Terceiro, as situaes experimentais so flexveis no sentido
de que muitos e variados aspectos da teoria podem ser testados quase
vontade. Freqentemente, a nica restrio o limite da habilidade.
Ainda no foi mencionada uma quarta fora dos experimentos:
os experimentos podem ser "replicados" com ou sem variaes . Alguns
dos experimentos, na srie de experimentos de Milgram foram replica-
es. Tornou-se quase uma regra na pesquisa comportamental: replicar
todos os estudos. muito mais fcil replicar pesquisa experimental do
que no-experimental, porque grande parte da situao de pesquisa se
2 Grande parte da discusso ser tambm aplicvel a experimentos de campo.
Para uma discusso niais completa, veja Festinger e Katz (1953).
127
encontra sob o controle do pesquisador. Infelizmente, poucos estudos
so replicados . .
"Replicao" um termo mais amplo que "repetio'i ou "dupli-
cao". Significa repetir um estudo, mas geralmente com variaes. Num
sentido estrito, a duplicao simples jamais possvel, porque so usados
sujeitos diferentes, pode ser acrescentada uma varivel, outra pode ser
excluda, a replicao ter que ser feita em outra ocasio, quando as
condies podem ter mudado e o local da pesquisa pode, e muitas vezes
deve, sr mudado. Em todo caso, se as relaes obtidas so as mesmas
ou semelhantes sob replicao, sua validade emprica fica reforada.
A replicao do experimento bsico de Milgram, longe da Universidade
de Yale, um exemplo deste fortalecimento da validade emprica dos
resultados da pesquisa.
Os experimentos tm fraquezas. Uma delas que as variveis inde-
pendentes dos experimentos de laboratrio raramente tm muita fora
se comparadas fora de variveis "naturais" fora do laboratrio.
O experimento de Mllgram parece ser uma exceo. A maioria dos
estudos experimentais, entretanto, no tem a fora dramtica dos estudos
de autoridade-obedincia. Isso uma desvantagem porque torna difcil
descobrir os efeitos de tais variveis, Sem dvida, as relaes que existem
realmente podem nO ser descobertas, confundindo talvez cs cientistas
em relao ao verdadeiro estado de coisas em um campo definido.
Quando um pesquisador estuda os efeitos da repetio sobre a memria,
pode ser muito difcil detectar tais efeitos, especialmente a curto prazo.
Um motivo para a preciso e a estatstica aperfeioada do laboratrio
encontra-se na necessidade de detectar os efeitos de variveis indepen-
dentes fracas.
A experimentao freqentemente criticada com base em duas
acusaes relacionadas: artificialidade e falta de generalidade. difcil
saber se a artificialidade dos experimentos realmente uma fraqueza.
H muito pouca dvida de artificialidade. Sem dvida, j que variveis
manipuladas so inventadas. so quase por definio "artificiais". Por
outro lado, muitas vezes incrvel at que ponto os experimentos podem
ser tornados realsticos. Leia o livro de Milgram e veja se pode acusar
seus experimentos de artificiais. Um ponto mais sutil que uma certa
quantidade de artificialidade faz parte natural da experimentao. Pesqui-
sadores sofisticados naturalmente sabem disso. Eles acreditam tambm
que, por causa da artificialidade e efeitos fracos, se uma relao for
percebida em um laboratrio, substancial a probabilidade de que, outras
coisas mantidas constantes, a relao ser mais forte em situaes mais
realistas. Muitos pesquisadores pouco ligam artificialidade. Diro que
esto testando teoria e que no tm interesse em aplicaes de sua
pesquisa. Sua posio bem colocada. Muito freqentemente, pesquisas
128
consideradas tericas e no prticas vieram a produzir resultados com
conseqncias prticas de longo alcance (veja Comroe & Dripps, 1976;
. Deutsch, Platt, & Senghaas, 1971; Townes, 1968). Voltaremos a este
problema no fim do livro.
Em geral os resultados de experimentos de laboratrio no podem
ser generalizados alm do laboratrio. S porque certos resultados foram
obtidos em laboratrios no se pode dizer que resultado idntico ou
semelhante ocorrer fora do laboratrio- embora possa, e muito bem.
Deve-se mostrar, atravs de pesquisas posteriores, que os resultados se
aplicam ao campo. Isto falando num sentido estrito. Fica-se intrigado com
a pesquisa de Milgram e com algumas outras enrgicas pesquisas de labo-
ratrio. As descobertas de Milgram so aplicveis a escolas, corporaes,
igrejas, exrcitos e outros grupos? No se pode dizer enquanto no se
fizer mais pesquisa. Minha opinio que Milgram apresentou um forte
argumento, mas a pesquisa precisa ser estendida a situaes de campo.
(Mas como fazer isso?) 1?. possvel que a relao entre autoridade e
obedincia possa ser furada quando estudada em certos tipos de situaes
reais.
Ao pensar na aplicabilidade da experimentao de labratrio
vida real, deve-se ter em mente que o objetivo bsico da experimentao
no descobrir o que acontecer ou o que funcionar em situaes de
vida. O objetivo bsico estudar as relaes e testar hipteses derivadas
da teoria sob condies cuidadosamente controladas e limitadas. Sem
dvida, muita pesquisa - um exemplo claro a medicina - feita em
laboratrio, principalmente para determinar o qu.e aconteceu ou o que
acontecer. Por exemplo, tal ou tal mtodo de terapia surtir efeito?
Embora muitssimo til, tal experimentao, cientificamente falando,
perifrica base conceitual da experimentao cientfica. Se esta inter-
pretao assaz purstica est ou no completamente correta.no , entre-
tanto, importante. o que importa no esperarmos que a experimentao
em laboratrio faa o que no foi enc&rregada de fazer: generalizar
para situaes de vida real.
Talvez o leitor compreenda tudo isso melhor se focalizarmos rapida-
mente outra crtica relacionada a experimentos e experimentao na
pesquisa comportamental. Freqentemente afirma-se que os
tos de laboratrio so triviais. H pouca dvida de que muitos expert
mentos so triviais. importante saber, contudo, o que o crtico est
dizendo. Ele est dizendo que os experimentos so artificiais, e com isso
quer dizer que no so a prpria vida. Assim, so triviais. O ncleo da
crtica que os experimentos no tm generalidade. Seus resultados no
se aplicam a pessoas reais em situaes de vida real.
O argumento mais fundamentalmente irrelevante do que errneo,
porque os experimentos e seus resultados no foram feitos para serem
129
aplicados vida real, como ficou dito h pouco. O
inveno especializada cujo est totalmente
da vida real. Seu propsito especificamente f1car separado e pr? t:gtdo
do "barulho" exterior. Seu propsito cientfico estudar as relaoes _e
testar as proposies derivadas da teoria no ambiente menos
nado que se possa conseguir. Seu propsito no melhorar .c?nd1oes
humanas e sociais. Portanto, uma crtica com base na de
generalizao , rigorosamente falando, irrelevante. t. como cnttcar
alguma coisa por no ser o que no pode ser de forma alguma.
Pesquisa no-experimental
Ningum conhece exatamente quais so as propores da
experimental e no-experimental na pesquisa Pode f1car
claramente dito, entretanto, que muito da pesqmsa nao-expenmental
alto significado e importncia, assim como da expen-
mental significativo e importante. Nenl;um t1po de ou
deve gozar de qualquer monoplio de validade e. Nao ha nada
inerentemente meritrio em se fazer tanto pesquisa expenmental quanto
no-experimental, como tais. Pesquisam-se problemas de in5eresse e
alguns problemas podem ser experimentais, enquanto outros nao.
Pesquisa no-experimental. ou ex post facto, aualquer pesquisa
na qual no possvel manipular variveis ou designar sujeitos _ou
condies aleatoriamente. Fazem-se inferncias e tiram-se conclusoes
tanto em pesquisa experimental quanto no-experimental, e a
bsica da investigao a mesma. Mas as concluses no so empinca-
mente to fortes na primeira quanto na segunda. Explicar
esta afirmativa seria difcil e enfadonho. Vamos nos contentar, entao,
com uma explanao menos completa baseada na idia de controle, discu-
tida anteriormente.
A base da estrutura pela qual o cientista opera relativamente
simples. Ele faz perguntas assim: "Como x est relacionado com y?" ,
"Sob que condies x afeta y, x sendo uma varivel independente e Y
uma varivel dependente?", "Ou como X1, X2 e X:! afetam y - ou
mesmo y
1
e y2 ?" Ele, ento, formula a hiptese de que x influencia y ?e
tal ou qual maneira, esperando-se que a hiptese derive de uma teona.
Colocado mais sucintamente, ele apresenta afirmativas na forma de "se p,
ento q" e testa a validade emprica das afirmativas de alguma forma.
No h a menor diferena entre pesquisa experimental e pesquisa
no-experimental nesta forma bsica de raciocnio. A diferena
mental est no controle de p, as variveis independentes. Nos expen-
mentos, os p podem ser manipulados vontade do pesquisador. Suponha-
130
mos, por exemplo, que eu esteja interessado em relaes equitativas em
geral e especificamente em como as pessoas lidam psicologicamente com
a inequidade.
3
Posso formar grupos diferentes de indivduos e fazer os
grupos sofrerem formas ou quantidades diferentes de inequidade. Isto ,
cu manipulo equidade ou inequidade. t uma forma de controle porque
as diferenas em eqidade entre os grupos vm inteiramente de mim.
Elas no acontecem "l fora", por assim dizer. Um bom exemplo, com o
qual j estamos familiarizados, o experimento de Aronson e Mills no
qual trs grupos de mulhetes jovens foram sujeitas a diferentes graus de
iniciao desagradvel antes de supostamente se juntarem a um grupo.
Na pesquisa ex post jacto, a manipulao de variveis independen-
tes no possvel. Esta a caracterstica fundamental da pesquisa no-
experimental: variveis independentes chegam ao pesquisador como esta-
vam, j feitas. J exerceram seus efeitos, se os havia. Se eu estivesse
estudando como as pessoas lidam psicologicamente com a inequidade e
minha pesquisa fosse no-experimental, eu no poderia fazer grupos
diferentes de indivduos sofrerem inequidade em graus diferentes,
vontade. Eu provavelmente teria que procurar encontrar grupos dife-
rentes de indivduos que j tivessem provado a inequidade e depois
estudar como eles lidam psicologicamente com ela. A diferena entre a
abordagem experimental e no-experimental grande, ento. Alis, a
diferena to grande que temos abordagens muito diferentes, problemas
de pesquisa e graus diferentes de confiana nas inferncias que fazemos
dos dados de pesquisa.
Nos experimentos, j que temos controle viTtual das variveis inde-
pendentes e da situao na qual as variveis independentes operam,
podemos ter mais certeza - nunca total, claro - de que variaes
concomitantes observadas numa varivel dependente so devidas
influncia das variveis independentes. Em estudos que no so experi-
mentos, nossa confiana, outras coisas mantidas constantes, deve ser
menor, principalmente por causa da falta de controle manipulativo das
variveis independentes.
4
Em muitas pesquisas no-experimentais obser-
J Este exemplo vem da teoria e pesquisa da eqidade (Berkowitz
& Walster, 1976). Os estudos de Milgram sobre obedincia podem ser conceituados
no quadro de referncias da teoria da eqidade, embora aparentemente Milgram
no o tenha feito.
4 Alguns pesquisadores e autores parecem crer que a diferena fundamental entre
experimental e no-experimental que na primeira podem ser feitas
inferncias causais, enquanto na segunda no. Isto est simplificado demais. Estri-
tamente falando, nenhum tipo de pesquisa pode afirmar que uma coisa causa
outra. O mximo que se pode dizer que tal ou qual relao existe e que de
tal ou qual natureza. A questo, entretanto, realmente acadmi.ca, j que no h
necessidade de fazermos afirmativas causais em cincia. As afirmativas denomi-
nadas condicionais, tipo se p, ento q, que no tm implicaes causais, so
suficientes.
131
vamos y, a varivel dependente e depois "voltamos" para encontrar
o x ou os xx que provavelmente tenham influenciado y. Alguns exemplos
podero esclarecer o significado disto. \
O fumo e o cncer do pulmo
A pesquisa da suposta relao entre o fumo e o cncer do pulmo
engendrou muita controvrsia. Muitos no-fumantes esto absolutamente
convictos de que o cigarro causa o cncer do pulmo e citam pesquisas
que parecem apoiar sua convico. Muitos fumantes no se convencem-
talvez porque nao desejem ser convencidos. Quais so os fatos? Parece
haver pouca dvida de que, como ficou dito, haja uma relao estatstica
entre o fumo e o cncer do pulmo. Mais simplesmente, muitas pesquisas
descobriram que o cncer mais comum entre fumantes que entre
no-fumantes. H, ento, um acordo nas descobertas. Mas pode-se con-
cordar com a concluso que , no nos esqueamos, "o cigarro causa
cncer de pulmo"?
Primeiro, vamos nos desembaraar da palavra "causa". Os cientis-
tas no usam essa palavra principalmente porque virtualmente imposs-
vel, estritamente falando, dizer que uma coisa causa outra - e sustentar
a afirmao. Sempre h a possibilidade de a suposta causa de alguma
coisa no vir a ser a causa real. Vejamos um exemplo meio ridculo.
fcil verificar que quando chove contam-se mais guarda-chuvas do
que quando no chove, exceto, talvez, em Londres. Portanto, os guarda-
chuvas causam chuva! O exemplo s ridculo porque muito bvio e
porque sabemos as causas da chuva. O exemplo cncer/fumo mais
sutil. Tem, entretanto, os mesmos aspectos do exemplo guarda-
chuva/ chuva. Difere apenas em no sabermos o que causa o cncer dos
pulmes e o fumar cigarros parecer uma causa plausvel.
Suponhamos que possamos reunir' um enorme grupo de pessoas
como amostra aleatria, digamos, do povo de um pas ou de parte do
pas. Dividimos o grupo em trs subgrupos ao acaso. Instrumos os
membros de um grupo a fumar dois maos de cigarros por dia, cuidando
para que eles realmente fumem. Pedimos aos membros do segundo
grupo que fumem um mao por dia. Os membros do terceiro grupo ficam
proibidos de fumar. Este "experimento" continua durante 10 anos, ao
fim dos quais medimos a varivel dependente, a presena do cncer de
pulmes ou mesmo a morte pelo cncer. Deixando de lado duas ou trs
dificuldades tcnicas no delineamento da pesquisa, poderamos ter consi-
deravelmente mais confiana no resultado do que poderemos ter no resul-
tado de um estudo ex post facto. Tais experimentos, naturalmente, so
impossveis por motivos bvios. Ento vamos abandonar a pesquisa sobre
132
cncer pulmonar e fumo? De forma nenhuma. Mas estamos tolhidos pela
principal dificuldade da pesquisa no-experimental.
possvel que o cigarro no seja realmente uma "causa" do cncer
pulmonar? Vamos imaginar que houvesse um sndrome psicolgico,
chamado "discombulismo", e que as pessoas discombulistas fossem alta-
mente propensas ao cncer pulmonar. Suponhamos que os discombulistas,
alm de outras caractersticas - hiperatividade, nervosismo, insnia,
temperamento volvel e uma leve parania - tivessem uma forte predis-
posio a contrair cncer pulmonar e fumassem cigarros, violentamente.
Em outras palavras, o discombulismo a causa bsica do cncer, r;o o
cigarro. Fumar simplesmente uma caracterstica concomitante. Acontece
aparecer no sndrome discombulstico. O pesquisador, no sabendo nada
a respeito do discombulismo, nota repetidamente a presena do cncer
entre pacientes que fumam demais. A correlao entre cncer e fumo ,
naturalmente, alta, e o pesquisador conduzido a acreditar que o fumo
causa o cncer de pulmes.
Fantstico? Um pouco. Mas no impossvel, certamente. O ato
que a pesquisa no-experimental mais vulnervel a concluses errneas
do que a pesquisa experimental.
A natureza das variveis na pesquisa no-experimental
Num mundo cientfico comportamental perfeito, os pesquisadores
sempre deveriam poder extrair amostras aleatl'ias, manipular variveis
independentes e designar sujeitos a grupos aleatoriamente. Pena, pois
nem sempre as trs coisas so possveis, e na pesquisa ex post facto as
ltimas duas jamais o so. Mas isto no significa que tal pesquisa no
seja importante e significativa. Longe disso.
Uma das principais diferenas entre os dois tipos de pesquisa est
na natureza das variveis. A pesquisa no-experimental lida com
variveis que, por natureza, no so manipulveis: classe social, sexo,
inteligncia, preconceito, autoritarismo, ansiedade, aptido, realizao,
valores, e assim por diante. Quem estiver interessado, por exemplo,
em autoritarismo e preconceito, ou inteligncia, classe social e realizao,
ou em classe social e valores, deve fazer (geralmente) pesquisa no-
experimental. Enfrentar problemas mais difceis de inferncia do que
quem estiver interessado em problemas que incluam variveis mani-
pulveis.
Todas as variveis que so caractersticas de gente - chamemos
variveis de status - no so manipulveis comumente. Tomemos inteli-
gncia. No se pode dizer a um grupo de indivduos: "Sejam inteligen-
tes" e a outro grupo: "No sejam inteligentes". As pessoas trazem
133
muitas variveis de status para as situaes de pesquisa. E as diferenas
entre pessoas com tais variveis j esto relativamente fixadas.
5
\ .
Estudos no-experimentais
Dos muitos estudos de pesquisa no-experimental publicados,
escolhemos trs como exemplos. So altamente significativos, terica e
praticamente. O primeiro a ser discutido tornou-se famoso e fonte de
muita controvrsia educacional.
Igualdade de oportunidades educacionais
No maior estudo de pesquisa educacional feito nos Estados Unidos ,
Coleman, Campbell, Hobson, McPartland, Mood, Weinfeld e York
(1966) tentaram responder a um significativo nmero de perguntas a
respeito da desigualdade educacional nos Estados Unidos. Duas dessas
perguntas eram: ' Qual a extenso da desigualdade na educao norte-
americana?" Isto , h diferenas nas oportunidades e nos recursos esco-
lares ao alcance de grupos majoritrios e minoritrios e qual a extenso
dessas diferenas? (Uma das respostas foi que a grande maioria das
criancas norte-americanas freqenta escolas segregadas e que as crianas
so as mais segregadas.) Do ponto de vista deste livro, uma
questo mais interessante foi: "Qual a relao entre a realizao dos
estudantes e o tipo e qualidade das escolas que eles freqentam?"
Foram estudados mais de 600.000 alunos de terceira, sexta, nona e
dcima-segunda sries em cerca de 4.000 escolas. O mtodo bsico de
observaco foi um questionrio respondido por inspetores, diretores,
e alunos. A enorme quantidade de dados foi analisada por
mtodos muito complicados. Havia mais de 100 variveis agrupadas em
categorias maiores, tais como variveis de ambiente familiar, variveis
da escola e variveis do professor. As anlises principais concentraram-se
na realizao das crianas, e, com bastante coragem e competncia,
tentou-se descobrir influncias maiores e menores na realizao.
Os resultados foram surpreendentes. Em geral, as variveis de
ambiente familiar foram muito importantes para estabelecer o aproveita
s Vale notar que muitas variveis - por exemplo, ansiedade,
atmosfera de grupo, coeso de grupo, agresso - podem ser tanto roam-
pulveis como variveis medidas. Isto no signif_ica, entretanto, que as
mesmas. Ansiedade manipulada e ansiedade medtda nao sao . a
mesma varivel, embora devesse haver, naturalmente, alguma relaao substanctal
entre elas.
134
menta das crianas - alis, mais importantes do que qualquer outro
conjunto de variveis, com exceo, talvez, das atitudes das crianas
(sentido de controle do ambiente, por exemplo). As variveis da escola
- diferenas entre escolas em instalaes, currculo e corpo docente -
no foram to responsveis pelas diferenas em realizao quanto as
variveis de ambiente familiar ou as de atitude. Esta foi a descoberta
mais controvertida, que vem sendo debatida e mal entendida. Muita
gente concluiu incorreta e apressadamente que o relatrio Coleman afir-
mava que as escolas e suas instalaes, currculos e corpo docente no
eram importantes! uma concluso absurda, que ilustra uma das dificul-
dades de interpretar os complexos resultados da pesquisa. Uma interpre-
tao mais aproximadamente correta - e "correta" apenas no contexto
do estudo - que as varii'veis de escola no so muito responsveis
pelo aproveitamento depois das variveis de ambiente familiar. Explicar
esta afirmativa adequauamente levar-nos-ia muito longe tcnica e concei-
tualmente. Vamos, portanto, abandonar esta explicao e outras desco-
bertas e vamos nos concentrar na natureza no-experimental do estudo.
O estudo de Coleman usou, ao mximo, tcnicas modernas de
pesquisa de maneira competente e deu ao povo dos Estados Unidos
uma informao sobre as condies da educao no pas que continuaro
sendo debatidas por mais uma dcada. Devemos compreender, entre-
tanto, que pesquisa ex post facto. Aqui as dificuldades se tornam
dramticas porque as concluses da pesquisa podem afetar importantes
decises polticas em educao.
Consideremos a concluso mencionada: as "variveis escolares con-
tribuem menos para a previso do aproveitamento do que as variveis
de ambiente familiar. H pouca dvida de que esta concluso seja
empiricamente vlida na pesquisa de Igualdade. Mas consideremos a
possibilidade - certamente remota - de ser possvel fazer grandes
estudos nos quais as variveis escolares possam ser sistematicamente
manipuladas e avaliados seus efeitos sobre a realizaco. O resultado
poderia ser muito diferente porque a designao aleatria (de classes,
digamos) para as condies experimentais e a manipulao de variveis
independentes podem conduzir a resultados menos ambguos. Sabera-
mos, em outras palavras, que as influncias de outras variveis inde-
pendentes foram minimizadas. Coleman e outros analisaram os dados
de maneira a aproximarem as descobertas de uma abordagem experi-
mental (atravs da chamada regresso mltipla e mtodos relacionados),
mas de forma alguma isto a mesma coisa. A influncia de outras
possveis variveis independentes difcil de controlar, e s o " controle
estatstico" possvel em contraste com os poderosos controles experi-
mentais de manipulo, casualizao e isolamento.
135
Estudo de igualdade e liberdade
Numa srie rara de estudos sobre valores, Rokeach (1968)
as abordagens ex post facto e experimental. Vamos nos
apenas em uma parte da pesquisa ex post facto, e que e caractensttca
de grande parte deste tipo de pesquisa.
Rokeach fez com que um certo nmero de e uma ar:nostra
nacional ordenassem dots conjuntos do que denommou
mentais terminais - uma vida confortvel, famzllar, zgual-
dade sabedoria (terminais); ambicioso, capaz, mdependente, afetuoso
Dois dos valores terminais, liberdade e igualdade, foram
considerados particularmente importantes porque eram a
chave de diferenas fundamentais no panorama de soctats e
polticos. Um dos conjuntos de resultados de Rokeach e dado na
tabela 8.1.
Tabela 8.1 Postos mdios de liberdade e igualdade de diferentes grupos.
Brancos
Negros
Estudantes
Policiais desempregados
desempregados
calvinistas
(50) (141) (28)
(75)
Liberdade
1 a 3
10 8
Igualdade 12 9
9
a 1
0
posto mais alto, 12 o mais baixo. No corpo da tabela .as
mdias dos postos desi!Znados por cada grupo. Por exemplo. o posto md10 desig-
nado a igualdade por 141 brancos desempregados foi de 9 comparado ao posto
mdio de 3 atribudo a liberdade.
Parece que os quatro grupos so muito diferentes ao avaliarem
os valores de igualdade e liberdade. Os policiais do grande valor
liberdade e valor muito baixo igualdade, enquanto que negros desem-
pregados fazem quase o contrrio (10 para liberdade e 1 para igualdade) !
Evidentemente os valores sociais de policiais e negros, pelo menos neste
exemplo, so dramaticamente diferentes. .
:e bem tpico da pesquisa ex post facto estudar as relaes deter-
minando se grupos, selecionados uma base ao problema
em estudo, possuem quantidades dtferentes de uma vanavel
(lembre-se da pesquisa do cncer de pulmo). No exemplo ac1ma,
Rokeach escolheu quatro grupos diferentes, provavelmente porque espe-
.rava que seus valores fossem diferentes em :eu de mensu-
r:lo. Policiais e calvinistas, por exemplo, sao mats conservadores que
136
outros grupos e no so famosos por apoiarem a igualdade. Negros,
por outro lado, apiam fortemente a igualdade. Brancos desempregados
provavelmente no colocaro a igualdade em grau alto. Se os valores
obtidos aparecem como se esperava, isto evidncia favorvel teoria
explcita ou impllctta e valldade do instrumento de mensurao.
Os efeitos da privao
Nestes dois ltimos exemplos iremos examinar rapidamente abor-
dagens tanto experimentais quanto no-experimentais ao mesmo assunto
ou relao: os efeitos da privao no desenvolvimento posterior. Tais
efeitos so muito importantes teoricamente e importantssimos pratica-
mente. So importantes teoricamente porque compreender os efeitos da
privao compreender mais o desenvolvimento e processos de desen-
volvimento e aprendizado em geral. Consideremos as seguintes pergun-
tas: Como a privao na infncia afeta o desenvolvimento mental futuro
e a aprendizagem futura? Os efeitos da privao so reversveis? Como
os programas corretivos podem contrabalanar os efeitos da privao?
H muitos anos atrs Goldfarb (1943) estudou os efeitos da vida
institucional sobre crianas. Estava interessado no efeito da vida insti-
tucional, o qual ele assumia ser, entre outras coisas, uma falha no desem-
penho intelectual. Comparou a inteligncia de crianas adolescentes q11e
haviam passado seus primeiros trs anos em uma instituio com a inteli-
gncia de adolescentes que no passaram seus. trs primeiros anos em
uma instituio. Descobriu que a mdia de inteligncia do grupo insti-
tucional era substancialmente mais baixa do que a mdia do "grupo de
controle", o no-institucional. Fez tambm vrias comparaes em outras
variveis com resultados semelhantes.
As fraquezas do estudo so bvias e no precisamos perder muito
tempo com elas. Vamos nos preocupar apenas com sua natureza ex post
facto e as conseqentes dificuldades relativas em interpretar seus resul-
tados. Este estudo foi escolhido entre muitos outros semelhantes porque
foi citado por Berelson e Steiner (1964) em seu livro enciclopdico sobre
pesquisa de comportamento humano. Vamos supor que o estudo tenha
sido feito impecavelmente e examinar apenas suas descobertas como
pesquisa ex post facto.
:e possvel que crianas que viveram em instituies tenham grau
de inteligncia inferior de crianas que no viveram em instituies
porque provavelmente tenham pais de inteligncia inferior? Vejamos
outra possibilidade. e bastante sabido que o status de classe social est
associado inteligx:tcia: crianas de status social inferior tendem a ter
medidas de inteligncia inferiores s de crianas de status de classe mdia.
137
No provvel que crianas que viveram em instituies vivam mais
tarde em reas de classes inferiores? Assim sendo, a diferena oqservada
em inteligncia pode ser devida largamente ao ambiente de infe-
rior, que menos orientado verbal e culturalmente do que o ambiente
de classe mdia.
6
Esta mesma pesquisa poderia ter sido feita experimentalmente? f
concebvel, mas dificilmente possvel. Pode-se tomar uma grande amostra
de crianas recm-nascidas e designar metade delas a instituies, aleato-
riamente. A outra metade ficar com sua famlia. Os controles sero
usados cuidadosamente. Depois de um perodo de anos, a mdia de
inteligncia dos dois grupos ser comparada. evidente a impossibili-
dade de tal procedimento com crianas. Devemos, portanto, tomar as
coisas como esto e estud-las - de modo ex post facto. Agora vamos
examinar uma abordagem experimental ao problema da privao.
Durante alguns anos os pesquisadores da Universidade da Cali-
frnia, em Berkeley, estudaram os efeitos posteriores da privao em
animais (Bennett, Diamond, Krech & Rosenzweig, 1964). A especifici-
dade de suas pesquisas foi o exame fsico e a mensurao de partes do
crebro e de secrees qumicas do crebro feitos de modo relativamente
direto. A pesquisa deve ser classificada entre as poucas pesquisas compor-
tamentais mais significantes de nossa poca. A simples faanha tcnica
de medir os provveis efeitos da privao sobre a fisiologia do crebro
impressionante. Os pesquisadores, entretanto, fizeram mais do que isto.
S um de seus estudos ser resumido a seguir.
Bennett e outros (1964) basearam-se na hiptese de que uma expe-
rincia diferencial muito cedo na vida dos animais levar a
quantitativas no crebro. Usaram, em um estudo, trs grupos experi-
mentais de ratos: Complexidade Ambiental e Treinamento (CAT), Condi
o Isolada (Cl) e Condio Social (CS). Em CAT, de lO a 12 animais
foram abrigados durante a amamentao em grandes gaiolas com equipa
menta "interessante" com que podiam brincar e que podiam usar.
Foi-lhes permitido tambm sair todos os dias das gaiolas para brincar e
explorar. Em CI (isolados), os animais foram mantidos sozinhos em
gaiolas numa sala silenciosa. onde no nodiam ver nem tocar outros
animais. Os ratos do grupo de controle (CS) foram mantidos sob condi-
es comuns de coln1a. trs em cada gaiola, e expostos a atividades na
sala, mas sem tratamento especial. (Foi feito um tipo de casualizao
6 Devemos tentar manter as coisas equilibradas. Hoje, um estudo como o de
Goldfarb poderia ser melhor dirigido, principalmente medindo outras variveis
possivelmente relevantes c controlando-as estatisticamente. Isto , sua provvel
influncia seria avaliada e neutralizada, ou "subtrada" dos resultados, usando-se
conhecidos mtodos estatsticos.
138
na etapa de anlise.) O estudo inicial foi replicado um certo nmero de
vezes, mas somente o ambiente enriquecido (CAT) e o ambiente empo-
brecido (CI) foram usados nas replicaes.
Essas condies foram mantidas durante 80 dias. Os animais foram
ento mortos e seus crebros analisados. Amostras de vrias partes do
crebro foram medidas, pesadas e analisadas suas secrees qumicas.
Os anatomistas que fizeram as anlises no sabiam a que grupos experi-
mentais pertenciam os animais. l
Os resultados foram incrveis. Havia diferenas enormes de peso.:
do crtex cerebral entre os ambientes enriquecido e o
O peso mdio em miligramas do crtex total dos ratos estudados durante"
o perodo de 1960 a 1963 foi de 700 (CAT) e 669 (Cl). A diferena ;
foi estatisticamente significativa. Evidentemente, as experincias enrique-. , ""
cidas alteraram o peso do crtex dos ratos. Uma "anlise de controle" '
do resto dos crebros dos animais no mostrou diferenas significativas. - r.
Foi o crtex cerebral que aumentou de peso em relao ao resto
crebro. .. . -:::
')
Os pesquisadores de Berkeley mediram uma certa enzima nos cre:.; -
bros dos animais e encontraram diferenas entre os grupos que .::1
apoia_r as descobertas relativas ao peso. Mediram tambm a
do cortex dos ratos: os crtces dos ratos de experincia enriquecid3
estavam cerca de 6 por cento mais espessos do que os dos ratos na
condio de isolamento.
A evidncia experimental, ento, confirmou a hiptese do ambiente
enriquecido. Testes de hipteses alternativas ...:__ idade dos animais c
tenso de isolamento, por exemplo - no mudaram as descobertas.
Parece haver pouca dvida de que a experincia enriquecida tem efeitos
fsicos fundamentais sobre o crebro - pelo menos em ratos, sob as
condies do laboratrio de Berkeley. Esses resultados sero aplicveis
ao crebro e condies humanas? Ningum sabe. 7 Por moti vos bvios
no se pode fazer pesquisa experimental semelhante com sujeitos huma-
tcnicos em tecnologia e pesquisa cerebral pode-
rao posstbthtar Mas at alcanarmos tais progressos, a pergunta no
pode ser respondtda de maneira no-ambgua. Os pesquisadores usando
seres sujeitos c interessados em efeitos da vida como
os efeitos de ?e devem principalmente pesquisas
ex post facto, nas quats mdtvtduos desenvolvidos fora c dentro do gueto
7 I: .
Importante_ l.embrar que estes resultados nada dizem sobre inteligncia ou
o.utras . Demonstram apenas que ambientes enriquecidos ou defi-
Cientes !em efe1tos fJsJ_cos s?bre os crebros dos animais. Tais descobertas. entre-
lauto, sao e sugestivas para pesquisa com seres humanos
c para todo o problema de pnvao e sua melhoria.
139
possam ser comparados em questes de inteligncia, aptido, realizao
e outas variveis relevantes - com as concomitantes dificuldades ex
post facto. . . /
A discusso acima poder nos deixar um pouco desammados. As
bases do conhecimento humano, do comportamento, processos e institui-
es humanas parecem frgeis. De certa maneira, so. De outra, no.
Realmente, no h necessidade de Muito pelo contrrio.
Uma das condies de aumento de esperanas a. replicaG. Se um
estudo for replicado, encontrando-se os mesmos resultados ou resultados
semelhantes, nossa f e confiana nos resultados aumentam. s.e o estudo
for novamente replicado e forem obtidos os mesmos resultados, nossa f
e confiana aumentam enormemente, porque as possibilidades de obter-
mos os mesmos resultados trs vezes ao acaso so menores do que a
probabilidade de obtermos os mesmos resultados duas vezes.
Outra condio que refora as pesquisas cientficas e nossa con
fiana nelas quando os resultados experimentais e no-experimentais
coincidem. Embora seja difcil calcular as probabilidades, h pouca
dvida de que a convergncia da evidncia da pesquisa - evidncia
mantida por abordagens e estudos diferentes - reforce a validade
emprica das descobertas da pesquisa. O exemplo experimental dos efeitos
do ambiente de privao sobre o crebro dos ratos e o exemplo no-
experimental dos efeitos do ambiente do gueto sobre o desenvolvimento
mental das crianas do gueto ilustram perfeitamente essa afirmao.
Os dois tipos de pesquisa so muito diferentes e talvez nem diretamente
comparveis. Mas se o resultado de ambas parece indicar que ambientes
empobrecidos tm efeitos suficientemente fortes para serem detetados
com segurana, ento fica reforada a confiana na hiptese da privao
ambiental.
Dedicamos bastante tempo e espao tentando esclarecer as dife
renas entre pesquisa experimental e ex post facto. Descobrimos que
a lgica bsica a mesma: ambos os tipos de pesquisa buscam a validade
emprica de enunciaclos tipos "se p, ento q". Mas tambm descobrimos
que elas fazem isto muito diferentemente, porque na pesquisa ex pos/
facto no possvel manipular variveis independentes nem designar
aleatoriamente sujeitos e tratamentos a grupos experimentais. A dife-
rena profunda e significativa. Outras coisas mantidas constantes e em
geral, as concluses obtidas na pesquisa ex post facto no pisam em
terreno firme como as concluses obtidas em pesquisa experimental, por
causa do inevitvel controle menor sobre os efeitos de variveis inde-
pendentes e da situao de pesquisa. (A falha compensada s vezes
pelo maior realismo e efeitos mais fortes, entretanto.)
Muito problemas nas cincia comportamentais so problemas ex
post facto e requerem pesquisa ex post facto simplesmente porque as
140
_i ndependentes no so manipulveis. Os pesquisadores cujc-
pnncipal mteresse se concentra na natureza da inteligncia ou na estru
tura dos valores e atitudes, por exemplo, precisam conformar-se com a
pesquisa no-experimental. Sua natureza no-experimental faz a pesquisa
menos menos cientfica? Em todo caso, ambos os tipos
de pesquisa devem e devero ser feitos e o estudante de cincia e
pesquisa comportamental deve compreender as foras e fraquezas de
ambas.
Adendo
, . A adotada neste livro que um experimento requer, no
m1mmo, d01s grupos experimentais. Esses dois grupos podem ser designa-
dos "experimental" e de "controle", ou A1 e A
2
, ou de outra
Os dois grupos so dois aspectos de alguma
vanavel. Se a vanavel, por exemplo, for reforamento, ento os dois
grupos podem ser "reforamento regular" e "reforcamento casual" ou
"reforamento macio" e "reforamento regular", como no de
Clark e Walberg. Naturalmente, um experimento pode ter mais de dois
grupos experimentais. Lembre-se de que o de Aronson e Mills tinha
trs. E no captulo 7 aprendemos que possvel e aconselhvel fazer
experimentos fatoriais, nos quais se usa mais de uma varivel inde-
pendente.
. !'<. da exigncia de no mnimo dois . grupos experimentais
mmhssimo Importante. Um "verdadeiro" experimento deve ter no mni-
mo uma comparao (veja Campbell & Stanley, 1963, p. 6). Sem dvida,
em qualquer e_studo tem 9-ue haver ao menos uma comparao. Digamos
que um pesqmsador deseJe aumentar a habilidade de resolver problemas
por um e_special. Ele usa o mtodo com um grupo de estudantes,
talvez sua propna classe, e observa, depois que o usou, que a soluo
de problemas do grupo melhorou. Embora este proce.dimento seja satis-
fatrio para demonstraes prticas, in11dequado cientificamente. O
motivo o trabalhado neste captulo: com apenas um grupo no h
segurana de que algo alm do mtodo do pesquisador no tenha influen-
ciado e ajudado a melhorar a capacidade de resolver problemas.
Por exemplo, o mero fato de ensinar alguma coisa aos alunos
no que se refere a resolver problemas pode ter um efeito salutar. Ou o
mtodo usado pelo pesquisador pode simplesmente ter sido um bom
para. seu estilo pessoal de ensino, e foi seu estilo pessoal de
que aJudou na. soluo de problemas, e no o mtodo. Qualquer
met.odo que o como professor, achasse adequado funcio-
nana da mesma forma. Alm disso, muito provvel que a habilidade
141
de os sujeitos resolverem problemas tenha melhorado omo resultado de
sua exposio ao problema. Ou, depois de um certo perodo de tempo,
os sujeitos poderiam ter melhorado com qualquer mtodo; sua compre-
enso dos vrios aspectos da soluo de problemas pode ter amlfdurecido.
Pode bem ter sido o mtodo que tenha ajudado na soluo de
problemas, mas jamais isso poder ser dito sem ambigidade enquanto
no for usado pelo menos mais um grupo. A ento, pode-se comparar
os resultados obtidos com o mtodo com os resultados obtidos sem o
mtodo ou com outro mtodo - com todas as outras condies mantidas
iguais.
Em resumo, um delineamento de pesquisa tendo apenas um grupo
experimental sempre insatisfatrio teoricamente. Se eu disser ao pes-
quisador que no foi o mtodo que melhorou a soluo de problemas
mas, antes, que foi sua personalidade e entusiasmo, para os quais o
mtodo funcionou como veculo, o que ele poder dizer? Nada! Pelo
menos nada convincente. Se ele tivesse usado um segundo grupo experi-
mental, cujos membros tivessem todos as mesmas condies do primeiro
grupo, menos o mtodo, e os resultados favorecessem o primeiro grupo,
ento o pesquisador teria uma base slida para me responder. Ele pode-
ria dizer: "No, no foi minha personalidade nem meu entusiasmo,
porque eu tambm ensinei o segundo grupo e tentei faz-lo exatamente
do mesmo jeito que fiz com o primeiro grupo. Portanto, a diferena
de resultado entre os grupos deve ser creditada ao mtodo".
Embora o argumento ainda tenha fraquezas, muito mais forte
do que era. Virtualmente todas as concluses cientficas, ento, exigem
comparaes. A funo das comparaes isolar o efeito da varivel
independente crucial, por assim dizer. Isto significa, essencialmente,
mostrar que alguma outra influncia no produziu o efeito observado;
apenas a influncia prevista na hiptese o produziu.
A despeito desta exigncia bvia de reforar a inferncia, h um
considervel corpo de pesquisa no qual, com efeito, usado apenas
um grupo. Em algumas pesquisas sobre reforamento, por exempl, os
efeito_s do reforcamento so avaliados, reforando-se um grupo de ani-
mais. As respostas dos animais so observadas para avaliar o efeito do
reforamento. Em algumas pesquisas sobre a memria, um estmulo,
como iluminao, pode ser variado, e os e(eitos das variaes na memo,
rizao de letras pelos mesmos sujeitos pode ser medido. No afirmamos
aqui que tal pesquisa seja incorreta. Um dos mtodos importantes de
cincia) por exemplo, determinar funes (equaes matemticas), que
expressem as relaes exatas entre estmulos e respostas. E na pesquisa
de reforamento em animais, dificilmente se discute se o reforamento
- algum tipo de alimento, por exemplo - que produz as respostas.
H pouco perigo de confuso quanto ao efeito da varivel
142
A maioria de outras pesquisas nas cincias comportamentais, entretanto,
no controlada to simples e facilmente.
Os estudos de Milgram descritos neste captulo aproximam-se do
limite da definio de experimento. Note que todos os sujeitos experi-
mentais, em qualquer "experimento", receberam o mesmo tratamento:
todos receberam a mesma instruo para administrar choques. A defi-
nio de experimento, portanto, no foi satisfeita pela situao experi-
mental bsica, mas pelas variaes introduzidas: o pesquisador presente
ou no presente: fazer o experimento em outro local que a Universidade
de Yale; distncia entre professor e aluno.
O essencial deste adendo que a definio bsica e o significado da
palavra " experimento" no so as nicas definies e significados da
palavra em uso atualmente. A posio tomada neste livro, entretanto.
que no mnimo uma comparao se faz necessria - isto , um mnimo
de dois grupos experimentais - para um experimento se tornar um
"verdadeiro" experimento. Isso necessariamente no elimina a possvel
adequao de definies mais limitadas em algumas situaes. Simples-
mente determina o que se acredita ser um padro adequado para se
fazerem inferncias de dados experimentais.
143
9. Observao e mensurao de variveis
Os cientistas "observam" fenmenos; eles "fazem observaes".
O que significa dizer "fazem observaes"? A expresso vaga. Signi-
fica que o cientista comportamental olha para as pessoas e o que elas
fazem, forma impresses de seu comportamento e conclui alguma coisa
sobre o comportamento observado? Sim e no. Quando se diz que os
cientistas fazem observaes, significa basicamente que eles medem
variveis ou juntam informao necessria para medir variveis. Natural-
mente, deve haver mais coisa a - impresses subjetivas, intuies,
compreenso - mas basicamente a finalidade de observar alguma coisa
em cincia medi-la. E a coisa medida de sorte a poder se.r relacionada
com outras variveis.
Um pesquisador manipula uma varivel independente, digamos,
reforamento, dando aos membros de trs grupos experimentais trs
tipos de reforamento a fim de "observar" seus diferentes efeitos sobre
a memria. Neste caso as observaes so de comportamentos que podem
ser assumidos como refletindo a memria. A finalidade das observaes
obter medidas da varivel depedente, memria, de sorte que o pesqui-
sador possa avaliar quantitativamente os efeitos dos diferentes refora-
mentes. O pesquisador pode "observar" que a memria dos trs grupos
diferente, uma espcie de sensao subjetiva ou palpite. Tais sensaes
e palpites so importantes em cincia mas no so suficientes. Precisa-
mos saber quanto de memria, o quanto de alguma coisa.
Um pesquisador, fazendo um trabalho no-experimental, encon-
tra-se geralmente "observando" duas ou mais variveis: quase sempre
no mnimo uma varivel dependente e muitas vezes uma ou mais
variveis independentes. Vamos examinar um problema sobre os pro-
vveis efeitos do conflito de papis sobre a eficcia da execuo de
atividades relacionadas a esse papel. Getzels e Guba (1954), num estudo
sobre oficiais milita!es e seu desempenho de papel, previu que quanto
maiores fossem os conflitos em que se encontrassem, menor seria sua
eficcia no desempenho do papel, no caso, como professores. Eles previ-
ram tambm que oficiais de carreira passavam por conflitos maiores
quando tinham que ser professores por um certo perodo de tempo do
que oficiais no interessados em fazer carreira (porque a subida de
144
patente entre os oficiais depende muito mais de funes de comando
que de funes de ensino). Eles seriam, portanto, menos eficazes como
professores do que os oficiais no interessados em fazer carreira.
Getzels e Guba mediram o conflito dos oficiais com uma escala espe-
cialmente elaborada para a pesquisa. Verificaram tambm a validade da
escala comparando as ir;dias das notas de diferentes escolas da Fora
Area, variando em grau de envolvimento com assuntos militares. Como
previram, quanto mais militar a escola, menor o conflito e vice-versa.
Tiveram tambm que " observar" o desempenho no ensino e a eficincia.
Isto foi conseguido, fazendo os oficiais professores darem notas de
eficincia uns aos outros. Em outras palavras, Getzels e Guba "obser-
varam" conflito e eficincia de ensino. O que fizeram, na realidade,
foi "medir" ambas as variveis. O que significa isto?
Mensurao
Mensurao a atribuio de algarismos a objetos ou eventos de
acordo com regras (Stevens, 1951). Eis um excelente exemplo de defi-
nio vigorosa, no sentido de ser simples, geral e no embgua. Se desejar
me.dir alguma coisa, faa um conjunto de regras que especifiquem como
atribuir algarismos a objetos. Como todas as definies gerais, esta no
especifica nada sobre as qualidades ou virtudes de determinado processo
ou instrumento de mensurao. Um teste ou escala (veja captulo 2) pode
ser bom ou mau. Se nos permite atribuir algarismos a objetos definidos
sistematicamente, ento mensurao. Isto enfatizado aqui porque a
distino entre o que mensurao e a qualidade dos instrumentos de
mensurao ficou confusa em algumas discusses de mensurao psico-
lgica. O fato de alguns instrumentos de mensurao terem sido questio-
nveis no sigmfica que todos o sejam, ou que a mensurao psicolgica
seja questionvel.
Para compreender a definio de mensurao, lembremo-nos da
discusso de conjuntos, variveis e relaes nos captulos 2 e 4. Uma
"relao" ficou definida como um conjunto de pares ordenados, nos
quais os smbolos ou nmeros de um conjunto eram sistematicamente
emparelhados com smbolos ou nmeros de outro conjunto. (Veja figu-
ras 4. 1, 4. 2, 4. 3 e 4. 4.) A definio de mensurao implica relaes,
isto , um processo de mensurao sempre uma relao, com os objetos
(pessoas ou grupos, por exemplo) sendo medidos vindo primeiro e os
algarismos usados na mensurao vindo em segundo lugar. Para tornar
tudo isso concreto, vamos recordar um exemplo usado no captulo 4,
onde duas variveis, discriminao e violncia, foram relacionadas.
145
Medindo discriminao
Para estudar esta relao, um pesquisador tem que
a discriminao quanto a violncia, sendo a primeira a i_nde-
pendente e a ltima a varivel dependente. Ele est a
de que grupos discriminados numa sociedade vtOlencta. Alem
disso, quanto maior a discriminao, maior a vtol?cta. Par.a, o?servar
as duas variveis e estudar a relao, ele deve medtr as vanavets. Isto
significa que ele deve atribuir a diferentes grupos em sociedade,
nmeros diferentes, os nmeros diferentes refletindo graus dtferentes de
discriminao e violncia.
1
Como poder fazer isto?
Vejamos s uma das variveis, discriminao. qu.e o
pesquisador pea a trs psiclogos, especialistas em preconcetto e roma-
rias, que classifiquem, em uma escala de sete pontos, o de
discriminao sofrido no momento por sete_ grupos .. <Ele mclUtra os
ingleses como critrio, ou grupo de comparaao, assummdo que o
ingls ou o povo de origem inglesa seja o que menos tenha
discriminaco.) As mdias dos trs especialistas para os sete grupos estao
dadas na figura 9. 1, num diagrama igual ao que usamos para exempli-
Orientais
4,9
Judeus
5,1
Negros 6,1
lndios
5,7
americanos
Italianos
3,2
Irlandeses
2,8
1,3
Figura 9.1
1 a distino entre um algarismo e um nmero. Um .algarismo. ?m
smbolo da forma 1, 2, 3 ... ou I, li, 111 ... No tem sentido quantitatiVO
a no ser que receba tal sentido; apenas um que s.er usado para
rotular objetos. Quando um algarismo recebe um sentido quantitativo, como nas
mdias usadas na figura 9.1, torna-se um nmero. .
146
ficar relaes.
2
Os valores da figura 9 . 1 indicam que os juzes acredi-
tavam que os negros sofriam a maior discriminao (6,1), ndios ameri-
canos vindo em segundo lugar (5.7) chegando aos ingleses, que, como
se esperava, sofreram a menor discriminao (1,3).
A figura representa uma relao porque tem um conjunto de pares
ordenados. :e tambm mensurao, j que os nmeros (classificaes
mdias) foram atribudos a objetos (grupos) de acordo com regras. As <
regras incluram a especificao da escolha dos especialistas, ou juzes, a ?
escala numrica usada, de 1 a 7, e a varivel medida, discriminao.
e uma ''boa" mensurao? Ainda no sabemos. Pode ser e pode no ser.
No captulo 4, foi usada ordenao em postos, em vez de pontos
numa escala. Apesar de isto mudar a natureza do procedimento de
mensurao, principalmente os nmeros usados para serem atribudos aos
objetos, no representa mudana na concepo de mensurao como
numerais atribudos a objetos conforme regras. :e aconselhvel estudar
outro exemplo de mensurao antes de continuarmos a discusso.
Medindo inteligncia
Dificilmente existe coisa mais controversa na pesquisa comporta-
mental contempornea que a mensurao de inteligncia. Algns a rotu-
laram como uma grande faanha, uma das maiores dos nossos tempos.
(Eu concordo.) Alguns crticos, entretanto, condenaram-na por no medir
realmente a inteligncia, afirmando s vezes que a inteligncia . em si
no pode ser medida, ou condenaram-na por ter efeitos nocivos e perni-
ciosos sobre crianas, especialmente crianas de grupos minoritrios.
lmbora . aqui no seja lugar para examinarmos toda essa controvrsia.
talvez seja possvel esclarecermos no mnimo seu aspecto de mensurao.
"Inteligncia", naturalmente, um conceito, ou constructo, alta
mente abstrato. Assim, no de mensurao fcil. Antes que possa ser
medida, ser necessrio, primeiro, concordar com alguma definio ope--
r cional de inteligncia. (Ser dificlimo, talvez impossvel, contudo,
nseguir que mesmo os especialistas concordem com uma definio
peracional.)
Lembre-se de que uma definio operacional especifica a .atividade
d pesquisador ao medir uma varivel. Inteligncia, claramente, pode ser
una varivel, j que uma varivel um smbolo ao qual se atribuem alga-
L1te exemplo livremente baseado em um famoso c:;tudo de esteretipos de
IIZ e Braly (1935).
147
) -
..... ;
:JC, ..c
I..-.J
'>
z
::::>
rismos. (Veja captulos 2 e 3 e note a similaridade de definies de
"varivel" e "mensurao".) "Inteligncia" o smbolo.
Pode-se pensar em maneira diferentes de medir inteligncia. Pode-
mos pedir a especialistas que observem um grupo de indivduos e que
atribuam notas e eles. correspondentes s quantidades percebidas de inte-
ligncia. Ou, mais provavelmente, podemos usar um teste de inteligncia
aceito e testado, como por exemplo o famoso teste Stanford-Binet. Este
teste, com as instrues que o acompanham, constitui uma definio
operacional de inteligncia. Os nmeros fornecidos pelo teste - chama-
dos quocientes de inteligncia ou Ois, com alguns testes - sero atri-
budos aos indivduos e provavelmente refletiro as diferentes magnitu-
des de suas inteligncias. Volte figura 4. 2, onde cinco pessoas, Marie,
J acob e outros receberam nmeros que eram notas de testes de inteli-
gncia: 131, 127 e assim por diante. No captulo 4 estvamos ilustrando
uma relao. Mas a figura tambm representa mensurao.
H pouca dvida de que algumas medidas de inteligncia no so
adequadas. H pouca dvida igualmente de que mesmo as melhores
medidas de inteligncia no so vlidas em algumas situaes. Por exem-
plo, se vrios membros de um grupo de indivduos cuja inteligncia
esteja sendo medida eventualmente ficam doentes durante o teste,
lanam-se dvidas sobre os resultados da mensurao. Ou se um grupo
de crianas foi criado em um lugar distante onde tenha havido pouca
estimulao cultural, as medidas usuais de inteligncia no sero vlidas
no sentido de medir a "verdadeira" inteligncia das crianas. (Provavel-
mente sejam vlidas, entretanto, como medida do que se chama sua
"inteligncia funcipnal", ou sua capacidade de competir num ambiente
classe mdia americano.) Isto entretanto rro significa que medir inteli-
gncia no seia realmente mensurao ou que inteligncia no possa ser
medida. Sem dvida, a maioria dos psiclogos concorda que inteligncia
pode e tem sido medida com grande sucesso.
Fidedignidade
Estude os nmeros da tabela 9 . 1 cuidadosamente. Considere que
eles so o resultado de uma tarefa de julgar, ou dar notas, entregue a
quatro juzes que foram instrudos para julgar cada um de cinco geren-
tes de escritrios quanto competncia ao dirigir um conjunto de tarefas
administrativas. Os cinco gerentes foram, individualmente, observados
por quatro juzes. Os julgadores usaram uma escala de sete pontos, 6
significando altssima competncia e O competncia muito baixa. Uma
das primeiras perguntas que fazemos em qualquer procedimento de
mensurao : Quo fidedigno ?
148
Tabela 9.1 Notas dadas por quatro juzes competncia de cinco pessoas -
fidedignidade alta.
Juzes
Pessoas a b c d Soma Mdia
6 6 5 4 21 5,25
2 4 6 4 3 17 4,25
3 4 4 5 2 15 3,75
4 3 1 3 8 2,00
5 2 2 o 5 1,25
Definio e natureza da fidedignidade
Em termos de senso comum, fidedignidade significa estabilidade,
predizibilidade, confiabilidade, consistncia. Uma pessoa fidedigna
aquela com quem se pode contar; podemos prever o que ela far.
Uma pessoa no-fidedigna aquela cujo comportamento no podemos
prever, com quem no podemos contar. Seu com.portamento flutua muito
e flutua de maneira imprevisvel. Dizemos que tal pessoa "no fide-
digna". Dizemos, por outro lado, que a pessoa previsvel " fidedigna."
Parte da essncia da fidedignidade , pois, ;variabilidade. Em geral,
se o desempenho de uma pessoa varia muito de momento para momento,
ns a colocamos na categoria de "no-fidedigna". Em outras palavras,
ela varia imprevisivelmente. No sabemos o que esperar.
Outra maneira de expressar fidedignidade e falta de fidedignidade
pelas palavras "exatido" ou "preciso". Se algum tem uma arma,
quer que essa arma seja exata; deve atingir o alvo seja onde for -
admitindo, naturalmente, que um bom tiro acertar o alvo. Neste caso
podemos falar sobre a fidedignidade da arma e a fidedignidade da pessoa
que a maneja. Estamos mais interessados na primeira.
Um teste semelhante a uma arma em seus propsitos. Quando me-
dimos atributos . . capacidades e realizaes humanas. queremos medir as
quantidades "verdadeiras" dos atributos que o indivduo possua. 1! como
atingir um alvo com uma arma. Com um teste queremos atingir o atri-
buto. Se a arma atinge o alvo consistentemente - os tiros se concentram
perto ou no centro do alvo; se no se espalharem - dizemos que
fidedigna. Igualmente com as medidas sociolgicas e psicolgicas. Se elas
atingem o alvo, so fidedignas. Mas o que significa "atingir um alvo"
para um teste?
149
Na moderna teoria dos testes assume-se que cada indivduo medido
em alguma varivel tem uma "verdadeira nota" na varivel. J que
ninigum pode saber qual a verdadeira nota de qualquer indivd'1Jo,
usado o seguinte raciocnio. Se o pesquisador puder medir a mesma
pessoa com o mesmo teste, um grande nmero de vezes, e a mdia de
todas as notas em todas as tentativas for calculada, essa mdia seria uma
estimativa da verdadeira nota. Mas o indivduo geralmente testado
uma s vez. Como podemos saber ou at estimar qual a verdadeira
nota? No podemos, mas uma estimativa da fidedignidade do teste pode
ser obtida atravs de certos procedimentos estatsticos, que usam as
notas de um certo nmero de indivduos para fornecer estimativas
estatsticas.
Mensurao fidedigna e no-fidedigna: dois exemplos
Agora, voltemos aos dados da tabela 9. 1. Queremos saber at onde
as notas dos juzes competncia dos gerentes so fidedignas. Neste
exemplo fictcio, a fidedignidade muito alta. Cada um dos quatro
juzes chegou aproximadamente mesma ordem de postos para os cinco
gerentes. Lembre-se que o que queremos uma estimativa da competn-
cia de cada um dos gerentes. No estamos interessados nos juzes. Sua
tarefa aumentar a fidedignidade das notas globais dos gerentes, assim
como classific-los. Se somarmos as notas em cada linha e depois calcu-
larmos as mdias das notas de cada pessoa (por exemplo, para a pessoa 1:
(6+6+5+4) / 4=21 / 4=5,25). temos um conjunto de mdias para cada
pessoa. Perguntamos: Quo prximas esto estas mdias das "verdadeiras
notas" ou "da verdadeira classificao" da competncia de cada indi-
vduo? possvel obter uma resposta apenas aproximada.
Este meio aproximado de determinar a fidedignidade das classifi-
caces baseado em todas as classificaces e todas as mdias calculadas
a partir das classificaes dos. quatro Se os indivduos classificados
diferem em competncia - se os indivduos no diferirem no que
estiver sendo medido, a fidedignidade no pode ser realmente calculada
- ento, as mdias da ccluna denominada "Mdia" deveriam diferir.
Quanto mais diferirem, maior a fidedignidade. Se o procedimento de men-
surao for bom, ento aproximadamente a mesma ordem de postos da
mdias das classificaces deve aparecer em mensuraes subseqentes,
assumindo-se que os juzes sejam especialistas e competentes. Observe
que as ordens de postos dos cinco indivduos tendem a ser a mesmas
para cada juz. Por exemplo, a notas dos juzes a e b das cinco pessoas
tendem a caminha juntas: foram feitas avaliaes altas do indivduo 1
. (6 e 6) e baixas do indivduo 5 (1 e 2). As avaliaes dos indivduos
2, 3 e 4 no so inconsistentes com estas avaliaijes extremas.
150
Igualmente, se examinarmos as classificaes dos juzes c e d, nova-
mente encontramos cOrrespondncia geral nas classificaes. Tal concor-
dncia produzir classificaes mdias (coluna denominada "mdia")
que diferem claramente umas das outras, desde que, naturalmente, os
indivduos realmente difiram uns dos outros em competncia. Quanto
maiores estas -diferenas, mais alta a fidedignidade, outras coisas manti-
das constantes.
Sem dvida o leitor ainda est um pouco confuso. Vamos ento
inventar uma situao altamente contrastante. Suponhamos que todo o
procedimento de julgamento tenha sido no-fidedigno. Suponhamos que
os juzes no soubessem como apreciar a competncia e, alm disso, que
tenham sido descuidados. Quase certamente tal situao resultaria em
um conjunto de classificaes de baixa fidedignidade. Damos um exem-
plo na tabela 9 . 2. Os nmeros (classificaes) da tabela so nmeros
aleatrios, gerados por um calculador programvel.
Tabela 9.2 Notas dadas por quatro juzes competncia de cinco pessoas -
fidedignidade baixa.
Tuzes
Pessoas a b c d Soma Mdia
2 5 6 14 3,50
2 5 2 6 4 17 4,25
3 2 3 5 11 2,75
4 3 1 3 2 9 2,25
5 6 3 4 4 17 . 4,25
Se pudermos saber por que esse conjunto de classificaes no
fidedigno e por que o conjunto da tabela 9. 1 , estaremos no caminho
certo para entender a fidedignidade. Vamos estudar primeiro as colunas
dos indivduos. Sabemos que os cinco diferem em competncia ----: uma
suposio segura: a maior.ia das pessoas difere em quase tudo. As classi-
ficaes deveriam ser diferentes. Se os juzes esto capacitados a julgar
a competncia, ento, suas classificaes deveriam ser mais ou menos
as mesmas. Ou seja, suas classificaes do mesmo indivduo deveriam
concordar aproximadamente. difcil ou impossvel encontrar muito
acordo na tabela 9 . 2. como se os julgadores fizessem apreciao de
quatro no relacionadas. Ou, xnais perto da verdade,
como se eles tivessem feito suas apreciaes ao acaso.
151
Veja agora as classificaes da tabela 9. 1. H uma concordncia
geral entre os quatro conjuntos de classificaes, como j observamos.
Se o juiz a d pessoa 1 uma nota alta, o mesmo fazem os b, c
e d - acontecendo o mesmo para os quatro juzes nas notas baixas.
H, em outras palavras, uma alta concordncia entre os julgadores. Na
medida em que as classificaes concordam, elas so fidedignas.
Outra diferena, talvez mais sutil entre as duas tabelas, est nas
mdias das pessoas. (As mdias dos itens, embora importantes em algu-
mas situaes, no so importantes aqui. Em geral, elas no afetam a
fidedignidade tanto quanto as mdias das pessoas.) Os dois conjuntos
de mdias foram reproduzidos na tabela 9 . 3. A primeira diferena a
notar que as mdias de 9. 1 so mais variveis que as mdias de 9. 2.
As amplitudes, que so ndices - embora grosseiros - de variabilidade,
so 5,25- 1,25 = 4, para 9.1 e 4,25- 2,25 = 2, para 9.2. J que
as notas de 9. 2 eram na realidade nmeros casuais, ento, as cinco
mdias de 9. 2 deveriam ser quase as mesmas. (Por qu?) A amplitude
refletiria, naturalmente, esta falta de variabilidade.
Vamos voltar e examinar a tabela 5 .1, um conjunto de 100 nmeros
arranjados em grupos de 1 O. Examine as mdias dadas nas tabelas 5 . 2
e 5. 3, tambm calculadas a partir de nmeros aleatrios. Passe cs olhos
pelas discusses das trs tabelas. Observe, na tabela 5. 1, que as 10
mdias so muito parecidas. A expectativa baseada no acaso 4,56,
a mdia total. J que as 10 mdias so mdias de nmeros aleatrios,
elas devem ficar bem prximas dessa expectativa baseada no acaso. Os
nmeros aleatrios, por definio, no so fidedignos. So nmeros sem
sistema ou regularidade, e fidedignidade significa, entre outras coisas,
que os nmeros so sistemticos; eles mostram regularidade.
Uma definio de fidedignidade pode ser dada negativamente: fide-
dignidade falta de "erro" em um conjunto de medidas. O "erro" aqui
significa, com efeito, flutuaes casuais, ou aleatrias. "Erro" a varia-
bilidade, as flutuaes das medidas, no devidas ao que quer que esteja
sendo medido. Na medida em que um conjunto de medidas tem tal
variabilidade, no fidedigno. (Tal variabilidade no deve ser confun-
dida com a variabilidade dos indivduos, h pouco discutida, uma varia-
bilidade que reflete diferenas entre indivduos. Veja abaixo.) Os nme-
ros aleatrios, naturalmente, refletem apenas um ir e vir, subir e descer,
uma variabilidade no sistemtica.
As mdias dos cinco especialistas, "Grupo Experimental'' , tabela
5. 2, so muito parecidas com as mdias da tabela 9. 3, " baixa fidedigni-
dade." No so muito diferentes. E no deveriam ser: foram calculadas
de nmeros aleatrios. Igualmente, as mdias da tabela 5 . 3 no so
muito dissemelhantes. Mas as mdias da tabela 9. 3, "Alta Fidedigni-
dade", diferem tanto quanto podem, se compreendermos que as mdias
152
sao sempre menos variveis do que os nmeros dos quais so calculadas.
A maior reflita mais exatamente as diferenas
indtvtduats em competencia das cinco pessoas, cuja competncia est
medida. Se se assemelham a mdias calculadas a partir
de numeras aleatonos, entao provavelmente sero iguais entre si no
diferiro muito. Se obtivermos nmeros numa situaco real de
q.ue se a aleatrios, ento: sua fidedignidade
sera batxa. Eles nao podem refletu com exatido as diferenas individuais
das pessoas medidas.
Tabela 9.3 Mdias das pessoas tiradas das tabelas 9.1 e 9.2.
Pessoas
2
3
4
5
Alta
fidedignidade
(tabela 9 .1)
5,25
4,25
3,75
2,00
1,25
Pessoas
2
5
1
3
4
Baixa
fidedignidade
(tabela 9. 2)
4,25
4,25
3,50
2,75
2,25
a As da ta?ela 9.2 foram rearranjadas em ordem de postos de magnitude,
para enfatizar a d1ferena entre os dois conjuntos de classificaes.
forma mai.s .fcil, embora incompleta, de considerar a fidedigni-
dade e como estabzlzdade. Suponhamos que os quatro juzes dessem
notas por competncia uma segunda vez, digamos, dois meses mais
tarde. que nos dois meses nada tenha acontecido que
a con;tpetencta dos. gerentes, as classificaes mdias que recebessem
ser aproximadamente as mesmas da segunda e da primeira vez.
Na em que forem as mesmas, as notas sero fidedignas. Na
medtda em que forem diferentes, na primeira e na segunda vez as notas
Se fosse calculada uma espcie de ndice refle-
ttsse a stmtlandade dos dois conjuntos de notas, este ndice seria deno-
minado coeficiente de fidedignidade. Quando tais ndices so calculados
e relatados na bibliografia, so chamados coeficientes de fidedignidade de
teste-reteste.
Pode-se tambm calcular os coeficientes de fidedignidade para os
dados das tabelas 9 . 1 e 9 . 2. So chamados coeficientes de consistncia
interna. Os dois coeficientes para as tabelas 9. 1 e 9 . 2 so O 94 e o 01
Os coeficientes de fdedignidade como estes variam de O a 1,00, o
153
cando fidedignidade muito baixa ("nenhuma" fidedignidade) e 1,00 indi-
cando fidedignidade perfeita. As notas da tabela 9. 1, ento, so alta-
mente fidedignas, enquanto que as da tabela 9. 2 no oferecem nenh6ma
fidedignidade.
O exempo usado para ilustrar a fidedignidade vem usando classifi-
caes provavelmente porque so mais fceis de compreender do que se
usssemos um teste e itens de teste. O mesmo raciocnio, entretanto, se
aplica aos testes. Substitua simplesmente "juzes" por "itens". As pessoas
classificadas so as mesmas; a nica diferena que agora sero "testa-
das" em vez de "avaliadas." Isto , qualquer teste ou escala consiste
em certo nmero de itens, cada um destinado a medir a mesma coisa,
assim como os juzes deviam avaliar ou medir a mesma coisa. Por
exemplo, suponhamos que temos que medir autoritarismo. Podemos usar
a conhecida escala F. Aqui esto dois dos itens (Adorno e outros, 1950,
pp. 255-257) :
Obedincia e respeito autoridade so as virtudes mais importantes
que uma criana deve aprender.
A cincia tem seu lugar, mas h muitas coisas importantes que
jamais podero ser compreendidas pela mente humana.
Os sujeitos respondem a estes itens numa escala de acordo-desacordo.
Quanto mais concordarem, mais autoritrios acredita-se que sejam.
So usados muito mais que dois itens. (Em geral, quanto mais
itens, maior a fidedignidade, contanto que todos meam a mesma coisa
e a meam igualmente bem.) Se os dois itens dados acima medem a
mesma coisa, devem produzir aproximadamente a mesma ordem de
postos para os indivduos. Se isto ocorrer, ento, a escala de dois itens
ser fidedigna. Do contrrio, no fidedigna. O mesmo raciocnio
estendido aos vrios itens de um teste ou escala. Se tivssemos 40 itens
em um teste de inteligncia, cada um deles seriam um "juiz": produzir
ordem semelhante de postos de inteligncia entre os indivduos.
3
Por que a fidedignidade importante?
Antes de poderem ser qualquer outra coisa, as medidas de variveis
devem ser fidedignas. Devemos saber, por exemplo, que estamos medindo
acuradamente a competncia, pois que adianta medir uma varivel se
3 Note, entretanto, que itens individuais so muito menos fidedignos do que testes
inteiros. Entretanto, itens de fidedignidade relativamente baixa podem, quando
usados em nmero suficiente, produzir um teste ou escala fidedigna. um
aspecto ou princpio til, que torna possvel obtermos testes fidedignos de caracte-
rsticas humanas.
154
no nos aproximarmos da "verdadeira" nota dos indivduos (ou objetos)
medidos? um dos principais motivos para se fazer a mensurao.
Temos que confiar nos resultados obtidos. Devemos saber, por exemplo,
que se medirmos a competncia ou a criatividade ou ainda a dominncia
ou inteligncia de um grupo, obteremos as mesmas notas ou notas
semelhantes em uma mensurao subseqente dos mesmos indivduos.
Isto significa, entre outras coisas, que obteremos as mesmas ordens de
postos das notas, ou parecidas.
Vejamos a relao entre duas variveis, inteligncia e competncia.
Digamos que queiramos saber o papel que a inteligncia desempenha
em certa espcie de competncia. Se uma ou ambas as medidas de inte-
ligncia e competncia no forem fidedignas, ento no ser possvel
determinar com exatido de que maneira esto relacionadas- ou "corre-
lacionadas", como se diz. A magnitude da relao pode ser alta, mas se
uma ou ambas as medidas no forem fidedignas, a relao calculada
ser baixa, simplesmente por falta de fidedignidade. Se aceitarmos a "C
magnitude da relao calculada pelo seu valor aparente, vamos nos ;:_,
desviar seriamente. Suponhamos que a magnitude da relao tenha sido ;g
realmente alta, mas a medida de competncia no seja fidedigna e que
no saibamos que no era fidedigna. Podemos acreditar que a relao z
entre inteligncia e competncia seja baixa ou nula. Podemos ento ;::;,
concluir que inteligncia tem pouco a ver com o tipo de competncia
que estvamos tentando medir. Tal concluso seria, naturalmente, errada.
Igualmente, no uso prtico de medida de variveis, a fidedignidade
um aspecto indispensvel da mensurao. Que dianta um teste de inte-
ligncia de crianas que no seja fidedigno? Que adianta uma medida
de atitudes em relao a grupos minoritrios que no seja fidedigna?
Se os testes e as escolas no forem fidedignos, as predies que fazemos
com eles - e eles so instrumentos de predio, assim como medidas
de variveis - so inteis ou piores que inteis, pois podem nos
desviar de concluses relativas a habilidades e atributos dos indivduos
que estamos medindo, assim como a relaes entre as habilidades e
atributos.
Vali<Jade
A fidedignidade um problema praticamente resolvido. A teoria
da fidedignidade dos instrumentos de mensurao psicolgica e socio-
lgica est bem desenvolvida e amplamente compreendida.
4
Princpios
4 Veja excelentes discusses em Guilford (1954) e Nunnally (1967).
155
para a prtica e como colocar os princpios em prtica esto igualmente
bem o!llpreendidos. Os psiclogos e socilogos sabem construir irstru-
mentos de mensurao de substancial fidedignidade. Sabem, por exetnplo, .
que quando um teste ou escala curto demais, provavelmente no ser
fidedigno, que os itens devem ser expressos sem ambigidade (exceto
em casos especiais), e que deve haver estmulos de amplitude adequada
para capturar a amplitude dos atributos humanos. Em outros tempos,
havia uma desculpa para um estudo ter um ou mais instrumentos de baixa
fidedignidade, ou ento, no mencionar nada sobre fidedignidade. Este
tempo passou, embora ainda continuem existindo restos dessas prticas.
No h mais qualquer desculpa para baixa fidedignidade. , em resumo,
um problema prtico e terico amplamente resolvido.
Infelizmente, no acontece o mesmo com a validade, que apresenta
problemas muito mais profundos e difceis do que a fidedignidade,
em parte porque as idias de validade so relativamente novas e em
parte porque validade um problema muito mais complexo. Os psiclo-
gos e socilogos mal se davam conta da validade, anos atrs. Felizmente,
a ateno de todos vem se focalizando neste importantssimo aspecto
dos problemas de mensurao e de cincia comportalmente, e j foi
feito um grande progresso na sua compreenso, seno no seu domnio
prtico.
Definio e natureza da validade
Freqentemente define-se a validade com a seguinte pergunta:
"Voc est medindo o que pensa que est medindo?" Se assim, sua
medida vlida; se no, no vlida. A nfase aqui dada no que
est sendo mensurado. Suponhamos que um grupo de professores de
estudos sociais elabore um teste para medir a compreenso dos alunos
de certos conceitos sociais: justia, igualdade e cooperao, por exemplo.
Os professores desejam saber se os alunos compreenderam e podem
aplicar as idias. Mas elaboram um teste contendo apenas itens fatuais
sobre instituies contemporneas. O teste ento no vlido para a
inteno que tinham em mente. Pode ser um bom teste de conhecimento
jatual, mas no medir a . compreenso de conceitos sociais. Para um
teste ser vlido, no sentido mais elementar e talvez fundamental da
palavra, deve medir o que o pesquisador deseja e pensa que est
medindo.
H mais de um tipo de validade. Embora no possamos nos apro-
fundar nos tipos e definies diferentes de validade neste livro, devemos
tentar investigar as principais definies, pois elas nos ajudaro. a com
156
preender a abordagem cientfica geral observao do comportamento
e mensurao de variveis. Por sua vez, esta compreenso nos dar
melhor fundamento para avaliarmos algumas controvrsias fundamentais
sobre mensurao que importunam tanto os cientistas quanto os leigos.
Tipos de validade
Pesquisadores e prticos usam testes muitas vezes apenas para
prever um futuro desempenho. Provavelmente os teste sejam mais usados
para isto. Os professores, por exemplo, desejam conhecer a capacidade
e aptido das crianas com o fim de prever seu futuro desempenho e
realizao. A nfase no uso de tais testes, por escolas e outros estabeleci-
mentos, est mais na previso da capacidade e desempenho atuais e
futuros do que em medir variveis. Embora interesse o que o teste ir
medir, o interesse central no este. O principal que o teste mea
satisfatoriamente o que foi considerado essencial para o bom desem-
penho na escola ou no trabalho. Chegou-se mesmo a afirmar que, se um
teste conseguir predizer com sucesso algum critrio, no vem ao caso
o que ele estiver medindo! Em todo caso, um teste considerado vlido
se predisser com sucesso algum critrio. Tal validade era denominada
validade preditiva; mais recentemente passou a ser denominada validade
relativa ao critrio (criterion-related validity).
Outra forma de validade chamada validade de contedo, que
dirigida substncia ou ao contedo, do que est sendo medido. Se os
professores que aplicaram o teste para medir a compreenso dos concei-
tos sociais perguntassem a colegas, depois de estudarem o teste, se acha-
ram que ele realmente medir a compreenso de conceitos sociais, esta-
riam fazendo uma pergunta de validade de contedo. Validade de con-
tedo est assim estreitamente relacionada questo: "Voc est
medindo o que pensa que est medindo?;'
Um terceiro tipo de validade, chamado validade de constructo,
provavelmente o mais significativo e importante, pelo menos do ponto
de vista deste livro. Quando os pesquisadores investigam a validade de
constructo de uma medida, esto mais interessados na propriedade psico-
lgica ou outras propriedades que o instrumento mede. Esto interessados
na varivel sob considerao, ou, mais exatamente, no constructo ou
constructos subjacentes varivel. Validades relativas ao critrio e de
contedo so comparativamente fceis de compreender. Validade de
constructo no fcil, por estar inserida em uma grande rea do quadro
de referncias da pesquisa e da metodologia. Como sempre, um exemplo
pode ajudar a esclarecer o que queremos dizer.
157
Medindo dogmatismo
'
A escala F, mencionada anteriormente, pretende medir o autori-
tarismo. Foi construda com base em teorias scio-psicolgicas e psica-
nalticas bastante complexas. Tem havido muita discusso relativa
validade da escala, discusso que envolve tambm a validade das
teorias em que a escala foi baseada. A discusso foi realmente relativa
validade de constructo da escala.
Rokeach (1960), contestando at certo ponto a validade da escala F
como medida de autoritarismo, construiu sua prpria escala, a escala D,
para medir dogmatismo. Ele tambm usou raciocnios tericos. Uma de
suas crticas escala F era que ela media somente o autoritarismo de
direita, apenas tendncias fascistas. (0 "F" da escala refere-se a "Fascis-
mo".) Desta forma ela limitada, se omite o autoritarismo da esquerda.
Sua validade como medida geral de autoritarismo , portanto, questio-
nvel. Com sua escala D, Rokeach pretendia medir o dogmatismo, que
inclui autoritarismo tanto de esquerda quanto de direita.
A escala D consiste de um nmero de itens que Rokeach acreditava
iriam medir um bitolamento (closed-mindedness), um modo de pensar
associado a uma ideologia, sem levar em conta seu contedo. No centro
deste pensamento est a idia de que as orientaes ideolgicas dos
indivduos esto relacionadas s suas personalidades, comportamentos e
processos de pensamento. (Esta idia foi assumida tambm pelos autores
da escala F.) Dois entre os muitos exemplos que podem ser dados so
que o dogmatismo est relacionado com a intolerncia e a obstinao.
Rokeach fez uma srie de investigaes com o fim de testar tanto suas
idias quanto a validade de suas escalas.
Por exemplo, um dos meios usado freqentemente para validar
testes e escalas o mtodo dos grupos conhecidos. Neste mtodo, apli-
ca-se um instrumento a pessoas com caractersticas "conhecidas" e
prediz-se a diferena entre grupos. Vimos este mtodo no captulo 8,
quando examinamos o estudo de Rokeach sobre as diferenas entre poli-
ciais, brancos desempregados e estudantes calvinistas e suas reaes a
idias sociais de liberdade e igualdade. Rokeach, como dissemos acima,
acreditava que o ncleo do dogmatismo estava no bitolamento. Assim,
ele fez professores e alunos de ps-graduao selecionarem alunos e
amigos qua acreditavam no-bitolados e bitolados. A escala D diferen-
ciou com xito os dois grupos. Aplicou tambm a escala a grupos reli-
giosos diferentes; os resultados gerais apoiaram suas anlises. Outro
teste da validade da escala foi o estudo de Rokeach sobre a relao
entre dogmatismo e soluo de problemas em situaes diferentes de
quaisquer outras encontradas na vida cotidiana. Novamente suas idias
foram confirmadas.
158
Em outras palavras, o trabalho de Rokeach foi dirigido tanto para
a teoria por trs da escala D quanto para as propriedades da escala,
um exemplo claro de validao de constructo. "Validao de constructo"
talvez seja uma expresso mais exata do que "Validade de constructo"
para expressar o que est envolvido. O pesquisador tenta de
formas obter provas que apiem a teoria por trs de uma medida assim
como sobre a medida. um processo divergente e convergente no qual
as dedues da teoria so testadas de maneiras diferentes com a idia
de que a evidncia de testes diferentes convergir para a validade da
medida. A validao de constructo , ento, essencial prpria cincia
em seus testes de dedues e implicaes derivadas da teoria. uma
importante conquista da mensurao e da pesquisa comportamental, uma
conquista que est revolucionando a mensurao psicolgica e socio-
lgica.
5
......
--
Mensurao em perspectiva .:..2
.:
22
A mensurao pode ser o calcanhar de Aquiles da pesquisa compor- t] ..:o
tamental. Freqentemente planeja-se e executa-se cuidadosamente uma
investigao, com pouqussima ateno mensurao das variveis da
pesquisa. Eis um caso interessante que demonstra a falta de preocupao
com a fidedignidade. Um pesquisador planejou um conjunto elaborado
de experimentos para testar uma teoria de atitudes. A cadeia de racio-
cnio das implicaes experimentais da teoria parecia vlida. Se
verdade, como prev a teoria, que isto e aquilo so assim, ento aconte-
cer isto e aquilo. O procedimento experimental foi cuidadosamente
planejado e executado para testar as dedues. Foram feitas predies
estatsticas especficas sobre as diferenas entre grupos experimentais.
Nenhuma das predies resultou como fora predito! Sem dvida, virtual-
mente nenhuma das diferenas eram estatisticamente significativas. O
conjunto de experimentos foi um fracasso completo. Foi como se os
nmeros analisados fossem nmeros aleatrios. Por qu? Por que a
teoria era falha? Por que o experimento foi mal conduzido? Por que
os sujeitos foram mal escolhidos?
O verdadeiro motivo parecia ser a mensurao da varivel depen-
dente. O pesquisador passara grande parte de sua vida profissional
dizendo aos alunos que, para medir adequadamente uma varivel, era
5 O primeiro avano real provavelmente tenha vindo de um artigo de Cronbach
e Meelh (1955), no qual foram elaboradas as idias bsicas por trs da validade
de constructo. A validade de constructo foi oficialmente reconhecida como um
tipo central de pela American Psychological Association em seu manual
de testes e aplicao de testes (American Psychological Association, 1966).
159
necessrio usar um certo nmero de itens para medir a varivel. Depen-
der de um ou dois itens, como fazem muitos pesquisadores, loucura
porque se sabe muito bem, e pode ser facilmente que um
ou dois itens simplesmente no oferecem segurana suficiente para justi-
ficar seu uso. Se for feito um experimento e for medida a varivel
dependente com apenas um ou dois itens, haver uma alta probabili-
dade de que, mesmo se existirem diferenas significativas entre os dois
grupos, estas no sero detectadas simplesmente porque a medida da
varivel dependente no ser suficientemente fidedigna para "pescar" as
diferenas! Se havia diferenas verdadeiras entre os grupos experimen-
tais, como fora predito, elas no tinham grande probabilidade de serem
detectadas.
6
Todos os campos da realizao humana tm sua dose de mitologia
e absurdo. A mensurao, infelizmente, particularmente sobrecarre-
gada por ambos. Parte da causa so as atitudes negativas ein relao
mensurao psicolgica. Mas a ignorncia e os mal-entendidos provavel-
mente tenham a maior parte. Uma das maiores dificuldades parece ser a
m compreenso do objetivo bsico da mensurao. Acredita-se, por
exemplo, que os psiclogos medem as pessoas, e que no se pode medir
pessoas. verdade que no se pode medir as pessoas. Mas os cientistas
na realidade no medem as pessoas nem dizem que medem (pelo menos
no deviam dizer que medem). Eles medem variveis, assim como nos
experimentos eles no manipulam pessoas, mas variveis. Eles medem,
sim, o comportamento das pessoas, os indicadores observveis de
constructos hipotticos, como inteligncia e dogmatismo. Ningum pode
medir inteligncia diretamente. "Inteligncia" um constructo usado
para resumir um conjunto incrivelmente complexo de comportamentos
que tm a caracterstica comum de serem "inteligentes." Acreditar que
os psiclogos medem pessoas, ento, ingenuidade. Criticar a mensurao
porque ela no mede pessoas ingnuo tambm.
Sem dvida, todo procedimento de mensurao, mesmo de variveis
relativamente "simples", altamente indireto, complexo e freqente-
mente difcil. Em vista dessas dificuldades, o xito dos cientistas compor-
tamentais em medir variveis comportamentais notvel. E tem sido um
xito, apesar dos crticos que afirmam ter sido um fracasso. Eis algumas
variveis que tm sido medidas com xito: inteligncia, aptides (verbal,
numrica e assim por diante), atitudes (em relao a uma variedade de
objetos), introverso, coeso (de grupos), necessidades, classe social,
autoritarismo, dogmatismo. Podemos enumerar muitas outras. Isto no
significa que a mensurao de tais variveis seja perfeita, ou que poder
6 O pesquisador foi o autor deste livro.
160
vir a ser perfeita. Ao contrrio, vem carregada de dificuldades, sendo
a maior de todas, naturalmente, a validade. Mas os cientistas, principal-
mente os psiclogos, conhecem as limitaes e as dificuldades e so geral-
mente muito cuidadosos em suas avaliaes e no uso de testes e escalas
e seus resultados.
7
Como qualquer outra coisa, os testes e medidas devem ser usados
com cautela e discrio. Quando falamos de mensurao em cincias
comportamentais, colocamo-nos em nvel muito diferente do que quando
falamos de mensurao em cincias naturais. Devemos ter sempre muito
cuidado em verificar a fidedignidade e validade de nossas medidas.
Devemos entender que os chamados erros de mensurao desempenham,
infelizmente, um grande papel em nossas medidas. Em cincias naturais,
h muito menos problemas de fidedignidade; consegue-se geralmente um
alto grau de preciso e exatido com a ajuda de poderosos instrumentos
de mensurao. Validade mais um problema, mas nem de perto o
problema que h com variveis como inteligncia, ambiente familiar,
atmosfera escolar, atitudes em relao a estrangeiros, criatividade e assim
por diante. Contudo, mensurao mensurao nas cincias naturais e
nas cincias comportamentais. A definio bsica e os procedimentos
gerais so os mesmos. No menos legtimo e cientfico medir as atitudes
e opinies das pessoas, por exemplo, do que medir a circunferncia da
terra ou a fora dos terremotos. Se existem variveis, elas so potencial-
mente mensurveis, embora os graus de preciso, exatido e validade
variem amplamente.
7
Um dos po_ntos de parte da crtica mensurao, principalmente
da_ psrcolgrca, que se critica de forma a parecer dizer que os
na?. as dificuldades e fraquezas dos testes e escalas psicol-
grcos. Os crrtlcos drzem, por exemplo, que os testes no podem medir seres
humanos e sua. complexidade, que "inteligncia real" e "criatividade real" no
ser m_edrd1t:s e 9ue ?eralmente no se pode confiar em mensurao psico-
lgica. As ImJ?hcam que os psiclogos no tm conscincia das difi-
e: que e mutd. ate pensar em medir o comportamento das pessoas e suas
caractenst1cas. Os fatos geralmente so muito diferentes.
161
10. Investigao sociolgica, levantamentos
e anlise de freqncias
\
Em nossa preocupao com os pontos principais da pesquisa com-
portamental, negligenciamos diversos tpicos que um estudo completo
teria que incluir. Dois ou trs desses tpicos - tipos de pesquisa e
mtodos de observao, por exemplo - sero discutidos no Apndice.
Devemos considerar agora, entretanto, uma forma muito importante de
investigao comportamental e um tipo de anlise comum e importante.
Na falta de melhores rubricas, chamaremos forma de investigao
"investigao sociolgica", e ao tipo de anlise "anlise de freqncias".
Investigao sociolgica
Da forma usada neste captulo, "investigao sociolgica" um
. termo amplo que significa um conjunto de formas relacionadas de inves-
tigao no-experimental dirigidas para o estudo das relaes entre
"variveis sociais". Da forma usada aqui, a investigao sociolgica
feita principalmente, mas no exclusivamente, por socilogos e inclui
diversas variveis caracterizadas por sua orientao social: status social,
preferncia poltica, preferncia religiosa, afiliao a associaes, escolari-
dade, renda, ocupao, raa, sexo e assim por diante. Estas "variveis
sociais" so atributos de indivduos (ou grupos) que tm a caracterstica
comum de serem membros de grupos sociais grandes e pequenos e assim
de serem compartilhados por muitos ou pela maioria dos indivduos. Por
exemplo, todos ns temos ocupaes, renda, sexo, preferncia religiosa,
e assim por diante, e elas nascem, pelo menos em parte, de nossa partici-
pao em diversos grupos. So o material bsico de uma grande parte da
investigao sociolgica.
No quero implicar que os socilogos usem apenas essas vanaveis
e que os psiclogos ou os economistas no as usem. Sem dvida, ultima-
mente os socilogos vm usando cada vez mais "variveis psicolgicas'
e os psiclogos vm usando "variveis sociolgicas" - e assim que
deve ser. Estou usando os termos "investigao sociolgica" e "variveis
sociais" em parte por convenincia e em parte por eles refletirem a
162
realidade da pesquisa. Outro motivo por termos que nos dirigir a um
grande corpo de estudos variados que parecem ter as caractersticas
comuns de usar variveis sociolgicas, ser no-experimentais, dirigir-se
freqentemente para problemas sociais importantes e usar um conjuntc.
de tcnicas analticas relacionadas. Muitas dessas pesquisas foram chama-
das "levantamentos" (survey research) ou "estudos de campo".
Para sermos mais concretos, vejamos os sumrios de quatro inves-
tigaes sociolgicas. O fato de inclurem "variveis psicolgicas" no
muda sua natureza basicamente sociolgica.
O estudo de Stouffer: tolerncia e intolerncia
Neste grande e importante estudo, Stouffer (1955) questionou, entre
outras coisas, tolerncia e os chamados correlatos de intolerncia.
1
Para
obter as respostas s questes, Stouffer entrevistou duas amostras alea-
trias de pessoas dos Estados Unidos. (Entrevistar uma forma poderosa
de obter informao mmto usada na investigao sociolgica.) Uma das
perguntas feitas por ele estava voltada para a relao entre tolerncia
e liderana na comunidade. Colocando de maneira diferente, a questo
pretendia estudar a diferena em tolerncia entre os lderes e os cidados
comuns. A pergunta era a seguinte: "Se uma pessoa quisesse fazer uma
conferncia em sua comunidade contra igrejas e religies, ela deveria
ter permisso para falar ou no?" Parte dos dados obtidos em uma das
amostras nacionais dada na tabela 10 . 1.
Tabela 10.1 Respostas questo sobre tolerncia de no-conformidade religiosa,
estudo de Stouffer ( 1955).
Resposta
Sim Sem opinio No
LdP.res da comunidade 66% 1% 33%
Grupo representativo nacional 37% 3% 60%
a Estes dados foram obtidos pelo Instituto Norte-Americano de Opinio Pblica.
So fornecidos na forma de porcentagem.
1 "Correlatos" so variveis relacionadas a outras variveis de nteresse e so
usadas geralmente para "explicar" uma varivel ou variveis de interesse. Por
exemplo, o pesquisador pode estar interessado no comportamento do eleitor. Para
tentar compreender este comportamento, ele estuda as preferncias religiosas, pol-
ticas, o sexo, e status social de, digamos, eleitores em uma importante eleio. Em
outras palavras. ele relaiona essas variveis. sociolgicas, ou "correlatos", a como
as pessoas votam.
163
As respostas questo de Stouffer parecem claras, se lermos correta-
mente a tabela. H uma relao entre posio na comunidade e tole-
rncia: os lderes da comunidade parecem ser mais
tolerantes do que os cidados mdios: 66 por cento dos lderes disseram
Sim, deve-se permitir a conferncia, mas apenas 37 por cento dos
cidados comuns disseram Sim. (Observe que as porcentagens de Sim,
as porcentagens de No e as porcentagens de Sem Opinio somam, em
cada linha, 100%.)
Miller e Swanson revisitados
No captulo 1 foi citado um estudo de relao entre classe social
e tipo de criao de crianas (Miller e Swanson, 1960). Uma das relaes
especficas estudada foi entre classe social dos pais e tempo de desmame
das crianas. Miller e Swanson entrevistaram 103 mulheres das classes
mdia e operria, em Detroit. Perguntaram s mes, em uma parte do
estudo, quando desmamaram seus filhos. As respostas das mes, dadas
na tabela 1 . 1, esto aqui, na tabela 1 O. 2. Nesta tabela
so dadas freqncias aas respostas e as porcentagens, calculadas em
cada linha.
A relao entre as duas variveis evidente. De fa_tQ, as porcen-
tagens so muito semelhantes em suas magnitudes s porcentagens de
Tabela 10.2 Classe social e tempo de desmame, estudo de Miller e Swanson (1960).
(reproduo da tabela 1.1) a.
Classe social
Desmame
Cedo
Tarde
Classe mdia
33 22
55
(60%) (40%)
17
31
Classe operria
48
(35%) (65%)
50 53
103
As principais nas casas so freqncias; as entradas entre parnteses
so porcentagens calculadas pelas linhas. Veja nota de rodap da tabela 1.1.
164
Stouffer.
2
As mes de classe mdia desta amostra desmamaram seus
filhos mais cedo que as mes de classe operria. (Veja mais detalhes
na discusso do captulo 1.)
Valores orientados para pessoas e escolha ocupacional
H alguns anos, os professores abandonavam o ensino, causando
assim difcets problemas de pessoal em muitos distritos escolares. Por que
abandonavam o ensino? (Usamos o tempo passado porque se presume,
mas naturalmente pode no ser verdade, que os professores j no aban-
donem o ensino como antigamente por causa da mudana na necessi-
de professores na ltima meia dcada.) Rosenberg (1955) lanou
alguma luz indireta no problema quando perguntou aos estudantes em
1950 e 1952 se gostariam de se tornar professores. Ele determinou
tambm se eram orientados para pessoas (se queriam trabalhar com
gente em vez de com coisas; ajudar os outros) ou "no-orientados para
pessoas". Uma das relaes relatadas por ele est na tabela 1 O. 3.
Tabela 10.3 Valores orientados para pessoas e mudana de escolha ocupacional, 1952.
Orientados para pessoas
No-orientados para pessoas
Continuaram
professores
57%
19%
Abandonaram
o ensino
43%
81%
As porcentagens na tabela parecem dizer que professores no-orien-
tados para pessoas tendem a deixar o ensino. Os nmeros em que a
tabela s basi so comparativamente pequenos (um total de 108 pro-
fessores) e o estudo muito mais limitado do que os estudos de Stouffer
c de Miller e Swanson. Mostra, entretanto, as caractersticas da investi-
gao sociolgica que esto sendo ilustradas: uma varivel, Continuaram
a As usadas s em tabelas como esta porque "trans-
as frequencias das duas hnhas em uma escala comparvel baseada em
100 .. Ja .. as das nas linhas, 55 e 48, so desiguais, mais
d f!cJI . a relaao estudando simplesmente as freqncias. Quando as fre-
qO!ncias sao em porcentagens, entretanto, a relao se toma mais
I ra., <?uanto mais diferem as_ somas das freqncias das linhas e das colunas,
m ls utd toma a transformaao em porcentagens. Discutiremos isto mais adiante.
V Ja Kerhnger 09?3, cap. 10) sobre princpios e prtica de construir e interpretar
I I tabelas e anhses.
165
Professores ou Abandonaram o Ensino. (Escolha Ocupacional) uma
varivel sociolgica, que estudada em relao a uma varivel psico-
lgica, Orientado para Pessoas e No-Orientado para Pessoas."As res-
postas da amostra foram analisadas em uma tabela de porcentagens
(calculadas a partir das freqncias).
Efeitos durveis da escolarizao
O ltimo estudo citado nesta seo no pode ser exatamente chama-
do levantamento ou estudo de campo. I!, entretanto, o que est sendo
chamado neste captulo, investigao sociolgica. I! tambm um exemplo
de um novo .tipo de estudo que cada vez mais est sendo feito, medida
que arquivos de dados vo sendo construdos abrangendo os resultados
de muitos estudos. Hyman, Wright e Reed (1975) desejavam respostas
pergwita extremamente importante, mas raramente formulada emprica-
mente: "Que durao tm os efeitos da educao formal?"
Uma das grandes dificuldades em estudar os de alcance
da escolarizao e de programas ou mudanas soc1a1s a dtftculdade
que os pesquisadores tm em seguir as pessoas ao longo do tempo. Os
estudos que seguem as pessoas atravs do tempo chamam-se estudos
longitudinais. Se quisermos avaliar os efeitos de longo. das
escolas e da escolaridade, devemos estudar as pessoas quando estao na
escola, logo aps sarem da escola e em momentos posteriores. Mas
uma das espcies de pesquisa mais difceis de fazer por diversas razoes
prticas e tcnicas que no podemos citar .aqui. I! dizer.
h pouca evidncia emprica longitudinal na questo dos efeitos duravets
da escolarizao.
Hyman e seus colegas resolveram. o problema da dificuldade em
responder sua pergunta sobre os efeitos durveis da escolarizao,
fazendo !lnlise secundria de dados coletados em diversos levantamentos
nacionais. Com efeito, eles combinaram e compararam os resultados de
vrios levantamentos relacionados com a sua pergunta. Isto , extraram
informao sobre o nvel de escolaridade de milhares de
de 54 levantamentos, com um total de cerca de 80.000 mdlVlduos.
Os levantamentos foram feitos durante o perodo de 1949 a 1971. Foram
escolhidos de modo a agruparem-se em torno de quatro pontos no tempo,
permitindo. uma aos estudos longitudinais. o leit.ot,
acuidade crtica deve estar bem desperta com nosso estudo antenor, vera
neste estudo, seus problemas e resultaqos, um timo exerccio de inter-
pretao crtica.
Na tabela 10.4, alguns resultados do estudo de Hyman e outr_9s
so dados de forma muito sumarizada e condensada. Estes resultados sao
166
Tabela 10.4 Nvel de escolaridade e porcentagens mdias de conhecimento acad-
mico de quatro grupos de idade nos anos 60, estudo e Hyman e outros (1975).
Nvel de escolaridade
Idade
Primeiro grau Segundo grau
Universitrio
completo
completo
25-36
36% 42% 71%
37-48
31
41 75
49-60
28
53 64
61-72
32
55 62
a No corpo da tabela so dadas porcentagens mdias, cada uma calculada a
partir de trs porcentagens associadas a itens individuais de conhecimento. Os
36% na casa superior esquerda, por exemplo, significam q1,1e uma md> de
36% de pessoas de nvel de escolaridade de orimeiro grau e na faixa d: idade
de 25-36 conseguiram responder s perguntas de conhecimento.
bem tpicos cios vrios resultados apresentados em seu livro.' A tabela
expressa principalmente a relao entre a quantidade de eFcolarizao
como varivel independente (Nvel de Escolaridade) e o conhecimento
de trs tpicos de informao: sabe o nmero de mandatos que um
presidente pode servir; sabe a extenso do mandato dos senadores;
sabe a extenso do mandato dos membros da Cmara dos Deputados. 3
Outra " varivel" da tabela idade, que tem as quatro categorias indi-
cadas.
Hyman e outros desejavam estudar a relao entre quantidade de
escolarizao e conhecimento posterior de uma grande variedade de
"conhecimentos" . Estavam tambm fortemente interessados nos efeitos
durveis da escolarizao. A influncia da escola persiste atravs do
tempo? As "sementes do conhecimento plantadas h muito tempo . ..
se desfazem com o tempo ou persistem atravs de todas as vicissitudes
atravs da experincia at a velhice"? (Hyman e outros, 1975, p. 29)
A abordagem longitudinal ideal para um tal problema: estudar o
conhecimento das crianas na escola, seguindo-as pelo tempo, medindo
seu grau de conhecimento em pontos diferentes de tempo, levando
tambm em conta a quantidade de escolarizao recebida. uma abor-
dagem difcil e mesmo impossvel por motivos de custo, perda dos sujei-
tos e outras influncias possveis sobre o conhecimento e sua aquisio.
,J Estes trs itens e as entradas na tabela foram escolhidos entre muitas tabelas
cmelharttes, quase que arbitrariamente. A maioria dos itens usados pelos levanta-
111entos, entretanto, foram semelhantes quanto a serem conhecimento funcional
oplicado.
167
operadas atravs do tempo. A maioria dos estudos os efeitos da
escolarizao feita em um ponto do tempo. A relaao pode, natural-
mente, ser estudada desta forma, mas os resultados nada nos dizem a
respeito dos efeitos da escolarizao atravs do tempo.
Hyman e outros, numa excelente tentativa d.e "s!mular" o
longitudinal, usaram dados de levantamentos nacwnms e
os dados obtidos durante diferentes perodos de tempo pela
"Idade", dada na tabela 10.4. Nela h quatro grupos de idade, ou s:p:
2:,-36 37-48 49-60 e 61-72. Os autores argumentaram que os efeltos
da seriam mostrados pelo conhecin;ento, com a
escolarizao aumentada e que os padres de diferenas senam os mes-
mos ou semelhantes em diferentes grupos.
Pela tabela 10.4 ficou claro que a resposta. principal dos. autores
ficou respondida: da escola primria at a universidade, a quantidade de
conhecimento aumenta e aumenta de forma parecida nos quatro grupos
(diferentes nveis de idade). Esta descoberta
nas tabelas de Hyman e outros. Raramente se ve tal consistencm de
resultados e demonstrao de poder de "replicao", se se chama.r
os diferentes nveis de idade e os vrios testes de conhecimento, reph-
caes.
A pergunta incmoda volta sempre, entretanto: "Po?emos
nos resultados? possvel que esses resultados seJaJ? espunos no
sentido de que no a escolarizao que gera mawr _quanto
mais alto se chega no sistema educacional, mas uma outro vanavel ou
variveis?"
Consideremos a inteligncia. possvel que o nvel de inteligncia
diferente dos participantes da amostra produziu as diferenas observa?as
em percentagem nos trs nveis de escolaridade? Par.ece plausivel
supor que indivduos mais inteligentes sobem ma1s no s1stema es:o.lar
do que indivduos menos inteligentes. Se for este o caso,
os resultados da tabela 10.4 (e outros a co?clusao
errada. No a escolarizao, mas a intehgencia que mfluencia. Ou,
talvez mais exatamente a educao e inteligncia. Hyman e outros
(1975, p. 294) usaram ; frase certa que expressa a frustrante
que os analistas de resultados de pesquisa enfrentam, pnncipalmente em
pesquisa no-experimental: "terrvel
neste estudo h outras variveis que contnbuem para a
minncia. Vamos nos concentrar rapidamente apenas em mtehgencm.
Hyman e outros controlaram variveis concorrentes e explica?es
concorrentes de forma competente. Sem dvida eu
ao leitor como modelo de raciocnio cuidadoso, obJetividade cientlflca,
exposio clara e
0
uso de material de pesquisa de arquivo para testar
168
questes prticas importantes. Usa tambm profusamente o raciocmw
de hipteses alternativas que j encontramos em captulos anteriores, mais
especialmente no captulo 9 sobre pesquisa experimental e no-experi-
mental. Vamos dar uma rpida olhada, entretanto, no que talvez seja a
parte mais fraca de Hyman e outros, isto , nos argumentos sobre inte-
ligncia.
Os autores dizem que a varivel que se desejaria poder controlar
a inteligncia, medida durante a infncia, antes que os resultados dos
testes pudessem ter sido influenciados pela escolarizao. Mas tais
medidas necessrias ao controle direto, dizem eles, esto alm do alcance
de qualquer pessoa; os sujeitos do levantamento j esto adultos, tarde
demais para medir inteligncia antes da influncia da escolarizao. (A
escolarizao, naturalmente, tem uma forte influncia sobre a intelign-
cia medida atravs de testes.) Reciprocamente, a mensurao da inteli-
gncia de crianas vem cedo demais para medir os efeitos durveis da
escolarizao.
Para apoiar seu argumento de que a inteligncia no produziu os
efeitos por eles relatados, eles usaram argumentos opostos. Primeiro,
as caractersticas sociais e biolgicas tiveram sua influncia diminuda
como critrios de seleo escolar. Mais e mais crianas tm alcance
educao nos ltimos anos. A inteligncia deveria, portanto, ter um
grande papel em determinar a realizao. Segundo, padres antigos,
mais rigorosos, de desempenho acadmico nas escolas do pas, foram
relaxados. Assim, estudantes de geraes mais recentes conseguem prosse-
guir na sua formao e subir mais no sistema educacional, embora sua
inteligncia seja mais limitada. O primeiro argumento, ento, diz que a
inteligncia desempenha um papel maior e o segundo diz que desem-
penha um papel menor. Hyman e outros afirmam que os dois argumen-
tos levam concluso de que a contribuio da inteligncia deve ter
mudado com o tempo. Portanto, se for descoberto, como ocorreu em sua
anlise, que os efeitos da educao no variam atravs de perodos de
tempo e grupos de idade, ento, inteligncia no a explicao. Eles
citam tambm resultados de outros estudos em que, segundo afirmam, a
influncia geral da inteligncia sobre a realizao educacional modesta
(uma concluso possivelmente duvidosa).
Minha concluso que os resultados de Hyman e outros so empiri-
camente vlidos, tendo em vista a magnitude dos efeitos- as diferenas
de porcentagens - e sua notvel consistncia atravs do tempo. Mas
ainda estou preocupado com a possibilidade de que uma parte substan-
cial dos efeitos observados seja devida inteligncia. A concluso mais
exata provavelmente seja que tanto inteligncia quanto escolaridade
tenham influncias e conjuntas duradouras sobre o conhe-
cimento. Eu teria gostado de ver a inteligncia controlada. Mas isto no
169
era diretamente possvel. Mesmo assim os pesquisadores fizeram o
mximo que puderam nas circunstncias.
4
Pode-se mesmo dizer que suas
"anlises de controle" (veja especialmente o captulo 3) so exemplos
excelentes de controle na anlise de materiais e problemas difceis e
controvertidos. De fato, todo o estudo um timo exemplo de investi-
gao sociolgica cuidadosa e competente.
Levantamentos
Nos levantamentos, pequenas e grandes populaes so estudadas
atravs de amostras para descobrir a incidncia relativa, a distribuio e
inter-relaes de variveis psicolgicas e sociolgicas. Os levantamentos
so parte da pesquisa scio-cientfica e tm influenciado fortemente a
pesquisa nas cincias comportamentais. Tm sido usados principalmente,
mas no exclusivamente, para descobir o que existe e como existe no
ambiente social de um grupo, uma rea geogrfica ou poltica e mesmo
um pas inteiro. Uma de suas principais virtudes, principalmente para
administradores, lderes do governo, dos negcios e da poltica, sua
surpreendente capacidade de fornecer informao exata sobre popula-
es inteiras usando amostras relativamente pequenas. A tecnologia dos
levantamentos - e formas relacionadas de investigao - encontra-se
altamente desenvolvida. A sociedade moderna tem uma arma poderosa
para colecionar fatos e testar teorias e hipteses.
Os estudos de Stouffer e de Miller e Swanson so ambos levanta-
mentos. Stouffer estudou seu problema usaDdo duas amostras aleatrias
grandes (mais de 2.400 casos cada) de todos os Estados Unidos. Miller
e Swanson entrevistaram uma amostra aleatria da populao de Detroit.
Hyman e outros usaram resultados obtidos em um certo nmero de
levantamentos por amostragem, como tambm so chamados, para res-
ponder suas perguntas. Estes estudos usaram a forma de pesquisa em
larga escala principalmente para estudarem relaes. Os autores no
estavam interessados em levantamentos como arma descritiva, mas como
instrumento para descobrir e testar relaes. Esta nfase em levantamen-
tos aumentou recentemente. Muitos, talvez a maioria dos levantamentos,
entretanto, tm sido o que se denominou levantamentos descritivos.
4 Minha dvida aumenta, entretanto, pelo que Hyman e outros (1975, p. 25)
dizem. a respeito de um rpido teste de inteligncia (vocabulrio) aplicado em
um dos levantamentos usados por eles. Os adultos escolarizados tiveram notas
mais altas. Em outras palavras, h uma relao positiva entre inteligncia e feitos
da escola. Em pesquisa, principalmente em pesquisa educacional, muitas vezes se
deseja que todas as pessoas tenham exatamente a mesma inteligncia!
170
Os levantamentos descritivos procuram determinar a incidncia e
distribuio das caractersticas e opinies de populaes de pessoas,
obtendo e estudando as caractersticas e opinies de amostras pequenas
e presumivelmente representativas de tais populaes. So usadas ampla-
mente pelo governo, pelas firmas e organizaes. O propsito bsico das
levantamentos usados desta forma no cientfico, mas antes orientado
para a ao e para diretrizes de ao. Entretanto, os levantamentos des-
critivos tm tido efeitos muito fortes sobre a pesquisa comportamental
em geral, principalmente atravs de seu procedimento sofisticadssimo
de amostragem e entrevista. J discutimos amostragem aleatria e suas
caractersticas. Para fins prticos altamente desejvel que as amostras
estudadas sejam representativas. Desejamos dizer que o resultado obtido
em um estudo de grande escala representativo. Se a amostra for sem
dvida representativa, ento, os resultados obtidos por meio dela podem
ser generalizados para toda a populao. Se 80 por cento de uma amostra
respondem favoravelmente a uma questo sobre uma possvel diretriz
do governo, por exemplo, acredita-se que, se se fizesse a mesma pergunta
a todas as pessoas de um pas, um estado, uma cidade ou uma organi-
zao, perto de 80 por cento delas seriam favorveis.
H vrias maneiras de tirar amostras para fins de levantamento,
mas a nica que d uma razovel garantia geral de ser representativa
alguma forma de amostra aleatria. Freqentemente os levantamentos
usam o que se denomina procedimento de amostragem aleatria estrati-
ficada, que mostrou vrias vezes ter uma alta probabilidade de ser
representativa.
A tabela 1 O . 5 contm evidncias notveis e assegurado r as da
representatividade de grandes amostras aleatrias de todos os Estados
Unidos. O mtodo consiste em verificar a incidncia de caractersticas
sociolgicas prontamente disponveis de uma amostra com as ~ e s m s
caractersticas obtidas no censo mais recente - ou com outra fonte
de confiana de tais dados.
Tabela 10.5 Cnmparaes de dados de amostras com dados do censo; estudo de
Stouffer (1955).
Caracterstica
Meio urbano
Masculino
Negro
Universidade
Segundo grau
Escolaridade primria (ou nenhuma)
Levantamento
66,0%
46,6
8,9
17,1
45,4
37,5
Censo
64,0%
47,7
9,2
15,4
43,5
41,1
171
A comparao das porcentagens da amostra e do censo na tabela
10.5 mostra estreito acordo. Os clculos da amostra, com exceo da
escola primria, esto dentro dos 2 por cento dos clculos
Verificaes semelhantes em outros levantamentos mostram clculos de
amostras da incidncia de tais caractersticas na populao aproximan-
bastante dos clculos do censo.
5
No estudo de Stouffer foram
comparadas as porcentagens obtidas em resposta a questes diferentes
em duas amostras aleatrias independentes dos Estados Unidos. Na tabela
10. 1 reproduzimos as respostas de lderes e no-lderes da comunidade
a uma pergunta sobre tolerncia em relao no-conformidade reli-
giosa. As porcentagens relatadas na tabela foram as obtidas em apenas
uma das amostras de Stouffer. As porcentagens obtidas nas duas amos-
tras, entretanto, estavam todas dentro de 3 por cento ou menos uma
da outra. Nas seis porcentagens da tabela 10.1, as diferenas entre
elas e as da segunda amostra foram 2, 1, 3, 1, 1 e O pontos de porcen-
tagem. Esta uma demonstrao muitssimo convincente da fora do
levantamento por amostragem. muito mais convincente ainda quando
se considera que os tamanhos das amostras usadas nos levantamentos
so de menos de 3.000 indivduos, e em geral consideravelmente menos.
Os levantamentos e formas relacionadas de investigao so impor-
tantes tanto para os objetivos cientficos de estudar relaes quanto para
objetivos de ao prtica e orientados para a tomada de decises, mas
particularmente para o ltimo. Exemplos de levantamentos para objetivos
cientficos j foram dados neste captulo. (A nfase deste livro em cincia
e em pesquisa comportamental cientfica ditou tais exemplos.) Vamos
mencionar apenas um exemplo de uso prtico de levantamentos orienta-
dos para a fixao de diretrizes.
Desde .1946 o Survey Research Center, da Universidade de Michi-
gan, vem conduzindo levantamentos sobre o estado financeiro do consu-
midor para o governo federal. Seu objetivo foi variado, mas um objetivo
geral parece ter sido o de fornecer ao governo federal e s partes inte-
ressadas informaes exatas sobre o verdadeiro e futuro comportamento
econmico do povo norte-americano, para que o governo pudesse formu-
lar as diretrizes econmicas para equilibrar ou prevenir, por exemplo,
perturbaes econmicas de natureza perniciosa.
6
Os levantamentos
5 O leitor curioso pode perguptar: pode-se confiar nos clculos do censo? Afinal,
as cifras do censo, embora presumivelmente valores de populao, tm um nmero
de fontes de erro que reduzem sua exatido ideal. H alguns at que dizem que
confiam mais nos clculos das amostras que nas cifras do censo. Em todo caso,
as cifras do censo so geralmente bastante exatas. E, afinal, preciso usar
alguma coisa para verificar os clculos das amostras!
6 Para um breve relato destes levantamentos e outros estudos aplicados, veja
Likert e Hayes (1957).
172
anuais foram, evidentemente, altamente eficazes e forneceram informaco
nacional exata sobre a renda e suas fontes, poupana, dvidas, bens, de
consumo, intenes do consumidor e assim por diante.
Levantamentos de interesse para os pesquisadores comportamentais
tm focalizado pessoas e fatos vitais relacionados a elas, suas crenas
atitudes, motivos e comportamentos. Apesar de que
habilidade na realizaao de entrevistas, bem como o uso de formulrios
cuidadosamente planejados predominam nos levantamentos, usam-se
tambm outros mtodos de observao. Em resumo, o levantamento
forma de investigao sociolgica (com fortes implicaes psico-
logicas, naturalmente) amplamente usada, especialmente para metas
prticas e de de diretrizes, e que influenciou a pesquisa com-
portamental pnncipalmente com seu procedimento de entrevista e amos-
tragem, como j foi mencionado. Os resultados foram, notavelmente
exatos e generalizveis. Podemos confiar em tais resultados, se
de amostragem aleatria feita pelas melhores organizaes espe-
Cializadas em dirigir nossa ateno agora para
uma forma de anahse comum e Importante que usada em levanta-
mentos e em outras formas de investigao sociolgica.
Anlise de freqncias
apresentados vanos exemplos de anlises de freqncias
antenormente, sem explanao tcnica. Estas . explanaes no foram
dadas porque os exemplos nos pareciam to bvios que no achamos
Por no antecipar a explanao? Porque
a prevalencia de tais analises exige compreenso dos princpios envolvi-
dos. Alm disso, precisamos equilibrar nossa preocupaco anterior com
anlise que usa estatsticas de tendncia central e variabilidade.
. Uma freqncia simplesmente uma contagem de alguma coisa.
Se tivermos uma amostra de 300 indivduos e contarmos homens e mulhe
re,s, estes so freqncias. Mais exatamente, freqncia
0
de mdtviduos em uma de duas ou mais categorias ou classes.
Se 1?2 mulheres e 148 homens na amostra, 152 e 148 so
numeras que caem nas duas categorias, homens e mulheres. 7
Em pesqmsa, as tabulaes de diversas categorias e as freqncias nelas
7
do UJ?a definio diferente. Dizem que freqncia a razo
enLe o que esta em uma classe ou categoria e o nmero total que est
sendo classificado; no exemplo acima, 152/300 e 148/300 seriam freqncias
Na estas_ so. "freqncias relativas". Usamos a definio mais
para evitar confusao.
173
observadas so chamadas distribuies de freqncia. So essas distri-
buies de freqncia que aparecem geralmente em publicaes popu1a-
res. Mas elas no nos interessam; geralmente no
entre variveis.
Cruzamentos e clculo de porcentagem
O que nos interessa estabelecer as distribuies de freqncia em
oposio. Tais distribuies geralmente so pequenas, isto , com poucas
categorias. Quando assim fazemos, elas so chamadas cruzamentos ou,
mais tecnicamente, parties cruzadas. A tabela 10.2 traz um cruza-
mento. Observe qae as duas variveis, classe social e desmame, esto
colocadas uma contra a outra. Isto , as clulas da tabela expressam a
co-ocorrncia das duas variveis. As freqncias nas clulas "expressam"
a relaco entre as duas variveis. Falando claramente, descobrimos que
33 mes que eram de classe mdia desmamaram cedo, 22 desmamaram
tarde e assim por diante. Esta a forma mais simples de cruzamento,
duas clulas por duas clulas, que expressam a relao mais simples
possvel.
As tabelas 10. 1 e 10.3 tambm contm cruzamentos dois por dois,
mas as freqncias foram convertidas em porcentagens para realar a
forca das relaces nas tabelas. O cruzamento da tabela 10 .4, tambm
em' forma de porcentagem, , na realidade, quatro cruzamentos. Cada
linha mais uma replicao do que uma categoria de uma varivel
-com metade de uma categoria, nvel de escolaridade, omitida. (Os 36
por cento na primeira clula significam que 36 por cento dos que
foram escola primria, no grupo de idade 25-36, sabiam as perguntas
de conhecimentos. Isto implica, naturalmente, que 64 por cento no as
sabiam. As tabelas de cruzamento so freqentemente truncadas desta
maneira.)
A converso das freqncias de uma tabela em porcentagens feita
para facilitar "ver a relao" e avaliar sua fora. A regra para converso
: "Calcule as porcentagens da varivel ou variveis independentes para
a varivel dependente".
8
Por exemplo, na tabela 1 O. 2, a varivel inde-
pendente classe social e a varivel dependente desmame. Portanto, as
porcentagens so calculadas ao longo da linhas (33/55 = 0,60 = 60 por
cento e assim por diante). Na tabela 10.1, a varivel independente
lideranca de comunidade, ou lderes e no-lderes, e a varivel depen-
dente i tolerncia, ou respostas Sim ou No a questes sobre no-confor-
8 H uma razo estatstica por trs desta regra. Veja Kerlinger (1973, pp. 162-166)
para a explicao tcnica. Damos uma explicao no-tcnica mais adiante. '
174
midade religiosa. Observe como a fora da relao se mostra clara-
mente nas duas tabelas. Se as porcentagens fossem calculadas de outra
forma, pelas colunas, a direo da relao ficaria expressa incorreta-
mente e talvez levasse a concluso errada. Tais tabelas calculadas incorre-
tamente j foram pubhcadas. (No importa se as porcentagens forem
calculadas por linhas ou por colunas, contanto que a regra de calcular
da varivel mdependente para a varivel dependente seja seguida.)
Um exemplo de possvel clculo incorreto de porcentagens
Tentando ajudar a desenvolver a compreenso do leitor quanto a
problemas, relaes, anlises e inferncias, vamos discutir agora um
problema sutil e interessante em conexo com o que provavelmente seja
uma anlise incorreta contida em um importante relatrio do governo
sobre desordens civis (Report of The National Advisory Committee on
Civil Disorders, 1968). Em 1967, o Presidente Lyndon Johnson nomeou
uma comisso para investigar e estudar os distrbios raciais que estavam
ocorrendo nas cidades norte-americanas. Sua ordem executiva dizia:
"A Comisso investigar e far recomendaes a respeito de: (1) As
origens dos grandes distrbios recentes em nossas cidades, incluindo as
causas e fatores bsicos que levaram a tais distrbios ... " (ibidem,
p. 534) . A partir de um levantamento feito em Newark, foram obtidas
as respostas dos participantes (P) -e das pessoas no-envolvidas (NE) nos
distrbios questo: "s vezes eu odeio os brancos". A tabela apresen-
tada pela Comisso dada na tabela 10.6 (ibii, p. 176).
As porcentagens dadas na tabela foram calculadas da participao
em distrbios, como uma varivel, para a atitude em relao aos brancos,
outra varivel (indicada pelo acordo ou desacordo com a afirmao).
Pode ser mostrado, a partir da teoria das probabilidades, que
gens so realmente o oue se chama probabilidades condicionais (Kerlin-
ger, 1973, pp. 164-165) cujo enunciado correto derivado do problema
original de pesquisa. O problema original de pesquisa, neste caso, deriva
da ordem do Presidente. Se as causas dos distrbios so o problema,
como ficou indicado na ordem, ento o enunciado se p, ento q, ; se p,
ento distrbio, com distrbio sendo a varivel dependente. O p repre-
senta as causas investigadas. Mas na tabela 10.6 a forma como as
porcentagens foram calculdadas faz p distrbios e q atitude, o que inverte
as variveis independente e dependente. As porcentagens na . tabela, em
outras palavras, implicam na afirmativa: "se distrbio, ento atitude"
ou "se perturbador, ento atitude negativa para com os brancos".
A afirmativa no mas no parece estar de conformi-
dade com o problema enunciado pelo Presidente J ohnson. Parece expli-
175
P (N - 105) NE (N
----
126)
Concordo 72,4% 50,0%
Discordo 27,6% 50,0%
100,0% 100,0%
car as atitudes, mas no os distrbios. O que se dados u_ma
resposta questo: "Qual a de dada a atltu-
de?" Pode ser mostrado que essa probabthdade e obtlda
as porcentagens (mais exatamente, as propores) das ongt-
nais atravs das linhas. As freqncias originais das quatro celulas da
tabela foram obtidas das freqncias de P e NE (lOS e 12?) dadas pela
comisso. As porcentagens, ento, foram calculad_as da atttude para os
distrbios ou nas linhas. Estas porcentagens estao na tabela 10.7 (os
valores fo;am arredondados). So equivalentes a dizer: "Se atitude, ento
distrbio".
Tomando essas porcentagens como _l-se, por
plo: "A probabilidade de distrbios, dada a concordancta a
tiva 'As vezes eu odeio os brancos', 0,55 (ou 55 por cento) . obviO
que essas probabilidades ou porcentagens contam histria diferente
da do relatrio da Comisso. Nesta tabela tmp.ortante o
cordo com a afirmativa. Dado o desacordo com a aftrmattva, a probabili-
dade de 0,68 de que indivduos no se envolvero. Dado o acordo, a
probabilidade de 0,55 de que os indivduos participaro dos
Mais importante, as porcentagens ou probabilidades na tabela 1 O. 7 estao
em consonncia com as ordens do Presidente; as da tabela 1 O. 6 parecem
no estar em consonncia com elas.
Este exemplo particularmente difcil porque, neste caso, podem
ser oferecidos argumentos razoveis para ambos os mtodos de calcular
as porcentagens. J que a atribuio e obietivo da comisso foram, entre-
tanto, determinar por que ocorriam as perturbaes, o peso do argumento
parece cair para o lado do clculo de p()rcentagens da tabela 10.7 e
contra o da tabela 10.6. O enunciado correto do problema, na forma
"se p, ento q", : se atitude, ento perturbao e no se perturbadores,
ento atitude.
O exemplo foi explanado mais extensamente para dar ao leitor algo
mais que a oportunidade de um rpid? olhar para um problema de
anlise e interpretao interessante e Importante. Pode-se ter ganho
tambm maior compreenso da anlise de cruzamentos simples. O pro-
blema substantivo importante tanto terica quanto praticamente. O
176
Tabela 10.7 Respostas de participantes em distrbios (P) e pessoas no-envolvidas
(NE), com porcentagens calculadas por linhas.
p
NE
Concordo
55%
45%
100%
Discordo
32%
68%
100%
desafio do presidente Comisso quase equivalente a estabelecer um
problema cientfico: " O que causou os distrbios raciais?" Isto , sem
dvida, um desafio para os psiclogos e socilogos criarem uma teoria
para explicar a violncia racial, a tenso racial e as atitudes raciais,
assim como determinar os fatos do preconceito e da discriminao.
Creio que no preciso enfatizar a importncia do problema.
Outras formas de anlise de freqncias e cruzamento
Os cruzamentos tm vrias formas e modelos. At aqui examinamos
s o tipo mais simples com apenas duas variveis, uma
e uma dependente, e duas clulas para cada varivel. Outras formas
so possveis, naturalmente: 2 x 4, 3 x 4, e assim por diante. possvel
tambm ter-se mais de duas variveis. Alm de trs, entretanto - duas
variveis independente e uma dependente - torna-se difcil e proble-
mtica a anlise e a interpretao. H tambm otros modelos e tabelas.
Um modelo freqente omite parte da participao. Isto , em vez de
tabelas "completas" que exprimam todos os aspectos das variveis,
omitem-se uma ou mais clulas. A tabela 10.4 um exemplo. As por-
centagens relatadas so apenas metade da histria. Por exemplo, no nvel
de idade 25-36, 36 por cento dos que tiveram escolaridade primria
tiveram o conhecimento acadmico testado. E a percentagem dos que
no tinham conhecimento acadmico? Neste caso, naturalmente, 64 por
cento. Est implcito. Se o leitor compreender os princpios bsicos, mais
fcil se torna ler e interpretar a maioria das tabelas de freqncia e
porcentagem.
Investigao sociolgica: uma rpida perspectiva
facilmente possvel escrever um livro inteiro sobre o que foi
chamado aqui investigao sociolgica. Alis, tais livros foram escritos.
A abordagem adotada neste livro, entretanto, enfatiza a pesquisa experi-
mental e a mensurao de variveis contnuas s expensas da nfase na
177
investigao sociolgica, porque tal abordagem provavelmente esteja mais
prxima da natureza da cincia, como em grande parte do estudo experi-
mental e no-experimental de relaes. Quando pos,svel e conveniente,
a experimentao deveria ser feita em laboratrio e no campo, pelos moti-
vos dados anteriormente. Quando possvel, as variveis
medidas usando escalas de valores que pudessem ser atribudas aos obje-
tos medidos. Isso no significa que a pesquisa no-experimental no seja
importante e necessria. No significa tambm que a mensurao que
permita apenas contagem
9
- como a contagem de Stouffer de respostas
Sim e No (tabela 10.1), ou a contagem de Hyman e outros de nmeros
de indivduos em diferentes nveis de escolaridade (tabela 10.4)- no
seja necessria e importante. Em suma, ambas as abordagens so
necessrias e indispensveis na pesquisa comportamental.
A investigao sociolgica, ento, uma parte extensa e muito
importante da pesquisa comportamental contempornea. Pode-se at dizer
- e certamente seria dito por alguns pensadores - que mais impor-
tante do que a investigao experimental. Considere os levantamentos
e os estudos em larga escala como o relatrio Coleman, Igualdade de
Oportunidades Educacionais. Pode-se dizer ou mesmo tomar por implci-
to que, por haver menos controle e menos certeza de inferncia, a
pesquisa no seja importante? Um dos objetivos deste livro ajudar o
leitor a compreender a tela enorme onde est pintada a pesquisa experi-
mental e a riqueza e variedade de cores que os cientistas comportamen-
tais usam na pintura. Foram dados grandes passos cientficos neste sculo,
principalmente na conceitualizao de problemas de pesquisa e na meto-
dologia. A sociolgica fez e continuar a fazer parte impor-
tante, ativa e criativa do esforo geral.
9 Alguns especialistas consideram que contar objetos includos em categorias no
propriamente mensurao. Outros dizem que mensurao, chamada mensu-
rao nominal. Tomo a ltima posio por causa da definio de mensurao
como a atribuio de algarismos a objetos de acordo com regras. Atribuem-se,
com efeito, J's e O's a indivduos. A regra : se um indivduo pertence a uma
categoria, atribua 1; se no, atribua O. Um exemplo sexo: atribua 1 para
masculino, O para feminino (ou vice-versa).
178
11. A abordagem multivariada:
regresso mltipla e partio da varincia
A realizao de crianas na escola tornou-se foco de intensa ateno
da pesquisa. Psiclogos, socilogos, economistas e educadores esto
fazendo estudos e anlises tentando compreender e prever a realizao.
A realizao sempre foi, naturalmente, mais ou menos estudada. Hoje,
entretanto, a abordagem o que pode ser chamada multivarivel, ou
multi variada. "Multivariada" significa "muitas variveis". Tornou-se de
conhecimento geral entre os cientistas comportamentais que quase qual-
quer fenmeno tem muitas determinantes e no apenas uma ou duas.
A realizao de crianas na escola um grande exemplo. Assim, se
quisermos compreender e poder prever a realizao, devemos estudar de
alguma forma os efeitos de muitas variveis sobre a realizao. Sem :-
dvida, se quisermos compreender qualquer fenmeno complexo psico- -
lgico, sociolgico ou educacional, devemos freqentemente abordar o
problema de maneira multivariada.
Uma divergncia tcnica: partio da varincia
Para podermos falar inteligentemente sobre a abordagem multiva-
riada aos fenmenos e dados comportamentais, precisamos compreender
uma idia relativamente simples mas altamente tcnica, a partio da
varincia. Se medirmos a realizao verbal de crianas com algum tipo
de teste, obteremos uma nota de realizao verbal para cada criana.
As notas sero diferentes umas das outras; em geral haver diferenas
individuais considerveis. Algumas crianas vo se sair muito bem e
vamos supor que tiveram grande realizao. Outras nem tanto e vamos
acreditar que no tiveram a realizao que desejaramos. As notas
variam; em outras palavras, mostram variabilidade ou, mais tecnica-
mente, varincia.
Varincia .significa duas coisas em pesquisa; primeiro usada como
termo geral para expressar a variabilidade das caractersticas de indi-
vduos e objetos, para expressar as diferenas nas caractersticas. Dizem
os pesquisadores: "A varincia de realizao naquela escola maior que
a varincia de realizao nesta escola". Significa que as diferenas de
179
realizao entre alunos da primeira escola maior que as diferenas de
realizao na segunda. Mais especificamente, a amplitude das notas de
realizao na primeira escola maior que a amplitude das notas de
realizao na segunda escola. Este significado de varincia geral-Q!ente
associado a diferenas individuais entre crianas em caractersticas psi-
colgicas. Pode tambm ser associado, entretanto, a diferenas entre
objetos e grupos. Diz-se, por exemplo, que as notas mdias de realizao
de classes, ou escolas, diferem. Aqui estamos falando sobre as varincias
de classes e escolas. A idia de diferenas individuais, ento, geral,
desde que definamos "individual" de maneira ampla.
O segundo significado ou uso de varincia mais sutil e mais
tcnico, mas muitssimo til, como veremos. Aqui os pesquisadores
falam sobre a quantidade de varincia em uma varivel dependente
sendo "devida a" ou "explicada por" uma manipulao experimental
ou por outras variveis. Por exemplo: "A manipulao de autoridade
explicou 20 por cento da varincia das medidas de obedincia". Supondo
que houvesse dois grupos experimentais, a afirmativa significa que a
diferena mdia entre os dois grupos - ou a varincia entre os dois
grupos - foi "responsvel" por 20 por cento da varincia total das
medidas da varivel dependente, obedincia.
Um enunciado mais complexo que reflete este segundo significado
da varincia e seu uso : "A inteligncia foi responsvel pela maior
parte da varincia de realizao. As atitudes das crianas e seu ambiente
familiar foram tambm responsveis por substanciais pores da varin
cia. As variveis escolares foram responsveis apenas por uma pequena
poro da varincia". Este enunciado especifica a influncia na variabili -
dade de uma varivel dependente, realizao, de quatro variveis inde-
pendentes: inteligncia, atitudes, ambiente familiar e variveis escolares.
O enunciado sobre a manipulao de autoridade como sendo res-
ponsvel por 20 por cento da varincia de obedincia um enunciado
univariado: s uma varivel independente, autoridade, afeta a varivel
dependente, obedincia. O enunciado mais complexo especifica a n ~ u ~
cia sobre a variabilidade de uma varivel dependente de quatro vanve1s
independentes. I! uma afirmativa multivariada: diz-se que mais de uma
varivel independente influencia uma varivel dependente.
1
Naturalmente encontramos tais problemas em captulos anteriores.
Por exemplo, os delineamentos experimentais fatoriais foram discutidos no
captulo 7. Aqui e ali em outros captulos foram mencionados problemas
1 Esta afirmativa no bem exata. "Multivariada", estritamente falando, refere-se
a mais de uma varivel independente e mais de uma dependente. Neste livro
consideraremos qualquer situao em que haja duas ou mais variveis indepen-
dentes e uma ou mais variveis dependentes como multivariadas.
180
multivariados. A variao e a varincia foram tanibm discutidas. Agora
precisamos ir mais adiante e mais a fundo.
Vamos examinar a realizao de crianas do ponto de vista de
vurincia. Queremos conhecer as principais influncias sobre a realizao
escolar, e obtivemos em uma pesquisa com 300 crianas, digamos, seis
medidas de variveis consideradas de influncia sobre a realizao. Preci-
samos estudar as relaes bastante complexas entre, por um lado, a reali-
zao verbal medida por um teste compreensivo p realizao verbal, e,
por outro, inteligncia, motivao, atitude em relao escola, ambiente
familiar classe social e sexo. Admitimos que dispomos de mdidas vlidas
c fidedignas de todas as variveis.
Primeiro, consideremos a figura 11 . 1, que se acredita representar
o efeito apenas da inteligncia sobre a realizao. A rea total do crculo
representa a varincia total dns notas dos testes de 300 crianas do nono
ano, digamos. Sabemos que uma poro desta varincia total, que repre-
senta as diferenas individuais das crianas no teste de realizao,
devida diferena na inteligncia das crianas. Isto , algumas crianas
realizam mais e melhor porque tm inteligncia superior; algumas no
realizam tanto nem to bem porque tm menos inteligncia. A poro
da varincia "devida" a inteligncia . representada na figura pela rea
sombreada.
2
Ela ocupa cerca de um tero da rea do crculo. 1?. bastante
realstico: muitas vezes a inteligncia responsvel por toda essa vatin-
cia de realizao verbal. Se considerarmos a rea total do crculo igual
Varincia
devida
Inteligncia
(30%)
Figura 11.1
Varincia de
realizao
2 Expresses que implicam "causa" so difceis de evitar. Por exemplo, expresses
como " devido a" "varincia explicada por", "influncias" e outras tm pelo menos
uma ligeira conotao causal. No intencional, todavia. ~ um subproduto da
linguagem, que sempre rica em atribuies causais. Voltaremos mais tarde a
ta dificuldade.
181
a cem por cento, podemos mostrar aproximadamente quanto da
de realizao "explicado" por inteligncia e pelas outras vanave1s.
Neste caso, a inteligncia responsvel por cerca de 30 por cento.
Sabemos naturalmente, que a inteligncia no a nica
de influncia: A rea maior, no sombreada, expressa a varincia no
explicada pela inteligncia (70 por _se n:ai,s sobr:
realizao, poderamos sombrear mms o circulo. seA
conhecimento completo - se conhecssemos todas as mfluencias.
a realizao - poderamos sombre-lo inteiro. Provavelmente JamaiS
poderemos conhecer todas as influncias. Sem dvida, raramente
mos sombrear mais da metade do crculo quando falamos sobre reah-
zaco Em todo caso tomemos outras varivel, ambiente familiar. Na
figur; 11 . 2 a de realizao devida ao ambiente familiar
mostrada. cerca de 10 por cento da varincia total, digamos.
As figuras 11 . 1 e 11 . 2 expressam os efeitos separados de inteli-
gncia e ambiente familiar. Se essas duas variveis fossem completa-
mente independentes ou no relacionadas uma com a outra - se a
magnitude da relao entre elas fosse zero - ento a situao quanto
varincia se pareceria da figura 11.3. A rea sombreada total ocupa
30% + 10% = 40% da rea total e as duas reas sombreadas no
se sobrepem. Se satisfeita a condi.o de independncia (a falta. Ade
superposio na figura), ento pode-se que por cent?. da
cia de realizao so devidos inteligncia e ambiente famihar, JUntos.
No melhor de todos os mundos de pesquisa possveis, as variveis
independentes seriam independentes uma das outras ou no-correlacio-
nadas. (Naturalmente no por serem independentes umas das outras
Varincia no
explicada por
ambiente familiar
(90%)
Vari ncia de
realizao
Figura 11.2
182
Varincia
expl icada por
ambiente familiar
(10%)
Varincia de
i nteliqncia
(30%)
Figura 11.3
- Varincia de
ambiente
fami l iar
(1 0%)
no
explicada
por
inteligncia
e ambiente
familiar
(60%)
Varincia de
realizao
que elas so chamadas "independentes".) Isto , a magnitude de suas
relaes seria zero. difcil explicar claramente essas idias sem detalhes
tcnicos, especialmente detalhes tcnicos sobre o assunto "correlao"
e os clculos de coeficientes de correlao ou relao. Vamos ento
conciliar e desviar a discusso um pouco para discutirmos correlao e
coeficientes de correlao de maneira no-tcnica. Nossas discusses
anteriores de correlao, embora suficientes para as discusses de antes,
no so suficientes agora para nos permitir discusso mais complexa.
Correlao. coeficientes de correlao e varincia compartilhada
No captulo 4, as relaes foram discutidas e ilustradas. Ficou visto
que uma relao um conjunto de pares ordenados e que possvel
calcular a direo e a magnitude das relaes. (Sugerimos que o leitor
leia novamente a seo do captulo 4 "Direo e Magnitude das Rela-
es".) A variao simultnea de dois con.iuntos de medidas produz
correlao, positiva ou negativa, com magnitudes variando de - 1 ,00
at O a + 1 ,00, + 1 ,00, indicando uma correlao positiva perfeita, -
-1,00, uma correlao negativa perfeita, e O "nenhuma correlao" ou
falta de correlao. Estas trs magnitudes de correlao ficaram ilustra-
das com nmeros simples na tabela 4. 1. As magnitudes situadas entre
estes valores extremos so muito mais provveis de ocorrerem: 0,06; 0,42;
- 0,28 e assim por diante.
O leitor agora precisa aceitar novamente o que segue como certo
porque o clculo estatstico e a prova matemtica no fazem parte deste
livro. preciso tambm que ele ou ela tenha um pouco de pacincia.
(Provavelmente valer a pena.) O smbolo r usado para significar
183
coeficiente de correlao. Por exemplo, r= 0,70 significa que?. correlao
entre duas variveis 0,70. Se r = O, no h variao conjunta ou conco-
mitante entre duas variveis. No se pode dizer nada sobre uma
varivel a partir do conhecimento de outra varivel. Pode-se que
as duas variveis so "independentes". Se a correlao entre inteligncia
e realizao fosse zero, no se poderia predizer nada sobre a realizao
das crianas a partir de suas notas nos testes de inteligncia. Se for
calculada a correlao entre dois conjuntos de nmeros aleatrios, o
coeficiente de correlao se aproximaria de O.
Uma aplicao importante da idia de independncia neste sentido
foi introduzida por uma "dica" dada no captulo 7, onde foram discuti-
dos os delineamentos fatoriais de pesquisa. Diz-se que as variveis inde-
pendentes manipuladas em delineamentos fatoriais so independentes,
significando que sua correlao zero - por definio, j que os sujei-
tos so designados s clulas de tal delineamento ao acaso. Esta uma
propriedade altamente tcnica dos experimentos, cuja discusso completa
devemos abandonar. bastante dizer que significa que os efeitos de
tais variveis independentes podem ser avaliados e interpretados inde-
pendentemente uns dos outros. Isto significa que podemos falar sobre
o efeito da varivel A. sem termos que levar em conta a varivel B,
e vice-versa.
Os coeficientes de correlao (as chamadas correlaes momento-
produto, que so as mais usadas) tm um bonita propriedade que
reala sua interpretao. Se o coeficiente de correlao entre duas
variveis for elevado ao quadrado, o coeficiente elevado ao quadrado
indica a varincia que as duas variveis compartilham. No captulo 4
esta varincia compartilhada foi chamada covarincia. Por exemplo, se
a correlao entre inteligncia e realizao 0,60, ento a varincia
compartilhada indicada por (0,60)
2
= 0,36, que significa que as duas
variveis tm 36 por cento de sua varincia em comum. Na figura 11.1
a varincia de realizao devida a inteligncia foi dada como 30 por
cento. Este realmente um coeficiente. de correlao elevado ao quadra-
do, e pode ser interpretado como porcentagem ou proporo. (Podemos
calcular facilmente o coeficiente original invertendo o tire
a raiz quadrada da porcentagem [a proporo]: V 0,30 = 0,55. O
coeficiente de correlao entre inteligncia e realizao, neste caso,
0,55.)
Explicando a varincia quando as variveis
independentes so corre/acionadas
Novamente, se as variveis independentes no so correlacionadas
(r 0), relativamente fcil analisar e interpretar as pesquisas com
184
mais de uma varivel independente. Sob tais condies simples e "puras"
podem-se calcular os coeficientes de correlao entre cada uma das
variveis independentes e a varivel dependente, somar os r
2
separados
e concluir quanto da varincia total de realizao explicado pelas
variveis independentes. Na figura 11. 3, por exemplo, soma-se 0,30 +
0,10 = 0,40; ou 40 por cento da varincia explicada. Pode-se ainda
falar inequivocamente sobre as contribuies separadas varincia de
realizao das duas variveis independentes: neste caso das duas
variveis independentes, 30 por cento e 10 por cento.
O mesmo raciocnio e clculos podem ser aplicados a todas as seis
variveis independentes mencionadas anteriormente - contanto que as
seis variveis sejam independentes entre si. Uma situao hipottica,
mostrando os coeficientes de correlao entre cada uma das seis variveis
independentes e realizao, mostrada na figura 11.4. Embora o exem-
plo seja ficteio, as porcentagens de varincia indicadas no so irrealis-
tas, embora sejam provavelmente grandes demais comparadas s propor-
es de varincia obtidas em pesquisas verdadeiras. A questo a adio
das varincias sob a condio de independncia e a interpretao das con-
tribuies separadas varincia de realizao. A varincia total explicada
0,30 + 0,10 + 0,08 + 0,10 + 0,06 + 0,02 = 0,66, ou 66 por
cento da varincia de aproveitamento explicada pelas seis variveis.
A grande dificuldade neste no-melhor-dos-mundos-da-pesquisa,
entretanto, que variveis independentes como estas so quase sempre
correlacionadas, e s vezes substancialmente. (Daremos exemplos de
pesquisas reais mais adiante.) Por exemplo, h. uma correlao positiva
entre inteligncia e ambiente familiar. Suponhamos que seja r = 0,30,
Inteligncia
(0,30)
Fisura 11.4
Ambiente familiar
(0,1 O)
Motivao
(0,08)
Atitude em
relao escola
(0,1 O)
Classe social
Sexo (0,06)
(0,02)
185
um nmero no irrealista. Ento inteligncia e ambiente familiar tm
alguma coisa em comum (r
2
= [0,30]
2
= 0,09), o que significa natu-
ralmente que elas no so independentes uma da outra. Isto quer dizer
que a suposio de independncia das variveis independentes aceita
antes falsa, que por sua vez significa que as interpretaes dos dados
feitas antes so tambm falsas!
Olhe a figura 11. 5, onde est esboada a nova situao de correla-
o das trs variveis. As correlaes entre inteligncia e realizao, e
entre ambiente familiar e realizao so ainda as mesmas. Mas agora a
correlao entre inteligncia e ambiente familiar j no mais zero,
como na figura 11.3, mas 0,30. Isto, na figura 11.5, equivalente a
0,30
2
= 0,09, ou 9 por cento das varincias de inteligncia e ambiente
familiar so compartilhados. No podemos mais falar sobre o efeito da
inteligncia sobre a realizao sem levar em conta at certo ponto o
ambiente familiar. Em outras palavras, quando h correlaes maiores
que zero (ou menores que zero) entre as variveis independentes, a
interpretao dos resultados da pesquisa mais difcil e complexa.
Representar a situao da figura 11.4, quando as variveis so
correlacionadas, difcil. Tal figura no apenas se torna confusa por
causa das superposices das varincias: a verdadeira situao (as cOrre-
laes entre as variveis e suas covarincias) pode ultrapassar e ultra-
passa as duas dimenses da superfcie do papel. Vamos abandonar, pelo
menos temporariamente, os diagramas e mudar de assunto, mas sem
abandonar o tema principal.
Ambiente
familiar
(0,10)
Intel igncia
e ambiente
famili ar
(0,09)
Intel igncia
(0,30)
Figura 11.5
186
Varincia de
realizao
Regresso mltipla
Muitos especialistas podem considerar o assunto de regresso mlti-
pla - a anlise fatorial e outras abordagens e mtodos multivariados -
no apropriados para um livro como este. Afinal, o propsito do livro
introduzir o leitor pesquisa cientfica comportamental de forma con-
ceitual e no-tcnica. A resposta simples: no possvel compreender
a moderna pesquisa comportamental sem compreender as abordagens
multivariadas e as idias por trs delas. Mais ainda, um livro sobre
pesquisa comportamental que no leve em considerao tais abordagens
e tcnicas analticas to importantes como regresso mltipla e anlise
fatorial seria imediatamente obsoleto. Estas abordagens so importantes
demais para serem negligenciadas. Desempenham um papel por demais
ativo e funcional nas cenas contemporneas e futuras da pesquisa com-
portamental. Em todo caso, enfrentamos a tarefa de compreender essas
metodologias complexas sem muita elaborao tcnica. Talvez a melhor
maneira de fazer o trabalho seja aquela que j usamos muito: atravs
de um exemplo real de pesquisa seguido de explanaes das idias por
detrs do pensamento e anlise.
Predizendo a realizao na escola secundria:
o estudo de H oltzman e Brown
Tem havido vrios estudos sobre suces&a e fracasso na escola
secundria e na universidade. So os geralmente chamados estudos predi-
tivos: os pesquisadores predizem a realizao no secundrio e na univer-
sidade usando diversas variveis indepencientes como indicadores predi-
tivos. Por exemplo, inteligncia e mdia global do 2.
0
grau (a mdia de
todas as notas que o estudante recebe no 2.
0
grau) so bons indicadores
preditivos no sentido de que explicam pores substanciais da varincia
de sucesso e falta de sucesso na escola. (Lembre-se de que a varincia
da varivel dependente significa diferenas entre estudantes, neste caso,
digamos, as diferenas refletidas pelas notas no segundo grau.) Em tais
pesquisas um procedimento comum administrar duas ou mais medidas
os estudantes - ou usar medidas j administradas pelo sistema escolar
- e correlacion-las com uma medida de sucesso, real ou presumido,
no trabalho acadmico. Atravs de um procedimento estatstico .. calcu-
lo-se o "efeito" combinado ou conjunto das variveis independentes
sobre a varivel dependente. 1.: tambm fei ta geralmente uma tentativa
de avaliar as contribuies de cada uma das var.iveis independentes .
11 sim como combinaes de variveis independentes. O primeiro passo
comparativamente simples; o segundo mais difcil e arriscado.
187
A predio do sucesso na escola s vezes .
usando-se como indicador preditivo alguma medtda de aptldao academtca,
ou medida geral de capacidade para o trabalho escolar. e
Brown (1968) usaram uma tal medida com 1.648 alunos da settma sene.
Usada sozinha, a medida explicou 37 por cento da varincia das
no secundrio. A predio, ento, da varivel independente,
acadmica, para a varivel dependente, notas, teve sucesso nf.
de que uma poro substancial da varincia de notas no secun'ano foi
compartilhada com a varivel preditiva, aptido acadmica. Esta uma
descoberta comum na pesquisa educacional: testes de habilidade geral,
tais como testes de inteligncia, testes de aptido geral (principalmente
de aptido verbal) e testes de aptido acadmica predizem bem para o
sucesso escolar.
A abordagem preditiva , entretanto, muito mais sofisticada do que
isfo. H muito se sabe que necessrio bem mais para a realizao
escolar do que capacidade intelectual, por mais importante que
H anos, ento, os pesquisadores educacionais tm usado outras medtdas
para melhorar a predio. Vamos supor que temos dois testes e que
saibamos que cada um deles prediz bastante bem o sucesso
Poderemos coloc-los juntos na forma do exemplo mostrado na ftgura
11.3 e melhorar a predio? Se um teste, um teste de capacidade geral,
responsvel por 30 por cento da varincia de sucesso escolar e um
segundo teste responsvel por 10 por cento, poderemos somar as duas
porcentagens para obter a quantia total de varincia explicada por ambos
os testes? Se os dois testes preditores so independentes um do outro -
se r 12 (o coeficiente de correlao entre os testes 1 e 2) O, em outras
palavras - a resposta Sim. Mas se os dois test:s no forem indepen-
dentes um do outro, ento as duas porcentagens nao podem ser somadas
de maneira simples. Tal situao foi na 11. 5, onde .as
variveis independentes eram correlac10nadas postttvamente e asstm
compartilhavam varincia entre si, assim como com a varivel depen-
dente.
No estudo de Holzman e Brown, o teste de aptido acadmica
explicou 37 por cento da varincia das notas no secundrio. Holztman
e Brown usaram tambm uma medida complexa de hbitos de estudo e
atitudes, que sozinha foi responsvel por 30 por cento varincia de
notas do segundo grau. Mas a aptido acadmica e os hbitos de
e atitudes tambm compartilharam varincia, uma poro da
tambm compartilhada com as notas. H dois problemas pnnctpats.
Ambas as variveis explicam que poro da varincia de notas? Em que
cada varivel contribui independentemente da outra varivel? Por causa
da natureza comparativamente no-tnica de nossa podemos
responder apenas primeira questo - mesmo asstm, apenas de um
188
modo geral. A resposta segunda questo bastante complexa. Vamos
tentar, de qualquer maneira, dar uma resposta aproximada.
Varincia compartilhada, a equao de regresso mltipla e
pesos de regresso
A situao de varipcia compartilhada, dos dados de Holtzman e
Brown, representada aproximadamente na figura 11.6. Cada crculo da
figura representa a varincia da varivel designada .(por extenso). O
crculo inferior esquerdo, por exemplo; representa a varincia da aptido
acadmica. A varivel dependente, o fenmeno a ser explicado (ou
predito) representado pelo crculo Realizao no Curso Secundrio.
Os outros dois crculos representam os preditores. Na medida em que a
rea da realizao escolar invadida pelos outros dois crculos, a predi-
o feita com xito. A rea superposta sombreada, denominada AA e
RCS, representa a varincia compartilhada pelas variveis Aptido Acad-
mica e Realizao no Secundrio (mdia de notas). A poro sombreada
HEA e RCS representa a varincia de Hbitos de Estudos e Atitudes e
Realizao no Secundrio. A rea duplamente hachuriada representa a
parcela da varincia de Realizao no Secundrio explicada ou predita
pelas duas variveis independentes "trabalhando juntas". :1! esta parcela
da varincia de Realizao no Secundrio que a aptido acadmica e os
hbitos de estudo compartilham. Para fins preditivos , por assim dizer,
redundante. Representa tambm parte da correlao total entre Aptido
Acadmica e Hbitos de Estudo e Atitudes. (Observe que h tambm
uma pequena poro da superposio entre as duas variveis indepen-
dentes que no faz parte da varivel dependente; a pequena rea em
branco abaixo da rea duplamente hachuriada.)
AAe RCS
HEAe RCS
AA.HEAeRCS
Figura 11.6
189
A anlise de regresso mltipla analisa eficiente e pronta_:nente
situaes como esta. Primeiro, calcula-se equaao de
regresso. Pode ser tambm chamada equaao de pred1ao. Com duas
variveis independentes, a equao fica assim:
Y' = a + b1 X1 + bz X2
Valer a pena o leitor perder tempo e se dedicar a compreender esta
equao. terica e praticamente importante e til.. Y' a
varivel dependente, ou pode representar a nota predlt.a para qu,a!quer
indivduo da amostra estudada. a pode ser desconsiderada: e uma
constante usada para ajustar os valores calculados produzidos pela
substituio de valores apropriados na equao. xl e x2 representam
os valores ou notas nas duas variveis independentes. b1 e b2 so chama-
dos coeficientes de regresso. Expressam os pesos relativos das duas
variveis independentes na predio. (Mas veja abaixo).
Os X's - X1, X2, . . XK - so notas nas variveis 1, 2 . . . k.
Isto , se tivssemos duas variveis independentes, como na equao
acima, e 200 sujeitos, cada um dos sujeitos teria 2 notas, um? em
X e uma em X2. Um coeficiente b expressa o peso que uma determmada
v:rivel independente tem na situao de regresso. "b1 X1" significa
que qualquer valor de qualquer indivduo na varivel 1 .
pesado (multiplicado) por b,. "b2 X2" e, se houvesse ma1s
independentes, outros b's e X's, tm significado U:n
ciente baixo significa que a varivel qual o coeflc1ente esta hgado
recebe menor peso na equao. Um alto coeficiente, naturalmente, tem
o significado oposto.
Suponhamos que tenha sido calculada uma equao de regresso
a partir de um conjunto de dados:
Y' = 0,10 + 0,68X1 + 0,39X2
Os pesos b de 0,68 e 0,39 indicam que os valores X1 ter? maior
que os valores X2 Isto significa que X1 realmente ma1s lmpor.tante
que os valores X2 na predio? No podemos A
pretao dos pesos de regresso em geral nao e tao s1mples e facll.
Certamente, se a questo acima ficou usada para predizer o valor ,"
qualquer indivduo baseado no conhecimento de suas notas nas vanave1s
1 e 2, X1 receberia peso maior que X2. Isso, entretanto, nem sempre
significa importncia maior.
Tomemos dois casos, digamos os indivduos 7 e 41 numa
de 50 pessoas. Seus valores de X1 e X2 so (2,4) e (10,5), respectiva-
mente. Ento, substituin<!_o na equao de regresso:
190
Indivduo 7: 0,10 + (0,68) ( 2) + (0,39) (4)
Indivduo 41: 0,10 + (0,68) (10) + (0,39) (5)
3,02
8,85
Os valores preditos, ou Y', dados os dois conjuntos de valores de
xl e x2, so 3,02 e 8,85. o indivduo 41 recebe um valor consideravel-
mente mais alto em Y' porque sua nota em X1 alta e X1 tem mais
peso (0,68) do que X2 (0,39). O oposto verdadeiro, embora muito
menos precisamente, para o indivduo 7: sua nota mais alta (4) X2,
que pesa menos que X1.
Equaes de regresso, tais como a dada acima, permitem a melhor
previso possvel partindo-se de determinados conjuntos de dados.
Nenhuma outra equao ou mtodo (por exemplo, pode-se simplesmente
somar os valores X1 e X2 para descobrir os valores de Y') oferecer
predio to boa.
Se fossem usados nmeros aleatrios em vez de notas verdadeiras
de teste, ento a predio seria intil por que as correlaes entre
X1 e Y e X2 e Y estariam prximas de zero. Na medida em que X1 e X2
se correlacionam com Y, a predio ser "boa". As "melhores" predies
so obtidas quando as variveis independentes, X1, X2, . . , XK, esto
alta ou substancialmente correlacionadas com Y, a varivel dependente,
e as correlaes entre as variveis independentes so baixas. Quanto
mais altas as correlaes entre as variveis independentes, menos as
variveis sucessivas contribuiro para a predio, e mais difcil e
ambgua ser a interpretao.
O que a anlise de regresso mltipla faz essencialmente estimar
os pesos relativos dos coeficientes de regresso a serem ligados aos X's,
tomando em considerao as relaes (correlaes) entre os X's e Y e
entre os X's. Por exemplo, na equao de regresso dada acima, 0,68
indica a influncia relativa de X1 sobre Y, levando em conta a correlao
de xl com y e a correlao entre xl e x2.
Na equao de regresso dada acima, os b's foram os coeficientes
de regresso. Se as variveis independentes forem medidas com diferentes
escalas de mensurao - por exemplo, os valores X1 podem ter dois e
trs algarismos e os valores X2 podem ter apenas um algarismo - haver
dificuldade de interpretao, porque um b pode ser maior ou menor que
outro simplesmente por causa da escala de mensurao. Alguns pesqui-
sadores preferem portanto usar uma forma de peso de regresso padroni-
zado chamada pesos beta, ou f3's. Tais pesos de regresso geralmente
so calculados rotineiramente por programas de computador e tm certas
virtudes interpretativas. (Tm fraquezas tambm.) Mais importante, eles
podem ser comparados um com outro.
3
Se calcularmos os betas do
estudo de Holtzman e Brown, obteremos a seguinte equao:
3 Na equao e exemplo dados anteriormente, falamos como se os b's fossem
(J's. Isto foi permissv.el porque X, e X, tinham a mesma escala de mensurao.
Em muitas situaes, entretanto, isto seria difcil ou at impossvel.
191
y' = 0,40x1 + 0,49x2
Observe que no h termo constante, a, e que y' e X1 e X2 aparecem
em letras minsculas. As letras minsculas so usadas aqui, em lugar de
outros smbolos usados comumente, para simplificar. Eles significam,
com efeito, valores transformados de sorte a serem comparveis. Aparen-
temente, as duas variveis tm coeficientes de regresso semelhantes;
tm aproximadamente pesos iguais na equao. Obteramos os mesmos
valores y' relativos somando simplesmente as medidas X1 e
nenhuma das variveis possui muito mais peso que a outra.
Avaliando efeitos: o coeficiente de correlao mltipla
Talvez nos seja mais til, compreensvel e interessante perguntar:
"Quo boa a predio?" O leitor de estudos sobre pesquisa comporta-
mental contempornea encontrar freqentemente uma estatstica impor-
tante, R, o coeficiente de correlao mltipla. Lembre-se de que um
coeficiente comum de correlao, r, expressa a magnitude da relao
ou correlao entre duas variveis, X e Y. Expressa o quanto Y varia
com a variao em X, o "caminhar junto" dos valores de X e Y. Expressa
tambm quo bem Y pode ser predito a partir de X. Aprendemos
tambm neste captulo que se r for elevado ao quadrado, r
2
, isto
expressa a quantidade de varincia compartilhada por X e Y. O uso e
interpretao de R so semelhantes. R, o coeficiente de correlao
mltipla, expressa a magnitude da relao entre, por um lado, a melhor
combinao possvel de todas as variveis independentes, e, por outro,
a varivel dependente. Suponhamos que vamos calcular com a equao
de regresso os Y's ou Y' preditos, para todos os membros de um
grupo cujas notas em vrios testes estejam sendo analisadas com
regresso mltipla. J temos suas notas na varivel dependente, Y. Agora,
se calcularmos a correlao, r, entre os dois conjuntos de notas, o (Y')
predito e o (Y) observado, obteremos o coeficiente de correlao
mltipla, R.
J examinamos a natureza de r
2
, o quadrado do coeficiente de
correlao, e aprendemos que expressa a varincia compartilhada por X
e Y. Se fizermos a mesma coisa com R e obtivermos, R
2
, podemos inter-
pretar a relao mais complexa de forma similar. R 2 expressa a varincia
compartilhada por Y e Y'. Mais til para ns, R
2
expressa a quantidade
de varincia de Y, a varivel dependente, explicada pela combinao de
regresso de todos os X's, as variveis independentes. A figura 11 . 4
expressava uma situao hipottica e no-realstica da quantidade de
varincia das notas de realizao explicada por seis variveis indepen-
dentes, assumindo-se que todas as correlaes entre todas as variveis
192
independentes fossem zero. A figura 11.5 expressava a vanancia de
realizao explicada por duas variveis independentes, mas as duas
variveis independentes eram, elas mesmas, correlacionadas. muito
difcil desenhar tal figura com trs ou mais variveis independentes,
tentando representar visualmente todos os r
2
s. muito possvel faz-lo,
entretanto, se usarmos o raciocnio Y e Y' que acabou de ser discutido.
A anlise de regresso mltipla sempre fornece um R e um R
2

R
2
um ndice da quantidade mxima de varincia de Y explicada por
todos os X's, como j ficou dito. Suponhamos que temos uma varivel
dependente, realizao em leitura, (Y), e duas variveis independentes,
aptido verbal (XI) e motivao de realizao (X2). (Motivao de reali-
zao uma medida de quanto o estudante est orientado no sentido
de melhorar na escola.) Suponhamos ainda que a equao de regresso
a dada acima e que R
2
0,51. Este R
2
a porcentagem da varincia
de realizao em leitura devida melhor combinao estatstica possvel
de aptido verbal e motivao de realizao. A situa0 mostrada na
figura 11. 7.
O crculo total representa a varincia de Y, realizao em leitura,
a varivel dependente. A parte sombreada do crculo indica, como sem-
pre, a varincia de Y explicada por uma combinao de X
1
e X
2
, aptido
verbal e motivao de realizao. A parte em branco indica a varincia
da Y no explicada por X1 e X2. chamada varincia residual. Neste
caso 100 - R
2
, ou 1,00 - 0,51 = 0,49 ou 49 por cento d varincia
de Y. (0,51 subtrado de 1,00 porque 1,00 o maior valor que R
2
pode ter.) Parte da varincia residual varincia de erro, erros casuais
e erros de mensurao. Mas pesquisas futuras usando outras variveis
Varincia de V
\total do crculo)
Figura 11.7
Varincia de V
no explicada
por xl ex,
193
independentes podem ser capazes _de reduzir. residual. P_or
exemplo, se acrescentssemos medidas de aptldao antmetlca, classe
e ambiente familiar anlise de regresso, a rea sombreada sem duvida
aumentaria, diminuindo a parte em branco. Em . a
predio de realizao em leitura melhoraria, e a quantidade de vanancia
desconhecida seria assim diminuda.
Dois estudos
Embora a regresso mltipla tenha sido muito usada em pesquisa
comportamental, pode-se dizer com segurana que seu uso apena_s. come-
cou. Certamente tem sido muito menos usada do que a analise __ de
s vezes em casos onde devesse ser usada em lugar da analise
. de Em geral. a anlise de varincia apropriada para dados
experimentais. A regresso mltipla, tanto para
dados experimentais quanto para no-expenmentais. _ admuavelmente
conveniente anlise de dados mistos, dados de pesqmsa em que uma ou
mais variveis tenham sido manipuladas e tambm na qual haja uma
ou mais variveis-atributos. Por isso foi chamada de abordagem geral,
ou mtodo geral de anlise de dados (quando h uma varivel depen-
dente).
Apresentamos resumos de duas pesquisas onde foi usada a
mltipla como principal ferramenta analtica. Como veremos, a regressao
mltipla se adaptou admiravelmente aos problemas dos Sem
dvida difcil imaginar qualquer outra abordagem. Os d01s estudos
do diferentes em sua substncia e propsito, mas compartilham
uma caracterstica importante: ambos usaram variveis ecolgicas ou
para explicar fenmenos importantes. Ilustram tambm um
certo nmero de itens que tentamos estabelecer sobre a abordagem
multivariada em geral e sobre a regresso mltipla em particular.
Marjoribanks: ambiente, etnia e capacidade mental
Marjoribanks (1972), num estudo competente e imaginoso. de
influncias sobre a capacidade mental, usou um mtodo para medir o
que denominou presso ambiental, ou influncia do H_avia
oito "foras ambientais": presso para realizao, pressao para mte-
lectualidade, presso para a independncia e assim por diante. 'c_ada
forca ambiental era medida com vrios itens chamados caractenstlcas
ambientais. Por exemplo: a presso para a realizao entre
os seguintes itens: a expectativa dos pais para a educaao da cnana,
as prprias aspiraes dos pais e a valorizao das realizaes educa-
194
cionais. O instrumento era administrado em entrevistas casas das
crianas. Em resumo, foi medido o ambiente de aprendizado da casa
com o instrumento, sob a suposio de que o ambiente familiar da
criana tinha poderosa influncia sobre sua capacidade mental e reali-
zao.
Marjoribanks desejava estudar a influncia das foras ambientais
sobre o desenvolvimento entre cinco grupos tnicos canadenses: ndios,
canadenses franceses, judeus, italianos do sul e protestantes anglo-saxes.
A varivel dependente do estudo era desenvolvimento mental; foi medida
por quatro subtestes de um conhecidssimo teste de capacidade mental,
o SRA, Teste de Capacidades Primrias: Verbal, Numrica,
Raciocnio. Assim, havia na realidade quatro variveis dependentes, ou .._
quatro aspectos da varivel dependente bsica, capacidade mental.
duas variveis independentes: fora ambiental e grupo tnico, ou etnia .
A pergunta bsica, ento, foi: " Como a fora ambiental e a etnia afetam-;_
o desenvolvimento mental?" Marjoribanks desejava saber como cada :
varivel independente afetava separadamente o desenvolvimento mental
e como afetavam o desenvolvimento mental em conjunto. -
A amostra consistiu de 37 famlias, 18 de classe mdia e 19 d
classe inferior de cada grupo tnico, ou um total de 185 famlias. -
Os cinco grupos tnicos diferiam significativamente nos perfis das quatro ;
capacidades mentais. As maiores diferenas estavam na capacidade
verbal, como j era de se esperar. Estamos mais interessados, entretantQ,
na anlise de regresso mltipla de Marjoribanks, na qual as caracters-
ticas aditivas (e subtrativas) de R
2
foram usacdas. Vamos examinar os
resultados de capacidade verbal e de capacidade de raciocnio.
O R que expressava a correlao entre capacidade verbal, por
um lado, e a combinao de ambiente e etnia, por outro, foi 0,78.
Isto , a correlao entre os Y' previstos, fornecidos pela equao de
regresso que inclua as duas variveis independentes, ambiente e etnia,
e os Y's obtidos, as notas verdadeiras de capacidade verbal, foi 0,78.
Elevando esse R ao quadrado, Marjoribanks obteve R
2
= 0,78
2
= 0,61.
Isto foi interpretado como antes: 61 por cento da varincia de capaci-
dade verbal foram explicados por etnia em combinao com o ambiente,
uma poro substancial da varincia. Aparentemente, podemos dizer
que os fatores ambientais e participao no grupo tnico - as diferenas
entre os grupos tnicos - tm uma forte influncia na capacidade
verbal. E certamente uma informao importante e valiosa. Diz-nos
pouco, entretanto, das "influncias" separadas das duas variveis.
Marjoribanks ento calculou as anlises de regresso separadas, uma
entre capacidade verbal e ambiente e outra entre capacidade verbal e
etnia. Os R
2
foram: 0,50 para capacidade verbal e ambiente e 0,45 para
capacidade verbal e etnia. Para obter estimativas das influncias sepa-
195
radas de cada uma dessas variveis, ele subtraiu seus R
2
's obtidos separa-
damente do R
2
obtido das duas juntas. O ltimo, lembre-se, era 0,61.
Portanto, o efeito separado do ambiente calculado subtraindo o R
2
de
etnia, ou 0,45, de '0,61: 0.61 - 0,45 = 0,16. Assim, 16 por cento da
capacidade verbal era explicada apenas pelo ambiente. O efeito separado
da etnia foi obtido de maneira semelhante: o R
2
de ambiente foi
subtrado do de ambiente e etnia: 0,61 - 0,50 = 0,11. Assim,
11 por cento da varincia de capacidade verbal foi explicado pela etnia,
ou participao no grupo tnico. ,
Este procedimento aparentemente complexo at bem sirrlples.
Calcula-se o R
2
do efeito conjunto das duas variveis. Isto fornece a
varincia total de capacidade verbal devida a ambas as variveis
trabalhando juntas, por assim dizer. Subtrai-se, ento, por sua vez, os
Rz devidos a cada varivel. Isso mostra os clculos de influncia de
cada varivel livres da influncia de outra varivel. E a varincia do
efeito conjunto de ambas as variveis que ainda no foi explicado?
Afinal, os efeitos separados do ambiente e etnia somam apenas a:
0,16 + 0,11 = 0,27. Assim, sobram: 0,61 - 0,27 = 0,34. Este R
2
a parte da varincia total resultante tanto do ambiente quanto da etnia,
e que devido a ambas as variveis trabalhando evidentemente juntas
sem poderem ser separadas. Em outras palavras, as duas variveis tm
influncias separadas e uma influncia conjunta que no pode ser
desmembrada.
No que se refere melhor predio de capacidade verbal, a anlise
acima no importa. Marjoribanks pode dizer simplesmente que 61 por
cento da varincia de capacidade verbal so devidos a ambiente e etnia,
e em futuras situaes podemos usar ambas -e outras, talvez- para
predizer capacidade verbal. A explicao cientfica, entretanto, exige
mais que isso. Queremos conhecer as influncias relativas de variveis
independentes em seus efeitos sobre uma varivel dependente. Queremos
explicar com maior profundidade e detalhes possveis o fenmeno de
interesse e no apenas prediz-lo. Marjoribanks, em sua anlise, preten-
deu tanto a predio quanto a explicao. Vou tentar expressar estas
idias de uma maneira um tanto diferente.
Alguns resultados da anlise de regresso mltipla de Marjoribanks
foram dados na tabela 11 . 1. Das quatro variveis dependentes, apenas
as anlises de capacidade verbal e de capacidade de raciocnio esto
includas na tabela. As varincias totais de ambas as capacidades juntas,
Ambiente + Etnia, so 0,61 para capacidade verbal e 0,22 para capaci-
dade de raciocnio. O 0,61 a proporo (ou porcentagem) da varincia
de capacidade verbal resultante do ambiente e da etnia. A cifra compa-
rvel para capacidade de raciocnio 0,22, muito menos. Estas podem
ser consideradas as varincias "totais" explicadas, e desejamos calcular
196
.separadas das duas variveis independentes, ambiente
c etma. O responde por 0,50 da varineia da capacidacie
verbal. A etma responde por 0,45 da varincia. As cifras comparveis
para capacidade de raciocnio so 0,16 e 0,08. Portanto, vamos nos
concentrar em capacidade verbal para reforar a discusso anterior.
As 0,50 para ambiente e 0,45 para etnia no so,
entretanto, esttmattvas "puras" das contribuies varincia de capaci
dessas v.ariveis porque uma parcela de cada proporo de
vanancta compartilhada pela outra varivel independente. Portanto
parte devida varivel deve ser subtrada da
conJunta de ambas as vanveis. Estes restos so indicados por A - B e
A- C na tabela. A- B = 0,11, por exemplo, significa: da contribui
o "total" conjunta do ambiente e da etnia (A), 0,11, ou 11 por cento,
restam depois de subtrairmos o efeito do ambiente ou O 61 - O 50
= 0,11. ' ' '
s.e voltarmos a os crculos das figuras anteriores, as coisas po
claras. Na ftgura 11.8 usamos o mtodo de descrio de varin-
cta da lgura 11.6. O crculo superior representa a varincia de capaci-
dade verbal, os dois inferiores as varincias de ambiente e etnia. A rea
sombreada entre capacidade verbal e ambiente representa 0,50 da
tabela 11 . 1 e a rea sombreada entre capacidade verbal e etnia repre-
senta os 0,45 da tabela 11 . 1. A rea demarcada com linhas mais escura
esquerda representa a varincia de capacidade verbal devida ao ambiente
.<0,16), que a rea semelhante direita representa a
vanancta de caractdade verbal devida a etnia. apenas (0,11). Observe
Tabela 11.1 VariAncias explicadas por ambiente e etnia, estudo de Marjoribanlc:s
(1972)
Varivel
dependente
Varivel
independente
Capacidade verbal Ambiente + Etnia (A)
Ambiente (B)
Etnia (C)
Efeito da etnia apenas = A - B =
Efeito do ambiente apenas = A - C =
Capacidade de raciocnio Ambiente + Etnia (A)
Ambiente (B)
Etnia (C)
Efeito da etnia apenas = A - B =
Efeito do ambiente apenas = A - C =
R"
0,61
0,50
0,45
0,11
0,16
0,22
0,16
0,08
0,06
0,14
Esta tabela foi das tabelas 5 e 6 de Marjoribanlc:s. e um pouco dife-
rente de suas tabelas.
197
Ambiente
apenas
(0,16)
Figura 11.8
Etnia
apenas
(0,11)
I
tambm que uma poro substancial da varincia de capacidade verbal
devida a ambas as variveis em conjunto (a rea duplamente sombreada).
Assim, as duas influncias trabalham juntas em uma grande extenso;
no podem ser separadas (0,34: 0,50 - 0,16, ou 0,45 - 0,11). H
tambm varincia compartilhada pelo ambiente e etnia que no est
relacionada capacidade verbal (a rea em branco compartilhada por
elas) .
Considerando os valores da tabela 11 . 1, podemos chegar a duas ou
trs concluses. Tanto o ambiente quanto a etnia parecem ter consi-
'dervel "influncia" sobre a capacidade verbal, especialmente quando
"trabalham juntos" (34 por cento) . Suas contribuies em separado,
embora no enormes, so apreciveis (11 por cento e 16 por cento) .
A "influncia" do ambiente independente da etnia parece ser maior
que a "influncia" da etnia independente do ambiente (16 por cento
versus 11 por cento). Anlise semelhante pode ser aplicada capacidade
de raciocnio. Notamos especialmente que ambiente e etnia no so evi-
dentemente nem de perto to fortemente relacionados capacidade de
raciocnio como a capacidade verbal. No difcil compreender esta
importante descoberta. Deixamos para o leitor deduzir o motivo.
Discutimos este exemplo detalhadamente por causa da importncia
e significncia do assunto em si e por causa da importncia da anlise
de regresso. Um mtodo de anlise que pode desemaranhar influncias
complexas desta forma muito valioso. Alm disso, examinamos seu uso
com apenas duas variveis independente. tambm aplicvel com mais
de duas variveis independentes, embora a anlise e interpretao
tornem-se muito mais complexas, difceis e s vezes at imprecisas.
(Marjoribanks sabiamente escolheu tratar suas oito medidas ambientais
como uma varivel independente em sua anlise - depois de estabelecer
198
primeiro que eram todas, em substncia, positivamente relacionadas,
indicando que todas estavam medindo mais ou menos a mesma coisa.)
O leitor deve tambm ficar alerta. Como todos os mtodos de anlise
estatstica, este revela apenas as estimativas dos valores dos R
2
s vezes
os FYs podem ser tendenciosos e enganosos. Analistas e pesquisadores
competentes no usaro os R
2
's sozinhos em suas anlises e interpre-
taes. Usaro tambm coeficientes de regresso, as correlaes originais
de onde os R
2
's emergem, outras estatsticl'!s e resultados de outros
pesquisadores.
Talvez, acima de tudo, os pesquisadores sero extremamente cuida-
dosos em fazer afirmativas causais. Embora tenhamos usado expresses
como "explicada por" e " efeitos", implicaes causais, embora talvez
inevitveis por causa de conotaes de linguagem, no foram intencio-
nais. Na pesquisa de Marjoribanks, particularmente importante ater-se
a esta orientao. Quando falamos da influncia da etnia na capacidade
verbal, por exemplo, certamente pensamos na influncia que o grupo
tnico exerce sobre a criana em sua capacidade verbal - por motivos
bvios. Mas a afirmativa de pesquisa mais exata que h diferenas de
habilidade verbal entre, digamos, canadenses anglo-saxes e canadenses
franceses. Mas essa uma diferena funcional em capacidade na lngua
inglesa. No queremos dizer que ser anglo-saxo de alguma forma
"causa" uma melhor capacidade verbal em geral do que ser canadense
francs. A maneira mais segura de raciocinar provavelmente seja pela
afirmativa condicional to enfatizada neste livro: "Se p, ento q", c0m
uma relativa ausncia de implicao causal.
Cutright: anlise de regresso e correlaes altas
A anlise e os resultados de um estudo feito por Cutright (1963)
pode aumentar nossa compreenso de um!l abordagem multivariada a
problemas cientficos e prticos. Pode tambm nos alertar para uma
dificuldade particular de interpretao que ocorre freqentemente na
investigao sociolgica. Ilustrar tambm interessante mensurao das
chamadas variveis ecolgicas.
Cutright desejava estudar o desenvolvimento poltico de 77 naes.
Em vez de usar indivduos ou pequenos grupos, como unidade de anlise,
Cutright usou pases inteiros. Para isso, ele construiu uma medida com-
plexa de desenvolvimento poltico dando pontos diferentes aos pases
por seu relativo desenvolvimento nos ramos executivo e legislativo do
governo, por exemplo, um ponto por ano em que uma nao tinha um
hefe executivo l i ~ o por voto direto em eleio competitiva. A medida
rcsultante era a varivel dependente. As variveis independentes eram
199
tambm medidas complexas - de comunicao, urbanizao, educao
e agricultura.
As correlaes entre cada uma das variveis individuais e a varivel
dependente, desenvolvimento poltico, eram altas: de 0,69 a 0,81 (uma
era negativa e alta t"ambm). Mas as correlaes entre as variveis inde-
pendentes eram mais altas ainda: 0,74 a 0,88. Isto apresenta um
problema em anlise de regresso mltipla. Lembre-se de que a situao
ideal de predio altas correlaes entre as variveis independentes e
a varivel dependente e baixas correlaes entre as variveis independeu-.
tes. (Marjoribanks contornou este problema combinando as variveis\ in-
dependentes em uma nica varivel independente, depois que uma anlise
separada mostrou que as oito variveis de ambiente eram mais ou menos
medidas da mesma varivel bsica, como indicado anteriormente.)
Quando as correlaes entre as variveis independentes so substanciais,
surgem problemas tcnicos que tornam a interpretao dos resultados
difcil e ambgua. Cutright tinha bastante conscincia do problema e
interpretou cuidadosamente seus resultados.
Em todo caso, o coeficiente de correlao mltipla, R, era 0,82 e
R
2
era 0,67. Mas o R
2
(na verdade r
2
) entre desenvolvimento poltico e
apenas uma de suas variveis independentes, comunicao, foi 0,65!
Assim, as variveis independentes adicionais acrescentavam apenas 0,02
predio de desenvolvimento poltico! Cutright no estava contente,
entretanto, apenas com esta alta predio. Usando raciocnio de regresso,
ele conseguu interpretar o desenvolvimento poltico de naes indivi-
duais. Sua idia, basicamente, era predizer o desenvolvimento esperado
de cada nao, usando a equao de regresso calculada. Isto o mesmo
que calcular os Y's preditos, ou Y's discutidos anteriormente, usando a
informao obtida sobre as variveis independentes. Ou seja, para cada
nao ele substituiu os valores que obteve de cada varivel independente
para aquela nao e ento calculou Y', o valor esperado baseado na
equao.
Por exemplo, vamos supor que ele obteve os seguintes valores de
X para determinado pas: 7 para comunicao, 6 para urbanizao, 6
para educao e 2 para agricultura. E suponhamos que a equao de
regresso calculada de todos os dados fosse:
Y' = 9,0 + 0,82Xl + 0,74Xz + 0,60Xs - 0,65X4
Ento, o Y predito, ou Y', seria:
Y' = 9,0 + (0,82) (7) + (0,74) (6) + (0,60) (6) - (0,65) (2) = 21,48
Suponhamos ainda que o valor obtido de Y, a nota de desenvolvimento
poltico, foi 14,50. Cutright ento podia raciocinar que o desenvolvi-
200
mento d.a nao sob. anlise era mais baixo do que se esperava.
!;>ados mve1s. de comumcao, urbanizao, educao e agricultura,
devena ter ?btldo. uma nota de desenvolvimento poltico de cerca de
21,48. Mas fo1 mais baixa, 14,50. Em todo caso,
0
estudo de Cutnght e um bom exemplo de pesquisa scio-cientfica
sobre um interessante e importante,
0
desenvol-
em que fo1 usada de maneira frutfera a anlise de
regressao multtpla.
201
12. A abordagem multivariada:
anlise fatorial
Quando penso em anlise fatorial, duas palavras me vm mente:
"curiosidade" e "parcimnia". Parece ser um par muitssimo estranho-
mas no em relaco anlise fatorial. Curiosidade quer dizer querer
saber o que em um lugar, como funciona, por que est ali e por
que funciona. Significa tambm o desejo ou a vontade de penetrar as
coisas, de saber o que h por trs delas. Os cientistas so curiosos.
Querem saber o que existe e por que existe. Querem saber o que h por
detrs das coisas. E querem fazer isso da maneira mais parcimoniosa
possvel. No querem uma explanao elaborada quando no
necessrio. A explicao mais simples possvel a melhor - embora
nem sempre: a este ideal podemos chamar o princpio da parcimnia.
Para explicar as coisas, precisamos tentar reduzir as massas de
informao e fenmenos que nos rodeiam a forma e tamanho manejvel.
Nos nossos esforos para explicar os fenmenos tentamos reduzir os
domnios amplos e confusos das variveis, por exemplo, a domnios
menores e mais compreensveis. Suponhamos que estamos trabalhando
em uma rea de interesse e temos nossa frente centenas de variveis
que talvez se relacionem rea de interesse. Uma centena de variveis
demais; no podemos realmente agarrar tantas variveis. Ser possvel
reduzir-lhes o nmero? Sabemos por exeperincia que muitas das cem
variveis so correlacionadas entre si. possvel descobrir quais das
variveis esto correlacionadas com iguais outras, e o quanto esto
correlacionadas? Por esta informao, possvel combinar, juntar de
alguma forma as variveis correlacionadas umas com as outras ou
agrup-las para " criar" variveis novas e em menor nmero?
Suponhamos que tudo isto seja possvel. Criar variveis novas e
em nmero menor satisfar minha curiosidade original em relao
coisa que me deixou curioso? Certamente a reduo de variveis ou do
nmero de variveis parece parcimoniosa. Se tivermos, digamos, 12
variveis em vez de cem, temos uma situao mais parcimoniosa. Pelo
menos achamos e esperamos. Por que insistimos em parcimnia? to
importante?
Em geral os cientistas acreditam que a explicao mais simples, mais
parcimoniosa, a melhor explicao. Isto porque, se deixarmos as
202
I
explicaes e razes se multiplicarem, vamos terminar em confuso, ou
com uma situao to complexa que no poderemos domin-la. Mas parte
de tudo isso questo de f. Temos f em que haja geralmente uma
explicao mais simples para a maioria dos fenmenos. O fato de isso
nem sempre ser verdade no muda a f. Em todo caso, buscar explicaes
mais simples, e depois testar suas implicaes, so preocupaes
cas fortssimas.
Um dos mais poderosos mtodos j inventados para reduzir a com-
plexidade de variveis a maior simplicidade a anlise fatorial. Anlise
fatorial um mtodo analtico para determinar o nmero e natureza das
variveis subjacentes a um grande nmero de variveis ou medidas.
Ajuda o pesquisador, com efeito, a saber que testes devem ficar juntos
- quais os que virtualmente medem a mesma coisa, em outras palavras,
e o quanto medem a mesma coisa. As "variveis subjacentes", nesta defi-
nio, so chamadas fatores''. Algum chamou a anlise fatorial a rainha
dos mtodos analticos. Por qu? Vamos tomar um exemplo famoso, inte-
ligncia e sua natureza, para tentar compreender esta inveno notvel e
a definio dada acima. Inteligncia um bom exemplo por. causa de seu
interesse intrnseco, prtico e -terico, e porque muito se conhece a
seu respeito agora - embora grande parte ainda continue um mistrio.
Antes de comearmos esta discusso, vamos fazer uma digresso para
definir certos termos e ;expresses comumente usados na anlise fatorial
e na anlise multivariada.
Uma digresso definicional
Como ficou indicado, ug1 fator uma varivel subjacente e no-
observada que presumivelmente "explica" testes, medidas ou itens obser-
vados. Na prxima seo deste captulo damos um exemplo de anlise
fatorial de testes de inteligncia. Trs dos testes medem trs aspectos da
inteligncia verbal: Sentenas, Vocabulrio e Completamento. Desco-
briu-se que estes testes medem uma coisa em comum. O estudo do
contedo dos testes parece indicar que o algo subjacente que medido
capacidade verbal. "Capacidade Verbal", ento, um fator.
Mais precisamente, um fator um constructo, uma entidade hipo-
ttica, uma varivel no-observada, que se supe estar subjacente a
testes, escalas, itens e, de fato, medidas de qualquer espcie. Houve
controvrsias quanto aos fatores e anlise fatorial, uma boa parte origi-
nada da suposta "realidade" dos fatores. DeixemQs claro que a nica
"realidade" que possuem os fatores reside em explicarem a varincia de
variveis tal como se revela pelas correlaes entre as
variveis.
203
Uma palavra que aparece freqentemente em anlise fat,)rial e
anlise multivariada em geral "matriz". Sem dvida a lgebra das
matrizes, lgebra que usa matrizes em vez de smbolos
uma ferramenta importante na matemtica da anlise multivariada. Uma
matriz uma ordenao retangular de nmeros - embora possa haver
matrizes formadas de outros smbolos tambm. As matrizes podem,
virtualmente, ter qualquer dimenso: 2 x 2 (leia "dois por dois"),
3 x 20, 1 '5 x 15 e assim por diante. O primeiro nmero geralmente
representa o nmero de hnhas e o segundo, o nmero de colunas.
Uma matriz 7 x 3, ento, tem sete linhas e trs colunas. A matriz da
tabela 12. 1 uma matriz 8 x 3. A matriz da tabela 12 . 2 uma matriz
de correlaes 6 x 6, freqentemente simbolizada por R. As matrizes
de correlaes so simtricas porque a metade inferior abaixo da diagonal
que vai da esquerda superior para a direita inferior e a imagem especular
da metade superior. O tipo de matriz dado na tabela 12.1 chamado
matriz de cargas fatoriais ou coeficientes fatoriais.
A expresso "carga fatorial" ocorre freqentemente. Uma matriz de
cargas fatoriais um dos produtos finais da anlise fatorial. Uma carga
fatorial um coeficiente - um nmero decimal, positivo ou negativo,
geralmente menor que 1 - que expressa o quanto um teste ou varivel
observada est "carregado" ou "saturado" em um fator. Na tabela 12. 1,
as colunas so os fatores, como veremos, e as linhas, os testes ou as
variveis observadas. O teste Sentenas, por exemplo, est "carregado"
0,66 em Verbal (o primeiro fator), enquanto sua carga em Nmero (o
segundo fator) apenas de 0,01. Diz-se que as matrizes fatoriais so
rotadas ou no-rotadas. No precisamos definir o que significam estes
termos. suficiente dizer que as solues finais de anlise fatorial
quase sempre exigem matrizes ou solues rotadas. As cargas fatoriais
sero definidas mais completamente adiante.
I
Para nossos propsitos, uma estrutura fatorial (geralmente) uma
matriz fatorial rotada que mostra a "estrutura", padro, ou configurao
dos fatores e variveis. ("Estrutura fatorial" tambm tem um significado
tcnico que no vamos necessitar em nossa apresentao conceitual.)
Em geral, isto significa quais testes ou variveis esto carregados em
quais fatores. A tabela 12. 1 mostra uma "estrutura fatorial". Assim
tambm a tabela 12. 4. Mas um grfico pode tambm mostrar uma
estrutura fatorial. Nas figuras 12.3 e 12.4 so mostradas estruturas
fatoriais.
O leitor no dever se preocupar muito se no entender completa-
mente o significado destes termos. Eles iro se tornando mais claros
medida que formos avanando no captulo. Agora, vejamos a inteligncia
abordada atravs da anlise fatorial.
204
Inteligncia e sua natureza
Sempre soubemos que h diferenas enormes na maneira pela qual .
as pessoas lidam com problemas. Algumas resolvem-nos rpida, eficiente
e profundamente. Outras no so to rpidas e eficientes. A amplitude
enorme: vai desde indivduos capazes do mais alto grau de compre-
enso intelectual e domnio do pensamento abstrato a indivduos quase
incapazes de qualquer pensamento abstrato. Em um captulo anterior
dissemos que, do ponto de vista da pesquisa, seria muito mais simples
se as pessoas tivessem a mesma inteligncia, se no houvesse diferenas
individuais de capacidade mental. Mas a dura verdade da existncia de
grandes diferenas em capacidade intelectual est a, e no vai desa-
parecer.
Um dos problemas mais difceis e intrigantes que os psiclogos
modernos enfrentam a natureza da inteligncia. O que inteligncia?
uma capacidade nica, unitria, que todos ns possumos em grau
menor ou maior? .Ou no "algo", simplesmente. um conjunto -
de capacidades mais ou menos relacionadas? A experincia de sculos
produziu argumentos para ambos os pontos de vista - e para outros.
Tais argumentos, entretantos, no so cientificamente satisfatrios. H
evidncia cientfica sistemtica em relao natureza da inteligncia?
Felizmente, h uma grande quantidade de evidncia cientfica. Alm
disso, foram feitos grandes avanos em sua mensurao. Paradoxalmente,
entretanto, os psiclogos ainda esto longe de saber com exatido o
que inteligncia. Sem dvida, nem podem concordar em uma definio
de inteligncia. Isso, entretanto, no de forma alguma raro em cincia.
Podem ser feitos grande avanos, aumentar o conhecimento e diminuir
a ignorncia, embora um problema bsico que iniciou a investigao
cientfica ainda no esteja resolvido.
Um exemplo de pesquisa: Thurstone
No incio deste sculo, houve muita teorizao, especulao e
pesquisas sobre a natureza da inteligncia (Guilford, 1967). A natureza
altamente significativa, terica e praticamente. O conhecimento cient-
fico da natureza da inteligncia pode fazer avanar enormemente a
compreenso psicolgica dos processos mentais humanos (e animais).
E assim tem sido. Os P:{eitos prticos, tambm. podem ser enormes.
Mas nosso interesse est no mtodo principal de anlise usado para
estudar inteligncia: anlise fatorial. Tentemos compreender a anlise
fatorial primeiro a pesquisa de inteligncia feita por um dos
grandes psiclogos deste sculo, Leon Thurstone.
205
Thurstone acreditava que a inteligncia fosse um conjunto de capa- /
cidades fundamentais separadas mas relacionadas. Depois de conside-
rvel trabalho criando testes, aplicando-os a muitas crianas e analisando
os resultados, concluiu que havia um certo nmero de entidades subja-
centes a muitos dos testes que ele criara e aplicara s crianas: Percepo,
Nmero, Fluncia de Palavras, Verbal, Espao, Memria, Raciocnio.
Com efeito, ele props uma teoria da estrura da inteligncia e o funda-
mento da teoria eram essas entidades, ou "fatores", como ele e outros
as chamaram.
Para esclarecer isto, vejamos os testes da tabela 12. 1. Em um
estudo, Thurstone e sua mulher (Thurstone & Thurstone, 1941) apli-
caram 60 testes de vrios tipos -vocabulrio, adio, subtrao, multi-
plicao, leitura ao espelho, grupos de letras, reconhecimento de figuras,
etc., - a 710 alunos de oitava srie. Em pesquisa anterior, Thurstone
Tabela 12.1 Testes selecionados de Thurstone e matriz fatorial rotada .
Testes Verbal Nmero Percepo
Sentenas 0,66 0,01 0,00
Vocabulrio 0,66 0,02 -0,01
Completamente 0,67 0,00 -0,01
Adio 0,01 0,64 0,01
Multiplicao -0,03 0,67 0,01
Identificao de nmeros 0,06 0,40 0,42
Faces 0,04 0,17 0,45
Le!tura ao espelho - 0,02 0,09 0,36
As entradas na tabela so chamadas cargas fatoriais. Podem ser interpretadas
como coeficientes de correlao.
descobrira que anlises apropriadas mostravam que certos conjuntos de
testes se agrupavam. Eram correlacionados positivamente, em outras
palavras. Na medida em que dois testes se correlacionem positivamente,
nessa medida (outras coisas mantidas constantes) eles medem a mesma
coisa. Suponhamos que temos trs testes e que suas intercorrelaes
sejam r12 = 0,70, r1a = 0,64, rza = 0,57. Os testes so vocabulrio,
leitura e escrita de sentenas e completamento de sentenas (quando
apresentadas com palavras omitidas). Qual o elemento comum nestes
testes? O que que os faz se correlacionarem to substancialmente?
Thurstone concluiu que era uma capacidade bsica associada ao aprendi-
zado verbal e materiais verbais. Denominou-a "Verbal" ou "Capacidade
Verbal".
206
A tabela 12. 1 d apenas uma pequena parte dos resultados de
Thurstone e Thurstone. Para ilustrar, escolhi apenas trs dos seus sete
fatores: Verbal, Nmero e Percepo. Para o que queremos agora,
entretanto, eles so suficientes. Os nomes de oito dos 60 testes
de Thurstone e Thurstone aparecem no lado esquerdo da tabela. Os
nmeros no corpo da tabela so como coeficientes de correlao e so
chamados "cargas fatoriais". (Veja definio dada anteriormente.) Quan-
to maior o nmero que acompanha um teste - por exemplo, o teste
Vocabulrio tem 0,66 sob Verbal, 0,02 sob Nmero e -0,01 sob
Percepo - mais o teste est associado ao fator. Estas cargas indicam
que o teste Vocabulrio percente ao fator Verbal e no aos fatores
Nmero ou Percepo.
Examine as cargas sob Verbal. Os trs testes mencionados acima
tm as cargas substanciais de 0,66, 0,66 e 0,67. Os outros cinco testes
t cargas prximas de zero (0,01,- 0,03, e assim por diante) . Um ana-
lista dever concluir que estes testes tm alguma coisa em comum -
lembre-se de nossas discusses anteriores sobre correlaes, correlaes
ao quadrado e varincia compartilhada. Os trs testes medem alguma
coisa em comum. Se as cargas fossem 1,00, 1,00 e 1,00 (pouqussimo
provvel), o analista concluiria que estariam medindo a mesma coisa
perfeitamente. Se as cargas fossem 0,00, 0,00 e 0,00 (tambm impro-
vvel), ele concluiria ento que no estariam medindo a mesma coisa.
J que o elemento ou elementos comuns aos trs testes que tm
cargas substanciais esto claramente associados a palavras, o analista
pode concluir oue o " fator" bsico comum capacidade verbal, Assim,
deuominado "Verbal". Raciocnio semelhante aplica-se aos cinco testes
restantes e dois fatores. Os testes Adio, Mutiplicao e Indefinio
de Nmeros tm cargas substanciais de 0,64, 06,7 e 0,40 no segundo
fator. Eles compartilham processos mentais associados a operaes
numricas. Assim, o fator chamado "Nmero".
Dois dos testes, Faces e Leitura ao Espelho, tm cargas no terceiro
fator, Percepo, e em nenhum outro. O teste Identificao de Nmeros,
entretanto, tem carga no terceiro fator e tambm no segundo. Isto quer
dizer que um teste mais complexo. Pode-se dizer que faz parte das
essncias da Percepo e do Nmero. Tais casos ocorrem freqentemente
em investigaes de anlise fatorial.
Alguns elementos de anlise fatorial
Se for aplicado um teste duas vezes mesma amostra de indivduos,
a correlao entre os dois conjuntos de notas deveria ser 1,00. Jamais
1,00, entretanto, devido aos inevitveis erros de mensurao. Mas
207
dever ser alto, se o teste for fidedigno. Se dois testes medirem a mesma
coisa, digamos capacidade verbal, a correlao entre eles, depois de
aplicados mesma amostra de indivduos, dever ser alta, ou pelo menos
substancial. Embora todos os itens possam ser diferentes - dois testes
diferentes de vocabulrio, por exemplo- todos eles mais ou menos mos-
tram um aspecto da capacidade verbal. Portanto, os indivduos deveriam
respond-los de maneira semelhante e deveriam ser classificados pelos
dois testes quase da mesma forma.
Por outro lado, a correlao entre dois testes que medem coisas
muito diferentes, digamos, capacidade verbal e dogmatismo, deveria
ficar prxima de zero. No h relao sistemtica entre os dois conjuntos
de notas fornecidas pela mesma amostra de indivduos. Naturalmente,
se houve uma relaco no momento desconhecida entre capacidade verbal
e dogmatismo - bem pode haver - ento deve haver alguma corre-
lao, positiva ou negativa, maior que zero entre os dois testes. Pode ser
que pessoas mais verbais sejam mais dogmticas. No momento, entre-
tanto, no conhecemos nenhum motivo para que haja uma correlao
entre as duas variveis.
Estas duas condies de correlao esto expressas na figura 12 . 1.
Cada crculo representa a varincia de um teste, como j se fez anterior-
mente. (Aconselhamos o leitor a rever rapidamente os captulos 4, 9 e
principalmente 11. A compreenso da anlise fatorial pode ser
mente ajudada pela compreenso das relaes, correlaes, mensurao
e varincia compartilhada). Consideremos a situao do diagrama rotu-
lado (A) . CV
1
representa Capacidade Verbal 1, o primeiro teste de capa-
cidade verbal; CV2 naturalmente representa o segundo teste. Os dois
crculos, cada um representando a varincia de seu teste, se sobrepem
em uma grande rea. A situao comparvel da figura J 1 . 6 do
(A)
r'
cv, ,cv,
Figura 12.1
208
c v D
r'cv.o
(B)
\
captulo 11, s que aquela figura era mais complexa. No caso presente,
a correlao cerca de 0,90 porque a maior parte das varincias dos
dois testes compartilhada: cerca de 80 por cento (r = 0,90
2
= 0,81).
Isto quer dizer que provavelmente os dois testes esto medindo a mesma
coisa, capacidade verbal.
A situao na figura 12. 1. (B) bem diferente. Nenhuma varincia
compartilhada. A correlao entre os dois testes, capacidade verbal
(CV) e dogmatismo (D) zero. Eles medem coisas muito diferentes.
As duas condies representadas na figura 12.1 mostram com que
os analistas fatoriais trabalham, a saber, varincia compartilhada e os
limites dentro dos quais eles trabalham: entre correlao alta ou substan-
cial e correlao zero. Eles procuram descobrir as unidades que formam
a base dos testes e medidas estudando e analisando as correlaes entre
os testes, e, partindo das correlaes, as varincias compartilhadas.
O mtodo de anlise fatorial possibilita-lhes descobrir as varincias com-
partilhadas dos testes e medidas e determinar as relaes entre as diversas
varincias compartilhadas. Esta conversa bastante abstrata. Vamos ser
mais concretos e especficos.
Um exemplo fictcio, mas no irrealista
Suponhamos que, como Thurstone e muitos outros, eu esteja inte-
ressado em "fatores" de capacidade mental. Eu no acredito que capa-
cidade mental seja uma coisa unitria, um poler intelectual geral evi-
dente em todo o pensamento e ao humanos. Antes, eu suspeito que
haja um nmero de facetas ou aspectos diferentes de inteligncia e
que os indivduos difiram enormemente em vrias dessas facetas. Mas sei
tambm que h um limite: deve haver um nmero relativamente pequeno
de facetas e eu quero conhec-lo. (Uma tarefa difcil, sem dvida!)
Em nome da simplicidade, suponhamos que o mundo psicolgico
da inteligncia seja bidimensional, mas que ningum saiba. Vamos supor
que uma cientista queira compreender a natureza da inteligncia humana
e que seja especialista em mensurao psicolgica, e que ela acredita
que o "mundo" psicolgico da inteligncia tenha mais de uma dimenso.
Vamos supor ainda que ela seja radical em sua crena de que quase todos
os psiclogos acreditem que a inteligncia seja unidimensional e que,
se se puder entender qual seja a "natureza" dessa dimenso e assumindo
a competncia apropriada, os psiclogos podem medir a inteligncia e
podero, com o tempo, entender e conhecer muita coisa a respeito dela.
Antes de continuarmos com o modelo bidimensional, importante
conhecer as implicaes do mundo unidimensional da intoligncia. Veja-
209
mos primeiros os testes de inteligncia. Suponhamos houvesse seis
testes de inteligncia publicados. Se ou aphcarmos t?dos os
seis testes a um grande nmero de pessoas, d1gamos 300, e depms calcu-
. 1 - ?
larmos as correlaces entre todos os testes, como senam corre aoes.
Seriam parecidas' com as correlaes dada.s. na matriz de da
tabela 12. 2. Todas as correlaes so pos1t1vas e substanc1a1s. Todos os
seis testes evidentemente medem a mesma coisa, e j que so testes de
inteligncia, esto medindo inteligncia. Os analista_s fatoriais diriam
que h um fator a ser derivado da de corr.ela.ao da .tabela 12. 2.
Em outras palavras, fizemos uma anahse {atonal mspec10nal. con-
clumos, porque todas as correlaes entre os testes eram e
substanciais - e todas mais ou menos no mesmo grau de magmtude -
que h um fator nos dados. E esta concluso com .idia
anterior de que a inteligncia habita um mundo ps1colog1co umdlmen-
sional.
Mas tomemos agora um mundo psicolgico bidimensional. Como se
pareceria uma matriz de correlao obtida em um mundo como es.se?
Vamos voltar nossa psicloga radical que acredita que o mundo psico-
lgico da inteligncia seja bidimensional. Ela cr que todos os testes de
inteligncia criados at agora so insatisfatrios porque habitaram um
mundo unidimensional. Poderiam ser satisfatrios se a inteligncia fosse,
realmente unidimensional. Ela acredita, entretanto, que no seja; que
A "realidade" de seu mundo da inteligncia muito
diferente da "realidade" da crena geral de outros psiclogos. Como
poder demonstrar sua crena e provar que a creria geral est errada?
Ela acredita que a "entidade" subjacente dos seis testes da tabela
12. 2 seja capacidade verbal, j que o estudo cuidadoso dos testes mostra
que todos os seis usam predominantemente itens verbais. Isto , todos
Tabela 12.2
Correlaes entre seis testes em um mundo de inteligncia
unidi-
mensional.
Testes
2 3 4 5 6
1 1,00 0,62 0,59 0,81 0,67 0,50
2 0,62 1,00 0,47 0,72 0,52 0,49
3 0,59 0,47 1,00 0,69 0,61 0,53
4 0,81 0,72 0,69 1,00 0,47 0,41
5 0,67 0,52 0,61 0,47 1,00 0,52
6 0,50 0,49 0,53 0,41 0,52 1,00
210
\
eles exigem conhecimento verbal, manipulao verbal e raciocnio verbal.
Como seria a matriz das correlaes se a metade dos testes exigesse um
tipo diferente de conhecimento, manipulao e raciocnio, digamos,
conhecimento numrico e matemtico? A psicloga prepara trs novos
testes, um para medir o conhecimento matemtico, outro para manipu-
lao matemtica e o terceiro para raciocnio matemtico. Ela administra
esses teste e trs dos testes verbais a uma amostra de pessoas e inter-
correlaciona os seis testes.
Se a crena geral de que inteligncia unidimensional estiver
correta, ento a matriz correlaes que a psicloga obtiver dever ser
muito semelhante da tabela 12. 2; isto , todos os seis testes devero
estar positiva e substancialmente correlacionados uns com os outros.
Mas se a crena da psicloga, de que a inteligncia bidimensional,
estiver correta, ento como deveria ser a matriz de correlaes? Na
tabela 12.3, esquerda, dada uma "matriz-alvo". Pode ser tambm
Tabela 12.3 Matriz-alvo e matriz obtida de correlaes seis testes de inteligncia.
Matriz-alvo b Matriz obtida c
2 3 4 5 6 2 3 4 5 6
1,00 X X o o o 1,00 0,71 0,64 0,15 0,05 0,02
2 1,00 X o o o 1,00 0,58 0,06 0,11 0,01
3 1,00 o o o 1,00 0,14 0,05 o;1o
4 1,00 X X 1,00 0,59 0,68
5 1,00 X 1,00 0,64
6 1,00 1,00
Os testes 1, 2 e 3 so testes verbais; os testes 4, 5 e 6 so testes matemticos.
x: correlao substancial positiva predita; 0: correlao predita O ou perto de O.
' As correlaes grifadas so as preditas na matriz-alvo.
chamada "matriz-hiptese", porque expressa essencialmente o que a
psicloga sups. Os testes 1, 2 e 3 so testes verbais; os testes 4, 5 e 6
so testes matemticos. As cruzes representam as correlaes substan-
ciais hipotticas, e os zeros representam as correlaes de zero ou prxi-
mas de zero.
1
direita da tabela 12 . 3 dada a matriz de correlaes
que ela realmente obteve. As correlaes grifadas - 0,71; 0,64, 0,58 e
' Na realidade, no se podem esperar correlaes zero com medidas de capacidade,
porque a maioria delas correlacionada positivamente, pelo menos at certo
ponto. Usamos um tipo esquematizado de exposio, entretanto, para esclarecer as
idias bsicas por trs da anlise fatorial.
211

(I
.. '
.
-, .
.( ' .
n
' '.
... :,,'
.::.l. r
...._....
assim por diante - so as preditas como substanciais pela matriz-alvo.
Todas as outras correlaes deveriam estar prximas de zero.
2
Evidentemente a crena ou hiptese da psicloga est correta.
Os testes 1, 2 e 3, os testes verbais, esto positiva e substancialmente
correlacionados uns com os outros: r12 = 0,71, r13 = 0,64 e r23 = 0,58.
Os testes 4, 5 e 6, testes matemticos, esto igualmente positiva e
substancialmente correlacwnados: r45 = 0,59, r46 = 0,68 e roo = 0,64.
E, mais importante, crucial mesmo, as correlaes entre os testes 1, 2 e 3
por um lado, e os testes 4, 5 e 6, por outro, so todas baixas ou prximas
de zero.
A evidncia da tabela 12.3 fortssima. Vamos sendo obrigados a
crer na validade emprica da teoria da psicloga. Um nico estudo
jamais seria suficiente; provavelmente seja apenas sugestivo. Se forem
feitos estudos mais cuidadosos e controlados e os resultados forem
semelhantes, ento a crena mais obrigatria ainda. Se a teoria da
psicloga continuar firme sob a crtica construtiva e
de mostr-la incorreta atravs de pesquisa rigorosa planeJada especial-
mente para demoli-la, poderemos ento ficar compelidos a aceitar teoria
e sua validade. O ponto pertinente a este captulo que as tentativas de
usar a evidncia emprica para apoiar a teoria exigiam anlise fatorial -
ou algum mtodo comparvel - porque a hiptese em estudo estrutu-
ral ou pode at ser chamada espacial: em vez de uma dimenso ou
fator de inteligncia, h dois.
O exemplo tem aspectos bastante importantes para nos fazer parar
para examin-los rapidamente. O mais importante tem duas facetas.
Primeiro, uma vez que atualmente sabemos que a inteligncia tem
de duas dimenses ou fatores, nenhuma das teorias est correta. A pnmei-
ra teoria diz, com efeito, que h uma dimenso ou fator de inteligncia.
A segunda teoria diz que h dois. Segundo, embora nenhuma das teorias
esteja correta, uma mais "correta" do que a outra, no sentido de que
est mais prxima da "verdade", mais prxima da "realidade" emprica.
Assim tem sido a histria da cincia: melhores aproximaes da "verda-
de", sem contudo jamais chegar a ela.
Uma abordagem quantitativa e espacial da anlise fatorial
As matrizes de correlao das tabelas 12.2 e 12. 3 forneceram a
evidncia para as concluses alcanadas no exemplo acima. Todo o nosso
2 So dadas apenas as partes superiores dll:s 1st? porque as
matrizes so simtricas, i.., suas metades mferwres (abmxo da dtagonal da es-
querda superior atreita imerior). se dadas. mostraro as imagens especulares
metade de cima das matrizes (acima da diagonal).
212
\
6 523 14
I I I I I I
1 l
I

I

I
o 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Figura 12.2
raciocm1o foi baseado nas correlaes daquelas tabelas. Os exemplos
foram simples; foram deliberadamente preparados para o objetivo, da
maneira mais simples possvel. Geralmente as matrizes de correlao
no so to favorveis, nem as teorias e hipteses to simples. Em grande
parte, tais matrizes so complexas demais para serem interpretadas direta-
mente. Sua complexidade e tamanho - um estudo das correlaes entre
20 testes ou variveis, nmero no muito grande na moderna pesquisa
comportamental, o estudo de 190 correlaes! - probem a interpre-
tao dfreta. As correlaes e os fatores dizem realmente a mesma coisa,
naturalmente, mas as correlaes geralmente no podem ser tomadas em
sua totalidade, enquanto os fatores freqentemente podem. A anlise
fatorial, assim, reduz a complexidade das correlaes originais da tabela
12. 2, por exemplo, ao ponto onde podemos representar os testes, como
nas figuras 12.2 e 12. 3. O comprimento da linha na figura 12.2 foi
arbitrria e convenientemente igualado a 1.00, para que cada teste tenha
um ndice de sua posio na linha ou dimenso, sendo os valores do
ndice todos os valores possveis entre O e 1 ,00, inclusive.
3

Para obter os valores representados na 'linha, as correlaes da
tabela 12.2 foram analisadas fatorialmente. Em nosso estudo anterior
desta matriz de correla"o. aprendemos que havia apenas uma dimenso
ou fator. Um dos propsitos da anlise fatorial foi determinar o valor
que teria cada teste na nica dimenso da figura 12. 2. Os resultados
da anlise fatorial continham os seguintes valores para os testes de
1 a 6: 0,87; 0,75; 0,77; 0,87; 0,74; 0,62. (No precisamos nos preocupar
com os clculos realizados.) Seus lugares na linha ou dimenso da figura
12.2 so indicados por setas com os nmeros dos testes afixados. Os seis
valores so altos e semelhantes - neste exemplo artificial e improvvel.
Os seis valores so cargas fatoriais, ndices que mostram o grau
de relao entre cada teste e a suposta dimenso subjacente ou fator.
Em outras palavras, so as correlaes entre cada teste e o fator. Quanto
mais alta a carga fatorial, mais o teste reflete ou mede o fator, mais
3 Estritamente falando. os valores nossveis deveriam incluir os valores negativos.
Para maior simplicidade, vamos ignorar temporariamente os valores negativos.
De qualquer manetra, eles no so importan(es no estudo da inteligncia, j que
quase todas as correlaes entre os testes de inteligncia so positivas.
213.
"_representa" o fator, por assim dizer. Cargas iguais ou maiores que 0,40
(as vezes 0,30; s vezes outro critrio) so consideradas suficientemente
grandes para merecerem interpretao. Obviamente, todas as cargas
neste exemplo so substanciais. Isso era de se esperar porque todas as
correlaes entre os testes foram substanciais. No percamos mais tempo
com este exemplo to simples. Em vez disso, voltemos ao exemplo mais
realstico de duas dimenses da tabela 12. 3.
Decidimos anteriormente, pela simples inspeco das correlaes da
tabela 12. 3, que havia duas dimenses ou fatores, porque os testes 1. 2
e 3 estavam correlacionados tins com os outros e no com os testes
4, 5 e 6 e que os testes 4, 5 e 6 estavam correlacionads uns com os
outros e no com os testes 1, 2 e 3. E como se tivssemos um conjunto
de testes para medir a inclinao religiosa e outro conjunto para medir
aptido musical. (Supomos que a inclinao e a aptido no sejam rela-
cionadas.) Vamos nos aprofundar mais. A anlise fatorial essencial-
mente um mtodo para determinar o nmero de fatores existentes em
um conjunto de dados, para determinar quais testes ou variveis perten-
cem a quais fatores e em que extenso os testes ou variveis "pertencem
a" ou esto "saturados com" o que quer que seja o fator. Se analisarmos
fatorialmente a matriz de correlao da tabela 12. 3, obteremos final-
mente uma tabela como a dada na tabela 12 .4.
Tabela 12.4 Soluo final da anlise fatorial dos dados da tabela 12.3.
Testes
A a
B Tipo de teste
0,83 0,07 Verbal
2 0,79 0,06 Verbal
3 0,71 0,11 Verbal
4 O,Q7 0,77 Matemtico
5 0,02 0,74 Matemtico
6 - 0,02 0,81 Matemtico
As cargas iguais ou maiores que 0,40 so consideradas significativas. Esto
grifadas.
Os dois fatores mencionados na tabela e denominados A e B so
"fatores" ou "dimenses" no sentido de que os trs testes verbais per-
tencem a um fator e trs testes matemticos pertencem ao outro fator.
Antes sabamos disto, naturalmente; os dados da matriz de correlao
original estavam to claros que podamos facilmente "ver os fatores":
eles foram indicados pelo padro das correlaes maiores e menores.
214
\
Na maioria dos casos de pesquisa real, com mais variveis correlacio-
nadas de maneira complexa, no possvel "ver os fatores" como acon-
teceu na tabela 12. 3. Em outras palavras, os dados da tabela 12 .4
demonstram o bvio, o que j sabemos. Foi por isso precisamente que
o exemplo foi manufaturado: para demonstrar o bvio numa tentativa
de mostrar o que anlise fatorial e o que faz. '
Repetindo, se as cargas fatoriais so grandes ou substanciais, aceita-
mos que os testes ou. variveis com os quais esto associadas esto "em"
aquele fator. Dizemos que o teste est "carregado" em um fator. Por
exemplo, os testes 1, 2 e 3 esto "carregados" no fator A, e os testes
4, 5 e 6 esto "carregados" no fator B. Mas as cargas dos testes 1, 2 e 3
no fator B so baixas e insubstanciais e as cargas dos testes 4, 5 e 6
no fator A so baixas e insubstanciais. Em anlise fatorial, tanto cargas
altas quanto baixas so importantes na interpretao. Pode-se at dizer
que a situao "ideal" seria a que possusse cargas fatoriais altas e baixas
e sem valores intermedirios. Embora raramente ocorram tais situaes,
bom lembr-las porque elas definem fatores ntidos relativamente no
relacionados uns com os outros.
A interpretao da tabela 12.4 fcil. J que 1, 2 e 3 so testes
verbais, e tm altas cargas no fator A, e j que os testes 4, 5 e 6 tm
cargas baixas em A, o fator obviamente um fator verbal. Ns o
8 (Matemtico)
0,1
I I I
- 0,4-0,3- 0,2 - 0,1
-0,1
- 0,2
- 0,3
- 0,4
Figura 12.3
215
chamamos, ento, "verbal". Anlise e raciocnio semelhante se aplicam
ao fator B. Ns o chamamos "Matemtico". Para esclarecer mais ainda
o que diz a tabela 12.4, vamos representar. Isto foi feito na figura 12.3.
Dois eixos, A e B, foram colocados em ngulo reto. Lembre-se de que
dissemos que os eixos so ortogonais um ao outro. Os valores empa-
relhados de A e B da tabela 12.4 so ento representados, simplesmente.
Por exemplo, o 0,83 do teste 1 em A e o 0,07 do teste 1 em B so
representados pelo ponto indicado por "1" no grfico da figura 12.3.
Os cinco pares restantes so representados de modo similar.
4
Os blocos, 1, 2, 3 e 4, 5, 6, aparecem claramente. Esto dentro de
um crculo, no grfico. Os testes 1, 2 e 3 esto bem prximos entre si e
tambm prximos de A, e altos em A; os testes 4, 5 e 6 esto prximos
e altos em B. E, muito importante, os dois blocos esto distantes um
do outro. Um tipo A e o outro tipo B. Os dois fatores e os testes que
os. "definem" so tipos de entidades muito diferentes. Quando eu examino
os trs testes de A, para descobrir sua "natureza", o que , eu vejo que
todos os trs testes so verbais. Quando eu examino os testes B, por
outro lado, descubro que eles compartilham operaes, processos e com-
preeenso matemtica.
Este exemplo, naturalmente, muitssimo simplificado. A maioria
dos domnios nas cincias comportamentais tem mais de dois fatores.
Dificilmente estudaramos apenas seis testes. As verdadeiras correlaes
e matrizes de correlao raramente so to favorveis como esta com a
bela estrutura ortogonal que a figura 12. 3. Geralmente, ento, o
4 A justificativa para estabelecer os dois eixos nos quais representar as cargas
fatoriais como foi feito na figura 12.3 baseia-se no procedimento matemtico que
extrai ou calcula os fatores ou cargas fatoriais. A natureza do mtodo tal que
cada fator extrado independente de todos os outros fatores extrados. Isto signi-
fica que os fatores extrados esto todos em ngulo reto, uns em relao aos outros.
(Substancialmente, por sua vez, isto significa que os fatores so independentes, ou
entidades diferentes.) Assim, se desejarmos representar as cargas fatoriais, ns
podemos faz-lo usando eixos em ngulo reto, ou "ortogonais" um ao outro.
Deveria ficar enfatizado que os fatores e as cargas fatoriais da Tabela 12.4
e representados na figura 12.3 so "rotados". O mtodo de extrao fornece
fatores e cargas "no-rotados", e suas magnitudes geralmente no so prontamente
interpretveis. O que a rotao Jaz, alis, colocar o mximo possvel de cargas
prximas aos eixos que representam os fatores. Observe que, na figura 12.3, os
pontos representados esto todos prximos dos eixos A ou B. Na soluo original
no-rotada esses pontos estavam bastante afastados dos eixos. Por que os pontos
devem ficar prximos dos eixos? Quanto mais prximos os pontos estiverem dos
eixos, maior a magnitude das cargas naquele eixo; e, j que o segundo eixo
ortogonal ao primeiro, mais baixa ficar a carga no segundo eixo. Note que os
testes 1, 2 e 3 esto prximos e assim altos em A e ao mesmo tempo, baixos
em 8, e igualmente os testes 4, 5 e 6 esto perto e assim altos em 8 e baixos
em A. Em resumo, os fatores e cargas rotados do soluo fatorial mais parci-
moniosa e interpretvel do que cargas e fatores no-rotados.
216
\
B
1,0 -
0,9
0,7
o
0,5
0,4
0,3 -
0,2
o
.... "'
-J ::r
<
-
!.t.-1 ..
c, __ ,
l.L...::
L.. -
4.:. ..4..,'
c.'-
'"'( (.)
a
t;; ::::
r;-.; tO
(:U
i:
2;
quadro no to claro; mais nebuloso. De fato, o exemplo
porque testes verbai:-; e matemticos sempre so positivamente correla-
cionados. Na verdade, todos os testes de capacidade so correlacionados
positivamente e tais correlaes positivas tornam os resultados das
anlises fatoriais menos claros e menos fceis de serem interpretados.
Se, por exemplo, os testes 1, 2 e 3 da tabela 12.3 estivessem positiva e
substancialmente correlacionados com os testes 4, 5 e 6, ento o grfico
da figura 12 . 3 seria semelhante ao da figura 12 . 4. Observe que os
dois blocos esto mais prximos do que estavam. Esto, tambm, um
pouco distantes dos eixos. Quanto mais altas forem as correlaes entre
os dois tipos de testes, mais prximos estaro os blocos.
O raciocnio acima, com apenas duas dimenses, se generalizou
prontamente para mais de duas, ou k dimenses. Para a maioria das
pessoas fcil visualizar duas dimenses. Muitas podem tambm lidar
com trs. Mas qqase ningum pode visualizar quatro ou mais dimenses.
Entretanto, a anlise fatorial extrai habitualmente 4 e mais fatores de
matrizes de correlao e mostra os resultados de tais anlises. facil-
mente possvel ter 10 fatores em um estudo, com todos eles ortogonais
uns aos outros, isto , virtualmente independentes uns dos outros, pelo
menos no sentido tcnico. Por ser totalmente impossvel visualizar 10
dimenses ortogonais, no quer dizer que nossa compreenso dos fatores,
seu significado e sua interpretao, diminuam!
217
,. .
.
Exemplos de anlise fatorial em pesquisa
A discusso at aqui foi separada da realidade da pesquisa, a no
ser pela breve referncia anterior a Thurstone e seus estudos da inteli-
gncia. Na verdade, toda nossa discusso tem sido estreita demais porque
focalizou-se exclusivamente em inteligncia e na anlise fatorial dos resul-
tados de testes de inteligncia. Mas a anlise fatorial foi usada com uma
ampla variedade de medidas: aptides, atitudes e valores, traos de
personalidade, variveis ambientais, padres culturais, traos de honesti-
dade e at caixas e xcaras de caf! Agora resumiremos e estudaremos
trs estudos que empregam anlise fatorial, precedidos de uma discusso
das tentativas em larga escala feitas por Guilford e seus colegas para
testar uma ambiciosa teoria sobre a estrutura da inteligncia. Foram
escolhidos os trs estudos por sua variedade e possvel interesse
intrnseco.
Os estudos de Guilford sobre a estrutura do intelecto
Como j ficou indicado, h vrias teorias sobre a estrutura da
inteligncia - "estrutura" significando, aproximadamente, fatores e suas
relaes. Em um extremo est a teoria que afirma que inteligncia
uma dimenso ampla, chamada inteligncia geral. Virtualmente nenhum
psiclogo aceita teoria to simples, embora muitos aceitem a idia de
um fator amplo de inteligncia geral mais outros fatores. Em um captulo
anterior, vimos que Cattel (1963), desenvolveu uma teoria na qual duas
"inteligncias" gerais so propostas: inteligncia cristalizada e intelign-
cia fluida.
Talvez a mais radical das teorias sobre a inteligncia, e certamente
uma teoria controvertida e heuristicamente frutfera, seja o modelo da
estrutura de intelecto (EI) proposto por Guilford (1956, 1967). Guilford
diz, com efeito, que h muitos fatores de inteligncia e especifica qual
deve ser sua natureza. A teoria realmente uma organizao de fatores
em um complexo sistema de categorias consistindo de trs tipos amplos
de categorias mentais: operao, produto e contedo. Guilford colocou
esses trs princpios organizadores, ou estruturais, em um grande cubo
consistindo em muitos cubos formados pelas interseces das subclasses
do trs princpios estruturais gerais.
Esta descrio abstrata talvez no nos ajude muito a compreender
a idia bsica de Guilford. Vamos tomar o cubo simplificado da figura
12. 5, que pretende representar uma teoria estrutural altamente simplifi-
cada de inteligncia como a de Guilford. (No h "realidade" nesta figura.
f: apenas uma convenincia intelectual.) A figura o cubo mais simples
218
Produto
2
11
Operao
Figura 12.5
.. J ...
possvel, consistindo em 2 x 2 x 2 = 8 cubos. Cada dimenso do cubo ' .
foi dicotomizada e rotulada A B, I 11 e 1 2. A e B representaro verbal 2' : : ~
e numrico, I e 11 perceptual e memria, e 1 e 2, relaes e implicaes.d ~
Estes trs tipos de capacidade intelectual so chamados, respectivamente ;;; ~
contedo, operao e produto. w ri..!
>
Pode-se usar o cubo da figura 12.5 - o cubo de Guilford muiti
mais complexo, naturalme,nte - como um modelo da estrutura da int;i
ligncia, ou do intelecto. Cada cubo do modelo representa um fator.
Por exemplo, AI 1 seria um fator com o contedo A, operao I e
produto 1. J que h 8 cubos, h 8 fatores. Em outras palavras, o cubo
um modelo terico que pode ser usado para criar testes. Por exemplo,
pode-se escrever trs testes para cada clula do cubo, num total de
24 testes. Estes testes podem ser aplicados em um grande nmero de
crianas, podem ser intercorrelacionados e analisados fatorialmente.
A validade emprica do modelo se apia nos resultados da anlise
fatorial. Existem realmente 8 fatores, e sua natureza corresponde
natureza "predita" pelo modelo? Alm disso, e muito importante, fatores
at agora no descobertos podem ser preditos pelo modelo. Suponhamos,
por exemplo, que o modelo tenha um cubo que descreva um tipo de
operao ou capacidade mental no encontrados at o momento. Por
que no redigir trs ou quatro testes para medir a natureza do fator
predito, aplic-los com outros testes a uma amostra conveniente, analisar
219
fatorialmente os resultados e ver depois se testes novos aparecem juntos
em um novo fator? Foi isso que Guilford e seus colegas fizeram, muitas
vezes com timos resultados. Uma dessas descobertas, ou talvez confir-
maes, o conjunto de fatores que se acreditava estarem, e que at
certo ponto se descobriu estarem, associados criatividade. Foi desco-
berto, por exemplo, que uma diferena importante entre as capacidades
de pensar o pensamento convergente e o pensamento divergente e que
o ltimo est relacionado com a criatividade. (Pensamento convergente
tipo comum de raciocnio analtico dedutivo. Pensamento divergente est
associado com a elaborao, originalidade, flexibilidade, criatividade e
respostas fluentes e variadas.)
Como foi destacado antes, a anlise fatorial foi usada com as
aptides, atitudes, traos de personalidade e at variveis de ambiente.
Alm do mais, no necessrio que as correlaes que sejam analisadas
fatorialmente sejam calculadas apenas a partir de testes. Nos ltimos anos
a anlise fatorial vem sendo cada vez mais usada com itens, para deter-
minar os fatores num nico teste ou escala. Tem sido usada tambm
para analisar fatorialmente as correlaes entre as pessoas. Daremos
exemplos das duas possibilidade depois.
Em outras palavras, o mtodo mais que um mtodo; tambm
uma abordagem no sentido de que busca e identifica relaes subjacentes
entre as variveis. Neste contexto, os testes so variveis, os itens so
variveis e at pessoas so variveis. Os exemplos que sero resumidos
representam, cada um, diferentes aspectos da abordagem da anlise
fatorial a problemas e dados. No primeiro exemplo os pesquisadores
buscam os fatores por trs da atitude em relao aos pretos. No segundo
exemplo, pessoas foram tratadas como variveis e analisadas fatorial-
mente. E no terceiro e ltimo estudo a ser resumido, os fatores subja-
centes a atitudes sociais foram estudados principalmente para testar
uma teoria estrutural de atitudes.
Atitudes raciais: o estudo de Woodmansee e Cook
A maioria das pessoas provavelmente concebe o preconceito racial
como um fenmeno unidimensional. Indivduos que diferem no grau de
suas atitudes em relao aos pretos, por exemplo, fazem-no numa srie
contnua de gostar-desgostar. Esta uma viso muito simplificada. Na
verdade, as atitudes em relao aos pretos ou a qualquer grupo tnico
so complexas. H facetas diferentes no gostar ou desgostar de pretos,
judeus, russos, norte-americanos ou qualquer outro grupo. O estudo
cientfico das atitudes, portanto, exige o uso de algum mtodo ou aborda-
gem que ajude os cientistas comportamentais a determinar o que so essas
220
\
facetas. O estudo que vamos examinar agora um excelente exemplo
dessa abordagem.
Woodmansee e Cook (1967), num conjunto de estudos sobre o pre-
conceito contra os negros, mostraram inegavelmente tais
multidimensionais. Sem dvida, qualquer concepo stmplna de atitu-
des tnicas como unidimensionais tem pouqussimo apoi? da
fatorial da pesquisa de atitude. Em seus estudos, os dots propsitos
principais de e eram .determinar os _componentes
(fatores) de atitudes ractats, em particular atitudes em relaao aos
e construir uma escala vlida e fidedigna, ou, mais exatamente, construtr
um conjunto de escalas para medir tais atitudes.
Em seu primeiro estudo, eles administraram. escala de at.itudes
existentes, de 120 itens, a 593 estudantes universttanos
brancos, do Nordeste, Meio-Oeste e Sul. No segundo estudo, revtsara?l. a
escala de atitudes com base no resultados do primeiro estudo e admmts-
traram a escala a 609 estudantes semelhantes. O terceiro estudo se
concentrou em melhorar mais ainda a escala, obter evidncia da fide-
dignidade e validade da verso final da escala e continuar a investigao
dos fatores subjacentes s atitudes em relao aos pretos.
Vamos nos concentrar nos resultados da anlise fatorial de Wood-
mansee e Cook. Eles encontraram 11 fatores. O quadro multidimensional
que eles oferecem interessante e importante tanto cientfica quanto pra-
ticamente. Vamos ter em mente, quando lermos o que se segue, que cada
fator pode ser um modo diferente de os a. eles,
de ter crenas em relao a eles. Mas antes de trmos mat.s
precisamos ver o que so realmente os Tem hav.tdo
mistrio em relao aos fatores e anlise {atonal. Algumas cmsas que Ja
foram ditas sero necessariamente repetidas, mas tal repetio pode nos
ajudar a compreender fatores.
Uma digresso explanatria: o que so fatores?
O que um fator, no sentido mais comum? Um fator pode ser
encarado como refletindo uma determinada ordenao dos itens de uma
escala ou teste, ordenao essa com a qual aproximadamente c_oncorda
um nmero suficiente de pessoas de uma amostra que respondeu a escala.
Pode ainda ser encarado como um subconjunto dos itens de um teste ou
escala, subconjunto esse que respondido de maneira semelhante por
um nmero suficiente de pessoas. Eis um exemplo simples. Suponhamos
que seis pessoas tenham que classificar quatro itens de
em uma escala de seis pontos; elas aprovaro ou desaprovarao as tdetas
sociais implicadas pelos itens atravs de notas de 1 a 6, 1 indicando
221
pouqussima aprovao e 6 forte acordo ou aprovao. Os itens sero
palavras soltas e frases curtas que se descobriu serem capazes de medir
atitudes sociais com validade e fidedignidade. So elas, igualdade para as
mulheres, controle de natalidade, propriedade privada, negcios. Deseja-
mos descobrir os fatores subjacentes escala de atitudes de quatro itens.
(No se esquea de que naturalmente usaramos muito mais itens
e pessoas.)
As seis pessoas responderam escala como fora indicado, resultando
nas mdias ou pontos dados na tabela 12. 5. A pessoa 3, por exemplo,
desaprovou, ou pelo menos no aprovou, igualdade para as mulheres e
controle de natalidade. Deu a cada um deles a nota relativamente baixa
de 2. Por outro lado, aprovou fortemente propriedade privada e negcios;
deu-lhes 5 e 6 respectivamente. Faa um confronto entre a pessoa 3 e a
pessoa 6, que mostraram padres opostos: aprovao de igualdade para a
mulher e controle de natalidade e relativa desaprovao de propriedade
privada e negcios. Estes provavelmente sejam os exemplos mais claros
da tabela. Os outros membros da amostra deram respostas mais compos-
tas e menos claras.
Tabela 12.5 Respostas de seis pessoas a quatro itens de atitude social .
Pessoas
2
3
4
5
6
Itens
1
Igualdade p/
as mulheres
2
5
6
6
2 3
Controle da Propriedade
natalidade privada
2 4
3 2
2 5
6 5
5 3
6 2
4
Negcios
2
2
6
5
4
Os nmeros na tabela so as notas das seis pessoas para os quatro referentes
em uma escala de 1 a 6, 1 indicando muito pouca aprovao e 6 indicando
fortssima aprovao.
Observe agora que os valores das colunas igualdade para as mulheres
e controle da natalidade "caminham juntos": quando h um valor alto na
primeira coluna, geralmente h um valor alto na segunda e a mesma
coisa para os valores baixos. As colunas propriedade privada e negcios
tambm tendem a "caminhar juntas", embora no to claramente como
as notas nas duas primeiras colunas. Isto significa, ento, que igualdade
para as mulheres e controle da natalidade esto positiva e substancial-
mente correlacionadas. As correlaes so 0,91 e 0,81. As correlaes
222
\
ntre as notas das colunas 1 e 3 e 1 e 4 e entre 2 e 3 e 2 e 4 parecem
cr baixas; difcil e mesmo impossvel. perceber padres regulares de
41
caminhar jt1nta ".
As correlaes entre os pares de referentes foram calculadas; esto
na tabela 12. 6. As correlaes formam um padro muito claro, semelhan-
te ao padro da tabela 12. 3, onde foram mostradas as correlaes entre
seis testes de inteligncia. Igualdade para as mulheres e controle da natali-
dade esto altamente correlacionadas, como nossa inspeo anterior nos
levou a crer. Propriedade privada e negcios esto tambm altamente
Tabela 12.6 Matriz de correlaes entre quatro itens de atitude social.
Igualdade para Controle da Propriedade
as mulheres natalidade privada Negcios
Igualdade para
as mulheres 1,00 0,91 - 0,15 0,04
Controle da
natalidade 0,91 1,00 - 0,23 - 0,11
Propriedade
privada - 0,15 - 0,23 1,00 0,81
Negcios 0,04 - 0,11 0,81 1,00
correlacionados. Evidentemente temos dois t p o ~ diferentes de referentes:
a amostra de pessoas respondeu a eles bem diferentemente. Entretanto, as
correlaes entre 1 e 3, 2 e 3 e entre 2 e 3 e 2 e 4 so todas baixas, a
maioria baixa e negativa.
A primeira vista, a matriz de correlao da tabela 12.6 significa
que h dois fatores separados e distintos, e vamos cham-los A e B. Em
A h dois itens, igualdade para as mulheres e controle da natalidade,
e em B h dois itens, propriedade privada e negcios. Parece haver
pequena relao entre os dois fatores, a julgar pelas correlaes baixas,
prximas de zero, entre os referentes de A e os referentes de B (-0,15,
0,04, -0,23, e - 0,11). Diz-se que os fatores so no-correlacionados,
independentes ou ortogonais. So duas entidades separadas e distintas.
Se fizssemos uma anlise fatorial da matriz de correlao da tabela 12. 6,
obteramos o mesmo tipo de estrutura fatorial que vimos na tabela 12. 4
e na figura 12. 3.
Os fatores no so mais do que isso. Eles so definidos pelas corre-
laes entre os testes ou escalas. Se os resultados dos indivduos em itens
ou testes "caminham juntos"; e11to, na medida em que haja correlaes
substanciais entre eles, est definido um fator. A natureza dos fatores
223
definida pelos pesquisadores atravs de um estudo dos testes, escalas ou
itens com cargas altas nos fatores. O resultado final de uma anlise
fatorial das correlaes da tabela 12. 6, a matriz fatorial rotada, dado
na tabela 12.7. Por esta tabela o pesquisador pode tentar deduzir qual
a natureza dos dois fatores. Neste caso, embora a evidncia seja frgil-
s quatro itens, com dois carregados substancialmente em cada um dos
dois fatores - no difcil deduzir que o fator A um fator liberal,
j que suas duas cargas altas sero associadas a dois itens, igualdade para
as mulheres e controle da natalidade, que expressam idias geralmente
adotadas por liberais. Dispondo de evidncia consideravelmente maior,
ento, poderamos chamar ao fator "liberalismo". Os itens com cargas
substanciais no fator B, propriedade privada e negcios, expressam idias
adotadas geralmente por conservadores. Podemos muito bem, ento,
chamar ao fator "conservadorismo".
Tabela 12.7 Matriz fatorial rotada: resultado de amUise fatorial da matriz de
correlao da tabela 12.6.
Itens
Igualdade para as mulheres
Controle da natalidade
Propriedade privada
Negcios
Fatores
A
0,94
0,94
- 0,25
- 0,10
B
0,13
0,00
0,83
0,87
Este exemplo muitssimo simplificado no deveria nos levar a crer
que os fatores so "realidades" e que sempre fcil interpretar resultados
de anlise fatorial e dar nome aos fatores. Ao contrrio, s vezes muito
difcil. A nica "realidade" cientfica que os fatores possuem vem das
correlaes entre testes ou variveis sendo analisados. As cargas fatoriais
obtidas so, com efeito, redues de dados muito mais complexos a
tamanhos manuseveis para que o pesquisador possa interpretar melhor
os resultados.
A interpretao, entretanto, sempre pode estar errada. Primeiro, uma
carga fatorial substancial pode acontecer por acaso. Assim, o analista
poder estar tentando interpretar um resultado ininterpretvel. Segundo,
um pesquisador pode simplesmente se enganar quando deduzir a "natu-
reza" de um fator. Pode ser que em determinada anlise fatorial, itens
ou testes outros que os usados sejam mais fundamentais dos que os
realmente usados. Neste caso os itens usados podem ser apenas um
aspecto superficial do fator. bem possvel, por exemplo, que os itens
224
propriedade privada e negcios possam ser apenas aspectos superficiais
de um fator mais fundamental do que conservadorismo, o nome adotado
para o fator. Terceiro, os resultados da anlise fatorial podem ser invali-
dados por dificuldades e deficincias tcnicas. A anlise fatorial com-
plexa e tem problemas tcnicas complexos. Por exemplo, freqentemente
difcil saber quantos fatores existem em um conjunto de dados. Se for
extrado o nmero "errado" de fatores, os dados podem levar a con-
fuses. Embora os computadores e programas de computadores possibili-
tem fazer anlise fatorial bastante simplesmente, eles no do, entretanto,
uma resposta realmente satisfatria ao problema do nmero de fatores.
Em todo caso, deveramos estar agora em melhor posio para ler e
compreender o estudo de Woodmansee e Cook e os outros estudos resu-
midos abaixo. Assim, voltemos a Woodmansee e Cook.
Volta a Woodmansee e Cook
Lembre-se de '!Ue W oodmansee e Cook encontraram 11 fatores ou
dimenses de atitudes em relao aos negros. Nosso objetivo entender
anlise fatorial e fatores e no a substncia complexa dos resultados de
Woodmansee e Cook. Vamos, portanto, tomar apenas quatro de seus
fatores para tentar descobrir o que eles podem significar para podermos
compreender a importncia da anlise fatorial na pesquisa comporta-
mental. Suponhamos que um psiclogo social esteja fazendo uma pesquisa
sobre a mudana de atitudes em relao aos negros e prepara um experi-
mento bem concebido para faz-lo . . Suponhamos que ele acredite que as
atitudes em relao aos negros sejam uma varivel relativamente simples,
consistindo de idias estereotipadas sobre os negros e que ele queira
transformar essas idias me percepes mais acuradas. Sua varivel
dependente, que reflete o que ele quer mudar, ento esteretipos de
negros. Suponhamos, ainda, que sua pesquisa no tenha sucesso, isto ,
suas variveis independentes no tenham efeito sobre a varivel depen-
dente.
Se diversos psiclogos fizerem experimentos semelhantes com os
mesmos resultados, podero concluir que as atitudes em relao aos negros
no podem ser mudadas. Esta afirmativa, naturalmente, pode no ser
verdadeira. Uma afirmativa mais exata : " Os esteretipos em relao
aos negros no foram mudados e pode ser difcil ou mesmo impossvel
mud-los. O ponto que o pesquisador tirou uma concluso sobre as
atitudes em relao aos negros baseado na evidncia obtida sobre este-
retipos de negros. Os esteretipos so apenas uma parte das atitudes,
uma dimenso ou fator (e mesmo esta afirmativa pode no ver verdadeira
porque os prprios esteretipos podem ter mais de um fator). Assim,
225
possvel que relatos de que esta varivel independente no tenha tido
nenhum efeito sobre aquela varivel sejam deficientes, porque "aquela
varivel" talvez no seja de fato "aquela varivel", mas apenas um
aspecto dela.
O fator A de Woodmansee e Cook, "Poltica de Integrao-Segre-
gao", como o nome indica, centralizou-se nas posies dos sujeitos
sobre a convenincia da segregao e integrao raciais. Os itens do
fator B expressavam "Aceitao em Relaces Pessoais ntimas": at onde
os sujeitos aceitariam negros em relaes relativamente ntimas inter-
pessoais? O fator C, "Inferioridade do Negro", tem sido tradicionalmente
associado s atitudes em relao aos negros no sentido em que tais
atitudes focalizaram-se na percepo dos negros como inferiores aos
brancos. (Outro fator, "Opinies aviltantes", relacionou-se intimamente
com o Fator C.) O fator D, "Superioridade do Negro", um pouco
surpreendente. Seus itens atribuam caractersticas que faziam os negros
superiores aos brancos, por exemplo: "Eu acho que os negros tm uma
espcie de coragem silenciosa que poucos brancos tm".
Com os fatores restantes no precisamos nos preocupar. A questo
que a anlise fatorial das intercorrelaes de grande nmero de itens que
Woodmansee e Cook usaram mostraram que as atitudes em relao aos
negros um domnio complexo de 11 facetas ou fatores que
refletem vrios aspectos de atitudes em relao aos negros: integrao e
segregao, relaes pessoais, inferioridade do negro, superioridade do
negro, e outras. Se algum quiser, por exemplo, mudar as atitudes em
relao aos negros, ter que decidir que aspectos de tais atitudes devero
ser mudados. Certamente as atitudes em relao aos negros esto longe
de ser uma varivel unidimensional simples. Seu estudo e compreenso
requerem, obviamente, uma abordagem multidimensional.
Percepes do comportamento do professor: correlaes entre indivduos
J ficou dito que as respostas de indivduos a um instrumento
podem ser intercorrelacionadas e analisadas fatorialmente. Esta aborda-
gem pesquisa comportamental chama-se metodologia Q (Stephenson,
1953). : uma abordagem interessante e potencialmente poderosa, princi-
palmente em psicologia. Sua ferramenta bsica o Q-sort, um mao de
40 a 100 cartes, nos quais os itens so datilografados ou pintados.
(Desenhos e figuras abstratas, por exemplo.) Os indivduos so instrudos
a arranjarem os cartes separando-os em 10 ou mais pilhas conforme
diversos critrios: gostar-desgostar, aprovar-desaprovar, parecido comigo
- no parecido comigo e assim por diante. So atribudos valores
diferentes a cada pilha - geralmente de O a 7, 8, 9 ou 10 - e esses
226
\
nmeros so usados para ititercorrelacionar os conjuntos de reGpostas
dos diferentes indivduos uns com os outros.
Em outras palavras, a metodologia Q focaliza-se principalmente nas
correlaes entre os indivduos. Se, por exemplo, dois indivduos respon-
dem a uma Q-sort cujos itens so itens de atitudes, digamos atitudes em
relao aos negros, e se a correlao entre os arranjos feitos por eles
for alta, ento suas atitudes em relao aos negros so semelhantes.
Alm disso, se um nmero suficiente de indivduos responde ao mesmo
Q-sort, as respostas ao Q-sort podem ser intercorrelacionadas e analisadas
fatorialmente. Os fatores resultantes so chamados fatores de pessoas
(persons factors) . Vamos examinar resumidamente um estudo que usou
esta . interessante abordagem.
Sontag (1968), para estudar a relao entre as atitudes dos professo-
res em relao educao, sua varivel independente, e suas percepes
dos comportamentos de professores, sua varivel dependente, construiu
um Q-sort para descrever os comportamentos dos professores. Alguns dos
itens so dados abaixo. Sontag acreditava que os julgamentos dos pro-
fessores sobre a desejabilidade dos diversos comportamentos de professo-
res influenciada por suas atitudes bsicas em relao educao.
Por exemplo, um professor cujas atitudes so "progressistas" conside-
raria um certo conjunto de comportamentos de ensino desejvel, enquanto
que um professor "tradicional" consideraria desejvel outro conjunto de
comportamentos.
De fato, Sontag descobriu que professores progressistas e tradicio-
nais, medidos por outros instrumento planejado para medir tais atitudes,
discordavam em suas percepes de comportamentos desejveis de ensino.
Nosso interesse, entretanto, se concentra apenas nos fatores que ele
obteve com o Q-sort de comportamento de professor. : possvel deter-
minar os itens de um Q-sort aos quais as pessoas de um fator de pssoa-
-pessoas que se correlacionam altamente umas com as outras - tm
reaes comuns ou semelhantes.
Sontag descobriu quatro de tais fatores tanto no primeiro como no
segundo graus de ensinO. Itens selecionados dos arranjos fatoriais, associa-
dos com o ensino de professores de segundo grau, juntamente com os
nomes que Sontag lhes deu, so vistos na tabela 12. 8.
O leitor poder talvez fazer uma idia da natureza desses
fatores lendo os itens algumas vezes. "Preocupao com os Estudantes"
est obviamente centralizado no aluno: para os professores que
acham esses comportamentos desejveis, as necessidades e pontos de
vista dos alunos parecem soberanos. " Estrutura e Assunto", por outro
lado, est centralizado nas coisas ensinadas: para os professores que os
acham desejveis, . o conhecimento, a competncia, a disciplina e o
planejamento e estrutura do ensino parecem importantes. A anlise
227
fatorial das percepes das pessoas sobre os comportamentos de ensinar,
no estudo de Sontag, resultou em preciosa, compreenso das diferentes
percepes do ensino.
Tabela 12.8 Itens selecionados de arranjos de fatores de comportamento de ensino
de segundo grau, estudo de Sontag com metodologia Q.
"Apresentao Geral do Assunto"
Apresenta aulas bem planejadas.
Em suas apresentaes mostra bom conhecimento do assunto.
Aproveita-se do interesse do aluno ao preparar as aulas.
" Preocupao com os alunos"
Mantm suas promessas com os alunos.
Ensina os alunos a serem sensveis s necessidades dos outros.
Mostra interesse pelo ponto de vista dos alunos.
"Estrutura e Assunto"
Transmite aos alunos o quanto gosta do assunto.
Desperta a ateno dos alunos durante as aulas.
Em suas apresentaes mostra bom conhecimento do assunto.
"Normas e Regras"
Enfatiza o respeito pelos colegas tanto quanto pelo professor.
Ajuda os alunos a serem construtivamente crticos em sua abordagem do assunto.
Ensina o respeito por todos os grupos tnicos.
Testando uma teoria de atitudes sociais
Dcadas atrs houve muita pesquisa sobre as atitudes gerais ou
ideologias do conservadorismo e liberalismo. Estes conjuntos de atitudes
"existem" realmente? ~ possvel categorizar pessoas, escalas e itens
como "conservadores" e "liberais"? Alguns psiclogos parecem acreditar
que atitudes sociais so complexas demais para que permitam ser assim
categorizadas. Mais importante, h excees demais. Por exemplo, muita
gente adota uma mistura do que pode ser chamado ponto de vista conser-
vador e liberal. Alm do mais, alguns cientistas sociais acreditam que
muitas pessoas simplesmente "no tm" atitudes, por terem pouco conhe-
cimento de questes econmicas, polticas e educacionais.
Minhas prprias pesquisas (Kerlinger, 1972b; Kerlinger, Middendorp
& Amn, 1976) parecem indicar que, sem dvida, o conservadorismo e o
liberalismo "existem", no sentido de que itens e fatores de pessoas conser-
vadoras e liberais foram repetidamente encontrados em partes diferentes
dos Estados Unidos e em dois pases europeus. O quadro mais ou menos
o seguinte: os liberais acreditam que os programas de bem-estar social
deveriam ser fortes, que negros e mulheres deveriam ter igualdade total,
que as rendas deveriam ser taxadas progressivamente, que os negcios
deveriam ser regulamentados e que deveria ser permitido s mulheres
praticar o aborto, se desejarem. Os conservadores, por outro lado, enfa-
228
\
tizam a importncia da religio e da igreja, expressam f no capitalismo,
na propriedade privada e nos negcios, adotam a disciplina e o dever e
acreditam que as relaes sociais devem se apoiar na autoridade. H
muitas excees, mas estes dois quadros em geral se conformam
"realidade" da pesquisa. So muito mais complicados ainda, natural-
mente, mas as descries gerais so exatas.
Do ponto de vista do presente sumrio da pesquisa, entretanto,
existe outra crena popular - endossada tambm por cientistas sociais
-que tem implicaes tericas e prticas importantes: que o liberalismo
e o conservadorismo foram uma nica dimenso de atitudes sociais, com
liberais extremos, at radicais, de um lado, e conservadores extremos, at
reacionrios, do outro. Da mesma forma, os conceitos sociais e as
questes esto dentro desta nica dimenso. Naturalmente h cientistas
sociais que acreditam que as atitudes sociais so mais complexas, que h
vrios fatores do liberalismo-conservadorismo. Entretanto, os vrios fato-
res so ainda concebidos como contendo questes e crenas tanto liberais
quanto conservadoras. Em outras palavras, o conservadorismo e o libe.
ralismo so considerados como que apoiados em uma mesma dimenso,
ou nicas dimenses, que tm tanto questes conservadoras quanto libe.
rais (ou gente) nas mesmas dimenses. Neste ponto de vista, conservado-
rismo e liberalismo, conservadores e liberais, so concebidos como opos-
tos: o que um aceita o outro rejeita. a isso que se chama concepo
bipolar. Uma dimenso bipolar a que tem duas extremidades, uma
positiva e outra negativa.
Anos atrs questionei essas idias porque os resultados de minhas
pesquisas pareciam contradiz-las, ou no mnimo lanar srias dvidas
sobre elas. Depois de trabalhar com essas idias e pesquisar mais.
publiquei o que chamei teoria de atitudes dos referentes criteriais c r i t e ~
rial referents theory of altitudes) (Kerlinger, 1967). Essa teoria pode ser
chamada uma teoria estrutural, porque esboa a estrutura fatorial geral
e algumas das caractersticas das atitudes sociais. Contradizia a validade
da concepo bipolar das atitudes sociais e dizia que o conservadorismo
e o liberalismo eram "ideologias" separadas e distintas, ou grandes
conjuntos de crenas, no necessariamente opostas uma outra. (O radi-
calismo de direita ou de esquerda foi excludo de considerao, embora
ficasse dito que as atitudes podem ser bipolares no quadro de referncia
do radicalismo.) Isto significa que h conjuntos de indivduos que
tm atitudes predominantemente conservadoras ou predominantemente
liberais em relao a questes sociais, mas que indivduos conservadores
no se opem necessariamente a colocaes liberais, e indivduos liberais
no se opem necessariamente a colocaes conservadoras. Em resumo,
negada a crena comum de bipolaridade e afirmada uma vida distinta e
separada tanto para o liberalismo quanto para o conservadorismo.
229
A teoria muito maior, naturalmente, mas isto suficiente para
ilustrar o uso da anlise fatorial, neste caso para testar uma teoria estru-
tural de atitudes. A teoria foi testada um certo nmero de vezes nos
Estados Unidos, usando escalas de atitudes que consistiam de itens de
sentenas - por exemplo, "A primeira preocupao de qualquer socie-
dade a proteo dos direitos de propriedade" (conservadora) e " pre-
ciso haver controle de natalidade mais efetivo se o mundo quiser resolver
seus problemas sociais e polticos" (liberal) -e itens referentes (palavras
e frases curtas expressando idias sociais) - por exemplo, " propriedade
privada", "competio" (conservadoras) e "igualdade", " medicina sociali-
zada" (liberais). As escalas foram aplicadas a grandes grupos de indi-
vduos em partes diferentes do pas e as correlaes entre os itens foram
analisadas fatorialmente.
Os resultados das anlises fatoriais foram altamente semelhantes
em quase todas as amostras. Foram obtidos seis ou mais fatores, e na
maioria dos casos itens liberais apareceram juntos em certos fatores e
itens conservadores apareceram juntos em outros fatores. Os dois tipos
de itens raramente apareceram juntos nos mesmos fatores. J que os
fatores so relativamente independentes uns dos outros, parece que libe-
ralismo e conservadorismo, conforme definidos pelos itens, so entidades
separadas e distintas. Alm disso, uma chamada anlise fatorial de segun-
da ordem, uma anlise fatorial das correlaes entre os prprios fatores,
mostrou que os fatores com itens liberais eram correlacionados positiva-
mente e igualmente os fatores com itens conservadores. Houve pouca
evidncia nesses estudos de bipolaridade, isto , itens liberais aparecendo
com cargas negativas em fatores conservadores e itens conservadores
aparecendo com cargas negativas em fatores liberais. Os estudos O
tambm apoiaram os resultados acima sumarizados. A teoria estrutural,
ento, parece ser apoiada pela evidncia desses estudos.
Para dar ao leitor uma idia dos resultados obtidos nesses estudos,
os arranjos fatoriais de um dos mais recentes deles (Kerlinger, 1972)
so dadas na tabela 12. 9. O principal propsito do estudo foi testar a
teoria dos referentes criteriais descrita acima, usando os prprios refe-
rentes como itens. Outro propsito foi entender melhor a natureza das
atitudes sociais determinando atravs da anlise fatorial os fatores subja-
centes s atitudes sociais. Os dados da Tabela 12.9 servem a este
propsito.
Uma escala de atitudes sociais de 7 pontos e 50 itens de palavras e
frases curtas (veja tabela 12. 9) , todas presumivelmente relacionadas a
atitudes sociais, foi administrada a amostras de estudantes ps-graduados
em educao em Nova Iorque, Carolina do Norte e Texas. Embora os
dados de cada um desses estados fossem analisados separadamente, as
230
\
amostras do Texas e Carolina do Norte foram combinadas para formar
uma amostra grande (N = 530), dando assim resultados de anlise
fatorial de maior confiana. (A anlise fatorial exige amostras grandes,
principalmente por causa dos erros de mensurao e muitas variveis
estarem sendo analisadas.) Os resultados da amostra de Nova Iorque
Tabela 12.9 Fatores de atitude social, itens referentes e cargas fatoriais, amostra
combinada de Carolina do Norte e Texas, N = 530 .
Fatores conservadores
Religiosidade
Religio (0,78)
Igreja (0,73)
F em Deus (0,72)
Cristo (0,69)
Ed. religiosa (0,57)
Ensinamento de valores
espirituais (0,53)
Padres morais em
educao (0,36)
Patriotismo (0,33)
Fatores liberais
Direitos civis
Negros (0,60)
Dir. civis (0,57)
Integrao racial (0,57)
Tudeus (0,46)
Desagregao (0,43)
(Pureza racial ( - 0,37))
Tradicionalismo
educacional
Contedo (0,59)
Educao como. treino
intelectual (0,52)
Disciplina escolar (0,44)
Grupos homogneos
(0,30)
Educao centralizada
na criana
Interesses da criana
(0,56)
Currculo centrado
na criana (0,54)
Personalidade do
aluno (0,54)
Auto-expresso das
crianas (0,47)
Interao dos alunos
(0,44)
Liberdade da criana
(0,37)
Conservadorismo
econmico
Livre empresa (0,62)
Imveis (0,53)
Propriedade privada (0,43)
Capitalismo (0,37)
Soberania nacional (0,30)
(Conhecimento
cientfico (0,30))
Liberalismo social
Segurana social (0,53)
Suprema Corte (0,50)
Ajuda federal para
a educao (0,49)
Medicina socializada
(0,47)
Naes Unidas (0,43)
As cargas so dadas entre parnteses. As cargas 0,30 ou maiores foram conside-
radas si1mificativas. Os dois referentes entre parnteses so um item L carregado
em um fator C e um item C carregado em um fator L.
231
foram usados para comparar com os resultados das amostras
do Texas e Carolina do Norte. Estamos preocupados apenas com a
amostra combinada. Os dados foram analisados fatorialmente e foram
extrados seis fatores das intercorrelaes dos 50 itens referentes. Os
resultados da anlise fatorial esto dados na tabela 12. 9.
Trs dos seis fatores tinham itens conservadores, segundo fora
previamente determinado, e trs fatores tinham itens liberais, tambm
segundo determinaes prvias. Esta determinao de liberal e conser-
vador , naturalmente, importante. Os julgamentos foram feitos com base
na literatura sobre pesquisas anteriores em conservadorismo e liberalis-
mo (Hartz, 1955; Kirk, 1960; Rossiter, 1962), pesquisas anteriores,
antologias de medidas de atitudes (Robinson, Rusk & Head, 1968;
Robinson e Shaver, 1969; Shaw & Wright, 1967), e experincia e
conhecimento. No difcil ver que livre empresa, religio e contedo
so referentes conservadores e que direitos civis, igualdade e medicina
socializada so referentes liberais. Em todo caso, a maioria dos referen-
tes designados como conservadores e liberais resultaram ser emprica-
mente "corretos', no sentido de que se agrupavam em fatores predomi-
nantemente conservadores ou liberais, como fora predito pela teoria.
Vale a pena estudar a tabela 12. 9. Note primeiro que, com apenas
uma exceo, pureza racial no fator Direitos Civis, no h cargas nega-
tivas na tabela. Segundo, todos os itens em qualquer arranjo fatorial
ou so conservadores ou so liberais, mas no ambos. Por exemplo,
todos os itens do fator "Liberalismo Social" so itens liberais, enquanto
que todos os itens no fator "Conservadorismo Econmico" so conser-
vadores, com uma possvel exceo, conhecimento cientfico.
Terceiro, e mais importante do ponto de vista deste captulo, note
o tema comum o carter de cada fator. Voc concorda com o nome
dado? Tem nome melhor? Note, por exemplo, que um item, segurana
nacional, no se encaixa direito no fator "Conservadorismo Econmico".
Ento, "Conservadorismo Econmico" no correto? (Nem sempre se
conseguem fatores "perfeitos", naturalmente). Conhecimento cientfico
parece no combinar. A. coisa principal a notar, entretanto, que a
maioria dos itens, s vezes todos, participam de uma idia central, algum
ncleo de significado de atitude que possibilita identificar o fator. Alm
do mais, j que os primeiros trs fatores participam da caracterstica
geral de terem itens conservadores, pode-se especular que existe um
fator "geral" de conservadorismo. Da mesma forma, talvez nos ltimos
trs fatores, cujos itens so todos liberais, definam um fator geral de
liberalismo. A evidncia .deste estudo e outros, mesmo na Espanha e
na Holanda, onde foram feitos estudos semelhantes (Kerlinger, Midden-
dorp & Amn, 1976) indicam que assim .
232
\
Anlise fatorial: uma apreciao
Os cientistas buscam explicaes para os fenmenos . Como destaca-
mos vrias vezes, neste livro, a nica maneira de explicar alguma coisa
dizendo o que se relaciona a ela. Antes de podermos estudar as relaes
entre as variveis, precisamos saber o que so as variveis; precisamos
saber alguma coisa a respeito do fenmeno que queremos estudar. Isso
parece to bvio que nem seria necessrio mencionar. Mas no bvio;
na verdade, acontece que extremamente confuso e difcil. Os psiclogos
desejam explicar a inteligncia, assim como us-la como varivel para
ajudar a explicar outros fenmenos psicolgicos. Para explicar intelign-
cia, entretanto, eles precisam ter uma idia do que querem dizer com inte-
ligncia. Isso significa conhecer alguma coisa das categorias, dos tipos
de inteligncia que formam o que conhecido como " comportamento
inteligente" (comportamento inteligente deve, por sua vez, ser definido
constitutiva e operacionalmente). '
Estes problemas formam um conjunto dos problemas mais difceis
para a compreenso das cincias comportamentais. (Acho difcil at
enunciar o problema de sorte a poder entend-lo antes de tentar expli-
c-lo.) Como sempre, tomemos um ou dois exemplos. Neste captulo
vimos que Guilford criou uma classificao muitssimo complexa de
tipos de inteligncia. Seu sistema de classificao - formalmente uma
taxinomia - forma com efeito uma teoria da inteligncia, ou pelo menos
os elementos e bases de uma teoria da inteligncia. Ele usou trs tipos
de categorias- operao, contedo e produto- cada um com subcate-
gorias. As combinaes dessas categorias e subcategorias " prediziam"
aspectos do comportamento inteligente. Guilford e seus colegas criaram
itens e testes que pareciam derivar dessas " definies", aplicaram-nos a
amostras convenientes de pessoas e depois usaram anlise fatorial para
testar a adequao da concepo terica. Os fatores que Guilford predisse
aparecem da forma como ele disse que apareceriam? Os itens e testes
aparecem nos fatores preditos por Guilford?
Compreender os fenmenos depende em parte da taxinomia. Taxino-
mia a disciplina da classificao. Todas as cincias tm alguma espcie
de taxinomia ou sistema de classificao. Classificar coisas quer dizer
coloc-las em categorias. Mas que categorias? De onde vm as categorias?
Uma das principais tarefas da cincia inventar taxinomias adequadas
aos fenmenos ou variveis da cincia - e ento testar a validade
emprica dos sistemas taxinmicos. A anlise fatorial provavelmente o
mtodo mais importante de realizar este teste e tambm explorar o
mundo de variveis da cincia para descobrir, ou antes, conseguir
"dicas", para sistemas taxinmicos. Foi isto que Thurstone e Guilford
fizeram em sua busca dos fenmenos de inteligncia e o que eu fiz
233
te!ltando compreend.!r atitudes soc1a1s. Sem anlise fatorial, natural-
mente, essas tentativas tericas e empricas de compreender fenmenos
complexos seriam impossveis ou no mnimo, muitssimo difceis.
A anlise fatorial , ento, um instrumento bsico da cincia com-
portamerital, concebido inicialmente apenas como instrumento explora-
trio, um mtodo para "descobrir" ou "encontrar" fatores, e que agora
sabemos ser muito mais. Agora ns a concebemos e a usamos para
testar a validade emprica de teorias fundamentalmente estruturais ou
taxinmicas. Como tal, fundamental e indispensvel. uma abordagem
importantssima e um instrumento analtico para compreender o material
bsico de uma cincia: seus fenmenos e suas variveis.
234
13. A abordagem multivariada:
correlao cannica, anlise discriminante
e anlise de estruturas de covarincia
A maior parte da discusso da pesquisa neste livro foi dominada
pela idia de uma varivel dependente. Voltando discusso dos experi-
mentos, vamos notar que uma nica varivel dependente, um s efeito
foi influenciado por uma ou mais variveis independentes. Pode-se dizer
que a maioria das pesquisas nas cincias comportamentais teve apenas
uma varivel dependente, ou pelo menos uma varivel dependente por
vez. At o mtodo de regresso mltipla, com suas muitas variveis
independentes, tem apenas uma varivel dependente. (A anlise fatorial
diferente: geralmente no pensamos em variveis dependentes ou inde-
pendentes em estudos de anlise fatorial, embora possamos pensar, se
quisermos.) Ficamos ento, limitados a apenas uma varivel dependente?
No, de forma nenhuma.
No h motivo para no estendermos nossa investigao a mais de
uma varivel dependente e mais de uma varivel independente. As vezes
h motivos prticos imperiosos para limiiarinos o nmero de variveis
em pesquisa, mas, pelo menos conceitualmente, no precisamos nos
limitar tanto. Na verdade, podemos considerar toda pesquisa, no impor-
tam quantas variveis e de que espcie, como sendo casos especiais do
caso geral nico de k variveis independentes e m variveis dependentes,
k e m sendo quaisquer nmeros. A pesquisa multivariada , ento,
aquela em que haja mais de uma varivel independente ou mais de uma
varivel dependente, ou ambas. O termo usado comumente "anlise
multivariada", que uma famlia de formas de anlise semelhantes
anlise de regresso mltipla, s que h mais de uma varivel dependente.
Neste livro, vamos considerar tambm a regresso mltipla como parte
da famlia da anlise multivariada, embora apenas com uma varivel
dependente.
Sem dvida, os mtodos multivariados so complexos e, s vezes,
difceis de entender, em parte por causa dos terrveis aparatos de smbo-
los matemticos e estatsticos que o estudante em potencial tem que
saber. O ideal seria _que se conhecesse o clculo diferencial para compre-
ender a regresso mltipla e outros mtodos multivariados. Mas pode-se
235
chegar a uma compreenso satisfatria sem o clculo. Pode-se at enten-
der os mtodos multivariados sem se conhecer os smbolos e a lgebra
de matrizes. Mas no se pode entender a pesquisa comportamental
contempornea sem um bom entendimento dos mtodos e abordagens
multivariados. Os motivos se tornaro evidentes medida que entrarmos
no assunto.
Alguns exemplos experimentais multivariados
No captulo 7 discutimos um experimento interessante de Berkowitz
(1959), no qual se buscava uma resposta seguinte pergunta: Os anti-
semitas deslocam agresso para os judeus quando sua hostilidade
deflagrada? Vamos estender o experimento univariado de Berkowitz
(uma varivel dependente) de maneira multivariada. Suponhamos que
tenha sido demonstrado que a deflagrao de hostilidade produz um
deslocamento de agresso em direo aos judeus entre os anti-semitas.
Com uma extenso do raciocnio terico, podemos perguntar se a defla-
grao de hostilidade produz tambm agresso direta ou aberta contra os
judeus. H agora duas variveis dependentes, agresso deslocada e
agresso aberta, e duas variveis independentes, deflagrao de hostili-
dade e anti-semitismo. Isto seria um experimento multivariado com duas
variveis independentes e duas variveis dependentes.
f: muito possvel, naturalmente, testar o efeito da deflagrao de
hostilidade nas duas variveis dependentes separadamente. Tal procedi-
mento seria semelhante aos descritos antes. Em vez de um experimento,
dois. Em um deles seria avaliado o efeito da deflagrao de hostilidade
e anti-semitismo em agresso deslocada. No outro, seria avaliado o efeito
da deflagrao de hostilidade em agresso aberta. Por que no fazer
dois experimentos? Por que nos preocuparmos com um experimento
multivariado consideravelmente mais complicado? Vamos agora tentar
responder essas perguntas, embora devamos confessar podermos dar
apenas respostas parciais.
Vamos considerar a experimentao educacional voltada para estudo
dos efeitos de diferentes mtodos de ensino sobre a realizao. Vamos
voltar ao estudo de Clark e W alberg, por exemplo, em que foi estudado
o efeito do reforamento macio e regular sobre a realizao em leitura.
No vamos nos esquecer ele que o reforamento macio teve efeito consi-
deravelmente maior sobre a realizao em leitura do que o refora-
menta regular. Qual seria o efeito do reforamento macio sobre a
realizao em matemtica? O mesmo? Ou talvez diferente? Aqui nova-
mente podem ser feitos dois experimentos, cada um com uma varivel
dependente diferente. possvel, entretanto, obter-se uma resposta
236
melhor questo da pesquisa sobre o efeito do reforamento sobre a
realizao, incluindo ambas as variveis em um experimento. Por qu?
Qual poder ser a vantagem? Uma resposta que os mtodos de refora-
menta podem afetar os dois tipos de realizao diferentem"ente e que as
diferenas podem no surgir nos dois experimentos e surgir em um experi-
mento que inclua ambas as variveis dependentes.
H muitas situaes prticas em que indivduos tm que ser
"designados" para grupos diferentes com base em seu nvel diferente de
traos, capacidades, experincia e assim por diante. Por exemplo, nas
escolas as crianas so "designadas" para grupos de aprovados e repro-
vados com base em seu esforo e realizao. Candidatos a emprego em
uma companhia so designados para grupos de contratados e no
contratados com base em sua capacidade e experincia. Os psiquiatras
designam pessoas mentalmente doentes para categorias como neurtico,
esquizofrnico e manaco-depressivo, com base em testes e observaes.
Nestes casos o pesquisador considera o pertencer ao grupo como a
varivel dependente e os vrios testes e outros aparatos como variveis
independentes. Embora haja apenas uma varivel dependente, como na
anlise de regresso mltipla, os mtodos de anlise empregados em tais
situaes so considerados e denominados anlise multivariada.
Um ltimo exemplo mais complexo antes de entrarmos em maiores
detalhes. Roe e Siegelman (1964) acreditavam que experincias no incio
da vida levavam a diferenas posteriores em orientao para pessoas. Seu
interesse em orientao partia da suposio de que a orientao para
pessoas influenciava os interesses por diversas ocupaes. Um indivduo
fortemente orientado para pessoas, mais provavelmente se tornaria um
professor, ou um aconselhador, por exemplo. Para testar a hiptese,
aplicaram dois conjuntos de testes a diversos alunos de quarto ano
de faculdade. O primeiro conjunto media variveis associadas ao ambien-
te familiar, primeiras experincias de atividades sociais, proximidade de
me e pai, interesse e energia que pai (ou me) demonstravam em
atividades outras que o trabalho e a famlia. As variveis do segundo
conjunto refletiam a orientao em relao a pessoas, por exemplo,
curiosidade em relao a pessoas, desejo de relaes pessoais ntimas,
calor humano e sociabilidade. Sua hiptese era que relacionamentos
intensos e satisfatrios no incio da vida resultavam em adultos princi-
palmente orientados para pessoas, enquanto relacionamentos inadequa-
dos e insatisfatrios resultavam em adultos orientados para aspectos no
pessoais do ambiente.
Esta pesquisa multivariada porque tem diversas variveis inde-
pendentes e diversas variveis dependentes. O problema como estudar
a relao entre elas. A coisa mais bvia a fazer simplesmente correia-
237
cionar cada uma das variveis independentes com cada varivel depen-
dente _e _ento as muitas correlaes. Se as primeiras experincias
de atlvidades sociais se correlacionam altamente com, digamos, uma
medida de orientao em relao a pessoas, - isto , quanto mais cedo
a experincia de atividade sociais, maior a orientao para pessoas -,
ento provavelmente os pesquisadores podero co"!lcluir que as primeiras
experincias influenciam a orientao posterior. Pode-se ainda calcular
toda:, as correlaes entre todas as variveis e analisar fatorialmente as
correlaes. Esta pode ser uma boa maneira de atacar o problema porque
os resultados da anlise fatorial deveriam mostrar &s relaces entre as
primeiras experincias e as orientaes. '
. Outro meio de abordar o problema analtico, um meio mais apro-
pnado porque seus resultados iro referir-se diretamente hiptese
original, calcular um ndice composto para as variveis independentes
e outro ndice composto para as variveis dependentes, e correlacion-los.
Foi este o mtodo usado por Roe e Siegelman.
1
A correlaco entre os
dois ndices compostos, calculada de forma a aumentar correlaco
entre os dois conjuntos de variveis, 8 medidas para cada conjunto, ,foi
de 0,47. Esta correlao cannica, como chamada, foi estatisticamente
uma relao moderada entre as primeiras expe-
nencias e a onentaao para pessoas.
O mtodo possibilita ao pesquisador, alm de obter a correlaco
total entre os dois conjuntos de variveis, obter estimativas das influn-
cias relativas das variveis separadas nos ndices compostos. No caso
presente, a varivel independente mais influente foi a varivel chamada
experincias de atividades sociais", e a varivel dependente
mais Importante foi a chamada "Orientao para pessoas", calculada de
e itens de inventrio. A hiptese de Roe e Siegelman
foi confirmada, uma vez que a correlao cannica foi estatisticamente
signif}ca?te. Alr;n do mais, foi obtida informao sobre quais variveis
contnbuuam mms para a correlao entre os dois conjuntos de variveis.
O mtodo ora descrito chamado anlise de correlao cannica.
o mais geral dos mtodos multivariados, no sentido de que outros
mtodos multivariados podem ser considerados casos especiais de corre-
cannica.
2
igualmente poderoso e elegante, embora a interpre-
taao de seus resultados possa ser difcil e at ambgua. (O porqu
1 A anlise relatada aqui foi feita, na verdade, por Cooley e Lohnes (1962,
pp. 40-44).
2
A afirmativa um pouco inadequada. Uma afirmativa mais satisfatria que
quase os mtodos anolticos multivariados so casos especiais do chamado
lmear - e a anlise de correlao cannica um dos mtodos mais
gerais de modelo linear. Isto significa, com efeito, que ela analisa virtualmente
238
disto no poder ser explicado aqui porque a explanao exige recursos
tcnicos alm da finalidade do livro. Em geral, quanto mais complexa
uma anlise, mais difcil a interpretao.) Para dar ao leitor maior idia
e compreenso do mtodo, inventamos um exemplo fictcio e o vestimos
com variveis relacionadas aprendizagem de lngua estrangeira. Deve
ser enfatizado, entretanto, que o exemplo inteiramente fictcio. Alis,
eu no conheo nenhuma pesquisa real que sequer seja semelhante ao
problema e suas variveis.
Anlise de correlato cannica: um exemplo fictcio
Vamos recordar a discusso sobre regresso mltipla: havia k
variveis independentes e sempre uma varivel dependente. Suponhamos
que no estudo de uma lngua estrangeira um psiclogo-lingista esteja
interessado nas capacidades que contribuem para falar um idioma estran-
geiro. Ele acredita que trs variveis importantes tm influncia no
aprendizado de uma lngua estrangeira: memria, vocabulrio e cognio
de relaes. (Vamos tomar essas variveis pelo que significam primeira
vista, menos a ltima, que podemos tomar aqui como a capacidade de
apreender as conexes entre itens de informao.) Ele aplica testes das
trs variveis a 200 indivduos que estudaram italiano durante um ano.
Alm disso, ele d notas de fluncia no falar a lngua a cada indivduo,
notas essas fornecidas por especialistas de lngua italiana a partir de
observaes e testagem sob condies controladas. Fluncia em falar
a lngua, ento, a varivel dependente.
O pesquisador analisou as notas dos trs testes e as observaes
sobre a fluncia com anlise de regresso mltipla. As notas de 8 dos
sujeitos esto dadas na tabela 13. 1. (Vamos supor que os clculos dados
aqui foram feitos com todos os 200 sujeitos. Usamos 8 notas por
convenincia.) As notas dos trs testes, as variveis independentes, esto
sob X1, X2 e Xa. A fluncia ou nota de linguagem falada esto na
coluna Y1. A anlise de regresso mltipla produziu um coeficiente de
correlao mltipla, R, entre um ndice (composto) de regresso das
trs variveis independentes e a varivel dependente de 0,37. O pesquisa-
dor ficou desapontado: ele esperava que mais de 0,37
2
= 0,14 (R
2
), ou
14 por cento da varincia de Y fossem explicados pelas trs variveis
independentes.
qualquer tipo de dados com k variveis independentes e m variveis dependentes,
extrai fatores dos dados, avalia as relaes dentro e entre as variveis dependentes
c independentes e especialmente a mxima correlao possvel entre ndices com-
postos das variveis dependentes e independentes.
239
Tabela 13.1 Notas ficticias em trs medidas de variveis independentes de capaci-
dades relacionadas a linguagem e duas medidas dependentes de competncia na
lngua (italiano).
Variveis independentes
Variveis dependentes
Pessoas Memria Vocabulrio Relaes Falar Ler
x, x, x,
X y, y, y
1 12 9 9 10,00 11 10 10,50
2 10 8 11 9,67 9 8 8,50
3 14 11 11 12,00 9 9 9,00
4 21 10 8 13,00 7 7 7,00
5 24 19 20 21,00 12 14 13,00
6 18 16 21 18,33 14 12 13,00
7 15 17 14 15,33 7 15 11,00
8 20 14 10 14,67 18 16 17,00
Ele teve uma idia ento. Talvez as trs vanaveis independentes
fossem mais relacionadas aprendizagem de leitura de uma lngua
estrangeira. Felizmente ele obtivera notas de leitura de italiano em um
teste dado aos mesmos estudantes da lngua. Essas notas esto dadaf; na
coluna Y2 da tabela 13. 1. Uma anlise de regresso mltipla desta
varivel e as mesmas variveis independentes forneceu um R de 0,89
e um R
2
de 0,80. Portanto, 80 por cento da varincia de Y2, leitura de
italiano, foi explicada por uma combinao de notas de memria, voca-
bulrio e cognio de relaes. O pesquisador ficou contente. Embora as
trs variveis independentes fossem relacionadas com Y1, falar italiano,
a relao foi comparativamente fraca (embora muitos pesquisadores se
contentassem, neste caso, com um R
2
de 0,14.) As trs variveis inde-
pendentes estavam muito mais fortemente relacionadas, por outro lado,
leitura do italiano.
O leitor perceber que tal descoberta seria importante se confirmada
em replicaes. importante teoricamente porque foi aumentada a com-
preenso da aprendizagem de uma lngua estrangeira. Faz diferena, por
exemplo, se aprender uma lngua significa aprender a falar ou aprender
a ler. A magnitude do R
2
das notas de leitura foi gratificante para o
pesquisador: talvez tenha sido feito um avano substancial em explicar
a leitura de uma lngua estrangeira. Afinal, explicar 80 por cento da
varincia no faanha pequena.
3
Talvez mais pesquisa e trabalho
possam aumentar o R
2
com as notas de linguagem oral.
3 Deve ser enfatizado que um R2 to alto improvvel. Neste exemplo foi
inventado para dar um efeito dramtico.
240
Em vez de duas anlises separadas, possvel usar uma anlise
que inclua as trs variveis independentes e as duas depen-
dentes? possvel analisar as relaes entre os dms, de
variveis em outras palavras? Os ingredientes de tal anahse sao dados
na tabela 13. 1. As notas X1, X2 e X3 foram calculadas em cada linl;la,
produzindo as de 10,00, 9,67, 12,00 e por diante, na
coluna encimada por X. As notas de Y 1 e Y 2 foram 1gua.lmente
das, resultando em de 10,50, 8,50, 9,00 e ass1m por d1ante,
na coluna encimada por Y. Temos ento, um componente X e um
componente Y que so, neste caso, as notas X de
indivduo e as mdias das notas Y de cada A correlaao
entre o componente X, X, e o componente Y, Y, Se elevarmos
ao quadrado esse r, obteremos 0,29 . .e aceitarmos os X's represen-
tativos das trs variveis X e os Y's como representativos das duas
variveis Y, ento a correlaJ entre as trs variveis X, por ::m .lado,
e as trs variveis Y, por outro, 0,54, e 29 por cento da vananc1a de
Y compartilhada com X.
O procedimer'.to descrito no seria usado comumente em pesquisas
reais. Ns o usamos para ilustrar uma idia, a idia de determinar
a correlaco entre conjuntos de notas em vez de notas isoladas, neste
caso a entre o conjunto X e o conjunto Y. Na maioria de
pesquisas reai; com conjuntos de variveis X e Y,
de correlaco cannica, que calcula, entre outras cmsas, o
possvel de, correlao entre conjuntos de variveis ?f- e Y.
as mdias de X e Y no calcula corretamente a verdade1ra relaao
entre os dois conjuntos de notas. No calcula a correlao mxima
possvel dados os dois conjuntos ?e n.otas e ?s relaes entre eles.
Portanto, neste caso, d uma estnnatrva mmto bmxa.
Vamos voltar nossa discusso sobre anlise de regresso mltipla.
Lembre-se que um coeficiente de correlao mltipla expressa a correla-
o entre a "melhor" combinao de vari!veis ou. e
uma varivel dependente, Y. A correlaao Cfinomca estende a 1de1a a
m.ais de uma varivel Y. Embora os clculos sejam complexos, as idias
bsicas so simples. O coeficiente de correlao, entre as
variveis X e as mdias das variveis Y da Tabela 13. 1, fo1 0,54.
Se tivssemos calculado a correlao entre as variveis X e Y usando
anlise de correlao cannica, teramos produzido um chamado coefi-
ciente de correlaco cannica que seria o mximo de correlao possvel
entre os X e Y das notas, dadas aquelas notas e relaes
entre as variveis X, entre as variveis Y e entre os conJuntos de
variveis X e Y. A cannica entre os conjuntos de notas X e Y,
ento, seria maior que a correlao obtida por nosso
simplificado usando as mdias das notas X e Y. (A correlaao canomca
241
, na verdade, 0,99, muitssimo alta. Mas raramente ocorre correlao
cannica to alta com dados comportamentais. Neste caso devida
natureza sinttica das notas e a alta correlao de 0,80 entre Xz e Yz.)
Alm disso, a anlise de correlao cannica produz taxas das
contribuies relativas das variveis dependentes e independentes sepa-
radas da correlao cannica. Por exemplo, no exemplo da aprendizagem
da lngua, poderiam ser calculados pesos semelhantes s cargas fatoriais
discutidas no captulo 12, e esses pesos diriam ao pesquisador que
variveis ou varivel independente tiveram influncia relativamente maior
sobre que varivel ou variveis dependentes. Os resultados de uma
anlise de correlao cannica dos dados da tbela 13 .1, por exemplo,
mostraram que vocabulrio, Xz, e leitura do italiano, Y2, eram muito
mais importantes que as outras variveis na determinao da correlao
cannica. Em outras palavras, a anlise, se bem sucedida, determina a
magnitude da relao total entre os dois conjuntos de variveis ou
medidas, e tambm indica que variveis, quer dependentes quer indepen-
dentes, contribuem mais para a relao entre os conjuntos. Embora
ainda haja muito a comentar a respeito da anlise cannica, incluindo
as limitaes do mtodo e certas . dificuldades de interpretar dados
cannicos, vamos abandonar a discusso. Nosso objetivo de sugerir as
idias bsicas foi conseguido.
Anlise discriminante
Pense em uma anlise de regresso mltipla em que a varivel
dependente expresse a participao em um grupo. Por exemplo, sexo,
classe social, preferncia religiosa, poltica e outras, so variveis que
expressam participao em um grupo. Qualquer indivduo pode ser
designado para um grupo na base da posse de caractersticas "apropria-
das" quele grupo. Geralmente podemos ver se um indivduo homem
ou mulher, mas em dvida, podemos perguntar-lhes. A identificao,
com efeito, designa o indivduo para um dos dois grupos, masculino
ou feminino.
O mesmo raciocnio se aplica a preferncia poltica, s que a identi-
ficao e designao a grupos mais complexa. Preferncia poltica,
por exemplo, geralmente simples nos Estados Unidos; a maioria dos
eleitores republicana ou democrata. Na Europa Ocidental, onde proli-
feram os partidos polticos - na por exemplo, h mais de
30 partidos polticos -, a identificao e designao de membros a
grupos so mais complexas e difceis. Na Unio Sovitica, por outro
lado, onde h apenas um partido polhco, no existe qualquer questo
de designao a grupos; na verdade, no poder haver varivel de prefe-
rncia poltica.
242
\
Em muitas situaes de pesquisa, ento, os pesquisadores designam
pessoas a grupos com base em sua participao no grupo. Isso parece
quase tolice: Como o pesquisador pode designar pessoas a grupos dos
quais elas j fazem parte? Um ponto que ele pode no saber a que
grupos elas pertencem, e se uma de suas variveis aquela que expressa
participao corno membro de um grupo, ento ele ter que dar um
jeito de determinar a participao no grupo. Isso, por sorte, geralmente
no difcil. Ele poder faz-lo examinando registros ou simplesmente
fazendo perguntas bem dirigidas s pessoas.
Suponhamos, entretanto, que se deseja predizer uma varivel de
participao em um grupo. Temos agora que ampliar nosso raciocnio.
Em algumas situaes as pessoas ainda no esto "em um grupo" mas
sero "designadas" a ele pelo pesquisador com base em informaes
obtidas por outras variveis que no sejam as de participao em grupos.
Vejamos o que significa isso, porque muita pesquisa comportamental
tem o carter essencial de "predizer" a filiaes grupais.
Foi dado anteriormente um exemplo famoso: a previso do cncer
do pulmo pelo fumar cigarros. O pesquisador, com efeito, designa
pessoas a um grupo de cncer no pulmo ou sem cncer no pulmo com
base no conhecimento do hbito de fumar cigarros. Quanto maior a
relao entre o cigarro e o cncer, mais bem-sucedida a predio. Os pes-
quisadores educacionais designam crianas a grupos de aproveitamento
adequado e a grupos de aproveitamento inadequado com base nos resul-
tados de testes de aptido, notas, medidas de atitude, medidas de classe
social, sexo e em outras variveis e medidas. Os professores, igualmente,
designam alunos de ginsio a grupos de conceitos - A, B, C, D e F,
por exemplo- com base no desempenho, em testes, trabalhos de aprovei-
tamento, tarefas especiais e at julgamentos pessoais.
O leitor sem dvida se lembrar que a isso chamamos mensurao
nominal. Se uma pessoa tem tal ou qual caracterstica, que seja designada
ao Grupo A1; se, por outro lado, tem esta ou aquela caracterstica,
designar-se- ao Grupo A2; e assim por diante para outras caractersticas
c grupos. Um ponto-chave que os indivduos sejam designados no
aos grupos a que realmente pertenam, mas aos quais "deveriam perten-
cer" com base em evidncias sobre os indivduos que so independentes
de participao em grupos. Isto , a participao no grupo "predita"
baseada em evidncia obtida independentemente e parte da partici-
pao no grupo, mas que se sabe, ou se acredita, ser capaz de prever
essa participao no grupo com eficincia.
O longo aparte acima foi necessrio a fim de compreendermos o
mtodo de anlise discriminante e a respectiva pesquisa que dizem
respeito predio qe participao em um grupo. Anlise discriminante
uma forma muito til de anlise multivariada, cuja principal tarefa
243
predizer a participao em um grupo. A pesquisa deste tipo feita mais
cu menos da maneira que segue. Um pesquisador deseja compreender.
por exemplo, o problema da aquisio de linguagem. Algumas pessoas
podem aprender a falar e compreender uma lngua estrangeira com
relativa facilidade; outras pessoas tm enorme dificuldade. Por qu?
Suponhamos que o pesquisador identifique primeiro dois grupos de
indivduos. Um grupo ser chamado "bons aprendizes" porque parecem
ter aprendido bem o italiano e com relativa facilidade, e o outro grupo
"maus aprendizes" porque, depois de um ano de estudo, o grupo fala
e compreende mal ou com dificuldade o italiano. Num esforo de
compreender as diferenas entre os dois grupos, o pesquisador lhes aplica
trs testes, os mesmos usados antes: memria, vocabulrio e cognio de
relaes. Ele raciocina que se o coeficiente de correlao cannica for
to alto no primeiro estudo, ento talvez as trs variveis usadas antes
como variveis independentes, se usadas juntas, sero capazes de uma
previso bastante exata do sucesso ou falta de sucesso em aprender um
idioma estrangeiro.
A idia muito parecida com as idias discutidas no captulo 11,
vrios testes ou medidas foram usados para "predizer" o desempenho
em alguma varivel dependente. Por exemplo, Holtzman e Brown (1968)
usaram medidas de aptido acadmica e hbitos e atitudes de estudo
para preverem notas no segundo grau. Em vez de mdias de notas,
uma varivel contnua, eles poderiam ter usado uma medida de sucesso
no segundo grau. Tal medida pode ser obtida pedindo aos professores
que categorizem cada aluno como "bem-sucedido" ou "malsucedido."
Ou o critrio de terminar ou no o ginsio pode ser usado para indicar
"bem-sucedido" e "malsucedido". Em outras palavras, usada a partici-
pao em um grupo, uma varivel dicotmica, ou de dois valores.
A quantificao simples: atribua 1 a 'bem-sucedido" e O a "malsuce-
dido." Se for feita agora uma anlise regresso mltipla, com aptido
acadmica e medidas de hbitos e atitudes de estudo como variveis
independentes e a varivel dicotmica, "sucesso", como a varivel depen-
dente, teremos, com efeito, uma anlise discriminante.
O aprendizado de linguagem revisitado
Vamos voltar ao problema da aprendizagem de um idioma. Suponha-
mos que em vez de duas variveis dependentes, como na tabela 13 . 1,
tivssemos uma varivel dependente dicotmica. Tal situao dada na
tabela 13 . 2. Vamos conceber um problema semelhante ao da tabela 13. 1
e sua discusso. Suponhamos que o problema seja explicar ou predizer
o sucesso em aprender uma lngua estrangeira, desta vez o holands.
Oito indivdu'Js que estudaram holands durante um ano foram exami
244
nados por trs especialistas atuando como juzes e considerados "bem-
sucedidos" ou "malsucedidos" em falar holands. Quatro deles foram
caracterizados pelos juzes como "malsucedidos"; so as pessoas de
1 a 4 na tabela 13 . 2 e receberam O para indicar sua falta de sucesso
Tabela 13.2 Notas fictcias de trs medidas de variveis independentes de capaci-
dades relacionadas com linguagem e uma medida dicotmica de sucesso em
aprendizado de um idioma (holands).
Varivel independente
Varivel dependente
x, x2 XJ
y
Pessoas Memria Vocabulrio Relaes Categoria
Sucesso,
linguagem
12 9 9 Sem sucesso o
2 10 8 11 Sem sucesso o
3 14 11 11 Sem sucesso o
4 21 10 8 Sem sucesso o
5 24 19 20 Sucesso 1
6 18 16 21 Sucesso 1
7 15 17 14 Sucesso
8 20 14 10 Sucesso
(coluna Y da tabela). As outras quatro pessoas, de 5 a 8, foram caracte-
rizadas como "bem-sucedidas'' . Receberam 1 n tabela. Em outras pala-
vras, os "dados" na tabela 13 . 2 consistem nas notas das trs variveis
independentes de memria, vocabulrio e relaes e notas de 1 e O na
varivel dependente, aprendizado com sucesso, 1 indicando "bem-suce-
dido" e O "malsucedido".
Atribuir 1. e O assim parece confundir algumas pessoas. uma
maneira natural, simples e eficaz de quantificar uma varivel que
expressa participao em um grupo. Na verdade, j foi introduzida
quando variveis como sexo, classe social, vivo-falecido e preferncia
poltica foram discutidas. Geralmente tais variveis so quantificadas
mediante contagem e os resultados colocados em tabelas de cruzamento
de variveis, que tm freqncias nas clulas. Mas podem ser quantifi-
cadas com 1 e O e suas correlaes com outras variveis facilmente
calculadas. As correlaes entre a varivel. sucesso da tabela 13 . 2, por
exemplo, e as variveis independentes da tabela so, em ordem, 0,56,
0,92 e 0,70, indicando que o sucesso no aprendizado de um idioma
est substancialmente correlacionado com as variveis de memria, voca-
bulrio e relaes, _ mas principalmente muitssimo correlacionado com
vocabulrio. mais difcil explicar a atribuio de 1 e O. Neste caso a atri-
245
buio foi feita deliberadamente para realar as correlaes. Em
pesquisas reais, entretanto, usam-se outros e melhores mtodos.
Se for feita uma anlise de regresso mltipla com os dados da
tabela 13.2 e se for bem sucedida - com os dados da tabela 13 .2 foi
bem sucedida: R
2
= 0,85 - , ento a equao de regresso obtida pode
ser usada com futuros alunos. Digamos que um novo grupo de estudantes
est para comear a estudar o holands. Poderemos aplicar-lhes os trs
testes e, usando a equao de regresso obtida na anlise anterior,
calcular uma nota predita para cada um deles. Essas notas podem ento
ser usadas para indicar provvel "sucesso" ou "falta de sucesso" em
aprender holands.
A equao de regresso calculada com os dados da Tabela 13.2 :
Y' = - 0,99 + 0,01X1 + 0,14X2 - 0,01Xg
Suponhamos que as notas de um indivduo sejam X1 = 12, X2 = 9, e
X3 = 9 (notas da Pessoa 1 na tabela 13.2). Ento, substituindo essas
notas na equao acima, Y' = 0,06. Suponhamos que as outras notas de
outro indivduo sejam X1 = 24, X2 = 19 e X3 = 20 (notas da Pessoa
5 na tabela 13 . 2). Substituindo na equao, obtemos Y' = 1,23. Pode-
mos ento predizer que o primeiro aluno no se sair bem e o segundo
sim. Estamos, com efeito, predizendo participao em um grupo, ou
predizendo 1 ou O. A nota predita do primeiro aluno, de 0,06 est
prxima de O; portanto, provavelmente ele no ter sucesso. A nota do
segundo aluno de 1,23 est prxima de 1; ele, portanto, provavelmente
ter sucesso.
Naturalmente o procedimento falvel, como todos o so. Nossas
predies so probabilsticas: dizemos apenas, com base nas trs notas,
que um estudante provavelmente se sair bem ou no se sair bem.
Dada uma "boa" equao de regresso, ou de predio, acertaremos
uma boa proporo de vezes que usarmos a equao. Mas poderemos
errar s vezes. Leitores insatisfeitos com tal falta de predio perfeita
podem se consolar com o pensamento que sem o conhecimento fornecido 1
pelos testes quaisquer predies feitas - talvez baseadas na intuio,
experincia ou outros critrios mais ou menos subjetivos - provavel- -
nente, no seriam to boas.
Em todo caso, a anlise discriminante uma ferramenta poderosa
om problemas tanto prticos quanto tericos. O uso prtico foi ilustrado
om o exemplo dado acima. O uso terico sugerido pela equao de
regresso. A prpria equao revela pistas para a relativa importncia das
trs variveis independentes em sua suposta influncia no aprendizado
de uma lngua - se, sem dvida, o aprendizado do holands puder
ser considerado representativo do aprendizado de idiomas e se a amostra,
246
cujos dados determinaram a equao e outras estatsticas de regresso,
for igual a outras amostras de estudantes de idiomas.
4
Homem ou chimpanz? Um exemplo de pesquisa de anlise discriminante
Em um estudo de fssei5 (Howells, 1972), os antroplogos tinham
que saber se determinado osso - da' extremidade inferior do antebrao
- pertencera a um ser humano ou a um chimpanz. Este um prublema
difcil porque h semelhanas e caractersticas comuns entre os dois
tipos de ossos, especialmente na regio corporal deste osso em particular.
Os antroplogos sabiam, entretanto, que era possvel usar sete medidas
de ossos para distinguir ossos humanos de ossos de chimpanzs. O proble-
ma ainda difcil porque cada uma dessas medidas, tanto para homens
quanto para chimpanzs, tem uma variabilidade considervel e assim
haver uma superposio entre as medidas do homem e as do macaco. .. .
Para visualizar um pouco do problema, examine a figura 13.1, em que
so desenhadas duas distribuies que se superpem. (Estas so chamadas
distribuies normais. Isto significa, aproximadamente, que a maioria das
notas, as de amplitude intermediria, ocorrer no meio da distribuio,
e cada vez menos notas ocorrero nas extremidades inferior e superior.)
UJ
o
UJ
ro
u
Q)
"'
ro
u
c:
<Q)
:::J
O'

LI..
Figura 13.1
e l d
MA =57 M
8
= 70
I Pode-se questionar o holands como representativo de outras lnguas. Seu apren-
dizado, tanto para a escrita como para a leitura, parece ser mais difcil que o d.'.
utras lnguas acidentais. Todavia, no se sabe se isto ou no verdadeirv.
Se for verdadeiro. ento. a generalizao fica enfraquecida. Se o holands for mai5
difcil que outras lnguas, ento possvel que, com outras lnguas, teriam sido
obtidas equaes de regresso bem diferentes, e assim predies bem diferentes.
247
...... ... .:;
, . A distribuio A tem uma mdia de 57 e a distribuio B tem uma
I?ed1a de 70. que a escala de mensurao, indicada pela
da uma certa medida de osso que tenha
com ossos de homem e de chimpanz. A distri-
bUiao A representa medidas humanas e a distribuio B, medidas de
A mdia de A 57 e a mdia de B 70; determinou-se que
uma diferena de 13 era estatisticamente significante.
Suponhamos que temos cinco medidas, a, b, c, d, e e. Por serem extre-
mas, as medidas a e b podem ser quase claramente categorizadas como
humano e chimpanz, respectivamente. Elas caem em lugares sem nenhu
ma superposio na escala (a linha-base). Mas as medidas c e d embora
prximas das duas mdias, caem na rea de superposio (indidada pela
rea somb:eada de linhas horizontais). A que grupo pertencem? c prova-
vei:nente e humano e d provavelmente macaco. Mas no se pode ter
c.er!eza porque ambas esto na rea da superposio das duas
distnhUioes. E com e, a medida que cai perto do meio de ambas as
distribuies, fica-se em dvida maior ainda.
. Isto ilustra o problema com uma medida apenas. Se tivermos vrias
medidas, entretanto, todas elas capazes de diferenciar fsseis humanos e
smios desta mesma maneira estatstica, talvez possamos ser mais confian-
tes na categorizao dos ossos cuja identidade no conhecida. Em sua
anlise, Howells e um colega (Patterson) usaram sete de tais medidas -
no precisamos enumer-las; so medidas tcnicas e no pertinentes ao
nosso interesse imediato - e a anlise discriminante para identificar o
osso desconhecido. E suficiente dizer que as sete medidas foram deter-
minadas como capazes de diferenciar ossos humanos e smios. As sete
foram feitas em. 40 ossos humanos e 40 ossos de chimpanzs
?Ois museus. O. particular osso em investigao foi comparado s
medtas das sete medtdas dos 40 ossos humanos e tambm s mdias das
sete medidas dos 40 ossos de chimpanzs. Infelizmente este procedimento
no levou a uma identificao perfeita por causa de uma superposio
das medidas.
Na tcnica da funo discriminante possvel extrair dos dados
uma combinao ponderada de medidas que distinguiro os grupos ao
maxtmo. (Uma "combinao ponderada" significa que as variveis de
uma combinao recebem nfases quantitativas diferentes maiores ou
menores, atribuindo-se "pesos" diferentes como O 94 O 72 O 05 -0 40
1,00 e assim por diante, a elas.) Howells' o
possvel os dois grupos de ossos, usando as sete medidas. Qual a melhor
maneira de combinar as medidas para conseguir isso? A anlise discrimi-
nante, com efeito, descobre essa combinao maximamente diferencia-
dora, como j ficou indicado. A combinao, na realidade um perfil das
sete medidas, foi ento aplicada ao fssil investigado. A questo no
248
apenas resolver este problema em particular mas tambm compreender
como funciona este fascinante mtodo multivariado. Vamos fazer uma
breve digresso geomtrica para ilustrar como funciona a anlise discri-
minante. Ao fazer isso, vamos tomar de emprstimo e adaptar uma bela
demonstrao apresentada por Tatsuoka (1970, pp. 5-7) em seu lcido
manual sobre anlise discriminante. Esta demonstrao, alm de elucidar
a anlise discriminante, joga mais um pouco de luz sobre a anlise
multivariada em geral, em parte porque aborda o problema de concei-
tualizar espaos de k (mais de duas) dimenses.
Uma divergncia geomtrica ilustrativa
Suponhamos que temos seis ossos, trs humanos e trs de antropide.
Suponhamos ainda, que temos d1,1as medidas apenas, X1 e X2, em vez
de sete, e que essas medidas, em pares para cada um dos seis ossos,
sejam (1,5), (1,3), (3,5), (3,2), (4,5) e (5,4). O primeiro conjunto de
trs pares de medidas vem de ossos humanos e o segundo conjunto, de
ossos de chimpanz. Descobrimos um novo osso e desejamos saber a
qual grupos pertence. As duas medidas, X1 e X2, deste osso,
so (3,3).
Os seis pares de medidas X1 e X2 esto representadas na figura
13. 2. Os trs ossos humanos esto indicados por cruzes e os trs antro-
pides, por crculos. O osso desconhecido est representado por uma
cruz dentro de um crculo. Por esta representao, virtualmente
impossvel dizer a qual grupo pertence o cai bem perto do meio
dos. dois conjuntos de medidas. (Como o leitor est imaginando, fiz isto
X,
6
5 + +
o
(1 ,5) (3,5) (4,5)
4 o
(5,4)
3 +
8:)
(1 ,3) (3,3)
2 o
(3,2)
L_ __ L_ __ L_ __
2 3 4 5 6
Figura 13.2
249
7 X,
Figura tJ.J
v
de propsito.) Design-lo para um elos grupos questo que requer
estudo.
Vamos tomar uma idia j apresentada, a da combinao linear
de Xt e Xz cada uma ponderada de sorte que uma nica nota Y possa
ser calculada de cada par de notas X. Sejam os pesos 0,83 e -0,37.
(Estes .val?res foAram calculados atribuindo-se valores de Y iguais a O
aos pnmetros tres pares e valores de Y iguais a 1 aos segundos trs
pares, e fazendo-se, em seguida, uma anlise comum de regresso. Os
valores so pesos de regresso.) Desenha-se ento uma linha Y como
projeo de todos os seis pontos representados de sorte a maximizar
a diferena entre os dois grupos. Isto foi feito na
ftgura 13 . 3, onde foram traadas perpendiculares linha Y, de cada
um dos pares de notas representados. Os pontos na linha Y que refletem
cada um dos pontos representados so - 1 O - O 3 O 6 1 S 1 g
e 3,0.
5
' ' ' ' ' ' ' ' '
A mdia seis valores Y 0,95. Observe que isso separa
claramente os dots grupos de pontos. Na figura 13 . 3, os dois grupos de
5
O leitor interessado em melhor saber como fazer isto e no raciocnio envolvido
deve consultar o manual de Tatsuoka (1970, pp. 5 e ss) .
250
por tos representados esto circulados separadamente e a linha ondulada
-re eles acentua essa separao. Temos agora dois ccnjuntos de pontos
t:orrespondentes aos dois grupos de ossos e as medidas associadas a eles.
O " sistema" pode ser usado para a identificao e categorizao de ossm
encontrados no futuro. As regras so: Tome as medidas X1 e Xz do osso;
represente estes valores em um grfico como o da figura 13. 3; trace
uma perpendicular linha Y e leia o valor; se for maior de 0,95,
atribua-o ao chimpanz, do contrrio, atribua-o ao homem.
Este exemplo, ento, ilustra mais ou menos como funciona a anlise
discriminante. No exemplo com sete medies de ossos, em vez de serem
usados apenas X1 e Xz, so usados X1, Xz, Xa, X4, Xs, Xs e X1 . O enten-
dimento intuitivo, que usamos no exemplo acima, nos abandona agora.
As idias bsicas, entretanto, so as mesmas, ou pelo menos semelhantes.
As sete medidas ou variveis so usadas em uma regresso mltipla para
predizer a pa;:ticipao no grupo. Os grupos originais de 40 ossos huma-
nos e 40 ossos de chimpanzs so usados de modo similar a sujeitos
em um experimento psicolgico ou educacional para fazer a anlise de
regresso. A varivel dependente a participao no grupo. A regra
qu mtitativa simples: se for osso de chimpanz, atribua 1; se for osso
humano, O. O mtodo discriminante ento faz o que est representado
na figura 13 . 3: " projeta" uma combinao linear das sete variveis ou
medidas numa linha Y para produzir o mximo de separao possvel
dos dois grupos. Naturalmente no faz isso. A anlise dos dados produz
um conjunto de pesos que so usados em uma equao discriminante
(regresso). As sete medidas de novos sujeitos .- neste caso os sujeitos
so ossos - so inseridos na equao para obter notas discriminantes,
que so ento usadas para categorizar os sujeitos ou ossos.
Suponhamos que a equao discriminante do exemplo das duas
medidas dado acima tenha sido:
Y = 0,80Xt - 0,40Xz
e X1 = 2 e X2 = 5. Ento,
y = (0,80 (2) - (0,40) (5) = -0,40
Isto est bem abaixo da "nota de separao" de 0,95 dada anteriormente
(a mdia das seis medidas na linha Y da figura 13.3); portanto, o fssil
um osso humano. Note tambm que o mesmo resultado poderia ter
sido obtido representando o ponto (2,5) na figura 13.3 e depois traando
uma perpendicular linha Y.
Volta a H owells
Na pesquisa de Howells, a mdia humana numa linha Y foi 61,42
e a mdia chimpanz foi 99,71. Estas so as mdias das "notas discrimi-
251
nante" calculadas para os 40 ossos humanos e para os 40 ossos de
chimpanz. As sete medidas do osso desconhecido produziram uma
nota discriminante de 59,40. Isto, naturalmente, est prximo da mdia
humana de 61,42, e o osso classificado como humano. A probabilidade
do osso ter pertencido a um ser humano e no a um chimpanz alta.
6
A anlise discriminante e outras formas de anlise multivariada so,
naturalmente, muito mais complexas. Entretanto, as idias bsicas so
relativamente simples - depois de compreendidas. O principal ponto dos
exemplos que muitos problemas das cincias comportamentais so
complexos demais para serem resolvidos adequadamente por mtodos
mais simples. exigida a abordagem multivariada. jamais
deve-se usar mtodo complexo onde um mtodo simples resolve. A
questo : Um mtodo simples resolver? A resposta a esta questo
inseparvel do problema e do julgamento do pesquisador.
Em um sentido mais geral, a anlise discriminante um mtodo
de atribuir indivduos a grupos com base na informao sobre os indi-
vduos em duas ou mais variveis. At aqui usamos apenas variveis
dependentes dicotmicas e dissemos que isso nada mais que regresso
mltipla com uma varivel dependente dicotmica, geralmente quantifi-
cada como i 1,0(. A anlise discriminante, entretanto, de forma alguma
limitada a tais variveis dicotmicas. Por exemplo, Cooley e Lohnes
( 1962) usaram o mtodo para discriminar trs grupos usando medidas
de valores e personalidade como preditores (variveis independentes).
Os trs grupos eram um grupo de pesquisa, estudantes que faziam
um trabalho de ps-graduao para fazer pesquisa bsica; um gn,1po de
cincia aplicada, pessoas que continuam em cincia e engenharia, mas
que no pretendem fazer pesquisa; e um grupo no-cientfico, dos que
deixam o campo para entrar em reas que tm contato imediato com
pessoas. Alunos de seis faculdades responderam s medidas de personali-
dade e valores e trs anos depois, como ficou descrito acima, sua partici-
pao nos trs grupos ficou determinada. Cooley e Lohnes diferenciaram
os membros dos grupos e conseguiram descrever algumas diferenas
grupais.
A anlise discriminante foi usada principalmente para pesquisa
aplicada. Seu uso geral como se segue. Com base na teoria, conheci-
mento prvio, ou palpite, medidas apropriadas de r-apacidade, personali-
dade e outras variveis, so aplicadas a membros de grupos conhecidos.
feita a anlise discriminante e calculadas as equaes discriminantes
(como a equao de regresso descrita acima). As equaes ento so
usadas para predizer a (posterior) participao de indivduos em um
6 No fim de seu trabalho Howeils diz que seu colega, Patterson, voltou regio
onde foi encontrado o fssil e encontrou outras provas confirmando a concluso
discriminante.
252
grupo cuja participao no grupo no conhecida, como uo
exemplo dos ossos. Um psiclogo, por exemplo, pode usar um conJunto
de testes com amostras selecionadas de meninos delinqentes e no delin-
qentes e calcular a equao discriminante para "pre?izer"
participao ou no participao no grupo de _nao deh?-
qentes. outras palavras, ele e9:uaao com_ cuja
participao no grupo conhectda, nao
Pode ento usar a equao para predtzer a postenor partlctpaao no
grupo, a delinqncia ou no posterior de indivduos.
Ele simplesmente aplica as mesmas medtdas a outros mdtvtduos e, com
base nas notas que eles obtem, calcula sua futura participao nos grupos.
sua futura delinqncia ou no delinqncia. Isto, naturalmente deve
ser feito com grande cuidado e reserva. Afinal, a aplicao de uma
equao obtida com um grupo pode no ser aplicvel a outro grupo por
vrios motivos. No obstante, a anlise discriminante um esquema de
predio til e poderoso em pesquisa aplicada.
Suponhamos, agora, que um pesquisador bsico esteja interessado
em descrever as diferenas entre grupos e em compreender porque os
grupos so diferentes. A anlise discriminante pode usada
ajud-lo em tal descrio e Na ':erdade, fm usada
por Cooley e Lohnes na pesquisa sumanzada Est.e .uso _do metodo
mais cientfico do que simplesmente predtzer partlctpaao em um
grupo, porque Cooley e Lohnes estavam tentando entender por que so
feitas as escolhas de carreiras, saber alguma coisa dos determinantes de
suas personalidades e valores, e no apenas tais escolhas. Esta
diferenca entre os objetivos da pesquisa bsica e aplicada importante
e est bem ilustrada pelo uso bsico e aplicado da anlise discri-
minante.
Este ponto to importante que deveria ser mais discutido. Vamos
voltar ao exemplo de aprender holands, ilustrado pelos dados . da
tabela 13. 2. Os educadores interessados no ensino de lnguas estrangeuas
deveriam usar normalmente um mtodo como a anlise discriminante
preditivamente. Isto , eles querem saber como predizer acertadamente
o bom resultado no aprendizado do holands. Geralmente querem saber
quais estudantes tero sucesso e quais os que provavelmente tero.dificul-
dades. Assim, talvez, eles podero individualizar melhor o ensmo. Os
pesquisadores mais orientados para a pesquisa bsica, por _lado,
mais provavelmente querero saber por que e como alguns mdtvtduos
tm mais sucesso que outros. Para eles, a predio mais um subproduto
do mtodo. Provavelmente eles estaro mais interessados no aprendizado
da linguagem como fenmeno natural a ser explorado e compreendido.
Este esboco das duas orientaes gerais da pesquisa est um pouco
exagerado, O professor de holands, sem dvida, tambm
253
estar interessado em como e por que alguns indivduos tm mais
sucesso que outros. E o pesquisador bsico querer saber se poder
predizer o aprendizado bem sucedido e mal sucedido. Entretanto, a
distino continua e sempre importante. O ponto a ser ilustrado que
a anlise discriminante - e, logicamente, outras abordagens e mtodos
multivariados - pode ser muito bem usada para ambos os propsitos.
Voltaremos distino bsico-aplicada no captulo 16.
Anlise de estruturas de covarincia
As abordagens e mtodos multivariados libertaram os pesquisadores
das restries de estudarem a influncia de apenas uma ou duas variveis
sobre uma varivel dependente. Na pesquisa experimental, c!uas, trs c
at mais variveis podem ser manipuladas simultaneamente (embora haja
limitaes prticas). A anlise multivariada, entretanto, tem suas aplica-
es mais teis e importantes em pesquisa no-experimental, onde os
grandes problemas so identificar e controlar vrias fontes de varincia.
No estudo da realizao escolar ou no estudo de determinantes de inteli-
gncia, por exemplo, quase absurdo pensar em uma ou duas variveis
como determinantes. Tanto a realizao escolar, quanto a inteligncia,
assim como outros fenmenos psicolgicos e sociolgicos so complexos.
Su, portanto, determinados complexamente. Essa complexidade exige
concepes multivariadas. Sem dvida a pesquisa cientfica psicolgica,
sociolgica, antropolgica e poltica vem sendo transformada. Em 1930,
por exemplo, um estudo aplicado como I gualdacle ele O portuniclades
Educacionais (Coleman e outros, 1966), j discutido no captulo 8, onde
foram estudados os efeitos de mais de cem variveis independentes sobre
a realizao, dificilmente poderia ter sido concebido, quanto mais feito.
Igualmente os estudos de Guilford (1967) e Catell (1963), estudos teri-
cos de inteligncia, provavelmente nem teriam sido conceitualizados.
B muito possvel, alis, que a pesquisa comportamental tenha sido
revolucionada, de certo modo mudada radicalmente, devido ao impacto
das conceituaes multivariadas e do computador moderno.
Para ilustrar o desenvolvimento radical, a converso at, da pesquisa
comportamental devido ao pensamento multivariado, quero descrever e
ilustrar o que provavelm,;nte seja a sntese mais complexa e poderosa
dos mtodos multivariados para atingir objetivos cientficos tericos e
aplicados. Chama-se anlise de estruturas de covarincia, e faz parte
do sistema de Karl Joreskog (1974, 1976), que juntou o trabalho de
diversos analistas em uma sntese brilhante e produtiva.
7
A anlise de
7
minha discusso vai que Joreskog foi o nico responsvel pela
analise de estruturas de covananCia. Mas este modo de falar por convenincia
apenas. Realmente, houve vrias pessoas importantes no desenvolvimento da meto-
254
estruturas de covarincia significa, essencialmente, a anlise da variao
simultnea de variveis que se encontram em uma estrutura, um edifcio,
ditado pela teoria. O sistema faz vrios tipos de anlise multivariada
mas de tal maneira que no temos necessidade de perguntar que forma
de anlise est sendo feita. Is!o acontece porque as possibilidades analti-
cas fazem um sistema mais amplo. Em outras palavras, Joreskog
criou uma frmula matemtica e estatstica abstrata que pode ser exprf!ssa
em equaes algbricas sua formulao abarca diversos mtodos multi-
variados.
Os programas de cLmputador foram integrados ao sistema (veja a
nota n.o 7) de tal forma que uma concepo de pesquisa "realizada"
com o uso do programa do computador. uma descrio bastante
abstrata do sistema de Jireskog, sendo insatisfatria para uma compre-
enso adequada. Para entend-la melhor, vamos tomar dois exemplos.
O primeiro de anlise fatorial, porque a maneira mais clara e fcil
de mostrar a idia do sistema. Deve ser enfatizado, entretanto, que o
uso real do sistema envolve problemas mais intrincados e complexos.
Sem dvida, uma de suas molas mestras sua capacidade de lidar
eficientemente com conjuntos de variveis relacionadas de maneiras com-
plexas. O segundo exemplo de anlise de trajetria. Vamos explicar
mais adiante o que anlise de trajetria (path analysis).
Um exemplo terico revisitado
No captulo 12 foram apresentados os elementos de uma teoria estru-
tural de atitudes sociais. A teoria "diz" que duas dimenses gerais ou
fatores formam a base das atitudes sociais, "conservadorismo" e " libe-
ralismo", e que estas duas dimenses gerais so independentes uma da
outra (Kerlinger, 196 7). Esta :ltima frase significa que a correlao
entre os dois fatores proxima de zero. Isto implica que os conservado-
res adotam princpios conservadores e no se opem necessariamente a
princpios liberais. Por outro lado os liberais adotam princpios liberais
e necessariamente no se opem a princpios conservadores.
dologia, cujas contribuies Joreskog reconhece (por exemplo, "!3ock &
1966; Wiley, Schmidt & Bramble, 1973). Entretanto, Joreskog JUntou abor-
dagens e mtodos de anlise em um (ou dois) sistemas ge.rais nos quais a mate-
mtica, a estatstica e a tecnologia do computador mtegradas. De fato, os
dois de Joreskog foram vagamente denommados pelos nomes dos pro-
gramas de computador usados para melhorar o sistema: e LISREL. A
primeira das duas referncias dadas acima (1974) usa a mais simples das duas
abordagens, ACOVS. A segunda referncia (1976) usa .I:ISRE.L, mais geral
e mais complexa. f: .tambm mais poderosa. Na descnao acima limito-me a um
aspecto simplificado do ncleo da pesquisa e teoria do
255
A concepo comum de atitudes sociais bastante diferente.
Enquanto a "teoria" ora mencionada, e dada com mais detalhes no
captulo 12, diz que o conservadorismo e o liberalismo so entidades
distintas e separadas, idias populares geralmente aceitas dizem que as
atitudes so bipolares. Um concepo bipolar, ou com duas extremidades,
de atitudes sociais implica que princpios e pessoas conservadoras
acham-se em um extremo de um continuum de atitudes sociais e prin-
cpios e pessoas liberais acham-se no outro extremo do continuum. Isto
significa que nii0 apenas os conservadores adotam princpios con-
servadores, mas que tambm se opem a princpios liberais- e a mesma
coisa para liberais e princpios liberais.
Argumentos racionais podem e foram aventados para ambas as
concepes. Mas o que diz a evidncia emprica? A evidncia emprica.
obtida em diversos estudos, a maioria usando a anlise fatorial (por
exemplo, Kerlinger, 1972; Kerlinger, Middendorp, & Amn, 1976),
parece apoiar a relativa independncia do conservadorismo e liberalismo.
Mas o assunto ainda no foi resolvido. Como as duas concepes, ou
teorias, podero ser testadas com o sistema de Joreskog?
Vamos usar o exemplo de itens de atitude, do captulo 12. Suponha-
mos que aplicamos quatro itens de atitude, dois sabidamente liberais,
igualdade para as mulheres e controle da natalidade - e dois conhecidos
como conservadores - propriedade privada e negcios- a seis pessoas.
(Novamente, muito mais itens de atitude de afiliao "conhecida" e
"desconhecida" seriam administrados a mu.ito mais pessoas.) Os resulta-
dos so aqueles da tabela 12. 5, e so reproduzidos, para facilitar a
referncia, na tabela 13 . 3. As correlaes entre os itens foram relatadas
Tabela 13.3 Respostas de seis pessoas a quatro itens de atitude social (repro-
duzidas da tabela 12.5) .
Itens
2 3 4
Igualdade para Controle da Propriedade
Pessoas as mulheres natalidade privada Negcios
1 1 2 4 2
2 1 3 2 2
3 2 2 5 6
4 5 6 5 5
5 6 5 3 4
6 6 6 2 1
Os nmeros na tabela so as classificaes feitas por seis pessoas, dos quatro
referentes em uma escala de 1 a 6, 1 indicando baixssima aprovao e 6 indi-
cando forte aprovao.
256
na tabela 12 . 6 e esto reproduzidas aqui na tabela 13 .4. Os resultados
de anlise fatorial desta matriz de correlao, dados originalmente na
tabela 12. 7, aparecem novamente na tabela 13 . 5. Estes resultados pare-
cem apoiar a concepo de independncia e dualidade, porque os dois
itens liberais esto carregados em um fator (cargas grifadas) e os dois
conservadores em outro fator (tambm grifadas). As cargas negativas
so baixas e sem conseqncias. Se uma concepo bipolar estivesse
correta, obteramos um fator com os dois itens liberais com substancial
carga positiva e os dois itens conservadores tendo substanciais cargas
negativas.
Usando a abordagem de Joreskog, estabelece-se primeiro a situao
terica com diagramas. Os diagramas da figura 13.4 expressam as duas
alternativas. A esquerda (A) da figura est a hiptese de dois fatores.
Os nmeros 1, 2, 3, 4, representam os quatro itens de atitude, 1 e 2
sendo igualdade para as mulheres e controle da natalidade e 3 e 4, pro-
priedade privada e negcios, itens conservadores. Os crculos represen-
tam os fatores presumidos, L e C, ou liberalismo e conservadorismo.
As setas representam a influncia ou determinao nas direes de L
para 1 e 2 e de C para 3 e 4. Isto , o fator L "determina" ou est
subjacente aos itens 1 e 2 e o fator C " determina ou est subjacente
aos itens 3 e 4.
Tabela 13.4 Correlaes entre quatro itens de atitude social de seis pessoas
(reproduzidas da tabela 12.6).
Igualdade para Controle da Propriedade
as mulheres natalidade privada Negcios
Igualdade para as mulheres 1,00 0,91 - 0,15 0,04
Controle da natalidade 0,91 1,00 -0,23 -0,11
Propriedade privada -0,15 -0,23 1,00 0,81
Negcios 0,04 -0,11 0,81 1,00
Tabela 13.5 Matriz fatorial rotada: resultado da anlise fatorial da matriz de
correlao da tabela 13.4 (reproduzida da tabela 12.7).
Itens
Igualdade para as mulheres
Controle da natalidade
Propriedade privada
Negcios
Fatores
A
0,94
0,94
- 0,25
- 0,10
B
0,13
0,00
0,83
0,87
257
Q....___CD
0-----
m....___
0-----
(A)
(Vide texto para explicao dos smbolos)
Figura 13.4
O diagrama da direita (B) expressa a hiptese bipolar. Um fator,
designado apropriamente LC, ou L versus C, na figura 13.4 (B), deter-
mina todos os quatro itens, mas determina os itens 1 e 2 positivamente
e os itens 3 e 4 negativamente. Portanto, os sinais mais e menos foram
atribudos s setas. (Note que a figura muito simplificada. Por exemplo,
j que sempre h erros de mensurao ao se medir variveis, tais erros
deveriam ser includos na figura e calculados pelo sistema.)
O prximo passo expressar a situao diagramada na figura 13.4
em equaes algbricas e depois encaix-las no sistema de equaes
gerais de Jreskog. Vamos omitir este passo e estabelecer as chamadas
matrizes hipteses ou matrizes "alvos." Uma matriz alvo geralmente
uma matriz de 1 's e O's, 1 indicando onde as cargas fatoriais substanciais
(ou outras estatsticas) so esperadas e O onde as cargas prximas de
zero so esperadas. (No presente exemplo vamos usar tambm - 1.)
Vamos chamar a hiptese ou teoria de dois fatores A e a hiptese ou
teoria de um fator B. Se as intercorrelaes dos quatro itens - veja
tabela 13.4 - forem analisadas fatorialmente, que espcie de matrizes
podemos esperar para A e B? Que espcie de matrizes as duas teorias
"predizem"? As duas matrizes alvos que expressam as situaes alterna-
tivas esto dadas na tabela 13.6. (Veja o texto para a explanao dos
smbolos.)
O prximo passo no procedimento ser analisar fatorialmente a
matriz de correlao da tabela 13.4. Depois de feito isto, os resultados
so comparados s matrizes alvos usando-se um procedimento quantita-
tivo cujo resultado final indica o grau de acordo entre a matriz fatorial
obtida dos dados - fornecida na tabela 13.5 - e cada uma das duas
matrizes alvos da tabela 13.6. Este no o verdadeiro procedimento.
Serve apenas para indicar a idia. O verdadeiro procedimento mais
258
Tabela 13.6 Matrizes alvos, ou matrizes hipteses, expressando hipteses alter-
nativas para a estrutura fatorial da matriz de correlao da tabela 13.4.
Hiptese de Hiptese de
dualidade bipolaridade
11 11
o .,-1 o
o o
o o
o -1 o
As entradas na tabela tm os seguintes significados: 1, carga fatorial positiva
significante; - 1, carga fatorial negativa significante; O, carga fatorial prxima
de zero.
poderoso; ser delineado adiante. Em todo caso, os dois coeficientes
de acordo - coeficientes usados freqentemente para comparar matri-
zes fatoriais - calculados, por um lado, entre todas as oito cargas fato-
riais da tabela 13.5 e todos os valores 1 e O da matriz alvo de dois fatores
da tabela 13.6, e entre as cargas da tabela 13.5 e os valores 1,- 1 e O da
matriz alvo bipolar, so 0,99 para a hiptese de dois fatores e 0,61
para a hiptese bipolar. Evidentemente, a matriz alvo de dois fatores
concorda muito mais com os dados de pesqui'Sa do que a matriz alvo
bipolar.
O mtodo acima insuficiente e no o verdadeiro formulado por
Jreskog. O que necessitamos um mtodo que nos leve de volta s
correlaes originais entre os quatro itens. O mtodo que acaba de ser
esboado pe toda sua f em comparar a matriz hiptese matriz obtida
dos dados. aconselhvel voltar mais ainda e dar um jeito de gerar
uma matriz como a matriz de correlao. E essa matriz de correlao
deveria ser "produzida" pela matriz hiptese fatorial e pela matriz
fatorial obtida. Em outras palavras, queremos manipular as cargas fato-
riais obtidas e os valores da matriz hiptese de maneira a produzir uma
matriz de correlao. Se a hiptese estiver correta, ento esta matriz
"produzida" ser muito parecida matriz de correlao obtida dos
dados. Se, por outro lado, a hiptese no estiver correta - se houver,
por exemplo, quatro fatores ou talvez trs, em vez de dois fatores, ou
se as cargas fatoriais obtidas dos dados no encaixarem na estrutura
ou no modelo especificado pelos 1 's e O's da matriz hiptese - ento
a matriz de correla
1
'produzida" no estar de acordo com a matriz
de correlao obtida dos dados observados.
259
Uma das idias bsicas e centrais do sistema de Jreskog a com-
parao das matrizes de covarincia. Uma matriz de correlao um
tipo de matriz de covarincia. Assim, para o que nos interessa, pode-
mos dizer que uma das idias centrais do sistema comparar as matri-
zes de correlao, uma fornecida pelas correlaes entre as variveis
obtidas e outra produzida por uma manipulao matemtica da matriz
hiptese, como mostramos acima, e os resultados forados pelas exign-
cias da hiptese ou hipteses.
Para concretizar um pouco o que queremos dizer, vamos considerar
as duas matrizes, I e II na tabela 13.7. A matriz I a mesma matriz de
correlaes observada entre os quatro itens de atitude social j relatados
na tabela 13 .4. A matriz li um conjunto de correlaes "foradas",
produzidas por um mtodo bem conhecido, a partir das cargas fatoriais
da tabela 13. 5. A operao foi simples: a matriz foi multiplicada por
si mesma. (No precisamos nos preocupar com os detalhes. O leitor
interessado poder consultar um texto de lgebra de matrizes ou uma
seo de lgebra de matrizes de um texto de estatstica, por exemplo,
Cooley e Lohnes, 1971, pp. 15-20; Sullins, 1973; Tatsuoka, 1971,
captulo 2.) Quando se faz isto, obtm-se a matriz li da tabela 13. 7.
Queremos expressar e testar as implicaes quantitativas da hiptese
de dualidade e as da hiptese de bipolaridade. As duas hipteses ficaram
expressas de maneira simples nas matrizes alvo da tabela 13. 6. Queremos
encontrar uma forma de operar sobre os fatores obtidos da tabela 13. 5
para transformar as cargas fatoriais num conjunto que expresse a hiptese
Tabela 13.7 Correlaes obtidas, correlaes foradas e matriz residual: hip-
tese de dualidade.
1: Correlaes obtidas 11: Correlaes foradas
2 3 4 2 3 4
1 1,00 0,91 -0,15 0,04 1 0,90 0,88 -0,13 0,02
2 0,91 1,00 -0,23 -0,11 2 0,88 0,88 -0,24 -0,09
3 -0,15 -0,23 1,00 0,81 3 -0,13 -0,24 0,75 0,75
4 0,04 -0,11 0,81 1,00 4 0,02 -0,09 0,75 0,77
Matriz residual
2 3 4
1 0,10 0,03 -0,02 0,02
2 O,o3 0,12 0,01 -0,02
3 -0,02 0,01 0,25 0,06
4 0,02 -0,02 0,06 0,23
260
d.c dualidade e n,:tm outro conjunto que expresse a hiptese de bivola-
ndade. A operaao se resume em usar os modelos tericos expressos na
tabela 13.6 e em fazer com que os dados da tabela 13.5 as caraas
fatori ais obtidas, se paream o mximo possvel aos
na tabela 13. 6. Quando foi feito isto, foram obtidas as duas matrizes
fatoriais da tabela 13. 8.
Matrizes de cargas fatoriais que expressam as hipteses da dualidade
e b1polandade.
Hiptese de Hiptese de
dualidade bipolaridade
11 11
0,94 0,13 1 0,81 0,00
2 0,94 0,00 2 0,94 0,00
3 -0,25 0,83 3 -1,08 0,00
4 -0,10 0,87 4 -0,97 0,00
A matriz da esquerda na tabela 13.8 exatamente a mesma da
tabela 13. 5. Assim, a matriz fatorial obtida da tabela 13.5 j expressava
a hiptese de dualidade. A matriz direita na tabela 13. 8 mostra o
aspecto da matriz fatorial, contando com os mesmos dados e a validade
emprica da hiptese de bipolaridade. Em outras palavras, a matriz deno-
Il_linaaa. h}ptese de se obtida nas correlaes originais, apoia-
na a h1potes.e de dualidade e a matriz denominada hiptese de bipolari-
dade, se obtida nas correlaes orjginais, apoiaria as hiptese de bipola-
ridade.
Suponhamos agora que cada uma das matrizes fatoriais da tabela
13. 8. fossem obtidas a partir dos dados. Queremos gerar uma
matnz de correlaao de cada uma delas e queremos comparar esta matriz
de correlao com a matriz de correlao original.
J " produzido" uma matriz de correlao a partir da
matnz !atonal da tabe.la 13.5 e da matriz hiptese, ou alvo, da tabela
13 . 6 (a esquerda) . F01 dada na tabela 13.7 sob a denominao corre-
laes foradas. Se subtrairmos os valores desta matriz dos valores da
matriz designada correlaes obtidas, obteremos o que conhecido como
matriz residual. Esta matriz de resduo expressa a "diferenca" entre as
duas matrizes e assim seu acordo: quanto menores os maior o
acordo entre as duas matrizes. O valor mdio dos resduos omitindo
do clculo os valores diagonais, 0,03. '
261
\
Tabela 13.9 Correlaes obtidas, correlaes foradas e matriz residual: hiptese
de bipolaridade.
1
2
3
4
1: Correlaes obtidas
11: Correlaes foradas
2 3 4 2 3 4
1,00 0,91 -0,15 0,04 1 0,66 0,76 -0,87 -0,79
0,91 1,00 -0,23 -0,11 2 0,76 0,88 - 1,02 -0,91
-0,15 - 0,23 1,00 0,81 3 -0,87 -1,02 1,17 1,05
0,04 -0,11 0,81 1,00 4 -0,79 - 0,91 1,05 0,94
Matriz residual
2 3 4
1 0,34 0,15 0,72 0,83
2 0,15 0,12 0,79 0,80
3 0,72 0,79 -0,17 -0,24
4 0,83 0,80 -0,24 0,06
Usando o procedimento para testar a hiptese de bipolari-
dade, obtemos a matriz de correlao designada Correlaes Foradas,
da tabela 13 . 9. Subtraindo os valores desta matriz dos valores das
verdadeiras correlaes, mais uma vez dados esquerda da tabela,
obtemos uma matriz residual, dada na parte inferior da tabela. bvio
que o "cordo" entre as matrizes I e II pequeno: os valores dos
so grandes. Sua mdia 0,59. Evidentemente, os resultados obtldos a
partir da hiptese de dualidade concordam muito mais com os dados
reais do que os resultados obtidos a partir da hiptese de bipolaridade.
Resumindo, pode-se usar a anlise de estruturas de covarincia para
testar que modelo terico, entre dois ou trs outros, melhor combina
com os dados observados. Isto algo cientificamente slido. No nos
esqueamos que uma das abordagens ou mtodos mais significativos e
caractersticos da cincia estabelecer e testar hipteses alternativas.
O cientista no confia na evidncia, por exemplo, de que p1 leva a q.
Ele insiste em testar explicaes alternativas plausveis, p2, pa e assim
por diante. A eliminao de tais hipteses alternativas por da
pesquisa fortalece a hiptese p1. A fora principal do sistema de Joreskog
sua capacidade flexvel de testar hipteses complexas e comparar
resultados obtidos a partir de modelos alternativos.
Nota: variveis latentes
Uma caracterstica muitssimo importante e preciosa da anlise de
estruturas de covarincia tem que ser mencionada, nem que seja ligeira-
262
mente. a concepo e o uso das chamadas variveis latentes no sistema.
Uma varivel latente uma varivel no-observada, que usada para
"explicar", ou que includa em hipteses como estando influindo sobre
outras variveis latentes ou variveis observadas. Foi dado um exemplo
no figura 13.4 onde liberalismo (L) e conservadorismo (C) eram
variveis subjacentes no observadas que se supunha " explicarem" os
quatro itens (ou variveis) do exemplo. Para tornar a coisa mais clara
e para abordar o sistema de Joreskog mais de perto, examine-se a
figura 13.5 onde a situao esquerda da figura 13.4 representada
mais de acordo com as linhas de Joreskog.
L (liberalismo) e C (conservadorismo) so variveis latentes, ou
no-observadas, que supostamente esto subjacentes s quatro variveis
observadas (itens), estando L subjacente s variveis 1 e 2, e C s
variveis 3 e 4. As variveis observadas so dadas em quadros e as
variveis latentes em crculos. As setas de um sentido indicam a direo
de influncia- por exemplo, L influencia 1 e 2. As setas de dois sentidos
indicam correlao - por exemplo, r12 a correlao entre as variveis
1 e 2. Os e's indicam os erros de mensurao nas variveis observadas.
Fornecidos os dados - neste caso as correlaes entre os quatro itens
-, o sistema calcula a influncia de L nas variveis 1 e 2 e a influncia
de C em 3 e 4. Estas influncias so simbolizadas por a1 e a2 (para L)
e aa e a4 (para C), cujos valores so calculados pelo sistema. O sistema
calcula tambm a correlao entre L e C e as varincias de erro e1, e2, ea
e e4. A anlise ento continua ao longo das linhas delineadas acima.
O objetivo da figura 13 . 5 mostrar que o mtodo, diferentemente
da maioria dos outros mtodos de anlises multivariadas, calcula os
efeitos das variveis latentes sobre as variveis observadas e at as
relaes entre as variveis latentes. Este , naturalmente, o material
bsico da construo e testagem de teorias. tambm muito semelhante
e,
Igualdade Propriedade
_e,
para as
privada
(3)
mul heres (1)
a, a,
L
rLC
c
r" rn
a,
\ Controle da
Negcios
_e,
natal idade (Z)
(4)
Figura 13.5
263
anlise fatorial. Lembre-se da inteligncia fluida e cristalizada de Cattell,
fatores de segunda ordem que podem ser tambm concebidos como
variveis latentes. A diferena que em anlise de estruturas de cova-
rincia a idia generalizada e aplicada a todo tipo de situaes tericas
e analticas. Alm disso, a anlise fatorial um caso especial do sistema
geral. Assim as teorias podem ser formuladas, testadas e comparadas
para mostrar sua congruncia com os dados observados.
Um exemplo de anlise de trajetria
Para mostrar a versatilidade e a flexibilidade da anlise de estru-
turas de covarincia, vamos examinar agora um tipo diferente de
problema de pesquisa. Os estudos de realizao escolar usaram, s vezes,
medidas de inteligncia e classe social para predizer tal realizao.
Suponhamos que um pesquisador educacional ache estas duas variveis
insuficientes e que seja tambm necessria uma medida de motivao.
Ele escolhe uma medida de necessidade de realizao, comumente
designada por n Realizao, ou simplesmente n Ach (McClelland, Atkin-
son, Clark & Lowell, 1953). Em outras palavras, ele acredita que a
adio de n Ach inteligncia e classe social melhora a predio
do sucesso na escola mas tambm fornecer uma explanao terica
mais satisfatria de tal sucesso. Sua "explicao" est diagramada na
figura 13.6.
8
As setas do diagrama indicam a direo da influncia: a influncia
correndo na direo apontada pelas setas. (Vamos, por enquanto, ignorar
os nmeros relacionados s setas.) Por exemplo, SSE (status scio-
econmico) influencia diretamente Ach (realizao). Influencia tambm
Ach indiretamente, atravs de n Ach, cuja influncia posterior direta.
(Uma influncia direta representada por uma seta simples de uma
varivel outra. Uma influncia indireta mostrada por uma seta vindo
de uma varivel que ela prpria o "recipiente" de outra seta. Por exem-
plo, como ficou indicado acima, SSE influencia n Ach diretamente e
Ach indiretamente, atravs de n Ach.) As setas geralmente so chamadas
de trajetrias ("paths"). Da o termo "anlise de trajetria". O diagrama
de trajetrias, ento, expressa a "pequena teoria" do pesquisado:" SSE e
Inteligncia (Intel.) afetam n Ach diretamente, por exemplo; maior a
inteligncia, maior n Ach e quanto mais alta a classe social, mais alta a
realizao. Os dois tambm afetam a Realizao diretamente: se classe
mdia ento maior Realizao, e se maior inteligncia, ento maior reali-
zao. n Ach tambm afeta diretamente a Realizao, como est indi-
8 Este exemplo tirado de Kerlinger e Pedhazur (1973, pp. 323-324).
264
cado pela seta entre n Ach e Ach. Mas presume-se, SSE e Inteligncia
exercem efeito indireto sobre Realizao por seu efeito direto sobre Ach.
(Embora SSE e Inteligncia estejam eles prprios correlacionados - isto
indicado pela seta curva de dois sentidos entre eles - no so
considerados como afetando um ao outro.)
Os analistas de trajetria chamam a formulao acima de um modelo
causal: pelo seu uso podem ser determinadas algumas idias de causas e
efeitos. (Evitaremos aqui comentar o espinhoso problema causa e efeito.)
Ento, pelas correlaes entre as variveis do modelo, eles calculam os
coeficientes de trajetria (path coefficient). Um coeficiente de trajetria
simplesmente um peso de regresso fornecido pela costumeira anlise
de regresso. Por exemplo, a regresso de n Ach sobre SSE e Inteligncia
(isto , SSE e Inteligncia so as variveis independentes e n Ach a
varivel dependente) produz coeficientes de regresso (coeficientes beta)
de 0,40 para a trajetria de SSE a n Ach e 0,04 para a trajetria de
Inteligncia at n Ach. Estes valores indicam que SSE tem um efeito
substancial sobre n Ach, mas que Inteligncia tem efeito peqtteno.
Ento, faz-se a regresso de Realizao sobre SSE, Inteligncia e
n Ach (isto , Realizao, a varivel dependente, predita pelas outras
trs variveis). A anlise fornece coeficientes, como se segue: de SSE a
Realizao, 0,01; de Inteligncia a Realizao, 0,50; de n Ach a Reali-
Estes coeficientes de trajetria foram ligados a suas traje-
tonas na ftgura 13. 6. Naturalmente, a costumeira anlise de regresso
teria produzido nesta situao estes ltimos coeficientes. A diferena
entre uma anlise de regresso comum e a de trajetria , entre-
tanto, que as trajetrias de SSE e Inteligncia at n Ach foram acrescen-
tadas porque o pesquisador acredita, com base ou raciocnio terico,
que esto agindo tanto influncias diretas quanto indiretas. Em outras
palavras, as trs variveis no apenas afetam diretamente Realizao;
SSE e Inteligncia afetam Realizao tambm indiretamente atravs de
n Ach. (Note a semelhana de raciocnio ao fenmeno de interao j
estudado.) E uma anlise das influncias na Realizao mais rica, mais
sof}s.ticada e mais exata do que as que obtemos pela
anahse de regressao comum, neste caso principalmente porque j "expli-
camos" n Ach a caminho de "explicarmos" Realizao.
Quandq examinamos o diagrama de trajetria da figura 13 . 6, vemos
que duas das trajetrias tm coeficientes de trajetria prximos de zero:
de SSE a Ach, 0,01 e de Inteligncia a n Ach, 0,04. J que uma das
n:etas no apenas a explicao, mas tambm a explica-
ao parctmomosa, perguntamos: Se suprimirmos estas duas trajetrias
e recalcularmos os coeficientes de trajetria no modelo resultante mais
parcimonioso, ser um teste com os dados originais, como o feito
com o modelo de anlise fatorial acima, mostrar um bom acordo entre,
265
I
(0,30)
Figura 11.6
de um lado, as correlaes entre as quatro variveis produzidas pelo
novo modelo e, de outro, as correlaes originais? Isto , possvel
calcular um conjunto de correlaes entre as quatro variveis a partir
dos coeficientes de trajetria; esta matriz de correlaes ento compa-
rada matriz das correlaes originais. Da, uma matriz residual - o
resultado da subtrao de uma destas matrizes de outra - calculada,
como antes. Se seus valores form muito pequenos, podemos concluir
que o modelo terico incorporado no diagrama de trajetria satisfa-
trio.
O novo modelo dado no diagrama de trajetria da figura 13. 7.
A diferena entre este modelo e o da figura 13.6 que as duas trajetrias
acima foram suprimidas. Aqui, Inteligncia afeta Reali-
zao diretamente e no afeta n Ach. SSE afeta Realizao apenas atravs
de n Ach. Isto , SSE afeta n Ach, que por sua vez afeta Realizao.
Obviamente o modelo consideravelmente mais simples e mais
monioso. a pergunta : consistente com os dados originais,
com as correlaes originais?
A tabela 13. 1 O nos d a anlise para responder pergUnta.
As correlaes originais so dadas esquerda da tabela, A, e as cor-
relaes foradas, as correlaes calculadas pelos coeficientes de trajetria
Figura 13.7
266
Tabela 13.10 Correlaes originais, A, correlae-s foradas, B, e matriz residua!,
quatro variveis, segundo modelo.
- ---
A: Correlaes originais B: Correlaes foradas
2 3 4 2 3 4
1 1,00 0,30 0,41 0,33 1 1,00 0,30 0,41 0,32
2 0,30 1,00 0,16 0,57 2 0,30 1,00 0,12 0,56
3 0,41 0,16 1,00 0,50 3 0,41 0,12 1,00 0,48
'
0,33 0,57 0,50 1,00 4 0,32 0,56 0,48 1,00
Matriz residual
1 2 3 4
1 0,00 0,00 0,00 0,01
2 0,00 0,00 0,04 0,01
3 0,00 0,04 0,00 0,02
4 0,01 0,01 0,02 0,00
da figura 13. 7, so dadas direita, B. Subtraindo-se a matriz- B da
matriz A obtm-se a matriz residual, dada na parte inferior da tabela.
bvio que as correlaes produzidas a partir dos coeficientes de traje-
tria so muito semelhantes s correlaes originais: nenhum dos resduos
maior de 0,04. Conclumos, portanto, que o modelo de trajetria da
figura 13.7 consistente com os dados.
9
Evidentemente, a " explicao"
por trs do modelo da figura 13.7 satisfatria. J que uma "expli-
cao" mais simples que o modelo da figura 13.6, vamos aceit-la como
"melhor" porque mais parcimoniosa e produz correlaes que concor-
dam com as correlaes originais.
preciso destacar um ponto importante. O fato de modelo terico
ser consistente com os dados obtidos no significa que a teoria em que
se baseia o modelo seja necessariamente " correta." Na verdade, mais de
um modelo pode ser consistente com os dados obtido,;. Ento, neste
caso, embora o modelo da figura 13 . 7 seja consistente com a5
es ;)btidas, o prprio modelo pode ou no . ser a explicao tenca
9 f: prec!so tomar cuidado. Se tivssemos feito a mesma anlise com o modelo de
trajetria da figura 13.6, a matriz residual teria somente zeros. Assim o modelo
da figura 13.6 tambm consistente com os dados. Mas isto no significa que
o modelo da figura 13.6 seja melhor ou to bom quanto o modelo da figura 13.7.
A perfeita das correlaes quase um artefato. Quando so usadas
todas as trajetrias possveis em um diagrama de trajetrias, e calculados todos
os coeficientes possveis, a matriz de correlao original perfeitanente repro-
duzida, qualquer que seja o modelo ou diagrama.
267
I
"correta." O mtodo exposto pode, portanto, ser considerado como
possuindo a virtude da negativa. Se um modelo no for consistente com
os dados, provavelmente no ser "correto". Mas se for consistente com
os dados, pode ou no estar "correto". Sua "correo", em outras pala-
vras, tem que ser julgada em outras bases, alm da estatstica. Esta
uma das dificuldades de todas as teorias e explicaes cientficas (e de
outros tipos). Podem. ser mostradas como provavelmente incorretas, no
sentido de no serem consistentes com a evidncia emprica, mas jamais
podero ser mostradas como absolutamente corretas. Uma explicao
pode ser mostrada como provavelmente "melhor" que outras explica-
es alternativas, mas o cientista jamais poder ter certeza de que seja
a ltima palavra. Se o leitor voltar discusso sobre o fumo e o cncer
de pulmes no captulo 8, talvez compreenda melhor o que l ficou dito
a respeito de explicaes e explicaes alternativas.
Na discusso acima nada ficou dito sobre anlise de estruturas de
covarincia. Alis, foi uma descrio mais ou menos convencional da
anlise de trajetria. Ficou omitida a anlise de estruturas de covarincia
para que o leitor pudesse t e ~ uma viso geral da abordagem de anlise
de trajetria no quadro de referncia costumeiro da regresso mltipla.
Tentaremos mostrar agora, embora rpida e incompletamente, como a
anlise de trajetria um caso especial da anlise de estruturas de
covarincia e como o problema analtico da pesquisa pode ser abordado
no quadro de referncia da estrutura de covarincia.
Em anlise de estruturas de covarincia, os problemas representados
nas figuras 13 . 6 e 13. 7 podem ser resolvidos com exatamente os mesmos
resultados. Pode ser feito mais, entretanto. Primeiro pode-se calcular as
varincias de erros de mensuraco associadas s medidas falveis das
variveis. Tal clculo mudar en'to a soluo, incluindo os coeficientes
de trajetria. A anlise de trajetria geralmente admite a inexistncia de
erros, tornando-se assim vulnervel crtica. Segundo, as variveis laten-
tes podem ser postuladas e calculada sua influncia. Por exemplo, no
modelo da figura 13. 6, pode-se pensar que uma varivel latente tenha
influncia tanto sobre n Realizao quanto sobre Realizao.
Terceiro, a anlise de estruturas de covarincia permite testes da
significncia estatstica do acordo entre modelos tericos .e dados obser-
vados. Alm disso, modelos tericos alternativos podem ser testados
para verificar-se sua congruncia comparativa com os dados observados.
Por exemplo, a congruncia entre as correlaes originais e as correlaes
foradas da tabela 13 .10, pode ser testada estatisticamente. Se as dife-
renas entre as duas matrizes, mostradas na matriz residual da tabela
13 . 10, forem relativamente grandes, indicando falta de acordo entre
teoria e dados, o teste estatstico indicar. Se o teste estatstico no
mostrar significncia, ento, o acordo ou congruncia ser aceitvel.
268
Finalmente, a estimativa das magnitudes dos valores dos coeficien-
tes de um modelo - em anlise de trajetria os coeficientes de trajetria,
por exemplo - feita simultaneamente. No exemplo de anlise de
trajetria dado atrs, os coeficientes de trajetria foram calculados
sucessivamente. Por exemplo, no problema da figura 13.6 os coeficien-
te.s levando de SSE e Inteligncia a n Realizao foram calculados
primeiro e depois que os coeficientes de SSE, Inteligncia e n Reali-
zao a Realizao foram calculados. Em anlise de estruturas de cova-
rincia, entretanto, todos so calculados ao mesmo tempo, por assim
dizer, incluindo a estimativa das influncias das variveis latentes, se as
houver, e dos erros. Isto , toda a informao levada em conta de
maneira verdadeiramente multivariada. Deve ficar bvio que a anlise
de trajetria um caso especial .da anlise de estruturas de covarincia.
Como sempre, precisamos terminar a discusso com uma nota de
cautela. Embora poderosa, a anlise de estruturas de covarincia no
a resposta perfeita aos problemas tericos e analticos. No pode - ou
no devia poder - ser usado para anlises comuns. perda de tempo
e trabalho us-la, por exemplo, para uma anlise fatorial exploratria
comum. Deveria ser usada apenas para testar modelos tericos relativa-
mente complexos ou hipteses alternativas complexas. Uma segunda limi-
tao que as suposies por trs de seu uso so bastante rigorosas,
tornando-a, pelo menos teoricamente, inaplicvel em algumas situaes
de pesquisa (por exemplo, com variveis dicotmicas). Esta limitao do
sistema pode ser superada com o tempo. H uma ou duas outras limi-
taes, que vamos ignorar aqui. Em suma, a .anlise de estruturas de
covarincia uma estratgia rica, poderosa e um mtodo de ataque aos
problemas de pesquisa, desde que estes sejam guiados pela teoria e
sejam de tal natureza que as suposies do !Jltodo pdssam ser razoavel-
mente satisfeitas. Pode-se dizer at que o mtodo um grande avano
na conceitualizao e metodologia mostrando uma nova direo e sofisti-
cao na pesquisa comportamental.
Concluso
Fizemos quase um crculo completo. Comeamos o livro com idias
de teoria e explicao e repisamos continuamente teoria e explicao no
livro todo. Agora alcanamos o mximo metodolgico contemporneo
tia conceitualizao abstrata e na testagem da teoria em um quadro de
referncias multivariado. Com a anlise multivariada, a metodologia da
pesquisa comportamental atinge um grau de complexidade jamais sonhado
em anos anteriores.
A fora mais i!Jlportante da anlise multivariada que os cientistas
podem se aproximar mais da complexa realidade do comportamento
269
I
humano, usando mtodos multivariados. Outra fora que a conduo
de pesquisa no-experimental e a anlise de dados de pesquisa no-
experimental podem ser grandemente fortificados com abordagens e
anlises multivariadas. Talvez a palavra mais significante seja "controle".
Com tcnicas multivariadas apropriadas, pode-se conseguir a identifica-
o e controle da varincia. O caminho da inferncia a partir de uma
teoria inicial confirmao e interpretao finais ficou mais claro,
embora tenha se tornando muito mais complexo.
A fora e desejabilidade da abordagem multivariada no deveria
levar, entretimto, a acreditar que seu desenvolvimento resolve a maioria
de nossos problemas cientficos, ou que no haja fraquezas ou que abor-
dagens univariadas mais simples estejam mortas ou morrendo. Nada
disso. A pesquisa comportamental precisar sempre de abordagens mais
simples, principalmente em experimentos e certas situaes de pesquisa
aplicada. Afinal, sempre se poder dizer que o coeficiente de correlao,
que expressa a magnitude e direo da relao entre duas variveis, o
corao da anlise multivariada. Observe que em certo sentido uma ferra-
menta complexa como a correlao cannica resulta finalmente em um
\ coeficiente de correlao. Mais apropriado seria dizer que muitas
pesquisas no exigiro mais do que uma simples comparao de mdias
usando anlise de varincia ou outro mtodo, ou uma comparao de
freqncias e porcentagens como nas tabelas de cruzamento de variveis,
ou no mais simples dos modelos de pesquisa, digamos, um grupo experi-
mental e um grupo de controle. No, a abordagem multivariada no ir
tanto substituir mtodos mais simples como enriquecer a pesquisa com-
portamental possibilitando abordar mais de perto as exigncias complexas
da teoria comportamental. Uma teoria um conjunto de constructos ou
variveis sistematicamente relacionadas umas s outras de maneiras espe-
cificadas. Por definio, uma teoria tem diversas variveis em uma estru-
tura unificada. Para testar adequadamente uma teoria, ento, freqente-
mente precisa-se de mtodos multivariados. O propsito deste captulo
foi fornecer um pouco do sabor, seno muito da substncia, desta
necessidade.
270
14. O computador
O que h em relao aos computadores, para encantar e perturbar
tanta gente? Os computadores so ajudantes ou monstros de potencial
assustador? So bons ou maus para ns? Os computadores no so
mquinas apenas; so fenmenos sociais e psicolgicos com implicaes
importantes para a cincia e a pesquisa. Neste captulo tentaremos com-
preender uma pequena parte do que so os computadores, como funcio-
nam e o que significam para o cientista. Vamos tambm tentar acabar ';.;l
com um pouco de sua mitologia. ...:
No se pode compreender a pesquisa comportamental moderna sem X
compreender o computador, uma das mais fortes influncias '":.
porneas na pesquisa. No apenas pelo fato de mais problemas poderem., .
ser atacados hoje do que antes dos anos 50, os primeiros anos do {
tador digital eletrnico de alta velocidade. A prpria natureza dos
mas que estudamos diferente; mesmo nossa abordagem a problemas ;:_;
diferente. 2
Por exemplo, as tcnicas analticas multivaf\adas estudadas nos lf
0

mas captulos so hoje facilmente alcanveis pelo pesquisador porqu[i (;;:j
h computadores, centros de computao, e programas multivariados d>-
computador a disposio. Sabendo disso, o pesquisador fica livre
conceber uma enorme variedade de problemas de pesquisa que, digamos,
na dcada de 50 ele nem pensaria, simplesmente porque no havia meios
de fazer os clculos necessrios. A simples quantidade de clculos, em
outras palavras, afetou drasticamente a natureza e a substncia da teoria
e dos problemas.
O computador tornou-se to intimamente ligado ao pensamento dos
pesquisadores que difcil fazer uma idia da poca em que eles no
existiam. Eu me lembro bem deste tempo, mas agora penso como poderia
existir profissionalmente sem eles. E assim com a maioria dos pesquisa-
psiclogos, socilogos, economistas e educadores. No podemos
imaginar o que trabalhar sem um computador.
Vamos tomar um ou dois exemplos. Agora a anlise fatorial
usada quase rotineiramente para determinar o que os testes e escalas
medem. Pode-se construir um teste de aptido, como Thurstone fez h
muitos anos atrs, e incluir o que se acredita ser trs ou quatro tipos
271
I
de medidas de aptido: verbal, numrica e espacial, por exemplo, O teste
mede realmente as capacidades especincadas? Um meio importante de
responder a esta pergunta aplicando o teste a grandes nmeros de
crianas ou adultos e depois analsar fatorialmente as correlaes entre
os itens do teste. Lembre-se que fatorial, entre outras coisas,
um mtodo de anlise que ajuda o pesquisador a determinar como os
testes ou medidas se agrupam. 'Jetermina tambm como os itens de
testes ou escalas se agrupam. Se alguns itens medirem, presumivelmente,
aptido verbal e outros itens medirem aptido numrica, ento cada
conjunto deve se agrupar na anlise. As correlaes entre os itens verbais
deveriam ser positivas e substanciais, e as correlaes entre os itens
numricos deveriam ser tambm substanciais, enquanto que a correlao
entre os dois tipos de itens, entre os presumveis itens verbais e numri-
cos, deveria ser mais baixa (porque esto medindo coisas diferentes).
A anlise fatorial, como j dissemos, faz tais anlises satisfatoriamente
- com a ajuda do computador. (Veja captulo 12, especialmente o
exemplo da escala de atitude e as tabelas 12. 5, 12.6 e 12.7 .)
Antes dos computadores entrarem em uso geral sabia-se - embora
no muito bem - que a anlise fatorial de itens era necessria para
uma validade satisfatria e para outros estudos em mensurao. Tais
estudos, entretanto, eram raros, quase inexistentes.
1
O simples volume
dos clculos afastava essas idias de considerao, embora alguns pes-
quisadores se lembrassem dessa abordagem com melancolia. Assim, um
meio eficiente de se estudar a validade das medidas, de saber at cert
pontu o que realmente medem os testes e os itens era coisa virtualmente
inalcanvel antes do moderno computador tornar-se comum. Hoje essas
anlises so rotineiras.
No captulo 11 vimos que a regresso mltipla um meio poderoso
de estudar os efeitos juntos e separados de diversas variveis indepen-
dentes sobre uma varivel dependente. Fazer regresso mltipla, alis,
1 Em 1958 Kaya e eu (Kerlinger & Kaya, 1959) queramos uma anlise fatori al
das correlaes entre os itens de uma escala de 20 itens de atitude a fim de
confirmar nossa idia a respeito do domnio da atitude e dos itens. Ns mesmos
calculamos os 190 coeficientes de correlao em uma calculadora mecnica de
mesa. Nem preciso dizer que levamos vrias horas. Entretanto, o pensamento
de faLer anlise fatorial nos amedrontava, embora ambos j o tivssemos feito
" mo". Levamos a matriz de correlao ao falecido Irwin Lorge, que tinha o
privilgio de possuir um dos primeiros computadores bem primitivos. Lorge ez
a anlise fatorial, sem rotaes ao custo de aproximadamente US$ 600,00. O
trabalho levou horas, se bem me lembro. Kaya e eu fizemos as rotaes mo,
o que levou de 10 a 20 horas. Pode-se entender por que os pesquisadores hesi-
tavam em plane.iar uma anlise fatorial de itens. Ho.ie uma anlise completa de
dados e itens semelhantes, de todas as estatsticas dos itens at as rotaes de
eixos fatoriais, leva menos de 20 segundos no computador que uso atualmente!
272
xige a soluo de diversas equaes simultneas. Um meio comum de
e fazer isso exige o clculo do inverso da matriz de correlaes entre
as variveis independent<!s. Fazer isto " mo" com duas variveis inde-
pendentes fcil. Faz-lo com trs variveis independentes mais difcil,
mas possvel. Faz-io com quatro variveis muito mais difcil, perde-se
tempo, frustrante e pode-se errar. Um wmputador resolve facilmente
em questo de segundos. At 'uma calculadora programvel manual
pode manejar trs variveis independentes em cere;a de dois minutos.
A questo que os clculos de um mtodo poderoso como o da regresso
mltipla esto agora mo dos pesquisadores que no mais precisam
enfrentar a perda de tempo e as probabilidades de erro que as calcula-
doras do passado ofereciam.
Mais uni exemplo e, desta vez, um bastante complexo, que a
anlise de estruturas de covarincia, descrita no captulo 13. A anlise
de estruturas de covarincia quase impossvel de ser feita em uma
calculadora de mesa. Partes das computaes so to complexas que
podem ser feitas apenas por computador e isto em questo de segundos.
Assim podemos dizer que este mtodo flexvel, poderoso e frutfero de
abordar a teoria e o teste da teoria, tornou-se possvel apenas com o
advento de computadores de alta velocidade. Sem dvida, o mtodo,
para comear, jamais teria sido concebido se seus autores no tivessem
trabalhado pensando na possibilidade do computador. E o mesmo serve
para quase toda anlise multivariada com mais de, digamos, seis ou
sete variveis. A influncia do computador na pesquisa das cincias com-
portamentais tem sido muito grande. E estavamos falando apenas dos
efeitos dos clculos. Os computadores tiveram grande efeito, natural-
mente, em reas no computacionais. Neste captulo, vamos nos restringir
aos efeitos dos computadores em clculos com nmeros.
Caractersticas dos computadores e computao
A funo bsica das mquinas mudou fundamentalmente. U'a
mquina um aparelho mecnico ou eltrico ou ainda um sistema para
realizar algum trabalho til atravs de operao de rotina. um molde,
por assim dizer, com o qual se produz alguma coisa regular e repetida-
mente. Uma mquina de costura faz pontos regularmente, repetidamente
e com variaes. Uma mquina de escrever produz srias de letras. Um
piano produz sries e conjuntos de tons. O motor de um carro, atravs
de exploses repetidas e de intrincada interao entre suas partes, leva
fora s rodas. As mquinas operam estereotipicamente. Elas fazem- ou
devem fazer - o que seus usurios mandam-nas fazer e nada mais.
A funo bsica da maioria das mquinas libertar fora de sorte que
determinado trabalho possa ser feito: os movimentos para cima e para
273
I
baixo da agulha da mquina de costurar, o mecanismo de um piano
que transforma e transporta a energia dos dedos para os martelos de
feltro que batem nas cordas, o trabalho do motor de um carro para
virar suas rodas.
Weizenbaum (1976), em seu penetrante livro sobre o computa-
dor, afirma que o aparecimento de mquinas eltricas, especialmente
do computador, mudou o propsito fundamental das mquinas, da
transmisso de fora para a transformao de informao. A observao
profunda e seu significado importante. O objetivo ou propsito do
computador no produzir fora para que algum trabalho seja feito.
Transforma a informao de certas formas para certas outras formas,
e faz isto a grande velocidade e com toda a segurana. Um exemplo a
transformao de dados brutos na forma de nmeros em outros nmeros
chamados estatsticas, como somar longas filas de nmeros e depois
calcular uma mdia, multiplicar muitos pares de nmeros, somando-os,
e depois calculando as covarincias ou explorar textos verbais, contando
palavras-chave, categorizando tais palavras e depois contanto os nmeros
de tais palavras em cada categoria.
O computador , ento, u'a mquina eltrica de grande complexi-
dade, cuja funo bsica transformar informao a grande velocidade
e com alta confiabilidade. um complexo elaborado de aparatos, cujas
principais caractersticas so a capacidade de fazer muitas operaes
repetitivas a tremenda velocidade e com alto grau de exatido, flexibili-
dade e com o que eu gosto de chamar "ductilidade". A velocidade dos
computadores modernos fica quase alm do crvel. Um computador
moderno grande pode fazer 200.000 operaes ou mais por segundo!
J dei um exemplo. Quero ser mais especfico com um exemplo mais
complexo. Num estudo de atitudes feito na Holanda, uma amostra de
6 ~ pessoas respondeu a uma escala de atitude de 72 itens (Kerlinger,
M1ddendorp & Amn, 1976). Foram calculadas as mdias, os desvios
padro e as intercorrelaes dos 72 itens por um computador de grande
porte. Depois, a matriz de correlao foi analisada fatorialmente e 0s
fatores obtidos rotados sucessivamente, comecando com dois fatores
depois trs fatores, e assim por diante at 1 fatores . O computado;
levou 1 minuto e 40 segundos para fazer o trabalho. Para se ter uma
idia do tamanho do trabalho, imagine o que foram 72 somas, 72 somas
de quadrados, 72 mdias, 72 desvios padro, 2.556 produtos cruzados e
milhares, at milhes de outros clculos ligados anlise fatorial!
O computador opera tambm com toda exatido. Faz todas estas
operaes complexas com exatido finita mas altssima. A hardware ~
como os tcnicos chamam a parte fsica dos computadores - funciona
admiravelmente. Voc pode confiar na maioria dos .t esultados que con-
seguir em um computador, contanto que voc tenha feito seu trabalho
274
corretamente e contanto que seu programa seja adequado. Infelizmente,
boa parte do que sai de um computador inexato e at sem significado.
Mas isto no culpa do computador; culpa das pessoas que usam o
computador. Grande parte desse rendimento questionvel provavel-
mente devido a ignorncia. Vamos voltar a este assunto mais tarde. O fato
que os computadores modernos so de toda confiana, mquinas
exatssimas em que se pode confiar para a maioria das anlises em
pesquisa comportamental.
Entretanto, os computadores no so infalveis. No se pode confiar
inteiramente neles porque eles tm limitaes. Se forem feitos clculos
prolongados com nmeros muito grande ou muito pequenos, os resultados
dos clculos podem exceder a capacidade do computador. Suponhamos
que eu tenha um pequeno computador com espao para resultados no
maiores do que o nmero 1.000.000 ou sete lugares. Mas que eu tenha
que fazer o seguinte clculo:
467
2
X 54
3
+ 117/ 0,005.
O resultado, naturalmente maior que 1.000.000 e meu computador
no poder resolver. Mas as capacidades dos computadores modernos
so rnaiores que 1.000.000, e eles podem acomodar a maior parte das
necessidades de computao das cincias comportamentais.
As vezes, entretanto, acontecem inexatides, mesmo com os progra
mas mais bem escritos. ("Programa" sera definido mais adiante.) Por
exemplo, grande parte da anlise multivariada depende de uma operao
matemtica conhecida como inverso de matriz (j mencionada). O
inverso de uma matriz como um recproco ou um divisor ou um deno-
minador em aritmtica. Embora em lgebra se possa dividir facilmente
b por a, ou b/a, para produzir, digamos, c, ou c = b/ a, no possvel,
em um sentido rigoroso, dividir u'a matriz de numeras por outra matriz
de nmeros. Em vez disso, calculada uma matriz inversa, e a primeira
matriz multiplicada pela matriz inversa. Para se calcular inversos de
matrizes so necessrias vrias multiplicaes. Se os nmeros forem
grandes, a capacidade do computador pode ser excedida. Se, como s
vezes acontece em anlise multivariada, os nmeros so pequenos - os
coeficientes de correlao so pequenos, e dois ou trs multiplicados
juntos produzem nmeros menores ainda porque so fraes
2
- ento,
as muitas multiplicaes podero produzir nmeros muito pequenos que
levaro a inexatides e resultados confusos.
A confiabilidade do computador est relacionada a sua "ductili-
dade". "Ductilidade" significa "tratabilidade". Uma pessoa tratvel faz o
2 Por exemplo, suponhamos que multiplicamos 0,30, 0,40 e 0,05:
0,30 X 0,40 X 0,05 = 0,006.
275
I
que os outros querem que ela faa. Um computador faz o que a pessoa
lhe diz para fazer. Fazendo isso estpido: faz exatamente o que lhe
mandarem; jamais mostra inteligncia ou senso comum. No existe um
programador de computador que uma vez ou outra no tenha dito:
"Seu idiota! No era isso que eu queria." Ento pode-se dizer que os
computadores so estpidos e tratveis. B uma caracterstica excelente
porque significa grande confiabilidade e segurana. Tambm exige muito
das pessoas que usam e programam os computadores. Elas tm que
explicar tudo o que computador deve fazer para atingir qualquer meta.
E isto, naturalmente, no fcil de fazer. Em resumo, um programador
no pode omitir nada. Um computador faz fielmente os erros que
mandado fazer! No faz nada mais nem nada menos do que mandam
suas instrues!
Outra caracterstica dos computadores e da computao no
realmente uma caracterstica da mquina. E inerente s pessoas trabalhan-
do com a mquina. Os computadores parecem exercer uma fascinao
infinita sobre muita gente. Isto particularmente verdadeiro para quem
programa com xito o computador para fazer um trabalho til. O prazer
como o prazer do pianista que aprendeu e toca uma pea musical
desafiadora ou um jogador de xadrez jogando com um oponente igual.
B como se se fosse empurrado para conquistar no apenas a anlise
que se precisa mas tambm o computador e a prpria pessoa. A preocu-
pao intensa e a concentrao exigidas parecem se unir em uma expe-
rincia psicolgica altamente compensadora. Em resumo, os programa-
dores de computadores muitas vezes ficam viciados, ligados ao compu-
tador.
Esta caracterstica leva a resultados produtivos. Resolvem-se proble-
mas que no teriam soluo sem tais investimentos de preocupao,
concentrao, energia e tempo. Mas os resultados podem ser tambm
negativos. E possvel algum se absorver a tal ponto, programando a
mquina, chegando a se esquecer das razes porque a programou! Weizen-
baum (1976, captulo 4) descreveu de maneira incrvel os "picotadores"
(hackers) de computador, indivduos que virtualmente vivem para e com
o computador. Eles no programam tanto quanto "picotam". Embora
tecnicamente brilhantes - s vezes, seu conhecimento de computadores
e programao profundo -, pouco esto ligando para o que esto
programando. Weizenbaum diz que tm uma preocupao neurtica
no tanto de resolver ou ajudar a resolver problemas importantes, mas
de dominar a mquina, adquirir poder.
O exemplo extremo de Weizenbaum dado para ilustrar a incrvel
fascinao desta mquina complexa e poderosssima. Embora o "pico-
tador" de Weizenbaum seja u'a manifestao neurtica dessa fascinao,
rest& dvida de que muita gente, talvez a maioria dos que lidam freqen-
276
temente com computadores, se torna obcecada. No h nada de mal
em um interesse profundo; muitas vezes ele leva a realizaes criativas.
Mas o computador tem uma dimenso a mais: ele basicamente uma
ferramenta para auxiliar a resolver problemas. Se isto ficar esquecido na
preocupao com a mquina propriamente dita, ento a coisa se torna
um jogo. A maioria dos jogos inofensiva e sua perseguio com avidez
no prejudica ningum. Mas a perseguio vida ao computador sem
preocupao pela finalidade cientfica e tcnica de seu uso, pode conduzir
a banalidades sem significado ou, pior ainda, eroso dos valores
cientficos.
Como funcionam os computadores e os programas
Para se compreender o computador em sua relao com a pesquisa,
necessrio entender como ele foi feito para desempenhar sua tarefa.
Neste livro no nos interessa saber como os computadores funcionam
internamente, mas nos interessa saber como faz-los trabalhar. Como,
por exemplo, podemos fazer o computador calcular a mdia de uma
srie de nmeros? Talvez a melhor maneira de compreender o computa-
dor e seu uso, aprender alguma coisa a respeito dos programas da
programao dos computadores.
Um programa um conjunto de instrues numa linguagem especial
de computador que lhe diz com exatido o que fazer para realizar o
objetivo do programa. Um programa de anlise fatorial, por exemplo,
um conjunto elaborado de instrues para que um computador leia
dados de cartes ou fitas para calcular mdias e desvios padro de todas
as variveis atribudas, para calcular as intercorrelaes de todas ou algu-
mas das variveis, para fazer os clculos necessrios para obter fatores
e rot-los, e finalmente para imprimir os resultados com as denominaes
apropriadas. Este programa ser longo e complexo. As instrues espe-
cficas enchero muitas pginas. Um programa que uso para anlise
fatorial ocupa 12 pginas grandes de sada de computador. Outro pro-
grama mais complexo de anlise fatorial ocupa 26 pginas. (Muitos
programas, naturalmente, so relativamente curtos.)
Uin exemplo simples de programao
Os programas so escritos na lngua especial dos computadores.
Usamos Fortran (FORmula TRANslation) aqui provavelmente porque
seja a linguagem mais conhecida, pelo menos nas cincias comporta-
mentais. Mas h vrias outras linguagens: Algol, Cobol, Pascal e outras.
Uma vez que nossa preocupao apenas com as idias bsicas de progra-
277
)I
mao, no precisamos lidar com a linguagem e suas diferenas. Mas
vamos discutir e ilustrar rapidamente a linguagem usada para programar
outra inveno notvel, a calculadora programvel de bolso. Essas lingua-
gens "menores" tm a virtude de uma relativa simplicidade, considervel
flexibilidade e capacidade. Alm disso, . as calculadoras programveis
esto se tornando muito comuns e logo sero mais amplamente usadas
e bastante acessvei5 a qualquer bolso. Sem dvida, dentro de cinco
anos elas provavelmente preenchero diversas necessidades dos pesquisa-
dores comportamentais para clculos menores.
Fortran uma lngua intermediria- assim como o Algol, o Pascal
e outras linguagens semelhantes - que permite ao pesquisador se comu-
nicar com o computador. Usa alguns comandos ou afirmativas bsicas
em ingls, como: READ, WRITE, GO TO, CONTINUE, DO e IF.
Esses comandos podem ser entendidos literalmente: read (leia) tais e
tais dados; write (escreva, ou imprima) os resultados, go to (v para)
uma outra parte do programa, if (se) uma quantidade computada for
positiva (por exemplo), go to (v para) tal parte do programa, mas i/
r (se) for negativa ou igual a zero, go to (v para) tal outra parte do
programa. A fora e flexibilidade das linguagens de computador no
podem ser exageradas. Quase no existe operao lgica ou numrica
que no possa ser realizada com ele.
Suponhamos que desejamos somar dois nmeros, 6 e 4, e pr o
resultado em um lugar de armazenagem rotulado SUM. Uma instruco
Fortram para fazer isto, :
SUM = 6 + 4
Mas isto limitado demais porque certamente vamos querer usar a opera-
o de adio novamente. Ento escrevemos:
SUM = A+ B
Agora, quaisquer dois nmeros podem ser lidos pelo "leitor" do compu-
tador e podem ser armazenados nos "lugares" chamados A e B. Ento
A: B.podero ser usados mais tarde em quaisquer operaes aritmticas
assim como adio. As outras operaes aritmticas so manejadas da
mesma forma. Por exemplo, a multiplicao e a diviso so feitas da
seguinte maneira:
RESULTl
RESULT2
A * B (multiplicao)
A/B (diviso)
(0 asterisco a verso Fortran para "x", multiplicar. "/" a verso
Fortran para."+ " dividir.) As operaes so combinadas facilmente,
como a combmao seguinte das quatro operaes aritmticas bsicas:
278
RESUL T3 = ((RESUL T1 + RESUL T2) * A) / (A - B)
Se A = 6 e B = 4, ento RESULT3 = 76,50.)
Este uso da Fortran em nvel to baixo, embora no seja particular-
mentt> interessante ou poderoso, ilustra trs pontos importantes relativos
a Fortran e programao. Primeiro, as equaes Fortran no so como
as equaes algbricas comuns. Elas sempre querem dizer que o enun-
ciado direita colocado no "lugar" marcado esquerda. Um termo
apenas pode ficar esquerda, qualquer nmero de termos ou expresses,
direita. O enunciado SUM = A + B, acima, significa: No lugar
chamado SUM coloque a soma de A + B. Segundo, o resultado de uma
operao pode ser rotulado de quase qualquer coisa, desde que sejam
satisfeitas duas ou trs regras simples (por exemplo, o nome pode ter
de uma a sete letras, nmeros ou ambos: C, SUM, RESULT2, e assim
por diante). ':':?
Terceiro, os computadores modernos tm muita capacidade de
1

armazenagem, e os lugares de armazenamento so alcanados simples-5
mente por seus nomes ou rtulos. No exemplo acima, cada um dos valo- _.
res, A, B, SUM, RESULT2 e RESULT3, est armazenado em lugares dife- < "
rentes e facilmente acessveis e rotulados como indicado. A - Jl
e os lugares de armazenamento do exemplo acima podem ser ;
assim (embora no seja realmente feito assim): .::; ,
- '::!
c::::
6 4 10 24 1,so 76,50 i2
5:
A B SUM RESUL T1 RESULT2 RESUL T3 z
:::::>
Agora, o programador pode fazer o que quiser com estes valores, ou
quaisquer outros valores que possa ter calculado, simplesmente escre-
vendo novos comandos Fortran.
A verdadeira fora do computador entretanto, est em sua flexvel
capacidade de fazer operaes repetitivas vrias vezes a grande veloci-
dade. Suponhamos que desejamos somar uma srie de nmeros e depoi-s
calcular sua mdia. H vrias maneiras de fazer isto em Fortran. Vamos
ilustrar duas apenas. Elas nos permitiro entender dois ou trs pontos.
Eis uma rotina para somar nmeros:
DO 110 I = 1, N
110 SUMX = SUMX + X(l)
Isto pode ser traduzido assim: DO (faa) o que estiver indicado na
afirmativa 110, usap.do valores de 1 a N (1 , 2, 3 .... , N), N sendo o
nmero total dos valores de X. Suponhamos que 100 valores de X dife-
279
rentes sido lidos antes pela memria da mquina (N = 100).
Eles estanam ento em 100 lugares de armazenamento. O comando
Fortran instrui a mquina: a tomar esses valores de X de cada memria
por sua vez e som-los em um outro lugar chamado SUMX. Esta uma
caracterstica de se acumular valores em Fortran. Alis, a
maquma faz esta operao repetidQmente at ter usado o N-simo valor
de X (tendo lido "100" anteriormente em um lugar de armazenamento
chamado N) . Ento pra espera de novas instrues.
. O procedimento acima.' entretanto, usa armazenagem que no
prectso ser usada. Um precelto de programao usar sempre o mnimo
de armazenamento possvel. Uma prtica Fortran mais econmica seria
fazer a mquina ler um valor de X por vez em um carto e fazer a
adio exigida imediatamente. No haveria necessidade de armazenar os
X's, a no ser, naturalmente, que fosse preciso us-los mais tarde.
A Fortran para realizar isto e tambm para calcular a mdia pode ser:
10 (Read in N.)
SUMX = 0.0
(Inicializa SUMX)
30 I = I + 1
(Ajusta I para 1.)
40 (Read in X (I) . )
100
SUMX = SUMX + X (I) (Soma Xi a SUMX)
105 IF (I.L.T.N) GO TO 30
(Enunciado condicional:
AN = N
veja o texto)
(Pe Nem AN)
107
A VER = SUMX/ AN (Calcula a mdia)
110 (Print SUMX and A VER.)
END
Nesta rotina o computador l primeiro N, ou 100, que o usurio
perfurou_ em um O comando 10, que foi omitido para evitar
reahza ts!o. , to SUMX, o nome do que no final
se tornara a soma dos X s, e aJustado para zero. Isto se chama iniciali-
zao e o mesmo que limpar uma calculadora antes de comecar um
clculo. O comando 30, I = I + 1, uma forma padro de
uma soma. 1 somado a I e colocado no lugar chamado I. (I ser
subscrito de X mais tarde.) O comando 40, cujos detalhes
omthdos novamente, o primeiro X, ou X (1). No comando 100,
X (1), que, naturalmente e X (1), somado a SUMX e colocado no
lugar SUMX. O comando 105 o mais interessante. Traduzido diz o
seguinte: "Se I for menor do que (LT) N, v para o comando 30" . T que
I = 1, e portanto menor do que N, ou 100, o computador volta ao
comando 30. Isto completa um impulso (swing) pelo circuito (loop).
280
O computador volta agora afirmativa 30, que soma 1 a I de
novo. No 40, lido X (2), e no 100 somado a SUMX. Se X (1) = 15 e
X (2) = 17, ento SUMX agora igual a 32. feito novamente o teste
no comando 105, e uma vez que I, ou 2, menor do que 100, o compu-
tador . volta novamente para 30. I novamente incrementado, o X (I)
seguinte somado a SUMX, novamente feito o teste em 105 e nova-
mente o computador volta para 30. O procedimento continua at o 100.
0
X, ou I = 100. Depois que X (100) somado a SUMX, feito nova-
mente o teste IF na afirmativa 105, mas desta vez, j que I = 100
e, portanto, no menor do que N, o computador no voltar a 30.
Em vez disso, continua at depois de 105.
A continuao do programa calcula simplesmente a mdia, chamada
A VER, depois de converter N em AN, a que feito para mudar o nmero
inteiro N em um nmero decimal para que a aritmtica de SUMX/ AN
possa ser feita. (Em Fortran, denominaes de variveis que comeam
com I, J. K, L, M e N, so variveis de nmeros inteiros: todas as outras
so variveis decimais . O leitor no precisa se preocupar com esta
distino.) calculada ento a mdia AVER, no comando 107 e SUMX
e A VER so impressos pelo comando 11 O (no dado). O programa e os
clculos terminam ento com a instruo END.
Isto suficiente para dar ao leitor um pouco do gosto da linguagem
de um computador, como a Fortran, e uma idia e como o computador
"trabalha".
A princpio o procedimento pode parecer enfadonho, mas funciona, e
muitssimo bem. Em um computador de grande porte, o programa acima
tomaria apenas um ou dois segundos. Alm disso, poderamos facilmente
somar os quadrados de todos os X, calcular a soma dos quadrados, o
desvio padro, se desejssemos e com pouqussimo acrscimo de tempo
do computador. Ler os dados e imprimir os resultados levam mais tempo
do que os prprios clculos, que so feitos to rapidamente que se
apertssemos o boto para inici-los, eles estariam feitos antes de soltar-
mos o boto!
Seria quase tolice usar computador to grande para computaes
to simples. Se em vez de um X, tivssemos 30 X's, ou variveis, e
quisssemos calcular todas as mdias, desvios padro e correlaes entre
os X's, no seria tolice. E isto feito fcil, rpida e exatamente com
uma programao Fortrah (ou outra). Naturalmente, o programa ser
mais complexo. E se algum quiser fazer outras anlises, como anlise
fatorial ou anlise de regresso mltipla, ento, o programa torna-se
mais longo e complexo. (Mostramos apenas uma pequena frao das
possibilidades da Fortran.) Entretanto, os procedimentos bsicos so
semelhantes.
281
Computadores-calculadores programveis
Por sua importncia potencial e seu interesse intrnseco, vamos
examinar rapidamente agora a linguagem usada na pequena calculadora
programvel Hewlett-Packard, a HP-67.
3
(A mesma linguagem usada
com as HP-97, maiores, com ligeiras alteraes.) A HP-67, como suas
primas TI, tem a capacidade de gravar programas escritos em pequenos
cartes de plstico. Quando se precisa um programa, o plstico inserido
na mquina e o calculador programado est pronto para funcionar.
A flexibilidade e poder de tais mquinas - dentro de dois ou trs anos
elas provavelmente sero mais fortes e flexveis- so notveis. Natural-
mente elas no esto no mesmo universo de discurso dos grandes compu-
tadores, mas no so brinquedos. So computadores-calculadores capazes
de muito trabalho analtico importante. Em todo caso, vamos ilustrar
agora um pouco da linguagem de programao e lgica da HP-67. Vamos
fazer a mesma coisa que fizemos com a Fortran, somando nmeros e
calculando uma mdia.
O programa completo - o programa Fortran acima no estava
completo - o seguinte:
(Entre Xi; LBL A
aperte A) STO + 1
(A.perte B)

RCL 2
RTN
LBL B
RCL 1
RCL 2
STO 3
RTN
Parte A rotulada
Acumula os X's na locao 1
:J: somado incremento de 1
locao 2
Chama o nmero incrementado em 2,
o nmero de casos.
Parte A terminada.
Parte B rotulada
Chama 1, a soma dos X's.
Chama N de 2.
Divide, = Mdia.
Armazena a mdia em 3.
Parte B terminada.
Foram dadas notas explanatrias direita em cada linha do programa.
Em "HP" cada parte de um programa, ou todo um programa, tem que
3
H vrias calculadoras programveis a venda. As mquinas da Hewlett-Packard
e as da. Texas Tns!ruments (TI) so provavelmente as ma.is importantes graas
a s?a. relativamente grande - para mquinas to pequenas -, sua
sof1sttcaao e uttltdade. Seus preos so cada vez mais baixos talvez os nicos
produtos a ficarem baratos durante a inflao. Eu preferi a linguagem
em vez da. da TI. porque a primeira mais compacta e mais
softsttcada. Os dots tipos de mquina, entretanto, so muito bons.
282
ser rotulado, A, B, e assim por diante: LBL A, LBL B. Nosso programa
tem dois subprogramas, A e B. O objetivo de A somar os X e determi-
nar o nmero de casos, N. O objetivo de B calcular a mdia. Ambos
so feitos facilmente com seis comandos apenas. Em A, STO + 1
equivalente ao comando Fortran SUM = SUM + X (1). Toma um
nmero digitado pelo usurio e soma-o ao contedo da locaco 1. Se X
fosse necessrio a uma operao posterior, poderia ser para
esse fim. Isso poderia ter sido feito inserindo-se o comando STO 3 (ou
STO 4, STO 5) imediatamente aps LBL A e antes de STO + 1.
Os dois comandos, 1 e STO + 2, so um "contador". Eles incre-
mentam os casos na locao 2. O n':mero que estiver antes de STO + 2
sera somado o contedo do lugar de armazenagem 2. Quando todos os
X's tiverem ehtrado, a locao 2 conter N, o nmero de casos. A afirma-
tiva RCL 2 significa "Recall 2," ou "chame tudo o que estiver na loca-
o 2". Isto conveniente porque mostra ao usurio qual o nmero de
casos. A instruo RCL 2, em outras palavras, traz o que estiver em
2 para o display. A afirmativa final de LBL A RTN, ou "volte"
(return). O computador interrompe a execuo do programa e volta ao
incio de LBL A.
Usando computadores grandes, grava-se (perfura-se) os X em cartes
ou fitas, e o computador os l. Em calculadoras pequenas programveis,
os X's so digitados (embora haja um meio para a calculadora ler dados
de cartes plsticos). Com nosso pequeno programa, digita-se o primeiro
X ou X, e depois aperta-se A. A calculadora toma o valor introduzido e
soma ao contedo da locao 1. Se, por exetl].plo, introduzirmos 15,
este 15 ficar na locao 1. 1 somado locao 2, ou O + 1 = 1.
Isto chamado de volta da locaco 2 e mostrado. A calculadora volta
ento a LBL A, pronta para nova X. Vamos dizer que X2 seja 21.
Este somado ao contedo da locao 1, ou 15 + 21 = 36, e 36 fica
na locao 1. Novamente 1 somado locao 2, ou 1 + 1 = 2.
Quapdo todos os X tiverem entrado, digamos, 40, aperta-se a chave
B que ativa LBL B. B chama de volta os contedos das locaes 1 e 2,
e divide o primeiro pelo segundo ou, a mdia, naturalmente, que
aparece no display. Fica tambm depositada na locao 3 pela instruo
STO 3 para provvel uso futuro. Se o programa for necessrio para
clculos semelhantes no futuro, pode ser gravado num pequeno carto
plstico (j mencionado) , guardado e usado em outra ocasio, introdu-
zindo simplesmente o carto na mquina. O programa assim escrito, est
pronto para operar com dados novos, assim como um programa Fortran
gravado em cartes ou fita e pronto para ser usado quando necessrio.
4
4 O lei tor deve estar jmaginando de que forma o computador "compreende" as
instrues recebidas em Fortran ou outra linguagem e como executa os comandos.
283
Jl
Outros usos e operaes dos computadores
At agora falamos apenas do uso do computador em clculos numri-
diretos: calculando mdias, correlaes, desvios padres e assim por
dtant.e, e ainda operaes maiores, como regresso mltipla e anlise
fatonal. O computador, entretanto, tem vrios outros usos: anlise de
verbal, de tericos, planejamento e regulao
e A dtscussao desses usos est alm do objetivo deste
ltvro .. Ha u;n hpo de uso, entretanto, que ser proveitoso discutir porque
nos aJUdlira a compreender melhor a natureza do computador e seu uso
em pesquisa comportamental. Esta a soluo de problemas de clculo
difcds ou impossvel de serem feitos sem um computador. Por exemplo,
tabelas de nmeros aleatrios so publicadas em livros de estatstica
e usadas constantemente pelos pesquisadores. (Lembre-se de nossa
discusso sobre casualidade e casualizao nos captulos 5 e 6.) Tais
nmeros so difceis ou at impossveis de gerar adequadamente " mo"
ou com calculadoras pequenas, mas relativamente fcil gerar uma
grande quantidade de nmeros casuais em um computador grande. (At as
calculadoras programveis HP-67 e TI podem gerar "bons" nmeros
aleatrios.)
Em discusso anterior sobre a testagem da significncia estatstica
for.am negligenciados os. de significncia realmente usados pelos
qmsadores porque o objehvo deste livro no ensinar estatstica e anlise
mas as idias por detrs da estatstica e da anlise como partes vitais
pesquisa. Depois de um pesquisador ter feito um experimento, digamos
co;?? o. e Walberg ou o de Aronson e Mills, ele precisa testar
a stgmftcancta de seu resultado estatstico para ver se o resultado se
afasta suficientemente da expectativa baseada no acaso para garantir
que realmente se trata de um resultado "estatisticamente significante".
Um desses testes o chamado teste t. Uma estatstica, t, calculada a
partir dos resultados experimentais de, por exemplo, a diferena entre
duas mdias, como em Clark e Walberg. A estatstica calculada ento
confrontada com uma tabela de tais t's. Se o t calculado for igual ou
Seria quase um livro, escrito por um especialista em computadores,
para cxphcar todo o assunto. Entretanto, podemos dizer apenas o seguinte: em
qualquer computador grande, h um programa de "traduo", ou um conjunto
de programas chamado "compilador" (compiler). O compilador examina a "vali-
dade" da (se tem erros de grafia, pontuao e assim por diante) e a
traduz para a mqu_ina". para as instrues absolutas da mquina,
em qualquer que seJa Sistema mterno. Para mais detalhes sobre compiladores
e outros assuntos relaciOnados, o leitor poder consultar livros muito bons sobre
computadores e seu uso nas cincias comportamentais escritos por Brier e
Robinson (1974) e Green (1963). '
284
maior do que a entrada apropriad na tabela t - h muitos t's na tabela
correspondentes aos nmeros de casos nos grupos experimentais - o
resultado considerado estatisticamente significante. (Para mais discus-
ses desses testes estatsticos, veja o Apndice no fim do livro.)
Os livros de estatstica sempre contm tabelas t - e outras tabelas
usadas com testes estatsticos. Estritamente falando, entretanto, o compu-
tador tornou tais tabelas obsoletas parcialmente. O computador pode
calcular de maneira bastante exata o t especfico de que se necessita.
Tudo o que preciso o que se denomina uma sub-rotina para fazer a
aproximao necessria.
5
Os valores tabelados para os diferentes t so
valores de distribuio. So valores esperados por acaso para vrios N's.
Suponhamos que o pesquisador obtenha uma diferena entre duas mdias
e calcula t, que, digamos, 3,714. Procurando a entrada apropriada na
tabela ao nvel de significncia de 0,05, ele encontra que o t na tabela
2,010. Seu t 3,714, maior do que o da tabela. J que a entrada de
2,010 na tabela o valor esperado por acaso - o valor esperado se
houvesse apenas uma diferena casual entre as duas mdias -, eles
podem concluir que as duas mdias so significantemente diferentes.
O clculo de valores de distribuio, como para a distribuio t,
difcil porque envolve clculos tediosos. O computador calcula valores da
distribuio usando procedimentos de aproximao sucessiva. (Uma
forma simples de tal procedimento vern ilustrada adiante.) Dentro de
alguns anos os programas de computador que incluam distribuies esta-
tsticas provavelmente tero tais procedimentos de aproximao "'=!mbu-
tidos" na maioria dos programas estatsticos. Quando um t, por exemplo,
for calculado, o computador calcular tambm, 'atravs de um procedi-
mento de aproximao, a probabilidade que o t calculado (calculado
dos dados) ocorra por acaso. Por exemplo, a aproximao da probabili-
dade que t = 3,714 tenha ocorrido por acaso apenas de 0,0003, ou
3 chances em 10.000. Fiz uma HP-67 realizar os longos clculos repeti-
tivos - muitos loops, alis, para efetuar a aproximao - usando um
programa fornecido pela companhia. A calculadora levou cerca de 30
segundos para fazer o trabalho. Um computador grande faria o mesmo
trabalho em muito menos tempo, numa pequena frao de segundo
Em resumo, embora as tabelas de valores de distribuio talvez no se
tornem obsoletas, elas no sero to teis e necessrias quando so
agora.
5 Uma subrotina um programa dentro de um programa principal. As subrotinas
tm seus prprios nomes, geralmente tm objetivos especiais e so usadas nova-
mente vrias vezes. Um de seus objetivos economizar programao. Em vez de
acumular o nmero de casos no programa principal do exemplo acima, por
exemplo, poderamos escrito o procedimento numa subrotina e depois "cha-
mado" a sub-rotina nos lugares apropriados.
285
J l
Um exemplo de aproximao: raiz quadrada
Quase todos ns aprendemos a calcular razes quadradas de nme-
ros usando um mtodo cansativo que quase impraticvel para mais
de umas poucas razes quadradas. Quinze ou 20 anos atrs as rguas
de clculo davam aproximaes bastante exatas de razes quadradas.
As rguas de clculo praticamente desapareceram. Sem dvida, em duas
ou trs dcadas elas sero objetos para colecionadores. Quem necessita
de rgua de clculo, quando uma calculadora de bolso de quinze dlares
pode fazer tudo o que a rgua faz - e com maior exatido? Outro
mtodo procurar a raiz quadrada em tabelas. Este mtodo tambm
est morrendo ou quase morto. Outro mtodo ainda envolve a velha
calculadora de mesa: tentar adivinhar a raiz, elevar ao quadrado a
tentativa e chegar aos poucos raiz final por tentativas e aproximaes.
Dificilmente um mtodo eficiente! , entretanto, semelhante ao mtodo
iterativo de aproximao dos A grande diferena fica na
rapidez, exatido e em evitar frustrao na adivinhao. Embora haja
uma enorme diferena entre um Vermeer e um Warhol, lucraremos muito
se examinarmos o clculo da raiz quadrada por um mtodo de aproxi-
mao em um computador. O mtodo a ser descrito tambm tem a distin-
o de ter tido nada menos que um gnio como Isaac Newton trabalhado
nele.
Um algoritmo um conjunto de regras que nos ensina o que fazer
para executar determinado objeto ou objetivo. Muitas frmulas algbricas
so algoritmos. Se eu disser a algum exatamente como resolver certo
tipo de problemas, estarei dando-lhe um algoritmo. Se voc quiser a
raiz quadrada, ou o logaritmo, ou o recproco de um nmero, s apertar
a chave certa de uma calculadora. Mas como a calculadora produz ou
calcula o nmero? H uma tabela em seu sistema? Dificilmente. Em seu
sistema h um algoritmo que funciona muitssimo rapidamente.
Aqui est uma expresso matemtica para um algoritmo para obter
a raiz quadrada de qualquer nmero positivo:
onde x = nmero cuja raiz quadrada se deseja, r. = a i-sima raiz e
I
ri +
1
= a raiz aproximada depois da i-sima raiz. Eu fiz um programa
para a HP-67 fazer as iteraes (repeties com mudanas) ou loops
implicados por esta equao. Em sua essncia como os algoritmos
usados em grandes computadores, s que os ltimos so geralmente mais
complicados, mais sofisticados e trabalham com muito mais rapidez.
O programa funciona da maneira que se segue. O nmero cuja raiz
286
quadrada se deseja introduzido na calculadora. A. calculadora divide
este nmero por 2. Isto ineficaz, mas funcwna. f;
ento usa
0
algoritmo acima sucessiva e repehdamente ate obter a ra:z
quadrada. o processo geralmente convergir rapidamente para a soluao
correta.
Para ver como funciona, vamos pr 15 na mquina. As iteraes
sucessivas - eu fiz a calculadora parar depois de poder
ver
0
resultado de cada iterao e assim cada aprox1maao an ..es das
solues finais - eram:
e 3,87298
2
1,50000
1,41667
1,41422
4,75000 1/ 2 [ ( 7,5 + ;: ) J
3,95395 1/2 [ ( 4,75 + :.:J J
[ ( 3,95395
15
)]
3,87381 1/2 +
3,95395
[ ( 3,87381 +
15
)]
3,87298 1/ 2
3,87381
15. Calcule 0. O
algoritmo e as iteraes produzidos:
Para mostrar que funciona com um nmero maior e mais complexo,
calcule VlS87,8714. As iteraes foram mais longas:
397,96785
200,97890
104,43979
59,82175
43J8256
39,97684
39,94831
39,84810
287
J l
e 39 848102 = 1587,8714. Note como os nmeros sucessivos convergem
para'
0
nmero final correto. O procedimento funciona com nmeros
menores de 1? Tente v'0,75. As iteraes resultantes:
1,18750
0,90954
0,86707
0,86603
e
0,86603
2
= 0,75.
A primeira e a ltima tarefas tomaram cada cerca de 1 segundos, a '(2
cerca de 5 segundos. v 1587,8714 levou ao tod_o 14 segundos. f:
reduzir as iteraes e, portanto, o tempo apreciavelmente, ma_s nos mte-
ressa apenas ilustrar os algoritmos de computador e s:u funcwnamento.
Assim, embora estes clculos sejam lentos pelos de_ computado-
res grandes, eles nos do uma idia dos procedimentos iterativos de
um computador.
6
Igualmente, os analistas para
outras quantidades para as quais nao existem
Algoritmos altamente sofisticados - ou programas - sao
incorporados memria do computador e estao sempre prontos para
fcil uso. Quando se d entrada em um nmero cuja raiz qu_adrada se
deseja, em uma calculadora pequena, e se a chave de quadra-
da a raiz quadrada do nmero aparece mstantaneamente. Apenas
ser instantneo, entretanto. Todos esses clculos levam algum
tempo. Os analistas de computador t_m sido, habilidosos em escrever
e melhorar os algoritmos e a tecnologia da maquma do compu-
tador e das calculadoras tem progredido tanto que velo-
incrveis. O leitor ctico pode ver isto por si prpno obtendo
primeiro a raiz quadrada de nmero en: uma boa calculadora de
bolso. A raiz quadrada aparecera como que mstantaneamente. Obtenha
agora o logaritmo do mesmo nmero. Observe que h uma leve demora,
no tanto uma demora mas uma leve pausa. Isto acontece porque o
6 O leitor curioso poder querer saber como o computador "sabe" quando deve
parar de iterar. Como ele sabe quando tem a raiz Este,
um problema comum em programao de computadores. A maquma e mstru_1da
a parar de iterar quando certo critrio for alcanado. O critrio ?ado antenor-
mentt: e depois de cada iterao feito um teste para ver se fo1 alcanado o
critrio. No caso presente, o critrio 0,00001. O quadrado de r (a aproximao
da raiz), ou r', calculado e r' subtrada de x, o nmero cuj a, raiz.
se deseja. Quando r' - x for menor ou igual a 0,00001, o teste e satsfe1to e o
computador no repete mais. Se se desejar maior exatido, faz-se o critrio menor,
por exemplo 0,0000001 ou 0,00000001.
288
algoritmo programado e, talvez, o hardware para o logaritmo no funcio-
nem to depressa como para tirar a raiz quadrada.
Questes mais amplas
Muito tem sido escrito e publicado sobre os computadores e seus
provveis efeitos sobre as pessoas e a sociedade. Parte, como sempre,
como qualquer questo complexa, faz sentido e parte absurdo. No h
a menor dvida quanto aos grandes e profundos efeitos do computador.
A questo : No total, os efeitos so bons ou maus? Provavelmente a
questo no possa ser respondida sem ambigidade. O computador
um resultado inevitvel do progresso da tecnologia e das necessidades
de computao dos cientistas, engenheiros, administradores e outros.
Nossa preocupao apenas com seus efeitos sobre a pesquisa compor-
tamental. A maioria desses efeitos so claramente bons.
O primeiro e mais bvio, muitos clculos na anlise de pesquisa
comportamental so trabalhosos, fatigantes e passveis de erro. Exemplos
freqentes e bvios so os clculos de raiz quadrada e soma de quadra-
dos. Mesmo com as velhas calculadoras mecnicas, ainda usadas at
1950 e mais tarde, jamais foi tarefa fcil fazer os clculos bsicos para
desvios padro e correlaes. Nos computadores modernos fcil, cmo-
do, rpido e exato. Um excelente exemplo a anlise fatorial. Antes de
1960, os pesquisadores levavam muitas horas e dias para extrarem os
fatores de uma matriz de correlao. Para uma matriz de correlaes
20 x 20 - 190 coeficientes de correlao - e, digamos, quatro fatores,
eram precisos dois dias ou mais. Se ocorresse um erro - erro que fosse
descoberto! - o tempo podia dobrar. J demos um exemplo do tempo
aproximado que um grande computador levava para fazer uma anlise
fatorial completa de 72 variveis: cerca de 100 segundos. Dessa forma
o trabalho rduo de antes foi eliminado em grande parte.
Segundo, o computador libertou os pesquisadores para trabalharem
e pensarem em idias e tarefas mais desafiadoras e importantes do
que clculos. A pesquisa, entretanto, no se tomou mais fcil de ser
feita. Ficou at, mais difcil. Vinte ou 30 anos atrs, boa parte do
trabalho de muitos pesquisadores era simplesmente o de anlise e clculo
bruto. Isto j no mais preciso; o computador faz o trabalho pesado.
Com a ausncia do trabalho de clculos, entretanto, aumentou a expecta-
tiva em relao cincia. Espera-se que os pesquisadores desenvolvam
teoria, um trabalho sempre difcil, usem delineamentos apropriados de
pesquisa, e melhorem as medidas das variveis que usarem. Anos atrs,
por exemplo, havia negligncia quase arrogante pela exigncia da
validade de medidas usadas; at as exigncias de fidedignidade eram
289
negligenciadas. Hoje tal negligncia muito menos provvel. Embora
estes melhoramentos no sejam inteiramente resultaP.tes da disponibili-
dade dos computaqores, h pouca dvida de que os computadores ajuda-
ram a dar condies possveis para melhoramento. Em resumo, o compu-
tador libertou o pesquisador para coisas melhores.
A terceira influncia benfica do computador mais sutil. A simples
presena de um centro de computao, que a maioria dos pesquisadores
acabar usando, afeta a vida e o pensamento de todos os que o cercam.
uma manifestao fsica da matemtica, cincia, pesquisa e tecnologia.
Seu status, como manifestao de uma das mais altas realizaes tecno-
lgicas e intelectuais, uma lembrana constante dos valores que influen-
ciam nosso pensamento e nosso trabalho. O grande investimento feito
pelas universidades - e outras instituies e organizaes sociais - em
computadores e pessoal tcnico, penetra as vidas dos pesquisadores. E um
dos principais valores a soluo objetiva de problemas e comunicao.
O computador , ento, um poderoso smbolo de intelectualidade, princi-
intelectualidade cientfica. Como tal, ele refora e apia normas
. e critrios cientficos e intelectuais. No de admirar que pintores,
historiadores e filsofos se preocupem com ele. Eles temem
que sua influncia poderosa possa desequilibrar a universidade e at a
sociedade. E eles podem ter razo.
A quarta influncia j foi mencionada neste captulo. Os problemas
de pesquisa que no podiam ser prontamente abordados, esto agora ao
alcance. J mencionamos anlise fatorial e outras formas de anlise
multivariada. Vamos tomar um exemplo bem diferente ainda no discu-
tido aqui: a anlise de contedo. Os cientistas polticos, historiadores,
psiclogos e socilogos, entre outros estudiosos, sempre analisaram mate-
rial documentrio a fim de estabelecerem fatos e tendncias e para estu-
dar relaes. Este estudo documentrio extremamente laborioso. Os
historiadores poderiam passar meses ou anos em bibliotecas para estuda-
rem e documentarem um assunto. Sem dvida, a imagem do intelectual
sempre foi a da pessoa que mais ou menos cava, vasculha e grava
pacientemente os resultados de suas escavaes. Grande parte do trabalho
de um estudioso era deste tipo. Embora cansativo, no era possvel de
ser evitado.
Graas ao computador e ao desenvolviment9 da anlise de contedo
dentro das cincias comportamentais, a abordagem do intelectual, sua
perspectiva e trabalho esto mudando drasticamente - ou talvez eu
deva dizer, mudaro drasticamente porque muitos estudiosos ainda no
foram afetados. Jamais haver um verdadeiro substituto para o julga-
mento humano que o estudioso tem que fazer constantemente. E provavel-
mente sempre haver uma certa quantidade de trabalho maante. Mas o
computador pode eliminar muito desse trabalho maante. Com uma
290
lista bem feita de nomes e assuntos, o levantamento
bibliogrfico feito por computador - depois que a prpria bibliografia
foi posta noG bancos de memria do computador - agora possvel.
A carga da pesquisa bibliogrfica ser grandemente aliviada. Depois
que o estudioso seleciona as fontes que deseja na lista que o computador
fornece para sua pesquisa, o computador pode ainda reproduzir a fonte
ou expedir instrues para faz-lo.
Vamos tomar um exemplo mais interessante. Anlise de contedo
um mtodo de analisar e estudar as comunicaes - documentos de
toda espcie, inclusive documentos existentes e documentos produzidos
deliberadamente para fins . de pesquisa, livros, cartas, etc . . . - de
modo sistemtico, objetivo e quantitativo para medir variveis ou realizar
outros propsitos de pesquisa. Suponhamos que desejamos estudar os
sistemas de valores de grupos ou pases diferentes e que certas palavras-s
ligadas a valores foram descobertas em pesquisas anteriores como capazes::
de diferenciar grupos sociais, palavras como igualdade, disciplina, reaw
zao, religio e liberdade. '
Um "dicionrio" de tais pahwras pode ser colocado na
do computador. Amostras aleatrias de publicaes-chave - editoriais-f J 1
discursos polticos e artigos de revistas, por exemplo - em
pases podem ser analisados. Selees inteiras so perfuradas nos cartoes-
e lidas no computador. O computador examina os cartes, destaca
palavras relativas a valores que foram colocadas em seu "dicionrio,i5
depois analisa os "dados" contando, categorizando e calculando as est 11,, -
tsticas apropriadas. O grande trabalho de estudar e analisar os text<2 a.1
evitado e o pesquisador pode se concentrar no que
a teoria por trs do trabalho, o "dicionrio" e seu contedo, a
dos materiais para anlise e outros assuntos substantivos e metodolgicos.
Outro benefcio dos computadores que pessoas trabalhando em
diferentes campos entram em contato no apenas com os esrecialistas
de computadores, mas tambm com trabalhadores de outros campos.
Acontece, ocasionalmente, que um pesquisador, diante de um problema
analtico ou de computador desconhecido em seu campo; descobrir com
algum de outro campo que o problema j foi resolvido. Isto acontece
especialmente no contato com matemticos. A maioria dos pesquisadores
comportamentais no se destaca por seus matemticos e s
/ ezes tomam conhecimento de que um problema analtico que os con-
funde j foi resolvido por matemticos ou estatsticos matemticos.
O ltimo benefcio a ser mencionado vem do carter internacional
dos computadores e da cincia da computao. As 'jnguagens de compu-
tadores embora escritas em ingls, ou no que pode ser chamado de
uma de ingls, so na verdade, internacionais. No mundo inteiro,
os programas so escritos em Fortran, Algol e outras linguagens de
291
computador. As instalaes de computador compartilham programas
internacionalmente. Certos pacotes de programas muito conhecidos e
usados podem ser encontrados nas universidades de Nova Iorque, Berkeley
e Amsterd, para mencionar trs instalaes muito distantes. tambm
muto comum usurios e especialistas de computadores de diversos
pases se encontrarem em centros de computao e muitas vezes compar-
tilharem seu conhecimento e know-how. A palavra "computador" e
certas outras a ela relacionadas, tornaram-se parte de lnguas naturais.
Como a msica e a matemtica, a linguagem de computador uma
espcie de linguagem internacional.
O efeito deste intercmbio e influncia internacionais ajuda a demo-
lir barreiras nacionais e sociais. Naturalmente, a cincia e a tecnologia
sempre tiveram esse carter internacional e s vezes ajudaram a destruir
barreiras. A influncia do computador pode ser maior, entretanto, pela
necessidade de as instituies terem centros de computao e know-how
fisicamente presentes dentro ou prximos das instituies. Os benefcios
para as cincias comportamentais vm principalmente do crescente com-
partilhar de metodologias - a anlise de estruturas de covarincia discu-
tida no capt1lo 13 um excelente exemplo - e conhecimento ampliado
da teoria e pesquisa.
As desvantagens do computador foram muito discutidas por vrios
observadores. Elas so complexas e muito menos bvias do que as vanta-
gens no sentido em que seu carter negativo e at sua influncia nociva
so mais discutveis. Veremos por que quando discutirmos e examinarmos
duas ou trs delas.
A primeira e mais bvia desvantagem do computador sua possvel
violao do sigilo. Uma das regras ou valores importante que governam
a pesquisa da cincia oomportamental que toda informao sobre
indivduos e g,rupos confidencial. A privacidade e os direitos dos indi-
vduos devem ser cuidadosamente salvaguardaclos. Os dados coletados
sobre indivduos no devem ser identificveis. Mas se os nomes dos indi-
vduos entrarem no computador com seus dados, torna-se muito fcil a
indivduos ou organizaes inescrupulosas obterem informaes indivi-
duais e violarem a privacidade e os direitos de indivduos e grupos.
Infelizmente isto foi feito e o computador levou a culpa. O problema ter
que ser resolvido se este importante valor tiver que ser preservado.
A segunda influncia nociva vem dos problemas levantados pela
pergunta. Os computadores podem pensar? De chofre, a maioria das
pessoas sensatas responder prontamente- No, claro que os computa-
dores no pensam - pelo menos como o ser humano "pensa".
problema que a pergunta e sua resposta so muito complexas. certo
que os computadores s fazem o que so instrudos para fazer. Mas as
vezes no se sabe direito para o que foram instrudos. Alm disso, sua
292
busca incessante e implacvel de possibilidades lgicas pode dar resul-
tados surpreendentes. Isto , os resultados. certa pensamen_to
no podem ser conhecidos porque as posstbthdades sao mUitas. Levana-
mos semanas, e at anos, para explorar algumas possibilidades apenas.
Mas podemos escrever um programa e instruir o computador a explorar
as possibilidades e imprimir os resultados. Em outras palavras,
pessoa pode levar adiante um procedimento apenas por hmtt.ado
e com possibilidades limitadas, um computador pode segm-lo por mt.nu-
tos horas e at dias (com grande despesa, claro) e explorar mUitos
mais e at todas as possibilidades. Isto "pensar"? Se no for pensar,
precisamente, coisa muito parecida.
A capacidade do computador fazer operaes repetitivas e variadas
a alta velocidade ento, ajuda seus usurios a acompanhar as conseqn-
cias de idias e modelos complexos. Este grande poder tem uma aura
de magia que deixa muita gente desconfiada ou at com medo dos
computadores. Alm disso os computadores podem simular processos
de pensamento humano com grande sucesso. Um exemplo famoso um
programa de computador que pode demonstrar teoremas lgicos. Estas
demonstraes s vezes so muito difceis at para especialistas em lgica.
O computador pensa quando resolve esses problemas? Um exemplo mais
conhecido e mais famoso a incrvel capacidade que o computador tem
para jogar xadrez. Os computadores podem derrotar a maioria dos joga-
dores de xadrez (mas no os melhores). Eles "pensam" quando fazem
. ?
lSSO
O assunto altamente controvertido e discqtvel. Alguns dizem que
o "pensamento" de um computador indistinguvel do das pessoas. Ou-
tros, que h uma diferena profunda. Provavelmente no haja uma solu-
o satisfatria para a dificuldade, querendo isto dizer que no possvel
responder pergunta, Os computadores poem pensar? (A foi
at considerada sem sentido.) Talvez a melhor resposta tenha stdo a
de Turing (1956), que anos atrs disse que para testar a pergunta s
dar o problema que estiver exigindo pensamento a um computador e a
um especialista humano. Se um observador especializado no puder
discernir nenhuma diferena fidedigna nas solues apresentadas, ento
o computador pode "pensar". H pouca dvida de que muito do que
os computadores fazem parece ser uma forma de pensamento. E no h
dvida tambm de que os computadores podem simular efetiva e repeti-
damente conhecidas caractersticas do pensamento humano. Vamos deixar
este problema embaraoso e voltar a assuntos mais fceis - com enorme
alvio, confessemos.
7
7 O leitor pode ter uma viso geral dos problemas envolvidos lendo Lindsay e
Norman (1977, pp. 593-599) que analisaram um problema particular chamado
293
J I
Outra desvantagem do computador tem suas razes na relativa facili-
dade de uso do computador, a grande e fcil disponibilidade dos chama-
dos "pacotes" de programas e a fora e velocidade das mquinas moder-
nas. Estas caractertsicas e condies possibilitam aos indivduos com
insuficiente conhecimento dos mtodos usados, produzir anlises que
podem c, s vezes, so absurdas. Tais usurios dependem muito de que
o computador faa por eles seu trabalho e pensamento. O mau uso de
pacotes de programa de anlise fatorial um exemplo freqente e proble-
mtico. Mtodos objetivos para anlise fatorial convenientes par uso
em computadores foram elaborados e so amplamente acessveis. O pro-
blema que um mtodo completamente objetivo nem sempre produz uma
soluo satisfatria para um problema de anlise fatorial. O julgamento
humano tem que entrar no negcio em dois ou trs lugares cruciais.
Por exemplo, uma parte importante da anlise fatorial o nmero
de fatores a serem rotados depois da extrao dos fatores. (Veja no
captulo 12, nota de rodap nmero 4, uma breve explanao de fatores
rotados.) No h resposta completamente satisfatria para a questo:
Quantos fatores devem ser rotados? H respostas e mtodos objetivos,
mas que podem dar respostas enganadoras seno completamente erradas.
O nico meio bastante satisfatrio no presente envolve mtodos objetivos
e o julgamento do pesquisador. A desvantagem, ento, a tendncia dos
pesquisadores se tornarem dependentes demais do computador e, em
fazendo isto, perderem a compreenso real dos dados e da metodologia
com que trabalham, e abandonar o controle sobre sua pesquisa e seus
resultados.
Mais insidiosa e prejudicial a forte tendncia dos usurios dos
computadores em todo mundo, de depender dos chamados "pacotes" de
programas para a soluo de seus problemas analticos. Um "pacote"
um programa generalizado que pode manejar todos os problemas de certo
tipo. ~ escrito para ser "geral" para uma classe de problemas analticos;
meu problema, o seu problema e o problema dos outros podem ser feitos
com ele. Por exemplo, h "pacotes" para fazer anlise fatorial, anlise
de regresso mltipla e alguns deles so muito bons, sem dvida. Outros
tm aspectos questionveis. Muitos dos usurios de tais programas sabem
pouco ou nada a respeito do computador e do que ele pode ou no
pode fazer; e, pior, eles sabem pouco a respeito dos mtodos empacota-
aritmtica dos dias (Segunda + Quarta = ?) na linha de computao e pensa-
mento. Boa parte do livro de Lindsay e Norman, alis, fortemente influenciada
pelos computadores e pela tecnologia dos computadores. Uma descrio lcida
de "pensamento" e soluo de problemas de computadores dada por Green
(1963, pp. 219 e ss.). O brilhante ensaio de Turing (1956) vale a pena ler tam-
bm. Para dizer o mnimo, seu ensaio dificilmente deixar impassvel mesmo o
leitor mais ctico.
294
dos nos programas. Dependem totalmente dos programas do computa-
dor. Os terrveis resultr.dos se mostram repetidamente. Ocorreu a pouca
gente, mesmo a pesquisadores, que tamanha dependncia perigosa, e
at perniciosa. Ela no leva apenas a resultados incorretos e confusos;
ela enfraquece a capacidade de muitas pessoas potencialmente talentosas.
Baixa ainda a qualidade geral da pesquisa nas cincias comportamentais.
A desvantagem final a ser d i ~ c u t i d a mais enganadora, complexa
e difcil de ser descrita. O poder, a aplicabilidade universal e a tremenda
velocidade do computador ajudam a gerar espanto e medo em muita
gente. (Naturalmente, quando a automao torna o trabalho obsoleto,
seguem-se a averso e o dio.) O computador encarado como uma
fora misteriosa cujo efeito derradeiro ser o de destruir a humanidade.
O trabalho do computador e as pessoas que o usam so olhadas como
perigosas ameaas integridade e peculiaridade existencial de homens
e mulheres. Em resumo, o computador, muitas vezes junto com a cincia,
percebido como um inimigo da humanidade.
Fato e fico se unem aqui. O fato que tais. atitudes so muito
reais e exercem grande influncia (veja Lee, 1970, para um estudo
de mbito nacional de tais atitudes). A fico que o computador, essen-
cialmente uma mquina, embora potente antropomorfizado; recebe uma
"realidade" e um "poder" que no possui. Os computadores no desuma-
nizam as pessoas; as prprias pessoas se desumazinam. Os computadores
so produtos humanos e uma parte da estrutura social; devem ser contro-
lados pelos homens e mulheres e pela estrutura social. Se a desumaniza-
co for uma ameaa, ento preste ateno a coisas mais profundas do
<JUe o computador.
Cor.1o sempre, a resposta, se que h uma resposta, no culpar a
citit!ia, a tecnologia, os mtodos e os computadores pelas mazelas huma-
nas. Embora no haja dvidas de que o homem e seus poderosos produtos
ajudam a formar os seres humanos, tambm no resta dvidas de que
os males da sociedade so curados apenas pelos homens e mulheres
trabalhando juntos para efetuar curas.
Esta homilia por demais moralista nos leva a nossos ltimos captu-
los. Neles discutiremos algumas das importantes e controvertidas questes
associadas cincia e pesquisa. Veremos que o computador apenas
uma pequena parte de um maior e mais difcil complexo de problemas.
295
li
15. Concepes errneas e C<;?ntrovrsias:
questes metodolgicas
Nosso estudo da cincia e pesquisa comportamental nos levou muito
longe. Para compreender o como e o porqu da pesquisa cientfica, tive-
mos que falar metodologicamente grande parte do tempo. Para completar
nosso estudo e compreenso, vamos nos dirigir agora a problemas mais
delicados vagamente ligados falta de compreenso da cincia e da
pesquisa. Vamos terminar o livro voltando a este e outros problemas por
dois motivos. Primeiro, eles so muitssimo interessantes e importantes
por si mesmos, e deveriam ser conhecidos e compreendidos. E segundo,
as concepes errneas ligadas a eles obstruem seriamente a compreenso.
Devemos tentar compreender por que a cincia e a pesquisa emprica
foram to atacadas nos ltimos anos. Por que algumas pessoas dizem,
por exemplo, que a cincia uma fora destrutiva? Por que dizem
que desumana, abstrata, fria e remota e que nos divorcia da realidade
humana, levando-nos negao e ao desespero? Por que insistem em
que a finalidade bsica da cincia deve ser melhorar .as condices huma-
t2?.s? Por que h to pouca compreenso em relao para qu'e serve ou
no a cincia?
A tarefa destes ltimos captulos , ento, apresentar e estudar algu-
mas questes controvertidas e difceis para dar maior amplitude e profun-
didade compreenso do leitor. Neste cptulo vamos explorar o que
pode ser chamado vagamente de questes metodolgicas controversas:
objetividade, quantificao, valores e cincia e o indivduo. No ltimo
captulo a discusso se dirige para a relao entre a pesquisa e a prtica.
Nele falaremos sobre a pesquisa bsica e aplicada e sobre as idias de que
a pesquisa precisa proporcionar uma retribuio. Vamos tentar explicar,
finalmente, como a pesquisa influencia a prtica - o que pode e no
pode fazer e como ela o faz.
Objetividade
Um dos ataques mais srios cincia orgina-se nos ataques objeti-
vidade. Objetividade j foi definida como o acordo entre juzes espe-
296
cialistas sobre o que est sendo observado. Isto significa que a cincia
procura afastar os procedimentos cientficos das preocupaes humanas.
Todas as formas de conhecimento so influenciadas por valores, atitu-
de e outras predilees. Jamais possvel ser-se completamente objetivo.
Em outras palavras, a objetividade sempre uma questo de grau. Mas
a cincia insiste no ideal e no critrio da objetividade como sendo indis-
pensvel. Sem objetividade no pode haver cincia.
Como ficou salientado no captulo 1, o critrio de objetividade
permite aos cientistas sarem de dentro de si prprios. Eles estabelecem
procedimentos "l fora", longe de si mesmos. A idia proteger os proce-
dimentos de predilees e influncias. Esta a essncia e o ncleo de
mtodos cientficos empricos. Um dos testes de objetividade se, a
partir de uma descrio de uma pesquisa, um outro investigador compe-
tente capaz' de replic-la. Se for possvel e se os resultados forem os
mesmos ou semelhantes, isto apoio parcial para a "validade" da pes-
quisa. A objetividade uma das razes principais porque as explicaes
cientficas, apoiadas por evidncia emprica objetiva, so consideradas
mais dignas de confiana do que outros mtodos de se obter conheci-
mentos.
As crticas objetividade vo desde as mais ingnuas s mais sofisti-
cadas. O ncleo da crtica, entretanto, parece tomar duas formas. A pri-
meira j foi mencionada e discutida no captulo 1. A objetividade, dizem,
leva ao distanciamento, frieza, inumanidade. O distanciamento e
a frieza da cincia destroem os valores humanos e desumanizam o
homem. Assim, a cincia fundamentalmente perniciosa. Alm disso,
no se pode confiar em conhecimento adquirido em sistema to desumano
porque a ele falta sabedoria verdadeira e profunda, que vem apenas
da percepo intuitiva de verdades espirituais e humanas. A cincia
reducionista: ela reduz o todo essencial dos seres humanos e o mundo
para dissecar fragmentos de conhecimento, que so, em essncia, distor-
es da realidade. Os psiclogos, em tentativas objetivas de estudarem
a inteligncia e a personalidade humanas, no compreendem a prpria
essncia da inteligncia e personalidade, todos indivisveis e impossveis
de serem reduzidos a conceitos e nmeros. A objetividade, em vez de
ser uma ferramenta neutra para o cientista, de fato um poderoso inimigo
do homem e da verdade - pelo menos o que dizem.
O segundo argumento mais sofisticado e exerce maior influncia,
principalmente na Europa, onde faz parte dos ataques marxistas
objetividade. Diz-se- com bastante verdade, por sinal- que ningum
pode ser verdadeiramente objetivo. Quando os cientistas colpcam a
objetividade como um ideal, esto enganando-se a si prprios e aos
outros. Todos ns, inclusive os cientistas, somos conduzidos por nossos
valores e motivos. No podemos ser objetivos. Marxistas e idelogos
297
l i
semelhantes vo mais alm. Dizem, por exemplo, que os valores da
sociedade influenciam as hipteses e as pesquisas de cientistas burgueses
e, se esses valores forem corruptos, como o so na sociedade capitalista,
ento a pesquisa e os resultados so inevitavelmente corruptos. A objeti-
vidade, ento, um mito burgus; uma arma de opresso.
Dizem ainda que mais importante conhecer a histria de uma
hiptese do que test-la. Isto significa que o que importante a histria
e a origem das hipteses na cincia capitalista ocidental. Quem formula
as hipteses a pergunta-chave. Elas vm de cientistas apoiados pelo
establishment? Se assim for, elas so tendenciosas e suspeitas. Este tipo
de raciocnio e o raciocnio menos ideolgico de crticos da pesquisa
comportamental sociolgica e psicolgica se juntam em seu ataque obje-
tividade.
No captulo 1 foi respondido um argumento relacionado. Vamos nos
limitar aqui a breves observaes centralizadas principalmente na con-
fuso de duas definies de objetividade. A definio cientfica de objeti-
vidade ficou dada atrs e elaborada no captulo 1: acordo entre juzes
esp'ecialistas, "juzes" sendo definidos como pessoas ou mquinas. A
essncia desta definio se refere a procedimentos, ela de ordem meto-
dolgica: d uma regra geral metodolgica. A regra, em essncia, diz:
todos os procedimentos devem ser pblicos; devem ser replicveis; devem
estar separados do investigador. E isso tudo que significa.
Os crticos da objetividade, entretanto, baseiam seus argumentos
numa definio que se concentra no investigador. Eles, ou pelo menos
seus argumentos, pressupem que a objetividade seja uma caracterstica
ou trao cientista. Eles esto dizendo, com efeito, que os cientistas
reinvindicam a objetividade para si prprios, que eles, como classe de
indivduos, so mais objetivos do que os no-cientistas. Eu estou exage-
rando um bocado e sei que algumas crticas objetividade so mais
sofisticadas do que indica o meu resumo de seus argumentos. Entretanto,
a confuso causada pela definio implcita ou explcita de objetividade
como um trao dos cientistas impede a comunicao e enfraquece a
compreenso de objetividade como um procedimento cientfico.
Os cientistas no reivindicam nenhuma objetividade pessoal (natu-
ralmente h excees). Eles insistem na objetividade como um procedi-
mento metodolgico que pode e deve ser colocado parte dos cientistas
e suas predilees. Em resumo, os procedimentos devem ser pblicos.
Os argumentos contra a objetividade expostos acima, no tocam neste
ponto. O primeiro argumento, de que a objetividade distanciada, fria
e desumana, correto. E tem que ser desta forma. precisamente esta
separao da pesquisa cientfica das preferncias humanas, aliada
insistncia em testes objetivos empricos das hipteses - que, uma vez
enunciados publicamente, ficam eles prprios fora dos seres humanos -
298
que aumentou de maneira t2o notvel nosso conhecimento. Que a objeti-
vidade leva destruio de. importantes valores humanos, faz parte de
uma mitologia mais ampla. Sem dvida, a prtica da cincia leva ao
desafio de valores .estabelecidos por causa de sua natureza bsica de
indagao crtica. Mas que destrua valores humanos ou o prprio homem
absurdo. Se os valores ou os homens tiverem que ser destrudos, os
homens faro isso. Os procedimentos podem nos desumanizar apenas
quando permitimos que o faam.
O segundo argumento tambm tem pouco peso, a no ser com
aqueles que querem acreditar nele. Naturalmente todos ns somos influ