Professional Documents
Culture Documents
Anlise de Dados
de uma Avaliao
Nacional de
Desempenho
Educacional
VOLUME 4
Anlise de Dados de
uma Avaliao Nacional
de Desempenho
Educacional
Gerry Shiel
Fernando Cartwright
Vincent Greaney e
Thomas Kellaghan, Editores da Srie
(!)
&te trnb.Iho .... d;,ponivel na Ikena da Creoti"" Common..Attribution 3.0 lGO (CC BY 3.0 lGO)
http://creativecommons.orgllicenseslby/3.0 lGO, Nos termos da licena Creative Commons
Attribution, o usurio pode copiar, distribui!j transmitir e adaptar este trabalho.. inclusive para fins
comerciais, nas seguintes condies:
Atribuio - Favor citar o trabalho como segue: Shiel, Gerry, e Fernando Cartwright. 2015. Vai 4
Traduo - Se o usurio traduzir este trabalho, favor acrescentar o seguinte teImo de iseno de
responsabilidade juntamente com a atribuio: Esta traduo no foi feita pelo Banro Mundial e no
deve ser coruUlemda traduo ofidal do llmwo Mwu/;a[ O llmwo MundUd no se rupomab$za pelo
amtedo nem por qualquer "'" ,J"s", traduiio
Adaptaes - Se o usurio criar uma adaptao deste trabalho.. favor acrescentar o seguinte
termo de iseno de responsabilidade juntamente com a atribuio: Esta uma adaptao de um
trabalho original do Bana> Mundial. _
a. vista , opiniiies expressos na adaptaplo 3M a. i _
responsabilidad do autor ou automs' da adaptaplo e no so endossaos pelo Bamv Mundial.
I,.,. and T"" ~ (lATA) @ 2015 Fernando Cat1wridrt. Utilizado com pmnisso. !Iecouria
pmnisso para reutilizao. Microsoft. ~ E=I, Office. Wmdows. Word 3M """"'" registradas ou
denomina{Ves annmdais da Microsoft Cmponuion "'" Estados Unidos e/ou em ...... paises.
SPSS man:a regfslrada da IBM.
WiM'Var marca mgistrada da Watat.
tNDICE
PREFCIO
xvii
xix
AGRADECIMENTOS
xxi
xxiii
SIGLAS
INTRODUO
Nota
6
Parte I
Uma Introduo Anlise Estatstica dos
Dados de Avaliao Nacional
GenyShiel
11
13
14
16
20
20
v
vi
INDICE
21
22
22
23
24
26
32
Correlao
Regresso
Correlao e causalidade
Notas
33
33
34
35
40
43
45
47
47
53
59
60
65
73
73
80
96
98
99
Diagramas
Grficos de linha com intervalos de confiana
Grficos de linhas para representar dados sobre tendncias
Nota
100
106
109
110
INDICE
I vii
DE ARQUIVOS
111
113
117
Notas
124
Parte 11
Anlise de Item e de Teste
Fernando Cartwright
8. INTRODUO AO lATA
Instalar o lATA
Dados de avaliao
Dados produzidos pelo lATA
Interpretar os resultados do lATA
Dados de amostra
Fluxos de trabalho e interfaces de anlise do lATA
Navegar nos fluxos de trabalho do lATA
Notas
9. ANLISE DE DADOS DA APLICAO DE UM TESTE
PILOTO
127
127
128
141
142
143
145
149
150
151
153
155
156
159
170
176
183
187
192
192
194
197
198
200
200
viii
fNDICE
Passo 4: Escalonamento
Passo 5: Selecionar itens de teste
Passo 6: Estabelecer padres de desempenho
Passo 7: Gravar os resultados
Nota
11. ANLISE DOS CADERNOS DE PROVA ROTATIVOS
202
207
209
218
218
219
219
221
222
225
225
227
228
233
235
239
244
245
248
249
250
253
256
259
265
267
271
Nota
279
REFER~NCIAS
281
CAIXA
83
INDICE
I ix
EXERCCIOS
18
27
31
36
41
43
49
53
60
63
65
68
75
78
84
88
90
92
100
102
106
109
FIGURAS DE EXERCrCIO
18
19
rNDICE
29
30
32
37
37
38
40
42
42
44
45
50
51
51
54
55
56
56
57
61
62
63
64
66
67
INDICE
I xi
68
69
76
76
77
79
79
85
85
86
87
89
91
93
93
94
95
100
101
101
102
103
xii
INDICE
103
104
105
106
107
107
108
109
110
TABELA DE EXERCrCIOS
27
28
52
58
62
64
FIGURAS
2.1
24
25
35
74
82
119
121
rNDICE
I.C.3
I.C.4
I.C.5
8.1
8.2
8.3
8.4
9.1
9.2
9.3
9.4
9.5
9.6
9.7
9.8
9.9
9.10
9.11
9.12
9.13
9.14
9.15
9.16
9.17
9.18
I xiii
122
123
124
130
146
147
149
152
153
156
157
160
166
167
168
171
172
176
177
179
180
182
184
188
192
xiv
9.19
10.1
10.2
INDICE
193
199
201
204
205
206
208
211
213
214
217
220
221
222
226
227
228
229
235
237
238
239
242
245
rNDICE
13.7
14.1
14.2
I xv
247
255
262
263
274
275
276
TABELAS
13
15
70
71
134
137
137
140
141
143
148
165
PREFAcIO
Avaliar os nveis de aprendizagem dos alunos essencial para acompanhar o sucesso de um sistema de ensino e para melhorar a qualidade do mesmo. As informaes acerca do desempenho educacional
dos alunos podem ser utilizadas para esclarecer uma ampla variedade
de polticas e decises educacionais, incluindo as relacionadas com a
xviii
PREFCIO
questionrios sobre antecedentes. O volume 3 enfoca as tarefas prticas relacionadas com a implementao de um exerccio de avaliao em grande escala, incluindo instrues detalhadas sobre logstica,
amostragem e limpeza e gesto de dados.
Este quarto volume, Anlise de Dados de uma Avaliao Nacional
de Desempenho Educacional, trata da gerao de informaes sobre os
itens e os resultados dos testes e de como relacionar os resultados dos
testes com os fatores educacionais e sociais. Tal como os volumes 2 e
3, este volume destina-se principalmente s equipes nas economias
em desenvolvimento e emergentes responsveis pela realizao das
avaliaes nacionais.
Por ltimo, o volume 5 descreve como elaborar relatrios baseados
nas concluses da avaliao nacional e como utilizar os resultados
para melhorar a qualidade da poltica educacional e a tomada de decises. de particular relevncia para os responsveis pela preparao
de relatrios de avaliao e pela comunicao e utilizao das
concluses.
A medida que os leitores avanam ao longo deste quarto volume,
as complexidades e o potencial da anlise dos dados gerados por uma
avaliao nacional em grande escala tornar-se-o evidentes. Para
explorar plenamente o que esses dados dizem acerca da qualidade,
equidade e outros aspectos do desempenho em um sistema de ensino,
o analista deve utilizar vrias tcnicas descritas na Parte I deste volume.
A Parte 11 descreve uma tcnica analitica fundamental, a saber, a
Teoria de Resposta ao Item (TRI). O volume vem com o software da
TRI, especialmente concebido e de fcil utilizao, chamado Anlise
de Item e de Teste (lATA). As equipes de avaliao em todas as partes,
quer estejam conhecendo a TRI ou j estejam familiarizadas com ela,
consideraro o lATA um complemento muito til sua coleo de
instrumentos de anlise de dados.
Marguerite Clarke
Especialista Snior em Ensino/Coordenadora de Avaliao
de Aprendizagem
Agosto de 2014
SOBRE OS AUTORES E
EDITORES
AUTORES
xx
EDITORES
AGRADECIMENTOS
Uma equipe liderada por Vincent Greaney (consultor, Ensino no Nvel Global, Banco Mundial) e Thomas Kellaghan (Centro de Pesquisas
em Educao, St. Patrick' s College, Dublin) preparou a srie de livros
intitulada Avaliaes Nacionais de Desempenho Educacional, de que
este o quarto volume. Outros contribuintes para a srie so Sylvia
Acana (Conselho Nacional de Exames de Uganda); Prue Anderson
(Conselho Australiano de Pesquisas em Educao); Fernando Cartwright (Polymetrika, Canad); Jean Dumais (Statistics Canada); Chris
Freeman (Conselho Australiano de Pesquisas Pedaggicas); 1. Heward
Gougb (Statistics Canada); Sara 1. Howie (Universidade de Pretria);
George Morgan (Conselho Australiano de Pesquisas Pedaggicas);
T. ScottMurray (Data Angel, Canad); Kate O'Malley (Conselho Australiano de Pesquisas Pedaggicas); e Gerry Shiel (Centro de Pesquisas
em Educao, St. Patrick's College, Dublin).
O trabalho foi realizado sob a direo geral de Ruth Kagia, Diretora
da Educao; seus sucessores, Elizabeth King e Amit Dar; e Robin
Horn e Harry Patrinos, gestores, todos do Banco Mundial. Robert
Prouty iniciou e dirigiu o projeto at agosto de 2007. Marguerite
Clarke desde ento responsvel pela reviso e publicao.
Estamos muito gratos pelas contribuies do grupo de reviso:
Eugenio Gonzalez (Educational Testing Service), Pei-tseng Jenny
Hsieh (Universidade de Oxford) e Laura Jane Lewis (Banco Mundial).
xxi
xxii
AGRADECIMENTOS
SIGLAS
I1Q
JK
Jackknife
MLH
NAEP
CCCI
CCT
EP
FOI
FRI
lATA
IC
ID
PIRLS
PISA
PR
PSU
SPSS
TCT
TIMSS
TRI
xxiii
INTRODUO
Qualidade - disponibilizao de informaes sobre a aprendizagem dos alunos com base na implementao do currculo, obteno dos niveis de educao previstos ou preparao para
aprendizagem futura.
Equidade - determinar se o sistema de ensino no atende devidamente a determinados grupos de alunos, conforme evidenciado nas
diferenas de desempenho relacionadas com gnero, localizao,
grupo tnico ou idioma, grupo socioeconmico, ou govemana
escolar (pblico-privada).
Proviso - identificar fatores relacionados com a aprendizagem dos
alunos (por exemplo, recursos escolares, implementao de
currculo; nivel de formao dos professores, qualificaes e experincia; e circunstncias domiciliares dos alunos).
1
INTRODUO
o Captulo 7 contm exemplos de como os dados podem ser apresentados utilizando diagramas e grficos.
A Parte 11 do volume concentra-se no desenvolvimento de escalas
para descrever a aprendizagem dos alunos. So utilizadas duas abordagens estatisticas conhecidas (dentro das quais vrios modelos foram
formulados) para responder a essa questo. A primeira abordagem, a
teoria clssica dos testes (TCT) (ver Crocker e Algina 2006; Haladyna
2004; Lord e Novick 1968), foi utilizada durante a maior parte do
sculo XX para descrever o desenvolvimento dos testes no Volume 2
da presente srie (Anderson e Morgan 2008). A segunda abordagem,
que est descrita na Parte lI, a Teoria de Resposta ao Item (TRI) (ver
De Ayala 2009; De Mars 2010; Hambleton, Swaminathan, e Rogers
1991; Lord e Novick 1968). Teve origem em meados do sculo XX e
atualmente amplamente utilizada em avaliaes nacionais e internacionais de desempenho educacional dos alunos.
O software Anlise de Item e de Teste (lATA) descrito neste
volume utiliza a TRI para analisar os dados dos testes. Foi concebido
para facilitar a abordagem de duas importantes consideraes estatisticas relacionadas com as avaliaes nacionais: (a) para aumentar a
facilidade de utilizao e de interpretao dos resultados dos testes e
(b) para estabelecer escalas significativas e consistentes nas quais
reportar pontuaes. Este ltimo aspecto requer a reduo do erro de
medio e o fornecimento de informaes que podem ser generalizadas alm da amostra a partir da qual se obtiveram os dados. A sequncia de anlises na Parte 11 foi concebida para simular as fases de
desenvolvimento e implementao de um programa nacional de avaliao, de testes-piloto a testes em grande escala e a testes de acompanhamento em ciclos de avaliao posteriores. O Captulo 8 d uma
descrio do menu principal do lATA, dos seus elementos interativos
e dos resultados que produz. O Captulo 9 descreve os passos da
anlise de dados a partir da aplicao de um teste-piloto, aps o que,
no Captulo lO, encontram-se descritos os passos de uma anlise da
administrao dos dados de um teste final. Encontram-se descritas
anlises de cadernos de prova rotativos (Captulo 11) e itens de crdito parcial (Captulo 12). As avaliaes comparadas por meio de
mtodos de ligao e especializados no lATA encontram-se abordadas nos captulos 13 e 14, respectivamente. O volume termina com
4 I
INTRODUO
6 I
NOTA
1. Cronbach (1970, 457) salientou que, mesmo no caso de testes
desenvolvidos para avaliar alunos individuais, "nada na lgica de validao
de contedo exige que o universo ou o teste seja homogneo em termos de
contedo."
UMA INTRODUO
PARIrE
ANLISE ESTATSTICA
DOS DADOS DE
AVALIAO
NACIONAL
Gerry Shiel
CAPiTULO
o BANCO DE DADOS
PARA ANLISES
Os dados de avaliao nacional contm uma aferio do desempenho do estudante que pode ser representada de vrias
maneiras, como nmero de itens em um teste a que um estudante
tenha respondido corretamente (apesar de essa aferio nem sempre
ser muito significativa); percentagem de itens respondidos corretamente; e pontuaes de escala em que uma distribuio de pontuaes com uma mdia e desvio padro obtidos transformada em uma
distribuio com mdia e desvio padro diferentes. A maioria das avaliaes nacionais tambm rene dados adicionais. Esses dados podem
estar relacionados com escolas (como tipo, tamanho); professores
(como as qualificaes, experincia); estudantes (como idade, tempo
dedicado aos trabalhos de casa); e pais e meio farniliar (como nvel
educacional dos pais, nmero de livros em casa).
Os dados coligidos contero uma srie de tipos de variveis.
Algumas variveis sero categricas e implicam colocar indivduos em
categorias ou grupos claramente definidos, tais como nvel educacional ou gnero. Outras variveis, descritas como discretas, consistem
em medidas numricas ou contagens, tais como o nmero de filhos
por farnilia. So obtidas pela contagem e por valores para os quais no
existem valores intermdios. Em contrapartida, as variveis continuas
9
10
11
Os arquivos podem ser copiados do CD para um disco rgido ou servidor. Copie ou crie uma pasta chamada NAEA DATA ANALYSIS do
CD para o seu ambiente de trabalho. Deve haver sete sub arquivos
dentro da pasta NAEA DATA ANALYSIS : SPSS DATA, EXERCISE
12
WESVAR DATA & WORKBOOKS. Esta subpasta contm arquivos de dados NATASSESS4. VAR, o seu arquivo de acesso associado NATASSESS4. LOG, e quatro livros de exerccios completos,
CHAPTER3 WORKBOOK. WVB, CHAPTER4 WORKBOOK.
WVB, CHAPTER5 WORKBOOK. WVB, e CHAPTER6 WORK
BOOK. WVB. possvel recorrer a estas fontes para verificar a exatido do seu trabalho no WesVar.
MY SPSS DATA. Use esta pasta para salvar novos arquivos, ou arquivos modificados, de dados SPSS, tais como os que criou antes de
transferir um arquivo de dados SPSS para o WesVar (ver anexo I.C).
MY SOLUllONS. Salve suas solues para os exerccios dos captulos 2 e 7 nesta subpasta. Tal como nos casos de MY WESVAR
FILES e MY SPSS DATA, ela estar vazia ao ser aberta pela
primeira vez.
46
Processos cognitivos
Percentagem
de itens
36,8
Nmero
de itens
Compreender e
lembrar
16
12,8
Implementar
procedimentos
35
28,0
26
20,8
6,4
40
32,0
125
100,0
4,8
Forma e espao
18
14,4
Razo
Medidas
44
35,2
Integrar e ligar
lgebra
Dados e
hipteses
Total
Percentagem
de itens
Aplicar e resolver
11
8,8
125
100,0
problemas
Total
14
PESOS DE AMOSTRAGEM
TABELA 1.2
Descries Abreviadas de Questionrios
Questionrio
Respondido por
Questionrio da
Diretores de escola
escola
do quarto ano
participantes
Estudantes
Questionrio do
estudante
Questionrio dos
pais
Professores dos
Formulrio de
avaliao do
aluno
estudantes do quarto
ano no que diz respeito
a cada aluno
16
do aluno dentro da escola. Esta era o inverso do nmero de cadernos de prova vlidos devolvidos pelos alunos da escola sobre o
nmero de alunos no quarto ano da escola menos os estudantes
isentos (Stunrfac). Por exemplo, se 90 alunos se matriculassem no
quarto ano, na altura do estudo, nenhum com direito a iseno, e 80
participassem, o fator de ajustamento seria 90/80.
SPSS
Alguns dos arquivos de dados do CD que acompanha estes livros (tais
como NATASSESS.SA V)3 esto em formato SPSS. A verso especfica
de SPSS usada para analisar os dados neste arquivo foi o SPSS, Verso
18; os arquivos de dados tambm foram analisados usando verses
mais recentes de SPSS. Para efeito dos exerccios apresentados neste
volume, todos os arquivos de dados (dados de avaliao e arquivos
baseados em cada um dos questionrios) foram integrados em um
17
18
EXERCCIO 1,1
Im weightc:..~
,
malhss
S5se
wg(samp
stratum
gender
elearic
numberJlC
algebJ'c
,
,
shapeJlC
meas.J)c
dalaJ)C
--
.-
"lii:i
.,
Frequency Variable:
I; w,",',
I
I
,Iot..,pc
,u_ux
'
Impl-pc
Hei,
;1;;
Descriptives
Variable(s):
~ TEACHERID
#
#
#
#
#
Qptions .. .
.:;;;
STUDID
BOO"LET
A TTEMPT
MATHRS
MATHPC
~ SSE
IR MATHSS
SCHOOLlD
O"
11
~asle
I[
Reset
I[
Cancel
I[
Help
5. Use File - 5ave As para atribuir um nome apropriado ao seu arquivo de resultados
SPSS (por exemplo, EXERClSE " 1.Spv), e salve em NAEA DATA ANALYS/SlMY
SOLunONS. Depois selecione Fila - Ciosa.
6. Para salvar seu arquivo de dados SPSS, que deve estar no modo editor de dados,
selecione Fila - Save As ... Salvar em NAEA DATA ANALYSIS\MY SPSS DATA
usando o arquivo com o nome NATASSESS.SAV. depois selecione File - Exit.
a. Se, em vez de dados, vir texto na tela, mude do modo de visualizao para o modo de edio de dados
clicando s'm Window e em (IBM) 5P55 Shltistics Data Editor.
b. Ao abrir uma caixa de dilogo, voc poder encontrar a lista de etiquetas de variveis (etiquetas
attibufdas ao nome de cada varivel) em vez de nomes de variveis. Do mesmo modo, poder descobrir que
as variveis esto em OIdem alfabtica e no na ordem em que aparecem no arquivo de dados. Para ajustar
estas definies, feche a caixa de dilogo e clique em Edit - Options - General. Depois, na caixa de lista de
variveis, selecione as opes que deseja.
c. Para reduzir as casas decimais a uma, clique duas vezes e sublinhe os dfgitos na clula apropriada (tal
como 249,99) na tabela. Com o boto direito do mouse, dique em Cell Properties- FormatValueNumb... - Decimais -1.
19
20
WESVAR
NOTAS
1. Se 20 escolas estiverem em um nvel e 18 participarem, o valor apropriado
de correo teria sido 20/18 ou 1,11.
2. Se tivesse havido cinco turmas de alunos do quarto ano na escola, e trs
tivessem sido selecionadas para participar, o componente de seleo teria
sido 5/3. Alternativamente, se tivesse havido 100 alunos do quarto ano, e 35
tivessem sido aleatoriamente selecionados para participar, o componente
teria sido 100/35.
3. O sufixo .SAV usado quando voc salva arquivos de dados SPSS,
enquanto .SPV usado para salvar um arquivo de resultados SPSS.
4. O Captulo 12 do Volume 3 da srie, Implementao de Uma Avaliao de
Desempenho Educacional, contm detalhes sobre como integrar arquivos
usando Access (Freeman e O'Malley 2012). Os arquivos podem ser integrados
em SPSS, usando Data e Merge Files na barra de ferramentas (ver anexo I.C).
5. possvel descarregar a Verso 5.1 do WesVar gratuitamente em http://
www. westa t. c om/ our- wor k/ informa tion -systems/wesvar-su pp ort
/download-wesvar.
CAPiTULO
EXPLORAO DE
DADOS DA
AVALIAO
NACIONAL USANDO
O SPSS
de aproveitamento. Por exemplo, a aplicao de um teste de matemtica com uma pontuao mxima de 10 pontos a uma amostra de 20
alunos pode dar origem seguinte distribuio de pontuaes: O, 2, 3,
3,3,3,4,4,4, 5, 5, 5, 5, 5, 5, 6, 6, 6, 7, 10. Numa avaliao nacional,
em que o mesmo teste aplicado a centenas ou milhares de alunos, o
nmero de pontuaes ser, evidentemente, muito maior. Este captulo descreve as medidas de (a) tendncia central nas pontuaes, (b)
disperso nas pontuaes, (c) a posio das pontuaes e (d) a forma
das distribuies. Os exemplos fornecidos baseiam-se em uma distribuio ponderada das pontuaes do teste de matemtica para os
21
22
bimodal.
O exemplo seguinte mostra um conjunto de nove pontuaes de
alunos que realizaram um teste de histria: 45,52,55,55, 59,60, 70,
71 e 73. A pontuao mdia 60, a mediana 59 e a moda 55.
MEDIDAS DE DISPERSO
I 23
MEDIDAS DE POSIO
24
Ic
,1
I-
I-
,1
,1
34,1%
13,6%
13,6%
2,1%
-3
d.p.
-2
d.p.
-1
d.p.
Mdia
+1
+2
+3
d.p.
d.p.
d.p.
I 25
a. Assimetria positiva
b. Assimetria negetiva
26
27
EXERClclO 2.1
by - Wgtpop - OK.
5. Confirme que 80th esteja selecionado no menu Display (este passo assegura que os
diagramas e as estatsticas sejam apresentados na janela Output). Clique em
Statistics (canto superior direito).
Certifique-se de que a opo Descriptives esteja selecionada. Clique em
Continue - Plots. Certifique-se de que a opo Stem-and-Leaf esteja selecionada.
Clique em Continue - Plots.
6. Clique em Window na barra de ferramentas e, em seguida, clique em Output1. Salve
os resultados em NAEA DATA ANALY5/SIMY SOLUTlONSIEXERClSE 2.1.5P\f.b
Vlidos
Total
Varivel
Por cento
Mathss
51.713
100,0
0,0
51.713
100,0
28
..
Varivel
Mathss
Descrio
Mdia
Intervalo de confiana a
95% para a mdia
Estatrstica
Erro padro
250,0
0,22
Umite inferior
249,6
Umite superior
250,4
Mdia aparada em 5%
251,1
Mediana
256,3
Varincia
2.499,8
Desvio padro
50,0
Mnima
88,4
Mxima
400,0
Gama de variao
311,6
Amplitude interquartil
67,1
Assimetria
-0,380
0,011
Curtose
-0,101
0,022
t: tambm o 50.
29
..
S~al
345.10 E.tr_.
101.22
11
314.U
12
420.52
1]
U' .l'
14
' 21.0'
15
1031.]1
10
1151.17
17
1453.41
1.
20' 2.02
H
2451."
20
2111. '4
21
2551.21
22
3 611.'2
23
3404. 11
21
4134.10
25
4 5 " .3 4
U
4204.11
21
43' 1.03
2.
3105.12
21
3052.00
30
11 ' 5.0 '
31
10' 5. 11
32
111. ' 2
3l
193.04
34
211.30
35
296. 1 1
li
51.11
]1
23.51
3.
11.21 I . t r _.
st_ wicitl>.,
I.cl>. l_f,
s~Or&
St.lo..
r-f
<-<111)
no
OJ7"u
1135n. u
01J3 45555U1 . n .n .
0002345" 111" ".
01 1 1223455fiil77U '
001234445555fiii77!" ' 9g
0001122222233333455555i"111'"
00011111223333444445555566" 111 ! . " , gg ,
0000111122222223]]33 44444555555i i iU111111.U 9'"
00001112222233334444 4 45555555 i iiii6111111 !" " g" ,
00000111122223333444 4455556" " "i777111 . ! n'I9" " g
000000000111122222223333]]3344441115555555555ii i i6il1111777 . . . . . . . " ! ! II I '
0000000001111111222222233]]3333334111144555555ii6U711117 . . .. . . . y,,,t
000000001111122222223333334444444445555555555U"i" '71177771111 n . .n .. nU999' "
00000000011111111111111111122222222222223333]3333344 4 4 4444455555555S66" " fi7777! " !!U 99""9
0000000001111111112222222223333333]3411144555555555" " i ii61" i1111777 . . . . . ." 9991' ' ' '
0000000001111111112222222222223333]333333344414444445555555" " iiii"7771777. . . . ! . . '''t99
0000011111222222233]33333444411155555 " iii i i " 11117 " '!" ' " ' '9
0000111111112222233J333333344 44444455555ii""i117777.!.,Utt
00000001122222333344455555" 11 . . . . '
0111122334455iii7. . 9'
0000113445." 11"
012341111"
0122 10
0111lu
(>-3U)
10.00
50 c .... (. )
30
400,00
407215
300,00
r200,00
75.0 percentil
mediana
25. percentil
100,00
40310~ 441114
412230 410103
419208 417 218
0,00
31
Uma mediana localizada na metade inferior da caixa sugere uma assimetria positiva,
enquanto uma mediana localizada na metade superior da caixa sugere uma assimetria
negativa. Na figura 2.1.8 do exerccio, a mediana encontra-se na zona central da
caixa, indicando uma assimetria relativamente menor.
EXERClClO 2.2
32
07215
422113
o
!1
300,00
-3
200,00
45651
45643
22510
-3
100,00
0,00
11109
327103
321109 445204 9125
4031
10103 225'OJ;j
45820
o
412230 450230 429111 0429109
419208
456315
417218
Noroeste
rea
Terras Altas
metropolitana
Orientais
regllo
casos ponderados por Wgtpop
Costa
Sudoeste
NOTAS
1. A assimetria e a curtose no so habitualmente indicadas em avaliaes
nacionais. Contudo, podem ter um valor diagnstico e identificar
formas de distribuio com potencial problerntico.
2. Ao contrrio do NATASSESS4.sAY, o NATASSESS.SAV no contm
zonas jackknife. e replicaes jackknif.. (indicadores). Ver Anexo l.C
CAPiTULO
UMA INTRODUO
AOWESVAR
34
UNLABELED DATA.
1. Abra WesVar-OpenWesVarDataFile-NAEADATAANALYSIS\
WESVAR UNLABELED DATA e abra NATASSESS4. VAR.
4. Na clula segunte 1, introduza Northwest na coluna dos rtulos; na clula segunte 2, introduza Metro_Area; na clula
seguinte 3, introduza Eastern_Highlands; e na clula segunte
4, introduza SouthwesCCoast (figura 3.1).
5. Clique em OK. Voc receber a seguinte mensagem: Esta operao vai criar um novo arquivo VAR. Clique em OK. Salve como
NATASSESS4. VAR em NAEA DATA ANALYSIS\MY WESVAR
FH.ES. 5 Isso ir substituir qualquer arquivo de dados existente
com o mesmo nome.
6. Selecione File - Close.
35
Label:
IR,",,"
...in........... 1
... ax. ......... 4
V~lu el :
v....
fi
i1lI
l obd
(lllSSi'lg)
"
I
O
N~"""
11 56
I Metro_Alea
1078
3
4
Eastern_HighIandl
MARGINAL
MARGINAL
SocJhvotesU:Oi!Ist
1342
1171
Tjipe...... N\Xl'lelic
Num
N il:lino. .....O
4747
fiecode Dctail.
Caneel
Help
1. New WesVar Data File: Use este caminho para criar um arquivo
de dados WesVar a partir de outro fonnato de arquivo, como
SPss. (O Anexo Le descreve o processo da criao de um novo
arquivo de dados WesVar.)
2. Open WesVar Data File: Use este caminho para abrir um arquivo
de dados WesVar existente para modific-lo, como nos casos em
que deseja rotular ou recodificar variveis. Nos exerccios
seguintes, voc utilizar o arquivo de dados WesVar criado
NATASSESS4. VAR.
36
37
AMlyS$ V.!Iriablet
. Tl<3nsfonned Variables
1:" Conelahol'U
. By
full Samp~ \IIeight: WGTPOP
Replicate Weighls: RPL01...RPLSO
10: STUDID
FPC Fac tO!: no! used
Method: JK2
FIGURA DO EXERCCIO 3.1.B Especificar variveis para anlise nas descritivas WesVar
file
View
Requests
Windows
Help
8 Chaplef 3 Exercises
8 ElCelei.e 3.1
Soulce V ariableJ:
AGE
AGEDAYS
I!l
COltelatioru
e,
Se!ected:
MATHSS
AlGEB_PC
ATTENTlO
BEHAVE
BOOKlET
BOOKS
DAT~PC
DtSTANC{
D08
(continua)
38
efetuada. Aguarde at que o clculo da anlise seja concludo. Clique no cone Abrir
Uvro na barra de ferramentas.
7. Para ver os resultados, expanda a exibio clicando nos sinais + em frente a Exercise
3.1, Variables, e Mathss. Selecione Statistics para ver os resultados (ver Figura 3.1.C
do exerccio).
Desaiptives no WesVar gera as seguintes estatsticas:
"'""'" 3 E. - (...,...3.1
- v.r......
e-
- ,.......
WlJH$$
~s _
ar
s_
-MUUftg
~-
,
"
"
"
"
"
"
"
~'"
Ge_an
ar
pter
'-
.,U
erCISM
?
><w......
$EW~
51713 . 0
."
$8 . 3
400. 0
122. 8
121 .'
3 .8 3
In.3
1$7.6
3.73
IU.4
lel.O
'.0 1
21\1.4
117.'
2.73
2$$.1
256 . 3
1.li
184 . 1
28 4.4
1. 81
30' . 0
308 .1
1.7$
323 . '
32 4. 2
2.51
350 . 3
35 2. 8
4.70
250.2
250.0
2.20
214. 8
214.4
2.33
1181825.2
12128246.1
lU!U.72
2413.31
249' . 73
e 4.23
0.20
0.20
.,.
3k....".u~
- 0.38
-o .3e
0 .04
KIIno ...
0.02
-o .10
0.08
,~
Vui.4nce
~
39
ponderada de 250 no dever ser uma surpresa pois a mdia foi configurada
neste valor durante o dimensionamento. Se desejar, pode estabelecer um
intervalo de confiana a 95% em torno da mdia, usando o erro padro de 2,20
(ver abaixo).
avaliaes nacionais.
de 2499,73 (quase 2500). A raiz quadrada deste valor 50, que o desvio
padro de Mathss definido durante o dimensionamento.
Assimetria. A distribuio Mathss tem uma ligeira assimetria negativa (cO,38). Vale
ressaltar que um valor de assimetria na gama de variao 1 considerado
satisfatrio (ver Captulo 2).
9. Clique no cone Exit Door (ltimo cone da barra de ferramentas) para voltar ao livro
de exerccios WesVar. Salve o seu livro de exerccios selecionando File - Save na
barra do menu. O seu arquivo deve ser salvo em NAEA DATA ANALYSIS\MY
WESVAR FILES como CHAPTER 3 WORKBOOK.' ~ possivel usar esse livro de
exerccios novamente para verificar as suas respostas ou para executar outras
anlises descritas neste captulo. Clique em File e depois em Exit se quiser terminar
a sesso WesVar.
Para abrir novamente este livro de exerccios em uma sesso WesVar subsequente,
abra o WesVar e selecione Open WesVar Workbook (painel do lado direito). Depois,
localize CHAPTER 3 WORK800K em MY WESVAR FILES.
(continua)
40
l=I@]~
~ Export Work8ook
Export To
r.
Single File
Separate Files
Export Range:
r.
l.neSeie~.i!~ri
.E.xport
ancel
lielp
41
EXERClclO 3.2
(painel do lado direito). Selecione labia Request Ona (painel do lado esquerdo).
Clique em Add labia Set Single (painel do lado direito). Clique em labia Request
Ona (painel do lado esquerdo). Mude Request Name (painel do lado direito) para
Exercise 3.2.
2,20.
(continua)
42
o.
File
View
ReqU8ts
Windows
Help
(hapter 3 Exercites
ElOIefcise: 3.1
FAMllYSI
0""'"'
'"
GENDEA
Genefaled $tWla
OIJJMA Cor'irol
lIro!PlJ 'C
lNOEPENO
INTEG_PC
JKlNDIC
~VaMblel
~ed $tabroc.
"U~ATHSS
Sou.ce Veuiahles:
8 Exefcise 3.2
IFunc:lion
Jl<2O NE
MEAN(IoIATHSS)
tANGUAGE
Block Wean
IroIATHPC
~""~T@HR~S!l 1
1A~6C:;
Pr
COlI'IPuled SI&tistic:
tUl
eor
te,
XetCI5e$
11
0_STA TlSTIC
ESf.TYPE
ESTIMATE
STD AAOA
t OWEA 95%
UPPEA 95%
51113.0
0.00
51713 . 0
51713.0
~50.0
2.20
245 . 6
254 . 4
I ..
5. Salve seus resultados clicando em File e Export. Selecione as opes Single File e
One Selection. Exporte seus resultados como arquivo de texto para NAEA DATA
ANALYSIS\MY SOWTlONS, usando um nome de arquivo adequado (como
Exercise 3.2. Txt).
6. Saia dos resultados por meio do cone Exit Door na barra de ferramentas, e salve
seu livro de exerccios WesVar selecionando File - Save e depois File - Ciosa. Isso
salva o seu livro de exerccios em NAEA DATA ANALYSIS\MY WESVAR FILES.
a. Observe que o WesVar multiplica o eno padro por 2,00, em vez do mais convencional 1,96, quando
calrula intervalos de confiana a 95%. Isso resulta em um intervalo de confiana ligeiramente maior.
43
cpia do pedido da tabela Compute Mes" 5co... Clique em Tsble Reques! Two e
rotule-o no painel do lado direito como Exercise 3.3. Expanda Exercise 3.3 no
painel do lado esquerdo. Em Options - Output Contrai, configure Estimat. para
uma casa decimal e Stcl. Errar para duas. Certifique-se de ter assinalado Variable
Label e Value Label. Desmarque as outras opes
3. Clique em Table Set 11. Depois, no painel do lado direito, mova Region de Source
Variables para a caixa identificada como Seleaed. Clique em Add as New Entry.
4. Aplique rtulos para Region se no tiverem j sido aplicados ao arquivo de dados
WesVar (Natassess4.va". No painel do lado esquerdo, clique em Region - Cells. Em
Call Oefinition (painel do lado direito), clique em 1 (em Region), e introduza
Northwest no painel Label. Pressione Enter no seu teclado ou clique em Add as
New Entry. Continue este processo atribuindo o rtulo Metro_Area a 2, Eastem_
Highlands a 3, e Southwest..Coast a 4. (Como o WesVar no permite deixar espaos
em branco entre palavras, ser preciso usar sublinhado.)
5. Selecione Region (painel do lado esquerdo) e assinale Percent em Sum of Weights
no painel do lado direito; desmarque as outras caixas em Sum of Weights.
(continua)
44
V.ew
Requms
e- Chopter 3 EKCJcife,
Windows
He:lp
--
8 E_cise3.1
Source Valiable,:
Exerfe 3.2
EJlelcise3.3
I =VlII~
I
9
COJI'(II.ted Statistics
'.CMAIHSS -MEAN{MAIHSS)
TabIe Set *11
8 AEGION
c...
AlGEB_PC
ATTENTIO
Selected:
"
[]
2.J
~~t'~T.!!J
BOOKS
DATA PC
~~~.~f!i~
r
P
r
r
Mining
of 'Weights
Value
Peleent
Row Peleent
Column Peleen!
S UIP
DISTANCE
AS2
AS3
AnalJ'sis Variables
Value
Pelcen!
r Row Pelcen!
Catumn Pelcen!
r
r
45
o-
E_H
(_]'3
_ ~V~
CaqedS t_
I_S .. ;!
-~
:mUlTs
~4 . 1
~.6~
16.~
24.3
4,as
'5.'
SIlII_IttS
11.2
32.'
SI!II_W'IS
24 .'
I.H
lS.7
33.0
100.0
0.00
5tIII_VIS
"-IQ!",
IUG.TIISS
K_""tU!
1t-".uIlS~
IUIAJIIll
----
nl.'
l.28
n6.a
n'.9
.65.1
I. H
256.~
2".7
249.1
3.'9
2U.'
256.3
251.2
3.35
24t.6
257.9
250.0
2.20
245.'
254.'
NOTAS
I. O WesVar pode ser baixado gratuitamente em http://www.westat.com/
our-worklinfonnation-systems/wesvar-supportldownload-wesvar.
2. Esta varivel tambm pode ser chamada Jkpair ou "cdigo de
emparelhamento de grupos para a estimativa da varincia." As zonas 1ackknife
COMPARAO ENTRE
OS NVEIS DE
DESEMPENHO DE
DOIS OU MAIS
GRUPOS
Para avalar se a diferena de desempenho entre dois grupos estatisticamente significativa, necessria uma varivel categrica com
dois
48
49
3. Salve o seu novo livro de exerccios como NAEA DATA ANALYSIS\MY WESVAR
FILES\CHAPTER 4 WORKBOOK.WVB.
caixa TItia (painel da direita). Na caixa New Request (painel da direita, metade
inferior), clique em Table. Realce Table Request One (painel da esquerda) e mude
Request Name (painel da direita) para Exareisa 4.1. Clique em Add Table Set
Singl. (painel da direita).
5. V para Options - Generated Statistics no painel da esquerda. Certifique-se de que
as caixas Estimate, Standard ErTOr, e Confidence Interval (Standard) estejam
marcadas. Desmarque as demais caixas.
(continua)
50
Fil e
View
Reque5ts
Windows
[J[~El
Help
8--E~ercise 4.1
$ Options
. i--- Generated Statistics
,__ o. Output Contrai
Analvsis Variables
$-- Computed Statistics
,.... M_MATHSS ~ MEAN[MATHSS[
8--Table Set 1:*1
8-. ElECTRIC
S - Cells
L_- Yes
L.. No
Cell Functions
- 8--MeanDifl .. Yes No
i
L.. F OL __
L.. Standardized Rates
Fm
SUM_\VTS
i'-'
8-.
Selected:
Sou,ce Variables:
2.l
~
lillI
~
Sum of Weighls
Analvsis Variables
r
r
r
r
Value
p" Percent
r Aow Percent
Calumn Percent
Value
Pelcent
Aaw Pelcent
Calumn Percent
S1
- "
View
Help
~I:
B
e,. 10,1
.- Cr..,pter 4 E. ere.:es
TABLE ELECTAIC
8- -- E. elcise4.1
Electrieoty ~ horne
1---
~ Veri~bIe$
.--~--.
Corrp.II ed St~i$tict
8 -IU#,i;l!j
I
,.,
STAT ISTlC
ES T_TYPE
jsmCifls
No
SUM_WTS
"'''''''
"RC''''
"'"''''
STOEAAOA
83.9
3 .41
16.1
3 . 41
100.0
0 . 00
VALOC
25L3
2 . 30
No
tM=MA.TIISS
VALOC
22 7 . 8
4. 95L
WlRGIliAL
r-
VALOC
250.0
2 . 20
SOM I-r"'l'S
MARGUlAL
Funclrom
ESTIMATE
,.,
IM MA.THSS
M "':"T!lSS
<
>
14. Para salvar os resultados, selecione File - Export - Single File - One Selection e
clique em Export. Salve em NAEA DATA ANALYS/SIMY SOLUTlONS usando um
nome de arquivo apropriado (por exemplo, EXEROSE 4.1A. TXT).
15. Para visualizar o clculo da diferena das pontuaes em matemtica entre alunos de
agregados familiares com e sem eletricidade (26,5), clique em Functions (abaixo de
Electric) (figura 4.1.C do exerccio).
FIGURA DO EXERdCIO 4.1.C Resultados W.Var: Diferena das Pontuaes Mdias em
Matemtica entre os Alunos com e sem Eletricidade em Casa
fOf
pl
,
E_ ~ l
e--- ELECTRlC
'-""
lIOanD1U
SIAIISI IC
" J O.llISS
ESI~TWE
YllUt
ESTlIoI<I.IE
26.5
SIDERROR
~.u
lll\IJER 95t
1~.2
UPPER ~
3J.8
(continua)
52
Situao
83,9 (3,41)
254,3 (2,30)
16,1 (3,41)
227,8 (4,95)
Comparao
Com eletricidade - Sem eletricidade em casa
Diferena (EPD)
26,5 (5,64)
IC (95%)
15,2 to 37,8
Nota: IC (95%) - intervalo de confiana a 95%; EP - erro padro do clculo; EPD - erro padro da
assin818dos a negrito.
16. Volte para Functionl e salve a comparao entre as pontuaes mdias como
EXERC/SE 4.1B.TXT em NAEA DATA ANALYSISIMY SOLUTIONS.
17. Volte ao livro de exerccios Chapter 4 Exercilel clicando no cone Open Doar. Clique
em Save na barra de ferramentas para salvar as alteraes. Selecione File - Ciosa na
barra de menus para fechar o livro de exerccios ou passe ao exerccio 4.2.
53
(continua)
54
2. Realce o n Exercise 4.1. Clique com o boto direito do mouse e selecione Clone.
Efetua assim uma cpia do Exerccio 4.1 (Tabela de pedido das Diferenas entre
Duas Mdias). Realce Table Request Two no painel da direita e designe-o como
Exercise 4.2.
3. Expanda Exercise 4.2 (painel da esquerda). Selecione Optians (painel da esquerda),
e no painel da direita, mude o nvel Alpha para 0,0167 (porque sero feitas trs
comparaes) (Figura 4.2.A do exerccio).
4. Expanda Options no painel da esquerda. Sob Generated Statistics, certifique-se de
que as caixas Estimate, Standard Errar e Confidenca Interval (Standard) estejam
marcadas. Em Optians - Output Contrai certifique-se de que Variable Label e
Value Label estejam marcadas. Desmarque as demais caixas. Expanda Table Set #1
no painel da esquerda e realce Electric, desmarque-o no painel da direita e selecione
Region. Clique em Replaca Current Entry. Se receber uma mensagem: Table
structure has changed... Do you want to make this change?, selecione Ves.
Certifique-se de que de s Percent esteja marcado. Expanda Regian (painel da
esquerda). Selecione Cells e defina as clulas como se segue: 1 = Northwest;
FIGURA. DO EXERCfClo 4.2.A Livro de Exerdcios WesVar Apresentando o Ajuste
para o Nrvel Alfa
I .~
View
File
Requests
Windows
Help
'*' EKercise4,1
EKercise 4.2
IflI!D
EI Computed St.!ltistics
L M_MAlHSS "MEANjMAlHSSI
fII T.!IbIe Set "1
Alpha: 1.0167
FPC, 11.000
QUantiles
r liroup
r. No G,OUp
Numbelof
GIOUPS: ri- -
r
r
r.
Replicalion
Sld. Euol
01 Df in Data f ile _ 60
SS
Chapter 4 Exercises
[~l' EKercise 4.1
EKercise 4.2
ffi. Oplions
j... Analysis Variables
Computed S tatistics
. L. r"UlATHSS ,. MEAN(MAT HSSj
EJ-. Table Sei 111
J.. REGIO N
CeUs
.. Norlhwesl
L.. Metro_Area
Eastern Highlands
Ce l! Definition:
REGIO N
(rnissing)
2
3
. Cell Funclions
Slandardized Rales
Grid View
l a be l:
15outhwesLCoast
Add a s Ne w [nlrV
(continua)
56
8 Chaptec . E-ases
~
E><eIe4e 4.1
Source Ceh:
,._c...
8 '!'1E1v~
~.=J.J!!I
E.asloe<n_H ~
Mebo....AIM
ConipAed SIolict:
"'_lAAlHSS MENl(NATHSSI
ToIIbIeo Sellll
Ir...... 3
e AIEGi:~=u
E~n_HighI.ero;
S~C~
CeI Fl.WlCIom
I!l MeDiIfI.1elro_N\II_ Met'O_AlN ' NorIIwIesI
MNIilllMetro_EHio;tHncH oMellofiN ' Eastecn_~
FOI
Slllndadzed Rales
Add
oU
New (nlr,
SOH_WTS
P!:RCf:NT
25 . 2
4. 30
14 . 6
Het;ro_A~!I
SmUfiS
PERCr.N!
26 . 1
4. 62
14.8
37 .5
E!I~1:ern_H igh1!1nd:
SUM_WTS
PERCENT
24. 3
4.05
14. 3
34 . 3
SOU1:hwe~1:_Coa~t;
SOH_W'l'S
P!:RCENT
24.4
4.31
13 . 8
35.0
Nor1:h;.;e~1:
MARGINAL
SUH_WTS
P!:RCENT
100 . 0
NOr1:h;.;e~1:
H fA.AI HSS
Vl\LU!:
233 . 3
3.2 8
225. 3
Het;ro_A~!I
H fA.AIHSS
Vl\LU!:
265.7
4. 46
254. 8
276.7
Vl\LU!:
249 .1
3. 59
240 . 3
257.
H_fA.AIHSS
Vl\LUE
251. 2
3. 35
243 . 0
259.5
SOU1:hwe~1:_Coa~t;
MARGINAL
25 0.
244.6
57
...,el ,.."-10..1
~rE:
~I.I
Ch.-4E__
E_41
1'-'5,"1
- -
,-.
REGlON
AI jI .. .,.1 .!:I
I
....l
STATlsnc
.:J
,~
Esum
ESTItolATE
STDERROR
-,'"
UPPER~
VlLU!:
n ...
S.14
YUU!:
16.6
S.U
,.,
30.0
V.lLU!:
14.S
S.90
-0.0
29.0
18.2
~.,
8. Use File e Export (Single File, One Seleaion) para salvar os seus resultados como
arquivos de texto. Comece por salvar as pontuaes mdias (Regies) e, em seguida,
as diferenas das pontuaes mdias (Funes) em NAEA DATA ANALYSIS\MY
SOLUTlONS utilizando os nomes dos arquivos EXERCISE 4.2A.1XT e EXEROSE
4.2B.1XT, respectivamente
9. Volte a CHAPTER 4 WORKBOOK clicando no cone Opan Door na barra de
ferramentas. Selecione Save - Ciosa na barra de menus (ou selecione o cone Save
na barra de ferramentas).
A figura do exerccio 4.2.E apresenta as trs comparaes pedidas. A diferena de
pontuaes mdias entre a rea Metropolitana e o Noroeste de 32,4 pontos na
pontuao de escala e o respectivo erro padro de 5,74. O intervalo de confiana em
tomo da diferena de 18,2 a 46,5.
Uma vez que o intervalo de confiana no inclui zero, a pontuao mdia da rea
Metropolitana significativamente diferente, em termos estatsticos, da pontuao mdia
da regio Noroeste. Do mesmo modo, a diferena de pontuaes mdias entre a rea
Metropolitana e as Terras Altas Orientais (16,6 pontos) estatisticamente significativa
porque o intervalo em torno da diferena (3,3 a 30,0) no inclui zero. Finalmente, a
diferena entre a rea Metropolitana e a Costa Sudoeste (14,5 pontos) estatisticamente
no significativa porque o intervalo em tomo da diferena (-0,0 a 29,0) inclui zero.
A tabela do exerccio 4.2.A apresenta os resultados desta anlise tal como poderiam
ser apresentados em um relat6rio de avaliao nacional. A tabela mostra cada pontuao
mdia regional e a pontuao mdia nacional, assim como os erros padro associados. A
metade inferior da tabela indica em negrito as diferenas regionais estatisticamente
significativas.
(continua)
58
Regio
rea Metropolitana
233,3 (3,28)
Noroeste
265.7 (4,46)
249,1 (3,59)
Litoral Sudoeste
251,2 (3,35)
Nacional
250,0 (2,20)
Diferena (EPD)
ICA(95%)
32.4 (5,74)
18,2 iI 46,5
16.6 (5.42)
3,3 a 30,3
14.5 (5.90)
-0,0 a 29,0
Comparao
Nota: ICA (95%) - intervalo de confiana ajustado em 95%; EP - erro padro do clculo; EPD - erro
padro da diferena. Os intervalos de confiana associados s diferenas estatisticamente significativas
esto assinalados a negrito.
Outras comparaes que podero ter interesse para os formuladores de polticas (dependendo das variveis no banco de dados) incluem
as seguintes:
Grupo tnico e desempenho em matemtica: existem diferenas significativas entre grupos tnicos quanto ao seu desempenho mdio
em matemtica? Que grupo registra a pontuao mdia mais
elevada?
Nvel de escolaridade dos pas e desempenho em leitura: existem diferenas significativas de desempenho mdio em leitura entre os alunos com pais que concluram estudos superiores e os alunos em
cada um dos outros grupos (pais que no tiveram educao formal;
pais cujo grau mais alto de escolaridade foi o I." ao 3." ano, o 4. ao
6. ano, o 7. ao 9. ano ou o 10. ao 12. ano)?
Acesso a meios de comunicao e desempenho lingustico: existem
diferenas significativas de desempenho mdio lingustico entre
alunos que vivem em agregados familiares que tm (a) rdio e televiso, comparados com os alunos de agregados familiares que tm
(b) apenas rdio, (c) apenas televiso ou (d) que no tm rdio
nem televiso?
CAPiTULO
IDENTIFICAO DE
ALUNOS DE ALTO E
BAIXO DESEMPENHO
Existe uma proporo maior de alunos em risco (de baixo desempenho) em uma regio (provncia) do pas do que em outra?
Os mennos e as mennas esto igualmente representados entre os
alunos de alto desempenho em matemtica?
Em que tipo de escola (rural ou urbana, pblica ou privada) encontra-se a maor proporo de alunos de baixo desempenho?
Neste captulo, dada resposta a perguntas como essas por meio da
identificao das propores de alunos acima ou abaixo de pontoschave ou padres de referncia, como o 10. ou o 90." percentil.
59
60
61
View
,
B'
Reque5t5 Wi ndow5
Help
Exercise 5.'
$ Options
iAnalysis Variables
Cpmputed Statish::s
PCde' O., Quanhle[Mathss. O1)
i. TableSet lll
Sou.ce Va,iables:
AG E
AGEDAYS
ALGEB_PC
ATTENTlO
BEHAVE
BOOKLET
BOOKS
DATA_PC
DISTANCE
DOB
ELECTRIC
FAMILYSI
.J..=J.:J..:J~
-=l
jFunc!ion
Olock Mean
Compu!ed Statislic:
IPCile10" Quantile(Mathss. 0.1)
7. Siga o mesmo procedimento para os 25.0 , 50.0 , 75.0 e 90.0 percentis, clicando
primeiro em Computed Statistics de cada vez. Por exemplo, a frmula para o 25. 0
percentil PCile25 = auantile(Ma'ltlss, 0.25). No se esquea de clicar em Add as
New Entry depois de introduzir cada frmula. a
8. Execute a anlise, clicando na Grean Arrow na barra de ferramentas.
9. Visualize os resultados (Figura 5.1.8 do exerccio), clicando no cone Opan Book na
barra de ferramentas. Expanda Exereise 5.1 - Table Set #1 no painel da esquerda.
Clique em Ovarall para visualizar os valores de percentil.
(continua)
62
IS
Fi le Vew
~~
Help
e,'LeJ
-- 1!IIl!:I
~ I,,'IA I f!!) u
",I loJ
"- ,
Owtal
STATlSt lC IEST_TYPE
SUM_h'T S
Pelld O
Pe 1lto2 5
Peile5 0
Pe ile i S
Pelle9 0
""""
"""
""""
""""
"""'"
"""
ESTIMATE
I STDERROR
SI113 . 0
LOW!R S5%
UP~R 95%:
0 . 00
5 1113 . 0
51 113 . 0
186 . 5
181.0
3 . 01
114 . 5
217 . 3
:< . 73
11 2 .2
223 . 1
256 . 3
2 . 39
251. O
260 . 6
2 B4 . 4
l. B2
261. B
269. 1
308 . 11
1. 15
305 .4
31 2.4
I"
Pontuao
Erro padro
181.0
3,01
25.0
217,3
2,73
256,3
2,39
75.0
284,4
1,82
308,7
1,75
10.
50.
90.
10. Selecione File e clique em Export (Single File - One Selection) para salvar os seus
resultados como um arquivo de texto. Salve em NAEA DATA ANALYSIS\MY
SOLUTIONS usando um nome de arquivo apropriado, como por exemplo
EXERCISE 5.1, TXT.
11. Clique no cone Open ODor na barra de ferramentas para voltar para CHAPTER 5
WORKBOOIC. Clique em File - Ssve e depois em File - OOH.
a. Alternativamente, pode clicar em Pdle10 - Quantlle(Mathss, 0.10) (painel da esquerda) e clicar com o
boto direito do mouse em Clone quatro vezes, alterando cada um conforme necessrio e usando Replace
Current Entry.
63
EXERCIClO 5.2
View
Requests
Windows
Help
EJCefcne 5.2
O.....
AnaIysit Vi1fiables
~ed Statistics
13 TabIe SeUIl
EH;ljij! lU
Colo
5elected:
ALGEB_PC
ATTENTlO
BEHAVE
BOOKlET
REGION
BOOKS
DATA_PC
DISTANCE
ElECTAIC
CeI FlXICtiont
Missing
r
P
r
r
A52
R53
Analy." Vilriablel
r
r
r
r
Value
Percent
Aow Percent
Column Pcrcent
CWI Cnl
Enl.ry
'h.
(continua)
64
'J
L __ REG ION
ESTI MAI .
SI DERRDR
LOIN'ER 95~
UPPE R 95r<
Ifor thw!t
PeildO
16 2. 2
4 . 12
154 . 1
170 . 5
~tt<l_A..,.
PcilelO
"'"''
""'"
-~
20 5 . 1
1 .66
l e1 . 1
211 . 1 ,
176 . 1
6 . 41
165 . 4
191 . 3
18 3 . 4
5.5 3
171 . 8
193 . 9
18 1 . o
3 . 01
114 . 5
186.5
1g e . 4
3 . 5e
190 . 1
20 4. 4
t ,u tero_91Qhla.nd: Peil d O
SoutJr"'Ut_Cn4 ~t
PcHeiO
MARGll!AL
Peile lO
~w.",
_ _.:,,,
,,,,-,,=,,, -
-~
Percentil
10.0
Noroeste
rea
Metropolitana
Altas
Orientais
Costa
Sudoeste
Terras
162,2 (4,12)
205,1 (7,66)
176,7 (6,47)
183,5 (5,53)
181,0 (3,01)
25.0
198,4 (3,58)
238,7 (5,95)
217,1 (5,68)
218,6 (5,08)
217,3 (2,73)
50.0
75.0
238,0 (4,62)
271,6 (5,16)
255,2 (3,41)
257,6 (4,09)
256,3 (2,39)
270,2 (4,11)
296,3 (3,27)
283,9 (3,49)
283,9 (3,58)
284,4 (1,82)
90,0
293,8 (4,42)
313,7 (3,02)
309,1 (2,87)
310,3 (3,33)
308,7 (1,75)
Nacional
65
9. Salve os resultados, utilizando File - Expart - Single File - One Seledian. Selecione
Export. Salve como arquivo de texto em NAEA DATA ANALYS/SlMY SOLUTlONS\
EXERClSE 5.2. Saia do arquivo de resultados, clicando no cone Opan Door na barra
de ferramentas.
EXERCfClO 5.3
66
3. Atribua um New Variable Name na caixa apresentada. Para este exerccio, atribua
uma varivel de grupo Pc;Ie25, que dividir os alunos em duas categorias: os que
tm pon'bJaes abaixo do 25.0 percentil nacional e os que tm pontuaes dentro
ou acima deste percentil.
4. Na coluna designada Range of Original Variables, digite Mathss < 217.3 (valor do
25.0 percentil nacional; ver Tabela 5.2). Na mesma linha, na coluna designada Pdle25,
digite 1. Na linha seguinte, sob Range of Original Variables, digite Mathss 217.3,
e na coluna designada Pcile25, digite 2 (Figura 5.3.A do exerccio). Clique em OK.
em Varillivel Discreta
o.
IPOLE25
.r-=f20iJ3
W~~.cl2J
POLE25
MATHSS < 2173
MATHSS>_2173
Ceocol
1I.1t>
67
lab~
Soulce '{illiables
MATHSS
MEAS_PC
NUMBER_P
PARENTED
PARTlC
PCIlE25
PCIlE50
PCIlE75
PERSIST
PSUF'PORT
REAS_PC
REGION
RPlOl
RPl02
RPl03
RPl04
label:
IPCILE25
Min........... l
Values:
Max.......... 2
V.alue
label
[missing)
[missing)
Bouom 254
1128
il!lm
3619
MARGINAL
MARG INAL
4747
Num
Missing.... ..O
Aecoded hom
-~--~-~
B.ecode Oetails
0<
Cancel
!:!.elp
Em seguida, so calculadas as percentagens de alunos com pontuaes abaixo dos percentis de referncia chave nacionais em cada
regio (exerccio 5.4).
68
EXERdCIO 5.4
das Percentagens da. Pontuaes abaixo dos Padr6es de Referncia Chave Nacionais por R.Slio
.,.
[WesVar WorkBook
Fil~
te.
Vi l!W
R~qu6ts
Windows
El Ch ...pler 5 Exercise$
$- Exercise 5.1
tt1. EKercise 5_ 2
B"EKercise 5.4
$- Oplions
; L.. Generated 5tatistics
L.. Oulpul Conlrof
i--Analysis Variable s
!._. Compuled Statistics
T" b~_S't"
. . PCfLE25 x REGrDN
~--~,
[J0~
H~l p
1= l eJ~
CHAPTER 5 WORKBOOK.wvb]
Selecled:
[]
8EHAVE
BOOKLET
800KS
DATA_PC
DfSTANCE
ELECTRfC
_. .....
~ .
Missing
~
~
r R5 2
Sum of 'W'eighls
r
r
r
PCfLE75
REGfON
2..l
2.'.l
Value
Pelcent
Row Percent
Column Pelcent
RS3
r
r
r
Value
Percent
Row Pelcent
Column Percent
I
I
69
f!
v_
Holp
8.W7_~i!~, """
!J
1A8lL PoIIo2S' REGION
Bcn. . 2S\
'-
Non.l\WOot
SlII_IlfS
COtPCT
3i.5
2.14
H.O
Bc~ ...
lS'
BcU"," 2S\
100.00_,,".
SlII_IlfS
W,~
U.4
l.U
.. ,
42.0
lO.O
tU'H"_lIo/1lood! sUlurrs
W~
Sout.lrweot_Co4I.t
stIH_lIT'
SlII_IITS
C<llPCT
2S.1
2<.<
2.U
2. ,O
II.S
n.!
lO.!
Bctt,,", 1S'
W,~
25.0
I."
22.1
21.'
U.S
2.11
S8.0
&9.0
Bc~",",
2S'
-,=
5TATISTIC
ESUYPE
ESTINATE
STDEARCR
UM'''' """'"
li.O
! op 'll\
Nort.lrwen
SlJI_W'!S
ro,~
Top H'
IOtUG_,,"'
!tl'-IITS
n.6
l.1!
!O.O
tl.l
Top H'
ro,~
H.t
2.U
fI.2
eo.s
souurwn_Co4In
!op H'
Top H'
-,=
-,=
-,=
-,=
IQ.RGIIW.
-,=
SIIH_IIT!
=~
11.&
1.'0
11.0
!O.Z
5UII_I'T5
ro~
H.O
1.46
H.I
17.9
Non.lI..ut
SlII_IlfS
ro~
\00.0
0.00
IOOtrO_,,"'
SIII_IITS
ro~
100.0
0.00
ro,~
100.0
0.00
C<llPCT
100.0
0.00
SIIt_IITS
ro,~
100.0
0.00
-,=
70
Erro padro
Noroeste
36,5
2.74
rea Metropolitana
14,4
2,83
25,1
2,83
Costa Sudoeste
24,4
2,30
Nacional
25,0
1,46
Regio
I 71
TABELA 5.2
Percentagem de Alunos com Pontuaes no 75. Percentil de Referncia
Nacional ou acima deste por Regio
Percentagem
Erro padro
Noroeste
15,1
2,24
rea Metropolitana
35,3
3,88
24,7
2,53
Costa Sudoeste
24,7
2,48
Nacional
25,0
1,61
ASSOCIAO ENTRE
VARIVEIS:
CORRELAO E
REGRESSO
CORRELAO
Os fonnuladores de polticas podem estar interessados em identificar
at que ponto a aprendizagem dos alunos est relacionada com uma
gama de fatores. O coeficiente de correlao (r), que urna medida da
associao linear entre duas variveis, fornece esta infonnao.
Seguem-se exemplos de questes s quais as correlaes pretendem
responder:
Existe uma associao entre a frequncia escolar e o desempenho
currculo?
O coeficiente de correlao pode dizer-nos a direo da relao entre
duas variveis e a fora ou magnitude da relao entre elas.
73
74
Direo da Relao
[1~[\');tYJ11
Correlaes Positiva e Negativa
250
225
200
175
150
125
100
75
50
25
relaio tpolitiva
250
225
200
175
150
125
100
75
50
25
t
rel.io negativll
o
o
10 11
10 11
75
Antes de calcular um coeficiente de correlao e avaliar a sua significncia estatistica, pode ser til desenhar um grfico de disperso que
ilustre a relao entre duas variveis sob a forma de grfico. Se a relao for linear, os pontos tendero a situar-se em tomo de uma linha
reta que passa entre os dados. Quanto mais prximos de uma linha
reta estiverem os pontos, mais forte a relao entre as variveis. No
exerccio 6.1, o SPSS usado para descrever a fora da relao entre
duas pontuaes de subescala de matemtica no banco de dados
NATASSESS, Imp1-pc (resultado correto em percentagem em itens
relacionados com a implementao de procedimentos de matemtica) e Solve-pc (resultado correto em percentagem na anlise e resoluo de problemas matemticos).!
EXERClclO 6.1
3. Na barra de ferramentas, selecione Graphs - Legacy Dialogs - Scatter/Dot Simple Scatter - Define.
4. Atribua Implpc a Y Axis e Solv ...,pc a X Axis (Figura 6.1.A do exerccio). Clique em
OK. D um tempo para o processamento. O resultado est na Figura 6.1.B do
exerccio.
(continua)
76
fi Simple Scatterplot
y Axi s:
~ teachid
mathrs
~ malhpc
mathss
ssse
II~
.
.
~ bo o ~ el
Qptions ...
2SAxiS
~ sludid
I itles ...
I ~ implJlC
.# schoolid
~ wglpop
sOlve_pc
100,00
80,00
00
oo o
o o <f'
<9 %Oo dl
cP
000 'b
0 0 ~
cP
2
~
<b
'"
0,00
000
00
00
cP
co
IX)
lO
Cl)
000
CI)
0000 000
GJ 000
tt)
ct:D S
Q
oDo~
00 00
c:POo0o ct.l o cP
cP 000 CO B cP
0 0
8 0 00 S r9 00 ~ ri'
'1> 8 oOoooScPo o 0 8
o
c9 % o
0,00
~Oo ocIJ
cP
20,00
000 (I) o
00 ., o
00 ~
00
o 8
cs> % o cjJ
o
..
o
o
o
o
00
20,00
80,00
AnalisarlResolv... Problemas Percentagem Correta
40,00
60,00
100,00
77
que a interseo dos seus resultados em duas variveis. Por exemplo, o aluno N (Figura
6.1.8 do exerccio) obteve um resultado de 100% correto em implementao matemtica
(eixo dos yy) e 83% correto em resoluo de problemas matemticos (eixo dos xx).
Note-se que os pontos se agrupam em uma banda, que vai do canto inferior esquerdo
para o canto superior direito, uma indicao de correlao positiva entre as duas variveis.
FIGURA DO EXERdao 6.1.C Grfico de Disperso Mostrando a Linha de Melhor Ajuste
.dlt
.ar
!iiew
Qptions
EJe.!!!ents
.,.,
!::!.elp
-,
100,00 .
80,00 .
60,00 .
0 000 GIl
o COOGO o
OO OOaloO;)
(j)
00
~ (I
oOo Cb
40,00 .
cP
oCb
(J
& 00
0011) o QJOOO o
cIIoOolIJOOJoo o
O cP=b0o Q) " cP o o o
c90 0 0'
8 cP
rPoCb
e ~OOO
CO &
0
o
o
.9 0 0
800 0% B 8 0 o 8
o
q.l'00Q
oo
0 li ~ 000 l:1 ~o o
0
o
'b o 8 li "0 '" 8 o
20,00 .
Ch 0 cfJ
'C o o
Cb J @ % o 0 r:9
ctl
00
0,00
0,00
20,00
(J
000
o
40,00
60,00
80,00
100,00
(continua)
78
3. Salve seu novo livro de exerccios em NAEA DATA ANALYS/SIMY WESVAR FILES\
CHAPTER 6 WORKBOOK.WVB. Clique em Workbook Titl. 1 (painel do lado
esquerdo) e escreva Chapter 6 ExarciHs (painel do lado direito).
79
Correlaio
1..,..1,@-.&:IiiiII
,o File Vi_
e, 1 ~ 1
Req uerts
Windows
QIill
Help
Exercise 6.2
1;1- Optiom
1,- Generated Statistics
1.- Output Control
Variables
Trantlaml!d Vo!Iri.!lbles
f-. COllelationt
INDEPEND
INTE GYC
JKINDlC
JK20NE
8,
list 1
SO LVE _PC
Soulce Varianles:
GENDER
Ana~sis
r
Im!
8 ..ill
LANGUAG E::
MATHPC
MAlHAS
~ r.
...ill
MATH$S
Ust 2
IMPl]C
MEAS_PC
NUMBER F
<
\.c.ls
Filf
V_
~ ~I
Help
0, o,1 ~I ".'IA I
s- -- 0\apteI 6 E: ~lIIcises
8-- E..,.CIfIe 6.2
-- V., ~
8- Car~,
L_mJ
~I<o ul
",J
?I
Ov-erlll
CareIati::JN
SOLVE_ PC vs. l MPL_ PC
U~ghl:ed
0.793
WeiH:ed
0.800
SE Weiojted
0.001
.
[jj
.
(continua)
80
8. Selecione Fila - Export - Single Fila - Ona Salaction - Export na barra do menu,
gravando o seu resultado em NAEA DATA ANALYSIS\My Solutions como
EXERC/SE6.Z.7XT.
9. Saia dos resultados WesVar, e salve o livro de exerccios WesVar selecionando
File - Save (ver passo 3 acima).
A figura do exerccio 6.2.8 mostra os coeficientes de correlao no ponderados e
ponderados entre Solve...,pc e Impl...,pc. Numa avaliao nacional, reportado o resultado
ponderado. Para determinar se a correlao de 0,800 estatisticamente significativa,
calcule uma estatstica conhecida por t dividindo a correlao pelo seu erro padro.
Neste exemplo, t igual a 0,800/0,007, ou 114,3. Uma tabela de valores de t~ revela
que, para 60 graus de liberdade (o nmero de rplicas Hjackknife" na anlise WesVar) em
um teste bicaudal ("two-tailed test necessrio um valor de tde 2,0 ou superior para
ter significncia estatstica (p < 0,05). Como 114,3 excede esse valor, possvel concluir
com elevado grau de confiana que improvvel que o valor de r seja zero. Como o
coeficiente de correlao positivo, possvel dizer que, em geral, medida que
aumenta o desempenho dos alunos na implementao de procedimentos matemticos,
o seu desempenho em resoluo de problemas tambm aumenta (e vice-versa).
H
),
a. Veja tabela de valores de tem um livro padro de estatrstica. Alternativamente, acesse http://suristatanu.
edu.aulsunstat-casa/tables/tphp para tabelas de valores de t uonline". Insira graus de liberdade (60) e
probabilidade (0,05) para o teste-t bicaudal (o grfico final). Clique na seta inversa para calcular o valor de t
requerido para significncia a nvel 0,05. Neste exemplo, 2.
REGRESSO
A regresso difere da correlao de vrias maneiras. Em primeiro
lugar, o modelo de correlao no especifica a natureza da relao
entre variveis. A regresso, por outro lado, modela a dependncia de
uma varivel em relao a outra ou outras variveis. Com base na
teoria ou pesquisa, os valores de uma varivel (a varivel dependente,
geralmente representada no eixo vertical [y], em um grfico) so considerados dependentes de valores de outra varivel (a varivel independente, geralmente representada no eixo horizontal [x]). Por
exemplo: podemos esperar que os resultados de um teste de leitura
dependam do tempo que um aluno dedique leitura por prazer.'
Em segundo lugar, na regresso, a relao funcional entre as variveis independente e dependente pode ser formalmente definida como
uma equao com valores associados que descreve quo bem a equao se ajusta aos dados. As informaes sobre o desempenho de um
I 81
grupo de indivduos so usadas para especificar uma equao (conhecida como equao de regresso) supondo-se que a relao seja linear
(isto , uma alterao no valor de uma varivel ser semelhante para
todos os valores da varivel).
Os analistas podem precisar ir alm dessa forma de regresso ao
analisar dados de uma avaliao nacional. Abordagens mais sofisticadas, como modelao linear hierrquica (MLH), so geralmente mais
apropriadas para se levar em considerao a estrutura hierrquica ou
multinvel dos dados obtidos nesses estudos (vd. Raudenbush e Bryk
2002; Snijders e Bosker 1999). A MLH pode separar os efeitos das
variveis nos nveis da escola e do aluno. Por exemplo, se tivermos
dados sobre a situao socioeconrnica nos nveis da escola e do aluno,
ambos podem ser includos no modelo e apurados os efeitos de cada
um no desempenho do aluno. Um modelo de dois nveis tambm nos
permite identificar a proporo de varincia entre escolas e a proporo dentro das escolas que as variveis no modelo explicam. Da
mesma forma, um modelo de trs nveis (escolas, turmas, alunos) provdencia uma estimativa da proporo de varincia explicada por variveis no nvel da escola (tais como localizao e dimenso), no nvel
de turma (tais como caracteristicas do professor e recursos de sala
disponveis), e no nvel de aluno (tais como idade e ansiedade com a
matemtica). Os modelos multinvel so especialmente teis quando
a varincia entre escolas da varivel dependente grande (por exemplo, quando excede 5% da varincia total).
A modelao multinvel est alm do mbito deste volume. No
entanto, a forma de anlise de regresso que descrita oferece uma
introduo a alguns dos conceitos subjacentes modelao multinvel
e pode ser usada quando a modelao multinvel no for apropriada.
A equao de regresso, nos casos com uma varivel dependente, y,
e uma varivel independente, x, seguia seguinte:
y' = IX + bX + t,
onde
IX = intercepo (o ponto no eixo dos yy onde x zero)
b = gradiente ou inclinao da reta de regresso (o coeficiente de
regresso)
X = valor da varivel independente
82
esperados e observados).3
A Figura 6.2 mostra a equao de regresso e a reta de regresso em
um grfico de disperso para duas variveis: x (independente) e y
(dependente).
A equao de regresso (a) indica se existe uma tendncia para os
valores de y (previsto) aumentarem ou diminuirem medida que os
valores de x (preditor) mudam, (b) pode ser usada para estimar ou
prever os valores de y a partir de valores conhecidos de x, e (c) estima
o valor de y quando o valor de x zero (ver exerccio 6.3).
A regresso descreve a relao entre duas ou mais variveis na forma
de uma equao. Isso torna possvel prever, por exemplo, o resultado
de um aluno baseado em um teste de desempenho a partir do que
conhecido sobre o contexto familiar do aluno ou outras variveis.
Em uma avaliao nacional tpica, muitas variveis esto
provavelmente correlacionadas de forma significativa com os resultados dos testes de matemtica, lingusticos ou de cincia. Nessa
situao, podemos usar regresso mltipla para quantificar a associao entre mltiplas variveis independentes e uma varivel
11
10
9
8
>- 7
6
t 5
4
3
1.
Iy
6,1 + 0,73x I
2
1
-<>
-5
-4
-3
-2
-1
varivel x
83
CAIXA 6.1
84
EXERClclO 6.3
Exacutlir uma RegntUio am w..Var, UrnII V...t6vellndapendente (Contfnua)
1. Abra o WesVar, e abra o livro de exerccios usado no exerccio 6.2, NAEA DATA
ANALYS/S\MY WESVAR F/LESICHAPTER 6 WORKBOOK.
2. Selecione Chapter 6 Exercises no painel do lado esquerdo, e clique em Regrellion
no painel do lado direito. Selecione Regression Request One (painel do lado
esquerdo). Introduza Exercise 6.3 (painel do lado direito).
3. Selecione Options no painel do lado esquerdo, e certifique-se de que Linear
esteja selecionado. Dentro de Options, selecione Generated 5tatisticsConfidence Interval. Dentro de Output Control, pr Estimat8S e 5td. Error com
trs casas decimais.
4. Selecione Models no painel do lado esquerdo. Arraste Mathll da lista Source
Vari4iiveis para a caixa rotulada Dependent. Essa a varivel dependente para a sua
anlise de regresso. (Se conseguir ver apenas uma ou duas variveis nas caixas do
painel do lado direito, mova o seu cursor para a margem inferior e arraste para baixo
para mostrar mais variveis.)
5. V caixa Source Variables e arraste 800b para o primeiro espao rotulado
Independent. Certifique-se de que a caixa Intercept esteja selecionada. Clique em
Add as New Entry (Figura 6.3.A do exerccio).
6. Execute a anlise de regresso (clique em Green Arrow na barra de ferramentas) e
abra o resultado (clique no cone Opan Book na barra de ferramentas). Expanda
Exereise 6.3, Models, e Mathss = Boob. Clique em Sum of Squares (Figura 6.3.8
do exerccio). O valor R2 (R_Square Valor) 0,099. Isso indica que Boob explicou
quase 10% da varincia nos resultados dos testes de desempenho em matemtica.
O valor R2 obtido dividindo a soma de quadrados do modelo (explicada) pela
soma de quadrados total.
7. Salve esse resultado como um arquivo de texto em MYSOLUTJONS usando
Rle - Export - Single File - One Selection. Use o nome de arquivo EXERClSE 6.3
SUM OF SOUARES.
8. Selecione Estimated Coefficients no arquivo de sada (Figura 6.3.C do exerccio).
Isso mostra a estimativa do parmetro ou a alterao de valor esperada associada
ao nmero de livros em casa do aluno. Aplicar a frmula descrita anteriormente,
yA"" a + bX, para calcular a relao ou associao entre nmero de livros e
desempenho em matemtica. No usar E nestes clculos.- Deve-se observar que X
representa o nmero de livros e b a inclinao da reta de regresso. O valor da
estimativa para os livros (0,515) indica que o aumento de um livro est associado a
um aumento de 0,515 pontos no desempenho em matemtica. O resultado
esperado em matemtica para um aluno que no tem livros o valor da
intercepob 225,196 ou, usando a frmula, 225,196 + O * 0,515. O resultado
esperado para um aluno com 10 livros 230,346 (225,196 + 10 * 0,515). Assim, ter
85
r, o
[W~sVar
B~qu!'rt~
Windows
-llell x
.!:!~Ip
~ ~ 1 0,1 ~1 ~J I~
-.1J
Clan VariableS":
IALGEB PCI61
ATTENTIO(5)
I=~
Exercise 6.3
J-. Options
Models
MATHSS = BOOKS
! .. Bv
L.. Tests
S.
Oependent
Inde pe ndenl
Inlercepl p""
Stnd_ Coef. r
Source VariableS":
IAGE
AGEDAY5
BOOKS
--
r Df=1
r.-
Of in data file = SO
Add as New Enlr,
I
::1
t- IDI2!J
~
B
oi),
Htlp
Chapt~
AI
ISI
'<lI1",1 ~
t'
li! IM
L~.~. TeU;
?j
SUM DF SDUAAES ANO RSDUAflE
6 E.eo-Clsl!S
I
MODt:.L :
ERROR :
TOTM :
R_SQUARE VALUE :
12735420 . 969
1. 16Se +Oe
1 . 293!'+O6
0 . 099
(continua)
86
o.n~
O.OU
1I .U9
0.000
0. 42 ~
0.lO
de 225,196 + 0,515 '" 48,2, ou 250,019, que est muito prximo da mdia geral
registrada dos resultados em matemtica, que de 250,0.
Os valores de t na figum do exerccio 6.3.C so calculados dividindo cada
estimativa pelo seu erro padro. O valor de t uma medida da significncia estatstica e testa a probabilidade de o verdadeiro valor do parmetro no ser zero. Pam
Boob, o valor de t 11,449 e o valor de probabilidade (p) (Prob>lT1) zero ou
prximo de zero (0,000). Isso indica que existe uma probabilidade muito pequena de
o verdadeiro valor do parmetro Booles ser zero. O intervalo de confiana em 95%
em torno de um parmetro estimado aproximadamente adicionando duas vezes o
seu erro padro ao parmetro e subtmindo duas vezes o seu erro padro. Assim,
aps arredondamento, o intervalo de confiana em 95% para Booles de 0,425 a
0,605 (0,515 2 '" 0,045). Existe 95% de certeza de que a estimativa pam o valor
Booles na populao fica entre 0,425 e 0,59. (Esses valores so quase idnticos aos
apresentados na Figura 6.3.C do exerccio.)
9. Salve o resultado em MY SOLUTlONS usando File - Export - Single File - One
Selec:tion. Use o nome de arquivo EXEROSE 6.3 ESTJMATES.TXT.
10. Seguidamente, a "adequao de ajuste" do modelo estatstico, que estima o valor
de Mathss com base nos dados de uma varivel independente, Booles, importante.
Selecione Tests (Figum 6.3.D do exerccio). Observe que o ajuste gemi do modelo de
regresso estatisticamente significativo (primeira linha); a probabilidade de obter
um valor Fd de 131,080 aproxima-se de zero (0,000). Isso significa que o modelo de
regresso obtido contendo Boou estatisticamente diferente de um modelo que
no inclui esta varivel. A linha seguinte na figura do exerccio 6.3.0 apresenta dados
idnticos. Confirma que um modelo contendo Booles , de forma estatisticamente
significativa, diferente de um modelo sem variveis independentes (o modelo nulo).
Em termos de polticas, essa concluso indica que o nmero de livros em casa est
relacionado com os resultados de desempenho do aluno em matemtica.
11. Salve o resultado em MY SOLUTlONS usando File - Export - Single File - One
Selec:tion. Use o nome de arquivo EXERClSE 6.3 TESTS.TXT.
87
Independente
ijl -- E~6_2
8 -
ElOefOIe 6.3
8-
totodels
MATHSS _8001(5
----
131.080
131.0eo
S..... ofS~'n
EtlilMled CoeffieienI*
- CortdaIion Ma/JII
--112
..
"
"
0.000
0.000
12. Volte ao seu livro de exerccios (por meio do cone Opan Door na barra de ferramentas). Selecione File - Save e depois File - Close. O seu livro de exerccios deve ficar
gravado em NAEA DATA ANALYS/SIMY WESVAR F/LESICHAPTER 6
WORKBOOK
a. Isso acontece porque os erros positivos e negativos cancelam-se mutuamente.
b. A intercepo a estima o valor mdio de y (matemtica, neste caso), quando X (nmero de livros
em casa) - O. O valor de a o ponto em que a reta de regresso intercepta o eixo dos yy.
c. Para este clculo, selecione Descriptives em WesVar, e mova Boob de Source Variables para 5elec:ted,
como descrito no exerefcio 3.1.
d. A estatstica F, que deve ser usada quando mais do que duas variveis so comparadas. testa a
significncia das diferenas entre mdias.
88
EXERClclO 6.4
89
EXERClclO 6A (contlnua~)
FIGURA. DO EXERCfclO 6.4.A Resultado da Anl1ilise de R_granio em WasVar: Varivel
Independente Categ6rica
"
.',~
....
'.
B -
Iotodob
MAT HSS .REGIDNj4!
5""'015_..
I'::::
E'-od~. IR!
Cor,_Iot_
0.011
0 .'"
-26.~U
8.8~1
l.no
26.2U
-12 . 041
1.716
TC$l,
Orientais (Region.3) 249,108, que est 2,140 pontos abaixo da regio de referncia. O valor de t no significativo associado estimativa de parmetros para as Terras
Altas Orientais (ProblTI "" 0,667) indica que -2,14 no significativamente diferente
de zero e, consequentemente, o desempenho de um aluno mdio nesta regio no
, de forma estatisticamente significativa, diferente do de um aluno mdio na regio
de referencia (Costa Sudoeste).
8. Salve esse resultado como arquivo de texto em MY SOLUTlONS usando
File - Export - Single File - One Selec:tion. Use o nome de arquivo EXERClSE 6.4
ESTIMATES. TXr.
a. Este nmero pode variar. Por exemplo. se j tiver executado uma regresso e a tiver apagado. o nmero
ser superior.
90
EXERClclO 6.5
Calculer Cotrfici.-. d. Correlao
1. Abra o WesVar, e abra o livro de exerccios usado no exerccio 6.4, NAEA DATA
ANALYSIS\MY WESVAR FILESICHAPTER 6 WORKBOOK.
2. Selecione Chapter 6 Exercises (painel do lado esquerdo), e clique em Descriptive
Stats (painel do lado direito). Selecione Descriptive Request Two no painel do lado
esquerdo, e escreva Exerc5e 6.5 no espao no painel do lado direito.
3. Selecione Options - Output Control, e defina o nmero de casas decimais para
Estimates e 5td. ErTOr como trs casas decimais.
4. Selecione Correlations (painel do lado esquerdo). Selecione List 1 (painel do lado
direito). Mova trs variveis, Books, Distance, e Parented, para List 1.
5. Execute correlaes (clique em Green Arrow na barra de ferramentas). Abra o
resultado (clique no cone Open Book na barra de ferramentas). Selecione e
expandir Exerci.. 6.5 no painel do lado esquerdo. Selecione Correlations - averall.
Os dados de sada na coluna Weighted (Figura 6.5.A do exerccio) mostram que
no existem dados de multicolinearidade, visto que nenhuma das correlaes se
aproxima de 0,80 (veI. Hutcheson e Sofroniou 1999). A correlao negativa entre
Books e Distance (-0,077) indica que medida que a distncia entre casa e escola
tende a aumentar, o nmero de livros em casa de um aluno tende a diminuir. A
correlao entre Books e Parented (tratada aqui como uma varivel contnua) de
0,331. Isso indica que nveis mais elevados de educao parenta I esto associados a
um maior nmero de livros em casa.
91
$ '---- Exerclse6. 4
L _ ... Val~bles
Correlations
_..
V~ .
DIS!ANCE
V~ .
PARElfIED
I.",n.",, V~ .
PARENTE!
-0 . 111
0 . 024
0 . 345
-0 .134
0 . 026
- 0. 11 5
0 . 020
' -~mJ
desempenho em matemtica, mesmo aps levar as outras duas variveis em considerao. Tambm sugere que o nvel de educao parenta! est associado ao desempenho do aluno em matemtica; os alunos
com pais com um nvel educacional mais elevado tendem a ter resultados esperados mais altos do que os alunos com pais com nvel mais
baixo, levando em considerao os outros dois fatores (nmero de
livros e distncia). Finalmente, o modelo indica uma associao negativa entre a distncia da escola e o desempenho em matemtica,
levando em considerao o nmero de livros e a educao parenta1,; os
alunos que vivem mais longe da escola tendem a ter piores resultados
do que os alunos que vivem perto da escola.
92
EXERClclO 6.6
93
FIGURA DO EXERCfClO 6.6.A Tela do WesVar antes de Executar Regresso com Mais de Uma
Varivel Independente
Qt
<& File
Request$
Vitw
Windows
Help
8 Chapter 6 E ~ercises
1ft- Exercise 6.2
lf1" Exercise 6.3
til EXel~e 6.4
til- Exercise 6.5
[ Ia n Va.iables:
ALGEB_Pq61
ATTENTIOl51
BEHAVEI51
BOOKlfTl41
BOOKS[1 21]
E xer~e6. 6
Souce Vafiables:
n
UI
AGE
AGEDAYS
ALGEB_PC
ATTENTlO
[;l
BEHA\IE
EI Optiont
r-- Oulput
Genl!lllled StatistiCt
COOrol
EI Modeb
ill MATHSS BOOKS DISTANCE PARENTED[6j
Inte,ce pt P'
Stnd. [od. r
r
r.
r,8~O~O~KS
;---------
DISTANCE
PAAENTED[6[
Add a I Ne .. Enll,
~ _.--- E ~ereise
6.2
lfl---- Exercise 6.3
'ii---- ExerciseG.4
00-'--- Exercise 6.5
8-,-,,- Exercise 6.6
...-.. Model!
..-FI' ui9l
r-'-
l __ ._ Tesl:$
<
11. A estimativa do parmetro para Distance -5,620. O sinal negativo significa que os
resultados esperados dos alunos em matemtica decrescem quanto mais longe da
(continua)
94
13. De forma semelhante, pode gerar resultados esperados para os alunos que tenham
diferentes nmeros de livros em casa, que vivam a diferentes distncias da escola, e
que tenham pais com diferentes nveis de educao. Assim, o resultado esperado
para um aluno que tenha 50 livros (Books) em casa, que viva distncia (Distance)
de 5 quilmetros da escola, e cujo mais elevado nvel de educao parenta I corresponda aos anos 7-9 (Parented.4) igual a 278,909 + (0,30950) + (-5,6205) +
(-15,615), ou 250,644.
14. Salve o resultado em MY SOLUTIONS usando File - Export - Single File - One
Sel.dion. Use o nome de arquivo EXERClSE 6.6 ESTIMATES.TX.T.
15. Selecione Tests no resultado. ~ possvel ver aqui (primeira linha da Figura 6.6.D do
exerccio) que o ajuste global do modelo de regresso estatisticamente significativo, com a probabilidade de obter um valor de F de 134,636 aproximando-se de zero
(0,000). Isso significa que pelo menos uma das variveis 8ooks, Distance ou
FIGURA DO EXERdcIO 6.6.C
,_o
[_63
$-[_65
9-- [ _ 6 6
e- e
M4t.it Vi
,-
~-
0.'01
O.OU
1.IU
0.000
0.221
O.IH
-5.tlO
0.110
-".101
0.000
-'.210
-~ . OOI
H.U~
'.111
'.15J
Io.tn
0.000
+~I.OOI
-)f.21!
_10. lU
_1.121
0.000
-21.ell
l.tll
-'.eu
0.000
3.00'
2. TU
_. u,
0.000
-l ""
_22.123
0.000
_n.'"
......
_U.IU
_,."'
_lI.'"
_21 ... 1
-IO.tll
1 . 01
_1.0.2
1Jl-
E><ercl$e6.2
IE- - E_c ... 6,3
IE-- E_c ... 6. 4
Iil--- E>:efclSe 6.5
8-- E><erclSe 66
e--
50.993
329 . 1B7
Model:
MATHSS _80 m:s
26. i73
9--
---
134.636
S.."ofS~
"
"
"
"
0.000
0.000
0.000
0.000
---1I!I!l
>
>
WORKBOO/C
a. Vale ressaltar que Parented tambm aparece na lista Source Variables Neste exemplo, no entanto,
deve-se selecionar Parented [61 da lista CIa. Variables porque tratado como uma varivel categrica em
uma regresso.
b. Para este clculo, selecione Descriptivas em WesVar, e mover Dlstance de Source Variabl81 para
Selected, de acordo com o procedimento apresentado no exerdcio 3.1.
95
96
CORRELAO E CAUSALIDADE
I 97
98
NOTAS
1. Se a etiqueta de uma varivel Omplement - Percent Correct) aparece na
coluna da esquerda de Simple Scatterplot em vez do nome da varivel
Ompcpc), selecione Cancel e depois selecione Edit - Options - GeneralVariable Lists - Display Names - Apply - OK (mensagem) - OK.
CAPiTULO
APRESENTAO DE
DADOS UTILIZANDO
DIAGRAMAS E
GRFICOS
100
DIAGRAMAS
Percentagens de Alunos em
NIv.1
Abaixo do nvel 1
19,8
Nvel 1:
20,4
Nvel 2:
23,6
Nvel 3:
19,2
Nvel 4:
17,1
101
1Ix
Column llne
Pie'
6.lr
r.
Ch~lb
Cllart~
Matemtica
25
20
236
,
.---19,8
20,4
19,2
r--"
17,1
r--
;;
-3
15
I'"
o
abaixo do
nvel 1
nvel 1
nvel 2
nvel 3
nvel 4
nV81 de .ptidio
(continua)
102
EXERCfclO 7.2
Desenho d. um Gr6Iico de BiIIIT.. par. Mostrer Percantegem por Nv.1 de
Abaixo do 1
Noroeste
27.8
Nvel 1
23,8
rea metropolitana
Terras altas orientais
Cosa sudoeste
13.5
17.3
18
13,9
21,6
16,9
Nvel 2
22.9
Nvel 3
levei 4
16.8
16.9
23.1
24,7
23.8
25.9
30,S
8.7
31.9
12.1
9.9
103
2-D Bar
Costa Sudoeste
rea Metropolitana
Noroeste
20
40
60
BO
100
104
Design em Excel
fiiiii
~
Lle9end Entries ~ies)
~ Add
Ii
]~
crl ~dit
Ii X &""'''' I~.EJ I
rx Edi!
Below Levei 1
Northwest
Lev~ 1
Metro Area
Levei 2
Eastem Highlands
Lev~ 3
Southwest Coast
Levei 4
OI<
I[
C",,"
Noroeste
27,8
rea Metropolitana
13,5
17,3
Costa Sudoeste
18
23,8
16,9
16,8
22,9
23,8
8,7
31,9
.8
21,1
21,6
20
40
25,9
12,1
30,5
9,9
60
80
100
percentagem de "unos
D abaixo do nvel 1 nvel 3
nvel 4
nvel 1
nvel 2
adicionar um ttulo aos outros eixos. Para adicionar um ttulo ao grfico, siga as
instrues no passo 5 do exerccio 7.1
3. Realce a rea do grfico em Excel, clicando uma vez no permetro; selecione
Home - Copy. Em seguida, cole o grfico no seu relatrio, dando-Ihe um ttulo
adequado.
105
106
I
Regio
Noroeste
Area
Terras altas
Costa sudoeste
I
Nota: IC - intervalo de confiana
IC Superior
Mdi
IC Inferior
239,9
233,3
226,8
274,7
256,3
257,9
265,7
249,1
251,2
256,8
241,9
244,6
107
Format Axis
AXlS Options
Axis Options
Number
Minimum :
~u to
@ Eixed 1220
RII
Maximum :
Ayto
@ F[xed 12801
Major unit:
@ Auto
Minor unit:
Une Colar
Une Style
Fi~ed
150 ,0
[ Marker Options
Marker Fill
Une Colar
Marker Options
Marker Type
t:>
A!dtomatic
~ NQne
@ Built -in
Une Style
Type:
EB
Siz. :
110
till
Shadow
Glow and 50ft Edges
3..0 Format
adequada (tal como H_H) a partir da seleo em Type (figura do exerccio 7.3.q (ou
utilize a janela suspensa Style). Aumente Size para 10 ou superior, garantindo que o
tamanho seja suficientemente grande para destacar-se no grfico. Clique em Close.
Repita o processo para os limites superiores.
5. Realce o ponto central de cada linha (a pontuao mdia), clicando sobre a linha
para a primeira regio e siga o mesmo procedimento do passo 4 para selecionar um
marcador adequado. Utilize o tamanho 20 para distinguir o marcador da pontuao
mdia dos outros marcadores. ObselVe que a legenda no lado esquerdo do grfico
(continua)
108
280
:;
270
!E
..,
..,.1
260
f f
250
i.a
l
240
230
220
Noroeste
rea
Terras Altas
Metropolitana
Orientais
regllo
I_ superior a 95% _
Costa
Sudoeste
109
EXERCfClO 7 A
2004
2007
2010
2013
Meninos
Meninas
225
240
245
250
245
245
250
250
(continua)
110
EXERdCIO 7 A {cont/nuafoJ
FIGURA DO EXERdCIO 7.4.B
Gnero. 2004-13
255
~
250
1 245
!E
...
'.
'.a
8.
I-----...,.....~
......... ",, , , , , ",'"
... '"
"'-- ---
240
235
230
-'.
",,,,
.,,/,,/
225
220
215
210
2004
2007
2010
2013
ono
5. Utilize o cone Chart TItl. para criar uma denominao de ttulo (tal como Mean
EXERC/5E 7.4.xL5).
7. Em Excel, selecione File - Close.
a. Observe que os dados da figura do exerccio 7.4.A no so retirados do arquivo de dados
NATASSESS4.VAR.
b. Em algumas verses do Excel, surge Marked U....
c. Em algumas verses do Excel, pode ser necessrio: Format - Datll S.rie. - Une - W.ights &
Arrows - Dashed. Utilize a seta descendente para selecionar o estilo da linha escolhida. Clique em OK.
NOTA
1. As instrues podem apresentar algumas variaes, dependeodo da
verso de Excel que est sendo utilizada. O Excel para Mac e o Excel para
Wmdows tm algumas pequenas diferenas nas funes, dependendo da
platafonna e verso utilizadas.
ANEXO
I Pasta
ANALISE DE DADOS
NAEA: ESTRUTURA
DO DIRETORIO DE
ARQUIVOS
Subpasta
Arquivo
SPSSDATA
NATASSESS
NATASSESS4
SCHOOLS
EXERCISE
SOLUTlONS
LlSTED IN
ANNEX I.B
WESVAR
UNLABELED
DATA
DATA FILE
CREATED
(ANNEXI.q
MYWESVAR
FILES
EMPTY
INITIALLY
;!
LlSTED IN
ANNEXI.B
MYSPSSDATA
EMPTY
INITIALLY
li)
"z
'i:1i"
MY SOLUTIONS
J
1
EMPTY
INITIALLY
",
ANEXO
Subpastas
SPSSDATA
ANLISE DE DADOS
NAEA: SUBPASTAS E
ARQUIVOS
Ficheiros
NATASSESS.SAV
Descrio
(indicadores).
SCHOOLS.SAV
EXERC/SE
SOLUTIONS
EXERCISE 1.1.SPV
EXERCISE 2.1.5PV
113
114
Subpastas
Ficheiros
Descrio
EXERCISE 2.2.SPV
EXERCISE 5.425TH.
TXT
EXERCISE 5.450TH.
TXT
EXERCISE 5.475TH.
TXT
EXERCISE 6.1.SPV
EXERCISE 6.3
ESTIMATES. TXT
EXERCISE 6.3
TESTS.TXT
EXERCISE 6.4
ESTIMATES. TXT
EXERCISE 6.5
Intercorrelaes entre trs variveis (livros, pais,
CORRELATIONS. TXT distncia).
Subpastas
Ficheiros
Descrio
Soma da regresso dos quadrados e valor de R2
(para trs variveis independentes).
EXERCISE 6.6
EXERCISE 6.6
TESTS.TXT
UNLASELLED
115
WESVAR
EXERCISE 7.1.xLS
EXERCISE 7.2.xLS
EXERCISE 7.3.XLS
EXERCISE 7.4.XLS
NATASSESS4. VAR
(NATASSESS4.LOG)
DATA
Inicialmente, a
subpasta est vazia.
O usurio utiliza os
arquivos de dados e
livros de exerccios
WesVar criados
quando concluiu os
exerccios nos
captulos 3-6 desta
subpasta.
WESVAR
NATASSESS4. VAR
DATA &
(NATASSESS4.LOG)
WORKSOOKS
CHAPTER3
WORKSOOK.WVS
(continua)
116
Subpastas
Ficheiros
CHAPTER4
WORKSOOK. WVS
CHAPTER5
WORKSOOK. WVS
CHAPTER6
WORKSOOK. WVS
MYSPSS
DATA
Inicialmente, a
subpasta est vazia.
O usurio salva
arquivos de dados
SPSS novos ou
modificados nesta
subpasta.
MY
Inicialmente, a
subpasta est vazia.
O usurio salva todas
as solues dos
exerccios nesta
subpasta.
SOLUTlONS
Descrio
ANEXO
ABRIR UM ARQUIVO
SPSS NO WESVAR
117
118
ABRIRUMARQUIVOSPSSNOWESVAR
I 119
~ teachid
~ sludi d
~ boo~el
mathrs
Brealc Variable(s):
+'
I~ schoolid
I
Aggregated Variables
~ malhpc
~ malhss
Summaries of Variable(s):
IlIJathrs_llJean .=
ssse
altlrs)
~ wglpop
# wgtsamp
# stratum
.tP gender
~
~
~
~
B
+'
electric
numberJ)c
algeb_pc
s hape_pc
.... "'.., ...
Fundion ...
[O Number of fases
~
N_BREN<
nn
Save
-Dataset n,lme:
@ Write a new data file containing only the aggregated variables
F:WAEA Data Analysis\MY SPSS FILES\SCHOOLS_sav
lfi!e J
~ i:~:~~:~:I:~_::~~~~:r:~: :~~-~.~~~~~:~~
OK
120
I 121
11. Clique em OK. Voc receber um aviso: Keyed Match wiU fail if data are not
SOTted in ascending order oi Key Variables. Se ambos os arquivos (NATASSESS
e SCHOOLS) tiverem sido ordenados por Schoolid, clique em OK. Em
NATASSESS.SAV, abra a Variable View. As variveis Jkzone e Jkindic devem
estar visveis at o final do conjunto de dados. Selecione Save As e salve
NATASSESS.SAV e NATASSESS4.SAV em NAEA DATA ANALYSISIMY
SPSSDATA
Excluded Variables:
teaehidrl
studid{")
booklet(')
...
mathrs(*)
mathpC(')
malhss(' )
ssse{*)
wgtpoPrl
wgtsamp(*)
~ Match cases on key varia bles in sorted files
Key yariables:
...
l~chOOlid '
("):=-Active dataset
(+);:.OataSeI1
II
122
file
Source
Data
Format
Windows
r.
~ariables:
I ,~;I
Help
(' R.c.plicates
Vlrlable s
AGE
AGEDA.YS
ALGEB_PC
ATTENrn
BEHAVE
BOOKLET
BOOKS
DA.TA_PC
DISTANCE
IWGTPOP
(' !D
ISTUDD
Method
(' !!RR
DOS
ELECTRlC
FAMLYSI
GENQfR
(' J.K1
IJPL_PC
(' JKn
r!DEPEND
tlTEG_PC
JKNDIC
(' JK2
(' fA'i
I 123
Melhod- - - ,
Original Dala
Full Sample
r !l.RR
r JK1
r. i."fK2:
r fAY
",:",.hI !!!!!~~~~
JKn
Oplions
Max VarSlrat
!iR
UniIL .!
r.
VarUnil
IJKINDIC
t.4alC VarUnil:
0<
Canc eI
!!.e lp
124
AGE
2...J
~
~
~
V! ria b le s
A GEOA YS
ALCEB_ PC
Affitml
BEHAVE
BOOKLET
BOOKS
DATA_PC
DISTANCE
DOB
ELE CTRC
FAML Y SI
GENDER
I.,PL_PC
tlDE PEND
tITEG_PC
JKNDC
(.' r.J.iE~~p.:(~
R!<.p licate s
RPlO1
RPl02
RPl03
RPl04
RPlOS
"PUI'
RPl07
RPl08
RPl09
RPl10
RPl1 1
RPl12
RPl13
RPl14
RPl1S
RPl1 .
RPl17
IWGTroP
!O
I STUOD
Method
r aRR
r J.K1
(.' J!S:2
r FA'1
r JK!l
Fay1: !
bayoul
NOTAS
1. No conjunto de dados atual} existe um nmero par de unidades primrias
PARiTE
ANLISE DE ITEM
E DETESTE
Fernando Cartwright
125
CAPiTULO
INTRODUO
AO lATA
INSTALAR O lATA
128
DADOS DE AVALIAO
INTRODUO AO lATA
I 129
130
Var_A
Var_B
Var_C
Var_E
8
9
Var_A
Var_B
Var_C
Var_D
Var_E
8
9
Dados de Resposta
INTRODUO AO lATA
I 131
132
INTRODUO AO lATA
133
134
TABELA 8.1
Variveis Produzidas ou Usadas pelo lATA para Descrever a Aptido e o Desempenho no
Teste do Aluno
Nome de Pontuao
Descrio
PesoX
EmFalta
PercentagemdePontuao
PercentagemdeErro
INTRODUO AO lATA
I 135
TABELAS.1
(continuao)
Nome de Pontuao
Descrio
Percentil
PontuaoZBruta
PontuaoZ
PontuaoTRI
ErroTRI
AssimetriadeTRI
CurtoseTRI
PontuaoVerdadeira
Nvel
136
Alm de evitar esses nomes especificos, evite usar nomes que contenham o smbolo @, o qual est reservado para o processamento de
itens de crdito parcial, que so itens de teste que tm mais do que
um valor de pontuao possvel maior do que zero.
Dados de Item
INTRODUO AO lATA
I 137
TABELA 8.2
Descrio
Nome
Chave
Nvel
Contedo
8. O Uso do parmetro c para descrever itens pode fazer com que certas funes, como equacionar,
no funcionem adequadamente. Para a maioria dos usos, os itens so mais teis se o valor do
parmetro c for igualou programado para zero. O modelo de trs parmetros s deve ser usado
por peritos que estejam cientes das suas limitaes. Os clculos e uso do parmetro c so
fornecidos pela funcionalidade avanada do lATA. O registro do lATA, que gratuito, d acesso
a essa funcionalidade avanada. Para instrues de registro, consulte o guia de instalao que
acompanha o CD.
TABELA 8.3
Seo de Amostra de um Arquivo de Dados de Item
Nome
Chave
Nvel
Contedo
C1Sci31
0,34
0,83
0,01
Fundamentao Cientfica
C1Sci32
0,46
0,40
0,12
Fsica
C1Sci33
0,32
0,31
0,06
Fsica
C1Sci34
0,18
0,75
0,16
Biologia
C1Sci35
Ambiente
138
INTRODUO AO lATA
I 139
140
TABELA 8.4
Seo de Amostra para Um Arquivo de Dados de Um Item de Crdito Parcial
Nome
Chave
Nvel
Partes de discurso
1:1;2:2;3:3
PCltem001
PCltem001@1
0,61
-0,43
PCltemOO1@2
0,61
0,22
PCltemOO1@3
0,61
0,74
Contedo
1,2,3
Partes de discurso
2,3
Partes de discurso
Partes de discurso
INTRODUOAO lATA
I 141
Tabelas de Dados
Descrio
Respostas
Valores
Pontuao
Itens1'
Itens2
Itenslntegrados
ValoresPrprios
MatrizPadro
Nveis
ConstantesdeLigao
DadosdeMarcadordeLlvro
Uma lista ordenada de itens que possa ser usada para facilitar a
configurao padro ou a criao de definies para nveis de
desempenho
FDI_<especificaes>
142
TABELA 8.5
(continuao)
Tabelas de Dados
TesteComum<nome>
Descrio
Um conjunto de itens escolhidos para minimizar o erro de
medio sobre uma gama especfica de aptido, o <nome>
um valor especificado para cada usurio
a. A tabela de dados Itens' produzida pelo lATA aps uma anlise dos dados de resposta no apenas serve como
um arquivo de dados de banco de itens, como tambm gera vrias estatsticas adicionais. As estatsticas adicionais
so descritas em sees posteriores sobre anlise de dados de resposta. Elas descrevem o comportamento dos itens
em uma amostra especfica e so teis para orientar a anlise e a elaborao de testes, mas no precisam ser
Sempre que o lATA produz resultados de anlise para itens individuais, tambm apresenta um resumo de indicadores de "trfego de smbolo" que fornece uma ideia geral de como interpretar os resultados.
O lATA usa trs simbolos (ver Tabela 8.6). Os smbolos (circulo,
losango, tringulo) aparecem em cor na tela do computador.
INTRODUOAO lATA
I 143
TABELA 8.6
Smbolos de Trfego no lATA e o Seu Significado
Smbolo
Significado
<>
l1A.
DADOS DE AMOSTRA
144
INTRODUOAO lATA
145
Cada fluxo de trabalho reflete as necessidades de objetivos especficos que podem surgir no contexto de uma avaliao nacional. As
seguintes diretrizes relacionam-se com certas situaes associadas a
fluxos de trabalho:
Se um teste piloto tiver sido realizado e forem necessrias informaes detalhadas sobre o comportamento dos itens para determinar
o contedo do teste final, deve-se usar o fluxo de trabalho Response
data analysis.
Se for realizada uma coleta de dados para a primeira avaliao
nacional de uma srie planejada de avaliaes deve-se usar o fluxo
de trabalho Response data analysis.
Se estiverem sendo atribudas novas pontuaes de escala a uma
amostra de estudantes aos quais foi administrado o mesmo teste
utilizado em uma avaliao nacional anterior, deve ser usado o
fluxo de trabalho Response data analysis.
Se foi realizada uma avaliao nacional que compartilha
itens com uma avaliao anterior e desejada uma comparao dos resultados de ambas, deve ser usado o fluxo de trabalho
Response data analysis with linking ou o fluxo de trabalho
Linking item data.
146
Se o objetivo modificar um teste e preciso identificar os melliores itens para ficarem no novo teste de modo a manter a compatibilidade com o teste anterior, deve ser usado o fluxo de traballio
selecting optimal test items.
Se a avaliao nacional j foi realizada e se pretende interpretar os
resultados de um modo que sej a consistente com as expectativas
do curriculo em vez de simplesmente comparar estudantes uns
com os outros, deve-se usar o fluxo de trabalho Developing and
assigning performance standards.
Para realizar anlises com o lATA, deve-se selecionar um desses
fluxos de traballio a partir do menu principal. O menu principal
pode ser acessado clicando Maio Menu no canto inferior direito da
tela de seleo de idiomas e de registro que carrega junto com o
lATA (Figura 8.2). No preciso introduzir informaes nesta tela
Msm Menu
INTRODUO AO lATA
147
1:1
lATA
EXI!
148
TABELA 8.7
Tarefas do lATA e os Fluxos de Trabalho em que so Usadas
Fluxos de Trabalho
Tarefa
Anlise de
dados de
resposta
A
Anlise de
dados de
resposta
com ligao
B
Ligao
de dados
de item
C
Selecionar
itens de
teste ideais
D
Desenvolver/
atribuir
padres de
desempenho
E
Selecionar
itens de
teste ideais
D
Desenvolver/
atribuir
padres de
desempenho
E
Carregar dados
Configurar
especificaes de
anlise
Analisar itens de
teste
Analisar
dimensionalidade
do teste
Fluxos de Trabalho
Tarefa
Analisar
funcionamento
diferencial dos itens
Anlise de
dados de
resposta
A
Anlise de
dados de
resposta
com ligao
B
Ligao
Ligao
de dados
de item
C
Escalonamento de
resultados de teste
Selecionar itens de
teste ideais
Dar informaes
sobre o
desenvolvimento
de padres de
desempenho
Salvar resultados
INTRODUO AO lATA
I 149
INSTRUCTIONS
150
NOTAS
1. Essa exigncia em termos de formatao significa que as virgulas nunca
devem ser usadas como valores de chave de respostas.
2. Informaes adicionais sobre o lATA podem ser encontradas em http://
polymetrika.comlhome/IATA.
CAPiTULO
ANLISE DE DADOS
DA APLICAO DE
UM TESTE PILOTO
152
153
_.
-
""""'" ,, "
r~
], I""
,
"
,,
"
,
,, ""
""
o
""
"'"
I:o
lU"
, "
"
Pl.OTlSTOO
.
""
.."
""
"
""
"
,M"
=i.,,
I:,
,,
,,
,- '""'-
I"
,,
,,
,,
,,
,,
,
,,,
,,,
,
,
,
MATHC1019
"
,,
,o
,.o
,,
MATHC1027
154
155
156
,.
.....1lC1OS'
..... 1lCl~ 8
1lA1lC107t C
.....1lC1006 A
IlATlI:l00i
.....1lC\OU
.....1lC10lD
.....1lC\De
..... TlI:ll)(;?
..... TlI:10l1
A
S
9
o
A
,
,.,
,
,
,
157
~ .
MATHC10H C
MATHC1~
MATHC1~ 1 8
MATHC1078 C
MATHC1008 "
MATHC1009 "
MATHC1013 8
MATHC1020 8
MATHC1048
MATHC1052 "
MATHC1021
MATHC1023 8
<
_
.
........
......
MATHC1037 8
'w.mt>er I
........
.......
.......
.........
~.
_.
........
"""".
158
I 159
160
no lnIIjOI problamS
-_ __
... ...."'-
MATHC1037 056
MA.THC1G47 035
MA THC105f
o 56
MATHC10!S9 056
li'l
li'l
~
li'l
li'l
1<1
MATHC1078 044
MA THCl008
o 56
MATHC1009 049
MA.THC1013
O.~
MATHC1020 067
MA.THC1Of8 052
MATHC1052056
"
"
'"
'"
'"
"n
"
"n
....
'"
'"
"
,.,
'" '"
OS,"
OS.
os,
OS,
'"OS, OS'.
'"
>
'"
"
'"
,,,
'"
'"
"
Em seguida, clique no boto Analyze para realizar novamente a anlise com o conjunto reduzido de itens. (Os itens removidos
I 161
Estatsticas de Itens
As trs colunas direita do nome do item na Figura 9.5 contm
estatsticas clssicas de itens: o indice de discriminao do item
(Discr); a facilidade do item (PVal), por vezes tambm chamada de
dificuldade do item, apesar de os valores maiores indicarem um item
de teste mais fcil, bem como a correlao ponto bisserial (PBis) (ver,
por exemplo, Crocker e Algina 2006; Haladyna 2004). As ltimas trs
colunas, que podem estar ocultas e requerer que voc utilize a barra
de deslocamento na parte inferior da tabela, so estimativas dos parmetros da TRI: o parmetro de inclinao (a), o parmetro de localizao ou de limiar (b) e o parmetro de acerto casual (c).
De um modo geral, as estatsticas clssicas podem ser interpretadas
diretamente. A facilidade do item (pVal) varia entre O e 1 e descreve
a facilidade de um item para a amostra fornecida: um valor de O indica
que nenhum aluno respondeu corretamente; um valor de 1 indica
que todos os alunos responderam corretamente. O indice de discriminao e a correlao ponto bisserial disponibilizam medidas alternativas do mesmo relacionamento, que indica at que ponto as respostas
a cada item esto relacionadas com a pontuao geral do teste. O
valor deve ser maior do que 0,2 para ambas as estatsticas. Essas
diretrizes no devem ser consideradas absolutas, uma vez que os ndices so influenciados por outros fatores no relacionados com a discriminao de itens, como a preciso geral do teste. Por exemplo: a
facilidade do item tem tendncia a limitar o valor absoluto do ndice
de discriminao e da correlao ponto bisserial. Se a facilidade do
162
163
Anlise de Distratores
164
I 165
TABELA 9.1
Anlise de Distratores para os Dados MATHC1019, PILOT1
D*
Alto
900
0,0
14,1
23,9
14,1
47,9
Mdio
3,1
15,2
37,7
24,1
19,9
Baixo
8,6
14,3
42,9
22,9
11,4
Total
2,3
14,9
34,0
21,4
27,5
Grupo
166
Comparao de Itens
de
res-
posta (A, B, D), assim como o cdigo de resposta em falta (9), do que
os alunos com desempenho alto.
Em contraste com os dois itens j analisados, os itens com smbolos
triangulares de aviso so habitualmente itens fracos. Sua incluso no
teste pode produzir resultados enganosos ou pouco teis. O nmero
de itens fracos que aparece em testes piloto como este pode ser
--,-,...
MATHC1054 056
MATHC1D59 056
~
~
~-
MATHC1078 04-4
MATHC1DD8 056
MATHC1009 049
l<I
MATHC1013
MATHC1D20 067
O.~
l<I
MATHC1043 052
MATHC1D!12056
'"
".
0.<49
...."
TI
'" '"
'"
'"
"
,.,
'"
"
'" '"
'" '" "
'" '" "'-
"".
,,,
"
'"
,
'"
'"
",,-
'"
"
'"
167
_"_a' __ ""_
'"
'"
"
'"
'"
". '"
'"
".
MATHC1036 063
MATHC1004
5!J
ii:l
5!J
o ~5
MATHC1030 030
.
MATHC1038
on
MATHC102!i 067
".
'"
'"
'"
'" ".
".
.,
:,
A
"
:A
.
n,
'"
""
". '"
""
'" '"""
no
-."
,
.,.
'"
"'"
..
168
pontuaes dos testes. A incluso do item (e de outros itens problemticos) na anlise pode tambm reduzir a preciso das estimativas estatisticas para os restantes itens do teste, uma vez que as estatsticas e os
parmetros dos itens so analisados utilizando as pontuaes dos testes.
Os itens podem ser removidos da anlise clicando na caixa
esquerda do nome de cada item para desmarcar o item. Aps a remoo de um item, os resultados devem ser novamente calculados clicando em Analyze antes de se proceder remoo de outro item. A
remoo de um nico item afeta os resultados dos restantes. Se existirem muitos itens problemticos, remova apenas um de cada vez,
uma vez que os itens podem ser assinalados como problemticos ape-
100
..
Olli
0.31
OSO
13&
006
011
6d
OJl
07:'
057
GIJ
In
o,.;
Gol)
,...,
,~
:072 14141&
o
o
101
e
,.. ,
,
'"'9 ,.
,.,n ,,
050
051
,~
."
.."..
I 169
170
171
......11'." r
..
I
~
'"
'"
'"
* I
._1
.=
.~
172
...,.
."
:0
.. 1
00"
'"
'"
. !
.. JI&::~bI..-_---l
li
:o
..
..
'" "
..
"
I 173
174
I 175
176
thefe os
,.
~
,.
0 11
r
,
,.
u,
"
! ".
,.
, j
,. Th::::&~
'"
'"
I.,.
..
_ _- - l ,.
..
,..
....
'"
I 177
-_
. -."""""'.....
......"...-
1~ 1~
_llll
".
_11'1
1201
11 15
111'
1111
.,
.
lV~
,,~
,."
".
..'" ..".
..
IH'
,
,
..
.
i,.
178
179
nivel de aptido. A estatstica S-DIF indica que, em mdia, a probabilidade de resposta correta para os alunos do sexo feminino mais de
23 pontos percentuais superior dos alunos do sexo masculino com
aptido semelhante.
Com a anlise do FDI, as estatsticas e os valores tendem a ser
muito sensveis ao erro de amostragem, o que pode levar a que os
itens aparentem ter diferenas que podem no estar presentes na
MATHC1035
LA1AP-sle6/10
-_..-."""""'
..... ......"...-
'"
,....
o.
o
"
..
.
i,.
'"
"
180
__ 10_.'""""'. . . _._
..
.
.
--
.:,
_tO.o .... ,.,
...ii.:
'--.:~!!7.======"""
.
_ti _"
lO "
li "
, . lO
I 181
182
lV1!
".
-11.
""
".
".
"..
1211
"
I 183
184
lI'ICkKIIng IRT
I 185
Estatsticas Descritivas
186
9. Taxa de resposta
10. Confiabilidade
11. Nmero total de respondentes
12. Nmero de itens no teste
13. Nmero de itens includos na anlise
As oito primeiras estatsticas descrevem a distribuio das pontuaes estimadas. Utilize a barra de deslocamento direita da caixa de
estatsticas e valores na Figura 9.16 para ver as ltimas cinco colunas.
Essas estatsticas ajudam a determinar se as pontuaes de escala so
adequadas para vrias finalidades (por exemplo, para a anlise estatstica secundria ou para os relatrios por quantis). As ltimas cinco
estatsticas descrevem as condies em que a anlise foi realizada e
fornecem uma classificao holstica do teste, que deve ser verificada
para confirmar que a anlise foi realizada com os dados adequados e
de acordo com as especificaes corretas. A taxa de resposta descreve
o nmero mdio de respostas vlidas (no inclui as respostas em falta)
para cada item. A confiabilidade uma medida descritiva geral da
preciso mdia de um teste para uma amostra especifica de alunos. A
taxa de resposta e a confiabilidade variam entre O e 1 e devem ter o
valor mais alto possvel. O nmero total de itens includos na anlise
reflete o fato de que alguns itens devem ser eliminados da anlise se
forem considerados inadequados devido m formulao de frases,
uma vez que provocam confuso nos alunos ou apresentam outros
problemas tcnicos. Para este tutorial, o nmero de respondentes
262, o nmero de itens 80 e o nmero de itens aceitveis 79.
(O item MATIICI075 foi removido da anlise).
A interface de escalonamento mais til para a aplicao da avaliao final do que para a aplicao de testes piloto. Uma vez que a
amostra do teste piloto no ponderado no representativa, as distribuies de resultados no devem ser generalizadas para o desempenho da populao. Alm disso, uma vez que as pontuaes de testes
no sero relatadas, no existe a necessidade de gerar pontuaes derivadas de escala. Os resultados adicionais da interface de escalonamento no so relevantes para a anlise dos dados PILOTl. Clique
em Next para continuar para a tarefa seguinte.
187
188
. ~I-~-~;;!I_-===_~-, ..
---........ ,....."
'--
..
....--
-- --- ~ -
').0,,'
f.
"
":": I
.. I
'J
,;=:~,---':-.,--'.: --:---':---!...
189
dados dos itens. A tabela abaixo desses dados contm uma lista de
todos os itens calibrados da fonte de dados selecionada, assim como o
nvel de aptido (LeveI) e a rea de contedo (Content) associadas a
cada item. Apesar de os dois ltimos campos de dados serem habitualmente inseridos no lATA atravs de um arquivo de dados dos itens,
os dados podem tambm ser editados manual e diretamente na tabela.
O processo de seleo estatistica no necessita das especificaes
LeveI e Content, mas a existncia de informaes detalhadas sobre
cada item vai ajudar a otimizar a seleo de itens, ao mesmo tempo
que mantm a representao desejada do contedo. Clicar na caixa
esquerda do nome de um item fora o lATA a selecionar esse item,
independentemente das suas propriedades estatisticas.
Abaixo da tabela de itens, esto dois controles de deslocamento
que permitem especificar o intervalo de aptido dentro do qual se
deseja maximizar a preciso do teste. Os controles esto definidos de
modo a que o valor mnimo corresponda ao 2. 0 percentil de aptido e
o valor mximo corresponda ao 98. 0 percentil (o valor atualmente
selecionado apresentado direita de cada controle de deslocamento). possvel especificar um intervalo menor e maximizar as
informaes modificando os limites superior e inferior para refletir os
seus objetivos da avaliao. O lATA seleciona itens para minimizar o
erro padro mdio da medio no intervalo de aptido entre os limites inferior e superior, assumindo uma distribuio normal da aptido
na amostra de alunos a ser avaliada.
O principal objetivo da realizao de testes piloto de itens
determinar quais so os itens mais teis na aplicao final da avaliao nacional. Se a amostra piloto de alunos for identificada como
estando acima da aptido mdia, essa expetativa deve ser levada em
considerao quando da seleo dos itens. Tendo em mente que
deseja criar um teste final de 50 itens, insira as seguintes especificaes no lATA:
1. Na caixa Name of item selection, introduza 50Items (o nome
arbitrrio; o nome utilizado aqui para permitir a comparao
dos resultados produzidos com os resultados na pasta de dados de
amostra do lATA).
190
I 191
192
-....
--
,"
I" "."
"
.."
'
'
_.. ...
~'----,----:---:-~-_t_-_:
..
~
~
...
>.
de
tabela de dados para todos os fluxos de trabalho de anlise. Esses
193
,.
...
o~
'"
o.
".
.
'""
......
,
,
,
--......
194
arquivo de dados. O formato Excel tambm pode ser aberto com software
gratuito como, por exemplo, o OpenOffice (disponvel para transferncia em http://www.openoffice.org). No entanto, as verses mais antigas
do Excel esto l.imitadas a um nmero mximo de 255 variveis. O lATA
salva apenas as primeiras 255 variveis no arquivo *.xls, caso o arquivo de
dados tenha um nmero superior de variveis. Utilize os formatos *.sav
ou *.x1sx para salvar arquivos de dados com mais variveis. Os arquivos
SPSS tm a vantagem de poder armazenar tabelas de dados maiores de
forma eficiente, assim como metadados (se esses forem editados no
pacote de software SPSS). No entanto, o SPSS tem uma grande limitao: cada tabela de dados ser salva em um arquivo individual.
Uma janela de arquivo pedir para especificar o nome e a localizao
do arquivo para os resultados, assim como o formato de exportao.
Escolha o formato de dados desejado e clique em Save para salvar as
tabelas. 9 O arquivo final contm todos os resultados tabulares produzidos durante o fluxo de trabalho completo da anlise, constituindo a
documentao da anlise.
Para referncia, os resultados deste tutorial de anlise da tabela de
resultados Itemsl esto incluidos no arquivo ItemDataAllTests.x1s.
Foi dado o nome ReferencePI folha de trabalho que contm os
dados da tabela Iteml na anlise atual. Nos resultados salvos, os valores "True" e "False" na Coluna E (OK) indicam quais os itens includos
na anlise final. Nesses resultados, apenas o item MATHCI075 apresenta o valor "False".
Para uma verdadeira anlise do teste piloto (isto , uma anlise que
no utilize dados simulados), as tabelas de resultados e os grficos que
foram copiados e colados durante o fluxo de trabalho da anlise
devem ser fornecidos aos responsveis pelo desenvolvimento do teste,
que podem utilizar essas informaes para modific-lo, selecionando,
ordenando e adicionando itens, conforme necessrio, de modo a maximizar a preciso e a utilidade do formulrio de teste final.
NOTAS
1. Consulte a Tabela 8.6 para uma descrio dos smbolos e dos respectivos
significados.
I 195
REALIZAR UMA
ANLISE COMPLETA
DA ADMINISTRAO
DE DADOS DE UM
TESTE FINAL
198
199
MATHCI033
MATHC1074 B
MATHCI052 "
MATHC 1020 B
MATHC I OO9 "
MATHC1006 "
MAT HCI027 C
MATHC1059 B
MATHC 10S4
MAT HC1037 B
C
MATHC 1047 C
MATHC107&
MATHC1069 C
,
,
I,
,
,
,
,=
:
.........
........
........
........
.........
........
_
.
..........
.,...
200
Apesar de a anlise do FDI ter sido realizada nos dados do teste piloto,
boa prtica replicar as anlises com a amostra completa, porque os
resultados da anlise do FDI tendem a ser sensveis a erros de amostragem. Outras razes para fazer a anlise do FDI so que algumas
variveis podem estar disponveis na amostra completa e no na
amostra piloto e que a amostra providencia um nmero de casos mais
satisfatrio para a anlise do FDI.
Aqui, a anlise do FDI feita para examinar a possibilidade de
tendenciosidade urbana - se os alunos rurais esto em desvantagem
com relao aos seus homlogos urbanos. Para os dados CYCLEl, um
valor de 1 para esse indicador significa que um aluno frequenta uma
escola rural; um valor de O significa que um aluno frequenta uma
escola urbana. Para especificar essa anlise e rever os resultados, efetue
os seguintes passos:
1. Do menu suspenso do lado esquerdo, selecione a varivel Rural.
Em resposta, a tabela abaixo do menu suspenso ser preenchida
com os valores 0,00 e 1,00, com valores de 56% para 0,00 e 44%
201
'OF
." '"
-5
1~
...'"
." '"
-3
7~
..
I.
.
""
'"
'"
'"
".
'"
'"
202
PASSO 4: ESCALONAMENTO
203
204
205
#
#
informao
relativa
-4
---
-3
-2
,,
,,
-1
densidade de
distribuio
relativa
~""
aptido
1- informao do teste -
- - . distribuio normal
206
s.
Clique em Calculate.
'iH'h','[-&)
Dlstrlbulio Estmlsticas Resumidas para a Nova Pontu.pio d. Escala
(NAMscorel. D.dos CYCLE1
IATAhge7/10
207
208
~~~i:~':'.:-:"=
..
'--::A":'::::::::.".
I=- :- I
----
,,.
11
_'o
,
., ,
."I
" .."I
-----..
.. ---:----:----;----!"
,
....
'
OI
.~ --:.:-~
I 209
seria comear com os itens mais desejados e alocar itens s clulas das
novas especificaes de teste de acordo com o seu contedo e nveis
cognitivos at o nmero desejado ser atingido em cada clula ou at a
lista de itens ser esgotada.
Assim que o lATA tiver completado essa anlise, clique em Next
para continuar.
As avaliaes mais contemporneas reportam os resultados em termos de nveis. Avaliaes internacionais tais como Estudo Internacional
de Progresso na Compreenso de (PIRLS), Programa de Avaliao
Internacional de Alunos (PISA), e Tendncias Internacionais no
Estudo da Matemtica e das Cincias (TIMSS), assim como muitas
avaliaes nacionais, tais como a Avaliao Nacional do Progresso
Educacional nos E.U.A. ("National Assessment of Educational
Progress", NAEP pela sua sigla em ingls), reportam os resultados de
desempenho dos alunos em termos de desempenho ou nveis de referncia (vd. Greaney e Kellaghan 2008; Kellaghan, Greaney, e Murray
2009). O TIMSS, por exemplo, usa quatro nveis de referncia: baixo,
intermdio, alto, e avanado (Martin, Mullis, e Foy 2008). Os padres
de desempenho devem ser limiares estatisticos significativos em vez
de arbitrrios, tais como percentis, porque so a principal ferramenta
usada para resumir e reportar o desempenho dos alunos. O processo
de definir padres de desempenho significativos conhecido por
normalizao.
O lATA facilita os procedimentos de normalizao especificando
primeiro as probabilidades de resposta (PRs) em termos de resposta
correta para cada item, e depois calculando os nveis de aptido (valores de PR) associados PR especificada. Por exemplo, se uma PR for
estabelecida em 50%, o valor de PR para um item seria o nvel de
aptido associado a 50% de hipteses de responder corretamente.
Uma grande variedade de PRs, tipicamente variando de 50% a 80%,
usada em avaliaes de grande escala. Uma prtica comum usar
67%, o que tende a ser estatisticamente ideal para classificar itens. No
entanto, a escolha de PR tambm deve ser instruda por definies
210
211
...
1::::
-- :,
- - ;:=='-~-..."--,-.----,,
".
.. ,
.....TlC!(lll 2
,:
.....TlCI(I7. 2
: :
o,.
O"
:: f
.....nclOSl l
..
.....THCnu(l l
.....nclOO9 l
,...,..
~cd:LLWJ.Lillh:~ '
.,
-:
o
..... ncUXI6 l
..... nc!1Xn
.....TK10500 ,
.....ncTCl1.
w.nc:!07t
.....
TK!0I1 ,
-i~~~
W.llJ:lle 2
.~
,~
212
213
,.,'"... ,.,.
. ,.
,. "
.a
..... 1ffC1011 2
..
r"'' ' .,,.. ,."
..... HlCll15.2 ]
..... lltCl020 ]
MAlltClU _
..... lltCl11V
MAlltC11159
MAllfC111501
..... IItCUD1
..... IHC111n I
""'T1tC11117
fzlHC105l1 2
MATltCll11l 2
<
071
09!l
'"
o.
o.
o.
o
o.
o.
o.
,.
,. '",.'"
o.
'" ...
'" ,. o.
>
'U
p.t.,_el_
EJ
__ o
...
....
...- ,
..U..
--
."
., '
o..
~,
.~
.,
.,
.~
.m
214
-~_
... _.
....
o.
o..
IlATHC111'1
~77
lIATHC 11167
o70
IlATHC10ll1l77
"O
,~
1(1501
IlATHC107. US
,~
IlATHC1~ 0~1
'"o.
IlATHC11l'J
O~
llATH:.ll1/a O!>l
IlATHC1111S
O~
IlATHC1/W n5'
llATH:.l0l10A
IATAP~1 0f 10
o.
,.
'",.
o.
o.
o
o
o.
o.
o.
o.
o.
o.
o.
o.
o.
o.
,
,
12
,
,
_o
_o
_o
_o
_o
o_o
_o
_o
_o
_o
_o
_o
_o
_o
..,.'"
".
'"
1 ,.
o.v
,.
'"
O"
,.
05
I 215
Uma combinao de discusso de grupo e mdia estatstica tipicamente usada para combinar os limiares produzidos por diferentes
revisores para produzir os limiares finais, mesmo que esses no sejam
estatisticamente ideais. Para o desenvolvimento de descries qualitativas de cada nvel de aptido, os itens so classificados pelos limiares
finais.
Muitos tipos de informao, incluindo especificaes de item, referncias de currculo, e definies normativas sobre o que os alunos
sabem e podem fazer em cada nvel de aptido, devem ser disponibilizados simultaneamente ao painel responsvel pela normalizao. O
painel deve conciliar as diferentes fontes de informao para determinar o que mais til em termos de pontos de corte e atribuio dos
itens de teste aos nveis. A seu critrio, os membros do painel podem
decidir usar classificaes de item definidas antecipadamente pelos
elaboradores de item em vez de reclassificar os itens com base nos
resultados do procedimento de marcador de livro. Em ambos os casos,
os limiares calculados pelo lATA representam os limiares estatisticamente ideais para as classificaes de item especificadas. Para gerar
limiares estatisticamente ideais, basta ajustar a PR percentagem
desejada, e o lATA far automaticamente o clculo, usando a PR e a
classificao de nivel de item e gravar os resultados na tabela PNveis
no conjunto de resultados da anlise. Por padro, a no ser que o usurio insira manualmente os valores na tabela, o lATA grava os limiares
correspondendo a uma PR de 67%. Observe que o lATA no atualiza
automaticamente o nvel no qual um item foi incluido; se um procedimento de marcador de livro ou outro procedimento de classificao
de item modificar a classificao de um item, o novo nivel de classificao deve ser inserido nos dados de "input" do item ou diretamente
no lATA.
possvel alterar manualmente o nvel de limiar editando os limiares diretamente na tabela de resultados. Aps os valores serem alterados, o grfico automaticamente atualizado. Os ajustes mais comuns
incluem pr os limiares igualmente espaados ou atribuir limiares que,
aps a aplicao de constantes de escala, ocorrero em incrementos
inteiros (por exemplo, 5 ou 10). Deve haver bom senso profissional ao
conciliar os dados da anlise estatstica e de contedo com a necessidade de comunicar resultados a no especialistas. A simplicidade deve
216
217
-- - ,*
1::::
-:
-" r==""-~T,
-,-.--,---,----"."
.-
o~
N111lC!(I7' 2
O"
:: f
NIITJ.C IC52 3
NIITIC IIl2(I l
N111lC TC09 l
N111lC!1X11
.....TK1050t ,
NIITKI07t
N111lC TCl1 ,
.....TK10H'
NIITK11e 2
..
~odl.J.JUJW.WJ:b......:::1
'
..
.,
o
_~~~~
.~
218
Na interface para ver e gravar os resultados, possvel ver os resultados produzidos pela descrio passo a passo do presente exemplo.
Todas as tabelas devem ser gravadas, tanto para a documentao do
projeto como para a facilitao da ligao do teste com subsequentes
ciclos de dados. Para referncia, os resultados dos dados de item desta
anlise detalhada esto includos no arquivo ltemDataAllTests.xls, na
folha de trabalho denominada ReferenceCl.
NOTA
1. A tabela ltem2 tambm est disponvel para fluxos de trabalho de anlise
que usam ligaes.
ANLISE DOS
CADERNOS DE
PROVA ROTATIVOS
220
221
Em Select 10 (optional), selecione PILOT2STDIO. Nas especificaes SpecifY rnissing treatment (optional) dos exemplos anteriores, a
caixa na coluna com o nome Incorrect foi apenas marcada quando os
dados estavam em falta. Devido ao modelo de cadernos de prova rotativos, deve ser incluido um cdigo de omisso na tabela SpecifY missing treatment (optional), de forma a indicar que algumas respostas
no devem ser incluidas na pontuao. Marque o valor 7 na coluna
Do Not Score, conforme apresentado na figura 11.2. Sempre que o
valor 7 encontrado nos dados de resposta de um aluno especifico,
,
,
,
222
anteriores, uma vez que o tempo de processamento mais influenciado pelo nmero de itens do teste do que pelo nmero de alunos.
. ......
.m
"
."
,".
..
"
,.12
J~;I
, .cI~ ,GO
.11 100
.."
.P
~7
l I'
I 223
a alcanar uma probabilidade de 0,61 de fornecerem a resposta correta, independentemente do nvel de aptido. O lATA sugere que essa
fragilidade pode estar relacionada com requisitos enganadores, que
esto normalmente associados ao funcionamento incorreto dos distratores. Os alunos tendem a tentar adivinhar a resposta quando no
compreendem os requisitos de um item ou quando no existe uma
resposta inequivocamente correta. A direita da interface, a tabela de
anlise de distratores apresenta os dados subjacentes a esse resumo,
que indicam que a opo D o nico distrator que provoca o comportamento desejado. (A coluna vazia com o nome Omit no cabealho
serve para relembrar que no foi permitido que o cdigo 7 influenciasse a estimativa.) De modo a evitar que o item MATHC2003 possa
reduzir a preciso dos resultados da anlise, remova a marca de verificao junto ao nome do item na coluna Use e clique em Analyze para
atualizar os resultados.
Depois de examinar os resultados da anlise, faa a replicao das
anlises demonstradas nos captulos anteriores. As especificaes e a
interpretao das tarefas restantes do fluxo de trabalho so muito
semelhantes s que foram apresentadas nos tutoriais anteriores.
Se a aplicao do teste utiliza vrios cadernos que contm conjuntos diferentes de itens, o lATA pode realizar a anlise dimensional
apenas no caso de os diferentes cadernos partilharem um nmero suficiente de itens. Por exemplo, com trs blocos de itens de teste (A, B, C)
e trs formulrios de teste (1, 2, 3), o formulrio de teste 1 deve conter
os blocos AIB; o formulrio de teste 2 deve conter os blocos B/C; e o
formulrio de teste 3 deve conter os blocos C/A. Como os blocos
so completamente rotativos, nenhum item deixado rfo. Por outro
lado, caso o formulrio de teste 1 contenha o bloco AIB e o formulrio
de teste 2 contenha o bloco B/C, o bloco C fica rfo do bloco A e, por
isso, as correlaes entre os itens do bloco A e do bloco C no podem
ser estimadas. Se existirem blocos de itens rfos e desejar realizar
uma anlise dimensional, preciso eliminar os itens rfos da anlise
ou realizar a anlise dimensional em cada formulrio de teste individualmente. No entanto, assim que dados suficientes confirmarem que
um conjunto de itens est avaliando uma nica dimenso, deve-se
incluir todos os itens da anlise no clculo das estimativas para os
parmetros e pontuaes da teoria de resposta ao item.
224
ANLISE DE ITENS DE
CRDITO PARCIAL
226
W.l~l'1
.~
w.'~"
....lHCl'017 ..
.~
.... ncl_ ..
.~
.~
.... ',.l017
.~
~~.
.~
W.l>Oo11O
.~
.... 'HC201l C
.... '1C2III1 C
.~
~~,
.~
w.nc'O:II
....,~! .
.... ncs.oaJ' . 'I2US
....r . - 11;22.33
. ~
.~
.~
.~
,~
,~
.-.-..----
---
--~
227
Dados PIL0T2
Wl IIICl'05:>
WI ~'A
~ ~o
&.\IITltC1017
""' I~O
... n.:::2C1I
"" _10
C
...TltC1(1ll) 111
... lIC1m:l A
... 11tQI;I:D A
~ ~o
~ ~o
... 1ttC!013
~~
""' TltC111
,,
,,
,,
,,
----------
Cf
D
Lf
Cf
228
'H'','fi'
R....II.dos d. An..... d. Item, Dodos PIL0T2, MATHC2003
~_
-=~
o.
O"
..
o.
H'
,.
o.
o. '"
o. O" o.
o~
0.'1 0.41 o. <"
o o o.
'" n
o. o.
o. o. '"
o. '"
o. '"
ou ou o. o. o.
o. o~ O"
o~
,<
,
,
,.
'"
'.
... __ .,..._a-.
o~
o~
o~
o~
o~
o~
=
'"
..".
...
229
031
'"
O"
O"
O.
lJl!i
012 -20'/
~,
0'
0*
O.
O"
O
,. ,.
,.u,
,~
e~
0(11
O"
..
",
m
'"
~,
~,
'H
...
O,.~
OU
qual a
230
I 231
COMPARAR
AVALIAES
CYCLE2.
Os itens comuns so usados para ligar a teoria de resposta ao item
(TRI) e escalas pblicas de relatrio dos dados CYCLE2 s respectivas escalas usadas nos dados CYCLEl. Os resultados ligados so
utilizados para o escalonamento dos valores e aplicao dos padres
de desempenho.
Os governos e outros atores esto sempre interessados em determinar se os nveis de desempenho dos alunos subiram, caram, ou
233
234
COMPARARAVALlAOES
235
O fluxo de trabalho comea com os mesmos passos iniciais de carregamento de dados que a anlise de dados de resposta.
l. Na primeira interface no fluxo de trabalho, carregue os dados de
resposta do arquivo denominado CYCLE2.x1s na pasta de dados
de amostra da Anlise de Item e de Teste (lATA). Esses dados
incluem 2.484 registros e 61 variveis. O primeiro caso tem os
seguintes valores: SchoolID = 2; Sex = 2; SchoolSize = 21; e
Rural = O. Clique em Next .
236
COMPARARAVALlAOES
237
- . - ,....
gifiN'
w.1l'IC1tW16 A
IoI.\.T1<lIm c
.....Tl4C101l1 ...
II,.\.THC10C1j A
.....THC101l B
W.TK::l 01' A
illATHC 1015 D
AA1'IIC10n D
II,.I.THC1017 C
II,\,TH101 ' D
IlATHC1020
ICATHCU12' D
,,
,
,
,
_w
.... n
.... n, ,
_w
---......
,.'"
- .,.,'"."
,.,.'"'"
--.
_w
.... n'
.... n'
.. .
o..
OQ
o
o.
o
o.
O"
o.
O"
O"
O"
O.
,.,.,'"
,.
,.'"
..,.
'"
,.
,~
on
on
o.
o.
o.
,.
'"
o
o.
o.
o.
o.
O"
'"
'"
,a
..,.,.
.n
'"
,.
'"
o.
o.
o.
o.
o.
o.
o.
o.
o.
o.
o.
o.
o.
o
,.-.
,.
'"
,.
,.
,.,
...
'U
,.
'"
,.
'"
."
238
problemticos nos dados. Ao rever cada um dos itens, note que, apesar
..""
.,
.,
.,y
.7
"'
"'
'"
.7
.."'"
COMPARARAVALlAOES
I 239
pIO"
CYCLE1
lATA Page 8/ 12
1:-.: r; I
" r--------~--~----~---=~~ 01
011
..1
"J
~.
oe
01
05
~ 0.5
"DO
OJ ~
O.
OJ
~2
01
DI
.,
DO
240
COMPARAR AVALlAOES
I 241
242
8/12
.....
tI!!]'"'c-' MATHC1020
I<l
I<l
I<l
I<l
I<l
i;,]
I<l
I<l
I<l
I<l
~ MATHC1051
10
I<l
l<J
Updat~
de erro no problemtico.
No caso de as diferenas entre as FRIs alvo e de ligao serem suficientemente grandes para serem problemticas (por exemplo, se
forem consistentemente superiores a 0,05 em uma vasta gama de
aptido), o item "ofensivo" deve ser removido desmarcando a caixa ao
COMPARAR AVALlAOES
243
representao de contedo entre as duas avaliaes. Se a anlise estatistica dos resultados sugerir que alguns itens devem ser removidos da
ligao, a recomendao deve ser levada ateno do comit diretor
da avaliao nacional antes de ser tomada uma deciso. Quanto menos
itens forem comuns entre as duas avaliaes a serem ligadas, mais
fraca ser a ligao. Os resultados indicam uma ligao muito estvel
no caso da amostra atual. Consequentemente, a equipe de avaliao
nacional pode estar certa de que o teste usado na avaliao atual
(CYCLE2) apropriado para monitorar as alteraes nos nveis de
desempenho dos alunos desde a avaliao nacional anterior.
Dois controles alm das constantes de ligao - um menu suspenso e um boto chamado Update - permitem-nos aplicar as constantes de ligao diretamente aos resultados da anlise atual. Consulte
os resultados da anlise na interface final (Pgina 12/12 do lATA) do
fluxo de trabalho da anlise. Para aplicar as constantes aos parmetros de item nos resultados atuais (Pgina 8/12 do lATA), execute os
seguintes passos:
1. Selecione Itemsl no menu suspenso em baixo.
2. Clique em Update. O lATA adicionar os parmetros de itens
ligados, cuja escala representa agora a escala estabelecida pelos
parmetros de item CYCLEl, tabela ltemsl nos resultados da
anlise. Os parmetros de itens ligados so identificados como
a_link e b_link. O lATA indica quando os resultados tiverem sido
atualizados.
Para atualizar os valores estimados da TRI nos resultados atuais,
executar os seguintes passos:
1. Selecione Scored do menu suspenso.
2. Clique em Update. O lATA adicionar uma varivel de resultado,
identificada como LinkedScore, tabela Scored nos resultados da
anlise. Este valor exprimido na escala estabelecida pelos
parmetros de item CYCLEl.
Aps atualizar os resultados de Itemsl e Scored, clique em Next
para continuar.
244
COMPARARAVALlAOES
245
9/12
l!IIso prod\lC6s $eY6rIII $cale S(:(lfes, ncIuding IAT seaIe soores, percende rank, l'IOIfI\aI
(ZScore$l . $1lIndard:ed peroenlllge $001"" (RlIwZS<:lor&5) , anel RT True Soo<es,
M,..,Meoo
246
COMPARARAVALlAOES
247
Nvel 4: 0,95
Nvel 3: 0,35
Nvel 2: -0,25
Nvell: -0,85
.....TH;\~
W,TK11M
.....TlC2IlI5
.....TtC2Q2!I
248
NOTAS
1. Para resultados mais interessantes com maior erro, replique essa anlise
com os resultados PILOTl e PILOT2 como um exercicio independente; no
esquea que, para atingir o objetivo de minimizar os erros nas ligaes, os
testes ligados devem ter um nmero suficiente de itens ncora e tamanhos de
amostra suficientes para produzir estatisticas precisas.
2. Se tiver dados de resposta de ambas as avaliaes, pode realizar uma
anlise mais sensvel analisando o FDI no fluxo de trabalho Response data
analysis nos arquivos de dados de resposta combinada, usando o identificador
da fonte de dados como varivel FDI. Os valores da TRI produzidos sero
automaticamente ligados, mas no sero interpretveis na escala de nenhum
dos testes a no ser que os parmetros de item sejam ancorados.
3. Uma exceo acontece apenas com itens muito discriminadores. Grandes
diferenas (por exemplo, quando a linha de erro superior a 0,05) entre as
FRls indicam tipicamente problemas. Se essas diferenas ocorrerem apenas
em uma pequena amplitude de aptido (por exemplo, em uma gama inferior
a 0,4 pontos de aptido - duas marcas no eixo dos xx do grfico por omisso),
no vo afetar negativamente a qualidade da ligao.
MTODOS
ESPECIALIZADOS
EM lATA
250
dados de resposta dos alunos de uma avaliao subsequente que contm muitos itens comuns a ambas as avaliaes.
Como as principais interfaces do lATA usadas para acessar essas
funes j foram descritas em captulos anteriores, este captulo
concentra-se em passos especficos de cada um dos tpicos seguintes,
em vez de oferecer descries passo a passo completas.
251
252
253
itens. Inversamente, remover muitos itens pode melhorar o clculo estatistico, mas pode reduzir a validade global da ligao.
Aplicar as constantes de ligao aos parmetros de item e resultados dos testes. Para este exemplo, as constantes de localizao e
escala estimadas usando o conjunto completo de itens comuns
so 0,106 e 0,988, respectivamente. Essas constantes de escala
podem ser usadas para converter um valor da TRI da avaliao
CYCLE2 para a escala dos valores da TRI da avaliao CYCLEl
multiplicando o valor da TRI CYCLE2 por 0,988 e adicionando
0,106. Essas constantes de ligao indicam que os resultados dos
testes CYCLE2 so ligeiramente menos variados e tambm ligeiramente mais elevados, em mdia, do que os resultados CYCLEl.
Clicar em Next.
5. Notar que os parmetros de ligao a e b para MATHCI008 so
0,58 e 0,20, respectivamente. Os parmetros de ligao descrevem
o comportamento estatistico de cada item CYCLE2 na escala
CYCLEl. Esta informao pode ser til se uma equipe de avaliao nacional quiser fazer um processo de normalizao ou desenvolver um novo teste usando o conjunto combinado de itens. As
prximas sees deste captulo discutem como executar essas
duas funes usando apenas dados de item. Gravar os resultados
da anlise (Pgina 5/5 do lATA).
254
255
populao de alunos na nova avaliao nacional seja significativamente diferente da avaliao anterior, os limites superior e
inferior podem ser ajustados para minimizar a incluso de itens
desnecessariamente fceis ou difceis. Por exemplo, se voc
espera que a nova populao de alunos tenha uma aptido muito
maior do que a populao original, ajuste o limiar inferior para
cima, para um valor, x, superior a 2, para refletir que o aluno
com o pior desempenho na nova populao pode ter um resultado equivalente ao desempenho de um aluno na categoria de
percentil x da populao original. Fazer isso reduzir as hipteses de selecionar itens inadequadamente fceis para a nova populao. Inserir um titulo como Ancltems50 (para Itens ncora)
na caixa Name of item selection e 50 para o nmero total de
itens. Clicar em Select Items. O lATA produzir uma tabela de
nvel de contedo X para os 50 itens (Pgina 2/3 do lATA).
Clicar em Next. Note-se que (Pgina 3/3 do lATA, ilustrado
na figura 14.1) MATHCI029 tem os seguintes valores: a = 1,33,
b = 0,17, Levei = 4 e Key = D.
o~
.~
o~
.. 1oM1ICKDI 017
ou
o~
.~
o~
o~
o~
.... TlC'04S
oa
""l ....TI1CIOiO
O.
o71
.. ",,'HlCIOOI 071
.... 1l1C lO3S
...
o~
.~
o~
o.
o~
,
,
,,
o~
o~
04
O~
o.
o
.~
O.
o~
ov
.~
,o
,
-----'
,
,
----'
-,
,
__ o
,
,
.~
--'
--'
256
257
258
259
260
261
mltipla escolha e todos os itens de resposta curta. Em vez de recalcular novos parmetros e constantes de ligao, o comit decidiu usar
os parmetros de item CYCLE2 para ancorar as estimativas de parmetros de item para os novos itens.
Para fazer a anlise com itens ancorados, complete os seguintes
passos.
1. Selecionar o fluxo de trabalho Response data analysis do menu
principal.
2. Carregar os dados de resposta dos alunos CYCLE3.xls (contendo
2.539 registros e 61 variveis) da pasta de dados de amostra do
lATA (pgina 1/10 do lATA). Verificar que o primeiro aluno listado no arquivo de dados tem os seguintes valores: SCHOOLID =
30, Sex = 2, SchoolSize = 21, MATHC2047 = C. Clicar em Next.
3. Carregar o arquivo ltemDataAllTests.xls, e selecionar a tabela
CYCLE3 como dados de item (Pgina 2/10 do lATA). A tabela
contm 53 registros e sete variveis. Note que MATHC2047, um
item de conhecimento numrico, tem valores de 0,80 e -0,75
para os parmetros a e b, respectivamente. Ao contrrio dos arquivos de dados usados em anlises anteriores, os valores dos parmetros a e b esto presentes para alguns itens, mas no todos,
conforme ilustrado na figura 14.2. Os parmetros de item que
tm valores atribudos so os parmetros de item ancorados. Esses
valores foram produzidos durante a anlise dos dados CYCLE2 e
foram ligados escala original estabelecida para a avaliao
CYCLEl. Foram atribudos novos parmetros de item calculados
a partir dos dados de resposta a diversos itens com chaves de respostas especificadas que no tm parmetros de item (tal como
MATHC2069). Como os parmetros ancorados j estavam ligados escala CYCLEl na anlise anterior, os parmetros recentemente estimados na anlise atual dos dados CYCLE3 tambm
foram ligados escala CYCLEl. Clicar em Next para avanar
para as especificaes da anlise.
4. Definir a varivel de identificao como CYCLE3STDID, a
varivel de ponderao como CYCLE3Weight, e assinalar o valor
9 como incorreto (Pgina 3/10 do lATA). Note que os valores
262
,~
,~
,~
_ne.oel D
,~
....T~1I I
,~
*~,
,~
_ neUDO,
_''''::'0112 ..
,~
,~
..... >C20:!3 ..
,~
.... l'HC11137 B
....lHC:2OIl7 e
.... n<C'o&< D
.~
....oc,_ B
_,1<QO.5 ..
*~.
*~,
.~
.~
.~
.~
,~
,~
---..
-.---
,,..
~n.l'<
~n,12
--
,,,,.~
,",
._.
.o_SS,_,
,~
,~
,~
.o_'~'2'~""
,~
,~
0_'_'1&"
0'_71n7 _
0,s"._2t.
__
.oDl"~'
.oe_.
ODol.......:l'71_
,~
,~
,~
,~
.~
.~
O,!o,)I1~'?'4l'>"MaIIf
,~
O_,nM
.~
O~~_
.~
,~
,~
263
o.
on o.
o. o.
O" o.
o.
ou
o. ..o
o.. o.
o. o.
O" o.
o
o.
o.
o.
.., '"
o.o.
n,
,. o.
o. o.,
o,
o. ou
O"
O"
o o.
o ou
o. ..,
o.
o.
..
""
"
'"
.,
.,
264
"2: 1;3:2"). No entanto, neste exemplo, manter o esquema de classificao existente no tem desvantagens, porque o lATA ajustou
o clculo de valores para refletir a baixa aptido associada ao valor
de crdito parcial de 1.
6. A Pgina 5110 do lATA e a Pgina 6110 do lATA, que fazem
anlises de dimensionalidade de teste e de funcionamento diferencial dos itens, podem ser saltadas; ambas as tarefas so idnticas a outras feitas em descries passo a passo anteriores. Clicar
em Next.
7. Como os resultados so automaticamente ligados escala
CYCLE1, a mdia e desvio padro de IRTscore (pgina 7110 do
lATA) dos dados CYCLE3 podem desviar-se significativamente
de O e 1 na amostra atual (neste caso, mdia = 0,02, desvio
padro = 1,04). Uma considerao importante para definir a
escala dos resultados que usam parmetros de item ancorados
que como os valores da TRI esto ancorados aos parmetros ligados CYCLE2, tem de usar a opo Rescale para produzir valores
de escala, especificando os valores de mdia e desvio padro usados ao estabelecer a escala NAMscore em CYCLE1. Inserir
NAMscore e os valores originais para o desvio padro (100) e a
mdia (500). Clicar em Calculate. Os valores da mdia e do desvio padro na nova escala para NAMScore so 501,71 e 103,96,
respectivamente. Clicar em Next.
I 265
NOTA
1. Carregar esses dados opcional, porque o clculo da ligao estatstica
requer apenas parmetros de item. Se no carregar os valores da TRl nessa
altura, aplique os resultados da ligao usando um pacote de software diferente
(tal como SPSS [Pacote Estatstico para as Cincias Sociais1ou Excel).
RESUMO DOS
TUTORIAIS DO lATA
o
o
o
o
267
268
I 269
ANEXO
TEORIA DE RESPOSTA
AO ITEM
272
I 273
274
0,30
0,25
0,20
ou
li
;g
:a
.!o
0,15
a.
0,10
0,05
O
-3
-2
-1
O
aptido
1- incorretos - - - -
corretos
I 275
1,6
.'
1,4
1,2
:2
:s
ou
1,0
til
til
0,8
.a
a. 0,6
0,4
0,2
-3
-2
-1
,,
,,
aptido
1- incorretos - - - - , corretos
276
-- ---
1,0
0,9
0,8
ou
0,7
li
0,6
:a
0,5
;g
.!o
0,4
a. 0,3
0,2
0,1
-3
-2
-1
aptido
-
sobreposio das distribuies, o que indica que, em termos da aptido, os respondentes corretos so completamente distintos dos respondentes incorretos.
Na prtica, extremamente raro os respondentes corretos serem
completamente distintos dos respondentes incorretos. Habitualmente,
existe uma vasta regio de aptido em que as duas distribuies se
sobrepem. Uma transio suave ocorre quando os alunos com uma
aptido em crescimento reduzem a probabilidade de serem identificados como membros da distribuio incorreta e aumentam a probabilidade de serem membros da distribuio correta. Essa transio
ilustrada na figura ILA.3 para um item com uma facilidade de 0,60
(que indica que a distribuio para os respondentes corretos maior
do que para os respondentes incorretos) e uma aptido mdia de 0,40
para os respondentes corretos. A linha tracejada curva, tambm
conhecida como a funo de resposta ao item (FRI), descreve o tamanho da distribuio dos respondentes corretos em relao ao tamanho
da distribuio dos respondentes incorretos.
277
Em outras palavras, em regies da aptido em que a altura da distribuio correta menor do que a altura da distribuio incorreta, a
FRI inferior a 0,5; na situao inversa, o valor superior a 0,5. A
transio de correto para incorreto marcada por um limiar (a linha
tracejada vertical na figura 1I.A.3) que corresponde ao ponto em que
a distribuio dos respondentes incorretos intercepta a distribuio
dos respondentes corretos.
A FRI pode ser interpretada como a probabilidade de que um respondente com um determinado nvel de aptido v pertencer ao
grupo dos respondentes corretos. Os valores exatos da FRI podem ser
calculados dividindo a probabilidade da distribuio dos respondentes corretos pela soma das probabilidades de ambas as distribuies.
Por exemplo, em um valor de aptido de -I, o valor da probabilidade
de respondentes corretos de aproximadamente 0,06 e o valor para
os respondentes incorretos de aproximadamente 0,15; 0,06/(0,06 +
0,15) = 0,29. Uma vez que a proporo de respondentes incorretos
o inverso da proporo de respondentes incorretos e a aptido mdia
dos respondentes incorretos pode ser calculada a partir da aptido
mdia dos respondentes corretos O que a mdia geral igual a O), a
FRI ento uma funo da facilidade dos itens e da aptido mdia dos
respondentes corretos.
Uma FRI pode ser descrita utilizando um modelo estatistico com
trs parmetros, a, b e c:
P(u
= I) = c + (I -
278
a=- (.u:""'" I
= 1-(p'
I 279
dessa estatistica deve ser feita pela aproximao da assntota inferior da funo de resposta ao item emprica). Tenha em mente que
se o parmetro c estiver restrito de modo a ser igual a zero (que
a prtica recomendada para a grande maioria das situaes de avaliao), no necessrio fazer a estimativa do qcorrotw;.
As novas estimativas dos parmetros so utilizadas em cada ciclo
de estimativas para a produo de funes de aptido atualizadas para
cada aluno, utilizando os mtodos descritos por Baker e K.i.m (2004).
Apesar de o algoritmo ainda necessitar de muitos ciclos iterativos para
produzir as estimativas finais, a robustez das equaes obtidas anteriormente no passo da estimativa dos parmetros reduz significativamente o tempo de processamento e aumenta a estabilidade das
estimativas.
NOTA
1. Na TRI, a aptido dos alunos descrita em uma escala (muitas vezes
conhecida como teta) semelhante a uma escala de pontuao Z: O nvel
mdio de aptido terica O e o desvio padro 1. Habitualmente, a maioria
dos alunos alcana pontuaes entre -2 e 2 e menos de um em cada mil
alunos vai alcanar pontuaes inferiores a -3 (ou superiores a 3).
REFERNCIAS
282
4-12.
Kellaghan, T., e V Greaney. 2001. UsngAssessment to Improve the Quality of
Education. Paris: Organizao das Naes Unidas para a Educao, Cincia e
Cultura, Instituto Internacional para o Planeamento da Educao.
Kellaghan, T., V Greaney, e T. S. Murray. 2009. O Uso dos Resultados da
Avaliao do Desempenho Educacional. Washington, DC: Banco Mundial.
Lord, F. M., e M. R. Novick. 1968. Statistical Theories ofMental Test Scores.
Reading, MA: Addison-Wesley.
Martin, M. O., r. V S. Mullis, e P. Foy (com 1. F. Olson, E. Erberber, C.
Prewschoff e 1. Galia). 2008. TIMSS 2007 International Science Report:
REFER~NCIAS
I 283
the Fourth and Eighth Grades. Chestnut HiIl, MA: TIMSS & PIRLS
Intemational Study Center, Boston College.
Mislevy, R. 1. 1992. Linking EducationalAssessments: Concepts, Issues, Methods,
and Prospects. Princeton, NJ: Educational Testing Service.
Mitzel, H. c., D. M. Lewis, R. 1. Patz, e D. R. Green. 2001. "The Bookmark
Procedure: Psychological Perspectives." Em Setting Performance Standards:
Concepts, Methods, and Perspectives, editado por G. 1. Cizek, 249-81. Mahwah,
NJ: Lawrence Erlbaum Associates.
OCDE (Organizao para a Cooperao e Desenvolvimento Econmico).
2007.