10

CAPITULO I

1. INTRODUÇÃO

A Matemática é uma das disciplinas que faz parte do programa curricular do ensino em
Moçambique. Se supõe que a aprendizagem desta deve permitir a relação com o quotidiano. Um
dos grandes desafios actuais do Ministério de Educação e Desenvolvimento Humano, referente
ao ensino de ciências nas escolas é de construir uma ponte entre o conhecimento ensinado na sala
de aulas e o quotidiano dos alunos. Portanto nos dias de hoje, o mundo está num processo de
profundas transformações que causam fortes impactos na economia, na política, nas
organizações, na sociedade e, em particular na educação (PINA, 2007:1). Neste contexto, as
instituições educativas têm um papel importante a desempenhar face a estas transformações, por
outro lado, sente-se a pressão de produzir um ensino de qualidade. Para( LOPES et al. 2004,
apud PINA, 2007:1) a busca da qualidade não é algo novo, como muitos podem pensar, alegando
ser “modismo”. A preocupação com a qualidade remota a épocas antigas, mesmo que não restem
registos e nem uma noção muito clara do significado de qualidade.

A disciplina de Matemática sempre esteve presente na vida do homem, desde os tempos

mais remotos em que o homem vivia da caça e da pesca, já utilizava a Matemática mesmo que
fosse de maneira espontânea. É logico afirmar que um dos primeiros contactos da criança com a
ciência se baseia com a geometria, através da visualização e reconhecimento de objetos e uma
tentativa de esboços de figuras que a descontraem. Portanto, era de esperar uma maior
familiarização do individuo com esta disciplina ao longo do tempo, porém, a dificuldade na
percepção desta é o que mais se evidencia. Os métodos usados pelos professores podem
contribuir bastante na dificuldade de percepção da Matemática pelos alunos.

A aprendizagem da Matemática pode se realizar de forma significativa a partir da

perspectiva da sua aplicabilidade no quotidiano. Daí surge a preocupação de analisar as
percepções dos estudantes da UPQ sobre a Matemática no seu quotidiano.

O presente trabalho de pesquisa está dividido em três capítulos, no primeiro capítulo

começamos por apresentar a introdução do trabalho, seguido da delimitação do tema,
problematização do tema de pesquisa, depois segue a justificativa do trabalho e por último os
 11

objectivos que norteiam a pesquisa; no segundo capítulo temos a descrição dos procedimentos
metodológicos; no terceiro capítulo apresentamos o marco teórico que corresponde ao suporte
teórico da pesquisa; e no quarto capítulo e último segue a apresentação dos resultados e a sua
interpretação.

1.1 Delimitação do tema

A maior parte dos estudantes do ensino secundário geral e uma boa parte dos estudantes
universitários têm visto a Matemática como “um bicho de sete cabeças” , com a qual pensam que
só está nos programas para dificultar o PEA (Processo de Ensino e Aprendizagem). Portanto,
este trabalho cinge-se nas percepções dos estudantes da universidade pedagógica delegação de
Quelimane sobre a relevância e aplicabilidade da Matemática no seu quotidiano.

1.2 Problematização

Durante a realização do estágio pedagógico de Matemática na Escola Secundária Geral de

Coalane, em conversa com alunos sobre a relevância de se estudar a Matemática e da sua
aplicação no quotidiano, constatou-se que há uma dificuldade de relacionar a Matemática com as
situações da vida. Neste contexto, tem sido frequente os seguintes questionamentos: Porque
estudar a Matemática? Onde vamos aplicá-la?

Defende-se a tese de que existe uma desconexão entre a Matemática na sala de aula e o
quotidiano. Suspeita-se que tal desconexão esta na origem do dilema da aplicabilidade da
Matemática na vida prática. Nesta vertente a articulação dos Programas de Ensinos e livros
escolares de Matemática deixam a desejar no que diz respeito a contextualização dos conteúdos.
Se aparecem conteúdos contextualizados, elas aparecem de maneira isolada, não de forma
adequada como se era de se prever, já que os Programas de Ensino de Matemática (PEMs)
defendem que:

o ensino-apresendizagem da disciplina de matemática deve adaptar-se ao mundo moderno que aponta a

necessidade de adequar a Matemática a uma nova realidade. Por esta razão, o ensino desta disciplina deve
doptar o aluno de competências básicas necessárias para a resolução de problemas, explorando situações
vividas no quotidiano(INDE/MINED, 2010: 10).
 12

Ainda na óptica dos PEMs (programas de ensino de Matemática), a Matemática está

presente em diversos campos de actividade humana, pelo que o seu ensino deve estar inscrito
numa política de modernização económica, social e cultural no país.

Entendemos que a investigação no campo pedagógico é uma procura de métodos ou

alternativas de modo a desenvolver o processo de ensino e aprendizagem, com vista a tornar o
ensino mais interactivo e cada vez mais importante, preparando o aluno a aprender e aplicar os
seus conhecimentos à vida.

Ao longo dos tempos e em todas as culturas pode encontrar-se uma actividade que denota
a existência de algum tipo de saber matemático. Nas culturas modernas, onde a tecnologia de
ponta prolífera, é fácil perceber o uso implícito da matemática nomeadamente: nos
computadores, nos telemóveis da última geração, no GPS, do MP3, da Internet, do cartão
Multibanco, da fotografia digital, etc, numa imensidão de recursos que são o resultado de muitos
raciocínios matemáticos (PIRES & MOREIRA, 2008:20).

Entendemos que, o facto de que a Matemática seja concebida como uma ciência
abstracta, faz com que à primeira vista, se perceba como se nada tivesse a ver com a realidade
do dia-a-dia.

Portanto, com o que foi comentado anteriormente, surgem a seguinte questão de

pesquisa:

Qual é a percepção sobre a Matemática dos estudantes da Universidade Pedagógica

Delegação Quelimane (UPQ)?

1.3 Justificativa

Esta pesquisa pode contribuir bastante no processo de ensino e aprendizagem (PEA) em

diferentes ramos das ciências, em particular na Matemática, visto que o aluno vem tendo esta
disciplina desde o ensino primário até a universidade. Nesse todo percurso, ele vem criando
algumas percepções em torno da disciplina.

O interesse no tema deste trabalho vem das constatações que tem se feito sobre a Matemática
no quotidiano, visto que a medida em que o nível escolar do aluno aumenta, a Matemática torna-
 13

se cada vez mais abstracta, e consequentemente desinteressante, o que de certo modo deixa
transparecer a ideia de que esta não tem aplicações concretas na vida prática das sociedades.

1.4 Objectivos

Com o presente trabalho de pesquisa pretendemos basicamente:

1.4.1 Objectivo geral

 Analisar as percepções dos estudantes da UPQ sobre a relevância da Matemática no seu

quotidiano.

1.4.2 Objectivos Específicos

 Identificar os factores que determinam a percepção dos estudantes da UPQ sobre a

relevância da Matemática no seu quotidiano;
 Averiguar o nível de aceitação da Matemática pelos estudantes da UPQ;
 Comparar as percepções dos estudantes em cada departamento.
 14

CAPITULO II

2. PROCEDIMENTOS METODOLÓGICOS

Com vistas a responder à questão de pesquisa e aos objectivos do trabalho, consideram-se as

seguintes actividades:

2.1 Técnicas de recolha de dados

Para a recolha de dados elaborou-se um Inquérito com dezassete (17) questões de escala
tipo liker (com categorias de 0 a 5), todas elaboradas pelo autor sob orientação do supervisor do
trabalho, com as quais se presume a obtenção de dados relevantes para a pesquisa. O inquérito é
constituído por três (3) dimensões a saber: utilidade da Matemática, os métodos usados pelos
professores na sala de aulas e a Compreensão dos Conceitos Matemáticos. Entendemos que
realizar o estudo sobre estas três dimensões seria relevante para a concretização dos objetivos do
trabalho.

2.2 Amostragem

Como esta pesquisa pretende fazer um estudo com a população estudantil da UPQ de
regime laboral e pôs laboral. Tomando em consideração a característica da população (em
departamentos académicos), que se consideram heterogéneos (quer dizer, entendemos que os
estudantes dos departamentos académicos apresentam percepções não similares acerca da
Matemática) e homogéneos dentro deles (quer dizer, entendemos que os estudantes dos cursos
correspondente a um departamento têm percepções similares sobre a Matemática) por isso,
aplicamos a amostragem por conglomerados em cada departamento, para seleccionar
aleatoriamente um curso que o represente. Assim, em cada departamento extraiu-se um curso
que o representa. Para o caso de ciências naturais e Matemática, está representado por dois
cursos, Matemática e um outro curso que foi seleccionado aleatoriamente, isto é, no
departamento de Ciências Naturais o estudo foi efectuado com os cursos de Matemática e Física,
estes, juntam-se aos cursos de Filosofia, Inglês, Educação Visual, Gestão dos Recursos humanos,
Administração e Gestão Escolar e Educação Física pertencentes aos departamentos de Ciências
Sociais, Ciências de Linguagem, Comunicação e Artes, Escola Superior Técnica (ESTEC),
 15

Escola Contabilidade e Gestão (ESCOGE) e Educação Física, Ciências de Educação e Psicologia

e Desporto, respectivamente.

Segundo os dados fornecidos pelo registo académico, o número de estudantes por turma
é: o curso de Matemática possui 41, 33, 36 e 51 estudantes de 1o, 2o, 3o e 4o anos
respectivamente, o curso de Física contém 37, 30 e 34 estudantes de 1o, 2o e 3oanos
respectivamente, Filosofia contém 39, 35, 47 e 67 estudantes 1o, 2o, 3o e 4o anos respectivamente,
Inglês possui 34, 27, 34 e 36 estudantes de 1o, 2o, 3o e 4o anos respectivamente, o curso de
Educação Visual tem 22, 29 e 29 estudantes de, 2o, 3o e 4o anos respectivamente, o de Gestão dos
Recursos Humanos tem 60, 52, 51 e 45 estudantes de 1o, 2o, 3o e 4o anos respectivamente,
Administração e Gestão Escolar possui 58, 47, 47 e 26 estudantes de 1o, 2o, 3o e 4o anos
respectivamente e o curso de Educação Física tem 33, 34, 35 e 60 estudantes de 1o, 2o, 3o e 4o
anos respectivamente. Para garantir a representatividade dos estudantes de cada nível académico
em cada curso, estes (níveis académicos de 1o a 4o ano) foram considerados extractos. Portanto,
uma amostragem estratificada foi considerada para o efeito. Como resultado da aplicação dos
dois métodos de amostragem, foram seleccionados 134 estudantes (n=134) de um universo de
4014 estudantes (estudantes da UPQ dos regimes regular e pós laboral).

2.2.1 Amostragem por conglomerado

Amostragem por Conglomerados é uma técnica de interdependência que busca agrupar

os elementos conforme sua estrutura natural (FAVERO et al, 2009:196).

Ainda na óptica do mesmo autor afirma que:

É uma técnica que visa segregar elementos ou variáveis em grupos homogéneos internamente,
heterogéneos entre si e mutuamente exclusivos, a partir de determinados parâmetros conforme
uma medida de similaridade ou de distância. Neste sentido tem por objectivo principal definir a
estrutura dos dados de maneira a alocar as observações mais parecidas no mesmo grupo.

O primeiro passo para se usar este processo é especificar conglomerados apropriados; em

seguida verificar se os elementos em um conglomerado tem características similares e o número
de elementos em um conglomerado deve ser pequeno em relação ao tamanho da população.
 16

2.2.2 Amostragem estratificada

Segundo FERNANDEZ & MAYO (1995a: 2), para realizar uma amostragem
estratificada, se extrai uma amostra n k em cada estrato U k , independente dos demais, sendo a

amostra final n  n1  n2  ...  nh .O objectivo básico da amostragem estratificada é a obtenção

da estimação mais precisa do que a estimativa que poderia se obter mediante amostragem não
estratificada.

Afixaremos uma percentagem de 10% para cada estrato, isto é nh  10% N h , sendo que

N h é o tamanho do universo do estrato h e nh o seu correspondente tamanho amostral, (ver

quadro 1 em anexo)

2.3. Técnicas estatísticas e software

Neste trabalho de pesquisa aplicou-se as seguintes técnicas estatísticas e software para a

análise de dados:

 Análise discriminante: Uma técnica estatística que nos permitiu analisar o nível de
afastamento ou convergência das percepções dos estudantes em estudo. Para tal, a
função discriminante de Fisher foi aplicada, e nos permitiu obter funções matemáticas
com um poder significativo para discriminar cada observação;
 Análise de componentes principais: Busca-se com esta técnica estatística encontrar
componentes (novas variáveis latentes) que combinem com o conjunto de variáveis
em estudo para proporcionar uma constatação unânime e generalizada sobre as
percepções dos estudantes da UPQ em Matemática;
 O software utilizado foi o SPSS que nos permitiu concretizar as técnicas estatísticas
planificadas para a pesquisa.
 17

CAPITULO III

3. MARCO TEÓRICO

3.1 Preliminares

Neste capitulo abordamos as teorias sobre a percecpcao, a Matematica e as sua conexões com o
quotidiano e as teorias sobre as técnicas usadas que nos serviu de bases desta pesquisa. O
conceitode percepção baseia-se fundamentalmente neste trabalho pela teoria de DAVIDOFF
(2001).

Muitas pesquisas foram feitas sobre percepções dos alunos sobre a relevancia da Matematica,
algumas foram feitos numa abordagem didactica por exemplo “ Percepção dos alunos sobre a
Matemática– Estudo de Caso Escola Secundária Cónego Jacinto‟‟, outras na vertente do
aproveitamento pedagogico no nivel secundario geral, onde os resultados obtidos evidenciam a
existência de percepção negativa por parte dos alunos da em relação à disciplina de Matemática e
que todos os docentes têm a consciência dessa percepção e os professores entrevistados
consideram que a deficiente preparação de base e a organização curricular estão na base desse
problema, e surge a introdução de medidas correctivas. Muitos professores consideram que há
necessidade de um maior diálogo entre a comunidade educativa, visto que os objectivos e
paradigmas educacionais não são apenas de natureza cognitiva, mas também afectiva e social.

3.2 Teorias sobre a percepção

No dicionário online de português1, consta que a percepção é a capacidade para discernir;

juízo consciencioso acerca de algo ou alguém.

Assimilação ou compreensão feita através dos sentidos ou da inteligência: percepção do

sofrimento; percepção do clima. Avaliação sobre coisas ou seres a partir de um julgamento ou
opinião.

1
http://www.dicio.com.br/Percepção - Dicionário Online de Português, cessado as 14:15 do dia 27/9/2015.
 18

O significado de percepção dado pelo dicionário (informal)2 é: maneira como nós vemos,
julgamos, conceituamos, qualificamos as coisas no mundo e em nós mesmos.

A percepção consiste no processo de organizar e interpretar dados sensoriais recebidos

(sensações) para o desenvolvimento da consciência do ambiente que nos cerca e de nós mesmos
(GLEITAMAN, 1986, apud PINA, 2007:12). Por outras palavras, a percepção é a selecção,
interpretação, análise e integração dos estímulos dos nossos órgãos sensoriais. Outros autores
como NEISSER (1976) definem a percepção como sendo um fenómeno psíquico consistente na
captação estruturada das sensações.

A percepção é um processo cognitivo; é aquisição de um conhecimento; é o conjunto dos

processos mentais no pensamento, na percepção, na classificação, reconhecimento, etc. ou por
outra é uma forma de conhecer o mundo (DAVIDOFF, 2001:145).

A seguir apresentamos alguns factores que influenciam na percepção, variáveis de pessoa

para pessoa (DAVIDOFF, 2001:146).

 História de Vida: as condições que nos são impostas ao longo da vida marcam o nosso
modo de perceber as pessoas e o mundo.

 Estado Emocional: o momento porque passamos influi em nossas percepções.

 Cultura e Meio: o conhecimento específico em determinadas áreas responde por leituras

distintas de objectos únicos. Um estudante de belas-artes, por exemplo, ao observar telas
em uma exposição tende a apresentar uma percepção informada, totalmente diferente de
pessoas leigas que apreciam as mesmas telas. A percepção da violência em meios onde
ela frequentemente acontece tende a ser subestimada.

Nesta linhagem do pensamento, os estudantes do curso de Matemática tem um conhecimento

profundo da utilidade da Matemática no seu dia-a-dia relativamente aos estudantes fora do curso
de Matemática.

2
http://www.dicionarioinformal.com.br/percep%C3%A7%C3%A3o/, cessado as 10:00 do dia 27/9/2015.
 19

 Atenção: NEISSER (1976) apud DAVIDOFF (2001:147) observa que a atenção é

simplesmente um aspecto da percepção, dizendo que as pessoas "escolhem" para o que
atentar. Essa escolha pode ser mais aleatória do que voluntária se considerarmos que há
estímulos que nos roubam os olhos, dado o impacto de seu surgimento, como um
chamado, uma campainha etc. Em condições menos furtivas, tendemos a nos ater sobre
aquilo que mais nos interessa, o que revela, também, uma condição de motivação pessoal.

3.2.1 A Matemática e as suas conexões com o quotidiano

Segundo RODRIGUES (2004) apud CAMACHO (2011:5), o conhecimento ensinado na

escola e a Matemática aplicada ao quotidiano têm abordagens diferentes, um enfatiza o
conhecimento formal o qual torna-se distante da realidade do estudante e a outro dá ênfase ao
quotidiano.

Nesta ordem de ideia, a Matemática escolar é aquela que é aprendida na escola e que
obedece uma estrutura hierárquica, conjunto de regras rígidas, onde se verifica a exactidão e
precisão dos cálculos, enquanto a Matemática quotidiana é aquela que se encontra presente em
tudo o que nos rodeia, em todas actividade do dia-a-dia, isto é, esta é informal, não se encontra
em qualquer livro nem segue regras, daí que esta passa despercebida para a maior parte da
sociedade.

Verifica-se uma dificuldade, por parte daqueles que a ensinam, em demonstrar as interligações
entre a o quotidiano. Como resultado disso, os alunos não a conseguem associar à vida corrente e
muitas vezes Matemática e acham que o conhecimento matemático só os ajuda a passar nos
exames e como tal, decoram os conteúdos para a altura em que serão avaliados e depois
esquecem-nos (CAMACHO, 2011:5).

Com esta pesquisa pretendemos compreender as percepções dos estudantes sobre

utilidade da Matemática no seu quotidiano.

3.3 Teorias sobre as técnicas usadas

3.3.1 Análise de componentes principais

A análise de componentes principais é uma técnica da estatística multivariada que

consiste em transformar um conjunto de variáveis originais em outro conjunto de variáveis de
mesma dimensão denominadas de componentes principais. Os componentes principais
 20

apresentam propriedades importantes: cada componente principal é uma combinação linear de

todas as variáveis originais, são independentes entre si e estimados com o propósito de reter, em
ordem de estimação, o máximo de informação, em termos da variação total contida nos dados. A
análise de componentes principais é associada à ideia de redução de massa de dados, com menor
perda possível da informação (VARELLA, 2008: 3).

3.3.1.1 Matriz de dados X

Considere a situação em que observamos „p‟ características de „n‟ indivíduos de uma

população π. As características observadas são representadas pelas variáveis X1, X2, X3, ..., Xp. A
matriz de dados é de ordem „n x p‟ e normalmente denominada de matriz „X‟. (VARELLA,
2008: 3).

 x11 x12 x13  x1 p 

 
 x21 x22 x23  x2 p 
X   x31 x32 x33  x3 p 
 
    
 
 xn1 x xn 3  xnp 

A estrutura de interdependência entre as variáveis da matriz de dados é representada pela

matriz de covariância „S‟ ou pela matriz de correlação „R‟. O entendimento dessa estrutura
através das variáveis X1, X2, X3, ..., Xp, pode ser na prática uma coisa complicada. Assim, o
objectivo da análise de componentes principais é transformar essa estrutura complicada,
representada pelas variáveis X1, X2, X3, ..., Xp, em uma outra estrutura representada pelas
variáveis Y1, Y2, Y3, ..., Yp não correlacionadas e com variâncias ordenadas, para que seja
possível comparar os indivíduos usando apenas as variáveis Yis que apresentam maior variância
(idem).

A solução é dada a partir da matriz de covariância S ou da matriz de correlação R.

 21

3.3.1.2 Matriz de covariância S

Segundo (VARELA, 2008:4), a partir da matriz X de dados de ordem „n x p‟ podemos

fazer uma estimativa da matriz de covariância Σ da população π que representaremos por S. A
matriz S é simétrica e de ordem „p x p‟.

V̂ar ( x 1 ) Ĉov( x 1 x 2 ) Ĉov( x 1 x 3 )  Ĉov( x 1 x p ) 

 
Ĉov( x 2 x 1 ) V̂ar ( x 2 ) Ĉov( x 2 x 3 )  Ĉov( x 2 x p )
 
S  Ĉov( x 3 x 1 ) Ĉov( x 3 x 2 ) V̂ar ( x 3 )  Ĉov( x 3 x p ) 
 
      
 
Ĉov( x p x 1 ) Ĉov( x p x 2 ) Ĉov( x p x 3 )  V̂ar ( x p ) 


Normalmente as características são observadas em unidades de medidas diferentes entre

si, e neste caso, segundo REGAZZI (2000), apud VARELLA (2008:4) é conveniente padronizar
as variáveis Xj (i=1, 2, 3, ..., p). A padronização pode ser feita com média zero e variância 1, ou
com variância 1 e média qualquer.

Padronização com média zero e variância 1

x ij  x j
z ij  , i  1, 2, , n e j  1, 2, , p
s( x j )

Padronização com variância 1e média qualquer

x ij
z ij  , i  1, 2, , n e j  1, 2, , p
s( x j )

em que, X j e S( x j ) são, respectivamente, a estimativa da média e o desvio padrão da

característica j:

x ij
xj  i 1
e s( x j )  V̂ar ( x j ) , j  1, 2,  p
n
 22

Após a padronização obtemos uma nova matriz de dados Z:

 z11 z12 z13  z1 p 

 
 z 21 z 22 z 23  z 2 p 
Z   z31 z32 z33  z3 p 
 
    
 
 z n1 zn2 z n 3  z np 

A matriz Z das variáveis padronizadas zj é igual a matriz de correlação da matriz de

dados X. Para determinar os componentes principais normalmente partimos da matriz de
correlação R. É importante observar que o resultado encontrado para a análise a partir da matriz
S pode ser diferente do resultado encontrado a partir da matriz R. A recomendação é que a
padronização só dever ser feita quando as unidades de medidas das características observadas
não forem as mesmas.

3.3.1.3 Determinação das componentes principais

Segundo VARELLA (2008:6), afirma que as componentes principais são determinadas

resolvendo-se a equação característica da matriz S ou R, isto é:

detR  I  0 ou R  I  0

1 r ( x1 x2 ) r ( x1 x3 )  r ( x1 x p ) 
 
r ( x2 x1 ) 1 r ( x2 x3 )  r ( x2 x p )

R  r ( x3 x1 ) r ( x3 x2 ) 1  r ( x3 x p ) 
 
      
 
r ( x p x1 ) r ( x p x2 ) r ( x p x3 )  1 

Se a matriz R for de posto completo igual a „p‟, isto é, não apresentar nenhuma coluna
que seja combinação linear de outra, a equação R  I  0 terá „p‟ raízes chamadas de

autovalores ou raízes características da matriz R. Na montagem da matriz de dados X é

importante observar que o valor de „n‟ (indivíduos, tratamentos, genótipos, etc.) dever ser pelo
menos igual a „p+1‟, isto é, se queremos montar um experimento para analisar o comportamento
 23

de „p‟ características de indivíduos de uma população é recomendado que o delineamento

estatístico apresente pelo menos „p+1‟ tratamentos (idem).

Sejam λ1, λ2, λ3, ..., λp as raízes da equação característica da matriz R ou S, então:

1   2   3 ,  p .

Para cada autovalor λi existe um autovetor ~

ai :

a i1 
 
~a  a i 2 
i
 
 
a ip 

Os autovectores ~
a i são normalizados, isto é, a soma dos quadrados dos coeficientes é
igual a 1, e ainda são ortogonais entre si. Devido a isso apresentam as seguintes propriedades:

~a  ~a  1e  a ~a  ~a 

p p

 a ij2  1
j 1
i
'
i
j 1
ij  a kj  0 i
'
k  0 para i  k

Sendo ~
a i o autovector correspondente ao autovalor λi , então o i-ésimo componente
principal é dado por:

Yi  a i1X1  a i 2X2    a ipXp

3.3.1.4 Variabilidade explicada pelas componentes principais

Segundo CUADRA (2004: 65), a variância da componente principal Yi é a var Yi   i e a

p
variância total é tr S    i .
i 1

Ainda na óptica do mesmo autor:

a) Yi Contribui com a quantidade i da variância total tr S  .

 24

q
b) Se q  p, Y1 ,...., Y p contribuem com quantidade  i da variância total tr S  .
i 1

c) A percentagem de variabilidade explicada por m primeiras componentes principais é

1  ...   m
Pm  100
1  ...   p

Espera-se que as primeiras componentes expliquem uma elevada percentagem de

variabilidade total.

3.3.1.5 Contribuição de cada componente principal

A importância de uma componente principal é avaliada por meio de sua contribuição, isto
é, pela proporção de variância total explicada pela componente. A soma dos primeiros k
autovalores representa a proporção de informação retida na redução de p para k dimensões. Com
essa informação podemos decidir quantas componente vamos usar na análise, isto é, quantas
componentes serão utilizados para diferenciar os indivíduos (VARELA, 2008:7).

3.3.1.6 Interpretação de cada componente

Segundo (VARELA, 2008:8), esta análise é feita verificando-se o grau de influência que
cada variável X i tem sobre o componente Yi . O grau de influência é dado pela correlação entre

cada X i e o componente Yi que está sendo interpretado.

Na óptica do mesmo autor, se o objectivo da análise for a obtenção de índices, prática

muito comum em Economia, a análise termina aqui. Se o objectivo da análise é comparar ou
agrupar indivíduos, a análise continua e é necessário calcular os escores para cada componente
principal que será utilizado na análise.

3.3.1.7 Escores dos componentes principais

Segundo (VARELA, 2008: 9) os escores são os valores das componentes principais. Após
a redução de p para k dimensões, os k componentes principais serão os novos indivíduos e toda
análise é feita utilizando-se os escores dessas componentes.
 25

3.3.2 Análise discriminante

Suponhamos que temos g populações conhecidas 1 ,...,  g e em cada uma que observamos

uma amostra de um certo vector de X = ( X 1 ,. . . ,Xp)′.

A análise discriminante se ocupa em descobrir, mediante as variáveis X i , as diferenças

entre as populações. Se trata em encontrar funções discriminante e regras de decisão h = h( x1 , . .

., x p ) cujos valores são de grupos distintos, estejam mais separados possíveis. Decidimos,

buscar funções de h simples que permitem alocar cada um dos indivíduos a uma populaça
concreta  ,   1,2,..., g , minimizando a taxa de erro dessas alocações (MORENO &
CHAVEZ, 2008:163).

MORENO & CHAVEZ (2008:163), advogam que a regra de determinação das funções
discriminantes mais conhecida é do discriminador linear de Fisher, donde h é una função linear
de x = ( x1 , . . . , x p )′.

Sejam 1 , 2 populações com distribuições N p (1 ,  ) e N p (  2 ,  ) respectivamente. O

discriminante linear de Fisher que aloca x  R p a uma das populações anteriores.

 
L x    x  1   2  1 1   2  ;
1
 2 

A regra discriminante de Fisher consiste em alocar x a uma população 1 se Lx   0 e,

em caso contrario, alocar x a população  2 .

Na óptica de MORENO & CHAVEZ (2008:164):

Considerando que  i e  são parâmetros conhecidos e respectivamente, os vectores de

médias e a matriz de covariâncias comum das populações  i . Demonstra-se que a função linear
do vector aleatório X que produz separação máxima entre duas populações é dada por:

D X   L' X  1   2 '  1 X

 26

Em que,

X  X 1 X 2 ...X 3  e    1 . 2 

L= vector discriminante

X= vector aleatório de características das populações;

 = Vector das medias p - variado;

 = Matriz comum de covariâncias das populações  1 e  2 .

O valor da função discriminante de FIsher para uma dada observação x o é:

Dxo   1   2 '  1 xo

O ponto médio entre as duas medias populacionais univariadas 1 e  2 é:

m
1
1   2 '  '1   2  , ou seja m  1 D1   D 2 
2 2

A regra de classificação baseada na função discriminante de Fisher é:

Alocar x o em  1 se Dxo   1   2 '  1 xo  m ;

Alocar x o em  2 se Dxo   1   2 '  1 xo  m .

Assumindo que as populações  1 e  2 tem a mesma matriz de covariâncias 

podemos então estimar uma matriz de covariâncias S c :

 n1  1   n2  1 
Sc   .S1   .S 2
 n1  1  n2  1  n1  1n2  1

A função discriminante linear amostral de Fisher é obtida substituindo-se os parâmetros

1 ,  2 e  pelas respectivas quantidades amostrais x1 , x 2 e S c :
 27

 
D X   L' ' X  x1  x 2 ' S c1 .x
; Onde
D X 
= função discriminante linear amostral de Fisher;

L' '
= Estimativa do vector discriminante;

x1 = Média amostral da população  1 ; x 2 = Média amostral da população  2

 28

CAPITULO IV

4. RESULTADOS E INTERPRETAÇÃO

4.1 Preliminares

Como se trata de pesquisa de opiniões e tomando em consideração que termos muitas

variáveis (questões do inquérito) e olhando para os objectivos definidos, com as técnicas
estatísticas univariadas não seria pratico realizar este estudo, pois devíamos analisar questão por
questão, portanto com as técnicas estatísticas multivariadas neste trabalho permite-nos responder
os objectivos da pesquisa, visto que a análise das componentes principais permite-nos encontrar
outras variáveis que melhor representem o sistema estudado, e com análise discriminante
conseguimos identificar as opiniões similares, assim como sua comparação.

4.2 Descrição da amostra

Foram inquerido no total 25 mulheres das quais 2 de Matemática, 2 de Física, uma de

Filosofia, 2 de Inglês, 7 de Gestão dos recursos humanos, 8 de AGE e 3 de Educação Física
contra 109 homens, dos quais 17 são de Matemática, 9 de Física, 19 de Filosofia, 13 de Inglês, 9
Educação visual, 16 de Gestão dos recursos humanos, 11 de AGE e 15 de Educação Física.
 29

Gráfico1: resumo dos cursos dos estudantes da UPQ por sexo

Fonte: Organizado pelos Autores.

O gráfico a cima mostra que na amostra existe uma maior frequência dos homens em
relação as mulheres, mas este facto não fragiliza a opinião feminina, já que a proporção com
relação ao universo de cada género foi considerada.

4.3 Análise das opiniões através de componentes principais

O PCA constitui uma das técnicas de análise multivariada, e sua aplicação é feita com o
objetivo de identificar as variáveis latentes que mais contribuem na explicação da variabilidade
do conjunto de dados. Antes de realizar o PCA é necessário verificar a existência de níveis
aceitáveis de correlação entre as variáveis para o sucesso do resultado da análise. Para tal o teste
de KMO e Bartlett‟s são habitualmente aplicados.
 30

4.3.1 Teste de hipóteses da adequação do uso do PCA

Tabela1: teste de KMO e Bartlett‟s

Fonte: Organizado pelos Autores.

De acordo com a tabela1 de teste de Kaiser-Meyer- Olikin (KMO), apresentou um poder

de explicação dos dados de 0,619. O facto de sig=0,00 <0,05, isto é o KMO3 esta dentro do
intervalo de (0,5 e 1,0), com o qual se pode rejeitar, a um nível de significância de 5%, a
hipótese de que os dados não se adequam a aplicação da Analise de Componentes principais.

Pelo resultado anterior, considerando adequada a aplicação do PCA neste estudo, convêm
determinar o número ideal de componentes principais, que para tal, se usa o gráfico2 de
sedimentação a seguir:

 r
j k
2
jk
3
KMO  ; r jk é o coeficiente de correlação simples entre x j e x k e  jk é o coeficiente
 r
jk
2
jk    2jk
jk

de correlação parcial simples entre x j e x k .

 31

4.3.2 Número de componentes principais (pelo critério de Kaiser)

Gráfico 2: Determinação do número de componentes

Fonte: Organizado pelos Autores.

O teste Scree é realizado por meio da construção do gráfico das raízes latentes em relação
ao número de componentes. Pode-se observar que o mesmo apresenta um lento decréscimo da
curva após a sexta componente principal, pelo critério de Kaiser que diz que ¨as componentes
principais são todos aqueles que são constituídos por autovalores acima de um (1)¨. Seguindo
este critério, apenas as primeiras seis componentes principais farão parte do estudo.
 32

4.3.3 Variabilidade explicada e total

Tabela2: Variabilidade explicada

Fonte: Organizado pelos Autores.

Conforme vimos no screeplot, a tabela2 também nos mostra que para o nosso estudo
determinou-se 6 componentes principais, com uma variabilidade total de 61,952%, indicando
que o modelo com estas componentes conseguem explicar 61,952% dos dados originais (Dados
obtidos a partir do inquérito) Estas componentes representam e explicam a variabilidade das
outras variáveis.
 33

4.3.4 Peso de cada variável nas componentes principais

Ver a tabela3 nos anexos.

Vamos considerar que as variáveis que têm uma pontuação a partir de 0,2 (negativas e
positivas) para cima pesam mais nas componentes principais.

A primeira componente principal possui maior variabilidade dos dados obtidos do

inquérito, visto que ela contribui em 19,224% da variabilidade explicada dos dados. Através dos
coeficientes apresentados por cada variável na componente principal, esta componente mostra
que em geral os estudantes comungam na ideia de que a Matemática é relevante no seu
quotidiano, assim como esta é útil na sua vida quotidiana, mas em contrapartida eles percebem
que os métodos docentes aplicados na sala de aulas deixam a desejar.

A segunda componente principal apresenta uma variabilidade explicada de 11,392% dos

dados, ela indica que os estudantes tem a percepção de que existe uma relação entre a
Matemática e o quotidiano, portanto o método da abordagem contextualizada da matemática
contribui bastante na descoberta das áreas de actuação da Matemática, por outro lado eles
afirmam que a Matemática preocupa-se na resolução de exercícios e que não é relevante
interpretar o resultado e que o objectivo da Matemática é de dificultar o processo de ensino e
aprendizagem.

A terceira componente principal explica os dados com uma variância de 8,703%. Os

inqueridos tem a percepção de que a Matemática é relevante e é útil nas suas vidas e estão a
favor de abordagem contextualizada na sala de aulas e tem uma percepção diferente do objectivo
da Matemática e criticam a metodologia docente nas aulas desta disciplina.

A quarta componente principal explica com 8,289% na variabilidade explicada dos

dados. Nesta componente os estudantes estão cientes da importância, relevância da Matemática,
mas eles não dizem o mesmo quanto a metodologia docente, por outro lado esta preocupa-se em
obter resultados correctos do que perceber como foi obtido.

A quinta componente principal com 7,547% da variabilidade dos dados obtidos, os

estudantes percebem o objectivo da Matemática, conhecem as áreas que se relacionam com o
 34

quotidiano, estão cientes da contextualização e importância da Matemática no seu quotidiano e

criticam a utilidade dela nas actividades do dia-a-dia e que só se preocupa na resolução de
exercícios.

A sexta e a última componente apresenta uma variabilidade explicada de 6,798% dos

dados, com estudantes a favor da importância da relevância da compreensão dos conceitos
matemáticos, no que tange as áreas de actividades eles são críticos.

Quadro2:Resumo das componentes principais

COMPONENTE INFLUENCIA INFLUNCIA CARACTERISTICA

POSITIVA NEGATIVA

1 P4, P5, P7,P13, P9,P10,P11,P Esta componente indica que os inqueridos

P14, P17 12,P16 são unânimes sobre a relevância e
utilidade da matemática no quotidiano e
na vida profissional, porém, são críticos
com relação aos métodos docentes na sala
de aula.

2 P2, P6, P1, P5 Esta componente mostra que os inquiridos

P8,P10,P13,P1 estão a favor de que existe uma relação da
4, P15, P17 matemática com o quotidiano, que ela é
importante na tomada de decisão, porem
ela preocupa-se com na resolução de
exercícios e que não é relevante interpretar
o resultado.

3 P5, P7, P8, P12 P4, P11 Esta componente indica que alguns
inqueridos são unânimes na ideia da
relevância e utilidade da Matemática e são
críticos no objectivo dela e quanto a
 35

metodologia docente nas aulas.

4 P1, P3, P6
P4, P5, P9, Esta componente indica que uma parte dos
P11 estudantes tem uma percepção a favor da
importância da Matemática, relevância de
interpretar o resultado obtido, ainda são
críticos quanto a metodologia docente.

5 P10, P13, P14
P1, P2, P4, Esta componente mostra que os estudantes
P7, P15 percebem que as áreas da Matemática
relacionam-se com o quotidiano e com as
actividades do dia-a-dia, eles são críticos
na metodologia docente, na tomada de
decisão.

6 P15 P1, P2, P3, Esta componente indica que os inqueridos

P4, P8, P11, percebem a relevância e importância dos
P16 conceitos matemáticos, os métodos
docentes e criticam o contributo da
Matemática nas actividades práticas

Fonte: Organizado pelos Autores.

4.4 Análise discriminante

O objectivo da aplicação desta técnica é para perceber o nível de semelhanças ou

diferenças das opiniões (medidas através das dezassete questões do inquérito) dirigido aos
estudantes dos departamentos académicos da UPQ (representados por pelo menos um curso).
 36

4.4.1 Função discriminante e suas variâncias explicadas

Tabela 4

Fonte: Organizado pelos Autores.

A função discriminante linear de Fisher é utilizada para classificar as observações nos

grupos, assim os valores das variáveis explicativas de uma observação são inseridos nas funções
de classificação e, consequentemente, um escore de classificação é calculado para cada grupo,
para aquela observação. Dadas as p variáveis e g grupos, é possível estabelecer m = min(g - 1; p)
funções discriminante que é combinações lineares das p variáveis.

Em geral com ajuda da fórmula e tabela acima afirma-se que o número de funções
discriminante da pesquisa é sete (7).

Fonte: Organizado pelos Autores.

 37

Significância das funções discriminante. Dados os valores da tabela anterior, se constata

que, a um nível de significância de 5% se pode afirmar que apenas as funções 1, 2 e 3 possuem
um poder discriminatório significativo. O que quer dizer que as primeiras três funções alocam
maior numero dos dados.

Grafico3: gráfico de dispersão

Fonte: Organizado pelos Autores.

O gráfico a cima mostra-nos percepções similares, isto é, os estudantes dos cursos que
estão mais próximos apresentam opiniões similares sobre a relevância da Matemática no seu
quotidiano e para o caso dos cursos que estão distantes no gráfico, mostram percepções não
similares.
 38

CAPITULO V

5. CONCLUSÕES

O objectivo principal desse trabalho é analisar as percepções dos estudantes da UPQ sobre a
relevância da Matemática no seu quotidiano, pelas análises realizadas, podemos apontar dois
aspectos relevantes:

1. Com a técnica de componente principal evidenciamos e percebemos que uma parte

considerável dos estudantes da UPQ são unânimes na ideia de que a Matemática é
relevante no seu quotidiano, assim como esta é útil na sua vida profissional, mas em
contrapartida eles percebem que os métodos docentes aplicados na sala de aulas, a falta
de contextualização dos conteúdos abordados deixam a desejar e a outra parte percebe
que a Matemática não tem relevância alguma na sua vida e que esta só vem para
dificultar o processo de ensino e aprendizagem, pois estes percebem que ela só se
preocupa na resolução de exercícios.
2. Com a técnica discriminante destaca-se que os estudantes do curso de Matemática tem
percepções similares com os de Física, o que era previsto, visto estes são do mesmo
departamento, por sua vez estes tem opiniões similares com os de Gestão dos recursos
humanos, distanciando-se de uma forma relativa em opiniões com os estudantes dos
cursos de curso de AGE e Educação Física que mostram um grau de similaridade maior
nas suas opiniões e estes grupos distanciam-se muito nas com os estudantes de Educação
visual, Filosofia e Inglês.

Como conclusão final, se pode dizer que os estudantes dos departamentos de Ciências Naturais e
Matemática, ESCOGE, Ciências de Educação e Psicologia e Educação Física e Desporto são
cientes da relevância da Matemática no seu quotidiano, salientando a falta de contexto nos livros
de Matemática e criticam a metodologia docente enquanto os dos departamentos de Ciências
Sociais, ESTEC e Ciências da linguagem, comunicação e artes, percebem que a Matemática não
é relevante nas suas vidas, nem se quer na sua profissão.
 39

Referências bibliográficas

1. CAMACHO; Natércia Maria Fernandes Pereira: A matemática e as suas conexões com o

quotidiano: à descoberta da matemática no dia-a-dia.Universidade de madeira. 2011.
2. CUADRAS; CarlesM: Analise Multivariante. March,2004.
3. DAVIDOFF, Linda: Introdução à Psicologia. Pearson Makron Books. São Paulo 2001.
4. FAVERO; Luiz Paulo et al: Analise de dados: Modelagem Multivariada para tomada de
decisoes. Elsevier. Rio de Janeiro. 2009.
5. FERNANDEZ, F.R. GALLEGO, José A Mayor: Muestreo en Poblaciones Finitas: Curso
Básico. Ediciones Universitarias de Barcelona (E.U.B.). Barcelona.(1995a).
6. INDE/MINED. (2010): Matemática, Programa da 8ª Classe. Moçambique.
INDE/MINED editora.
7. NEISSER, U. Cognition and Reality.Ed. W.H. Freeman, San Francisco. (1976)
8. PIRES; Eugénia Maria de Carvalho Pardal. MOREIRA Darlinda. Um estudo de
Etnomatemática: A matemática praticada pelos pedreiros. Universidade Aberta. 2008.
9. VARELLA ; Carlos Alberto Alves. (2008): Análise Multivariada Aplicada as Ciências
Agrárias:Análise de Componentes Principais Seropédica – RJ.
10. http://www.dicionarioinformal.com.br/percep%C3%A7%C3%A3o/, cessado as 10:00 do
dia 27/9/2015.
11. http://www.dicio.com.br/Percepção - Dicionário Online de Português, cessado as 14:15
do dia 27/9/2015.
 40

ANEXOS