Escala de avaliação do estilo de aprendizagem: uma abordagem utilizando o modelo de desdobramento graduado generalizado da teoria de resposta ao item

Abstract

Estilo de aprendizagem compreende um conjunto de teorias que buscam explicar as diferenças na aprendizagem dos indivíduos, referindo-se às preferências dos alunos na forma de perceber, captar, organizar, processar, lembrar e compreender a informação para resolver um problema. Foram encontrados na literatura diversos modelos de estilo de aprendizagem, no entanto, constatou-se que, ao analisar os pressupostos de definição teórica dos modelos, houve dificuldade para encontrar uma abordagem universal, entre as quais, é possível citar a escassez de apoio à investigação quanto à validade e confiabilidade. O construto ?estilo de aprendizagem? está associado a fatores não observados diretamente, sendo, portanto, considerado um traço latente. Os modelos estatísticos da Teoria da Resposta ao Item (TRI) mostram-se uma metodologia robusta para mensurar traços latentes. Por revelar que o aluno, quando submetido a um processo de escolha, irá concordar com uma categoria de resposta de um item na medida em que o sentimento transmitido pela resposta ao item combine com sua atitude frente a este item, o que pode se caracterizar como um modelo não cumulativo, o modelo de desdobramento é indicado para medir traços latentes não cumulativo. Um dos modelos de desdobramento mais utilizados é o Modelo de Desdobramento Graduado Generalizado (GGUM). Via de regra, esse modelo é utilizado para estimar traço latente unidimensional. Sendo que, uma das principais características da pesquisa do estilo de aprendizagem é a sua multidimensionalidade, em geral, ela apresenta um conjunto de dimensões, no qual diferentes combinações formam diferentes perfis. Desta forma, esta pesquisa teve como objetivo desenvolver uma escala para a avaliação do estilo de aprendizagem utilizando o Modelo de Desdobramento Graduado Generalizado da TRI. O modelo multidimensional do GGUM proposto por Roberts e Shim (2010) não conseguiu convergir em um resultado. Para superar essa dificuldade, a proposta considerada neste trabalho é o modelo de Wang e Wu (2016), que se trata de um modelo multidimensional confirmatório do GGUM (CMGGUM). Desse modo foi realizada uma análise fatorial exploratória utilizando a matriz de correlação policórica, que sugeriu 4 fatores. Em seguida, o modelo unidimensional do GGUM foi aplicado em cada dimensão para identificar os itens que apresentaram problema de ajuste na função. Posteriormente, o modelo multidimensional confirmatório do GGUM foi aplicado e os resultados obtidos demonstraram fortes correlações entre 3 dos 4 escores fatoriais do modelo. Finalmente foram agrupados os itens em dois fatores e aplicado o modelo multidimensional confirmatório do GGUM. Os parâmetros foram estimados utilizando-se o método Bayesiano e os resultados obtidos foram comparados. A primeira dimensão foi definida como Pensamento e a segunda dimensão como Socialização. Com os escores, foi possível definir o perfil de como os estudantes abordam a aprendizagem e verificar a relação do traço latente com as variáveis de contexto. Desta forma, é possível oferecer dados e indicadores para auxiliar nas decisões e estratégias de ensino. Assim, os resultados obtidos poderão ser utilizados na melhoria dos processos de ensino-aprendizagem.

Abstract: Learning style comprises a set of theories that seek to explain the differences in individuals? learning, referring to the preferences of students in the way of perceiving, capture, organize, process, remember and understand information to solve a problem. Several learning style models have been found in the literature, however, it was found that, when analyzing the assumptions of theoretical definition of the models, it was difficult to find a universal approach, among which, it is possible to cite the lack of research support regarding validity and reliability. The construct \"learning style\" is associated with factors not directly observed, being, therefore, considered a latent trait. Item Response Theory (IRT) statistical models prove to be a robust methodology for measuring latent traits. For revealing that the student, when subjected to a selection process, will agree to a response category for an item to the extent that the feeling conveyed by the response to the item matches your attitude towards that item, which can be characterized as a non-cumulative model, the unfolding model is suitable for measuring non-cumulative latent traits. One of the most used unfolding models is the Generalized Graduated Unfolding Model (GGUM). As a rule, this model is used to estimate one-dimensional latent trace. Being that, one of the main characteristics of learning style research is its multidimensionality, generally, it has a set of dimensions, in which different combinations form different profiles. Thus, this research aimed to develop a scale for the assessment of learning style using the TRI?s Generalized Graduated Unfolding Model. The multidimensional GGUM model proposed by Roberts and Shim (2010) failed to converge into a result. To overcome this difficulty, the proposal considered in this work is the model of Wang and Wu (2016), that it is a confirmatory multidimensional GGUM model (CMGGUM). Thus, an exploratory factor analysis was performed using the polychoric correlation matrix, which suggested 4 factors. Then, the one-dimensional GGUM model was applied in each dimension to identify the items that presented a problem of fit in the function. Posteriorly, the confirmatory multidimensional GGUM model was applied and the results obtained showed strong correlations between 3 of the 4 factorial scores of the model. Finally, the items were grouped into two factors and the confirmatory multidimensional GGUM model was applied. The parameters were estimated using the Bayesian method and the results obtained were compared. The first dimension was defined as Thinking and the second dimension as Socialization. With the scores, it was possible to define the profile of how students approach learning and verify the relationship of the latent trait with context variables. Thus, it is possible to offer data and indicators to assist in teaching decisions and strategies. Thus, the results obtained can be used to improve teaching-learning processes.