Regressão linear múltipla

¹ Aluno do Programa de Pós-Graduação Stricto Senso em Engenharia de Produção da Universidade Federal de
São Carlos – UFSCar – Campus: São Carlos.
² Professor do Programa de Pós-Graduação Stricto Senso em Engenharia de Produção da Universidade Federal de
São Carlos – UFSCar – Campus: São Carlos.
A REGRESSÃO LINEAR MÚLTIPLA COMO FERRAMENTA DE GESTÃO DA
MELHORIA CONTÍNUA EM UMA INSTITUIÇÃO DE ENSINO PÚBLICO DO
ESTADO DE SÃO PAULO.
ELISEU FORTOLAN ¹ – eliseu.fortolan@gmail.com
UNIVERSIDADE FEDERAL DE SÃO CARLOS – UFSCar
MANOEL FERNANDO MARTINS ² – manoel@dep.ufscar.br
UNIVERSIDADE FEDERAL DE SÃO CARLOS – UFSCar
Resumo
É sabido que a evasão escolar é um problema que atinge todas as unidades de ensino, públicas
ou privadas, independentemente do nível de educação. No Brasil, somente a partir de 1996,
com o advento da Comissão Especial de Estudos sobre a Evasão das Universidades Públicas
Brasileiras, começou a aparecer alguns estudos enfocando esse tema. Contudo, ainda são
raríssimos os estudos focados na evasão de cursos técnicos. Portanto, a presente pesquisa
empreendeu esforços para evidenciar os fatores críticos que motivam os alunos a desistirem de
concluir tais cursos e a mesma foi desenvolvida em uma das unidades de ensino do Centro
Estadual de Educação Tecnológica Paula Souza, localizada no interior do Estado de São Paulo.
Através da regressão linear múltipla foi possível identificar os fatores críticos para a evasão dos
cursos técnicos na unidade de ensino palco desta pesquisa e utiliza-la como uma ferramenta de
gestão da qualidade e melhoria contínua. A didática dos professores, a falta de atividade prática,
o excesso de notas baixas e problemas familiares foram considerados críticos para a desistência
dos cursos técnicos. Propostas de melhorias a curto e médio prazo foram elencadas para garantir
a máxima qualidade no ensino, no sentido de enfrentar da evasão escolar.
Palavras-chave: Evasão escolar, Melhoria Contínua, Qualidade.

THE MULTIPLE LINEAR REGRESSION AS A TOOL FOR THE MANAGEMENT
OF CONTINUOUS IMPROVEMENT IN A PUBLIC EDUCATION INSTITUTION OF
THE STATE OF SÃO PAULO.
Abstract
It is known that school dropout is a problem that affects all educational units, public or private,
regardless of the level of education. In Brazil, only from 1996, with the advent of the Special
Commission of Studies on the Evasion of the Brazilian Public Universities, began to appear
some studies focusing on this theme. However, studies focusing on avoidance of technical
courses are still very rare. Therefore, the present research made efforts to highlight the critical
factors that motivate the students to desist from completing such courses and it was developed
in one of the teaching units of the State Center of Technological Education Paula Souza, located
in the interior of the State of São Paulo. Through multiple linear regression it was possible to
identify the critical factors for the avoidance of technical courses in the teaching unit stage of
this research and use it as a tool for quality management and continuous improvement. The
didactics of the teachers, the lack of practical activity, the excess of low grades and family
problems were considered critical for the withdrawal of the technical courses. Proposals for
improvements in the short and medium term were listed to ensure the highest quality in
teaching, in the sense of facing school dropout.
Keywords: School Evasion, Continuous Improvement, Quality.

3
1. Introdução
Diversas são as causas – os problemas – que estimulam a evasão dos alunos dos cursos
técnicos e conhecê-las é extremamente importante para o enfrentamento delas e para a obtenção
de resultados satisfatórios na gestão da Melhoria Contínua. No entanto, essa pesquisa enfoca
na proposta de melhorias estruturais, pedagógicas e sociais, voltadas aos Cursos Técnicos
oferecidos por uma unidade de ensino do Centro Estadual de Educação Tecnológica Paula
Souza – CEETPS, localizada no interior do Estado de São Paulo.
Neste trabalho, considera-se evasão o afastamento definitivo do curso técnico em que
o aluno estava matriculado, sem a sua conclusão.
No Brasil, quase inexistem trabalhos realizados que enfocam na evasão dos alunos
matriculados em cursos técnicos. Dos trabalhos realizados sobre o tema “evasão”, a maioria
deles foram direcionados ao Ensino Básico e somente a partir de 1996, quando a Secretaria de
Educação Superior do Ministério da Educação e Cultura instituiu a Comissão Especial de
Estudos sobre a Evasão nas Universidades Públicas Brasileiras, sugiram trabalhos dedicados ao
Ensino Superior. Dois dos objetivos dessa COMISSÃO ESPECIAL DE ESTUDOS (1996) foi
apontar causas internas e externas da evasão e definir estratégias de ação voltadas à redução
dos índices de evasão nas universidades públicas brasileiras.
Com o advento do relatório da COMISSÃO ESPECIAL DE ESTUDO (1996) foi
possível identificar três grandes áreas em que foram alocados os fatores potencias de motivam
a evasão: características particular dos alunos, características internas das instituições e
características externas das instituições.
Conhecendo esses fatores que podem influenciar na desistência dos cursos de graduação
nas universidades públicas brasileiras, a proposta desta pesquisa é identificar, utilizando a
Regressão Linear Múltipla, os fatores críticos de evasão dos Cursos Técnicos noturnos
oferecidos por uma unidade de ensino do Centro Estadual de Educação Tecnológica Paula
Souza – CEETPS, na cidade de Vargem Grande do Sul, interior do Estado de São Paulo, bem
como apresentar propostas de melhorias contínuas no sentido de enfrentar a desistência dos
alunos dos cursos técnicos oferecidos pela instituição de ensino palco desta pesquisa.
Os poucos estudos realizados no Brasil, enfocando a evasão dos alunos nos cursos
superiores das universidades públicas, atestam os ganhos obtidos com a implantação de
melhorias. Neste sentido, BIAZUS (2009) motivou-se em coletar dados e apresentar propostas
de melhorias a partir dos prósperos resultados obtidos por uma universidade pública brasileira
que, após mudar suas Políticas Pedagógicas, consegui reduzir de 39% para 17% o índice de

4
evasão. Assim, reteve em média, 500 alunos por ano e “em termos financeiros, isto representou
um ganho em suas dotações orçamentárias de três milhões de dólares” (BIAZUS, 2009, p. 17).
No tocante a filosofia da qualidade, que consagra a eliminação de desperdício com um
dos princípios básicos da gestão da Melhoria Contínua, esse mesmo autor apontou que ao mudar
suas Políticas Pedagógicas, a instituição de ensino em questão obteve não somente uma redução
de desperdício financeiro, como também uma melhor qualidade no processo ensino-
aprendizagem, atendendo aos anseios dos seus clientes, os graduandos e a sociedade, já que
esta receberá profissionais mais bem preparados. Nesse sentido, XAVIER (1991) afirma que
em um dado momento histórico é possível definir o nível de qualidade mínima de educação que
a sociedade julga como aceitável.
2. Referencial teórico
2.1. Evasão
Tendo em vista levantar informações sobre a evasão nas universidades públicas
brasileiras, de maio de 1995 a julho de 1996 foi elaborado um belo trabalho pela COMISSÃO
ESPECIAL DE ESTUDOS SOBRE A EVASÃO NAS UNIVERSIDADES PÚBLICAS
BRASILEIRAS cuja primeira preocupação foi posicionar-se sobre o seu conceito de evasão
dos cursos de graduação, chegando a um consenso que evasão é “a saída definitiva do aluno de
seu curso de origem, sem concluí-lo” (COMISSÃO ESPECIAL DE ESTUDOS, 1996, p. 19).
“Perda de parte do corpo discente durante o ciclo de estudo”. Esse foi o conceito de
evasão dissertado por PEREIRA JÚNIOR (2012, p. 6).
Para a realização desta pesquisa, o termo “evasão” é sinônimo de afastamento
definitivo do Curso Técnico noturnos em que o aluno estava matriculado, antes que venha a
concluí-lo.
2.1.1. Evasão dos cursos técnicos
Por meio da revisão bibliográfica, foi possível verificar que há muito pouco estudos no
Brasil enfocados na evasão de cursos técnicos. Em meio aos achados, essa observação foi
respondida pelo trabalho realizado por CRAVO (2012). Pois segundo essa autora, apud
MACHADO e MOREIRA (2009), a quase inexistência de estudos nacionais voltados para esse
nível de educação está relacionado ao fato de que a democratização do ensino técnico no Brasil
apenas se iniciou e muito deveria ter sido feito para a viabilização do acesso e permanência dos
alunos nos cursos técnicos de nível médio.

5
A quase inexistência de estudos brasileiros enfocados na evasão dos cursos técnicos
também foi percebida por CRUZ (2013). Ao concluir a sua dissertação, esse mesmo autor
deixou registrado que “grande parte dos estudos sobre evasão escolar é realizada em cursos
superiores. A sua abordagem no ensino médio, fundamental ou técnico não foi percebida
durante a construção do referencial teórico” (CRUZ, 2013, p. 80). Outra autora que sentiu a
ausência de pesquisas brasileiras direcionadas à evasão no ensino técnico profissionalizante foi
MEIRA (2015). Segundo ela, “quando se trata de educação técnica, há poucas pesquisas ou
informações sistematizadas sobre a evasão” (MEIRA, 2015, p. 19).
2.1.2. Evasão dos cursos de nível superior
No tocante a evasão dos cursos de nível superior, SCALI (2009), em seus estudos,
argumenta que a decisão do universitário de evadir-se do curso superior em que estava
matriculado envolve uma gama de fatores pedagógicos, administrativos, históricos, políticos,
socioeconômicos, psicológicos, entre outros.
ADACHI (2009), entende que um dos fatores agravante na evasão dos universitários é
o fato do aluno ter que decidir sobre uma profissão aos 17 anos, período em que ingressa na
faculdade. A mesma autora acredita que essa decisão não é baseada em critérios relevantes, mas
de forma idealizada, tendenciosa, por exemplo: se o adolescente gosta de animais, está propenso
a matricular-se em um curso de medicina veterinária. Quando do ingresso na faculdade, o aluno
depara-se com um currículo engessado, influenciando-o na desistência do curso. Outro fator
observado por ADACHI (2009) é o adolescente escolher um curso cuja probabilidade de ser
aprovado no vestibular é alta.
SCALI (2009), enfatizou sobre a dificuldade de compreender as causas que motivam a
evasão dos universitários devido à complexidade do tema e realmente é um enorme desafio
entender os motivos que levam os universitários à desistência do curso superior, pois, enquanto
a maioria entende que a evasão é um fracasso da instituição de ensino ou do aluno,
POLYDORO (2000) entende que, talvez, a evasão seja um recurso para o atingimento dos
objetivos pessoas e profissionais do universitário.
Mesmo diante de um tema considerado complexo, BIAZUS (2004) empreendeu seus
esforços para buscar respostas que possam intervir frente as causas que levam os universitários
a desanimarem dos seus estudos, pois acredita que as instituições de ensino jamais devem deixar
de cumprir o seu papel social de educadora, mesmo sendo necessário alinhar-se às mudanças
que estão ocorrendo na sociedade.

6
Como bem colocou SOUZA (1999) a descontinuidade no ciclo de estudos é um
problema que afeta a construção do saber humano em todos os níveis de educação, pública ou
privada, e causa danos irreparáveis ao aluno, à sociedade e ao Estado.
2.1.3. O relatório da Comissão Especial de Estudos
FREITAS (2016) entende que a maioria dos estudos sobre a “evasão” está voltada para
o Ensino Básico e raros são os trabalhos realizados sobre o tema na Educação Superior. Ainda
segundo o autor, nesse segmento, os estudos se intensificaram somente a parte de 1996, quando
o Ministério da Educação e Cultura (MEC), através da sua Secretaria de Educação Superior
(SESU) constituiu uma comissão para investigar as causas e propor soluções para a evasão no
ensino público superior brasileiro.
Conforme o relatório da COMISSÃO ESPECIAL DE ESTUDOS (1996), a evasão dos
estudantes é comum nas universidades do mundo contemporâneo e dado à sua complexidade,
tem sido algo de especial atenção principalmente nos países de Primeiro Mundo. Nesta época,
o relatório da COMISSÃO ESPECIAL DE ESTUDOS (1996) apud LATIESA (1992) apontava
que mesmo em países de Primeiro Mundo a evasão nas universidades públicas já era altíssima.
Vejamos: EUA (50% nos últimos 30 anos), França (60 a 70% nos anos 1980, em algumas
universidades), Áustria (43%, sendo que apenas 13% dos estudantes concluem os estudos nos
prazos previstos).
A COMISSÃO ESPECIAL DE ESTUDOS (1996) ressalta que não considera o relatório
conclusivo, dado a não abrangência de todas as universidades públicas brasileiras, todavia
recomendou atenção especial a diversos fatores que influenciam na desistência dos cursos de
graduação das universidades públicas. Esses fatores foram alocados em três amplas categorias:
- Características individuais do estudante: fatores relacionados à habilidades de estudo;
relacionados à personalidade; decorrentes da formação escolar anterior; vinculados à escolha
precoce da profissão; relacionados a dificuldades pessoais de adaptação à vida universitária;
decorrentes da incompatibilidade entre a vida académica e as exigências do mundo do trabalho;
decorrentes do desencanto ou da desmotivação dos alunos com cursos escolhidos em segunda
ou terceira opção; decorrentes de dificuldades na relação ensino- aprendizagem, traduzidas em
reprovações constantes ou na baixa frequência às aulas; decorrentes da desinformação a respeito
da natureza dos cursos; decorrente da descoberta de novos interesses que levam à realização de
novo vestibular.

7
- Características internas das instituições: fatores peculiares a questões acadêmicas;
currículos desatualizados ou alongados; rígida cadeia de pré-requisitos, além da falta de clareza
sobre o projeto pedagógico do curso; relacionados a questões didático-pedagógicas: por
exemplo, critérios impróprios de avaliação do desempenho discente; relacionados à falta de
formação pedagógica ou ao desinteresse do docente; vinculados à ausência ou ao pequeno
número de programas institucionais para o estudante, como Iniciação Científica, Monitoria,
programas PET (Programa Especial de Treinamento), entre outros; decorrentes da cultura
institucional de desvalorização da docência na graduação; decorrentes de insuficiente estrutura
de apoio ao ensino de graduação: laboratórios de ensino, equipamentos de informática, entre
outros; inexistência de um sistema público nacional que viabilize a racionalização da utilização
das vagas, afastando a possibilidade da matrícula em duas universidades.
- Características externas às instituições: fatores relativos ao mercado de trabalho;
relacionados ao reconhecimento social da carreira escolhida; afetos à qualidade da escola de
primeiro e no segundo grau; vinculados a conjunturas econômicas específicas; relacionados à
desvalorização da profissão, por exemplo, o "caso" das Licenciaturas; vinculados a dificuldades
financeiras do estudante; relacionados às dificuldades de atualizar-se a universidade frente aos
avanços tecnológicos, econômicos e sociais da contemporaneidade; relacionados a ausência de
políticas governamentais consistentes e continuadas, voltadas ao ensino de graduação.
2.2. Gestão da Melhoria Contínua
Embora a gestão da MC tenha sido concebida nos processos industriais, atualmente está
presente em todos os segmentos empresarias devido à disseminação dessa filosofia que propõe
pequenos melhoramento sucessivos nos processos empresariais, nos produtos ou nos serviços,
cujo fim é conduzir as organizações à máxima qualidade com preços competitivos, colocando
as empresas que a praticam em posição vantajosa frente aos concorrentes.
Na maioria das vezes, a melhoria é subjetiva e por isso dever ser contínua, a fim de que
os clientes internos e externos percebam os benefícios por ela proporcionado. Isso significa que
as melhorias proporcionam algo quase que imperceptível em um momento pontual, portanto
deverão ocorrer permanentemente a fim de que em um determinado espaço de tempo as
melhorias sejam perceptíveis. A percepção dá-se por meio do somatório das pequenas
melhorias continuas e estas maximizam os resultados empresarial.
O campo da melhoria é muito complexo e as empresas carecem de entender que o
processo de melhoria global pode perder-se ao longo do tempo, devido à falta de estrutura para

8
consumá-lo. Uma ótima medida é a implementação de processos de melhorias incrementais, ou
seja, pequenas melhorias contínuas que geram resultados ao longo do tempo.
TOLEDO et al. (2017) entendem que a performance de qualquer operação precisa ser
mensurada antes que ocorram os melhoramentos, pois é necessário realizar uma análise sobre
a performance atual e responder as seguintes questões: a performance é boa? É indiferente? É
ruim? Essa análise deve ser feita levando em consideração o padrão histórico, padrão alvo,
padrão absoluto ou padrão da concorrência. Para esses mesmos autores, existem dois tipos
genéricos de melhorias:
- Melhoria revolucionária: um processo de grande impacto que gera melhorias repentinas,
interrupção ou transtorno dos trabalhos em curso, mudança nos produtos ou serviços e
usualmente demanda grande investimento de capital;
- Melhoria contínua: um processo frequente e incremental envolvendo todos os funcionários
da organização, cujo foco é maximizar os resultados a partir dos recursos existentes e do
conhecimento disponível. Nessa abordagem, é mais importante a sustentabilidade do processo
de melhoria do que “o tamanho de cada passo e a magnitude da melhoria obtida em cada passo”
(TOLEDO et al., 2017, p. 161).
Para SLACK, CHAMBERS e JHONSTON (2009), a MC também é conhecida como
Kaizen, cujo precursor foi Masaaki Imai e na língua japonesa significa mudança para melhor.
A MC consagra que não importa se os melhoramentos são pequenos, mas que eles sejam
constantes e que gerem resultados dentro de cada semana, cada mês, cada ano ou qualquer que
seja o período adequado para a percepção dele. Esses autores entendem que há uma grande
disparidade entre as duas abordagens, pois, enquanto a primeira incentiva o pensamento livre e
individual e não há limitações sobre o que é possível atingir, ainda que em curto prazo, o
segundo prima pela adaptabilidade do trabalho em equipe, atenção aos detalhes e construído
sobre as experiências acumuladas dentro dos processos.
2.3. Tipos de melhoria contínua
As melhorias são realizadas a partir da necessidade de intervenções nos processos,
decorrentes de problemas detectados ou na intenção de prevenir problemas potenciais.
TOLEDO et al. (2017) salientam que há três tipos básicos de melhorias:
- Melhoria do processo: é irracional as organizações não manter esse tipo de melhoria, pois é
o acompanhamento permanente do processo para garantir a estabilidade dele ou para trazê-lo
aos limites de especificações ou aos requisitos mínimos, caso esteja desestabilizado. Nesse

9
caso, é imprescindível agir segundo o manual de procedimentos de manutenção dos processos
da empresa. É, literalmente, a correção de problemas nos processos. Contudo, é necessária uma
análise mais detalhada sobre as causas dos problemas;
- Melhoria reativa: é a continuidade da análise mais detalhada sobre as causas do problema,
na intenção de identificar e solucionar o mesmo. Requer a adoção de um método que possibilite
a identificação do problema e propostas de solução e, se necessário, empregar as sete
ferramentas básicas da qualidade;
- Melhoria proativa: não há um problema identificado tão pouco uma melhoria específica
necessária. A pretensão é antecipar-se a possíveis problemas no processo, portanto, não há um
método específico ou linha de raciocínio a seguir. Deve haver apenas direção e orientação
quanto ao desenvolvimento novos processos e produtos.
2.4. Coeficiente de correlação
O coeficiente de correlação de Person, também chamado de “r de Pearson”, consiste em
estabelecer o nível de relacionamento entre duas variáveis, sendo que o resultado da equação
varia de - 1 a + 1. Quando o resultado da equação for - 1, conclui-se que há uma correlação
negativa perfeita, ou seja, a medida que uma variável cresce a outra diminui na mesma
proporção; casos em que o resultado da equação é 0 ou está bem próximo de zero, conclui-se
que não há correlação entre as duas variáveis e por fim, quando ao resultado for + 1, indica que
há uma correlação positiva perfeita entre as duas variáveis, ou seja, as duas variáveis crescem
simetricamente. O “r de Pearson” é o resultado a equação apresentada abaixo.
FIGURA 1. Equação para o cálculo do coeficiente de correlação de Pearson: VICINI, 2005.
No entendimento de STEVENSON (2001), observamos uma subdivisão, para
apontarmos o nível do relacionamento entre duas variáveis, nesta escala que varia de – 1 a + 1,
conforme a Tabela 1.

10
TABELA 1. Nível de relacionamento entre as variáveis.
Valor de r Nível de relacionamento
- 1 Relacionamento negativo, perfeito
Em torno de - 0,70 Relacionamento negativo, moderado
0 Ausência de relacionamento
Em torno de + 0,70 Relacionamento positivo, moderado
+ 1 Relacionamento positivo, perfeito
FONTE: Adaptado de STEVENSON (2001).
2.5. Regressão linear múltipla
A regressão linear múltipla deve ser utilizada quando uma pesquisa contar com apenas
uma variável dependente e considera-se estar intimamente relacionada a duas ou mais variáveis
independentes.
Para HAIR JÚNIOR et al (2005) o objetivo da regressão linear múltipla é prever a
mudança da variável dependente como resposta a mudanças nas variáveis independentes. Não
obstante, essa ferramenta é muito valiosa para identificar a magnitude da variável dependente
em relação às variáveis independentes. A equação da regressão linear múltipla é representada
da seguinte maneira: y = a + β1x1 + β2x2 + ... + βkxk.
Onde:
a = intercepto do eixo y;
β = coeficiente angular da i-ésima variável;
k = número de variáveis independentes.
Na área da Gestão da Qualidade e Melhoria Contínua, por exemplo, o pesquisador pode
identificar a magnitude da satisfação do cliente (variável dependente) em relação a facilidade
de acesso ao estabelecimento, estrutura física do estabelecimento, cordialidade dos funcionários
no atendimento ao cliente, tempo necessário para a conclusão do pedido, qualidade dos
produtos ou serviços, pontualidade na entrega dos produtos ou serviços, entre outras. Todas
essas são variáveis independentes que podem explicar o grau de satisfação do cliente.
3. Metodologia de pesquisa
A presente pesquisa pode ser classificada com uma pesquisa explicativa, pois segundo
o entendimento de GIL (2002), tal pesquisa enfoca em identificar os fatores que contribuem
para a ocorrência de um determinado fenômeno. É considerada a pesquisa que mais se
aprofunda no conhecimento da realidade de um determinado evento, pois incumbe-se em
explicar os motivos, a razão, o porquê da ocorrência deste evento. Não obstante, é o tipo de

11
pesquisa mais complexa e delicada (GIL, 2002), pois o risco de cometer erros aumenta
substancialmente.
MARCONI e LAKATOS (2003), consideram que todas as ciências se caracterizam pela
utilização de métodos científicos para alcançarem resultados válidos e verdadeiros e
conceituam-no como um conjunto de atividades racionais que subsidiam a construção do saber
do cientista.
Essa pesquisa limitou-se aos alunos matriculados e evadidos no primeiro e segundo
semestre dos anos 2014, 2015 e 2016, dos cursos técnicos noturnos oferecidos pela instituição
de ensino palco desta pesquisa, sendo que o primeiro passo desta pesquisa foi a elaboração de
um relatório contemplando todos esses alunos, bem como os seus respectivos endereços
eletrônicos (e-mails), telefones fixos e telefones móveis.
O primeiro contato com esses alunos foi via endereço eletrônico no dia 10 de fevereiro
de 2017, pelo qual o pesquisador fez a apresentação pessoal, do projeto de pesquisa e dos
objetivos da pesquisa, seguido de uma solicitação de participação na pesquisa, respondendo a
um questionário online, cujo link estava anexado ao e-mail enviado. Entretanto, no dia 18 do
mesmo mês, percebendo que a participação dos alunos evadidos, no sentido de responder ao
questionário estava muito baixa, inviabilizando a pesquisa, o pesquisador criou um grupo em
uma rede social, sendo possível a troca de mensagens instantâneas, onde o pesquisador fez
novamente as devidas explicações e solicitou a todos que participassem da pesquisa,
respondendo o questionário online, sendo que o referido questionário esteve aberto para
respostas até o dia 28 de fevereiro.
O questionário é composto por trinta e cinco perguntas, dispostas em sete sessões, quais
são: informações demográficas, informações sobre o ingresso no curso, fatores externos que
influenciaram na desistência do curso técnico, fatores estruturais que influenciaram na
desistência do curso técnico, fatores docente que influenciaram na desistência do curso técnico,
fatores didáticos-pedagógicos que influenciaram na desistência do curso técnico, fatores
pessoais que influenciaram na desistência do curso técnico.
A partir da terceira sessão, foi utilizada uma Escala de Likert de cinco pontos, onde: 1
significa não influenciou na desistência do curso técnico e 5 significa influenciou fortemente
na desistência do curso técnico. Ao utilizar a Escala de Likert, a intenção é a de obter o nível
de satisfação do aluno desistente no tocante aos elementos potenciais para a desistência dele
dos cursos técnicos oferecidos pela instituição de ensino onde foi realizada esta pesquisa,
contrário à metodologia de respostas binárias (sim ou não), onde o respondente expressa
somente a satisfação ou a não-satisfação dele.

12
4. Resultados da pesquisa
Antes de iniciar a apresentação dos resultados desta pesquisa, é prudente expor as
perguntas constantes do questionário online respondidos pelos alunos desistentes dos cursos
técnicos oferecidos pela instituição de ensino em questão, especificamente aquelas que dizem
respeito aos fatores críticos para a evasão, portanto, da terceira à sétima sessão do questionário.
QUESTÃO 14. Conciliar os estudos e o trabalho influenciou na desistência do Curso?
QUESTÃO 15. A falta de oportunidades no mercado de trabalho influenciou na desistência do
Curso?
QUESTÃO 16. A oportunidade de cursar uma faculdade influenciou na desistência do Curso?
QUESTÃO 17. Problemas de saúde pessoal influenciaram na desistência do Curso?
QUESTÃO 18. Problemas familiares influenciaram na desistência do Curso?
QUESTÃO 19. A estrutura física (carteiras, cadeiras, sanitários, refeitório, acessibilidade, etc.)
influenciou na desistência do Curso?
QUESTÃO 20. A biblioteca (insuficiência quanto a livros, periódico, revistas, etc.) influenciou
na desistência do Curso?
QUESTÃO 21. O laboratório de informática (computadores danificados, insuficiência de
computadores, dificuldade de acesso à internet, etc.) influenciou na desistência do Curso?
QUESTÃO 22. O respeito dos professores para com os alunos influenciou na desistência do
Curso?
QUESTÃO 23. A formação intelectual e a experiência profissional dos professores
influenciaram na desistência do Curso?
QUESTÃO 24. A habilidade dos professores em relacionar a teoria e a prática influenciou na
desistência do Curso?
QUESTÃO 25. A motivação do professor em sala de aula influenciou na desistência do Curso?
QUESTÃO 26. Atitudes positivas do professor ao expressar-se sobre o curso influenciaram na
QUESTÃO 27. A grade curricular (disciplinas que compõem o curso) influenciou na
QUESTÃO 28. A falta de atividades práticas influenciou na desistência do Curso?
QUESTÃO 29. A didática dos professores influenciou na desistência do Curso?
QUESTÃO 30. O uso excessivo de um mesmo recurso audiovisual (Datashow, rádio, filme,
lousa e giz) influenciou na desistência do Curso?
QUESTÃO 31. As formas de avaliação influenciaram na desistência do Curso?

13
QUESTÃO 32. A sua relação com os professores influenciou na desistência do Curso?
QUESTÃO 33. A sua relação como os demais alunos influenciou na desistência do Curso?
QUESTÃO 34. O excesso de notas baixas influenciou na desistência do Curso?
QUESTÃO 35. A sensação de exclusão social influenciou na desistência do Curso?
A parti de agora, os fatores críticos para a evasão serão chamados de Q14, Q15 ... Q35,
para melhor manipulação das variáveis em estudo.
Inicialmente, optou-se por apresentar as análises descritivas das variáveis de estudo,
demostradas na Tabela 2.
TABELA 2. Estatística descritiva das variáveis analisadas por meio de uma escala de Likert.
Variáveis Valor Mínimo Média Valor Máximo Desvio Padrão
Q14 1 2,80952 5 1,56202
Q15 1 1,95238 5 1,36194
Q16 1 2,00000 5 1,54303
Q17 1 1,90476 5 1,47696
Q18 1 2,23810 5 1,68762
Q19 1 1,04762 2 0,21296
Q20 1 1,04762 2 0,21296
Q21 1 1,47619 5 1,00565
Q22 1 1,85714 5 1,48919
Q23 1 1,80952 5 1,25808
Q24 1 2,14286 5 1,45686
Q25 1 1,85714 5 1,48919
Q26 1 1,28571 5 0,88063
Q27 1 2,28571 5 1,57791
Q28 1 1,90476 5 1,37684
Q29 1 1,71429 5 1,41902
Q30 1 1,28571 4 0,76488
Q31 1 1,76190 5 1,30584
Q32 1 1,80952 5 1,49981
Q33 1 1,33333 5 0,94281
Q34 1 1,23810 4 0,68346
Q35 1 1,19048 3 0,49943
FONTE: Elaborada pelo autor (2017).
Na Tabela 2, podemos observar que a média de todas as respostas ficou entre 1 e 2
pontos e assim, esses fatores foram avaliados como aqueles que tiveram pouca ou nenhuma
influência para a desistência dos cursos técnicos. Exceção para as variáveis Q14, Q18, Q24 e
Q27 que apresentaram médias entre 2 e 3 pontos, ou seja, contribuíram moderadamente para a
desistência dos cursos técnicos. Observando os desvios padrões destas mesmas variáveis,
veremos que estão em torno de 1,57, sendo considerado muito alto e demostrando uma grande
distância entre a opinião dos alunos quanto a ser ou não ser um fator crítico para a evasão dos
cursos técnicos.

14
Outro dado importante a ser analisado é o nível de relacionamento entre a média e o
desvio padrão e utilizando o coeficiente de correlação de Pearson, notamos que há um nível
muito forte, positivamente, de 88%, ou seja, à media que uma variável apresenta uma média
maior que as demais, a mesmo ocorre com o desvio padrão.
No entanto, é prudente analisar as várias que compõem cada sessão do questionário
aplicado aos alunos. Na sessão 3, procurou conhecer as variáveis externas que desestimulam os
alunos a concluírem os estudos técnicos.
TABELA 3. Estatística descritiva das variáveis externas analisadas em uma escala de Likert.
Q14 1 2,80952 5 1,56202
Q15 1 1,95238 5 1,36194
Q16 1 2,00000 5 1,54303
Q17 1 1,90476 5 1,47696
Q18 1 2,23810 5 1,68762
Como evidenciado na Tabela 3, as variáveis externas apresentam um peso significante
para a desistência dos estudos, entres estas variáveis, destaque para a Q14, ou seja, conciliar os
estudos e o trabalho, seguida da variável Q18, que são os problemas familiares.
TABELA 4. Estatística descritiva das variáveis estruturais analisadas emuma escala de Likert.
Q19 1 1,04762 2 0,21296
Q20 1 1,04762 2 0,21296
Q21 1 1,47619 5 1,00565
Na Tabela 4, podemos observar que somente a variável Q21 atinge 5 pontos, ou seja, o
valor máximo na escala de Likert e desvio padrão de 1. Logo podemos concluir que a estrutura
tecnológica da unidade de ensino deve ser priorizada na gestão da melhoria contínua, uma vez
que os alunos apontaram dificuldades de acesso à internet, insuficiência de computadores e
computadores danificados. Quanto às variáveis Q19 e Q20 que são a estrutura física e a
biblioteca da unidade de ensino, os alunos foram quase que unânimes em afirmarem que estas
variáveis não desestimularam a continuidade do curso. Observando o desvio padrão destas duas
variáveis, podemos concluir que foram poucos os alunos que apontaram essas variáveis como
tendo algum peso na desistência dos estudos. Quando o fizeram, a valor máximo na escala de
Likert foi 2, ou seja, influenciou pouco.

15
TABELA 5. Estatística descritiva das variáveis docentes analisadas emuma escala de Likert.
Q22 1 1,85714 5 1,48919
Q23 1 1,80952 5 1,25808
Q24 1 2,14286 5 1,45686
Q25 1 1,85714 5 1,48919
Q26 1 1,28571 5 0,88063
Quanto às variáveis docentes, a Tabela 5 aponta que todas elas apresentaram um peso
relevante na desistência dos alunos do ensino técnico noturno da instituição de ensino, palco
desta pesquisa. Podemos concluir que é o grupo de variáveis mais crítico para a evasão dos
alunos, uma vez que a média de todas as variáveis estudadas está em torno de 1,72 e o desvio
padrão médio está em torno de 1,16, com exceção da variável Q26 que é a maneira positiva
como o professor se expressa sobre o curso.
Neste grupo de variáveis, como podemos observar na Tabela 4, os alunos expuseram
um certo grau de insatisfação quanto ao respeito que os professores têm para com os alunos
(Q22), a formação intelectual dos professores (Q23) e a motivação dos professores.
A variável Q24 foi a mais impactante neste grupo de variáveis. A manifestação dos
alunos indica que os professores carecem de habilidades para relacionar a teoria com a prática.
Isso demonstra que os alunos clamam pela aplicabilidade das teorias estudas em sala de aula.
TABELA 6. Estatística descritiva das variáveis didático-pedagógicas analisadas emuma escala de Likert.
Q27 1 2,28571 5 1,57791
Q28 1 1,90476 5 1,37684
Q29 1 1,71429 5 1,41902
Q30 1 1,28571 4 0,76488
Q31 1 1,76190 5 1,30584
A Tabela 6 evidencia que, dentre as variáveis que compõem este grupo, a grade
curricular (Q27) teve um maior peso na desistência dos cursos técnicos apresentando uma
correlação muito forte com a evasão ainda no 1º Módulo/1º Semestre dos cursos técnicos
noturnos, pois 57,1% dos respondentes disseram ter evadido neste período.
A ausência de atividades práticas (Q28) também demonstrou-se ser um fator crítico para
a evasão dos alunos dos cursos técnicos noturnos e as variáveis Q29 e Q31, didática dos
professores e formas de avaliação, mostraram-se em equilíbrio em si, e entre todas as demais
variáveis estudadas, visto que a média de ambas ficou em torno de 1,72. Todavia, também
considerados fatores agravantes na evasão dos alunos.

16
Apenas a variável “uso excessivo de um mesmo recurso audiovisual” (Q30) tem sido
considerada não influente na decisão de evadir-se dos cursos técnicos.
TABELA 7. Estatística descritiva das variáveis didático-pedagógicas analisadas emuma escala de Likert.
Q32 1 1,80952 5 1,49981
Q33 1 1,33333 5 0,94281
Q34 1 1,23810 4 0,68346
Q35 1 1,19048 3 0,49943
FONTE: elaborada pelo autor(2017).
Notamos na Tabela 7 que a variável “relação entre o aluno e os professores” (Q32) é a
mais influente neste grupo, e podemos considera-la como um fator crítico para a evasão, haja
visto, a média e o desvio padrão desta variável estão acima da média e do desvio padrão geral.
Neste grupo, apenas a variável Q35, a sensação de exclusão social, teve como valor
máximo 3 e a média ficou próxima de 1. Então, podemos concluir que esse fator não pode ser
considerado como um daqueles que são críticos para a evasão dos cursos técnicos noturnos.
Logo após a realização das análises da estatística descritiva das variáveis, procedeu-se
à análise dos coeficientes de correlação de Pearson entre todas as variáveis estudas nesta
pesquisa, cuja matriz de correlação é apresentada na Tabela 8.

17
TABELA 8. Matriz de correlação entre as variáveis independentes.
Q14 Q15 Q16 Q17 Q18 Q19 Q20 Q21 Q22 Q23 Q24 Q25 Q26 Q27 Q28 Q29 Q30 Q31 Q32 Q33 Q34 Q35
Q14 1,00
Q15 -0,03 1,00
Q16 -0,41 0,11 1,00
Q17 -0,26 -0,22 -0,04 1,00
Q18 0,16 0,00 -0,05 0,10 1,00
Q19 -0,26 -0,16 0,14 0,17 -0,16 1,00
Q20 0,31 -0,16 -0,14 -0,14 -0,16 -0,05 1,00
Q21 -0,28 -0,19 0,06 0,00 -0,21 0,78 0,34 1,00
Q22 0,03 0,25 -0,21 -0,18 -0,42 0,47 -0,13 0,24 1,00
Q23 -0,31 -0,01 -0,12 -0,19 -0,20 0,57 -0,14 0,45 0,70 1,00
Q24 0,05 0,27 -0,34 -0,10 0,02 0,44 -0,18 0,28 0,67 0,53 1,00
Q25 0,15 0,30 -0,37 -0,35 -0,21 -0,13 -0,13 -0,27 0,68 0,39 0,45 1,00
Q26 -0,24 -0,15 0,07 0,09 -0,14 0,94 -0,07 0,71 0,43 0,56 0,45 -0,04 1,00
Q27 -0,40 0,27 0,18 -0,09 -0,10 0,38 -0,18 0,18 0,48 0,56 0,58 0,24 0,32 1,00
Q28 -0,34 -0,18 -0,16 0,09 0,03 0,50 -0,15 0,45 0,36 0,68 0,67 0,04 0,49 0,67 1,00
Q29 -0,07 0,34 -0,15 -0,13 -0,37 0,52 -0,11 0,30 0,95 0,69 0,73 0,68 0,48 0,55 0,40 1,00
Q30 0,05 -0,17 -0,16 -0,14 0,09 -0,08 -0,08 -0,11 0,16 0,16 -0,21 0,29 -0,12 0,05 -0,11 0,08 1,00
Q31 0,12 0,45 -0,19 -0,16 -0,21 0,38 -0,13 0,23 0,79 0,49 0,74 0,50 0,31 0,36 0,31 0,84 -0,03 1,00
Q32 0,19 0,28 -0,35 -0,33 -0,40 -0,12 -0,12 -0,26 0,80 0,44 0,38 0,84 -0,10 0,24 0,08 0,67 0,30 0,54 1,00
Q33 -0,34 -0,25 0,29 0,13 -0,20 0,87 -0,08 0,74 0,37 0,50 0,31 -0,10 0,86 0,26 0,50 0,43 -0,13 0,26 -0,12 1,00
Q34 0,09 -0,14 0,32 -0,07 -0,01 -0,08 0,25 0,18 -0,20 -0,22 -0,18 -0,15 -0,03 -0,28 -0,08 -0,18 -0,13 -0,20 -0,19 0,32 1,00
Q35 0,11 0,50 0,00 -0,17 -0,22 -0,09 -0,09 -0,09 0,55 0,06 0,49 0,55 -0,12 0,17 0,03 0,61 -0,14 0,65 0,56 0,07 0,29 1,00

18
Ao rodar a matriz dos coeficientes de correlação de Pearson, optou-se por destacar as
variáveis que apresentaram coeficientes de correlação entre 0,5 e 0,7 em cor verde, indicando
a necessidade de dispender alguma atenção à essas variáveis, quanto aquelas que apresentaram
um coeficiente de correlação entre a 0,7 a 1 foram destacados em vermelho, indicando uma
total atenção a esse relacionamento entre as variáveis. Notou-se que algumas variáveis
apresentaram baixos níveis de relacionamento entre si, como é o caso das variáveis Q14, Q16,
Q17, Q18, Q20, Q30, Q32 e Q33. Em seguida, exclui-se estas variáveis e rodou uma nova
matrix, para facilitar a interpretação dos dados, conforme apresentada na Tabela 9.
TABELA 9. Nova matriz de correlação entre as variáveis, excluídas aquelas comcorrelação nula.
Q15 Q19 Q21 Q22 Q23 Q24 Q25 Q26 Q27 Q28 Q29 Q31 Q32 Q35
Q14
Q15 1,00
Q16 0,11
Q17 -0,22
Q18 0,00
Q19 -0,16 1,00
Q20 -0,16 -0,05
Q21 -0,19 0,78 1,00
Q22 0,25 0,47 0,24 1,00
Q23 -0,01 0,57 0,45 0,70 1,00
Q24 0,27 0,44 0,28 0,67 0,53 1,00
Q25 0,30 -0,13 -0,27 0,68 0,39 0,45 1,00
Q26 -0,15 0,94 0,71 0,43 0,56 0,45 -0,04 1,00
Q27 0,27 0,38 0,18 0,48 0,56 0,58 0,24 0,32 1,00
Q28 -0,18 0,50 0,45 0,36 0,68 0,67 0,04 0,49 0,67 1,00
Q29 0,34 0,52 0,30 0,95 0,69 0,73 0,68 0,48 0,55 0,40 1,00
Q30 -0,17 -0,08 -0,11 0,16 0,16 -0,21 0,29 -0,12 0,05 -0,11 0,08
Q31 0,45 0,38 0,23 0,79 0,49 0,74 0,50 0,31 0,36 0,31 0,84 1,00
Q32 0,28 -0,12 -0,26 0,80 0,44 0,38 0,84 -0,10 0,24 0,08 0,67 0,54 1,00
Q33 -0,25 0,87 0,74 0,37 0,50 0,31 -0,10 0,86 0,26 0,50 0,43 0,26 -0,12
Q34 -0,14 -0,08 0,18 -0,20 -0,22 -0,18 -0,15 -0,03 -0,28 -0,08 -0,18 -0,20 -0,19
Q35 0,50 -0,09 -0,09 0,55 0,06 0,49 0,55 -0,12 0,17 0,03 0,61 0,65 0,56 1,00
Conforme a Tabela 9, notou-se um nível muito forte de relacionamento entre a variável
Q19 com as variáveis Q21, Q26 e Q33. Portanto, aqueles alunos que consideraram a estrutura
física da escola como um fator crítico para evasão, também o fizeram para o laboratório de
informática, para a atitude positiva dos professores ao mencionarem os cursos técnicos e para
a relação deles com os demais alunos.
No tocante a variável Q21, os alunos que atribuíram um grande peso à evasão pelo
laboratório de informática, fizeram o mesmo para com as variáveis Q26 e Q33, atitudes

19
positivas do professor ao mencionar os cursos técnicos e o relacionamento deles com os demais
alunos.
Quanto a variável Q22, a mesma demostrou um nível de relacionamento quase perfeito
com a variável Q29. Portanto, o respeito do professor para com os alunos está intimamente
ligado com a didática dos mesmos. Apresentando também um nível moderado de
relacionamento com a as variáveis Q31 e Q32. Formas de avaliação e relacionamento com os
professores, respectivamente.
A variável “habilidade dos professores em relacionar a teoria e a prática” (Q24)
apresenta um nível moderado de relacionamento com as variáveis “didática dos professores” e
“formas de avaliação”, que são as variáveis Q29 e Q31, respectivamente.
Com relação a variável Q25, esta apresentou um forte nível de relacionamento com a
variável Q32. Assim, aqueles alunos que consideram a motivação dos professores com um dos
fatores críticos para a desistência dos cursos técnicos relataram o mesmo para com a relação
entre eles e os professores.
A variável “atitudes positivas dos professores sobre o curso” (Q26) demonstrou um forte
nível de relacionamento com a variável “relacionamento com os demais alunos” (Q33),
enquanto que a variável “ didática dos professores” (29) também se mostrou em um nível forte
de relacionamento com a variável “formas de avaliação” (Q31).
Terminadas as análises da estatística descritiva e as análises de correlação entre as
variáveis estudadas nesta pesquisa, procedeu-a as análises da regressão linear múltipla na
intenção de evidenciar os fatores críticos para a evasão dos cursos técnicos noturnos na unidade
de ensino palco desta pesquisa, cujo assunto é o título desta pesquisa.
Antes de iniciar as análises de regressão múltipla, é seguro apresentar os dados extraídos
do questionário online respondidos pelos alunos desistentes dos cursos técnicos noturnos em
questão, os quais estão apresentados na Tabela 10.
Notamos que apenas 21 alunos evadidos se envolveram nesta pesquisa, no sentido de
responderem ao questionário online, muito embora foram contatos diariamente via e-mail ou
rede social, onde criou-se um grupo envolvendo tais alunos. Portanto, nesta pesquisa o n será
igual a 21.
É necessário esclarecer que os valores de VAR (variável dependente) foram obtidos
através da média das respostas de cada aluno.

20
TABELA 10. Dados para a análise da regressão múltipla.
N VAR Q14 Q15 Q16 Q17 Q18 Q19 Q20 Q21 Q22 Q23 Q24 Q25 Q26 Q27 Q28 Q29 Q30 Q31 Q32 Q33 Q34 Q35
1 1,54545 1 5 5 1 1 1 1 1 1 1 1 1 1 5 1 1 1 1 1 1 1 1
2 1,31818 3 1 2 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
3 1,59091 5 1 1 1 5 1 1 1 1 1 3 3 1 1 1 1 1 2 1 1 1 1
4 1,86364 3 1 1 4 4 1 1 1 1 1 4 1 1 5 5 1 1 1 1 1 1 1
5 1,72727 1 1 1 1 5 1 1 2 1 3 3 1 1 4 4 1 2 1 1 1 1 1
6 1,50000 2 3 1 5 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
7 1,68182 2 1 5 2 2 1 1 2 1 1 1 1 1 1 2 1 1 1 1 3 4 2
8 1,63636 3 3 5 1 5 1 1 1 1 2 1 1 1 2 1 1 1 1 1 1 1 1
9 1,68182 1 1 1 1 1 1 1 1 2 3 2 4 2 2 3 2 1 1 3 2 1 1
10 1,22727 1 1 2 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
11 1,18182 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
12 1,27273 1 1 5 1 1 1 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 1
13 2,00000 3 1 1 1 1 1 1 1 4 3 1 5 1 3 1 3 4 1 5 1 1 1
14 1,36364 5 1 1 1 1 1 2 3 1 1 1 1 1 1 1 1 1 1 1 1 2 1
15 1,59091 5 1 1 1 1 1 1 1 3 2 2 1 1 1 2 1 1 2 4 1 1 1
16 1,36364 1 3 1 1 1 1 1 3 1 2 2 1 1 1 2 1 1 2 1 1 1 1
17 1,59091 4 2 2 2 4 1 1 1 1 1 1 1 1 1 1 1 3 3 1 1 1 1
18 2,86364 3 4 1 1 1 1 1 1 5 5 5 5 1 5 4 5 1 5 5 1 1 2
19 2,59091 4 5 1 1 1 1 1 1 5 1 5 5 1 3 1 5 1 5 5 1 1 3
20 3,00000 1 1 3 3 1 2 1 5 5 5 5 1 5 5 5 5 1 4 1 5 1 1
21 1,63636 5 3 1 1 4 1 1 1 1 1 3 2 2 1 1 1 1 1 1 1 2 1
FONTE: Elaborada pelo autor(2017).

21
É prudente esclarecer que ao iniciar as análises de regressão múltipla, este autor utilizou
o recurso stepwise do software estatístico MINITAB® 17.1.0 para selecionar as variáveis
independentes que apresentam as melhores respostas. Neste sentido, optou-se por iniciar as
análises a partir de um “α de Cronbach” de 0,1. Portanto, neste primeiro momento, o nível de
confiança está em 0,90 e o nível de significância em 0,10. Sabe-se que é recomendado utilizar
um α de 0,05 e o mesmo será feito no segundo momento das análises de regressão linear
múltipla.
Portanto, ao utilizar um α de 0,1 observar-se na Tabela 11 que o modelo de regressão
apresentou um R² de 0,9886, podendo concluir que que há um nível de confiança quase perfeito,
pois 98,86% da evasão dos cursos técnicos noturnos é explicada pelas variáveis independentes
apresentadas na Tabela 13, quais são: Q18, Q22, Q26, Q27, Q28, Q29, Q31 e Q34. Apenas
1,14% deve-se a alguma variável não relacionadas nesta pesquisa.
TABELA 11. Análise da regressão linear múltipla para um α de 0,1.
Estatística de regressão
R-Múltiplo 0,996603108
R-Quadrado 0,993217755
R-Quadrado ajustado 0,988696259
Erro padrão 0,053672745
Observações 21
No que tange a análise da variância, pode-se dizer que a regressão é significativa, uma
vez que a Tabela 12 evidencia que o “F de significação” é menor que o “α”. Estatisticamente,
se F < α, a regressão é significativa e se F ≥ α, a regressão não é significativa. A estatística F
testa todos os coeficientes simultaneamente, exceto a constante que é igual a zero, utilizando
os dados de grau de liberdade (GL), a soma dos quadrados (SQ) e a média dos quadrados (MQ).
TABELA 12. Análise da variância para um α de 0,1.
GL SQ MQ F F de significação
Regressão 8 5,062439889 0,632804986 219,6657179 0,000000000008
Resíduo 12 0,034569162 0,002880764
Total 20 5,097009052
Quanto aos fatores críticos para a evasão dos cursos técnicos noturnos, apenas oito
foram selecionados como as melhores respostas ao utilizar o recurso stepwise com um α de 0,1.

22
TABELA 13. Fatores críticos para a evasão dos cursos técnicos noturnos para umα de 0,1.
Coeficientes Erro padrão T-Valor P-Valor VIF
Interseção 0,597970161 0,047935982 12,47434884 0,00000 -
Q18 0,069499763 0,008076950 8,604704132 0,00000 1,35
Q22 0,128579755 0,026883415 4,782865312 0,00045 11,68
Q26 0,052250487 0,017498743 2,985956532 0,01136 1,73
Q27 0,064574181 0,012547710 5,146292114 0,00024 2,86
Q28 0,029985129 0,013301862 2,254205447 0,04366 2,45
Q29 0,115761844 0,035074077 3,300495760 0,00633 18,06
Q31 0,067455809 0,018190599 3,708278671 0,00299 4,11
Q34 0,115991528 0,018781997 6,175675859 0,00005 1,20
Dentre as variáveis apresentadas na Tabela 13, observa-se que a variável “falta de
atividades práticas” (Q28) apresentou o menor peso enquanto a variável “respeito do professor
para com os alunos” (Q22) apresentou o maior peso. Neste modelo, a equação da regressão
linear múltipla é representada da seguinte maneira:
y = a + β18Q18 + β22Q22 + β26Q26 + β27Q27 + β28Q28 + β29Q29 + β31Q31 + β34Q34
Sendo assim:
VAR = 0,5980 + 0,06950 Q18 + 0,1286 Q22 + 0,0523 Q26 + 0,0646 Q27 + 0,0300 Q28
+ 0,1158 Q29 + 0,0675 Q31 + 0,1160 Q3
Todavia, este modelo de regressão linear múltipla ainda não é considerado o resultado
final da presente pesquisa tendo em vista que algumas variáveis apresentaram valor de inflação
da variância (VIF) acima de 10, precisamente as variáveis Q22 e Q29, “respeito dos professores
para com os alunos” e “didática dos professores”, respectivamente, como evidenciados na
Tabela 13, apresentando um sinal de multicolinearidade, ou seja: algumas variáveis preditoras
estão fortemente relacionadas a outras variáveis preditoras tornando-se um problema, uma vez
que a forte multicolinearidade tente a aumentar a variância dos coeficientes da regressão. Sendo
assim, este autor entende que sob o efeito da multicolinearidade a expressão dos verdadeiros
fatores críticos para a evasão é comprometida e neste sentido, decidiu-se partir para uma nova
análise de regressão linear múltipla com um α de 0,05.
Conforme a Tabela 14, para um nível de confiança de 95% e nível de significância de
5% o R² é de 0,9590 e, embora seja uma pouco menor do modelo anterior, ainda assim é
considerado muito significativo, explicando 95,90% os motivos que levam os alunos a
desistirem de concluir os cursos técnicos. Somente 4,10% não é explicado neste modelo,
portanto há alguma variável não contemplada nesta pesquisa que motiva a evasão.

23
TABELA 14. Análise da regressão linear múltipla para um α de 0,05.
Estatística de regressão
R-Múltiplo 0,983500714
R-Quadrado 0,967273654
R-Quadrado ajustado 0,959092068
Erro padrão 0,102104873
Observações 21
No tocante a análise da variância, ou ao Teste F, conclui-se que o modelo é
extremamente significativo, pois observa-se na Tabela 15 que o “F de significação” é
muitíssimo menor que o “α” e como mencionado anteriormente, se F < α, a regressão é
significativa e se F ≥ α a regressão não é significativa.
TABELA 15. Análise da variância para um α de 0,05.
GL SQ MQ F F de significação
Regressão 4 4,93020257 1,232550643 118,2256834 0,00000000001
Resíduo 16 0,166806482 0,010425405
Total 20 5,097009052
FONTE: Elaborada pelo autor (2017.
Ao concluir a presente pesquisa, observa-se na Tabela 16 que somente quatro fatores
podem ser considerados realmente críticos para os alunos desistirem de concluir os cursos
técnicos noturnos oferecidos pela unidade de ensino do Centro Paula Souza localizada na cidade
de Vargem Grande do Sul, interior do Estado. Dentre eles, o mais relevante é o Q29 e o menos
relevante o Q18, “didática dos professores” e “problemas familiares”, respectivamente.
TABELA 16. Fatores críticos para a evasão dos cursos técnicos noturnos para umα de 0,05.
Coeficientes Erro padrão T-Valor P-Valor VIF
Interseção 0,780936707 0,074991439 10,41367814 0,00000 -
Q18 0,064953377 0,014574401 4,456675676 0,00040 1,22
Q28 0,077865006 0,018060592 4,311320672 0,00054 1,25
Q29 0,326626968 0,019147819 17,05818096 0,00000 1,49
Q34 0,073139311 0,033219669 2,201686918 0,04271 1,04
Há que se considerar ainda, os baixos valores de inflação da variância (VIF), todos muito
próximos de 1. Conclui-se então que neste modelo não foi constatada a multicolinearidade,
portanto, nenhuma dessas variáveis preditoras se relacionam com outras variáveis preditoras.
Para este modelo que regressão linear múltipla, à equação é representada da seguinte
maneira:
y = a + β18Q18 + β28Q28 + β29Q29 + β34Q34
Portanto, temos que:
VAR = 0,7809 + 0,0650 Q18 + 0,0779 Q28 + 0,3266 Q29 + 0,0731 Q34

24
Após analisar todos os dados da regressão linear múltipla, conclui-se que este é o
modelo mais adequado para tomadas de decisões no sentido de implantar melhorias quanto à
qualidade do ensino técnico e que estas sejam contínuas para garantir o enfrentamento do grave
problema aqui pesquisado, “a evasão dos cursos técnicos noturnos”.
5. Considerações finais
Quando aplicados corretamente e interpretados de maneira segura, os métodos
estatísticos para a qualidade podem ser empregados em qualquer área do conhecimento,
subsidiando tomadas de decisões no sentido de atingir a excelência na qualidade do produto ou
do serviço.
Nesta pesquisa, a ferramenta estatística “regressão linear múltipla” trouxe à tona os
fatores que levam a unidade de ensino técnico, palco desta pesquisa, a perder os alunos antes
mesmo de eles concluírem os estudos e o modelo de regressão linear múltipla tido como o mais
adequado nesta pesquisa assegura que as variáveis “didática dos professores, falta de atividades
práticas, excesso de notas baixas e problemas familiares” são os fatores críticos para a evasão.
Assim, quanto aos fatores internos desta instituição de ensino, pode-se elencar algumas
propostas de melhorias a curto e médio prazo, na intenção de atingir a qualidade no ensino.
 A curto prazo
I. Flexibilizar as ferramentas pedagógicas no processo ensino-aprendizagem pelos docentes;
II. Oferecer atividades de apoio pedagógico a estudantes com dificuldades de desempenho;
III. Ações pedagógicas estruturadas em disciplinas com altas taxas de notas baixa.
 A médio prazo
I. Melhorar a formação pedagógica do corpo docentes.
Portanto, dada a eficácia desta pesquisa, acredita-se que esta seja uma porta aberta para
pesquisas futuras abrangendo variáveis não contempladas nesta pesquisa, pois muito há que ser
feito no sentido de garantir a máxima qualidade do ensino, independentemente do nível de
ensino. Sugere-se também pesquisas que segreguem os cursos técnicos noturnos, o que não foi
possível devido ao pequeno número da amostra.
Referências
ADACHI, A. A. C. T. Evasão e evadidos nos cursos de graduação da Universidade Federal de Minas Gerais.
Dissertação (Mestrado em Educação). Belo Horizonte, 2009. Disponível em: <http://hdl.handle.net/1843/HJPB-
7UPMBA>. Acesso em: 04 jan. 2017.

25
BIAZUS, C. A. Sistema de fatores que influenciam o aluno a evadir-se dos cursos de graduação na UFSM e
na UFSC: um estudo no curso de Ciências Contábeis. Tese (Doutorado em Engenharia de Produção).
Florianópolis, 2004. Disponível em: < http://repositorio.ufsc.br/xmlui/handle/123456789/87138>. Acesso em: 05
jan. 2017.
COMISSÃO ESPECIAL DE ESTUDOS SOBRE A EVASÃO NAS UNIVERSIDADES PÚBLICAS
BRASILEIRAS. Diplomação, retenção e evasão nos cursos de graduação em instituições de ensino superior
públicas. ANDIFES/ABRUEM/SESU/MEC, 1996. Disponível em: <
http://www.dominiopublico.gov.br/download/texto/me001613.pdf>. Acesso em: 08 jan. 2017.
CRAVO, A. C. Análise das causas da evasão escolar do curso técnico de informática em uma faculdade de
tecnologia de Florianópolis. Disponível em: < http://dx.doi.org/10.5007/1983-4535.2012v5n2p238>. Acesso em:
10 jan. 2017.
CRUZ, A. P. Evasão nos cursos técnicos profissionalizantes: uma análise das principais causas e
identificação de perfil dos alunos evadidos do Senac Sete Lagoas. Dissertação (Mestrado Profissional em
Administração). Pedro Leopoldo, 2013. Disponível em:
<http://www.fpl.edu.br/2013/media/pdfs/mestrado/dissertacoes_2013/dissertacao_anderson_paulo_da_cruz_201
3.pdf>. Acesso em: 10 jan. 2017.
FREITAS, R. S. A ocorrência da evasão do ensino superior - uma análise das diferentes formas de mensurar.
Dissertação (Mestrado em Educação). Campinas, 2016. Disponível em: <
http://www.bibliotecadigital.unicamp.br/document/?code=000970585&opt=3>. Acesso em: 07 jan. 2017.
FORMULÁRIOS GOOGLE. Disponível em: <https://www.google.com/intl/pt-BR/forms/about>. Acesso em: 09
fev. 2017.
GIL, A. C. Como elaborar projetos de pesquisa. 4 ed. São Paulo: Atlas, 2002.
HAIR JÚNIOR, F. J. et al. Análise multivariada de dados. 5 ed. Porto Alegre: Bookman, 2005.
MARCONI, M. A.; LAKATOS, E. M. Fundamentos de metodologia científica. 5 ed. São Paulo: Atlas, 2003.
MEIRA, C. A. A evasão escolar no ensino técnico profissionalizante: um estudo de caso no campus Cariacica
do Instituto Federal do Espírito Santo. Dissertação (Mestrado em Gestão Pública). Vitória, 2015. Disponível
em:
<http://repositorio.ufes.br/bitstream/10/1562/1/A%20evas%C3%A3o%20escolar%20no%20ensino%20t%C3%
A9cnico%20profissionalizante.pdf>. Acesso em: 11 jan. 2017.
MINITAB® 17.1.0. Disponível em: < https://www.minitab.com/pt-br/downloads>. Acesso em: 20 nov. 2016.
PEREIRA JÚNIOR, E. M. Compromisso com o graduar-se, com a instituição e com o curso: estrutura
fatorial e relação com a evasão. Dissertação (Mestrado em Educação). Campinas, 2012. Disponível em: <
POLYDORO, S. A. J. O trancamento de matrícula na trajetória acadêmica do universitário: condições de
saída e retorno à instituição. Tese (Doutorado em Educação). Campinas, 2000. Disponível em: <
http://www.bibliotecadigital.unicamp.br/document/?code=vtls000219642&fd=y>. Acesso em: 07 jan. 2017.
SCALI, D. F. Evasão nos cursos superiores de tecnologia: a percepção dos estudantes sobre seus
determinantes. Dissertação (Mestrado em Educação). Campinas, 2009. Disponível em: <
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 3. ed. São Paulo: Atlas, 2009.

26
SOUZA, I. M. Causa da evasão nos cursos de graduação da Universidade Federal de Santa Catarina.
Dissertação (Mestrado em Administração). Florianópolis, 1999. Disponível em: <
http://repositorio.ufsc.br/xmlui/handle/123456789/81300>. Acesso em: 03 jan. 2017.
STEVENSON, W. J. Estatística aplicada à administração. 1 ed. São Paulo: Harbra, 2001.
TOLEDO, J. C. et al. Qualidade: gestão e métodos. Rio de Janeiro: LTC, 2017.
VICINI, L. Análise multivariada da teoria à prática. Monografia (Especialização em Engenharia de Produção).
Santa Maria, 2005. Disponível em:
https://scholar.google.com.br/scholar?q=AN%C3%81LISE+MULTIVARIADA+DA+T EORIA+%C3%80+PR
%C3%81TICA&hl=ptBR&as_sdt=0&as_vis=1&oi=scholart&sa=X&ved=0ahUKEwigj-
O1u7DSAhUBHJAKHciAAKoQgQMIGjAA. Acesso em: 01 fev. 2107.
XAVIER, A. C. R. Gestão da qualidade total nas escolas: um novo modelo gerencial para a educação. Texto
para discussão nº 234. Instituto de Pesquisa Econômica Aplicada. Brasília, 1991. Disponível em:
<http://www.ipea.gov.br/portal/images/stories/PDFs/TDs/td_0234.pdf>. Acesso em: 09 jan. 2017.

27
ANEXOS
ANEXO I
CARTA DE APRESENTAÇÃO AOS ALUNOS DESISTENTES
Prezado(a) ex-aluno(a) dos Cursos Técnicos da ETEC de Vargem Grande do Sul, espero
que esteja tudo bem com você.
Sou o Professor Eliseu Fortolan e venho, mui respeitosamente, solicitar a sua
participação no sentido de responder o questionário online.
Não será solicitada a sua identificação e as informações obtidas serão utilizadas em um
estudo que estou realizando no curso de Pós-Graduação, nível Mestrado, na área de Gestão da
Qualidade e Melhoria Contínua na Universidade Federal de São Carlos - UFSCar.
O objetivo desta pesquisa é investigar quais são os fatores que mais motivam os alunos
a desistirem dos cursos técnicos oferecidos pela ETEC de Vargem Grande do Sul.
Sua participação nesta pesquisa não é obrigatória. Contudo, ao participar dela, estará
contribuindo para a identificação dos fatores críticos para a evasão dos cursos técnicos.
Somente com a sua participação, a Direção, a Coordenação Pedagógica, os
Coordenadores de Cursos e os Professores, poderão providenciar melhorias contínuas nos
cursos técnicos noturnos, na unidade de ensino palco da presente pesquisa.
Antecipadamente agradeço sua atenção e conto muito com a sua participação.
Vargem Grande do Sul, 10 de fevereiro de 2017.

28
ANEXO II
QUESTIONÁRIO RESPONDIDO PELOS ALUNOS DESISTENTES
1ª Parte – Informações demográficas
1. Sexo
(1) Masculino
(2) Feminino
2. Reside em Vargem Grande do Sul
(1) Não
(2) Sim
3. Estado civil
(1) Solteiro
(2) Casado
(3) União estável
(4) Divorciado
(5) Viúvo
4. Idade
(1) De 16 a 20 anos
(2) De 21 a 25 anos
(3) De 26 a 30 anos
(4) De 31 a 35 anos
(5) 36 anos ou mais
5. Quantidade de pessoas na família
(1) Até 3 pessoas
(2) 4 pessoas
(3) 5 pessoas
(4) 6 pessoas
(5) 7 pessoas ou mais

29
6. Renda familiar (soma dos rendimentos de cada pessoa da família)
(1) Até R$ 1.874,00
(2) De R$ 1.874,01 a R$ 2.811,00
(3) De R$ 2.811,01 a R$ 3.784,00
(4) De R$ 3.784,01 a R$ 4.685,00
(5) Acima de R$ 4.685,00
2ª Parte – Informações sobre o ingresso no Curso Técnico
7. Qual Curso Técnico você estava matriculado
(1) Administração
(2) Agroindústria
(3) Alimentos
(4) Informática
(5) Informática para Internet
(6) Manutenção/Suporte em Informática
(7) Nutrição e Dietética
(8) Recursos Humanos
8. Porque você se matriculou neste Curso?
(1) Por vontade própria, pois penso ser a minha vocação
(2) Por incentivo dos familiares
(3) Por incentivo dos amigos
(4) Por incentivo dos professores
(5) Pela imagem positiva do curso
(6) Pela imagem positiva do corpo docente
(7) Pela demanda no mercado de trabalho
(8) Por falta de opção
9. Quando optou por este curso técnico, você realmente sabia quais as atribuições e os cargos
que poderia ocupar ao conclui-lo?
(1) Não
(2) Sim

30
10. Nos primeiros dias de aula é comum os alunos receberem o Manual de Orientação do Aluno.
Você ficou totalmente esclarecido e se sentiu bem orientado sobres as informações constantes
nele?
(1) Não
(2) Sim
11. Para você, ficou bem claro e você se sentiu bem orientado sobre as funções do Coordenador
Pedagógico?
(1) Não
(2) Sim
12. Para você, ficou bem claro e você se sentiu bem foi orientado sobre as funções do
Coordenador de Curso?
(1) Não
(2) Sim
13. Período em que houve a desistência do Curso Técnico
(1) 1º Módulo / 1º Semestre
3ª Parte – Fatores externos que influenciaram na desistência do Curso Técnico
14. Conciliar os estudos e o trabalho influenciou na desistência do Curso?
(1) Não influenciou
(2) Influenciou pouco
(3) Influenciou moderadamente
(4) Influenciou bastante
(5) Influenciou fortemente
15. A falta de oportunidades no mercado de trabalho influenciou na desistência do Curso?

31
16. A oportunidade de cursar uma faculdade influenciou na desistência do Curso?
17. Problemas de saúde pessoal influenciaram na desistência do Curso?
18. Problemas familiares influenciaram na desistência do Curso?
4ª Parte – Fatores estruturais que influenciaram na desistência do Curso Técnico
19. A estrutura física (carteiras, cadeiras, sanitários, refeitório, acessibilidade, etc.) influenciou
na desistência do Curso?

32
20. A biblioteca (insuficiência quanto a livros, periódico, revistas, etc.) influenciou na
21. O laboratório de informática (computadores danificados, insuficiência de computadores,
dificuldade de acesso à internet, etc.) influenciou na desistência do Curso?
5ª Parte – Fatores docente que influenciaram na desistência do Curso Técnico
22. O respeito dos professores para com os alunos influenciou na desistência do Curso?
23. A formação intelectual e a experiência profissional dos professores influenciaram na

33
24. A habilidade dos professores em relacionar a teoria e a prática influenciaram na desistência
do Curso?
25. A motivação do professor em sala de aula influenciou na desistência do Curso?
26. Atitudes positivas do professor ao expressar-se sobre o curso influenciaram na desistência
do Curso?
6ª Parte – Fatores didáticos-pedagógicos que influenciaram na desistência do curso
27. A grade curricular (disciplinas que compõem o curso) influenciou na desistência do Curso?
28. A falta de atividades práticas influenciou na desistência do Curso?

34
29. A didática dos professores influenciou na desistência do Curso?
30. O uso excessivo de um mesmo recurso audiovisual (Datashow, rádio, filme, lousa e giz)
influenciou na desistência do Curso?
31. As formas de avaliação influenciaram na desistência do Curso?
7ª Parte – Fatores pessoais que influenciaram na desistência do Curso
32. A sua relação com os professores influenciou na desistência do Curso?

35
33. A sua relação como os demais alunos influenciou na desistência do Curso?
34. O excesso de notas baixas influenciou na desistência do Curso?
35. A sensação de exclusão social influenciou na desistência do Curso?

Regressão linear múltipla

Mais conteúdo relacionado

Semelhante a Regressão linear múltipla

Mais de Eliseu Fortolan

Regressão linear múltipla