1. Introdução

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.

2. Objetivo

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.

3. Metodologia

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/luiz/Downloads/Impact_of_Mobile_Phone_on_Students_Health.csv")
View(UC)

# 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$`Mobile phone use for education` = gsub('Never','Nunca',UC$`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$`Performance impact` = gsub('Disagree','Discordo',UC$`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 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;

● Uso do telefone celular para fins educacionais;

● Riscos para a 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. Esses gráficos ajudaram a identificar padrões gerais e a frequência das respostas.

4. Descrição detalhada do conjunto de dados (dicionário de dados - codebook).

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.

5. Hipóteses

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 do telefone celular para fins educacionais tem impacto nos riscos para a saúde dos estudantes?

Hipótese 4: A frequência dos sintomas está relacionada à classificação de saúde?

Hipótese 5: O uso diário (para fins educacionais) tem impacto na percepção do desempenho acadêmico?

6. Teste de hipóteses

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 do telefone celular para fins educacionais e Riscos para a saúde.

H1: Existe uma associação entre Uso do telefone celular para fins educacionais e Riscos para a saúde.

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

7. Análise de resultados e discussões

7.1 Teste Qui-quadrado

Hipótese 1

tabela1 = table(UC$`Sistema Operacional`,UC$`Uso do telefone celular para fins educacionais`)
tabela1
##          
##           Às vezes Frequentemente Nunca Raramente
##   Android       39             17     9         7
##   IOS           12              6     1         0
TQQ = chisq.test(tabela1) 

TQQ$observed
##          
##           Às vezes Frequentemente Nunca Raramente
##   Android       39             17     9         7
##   IOS           12              6     1         0
TQQ$expected
##          
##           Às vezes Frequentemente    Nunca Raramente
##   Android 40.35165      18.197802 7.912088  5.538462
##   IOS     10.64835       4.802198 2.087912  1.461538
fisher.test(tabela1)
## 
##  Fisher's Exact Test for Count Data
## 
## data:  tabela1
## p-value = 0.4953
## alternative hypothesis: two.sided

Na hipótese 1 o P-valor é maior que alpha, logo NÃO rejeita HO, ou seja, não há associação entre Sistema Operacional móvel e Uso do celular para fins educacionais.

Hipótese 2

tabela2.2 = table(UC$`Impacto no desempenho`,UC$`Distração de uso`)
tabela2.2
##                      
##                       Durante as aulas Durante os exames Enquanto estuda
##   Concordo                          10                11              11
##   Concordo totalmente                2                 1               3
##   Discordo                           3                 0               3
##   Discordo totalmente                3                 1               3
##   Neutro                             3                 6              12
##                      
##                       Não distrai
##   Concordo                      6
##   Concordo totalmente           5
##   Discordo                      1
##   Discordo totalmente           2
##   Neutro                        5
TQQ = chisq.test(tabela2.2)


TQQ$observed
##                      
##                       Durante as aulas Durante os exames Enquanto estuda
##   Concordo                          10                11              11
##   Concordo totalmente                2                 1               3
##   Discordo                           3                 0               3
##   Discordo totalmente                3                 1               3
##   Neutro                             3                 6              12
##                      
##                       Não distrai
##   Concordo                      6
##   Concordo totalmente           5
##   Discordo                      1
##   Discordo totalmente           2
##   Neutro                        5
TQQ$expected
##                      
##                       Durante as aulas Durante os exames Enquanto estuda
##   Concordo                    8.769231          7.934066       13.362637
##   Concordo totalmente         2.538462          2.296703        3.868132
##   Discordo                    1.615385          1.461538        2.461538
##   Discordo totalmente         2.076923          1.879121        3.164835
##   Neutro                      6.000000          5.428571        9.142857
##                      
##                       Não distrai
##   Concordo               7.934066
##   Concordo totalmente    2.296703
##   Discordo               1.461538
##   Discordo totalmente    1.879121
##   Neutro                 5.428571
fisher.test(tabela2.2)
## 
##  Fisher's Exact Test for Count Data
## 
## data:  tabela2.2
## p-value = 0.4477
## alternative hypothesis: two.sided

Na hipótese 2 o P-valor é maior que alpha, logo NÃO rejeita HO, ou seja, não há associação entre Impacto no desempenho e distração de uso.

Hipótese 3

tabela3.5 = table(UC$`Uso do telefone celular para fins educacionais`,UC$`Riscos para a saúde`)
tabela3.5
##                 
##                  Apenas parcialmente Não Sim
##   Às vezes                        13  12  26
##   Frequentemente                   2   2  19
##   Nunca                            1   2   7
##   Raramente                        2   1   4
TQQ = chisq.test(tabela3.5)


TQQ$observed
##                 
##                  Apenas parcialmente Não Sim
##   Às vezes                        13  12  26
##   Frequentemente                   2   2  19
##   Nunca                            1   2   7
##   Raramente                        2   1   4
TQQ$expected
##                 
##                  Apenas parcialmente      Não       Sim
##   Às vezes                 10.087912 9.527473 31.384615
##   Frequentemente            4.549451 4.296703 14.153846
##   Nunca                     1.978022 1.868132  6.153846
##   Raramente                 1.384615 1.307692  4.307692
fisher.test(tabela3.5)
## 
##  Fisher's Exact Test for Count Data
## 
## data:  tabela3.5
## p-value = 0.2382
## alternative hypothesis: two.sided

Na hipótese 3 o P-valor é maior que alpha, logo NÃO rejeita HO, ou seja, não há associação entre Uso do telefone celular para fins educacionais e Riscos para a saúde.

Hipótese 4

tabela4.1 = table(UC$`Uso do telefone celular para fins educacionais`,UC$`Frequência dos sintomas`)
tabela4.1
##                 
##                  Às vezes Frequentemente Nunca Raramente
##   Às vezes             30              4     7        10
##   Frequentemente       15              3     1         4
##   Nunca                 2              0     5         3
##   Raramente             4              1     0         2
TQQ = chisq.test(tabela4.1)


TQQ$observed
##                 
##                  Às vezes Frequentemente Nunca Raramente
##   Às vezes             30              4     7        10
##   Frequentemente       15              3     1         4
##   Nunca                 2              0     5         3
##   Raramente             4              1     0         2
TQQ$expected
##                 
##                   Às vezes Frequentemente    Nunca Raramente
##   Às vezes       28.582418      4.4835165 7.285714 10.648352
##   Frequentemente 12.890110      2.0219780 3.285714  4.802198
##   Nunca           5.604396      0.8791209 1.428571  2.087912
##   Raramente       3.923077      0.6153846 1.000000  1.461538
fisher.test(tabela4.1)
## 
##  Fisher's Exact Test for Count Data
## 
## data:  tabela4.1
## p-value = 0.07233
## alternative hypothesis: two.sided

Na hipótese 4 o P-valor é maior que alpha, logo NÃO rejeita HO, ou seja, não há associação entre Uso do telefone celular para fins educacionais e Frequência dos sintomas.

Hipótese 5

tabela5.1 <- table(UC$`Uso do telefone celular para fins educacionais`, UC$`Impacto no desempenho`)

tabela5.1
##                 
##                  Concordo Concordo totalmente Discordo Discordo totalmente
##   Às vezes             21                   5        4                   2
##   Frequentemente       13                   4        1                   2
##   Nunca                 2                   1        1                   4
##   Raramente             2                   1        1                   1
##                 
##                  Neutro
##   Às vezes           19
##   Frequentemente      3
##   Nunca               2
##   Raramente           2
TQQ = chisq.test(tabela5.1)


TQQ$observed
##                 
##                  Concordo Concordo totalmente Discordo Discordo totalmente
##   Às vezes             21                   5        4                   2
##   Frequentemente       13                   4        1                   2
##   Nunca                 2                   1        1                   4
##   Raramente             2                   1        1                   1
##                 
##                  Neutro
##   Às vezes           19
##   Frequentemente      3
##   Nunca               2
##   Raramente           2
TQQ$expected
##                 
##                   Concordo Concordo totalmente  Discordo Discordo totalmente
##   Às vezes       21.296703           6.1648352 3.9230769           5.0439560
##   Frequentemente  9.604396           2.7802198 1.7692308           2.2747253
##   Nunca           4.175824           1.2087912 0.7692308           0.9890110
##   Raramente       2.923077           0.8461538 0.5384615           0.6923077
##                 
##                     Neutro
##   Às vezes       14.571429
##   Frequentemente  6.571429
##   Nunca           2.857143
##   Raramente       2.000000
resultado_sim <- fisher.test(tabela5.1, simulate.p.value = TRUE, B = 10000)
print(resultado_sim)
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  10000 replicates)
## 
## data:  tabela5.1
## p-value = 0.07239
## alternative hypothesis: two.sided

Na hipótese 5 o P-valor é maior que alpha, logo NÃO rejeita HO, ou seja, não há associação entre Uso diário (para fins educacionais) e Impacto no desempenho.

7.2 Barplot

Foram analisadas variáveis quantitativas e elaborados gráficos Barplot para a visualização da relação entre os dados.

A primeira análise foi com as variáveis: Sistema Operacional móvel e Uso do celular para fins educacionais.

tabela1 = table(UC$`Sistema Operacional`,UC$`Uso do telefone celular para fins educacionais`)
tabela1
##          
##           Às vezes Frequentemente Nunca Raramente
##   Android       39             17     9         7
##   IOS           12              6     1         0
barplot(tabela1,
        beside = TRUE,
        col = c("lightblue", "lightpink"),
        ylim = c(0, max(tabela1) + 5),
        main = "Distribuição do Uso do celular para fins educacionais por Sistema Operacional",
        xlab = "Uso do Telefone",
        ylab = "Número de Ocorrências",
        legend.text = rownames(tabela1),
        args.legend = list(title = "Sistema Operacional", x = "topright", inset = c(-0.05, 0)))

Embora o gráfico mostre uma distribuição do uso do telefone para fins educacionais que parece variar entre os usuários de Android e iOS, o teste de hipótese indica que essa diferença não é estatisticamente significativa. Especificamente, o p-valor maior que alpha sugere que não há uma associação significativa entre o sistema operacional móvel (Android ou iOS) e o uso do celular para fins educacionais. Dessa forma, podemos concluir que o uso do celular para fins educacionais é semelhante entre os usuários de Android e iOS, e quaisquer diferenças observadas no gráfico podem ser atribuídas ao acaso.

A segunda análise foi com as variáveis: Impacto no desempenho e distração de uso.

tabela2.2 = table(UC$`Impacto no desempenho`,UC$`Distração de uso`)
tabela2.2
##                      
##                       Durante as aulas Durante os exames Enquanto estuda
##   Concordo                          10                11              11
##   Concordo totalmente                2                 1               3
##   Discordo                           3                 0               3
##   Discordo totalmente                3                 1               3
##   Neutro                             3                 6              12
##                      
##                       Não distrai
##   Concordo                      6
##   Concordo totalmente           5
##   Discordo                      1
##   Discordo totalmente           2
##   Neutro                        5
barplot(tabela2.2,
        beside = TRUE,
        col = c("lightyellow", "purple", "lightpink", "lightblue", "#55cbcd"),
        ylim = c(0, max(tabela2.2) + 5),
        main = "Distribuição do Impacto no desempenho pela distração de uso",
        xlab = "Distração de uso",
        ylab = "Número de Ocorrências",
        legend.text = rownames(tabela2.2),
        args.legend = list(title = "Impacto no Desempenho", x = "topright", inset = c(-0.05, 0)))

Embora o gráfico sugira que há diferenças na percepção do impacto do uso do telefone no desempenho dependendo do tipo de distração, essas diferenças não são estatisticamente significativas. Conclui-se que, com base nos dados, o impacto no desempenho não está associado de forma significativa às diferentes formas de distração pelo uso do telefone. As variações observadas no gráfico podem ser atribuídas ao acaso.

A terceira análise foi com as variáveis: Uso do telefone celular para fins educacionais e Riscos para a saúde.

tabela3.5 = table(UC$`Uso do telefone celular para fins educacionais`,UC$`Riscos para a saúde`)
tabela3.5
##                 
##                  Apenas parcialmente Não Sim
##   Às vezes                        13  12  26
##   Frequentemente                   2   2  19
##   Nunca                            1   2   7
##   Raramente                        2   1   4
barplot(tabela3.5,
        beside = TRUE,
        col = c("lightyellow", "purple", "lightpink", "lightblue"),
        ylim = c(0, max(tabela3.5) + 5),
        main = "Distribuição do Uso do telefone celular para fins educacionais por Riscos para a saúde",
        xlab = "Riscos para a saúde",
        ylab = "Número de Ocorrências",
        legend.text = rownames(tabela3.5),
        args.legend = list(title = "Uso do telefone celular para fins educacionais",
                           x = "topright", 
                           inset = c(-0.05, 0)))

A partir do teste de hipóteses do Gráfico 3, observa-se que a percepção de riscos à saúde não possui associação com o uso do celular para fins educacionais. Entretanto, a frequência do uso pode variar conforme a intensidade da percepção do risco.

Através desse gráfico, podemos identificar a necessidade da conscientização sobre os riscos à saúde associados ao uso do celular, orientando e balanceando o uso e o bem-estar físico dos estudantes.

Através desse gráfico (FAZER GRÁFICO), pode-se observar que alguns estudantes já possuem a consciência e se previnem de riscos.

A quarta análise foi com as variáveis: Uso do telefone celular para fins educacionais e Frequência dos sintomas.

tabela4.1 = table(UC$`Uso do telefone celular para fins educacionais`,UC$`Frequência dos sintomas`)
tabela4.1
##                 
##                  Às vezes Frequentemente Nunca Raramente
##   Às vezes             30              4     7        10
##   Frequentemente       15              3     1         4
##   Nunca                 2              0     5         3
##   Raramente             4              1     0         2
barplot(tabela4.1,
        beside = TRUE,
        col = c("lightyellow", "purple", "lightpink", "lightblue"),
        ylim = c(0, max(tabela4.1) + 5),
        main = "Distribuição do Uso do celular para fins educacionais pela Frequência dos sintomas",
        xlab = "Frequência dos sintomas",
        ylab = "Número de Ocorrências",
        legend.text = rownames(tabela4.1),
        args.legend = list(title = "Frequência do uso", x = "topright", inset = c(-0.05, 0)))

O gráfico apresentado exibe a distribuição do uso do celular para fins educacionais em relação à frequência dos sintomas relatados. Observa-se que a maioria das pessoas que relatam sintomas “às vezes” usam o celular com a mesma frequência ou “frequentemente” para fins educacionais, enquanto poucos relataram nunca usar ou usar raramente o celular. Para os que apresentam sintomas “frequentemente”, é possível notar que essa condição é menos comum. Já entre aqueles que nunca apresentam sintomas, a maioria nunca usa o celular ou o utiliza “às vezes” para fins educacionais. Por fim, para aqueles que raramente apresentam sintomas, a tendência é de que o celular seja usado “às vezes” ou “raramente”.

A partir dos dados, pode-se inferir que há uma correlação entre a frequência de uso do celular para fins educacionais e a frequência dos sintomas relatados: quem utiliza o celular com maior frequência tende a relatar mais sintomas, enquanto quem faz um uso menos frequente tende a reportar menos sintomas.

A quinta análise foi com as variáveis: Uso do telefone celular para fins educacionais e Impacto no desempenho.

tabela5.1 <- table(UC$`Uso do telefone celular para fins educacionais`, UC$`Impacto no desempenho`)

tabela5.1
##                 
##                  Concordo Concordo totalmente Discordo Discordo totalmente
##   Às vezes             21                   5        4                   2
##   Frequentemente       13                   4        1                   2
##   Nunca                 2                   1        1                   4
##   Raramente             2                   1        1                   1
##                 
##                  Neutro
##   Às vezes           19
##   Frequentemente      3
##   Nunca               2
##   Raramente           2
barplot(tabela5.1,
        beside = TRUE,
        col = c("lightyellow", "purple", "lightpink", "lightblue"),
        ylim = c(0, max(tabela5.1) + 5),
        main = "Distribuição do Uso do celular para fins educacionais pelo Impacto no desempenho",
        xlab = "Impacto no desempenho (baseado na opinião dos alunos)",
        ylab = "Número de Ocorrências",
        legend.text = rownames(tabela5.1),
        args.legend = list(title = "Frequência do uso", x = "topright", inset = c(-0.05, 0)))

A conclusão é que, embora o gráfico mostre diferentes padrões de uso do celular para fins educacionais entre aqueles que percebem um impacto no desempenho e aqueles que não percebem, essas diferenças não são estatisticamente significativas. O impacto no desempenho não parece estar associado ao uso do celular para fins educacionais de maneira significativa, e as variações observadas podem ser atribuídas ao acaso.

8. Conclusão

A partir dos resultados obtidos, é possível concluir que embora os gráficos tendam a concluir que as variáveis são relacionadas, o teste de hipótese indica que essa relacao não é estatisticamente significativa. A análise do impacto do uso do celular no desempenho acadêmico e na saúde dos estudantes revelou algumas tendências importantes, embora a maioria das diferenças observadas nos gráficos não tenha se mostrado estatisticamente significativa. O estudo comparou o uso do celular para fins educacionais entre usuários de Android e iOS, concluindo que não há diferença significativa entre os sistemas. Além disso, a análise do impacto das distrações causadas pelo celular no desempenho acadêmico também não mostrou uma associação significativa, indicando que o uso do celular para fins educacionais não interfere diretamente no desempenho dos estudantes. No entanto, quando se trata da percepção dos riscos à saúde associados ao uso do celular, os dados indicam que, embora a percepção de riscos à saúde não esteja diretamente associada ao uso do celular para fins educacionais, a frequência de uso pode variar conforme a intensidade dessa percepção. Por fim, foi identificada uma correlação entre a frequência de uso do celular para fins educacionais e a frequência dos sintomas de desconforto relatados pelos estudantes. Aqueles que utilizam o celular com maior frequência tendem a relatar mais sintomas, enquanto os que fazem um uso menos frequente relatam menos sintomas. Esse dado reforça a importância de equilibrar o uso do celular com o bem-estar físico, sugerindo que estratégias para limitar o tempo de uso podem ser benéficas para a saúde dos estudantes. Em resumo, este estudo evidencia que, embora o uso do celular para fins educacionais seja amplamente similar entre diferentes grupos e não demonstre um impacto significativo no desempenho acadêmico, ele está associado a uma maior frequência de sintomas físicos.

8.1 Recomendação

Com base nessa observação, é recomendável que as escolas e os pais incentivem os estudantes a estabelecer limites claros para o uso de dispositivos móveis. Isso pode incluir horários específicos para atividades acadêmicas e recreativas, além de pausas regulares para evitar a fadiga ocular e o estresse digital. Promover a conscientização sobre os possíveis impactos na saúde e o desenvolvimento de hábitos saudáveis, como atividades físicas e interações sociais presenciais, é fundamental para assegurar que o uso da tecnologia contribua positivamente para o aprendizado e o bem-estar geral dos estudantes.

9. Referências bibliográficas:

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.

https://www.kaggle.com/datasets/innocentmfa/students-health-and-academic-performance?resource=download