Relatório Final Estatística

1. Introdução

A tecnologia transformou completamente o dia a dia, principalmente no ambiente escolar. Ela facilita o acesso à informação, traz novas formas de aprendizado e conecta as pessoas como nunca antes. Mas, quando usada em excesso, também pode gerar desafios, como dificuldade de concentração, impactos na saúde mental e isolamento social, especialmente entre os alunos.

Neste trabalho, vamos explorar como o uso excessivo da tecnologia afeta o aprendizado e o bem-estar dos estudantes, trazendo uma análise que vai além do que percebemos no dia a dia. Também vamos discutir como a Lei 15.100/2025 busca promover um equilíbrio nesse uso, estabelecendo diretrizes para incentivar práticas mais saudáveis nas escolas. Nosso objetivo é refletir sobre esses impactos e propor caminhos para que a tecnologia seja usada de forma consciente e positiva.

2. Objetivo

Compreender o impacto do uso de celulares na saúde e no desempenho acadêmico de estudantes universitários, analisando os padrões de uso, os benefícios educacionais proporcionados, os sintomas adversos relacionados à saúde e as estratégias adotadas para mitigar os efeitos negativos. Este estudo busca, ainda, contribuir para uma discussão fundamentada sobre como a tecnologia pode ser utilizada de forma equilibrada, promovendo bem-estar e resultados acadêmicos positivos sem comprometer a qualidade de vida dos estudantes.

3. Metodologia

Importação da base de dados

library(dplyr)
library(readr)
Impact_of_Mobile_Phone_on_Students_Health <- read_csv("C:/Users/furta/OneDrive/Impact_of_Mobile_Phone_on_Students_Health.csv")


# traduzindo a categoria
Impact_of_Mobile_Phone_on_Students_Health$Gender = gsub('Male','Masculino',Impact_of_Mobile_Phone_on_Students_Health$Gender)
Impact_of_Mobile_Phone_on_Students_Health$Gender = gsub('Female','Feminino',Impact_of_Mobile_Phone_on_Students_Health$Gender)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile Phone` = gsub('Yes','Sim',Impact_of_Mobile_Phone_on_Students_Health$`Mobile Phone`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education` = gsub('Sometimes','As vezes',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education` = gsub('Frequently','Frequentemente',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education` = gsub('Rarely','Raramente',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education` = gsub('Never','Nunca',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone use for education`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities` = gsub('Social Media','Mídias Sociais',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities` = gsub('All of these','Todos estes',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities` = gsub('Web-browsing','Pesquisa online',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities`)
Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities` = gsub('Messaging','E-mail',Impact_of_Mobile_Phone_on_Students_Health$`Mobile phone activities`)
Impact_of_Mobile_Phone_on_Students_Health$`Helpful for studying` = gsub('Yes','Sim',Impact_of_Mobile_Phone_on_Students_Health$`Helpful for studying`)
Impact_of_Mobile_Phone_on_Students_Health$`Helpful for studying` = gsub('No','Não',Impact_of_Mobile_Phone_on_Students_Health$`Helpful for studying`)
Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps` = gsub('Educational Videos','Vídeos Educacionais',Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps`)
Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps` = gsub('Study Planner','Planejador de Estudos',Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps`)
Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps` = gsub('Productivity Tools','Ferramentas de produtividade',Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps`)
Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps` = gsub('Language','Linguagem',Impact_of_Mobile_Phone_on_Students_Health$`Educational Apps`)
Impact_of_Mobile_Phone_on_Students_Health$`Daily usages` = gsub('hours','horas',Impact_of_Mobile_Phone_on_Students_Health$`Daily usages`)
Impact_of_Mobile_Phone_on_Students_Health$`Performance impact` = gsub('Agree','Concordo',Impact_of_Mobile_Phone_on_Students_Health$`Performance impact`)
Impact_of_Mobile_Phone_on_Students_Health$`Performance impact` = gsub('Disagree','Discordo',Impact_of_Mobile_Phone_on_Students_Health$`Performance impact`)
Impact_of_Mobile_Phone_on_Students_Health$`Performance impact` = gsub('Strongly agree','Concordo totalmente',Impact_of_Mobile_Phone_on_Students_Health$`Performance impact`)
Impact_of_Mobile_Phone_on_Students_Health$`Performance impact` = gsub('Strongly disagree','Discordo totalmente',Impact_of_Mobile_Phone_on_Students_Health$`Performance impact`)
Impact_of_Mobile_Phone_on_Students_Health$`Performance impact` = gsub('Neutral','Neutro',Impact_of_Mobile_Phone_on_Students_Health$`Performance impact`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction` = gsub('During Exams','Durante os exames',Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction` = gsub('Not Distracting','Não distrai',Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction` = gsub('During Class Lectures','Durante as aulas',Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction` = gsub('While Studying','Enquanto estuda',Impact_of_Mobile_Phone_on_Students_Health$`Usage distraction`)
Impact_of_Mobile_Phone_on_Students_Health$`Attention span` = gsub('Yes','Sim',Impact_of_Mobile_Phone_on_Students_Health$`Attention span`)
Impact_of_Mobile_Phone_on_Students_Health$`Attention span` = gsub('No','Não',Impact_of_Mobile_Phone_on_Students_Health$`Attention span`)
Impact_of_Mobile_Phone_on_Students_Health$`Useful features` = gsub('Camera','Câmera',Impact_of_Mobile_Phone_on_Students_Health$`Useful features`)
Impact_of_Mobile_Phone_on_Students_Health$`Useful features` = gsub('Notes Taking App','Bloco de Notas',Impact_of_Mobile_Phone_on_Students_Health$`Useful features`)
Impact_of_Mobile_Phone_on_Students_Health$`Useful features` = gsub('Internet Access','Acesso à Internet',Impact_of_Mobile_Phone_on_Students_Health$`Useful features`)
Impact_of_Mobile_Phone_on_Students_Health$`Useful features` = gsub('Calculator','Calculadora',Impact_of_Mobile_Phone_on_Students_Health$`Useful features`)
Impact_of_Mobile_Phone_on_Students_Health$`Health Risks` = gsub('Yes','Sim',Impact_of_Mobile_Phone_on_Students_Health$`Health Risks`)
Impact_of_Mobile_Phone_on_Students_Health$`Health Risks` = gsub('No','Não',Impact_of_Mobile_Phone_on_Students_Health$`Health Risks`)
Impact_of_Mobile_Phone_on_Students_Health$`Health Risks` = gsub('Only Partially','Apenas parcialmente',Impact_of_Mobile_Phone_on_Students_Health$`Health Risks`)
Impact_of_Mobile_Phone_on_Students_Health$`Beneficial subject` = gsub('Accounting','Contabilidade',Impact_of_Mobile_Phone_on_Students_Health$`Beneficial subject`)
Impact_of_Mobile_Phone_on_Students_Health$`Beneficial subject` = gsub('Browsing Material','Navegação em material',Impact_of_Mobile_Phone_on_Students_Health$`Beneficial subject`)
Impact_of_Mobile_Phone_on_Students_Health$`Beneficial subject` = gsub('Reasarch','Pesquisa',Impact_of_Mobile_Phone_on_Students_Health$`Beneficial subject`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms` = gsub('Headache','Enxaqueca',Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms` = gsub('Anxiety or Stress','Ansiedade',Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms` = gsub('Sleep disturbance','Distúrbios',Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms`)
Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms` = gsub('All of these','Todos esses',Impact_of_Mobile_Phone_on_Students_Health$`Usage symptoms`)
Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency` = gsub('Sometimes','Às vezes',Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency`)
Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency` = gsub('Frequently','Frequentemente',Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency`)
Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency` = gsub('Never','Nunca',Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency`)
Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency` = gsub('Rarely','Raramente',Impact_of_Mobile_Phone_on_Students_Health$`Symptom frequency`)
Impact_of_Mobile_Phone_on_Students_Health$`Health precautions` = gsub('Using Blue light filter','Usar filtro de luz azul',Impact_of_Mobile_Phone_on_Students_Health$`Health precautions`)
Impact_of_Mobile_Phone_on_Students_Health$`Health precautions` = gsub('Taking Break during prolonged use','Pausa durante o uso prolongado',Impact_of_Mobile_Phone_on_Students_Health$`Health precautions`)
Impact_of_Mobile_Phone_on_Students_Health$`Health precautions` = gsub('None of Above','Nenhum',Impact_of_Mobile_Phone_on_Students_Health$`Health precautions`)
Impact_of_Mobile_Phone_on_Students_Health$`Health precautions` = gsub('Limiting Screen Time','Limitar o tempo de tela',Impact_of_Mobile_Phone_on_Students_Health$`Health precautions`)
Impact_of_Mobile_Phone_on_Students_Health$`Health rating` = gsub('Excellent','Excelente',Impact_of_Mobile_Phone_on_Students_Health$`Health rating`)
Impact_of_Mobile_Phone_on_Students_Health$`Health rating` = gsub('Good','Bom',Impact_of_Mobile_Phone_on_Students_Health$`Health rating`)
Impact_of_Mobile_Phone_on_Students_Health$`Health rating` = gsub('Fair','Regular',Impact_of_Mobile_Phone_on_Students_Health$`Health rating`)
Impact_of_Mobile_Phone_on_Students_Health$`Health rating` = gsub('Poor','Ruim',Impact_of_Mobile_Phone_on_Students_Health$`Health rating`)


#traduzindo as varáiveis

Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename(Genero=Gender)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename(Celular=`Mobile Phone`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename(Nomes=Names)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename(Idade=Age)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Sistema Operacional'=`Mobile Operating System`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Atividades de celular'=`Mobile phone activities`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Uso do telefone celular para fins educacionais'=`Mobile phone use for education`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Útil para estudar'=`Helpful for studying`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Aplicativos educacionais'=`Educational Apps`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Usos diários'=`Daily usages`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Impacto no desempenho'=`Performance impact`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Distração de uso'=`Usage distraction`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Período de atenção'=`Attention span`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Recursos úteis'=`Useful features`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Riscos para a saúde'=`Health Risks`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Disciplina benéfica'=`Beneficial subject`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename('Sintomas de uso'=`Usage symptoms`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename(`Frequência dos sintomas`=`Symptom frequency`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health %>% rename(`Precauções de saúde`=`Health precautions`)
Impact_of_Mobile_Phone_on_Students_Health = Impact_of_Mobile_Phone_on_Students_Health%>% rename(`Classificação de saúde`=`Health rating`)

Impact_of_Mobile_Phone_on_Students_Health$`Sintomas de uso`= gsub('Enxaqueca;Distúrbios;Ansiedade;Todos esses','Todos esses',Impact_of_Mobile_Phone_on_Students_Health$`Sintomas de uso`)
Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais` = factor(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`,levels=c("Nunca","Raramente","As vezes","Frequentemente"))

4. Descrição detalhada (codebook):

A base de dados possui 20 colunas, nas quais estão organizadas as informações complementares.

library(flextable)
head(Impact_of_Mobile_Phone_on_Students_Health)  %>% 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	As vezes	Mídias Sociais	Sim	Vídeos Educacionais	4-6 horas	Concordo	Durante os exames	Sim	Câmera	Sim	Contabilidade	Enxaqueca	Nunca	Usar filtro de luz azul	Excelente
Bilal	21-25	Masculino	Sim	Android	As 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	As 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
Abdullah	21-25	Masculino	Sim	Android	Frequentemente	Todos estes	Sim	Vídeos Educacionais	2-4 horas	Concordo totalmente	Durante as aulas	Não	Acesso à Internet	Apenas parcialmente	Pesquisa		Nunca	Limitar o tempo de tela	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	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	Enxaqueca	Às vezes	Nenhum	Bom

A base de dados contém 100 observações (linhas), correspondendo a 100 alunos que participaram da pesquisa. No entanto, após a exclusão dos valores ausentes (NA), restaram 91 linhas. Assim, a base de dados inicial é composta por 100 alunos, dos quais 9 não responderam todas as perguntas do formulário.

5. Hipóteses

O objetivo da nossa pesquisa é analisar como o uso do celular afeta a saúde e o desempenho acadêmico dos alunos. Para isso, escolhemos 3 hipóteses para analisar:

Hipotese 1: O sistema operacional, interfere nos fins educacioanis?

Hipótese 2: O uso do celular, impacta na saude do aluno?

Hipótese 3: O uso diário, impacta nos sintomas dos alunos?

6. Análises de Hipóteses:

Hipótese 1:

H0: Não há associação entre o sistema operacional e os fins educacional.

H1: Há associação entre o sistema operacional e os os fins educacionais.

Hipótese 2:

H0: Não há associação do uso do celular com a saude dos alunos.

H1: Há associação entre o uso do celular com a saude dos alunos.

Hipótese 3:

H0: Não há associação entre o uso diário e o impacto nos sintomas dos alunos.

H1: Há associação entre o uso diário e impacta os sintomas dos alunos.

alpha: 0,05

Se o pvalor <= 0,05 Rejeita H0

Se o pvalor > 0,05 Não Rejeita H0

7. Análise de resultados e discussões

7.1. Teste das análises

Vamos utilizar o Fisher’s Exact Test, pois ao analisar as hipóteses com o Test Qui-Quadro, as análises não estavam corretas, pois as nossas variáveis não funcionavam nesse teste e dava um valor totalmente diferente.

Hipótese 1

tabela1 = table(Impact_of_Mobile_Phone_on_Students_Health$`Sistema Operacional`,Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`)
tabela1

##          
##           Nunca Raramente As vezes Frequentemente
##   Android     9        10       41             19
##   IOS         1         0       12              6

fisher.test(tabela1, hybrid = T,simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela1
## p-value = 0.3548
## alternative hypothesis: two.sided

Na hipótese 1 o P-valor é maior que alpha, portanto NÃO rejeita HO, ou seja, Não há associação entre o sistema operacional e os fins educacionais.

Hipótese 2

tabela2 = table(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`, Impact_of_Mobile_Phone_on_Students_Health$`Riscos para a saúde`)
tabela2

##                 
##                  Apenas parcialmente Não Sim
##   Nunca                            1   2   7
##   Raramente                        2   3   5
##   As vezes                        14  12  26
##   Frequentemente                   3   2  19

fisher.test(tabela2, hybrid = T,simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela2
## p-value = 0.2654
## alternative hypothesis: two.sided

Na hipótese 2 o P-valor é maior que alpha, portanto NÃO rejeita HO, ou seja, Não há associação entre o uso diário e o impacto nos sintomas dos alunos.

Hipótese 3

tabela3 = table(Impact_of_Mobile_Phone_on_Students_Health$`Usos diários`, Impact_of_Mobile_Phone_on_Students_Health$`Sintomas de uso`)
tabela3

##            
##             Ansiedade Distúrbios Distúrbios;Ansiedade Enxaqueca Todos esses
##   < 2 horas         0          0                    0         3           4
##   > 6 horas         4          6                    1         6           8
##   2-4 horas         5          7                    1         7           6
##   4-6 horas         3         13                    2         7          15

library(stringr)
Impact_of_Mobile_Phone_on_Students_Health$ansiedade = str_extract(Impact_of_Mobile_Phone_on_Students_Health$`Sintomas de uso`,'Ansiedade')
Impact_of_Mobile_Phone_on_Students_Health$ansiedade = ifelse(is.na(Impact_of_Mobile_Phone_on_Students_Health$ansiedade),"Nao ansiedade",Impact_of_Mobile_Phone_on_Students_Health$ansiedade)

tabela3.1 = table(Impact_of_Mobile_Phone_on_Students_Health$`Usos diários`,Impact_of_Mobile_Phone_on_Students_Health$ansiedade)
tabela3.1

##            
##             Ansiedade Nao ansiedade
##   < 2 horas         0             7
##   > 6 horas         5            20
##   2-4 horas         6            21
##   4-6 horas         5            35

fisher.test(tabela3, hybrid = T,simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela3
## p-value = 0.6192
## alternative hypothesis: two.sided

Na hipótese 3 o P-valor é maior que alpha, portanto NÃO rejeita HO, ou seja, Não há associação entre o uso diário e o impacto nos sintomas dos alunos.

8. Barplot

Analisamos variáveis quantitativas e criamos gráficos do tipo Barplot para visualizar as relações entre os dados.

library(ggplot2)
library(ggthemes)

Tabela 1

c('Nunca','Raramente','Às vezes','Frequentemente')

## [1] "Nunca"          "Raramente"      "Às vezes"       "Frequentemente"

table(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`)

## 
##          Nunca      Raramente       As vezes Frequentemente 
##             10             10             53             25

Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais` = factor(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`,levels = c('Nunca','Raramente','Às vezes','Frequentemente'))
tabela1 = table(Impact_of_Mobile_Phone_on_Students_Health$`Sistema Operacional`,Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`)

par(cex=0.7)
barplot(tabela1,
        beside = TRUE,
        col = c("lightblue", "plum"),
        ylim = c(0, max(tabela1) + 5),
        main = "Uso educacional do celular 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)))

Esse gráfico analisa o uso educacional do celular em função da frequência de uso por sistema operacional. Nota-se que a maioria das pessoas que concordam ou concordam totalmente com o uso do celular para fins educacionais o utiliza frequentemente ou às vezes. Isso sugere uma relação positiva entre o uso educacional e a aceitação dessa prática. Já entre os que se declaram neutros, a frequência de uso também é predominante em “frequentemente”, reforçando a ideia de que, independentemente da opinião sobre o tema, o uso do celular para educação é significativo. Por outro lado, a proporção de pessoas que raramente ou nunca utilizam o celular para fins educacionais é bem menor em todos os grupos.

library(ggplot2)
library(ggpubr)
theme_set(theme_pubr())

tabela1_1 = data.frame(tabela1)
tabela1_1

##      Var1           Var2 Freq
## 1 Android          Nunca    9
## 2     IOS          Nunca    1
## 3 Android      Raramente   10
## 4     IOS      Raramente    0
## 5 Android       Às vezes    0
## 6     IOS       Às vezes    0
## 7 Android Frequentemente   19
## 8     IOS Frequentemente    6

ggballoonplot(tabela1_1, fill = "value",
              size.range = c(10, 20),
              shape = 21)+
  scale_fill_viridis_c(option = "H")

Usuários de Android aparecem com maior frequência na categoria “Frequentemente”, evidenciada pela maior bolha vermelha. Já entre os usuários de iOS, a maior frequência está em “Às vezes” e “Frequentemente”, mas com valores mais distribuídos e menos concentrados em categorias extremas. As categorias “Nunca” e “Raramente” apresentam menor frequência em ambos os sistemas, sendo mais uniformes e com bolhas menores. Isso sugere que dispositivos Android são usados com maior frequência em geral, enquanto os de iOS têm uso mais equilibrado entre níveis moderados e altos.

tabela1 = table(Impact_of_Mobile_Phone_on_Students_Health$`Sistema Operacional`,Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`)
tabela1

##          
##           Nunca Raramente Às vezes Frequentemente
##   Android     9        10        0             19
##   IOS         1         0        0              6

Tabela 2

table(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`)

## 
##          Nunca      Raramente       Às vezes Frequentemente 
##             10             10              0             25

Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais` = factor(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`,levels = c('Nunca','Raramente','Às vezes','Frequentemente'))

table(Impact_of_Mobile_Phone_on_Students_Health$`Riscos para a saúde`)

## 
## Apenas parcialmente                 Não                 Sim 
##                  21                  20                  57

barplot(tabela2,
        beside = TRUE,
        col = c("deepskyblue","salmon", "palegoldenrod", "mediumorchid"),
        ylim = c(0, max(tabela2) + 5),
        main = "Uso do celular e o impacto na sáude",
        xlab = "Riscos para Saude",
        ylab = "Número de Ocorrências",
        legend.text = rownames(tabela2),
        args.legend = list(title = "Uso do Celular", x = "topright", inset = c(-0.05, 0)))

No segundo gráfico, observa-se a relação entre o uso do celular e a percepção de riscos à saúde. Aqueles que reconhecem riscos, seja apenas parcialmente ou de forma clara, tendem a usar o celular frequentemente ou às vezes. Mesmo entre os que não percebem riscos, ainda há um predomínio de uso frequente, embora com menor intensidade. Isso indica que a percepção de riscos não inibe significativamente o uso do celular, mas talvez traga alguma consciência moderadora em alguns casos. O número de pessoas que nunca ou raramente utilizam o celular é muito baixo, independentemente da percepção de risco.

tabela2 = table(Impact_of_Mobile_Phone_on_Students_Health$`Uso do telefone celular para fins educacionais`, Impact_of_Mobile_Phone_on_Students_Health$`Riscos para a saúde`)
tabela2

##                 
##                  Apenas parcialmente Não Sim
##   Nunca                            1   2   7
##   Raramente                        2   3   5
##   Às vezes                         0   0   0
##   Frequentemente                   3   2  19

Tabela 3

par(cex=0.8)
barplot(tabela3.1,
        beside = TRUE,
        col = c("sienna", "lightgoldenrodyellow", "red", "pink"),
        ylim = c(0, max(tabela3.1) + 9),
        main = "Uso diário e os sintomas",
        xlab = "Sintomas de Saúde",
        ylab = "numero de ocorrencias",
        legend.text = rownames(tabela3.1),
        args.legend = list(title = "Uso diário", x = "topright", inset = c(-0.05, 0)))

Nesse primeiro gráfico, em relação à ansiedade, o número de ocorrências é menor em comparação à categoria “Não ansiedade”. No entanto, há um aumento visível nos casos de ansiedade à medida que o tempo de uso diário cresce, especialmente entre aqueles que utilizam tecnologia por mais de 4 horas por dia. Já na categoria “Não ansiedade”, embora a maioria dos participantes não apresente sintomas ansiosos, observa-se que o uso prolongado também é mais frequente nessa faixa, com destaque para as pessoas que utilizam entre 4 e 6 horas ou mais. Isso indica que, apesar de muitos não apresentarem sintomas, há uma tendência de maior impacto negativo com o aumento no tempo de uso diário.

tabela3.1 = table(Impact_of_Mobile_Phone_on_Students_Health$`Usos diários`,Impact_of_Mobile_Phone_on_Students_Health$ansiedade)
tabela3.1

##            
##             Ansiedade Nao ansiedade
##   < 2 horas         0             7
##   > 6 horas         5            20
##   2-4 horas         6            21
##   4-6 horas         5            35

O segundo gráfico mostra a frequência de sintomas relacionados ao uso da tecnologia entre os gêneros feminino (barras vermelhas) e masculino (barras azuis). A categoria “Todos os sintomas” é a mais relatada por ambos, com maior incidência entre os homens. Já sintomas específicos, como dor de cabeça e distúrbios do sono, são mais comuns entre as mulheres. O gráfico indica que mulheres tendem a relatar sintomas mais específicos, enquanto homens apresentam maior frequência em categorias gerais.

9. Conclusão

O estudo destacou a relevância dos celulares no contexto acadêmico, evidenciando seus benefícios e os desafios do uso excessivo. Foi constatado que, embora a maioria dos estudantes os utilize para fins educacionais, a exposição prolongada está associada a sintomas como ansiedade, distúrbios do sono e enxaquecas.

A Lei 15.100/2025 reforça a importância de práticas responsáveis, estabelecendo diretrizes para equilibrar o uso da tecnologia e promover o bem-estar dos estudantes. Alinhar ferramentas educacionais com estratégias como limitar o tempo de tela e realizar pausas regulares é essencial para maximizar os benefícios e minimizar os impactos negativos.

9.1. Recomendações

Com base na Lei 15.100/2025 e na conclusão do estudo, é fundamental promover o uso equilibrado da tecnologia no ambiente acadêmico. Para isso, pode-se estabelecer limites de tempo para o uso de celulares, incentivando pausas regulares e reduzindo os impactos negativos na saúde dos estudantes, como ansiedade e distúrbios do sono. Além disso, é importante oferecer treinamentos sobre o uso responsável das ferramentas tecnológicas e incentivar atividades offline, como exercícios físicos, para melhorar o bem-estar emocional. Essas medidas ajudam a equilibrar os benefícios da tecnologia com a saúde dos alunos.

10. Referencias Bibliográficas

“Saúde dos Alunos e Desempenho Acadêmico”. Disponível em: https://www.kaggle.com/datasets/innocentmfa/students-health-and-academic-performance Acesso em: [10/10/2024]. A base de dados investiga a relação entre a saúde dos alunos e seu desempenho acadêmico.

“Legislação Informatizada - LEI Nº 15.100, DE 13 DE JANEIRO DE 2025 - Publicação Original” Disponível em: https://www2.camara.leg.br/legin/fed/lei/2025/lei-15100-13-janeiro-2025-796892-publicacaooriginal-174094-pl.html Acesso em [24/01/2025]