Uncertainties and variability in dose estimates

A natureza de nossa pesquisa é quali-quantitativa denominação ancorada nos estudos de Marconi e Lakatos (2011) que afirmam que há a possibilidade de uma pesquisa ter duas naturezas. No método quantitativo, emprega-se instrumentos estatísticos e, conforme Gil (2002, p. 133), trata-se de um método mais simples que o qualitativo. No qualitativo, segundo Gil (2002), depende de muitos fatores, a saber: a natureza dos dados coletados, o tamanho da amostra, os instrumentos de pesquisa e as teorias de bases que norteiam o trabalho. Assim, nossa pesquisa é quali-quantitativa, pois utilizaremos o programa estatístico Goldvarb (2005) para uma descrição em termos quantitativos, assim como, analisaremos e interpretaremos os dados obtidos para a obtenção de uma descrição qualitativa.

Desse modo, selecionamos as formas imperfectivas de passado, mapeamos as funções das formas imperfectivas e, logo, fizemos um levantamento dos dados estatísticos por meio da seleção de trechos das entrevistas sociolinguísticas. Após essa etapa, os dados foram categorizados de acordo com os fatores supracitados. Posteriormente ao procedimento de categorização, os dados foram analisados estatisticamente. Para isso, utilizamos o programa Goldvarb (2005)10 _{do conjunto de programas computacionais VARBRUL (Variable Rules}

10 _{O programa Goldvarb (2005) é um pacote estatístico que tem como finalidade o tratamento da regra variável e} quantificação dos dados coletados. O Goldvarb faz parte do conjunto de programas computacionais Variable Rules Analysis – VARBRUL. Segundo Guy e Ziles (2007), essa ferramenta, Goldvarb, lida com dados de variação Sociolinguística e realiza análise multivariada e, por isso, é um meio de conseguir êxito nos estudos estatísticos sociolinguísticos.

SANKOFF, David; TAGLIAMONTE, Sali A. & SMITH, E. Goldvarb X - A multivariate analysis

Analysis) para as rodadas estatísticas dos dados obtidos, por exemplo, os pesos relativos. Para que a descrição de uma variação linguística não seja superficial, Guy e Zilles (2007) sugerem o tratamento estatístico aos dados, pois este tratamento possibilita o melhor entendimento, por ser mais profundo. Apresentamos, a seguir, os significados de alguns termos utilizados na análise estatística segundo Guy e Zilles (2007):

• Aplicação de regra: uma das variantes da variável dependente. É considerada a que se quer explicar, ou seja, escolhe-se uma das variantes em estudo;

• Nocaute: termo que corresponde a uma frequência de 0% ou 100% para um dos valores da variável dependente em determinado contexto, assim, esse contexto contaria com um nocaute. Por exemplo, em um estudo de apagamento de -s final, se houvesse 0% de apagamento ou 100% de apagamento, seria um nocaute. Trata-se de um problema analítico, pois a matemática da análise, ora procede a uma divisão pela fração de aplicações, ora pela fração de não-aplicações. “Se uma dessas frações é equivalente a zero, cria-se a violação de um princípio básico da matemática de número reais: não se pode dividir por zero”. (GUY e ZILLES, 2007, p. 158). Qualquer nocaute que haja nos dados é necessário que seja o fatorque apresentou o nacaute ser excluído;

• Peso relativo: o peso de um fator calculado que indica o efeito deste fator sobre o uso de uma determinada variante. O valor dos pesos é estabelecido em uma escala que vai de 0 a 1, contando casas decimais. Os valores são interpretados da seguinte forma: o valor de zero (“nocaute negativo”) indica que determinada variante não ocorre quando este determinado fator está presente e o de um (“nocaute positivo”) indica que determinada variante sempre acontece quando este determinado fator está presente. Um valor acima de 0,5 corresponde a um fator que favorece o uso da variante e abaixo desse mesmo valor desfavorece e o que se aproxima de 0,5 é denominado ponto neutro. Conforme Coelho et al. (2010, p. 140) explicita que os pesos relativos dessa natureza pouco causam algum efeito sobre a regra variável.

Por exemplo, se em um total de dados a variante tem frequência de 70%, e os homens, na amostra, utilizam com frequência de 80% e as mulheres com 60%, ou seja, os homens favorecem (por estarem acima de 70%) e as mulhereses desfavorecem (por estarem abaixo de 70%). Portanto, o fator para falante masculino recebe um peso relativo acima de 0,5 (favorecedor) e para falante feminino abaixo de 0,5 (desfavorecedor);

• Input: termo que designa o índice geral de aplicação da regra. Conforme Guy e Zilles (2007, p. 238), “o input representa o nível geral de uso de determinado valor da variável dependente”. Podemos, ainda, apresentar o exemplo exposto por Guy e Zilles (2007):

Caso se investigue a presença ou ausência do /r/ final no português do Brasil e a contagem focalize a frequência de ausência, pode ser que, numa determinada amostra, os falantes, no total, apresentem uma taxa de 40% de apagamento ou ausência do /r/. O input, numa análise desses dados com o Varbrul, representaria essa taxa básica, e, embora seja calculado na base de critérios complexos demais para discutir aqui, deve se aproximar do nível de 0,40, dadas certas expectativas sobre a distribuição equilibrada dos dados (GUY e ZILLES, 2007, p. 238).

Quando o input possui um valor que se distacia da taxa geral, significa que a distribuição dos dados não é equilibrada. Por exemplo, se há grande diferença entre falante masculinos e femininos e a maioria dos dados são provenientes da amostra de falante feminino, o input deve corrigir esse desequilíbrio que há, e, desse modo, desviar-se da frequência calculada para a amostra total. (GUY e ZILLES, 2007, p. 238);

• Log-likelihood: é um logaritmo de verossimilhança. Um número calculado que mede a qualidade da aproximação que existe entre o modelo, que se trata de “fatores que caracterizam os contextos, os pesos associados com os fatores, o input e o modelo matemático logístico” (GUY e ZILLES, p. 239) e os dados observados. O valor absoluto desse logaritmo varia em função da quantidade de dados e o número de aplicações. Quanto maior o valor absoluto, ou seja, quanto mais distante de zero, pior é o ajuste (fit) entre o modelo e os dados, e quanto menor o valor absoluto, ou seja, mais próximo de zero, melhor é o ajuste. Desse modo, quanto menor, mais próximo de zero for o valor do log-likelihood mais significativo é;

• Significância: indica uma forte influência na variável dependente e é calculada na base do logaritmo de verossimilhança. A significância é o valor p, isto é, a probabilidade de a hipótese nula ser verdadeira. É considerado um valor significativo é igual ou menor que 0,05. Quanto menor o valor de significância, por exemplo, 0,02, melhor é o valor.

A hipótese nula afirma sempre que nada está acontecendo: não há relação entre as variáveis independentes e a dependente, e a distribuição dos dados observada deve- se apenas a flutuação aleatória e erro de amostragem. Se essa hipótese tem uma baixa probabilidade de ser verdadeira, digamos p = 0,05 ou 0,01, então se diz que a distribuição observada é estatisticamente significativa (GUY e ZILLES, 2007, p. 32).

• Frequência: delineia os padrões de variação e mudança.

Com o intuito de uma melhor apresentação dos resultados obtidos, por meio desta análise estatística, foram organizados tabelas e gráficos dos valores resultantes. Ressaltamos que as análises foram baseadas na Sociolinguística variacionista e no Funcionalismo linguístico, portanto, fez-se necessário vincular esta pesquisa ao que Tavares (2003) propõe: Sociofuncionalismo. Além do exposto, os fatores que motivam a variação linguística entre as formas imperfectivas de passado foram examinados e, ainda, analisados, a partir do princípio funcional de marcação.