Escolar Documentos
Profissional Documentos
Cultura Documentos
Livro - Kerlinger - Metodologia Da Pesquisa em Ciencias Sociais
Livro - Kerlinger - Metodologia Da Pesquisa em Ciencias Sociais
Pesquisa em
Ciências Sociais
Um tratamento conceitual
CIP·Brasil. Catalogação-na-Fonte .~
Câmara Brasileira do Livro. SP /./:f\.
r' ! l
: f
Bibliografia.
CDD-300. 72
-300.18
80-1332 ·507 .2
etodologia da
Pesquisa em
Ci- ncias Sociais
Um tratamento
coii~eitual
Tradução do original em inglês:
Behavioral R~h - a conceptual approach
Copyright ©~by Holt, Rinehart and Winston
-6
Tradução:
Helena Mendes Rotundo
Revisão técnica:
José Roberto Malufe
Professor-Assistente de Metodologia da Pesquisa em Educação, na PUC/SP
ga. reimpressão
ISBN 85-12-60340-2
© E.P.U.- Editora Pedagógica c Universitária Ltda., São Paulo, 1980. Todos os direitos reservados.
A reprodução desta obra, no todo ou em parte, por qualquer meio, sem autorização expressa c por
escrito da Editora, sujeitará o infrator, nos termos da lei n° 6.895, de 17-12-1980, à penalidade
prevista nos artigos 184 c 186 do Código Penal, a saber: reclusão de um a quatro anos.
E. P. U.- Telefone (O++ I I) 3168-6077- Fax. (0++11) 3078-5803
E-Mail: vcndas@cpu.com.br Sitc na Internet: http://www.cpu.com.br
Rua Joaquim Floriano, 72 - 6° andar- conjunto 65/68 - 04534-000 São Paulo - SP
Impresso no Brasil Printcd in Brazil
Para
William Clark Trow
-= Theodore M. Newcomb
"'-
Sumário
Prefácio XV
.. -t·l. A natureza da ciência e da pesquisa científica 1
-?2. Conceitos comportamentais científicos e definições 22
,_,~3. Problemas, hipóteses e variáveis 33
4. Relações e explicações 51
5. Probabilidade e estatística 74
6. O delineamento da pesquisa experimental: delineamentos de
uma só variável 94
7. Delineamento da pesquisa experimental: delineamentos fatoriais 105
~. Pesquisa experimental e nãCH:xperimental 120
~9. Observação e mensu'?áÇ;ão ·de variáveis 144
10. Investigação soci~lógica, levantamentos e análise de freqüências 162
11. A abordagem multivariada: regressão múltipla e partição da
variância 179
12. A abordagem multivariada: análise fatorial 202
13. A abord~gem multivariada: correlação canônica, análise dis-
criminante e análise de estruturas de covarlância 235
14. O computador 271
15. Concepções errôneas e controvérsias: questões metodológicas 296
16. Concepções errôneas e controvérsias: pesquisa e ·prática 317
Apêndice - Tipos de pesquisa, métodos de observação e testes de
significância estatística 347
Bibliografia 363
lndice onomástico 369
1ndice analítico 372
VII
Sobre o autor
f.R.M.
Prefácio
XI
Uma terceira finalidade do livro é definir e explicar algumas das
principais questões controvertidas associadas à pesquisa sócio-científica.
As controvérsias surgem e multiplicam-se devido a conflitos e diferenças
de valores. Às vezes, entretanto, nascem de concepções errôneas a respeito
dos problemas que estão subjacentes a elas. Para que serve a pesquisa?
Por que fazer pesquisas? O que é objetividade? Por que a objetividade é
considerada tão importante pelos cientistas? O que são pesquisa básica e
pesquisa aplicada? Pode-se medir a inteligência humana? Como os valo-
res afetam a ciência e a pesquisa? Mal-entendidos sobre tais problemas
dificultam a compreensão da ciência e da pesquisa. O presente livro,
portanto, tenta analisar e colocar esses. problemas em perspectiva, embora
não pretenda resolvê-los.
Há dois públicos que são especialmente visados por este texto.
O primeiro é formado por aqueles que desejam conhecer algo. da natureza
e dos problemas da ciência e da pesquisa em psicologia, sociologia,
educação e outras disciplinas comportamentais. O que significa, por
exemplo, estudar cientificamente a inteligência e o preconceito? Como
são abordados problemas assim tão complexos e difíceis de apreender?
O segundo tipo de público é o formado por estudantes universitários
que estão terminando seus cursos de graduação, ou iniciando a pós-
graduação, em praticamente qualquer disciplina, inclusive disciplinas
não-científicas, e que necessitam compreender a ciência e a pesquisa
comportamentais. Os estudantes de ciências comportamentais acharão o
livro particularmente pertinente e útil. Entretanto, eu o concebi como
um texto geral e um guia para estudantes de várias disciplinas, ainda
que sua ênfase seja psicológica, sociológica e educacional.
_ê O livro tem três partes principais. Na primeira parte, que abrange
os capítulos 1, 2 e 3, é discutida a natureza da ciência e da pesquisa
científica. Os termos necessários são definidos, as idéias fundamentais
são explicadas e ilustradas, e são introduzidos um ou dois pontos contro-
vertidos - por exemplo, a questão da objetividade. Os capítulos 1 e 3
são, provavelmente, os capítulos mais importantes do livro, porque
discutem qual é a meta da ciência e por que, e revelam a essência e o
propósito dos problemas e hipóteses da pesquisa científica. Esta parte,
portanto, poderia ser chamada de fundamentos conceituais do tema.
A segunda parte - capítulos de 4 a 13 - trata dos aspectos
técnicos da pesquisa comportamental que são, em minha opinião, os
mais importantes. Ninguém pode compreender realmente a ciência e a
pesquisa comportamental sem compreender pelo menos as mais funda-
mentais das idéias técnicas. Por exemplo, a idéia de aleatoriedade é
fundamental. Não se pode compreender experimentos ou ter qualquer
tipo de idéi2 clara do que seja estatística e delineamento de pesquisa sem
com}treender funções e processos aleatórios e o seu uso na pesquisa
Xll
:ontemporânea. A cobertura desta parte é ampla e diversificada. Inclui
relações, probabilidade, delineamento de pesquisa, mensuração e análise
multivariada. É o núcleo técnico do livro, mas na sua maior parte
:!Xpresso em linguagem não-técnica.
O capítulo 4 estabelece a base: examina relações e explicações e
tenta mostrar como estão subjacentes a todo o empreendimento científico.
O capítulo 5 apresenta uma abordagem intuitiva à probabilidade e à
estatística. A importância da idéia de aleatoriedade, mencionada acima,
é fortemente enfatizada. Os capítulos 6, 7 e 8 formam uma unidade
sobre experimentação e delineamento de pesquisa. Os delineamentos de
pesquisa têm o propósito essencial de fornecer quadros de referência que
tornem possível responder diferentes questões de pesquisa. Os capítulos 6
e 7 esboçam os princípios de tais quadros de referência. O capítulo 8
mostra as semelhanças e diferenças entre a pesquisa experimental e a
não-experimental. Raramente essa distinção tão importante é discutida
na bibliografia. Considero-a suficientemente importante para justificar
um capítulo inteiramente dedicado a ela. A distinção e as suas con-
seqüências, tais como apresentadas no capítulo 8 e em outros trechos do
livro, podem ser questionadas. Todavia, por mais corretas ou incorretas
que sejam julgadas a definição, as distinções e as conseqüências, não há
dúvida de que o terna requer divulgação e compreensão.
Mensuração é a pdn2.pal preocupação do capítulo 9. Assim como a
estatística, a mensuração )'Siçológica é uma das maiores conquistas de
nossos tempos. Embora tenhá- ainda um longo caminho pela frente, boa
parte deste já é conhecido, e uma parcela do núcleo desse conhecimento
está condensada no capítulo 9. A despeito de ser utna grande realização,
a mensuração tem sido também o calcanhar de Aquiles de grande parte
da pesquisa comportamental. O capítulo ajuda a esclarecer suas forças e
fraquezas.
O capítulo 1O procura descrever um volumoso e importante tipo de
pesquisa - em termos gerais denominado "investigação sociológica" -
cujas principais características são sua natureza não-experimental, sua
mensuração e seus modos de análise. Temos este tipo de pesquisa quando,
por exemplo, os pesquisadores estudam principalmente o que pode ser
chamado de "variáveis sociológicas" - classe social, status ocupacional,
sexo, preferências religiosas e políticas, e assim por diante - e quando
o método predominante de observação é a contagem, geralmente a conta-
gem de características "sociológicas" de indivíduos. O capítulo ocupa-se
de suas características e de seu uso na pesquisa comportamental.
A inclusão dos capítulos 11, 12 e 13, sobre a abordagem multiva-
riada, é essencial em um livro sobre a pesquisa comportamental contem-
porânea. Algumas pessoas poderão achar que o assunto é muito complexo
para um livro deste tipo. Como se poderia explicar análise fatorial,
vnr
regressão múltipla e análise discriminante de modo preciso e não-técnico?
Essa é uma boa pergunta, e para a qual não existe uma resposta pronta
e fácil. O problema é que, se não forem discutide..s as abordagens multi-
variadas à pesquisa e à análise de dados, deixa-se uma grande lacuna no
conhecimento e na compreensão que terá o leitor sobre a pesquisa com-
portamental. A pesquisa comportamental passa, atualmente, por uma
verdadeira revolução, a meu ver, precisamente por causa, em grande parte,
da abordagem multivariada e do ultra-rápido computador moderno.
Problemas de pesquisa, que antes não poderiam ser contemplados por
uma incapacidade de se fazer as complexas análises envolvidas, são hoje
abordados quase rotineiramente. Assim, decidiu-se incluir o assunto, a
um nível conceptual e semitécnico. Há a conseqüente supersimplifica-
ção, ignorando-se diversos problemas importantes. Os riscos, entretanto,
talvez sejam compensados por uma imagem melhor e mais completa que
o leitor poderá adquirir. Pelo menos, estes capítulos poderão aumentar o
interesse e difundir uma abordagem fascinante, com muitas probabili-
dades para a teoria e a pesquisa significativas e criativas.
A terceira parte do livro, capítulos 14, 15 e 16, discute e explora
diversos problemas controvertidos e mal compreendidos, que trazem
considerável preocupação à ciência e aos cientistas. Um deles - feliz-
mente, relativamente fácil de manejar - é a natureza e a finalidade do
computador. Não há dúvida de que o computador foi e é uma das
influências mais fortes na pesquisa comportamental contemporânea.
Esta influência é examinada no capítulo 14. Os notáveis poderes do com-
putador são descritos e analisados com o propósito de se compreender o
que o computador pode fazer e, o que é praticamente tão importante
quanto isso, o que o computador não pode fazer. Depois de estabelecida
essa base, procurou-se também esclarecer um ou outro mal-entendido
sobre o computador e o seu lugar na pesquisa e na ordem das coisas.
Os dois últimos capítulos do livro, capítulo 15 e 16, exploram basica-
mente um certo número de problemas mal compreendidos e contro-
vertidos, que intrigam e desorientam os pesquisadores e os indivíduos
que observam a ciência e a pesquisa. Por exemplo, a questão de para
que serve a ciência é atacada diretamente, e são tiradas conclusões que
poderão desconcertar alguns leitores. Qualquer atividade humana com-
plexa é controvertida. A ciência não é exceção. Decidi, portanto, que
alguns dos mal-entendidos mais perturbadores e importantes sobre a.
ciência e a pesquisa teriam que ser abordados. Naturalmente, ao se fazer
isso, há um risco considerável. Poderá parecer que se está tomando
partido em um debate. Na realidade, o que se está assunúndo é menos
um partido em um debate do que uma posição baseada no que se
considera ser a natureza da ciência. Novamente, isto se torna um
obstáculo à compreensão. Por exemplo, muitas pessoas acreditam que o
XIV
propósito da pesquisa científica é aumentar o ·bem-estar humano. Quando
isso é categoricamente negado, e se afirma que o propósito da pesquisa
científica é a teoria, ou a compreensão e explicação, não é de se admirar
que surjam dificuldades. Pretende-se, entretanto, explicar de tal maneira
as coisas, que as razões para as afirmações feitas possam ser compreendi-
das e, pelo menos, consideradas. Assim, os últimos dois capítulos do
livro exploram controvérsias e mal-entendidos. Tentam colocar em
perspectiva três ou quatro das maiores questões, em parte filosóficas, da
ciência e da pesquisa.
Embora possa ser considerado metodológico, num sentido amplo,
este não é um livro de métodos. Não se tenta ensinar como fazer pesquisa.
Toda a ênfase é posta em compreender pesquisa. Na verdade, é provavel-
mente impossível compreender qualquer assunto complexo sem trabalhar
ativamente com ele. Para compreender realmente a estatística, a maioria
das pessoas precisaria trabalhar com problemas estatísticos, por exemplo.
Todavia, um· nível substancial de compreensão pode ser alcançado por
uma forma vicária de trabalhar com os problemas. Muitos de tais
"trabalhos vicários" são dados no livro. Por exemplo, uma característica
importante do livro é a descrição de pesquisas reais, geralmente acom-
panhada da teoria em que se baseiam os estudos, bem como as questões
colocadas pelos pesquisadores. Assim, o livro descreve a maneira pela
qual as pesquisas têm sido feitas e é, portanto, numa certa medida,
metodológico. Mas d~~ quase que completamente de lado os métodos
reais de fazer observaÇões. medir variáveis, analisar dados e assim por
diante. A necessidade de informações sobre esses tópicos é atendida, numa
certa medida, pelo Apêndice, no qual são discutidos tipos de pesquisa
diferentes dos tratados no texto, bem como alguns métodos de observação.
Embora saiba o quanto me ajudou, não creio que minha mulher
compreenda realmente até que ponto ela é uma parte importante deste
livro. Em todo caso, por suportar minhas rabugices e frustrações,
deixando de lado o que ela considerava obstáculos menores, dando-me
apoio e ânimo, eu lhe agradeço.
Amsterdã, Holanda
junho de 1978 Pred N. Kerlinger
XV
1. A natureza da ciência e da pesquisa científica
1
informação válida e fidedigna sobre fenômenos complexos, inclusive o
complexo fenômeno do próprio homem. Era preciso superar explicações
absolutistas, metafísicas e mitológicas de fenômenos naturais - ou pelo
menos suplementá-Ias - com uma abordagem até certo ponto exterior
ao homem O sucesso da ciência como abordagem do conhecimento e
compreensão de fenômenos naturais tem sido notável. Mas a compreen-
são da ciência e da abordagem usada pelos cientistas tem sido conside-
ravelmente menos notável. Pode-se dizer que a ciência é seriamente
mal compreendida.
O objetivo básico deste livro é ajudar o leitor a compreender a
abordagem, o pensamento e os métodos da -ciência e da pesquisa cien-
tífica. Seu foco especial se dirigirá para a pesquisa em psicologia, socio-
logia e educação. A abordagem geral é a mesma, ou pelo menos basica-
mente semelhante, em todas as ciências. Estudaremos. esta abordagem
muito cuidadosamente. Entretanto, há dificuldades e problemas especiais
na ciência e pesquisa comportamentais que precisamos conhecer se qui-
sermos entender tal pesquisa. 1 Em outras palavras ,a abordagem geral do
conhecimento e compreensão da física e da psicologia é a mesma, mas os
detalhes da teoria e investigação são muito diferentes. Por exemplo, a
e
complexidade a ambigüidade do comportamento humano, geralmente
considerado como mais complexo e ambíguo do que os objetos do mundo
físico, criam grandes problemas de observação e inferência válidas e
fidedignas. Medir aspectos do comportamento humano- agressividade,
preconceito, preferêndas políticas e realização escolar, por exemplo -
é geralmente mais difícil do que medir as propriedades dos corpos
físicos.
:É grande a necessidade de compreender a ciência e a abordagem
científica. Esta necessidade é grande principalmente na psicologia, socio-
logia e educação, dada a urgência dos problemas humanos e sociais que
os pesquisadores estudam, e dada a natureza controvertida de alguns
dos problemas e métodos das ciências comportamentais. Este livro se
concentra nesta necessidade.
2
Natureza geral da ciência
A ciência é um empreendimento preocupado exclusivamente com
o conhecimento e a compreensão de fenômenos naturais. Os cientistas
desejam conhecer e compreender as coisas. Eles querem poder dizer:
se fizermos isto aqui, acontecerá aquilo ali. Se frustrarmos as crianças,
provavelmente elas agredirão outras, seus pais, seus professores e até
a si próprias. Se observarmos uma organização com regras relativamente
rígidas a restringir seus membros, digamos, os professores de uma escola,
poderemos esperar encontrar considerável insatisfação entre eles.
Os cientistas, então, querem Hconhecer" os fenômenos. Eles querem
saber, entre outras coisas, o que produz o comportamento agressivo em
crianças e adultos. Querem saber se a frustração conduz à agressão.
Querem saber os efeitos dos meios restritivos ou permissivos de admi-
nistração sobre os membros de uma organização. Em resumo, querem
rccompreendei" de que maJ1.eÍra se relacionam os fenômenos psicoló~
gicos, sociológicos e educacionais.
3
da mudança sobre a outra variável. Estas idéias devem ficar claras depois
de lermos a discussão dos dois estudos que vêm a seguir.
4
inteligência superior ao do outro. No tipo de pesquisa em que se usam
dois grupos e um tratamento especial é aplicado a um deles, este grupo
é freqüentemente chamado "grupo experimental". O outro, ao qual não
se faz nada e1n especial, chama-se "grupo de controle".
No início do experimento, todos os alunos foram elogiados por seu
trabalho. Isto foi usado para estabelecer médias de recompensa para
os professores das crianças. (Naturalmente os professores diferem quanto
à recompensa qtJe usam.) Depois de seis sessões, as médias de recom-
pensa ficaram estabHizadas e o experimento propriamente dito começou.
Os professores do grupo experimental, das crianças a receberem trata-
mento especial ou experimental, foram avisados para dobrarem ou tripli-
carem a recompensa, enquanto os professores do -grupo de controle
foram avisados para ~'manterem o trabalho em ordem". No fim de um
período de três semanas foi feito um teste de leitura com as crianças.
A análise dos resultados dos testes mostrou que o grupo experi-
mental ou da "recompensa maciça" fez o teste melhor do que o grupo
de controle. Esta conclusão foi inferida de um teste estatístico da dife-
rença entre a média de pontos de leitura entre os dois grupos: a média
do grupo experimental foi maior do que a média dô grupo de controle.
Mais tarde explicaremos o princípio que rege tais testes estatísticos.
Por enquanto, pode-se dizer que a recompensa maciça teve resultados
aumentando a contagem de pontos do grupo experimental em compa-
ração c?m o número d~tos ~eitos pel~ grupo de c~ntrole. Se se
pode dtzer que recompensas mactças funciOnam com cnanças negras
carentes e que possam ou devam ser usadas com elas, dependerá de
outras pesquisas, destinadas a averiguar se os mesmos resultados são
obtidos repetidamente - isso se chama replicação - e testando o
reforçamento em geral com diferentes tipos de crianças. Em outras
palavras, os resultados de um estudo são sugestivos, embora não conclu~
sivos. Talvez as crianças negras carentes necessitem de reforço maciço
-mas talvez não.
5
que as variáveis A e B estão relacionadas, queremos dizer que existe
algo em comum entre as duas variáveis, alguma ligação entre elas.
Suponhamos que os dois círculos da figura 1.1 representem essências
do que sejam A e B. Isto é, A representa a essência do que seja a va-
riável A. É a substância de A. O círculo B, naturalmente, representa a
essência de B. Observe que os círculos A e B se sobrepõem e que a
superposição é indicada por traços horizontais. Isso indica que algo das
essências de A e B é compartilhado. Uma parte de A é igual a uma
parte de B e vice-versa. Esta faixa compartilhada, indicada pela área
de traços finos, representa a relação entre A e B. A pode ser inteligência
e B aproveitamento escolar. A superposição na figura 1.1 é a relação
entre as duas. O que é esta propriedade dividida? É difícil dizer sem
outras evidências. Pode ser aptidão ou habilidade verbal; pode ser o
que se denominou inteligência geral. Mas voltemos ao nosso exemplo.
Os psicólogos e sociólogos fizeram grande número de pesquisas
sobre classes sociais e descobriram sua importância para a explicação de
diferentes tipos de comportamento: recreação, eleições e criação dos
filhos, por exemplo, são fenômenos associados às classes sociais. Miller
e Swanson (1960) levantaram a hipótese, entre outras coisas, de uma
relação entre a classe social dos pais e o tempo que levavam para
desmamar os filhos. Foi perguntado a uma amostra de 103 mães d1:1.
classe média e da classe trabalhadora de uma grande cidade do
meio-oeste como estavam criando seus filhos. O resultado de uma per-
gunta sobre o tempo do desmame é apresentado na tabela 1.1. Os
números nas casas representam a quantidade de mães que eram da classe
média ou da classe trabalhadora e que haviam desmamado os filhos
mais cedo ou mais tarde.
O estudo dos números nas diferentes casas da tabela indica que as
·PJilães da classe média parecem desmamar os filhos mais cedo do que
as mães da classe trabalhadora. Das 55 mães de classe média. 33 des-
mamavam cedo enquanto 22 desmamavam tarde; das 48 mães da classe
Fig.urcJ 1.1
6
Tabela 1.1 Classe social e tempo de desmame, estudo de Miller e Swanson (1960). •
Cedo Tarde
Classe média 33 22
(0,60) (0,40) 55
Classe trabalhadora 17 31
(0,35} (0,65) 48
50 53 103
~ As entradas nas casas são freqüências: número de mães. As cifras entre parên-
teses são proporçõ.es! por exemplo, 33/55 = 0,60. Se as proporções forem multi-
plicadas por 100, obtêm-se as porcentagens: (33/55) (100) = (0,60) (100) = 60
por cento, ou 60 por cento das mães da classe média disseram que desmamaram
seus filhos cedo.
7
não estar presente entre todas as mães. "f. necessário mais pesquisa para
reforçar a afirmação e a certeza que se pode ter quanto à sua verdade".
H
Estes dois estudos têm um bom número de aspectos que são caracte-
rísticos da pesquisa comportamental. Primeiro, um é um estudo experi-
mental, o outro não-experimental. Segundo, eles ilustram a objetividade,
uma característica da pesquisa científica que logo examinaremos. Ter-
ceiro, seu uso de análise quantitativa elementar irá nos ajudar a apro-
fundar mais na análise e estatística. Por exemplo, no estudo de Clark
e \Valberg, foram calculadas e comparadas as médias e no estudo de
Miller e Swanson, foram tabuladas e comparadas as freqüências. Estes
são 'dois dos modos mais comuns de se fazer análise quantitativa. Quarto,
os problemas, relações e metodologia de ambos os estudos são simples
e claros; serão úteis para ilustrar colocações a serem feitas em discussões
subseqüentes.
Mais pertinentes ao tema principal deste capítulo é o que os estudos
tentaram fazer, quais foram seus objetivos. Um dos objetivos do estudo
de Clark e Walberg foi compreender e explicar o aproveitamento, ou
antes, um certo aspecto do aproveitamento, o chamado subaproveita-
mento. Um dos objetivos do estudo de Miller e .Swanson foi explicar o
desmame, que é, naturalmente, um aspecto do trabalho de cuidar de uma
criança. Às palavras "compreender" e "explicar" devem ser interpretadas
num aentido amplo. Quando dizemos que "compreendemos" um fenô-
meno, queremos dizer que conhecemos suas características - pelo
menos algumas - o que o produz· e quais as suas relações com outros
fenômenos. Queremos dizer que tentamos H explicar" o fenômeno. Po-
demos dizer o que provavelmente o tenha causado, o que o influencia
agora, o que o influenciará e no que ele influencia. É importante obser-
y,ar aqui que nossa compreensão de um fenômeno é sempre incompleta,
parcial e probabilística. Sem dúvida, muito do nosso conhecimento do
mundo, especialmente do fenômeno social e humano; é parcial e
até falho.
A realização é um fenômeno importante no mundo ocidental.
Quando dizemos que procuramos "compreendê-lo", em parte queremos
dizer que desejamos saber por que certas pessoas conseguem grandes
coisas, enquanto outras conseguem muito pouco. Ou, mais ambiciosa-
mente, queremos saber por que certos grupos conseguem tanto e outros
tão pouco. Por exemplo, McClelland (1961), num livro estimulante,
The Achieving Society, relatou uma pesquisa voltada para uma questão
geral: Como e por que as pessoas de diferentes países diferem em sua
motivação para a realização? É possível se estender muiL; uiscutindo
um conceito tão rico quanto o de realização. O núcleo da idéia de com-
preensão e explicação, entretanto, é que explicamos um fenômeno espe-
cificando o. que está relacionado a ele.
8
Clark e Walberg se interessaram por explicar um aspecto relativa-
mente limitado da realização. Eles desejavam explicar e compreender a
realização em leitura, de crianças negras que eram geralmente defi-
cientes, na realização escolar. Queriam saber se o reforçamento maciço
da realização iria afetá-la positivamente. Estudaram, então, a relação
entre o reforçamento e a realização em leitura. Conseguiram mostrar
que o reforçamento maciço afetava positivamente a realização das
crianças em leitura. Eles, até certo ponto, "explicaram" a realização por-
que mostraram uma coisa que a afetou. 6
O fenômenó ''explicado" por Miller e Swanson foi o desmame, ou,
talvez mais exatamente, a técnica de cuidar de crianças, que inclui entre
outras coisas métodos disciplinares, tipos de recompensas usadas e mé-
todos para induzir à obediência. Eles mostraram, por exemplo, que mães
da classe média e da classe operária diferem nas suas práticas de des-
mame. Assim estabeleceram uma relação, por um lado, entre classes
sociais e por outro, no método de desmame. Mostraram que algumas
diferenças observadas no desmame eram devidas à classe social, em
outras palavras. Assim, até certo ponto, eles crexplicaram'' as diferenças
nas práticas de desmame.
Vamos interromper nossa discussão a respeito das metas e propó-
sitos científicos para discutirmos duas características importantíssimas
da ciência. A primeira, objetividade, é uma característica metodológica
controvertida e difícil ·d~ender. A segunda é a natureza empírica da
ciência. Após discutirmos ·'estas características, estaremos em melhor
posição para continuar a discussão principal. Pode ser dito clara e
categoricamente que sem o "método" ou "critério" de objetividade, ou
sem a abordagem e a atitude empírica, a ciência como é conhecida no
mundo moderno não seria possível~ O que significa esta afirmativa? E o
que ela tem a ver com a natureza da p·esquisa científica?
9
sua influência e predileções. Em vez de estarem em suas cabeças, as
idéias testadas são objetivadas, feitas objetos u do lado de fora", objetos
que têm uma existência, por assim dizer, separada de seus inventores.
Qualquer um pode observar um experimento e como ele é feito; é coisa
pública.
:rodo conhecimento do mundo é afetado, e até distorcido de certa
forma, pelas predisposições dos observadores. Quanto mais complexas
as observações, mais se afastam da realidade física, e quanto maiores
as inferências feitas, maiores as probabilidades de distorção. Quando o
cientista físico lida com pesos, por exemplo, há uma baixa probabilidade
de distorção: existem pequenas oportunidades para pontos de vista
pessoais, inclinações e prenoções entrarem no processo. Mas considerem-
se as possibilidades de distorção no estudo e mensuração de autoritaris-
mo, dogmatismo, inteligência, nível de aspiração, realização, classe social,
ansiedade e criatividade.
Tomemos apenas uma destas variáveis, a criatividade. Embora
concordemos que vamos estudar e medir a criatividade, podemos ter
idéias muito diferentes do que seja a criatividade. Essas idéias diferentes,
estas percepções diferentes, podem influenciar nossas observações· de,
digamos, criatividade em crianças. Um ato comportamental que para
um indica criatividade pode não indicar criatividade para outro e essas
diferenças em percepção podem afetar nossa mensuração. Em outras
palavras, as verdadeiras observações do comportamento criativo podem
ser muito diferentes, dependendo de quem observa, a não ser que se
concorde em adotar um método de observação - e se ater rigidamente
a ele.
Objf!tívidade é um acordo entre juízes "especialistas" relativo ao
que é observado, ou o que deve ser ou o que foi feito em pesquisa.
Suponhamos que um cientista observe alguma coisa e anote essa -obser-
vação, digamos, em forma numérica. Outro, de igual competência,
observa a mesma coisa, independentemente, e registra sua observação.
~
Se o processo puder ser repetido com resultado idêntico ou parecido
-isto é, se há acordo entre as observações dos cientistas- consegue-se
objetividade. Em algumas áreas da ciência, como na química e física,
por exemplo, a objetividade não é problema sério, graças aos instru-
I mentos de alta precisão, como os microscópios eletrônicos. Tais instru-
mentos aumentam a probabilidade de acordo entre os juízes, porque, ao
usá-los, juízes diferentes provavelmente obterão e anotarão os mesmos
resultados. Além disso, a máquina tem menos possibilidade de influen-
ciar observações e de ser influenciada pela natureza do que estiver
sendo observado.
A definição de objetividade como acordo entre juízes não deve
ser interpretada com estreiteza: é bastante ampla. O que significa isto?
10
A condição principal para satisfazer o critério de objetividade é, ideal-
mente, que quaisquer observadores com um mínimo de competência
concordem em seus resultados. Em psicologia e educação, por exemplo,
usam-se testes e escalas objetivas. São chamados Hobjetivos" porque
qualquer pessoa, devidamente orientada, pode avaliá-los e obter os mes-
mos resultados (com -pequena margem de erro). A expressão Htestes
objetivos" não significa que os teste~ sejam em si mesmos ~~objetivos".
Eles o são porque a contagem de pontos é a mesma, não impor-
tando quem os avalie. Por outro lado, a correção de respostas em
redações depende muito mais do julgamento pessoal do juiz, enquanto
tais julgamentos são virtualmente excluídos em testes objetivos .. (Deve
ser notado, entretanto, que a avaliação de redações pode ser feita de
maneira muito mais objetiva do que geralmente se faz.)
Mudemos um pouco a perspectiva. No estudo Clark e Walberg a
mensuraçijo do aproveitamento em leitura foi mais objetiva do que a
mensuração de tempo de desmame no estudo de Miller e Swanson por-
que o primeiro foi medido com um teste de tipo objetivo, enquanto o
segundo foi medido através de entrevistas. Qualquer um que avaliasse o
teste de leitura obteria os mesmos resultados. Mas dois entrevistadores
poderiam mostrar diferenças na mensuração de tempo de desmame, no
caso por dois motivos: O primeiro acaba de ser dado: juízes diferentes
podem interpretar as respostas do entrevistado diferentemente. Uma mãe
pode dizer que de~ou seu filho quando a criança tinha entre 7 e 9
meses. Um entrevistador pode se satisfazer com esta resposta e anotá-la,
mas outro pode querer se aprofundar mais e acabar descobrindo que
a mãe desmamou o filho aos seis meses. O segundo motivo se deve à
falta de memória da mãe: ela pode simplesmente não se lembrar quando
desmamou o filho e dizer que foi aos dez meses, quando de fato foi
aos oito. Não existe tal ambigüidade com mensuração de tipo objetivo
(embora não esteja isenta de outros tipos de dificuldades). Um teste de
leitura de tipo objetivo, por exemplo, tem regras explí~itas para a ava-
liação das respostas. A resposta a qualquer pergunta só pode ser ou cor-
reta ou incorreta: há pouca margem para a iniciativa ou o julgamento
do avaliador.
A importância da objetividade exige mais explicação ainda. Embor~i'
seja aplicada geralmente a observações e mensuração ·científicas, a idéia
é mais ampla. Quando os psicólogos fazem experimentos, lutam por
objetividade. Isso significa que fazem sua pesquisa controlando de tal
modo a situação experimental e descrevendo de tal modo o que fazem
que outros psicólogos poderão repetir o experimento e obter resultados
iguais ou semelhantes. Em outras palavras, a objetividade ajuda o pes-
quisador a "sair" de si mesmo, ajuda-o a conseguir condições publica-
mente replicáveis e, conseqüentemente, descobertas publicamente averi-
11
guáveis. A ciência é um empreendimento social e público, como tantos
outros empreendimentos humanos, mas uma regra importantíssima do
empreendimento científico é que todos os procedimentos sejam objetivos
--:- feitos de tal forma que haja ou possa haver acordo entre juízes
especialistas. Esta regra dá à ciência uma natureza distinta, quase remota,
porque quanto maior a objetividade mais o procedimento se afasta das
características humanas - e de suas limitações. Por exemplo, a obje-
tividade quase glacial de partes das ciências naturais, cujos experimentos
são feitos em laboratórios e em circunstâncias altamente controladas,
cujas observações são feitas quase inteiramente por máquinas de alta
precisão e fidedignidade, parece coisa muitíssimo distante de gente e de
suas preocupações sociais e pessoais. (Isto não significa que os cientistas
que pesquisam e controlam as máquinas sejam imunes a erros.)
Comparem-se agora os procedimentos em psicologia e educação. O
cientista físico pode "sair de si mesmo" mais facilmente do que o cien-
tista comportamental, porque é mais fácil para ele preparar uma pesquisa
e testar hipóteses "fora" e longe de suas próprias predileções e inclina-
ções e de outros. Isto acontece porque os procedimentos são mais fáceis
de ser "objetivados" _ Uma vez que o funcionamento de _um processo
físico fique compreendido, pode ser repetido e medido pela maioria de
técnicos e cientistas competentes. Em outras palavras, há uma replica-
bilidade relativamente alta.
Em pesquisa sociológica, psicológica e educacional, entretanto, isto
é verdadeiro em grau muito menor. A manipulação de variáveis psicoló-
gicas, como a coesão de grupo, a atmosfera em sala de aula, estilos de
liderança e ansiedade, é muito mais difícil de ser feita objetivamente
por causa da maior complexidade, amplitude de variação e acessibili-
-dade a influências outras que as do pesquisador. Igualmente, a mensu-
ração de variáveis comportamentais, tais como inteligência, realização,
atitudes, classe social e motivação é mais sujeita a influências sistemá-
ticas e casuais, tomando mais difícil - embora não impossível. como
pretendem alguns críticos - vários observadores concordarem em suas
observações e mensurações. Isto não significa, entretanto, que os proce·
dimentos do psicólogo não sejam objetivos. Na verdade, eles freqüente-
mente podem possuir um nível de objetividade relativamente alto. Eles
são simplesmente menos objetivos do que os do cientista físico.
Não há qualquer diferença de_ princípio, por outro lado, entre o
uso do critério de objetividade pelo Cientista físico e pelo cientista com-
portamental. A única diferença está no grau de objetividade. Já foi dito
que as c~ências comportamentais nãO. podem ser verdadeiramente cientí-
ficas porque não podem usar. os mét<;>dos das ciências físicas. Isto não
é assim, a não ser num sentido ·puràmente literal. Em todas as ciências
são usados a mesma abordagem e os mesmos métodos gerais. Assim está
12
longe de ser impossível chegar~se à objetividade nas ciências comporta-
mentais; isto já foi conseguido com sucesso, muitas vezes. f. apenas
mais difícil.
Objetividade e explicação
Figura 1..!
13
objetividade, entretanto, é uma característica indispensável e inseparável
da ciência e da pesquisa científica.
7 Tais enunciados não podem ser gerais demais porque, se forem, não podem ser
refutados. Como veremos mais tarde, os enunciados científicos têm que ser pas-
síveis de serem submetidos a teste e acessíveis a serem mostrados como falsos
se realmente o forem.
l4
A abstração, parte do poder da ciência, está sempre distante das
preocupações comuns e do calor do relacionamento humano. Isto por
definição; é parte da natureza da ciência. Sem tal abstração, não há
ciência. O mesmo quanto a objetividade, que também tende a fazer a
ciência parecer fria e distante. Parece distante e fria porque os testes
das proposições científicas são feitos Hlá fora", o mais longe possível
das pessoas e suas emoções, desejos, valores e atitudes, incluindo os do
próprio cientista. Mas é isto precisamente o que deve ser feito. Deve-se
obedecer ao cânone da objetividade - ou abandonar a ciência.
15
pe~g_l!g;_a c~entifjca~~i~t~_l_!l-ª.Üçª~_sq_!!trolada. Aqui está um exemplo que
~nos ajudará a compreender o que "einpmco" significa para a ciência.
Uma pesquisa científica foi feita para determinar se é possível
animais e seres humanos aprenderem a controlar reações do sistema
nervoso autônomo. Podem, por exemplo, diminuir as batidas cardíacas
ou aumentar a secreção da urina à vontade? (Miller, 1971, caps. 55, 56).
Tanto velhas quanto novas crenças dizem que isso não é possível. Então,
a generalização é: as pessoas não conseguem controlar reações gover-
nadas pelo sistema nervoso autônomo. Acontece que a afirmação talvez
não seja verdadeira: descobriu-se que animais (e talvez pessoas) podem
ser treinados para fazerem coisas tais como aumentar e diminuir as
batidas cardíacas, aumentar e diminuh sua secreção urinária e até alterar
sua pressão sanguínea (Miller, 1971, Parte XI). Um enunciado empiri-
camente orientado seria: os animais podem, dentro de certos limites,
controlar reacões do sistema nervoso autônomo, recebendo· "instrucão''
apropriada. Ós animais podem ser ensinados a, por exemplo, aumintar
ou diminuir as batidas cardíacas e aumentar ou diminuir sua secrecão
urinária. Não é fácil, mas já foi feito. São afirmaÜvas empíricas, já que
estão baseadas em evidência científica.
Por ser empírica, não significa necessariamente que uma afirma-
tiva seja verdadeira. Se baseada em pesquisa científica e evidência, é
mais provavelmente verdadeira do que uma afirmativa baseada intei-
ramente em crenças. Entretanto, pode ainda não ser verdadeira. A
afirmativa acima, de que é possível aprender a controlar o sistema ner-
voso autônomo até certo ponto, embora apoiada pela evidência da pes·
guisa científica, pode acabar sendo refutada a longo prazo. Pode não
ser possível obter os mesmos resultados no próximo ou no ano seguinte,
·,~ ou na Austrália assim como na América. É possível que as descobertas
de pesquisa apoiando o enunciado fossem o resultado de alguma causa
temporária e não reconhecida, característica apenas da situação parti-
cular em que foi feita a pesquisa. Não obstante, a probabilidade de uma
afirmativa baseada em evidência empírica ser verdadeira é maior do
que a probabilidade de uma afirmativa não-empírica ser verdadeira. Evi-
dência empírica cuidadosamente obtida, como veremos, é um corretivo
saudável e necessário para as crendices do homem e um meio salutar
de diminuir sua ignorância. Evidência não-empírica, por outro lado,
pode e às vezes ajuda a perpetuar a ignorância, como fazem os velhos
provérbios. E, em resumo, a evidência empírica freqüentemente controla
nossa mania desenfreada de fazer afirmações sobre as coisas, afirmações
que podem ou não ser verdadeiras. ·
A palavra "empírica" então é import'lnte porqu~ __ m~:ra 1:!!!1ª-.}~-~:....
neira de olhar o ,mundo -~......êL~~Qiii:t_çJ].te'-->".d.ii~r-~.D.!.~. --4ª-
maneii~~ ·~!!:·~~~ifionaL,Sl-~=t!XQ.f11!:9.~ex.plicaç_q.~s. apelªJl,(:lçt.Pª.ra -ª'- .~:~J9!.i.Qª.çle,..
16
seps_Q comurn~P.--lUlra,~a,xa,Z_ã;o. O homem é basicamente egoísta? Po-
demos citar a Bíblia, Freud ou Shakespeare;. podemos dizer que é
auto-evidente ou óbvio que o homem é basicamente egoísta ou não-
egoísta; ou podemos raciocinar cuidadosamente na base da autoridade
e da observação e concluir que o homem é basicamente egoísta ou
não-egoísta. Esta é mais ou menos a maneira tradicional.
Os cientistas, entretanto, não est?.u satisfeitos com essa maneira.
Se acham que a questão é cientificamente respondível - muitas questões
não podem ser respondidas cientificamente - então eles abordam o
problema diferentemente. Embora possam apresentar uma explanação
teórica, sempre fica em suas cabeças uma p~igunta a importunar: O
que dirá a evidência científica? Decidindo primeiro como definir· e
medir o egoísmo, o cientista preparará um estudo ou uma série de
estudos para tentar determinar até onde o egoísmo motiva o comporta-
mento humano e como isto é feito. Fará, então o estudo sob condições
controladas e, depois de analisar os resultados obtidos, chegará a con-
clusões que parecerão saltar da evidência. A evidência, então, é o centro
de todo o processo. Sem ela as conclusões geralmente não têm valor
científico.
Alguns leitores podem ficar em dúvida quanto à importância desta
distinção entre abordagens empíricas e não-empíricas. Podem dizer que
é óbvio, até auto-evidente, que procuramos evidências para as afirma-·
tivas que faz~s. Pessoas racionais sempre farão isto. Mas a questão
é justamente està:r- às vezes fazem, mas muitas vezes não. Nossos siste-
mas de crenças -religiosas, políticas, econômicas, ~ducacionais - são
sem dúvida poderosos e freqüentemente guiam nosso comportamento,
não a evidência. Parece que é muito difícil usar a evidência empírica
como hábito. Se não o fosse, muitos dos problemas sociais que enfren-
tamos poderiam ser resolvidos, admitindo-se a existência de boa vontàde
e motivação adequada. Para· compreender a ciência e a pesqui ;a cientí-
ficas, portanto, é necessárjo um esforço contínuo e consciente, nada fácil,
porque a necessária atitude empírica exige no mínimo uma suspensão
temporária de poderosos sistemas de crenças. Em outras palavras, a
primeira e última corte de apelação da ciência é a evidência empírica.
17
Figura 1.3
~
··~
B Este exemplo é parcialmente realista, parcialmente fictício. O leitor não deverá
~ tomá-lo como "teoria estabelecida". Embora se saiba muito a respeito de reali-
zação, em cursos superiores e em outros contextos, muita coisa ainda não ficou
_·f compreendida. As teorias na ciência comportamental podem ser consideradas tenta-
~ ti vas· de desbastar nossa ignorância. Neste sentido o exemplo não é artificiaL
18
Na teoria, duas vartaveis, inteligência e motivação para a realiza-
ção, são influências diretas; acredita-se que ambas influenciem a reali-
zação escolar sem passarem pelas outras variáveis. Estas influências
diretas são mostradas pela figura 1.3: as setas de inteligência e motiva-
ção para a realização vão para realização na universidade. Acredita-se
que as outras duas variáveis, situação econômica familiar e classe social,
tenham influência indireta na realizacão escolar; elas "atravessam'' a
motivação para a realização. Acredit~-se, por exemplo, que em geraL
quanto mais afluente a família, maior a motivação para a realização.
Igualmente a classe social influencia a motivação para a realização: ra-
pazes e moças da classe média têm maiores motivos para desejarem
progredir que os jovens das classes trabalhadoras. A inteligência. além
de sua influência direta na realização escolar - quanto maior a inteli-
gência, maior a realização - tem influênCia indireta na realização esco-
lar através da motivação para a realização: quanto maior a inteligência,
maior ·a motivação para a realização.
Temos então uma teoria da realização escolar, que pode ser boa
ou má, dependendo de quão bem explique a realização escolar. É bas-
tante testável. Todas as variáveis são suscetíveis de rnensuração satisfa-
tória (embora uma teoria não tenha necessariamente que ter apenas
variáveis mensuráveis) e há técnicas analíticas que podem permitir testes
bastante claros das relações especificadas na teoria.
Outras f~jdades da ciência, além da teoria e explicação, foram
propostas. Não .ptecisamos elaborar as mais técnicas destas, pois geral-
mente já são dedutíveis da teoria como propósito. Há um alegado pro-
pósito da ciência, entretanto, que dá muitos problemas e que confundiu
um bocado a compreensão clara da finalidade da ciência. Essa alegada
finalidade está contida em afirmações como as que se seguem, todas
elas estreitamente relacionadas: "A finalidade da ciência é melhQU!X-=-º-
~·; ''~~Jl~.~liqªQ.ç_fl~~P-~!f.o.logia..e_sociologia~é._aju_dar
~melhora~ socie<!.a..~~.,..h!:!mªn?''; ''~nE~~~g~ sl'L..E~2.9lll~~--~d~;~~-c~opa\
é melhorar ãprãtíca e o pensamento educacional". Sem dúvida, os
sentimentos por detras ae faís ã'fuffi'ativâs~··sãô fortes - e não é de se
admirar~ ~--óbvio que a finalidade da ciência é melhorar o destino
do homemi-parece tão !!gf9-=f!JJ:g~Qfd~-~-- ~--~----<-·-- ~"···~ .--.. '· .···--~~----
~ A confusão, sem dúvida, surgiu porque os efeitos dos progressos
científicos muitas vezes aumentaram o bem-estar do homem - mas
também feriram o bem-estar humano - principalmente através de aper-
feiçoamentos tecnológicos possibilitados por pesquisas e descobertas
científicas desinteressadas. Mas isto não significa que o propósito da
ciênica seja melhorar o bem-estar humano, assim como seu propósito
não é ajudar a promover guerras. Uma interpretação mais exata é que a
melhoria da vida pode se.r subproduto da ciência, um produto afortu-
nado, embora não necessário das descobertas e do trabalho científico.
19
Há um paradoxo aqui. Parece óbvio que o propósito da ciência é
melhorar a humanidade. Entretanto, é uma posição perigosa porque
conduz, entre outras coisas, a distorções. As distorções resultam de duas
ou três razões. Uma, a mistura de forte compromisso e a exigência de
programas sociais e políticos, por um lado, e a pesquisa científica de
problemas de tais programas, por outro, parecem induzir preconceitos
e o que foi chamado percepção seletiva. Isto significa que vemos o que
desejamos ou precisamos ver em vez do que realmente existe. Esta
tendência é tão forte que quase cheguei ao ponto de pensar que cien-
tistas comportamentais não deveriam pesquisar coisas que advogam
apaixonadamente. Ou melhor, quando pesquisarem, devem criar e usar
salvaguardas excepcionalmente elaboradas contra suas próprias incli-
nações.
Uma segunda razão para distorções é que tendemos a confundir
missões sociais e científicas e isto leva a distorcer o que ·vemos, a des-
gastar· nossa objetividade e, mais importante, nosso compromisso com
a objetividade. O desgaste do compromisso com a objetividade é peri-
goso para um cientista, pois, como já ficou dito, a objetividade é uma
característica científica inconfundível e indispensável. Sua perda destrói
a própria ciência.
Voltando ao argumento principal, a ciência e a pesquisa científica
são absolutamente neutras. Os resultados de pesquisas científicas podem
e são usados tanto para bons propósitos quanto para maus. Fazemos uso
de bombas. atômicas, instrumentos de destruição baseados na teoria
científica, pesquisa em física e campos relacionados; usamos também
descobertas atômicas para a dessalinização da água, para a criação de
energia praticamente ilimitada, e assim por diante. Bondade e maldade,
melhora e deterioração, felicidade e sofrimento humanos, são assuntos
para as pessoas que resolveram fazer certas coisas que têm boas ou más
conseqüências, que melhoram ou pioram as coisas, que promovem a
felicidade humana ou que aumentam seu sofrimento. Naturalmente os
resultados da ciência podem ser usados para ajudar a tomar tais deci-
sões, e os cientistas, como seres humanos, podem participar na tomada
de decisões, mas a ciência em si, estritamente falando, não tem nada
a ver com as decisões. Isto porque a preocupação da ciência - e é a
única atividade humana em larga escala cuja preocupação é tão desin~
teressada - diz respeito apenas à compreensão e explicação de fenô-
menos naturais.
Enfatizo fortemente a finalidade da ciência desta forma porque a
concepção errada exposta acima, levada ao extremo lógico de colocar
o bem~estar humano como finalidade fundamental da ciência, conduz
finalmente a um desgaste da própria ciência e à conseqüente diminuição
da compreensão dos fenômenos físicos e humanos. O último capítulo
20
deste livro examinará novamente este problema com mais detalhes. O
motivo por que o propósito da ciência como teoria foi enfatizado aqui
é que a tentativa de sua aceitação a esta altura muito nos ajudará a
compreender o conteúdo deste livro. Esta ênfase nos manterá ligados à
essência e à natureza da ciência e não nos permitirá sermos distraídos
por considerações estranhas. Por exemplo, se falarmos do chamado
subaproveitamento de crianças brilhantes, vamos poder focalizar a com-
preensão do aproveitamento ao invés de remédios específicos para o
problema. Ao fazer isto, naturalmente, já teremos assumido que a com-
preensão científica do problema pode aumentar as possibilidades nossas
e dos outros de encontrar soluções práticas para o problema.
21
2. Conceitos comportamentais científicos e
definições
Variáveis
22
algumas vezes exibe inteligência. Não é fácil ver o que uagressão" repre-
senta. Para o psicólogo, "agressão" pode significar um estado interior
que predispõe a pessoa a certos tipos de comportamentos chamados
"agressivos". Para o pesquisador psicológico, entretanto, "agressão"
significa tipos diferentes de comportamentos que têm as características
de ferir outros ou a si próprio, física e psicologicamente. Devem ser
bastante específicos; devem definir "agressão" especificando de alguma
forma o que são comportamentos "agressivos". Fazem isto para poderem
medir ou manipular a agressão". A idéia de "variáver' deve ficar clara
H
é algo que varia. Ou pode ser dito que uma variável é uma propriedade
que assume valores diferentes. Um psicólogo, por exemplo, pode atribuir
a diferentes crianças valores diferentes, dependendo de sua posse de
quantidades diferentes de habilidade verbal. Para isso ele pode usar
um teste de habilidade verbal e atribuir à criança números de 10 a 50,
sendo que 10 significa baixa quantidade de habilidade verbal e 50, alta
quantidade. A variável "sexo" foi mencionada acima: pode-se atribuir
1 ou O aos indivíduos, dependendo de serem homens ou mulheres.
Mesmo atribuindo-lhe somente dois algarismos, 1 e O, sexo é uma
variável.
Na discussão do estudo de Clark e Walberg no primeiro capítulo,
o rdorçamento foi "manipulado" como uma variável experimental, dando
23
a um grupo de crianças um reforçamento maciço e a um segundo grupo,
reforçamento regular. Esta manipulação, com efeito, cria uma variável.
Sempre que os pesquisadores preparam condições experimentais, eles
criam variáveis. Nós chamamos tais variáveis variáveis experimentais ou
variáveis manipuladas. Pode-se demonstrar que elas satisfazem a defini-
ção dada acima, embora não façamos isto aqui.
Há, então, três tipos gerais de variáveis na pesquisa comporta-
mental: variáveis categóricas, variáveis medidas e variáveis experimen-
tais ou manipuladas. O reforçamento, no estudo de Clark e Walberg, é,
como ficou dito, uma variável experimental. Classe social (classe média
e trabalhadora) no estudo de Miller e Swanson sobre classe social e
criação dos filhos, descrito no capítulo 1, é uma variável categórica.
Exemplos de variáveis medidas são inleligência, ansiedade, autoritarismo,
ap.~idão verbal e realização escolar. São chamadas variáveis medidas
porque são "medidas" com um teste ou outro instrumento que produz
resultados. que vão de altos a baixos.
24
Outros tipos de variáveis
25
"Relações
Estudos e experimentos
26
dizer, simplesmente, que os sujeitos são designados para os grupos
experimentais de tal forma que qualquer um possa se tornar membro
de qualquer grupo, sem ser possível dizer de qual grupo ele participará.
É possível fazer-se um experimento sem designação aleatória, embora
não seja desejável. Vamos deixar o assunto de designação aleatória para
o capítulo 6, porque o assunto exige explicações mais completas e
detalhadas.
A segunda característica básica de um experimento foi mostrada
no capítulo 1 -manipulação. Agora podemos ser mais precisos: mani-
pulação de variáveis independentes. (Variáveis dependentes quase nunca
são manipuladas.) .Kepet•nrlo: isto sil!nificR cme o pesquisador faz coisas
diferentes com grupos diferentes de indivíduos. Suponhamos que eu
ensine quatro grupos de alunos do quarto ano com quatro métodos dife-
rentes. Isto é uma manipulação. Suponhamos que eu queira estudar os
efeitos dos tipos de tomada de decisão na produtividade do grupo. Tenho
um grupo de 90 pessoas que divido em 3 grupos de 30, denominando-os
A1, A2 e A3. As pessoas do grupo A1 terão o máximo de oportunidades
de participar das decisões do grupo (as quais são uma parte da manipu-
lação), as do grupo A2 uma ou outra oportunidade de participar,
e as do grupo A3 nenhuma oportunidade. Isto também é uma ma-
nipulação.
A manim!Jação experimental varia da mais simples à mais com-
plexa. A manipulação da variável independente de Clark e Walberg foi
simples: dois grupos, um recebendo reforçamento maciço, o outro, re-
gular. Para que o leitor não pense que toda ou mesmo a maioria das
manipulações se limitam a dois grupos, examinemos uma ligeira exten-
são da manipulação até três grupos. Aronson e Mills (1959), num inte-
ressante experimento sóCio-psicológico, testaram a idéia de que quanto
mais dificuldade se encontrar para entrar em um grupo, mais os mem-
bros deste grupo darão valor a ele. Os membros de um grupo receberam
uma iniciação severa. os de outro, uma iniciação suave e aos membros
do grupo restante não se exigiu nada para se tornarem membros do
grupo (o "grupo de controle"). (A manipulação incluiu a leitura, por
jovens do sexo feminino, de palavras que variavam em termos de
obscenidade.) Foi predito que os membros do primeiro grupo valoriza-
riam mais a participação no grupo, os membros do segundo, um pouco
menos, e os do terceiro- o grupo de controle - valorizariam menos
ainda. (A exnectativa foi r.onhrmada pelns resultados.) Isto também é
uma manipulação: foram feitas coisas diferentes sistematicamente com
os três grupos. As virtudes e outras características deste poderoso método
de obter conhecimento serão exploradas mais tarde. Veremos também
que é perfeitamente possível manipular mais do que uma variável inde-
pendente por vez.
27
Há vários tipos de estudo científico. Um experimento é apenas um
deles. Todos os outros são não-experimentais. Um levantamento de
opiniões é não-experimental. Assim é toda a investigação das relações
entre variáveis quando não há manipulação. O estudo de Miller e
Swanson sobre classe social e criação de filhos é um exemplo. Não
foi um experimento porque não houve manipulação de uma variá-
vel independente. Freqüentemente a distinção é mal entendida. Estudos
que são não-experimentais são às vezes chamados experimentos. Entre-
tanto, a distinção é muito importante porque as conclusões de um expe-
rimento bem conduzido geralmente são mais fortes do que as conclusões
de um estudo bem conduzido que não seja um experimento. Voltaremos
a esta distinção no capítulo 8. ·
Dados
28
Apesar de seu uso. específico, "dados" também se refere a quase
qualquer evidência obtida em pesquisas. Pode-se até afirmar que "dadosn
e '"'evidência" são usados quase como sinônimos. As observações feitas
por ministérios de educação e anotadas sob detenninada forma são cha-
madas dados". Saídas de computador são chamadas dados,. Pontos
H H
Variação e variincia
29
e relacionados através das ·suas variações. O que significa esta afirmação
ligeiramente estranha? Virtualmente nenhum conhecimento científico
seria ~ssível se o fegômeno _n~~---.Y-~ria~~.!.-P psicólogc: nao poderia
·.).o .J_t-, -~dar a mt~Ug~IJ.Çi?._.ê.e -~]}!t~J!~Rc_ia~s p_~S-~9,~_~__E_ã2_._yaria§§4'~,· O soció-
r __. . . --- logo não poderia estudar classes sociais e suas relações com outras
variáveis se as pessoas e grupos não diferissem em classes sociais. Diz-se
que um grupo de pessoas, por exemplo, alunos de quarta série. é alta-
mente variável em inteligência. Outra maneira de dizer isto é: a variância
de inteligência da classe é grande. Por outro lado, a variância de inteli-
gência de um grupo de candidatos ao doutorado pode ser pequena. Se
por ora o leito.r puder confiar na veracidade destas afirmações sobre
_variação, vamcis àpoiar esta r.onfiança cor.. razões ~m um capítulo
posterior.
Embora não se discuta bastante estatística neste livro, é imperativo
que conheçamos alguns termos estatísticos e seu significado geral.
r~Variântia" é um termo tanto estatístico quanto geral. É geral enquanto
significa a variabilidade do fenômeno, como discutido acima. Os cien-
tistas comportamentais usam-no muito desta forma. "Variância" é tam-
bém uma medida estatística que expressa a variabilidade de qualquer
conjunto de medidas, e, assim, indiretamente, de qualquer conjunto de
indivíduos. 2 Os cientistas comportamentais falam muito sobre a va-.
riância de um fenômeno ou sobre a variância de uma variável afetada
pela variância de outra variável. O pesquisador educacional poderá per-
guntar: "Quanto da variância de realização é devida à variância de inte-
ligência, à variância de motivação, à variância de background familiar?''
Isto é simplesmente uma maneira resumida e semi técnica de dizer: H As
crianças de alto grau de inteligência têm alta realização e as crianças de
inteligência inferior têm baixa realização? As crianças com alta motiva-
,. ção se saem bem e as crianças com baixa motivação não se saem bem?
Crianças de ambiente familiar favorável se saem bem, enquanto
crianças de ambiente familiar desfavorável não se saem bem?
Esta é uma maneira de dizer que as variáveis cavariam, vari~m
juntas de modos sistemáticos. Assim, os pesquisadores falam freqüente-
mente em covariância, um termo técnico que significa a variância com-
partilhada por duas ou mais variáveis. Olhe novamente para a figura 1.1.
A parte sombreada representa a covariância ou a variância compartilhada
pelas duas variáveis.
Olhe os números na tabela 2.1. Os doi.s_,grupos de números em I
cavariam perfeitamente. Os dois grupos de números, a e b, são os
mesmos: para um número alto em a, há um número alto em b; para
2 Uma discussão técnica e geral do termó, das idéias por detrás dele e de como é
usado, pode ser encontrada em Kerlinger (1973, cap. 6).
30
Tabela 2.1 Três conjuntos de pares de postos* expressando covariâncias e
relações diferentes.
I li III
a b a b a b
1 5 3
2 2 2 4 2 5
3 3 3 3 3
4 4 4 2 4 4
5 5 5 1 5 2
Alto Aito Baixo
Positivo Negativo
----~--.
Probabilidade
31
de desassossego e ansiedade em nós induzidos pela incerteza do nosso
mundo. Eles nos oferecem um credo ou uma pessoa a seguir cegamente,
com promessas de grandes recompensas.
A ciência e a pesquisa comportamental não nos oferecem certeza.
(Nem a ciência natural!) Não oferece nem mesmo certeza relativa.
Oferece apenas conhecimento probabilístico: Se A for feito. então pro-
vavelmente B ocorrerá. A afirmativa usada antes, "A frustração leva à
agressão.", é na verdade incorreta. Uma afirmativa mais correta é: "A
frustração provavelmente leva à agressão". Uma maneira de definir a
pesquisa comportamental pode ser dizer que ela é um meio de ajudar a
reduzir a incerteza. A pesquisa empírica jamais pode nos dizer que
alguma coisa é certamente assim. Pode, entretanto, dizer: "As probabi-
lidades de tal coisa ser assim ou assado são de 70 para 30".
A ·probabilidade e o pensamento probabilístico são .o núcleo da
moderna ciência e pesquisa comportamental. Infelizmente, é difícil defi-
nir a probél:bilidade satisfatoriamente. Vamos usar uma abordagem
intuitiva, como sempre, mas o leitor fica avisado de que pode desa-
gradar os especialistas. A probabilidade de um acontecimento é o número
de casos "favoráveis" dividido pelo número total de casos (igualmente
possíveis). ("Caso favorável" significa qualquer resultado estipulado ou
previsto.) Seja f = número de casos favoráveis. E p = número de
casos favoráveis dividido pelo número total de casos, N. Seja o caso
favorável à ocorrência de cara no lançamento de uma moeda. Então p é
a proporção de caras em N lançamentos, ou p = f/N. Já que há duas
possibilidades no lançamento de uma moeda, p = 1/2. O caso ou evento
favorável pode ser o 6 do dado. Então, p = l/6: a probabilidade de
ocorrer um 6 é 1/6. Se houver 50 homens e 50 mulheres em determinada
amostra de 100 pessoas, a probabilidade de escolher um homem (ou
mulher) é 50/100 = 1/2 (num processo de seleção imparcial).
Isto tudo é muito simples. Mas a probabilidade pode ser complexa.
Nossa preocupação aquij entretanto, é apenas com a compreensão preli-
minar e intuitiva. Em geral, o leitor precisa compreender que todos os
enunciados científicos são probabilísticos. Sempre há incerteza. As ciên-
cias naturais oferecem maior certeza do que as comportamentais. Aliás,
todas as disciplinas científicas são mais ou menos incertas. Todas as afir-
mativas, em outras palavras, vêm acompanhadas com um valor p implícito
ou explícito. É por isso que a bibliografia da ciência comportamental
fala tanto em utendências".
O leitor não deverá ficar muito preocupado se não apreendeu com-
pletamente os termos e expressões dados acima. Leva-se tempo para
acostumar-se a eles. O que precisamos a esta altura é uma familiaridade
geral. As lacunas serão preenchidas mais tarde. Em todo caso, agora
temos suficientes definições para continuarmos com a discussão principal.
32
3. Problemas, hipóteses e variáveis
34
enunciados têm pouco ou nenhum significado. Naturalmente, têm signi-
ficado para religiosos, políticos, pais, professores e novelistas, mas se
mantêm além do alcance da ciência.
Tais questões, propostas desta forma, não são testáveis, ou porque
lhes falta a forma de questões ou proposições testáveis (que discutire-
mos mais tarde) ou porque a linguagem em que são expressas é tão
vaga que as torna cientificamente intratáveis. Eis outro exemplo da
educação. É um problema que, embora tenha intrigado e importunado
os pesquisadores de educação durante meio século, é virtualmente
irrespondível cientificamente, pelo menos desta forma: "O que faz um
c;'~ ~!~s~C2;J::>~!!t~~.l!Ç,~_~i~o_]" Para muitos educadores, isto pode não parecer
um probfêma. Eles 'ãcliam que sabem a resposta; acham que sabem o
que é um professor bem-sucedido . .AttLªg9r,~J. -.. ~P.tt~-ªJ~b~.L o~problem_ª
~-~_Q,Joi . !.x§.91Yt~Q. __ .=:__num sentido .científico.
Há diversas razões pelas quais ainda não foi resolvido. Para come-
çar, a questão é inútil porque não há o enunciado de uma relação entre
variáveis. Portanto, não pode ser testada ou respondida cientificamente.
(Com toda a honestidade, talvez jamais seja respondida.) Por outro lado,
o problema é extremamente complexo: tem inúmeras facetas que não
são imediatamente aparentes, tornando-se difícil lidar com elas. Por
exemplo, o que se quer dizer com Hbem sucedido,? Bem sucedido em
conseguir qu~s alunos aprendam, será? Aprender o quê? O que signi-
fica "aprender~~~tO Hsucesso está ligado a certas características pessoais
H
Problemas
36
Empírico da Ciência" no capítulo 1.) Testagem empxnca significa que
seja obtida evidência real sobre a relação apresentada no problema.
Obter evidência na questão incentivos-desempenho de Hurlock signi-
fica manipular (ou medir) incentivos, medir o desempenho do aluno e ava-
liar o suposto efeito do incentivo sobre o desempenho. As vezes é difícil
dizer claramente que o problema tem implicações de testagem empírica.
Entretanto, é preciso fazer a distinção para que a pesquisa tenha possi-
bilidade de dar certo. As principais dificuldades com questões não-tes-
táveis são o fato de não serem enunciados de relações ("O que é o
conhecimento?" "Como se deve ensinar a ler?"), ou seus constructos ou
variáveis serem difíceis ou impossíveis de definir de maneira a poderem
ser manipulados ou medidos. Isto geralmente funciona com questões de
valor e moral, questões que indagam sobre o certo e o errado das coisas.
suas qualidades ou defeitos ou sua desejabilidade ou indesejabilidade.
Vamos nos concentrar novamente em juízos de valor. Tomemos afirma-
tivas como:·" A democracia é o melhor de todos os sistemas de governo";
"Igualdade é tão importante quanto liberdade" e "O casamento é bom".
São juízos de valor; não são testáveis cientificamente. A não-testabilidade
de juízos de valor já foi discutida, mas a distinção entre juízos de valor
e enunciados empíricos ou testáveis é tão importante que devemos exa-
miná-la de novo um pouco mais analiticamente.
Dizer que alguma coisa é boa ou má, melhor ou pior, é dar um
julgamento liümapo. Só o homem pode dizer que uma coisa é boa ou
má - e não se discute. Nenhum procedimento científico pode conter
uma resposta sobre a relativa desejabilidade de uma coisa. As afirma-
tivas científicas dizem simplesmente: "Se isto for verdade, então pro-
vavelmente acontecerá aquilo"; "Se se frustram as pessoas. elas prova-
velmente agredirão outras, a~edirão objetos ou elas próprias". Tais
afirmativas não têm comprometimento com virtude ou defeito, desejabi-
lidade ou indesejabilidade, valor moral ou falta de valor moral. Nem
podem fazer tal comprometimento. Na verdade, o cientista, como pessoa,
pode fazer tal julgamento - e pode ser sábio ou tolo como qualquer
um - mas ao fazer isto ele sai fora de seu papel de cientista.
É neste sentido que a ciência é neutra. Não é neutra por haver
alguma virtude especial em ser neutra. É simplesmente a natureza da
ciência, que está em testar relações empíricas entre fenômenos ou variá-
veis - e, para fazer isto, exige que o fenômeno seja de natureza a ser
observado, manipulado ou medido. Enquanto o cientista pode estudar
valores, como valores, e sua relação com outros fenômenos - por
exemplo, ele pode estudar como a posse de certos valores econômicos
influencia a maneira de as pessoas votarem ("0 capitalismo é bom",
"A propriedade privada é sagrada") - ele não pode estudar. proposi-
ções que incluam julgamentos éticos ou morais. Simplesmente não há
maneira de chegar aos referentes empíricos de palavras como rr deveria",
"conviria", "bom", "mau" e "precisaria". ·
Hipóteses
38
di da com ·um ou mais dos muitos testes disponíveis de capacidade
mental ou de deficiência mental. Naturalmente pode surgir um problema
difícil em decidir o que é ou não é "deficiência". Mas o que interessa
aqui é determinar se a variável pode ser medida.
A hipótese "Privação na infância produz deficiência mental mais
tarde" é uma hipótese porque enuncia uma relação conjetura! entre
variáveis que podem ser manipuladas ou medidas. A relação é expressa
pela palavra "produz". Uma palavra ou expressão de relação une de
alguma forma as variáveis: "produz", "está positivamente relacionada
a'', "é uma função de", e assim por diante. Um modo melhor de com-
preender todas estas afirmativas, entretanto, é traduzi-las todas para
enunciados "se-então". Embora não haja regras fixas para se escrever hi-
pôteses - há várias espécies, todas legítimas e úteis - a maioria pode
ser colocada na forma se-então: "Se p, então q'', p e q sendo contructos
ou variáv-eis. ··se frustracão. então agressão"; ''Se privé'!ção na infância,
então deficiência na realização escolar mais tarde"; "Se reforçamento,
então aumento na aprendizagem". Em todos estes enunciados duas va-
riáveis estão ligadas entre si como as palavras "se" e "então". Colocado
muito simplesmente, uma hipótese é quase sempre um enunciado de
uma relação, a natureza da relação sendo especificada até certo ponto
pela estrutura se-então do enunciado.
Consideramos hipóteses com duas variáveis apenas. Na pesquisa
comportameri~:woderna, entretanto, é mais provável haver mais de
duas variáveis. As hipóteses serão então: "Se p, então q, sob as condi-
ções r e s". Se incentivo positivo (p), então aprendizagem aumentada
(q), dado sexo feminino (r) e classe média (s). Outra maneira de simbo-
lizar esta hipótese é: "Se p, e P2 e pa. então q"; "Se incentivo positivo
(p,) e sexo feminino (p:d e classe média (pa), então aumento na apren-
dizagem (q)". Voltaremos mais tarde aos problemas multivariáveis, ou
"multivariados". São muito importantes.
Em resumo, hipóteses são enunciados conjeturais de relações e são
estas conjeturas que são testadas na pesquisa. Vejamos agora por que
as hipóteses são importantes.
40
for urna teoria, terá muitas implicações para serem testadas; ela gerará
(com ajuda, naturalmente) muitas hipóteses testáveis. Sem dúvida é
assim que as teorias são testadas.
Hipóteses e testabilidade
42
A semelhança de crenças influi mnis em ·aceitar os· outros que a
semelhança de raça? (Rokeach & Mezei, 1966). Este problema tão
controvertido, pergunta, com efeito, se a semelhança de crença é mais
poderosa do que a semelhança (e diferença) de raça em influenciar as
pessoas a aceitarem outras. Se um branco concorda com as crenças de
um negro, ele irá aceitá-lo mais do que aceitaria um branco de cujas
crenças ele discordasse? Se for conservador, por exemplo, ele aceitará
os conservadores negros em geral mais do que aceitaria brancos liberais?
São perguntas fascinantes, difíceis de- responder. Temos ·aqui um pro-
blema que é enunciado implicando ·tennos quantitativos, já que vamos
usar Hmais". (Parece que a resposta é Sim, crença é mais importante
do que raça, mas não em todas as circunstâncias.)
Já foi dito que muitos, talvez a maioria dos problemas da pesquisa
comportamental, têm mais que uma variável independente. Aqui está
um enunciado de problema com três variáveis independentes: Como a
aptidao acadêmica, a realização no ginásio e o nível de aspiração influen-
ciam a realização acadêmica? (Worell, 1959). Tais problemas com múl-
tiplas variáveis estão mais próximos da realidade psicológica e social;
eles refletem com mais nitidez as complexas estruturas causais dos fenô-
menos, neste caso, a realização acadêmica.
Eis uma hipótese derivada do primeiro problema dado acima. "A·
prática ei.D uma. função mental não tem efeito sobre a futura aprendiza-
gem desta fu~:jnental" (Gates & Taylor, 1925). O:hserve a estrutura
se p, então q da hipótese: use prática numa função mental, então (não)
futura aprendizagem da função mental,. Observe também a forma nega-
tiva da hipótese: uA prática (treino) não tem efeito". Isto é raro. A
maioria das hipóteses ·especifica alguma direção do efeito. (A hipótese
foi corroborada.)
-
Uma hipótese mais convencional: ~~Indivíduos que têm papéis
ocupacionais iguais ou. semelhantes terão atitudes semelhantes em rela-
ção a coisas significativamente relacionadas ao papel ocupacional". Isto
significa, por exemplo, que os médicos manterão crenças e atitudes
semelhantes em relação a assuntos médicos. Se a hipótese for apoiada
pela evidência, concluímos que a maioria dos médicos pensa igual no
que se refere a· cuidados médicos.
Nossa hipótese final .é uma hipótese que vem sendo cada vez mais
testada na pesquisa comportamental contemporânea: "Pessoas anti-semi-
tas deslocarão agressão para outros quando sua hostilidade estiver
deflagrada" (Berkowitz, 1959). Aqui há duas variáveis- anti-semitismo
e deflagração de hostilidade- que levam ao deslocamento da agressão.
A hipótese diz que o anti-semitismo uproduzirá" agressão deslocada
apenas sob a circunstância de deflagração de hostilidade: Isto é, a estru-
tura do argumento é: Se p, então q, dado r; ou Se anti-semitismo, então
Figura J.1
Variáveis
Obviamente, variável é uma coisa que varia, que tem valores dife-
rentes. Medimos, digamos) o nível de aspiração de um grupo de crianças.
Para cada criança obtemos uma nota, algum tipo de número. Dizemos
44
que medimos a variável unível de aspiração". Embora intuitivamente
atraente, até instrutiva, esta definição não é realmente uma definição.
E também não é exata.
Uma variável é um símbolo ao qual são atribuídos algarismos.
Exemplos de tais símbolos são A, x, M ou inteligência, nível de aspira-
ção, ansiedade. A variável x pode assumir um conjunto dé valores numé-
ricos, por exemplo, pontos obtidos em um teste de inteligência ou de
leitura. A variável A pode assumir os valores ar, a2 e a,~, e assim por
diante, que podem representar os valores numéricos obtidos por uma
medida de atitude feita com uma escala de sete pontos. Podemos obter
bs resultados de atitude de quatro indivíduos: a, == 6, a2 . :__ 3, as == 5,
a4 == 4. A é uma variáveL Se quisermos, podemos dar-lhe o nome de
Atitude em relação às mulheres.
Esta definição de variável é simples e geral, embora um pouco
afastada do senso comum. n geral porque abrange todos os casos conce-
bíveis e tipos de variáveis. E, embora seja um tipo de definição que não
pertence ao senso comum - pode parecer estranho até - não é nada
complicada e é fácil de entender. Há símbolos que podem ser letras de
alfabeto, palavras óu expressões curtas: X, Y, A, K, inteligência, atitudes
em relação às mulheres, ansiedade, classe social, nível de aspiração,.
retenção, preferência religiosa, renda e assim por diante. Logicamente,
variáveis são :wopriedades que tomam valores diferentes. Algumas variá-
veis podem te~muitos valores, até um número infinito (teoricamente;
por outro lado, variável podem ter um mínimo de dois valores. 3 Inteli-
gência, retenção, atitudes em relação às mulheres, podem ter vários valo-
res. Sexo tem apenas dois valores, geralmente 1 e O, 1 sendo designado
para um sexo e O para o outro. Morto-vivo, empregado-desempregado
são também variáveis de dois valores ou dicotômicas. Classe social,
geralmente, tem dois, três ou quatro. valores. Preferência religiosa é um
tanto diferente. Embora seja uma variável chamada nominal ou cate-
górica (veja abaixo), os valores a ela atribuídos são invariavelmente 1 e O,
mas por enquanto não vamos mostrar oomo isso é feito.
Antes de mudarmos de assunto, devemos observar que variáveis
são também conceitos e constructos. Um conceito é, naturalmente, um
termo geral que expressa a suposta idéia central por trás de objetos
particulares relacionados. Quando os cientistas falam sobre os conceitos
usados em seu trabalho. chamam-lhes freqüentemente "constructos".
"Constructo'' é um termo útil porque indica a natureza sintética das
variáveis psicológicas e sociológicas. Expressa a idéia de que os cientista~
3 ~ possível. por definição, urna variável ter só um valor. Nestes caso é chamada
constante. Lidamos quase que exclusivamente com variáveis de dois ou mais
valores.
freqüentemente usam termos de acordo com a necessidade e exigências
de suas teorias e pesquisas. Inteligência, aptidão, ansiedade, loçus de
controle, agressão, autoritarismo, classe social, sexo e realização são
todos constructos. Se a definição de "variável" dada acima pode ser
satisfeita - isto é, se algarismos puderem ser atribuídos a objetos de
acordo com regras - então. podemos chamar de variável um cons-
tructo. O leitor encontrará freqüentemente estes termos na bibliogra-
fia da psicologia e educação, mas eles nem sempre serão usados pre-
cisamente. Entretanto, deve ser lembrado que há diferenças entre eles.
:Por exemplo, é bom saber que, embora seja teoricamente possível
transformar a maioria dos constructos em variáveis, nem sempre é pra-
ticamente possível fazê-lo. Um exemplo, a repressão de Freud, foi dado
anteriormente.
Definições operacionais
i'-
-~
I
Há dois tipos de definição: constitutiva e operacional. Una defi-
nição constitutiva define palavras com outras palavras: "peso, é a uqua-
lidade de um objeto pesado"; "ansiedade'' é "apreensão ou um vago
medo". Definições constitutivas são definições de dicionário e, natural-
mente, são usadas por todo mundo, inclusive pelos cientistas. Entretanto,
são insuficientes para propósitos científicos. Suponhamos que vamos
definir inteligência como "acuidade mentar', ''a habilidade de pensar
abstratamente", ou coisa parecida. Observe que estamos usando outros
conceitos ou expressões conceituais em lugar de "inteligência". Natural-
mente não se escapa à necessidade de usar tais definições dentro e fora
da ciência. Mas os dentistas têm que ir adiante. Precisam definir as
.i· variáveis que usam nas hipóteses de maneira tal que as hipóteses possam
46
assim por diante) é o resultado no teste de inteligência X, ou inteligência
é o que o teste de inteligência X mede. Esta definição nos diz o que
fazer para medir a inteligência. Diz ao pesquisador para usar o teste
de inteligência X. Realização pode ser definida citando um teste padro-
nizado de realização, um teste feito pelo professor, ou notas dadas pelos
professores. Aqui temos três maneiras diferentes de definir operacional-
mente o mesmo constructo. O leitor não deverá se preocupar com esta
multiplicidade de definições operacionais; faz parte de sua flexibilidade
e força. Afinal, um constructo como realização tem várias facetas em
momentos diferentes. Consideremos até o exemplo óbvio de diferentes
áreas de realização: leitura, aritmética, artes e assim por diante.
Vejamos um exemplo mais difícil. Suponhamos que queiramos
definir a variável "consideração". Pode ser definida operacionalmente
arrolando-se comportamentos de crianças que são presumivelmente com-
portamentos que expressam consideração, e fazendo os professores obser-
varem· e classificarem os comportamentos das crianças numa escala de
cinco pontos. Tais comportamentos podem ser: quando uma criança diz
a outra: "com licença", "desculpe";. quando uma criança entrega um
brinquedo pedido a outra; ou quando uma criança ajuda outra em
uma tarefa.
O tipo de definição discutido pode ser chamado uma definição
operacional m%ll,da. Ela mostra ao pesquisador como medir (e observar)
uma variável. I~rnbre-se das variáveis de Miller e Swanson, classe
social e tempo de desmame. Há também definições operacionais experi-
men.tais que mostram ao pesquisador como manipular uma variável. Por
exemplo, o reforçamento pode ser definido ·operacionalmente dando os
detalhes de como os indivíduos devem ser reforçados - como Clark
e Walberg fizeram. No estudo sobre os efeitos dos diferentes incentivos
sobre o desempenho de alunos em aritmética, já mencionado, Hurlock
(1925) elogiou algumas crianças, criticou outras e ignorou outras. A
frustração pode ser definida como um impedimento de alcançar uma
meta, uma definição constitutiva com implicações claras para a manipu-
lação experimental. Isto foi muito bem realizado por Barker, Dembo e
Lewin (1943), que definiram frustração operacionalmente descrevendo
crianças em uma sala de jogos cr com um número muito grande de brin-
quedos muito atraentes, mas inacessíveis." (Os brinquedos foram deixados
atrás de uma tela de arame; as crianças podiam vê-los, mas não tocá-los.)
Como outras idéias apresentadas neste livro, a definição operacional
é uma invenção notável. Como ficou ·dito no início deste tópico, é uma
ponte entre conceitos ou constructos e observações, comportamentos e
atividades reais. Para esclarecer, veja a figura 3.2. A figura mostra os
dois níveis nos quais os cientistas operam: o nível dos constructos e
hipóteses (I) e o nível da observação e manipulação (li). Os dois níveis
(I)
Definição
operacional
(11)--------1-------
Observações
figura 3.2
48
duas definições operacionais. entretanto, podem dar resultados dife-
rentes. Se ambas forem "boas" definições operacionais, devem estar em
perfeho acordo.
Em um interessante estudo mencionado anteriormente, Walster e
outros (1973) definiram uma de suas principais variáveis com mufta
habilidade. Tentaram, em sua pesquisa, encontrar a resposta para uma
antiga pergunta: "As 'mulheres difíceis' são mais atraentes para os
homens do que as mulheres não tão difíceis?" Sujeitos do sexo masculino
receberam cinco pastas contendo informações sobre uma mulher. Três
delas continham "formulários para a seleção de .candidatos''. contendo
as possíveis reações da mulher a cinco homens seus prováveis candidatos.
Essas reações eram anotadas como marcas feitas pela mulher numa escala
partindo de "escolhido com toda certeza". Ou seja, cada ".mulher"
fizera, presumivelmente, cinco marcas em ci_nco pastas, e estas marcas
indicavam-na como "fácil" ou "difícil". Por exemplo, a que marcasse
em todas as escalas "escolhido com toda certezaJJ era uma mulher
H fácil". Se, por outro lado, ela não se entusiasmasse com nenhum dos
candidatos, era r'difícil'-'. A categoria mais interessante e decisiva foi a
mulher "seletivamente difícil": ela não desejava nenhum dos outros
homens além de você (uma das pastas referia-se ao sujeito). Este proce-
dimento, então, era a definição operacional de "dificuldade" da mulher,
uma definição muito habilidosa.
Nos ex~~~ps acima, observe que a definição operacional mostra
com bastante detalhe o que o pesquisador deve fazer para medir as
variáveis. Holtzman e Brown especificamente relataram como a média
de notas seria calculada, e Walster e outros detalharam o procedimento
para obter medidas de "dificuldade". Igualmente, em sitt~ações experi-
mentais, as definições operacimJ.ais especificam o que os experimenta-
dores devem fazer para manipular uma ou mais variáveis independentes.
Elas dão as operações envolvidas.
· Nada, entretanto, ficou dito sobre a qualidade das definições opera-
cionais. Como as definições constitutivas, elas podem ser boas ou más,
bem ou mal concebidas. Tem havido críticas às definições operacionais
(e à filosofia do operacionalismo que as inspirou), que erraram comple-
tamente o alvo. Foi dito, por exemplo, que nenhuma definição opera-
cional jamais pode expressar o significado completo e a riqueza de
conceitos como agressão, repressão, ansiedade, autoritarismo, aprendi-
zagem, realização e assim por diante. Exatamente. Jamais poderá. Mas
acontece o mesmo com as definições constitutivas! Definições operacio-
nais são· definições limitadas freqüentemente muito limitada~. cujo
objetivo é ajudar o pesquisador a chegar a aspectos da "realidade"
comportamental. Há sempre o perigo de fra~ionar de tal modo um
conceito que este passe a ter pequena relevância para o seu "verdadeiro"
significado. Isto não implica, contudo, que seja impossível inventar e
usar definições operacionais que aproximem aspectos significativos da
"realidade" conceitual. Difícil, mas não impossível. Sem dúvida, o
sucesso científico em inventar e usar definições tão limitadas tem sido
gratificante. À medida que avançarmos em nosso estudo veremos exem-
plos cada vez mais marcantes de definições operacionais e o ir e vir
entre os dois níveis de operação da ciência.
4. Relações e explicações
~~~f;;:pítulo.
Discriminação Violência
Figura 4.1
52
Conjuntos
Relações
Figura 4.2
no teste, Marie recebeu 131, Jacob 127 e assim por diante. Temos, então,
dois conjuntos, uni de cinco nomes representando as cinco crianças e
um de cinco números representando os pontos feitos pelas crianças em
um teste de inteligência.
Talvez possamos tornar o exemplo um pouco mais interessante.
Estude a figura 4.3. O conjunto dos cinco resultados no teste ·de inteli-
gência, X, está à esquerda. O conjunto da direita, S (de "sexo,), tem
dois membros, M e F, significando masculino e feminino. Os membros
dos dois conjuntos, X ·e S, estão ligados por linhas, assim: se um resul-
tado em X é de um menino, trace uma linha até M; se o resultado for
de uma menina, trace uma linha até F. Desta forma mostramos a relação
entre os resultados e as letras M e F, ou, mais geralmente, uma relação
entre inteligência e sexo. Podemos acreditar que as meninas (nesta
amostra, ou talvez em Amsterdã) são mais inteligentes que os meninos.
Para testar isto podemos calcular a média de pontos dos meninos e
meninas e compará-las. As médias são 125 para as meninas e 110 para
os meninos. Podemos concluir que as meninas são mais inteligentes
do que os meninos, sem dúvida uma conclusão arriscada! A questão
agora não é a adequação da conclusão mas o uso de conjuntos para
estudar uma relação.
Esta discussão bastante óbvia de conjuntos pode ser estendida a
números maiores de casos e variáveis mais complexas. Não importa
quantos casos e quão complexas as variáveis, os princípios básicos e as
regras são as mesmas. Mais objetivamente, definimos uma relação, uma
54
relação entre inteligência e sexo. Como? Ligamos .simplesmente os
membros de um conjun_to, X. aos membros de outro, S, usando a
regra simples para traçar as linhas. dada acima. Agora damos uma
definição abstrata de "relação" que é completamente geral e que se
aplica a todos os casos.
Uma relação é um conjunto de pares ordenados. Um par ordenado
são dois objetos de qualquer espécie em que há uma ordem fixa para
os objetos aparecerem ou para serem colocados. Na figura -4.2, Marie,
131 é um par ordenado. O conjunto de pares ordenados são os dois
conjuntos na figura 4.2, colocados juntos, os nomes em primeiro lugar
e os pontos em segundo: ~ (Marie, 131), (Jacob, 127), (Annie, 119),
(Pieter, 108), (Jan, 95) ~. Em outras palavras, "ordenado, significa
tomar os membros de um dos conjuntos, primeiro, e os membros do
outro, depois. O conjunto de pares mencionado é uma relação. Pode
não ser interessante, importante ou mesmo significativo, mas é uma
relação.
Na figura 4.3 também foi dada uma relação, embora um pouco
mais difícil de se ver. Se apresentarmos a relação de outra forma, como
na figura 4.4, é mais fácil ver. De novo temos um conjunto de pares
ordenados: ~ (131, F), (127,M), (119. F), (108, M), {95, M) ~· Esta é,
por definição uma relação. Neste caso, entretanto, é um pouco mais .
significativa: o conjunto de pares ordenados expressa uma .relação entre
ou,
os pontos do ThS:tct~.de inteligência e o sexo dos participantes, mais
simplesmente, entrê inteligência e sexo. ·
X s
Figura 4.4
56
Figura 4.5
58
(6, 8)
8 X
7 X/
.!!! 6 {8, 7)
u
cai 5
õ (7, 4)
>4 X
11 3
>2 X
(1, 2) X (3, 1)
3 4 5 6 7 8
Discriminação
Figura 4.6
simas linhas mais tarde, quando veremos como elas expressam relações.
clara e sucintamente.
Os pontÓ~~~resentados e a linha de regressão indicam que a
hipótese é apoiada·· por estes "dados,? A resposta é sim - indicam. Os
pontos representados indicam que grandes valores de X, Discriminação,
são acompanhados por grandes valores de Y, Violência, valores médios
de X por valores médios. de Y e valores baixos de X por valores baixos
de Y. O enunciado "Se discriminação, então violência" parece estar
correto. Especificamente, os grupos minoritários que sofreram a maior
discriminação foram os mais violentos, e os grupos minoritários que
receberam menos discriminação foram os menos violentos. A relação
·não é perfeita - há exceções, por exemplo (3,1) e (7,4) no gráfico -
mas em geral se mantém.
Mas ainda não discutimos diretamente a magnitude da relação.
Dissemos que os valores altos de Y acompanham" os valores altos
H
X y X y X y
2 8 I 4
2 4 2 6 2 8
3 5 3 5 3 5
4 6 4 4 4 2
5 8 5 2 5 6
2 Os valores da tabela 4.1 não são postos. Entretanto, podem ser facilmente
convertidos em postos; por exemplo, os postos dos valores de Y em A são
5, 4, 3, 2, 1.
60
Por outro lado, no conjunto B a ordem de postos dos dois conjuntos
de valores é oposta, isto é, os valores altos de X são acompanhados por
valores baixos de Y [por exemplo (5,2), (4.4) ], e os valores baixos
de X são acompanhados por valores altos de Y [por exemplo (1 ,8),
{2,6)]. Os pares de conjuntos de pares ordenados mostrados em C não
têm direcão discemível; os dois não mostram tendência sistemática a
variar de" uma ou outra forma. O coniunto foi incluído na tabela para
ilustrar o caso de "nenhuma relação,, ou, mais precisamente, relação
zero, e para contrastá-lo com os conjuntos A e B.
A magnitude de uma relação é a extensão na qual dois conjuntos
de medidas variam simultaneamente (cavariam) positiva ou negativa-
mente. No conjunto A da tabela 4.1, a magnitude da relação é alta
porque as ordens de postos de X e Y são idênticas. Igualmente alta é a
relação de B porque as ordens de grau são completamente opostas.
Entretanto, os dois conjuntos de números variam juntos: os números
mais baixos de Y acompanham os números mais altos de X, e os núme-
ros mais altos de Y acompanham os números mais baixo~ de X. No
conjunto C, entretanto, não se percebe variação sistemática simultânea
dos dois conjuntos de números. É como se os números do segundo con-
junto fossem incluídos ao acaso (e foram). Em tais casos, costuma-se
dizer que "não há relação" entre os conjuntos. f: óbvio que esta é uma .
maneira meio inexata de falar, porque qualquer conjunto de pares
ordenados é ufinit,~lação. Entretanto, na linguagem corrente da pesquisa,
os pares ordenado·s do conjunto C seriam mencionados como não mos-
trando relação alguma. A expressão correta é '.'relação zero".
Será possível ser mais preciso sobre as magnitudes das relações
dos conjuntos de medidas da tabela 4.1? Felizmente sim. Uma medida
muito útil da magnitude· das relações é o coeficiente de correlação,
que já foi mencionado e explicado ligeiramente há pouco. f. simples-
mente um índice, em forma decimal, que indica a direção e a magnitude
da covariação de dois conjuntos de valores. 3
Tais índices variam de -1 ,00, passando por 0,00, até + 1,00.
+ 1,00 indica uma relação positiva perfeita, - os dois conjuntos de
3 Indice é um número usado para caracterizar um conjunto de números e geral-
. mente é calculado com uma fórmula, a partir de dois ou mais números diferentes.
~< · À média, ou média aritmética, é um índice que indica a tendência central de um
'"\ · cOnjunto de números. A amplitude, o número mais alto menos o número mais
~ :· baixo; é um índice. QI (quociente de inteligência) é um índice: idade mental
0
?]!;-_: (calculada por teste) dividida pela idade cronológica. O coeficiente de correlação
\\~};êéum índice muito complexo que expressa com precisão o "caminhar junto" de
,·t;~1;<:Jois conjuntos de pontos. f. uma estatística muito usada em razão de sua força
~~\~hq.~scritiva e porque coniuntos de coeficientes de correlação podem, por sua vez,
;§~Bf;ser analisados com o uso de métodos poderosos.
~'~-~
pontos têm exatamente a mesma ordem de postos, por exemplo, como
em A da tabela 4.1 - e - 1,00 indica uma relação negativa perfeita,
como em B da tabela. O (zero), naturalmente, indica "neuhuma relação",
ou "relação zero". Todas as frações decimais entre - 1,00 e + 1 ,00
são possíveis: -0,78; -0,51; -0,08; 0,12; 0,42; 0,83; e assim por
diante. Muitos coeficientes ou índices de relações como estes são usados
nas ciências comportamentais, mas neste livro estamos preocupados prin-
cipalmente com a compreensão e interpretação de tais índkes e não com
seu cálculo. 4
Gráficos de relações
62
y y y
9 9
8 I B li
I \
7 7
'\
6 6
5
4
3
I
5
4
3
5
4 X-----
2 li X
X X
1234567 1 234567 1 2 3 4 5 6
(A) Relação alta positiva (8) Relação alta negativa (C) Relação alta neutra
Figura 4.i
64
Tabela 4.2 Dez valores fictícios de autoritarismo e anti-semitismo selecionados de
um grande grupo de tais valores, com a ordem de postos dos valores a.
a Os números entre parênteses são os postos dos valores, com 1 sendo alto e 10 baixo.
o 3
ICO
C>
ca 2
-~
Cã
a.l
c:
2 3 4 5
Inteligência
Figura 4.8
66
QI Realização
145 51
125 57
118 60
110 48
100 54
97 35
90 32
Embora os sete círculos não se tenham colocado na linha reta que passa
o mais próximo possível de todos os círculos simultaneamente - a linha
traçada no gráfico - eles se mantêm bastante perto dela. (Lembre~se
de que esta linha se chama linha de regres~ão.) Outro meio de ter alguma
idéia da magnitude da relação é comparar os postos dos dois conjuntos
de pontos, como já fizemos. Isto fica para o leitor como um exercício.
Agora suponhamos que tomamos tima relação com direção negativa
e consideravelmente menor em magnitude. Tal relação é mostrada no
gráfico da figura 4.1 O. Suponhamos que ela mostre a relação entre a
afluência de um bairro e a delinqüência. Novamente temos sete pontos.
Desta vez, entretanto, estão mais espalhados; estão mais distantes da
linha traçada, o mais próxima possível de todos os pontos. Além disso~
a direção da linha, que agora corre da esquerda superior para a direita
inferior do l'fãfi~o, é diferente. Indica que a relação é negativa: à
4.9
medida que o bairro se torna mais afluente, há menos delinqüência.
Mas agora a relação é muito mais fraca do que era na figura 4.9, onde
os pares de pontos estavam mais perto da linha de regressão. Observe
que quatro dos pontos (os pequenos círculos) estão bem distantes da
linha. Em suma, a relação é negativa e não é muito forte.
6
2 3 4 5 6 7
Afluência
Figura 4.10
100 o o
o
00 oo o
90 o o
o o
o o o
80 00 o
o 8 o
_, 70 o o o
o
o o o
o co o o
60 o o o o o
o
o o
o o o
o
50 o
o
o o
40
o o
30 o o o o
o o
o o o o
o o
o oo o
o
20
o
s oo o
o
o ao
o
oo
10 o §o
o o
o
o 10 20 30 40 50 60 .
Figura 4.11
68
Muitas variáveis, naturalmente, não têm nenhuma relação entre si,
a não ser por acaso: sua relação é zero ou próxima de zero. Isto quer
dizer que o conhecimento de uma variável não contribui para o conhe-
cimento de outra variável. Não se pode dizer, por exemplo, que enquanto
uma variável aumenta a outra variável aumenta bu diminui. Tal situa-
ção é mostrada na figura 4.11, onde 100 pares de números entre O e 100
foram marcados. Os números foram obtidos de duas colunas de números
equiprováveis de. um ou .dois algarismos, numa tabela maior de tais
números (Kerlinger, 1973, pp. 715 e 717, duas últimas colunas de
números de dois algarismos). 7 Casualidade e números aleatórios, um
importante desenvolvim~nto técnico e científico moderno, serão expli-
cados no capítulo ·s. É suficiente dizer, por enquanto, que números ~lea
tórios são como o resultado do jogo de dados ou de moedas: não há
ordem dedutível ou previsível de espécie alguma nos números. Não se
pode predizer- já que ambos os conjuntos de números são casuais-
nenhum número a partir de outro. Se aparecer um 90 em uma coluna,
não se pode dizer que é provável que um número alto o acompanhe na
outra coluna, o mesmo para números baixos e médios. Em linguagem
comum, os números dos pares estão todos misturados: todas as combi-
nações possíveis podem ocorrer, mas não se pode prever um número
a partir de outro.
Compare a figura 4.11 com as figuras 4.9 e 4.10. Nas duas últimas
houve um '~inhar junto" sistemático· dos números, embora tenha
.havido considérãvelmente menos "caminhar junto" na figura 4.10 do
_que na 4.9. Mas pode-se ver que os círculos da figura 4.11 estão por
todo o gráfico e, mais importante, não há ordem discernível ou
"caminhar junto". E~te é um estado de relação zero.
Ainda temos muito o que dizer sobre relações neste livro. Elas são
o recheio e o núcleo da ciência. Compreender que o objetivo maior da
ciência é a explicação e que a explicação vem principalmente do estudo
das relações é compreender a base da ciência . .t"..E!ora vamos tentar
amarrar. as idéias de explicação e relações e, já que esttcmos no assunto,
falar da importante idéia de teoria.
70
Tais "explicações" são cientificamente sem valor porque não podem
·ser submetidas a investi acões científica e a testes. Se dúvida, uma
gran e con n mção a ciência é sua rejeição de "explicações" que real-
mente nada explicam. A ex licacão ode referir-se a enas a fenômenos
naturais, e Hfenômenos naturais" significam ocorrências no mun o
observável. Qualquer fenômeno, para ser um fenôme_n_o_natural, precisa
ser observáveiPotenéíalmente mensurável ou manipulável. Não é neces-
sário ser visto diretamente. Mas precisa haver alguma evidência de suas
manifestações no mundo empírico. "Preconceito", neste sentido, implica
em certo tipo de comportamento.
Como, então, a ciência explica o preconceito - ou qualquer outro
fenômeno natural? Repetindo, pode ser explicado apenas pelas suas rela-
ções com outros fenômenos. Necessariamente tais explicações são sempre
parciais e incompletas. Foi descoberto, por exemplo, que o autoritarismo
está .positivamente ligado ao preconceito (Adorno e outros, 1950):
pessoas muito autoritárias tendem também a ser preconceituosas contra
judeus, negros e estrangeiros. Descobriu-se também que se a maioria das
pessoas de determinado grupo de indivíduos tem crenças estereotipadas
(crenças relativamente fixas e rígidas) sobre membros de outro grupo, elas
então tenderão a ter atitudes negativas em relação aos membros dc::t
outro grupo. Ficou dito também - e provado por evidência (Dollard e
outros, 1939~-:::- ue a frustracão leva à a essão ue muitas pessoas ~
são social e eéÕhemicamente frustradas e dirigem a hostili a e resultanw
para outros grupos. Temos aqui, então, fenômenos relacionados com o
~onceito: autoritarismo, estereotipia e frustração. Assim, temos uma
explicação parcial de preconceito.
Preconceito é um conceito ou constructo bastante difícil. Vamos
tomar um fenômeno ou variável igualmente complexo, mas talvez mais
facilmente ilustrável, realização, e sintetizar uma explicação. Fazemos
isto usando um exemplo de uma explanação teórica semelhante àquela
dada quase no fim do capítulo 1. A importância das idéias justifica
o exemplo adicional. Suponhamos que queremos saber por que certos
alunos não se _saem bem na escola. Já sabemos que inteligência é uma
variável explanatória: crianças abaixo de um certo nível de inteligência
tendem a não se sair bem na escola. 8 Mas muitas dessas crianças se
saem bem - e muitas crianças de nível superior de inteligência não
se saem bem. Apenas inteligência, então, é uma explicação parcial.
Sabe-se também que crianças de classes sociais mais baixas não se saem
tão bem na escola, comparadas às crianças de classe média. Há muito se
Figura 4.12
72
a escola norte-americana é uma instituição de classe média.) A classe
social não exerce efeito direto sobre a realização escolar, então, influen-
cia a realização apenas indiretamente, através da inteligência e da moti-
vação.
O objetivo deste exemplo nãó é sua adequação ou validade. Antes,
o objetivo é mostrar corno é uma explicação cornportamental científica
de um fenômeno e como as relações são o recheio de tal explicação.
O fenômeno da realização escolar é Hexplicado" pela relação entre, de
um lado, inteligência, motivação e classe social, e, de outro, realização
escolar - e também pelas relações entre inteligência, motivação e classe
social.
Todo o conjunto de variáveis e as relações especificadas entre elas
podem ser chamadas uma rcteoria". Naturalmente, esta deveria ser
chamada uma '(pequena teoria", ou o embrião de uma teoria, porque
um fenômeno tão complexo quanto realização escolar dificilmente pode-
ria ser explicado por três variáveis. Entretanto, a maioria das teorias
científicas consiste em tais relações sistemáticas entre variáveis. Uma
teoria, então, é um conjunto de constructos inter-relacionados (variáveis),
definições e proposições que apresentam uma visão sistemática de um
problema especificando relações entre variáveis, com a finalidade de
explicar fenômenos naturais.
Esta discussão sobre "explicação.. em ciência foi necessária para
tirar o mistér~~ explicação e da teoria científicas. Toda explicação,
naturalmente, usa· relações. A diferença entre explicações científicas e
explicações não-científicas de fenômenos, entretanto, é profunda. É inse-
parável das palavras rrsistemáticau, rccontrolada" e Hempírica., A dife-
rença deve ficar mais clara à medida que continuarmos discutindo.
5. Probabilidade e estatística
74
A despeito das diferenças de graus de certeza, é importante com-
preender que todas as ciências são probabilísticas. O pensamento do
cientista em todos os campos é fundamentalmente o mesmo. Entretanto,
os cientistas discordam radicalmente nos níveis de probalidade que comu-
mente se associam aos fenômenos e relações com que trabalham. Se
quisermos compreender ciências como a psicologia e a sociologia, é
também importante termos capacidade de pensar e viver em paz com as
afirmativas probabilísticas. Precisamos entender perfeitamente que cada
asserção, cada afirmativa de relação vem acompanhada de uma "etique-
ta" probabilística. Sempre que dizemos use p, então q", o que dizemos é
"Se p, então provavelmente q". O que acontece na vida se repete na
ciência: a certeza é um mito, para sempre fora do nosso alcance.
A estatística é uma filha da probabilidade. Em parte é um instru-
mento que mostra aos cientistas em que medida o resultado de suas
pesquisas é seguro, e, assim, quanto suas asserções são dignas de con-
fiança·. O principal resultado de Clark e W alberg, a diferença média de
realização em leitura entre os grupos experimental e de controle, provou
que sua hipótese sobre o efeito do reforço maciço no aproveitamento
em leitura de crianças carantes negras foi Hempiricamente válido,.
("Empiricamente válido" significa que a evidência da pesquisa apóia
uma asserção sobre uma relação.) A única maneira, pelo menos que
conhecemos hoje, pela qual poderiam avaliar a validade empírica da·
afirmativa fo~.§~r o raciocínio estatístico e probabilístico e métodos
estatísticos de avaliação. o que significa isto?
Quando obtemos o resultado de uma pesquisa, queremos saber se
podemos confiar nele. Se repetirmos o experimento várias vezes, obtere-
mos os mesmos resultados a cada repetição? Se a resposta for sim, os
resultados são confiáveis. A diferença entre a média de pontos de leitura
dos grupos de Clark e W alberg é confiável? Podemos acreditar que se
Clark e W alberg tivessem feito o mesmo experimento ou experimento
semelhap.te três, quatro ou mais vezes, eles teriam conseguido os mesmos
ou resultados semelhantes: as mesmas ou diferenças semelhantes entre a
média de pontos de leitura do grupo experimental e do grupo de controle?
Um teste estatístico de seus resultados pode responder a esta pergunta.
Embora a finalidade deste livro não permita entrar nos detalhes de tais
testes estatísticos, precisamos ter uma compreensão geral de como estatís-
tica e probabilidade rrfuncionam", como usam as idéias de acaso e casua-
lidade para ajudarem os cientistas a chegarem a conclusões sobre os
resultados de suas pesquisas.
Probabilidade e estatística são temas interessantes, intrigantes e até
fascinantes. Apesar das concepções errôneas associadas à sua natureza e
uso, ambas estão próximas da· realidade porque se assemelham à natureza
e modelo de nossas vidas e penetram a essência de nosso pensamento e
comportamento. Tomemos como exemplo uma tomada de decisão.
Constantemente tomamos decisões sobre o. que fazemos. Os resultados,
naturabnente, nunca são certos. Somos, então, calculadores quase esta-
tísticos e probabilíticos - embora muita gente pudesse se irritar com a
idéia de que suas vidas e decisões têm natureza .estatística. Afinal, a
estatística trabalha com números e minha vida não se baseia em números!
Mas nossas vidas são baseadas em números, explícita ou implicitamente.
Sempre há probabilidades numéricas associadas aos resultados de nossos
atos e decisões, embora raramente saibamos quais são essas probabili-
dades.
Eis um paradoxo. A estatística e a probabilidade lidam essencial-
mente com incertezas; na pesquisa, entretanto, elas nos· ajudam a ter
mais certeza dos resultados que obtemos! Isto não significa que podemos
ter certeza dos próprios resultados, dos resultados em si, mas que pode-
mos atribuir graus de certeza aos resultados com bastante precisão. Se fiz
uma experiência com um grupo experimental e um grupo de controle,
por exemplo, e obtive a diferença entre os dois grupos na direção pre-
vista, posso garantir que esta diferença seja suficientemente grande para
justificar minha confiança de que é uma rrdiferença verdadeira"? Poderei
dizer algo como: "A probabilidade de que a diferença de média de
pontos dos dois grupos não é fortuita, não é devida ao acaso, é alta.
Há apenas uma possibilidade em cem de que a diferença seja devida ao
acaso". Embora probabilística, é uma afirmativa forte.
Probabilidade
76
possíveis). ("Favorável" significa favorável a um acontecimento cuja
probabilidade estamos avaliando.) Isto é expresso pela equação:
Jogue uma moeda uma vez. A probabilidade de dar cara é 1/2, pois
há duas possibilidades: /C, c/. Agora jogue duas vezes. Qual é a proba-
bilidade de duas caras? Precisamos tomar cuidado. Há quatro possibili-
dades. Da primeira vez pode dar cara ou coroa. Da segunda, cara ou
coroa. O número total de possíveis resultados é 4: [(C1, C2), (C1, c2)
(c1, C2), (ct, c2) ], onde C1 = cara na primeira jogada, c2 == coroa na
segunda jogada e assim por diante. O denominador da fração de proba-
bilidade é 4. Já que há apenas uma possibilidade de duas caras, (C1, C2),
a probabilidade de duas caras em duas jogadas é de 1/4.
Vamos mudar um pouco e ampliar o problema. Qual é a probabili-
dade de saírem três caras em três jogadas? As possibilidade são dadas na
árvore da figura 5 . 1. As possibilidades de duas jogadas no problema
acima são dac:la§~t nos primeiros dois estágios da árvore, a "Primeira
Jogada" e a "Segúftda Jogada". As probabilidades dos resultados estão
assinaladas também: são todas de 1/2. A terceira jogada simplesmente
acrescenta possibilidades. Para listar todos os resultados possíveis das três
joga_das, procure-os nas ramificações do gráfico:
[(Ct, C2, Cs), (Ct, C2, c3), . . . , (c1, c2, cs)]. Há oito desses resultados,
e assim o denominador da fração de probabilidade é 8. Portanto, a proba-
bilidade de três caras em três jogadas é de 1/8, já que há apenas um
caso de três caras: CC1, C2, Ca).
As probabilidades de outros eventos- qualquer resultado definido
é chamado um evento - podem ser determinadas com facilidade. O
denominador é sempre 8. Qual é a probabilidade de duas caras e uma
coroa? A probabilidade é de 3/8, porque há três desses eventos no
. gráfico. (Conte-os. Eles estão marcados na figura 5. 1.) Pode-se também
e:, .calcular a probabilidade de qualquer evento multiplicando as probabili-
-~1,8 1 Outra conhecida definição é chamada a posteriori, ou definição de freqüência.
;4~t,.~inna que, numa série de tentativas, a probabilidade é a razão entre o número
;~~~ú0 ge vezes que um acontecimento ocorre e o total do número de tentativas. Aqui
" ·fazem alguns testes, contando o número de vezes que determinado aconteci-
.
i\.~.. nto ocorre. calculando depois a razão. O resultado do cálculo é a probabili-
,J~':~~de do acontecimento. Usamos as duas definições, mas principalmente as de
ç~;\t;Jijlo a priori.
--:,;:::':0'(.
\~;k0}::':·;,:
,.-;·: ~.;;-·:~- ~'
dades ao longo de qualquer uma das ramificações do gráfico. Por
exemplo, a probabilidade de três caras é: 1/2. 1/2. 1/2 = 1/8. A proba-
bilidade de C1, c2, ca, é 1/2. 1/2. 1/2 =
1/8. Neste exemplo, a proba-
bilidade é a mesma em cada ramificação porque a probabilidade de C ou
c é sempre 1/2. Em muitos problemas, entretanto, haverá probabilidades
diferentes e o cálculo não é tão simples assim. No próximo exemplo
que estudarmos as probabilidades não serão de 1/2.
O principal problema em cálculos de probabilidade é determinar o
número total de possibilidades, depois de cuidadosa conceituação do pro·
blema. Mas por que trabalhar com um problema tão trivial quanto este
jogo de rrioeda? Nós o escolhemos porque o raciocínio e o método são
semelhantes na maioria dos problemas de probabilidade. Naturalmente
entram outras complexidades nos problemas reais. Por exemplo, con-
cluímos que no jogo da moeda as probabilidades de cara e .coroa são
iguais. Nos problemas reais isto pode não acontecer. Além disso, há
invariavelmente muito mais possibilidades. Entretanto, as mesmas idéias
permeiam a maioria dos problemas de probabilidade.
Tomemos um exemplo mais realista. Suponhamos que temos uma
amostra de 100 eleitores, 60 democratas e 40 republicanos. Se pusermos
Terceira
jogada
Segunda C
jogada 1; 2 _......,... 3
Primeira
jog~1/2
----- c-----
2
..___ 1; 2
-...._CJ-1
c)........___
/ ----._ 1/2--.._ 1/2 --- cl J
1/2 ~c.~
/ -----1/2.........._
/ c,
Início -
- "" ---cl.;
"' ---1/2
1/2 - - - - - c2.........__
~ -------1/2 1/2~ c]
c~~
1/2........__ 1/2---CJ
--.._c---
2......__1/2
---.._ c3
figura 5.1
78
os nomes dos eleitores (em pedaços de papel) numa urna, misturá-los
bem e tirarmos um, qual é a probabilidade de sair um republicano?
É de 40/100 = 0,40. (Costuma-se expressar probabilidades t!m forma
decimal.) Isto é óbvio e não é preciso nenhuma elaboração. Mas suponha-
mos que vamos precisar de 30 pessoas para uma pesquisa. Quantos
democratas e quantos republicanos vamos ter se tirarmos 30 pedaços
de papel da urna? Devemos ter 60/100 x 30 = 18 democratas e
40/100 x 30 = 12 republicanos. Teremos exatamente estes números?
Provavelmente não. Mas teremos números aproximados deles se mistu-
rarmos bem os pedaços de papel depois de cada vez que tirarmos.
Deve ser algo assim: (18, 12), (19, 11), (20, 10)~ (17, 13), (16, 14), e por
aí vai. Estas são as possibilidades mais prováveis. Se tirássemos 1O demo-
cratas e 20 republicanos, ou 1 democrata e 29 republicanos, ficaríamos
muito surpre.sos. A primeira combinação é improvável, a segunda alta-
mente improvável.
Acaso
2 3 4 5 6 7 8 9 10
9 o 8 o 4 6 o 7 7 8
7 2 7 4 9 4 7 8 7 7
6 2 8 1 9 3 6 o 3 9
7 9 9 1 6 4 9 4 7 7
3 3 1 4 1 o 3 9 4
8 9 2 1 3 9 6 7 7 3
4 8 3 o 9 2 7 2 3 2
1 .4 3 o o 2 6 9 7 5
3 8 8 4 5 2 1 o 3
2 4 8 9 2 9 3 o
Média 5,0 3,9 5,3 2,4 . 5,7 3,8 5,2 4,4 5,0 4,9 Média total = 4,56
80
O + 1 + ... 9)/10 = 4,5. Observe que seis das 10 médias estão
acima de 4,5 e quatro abaixo de 4,5.
Só uma, a quarta, 2,4, afasta-se muito de 4,5. Quanto mais números
se usar para calcular as médias, mais próximas elas provavelmente
ficarão da média teórica. Se, por exemplo, calcularmos a média de todos
os 100 números na tabela 5.1, teremos 4,56, muito perto de 4,5. Tal
comportamento regularmente previsível de grandes conjuntos de números
é muito útil em pesquisa. Dá ao cientista um quadro de referência para
avaliar resultados no sentido de que ele possa conferir os resultados
obtidos confrontando-os com os resultados "teoricamente" esperados ou
baseados no acaso.
82
1 2 3
1 3 2
2 1 3
2 3 1
3 1 2
3 2 1
84
pesquisador manipulando duas variáveis ao mesmo tempo para estudar
seu efeito separado e possivelmente conjunto sobre uma variável depen-
dente. Suponhamos que um educador tenha motivos para acreditar que
métodos diferentes de ensino da leitura funcionem diferentemente com
tipos diferentes de material de leitura. As duas variáveis devem ser
manipuladas ou manejadas de sorte que o manejo de uma não influencie
a outra por causa do manejo ou manipulação ou por causa da natureza
das variáveis. Suponhamos que o pesquisador usou dois métodos para o
ensino da leitura, A1 e A2, e dois tipos de material de leitura, Bt e B2,
correspondentes a material difícil e material fácil. Suponhamos ainda que
o método A1 leve muito mais tempo para aplicar que o método A2, e
que o espaço de tempo gasto em ensinar red~a _a dificuldade de qualquer
material de leitura. Haveria, então, uma falta de independência, porque
o método At traz em si, por assim dizer, um fator relacionado com a
dificuldade do material (variável B). Em outras palavras, o método At
tenderá a funcionar melhor com material de leitura mais difícil, não por
causa da natureza do método, mas simplesmente porque exige mais
tempo de ensino do que o método A2. Há, então, falta de independência
entre as variáveis A e B, já que um. aspecto extrínseco da varíavel A,
espaço de tempo de ensino, está relacionado com a variável B, dificuldade
do material.
Outro exemplo de falta de independência encontra-se na mensura-
ção. Se, dig~~. ~dermos um teste com dez itens a certo número de
crianças e depois-';;;'somarmos os pontos de cada criança nos dez itens
para obter o total - um procedimento comum - estamos assumindo
que os dez itens são independentes e suas respostas também indepen-
dentes. Esta suposição é satisfeita razoavelmente em muitos testes e
medidas e o procedimento é útil e válido. Mas suponhamos que pedísse-
mos às crianças que numerassem os dez itens por ordem de importância
(oi.I qualquer outro critério). Os itens e suas respostas já não são mais
independentes, porque antes que o item 1 seja escolhido como o mais
importante, há 10 escolhas. Depois da primeira escolha, restam nove
itens a serem escolhidos. Depois de escolher os nove primeiros itens
resta apenas um - e não há escolha. As respostas a itens posteriores,
em outras palavras, serão afetadas pelas escolhas anteriores. Isto é falta
,~ $i~temática de independência. Tal falta de independência afeta a esta-
~ . '-~stica e sua interpretação. Isto não quer dizer que a ordem de postos e
w].,~:Illétodos semelhantes não possa ser manuseada probabilística e estatisca-
:nr~·;mente. Aliás, mostramos como um simples problema de ordem de postos
;~~~~'pode ser resolvido usando a teoria das probabilidades. Ela simplesmente
'?csi:"ijlJ$tra a falta de independência. Em suma, muitas técnicas estatísticas
t;.1*i~~pqem independência e seu uso e interpretação com fenômenos ou pro-
~· '''e(;lilnentos não-independentes pode nos confundir.
Fizemos esta digressão sobre a independência para tentar esclarecer
a concepção probabilística errônea esboçada antes. Os resultados de
eventos casuais anteriores não afetam os resultados de eventos subseqüen-
tes - ou talvez devêssemos dizer que não devem afetar eventos
subseqüentes. Se a probabilidade de sair cara no primeiro lançamentCl de
moeda é de 1/2, será de 1/2 no décimo, no vigésimo, no qüinquagé qn:·.
sejam quais forem os resultados anteriores. Isto acontecerá a n2 1 -.·,r
que se tenha feito alguma coisa para mudar a moeda ou o jogo, ou LJ.Lle
tenha havido alguma influência extrínseca atuando, como no experimento
sobre os métodos de ensino da leitura mencionado acima.
Acaso e pesquisa
S6
outra. A falta de resultados sistemáticos e a insignificância das diferen-
ças entre as médias estão mostradas na coluna denominada "Diferença".
Tais resultados são característicos de resultados obtidos em bases for-
tuitas ou casuais. Compare-os com as médias reais de Clark e W alberg
e a diferença entre elas ( + 4,76). A estatística, então, ajuda-nos a deter-
minar ou avaliar se os resultados obtidos "realmente" diferem dos
"resultados" que seriam obtidos sob condições de acaso.
Grupo Grupo
Experimento experimental controle Diferença
últimas três colunas são simplesmente uma continuação das três primeiras.
88
obter uma média de 10,37 ou maior, por acaso. Obtivemos a diferença
de 10,15. Já que há só uma diferença tão ·grande na tabela, podemos
dizer que o resultado experimental obtido, a diferença entre a média
do grupo de controle e experimental, provavelmente não seja resultado
do acaso. Em outras palavras, há apenas uma possibilidade em 20, ou
uma probabilidade de 1/20 = 0,05, de que nossa diferença seja uma
diferença casual. Concluímos, então, que a média do grupo experimental
é estatisticamente maior que a do grupo de controle. Dizemos que a
diferença entre as médias é "estatisticamente significante".
O leitor deve saber que este procedimento - chamado procedi-
mento Monte Carla - não é o meio pelo qual os pesquisadores costumam
avaliar a significância estatística de seus resultados. A demonstração foi
feita apenas para mostrar a natureza do pensamento, para manufaturar,
por assim dizer, uma base casual com a qual avaliar um resultado
experimental particular. Mas a idéia por detrás dos métodos mais sofisti~
cados atualmente usados é muito parecida. Outra falha de nossa
demonstração foi usar apenas 20 pares de médias. Um procedimento
1V1onte Carlo melhor teria usado 2.000 ou 20.000 médias e faria o
computador emparelhar as médias ao acaso. Entretanto, a essência da
idéia esteve presente: foi avaliado um resultado experimental confron-
tando-o com uma base causal.
-~''·
Populações, amõs~as, estatísticas
90
ter um bom motivo - seu problema pode incluir só mulheres - para
estudar as características e- comportamento somente das mulheres. As
mulheres de San Francisco, então, tornam-se a população. Agora,
suponhamos que o pesquisador use um instrumento psicológico destinado
a medir as atitudes em relação às mulheres com todas as mulheres que
vivem em San Francisco. Ele calcula a média e o desvio padrão dos
resultados da medida de atitude de todas essas mulheres. A média e o
desvio padrão são valores de população.
Ê muito pouco provável, entretanto, que até o pesquisador mais
cuidadoso possa ou queira estudar todas as mulheres de qualquer cidade.
É muito mais provável que ele queira estudar uma amostra de mulheres
escolhidas em uma população. Suponhamos, neste caso, que a amostra
consista de 700 mulheres de San Francisco. Se o pesquisador aplicar a
escala de atitudes às 700 mulheres e calcular a média e o desvio padrão,
estes serão estatísticos, porque foram calculados a partir de amostras.
O segundo propósito da estatística, ajudar a fazer inferências segu-
ras a partir de dados de observação, centraliza-se nas palavras "inferên-
cia" e "segura". Uma inferência é uma proposição ou generalização deri-
vada pelo raciocínio, de outras proposições, ou da evidência. Na estatís-
tica, as inferências podem ser tiradas de testes do que é chamado hipó-
teses estatísticas. Da diferença de médias entre o grupo experimental e p
de controle do estudo de Clark e W alberg, do uso apropriado de um
teste estatísffc'€t,r;; do raciocínio, rrconcluímos" que a média do grupo
experimental é maior que a média do grupo de controle. Isto é, temos
duas estatísticas, duas médias, calculadas dos resultados do grupo experi-
mental e do grupo de controle. Subtraímos uma média de outra, neste
caso a média do grupo de controle da média do grupo experimental. Se a
diferença for ({suficientemente grande", o que quer dizer maior do que
alguns valores concebidos como expectativa baseada no acaso, concluímos
que o grupo experimental obteve pontos mais altos de leitura em média.
Tal uso inferencial da estatística é o núcleo da estatística na pesquisa
comportamental contemporânea. A palavra "segura", citada acima, refe-
re-se à estabilidade dos resultados obtidos e assim à estabilidade das
inferências feitas a partir dos resultados. Se obtivermos uma certa dife-
rença entre as médias dos dois grupos, diferença igual ou semelhante
aparecerá outras vezes se o experimento for várias vezes repetido? Se
tivermos um certo conjunto de freqüências em um cruzamento de
variáveis ou tabulação cruzada, como no exemplo de Miller e Swanson,
no capítulo 1, obteremos padrões semelhantes de freqüências - e iguais
afastamentos das expectativas baseadas no acaso - se o estudo for
repetido? A estatística nos ajuda a responder tais perguntas, dando-nos
assim meios poderosos de avaliarmos a estabilidade a validade empírica
de nossas inferências a partir de dados.
01
Concepção errônea da estatística
92
menos no que se refere a cada crian:;a _individualmente. Assim, todo o
procedimento é irrelevante à inteligência e realização de crianças verda-
deiras. Argumentos semelhantes aplicam-se a toda a amplitude das ope-
rações estatísticas.
É claro que este erro de concepção está baseado em idéias imper-
feitas dos propósitos e usos da estatística. Todas as estatísticas são abstra-
ções. Qualquer estatística em particular pode não corresponder aos resul-
tados de um indivíduo em particular. Mas nem deveria! Seus propósitos
são muito diferentes. Adeptos dessa concepção errônea parecem querer
que a estatística mostre a "verdadeira realidade", que faça alguma coisa
mágica, enfim. Como toda a criaçao do homem, ela pode fazer apenas o
que lhe foi destinado, e isto sempre se limitou a ·aspectos especiais de
uma "realidade". Uma média estatística é apenas uma média estatística,
mais nada. Não pretende ser "igual". a qualquer indivíduo. Mas pode ter
um poder explanatório considerável, até grande, quando usada e interpre-
tada adequadameQte.
O propósito da estatística, então, não é mostrar a chamada realidade
ou refletir as idiossincrasias dos indivíduos. Antes, seu principal propósi-
to é ajudar os pesquisadores a chegarem ao significado de conjuntos de
dados. Assim, é de ajuda indispensável na interpretação de dados. Pode-se
dizer que a estatística disciplina os dados, agindo sobre eles de sorte a se.
tirar inferências seguras de observações empíricas. Sem dúvida seria
difícil conceb~~ª'""'pesquisa comportamental moderna sem ela. Natural-
mente, há perigos· 'em seu uso. Pode-se ter dados inadequados e se acomo-
dar numa espúria sensação de suficiência, mergulhando em cálculos e
operações estatísticos. Pode-se generalizar além dos dados e usar a
estatística para acreditar e fazer os outros acreditarem que tal generali-
zação é conveniente e correta quando, de fato, é inconveniente e errada.
A despeito dos perigos e dificuldades, a estatística, a teoria das probabili-
dades por trás dela e a idéia fundamental e fecunda de acaso são ferra-
mentas úteis e poderosas, cujo grande valor é nossa tarefa apreciar.
6. o delineamento da pesquisa experimental:
delineamentos de uma só váriável
Pesquisa experimental
As modernas concepções do delineamento de pesquisa são baseadas
na pesquisa experimental, que já foi discutida, embora superficialmente.
As características essenciais dos experimentos não foram sistematica-
mente definidas nem discutimos os diferentes delineamentos de experi-
mentos. Focalizaremos as principais características da pesquisa experi-
mental e os principais tipos de delineamentos usados nos experimentos,
neste capítulo e no próximo.
Um experimento é uma pesquisa, onde se manipulam uma ou mais
variáveis independentes e os sujeitos são designados aleatoriamente a
grupos experimentais. Alguns especialistas podem discordar desta defi-
nição, dizendo, entre outras coisas, que a designação aleatória não é
absolutamente condição necessária em um experimento. De certa forma,
têm razão. Pode-se fazer um experimento sem se designar aleatoriamente
os sujeitos para os grupos experimentais. O experimento, entretanto, será
muito mais fraco do que outro com designação aleatória. Em todo caso,
deixaremos a definição como está, porque, no sentido estrito, a designa-
ção aleatória é um aspecto necessário aos experimentos. (0 significado de
Hdesignação aleatória" será discutido depois.)
Suponhamos que vamos pesquisar a idéia de que a privação na
infância afeta o desenvolvimento mental posterior. Temos duas condições
experimentais e 40 ratos. Estes serão designados aleatoriamente a dois
grupos. Podemos fazer isto jogando uma moeda cada vez que escolhermos
um rato. Se der cara, o rato irá para o primeiro grupo; coroa, o rato
irá para o segundo. Aplicaremos um tratamento experimental a um dos
94
grupos, digamos de uprivação'', também ao acaso. O outro grupo não
sofrerá unenhuma privação,. A definição de experimento está satisfeita.
Haverá manipulação experimental e os sujeitos serão designados para
os grupos experimentais ao acaso.
Em princípio não faz diferença onde e como será feito o experi-
mento. Muita gente acha que todos ou que a maioria dos experimentos
são feitos em laboratórios. Muitos são, mas muitos não. B até possível,
embora difícil, fazer-se um experimento em uma grande área geográfica.
Muitos experimentos da pesquisa comportamental são chamados experi-
mentos de campo. Quer dizer simplesmente, feitos fora do laboratório,
"no campo". Embora haja diferenças importantes entre experimentos de
laboratório e experimentos de campo, sua concepção essencial é a mesma.
Tipos de reforçamento
Al A"
Maciço R~ guiar
Resultados na variável dependente (realização em
leitura)
96
Tabela 6.3 Delineamento experimental de uma só variável independente generalizado
Condições experimentais
98
Este método de designação de sujeitos a grupos está sendo abando-
nado por causa de uma grande limitação: controla apenas duas variáveis,
inteligência e sexo. E as outras variáveis que possam afetar a realização
em aritmética: aptidão numérica, classe social, atitudes e assim por
diante? Tais variáveis continuam sem controle. O que se pode fazer?
100
tos, talvez mais, para fazer isto. Um comp.utador leva um ou dois segun·
dos! Naturalmente, é preciso que se escreva o programa para dizer ao
computador o que deve fazer. Isto leva mais tempo, mas pode ser usado
para outros problemas !lemelhantes.) Os números que tirei da tabela:~
na ordem em que foram tirados, são dados nas colunas da esquerda da
tabela 6. 5 (30, 13, 16, . . . ; 4, 25, 2, . . . ; 19, 17, 18 . . . ). Os três
grupos experimentais foram designados A1, A2 e As. O QI e sexo de
cada sujeito são dados ao lado dos números aleatórios. Por exemplo, o
primeiro sujeito da tabela 6. 5 foi o décimo terceiro na tabela 6. 4.
Uma olhada na última tabela mostra que este sujeito tinha um QI de 87
e era mulher. O segundo sujeito da tabela 6.5 era número 13 na tabela
6.4 e tinha um Ql de 115 e era homem. Os 30 sujeitos, então, foram
distribuídos aleatoriamente a três grupos, junto com seus Qis e designa-
ções de sexo.
Será que consegui misturar os sujeitos de sorte a poder assumir
que os grupos sejam estatisticamente "iguais"? Jamais saberei exata-
mente, mas posso verificar até certo ponto. Primeiro calculo as médias
dos números dos sujeitos em cada grupo. Estas médias são dadas no
fim da tabela 6.5. São 14,7; 17,5; 14,3. A média dos números de 1 a 30
é 15,5. As discrepâncias são relativamente pequenas: 0,8; 2,0 - 1,2.
30 87 F 4 136 F 19 103 M
13 115 M 25 94 M 17 104 M
16 108 F 2 141 F 18 104 M
9 125 F 6 128 M 23 99 F
21 101 F 15 109 F 29 89 M
10 122 M 21 90 F 147 F
12 115 F 22 101 M 8 126 F
24 95 F 26 92 F 14 110 F
5 132 M 20 102 M 3 137 M
7 128 M 28 90 M 11 118 M
102
de maneira engenhosa. 4 63 jovens mulheres foram designadas aleatoria~
mente a 3 grupos de 21 cada e submetidas a três condições experimen-
tais: (1) condição severa, na qual os sujeitos tinham que ler palavras
obscenas e descrições de atividades sexuais; (2) condição suave, na qual
os sujeitos liam palavras relacionadas a sexo, mas não obscenas; e (3)
condição de controle, onde os sujeitos não precisavam fazer nada.
Foi usado um procedimento bastante elaborado. Parte de sua inten-
ção era mostrar a filiação ao grupo como pouco atraente. Todos os
sujeitos tiveram que ouvir a uma suposta discussão dos atuais membros
do grupo que cr em geral se dedicavam a uma das discussões mais desinte-
ressantes e inúteis que se possa imaginar" (Aronson e Mills, 1959,
p. 179). A variável dependente foi a avaliação da discussão e seus partici~
pantes (presumivelmente membros· do grupo) pelas moças. Aronson e
Mills acreditavam que os sujeitos dos três grupos avaliariam diferente-
mente a discussão e os participantes: a condição severa mais favora-
velmente, a condição suave em seguida e a de controle em último lugar,
menos favorável (e realisticamente). Se pudermos aceitar a validade do
raciocínio implícito de Aronson e Mills, que quanto mais altas as avalia-
ções da discussão estúpida e de seus participantes mais os sujeitos valori-
zavam sua entrada para o grupo, então a hipótese derivada da teoria da
dissonância cognitiva (ver nota de rodapé n.0 4) estava apoiada pela
evidência experimental.
As médias ~tg9as as avaliações da discussão e participantes foram:
condição severa: 193,3; condição suave: 171,1; controle: 166,7. Os
resultados parecem apoiar a hipótese: os sujeitos do grupo da condição
severa avaliaram a discussão e os participantes da maneira mais favo-
rável, os da condição suave avaliaram~nos menos favoravelmente e os de
controle menos favorável que todos. Já que os sujeitos foram designado~
aos três grupos aleatoriamente, os pesquisadores puderam considerar
entre eles, depois, como devidas à manipulação, às condições diferentes.
os grupos Higuais" estatisticamente antes do experimento e as diferenças
Mas, como sempre, perguntamos: as três médias e as diferenças entre elas
poderiam ter aparecido por acaso? Um teste estatístico que determinou
a significância estatística das diferenças mostrou que as médias obtidas
e as diferenças provavelmente não poderiam ter aparecido por acaso.
Conforme um desses testes, diferenças tão grandes quanto as observadas
poderiam ter ocorrido por acaso menos que uma vez em 100. É uma boa
evidência para validade empírica da hipótese.
O modelo básico discutido neste capítulo tem muitas aplicações na
pesquisa com:portamental, embora se deva confessar que não tem sido
:~\ ____
...;...._
·~~. 4 A hipótese deriva da teoria da dissonância cognitiva (devida a Festinger) que diz
!R. que, quando idéias ou comportamentos causam conflito em um indivíduo, ele
!~i)utará para recuperar o equilíbrio e reduzir a "dissonância cognitiva". O leitor
;:~~:werá a dissonância produzida nos sujeitos do experimento.
muito usada a não ser nesta forma de duas condições. Os pesquisadores
comportamentais, principalmente os psicólogos, parecem preferir o tipo
de modelo discutido no próximo capítulo. Sempre que duas ou mais
condições experimentais de uma variável independente precisam ser com-
paradas e estudadas, como no estudo de Aronson e Mills e no de Clark
e W alberg, e possamos supor que as condições experimentais funcionam
na maioria das circunstâncias ou têm efeitos fortes, o delineamento de
uma só variável indenpendente é útil e apropriado.
Esse delineamento tem, entretanto, uma grande limitação. Se a
variável experimental funcionar apenas em conjunção com uma ou mais
variáveis independentes, então, o modelo não é apropriado. No próximo
capítulo, onde consideraremos a pesquisa experimental com mais de uma
variável independente, veremos· quando e por que o delineamento de
wna só variável independente pode ser impróprio.
Talvez a coisa mais importante que o leitor possa tirar deste capítulo
seja a aplicabilidade e a força dos procedimentos aleatórios. Uma das
grandes forças dos experimentos é poderem usar casualização. É o único
método defensável inventado para aumentar a probabilidade da validade
dos experimentos e das inferências feitas a partir deles, aumentando a
probabilidade de rrigualdade" dos grupos experimentais em todas as
variáveis independentes possíveis. Seu uso dá grande força ao pesquisador
para fazer inferências partindo de dados e chegar a conclusões sobre
teorias e hipóteses.
104
7. Delineamento da pesquisa experimental:
delineamentos fatoriais
106
experimentarão os dois tipos de ,apelo. Suas reações a estereótipos de
membros de grupos minoritários podem ser obtidas, e a diferença entre
as médias dos dois grupos pode ser avaliada quanto à significância
estatística. O paradigma deste experimento aparece na parte superior
esquerda da tabela 7.1 (A, na tabela). E o já familiar delineamento de
dois grupos.
Mas suponhamos que os psicólogos sociais tenham motivos para
acreditar - em bases teóricas ou experimentais - que a maneira de
expressão usada ao fazer tais apelos faça uma diferença. Isto é, que
acreditem que um apelo inflamado tenha mais efeito do que outro calmo
e objetivo. Eles poderão, naturalmente, testar a crença ou hipótese, num
experimento separado. O paradigma de tal experimento é o mesmo que o
do primeiro, tabela 7.1 (A). Está na parte superior direita da tabela (B).
É possível, naturalmente, que cada um desses experimentos possa
ser feito. E podem apresentar diferenças grandes entre as médias. Os
psicólogos sociais, entretanto, não estão interessados na idéia de experi-
mentos separados. Têm outra, muito mais interessante: "Por que não
fazer os dois experimentos ao mesmo tempo e estudar os efeitos separados
dos apelos, assim como do modo de expressão, e também estudar e avaliar
seus efeitos conjuntos sobre a variável dependente?" Assim eles fazem .
.O paradigma ou modelo do delineamento · de tal experimento é dado
na parte inferior da tabela 7. 1 (C). Este modelo permitirá três testes ·
em um único~perimento. O primeiro teste avaliará os Apelos, Moral e
Pragmático. 0--'!s'egundo avaliará os Modos,-de Expressão, Inflamado e
3 Para o leitor que conhece algo sobre a teoria dos conjuntos, A1 e A2 podem ser
considerados como partições do conjunto A, e B1 e B!! partições do conjunto B.
A1B1, B1B2, e assim por diante, são intersecções dos conjuntos A e B, ou, em geral,
108
junção das variáveis A e B no ponto A2B1, a célula superior direita.
As duas células restantes são, igualmente, as outras duas · junções de
A e B. Vamos ·imaginar que foi feito o experimento. Os pesquisadores
puseram os sujeitos de cada grupo a examinar duas pessoas que discutiam
sobre judeus. Uma delas fez observações depreciativas a respeito dos
judeus. A outra respondeu tentando mostrar à primeira por que não
devia falar daquele jeito. As respostas da segunda, entretanto, diferiam
de quatro maneiras e cada uma correspondia às quatro células da tabela
7.1 (C). Os sujeitos designados para a célula superior esquerda, AtBt,
ouviram-na usar o apelo moral, dito de maneira inflamada, e os da célula
inferior esquerda, AtB!!, ouviram-na usar o apelo moral dito de maneira
calma. Os sujeitos da célula superior direita, A2B1, ouviram-na usar o
apelo pragmático em tom inflamado e, finalmente, os da célula direita
inferior, A2B2, ouviram o apelo pragmático dito ein tom calmo. Dois dias
depois de feito o experimento, foram medidas as atitudes dos sujeitos em
relação aos judeus. (Os detalhes de procedimento usados no experimento
e como as atitudes foram medidas, não nos preocuparão aqui.)
É necessário observarmos três pontos importantes em relação a
este experimento e aos delineamentos fatoriais em geral. Primeiro, dois
experimentos estão incluídos em um. Um deles testa a relação entre modo
de apresentação e a variável dependente e o outro, a relação entre apelos
e a variável dependente. Segundo, com a designação aleatória dos sujeitos
aos quatro grti~§,·: _(as quatro células), e o cuidado ao fazer o experi-
mento, pode-se assÜmir que os dois tratamentos - apelo e modo de
apresentaÇão - são independentes um do outro. Embora a independência
tenha sido, amplamente discutida no capítulo 5, sua importância justifica
maior elucidação. As duas variáveis são ortogonais entre si. "Ortogonal,
quer dizer em ângulo reto, o que significa que as variáveis são inde-
pendentes, justificando considerar um experimento como dois. Nem
sempre é fácil entender isto, mas é muito importante. Quando duas
variáveis são independentes uma da outra, são não-correlacionadas. Se
pudéssemos calcular a correlação entre elas, obteríamos zero ou próximo
de zero. Isto significa que o efeito de cada uma delas, na variável depen-
dente, pode ser considerado e avaliado separadamente. Se a correlação
entre elas não fosse zero, fosse 0,50, por exemplo, não seriam indepen-
dentes; parte do efeito de uma delas sobre a variável dependente poderia
se dever à outra.
O terceiro ponto é o mais interessante. Se na realidade as duas
variáveis independentes funcionam juntas de algum jeito, para afetarem
a variável dependente, este efeito pode ser estudado e avaliado. Suponha-
A n B. AtBI pode ser escrito At n Bt, A2B I pode ser escrito Al n B. e igual-
mente para os outros dois subconjuntos, que podem ser considerados partições
cruzadas.
mos que os psicólogos sociais não estejam realmente interessados .nas
variáveis independentes separadamente. Eles acham que não foi apenas
o apelo que fez efeito, mas os apelos combinados com os modos de
apresentação. Eles acham especificamente, que o apelo moral funciona
apenas quando apresentado de forma inflamada, que fazer um apelo
moral de maneira calma e racional é inútil; é preciso emoção para passar
convicção. (Como prova o sucesso de pregadores fundamentalistas e de
políticos demagogos.) Inversamente, acreditam que o apelo pragmático
exige tom calmo e racional de apresentação, para surtir efeito. Esta
linha de raciocínio é mais interessante e, naturalmente, mais complexa.
Está sendo adotada a chamada hipótese de interação: as duas variáveis
interagem para afetar a variável dependente.
Vamos fabricar alguns resultados para ilustrar diferentes resultados
possíveis do experimento. Aí então veremos como as perguntas da
pesquisa podem ser respondidas pelos dados obtidos no experimento.
A tabela 1. 2 contém 4 resultados dos vários possíveis. As entradas
numéricas são médias. Assumimos que a variável dependente, atitude em
relação aos judeus, foi medida numa escala de 7 pontos, com 7 indicando
urna atitude altamente positiva e 1 uma atitude altam·ente negativa.
As médias grifadas são as significativamente diferentes: Por exemplo,
em (1), 6 e 4 estão grifados, o que significa que MA1 é significativam~hte
maior do que MA2 (indicado na parte inferior dos dados por A1 > A2·,'A1
é maior do que A2). As diferenças entre as médias A e B, considera~as
separadamente, são chamadas efeitos principais. Se, por exemplo, MAt é
comparada a MAz, isto é um efeito principal - da variável A.
As quatro estruturas, ou subtabelas, não são cruzamentos, que já
foram estudados quando examinamos os dados do estudo de Miller e
Swanson, em forma de freqüências e porcentagens. Eles mostram simples-
mente um meio conveniente de apresentar o delineamento e os dados
de um estudo e análise fatorial. O 6 da célula AtBt de (I) é uma média
calculada com os pontos de atitude dos 15 sujeitos da célula. O 4 na
parte de baixo da tabela é a média calculada com os 30 sujeitos da
coluna A2. As outras médias foram calculadas da mesma forma. Os dados
de um delineamento fatorial são quase sempre apresentados desta forma
prática e rapidamente interpretável. Os efeitos das variáveis separadas -
neste caso, apelos e modos de apresentação, ou A e B - assim como os
efeitos conjuntos podem ser vistos claramente colocando as variáveis uma
contra a outra desta forma.
Os dados em (I) indicam que o apelo moral, A1 foi muito maior
que o apelo pragmático, A2. Obviamente não houve diferença entre as
médias de modo de apresentação (5 e 5) e, portanto, nenhuma diferença
entre B1 e B2. Os dados em (li), por outro lado, indicam uma diferença
grande entre apresentação inflamada e calma, B1 e B2, e nenhuma dife.
110
Tabela 7.2 Quatro conjuntos de possive1s resultados obtidos em um modelo de
experimento fatorial fictício (médias) a.
(I) (li)
Moral pragmático Moral pragmático
A, Az A, A!
Inflamado AtBJ AzBt Inflamado A,B, A2Bz
B1 6 4 5 B1 6 6 6
Calmo 6 4 5 Calmo 4 4
B2 AtBz A2Bz B:: A,Bz A2Bz 14
5 5
Bt > A2
(III) (IV)
Moral pragmático Moral pragmático
At Az At Az
Inflamado A,B, AzB• Inflamado A,B, AzB1
B1 6 4 5 B1 6 4 5
Calmo 5 5 5 Calmo 4 6 5
B:~ B!l
A1B~7i ~Bz AtBz A2Bz
5,5 4,5 5 5
A,Bt > AzB1 A,B, > AzB1
AzBz > AtBz
a As entradas nas células e nas margens são médias. Médias grifadas indicam
diferenças significativas.
112
conhecimento de tais delineamentos e sua análise. Recomenda-se, então,
o estudo de um bom texto de planejamento estatístico (por exemplo,
Edwards, 1972).
Há um grande número de outros delineamentos experimentais usado
nas ciêncías cornportamentais. Não vamos estudá-los neste livro, não
porque não tenham importância, mas por causa de nossa ênfase em
idéias conceituais básicas e em complexidades técnicas. O leitor achará
útil a discussão excelente, mas um bocado difícil, de Campbell e Stanley
(1963).
Vamos tentar dar mais vida ao assunto citando três estudos nos
quais acha-se finamente ilustrada a força do delineamento e da análise
fatoriaL Embora às vezes seja difícil encontrar bons exemplos de certas
outras técnicas, absolutamente não é difícil encontrar usos do delinea-
mento fatorial de bons a excelentes, principalmente em pesquisa psico-
lógica. Os psicólogos perceberam rapidamente as virtudes ~ e talvez a
qualidade estética - do delineamento fatorial para implementar seus
propósitos teóricos e experimentais. 4
Além da lei"tl~t.~arkinson
11 '1.:
Aronson e Gerard deram também uma breve explicação teórica (no
fim de seu relato) derivada da teoria da dissonância cognitiva (Festinger,
1957). Esta teoria diz, em parte, que se alguém faz alguma coisa que seja
incongruente com, digamos, a percepção de si mesmo ou da situação, sen-
tirá um desconforto psicológico ou Hdissonância cognitiva". Em relação à
afirmação de Parkinson, se uma pessoa gasta mais tempo do que o
necessário em uma tarefa, isto criará dissonância cognitiva porque o
excesso de tempo gasto é incongruente com uma avaliação realista e
correta do tempo necessário para cumprir a tarefa. Para reduzir a disso-
nância cognitiva, a pessoa precisa aumentar a importância e a complexi-
dade da tarefa: "Afinal, é muito importante; leva tempo". Conseqüente-
mente, ela poderá perder o mesmo tempo ou até mais da próxima vez
que fizer tarefa semelhante ou a mesma.
As variáveis independentes foram tempo, incentivo e sexo. Vamos
nos preocupar apenas com tempo; incentivo, sexo e todas as interações
não eram significantes. Metade dos sujeitos recebeu 5. minutos para
fazer uma tarefa; a outra metade recebeu 15 minutos. A tarefa, que era
extremamente fácil, exigia apenas 5 minutos. Consistia em escolher vários
argumentos de uma lista e colocá-los em uma seqüência lógica. Mais
tarde pediu-se aos sujeitos que preparassem uma palestra de 2 minutos
sobre atletismo e que gastassem o tempo que precisassem para prepararem
um discurso convincente. A variável dependente era o tempo gasto pelos
sujeitos a prepararem o discurso (em segundos). Metade dos sujeitos
recebeu também um incentivo para terminar mais cedo, para contraba-
lançar Ho efeito de excesso de tempo". Esta variável não era significante,
como fora indicado.
Os sujeitos na condição excesso de tempo (15 minutos) gastaram
uma média de 468 segundos na segunda tarefa, enquantos os sujeitos do
mínimo de tempo (5 minutos) gastaram uma média de 321 segundos na
segunda tarefa. Esta diferença foi estatisticamente significante. A evi-
dência, então, indica que os sujeitos do grupo excesso de tempo sem
dúvida levaram tempo demais para terminarem a tarefa.
O leitor poderá querer saber se este resultado é generalizável, isto é,.
se ele se aplica a outras pessoas em situações reais de trabalho. Diz-se
freqüentemente que experimentos como estes são triviais, porque têm
pouca ou nenhuma aplicabilidade além do laboratório. Deve-se ter em
mente, entretanto, que a finalidade do experimento - e da maioria de
tais experimentos - foi testar uma implicação de uma teoria. E isto se
conseguiu com sucesso. Sua intenção não foi fazer mais do que isso.
Se os pesquisadores quisessem saber alguma coisa a mais em relação à
sua aplicabilidade em outras situações, ele teriam feito mais pesquisas
em outras situações com amostras representativas de pessoas. Este ponto
freqüentemente mal entendido será discutido novamente no próximo
capítulo.
114
Raça. sexo e admissão a faculdades
116
capacidade são significativamente mais aceitos do que as mulheres de
baixa capacidade. A discriminação parece ser exercida sobre o nível
baixo de capacidade. Os autores afirmam que esta descoberta concorda
com a observação feminista de que apenas mulheres excepcionais podem
transcender estereótipos sexuais e s·erem julgadas objetivamente. Mulhe·
res de capacidades mais modestas são julgadas primeiro como mulheres
- e assim como "inferiores."
Este é um excelente exemplo da força do delineamento fatorial e da
utilidade de estudar interações. Provavelmente não teria sido possível
revelar a descoberta importante e interessante deste estudo sem a idéia
de i:r~eração das variáveis independentes em seu efeito sobre uma variável
dependente.
Um retrospecto conceitua]
118
como especificando as relações entre as vartaveis. Agora temos ferra·
mentas conceituais e metodológicas para nos ajudar a compreender
melhor como os cientistas comportamentais tentam explicar os fenômenos.
Eles separam as variáveis entre dependentes e independentes, usando a
segunda para explicar a primeira. A explicação mais simples possível
consiste em relacionar uma variável independente com uma variável
dependente. Exemplos disto são os estudos de Clark e W alberg, Aronson
e Mílls. O leitor encontrará muitos exemplos semelhantes na bibliografia.
A base conceitual do delineamento e análise de tais pesquisas é um
enunciado da forma "se p, então q". Não importa haver dois grupos
experimentais, como no estudo de Clark e Walberg, ou mais de dois
grupos, como no de Aronson e Mills, a concepção de explicação é a
mesma.
Mas as explicações às vezes são mais complexas, como no estudo de
Walster, Cleary e Clifford, no de Berkowitz e no de Aronson e Gerard.
Mais -de uma variável independente é usada para estudar a variável
dependente. No caso mais simples, a concepção subjacente é "se p, então
q, sob a condição r". Esta é a base conceitual de muitos estudos publica-
dos. Muitos outros estudos, entretanto, usam base conceitual mais com-
plexa: eles avaliam os efeitos separados e combinados de mais de duas
variáveis independentes sobre uma variável dependente. A base concei-
tual é "se p, então q, sob as condições r, s, e t". Este exemplo tem quatro·
variáveis inde}JJilp.dentes: p, r, s e t. Não importa quantas variáveis sejam
usadas e como''·'~stejam simbolizadas, a abordagem básica é a mesma:
o efeito de uma ou mais variáveis independentes sobre uma variável
dependente é estudado.
110
8. Pesquisa experimental e não-experimental
120
Milgram fez diversas perguntas relacionadas e desejava respostas
empíricas: uQue fatores influenciam a disposição do indivíduo para
obedecer a uma autoridade?", "Como a autoridade afeta a obediência?,,
"Se o indivíduo que der ordens a uma pessoa tiver status de autoridade,
isso a compele a maior obediência?", "Por que indivíduos aceitam
ordens que os compelem a comportamentos 'imorais', comportamentos
que infligem sofrimento a indivíduos desprotegidos?", "Quando as
pessoas obedecem a uma ordem que atenta contra a moralidade comum,
como elas reagem psicologicamente, como justificam seu comportamen-
to?" É um conjunto formidável de perguntas a que poderemos responder
apenas parcialmente.
O procedimento experimental foi o seguinte: duas pessoas chegam
ao laboratório de psicologia para trabalharem juntas em um estudo de
memória e aprendizagem. Uma será o "professor" e a outra o "aluno".
O verdadeiro sujeito experimental será o professor. Ele é avisado de
que a finalidade do experimento é estudar os efeitos da punição na
aprendizagem. O aluno- sempre a mesma pessoa, um ator que recebeu
instruções de como reagir - está sentado em uma cadeira, braços
amarrados para evitar movimentos e com um eletrodo preso ao pulso.
O pesquisador diz ao aluno que ele aprenderá uma lista de pares de
palavras. Se fizer um erro, levará um choque. O professor observa tudo ·
isso e é levado~.~ra a principal sala experimental e instruído sobre corno
usar um impresslóhante gerador de choque, que tem um painel de 30
cha:ves rotuladas de 15 a 450 volts, e também etiquetas com as palavras
"Choque leve" e "Perigo - choque violento".
O professor então recebe a ordem de "ensinar" o homem da outra
sala, lendo pares de palavras - dia bonito; caixa azul; e assim por
diante. Nos testes de aprendizado, o professor lê as palavras-estímulo e
em seguida quatro respostas prováveis, por exemplo: azul: céu, tinta,
caixa, lâmpada (Milgram, 1974, p. 19). O aluno escolhe a resposta que
acha correta apertando um de quatro botões. Se a resposta for correta.
o professor vai para o conjunto seguinte. Se estiver incorreta, deve
aplicar um choque no aluno. O professor receberá ordem de aplicar
choques cada vez mais fortes a cada resposta incorreta. Se o sujeito fizer
... ~,..... ~.u~~~. deve ser informado de que os choque podem ser muito dolo~
rosas mas que não causam danos permanentes aos tecidos. (Na verdade,
aluno não recebeu um choque sequer.)
Depois de iniciados o ensino e aprendizado e durante o experimento,
sujeito, talvez perturbado por ter que aplicar choques em outra pessoa,
ao pesquisador se deveria continuar a fazer aquilo. O pesquisa-
estimulou-o com um entre quatro comandos: "Por favor, continue";
experimento exige que você continue"; "É essencial que você con-
tinueH e "Não há outra escolha, você tem que continuar". Estes coman-
dos eram dados em seqüência e apenas se o sujeito se recusasse a obe-
decer.
O aluno-cúmplice do pesquisador deu sempre o mesmo conjunto de
respostas ou reações ao procedimento. Não teve a menor reação até o
choque de 75 volts, quando soltou um leve gemido. Aconteceu a me~ma
coisa com os choques de 90 e 105 volts, mas aos 120 o aluno gntou
que os choques eram dolorosos. Aos 135 volts a "vítima'' gemeu dolo-
ridamente e aos 150 gritou pedindo para ser solto e que se recusava
a continuar. Reagiu de maneira semelhante mas com maior intensidade
aos choques subseqüentes e aos 180 volts gritou que não podia suportar
a dor. Aos 270 volts gritava em agonia e aos 300 recusou-se a continuar
dando respostas.
O sujeito (o professor) a esta altura - e anteriormente - pedia
orientação ao pesquisador, que o instruiu a considerar ausência de res-
posta como falta de reação e a continuar o experimento. Depois dos
330 volts não se ouviu mais nada do aluno.
A questão é: até onde os sujeitos vão? Chegarão aos 450 volts?
Ou se recusarão a uma certa altura? Eles obedecerão ou desobedecerão?
Este é o núcleo do experimento. Milgram variava as instruções para dife-
rentes grupos de indivíduos. Por exemplo, ele manipulou a proximidade
do aluno com o professor, predizendo que, quanto mais distante o aluno
ficasse do professor, choques mais fortes o professor aplicaria. Usou
também outras variações de controle. Um grupo de sujeitos, por exemplo,
passou por um experimento com o pesquisador (a autoridade) ausente.
Com outro grupo foi feito o experimento num prédio de escritórios de
uma cidade distante da Universidade de Yale, onde foi feita a maioria dos
outros experimentos. Isso foi para controlar o possível efeito de autori-
dade de uma universidade de prestígio (veja abaixo).
Os experimentos, então, usaram diversas variáveis independentes e
uma variável dependente, obediência, medida pelo nível de choque os
sujeitos antes de concluírem a série de choques ou até se recusarem a
continuar participando do experimento.
Os resultados desafiam o senso comum e violam a moralidade
comum. 1 No primeiro experimento, onde a proximidade foi a variável
independente, 26 dos 40 sujeitos na situação básica remota continuaram
os choques até o máximo de 450 volts! (Lembrem-se de que as chaves
122
de 275 a 450 volts estavam indicadas com a etiqueta uPerigo- choque
violento" e que as voltagens numéricas e as designações verbais estavam
claramente indicadas.) Cinco sujeitos deram 300 volts antes de desistirem
e oito aplicaram entre 315 e 360 volts. A maioria foi, então, muito
obediente, e todos, no mínimo, aplicaram choques mesmo acreditando
que eram violentos. Entretanto, quanto mais próximos estavam de suas
"vítimasu, menos obedeciam. Entretanto, um número considerável deu o
tratamento completo às vítimas.
É tentador estudar as implicações psicológicas deste notável estudo.
Meu principal objetivo, entretanto, ao citá-lo com tantos detalhes, não é
psicológico, mas metodológico. Quero que o leitor perceba claramente
que estamos tratando de um assunto altamente controvertido, difícil e
discutível, e confiar nos resultados também é difícil. Quero ilustrar
o fato de que, outras coisas mantidas constante, um experimento inspira
maior confiança do que um estudo ex post facto. Se os resultados de
Milgram forem empiricamente válidos - e, apesar de certas fraquezas
metodológicas, parecem ser - encontramo-nos diante de um fato muito
perturbador relativo a muitas pessoas: elas ferirão cruelmente outras
pessoas obedecendo a uma autoridade reconhecida e a despeito de seus
escrúpulos morais. E não são monstros hitleristas; ao contrário, são na
maioria pessoas decentes e moralmente sadias, que normalmente jamais
sonhariam em agredir outras pessoas. Podemos então confiar nos resul- ·
tados(? (Pare~,,.(lue a resposta é "Sim".)
A maioria ."dãs pessoas, quando indagadas sobre o que elas ou outras
pessoas fariam em tal situação, afirma que nem elas nem os outros
aplicariam choques às vitimas ou que o fariam apenas com choques
fracos. É este precisamente o objetivo de Milgram e parte do significado
psicológico central de sua descoberta: gente decente e bondosa compor-
ta-se cruelmente dada as circunstâncias apropriadas - e a principal
circunstância é a autoridade. Então, podemos acreditar nele? Eu aplicaria
choques em uma pessoa a mando de outra e apesar dos protestos da
vítima?
Controle
124
porque os pesquisadores podem ter controle quase total sobre o que
podem fazer e como o fazem.
125
em teste era: "Se autoridade, então obediência". Se a validade empírica
desta hipótese é apoiada pela pesquisa, isto é evidência da validade
empírica das idéias de Milgram sobre a relação entre autoridade e obe-
diência. Mas há outras explicações plausíveis. Somente quando essas
outras explicações forem mostradas como empiricamente inválidas,
poderá o pesquisador confiar totalmente na sua afirmativa "se-então''
original.
Isso foi essencialmente o que Milgram fez, embora não exatamente,
e é um aspecto metodológico forte de sua pesquisa. Ele usou o aspecto
flexibilidade da pesquisa experimental para variar variáveis independen-
tes e para eliminar outras explicações possíveis ou variáveis indepen-
dentes e assim reforçar sua afirmativa básica ou hipótese. Por exemplo,
se é verdade que é a autoridade do pesquisador que compele à obediên-
cia, então, omras fontes prováveis de influência, além do pesquisador,
devem ser eliminadas. Lembre-se de que uma delas foi· o ambiente
de prestígio da Universidade de Yale. Milgram eliminou isso fazendo a
pesquisa em outro ambiente sem prestígio ou status. Outras explicações
plausíveis foram igualmente testadas, como já vimos. A questão é que,
na maioria das situações experimentais, tal testagem variada e frutífera é
possível e necessária.
Veremos então parte da teoria de Milgram que explica suas desco-
bertas. Pessoas que entram numa situação de autoridade mudam interna-
mente e isso é mostrado por uma mudança de atitude. A pessoa que
entra em uma situação de autoridade suspende seus próprios objetivos
por um tempo e age como agente executivo dos desejos e ordens de
outros (Milgram, 1974, pp. 132-154). Milgram chama ao estado da
pessoa estado agêntico (agen.tic state), a condição em que está uma
pessoa quando se percebe como agente dos desejos e ordens de outra.
·" Uma idéia-chave aqui é que quando a pessoa se encontra em estado
agêntico seus próprios valores, atitudes e motivações ficam suspensos, ou
pelo menos subordinados, e ela pode comportar-se e se comportará como
não pode e não se comportaria em seu "próprio estado". Ela se vê como
irresponsável por seus atos e pode até agir cruelmente com outros.
Munido de uma "boa, teoria, o pesquisador pode deduzir algumas
ou muitas conseqüências da teoria. Se é verdade que as pessoas em estado
agêntico perdem seu sentido normal de responsabilidade, então, pode-se
fazer um experimento para ver se isto se verifica. Pode-se dar um jeito
de produzir o estado agêntico em um grupo de pessoas por instruções
experimentais, e depois medir seu sentido de responsabilidade compa-
rado a, digamos, o sentido de responsabilidade de outro grupo fora do
estado agêntico.
Outro experimento implicado pela teoria poderia ser simplesmente
comparar a obediência de grupos sob diferentes "intensidades" do
126
estado agêntico. Outro experimento pode ainda ser variar a força e
legitimidade da autoridade do experimentador. Provavelmente a profun~
didade do estado agêntico e o grau de obediência dos sujeitos podem
ser afetados diferentemente por diferentes forças e níveis de legitimidade
da autoridade.
Chama~se a essas possibilidades experimentais "flexibilidade". Essa
característica dos experimentos, junto com a capacidade de manipular
variáveis, de casualizar sujeitos e condições e chegar a um controle
relativamente firme e cerrado sobre a operação das variáveis constitui
um método muito poderoso de testar teorias e hipóteses e aumentar o
conhecimento. Isto não significa que todos os experimentos aumentam
significativamente o conhecimento. Sem dúvida, muitos são mal conce-
bidos e mal executados. Não há garantia de validade ou valor, em
outras palavras, só porque um estudo é experimental. Mas o potencial
está presente. Antes de estudarmos a pesquisa ex post facto, será bom
examinarmos tanto os pontos fortes como os pontos fracos dos experi-
mentos, mas especialmente dos experimentos de laboratório. 2
128
consideradas teóricas e não práticas vieram a produzir resultados com
conseqüências práticas de longo alcance (veja Comroe & Dripps, 1976;
Deutsch, Platt, & Senghaas, 1971; Townes, 1968). Voltaremos a este
problema no fim· do livro.
Em geral os resultados de experimentos de laboratório não podem
ser generalizados além do laboratório. S6 porque certos resultados foram
obtidos em laboratórios não se pode dizer que resultado idêntico ou
semelhante ocorrerá fora do laboratório- embora possa, e muito bem.
Deve-se mostrar, através de pesquisas posteriores, que os resultados se
aplicam ao campo. Isto falando num sentido estrito. Fica-se intrigado com
a pesquisa de Milgrarn e com algumas outras enérgicas pesquisas de labo-
ratório. As descobertas de Milgram são aplicáveis a escolas, corporações,
igrejas, exércitos e outros grupos? Não se pode dizer enquanto não se
fizer mais pesquisa. Minha opinião é que Milgram apresentou um forte
argumento, mas a pesquisa precisa ser estendida a situações de campo.
(Mas como fazer isso?) 1! possível que a relação entre autoridade e
obediência possa ser furada quando estudada em certos tipos de situações
reais.
Ao pensar na aplicabilidade da experimentação de lab6rat6rio à
vida real, deve-se ter em mente que o objetivo básico da experimentação
não é descobrir o que acontecerá ou o que funcionará em situaçõ_es de
vida. O objetivo básico ·é estudar as relações e testar hipóteses derivadas
da teoria sob ê'Ondições cuidadosamente controladas e limitadas. Sem
dúvida, muita pesquisa - um exemplo claro é a medicina - é feita em
laboratórioJ principalmente para determinar o que aconteceu ou o que
acontecerá. Por exemplo, tal ou tal método de terapia surtirá efeito?
Embora muitíssimo útil, tal experimentação, cientificamente falando, é
periférica à base conceitual da experimentação científica. Se esta inter-
pretação assaz purística está ou não completamente correta.não é, entre-
tanto, importante. o que importa é não esperannos que a experimentação
em laboratório faça o que não foi encbrregada de fazer: generalizar
para situações de vida real.
Talvez o leitor compreenda tudo isso melhor se focalizannos rapida·
mente outra crítica relacionada a experimentos e experiment~ção na
pesquisa comportarnental. Freqüentemente afirma-se que os experimen-
tos de laboratório são triviais. Há pouca dúvida .de que muitos experi-
mentos são triviais. ~ importante saber,· contudo. o que o crítico está
dizendo. Ele está dizendo que os experimentos são artificiais, e com isso
quer dizer que não são a própria vida. Assim, são triviais. O núcleo da
crítica é que os experimentos não têm generalidade. Seus resultados não
se aplicam a pessoas reais em situações de vida real.
O argumento é mais fundamentalmente irrelevante do que errôneo,
porque os experimentos e seus resultados não foram feitos. para ·serem
1-'10
aplicados à vida real, como ficou dito há pouco. O experimento é uma
invenção especializada cujo propósito está quase totalmente divorciado
da vida real. Seu propósito é especificamente ficar separado e protegido
do "barulho" exterior. Seu propósito científico é estudar as relações e
testar as proposições derivadas da teoria no ambiente menos contami-
nado que se possa conseguir. Seu propósito não é melhorar as condições
humanas e sociais. Portanto, uma crítica com base na possibilidade de
generalização é, rigorosamente falando, irrelevante. É como criticar
alguma coisa por não ser o que não pode ser de forma alguma.
Pesquisa não-experimental
130
mos, por exemplo, que eu esteja interessado em relações equitativas em
geral e espectfi~amente em como as pessoas lidam psicologicamente com
a inequidade. 3 Posso formar grupos diferentes de indivíduos e fazer os
grupos sofrerem formas ou quantidades diferentes de inequidade. Isto é,
eu manipulo equidade ou inequidade. É uma fonna de controle porque
as diferenças em eqüidade entre os grupos vêm inteiramente de mim.
Elas não acontecem "lá fora", por assim dizer. Um bom exemplo, com o
qual já estamos familiarizados, é o experimento de Aronson e Mills no
qual três grupos de mulhetes jovens foram sujeitas a diferentes graus de
iniciação desagradável antes de supostamente se juntarem a um grupo.
Na pesquis.a ex post facto, a manipulação de variáveis independen-
tes não é possível. Esta é a característica fundamental da pesquisa não-
experimental: variáveis independentes ~hegam ao pesquisador como esta-
vam, já feitas .. Já exerceram seus efeitos, se os havia. Se eu estivesse
estudando como as pessoas lidam psicologicamente com a inequidade e
minha pesquisa fosse não-experimental, eu não poderia fazer grupos
diferentes de indivíduos sofrerem inequidade em graus diferentes, à
vontade. Eu provavelmente teria que procurar encontrar grupos dife-
rentes de indivíduos que já tivessem provado a inequidade e depois
estudar como eles lidam psicologicamente com ela. A diferença entre a
abordagem experimental e não-experimental é grande, então. Aliás, a
diferença é tão grande que temos abordagens muito diferentes, problemas
de pesqui~~.graus diferentes de confiança nas inferências que fazemos
dos dados de---pesquisa.
Nos experimentos_já_qy_e temos controle virtual das variáveis inde·
pendentes e da situação na qual as variáveis independentes operam,
podemos ter mais certeza - nunca total, claro - de que variações
concomitantes observadas numa variável dependente são devidas à
influência das variáveis independentes. Em estudos que não são experi-
mentos, nossa confiança, outras coisas mantidas constantes, deve ser
menor, principalmente por causa da falta de controle manipulativo das
variáveis independentes. 4 Em muitas pesquisas não~experimentais obser-
132
câncer pulmonar e fumo? De forma nenhuma. Mas estamos tolhidos pela
principal dificuldade da pesquisa não-experimental.
É possível que o cigarro não seja realmente uma "causa" do câncer
pulmonar? Vamos imaginar que houvesse um síndrome psicológico,
chamado "discombulismo", e que as pessoas discombulistas fossem alta-
mente propensas ao câncer pulmonar. Suponhamos que os discombulistas,
além de outras características - hiperatividade, nervosismo, insônia,
temperamento volúvel e uma leve paranóia - tivessem uma forte predis-
posição a contrair câncer pulmonar e fumassem cigarros, violentamente.
Em outras palavras, o discombulismo é a causa básica do câncer, não o
cigarro. Fumar é simplesmente uma característica concomitante. Acontece
aparecer no síndrome discombulístico. O pesquisador, não sabendo nada
a respeito do discombulismo, nota repetidamente a presença do câncer
entre pacientes que fumam demais. A correlação entre câncer e fumo é,
naturalmente, alta, e o pesquisador é conduzido a acreditar que o fumo
causa o ·câncer de pulmões.
Fantástico? Um pouco. Mas não impossível, certamente. O fato é
que a pesquisa não-experimental é mais vulnerável a conclusões errôneas
do que a pesquisa experimental.
Estudos não-experimentais
134
menta das crianças - aliás, mais importantes do que qualquer outro
conjunto de variáveis, com exceção, talvez, das atitudes· das crianças
(sentido de controle do ambiente, por exemplo). As variáveis da escola
- diferenças entre escolas em instalações, currículo e corpo docente -
não foram tão responsáveis pelas diferenças em realização quanto as
variáveis de ambiente familiar ou as de atitude. Esta foi a descoberta
mais controvertida, que vem sendo debatida e mal entendida. Muita
gente concluiu incorreta e apressadamente que o relatório Coleman afir-
mava que as escolas e suas instalações, currículos e corpo docente não
eram importantes! É uma conclusão absurda, que ilustra uma das dificul-
dades de interpretar os complexos resultados da pesquisa. Uma interpre-
tação mais aproximadamente correta ---,-- e rc correta" apenas no contexto
do estudo - é que as variRveis de escola não são muito responsáveis
pelo aproveitamento depois das variáveis de ambiente familiar. Explicar
esta afirmativa adequaoamente levar-nos-ia muito longe técnica e concei-
tualmente. Vamos, portanto, abandonar esta explicação e outras desco-
bertas e vamos nos concentrar na natureza não-experimental do estudo.
O estudo de Coleman usou, ao máximo, técnicas modernas de
pesquisa de maneira competente e deu ao povo dos Estados Unidos
uma informação sobre as condições da educação no país que continuarão
sendo debatidas por mais uma década. Devemos compreender, entre-
tanto, que ~11esquisa ex post facto. Aqui as dificuldades se tornam
dramáticas porqu~e as conclusões da pesquisa podem afetar importantes
decisões políticas em educação.
Consideremos a conclusão mencionada: as variáveis escolares con-
tribuem menos para a previsão do aproveitamento do que as variáveis
de ambiente familiar. Há pouca dúvida de que esta conclusão seja
empiricarnente válida na pesquisa de Igualdade. Mas consideremos a
possibilidade - certamente remota - de ser possível fazer grandes
estudos nos quais as variáveis escolares possam ser sistematicamente
manipuladas e avaliados seus efeitos sobre a realização. O resultado
poderia ser muito diferente porque a designação aleatória (de classes,
digamos) para as condições experimentais e ·a manipulação de variáveis
independentes podem conduzir a resultados menos ambíguos. Sabería-
mos, em outras palavras, que as influências de outras variáveis inde-
pendentes foram minimizadas. Coleman e outros analisaram os dados
de maneira a aproximarem as descobertas de uma abordagem experi-
mental (através da chamada regressão múltipla e métodos relacionados),
mas de forma alguma isto é a mesma coisa. A influência de outras
possíveis variáveis independentes é difícil de controlar, e só o "controle
estatístico" é possível em contraste com os poderosos controles experi-
mentais de manipulação, casualização e isolamento.
Estudo de igualdade e liberdade
Liberdade 1 "' 3 lO 8
Igualdade 12 9 t 9
136
outros grupos e não são famosos por apoiarem a igualdade. Negros,
por outro lado, apóiam .fortemente a igualdade. Brancos desempregados
provavelmente não colocarão a igualdade em grau alto. Se os valores
obtidos aparecem como se esperava, isto é evidência favorável à teoria
explícita ou impilcua e à valldade do instrumento de mensuração.
Os efeitos da privação
138
na etapa de análise.) O estudo inicial foi replicado um certo número de
vezes, mas somente o ambiente enriquecido (CAT) e o ambiente empo-
brecido (CI) foram usados nas replicações.
Essas condicões foram mantidas durante 80 dias. Os animais foram
então mortos e seus cérebros analisados. Amostras de várias partes do
cérebro foram medidas, pesadas e analisadas suas secreções químicas.
Os anatomistas que fizeram as análises não sabiam a que grupos experi-
mentais pertenciam os animais.
Os resultados foram incrÍveis. Havia diferenças enormes de peso
do córtex cerebral entre os ambientes enriquecido e o empobrecido.
O peso médio em miligramas do córtex total dos ratos estudados durante
o período de 1960 a 1963 foi de 700 (CAT) e 669 (Cl). A diferença
foi estatisticamente significativa. Evidentemente, as experiências enrique-
cidas alteraram o peso do córtex dos ratos. Uma 'ç análise de controle"
do resto dos cérebros dos animais não mostrou diferenças significativas.
Foi o córtex cerebral que aumentou de peso em relação ao resto do
cérebro.
Os pesquisadores de Berkeley mediram uma certa enzima nos cére-
bros dos animais e encontraram diferenças entre os grupos que viriam
apoiar as descobertas relativas ao peso. Mediram também a espessura
do córtex dos ratos: os córtices dos ratos de experiência enriquecida
estavam cer~,,de 6 por cento mais espessos do que os dos ratos na
condição de isolamento.
A evidência experimental, então, confirmou a hipótese do ambiente
enriquecido. Testes de hipóteses alternativas - idade dos animais e
tensão de isolamento, por exemplo - não mudaram as descobertas.
Parece haver pouca dúvida de que a experiência enriquecida tém efeitos
físicos fundamentais sobre o cérebro - pelo menos em ratos, sob as
condiçõ~s do laboratório de Berkeley. Esses resultados serão aplicáveis
ao cérebro e condições humanas? Ninguém sabe. 7 Por motivos óbvios
não se pode fazer pesquisa experimental semelhante com sujeitos huma-
nos. Futuros progressos técnicos em tecnologia e pesquisa cerebral pode-
rão possibilitar isso. Mas até alcançarmos tais progressos, a pergunta não
pode ser respondida de maneira não-ambígua. Os pesquisadores, usando
seres humanos como sujeitos e interessados em efeitos da vida real, como
os efeitos de ambientes de gueto, devem fazer principalmente pesquisas
~x post facto, nas quais indivíduos desenvolvidos fora e dentro do gueto
140
vanaveis independentes não são manipuláveis. Os pesquisadores cujc
principal interesse se concentra na natureza da inteligência ou na estru·
tura dos valores e atitudes, por exemplo, precisam conformar-se com a
pesquisa não-experimental. Sua natureza não-experimental faz a pesquisa
menos significativa, menos científica? Em todo caso, ambos os tipos
de pesquisa devem e deverão ser feitos e o estudante de ciência e
pesquisa comportamental deve compreender as forças e fraquezas de
ambas.
Adendo
142
A maioria de outras pesquisas nas ciências comportamentais, entretanto,
não é controlada tão simples e facilmente.
Os estudos de Milgram descritos neste capítulo aproximam-se do
limite da definição de experimento. Note que todos os sujeitos experi-
mentais, em qualquer "experimento", receberam o mesmo tratamento:
todos receberam a mesma instru~ão para administrar choques. A defi-
nição de experimento, portanto, não foi satisfeita pela situação experi-
mental básica, mas pelas variações introduzidas: o pesquisador presente
ou não presente: fazer o experimento em outro local que a Universidade
de Yale; distância entre professor e aluno.
O essencial deste adendo é que a definição básica e o significado da
palavra "experimento" não são as únicas definições e significados da
palavra em uso atualmente. A posição tomada neste livro, entretanto, é
que no mínimo uma comparação se faz necessária- isto é, um mínimo
de dois grupos experimentais - para um experimento se tornar um
"verdadeiro" experimento. Isso necessariamente não elimina a possível
adequaçâo de definições mais limitadas em algumas situações. Simples-
mente determina o que se acredita ser um padrão adequado para se
fazerem inferências de dados experimentais.
9. Observação e mensuração de variáveis
144
patente entre os oficiais depende muito mais de funções de comando
que de funções de ensino). Eles seriam, portanto, menos eficazes como
professores do que os oficiais não interessados em fazer carreira.
Getzels e Guba mediram o conflito dos oficiais com uma escala espe-
cialmente el~borada para a pesquisa. Verificaram também a validade da
escala comparando as rr.édias das notas de diferentes escolas da Forca
Aérea, variando em grau de envolvimento com assuntos militares. Con;o
previram, quanto mais militar a escola, menor o conflito e vice-versa.
Tiveram também que "observar" o desempenho no ensino e a eficiência.
Isto foi conseguido, fazendo os oficiais professores darem notas de
eficiência uns aos outros. Em outras palavras, Getzels e Guba "obser-
varam" conflito e eficiência de ensino. O que fizeram, na realidade,
foi "medirn ambas as variáveis. O que significa isto?
Mensuràção
Figura 9.1
146
ficar relações. 2 Os valores da figura 9. 1 indicam que os juízes acredi-
tavam que os negros sofriam a maior discriminação (6J1), índios ameri-
canos vindo em segundo lugar (5,7) chegando aos ingleses, que, como
se esperava, sofreram a menor discriminação (1,3).
A figura representa uma relação porque tem um conjunto de pares
ordenados. :e também mensuração, já que os números (classificações
médias) foram atribuídos a objetos (grupos) de acordo com regras. As
regras incluíram a especificação da escolha dos especialistas, ou juízes, a
escala numérica usada, de 1 a 7J e a variável medida, discriminação.
E uma ''boa~· mensuração? Ainda não sabemos. Pode ser e pode não ser.
No capítulo 4, foi usada ordenação em postos, em vez de pontos
numa escala. Apesar de isto mudar a natureza do procedimento de
mensuração, principalmente os números usados para serem atribuídos aos
objetos, não representa mudança na concepção de mensuração como
numerais atribuídos a objetos conforme regras. ~ aconselhável estudar
outro exemplo de mensuração antes de continuannos a discussão. ·
Medindo inteligência
c~igni_~
=~ ~
Estude os números da tabela 9 . 1 cuidadosamente. Considere que
eles são o resultado de uma tarefa de julgar, ou dar notas, entregue a
quatro juízes que foram instruídos para julgar cada um de cinco geren-
tes de escritórios quanto à competência ao dirigir um conjunto de tarefas
administrativas. Os cinco gerentes foram, individualmente, observados
por quatro juízes. Os julgadores usaram uma escala de sete pontos, 6
.significando altíssima competência e O competência muito baixa. Uma
das primeiras perguntas que fazemos em qualquer procedimento de
mensuração é: Quão fidedigno é?
148
Tabela 9.1 Notas dadas por quatro juízes à competência de cinco pessoas -
fidedignidade alta.
fuízes
6 6 5 4 21 5,25
2 4 6 4 3 17 4,25
3 4 4 5 2 15 3,75
4 3 1 3 1 8 2,00
5 2 2 o 5 1,25
t;' atingir um alvo com uma arma. Com um teste queremos atingir o atri-
~~"> buto. Se a arma atinge o alvo consistentemente- os tiros se concentram
;~:i;- perto ou no centro do alvo; se não se espalharem - dizemos que é
~f~Bfidedigna. Igualmente com as medidas sociológicas e psicológicas. Se elas
;·J~~~atingem o alvo, são fidedignas. Mas o que significa "atingir um alvo"
;%:~~;para um teste?
·~~~~~i,~)
;~'~\~
Na moderna teoria dos testes assume-se que cada indivíduo medido
em alguma variável tem uma "verdadeira nota" na variável. Já que
niniguém pode saber qual é a verdadeira nota de qualquer indivíduo, é
usado o seguinte raciocínio. Se o pesquisador puder medir a mesma
pessoa com o mesmo teste, um grande número de vezes, e a média de
todas as notas em todas as tentativas for calculada, essa média seria uma
estimativa da verdadeira nota. Mas o indivíduo geralmente é testado
uma só vez. Como podemos saber ou até estimar qual é a verdadeira
nota? Não podemos, mas uma estimativa da fidedignidade do teste pode
ser obtida através de certos procedimentos estatísticos, que usam as
notas de um certo número de indivíduos para fornecer estimativas
estatísticas.
150
Igualmente, se examinarmos as classificações dos juízes c e d,_ nova-
mente encontramos c6rrespondência geral nas classificações. Tal concor-
dância produzirá classificações médias (coluna denominada umédia'')
que diferem claramente umas das_ outras, desde que, naturalmente, os
indivíduos realmente difiram uns dos outros em competência. Qua:hto-
maiores estas-diferenças, mais alta a fidedignidade, outras coisas manti-
das constantes.
Sem dúvida o leitor ainda está um pouco confuso. Vamos então
inventar uma situação altamente contrastante. Suponhamos que todo o
procedimento de julgamento tenha .sido não-fidedigno. Suponhamos que
os juí:-"es não soubessem como apreciar a competência e, além disso, que
tenham sido descuidados. Quase certamente tal situação resultaria- em
um conjunto de classificações de baixa fidedignidade. Damos um exem-
plo na tabela 9. 2. Os números (classificações) da tabela são números
aleatórios, gerados por um calculador programável.
Tabela 9.2 Notas dadas por' quatro juí~es. à competência de cinco pessoas -
fidedignidade baixa.
Juízes
·~.
Pessoas ·n..~r b c d Soma Média
li
2 5 I 6 14 3,50
2 5 2 6 4 17 4,25
3 2 3 1 5 ·11 2,15
4 3 1 3 2 g. 2,25
5 6 3 4 4 17 4,25
152
são sempre menos variáveis do que os números dos quais são calculada....
A amplitude maior provavelmente reflita mais exatamente as diferenças
individuais em competência das cinco pessoas, cuja competência está
sendo medida. Se as médias se assemelham a médias calculadas a partir
de números aleatórios, então provavelmente serão iguais entre si; não
diferirão muito. Se obtivermos números numa situação real de mensu-
ração que se assemelhem a números aleatórios, então, sua fidedignidade
será baixa. Eles não podem refletir com exatidão as diferenças individuais
das pessoas medidas.
Tabela 9.3 Médias das· pessoas tiradas das tabelas 9.1 e 9.2.
Alta Baixa
Pessoas fidedignidade Pessoas fidedignidadem
(tabela 9. 1) (tabela 9. 2)
5,25 2 4,25
2 4,25 5 4,25
3 3,75 3,50
4 2,00 3 2,75
5 1,25 4 2,25
.l.:·:~ •
3 Note, entretanto, que itens individuais são muito menos fidedignos do que testes
inteiros. Entretanto, itens de fidedignidade relativamente baixa podem, quando
usados em número suficiente, produzir um teste ou escala fidedigna. É um
aspecto ou princípio útil, que torna possível obtermos testes fidedignos de caracte-
rísticas humanas.
154
não nos aproximarmos da uverdadeira" nota dos indivíduos (ou objetos)
medidos? Ê um dos principais motivos para se fazer a mensuração.
Temos que confiar nos resultados obtidos. Devemos saber, por exemplo,
que se medirmos a competência ou a criatividade ou ainda a dominância
ou inteligência de um grupo, obteremos as mesmas notas ou notas
semelhantes em uma mensuração subseqüente dos mesmos indivíduos.
Isto significa, entre outras coisast que obteremos as mesmas ordens de
postos das notas, ou parecidas.
Vejamos a relação entre duas variáveis, inteligência e competência.
Digamos que queiramos saber o papel que a inteligência desempenha
em certa espécie de competência. Se uma ou ambas as medidas de inte-
ligência e competência não forem fidedignast então não será possível
determinar com exatidão de que maneira estão relacionadas - ou cr corre-
Iacionadas", como se diz. A magnitude da relação pode ser alta, mas se
uma ou ambas as medidas não forem fidedignas, a relação calculada
será baixa, simplesmente por falta de fidedignidade. Se aceitarmos a
magnitude da relação calculada pelo seu valor aparente, vamos nos
desviar seriamente. Suponhamos que a magnitude da relação tenha sido
realmente alta, mas a medida de competência não seja fidedigna e que
não saibamos que não era fidedigna. Podemos acreditar que a relação
entre inteligência e competência seja baixa ou nula. Podemos então
concluir que i.Weligência tem pouco a ver com o tipo de competência
que estávamos teífta.p.do medir. Tal conclusão seria, naturalmente, errada.
Igualmente, no uso prático de medida de variáveis, a fidedignidade é
um aspecto indispensável da mensuração. Que adianta um teste de inte-
ligência de crianças que não seja fidedigno? Que adianta uma medida
de atitudes em relação a grupos minoritários que não seja fidedigna?
Se os testes e as escolas não forem fidedignos, as predições que fazemos
com eles - e eles são instrumentos de predição, assim como medidas
de variáveis - são inúteis ou piores que inúteis, pois podem nos
desviar de. conclusões relativas a habilidades e atributos dos indivíduos
que estamos medindo, assim como a relações entre as habilidades e
aúibutos.
Validade
'i(
1
A fidedignidade é um problema praticamente resolvido. A teoria
\ da fidedignidade dos instrumentos de mensuração psicológica e socio-
11
lógica está bem desenvolvida e amplamente compreendida. 4 Princípios
~l
l a atenção de todos vem se focalizando neste importantíssimo aspecto
dos problemas de mensuração e de ciência comportalmente, e já foi
feito um grande progresso na sua compreensão, senão no seu domínio
prático.
1\1\ palavra, deve medir o que o pesquisador deseja e pensa que está
medindo.
Há mais de um tipo de validade. Embora não possamos nos apro-
fundar nos tipos e definições diferentes de validade neste livro, devemos
tentar investigar as principais definições, pois elas nos ajudarão a com·
156
preender a abordagem científica geral à observação do comportamento
e à mensuração de variáveis. Por sua vez, esta compreensão nos dará
melhor fundamento para avaliarmos algumas controvérsias fundamentais
sobre rncnsuração que importunam tanto os cientistas quanto os leigos.
Tipos de validade
1::;:'7
!Medindo dogmatismo
158
Em outras palavrasf o trabalho de Rokeach foi dirigido tanto para
a teoria por trás da escala D quanto para as propriedades da escalaf
um exemplo claro de validação de constructo. "Validação de constructo"
talvez seja uma expressão mais exata do que "Validade de constructou
para expressar o que está envolvido. O pesquisador tenta de várias
formas obter provas que apóiem a teoria por trás de uma medida assim
como sobre a medida. É um processo divergente e convergente no qual
as deduções da teoria são testadas de maneiras diferentes com a idéia
de que a evidência de testes diferentes convergirá para a validade da
medida. A validação de constructo é, então, essencial à própria ciência
em seus testes de deduções e implicações derivadas da teoria. É uma
importante conquista da mensuração e da pesquisa comportamental, uma
conquista que está revolucionanc:lo a mensuração psicológica e socio-
lógica. 5
~ensuração e~ perspectiva
1e;Q
necessário usar um certo número de itens para medir a variável. Depen-
der de um ou dois itens, como fazem muitos pesquisadores, é loucura
porque se sabe muito bem, e pode ser facilmente demonstrado, que um
ou dois itens simplesmente não oferecem segurança suficiente para justi-
ficar seu uso. Se for feito um experimento e for medida a variável
dependente com apenas um ou dois itens, haverá uma alta probabili-
dade de que, mesmo se existirem diferenças significativas entre os dois
grupos, estas não serão detectadas simplesmente porque a medida da
variável dependente não será suficientemente fidedigna para "pescar" as
diferenças! Se havia· diferenças verdadeiras entre os grupos experimen-
tais, como fora predito, elas não tinham grande probabilidade de serem
detectadas. 6
160
vir a ser perfeita. Ao contrário, vem carregada de dificuldades, sendo
a maior de todas, naturalmente, a validade. Mas os cientistas, principal-
mente os psicólogos, conhecem as limitações e as dificuldades e são geral-
mente muito cuidadosos em suas avaliações e no uso de testes e escalas
e seus resultados. 7
Como qualquer outra coisa, os testes e medidas devem ser usados
com cautela e discrição. Quando falamos de mensuração em ciências
comportamentais, colocamo-nos em nível muito diferente do que quando
falamos de mensuração em ciências naturais. Devemos ter sempre muito
cuidado em verificar a fidedignidade e validade de nossas medidas.
Devemos entender que os chamados erros de mensuração desempenham,
infelizmente, um grande papel em nossas medidas. Em ciências naturais,
há muito menos problemas de fidedignidade; consegue-se geralmente um
alto grau de precisão e exatidão com a ajuda de poderosos instrumentos
de mensuração. Validade é mais um problema, mas nem de perto o
problema que há com variáveis como inteligência, ambiente familiar,
atmosfera escolar, atitudes em relação a estrangeiros, criatividade e assim
por diante. Contudo, mensuração é mensuração nas ciências naturais e
nas ciências comportamentais. A definição básica e os procedimentos
gerais são os mesmos. Não é menos legítimo e científico medir as atitudes
e opiniões das pessoas, por exemplo, do que medir a circunferência da
terra ou a força dos terremotos. Se existem variáveis, elas são potencial-
mente mensurá~.f), embora os graus de precisão, exatidão e validade
variem amplamenfe::f
Investigação sociológica
162
realidade da pesquisa. Outro motivo é por termos que nos dirigir a um
grande corpo de estudos variados que parecem ter as características
comuns de usar variáveis sociológicas, ser não-experimentais, dirigir-se
freqüentemente para problemas sociais importantes e usar um conjunto
de técnicas analíticas relacionadas. Muitas dessas pesquisas foram chama-
das "levantamentos'' (survey research) ou "estudos de campo".
Para sermos mais concretos, vejamos os sumários de quatro inves-
tigações sociológicas. O fato de incluírem "variáveis psicológicas" não
muda sua natureza basicamente sociológica.
Resposta
Tabela 10.2 Classe social e tempo de desmame, estudo de Miller e Swanson (1960).
(reprodução da tabela 1.1) a.
Cedo Tarde
Classe média 33 22 55
(60%) (40%)
Classe operária 17 31 48
(35%) (65%)
50 53 103
164
Stouffer. 2 As mães de classe média desta amostra desmamaram seus
filhos mais cedo que as mães de classe operária. (Veja mais detalhes
na discussão do capítulo 1.)
Tabela 10.3 Va~ores orientados para pessoas e mudança de escolha ocupacional, 1952.
Continuaram Abandonaram
professores o ensino
·o último estudo citado nesta seção não pode ser exatamente chama-
do levantamento ou estudo de campo. ~. entretanto, o que está sendo
clmnado neste capítulo, investigação sociológica.~ também um exemplo
de um novo .tipo de estudo que cada vez mais está sendo feito, à medida
que arquivos de dados vão sendo construídos abrangendo os resultados
de muitos estudos. Hyman, Wright e Reed (1975) desejavam respostas à
pergurita extremamente importante, mas raramente formulada empirica-
mente: "Que duração têm os efeitos da educação formal?"
Uma das grandes dificuldades em estudar os efeitos. de longo alcance
da escolarização e de programas ou mudanças sociais é a dificuldade
que os pesquisadores têm em ~guir as pessoas ao longo do tempo. Os
estudos que seguem as pessoas através do tempo chamam-se estudos
longitudinais. Se quisermos avalifJI' os efeitos de longo. alcance das
escolas ·e da escolaridade, devemos .estudar as pessoas quando estão na
escola, logo após safrem da escola e em momentos posteriores. Mas esta é
uma das espécies de pesquisa mais difíceis de fazer por diversas razões
práticas e técnicas que não podemos citar·.aqui. ~ suficiente dizer que
há pouca evidência empírica longitudinal na questão· dos efeitos duráveis
"' da escolarização.· ·
Hyman e seus colegas resolveram. o problema da dificuldade em
responder à. sua pergunta sobre os efeitos duráveis da escolarização,
fazendo análise secundária de dados coletados em diversos levantamentos
nacionais. Com efeito, eles combinaram e compararam os resultados de
vários. levantamentos relacionados com a sua pergunta. Isto é, extraíram
informação sobre ·o nível de escolaridade de milhares de norte-americanos
de 54 levantamentos, com um total de cerca de 80.000 indivíduos.
Ós levantamentos foram feitos durante o período. de 1949 a 1971. Foram
escolhidos de modo ~ agruparem·se em tomo de quatro pontos no tempo,
permitindo. uma aproximação aos estudos longitudinais. O leitot, cuja
acuidade crítica. deve estar bem desperta com nosso estudo anterior, verá
ne~te estudo, seus problemas e resultados, um ótimo exercício de inter-
pretação crítica.
Na tabela 10. 4, alguns resultados do estudo de Hyman e outros
são dados de forma muito sumarizada e condensada. Estes resultados são
166
Tabela 10.4 Nível de escolaridade e porcentagens médias de conhecimento acadê-
mico de quatr9 grupos de idade nos anos 60, estudo e Hyman e outros (1975). "
Nível de escolaridade
3 Estes três itens e as entradas na tabela foram ·escolhidos entre muitas tabelas
semelhantes, quase que arbitrariamente. A maioria dos itens usados pelos levanta-
mentos, entretanto, foram semelhantes quanto a serem conhecimento funcional
aplicado.
operadas através do tempo. A maioria dos estudos sobre os efeitos da
escolarização é feita em um ponto do tempo. A relação pod~, natural-
mente, ser estudada desta forma, mas os resultados nada nos dizem a
respeito dos efeitos da escolarização através do· tempo.
Hyman e outros, numa excelente tentativa de "sjmular" o aspecto
longitudinal, usaram dados de levantamentos nacionais e categorizaram
os dados obtidos durante diferentes períodos de tempo pela categoria
"Idade H, dada na tabela 1Oo4. Nela há quatro grupos de idade, ou seja:
25-36, 37-48, 49-60 e 61-72. Os autores argumentaram que os efeitos
da escolarização seriam mostrados pelo conhecimento, aumentado com a
escolarização aumentada e que os padrões de diferenças seriam os mes-
mos ou semelhantes em diferentes grupos.
Pela tabela 10.4 ficou claro que a resposta principal dos autores
ficou respondida: da escola primária até a universidade, a .quantidade de
conhecimento aumenta e aumenta de forma parecida nos quatro grupos
(diferentes níveis de idade). Esta descoberta repete-se monotonamente
nas tabelas de Hyman e outros. Raramente se vê tal consistência de
resultados e demonstração de poder de "replicação", se se puder chamar
os diferentes níveis de idade e os vários testes de conhecimento, repli-
cações.
A pergunta incômoda volta sempre, entretanto: "Podemos acreditar
nos resultados? É possível que esses resultados fortes sejam espúrios no
sentido de que não é a escolarização que gera maior conhecimento quanto
mais alto se chega no sistema educacional, mas uma outro variável ou
variáveis?"
Consideremos a inteligência. :É possível que o nível de inteligência
diferente dos participantes da amostra produziu as diferenças observadas
em percentagem nos três níveis de escolaridade? Parece bastante plausível
supor que indivíduos mais inteligentes sobem mais no sistema escolar
do que indivíduos menos inteligentes. Se for este o caso, sem dúvida
os resultados da tabela 10 o4 (e outros semelhantes) levam à conclusão
errada. Não é a escolarização, mas a inteligência que influencia. Ou,
talvez mais exatamente, é a educação e inteligência. Hyman e outros
(1975, p. 294) usaram a frase certa que expressa a dificuldade frustrante
que os analistas de resultados de pesquisa enfrentam, principalmente em
pesquisa não-experimental: "terrível indeterminância". Naturalmente,
neste estudo há outras variáveis que contribuem para a terrível indeter-
minânciao Vamos nos concentrar rapidamente apenas em inteligência.
Hyman e outros controlaram variáveis concorrentes e explicações
concorrentes de forma competente. Sem dúvida eu recomendo seu livro
ao leitor como modelo de raciocínio cuidadoso, objetividade científica,
exposição clara e o uso de material de pesquisa de arquivo para testar
168
questões práticas importantes. Usa também profusamente o raciocm10
de hipóteses alternativas que já encontramos em capítulos anteriores, mais
especialmente no capítulo 9 sobre pesquisa experimental e não-experi-
mental. Vamos dar uma rápida olhada, entretanto, no que talvez seja a
parte mais fraca de Hyman e outros, isto é, nos argumentos sobre inte-
ligência.
Os autores dizem que a variável que se desejaria poder controlar é
a inteligência, medida durante a infância, antes que os resultados dos
testes pudessem ter sido influenciados pela escolarização. Mas tais
medidas necessárias ao controle direto, dizem eles, estão além do alcance
de qualquer pessoa; os sujeitos do levantamento já estão adultos, tarde
demais para medir inteligência antes da influência da escolarização. (A
escolarização, naturalmente, tem uma forte influência sobre a inteligên-
cia medida através de testes.) Reciprocamente, a mensuração da inteli-
gência de crianças vem cedo demais para medir "os efeitos duráveis da
escolarização.
Para apoiar seu argumento de que a inteligência não produziu os
efeitos por eles relatados, eles usaram argumentos opostos. Primeiro,
as características sociais e biológicas tiveram sua influência diminuída
como critérios de seleção escolar. Mais e mais crianças têm alcance à
educação nos últimos anos. A inteligência deveria, portanto, ter um
grande papel em determinar a realização. Segundo, padrões antigos,
mais rigoroS~L.:,~e desempenho acadêmico nas escolas do país, foram
relaxados. Assirrt, estudantes de gerações mais recentes conseguem prosse-
guir na sua formação e subir mais no sistema educacional, embora sua
inteligência seja mais limitada. O primeiro argumento, então, diz que a
inteligência desempenha um papel maior e o segundo diz que desem-
penha um papel menor. Hyman e outros afirmam que os dois argumen-
tos levam à conclusão de que a contribuição da inteligência deve ter
mudado com o tempo. Portanto, se for descoberto, como ocorreu em sua
análise, que os efeitos da educação não variam através de períodos de
tempo e grupos de idade. então, inteligência não é a explicação. Eles
citam também resultados de outros estudos em que, segundo afirmam, a
influência geral da inteligência sobre a realização educacional é modesta
(uma conclusão possivelmente duvidosa).
Minha conclusão é que os resultados de Hyman e outros são empiri-
camente válidos, tendo em vista a magnitude dos efeitos- as diferenças
de porcentagens - e sua notável consistência através do tempo. Mas
ainda estou preocupado com a possibilidade de que uma parte substan-
cíal dos efeitos observados seja devida à inteligência. A conclusão mais
exata provavelmente seja que tanto inteligência quanto escolaridade
tenham influências substanciais e conjuntas duradouras sobre o conhe-
cimento. Eu teria gostado de ver a inteligência controlada. Mas isto não
era diretamente possível. Mesmo assim os pesquisadores fizeram o
máximo que puderam nas circunstâncias. 4 Pode-se mesmo dizer _que suas
"análises de controle'' (veja especialmente o capítulo 3) são exemplos
excelentes de controle na análise de materiais e problemas difíceis e
controvertido~. De fato, todo o estudo é um ótimo exemplo de investi-
gação sociológica cuidadosa e competente.
Levantamentos
4 Minha dúvida aumenta, entretanto, pelo que Hyman e outros (1975, p. 25)
dizem_ a respeito de um rápido teste de inteligência (vocabulário) aplicado em
um dos levantamentos usados por eles. Os adultos escolarizados tiveram notas
mais altas. Em outras palavras, há uma relação positiva entre inteligência e efeitos
da escola. Em pesquisa, principalmente em pesquisa educacional, muitas vezes se
deseja que todas as pessoas tenham exatamente a mesma inteligência!
170
Os levantamentos descritivos procuram determinar a incidência e
distribuição das características e opiniões de populações de pessoas,
obtendo e estudando as características e opiniões de amostras pequenas
e presumivelmente representativas de tais populações. São usadas ampla-
mente pelo governo, pelas firmas é organizações. O propósito básico das
levantamentos usados desta forma não é científico, mas antes orientado
para a ação e para diretrizes de ação. Entretanto, os levantamentos des-
critivos têm tido efeitos muito fortes sobre a pesquisa comportamental
em geral, principalmente ·através de seu procedimento sofisticadíssimo
de amostragem e entrevista. Tá discutimos amostragem aleatória e suas
características. Para fins práticos é altamente desejável que as amostras
estudadas sejam representativas. Desejamos dizer que o resultado obtido
em um estudo de grande escala é representativo. Se a amostra for sem
dúvida representativa, então, os resultados obtidos por meio dela podem
ser generalizados para toda a população. Se 80 por cento de uma amostra
respondem favoravelmente a uma questão sobre uma possível diretriz
do governo, por exemplo, acredita-se que, se se fizesse a mesma pergunta
a todas as pessoas de um país, um estado, uma cidade ou uma organi-
zação, perto de 80 por cento delas seriam favoráveis.
Há várias maneiras de tirar amostras para fins de levantamento,
mas a única que dá uma razoável garantia geral de ser representativa é
alguma forma de amostra aleatória. Freqüentemente os levantamentos
usam o que se~~pmina procedimento de amostragem aleatória estrati-
ficada, que mostrOu várias vezes ter uma alta probabilidade de ser
representativa.
A tabela 1O. 5 contém evidências notáveis e assegura dor as da
representatividade de grandes amostras aleatórias de todos os Estados
Unidos. O método consiste em verificar a incidência de características
sociológicas prontamente disponíveis de uma amostra com as nwsmas
características obtidas no censo mais recente - ou com outra fonte
de confiança de tais dados.
s O leitor curioso pode pergu;ntar: pode-se confiar nos cálculos do censo? Afinal,
as cifras do censo, embora presumivelmente valores de população, têm um número
de fontes de erro que reduzem sua exatidão ideal. Há alguns até que dizem que
confiam mais nos cálculos das amostras que nas cifras do censo. Em todo caso,
as cifras do censo são geralmente bastante exatas. E, afinal, é preciso usar
alguma coisa para verificar os cálculos das amostras!
6 Para um breve relato destes levantamentos e outros estudos aplicados, veja
Likert e Hayes (1957).
172
anuais foram, evidentemente, altamente eficazes e forneceram informação
nacional exata sobre a renda e suas fontes, poupança, dívidas, bens de
consumo, intenções do consumidor e assim por diante.
Levantamentos de interesse para os pesquisadores comportarnentais
têm focalizado pessoas e fatos vitais relacionados a elas, suas crenças,
opiniões, atitudes, valores, motivos e comportamentos. Apesar de que a
habilidade na realização de entrevistas, bem como o uso de formulários
cuidadosamente planejados predominam nos levantamentos, usam-se
também outros métodos de observação. Em resumo, o levantamento é
uma forma de investigação sociológica (com fortes implicações psico-
lógicas, naturalmente) amplamente usada, especialmente para metas
práticas e de formulação de diretrizes, e que influenciou a pesquisa com-
portamental principalmente com seu procedimento de entrevista e amos-
tragem, como já foi mencionado. Os resultados foram, notavelmente,
exato~ e generalizáveis. Podemos confiar em tais resultados, se obtidos
através de amostragem aleatória feita pelas melhores organizações espe-
cializadas em levantamentos. Vamos dirigir nossa atenção agora para
uma forma de análise comum e importante que é usada em levanta-
mentos e em outras formas de investigação sociológica.
Análise de freqüências
~~ ........,r~~
8 Há uma razão ·estatística por trás desta regra. Veja Kerlinger (1973, pp. 162-166)
para a explicação técníca. Damos uma explicação não-técnica mais adiante.
174
midade religiosa. Observe como a força da relação se mostra clara-
mente nas duas tabelas. Se as· porcentagens fossem calculadas de outra
forma. pelas colunas, a direção da relação ficaria expressa incorreta-
mente e talvez levasse a conclusão errada. Tais tabelas calculadas incorre·
tarnente já foram publicadas. (Nao importa se as porcentagens forem
calculadas por linhas ou por colunas, contanto que a regra de calcular
da variável Independente para a variável dependente seja seguida.)
P (N = 105) NE (N = 12b)
Concordo 72,4% 50,0%
Discordo 27,6% 50,0%
100,0% 100,0%
car as atitudes, mas não os distúrbios. O que se deseja dos dados é uma
resposta à questão: "Qual é a probabilidade de distúrbios, dada a atitu~
de?" Pode ser mostrado que essa probabilidade é obtida calculando-se
as porcentagens (mais exatamente, as proporções) das freqüências origi-
nais através das linhas. As freqüências originais das quatro células da
tabela foram obtidas das freqüências de P e NE (105 e 126) dadas pela
comissão. As porcentagens, então, foram calculadas da atitude para os
distúrbios, ou nas linhas. Estas porcentagens estão na tabela 10.7 (os
valores foram arredondados). São equivalentes a dizer: "Se atitude, então
distúrbio".
Tomando essas porcentagens como probabilidade, lê-se, por exem-
plo: "A probabilidade de distúrbios, dada a concordância com a afirma~
tiva: 'Ãs vezes eu odeio os brancos', é 0,55 (ou 55 por cento)". Ê óbvio
que essas probabilidades oú porcentagens contam uma história diferente
da do relatório da Comissão. Nesta tabela torna-se importante o desa-
cordo com a afirmativa. Dado o desacordo com a afirmativa, a probabili-
dade é de 0,68 de que indivíduos não se envolverão. Dado o acordo~ a
probabilidade é de 0,55 de que os indivíduos participarão dos tumultos.
Mais importante, as porcentagens ou probabilidades na tabela 1O. 7 estão
em consonância com as ordens do Presidente; as da tabela 10.6 parecem
não estar em consonância com elas.
Este exemplo é particularmente difícil porque, neste casof podem
ser oferecidos argumentos razoáveis para ambos os métodos de calcular
as porcentagens. Ja que a atnbuição e obietivo da comissão foram, entre-
tanto, determinar por que ocorriam as perturbações, o peso do argumento
parece cair para o lado do cálculo de porcentagens da tabela 10.7 e
contra o da tabela 10. 6. O enunciado correto do problema, na forma
"se p, então q,, é: se atitude, então perturbação e não se perturbadores,
então atitude.
O exemplo foi explanado mais extensamente para dar ao leitor algo
mais que a oportunidade de um rápido olhar para um problema de
análise e interpretação interessante e importante. Pode-se ter ganho
também maior compreensão da análise de cruzamentos simples. O pro·
blema substantivo é importante tanto teórica quanto praticamente. O
176
Tabela 10.7 Respostas de participantes em distúrbios (P) e pessoas não-envolvidas
(NE). com porcentagens calculadas por linhas.
p NE
178
11. A abordagem multivariada:
regressão múltipla e partição da variância
180
multivariados. A variação e a vnriância foram também discutidos. Agorn
precisamos ir majs adiante e mais a fundo.
Vamos examinar a realização de crianças do ponto de vista de
voriânda. Queremos conhecer as principais influências sobre a realização
escolar, e obtivemos em uma pesquisa com 300 crianças, digamos, seis
medidas de variáveis consideradas -de influência sobre a renlização. Preci-
samos estudar as relações bastante complexas entre, por um lodo, a reali-
zação verbal medida por um teste compreensivo .de realização verbal, e,
por outro, inteligência, motivação, atitude em relação à escoln, ambiente
fammar classe social e sexo. Admitimos que dispomos de médidns válidas
c fidedignas de todas as vadóveis.
Primeiro, consideremos a figura 11 .1, que se acredita representar
o efeito apenas da inteligência sobre a realização. A área total do círculo
representa a variância total das notas dos testes de 300 crianças do nono
ano, digamos. Sabemos que uma porção desta variância total, que repre-
senta as diferenças individuais das crianças no teste de realização, é
devida a diferença na inteligência das crianças. Isto é, algumas crianças
realizam mais e melhor porque têm inteligência superior; a]gumns não
realizam tanto nem tão bem porque têm menos inteligência. A porção
da variância "devida" a inteligência_ é representada na figura pela área
sombreada. 2 Ela ocupa cerca de um terço da área do círculo. "t bastante
realístico: muitas vezes a inteligência é responsável por toda essavariân-.
cia de realização verbal. Se considerarmos a área totnl do círculo igual
~~\·).
,.....::.~F
Variância
devida .à
inteligência
(30%)
Variãncia de
realização
Figura 11.1
2 Expressões que implicam "causa" são difíceis de evitar. Por exemplo, expressões
como "devido a'' "variância explicada por", "influências" e outras têm pelo menos
uma ligeira conotação causal. Não é intencional, todavia. É um subproduto da
linguagem, que é sempre rica em atribuições causais. Voltaremos mais tarde a
esta dificuldade.
a cem por cento, podemos mostrar aproximadamente quanto da variância
de realização é "explicado" por inteligência e pelas outras variáveis.
Neste caso, a inteligência é responsável por cerca de 30 por cento.
Sabemos, naturalmente, que a inteligência não é a única variável
de influência. A área maior, não sombreada, expressa a variância não
explicada pela inteligência (70 por cento). Se soubéssemos mais sobre
realização, poderíamos sombrear mais o círculo. Aliás, se tivéssemcs
conhecimento completo - se conhecêssemos todas as influências sobre
a realização - poderíamos sombreá-lo inteiro. Provavelmente jamais
poderemos conhecer todas as influências. Sem dúvida, raramente pode-
mos sombrear mais da metade do círculo quando falamos sobre reali-
zação. Em todo caso, tomemos outras- variável, ambiente familiar. Na
figura 11 . 2 a variância de realização devida ao ambiente familiar é
mostrada. É cerca de 10 por cento da variância total, digamos.
As fjguras 11 . 1 e 11 . 2 expressam os efeitos separados de inteli-
gência e ambiente familiar. Se essas duas variáveis fossem completa-
mente independentes ou não relacionadas uma com a outra - se a
magnitude da relação entre elas fosse zero - então a situação quanto à
variância se pareceria à da figura 11.3. A área sombreada total ocupa
30°/o + 10°/o = 40% da área total e as duas áreas sombreadas não
se sobrepõem. Se é satisfeita a condição de independência (a falta de
superposição na figura), então pode-se dizer que 40 por cento da variân-
cia de realização são devidos à inteligência e ambiente familiar, juntos.
No melhor de todos os mundos de pesquisa possíveis, as variáveis
independentes seriam independentes uma das outras ou não-correlacio-
nadas. (Naturalmente não é por serem independentes umas das outras
Variância
explicada por
ambiente familiar
(10%)
Variância não
explicada por
ambiente familiar
(90%)
Variância de
realização
Figura 11.2
182
Variância de
ambiente
familiar
(10%)
Variância de
inteligência
(30%)
Variância de
realização
Figura 11.3
184
mais de uma variável independente. Sob tais condições simples e rrpurBs"
podem-se calcular os coeficientes de correlação entre cada uma das
variáveis independentes e a variável dependente, somar os r 2 separados
e concluir quanto da variância total de realização é explicado pelas
variáveis independentes. Na figura 11 .3, por exemplo, soma-se 0,30 +
0,10 == 0,40; ou 40 por cento da variância é explicada. Pode-'se ainda
falar inequivocamente sobre as contribuições separadas à variância de
realização das duas variáveis independentes: neste caso das duas
variáveis independentes, 30 por cento e 10 por cento.
O mesmo raciocínio e cálculos podem ser aplicados a todas as seis
variáveis independentes mencionadas anteriormente - contanto que as
seis variáveis sejam independentes entre si. Uma situação hipotética,
mostrando os coeficientes de correlação entre cada uma das seis variáveis
independentes e realização, é mostrada na figura 11.4. Embora o exem-
plo seja fictício, as porcentagens de variância indicadas não são irrealis-
tas, embora sejam provavelmente grandes demais comparadas às propor-
ções de variância obtidas em pesquisas verdadeiras. A questão é a adição
das variâncias sob a condição de independência e a interpretação das con-
tribuições separadas à variância de realização. A variância total explicada
é 0,30 + 0,10 + 0,08 + 0,10 + 0,06 + 0,02 = 0,66, ou 66 por
cento da variância de aproveitamento é explicada pelas seis variáveis.
A grand~ dificuldade neste não-melhor-dos-mundos-da-pesquisa,
entretanto, é ~ê-"l::yariáveis independentes como estas são quase sempre
correlacionadas, e às vezes substancialmente. (Daremos exemplos de
pesquisas reais mais adiante.) Por exemplo, há uma correlação positiva
entre inteligência e ambiente familiar. Suponhamos que seja r = 0,30.
Ambiente familiar
(0,10)
Motivação
(0,08)
Inteligência
(0,30)
Atitude em
relação à escola
(0,10)
Classe social
Sexo {0,06)
(0,02)
Figura 11.4
um número não irrealista. Então inteligência e ambiente familiar têm
alguma coisa em comum (r 2 = [0,30] 2 = 0,09) o que significa natu-
1
ralmente que elas não são independentes uma da outra. Isto quer dizer
· que a suposição de independência das variáveis independentes aceita
antes é falsa, que por sua vez significa que as interpretações dos dados
feitas antes são também falsas!
Olhe a figura 11 . 5 J onde está esboçada a nova situação de correla-
ção das três variáveis. As correlações entre inteligência e realizaçãoJ e
entre ambiente familiar e realização são ainda as mesmas. Mas agora a
correlação entre inteligência e ambiente familiar já não é mais zero,
como na figura 11. 3~ mas 0,30. Isto, na figura 11. 5, é equivalente a
0,30 2 = 0,09, ou 9 por cento das variâncias de inteligência e ambiente
familiar são compartilhados. Não podemos mais falar sobre o efeito da
inteligência sobre a realização sem levar em conta até certo ponto o
ambiente familiar. Em outras palavras, quando há correlações maiores
que zero (ou menores que zero) entre as variáveis independentes, a
interpretação dos resultados da pesquisa é mais difícil e complexa.
Representar a situação da figura 11.4, quando as variáveis são
correlacionadas, é difícil. Tal figura não apenas se torna confusa por
causa das superposicões das variâncias: a verdadeira situação (as corre-
lações entre as variáveis e suas covariâncias) pode ultrapassar e ultra-
passa as duas dimensões da superfície do papel. Vamos abandonar, pelo
menos temporariamente, os diagramas e mudar de assunto, ruas sem
abandonar o tema principal.
Ambiente
familiar
(0,10)
Inteligência
e ambiente
familiar
(0,09)
Inteligência
{0,30)
Variância de
realização
Figura 11.5
186
Regressão múltipla
188
modo geral. A resposta à segunda questão é bastante complexa. Vamos
tentar, de qualquer maneira, dar uma resposta aproximada.
HEAe RCS
AA,HEAeRCS
Figura 11.6
1RQ
A análise de regressão múltipla analisa eficiente e prontamente
situações como esta. Primeiro, calcula-se uma chamada equação de
regressão. Pode ser também chamada equação de predição. Com duas
variáveis independentes, a equação fica assim:
Y' = a + b1 X1 + bz X2
Valerá a pena o leitor perder tempo e se dedicar a compreender esta
equação. Ê teórica e praticamente importante e útil. Y' representa a
variável dependente, ou pode representar a nota predita para qualquer
indivíduo da amostra estudada. a pode ser desconsiderada: é uma
constante usada para ajustar os valores calculados produzidos pela
substituição de valores apropriados na equação. xl e x2 representam
os valores ou notas nas duas variáveis independentes. b1 e b2 são chama-
dos coeficientes de regressão. Expressam os pesos relativos das duas
variáveis independentes na predição. (Mas veja abaixo);
Os X's- Xt, x2, .. XK- são notas nas variáveis 1, 2 . . . k.
Isto é, se tivéssemos duas variáveis independentes, como na equação
acima, e ·200 sujeitos, cada um dos sujeitos teria 2 notas, uma em
X1 e uma em X2. Um coeficiente b expressa o peso que uma determinada
variável independente tem na situação de regressão. "bt Xt" significa
que qualquer valor de qualquer indivíduo na variável independente 1 é
pesado (multiplicado) por b1. Hb2 X2" e, se houvesse mais variáveis
independentes, outros b's e X's, têm significado semelhante. Um coefi-
ciente baixo significa que a variável à qual o coeficiente está ligado
recebe menor peso na equação. Um alto coeficiente, naturalmente, tem
o significado oposto.
Suponhamos que tenha sido calculada uma equação de regressão
a partir de um conjunto de dados:
Y' = 0,10 + 0,68X1 + 0,39X2
Os pesos b de 0,68 e 0,39 indicam que os valores X1 terão peso maior
que os valores Xz. Isto significa que X1 é realmente mais importante
que os valores X2 na predição? Não podemos dizer com clareza. A inter-
pretação dos pesos de regressão em geral não é tão simples e fácil.
Certamente, se a questão acima ficou usada para predizer o valor Y de
qualquer indivíduo baseado no conhecimento de suas notas nas variáveis
1 e 2, X1 receberia peso maior que X2. Isso, entretanto, nem sempre
significa importância maior.
Tomemos dois casos, digamos os indivíduos 7 e 41 numa amostra
de· 50 pessoas. Seus valores de X1 e X2 são (2,4) e (10,5), respectiva-
mente. Então, substituindo na equação de regressão:
Indivíduo 7: 0,10 + (0,68) ( 2) + (0,39) (4) 3,02
Indivíduo 41: 0,10 + (0,68) (10) + (0,39) (5) 8,85
190
Os valores preditos, ou Y', dados os dois conjuntos de valores de
X1 e X2, são 3,02 e 8,85. O indivíduo 41 recebe um valor consideravel-
mente mais alto em Y' porque sua nota em X1 é alta e X1 tem mais
peso (0,68) do que X2 (0,39). O oposto é verdadeiro, embora muito
menos precisamente, para o indivíduo 7: ·sua nota mais alta (4) é X2,
que pesa menos que xl.
Equações de regressão, tais como a dada acima, permitem a melhor
previsão possível partindo-se de determinados conjuntos de dados.
Nenhuma outra equação ou método (por exemplo, pod(!-se simplesmente
somar os valores X1 e X2 para descobrir os valores de Y') oferecerá
predição tão boa.
Se fossem usados números aleatórios em vez de notas verdadeiras
de teste, então a predição seria inútil por que as correlações entre
X1 e Y e X2 e Y estariam próximas de zero. Na medida em que X1 e X2
se correlacionam com Y, a predição será "boa". As "melhores" predições
são obtidas quando as variáveis independentes, xl, x2, . . ' XK, estão
alta ou substancialmente correlacionadas com Y, a variável dependente,
e as correlações entre as variáveis independentes são baixas. Quanto
mais altas as correlações entre as variáveis independentes, menos as
variáveis sucessivas contribuirão para a predição, e mais difícil e
ambígua será a interpretação.
O que a análise de regressão múltipla faz essencialmente é estimar
os pesos relatl~~:,çlos coeficientes de regressão a serem ligados aos X's,
tomando em consideração as relações (correlações) entre os X's e Y e
entre os· X's. Por· exemplo, na equação de regressão dada acima, 0,68
indica a influência relativa de X1 sobre Y, levando em conta a correlação
de xl com y e a correlação entre xl e x2.
Na equação de regressão dada acima, os b's foram os ·coeficientes
de regressão. Se as variáveis independentes forem medidas com diferentes
escalas de mensuração -por exemplo, os valores X1 podem ter dois e
três algarismos e os valores x2 podem ter apenas um algarismo - haverá
dificuldade de interpretação, porque um b pode ser maior ou menor que
outro simplesmente por causa da escala de mensuração. Alguns pesqui-
sadores preferem portanto usar uma forma de peso de regressão padroni-
zado chamada pesos beta, ou f3's. Tais pesos de regressão geralmente
são calculados rotineiramente por programas de computador e têm certas
virtudes interpretativas. (Têm fraquezas também.) Mais importante, eles
podem ser comparados um com outro. 3 Se calcularmos os betas do
estudo de Holtzman e Brown, obteremos a seguinte equação:
192
independentes fossem zero. A figura 11 . 5 expressava a vanancia de
realização explicada por duas variáveis independentes, mas as duas
variáveis independentes eram, elas mesmas, correlacionadas. É muito
difícil desenhar tal figura com três ou mais variáveis independentes,
tentando representar visualmente- todos os r 2 s. Ê muito possível fazê-lo,
entretanto, se usarmos o raciocínio Y e Y' que acabou de ser discutido.
A análise de regressão múltipla sempre fornece um R e um R2 •
R2 é um índice da quantidade máxima de variância de Y explicada por
todos os X's, como já ficou dito. Suponhamos que temos uma variável
dependente, realização em leitura, (Y), e duas variáveis independentes,
aptidão verbal (X1) e motivação de realização (X2). (Motivação de reali-
zação é uma medida de quanto o estudante está orientado no sentido
de melhorar na escola.) Suponhamos ainda que a equação de regressão é
a dada acima e que R2 é 0,51. Este R2 é a porcentagem da variância
de realização em leitura devida à melhor combinação estatística possível
de aptidão verbal e motivação de realização. A situaçã0 é mostrada na
figura 11. 7.
O círculo total representa a variância de Y, realização em leitura,
a variável dependente. A parte sombreada do círculo indica, como sem-
pre, a variância de y explicada por uma combinação de xl e x2, aptidão
verbal e motivação de realização. A parte em branco indica a variância
da Y não e~~cada por X1 e X2. Ê chamada variância residual. Neste
caso é 100 - ·R:~ ou 1 ,00 - O,51 = O,49 ou 49 por cento da variância
de Y. (0,51 é subtraído de 1,00 porque 1,00 é o maior valor que R2
pode ter.) Parte da variãncia residual é variância de erro, erros casuais
e erros de mensuração. Mas pesquisas futuras usando outras variáveis
Variância de V
não explicada
por X1 e Xz
Variância de Y
\total do círculo)
Figura 11.7
independentes podem ser capazes de reduzir esta variância residual. Por
exemplo, se acrescentássemos medidas de aptidão aritmética, classe social
e ambiente familiar à análise de regressão, a área sombreada -sem dúvida
aumentaria, diminuindo a parte em branco. Em outras palavras, a
predição de realização em leitura melhoraria, e a quantidade de variância
desconhecida seria assim diminuída.
Dois estudos
194
cionais. O instrumento era administrado em entrevistas nat~ casas das
crianças. Em resumo, foi medido o ambiente de aprendizado da casa
com o instrumento, sob a suposição de que o ambiente familiar da
criança tinha poderosa influência sobre sua capacidade mental e reali-
zação. -
Marjoribanks desejava estudar a influência das forças ambientais
sobre o desenvolvimento entre cinco grupos étnicos canadenses: índios,
canadenses franceses, judeus, italianos do sul e protestantes anglo-saxões.
A variável dependente do estudo era desenvolvimento mental; foi medida
por quatro subtestes de um conhecidíssimo teste de capacidade mental,
o SRA, Teste de Capacidades Primárias: Verbal, Numérica, Espacial,
Raciocínio. Assim, havia na realidade quatro variáveis dependentes, ou
quatro aspectos da variável dependente básica, capacidade mental. Havia
duas variáveis independentes: força ambiental e grupo étnico, ou etnia.
A pergunta básica, então, foi: "Como a força ambiental e a etnia afetam
o -desenvolvimento mental?" Marjoribanks desejava saber como cada
variável independente afetava separadamente o desenvolvimento mental
e como afetavam o desenvolvimento mental em conjunto.
A amostra consistiu de 37 familias, 18 de classe média e 19 de
classe inferior de cada grupo étnico, ou um total de 185 famílias.
Os cinco grupos étnicos diferiam significativamente nos perfis das quatro
capacidades mentais. As maiores diferenças estavam na capacidade
verbal, cÓrrràJ~ era de se esperar. Estamos mais interessados, entretanto,
na análise de -regressão múltipla de Marjoribanks, na qual as caracterís-
ticas aditivas (e subtrativas) de R2 foram usadas. Vamos examinar os
resultados de capacidade verbal e de capacidade de raciocínio.
O R que expressava a correlação entre capacidade verbal, por
um lado, e a combinação de ambiente e etnia, por outro, foi 0,78.
Isto é, a correlação entre os Y' previstos, fornecidos pela· equação de
regressão que incluía as duas variáveis independentes, ambiente e etnia,
e os Y's obtidos, as notas verdadeiras de capacidade verbat foi 0,78.
Elevando esse R ao quadrado, Marjoribanks obteve R 2 == 0,78 2 == 0,61.
Isto foi interpretado como antes: 61 por cento da variância de capaci-
dade verbal foram explicados por etnia em combinação com o ambiente,
uma porção substancial da variância. Aparentemente, podemos dizer
que os fatores ambientais e participação no grupo étnico - as diferenças
entre os grupos étnicos - têm uma forte influência na capacidade
verbal. E é certamente uma informação importante e valiosa. Diz-nos
pouco, entretanto . das "influências" separadas das duas variáveis.
Marjoribanks então calculou as análises de regressão separadas, uma
entre capacidade verbal e ambiente e outra entre capacidade verbal e
etnia. Os R 2 foram: 0,50 para capacidade verbal e ambiente e 0,45 para
capacidade verbal e etnia. Para obter estimativas das influências sepa-
radas de cada uma dessas variáveis, ele subtraiu seus R 2 's obtidos separa-
damente do R 2 obtido das duas juntas. O último, lembre-se, era 0,61.
Portanto, o efeito separado do ambiente é calculado subtraindo o R 2 de
etnia, ou 0,45, de 'o,ól: 0.61 - 0,45 = 0,16. Assim, 16 por cento da
capacidade verbal era explicada apenas pelo ambiente. O efeito separado
da etnia foi obtido de maneira semelhante: o R 2 de ambiente foi
subtraído do R~ de ambiente e etnia: 0,61 - 0,50 == O) 1. Assim,
11 por cento da variância de capacidade verbal foi explicado pela etnia,
ou participação no grupo étnico.
Este procedimento aparentemente complexo é até bem simples.
Calcula-se o R2 do efeito conjunto das duas variáveis. Isto fornece a
variância total de capacidade verbal devida a ambas as variáveis
trabalhando juntas, por assim dizer. Subtrai-se, então, por sua vez, os
R 2 devidos a cada variável. Isso mostra os cálculos de influência de
cada variável livres da influência de outra variável. E a variância do
efeito conjunto de ambas as variáveis que ainda não foi explicado?
Afinal, os efeitos separados do ambiente e etnia somam apenas a:
0,16 + 0,11 = 0,27. Assim, sobram: 0,61 - 0,27 = 0,34. Este R 2
é a parte da variância total resultante tanto do ambiente quanto da etnia,
e que é devido a ambas as variáveis trabalhando evidentemente juntas
sem poderem ser separadas. Em outras palavras, as duas variáveis têm
influências separadas e uma influência conjunta que não pode ser
desmembrada.
No que se refere à melhor predição de capacidade verbal, a análise
acima não importa. Marjoribanks pode dizer simplesmente que 61 por
cento da variância de capacidade verbal são devidos a ambiente e etnia,
e em futuras situações podemos usar ambas - e outras, talvez- para
-" predizer capacidade verbal. A explicação científica, entretanto, exige
mais que isso. Queremos conhecer as influências relativas de variáveis
independentes em seus efeitos sobre uma variável dependente. Queremos
explicar com maior profundidade e detalhes possíveis o fenômeno de
interesse e não apenas predizê-lo. Marjoribanks, em sua análise, preten-
deu tanto a predição quanto a explicação. Vou tentar expressar estas
idéias de uma maneira um tanto diferente.
Alguns resultados da análise de regressão múltipla de Marjoribanks
foram dados na tabela 11 . l. Das quatro variáveis dependentes, apenas
as análises de capacidade verbal e de capacidade de raciocínio estão
incluídas na tabela. As variâncias totais de ambas as capacidades juntas,
Ambiente + Etnia, são 0,61 para capacidade verbal e 0,22 para capaci-
dade de raciocínio. O 0,61 é a proporção (ou porcentagem) da variância
de capacidade verbal resultante do ambiente e da etnia. A cifra compa-
rável para capacidade de raciocínio é 0,22, muito menos. Estas podem
ser consideradas as variâncias "totais" explicadas. e desejamos calcular
196
as contribuições separadas das duas variáveis independentes, ambiente
e etnia. O ambiente responde por 0,50 da variâneia da capacidacie
verbal. A etnia responde por 0,45 da variância. As cifras compará~eis
para capacidade de raciocínio são 0,16 e 0,08. Portanto, vamos nos
concentrar em capacidade verbal para reforçar a discussão anterior.
As proporções 0,50 para ambiente e 0,45 para etnia não são,
entretanto, estimativas "puras" das contribuições à variância de capaci-
dade verbal dessas variáveis porque uma parcela de cada proporção de
variância é compartilhada pela outra variável independente. Portanto,
essa parte devida à outra variável deve ser subtraída da contribuição
conjunta de ambas as variáveis. Estes restos são indicados por A - B e
A- C na tabela. A - B = 0,11, por exemplo, significa: da contribui-
ção "total" conjunta do ambiente e da etnia (A), 0,11, ou 11 por cento,
restam depois de subtrairmos o efeito do ambiente, ou 0,61 - 0,50
= 0,11.
Se voltarmos a usar os círculos das figuras anteriores, as coisas po ..
dem ficar claras. Na figura 11.8 usamos o método de descrição de variân-
cia da figura 11.6. O círculo superior representa a variância de capaci-
dade verbal, os dois inferiores as variâncias de ambiente e etnia. A área
sombreada entre capacidade verbal e ambiente representa 0,50 da
tabela 11 . 1 e a área sombreada entre capacidade verbal e etnia repre-
senta os 0,45 da tabela 11 . 1. A área demarcada com linhas mais escura à ·
esquerda repre~R~a a variância de capacidade yerbal devida ao ambiente
apenas (0,16), erl'tJUanto que a área semelhante à direita representa a
variância de caracidade verbal devida a etnia apenas (0,11). Observe
Variável Variável
dependente independente Rs
1Q7
Ambiente Etnia
apenas apenas
(0,16) (0,11)
Etnia
Figura 11.8
198
primeiro que eram todas, em :mbstância, positivamente relacionadas,
indicando que todas estavam medindo mais ou menos a mesma ·coisa.)
O lei to r deve também ficar alerta. Como todos os métodos de análise
estatística, este revelà apenas as.estimativas dos valores dos R 2 • As vezes
os R 2 's podem ser tendenciosos e enganosos. Analistas e pesquisadores
competentes não usarão os R2 's sozinhos em suas análises e interpre-
tações. Usarão também coeficientes de regressão, as correlações originais
de onde os R 2 's emergem, outras estatísticas e resultados de outros
pesquisadores.
Talvez, acima de tudo, os pesquisadores serão extremamente cuida-
dosos em fazer afirmativas causais. Embora tenhamos usado expressões
como "explicada por" e "efeitos", implicações causais, embora talvez
inevitáveis por causa de conotações de linguagem, não foram intencio-
nais. Na pesquisa de Marjoribanks, é particularmente importante ater-se
a esta orientação. Quando falamos da influência da etnia na capacidade
verbal, por exemplo, certamente pensamos na influência que o grupo
étnico exerce sobre a criança em sua capacidade verbal- por motivos
óbvios. Mas a afirmativa de pesquisa mais exata é que há diferenças de
ha~ilidade verbal entre, digamos, canadenses anglo-saxões e canadenses
franceses. Mas essa é uma diferença funcional em capacidade na língua
inglesa. Não queremos dizer que ser anglo-saxão de alguma fornia
"causa" um~0tpelhor capacidade verbal em geral do que ser canadense
francês. A mãrreira mais segura de raciocinar provavelmente seja pela
afirmativa condicional tão enfatizada neste livro: "Se p, então q", c0m
uma relativa ausência de implicação causal.
200
mento político da nação sob análise era mais baixo do que se esperava.
Dados seus níveis de comunicação, urbanização, educação e agricultura,
"deveria" ter obtido uma nota de desenvolvimento político de cerca de
21,48. Mas foi consideravelmente mais baixa, 14,50. Em todo caso, o
estudo de Cutright é um bom exemplo de pesquisa sócio-científica
contemporânea sobre um fenômeno interessante e importante, o desenvol-
vimento político, em que foi usada de maneira frutífera a análise de
regressão múltipla.
12. A abordagem multivariada:
análise fatorial
202
explicações e razões se multiplicarem, vamos tenninar em confusão, ou
com uma situação tão complexa que não poderemos dominá~Ia. Mas parte
de tudo isso é questão de fé. Temos fé em que haja geralmente uma
explicação mais simples para a maioria dos fenômenos. O fato de isso
nem sempre ser verdade não muda a fé. Em todo caso, buscar explicações
mais simples, e depois testar suas implicações, são preocupações científi-
cas fortíssimas.
Um dos mais poderosos métodos já inventados para reduzir a com·
plexidade de variáveis a maior simplicidade é a análise fatorial. Análise
fatorial é um método analítico para determinar o número e natureza das
variáveis subjacentes a um grande número de variáveis ou medidas.
Ajuda o pesquisador, com efeito, a saber que testes devem ficar juntos
-quais os que virtualmente medem a mesma coisa, em outras palavras,
e o quanto medem a mesma coisa. As "variáveis subjacentes", nesta defi-
nição, são chamadas .... fatores . .'. Alguém chamou a análise fatorial a rainha
dos métodos analíticos. Por quê? Vamos tomar um exemplo famoso, inte-
ligência e sua natureza, para tentar compreender esta invenção notável e
a definição dada acima. Tnteligência é um boin exemplo por. causa de seu
interesse intrínseco, prático e -leórico, e porque muito se conhece a
seu respeito agora- embora grande parte ainda continue um mistério.
Antes de começarmos esta discussão, vamos fazer uma digressão para
definir cert~ tennos e 1expressões comumente usados na análise fatorial
e na análise 'tn'4livariada.
204
Inteligência e sua natureza
206
A tabela 12.1 dá apenas uma pequena parte dos resultados de
Thurstone e Thurstone. Para ilustrar, escolhi apenas três dos seus sete
fatores: Verbal, Número e Percepção. Para o que queremos agora,
entretanto, eles são suficientes. Os nomes de oito dos 60 testes
de Thurstone e Thurstone aparecem no lado esquerdo da tabela. Os
números no corpo da tabela são como coeficientes de correlação e são
chamados "cargas fatoriais". (Veja definição dada anteriormente.) Quan-
to maior o número que acompanha um teste - por exemplo, o teste
Vocabulário tem 0,66 sob Verbal, 0,02 sob Número e -0,01 sob
Percepção - mais o teste está associado ao fator. Estas cargas indicam
que o teste Vocabulário percente ao fator Verbal e não aos fatores
Número ou Percepção.
Examine as cargas sob Verbal. Os três testes mencionados acima
têm as cargas substanciais de 0,66, 0,66 e 0,67. Os outros cinco testes
tê cargas próximas de zero (0,01,- 0,03, e assim por diante). Um ana-
lista deverá concluir que estes testes têm alguma coisa em comum -
lembre-se de nossas discussões anteriores sobre correlações, correlações
ao quadrado e variância compartilhada. Os três testes medem alguma
coisa em comum. Se as cargas fossem 1,00, 1,00 e 1,00 (pouquíssimo
provável), o analista concluiria que estariam medindo a mesma coisa
perfeitamente. Se as cargas fossem 0,00, 0,00 e 0,00 (também impro-
vável), ele concluiria então que não estariam medindo a mesma coisa.
~"
Já que o elfuttento ou elementos comuns aos três testes que têm
cargas substanciais estão claramente associados a palavras, o analista
pode concluir aue o "fator" básico comum é capacidade verbal, Assim,
é denominado "Verbal". Raciocínio semelhante aplica-se aos cinco testes
restantes e dois fatores. Os testes Adição, Mutiplicação e Indefinição
de Números têm cargas substanciais de 0,64, 06,7 e 0,40 no segundo
fator. Eles compartilham processos mentais associados a operações
numéricas. Assim, o fator é chamado "Número".
Dois dos testes, Faces e Leitura ao Espelho, têm cargas no terceiro
fator, Percepção, e em nenhum outro. O teste Identificação de Números,
entretanto, tem carga no terceiro fator e também no segundo. Isto quer
dizer que é um teste mais complexo. Pode-se dizer que faz parte das
essências da Percepção e do Número. Tais casos ocorrem freqüentemente
em investigações de análise fatorial.
cv
(A) (B)
Figura 12.1
208
capítulo 11, só que aquela figura era mais complexa. No caso presente.
a correlação é cerca de 0,90 porque a maior parte das variâncias dos
dois testes é compartilhada: cerca de 80 por cento (r2 = o.goz =. 0,81).
Isto quer dizer que provavelmente os dois testes estão medindo a mesma
coisa, capacidade verbal.
A situação na figura 12. 1. (B) é bem diferente. Nenhuma variância
é compartilhada. A correlação entre os dois testes, capacidade verbal
(CV) e dogmatismo (D) é zero. Eles medem coisas muito diferentes.
As duas condições representadas na figura 12.1 mostram com que
os analistas fatoriais trabalham, a saber, variância compartilhada e os
limites dentro dos quais eles trabalham: entre correlação alta ou substan-
cial e correlação zero. Eles procuram descobrir as unidades que formam
a base ·dos testes e medidas estudando e analisando as correlações entre
os testes, e, partindo das correlações, as variâncias compartilhadas.
O método de análise fatorial possibilita-lhes descobrir as variâncias com-
partilhadas dos testes e medidas e detenninar as relações entre as diversas
variâncias compartilhadas. Esta conversa é bastante abstrata. Vamos ser
mais concretos e específicos.
~~~
Suponham-os que, como Thurstone e muitos outros, eu esteja inte-
ressado em "fatores., de capacidade mental. Eu não acredito que capa-
cidade mental seja uma coisa unitária, um poder .intelectual geral evi-
dente em todo o pensamento e ação humanos. Antes, eu suspeito que
haja um número de facetas ou aspectos diferentes de inteligência e
que os indivíduos difiram enormemente em várias dessas facetas. Mas sei
t.~Jmbém que há um limite: deve haver um número relativamente pequeno
de facetas e eu quero conhecê-lo. (Uma tarefa difícil, sem dúvida!)
Em nome da simplicidade, suponhamos que o mundo psicológico
da inteligência seja bidimensíonal, mas que ninguém saiba. Vamos supor
que uma cientista queira compreender a natureza da inteligência humana
e que seja especialista em mensuração psicológica, e que ela acredita
que o "mundo, psicológico da inteligência tenha mais de uma dimensão.
Vamos supor ainda que ela seja radical em sua crença de que quase todos
os psicólogos acreditem que a inteligência seja unidimensional e que,
se se puder entender qual seja a "natureza" dessa dimensão e assumindo
a competência apropriada, os psicólogos podem medir a inteligência e
poderão, com o tempo, entender e conhecer muita coisa a respeito dela.
Antes de continuarmos com o modelo bidimensional, é importante
conhecer as implicações do mundo unidimensional da int~ligência. Veja-
mos primeiros os testes de inteligência. Suponhamos que houvesse seis
testes de inteligência publicados. Se dermos ou aplicarmos. todos os
seis testes a um grande número de pessoas, digamos 300, e depois calcu-
larmos as correlações entre todos os testes, como seriam as correlações?
Seriam parecidas com as correlações dadas na matriz de correlações da
tabela 12. 2. Todas as correlações são positivas e substanciais. Todos os
seis testes evidentemente medem a mesma coisa, e já que são testes de
inteligência, estão medindo inteligência. Os analistas fatoriais diriam
que há um fator a ser derivado da matriz de correlação da tabela 12. 2.
Em outras palavras, fizemos uma análise fatorial inspecionai e con-
cluímos, porque todas as correlaçõ_es entre os testes eram positivas e
substanciais- e todas mais ou menos no mesmo grau de magnitude-
que há um fator nos dados. E esta conclusão combina com a idéia
anterior de que a inteligência habita um mundo psicológico unidimen-
sional.
Mas tomemos agora um mundo psicológico bidimensional. Como se
pareceria uma matriz de correlação obtida em um mundo como esse?
Vamos voltar à nossa psicóloga radical que acredita que o mundo psico-
lógico da inteligência seja bidimensional. Ela crê que todos os testes de
inteligência criados até agora são insatisfatórios porque habitaram um
mundo unidimensional. Poderiam ser satisfatórios se a inteligência fosse,
realmente, unidimensional. Ela acredita, entretanto, que não seja; que é
bidimensional! A "realidade" de seu mundo da inteligência é muito
diferente da "realidade" da crença geral de outros psicólogos. Como
poderá demonstrar sua crença e provar que a creriça geral está errada?
Ela acredita que a "entidade" subjacente dos seis testes da tabela
12.2 seja capacidade verbal, já que o estudo cuidadoso dos testes mostra
que todos os seis usam predominantemente itens verbais. Isto é, ~odos
Testes
2 3 4 5 6
210
eles exigem conhecimento verbal, manipulação verbal e raciocínio verbal.
Como seria a matriz das correlações se a metade dos testes exigesse um
tipo diferente de conhecimento, manipulação e raciocínio, digamos,
conhecimento numérico e matemático? A psicóloga prepara três novos
testes, um para medir o conhecimento matemático, outro para manipu-
lação matemática e o terceiro para raciocínio matemático. Ela administra
esses teste e três dos testes verbais a uma amostra de pessoas e inter-
correlaciona os seis testes.
Se a crença geral de que inteligência é unidimensional estiver
correta, então a matriz correlações que a psicóloga obtiver deverá ser
muito semelhante à da tabela 12. 2; isto é, todos os seis testes deverão
estar positiva e substancialmente correlacionados uns com os outros.
Mas se a crença da psicóloga, de que a inteligência é bidimensional,
estiver correta, então como deveria ser a matriz de correlações? Na
tabela 12.3, à esquerda, é dada uma "matriz-alvo". Pode ser também
2 3 4 5 6 2 3 4 5 6
2 São dadas apenas as partes superiores das matrizes. Isto é possível porque as
matrizes são simétricas, i.é., suas metades inferiores (abaixo da diagonal da es·
querda superior à diretta interior). se dad~s. mostrarão as imagens especulares da
metade de cima das matrizes (acima da diagonal).
212
6 523 14
I
o
I
0,1
I
0,2
I
0,3
I
0,4
I
0,5
II
0,6
I
0,7
11! I
0,8
t 0,9
I
1,0
Figura 12.2
Tabela 12.4 Solução final da análise fatorial dos dados da tabela 12.3.
grifadas.
214
Na maioria dos casos de pesquisa real, com mais variáveis correlacio-
nadas de maneira complexa, não é possível "ver os fatores, como acon-
teceu na tabela 12. 3. Em outras palavras, os dados da tabela 12.4
demonstram o óbvio, o que já sabemos. Foi por isso precisamente que
o exemplo foi manufaturado: para demonstrar o óbvio numa tentativa
de mostrar o que é análise fatorial e o que faz. ·
Repetindo, se as cargas fatoriais são grandes ·ou substanciais, aceita-
mos que os testes ou. variáveis com os quais estão associadas estão em" H
B f!Vli$r.mático)
''\.-~
1 I
Q
0,5 0,6 0,7 0,8 0,9 1,0
A (Verbal)
Figura 12.3
chamamos, então, uverbal". Análise e raciocínio semelhante se aplicam
ao fator B. Nós o chamamos "Matemático". Para esclarecer mais ainda
o que diz a tabela 12.4, vamos representar. Isto foi feito na figura 12.3.
Dois eixos, A e B, foram colocados em ângulo reto. Lembre-se de que
dissemos que os eixos são ortogonais um ao outro. Os valores empa~
relhados de A e B da tabela 12.4 são então representados, simplesmente.
Por exemplo, o 0,83 do teste 1 em A e o 0,07 do teste 1 em B são
representados pelo ponto indicado por "1" no gráfico da figura 12.3.
Os cinco pares restantes são representados de modo similar. 4
Os blocos, 1, 2, 3 e 4, 5, 6, aparecem claramente. Estão dentro de
um círculo, no gráfico. Os testes 1, 2 e 3 estão bem próximos entre si e
também próximos de A, e altos em A; os testes 4, 5 e.6 estão próximos
e altos em B. E, muito importante, os dois blocos estão distantes um
do outro. Um é tipo A e o outro tipo B. Os dois fatores e os testes que
os "definem" são tipos de entidades muito diferentes. Quando eu examino
os três testes de A, para descobrir sua ''natureza", o que é, eu vejo que
todos os três testes são verbais. Quando eu examino os testes B, por
outro lado, descubro que eles compartilham operações, processos e com-
preeensão matemática.
Este exemplo, naturahnente, é muitíssimo simplificado. A maioria
dos domínios nas ciências comportamentais tem mais de dois fatores.
Dificilmente estudaríamos apenas seis testes. As verdadeiras correlações
e matrizes de correlação raramente são tão favoráveis como esta com a
bela estrutura ortogonal que é a figura 12. 3. Geralmente, então, o
216
B
1,0-
0,1
--~~~~~--~~~~--+-~--~~~--~~--~~~~~--L--L_~I---A
-0,4-0,3-0,2-0,1 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
-0,1
-0,3
-0,4
218
Produto
Figura 12.5
220
facetas. O estudo que vamos examinar agora é um excelente exemplo
dessa abordagem.
Woodmansee e Cook (1967), num conjunto de estudos sobre o pre-
conceito contra os negros, mostraram inegavelmente que tais atitudes são
multidimensionais. Sem dúvida~ qualquer concepção simplória de atitu-
des étnicas como unidimensionais tem pouquíssimo apoio da análise
fatorial da pesquisa de atitude. Em seus estudos, os dois propósitos
principais de Woodmansee e Cook eram determinar os componentes
(fatores) de atitudes raciais, em particular atitudes em relação aos pretos,
e construir uma escala válida e fidedigna, ou, mais exatamente, construir
um conjunto de escalas para medir tais atitudes.
Em seu primeiro estudo, eles administraram uma escala de atitudes
existentes, de 120 itens, a 593 estudantes universitários norte-americanos
brancos, do Nordeste, Meio-Oeste e Sul. No segundo estudo, revisaram a
escala de atitudes com base no resultados do primeiro estudo e adminis-
traram a escala a 609 estudantes semelhantes. O terceiro estudo se
concentrou em ·melhorar mais ainda a· escala, obter evidência da fide-
dignidade e validade da versão final da escala e continuar a investigação
dos fatores subjacentes às atitudes em relação aos pretos.
Vamos nos concentrar nos resultados da análise fatorial de Wood-
mansee e Cook. Eles encontraram 11 fatores. O quadro multidimensiortal
que eles of~J,;~,cem é interessante e importante tanto científica quanto pra-
ticamente. Vãhies ter em mente, quando lermos o que se segue, que cada
fator pode ser um modo diferente de perceber os negros, reagir a eles,
de ter crenças em relação a eles. Mas antes de irmos mais adiante,
precisamos ver o que são realmente os fatores. Tem havido muito
mistério em relação aos fatores e análise fatorial. Algumas coisas que já
foram ditas serão necessariamente repetidas, mas tal repetição pode nos
ajudar a compreender fatores.
Itens
1 2 3 4
Igualdade p/ Controle da Propriedade
Pessoas as mulheres natalidade privada Negócios
2 4 2
2 3 2 2
3 2 2 5 6
4 5 6 5 5
5 6 5 3 4
6 6 6 2
4
Os números na tabela são as notas das seis pessoas para os quatro referentes
em uma escala de l a 6, l indicando muito pouca aprovação e 6 indicando
fortíssima aprovação.
222
entre as notas das colunas 1 e 3 e 1 e 4 e entre 2 e 3 .e 2 e 4 parecem
ser baixas; é difícil e mesmo impossível, perceber padrões regulares de
"caminhar juntas".
As correlações entre os pares de referentes foram calculadas; estão
na tabela 12. 6. As correlações.fonnam um padrão muito claro, semelhan-
te ao padrão da tabela 12. 3, onde foram mostradas as correlações entre
seis testes de inteligência. Igualdade para as mulheres e controle da natali-
dade estão altamente correlacionadas, como nossa inspeção anterior nos
levou a crer. Propriedade privada e negócios estão também altamente
lgtialdade para
as mulheres 1,00 0,91 -0,15 0,04
Controle da
natalidade 0,91 1,00 -0,23 -0,11
Propriedade
privada -0,15 -0,23 1,00 0,8!
Negócios 0,04 -0.11 0,81 L,OO
""~
~~:~~
Fatores
Itens A B
224
propriedade privada e negócios possam ser apenas aspectos superficiais
de um fator mais fundamental do que conservadorismo. o nome adotado
para o fator. Terceiro, os resultados da análise fatorial podem ser invali-
dados ·por dificuldades e deficiências técnicas. A análise fatorial é com-
plexa e tem problemas técnicas complexos. Por exemplo, freqüentemente
é difícil saber quantos fatores existem em um conjunto de dados. Se for
extraído o número "errado" de fatores, os dados podem levar a con-
fusões. Embora os computadores e programas de computadores possibili-
tem fazer análise fatorial bastante simplesmente, eles não dão, entretanto,
uma resposta realmente satisfatória ao problema do número de fatores.
Em todo caso, deveríamos estar agora em melhor posição para ler· e
compreender o estudo de W oodmansee e Cook e os outros estudos resu-
midos abaixo. Assim, voltemos a Woodmansee e Cook.
aspecto dela.
O fator A de Woodmansee e Cook, "Política de Integração-Segre-
gação", como o nome indica, centralizou-se nas posições dos sujeitos
sobre a conveniência da segregação e integração raciais. Os itens do
fator B expressavam "Aceitação em Relacões Pessoais Íntimas": até onde
os sujeitos aceitariam negros em relações relativamente íntimas inter-
pessoais? O fator C, "Inferioridade do Negro,, tem sido tradicionalmente
associado às atitudes em relação aos negros no sentido em que tais
atitudes focalizaram-se na percepção dos negros como inferiores aos
brancos. (Outro fator, "Opiniões aviltantes", relacionou-se intimamente
com o Fator C.) O fator D, "Superioridade do Negro", é um pouco
surpreendente. Seus itens atribuíam características que faziam os negros
superiores aos brancos, por exemplo: "Eu acho que os negros têm uma
espécie de coragem silenciosa que poucos brancos têm".
Com os fatores restantes não precisamos nos preocupar. A questão é
que a análise fatorial das intercorrelações de grande número de itens que
Woodmansee e Cook usaram mostraram que as atitudes em relação aos
negros const~tuem um domínio complexo de 11 facetas ou fatores que
refletem vários aspectos de atitudes em relação aos negros: integração e
segregação, relações pessoais, inferioridade do negro, superioridade do
negro, e outras. Se alguém quiser, por exemplo, mudar as atitudes em
relação aos negros, terá que decidir que aspectos de tais atitudes deverão
ser mudados. Certamente as atitudes em relação aos negros estão longe
de ser uma variável unidimensional simples. Seu estudo e compreensão
requerem, obviamente, uma abordagem multidimensional.
226
números são usados para iritercorrelacionar os conjuntos de rcnpostas
dos diferentes indivíduos uns com os outros.
Em outras palavras, a metodologia Q focaliza-se principalmente nas
correlações entre os indivíduos. Se, por exemplo, dois indivíduos respon-
dem a uma Q-sort cujos itens são itens de atitudes, digamos atitudes em
relação aos negros, e se a correlação entre os arranjos feitos por eles
for alta, então suas atitudes em relaÇão aos negros são semelhantes.
Além disso, se um número suficiente de indivíduos responde ao mesmo
0-sort, as respostas ao 0-sort podem ser intercorrelacionadas e analisadas
fatorialmente. Os fatores resultantes são chamados fatores de pessoas
(persons jactors). Vamos examinar resumidamente um estudo que usou
esta. interessante abordagem.
Sontag ( 1968), para estudar a relação entre as atitudes dos professo-
res em relação à educação, sua variável independente, e suas percepções
dos comportamentos de professores, sua variável dependente, construiu
um Q~sort para descrever os comportamentos dos professores. Alguns dos
itens são dados abaixo. Sontag acreditava que os julgamentos dos pro-
fessores sobre a desejabilidade dos diversos comportamentos de professo-
res é influenciada por suas atitudes básicas em relação à educação.
Por exemplo, um professor cujas atitudes são "progressistas, conside-
raria um certo conjunto de comportamentos de ensino desejável, enquanto
que um professor Htradicional" consideraria desejável outro conjunto de·
comportamenr&s.i~:~
De fato, Sontag descobriu que professores progressistas e tradicio-
nais, medidos por outros instrumento planejado para medir tais atitudes,
discordavam em suas percepções de comportamentos desejáveis de ensino.
Nosso interesse, entretanto, se concentra apenas nos fatores que ele
obteve com o Q-sort de ~comportamento de professor. É possível deter-
minar os itens de um Q-sort aos quais as pessoas de um fator de pessoa-
-pessoas que se correlacionam altamente umas com as outras - têm
reações comuns ou semelhantes.
Sontag descobriu quatro de tais fatores tanto no primeiro como no
segundo graus de ensino. Itens selecionados dos arranjos fatoriais, associa-
dos com o ensino de professores de segundo grau, juntamente com os
nomes que Sontag lhes deu, são vistos na tabela 12. 8.
O leitor poderá talvez fazer uma idéia da natureza desses
fatores lendo os itens algumas vezes. "Preocupação com os Estudantes"
está obviamente centralizado no aluno: para os professores que
acham esses comportamentos desejáveis, as necessidades e pontos de
vista dos alunos parecem soberanos. HEstrutura e Assunto", por outro
lado, está centralizado nas coisas ensinadas: para os professores que os
acham desejáveis, o conhecimento) a competência, a disciplina e o
planejamento e estrutura do ensino parecem importantes. A análise
fatorial das percepções das pessoas sobre os comportamentos de ensinar,
no estudo de Sontag, resultou em preciosa, compreensão das diferentes
percepções do ensino.
2.C."'"O
tizam a importância da religião e da igreja, expressam fé no capitalismo,
na propriedade privada e nos negócios, adotam a disciplina e o dever e
acreditam que as relações sociais devem se apoiar na autoridade. Há
muitas exceções, mas estes dois quadros em geral se conformam à
"realidade,. da pesquisa. São muito mais complicados ainda, natural-
mente, mas as descrições gerais são exatas.
Do ponto de vista do presente sumário da pesquisa, entretanto,
existe outra crença popular - endossada também por cientistas sociais
-que tem implicações teóricas e práticas importantes: que o liberalismo
e o conservadorismo foram uma única dimensão de atitudes sociais. com
liberais extremos, até radicais, de um lado, e conservadores extremos, até
reacionários, do outro. Da mesma forma, os conceitos sociais e as
questões estão dentro desta única dimensão. Naturalmente há cientistas
sociais que acreditam que as atitudes sociais são mais complexas, que há
vários fatores do liberalismo-conservadorismo. Entretanto, os vários fato-
res são ainda concebidos como contendo questões e crenças tanto liberais
quanto conservadoras. Em outras palavras, o conservadorismo e o libe-
ralismo são considerados como que apoiados em uma mesma dimensão,
ou únicas dimensões, que têm tanto questões conservadoras quanto libe-
rais (ou gente) nas mesmas dimensões. Neste ponto de vista, conservado-
rismo e liberalismo, conservadores e liberais, são concebidos como opos-
tos: o que um -~ceita o outro rejeita. :É a isso que se chama concepção
bipolar. Uma 'êfifu~JJ.são bipolar é a que tem duas extremidades, uma
positiva e. outra negativa.
Anos. atrás questionei essas idéias porque os resultados de minhas
pesquisas pareciam contradizê-las, ou no mínimo lançar sérias dúvidas
sobre elas. Depois de trabalhar com essas idéias e pesquisar mais.
publiquei o que chamei teoria de atitudes dos referentes criteriais (crite-
rial referents theory of attitudes) (Kerlinger, 1967). Essa teoria pode ser
chamada uma teoria estrutural, porque esboça a estrutura fatorial geral
e algumas das características das atitudes sociais. Contradizia a validade
da concepção bipolar das atitudes sociais e dizia que o conservadorismo
e o liberalismo eram uideologias" separadas e distintas~ ou grandes_
conjuntos de crenças, não necessariamente opostas uma à outra. (0 radf-.
calismo de direita ou de esquerda foi excluído de consideração, embora
ficasse dito que as atitudes podem ser bipolares no quadro de referência
do radicalismo.) Isto significa que há conjuntos de indivíduos que
têm atitudes predominantemente conservadoras ou predominantemente
liberais em relação a questões sociais, mas que indivíduos conservadores
não se opõem necessariamente a colocações liberais, e indivíduos liberais
não se opõem necessariamente a colocações conservadoras. Em resumo, é
negada a crença comum de bipolaridade e afirmada uma vida distinta e
separada tanto para o liberalismo quanto para o conservadorismo.
A teoria é muito maior, naturahnente, mas isto é suficiente para
ilustrar o uso da análise fatorial, neste caso para testar uma teoria estru-
hlral de atirudes. A teoria foi testada um certo número de vezes nos
Estados Unidos, usando escalas de atitudes que consistiam de itens de
sentenças - por exemplo, "A primeira preocupação de qualquer socie-
dade é a proteção dos direitos de propriedade" (conservadora) e "É pre-
ciso haver controle de natalidade mais efetivo se o mundo quiser resolver
seus problemas sociais e políticos" (liberal) - e itens referentes (palavras
e frases curtas expressando idéias sociais) -por exemplo, "propriedade
privada", "competição" (conservadoras) e "igualdade", "medicina sociali-
zada" (liberais). As escalas foram aplicadas a grandes grupos de indi-
víduos em partes diferentes do país e as correlações entre os itens foram
analisadas fatorialmente.
Os resultados das análises fatoriais foram altamente semelhantes
em quase todas as amostras. Foram obtidos seis ou mais fatores, e na
maioria dos casos itens liberais apareceram juntos em certos fatores e
itens conservadores apareceram juntos em outros fatores. Os dois tipos
de itens raramente apareceram juntos nos mesmos fatores. Já que os
fatores são relativamente independentes uns dos outros, parece que libe-
ralismo e conservadorismo, conforme definidos pelos itens, são entidades
separadas e distintas. Além disso, uma chamada análise fatorial de segun-
da ordem, uma análise fatorial das correlações entre os próprios fatores,
mostrou que os fatores com itens liberais eram correlacionados positiva-
mente e igualmente os fatores com itens conservadores. Houve pouca
evidência nesses estudos de bipolaridade, isto é, itens liberais aparecendo
com cargas negativas em fatores conservadores e itens conservadores
. aparecendo com cargas negativas em fatores liberais. Os estudos Q
, . também apoiaram os resultados acima sumarizados. A teoria estrutural,
então, parece ser apoiada pela evidência desses estudos.
Para dar ao leitor uma idéia dos resultados obtidos nesses estudos,
os arranjos fatoriais de um dos mais recentes deles (Kerlinger, 1972)
são dadas na tabela 12. 9. O principal propósito do estudo foi testar a
teoria dos referentes criteriais descrita acima, usando os próprios refe-
rentes como itens. Outro propósito foi entender melhor a natureza das
atitudes sociais determinando através da análise fatorial os fatores subja-
centes às atitudes sociais. Os dados da Tabela 12.9 servem a este
propósito.
Uma escala de atitudes sociais de 7 pontos e 50 itens de palavras e
frases curtas (veja tabela 12. 9), todas presumivelmente relacionadas a
atitudes sociais, foi administrada a amostras de estudantes pós-graduados
em educação em Nova Iorque, Carolina do Norte e Texas. Embora os
dados de cada um desses estados fossem analisados separadamente, as
230
amostras do Texas e Carolina do Norte foram combinadas para formar
uma amostra grande (N = 530), dando assim resultados de análise
fatorial de maior confiança. (A análise fatorial exige amostras grandes.
principalmente por causa dos erros de rnensuração e muitas variáveis
estarem sendo analisadas.) Os resultados da amostra de Nova Iorque
Tabela 12.9 Fatores de atitude social, itens referentes e cargas fatoriais, amostra
combinada de Carolina do Norte e Texas, N :::: 530 a.
Fatores conservadores
Fatores liberais
• As cargas são dadas entre parênteses. As cargas 0,30 ou maiores foram conside-
radas si,gnificativas. Os dois referentes entre parênteses são um item L carregado
em um fator C e um item C carregado em um fator L.
foram usados para comparar com os resultados das amostras combinadas
do Texas e Carolina do Norte. Estamos preocupados apenas . com a
amostra combinada. Os dados foram analisados fatorialmente e foram
extraídos seis fatores das intercorrelações dos 50 itens referentes. Os
resultados da análise fatorial estão dados na tabela 12. 9.
Três dos seis fatores tinham itens conservadores, segundo fora
previamente determinado, e três fatores tinham itens liberais, também
segundo determinações prévias. Esta determinação de liberal e conser-
vador é, naturalmente, importante. Os julgamentos foram feitos com base
na literatura sobre pesquisas anteriores em conservadorismo e liberalis-
mo (Hartz, 1955; Kirk, 1960; Rossiter, 1962), pesquisas anteriores,
antologias de medidas de atitudes (Robinson, Rusk & Head, 1968;
Robinson e Shaver, 1969; Shaw & Wright, 1967), e experiência e
conhecimento. Não é difícil ver que livre empresa, religião -e conteúdo
são referentes conservadores e que direitos civis, igualdade e medicina
socializada são referentes liberais. Em todo caso, a maioria dos referen-
tes designados como conservadores e liberais resultaram ser empírica-
mente "corretos', no sentido de que se agrupavam em fatores predomi-
nantemente conservadores ou liberais, como fora predito pela teoria.
Vale a pena estudar a tabela 12. 9. Note primeiro que, com apenas
uma exceção, pureza racial no fator Direitos Civis, não há cargas nega-
tivas na tabela. Segundo, todos os itens em qualquer arranjo fatorial
ou são conservadores ou são liberais, mas não ambos. Por exemplo,
todos os itens do fator "Liberalismo Social" são itens liberais, enquanto
que todos os itens no fator "Conservadorismo Econômico" são conser-
vadores, com uma possível exceção, conhecimento científico.
Terceiro, e mais importante do ponto de vista deste capítulo, note
o tema comum o caráter de cada fator. Você concorda com o nome
dado? Tem nome melhor? Note, por exemplo, que um item, segurança
nacional, não se encaixa direito no fator Conservadorismo Econômico".
H
232
Análise fatorial: uma apreciação
234
· 13. A abordagem multivariada:
correlação canônica, análise discriminante
e análise de estruturas de covariância
236
melhor à questão da pesquisa sobre o efeito do reforçamento sobre a
realização, incluindo ambas as variáveis em um experimento. Por quê?
Qual poderá ser a vantagem? Uma resposta é que os métodos de reforça-
menta podeni afetar os dois tipos de realização diferentemente e que as
diferenças podem não surgir nos dois experimentos e surgir em um experi-
mento que inclua ambas as variáveis dependentes.
Há muitas situações práticas em que indivíduos têm que ser
udesignados" para grupos diferentes com base em seu nível diferente de
traços, capacidades, experiência e assim por diante. Por exemplo, nas
escolas as crianças são "designadas" para grupos de aprovados e repro-
vados com base em seu esforço e realização. Candidatos a emprego em
uma companhia são designados para grupos de contratados e não
contratados com ·base em sua capacidade e experiência. Os psiquiatras
designam pessoas mentalmente doentes para categorias como neurótico,
esqujzofrênico e maníaco-depressivo, com base em testes e observações.
Nestes casos o pesquisador considera o pertencer ao grupo como a
variável dependente e os vários testes e outros aparatos como variáveis·
independentes. Embora haja apenas uma variável dependente, como na
análise de regressão múltipla, os métodos de análise empregados em tais
situações são considerados e denominados análise multivariada.
Um último exemplo mais complexo antes de entrarmos em maiores
detalhes. Ro~.ASiegelman (1964) acreditavam que experiências no início
da vida levavaDí...=ã diferenças posteriores em orientação para pessoas. Seu
interesse em orientação partia da suposição de que- a orientação para
pessoas influenciava os interesses por diversas ocupações. Um indivíduo
fortemente orientado para pessoas, mais provavelmente se tornaria um
professor, ou um acons~lhador, por exemplo. Para testar a hipótese,
aplicaram dois conjuntos de testes a diversos alunos de quarto ano
de faculdade. O primeiro conjunto media variáveis associadas ao ambien-
te familiar, primeiras experiências de atividades sociais, proximidade de
mãe e pai, interesse e energia que pai (ou mãe) demonstravam em
atividades outras que o trabalho e a família. As variáveis do segundo
conjunto refletiam a orientação em relação a pessoas, por exemplo,
curiosidade em relação a pessoas, desejo de relações pessoais íntimas,
calor humano e sociabilidade. Sua hipótese era que relacionamentos
intensos e satisfatórios no início da vida resultavam em adultos princi·
palmente orientados para pessoas, enquanto relacionamentos inadequa-
dos e insatisfatórios resultavam em adultos orientados para aspectos não
pessoais do ambiente.
Esta pesquisa é multivariada porque tem diversas variáveis inde-
pendentes e diversas variáveis dependentes. O problema é como estudar
a relação entre elas. A coisa mais óbvia a fazer é simplesmente correia-
cionar cada uma das variáveis independentes com cada variável depen-
dente e então estudar as muitas correlações. Se as primeiras experiências
de atividades sociais se correlacionam altamente com, digamos, uma
medida de orientaç.ão em relação a pessoas, - isto é, quanto mais cedo
a experiência de atividade sociais, maior a orientação para pessoas - ,
então p1ovavelmente os pesquisadores poderão con.cluir que as primeiras
experiências influenciam a orientação posterior. Pode-se ainda calcular
toda:.. as correlações entre todas as variáveis e analisar fatorialmente as
correlações. Esta pode ser uma boa maneira de atacar o problema porque
os resultados da análise fatorial deveriam mostrar as relações entre as
primeiras experiências e as orientações.
Outro meio de abordar o problema analítico, um meio mais apro-
priado porque seus resultados irão referir-se diretamente à hipótese
original, é calcular um índice composto para as variáveis independentes
e outro índice composto para as variáveis dependentes, e correlacioná-los.
Foi este o· método usado por Roe e Siegelman. 1 A correlação entre os
dois índices compostos, calculada de forma a aumentar a correlação
entre os dois conjuntos de variáveis, 8 medidas para cada conjunto, foi
de O,4 7. Esta correlação canônica, como é chamada, foi estatisticamente
significante, indicando uma relação moderada entre as primeiras expe-
riências e a orientação para pessoas.
O método possibilita ao pesquisador, além de obter a correlação
total entre os dois conjuntos de variáveis, obter estimativas das influên-
cias relativas das variáveis separadas nos índices compostos. No caso
presente, a variável independente mais influente foi a variável chamada
"Primeiras experiências de atividades sociais", e a variável dependente
mais importante foi a chamada "Orientação para pessoas", calculada de
~.scala apropriada e itens de inventário. A hipótese de Roe e Siegelman
foi confirmada, uma vez que a correlação canônica foi estatisticamente
significante. Além do mais, foi obtida informação sobre quais variáveis
contribuíram mais para a correlação entre os dois conjuntos de variáveis.
O método ora descrito é chamado análise de correlacão canônica.
É o mais geral dos métodos multivariados, no sentido cÍe que outros
métodos multivariados podem ser considerados casos especiais de corre-
lação canônica. 2 É igualmente poderoso e elegante, embora a interpre-
tação de seus resultados possa ser difícil e até ambígua. (0 porquê
1 A análise relatada aqui foi feita, na verdade, por Cooley e Lohnes (1962,
pp. 40-44).
2 A afirmativa é um pouco inadequada. Uma afirmativa mais satisfatória é que
quase todos os métodos aMlíticos multivariados são casos especiais do chamado
modelo linear - e a análise de correlacão canônica é um dos métodos mais
gerais de modelo linear. Isto significa, cÓm efeito, que ela analisa virtualmente
238
disto não poderá ser explicado aqui porque a explanação exige recursos
técnicos além da finalidade do livro. Em geral, quanto mais complexa
uma análise, mais difícil a interpretação.) Para dar ao leitor maior idéia
e compreensão do método, inventamos um exemplo fictício e o vestimos
com variáveis relacionadas à aprendizagem de língua estrangeira. Deve
ser enfatizado, entretanto, que o exemplo é inteiramente fictício. Aliás,
eu não conheço .nenhuma pesquisa real que sequer seja semelhante ao
problema e suas variáveis.
1 12 9 9 10,00 11 10 10,50
2 10 8 11 9,67 9 8 8,50
3 14 11 11 12,00 9 9 9,00
4 21 10 8 13,00 7 7 7,00
5 24 19 20 21,00 12 14 13,00
6 18 16 21 18,33 14 12 13,00
7 15 17 14 15,33 7 15 11,00
8 20 14 10 14,67 18 16 17,00
3 Deve ser enfatizado que um R2 tão alto é improvável. Neste exemplo foi
inventado para dar um efeito dramático.
240
Em vez de duas análises separadas, é possível usar uma análise
que inclua as três variáveis independentes e as duas variáveis depen-
dentes? É possível analisar as relações entre os dois conjuntos de
variáveis em outras palavras? Os ingredientes de tal análise são dados
na tabela 13. 1. As notas Xt, Xz e- Xa foram calculadas em cada linha,
produzindo as média~ de 10,00, 9,67, 12,00 e assim por diante, na
coluna encimada por X. As notas de Y r e Y 2 foram igualmente calcula-
das, resultando em médias de 10,50, 8,50, 9,00 e assim por diante,
na coluna encimada por Y. Temos então, um componente X e um
componente Y que são, neste caso, as médias das notas X de cada
indivíduo e as médias das notas Y de cada indivíduo. A correlacão
entre o componente X, X, e o componente Y, Y, é '154. Se elevar~os
ao quadrado esse r, obteremos 0,29 . .§e aceitarmos os X's como represen-
tativos das três variáveis X e os Y's como representativos das duas
variáveis Y, então a correlaçã-::> entre as três variáveis X, por um lado,
e as três variáveis Y, por outro, é 0,54, e 29 por cento da variância de
Y é compartilhada com X.
O procedimer!to descrito não seria usado comumente em pesquisas
reais. Nós o usamos para ilustrar urna idéia, a idéia de determinar
a correlação entre_ conjuntos de notas em vez de notas isoladas, neste
caso a correlação entre o conjunto X e o conjunto Y. Na maioria de
pesquisas reais com conjuntos de variáveis X e Y, usaríamos análise
de correlação ~ê"anqpica, que calcula, entre outras coisas, o máximo
possível de correlação entre conjuntos de variáveis X e Y. Correlacionar
as médias de X e Y não calcula corretamente a "verdadeira" relação
entre os dois conjuntos de notas. Não calcula a correlação máxima
possível dados os dois conjuntos de notas e todas as relações entre eles.
Portanto, neste caso, dá uma estimativa muito baixa.
Vamos voltar à nossa discussão sobre análise de regressão múltipla.
Lembre-se que um coeficiente de correlação múltipla expressa a correla-
ção entre a "melhor" combinação de variáveis independentes, ou X's, e
uma variável dependente, Y. A correlação canônica estende a idéia a
mais de uma variável Y. Embora os cálculos sejam complexos, as idéias
básicas são simples. O coeficiente de correlação, entre as médias das
variáveis X e as médias das variáveis Y da Tabela 13. 1, foi 0,54.
Se tivéssemos calculado a correlação entre as variáveis X e Y usando
análise de correlação canônica, teríamos produzido um chamado coefi-
ciente de correlação canônica que seria o máximo de correlação possível
entre os conjuntos X e Y das notas, dadas aquelas notas e as relações
entre as variáveis X, entre as variáveis Y e entre os conjuntos de
variáveis X e Y. A correlação canônica entre os conjuntos de notas· X e Y,
então, seria maior do que a correlação obtida por nosso procedimento
simplificado usando as médias das notas X e Y. (A correlação canônica
é, na verdade, 0,99, muitíssimo alta. Mas raramente ocorre correlação
canônica tão alta com dados comportamentais. Ne_ste caso é devida à
natureza sintética das notas e a alta correlação de 0,80 entre X2 e Y2.)
Além disso, a análise de correlação canônica- produz taxas das
contribuições relativas das variáveis dependentes e independentes sepa-
radas da correlação canônica. Por exemplo, no exemplo da aprendizagem
da língua, poderiam ser calculados pesos semelhantes às cargas fatoriais
discutidas no capítulo 12, e esses pesos diriam ao pesquisador que
variáveis ou variável independente tiveram influência relativamente maior
sobre que variável ou variáveis dependentes. Os resultados de uma
análise de correlação canônica dos dados da tabela 13. 1, por exemplo,
mostraram que vocabulário, X2, e leitura do italiano, Y 2, eram muito
mais importantes que as outras variáveis na determinação da correlação
canônica. Em outras palavras, a análise, se bem sucedida, determina a
magnitude da relação total entre os dois conjuntos de varÍáveis ou
medidas; e também indica que variáveis, quer dependentes quer indepen-
dentes, contribuem mais para a relação entre os conjuntos. Embora
ainda haja muito a comentar a respeito da análise canônica, incluindo
as limitações do método e certas . dificuldades de interpretar dados
canônicos, vamos abandonar a discussão. Nosso- objetivo de sugerir as
idéias básicas foi conseguido.
Análise discriminante
242
Em muitas situações de pesquisa, então, os pesquisadores designam
pessoas a grupos com base em sua participação no grupo. Isso parece
quase tolice: Como o pesquisador pode designar pessoas a grupos dos
quais elas já fazem parte? Um ponto é que ele pode não saber a que
grupos elas pertencem, e se urna de· suas variáveis é aquela que expressa
participação corno membro de um grupo, então ele terá que dar um
jeito de determinar a participação no grupo. Isso, por sorte, geralmente
não é difícil. Ele poderá fazê-lo examinando registros ou simplesmente
fazendo perguntas bem dirigidas às pessoas.
Suponhamos, entretanto, que se deseja predizer uma variável de
participação em um grupo. Temos agora que ampliar nosso raciocínio.
Em algumas situações as pessoas ainda não estão "em um grupo" mas
serão "designadas" a ele pelo pesquisador com base em informações
obtidas por outras variáveis que não sejam as de participação em grupos.
Vejamos o que significa isso, porque muita pesquisa comportamental
tem o caráter essencial de "predizer" a filiações grupais.
Foi dado anteriormente um exemplo famoso: a previsão do câncer
do pulmão pelo fumar cigarros. O pesquisador, com efeito, designa
pessoas a um grupo de câncer no pulmão ou sem câncer no pulmão com
base no conhecimento do hábito de fumar cigarros. Quanto maior a
relação entre o cigarro e o câncer, mais bem-sucedida a predição. Os pes-
quisadores educacionais -designam crianças a grupos de aproveitamento
adequado e a grt~ti'p,Q<S de aproveitamento inadequado com base nos resul-
tados de testes de àptidão, notas, medidas de atitude, medidas de classe
social, sexo e em outras variáveis e medidas. Os professores, igualmente,
designam alunos de ginásio a grupos de conceitos - A, B, C, D e F,
por exemplo- com base no desempenho, em testes, trabalhos de aprovei-
tamento, tarefas especiais e até julgamentos pessoais.
O leitor sem dúvida se lembrará que a isso chamamos mensuração
nominal. Se uma pessoa tem tal ou qual característica, que seja designada
ao Grupo A1; se, por outro lado, tem esta ou aquela característica,
designar-se.-á ao Grupo A2; e assim por diante para outras características
e grupos. Um ponto-chave é que os indivíduos sejam designados não
aos grupos a que realmente pertençam, mas aos quais "deveriam perten-
cer" com base em evidências sobre os indivíduos que são independentes
de participação em grupos. Isto é, a participação no grupo é "predita"
baseada em evidência obtida independentemente e à parte da partici-
pação no grupo, mas que se sabe, ou se acredita, ser capaz de prever
essa participação no grupo com eficiência.
O longo aparte acima foi necessário a fim de compreendermos o
método de análise discriminante e a respectiva pesquisa que dizem
respeito à predição de participação em um grupo. Análise discriminante é
uma forma muito útil de análise multivariada, cuja principal tarefa é
predizer a participação em um grupo. A pesquisa deste tipo é feita mais
ou menos da maneira que segue. Um pesquisador deseja compreender,
por exemplo, o problema da aquisição de linguagem. Algumas pessoas
podem aprender a falar e compreender uma língua estrangeira com
relativa facilidade; outras pessoas têm enorme dificuldade. Por quê?
Suponhamos que o pesquisador identifique primeiro dois grupos de
indivíduos. Um grupo será chamado "bons aprendizes" porque parecem
ter aprendido bem o italiano e com relativa facilidade, e o outro grupo
"maus aprendizes" porque, depois de um ano de estudo, o grupo fala
e compreende mal ou com dificuldade o italiano. Num esforço de
compreender as diferenças entre os dois grupos, o pesquisador lhes aplica
três testes, os mesmos usados antes: memória, vocabulário e cognição de
relações. Ele raciocina que se o coeficiente de correlação canônica for
tão alto no primeiro estudo, então talvez as três variáveis usadas antes
como variáveis independentes, se usadas juntas, serão capazes de uma
previsão bastante exata do sucesso ou falta de sucesso em aprender um
idioma estrangeiro.
A idéia é muito parecida com as idéias discutidas no capítulo 11,
vários testes ou medidas foram usados para "predizer" o desempenho
em alguma variável dependente. Por exemplo, Holtzman e Brown (1968)
usaram medidas de aptidão acadêmica e hábitos e atitudes de estudo
para preverem notas no segundo grau. Em vez de médias de notas,
uma variável contínua, eles poderiam ter usado uma medida de sucesso
no segundo grau. Tal medida pode ser obtida pedindo aos professores
que categorizem cada aluno como "bem-sucedido" ou "malsucedido."
Ou o critério de terminar ou não o ginásio pode ser usado para indicar
"bem-sucedido" e "malsucedido". Em outras palavras, é usada a partici-
"" pação em um grupo, uma variável dicotômica, ou de dois valores.
A quantificação é simples: atribua 1 a 'bem-sucedido" e O a "malsuce-
dido." Se for feita agora uma análise regressão múltipla, com aptidão
acadêmica e medidas de hábitos e atitudes de estudo como variáveis
independentes e a variável dicotômica, "sucesso", como a variável depen-
dente, teremos, com efeito, uma análise discriminante.
244
nados por três especialistas atuando como JUizes e considerados ubem-
sucedidos" ou ~<malsucedidos" em falar holandês. Quatro deles foram
caracterizados pelos juízes como "malsucedidos"; são as pessoas de
1 a 4 na tabela 13.2 e receberam O para indicar sua falta de sucesso
1 12 9 9 Sem sucesso o
2 10 8 11 Sem sucesso o
3 14 11 11 Sem sucesso o
4 21 10 8 Sem sucesso o
5 24 19 20 Sucesso· 1
6 18 16 21 Sucesso 1
7 15 17 14 Sucesso 1
8 20 14 10 Sucesso 1
-~~~~~.
-·;:;...,;1?
(coluna Y da tabela). As outras quatro pessoas, de 5 a 8, foram caracte-
rizadas como Hbem-sucedidas'·'. Receberam 1 na tabela. Em outras pala-
vras, os "dados" na tabela 13.2 consistem nas notas das três variáveis
independentes de memória, vocabulário e relações e notas de 1 e O na
variável dependente, aprendizado com sucesso, 1 indicando ubem-suce-
dido" e O "malsucedido".
Atribuir 1 e O assim parece confundir algumas pessoas. É uma
maneira natural, simples e eficaz de quantificar uma variável que
expressa participação em um grupo. Na verdade, já foi introduzida
quando variáveis como sexo, classe social, vivo-falecido e preferência
política foram discutidas. Geralmente tais variáveis são quantificadas
mediante contagem e os resultados colocados em tabelas de cruzamento
de variáveis, que têm freqüências nas células. Mas podem ser quantifi-
cadas com 1 e O e suas correlações com outras variáveis facilmente
calculadas. As correlações entre a variável sucesso da tabela 13. 2, por
ex~mplo, e as variáveis independentes da tabela são, em ordem, 0,56,
0,92 e 0,70, indicando que o sucesso no aprendizado de um idioma
está substancialmente correlacionado com as variáveis de memória, voca-
bulário e relações, mas principalmente muitíssimo correlacionado com
vocabulário. É mais difícil explicar a atribuição de 1 e O. Neste caso a atri-
buição foi feita deliberadamente para realçar as correlações. Em
pesquisas reais, entretanto, usam-se outros e melhores métodos.
Se for feita uma análise de regressão múltipla com os dados da
tabela 13.2 e se for bem sucedida- com os dados da tabela 13.2 foi
bem sucedida: R 2 = 0,85 - , então a equação de regressão obtida pode
ser usada com futuros alunos. Digamos que um novo grupo de estudantes
está para começar a estudar o holandês. Poderemos aplicar-lhes os três
testes e, usando a equação de regressão obtida na análise anterior,
calcular uma nota predita para cada um deles. Essas notas podem então
ser usadas para indicar provável "sucesso" ou "falta de sucesso" em
aprender holandês.
A equação de regressão calculada com os dados da Tabela 13.2 é:
Y' = - 0,99 + 0,01 X1 + 0,14X2 - O,OlXa
Suponhamos que as notas de um indivíduo sejam X1 = 12, X2 = 9, e
Xa = 9 (notas da Pessoa 1 na tabela 13.2). Então, substituindo essas
notas na equação acima, Y' = 0,06. Suponhamos que as outras notas de
outro indivíduo sejam X1 = 24, Xz =19 e Xa =
20 (notas da Pessoa
5 na tabela 13. 2). Substituindo na equação, obtemos Y, = 1,23. Pode-
mos então predizer que o primeiro aluno não se sairá bem e o segundo
sim. Estamos, com efeito, predizendo participação em um grupo, ou
predizendo 1 ou O. A nota predita do primeiro aluno, de 0,06 está
próxima de O; portanto, provavelmente ele não terá sucesso. A nota do
segundo aluno de 1,23 está próxima de 1; ele, portanto, provavelmente
terá sucesso.
Naturalmente o procedimento é falível, como todos o são. Nossas
, predições são probabilísticas: dizemos apenas, com base nas três notas,
· que um estudante provavelmente se sairá bem ou não se sairá bem.
Dada uma uboa" equação de regressão, ou de predição, acertaremos
uma boa proporção de vezes que usarmos a equação. Mas poderemos
errar às vezes. Leitores insatisfeitos com tal falta de predição perfeita
podem se consolar com o pensamento que sem o conhecimento fornecido
pelos testes quaisquer predições feitas - talvez baseadas na intuição,
experiência ou outros critérios mais ou menos subjetivos - provavel-
nente, não seriam tão boas.
Em todo caso, a análise discriminante é uma ferramenta poderosa
êom problemas tanto práticos quanto teóricos. O uso prático foi ilustrado
com o exemplo dado acima. O uso teórico é sugerido pela equação de
regressão. A própria equação revela pistas para a relativa importância das
três variáveis independentes em sua suposta influência no aprendizado
de uma língua - se,_ sem dúvida, o aprendizado do holandês puder
ser considerado representativo do aprendizado de idiomas e se a amostra,
246
cujos dados determinaram a equação e outras estatísticas de regressão,
for igual a outras amostras de estudantes de idiomas. 4
~\
C/) '"t4!::~
o
C/)
tl3
o
Q)
"'C
tl3
·c:;
c:
IQ)
:::J
C"
,_
Q)
u...
e t d
M,.. =57 MB = 70
Figura 13.1
248
apenas resolver este problema em particular mas também compreender
como funciona este fascinante método multivariado. Vamos fazer uma
breve digressão geométrica para ilustrar como funciona a análise discri-
minante. Ao fazer isso, vamos tomar de empréstimo e adaptar uma bela
demonstração apresentada por Tatsuoka (1970, pp. 5-7) em seu lúcido
manual sobre análise discriminante. Esta demonstração, além de elucidar
a análise discriminante, joga mais um pouco de luz sobre a análise
multivariada em geral, em parte porque aborda o problema de concei-
tualizar espaços de k (mais de duas) dimensões.
+
(1,5)
+ o
(3,5) (4,5)
o
(5,4)
+ ®
(1 ,3) (3,3)
o
(3,2)
Figura 13.3
250
pontos representados estão circulados separadamente e a linha onduJada
entre eles acentua essa separação. Temos agora dois ccnjuntos de pontos
correspondentes aos dois grupos de ossos e as medidas associadas a eles .
. O "sistema" pode ser usado para a identificação e categorização de osso~
encontrados no futuro. As regras são: Tome as medidas X1 e X2 do osso;
represente estes valores em um gráfico como o da figura 13 . 3; trace
uma perpendicular à linha Y e leia o valor; se for maior cie 0,95!
atribua-o ao chimpanzé, do contrário, atribua-o ao homem.
Este exemplo, então, ilustra mais ou menos como funciona a análise
discriminante. No exemplo com sete medições de ossos, em vez de serem
usados apenas Xt e x2, são usados Xt, X2, Xa, x4, x5, XG e X;. o enten-
dimento intuitivo, que usamos no exemplo acima, nos abandona agora.
As idéias básicas, entretanto, são as mesmas, ou pelo menos semelhantes.
As sete medidas ou variáveis são usadas em uma regressão múltipla para
predizer a pa;:-ticipação no grupo. Os grupos originais de 40 ossos huma-
nos e· 40 'ossos de chimpanzés são usados de modo similar a sujeitos
em um experimento psicológico ou educacional para fazer a análise de
regressão. A variável dependente é a participação no grupo. A regra
quantitativa é simples: se for osso de chimpanzé, atribua 1; se for osso
humano, O. O método discriminante então faz o que está representado
na figura 13.3: "projeta" uma combinação linear das sete variáveis ou.
medidas numa linha y para produzir o máximo de separação pos"sível
dos dois grupQ~~;,..Naturalmente não faz isso. A análise dos dados produz
um conjunto de~'fésos que são usados em uma equação discriminante
(regressão). As sete medidas de novos sujeitos - neste caso os sujeitos
são ossos - são inseridos na equação para obter notas discriminantes,
que são então usadas para categorizar os sujeitos ou ossos.
Suponhamos que a equação discriminante do exemplo das duas
medidas dado acima tenha sido:
Y == 0,80Xt - 0,40X2
e X1 = 2 e X2 = S. Então,
y = (0,80 (2) - (0,40) (5) = -0,40
Isto está bem abaixo da "nota de separação" de 0,95 dada anteriormente
(a média das seis medidas na linha Y da figura 13.3); portanto, o fóssil
é um osso humano. Note também que o mesmo resultado poderia ter
sido obtido representando o ponto (2,5) na figura 13.3 e depois traçando
uma perpendicular à linha Y.
Volta a H owells
6 No fim de seu trabalho Howells diz que seu colega, Patterson, voltou à região
onde foi encontrado o fóssil e encontrou outras provas confirmando a conclusão
discriminante.
252
grupo cuja participação no grupo não é conhecida, como fizemos 110
exemplo dos ossos. Um psicólogo, por exemplo, pode usar um conjunto.
de testes com amostras selecionadas de meninos delinqüentes e não delin~
qüentes e calcular a equação discriminante para ~~predizer" delinqüência,
participação ou não participação no grupo de delinqüentes ou não delin~
qüentes. Em outras palavras, ele calcula a equação com indivíduos cuja
participação no grupo é conhecida, delinqüentes e não delinqüentes.
Pode então usar a equação para predizer a posterior participação no
grupo, a delinqüência ou não delinqüência posterior de outros indivíduos.
Ele simplesmente aplica as mesmas medidas a outros indivíduos e, com
base nas notas que eles obtem, calcula sua futura participação nos grupos,
sua futura delinqüência ou não delinqüência. Isto, naturalmente deve
ser feito com grande cuidado e reserva. Afinal, a aplicação de uma
equação obtida com um grupo pode não ser aplicável a outro grupo por
vários motivos. Não obstante, a análise discriminante é um esquema de
predição útil e poderoso em pesquisa aplicada.
Suponhamos, agora, que um pesquisador básico esteja interessado
em descrever as diferenças entre grupos e em compreender porque os
grupos são diferentes. A análise discriminante pode ser usada para
ajudá~lo em tal descrição e compreensão. Na verdade. foi usada assim
por Cooley e Lohnes na pesquisa sumarizada acima. Este uso do método
é mais científico do que simplesmente predizer participação em um
grupo, porque ~,QJey e Lohnes estavam tentando entender por que são
feitas as escolhas -d~ carreiras, saber alguma coisa dos determinantes de
suas personalidades e valores, e não apenas predizer tais escolhas. Esta
diferença entre os objetivos da pesquisa básica e aplicada é importante
e está muito bem ilustrada pelo uso básico e aplicado da análise discri~
minante.
Este ponto é tão importante que deveria ser mais discutido. Vamos
voltar ao exemplo de aprender holandês, ilustrado pelos dados da
tabela 13. 2. Os educadores interessados no ensino de línguas estrangeiras
deveriam usar normalmente um método como a análise discriminante
preditivamente. Isto é, eles querem saber como predizer acertadamente
o bom resultado no aprendizado do holandês. Geralmente querem saber
quais estudantes terão sucesso e quais os que provavelmente terão dificul-
dades. Assim, talvez, eles poderão individualizar melhor o ensino. Os
pesquisadores mais orientados para a pesquisa básica, por outro lado,
mais provavelmente quererão saber por que e como alguns indivíduos
têm mais sucesso que outros. Para eles, a predição é mais um subproduto
do método. Provavelmente eles estarão mais interessados no aprendizado
da linguagem como fenômeno natural a ser explorado e compreendido.
Este esboço das duas orientações gerais da pesquisa está um pouco
exagerado, naturalmente. O professor de holandês, sem dúvida, também
estará interessado em como e por que alguns indivíduos têm mais
sucesso que outros. E o pesquisador básico quererá saber se poderá
predizer o aprendizado bem sucedido e mal sucedido. Entretanto, a
distinção continua e é sempre importante. O ponto a ser ilustrado é que
a análise discriminante - e, logicamente, outras abordagens e métodos
multivariados - pode ser muito bem usada para ambos os propósitos.
Voltaremos à distinção básico-aplicada no capítulo 16.
7 Por minha discussão vai parecer que Jõreskog foi o único responsável pela
análise de estruturas de covariância. Mas este modo de falar é por conveniência
apenas. Realmente, houve várias pessoas importantes no desenvolvimento da meto-
254
estruturas de covariância significa, essencialmente, a análise da variação
simultânea de variáveis que se encontram em uma estrutura, um edifício,
ditado pela teoria. O sistema faz vários tipos de análise multivariada
mas de tal maneira que não temos necessidade de perguntar que forma
de análise está sendo feita. Isto acontece porque as possibilidades analíti-
cas fazem parte de um sistema mais amplo. Em outras palavras, JÕreskog
criou uma fórmula matemática e estatística abstrata que pode ser expressa
em equações algébrir.as ~-~ sua formulação abarca diversos métodos multi-
variados.
Os programas de ccmputador foram integrados ao sistema (veja a
nota n.o 7) de tal forma que uma concepção de pesquisa é "realizada"
com o uso do programa do computador. É uma descrição bastante
abstrata do sistema de Jõreskog, sendo insatisfatória para uma compre-
ensão adequada. Para entendê-la melhor, vamos tomar dois exemplos.
O primeiro é de análise fatorial, porque é a maneira mais clara e fácil
de mostrar a idéia do sistema. Deye ser enfatizado, entretanto, que o
uso real do sistema envolve problemas mais intrincados e complexos.
Sem dúvida, uma de suas molas mestras é sua capacidade de lidar
eficientemente com conjuntos de variáveis relacionadas de maneiras com-
plexas. O segundo exemplo é de análise de trajetória. Vamos explicar
mais adiante o que é análise de trajetória (path analysis).
dologia, cujas contribuições Joreskog reconhece (por exemplo, Bock & Bargmann,
1966; Wiley, Schmidt & Bramble, 1973). Entretanto, Joreskog juntou várias abor-
dagens e métodos de análise em um (ou dois) sistemas gerais nos quais a mate-
mática, a estatística e a tecnologia do computador foram integradas. De fato, os
dois l'iistemas de Jõreskog foram vagamente denominados pelos nomes dos pro-
gramas de computador usados para melhorar o sistema: ACOVS e LISREL. A
primeira das duas referências dadas acima (1974) usa a mais simples das duas
apordagens, ACOVS. A segunda referência (1976) usa LISREL, que é mais geral
e mais complexa. É também mais poderosa. Na descrição acima limito-me a um
aspecto simplificado do núcleo da pesquisa e teoria do sistema.
A concepção comum de atitudes sociais é bastante diferente.
Enquanto a "teoriau ora mencionada, e dada com mais detalhes no
capítulo. 12, diz que o conservadorismo e o liberalismo são entidades
distintas e separadas, idéias populares geralmente aceitas dizem que as
atitudes são bipolares. Um concepção bipolar, ou com duas extremidades,
de atitudes sociais implica que princípios e pessoas conservadoras
acham-se em um extremo de um continuum de atitudes sociais e prin-
cípios e pessoas liberais acham-se no outro extremo do continuum. Isto
significa que não apenas os conservadores adotam princípios con-
servadores, mas que também se opõem a princípios liberais- e a mesma
coisa para liberais e princípios liberais. ·
Argumentos racionais podem e foram aventados para ambas as
concepções. Mas o que diz a evidência empírica? A evidência empírica,
obtida em diversos estudos, a maioria usando a análise fatorial (por
exemplo, Kerlinger, 1972; Kerlinger, Middendorp, & Amón, 1976),
parece apoiar a relativa independência do conservadorismo e liberalismo.
Mas o assunto ainda não foi resolvido. Como as duas concepções, ou
teorias, poderão ser testadas com o sistema de JÕreskog?
Vamos usar o exemplo de itens de atitude, do capítulo 12. Suponha-
mos que aplicamos quatro itens de atitude, dois sabidamente liberais,
igualdade para as mulheres e controle da natalidade - e dois conhecidos
como conservadores - propriedade privada e negócios - a seis pessoas.
(Novamente, muito mais itens de atitude de afiliação "conhecida, e
"desconhecida" seriam administrados a muito mais pessoas.) Os resulta-
dos são aqueles da tabela 12. 5, e são reproduzidos, para facilitar a
referência, na tabela 13. 3. As correlações entre os itens foram relatadas
Tabela 13.3 Respostas de seis pessoas a quatro itens de atitude social (repro-
tluzidas da tabela 12.5) •.
Itens
2 3 4
1 1 2 4 2
2 1 3 2 2
3 2 2 5 6
4 5 6 5 5
5 6 5 3 4
6 6 6 2 1
m Os números na tabela são as classificações feitas por seis pessoas, dos quatro
referentes em uma escala de 1 a 6, 1 indicando baixíssima aprovação e 6 indi-
cando forte aprovação.
256
na tabela 12.6 e estão reproduzidas aqui na tabela 13. 4. Os resultados
de análise fatorial desta matriz de correlação, dados originalmente na
tabela 12. 7, aparecem novamente na tabela 13. S. Estes resultados pare-
cem apoiar a concepção de independência e dualidade, porque os dois
itens liberais estão carregados em um fator (cargas grifadas) e os dois
conservadores em outro fator (também grifadas). As cargas negativas
são baixas e sem conseqüências. Se uma concepção bipolar estivesse
correta, obteríamos um fator com os dois itens liberais com substancial
carga positiva e os dois itens conservadores tendo substanciais cargas
negativas.
Usando a abordagem de Jõreskog, estabelece-se primeiro a situação
teórica com diagramas. Os diagramas da figura 13.4 expressam as duas
alternativas. À esquerda (A) da figura está a hipótese de dois fatores.
Os números 1, 2, 3, 4, representam os quatro itens de atitude, 1 e 2
sendo igualdade para as mulheres e controle da natalidade e 3 e 4, pro-
priedade privada e negócios, itens conservadores. Os círculos represen-
tam os fatores presumidos, L e C, ou liberalismo e conservadorismo.
As setas representam a influência ou determinação nas direções de L
para 1 e 2 e de C para 3 e 4. Isto é, o fator L "determina" ou está
subjacente aos itens 1 e 2 e o fator C "determina ou está subjacente
aos itens 3 e 4.
Tabela 13.4 Corrêi1Jç,i;)es entre quatro itens de atitude social de seis pessoas
(reproduzidàs da talJê'fi 12.6).
Fatores
Itens A B
Figura ·13.4
258
Ta~ela 13.6 Matrizes alvos, ou matrizes hipóteses, expressando hipóteses alter-
nativas para a estrutura fatorial da matriz de correlação da tabela 13.4."
Hipótese de Hipótese de
dualidade bipolaridade
11 11
o -1 o
1 o o
o 1 1 o
o -1 o
2 3 4 2 3 4
1 1,00 0,91 -0,15 0,04 1 0,90 0,88 -0,13 0,02
2 0,91 1,00 -0,23 -0,11 2 0,88 0,88 -0,24 -0,09
3 -0,15 -0,23 1,00 0.81 3 -0,13 -0,24 0,75 0,75
4 0,04 -0,11 0,81 1,00 4 0,02 -0,09 0,75 0,77
Matriz residual
1 2 3 4
260
de dualidade e num outro conjunto que expresse a hipótese de bipola-
ridade. A operação se resume em usar os modelos teóricos expressos na
tabela 13.6 e em fazer com que os dados da tabela 13. 5, as cargas
fatoriais obtidas, se pareçam o máximo possível aos modelos expressos
na tabela 13. 6. Quando foi feito· isto, foram obtidas as duas matrizes
fatoriais da tabela 13. 8.
Hipótese de Hipótese de
dualidade bipolaridade
II II
Matriz residual
2 3 4
262
mente. :E: a concepção e o uso das chamadas variáveis latentes no sistema.
Uma variável latente é uma variável não-observada, que é usada para
"explicar", ou que é incluída em hipóteses como estando influindo sobre
outras variáveis latentes ou variáveis observadas. Foi dado um exemplo
no figura 13 . 4 onde liberalismo· (L) e conservadorismo (C) eram
variáveis subjacentes não observadas que se supunha "explicarem" os
quatro itens (ou variáveis) do exemplo. Para tomar a coisa mais clara
e para abordar o sistema de Joreskog mais de perto, examine-se a
figura 13.5 onde a situação à esquerda da figura 13.4 é representada
mais de acordo com as linhas de Joreskog.
L (liberalismo) e C (conservadorismo) são variáveis latentes, ou
não-observadas, que supostamente estão subjacentes às quatro variáveis
observadas (itens), estando L subjacente às variáveis 1 e 2, e C às
variáveis 3 e 4. As variáveis observadas são dadas. em quadros e as
variáveis latentes em círculos. As setas de um sentido indicam a direção
de influência- por exemplo, L influencia 1 e 2. As setas de dois sentidos
indicam correlação -por exemplo, r12 é a correlação entre as variáveis
1 e 2. Os e's indicam os erros de mensuração nas variáveis observadas.
Fornecidos os dados - neste caso as correlações entre os quatro itens
- , o sistema calcula a influência de L nas variáveis 1 e 2 e a influência
de C em 3 e 4. Estas influências são simbolizadas por a1 e a2 (para L)
e as e a<~ (para C), cujos :valores são calculados pelo sistema. O sistema
calcula tambéntJ;.~s.,~orrelação entre L e C e as variâncias de erro e1, e2, ea
e· e4. A análise eritâõ continua ao longo das linhas delineadas acima.
O objetivo da figura 13.5 é mostrar que o método, diferentemente
da maioria dos outros métodos de análises multivariadas, calcula os
efeitos das variáveis latentes sobre as variáveis observadas e até as
relações entre as variáveis latentes. Este é, naturalmente, o material
básico da construção e testagem de teorias. É também muito semelhante à
Igualdade
para as
mulheres (1)
Controle da
natalidade ( ]
2
Figura 13.5
análise fatorial. Lembre-se da inteligência fluida e cristalizada de Cattell,
fatores de segunda ordem que podem ser também concebidos. como
variáveis latentes. A diferença é que em análise de estruturas de cova-
riância a idéia é generalizada e aplicada a todo tipo de situações teóricas
e analíticas. Além disso, a análise fatorial é um caso especial do sistema
geral. Assim as teorias podem ser formuladas, testadas e comparadas
para mostrar sua congruência com os dados observados.
264
cada pela seta entre n Ach e Ach. Mas presume-se, SSE e Inteligência
exercem efeito indireto sobre Re~lização por seu efeito direto sobre Ach.
(Embora SSE e Inteligência estejam eles próprios correlacionados- isto
é indicado pela seta curva de do~s sentidos entre eles - não são
considerados como afetando um ao outro.)
Os analistas de trajetória chamam a formulação acima de um modelo
causal: pelo seu uso podem ser determinadas algumas idéias de causas e
efeitos. (Evitaremos aqui comentar o espinhoso problema causa e efeito.)
Então, pelas correlações entre as variáveis do modelo, eles calculam os
coeficientes de trajetória (path coefficient). Um coeficiente de trajetória é
simplesmente um peso de regressão fornecido pela costumeira análise
de regressão. Por exemplo, a regressão de n Ach sobre SSE e Inteligência
(isto é, SSE e Inteligência são as variáveis independentes e n Ach a
variável dependente) produz coeficientes de regressão (coeficientes beta)
de 0,40 para a trajetória de SSE a n Ach e 0,04 para a trajetória de
InteligênCia até n Ach. Estes valores indicam que SSE tem um efeito
.substancial sobre n Ach, mas que Inteligência tem efeito pequeno.
Então, faz-se a regressão de Realização sobre SSE, Inteligência e
n Ach (isto é, Realização, a variável dependente, é predita pelas outras
três variáveis). A análise fornece coeficientes, como se segue: de SSE a
Realização, 0,01; de Inteligência a Realização, 0,50; de n Ach a Reali-
zação, 0,42. Estçt-Lfoeficientes de trajetória foram ligados a suas traje-
tórias na figura e;~:~iê* Naturalmente, a costumeira análise de regressão
teria produzido nesta situação estes últimos coeficientes. A diferença
entre uma análise de regressão comum e a análise de trajetória é, entre-
tanto, que as trajetórias de SSE e Inteligência até n Ach foram acrescen-
tadas porque o pesquisador acredita, com base ou raciocínio teórico,
que estão agindo tanto influências diretas quanto indiretas. Em outras
palavras, as três variáveis não apenas afetam diretamente Realização;
SSE e Inteligência afetam Realização também indiretamente através de
ít Ach. (Note a semelhança de raciocínio ao fenômeno de interação já
t.~studado.) É uma análise das influências na Realização mais rica, mais
&~ofisticada e provavelmente mais exata do que as que obtemos pela
j:·ªnálise de regressão comum, neste caso principalmente porque já "expli-
~(_Ç.amos" n Ach a caminho de "explicarmos)) Realização.
o~: Quando examinamos o diagrama de trajetória da figura 13. 6, vemos
;:;kque duas das trajetórias têm coeficientes de trajetória próximos de zero:
'im~ SSE a Ach, 0,01 e de Inteligência a n Ach, 0,04. Já que uma das
ti~!Jíetas da ciência não é apenas a explicação, mas também a explica-
!!fao parcimoniosa, perguntamos: Se suprimirmos estas duas trajetórias
ecalcu]armos os coeficientes de trajetória no modelo resultante mais
;;f~ircimonioso, será que um teste com os dados originais, como o feito
_,,_,, o modelo de análise fatorial acima, mostrará um bom acordo entre,
(0,30)
Figura Jj,6
zação diretamente e não afeta n Ach. SSE afeta Realização apenas através
de n Ach. Isto é, SSE afeta n Ach, que por sua vez afeta Realização.
Obviamente, o modelo é consideravelmente mais simples e mais parei-:
monioso. Novamente, a pergunta é: é consistente com os dados originais,
fcom as correlações originais?
A tabela 13. 10 nos dá a análise para responder à pergUnta.
As correlações originais são dadas à esquerda da tabela, A, e as cor-
relações forçadas, as correlações calculadas pelos coeficientes de trajetória
Figura 1J.7
266
Tabela 13.10 Correlações originais, A, correlações forçadas, B, e matriz residua!,
quatro variáveis, segundo modelo.
Matriz residual
1 2 3 4
1 0,00 0,00 0,00 0,01
2 0,00 0,00 0,04 0,01
3 0,00 0,04 0,00 0,02
4 0,01 0,01 0,02 0,00
9 :1! prec;so tomar cuidado. Se tivéssemos feito a mesma análise com o modelo de
trajetória da figura 13.6, a matriz residual teria somente zeros. Àssim o modelo
da figura 13.6 é também consistente com os dados. Mas isto não significa que
o modelo da figura 13.6 seja melhor ou tão bom quanto o modelo da figura 13.7.
A reprodução perfeita das correlações é quase um artefato. Quando são usadas
todas as trajetórias possíveis em um diagrama de trajetórias, e calculados todos
ós codicientes possíveis, a matriz de correlação original é perfeitar,1ente repro-
duzida, qualquer que seja o modelo ou diagrama.
"correta." O método exposto pode, portanto, ser considerado como
possuindo a virtude da negativa. Se um modelo não for consistente com
os dados, provavelmente não será "correto". Mas se for consistente com
os dados, pode ou não·estar "correto". Sua "correção", em outras pala-
vras, tem que ser julgada em outras bases, além da estatística. Esta é
uma das dificuldades de todas as teorias e explicações científicas (e de
outros tipos). Podem ser mostradas como provavelmente incorretas, no
sentido de não serem consistentes com a evidência empírica, mas jamais
poderão ser mostradas como absolutamente corretas. Uma explicação
pode ser mostrada como provavelmente umelhor" que outras explica-
ções alternativas, mas o cientista jamais poderá ter certeza de que seja
a última palavra. Se o leitor voltar à discussão sobre o fumo e o câncer
de pulmões no capí_tulo 8, talvez compreenda melhor o que lá ficou dito
a respeito de .;;xplicações e explicações alternativas.
Na discussão acima nada ficou dito sobre análise de estruturas de
covariância. Aliás, foi uma descrição mais ou menos convencional da
análise de trajetória. Ficou omitida a análise de estruturas de covariância
para que o leitor pudesse te~: uma visão geral da abordagem de análise
de trajetória no quadro de referência costumeiro da regressão múltipla.
Tentaremos mostrar agora, embora rápida e incompletamente, como a
análise de trajetória é um caso especial da análise de estruturas de
covariância e como o problema analítico da pesquisa pode ser abordado
no quadro de referência da estrutura de covariância.
Em análise de estruturas de covariância, os problemas representados
nas figuras 13 . 6 e 13 . 7 podem ser resolvidos com exatamente os mesmos
resultados. Pode ser feito mais, entretanto. Primeiro pode-se calcular as
variâncias de erros de mensuração associadas às medidas falíveis das
.,.variáveis. Tal cálculo mudará então a solução, incluindo os coeficientes
de trajetória. A análise de trajetória geralmente admite a inexistência de
erros, tornando-se assim vulnerável à crítica. Segundo, as variáveis laten~
tes podem ser postuladas e calculada sua influência. Por exemplo, no
modelo da figura 13. 6, pode-se pensar que uma variável latente tenha
influência tanto sobre n Realização quanto sobre Realização.
Terceiro, a análise de estruturas de covariância permite testes da
significância estatística do acordo entre modelos teóricos e dados obser-
vados. Além disso, modelos teóricos alternativos podem ser testados
para verificar~se sua congruência comparativa com os dados observados.
Por exemplo, a congruência entre as correlações originais e as correlações
forçadas da tabela 13. 10, pode ser testada estatisticamente. Se as dife~
renças entre as duas matrizes, mostradas na matriz residual da tabela
13 .10, for:em relativamente grandes, indicando falta de acordo entre
teoria e dados, o teste estatístico indicará. Se o teste estatístico não
mostrar significância, então, o acordo ou congruência será aceitável.
268
Finalmente, a estimativa das magnitudes dos valores dos coeficien-
tes de um modelo- em análise de trajetória os coeficientes de trajetória,
por exemplo - é feita simultaneamente. No exemplo de análise de
trajetória dado atrás, os coeficientes de trajetória foram calculados
sucessivamente. Por exemplo, no problema da figura 13.6 os coeficien-
tes levando de SSE e Inteligência a n Realização foram calculados
primeiro e depois que os coeficientes de SSE, Inteligência e n Reali-
zacão a Realizacão foram calculados. Em análise de estruturas de cova-
riÍncia, entreta~to, todos são calculados ao mesmo tempo, por assim
dizer, incluindo a estimativa das influências das variáveis latentes, se as
houver, e dos erros. Isto é, toda a informação é levada em conta de
maneira verdadeiramente multivariada. Deve ficar óbvio que a análise
de trajetória é um caso especial da análise de estruturas de covariância.
Como sempre, precisamos terminar a discussão com uma nota de
cautela. Embora poderosa, a análise de estruturas de covariância não é
a resposta perfeita aos problemas teóricos e analíticos. Não pode - ou
não devia poder - ser usado para análises comuns. É perda de tempo
e trabalho usá-la, por exemplo, para uma análise fatorial exploratória
comum. Deveria ser usada apenas para testar modelos teóricos relativa-
mente complexos ou hipóteses alternativas complexas. Uma segunda limi-
tação é que as suposições por trás de seu uso são bastante rigorosas,
tornando-a, pelo menos teoricamente, inaplicável em algumas situações
de pesquisa (pô~~~!Pplo, com variáveis dicotômicas). Esta limitação do
sistema pode ser sup-erada com o tempo. Há uma ou duas outras limi-
tações, que vamos ignorar aqui. Em suma, a análise de estruturas de
covariância é uma estratégia rica, poderosa e um método de ataque aos
problemas de pesquisa, desde que estes sejam guiados pela teoria e
sejam de tal natureza que as suposições do n1étodo pdssam ser razoavel-
mente satisfeitas. Pode-se dizer até que o método é um grande avanço
na cunceitualização e metodologia mostrando uma nova direção e sofisti-
cação na pesquisa comportamental.
Conclusão
d~(
~~í
levar, entretanto, a acreditar que seu desenvolvimento resolve a maioria
de nossos problemas científicos, ou que não haja fraquezas ou que abor-
dagens univariadas mais simples esteiam mortas ou morrendo. Nada
il/ disso. A pesquisa comporwmental precisará sempre de abordagens mais
simples, principalmente em experimentos e certas situações de pesquisa
aplicada. Afinal, sempre se poderá dizer que o coeficiente de correlação,
que expressa a magnitude e direção da relação entre duas variáveis, é o
coração da análise multivariada. Observe que em certo sentido uma ferra-
menta complexa como a correlação canônica resulta finalmente em um
coeficiente de correlação. Mais apropriado seria dizer que muitas
pesquisas não exigirão mais do que um& simples comparação de médias
usando análise de variância ou outro método, ou uma comparação de
freqüências e porcentagens corno nas tabelas de cruzamento de variáveis,
ou no mais simples dos modelos de pesquisa, digamos, um grupo experi-
mental e um grupo de controle. Não, a abordagem multivariada não irá
tanto substituir métodos mais simples como enriquecer a pesquisa com-
portamental possibilitando abordar mais de perto as exigências complexas
da teoria comportamental. Uma teoria é um conjunto de constructos ou
variáveis sistematicamente -relacionadas umas às outras de maneiras espe-
#Cíhcadas. Por definicão. uma teoria tem diversas variáveis em uma estru-
tüfãUiliticada. Para testar ade uadamente uma teoria, então fre üente-
$ e métodos multivariados. ro ósito deste ca ítulo
ouco do sabor, senão muito da substância, desta
270
14. O computador
271
de medidas de aptidão: verbal, numérica e espacial, por exemplo, O teste
mede realmente as capacidades especifi.cadas? Um meio importante de
responder a esta pergunta é aplicando o teste a grandes números de
crianças ou adultos e depois ,analísar fatorialmente as correlações entre
os itens do teste. Lembre-se que ~n~lise fatorial, entre outras coisas, é
um método de análise que ajuda o pesquisador a determinar como os
testes ou medidas se agrupam. Determina também como os itens de
testes ou escalas se agrupam. Se alguns itens medirem, presumivelmente,
aptidão verbal e · outros itens medirem aptidão numérica, então cada
conjunto deve se agrupar na análise. As correlações entre os itens verbais
deveriam ser positivas e' substanciais, e as correlações entre os itens
numéricos deveriam ser também substanciais, enquanto que a correlação
entre os dois tipos de itens, entre os presumíveis itens verbais e numéri-
cos, deveria ser mais baixa (porque estão medindo coisas diferentes).
A análise fatorial, como já dissemos, faz tais análises satisfatoriamente
- coni. a ajuda do computador. (Veja capítulo 12, especialmente o
exemplo da escala de atitude e as tabelas 12.5, 12.6 e 12. 7.)
Antes dos computadores entrarem em uso geral sabia-se- embora
não muito bem - que a análise fatorial de itens era necessária para
uma validade satisfatória e para outros estudos em mensuração. Tais
estudos, entretanto, eram raros, quase inexistentes. 1 O simples volume
dos cálculos afastava essas idéias de consideração, embora alguns pes-
quisadores se lembrassem dessa abordagem com melancolia. Assim, um
meio eficiente de se estudar a validade das medidas, de saber até certo
ponto o que realmente medem os testes e os itens era coisa virtualmente
inalcançável antes do moderno computador tornar-se comum. Hoje essas
análises são rotineiras.
,. No capítulo 11 vimos que a regressão múltipla é um meio poderoso
de estudar os efeitos juntos e separados de diversas variáveis indepen-
dentes sobre uma variável dependente. Fazer regressão múltipla, aliás,
I Em 1958 Kaya e eu (Kerlinger & Kaya, 1959) queríamos uma análise fatorial
das ccrrelacões entre os itens de uma escala de 20 itens de atitude a fim de
confirmar r{ossa idéia a respeito do domínio da atitude e dos itens. Nós mesmos
calculamos os 190 coeficientes de correlação em uma calculadora mecânica de
mesa. Nem é preciso dizer que levamos várias horas. Entretanto, o pensamento
de faler análise fatorial nos amedrontava, embora ambos já o tivéssemos feito
"à mão". Levamos a matriz de correlação ao falecido Irwin Lorge, que tinha o
privilégio de possuir um dos primeiros computadores bem primitivos. Lorge íez
a análise fatorial, sem rotações ao custo de aproximadamente US$ 600,00. O
trabalho levou horas, se bem me lembro. Kaya e eu fizemos as rotações à mão,
o que levou de 10 a 20 horas. Pode-se entender por que os pesquisadores hçsi-
tavam em planeJar uma análise fatorial de itens. Ho.ie uma análise completa de
dados e itens semelhantes, de todas as estatísticas dos itens até as rotações de
eixos fatoriais, leva menos de 20 segundos no computador que uso atualmente!
272
exige a solução de diversas equações simultâneas. Um meio comum de
se fazer isso exige o cálculo do inverso da matriz de correlações entre
as variáveis independent.::s. Fazer isto crà mão" com duas variáveis inde-
pendentes é fácil. Fazê-Jo com três yariáveis independentes é mais difícil,
mas é possível. Fazê-lo com quatro variáveis é muito mais difícil, perde-se
tempo, é frustrante e pode-se errar. Um l;Omputador resolve facilmente
em questão de segundos. Até uma calculadora programável manua]
pode manejar três variáveis independentes em cerca de dois minutos.
A questão é que os cálculos de um método poderoso como o da regressão
múltipla estão agora à mão dos pesquisadores que não mais precisam
enfrentar a perda de tempo e as probabilidades de erro que as calcula-
doras do passado ofereciam.
Mais um exemplo e, desta vez, um bastante complexo, que é a
análise de estruturas de covariância, descrita no capítulo 13. A análise
de estruturas de covariância é quase impossível de ser feita em uma
calculadora de mesa. Partes das computações são tão complexas que
podem ser feitas apenas por computador e isto em questão de segundos.
Assim podemos dizer que este método flexível, poderoso e frutífero de
abordar a teoria e o teste da teoria, tornou-se possível apenas com o
advento de computadores de alta velocidade. Sem dúvida, o método,
para começar, jamais teria sido concebido se seus autores não tivessem
trabalhado pe~~~ndo na possibilidade do computador. E o mesmo serve
para quase tod~fJj;~álise multivariada com mais de, digamos, seis ou
sete variáveis. A influência do computador na pesquisa das ciências com-
portamentais tem sido muito grande. E estavamos falando apenas dos
efeitos dos cálculos. Os computadores tiveram grande efeito, natural-
mente, em áreas não computacionais. Neste capítulo, vamos nos restringir
aos efeitos dos computadores em cálculos com números.
274
corretamente e contanto que seu programa seja adequado. Infelizmente,
boa parte do que sai de um computador é inexato e até sem significado.
Mas isto não é culpa do computador; é culpa das pessoas que usam o
computador. Grande parte desse rendimento questionável é provavel-
mente devido a ignorância. Vamos voltar a este assunto mais tarde. O fato
é que os computadores modernos são de toda confiança, máquinas
exatíssimas em que se pode confiar para a maioria das análises em
pesquisa comportamental.
Entretanto, os computadores não são infalíveis. Não se pode confiar
inteiramente neles porque eles têm limitações. Se forem feitos cálculos
prolongados com números muito grande ou muito pequenos, os resultados
dos cálculos podem ·exceder a capacidade do computador. Suponhamos
que eu tenha um pequeno computador com espaço para resultados não
maiores do que o número 1.000.000 ou sete lugares. Mas que eu tenha
que fazer o seguinte cálculo:
467 2 X 543 + 117/0,005.
O resultado, naturalmente é maior que 1.000.000 e meu computador
não poderá resolver. Mas as capacidades dos computadores modernos
são maiores que 1.000.000, e eles podem acomodar a maior parte das
necessidades de computação das ciências comportamentais.
As vezes, !!~~tanto, acontecem inexatidões, mesmo com os progra..
mas mais bem esêríl:os. ("Programa" sera definido mais adiante.) Por
exemplo, grande parte da análise multivariada depende de uma operação
matemática conhecida como inversão de matriz (já mencionada). O
inverso de uma matriz é como um recíproco ou um divisor ou um deno-
minador em aritmética. Embora em álgebra se possa dividir facilmente
b por a, ou b/a, para produzir, digamos, c, ou c = b/a, não é possível,
em um sentido rigoroso, dividir u'a matriz de numeros por outra matriz
de números. Em vez disso. é calculada uma matriz inversa, e a primeira
matriz é multiplicada pela matriz inversa. Para se calcular inversos de
matrizes são necessárias várias multiplicações. Se os números forem
grandes, a capacidade do computador pode ser excedida. Se, como às
vezes acontece em análise multivariada, os números são pequenos- os
coeficientes de correlação são pequenos, e dois ou três multiplicados
juntos produzem números menores ainda porque são frações 2 - então,
as muitas multiplicações poderão produzir números muito pequenos que
levarão a inexatidões e resultados confusos.
A confiabilidade do computador está relacionada a sua "ductili-
dade". "Ductilidade" significa "tratabílidade". Uma pessoa tratável faz o
276
temente com computadores, se toma obcecada. Não há nada de mal
em um interesse profundo; muitas vezes ele leva a realizações criativas.
Mas o computador tem uma dimensão a mais: ele é basicamente uma
ferramenta para auxiliar a resolver problemas. Se isto ficar esquecido na
preocupação com a máquina propriamente dita, então a coisa se torna
um jogo. A maioria dos jogos é inofensiva e sua perseguição com avidez
não prejudica ninguém. Mas a perseguição ávida ao computador sem
preocupação pela finalidade científica e técnica de seu uso, pode conduzir
a banalidades sem significado ou, pior ainda, à erosão dos valores
científicos.
278
RESULT3 = ((RESULT1 + RESULT2) * A) / (A - B)
Se A = 6 e B = 4, então RESULT3 == 76,50.)
Este uso da Fortran em nível tão baixo, embora não seja particular-
mente interessante ou poderos<;>, ilustra três pontos importantes relativos
a Fortran e à. programação. Primeiro, as equações Fortran não são como
as equações algébricas comuns. Elas sempre querem dizer que o enun-
ciado à direita é colocado no "lugar" marcado à esquerda. Um termo
apenas pode ficar à esquerda, qualquer número de termos ou expressões,
à direita. O enunciado SUM = A + B, acima, significa: No lugar
chamado SUM coloque a soma de A + B. Segundo, o resultado de uma
operação pode ser rotulado de quase qualquer coisa, desde que sejam
satisfeitas duas ou três regras simples (por exemplo, o nome pode ter
de uma a sete letras, números ou ambos: C, SUM, RESULT2, e assim
por diante).
Terceiro, os computadores modernos têm muita capacidade de
armazenagem, e os lugares de armazenamento são alcançados simples-
mente por seus nomes ou rótulos. No exemplo acima, cada um dos valo-
res, A, B, SUM, RESULT2 e RESULT3, está armazenado em lugares dife-
rentes e facilmente acessíveis e rotulados como indicado. A armazenagem
e os lugares de armazenamento do exemplo acima podem ser concebidos
assim (embora não seja realmente feito assim):
~~~~.
... -~~:t;
6 4 10 24 1,50 76,50
I
A B SUM RESULT1 RESULT2 RESULT3
10 (Read in N.)
SUMX = 0.0 (Inicializa SUMX)
30 I == I + 1 (Ajusta I para 1.)
40 (Read in X (I) . )
100 SUMX = SUMX + X (I) (Soma Xi a SUMX)
105 IF (l.L.T.N) GO TO 30 (Enunciado condicional:
veja o texto)
AN == N (Põe Nem AN)
107 AVER == SUMX/AN (Calcula a média)
110 (Print SUMX and A VER.)
END
280
O computador volta agora à afirmativa 30, que soma 1 a I de
novo. No 40, é lido X (2), e no 100 é somado a SUMX. Se X (1) = 15 e
X (2) = 17, então SUMX agora é igual a 32. ~ feito novamente o teste
no comando 105, e uma vez que I, ou 2, é menor do que 100, o compu-
tador volta novamente para 30. I é novamente incrementado, o X (I)
seguinte é somado a SUMX, novamente é feito o teste em 105 e nova-
mente o computador volta para 30. O procedimento.continua até Ó 100.0
X, ou I = 100. Depois que X (100) é somado a SUMX, é feito nova-
mente o teste IF na afirmativa 105, mas desta vez, já que I = 100
e, portanto, não é menor do que N, o computador não voltará a 30.
Em vez disso, continua até depois de 105.
A continuação do programa calcula simplesmente a média, chamada
AVER, depois de converter N em AN, o que é feito para mudar o número
inteiro N em um número decimal para que a aritmética de SUMX/ AN
possa ser feita. (Em Fortran, denominações de variáveis que começam
com I, J, K, L, M e N, são variáveis de números inteiros: todas as outras
são variáveis decimais. O leitor não precisa se preocupar com esta
distinÇão.) É calculada então a média AVER, no comando 107 e SUMX
e AVER são impressos pelo comando 11 O (não dado). O programa e os
cálculos terminam então com a instrução END.
Isto é suficiente para dar ao leitor um pouco do gosto da linguagem
de um computador, como a Fortran, e uma idéia e como o computador
''trabalha'!~).
A prin~Ípi~ o procedimento pode parecer enfadonho, mas funciona, e
muitíssimo bem. Em um computador de grande porte, o programa acima
tomaria apenas um ou dois segundos. Além disso, poderíamos facilmente
somar os quadrados de todos os X, calcular a soma dos quadrados, o
desvio padrão, se desejássemos e com pouquíssimo acréscimo de tempo
do computador. Ler os dados e imprimir os resultados levam mais tempo
do que os próprios cálculos, que são feitos tão rapidamente que se
apertássemos o botão para iniciá-los, eles estariam feitos antes de soltar-
mos o botão!
Seria quase. tolice usar computador tão grande para computações
tão simples. Se em vez de um X, tivéssemos 30 X's, ou variáveis, e
quiséssemos calcular todas as médias, desvios padrão e correlações entre
os X's, não seria tolice. E isto é feito fácil, rápida e exatamente com
uma programação Fortrah (ou outra). Naturalmente, o programa será
mais complexo. E se alguém quiser fazer outras análises, como análise
fatorial ou análise de regressão múltipla, então, o programa torna-se
mais longo e complexo. (Mostramos apenas uma pequena fração das
possibilidades da Fortran.) Entretanto, os procedimentos básicos são
semelhantes.
281
Computadores-calculadores programáveis
282
-----------------------
284
maior do que a entrada apropriadt2 na tabela t - há muitos t's na tabela
correspondentes aos números de casos nos grupos experimentais - o
resultado é considerado estatisticamente significante. (Para mais discus-
sões desses testes estatísticos, veja o Apêndice no fim do livro.)
Os livros de estatística sempre contêm tabelas t - e outras tabelas
usadas com testes estatísticos. Estritamente falando, entretanto, o compu-
tador tornou tais tabelas obsoletas parcialmente. O computador pode
calcular de maneira bastante exata o t específico de que se necessita.
Tudo o que é preciso é o que se denomind uma sub-rotina para fazer a
aproximação necessária. 5 Os valores tabelados para os diferentes t são
valores de distribuição. São valores esperados por acaso para vários N's.
Suponhamos que o pesquisador obtenha uma diferença entre duas médias
e calcula t, que, digamos, é 3,714. Procurando a entrada apropriada na
tabela ao nível de significância de 0,05, ele encontra que o t na tabela é
2,010. Seu t é 3,714, maior do que o da tabela. Já que a entrada de
2 ,O 1O na tabela é o valor esperado por acaso - o valor esperado se
houvesse apenas uma diferença casual entre as duas médias - , eles
podem concluir que as duas médias são significantemente diferentes.
O cálculo de valores de distribuição, como para a distribuição t, é
difícil porque envolve cálculos tediosos. O computador calcula valores da
distribuição usando procedimentos de aproximação sucessiva. (Uma
forma simples de tal procedimento ve:rn ilustrada adiante.) Dentro de
alguns anos os pYé.&~,amas de computador que incluam distribuições esta-
tísticas provavelmente terão tais procedimentos de aproximação "embu-
tidos" na maioria dos programas estatísticos. Quando um t, por exemplo,
for calculado, o computador calculará também, através de um procedi-
mento de aproximação, a probabilidade que o t calculado (calculado
dos dados) ocorra por acaso. Por exemplo, a aproximação da probabili-
dade que t = 3,714 tenha ocorrido por acaso é apenas de 0,0003, ou
3 chances em 10.000. Fiz uma HP-67 realizar os longos cálculos repeti-
tivos - muitos loops, aliás, para efetuar a aproximação -usando um
programa fornecido pela companhia. A calculadora levou cerca de 30
segundos para fazer o trabalho. Um computador grande faria o mesmo
trabalho em muito menos tempo, numa pequena fração de segundo
Em resumo, embora as tabelas de valores de distribuição talvez não se
tornem obsoletas, elas não serão tão úteis e necessárias quando são
agora.
r.
I + 1
= 1/2 (r.+ _x_)
I ri
286
quadrada se deseja é introduzido na calculadora. A calculadora divide
este número por 2. Isto é ineficaz, mas sempre funciona. A calculadora
então usa o algoritmo acima sucessiva e repetidamente até obter a raiz
quadrada. O processo geralmente convergirá rapidamente para a solução
correta.
Para ver como funciona, vamos pôr 15 na máquina. As iterações
sucessivas - eu fiz a calculadora parar depois de cada loop para poder
ver o resultado de cada iteração e assim cada aproximação antes das
soluções finais - eram:
3,87381 )]
e 3,8i298 2 == 15. Calcule ',(2. O algoritmo e as iterações produzidos:
1,50000
1,41667
1,41422
397,96785
200,97890
104,43979
59,82175
43.18256
39,97684
39,94831
39,84810
e 39,84810 2 = 1587,8714. Note como os números sucessivos convergem
para o número final correto. O procedimento funciona com números
menores de 1? Tente v'O'JS. As iterações resultantes:
1,18750
0,90954
0,86707
0,86603
e
0,86603 2 = 0,75.
6 O leitor curioso poderá querer saber como o computador "sabe" quando deve
parar de iterar. Como ele sabe quando tem a raiz quadrada correta? Este é
um problema comum em programação de computadores. A máquina é instruída
a parar de iterar quando certo critério for alcançado. O critério é dado anterior-
mentt: e depois de cada iteração é feito um teste para ver se foi alcançado o
critéri.o. No caso presente, o critério é 0,00001. O quadrado de r (a aproximação
da ra1z), OU r, é calculado er é subtraída de X, O número cuja raiz quadrada
se deseja. Quando r- x for menor ou igual a 0,00001, o teste é satisfeito e o
computador não repete mais. Se se desejar maior exatidão, faz-se o critério menor,
por exemplo 0,0000001 ou 0,00000001.
288
algoritmo programado e, talvez, o hardware para o logaritmo não funcio-
nem tão depressa como para tirar a raiz quadrada.
')SlQ
negligenciadas. Hoje tal negligência é muito menos provável. Embora
estes melhoramentos não sejam inteiramente resultantes da disponibili-
dade dos computadores, há pouca dúvida de que os computadores ajuda-
ram a dar condições possíveis para melhoramento. Em resumo, o compu-
tador libertou o pesquisador para coisas melhores.
A terceira influência benéfica do computador é mais sutil. A simples
presença de um centro de computação, que a maioria dos pesquisadores
acabará usando, afeta a vida e o pensamento de todos os que o cercam.
É uma manifestação física da matemática, ciência, pesquisa e tecnologia.
Seu status, como manifestação de uma das mais altas realizações tecno-
lógicas e intelectuais, é uma lembrança constante dos valores que influen-
ciam nosso pensamento e nosso trabalho. O grande investimento feito
pelas universidades - e outras instituições e organizações sociais - em
computadores e pessoal técnico, penetra as vidas dos pesquisadores. E um
dos principais valores é a solução objetiva de problemas e comunicação.
O computador é, então, um poderoso símbolo de intelectualidade, princi-
palmente intelectualidade científica. Como tal, ele reforça e apóia normas
e critérios científicos e intelectuais. Não é de admirar que pintores,
escritores, historiadores e filósofos se preocupem com ele. Eles temem
que sua influência poderosa possa desequilibrar a universidade e até a
sociedade. E eles podem ter razão. ·
A quarta influência já foi mencionada neste capítulo. Os problemas
de pesquisa que não podiam ser prontamente abordados, estão agora ao
alcance. Já mencionamos análise fatorial e outras formas de análise
multivariada. Vamos tomar um exemplo bem diferente ainda não discu-
tido aqui: a análise de conteúdo. Os cientistas políticos, historiadores,
"·psicólogos e sociólogos, entre outros estudiosos, sempre analisaram mate-
.. rial documentário a fim de estabelecerem fatos e tendências e para estu-
dar relações. Este estudo documentário é extremamente laborioso. Os
historiadores poderiam passar meses ou anos em bibliotecas para estuda-
rem e documentarem um assunto. Sem dúvida, a imagem do intelectual
sempre foi a da pessoa que mais ou menos cava, vasculha e grava
pacientemente os resultados de suas escavações. Grande parte do trabalho
de um estudioso era deste tipo. Embora cansativo, não era possível de
ser evitado.
Graças ao computador e ao desenvolvimento da análise de conteúdo
dentro das ciências comportamentais, a abordagem do intelectual, sua
perspectiva e trabalho estão mudando drasticamente - ou talvez eu
dev·a dizer, mudarão drasticamente porque muitos estudiosos aindà não
foram afetados. Jamais haverá um verdadeiro substituto para o julga-
mento humano que o estudioso tem que fazer constantemente. E provavel-
mente sempre haverá uma certa quantidade de trabalho maçante. Mas o
computador pode eliminar muito desse trabalho maçante. Com uma
290
lista bem feHa de conceitos-~have, nomes e assuntos, o levantamento
bibliográfico feito por computador- depois que a própria bibliografia
foi posta nos bancos de memória do computador - é agora possível.
A carga da pesquisa bibliográfica será grandemente aliviada. Depois
que o estudioso seleciona as fontes que deseja na lista que o computador
fornece para sua pesquisa, o computador pode ainda reproduzir a fonte
ou expedir instruções para fazê-lo.
Vamos tomar um exemplo mais interessante. Análise de conteúdo
é um método de analisar e estudar as comunicações - documentos de
toda espécie, inclusive documentos existentes e documentos produzidos
deliberadamente para fins . de pesquisa, livros, cartas, etc. . . - de
modo sistemático, objetivo e quantitativo para medir variáveis ou realizar
outros propósitos de pesquisa. Suponhamos que desejamos estudar os
sistemas· de valores de grupos ou. países diferentes e que certas palavras
ligadas a valores foram descobertas em pesquisas anteriores como capazes
de diferenciar grupos sociais, palavras como igualdade, disciplina, reali-
zação, religião e liberdade.
Um "dicionário" de tàis palavras pode ser colocado na memória
do computador. Amostras aleatórias de publicações-chave - editoriais,
discursos políticos e artigos de revistas, por exemplo - em diferentes
países podem ser analisados. Seleções inteiras são perfuradas nos cartões
e lidas no computador. O computador examina os cartões, destaca as·
palavras relafWàs,"'a valores que foram colocadas em seu udicionário,"
depois analisa os--'''dados" contando, categorizando e calc~lando as esta-
tísticas apropriadas. O grande trabalho de estudar e analisar os textos
é evitado e o pesquisador pode se concentrar no que é importante:
a teoria por trás do trabalho, o dicionário" e seu conteúdo, a seleção
H
"'nf
computador. As instalações de computador compartilham programas
internacionalmente. Certos pacotes de programas muito conhecidos e
usados podem ser encontrados nas universidades de Nova Iorque, Berkeley
e Amsterdã, para mencionar três instalações muito distantes. É também
muito comum usuários e especialistas de computadores de diversos
países se encontrarem em centros de computação e muitas vezes compar-
tilharem seu conhecimento e know-how. A palavra "computador" e
certas outras a ela relacionadas, tornaram-se parte de línguas naturais.
Como a música e a matemática, a linguagem de computador é uma
espécie de linguagem internacional.
O efeito deste intercâmbio e influência internacionais ajuda a demo-.
lir barreiras nacionais e sociais. Naturalmente, a ciência e a tecnologia
sempre tiveram esse caráter internacional e às vezes ajudaram a destruir
barreiras. A influência do computador pode ser maior, entretanto, pela
necessidade de as instituições terem centros de computação e ·know-how
fisicamente presentes dentro ou próximos das instituições. Os benefícios
para as ciências comportamentais vêm principalmente do crescente com-
partilhar de metodologias - a análise de estruturas de covariância discu-
tida no capft1Ilo'13 é um excelente exemplo- e conhecimento ampliado
da teoria e pesquisa.
As desvantagens do computador foram muito discutidas por vários
observadores. Elas são complexas e muito menos óbvias do ·que as vanta-
gens no sentido em que seu caráter negativo e até sua influência nociva
são mais discutíveis. Veremos por que quí:\ndo discutirmos e examinarn'ios
duas ou três delas. ',
A primeira e mais óbvia desvantagem do computador é sua possível
violação do sigilo. Uma das regras ou valores importante que governam
~ pesquisa da ·ciência comportamental é que toda informação sobre
fudivíduos e grupos é confidencial. A privacidade e os direitos dos indi-
víduos devem ser cuidadosamente salvaguardados. Os dados coletados
sobre indivíduos não devem ser identificáveis. Mas se os nomes dos indi-
víduos entrarem no computador com seus dados, torna-se muito fácil a
indivíduos ou organizações inescrupulosas obterem informações indivi-
duais e violarem a privacidade e os direitos de indivíduos e grupos.
Infelizmente isto foi feito e o computador levou a culpa. O problema terá
que ser resolvido se este importante valor tiver que ser preservado.
A segunda influência nociva vem dos problemas levantados pela
pergunta. Os computadores podem pensar? De chofre, a maioria das
pessoas sensatas responderá prontamente- Não, é claro que os computa-
dores não pensam - pelo menos como o ser humano "pensa". ~-O
problema é que a pergunta e sua resposta são muito complexas. É certo
que os computadores só fazem o que são instruídos para fazer. Mas .as
vezes não se sabe direito para o que foram instruídos. Além disso, sua
292
busca incessante e implacável de possibilidades lógicas pode dar resul-
tados surpreendentes. Isto é, os resultados de certa linha de pensamento
não podem ser conhecidos porque as possibilidades são muitas. Levaría-
mos semanas, e até anos, para explorar algumas possibilidades apenas.
Mas podemos escrever um programa e instruir o computador a explorar
as possibilidades e imprimir os resultados, Em outras palavras, onde uma
pessoa pode levar adiante um procedimento apenas por tempo limitado
e com possibilidades limitadas, um computador pode segui-lo por minu-
tos, horas e até dias (com grande despes8_) claro) e explorar muitos
mais e até todas as possibilidades. Isto é "pensar"? Se não for pensar,
precisamente," é coisa muito parecida.
A capacidade do computador fazer operações repetitivas e variadas
a alta velocidade então, ajuda seus usuários a acompanhar as conseqüên-
cias de idéias e modelos complexos. Este grande poder tem uma aura
de magia que deixa muita gente desconfiada ou até com medo dos
computadores. Além disso os computadores podem simular processos
de pensamento humano com grande sucesso. Um exemplo famoso é um
programa de computador que pode demonstrar teoremas lógicos. Estas
demonstrações às vezes são muito difíceis até para especialistas em lógica.
O computador pensa quando resolve esses problemas? Um exemplo mais
conhecido e mais famoso é a incrível capacidade que o computador tem
para jogar xadrez. Os computadores podem derrotar a maioria dos joga-
dores de xadr~J!JlaS não os melhores). Eles "pensam" quando fazem
isso? · ;~'>:t!
u assunto é altamente controvertido e discutível. Alguns dizem que
o "pensamento" de um computador é indistinguível do das pessoas. Ou-·
tros, que há uma diferença profunda. Provavelmente não haja uma solu-
ção ,satisfatória para a dificuldade, querendo .isto dizer que não é possível
responder à pergunta, Os computadores poàem pensar? (A pergunta foi
até considerada sem sentido.} Talvez a melhor resposta tenha sido a
de Turing (1956), que anos atrás disse que para testar a pergunta é só
dar o problema que estiver exigindo pensamento a um computador e a
um especialista humano. Se um observador especializado não puder
discernir nenhuma diferença fidedigna nas soluções apresentadas, então
o computador pode "pensar". Há pouca dúvida de que muito do que
os computadores fazem parece ser uma forma de pensamento. E não há
dúvida. também de que os computadores podem simular efetiva e repeti-
damente conhecidas características do pensamento humano. Vamos deixar
este problema embaraçoso e voltar a assuntos mais fáceis - com enorme
alívio, confessemos. 7
7O leitor pode ter uma visão geral dos problemas envolvidos lendo Lindsay e
Norman (1977, pp. 593-599) que analisaram um problema particular chamado
Outra desvantagem do computador tem suas raízes na relativa facili-
dade de uso do computador, a grande e fácil disponibilidade dos chama-
dos "pacotes" de programas e a força e velocidade das máquinas moder-
nas. Estas caracterítsicas e condições possibilitam aos indivíduos com
insuficiente conhecimento dos métodos usados, produzir análises que
podem e, às vezes, são absurdas. Tais usuários dependem muito de que
o computador faça por eles seu trabalho e pensamento. O mau uso de
pacotes de programa de análise fatorial é um exemplo freqüente e proble-
mático. Métodos objetivos para análise fatorial convenientes para uso
em computadores foram elaborados e são amplamente acessíveis. O pro-
blema é que um método completamente objetivo nem sempre produz uma
solução satisfatória para um problema de análise fatorial. O julgamento
humano tem que entrar no negócio em dois ou três lugares cruciais.
Por exemplo, uma parte importante da análise fatorial é o número
de fatores a serem rotados depois da extração dos fatores. (Veja no
capítulo 12, nota de rodapé número 4, uma breve explanação de fatores
rotados.) Não há resposta completamente satisfatória para a questão:
Quantos fatores devem ser rotados? Há respostas e métodos objetivos,
mas que podem dar respostas enganadoras senão completamente erradas.
O único meio bastante satisfatório no presente envolve métodos objetivos
e o julgamento do pesquisador. A desvantagem, então, é a tendência dos
pesquisadores se tornarem dependentes demais do computador e, em
fazendo isto, perderem a compreensão real dos dados e da metodologia
com que trabalham, e abandonar o controle sobre sua pesquisa e seu~
resultados.
Mais insidiosa e prejudicial é a forte tendência dos usuários de•:_.
computadores em todo mundo, de depender dos chamados "pacotes" de
.,. programas para a solução de seus problemas analíticos. Um "pacote" é
um programa generalizado que pode manejar todos os problemas de certo
tipo. :1! escrito para ser "geral" para uma classe de problemas analíticos;
meu problema, o seu problema e o problema dos outros podem ser feitos
com ele. Por exemplo, há "pacotes" para fazer análise fatorial, análise
de regressão múltipla e alguns deles são muito bons, sem dúvida. Outros
têm aspectos questionáveis. Muitos dos usuários de tais programas sabem
pouco ou nada a respeito do computador e do que ele pode ou não
pode fazer; e, pior, eles sabem pouco a respeito dos métodos empacota-
294
dos nos programas. Dependem totalmente dos programas do computa-
dor. Os terríveis result2dos se mostram repetidamente. Ocorreu a pouca
gente, mesmo a pesquisadores, que tamanha dependência é perigosa, e
até perniciosa. Ela não leva apenas a resultados incorretos e confusos;
ela enfraquece a capacidade de muitas pessoas potencialmente talentosas.
Baixa ainda a qualidade geral da pesquisa nas ciências comportamentais.
A desvantagem final a ser discutida é a mais enganadora, complexa
e difícil de ser descrita. O poder, a aplicabilidade universal e a tremenda
velocidade do computador ajudam a gerar espanto e medo em muita
gente. (Naturalmente, quando a automação torna o trabalho obsoleto,
seguem-s'e a aversão e o ódio.) O computador é encarado como uma
força misteriosa cujo efeito derradeiro será o de destruir a humanidade.
O trabalho do computador e as pessoas que o usam são olhadas como
perigosas ameaças à integridade e peculiaridade existencial de homens
e mulheres. Em resumo, o computador, muitas vezes junto com a ciência,
é percebido como um inimigo da humanidade.
Fato e ficção se unem aqui. O fato é que tais atitudes são muito
reais e exercem grande influência (veja Lee, 1970, para um estudo
de âmbito nacional de tais atitudes). A ficção é que o computador, essen-
cialmente uma máquina, embora potente é antropomorfizado; recebe uma
((realidade" e um "poder" que não possui. Os computadores não desuma-
nizam as pesso~~"~s próprias pessoas se desumazinam. Os computadores
são produtos huniá\ios e uma parte da estrutura social; devem ser contro-
lados pelos homens e mulheres e pela estrutura social. Se a desumaniza-
ção for uma ameaça, então preste atenção a coisas mais profundas do
que o computador.
Cor:1o sempre, a resposta, se é que há uma resposta, não é culpar a
ciência, a tecnologia, os métodos e os computadores pelas mazelas huma-
nas. Embora não haja dúvidas de que o homem e seus poderosos produtos
ajudam a formar os seres humanos, também não resta dúvidas de que
os males da sociedade são curados apenas pelos homens e mulheres
trabalhando juntos para efetuar curas.
Esta homilia por demais moralista nos leva a nossos últimos capítu-
los. Neles discutiremos algumas das importantes e controvertidas questões
associadas à ciência e à pesquisa. Veremos que o computador é apenas
uma pequena parte de um maior e mais difícil complexo de problemas.
15. Concepções errôneas e controvérsias:
questões metodológicas
Objetividade
296
~!Jcialistas sobre o que está sendo observado. Isto significa que a ciência
J/Jprocura afastar os procedimentos científicos das preocupações humanas.
J Todas as formas de conhecimento são influenciadas por valores, atitu-
~ de e outras predileções. Jamais é possível ser-se completamente objetivo.
Em outras palavras, a objetividade ·é sempre uma questão de grau. Mas
a ciência insiste no ideal e no critério da objetividade como sendo indis-
pensável. Sem objetividade não pode haver ciência.
Como ficou salientado no capítulo 1, o critério de objetividade
permite aos cientistas saírem de dentro de si próprios. Eles estabelecem
procedimentos "lá forau, longe de si mesmos .. A idéia é proteger os proce-
dimentos de predilecões e influências. Esta é a essência e o núcleo de
métodos científicos empíricos. Um dos testes de objetividade é se, a
partir de uma descrição de uma pesquisa, um outro investigador compe-
tente é capaz· de replicá-la. Se for possível e se os resultados forem os
mesmos ou semelhantes, isto é apoio parcial para a "validade" da pes-
quisa. A objetividade é uma das razões principais porque as explicações
científicas, apoiadas por evidência empírica objetiva, são consideradas
mais dignas de confiança do que outros métodos de se obter conheci-
mentos.
As críticas à objetividade vão desde as mais ingênuas às mais sofisti-
cadas. O núcleo da crítica, entretanto, parece tomar duas formas. A pri-
meira já f~i m~~c~on.. ada e.. dis~utida ..n~ capítu~o 1. A obje~ivida~e, dizem,~·
leva ao dtstand~m.ento, a fneza, a muman1dade. O distanciamento e ·
a frieza da ciência destroem os valores humanos e desumanizam o
hÜmeffi.Assim, a ciência é fundamentalmente pern1c1osa. Além disso,~,
·não se pode confiar em conhecimento adquirido em sistema tão desumano
porque a ele falta sabedoria verdadeira e profunda, que vem apenas
da percepção intuitiva de verdades espirituais e humanas. A ciência é
reducionista: ela reduz o todo essencial dos seres humanos e o mundo
, para dissecar fragmentos de conhecimento, que são, em essência, (hstor-
!l,(_ çõ~s d~ ;ea~idade. Os psic?Iogos, em tentati~as objetivas de estud~re?I
r• a lntehgencta e a personalidade humanas, nao compreendem a propna
~ : essência da inteligência e personalidade, todos indivisíveis e impossíveis
de serem reduzidos a conceitos e números. A objetividade, em vez de
ser uma ferramenta neutra para o cientista, é de fato um poderoso inimigo
do homem e da verdade - pelo menos é o que dizem.
O segundo argumento é mais sofisticado e exerce maior influência,
principalmente na Europa, onde faz parte dos ataques ·marxistas à
·~ objetividade. Diz-se - com bastante verdade, por sinal - que ninguétp.
~pode ser verdadeiramente objetivo. Quando os cientistas· colocam à
objetividade como um ideal, estão enganando-se a si próprios e aos
outros. Todos nós, inclusive os cientistas, somos conduzidos por nossos
valores e motivos. Não podemos ser objetivos. Marxistas e ideólogos
1')0'7
··J,: semelhantes vão mais além. Dizem, por exemplo, que os valores da
' sociedade influenciam as hipóteses e as pesquisas de cientistas. burgueses
l,
i ' e, se esses valores forem corruptos, como o são na sociedade capitalista,
então a pesquisa e os resultados são inevitavelmente corruptos. A objeti-
. vidade, então, é um mito burguês; é uma arma de opressão.
Dizem ainda que é mais importante conhecer a história de uma
l: hipótese do que testá-la. Isto significa que o que é importante é a história
-\ e a origem das hipóteses na ciência capitalista ocidental. Quem formula
);: as hipóteses é a pergunta-chave. Elas vêm de cientistas apoiados pelo
·r. establishment? Se assim for, elas são tendenciosas e suspeitas. Este tipo
, .1 de raciocínio e o raciocínio menos ideológico de críticos da pesquisa
1\ comportamental sociológica e psicológica se juntam em seu ataque à obje-
Ll(
tividade.
No capítulo 1 foi respondido um argumento relacionado. Vamos nos
limitar aqui a breves observações centralizadas principalinente na con-
fusão de duas definições de objetividade. A definição científica de objeti-
vidade ficou dada atrás e elaborada no capítulo 1: acordo entre juízes
especialistas, "juízes" sendo definidos como pessoas ou máquinas. A
essência desta definição se refere a procedimentos, ela é de ordem meto-
dológica: dá uma regra geral metodológica. A regra, em essência, diz:
todos os procedimentos devem ser públÍcos; devem ser replicáveis; devem
estar separados do investigador. E isso é tudo que significa.
Os críticos da objetividade, entretanto, baseiam seus argumentos
numa definição que se concentra no investigador. Eles, ou pelo menos
seus argumentos, pressupõem que a objetividade seja uma característica,
ou traço cientista. Eles estão dizendo, com efeito, que os cientistas
reinvindicam a objetividade para si próprios, que eles, como classe de
indivíduos, são mais objetivos do que os não-cientistas. Eu estou exage-
rando um bocado e sei que algumas críticas à objetividade são mais
sofisticadas do que indica o meu resumo de seus argumentos. Entretanto,
a confusão causada pela definição implícita ou explícita de objetividade
como um traço dos cientistas impede a comunicação e enfraquece a
compreensão de objetividade como um procedimento científico.
Os cientistas não reivindicam nenhuma objetividade pessoal (natu-
ralmente há exceções). Eles insistem na objetividade como um procedi-
mento metodológico que pode e deve ser colocado à parte dos cientistas
e suas predileções. Em resumo, os procedimentos devem ser públicos.
Os argumentos contra a objetividade expostos acima, não tocam neste
ponto. O prir~eiro argumento, d~~Q..hjetl.vld.ad.~_Ji di~__tªnciad-ª,_ftia
e desumana, e correto. E tem que ser desta forma. É precisamente esta
separação da pesquisa científica das preferÊ:ncias humanas, aliada à
insistência em testes objetivos empíricos das hipóteses - que, uma vez
enunciados publicamente, ficam eles próprios fora dos seres humanos -
298
que aumentou de maneira t~o notável nosso conhecimento. Que a objeti·
vidade leva à destruição de_ importantes valores humanos, faz parte de
uma mitologia mais ampla. Sem dúvida, a prática da ciência leva ao
desafio de valores estabelecidos por causa de sua natureza básica de
indagação crítica. Mas que destrua ·valores humanos ou o próprio homem
é absurdo. Se os valores ou os homens tiverem que ser destruídos, os
homens farão isso. Os procedimentos podem nos desumanizar apenas
quando permitimos que o façam.
O segundo argumento também tem pouco peso, a não ser com
aqueles que querem acreditar nele. Naturalmente todos nós somos influen-
ciados por nossas preferências. O fato de podermos ou não ser pessoal-
mente objetivos é discutível. Mas a questão não é esta. A questão, como
já observamos, é que os procedimentos da ciência são objetivos - e não
os cientistas. Os cientistas, como todos os homens e mulheres são opináti-
cos, dogmáticos, ideológicos - influenciados pelas forças que influen-
ciam a todos nós. Esta é a verdadeira razão para insistir em objetividade
de procedimento: levar a questão para fora de nós mesmos, sujeitá-la
a investigação crítica pública.
Não há verdades absolutas, cientificamente falando. Não podemos ,·
' "saber" nada completamente. Há apenas graus relativos de conhecimento
{válido e fidedigno. Os procedimentos objetivos aumentam a probabili-
!dade de obter conhecimento mais fidedigno e mais válido através da
pesquisa. Ã15&j~jividade em e de si própria, tem pouco valor. Ser objetivo
não significa ser' científico. Afastar a objetividade da ciência, entretanto,
destrói o núcleo do empreendimento científico.
Métodos quantitativos
300
Há diversas respostas à crítica feita à quantificação nas c1encias
comportamentais, sendo que a mais importante é empírica e pragmática.
O uso da quantificação funciona! Embora as suposições que formam a
base do uso dos números e sua manipulação possam ser violadas, a
quantificação funciona muitíssimo bem. Quando a inteligência de criança
é medida com um teste fidedigno razoavelmente válido, pode-se correla-
cionar os números obtidos com outros números obtidos em outro teste
aplicado às mesmas crianças, digamos, um teste de realização verbal, e
obter uma exçelente aproximação da magnitude da relação. A evidência
para a Hverdade" desta afirmativa é que - em geral e, naturalmente,
com as exceções de sempre - as crianças que obtêm notas altas em
testes de inteligência também recebem notas altas em testes de realização
verbal, assim como em testes de· outros tipos de realização; e as crianças
que obtêm notas baixas em inteligência tendem também a receber notas
baixas em realização. (Veja a discussão sobre validade no capítulo 9.)
Embora o cientista não desdenhe arbitrariamente suposições impor-
tantes na atribuição de números a objetos que estão sendo medidos, ele
sabe que, às vezes, não pode satisfazer todas elas. Além disso ele sabe,
por experiência e pela evidência, que com conhecimento, cuidado e habi-
lidade em planejar e usar suas medidas, ele pode conseguir aproximações
razoáveis de suas variáveis e as relações entre elas no sentido de que seus
resultado~~ apropriadamente testados e verificados, concordam com a
"realidade~~~J:e>9.mo no exemplo acima de inteligência e realização verbal.
Conseguindo tudo isso, ele pode usar os métodos "fortes" da matemática
e da estatística para· ajudá-lo a fazer inferências sobre o que está "lá
fora".
Há uma resposta empírico-experimental fortemente relacionada com
isso para as acusações à quantificação. Os testes estatísticos de significân·
cia têm certas suposições por detrás. Por exemplo, um teste t, que já
discutimos anteriormente, entre outras coisas, avalia a significância esta-
tística da diferença entre duas médias. Uma das suposições em que' se
baseia o teste (Edwards, 1967, pp. 214~215; Hays, 1973, pp. 409-410) é
que as notas das duas populações das quais os dois grupos são amostras
são distribuídas normalmente. 1 A teoria que apóia o teste t, da dife~
rença entre duas médias, requer esta suposição. Se for violada, os resul-
tados de um teste t podem não ser válidos. Igualmente, supõe-se que as
Valores e ciência
302
opw do povo" são propos1çoes de valores. Não há forma de testá-las
empiricamente. Elas estão além dos meios e capacidades da ciência.
Por isso, os cientistas excluem tais proposições de seu trabalho.
Isto não significa que os cientistas, como indivíduos, ou até em
.grupos, não tenham valores. Tal afirmativa é absurda. Nem significa que
a pesquisa cien.tífica seja isenta de valores. As escolhas de tópicos de
pesquisa e até a metodologia da pesquisa são influenciadas pelos valores
que o cientista adota. Os valores podem também influenciar a interpre-
tação dos resultados da pesquisa. O psicólogo ou o sociólogo informado
sabe disto, entretanto e usa salvaguardas para minimizar esta influência.
O fato de os cientistas evitarem proposições de valores como não
testáveis, não significa que os próprios valores não possam ser estudados
cientificamente. Sem dúvida eles foram assim estudados, mas por mais
estranho que pareça, nem uma fração do que sua importância justifica.
O estudo científico de valores é abordado o mais objetivamente possível;
o cientista que estiver estudando valores tem que ser especialmente
cuidadoso para que seus próprios valores não influenciem a coleta e
análise dos dados e a interpretação dos resultados. Exemplos possíveis
de pesquisa de valores são a influência de valores conservadores e liberais
no comportamento eleitoral; o efeito de valores religiosos em questões
como divórcio e aborto; as relações entre os valores de pais e filhos;·
a ligação entt:of'W:valores colocados em conceitos como liberdade e igual-
dade, de um Iálib.j' e valores colocados em conceitos como propriedade
privada e capitalismo, de outro.
É perfeitamente possível, em outras palavras, estudar valores como
um fenômeno natural. Pode-se explorar a estrutura fatorial dos valores
que as pessoas dizem que adotam, para conhecer as relações entre conjun-
tos gerais de valores e como os valores expressos podem se agrupar.
Pode-se estudar os diversos efeitos de valores declarados em tipos dife-
rentes de comportamento social, ou as relações entre valores políticos e
valores religiosos, ou as maneira pelas quais as crianças aprendem os
valores. Mas não se pode testar empiricamente as próprias proposições de
valores, proposições que contenham as palavras ubom", umau'\ rrdeve-
ria", "poderia", e assim por diante. Simplesmente não há maneira de
fazê-lo. Tais proposições e palavras implicam e refletem julgamento
humano. Não há nada a testar, nenhuma relação entre variáveis que
possa ser manipulada ou mensurada.
2 Uma "lei" em ciência é um enunciado de relações que tem uma base teórica
e considerável apoio empírico. Urna teoria, naturalmente, pode ou não ter apoio
empírico. Se uma teoria foi apoiada repetidamente pela evidência, pode então ser
chamada "uma lei". Não há regras rígidas e seguras, entretanto, para dizer
quando uma teoria confirmada se torna uma lei.
304
zação (da informação a ser lembrada) e pelas imagens. Ele pode e natural-
mente descreverá a relação descoberta em palavras. Mas ele expressará a
relação mais sucinta, exata e frutiferamente com, digamos, uma equação
de regressão, que mostra mais. claramente qual é a natureza da relação~
Muitos outros exemplos da necessidades e força da abstração pode-
riam ser dados. Mas isto não chega à raiz do motivo pelo qual o cientista,
como cientista, não. tem que se preocupar com o caso individual. Ao
propor a equação de regressão, _como no caso acima, ele perde indivi-
dualmente as pessoas que foram seus sujeitos. Sua equação de regressão
é uma expressão média, uma abstração dos dados originais. Naturalmen-
te, ele poderá usar a equação de regressão para predizer a nota de
qualquer sujeito em uma variável dependente. Mas isto também é uma
abstração, uma expressão· que diz, com efeito: "Aqui está a predição
para o sujeito ·x14, mas é apenas uma predição da média". Temos aqui
um dilema e uma pista para a natureza Hgrupal" da ciência. Para enten-
der isto, vamos examinar um meio muito útil de encarar disciplinas e
proposições.
A distinção nomotética-ideográfica
Predição
306
ção e perfil. (Vamos omitir todos os meios mais ou menos subjetivos,
como a especulação psicológica intuitiva e a astrologia.) Pela predição
podemos prever o desempenho de um indivíduo em uma variável depen·
dente com base em uma ou mais notas em certas .variáveis independentes.
Ou, intimamente relacionado com isto, predizemos a categoria ou a
inclusão do indivíduo em um grupo com base em seu desempenho ou
suas medidas em um ou mais testes ou medidas. Exemplos comuns ~ão
a predição de realização no segundo grau ou na universidade, com base
em medidas de inteligência, classe social, motivação e realização anteriot 1
e a predição de sucesso ocupacional a partir de medidas de escolaridade,
classe social, escolaridade e ocupação dos pais.
Talvez o método para fazer predições mais freqüentemente usado
seja o da análise de regressão múltipla. (Se houver, naturalmente, apenas
uma variável dependente a ser predita.) O pesquisador aplica as medidas
das variáveis independentes a um número de pessoas e apura ou mede
a variável dependente. ("Apura H é usado aqui porque quando a variável
dependente é a inclusão em um grupo - "sucesso" ou "insucesso" em
terminar a universidade, por exemplo - , tudo o que se tem a fazer é
determinar a que grupo ou categoria o indivíduo pertence.) Ele faz então
análise de regressão múltipla e usa a equação de regressão para fazer
a predição, como ficou esboçada no capítulo 11.
Como exemplo, vamos tomar um fenômeno muito difícil, a criativi-
dade. O c·B~~eito é difícil porque não é fácil saber o que é criatividade;
é de difícil áefinição, principalmente de modo operacional. Mas vamos
imaginar que um psicólogo tem duas medidas razoavelmente boas que
predizem criatividade em crianças, sendo que 0 conceito global de criati-
vidade propriamente dito seria julgado por especialistas. Vamos deno-
minar as duas medidas X1 e X2 e criatividade, Y. Neste ponto aconselha-
mos que o leitor volte ao capítulo 11 e reveja o parágrafo sobre o estudo
de Holzman e Brown e a seção imediatamente seguinte. Lá aprendemos
o que é uma equação de regressão, para que é usada, e como se podem
fazer predições individuais usando a equação de regressão.
Uma equação de regressão abstrata com duas variáveis indepen-
dentes é:
Y' == a + b1X1 + b2X2
Y' é a nota predita. a, a chamada constante de intersecção, vamos
ignorar de novo; não é importante para o que queremos. xl e x2 são
as variáveis independentes, e bl e b2 são os pesos de regressão para
X1 e X2. São partes dos frutos da análise de regressão. Como seu nome
indica, eles Hponderam,., ou "atribuem importância" diferenciada às
medidas das variáveis independentes.
Vamos supor que o psicólogo aplicou X1 e X2 e sua medida de
criatividade, Y, a um grande número de crianças, tenha feito a análise
de regressão e tenha obtido a seguinte equação de regressão - que é a
mesma usada para ilustrar regressão e predição no capítulo 11:
Y' = 0,10 + 0,68XI + 0,39X2
b1 e b2 são 0,68 e 0,39, respectivamente. Eles indicam que em qualquer
predição individual X1 tem um "peso" maior do que X2. Em outras
palavras, foi descoberto que XI contribui mais para a predição de Y do
que X2. Vamos supor ainda, que dois indivíduos, números 7 e 41 em
uma amostra de 50, obtiveram notas xl e x2 de (2,4) e (10,5), como no
capítulo 11. A predição dos dois Y bu das notas de criatividade são,
então:
Indivíduo 7: 0,10 + (0,68) ( 2) + (0,39) (4) = 3,02
Indivíduo 41: 0,10 + (0,68) (10) + (0,39) (5) - 8,85
Com base nestas predições, o psicólogo poderá dizer que o indivíduo 41
é, ou será, mais criativo que o indivíduo 7 (naturalmente nos aspectos de
criatividade medidos por X1 e X2).
Esta é a essência da predição. 4 O psicólogo predisse a nota de criati-
vidade de dois indivíduos. Ele pode usar a equação para predizer a
criatividade, ou notas Y' de quaisquer indivíduos semelhantes. Mas
observe cuidadosamente que essas predições são realmente predições de
"grupo'', no sentido de que os pesos foram obtidos das notas XI x2 e y
de um grupo de indivíduos. Elas são, por assim dizer, médias, abstrações
estatísticas derivadas dos dados originais do grupo. As predições são
assim de natureza estatística. Têm probabilidades maiores ou menores
ligadas a elas. Não são, portanto, e estritamente falando, predições indi-
viduais, mas antes predições para classes de indivíduos que obtiveram
as notas dadas X1 e X2. Como tais, podem e são muito úteis às vezes,
mas não são "individuais" no sentido existencial do termo. Em outras
palavras, o indivíduo existencial, o núcleo da individualidade, escapa
para sempre do cientista. Ele está mais ligado a dados de grupos, predi-
ção estatística e cálculos probabilísticos.
Foi dito que isto é verdadeiro nas ciências comportamentais; é uma
função da inexatidão dessas ciências. Mas nas chamadas ciências exatas,
entretanto, as leis seriam conhecidas virtualmente com certeza, e as predi-
ções de casos individuais poderiam ser feitas com toda confiança. Não é
bem assim. Naturalmente há diferenças entre um e outro tipo de ciência,
mas não se trata de diferenças em idéias gerais, concepção, abordagem e
metodologia geral. São diferenças em grau de precisão da experimentação
308
e mensuração. Mas todo o conhecimento científico é conhecimento de
relações empíricas, cuja "existência" traz sempre junto um rótulo de
probabilidade. Em ciências naturais as probabilidades são mais altas do
que em ciências sociais. As generalizações e predições em todas as
ciências, entretanto, são predições de grupo e são probabilísticas. Um
físico não pode predizer o movimento de um átomo com mais exatidão
do que um psicólogo pode predizer a nota de criatividade de uma criança.
Perfis
~09
Coordenação
X
Memória
x~ ~ercepção
~melódica
Médiado ________________x~--------------~---------------
grupo
X.
Acuidade
auditiva
Figura 15.1
mos dizer que a figura 15. 1 retrata o (limitado) perfil do talento musical
de um indivíduo. Por ela, pode-se avaliar mais ou menos a capacidade
musical da pessoa. Supomos que os quatro atributos dados sejam impor-
tantes para qualquer um que aspire à realização musical. As notas do
indivíduo estão representadas acima e abaixo das médias das quatro
medidas. (Vamos supor ainda que as notas brutas dos testes foram
transformadas convenientemente em medidas comparáveis. Do con-
trário, o perfil não teria muito sentido.) 6
No caso presente podemos verificar que o indivíduo tem memória,
percepção melódica e coordenação acima da média. Mas sua acuidade
auditiva está consideravelmente abaixo da média. Já que a acuidade é
decisiva (digamos) na maioria das atividades musicais, o prognóstico par&
seu sucesso musical não é nada bom. Entretanto, ele poderá dar Uilí
bom baterista! Mas jamais um timpanista, já que é preciso afinar o:;;
tambores, mesmo durante um concerto!
Observe novamente que os perfis, como as equações de regressão,
estão amarrados a medidas de grupos. As médias, calculadas pelas notas
de um grupo, são os referenciais comparativos que possibilitam a inter-
pretação. Em resumo, o psicólogo, o professor e o orientador que usam
perfis como este ~ão ignorados aqui, já que não estão ligados diretamente ao
problema.
6 Um modo comum, mas não o único, de fazer isto é converter todas as notas
do indivíduo em notas-padrão. Uma nota-padrão é a diferença entre uma nota
bruta, X, e a média do grupo naquele teste, M, convenientemente ajustada para
(dividida por) a variabilidade do grupo.
310
perfis ou notas preditas de regressão múltipla estão usando uma aborda-
gem ideográfica; estão descrevendo indivíduos. Mas precisam fazer isto
sempre com base em medidas e estatísticas de grupos. i
A distinção nomotético-ideográfico é importante porque esclarece
parte da natureza fundamental da ciência e da pesquisa científica e
pmque esclarece as limitações de ambas as abordagens. O bom novelista
é um ideógrafo. Ele descreve e sonda indivíduos e seus amores, temores,
motivações e comportamentos. O grande novelista faz isto e ainda mais:
ele dá um jeito de projetar também suas personagens na tela da humani-
dade. Um Chaim Potok não apenas cria vividamente uma personagem
hassídica, no Brooklin, defrontada com o problema da ruptura com o
Hassidismo. Ele faz também o leitor sentir a dor de tal ruptura com
seu credo. Faz~ndo isto, ele, até certo ponto, escorrega para a nomotese.
O grande cientista jamais poderá passar de uma abordagem nomotética
para u~a abordagem ideográfica. As regras do jogo não permitem.
Deve-se agarrar a elas e deixar a ideografia para os Potoks, porque a
própria definição da ciência como fazedora de leis .. com sua restrição à
generalidade, não permite tratar com o indivíduo.
Um paradoxo perturbador
"Z1i
por outra pessoa. Ao explicar as razões de tal relação, o cientista poderá
falar sobre o indivíduo e a estrutura e conteúdo de suas atitudes em
relação a questões sociais. Ou um teórico cognitivista poderá falar sobre
a estrutura da memória e seus efeitos em certos comportamentos. Estarão
falando, naturalmente, das atitudes e lembranças de indivíduos particu-
lares.
Para sermos mais claros em relação a este difícil problema, vamos
tomar um exemplo sociológico e constrastá-lo com os exemplos acima.
Os sociólogos (por exemplo, Duncan, Featherman & Duncan, 1972)
tentaram explicar o status ocupacional usando as variáveis independentes
status ocupacional do pai, escolaridade do pai e escolaridade do sujeito,
entre outras variáveis. É claro que estas variáveis não são tão uindivi-
duais" quanto memória e atitude. Elas não estão tão "dentro do indi-
víduo", "dentro da cabeça". Naturalmente, status ocupacional e escolari-
dade são abstrações. Mas são menos abstratas do que memória e atitude,
no sentido de que é mais fácil encontrar os referentes, as coisas mais ou
menos específicas e operacionais, que "significam" escolaridade e status
ocupacional. Um índice de rápida determinação de status ocupacional é,
por exemplo, renda. índices operacionais de memória e atitude, entre-.
tanto, são mais difíceis de encontrar. Estas variáveis estão mergulhadas
no cérebro do indivíduo, por assim dizer. O sociólogo é menos inclinado
a falar como se estivesse lidando com um único indivíduo e seu status
ocupacional. O psicólogo, pela própria natureza de suas variáveis, pode
entrar mais facilmente no nível individual, usar mais facilmente as
unidades de discurso individual. Há, então, menos perigo para o sociólogo
falar em nível individual, porque suas variáveis são "menos individuais",
menos amarradas às pessoas - embora o sabor de conversa individual''
H
312
e estabelecer as relações que estavam estudando usando grupos de indi-
víduos.· Entretantn, ambos os autores vão da unidade de discurso do
grupo para a unidade de discurso do indivíduo. Eles têm que fazer isto
mais ou menos porque suas teorias "explicam, o que há, presumivel-
mente, dentro da cabeça do indivíduo. No segundo estudo, uma vez que
as relações enunciadas nas hipóteses foram confirmadas pela evidência
empírica grupal, a autora supõe que necessariamente existam esquemas
do eu nos cérebros de seus sujeitos individuais. 8 O paradoxo é, então,
que os cientistas, principalmente os psicólogos, devem formular hipóteses
e testar relações no nível do conjunto ou do grupo, quando eles freqüente~
mente desejam de fato falar em nível de indivíduo - e podem fazê~Io.
Adendo
s Não se pretende fazer críticas negativas aos dois relatos citados. Só estou ten-
tando mostrar como é difícil em psicologia escapar do nível individual de discurso
e do indivíduo com seus motivos idiossincráticosj percepções, motivos, atitudes
e assim por diante. Para atingir meu objetivo, selecionei deliberadamente o que
na minha opinião são bons exemplos de pesquisa psicológica. Outros exemplos
em que a orientação individual é mais pronunciada poderiam facilmente ser
citados. Sem dúvida. é virtualmente imnossível escapar à conversa de nível
individual na redação de pesquisas psicológicas.
pode selecionar alguns de vários casos - as notas mais altas e mais
baixas em uma variável dependente, digamos - para ajudar a compre-
ender as relações sob estudo. Esta não é a abordagem científica básica
dos dados, naturalmente.
Outra possível exceção à regra coletiva é mais difícil e controvertida.
É uma abordagem na qual o pesquisador- talvez o caso mais famoso
seja o de B. F. Skinner, o psicólogo behaviorista- estuda um fenômeno
com um animal ou uma pessoa. Digamos que o problema seja o efeito
do reforçamento (recompensa) na aprendizagem. O pesquisador pode
reforçar uma ou mais vezes uma certa resposta ou classe de respostas em
um único pombo, como fez Skinner. Ele descobre que a aprendizagem
melhora com o reforçamento. Aqui há uma relação: temos um conjunto
de pares ordenados consistindo em pontos no tempo, ou reforçamento
em pontos no tempo, havendo um conjunto dado e as respostas a este
conjunto no outro. Isto pode ser considerado uma verdadeira exceção
à regra coletiva?
O alvo da ciência nomotética é estabelecer leis, explicações siste-
máticas ou relações que se apliquem em geral. O pesquisador, neste caso,
quer poder afirmar que o reforçamento produz certas respostas e, a partir
disto, quer afirmar que o reforçamento produz aprendizagem. Se todo
indivíduo - rato, pombo, pessoa- fosse igual a todos os outros jndi-
víduos, estudando então um indivíduo isolado poderíamos produzir resul-
tados generalizados aplicáveis a todos os indivíduos de uma certa espécie.
Como sempre, o problema são as grandes diferenças entre os indivíduos.
Mesmo isópodes, pequenos crustáceos marinhos, apresentam diferenças
individuais! (Morrow & Smithson, 1969.) Portanto, é necessário ter muito
cuidado com as conclusões obtidas pela pesquisa que usa um indivíduo
'·apenas. Os princípios de amostragem e generalização a partir de amostras
se aplicam a todas as situações, embora as exigências possam ser bem
menores em pesquisa com animais e no laboratório. O exemplo acima,
então, não é realmente uma exceção para o requisito coletivo.
Stephenson (1953), cujas idéias já foram mencionadas anterior-
mente, afirma enfaticamente que uma teoria psicológica pode ser testada
com um único indivíduo, usando o que ele denominou metodologia Q.
Pede-se a um sujeito único que classifique um maço d-e cartas ou itens
de acordo com algum critério, digamos graus de aprovação ou graus de
importância na área que as cartas representarem. As cartas são colocadas
nas pilhas designadas com números variáveis de cartas em cada pilha.
___ .A\.Cl=<'W-!-- -- 1ais pilhas representam uma ordem de postos e atribuem-se
316
16. Concepções errôneas e controvérsias:
pesquisa e prática1
~17
da pesquisa, as vantagens e, finalmente, discutir as complexas relações
entre a pesquisa e a prática.
318
há dois tipos amplos de inteligência, chamadas inteligência cristalizada e
inteligência fluida. A inteligência cristalizada é aquela tipo usual testado
pela maioria dos testes de inteligência~ Por exemplo, capacidade verbal é
parte importante da inteligência mensurada e faz parte da inteligência
cristalizada. Muitos psicólogos acreditam, com bastante justificação, que
há uma inteligência geral, ou ugn, que permeia testes de inteligência;
é uma capacidade geral que é a fonte por excelência da inteligência
humana. Cattell diria que "g" é inteligência cristalizada. Diz ele, além
disso, que há outra importante forma geral de inteligência muito diferente
da inteligência cristalizada, embora obviamente ligada a esta. A isto ele
dá o nome de inteligência fluida.
Inteligência fluida é uma espécie de segundo "gu. Mostra-se no
desempenho humano caracterizado pela adaptação a novas situações.
É a aplicação "fluida" da capacidade geral, por assim dizer. Tal capa-
cidade é mais característica do comportamento criativo do que a inte-
ligência cristalizada. Em resumo, Cattell diz que há duas formas de
inteligência geral e não uma apenas. No estudo citado acima ele testou
sua hipótese aplicando testes que, segundo ele, mediam a inteligência
crista1izada - testes verbais, numéricos, de raciocínio, por exemplo -
e testes que, segundo ele, mediam a inteligência fluida - testes per-
ceptuais menos comuns, que presumivelmente exigem maior abertura de
pensamento, maior flexibilidade e assim por diante.
Cattel1...1aplicou testes de ambas as espécies, junto com medidas de
personalidade;·""'~ crianças de oitava série, e analisou fatorialmente os
result::tdos. Estes resultados apoiavam sua hipótese: os dois tipos de testes
apareceram juntos em dois fatores diferentes. Algumas outras predições
ficaram também confirmadas.
Essa pesquisa é pesquisa científica. Procura explicar aspectos impor-
tantes da inteligência humana especificando as definições e relações de
uma teoria. Não diz nada em relação a melhorar a inteligência:
"explica-a" apenas.
Um segundo exemplo: suponhamos que uma teoria de aprendizagem
foi considerada empiricamente válida e explica com bastante eficiência
a aprendizagem de conceitos. A pesquisa que testou a teoria foi pesquisa
científica porque explica algum aspecto ou aspectos da aprendizagem
humana. Pode ou não ter aplicações no ensino de conceitos a crianças.
Se tem ou não, nada tem a ver como sua condição como pesquisa
científica .. Suponhamos ainda que um técnico de ensino crie um método
de ensinar conceitos baseado na teoria e pesquisa. Ele é um engenheiro,
um técnico. Embora baseado em pesquisa científica, o que ele faz não é
em si mesmo, pesquisa científica. Ele pode, naturalmente, testar a eficácia
de seu método usando técnicas criadas por cientistas. Sua pesquisa é
pesquisa aplicada que é, neste caso, inspirada pela pesquisa original.
7;1Q
O ensino real usando o método é parcialmente engenharia, parcialmente
arte. Não é ciência.
Ciência e engenharia
320
que não é possível uma definição adequada ou operacional da pesquisa
básica (Kidd, 1959). Entretanto, os cientistas, pensadores e escritores da
ciência sabem, às vezes vagamente, o que significa o termo, especialme11i.e
em contraste com a pesquisa aplicada. Em todo caso, pesquisa básica é
pesquisa feita para testar teoria, estudar relações entre fenômenos com
o fim de entender os fenômenos, com pouca ou nenhuma preocupação
quanto à aplicação dos resultados da pesquisa a problemas práticos.
Apesar das prcváveis imp··opriedades desta definição, ela é suficiente
para nos ajudar a falar sobre pesquisa básica. Diz o que vimos dizendo
desde o primeiro capítulo deste livro: que a pesquisa científica é a inves-
tigação disciplinada das relações entre fenômenos naturais e acrescenta
que ela não foi criada para atingir metas práticas.
Pesquisa aplicada é pesquisa dirigida para a solução de problemas
práticos especificados em áreás delineadas e da qual se espera melhoria
ou progresso de algum processo ou atividade, ou o alcance de metas
práticas. As pesquisas denominadas programáticas e dirigidas são pes-
quisa aplicada. Tais pesquisas são dirigidas para determinados objetivos
que prometem solução de problemas geralmente aflitivos. É o tipo citado
freqüentemente pelos jornais quando se discute pesquisa, porque é fácil
compreender as razões e a motivação · de pesquisadores aplicados e suas
fontes de recursos financeiros. Como sempre os exemplos podem nos
ajudar a entender as diferenças importantes entre pesquisa básica e
aplicada. -<,~L,,.
O estudo d~ Aronson e Mills (1959), já citado, é um bom exemplo
de pesquisa básica em psicologia. Os pesquisadores estavam interessados
nas influência da privação e dificuldade de entrada em grupos, no valor
que os membros do grupo colocavam na participação no grupo. Eles
procuravam também lançar mais luz sobre a teoria sócio~psicológica para
ajudar a explicar certos fenômenos ligados à participação em grupos.
Os estudos sobre obediência à autoridade de Milgram (1974), também
citados ant.eriormente, são igualmente bons exemplos de pesquisa básica.
Lembre~se que foi pedido aos sujeitos que aplicassem choques suposta-
mente dolorosos a outra pessoa num suposto experimento sobre aprendi~
zagem·. A questão era: Até onde irão os sujeitos experimentais? Até onde
inflingiriam dor a outra pessoa sob o comando de um rrinvestigador
científico"? A relação estudada foi entre as variáveis autoridade e obe-
diência.
Nenhuma dessas pesquisas parece ter sido feita com o pesquisador
pensando em conseqüências práticas. Eles estavam à procura de explica-
ções explícitas ou implícitas para fenômenos naturais: o valor presumi~
velmente mais alto colocado na participação em um grupo quando a
pessoa experimentou privação ou dificuldade em fazer parte do grupo
e obediência à autoridade.
Me mó ria e planárias
2 Podem ser encontrados relatos claros e muito bem escritos destes fenômenos,
assim como outros fenômenos psicológicos, em: Hilgard, Atkinson e Atkinson
(1975) lntroduction to Psychology. O próprio início do livro (p. 4) é um bom
exemplo de parte do principal argumento deste capítulo. Os autores dão dez
problemas de pesquisa psicológica como exemplos do trabalho dos psicólogos.
Dos dez, oito são problemas de pesquisa aplicada, um é problema de pesquisa
básica e um é problema metodológico. Entretanto grande parte, ou talvez a
maior parte do texto do livro, está preocupada com pesquisa básica.
322
iuz, sem necessidade do choque. Um grupo de controle de cinco animais
não recebeu este treinamento.
Depois do treinamento, os experimentadores cortaram os animais de
ambos os t;í'Upos, experim":':ntal e_ de controle, em dois. Será que as
seções da cauda dos animais do grupo experimental, que originalmente
tinha tido cérebro - naturahnente as seções da cabeça tinham os cére-
bros originais, e portanto acreditava-se terem "aprendido" a resposta
condicionada à luz -:- mostrariam evidências de terem u aprendido" a
resposta à luz? Depois de aproximadamente quatro semanas, tempo
suficiente para a regeneração, os animais do grupo experimental e do
grupo de controle foram testados. Foram testadas tanto a seção da
cabeça quanto a da cauda. A situação está representada na figura 16.1.
A figura é auto-explanatória.
A seção da cauda dos animais regenerados do grupo experimenta]
exibiram a resposta condicionada à luz? Já que a seção da cabeça do
grupo experimental continuava com o cérebro original que aprendera
a resposta, supôs-se que reteria a aprendizagem. Como os animais do
grupo de controle não tiveram treinamento, esperava-se que ambas as
seções, cabeça e cauda, depois da regeneração, não apresentariam nenhu-
ma aprendizagem. A medida da variável dependente foi o número de
tentativas necessárias para alcançar um critério de 23 respostas condicio- -
nadas em 2S.~tentativas consecutivas.
Os result;d6ik'{mostraram que as caudas dos sujeitos, do grupo expe-
rimental, possuíam a aprendizagem, da mesma forma que as cabeças!
O número médio de tentativas do treinamento original foi de 134.
A m~dia das seções de cabeça, depois do corte e regeneração, foi 40,
Corte Cérebro
Seção da Seção da
cauda cabeça
Seção da Seção da
cauda cabeça
Figura 16.1
e a média das seções de cauda foi de 43,2. As diferenças entre a média
do treinamento original e ambas as médias de reteste, após a regeneração,
foram estatisticamente significantes. A média das seções de cabeça dos
animais do grupo de controle foi de 248,6, e a média das seções de cauda
foi de 207 ,8. Estas médias não diferiam significantemente entre si.
Mas as seções de cauda e cabeça diferiam significantemente das médias
do grupo experimental após a regeneração.
Estes resultados são notáveis. Não há dúvida de que o experimento
e sua concepção têm uma espécie de estranha beleza. Teria a aprendi-
zagem, de alguma forma, chegado às caudas regeneradas do grupo experi-
mental de planárias? Nossa preocupação, entretanto, não é com os resul-
tados e a fascinação da pesquisa, mas com pesquisa básica. É claro que
os pesquisadores provavelmente estivessem interessados na aprendizagem
humana, mas parece claro que eles pouco ou nada estavam ligando para
sua aplicação prática. Todavia, se resultados tão impressionantes são
confirmados em pesquisas posteriores, a teoria e pesquisa da memória,
tanto com animais quanto com seres humanos, poderiam ser fortemente
afetadas. A questão seguinte, naturalmente, é por que e como as seções
de cauda regeneradas do grupo experimental haviam u aprendido H.
324
igualdade na educação norte-americana. feita por ordem do Congresso.
Equality oj Educational Opportunity (Coleman e outros, 1966). Sua
grande influência mostra claramente que não faltam significância e
importância à pesquisa aplicada. Na procura de respostas para as
questões sobre a igualdade feitas pelo Congresso, Coleman e seus colegas
estudaram os efeitos de um grande número de variáveis na realização
escolar. Os resultados do estudo, assim como sua metodologia, ainda têm
muito impacto hoje. Foram feitos estudos semelhantes em outros países
sob o título geral de I nternational Studies of Educational Achievement
(por exemplo. Husén, 1967; Thorndike, 1973), e sua importância e
influência são também grandes.
Outro estudo em pesquisa aplicada de grande importância prática
para o bem-estar dos Estados Unidos é um conjunto de levantamentos
feitos pelo Survey Research Center da Universidade de Michigan, para
determinar as atitudes dos brancos em relação aos pretos (Campbell,
1971). Na verdade foram estudadas também as atitudes dos pretos em
relação aos brancos, no conjunto completo de estudos, mas o livro de
Campbelllimitou-se às atitudes de· brancos em relação a negros. Levanta-
mentos geralmente são pesquisa aplicada: são feitos para objetivos práti-
cos específicos, comumente para obter informação na qual basear decisões
ou ações. O estudo sob consideração não é exceção. Parte dele foi autori- ·
zado pelo C~J'_são Consultora Nacional sobre Desordens Civis (veja
Repor! of the Nfltional Advisory Commission on Civil Disorders, 1968)
para obter informações sobre distúrbios raciais e assuntos relacionados.
Presumivelmente a informação obtida ajudaria a Comissão e outras orga-
nizações a melhor lidarem com os problemas raciais. Em todo o conjunto
de estudos. cerca de 9.000 americanos foram incluídos nas amostras e
entrevistados em 1964, 1968 e 1970.
As descobertas desses estudos são surpreendentes e importantes.
Mas Campbell nos avisa logo no início do livro (p. 1) que não há maneira
simples de descrever as atitudes dos brancos em relação aos pretos~
Contudo, ele chega a três ou quatro conclusões importantes. Uma,
embora não haja dmidas de que o branco americano tenha atitudes
francamente racistas, a população .branca das cidades não é universal-
mente racista. Além disso, tem havído um movimento maciço em direção
a atitudes raciais mais favoráveis. Apesar de longe de serem igualitários,
os brancos americanos são muito mais igualitários do que já o foram.
E apenas uma pequena porção da população expressou atitudes aberta-
mente hostis em relação aos pretos.
Duas, a resistência à mudança nas relações raciais é muito difun-
dida, embora de forma alguma, universal. Algumas formas de mudança,
por exemplo a aceitação de pretos em situações de trabalho, são aceitas.
Outros tipos de mudanças mais de ordem privada sofrem maior resis-
tência. Três, a idéia de superioridade racial não caracteriza as atitudes
dos brancos. Este signo convencional de doutrina racial parece ter
mudado para melhor.
Quatro, os americanos que freqüentaram universidades depois da
Segunda Guerra Mundial são claramente mais positivos em suas atitudes
em relação aos pretos dos que os que não freqüentaram universidades
ou que as freqüentaram antes da guerra. Esta foi a relação mais forte
encontrada no estudo. Em outras palavras, houve uma importante
mudança no clima intelectual do campus nos Estados Unidos: os pretos
são aceitos pelos diplomados brancos mais jovens. Talvez o ensino supe-
rior recente tenha tido um impacto importante e benéfico. Há várias
outras descobertas, claro, mas estas são as principais. Aceitando-as como
indicadores válidos da atitude dos brancos norte-americanos em relação
aos pretos - e os resultados de pesquisas de organizações· de grande
categoria como o Survey Research Center são geralmente aceitos pelos
,cientistas por causa da excelente qualidade conceitual e técnica de seu
trabalho - , podemos ter uma boa idéia de como a pesquisa aplicada
pode ser importante.
Pode restar pouca dúvida, então, de que a pesquisa aplicada tenha
freqüentemente grande importância prática, social e humana. Seria difícil
superestimar a importância dos dois estudos ora sumariados. Tais estudos,
assim como outros semelhantes, levam, entretanto, muito gente a acreditar
que a pesquisa aplicada é mais importante e significante do que a pes-
quisa básica. A importância e significância da pesquisa básica são fáceis
de serem negligenciadas porque geralmente a pesquisa básica não se
dirige a questões de importância e urgência humanas. É muito mais
.;.fácil entender, por exemplo, a relevância social dos dois estudos acima
do que entender a importância dos estudos de teoria das atribuições ou
estudos da memória humana.
A pesquisa aplicada é indispensável e quase sempre muito signifi-
cativa de duas ou três formas. Primeira, pode, como aliás é sua finali-
dade, fornecer informações que levarão à solução de problemas. Segunda,
pode sugerir, às vezes, linhas novas ou diferentes de pesquisa básica.
Pode ser descoberta, por exemplo, uma relação inesperada entre duas
variáveis em um levantamento de opiniões. Esta relação pode sugerir a
alteração de uma teoria que estiver sendo testada na pesquisa básica.
As nec:essidades da pesquisa aplicada podem estimular também a pesquisa
básica metodológica. A necessidade de formas mais apropriadas de
análise para estudo de fenômenos como realização escolar, status ocupa-
cional, sucesso na vida adulta e variáveis semelhantes ajudaram, aparen-
temente, a reforçar o desenvolvimento da análise multivariada, especial-
mente análise de regressão múltipla e análise de trajetória. Terceira, e
talvez mais importante, a pesquisa aplicada tem, às vezes, uma qualidade
326
heurística. Pode levar ao desenvolvimento da teoria e da pesquisa básica.
É freqüentemente rica em hipóteses potenciais que exigem testagem e
fundamentação teórica.
Vantagens
3 :!! importante saber o que se quer dizer com "nível de discurso". Sempre que
falamos sobre algo, falamos em um contexto ou quadro de referência. Vamos
denominar este quadro de referência U, significando "universo". Um particular
U é um nível de discurso e deve incluir todos os objetos em discussão. Se saltar-
mos de um nível de discurso para outro, digamos de U1 para U2, o novo nível
não conterá todos os objetos. Pode, aliás, não conter nenhum deles. Quando se
discute segregação e suas implicações, não devemos saltar para problemas religiosos
- "~ desejo de Deus que baia raças; e as foram feitas, obviamente, para estarem
separadas". Estes são dois níveis ou universos de discurso: segregação e religião.
Mudar de níveis de discurso, sem uma transição conveniente, é uma maneira
consciente e inconsciente de distorcer a comunicação. No problema discutido
Acima. o nível de discurso dos problemas de ação é inteiramente diferente do nível
de discurso da pesquisa científica. Veja Kerlinger (1973, pp. 57-58) para mais
discussão.
328
Uma atitude fortemente pragmática, então, virtualmente dirige o
foco para resultados e realização de coisas. O que é bom é o que fun.:.
ciona! Por que funciona é menos importante; o mais importante é que
funcione. Isto, em ciência, é uma atitude derrotista, porque como
Thomson (1960) observou: "A melhor maneira de fazer progressos na
tecnologia ... vem a ser a compreensão do princípio" (p. 997). Ele
observou também que esta idéia é uma descoberta recente e só recente-
mente tornou-se verdadeira.
Os profissionais têm geralmente pouca paciência com o que julgam
como pesquisa não-prática", "torre de marfim". Eles querem que a
H
330
Dada a importância da questão, poder-se-ia pensar que os pesquisa-
dores já teriam estudado os efeitos relativos das pesquism; básica e
aplicada na prática. Mas parece que o problema não foi estudado empiri-
camente. Assim, de um ponto de vista empírico sabemos pouco a respeito
dos efeitos relativos de, digamos, pesquisas básica e aplicada na prática.
A maioria das discussões e asserções são opiniões mais ou menos infor-
madas e especulação. Recentemente, entretanto, foi publicado um impor-
tante estudo empírico em medicina (Comroe & Dripps, 1976). Este estudo
tem as virtudes da perenidade, importância e competência, e o que é
mais importante, traz excelente evidência empírica para o difícil problema
da relação da pesquisa com a prática. Vamos nos voltar para ele agora.
771
ções com mecanismos básicos; (4) resenhas críticas; (5) trabalho de
desenvolvimento ou engenharia para criar, melhorar ou aperfeiçoar apa-
relhos ou técnicas para a pesquisa; (6) o mesmo que (5), mas para uso
com pacientes.
Os resultados foram claros: ;:_ pesquisa básica foi responsável por
quase três vezes mais artigos chaves que outro tipo de pesquisa e quase
àuas vezes mais artigos do que a f:'esquisa não-básica e de desenvolvi-
mento juntas. (As cifras foram básica: 61,7%; não-básica: 21,2o/o; desen-
volvimento: 15,3°/o; resenhas: :_,8% .) Esta notável pesquisa sobre pes-
quisas corrige idéias distorcidas sobre as contribuições das pesquisas
básica e aplicada à prática e afirma enfaticamente o que muitos cientistas
vem dizendo nos últimos 30 ou mais anos: pesquisa básica feita sem
visar vantagem tem, no final das contas, provavelmente maior efeito do
que a chamada pesquisa programática. Mesmo podendo-se dis.cutir esta
afirmativa, fica no mínimo evidente que a fé na platisibilidade do argu-
mento vantagem deve ser abalada.
332
teórico e senes de pesquisas voltadas para responder questões gerais
teóricas, psicológicas e sociológicas têm· a maior probabilidade de terem
um impacto. Mas o impacto é geralmente não específico. Uma pesquisa
apenas ou mesmo um conjunto de pesquisas, por exemplo, jamais informa
ao profissional o que fazer. Em vez disso, se tem alguma influência,
influencia maneiras de pensar, de perceber, de reagir. :É particularmente
assim com a pesquisa básica. Estudos em pesquisa aplicada, virtualmente
por definição, têm menos oportunidade de terem impacto profundo e de
longo alcance porque estão apontados para met;;1s específicas e relativa-
mente estreitas. Estudos teoricamente orientados, dirigidos para a com-
preensão de fenômenos, são gerais, abstratos e em princípio aplicáveis
a muitos problemas e situações diferentes - se é que são realmente
aplicáveis.
Vamos tomar a teoria de inteligência fluida e cristalizada de
Cattell,. já mencionada. Se pesquisas posteriores confirmarem as idéias
de Cattelt é possível, no final das contas, que o pensamento psicoló-
gico e educacional possa ser mudado. Se se tornar aceito que há dois
tipos de inteligência geral, cristalizada e fluida, isto não poderá influen-
ciar no fim o ensino? Muito do ensino contemporâneo tem sido influen-
ciado pela idéia de que há uma forma geral de inteligência que passa
por muitos testes de capacidade e muito do desempenho humano (o
famoso "g,). ~evar em conta diferenças individuais no ensino significa,
em grande part1;fi!fop1ecer instruções diversificadas para diferentes níveis
de uma inteligênciá·' geral. Mas Cattell diz que há duas formas de inte-
ligência geral! Se isto for verdadeiro e se tornar geralmente conhecido
e aceito, ficará óbvio então que levar em conta diferenças individuais
torna-se mais complexo.
A teoria das atribuições é outro exemplo interessante. Na última
década, apareceu uma bibliografia muito grande em psicologia social
sobre o fenômeno da atribuição. 5 Atribuição é o processo que as pes-
soas usam para compreender e explicar as causas do comportamento -
especialmente o comportamento de outras pessoas. Se vemos alguém
resolvendo problemas rápida e eficientemente, podemos atribuir isto à
sua capacidade. Ou podemos atribuir à facilidade dos problemas. Por
outro lado, se vemos alguém com grande dificuldade com os problemas,
podemos atribuir a falta de sucesso à preguiça, falta de concentração
e até mesmo a raça e sexo! O que causa estas e outras atribuições? Como
5 Por exemplo, Harvey, Ickes e Kidd (1976), Jones, Kanouse, Kelley, Nisbett.
· Valins e Weiner (1971) e Shaver (1975). Infelizmente a maioria das referências
é enfadonha. Talvez a melhor introdução seja a de Shaver (1975). Pode ser encon-
trada uma. exposição breve mas muito clara no capítulo 18 do texto de psicologia
geral de Hilgard, Atkinson e Atkinson (1975). (0 capítulo, de fato, foi escritc
por Daryl J. Bem.)
estão relacionadas às características dos indivíduos que as fazem? Obvia-
mente, a atribuição é um fenômeno altamente geral. É também .heurb-
tico: estimula grande parte da teoria e da pesquisa. Vamos examinat
dois estudos ligeiramente.
Harvey e Kepey (1974) fizeram a pergunta geral: Que condições
afetam o sentido do indivíduo de sua própria competência em fazer
julgamentos? Em um experimento fizeram sujeitos realizarem compara-
ções dos tamanhos relativos de figuras, mas as figuras foram-lhes apre-
sentadas de maneiras diferentes. Foram-lhes apresentados 20 vezes
pares de figuras de tamanhos diferentes, e perguntava-se aos sujeitos
qual das duas era maior. A manipulação experimental foi a estabilidade
da apresentação. As primeiras 10 das 20 apresentações de uma condição,
por exemplo, foram instáveis; isto é, as figuras foram apresentadas em
maneiras casuais: às vezes, a figura maior à esquerda, às vezes, à direita.
As segundas dez apresentações foram todas estáveis: a figura maior
aparecia sempre ou à direita ou à esquerda. Esta foi a condição instável-
estável. As outras três condicões foram estável-estável, estável-instável
e instável-instável. ~
Num segundo experimento foram igualmente manipulados estabili-
dade e instabilidade (desta vez com três condições). A modalidade,
entretanto, foi audição. Pediu-se aos sujeitos que julgassem a localização
relativa de sons. Harvey e Kelley descobriram, entre outras coisas, que
a estabilidade e instabilidade da apresentação afetava os julgamentos
de autocompetência. A seqüência instável-estável levou aos julgamentos
mais altos de autocompetência, enquanto que as outras seqüências em
geral levaram a julgamentos mais baixos.
Em outro estudo estimulado pela teoria da atribuição, Jones e seus
·~colegas (Jones, Rock, Shaver, Goethals & Ward, 1968) estavam interes-
sados nos efeitos do sucesso e fracasso iniciais nos julgamentos dos
observadores. Fizeram seus sujeitos tentarem resolver uma série de pro~
blemas apresentados de tal forma que os observadores viram alguns
sujeitos resolverem primeiro e depois fracassarem e outros sujeitos fra-
cassarem primeiro e depois resolverem. Os observadores julgaram os que
resolveram primeiro mais capazes dos que os que fracassaram primeiro,
independentemente do desempenho posterior. Ou seja, os observadores
atribuíram graus diferentes de habilidade dependendo de se os sujeitos
primeiro resolvessem ou primeiro fracassassem.
Séries de estudos iguais a este deviam aumentar nossa compreensão
da atribuição. Esta compreensão, por sua vez, deveria aumentar nossa
compreensão da autopercepção, percepção social e julgamento. Muitos
problemas interpessoais e de julgamento em situações práticas, como em
negócios e educação, podem ser afetados por esta crescente compreensão.
Podemos, por exemplo, compreender melhor o julgamento dos alunos
334
pelo professor, as condições da escola, os traços do professor e os com-
portamentos que afetam tais julgamentos. Pode~se colher dividendos no
caminho. O inesperado da exploração teóric~ e da pesquisa é freqüente-
mente surpreendente e recompensador. Será possível, por exemplo, que
o estudo de Harvey e Kelley seja uma abertura para um aspecto muito
importante mas pouco explorado da motivação: sentido de competência?
Em si, nenhum desses estudos tem muito significado para a prática
- embora todos os três sejam sugestivos. Por outro lado, um corpo de
tais estudos pode ajudar a mudar o pensamento de psicólogos, sociólo-
gos e ~ducadores em importantes áreas do comportamento humano., neste
caso inteligência, e fazer julgamentos e outras atribuições. A compreensão
assim ganha poderá ter um impacto ·sobre a prática - embora nunca
s~ possa garantir se haverá impacto sigúificante e benéfico.
Outro exemplo de pesquisa de longo alcance qu:e já está mudando
a educaÇão na América e na Europa é a série de estudos epistemológico-
desenvolvimentais de Piaget e seus colegas. Durante muitos anos Piaget
observou cuidadosamente crianças de todas as idades, entrevistando-as
e falando com elas, e criando problemas" para que. elas resolvessem.
H
A influência da metodologia
6 O leito"r interessado poderá ler um ou dois dos vários livros de Piaget, mas
um melhor conselho - infelizmente os escritos de Piaget não são modelos de
clareza - é tentar uma das várias explanaçÇí((s em forma de livro. Uma das mais
!'ntigas, mas talv~z ainda a melhor, é o livro de Flavell (1963).
livro; veja Apêndice), a mensuração de variáveis e técnicas de análise
de dados. A metodo~ogia inclui também aspectos da filosofia· da ciência
e uma abordagem crítica geral à pesquisa. Apesar de sua grande impor-
tância, raramente pensamos na possível influência da metodologia na
prática. Isto é estranho porque a metodologia já teve uma profunda
influência no conhecimento científico comportamental.
Se podemos dizer que a pesquisa tem influência na prática, segue-se
então que qualquer coisa que influencie fortemente a pesquisa pode,
por sua vez, influenciar a prática. A metodologia influencia fortemente
a pesquisa. Tal influência, naturalmente, será bem indireta. Afina], a
influência da própria pesquisa é indireta. A influência da metodologia
é mais indireta ainda. Vamos tomar um exemplo bem óbvio. Antes de
1930, os experimentos eram. principalmente uma questão de duas va-
riáveis. Era manipulada uma variável independente e . observado seu
presumível efeito sobre uma variável dependente. Depois da invenção
da análise de variância, contudo, puderam ser feitos experimentos mais
realistas e teoricamente mais interessantes usando duas ou mais variá-
veis independentes. Alguns deles foram descritos em capítulos anteriores.
O efeito do progresso na metodologia é ajudar a produzir pesquisa
cujos resultados sejam mais generalizáveis e ampliar as abordagens e
problemas de pesquisa tanto experimentais quanto não-experimentais.
Mas é possível que a metodologia tenha efeitos mais profundos?
Vamos especular, por exemplo, sobre os possíveis efeitos da regressão
múltipla sobre os hábitos de pensamento daqui a 10 ou 20 anos. A
essência da regressão múltipla é o efeito simultâneo de muitas variáveis
sobre uma variável dependente. Geralmente a maioria das pessoas pensa
no efeito de uma variável sobre outra. É possível que depois de repetida
,f
exposição e do uso de regressão múltipla - e não há dúvidas de que
as próximas duas décadas verão muito tal exposição e uso - possamos
não mais pensar em influências isoladas? Será possível que influências
múltiplas se tornarão parte de nossa maneira habitual de pensar? Para
mim parece que sim.
A influência da teoria
336
experimental foi influenciada pela teoria comportamental e pela teoria
cognitiva. Tais teorias provavelmente influenciam a prática, porque
influenciam decisões sobre quais são os problemas de pesquisa impor-
tantes - a pesquisa de atribuição surgiu principalmente da teoria ges-
táltica (ou de campo) e da teoria cognitiva - e porque as idéias esti-
muladas pela teoda entram em livros e, às vezes, até se tornam parte
de dogmas. Assim, muito indiretamente, a prática pode por fim ser
afetada. O difundido uso da dinâmica de grupo por professores e assis-
tentes sociais nas décadas de 50 e 60 foi resultante em parte da teoria
de campo, um ramo da teoria gestáltica, que estimulou tanto a pesquisa
em processos de grupos quanto a introdução e uso de técnicas de grupo
em situações práticas.
O _outro tipo de influência teórica é a teoria mais específica, como
a teoria das atribuições, a teoria do reforçamento e as teorias de inteli-
gências. As teorias de inteligência podem mudar o pensamento e a prá-
tica educacional e previdenciária. Teorias de inteligência ambiental e
hereditária, por exemplo, podem levar a práticas previdenciárias e edu-
cacionais muito diferentes. A influência da teoria do reforçamento já foi
sentida por causa de sua forte enfatização do reforçamento positivo.
Pais e professores preferem usar recompensa à punição, porque sua edu-
cação e treinamento não podem evitar de ser influenciados pela teoria e·
pesquisa do -J;.~.prçamento. Eles usabem", freqüentemente sem conheci-
mento específica·~~~ explícito, que o efeito da recompensa é muito melhor
que o efeito da punição. (Se o leitor estiver inclinado a achar que isto
é óbvio, lembre-se de que no século XIX a punição era a maneira mais
comum de lidar com crianças, pelo menos nas escolas.)
338
bastante bem compreendido, embora, como sempre, muita coisa não seja
ainda entendida - veio da pesquisa científica sobre o fenômeno e sobre
fenômenos relacionados. Vamos nos voltar agora para um conjunto de
investigações muitíssimo .interessante, importante e influente, cujo alvo
inicial foi estudar e compreender o preconceito, mas cuja execução foi
consideravelmente além do preconceito. Embora já tenhamos examinado
aspectos dessas investigações, sua importância e especial adequação para
o problema da pesquisa e prática justifica uma repetição.
A influência de um livro notável publicado em 1950, The Autho-
ritarian Personality (Adorno e outros, 1950), é sentida ainda hoje. A
meta ambiciosa da pesquisa nele contida era estudar, compreender e
explicar o preconceito. Os pesquisadores eram homens e mulheres que
se dedicavam também ao combate do preconceito na moderna sociedade.
De fato, duvidamos que tal estudo pudesse ter sido feito sem que os
pesquisadores tivessem esta motivação. Logo na primeira página do livro.
Horkheimer e Flowerman, diretores do Departamento de Pesquisa
Científica do Comitê Judeu Norte-Americano, que patrocinou o estudo,
propuseram diversas questões perturbadoras, estimulados pela persegui-
ção e extermínio de milhões de seres humanos por outros seres humanos:
Como é possível que ... em uma cultura de lei, ordem e razão
possam ter sobrevivido os remanescentes irracionais de antigos
ódios r~~is e religiosos? Como ... explicar a disposição de gran-
des mass'is~~e pessoas para tolerar o extermínio em massa de seus
semelhantes e concidadãos? Que tecidos continuam cancerosos na
vida da nossa moderna sociedade, e que, a despeito de seu propalado
progresso, mostram o incongruente atavismo de povos primi-
tivos? (p.v)
340
mente parte de uma síndrome mais ampla que pode ser chamada de
etnocentrismo: caracterizada pela centralização dos membros no seu
próprio grupo, crença em seu valores e retidão e por atitudes negativas
em reiação a outros grupos. Descobriram ainda que o etnocentrismo por
sua vez faz parte de outro feJ?.Ômeno chamado autoritarismo, e que o
autoritarismo descreve um certo conjunto de traços de personalidade.
Sua ênfase foi fortemente psicológica no sentido de terem localizado o
etnocentrisrno e o autoritarismo no indivíduo. Eles provavelmente acer-
taram, mas é provável que ambos sejam afetados por fprças sociais e
variáveis fora do indivíduo. Entretanto, The Authoritarian Personality é
uma grande realização da pesquisa e da ciência comportamental, urna
contribuição distinta e importante para a compreensão do preconceito,
do autoritarismo e da ideologia, das relações entre personalidade e
ideologia.
Praticamente toda essa pesquisa foi pesquisa básica. Sua meta era
compreender e explicar o preconceito, ainda que os pesquisadores e seus
patrocinadores tivessem convicções profundas sobre os males do precon-
ceito e forte desejo de erradicá-lo. Ninguém pode dizer com certeza,
claro, se o estudo teve algum efeito real sobre o preconceito em si.
Eu creio que provavelmente tenha tido influência porque, com a maior
compreensão do preconceito, líderes intelectuais e uma geração de estu-
dantes ganharam uma base para entenderem como lidar com o precon-
ceito. PrG"WiK~lmente tenha também ajudado a criar uma noção mais forte
da necessida'â'e' de igualdade em muito mais pessoas. Do ponto de vista
deste capítulo, os autores de The Authoritarian Personality mostraram
não somente capacidade de pesquisa, discernimento e argúcia; mostraram
sabedoria quando escolheram fazer pesquisa básica. Um conjunto de
estudos aplicados poderia ter dado em nada porque provavelmente teria
fracassado em encontrar relações mais profundas que os autores encon-
traram. 9
341
escrutínio científico e à investigação. Todas as outras questões e afirma-
tivas não têm interesse científico. Questões que são em geral não-testáveis
empiricamente podem ter valor, mas não são relevantes à ciência simples-
mente porque não são testáveis. Foram dados exemplos de 'tais questões
no capítulo 1 e em outras partes do livro. Em resumo, dois dos valores
de ciência são investigação aberta e crítica e insistência em trabalhar com
questões que sejam empiricamente abordáveis. Com todas as questões,
entretanto, os cientistas e a ciência são sempre céticos.
Um terceiro valor da ciência é a fé na ciência em si, combinada
com o ceticismo mencionado acima. Os cientistas acreditam que, com
condições apropriadas e metodologia, pode-se conseguir uma compre-
ensão limitada da maioria dos fenômenos naturais. Apesar da com-
preensão e do conhecimento absoluto estarem fora de nosso alcance, a
compreensão e o conhecimento probabilístico limitado não estão. Esta fé
é esptcialmente importante para os cientistas comportamentais porque
muita gente duvida que os métodos da ciência possam ser usados para se
estudar o comportamento humano. Por exemplo, diz-se que ninguém
jamais poderá conhecer a verdadeira natureza da inteligência humana
porque ela não é diretamente observável e assim não-mensurável. Da
mesma forma, a motivação humana está para sempre fora de alcance,
já que também não podem ser observados os motivos humanos impor-
tantes e inferir motivação de comportamento é sempre enganoso e até
ilusório. Embora reconhecendo a grande dificuldade de inferir inteli-
gênci&, motivação e fenômenos semelhantes, os cientistas mantêm a fé
em que isso possa ser feito. Esta fé parece ser justificada: tem sido
feito grande progresso no estudo científico, não apenas de inteligência
e motivação, mas em muitos outros fenômenos "não-observáveis". (Natu-
' ralmente, muitas das variáveis da física e outras ciências uexatas"
também são "não-observáveis".)
Quarto, os cientistas e a ciência têm que ser completamente hones-
tos - e geralmente o são. Isso nada tem a ver com moralidade pessoal.
A moralidade pessoal dos cientistas provavelmente não seja melhor ou
pior do que a de outras pessoas. Dentro do sistema científico, entretanto,
o cientista tem que ser absolutamente honesto porque o sistema assim
o exige. Na verdade, uma de suas bases é uma "alta moralidade H.
342
Não há concessões, interferências, como em negocws ou em política.
A ética da ciência é absoluta. O fato de que a maioria t.los cientistas
observa a ética que é mostrado pelo choque com que é recebido algum
caso de trapaça. É mostrado ainda pelo destino do cientista trapaceiro:
ele perde seu status de cientista. O caso de Sir Cyril Burt, que foi um
dos psicólogos mais famosos e respeitados da Inglaterra, pode ser um
exemplo. Alegou-se que o exame cuidadoso das evidências que ele apre-
sentara para apoiar conceitos de hereditariedade de inteligência indica-
vam que ele falsificara ou inventara os dados. Não vamos discutir o
caso. A questão foi o choque causado no mundo científico comporta-
mental do Ocidente. Qualquer cientista que falsifique dados, por qual-
quer motivo, causa um tremendo choque. Ainda mais Burt, por causa
de sua posição e do respeito que seus colegas tinham por ele. A questão
ainda não foi resolvida. Há os que estão convencidos que Burt fez o
que o acusaram e que foi, portanto, desonesto. Mas há os que não
acreditam nisso. Provavelmente a questão jamais seja resolvida completa-
mente, porque Burt já não está mais aqui para ser questionado e porque
a evidência parece ser equívoca.
Outro problema importante, relacionado aos valores da ciência e
que contribuiu para a má interpretação da ciência e da pesquisa, é o
suposto conflito entre a ciência e o estudo das humanidades. Acredita-se
que a ciência não toca na maioria dos aspectos da experiência humana.
Acredita-se});,por exemplo, que a essência da música e da poesia está
além da· ciêrid'ift' e que, na verdade, a ciência não toca nas experiências
humanas mais importantes. Assuntos estéticos e espirituais, entre outras
coisas, escapam à ciência e aos cientistas.
Seria agradável dar uma resposta eloqüente e romântica a tais argu-
mentos. Mas não é possível uma resposta real. Primeiro, os ufatos"
estão corretos: a ciência nada tem a ver com música e poesia e não a
toca muitos aspectos da experiência humana. Mas isto é verdadeiro para
qualquer atividade humana. A música abraça toda a humanidade? E a
literatura? A pintura? Se existe uma resposta satisfatória é que a ciência,
por um lado, e a música, arte, literatura, experiências místicas, etc., por
outro, são simplesmente diferentes. Não podem ser comparadas no
sentido comum da palavra. Alguém diz que flor é melhor do que café?
- a não ser naturalmente, que se esteja atrás do exótico ou comparando
alguma qualidade comum aos dois, como o cheiro ou a cor.
Segundo, imaginar um conflito entre ciência e humanidade é coisa
sem significado e sentido. As duas simplesmente são diferentes; têm
objetivos diferentes. É absurdo esperar que a ciência tenha como objetivo
a satisfação estética (a não ser, talvez, para o cientista), assim como é
absurdo esperar que a ciência e a pesquisa resolvam problemas sociais.
A ciência procura compreensão. Não se destina a melhorar nível de vida,
expenencia estética, ou o ser existencial do individuo. O conflito ou
polaridade entre a ciência e as humanidades, então, é um conflito psico-
lógico: está na cabeça de homens e mulheres e não pertence à natureza
"oposta" da ciência e das humanidades. Duas coisas serem opostas
implica que existe alguma coisa em comum entre elas. Ciência e humani-
dades são, ambas, atividades intelectuais humanas. Termina aí. Não há
virtualmente, mais nada em comum entre elas. Então como pedem ser
opostas? A compreensão da ciência exige a compreensão de que sua
natureza e objetivos são muito diferentes de outras atividades humc;nas.
Isto quer dizer que não está oposta a nada embora seu efeito"· seja abrir
áreas de atividade humana, geralmente fechadas, ao exame .crítico e
cético.
Duas perguntas difíceis, as últimas: A influênda da ciência tem
sido boa ou má? Se se entender "boa" por conforto e conveniência física
e se se admitir que grande parte da tecnologia moderna foi criada pela
ciência, então deve-se responder: Sim, a iefluência da ciência tem sido
boa, as pessoas se sentem fisicamente melh:Jr do que no século XIX.
Se se fizer perguntas sobre a qualidade de vió:t que a ciência possa ou
não ter acentuado, a resposta é muito mais comiJlexa e .ambígua. Vamos
então nos limitar aqui à ciência e à pesquisa comportamentais.
Ao contrário do que muita gente acredita, a dência e a pesquisa
comportamental contribuíram muitíssimo em uma área em que deveria_m
ser julgadas: conhecimento e compreensão do comportamento humano.
Antes de irmos mais adiante, entretanto, vamos reconhecer que qualquer
contribuição é sempre parcial e, talvez até, apenas uma p~quena parte
de todas as contribuições possíveis. É até bastante duvidosc que surgirá
completa compreensão científica do comportamento humano Provavel-
mente sempre haverá áreas nebulosas e desconhecidas em aspectos da
economia, sociologia, psicologia, antropologia e assim por diantt. As
depress~es econômicas provavelmente jamais serão totalmente compre-
endidas, se não por outras razões, pelo menos porque as situações socais
mudam constantemente, e o mesmo acontece, portanto, com as situações
econômicas. Surgem até novos fenômenos e variáveis. O conhecimento
completo da motivação e habilidades humanas continuará a nos escapar.
As complexidades das instituições e dos movimentos sociais provavel-
mente jamais serão também entendidos completamente.
Uma das coisas que as pessoas esperam da ciência é que, depois
de algum tempo, maturidade e trabalho, a pesquisa resultará em conhe-
cimento e compreensão total dos fenômenos; esta esperança é errônea e
inadequada. A ciência e a pesquisa jamais produzirão conhecimento e
resposras completas às questões. Manter essa esperança é compreender
mal a pesquisa e a ciência. Isto, entretanto, não é motivo de desespero.
344
Não quer dizer que, por não poder dar respostas completas, a empresa
científica perde seu valor. Longe disto.
Um modo mais exato e realista de encarar a ciência é concebê-la
como um meio poderoso de reduzir a ignorância. Vamos tomar a inteli-
gência novamente. Em, dig~os, 1850, não havia evidência científica
sobre a natureza da inteligência. O que era "conhecido" foi resultado de
observação e dedução, aguçadas ou não, sábias ou não. Não se fazia
uma investigação controlada sistemática da inteligência. Em resumo, o
estado de ignorância, se não era completo, era quase. Na década de 70,
entretanto, sabe-se muita coisa sobre a inteligência humana. Natural-
mente muita coisa continua desconhecida, mas isto não quer dU;er que
não saibamos quase nada a seu respeito. Sabemos, por exemplo, que a
inteligência humana é produto tanto da hereditariedade quanto do meio
ambiente. Sabemos que não se trata de uma coisa isolada, unitária,
querendo dizet, por exemplo, que uma pessoa altamente inteligente é
inteligente em todas as áreas. Aliás, é urn função multifacetada que
evidentemente tem tantas manifestações quanto pessoas. Certos fatores,
ou tipos de inteligência, estão agora bem estabelecidos e bem conhecidos:
verbal, numérico, espacial e assim por diante. Há até evidência, embora
não ainda sólida, de que não há só 6 ou 7 fatores de inteligência, mas
mais de 20 ou 30.
Uma das grandes realizações científicas e técnicas do século é·, então,
a mensur~~l"o da inteligência. Ela pode ser medida com alta fidedigni-
dade e el6gi~ã~l validade. Há os que duvidam, naturalmente. Uma das
principais causas de dúvida é a desconfiança de que o que está sendo
medido não é a verdadeira essência a inteligência. Talves não. Mas então,
a "verdadeira essência" da inteligência jamais será medida. Isso de forma
alguma diminui a magnitude teórica e prática da realização. A ignorância
completa foi reduzida para o que pode ser chamado ignorância parcial.
Graças ao trabalho de cientistas sociais, sabemos que classe social
tem muita influência sobre a inteligência, realização e ocupação. Sabe-
mos muita coisa a respeito do papel que desempenha a raça em casa, na
escola e no trabalho. Sabemos muita coisa a respeito do funcionamento
dos sistemas econômicos - não o suficiente para evitarmos depressões
e acabar com a inflação, mas muita coisa, apesar de tudo. Os sociólogos
e os economistas reduziram bastante a ignorância social e econômica.
Ajudaram também a destruir falsas crenças e mitologias enganosas sobre
a sociedade e seu funcionamento.
Alguns anos atrás, Deutsch, Platt e Senghaas (1971), publicaram
um estudo do progresso das ciências sociais e de onde veio este progresso.
Fizeram uma lista de 62 melhoramentos feitos durante o período de
1900-1965 que influenciaram a pesquisa e a prática. Omitindo as contri-
buições não científicas, resta-nos ainda uma lista formidável de melhora-
345
mentos: a sociologia da burocracia, cultura e valores, teoria e pesquisa
de aprendizagem, testes de inteligência, estudos sobre autoritarismo,
pesquisa de atitudes e opiniões, e vários avanços metodológicos, como
análise fatorial, análise de conteúdo, definições operacionais, análise
estatística, computadores, análise multivariada e assim por diante. Dizem
os autores:
Juntos, estes melhoramentos acrescentam-se à inconfundível evidên-
cia de crescimento cumulativo do conhecimento nas ciências sociais
no decorrer do século. Hoje, afirmativas como "não sabemos mais
do que Aristóteles sobre psicologia humana e política", expressam
principalmente a ignorância daqueles que as proferem (p. 455). 10
Em suma, as contribuições da ciência e da pesquisa comportamental
foram impressionantes na redução da ignorância. O progresso não foi tão
impressionante quanto em física, química e biologia, mas considerando
sua relativa juventude e grande complexidade, são sem dúvida impressio-
nantes. A compreensão do mundo físico e de nossos corpos progrediu
enormemente graças à ciência. A compreensão de nós mesmos e de nosso
ambiente, embora não sendo enorme, tem sido e é uma realizacão
excepcional, reduzindo nossa ignorância praticamente completa cem a~os
atrás.
É verdade que podemos não saber muito bem como lidar com
depressão, inflação, desemprego, terrorismo, preconceito religioso e racial
e privação intelectual extrema. Conhecemos, entretanto, algumas das
causas destes fenômenos e relações entre eles. Estamos começando a com-
preendê-los cientificamente. Embora isto não signifique solução definitiva
dos problemas - repetimos, não é este o objetivo da ciência - , signi-
fica, no mínimo, redução considerável da grande ignorância que permeia
''estes e outros problemas psicológicos e sociais semelhantes. Significa
uma certa medida de compreensão, compreensão que pode nos fornecer
as razões, senão os remédios, da nossa infelicidade e nossa felicidade,
de nossos fracassos e nossos sucessos.
346
Apêndice
Tipos de pesquisa, métodos de observação
e testes de significância estatística
Tipos de pesquisa
Um tipo mais importante de pesquisa dominou o texto: pesquisa
em que foram estudadas as relações entre variáveis dependentes e inde-
pendentes. Este é, naturalmente, o tipo de pesquisa mais importante e a
meta última de quase toda a pesquisa científica: pesquisa para testar
relações hipotéticas entre variáveis. Há, contudo, vários outros tipos de
pesquisa que são importantes. Vamos examinar dois deles rapidamente.
Investigação histórica
Pesquisa histórica, ou investigação histórica, é uma investigação
crítica dos acontecimentos, desenvolvimentos e experiências do passado,
pesagem cuidadosa da evidência da validade de fontes de informação
sobre o passado, e a interpretação da evidência. O método histórieo,
ou historiografia, difere de outras investigações principalmente em seu
assunto difícil de definir, o passado, e a tarefa de difícil interpretação
apresentada pela esquiva natureza da história. Embora a pesquisa
histórica não seja pesquisa científica - lembremo-nos da discussão ante-
rior de sua natureza ideográfica - é extremamente importante e valiosa
para a pesquisa comportamental, porque as origens e raízes das discipli·
nas comportamentais têm que ser compreendidas se se quiser compre-
enàer as teorias e a pesquisa contemporâneas.
Mas a pesquisa histórica é importante por si mesma. Sua ênfase
em fontes primárias e secundárias, por exemplo, é uma contribuição
valiosa para a pesquisa comportamental em geral. Uma fonte primária é o
repositório original de um dado histórico, corno o relato de um aconteci-
mento feito por uma testemunha ocular, uma fotografia, minutas de
reuniões, e um registro original de um acontecimento. Uma fonte secun-
dária é um relato ou fonte de informação distante um ou mais passos
da fonte original, por exemplo, um artigo de jornal sobre uma reunião
do Congresso em lugar da ata original do Congresso ou seu relato feito
por outro historiador. Em pesquisa comportamental, um relatório de
pesquisa original é primário, mas o relato da pesquisa feito em um livro é
secundário. Uma regra básica da historiografia é: use fontes primárias.
Usar fontes secundárias quando há fontes primárias à disposição é um
grande erro em história - e em pesquisa comportamental. O motivo é
óbvio: as coisas são distorcidas ao serem contadas.
Há outros cânones importantes na historiografia, mas vamos deixar
o assunto para outras fontes (veja Borrowman, 1960 e Social Science
Research Council, 1946). Entretanto é preciso destacar uma questão
importante. O surgimento da pesquisa científica nas ciências comporta-
mentais no século XX teve o efeito de relegar a investigação histórica
â uma posição inferior à que lhe caberia na investigação comportamental.
Toda pesquisa comportamental tem um passado e tradições. Os cientistas
comportarnentais ao desenvolverem, por exemplo, uma teoda, precisam
conhecer as origens da teoria que estão desenvolvendo. Precisam da
perspectiva das raízes e desenvolvimentos anteriores para alimentar seu
próprio trabalho. Precisam ter um respeito saudável por fontes primárias
e pelo que os historiadores chamam de externa e interna. A ciência não
é só fazer teorias e testar hipóteses. É também a pesagem e avaliação
de tendências passadas e evidência não-quantitativa.
Pesquisa metodológica
348
tística, mensuração e maneiras de obter e analisar dados. O cientista ou
não-cientista que despreza a metodologia, usando a expressão "simples
metodologia", mostra uma curiosa compreensão da ciência. Alguns dos
indivíduos mais competentes e criativos da moderna psicologia, sociolo-
gia e educação, foram e são metodólogos. Além do mais, é quase
impossível fazer uma pesquisa importante sem ser um pouco metodólogo.
Assim o ponto de vista "simples metodologia" é enganoso.
Talvez a área mais ampla da pesquisa metodológica seja mensuração
e estatística, ou sua combinação chamada psicometria. Aqui o metodólogo
está preocupado com a teoria e prática dos instrumentos de mensuração.
Os problemas de construção de escalas, tipos de itens, fidedignidade e
validade exigem muita atenção. A mensuração é uma área em que o
cientista social tem que estar informado porque quase toda pesquisa
precisa de alguma espécie de mensuração. Se já existem instrumentos
apropriados, o pesquisador deve ter a capacidade de apreciá-los. Se não
existem, ele deve ter a capacidade de construí-los.
A estatística sempre exigiu a atenção dos metodólogos. É difícil
conceber a pesquisa comportamental moderna sem a estatística - não,
é impossível. A abordagem probabilística do conhecimento está tão
profundamente entranhada que simplesmente não se pode conceber pes-
quisa sem estatística. Como já ficou dito em capítulos anteriores, a.
mensuração psicológica e a estatística são duas das maiores realizações
intelectuais d~~culo. A invenção da análise de variância e o desenvolvi-
mento da análise--'11ttorial são duas realizações notáveis de nossos tempos.
A pesquisa metodológica pode, sem dúvida, ser importante.
Mais um exemplo para enfatizar este ponto. Aspectos dos levanta-
mentos- principalmente amostragem e realização de entrevistas- vêm
sendo áreas de estudo metodológico intensivo e extensivo. Qual a melhor
maneira de obtermos uma amostra representativa de um país moderno?
Quais são as vantagens relativas de diferentes tipos de amosh·agem? Qual
é o melhor tipo de pergunta de entrevista? Como os entrevistadores
deveriam fazer as perguntas? Os problemas resultantes destas e outras
questões metodológicas vêm sendo investigados intensivamente, e temos
agora um corpo extensivo de informação técnica de confiança para guiar
a prática da pesquisa.
'.l:AO
ção, alguns deles já foram mencionados. Vamos agora caracterizar rapi·
damente três dos métodos mais usados.
Observação é um tenno gera] que significa qualquer tipo de dado
obtido através de notar eventos, contá·los, medi·los, registrá·los. Métodos
de observação são procedimentos sistemáticos e padronizados para se
obter dados. Quase todos os métodos têm o objetivo técnico de ajudar
o observador ou pesquisador a obter medidas de variáveis. O principal
objetivo de "fazer observações", então, é medir variáveis. Em ciência,
fazer observações significa mais do que olhar as coisas simplesmente.
Significa também qualquer aparato usado para medir variáveis.
Entrevistas
350
grande parte da pesquisa comportamental, os estímulos estruturados são
escalas e testes objetivos, que são mais usados do que qualquer outra
coisa para fazer observações. Em capítulos anteriores mencionamos exem-
plos de tais testes e escalas, e no capítulo 2 eles foram definidos. Vamos
repetir as definições. Um teste é um procedimento sistemático em que se
apresenta aos indivíduos a serem testados um conjunto de estímulos
construídos, chamados itens, aos quais eles respondem de uma forma
ou de outra. Estas respostas possibilitam o pesquisador atribuir notas
individuais, que presumivelmente indicam o grau em que os indivíduos
possuem o atributo que está sendo medido, ou o grau em que eles
"conhecem" a coisa sendo testada.
uma escala é semelhante a um teste, enquanto possui itens, e cada
um deles deve medir o que quer que esteja sendo medido. As escalas,
contudo, não têm o sabor competitivo dos testes. São construídas de
forma que números diferentes possam ser atribuídos a sujeitos diferentes
para indicarem quantidades diferentes da propriedade ou atributo em
mensuração. Foram dados exemplos no texto. Lembre-se, por exemplo,
de que a conhecida escal'a F mede autoritarismo. Lembre-se também das
escalas referentes destinadas a medirem conservadorismo e liberalismo ..
Foram construídas, literalmente, centenas de escalas e usadas em pesquisa
comportamental para medirem atitudes, valores, rigidez, preconceito, inte:-
resses, intro~rsão-extroversão e assim por diante .
..~~>.
'*""':-T?
Observação de comportamento
Estatística e análise
352
tística. Entretanto, a natureza onipresente da estatística e sua importância
vital na análise de dados eJcige mais do que um "fora" cavalheiresco.
Estamos longe de ter negligenciado o assunto. Nos capítulos 4, 5 e 6,
além de em outros pontos, foram dadas as bases conceituais da análise,
do estudo de relações e da testagem de hipóteses ... No capítulo 10,
discutimos análise de freqüências. Vimos correlação, regressão e abor-
dagens multivariadas nos capítulos 11, 12 e 13. Mas uma análise descri-
tiva e uma vista geral da estatística não foram discutidas, sistematica-
mente. Vamos fazê-lo agora, mas de forma limitada. O objetivo não é
ensinar estatística; é 1profundar a compreensão da pesquisa comporta-
mental em geral. Va1nos anteceder a discussão de estatística com uma
consideração da natureza da análise.
Análise é a categorização, ordenação, manipulação e sumarização
de dados. Seu objetivo é reduzir grandes quantidades de dados brutos
passando-os para uma forma interpretável e manuseável de maneira que
características de situações, acontecimentos e de pessoas possam ser des-
critas sucintamente e as relações entre as variáveis estudadas e interpre-
tadas. A estatística, naturalmente, faz parte da análise. Já foi definida
mas, para maior clareza, vamos caracterizá-la novamente. Estatística é a
teoria e método de analisar dados obtidos de amostras de observações
com o fim de descrever populações, estudar e comparar fontes de variân-
cia, para ajudar a tomar decisões sobre aceitar ou rejeitar relações entre
fenômenos ·e,~lil_ra ajudar a fazer inferências fidedignas de observações
empíricas (Kerii"hger, 1973, p. 185). Vamos considerar apenas como
avaliar a significância estatística em três situações de pesquisa variadas
e com,umente usadas. ·
p• 0,05 0,01
gJ.b
10 1,81 2,76
15 1,75 2,60
25 1,71 2,49
30 1,70 2,46
354
Média 1 - Média 2
I Calculei este t dos resultados publicados. Como isto foi feito não tem impor-
tância aqui.
Se qui~éssemos ter cçmsider~velmente mais segurança dâ signüicân·
cía estatística da diferença de 4,76, poderíamos ter escolhido o_ valor de
2,36, correspondente ao nível de 0,01. Então a diferença de 4,76 é esta·
tisticamerite significante ao nível de 0,01, significando que há apenas
uma chance ein 100 de obter diferença tão grande apenas pelo acaso.
A mesma conçlusão do parágrafo antecedente se seguiria, s6 que esta·
ríamos consideravelmente mais seguros de que o resultado era estatis-
ticamente significante. 2
356
tabela A. 2. As entradas na tabela representam números de sociedades.
Por exemplo. 17 num total de 39 sociedades tinham alta ansiedade oral
e usavam também explicações orais para doença.
Tabela A.2 Relação entre ansiedade oral e explanação· oral da doença, estudo de
Whiting e Child {1953) •.
Sociedades altas em 17 3 20
ansiedade oral (11,79) (8,21)
Sociedades baixas em 6 13 19
ansiedade oral (11,21) {7,79)
23 16 39
* As entradas das células são freqüências. As entradas entre parênteses são fre~
quenc1as esperadas, calculnda~· dos totais marginais, por exemplo, (20) (23)/39
== 11,79. x 2 = 11,49, significante ao nível de 0,01; C = 0,48; (Veja o texto para
uma explanação de x2 e C.)
14 6 20
(11,79) (8,21)
9 lO 19
(11,21) (7,79)
23 16 39
• As entradas das células são freqüências. As entradas entre parênteses são fre-
qüências esperadas. calcuiPdas dos totais rnar~nais. por exemplo, (20)(23)/39
_= =
11,79. x2 = 2.,06, significante ao nível de 0,01; C 0,22. (Veja o textq para
·uma explanação de x,1 e C.) ·
358
gência, ou .C. C para a tabela A. 2 é 0,48 e para· a tabela A. 3 é Oj22.
Estes coeficientes C são apenas medidas aproximadas das relações. Eles
subestimam a magnitude das relações, por exemplo. Entretanto, 4ão uma
idéia da magnitude relativa d~ relações nas duas ·tabelas.
x1 -x.
t=-----
EP- -
Xl-XB
onde X1 e X2 são as médias dos grupos 1 e 2 e EP _ _ é o chamado
Xl- Xz
erro padrão das diferenças entre as duas médias. Um erro padrão é
uma medida de flutuação ao acaso. Neste caso é o erro padrão da
diferenca entre duas médias. É um cáiculo da variabilidade das diferen·
ças ent;es as médias, tendo as médias sido calculadas de conjunto de dois
grupos de números aleatórios. Por exemplo, supondo que tiramos núme-
ros aleatórios em conjuntos de dois,·digamos, 20 números em cada grupo,
calculamos então as médias de cada conjunto e as diferenças entre estas
médias. Fazemos isto diversas vezes e calculamos então a variabilidade
(os erros padrões) das diferenças. Este erro padrão, então, é usado para
avaliar a magnitude da diferença obtida. Se a diferença obtida for "sufi-
cientemente maior do que" o erro padrão, então a razão t é ugrande"
e considerada estatisticamente significante.
Esta abordagem geral é muito usada nas ciências comportamentais.
Vamos agora ilustrá-la com a avaliação da significância estatística de
coeficientes de correlação. O raciocínio e o método são semelhantes.
A fórmula para o erro padrão, naturalmente, é diferente. A fórmula para
avaliar a significância estatística de um coeficiente de correlação é:
r
EPr
Como calcular EPr, o erro padrão de r, não irá nos ocupar. O que
devemos notar é que temos novamente um. teste t, e a forma da fórmula
é a mesma que foi usada para a significância da diferença entre duas
médias: informação (no numerador) contra erro (no denominador) .
.+ Vamos supor que estejamos interessados em compreender as atitu-
des em relação às mulheres e, em consonância com um exemplo dado em
um capítulo anterior, acreditamos que as crenças sociais são sistematica-
mente relacionadas, e que a crença na igualdade para as mulheres está
positivamen[e ligada à crença na liberdade sexual e legalização do aborto.
Ou seja, indivíduos que acreditam que deva haver considerável liberdade
3exual para ambos os sexos e que o aborto deveria ser legalizado e feito
quando a mulher o desejasse, também acreditam na igualdade para as
mulheres. Suponhamos ainda que tenham sido construídas escalas para
medir, por um lado, atitudes em relação à liberdade sexual e legalização
do aborto e, por outro, igualdade para as mulheres, que ambas as escalas
tenham sido aplicadas a 20 homens e que o coeficiente de correlação
entre as duas escalas seja 0,30.
Este r de 0,30 apóia nossa crença de que há uma correlação posi-
tiva entre os dois conjuntos de crenças? Assim como com todas as
estatísticas,· devemos perguntar se este r é estatisticamente significante.
360
Ou é um dos muitos r que poderiam ter sido calculados entre conjuntos
de números aleatórios? Se calculamos t para este r, obtemos t = 1,33.
O t da tabela, ao nível de 0,05 para 18 graus de liberdade (N - 2 =
20 - 2 = 18), que, digamos, aceitamos anteriormente como nosso
critério de significância, é 1 ,73.- Nosso t obtido, entretanto, é de apenas
1,33. Já que é menor que 1,73, percebemos que nosso coeficiente de
correlação de 0,30 não é estatisticamente significante. Concluímos, por-
tanto, que há pouca ou "nenhuma" relação entre nossos conjuntos de
crenças.
Suponhamos que o r obtido tenha sido de 0,62 com 20 sujeitos que
responderam ambas as escalas. Será estatisticamente significante? Sim, é.
o t então' é 3,35, que é maior do que ambas as entradas ao nível de
0,05 e 0,01 da tabela t (o t para 0,05 é 1,73, como acima e o t para 0,01
é 2,55). O r de 0,62 é, portanto, estatisticamente significante e podemos
então pensar na magnitude de r e seu significado. Quer dizer que há
uma relação bastante supstancial entre os dois conjuntos de atitudes:
indivíduos que acreditam em liberdade sexual e legalização do aborto
tendem também a acreditar na igualdade para as mulheres. Em resumo,
a significância estatística de um coeficiente de correlação é estabelecida
primeiramente, e depois sua magnitude é avaliada.
Observe que o tamanho de N, o tamanho da amostra, afeta a signi-
ficância est~í~tica das estatísticas. Suponhamos, por exemplo, que tivésse-
mos obtido ·-ü:m,yer de 0,30, mas que houvesse 30 sujeitos que responde-
ram aos instrumentos de atitude (em vez de 20 sujeitos). Então
t = 1,664. Embora isto não seja significante de acordo com a tabela
t - a :entrada t ao nível de 0,05 para g.l. = 28 é 1,701 - é quase
significante. Se calcularmos a probabilidade com um computador, como
fizemos antes, encontraremos p = 0,054, apenas um pouco maior do
que 0,05. Assim, isto seria, embora marginal, sugestivo. Não o caracte-
rizaríamos como claramente não significante. Se tivéssemos 35 sujeitos e
um r de 0,30, t = 1,807, que. é significante ao nível de 0,05. (A ,proba-
bilidade calculada pela máquina é p = 0,04.)
·Há, naturalmente, muitos tipos diferentes de testes de significância
estatística. A maioria deles, por mais complicadas que sejam suas fórmu-
las, são baseados no mesmo princípio relativamente simples: a compa-
ração de resultados obtidos com resultados esperados por acaso. O leitor
deveria perceber, entretanto, que a ·significância estatística diz pouco
ou nada a respeito da magnitude de uma diferença ou de uma relação.
Com um número grande de sujeitos, digamos, mais de 200, a 111aioria
dos testes de significância mostra significância -estatística, mesmo
quando uma diferença entre médias seja bastante pequena, talvez trivial,
ou um coeficfente de cor.telação seja muito pequeno e trivial. Com 1.000
sujeitos, por exemplo, um r obtido de 0,06 apenas é significante ao nível
de 0,05! Como sempre, não há substituto para o bom julgamento e para
a experiência. Para 3e usar a estatística adequadamente, é preciso com-
preender os princípios e ser capaz de julgar se os resultados obtidos
são estatisticamente significantes e se são significativos no contexto par-
ticular da pesquiE~a. Um coeficiente de correlação de 0,30 pode ser
baixo, até trivial, com um problema de pesquisa e ao mesmo tempo
ser substancial com outro problema.
Bibliografia
Brqoks, H. Can science survive in the modem age? Science, 174:21-30, 1971.
Campbell, A. White attitudes toward black people. Ann Arbor, Mich.: Institute
for Social Research, University of Michigan, 1971.
C3lllpbell, D. T. e Stanley, J. C. Delineamentos experimentais e quase-experimen-
tais de pesquisa. São Paulo: E.P.U./EDUSP, 1979.
· Cantor, N. e Mischel, W. Traits as prototypes: Effects on recognition memory.
]ournal of Personality and Social Psychology, 35:38-48, 1977.
Cattell, R. B. Theory of fluid and crystalhzed intelligence. ]ournal of Educational
Psychologys 54:1-22, 1963.
Christie, R. e Jahoda, M. (orgs.). Studies in the scope and method of "The
Authoritarian Personality". New York: Free Press, 1954.
Citron, A., Chein, I. e Harding, J. Anti-minority remarks: A problem for action
research. fournal of Abnormal and Social Psychology, 45:99-126, 1950.
Clark, C. A. e Walberg, H. J. The influence of massive rewards on reading
achievement in potential urban school dropouts. American Educational
Research Journal, 5:305-310, 1968.
Coleman, J. S., Campbell, E. Q., Hobson, C. J., McPartland, J ., Mood, A. M.,
Weinfeld, F. D. e York, R. L. Equality of educational opportunity. Washington,
D. C.: Government Printing Office, 1966.
Comroe, J. H. e Dripps, R. D. Scientific basis for the support of biomedical
science. Sciences 192:105-111, 1976.
Cooley," W. W. e Lohnes, P. R. Multivariate procedures for the behavioral sciences.
New York: Wiley, 1962.
Cooley, W. W. e Lohnes, P. R. Multivariate data analysis. New York: Wiley, 1971.
Cronbach, L. J. e Meehl, P. E. Construct validity in psychological tests. Psycho-
logical Bulletin, 52:281-302, 1955.
Cutright, P. National political development: Measurement and analysis. American
Suciological Review, 27:229-245, 1963.
Deutsch, K. W., Platt, f. e Senghaas. D. Conditions favoring major advances in
social science. Science, 171:450-459, 1971.
Diamond, S. Jnformation and errar. New York: Basic Books, 1959.
Dollard, J., Doob, L. W., Miller, N. E., Mowrer. O. H. e Sears, R. R. Frustration
and aggression. New Haven, Conn.: Yale University Press, 1939.
Dubos, R. Scientist and public. Science, 133:1207-1211, 1961.
DuBridge, L. A. Science serves society. Science, 164:1137-1140, 1969.
Duncan, O. D., Featherman, D. L. e Duncan, B. Socioeconomic background and
ac:hievement. New York: Seminar Press, 1972.
Edward;), A. L. Statistical methods (3.• ed.). New York: Holt, Rinehart and
Winston, 1973.
Edwards, A. L. Experimental design in psychological research (4.a ed.). New York:
Holt, Rinehart and Winston, 1972.
Etzioni, A. Modem organizations. Englewood Cliffs, N.J.; Prentice-Hall, 1964.
Festinger, L. A theory of cognitive dissonance. Stanford, Calif.: Stanford University
Press, 1957.
Festinger, L. e Katz. D. (orgs.). Research methods in the behavioral sciences. New
York: Holt, Rinehart and Winston, 1953.
Flavell, J. H. The developmental psychology of Jean Piaget. Princeton, N.J.: Van
Nostrand, 1963.
Frederiksen, N., Jensen, O. e Beaton. E. A. Organizational climates and administra-
tive performance. Princeton, N.J.: Educational Testing Service, 1968.
Gates, A. e Taylor, G. An experimental study of the nature of improvement
resulting from practice in a mental function. Tournal of Educational Psycho-
logy, 16:583-592, 1925.
Getzels, J. W. e Guba, E. G. Role, role conflict, and effectiveness. American
Socíologica_l Review, 19:164-115, 1954.
364
Goldfarb, W •. The effects of early institutional care on adolescent personality.
Joumal of Experimental Education~ 12:106-129. 1943.
Green, B. F. Digital compriters in research. New York: McGraw-Hill, 1963.
Guilford; J. P. Psychometric methods (2: ed.). New York: McGraw-Hill, 1954.
Guilford, J. P. The &tructure of intellect. Psychological Bulletin, 51:267-293, 1956.
Guilford. J. P. Three faces of intellect. American Psychologist, 14:469-479, 1959.
Guilford, J. P. The nature of human intelligence. New York: McGraw-Hill, 1967.
Guthrie, E. R. The psychology oflearning. New York: Harper e Brothers, 1935.
Hartz, L. The liberal tradition in America. New York: Harcourt, 1955.
Harvey, J. H., Ickes, W. J. e Kidd, R. F. New directions in attribution research
(Vol. 1). Hillsdale, N.J.: Lawrence Erlbaum Associates, 1976.
Harvey. J. H. e Kelley, H. H. Sense of own judgmental competence as a function
of temporol pattem of stability-instability in judgment. Journal of Personality
and Social Psychology, 29:526-538, 1974.
Hays, W. L. Statistics for the social sciences (2.• ed.). New York: Holt, Rinehart
. and Winston, 1973.
Hilgnrd, E. R., Atkinson, R. C. e Atkinson, R. L. /ntroduction to psychology
(6~· ed.). New York: Harcourt, 1975.
Holtzman ,W. H. e Brown. W. F. Evaluating the study habits and attitudes of
high school students. ]ournal of Educational Psychology. 59:404-409, 1968.
Howells, W. W. The importance of being human. In: J. M. Tanur {org.), Slatistics:
A guide to the unknown. San Francisco: Holden-Day, 1972.
Hurlock, E. An evaluation of certain. incentives used in schoolwork. I ournal of
Educatjonal Psychology. 16:145·159, 1925.
Husén, T. (âfg))~Jnternational study of achievement in mathematics: A comparison
oj twelve countries (Vols. I e 11). New York: Wiley, f967.
Hyman, H. H .• Wright, C. R. e Reed, J. S. The enduring ef/ects of education.
Chicago: University of Chicago Press, 1975.
fones, E. E., Kanouse, D. E .• Kelley, H. H .• Nisbett, R. E., Valins,.S. c Weiner, B.
Attribution: Perceiving the causes o/ behavior. Morristown. N.J.: General
Leanüng Press, 1971. ·
Jones, E. E:. Rock, L.. Shaver, 'f.<. G., Goethals, G. R. e Ward, L. M. Pattern of
performance and ability attribution: An unexpected primacy effect. ]ournal of
Personality and Social Psychology, 10:317-340, 1968.
Jõreskog, K. G. Analyzing psychological data by structural analysis of covariance
matrices. In: D. H. Krantz. R. C. Atkinson, R. D. Luce e P. Suppes (orgs.).
Contemporary developments in mathematical psychology (Vol. 11}: Measure-
meni. psyclwphysics, and information processing. San Francisco: Freeman,
1974.
Joreskog, K. G. Structural equation models in the social sciences: Specification,
estimation and testing. Research report 76-9. Uppsala, Sweden: Uppsala Uni-
versity, 1976.
Katz, D. e Braly. K. W. Racial prejudice and racial stereotypes. /oUI'nal of
Abnormal and Social Psychology, 30:175-193, 1935.
Kemeny, J. G. A philosopher looks at science. Princeton. N.J.: Van Nostrand, 1959.
Kemeny, J. G., Snell, J. L. e Thompson, G. L. Introduction to finite mathematics
(2! ed.). Englewood Cliffs, N.J.: Prentice-Hall, 1966.
Kerliriger, F. N. Social attitudes and their criterial referents: A structural theory.
Psychological Review, 74:110.122, 1967.
Kerlínger, F. N. The structure and content of social a:ttitude referents: A prelimi-
nary study. Educational and Psychological. Measurement, ,32:613-630, 1972.
Kerlinger, F. N. The influence of research on educational practice. Educational
Researcher, 6:5-12, 1977.
Kerlinger, F. N. Foundations of behavioral research (2.a ed.). New York: Holt,
Rinehart and Winston, 1973.
Kerlinger, F. N. e Pedhazur, E. J. Multiple regression in behavioral research. New
York: Holt, Rinehart and \Vinston, 1973.
Kerlinger, F. N., Middendorp, C. P. e Amón, J. The structure of social attitudes
in three countries: Tests of a criterial referent theory. Intemational ]ournal of
Psychology, 11:265-279, 1976.
Kídd, C. V. Basic research - Description versus definition. Science, 129:368-371,
1959.
Kirk, R. The conservative mind (ed. revista). Chicago: Henry Regnery, 1960.
Kirscht, J. P. e Dillehay, R. C. Dimensions of authorítarianism: A reyiew of
research and theory. Lexington, Ky.: University of Kentucky :Press, 1967.
Krech, D. e Crutchfield, R. S. Theory and problems of social psychology. New
York: McGraw-Hill, 1948.
Lee, R. S. Social attitudes and the computer revolution. Public Opiniorz Quarterly,
34:53-59, 1970.
Likert, R. e Hayes, S. P. (orgs.). Some applications of behavioral research. Paris:
UNESCO, 1957.
Lindsay, P. H. e Norman, D. A. Human ínformation processing: An introduction
to psychology (2.0 ed.). New York: Academic Press, 1977.
Lindzey, G. e Aronson, E. (orgs.}. The handbook of social psyclrology (Vol. 2).
Reading, Mass.: Addison·Wesley, 1968.
Marjoribanks, K. Ethnic and environmental influences on mental abilities. Ameri-
can fournal of Sociology, 78:323·337, 1972.
Markus H. Self-schernata and processing information about the self. fournal of
Personality and Social Psychology, 35:63-78, 1977.
,.:;..
McClelland, D. C. The achieving society. Princeton, N.J.: Van Nostrand, 1961.
McClelland, D. C., Atkinson, J. W., Clark, R. A. e Lowell, E. L. The achievement
motive. New York: Appleton, 1953.
McConnell, J, V., Jacobson, A. L. e Kimble, D. P. The effects of regeneration
upon retention of conditioned response in the planarian. ]ournal of Compara-
tive and Physiological Psychology, 52:1-5, 1959.
Milgram, S. Obedience to authority. New York: Harper & Row, 1974.
Miller, N. E. Neal E. Miller: Selected papers. Chlcago: Aldine, 1971.
Miller, D. R. e Swanson, G. E. Inner conflict and defense. New York: Holt,
Rinehart and Winston, 1960.
Morrow, J. e Smithson, B. Learning sets in an invertebrate. Science, 159:850-851,
1969.
Murdock, G. et al. Outlines of cultural materiais (3.a ed.). New Haven, Conn.:
Human Relations Area Files, 1950.
Nagel, E. The structure of science. New York: Harcourt, 1961.
Nunnally, J. Psychometric theory. New York: McGraw-Hill. 1967.
Page, E. B. Teacher comments and student performance: A seventy-four classroom
experiment in school motivation. fournal of Educational Psychology,
49:173-181, 1958.
366
Parkinson, C. N. Parkinson's law. London: John Murray, 1957.
Platt, r. R. Strong inference. Science, 146:347-353, 1964.
Report of the National Advisory Commission on Civil Disorders. Bantam Books,
1968.
Robinson, J. P., Rusk. r. G. e He:td, K. B. Measures of political attitudes. Ann
Arbor: Institute for Social Research, University of Michigan, 1968.
Robinson, J. P. e Shaver, P. R. Measutes of social psychological attitudes. Ann
Arbor: Institute for Social Research, University of Michigan, 1969.
Roe, A. e Siegelman, M. The origin of interests. Washington, D.C.: American
Personnel and Guidance Association, 1964.
Rogers, C. R. Persons or science? A philosophical question. American Psychologist,
10:267-278, 1955.
Rokeach, M. The nature and meaning of dogmatism. Psychological Review,
61:194-204, 1954.
Rokeach, M. The open and closed mind. New York: Basic Books, 1960.
Rokeach, M. Beliefs, attitudes, and values. San Francisco: Jossey-Bass, 1968.
Rokeach, M. The nature of human values. New York: Free Pres~, 1973.
Rokeach, M. e Mezei, L. Race and belief .as factors in social choice. Science,
151:167-172, 1966. ....
Rosch, E. H. Natural categories. Cognitive Psychology, 4:328-350, 1973.
Rosenberg, M. Factors influencing change in occupational choice. In: P. Lazarsfeld
e M. Rosenberg (orgs.), The language of social research. New York: Free
Press, 1955.
Rossiter, C. Conservatism in America (2." ed.). New York: Vintage, 1962.
Rozeboom, ~- Foundations of the theory of prediction. Homewood, 111.: Dorsey
Press, 1966. ··-~;,'
Schachter, S., Elertson, N., McBride, D. e Gregory, D. An experimental study of
cohesiveness and productivity. Human Relations, 4:229-238, 1951.
Shaver, K. G. An introduction to attribution processes. Cambridge, Mass.:
Winthrop Publishers, 1975.
Shaw, M. E. e Wright, r. M. Scales for the measurement of altitudes. New York;
McGraw-Hill, 1967.
Simpson, G. E. e Yinger, r. M. Racial and cultural minorities (3.a ed.). New York:
Harper & Row, 1965.
Snedecor, G. W., & Cochran, W. C. Statistical methods (6.B ed.). Ames, Iowa:
Iowa State University Press, 1967.
Social Science Research Council. Theory and practice in historical study: A report
o/ the committee on historiography. New York: Social Science Research
Council, 1946.
Sontag, H. Attitudes toward education and perception of teacher behaviors. Ameri-
can Educational Research fournal, 5:385-402, 1969.
Stephenson, W. The study of behavior. Chicago: University of Chicago Press, 1953.
Stevens, S. S. Mathematics, measurement and psychophysics. In: S. S. Stev~ns
(org.), Handbook of experimental psychology. New York: Willey, 1951.
Stouffer, S. A. Communism, conformity, and civil liberties. Garden City, New
York: Doubleday, 1955.
Sullins, W. L. Matrix algebra for statistical applications. Danville, 111.: Interstate
Printers and Publishers, 1973.
Tatsuoka, M. M. Discriminant analysis: The study of group differences. Champaign,
Ill.: Institute for Personality and Ability Testing, 1970.
Tatsuoka, M. M. Multivariate analysis: Techniques for educational and psycholo-
gical research. New York: Wiley, 1971.
Thomson, G. The two aspects of science. Science, 132:996-1000, 1960.
Thorndike, R. L. Reading comprehension education in fifteen countries: Interna-
tional studies in evaluation (Vol. III). New York: Wiley, 1973.
Thurstone, L. L. e Thurstone, T. G. Factorial studies of intelligence. Chicago:
University of Chicago Press, 1941.
Townes, C. H. Quantum electronics, and surprise in development of technology.
Science, 159:699-703, 1968.
Turíng, A. M. Can a machine think? In: J. R. Newman (org.), The world of
mathematics (Vol. 4). New York: Simon & Schuster, 1956.
Walster, E., Cleary, T. A. e Clifford, M. M. The effect of race and sex on college
admission. Journal of Educational Sociology, 44:237-244, 1971.
Walster, E., Walster, G. W., Piliavin, J. e Schmidt, L. "Playing hard to get":
Understanding an ebsive phenomenon. ]ournal of Persona!Uy and Social
Phychology, 26:113-12í, 1973.
Waterhian, A. T. Federal support of science. Science, 153:1359-1361, 1961.
Weizenbaum, J. Computer power and human reason. San Francisco: Freeman, 1976.
Whiting, J. W. M .. e Child, I. L. Child training and personality: A cross-cultural
study. New Haven, Conn.: Yale University Press, 1953.
Wiley, D. E., Schmidt, W. H. e Bramble, W. J. Studies of a class of covariance
structure models. Journal of the American Statistical Association, 68:317-323,
1973.
Woodmansee, J. f. e Cook, S. W. Dimensions of .verbal racial attitudes: Their
identification and measurement. fournal of Personality and Social Psychology,
7:240-250, 1967. .
Worell, L. Levei of aspíration and academic success. fournal of Educational
Psychology, 50:47-54, 1959.
368
Índice onomástico
370
Smithson, B. 314 Valins, S. 333n
Snedecor, G. W. 99n V an Heerden, J. 316n
Snell, J. L. 53
Sontag, M. 227~228 Walberg, H. J. 4-5, 8, 9, 11, 27, 35, 36,
Stanley, J. C. 113, 141 47, 75, 86, 91, 96, 141, 236, 324,
Steiner, G. A. 137 327-328, 329, 354-355
Stephenson, W. 226, 311n, 314-315 Walster, E. 42, 49, 115-117, 131n
Stevens, S. S. 145 Walster, G. w. 42
Stouffer, S. A. 163-16'~. 170, 171, 172 Ward, L. M. 334
Sullins, W. L. 260 Waterman, A. T. 329
Swanson, G. E. 6-9, 28, 36, 91, 110, 164, Weiner, B. 333n
170, 356 Weinfeld, F. D. 134-135
Weizenbaum, J. 274, 276
Tatsuoka, M. M. 249, 250n, 260 Whiting, J. W. 356-357
Taylor, G. 42, 43 Wiley, D. E. 255n
Thompson, G. L. 53 Woodrnansee, J. J. 221-226
Thomson, G. 329 Worell, L. 43
Thorndike, R. L. 325 Wright, C. R. 166-170
Thurstone, L. L. 206-207, 233, 271 Wright, J. M. 232
Thurstone, T. G. 206
Townes, C. H. 129, 329 Yinger, J. M. 338n
Turing, A. M. 293 York, R. L. 134-135
Índice analítico
372
- e engenharia 320 - na análise dos dados 170
- e o indivíduo 303-313 correlação 60, 183-184, 207~209
- e pragmatismo 327-329 - alta e análise de regressão 199-201
- e valor 302-303, 341-346 - canônica 239-242
- naturais e objetividade 12-13 - entre indivíduos 226-228
- natureza geral da 3-9 - forçada 260-262
- neutralidade da 37-38 - momento-produto 184
- objetivo da 17-21 - signifícância estatística das 359-362
- social (ver pesquisa comportamental) - zero 211n
- versus humanidades 344 "correlatos" 163n
- unidade de discurso 311-316 covariância 30, 183-184
classificação, fidedignidade 153 - análise de estruturas de 254-269
coeficiente criatividade
- de consistência interna 153 - observacões da 10
- de contingência 358-359 - prediçã~ da 307-308
- de correlação 60, 61, 64, 183-184, 270 cruzamento 17 4
- - múltipla 192-194 - e análise de freqüência 177
- de fidedignidade 153 curiosidade científica 202
- - de teste-reteste 153
- de regressão 190 Dados 28-29
- de trajetória 265 - coleta de 349-352
Comitê Judeu Norte-Americano 339-340 defini cão
comportamento - co~stitutiva 46
- do professor 226-228 - operacional 46-50
- inteligente 233 - - crítica da 49-50
- observacão do 351-352 - - experimental 47
computado; 271-295 - - função da 47-48
- calculadoras __~ogramáveis 282-283 ---medida 47
- características"".;<d9§.!? 273-277 - - medindo a inteligência 147-148
- caráter internacional 291-292 - por regra 53
- desvantagens de 292-295 - teórica 77
- e tabela t 356n delineamento(s)
- iteração 287-288 - casualização 97-104
- raiz quadrada 286-289 -- "clássico" 105
- efeitos na pesquisa comportamental - de pesquisa 94, 119
271-273, 289-295 - de uma só variável independente
- limitações 275 94-107
- usos e operações 284-289 - - generalização 97
- viciados 276 - - limitação 104
conceito - fatoriais 105-119
- definição 23 - -- dois-por-dois 107
- variável 4546 - - - 2x2x3 115-117
concepção bipolar 229, 256 - - exemplo fictício 106-113
conhecimento, bases do 1-2 - - exemplos de pesquisa 113-118
conjuntos 52 --formas 112
conservadorismo 228-232, 340 -- -- vantagens 106
constante 45n designação aleat6ria 27, 94-95
constructo - e casualização 99-102
- na hipótese 4142 desordens civis 175-176
- variável 25, 45-46 (ver também con- diagrama de trajetória 264
ceito) diferenças casuais 87-89
contaminação 125 direção de influência 263, 264
contar, como mensuração 178n disciplina
controle 123-130 - idiográfica 305-306
- definição de 123-124 - nomotética 305-306
distorção e propósito da ciência 20 - recompensa maciça e aproveitamento
distribuição na leitura 4-5
- de freqüência 174 - testagem da teoria 125-126
- normal 301n - "verdadeiro" 141-142
divergência geométrica 249-251 explicação(ões) 8, 15, 118-119
dogmatismo 158-159. - como propósito 17-20
- e melhor ·predição ·1 96
ductilidade 275
- e objetividade 13-14
Efeito(s) - naturais 70
- da privação 137, 141 - teoria e relações 69-73
- heurístico 334
Fator
- principais 110 - definicãa 203-204, 221-225
entrevista 163, 350 - de pe;soa 227
equação de regressão 190, 246 - rotação de 216n, 294
erro padrão 360 fidedignidade 91, 148-155, 159
escala(s) 29 - como estabilidade 153
- D (dogmatismo) 158-159 - definicão de 149-150, 152
- definição 351 - exemplos 150-154
- F 154, 158 - importância da 154-155
- objetiva 11, 350-351 fonte
escolarização, efeitos duráveis da 166-170 - primária 348
escolha ao acaso 4n - secundária 348
estado agêntica 126 Fartran 277-281
estatística 348-349 freqüência(s)
- concepção errônea da 92-93 - como mensuraçãa 178n
- definição 89-90, 353 - definicão 173-174
- descritiva 90 - relativas 173n
- e análise 352-362 fumo e pesquisa do câncer 132-133
- e realidade 92-93
- influência 91 Generalização 129-130
- propósito da 93 gráficos de relações 62-63
estereótipo graus de certeza 74-75
- racial 225-226, 339-340 grupo
. i · - sexual 115-117
- de controle 5
estudo(s) - experimental 5
- da tolerância e intolerância 163-164
Hipótese(s) 38-44
- de caso 313 - de dois fatores 257
- definição 26-27 - de .interação 110, 117
- de igualdade e liberdade 136-137 - e testabilidade 41-42
- longitudinal 166, 168 - exemplos de 42-44
- sobre predição 187-189 - teste da 82-84
estrutura fatorial 204 - valor das 39-41
etnia 194-199 historiografia 348
etnocentrismo 341
evento 77, 84 Igualdade de oportunidade educacional
experimenta(s) (veja relatório Coleman)
- artificialidade do 128 independência 84-86, 109, 184-185
- características 26-27, 125-127 índice 62n
- definição 3, 94-95, 125, 143 indivíduo
- e estudo não-experimental (veja pes- - e análise de conteúdo 312-314
quisa não-experimenta]) - e ciência 303-313
- generalização da 129-130 - e perfis 309-311
-no campo 95, 127n - e predição 306n
374
- estatística do 311n, 314-315 - crítica da 160
iníerência(s) 91 - definição 145
- causais 131n, 181n, 199 - discriminação 146-147
inteligência - do dogmatismo 158-159
- análise fatorial da 204-207 - em perspectiva 159-161
- conhecimento acerca da 344-346 - fidedignidade da 148-155
- e efeitos na educacão 168-170 - inteligência 147-148
- e realizacão 181-1S2 - nominal 178n, 243
- estudos de Guilford 218-221 - validade da 160
- fatores da 209-212 método(s)
- geral 218 - dos grupos conhecidos 158
- medindo 147-148, 299-303 - quantitativos 209-302
- teoria de Thurstone 205-207 metodologia 296-316, 335-336
- verdadeira e funcional 148 - Q 226-227, 314-315
interação de variáveis 108, 112 modelo
- sexo e capacidade 116-117 -casual 265
btternational Studies of Educational - linear 238n-239n
Achievement 325 ·
inversão de matriz 275 National Advisory Commission on Civil
investigação Disorders 325
- história 347-348 nível
- sociológica 162-170 - do discurso 328n
- - classe social e tempo de desmame - de significância 354, 355
164 nota(s)
- - conclusão 178 - discriminantes 251-252
- - efeitos duráveis da escolarização - padrão 310n
166-170 - preditas 245-246
- - estudo d_e tolerância e intolerân- - verdadeira 150 (veja ponto)
cia de s~~r 164-165 números 146n
- - valores orien'tados para pessoas - aleatórios 69, 80
e escolha ocupacional 165-166 - - por computador 284
itens 29, 254n
iteração 287-288 Obediência e autoridade 120-123
objetividade 8, 296-299, 342
Lei(s) - como procedimento 14-15
- científicas 304n - crítica da 297-298
- de Parkinson 113-114 - definição 10-11, 298-299
levantamento(s) 170-173, 325-326 - e explicação 13-14
- descritivos 171 - e hipótese 39-41
liberalismo 228-232 - e pesquisa científica 9-15
linha de regressão 58, 62 - perda da 20 ·
observação 144-145
Manipulação 3, 27, 95 - de comportamento 351-352
máquina, definição de 273-274 - definição 350
matriz 204 - distorção na 1O
- alvo ou hipótese 211, 258-259 - métodos de 349-352
- de carga fatorial 204 orientação para pessoas e ocupação 238
- de correlação 204, 259
- de covariância 260 Pares ordenados 55
medidas pensamento
- contínuas 356 - convergente 220
- definidas 29 - divergente 32 ·
média 61n - probabilístico 32
memória, estudo da 322-324 pequena teoria 18, 73, 264.
mensuração 145-148 perfis 309-311
pesos - conversão 174-177
- beta 191-192 pragmatismo
- de regressão 189-192 - comparado com o empmsmo 15-16
pesquisa - de apelo e preconceito 106-113
- aplicada 115-117 - e ciência 327-331
- - definição 321 prática, influência da pesquisa na 332-341
- - dois importantes estudos 324-327 preconceito
- - e análise discriminante 252-253 - análise fatorial do 220-226
- - e pesquisa básica 320-327 - e admissão a f acuidade 115-117
- básica 320-321 - e apelos pragmáticos e morais 106-113
- - e aplicada 320-327, 331-332 - e autoritarismo 63-64, 65
- comportamental - e explicação 70-71
- - conceitos e definições 22-32 - e medição 146-147
- - concepções errôneas e controvér- - hostilidade e agressão 117-118
sias 296-316, 317-346 predição 306-309
- - definicão 2n - e explicação 19ó
- - objeti~idade na 12-13 -grupo 308
- - probabilidade e acaso 81-84 - participação no grupo 243
- - relacões na 58-66 princípio da parcimônia 202-203, 265
- - tracÔs característicos da 8 probabilidadels) 31-32, 75-89
- de leitura 330 - concepção errônea 84-86
- efeitos possíveis da 332-335 - condicionais 175
- e prática 317-346 - definição 76-79
- e questões éticas 122 - e acaso e pesquisa 81-84
- e relevância 330n-331n - nas ciências naturais versus compor-
- experimental 120-130 tamentais 74-76
- - controle 123-130 problemas 35-38
- - força da 127-128 - critérios de 36-37
- - fraqueza da 128-130 - definição 35
- ex post facto (veja pesquisa não-ope- - exemplos 42-44
racional) - valor e engenharia 33-34
- metodológica 348 procedimento de Monte Carla 89
- multivariada 179-201, 235-270 programas de computadores 277-281
~ - análise discriminante 242-254 - ACOVS e LISREL 255n
- - análise fatorial 202-234 - de tradução (compilador) 283n-284n
- - conclusão 269-270 - linguagem para 277-281
- - correlação canônica 239-242 -pacote 294
- - definição 180n - sub-rotina 285n
- - exemplos experimentais 236-247 proposições testáveis 34-35, 36-37, 41-42
- - partição da variância 179-186 psicometria 349
- não-experimental 130-134
- - classes sociais e tipos de criação Q-sort 227, 314
5-9 questão
- - confiança 124 - de engenharia 33-34
- - definicão 3-4 - de valor 33-34, 37
- - e pesquisa experimental 139-141 quociente de inteligência (QI) 148
- - exemplos de 134-141
- - investigação sociológica 162-170 Raiz quadrada por computador 286-289
- - variáveis na 133 realidade dos fatores 203
- objetivo da 318-320 realizacão 8-9
.....;_ tipos de 347-349 - definida operacionalmente 48
"picotadores" de computadores 276 - e inteligência 181-182
ponto, definição 25 (veja nota) - explicação da 72
população, definição 90 - necessidade de 264-269
porcentagens, usadas nas tabelas 164n referentes criteriais 229
376
reforçamento 9n - e hipótese 41
- positivo e negativo 4n - e lei 304n
regressão múltipla 187-194 - e pesquisa da eqüidade 131
- e computador 273 - explicação e relações 69-73
- equação 189-192 - influência da 336-337
- exemplos de pesquisa 194-201 - objetivo 17-19, 318-320
relacão "se-então" 39 - pequena 18, 73, 264
rela~ões 26, 51-52, 53-57, 183 - testagem no experimento 126
- êorno um conjunto de pares orde- testagem empírica 37
nados 55-56 teste(s)
- definição 5-6 - definição 29, 351
- direção e magnitude 58-62, 63-64, - de inteligência 148, 210
66-69 - fidedignidade 153-154
- e explicação e teoria 69-73 - objetividade 10-11, 350-351
- e hipótese 38-39 - redações 11
- e mensuracão 145-146 - .. robustos,. 302
- expressão da 39 - t 284, 301-302, 353-356
- gráficos de 62-63 The Achieving Society 8
___: na pesquisa cornportamental 57-64 The Authoritarian Personality 339-341
- negativas 67-68
- positivas 58 Unidade ·de discurso na ciência 311-316
- raciais 325-326, 337-341 universo do discurso 328n
- tipos de 65-69
- zero 61, 62, 69 Validade 155~159
relatório Coleman 134-135, 178, 254, - de constructo 157-159
325, 329 - de conteúdo 157
relevância 330n.o:~Jn - definição e natureza da 156-157
replicação 5, 12, 1'2-7.5 128, 140 - ·empírica 75
Report of the National Advisory Com- - e o método dos grupos conhecidos
mittee on Civil Disorders ( 1969) 158
175-176 - e validacão de constructo 159
repressão, constructo de 41
- preditiv~ 157
rotação em análise fatorial 216n
- tipos de 157
valor(es)
Significância, testar a 284
- estatística 88, 89 - científicos 341-346
- - de correlações 359-362 - de população 90~91
- - o teste de quiquadrado 356-359 - e ciência 302-303
- - o teste t 353-356 - instrumental e terminal 136
subscritos 56n variação 29-30
Survey Research Center (da Universi- - concomitante 65
dade de Michigan) 172 variância 29-31
- análise de (veja análise de variância)
Tabelas t 284-285 - compartilhada 183-184, 189-192
taxionornia 57, 233 - partição da 179-186
teciÍologia 320 - quando as variáveis independentes
teoria são correla,cionadas 184-186
- "correta" e modelo 267-268 - residual 193
da atribuição 333-334 - significado da 179-180
da dissonância cognitiva 103, 114 verdadeiras notas 150
da frustração-agressão 117-118 variável(is) 22-25~ 44-50
definicão 73 - categóricas 23
de Fr~ud. testabilidade de 41 - definição 5, 4446
do reforÇamento 4-5, 41 - de participação em um grupo 242-244
- dos conjuntos 108n-109n - - exemplo de pesquisa 247-249
____, - quantificação 245-246 -medida 23
- dependentes e independentes 24 - mensuracão de 144-161
- de status 153-154 - na pesqÚisa não-experimental 133-134
- experimentais e manipuladas 24 - ortogonais 109
- independentes 24, 182, 184 - sociais 162-164
- - versus naturais 128 - tipos por campo ou disciplina 25
- interação de 108 - valor da 45
- latentes 262-264
- manipulada e medida 134n Zero, relação 61, 62, 69
Souto, Cláudio e Souto, Solange
A EXPLICAÇÃO SOCIOLÓGICA:
UMA INTRODUÇÃO À SOCIOLOGIA
Sugestões de Atividades