O uso de dispositivos móveis tornou-se uma parte integral do cotidiano, especialmente entre os estudantes. Dados coletados sobre a utilização de celulares entre jovens permitem avaliar como essas tecnologias afetam diversos aspectos de suas vidas, incluindo o desempenho acadêmico, saúde e hábitos diários.
Este relatório examina dados coletados sobre estudantes, focando em variáveis como o uso do celular para fins educacionais, o impacto no desempenho escolar, distrações causadas pelo celular, e sintomas de saúde relacionados ao uso prolongado desses dispositivos. As informações analisadas ajudam a entender como o celular, uma ferramenta onipresente, influencia positivamente e negativamente a vida dos estudantes. Essas análises são fundamentais para informar políticas educacionais e práticas de saúde que possam mitigar os efeitos adversos e maximizar os benefícios do uso da tecnologia na educação.
O objetivo deste estudo é avaliar o impacto do uso de telefones celulares na saúde e no desempenho acadêmico dos estudantes, conforme a percepção dos próprios estudantes. Especificamente, o estudo busca correlacionar o tempo de uso diário dos celulares e as atividades realizadas nesses dispositivos com indicadores de saúde, como sintomas e precauções adotadas, além de medir o impacto percebido no desempenho escolar. A análise inclui a construção de gráficos, a avaliação visual de padrões e a obtenção de correlações entre variáveis, utilizando uma base de dados composta por informações detalhadas sobre o comportamento e as percepções dos estudantes em relação ao uso de celulares.
Importação da base de dados:
Escolhemos e importamos a base de dados sobre “Saúde dos Alunos e Desempenho Acadêmico” do site “Kaggle”.
library(readr)
UC <- read_csv("C:/Users/20088631745/Downloads/Impact_of_Mobile_Phone_on_Students_Health (2).csv")
# traduzindo a categoria
UC$Gender = gsub('Male','Masculino',UC$Gender)
UC$Gender = gsub('Female','Feminino',UC$Gender)
UC$`Mobile Phone` = gsub('Yes','Sim',UC$`Mobile Phone`)
UC$`Mobile phone use for education` = gsub('Sometimes','Às vezes',UC$`Mobile phone use for education`)
UC$`Mobile phone use for education` = gsub('Frequently','Frequentemente',UC$`Mobile phone use for education`)
UC$`Mobile phone use for education` = gsub('Rarely','Raramente',UC$`Mobile phone use for education`)
UC$`Mobile phone activities` = gsub('Social Media','Mídias Sociais',UC$`Mobile phone activities`)
UC$`Mobile phone activities` = gsub('All of these','Todos estes',UC$`Mobile phone activities`)
UC$`Mobile phone activities` = gsub('Web-browsing','Pesquisa online',UC$`Mobile phone activities`)
UC$`Mobile phone activities` = gsub('Messaging','E-mail',UC$`Mobile phone activities`)
UC$`Helpful for studying` = gsub('Yes','Sim',UC$`Helpful for studying`)
UC$`Helpful for studying` = gsub('No','Não',UC$`Helpful for studying`)
UC$`Educational Apps` = gsub('Educational Videos','Vídeos Educacionais',UC$`Educational Apps`)
UC$`Educational Apps` = gsub('Study Planner','Planejador de Estudos',UC$`Educational Apps`)
UC$`Educational Apps` = gsub('Productivity Tools','Ferramentas de produtividade',UC$`Educational Apps`)
UC$`Educational Apps` = gsub('Language','Linguagem',UC$`Educational Apps`)
UC$`Daily usages` = gsub('hours','horas',UC$`Daily usages`)
UC$`Performance impact` = gsub('Agree','Concordo',UC$`Performance impact`)
UC$`Performance impact` = gsub('Strongly agree','Concordo totalmente',UC$`Performance impact`)
UC$`Performance impact` = gsub('Strongly disagree','Discordo totalmente',UC$`Performance impact`)
UC$`Performance impact` = gsub('Neutral','Neutro',UC$`Performance impact`)
UC$`Usage distraction` = gsub('During Exams','Durante os exames',UC$`Usage distraction`)
UC$`Usage distraction` = gsub('Not Distracting','Não distrai',UC$`Usage distraction`)
UC$`Usage distraction` = gsub('During Class Lectures','Durante as aulas',UC$`Usage distraction`)
UC$`Usage distraction` = gsub('While Studying','Enquanto estuda',UC$`Usage distraction`)
UC$`Attention span` = gsub('Yes','Sim',UC$`Attention span`)
UC$`Attention span` = gsub('No','Não',UC$`Attention span`)
UC$`Useful features` = gsub('Camera','Câmera',UC$`Useful features`)
UC$`Useful features` = gsub('Notes Taking App','Bloco de Notas',UC$`Useful features`)
UC$`Useful features` = gsub('Internet Access','Acesso à Internet',UC$`Useful features`)
UC$`Useful features` = gsub('Calculator','Calculadora',UC$`Useful features`)
UC$`Health Risks` = gsub('Yes','Sim',UC$`Health Risks`)
UC$`Health Risks` = gsub('No','Não',UC$`Health Risks`)
UC$`Health Risks` = gsub('Only Partially','Apenas parcialmente',UC$`Health Risks`)
UC$`Beneficial subject` = gsub('Accounting','Contabilidade',UC$`Beneficial subject`)
UC$`Beneficial subject` = gsub('Browsing Material','Navegação em material',UC$`Beneficial subject`)
UC$`Beneficial subject` = gsub('Reasarch','Pesquisa',UC$`Beneficial subject`)
UC$`Usage symptoms` = gsub('Headache','Dor de cabeça',UC$`Usage symptoms`)
UC$`Usage symptoms` = gsub('Anxiety or Stress','Ansiedade ou estresse',UC$`Usage symptoms`)
UC$`Usage symptoms` = gsub('Sleep disturbance','Distúrbios do sono',UC$`Usage symptoms`)
UC$`Usage symptoms` = gsub('All of these','Todos esses',UC$`Usage symptoms`)
UC$`Symptom frequency` = gsub('Sometimes','Às vezes',UC$`Symptom frequency`)
UC$`Symptom frequency` = gsub('Frequently','Frequentemente',UC$`Symptom frequency`)
UC$`Symptom frequency` = gsub('Never','Nunca',UC$`Symptom frequency`)
UC$`Symptom frequency` = gsub('Rarely','Raramente',UC$`Symptom frequency`)
UC$`Health precautions` = gsub('Using Blue light filter','Usar filtro de luz azul',UC$`Health precautions`)
UC$`Health precautions` = gsub('Taking Break during prolonged use','Pausa durante o uso prolongado',UC$`Health precautions`)
UC$`Health precautions` = gsub('None of Above','Nenhum',UC$`Health precautions`)
UC$`Health precautions` = gsub('Limiting Screen Time','Limitar o tempo de tela',UC$`Health precautions`)
UC$`Health rating` = gsub('Excellent','Excelente',UC$`Health rating`)
UC$`Health rating` = gsub('Good','Bom',UC$`Health rating`)
UC$`Health rating` = gsub('Fair','Regular',UC$`Health rating`)
UC$`Health rating` = gsub('Poor','Ruim',UC$`Health rating`)
# retirar NA
library(tidyr)
UC = UC %>% drop_na (`Mobile phone use for education`)
UC = UC %>% drop_na (`Mobile phone activities`)
UC = UC %>% drop_na (`Helpful for studying`)
UC = UC %>% drop_na (`Educational Apps`)
UC = UC %>% drop_na (`Daily usages`)
UC = UC %>% drop_na (`Performance impact`)
UC = UC %>% drop_na (`Usage distraction`)
UC = UC %>% drop_na (`Attention span`)
UC = UC %>% drop_na (`Useful features`)
UC = UC %>% drop_na (`Health Risks`)
UC = UC %>% drop_na (`Beneficial subject`)
UC = UC %>% drop_na (`Usage symptoms`)
# traduzindo o nome da variavel
library(dplyr)
UC = UC %>% rename(Genero=Gender)
UC = UC %>% rename(Celular=`Mobile Phone`)
UC = UC %>% rename(Nomes=Names)
UC = UC %>% rename(Idade=Age)
UC = UC %>% rename('Sistema Operacional'=`Mobile Operating System`)
UC = UC %>% rename('Atividades de celular'=`Mobile phone activities`)
UC = UC %>% rename('Uso do telefone celular para fins educacionais'=`Mobile phone use for education`)
UC = UC %>% rename('Útil para estudar'=`Helpful for studying`)
UC = UC %>% rename('Aplicativos educacionais'=`Educational Apps`)
UC = UC %>% rename('Usos diários'=`Daily usages`)
UC = UC %>% rename('Impacto no desempenho'=`Performance impact`)
UC = UC %>% rename('Distração de uso'=`Usage distraction`)
UC = UC %>% rename('Período de atenção'=`Attention span`)
UC = UC %>% rename('Recursos úteis'=`Useful features`)
UC = UC %>% rename('Riscos para a saúde'=`Health Risks`)
UC = UC %>% rename('Disciplina benéfica'=`Beneficial subject`)
UC = UC %>% rename('Sintomas de uso'=`Usage symptoms`)
UC = UC %>% rename(`Frequência dos sintomas`=`Symptom frequency`)
UC = UC %>% rename(`Precauções de saúde`=`Health precautions`)
UC = UC %>% rename(`Classificação de saúde`=`Health rating`)A metodologia desta pesquisa segue as abordagens quantitativas e qualitativas, com o objetivo de analisar o impacto do uso de celulares na saúde e no desempenho acadêmico dos estudantes. As etapas principais do estudo incluem a seleção das variáveis, a análise exploratória dos dados e a construção de gráficos para visualização e interpretação dos resultados.
As variáveis analisadas incluem:
● Sistema operacional móvel;
● Distração de uso;
● Impacto no desempenho;
● Frequência dos sintomas;
● Classificação de saúde.
3.1 Análise Exploratória dos Dados:
A análise exploratória começou com a criação de gráficos de barras (Barplot) para visualizar a distribuição das variáveis categóricas, como os tipos de atividades realizadas no celular e as precauções adotadas pelos estudantes. Esses gráficos ajudaram a identificar padrões gerais e a frequência das respostas.
3.2 Análise Comparativa:
Em seguida, foram construídos Boxplots para comparar o tempo de uso diário do celular com os sintomas de saúde relatados pelos estudantes, bem como com a percepção do impacto no desempenho acadêmico. Esses gráficos foram úteis para identificar a dispersão dos dados e destacar possíveis outliers.
3.3 Análise de Correlação:
Além disso, foi realizada uma análise de correlação para explorar as relações entre o tempo de uso do celular, atividades realizadas e os efeitos percebidos na saúde e no desempenho acadêmico. A matriz de correlação permitiu identificar quais variáveis estão mais fortemente relacionadas entre si.
A base de dados possui 20 colunas, contendo as demais informações:
library(flextable)
head(UC) %>% flextable() %>% theme_vader() %>% width(width = 3.5)Nomes | Idade | Genero | Celular | Sistema Operacional | Uso do telefone celular para fins educacionais | Atividades de celular | Útil para estudar | Aplicativos educacionais | Usos diários | Impacto no desempenho | Distração de uso | Período de atenção | Recursos úteis | Riscos para a saúde | Disciplina benéfica | Sintomas de uso | Frequência dos sintomas | Precauções de saúde | Classificação de saúde |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Ali | 21-25 | Masculino | Sim | Android | Às vezes | Mídias Sociais | Sim | Vídeos Educacionais | 4-6 horas | Concordo | Durante os exames | Sim | Câmera | Sim | Contabilidade | Dor de cabeça | Nunca | Usar filtro de luz azul | Excelente |
Bilal | 21-25 | Masculino | Sim | Android | Às vezes | Mídias Sociais | Sim | Vídeos Educacionais | 4-6 horas | Neutro | Durante os exames | Sim | Bloco de Notas | Sim | Navegação em material | Todos esses | Às vezes | Pausa durante o uso prolongado | Bom |
Hammad | 21-25 | Masculino | Sim | IOS | Às vezes | Todos estes | Sim | Vídeos Educacionais | 4-6 horas | Concordo totalmente | Não distrai | Não | Câmera | Sim | Navegação em material | Todos esses | Às vezes | Nenhum | Excelente |
Waqar | 21-25 | Masculino | Sim | IOS | Frequentemente | Todos estes | Sim | Vídeos Educacionais | > 6 horas | Concordo | Enquanto estuda | Sim | Acesso à Internet | Não | Navegação em material | Distúrbios do sono | Às vezes | Nenhum | Excelente |
Aammar | 21-25 | Masculino | Sim | Android | Raramente | Todos estes | Sim | Vídeos Educacionais | > 6 horas | Neutro | Não distrai | Sim | Acesso à Internet | Apenas parcialmente | Pesquisa | Dor de cabeça | Às vezes | Nenhum | Bom |
Fatima | 21-25 | Feminino | Sim | IOS | Às vezes | Todos estes | Sim | Planejador de Estudos | 4-6 horas | Concordo | Não distrai | Sim | Acesso à Internet | Não | Pesquisa | Distúrbios do sono | Às vezes | Nenhum | Bom |
Número de observações (número de linhas do banco de dados).
A base de dados possui 100 observações (linhas), ou seja, 100 alunos responderam a pesquisa que compõe a base de dados, porém, após retirar o NA, a base de dados ficou com 91 linhas. Em resumo, a base de dados é composta por 100 alunos, mas, 9 alunos não responderam todas as perguntas do formulário.
O objetivo da nossa pesquisa é estudar o impacto do uso do celular na sáude e no desempenho acadêmico dos alunos. Nós formulamos 5 hipóteses para o estudo dessa pesquisa. Segue as hipóteses abaixo:
Hipótese 1: O sistema operacional tem impacto na frequência do uso do celular para fins educacionais?
Hipótese 2: O impacto no desempenho tem relação com a distração de uso?
Hipótese 3: O tempo de uso diário do celular tem impacto nos sintomas de saúde relatados pelos estudantes?
Hipótese 4: A frequência dos sintomas está relacionada ao nível de saúde?
Hipótese 5: O uso diário do celular tem impacto na percepção do desempenho acadêmico?
6.1 Hipótese 1:
H0: Não há associação entre Sistema Operacional móvel e Uso do celular para fins educacionais.
H1: Existe uma associação entre Sistema Operacional móvel e Uso do celular para fins educacionais.
alpha: 0,05
Se pvalor <= 0,05 REJ H0
Se pvalor > 0,05 NÃO REJ H0
6.2 Hipótese 2:
H0: Não há associação entre Impacto no desempenho e distração de uso
H1: Existe uma associação entre Impacto no desempenho e distração de uso
alpha: 0,05
Se pvalor <= 0,05 REJ H0
Se pvalor > 0,05 NÃO REJ H0
6.3 Hipótese 3:
H0: Não há associação entre Uso diário (para fins educacionais) e Sintomas de uso.
H1: Existe uma associação entre Uso diário (para fins educacionais) e Sintomas de uso.
alpha: 0,05
Se pvalor <= 0,05 REJ H0
Se pvalor > 0,05 NÃO REJ H0
6.4 Hipótese 4:
H0: Não há associação entre Frequência dos Sintomas e Classificação de saúde.
H1: Existe uma associação entre Frequência dos Sintomas e Classificação de saúde.
alpha: 0,05
Se pvalor <= 0,05 REJ H0
Se pvalor > 0,05 NÃO REJ H0
6.5 Hipótese 5:
H0: Não há associação entre Uso diário (para fins educacionais) e Impacto no desempenho.
H1: Existe uma associação entre Uso diário (para fins educacionais) e Impacto no desempenho.
alpha: 0,05
Se pvalor <= 0,05 REJ H0
Se pvalor > 0,05 NÃO REJ H0
A base de dados sobre “Saúde dos Alunos e Desempenho Acadêmico” foi importada do site “Kaggle”, no dia 09/08 e atualizada no mês 06/2024. A base explora a relação entre a saúde dos alunos e seu desempenho acadêmico. Nela, contém várias linhas de dados, cada uma representando um aluno, e várias colunas, com diversas variáveis.