1 T picos de Metodologias de Investiga o Cient fica 5 Fases de execu o duma experi ncia 1.Estabelecer o problema. 2.Formular uma hip tese. 3.Construir um desenho de experimenta o. 4.Formular resultados e verificar se s o do tipo requerido pelo problema, isto , verificar de o desenho responde ao problema. 5.Verificar se o tipo de resultados poss veis podem ser analisados por procedimentos estat sticos dispon veis. 6.Realizar a experi ncia. 7.Aplicar os procedimentos de an lise estat stica aos resultados para ver se os efeitos s o reais ou se s o serro ou ru do na experi ncia. 8.Retirar conclus es sobre as validades interna e externa. Desenho transversal (cross-section) Recolha de dados de mais de um caso num nico ponto do tempo para analisar padr es de associa o entre as vari veis. Inclui inqu ritos/sondagem. Vari veis n omanipul veis. Desenho longitudinal Observa o da mesma amostra em mais do que uma ocasi o. Estudo de painel ex. Painel das Fam lias (INE) selec o aleat ria. Estudo de coorte caracter sticas compartilhadas, ex. data de nascimento. Podemse inferir efeitos causais de T1 T2. Problemas de mortalidade, de saber quando recolher dados, de satura o e de condicionamento do painel. Desenho de estudo de caso An lise detalhada e intensiva de um caso, ex. uma pessoa, um acontecimento, organiza o ou comunidade. Envolve frequentemente investiga o qualitativa. Tipos de casos: cr ticos, nicos, extremos, reveladores, exemplificativos. 2 Desenho comparativo Utiliza os mesmos m todos para comparar dois ou mais casos contrastantes significativos. Frequentes compara es culturais cruzadas. Inclui m ltiplos estudos de caso. Problema de tradu o dos instrumentos de investiga o e em encontrar amostras compar veis. M todos de investiga o Dados prim rios s o os produzidos pelo investigador com vista a satisfazer uma necessidade de informa o presente e espec fica. Dados secund rios, internos ou externos, s o os que jexistem, tendo sido procurados, recolhidos, analisados e armanezados por outras pessoas ou organiza es para outros fins. Os conceitos Os conceitos s o os blocos de constru o de uma teoria, representando os pontos volta dos quais a investiga o conduzida. S o categorias que permitem organizar ideias e observa es. Podem fornecer explica es para os fen menos sociais. Podem representar coisas que queremos explicar. Medi o dos conceitos A sua mensura o implica a sua defini o operacional: permitindo verificar as diferenas entre as pessoas ou objectos em termos das suas caracter sticas; fornecendo um mecanismo consistente para fazer tais distin es; e, simultaneamente, provendo a base para estimativas mais precisas do grau de relacionamento entre conceitos. Indicadores S o produzidos pela defini o operacional do conceito. S o menos directamente quantific veis do que as medidas. Hmedidas baseadas em m ltiplos indicadores escalas. Um conceito pode ter diferentes dimens es. 3 Os indicadores podem ser obtidos atrav s de: uma ou mais quest es aplicadas em entrevista ou question rio; pelo registo do comportamento dos indiv duos usando a observa o; por estat sticas oficiais; ou por an lise de conte do de documentos de qualquer tipo. D|mens|ona||dade A defini o do construto e o seu dom nio do conte do determinam a sua dimensionalidade te rica. Esta tem a ver com a homogeneidade dos itens. Numa medida unidimensional todos os itens pesam sum factor ou construto. O dom nio de um construto pode ser, por hip tese, unidimensional, multidimensional e/ou como um factor de ordem superior. Ent o, a dimensionalidade um pr requisito da fiabilidade e da validade. A t cnica prefer vel a an lise factorial confirmat ria. I|ab|||dade Estabilidade ao longo do tempo. M todo do testereteste (correla o entre a medida em diferentes momentos). Forma alternativa (divis o da escala, aplicando cada metade em diferentes momentos; n o deve existir mais de 0,2 de diferena para baixo entre a correla o entre formas alternativas e o alfa.Cons|st nc|a |nterna. M todo splithalf (correla o entre as medidas em duas metades da escala). Alfa de Cronbach. Consist ncia entre observadores. Consenso entre diferentes investigadores. avaliada: (1) pelas correla es corrigidas itemtotal; (2) pela m dia das correla es interitens; 4 (3) por coeficientes de fiabilidade, sendo o alfa de Cronbach (1951) o mais utilizado. (4) pela fiabilidade composta (validade do construto), que similar ao alfa. (5) e pela vari ncia m dia extra da. Va||dade do construto Referese a qu o bem uma medida realmente mede o construto. Hdesacordos, mas muitos acreditam que, no seu conjunto, as validades de tradu o (conte do e face), convergente, discriminante, preditiva, nomol gica e de grupo conhecido, representam as fontes mais frequentemente utilizadas de validade do construto. Va||dade de traduc o Tem a ver com o conte do dos itens e em que extens o o construto esttraduzido na sua operacionaliza o, existindo dois tipos: a de conte do e a de face. Va||dade de conte do Tamb m chamada intr nseca, circular, de relev ncia e de representatividade. Tem a ver com a representatividade do conte do dos itens em rela o ao dom nio do conte do te rico e s dimens es do construto. Utilizar amostras da popula o e peritos para a gera o inicial de itens; usar m ltiplos ju zes da validade de conte do e quantificar os seus julgamentos; examinar a representa o proporcional dos itens ao longo das diversas dimens es; relatar os resultados dos esforos de valida o de conte do como ndices para os investigadores usarem na avalia o da relev ncia e representatividade dos itens. Va||dade de face Referese apar ncia de que a escala tem validade, induzindo coopera o dos inquiridos, pela facilidade de uso, pela sua clareza, instru es f ceis de entender, e formatos f ceis de resposta. A medida quando aplicada na pr tica, para al m da validade estat stica, aparenta ser pr tica, pertinente e relacionada com os prop sitos do pr prio instrumento. Portanto, tem a ver com a opini o e percep o dos inquiridos. Va||dade te r|ca Tamb m chamada de validade da vari vel latente, de trao ou factorial. 5 Pretendese saber em que grau uma medida avalia o conceito que suposto avaliar, o que n o pode ser verificado directamente, mas sim inferido atrav s da an lise da fiabilidade e das validades convergente, discriminante e nomol gica (Peter, 1981). Va||dade convergente Referese ao grau em que duas medidas, que medem o mesmo construto, est o relacionadas. Uma correla o forte serevid ncia desta validade. Va||dade d|scr|m|nante A validade discriminante avalia o grau em que duas medidas de construtos pr ximos, mas conceptualmente diferentes, est o relacionadas. Uma correla o baixa a moderada considerada evid ncia desta validade. Duas t cnicas para avaliar a validade discriminante: (1) calcular a m dia da vari ncia extra da em cada par de dimens es e verificar se superior vari ncia partilhada pelos dois factores (o quadrado da correla o entre os dois factores); (2) se um modelo com os dois factores se ajusta significativamente melhor que o modelo de um sfactor, ent o existe validade discriminante. Matr|zes mu|t|-traco mu|t|-m todo MMTMM (Campbell e Fiske, 1959) s o usadas muitas vezes para avaliar estas validades, quando diferentes m todos de medida s o necess rios ou utilizados na investiga o. Primeiro, testase a converg ncia entre diferentes medidas do mesmo conceito, e segundo, testase a diverg ncia entre medidas de conceitos relacionados mas distintos. Tamb m se utiliza as correla es entre as escalas e medidas nicas (sum item, ou afirma o definit ria), simulando multim todos. Ou utilizando a opini o de casais sobre o mesmo. Ou fazendo an lise factorial e verificando se os itens das duas medidas pesam nos mesmos factores. Va||dade nomo| g|ca Tem sido definida como o grau em que as predi es de uma rede te rica formal, que contenha o construto, s o confirmadas. 6 Baseada em hip teses de relacionamento da vari vel com outras (antecedentes e consequentes) numa rede ou modelo. A evid ncia conseguida com os m todos utilizados para as validades anteriores pode ter implica es na validade nomol gica. Os modelos de equa es estruturais, de regress o, ou os m todos experimentais s o utilizados para comprovar este tipo de validade. Va||dade emp r|ca Tamb m chamada de validade preditiva, pr tica, estat stica, ou relacionada com o crit rio (vari vel dependente). A validade relacionada com o crit rio tem a ver com o grau com que o construto estrelacionado com uma vari vel de crit rio, sendo capaz de prever as varia es de outra vari vel com ele relacionada. Esta abordagem baseada na rela o temporal do preditor e da vari vel de crit rio, isto , pode ser posd|t|va, concorrente ou pred|t|va. A va||dade pred|t|va implica que exista uma correla o significativa entre a escala e um determinado fen meno consequente. A va||dade p sd|ct|va implica que a vari vel de crit rio seja medida antes da vari vel independente. A va||dade concorrente implica que as vari veis sejam medidas simultaneamente. Podese avaliar a validade concorrente relativa, verificando as correla es com medidas concorrentes do mesmo construto, que dever o ter diferenas estatisticamente significativas na sua rela o com a vari vel de crit rio. Estatisticamente determinada pelo grau de correspond ncia entre a vari vel preditora e a de crit rio (correla o). dif cil de aplicar, pois hmuitos problemas com a escolha do crit rio. Podese usar, simultaneamente, duas medidas do mesmo fen meno: estando uma avaliada, a outra se estiver altamente correlacionada sertamb m v lida. Va||dade de grupo conhec|do Envolve a capacidade da medida distinguir fiavelmente entre grupos de pessoas que devem pontuar alto ou baixo no trao. A capacidade de predizer entre grupos analisase atrav s das diferenas entre as pontua es m dias de cada grupo em rela o m dia da amostra total. Var| nc|a de m todo comum 7 4 abordagens deste enviesamento: (1) MMTMM; (2) T cnica moderna da MMTMM usando a an lise factorial confirmat ria; (3) Teste de factor nico de Harman; (4) T cnica da vari velmarcador.MM1MM trad|c|ona| Tabela de correla es entre combina es de traos (conceitos, construtos) e m todos (medidas). A extens o da CMV estimada pela diferena entre as correla es monom todoheterotrao (MH) e as correla es heterom todoheterotrao (HH) (Millsap, 1990). Assumese que existe CMV se a m dia das correla es MH consideravelmente maior do que a m dia das correla es HH, caso contr rio considerada trivial. Apresenta v rias limita es (Malhotra, Kim e Patil, 2006). MM1MM com AIC A AFC permite modelizar explicitamente a vari ncia numa medida como uma fun o de 3 componentes: a verdadeira pontua o da vari ncia; a vari ncia devida ao efeito do m todo; e o erro aleat rio. Assim, ao contr rio do m todo tradicional, a AFC torna poss vel estimar qu o semelhante ou diferente s o os m todos adoptados na MTMM. Consequentemente, permite a estima o dos verdadeiros relacionamentos entre os factores latentes, que estejam livres de enviesamentos de m todo e do erro aleat rio. Contudo, tamb m tem limita es. 1este de factorn|co de narman O mais usado para avaliar a CMV numa pesquisa scom um m todo (Podsakoff et al. 2003). Todos os itens dum estudo s o sujeitos a uma an lise factorial explorat ria. Assumese que existe CMV se: (1) um sfactor emergir da solu o factorial sem rota o; ou (2) um primeiro factor explica a maior parte da vari ncia das vari veis (Podsakoff and Organ 1986, p. 536). 8 Como alternativa podese usar a AFC. Aqui todos os itens manifestos s o modelados como indicadores de um sfactor, que representa os efeitos do m todo. O enviesamento do m todo assumido ser grande se o modelo proposto se ajustar aos dados (e.g., Mossholder et al. 1998). Tamb m tem limita es. T cnica de vari vel-marcador Lindell and Whitney (2001) proposeram uma nova abordagem para resolver os problemas do m todo anterior. Uma vari vel especial preparada e incorporada no estudo, tendo de ser, pelo, menos, independente de outra vari vel. Assim, a CMV pode ser avaliada com base na correla o entre a vari velmarcador e a vari vel teoricamente n o relacionada com ela. Pode aquela correla o ser estimada ap s o estudo, sem a vari velmarcador identificada partida (Lindell and Brandt 2000). A menor correla o entre as vari veis manifestas fornece uma proxy razo vel da CMV" (p. 115). Porque uma correla o incorrecta influenciada n o spela covari ncia verdadeira, mas tamb m pela CMV, a menor correla o positiva na matriz seruma estimativa conservadora da correla o marcadora.Esta abordagem a posteriori tem o potencial de capitalizar em factores de sorte. Portanto, devese usar a segunda menor correla o positiva como proxy.Calculase uma correla o CMVajustada entre as vari veis sob investiga o, verificando se mant m o seu significado estat stico: Teoria da generaliza o Os itens a utilizar, em rela o ao seu universo dispon vel, e em fun o do pa s e da cultura de diferentes popula es. Estes problemas afectam a fiabilidade das escalas.Esta teoria divide a vari ncia total de uma escala em diferentes componentes: varia o devida s diferentes pessoas ou sujeitos; varia o devida a diferentes pontuadores (analistas da situa o, investigadores); varia o devida a observa es em momentos diferentes do tempo; a interac o entre os sujeitos e os pontuadores; a interac o entre os sujeitos e o tempo; 9 a interac o entre os pontuadores e o tempo; e a interac o entre sujeitos, pontuadores e tempo. Fazer uma an lise de vari ncia para analisar a generaliza o e estimar a percentagem da vari ncia total devida a cada fonte. No SPSS, para estimar a vari ncia dos componentes, fazse Analyze General Linear Model Variance Components, colocando a vari vel do total da pontua o como vari vel dependente, e os Itens e os Sujeitos como Random Factors, seleccionando Model e escolhendo ANOVA. A vari ncia de componentes pode ser usada para calcular o coeficiente de generabilidade, que an logo ao coeficiente de fiabilidade. Respostas socialmente desej veis Hm todos para prevenir e outros para medir o fen meno. Nos primeiros temos o uso de quest es neutrais, itens de escolha forada, t cnica de resposta aleat ria, questionamento indirecto (responder por outro ou por um grupo), e autoadministra o do inqu rito (por correio e an nimo). As tr s primeiras parecem que n o t m dado bons resultados. Nos segundos, halgumas medidas descritas no livro Scaling Procedures.