Você está na página 1de 396

Metodologia da

Pesquisa em
Cincias Sociais
Um tratamento conceituai

Data J O I O i ___ 20 O ^L.


TR R T / < 3 W --------------------
N.F. *855 g ______________
F 0 R N E C E D 0 R :B ^ 2 L - S ^
CIP-Brasil. Catalogao-na-Fonte
Cmara Brasileira do Livro, SP

Kerlinger, Fred Nichols, 1910-


K47m Metodologia da pesquisa em cincias sociais:
um tratamento conceituai / 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.

CDD-300.72
-300.18
80-1332 -507.2

ndices para catlogo sistemtico:


1. Metodologia: Cincias sociais 300.18
2. Pesquisa cientfica 507.2
3. Pesquisa comportamental: Cincias sociais 300-72
4. Pesquisa social: Cincias sociais 300.72
Fred N . Kerlinger
Universidade de Amsterd

Metodologia da
Pesquisa em
Cincias Sociais
Um tratam ento
conceituai

MfOM KBBGGICB
UnreRSfTfRM ITDfi.
Traduo do original em ingls:
Behavioral Research a conceptual approach
Copyright 1979 by Holt, Rinehart and Winston

UNIVERSIDADE t ,hA
BIBLIO ' nTRAL

r O?

Traduo:
Helena Mendes Rotundo

Reviso tcnica:
Jos Roberto Malufe
Professor-Assistente de Metodologia da Pesquisa em Educao, na PUC/SP

10a- reim presso, 2007

ISBN 978-85-12-60340-7
ISBN 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 parte, 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 artigos 184 e 186 do Cdigo Penal, a saber: recluso de um a quatro anos.
E. P. U. - Telefone (0++11) 3168-6077 - Fax. (0++11) 3078-5803
E-M ail: 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 Trow
Theodore M. Newcomb
5
Sumrio

Prefcio .................................................................................... r ? . . XV
1. A natureza da cincia e da pesquisa cientfica....................... 1
t
2. Conceitos comportamentais cientficos e definies................... 22
3. Problemas, hipteses e variveis . . . . ....................................... 33
4. Relaes e explicaes .............................................................. 51
5. Probabilidade e estatstica .......................................................... 74
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 variveis ................................... 144
10. Investigao sociolgica, levantamentos e anlise 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-
criminant e anlise de estruturas de covarincia.................... 235
14. O com putador.............................................................................. 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
ndice onomstico .............................. 369
ndice analtico ................................ 372
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- i
cional na Universidade de Nova Iorque de 1960 a 1975, e dirigiu a
Diviso de Cincias Comportamentais dessa universidade de 1968 a o
1971. Kerlinger autor do j clssico Foundations of Behavioral Re- ~j
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.

J.R.M.%
* J
ar
Ui
I
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- .5
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-
cialistas, provavelmente, concordaria que preciso fazer ainda muito^
mais para tornar a cincia compreensvel para um maior nmero dew
>essoas, 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 Conceituai 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 conceituai da cincia comportamental e da pesquisa com
portamental d ponto de vista do pesquisador.
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 concepes 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 conceb 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, podera ser chamada de fundamentos conceituais do tema.
A segunda parte captulos de 4 a 13 trata dos aspectos
tcnicos da pesquisa 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 idia clara do que seja estatstica e delineamento de pesquisa sem
compreender funes e processos aleatrios e o seu uso na pesquisa

XII
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 sua 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 multiva
riada, essencial em um livro sobre a pesquisa comportamental contem
pornea. Algumas pessoas podero achar que o assunto muito complexo
para um livro deste tipo. Como se poderia explicar anlise fatorial,

XIII
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 discutidas 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 poderam 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 cortceptual 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
1-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 exceo. Decidi, portanto, que
alguns dos mal-entendidos mais perturbadores e importantes 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

XI 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 compreenso 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, provvel- '-
mente impossvel compreender qualquer assunto complexo sem trabalhar1'
ativamente com ele; Para compreender realmente a estatstica, a maioria^
das pessoas precisaria trabalhar com problemas estatsticos, por exemplo, j
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 questes:.
colocadas pelos pesquisadores. Assim, o livro descreve a maneira pelar
qual as pesquisas tm sido feitas e , portanto, numa certa medida^ 5
metodolgico. Mas deixa quase que completamente de lado os mtodos;
reais de fazer observaes, medir variveis, analisar dados e assim pog
diante. A necessidade de informaes sobre esses tpicos atendida, num*
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

Como 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 deveriamos 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. Fujo 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 interpretao 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 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.
E grande a necessidade de compreender a cincia e a abordagem
cientfica. Esta necessidade grande principalmente 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, frequentemente 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 preqcupado-exclusiyamente,com


o conRecimSnTe a .compreenso .de. fenmenos .naturais. Os cientistas
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.
QlJ^Btg|asJ ento,_guerm._lconhj:cr.--O.S-.f.ejiQmenos. 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
ampre&ndeu!i--de-.-que__jn.arira---se_.EelacQnam..,os-.fenmenos psir.nl- r
gicos, sociolgicos e educacionais.

Dois exemplos de pesquisa

Para termos algo especfico com que trabalhar, examinemos dois


estudos. Um um experimento, o outro no . Por enquanto, vamos
considerar experimento um estudo no qual se fazem coisas diferentes
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 v como esta manipulao, como chamada, afeta o desempenho
dos dois grupos em testes subseqentes.
Por outro lado, em um estudo no-experimental, no h manipu
lao, no h tentativa deliberada e controlada de produzir efeitos
diferentes atravs de diferentes manipulaes. As relaes entre fen
menos so estudadas sem interveno experimental. As caractersticas
dos sujeitos, como eles so, so observadas e as relaes entre as
caractersticas avaliadas sem tentar mudar nada. Por exemplo, quando
os socilogos estudam a relao entre classe social e realizao escolar,
eles tomam a classe social e a realizao escolar como eles so. Medem
as duas variveis, como so chamadas, e ento estudam as relaes
entre elas. No procuram mudar uma das variveis para estudar o efeito

2 As referencias 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.

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 maneira4 que se podera 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 Sc 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. Esperava-se 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 m 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
Inteligncia superior ao do outro. No tipo de pesquisa em que se usam
dois grupos e um tratamento especial aplicado a um deles, este grupo
reqentemente chamado grupo experimental. O outro, ao qual no
se 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 ou 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 variveis. 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, indicada pela rea
de traos finos, representa a relao entre A e B. A pode ser inteligncia
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
relao entre a classe social dos pais e o tempo que levavam para
desmamar os filhos. Foi perguntado a uma amostra de 103 mes da
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

Figura L I

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 frequncias: 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 desmamaram
seus mhos cedo.

trabalhadora, 17 desmamavam cedo e 31 desmamavam tarde.5 H, apa


rentemente, uma relaao, 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 uma 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 apenas'uma amostra e a tendncia pode ou

? 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. 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 e
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 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.
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, com algumas crianas, quantidades comuns de elogio
e encorajamento no 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, as
idias testadas so objetivadas, feitas objetos do lado de fora, objetos
que tm uma existncia, por assim dizer, separada de seus inventores.
Qualquer um pode observar um experimento e como ele feito; coisa
pblica.
Todo conhecimento do mundo afetado, e at distorcido de certa
forma, pelas predisposies dos observadores. Quanto mais complexas
as observaes, mais se afastam da realidade fsica, e quanto maiores
as inferncias feitas, maiores as probabilidades de distoro. Quando o
cientista fsico lida com pesos, por exemplo, h uma baixa probabilidaue
de distoro: existem pequenas oportunidades para pontos de v ist:
pessoais, inclinaes e prenoes entrarem no processo. Mas considerem
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 variveis, 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 juizes 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 juizes, porque, ao
us-los, juizes 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 juizes 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, enquanto o
segundo foi medido atravs de entrevistas. Qualquer um que avaliasse o
teste de leitura obteria os mesmos resultados. Mas dois entrevistadores
poderam mostrar diferenas na mensurao de tempo de desmame, no
caso por dois motivos. O primeiro acaba de ser dado: juizes 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 anot-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 juizes
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 objetividade. 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. 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. preciso que assim seja. Sem objetividade a cincia e_a
pesquisa cientfica perdem seu carter nico e especial. Sem dvida,
nTTaveria IcSnci sm objetividade, como j ficou dito. Deve-se acres
centar, entretanto, que objetividade em e por si prpria tem pouca
importncia. Isto , o objetivo bsiccTH cincia a explicao de fen
menos naturais; no- ~ simpTsmente ser objetiva. Objetividade im
portante porque pode auxiliar a fornecer explicaes mais exatas dos
fenmenos ritras. Ser apenas objetivo no signific ser cientfico. Um
procedimento pode ser altamente objetivo e conter observaes engano
sas e concluses falsas. Um pesquisador pode, por exemplo, fazer um
estudo que seja um modelo de objetividade mas cujos resultados sejam
enganosos. Pode haver testado o que julgou ser a influncia de A sobre B
e obtido resultados que parecem mostrar qu A, sem dvida, influenciou
B. Ele no percebe outra influncia; K foi a verdadeira causa da
mudana em B. Sua manipulao de A ativou K, que produziu a mu
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, uma caracterstica indispensvel e inseparvel
da cincia 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. Objetividade em
cincia-. aim,-prQcedimento, um mtodo, uma maneira de dirigir um
assunto cientfico. No quer dizer "qu 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
cincia 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. Isto deriva de sua, meta -de -abst-r-ao e.d eseu ctitm _e objetivi
dade. Leis gerais, enunciados gerais de relaes so necessariamente
abstratos porque tm que se aplicar a muitos casos especficos. 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
A abstrao, parte do poder da cincia, est sempre distante das
preocupaes cotxiuns e do calor do relacionamento humano. Isto por
dffTnlrao; parte dTnatureza da cincia. Sem tal abstrao, no h
cincia. O' mesmo quanto a objetividade, que tambm tende a fazer a
fiiinci parecer fria e distante. Parece distante e fria porque os testes
das proposies cientficas so feitos la fora , o mais longe possvel
das pessoas e suas emoes, desejos, valores e atitudes, incluindo os do
prprio cientista. Mas isto precisamente o que deve ser feito. Deve-se
obedecer ao cnone da objetividade ou abandonar a cincia.

O carter emprico da cincia

O carter emprico da cincia muito mais facil de compreender


do que a objetividade, talvez porque esteja associado ao que se tornou
quase um esteretipo do cientista: um esmiuador de fatos vestido 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 fortemente
influenciado pelo cuidado e preocupao com, juteoria-e explicao. Os
no-cientistas podem dizer que tambm eles esto muito preocupados
com teorias e explicaes. E assim . O filosofo, por exemplo, procura
explicar como sabemos das coisas. O historiador deseja explicar a ori
gem de movimentos e fatos histricos, por exemplo, as causas e conse-
qiincias da Guerra Civil ou da Revoluo Russa. O ^nco^polltio
procura explicao para movimentos polticos, como a influncia do
pensamento conservador sobre os atos .de partidos ou figuras polticas.
A explicao, como explicao, no , pois, prerrogativa nica da
cincia. Nem a n f is T tie n t^ ^ 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 e caracterizada
por uma forte atitude e abordagem empricas. Infelizmente a palavra
"emprico foi usada de duas formas com significados muito diferentes.
Em uma, emprico significa guiado pela experincia prtica e_obser-
vao e no pela cincia. e_.pela teoria. Este um ponto de vista pragm-
fco queTfirma que se funciona, est certo . Os motivos no importam;
o que importa que funcione. Este no o significado de emprico
usado pelos cientistas (embora eles no deixem de ser pragmticos).
P ara n dentista-lifemnrica?...s.ignific.a guiado pela evidncia obtida em

15
pesquisa cientfica sistemtica e- controlada. Aqui est um exemplo que \
nTSiTSjudr 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 diminuit 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 secreo
urinria. No fcil, mas j foi feito. So afirjnativas..empricas, j que
esto baseadas em evidncia 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 importante 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 dferentemente. 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 preparar 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 freqientemente 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 poderam ser resolvidos, admitindo-se a existncia de boa vontade
e motivao adequada. Para compreender a cincia e a pesquisa cient
ficas, portanto, 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 propsito da-dncia ajeoria. Examine
mos esta afirmativa simples e um bocado controvertida. Uma teoria
uma exposio sistemtica das relaes entre um conjunto de vari
veis. uma explicao geralmente de um fenmeno particular, ainda

17
*
Figura 13

que amplo. Um psiclogo poder propor uma teoria da liderana em


grupos e organizaes ou, como Freud, uma teoria da motivao hu-
.mana, ou, como o influente socilogo europeu, Weber, uma teoria para
esclarecer o capitalismo moderno ou, como o psiclogo suo, Piaget,
uma teoria do conhecer humano. Tais teorias so tentativas sistemticas
de explicar os vrios fenmenos, postulando as relaes entre os fe
nmenos a serem explicados e um certo nmero de variveis explica
tivas que tambm esto relacionadas entre si de modo sistemtico. O
propsito bsico da cincia chegar teoria, inventar e descobrir expli
caes vlidas de fenmenos naturais.
Para tirar um pouco do mistrio da palavra, vamos examinar um
exemplo fictcio de uma pequena teoria, cujo propsito explicar a
realizao escolar. Vamos relacionar quatro variveis inteligncia,
situao econmica familiar, classe social e motivao para a realizao
com realizao escolar de tal forma a explic-la satisfatoriamente.
Para isso, vamos 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
variveis satisfatoriamente. A pequena teoria dada em forma de
diagrama na figura 1.3. 8

8 Este exemplo parcialmente realista, parcialmente fictcio. O leitor no dever


tom-lo como teoria estabelecida. Embora se saiba muito a respeito de reali
zao, em cursos superiores e em outros contextos, muita coisa ainda no ficou
compreendida. As teorias na cincia comportamental podem ser consideradas tenta
tivas de desbastar nossa ignorncia. Neste sentido o exemplo no artificial.

18
Na teoria, duas variveis, inteligncia e motivao para a realiza-
fio, so influncias diretas; acredita-se que ambas influenciem a reali
zao escolar sem passarem pelas outras variveis. Estas influncias
diretas so mostradas pela figura 1.3: as setas de inteligncia e motiva
o para a realizao vo para realizao na universidade. Acredita-se
que as outras duas variveis, situao econmica familiar e classe social,
tenham influncia indireta na realizao escolar; elas atravessam a
motivao para a realizao. Acredita-se, por exemplo, que em geral,
quanto mais afluente a famlia, maior a motivao para a realizao.
Igualmente a classe social influencia a motivao para a realizao: ra
pazes e moas da classe mdia tm maiores motivos para desejarem
progredir que os jovens das classes trabalhadoras. A inteligncia, alm
de sua influncia direta na realizao escolar quanto maior a inteli
gncia, maior a realizao tem influncia indireta na realizao esco- <
lar atravs da motivao para a realizao: quanto maior a inteligncia,
maior a motivao para a realizao.
Temos ento uma teoria da realizao escolar, que pode ser boa /
ou m, dependendo de quo bem explique a realizao escolar. bas- c
tante testvel. Todas as variveis so suscetveis de mensurao satisfa
tria (embora uma teoria no tenha necessariamente que ter apenas5'.
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 o
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
no ajudar a promover guerras. Uma interpretao mais exata que a
melhoria da vida .pode ser subproduto da cincia, um produto afortu
nado, embora 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 cin-
tistas comportamentais no deveram 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, pis, como j ficou dito, a objetividade uma
caracterstica, .cientfica ..inconfundvel e indispensvel .S ua perda destri
a proprja cincia.
Voltando ao argumento principal, a_cineia e_a pesquisa cientfica
so absolutamente^neutras. Os resultados de pesquisas cientficas podem
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 nada
a ver com as decises. Isto porque a preocupao da cincia e a
nica atividade humana em larga escala cuja preocupao to desin
teressada diz respejta.apenas compreenso e explicao de__fen-
mnos 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
deste livro examinar novamente este problema com mais detalhes. O
motivo por que o propsito da cincia como teoria foi enfatizado aqui
que a tentativa de sua aceitao a esta altura muito nos ajudar a
jRmpreender o contedo deste livro. Esta nfase nos manter ligados
essncia e natureza da cincia e no nos permitir sermos distrados
por consideraes estranhas. Por exemplo, se falarmos do chamado
lubaproveitamento de crianas brilhantes, vamos poder focalizar a com
preenso do aproveitamento ao invs de remdios especficos para o
problema. Ao fazer isto, naturalmente, j teremos assumido que a com
preenso cientfica do problema pode aumentar as possibilidades nossas
e dos outros de encontrar solues prticas para o problema.

21
2. C o n c e it o s c o m p o r t a m e n t a is c ie n t f i c o s e
d e f in i e s

Uma das maiores dificuldades ao abordar um assunto novo o seu


vocabulrio. No se inventam e se usam palavras novas apenas; velhas
palavras so usadas de maneira nova e diferente. Este, naturalmente,
o caso na cincia. Teremos que nos familiarizar com termos e expresses
que so usados constantemente na pesquisa psicolgica, sociolgica e
educacional. A finalidade deste curto captulo promover esta fami
liaridade.
As definies raramente so interessantes para o leitor, mas so
essenciais porque virtualmente impossvel conversar inteligentemente
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
como este. O truque de costume, usado para resolver o problema,
definir os termos medida 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 avanando,
inclumos este captulo de definies no incio do livro.

Variveis

O termo varivel talvez seja o mais usado na linguagem da


cincia comportamental. literalmente impossvel escapar dele. Por
exemplo, pretend 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 conceito, naturalmente, um substantivo que repre
senta uma classe de objetos: homem, sexo, agresso, habilidade verbal,
classe social, inteligncia e conformidade, so exemplos. fcil perceber
que homem significa organismo de duas pernas, que fala, escreve e

22
algumas vezes exibe inteligncia. No fcil ver o que agresso repre
senta. Para o psiclogo, agresso pode significar um estado interior
que predispe a pessoa a certos tipos de comportamentos chamados
Igressivos. Para o pesquisador psicolgico, entretanto, agresso
Blgnifica 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, masculina e femi
nina. Preferncia religiosa, preferncia poltica, e classe social
so variveis com mais de duas categorias. Tais variveis so chamadas
vriveis 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
quantidades 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 0 aos indivduos, dependendo de serem homens ou mulheres.
Mesmo atribuindo-lhe somente dois algarismos, 1 e 0, sexo uma
varivel.
Na discusso do estudo de Clark e Walberg no primeiro captulo,
0 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 e
criao dos filhos, descrito no captulo 1, uma varivel categrica.
Exemplos de variveis medidas so inteligncia, ansiedade, autoritarismo,
* 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
mento 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, diriamos 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
nacional bruto e lucros so variveis econmicas. Outras possibilidades o
so variveis polticas, antropolgicas e fisiolgicas. As variveis na 1
pesquisa educacional so principalmente psicolgicas, sociolgicas e c
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 socio- ^
lgicas.
Outra maneira de distinguir as variveis atravs de disciplinas
de um campo. Em psicologia, por exemplo, ouve-se falar de variveis,
de personalidade (introvertido-extrovertido, agressividade, autoritarisf
mo), variveis fisiolgicas (reflexo psicogalvnico, transpirao palmai^
batida cardaca), variveis scio-psicolgicas (conformidade, presso*
grupai, 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, um constructo. um conceito com um signi-
ficado especificado construdo dado por um pesquisador. Uma vari-
vel pode tambm ser vista como um nome ou um smbolo ao qual se
i fribui valores, os valores diferentes indicando quantidades ou graus da
ESrive descrita pelo nome ou smbolo. Assim, inteligncia e cnfor-
nismo e x e y so variveis se se atriburem valores (algarismos) a eles
iistematicamente.

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. Relao um ir junto de duas variveis: o
que as duas variveis tm em comum. A idia comparativa: uma
relao um elo, uma ligao entre dois fenmenos,, duas variveis.
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,
entre estes trs. pares de variveis. Em cada par, uma poro de cada
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 reforamento na realizao em leitura entre crianas
negras foi severamente criticado . Observe ento que estudo se refere
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 sujeitos so designados para os grupos
IXperimentais 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.) Repetindo: isto si unifica mie 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
Ai, Aa e As. As pessoas do grupo Ai 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-
pipulao.
A manipulao experimental varia da mais simples mais com
plexa. A manipulao da varivel independente de Clark e Walberg 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
ressante 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 iniciao suave e aos membros
do grupo restante no se exigiu nada para se tornarem membros do
grupo (o grupo de controle). (A manipulao incluiu a leitura, por
jovens do sexo feminino, de palavras que variavam em termos de
Obscenidade.) 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
ainda. (A exnectativa foi confirmada pelos resultados.) Isto tambm
uma manipulao: foram feitas coisas diferentes sistematicamente com
os trs grupos. As virtudes e outras caractersticas deste poderoso mtodo
de obter conhecimento sero exploradas mais tarde. Veremos tambm
que perfeitamente possvel manipular mais do que uma varivel inde
pendente por ver.

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 numricos 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.

1 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 dados
e evidncia so usados quase como sinnimos. As observaes feitas
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.

Medidas, 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
au variveis. Dados brutos respostas a perguntas, descrio do compor
tamento das pessoas atravs da observao, coisas deste tipo geral
mente precisam, de alguma forma, serem 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, compulsividade, rigidez, interesses, precon
ceito e muitas outras.

Variao e varincia

Um conceito estatstico fundamental na pesquisa cientfica va-


rincia. 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
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 relaes com outras
variveis se as pessoas e grupos no diferissem em classes 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 afirmaes sobre
variao, vamos apoiar esta confiana con. razes em um captulo
posterior.
Embora no se discuta bastante estatstica 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 realizao devida varincia de inte
ligncia, varincia de motivao, varincia de background familiar?
Isto simplesmente uma maneira resumida e semitcnica de dizer: As
crianas de alto grau de inteligncia tm alta realizao e as crianas de
inteligncia inferior tm baixa realizao? As crianas com alta motiva
o se saem bem e as crianas com baixa motivao 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 covariam, variam
juntas de modos sistemticos. Assim, os pesquisadores falam freqente-
mente em covarincia, um termo tcnico que significa a varincia 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
Tabela 2.1 Trs conjuntos de pares de postos * expressando covarincias e
relaes diferentes.

I II III
a b a b a b

1 1 i 5 i 3
2 2 2 4 2 5
3 .3 3 3 3 1
4 4 4 2 4 4
3 5 5 1 5 2

Alto Alto Baixo


Positivo . Negativo

* "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 III. 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 baixa, 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
III, 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


eomportamental 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 predadores
famintos a prosperarem, 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 urn 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 .sado so de 70 para 30.
A probabilidade e o pensamento probamisuco 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 naturais 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.
3. P r o b le m a s , h i p t e s e s e v a r i v e is

UNIVERSIDADE DERAL DO PAR 1


' NTRALj
n* ^
?
Ao tentar resolver um problema, procuram-se solues alternativas,
cu
meios diferentes de chegar-se ao ncleo do problema. Este processo de
pensamento geralmente incipiente, vago, confuso at. Geralmente no j
se sabe para onde se virar, o que fazer. Esperam-se idias, principal-A
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 problemas
que realmente no so problemas no sentido cientfico. Eles podem ser ^
chamados problemas de valor ou de engenharia. Eis alguns exemplos:
Como se pode conseguir melhorar a integrao? Qual o melhor 3
caminho para se conseguir igualdade de oportunidades educacionais?'!;
Qual o meio mais eficiente de se construir uma rede de rodovias em^
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 maturidade da personalidade?
A razo principal por que nenhum destes problema cientfico que
nenhum deles, como propostos, pode ser testado empiricamente.
Como conseguir 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-las: 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 kboa,
m, desejvel, indesejvel, ou moralmente certa ou errada. Questes de
valor contm palavras como bom, mau, melhor, desejvel,
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 incorreo. 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 de- 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 ou nenhum significado. Naturalmente, tm signi
ficado para religiosos, polticos, pais, professores e novelistas, mas se
mantm alm do alcance 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 mal 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
da. de se admirar, ento, que no tenha sido resolvida?

______ umjro b le m a i_um a, questo_.que.jmqstra uma


situao necessitada de. discusso.,..investigao, deciso ou soluo. En-
quntxTsfa 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 esto relacionadas,
N "estudo de Clark e Walberg 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 diferentesi
classes sociais usam tipos diferentes de criao? Um problema maisi
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 maneira 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
Repetindo, um problema de pesquisa cientfica em primeiro lugar
unia questo, uma...sentena em-lnna Jpterrogativ7 SegundT uma
questo jjuejgeralmente pergunta alguma coisa a respeito- cls relaes
entre fenmenos ou variveis. resposta questaoTe procurada n pes-
qusaTClark e Walberg, baseando-se em suas descobertas, puderamafir-
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 expressar umarelao, entre duas ou mais
variveis. Pergunta: A est relacionado com B? Como A e B esto
relacionados com C? Embora haja excees neste critrio,_s.a. raras.
Segundo, o problema deve ser ~apresentado em forma interrogativa. A
interrogao tm a virtude de apresentar problema diretamente. No
exemplo de Hurlock, dado acima, o problema apresentado diretamente
pela pergunta sobre a relao entre incentivos e desempenho.

1 Estas proposies de problemas nem sempre so apresentadas nas palavras de


seus autores originais.

36
Emprico da Cincia no captulo 1.) Testagem emprica 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 jmzT^eTlr
enuntrrados empricos TmHEesFveis t a o mjftnte^que^eVe^nKK^exa-
nM4a"-de~TOv^'m'^puco mB'^nIiHicinener'
"TTzr que alguma coisa boa ou m, melhor ou pior, dar um
julgamento humano. S o homem pode dizer que uma coisa boa ou
m e no se discute. Nenhum procedimento cientfico pode conter
uma resposta sobre a rela~tiva desejabilidade, de uma coisa. s afirma
tivas cientficas dizem simplesmente: Se Tsto for verdade, 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. Enquanto o cientista pode estudar
yalQres,_ c.omo_ valores, e sua_ relao.-com outros, .fenmenos . por
exemplo, ele pode estudar como a posse de certos ...valores econmicos
influencia a maneira de as pessoas votarem (O capitalismo bom.
Ja propriedade privada sagrada) 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,
convira, bom, mau e precisaria.
/
Hipteses

Uma hiptese um enunciado onjetural das relaes entre^duas


ou mais variveis. Hipteses so sentenas declarativas e relacionam de'
alguma forma variveis a variveis. 2 So enunciados de relaes, e,
como os problemas, devem implicar a testagem das relaes enunciadas.
Problemas e hipteses so_ semelhantes. Ambos enunciam relaes, s
que os problemas jio.Sntn.as^interrQgativas e as hipteses sentenas
afjrjjiativas. s vezes so quase idnticos em substncia. Uma diferena
importante, entretanto: as hipteses geralmente so mais especficas do
que os _problemas:. geraftneiite esto., mais prximas das operaos de
teste 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 podm-serunan.p.uladasJirierfe.rncia, coeso
de grupo e at privao na infncia) ou medidas (influncia, lembrana,
deflcencTa mental) ou ambas.
Vamos tomar a 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 que 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 foi rnencionado, h excees ao requisito de relao. Por exemplo,


algumas pesquisas procuram descobrir as dimenses ou fatores subjacentes a muitas
variveis. Hipteses relacionais podem no ser usada em tais pesquisas.

38
dicJa 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 determinar se_a_jzav^pod&-Rermedi da.
A_hiptese Privao na infncia prodqjz deficincia mental mais
tarde uma hiptese _.p.orque-. enunGa umarelaoconjetural_entre
variveis aue podem ser manipuladas ou medidas. A relao expressa
pela palavra produz.^. Uma palavra- cm expresso 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 frustrao, ento agresso ; Se privao 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 ento Colocado
muito simplesmente, uma hiptese quase sempre ura enunciado de
uma relao,j j natureza da relao sendo especificada at certo ponto
pl"estrutura se-ento do enunciado.
Consideramos 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), ento aprendizagem aumentada
(q), dado sexo feminino (r) e classe mdia (s). Outra maneira de simbo
lizar esta hiptese .: Se p, e p 2 e p3, ento q ; Se incentivo positivo
(pO e sexo feminino (p2) e classe mdia (p3), ento aumento na apren
dizagem (q). Voltaremos mais tarde aos problemas multivariveis, ou
multivariados. So muito importantes.
Em resumo,_hiPtescs,.s.O-enunciados conieturais ,de relaes e so
estas conjeturas que so testadas na pesquisa. Vejamos agora jx jrq u e
s" hipteses so importantes.

O valor das hipteses

As hipteses so muito mais importantes 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 homem de si mesmo, por assim dizer. Isto , sua formulao apro
priada e seu uso capacitam o homem a testar aspectos da realidade com
um mnimo de distoro causada por suas predilees. Elas so urna
parte da metodolgia-da^cincia. Jaaasid. ao.. critrio sQhfetiyidade

39
discutido no captulo 1. Iste qu.er 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.
Assim, as hipteses so meios especialmente potentes de preencher obie-
tivamente as lacunas entre uma crena pessoal e a realidade 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 implicaes marxistas da hiptese geral:JSe
o trabalhador TQ^-^plorado- treciBnci 'salrios' baixos, trabalhando
horaiTxtras e_agsim_par_diante), ele iicar frustrado. Se continuar frus-
trd ~Dormm~l&ne8-r3erodoy.ele...acabar...se revoltando, e destruindo seu
frustrador. 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 precisam ser testveis.
gu no mnimo, conter ..iranlfcaces pra teste.'Uma hiptese no-testvel
fto 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
mento, 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, naturalmente, 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,
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 discusso 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 funo 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
zao? (A resposta parece ser desanimadora.) A obedincia forada
induz 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 Walster 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, conclmos 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 ua hostilidade estiver
deflagrada (BerKowitz, 1959). Aqui h duas variveis anti-semitismo
e deflagrao de hostilidade que levam^ao^ieslo&amento da agresso.
A hiptese diz que o anti-semitismo (produzir^ agresso deslocada
apenas sob a circunstncia de deflagrao de-hoslidade. 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 o argumento mais simples da
hiptese 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 in terao, 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


6 varivel. J 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 ambiguidade que muitas vezes acompanha a palavra
e seu uso.

D e fin i o gera l d e varivel

Obviamente, varivel uma coisa que varia, que tem valores dife-
rentesJVIdimos, digamos, o nvel de aspira dem gmpol'crincas.
Para cada criana~oBfemos uma nota, algum tipo de nmero Dizemos

44
que medimos a varivel nvel de aspirao. Embora intuitivament
atraente, at instrutiva, esta definio no realmente uma definio.
E tambm no exata.
Uma varivel um smbolo ao qual so atribudos algarismos.
Exempios 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 at, a2 e a3, e assim pr
diante, que podem representar os valores numricos obtidos por uma
medida de atitude feita com uma escala de sete pontos. Podemos obter
s resultados de atitude de quatro indivduos: a, = 6, a2 = 3, a.i = 5,
4 = 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 letras dc
alfabeto, palavras ou expresses curtas: X, Y, A, K, inteligncia, atitudes
em relao 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 0, 1 sendo designado
para um sexo e 0 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 0,
mas por enquanto no vamos mostrar como isso feito.
Antes de mudarmos de assunto, devemos observar que variveis
so tambm conceitos e constructos. Um conceito e, Tiitfalment, um
t-ermogeral ~q expressa 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 possvel, por 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 realizao so
todos constructos. Se a definio de varivel dada acima pode ser
satisfeita isto , se algarismos puderem ser atribudos a objetos de
acordo com regras ento, podemos chamar de varivel um cons-
tructo. leitor encontrar freqentemente estes termos na bibliogra
fia da psicologia e educao, mas eles nem sempre sero usados pre-
eisamente. 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 definies de dicionrio e, natural
mente, so usadas por todo mundo, inclusive pelos cientistas. Entretanto,
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 definies dentro e fora
da cincia. Mas os cientistas tm que ir adiante. Precisam definir as
variveis que usam nas hipteses de maneira tal que as hipteses possam
ser testadas. Fazem isto usando o que conhecido como definio
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 constructo 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
Ilim por diante) o resultado no teste de inteligncia X, ou inteligncia
i o que o teste de inteligncia X mede. Esta definio nos diz o que
fazer para medir a inteligncia. Diz ao pesquisador para usar o teste
tlc inteligncia X. Realizao pode ser definida citando um teste padro
nizado de realizao, um teste feito pelo professor, ou notas dadas pelos
Ijofessores. Aqui temos trs maneiras diferentes de definir operacional-
tnente o mesmo constructo. O leitor no dever se preocupar com esta
Multiplicidade de definies operacionais; faz parte de sua flexibilidade
fora. Afinal, um constructo como realizao tem vrias facetas em <
Momentos diferentes. Consideremos at o exemplo bvio de diferentes
Areas de realizao: leitura, aritmtica, artes e assim por diante.
O
Vejamos um exemplo mais difcil. Suponhamos que queiramosO
definir a varivel considerao. Pode ser definida operacionalmente;'
ftrrolando-se comportamentos de crianas que so presumivelmente com- j
portamentos que expressam considerao, e fazendo os professores obser-.-'
varem e classificarem os comportamentos das crianas numa escala de-
inco pontos. Tais comportamentos podem ser: quando uma criana diz::
a outra: com licena, desculpe; quando uma criana entrega um*:

n sig
|finquedo pedido a outra; ou quando uma criana ajuda outra enS
uma tarefa. g
O tipo de definio discutido pode ser chamado uma definii-
ifperacional medida. Ela mostra ao pesquisador como medir (e observaB
uma varivel. Lembre-se das variveis de Miller e Swanson, classe
gocial e tempo de desmame. H tambm definies operacionais experi
mentais que mostram ao pesquisador como manipular uma varivel. Por
exemplo, o reforamento pode ser definido operacionalmente dando os
detalhes de como os indivduos devem ser reforados como Clark
e (Walberg fizeram. No estudo sobre os efeitos dos diferentes incentivos
sqjjre o desempenho de alunos em aritmtica, j mencionado, Hurlock
(1925) elogiou algumas crianas, criticou outras e ignorou outras. A
frustrao pode ser definida como um impedimento de alcanar uma
meta, uma definio constitutiva com implicaes claras para a manipu
lao experimental. Isto foi muito bem realizado por Barker, Dembo e
Lewin (1943), que definiram frustrao operacionalmente descrevendo
Crianas em uma sala de jogos com um nmero muito grande de brin
quedos muito atraentes, mas inacessveis. (Os brinquedos foram deixados
atrs 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
ponte entre conceitos ou constructos e observaes, comportamentos e
atividades reais. Para esclarecer, veja a figura 3.2. A figura mostra os
dois nveis nos quais os cientistas operam: o nvel dos constructos e
hipteses (I) e o nvel da observao e manipulao (II). Os dois nveis

47
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 II: 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 nyeis. 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 II),
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 0 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 constructo 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
Iuuh definies operacionais, entretanto, podem dar resultados dife
rentes. Se ambas forem boas definies operacionais, devem estar em
jiifffeito acordo.
Em um interessante estudo mencionado anteriormente, Walster e
outros (1973) definiram uma de suas principais variveis com muita
igbllidade. Tentaram, em sua pesquisa, encontrar a resposta para uma
Antiga pergunta: As mulheres difceis so mais atraentes para os
liOmens do que as mulheres no to difceis? Sujeitos do sexo masculino
tlpeberam cinco pastas contendo informaes sobre uma mulher. Trs
delas continham formulrios para a seleo de candidatos , contendo
iin possveis reaes da mulher a cinco homens seus provveis candidatos.
Illias reaes eram anotadas como marcas feitas pela mulher numa escala
partindo de escolhido com toda certeza. Ou seja, cada mulher
llaera, presumivelmente, cinco marcas em cinco pastas, e estas marcas
lllflicavam-na como fcil ou difcil. Por exemplo, a que marcasse
um todas as escalas escolhido com toda certeza era uma mulher
"fcil. Se, por outro lado, ela no se entusiasmasse com nenhum dos
ffn didatos. era difcil. A categoria mais interessante e decisiva foi a
mulher 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
com bastante detalhe o que o pesquisador deve fazer para medir as
fiveis. Holtzman e Brown especificamente relataram como a mdia
de notas seria calculada, e Walster e outros detalharam o procedimento
para obter medidas de dificuldade. Igualmente, em situaes experi
mentais, as definies operacionais especificam o que os experimenta-
dores devem fazer para manipular uma ou mais variveis independentes.
Elas do as operaes envolvidas.
Nada, entretanto, ficou dito sobre a qualidade das definies opera
cionais. Como as definies constitutivas, elas podem ser boas ou ms,
bem ou mal concebidas. Tem havido crticas s definies operacionais
(e filosofia do operacionalismo que as inspirou), que erraram comple-
tomente o alvo. Foi dito, por exemplo, que nenhuma definio opera
cional jamais pode expressar o significado completo e a riqueza de
Conceitos como agresso, represso, ansiedade, autoritarismo, aprendi-
Mgem, realizao e assim por diante. Exatamente. Jamais poder. Mas
acontece o mesmo com as definies constitutivas! Definies operacio
nais so definies limitadas freqentemente muito limitadas, cujo
pbjetivo ajudar o pesquisador a chegar a aspectos da realidade
fljOtnportamental. H sempre o perigo de fracionar de tal modo um
conceito que este passe a ter pequena relevncia para o seu "verdadeiro
significado. Isto no implica, contudo, que seja impossvel inventar e
usar definies operacionais que aproximem aspectos significativos da
realidade conceituai. Difcil, mas no impossvel. Sem dvida, o
sucesso cientfico em inventar e usar definies to limitadas tem sido
gratificante. medida que avanarmos em nosso estudo veremos exem
plos cada vez mais marcantes de definies operacionais e o ir e vir
entre os dois nveis de operao da cincia.

4
*

50
4. R e la e s e e x p lic a e s

Suponhamos que eu seja um cientista social interessado em proble


mas de grupos minoritrios. Venho estudando em minha pesquisa vrias
relaes, com o intuito de me aprofundar na compreenso dos proble

KTkAi
mas de grupos minoritrios e dos problemas de preconceito e discrimi
nao. Uma dessas relaes a que existe entre a discriminao contrai
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 grupos
e posso classific-los em duas variveis: discriminao e violncia. Espe
cialistas classificaram os oito grupos conforme os graus de discriminao
usados contra eles, 1 significando a maior discriminao e 8 o mnimo
de discriminao. Obtive tambm estatsticas do total de violncia que
caracterizou os oito grupos nos ltimos cinco anos. (No vamos nes;
preocupar agora de como isso foi feito.) A partir dessas estatsticas,
jlassifiquei os oito grupos de alto a baixo em violncia, 1 significando
glta 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 minoritrio, o que
foi mais fortemente discriminado e que portanto recebeu o posto 1,
recebeu um posto 2 em violncia. O segundo grupo, o segundo mais
fortemente discriminado (posto 2) teve o terceiro (3) lugar em violncia
e 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
.meros uma relao. Mas no . Alis, muito preciso e claro, como
Veremos. Todas as relaes podem ser expressas de algum jeito, embora
nem sempre seja preciso usar nmeros. O caso que os dois conjuntos
de nmeros, considerados conjuntamente como na figura 4.1, so uma
felao. 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
postos altos. A magnitude da relao ser discutida mais adiante neste
gBptulo.

51
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 esta falando: que uma coisa esta
relacionada a outra coisa. Mas isto muitssimo vago; realmente no
nos diz nada do que sejam relaes. At a definio do dicionrio
insatisfatria. Uma tal definio podera 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 e fcil definir relaes sem
ambigidade e com preciso, contanto que tenhamos um background
elementar na teoria dos conjuntos. Faremos, ento, uma breve digresso
para examinar conjuntos.

52
Conjuntos

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
objetos sob discusso, pertence ou no pertence ao conjunto. Termos
como grupo, classe, bando e famlia indicam conjuntos.
H duas maneiras de definir um conjunto. 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 lista dos nomes dos pases membros das Naes Unidas.
Para determinar se um pas membro do conjunto Naes Unidas,
fimplesmente corremos a lista de todos os pases membros. A prpria
lista a definio do conjunto. muito precisa e exata, mas nem
sempre til em pesquisa. Listas de membros de conjuntos frequente
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 lista.
O segundo meio e mais til de definir conjuntos dar uma regra
que nos diga se determinado objeto ou indivduo pertence ou no a
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
crata. 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.
Em grande parte, talvez na maioria das pesquisas comportamentais,
So usadas definies por regra para definir os conjuntos de objetos
ptsoas, 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. O
legundo 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
Figura 4.2

no teste, Marie recebeu 131, Jacob 127 e assim por diante. Temos, ento,
dois conjuntos, um 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; sc 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. Podemos 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
relao entre inteligncia e sexo. Como? Ligamos simplesmente os
membros de um conjunto, X, aos membros de outro, S, usando a
jttgra simples para traar as linhas, dada acima. Agora damos uma
lefinio abstrata de relao que completamente geral e que se
aplica a todos os casos.
Uma relao um conjunto de pares ordenados. Um par ordenado
iSo dois objetos de qualquer espcie em que h uma ordem fixa para
os objetos aparecerem ou para serem colocados. Na figura 4.2, Mare,
131 um par ordenado. O conjunto de pares ordenados so os dois
lonjuntos na figura 4.2, colocados juntos, os nomes em primeiro lugar
0 os pontos em segundo: -{ (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
OUtro, depois. O conjunto de pares mencionado uma relao. Pode
nfio ser interessante, importante ou mesmo significativo, mas uma
relao.
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
ardenados: j (131, F), (127,M), (119, F), (108, M), (95, M) }. Esta ,
por definio uma relao. Neste caso, entretanto, um pouco mais
ggn;F:cativa: o conjunto de pares ordenados expressa uma relao entre
os pontos do teste de inteligncia e o sexo dos participantes, ou, mais
Jmplesmente, entre inteligncia e sexo.

Figura 4.3
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 conjuntos de pares
ordenados. Alm do mais, permite-nos estudar e entender a substncia,
direo e magnitude das relaes. 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,
Hi, H2, . . . , Hn so dados no conjunto chamado H, e as mulheres
Mi, M2, . . . , 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.1

1 Os smbolos Hi, Hi e H e Mi, Ma e Mn significam marido 1, marido 2 e


marido 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 conjunto.

56
c

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
felaes 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
tem funo taxionmica e descritiva. Um estudo pode tentar apenas
escobrir as caractersticas de determinada populao ou amostra: a
Incidncia relativa de nascimentos, mortes, suicdios, casamentos e
Itsim por diante, em So Francisco. Pouca ou nenhuma tentativa se
far para relacionar as variveis entre si. Tal trabalho legtimo e
muitas vezes importante.
Igualmente, os pesquisadores freqentemente agrupam observaes
de Caractersticas de pessoas e coisas, em categorias. Isto taxion om ia,
OU o trabalho de classificar coisas em agrupamentos sintticos ou natu
rais. Grande parte, do trabalho psicolgico, por exemplo, foi dirigido
para classificar indivduos em categorias: introvertidos e extrovertidos:
flominadores e submissos; independentes e dependentes. Embora impor
tante e essencial, o trabalho taxionmico e descritivo, estritamente
fj|lando, suplementar no estudo de relaes. Em todo caso, a maior
parte da discusso deste livro considerar a cincia como preocupada
com o estudo das relaes. Vamos abordar tal estudo um pouco mais de
parto, 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 durante 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 apoiam 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 parecem 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 direo da relao
positiva. Neste caso, a resposta sim: postos altos de Discriminao 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 conceituai. 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
X = Discriminao

Figura 4.6

limas linhas mais tarde, quando veremos como elas expressam relaes
dara 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,
iSo 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
Correto. Especificamente, os grupos minoritrios que sofreram a maior
jdiscriminao foram os mais violentos, e os grupos minoritrios que
fCCeberam menos discriminao foram os menos violentos. A relao
nfio 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.
Dissemos que os valores altos de Y acompanham os valores altos
de X e valores menores de Y acompanham valores menores de X.
Naturalmente, este um enunciado de magnitude, mas desejamos ser
nlXU precisos. Queremos saber at que ponto a relao forte ou
"Ekca. Se a direo da linha de regresso for da esquerda inferior
para a direita superior no grfico e todos os pontos se encontrarem pre-
fiiiamente sobre a linha, a relao perfeita e positiva. Tais relaes
lltfeitas quase nunca acontecem na pesquisa comportamental. s vezes
iodos os pontos representados 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 chamado
coeficiente de correlao. Correlao significa exatamente o que diz
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
correlao, 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 dsejam 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
covariam 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

1 2 1 8 1 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 (covariam) 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 baixos de X. No
Onjunto 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 que 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
ippjunto de nmeros. A amphtude, o nmero mais alto menos o nmero mais
(b xo, um ndice. QI (quociente de inteligncia) um ndice: idade mental
njalculada por teste) dividida pela idade cronolgica. O coeficiente de correlao
fl um ndice muito complexo que expressa com preciso o caminhar junto de
Ois conjuntos de pontos. uma estatstica muito usada em razo de sua fora
scritiva e porque conjuntos de coeficientes de correlao podem, por sua vez,
ser 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 relaes^
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
-L- -J-X
1 2 3 4 5 6 7
(A) Relao alta positiva (B) Relao alta negativa (C) Relao alta neutra

Figura 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
estes grficos com a roupagem das variveis. Em A da figura 4.7, supo
nhamos que X seja escolaridade ou anos de escolaridade, e Y rendi
mentos. A relao de A, ento, significaria que, medida que a educa
o aumenta, aumentam os rendimentos. Isto assim, mas a relao
no to alta quanto o grfico indica. Usando as mesmas variveis em
B teremos uma relao improvvel que a eyidncia 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
que os rendimentos aumentam ou diminuem sistematicamente. Mas con-
alderemos um exemplo mais interessante.

Utn exemplo de direo e magnitude de uma relao

Suponhamos que um pesquisador desconfie que o preconceito


OOntra grupos minoritrios seja em parte resultado do autoritarismo.5
Foi descoberto, digamos, que algumas pessoas tm um tipo de persona
lidade denominada autoritria. Algumas caractersticas dos autoritrios
Iflo agressividade, tendncia a serem punitivos, convencionalidade, sub
misso sem crtica autoridade e lderes e hostilidade generalizada em
nlao a grupos diferentes dos seus. O pesquisador raciocina, na base

Eita uma hiptese famosa para a qual h considervel evidncia (Adorno,


IfrMkel-Brunswick, Levinson & Sanford, 1950).

63
de uma teoria do preconceito, que essas caractersticas se combinam
para produzir o preconceito contra membros de grupos 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 podera, 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 fidedignidade. Geralmente os cientistas comportarrientais
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
covariam. 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 valores, postos de 1 a 10, com 1 indicando o valor mais
alto e 10 o niais 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
Anti-Semitismo (AS)
Autoritarismo (A)

5.7 (2)
6,2 ( 1)
5.3 (3)
5,9 (2)
4.7 (5)
5.7 (5)
5.8 (1)
5.1 (4)
4.4 (7)
4.8 (5)
4.5 (6)
4.5 (6)
3.9 (9)
4.2 (7)
4,8 (4)
4,1 (8)
3.5 (10)
3.9 (9)
4,0 (8)
3.5 (10)

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 relaes entre
anti-semitismo e autoritarismo j devem ter-nos dado^ um pouco o
gosto da pesquisa psicolgica e educacional contempornea e da natu
reza das relaes. Agora precisamos ser mais especficos. Para isso vamos
delinear rapidamente uma relao hipottica entre inteligncia e reali
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, eles


variam juntos. Coloquemos assim: Se h uma relao entre duas vana-
veis, quando uma delas muda, a outra tambm muda. Suponhamos
aue tenhamos um meio de medir, digamos, inteligncia e realizaao
Cscolar e que observemos os valores de ambas as medidas em uma
amostra de crianas. Na medida em que os valores de uma delas varia
ou vai junto com os valores da outra, nesta medida, as duas se
elacionam. Na medida em que os valores observados de realizaao
escolar mudam quando mudam os valores observados de inteligncia,
nesta medida, as duas esto relacionadas. A isto se chama vanaao
ioncomitante.
65
X

Figura 4.8

Estude o grfico da figura 4.8, que mostra uma relao hipottica


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


QIs) 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, Qfs altos tendem a ser
acompanhados por pontos mais altos de realizao, e QIs 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
---------------------------------------- -
c> Realizao
145 51
125 57
118 60
110 48
100 54
97 35
90 32

Embora os sete crculos no se tenham colocado na linha reta que passa


0 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 alguma
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 uma relao com direo negativa
e 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 para a direita
inferior do grfico, diferente. Indica que a relao negativa:

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.

Figura 4.11

68
Muitas variveis, naturalmente, no tm nenhuma relao entre si,
n no ser por acaso: sua relao zero ou prxima de zero. Isto quer
dizer que o conhecimento de uma varivel no contribui para o conhe
cimento de outra varivel. No se pode dizer, por exemplo, que enquanto
uma varivel aumenta a outra varivel aumenta ou diminui. Tal situa-
I0 mostrada na figura 4.11, onde 100 pares de nmeros entre 0 e 100
! pram marcados. Os nmeros foram obtidos de duas colunas de nmeros
uiprovveis de um ou dois algarismos, numa tabela maior de tais
S i&ieros (Kerlinger, 1973, pp. 715 e 717, duas ltimas colunas de
nmeros de dois algarismos).7 Casualidade e nmeros aleatrios, um
portante desenvolvimento tcnico e cientfico moderno, sero expli-
E dos no captulo 5. suficiente dizer, por enquanto, que nmeros alea
trios so como o resultado do jogo de dados ou de moedas: no h
Ordem dedutvel ou previsvel de espcie alguma nos nmeros. No se
pode predizer j que ambos os conjuntos de nmeros so casuais
nenhum nmero a partir de outro. Se aparecer um 90 em uma coluna,
po se pode dizer que provvel que um nmero alto o acompanhe na
outra 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
todo 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
o recheio e o ncleo da cincia. Compreender que o objetivo maior da
cincia a explicao e que a explicao vem principalmente do estudo
das relaes compreender a base da cincia. Agora vamos tentar
amarrar as idias de explicao e relaes e, j que estamos no assunto,
falar da importante idia de teoria.

Bxplicao cientfica, teoria e relaes

Embora relaes, teoria e a explicao fossem discutidas no pri


meiro captulo, sua importncia exige exame mais profundo. A cincia
est constantemente preocupada em explicar as coisas. Explicar uma
Coisa significa dizer o que esta coisa. Mas virtualmente impossvel,

* Estes nmeros foram criados por um programa especial em um computador


(1( grande porte.

69
pelo menos neste mundo, dizer-se diretamente o que uma coisa e. Tamais
poderemos chegar essncia total de alguma coisa (embora os msticos
nos digam o contrrio). Em cincia _ queremos explicar fenmenos
naturais. Por exemplo, queremos explicar preconceito , o que quer
dizer que vamos dizer como nasce, por que nasce, como caminha, o
que o afeta, o que ele afeta e assim por diante.
Explicar alguma coisa, pelo menos satisfatoriamente, certamente e
uma das tarefas mais difceis que podemos empreender. Mais que isto,
literalmente impossvel explicar tudo sobre algum fenmeno, ou sobre
conjuntos de fenmenos. E explicar tudo sobre preconceito, por exem
plo, simplesmente no possvel, principalmente se quisermos^ que boa
parte de nossa explanao venha apoiada em evidncia emprica. Em
outras palavras, a verdade absoluta para sempre impossvel. Mas
aproximaes razoveis a explicaes de fenmenos naturais podem ser
dadas de maneira cientfica satisfatria.
O nico mei, ento, de explicar alguma coisa, determinar de
que maneira esta coisa se relaciona com outras coisas. Assim a explica
o do preconceito significa descobrir como o preconceito se relaciona
com outros fenmenos naturais. Se estivssemos interessados apenas no
desenvolvimento do preconceito em crianas, teramos que saber pelo
menos em que idade as crianas tomam conscincia de outros grupos .
A relao seria entre a idade e conhecimento ou conscincia de
outros grupos.
J dissemos que a cincia lida apenas com fenmenos naturais e
explicaes naturais de tais fenmenos. Explicar o preconceito, por
exemplo, dizer que ele faz parte da natureza humana, que todo o indi
vduo naturalmente preconceituoso em relao a grupos diferentes,
do seu, no uma explicao no sentido cientfico porque usa um
termo natureza humana , que to vago que se torna inacessvel a
observao cientfica. Onde encontramos natureza humana? Como
podemos medi-la? Ou pode-se dizer: Deus fez grupos diferentes e as
diferenas levam hostilidade . Isto tambm no uma explanaao no
sentido cientfico. Invocar Deus como a causa das diferenas, retira a
afirmativa do mbito da preocupao cientfica. Mais ainda, pode-se
retorquir que Deus fez todos os homens iguais. Dizer que diferenas
levam hostilidade, embora uma afirmativa melhor porque pelo menos
implica a possibilidade de observao, ainda vago demais para a obser
vao cientfica. Todas as diferenas de grupos? Algumas apenas? Que
espcie? Que espcie de hostilidade? Sob que circunstncias? E assim
por diante.
Naturalmente h muitas explicaes para o comportamento hu
mano e para fenmenos. Doena castigo pelo pecado; As depresses
econmicas so devidas aos judeus ; Os pretos so msicos matos .

70
Tais explicaes so cientificamente sem valor porque no podem
ser submetidas a investigaes cientfica e a testes. Sem dvida, uma
grande contribuio da cincia sua rejeio de explicaes que real
mente nada explicam. A explicao pode referir-se apenas a fenmenos
naturais, e fenmenos naturais significam ocorrncias no mundo
Sflbservvel. Qualquer fenmeno, para ser um fenmeno natural, precisa
ser observvel, potencialmente mensurvel ou manipulvel. No neces
srio ser visto diretamente. Mas precisa haver alguma evidncia de suas
gjiliifestaes no mundo emprico. Preconceito, neste sentido, implica
em certo tipo de comportamento.
Como, ento, a cincia explica o preconceito ou qualquer outro
fenmeno natural? Repetindo, pode ser explicado apenas pelas suas rela
es com outros fenmenos. Necessariamente tais explicaes so sempre
parciais e incompletas. Foi descoberto, por exemplo, que o autoritarismo
est positivamente ligado ao preconceito (Adorno e outros, 1950):
jessoas muito autoritrias tendem tambm a ser preconceituosas contra
J udeus, negros e estrangeiros. Descobriu-se tambm que se a maioria das
pessoas de determinado grupo de indivduos tem crenas estereotipadas
(crenas relativamente fixas e rgidas) sobre membros de outro grupo, elas
ento tendero a ter atitudes negativas em relao aos membros do
OUtro grupo. Ficou dito tambm e provado por evidncia (Dollard e
OUtros, 1939) que a frustrao leva agresso, que muitas pessoas
ao social e economicamente frustradas e dirigem a hostilidade resultante
para outros grupos. Temos aqui, ento, fenmenos relacionados com o
preconceito: autoritarismo, estereotipia e frustrao. Assim, temos uma
Jjtplicao parcial de preconceito.
Preconceito um conceito ou constructo bastante difcil. Vamos
tomar um fenmeno ou varivel igualmente complexo, mas talvez mais
ficilmente ilustrvel, realizao, e sintetizar uma explicao. Fazemos
isto usando um exemplo de uma explanao terica semelhante quela
dada quase no fim do captulo 1. A importncia das idias justifica
o exemplo adicional. Suponhamos que queremos saber por que certos
lunos no se saem bem na escola. J sabemos que inteligncia uma
Varivel explanatria: crianas abaixo de um certo nvel de inteligncia
tendem a no se sair bem na escola. 8 Mas muitas dessas crianas se
aem bem e muitas crianas de nvel superior de inteligncia no
fce saem bem. Apenas inteligncia, ento, uma explicao parcial.
Ilibe-se tambm que crianas de classes sociais mais baixas no se saem
Ifio bem na escola, comparadas s crianas de classe mdia. H muito se1

11 Como a natureza de nossa tarefa neste livro esclarecer a cincia e a pesquisa


ttntflca, no tentaremos discutir os aspectos controvertidos de conceitos como
Hlllgnca. Acreditamos, quando usamos uma varivel como inteligncia, que
pomui ser medida validamente. Naturalmente, podemos estar errados.

71
pensa tambm, embora sem apoio muito forte de evidncia, que a mo
tivao desejar ou no desejar sair-se bem uma varivel 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 confunde cientistas e educadores. Estamos
dando uma explicao apenas parcial e limitada com fim pedaggico.
Em todo caso, a explicao est representada na figura 4.12. As setas
indicam as relaes ou influncia. Uma seta de linha contnua e uma s
ponta indica influncia ; uma seta de linha interrompida e duas pontas
indica uma influncia mtua, ou simplesmente uma relao. ( Influncia
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 inteligncia e motiva
o influenciam diretamente na realizao escolar. As crianas mais inte
ligentes tendem a fazer melhor o trabalho escolar, e as crianas que esto
mais interessadas no trabalho escolar e mais desejosas de faz-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 crianas mais
altamente motivveis so, em mdia, crianas de maior inteligncia. 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 con
duza aceitao entusistica do aprendizado e do estudo. (Alm disso,

72
a escola norte-americana uma instituio de classe mdia.) A classe
social 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,
o 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
social.
Todo o conjunto de variveis e as relaes especificadas entre elas
podem ser chamadas uma toria. Naturalmente, esta deveria ser
chamada uma pequena teoria, ou o embrio de uma teoria, porque
um fenmeno to complexo quanto realizao escolar dificilmente pode
ra 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,
paturalmente, usa relaes. A diferena entre explicaes cientficas e
jSXplicaes no-cientficas de fenmenos, entretanto, profunda. inse
parvel das palavras sistemtica, controlada e emprica. A dife
rena deve ficar mais clara medida que continuarmos discutindo.

73
5. P r o b a b ilid a d e e e s t a t s t i c a

X
Vivemos num mundo probabilstico. Num inundo 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 amor amanh na Califr
nia! Mas nunca se garante certeza absoluta. H limites nas certezas:
algumas coisas so virtualmente certas, como as que mencionamos. 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 confiana no comportamento de corpos fsicos e em
acontecimentos. Alis, mitas relaes em fsica so chamadas leis ,
em parte pelo alto grau de certeza 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 relaes das cincias comportamentais sao
muito menos certos. Um qumico diz que, se certa quantidade do produto
qumico A for juntada a certa quantidade do produto qumico B, haver
uma exploso. A afirmativa e probabilstica, embora sua probabilidade
de estar correta (na maioria dos casos) seja muito alta. Os psicologos,
por outro lado, podem dizer que se as crianas forem frustradas elas
mostraro agresso, mas a probabilidade da afirmativa estar correta no
to alta assim. Quando um cientista poltico diz: Quem conservador
vota nos republicanos., a afirmativa empiricamente vlida porque as
pessoas com tendncias conservadoras quase sempre votam nos republi
canos. Mas a afirmativa tem probabilidades bastante baixas em casos
particulares. Em mdia, os cientistas polticos provavelmente estejam
corretos. Mas se tentarem predizer quantos votos ter determinado indi
vduo, freqentemente erraro.

74
A despeito das diferenas de graus de certeza', importante com
preender que todas as cincias so probabilsticas. O pensamento do
dentista em todos os campos fundamentalmente o mesmo. Entretanto,
os cientistas discordam radicalmente nos nveis de probalidade que comu-
mente se associam aos fenmenos e relaes com que trabalham. Se
flllisermos compreender cincias como a psicologia e a sociologia,
tambm importante termos capacidade de pensar e viver em paz com as
ifirmativas probabilsticas. Precisamos entender perfeitamente que cada
lisero, cada afirmativa de relao vem acompanhada de uma etique
ta" probabilstica. Sempre que dizemos Se p, ento q, o que dizemos
"Se p, ento provavelmente q. O que acontece na vida se repete na
Cincia: 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
pesquisas seguro, e, assim, quanto suas asseres so dignas de con
fiana. O principal resultado de Clark e Walberg, a diferena mdia de
realizao em leitura entre os grupos experimental e de controle, provou
que sua hiptese sobre o efeito do reforo macio no aproveitamento
em leitura de crianas carantes negras foi empiricamente vlido .
("Empiricamente vlido" significa que a evidncia da pesquisa apoia
uma assero sobre uma relao.) A nica maneira, pelo menos que
Conhecemos hoje, pela qual poderam avaliar a validade emprica da
afirmativa foi usar o raciocnio estatstico e probabilstico e mtodos
estatsticos 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
resultados so confiveis. A diferena entre a mdia de pontos de leitura
OOS grupos de Clark e Walberg confivel? Podemos acreditar que se
Clark e Walberg tivessem feito o mesmo experimento ou experimento
lemelhante trs, quatro ou mais vezes, eles teriam conseguido os mesmos
OU resultados semelhantes: as mesmas ou diferenas semelhantes entre a
mdia de pontos de leitura do grupo experimental e do grupo de controle?
Um teste estatstico de seus resultados pode responder a esta pergunta.
Embora 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-
dade para ajudarem os cientistas a chegarem a concluses sobre os
ssultados de suas pesquisas.
Probabilidade e estatstica so temas interessantes, intrigantes e at
Hlcinantes. Apesar das concepes errneas associadas sua natureza e
uso, ambas esto prximas da realidade porque se assemelham natureza
c 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 associadas aos resultados de nossos
atos e decises, embora raramente saibamos quais so essas probabii-
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
!OSsveis). (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 prior, 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: [(Ci, C2), (Ci, c2)
(Ci, C2), (ci, c2) ], onde Ci = cara na primeira jogada, c2 = coroa na
gegunda jogada e assim por diante. O denominador da frao de proba
bilidade 4. J que h apenas uma possibilidade de duas caras, (Ci, C2),
a probabilidade de duas caras em duas jogadas de 1/4.
Vamos mudar um pouco e ampliar o problema. Qual a probabili
dade de sairem 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
iBsinaladas tambm: so todas de 1/2. A terceira jogada simplesmente
acrescenta possibilidades. Para listar todos os rsultados possveis das trs
Ogadas, procure-os nas ramificaes do grfico:
(Ci, Ca, C3), (Ci, C2, C3), . . ., (ci, c2, C3)]. H oito desses resultados,
c 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
caso de trs caras: (Cj, C2, C3).
As probabilidades de outros eventos qualquer resultado definido
6 chamado um evento podem ser determinadas com facilidade. O
denominador sempre 8. Qual a probabilidade de duas caras e uma
Coroa? A probabilidade de 3/8, porque h trs desses eventos no
|rfico. (Conte-os. Eles esto marcados na figura 5.1.) Pode-se tambm
Calcular a probabilidade de qualquer evento multiplicando as probabili-*

Outra conhecida definio chamada a posteriori, ou definio de freqncia.


Afirma que, numa srie de tentativas, a probabilidade a razo entre 0 nmero
de vezes que um acontecimento ocorre e o total do nmero de tentativas. Aqui
fazem alguns testes, contando o nmero de vezes que determinado aconteci-
mente ocorre, calculando depois a razo. O resultado do clculo a probabili
dade do acontecimento. Usamos as duas definies, mas prncipalmente as de
tipo a prior.
dades ao longo de qualquer uma das ramificaes do grfico. Por
exemplo, a probabilidade de trs caras : 1/2. 1/2. 1/2 .1/8. A proba
bilidade de Ci, C2, C3, 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
jogada 1/2
Primeira 1/2
C3/

Figura 5.1

78
tm nomes dos eleitores (em pedaos de papel) numa urna, mistur-los
l'i;im e tirarmos um, qual a probabilidade de sair m republicano?
f de 40/100 = 0,40. (Costuma-se expressar probabilidades em forma
HCltnal.) Isto bvio e no preciso nenhuma elaborao. Mas suponha
mos que vamos precisar de 30 pessoas para uma pesquisa. Quantos
ilclfflocratas e quantos republicanos vamos ter se tirarmos 30 pedaos
iltk papel da urna? Devemos ter 60/100 x 30 = 18 democratas e

fakA
UJ/100 x 30 = 12 republicanos. Teremos exatamente estes nmeros?
lJi'B/avelmente no. Mas teremos nmeros aproximados deles se mistu-
i.irmos bem os pedaos de papel depois de cada vez que tirarmos.
I)8vc ser algo assim: (18, 12), (19, 11), (20, 10), (17, 13), (16, 14), e por
il vai. Estas so as possibilidades mais provveis. Se tirssemos 10 demo-
i rtttas e 20 republicanos, ou 1 democrata e 29 republicanos, ficaramos
ffiulto surpresos. A primeira combinao improvvel, a segunda alta
mente improvvel.

Aeaso

Precisamos fazer um desvio na discusso para apresentar uma idia


bsica subjacente moderna estatstica e ao pensamento estatstico: o~5
acaso. Infelizmente no parece possvel definir acaso sem ambigidade.
Uma definio de dicionrio aleatrio, acidental, sem rumo ou direo
no nos ajuda muito. Sem dvida os cientistas so muito sistemticos
i'fn relao casualidade: escolhem cuidadosamente amostras ao acaso
ir planejam procedimentos casuais em experimentos.
Suponhamos que um ser onisciente possua um enorme livro enci-
tapdico. Cada acontecimento e cada detalhe de cada acontecimento
'In passado, de amanh, depois de amanh e assim por diante so
uidiidosamente anotados no livro. No h nada desconhecido. Natural-
Bionte no h acaso, porque se algum sabe tudo no pode haver casuali-
'I 'de. possvel adotar a posio de que nada acontece ao acaso, de
ip(9 para cada acontecimento h uma causa. O nico motivo de se usar
palavra acaso que os seres humanos no sabem o suficiente. Sob
WLti tspecto, casualidade ignorncia, claro.
Pegando uma deixa deste argumento, podemos definir o acaso de
Utini maneira um tanto desajeitada: eventos so casuais se no podemos
prover seus resultados. Por exemplo, no se conhece um jeito de ganhar
MU jogo de moedas. Se no existe sistema para o jogo que garanta ganhar
ia:" ou perdermos, ento, o resultado do jogo casual. Colocado mais
torrftilmente, casualidade significa que no h lei conhecida, capaz de ser
'ipressa na linguagem, que descreva eorretamente ou possa predizer os
<'Mnt08 e seus resultados (Kemeny, 1959, pp. 68-75).
Um conjunto de 100 nmeros, de 0 a 9, dado na tabela 5.1 em
conjuntos de dez cada. Estes nmeros foram tirados de um enorme con
junto de tais nmeros aleatrios. (Esquea a ltima linha da tabela por
enquanto.) Estude os nmeros. Voc ter dificuldade de encontrar qual
quer forma de regularidade ou sistema neles. No h nmeros pares ou
mpares sucessivamente recorrentes; no h seqncias regulares de
nmeros. Eles so, com efeito, imprevisveis. (Se algum levar suficiente
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 0 a 9. Esta mdia terica

Tabela 5.1 Conjunto de 100 nmeros aleatrios, de 0 a 9, e mdias calculadas


de subconjuntos dos nmeros.

1. 2 3 4 5 6 7 8 9 10
9 0 8 0 4 6 0 7 7 8
7 2 7 4 9 4 7 8 7 7
6 2 8 1 9 3 6 0 3 9
7 9 9 I 6 4 9 4 7 7
3 3 1 1 4 1 0 3 9 4
8 9 2 1 3 9 6 7 7 3
4 8 3 0 9 2 7 2 3 2
1 4 3 0 0 2 6 9 7 5
3 1 8 8 4 5 2 1 0 3
2 1 4 8 9 2 9 3 0 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
0 + 1 + 9)/10 = 4,5. Observe que seis das 10 mdias esto
flcima de 4,5 e quatro abaixo de 4,5.
S uma, a quarta, 2,4, afasta-se muito de 4,5. Quanto mais nmeros
ae usar para calcular as mdias, mais prximas elas provavelmente
ficaro da mdia terica. Se, por exemplo, calcularmos a mdia de todos
OS 100 nmeros na tabela 5.1, teremos 4,56, muito perto de 4,5. Tal
fiomportamento regularmente previsvel de grandes conjuntos de nmeros
muito til em pesquisa. D ao cientista um quadro de referncia para
ftvaliar resultados no sentido de que ele possa conferir os resultados
Obtidos 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 evento.s na pesquisa real so muito mais com
plexos. Mas as idias bsicas so as mesmas, ou pelo menos bastante
lemelhantes. Tentaremos mostrar isto com um exemplo hipottico inspi
rado por um experimento psicolgico bem conhecido. 2 Vamos ento
jfeforar 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
dade de iniciao dentro de um grupo aumenta o valor do grupo aos
Olhos de seus membros. Suponhamos que alguns suburbanos desejem
gertencer 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
0 ser considerado da cor de pele certa, da religio certa e do
GOnjunto 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
trs graus diferentes de dificuldades para pertencerem ao grupo. Vamos
lupor que isto foi feito sob condies cuidadosamente controladas; os
fflembros de um grupo, Ai, submeteram-se a duro sofrimento para
entrarem no grupo, os de outro grupo, A 2, um pouco menos, e os do
terceiro, A3, nenhum sofrimento. No fim do experimento fiz todos os
meus sujeitos experimentais responderem a um instrumento que media

A idia para este experimento hipottico foi tirada de um experimento real de


Aronson e Mills (1969) no qual foi testada a hiptese acima. Acompanho o
HQuema de Aronson e Mills de perto, mas fabrico os resultados para nosso
objetivo probabilidades.
o desejo percebido de pertencer ao grupo. Suponhamos que as tres mdias
dos trs grupos nesta medida fossem, Ai = 5,2; A2 = 4,7; A3 3*5.
(Os resultados refletem uma escala com 7 pontos, 1 significando muito
pouca exibio de desejo de entrar para 0 grupo e 7 significando enorme
desejo.) , .,
Essas mdias, apoiam a hiptese. Ser? Ai, 0 grupo mais sofrido,
teve a mdia mais alta; A2, que sofreu menos, chegou em segundo lugar;
e A3, que nada sofreu, recebeu a mdia mais baixa. Mas supondo que
algum objete, dizendo que este resultado foi casual, que poderia 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 perguntas.
Como posso saber que estas trs mdias no so um dos muitos resul
tados que poderam facilmente ter sido obtidos por acaso? Como posso
testar as trs mdias para avaliar seu suposto afastamento de tais
expectativas baseadas no acaso?
Para acalmar momentaneamente a curiosidade do leitor, mas talvez
no satisfatoriamente, pode ser usada uma tcnica estatstica 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. Mesmo asssim
posso testar a hiptese? Sim, mas no to bem. Vamos ento inventar
um teste. Embora no seja grande coisa, melhor que teste nenhum e
tem a virtude de demonstrar de maneira simples como funciona e e
aplicada a teoria das probabilidades.
A hiptese apresentada acima implica numa ordem de postos das
mdias dos trs grupos experimentais. Ela prediz, com efeito, que os
membros de Ai, o grupo que mais sofreu, acharo o grupo muitssimo
desejvel; que os membros de A2, o grupo que sofreu menos, achar
o grupo desejvel mas no lhe dar tanto valor quanto Ai; e que os
membros de A3, o grupo que no sofreu, daro o menor valor. Assim
prevista uma ordem de postos pela hiptese: os pontos de At sero em
mdia maiores que os de A2 e os de A2, maiores do que os de A3.
Se aceitarmos a mdia dos grupos como indicativa da avaliao do grupo
sobre ser membro do grupo e deixar Ai, A2 e A3 representarem as mdias,
ento a hiptese pode ser escrita simbolicamente: Ai > A2 > A3,
onde > significa maior que . Ento essa ordem de postos : 1 2 3.
Uma vez que as mdias obtidas foram Ai = 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 possibilidades.
Queremos testar a hiptese com uma frao, cujo denominador ter um
nmero que expresse todas as possibilidades. Quantas possveis ordens
de postos de trs mdias podem ocorrer? Anote-as:

82
1 2 3
1 3 2
2 1 3
2 3 1
3 1 2
3 2 1

H seis possveis ordens de postos. Ento o denominador da frao de


probabilidade 6. O 1 2 3 obtido um destes. Qual a probabilidade
^9 ter ocorrido por acaso? Qual a probabilidade, vendo de outra forma,
de que esta particular ordem de postos, que reflete a ordem de postos
revista pela hiptese, possa ocorrer simplesmente como uma das mos
5 e 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 poderam 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,
ou severidade de iniciao no tiveram influncia no desejo percebido
de fazer parte do grupo a ordem de postos 1 2 3 teria ocorrido cerca
de 17 vezes. Nesta base, poderemos dizer que a manipulao experimental
teve 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
;rupos e previsto a ordem de postos das mdias como 1 2 3 4, e tivesse
{ Ido isto que aconteceu no experimento, ento eu teria confiana consi-
fleravelmente maior na validade emprica da hiptese. Isso porque com
atro mdias haveria 24 ordens de postos possveis das mdias:
r 2 3 4; 1 2 4 3; 1 3 2 4; 1 3 4 2; e assim por diante at 4 3 2 1.
Assim, a probabilidade de obter 1 2 3 4 d e l / 2 4 = 0,04, que significa
que h cerca de 4 possibilidades em 100 de obter 1 2 3 4 apenas jior
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 houver 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
Ipquisador manipulando duas variveis ao mesmo tempo para estudar
ICU efeito separado e possivelmente conjunto sobre uma varivel depen
dente. Suponhamos que um educador tenha motivos para acreditar que
Utodos diferentes de ensino da leitura funcionem diferentemente com
tipos diferentes de material de leitura. As duas variveis devem ser
Jtinipuladas ou manejadas de sorte que o manejo de uma no influencie
n Outra por causa do manejo ou manipulao ou por causa da natureza
dos variveis. Suponhamos que o pesquisador usou dois mtodos para o
tnsino da leitura, Ai e Aa, e dois tipos de material de leitura, Bt e B2,
Pespondentes a material difcil e material fcil. Suponhamos ainda que
f> mtodo Ai leve muito mais tempo para aplicar que 0 mtodo A2, e
que 0 espao de tempo gasto em ensinar reduza a dificuldade de qualquer
lfiterial de leitura. Haveria, ento, uma falta de independncia, porque
0 mtodo Ai traz em si, por assim dizer, um fator relacionado com a
dificuldade do material (varivel B). Em outras palavras, o mtodo Ai
tander a funcionar melhor com material de leitura mais difcil, no por
Causa da natureza do mtodo, mas simplesmente porque exige mais
tempo de ensino do que o mtodo A2. H, ento, falta de independncia
entre as variveis A e B, j que um aspecto extrnseco da varavel A,
eipao de tempo de ensino, est relacionado com a varivel B, dificuldade
do material.
Outro exemplo de falta de independncia encontra-se na mensura-
fio. Se, digamos, dermos um teste com dez itens a certo nmero de
grfanas e depois somarmos os pontos de cada criana nos dez itens
para obter 0 total um procedimento comum estamos assumindo
ue os dez itens so independentes e suas respostas tambm indepen-
S entes. Esta suposio satisfeita razoavelmente em muitos testes e
ffiedidas e o procedimento til e vlido. Mas suponhamos que pedsse
mos s crianas que numerassem os dez itens por ordem de importncia
(OU qualquer outro critrio). Os itens e suas respostas j no so mais
pendentes, porque antes que o item 1 seja escolhido como o mais
E jrtante, h 10 escolhas. Depois da primeira escolha, restam nove
! a serem escolhidos. Depois de escolher os nove primeiros itens
festa apenas um e no h escolha. As respostas a itens posteriores,
om outras palavras, sero afetadas pelas escolhas anteriores. Isto falta
llemtica de independncia. Tal falta de independncia afeta a esta
tstica e sua interpretao. Isto no quer dizer que a ordem de postos e
ffitodos semelhantes no possa ser manuseada probabilstica e estatisca-
mente. Alis, mostramos como um simples problema de ordem de postos
pode ser resolvido usando a teoria das probabilidades. Ela simplesmente
Ilustra a falta de independncia. Em suma, muitas tcnicas estatsticas
MlpCem independncia e seu uso e interpretao com fenmenos ou pro-
dimentos no-independentes pode nos confundir.
Fizemos esta digresso sobre a independncia para tentar esclarecer
a concepo probabilstica errnea esboada antes. Os resultados \de
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 posio 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 poderam 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
ram 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 Walberg (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 Diferena.
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.

Tabela 5.2 Mdias de oontos de leitura de cinco replicaes hipotticas do expe


rimento de Clark e Walberg sob condies de acaso e mdias reais obtidas.

Grupo Grupo
Experimento experimental controle Diferena

1 27,42 26,50 +0,92


2 28,10 26,95 +2,15
3 26,18 27,05 -0 ,8 7
4 27,41 28,56 -1 ,1 5
3 28,64 27,90 +0,74
C la r k e Walberg 31,62 26,86 +4,76

Tabela 5.3 Vinte pares de mdias aleatrias e as diferenas entre mdias.

M, m2 Diferena M, _m 2 Diferena

3 1 ,8 4 50,06 1,78 48,87 48,52 0,35


4 6 ,2 0 53,95 7,75 53,08 52,94 0,14
4 7 ,6 9 53,61 5,92 56,79 46,79 9,72
3 1 ,8 3 49,31 2,52 47,99 48,33 0,34
13,21 49,16 4,05 49,37 47,29 2,08
4 8 ,8 7 50,22 1,35 49,02 55,51 6,49
4 9 ,6 4 58,36 8,72 45,68 52,39 6,71
il,3 7 49,57 1,80 47,04 49,95 2,91
11,07 55,44 10,37 53,51 46,00 7,51
4 9 ,2 8 49,43 0,15 52,74 47,65 5,09

'' A l ltimas trs colunas so simplesmente uma continuao das trs primeiras.

Um pequeno estudo de diferenas casuais

Vamos explorar um pouco mais o acaso, continuando com a idia


dt 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 de mdias e as diferenas entre as mdias mos
trado na tabela 5.3. Estas mdias foram obtidas por um processo casual.
Um computador gerou 4.000 nmeros aleatrios de 0 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 Cario 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 Cario melhor teria usado 2.000 ou 20.000 mdias e faria 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 causai.

Populaes, amostras, estatsticas

At agora a discusso focalizou apenas ou' principalmente o uso da


probabilidade e da estatstica para avaliar a confiabilidade dos resulta-
Hos 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
Pfcstatstica.
Estatstica a teoria e o mtodo de analisar dados quantitativos
Obtidos de amostras de observaes com o fim de resumir os dados e
aceitar ou rejeitar relaes hipotticas entre variveis. Esta definio
lugere dois propsitos da estatstica: reduzir grande quantidades de dados
I forma manusevel e ajudar a fazer inferncias seguras a partir de dados
ptitativos. O primeiro propsito vem ilustrado com o seguinte exem-
K . Vamos calcular, digamos, uma mdia de 100 resultados. Com a
Juda de uma medida de variabilidade apropriada uma medida que
IXpresse a disperso, ou a amplitude dos resultados esta mdia
Utpressa a tendncia central dos 100 resultados. Em outras palavras,
ela "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 no
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 reforamento
macio e regular no estudo de Clark e Walberg. O chamado 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 homogenei
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, Sua, 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 valor de populao. Se,
entretanto, calcularmos a mdia da amostra de 100 crianas 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 definio.
Isto acontece particularmente na pesquisa comportamental porque fre-
qentemente 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
a 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.
muito pouco provvel, entretanto, que at o pesquisador mais
cuidadoso possa ou queira estudar todas as mulheres de qualquer cidade.
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-
oia 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 resultados 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
Blguns valores concebidos como expectativa baseada no acaso, conclumos
que o grupo experimental obteve pontos mais altos de leitura em mdia.
Tal uso inferencial da estatstica o ncleo da estatstica na pesquisa
Hmportamental contempornea. A palavra "segura , citada acima, refe-
e estabilidade dos resultados obtidos e assim estabilidade das
K irncias feitas a partir dos resultados. Se obtivermos uma certa dife
rena entre as mdias dos dois grupos, diferena igual ou semelhante
parecer outras vezes se o experimento for vrias vezes repetido? Se
tivermos um certo conjunto de frequncias em um cruzamento de
Variveis ou tabulao cruzada, como no exemplo de Miller e Swanson,
no captulo 1, obteremos padres semelhantes de frequncias e iguais
ifastamentos das expectativas baseadas no acaso se o estudo for
repetido? A estatstica nos ajuda a responder tais perguntas, dando-nos
lltim meios poderosos de avaliarmos a estabilidade a validade emprica
hJo nossas inferncias a partir de dados.

91
Concepo errnea da estatstica

comum encontrarmos concepes errneas da estatstica. Muita


gente acha o assunto desagradvel. Ouve-se pessoas educadas dizerem:
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 alienao profunda em relao a
nmeros e conceitos quantitativos. 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
instrudos 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 deveram 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 criana 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
tngica, enfim. Como toda a criaao 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, mergulhando 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
dades 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 d e lin e a m e n t o d a p e s q u is a e x p e r im e n t a l:
d e lin e a m e n t o s d e u m a sc v a r i v e l

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.)
Suponhamos que vamos pesquisar a idia de que a privao na
infncia afeta o desenvolvimento mental posterior. Temos duas condies
experimentais e 40 ratos. Estes sero designados aleatoriamente a dois
grupos. Podemos fazer isto jogando uma moeda cada vez que escolhermos
um rato. Se der cara, o rato ir para o primeiro grupo; coroa, o rato
ir para o segundo. Aplicaremos um tratamento experimental a um dos

94
grupos, digamos de "privao, tambm ao acaso. O outro grupo no
sofrer 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. 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, Ai, A2 e A3. Os sujeitos designados para
0 grupo Ai 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 A3 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 parecera com 0 modelo dado
na tabela 6.1. Um delineamento deste tipo mostra simplesmente as con
dies ou manipulaes da varivel ou variveis independentes. 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 0 delinea
mento geral da pesquisa e tambm sugere a anlise dos dados. (Para
mais facilidade e clareza os resultados das variveis dependentes foram
fllgeridos na tabela.)

* A ex p resso one-way designs, q u e tra d u z im o s p o r d e lin e a m e n to s d e u m a s


Varivel in d e p e n d e n te , e st asso ciad a, em ingls, e x p resso one-way analysis
of variance, q u e d esigna a a n lise d e v a ri n c ia co m u m c rit rio d e classific a o ,
m to d o esta tstic o asso ciad o a ta is delin eam en to s. (N . d o R e v iso r T c n ic o )
I U m a co n cep o e rr n e a co m u m em relao ao e x p e rim e n to p sico l g ico q u e
08 pessoas so m a n ip u la d a s u m a idia m u itssim o d is to rc id a e e rra d a q u e ca u so u
a in d a cau sa p ro b le m a s p a ra os p esq u isad o res em psico lo g ia. E m b o ra seja possvel
a n ip u la r pessoas em ex p e rim e n to s, isto n o tem n a d a a v e r co m a n a tu re z a dos

S [perim entos em a u e se m a n ip u la m v ariv eis. A m a n ip u la o em e x p e rim e n to s


le m p re e sim p lesm en te significa fa z e r coisas d ife re n te s c o m g ru p o s d ife re n te s;
n m a n ip u la o reflete u m a o u m ais v ariv eis in d e p e n d e n te s.

95
Tabela 6.1 D elin e a m e n to do e x p e rim e n to de A ro n so n e M ills (1959).
S everidade d e iniciao

A2 A3
S evera S uave N enhum a

R esu ltad o s n a v ariv el d e p e n d e n te (p ercepes do


v a lo r do grupo)

O delineamento do experimento de Clark e Walberg 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 conceituai.
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 escolhera 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 D elin ea m en to do ex p e rim e n to d e C la rk e W a lb e rg (1968).

T ip o s de refo ram en to

Ax A2
Macio Regular
R esu ltad o s n a v ariv el d e p e n d e n te (realizao em
leitu ra)

96
Tabela 6.3 Delineamento experimental de uma s varivel independente generalizado
C ondies experim entais

Aj A2 As ............................ Ak

trresm tad o s n a v ariv el d e p e n d e n te

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 Ai se submeterem
a rigorosa iniciao e os membros de A2 a iniciao menos rigorosa.
Os membros de A3 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 possvel te r m ais d e u m a varivel d e p e n d e n te em u m ex p erim en to . A qui,


e n tre ta n to , d arem o s m ais im p o rt n c ia a p esq u isas co m u m a v ariv el d e p e n d e n te
ap en as. M as em o u tro .c ap tu lo discutirem os p e sq u isa e anlise m u ltiv a ria d a p o r
su a crescente im p o rt n c ia e n tre as disciplinas co m p o rta m e n ta is.

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 realizao
aritmtica, a medida da varivel dependente. Ele especifica cuidadosa
mente o que far com os dois mtodos de ensino denominando-os
mtodo A! e mtodo A2. Isto , ele define operacionalmente Y, a medida
de realizao em aritmtica e as condies experimentais, Ai 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 QIs forem 121, 119, 106,
109, 94 e 95, ele poder colocar as de QI 121, 106 e 94 em Ai
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-
nado por causa de uma grande limitao: controla apenas duas variveis,
pteligncia e sexo. E as outras variveis que possam afetar a realizao
em aritmtica: aptido numrica, classe social, atitudes e assim por
diante? Tais variveis continuam sem controle. O que se pode fazer?

pesignao aleatria e casualizao

O mtodo de designar sujeitos a grupos experimentais que (teorica


mente, pelo menos) evita as dificuldades que acabamos de discutir a
dssignao aleatria. Se ha apenas dois grupos, pode-se jogar uma moeda
para escolher cada um dos membros: dando cara, grupo Aij dando
Coroa, grupo At*. Isto deve funcionar se se jogar a moeda adequada-
mente. Mas o mtodo de nmeros aleatrios, j discutido, funciona com
flois, trs^ ou qualquer nmero de grupos. Encontram-se facilmente tabe
las de nmeros aleatrios e, realmente, elas se tornaram indispensveis
cm muitas operaes de pesquisa.3 Os nmeros aleatrios tm a caracte
rstica essencial de serem imprevisveis: se so aleatrios, no h maneira
de prever sua seqncia, se so pares ou mpares, sua magnitude e
ssim por diante. Assim, eles so usados pelos cientistas para diversas
S Inalidades, que, como discutimos no captulo 5, quase se resumem
em fornecer uma base casual com a qual comparar resultados obtidos
Ou qualquer tipo de fenmeno observado.
O principio bsico dos testes estatsticos, como j sabemos, :
Comparar os resultados obtidos com os esperados pelo acaso. O uso de
nmeros aleatrios para designar sujeitos para grupos experimentais ao
licaso baseado no mesmo princpio geral, s que os nmeros aleatrios
s5o usados para designar sujeitos para grupos. Outro exemplo esclarecer
Isto.
Suponhamos que eu queira fazer um experimento testando trs
Oltodos de ensino, Ai, A2 e A3. Ai pode ser um mtodo de exerccios,
um tutodo de discusso e As um mtodo combinado de exerccios
Discusso. Tenho 30 crianas de quem conheo o sexo e sei o nmero
de pontos de inteligncia. Acredito que inteligncia e sexo podem, em
e de si prprios, afetar o resultado o resultado ou varivel dependente,
aqual, digamos, uma forma de resoluo de problemas. Ento quero
> garantir que as possvel influncias dessas duas variveis e outras
Kfiveis possveis estejam sob controle. Na tabela 6 .4 so dados os
30 pontos e as indicaes de sexo, masculino (M) e feminino (F).
Os pontos de inteligncia so dados em ordem de postos, do mais alto

t i f t c o n t r a m - s e tab elas d e n m e ro s alea t rio s em vrios textos. V eia, p o r exem plo


m e d e c o r e C o c h ra n (1967, p p . 543-546).
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 uma
tabela de nmeros aleatrios. 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 P o n to s d e te ste d e in te lig n c ia (p o r o rd em d e postos) e sexo d e 30


cria n a s, c o m n m e ro s a le a t rio s a trib u d o s a todas as crianas.

P o n to N m e ro P o n to N m e ro
N m ero in te l. Sexo c asu al N m ero in tel. Sexo casual

1 147 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 2o 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 1

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 segui 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 1 Naturalmente, preciso que se escreva o programa para dizer ao
fpmputador o que deve fazer. Isto leva mais tempo, mas pde ser usado
para outros problemas semelhantes.) Os nmeros que tirei da tabela,
na ordem em que foram tirados, so dados nas colunas da esquerda da
tabela 6.5 (30, 13, 16, . . .; 4, 25, 2, . . .; 19, 17, 18 . . .). Os trs
grupos experimentais foram designados Ai, Aa e As. O QI e sexo de
cada sujeito so dados ao lado dos nmeros aleatrios. Por exemplo, o
rimeiro sujeito da tabela 6.5 foi o dcimo terceiro na tabela 6.4.
toa olhada na ltima tabela mostra que este sujeito tinha um QI de 87
C era mulher. O segundo sujeito da tabela 6 .5 era nmero 13 na tabela
e tinha um QI de 115 e era homem. Os 30 sujeitos, ento, foram
distribudos aleatoriamente a trs grupos, junto cora seus QIs e designa-
fies de sexo.
Ser que consegui misturar os sujeitos de sorte a poder assumir
que os grupos sejam estatisticamente iguais? Jamais saberei exata-
ffiente, 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 etn ordem casiial.
Ax a 2 a 3

N m ero QI Sexo N m ero Q I Sexo N m ero Q I 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

Mnq ~ 14,7 17,5 14,3


Mei 112,80 108,30 113,70 M t = 111,67
lM c u lin o 4 5 6 15
Ifoninino .6 5 4 15

101
(Se eu tivesse 50 ou 100 nmeros em cada grupo, provavelmente elas
seriam menores. Por qu?) Segundo, calculo as medias de^ QI. um
clculo importante porque quero "igualar a inteligncia nos tres grupos.
A mdia dos 30 QIs de 111,67. Esta, ento, _a expectativa para cada
grupo. As mdias calculadas para os grupos sao de 112,80, 108,3U e
113 70. As discrepncias da expectativa so 1,13, 3,3 /, Aoo, sao
pequenas. Finalmente, conto os homens (M) e mulheres (F) dos grupos.
Os nmeros so dados no fim da tabela. Outra vez as discrepancias sao
pequenas. Portanto, a casualizao aconteceu : os grupos sao bastante
iguais em inteligncia e sexo. Assumo que eles tambm sao iguais
em outras possveis variveis influentes.
Este processo de designar sujeitos aleatoriamente^ a grupos experi
mentais um aspecto importante da casualizao. Aqui esta uma detint-
o um bocado formal e rgida do que acaba de ser ilustrado Casuali-
zaco a designao de objetos (sujeitos, tratamentos, grupos) de um
universo a subconjuntos do universo de tal maneira que, para qualquer
designao dada a um subconjunto, todo membro do^umverso tem igual
probabilidade de ser escolhido para a designao. Nao ha total garantia
de que a casualizao igualar os grupos, mas a probabilidade de
igualar relativamente alta.
H outra forma de expressar esta idia, citando um principio fun
cional, o princpio de casualizao: j que, em procedimentos aleatrios,
todo membro de uma populao tem igual probabilidade de ser escolhido,
membros com certas caractersticas distintas homem ou mulher, al o
ou baixo grau de inteligncia, republicano ou democrata, dogmtico ou
no-dogmdco, e assim por diante se selecionados, provavelmente
sero contrabalanados a longo prazo pela seleo de outros membros
da populao com a quantidade ou qualidade opostas da caracters
tica. Isto no uma lei da natureza. simplesmente uma afirmativa
do que acontece mais freqentemente quando se usam procedimentos 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, apresen
taremos o experimento real e alguns de seus resultados. A hiptese
testada foi: a dificuldade de entrar para um grupo aumenta seu valor
aos olhos dos membros do grupo. Por exemplo, muitas organizaes
pem dificuldades e barreiras entrada de novos membros. Tais barreiras
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
Obscenas e descries de atividades sexuais; (2) condio suave, na qual
iffiS 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 dos 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. 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 designados
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
poderam ter aparecido por acaso? Um teste estatstico que determinou
a significncia estatstica das diferenas mostrou que as mdias obtidas
e as diferenas provavelmente no poderam ter aparecido por acaso.
Conforme um desses testes, diferenas to grandes quanto as observadas
poderam 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
4 A h ip te se d eriv a d a te o ria d a disso n n cia co g n itiv a ("devida a F estin g er) q u e diz
q u e, q u a n d o id ias o u co m p o rta m e n to s c a u sa m co n flito em u m in d iv d u o , ele
lu ta r p a ra re c u p e ra r -o eq u ilb rio e re d u z ir a d isso n n c ia co g n itiv a . O le ito r
ver a d isso n n cia p ro d u z id a n o s sujeitos d o e x p erim en to .

103
muito usada a no ser nesta forma de duas condies. Os pesquisadores
comportamentais, principalmente os psiclogos, parecem preferir o tipo
de modelo discutido no prximo captulo. Sempre que duas ou mais
condies experimentais de uma varivel independente precisam ser com
paradas e estudadas, como no estudo de Aronson e Mills e no de Clark
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. E 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. D e lin e a m e n t o d a p e s q u is a e x p e r im e n t a l:
d e lin e a m e n t o s f a t o r ia is

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,
e 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
lllcio do sculo usava apenas uma varivel independente e apenas duas
condies experimentais. Este era o modelo clssico de pesquisa, um
grupo s vezes chamado grupo experimental e outro chamado grupo de
Controle. Alm disso, os sujeitos no eram designados aleatoriamente aos
grupos. J vimos que a idia de duas condies experimentais pode ser
facilmente expandida para mais de duas condies. Isto, entretanto, ainda
o caso de uma varivel independente. S foram aumentadas as condi
es experimentais, no as variveis. No experimento de Aronson e Mills,
por exemplo, foram usadas trs condies experimentais, mas estas consti
tuam apenas uma varivel independente.
Na dcada de 30 iniciou-se uma revoluo na conceituao de
delineamento de pesquisa e na anlise estatstica. Foi introduzida mais
de uma varivel independente. Muitos desses delineamentos acabaram
lendo chamados delineamentos fatoriais.1 Eles consistem essencialmente
1 Delineamentos fa to ria is n o d ev em ser c o n fu n d id o s com an lise fa to ria l. V am os
X im ln ar an lise fa to ria l m ais ad ian te.
em modelos experimentais em que duas, trs ou mais variaveis indepen
dentes so usadas simultaneamente para estudar seus efeitos^ conjuntos
ou separados em uma varivel dependente. Foi uma abertura incnvel na
pesquisa comportamental porque tornou possvel o estudo de hipteses e
problemas complexos de pesquisa. Tais delineamentos tinham mintas
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 variaveis.

Um exemplo de delineamento fatorial1


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.). \ oce discute
com ele, diz que ele est errado, d-lhe uma lio de moral. Ou talvez
no faz nada? provvel que, se ficar quieto, voc esteja apoiando e
reforando o preconceito, porque na verdade voc est afirmando normas
que apoiam o preconceito com seu silncio. Vamos concordar, ento,
que voc tem que dizer alguma coisa. O que poder ser? O que tena
melhor efeito? . . , .
H muito tempo os apelos religiosos e morais vm sendo usados por
padres, ministros e rabinos. No cristo dizer uma coisa dessas :
.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 nao
ter tido grande efeito no passado. Os que adotam esta escola de pensa
mento acham, antes, que uma abordagem mais pragmtica 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 s
persuadir ou convencer as pessoas a no mais fazerem observaes
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: 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 p a ra este exem plo foi tira d a de u m ex p erim en to fe ito p o r C itro n , C h e in
e H a rd in g (1950).

106
experimentaro os dois tipos de apelo. Suas reaes a esteretipos de
membros de grupos minoritrios podem ser obtidas, e a diferena entre
as mdias dos dois grupos pode ser avaliada quanto significncia
^statstica. O paradigma deste experimento aparece na parte superior
esquerda da tabela 7.1 (A, na tabela). o j familiar delineamento de
dois grupos.
Mas suponhamos que os psiclogos sociais tenham motivos para
acreditar em bases tericas ou experimentais que a maneira de
expresso usada ao fazer tais apelos faa uma diferena. Isto , que
acreditem que um apelo inflamado tenha mais efeito do que outro calmo
e objetivo. Eles podero, naturalmente, testar a crena ou hiptese, num
experimento separado. O paradigma de tal experimento o mesmo que o
do primeiro, tabela 7.1 (A). Est na parte superior direita da tabela (B).
possvel, naturalmente, que cada um desses experimentos possa
ser feito. E podem apresentar diferenas grandes entre as mdias. Os
psiclogos sociais, entretanto, no esto interessados na idia de experi
mentos separados. Tm outra, muito mais interessante: Por que no
fazer os dois experimentos ao mesmo tempo e estudar os efeitos separados
dos apelos, assim como do modo de expresso, e tambm estudar e avaliar
seus efeitos conjuntos sobre a varivel dependente? Assim eles fazem.
) paradigma ou modelo do delineamento de tal experimento dado
na parte inferior da tabela 7.1 (C). Este modelo permitir trs testes
em um nico experimento. O primeiro teste avaliar os Apelos, Moral e
Pragmtico. O segundo avaliar os Modos,-de Expresso, Inflamado e

Wabela 7.1 C o n stru o d e u m m odelo fa to ria l dois-por-dois.


(A) (B)
A pelos M odo de expresso
M o ral P ragm tico In flam a d o C alm o
Ai Ai Bi Bi
M edidas d a varivel M edidas d a variv el
^ e p e n d e n te d ep en d en te

(C)
A pelos
M oral P rag m tico
Ai A
AiBi
In flam a d o
M odo d e Bi m ed id as da
expresso -------------- v a ri v e l ------------
C alm o depe rtdcnte
Bs
AiBi AiBi
Calmo. Estes dois testes tm a mesma forma. como se fossem feitos
dois experimentos separados e avaliadas as diferenas entre os dois
grupos, em cada experimento. . .
O terceiro teste mais interessante. Serve para avaliar a interao,
o trabalho mtuo das duas variveis independentes em seu efeito conjunto
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 independente
tem efeitos diferentes em diferentes nveis ou aspectos de outra varivel
independente, este efeito diferencial chama-se interao. Diz;-se que duas
variveis interagem para afetar uma varivel dependente. Os delinea-
mentos fatoriais podem ter mais de duas variveis independentes e,
portanto, possvel estudar mais de uma interao, mas vamos nos
restringir em geral ao caso de duas variaveis independentes.
A idia de testar vrias hipteses em um experimento e uso do
tipo de delineamento para fazer isto, mostrado na tabela 7.1 (C), influen
ciaram fortemente a pesquisa cientfica comportamental. E no e a toa.
uma maneira elegante, eficiente e poderosa de fazer as coisas. Precisa
mos, ento, examin-la muito cuidadosamente. Ao fazer isso, vamos nos
lembrar de que os princpios que discutimos at agora so os mesmos
aqui: casualizao e designao aleatria, avaliao dos efeitos de
variveis independentes sobre variveis dependentes e a soluo dos
problemas de pesquisa usando delineamentos de pesquisa e testes estats
ticos. Vamos voltar ao nosso experimento hipottico para ilustrar 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 quatro clulas da tabela (C). Para
abreviar a conversa sobre o experimento e para enfatizar a ^ funo
dupla de cada clula da tabela, as designaes A e B foram inseridas
nos cantos da tabela 7.1: AiBt, A2B1, A1B2, A2B2. A, naturalmente,
representa a varivel Apelos e B, Modos de Expresso. Ai e A2 e Bi e B2
representam as categorias de A e B. Ai e A2 so Apelo Moral e Apelo
Pragmtico; Bi e B2 so Modo de Expresso Inflamado e Modo de
Expresso Calmo. Estamos mais interessados, porm, nas designaes
conjuntas. . n
A,Bi a juno, ou interseco, das variveis A e B no ponto Ai e i,
a saber a clula da esquerda superior denominada A1B1. 3 A2B1 a

3 P a ra o le ito r q u e conh ece algo so b re a te o ria dos c o n ju n to s, A i e As p o d e m ser


co n sid erad o s com o p arti es do co n ju n to A , e Bi e B p a rti e s d o co n ju n to B.
A 1B1, B,B2) e assim p o r d ia n te , so in terseces dos co n ju n to s A e B, o u , em g eral,

108
Juno das variveis A e B no ponto A2Bi , 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
puseram os sujeitos de cada grupo a examinar duas pessoas que discutiam
lObre 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, A1B.2, ouviram-na usar o apelo moral dito de maneira
Calma. Os sujeitos da clula superior direita, A2B1, ouviram-na usar 0
ftpelo pragmtico em tom inflamado e, finalmente, os da clula direita
Inferior, A2B2, ouviram o apelo pragmtico dito em tom calmo. Dois dias
depois de feito o experimento, foram medidas as atitudes dos sujeitos em
felao aos judeus. (Os detalhes de procedimento usados no experimento
e como as atitudes foram medidas, no nos preocuparo aqui.)
necessrio observarmos trs pontos importantes em relao a
este experimento e aos delineamentos fatoriais em geral. Primeiro, dois
jjperimentos esto includos em um. Um deles testa a relao entre modo
de apresentao e a varivel dependente e o outro, a relao entre apelos
e a varivel dependente. Segundo, com a designao aleatria dos sujeitos
aos quatro grupos (as quatro clulas), e o cuidado ao fazer o experi
mento, pode-se assumir que os dois tratamentos apelo e modo de
gpresentao so independentes um do outro. Embora a independncia
tenha sido amplamente discutida no captulo 5, sua importncia justifica
maior elucidao. As duas variveis so ortogonais entre si. Ortogonal
quer dizer em ngulo reto, o que significa que as variveis so inde-
gftndentes, justificando considerar um experimento como dois. Nem
tmpre fcil entender isto, mas muito importante. Quando duas
Sfariveis so independentes uma da outra, so no-correlacionadas. Se
Udssemos calcular a correlao entre elas, obteramos zero ou prximo
zero. Isto significa que o efeito de cada uma delas, na varivel depen-
pode ser considerado e avaliado separadamente. Se a correlao
entre elas no fosse zero, fosse 0,50, por exemplo, no seriam indepen
dentes; parte do efeito de uma delas sobre a varivel dependente podera
le dever outra.
O terceiro ponto o mais interessante. Se na realidade as duas
fiveis independentes funcionam juntas de algum jeito, para afetarem
a Varivel dependente, este efeito pode ser estudado e avaliado. Suponha-

A f ) B. AiB, p o d e ser esc rito Ai f l Bi, A ,B , p o d e se r escrito A i n B, e igual-


fte n te p a ra os o u tro s dois su b c o n ju n to s, q u e p o d em se r c o n sid erad o s p arti es
tU las.

109
mos que os psiclogos sociais 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 funciona
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 1 uma atitude altamente negativa.
As mdias grifadas so as significativamente diferentes.' Por exemplo,
em ( I ) , 6 e 4 esto grifados, o que significa que M a i significativamente
maior do que MA2 (indicado na parte inferior dos dados por Ai > A2, Ai
maior do que A2). As diferenas entre as mdias A e B, consideradas
separadamente, so chamadas efeitos principais. Se, por exemplo, M a i
comparada a MA2, 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 A2. 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, Ai foi muito maior
que o apelo pragmtico, A2. Obviamente no houve diferena entre as
mdias de modo de apresentao (5 e 5) e, portanto, nenhuma diferena
entre Bi e B2. Os dados em (II), por outro lado, indicam uma diferena
grande entre apresentao inflamada e calma, Bi e B2, e nenhuma dife-

110
Tabata 7.2 Quatro conjuntos de possveis resultados obtidos em um modelo de
Qpirlmento fatorial fictcio (mdias)a.

(I) (II)
Moral pragmtico Moral pragmtico
Ai A2 Ai A2

Inflamado A 1B1 A2B! Inflamado AiB, A2B2


5 Bi 6 6
6 4

1 calmo 6 4 5 Calmo 4 4
B. A,B2 A 2B2 Ba A,B2 A2B2
6 4 5 5
A, > Az B, A2

(III) (IV) .
Moral pragmtico Moral pragmtico
Ai A2 Aj Ai

Inflamado A,B, A2B, Inflamado A,B, A2Bi


B> 6 4 5 Bl 6 4

Calmo 5 5 5 Calmo 4 6
Ba A,B2 A 2B2 Ba A,B2 A 2B2
5,5 4,5 5 5
A,Bi A 2B1 A,B, )> A 2B1
A 2B2 > A 1B2

6 As entradas nas clulas e nas margens so mdias. Mdias grifadas indicam


diferenas significativas.

rena entre apelo moral e apelo pragmtico, Ai e A2. No primeiro caso,


estes dados indicariam que o apelo moral mais eficaz do que o
(pragmtico em influenciar atitudes em relao aos judeus, no importa
He que maneira seja apresentado. No segundo caso, 0 modo de apresen
tao, inflamado, teve mais efeito do que 0 modo calmo, sem importar
0 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 (II)]. Em todo caso, eles ilustram os
pontos essenciais.
Os dados de (III) so mais interessantes. Indicam que os apelos
lioral e pragmtico diferem significativamente apenas quando apresenta
dos de maneira inflamada. Os dois apelos so iguais quando apresentados
almamente. Este o fenmeno da interao, j discutido. Lembre-se de
que a interao acontece quando os efeitos de uma varivel independente
so diferentes em nveis diferentes de outra varivel independente. Neste
caso, as variveis A e B interagem no porque A afete simplesmente
a varivel dependente, como em (I), mas porque A afeta a varivel
dependente, dependendo do nvel em que B esteja. Em outras palavras,
o efeito de A depende de B; A deve interagir com B p araser eficiente.
H muitos exemplos de interao na vida. O sucesso de alguns homens
parece depender das mulheres com quem se casam. Para outros homens,
no importa: progridem no importa com quem tenham se casado.
O preconceito contra judeus, embora muito forte, manifesta-se, digamos,
apenas em pocas de crise. O preconceito e o tipo de situao social
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,
Ai, mais eficiente do que o apelo pragmtico, A2, sendo apresentado
de maneira inflamada, Bi; mas o apelo pragmtico, A2, mais eficaz
do que o apelo moral, Ai, apresentado de maneira calma, B2.
Deve ficar claro para o leitor que estamos tratando aqui com
situaes muito mais complexas do que as de delineamento e anlise de
uma s varivel independente do ltimo captulo. So testados dois ou
mais efeitos principais, assim como possveis interaes de variveis
independentes. Deve tambm ficar claro que a abordagem fatorial 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 quais
muito complexas. Alm do delineamento relativamente simples 2 x 2 qe
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 eteitos 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,
fidwards, 1972).
H um grande nmero de outros delineamentos experimentais usado
nas cincias comportamentais. No vamos estud-los neste livro, no
|>orque 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 Stanlev
(1963).

Exemplos de pesquisas com delineamentos fatoriais

Vamos tentar dar mais vida ao assunto citando trs estudos nos
guais acha-se finamence 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: O trabalho se expande


|a ra preencher tempo disponvel. Em outras palavras, se as pessoas
fiverem tempo no trabalho encontraro trabalho para preencher o tempo.
Num experimento interessante, Aronson e Gerard (1966) testaram uma
gjariao da lei de Parkinson: indivduos que tm excesso de tempo para
lermirar uma tarefa em uma ocasio perdero mais tempo para fazer
tarefa semelhante em ocasiao subseqente do que indivduos que tiveram
o mnimo de tempo na primeira tarefa. Esta hiptese tem implicaes
Jyrpreendentes e pertubadoras se confirmada. Deriva vagamente de
uma teoria da aprendizagem (Guthrie, 1935) que diz que uma combina
ro de estmulos acompanhando um movimento tender, repetio dos
gtmulos a ser acompanhada pelo movimento. No caso presente, se o
ujeito passa muito tempo fazendo alguma coisa em uma ocasio, ele
fender a passar muito tempo tambm em ocasies subseqentes.

do motivo para usar extensivamente o delineamento fatorial em psicologia


devida nfase nos experimentos e experimentao. A psicologia social um
pom exemplo: a moderna psicologia social virtualmente psicologia social expe-
..tal Naturalmente h muitas excees, algumas delas excelentes. Os exemplos
lero dados em futuros captulos.

113
Aronson e Gerard deram tambm uma breve explicao terica (no
fim de seu relato) derivada da teoria da dissonncia cognitiva (Festinger,
1957). Esta teoria 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 . Em relao
afirmao de Parkinson, se uma pessoa gasta mais tempo do que o
necessrio em uma tarefa, isto criar 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
nncia 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
argumentos de uma lista e coloc-los em uma sequncia lgica. Mais
tarde 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
pesquisa que no desenvolveram bases tericas. O estudo que vamos
considerar 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 as 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 o
cada uma dessas escolas. Usaram um delineamento fatorial 2 x 2 x 3 O
As variveis independentes eram sexo, raa e nvel de capacidade. Estas fJ)
K
variveis so interessantes e incomuns porque so todas experimentais U>.
ou manipuladas. Comumente estas variveis so no-experimentais, ou
''ari eis 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*l

O leitor deve confiar em que a seguinte proposio correta: O uso de seleo


iieatoria (de indivduos ou instituies) permite ao pesquisador assumir que a
f f u u - r j j T que a amostra seia representativa substancial. Assim alta a
probabilidade de que os resultados obtidos em tais amostras sejam aproximada
mente aphcaveis a populao da qual foi tirada tal amostra. Esta concluso
Ho ap "-S para amostras grandes. Em palavras mais simples, isto significa que
|i mostras aleatrias grandes possibilitam ao pesquisador generalizar para as popu-
liioes de onde as amostras foram tiradas. Entretanto, o pesquisador jamais poder
ter certeza. Poder apenas assumir que suas amostras so representativas porque
te na proposio enunciada acima. Para maiores detalhes, veja Kerlinger
P973, capitulo 7, especialmente pp. 118-122).
en^at*zar um ponto, entretanto. Os bons experimentos exigem, alm
fle conhecimento e competncia, habilidade, imaginao e at criatividade. O expe-
Bmento de Walster e colegas um bom exemplo. Suas idias parecem simples,
S Spois de conhecidas. Que eu saiba, no fora feito ainda um experimento contro-
Ido para testar preferencias em admisses.

115
deles indicava que o candidato era homem branco, outro quarto homem
preto, outro mulher branca e o ltimo mulher negra. Al em disso,
incluram-se trs nveis de capacidade do candidato. Na verdade, havia
ento trs variveis independentes, raa, sexo e capacidade e 12 tipos
de formulrios, correspondentes a um delineamento fatorial. 2 * 2 x .
As 240 escolas foram designadas aleatoriamente s 12 clulas do modelo.
Havia, ento, 20 escolas por clula. principal varivel dependente era
aceitao ou rejeio do suposto candidato: uma escala de cinco pontos,
partindo de rejeio direta (1) a aceitao com apoio o oferecimento de
ajuda financeira (5). Foram includas outras variveis dependentes e inde
pendentes, tambm, mas no vamos nos preocupar com elas.
Os pesquisadores esperavam que os homens fossem preferidos as
mulheres e pretos a brancos. (Na poca do estudo as escolas estavam
procurando alunos pretos.) Estavam errados. A anlise de varincia fato-
rial mostrou que os efeitos principais de raa e sexo no eram significa
tivos, nem a diferena entre mdias de brancos e pretos (3,38 e 3,18).
Foi descoberta uma interao muito mais interessante e no antecipada,
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 metodologica e
socialmente. As mdias dos trs nveis de capacidade foram significativa
mente diferentes. Mas isto uma descoberta no muito importante, j que
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 discriminao
global com base em sexo. A interao de capacidade e sexo em seu efeito
conjunto na aceitao, entretanto, foi estatisticamente significante. Para
interpretar a interao, podemos omitir as mdias do nvel mdio de capa
cidade (3,48 e 3,48), j que so iguais. As mdias de alta capacidade so
3,75 e 4,05, no muito diferentes. No nvel ato de capacidade no h
discriminao de sexo. Veja, agora, as mdias de baixa capacidade, 3,00
e 1,93. Esta diferena relativamente grande o principal motivo 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
Fem. 4,05 3,48 1,93 3,15
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 al\o, 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
jnanipulada 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 sem hostilidade foi tratado de maneira neutra. Cada
pujeito foi emparelhado com um aliado do pesquisador, com quem teria

117
que resolver um problema. Foi perguntado aos sujeitos se gostavam ou
no do parceiro por meio de pontos que iam de 0 (sim, definitiva
mente) a 23 ( definitivamente no). Esta medida de apreciao era a
varivel dependente. A previso era de que os sujeitos mais anthsemitas
exibiram mais agressividade deslocada induzida pela hostilidade provo
cada do que os sujeitos menos anti-semitas. Isto deveria ser mostrdo
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.

Com deflagrao Sem deflagrao


de hostilidade de hostilidade
A 2

Alto anti-semitismo
b2 18,4 14,2
Baixo anti-semitismo
Bs 12,2 16,3

a Quanto mais alto o resultado, menor a apreciao pelo parceiro. Os efeitos


principais no foram significativos; a interao foi.

Um retrospecto conceituai

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 mostrado por meus alunos da Universi


dade de Amsterd. Eles disseram que deveria haver uma diferena significativa
entre Ai e A2 em Bi, mas no em B2. O leitor pode ver, entretanto, que a diferena
prevista entre Ai e A2 aparece em Bi, mas apareceu tambm uma diferena impre
vista e na direo oposta em B2. No parece haver uma razo terica para tal
diferena em B2. O leitor poder lucrar refletindo sobre este problema.

118
como especificando as relaes entre as variveis. 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
gegunda 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
Mills. O leitor encontrar muitos exemplos semelhantes na bibliografia.
A base conceituai do delineamento e anlise de tais pesquisas um
anunciado da forma se p, ento q . No importa haver dois grupos
gxperimentais, 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 conceituai de muitos estudos publica
dos. Muitos outros estudos, entretanto, usam base conceituai mais com
plexa: eles avaliam os efeitos separados e combinados de mais de duas
variveis independentes sobre uma varivel dependente. A base concei
tuai 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 independentes sobre uma varivel
dependente estudado.

119
8. P e s q u is a e x p e r im e n t a l e n o - e x p e r im e n t a l

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 jacto 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 obedincia 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 aceitam
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 punio na
aprendizagem. O aluno sempre a mesma pessoa, um ator que recebeu
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
jpalavras. 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
hoques cada vez mais fortes a cada resposta incorreta. Se o sujeito fizer
$ erguntas, deve ser informado de que os choque podem ser muito dolo
rosos mas que no causam danos permanentes aos tecidos. (Na verdade,
0 aluno no recebeu um choque sequer.)
Depois de iniciados o ensino e aprendizado e durante o experimento,
0 sujeito, talvez perturbado por ter que aplicar choques em outra pessoa,
ferguntou 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-
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 conjunto 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 e
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 jacto. 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 nem elas nem os outros
aplicariam choques s vtimas ou que o fariam 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
fxperimentos. O experimento cientfico uma das maiores invenes de
todos os tempos. tambm a fonte mais segur de conhecimentos e de
compreenso dos fenmenos naturais, outras coisas mantidas constantes.
Os motivos no so difceis de compreender. O principal e 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, empirica-
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 deveram 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 absolutamente
essencial em um experimento, embora muito desejvel. O verdadeiro
significado da qualidade essencial da casualizao na definio simples
mente que a casualizao pode ser usada apenas em experimentos. Como
veremos mais adiante, a designao aleatria completamente impossvel
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 de
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 cuidadosamente
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 dependentes 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 imoortante. da capacidade de testar vrios
pspectos da teoria, vontade. J discutimos o aspecto confiana nos
gXperimentos. O aspecto flexibilidade precisa de elaborao. Assim como
o aspecto testagem de teoria.
Um aspecto importante da pesquisa de Milgram em obedincia,
j salientado, foi a variao de condies experimentais com o fim de
liminar explicaes alternativas do fenmeno obedincia. A hiptese
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 empiricamente 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, outras 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 podera 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 sujeitos 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 jacto, 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 conseqiientemente 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 rriais 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! 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 Milgram 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 frequentemente criticada com base em duas
acusaes relacionadas: artificialidade e falta de generalidade. difcil
saber se a artificialidade dos exprimentos 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 d 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 freqentement, pesquisas

128
consideradas tericas e no prticas vierain a produzir resultados com
consequncias 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 falan do num se n tid o 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?) 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 laboratrio
vida real, deve-se ter em mente que o objetivo bsico da experimentao
no descobrir o que acontecer ou 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 que aconteceu ou o que
acontecer. Por exemplo, tal ou tal mtodo de terapia surtir efeito?
Embora muitssimo til, tal experimentao, cientificamente falando,
perifrica base conceituai 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 encarregada 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 experimen
tos de laboratrio so triviais. H pouca dvida de que muitos experi
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 experimento uma
inveno especializada cujo propsito est quase totalmente divorciado
da vida real. Seu propsito especificamente ficar separado e prbtegido
do barulho exterior. Seu propsito cientfico estudar as relaes e
testar as proposies derivadas da teoria no ambiente menos contami
nado que se possa conseguir. Seu propsito no melhorar as condies
humanas e sociais. Portanto, uma crtica com base na possibilidade de
generalizao , rigorosamente falando, irrelevante. como criticar
alguma coisa por no ser o que no pode ser de forma alguma.

Pesquisa no-experimental

Ningum conhece exatamente quais so as propores da pesquisa


experimental e no-experimental na pesquisa comportamental. Pode ficar
claramente dito, entretanto, que muito da pesquisa no-experimental tem
alto significado e importncia, assim como muito da pesquisa experi
mental significativo e importante. Nenhum tipo de pesquisa pode ou
deve gozar de qualquer monoplio de validade e prestgio. No h nada
inerentemente meritrio em se fazer tanto pesquisa experimental quanto
no-experimental, como tais. Pesquisam-se problemas de interesse e
alguns problemas podem ser experimentais, enquanto outros no.
Pesquisa no-experimental, ou ex post acto, aualquer pesquisa
na qual no possvel manipular variveis ou designar sujeitos ou
condies aleatoriamente. Fazem-se inferncias e tiram-se concluses
tanto em pesquisa experimental quanto no-experimental, e a lgica
bsica da investigao a mesma. Mas as concluses no so empirica-
mente to fortes na primeira quanto na segunda. Explicar completamente
esta afirmativa seria difcil e enfadonho. Vamos nos contentar, ento,
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 Xi, X2 e xs afetam y ou
mesmo yi e ya? Ele, ento, formula a hiptese de que x influencia y de
tal ou qual maneira, esperando-se que a hiptese derive de uma teoria.
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 funda
mental est no controle de p, as variveis independentes. Nos experi
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 ,
eu manipulo equidade ou inequidade. 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 mulheres jovens foram sujeitas a diferentes graus de
iniciao desagradvel antes de supostamente se juntarem a um grupo.
Na pesquisa ex post facto, 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 virtual 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-

3 Este exemplo vem da chamada teoria e pesquisa d eqidade (Berkowitz


& Walst r, 1976). Os estudos de Milgram sobre obedincia podem ser conceituados
no quadr< de referncias da teoria da eqidade, embora aparentemente Milgram
no o tenha feito.
Alguns pesquisadores e autores parecem crer que a diferena fundamental entre
icsou . 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
Uil ou [uai natureza. A questo, entretanto, realmente acadmica, j que no h
tiecessidade' de fazermos afirmativas causais em cincia. As afirmativas denomi
nadas condicionais, tipo se p, ento q, que no tm implicaes causais, so
Suficientes.
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, poderiamos ter consi
deravelmente mais confiana no resultado do que poderemos ter no resul
tado de um estudo ex post facto. Tais experimentos, naturalmente, so
im p ossveis 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, no 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 fato
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 deveram poder extrair amostras aleatrias, manipular variveis
jndependentes 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-
gxperimental. 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
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 e a extenso
dessas diferenas? (Uma das respostas foi que a grande maioria das
crianas norte-americanas freqenta escolas segregadas e que as crianas
negras 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 freqiientam?
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
observao foi um questionrio respondido por inspetores, diretores,
professores 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, autoritarismo,


atmosfera de grupo, coeso de grupo, agresso podem ser tanto variaveis mani
pulveis como variveis medidas. Isto no significa, entretanto, que sejam as
mesmas. Ansiedade manipulada e ansiedade medida provavelmente no sao a
mesma varivel, embora devesse haver, naturalmente, alguma relaao substancial
entre elas. >

134
mento 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 variveis de escola no so muito responsveis
pelo aproveitamento depois das variveis de ambiente familiar. Explicar
esta afirmativa adequaoamente 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 realizao. 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. Saberia
mos, em outras palavras, que as influncias de outras variveis inde-
fpendentes foram minimizadas. Coleman e outros analisaram os dados
de maneira a aproximarem as descobertas de uma abordagem experi-
ental (atravs da chamada regresso mltipla e mtodos relacionados),
as de forma alguma isto a mesma coisa. A influncia de outras
possveis variveis independentes difcil de controlar, e s o controle
tatstico possvel em contraste com os poderosos controles experi-
E entais de manipulao, casualizao e isolamento.
E stu d o d e ig u aldade e lib e rd a d e

Numa srie rara de estudos sobre valores, Rokeach (1968) juntou


as abordagens e x p o s t ja c to e experimental. Vamos nos concent|rar aqui
apenas em uma parte da pesquisa e x p o st ja c to , e que caracterstica
de grande parte deste tipo de pesquisa.
Rokeach fez com que um certo nmero de grupos e uma amostra
nacional ordenassem dois conjuntos do que denominou valores instru
mentais e terminais um a v id a co n fo rt vel, segurana fam iliar, igual
d a d e, sa b e d o ria (terminais); a m b ic io so , capaz, in d ep en d en te, a fetu o so
(instrumentais). D ois dos valores terminais, lib e rd a d e e igu aldade, foram
considerados particularmente importantes porque eram aparentemente a
chave de diferenas fundamentais no panorama de valores sociais e
polticos. U m dos conjuntos de resultados de Rokeach dado na
tabela 8 . 1 .

Tabela 8.1 Postos mdios de liberdade e igualdade de diferentes grupos.

Brancos Negros Estudantes


desempregados desempregados calvinistas
Policiais
(50) (141) (28) (75)

Liberdade 1* 3 10 8
Igualdade 12 9 1 9

a 1 o posto mais alto, 12 o mais baixo. No corpo da tabela encontram-se as


mdias dos postos designados por cada grupo. Por exemplo, o posto mdio desig
nado a igualdade por 141 brancos desempregados foi de 9 comparado ao posto
mdio de 3 atribudo a liberdade.

Parece q ue os qutro grupos so muito diferentes ao avaliarem


os valores de ig u a ld a d e e lib erd a d e. Os policiais do grande valor
lib e rd a d e e valor m uito baixo igu a ld a d e, enquanto que negros desem
pregados fazem quase o contrrio (1 0 para lib e rd a d e e 1 para ig u a ld a d )\
Evidentemente os valores sociais de policiais e negros, pelo menos neste
exem plo, so dramaticamente diferentes.
bem tpico da pesquisa e x p o s t ja c to estudar as relaes deter
minando se grupos, selecionados sobre uma base relevante ao problema
em estudo, possuem quantidades diferentes de uma varivel dependente
(lembre-se da pesquisa do cncer de pulmo). N o exem plo acima,
Rokeach escolheu quatro grupos diferentes, provavelmente porque espe
rava que seus valores fossem diferentes em seu instrumento de mensu-
rao. Policiais e clvinistas, por exem plo, so m ais conservadores que

136
outros grupos e no so fam osos por apoiarem a igualdade. Negros,
por outro lado, apiam fortem ente 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 implcita e validade do instrumento de mensurao.

Os efeitos da privao

N estes dois ltim os exem plos iremos examinar rapidamente abor


dagens tanto experimentais quanto no-experimentais ao m esm o 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 m ais o desenvolvim ento e processos de desen
volvim ento 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 m uitos 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 que
haviam passado seus primeiros trs anos em uma instituio com a inteli
gncia de adolescentes que no passaram seu s.trs primeiros anos em
uma instituio. Descobriu que a mdia de inteligncia do grupo insti-
cional era substancialmente m ais baixa do que a mdia do grupo de
Controle, o no-institucional. Fez tambm vrias comparaes em outras
variveis com resultados semelhantes.
A s 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 im pecavelm ente e examinar apenas suas descobertas como
pesquisa ex post facto.
possvel que crianas que viveram em instituies tenham grau
d e inteligncia inferior de crianas que no viveram em instituies
porque provavelmente tenham pais de inteligncia inferior? Vejamos
outra possibilidade. bastante sabido que o status de classe social est
0 iado inteligncia: crianas de status social inferior tendem a ter
medidas de inteligncia inferiores s de crianas de status de classe ixdia.

137
No provvel que crianas que viveram em instituies vivam mais
tarde em reas de classes inferiores? Assim sendo, a diferena observada
em inteligncia pode ser devida Iargamente ao ambiente de classe infe
rior, que menos orientado verbal e culturalmente do que o ambiente
de classe m dia.6
Esta mesma pesquisa poderia ter sido feita experimentamente?
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 posl fado. 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 mudanas
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 10 a 12 animais
foram abrigados durante a amamentao em grandes gaiolas com equipa
mento interessante com que podiam brincar e que podiam usar.
Foi-lhes permitido tambm sair todos os dias das gaiolas para brincar e
explorar. Em Cl (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 colnia, trs em cada gaiola, e expostos a atividades na
sala, mas sem tratamento especial. (Foi feito um tipo de casualizao

6 D evem os te n ta r m a n te r as coisas e q u ilib ra d a s. H o je , um e stu d o co m o o de


G o ld fa rb p o d e ria se r m e lh o r d irig id o , p rin c ip a lm e n te m e d in d o o u tra s v ariv eis
p ossiv elm en te re le v a n te s e c o n tro lan d o -as e sta tistic a m e n te . Is to , su a p ro v v el
in flu n cia seria a v a tia d a e n e u tra liz a d a , ou s u b tra d a d o s re s u lta d o s , u sando-se
c o n h ecid o s m to d o s 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 (Cl) 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.
Os resultados foram incrveis. Havia diferenas enormes de peso
do crtex cerebral entre os ambientes enriquecido e o empobrecido.
0 peso mdio em miligramos do crtex total dos ratos estudados durante
P 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.
Foi o crtex cerebral que aumentou de peso em relao ao resto do
crebro.
Os pesquisadores de Berkeley mediram uma certa enzima nos cre
bros dos animais e encontraram diferenas entre os grupos que viriam
apoiar as descobertas relativas ao peso. Mediram tambm a espessura'-

M \
do crtex dos ratos: os crtices dos ratos de experincia enriquecida
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 e
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 motivos bvios
no se pode fazer pesquisa experimental semelhante com sujeitos huma
nos. Futuros progressos tcnicos em tecnologia e pesquisa cerebral pode
ro possibilitar isso. Mas at alcanarmos tais progressos, a pergunta no
pode ser respondida de maneira no-ambgua. Os pesquisadores, usando
seres humanos como sujeitos e interessados em efeitos da vida real, como
os efeitos de ambientes de gueto, devem fazer principalmente pesquisas
ex post jacto, nas quais indivduos desenvolvidos fora e dentro do gueto

im p o rta n te le m b ra r q u e estes re s u lta d o s n a d a d iz e m so b re in telig n cia ou


2 * caracte rstic a s. D e m o n stra m a p e n a s q u e a m b ie n te s e n riq u e c id o s o u defi-
Cientes te m efeitos fsicos so b re os c reb ro s d o s a n im ais. T a is d e sc o b e rta s, e n tre
tanto sao fu n d a m e n ta is e ric a m e n te sugestivas p a ra p esq u isa com seres h u m a n o s
9 p a ra to d o o p ro b le m a de p riv a o e sua m elh o ria.
possam ser comparados em questes de inteligncia, aptido-, realizao
e outras variveis relevantes com as concomitantes dificuldades ex
post jacto. j
A discusso acima poder nos deixar um pouco desanimados. 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 desespero*. Muito pelo contrrio.
Uma das condies de aumento de esperanas a replicao. Se um
estudo for replicado, encontrando-se os mesmos resultados ou resultados
semelhantes, nossa f e confiana nos resultados aumentam. Se 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 jacto. Descobrimos que
a lgica bsica a mesma: ambos os tipos de pesquisa buscam a validade
emprica de enunciados tipos "se p, ento q. Mas tambm descobrimos
que elas fazem isto muito diferentemene, porque na pesquisa x post
jacto 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 jacto 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 jacto e requerem pesquisa ex post jacto simplesmente porque as

140
variveis independentes no so manipulveis. Os pesquisadores cujc
principal interesse 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 significativa, 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 posio adotada neste livro que um experimento requer, no


mnimo, dois grupos experimentais. Esses dois grupos podem ser designa
dos como experimental e de controle, ou A, e A2, ou de outra
maneira conveniente. Os dois grupos so dois aspectos de alguma
varivel. Se a varivel, por exemplo, for reforamento, ento os dois
grupos podem ser reforamento regular e reforamento casual, ou
reforamento macio e reforamento regular, como no estudo de
Clark e Walberg. Naturalmente, um experimento pode ter mais de dois
grupos experimentais. Lembre-se de que o de Aronson e Mills tinha
tres. E no capitulo 7 aprendemos que e possvel e aconselhvel fazer
experimentos fatoriais, nos quais se usa mais de uma varivel inde
pendente.
A base da exigncia de no mnimo dois.grupos experimentais
muitssimo importante. Um verdadeiro experimento deve ter no mni
mo uma comparao (veja Campbell & Stanley, 1963, p. 6). Sem dvida,
em qualquer estudo tem que haver ao menos uma comparao. Digamos
que um pesquisador deseje aumentar a habilidade de resolver problemas
por um mtodo especial. Ele usa o mtodo com um grupo de estudantes,
talvez sua prpria classe, e observa, depois que o usou, que a soluo
de problemas do grupo melhorou. Embora este procedimento seja satis
fatrio para demonstraes prticas, inadequado cientificamente. O
motivo e o trabalhado neste capitulo: com apenas um grupo no h
sfcgurana 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
Veculo para seu estilo pessoal de ensino, e foi seu estilo pessoal de
ensino que ajudou na soluo de problemas, e no o mtodo. Qualquer
mtodo que o pesquisador, como professor, achasse adequado funcio
naria 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 poderam ter melhorado com qualquer mtodo; sua compre
enso dos vrios aspectos da soluo de problemas pode ter amadurecido.
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
ra 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
d 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 exemplo, os
efeitos do reforamento 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 efeitos 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 independente.

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. O b s e r v a o e m e n s u r a o d e v a r i v e is

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 ser 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-
mentos. 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 militares 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 mdias 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?

M ensurao

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
medir 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 significa 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.
Medindo discriminao
Para estudar esta relao, um pesquisador tem que observar tanto
a discriminao quanto a violncia, sendo a primeira a variavel inde
pendente e a ltima a varivel dependente. Ele est testando a hiptese
de que grupos discriminados numa sociedade mostraro violncia. Alm
disso, quanto maior a discriminao, maior a violncia. Para observar
as duas variveis e estudar a relao, ele deve medir as variaveis. Isto
significa que ele deve atribuir a diferentes grupos em uma sociedade,
nmeros diferentes, os nmeros diferentes refletindo graus diferentes de
discriminao e violncia.1 Como poder fazer isto?
Vejamos s uma das variveis, discriminao. Suponhamos que o
pesquisador pea a trs psiclogos, especialistas em preconceito e mino
rias, que classifiquem, em uma escala de sete pontos, o grau geral de
discriminao sofrido no momento por sete grupos. (Ele incluir os
ingleses como critrio, ou grupo de comparao, assumindo que o povo
ingls ou o povo de origem inglesa seja o que menos tenha sofrido
discriminao.) As mdias dos trs especialistas para os sete grupos esto
dadas na figura 9 .1 , num diagrama igual ao que usamos para exempli-

Figura 9.1

1 importante a distino entre um algarismo e um nmero. Um algarismo um


smbolo da forma 1, 2, 3 ... ou I, II, III ... No tem sentido quantitativo
a no ser que receba tal sentido; apenas um smbolo que pode ser 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 juizes 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. tambm mensurao, j que os nmeros (classificaes
MWdias) foram atribudos a objetos (grupos) de acordo com regras. As
regras incluram a especificao da escolha dos especialistas, ou juizes, a
escala numrica usada, de 1 a 7, e a varivel medida, discriminao.
uma boa mensurao? Ainda no sabemos. Pode ser e pode no ser.
N captulo 4, foi usada ordenao em postos, em vez de pontos
numa escala. Apesar de isto mudar a natureza do procedimento de
r-nsurao, principalmente os nmeros usados para serem atribudos aos 3
gfojetos, no representa mudana na concepo de mensurao como
numerais atribudos a objetos conforme regras. aconselhvel estudar 3

UNlVEftSSM
outro exemplo de mensurao antes de continuarmos a discusso.

M ed in d o in telign cia

Dificilmente existe coisa mais controversa na pesquisa comporta-


mental contempornea que a mensurao de inteligncia. Alguns 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.
Embora 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
Ifiedida, ser necessrio, primeiro, concordar com alguma definio ope-
Mcional de inteligncia. (Ser dificlimo, talvez impossvel, contudo,
jSonseguir que mesmo os especialistas concordem com uma definio
jperacional.)
Lembre-se de qe uma definio operacional especifica a atividade
do pesquisador ao medir uma varivel. Inteligncia, claramente, pode ser
uma varivel, j que uma varivel um smbolo ao qual se atribuem alga-

* Eite exemplo livremente baseado em um famoso estudo de esteretipos de


Kitz e Braly (1935).

147
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. Pde-
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 QIs, 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,
[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 funcional, ou sua capacidade de competir num ambiente
classe mdia americano.) Isto entretanto no significa que medir inteli
gncia no seja 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 juizes 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 juizes. Os julgadores usaram uma escala de sete pontos, 6
significando altssima competncia e 0 competncia muito baixa. Uma
das primeiras perguntas que fazemos em qualquer procedimento de
mensurao : Quo fidedigno ?

148
iTabela 9.t Notas dadas por quatro juizes competncia de cinco pessoas
fidedignidade alta.

Juizes

Pessoas a b c d Soma Mdia

1 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 1 8 2,00
5 1 2 2 0 5 1,25

D efin i o e n a tu reza d a fid e d ig n id a d e

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 comportamento flutua muito
e flutua de maneira imprevisvel. Dizemos que tal pessoa no fide
digna. Dizemos, por outro lado, que a pessoa previsvel fidedigna.
Parte dq 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.. Qando me
dimos atributos, capacidades e realizaes humanas, queremos medir as
quantidades verdadeiras dos atributos que o indivduo possua, 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?
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 indivduo,
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 juizes competncia dos gerentes so fidedignas. Neste
exemplo fictcio, a fidedignidade muito alta. Cada um dos quatro
juizes 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 juizes. 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
caes baseado em todas as classificaes e todas as mdias calculadas
a partir das classificaes dos quatro juizes. 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 coluna denominada Mdia deveram 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 classificaes deve aparecer em mensuraes subseqentes,
assumindo-se que os juizes sejam especialistas e competentes. Observe
que as ordens de postos dos cinco indivduos tendem a ser a mesmas
para cada juiz. Por exemplo, a notas dos juizes 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 avaliaes extremas.

150
Igualmente, se examinarmos as classificaes dos juizes 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 juizes no soubessem comc 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 Juizes competncia de cinco pessoas
fidedignidade baixa.

Juizes

Pessoas a b c d Soma Mdia

1 2 5 6 1 14 3,50
2 5 2 6 4 17 4,25
3 2 3 1 5 11 2,75
4 3 1 3 2 9 2,25
S 6 3 4 4 17 . 4,25
B-------------

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 maioria das pessoas difere em quase tudo. As classi
ficaes deveram ser diferentes. Se os juizes esto capacitados a julgar
a competncia, ento, suas classificaes deveram ser mais ou menos
as mesmas. Ou seja, suas classificaes do mesmo indivduo deveram
concordar aproximadamente. difcil ou impossvel encontrar muito
acordo na tabela 9.2. como se os julgadores fizessem apreciao de
quatro caractersticas no relacionadas. Ou, mais 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 juzep b, c
e d acontecendo o mesmo para os quatro juizes 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 deveram ser quase as mesmas. (Por qu?) A amplitude
refletira, naturalmente, esta falta de variabilidade.
Vamos voltar e examinar a tabela 5.1, um conjunto de 100 nmeros
arranjados em grupos de 10. Examine as mdias dadas nas tabelas 5 .2
e 5.3, tambm calculadas a partir de nmeros aleatrios. Passe os 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 deveram ser: foram calculadas
de nmeros aleatrios. Igualmente, as mdias da tabela 5.3 nc so
muito dissemelhantes. Mas as mdias da tabela 9.3, Alta Fidedigni
dade, diferem tanto quanto podem, se compreendermos que as mdias

152
sfio sempre menos variveis do que os nmeros dos quais so calculadas.
A amplitude maior provavelmente reflita mais exatamente as diferenas
individuais em competncia das cinco pessoas, cuja competncia est
eendo medida. Se as mdias se assemelham a mdias calculadas a partir
de nmeros aleatrios, ento provavelmente sero iguais entre si; no
diferiro muito. Se obtivermos nmeros numa situao real de mensu-
rao que se assemelhem a nmeros aleatrios, ento, sua fidedignidade
ser baixa. Eles no podem refletir com exatido as diferenas individuais
das pessoas medidas.

Tabela 9.3 Mdias das pessoas tiradas das tabelas 9.1 e 9.2.

Alta Baixa
Pessoas fidedignidade Pessoas fidedignidade"
(tabela 9.1) (tabela 9.2)

1 5,25 2 4,25
2 4,25 5 4,25
3 3,75 1 3,50
4 2,00 3 2,75
5 1,25 4 2,25

* As mdias da tabela 9.2 foram rearranjadas em ordem de postos de magnitude,


para enfatizar a diferena entre os dois conjuntos de classificaes.

Uma forma mais fcil, embora incompleta, de considerar a fidedigni


dade como estabilidade. Suponhamos que os quatro juizes dessem
notas por competncia uma segunda vez, digamos, dois meses mais
tarde. Assumindo que nos dois meses nada tenha acontecido que mudasse
a competncia dos gerentes, as classificaes mdias que recebessem
deveram ser aproximadamente as mesmas da segunda e da primeira vez.
Na medida em que forem as mesmas, as notas sero fidedignas. Na
medida em que forem diferentes, na primeira e na segunda vez, as notas
sero no-fidedignas. Se fosse calculada uma espcie de ndice que refle
tisse a similaridade 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
iterna. Os dois coeficientes para as tabelas 9.1 e 9.2 so 0,94 e 0,01.
Os coeficientes de fidedignidade como estes variam de 0 a 1,00, 0 indi-

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 nenhma
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 juizes 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 juizes 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
magnitude da relao calculada pelo seu valor aparente, vamos nos
desviar seriamente. Suponhamos que a magnitude da relao tenha sido

UNlVEf
realmente alta, mas a medida de competncia no seja fidedigna e que
no saibamos que no era fidedigna. Podemos acreditar que a relao
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.

Validade

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

* Veja excelentes discusses em Guilford (1954) e Nunnally (1967).


para a prtica e como colocar os princpios em prtica esto, igualmente
bem compreendidos. Os psiclogos e socilogos sabem construir instru
mentos de mensurao de substancial fidedignidade. Sabem, por exejnplo,
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
fatual, 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.

T ip o s d e va lid a d e

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
v a lid a d e p re d itiv a ; mais recentemente passou a ser denominada v a lid a d e
re la tiv a a o c rit rio (c riterio n -rela ted v a lid ity ).
Outra forma de validade chamada v a lid a d e d e c o n te d o , 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 v a lid a d e d e c o n stru cto ,
ffirovavelmente o mais significativo e importante, pelo menos do ponto
l e 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. (O 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 vrias
formas obter provas que apoiem 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

M ensurao em perspectiva 5

A mensurao pode ser o calcanhar de Aquiles da pesquisa compor

V iV i
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
d constructo. A validade de constructo foi oficialmente reconhecida como um
tipo central de validade pela American Psychological Association em seu manual
dc 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 demonstrado, que um
ou dois itens simplesmente no oferecem segurana suficiente para justi
ficar se 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 em 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.

Um dos pontos interessantes de parte da crtica mensurao, principalmente


da mensurao psicolgica, que se critica de forma a parecer dizer que os
psiclogos no conhecem as dificuldades e fraquezas dos testes e escalas psicol
gicos. Os crticos dizem, por exemplo, que os testes no podem medir seres
flumanos e sua complexidade, que inteligncia real e "criatividade real no
podem ser medidas e que geralmente no se pode confiar em mensurao psico-
P F f a; AS aflrra.at.lv?s., lmP*icam que os psiclogos no tm conscincia das difi-
BUidades e que e mutil ate pensar em medir o comportamento das pessoas e suas
Wracteristicas. Os fatos geralmente so muito diferentes.
10. Investigao sociolgica, levantamentos
e anlise de freqncias *

F.m 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 variveis
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 conjunto
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 muito 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

Lderes da comunidade 66% 1% 33%


Grupo representativo nacional 37% 3% 60%

3 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 interesse 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.
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 consideravelmen|e 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 reproduzidas aqui, na tabela 10.2. Nesta tabela
So dadas freqncias aas respostas e as porcentagens, calculadas em
cada linha.
A relao entre as duas variveis evidente. De fato, 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

33 22 55
Classe mdia
(60%) (40%)

31 48
17
Classe operria
(35%) (65%)

50 53 103

* As entradas 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.)

V alo res o rie n ta d o s p a ra pesso a s e escolh a ocu p a cio n a l

H alguns anos, os professores abandonavam o ensino, causando


assim difceis 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
dade de professores na ltima meia dcada.) Rosenberg (1955) lanou
lguma 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 10.3.

Tabela 10.3 Valores orientados para pessoas e mudana de escolha ocupacional. 1952.

Continuaram Abandonaram
professores o ensino

Orientados para pessoas 57% 43%


Nao-orientados para pessoas 19% 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 se basi so comparativamente pequenos (um total de 108 pro
fessores) e o estudo muito mais limitado do que os estudos de Stouffer
e de Miller e Swanson. Mostra, entretanto, as caractersticas da investi
gao sociolgica que esto sendo ilustradas: uma varivel, Continuaram

* As porcentagens so usadas s vezes em tabelas como esta porque trans-


_ as freqncias das duas linhas em uma escala comparvel baseada em
100. J que as somas das freqncias nas linhas, 55 e 48, so desiguais, mais
difcil _ver" a relao estudando simplesmente as freqncias. Quando as fre-
Jncias so transformadas em porcentagens, entretanto, a relao se toma mais
S ira. Quanto mais diferem as somas das freqncias das linhas e das colunas,
mils til se toma a transformao em porcentagens. Discutiremos isto mais adiante.
Vlji Kerlinger (1973, cap. 10) sobre princpios e prtica de construir e interpretar
M l tabelas e anlises.

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. , entretanto, o que est sendo
chamado neste captulo, investigao sociolgica. 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
pergunta extremamente importante, mas raramente formulada empirica-
mente: Que durao tm os efeitos da educao formal?
Uma das grandes dificuldades em estudar os efeitos.de longo alcance
da escolarizao e de programas ou mudanas sociais a dificuldade
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 alcance das
escolas e da escolaridade, devemos estudar as pessoas quando esto na
escola, logo aps sarem da escola e em momentos posteriores. Mas esta
uma das espcies de pesquisa mais difceis de fazer por diversas razes
prticas e tcnicas que no podemos citar aqui. suficiente dizer que
h pouca evidncia emprica longitudinal na questo dos efeitos durveis
da escolarizao.
Hyman e seus colegas resolveram, o problema da dificuldade em
responder sua pergunta sobre os efeitos durveis da escolarizao,
fazendo anlise 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 norte-americanos
de 54 levantamentos, com um total de cerca de 80.000 indivduos.
Os levantamentos foram feitos durante o perodo de 1949 a 1971. Foram
escolhidos de modo a agruparem-se em tomo de quatro pontos no tempo,
permitindo.uma aproximao aos estudos longitudinais. O leitor, cuja
acuidade crtica, deve estar bem desperta com nosso estudo anterior, ver
neste estudo, seus problemas e resultados, um timo exerccio de inter
pretao crtica.
Na tabela 10.4, alguns resultados do estudo de Hyman e outros
so dados de forma muito sumarizada e condensada. Estes resultados so

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). *
Sr-----------------
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 52 55 62

No corpo da tabela so dadas porcentagens mdias, cada uma calculada a


parto de tres porcentagens associadas a itens individuais de conhecimento. Os
a casa superior esquerda, por exemplo, significam que uma mdl? de
j pessoas . e de escolaridade de primeiro grau e na faixa d:, idade
de 25-36 conseguiram responder s perguntas de conhecimento.

bem tpicos dos vrios resultados apresentados em seu livro.'A tabela


expressa principalmente a relao entre a quantidade de escolarizao
com0 ^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 e 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-
gem difcil e mesmo impossvel por motivos de custo, perda dos sujei-
>s e outras influencias possveis sobre o conhecimento e sua aquisio.

UEstes trs itens e as entradas na tabela foram escolhidos entre muitas tabelas
"melhantes, quase que arbitrariamente. A maioria dos itens usados pelos levanta-
intos, entretanto, foram semelhantes quanto a serem conhecimento funcional
operadas atravs do tempo. A maioria dos estudos sobre 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.
Hvman e outros, numa excelente tentativa de simular o aspecto
longitudinal, usaram dados de levantamentos nacionais e categorizaram
os dados obtidos durante diferentes perodos de tempo pela categori
Idade, dada na tabela 10.4. Nela h quatro grupos de idade, ou seja:
25-36 37-48 49-60 e 61-72. Os autores argumentaram que os eteitos
da escolarizao seriam mostrados pelo conhecimento, aumentado com a
escolarizao aumentada e que os padres de diferenas seriam
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 repete-se monotonamente
nas tabelas de Hyman e outros. Raramente se v tal consistncia de
resultados e demonstrao de poder de replicao, se se puder chamar
os diferentes nveis de idade e os vrios testes de conhecimento, rep
caes. -
A pergunta incmoda volta sempre, entretanto: Podemos acreditar
nos resultados? possvel que esses resultados fortes sejam esprios no
sentido de que no a escolarizao que gera maior conhecimento quant
mais alto se chega no sistema educacional, mas uma outro variavel ou
variveis? , , . A .
Consideremos a inteligncia. possvel que o nvel de iteligencia
diferente dos participantes da amostra produziu as diferenas observad
em percentagem nos trs nveis de escolaridade? Parece bastont^ plJ 3 a
supor que indivduos mais inteligentes sobem mais no sistema escol
do q u e indivduos menos inteligentes. Se for este o caso, sem duvida
os resultados da tabel 10.4 (e outros semelhantes) levam a concluso
errada. No a escolarizao, mas a inteligncia que influencia. Ou,
talvez mais exatamente, a educao e m t e h g e n c i a . ^
(1975 P 294) usaram a frase certa que expressa a dificuldade frustrante
que os analistas de resultados de pesquisaenfrentamprmcipalmemeem
pesquisa no-experimental: terrvel indetermmancia . N aR ataenm
neste estudo h outras variveis que contribuem para a tem yd indeter
minncia. Vamos nos concentrar rapidamente apenas em inteligncia. ^
Hvman e outros controlaram variveis concorrentes e explicaes
concorrentes de forma competente. Sem dvida eu recomendo seu livro
ao leitor como modelo de raciocnio cuidadoso, objetividade cientifica
exposio clara e o uso de material de pesquisa de arquivo para testar
questes prticas importantes. Usa tambm profusamente o raciocnio
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 s 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 ducacional, 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 substanciais e conjuntas duradouras sobre o conhe
cimento. Eu teria gostado de ver a inteligncia controlada. Mas isto no
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 exmplos
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-cientica 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 usando 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 efeitos
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. Frequentemente 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 10.5 contm evidncias notveis e asseguradoras 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 mesmas
caractersticas obtidas no censo mais recente ou com outra fonte
de confiana de tais dados.

Tabela 10.5 Comparaes de dados de amostras com dados do censo; estudo de


Stouffer (1955).

Caracterstica Levantamento Censo

Meio urbano 66,0% 64,0%


Masculino 46,6 47,7
Negro 8,9 9,2
Universidade 17,1 15,4
Segundo grau 45,4 43,5
Escolaridade primria (ou nenhuma) 37,5 41,1
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 do censo.
Verificaes semelhantes em outros levantamentos mostram clculos de
amostras da incidncia de tais caractersticas na populao aproximan
do-se 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 0 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

s O leitor curioso pode perguntar: 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). i

172
anuais foram, evidentemene, altamente eficazes e forneceram informao
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,
opinies, atitudes, valores, motivos e comportamentos. Apesar de que a
habilidade na realizao de entrevistas, bem como o uso de formulrios
cuidadosamente planejados predominam nos levantamentos, usam-se
tambm outros mtodos de observao. Em resumo, o levantamento
uma forma de investigao sociolgica (com fortes implicaes psico
lgicas, naturalmente) amplamente usada, especialmente para metas
prticas e de formulao de diretrizes, e que influenciou a pesquisa com-
portamental principalmente 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 obtidos
atravs de amostragem aleatria feita pelas melhores organizaes espe
cializadas em levantamentos. Vamos dirigir nossa ateno agora para
uma forma de anlise comum e importante que usada em levanta
mentos e em outras formas de investigao sociolgica.

Anlise de freqncias

Foram apresentados vrios exemplos de anlises de freqncias


anteriormente, sem explanao tcnica. Estas .explanaes no foram
dadas porque os exemplos nos pareciam to bvios que no achamos
necessria uma explanao. Por que no antecipar a explanao? Porque
a prevalncia de tais anlises exige compreenso dos princpios envolvi
dos. Alem disso, precisamos equilibrar nossa preocupao anterior com
analise 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
res, estes nmeros so freqncias. Mais exatamente, freqncia o
nmero de indivduos em uma de duas ou mais categorias ou classes.
Se tivermos 152 mulheres e 148 homens na amostra, 152 e 148 so
freqncias, nmeros que caem nas duas categorias, homens e mulheres.7
Em pesquisa, as tabulaes de diversas categorias e as freqncias nelas

7 Os dicionrios do uma definio diferente. Dizem que freqncia a razo


entre o numero que est em uma classe ou categoria e o nmero total que est
sendo classificado; no exemplo acima, 152/300 e 148/300 seriam freqncias.
Na verdade, estas so. "freqncias relativas. Usamos a definio mais simples
para evitar confuso. F
observadas so chamadas distribuies de freqencici. So essas distri
buies de freqncia que aparecem geralmente em publicaes popula
res. Mas elas no nos interessam; geralmente no expressam relaes
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 que 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 relao 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
fora das relaes 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 . Por exemplo, na tabela 10.2, 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
liderana de comunidade, ou lderes e no-lderes, e a varivel depen
dente 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.1

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 publicadas. (No importa se as porcentagens forem
calculadas por linhas ou por colunas, contanto que a regra de calcular
da varivel independente 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 (ibid., p. 176).
As porcentagens dadas na tabela foram calculadas da participao
em distrbios, como uma varivel, para a atitude em relao aos brancos,
putra varivel (indicada pelo acordo ou desacordo com a afirmao),
rode ser mostrado, a partir da teoria das probabilidades, que porcenta
gens so realmente o ciue 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 desarrazoada, mas no parece estar de conformi
dade com o problema enunciado pelo Presidente Johnson. Parece expli-
Tabela 10.6 Resposta dos participantes era distrbios (P) e pessoas no-envolvidas
(NE) questo: s vezes eu odeio os brancos, Relatrio dos Distrbios Civis.

P (N = 105) N E^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 deseja dos dados uma


resposta questo: Qual a probabilidade de distrbios, dada a atitu
de? Pode ser mostrado que essa probabilidade obtida calculando-se
as porcentagens (mais exatamente, as propores) das freqncias origi
nais atravs das linhas. As freqncias originais das quatro clulas da
tabela foram obtidas das freqncias de P e NE (105 e 126) dadas pela
comisso. As porcentagens, ento, foram calculadas da atitude para os
distrbios, ou nas linhas. Estas porcentagens esto na tabela 10.7 (os
valores foram arredondados). So equivalentes a dizer: Se atitude, ento
distrbio.
Tomando essas porcentagens como probabilidade, l-se, por exem
plo: A probabilidade de distrbios, dada a concordncia com a afirma
tiva: s vezes eu odeio os brancos, 0,55 (ou 55 por cento). bvio
que essas probabilidades ou porcentagens contam uma histria diferente
da do relatrio da Comisso. Nesta tabela toma-se importante o desa
cordo com a afirmativa. Dado o desacordo com a afirmativa, 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 tumultos.
Mais importante, as porcentagens ou probabilidades na tabela 10.7 esto
em consonncia com as ordens do Presidente; as da tabela 10.6 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 objetivo da comisso foram, entre
tanto, determinar por que ocorriam as perturbaes, o peso do argumento
parece cair para o lado do clculo de porcentagens 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 rpido 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
Tae/a 10.7 Respostas de participantes em distrbios (P) e pessoas no-envolvidas
(NE), com porcentagens calculadas por linhas. F envolvidas

NE

Concordo 55% 45% 100%


Discordo 32% 68 % 100%

md0 Premente Comisso quase equivalente a estabelecer um


problema cientifico: O que causou os distrbios raciais? Isto , sem
duvida, um desafie) 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 nao preciso enfatizar a importncia do problema.

Outras formas de anlise de freqncias e cruzamento

s ^ ruzamentos tm vrias formas e modelos. At aqui examinamos


so o tipo mais simples com apenas duas variveis, uma independente
e uma dependente, e duas clulas para cada varivel. Outras formas
sao 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
vanaveis independente e uma dependente torna-se difcil e proble
mtica a analise e a interpretao. H tambm outros modelos e tabelas
Um modeio frequente 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 sao 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
nao tiija m conhecimento acadmico? Neste caso, naturalmente, 64 por
cento. Esta implcito. Se o leitor compreender os princpios bsicos, mais
facil se torna ler e mterpretar a maioria das tabelas de freqncia e
porcentagem.

Investigao sociolgica: uma rpida perspectiva

facilmente possvel escrever um livro inteiro sobre o que foi


A r e? ga s1?C0lgCa Alis tais livros foram escritos.
A abordagem adotada neste livro, entretanto, enfatiza a pesquisa experi
mental e a mensuraao 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 possvel e conveniente,
a experimentao deveria ser feita em laboratrio e no campo, pelos moti
vos dados anteriormente. Quando possvel, as variveis deveriain ser
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 contagem9 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 investigao 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, ls e 0s a indivduos. A regra : se um indivduo pertence a uma
categoria, atribua 1; se no, atribua 0. Um exemplo sexo: atribua 1 para
masculino, 0 para feminino (ou vice-versa).

178
11. A a b o r d a g e m m u lt iv a r ia d a :
r e g r e s s o m lt ip l a e p a r t i o d a v a r i n c ia

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
multivariada. 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 ltamente 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 geralmente
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 influn
cia sobre a variabilidade de uma varivel dependente de quatro variveis
independentes. 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 problemasi

i 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
Biultivariados. A variao f a varincia foram tambm discutidas. Agora
pfecisamos ir mais adiante e mais a fundo.
^ Vamos examinar a realizao de crianas do ponto de vista de
Varincia. 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 de realizao verbal, e,
por outro, inteligncia, motivao, atitude em relao escola, ambiente
familiar classe social e sexo. Admitimos que dispomos de medidas vlidas
c fidedignas de todas as variveis.
Primeiro, consideremos a figura 11,1, que se acredita representar
0 efeito apenas da inteligncia sobre a realizao. A rea total do crculo
representa a varincia total das 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 a 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. bastante
realfstico: muitas vezs a inteligncia responsvel por toda essa varin
cia de realizao verbal. Se considerarmos a rea total do crculo igual

Varincia
devida
Inteligncia
130%)

Varincia de
realizao
Figura 11.1

2 Expresses que implicam causa so difceis de evitar. Por exemplo, expresses


como devido a varincia explicada por, influncias e outras tm pelo menos
umi ligeira conotao causai. No intencional, todavia. um subproduto da
piguagem, que sempre rica em atribuies causais. Voltaremos mais tarde a
Hlta diticuldade.
a cera por cento, podemos mostrar aproximadamente quanto da varincia
de realizao explicado por inteligncia e pelas outras variveis.
Neste caso, a inteligncia responsvel por cerca de 30 por cento.
Sabemos, naturalmente, que a inteligncia no a nica varivel
de influncia. A rea maior, nao sombreada, expressa a variancia nao
explicada pela inteligncia (70 por cento). Se soubssemos mais sobre
realizao, poderiamos sombrear mais o crculo. Alis, se tivssemcs
conhecimento completo se conhecssemos todas as influncias sobre
a realizao poderiamos sombre-lo inteiro. Provavelmente jamais
poderemos conhecer todas as influncias. Sem dvida, raramente pode
mos sombrear mais da metade do crculo quando falamos sobre reali
zao. Em todo caso, tomemos outras varivel, ambiente familiar. Na
figura 11.2 a varincia 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 parecera 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 condio de independncia (a falta de
superposio na figura), ento pode-se dizer que 40 por cento da varin
cia de realizao so devidos inteligncia e ambiente familiar, 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
explicada por
ambiente familiar
( 10%)

Varincia de
realizao

Figura 11.2

182
Varincia de
ambiente
familiar
( 10% )

Varincia de
Inteligncia
(30%)

Varincia de
realizao
Figura 11.3

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-
cs.) A variao simultnea de dois conjuntos de medidas produz
correlao, positiva ou negativa, com magnitudes variando de 1,00
at 0 a +1,00, +1,00, indicando uma correlao positiva perfeita,
1,00, uma correlao negativa perfeita, e 0 "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
coeficiente de correlao. Por exemplo, r = 0,70 significa que a correlao
entre duas variveis 0,70. Se r = 0, 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 dizer 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 0.
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 uma 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 covarin cia . 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 procedimento: tire
a raiz quadrada da porcentagem [a proporo]: v ,3 0 = 0,55. O
coeficiente de correlao entre inteligncia e realizao, neste caso,
0,55.)

E x p lica n d o a varin cia qu a n d o as v a ri veis


in d ep en d en tes so correlacion adas

Novamente, se as variveis independentes no so correlacionadas


(r = 0), relativamente fcil analisar e interpretar as pesquisas cm

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 fictcio, 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 -f- 0,10 + 0,08 + 0,10 + 0,06 -j- 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,

Ambiente familiar
( 0 ,10)

teligncia
,30)

Sexo
( 0 ,02)

Ftyura 11.4

185
um nmero no irrealista. Ento inteligncia e ambiente familiar tm
algum a 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
0,302 = 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 superposies 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)

realizao

Figura 11.5

186
Regresso mltipla

Muitos especialistas podem considerar o assunto de regresso mlti


pla a anlise fatorial e outras abordagens e mtodos multivariados
Po apropriados para um livro como este. Afinal, o propsito do livro
introduzir o leitor pesquisa cientfica comportamental de forma con
ceituai 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 Holtzman e Brown

Tem havido vrios estudos sobre sucesso 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 independentes como indicadores predi-
tivos. Por exemplo, inteligncia e mdia global do 2. grau (a mdia de
todas as notas que o estudante recebe no 2. 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,
gligamos, as diferenas refletidas pelas notas no segundo grau.) Em tais
pesquisas um procedimento comum administrar duas ou mais medidas
aos 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
la-se o efeito combinado ou conjunto das variveis independentes
lobre a varivel dependente. tambm feita geralmente uma tentativa
de avaliar as contribuies de cada uma das variveis independentes.
Bssim como combinaes de variveis independentes. O primeiro passo
pjnparativamente simples; o segundo mais difcil e arriscado.
A predio do sucesso na escola s vezes conseguida parcialmente
usando-se como indicador preditivo alguma medida de aptido acadmica,
ou medida geral de capacidade para o trabalho escolar. Holtzman e
Brown (1968) usaram uma tal medida com 1.648 alunos da stima srie.
Usada sozinha, a medida explicou 37 por cento da varincia das notas
no secundrio. A predio, ento, da varivel independente, aptido
acadmica, para a varivel dependente, notas, teve sucesso no sentido
de que uma poro substancial da varincia de notas no secundrio 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
isto. H muito se sabe que necessrio bem mais para a realizao
escolar do que capacidade intelectual, por mais importante que seja.
H anos, ento, os pesquisadores educacionais tm usado outras medidas
para melhorar a predio. Vamos supor que temos dois testes e que
saibamos que cada um deles prediz bastante bem o sucesso escolar.
Poderemos coloc-los juntos na forma do exemplo mostrado na figura
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) 0, em outras
palavras a resposta Sim. Mas se os dois testes no forem indepen
dentes um do outro, ento as duas porcentagens no podem ser somadas
de maneira simples. Tal situao foi mostrada na figura 11.5, onde as
variveis independentes eram correlacionadas positivamente e assim
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 da varincia de
notas do segundo grau. Mas a aptido acadmica e os hbitos de estudo
e atitudes tambm compartilharam varincia, uma poro da qual foi
tambm compartilhada com as notas. H dois problemas principais.
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 discusso, podemos
responder apenas primeira questo mesmo assim, apenas de um

188
modo geral. A resposta segunda questo bastante complexa. Vamos
tentar, de qualquer maneira, dar uma resposta aproximada.

V arincia com partilh ada, a equ ao d e regresso m ltip la e


p eso s d e regresso

A situao de varincia 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 predtores. 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'. 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.)

HEA e RCS
AA e RCS

AA. HEA e RCS


Figura 11.6

189
A anlise de regresso mltipla analisa eficiente e prontamente
situaes como esta. Primeiro, calcula-se uma chamada equao de
regresso. Pode ser tambm chamada equao de predio. Com duas
variveis independentes, a equao fica assim:
Y = a + bi Xi -}- ba X2
Valer a pena o leitor perder tempo e se dedicar a compreender esta
equao. terica e praticamente importante e til. Y representa a
varivel dependente, ou pode representar a nota predita para qualquer
indivduo da amostra estudada, a pode ser desconsiderada: uma
constante usada para ajustar os valores calculados produzidos pela
substituio de valores apropriados na equao. Xi e X2 representam
os valores ou notas nas duas variveis independentes, bi e l>2 so chama
dos coeficientes de regresso. Expressam os pesos relativos das duas
variveis independentes na predio. (Mas veja abaixo).
Os Xs Xi, 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, uma em
Xi e uma em X2. Um coeficiente b expressa o peso que uma determinada
varivel independente tem na situao de regresso, bi Xi significa
que qualquer valor de qualquer indivduo na varivel independente 1
pesado (multiplicado) por bi. b2 X2 e, se houvesse mais variveis
independentes, outros b s e Xs, tm significado semelhante. Um coefi
ciente baixo significa que a varivel qual 0 coeficiente est ligado
recebe menor peso na equao. Um alto coeficiente, naturalmente, tem
0 significado oposto.
Suponhamos que tenha sido calculada uma equao de regresso
a partir de um conjunto de dados:
Y = 0 ,1 0 + 0 ,6 8 X i + 0,39X 2

Os pesos b de 0,68 e 0,39 indicam que os valores Xi tero peso maior


que os valores X2. Isto significa que Xi realmente mais importante
que os valores X2 na predio? No podemos dizer com clareza. A inter
pretao dos pesos de regresso em geral no to simples e fcil.
Certamente, se a questo acima ficou usada para predizer o valor Y de
qualquer indivduo baseado no conhecimento de suas notas nas variveis
1 e 2, Xi recebera peso maior que X2. Isso, entretanto, nem sempre
significa importncia maior.
Tomemos dois casos, digamos os indivduos 7 e 41 numa amostra
de 50 pessoas. Seus valores de Xi e X2 so (2,4) e (10,5), respectiva
mente. Ento, substituindo na equao de regresso:
Indivduo 7: 0,10 + (0,68) ( 2) + (0,39) (4) = 3,02
Indivduo 41: 0,10 + (0,68) (10) + (0,39) (5) = 8,85

190
Os valores preditos, ou Y, dados os dois conjuntos de valores de
Xi e X2, so 3,02 e 8,85. O indivduo 41 recebe um valor consideravel
mente mais alto em Y porque sua nota em Xi alta e Xi 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 Xi.
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 Xi 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
Xi e Y e X2 e Y estariam prximas de zero. Na medida em que Xi e X2
se correlacionam com Y, a predio ser boa . As melhores predies
so obtidas quando as variveis independentes, Xi, 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 Xs,
tomando em considerao as relaes (correlaes) entre os Xs e Y e
entre os Xs. Por exemplo, na equao de regresso dada acima, 0,68
indica a influncia relativa de Xi sobre Y, levando em conta a correlao
de Xi com Y e a correlao entre Xi e X2.
Na equao de regresso dada acima, os bs foram os coeficientes
de regresso. Se as variveis independentes forem medidas com diferentes
escalas de mensurao por exemplo, os valores Xi 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 /3s. 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 bs fossem


s. Isto foi permissvel porque Xi e X: tinham a mesma escala de mensurao.
fm muitas situaes, entretanto, isto seria difcil ou at impossvel.
y = 0,40xi + 0,49x2
Observe que no h termo constante, a, e que y e xi 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 xi e x% porque
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, r2, 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 Ys 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 Xs, 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 varincia 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 r2s. niuito 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 R2.
R2 um ndice da quantidade mxima de varincia de Y explicada por
todos os Xs, 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 R2 0,51. Este R2 a porcentagem da varincia
de realizao em leitura devida melhor combinao estatstica possvel
de aptido verbal e motivao de realizao. A situao 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 Xi e X2, aptido
verbal e motivao de realizao. A parte em branco indica a varincia
da Y no explicada por Xi e X2. chamada varincia residual. Neste
caso 100 R2, ou 1,00 0,51 = 0,49 ou 49 por cento da varincia
de Y. (0,51 subtrado de 1,00 porque 1,00 o maior valor que R2
pode ter.) Parte da varincia residual varincia de erro, erros casuais
e erros de mensurao. Mas pesquisas futuras usando outras variveis

Varincia de Y
no explicada
por Xi e Xz

Varincia de Y
(total do crculo)

Figura 11.7
independentes podem ser capazes de reduzir esta varincia residual. Por
exemplo, se acrescentssemos medidas de aptido aritmtica, classe social
e ambiente familiar anlise de regresso, a rea sombreada sem dvida
aumentaria, diminuindo a parte em branco. Em outras palavras, 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 apenas come
ou. Certamente tem sido muito menos usada do que a anlise^ de
varincia, s vezes em casos onde devesse ser usada em lugar da anlise
de varincia. Em geral, a anlise de varincia apropriada para dados
' experimentais. A regresso mltipla, entretanto, apropriada tanto para
dados experimentais quanto para no-experimentais. admiravelmente
conveniente anlise de dados mistos, dados de pesquisa 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 regresso
mltipla como principal ferramenta analtica. Como veremos, a regresso
mltipla se adaptou admiravelmente aos problemas dos estudos. Sem
dvida, difcil imaginar qualquer outra abordagem. Os dois estudos
so muito diferentes em sua substncia e propsito, mas compartilham
uma caracterstica importante: ambos usaram variveis ecolgicas ou
ambientais 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 ambiente. Havia
oito foras ambientais : presso para realizao, presso para inte
lectualidade, presso para a independncia e assim por diante. Cada
fora ambiental era medida com vrios' itens chamados caractersticas
ambientais. Por exemplo: a presso para a realizao tinha, entre outros,
os seguintes itens: a expectativa dos pais para a educao da criana,
as prprias aspiraes dos pais e a valorizao das realizaes educa-

194
cionais. O instrumento era administrado em entrevistas nas 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, Espacial,

W4
Raciocnio. Assim, havia na realidade quatro variveis dependentes, ou
quatro aspectos da varivel dependente bsica, capacidade mental. Havia

(X I
duas variveis independentes: fora ambiental e grupo tnico, ou etnia.

tvv
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, entretanto,
na anlise de regresso mltipla de Marjoribanks, na qual as caracters
ticas aditivas (e subtrativas) de R2 foram usadas. 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 Ys obtidos, as notas verdadeiras de capacidade verbal, foi 0,78.
Elevando esse R ao quadrado, Marjoribanks obteve R2 = 0,782 = 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 R2 foram: 0,50 para capacidade verbal e ambiente e 0,45 para
capacidade verbal etnia. Para obter estimativas das influncias sepa-
radas de cada uma dessas variveis, ele subtraiu seus R2s obtidos separa
damente do R2 obtido das duas juntas. O ltimo, lembre-se, era 0 61.
Portanto, o efeito separado do ambiente calculado subtraindo o R 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 R2 de ambiente ioi
subtrado do R2 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 simples.
Calcula-se o R2 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 sim vez, os
R2 devidos a cada varivel. Isso mostra os clculos de influencia 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
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 tem
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 variancia
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
bs contribuies separadas das duas variveis independentes, ambiente
0 etnia. O ambiente responde por 0,50 da varincia da capacidade
verbal. A etnia 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 propores 0,50 para ambiente e 0,45 para etnia no so,
entretanto, estimativas puras das contribuies varincia de capaci
dade verbal dessas variveis porque uma parcela de cada proporo de
varincia compartilhada pela outra varivel independente. Portanto,
essa parte devida outra varivel deve ser subtrada da contribuio
conjunta de ambas as variveis. 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,
restara depois de subtrairmos o efeito do ambiente, ou 0,61 0,50
= 0 , 11.
Se voltarmos a usar os crculos das figuras anteriores, as coisas po
dem ficar claras. Na figura 11.8 usamos o mtodo de descrio de varin
cia da figura 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 etna 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
apenas (0,16), enquanto que a rea semelhante direita representa a
varincia de capacidade verbal devida a etnia, apenas (0,11). Observe

Tabela 11.1 Varincias explicadas por ambiente e etnia, estudo de Marjoribanks


(1972) *.

Varivel Varivel
dependente independente R*
p-------------------------------------------------------------------------------------
Capacidade verbal Ambiente + Etnia () 0,61
Ambiente (B) 0,50
Etnia (C) 0,45
Efeito da etnia apenas = A B = 0,11
Efeito do ambiente apenas = A C = 0,16
Capacidade de raciocnio Ambiente + Etnia (A) 0,22
Ambiente (B) 0,16
Etnia (C) 0,08
Efeito da etnia apenas = A B = 0,06
Efeito do ambiente apenas = A C = 0,14

* Esta tabela foi derivada das tabelas 5 e 6 de Marjoribanks. um pouco dife


rente de suas tabelas.
Figura 11.8

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 e 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.)
0 leitor deve tambm ficar alerta. Como todos os mtodos de anlise
estatstica, este revela apenas as estimativas dos valores dos R2. s vezes
os R2s podem ser tendenciosos e enganosos. Analistas e pesquisadores
competentes no usaro os R2s sozinhos em suas anlises e interpre
taes. Usaro tambm coeficientes de regresso, as correlaes originais
de onde os R2s emergem, outras estatsticas 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 pla
afirmativa condicional to enfatizada neste livro: Se p, ento q, com
uma relativa ausncia de implicao causai.

Cutright: anlise de regresso e correlaes altas

A anlise e os resultados de um estudo feito por Cutright (1963)


pode aumentar nossa compreenso de uma 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
gpverno, por exemplo, um ponto por ano em que uma nao tinha um
Chefe executivo eleito por voto direto em eleio competitiva. A medida
fesultante era a varivel dependente. As variveis independentes eram
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 tambm). 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 independen-,
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
R2 era 0,67. Mas o R2 (na verdade r2) 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 conseguiu 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 Ys preditos, ou Ys 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 + 0,82Xi + 0,74X2 + 0,60X3 - 0,65X4
Ento, o Y predito, ou Y \ seria:
Y5 = 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 0 desenvolvi-

200
E S poItlc<? da ao sob anIise era mais baixo do que se esperava
^ d e v e ria ^ lS X M e Comu a&>Jurbanizao, educao e agricultura,'
21 4R m * f bt d ?ma nta de desenvolvimento poltico de cerca de
f v 4? ' ^ as 01 pns,deravelmente mais baixa, 14,50. Em todo cao o
de. Cutrigbt bom exemplo de pesquisa scio-cientflca
contemporane3 sobre um fenmeno interessante e importante, o desenvol-
^ ^ manera Uise de
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 relao anlise fatorial. Curiosidade quer dizer querer
saber o que existe 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 menr 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
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 cientfi
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, um 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, tuna boa parte origi
nada da suposta realidade dos fatores. Deixemos claro que a nica
realidade que possuem os fatores reside em explicarem a varincia de
variveis observadas, tal como se revela pelas correlaes entre as
variveis.
Uma palavra que aparece freqentemente em anlise fatorial e
anlise multivariada em geral matriz. Sem dvida, a lgebra das
matrizes, lgebra que usa matrizes em vez de smbolos individuais,
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, 15 x 15 e assim por diante. O primeiro nmero geralmente
representa o nmero de linhas 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 e chamado
matriz de cargas fatoriais ou coeficientes fatoriais.
A expresso carga fatorial ocorre freqentemente. Uma matriz de
cargas fatoriais um dos produtos finais da analise 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.
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 conceituai.)
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 tomando mais claros
medida que formos avanando no captulo. Agora, vejamos a inteligncia
abordada atravs da anlise fatorial.
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 efeitos orticos, 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 estudando a pesquisa de inteligncia feita por um dos
grandes psiclogos deste sculo, Leon Thurstone.
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 ,0 1
Completamento 0,67 0,00 -0 ,0 1
Adio 0,01 0,64 0,01
Multiplicao -0 ,0 3 0,67 0,01
Identificao de nmeros 0,06 0,40 0,42
Faces 0,04 0,17 0,45
Leitura ao espelho -0 ,0 2 0,09 0,36

a 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 ri2 = 0,70, ris = 0,64, r2a = 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 concluira que estariam medindo a mesma coisa
perfeitamente. Se as cargas fossem 0,00, 0,00 e 0,00 (tambm impro
vvel), ele concluira 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 aue o fator bsico comum capacidade verbal, Assim,
denominado 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 deveram
respond-los de maneira semelhante e deveram 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 relao no momento desconhecida entre capacidade verbal
e dogmatismo e 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 matsrial-
mente ajudada pela compreenso das relaes, correlaes, mensurao
e varincia compartilhada). Consideremos a situao do diagrama rotu
lado (A). CVi 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 11.6 do

Figura 12.1

208
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 (r2 = 0,902 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 poder 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 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 inteligncia. Veja-
mos primeiros os testes de inteligncia. Suponhamos que houvesse seis
testes de inteligncia publicados. Se dermos ou aplicarmos todos os
seis testes a um grande nmero de pessoas, digamos 300, e depois calcu
larmos as correlaes entre todos os testes, como seriam a,s correlaes?
Seriam parecidas com as correlaes dadas na matriz de correlaes da
tabela 12.2. Todas as correlaes so positivas e substanciais. Todos os
seis testes evidentemente medem a mesma coisa, e j que so testes^ de
inteligncia, esto medindo inteligncia. Os analistas fatoriais diriam
que h um fator a ser derivado da matriz de correlao da tabela 12.2.
Em outras palavras, fizemos uma anlise fatorial inspecionai ^e con
clumos, porque todas as correlaes entre os testes eram positivas e
substanciais e todas mais ou menos no mesmo grau de magnitude -
que h um fator nos dados. E esta concluso combina com a idia
anterior de que a inteligncia habita um mundo psicolgico unidimen-
sional.
Mas tomemos agora um mundo psicolgico bidimensional. Como se
pareceria uma matriz de correlao obtida em um mundo como esse?
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. Poderam ser satisfatrios se a inteligncia fosse,
realmente, unidimensional. Ela acredita, entretanto, que no seja; que e
bidimensional! A realidade de seu mundo da inteligncia e muito
diferente da realidade da crena geral de outros psiclogos. Como
poder demonstrar sua crena e provar que a crena 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

1 2 3 4 5 6

1,00 0,62 0,59 0,81 0,67 0,50


1
2 0,62 1,00 0,47 0,72 0,52 0,49
0,59 0,47 1,00 0,69 0,61 0,53
3
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

1 2 3 4 5 6 1 2 3 4 5 6

1 1,00 X X 0 0 0 1,00 0,71 0,64 0,15 0,05 0,02


2 1,00 X 0 0 0 1,00 0,58 0,06 0,11 0,01
3 1,00 0 0 0 1,00 0,14 0,05 o;io
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.


b x: correlao substancial positiva predita; 0: correlao predita 0 ou perto de 0.
0 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

1 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.
assim por diante so as preditas como substanciais pela matriz-alvo.
Todas as outras correlaes deveram 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: ri2 = 0,71, m = 0,64 e r-at == 0,58.
Os testes 4, 5 e 6, testes matemticos, esto igualmente positiva e
substancialmente correlacionados: r = 0,59, r-ie = 0,68 e rse = 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 esforos deliberados
de mostr-la incorreta atravs de pesquisa rigorosa planejada especial
mente para demoli-la, poderemos ento ficar compelidos a aceitar a 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 mais
de duas dimenses ou fatores, nenhuma das teorias est correta. A primei
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 das matrizes. Isto possvel porque as


matrizes so simtricas, i.., suas metades inferiores (abaixo da diagonal da es
querda superior direita interior), se ciadas, mostraro as imagens especulares da
metade de cima das matrizes (acima da diagonal).

212
6 523 14

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Figura 12.2

raciocnio 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 direta. 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 0 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 correlao, 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 deveram incluir os valores negativos.


Para maior simplicidade, vamos ignorar temporariamente os valores negativos.
De qualquer maneira,' eles no so importantes 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
(s 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 uns com os outros e no com os testes
4, 5 e 6 e que os testes 4, 5 e 6 estavam correlacionados uns com os
outros e no com os testes 1, 2 e 3. 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 Aa B Tipo de teste

1 0,83 0,07 Verbal


2 0,79 0,06 Verbal
3 0,71 0,11 Verbal
4 0,07 0,77 Matemtico
5 0,02 0,74 Matemtico
6 -0 ,0 2 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
B (Matemtico)

1.0

0,6 -

0,5 -
0,4 -
0,3 -

A (Verbal)
-0,4 - 0,3 -0,2 -0,1 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
- 0,1 -

- 0,2 -

-0,3 -
-0,4 - .
I iiura 12.3
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 faz, alis, colocar o mximo possvel de cargas
prximas aos eixos que representam os fatores. Observe que, na figura 123, os
pontos representados esto todos prximos dos eixos A ou B. N a 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 B, e igualmente os testes 4, 5 e 6 esto perto e assim altos em B 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
R

Cl.

f-w

quadro no to claro; mais nebuloso. De fato, o exemplo irrealstico


porque testes verbais 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 quase 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.
apenas uma convenincia intelectual.) A figura o cubo mais simples

218
Figura 12.5
U

possvel, consistindo e m 2 x 2 x 2 = 8 cubos. Cada dimenso do cubo


foi dicotomizada e rotulada AB, I II e 1 2. A e B representaro verbal
e numrico, I e II perceptual e memria, e 1 e 2, relaes e implicaes.
Estes trs tipos de capacidade intelectual so chamados, respectivamente,
contedo, operao e produto. u a
Pode-se usar o cubo da figura 12.5 o cubo de Guilford muito?;
mais complexo, naturalmente como um modelo da estrutura da inte
ligncia, ou do intelecto. Cada cubo do modelo representa um fator.
Por exemplo, AI1 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 que tais atitudes so
multidimensionais. Sem dvida, qualquer concepo simplria de atitu
des tnicas como unidimensionais tem pouqussimo apoio da anlise
fatorial da pesquisa de atitude. Em seus estudos, os dois propsitos
principais de Woodmansee e Cook eram determinar os componentes
(fatores) de atitudes raciais, em particular atitudes em relao aos pretos,
e construir uma escala vlida e fidedigna, ou, mais exatamente, construir
um conjunto de escalas para medir tais atitudes.
Em seu primeiro estudo, eles administraram uma escala de atitudes
existentes, de 120 itens, a 593 estudantes universitrios norte-americanos
brancos, do Nordeste, Meio-Oeste e Sul. No segundo estudo, revisaram a
escala de atitudes com base no resultados do primeiro estudo e adminis
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 perceber os negros, reagir a eles,
de ter crenas em relao a eles. Mas antes de irmos mais adiante,
precisamos ver o que so realmente os fatores. Tem havido muito
mistrio em relao aos fatores e anlise fatorial. Algumas coisas que j
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 concorda
um nmero suficiente de pessoas de uma amostra que respondeu 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 atitude social
em uma escala de seis pontos; elas aprovaro ou desaprovaro as idias
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 R esp o stas d e seis p essoas a q u a tro iten s d e a titu d e s o c i a l'.
Ite n s

1 2 3 4
Ig u a ld a d e p / C o n tro le da P ro p rie d a d e
Pessoas as m u lh eres n a ta lid a d e p riv a d a N egcios

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

O s n m ero s n a ta b e la so as n o ta s das seis pessoas p a ra os q u a tro re fe re n te s


em um a escala d e 1 a 6, 1 in d ic a n d o m u ito p o u c a a p ro v a o e 6 in d ic a n d o
fo rtssim a ap ro v a o .

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
Wltre as notas das colunas 1 e 3 e 1 e 4 e entre 2 e 3 e 2 e 4 parecem
ser baixas; difcil e mesmo impossvel, perceber padres regulares de
^caminhar juntas.
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 M atriz d e co rre la e s en tre q u a tro iten s d e a titu d e social.

Ig u a ld a d e p a ra C o n tro le d a P ro p rie d a d e
as m u lh eres n a ta lid a d e p riv a d a N egcios

Ig u a ld a d e p a ra
as m u lh e re s 1,00 0,91 - 0 ,1 5 0,04
C o n tro le d a
n a ta lid a d e 0,91 1,00 0,23 - 0 ,1 1
P ro p rie d a d e
p riv a d a - 0 ,1 5 - 0 ,2 3 1,00 0,81
N egcios 0,04 - 0 ,1 1 0,81 1,00

correlacionados. Evidentemente temos dois tipos 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.
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; ento, na medida em que haja correlaes
substanciais entre les, est definido um fator. A natureza dos fatores
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, poderiamos 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 M a triz fa to ria l ro ta d a : re su lta d o d e a n lise fa to ria l d a m a triz d e


c o rre la o d a ta b e la 12.6.

F ato res
Iten s A B

Ig u a ld a d e p a ra as m ulheres 0,94 0,13


C o n tro le d a n a ta lid a d e 0,94 0,00
P ro p rie d a d e p riv a d a 0,25 0,83
N egcios -0 ,1 0 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, deveriamos 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 que Woodmansee 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 Relaes Pessoais Intimas : 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 constituem 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 0 a 7, 8, 9 ou 10 e esses

226
nmeros so usados para iritercorrelacionar os conjuntos de respostas
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 Ite n s selecio n ad o s d e a rra n jo s d e fa to re s d e c o m p o rta m e n to d e en sin o


d e seg u n d o g ra u , e stu d o d e S o n tag c o m m eto d o lo g ia Q .

A p re se n ta o G e ra l d o A ssu n to
A p re se n ta a u la s b e m p lan e ja d a s.
E m su as a p re se n ta e s m o s tra b o m c o n h e c im e n to d o a ssu n to .
A p ro v eita-se d o in te re sse d o a lu n o ao p re p a ra r as a u la s.
P re o c u p a o co m o s a lu n o s
M a n t m su a s p ro m e ssa s co m os a lu n o s.
E n sin a os a lu n o s a serem sensveis s n ecessid ad es d o s o u tro s.
M o stra in te re sse p e lo p o n to d e v ista d o s alunos.
E s tr u tu ra e A s s u n to
T ra n sm ite aos a lu n o s o q u a n to g o sta d o assunto.
D e sp e rta a a te n o dos alu n o s d u ra n te as aulas.
E m su as a p re se n ta e s m o stra b o m co n h e c im e n to d o assu n to .
N o rm a s e R eg ras
E n fa tiz a o re s p e ito p elo s colegas ta n to q u a n to pelo p ro fe sso r.
A ju d a os a lu n o s a serem c o n stru tiv a m e n te crtico s em s u a a b o rd a g e m d o a ssu n to .
E n sin a o re s p e ito p o r to d o s os g ru p o s 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
deveram ser fortes, que negros e mulheres deveram ter igualdade total,
que as rendas deveram ser taxadas progressivamente, que os negcios
deveram 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 (crite-
rial referents theory of attitudes) (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,
pegada a crena comum de bipolaridade e afirmada uma vida distinta e
separada tanto para o liberalismo quanto para o conservadorismo.
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 Q
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

TTabela 12.9 F a to re s d e a titu d e social, itens re fe re n te s e cargas fa to ria is, am o stra


b o m b in a d a d e C a ro lin a d o N o rte e T ex as, N = 5 3 0 .

F ato res co n serv ad o res

R elig io sid ad e T rad ic io n alism o C o n servadorism o


ed u c a c io n a l econm ico

R elig io (0,78) C o n te d o (0,59) L iv re em p resa (0,62)


Ig re ja (0,73) E d u c a o com o tre in o Im veis (0,53)
F e m D e u s (0,72) in te le c tu a l (0,52) P ro p rie d a d e p riv a d a (0,43)
C risto (0,69) D isc ip lin a escolar (0,44) C apitalism o (0,37)
E d. relig io sa (0,57) G ru p o s hom ogneos S o b e ra n ia n a c io n a l (0,30)
E n sin a m e n to d e v alo res (0,30) (C onhecim ento
e sp iritu a is (0,53) cientfico (0,30))
P a d r e s m o ra is em
e d u c a o (0,36)
P a trio tism o (0,33)


F ato res lib erais

D ireito s civis E d u c a o c e n tra liz a d a L iberalism o so cial


n a c ria n a

N eg ro s (0,60) In te re sse s d a c rian a S eg u ran a so cial (0,53)


D ir. civis (0,57) (0,56) S u p rem a C o rte (0,50)
In te g ra o ra c ia l (0,57) C u rrc u lo ce n tra d o A ju d a fe d e ra l p a ra
Ju d e u s (0,46) n a c ria n a (0,54) a edu cao (0,49)
D esag regao (0,43) P e rso n a lid a d e do M ed icin a so cializad a
(P u re z a ra c ia l ( 0,37)) alu n o (0,54) (0,47)
A uto-expresso das N aes U n id as (0,43)
c ria n a s (0,47)
In te ra o dos alunos
(0,44)
L ib e rd a d e d a c ria n a
(0,37)

* A s carg as so d a d a s e n tre p a r n te se s. A s cargas 0,30 o u m aiores fo ra m conside


rad as sig n ificativ as. O s d o is re fe re n te s e n tre p a r n te se s so u m ite m L c arreg ad o
em u m fa to r C e u m ite m C carre g a d o em u m fa to r L.

231
foram usados para comparar com os resultados das amostras combinadas
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 empirica-
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 apareceram? 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
tentando compreender atitudes sociais. 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-
portamental, 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 a b o r d a g e m m u lt iv a r ia d a :
c o r r e la o c a n n ic a , a n lis e d is c r im in a n t e
e a n lis e d e e s t r u t u r a s d e c o v a r i n c ia

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. s vezes
h motivos prticos imperiosos para limitarmos 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
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.
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 Walberg, por exemplo, em que foi estudado
o efeito do reforamento macio e regular sobre a realizao em leitura.
No vamos nos esquecer de que o reforamento macio teve efeito consi
deravelmente maior sobre a realizao em leitura do que o refora
mento 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
mento podem afetar os dois tipos de realizao diferentemfente 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 correla-
cionar cada uma das variveis independentes com cada varivel depen
dente e ento estudar as muitas correlaes. Se as primeiras experincias
de atividades sociais se correlacionam altamente com, digamos, uma
medida de orientao em relaao a pessoas, isto , quanto mais cedo
a experincia de atividade sociais, maior a orientao para pessoas__,
ento provavelmente os pesquisadores podero concluir que as primeiras
experiencias influenciam a orientao posterior. Pode-se ainda calcular
todaj 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 deveram mostrar as relaes entre as
primeiras experincias e as orientaes.
Outro meio de abordar o problema analtico, um meio mais apro
priado 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 correlao entre os
dois ndices compostos, calculada de forma a aumentar a correlao
entre os dois conjuntos de variveis, 8 medidas para cada conjunto, foi
de 0,47. Esta correlao cannica, como chamada, foi estatisticamente
i^icando uma relaao moderada entre as primeiras expe
rincias e a orientao para pessoas.
O mtodo possibilita ao pesquisador, alm de obter a correlao
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
Primeiras experincias de atividades sociais, e a varivel dependente
mais importante foi a chamada Orientao para pessoas, calculada de
escala apropriada e itens de inventrio. A hiptese de Roe e Siegelman
foi confirmada, uma vez que a correlao cannica foi estatisticamente
significante. Alem do mais, foi obtida informao sobre quais variveis
contriburam mais para a correlao entre os dois conjuntos de variveis.
O mtodo ora descrito chamado anlise de correlao cannica.
E o mais geral dos mtodos multivariados, no sentido de que outros
mtodos multivariados podem ser considerados casos especiais de corre
lao cannica. 12 igualmente poderoso e elegante, embora a interpre
tao de seus resultados possa ser difcil e at ambgua. (O porqu

1 re^atada 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 todos os mtodos analticos multivariados so casos especiais do chamado
modelo linear 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 correlao 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 Xi, X2 e X3. A fluncia ou nota de linguagem falada esto na
coluna Yi. 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 0,372 = 0,14 (R2), ou
14 por cento varincia de Y fossem explicados pelas trs variveis

alquer tipo de dados com k variveis independentes e m variveis dependentes,


trai f; tores dos dados, avalia as relaes dentro e entre as variveis dependentes
indep mdentes e especialmente a mxima correlao possvel entre ndices com-
tos das variveis dependentes e independentes.
Tabela 13.1^ Notas fictcias 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, x2 X3 X Y, Y2 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 variveis 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 dadas 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 R2 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 Yi, falar italiano,
a relao foi comparativamente fraca (embora muitos pesquisadores se
contentassem, neste caso, com um R2 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 R2 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 0 R2 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 variveis depen
dentes? possvel analisar as relaes entre os dois conjuntos de
variveis em outras palavras? Os ingredientes de tal anlise so dados
na tabela 13.1. As notas Xi, X 2 e X 3 foram calculadas em cada linha,
produzindo as mdias_ de 10,00, 9,67, 12,00 e assim por diante, na
coluna encimada por X. As notas de Yi e Y2 foram igualmente calcula
das, resultando em mdias_de 10,50, 8,50, 9,00 e assim por diante,
na coluna encimada por Y. Temos ento, um componente X e um
componente Y que so, neste caso, as mdias das notas X de cada
indivduo e as mdias das notas Y de cada indivduo. A correlao
entre o componente X, X, e o componente Y, Y, 0,54. Se elevarmos
ao quadrado esse r, obteremos 0,29. Se aceitarmos os Xs como represen
tativos das trs variveis X e os Ys como representativos das duas
variveis Y, ento a correlao entre as trs variveis X, por um lado,
e as trs variveis Y, por outro, 0,54, e 29 por cento da varincia de
Y compartilhada com X.
O procedimento descrito no seria usado comumente em pesquisas
reais. Ns o usamos para ilustrar uma idia, a idia de determinar
a correlao entre, conjuntos de notas em vez de notas isoladas, neste
caso a correlao entre o conjunto X e o conjunto Y. Na maioria de
pesquisas reais com conjuntos de variveis X e Y, usaramos anlise
de correlao cannica, que calcula, entre outras coisas, o mximo
possvel de correlao entre conjuntos de variveis X e Y. Correlacionar
as mdias de X e Y no calcula corretamente* a verdadeira relao
entre os dois conjuntos de notas. No calcula a correlao mxima
possvel dados os dois conjuntos de notas e todas as relaes entre eles.
Portanto, neste caso, d uma estimativa muito baixa.
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 variveis independentes, ou Xs, e
uma varivel dependente, Y. A correlao cannica estende a idia a
mais de uma varivel Y. Embora os clculos sejam complexos, as idias
bsicas so simples. O coeficiente de correlao, entre as mdias das
variveis X e as mdias das variveis Y da Tabela 13.1, foi 0,54.
Se tivssemos calculado a correlao entre as variveis X e Y usando
anlise de correlao cannica, teramos produzido um chamado coefi-
ilente de correlao cannica que seria o mximo de correlao possvel
entre os conjuntos X e Y das notas, dadas aquelas notas e as relaes
entre as variveis X, entre as variveis Y e entre os conjuntos de
variveis X e Y. A correlao cannica entre os conjuntos de notas X e Y,
ento, seria maior do que a correlao obtida por nosso procedimento
implificado usando as mdias das notas X e Y. (A correlao cannica

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 X2 e Y2.)
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, poderam 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 tabela 13.1, por exemplo,
mostraram que vocabulrio, X2, 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 Holanda, por exemplo, h mais de
30 partidos polticos , a identificao e designao de membros a
grupos so mais complexas e difceis. Na Jnio Sovitica, por outro
lado, onde h apenas um partido poltico, 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
ffiarticipao como membro de um grupo, ento ele ter que dar um
pito 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 Ai; se, por outro lado, tem esta ou aquela caracterstica,
j|esignar-se- ao Grupo A2; e assim por diante para outras caractersticas
e grupos. Um ponto-chave que os indivduos sejam designados no
aos grupos a que realmente pertenam, mas aos quais deveram 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
(Despeito predio de participao em um grupo. Anlise discriminante
uma forma muito til de anlise multivariada, cuja principal tarefa
predizer a participao em um grupo. A pesquisa deste tipo feita mais
ou 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 eognio 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 poderam 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 0 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 indivduos que estudaram holands durante um ano foram exarni-

244
fiados por trs especialistas atuando como juizes e considerados bem-
lucedidos ou malsucedidos em falar holands. Quatro deles foram
fiaracterizados pelos juizes como malsucedidos ; so as pessoas de
a 4 na tabela 13.2 e receberam 0 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 X3 Y

Memria Vocabulrio Relaes Categoria Sucesso,


Pessoas
linguagem

1 12 9 9 Sem sucesso 0
2 10 8 11 Sem sucesso 0
3 14 11 11 Sem sucesso 0
4 21 10 8 Sem sucesso 0
5 24 19 20 Sucesso 1
6 18 16 21 Sucesso 1
7 15 17 14 Sucesso 1
8 20 14 10 Sucesso 1

(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 0 na
varivel dependente, aprendizado com sucesso, 1 indicando bem-suce
dido e 0 malsucedido.
Atribuir 1 e C 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 0 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 0. 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: R2 = 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 + 0,01Xi + 0,14X2 0,01X3
Suponhamos que as notas de um indivduo sejam Xi = 12, X2 = 9, e
X 3 = 9 (notas da Pessoa 1 na tabela 13.2). Ento, substituindo essas
'c notas na equao acima, Y = 0,06. Suponhamos que as outras notas de
outro indivduo sejam Xi = 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 0. A nota predita do primeiro aluno, de 0,06 est
prxima de 0; portanto, provavelmente ele no ter sucesso. A nota do
segundo aluno de 1,23 est prxima de 1; ele, portanto, provavelmente
ter sucesso.
Naturalmente 0 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 provvel- -
nente, no seriam to boas.
Em todo caso, a anlise discriminante uma ferramenta poderosa
com problemas tanto prticos quanto tericos. O uso prtico foi ilustrado
com 0 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 fsseis (Howells, 1972), os antroplogos tinham
que saber se determinado osso d extremidade inferior do antebrao
pertencera a um ser humano ou a um chimpanz. Este um problema
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 maiorii das
notas, as de amplitude intermediria, ocorrer no meio da distribui 3,
e cada vez menos notas ocorrero nas extremidades inferior e superior.)

u.
Ui
Q (
o
2 t
0
(ri
D
t3

Figura 13.1

4 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 di-,
outras lnguas acidentais. Todavia, no se sabe se isto ou no verdadeiro.
Se for verdadeiro, ento, a generalizao fica enfraquecida. Se o holands for mais
difcil que outras lnguas, ento possvel que, com outras lnguas, teriam sido
Obtidas equaes de regresso bem diferentes, e assim predies bem diferentes.
A distribuio A tem uma mdia de 57 e a distribuio B tem uma
mdia de 70. Suponhamos que a escala de mensurao, indicada pela
linha-base da figura, represente uma certa medida de osso que tenha
distinguido com fidedignidade ossos de homem e de chimpanz. A distri
buio A representa medidas humanas e a distribuio B, medidas de
macaco. 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 (indicada pela
rea sombreada de linhas horizontais). A que grupo pertencem? c prova
velmente humano e d provavelmente macaco. Mas no se pode ter
muita certeza porque ambas esto na rea da superposio das duas
distribuies. 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. suficiente dizer que as sete medidas foram deter
minadas como capazes de diferenciar ossos humanos e smios. As sete
medidas foram feitas em 40 ossos humanos e 40 ossos de chimpanzs
em dois museus. O particular osso em investigao foi comparado s
mdias das sete medidas 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
mximo. (Uma combinao ponderada significa que as variveis de
uma combinao recebem nfases quantitativas diferentes maiores ou
menores, atribuindo-se pesos diferentes, como 0,94; 0,72; 0,05 0,40;
1,00 e assim por diante, a elas.) Howells desejava diferenciar o mximo
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 discn-
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, alem de elucidar
a anlise discriminante, joga mais um pouco de luz sobre a analise
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 duas medidas apenas, Xi 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 dos grupos ele pertence. As duas medidas, Xi e X2, deste osso,
so (3,3).
Os seis pares de medidas Xi 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 osso< cai bem perto do meio
dos dois conjuntos de medidas. (Como o leitor est imaginando, fiz isto
X

6 - '

5 + +
(1,5) (3,5)
4 o
(5,4)
3 +
(1,3) (3,3)
2 0
(3,2)
1

I L
1 2
Figura 13.2

249
de propsito.) Design-lo para um dos grupos questo que requer
estudo. m m

Vamos tomar uma idia j apresentada, a da combinao linear


de Xi e X2 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 037
(Estes valores foram calculados atribuindo-se valores de Y iguais a 6
aos primeiros trs 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
(aproximadamente) a diferena entre os dois grupos. Isto foi feito na
tigura 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 1,0; 0,3; 0,6; 1,5; 1,9
c 3,0.
A mdia desses seis valores Y 0,95. Observe que isso separa
claramente os dois grupos de pontos. Na figura 13.3, os dois grupos de

j 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 os representados esto circulados separadamente e a linha ondulada
#lcre eles acentua essa separao. Temos agora dois conjuntos de pontos
^rrespondentes aos dois grupos de ossos e as medidas associadas eles.
O sistema pode ser usado para a identificao e categorizao de ossos
incontrados no futuro. As regras so: Tome as medidas Xi e X2 do osso;
ffcpresente estes valores em um grfico como 0 da figura 13.3; trace
Uma perpendicular linha Y e leia o valor; se for maior de 0,95,
ftribua-o ao chimpanz, do contrrio, atribua-o ao homem.
Este exemplo, ento, ilustra mais ou menos como funciona a anlise
scriminante. No exemplo com sete medies de ossos, em vez de serem
Usados apenas Xi e X2, so usados Xi, X2, X3, X4, X5, X e X7. 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
jpredizer a participao 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
gresso. A varivel dependente a participao no grupo. A regra
umtitativ simples: se for osso de chimpanz, atribua 1; se for osso
humano, 0. O mtodo discriminante ento faz 0 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 = 0,80Xi - 0,40X2
e Xi = 2 e X2 = 5. Ento,
Y = (0,80(2) - (0,40) (5) = -0 ,4 0
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 podera ter
sitio obtido representando o ponto (2,5) na figura 13.3 e depois traando
uma perpendicular linha Y.

Volta a Howells

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. Naturalmente 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 {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 grupo 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 capacidade, 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 Howells 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 fizemos 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 predizer delinqncia,
participao ou no participao no grupo de delinqentes ou no delin
qentes. Eh) outras palavras, ele calcula a equao com indivduos cuja
participao no grupo conhecida, delinqentes e no delinqentes.
Pode ento usar a equao para predizer a posterior participao no
grupo, a delinqncia ou no delinqncia posterior de outros indivduos.
Ele simplesmente aplica as mesmas medidas a outros indivduos 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. anlise discriminante pode ser usada para
ajud-lo em tal descrio e compreenso. Na verdade, foi usada assim
por Cooley e Lohnes na pesquisa sumarizada acima. Este uso do mtodo
mais cientfico do que simplesmente predizer participao 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 predizer tais escolhas. Esta
diferena entre os objetivos da pesquisa bsica e aplicada importante
e est muito 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 estrangeiras
deveriam usar normalmente um mtodo como a analise discriminante
preditivamente. Isto , eles querem saber como predizer acertadament
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 ensino. Os
pesquisadores mais orientados para a pesquisa bsica, por outro lado,
mais provavelmente querero saber por que e como alguns indivduos
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 esboo das duas orientaes gerais da pesquisa est um pouco
pxagerado, naturalmente. 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
mui tivariados 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, duas, trs e
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.
So, portanto, determinados .complexamente. Essa complexidade exige
concepes mui tivariadas. Sem dvida a pesquisa cientfica psicolgica,
sociolgica, antropolgica e poltica vem sendo transformada. Em 1930,
por exemplo, um estudo aplicado como Igualdade de Oportunidades
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 podera 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.
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 provavelmente 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 Jreskog (1974, 1976), que juntou o trabalho de
diversos analistas em uma sntese brilhante e produtiva.7 A anlise de

7 Por minha discusso vai parecer que Jreskog foi o nico responsvel pela
anlise de estruturas de covarincia. 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
tas de tal maneira que no temos necessidade de perguntar que forma
E e anlise est sendo feita. Isto acontece porque as possibilidades analti
cas fazem parte 'd um sistema mais amplo. Em outras palavras, Jreskog
criou uma frmula matemtica e estatstica abstrata que pode ser expressa
em equaes algbricas e sua formulao abarca diversos mtodos multi
variados.
Os programas de computador foram integrados ao sistema (veja a
nota n. 7) de tal forma que uma concepo de pesquisa ^realizada
com o uso do programa do computador. uma descrio bastante
abstrata do sistema de Jreskog, 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, 1967). Esta ltima frase significa que a correlao
entre os dois fatores prxima 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 Jreskog reconhece (por exemplo, Bock & Bargmann,
1966- Wilev, Schmidt & Bramble, 1973). Entretanto, Jreskog juntou varias abor
dagens e mtodos de anlise em um (ou dois) sistemas gerais nos quais a mate
mtica, a estatstica e a tecnologia do computador foram integradas. De fato, os
dois sistemas de Jreskog foram vagamente denominados pelos nomesi dos pro
gramas de computador usados para melhorar o sistema: ACOVb e ni>KE.u. a
primeira das duas referncias dadas acima (1974) usa a mais simples das duas
abordagens, ACOVS. A segunda referncia (1976) usa LISREL, que e mais geral
e mais complexa. tambm mais poderosa. Na descrio acima limito-me a um
aspecto simplificado do ncleo da pesquisa e teoria do sistema.

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 no apenas os conservadores adotam princpios con
servadores, mas qtie 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 Jreskog?
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 muito 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
1 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 Jreskog, estabelece-se primeiro a situao
terica com diagramas. Os diagramas da figura 13.4 expressam as duas
alternativas. 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 ,1 5 0,04


Controle da natalidade 0,91 1,00 -0 ,2 3 -0,11
Propriedade privada -0 ,1 5 -0 ,2 3 1,00 0,81
Negcios 0,04 -0,1 1 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).

Fatores

Itens A B

Igualdade para as mulheres 0,94 0,13


Controle da natalidade 0,94 0,00
Propriedade privada -0 ,2 5 0,83
Negcios -0 ,1 0 0,87

257
(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
deveram 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 l's e 0 s, 1 indicando onde as cargas fatoriais substanciais
(ou outras estatsticas) so esperadas e 0 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.a

Hiptese de Hiptese de
dualidade bipolaridade

I II I II

1 0 -1 0
1 0 1 0
0 1 1 0
0 1 -1 0

*As entradas na tabela tm os seguintes significados: 1, carga fatorial positiva


significante; 1, carga fatorial negativa significante; 0, carga fatorial prxima
de zero.

poderoso; ser delineado adiante. Em todo caso, os dois coeficientes


de acordo coeficientes usados frequentemente 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 0 da matriz alvo de dois fatores
da tabela 13.6, e entre as cargas da tabela 13.5 e os valores 1, 1 e 0 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 pesquisa 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 l s e 0s da matriz hiptese ento
a matriz de correlao produzida no estar de acordo com a matriz
de correlao obtida dos dados observados.

259
Uma das idias bsicas e centrais do sistema de Joreskog 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 e a mesma matriz de
correlaes observada entre os quatro itens de atitude social j relatados
na tabela 13.4. A matriz II 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 II 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.

I: Correlaes obtidas II: Correlaes foradas

1 2 3 4 1 2 3 4

1 1,00 0,91 -0 ,1 5 0,04 1 0,90 0,88 -0 ,1 3 0,02


2 0,91 1,00 -0 ,2 3 -0 ,1 1 2 0,88 0,88 -0 ,2 4 - 0 ,0 9
3 -0 ,1 5 0,23 1,00 0,81 3 -0 ,1 3 - 0 ,2 4 0,75 0,75
4 0,04 -0 ,1 1 0,81 1,00 4 0,02 -0 ,0 9 0,75 0,77

Matriz residual
1 2 3 4

1 0,10 0,03 -0 ,0 2 0,02


2 0,03 0,12 0,01 -0 ,0 2
3 -0 ,0 2 0,01 0,25 0,06
4 0,02 -0 ,0 2 0,06 0,23

260
de dualidade e num outro conjunto que expresse a hiptese de biola-
ridade. A operao se resume em usar os modelos tericos expressos na
tabela 13.6 e em fazer com que os dados da tabela 13.5, as cargas
ifatoriais obtidas, se paream o mximo possvel aos modelos expressos
na tabela 13.6. Quando foi feito isto, foram obtidas as duas matrizes
fatoriais da tabela 13.8.

Tabela 13.8 Matrizes de cargas fatoriais que expressam as hipteses da dualidade


e bipolaridade.

Hiptese de Hiptese de
dualidade bipolaridade
I II I II

1 0,94 0,13 1 0,81 0,00


2 0,94 0,00 2 0,94 0,00
3 -0 ,2 5 0,83 3 -1 ,0 8 0,00
4 -0 ,1 0 0,87 4 -0 ,9 7 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
minada hiptese de dualidade, se obtida nas correlaes originais, apoia
ria a hiptese de dualidade e a matriz denominada hiptese de bipolari
dade, se obtida nas correlaes originais, apoiaria as hiptese de bipola
ridade.
Suponhamos agora que cada uma das matrizes fatoriais da tabela
13.8 fossem realmente obtidas a partir dos dados. Queremos gerar uma
matriz de correlao de cada uma delas e queremos comparar esta matriz
de correlao com a matriz de correlao original.
J havamos produzido uma matriz de correlao a partir da
matriz fatorial da tabela 13.5 e da matriz hiptese, ou alvo, da tabela
13.6 ( esquerda). Foi 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 diferena entre as
duas matrizes e assim seu acordo: quanto menores os resduos, maior o
acordo entre as duas matrizes. O valor mdio dos resduos, omitindo
do clculo os valores diagonais, 0,03.
Tabela 13.9 Correlaes obtidas, correlaes foradas e matriz residual: hiptese
de bipolaridade.

I: Correlaes obtidas II: Correlaes foradas


1 2 3 4 1 2 3 4

1 1,00 0,91 -0 ,1 5 0,04 1 0,66 0,76 -0 ,8 7 -0 ,7 9


2 0,91 1,00 -0 ,2 3 -0 ,1 1 2 0,76 0,88 -1 ,0 2 -0 ,9 1
3 -0 ,1 5 -0 ,2 3 1,00 0,81 3 -0 ,8 7 -1 ,0 2 1,17 1,05
4 0,04 -0 ,1 1 0,81 1,00 4 -0 ,7 9 -0 ,9 1 1,05 0,94

Matriz residual

1 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 mesmo 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 a 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 resduos
so grandes. Sua mdia 0,59. Evidentemente, os resultados obtidos e
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 pi leva a q.
Ele insiste em testar explicaes alternativas plausveis, p2, p3 e assim
por diante. A eliminao de tais hipteses alternativas por meio da
pesquisa fortalece a hiptese pi. A fora principal do sistema de Jreskog
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 chamads 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 Jreskog 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 Jreskog.
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, r,2 a correlao entre as variveis
1 e 2. Os es 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 ai e a2 (para L)
e as e at (para C), cujos valores so calculados pelo sistema. O sistema
calcula tambm a correlao entre L e C e as varincias de erro ei, e2, e3
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

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
s 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 pesquisador. 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
causai: 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 pequeno.
Ento, faz-se 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
zao, 0,42. Estes coeficientes de trajetria foram ligados a suas traje
trias na figura 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 anlisfe 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.) uma anlise das influncias na Realizao mais rica, mais
sofisticada e provavelmente mais exata do que as que obtemos pela
anlise de regresso comum, neste caso principalmente porque j expli
camos n Ach a caminho de explicarmos Realizao.
Quando 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
metas da cincia no apenas a explicao, mas tambm a explica
o parcimoniosa, perguntamos: Se suprimirmos estas duas trajetrias
e recalcularmos os coeficientes de trajetria no modelo resultante mais
jjjarcimonioso, ser que um teste com os dados originais, como o feito
com o modelo de anlise fatorial acima, mostrar um bom acordo entre,
(0,30)

Figura 13.6

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 forem 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
mencionadas 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 parci-
monioso. Novamente, a pergunta : consistente com os dados originais,
com as correlaes originais?
A tabela 13.10 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
T
Tabela 13.10 Correlaes originais, A, correlaes foradas, B, e matriz residual,
quatro variveis, segundo modelo.

A: Correlaes originais B: Correlaes foradas


1 2 3 4 1 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
F-
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 obtidos. Ento, neste
caso, embora o modelo da figura 13.7 seja consistente com as correla
es obtidas, o prprio modelo pode ou no ser a explicao terica

9 preciso 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
a figura 13.6 tambm consistente com os dados. Mas isto no significa que
E .modelo da figura 13.6 seja melhor ou to bom quanto o modelo da figura 13.7.
A reproduo 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 perfeitamente repro
duzida, qualquer que seja o modelo ou diagrama.

267
"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
c-utros 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 ter; 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 mensurao associadas s medidas falveis das
variveis. Tal clculo mudar ento 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
tes 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 mtodo pdssam ser razoavel
mente satisfeitas. Pode-se dizer at que o mtodo um grande avano
fia 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
lia 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 importante da anlise multivariada que os cientistas
podem se aproximar mais da complexa realidade do comportamento
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, entretanto, 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 c o m p u t a d o r

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
com um pouco de sua mitologia.

i, DO
No se pode compreender a pesquisa comportamental moderna sem
compreender o computador, uma das mais fortes influncias contem
porneas na pesquisa. No apenas pelo fato de mais problemas poderem
ser atacados hoje do que antes dos anos 50, os primeiros anos do compu
tador digital eletrnico de alta velocidade. A prpria natureza dos proble
mas que estudamos diferente; mesmo nossa abordagem a problemas j UJ
i
diferente. O
Por exemplo, as tcnicas analticas multivariadas estudadas nos lti
mas captulos so hoje facilmente alcanveis pelo pesquisador porqug
h computadores, centros de computao, e programas multivariados d:
computador a disposio. Sabendo disso, o pesquisador fica livre para
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
esquisadores que difcil fazer uma idia da poca em que eles no
E fdstiam. Eu me lembro bem deste tempo, mas agora penso como poderia
istir profissionalmente sem eles. E assim com a maioria dos pesquisa-
ores 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
de medidas de aptido: verbal, numrica e espacial, por exemplo, O teste
mede realmente as capacidades especificadas? Um meio importante de
responder a esta pergunta aplicando o teste a grandes nmeros de
crianas ou adultos e depois analisar fatorialmente as correlaes entre
os itens do teste. Lembre-se que anlise fatorial, entre outras coisas,
um mtodo de anlise que ajuda o pesquisador a determinar como os
testes ou medidas se agrupam. Determina 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 cs 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 certo
ponto 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 fatorial
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 fazer 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 fez
a anlise fatorial, sem rotaes ao custo de aproximadamente USS 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 planejar uma anlise fatorial de itens. Hoje 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
fcsige 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 independentes. Fazer isto " mo com duas variveis inde-
endentes fcil. Faz-lo com. trs variveis independentes mais difcil,
mas possvel. Faz-io com quatro variveis muito mais difcil, perde-se
ftempo, frustrante e pode-se errar. Um computador resolve facilmente
em questo de segundos. At uma calculadora programvel manual
pode manejar trs variveis independentes em cerca de dois minutos.
A questo que os clculos de um mtodo poderoso como o da regresso
Jpltipla 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 um 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. Ua
nquina 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
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, ua 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
685 pessoas respondeu a uma escala de atitude de 72 itens (Kerlinger,
Middendorp & 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 os
fatores obtidos rotados sucessivamente, comeando com dois fatores,
depois trs fatores, e assim por diante at 12 fatores. O computador
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 .resultados que con
seguir em um computador, contanto que voc tenha feito seu trabalho

274
gorretamente 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
os 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:
4672 X 543 + 117/0,005.
O resultado, naturalmente maior que 1.000.000 e meu computador
no poder resolver. Mas as capacidades dos computadores modernos
so maiores 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 ser 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 ua matriz de nmeros 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 fraes2 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-
jiade . "Ductilidade significa tratabilidade. Uma pessoa tratvel faz o

3 Por exemplo, suponhamos que multiplicamos 0,30, 0,40 e 0,05:


0,30 x 0,40 x 0,05 = 0,006.

275
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. 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. 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.
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. 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 ua manifestao neurtica dessa fascinao,
resta 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
ierramenta 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.)

Um 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
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 acessveis 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 if
(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 instruo
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 e 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:
RESULT1 = A * B (multiplicao)
RESULT2 = A/B (diviso)
(O asterisco a verso Fortran para "x, multiplicar. / a verso
Fortran para dividir.) As operaes so combinadas facilmente,
como a combinao seguinte das quatro operaes aritmticas bsicas:

278
RESULT3 = ((RESULT1 + RESULT2) * 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
mente 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
armazenagem, e os lugares de armazenamento so alcanados simples
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 armazenagem
e os lugares de armazenamento do exemplo acima podem ser concebidos
assim (embora no seja realmente feito assim): i.;
\-JLi
o t;
------- ---------- r _ - < P
O -4
6 4 10 24 1,50 76,50 Ci p
C& l

A B SUM RESULT1 RESULT2 RESULT3 'a

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 depois
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(I)
Isto pode ser traduzido assim: DO (faa) o que estiver indicado na
afirmativa 110, usando 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-
rentes tenham sido lidos antes pela memria da mquina (N = 100).
Eles estariam 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
maneira caracterstica de se acumular valores em Fortran. Alis, a
maquina faz esta operaao repetidamente ate ter usado o N-simo valor
de X (tendo lido 100 anterirmente em um lugar de armazenamento
chamado N). Ento pra espera de novas instrues.
O procedimento acima, entretanto, usa armazenagem que no e
preciso ser usada. Um preceito de programao usar sempre o mnimo
de armazenamento possvel. Uma prtica Fortran mais econmica seria
fazer a maquina ler um valor de X por vez em um carto e fazer a
adio exigida imediatamente. No havera necessidade de armazenar os
Xs, 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 1 = 1 + 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:
veja o texto)
AN = N (Pe N em AN)
107 AVER = SUMX/AN (Calcula a mdia)
110 (Print SUMX and AVER.)
END

Nesta rotina o computador l primeiro N, ou 100, que o usurio


perfurou em um cartao. O comando 10, que foi omitido para evitar
complexidade, realiza isto. Ento SUMX, o nome do que no final
se tornar a soma dos Xs, ajustado para zero. Isto se chama iniciali
zao e o mesmo que limpar uma calculadora antes de comear um
clculo. O comando 30, I = I + 1, uma forma padro de acumular
uma soma. 1 somado a l e colocado no lugar chamado I. (I ser
usado como subscrito de X mais tarde.) O comando 40, cujos detalhes
so omitidos novamente, l o primeiro X, ou X (1). No comando 100,
X (I), que, naturalmente 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. J que
I = , 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
povo. 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)
|eguinte somado a SUMX, novamente feito o teste em 105 e nova
mente o computador volta para 30. O procedimento continua at o 100.
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
AVER, depois de converter N em AN, o. 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 AVER so impressos pelo comando 110 (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, programa acima
tomaria apenas um ou dois segundos. Alm disso, poderiamos 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 Xs, 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 Fortran (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.
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 Parte A rotulada
aperte A) STO + 1 Acumula os Xs na locao 1
1 } somado incremento de 1
ST O +2 1 locao 2
RCL 2 Chama o nmero incrementado em 2,
o nmero de casos.
RTN Parte A terminada.
(Aperte B) LBL B Parte B rotulada
RCL 1 Chama 1, a soma dos Xs.
RCL 2 Chama N de 2.
Divide, %Xi\N = Mdia.
STO 3 Armazena a mdia em 3.
RTN 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


(HP) e as da Texas Instruments (TI) so provavelmente as mais importantes graas
sua capacidade relativamente grande para mquinas to pequenas , sua
sofisticao e utilidade. Seus preos so cada vez mais baixos, talvez os nicos
produtos a ficarem mais baratos durante a inflao. Eu preferi ilustrar a linguagem
da HP, em vez da linguagem da TI. porque a primeira mais compacta e mais
sofisticada. Os dois 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 (I). Toma um
nmero digitado pelo usurio e soma-o ao contedo da locao 1. Se X
fosse necessrio a uma operao posterior, poderia ser armazenado 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 nmero que estiver antes de STO + 2
sera somado o contedo do lugar de armazenagem 2. Quando todos os
Xs tiverem eiitrado, 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 Xs 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 exemplo, introduzirmos 15,
este 15 ficar na locao 1. 1 somado locao 2, ou 0 + 1 = 1.
Isto chamado de volta da locao 2 e mostrado. A calculadora volta
ento a LBL A, pronta para nova entrada X. Vamos dizer que X2 seja 21.
Este somado ao contedo da locao 1, ou 15 + 21 = 3 6 , e 3 6 fica
na locao 1. Novamente 1 somado locao 2, ou 1 + 1 = 2.-
Quajndo 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, SXi|N, a mdia, naturalmente, que
aparece no display. Fica tambm depositada na locao 3 pela instruo
STO 3 para provvel uso futuro. Se 0 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 le ito r d eve e sta r im a g in a n d o de qu fo rm a o c o m p u ta d o r c o m p re e n d e as


in stru es re c e b id a s em F o rtra n ou o u tra lin g u ag em e com o ex e c u ta os com andos.

283
Outros usos e operaes dos computadores

At agora falamos apenas do uso do computador em clculos numri


cos diretos: calculando mdias, correlaes, desvios padres e assim por
diante, e ainda operaes maiores, como regresso mltipla e anlise
fatorial. O computador, entretanto, tem vrios outros usos: anlise de
material verbal, simulao de modelos tericos, planejamento e regulao
do trnsito, e outros. A discusso desses usos est alm do objetivo deste
livro. H um tipo de uso, entretanto, que ser proveitoso discutir porque
nos ajudar a compreender melhor a natureza do computador e seu uso
em pesquisa comportamental. Esta a soluo de problemas de clculo
difceis 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,
foram negligenciados os testes de significncia realmente usados pelos pes
quisadores porque o objetivo deste livro no ensinar estatstica e anlise,
mas as idias por detrs da estatstica e da anlise como partes vitais da
pesquisa. Depois de um pesquisador ter feito um experimento, digamos
como o de Clark e Walberg ou o de Aronson e Mills,.ele precisa testar
a significncia 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 ts. Se o t calculado for igual ou

S eria necessrio q u a se u m liv ro , e scrito p o r u m especialista e m co m p u tad o res,


p a ra e x p licar to d o o assu n to . E n tre ta n to , p o d em o s d iz e r a p e n a s o seguinte: em
q u a lq u e r c o m p u ta d o r g ra n d e , h u m p ro g ra m a de tra d u o , o u u m c o n ju n to
de p ro g ra m a s c h a m a d o co m p ila d o r (compiler). O compilador ex am in a a v ali
d a d e d a F o rtra n (se te m erro s d e g ra fia , p o n tu a o e assim p o r d ian te) e a
tra d u z p a ra a linguagem da m q u in a , p a ra as in stru es a b so lu ta s d a m q u in a ,
em q u a lq u e r q u e seja seu sistem a in te rn o . P a ra m ais d e ta lh e s so b re co m p ilad o res
e o u tro s assu n to s re la c io n a d o s, o le ito r p o d e r c o n su lta r liv ro s m u ito b o n s sobre
c o m p u ta d o re s e seu u so n as cincias c o m p o rta m e n ta is, e scrito s p o r B rier e
R o b in so n (1974) e G re e n (1963).

284
maior do que a entrada apropriada na tabela t h muitos ts 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 Ns.
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 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 vem ilustrada adiante.) Dentro de
alguns anos os programas de computador que incluam distribuies esta
tsticas provavelmente tero tais procedimentos de aproximao embu
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 = 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 U m a subrotina u m p ro g ra m a d e n tro d e u m programa principal. A s su b ro tin a s


tm seus p r p rio s n om es, g e ra lm e n te tm ob jetiv o s especiais e so u sa d a s n o v a
m e n te v ria s vezes. U m d e seus o b jetiv o s e c o n o m iz a r p ro g ra m a a o . E m v ez de
a c u m u la r o n m ero de casos no p ro g ra m a p rin c ip a l d o exemplo acim a,^ p o r
ex em p lo , p o d eriam o s t r e sc rito o p ro c e d im e n to n u m a su b ro tin a e dep o is ch a
m a d o a su b -ro tin a nos lu g a re s a p ro p ria d o s.

285
U m e x e m p lo d e a p r o x im a o : r a iz q u a d r a d a

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 computadores. 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


r | + j = a raiz aproximada depois da -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 sempre funciona. A calculadora
ento usa o algoritmo acima sucessiva e repetidamente ate obter a ra_iz
quadrada. O processo geralmente convergir rapidamente para a soluo
correta.
Para ver como funciona, vamos pr 15 na mquina. As iteraes
sucessivas eu fiz a calculadora parar depois de cada loop para poder
ver o resultado de cada iterao e assim cada aproximaao antes das
solues finais eram:

15
4,75000 1/2 7,5 +
7,5 / J

15
3,95395 1/2 4,75 +
4,75

15
3,87381 1/2 3,95395 +
3,95395

15
3,87298 1/2 3,87381 +
3,87381

e 3,872982 = 15. Calcule \f~2. O algoritmo e as iteraes produzidos:


1,50000
1,41667
1,41422

Para mostrar que funciona com um nmero maior e mais complexo,


calcule V 1587,8714. As iteraes foram mais longas:

397,96785
200,97890
104,43979
59,82175
43,18256
39,97684
39,94831
39,84810
287
e 39.848102 = 1587,8714. Note como os nmeros sucessivos convergem
para o 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
0,866032 = 0,75.

A primeira e a ltima tarefas tomaram cada cerca de 7 segundos, a


cerca de 5 segundos. V 1587,8714 levou ao todo 14 segundos. E possvel
reduzir as iteraes e, portanto, o tempo apreciavelmente, mas nos inte
ressa apenas ilustrar os algoritmos de computador e seu funcionamento.
Assim, embora estes clculos sejam lentos pelos padres de computado
res grandes, eles nos do uma idia dos procedimentos iterativos de
um computador.6
Igualmente, os analistas escrevem procedimentos algortmicos para
outras quantidades para as quais no existem procedimentos exatos.
Algoritmos altamente sofisticados ou pequenos programas sao
incorporados memria do computador e esto sempre prontos para
fcil uso. Quando se d entrada em um nmero cuja raiz quadrada se
deseja, em uma calculadora pequena, e se aperta a chave de raiz quadra
da, a raiz quadrada do nmero aparece instantaneamente. Apenas
parece ser instantneo, entretanto. Todos esses clculos levam algum
tempo. Os analistas de computador tm sido to habilidosos em escrever
e melhorar os algoritmos e a tecnologia da mquina (hardware) do compu
tador e das calculadoras tem progredido tanto que conseguiram-se velo
cidades incrveis. O leitor ctico pode ver isto por si prprio obtendo
primeiro a raiz quadrada de um nmero em uma boa calculadora de
bolso. A raiz quadrada aparecer como que instantaneamente. 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 le ito r cu rio so p o d e r q u e re r sa b e r com o o c o m p u ta d o r sa b e q u a n d o deve


p a ra r de ite ra r. C om o ele sabe q u a n d o tem a raiz q u a d ra d a c o rre ta ? E ste
u m p ro b le m a co m u m em p ro g ram ao d e c o m p u tad o res. A m q u in a in stru d a
a p a ra r d e ite ra r q u a n d o certo crit rio fo r alca n ad o . O crit rio d a d o a n te rio r
m ente e d ep o is d e c ad a ite ra o feito u m teste p a ra v e r se fo i alca n ad o _o
critrio. N o caso presen te, o c rit rio 0,00001. O q u a d ra d o d e r (a a p ro x im ao
d a ra iz ), ou ri, calc u lad o e ri su b tra d a d e x, o n m e ro c u ja ra iz q u a d ra d a
se deseja. Q u a n d o ri x fo r m e n o r o u igual a 0,00001, o teste satisfeito e o
co m p u ta d o r n o re p e te m ais. Se se d e se ja r m aio r e x atid o , faz-se o crit rio m en o r,
p o r exem plo 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 uma 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 resultantes da disponibili
dade dos computadores, 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 staus, 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
des principais valores a soluo objetiva de problemas e comunicao.
O computador , ento, um poderoso smbolo de intelectualidade, princi
palmente intelectualidade cientfica. Como tal, ele refora e apoia normas
e critrios cientficos e intelectuais. No de admirar que pintores,
^escritores, 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 poderam 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 desenvolvimento da anlise de contedo
dentro das cincias comportamentais, a abordagem do intelectual, sua
perspectiva e tjrabalho 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 conceitos-chave, nomes e assuntos, o levantamento
bibliogrfico feito por computador depois que a prpria bibliografia
foi posta nos 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
ligadas a valores foram descobertas em pesquisas anteriores como capazes
de diferenciar grupos sociais, palavras como igualdade, disciplina, reali
zao, religio e liberdade.
Um dicionrio de tais palavras pode ser colocado na memria
do computador. Amostras aleatrias de publicaes-chave editoriais,
discursos polticos e artigos de revistas, por exemplo em diferentes
pases podem ser analisados. Selees inteiras so perfuradas nos cartes
e lidas no computador. O computador examina os cartes, destaca as
palavras relativas a valores que foram colocadas em seu dicionrio,^
depois analisa os dados contando, categorizando e calculando as esta
tsticas apropriadas. O grande trabalho de estudar e analisar os texto
evitado e o pesquisador pode se concentrar no que impor ntfe
a teoria por trs do trabalho, o dicionrio e seu contedo, a seleo
dos materiais para anlise e outros assuntos substantivos e metodologics.
Outro benefcio dos computadores que pessoas trabalhando em
diferentes campos entram em contato no apenas com os especialistas
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 pendores matemticos e as
vezes tomam conhecimento de que um problema analtico que os con
funde j fci resolvido por matemticos ou estatsticos matemticos.
O ltimo benefcio a ser mencionado vem do carter internacional
dos computadores e da cincia da computao. As linguagens de compu
tadores, embora escritas em ingls, ou no que pode ser chamado de
uma forma de ingls, so na verdade, internacionais. No mundo inteiro,
os programas so escritos em Fortran, Algol e outras linguagens de
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
muito 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 captulo 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
sao 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 grupos confidencial. A privacidade e os direitos dos indi
vduos devem ser cuidadosamente salvaguardados. 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.
Infehzmente 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. O
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 de certa linha de pensamento
no podem ser conhecidos porque as possibilidades so muitas. Levara
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, onde uma
pessoa pode levar adiante um procedimento apenas por tempo limitado
e com possibilidades limitadas, um computador pode segui-lo por minu
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
isso?.
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 podem pensar? (A pergunta foi
at considerada sem sentido.) Talvez a melhor resposta tenha sido 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. 1*

7 O leitor pode ter uipa viso geral dos problemas envolvidos lendo Lindsay e
Norman (1977, pp. 593-599) que analisaram um problema particular chamado
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 e, 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 para 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 2, 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 resultados 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 discutida 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
que .o computador.
Corno sempre, a resposta, se que h uma resposta, no culpar a
cirtia, 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.
15. Concepes errneas e controvrsias:
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 condies huma
nas? Por que h to pouca compreenso em relao para que 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 captulo 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 juizes 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 colocam 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
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 juizes
especialistas, juizes 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 to 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 influen
ciados por nossas preferncias. O fato de podermos ou no ser pessoal
mente objetivos discutvel. Mas a questo no esta. A questo, como
j observamos, que os procedimentos da cincia so objetivos e no
os cientistas. Os cientistas, como todos os homens e mulheres so cpinti-
cos, dogmticos, ideolgicos influenciados pelas foras que influen
ciam a todos ns. Esta a verdadeira razo para insistir em objetividade
de procedimento: levar a questo para fora de ns mesmos, sujeit-la
a investigao crtica pblica.
No h verdades absolutas, cientificamente falando. No podemos
saber nada completamente. H apenas graus relativos de conhecimento
vlido e fidedigno. Os procedimentos objetivos aumentam a probabili
dade de obter conhecimento mais fidedigno e mais vlido atravs da
pesquisa. A objetividade em e de si prpria, tem pouco valor. Ser objetivo
no significa ser cientfico. Afastar a objetividade da cincia, entretanto,
destri o ncleo do empreendimento cientfico.

Mtodos quantitativos

Outra fonte de mal-entendidos sobre a cincia, especialmente sobre


sua metodologia, a grande proeminncia da matemtica, principalmente
a estatstica, na anlise cientfica. A crtica quantificao nas cincias
naturais parece quase no existir. Parece natural e bvio medir reaes
qumicas, movimentos moleculares, dimenses fsicas de corpos e matria.
As pessoas parecem no ligar para o alto grau de quantificao em
fsica, por exemplo, onde se estudam, entre outras coisas, as relaes
entre as foras fsicas. H assim, pouca controvrsia. Em psicologia,
sociologia, educao e outros campos comportamentais, entretanto, a con
trovrsia floresce.
Como possvel medir inteligncia? No pode ser vista; n i n g u m
pode entrar em uma cabea (a no ser cirurgies e fisiologistas) para
ver , quanto mais medir a inteligncia. Mesmo admitindo que as
pessoas diferem em grau de inteligncia embora haja quem duvide!
como possvel atribuir-se nmeros a pessoas sugerindo que h
quantidades precisas de inteligncia? No igualmente ridculo afirmar
que caractersticas humanas e caractersticas de grupos e organizaes
possam ser medidas? Mesmo assumindo que parte da mensurao possa
ser bem-sucedida, no devemos ento concluir que qualquer coisa que
tenha sido medida com eficcia seja trivial demais para ter muita impor
tncia? Por exemplo, assumindo que certo aspecto da inteligncia possa
ser medido, refletiro as medidas alguma parte de toda a riqueza, com
plexidade e da natureza multifacetada da inteligncia humana? Ou deve
mos concluir que os aspectos medidos so relativamente sem importncia,
bastante fragmentrios e, em resumo, triviais? Certamente os nmeros
fornecidos por tais procedimentos esto muito alm da realidade, da
rica totalidade, das capacidade humanas. E usar esses nmeros em
clculos estatsticos leva a credulidade longe demais.
Vamos levar os argumentos dos crticos um pouco mais alm. Qual
o significado de uma nota mdia de um teste de inteligncia de um
grupo de indivduos? Em primeiro lugar, como se pode somar nmeros
to questionveis e depois dividi-los por outro nmero? Como se pode
correlacionar dois conjuntos de nmeros cujos componentes individuais
supostamente refletem caractersticas humanas quando, de fato, os nme
ros de ambos os conjuntos esto longe da realidade do indivduo cujas
caractersticas devem ser medidas? Que significado real pode ter um
coeficiente de correlao entre, digamos, uma medida de autoconceito
e uma medida de prestgio ocupacional? H outros argumentos contra a
quantificao, mas estes so suficientes para ilustrar o que se quer dizer.
mais difcil responder tais argumentos do que prop-los. Parte da
resposta foi dada no captulo 9 onde estudamos a mensurao de
variveis. No h dvidas de que certas operaes aritmticas com
nmeros, em variveis de cincia comportamental, so questionveis.
Quando se soma, por exemplo, um conjunto de notas de testes de inteli
gncia e se calcula a mdia do conjunto, est se supondo que os inter
valos entre pontos fixos, como 80, 90, 100, 110, 120, so iguais e que
as distncias numericamente iguais, como de 80 a 100 e de 100 a 120,
representam distncias empiricamente iguais. Medidas de testes de inteli
gncia e muitas outras usadas em pesquisa psicolgica e educacional
podem no satisfazer a suposio. Por exemplo, as diferenas entre
quocientes de inteligncia de 150 e 140 realmente podem ser psicologica
mente maiores do que a diferena entre os quocientes de 110 e 100.
Ou seja, a distncia psicolgica entre 140 e 150 a verdadeira dife
rena entre estes dois nveis mensurados de inteligncia pode ser
consideravelmente maior do que a distncia psicolgica entre 100 110.
Os nmeros anteriores podem representar uma diferena muito maior em
inteligncia, em outras palavras, do que os ltimos, embora as diferenas
numricas em ambos seja de 10.

300
H diversas respostas crtica feita quantificao nas cincias
comportamentais, sendo que a mais importante emprica e pragmtica.
O uso da quantificao funciona! Embora as suposies que formam a
base do uso dos nmeros e sua manipulao possam ser violadas, a
quantificao funciona muitssimo bem. Quando a inteligncia de criana
medida com um teste fidedigno razoavelmente vlido, pode-se correla
cionar os nmeros obtidos com outros nmeros obtidos em outro teste
aplicado s mesmas crianas, digamos, um teste de realizao verbal, e
obter uma excelente aproximao da magnitude da relao. A evidncia
para a verdade desta afirmativa que em geral e, naturalmente,
com as excees de sempre as crianas que obtm notas altas em
testes de inteligncia tambm recebem notas altas em testes de realizao
verbal, assim como em testes de outros tipos de realizao; e as crianas
que obtm notas baixas em inteligncia tendem tambm a receber notas
baixas em realizao. (Veja a discusso sobre validade no captulo 9.)
Embora o cientista no desdenhe arbitrariamente suposies impor
tantes na atribuio de nmeros a objetos que esto sendo medidos, ele
sabe que, s vezes, no pode satisfazer todas elas. Alm disso ele sabe,
por experincia e pela evidncia, que com conhecimento, cuidado e habi
lidade em planejar e usar suas medidas, ele pode conseguir aproximaes
razoveis de suas variveis e as relaes entre elas no sentido de que seus
resultados, apropriadamente testados e verificados, concordam com a
realidade, como no exemplo acima de inteligncia e realizao verbal.
Conseguindo tudo isso, ele pode usar os mtodos fortes da matemtica
e da estatstica para ajud-lo a fazer inferncias sobre o que est l
fora.
H uma resposta emprico-experimental fortemente relacionada com
isso para as acusaes quantificao. Os testes estatsticos de significn-
cia tm certas suposies por detrs. Por exemplo, um teste t, que j
discutimos anteriormente, entre outras coisas, avalia a significncia esta
tstica da diferena entre duas mdias. Uma das suposies em que se
baseia o teste (Edwards, 1967, pp. 214-215; Hays, 1973, pp. 409-410)
que as notas das duas populaes das quais os dois grupos so amostras
so distribudas normalmente.1 A teoria que apoia o teste t, da dife
rena entre duas mdias, requer esta suposio. Se for violada, os resul
tados de um teste t podem no ser vlidos. Igualmente, supe-se que as

1 Lembre-se de que "distribuio normal significa que as notas, se representadas


apropriadamente em um grfico, formaro uma curva em forma de sino, encon
trada freqentemente em textos de estatstica e j mostrada neste livro. O signi
ficado de uma distribuio normal que a maioria dos sujeitos tm notas no
meio da distribuio, alguns poucos tm notas baixas e muito baixas, e alguns
tm notas altas e muito altas.
varincias (variabilidades) das duas populaes sejam iguais. Novamente,
se essa suposio for violada, se as duas varincias no forem iguais
(estatisticamente), ento, os resultados do teste t podem no ser vlidos.
Testes empricos (por exemplo, Boneau, 1960) e a experincia
mostraram que a suposio de normalidade pode ser violada sem grandes
prejuzos para os resultados do teste t. Os pesquisadores podem usar o
teste sem se preocuparem demais com a suposio, principalmente se
suas amostras forem grandes (Hays, 1973, p. 410). A suposio de varin
cias iguais mais importante. Mas, em geral, esta tambm pode ser
violada, s vezes, impunemente. Ficou demonstrado, em outras palavras,
que o teste t e testes semelhantes, so robustos. So to fortes que
podem funcionar muito bem at quando as suposies que os apoiam
so violadas. Naturalmente, ningum em seu perfeito juzo advoga a
negligncia das suposies. Mas agora sabe-se que elas no so to impor
tantes quanto se imaginava que fossem.
H, naturalmente, outros argumentos que apiam a quantificao
nas cincias comportamentais. Mas eles nos levariam longe demais.
Vamos terminar a coisa, portanto, com o argumento pragmtico de que
a quantificao e seu uso tm sido altamente bem sucedidos e, que com
o crescente uso do computador e mtodos sofisticados, tornar-se-o mais
eficientes ainda. Sem dvida, o uso da quantificao nas cincias com
portamentais, to essencial em todas as cincias, foi um dos empreendi
mentos mais notveis do sculo XX. O argumento de que a mensurao
de atributos psicolgicos e sociolgicos questionvel, por exemplo, a
mensurao de inteligncia e atitudes, simplesmente contradito pela
evidncia. Inteligncia, atitudes e muitas outras variveis psicolgicas e
sociolgicas classe social, realizao e necessidade de realizao,
aptides e outras foram eficaz, seno perfeitamente, medidas.

Valores e cincia

Outra rea de interesse bastante obscura a dos valores e sua


relao com a cincia, assunto abordado no captulo 3. Valores so
organizaes de crenas sobre princpios, normas e padres de compor
tamento e objetivos de vida (end-states of life), que expressam prefern
cias culturalmente ponderadas e julgam a bondade ou maldade
de preferncias, normas e objetivos de vida. Expressam tambm julga
mentos morais de normas e comportamentos (veja Rokeach, 1973). Uma
caracterstica significante dos juzos de valor, mostrada no captulo 3,
que eles no podem ser testados empiricamente. Portanto, eles no
podem ser submetidos pesquisa cientfica. Afirmativas tais como
errado praticar a discriminao com base em raa, religio, sexo ou
origem nacional, A propriedade privada sagrada, e Religio o

302
pio do povo so proposies de valores. No h forma de test-las
empiricamente. Elas esto alm dos meios e capacidades da cincia.
Por isso, os cientistas excluem tais proposies de seu trabalho.
Isto no significa que os cientistas, como indivduos, ou at em
grupos, no tenham valores. Tal afirmativa absurda. Nem significa que
a pesquisa cientfica seja isenta de valores. As escolhas de tpicos de
pesquisa e at a metodologia da pesquisa so influenciadas pelos valores
que o cientista adota. Os valores podem tambm influenciar a interpre
tao dos resultados da pesquisa. O psiclogo ou o socilogo informado
sabe disto, entretanto e usa salvaguardas para minimizar esta influncia.
O fato de os cientistas evitarem proposies de valores como no
testveis, no significa que os prprios valores no possam ser estudados
cientificamente. Sem dvida eles foram assim estudados, mas por mais
estranho que parea, nem uma frao do que sua importncia justifica.
O estudo cientfico de valores abordado o mais objetivamente possvel;
o cientista que estiver estudando valores tem que ser especialmente
cuidadoso para que seus prprios valores no influenciem a coleta e
anlise dos dados e a interpretao dos resultados. Exemplos possveis
de pesquisa de valores so a influncia de valores conservadores e liberais
no comportamento eleitoral; o efeito de valores religiosos em questes
como divrcio e aborto; as relaes entre os valores de pais e filhos;
a ligao entre valores colocados em conceitos como liberdade e igual
dade, de um lado, e valores colocados em conceitos como propriedade
privada e capitalismo, de outro.
perfeitamente possvel, em outras palavras, estudar valores como
um fenmeno natural. Pode-se explorar a estrutura fatorial dos valores
que as pessoas dizem que adotam, para conhecer as relaes entre conjun
tos gerais de valores e como os valores expressos podem se agrupar.
Pode-se estudar os diversos efeitos de valores declarados em tipos dife
rentes de comportamento social, ou as relaes entre valores polticos e
valores religiosos, ou as maneira pelas quais as crianas aprendem os
valores. Mas no se pode testar empiricamente as prprias proposies de
valores, proposies que contenham as palavras bom, mau, deve
ria, podera, e assim por diante. Simplesmente no h maneira de
faz-lo. Tais proposies e palavras implicam e refletem julgamento
humano. No h nada a testar, nenhuma relao entre variveis que
possa ser manipulada ou mensurada.

A pesquisa cientfica e o indivduo

Uma fonte de considervel insatisfao com a cincia e a pesquisa


cientfica, principalmente a psicologia cientfica e a pesquisa psicolgica,
centraliza-se na suposta falta de preocupao que a cincia teria pelo
indivduo. Este problema j foi mencionado neste livro. Felizmente, foi
resolvido facilmente racionalmente. Infelizmente no fcil de resol
ver psicologicamente. A preocupao se origina no que as pessoas vem
como sendo abstrao, frieza e distanciamente da cincia e falta de
preocupao com o indivduo humano. Os prprios cientistas so consi
derados frios e distantes. Sente-se, ento, que a cincia tem uma influn
cia desumanizadora e que os cientistas so pessoas a quem se deve
temer e limitar. Temos, ento, um sentimento de antipatia bastante
forte para com a cincia, os cientistas, a pesquisa cientfica, baseado
no suposto descaso pelos problemas humanos.
Argumentar que esse sentimento est baseado em concepes
errneas no acaba com ele. Devemos, assim mesmo, tentar explicar e
justificar esse distanciamento e essa frieza corretamente percebidos. Nossa
explicao se concentrar em torno da abstrao da cincia e de sua
falta de preocupao com o indivduo.
Como j ficou dito aqui neste livro, h justificao para perceber
a cincia como fria e distinta. Ela necessariamente abstrata. Ser abstrata
significa estar. afastada, separada, parte de coisas especficas. Uma
equao matemtica altamente abstrata. Todos os substantivos so
abstratos: no so as coisas que representam ou nomeiam. Em vez disso,
eles esto no lugar das coisas, eles as representam, eles lhes do nomes.
Vejamos as palavras livro, homem, mapa, cincia, pesquisa .
As trs primeiras palavras significam objetos especficos ou entidades
delineveis; so abstratos. As duas ltimas tambm querem dizer
coisas, mas so mais abstratas do que as trs primeiras porque repre
sentam muito mais. Elas representam idias e atividades complexas.
Estas ltimas trs ou quatro sentenas foram deliberadamente mais
abstratas do que poderam ter sido. As trs primeiras palavras, por
exemplo, foi usado em vez das palavras especficas livro, homem, e
mapa.
Uma das caractersticas mais importantes e indispensveis da cincia
sua abstrao. Sem dvida, os cientistas procuram ser o mais abstratos
possvel porque abstrao significa maior generalidade e fora. A meta
expressar relaes descobertas e tericas e talvez leis em smbolos e
expresses matemticas.2 Suponhamos que um cientista, ao tentar expli
car a memria, descubra que ela afetada pela inteligncia, pela organi

2 Uma lei em cincia um enunciado de relaes que tem uma base terica
e considervel apoio emprico. Uma teoria, naturalmente, pode ou no ter apoio
emprico. Se uma teoria foi apoiada repetidamente pela evidncia, pode ento ser
chamada uma lei. No h regras rgidas e seguras, entretanto, para dizer
quando uma teoria confirmada se torna uma lei.

304
zao (da informao a ser lembrada) e pelas imagens. Ele pode e natural-
mente descrever a relao descoberta em palavras. Mas ele expressar a
relao mais sucinta, exata e frutiferamente com, digamos, uma equao
de regresso, que mostra mais claramente qual a natureza da relao.
Muitos outros exemplos da necessidades e fora da abstrao pode
ram ser dados. Mas isto no chega raiz do motivo pelo qual o cientista,
como cientista, no. tem que se preocupar com o caso individual. Ao
propor a equao de regresso, como no caso acima, ele perde indivi
dualmente as pessoas que foram seus sujeitos. Sua equao de regresso
uma expresso mdia, uma abstrao dos dados originais. Naturalmen
te, ele poder usar a equao de regresso para predizer a nota de
qualquer sujeito em uma varivel dependente. Mas isto tambm uma
abstrao, uma expresso que diz, com efeito: Aqui est a predio
para o sujeito X, mas apenas uma predio da mdia. Temos aqui
um dilema e uma pista para a natureza grupai da cincia. Para enten
der isto, vamos examinar um meio muito til de encarar disciplinas e
proposies.

A distino nomottica-ideogrfica

Existem dois grandes tipos de disciplina d conhecimento, nomo-


tticas e ideogrficas. Diz-se, por exemplo, que a fsica nomottica e a
histria, ideogrfica. Nomottica significa fazedor a de leis. Uma disci
plina pode ser caracterizada como nomottica se seu objetivo bsico
estabelecer leis gerais. A fsica um exemplo claro porque seu principal
objetivo descobrir leis naturais ou enunciados de relaes entre fenme
nos fsicos. A chamada lei da gravidade um exemplo bem conhecido.
A psicologia e a sociologia so disciplinas nomotticas, ou fazedoras de
leis. As cincias comportamentais so geralmente consideradas nomotti
cas, embora haja desacordo neste ponto.
Ideogrfica significa descrever as coisas individualmente. As disci
plinas ideogrficas no so basicamente descobridoras de leis; so, antes,
descritivas. A histria, por exemplo, ideogrfica: o historiador tenta
dar descries exatas de acontecimentos singulares e de suas relaes:
a histria da Guerra Civil, as causas da Revoluo Russa, a origem e
fundao das escolas pblicas na Amrica. So estudadas as relaes e as
supostas causas e efeitos, mas o interesse se focaliza em indivduos,
naes, organizaes e acontecimentos. A histria, portanto, no uma
cincia. Isto de forma alguma significa que ela seja de alguma maneira
Inferior ou superior cincia. simplesmente diferente ideogrfica.
Em psicologia e educao freqentemente h conflitos entre nomote-
tistas e idegrafos, como passarei a cham-los. Os psiclogos clnicos

305
so principalmente idegrafos. Esto principalmente preocupados com o
indivduo e seus problemas. Os pacientes devem ser tratados. As pessoas
tm que ser servidas. Por outro lado, o estudante nomottico da personali
dade no est nem pode estar preocupado com o indivduo. Ele procura
leis que expliquem o comportamento. Ele quer, por exemplo, conhecer
a raiz das neuroses. Est interessado no cliente apenas como um exemplo
da expresso de uma teoria de personalidade. A neurose do paciente deve
ser explicada por meio de leis, nomoteticamente. O quadro que estou pin
tando um bocado extremo; h cientistas-psiclogos que combinam abor
dagem nomottica e ideogrfica, mas eu imagino que no lhes fcil
fazer isto. H muitos anos, Carl Rogers expressou eloqentemente seu
prprio conflito ao tentar ser ao mesmo tempo nomottico e ideogrfico
(Rogers ,1955).
Os cientistas, ento, no esto nem podem estar preocupados com
o caso individual.3 Eles buscam leis, relaes sistemticas, explicaes de
fenmenos. E seus resultados so sempre estatsticos. Eles precisam apren
der a viver e trabalhar com a incerteza. As leis que buscam so enuncia
dos do tipo se p, ento q, mas tais enunciados so sempre compreendidos
como enunciados do tipo se p, ento provavelmente q. Quaisquer predi-
es que so feitas para casos individuais, no so individuais no
sentido clnico ideogrfico, mas antes uma espcie de "indivduo ,
abstrato de uma equao estatstica.
Para clnicos, professores e pessoas cujo trabalho esteja ligado ao
indivduo, parece difcil compreender a cincia e o cientista nomottico.
Seu principal interesse na cincia, se existir, est em como ela pode
ajud-los a curar ou ensinar indivduos, e nem tanto em leis abstratas
que podem ou no ser aplicadas a indivduos particulares ou que talvez
apliquem a eles apenas em mdia.

Predio

Para compreender um pouco melhor a distino, vamos examinar


agora as duas principais maneiras empricas de estudar indivduos: predi-

3 Existe uma aparente exceo a esta afirmao. Freqentemente os cientistas


predizem para casos individuais, principalmente em psicologia e educao. Por
exemplo, com base em trs, quatro ou mais testes e uma equao de regresso,
pode-se predizer os status ocupacionais de indivduos. Foi dado outro exemplo
no captulo 13, quando discutimos anlise discriminante: foi predita a incluso
de um osso particular em um grupo. Mas no acho, entretanto, que sejam real
mente excees. Em todos os casos como este as predies foram estatsticas.
Calcula-se a nota provvel de Y, alguma medida a ser predita, com base nas
notas obtidas de vrios sujeitos. O cientista est basicamente interessado nas
relaes, e no nos indivduos, ossos ou pessoas de suas amostras. (Veja a dis
cusso a respeito de predio, adiante.)

306
o perfil. (Vamos omitir todos os meios mais ou menos subjetivos,
como a especulao psicolgica intuitiva e a astrologia.) Pela predio
podemos prever o desempenho de um indivduo em uma varivel depen
dente com base em uma ou mais notas em certas variveis independentes.
Ou, intimamente relacionado com isto, predizemos a categoria ou a
incluso do indivduo em um grupo com base em seu desempenho ou
suas medidas em um ou mais testes ou medidas. Exemplos comuns so
a predio de realizao no segundo grau ou na universidade, com base
em medidas de inteligncia, classe social, motivao e realizao anterior,
e a predio de sucesso ocupacional a partir de medidas de escolaridade,
classe social, escolaridade e ocupao dos pais.
Talvez o mtodo para fazer predies mais freqiientemente usado
seja o da anlise de regresso mltipla. (Se houver, naturalmente, apenas
uma varivel dependente a ser predita.) O pesquisador aplica as medidas
das variveis independentes a um nmero de pessoas e apura ou mede

W d 00 TV
a varivel dependente. (Apura usado aqui porque quando a varivel
dependente a incluso em um grupo sucesso ou insucesso em
terminar a universidade, por exemplo , tudo o que se tem a fazer
determinar a que grupo ou categoria o indivduo pertence.) Ele faz ento
anlise de regresso mltipla e usa a equao de regresso para fazer
a predio, como ficou esboada no captulo 11.
Como exemplo, vamos tomar um fenmeno muito difcil, a criativi
dade. O conceito difcil porque no fcil saber o que criatividade;
de difcil definio, principalmente de modo operacional. Mas vamos
imaginar que um psiclogo tem duas medidas razoavelmente boas qi ie '
predizem criatividade em crianas, sendo que o conceito global de criati-p ?
vidade propriamente dito seria julgado por especialistas. Vamos deno
minar as duas medidas Xi e X2 e criatividade, Y. Neste ponto aconselhai;'
mos que o leitor volte ao captulo 11 e reveja o pargrafo sobre o estudo
de Holzman e Brown e a seo imediatamente seguinte. L aprendemos
o que uma equao de regresso, para que usada, e como se podem
fazer predies individuais usando a equao de regresso.
Uma equao de regresso abstrata com duas variveis indepen
dentes :
Y = a -f- biXi + 02X2
Y a nota predita, a, a chamada constante de interseco, vamos
ignorar de novo; no importante para o que queremos. Xi e X2 so
as variveis independentes, e bi e b2 so os pesos de regresso para
Xi e X2. So partes dos frutos da anlise de regresso. Como seu nome
indica, eles ponderam ou atribuem importncia diferenciada s
medidas das variveis independentes.
Vamos supor que o psiclogo aplicou Xi e X2 e sua medida de
iatividade, Y, a um grande nmero de crianas, tenha feito a anlise

307
de regresso e tenha obtido a seguinte equao de regresso que a
mesma usada para ilustrar regresso e predio no captulo 11:
Y = 0 ,10 + 0 ,6 8 X i + 0,39X 2

bi e b2 so 0,68 e 0,39, respectivamente. Eles indicam que em qualquer


predio individual Xi tem um peso maior do que X2. Em outras
palavras, foi descoberto que Xi contribui mais para a predio de Y do
que X2. Vamos supor ainda, que dois indivduos, nmeros 7 e 41 em
uma amostra de 50, obtiveram notas X /e X2 de (2,4) e (10,5), como no
captulo 11. A predio dos dois Y ou das notas de criatividade so,
ento:
Indivduo 7: 0,10 + (0,68) ( 2) + (0,39) (4) = 3,02
Indivduo 41: 0,10 + (0,68) (10) + (0,39) (5) = 8,85
Com base nestas predies, o psiclogo poder dizer que o indivduo 41
, ou ser, mais criativo que 0 indivduo 7 (naturalmente nos aspectos de
criatividade medidos por Xi e X2).
Esta a essncia da predio. 4 O psiclogo predisse a nota de criati
vidade de dois indivduos. Ele pode usar a equao para predizer a
criatividade, ou notas Y de quaisquer indivduos semelhantes. Mas
observe cuidadosamente que essas predies so realmente predies de
grupo, no sentido de que os pesos foram obtidos das notas Xi X2 e Y
de um grupo de indivduos. Elas so, por assim dizer, mdias, abstraes
estatsticas derivadas dos dados originais do grupo. As predies so
assim de natureza estatstica. Tm probabilidades maiores ou menores
ligadas a elas. No so, portanto, e estritamente falando, predies indi
viduais, mas antes predies para classes de indivduos que obtiveram
as notas dadas Xi e X2. Como tais, podem e so muito teis s vezes,
mas no so individuais no sentido existencial do termo. Em outras
palavras, 0 indivduo existencial, 0 ncleo da individualidade, escapa
para sempre do cientista. Ele est mais ligado a dados de grupos, predi
o estatstica e clculos probabilsticos.
Foi dito que isto verdadeiro nas cincias comportamentais; uma
funo da inexatido dessas cincias. Mas nas chamadas cincias exatas,
entretanto, as leis seriam conhecidas virtualmente com certeza, e as predi
es de casos individuais poderam ser feitas com toda confiana. No
bem assim. Naturalmente h diferenas entre um e outro tipo de cincia,
mas no se trata de diferenas em idias gerais, concepo, abordagem e
metodologia geral. So diferenas em grau de preciso da experimentao

4 O leitor interessado em predio estatstica achar esclarecedor o livro de


Rozeboom (1966), que, s vezes, divertido, difcil e mesmo profundo.

308
e mensurao. Mas todo o conhecimento cientfico conhecimento de
relaes empricas, cuja existncia traz sempre junto um rtulo de
probabilidade. Em cincias naturais as probabilidades so mais altas do
que em cincias sociais. As generalizaes e predies em todas as
cincias, entretanto, so predies de grupo e so probabilsticas. Um
fsico no pode predizer o movimento de um tomo com mais exatido
do que um psiclogo pode predizer a nota de criatividade de uma criana.

Perfis

Outra maneira muitssimo til de estudar-se o indivduo atravs


de perfis e anlise de perfil. Na realidade, a anlise de perfil est
intimamente relacionada com a predio. Naturalmente mais complexa
e talvez mais interessante, principalmente para o pessoal ideograficamente
orientado. Perfil um conjunto de notas de um conjunto de testes ou
medidas. Os perfis podem ser de indivduos ou de grupos. Perfis indi
viduais consistem em duas, trs ou mais notas de algum tipo dadas a
um s indivduo. Perfis de grupos so algum tipo de notas mdias obtidas
a partir de um grupo de notas. Um perfil comum de grupo seria um
conjunto de mdias de um grupo em duas, trs ou mais medidas.
Usam-se freqentemente os perfis para propsitos diagnsticos. Por
exemplo, os professores estudam as notas de aproveitamento dos alunos
em diferentes matrias para diagnosticarem foras e fraquezas. As mat
rias de testes fornecem aos professores, administradores e orientadores,
perfis de informao tanto de indivduos quanto de classes e at de
toda uma escola. Freqentemente, os clnicos usam perfis de testes de
personalidade para ajud-los a diagnosticarem as dificuldades de um
paciente. Assim, os perfis so instrumentos muito teis para se trabalhar
com indivduos. Como os mtodos de regresso mltipla, so tambm
instrumentos multivariados que, pelo menos teoricamente, esto mais
prximos da complexidade dos atributos e do comportamento humanos
do que simples testes ou medidas.
Apesar de seu aparente carter individual e seu apelo ideogrfico,
os perfis, como as equaes de predio discutidas anteriormente, so
produtos de grupos. Um perfil deriva seu significado apenas da ligao
de suas notas componentes aos dados de grupo. Isto est ilustrado na
figura 15.1. O perfil consiste nas notas representadas graficamente de
quatro medidas de talento musical outro conceito difcil, por sinal
memria, percepo meldica, acuidade auditiva e coordenao.5 Pode-

f Estas medidas foram escolhidas apenas para ilustrar as questes apresentadas;


elas no provm de uma pesquisa real. Os detalhes tcnicos de como apresentar

309
Coordenao
x

Figura 15.1

mos dizer que a figura 15.1 retrata o (limitado) perfil do talento musical
de um indivduo. Por ela, pode-se avaliar mais ou menos a capacidade
musical da pessoa. Supomos que os quatro atributos dados sejam impor
tantes para qualquer um que aspire realizao musical. As notas do
indivduo esto representadas acima e abaixo das mdias das quatro
medidas. (Vamos supor ainda que as notas brutas dos testes foram
transformadas convenientemente em medidas comparveis. Do con
trrio, o perfil no teria muito sentido.) 6
No caso presente podemos verificar que o indivduo tem memria,
percepo meldica e coordenao acima da mdia. Mas sua acuidade
auditiva est consideravelmente abaixo da mdia. J que a acuidade
decisiva (digamos) na maioria das atividades musicais, o prognstico para
seu sucesso musical no nada bom. Entretanto, ele poder dar um
bom baterista! Mas jamais um timpanista, j que preciso afinar os
tambores, mesmo durante um concerto!
Observe novamente que os perfis, como as equaes de regresso,
esto amarrados a medidas de grupos. As mdias, calculadas pelas notas
de um grupo, so os referenciais comparativos que possibilitam a inter
pretao. Em resumo, o psiclogo, o professor e o orientador que usam

perfis como este so ignor