Absenteísmo Discente: Uma análise dos estudantes de graduação de Administração Pública da UNIRIO
Thayanne Pinheiro
03/05/2021
1. Introdução
O absenteísmo discente é um problema que vem preocupando estudiosos (tais como TEIXEIRA, 2013 ; CHONG; CHEUNG; HUI, 2009), em diversos países, ganhando destaque principalmente nos EUA (GOLDSTEIN; LITTLE; AKIN-LITTLE, 2003) onde, mesmo nas chamadas universidades de elite, a taxa de absenteísmo dos estudantes de cursos de graduação se mostra elevada, variando de 25% a 40% (ROMER, 1993). Diante de tal expressivo número, muitos estudos começaram a buscar quais os principais efeitos dessa ausência, concluindo, em sua maioria, que há uma forte relação entre frequência e o desempenho acadêmico (BRAUER, 1994; MOORE, 2004; MIRANDA, 2017). Sabendo-se desta relação negativa entre esses dois elementos, mostra-se relevante pesquisar sobre o tema. No entanto, por mais que esta temática afete tanto a qualidade da aprendizagem quanto a moral dos docentes (WYATT, 1992), pesquisas referentes aos fatores que podem causar essas faltas frequentes, ainda são escassas (CHONG; CHEUNG; HUI, 2009).
No Brasil, esse cenário é ainda mais crítico, pois a quantidade de estudos que retratam o absenteísmo é muito pequena (ARAÚJO, 2012). Este problema pode ser percebido diante da presença de apenas 12 artigos sobre absenteísmo na plataforma de pesquisa SPELL, referência em conteúdo científico para a área de Administração. Em se tratando desse tema no âmbito educacional, a escassez é ainda maior (TAVARES et al, 2009), não havendo dados acerca do absenteísmo médio dos alunos no ensino superior.
2. Objetivo
Diante da importância de se entender esta questão, o objetivo deste estudo é identificar quais os principais fatores que influenciam o absenteísmo discente em estudantes de graduação de Administração Pública da UNIRIO no segundo semestre do ano de 2018. Para tanto, foi feita uma pesquisa que consistiu na aplicação de um questionário com estudantes de graduação do curso de Administração Pública da UNIRIO, durante o segundo semestre do ano de 2018, com 13 perguntas descritivas e aplicação da Escala de Fatores de Absenteísmo laboral, adaptada para os fins deste trabalho. Contudo, este estudo pretende contribuir para ampliar as discussões acerca desta temática que basicamente não é estudada no Brasil no âmbito acadêmico, mais especificamente voltada aos discentes.
Na primeira parte do presente artigo, será apresentado um breve referencial teórico acompanhado de possíveis fatores que podem influenciar o absenteísmo discente. A segunda parte terá a descrição da metodologia utilizada na pesquisa. Em seguida, serão apresentados os resultados juntamente com discussões relacionadas a literatura revisada e por fim, se discorrerá acerca das considerações finais deste estudo.
3. Absenteísmo Discente
O vocábulo absenteísmo é geralmente utilizado para se referir ao contexto do labor, (TEXEIRA, 2013), sendo definido, de modo geral, como as ausências do empregado ao trabalho, ganhando destaque nos estudos científicos, principalmente na área de Administração, por causa dos prejuízos ocasionados às empresas, devido a necessidade de substituição do funcionário que venha a se ausentar, além da redução da produtividade dos grupos de trabalho, por conta do absentismo de algum dos integrantes, aumentando a sobrecarga laboral sobre os demais (ARAÚJO, 2012; QUICK; LAPERTOSA, 1982). Diante disso, torna-se relevante identificar qual o tipo de absenteísmo mais recorrente para melhor trata-lo, são eles: voluntário, por doença, patologia profissional, legal, compulsório e por corpo presente (QUICK; LAPERTOSA, 1982; MALTA; NETO, 2015).
Já no âmbito acadêmico, este termo ainda não é muito usual, mas pode ser entendido como as frequentes ausências no ambiente acadêmico sem razão válida, isto é, descartando desculpas como enfermidade ou acidente (TEIXEIRA, 2013). Para a finalidade deste estudo, foi-se adotado tal definição de absenteísmo como um fenômeno voluntário. Desta forma, assim como no universo corporativo, o absentismo também traz malefícios ao ambiente educacional, tornando-o hostil e cansativo, fazendo com que os alunos fiquem incomodados e os professores estressados (BRAUER, 1994). Diante desse impacto negativo, torna-se essencial entender os fatores que influenciam a ocorrência deste evento.
Segundo Credé, Roch e Kieszczynka (2010), o absenteísmo sofre influência de vários fatores contextuais, tais como as regras relacionadas a frequência (se é obrigatória, se vale pontos), possíveis dificuldades de aprendizagem da turma, as características do professor e a possibilidade dos alunos conseguirem adquirir um material online para estudar a temática da disciplina. Da mesma forma, Shapiro, Mentch e Kubit (2007) apontaram para as mídias digitais, como sites, blogs, vídeos e ferramentas de streaming como algumas das principais preocupações dos docentes para que os alunos não frequentem às aulas, visto que muitos discentes acreditam que podem aprender mais estudando sozinhos, do que indo as classes que eles consideram desinteressantes (SCHOENBRUN, 2007; WYATT, 1992; TEIXEIRA, 2013). Em contrapartida, Leon e Robert (2007) identificaram em uma pesquisa com 421 estudantes que 70% não consideravam esses tipos de materiais a causa das suas faltas, e sim, em sua maioria (75%), utilizavam apenas como forma de revisão para se preparar para as avaliações. Já com relação as políticas de frequência adotadas pelos professores, Leon e Robert (2007) assim como Friedman, Rodriguez e McComb (2001), tiveram como resultado de seus estudos, que há uma forte relação desse fator com o absenteísmo, visto que grande parte dos discentes apenas comparecem as aulas quando recebem algum tipo de pontuação por participação, seja ela extra ou complementar a nota de outras avaliações, e caso não ganhem ou a presença não seja obrigatória, eles faltam (MOORE, 2004; BRAUER, 1994).
Outras causas, ainda relacionadas ao contexto organizacional, que podem levar ao absenteísmo discente, são as características dos professores. Os alunos frequentam em menor escala as classes cujo os professores indicam textos-base e elaboram a aula apenas com as mesmas informações contidas neles, isto é, aulas onde os professores não acrescentam nenhuma discussão nova sobre o assunto, apenas reproduzem o mesmo conteúdo dos livros, possuem um índice de absenteísmo maior, já que para os alunos, as aulas só se tornam interessantes quando trazem uma nova abordagem significativa do tema, caso contrário, preferem se ausentar e recompor o que foi perdido em outro momento (FRIEDMAN, RODRIGUEZ e MCCOMB, 2001; DEVADOSS; FOLTZ, 1996; MOORE, 2004) ou ainda, a didática utilizada não é esclarecedora o suficiente, fazendo com que os alunos não consigam compreender o conteúdo e com isso, preferem não assisti-las (WESTRICK; HELMS; MCDONOUGH e BRELAND, 2009).
Além desses, segundo Teixeira (2013), fatores individuais também devem ser considerados na análise desse fenômeno (o absenteísmo), tais como: inteligência, falta de confiança e interesse na disciplina e motivação (BARLOW; FLEISCHER, 2011; DEVADOSS; FOLTZ, 1996). Grant e Shin (2013), definiram este último como o desejo de agir, dessa forma, pode-se dizer que a motivação tem grande influência na decisão dos alunos de irem ou não a aula, visto que os estudos de Devadoss e Foltz (1996) demonstraram que há uma forte relação entre esses elementos, já que como resultado descobriram que o aumento da motivação dos alunos em dez pontos resulta em um crescimento de 3,33% na frequência. Além dessa, as pesquisas de Barlow e Fleischer (2011) também concluíram que os alunos mal motivados tendem a deixar de ser envolver com os estudos e a faltar as aulas, sendo papel do professor incentivá-los a se engajar com os mesmos. Diante dessa exposição, pode-se concluir que a desmotivação é a ausência do desejo de agir, o que faz com que o indivíduo sinta que seu trabalho ou estudo não lhe trará o que almeja (Cavenaghi, 2009), por isso os alunos tendem a desistir e se ausentar das aulas.
Pode-se ainda citar como fatores individuais a sobrecarga, o cansaço e o estresse, como mostra o estudo de Westrick et al. (2009) no qual foi-se realizada uma pesquisa em três diferentes classes (com alunos de diferentes períodos de integralização) para identificar os principais motivos que levavam a ausência dos alunos as aulas e como resultado, as pesquisadoras obtiveram em uma das turmas, que 45% dos estudantes não foram à aula por estarem se sentindo cansados ou não conseguiram acordar a tempo por terem passado a noite anterior estudando e ainda, 34% se ausentaram para estudar para o exame de outra disciplina. Sendo este último motivo um dos principais apontados por ambas as três classes observadas. O que mostra que o excesso de atividades acadêmicas e o cansaço impactam de forma negativa a frequência dos alunos nas aulas. Esses dois fatores se relacionam a outros tais como o estresse e ansiedade, os quais foram apontados no estudo de Monteiro, Freitas e Ribeiro (2007) como um dos motivos para os alunos se ausentarem das aulas.
Além desses, outros aspectos relacionados ao indivíduo que podem influenciar o absenteísmo nas aulas, segundo Wyatt (1992), são: o gênero, visto que, diante de suas pesquisas, ele pôde concluir que mulheres tendem a se ausentar mais do que os homens, já que podem ocorrer com mais frequência situações desconfortáveis para o público feminino no ambiente acadêmico do que para o masculino. Ainda em relação aos estudos deste autor, foi-se identificado o desempenho médio nas disciplinas como fator que pode levar a ausência, neste caso, alunos com melhores notas tendem a faltar menos do que aqueles com médias mais baixas. Já Westrick et al. (2009) concluíram que a distância entre onde o estudante reside e a universidade é uma variável que está relacionada com o grau de absenteísmo, de forma que os discentes que moram mais perto da faculdade faltam menos em comparação com os que demoram mais tempo para chegar ao campus.
3.1 Hipóteses
H1: Fatores psicossomáticos e de condições físicas/acadêmicas influenciam o absenteísmo de discentes em períodos avançados.
H2: Fatores psicossomáticos e de condições físicas/acadêmicas influenciam o absenteísmo de discentes com melhor desempenho acadêmico.
H3: Fatores de gestão do tempo e da carreira influenciam o absenteísmo de discentes mais velhos (+26 anos).
H4: Fatores interpessoais e do ambiente acadêmico influenciam o absenteísmo de discentes mais jovens (até 25 anos).
4. Metodologia
A abordagem metodológica desta pesquisa consistiu na aplicação de questionário online que fragmentou-se em dois momentos: o primeiro, de base qualitativa, procurou avaliar, por meio de 13 perguntas, dados gerais (gênero, idade, período, bairro onde mora, coeficiente de rendimento, problemas financeiros e violência) e relacionados a frequência das faltas (quantas vezes falta por semana, se o aluno se ausenta nas mesmas aulas, se utiliza as faltas que tem direito segundo o regulamento da dita universidade para faltar nas disciplinas cuja a presença é obrigatória e se possui preferência para faltar aulas do tipo humanas,exatas ou não) dos estudantes de graduação de Administração Pública da UNIRIO no segundo semestre do ano de 2018. Já o segundo momento, de base quantitativa, consistiu em um survey, com aplicação de questionário da Escala de Fatores do Absenteísmo laboral (EFAL), que foi adaptada para as finalidades deste estudo. A EFAL contém 19 itens que estão agrupados em quatro fatores (subescalas) em escala de 6 pontos (variando entre “pouco” e “muito”), sendo elas: EFAL 1 (fatores interpessoais e do ambiente acadêmico) a qual abarca os itens nº 8, 11, 13, 14, 17 e 18; EFAL 2 (fatores psicossomáticos e de condições físicas acadêmicas) a qual abrange os itens n° 3, 5, 9, 12 e 19; EFAL 3 (fatores administrativos) a qual engloba os itens n° 1, 2, 4 e 6) ; e EFAL 4 (fatores de gestão do tempo e da carreira) que compreende os itens n° 7, 10, 15 e 16.
Para definir a amostra, foi solicitado à secretaria de ensino do Centro de Ciências Jurídicas e Políticas (CCJP) dados acerca dos discentes com matrícula ativa no curso de Administração Pública da UNIRIO no semestre de 2018.2. Inicialmente a amostra selecionada foi de 165 dos 286 estudantes de graduação de Administração Pública regularmente matriculados na UNIRIO entre o 1° e o 8° período no segundo semestre do ano de 2018. Com o objetivo de obter o número de respostas mencionado anteriormente, todos 286 estudantes foram abordados via e-mail e/ou rede social (WhatsApp), esta forma de abordagem foi escolhida para alcançar a maior quantidade de alunos possível, principalmente aqueles que faltam com frequência. Mas, mesmo assim, apenas 84 responderam ao formulário enviado pela plataforma Google Formulários.
4.1 Descrição da base de dados
Como já mencionado, a base de dados utilizada neste estudo foi coletada pela própria autora no segundo semestre de 2018. O conjunto de dados conta com 32 variáveis. A formulação delas teve como base a Escala de Fatores de Absenteísmo Laboral de Murcho e Jesus (2006) adaptada para os fins do estudo. Como forma de apresentar a base de dados aqui utilizada, criou-se a tabela a seguir com as variáveis e a respectiva descrição das mesmas.
formattable(Dicionario_de_dados)
4.2 Metodologia utilizada
Os dados obtidos no primeiro momento da pesquisa foram analisados por meio de técnicas estatísticas que consistiram em tabelas de proporção, gráficos de pizza, gráficos de barra e teste exato de Fisher no software R. Já o segundo momento foi analisado seguindo as orientações feitas pelos criadores da EFAL (MURCHO; JESUS, 2006), isto é, por meio de análise das médias. Esta também foi realizada por meio do software R. Desta forma, considerou-se como fatores de pouca importância aqueles cuja as médias fatoriais estão situadas entre um e dois; já aquelas maiores que dois e menores ou iguais a quatro, foram classificados como de média relevância; e superiores a quatro até seis, como muito importantes.
5. Análise de resultados
sexo.geral <- table(absentismo_adm$Sexo)
sexo.geral
prop.table(sexo.geral)
g_fem <- absentismo_adm %>% filter(Sexo=="Feminino")
g_fem [,1]
id.fem <- table(g_fem [,1])
id.fem
prop.table(id.fem)
g_masc <- absentismo_adm %>% filter(Sexo=="Masculino")
g_masc [,1]
id.masc <- table(g_masc [,1])
id.masc
prop.table(id.masc)
faltas_sem <- table(absentismo_adm$Faltas)
faltas_sem
prop.table(faltas_sem)
tipo.geral <- table(absentismo_adm$Tipo_aula)
tipo.geral
prop.table(tipo.geral)Das respostas obtidas, 57,14% foram de estudantes do sexo feminino, com idade média de até 20 anos (43,75%), os outros 42,86% restantes foram do sexo masculino, com idades até 20 anos (44,44%). A maior parte dos respondentes afirmou faltar raramente (44,05%), já com relação aos demais, 32,14% disseram que faltam uma vez por semana e 23,81% que faltam duas ou mais vezes por semana.E ainda em relação às faltas, 69,05% dos discentes declararam que se ausentam das aulas independentemente do tipo dela, outros 17,85% disseram que costumam se abster em aulas consideradas de humanas e 13,10% em aulas de exatas. Diante destes últimos dados traçou-se o perfil dos alunos que faltam preferencialmente disciplinas de humanas e exatas.
pie(freq_sexo,main = "Faltas em humanas por sexo",labels = c("46,67%","53,33%"),col = c(4,2))
legend("topright",fill = c(4,2),legend = c("Feminino","Masculino"))
#Idade
hum_aula[,1]
#tabela
hum_id <- table(hum_aula[,1])
hum_id
barplot(hum_id,main = "Faltas em humanas por idade",col =c("#74d481", "#faf16e","#835991","#71a7ad"))
#Período
hum_aula[,3]
hum_periodo <- table(hum_aula[,3])
hum_periodo
barplot(hum_periodo, beside = TRUE,
col = c("#74d481", "#faf16e","#835991","#71a7ad","#c27f38", "#c24838", "#3882c2", "#bd3574"),
main = "Faltas em humanas por período",
horiz = TRUE,
legend=TRUE)
#CR
hum_aula[,4]
hum_cr <- table(hum_aula[,4])
hum_cr
barplot(hum_cr, beside = TRUE,
col = c("#74d481", "#faf16e","#835991","#71a7ad"),
main = "Desempenho alunos que se abstém em humanas",
legend=FALSE)
#Faltas na semana
hum_aula[,9]
hum_faltas <- table(hum_aula[,9])
hum_faltas
barplot(hum_faltas, beside = TRUE,
col = c("#74d481", "#faf16e","#835991"),
main = "Frequência de faltas na semana",)
legend("topleft",fill = c("#74d481", "#faf16e","#835991"),legend = c("1 vez por semana","2 ou mais vezes por semana","Raramente"))
Começando pelos alunos que tem costume de faltar mais aulas de humanas, pode-se ver que a maioria são do sexo masculino (53,33%), possuem até 25 anos, bom desempenho acadêmico, estão nos primeiros períodos do curso e tendem a faltar raramente na semana. Vale destacar que, conforme mencionado anteriormente, o grau de absenteísmo é maior em disciplinas consideradas de humanas do que nas consideradas de exatas.
pie(freq_sexo2,main = "Faltas em exatas por sexo",labels = c("72,73%","27,27%"),col = c(4,2))
legend("topright",fill = c(4,2),legend = c("Feminino","Masculino"))
#Idade
#tabela
ex_id <- table(ex_aula[,1])
ex_id
barplot(ex_id,main = "Faltas em exatas por idade",col =c("#74d481", "#faf16e","#835991","#71a7ad"))
#Período
#tabela
ex_aula[,3]
ex_periodo <- table(ex_aula[,3])
ex_periodo
barplot(ex_periodo, beside = TRUE,
col = c("#74d481", "#faf16e","#835991","#71a7ad","#c27f38", "#c24838", "#3882c2", "#bd3574"),
main = "Faltas em exatas por período",
horiz = TRUE,
legend=TRUE)
#CR
#tabela
ex_aula[,4]
ex_cr <- table(ex_aula[,4])
ex_cr
barplot(ex_cr, beside = TRUE,
col = c("#74d481", "#faf16e","#835991","#71a7ad"),
main = "Desempenho alunos que se abstém em exatas",
legend=FALSE)
#Faltas
#tabela
ex_aula[,9]
ex_faltas <- table(ex_aula[,9])
ex_faltas
barplot(ex_faltas, beside = TRUE,
col = c("#74d481", "#faf16e","#835991"),
main = "Frequência de faltas na semana",)
legend("topleft",fill = c("#74d481", "#faf16e","#835991"),legend = c("1 vez por semana","2 ou mais vezes por semana","Raramente"))
Já em relação ao perfil de discentes que costumam se ausentar mais em aulas classificadas como de exatas, pode-se ver que ele é constituído por mulheres (72,73%) que possuem até 20 anos, bom desempenho acadêmico (CR maior que 7), estão nos primeiros períodos (majoritariamente o 1° e o 2°) e tendem a faltar raramente na semana.
A respeito da Escala de Fatores do Absenteísmo Laboral (EFAL), que foi ajustada para os fins deste estudo, foi-se encontrado como média geral, assim como para suas respectivas subescalas, os valores apresentados na tabela 2 a seguir:
library(formattable)
formattable(esc_EFAL)
Com isso, pode-se concluir que todos os fatores possuem nível médio de relevância em relação ao absenteísmo discente, já que suas médias foram maiores que 2 e menores que 4.
lineplot.CI(Fatores_EFAL,Medias,type = "p",
xlab="Itens EFAL", ylab="Média", main="Valores médios relativos aos itens da EFAL",
ci.fun= function(x) c(mean(x)-sd(x), mean(x)+sd(x)))
Pode-se observar, diante de tais dados, quais itens da EFAL apresentam maior influência no absenteísmo dos estudantes em questão. Para realizar a análise, utilizou-se a classificação dada pelos autores, onde médias fatoriais entre um e dois podem ser consideradas de pouca importância; acima de dois e menores que quatro podem ser consideradas de média relevância como fatores que influenciam o absenteísmo e acima de quatro consideradas como de muita importância.
Dessa forma, os itens com valor médio entre um e dois são considerados de fraca influência;os acima de dois e menor que quatro são considerados de média influência no absenteísmo discente; já os com média superior a quatro são considerados de forte influência. Sendo assim, vale destacar os três itens que apresentam forte influência no absenteísmo discente: estresse e ansiedade (E3, média 4,29), cansaço (E5, média 5,05) e sobrecarga das atividades acadêmicas (E9, média 4,02).
Com base nas respostas, foi calculada a EFAL média para cada discente, sendo assim, somou-se todos os valores atribuídos por eles em cada item da escala e depois dividiu-se pelo total de itens, 19. E assim, criou-se o índice EFAL, que será utilizado como uma medida comparativa usada para classificar os alunos conforme o grau de influência dos itens da escala no absenteísmo dos mesmos.
boxplot(indice_absenteismo~genero_que_se_identifica, data=ab_adm,col=c("pink",'lightblue'),
main="Índice x Sexo")
Neste primeiro boxplot comparativo, percebe-se que o índice EFAL do sexo feminino apresenta maior variabilidade que o índice EFAL do sexo masculino. Além disso, a mediana do sexo masculino é maior se comparada ao do feminino.
boxplot(indice_absenteismo~idade, data=ab_adm,col=c("pink",'lightblue',"#74d481", "#faf16e"),
main="índice x Idade")
Neste segundo, pode-se ver que a faixa etária de 21-25 anos possui maior valor máximo se comparado aos demais, mas os estudantes de 26-30 anos que tem a maior mediana no índice EFAL. Enquanto que a mediana da faixa etária entre os mais novos e os mais velhos é quase a mesma.
boxplot(indice_absenteismo~periodo, data=ab_adm,col=c("pink",'lightblue',"#74d481", "#faf16e","#c27f38", "#c24838", "#3882c2", "#bd3574"),
main="Índice x Período")
No boxplot acima, nota-se que o comportamento do índice nos primeiros períodos do curso é bem similar, exemplo disso é que o 1° e 2° períodos possuem o mesmo valor máximo, enquanto que o 3° e o 4° a mesma mediana. Além disso, os períodos mais avançados (5° em diante) possuem as maiores medianas, sendo o último (8°) com a maior dentre todos.
boxplot(indice_absenteismo~coeficiente_de_rendimento_considere_apenas_o_numero_inteiro, data=ab_adm,col=c("pink",'lightblue',"#74d481", "#faf16e"),
main="Índice x CR")
Por fim, podemos observar que a mediana dos discentes que possuem desempenho regular e ruim (igual a 7 e menor que 7, respectivamente) é maior do que aqueles que têm desempenho bom.
5.1 Hipoteses
#----------------------------------------------
#----------------------------------------------
#Testes de hipótese
#----------------------------------------------
#----------------------------------------------
EFAL_2 <- data.frame(escala, stringsAsFactors = F)
as.numeric(as.character(escala$EFAL_2))
#período e efal 2
#### Verificando os pressupostos de normalidade (resíduos com
# distribuição normal) e homogeneidade de variâncias (variância
# constante)
#Pressuposto 1
shapiro.test(escala$EFAL_2)
#pvalor=0,01, ou seja, menor que alpha, então rej H0, a distribuição não é normal
model01 <- aov(EFAL_2~Periodo, data = escala)
residuos01 <- residuals(model01)
shapiro.test(residuos01)
#H0: dist.normal
#H1: não dist. normal
#alpha = 0,05
#Se pvalor for menor que alpha (0,05) rej H0
#Se pvalor for maior que 0,05 NÃO rej H0
#pvalor=0,02, ou seja, menor que alpha, então rej H0, a distribuição não é normal
#H0: os dados seguem uma distribuição normal
#H1: os dados NÃO seguem uma distribuição normal
#alpha: 0,05
#Se pvalor for menor que alpha (0,05) rej H0
#Se pvalor for maior que 0,05 NÃO rej H0
#H0: (os 8 períodos sofrem a mesma influência da efal 2)os grupos são de população idêntica
#H1: existe pelo menos um período que sofre influência diferente
#alpha: 0,05
#se pvalor for menor que 0,05 rej H0
#Se pvalor for maior que 0,05 não rej H0
kruskal.test(escala$EFAL_2~escala$Periodo)
#p-value= 0.2018
#pvalor maior que alpha, não rej H0, os 8 períodos sofrem a mesma influência da efal 2
ABS1 <- pairwise.wilcox.test(escala$EFAL_2,
escala$Periodo,
p.adjust.method = "fdr")
ABS1
#O p-valor da diferença entre os períodos é sempre maior que alpha.
#Isso indica que não existe diferença entre as distribuições/a influência de EFAL 2
#conforme o período.
#Com isso H1 foi rejeitada.H1: Fatores psicossomáticos e de condições físicas/acadêmicas influenciam o absenteísmo de discentes em períodos avançados.
Analisou-se a referida hipótese (a qual utilizou-se as variáveis EFAL_2 [referente à subescala EFAL 2] e Periodo) por meio de Teste de Shapiro Wilk, Teste de Kruskal-Wallis e Teste de Comparações Múltiplas de Wilcoxon. O resultado indicou que não existe diferença entre as distribuições/a influência de EFAL 2 conforme o período, com isso, H1 foi rejeitada.
#EFAL 2 e CR
#### Verificando os pressupostos de normalidade (resíduos com
# distribuição normal) e homogeneidade de variâncias (variância
# constante)
#Pressuposto 1
shapiro.test(escala$EFAL_2)
#pvalor=0,01011, ou seja, menor que alpha, então rej H0, a distribuição não é normal
model02 <- aov(EFAL_2~CR, data = escala)
residuos02 <- residuals(model02)
shapiro.test(residuos02)
#H0: dist.normal
#H1: não dist. normal
#alpha = 0,05
#Se pvalor for menor que alpha (0,05) rej H0
#Se pvalor for maior que 0,05 NÃO rej H0
#pvalor=0,01, ou seja, menor que alpha, então rej H0, a distribuição não é normal
#H0: os grupos são de população idêntica
#H1: existe pelo menos um período que sofre influência diferente
#alpha: 0,05
#se pvalor for menor que 0,05 rej H0
#Se pvalor for maior que 0,05 não rej H0
kruskal.test(escala$EFAL_2~escala$CR)
#p-value= 0.6906
#pvalor maior que alpha, não rej H0, os discentes sofrem a mesma influência de efal 2,
#independemente do desempenho (se bom, regular ou ruim)
ABS2 <- pairwise.wilcox.test(escala$EFAL_2,
escala$CR,
p.adjust.method = "fdr")
ABS2
#O p-valor da diferença entre o desempenho dos alunos é sempre maior que alpha.
#Isso indica que não existe diferença entre as distribuições/a influência de EFAL 2
#conforme o desempenho.
#Com isso H2 foi rejeitada.H2: Fatores psicossomáticos e de condições físicas/acadêmicas influenciam o absenteísmo de discentes com melhor desempenho acadêmico.
Analisou-se a referida hipótese (a qual utilizou-se as variáveis EFAL_2 [referente à subescala EFAL 2] e CR) por meio de Teste de Shapiro Wilk, Teste de Kruskal-Wallis e Teste de Comparações Múltiplas de Wilcoxon. O resultado indicou que não existe diferença entre as distribuições/a influência de EFAL 2 conforme o desempenho, com isso, H2 foi rejeitada.
#EFAL_4 e idade
#### Verificando os pressupostos de normalidade (resíduos com
# distribuição normal) e homogeneidade de variâncias (variância
# constante)
#Pressuposto 1
shapiro.test(escala$EFAL_4)
#pvalor=0,003391, ou seja, menor que alpha, então rej H0, a distribuição não é normal
model03 <- aov(EFAL_4~Idade, data = escala)
residuos03 <- residuals(model03)
shapiro.test(residuos03)
#H0: dist.normal
#H1: não dist. normal
#alpha = 0,05
#Se pvalor for menor que alpha (0,05) rej H0
#Se pvalor for maior que 0,05 NÃO rej H0
#pvalor=0,0227, ou seja, menor que alpha, então rej H0, a distribuição não é normal
#H0: os grupos são de população idêntica
#H1: existe pelo menos um período que sofre influência diferente
#alpha: 0,05
#se pvalor for menor que 0,05 rej H0
#Se pvalor for maior que 0,05 não rej H0
kruskal.test(escala$EFAL_4~escala$Idade)
#p-value= 0.1008
#pvalor maior que alpha, não rej H0, os discentes sofrem a mesma influência de efal 4,
#independemente da idade.
ABS3 <- pairwise.wilcox.test(escala$EFAL_4,
escala$Idade,
p.adjust.method = "fdr")
ABS3
#O p-valor da diferença entre a idade dos alunos é sempre maior que alpha.
#Isso indica que não existe diferença entre as distribuições/a influência de EFAL 4
#conforme a idade.
#Com isso H3 foi rejeitada.H3: Fatores de gestão do tempo e da carreira influenciam o absenteísmo de discentes mais velhos (+26 anos).
Analisou-se a referida hipótese (a qual utilizou-se as variáveis EFAL_4 [referente à subescala EFAL 4] e Idade) por meio de Teste de Shapiro Wilk, Teste de Kruskal-Wallis e Teste de Comparações Múltiplas de Wilcoxon. O resultado indicou que não existe diferença entre as distribuições/a influência de EFAL 4 conforme a idade, com isso, H3 foi rejeitada.
#EFAL_1 e idade
#### Verificando os pressupostos de normalidade (resíduos com
# distribuição normal) e homogeneidade de variâncias (variância
# constante)
#Pressuposto 1
#H0: os dados seguem uma distribuição normal
#H1: os dados NÃO seguem uma distribuição normal
#alpha: 0,05
#Se pvalor for menor que alpha (0,05) rej H0
#Se pvalor for maior que 0,05 NÃO rej H0
shapiro.test(escala$EFAL_1)
#pvalor=0.006527, ou seja, menor que alpha, então rej H0
#não segue distribuição normal
#H0: dist.normal
#H1: não dist. normal
#alpha = 0,05
#Se pvalor for menor que alpha (0,05) rej H0
#Se pvalor for maior que 0,05 NÃO rej H0
model04 <- aov(EFAL_1~Idade, data = escala)
residuos04 <- residuals(model04)
shapiro.test(residuos04)
#pvalor=0,1826, ou seja, maior que alpha, então não rej H0
#segue distribuição normal
#H0: os grupos são de população idêntica
#H1: existe pelo menos um período que sofre influência diferente
#alpha: 0,05
#se pvalor for menor que 0,05 rej H0
#Se pvalor for maior que 0,05 não rej H0
kruskal.test(escala$EFAL_1~escala$Idade)
#p-value= 0.02899
#pvalor menor que alpha, rej H0, os discentes de diferentes idades não sofrem a mesma influência de efal 1
ABS4 <- pairwise.wilcox.test(escala$EFAL_1,
escala$Idade,
p.adjust.method = "fdr")
ABS4
#O p-valor da diferença entre os alunos até 20 anos e de 21-25 anos é menor que alpha (0,044). #Isso indica que existe diferença entre as distribuições/a influência de EFAL 1 nessas duas faixas etárias.
#Com isso H4 não foi rejeitada.H4: Fatores interpessoais e do ambiente acadêmico influenciam o absenteísmo de discentes mais jovens (até 25 anos).
Analisou-se a referida hipótese (a qual utilizou-se as variáveis EFAL_1 [referente à subescala EFAL 1] e Idade) por meio de Teste de Shapiro Wilk, Teste de Kruskal-Wallis e Teste de Comparações Múltiplas de Wilcoxon. Isso indica que existe diferença entre as distribuições/a influência de EFAL 1 em alunos até 20 anos e de 21-25 anos. Com isso H4 não foi rejeitada.
6. Discussão
Em relação ao perfil dos discentes que costumam faltar às aulas de humanas, conforme a literatura revisada, um dos motivos que podem explicar tal fato é que, em aulas de humanas, os docentes tendem a indicar textos-base e basear suas aulas completamente neles, isto é, sem acrescentar nenhuma discussão nova sobre o assunto, fazendo com que as aulas fiquem desinteressantes já que não trazem uma nova abordagem significativa do tema e, dessa forma, os alunos preferem se ausentar e recompor o que foi perdido em outro momento (FRIEDMAN, RODRIGUEZ e MCCOMB, 2001; DEVADOSS; FOLTZ, 1996; MOORE, 2004).
Já em relação ao perfil dos alunos que tem costume de se abster mais em aulas consideradas de exatas, viu-se que este é predominantemente feminino e esse fato pode ser explicado também conforme a literatura estudada, visto que, segundo Teixeira (2013), fatores individuais, tais como falta de confiança influenciam no absenteísmo (BARLOW; FLEISCHER, 2011; DEVADOSS; FOLTZ, 1996). As mulheres desde bem novas são menos expostas a atividades e brinquedos que estimulam raciocínio lógico e matemático, tal fato acaba impactando o desempenho delas quando começam a estudar matemática nas escolas, e, por conta disso, na maioria das vezes, elas acreditarem que não são boas/inteligentes o suficiente para compreender o conteúdo (ROJO, 2017). Essa falta de confiança (baixa autoestima) carregada com elas ao longo da vida (em relação às disciplinas que envolvem números) pode ser um dos fatores que as leva a se ausentar mais nesse tipo de disciplina.
Vale destacar que discentes mais velhos (com mais de 25 anos), assim como aqueles em períodos mais avançados e que faltam mais vezes na semana quase não aparecem quando a análise se restringe a avaliar as aulas que costumam faltar com base no seu tipo (humanas ou exatas). Com isto, pode-se notar que esse perfil aparentemente não possui preferência em qual tipo de aula faltar, isto é, se abstém independemente do tipo dela. Diante disso, foi realizado o teste exato de fisher para avaliar se existe correlação entre as variáveis período e idade em relação ao tipo de aula. Os resultados mostraram que não há associação entre elas.
Assim como nos estudos de Westrick et al (2009), Monteiro, Freitas e Ribeiro (2007), fatores individuais como sobrecarga (isto é, o excesso de atividades acadêmicas), cansaço, estresse e ansiedade se mostraram como os principais motivos que levam a ausência dos alunos.
7. Considerações Finais
Este estudo teve como objetivo identificar quais os principais fatores que influenciam o absenteísmo discente em estudantes de graduação de Administração Pública da UNIRIO no segundo semestre do ano de 2018. Para tal fez-se uma pesquisa que foi dividida em dois momentos: a aplicação de um questionário simples (relacionado a dados gerais e de frequência dos alunos) e outro utilizando a Escala de Fatores do Absenteísmo Laboral (adaptada para os fins do estudo) de Murcho e Jesus (2006).
As análises mostraram que as mulheres tendem a se ausentar mais em disciplinas tidas como de exatas, enquanto que os homens nas de humanas. Além disso, pode-se notar que, de modo geral, os alunos dos primeiros períodos se abstém das aulas com base no seu tipo (humanas ou exatas), enquanto que os que estão em períodos mais avançados faltam independemente do tipo de aula. Quanto a EFAL e suas subescalas, todas apresentaram médias acima de 2 e menores que 4, o que indica que possuem importância média como fatores que influenciam o absenteísmo discente. Vale ressaltar que alguns itens obtiveram destaque por seus valores médios individuais estarem acima da média geral da EFAL (2.72), sendo eles, os n°: 1, 3, 5, 9, 10 e 18. Em síntese, pode-se concluir que o “estresse e a ansiedade”, assim como o “cansaço” e “sobrecarga das atividades acadêmicas” são os principais fatores que influenciam o absenteísmo discente da população estudada no período indicado.
Diante disso, esta pesquisa possui a pretensão de contribuir para ampliação das discussões acerca desta temática que ainda é pouco debatida no Brasil no âmbito discente no ensino superior e ainda, de que seus resultados possam ser utilizados como alerta sobre a importância de se avaliar de forma mais profunda estes fatores que influenciam o absenteísmo dos alunos.
Esta investigação possui limitações, principalmente relacionadas ao curto tempo de análise, a inexpressiva amostra e por ter sido restrita aos estudantes de graduação de Administração Pública da Universidade Federal do Estado do Rio de Janeiro, o que torna difícil expandir os resultados atingidos para todos os cursos de graduação, visto que cada um possui suas particularidades, e todas as instituições de ensino superior do Brasil, principalmente entidades privadas.
Por isso sugerem-se novas pesquisas utilizando uma amostra mais abrangente com discentes de diferentes cursos e instituições de ensino superior. E ainda, pode-se aprofundar a análise por meio de um estudo qualitativo em forma de entrevista envolvendo estudantes e professores. Além disso, como foi obtido um baixo índice de participação na pesquisa por parte até mesmo dos alunos que não costumam se ausentar das aulas, pode-se realizar estudos acerca do presenteísmo dos universitários brasileiros.
Por fim deixam-se recomendações para mitigar estes principais fatores que influenciam o absenteísmo discente por parte da instituição e dos professores: oferecer apoio psicológico adequado, visto que o já fornecido pela Universidade em estudo aparentemente não está sendo suficiente para suprir as necessidades dos alunos; a coordenação do curso pode realizar uma análise do currículo em conjunto com estudantes e docentes para avaliar se todos os conteúdos propostos nele realmente possuem relevância para a formação naquela área e/ou se há sobrecarga com tópicos pouco relevantes; e finalmente, os docentes poderiam estabelecer estratégias para adotar modelos de aulas dinâmicas com discussões e práticas da teoria.
8. Referências
ARAÚJO, J. P. Afastamento do trabalho : absenteísmo e presenteísmo em uma instituição federal de ensino superior. Dissertação (Mestrado em Ciências da Saúde)–Faculdade de Ciências da Saúde, Universidade de Brasília, Faculdade de Ciências da Saúde, Brasília, 2012.
BARLOW, J.; FLEISCHER, S. Student absenteeism: whose responsibility?. Innovations in Education and Teaching International, Brighton, v. 48, n. 3, p. 227–237, 2011.
BRAUER, J. Correspondence: Should Class Be Mandatory? Journal of Economic Perspectives, v. 8, n. 3, p. 205–215, 1994.
CAVENAGHI, A. R. Uma perspectiva autodeterminada da motivação para aprender língua estrangeira no contexto escolar. Ciências & Cognição , Rio de Janeiro, v. 14, n. 2, 2009.
CHONG, T. T. L.; CHEUNG, K. S.; HUI, P. H. Skipping economics classes: a case study from Hong Kong. Journal of Higher Education Policy and Management, v. 31, n. 1, p. 37–42, 2009.
CREDÉ, M.; ROCH, S. G.; KIESZCZYNKA, U. M. Class Attendance in College. Review of Educational Research, v. 80, n. 2, p. 272–295, 2010.
DEVADOSS, S.; FOLTZ, J. Evaluation of Factors Influencing Student Class Attendance and Performance. American Journal of Agricultural Economics, v. 78, n. 3, p. 499–507, Jan. 1996.
DIAS, M.. Absenteísmo em contact center - estudo de caso com preditores micro e macro organizacionais. Dissertação (Mestrado em Psicologia Aplicada)– Instituto de Psicologia, Universidade Federal de Uberlândia, Uberlândia, 2005. Education and Teaching International, v. 53, n. 2, p. 230–242, nov. 2014.
FRIEDMAN, P.; RODRIGUEZ, F.; MCCOMB, J. Why Students Do and Do Not Attend Classes. College Teaching, v. 49, n. 4, p. 124–133, 2001.
GOLDSTEIN, J. S.; LITTLE, S. G.; AKIN-LITTLE, K. A. Absenteeism: A Review of the Literature and School Psychology’s Role. The California School Psychologist, v. 8, n. 1, p. 127–139, 2003.
GRANT, A. M.; SHIN, J. Work motivation: Directing, energizing, and maintaining effort (and research). Oxford University Press, Oxford, 2011.
Leon, L.; Robert, Jr. CLASS ATTENDANCE: IS IT IMPORTANT?. United States Military Academy, New York, 2007.
MALTA, V. D.; NETO, M. T. R.; LEITE, P. A. Um Modelo Explicativo Do Absenteísmo Docente: Análise e Proposição. 2015. Trabalho apresentado ao 39 Encontro Nacional da Associação Nacional de Pós Graduação e Pesquisa em Administração, Belo Horizonte, 2015.
MIRANDA, G. J.; ARAUJO, T. S.; MARCELINO, I. A. O absenteísmo acadêmico e suas consequências mais óbvias. Revista Gestão Universitária na América Latina - GUAL, v. 10, n. 1, p. 172, 2017.
MONTEIRO, C. F. D. S.; FREITAS, J. F. D. M.; RIBEIRO, A. A. P. Estresse no cotidiano acadêmico: o olhar dos alunos de Enfermagem da Universidade Federal do Piauí. Escola Anna Nery, v. 11, n. 1, p. 66–72, 2007.
MOORE, R. Does Improving Developmental Education Students Understanding of the Importance of Class attendance Improve Students Attendance and Academic Performance?. Research and Teaching in Developmental Education, New York, v. 20, n. 2, p. 24 - 39, 2004.
MURCHO, N. A. C; Burnout e absentismo laboral em enfermeiros. Dissertação (Mestrado em Psicologia da saúde)–Faculdade de Ciências Humanas e Sociais, Universidade do Algarve, Faro, 2006.
MURCHO, N. A. C.; JESUS, S. N.; Absenteísmo No Trabalho. In: SIQUEIRA, M. M. M. (Org.). Novas Medidas do comportamento organizacional: Ferramentas de diagnóstico e de gestão. Porto Alegre: Artmed, 2014. p. 15-24.
QUICK, T. C.; LAPERTOSA, J. B. Análise do Absentismo em Usina Siderúrgica. Revista Brasileira de Saúde Ocupacional, São Paulo, v.10, n.40, p.62-67, 1982.
ROJO, X. Se você é mulher e é péssima em matemática, este pode ser o motivo. BuzzFeed, 2017. Disponível em: https://buzzfeed.com.br/post/se-voce-e-mulher-e-e-pessima-em-matematica-este-pode-ser-o-motivo. Acesso em: 07 maio 2021.
ROMER, D. Do Students Go to Class? Should They?. Journal of Economic Perspectives, v. 7, n. 3, p. 167–174, 1993. SCHOENBRUN, D. Give me one good reason to go to class. The Daily Pennsylvanian, Philadelphia, 3 Abr. 2007.
SHAPIRO, W.; MENTCH, M.; KUBIT, M. Streaming Video: The Bridge between Tradition and Innovation. EDUCAUSE Review, vol. 42, no. 4, pp. 68-69, Cleveland, 2007.
TAVARES et al. A falta faz falta? Um estudo sobre o absenteísmo dos professores da rede estadual paulista de ensino e seus efeitos sobre o desempenho escolar. 2011. Trabalho apresentado ao 37. Encontro Nacional de Economia, São Paulo, 2011.
TEIXEIRA, A. A. C. The impact of class absenteeism on undergraduates’ academic performance: evidence from an elite Economics school in Portugal. Innovations in Education and Teaching International, v. 53, n. 2, p. 230–242, nov. 2014.
TRIADÓ-IVERN, X. et al. Empirical approach to the analysis of university student absenteeism: proposal of a questionnaire for students to evaluate the possible causes. Quality & amp; Quantity, Barcelona, v. 47, n. 4, p. 2281–2288, 2011.
VASCONCELOS, T. C. D. et al. Prevalência de Sintomas de Ansiedade e Depressão em Estudantes de Medicina. Revista Brasileira de Educação Médica, v. 39, n. 1, p. 135–142, 2015.
VERGARA, S. C. Projetos e Relatórios de Pesquisa em Administração. São Paulo: Atlas, 1998.
WESTRICK, S. C. et al. Factors Influencing Pharmacy Students’ Attendance Decisions in Large Lectures. American Journal of Pharmaceutical Education, v. 73, n. 5, p. 83, 2009.
WYATT, G. Skipping Class: An Analysis of Absenteeism among First-Year College Students. Teaching Sociology, v. 20, n. 3, p. 201, 1992.