Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
KAIZER, Betânia Mafra
 |
| Orientador(a): |
PAIVA, Anderson Paulo de
|
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Itajubá
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação: Doutorado - Engenharia de Produção
|
| Departamento: |
IEPG - Instituto de Engenharia de Produção e Gestão
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2527
|
Resumo: |
Antes da pandemia da COVID-19, gestores universitários vinham demonstrando preocupação em identificar fatores que levam os indivíduos a melhor aprender, ou a desistir de um curso ou, ainda, a serem reprovados em uma disciplina. Encontrar respostas a essas questões torna-se mais evidente quando se trata de cursos de graduação em Engenharia, dado que estes apresentam altos índices de desistência. Entretanto, as instituições de ensino superior ainda carecem de protocolos ou, ao menos, de indicadores ou instrumentos que possibilitem aos gestores conhecer esses fatores e os problemas subjacentes para, assim, agir preventivamente ou tomar decisões. Após a adoção do Ensino Remoto Emergencial – ERE e, diante das incertezas e dos novos desafios do ensino on-line, a ausência dessas informações pode comprometer ainda mais a qualidade da oferta de novas ações educacionais a distância. Além disso, o desconhecimento desses fatores inviabiliza um diagnóstico atual sobre os ganhos e os prejuízos que a pandemia tem trazido aos estudantes de Engenharia. Esta tese, portanto, busca identificar quais fatores – aqui denominados de variáveis preditoras – impactaram os processos de aprendizagem de graduandos que cursaram a disciplina Cálculo 2, um dos componentes curriculares que apresenta maior índice de retenção nos semestres letivos iniciais dos cursos de Ciências Exatas. Para isso, foi proposto e testado um modelo preditivo multivariado. A pesquisa foi realizada em uma universidade pública federal brasileira, no segundo semestre de 2020. Participaram do estudo 507 indivíduos, representando 51% da população-alvo. Foram utilizados dados primários (três escalas psicométricas que mediram variáveis psicossociais e contextuais dos alunos, bem como variáveis referentes aos procedimentos de ensino dos professores) e dados secundários (documentos oficiais da instituição envolvida). Fez-se avaliação somativa, com análise pós-fato de resultados. Foram utilizadas técnicas de estatística multivariada e procedimentos metodológicos pautados na psicometria. Após análises, com base no modelo proposto, os preditores que significativamente impactaram a aprendizagem em Cálculo 2 foram: a variável renda familiar, a variável estratégias de aprendizagem autorregulatórias e cognitivas e a variável eventos instrucionais, a qual diz respeito às condições de aprendizagem propiciadas pelos professores durante o semestre letivo. O modelo multivariado desta tese é replicável e pode orientar gestores em futuras decisões sobre a oferta de cursos e disciplinas remotas, em quaisquer campos do conhecimento. O ineditismo deste trabalho é marcado, sobretudo, pela descoberta de novas variáveis que poderão compor futuras escalas psicométricas para avaliar resultados de aprendizagem de alunos de Engenharia em quaisquer disciplinas. |
