Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/13978
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSilva, Domingos José Lopes da-
dc.contributor.authorOliveira, Maria Manuela Melo-
dc.creatorSilva, Domingos José Lopes da-
dc.creatorOliveira, Maria Manuela Melo-
dc.date2017-06-29-
dc.date.accessioned2017-08-01T20:09:53Z-
dc.date.available2017-08-01T20:09:53Z-
dc.date.issued2017-08-01-
dc.identifier.citationSILVA, D. J. L., OLIVEIRA, M. M. M. Análise de Correspondências Múltiplas via optimal scaling aplicada a variáveis do meio escolar relativas a alunos do ensino secundário em Portugal. Revista Brasileira de Biometria, Lavras, v. 35, n. 2, p. 298-318, jun. 2017.-
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/13978-
dc.description.abstractA Análise de Correspondências Múltiplas (ACM) é um método multivariado particularmente útil na abordagem simultânea de um grande conjunto de variáveis qualitativas, avaliando o seu eventual relacionamento, produzindo mapas geométricos que possibilitam a visualização das interdependências existentes. Este estudo tem como objetivo a aplicação da ACM via optimal scaling sobre os dados de um inquérito realizado com alunos do ensino secundário (no Brasil corresponde a ensino médio), de modo a investigar as relações entre a motivação para as disciplinas de Português, Matemática e Educação Física e um conjunto de variáveis referentes aos alunos (sexo, curso, ano de escolaridade e prática desportiva). Realça-se o pioneirismo desta aplicação. A ACM permitiu identificar as variáveis e categorias de variáveis com atributos próximos, tendo possibilitado a definição de subgrupos relativamente homogêneos. Foram retidas três dimensões. A dimensão 1 aponta essencialmente para a “formação desportiva”, a dimensão 2, dirige-se sobretudo para a “aprendizagem das línguas e humanidades” e a dimensão 3 representada simultaneamente pela “destreza física e o raciocínio abstrato”.-
dc.description.abstractABSTRACT: Multiple Correspondence Analysis (MCA) is a multivariate method that might be particularly useful in the analysis of a large set of qualitative data. Through MCA, it is possible to assess the relationship between large sets of variables and produce geometric maps to visualize potential interactions. Using optimal scaling procedure, this study aims to: a) investigate the motivation levels of high schools students for the disciplines of Portuguese, Mathematics and Physical Education; b) establish relationships between motivation levels and students’ characteristics (gender, course, grade and sports). It highlights the pioneering this application. By applying MCA, it was identified variables and categories of variables with close attributes, which further allowed the definition of relatively homogeneous subgroups. It was retained three dimensions. The dimension one refers to «sports practice», the dimension two is directed particularly to the “languages learning and humanities”, and the dimension three represents simultaneously the “physical dexterity and abstract reasoning”.-
dc.formatapplication/pdf-
dc.languagepor-
dc.publisherUniversidade Federal de Lavras-
dc.relationhttp://www.biometria.ufla.br/index.php/BBJ/article/view/100/102-
dc.rightsAttribution 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceREVISTA BRASILEIRA DE BIOMETRIA; Vol 35 No 2 (2017); 298-318-
dc.source1983-0823-
dc.subjectRedução da dimensionalidade-
dc.subjectAnálise multivariada-
dc.subjectPrática desportiva-
dc.subjectMotivação-
dc.subjectDimensionality reduction-
dc.subjectMultivariate analysis-
dc.subjectSports practice-
dc.subjectMotivation-
dc.titleAnálise de Correspondências Múltiplas via optimal scaling aplicada a variáveis do meio escolar relativas a alunos do ensino secundário em Portugal-
dc.title.alternativeMultiple correspondence analysis via optimal scaling applied to some school variables in high school Portuguese students-
dc.typeinfo:eu-repo/semantics/article-
dc.typeinfo:eu-repo/semantics/publishedVersion-
dc.typePeer-reviewed Article-
Aparece nas coleções:Revista Brasileira de Biometria



Este item está licenciada sob uma Licença Creative Commons Creative Commons