Trabalho apresentado no VIII ENPEC & I CIEC (Unicamp, Campinas, SP) no dia 8/12/11 na sessão coordenada que ocorreu na sala PB14 das 11-13hs. Apresentadora: Joana Guilares de Aguiar

1. CMAPP IN G I sharing knowledge to empower people
Avaliação da proficiência em mapeamento conceitual
Joana Guilares de Aguiar1
Camila Aparecida Tolentino Cicuto1
Sérgio Noronha da Silva Jr2
Paulo Rogério Miranda Correia2
1Programa de Pós-Graduação Interunidades em Ensino de Ciências I USP
2Escola de Artes, Ciências e Humanidades I Universidade de São Paulo

2. CMAPP IN G I sharing knowledge to empower people
MAPEAMENTO CONCEITUAL
 Descrição idiossincrática dos modelos mentais que
compõe a estrutura cognitiva do indivíduo e na
promoção da aprendizagem significativa;
 Uso educacional e coorporativo;
 Trivialidade e consequências do uso ingênuo da
técnica;
 MCs são formados por conceitos imersos em uma
rede proposicional (Novak, 2010).

3. CMAPP IN G I sharing knowledge to empower people
EXEMPLO

4. CMAPP IN G I sharing knowledge to empower people
OBJETIVO
 Propor, testar e avaliar o nível de
proficiência dos mapeadores após o
processo de capacitação na técnica.

5. CMAPP IN G I sharing knowledge to empower people
CAPACITAÇÃO
Frente à teoria que subjaz o uso da técnica, quatro
conceitos são fundamentais para a sua completa
compreensão:
1) Proposição 2) Questão focal
3) Recursividade 4) Hierarquia
 Um procedimento de capacitação em
mapeamentos conceitual foi proposto, testado e
avaliado.
TCP MCSE ACE

6. CMAPP IN G I sharing knowledge to empower people
COLETA DOS DADOS
 EACH  CN  2009 e 2010
 15a aula: aplicação do questionário.
 5 afirmações para verificar compreensão dos MCs
 Escala likert 4 níveis: discordo/concordo totalmente ou
parcialmente (zero = não respondeu)
 Validação por -Cronbach
Grupo Experimental Grupo Controle
Turma#1 Turma#2 Turma#3 Turma#4 Turma#5
Estudantes 52 50 43 45 42
Ano 2009 2009 2010 2010 2010
Professor A A A A B

7. CMAPP IN G I sharing knowledge to empower people
QUESTIONÁRIO
Afirmação Avaliação
C1 MCs são usados para organizar informações e Definição
conhecimento.
C2 Proposições apresentam a frase de ligação que Proposição
explica a relação entre dois conceitos.
C3 A proposição: “Ciências da natureza – não é Clareza
oferecida a  alunos do 1º ano” tem mais clareza semântica
semântica do que a proposição “ciências da
natureza – aulas  alunos do 1º ano”.
C4 A questão focal é importante para a escolha de Questão focal
conceitos e frases de ligação que serão usados no
mapa conceitual.
C5 Mapas conceituais podem ser revisados inúmeras Recursividade
vezes.

8. CMAPP IN G I sharing knowledge to empower people
ANÁLISE DOS DADOS
• Comparar média das
HCA • Confirmar ou refutar as
respostas dos alunos tendências encontradas
do grupo • Agrupar os alunos e observando
experimental em as afirmações por alunos/afirmações mais
relação ao controle similaridade a fim de correlacionados.
encontrar tendências.
Teste-t PCA

9. CMAPP IN G I sharing knowledge to empower people
RESULTADOS E DISCUSSÃO
 Validação do questionário: -Cronbach 0,902.
 Teste-t:
(tcrítico=1,65)
 Para as afirmações C2, C3 e C4, o grupo controle e o
experimental são estatisticamente diferentes 
CAPACIDADE DAS AFIRMAÇÕES MAIS COMPLEXAS EM
DISTINGUIR AS TURMAS QUE RECEBERAM TREINAMENTO
SISTEMÁTICO DAQUELA QUE NÃO.

10. CMAPP IN G I sharing knowledge to empower people
HCA – OBJETOS (ALUNOS)

11. CMAPP IN G I sharing knowledge to empower people
TENDÊNCIAS NOS AGRUPAMENTOS V-VIII
Grupo Alunos C1 C2 C3 C4 C5
73,7% V 138 (59,5%) 3,8 ± 0,4 3,8 ± 0,4 3,8 ± 0,4 3,7 ± 0,5 3,9 ± 0,3
Alto nível de
proficiência VI 33 (14,2%) 3,5 ± 0,5 4,0 ± 0,2 3,8 ± 0,4 3,5 ± 0,6 2,4 ± 1,0
26,3% VII 20 (8,6%) 3,4 ± 0,8 3,6 ± 1,1 3,4 ± 1,2 1,1 ± 0,9 3,8 ± 0,4
Baixo nível de VIII 41 (17,7%) 3,7 ± 0,5 3,6 ± 0,8 0,9 ± 0,8 3,4 ± 0,6 3,6 ± 0,6
proficiência
 Questionário aliado à técnica de HCA foram
capazes de discriminar os alunos de acordo com
seu nível de proficiência (alto/baixo).
 As afirmações C3 (identificação de uma proposição
semanticamente clara) e C4 (importância da
questão focal) são as variáveis com maior poder de
discriminação.

12. CMAPP IN G I sharing knowledge to empower people
EXEMPLO DE MC – ALTO NÍVEL DE PROFICIÊNCIA (GRUPO V)
oProposições
semanticamente
claras;
o MC responde à
pergunta focal;
o Muitas
relações entre os
conceitos;
Pergunta focal: Como o desenvolvimento científico e
tecnológico se relaciona com as mudanças climáticas?

13. CMAPP IN G I sharing knowledge to empower people
EXEMPLO DE MC – BAIXO NÍVEL DE
PROFICIÊNCIA (GRUPO VII)
oProposições
sem clareza
semântica (falta
de verbos ou
sem sentido);
o MC não
responde à
pergunta focal;
o Pouca relações
entre os
conceitos;
Pergunta focal: O que limita e o que
contribui para a evolução da ciência?

14. CMAPP IN G I sharing knowledge to empower people
CONSIDERAÇÕES FINAIS
 Questionário aliado às técnicas da estatística
univariada (teste-t) e multivariada (HCA) foi capaz
de discriminar:
a) As turmas que receberam treinamento sistemático
(controle) daquela que não recebeu
(experimental);
b) As afirmações de compreensão com maior poder
de discriminação (C3 e C4), por serem as mais
complexas.
c) Os alunos de acordo com seu nível de proficiência
na técnica do mapeamento conceitual. Esse nível
de proficiência é visível e comprovado quando
observamos os MCs desses alunos.

15. CMAPP IN G I sharing knowledge to empower people
REFERÊNCIAS
 Anuradhaa, K.T.; Gopalanb, T. K. Trend and patterns in explicit organizational knowledge: a
correspondence analysis and cluster analysis. The International Information & Library Review, 39
(2007), 247-259.
 Corrar L. J., Paulo, E.; Dias Filho, J. M (coords). Análise Multivariada. São Paulo: editora Atlas,
2009.
 Edwards, A.W.F.; Cavalli-Sforza, L.L. A method for cluster analysis. Biometrics 21 (1965) 362-375.
 Hotelling, H. Analysis of a complex of statistical variables into principal components. J. Educ.
Psychol. 24 (1933), 417–441.
 Hotelling, H. Simplified calculation of principal components. Psychometrika, 1 (1936), 27-35.
 Lukasov, A. Hierarchical Agglomerative Clustering Procedure. Pattern Recognition, 11 (1979), 365-
381.
 Lima, D. C.; Dos Santos, A. M. P.; Araujo, R.G.O.; Scarmanio, I.S.; Bruns, R.E.; Ferreira, S.L.C.
Principal component analysis and hierarchical cluster analysis for homogeneity evaluation during
the preparation of a wheat flour laboratory reference material for inorganic analysis. Microchem. J.
95 (2010) 222-226
 Rousson, V.; Gasser, T. Simple component analysis. Appl. Statist. (2004), 53, 539–555.
 Moita Neto, J.M.; Moita, G. C. Uma introdução à análise exploratória de dados multivariados.
Quím. Nova 21 (1998) 467-469.
 Tutoriais e vídeos explicativos disponível em:<http://www.statsoft.com/textbook/> Acessado em:
setembro de 2010.