L’animal de compagnie, un vecteur de discrimination

Para organizar as respostas dadas às questões do segundo Bloco do formulário de pesquisa, composto de 14 questões relacionadas às competências profissionais descritas no Perfil de Conclusão do Curso de ADS da FSPOA, adotamos a terminologia “COMPnA” para designar as Variáveis de Categoria A, ou seja, relativas à autoavaliação do egresso sobre o nível de desenvolvimento na respectiva competência, e “COMPnB” para designar as Variáveis de Categoria B, isto é, relativas à percepção do egresso quanto ao grau de demanda da empresa a respeito da respectiva competência.

Os dados estatísticos _{das variáveis “COMPnA” e “COMPnB” são analisados} para verificar se possuem uma curva de distribuição normal, com simetria das frequências, tendo a presença das principais medidas de tendência central (média, mediana e moda) no mesmo ponto, de desvio padrão e para proporcionar também os testes da correlação e multicolinearidade. Esse tipo de distribuição normal das variáveis garante que a um desvio padrão tenhamos 68,26% das observações contidas, a dois desvios padrões, 95,44% dos dados compreendidos e, finalmente, a três desvios, 99,73% das observações contidas (NIQUE; LADEIRA, 2014). Para analisar os dados estatísticos, utilizamos o software da IBM® SPSS® (Statistical

Package for the Social Sciences), capaz de transformar os dados de variáveis que

descrevem relacionamentos complexos em informações importantes, proporcionando análise, inferências e conclusões.

4.3.1 Análise Bivariada ou de Correlações entre as Variáveis da Pesquisa

A análise bivariada ou de correlação fornece um número que resume o grau

de relacionamento linear entre as variáveis. A verificação da existência de variáveis

e do grau de relação entre ela fornece informações sobre a intensidade aí implicada. Em termos estatísticos, duas variáveis se associam quando elas guardam semelhanças na distribuição dos seus resultados. Mais precisamente, elas podem se associar a partir da distribuição das frequências ou pelo compartilhamento de variância correlação de Pearson (R). Para o estudo das correlações das competências profissionais aqui estudadas, utilizamos a correlação de Pearson como parâmetro, ou seja, a associação entre as variáveis através da medida da variância compartilhada entre duas variáveis, tendo a variação linearmente distribuída.

O coeficiente de correlação Pearson (R) varia de -1 a 1. O sinal indica direção positiva ou negativa do relacionamento, e o valor sugere a força da relação entre as variáveis. Uma correlação perfeita (-1 ou 1) indica que o resultado de uma variável pode ser determinado exatamente ao se saber o resultado da outra. Já uma correlação de valor zero indica que não há relação linear entre as variáveis. Importante é interpretar a magnitude dos coeficientes, mostrando se há uma correlação fraca: R= 0,10 até 0,39, uma correlação moderada: R= 0,40 até 0,69 ou correlação forte: R= 0,70 até 1 entre as variáveis (CUNHA; COELHO, 2007).

4.3.2 Análise multivariada com Regressão Múltipla entre as Variáveis da Pesquisa

A análise multivariada com regressão múltipla entre as variáveis é uma técnica utilizada para verificar se existe uma função matemática que descreve o comportamento de determinada variável. Para isso, é necessário definir uma variável dependente com base nos valores de uma ou mais variáveis, denominadas independentes (CUNHA; COELHO, 2007). Como variável dependente (Y), é utilizada a Competência Geral (COMPGE) pesquisada e refletida na questão número 10 do questionário , pois essa consiste em uma pergunta de caráter genérico acerca do entendimento do egresso em relação ao nível de desenvolvimento geral de suas competências.

Pergunta 10: Como você avalia seu nível de conhecimento geral, considerando

todas as competências apresentadas?

Utilize uma escala de 1 a 10, sendo 1_{– Baixo conhecimento e 10 – Alto} conhecimento.

Na presente pesquisa, consideramos variáveis independentes (X) todas as competências pesquisadas de “Categoria A” ou “COMPnA” referentes à autoavaliação do egresso respondente em relação ao desenvolvimento das competências do Perfil Profissional de Conclusão descritas no PPC do Curso de ADS da FSPOA. Portanto, a regressão múltipla indica os efeitos cumulativos de um grupo de variáveis explicativas (COMP1A, COMP2A, COMPnA, etc.) em uma variável dependente de COMPGE = Conhecimento Geral, assim como os efeitos separados dessas variáveis explicativas.

Y = β1.(X1) + β2 .(X2) + β3.(X3) +βn.(Xn) + ...+ β0 (01) ou

COMPGE=β1.(COMP 1A)+β2.(COMP 2A)+β3.(COMP 3A)+βn.(COMPnA)+...+β0(02) Por fim, é possível sugerir o cálculo do coeficiente de regressão (βn) e a interpretação da variável de regressão. O modelo de regressão ajuda a identificar o

coeficiente de regressão (_{βn) que avalia a importância relativa das variáveis} individuais na previsão geral.

Neste estudo, o grau de relacionamento entre as variáveis é avaliado através do coeficiente momento-produto (ou r de Pearson) e do fator de inflação da variância (FIV). O propósito desse coeficiente r de Pearson é verificar se existe relacionamento entre as variáveis. Outra etapa importante deste trabalho é estimar o

stepwise, que é um método de seleção de variáveis para inclusão no modelo de

regressão. Isso inicia com a escolha do melhor “preditor” da variável dependente. Nesse caso, as variáveis independentes adicionais são selecionadas em termos do poder explicativo incremental que podem acrescentar ao modelo de regressão (HAIR et al., 1998; WOOLDRIGGE, 2006). O modelo de regressão stepwise fornece uma sólida avaliação do problema de pesquisa, pois apresenta, em diversos modelos, os valores de R e R². (GUAJARATI, 2000). Cabe ao pesquisador escolher o modelo que melhor forneça uma explicação da variável dependente.

Da mesma forma, essa técnica de regressão múltipla é utilizada para analisarmos se existe uma função matemática que descreve o comportamento de determinada variável, denominada dependente (COMPGE = Conhecimento Geral), com base nos valores de uma ou mais variáveis, denominadas independentes (COMPnB = Competência identificada), utilizando a percepção do egresso quanto ao grau de demanda da empresa a respeito das competências identificadas.

5 ANÁLISE DOS DADOS DA PESQUISA