Sebenta Metodologia da Investigação em Psicologia

2021-2022

Produced By Nozes®

1
Índice

Aulas Teóricas ...................................................................................................................................... 3

Metodologia da Investigação ................................................................................................................. 3
Etapas do Processo de Investigação Científica........................................................................................ 6
Modelo Clássico (Indutivo) e Modelo Popperiano (Hipotético-Dedutivo) ............................................... 7
Efeito da severidade na iniciação na atração por um grupo................................................................... 9
Fatores de Variabilidade Experimental ................................................................................................. 14
Categorias das Investigações ................................................................................................................ 15
Exercícios ............................................................................................................................................... 16

Aulas Práticas ..................................................................................................................................... 20

Aleatorização – Procedimentos ............................................................................................................ 20
Exercício 1 ............................................................................................................................................. 24
Aleatorização com Blocos ..................................................................................................................... 25
Exercícios ............................................................................................................................................... 29
Planos com pré-teste / pós-teste e grupo de controlo .......................................................................... 33
Medidas da magnitude dos efeitos experimentais ............................................................................... 40

2
Aulas Teóricas
Metodologia da Investigação

Definição - Conjunto de dispositivos técnicos de produção de conhecimentos.

Objetivo :
• Analisar e descrever os métodos empíricos das ciências” (Madsen, 1974, p. 24)
• Estudar os “meios para traduzir em ações as ideias do investigador” (Manstead & Semin,
1988, p. 60).

Ou seja, temos uma ideia e pensamos: “como poderei operacionalizá-la?” Devemos perceber qual a
melhor ferramenta / instrumento porque as conclusões que retiramos dependem muito dos métodos que
utilizamos, ou seja, devemos encontrar meios para traduzir numa ação concreta uma ideia/objetivo do
investigador.

Em Psicologia existe uma preocupação dos investigadores: “Como é que eu vou medir? Como
medir, por exemplo, distúrbios psicopatológicos/resiliência/autoestima/autoconceito?” Se não
houver instrumento na literatura para uma determinada medição, o investigador tem de
pensar... Metodologia faz o estudo dos meios para traduzir de forma concreta as ideias do
investigador, ou seja, para traduzir em ações mensuráveis as suas ideias.

Posicionamento do conjunto de outras disciplinas

científicas

A metodologia situa-se entre a epistemologia (estudo

do conhecimento que é produzido, como é organizado
e aplicado) e a meta-teoria (sistematologia).

A Meta-teoria sistematiza o conhecimento produzido ao

nível das várias disciplinas, a partir de repositórios
científicos. As boas meta-análises ou revisões
sistemáticas da literatura identificam a consistência dos
resultados, assim como as lacunas / contradições que
existem na investigação. Ler uma revisão bibliográfica é
sempre mais produtivo que ler um artigo empírico sobre
determinado tema.

Sobre a “ilha da investigação”

É importante identificar as etapas principais do processo de investigação científica, e quais as

principais atividades e objetivos do investigador, assim como as dificuldades e obstáculos com
que este se pode confrontar.

O investigador inicia o seu percurso no mar da teoria, onde está a baía da literatura (motores
de busca de artigos científicos, por exemplo) e vive na cidade da esperança, pois imagina o que
é que vai encontrar/descobrir com o seu estudo e a sua contribuição para o avanço do
conhecimento científico. Para tal, é necessário enfrentar a selva da autoridade (muitas vezes
tem uma ideia, mas tem de a partilhar / contrastar com o orientador, tutor, etc.). Quando passa
esta selva da autoridade já caminha para a definição do problema (na metodologia da

3
investigação uma ideia é considerada um “tesouro”, porque é inicialmente muito difícil encontrar
algo que seja novo, que não tenha sido já estudado). Deve ser criada uma especificidade que
distingue o processo de investigação dos demais e que, ao mesmo tempo, acrescente algo de
novo e relevante à ciência - estas questões de investigação muitas vezes não surgem aos
investigadores (falta de ideias).
Depois passa para o pináculo dos dogmatismos - remete para o cume da ilha. O dogmatismo
não aceita a discussão. A mina do acaso, o desfiladeiro, o cume, pilha de hipóteses naufragadas,
deserto sem fundos, planície e pântano
são símbolos que espelham a necessidade
de uma postura de humildade
(compreender as lacunas, saber que o que,
ao foi feito, algo pode ser acrescentado /
melhorado, que existem sempre
limitações).
De seguida vem a hipótese de
investigação. Esta é uma ideia, uma
possível resposta. Tem sempre subjacente
a preposição “se... então”, Ex: “se
investigar isto, então eu vou encontrar
aquilo”. Quando se tem uma previsão
sobre aquilo que os dados vão dar já se
está em posição de argumentar, analisar,
interpretar e, sobretudo, de criar todas as condições a nível metodológico para pôr em prática
as ideias do investigador. Para haver investigação, é preciso dinheiro. A entidade que financia
em Portugal é a FCT (Fundação para a Ciência e Tecnologia). Posteriormente realiza-se o desenho
da investigação, ver as etapas da investigação científica, técnicas a utilizar, recolhe-se os dados,
analisa-se e chega-se à mina da serendipidade. Às vezes verifica-se que os dados recolhidos
apontam no sentido oposto ao que a hipótese previa e entra-se em desespero. No entanto, é
importante perceber e interpretar os resultados da base de dados e analisar o que se tem. Pode-
se encontrar algo como uma correlação elevada e a tendência é para formar toda uma teoria
em relação àquele dado que foi encontrado por acaso. Cuidado!! NÃO se deve fazer isto: deve-
se voltar à literatura e ver qual é a sustentação teórica acerca do resultado encontrado e ver
muito bem os testes estatísticos que vão ser utilizados, daí a ligação entre estatística e
Metodologia. Estatística recorre a Metodologia para concretizar a melhor opção. Muito mais
do que olhar e ver se existem diferenças significativas deve-se olhar para a magnitude do efeito,
mais do que se a diferença é estatisticamente significante ou não.
Depois passa a Selva da Análise de Dados e as Hipóteses que são descartadas quando não
consegue validar a hipótese prévia, o que pode provocar confusão mental: “Para onde é que eu
vou??”. Até que atravessa para a produção científica e publica os resultados, atravessando o
deserto da incerteza, por não saber se os revisores estão de acordo com os resultados e
discussão que é proposta, e se estes farão a publicação. Depois regressa à Baía da Literatura
novamente. Este é um processo circular e em espiral.

Observações importantes, em síntese:

• A investigação passa-se entre o mar da teoria e o oceano da experiência. O ponto de

partida não é a observação ingénua do real, mas a problematização.
o As hipóteses derivam da observação, por generalização indutiva e transformam-
se em leis gerais via experimentação.
o O processo do conhecimento tem origem no problema e não nos dados da
observação

4
• O investigador move-se constantemente entre as águas da teoria e da experiência,
aceita o confronto com o real, não fica a contemplar-se narcisicamente no “espelho
das ideias feitas”.
o O objetivo de um investigador não consiste em confirmar a hipótese alternativa,
mas em enfraquecer a hipótese sob investigação (a hipótese nula).
• A investigação é um processo em espiral. Partimos da baía da literatura onde desagua
o rio das palavras, e é lá que voltamos se conseguirmos atravessar incólumes o “delta
dos editores”.
o O processo é um produto inacabado, está sempre em aberto: todas as soluções
são provisórias, não havendo lugar para a extinção de problemas (K. Popper).
o A resolução de um problema é, simultaneamente, a sua reformulação ou o
ponto de partida para o equacionar de um novo problema.
• As diversas fases do processo, ainda que ordenadas, não constituem um ciclo
imutável, pois existem desvios (descobertas casuais; ter que reescrever o trabalho;
procurar novos dados; reformular hipóteses; redefinir problemas). Existem
igualmente caminhos paralelos que não conduzem a lado nenhum.
• A ciência não é socialmente neutra: é necessário quem financie os projectos de
investigação e de publicação. A “Direção” da investigação é socialmente determinada.
• A ciência é conflitual: há que travar batalhas decisivas na “selva da autoridade”. Do
confronto dos paradigmas ao confronto de interesses simbólicos e materiais no seio
da própria comunidade científica.
o Na comunidade científica existe uma hierarquia de objetos de estudo, hierarquia
dos graus académicos e do prestígio da instituições mas, principalmente, a
dependência das estratégias destinadas a assegurar o financiamento dos
projetos de investigação tanto no interior da comunidade científica como na
sociedade política.
• A ciência é prazer, mas também é paciência. É imaginação, mas também é trabalho. E,
por último, é bom lembrar que a ciência deve subordinar-se à vida e não o inverso.
o A ciência não é uma atividade desinteressada nem socialmente neutra. Contudo,
a validação das hipóteses não dispensa o rigor, a paciência, a disponibilidade
quase ilimitada para o trabalho empírico e a capacidade de resistir às diversas
formas de policiamento epistemológico.
o É importante perceber que as relações entre a ciência e a sociedade não são
unidirecionais: se os interesses sociais dominantes geram pressões para que a
ciência os legitime, esta pode e deve contribuir para a superação de iniquidades
e para a criação de condições de bem-estar e desenvolvimento.

5
Etapas do Processo de Investigação Científica

O investigador não pode aceitar como verdade absoluta toda a produção científica que está feita
e tudo o que está escrito. É importante pensar a investigação a nível de temporalidade e local
de onde provém. Em metodologia, um problema é um tesouro, pois é a partir dele que
conseguiremos formular hipóteses, que terão de ser testadas.

1- A investigação é iniciada com um problema, a partir do qual formulamos hipóteses -

previsão dos resultados. Estas hipóteses terão de ser testadas.
2- Depois, elaboramos um plano de investigação – recrutamento de participantes;
selecionar a amostra; submetê-la a inquéritos; recolhem-se os resultados; (…)
a. O Plano ou Design de uma investigação pode definir-se como o conjunto de
procedimentos e orientações que conduzem a investigação.
b. Consiste num guião de tudo o que vai ser feito e dos passos a serem seguidos
para a concretização dos objetivos desse estudo.
3- Realização empírica do plano de investigação.
4- Na fase do apuramento, codificação e análise é onde entra toda a estatística - o tipo de
técnicas de tratamento de dados. Mesmo que o resultado seja contrário à nossa
hipótese, devemos interpretar e compreender o porquê do resultado.
a. Relativamente à estatística, decide-se se iremos tratar os dados com t de
student, ou com coeficiente da correlação, ou outro... O investigador terá de
selecionar as mais apropriadas técnicas de tratamento de dados (as melhores
são as mais apropriadas e não as mais complexas).
b. O investigador tem de ter conhecimento sobre as técnicas de análise de dados,
ou então corre o risco de tomar uma má decisão.

6
 c. A interpretação dos resultados é a ação mais complexa. Se não encontramos
diferenças estatisticamente significativas relativamente aos dois grupos, ou os
resultados surgem ao contrário ao que era expectável (hipótese) teremos de ter
a humildade de dizer que a hipótese não foi corroborada (não teve suporte
estatístico) e ver se a não corroboração dos resultados se deveu a um erro do
investigador, a falta de atenção dos participantes, se deveu a pouca clareza das
instruções que foram dadas, perceber que tipo de amostra e as suas
caraterísticas (quais as circunstâncias daquela amostra) e procurar encontrar
uma interpretação o mais sensata possível dos resultados que temos. Não
podemos inventar resultados, mas procurar uma interpretação fiável dos
mesmos.
5- Redação e publicação do relatório.
a. Já há revistas especializadas em publicar resultados não significativos. Editores
e revisores têm de emitir um parecer positivo para que qualquer artigo seja
publicado. Quando há algum problema no desenho do estudo, o artigo é
rejeitado.
b. Normalmente ninguém publica artigos sem resultado significativo, ou porque o
investigador coloca os artigos “na gaveta”, ou por serem rejeitados, mas a
ciência deveria ser neutra!
c. É muito bom que haja este tipo de publicação, porque é importante valorizar os
resultados negativos e dá-los a conhecer.

A investigação não é socialmente neutra. Ela é financiada, logo estão subjacentes um conjunto de fatores,
entre eles, o interesse político. Há muitas influências políticas e ideológicas no sentido de facilitar a
investigação que esteja em acordo com determinada visão). O que deveria determinar a prioridade dos
financiamentos da investigação era o impacto que tem no bem-estar das pessoas, mas tal não acontece.

Modelo Clássico (Indutivo) e Modelo Popperiano (Hipotético-Dedutivo)

Modelo clássico/indutivo - Francis Bacon

• Método experimental. A descoberta de fatos verdadeiros depende da observação da
realidade e da experimentação guiada pelo raciocínio indutivo (aquele que parte da
observação).
• Para obter conhecimento através da generalização indutiva, seria necessário submeter
os sujeitos àquilo que Bacon chamava de Verificação das hipóteses (provas e
contraprovas da hipótese).
• Chega-se, desta forma, a uma LEI GERAL.
• Esta questão é considerada relativa nas ciências sociais e humanas. No entanto na física
é extremamente funcional.

Modelo Popperiano hipotético-dedutivo

• Modelo que não é indutivo, mas hipotético-dedutivo.
• Inicia-se com um conjunto de problemas (parte da problematização, questões de
investigação), a partir do qual é criada um conjunto de conjeturas (preposições testáveis
– estas são criadas por dedução). A partir dos problemas de investigação deduz-se uma
preposição!
• A dedução cria uma preposição estável. Assim tenta-se refutar a preposição, sujeitá-la
ao escrutínio da evidência empírica. A partir daí cria-se a hipótese de investigação.
• A diferença entre Bacon e Popper: Popper não observa ingenuamente, mas coloca um
problema de investigação concreta, cria uma dedução estável e a partir daí cria uma
hipótese, que poderá dar origem a uma teoria, mas nunca poderei dizer que esta será

7
 uma lei geral, porque as leis gerais são generalizações (não podemos instituir o
estatuto de lei porque a sociedade e o ser humano está em constante evolução).
• Aqui estabelecemos preferência entre teorias concorrentes. Tomamos a opção entre
teorias concorrentes (Ho e H1). Rejeitamos Ho e aceitamos H1.
• O modelo atual da ciência é o modelo Popperiano, a partir do qual deduzimos teorias
que serão válidas até que surja uma nova teoria que se mostre mais válida!

Leis gerais tendem a se cristalizar, Popper prefere estabelecer a preferência entre teorias concorrentes, o
que leva a outro problema (espiral).

Para Francis Bacon, a descoberta de factos verdadeiros depende da observação e do raciocínio

indutivo. Só assim se criavam hipóteses e leis gerais.

Popper não parte da observação, mas da problematização - ele coloca um problema de

investigação concreto, deduz uma determinada proposição e vai tentar refutá-la ao máximo. Ao
invés de se criarem leis imutáveis e gerais, criam-se teorias concorrentes.
• A postura é mais humilde, aceita que a ciência se faz de teorias que vêm e são mais
válidas. É mais congruente com a maneira como o mundo se organiza - em eterna
mudança.

8
Efeito da severidade na iniciação na atração por um grupo

Variáveis:

• Tecnicamente, uma variável é um atributo que pode assumir diferentes valores entre
os membros de uma classe de sujeitos ou acontecimentos, mas que assume apenas um
valor para cada membro dessa classe num determinado momento (Aronson et al., 1990,
p.13)
• São coisas que nós medimos, controlamos ou manipulamos na investigação. Podem
diferir em múltiplos aspetos, mais precisamente no papel que lhes é dado na
investigação e no tipo de medidas que lhes podem ser aplicadas

• Numa hipótese normalmente está subjacente a relação entre as duas variáveis que são
características ou atributos que podem tomar diferentes valores e categorias.
• A variável dependente (VD) é definida como aquela que o pesquisador tem interesse
em compreender, explicar ou prever e que sofre o efeito esperado da variável
independente. Corresponde ao fenómeno que se pretende explicar ou descobrir no
estudo e que é determinado pela variável independente.
• A variável independente (VI) é designada como aquela que, segunda a crença, causa
influencia ou influencia a variável dependente. Numa pesquisa experimental, a
variável independente é manipulada pelo investigador com a finalidade de estudar os
seus efeitos na variável dependente.

Variáveis de controlo:
• Variáveis que eu meço para conseguir apurar a sua influência na variável dependente e
circunscrever essa influência.
• É importante conhecer estas variáveis para determinar a influência na variável
dependente, para perceber também a influência da VI na VD.

Por exemplo, sabemos que a VI influencia a VD. Mas até que

ponto? Se as horas de Sono (VI) afetam a atenção nas aulas (VD),
só conseguiria percebê-lo passando um teste de atenção aos
alunos. Para inserir uma variável de controlo teria de passar
também um teste para obter o grau de interesse autopercebido de
cada aluno na aula, e compreender se iria também influenciar a
atenção. Quando meço o grau de interesse na aula, estou a
determinar parte da VD como consequência da variável de
controlo.

9
“O ponto de partida da investigação nunca é a observação ingénua do real.…”. Esta
observação não permite avançar no conhecimento científico. O ponto de partida da investigação
deve ser a problematização, a capacidade de colocar uma questão de afirmação testada sob
condições de controlo. Foi o que foi feito nesta investigação abaixo.

A hipótese de investigação é: quanto maior for a severidade de iniciação nos rituais maior será
a atração ao grupo!

A VI é a severidade da iniciação e a VD é a atração por um grupo.

A distribuição aleatória dos sujeitos tem por objetivo controlar os fatores classificatórios, ou
seja, os atributos/diferenças individuais, características dos sujeitos que podem influenciar a
investigação. Assim, ao acaso constituem-se os grupos, pois a aleatorização exerce controlo
sobre diferenças individuais prevenindo o enviesamento dos resultados.

Condições experimentais: os 3 níveis da variável independente.

Cover Story
• Encenação da investigação, para que esta seja mais credível e plausível aos
participantes.
• Tem de estabelecer condições para o investigador poder injetar/manipular as VIs
(supostas CAUSAS da investigação; aquilo que causa modificações na VD) mas também
medir as VDs.
• Tem de permitir controlar 2 coisas: fatores classificatórios e pseudofatores.

Fatores classificatórios:
• Atributos individuais do participante
• Variáveis organísmicas do participante (caso não seja uma pessoa, questões de
organização e estrutura)
• Fatores de personalidade

10
 • Fatores sociodemográficos – idade, etnia, sexo, profissão, entre outros; dos sujeitos
(unidades experimentais).

Uma das formas de controlar os fatores classificatórios é fazer uma distribuição dos
participantes da investigação pelas diferentes condições experimentais.
• Cada condição experimental corresponde a um nível da variável independente (que é a
variável que vamos manipular para saber se as diferenças de cada condição
experimental se vão reverter em diferenças).

Os fatores classificatórios diferem consoante o tipo de investigação. Quando fazemos investigações sobre eficácia
de determinados programas educativos, nomeadamente no ensino da leitura, no ensino da matemática, entre outros,
há uma variável que devemos controlar, e essa variável é a inteligência, por exemplo.

Segundo os autores, havia um fator classificatório que poderia influenciar a atração do grupo:
a motivação. era importante controlá-lo e isso fez-se distribuindo os sujeitos aleatoriamente
pelas condições experimentais.
• Como o tema era Psicologia do Sexo, poderia haver um conjunto de pessoas mais
motivadas que outras para o interesse na área e isso depende da história de vida de cada
um e das suas vivências.
• Por isso mesmo os autores fizeram o controlo desse fator classificatório (motivação),
realizando distribuição aleatória dos sujeitos pelas condições experimentais. Os sujeitos
foram assim destinados aleatoriamente a cada uma das 3 condições experimentais.
Houve uma Homogeneização os grupos ao nível dos fatores classificatórios.

Sempre que há aleatorização dos sujeitos, está reunida uma condição fundamental para a
investigação ser experimental (a outra condição é haver manipulação das Vis).

11
Níveis da Variável Independente (VI):

Nível 1: Aos participantes que estavam no grupo de controlo não foi requerida qualquer
leitura antes da exposição em grupo.
Nível2: os outros participantes sim, nomeadamente um teste de embaraço. Estabeleceu-se nesta
Cover Story a condição para introduzir alguma severidade de iniciação. O investigador dá uma lista à estudante onde
constam 5 palavras relacionadas com sexo, mas não consideradas obscenas. A tarefa era fazer essa leitura. O objetivo
era criar alguma condição de embaraço para estudar a hipótese e a relação entre a severidade de iniciação e a atração
ao grupo.
Nível 3: Para iniciação SEVERA, as participantes teriam de ler em voz alta 12 palavras obscenas,
e 2 descrições explícitas de exposições sexuais retiradas de livros.

Os autores OPERACIONALIZARAM, desta forma, a variável “Severidade de Iniciação”.

• OPERACIONALIZARAM a variável que definiram no plano das ideias, no mundo
conceptual - severidade de iniciação – em algo que é sujeito a medição ou
quantificação (que é mensurável) através do TESTE DE EMBARAÇO.

(14 rating scales correspondem à operacionalização das VDs.)

AS VARIÁVEIS DEPENDENTES TAMBÉM SÃO OPERACIONALIZADAS!

• A VD é só uma: atração. Mas a avaliação da VD é feita tanto pela natureza da discussão
como pela avaliação dos participantes.

12
Teoria da Dissonância Cognitiva: Neste exemplo, quando o participante passa por uma situação
embaraçosa para pertencer a um grupo, e a avaliação que faz do grupo é positivo não gera
dissonância cognitiva. Mas quando o participante passa por tarefas difíceis para aceder a um
grupo, tendo grandes expetativas, mas depois o grupo é uma desilusão, existe dissonância
cognitiva. Os investigadores tinham de conseguir uma situação de maximização da dissonância
cognitiva e para isso fizeram o que aparece em T9 - gravação enfadonha! Ou seja, o que
interessa perceber é se, mesmo em dissonância cognitiva, os participantes no nível 2 e 3 (em
severidade de iniciação), se sentiam mais atraídos pelo grupo ou não!

Grupo tem maior pontuação em iniciação severa para resolver a dissonância cognitiva! O ser humano precisa de
equilíbrio. Sem nos apercebermos passamos a gostar mais do grupo. Explica conexão a determinadas seitas, com fases
de integração agressivas, tudo isto é explicado pela teoria da dissonância cognitiva.

Na investigação, foi necessário controlar também os PSEUDOFATORES:

• Todos os aspetos físicos, psicossociais e coordenadas temporais da situação
experimental, ou seja, variáveis situacionais CONSTANTES para todas as condições.
• Neste caso a discussão sendo eventualmente diferente poderia influenciar os resultados
da investigação e, para evitar isso, os investigadores colocaram uma discussão gravada
IGUAL para todos. Quando coloco uma gravação exatamente igual para todos os 63 participantes,
controlamos os pesudofactores: variáveis da situação que o investigador procura controlar (colocar todas
as variáveis da situação igual para todos, constante, invariável).

Se o principal factor classificatório era a motivação, os pseudofactores são todos os aspetos físicos da situação,
psicossociais e coordenadas temporais da investigação (a questão do tempo é fundamental e tenho de controlar,
não faço uma aplicação às 10.00 e outra às 22.00 porque a atenção muda consoante a hora, por exemplo, e assim
tempos de criar condições constantes para não existir enviesamento dos dados por consequência da existência de
variáveis externas).

“Logro dos participantes” / ”Deceiving”

• Quando iludimos os participantes (ocultamos as manipulações) de forma a injetar as VIs
e medir as VDs no cenário mais credível possível, de forma a que o conhecimento dos
participantes não prejudique os resultados da investigação.
o O conhecimento da história vai condicionar / modificar o comportamento /
cognição dos sujeitos. Há por isso a necessidade de recorrer a uma cover story.

Sempre que há uma cover story há a necessidade de fazer uma entrevista pós-experimental ou
“debriefing”.
• Esta entrevista é o momento final da investigação.
• Acontece sempre que há o deceiving. Sempre que há o logro dos participantes.
• Quando na cover story é contada uma mentira aos sujeitos (todo o processo que ocorre
sem o conhecimento dos participantes, desde a injeção das VI’s à sua manipulação),
então tem de haver na entrevista pós-experimental (o momento em que se revela aos
participantes os objetivos verdadeiros da investigação e se percebe se estes (neste
exemplo) se aperceberam que a discussão era uma gravação).

Resumo de Pontos essenciais da Investigação:

• VI é o grau de severidade da iniciação e a VD é o grau de atração sentido em relação ao
grupo (tanto às pessoas quanto aos participantes).
• Variáveis em questão foram operacionalizadas (operacionalizar é substituir a variável
por um referente empírico, ou seja, traduzir os conceitos das hipóteses em
acontecimentos específicos e observáveis)

13
 o Variável Independente operacionalizada em 3 níveis: grau de severidade severo
(ler 12 palavras obscenas e 2 descrições explícitas de atividade sexual), médio
(ler 5 palavras relacionadas com sexo mas não obscenas) e de controlo.
o A variável dependente é também operacionalizada através das rating scales, em
que por intermédio de 9 rating scales as participantes iam avaliar a discussão e
através de 8 rating scales (interessante/desinteressante; feio/bonito) avaliavam
também os participantes. Havia também 3 questões orais. Tudo isto são formas
que o investigador tem de medir nos participantes em que medida eles
gostaram mais ou menos da discussão dos participantes.
• O tema da discussão era extremamente aborrecido, e os participantes igualmente o
eram. Isto foi propositado, para maximizar a dissonância, uma vez que os candidatos
criaram expectativas em relação a um grupo e passaram por uma experiência
desagradável, sendo que não valeu a pena (a dissonância é maior quando as
participantes passam por uma iniciação mais severa).

Fatores de Variabilidade Experimental

Quais as possíveis fontes de variabilidade responsáveis pelas diferenças registadas a nível da

VD e de que modo os autores procederam ao seu controlo?

A atração pelo grupo deveria depender exclusivamente da manipulação dos fatores

experimentais, da VI (uma vez que é essa que manipulamos para registarmos alterações na VD).
Por isso é que a investigação experimental é tão importante: porque a principal e única causa da variabilidade na
VD deveria ser a manipulação da VI ativa (o nome “ativa” é porque é o investigador que manipula).

No caso desta VI, tem 3 níveis. O número mínimo de níveis que uma VI pode assumir é de dois
níveis. (NOTA extra da professora: “Qual é o número mínimo de níveis que a VI pode assumir? R: 2 níveis. Com
apenas 1 nível são seria uma variável, seria uma constante)

14
O grande factor responsável pela variabilidade na VD deveria ser, portanto, o Fator
experimental (VI). No entanto existem outros fatores que também influenciam os resultados na
VD:
• Os fatores classificatórios (VI’s passivas – pois o investigador não as pode manipular
(por razões éticas ou biológicas: não podemos manipular o sexo, a idade, etc)).No
entanto podem ser medidas e tidas em conta. Cada investigação tem fatores classificatórios que
podem ser potenciais influenciadores da VD. Neste caso, o principal fator manipulatório era a motivação e
o género não influenciou porque as participantes eram todas raparigas (que foi feito já propositadamente
para fazer o controlo desta variável).
• Pseudofactores (variáveis situacionais). Para manter constantes os resultados, todos os
restantes elementos são iguais para todos os sujeitos. Isto foi possível dando uma
discussão gravada aos participantes.

De que forma os investigadores controlaram os fatores classificatórios e pseudofactores?

• Fizeram uma distribuição aleatória dos sujeitos pelas condições experimentais. O
principio da aleatorização visa especificamente manter ou criar grupos iguais ao nível
dos fatores classificatórios. Como faço a destinação ao acaso – distribuição aleatória
(grupo para o nível 1 da VI, grupo para o nível 2 da VI, grupo para nível 3 da VI), admito
como princípio que os grupos são homogéneos.
• Quanto aos pseudofatores, controla-se tendo em atenção as variáveis da situação que
podem influenciar, mantendo-as o mais possível constantes!

Categorias das Investigações

As investigações são categorizadas em 3 grandes grupos: experimentais; quase-

experimentais; não experimentais.

1. Experimentais: tem de ter pelo menos 1 VI que o investigador manipula; é o

investigador que controla os fatores classificatórios, a partir de determinadas formas
(como a distribuição aleatória dos sujeitos pelas condições experimentais). Outra forma
é utilizar os mesmos sujeitos em todas as condições experimentais (medidas repetidas).
Investigações mais fidedignas: é o investigador que manipula e controla.

2. Quasi-experimentais: o investigador manipula a VI mas não controla os fatores

classificatórios. Neste tipo de investigação, o investigador vai aproveitar os sujeitos tal
e qual como eles existem na natureza. Nesta circunstância o investigador não pode
garantir que os grupos são homogéneos. Pode surgir outliers (valores extremos que
influenciam a média, e que podem ser retirados de forma a equilibrar a average).

A maior parte das investigações da psicologia fazem-se no grupo das Quase-experimentais.

Ou mesmo o grosso da investigação é de tipo Não experimental!

3. Não experimentais: simplesmente limitam-se a recolher da parte dos participantes a

informação quês estes lhe derem. O investigador não manipula VI’s e não controla
fatores classificatórios. O investigador simplesmente se limita a recolher informação
tal e qual como ela é dada pelos participantes, tal e qual como ela existe na sociedade.

Sempre que o investigador não manipula VI’s (quem manipulou foi a natureza e condições de
vida dos sujeitos) e não controla (limita-se a recolher informação), mas toda a investigação
funciona como se o investigador manipulasse, esta investigação é de tipo não experimental, mas

15
eu trabalho com VI’s passivas. Então esta investigação tem um nome muito específico:
Investigação não experimental do tipo ex-post-facto design.
• Depois dos factos acontecerem que o investigador vai trabalhar as VI passivas, mas no
fundo trata-as como se fossem verdadeiras VI’s, simplesmente não as manipula,
aproveita os resultados do ambiente.

Sempre que eu manipulo e controlo (experimental), manipulo e não controlo (QE), não controlo
e não manipulo (NE). Nesta última há um tipo de investigações denominadas ex-post-facto,
investigações que lidam com VIS passivas (variáveis independentes que por razões biológicas ou
éticas, ou até económicas, investigador não pode manipular, não está é condições de o fazer e,
assim, serve-se de quem já manipulou as condições dos sujeitos, neste caso a natureza.

Exercícios

Ver cronograma acima (outras aulas). Para tornar a investigação mais realista, os investigadores
inventaram uma coverstory! Medir as VI’s sem que os sujeitos desconfiem dos objetivos da
investigação. Tem de ser feito quando é necessário, quando sabemos que os sujeitos alteram o
comportamento se souberem os objetivos da investigação.

Sempre que há uma coverstory, há o logro dos participantes – o deceiving.

E sempre que há o logro dos participantes, tem de haver sempre uma entrevista pós-
experimental
• No final da investigação revela-se a cada participante os verdadeiros objetivos da
investigação, e é onde ocorre o debriefing. Sempre que há deceiving há debriefing.

Resultados da Investigação:
• Temos aqui as 3 condições experimentais. Temos o M e o DP para avaliação da discussão
(as 9 perguntas) e para a avaliação dos participantes (as 8 perguntas).
• Aumentos na iniciação severa, níveis da atração foi mais elevado.

16
 • De acordo com as médias, parece que os resultados apontam para a hipótese dos
investigadores (temos de ver os p.values). Nunca dizemos que os resultados confirmam
as hipóteses, mas que apontam para / corroboram as hipóteses /dão evidência ou
suporte estatístico às hipóteses. No entanto, na investigação experimental (e apenas
neste tipo de hipóteses) podemos dizer que sim, que confirmam as hipóteses.
• Grupo tem maior pontuação em iniciação severa para resolver a dissonância cognitiva!
O ser humano precisa de equilíbrio. Sem nos apercebermos passamos a gostar mais
do grupo. Explica conexão a determinadas ceitas, com fases de integração agressivas,
tudo isto é explicado pela teoria da dissonância cognitiva.

Representação gráfica das pontuações médias.

Parece que a teoria da dissonância cognitiva

acontece nestas situações. Iniciação severa
avaliaram mais favoravelmente as
discussões, até a que foi programada para
ser uma grande seca.

t representa o t de student. O objetivo é

perceber se as diferenças de médias se
devem ao acaso ou se são significativas. P. é
o nível de significância: o que diz que de facto
há diferenças estatisticamente significativas
entre as médias das condições experimentais.
Para isso acontecer, habitualmente define
0.05. (5%).

A grande conclusão que retiramos é que as

diferenças significativas estão entre controlo-
severa e média-severa. Os autores justificam
que é mais fácil para os sujeitos da
investigação avaliarem negativamente o
conteúdo da discussão comparativamente às
próprias pessoas e esta é a justificação que é
dada no artigo.
Se repararmos no gráfico, a avaliação dos
participantes é sempre maior que a avaliação
da discussão precisamente porque, de acordo com os autores, os sujeitos referiam sentir-se
mais constrangidos a dar notas fracas aos participantes, e então avaliaram-nos mais
satisfatoriamente., comparativamente à discussão. Ou seja, o elemento a dissonância é mais
com os sujeitos que com o conteúdo.

17
 Não temos de saber estas fórmulas de
cor. É só para dizer que o que o SPSS e
que, de certa forma, sentimos uma falta
de controlo, basicamente é aplicar esta
fórmula para obter estes resultados. É só
uma noção.

Ver o quadro e o gráfico

1- Verdadeiro
2- Falso (não dá para garantir que
são todos, através da informação
dos quadros). Temos de ter noção
que pode haver uma sobreposição
entre as respostas dos
participantes em iniciação severa
e as do controlo

(isto é a representação gráfica

da distribuição dos resultados) Claro que também podia acontecer isto:

(sem sobreposição) Mesmo assim nunca temos a certeza.

18
 3- Verdadeira. Podemos ver tanto no gráfico como nas médias. No entanto é de recordar
que o gráfico e as médias, por si só, não são representativas, no cômputo geral, de
significância estatística. É sempre importante lançar o teste de comparação de médias t
de student para perceber os p.values.
4- Verdadeira. (ver no total, e vemos o N.S).
5- Falsa. A estatística que permite dizer se a informação é verdadeira ou falsa? É o desvio
padrão. Terei de ir ao quadro do desvio padrão e comparar os valores do desvio padrão
entre a discussão e a avaliação dos participantes. (vemos que 13.9 é > do que 10.9,
portanto isto significa que é maior na discussão).

Podemos perceber que na discussão existe uma variabilidade maior, pois o desvio Padrão é
maior. Existe uma maior variabilidade de resultados relativamente à média. Quanto maior é o
DP, mais dispersos estão os resultados. Quando menor, mais concentrados estão os resultados.

19
Aulas Práticas
Aleatorização – Procedimentos

TNA: Tabela de Números Aleatórios

• Conjunto de dígitos (0 a 9) distribuídos por colunas (c) e linhas (l)
• Organização não tem qualquer critério sistemático
• Dígitos estão em posição arbitrária, fruto do acaso (igual probabilidade
de todos ocuparem uma determinada posição)
• Utilização:
o Distribuir sujeitos por condições experimentais
o Atribuir condições experimentais aos sujeitos

(Fazer corresponder a sequência pré-estabelecida de sujeitos / condições à

sequência aleatória de condições / sujeitos, termo a termo)

Ordenação Aleatória das Condições / Tratamentos

Listar as condições por uma ordem qualquer (A a Z) e usar a tabela para obter a sequência
aleatória dos números (1 a n) previamente atribuídos aos sujeitos.

Em primeiro, listar os sujeitos por uma ordem qualquer (alfabética, por exemplo), númeredos
de 1 a n (n=12)

Em segundo, fixar o número de condições experimentais e de sujeitos / condição.

• 3 condições (A-B-C) com 4 sujeitos / condição

Em terceiro, determinar o número de colunas / linhas necessário para a distribuição

• Número de condições ≤ 10 – basta uma coluna / linha (0 a 9)

• Número de condições > 10 e ≤ 100 – duas colunas / linhas (00 a 99)

Neste caso são apenas 3 condições, ou seja, basta apenas uma linha / coluna

20
Em quarto, estabelecer um sistema de correspondência dígitos – condições.

• Qualquer sistema pode ser estabelecido, desde que a probabilidade de pertencer a

qualquer uma das condições seja igual para todos os sujeitos.

Em quinto, decidir a utilização de colunas / linhas (por exemplo, optar pelas colunas).

Em sexto, decidir o “salto” a realizar quando chegar ao fim da coluna / linha e a distribuição
ainda não estiver concluída (por exemplo, optar por passar à coluna imediatamente à direita).

Em sétimo, selecionar ao acaso o ponto da TNA onde vai começar a distribuição com os olhos
fechados, apontar com a ponta de um lápis. Por exemplo:

Em oitavo, iniciar a distribuição, identificando a sequência aleatória de condições (sistema de

correspondência definido no ponto 4). Quando a condição está completa / preenchida, ignorar
os dígitos correspondentes.

Em nono, concluir a distribuição, atribuindo a sequência obtida aos sujeitos numerados de 1 a

n (n=12).

21
Ordenação Aleatória dos Sujeitos

• Listar os sujeitos por uma qualquer ordem (numerando-os de 1 a n) e usar a tabela para
obter a sequência aleatória das condições (A a Z)
• Distribuir aleatoriamente 12 sujeitos por 3 condições

Em primeiro, listar as condições / tratamentos por uma ordem qualquer (alfabética, por
exemplo).

Em segundo, listar os sujeitos por uma ordem qualquer (alfabética, por exemplo), numerados
de 1 a n (n=12).

Em terceiro, determinar o número de colunas / linhas necessário para a distribuição

• Número de sujeitos ≤ 10 – basta uma coluna / linha (0 a 9)

• Número de sujeitos > 10 e ≤ 100 – duas colunas / linhas (00 a 99)

(Neste caso, 2 colunas / linhas)

Em quarto, decidir pela utilização de colunas / linhas (opção colunas)

Em quinto, decidir o “salto” a realizar quando chegar ao fim da coluna / ,linha e a distribuição
ainda não estiver concluída (opção: passar às duas colunas imediatamente à direita)

Em sexto, selecionar ao acaso o ponto da TNA onde vai começar a distribuição com os olhos
fechados, apontar com a ponta de um lápis

22
Em sétimo, iniciar a distribuição, identificando a sequência aleatória de sujeitos (sistema de
correspondência definido no segundo ponto).
• Condição completa –> ignorar os dígitos correspondentes.
• Ignorar todos os números não atribuídos aos sujeitos
• Ignorar um número atribuído sempre que este se repita

Em oitavo, concluir a distribuição, atribuindo a sequência obtida às condições ordenadas no 1º

ponto. (ficaria ABCABBCCCABA se o objetivo fosse atribuir condições aos sujeitos. Como o
objetivo é atribuir sujeitos às condições, teremos de corresponder a sequência acima - número
de cada sujeito – a cada condição sequenciada como foi revelado no primeiro ponto: AAAA-
BBBB-CCCC)

Neste sentido, O Eduardo (03), o João (06), o Tiago

(12), o António (01), o Joaquim (05), o José (07), o Rui
(11), o Pedro (10), o Paulo (09), o francisco (04), o
Manuel (08) e o Carlos (02). A sequência acima associa-
se apenas ao número de cada Sujeito na listagem de 1
a 12, para a colocação e A-A-A-A-B-B-B-B-C-C-C-C.

23
Exercício 1

Temos 18 sujeitos aos quais queremos atribuir 3 condições. Diferente de atribuir sujeitos a
condições. Como queremos atribuir 3 condições a 18 sujeitos, 3 é menos que 10 e então basta
uma coluna na TNA. Podemos ordenar os sujeitos por ordem alfabética, mas na verdade ordenar
ou não ordenar, o resultado vai ser o mesmo.
Se eu tenho 3 condições para atribuir a 18 sujeitos, vou classificar 1,2 e 3 para a condição A.
345 para a condição B, 789 condição C, o zero ignoro e passo automaticamente para o número
a seguir.

Classificação: 123 > A, 456 > B, 789 > C

Aparece o algarismo 4, mas eu já tenho o número total de sujeitos preenchido na condição B…
não vou necessitar, fica o símbolo de cardinal # e passo à frente.
Quadro com a sequência acima mencionada:

24
Faço corresponder pela sequência com que saiu (não ordenada alfabeticamente na tabela neste
caso) A para João, C para Rui, B para Fátima… etc etc. Se eu tivesse ordenado por ordem
alfabética a sequência seria outra: A para Aida, C para António, B para Clara, B para Fátima, B
para Fausto, C para Hugo… etc etc etc . A agregação de condição ABC não se altera, ordenando
alfabeticamente os nomes ou não os ordenando.

Aleatorização com Blocos

No exemplo acima, fizemos uma aleatorização sem ordenação alfabética dos sujeitos e com
alfabetização. Em qualquer um dos casos, não há uma única solução. A única coisa que se
mantém é haver 6 sujeitos pelas condições. A única coisa que não pode acontecer é um sujeito
estar em mais de uma condição.

Procedimentos de aleatorização
• Syntaxes: rotinas básicas de cálculo. Linhas de código de programação que utilizamos
para interagir com o SPSS.
o Mais comum
o Repetição de análises de forma rápida e fácil
o Obtenção de um registo das operações efetuadas

(Colocando no separador Paste cada vez que se efetua uma análise, obtém-se na sintaxe um
registo do trabalho efetuado.)

• No SPSS, usando o Compute Variable, criamos 3000 números aleatórios. Selecionamos

a coluna de números aleatórios e fazemos um sort ascending. Depois vamos à procura
do sujeito 1000 (por exemplo), e o valor de número aleatório desse sujeito é o 0.33.
• Uma 3ª possibilidade passa pela utilização de uma página de internet chamada
random.org. nesta podemos criar a nossa própria tabela de números aleatórios.

Aleatorização com Blocos

Existe, como vimos anteriormente (nas aulas teóricas), fatores que são hipoteticamente
responsáveis pela variabilidade experimental:
• Fatores experimentais (VI’s ativas)
• Fatores classificatórios (atributos individuais ou VI’s passivas)

25
 • Pseudoatores (variáveis situacionais)

Pseudofactores (variáveis situacionais)

• O controlo passa por mantê-los constantes em todas as condições experimentais;
incorporá-los no plano de investigação como VI’s ativas

Factores Classificatórios (atributos individuais ou VI’s passivas)

• Podemos controlar estas variáveis através da distribuição aleatória de sujeitos pelas
diferentes condições ou através da distribuição de condições aleatoriamente pelos
sujeitos. Isso gere grupos equivalentes de sujeitos.
• No entanto, há outras estratégias para fazer esse controlo: utilizar planos de medidas
repetidas.
o Nas ANOVAS Unifactorias, quando usamos medidas repetidas, estamos a
controlar a variabilidade intrasujeitos. As medidas de efeito correspondentes
são mais elevadas que no plano inter-sujeitos, porque a variabilidade está
controlada.
• Criar blocos homogéneos de sujeitos

Em síntese, o objetivo da aleatorização é neutralizar as ameaças à validade interna das

investigações decorrentes da selecção dos sujeitos (Cook & Campbel, 1979). Garantir que todas
as unidades têm uma probabilidade idêntica de vir a pertencer a qualquer uma das condições
que integram o plano de investigação. A aleatorização pode ser por intermédio de:

• Planos completamente aleatórios

• Planos aleatórios de blocos.
o Constituição de blocos (variável de blocagem)
o Estratégia de controlo local dos fatores classificatórios

Procedimento da aleatorização por Planos aleatórios de Blocos

• Ordenar os sujeitos com base na variável de blocagem (ex., factor classificatório a

controlar) e constituir vários blocos de n sujeitos cada, sendo o número mínimo de
sujeitos por bloco igual ao número de condições experimentais

26
 • Dentro de cada bloco, os sujeitos são aleatoriamente distribuídos pelas condições
experimentais
• Podem ser de dois tipos:
o Simples (número de unidades experimentais em cada bloco é igual ao número
de condições experimentais)
o Generalizado (número de unidades experimentais em cada bloco é múltiplo do
número de condições experimentais

Basicamente, os Blocos simples são aqueles em que o número de sujeitos equivale ao numero de condições
experimentais e os Blocos generalizados são aqueles em que o número de unidades experimentais em cada bloco é
múltiplo do número de condições experimentais – se eu tiver blocos criados com 3 condições e 6 sujeitos (dobro das
condições).

Por exemplo,

Se eu acreditar que os homens

são mais inteligentes que as
mulheres, para eu garantir que, no final, o que estou a manipular em termos de VI é o que
promove a medição o QI (e não outros factores externos), vou ter de anular estatisticamente o
contributo de qualquer desconfiança em relação ao género.
• Se eu quiser posso fazê-lo através de uma análise de covariância, usando como
covariada a variável sexo..
• Ou então, sendo mais obsessivo vou constituir blocos a partir dos sujeitos para a variável
sexo. E vou fazer por exemplo dois blocos (1 masculino com 9 sujeitos e 1 feminino com
9 sujeitos. O que faço para anular o efeito do sexo? Divido-os em função do género, crio
o primeiro bloco (generalizado – tenho mais sujeitos que condições) e vou distribuir os
sujeitos masculinos pelas condições através de uma aleatorização simples: ordenar os 9
sujeitos por ordem crescente do QI, vou à tabela de números aleatórios para definir o
ponto de partida, vou-lhes atribuindo condições consoante 1,2 ou 3 A, 4,5,6 B, 7,8,9 C e
cada vez que sai o 0 passo à frente. Quando gasto todos os A’s, 1,2,3 deixo de considerar,
quando gasto todos os B, 4,5,6 deixo de considerar, e quando gasto todos os C tenho a
distribuição concluída.
• O que faço para os homens faço para as mulheres e no final tenho 2 blocos
completamente diferenciados e com a distribuição aleatória perfeitamente equilibrada
nas condições. Vou ter um Bloco A com homens e mulheres, B com homens e mulheres,
ou seja, vou ter dois blocos que conjuntamente terá o conjunto dos homens e das
mulheres, com a garantia que estão distribuídos aleatoriamente. Estou assim a anular a
hipótese de que o sexo poder explicar alguma diferença residual relativamente às
diferenças de QI que possam estar a surgir. Se ainda assim se verificar, são oriundas de
outras variáveis explicativas que não têm a ver com este processo.

Planos de medidas repetidas (within-subjects design)

• Todos os sujeitos são testados em todas as condições experimentais
• Vantagens:
o Obtenção de uma medida precisa do mesmo sujeito para a tarefa experimental
o Economia de sujeitos
o Separação do efeito do tratamento da variabilidade devida às diferenças
individuais e quantificação do efeito do tratamento com rigor

27
 • Desvantagens:
o Demand characteristics (instruções implícitas). Resolve-se com cover story (to
hide the truth)
§ Instruções implícitas: nunca dizer realmente o que estou a avaliar, apenas pedir para
responder às “seguintes questões”. E não dou qualquer pista que possa levar a fazer
suposições quanto ao que se pretende avaliar no que diz respeito ao sujeito participante.
o Trasfert ou carry-over effects (aprendizagens recorrentes da aplicação sistemática da
mesma tarefa ao sujeito)
o Practice effects (+/-): aprendizagens que decorrem
o Resolve-se com contrabalanceamento da ordem dos tratamentos.

Se tivermos de fazer a mesma tarefa repetida, nem que seja 2 ou 3 vezes no semestre, a 2ª vez que o fazemos vamos
invocar inconscientemente (ou conscientemente) situações vividas na primeira. Há casos limites que se vão recordar
com elevada precisão ou rigor muitos dos itens, outras situações em que se recordam pouco, mas o pouco que se
recordam é suficiente para influenciar a resposta na 2ª vez. Estas são as desvantagens. Resolvemos com o chamado
contrabalanceamento da ordem dos tratamentos.
• não iremos aprender este ano.

§ Se tiver um plano completamente aleatório com 18 sujeitos no total, sendo 3 condições

(6 sujeitos por condição), faço um só bloco como no início deste capítulo (parte prática),
e cada bloco tem 18 sujeitos.
§ Se eu fizer uma blocagem para a variável sexo, num plano aleatório de blocos simples,
os mesmos 18 sujeitos para 3 tratamentos, continuo a ter 6 sujeitos por tratamento, 6
blocos, 3 sujeitos por bloco (logo o número de sujeitos igual ao número de condições,
pois o tipo de bloco é simples) e continuo a ter um total de 18 observações.
§ Em contrapartida, se para a mesma situação optar por um bloco aleatório generalizado,
a diferença é que em vez de ter 6 blocos passo a ter 2 ou 3 e passo por consequência a
ter 9 ou 6 sujeitos no bloco para as mesmas 18 observações.
§ Se em contrapartida eu utilizar um plano de medidas repetidas, aí a situação muda
completamente de figura: 6 sujeitos em vez das 18, 3 condições, 6 medidas para a
condição, 6 medidas em pós teste para a condição B, 6 medidas em pós-pós teste para
a condição C, 6 sujeitos por tratamento, 6 blocos, 1 sujeito por bloco e as mesmas
quantas observações.

28
 O que é que idealmente
deveremos fazer no plano
de medidas repetidas?
Ter em consideração que
o plano apresenta
aquelas desvantagens. Se
estas forem
demasiadamente severas
como ameaça à validade
da investigação, então
vamos par aa
aleatorização completa
ou então vamos para a aleatorização por blocos.

Exercícios

A questão dois exigia uma

distribuição de blocagem em que a
variável era o sexo de pertença.
Feito primeiro o bloco dos homens. O
sistema de correspondência mantém-
se o mesmo: sempre que na
distribuição aleatória seja 1,2,3 o
indivíduo vai para a condição A, 456
para a B, 789 para C, se sair zero
saltamos. Fazendo isso,

É perfeitamente arbitrário o início do processo de aleatorização dentro da tabela dos números

aleatórios, basta que nós escolhamos outro ponto para iniciar, para podermos refazer um
exercício com valores completamente diferentes, podendo treinar sem ter a sensação de que
já fizemos o que estamos a fazer. A estratégia é a mesma mas o resultado e atividade é
diferente porque estamos a trabalhar com outros valores.

Vamos aleatorizar por blocos e vamos começar por distribuir aleatoriamente os sujeitos
masculinos dentro do seu respetivo bloco. Tínhamos visto o seguinte: isolamos os sujeitos,
mantivemos o seu número de identificação, começamos a estabelecer 3 condições: 1,2,3 o
indivíduo vai para a condição A, 456 para a B, 789 para C, 0 saltamos, e depois à medida que
formos gastando deixamos de considerar os valores que já foram usados.

29
Então vamos imaginar que começamos no número 2 que está na linha 17, coluna 11. Se virmos
a sequência dos números é a acima. Assim, o 2 é condição A, o 9 é C, o 3 é A, o 9 é C, o 9 é c, etc...
como gastamos a condição C logo ao início
(3 primeiros 9’s), o 9 seguinte, o 8888 saltamos, aparece-nos o 655 que é condição B (gastamos
aqui essa condição porque já está preenchida), e agora resta-nos a A. saltamos todos os números
até ao 1 e 1 (condição A preenchida).

Ficámos com 9 sujeitos masculinos distribuídos aleatoriamente pelas 3 condições. ACACCBBBA

Procedemos de igual modo para as mulheres... a tarefa é ir à tabela original, constituir o bloco
feminino.

Vamos constituir o respetivo bloco agora feminino. Podemos escolher a sequência de números
aleatórios que quisermos dentro da tabela.

30
Questão 3 do enunciado: admita que a variável QI está correlacionada com a VD. Indique como
procederíamos à distribuição dos 18 sujeitos por 3 condições experimentais de modo a
neutralizar os potenciais efeitos do nível intelectual (é mais do MESMO).
• Distribuir os sujeitos de forma a anular a influência do QI é precisamente mais do
mesmo.

1- Os 18 sujeitos do enunciado, se formos à base de dados, e fizemos sort ascending pelo

QI temos os respetivos valores.
2- Ordenando os sujeitos por ordem crescente do seu QI vamos depois constituir blocos.

Imaginando que quero 6 blocos simples, cada bloco

tem tantos sujeitos quantas as condições. Teremos
de fazer sempre 6 blocos. ->

<- Ou posso querer blocos generalizados. Se fizer

múltiplos de sujeitos relativamente ao número de
condições ou seja, em vez de 3 sujeitos por 3
condições ter 6 sujeitos (o dobro) farei três blocos. Ou
posso fazer apenas dois blocos (já lá vamos).
Vamos imaginar que quero trabalhar o bloco 2 (Clara,
Paulo, Vasco, teresa, Maria e António), o que vou fazer é 123 condição A, 456 condição B, 789
C, salta o zero. Imaginemos que começamos no nº 8 que está na linha 3, coluna 11.

31
A distribuição fica CCAABB. Tenho um sujeito masculino e um feminino por cada um dos blocos.
Depois teria de fazer para os outros dois blocos. No final teria todos os sujeitos acima todos
aleatorizados dentro dos respetivos blocos.

Questão 4: indique uma outra solução para o problema colocado na questão anterior.

Através de controlo estatístico. Usando por exemplo uma ANOVA para bloquear o efeito do
QI na suposta influência que ele pode vir a ter pela relação que apresenta com a VD.

Questão 5: diga qual o plano experimental associado às técnicas das questões 1, 2 e 3.

1- Plano completamente aleatório: agarramos nos sujeitos e aleatorizamos sem constituir

blocos
2- Plano aleatório de blocos (generalizado)
3- Plano aleatório de blocos (generalizado)

Generalizado porque o número de sujeitos tanto na questão 2 como na 3 é múltiplo do número

de condições com as quais estamos a trabalhar.

32
Planos com pré-teste / pós-teste e grupo de controlo

Neste tópico vamos perceber como podemos controlar as ameaças colocadas pelos fatores
classificatórios e pelos pseudofactores. Uma das estratégias consistirá necessariamente, como
vimos nas aulas anteriores, em fazer a aleatorização dos sujeitos pelas condições do tratamento.
Mas há outras estratégias:
• Avaliar os sujeitos antes e depois do tratamento;
• Avaliar os sujeitos apenas, e compará-los com um grupo de controlo com caraterísticas
equivalentes às dos sujeitos.

Stanley e Campbell falam dos seguintes planos:

Todos estes planos diferem uns dos outros.

Quer no primeiro (estudo de caso simples) quer no segundo caso com pré-teste e pós teste,
quer no terceiro (comparação de grupos estáticos), temos manipulação da VI (tratamento) mas
fundamentalmente ausência de aleatorização. Não há distribuição aleatória dos sujeitos pelas
condições neste tipo de testes (sem controlo dos atributos pessoais, fatores classificatórios)

Quando vamos para os restantes 3 planos, o plano de pré-teste / pós-teste com grupo de
controlo (4), ou o Plano dos quatro grupos de Solomon (o mais complexo dos planos) (5), ou
eventualmente o plano 6, diferenciam-se do primeiro conjunto de planos no facto de todos eles
terem random R de aleatorização. Estes 3 planos, sempre que exequíveis, são preferidos
comparativamente aos primeiros 3 nos quais podemos distribuir aleatoriamente dentro das
condições os sujeitos como aprendemos nas aulas anteriores, mas previamente não há
aleatorização de sujeitos.

Por tal chamamos aos primeiros 3 planos “Quase-Experimentais”, porque não há

aleatorização, e ao segundo conjunto planos “experimentais” porque incluem aleatorização
dos sujeitos que permitem controlar os pseudofactores e os factores classificatórios.

33
Quais são as técnicas estatísticas mais apropriadas para a análise dos Planos 4, 5 e 6 (planos
experimentais)?

Para o plano 4, devemos fazer a diferença entre o pré-teste quer no grupo de controlo quer no
grupo de tratamento: questão fundamental que a maior parte da investigação não presta
atenção e que muitas vezes inviabiliza a publicação de muitos artigos. Ou seja, temos dois grupos
de sujeitos:

1- Testamos com pré-teste, aplicamos tratamento, fazemos o pós-teste

2- Não aplicamos tratamento, aplicamos pré-teste e pós teste como aplicámos ao primeiro

Se
encontrar diferenças entre o 2 e o 4 posso afirmar que essas diferenças se devem da presença
vs ausência do tratamento? Não. Apesar de ter aleatorizados os sujeitos, se eu não tiver a
garantia que os indivíduos não se diferenciam significativamente ao nível do pré-teste, que
garantias tenho eu que no pós-teste as eventuais diferenças que eu venha a encontrar são
imputáveis à manipulação ou à sua ausência? Podem ser imputáveis a outras caraterísticas que
não foram controladas previamente e que ainda assim estão a influenciar o diferencial de
respostas do pós-teste. Uma das estratégias passa por garantir a não existência de diferenças
significantes ao nível do pré teste, quer entre o grupo de tratamento e o grupo de controlo.
Aplicação de teste t de student, após garantir a equivalência dos grupos pré-teste.

Para o plano 5, tenho um primeiro grupo com tratamento de pré-teste e pós teste e um segundo
grupo de controlo que não tem tratamento. Tenho ainda um terceiro com tratamento e pós
teste (apenas) e um grupo de controlo sem tratamento e apenas com pós teste. A técnica
estatística apropriada seria idealmente uma ANOVA, mas estas são impossíveis de calcular
tendo em conta a complexidade da rede de diferenças que é possível estabelecer entre os 6
grupos em consideração. Se no primeiro eu posso controlar a não existência de diferenças
significantes a nível de pré-teste e uma das estratégias que aprendemos (nas aulas anteriores)
foi fazer o controlo estatístico a nível da análise da covariância, isso não será possível neste caso
tendo em conta a complexidade do plano 5, dado que não há condições para encaixar todas
estas possibilidades na análise de variância.

Para o plano 6, ou ANCOVA ou t de student (a técnica estatística ideal para controlar esta
situação).

34
Qual dos seus planos acima referidos utilizou o investigador?
Se enunciado diz que o investigador aleatorizou, temos de encontrar o plano na 2ª metade da
tabela (planos experimentais). Distribuiu 15 pelo método A e 15 pelo método B. o investigador
avaliou a capacidade de leitura a partir do método A e do método B. O investigador fez
tratamento (método A para uns, método B para outros). Plano 6. Não há pré-teste nem para
quem faz o método A nem para quem faz o método B. Não há propriamente um grupo de
controlo, mas acabam os dois grupos de funcionar como controlo um do outro. Existe um
contraste, uma medida de uma só assentada, sem pré-teste.

Depois de introduzir os dados num ficheiro SPSS, responda à seguinte questão: podemos
afirmar que existem diferenças estatisticamente significativas entre os dois métodos
pedagógicos?

Primeiro, obter as médias dos dois grupos. Depois estabelecer uma lógica de teste de hipóteses,
tendo em conta quer iremos comparar duas médias entre si. Tendo em conta que a medida de
tendência central é a média, temos de garantir o pressuposto relativo à normalidade (que as
15 notas de leituras de cada um dos métodos têm distribuições adequadamente normais, Média
e Desvio Padrão populacionais iguais aos da amostra de referência). Para além disto ainda temos
de garantir que a dispersão ou variabilidade em torno das médias não é significativamente entre
o método A e o B, porque se isso acontecesse e fosse detetado, e percebêssemos uma diferença
entre as médias, ficaríamos na dúvida se essa diferença era consequência do método ou se era
imputável à dispersão de cada uma das médias em comparação. A partir do analyze do SPSS,
obter o Teste de Levene (homogeneidade da variância).

Quanto ao pressuposto da normalidade, é importante recordar que, sendo a amostra de 30, é

utilizável o Shapiro-Wilk.

Percebemos que para ambos os

métodos, a significância do
teste é superior a 0.05 e, por
tal, não posso rejeitar Ho
segundo a qual a distribuição
da capacidade de leitura tem
uma distribuição normal
(Média e DP populacionais iguais aos da amostra de referência).

35
Quanto à homogeneidade da variância

Não há evidência confirmatória para

rejeitar Ho, logo as variâncias são
homogéneas.

Como estão garantidos todos os

pressupostos, procedemos à
comparação das médias em termos
de capacidade de leitura (compare means).

Significância de 0.042. se é bicaudal, para comparar a unicaudal de 0.05, terei de dividir por
dois = 0.021 é menos de 0.05, há evidência confirmatória para rejeitar Ho e Aceitar H1.

36
Esta significância é apenas uma probabilidade de erro das diferenças serem devidas ao acaso,
ou das diferenças serem devidas à manipulação. Devo associar ao efeito estatístico a medida do
efeito. Podemos calcular várias. Habitualmente, proposta por Cohen, para a comparação de
duas médias, a medida de efeito mais usual de usar é o D de Cohen (calcula-se pela razão entre
as diferenças das médias em razão doa média dos desvios padrão associados a cada uma das
condições em comparação). O professor prefere, ainda assim, uma medida de desvio padrão
calculada com base no coeficiente de correlação. Porque dessa forma obtém-se o quoficiente
de determinação, que é a percentagem de variabilidade ocorrida na variável dependente que
é imputável à manipulação introduzida pela VI. E neste caso, temos um quoficiente de
correlação para a medida de efeito R produto momento de Pearson a valer .37 (13,69%). Medida
de efeito pequena para um efeito estatístico que é significante. É importante quantificar sempre
a magnitude das diferenças porque senão a informação é curta.

Tendo atribuído o valor 1 ao Tratamento A e o valor 2 ao Tratamento B, calcule o coeficiente

de correlação entre a VI e a VD, e compare o respetivo nível de significância com o nível de
significância obtido no teste estatístico realizado para responder à questão anterior (3.2.).
Quais as conclusões a que chegou?

É possível calcular o coeficiente de correlação Produto momento de Pearson entre uma variável
categorial (independente) e uma variável intervalar ou de razão (variável dependente)? Sim,
desde que haja o mesmo número de sujeitos nas duas condições.

O nível de significância bicaudal

do R Pearson é 0.042 (o mesmo).

Suponha agora que um outro investigador, após distribuir aleatoriamente 30 sujeitos por duas
condições experimentais, obteve, antes da realização empírica dos tratamentos, os seguintes
valores num pré-teste de leitura:

Tratamento A: 9—7—8—5-6—9—7—5—8—8—4—6—7—9—8

Tratamento B: 5—6—9—10—6—7—5—4—8—9—6—7—8—7—6

Após a realização empírica dos tratamentos, os resultados no pós-teste, para os mesmos

sujeitos e pela mesma ordem, foram:

Tratamento A: 14—14—11—9-10—13—14—9—8—12—10—11—12—15—13

Tratamento B: 5—6—9—10—6—7—5—4—8—9—6—7—8—7—6

37
Outra investigação. Se há pouco o pré-teste era inexistente. Agora não é. O que é que este
investigador fez? Antes de aplicar o tratamento, fez uma aleatorização.

Qual dos seis planos acima referidos utilizou o investigador?

Plano 4.

Depois de introduzir os dados num ficheiro SPSS, responda à seguinte questão: podemos
afirmar que existem diferenças estatisticamente significativas entre os dois métodos
pedagógicos?

Pergunta tem rasteira. Não é só comparar as duas médias pré teste. No controlo dos fatores
classificatórios, nos planos com pré-teste, não há o cuidado de verificar se os sujeitos são
homogéneos ou não são homogéneos. Se a medida do pré-teste do método A e do método B
forem diferentes, ainda que eu venha a encontrar uma medida de pós-teste diferente que
favoreça o método B, ou favoreça o método A, posso garantir que essa diferença só resulta do
método? Não. Pode resultar também de diferenças à priori que os sujeitos levaram para o
plano e que o investigador não controlou. Aqui terei de controlar o pressuposto da normalidade
e da homogeneidade da variância no pré-teste, garantindo que os pressupostos são cumpridos
para calcular diferenças no pré-teste e se eu aceitar H0, então sim, qualquer diferença que eu
venha a encontrar só resulta disto (manipulação / acaso). Se puder rejeitar H0 e aceitar H1, ou
seja, se houver diferenças no pré-teste, as diferenças que eu venha a encontrar no pós teste
serão devidas ao tratamento / manipulação.

Posso afirmar diferenças significantes no 02 e no 04 (pós teste) do plano 4? Depende de poder

estabelecer ou garantir que não já diferenças prévias entre 01 e 03, ou seja, que os dois grupos
não são significativamente diferentes ao nível da medida do pré-teste. Porque se forem
diferentes, qualquer diferença que venha a encontrar no pós teste pode ser devida ao
tratamento como pode ser devida
a esses fatores classificatórios
que não foram considerados
previamente.

Importante: No pré-teste
Normalidade e Homogeneidade
das variâncias!

38
Pré-teste:

Sem significância estatística (0.370) pois é unicaudal. Não rejeitar H0 e rejeitar H1.

Se agora repetir esta análise não no pré-teste mas no pós teste e encontrar diferenças, elas
resultam exclusivamente do tratamento (manipulação).

No pós-teste a distribuição da capacidade de leitura é adequadamente normal no método A

como no método B e são homogéneas em termos das respetivas variâncias. O que nos falta
agora é comparar as médias.

Há diferenças estatisticamente significativas. E estas diferenças vêm do tratamento. Podemos

dizer com toda a limpeza, com toda a segurança que de facto os métodos são diferentes e que
os diferentes resultados de leitura que favorecem um método relativamente ao outro decorrem

39
única e exclusivamente da manipulação porque os sujeitos, à priori, quando iniciou a
investigação, não se diferenciaram.

indique dois procedimentos diferentes do adotado na alínea anterior, mas igualmente validos,
para responder à mesma questão.

ANCOVA (a covariada continuava a ser o pré-teste), Regressão, (F=t2). Regressão é utilizada

para isolar variáveis, que poderia ser considerada aqui.

Quais são os erros mais frequentes na análise estatística do presente plano experimental?

Testar as diferenças pré-teste / pós-teste em cada grupo resultante de manipulação (VI) sem ter
consideração a variabilidade no pré-teste em função das condições do tratamento (X).

Por outras palavras, não controlar o pré-teste!

Medidas da magnitude dos efeitos experimentais

D de Cohen

• Diferença entre duas médias

Magnitude Diferente de Significação

O efeito estatístico e a medida do efeito são coisas diferentes. No primeiro temos apenas um
efeito probabilística, no outro uma medida prática da significância.

O D de Cohen tem a particularidade o facto de ser uma

estimativa ligeiramente enviesada em termos
positivos. Há uma correção que se utiliza, a correção H
de Edge para o D de Cohen.

40