dados <- openxlsx2::read_xlsx("dados_honorio.xlsx", start_col = 2)
Laboratório de Neurofisiologia do Exercício - LaNEx.
Escala Likert: conceitos, utilização e análise gráfica.
Resumo
Este documento tem finalidade didática e acadêmica para uso do Grupo de Pesquisa do Laboratório de Neurofisiologia do Exercício (LaNEx) da Universidade do Estado do Rio Grande do Norte (UERN) e seus respectvos integrantes. Ressaltamos que a linguagem R é uma ferramenta gratuita usada para organizar, analisar e visualizar dados de forma prática e confiável, sendo muito utilizada em pesquisas e na área da saúde. Por ser distribuída sob uma licença livre (Licença Pública Geral GNU), qualquer pessoa pode utilizar, modificar e compartilhar o R sem pagar nada por isso. Isso facilita o acesso de estudantes, professores e profissionais a recursos de análise de dados de alta qualidade, permitindo que mais pessoas possam aprender, aplicar estatística em suas pesquisas e tomar decisões baseadas em dados de forma independente e ética.
1 O que é, como utilizar e reconhecer sua importância para a pesquisa científica.
A Escala Likert é uma ferramenta amplamente utilizada em pesquisas para medir percepções, opiniões e atitudes de forma prática e estruturada. Criada por Rensis Likert em 1932, ela facilita quantificar aspectos subjetivos, permitindo que possamos entender, de forma numérica, como as pessoas se posicionam em relação a determinados temas.
De maneira simples, a Escala Likert é composta por um conjunto de afirmações sobre um tema específico, nas quais os participantes indicam seu grau de concordância ou discordância. Um exemplo comum é o uso de cinco pontos, indo de “Discordo totalmente” até “Concordo totalmente”, passando por um ponto neutro. Esse formato facilita a organização das respostas e permite a comparação entre diferentes grupos ou momentos.
No contexto educacional, estudos utilizando escalas Likert em pesquisas com questionários em diversas disciplinas para além da estatística, demonstraram maior engajamento e capacidade de conectar conceitos teóricos ao cotidiano, destacando sua importância em análises de dados educacionais. Adicionalmente, sua aplicação em avaliações de estados emocionais e psicofisiológicos também comprovam sua utilidade para gerar indicadores de qualidade utilizando métricas baseadas em dados quantitativos derivados de escalas Likert (Stevens et al., 2023; Westland, 2022).
2 Como construir uma escala Likert de qualidade.
Apesar de parecer fácil, em princípio, não se pode sair construíndo escalas Likert de qualquer modo e para qualquer pergunta se o objetivo é ter uma informação de qualidade. Para utilizar essa escala de forma adequada em sua pesquisa, é importante seguir alguns passos para evitar trabalho extra no futuro ou informações que não traduzam bem a realidade que você quer analisar.
- Defina claramente o que deseja medir.
Antes de construir os itens, tenha claro o conceito ou percepção que você quer avaliar, como satisfação com um serviço, percepção de qualidade de vida, percepção de um estado fisiológico ou emocional e etc.
- Elabore frases claras e objetivas.
Evite termos vagos ou ambíguos, e utilize frases simples que facilitem o entendimento por todos os participantes. Incluir frases com sentido positivo e negativo ajuda a reduzir possíveis vieses de resposta.
- Escolha o número de pontos da escala.
As escalas de 5 ou 7 pontos são as mais utilizadas. Se deseja oferecer a opção de neutralidade ao participante, use números ímpares. Se quiser forçar uma escolha de posicionamento, utilize uma escala com número par de opções (4 ou 6 pontos).
- Realize um pré-teste.
Aplicar a escala em um pequeno grupo antes do estudo principal permite identificar problemas de compreensão e fazer ajustes necessários.
3 Coleta de dados com a Escala Likert.
Na fase de coleta, aplique a escala em uma amostra representativa do seu público-alvo, garantindo que os participantes compreendam as instruções e se sintam à vontade para responder honestamente. Lembre-se de assegurar o anonimato quando necessário, pois isso ajuda a reduzir respostas tendenciosas.
Outro aspecto importante é a forma de alocação das informações. Evite inserir os nomes das respostas no documento que você irá usar para guardar as informações (em geral uma planilha eletrônica). Para economizar trabalho de limpeza das informações assim como evitar erros de digitação é recomendado que utilize números para representar a categoria de respostas. Mais adiante mostrarei uma figura ilustrando um recorte de como seria uma planilha eletrônica com as informações coletadas.
4 Como analisar os dados da Escala Likert?
Os dados obtidos por meio da Escala Likert são, tecnicamente, de natureza ordinal, ou seja, indicam uma ordem de preferência ou percepção, mas não necessariamente distâncias iguais entre os pontos da escala. Por isso, recomenda-se utilizar medidas como mediana, moda e frequências ao descrever os resultados.
Em muitos casos, quando os dados apresentam uma distribuição simétrica e com justificativa estatística, pesquisadores utilizam a média como forma de análise descritiva. Porém, é importante explicar claramente essa decisão no seu relatório ou artigo.
Na comparação entre grupos, se não houver a justificativa para tratar os dados como intervalares, recomenda-se utilizar testes não paramétricos, como o teste de Mann-Whitney para dois grupos independentes ou o teste de Kruskal-Wallis para mais de dois grupos. Contudo, fique atento para o fato de que nem sempre se poderá tratar as variáveis coletadas como sendo do tipo racional. Conforme já falamos antes, a escala Likert é, em essência, uma escala ordinal. Desse modo, teste de qui-quadrado pode fazer mais sentido em uma análise onde se deseja saber se a pergunta está mais relacionada à uma determinada frequência de respostas.
4.1 Cenário
Foi feito uma série de perguntas a um grupo de 38 participantes sobre determinados aspectos que lhes eram peculiar. As respostas obedeceram uma ordem de concordância com intervalo entre 1 e 5 onde: 1 = Discordo totalmente; 2 = Discordo; 3= Nem concordo nem discordo; 4= Concordo; 5= Concordo totalmente.
4.2 Qual ferramento devo utilizar?
Existem diversas opções de softwares e linguagens de programação que podem gerar figuras para ilustrar visualmente os resultados de uma escala Likert:
Excel e Google Sheets: permitem a criação rápida de gráficos de barras empilhadas ou colunas agrupadas para mostrar a distribuição das respostas em cada item.
R (ggplot2 ou likert): o primeiro é ideal para gerar gráficos de barras empilhadas e “Likert plots” com personalização avançada, sendo amplamente utilizado em relatórios acadêmicos e dashboards interativos e o segundo é específico para manipulação e visualização de dados de escalas Likert no R, gerando gráficos especializados para relatórios de pesquisas..
Python (matplotlib, seaborn, plotly): permitem gerar gráficos estáticos ou interativos para escalas Likert, destacando frequências e comparações entre itens.
SPSS e JASP: softwares estatísticos que oferecem geração automática de gráficos de Likert durante a análise descritiva, facilitando relatórios rápidos.
Tableau e Power BI: ferramentas de BI que permitem criar visualizações interativas de escalas Likert para apresentação em dashboards.
Essas ferramentas ajudam a transformar dados de escalas Likert em visualizações claras, facilitando a interpretação dos resultados em relatórios, artigos ou dashboards interativos em ciência de dados.
Vamos iniciar a análise dessas informações em R (utilizando o pacote likert. Utilizarei o banco de dados “dados_honorio.xlsx” (que é o banco de dados completo da figura mostrada anteriormente) para criar as figuras que irão nortear a análise. Considere trocar pelo banco de dados que está trabalhando prestando atenção para os detalhes de codificação dos niveis (levels) e rotulos (labels) quando necessário.
Carregando os dados sem carregar a coluna de “Amostra” que é a coluna 1 conforme pode ser visto na figura anterior do recorte de Excel.
Transformando os dados em variáveis de fator e denifindo os níveis e rótulos
dados <- dados |> dplyr::mutate(across(everything(),
~ factor(.x, levels = 1:5,
labels = c(
"Discordo totalmente",
"Discordo",
"Nem concordo nem discordo",
"Concordo",
"Concordo totalmente"),
ordered = T)))Depois de termos codificado as informações necessárias para que o R compreenda o data frame, podemos agora criar as figuras conforme desejamos.
library(ggplot2)
library(likert)
dados_graf <- likert(as.data.frame(dados))
likert.bar.plot(dados_graf) +
labs(y = "Frequência (%)") +
guides(fill = guide_legend(title = "Resposta")) +
theme_minimal() +
theme(panel.grid = element_blank(),
plot.background = element_rect(fill = "white", color = "white"))
Observe que a função likert.bar.plot() utiliza como default uma exibição ordenada decrescente em função das respostas positivas (característica mais à direita). Contudo, nem sempre isso fará sentido na sua análise. Desse modo, vamos ordenar em função das perguntas originariamente do instrumento de coleta. Também iremos deixar a legenda abaixo dos itens para melhor identificação das alternativas de respostas e suas respectivas frequências.
Espero que este tutorial possa contribuir para a construção de figuras de representação da escala Likert. Bom trabalho!
pacman::p_load(ggplot2, likert)
likert::likert.bar.plot(dados_graf, group.order = colnames(dados)) +
labs(y = "Frequências (%)") +
theme_minimal() +
theme(plot.background = element_blank(),
legend.text = element_text(size = 8),
legend.position = "bottom",
legend.title = element_blank())
Caso queira salvar a figura pode passar ggsave("minha_figura.png", width = 15, height = 10, scale = 0.5). Basicamente definimos o nome da figura que vai para o HD, a largura, a altura e a escala de visualização.
Outro ponto importante é avaliar a consistência interna da escala, ou seja, verificar se os itens realmente medem o mesmo construto de forma coerente. Para isso, o índice mais utilizado é o Alpha de Cronbach, sendo valores acima de 0,7 geralmente considerados aceitáveis em pesquisas. Apesar disso, estudos recentes demonstram que, embora o Alfa de Cronbach seja tradicionalmente utilizado para avaliar a consistência interna das escalas Likert, existem limitações pelo caráter ordinal dos dados, sendo recomendada a utilização de coeficientes específicos para dados ordinais, como o alfa ordinal e beta ordinal para melhorar a robustez das análises estatísticas envolvendo os resultados de pesquisa científica com utilização de escala Likert (Jebb; Ng; Tay, 2021; Oliden; Zumbo, 2008).
Referências
JEBB, Andrew T.; NG, Vincent; TAY, Louis. A Review of Key Likert Scale Development Advances: 19952019. Frontiers in Psychology, v. 12, 4 mai. 2021.
OLIDEN, Paula Elosua; ZUMBO, Bruno D. Coeficientes de fiabilidad para escalas de respuesta categórica ordenada. Psicothema, v. 20, n. 4, p. 896–901, 2008.
STEVENS, William et al. Is Likert better than PI-RADS at predicting prostate cancer on MRI and can a mathematical algorithm achieve similar results? Acta Radiologica, v. 64, n. 9, p. 2659–2666, 12 jul. 2023.
WESTLAND, J. Christopher. Information loss and bias in likert survey responses. PLOS ONE, v. 17, n. 7, p. e0271949, 28 jul. 2022.