Este documento apresenta os resultados de uma análise estatística descritiva e fatorial de dados coletados de 285 estudantes da Universidade Rovuma sobre suas percepções das aulas online durante a pandemia. A análise descritiva mostra que a maioria dos estudantes são do sexo masculino, cursam o 2o ano e pertencem à faculdade de ciências naturais. A análise fatorial identificou dois principais fatores que influenciam as percepções: acesso à internet e metodologias de ensino online.
2. HeltonHilário TomásNahota
2
Análise Descritiva
Análise Factorial de Componentes Principais
Licenciatura em ensino de matemática com habilitações em estatística. 4º Ano
Trabalho de carácter avaliativo da cadeira de
Analise de dados I, leccionado por:
Msc. Abubacar Nizar
Universidade Rovuma
Nampula
2020
3. 3
iii
Índice
Introdução..................................................................................................................................................................................5
1. Analisedescritivaunivariada .................................................................................................................................................6
1.1. Gráfico 1: Faculdade que pretencecadaestudante....................................................................................................................6
1.2. Tabela1:Cursodecadaestudante......................................................................................................................................7
1.3. Gráfico2:Anodefrequênciadosestudantes.......................................................................................................................7
1.4. Gráfico3:Sexodosestudantes...........................................................................................................................................8
1.5. Tabela2:Estatísticassobreas idades dosestudantes...............................................................................................................8
1.6. Tabela3:Naminhaturmahámuitaaderênciadasaulasonline............................................................................................9
1.7. Tabela 4: Tenho condições de (megabytes) para assistir aulas online regularmente.................................................................9
1.8. Gráfico4:Asaulasdevemserparalisadaseatribuirnotasadministrativasparaapassagemdosestudantes paraoutronível
9
1.9. Gráfico 5: A metodologia utilizada pelos docentes nas aulas online ajuda na compreensão dos conteúdos..........................10
1.10. Tabela5:Aminhamaiordificuldadeemacederasaulasonlineéafaltadeinternet(MB)................................................10
1.11. Gráfico6:Acontinuaçãodasaulascomrecursoaplataformasvirtuaissãobem-vindas ..................................................11
1.12. Gráfico7:Osdocentesregularmenterespondemasnossasquestõesapresentadasnaplataforma......................................11
1.13. Tabela6:Asaulasdevemserparalisadaserepô-lasdepoisdocontrolodaCovid-19......................................................12
1.14. Tabela7:Ocustocomainternetparaassistiraulasonlineésatisfatório...........................................................................12
1.15. Tabela8:Aminhamaiordificuldadeemacederasaulasonlineéofracodomíniocomastecnológias.............................13
1.16. Tabela 9: A plataforma usada na unirovuma para as aulas online funciona regularmente ....................................................13
1.17. Tabela10:Omeudesempenhodurantesasaulasonlineéalto ........................................................................................13
1.18. Tabela11:Aminhamaiordificuldadeemacederasaulasonlineéafaltadetelemóvel(outabletou computador)......13
1.19. Gráfico 8: As aulas devem ser paralisadas e repetir o semestre assim que a pandemia for controlada ................................14
1.20. Gráfico9:Asentidadescompetentesdevemapoiar(internet,computador,porexemplo)osestudantes universitáriosno
acessofácilasaulasonline.......................................................................................................................................................14
1.21. Gráfico10:Aminhamotivaçãoparaestudaronlineéalta................................................................................................15
2. AnaliseFactorialdosdados.................................................................................................................................................15
2.1. Objectivodaanálisefactorial............................................................................................................................................15
2.1.1. Tabela12:Variáveis .....................................................................................................................................................16
2.2. Planejamento de umaanálise factorial.....................................................................................................................................17
2.2.1. Tabela13:Matrizdecorrelações...................................................................................................................................18
2.3. Suposiçãonaanálisefactorial...........................................................................................................................................18
2.3.1. Tabela14:TestedeKMOeBartlett ...................................................................................................................18
2.4. Determinação de factores e avaliação do ajuste geral..............................................................................................................18
2.4.1. Tabela15:Comunalidades ...........................................................................................................................................19
4. 4
iv
2.4.2. Tabela 16: Variânciatotal explicada ...............................................................................................................20
2.5. Interpretação de factores...................................................................................................................................20
2.5.1. Gráfico 11: Teste Scree para analise de componentes ...................................................................................20
2.5.2. Tabela 17: Matriz de componentes não rotacionada ......................................................................................21
2.5.3. Tabela 17: Matriz de componentes rotativas ..................................................................................................24
Conclusão ................................................................................................................................................................26
Raferências Bibliograficas ................................................................................................................................27
5. 5
Introdução
O presente trabalho de análise de dados tem como tema análise descritiva univariada de dados e análise factorial de dados. Tem
como finalidade descobrir e analisar a estrutura de um conjunto de variáveis interrelacionadas de modo a construir uma
escala para factores (intrínsecos) que de alguma forma (mais ou mesnos explícita) controlam as variáveisoriginais.
Para este efeito irei trabalhar com o software estatististico SPSS (Statistical Package for the Social Sciences – pacote
estatístico para as ciências sociais) para o processo de dados e de seguida interpretar os resultados processados
conforme o comando do software estatístico SPSS.
Este trabalho tem como objectivo ensinar a respeito da análise factorial, isto é, saber fazer, saber manipular os dados no
software SPSS, dominar o software SPSS na parte da análise factorial, não só, mas também aperfeiçoar a grande parte do
software.Otrabalhoestáconstituídoporelementospré-textuaiseelementospoistextuais.
6. 6
1. Analise descritiva univariada.
1.1. Gráfico 1: Faculdade que pretence cada estudante
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 1 fala-nos sobre a faculdade que pertence cada estudante dos 285 estudantes questionados dos quais 126 que
corresponde a uma percentagem de 44,21% e que representa a maioria dos estudantes pertence a faculdade de ciências
naturais, matematica e estatistica e os restantes 55.79% pertencem a outras faculdades tais como:faculdadedeletraseciências
sociais (9.47%), faculdade de enginharia e ciências tecnologicas (10.18%), faculdade de licenciatura em ciências
alimentares e agrarias (12.28%), faculdade de educação e psicologia (6.67%), faculdade de geociências (7.4%),
faculdade de direito (0.35%) e por fim faculdade de ciências economicas e empresariais(9.47%).
7. 7
1.2. Tabela 1: Curso de cada estudante
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
A tabela 1 trata sobre curso de cada estudante, onde constataram-se 285 estudantes inqueridos com 24 cursos diferentes.
Onde a maioria dos estudantes respondentes é de 53 estudantes que corresponde a 18.6%, desses pertencem ao curso de
licenciatura em ensino de matemática, e os restantes 232 estudantes pertencem aos demais 23 cursos, como é por exemplo: 38
estudantes que corresponde a 13.3% responderam que fazem o curso de licenciatura em estatistica e gestão de informação,
37 estudantes correspondente a 13% responderam que fazem parte do curso de licenciatura em ciências alimentares, 15
estudantes correspondentes a 5.3% fazem parte do curso de licenciatura em ensino de biologia, 13 estudantes (4.6%) fazem
parte do curso de licenciatura em ensino defrancese mais13fazempartedocurso delicenciaturaemensino dequimica,como
verifica-senatabela1.
1.3. Gráfico 2: Ano de frequência dos estudantes
8. 8
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 2 trata sobre o ano de frequência dos estudantes que mostra no total de 285 estudantes inqueridos a maioria deles
sãodosegundoano,istoé,53.33%estudantessãodosegundoanoemseguidasãodoquartoano (21.40%),terceiroanocom
uma percentagemde 19.65%, primeiro ano comuma percentagemde 5.26% e por fim a minoria são do quinto ano com uma
percentagem mínima de 0.35%
1.4. Gráfico 3: Sexo dosestudantes
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 3 fala-nos sobre o sexo dos estudantes questionados para o estudo em causa, num total de 285 estudantes
quecorrespondema100% questionados,destes,67.72%sãodosexoMasculino,queconstitueme maioria dos estudantes
questionados, eosrestantes32.28% sãodo sexo Feminino.
1.5. Tabela 2: Estatísticas sobre as idades dos estudantes
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
A tabela 2 mostra-nos as estatísticas sobre as idades dos estudantes, que é visível a idade média de todos os estudantes
inqueridos é de 25.07 (Desvio Padrão = 5.097), também a partir da tabela acima é possível notar que a
9. 9
maiorias dos estudantes questionados têm uma idade igual a 21 anos, não só, 50% dos estudantes têm uma idade superior ou
inferior a 24 anos.
1.6. Tabela 3: Na minha turma há muita aderência das aulas online
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
A partir da tabela 3 (Na minha turma há muita aderência das aulas online) é possível notar que a maioria dos estudantes
(78) encontram-se indecisos a respeito da aderência das aulas online nas turmas em que eles frequentam, sendo que,
sãopoucos(15)osqueconcordamcompletamentequehámuitaaderênciasdasaulas online.
1.7. Tabela 4: Tenho condições de(megabytes) para assistir aulas online regularmente
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
A tabela 4 fala-nos sobre as condições de magabytes para assistir aulas online regularmente, onde é possível constatar que
119 estudantes que corresponde a 41.8% discordam que têm condições para assistir aulas online regularmente, deste
número constitui a maioria dos 285 estudantes inqueridos, 103 estudantes discordam completamente que têm condições
para assistir aulas online regularmente, 33 estudantes encontram-se indecisos a respeito de ter condições para assistir aulas
online semque hajaproblemas, 22 concordam eporfim8 concordam plenamente.
1.8. Gráfico4:Asaulasdevemserparalisadaseatribuirnotasadministrativasparaapassagemdos estudantes para
outronível
10. 10
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 4 mostra-nos que 34% dos 285 estudantes discordam que as aulas devem ser paralisadas e atribuir notas
administrativas para a passagem dos estudantes para outro nível, então 29% encontram-se indecisos, 17% concordam que as
aulas devem ser paralisadas e por fim 19% concordam completamente que as aulas devem ser paralisadas e atribuir notas
administrativasparaapassagemdosestudantesparaoutronível.
1.9. Gráfico 5: A metodologia utilizada pelos docentes nas aulas online ajuda na compreensão dos conteúdos
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 5 fala sobre a metodologia utilizada pelos docentes nas aulas online ajudar na compreensão dos conteúdos,
onde pode se notar no gráfico a cima que sobre essa questão a maioria dos estudantes, ou seja, 56.49% dos estudantes
discordaram que a metodologia utilizada pelos docentes nas aulas online ajuda na compreensão dos conteúdos, assim,
19.30% encontram-se indecisos, 20.7% concordam e por último 3.51% concordam completamente que a metodologia
utilizada pelos docentes nas aulas online ajuda na compreensão dos conteúdos.
1.10. Tabela 5: A minha maior dificuldade emaceder as aulas online é afalta deinternet (MB)
11. 11
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Num total de 285 estudantes, 130 que corresponde a 45.6% dizem concordar com que a dificuldade em aceder as aulas online é
a falta de internet, 81 correspondente a 28.4% dizem concordar completamente sem nenhuma duvida, 41 estudantes
correspondente a uma percentagem de 14.4% dizem discordar a respeito dessa questão e por fim 33 estudantes que
corresponde a 11.6% encontram-se indeciso se a maior dificuldade em aceder as aulas online é a falta deinternet.
1.11. Gráfico 6: A continuação das aulas com recurso a plataformas virtuais são bem-vindas
Este grafico (6), mostra que 32,28% dos estudantes inqueridos concordam com a ideia de continuação das aulas com recurso a
plataforma virtuais são bem-vindas, 21.40% dos estudantes discordam que a continuação das aulas com recurso a plataforma
virtuais são bem-vindas.
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
1.12. Gráfico7:Osdocentesregularmenterespondemasnossasquestõesapresentadasnaplataforma
12. 12
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico de barras acima fala sobre “Os docentes regularmente respondem as nossas questões apresentadas na plataforma”
onde é possivel notar as frequencias absolutas e suas respectivas percentagens para cada resposta/categoria. Nota-se
que para esta variavel a maioria dos inqueridos dizem concordar que os docentes respondem regularmente as questões
colocadas na plataforma
1.13. Tabela 6: Asaulas devem serparalisadas e repô-las depois do controlo da Covid-19
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Atabela6tratasobreaparalisaçãodasaulaseareposiçãodepoisdocontrolodaCovid-19,apartirdestatabelaé possível notar
que 66 estudantes que corresponde a 23.2% encontram-se indecisos sobre a variável em questão, este número de estudantes
considera-se como sendo o maior número em relação as demais categorias. 64 Estudantes discordam totalmente, 53
discordam,58concordameporfim44concordamcompletamente.
1.14. Tabela 7: O custo com a internet para assistir aulas online é satisfatório
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Para esta variável em questão na tabela 7, nota-se que da amostra colhida para o estudo, da Universidade Rovuma tem um
número totalde285 estudantesde ambos ossexos, destesestudantes102 discordam completamente que
13. 13
ocustocomainternetparaassistiraulasésatisfatório,118discordam,29nãoconcordamenemdiscordam,27 concordam e
por fim 9 estudantes que concordam completamente.
1.15. Tabela8:Aminhamaiordificuldadeemacederasaulasonlineéofracodomíniocomastecnológias
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Baseando-se na tabela, nota-se que dos 285 estudantes, 58 dos 285 dizem discordar completamente a causa de não aceder as
aulas online ser o fraco domínio com as tecnologias, 76 dos 285 dizem discordar a mesma causa, 42 dos 285 dizem estar
indecisos sobre a mesma causa, 86 dizem concordar a causa seja essa e por fim 23 concordam completamente.
1.16. Tabela 9: A plataforma usada na unirovuma para as aulas online funciona regularmente
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Sobre a plataforma usada na unirovuma os estudantes que serviram de amostra para o estudo, 38 dizem estar
completamente discordando que a plataforma funciona regularmente, 45 dizem estar discordando que a plataforma
funciona regularmente, 48 dizem estar indecisos a respeito da mesma questão, 109 dizem concordar com a mesma questão e
porfim45dizemconcordarcompletamentecomamesmaquestão.
1.17. Tabela 10: O meu desempenho durantes as aulas online é alto
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
A respeito do desempenho durante as aulas online ser alto, da nossa amostra de 285 estudantes 38 que corresponde
a 13.3% dizem discordar completamente, 162 que corresponde a maioria de todos com uma percentagem de 56.8%
dizem discordar, 58 que corresponde a 20.4% estudantes dizem estar indecisos, ou seja, não concordar e nem discordar,
apenas um estudante que concorda epor fim26 estudante correspondente a 9.1% dizem concordar completamente.
1.18. Tabela11:Aminhamaiordificuldadeemacederasaulasonlineéafaltadetelemóvel(outabletou computador)
14. 14
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Para a questão de falta de telemóvel ser o motivo de não aceder as aulas online, os estudantes dizemque: 33 Estudantes
correspondentes a 11.6% discordam completamente;
150 Estudantes correspondentes a 52.6% discordam;
41Estudantes correspondentes a14.4%não concordamenemdiscordam; 61
Estudantes que correspondem a 21.4% concordam completamente.
1.19. Gráfico8:Asaulasdevemserparalisadaserepetirosemestreassimqueapandemiaforcontrolada
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico de barras acima trata sobre a ideia de paralisação das aulas e repetição do semestre assim que a pandemia for
controlada onde os estudantes reagiram a respeito desta questão uma mostrando-se em concordância plenamente (43 –
15.09%),outrosdiscordânciaplena(82–28.77%),outrosemdiscordância(69–
24.21%), outros mostraram-se indecisos (56 – 19.65%) e outros simplesmente concordaram (35 – 12.28%).
1.20. Gráfico 9: As entidades competentes devem apoiar (internet, computador, por exemplo) os estudantes
universitários no acesso fácilasaulas online
15. 15
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 9mostra-nos quantos estudantes concordamqueas entidades competentes devemapoiar os estudantes, assim como os
que não concordam, para tal é notório que da amostra de 285 estudantes 8 estudantes dizem não concordar completamente,
112estudantesdizemnãoconcordar, 23estudantesindecisoseporfim142estudantes dizem concordar completamente.
1.21. Gráfico 10: A minha motivação para estudar online é alta
FONTE: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O gráfico 10 fala-nos daquilo que é a motivação para estudar online se é alta ou não, onde é possivel notar que a maioria dos
estudantes dos 285 dizem discordar completamente (111 estudantes) e outros dizem não concordar (58), outros dizem
concordar(76estudantes)eporfim40estudantesdizemconcordarcompletamente.
2. Analise Factorial dosdados.
2.1. Objectivo da análisefactorial
Esta análise tem como problema o estudo sobre a eficácia das aulas online na Universidade Rovuma durante o periodo do
estado de emergência causado pela Covid-19.
16. 16
2.1.1. Tabela 12: Variáveis
Variáveis Discordo
totalmente
Discord o Não discordo e
nem concordo
Concordo Concordo
totalment e
1 2 3 4 5
1. Na minha turma há muita aderência as aulas online
2. Tenho condições de (megabytes) para assistir aulas online
regularmente
3.Asaulasdevemserparalisadaseatribuirnotasadministrativas paraa
passagemdosestudantes paraoutro nível
4.Ametodologiautilizadapelosdocentesnasaulasonlineajudana
compreensão dos conteúdos
5.Aminhamaiordificuldadeemacederasaulasonlineéafaltade internet
(MB)
6.Acontinuaçãodasaulascomrecursoaplataformasvirtuaissão bem-
vinda
7. Os docentes regularmente respondem as nossas questões
apresentadas na plataforma
8.Asaulasdevemserparalisadaserepó-lasdepoisdocontroloda Covid-
19
9. O custo com a internet para assistir aulas online é satisfatório
10.Aminha maiordificuldade emacederasaulasonlineéo fraco domínio
com astecnologias
11. A plataforma usada na unirovuma para as
aulas_online_funciona_regularmente
12. O meu desempenho durantes as aulas online é alto
13. A minha maior dificuldade emaceder as aulas online é a falta de
telemóvel (ou tablet ou computador)
14. As aulas devem ser paralisadas e repetir o semestre assim que a
pandemia for controlada
15. As entidades competentes devem apoiar (internet, computador, por
exemplo)osestudantesuniversitáriosnoacessofácilasaulas online
16. A minha motivação para estudar online é alta
Para este efeito usaremos a análise exploratória com o objectivo de resumir e reduzir os dados e identificar estruturas.
ParaesteefeitodeAnalisedaeficáciadasaulasonlinenaUniversidadeRovumaduranteoperiododoestadode emergência
causadopelaCovid-19,usareiaanáliseexploratóriaeotipomaiscomumdeanálisefactorialqueé
17. 17
chamado de análise factorial R, segundo TATHAM, et all, (2009) a análise factorial R analisa um conjunto de variáveispara
identificar asdimensões latentes (que não são fáceis deobservar).
2.2. Planejamento de uma análisefactorial
Nestetrabalhooqueestáseragrupadossãoasvariaveis.Entãocomojádissemosnoestágio1,paraestaanálise usaremos a
análise factorialR.
Conforme TATHAM, et all, (2009), diz que o tamanho de amostra desejado deve ser igual ou superior a 100. Neste caso
a nossa amostra é de 285.
Analisandoatabela13,podeseverificarapresençadecorrelaçãoentreasvariáveis,apesardeemalgunscasos essa
correlação ser considerada baixa, o que poderia invalidar, aparentemente, arealização da análise factorial.
18. 18
2.2.1. Tabela 13: Matriz de correlações
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
2.3. Suposição na análisefactorial
2.3.1. Tabela 14: Teste de KMO e Bartlett
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
O valor obtido do teste KMO é de 0.759 o que mostra uma adequação média já que o valor está entre 0,7 e 0,8 no teste KMO.
A hipótese nula de que a matriz de correlação é uma matriz identidade é rejeitada (p- value < 0.001). A análise factorial é apropriada.
Variáveis com valores inferiores a 0,40 devem ser omissas da análise fatorial uma por vez, sendo aquela com menor valor eliminada a
cada vez, como iremos mostrar aposterior.
2.4. Determinação de factores e avaliação do ajuste geral
Como o objectivo desta análise é de resumir a maior parte da informação original a um número mínimo de factores então
iremos analisar a variância total.
19. 19
2.4.1. Tabela 15: Comunalidades
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
20. 20
Naextraçãoascomunalidadesmostramaproporçãodavariânciadavariáveisdemedidaqueéexplicadapelas
componentes, neste caso pelas quatro componentes.
A variância inicial que é igual a um porque as variáveis estão estandardizadas e a ACP usa variância total.
Apartir da tabela 16 já mostra-nos adecisão sobre o número de factoresa serem mantidos para análise. Esta decisão baseou-se
nos factores com autovalores maiores que 1,0.
2.4.2. Tabela 16: Variância totalexplicada
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
51.843% Éapercentagemdevariânciaexplicada pelasquatro componentesprincipais, comvalorespróprios superiores a
um.
2.5. Interpretação defactores
2.5.1. Gráfico 11: Teste Scree para analise de componentes
21. 21
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Segundo TATHAM, et all, (2009), a quantia total de variância explicada por um fator ou pela solução fatorial geralpode ser
comparadacomavariaçãototalnoconjuntodevariáveisqueérepresentadapelotraçodamatriz fatorial.Otraçoéavariância
total a ser explicada e é igual à soma dos autovalores do conjunto de variáveis. Em análise de componentes, o traço é igual
ao número de variáveis, visto que cada variável tem um autovalor possível de 1,0. Acrescentando os percentuais de
traço para cada um dos fatores (ou dividindo ototal de autovalores dos fatores pelo traço), obtemos o percentual totaldetraço
extraído para a solução fatorial. Esse total é usado como um índice para determinar o quão bem uma solução fatorial em
particular explica aquilo que todas as variáveis juntas representam. Se as variáveis são todas muito diferentes umas das
outras, esse índice será pequeno. Se as variáveis recaem em um ou mais grupos altamente redundantes ou relacionados, e se
os fatores extraídos explicam todos os grupos, o índice se aproximará de 100%.
2.5.2. Tabela 17: Matriz de componentes não rotacionada
Os pesos fatoriais mais elevados em valor absoluto identificam o fator a que cada variável se associa. Assim, considerando
apenas os pesos fatoriais em valor absoluto superiores ou iguais a 0.40, desta feita, a maioria das nossas cargas são tidas
como praticamente significantes e algumas são consideradas como atendendo o número minimo para a interpretação de
estrutura
Factor1:Estefatoréconstituídopor9variáveis,dasquais7sãofortementecorrelacionadaspositivamentee2 são fortemente
correlacionadas negativamente. No primeiro grupo incluem-se as variáveis: A continuação das aulas com recursoaplataformas
virtuais é bem-vinda, A metodologia utilizada pelos docentes nas aulas online ajuda na compreensão dos conteúdos, A
plataforma usada na unirovuma para as aulas online funciona regularmente, Os docentes regularmente respondem as
nossas questões apresentadas na plataforma, Na minha turma há muita aderência as aulas online, Tenho condições de
(megabytes) para assistir aulas online regularmente e O custo com a internet para assistir aulas online é satisfatório e no
segundo grupo incluem-se asvariáveis: As aulasdevemserparalisadaserepó-lasdepoisdocontrolodaCovid-19eAsaulas
devemserparalisadaserepetir o semestre assim que a pandemia for controlada.
Factor 2: A minha maior dificuldade em aceder as aulas online é a falta de internet (MB), As entidades competentes
devem apoiar (internet, computador, por exemplo) os estudantes universitários no acesso fácil as aulas online, A minha
maior dificuldade em aceder as aulas online é a falta de telemóvel (ou tablet ou
22. 22
computador) são as variaveis que têm pesos factoriais mais elevados neste factor e a variável Tenho condições de (megabytes)
paraassistiraulasonlineregularmentetempesofactorialelevadomasnegativa.
Factor 3: As variaveis que apresentam pesos mais elevados neste factor são: As aulas devem ser paralisadas e repetir o
semestreassimqueapandemiaforcontrolada,Aminhamaiordificuldadeemacederasaulasonlineéo fraco domíniocomas
tecnologias,Ocustocomainternetparaassistiraulasonlineésatisfatório
23. 23
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
Factor 4: Asunicas variaveisque entram nesse factor são:Asaulas devem ser paralisadas e repetir o semestre assim que a
pandemia for controlada e As aulas devem ser paralisadas e atribuir notas administrativas para a passagemdosestudantes
paraoutronível.Estaúltimavariáveldestefactortemumpesomaiormasénegativa.
24. 24
2.5.3. Tabela 17: Matriz de componentes rotativas.
Fonte: Dados colhidos dos estudantes da Universidade Rovuma e processados por SPSS
25. 25
Agora trata-se de matriz de componentes rotativos também os pesos fatoriais mais elevados em valor absoluto identificam o
fator a que cada variável se associa. Assim, considerando apenas os pesos fatoriais em valor absoluto superiores ou
iguais a 0.40. como jádiziamos anteriormente que a maioria das nossas cargas são tidas como praticamente significantes e
algumas são consideradas como atendendo o número minimo para a interpretação de estrutura, para a rotação usamos o
método de rotação por Varimax, apois a rotação obtivemos os seguintes factores
Factor 1: O factor é constituido por 8 variáveis, das8 variáveis são fortemente correlacionadas positivamente, essa variaveis
são: A metodologia utilizada pelos docentes nas aulas online ajuda na compreensão dos conteúdos, Os docentes regularmente
respondem as nossas questões apresentadas na plataforma, A plataforma usada na unirovuma para as aulas online funciona
regularmente, O meu desempenho durantes as aulas online é alto, A continuação das aulas com recurso a plataformas virtuais
são bem-vinda, A minha motivação para estudar online é alta, O custo com a internet para assistir aulas online é satisfatório e
Na minha turma há muita aderência as aulasonline. Umnome sugestivo para estefactor éAulasonlinenaplataforma
Factor 2: A continuação das aulas com recurso a plataformas virtuais são bem-vinda, As aulas devem ser paralisadas e
repetir o semestre assim que a pandemia for controlada e As aulas devem ser paralisadas e repó-las depois do controlo da
Covid-19. São as variáveis que têm pesos factoriais mais elevados neste factor, apesar de uma variavel apresentar
correlação negativa. Um nome sugestivo para este factor é Ajuste do calendário académico
Factor 3: As variaveis que apresentam pesos factoriais mais elevados neste factor são: Tenho condições de (megabytes)
para assistir aulas online regularmente, O custo com a internet para assistir aulas online é satisfatório, A minha maior
dificuldade em aceder as aulas online é a falta de internet (MB), As entidades competentes devem apoiar (internet,
computador, por exemplo) os estudantes universitários no acesso fácil as aulas online e A minha maior dificuldade em
aceder as aulas online é a falta de telemóvel (ou tablet ou computador). Estas duas primeiras variáveis são fortemente
correlacionadas negativamente e as restantes positivamente como é possivel ver na tabela 17 no factor 3. Vamos
denominar este factor de Qualidade de ensino.
Factor 4: As únicas variáveis com pesos factoriais mais elevados neste factor são: As aulas devem ser paralisadase
atribuir notas administrativas para a passagem dos estudantes para outro nível e A minha maior dificuldade em aceder as
aulas online é o fraco domínio com as tecnologias. Era de se esperar que essas duas variaveis fossem totalmente
correlacionadas e que constituissem umfactor, umavez que, existemestudantes com maior dificuldade de assistência das aulas
online e a única alternativa para estes é de paralisar as aulas. Este factor denominar-se-áAministia.
26. 26
Conclusão
Apois a analise e interpretação dos resultados processados por SPSS do estudo sobre a eficácia das aulas online na
Universidade Rovuma durante o periodo do estado de emergência causado pela Covid-19, a partir da escala de Linkert com as
variaveis (tenho condições de megabytes para assistir aulas regularmente; a continuação das aulas com recurso a plataforma é
bem-vinda; o custo com a internete para assistir aulas online é satisfatório) muitos dos estudantes inqueridos mostram-se não
concordar em ter condições para assistir aulas regularmente, não só, também os estudantes a maioria deles mostram-se
insatisfeitoscoma metodologia queosdocentesusamna plataforma para a compreensão dos conteúdos.
Tambémvimosqueamatrizpoisrotaçãovarimax,osfactoresagruparamasvariaveisrelacionadasentresi,isto é, cada factor
tem variaveis relacionadas com cargas factoriais significantes, e das 16 variaveis nenhuma delas foi perdida, ou seja,
eliminada,todaselaspertencemacadaumdosquatrofactoresdosfactores.
27. 27
Raferências Bibliograficas
CARVALHO, Francisco Ricardo Duarte; Análise Factorial; Coimbra; 2013. SILVA,
Graça; Gestão de Projectos; Lisboa; 2015
TATHAM, Ronald L. et all; Análise Multivariada de dados; 6ª edição; São Paulo; 2009.