HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN

Espacios. Vol. 37 (Nº 05) Año 2016. Pág. E-1

Avaliação Institucional com Docentes Universitários: Um Estudo de Caso

Institutional Evaluation with University Teachers: A Case Study

Afonso Valau de LIMA Junior 1; Adriano Mendonça SOUZA 2; Jaime Dagostim PICOLLO 3; Ana Carolina Cozza JOSENDE da Silva 4; Roselaine Ruviaro ZANINI 5

Recibido: 04/10/15 • Aprobado: 25/10/2015

Contenido

1. Introdução

2. Metodologia

3. Resultados

4. Conclusão

Referências

1. Introdução

O trabalho docente está marcado por grandes desafios, decorrentes das transformações abruptas do mercado de trabalho. As exigências deste cenário sobre o trabalhador tendem a ser tão rigorosas que frequentemente estão atreladas a problemas de saúde física e mental desta população (Cruz, Lemos, Welter e Guisso, 2010).

Segundo Escrivão Filho e Ribeiro (2009) a educação superior consiste em um trabalho de constante atualização, visto que o mercado de trabalho globalizado requer profissionais cada vez mais capacitados, o que requer que o docente esteja em constante processo de aprimoramento acadêmico, infringindo sobre este, uma carga de trabalho intelectual constante.

Tendo em vista que uma instituição de ensino superior busque sempre a excelência na educação de seu aluno, futuro profissional do mercado de trabalho esta deve prezar o bom relacionamento e a satisfação com seus professores, visto que estes estarão formando seus acadêmicos. Tornando imprescindível assim, que a universidade busque identificar e suprir as deficiências organizacionais, tendo como fruto à eficácia institucional e o contentamento com seu corpo docente (Stettiner, Santos e Pereira, 2015).

Estudos realizados por Sousa e Mendonça (2009) e Leite, Figueiredo, Moura, e SÓL(2008) identificaram tanto problemas de exaustão emocional do docente perante a universidade como insatisfação com o espaço físico disposto a eles. Mostrando que múltiplos fatores podem comprometer o relacionamento do funcionário com a universidade.

Neste contexto a avaliação institucional surge como uma ferramenta para buscar atender as principais demandas desse público, identificando melhorias físicas e incentivas a serem implantadas pela corporação e ao mesmo tempo analisando a satisfação de seus funcionários docentes sobre o regime em andamento.

Segundo González e Domíngues (2009) existem poucos estudos centrados nos docentes universitários, o que se deve ao fato de estes serem considerados como a realeza da educação tendo assim boas condições trabalhistas para exercer suas funções.

Diante do exposto torna-se necessário investigar os professores universitários para identificar aspectos que comprometem/firmam seu relacionamento com a organização trabalhista. Nessa perspectiva o estudo objetiva identificar os fatores relevantes para a satisfação do docente através de uma pesquisa institucional.

2. Metodologia

O universo da pesquisa compreende docentes de uma Universidade privada localizada no interior do estado de Santa Catarina, a pedido da Instituição seu nome não será divulgado.   Foi possível dimensionar uma amostra de 250 docentes com um erro de estimação de 4,47% nível de confiança de 95 %. 

A coleta de dados foi realizada no mês de setembro de 2014, e como instrumento de pesquisa, foi utilizado um questionário estruturado contendo questões pré-definidas pelos pesquisadores, onde foi utilizada uma escala Likert de 5 pontos para avaliar os atributos propostos em relação à Instituição.

A análise dos dados foi dividida em: análise descritiva, análise de agrupamentos, análise de agrupamentos com acréscimo de variáveis normativas de avaliação e análise fatorial.

Na análise de agrupamentos optou-se pela Distância Euclidiana, pois esta é o tipo de distância mais comumente escolhido entre as mais utilizadas, segundo Pereira (2001), a Distância Euclidiana pode ser calculada usando a equação1:

E em relação ao método de ligação, optou-se neste estudo pelo Ward's method (Método de Ward), por basear-se de uma medida com forte apelo estatístico, por gerar grupos que possuem alta homogeneidade interna e por ser o método mais indicado para se trabalhar com atributos, sendo a função distância dada pela equação 2 (WARD, 1963):

Foi utilizado o graph of amalgamation schudule (gráfico de programação fusão) como ferramenta de tomada decisão para realização do corte transversal, para identificar a formação dos clusters, onde é exposta a distância de ligação entre as variáveis, o critério para realização do corte, foi o ponto médio entre a maior distância de ligação entre as variáveis.

Na etapa de análise de agrupamentos com acréscimo de variáveis normativas de avaliação, conforme sugerido por Lima Junior (2014), a criação e incorporação de três variáveis normativas que representam os valores mínimo (MINIM), médio (MEDIA) e máximo (MAXIM) que a escala utilizada no estudo representa, ou seja, 1,00 (ruim), 2,50 (bom) e 5,00 (ótimo), proporcionou o conhecimento de como as demais variáveis se comportariam. Neste caso a análise sugerida desconsidera o corte transversal e busca analisar a distribuição das variáveis em estudo com as variáveis normativas de avaliação.

Uma das vantagens desta técnica, que consiste em inserir variáveis normativas de avaliação, é que o pesquisador pode definir o peso das variáveis. Essa forma de análise é muito útil pois é possível identificar a formação de clusters e conjuntamente analisar o desempenho dos mesmos.

Neste estudo, na etapa referente à análise fatorial, primeiramente calculou-se a matriz de correlação e testou-se a medida de adequação dos dados, através do Kaise-Meyer-Olkin Measure of Sampling Adequacy (KMO) e o teste de Bartlett.

Na identificação dos autovalores, utilizou-se como critério de decisão os autovalores superiores a 1, em seguida utilizou-se a rotação Varimax, por se enquadrar melhor nos objetivos propostos e por ser a mais utilizada e difundida. Baseando-se nas variáveis predominantes em cada fator foi atribuído um rótulo aos mesmos conforme categorização descrita no Quadro 1.

Quadro 1: Categorização dos Fatores.

A escolha destas variáveis para realizar o estudo bem como a caracterização de fatores foi a critério dos pesquisadores, pois foi necessário se adaptar a organização administração e a política interna da Instituição em estudo.  

3. Resultados

Primeiramente, procedeu-se com a determinação das estatísticas descritivas das variáveis em estudo, conforme Tabela 1, pode-se verificar que as variáveis "Gestão do curso", "Reitoria", "Infraestrutura" e "Desempenho geral" apresentaram a maior média dentre as variáveis propostas, 3,828; 3,788; 3,712 e 3,712, respectivamente. As variáveis que apresentaram maior desvio padrão foram "Qualidade da extensão", "Qualidade da pesquisa" e "pró-reitorias", sendo 1,251; 1,215 e 1,086, respectivamente.

Tabela 1: Estatísticas descritivas das variáveis analisadas por meio de escala de Likert

Contrariamente às variáveis mencionadas, "Plano de carreira", "Benefícios" e "Estabilidade no emprego" são as que possuem menor média, 2,928; 2,948 e 3,080, respectivamente. As variáveis "Remuneração", "Qualidade do ensino" e "Desempenho geral" apresentaram menor desvio padrão, 0,729; 0,756 e 0,785, respectivamente.

Através do coeficiente de variação de Pearson, pode-se verificar que a média das variáveis em estudo são representativas, em torno de 29%. As variáveis "Qualidade da extensão", "Plano de carreira" e "Qualidade da pesquisa" apresentam os maiores coeficientes de variação, 0,400; 0,366 e 0,362, respectivamente, demonstrando que há uma grande dispersão em relação à opinião dos entrevistados nessas três variáveis.

Na Figura 1 é mostrado o dendograma originado da análise de cluster do conjunto de variáveis propostas para o estudo. Pode-se identificar, através do corte transversal na distância 31 (representada no eixo Y), conforme critério definido na metodologia, a formação de dois clusters.

Figura 1. Dendograma das variáveis.

Oito variáveis ficaram agrupadas em um cluster sendo elas: exten, pesqu, parti, capac, selec, estab, plano e benef. O segundo cluster é formado também por oito variáveis: gesta, geral, ensin, remun, infra, centr, prore e reito.

A formação do primeiro cluster pode ser caracterizada como atributos ligados a benefícios e incentivos oferecidos pela Instituição a seus docentes. Já o segundo cluster está mais ligado à gestão e gestores da Instituição, pois a maioria dos atributos rementem a gestão da Instituição. Duas variáveis chamam atenção nesse cluster, que seria a variável geral (desempenho geral da Instituição) e a variável ensin (qualidade do ensino) esta última chama mais atenção, pois ficou separada das variáveis exten e pesq (qualidade da extensão e qualidade da pesquisa).

Conforme descrito na metodologia, na análise de agrupamentos com acréscimo de variáveis normativas de avaliação, utilizou-se o recurso de variáveis normativas de avaliação, ou seja, para uma melhor visualização do desempenho das variáveis pesquisadas, a criação e incorporação de três variáveis: MINIM, MEDIA e MAXIM, que representam os valores, respectivamente, mínimo (1,00), médio (2,50) e máximo (5,00), sendo essa decisão de valores uma escolha dos pesquisadores para esse determinado estudo.

Neste caso a análise sugerida desconsidera o corte transversal e busca analisar a distribuição das variáveis em estudo com as variáveis normativas de avaliação, de acordo com a Figura 2. Vale enfatizar que esta forma de análise somente é válida quando utilizado a distância euclidiana e o método de encadeamento "Ward's method" (Método de Ward).

Figura 2: Dendograma com variáveis normativas de avalição.

No dendograma da Figura 2, o critério de corte transversal foi modificado, neste caso o grupo foi propositalmente dividido em três clusters: MINIM, MEDIA e MAXIM, de modo a identificar as aglutinações aos valores propostos. Desta forma, se possibilita a visualização das variáveis de uma forma mais gerencial, pois é possível identificar as variáveis que se encontram com desempenho muito baixo, mediano e máximo.

No caso da Figura 2, não há presença de variáveis ligadas ao cluster MIMIM, já o cluster MEDIA possui quatro variáveis, sendo elas: exten, pesqu, plano e benef, essas variáveis são as que precisam mais atenção pela parte gerencial.

O cluster MAXIM possui as demais doze variáveis do estudo, sendo elas: parti, capac, selec, estab, gesta, geral, ensin, remun, infra, centr, prore, e reito, o desempenho desse grupo de variáveis pode ser identificado como sendo de um ótimo desempenho.

Posteriormente à análise de cluster, calculou-se então a matriz de correlação entre as 16 variáveis em estudo, considerando-se p-valor<0,05 para verificação, obteve-se uma correlação positiva entre as variáveis em estudo, apesar de em alguns casos a correlação ser considerada baixa, o que não invalida a realização da análise fatorial, dado que as variáveis em estudo apresentavam correlação entre elas, a qual é um pressuposto para a aplicação análise fatorial.

Para testar a medida de adequação dos dados foi utilizado o Kaise-Meyer-Olkin Measure of Sampling Adequacy (KMO), onde se obteve um valor de 0,866, ou seja, a adequação dos dados é classificada como ótima para a realização da análise fatorial. Corroborando com o cálculo do KMO, utilizou-se o teste de Bartlett, onde identificou-se um valor de 1344,244, com 120 graus de liberdade e p < 0,001.

De acordo com a Tabela 2, onde são apresentados os Autovalores, pode-se verificar que, aproximadamente, 60% da variabilidade dos dados é explicada por quatro fatores principais, tomando como critério de decisão a utilização dos 4 autovalores mais significativos, isto é, autovalores igual ou acima de 1,00. 

Tabela 2: Autovalores e percentual de variância explicada

Isso significa que, de 16 variáveis avaliadas no estudo, com 250 casos, com apenas quatro fatores é possível explicar o conjunto original observado. O percentual de variância explicada pelo primeiro autovalor é (5,728/16) * 100 = 35,800%. O autovalor foi dividido por 16 pois este número corresponde ao Traço da matriz de correlação, onde a diagonal principal é formada por valores iguais a 1, o que indica a variabilidade total do sistema.

Com o intuito de uma melhor visualização dos fatores foi realizada uma rotação varimax normalizada.  O Fator 1 é representado pela variável prore (0,839), sendo derivado de um autovalor que possui uma explicação de 35,800%. O Fator 2, pela variável pesqu (0,915). O Fator 3 é representado pela variável remun (0,968) e o Fator 4 é representado pela variável plano (0,930).  Os valores entre parênteses representam as cargas fatoriais de cada variável.

Baseando-se nas variáveis predominantes em cada fator, foi atribuído um rótulo aos mesmos, fundamentado na caracterização descrita no Quadro 1, sendo: "gestão" a denominação do Fator 1, "qualidade" a denominação do Fator 2, "remuneração" para o Fator 3 e para o Fator 4 "benefícios e incentivos".

Foram traçados os planos fatoriais dos quatro fatores, sendo que na Figura 3 é traçado a relação entre o Fator 1 (gestão) com o Fator 2 (qualidade), para uma melhor interpretação das informações.

Figura 3: Representação do Fator 1 versus Fator 2.

Na Figura 3, onde está expresso o plano fatorial, é possível verificar o comportamento das variáveis mais representativas do estudo. A variável prore, localizadas no eixo das abscissas (eixo X), correspondendo ao atributo "pró reitorias", com média de 3,604 e carga fatorial de 0,839. No eixo das ordenadas (eixo Y), a variável pesqu, correspondente ao atributo "Qualidade da pesquisa", apresentou média 3,356 e carga fatorial 0,915.

Essas duas variáveis expressas na Figura 3, prore e pesqu, renomeadas como fatores gestão e qualidade, se sobressaíram em relação aos demais utilizados neste estudo, ou seja, os docentes entrevistados nesta Instituição levam em consideração a gestão da Instituição e a qualidade da pesquisa como fatores relevantes na satisfação do seu local de trabalho. Sendo a gestão da Instituição a variável mais representativa, pois, quanto mais a variável estiver afastada do eixo zero, maior sua representatividade no conjunto de dados.

Na Figura 4 é traçada a relação entre o Fator 3, denominado remuneração e o Fator 4, denominado benefícios e incentivos, em relação à bissetriz, é possível verificar o comportamento da variável remun, localizada no eixo da abscissa (eixo X), correspondendo ao atributo "remuneração" que possui média e carga fatorial de 3,404 e 0,968, respectivamente. No eixo das ordenadas (eixo Y), destaca-se a variável plano, correspondente ao atributo "plano de carreira", com média 2,928e carga fatorial 0,930.

Figura 4: Representação do Fator 3 versus Fator 4.

Em relação à bissetriz, o que mais pesa na percepção dos docentes desta Instituição, na avaliação conjunta de remuneração e plano de carreira, é a variável remuneração que se sobressai em relação ao plano de carreira, e este se sobressai sobre os demais.

4. Conclusão

Este estudo foi elaborado com o objetivo de identificar os fatores relevantes para a satisfação do docente através de uma pesquisa institucional em uma Universidade privada no interior do estado de Santa Catarina. Com o intuito de conhecer tais fatores, os dados obtidos com a aplicação do questionário com os docentes foram analisados com a técnica estatística multivariada.

Na análise descritiva, as variáveis "Gestão do curso", "Reitoria", "Infraestrutura" e "Desempenho geral" apresentaram a maior média dentre as variáveis propostas, o que representa antecipadamente que os docentes as veem como as mais relevantes para a satisfação deles. Ao contrário destas, as variáveis "Plano de carreira", "Benefícios" e "Estabilidade no emprego" são as que proporcionaram menor média.

Ao realizar a análise de agrupamentos, encontraram-se dois grupos, sendo que oito variáveis ficaram agrupadas em cada um destes clusters. O primeiro cluster foi caracterizado como atributos ligados a benefícios e incentivos oferecidos pela Instituição a seus docentes. Já o segundo cluster está mais ligado à gestão e gestores da Instituição, pois a maioria dos atributos rementem a gestão da Instituição.

Ainda na análise de agrupamento, foram aplicadas as variáveis normativas, com a criação e incorporação de três variáveis: MINIM, MEDIA e MAXIM, com o intuito de identificar quais caracterizam como baixo, médio e alto desempenho.

Neste sentido, foi traçado novamente uma reta que dividiu as variáveis em três clustrs, no primeiro, não há presença de variáveis ligadas ao cluster MIMIM, já o segundo, o cluster MEDIA possui quatro variáveis, sendo elas: exten, pesqu, plano e benef, essas variáveis são as que precisam mais atenção pela parte gerencial e apresentam um médio desempenho. E por último o terceiro, o cluster MAXIM que possui as demais doze variáveis do estudo, sendo elas: parti, capac, selec, estab, gesta, geral, ensin, remun, infra, centr, prore, e reito, o desempenho desse grupo de variáveis foi identificado como sendo de um ótimo desempenho.

A aplicação da análise fatorial possibilitou a visualização de estruturas não visíveis se fosse utilizada a análise univariada isto é possível devido ao estudo de estar centrado na correlação das variáveis. Ao realizar-se a rotação Varimax, foi possível identificar ou rotular cada fator de forma a compreender a relação entre as variáveis.

Desta maneira, ao realizar a Análise Fatorial foi possível identificar as variáveis que melhor representam a satisfação dos docentes, onde 60% da variabilidade dos dados foram explicadas por quatro fatores principais, que foram a "gestão" a denominação do Fator 1, "qualidade" a denominação do Fator 2, "remuneração" para o Fator 3 e para o Fator 4 "benefícios e incentivos".

Ainda foi possível concluir com este estudo, que os docentes levam em consideração a gestão da Instituição e a qualidade da pesquisa como fatores relevantes na satisfação no trabalho, sendo a gestão da Instituição a variável mais representativa. E também, que o que mais pesa na percepção dos docentes, na avaliação conjunta de remuneração e plano de carreira, é a variável remuneração que se sobressai em relação ao plano de carreira, e este se sobressai sobre os demais.

A recomendação do estudo futuro em instituições federais ou estaduais, com o objetivo de fazer uma comparação com as variáveis que melhor representam a satisfação para os docentes.

Referências

CRUZ, R. C.; Lemos, J. C.; WELTER, M. M.; GUISSO, L. Saúde Docente, Condições e Carga de Trabalho. Revista Electrónica de Investigación y Docencia (REID), Jaén, v.4, p. 147-160, 2010.

ESCRIVÃO FILHO, E; RIBEIRO, L. R. C. Aprendendo com PBL – aprendizagem baseada em problemas: relato de uma experiência em cursos de engenharia da EESC-USP. Revista Minerva – Pesquisa & Tecnologia, [s.l.], v.6, n.1, p.23-30, 2009.

GONZÁLEZ, S. T.; DOMÍNGUEZ, J. F. P. El trabajador universitario: entre el malestar y la luch. Educ. Soc., Campinas, v.30, n.107, p.373-387, 2009.

LEITE, D. R.; FIGUEIREDO, A. M.; MOURA, P. R. S.; SÓL, N. A. A. Trabalho docente em foco: relação entre as condições de trabalho e o adoecimento dos professores na universidade federal de ouro preto. Trabalho & Educação, Belo Horizonte, v.17, n.3, p.71-83, 2008.

LIMA JUNIOR, A. V. (2014); "Análise da satisfação de clientes de supermercados por meio de análise multivariada", 2014, 111 f., Monografia de Especialização (Especialização em Estatística e Modelagem Quantitativa) - Universidade Federal de Santa Maria, Santa Maria.

PEREIRA, J. C. R. Análise de Dados Qualitativos: Estratégias Mercadológicas para as Ciências da Saúde, Humanas e Sociais. São Paulo: Universidade de São Paulo, 2001.

SOUSA, I. F.; MENDONÇA, H. Burnout em professores universitários: impacto de percepções de justiça e comprometimento afetivo. Psicologia: Teoria e Pesquisa, Brasília, v.25, n.4, p.499-508, 2009.

STETTINER, C. F.; SANTOS, J. D. S.; PEREIRA, P. A. A Proletarização da Profissão Docente e a Formação do Professor Pesquisador no Brasil. Revista Espacios, v.58, n. 12, 2015.

WARD, J. H. J. Hierarchical Grouping Optimize an Objective Function. Journal Of The American Statistical Association, v.58, n.301, p.236-244, 1963.

1. Programa de Pós-Graduação em Engenharia de Produção (PPGEP), Universidade Federal de Santa Maria – UFSM, Brasil, avljunior@yahoo.com.br
2. Programa de Pós-Graduação em Engenharia de Produção (PPGEP), Universidade Federal de Santa Maria – UFSM, Brasil, amsouza.sm@gmail.com
3. Programa de Pós-Graduação em Ciências Contábeis (PPGCC), Fundação Universidade Regional de Blumenau – FURB, Brasil, jdpicolo@gmail.com
4. Programa de Pós-Graduação em Engenharia de Produção (PPGEP), Universidade Federal de Santa Maria – UFSM, Brasil, anacarolina_cj@yahoo.com.br
5. Programa de Pós-Graduação em Engenharia de Produção (PPGEP), Universidade Federal de Santa Maria – UFSM, Brasil, rrzanini63@gmail.com anacarolina_cj@yahoo.com.br