Educem 4 PDF

Elaborando um Questionário
Lorí Viali, Dr.

DESTAT/FAMAT/PUCRS
viali@pucrs.br
http://www.pucrs.br/famat/viali
PASSOS
Estabelecer uma ligação com:
O problema e os objetivos da pesquisa;
As hipóteses da pesquisa (Quantitativa);
A população a ser pesquisada;
Os métodos de análise de dados

(escolhidos e/ou disponíveis);
Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Decidir sobre:
O Conteúdo das perguntas;
Formato das respostas desejado;
Formulação das perguntas;
A seqüência das perguntas;
O fluxo e a estrutura (lay-out);
Pré-teste;

Identificar a necessidade de informação;
Determinar o método de coleta de dados;
Planejar as principais seções;
Formular as questões de cada seção
Determinar o fluxo e a estrutura;
Revisar;

Conteúdo das questões
A questão é realmente necessária? Onde
a informação vai ser utilizada?
O assunto exige uma nova pergunta ou já
está incluído em alguma outra?
A questão é clara e específica?
Quantas questões são necessárias sobre
esse tópico? Uma é suficiente?

Qual é a escala que será utilizada?
Uma resposta dicotômica (sim/não) é
suficiente?
A questão envolve um único tema?
O público alvo tem condições de
responder a questão?
Que restrições os respondentes podem ter
em responder as questões?

Formatando as respostas
A escolha do(s) tipo(s) de
questão(ões) deve levar em conta
a resposta que se quer e também a
forma como a informação será
tratada.

Quanto ao questionário
Revise.
Obtenha todas as aprovações;
Realize um pré-teste (piloto) com
amigos/colegas;
Faça as revisões baseadas no pré-teste;
Revise novamente!

Identifique você e a organização;
Defina os objetivos do questionário;
Solicite, apele, incentive a participação;
Estime o tempo necessário para

responder;
Forneça instruções básicas (quem, como,

quando).

Esclareça que a participação é
voluntária;
Assegure a confidencialidade e o
anonimato;
Questões prospectivas;
Questões avaliativas;
Questões demográficas;
Fechamento (agradecimento);

Quanto as questões
Seja simples. Se o respondente não
entender o que está sendo perguntado
ele não responde ou pode responder
qualquer coisa;
Evite perguntar mais de uma coisa ao
mesmo tempo. Por exemplo: você gosta
de cinema ou teatro?
Evite questões ambíguas. Você acha
que os jovens deveriam ser envolver mais
em causas sociais?
Questões opinativas deve ser evitadas.
Por exemplo: com que freqüência você
pratica exercícios?
Negativas duplas podem ser difíceis de

entender. Por exemplo, não é correto
que algumas pessoas não deviam ter
permissão para dirigir?

Evite o uso de termos técnicos que
podem ser desconhecidos. Por exemplo,
pressão alta é melhor do que
“hipertensão”.
O nível da linguagem deve ser
adequado a população sendo
amostrada. Utilize um estudo piloto para
poder calibrar a linguagem.

Fluxo e Layout
Estabeleça o entrosamento e o
ordenamento lógico dos tópicos.
Primeiro as questões fáceis;
Estabeleça uma seqüência do geral

para o específico;
Deixe os tópicos sensíveis para o final,
informações pessoais (demográficas);

Vá do real para abstrato;
Comece com as questões fechadas;
Comece com as questões relevantes

ao assunto principal;

Utilize frases de transição entre as
principais seções, especialmente em
questionários longos:
“A seguir algumas questões sobre o

que você aprova ou desaprova” e por
último “algumas questões pessoais”.

Numere as questões;
Não divida questões/respostas entre

páginas;
Forneça instruções próximas as questões;
Utilize tamanho/estilo da fonte para dar

ênfase (negrito, itálico, sublinhado,
MAIÚSCULAS)

Não amontoe as questões/respostas.
Deixe espaços.
Seja consistente na escolha da estrutura

(layout);
Utilize a numeração para indicar

questões que podem ser “puladas”,
fornecendo instruções claras, sinais.

Tipos de questões
Abertas
Vantagens
Boas para questionamentos;

Exercem pouca influência sobre o
entrevistado;
Proporcionam aprofundamentos;
Permitem explicações;
São mais simples de fazer.

Desvantagens
Mais difíceis de codificar;

Maior possibilidade de influência do
entrevistador;
Problemas com a resposta de
entrevistados com dificuldade de
expressão.

Fechadas
Vantagens
São mais fáceis de codificar, processar

e analisar;
São mais fáceis de responder;
Exigem menos tempo do entrevistado.

Desvantagens
Podem apresentar erros de medida caso
as opções de resposta não sejam
exaustivas;
Exigem mais tempo na preparação e
elaboração do questionário;
Podem influenciar o entrevistado pelas
alternativas apresentadas.

Exemplos
Abertas
03. Em qual escola você fez o ensino médio?
___________________________________
Fechadas
04. Em que turno você prefere estudar?
( ) Manhã ( ) Tarde ( ) Noite

Semi-abertas
05. Qual o principal meio de comunicação que
você utiliza para se manter informado?
( ) Jornal
( ) Rádio
( ) Televisão
( ) Revistas
( ) WWW
( ) Outros
Quais?_______________________________________

Encadeadas
06. Você exerce atividade remunerada?
( ) Sim, em tempo parcial (até 30 h/s)
( ) Sim, em tempo integral (mais de 30 h/s)
( ) Sim, em trabalho eventual
( ) Não.
06.1 Se respondeu Sim à questão anterior, indique o
tipo de atividade remunerada que exerce?
( ) Estágio
( ) Profissional
( ) Autônomo
( ) Empresa familiar
Com matriz de resposta
06. Cite 2 filmes que assistiu
recentemente
Um ponto
Filme Nota
Forte Fraco

Com ordem de preferência
08. O mais importante em um bom professor é:
(5 – mais importante 1 – menos importante)
( ) Ser simpático
( ) Ter domínio do conteúdo
( ) Ser assíduo
( ) Ser pontual
( ) Falar bem e claro
( ) Vestir-se bem e na moda
( ) Fazer provas fáceis

De múltipla escolha
09. Nos momentos de lazer você prefere:

( ) Ouvir música
( ) Ler
( ) Ver televisão
( ) Praticar esportes
( ) Ir ao cinema
( ) Ir ao teatro
( ) Não fazer nada

Tipo de Pesquisa
x
Tipos de questões
Pesquisa A maioria das
perguntas são
Qualitativa
abertas
A maioria das
Pesquisa
perguntas são
Quantitativa fechadas

O questionário
Um bom questionário deve ter três coisas:
Validade (Validity);
Confiabilidade (Reliability)
Discriminação (Discrimination)

Validade
Os itens de um questionário devem
medir algo e os de um bom questionário
medem aquilo que se pretende medir, isso é,
validade. Assim validade significa medir
aquilo que se pensa que se está medindo. A
validade não é obtida facilmente e pode
assumir pelo menos três formas:

Validade de conteúdo;
Validade de critério e
Validade fatorial.

Validade de Conteúdo
Os itens de um questionário
devem estar relacionados ao
construto sendo medido. Por exemplo
um questionário medindo a
habilidade de se relacionar terá
pouco uso se os itens medirem
habilidade numérica.

A validade de conteúdo é a
representatividade das questões, o
quanto elas medem daquilo que
realmente se quer medir.
As questões não devem ser muito
parecidas e devem englobar todos os
ângulos do construto.

Validade de Critério
Se o questionário mede aquilo
que ele diz medir. As maneiras de
avaliar se um questionário
apresenta esse tipo de validade
são:

(a) utilizar o questionário em várias
situações e ver o quão preditivo ele é,
(b) ver o quanto ele se correlaciona com
outros instrumentos medindo a mesma coisa
e
(c) por técnicas estatísticas como o IVI
(Índice de Validade do Item).

Validade Fatorial
Esse tipo de validade se refere
basicamente se a estrutura de
fatores do questionário faz sentido.
Essa estrutura pode ser avaliada por
meio da análise de fatores (SPSS ou
outro).

Quando os itens estiverem
prontos e o instrumento testado,
pode-se conduzir uma análise de
fatores nos dados e verificar quanto
fatores estão sendo de fato
avaliados.

A validade é
necessária, mas não é
uma condição suficiente
de um instrumento de
medida.

Confiabilidade
Um questionário não precisa ser apenas
válido, mas também confiável.
Confiabilidade é a propriedade de que um
instrumento de medida produza os mesmos
resultados se submetido as mesmas
condições. Para ser confiável um
questionário precisa primeiro ser válido.

A maneira mais fácil de verificar a
confiabilidade é testar o mesmo grupo de
pessoas mais de uma vez. Se o questionário
é confiável os escores das pessoas devem
ser aproximadamente os mesmos no
decorrer do tempo. Assim os escores das
duas aplicações devem ter uma correlação
perfeita ou quase perfeita.
No entanto isso não é feito, pois podem
existir efeitos de confundimento, como a de
pessoa lembrar a resposta. Também essa
técnica não é efetiva se estivermos medindo
capacidades que se alteram com o tempo.
Existem técnicas estatísticas que podem

ser utilizadas para verificar a confiabilidade
de um instrumento.
A mais simples é o método da divisão
pela metade (split-half method). Essa
técnica apresenta alguns problemas que
podem ser superados com o uso do alfa de
Cronbach. Esse índice é a medida de
confiabilidade mais comum. Em geral um
valor de 0,8 ou acima é aceito como um
indicativo de um bom instrumento.

Lee Joseph CRONBACH (1916 - 2001)
Iniciou a carreira como professor de matemática e química na

escola de ensino médio de Fresno, mudando-se após para a
Universidade de Chicago, Universidade Estadual de Whashington,
Universidade de Illinois e nos últimos 37 anos lecionou na
Universidade de Stanford. Foi presidente da Associação Americana
de Pesquisa em Educação, da Sociedade Psicométrica e membro da
Academia Nacional de Ciências, da Academia Nacional de
Educação, da Sociedade Americana de
Psicologia e da Academia Americana de Artes
e Ciências. Faleceu como professor emérito de
Educação da Universidade de Stanford.

ο ο
ο
ο ο ο
ο ο ο οο
ο ο ο ο ο
οοο
οο οο οο ο ο ο ο
οοοο ο ο ο οο ο ο ο
ο
ο
ο οο ο οο οο ο οο ο
ο ο ο ο ο οο ο ο ο
ο ο
ο ο
ο ο ο οο ο
οο ο
ο ο ο ο
ο ο ο ο ο
ο ο ο
ο
ο
ο
Confiável mas Nem confiável

Confiável
e Válido não Válido e nem válido

Consistência Interna
ou
Confiabilidade
Se os itens de uma escala devem medir
aspectos de um mesmo construto, então
eles devem ser todos altamente
correlacionados entre eles. Medidas de
consistência interna forma desenvolvidas e
simplificam bastante o processo.

O alfa de Cronbach ou coeficiente alfa está
relacionado com a correlação entre cada par de
itens e o número de itens de uma escala. É a
medida de consistência mais utilizada. No entanto,
mesmo se uma escala apresenta um valor de alfa
alto ela ainda pode ter itens pobremente
correlacionados entre si. Assim convém inspecionar
os seguintes valores da saída do SPSS:

A correlação parte/todo (ou correlação
item/total) que é a correlação entre cada item e
a soma dos outros itens.
A correlação múltipla ao quadrado para cada
item, que é o r2 obtido se um item é colocado na
regressão como uma variável critério com os
outros itens como variáveis preditivas.
O valor do alfa de Cronbach para a escala se um
item em particular é eliminado.

Clique em Analyze, depois em Scale e finalmente em
Reliabilit y Analysis. A seguinte caixa de diálogos irá abrir:

Mova todos os itens de interesse da escala do
painel esquerdo para o direito, clicando sobre o
item e depois na seta entre os painéis.

Se o modelo for processado dessa
forma a única saída obtida será:

****** Method 1 (space saver) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Reliability Coefficients
N of Cases = 48,0 N of Items = 20
Alpha = ,8994
Ou seja a única estatística de interesse

será o valor do coeficiente alfa que nesse
caso é 0,8994.

Para obter outros resultados de interesse
clique em Statistics que abrirá a seguinte caixa de
diálogos:

Marque então as seguintes opções:
Clique em Continue. Nesse caso teremos:

***** Method 2 (covariance matrix) will be used for this analysis ******
Mean Std Dev Cases
1. Q_A 3,9583 ,8495 48,0
2. Q_C 3,8958 1,0364 48,0
3. Q_D 4,2708 ,7068 48,0
4. Q_E 4,4583 ,6510 48,0
5. Q_F 4,0208 1,0617 48,0
Essa tabela é a 6. Q_J 4,3333 ,8833 48,0
7. Q_N 3,6875 1,1139 48,0
opção item da 8. Q_O 4,2292 ,7784 48,0
9. Q_S 3,3542 ,8377 48,0
Descriptives da 10. Q_T 3,8750 1,0644 48,0
11. Q_BR 3,9583 ,9216 48,0
caixa Statistics. 12. Q_GR 4,3958 ,7363 48,0
13. Q_HR 3,7917 ,7426 48,0
14. Q_IR 3,5833 ,9857 48,0
15. Q_KR 3,6042 1,1250 48,0
16. Q_LR 3,9167 1,0280 48,0
17. Q_MR 3,0208 1,1202 48,0
18. Q_PR 3,9583 ,7978 48,0
19. Q_QR 3,0000 ,9893 48,0
20. Q_SR 3,5000 ,8251 48,0

Esse resultado é conseqüência de
ter marcado a opção Scale do
item Descriptives da caixa Statistics.
N of Cases = 48,0
Statistics for Mean Variance Std Dev N of Variables
Scale 76,8125 117,4322 10,8366 20

Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Squared Alpha
if Item if Item Total Multiple if Item
Esse resultado Deleted Deleted Correlation Correlation Deleted
Q_A 72,8542 107,1059 ,5462 ,7259 ,8942
é
Q_C 72,9167 106,4184 ,4649 ,8423 ,8966
conseqüência Q_D 72,5417 108,0408 ,6052 ,7828 ,8934
de se ter Q_E 72,3542 108,6166 ,6185 ,7001 ,8935
Q_F 72,7917 101,1472 ,7098 ,7512 ,8889
marcado a Q_J 72,4792 105,1485 ,6351 ,8133 ,8918
opção Scale if Q_N 73,1250 114,7074 ,0622 ,3800 ,9097
Q_O 72,5833 108,2482 ,5296 ,8215 ,8948
it em deleted
Q_S 73,4583 112,4663 ,2400 ,3776 ,9017
da caixa de Q_T 72,9375 106,0598 ,4670 ,7845 ,8967
diálogos Q_BR 72,8542 106,7655 ,5155 ,7195 ,8949
Q_GR 72,4167 106,1206 ,7099 ,7687 ,8909
St atistics. Q_HR 73,0208 106,4889 ,6781 ,7936 ,8916
Q_IR 73,2292 105,3293 ,5502 ,7608 ,8940
Q_KR 73,2083 102,7216 ,5896 ,8693 ,8929
Q_LR 72,8958 103,7974 ,6005 ,7331 ,8925
Q_MR 73,7917 103,5301 ,5548 ,7823 ,8941
Q_PR 72,8542 106,4251 ,6300 ,6950 ,8923
Q_QR 73,8125 105,2194 ,5535 ,7712 ,8939
Q_SR 73,3125 106,5173 ,6009 ,6152 ,8929

Continuação da tabela anterior
.
Reliability Coefficients 20 items

Alpha = ,8994 Standardized item alpha = ,9068

O alfa padronizado (Standardized
item alpha) é calculado com base na
hipótese (não necessariamente válida) de
que as variâncias dos itens são iguais. Ele é
resultado da opção Inter-item na caixa de
diálogo Statistics da Análise de
Confiabilidade.

Pelo valor de alfa essa escala é
confiável. Mas é possível melhorar
um pouco mais esse valor. Se forem
retirados ou refeitos os itens q_n e
q_s, observe que os valores de alfa,
em cada caso, aumentariam.

RE L IA B IL I TY A N A L YS IS
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
Q_A 72,8542 107,1059 ,5462 ,8942
Se essas duas Q_C 72,9167 106,4184 ,4649 ,8966
questões Q_D 72,5417 108,0408 ,6052 ,8934
Q_E 72,3542 108,6166 ,6185 ,8935
forem Q_F 72,7917 101,1472 ,7098 ,8889
Q_J 72,4792 105,1485 ,6351 ,8918
retiradas a Q_N 73,1250 114,7074 ,0622 ,9097
confiabilidade Q_O 72,5833 108,2482 ,5296 ,8948
Q_S 73,4583 112,4663 ,2400 ,9017
da escala Q_T 72,9375 106,0598 ,4670 ,8967
Q_BR 72,8542 106,7655 ,5155 ,8949
aumentaria.
Q_GR 72,4167 106,1206 ,7099 ,8909
Alpha = 0,8994 Q_HR 73,0208 106,4889 ,6781 ,8916
Q_IR 73,2292 105,3293 ,5502 ,8940
Q_KR 73,2083 102,7216 ,5896 ,8929
Q_LR 72,8958 103,7974 ,6005 ,8925
Q_MR 73,7917 103,5301 ,5548 ,8941
Q_PR 72,8542 106,4251 ,6300 ,8923
Q_QR 73,8125 105,2194 ,5535 ,8939
Q_SR 73,3125 106,5173 ,6009 ,8929

A opção por omissão é o alfa,
mas na linha modelo (model) é
possível escolher outros modelos.
Uma possibilidade é rodar o
modelo divisão pela metade (split-
half) ao invés de alfa.

As saídas adicionais, para esse modelo,
são mostradas a seguir:

Esse resultado mostra as
estatísticas para toda a escala
A correlação entre mais as das somas das respostas
as somas dos itens de cada uma das metades.
em cada metade.
****** Method 1 (space saver) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (S P L I T)
Statistics for Mean Variance Std Dev N of Variables
PART 1 40,0833 29,1418 5,3983 10
PART 2 36,7292 41,9038 6,4733 10
SCALE 76,8125 117,4322 10,8366 20
Reliability Coefficients
N of Cases = 48,0 N of Items = 20
Correlation between forms = ,6637 Equal-length Spearman-Brown = ,7979
Guttman Split-half = ,7900 Unequal-length Spearman-Brown = ,7979
10 Items in part 1 10 Items in part 2
Alpha for part 1 = ,7944 Alpha for part 2 = ,8781

Dimensionalidade
É possível medir a dimensionalidade
de uma escala ou questionário. Primeiro
se for desejado uma escala em que
todos os itens meçam um único
construto pode-se verificar qual a
carga de cada item em uma única
componente. Itens com cargas fracas
são descartados ou reescritos.
Segundo para verificar se existe
mais de um componente na escala
pode-se utilizar a análise de
componentes ou de fatores para
determinar a estrutura da escala.

Pode-se utilizar os itens que estão mais
fortemente relacionados a cada
componente, se existir mais de um, como
sub-escalas. Assegurar-se de que uma
escala é unidimensional ou que as sub-
escalas sejam identificadas é um dos
aspectos da validade de construto.

Identificando escalas
com um componente
Clique em “Data Reduction”,
“Factor ...” para realizar uma análise de fatores, isto
é, descobrir quantas sub-escalas existem.

1. Na caixa de diálogos Factor Analysis: Extraction
marque o número de fatores para 1.
Método de
extração:
componentes
principais.
2. Veja outros métodos de extração dos fatores.

1. Na caixa de diálogos Factor Analysis: Extraction
marque a opção Scree plot (Diagrama de
declividade) Opções para
determinar o
número de fatores:
pelos autovalores
(eigenvalues) ou
fixando.
2. Veja outros métodos de extração dos fatores.

2. Na caixa de diálogos Factor Analysis: Options,
selecione Sorted by size.
As duas tabelas mais importantes para esse

objetivo são mostradas a seguir:

Total Variance Explained
Initial Eigenvalues
Component Total % of Variance Cumulative %
1 7,654 38,272 38,272
2 2,416 12,081 50,353
3 1,463 7,313 57,666
4 1,185 5,924 63,590
A principal 5 1,099 5,495 69,085
6 1,059 5,297 74,381
componente 7 ,731 3,655 78,037
8 ,697 3,485 81,522
explica 9 ,659 3,295 84,817
10 ,552 2,760 87,577
apenas 38% 11 ,506 2,529 90,105
12 ,449 2,246 92,351
da variância 13 ,332 1,658 94,009
14 ,295 1,474 95,483
15 ,266 1,332 96,815
16 ,219 1,097 97,912
17 ,161 ,803 98,714
18 ,117 ,586 99,301
19 ,107 ,537 99,838
20 ,032 ,162 100,000
Extraction Method: Principal Component Analysis.

O diagrama de declividade (scree plot ) mostra o
número de dimensões do questionário. Em geral, o número de
fatores é determinado pelo ponto onde o gráfico muda de sinal
abruptamente (autovalores acima de 1).

A partir da análise deve-se
descartar os itens q_s e q_n ou então
reescrevê-los. Observe que esses
itens também foram identificados na
análise de confiabilidade (Estatísticas
Item_Total) anterior.

a
Component Matrix
Com ponent
1
A regra Q_F
Q_GR
,777
,765
Q_HR ,721
prática é que Q_J ,702
Q_PR ,687
se um item Q_E ,684
Q_KR ,663
apresenta Q_D ,654
Q_SR ,777
uma carga Q_LR ,632
Q_IR ,621
inferior a 0,4 Q_QR
Q_MR
,615
,614
ele deve ser Q_A

Q_BR
,605
,597
Q_O ,589
descartado Q_T ,518
Q_C ,517
ou revisto. Q_S ,280
Q_N ,074
Extraction Method: Principal Com ponent Analysis.
a. 1 com ponents extracted.

Se um item for eliminado então outra
análise deve ser executada com os dados
restantes, pois a carga dos fatores irá se
alterar. Para esses dados vamos verificar que
a maior componente aumenta para 42% e
as cargas dos demais itens permanecem
acima de 0,50.

Medindo a estrutura
dos itens na escala
Entre com os 20 itens na análise de
componentes principais da análise de
fatores. Para isso basta repetir a análise
anterior com exceção da opção Sorted by
size. Apenas alguns dos resultados são
mostrados.

Verifique os indicadores de
fatorabilidade. Alguns deles são razoáveis. O
valor do KMO, no entanto, é de apenas 0,59.
Também alguns dos valores individuais do
KMO na diagonal da matriz de correlação
anti-imagem estão abaixo do valor 0,50 o
que significa um desempenho pobre do
item.
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling

Adequacy. ,594
Bartlett's Test of Approx. Chi-Square 566,695

Sphericity df 190
Sig. ,000

A tabela da variância total explicada
mostra que existem seis componentes com
autovalores maiores do que um. Ela também
mostra o percentual da variância que é
explicada após a rotação dos
componentes.

Component Matrix a
Component
1 2 3 4 5 6
Q_A ,605 ,377 -,180 ,196 ,079 -,330
Q_C ,517 ,516 ,105 -,222 -,368 ,055
Q_D ,654 ,464 -,130 ,285 ,090 -,163
Q_E ,684 ,323 ,168 -,280 -,081 -,236
Q_F ,777 -,247 ,105 ,045 -,163 ,023
Q_J ,702 ,061 -,182 -,056 -,053 -,277
Q_N ,074 ,482 -,160 ,244 -,042 ,706
Q_O ,589 ,266 ,441 ,041 -,413 ,021
Q_S ,280 ,016 ,512 -,264 ,635 ,061
Q_T ,518 ,176 ,273 ,656 ,255 -,109
Q_BR ,597 -,536 -,144 -,136 -,082 -,098
Q_GR ,765 -,018 ,181 -,186 -,043 ,172
Q_HR ,721 -,414 ,027 ,348 -,190 ,063
Q_IR ,621 -,544 ,168 ,261 ,041 ,025
Q_KR ,663 -,291 -,506 -,119 -,092 -,064
Q_LR ,632 ,308 -,073 -,124 ,059 ,278
Q_MR ,614 -,376 -,313 ,029 ,215 ,313
Q_PR ,687 ,131 -,037 -,195 ,365 -,067
Q_QR ,615 -,357 ,383 -,185 -,065 ,192
Q_SR ,644 ,262 -,427 -,162 ,176 ,091
Extraction Method: Principal Component Analysis.
a. 6 components extracted.

A matriz dos componentes
rotacionadas anterior mostra que quatorze
dos 20 itens tem a maior carga em um dos
dois primeiros componentes, com três itens
no terceiro. Os últimos três componentes
estão distribuídos nos componentes quatro,
cinco e seis. Observe que os itens q_n e q_s
estão entre esse três.

Scree Plot
10
O diagrama de
8
declividade
mostra apenas 6
dois
4
componentes
Eigenvalue
acima do limite 2
entre a parte
0
íngreme e a 1 3 5 7 9 11 13 15 17 19
2 4 6 8 10 12 14 16 18 20
parte plana da
Component Number
curva.

Discriminação
Discriminação significa que pessoas
com escores diferentes em um questionário
devem diferir no construto de interesse. Assim
se o teste é de habilidade numérica então
pessoas com habilidade e sem habilidade
devem ter pontuações diferentes. Existem
três corolários a serem considerados:

1. Pessoas com o mesmo escore devem ser
iguais quanto ao construto sendo
mensurado;
2. Pessoas com escores diferentes devem
ser diferentes quanto ao construto sendo
avaliado e
3. O grau de diferença entre as pessoas
deve ser proporcional aos escores.

Viés nas Respostas
Mesmo quando a formulação das
questões é cuidadosa existem ainda
problemas que podem surgir na construção
de um questionário.
Conjuntos de respostas padronizadas
ou tendenciosidade assumem várias formas
sendo a mais comum a concordância ao
invés da discordância. É o conhecido “digo
sim”. O “digo não” é menos comum.

O problema quando isso ocorre
é não levar em conta os itens como
tal mas sim o de se obter respostas
estereotipadas a despeito do que
está sendo perguntado.

A forma de lidar com o problema é se
assegurar de que não existem padrões
óbvios na forma em que as questões são
apresentadas. Sempre que possível evite
categorizar questões. Tente manter o
respondente alerta apresentando questões
de forma variada de preferência em ordem
aleatória.
Uma forma adicional de manter o viés
no mínimo é tentar balançar o número de
declarações positivas e negativas. Se o
respondente enfrentar um grande número
de questões em que uma resposta positiva
(negativa) seja necessária isso pode levá-lo
a acreditar que sempre será assim.

A tendência social é uma forma
de viés de resposta em que o
respondente fornece o que é mais
aceito socialmente do que o que ele,
de fato, pensa. É o hoje denominado
politicamente correto.

Alguns acreditam que isso é um
problema individual e não do questionário.
Para lidar com isso pode-se incorporar o que
é conhecida como “escala da mentira”, isto
é, formular questões para identificar as
pessoas que tendem a responder de forma
socialmente desejável. Uma vez
identificados eles podem ser excluídos do
estudo.

Referências
BOOTH, W. C. , COLOMB, G. G, WILLIAMS, J. M. A
arte da pesquisa (The Craft of Research). São
Paulo: Martins Fontes. 2000.
BRACE, Nicola, KEMP, Richard, SNELGAR, Rosemary.
SPSS for Psychologists: versions 12 and 13. New
York: Palgrave MacMillan. Third Edition, 2006.
FIFE-SCHAW, C. Questionnaire design. In: G. M.
Breakwell, S. Hammond & C. fifeshaw (Eds.).
Research Methods in Psychology (2nd ed.,
Chapter 120. London: Sage.

FRARY, Robert B. Hints for designing
effective questionnaires. Practical
Assessment, Research & Evaluation. v. 5,
n. 3, 1996.
SCHEAFFER, Richard L., MENDENHALL,
William. Elementary Survey Sampling. New
York: Thonson, 1996. 5th Edition.

http://www.chssc.salford.ac.uk/healthSci/resmeth2000/re
smeth/questatt.htm
http://www.chssc.salford.ac.uk/healthSci/resmeth2000/re
smeth/chap2.htm (Ver métodos quantitativos)
http://home.ubalt.edu/ntsbarsh/stat-data/Surveys.htm

Educem 4 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Educem 4 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Elaborando um Questionário

Lorí Viali, Dr.

As hipóteses da pesquisa (Quantitativa);

A população a ser pesquisada;

Os métodos de análise de dados

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

O Conteúdo das perguntas;

Formato das respostas desejado;

Formulação das perguntas;

A seqüência das perguntas;

O fluxo e a estrutura (lay-out);

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Determinar o método de coleta de dados;

Planejar as principais seções;

Formular as questões de cada seção

Determinar o fluxo e a estrutura;

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Defina os objetivos do questionário;

Solicite, apele, incentive a participação;

Estime o tempo necessário para

Forneça instruções básicas (quem, como,

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Negativas duplas podem ser difíceis de

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Primeiro as questões fáceis;

Estabeleça uma seqüência do geral

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Comece com as questões fechadas;

Comece com as questões relevantes

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

“A seguir algumas questões sobre o

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Não divida questões/respostas entre

Forneça instruções próximas as questões;

Utilize tamanho/estilo da fonte para dar

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Seja consistente na escolha da estrutura

Utilize a numeração para indicar

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Boas para questionamentos;

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Mais difíceis de codificar;

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

São mais fáceis de codificar, processar

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

09. Nos momentos de lazer você prefere:

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

Prof. Lorí Viali, Dr. - PUCRS – viali@pucrs.br – http://www.pucrs.br/famat/viali/

medir algo e os de um bom questionário

medem aquilo que se pretende medir, isso é,

validade. Assim validade significa medir