1 Introdução

Em algumas disciplinas do curso de Ciência da Computação da Universidade Federal de Campina Grande (UFCG), os alunos são estimulados muitas vezes ao desenvolvimento de várias atividades em grupo. Essas atividades de alguma forma preparam os alunos para o meio profissional da área de computação, visto que a atividade de desenvolvimento de software, geralmente, é realizada por um grupo de pessoas.

Nessas atividades em grupos, a geração de algum tipo de conflito é comum, devido a grande diversidade de pessoas com diferentes personalidades trabalhando juntas. Em razão disso, esse survey tem como objetivo estudar os tipos de conflitos e as formas de gerenciamento mais comuns encontradas por alunos do curso de Ciência da Computação.

As questões de pesquisa são:

  • Quais os tipos de conflito mais recorrentes nos times de desenvolvimento?
  • Qual fonte de conflitos teve maior impacto negativo no desenvolvimento do projeto?
  • Quais as principais soluções aplicadas pelo time para o gerenciamento de conflitos?
  • Quais das soluções de gestão tiveram maior impacto positivo no desenvolvimento do projeto?

Enquanto que as hipóteses a serem testadas a partir do survey são:

  • Conflitos decorrentes de desacordo sobre as tarefas são os mais frequentes.
  • Conflitos decorrentes de relacionamentos entre os membros da equipe são os que têm maior impacto negativo no projeto.
  • Modos de gerenciamento que seguem abordagens colaborativas são mais empregado nos projetos.
  • Modos de gerenciamento que ignoram ou propõem soluções autoritárias para os conflitos são menos efetivos em sua resolução.

Essas hipóteses baseiam-se nos tipos de conflitos e formas de gerenciamento de conflitos encontrados na literatura, como também na experiência pessoal dos membros desse estudo.

2 Revisão da literatura

Na litetura, existem diversos estudos tratando a respeito dos tipos e fontes de conflitos encontrados em projetos, bem como das técnicas de gerenciamento empregadas.

Em [1] são relatadas as sete maiores fontes de conflitos identificadas em projetos, que são baseadas em uma pesquisa realizada em uma empresa privada por [2]. Entretanto, considerando o contexto dos projetos universitários algumas adaptações precisaram ser feitas. Sendo assim, os tipos de conflito, considerados nesta pesquisa, foram:

  • Conflitos sobre prioridades do projeto, ou seja, sobre quais atividades e tarefas devem ser executadas e em que sequência.
  • Conflitos sobre gerenciamento, ou seja, sobre a definição da hierarquia, das responsabilidades, do plano de execução, do procedimento de comunicação de atividades, etc.
  • Conflitos sobre questões técnicas, ou seja, sobre quais tecnologias, algoritmos e otimizações utilizar.
  • Conflito sobre prazos, ou seja, sobre a duração e data de entrega de tarefas do projeto.
  • Conflitos sobre personalidades, ou seja, centrados nas diferenças interpessoais do grupo.

O gerenciamento de conflitos é muito importante para o sucesso do projeto, em [1] encontramos cinco métodos de gerenciamento de conflitos, que foram utilizados nesta pesquisa:

  • Confronto (Confrontation): reconhecendo que a discordância existe e considerando os requisitos, debater para escolher a solução que mais está de acordo.
  • Negociação (Give and Take): reconhecendo que a discordância existe, produzir uma solução combinando partes das propostas dos membros envolvidos.
  • Evasão (Withdrawal): ignorar o problema ou reconhecer que ele existe, mas considerar que não vale o esforço da resolução.
  • Apaziguamento (Smoothing): reconhecendo que a discordância existe, escolher a solução daqueles mais envolvidos com a tarefa.
  • Imposição (Forcing): reconhecendo que a discordância existe, um membro de maior hierarquia (ex. gerente) impõe a solução.

3 Metodologia

O formulário pode ser visto aqui, ele foi composto de quatro seções que estão descritas abaixo.

3.1 Seção 01: Apresentação

Nessa seção descrevemos o nosso tema, apresentamos o grupo, o professor e o tempo estimado para a conclusão do questionário. Junto a essas informações também está apresentado nosso objetivo e método:

  • Objetivo: Identificar os fatores/fontes mais recorrentes que levam a conflitos em times de desenvolvimento no contexto dos projetos de disciplinas, bem como as estratégias de gerenciamento mais utilizadas para solucioná-los.
  • Método: Por meio de um levantamento bibliográfico, foram identificados as fontes e técnicas de gerenciamento de conflito mais comuns que foram utilizados na produção deste questionário em três seções: a primeira seção apresenta questões de caracterização que buscam coletar dados educacionais; a segunda apresenta questões referentes as fontes de conflitos; enquanto a terceira apresenta questões sobre as técnicas de gerenciamento de conflitos.

3.2 Seção 02: Informações gerais

Aqui são coletadas as informações sobre o aluno que está respondendo o questionário. Solicitamos as seguintes informações:

  • Período de ingresso na Universidade
  • Disciplinas que o aluno está cursando ou já cursou que envolvem projeto em grupo.
  • Se cursou alguma dessas disciplinas durante o regime presencial.
  • Se cursou alguma dessas disciplinas durante o regime remoto.
  • Maior tamanho de grupo que já participou em uma disciplina.

3.3 Seção 03: Fatores/Fontes de Conflitos

Nesta seção apresentamos cinco fatores/fontes de conflitos em times de desenvolvimento de software, destacados na seção de revisão de literatura, e pedimos para ao respondente que informasse a frequência com que cada um deles ocorreu nos grupos em que participou e ao final que ordenasse-os pelo seu nível de impacto no sucesso do projeto.

3.4 Seção 04: Métodos de Gerenciamento de Conflitos

Por fim, na quarta seção foram apresentados os cinco métodos de gerenciamento de conflitos, também destacados na revisão da literatura, e foi pedido que fosse informada a frequência com que cada um deles foi aplicado pelos grupos em que o aluno participou e ao final que ordenasse-os pelo seu nível de efetividade na resolução de conflitos.

4 Análise dos resultados

Gere uma análise descritiva e exploratória dos dados obtidos para ter um entendimento inicial dos dados.

4.1 Sobre os dados

Os dados coletados em nossa pesquisa podem ser acessados através desse link. Foram coletadas 81 respostas.

4.1.1 Leitura e pré-processamento dos dados

A seguir realizamos a leitura dos dados, e para fins de simplificação das análises convertemos as colunas respectivas à ordenação de origens e soluções de conflitos para colunas númericas, em que o nome da coluna se refere à origem ou solução, enquanto o valor se refere a posição atribuída para ela pelo respondente. Além disso, filtraremos respostas em branco ou com formato incorreto.

respostas_raw <- read_csv("../data/respostas_raw.csv", col_names = c(
  'data_hora', 'periodo', 'disciplinas_cursadas', 'projeto_presencial',
  'projeto_remoto', 'n_max_membros', 'conflito_prioridades', 'conflito_gerenciamento',
  'conflito_tecnico', 'conflito_prazos', 'conflito_personalidades', 'conflito_1', 'conflito_2',
  'conflito_3', 'conflito_4', 'conflito_5', 'solucao_confronto', 'solucao_negociacao',
  'solucao_evasao', 'solucao_apazig', 'solucao_imposicao', 'solucao_1', 'solucao_2', 'solucao_3',
  'solucao_4', 'solucao_5'
), col_types = 'cccffiiiiiiccccciiiiiccccc', skip = 1)
respostas_clean <-
  respostas_raw %>%
  filter(if_all(.fns = function(x) !is.na(x))) %>%
  mutate(
    periodo = ifelse(periodo == "Anterior ou igual a 2015.2", "≤ 2015.2", periodo),
    periodo = factor(
      periodo,
      levels = c(
        "≤ 2015.2",
        "2016.1",
        "2016.2",
        "2017.1",
        "2017.2",
        "2018.1",
        "2018.2",
        "2019.1",
        "2019.2",
        "2020.1",
        "2020.2"
      ),
      ordered = T
    ),
    impacto_prioridades = case_when(
      conflito_1 == "Prioridades" ~ 5,
      conflito_2 == "Prioridades" ~ 4,
      conflito_3 == "Prioridades" ~ 3,
      conflito_4 == "Prioridades" ~ 2,
      conflito_5 == "Prioridades" ~ 1
    ),
    impacto_gerenciamento = case_when(
      conflito_1 == "Gerenciamento" ~ 5,
      conflito_2 == "Gerenciamento" ~ 4,
      conflito_3 == "Gerenciamento" ~ 3,
      conflito_4 == "Gerenciamento" ~ 2,
      conflito_5 == "Gerenciamento" ~ 1
    ),
    impacto_tecnico = case_when(
      conflito_1 == "Questões técnicas" ~ 5,
      conflito_2 == "Questões técnicas" ~ 4,
      conflito_3 == "Questões técnicas" ~ 3,
      conflito_4 == "Questões técnicas" ~ 2,
      conflito_5 == "Questões técnicas" ~ 1
    ),
    impacto_prazos = case_when(
      conflito_1 == "Prazos" ~ 5,
      conflito_2 == "Prazos" ~ 4,
      conflito_3 == "Prazos" ~ 3,
      conflito_4 == "Prazos" ~ 2,
      conflito_5 == "Prazos" ~ 1
    ),
    impacto_personalidade = case_when(
      conflito_1 == "Personalidade" ~ 5,
      conflito_2 == "Personalidade" ~ 4,
      conflito_3 == "Personalidade" ~ 3,
      conflito_4 == "Personalidade" ~ 2,
      conflito_5 == "Personalidade" ~ 1
    ),
    efetividade_confronto = case_when(
      solucao_1 == "Confronto" ~ 5,
      solucao_2 == "Confronto" ~ 4,
      solucao_3 == "Confronto" ~ 3,
      solucao_4 == "Confronto" ~ 2,
      solucao_5 == "Confronto" ~ 1
    ),
    efetividade_negociacao = case_when(
      solucao_1 == "Negociação" ~ 5,
      solucao_2 == "Negociação" ~ 4,
      solucao_3 == "Negociação" ~ 3,
      solucao_4 == "Negociação" ~ 2,
      solucao_5 == "Negociação" ~ 1
    ),
    efetividade_evasao = case_when(
      solucao_1 == "Evasão" ~ 5,
      solucao_2 == "Evasão" ~ 4,
      solucao_3 == "Evasão" ~ 3,
      solucao_4 == "Evasão" ~ 2,
      solucao_5 == "Evasão" ~ 1
    ),
    efetividade_apazig = case_when(
      solucao_1 == "Apaziguamento" ~ 5,
      solucao_2 == "Apaziguamento" ~ 4,
      solucao_3 == "Apaziguamento" ~ 3,
      solucao_4 == "Apaziguamento" ~ 2,
      solucao_5 == "Apaziguamento" ~ 1
    ),
    efetividade_imposicao = case_when(
      solucao_1 == "Imposição" ~ 5,
      solucao_2 == "Imposição" ~ 4,
      solucao_3 == "Imposição" ~ 3,
      solucao_4 == "Imposição" ~ 2,
      solucao_5 == "Imposição" ~ 1
    ),
    apenas_presencial = projeto_presencial == "Sim" & projeto_remoto == "Não",
    apenas_remoto = projeto_presencial == "Não" & projeto_remoto == "Sim",
    ambos = projeto_presencial == "Sim" & projeto_remoto == "Sim",
    nenhum = projeto_presencial == "Não" & projeto_remoto == "Não"
  ) %>%
  select(-matches("_[1-5]"), -data_hora)

rm(respostas_raw)

4.2 Caracterização dos respondentes

Nesta seção, caracterizaremos os respondentes do formulário considerando alguns fatores explicados em cada subseção.

4.2.1 Período de ingresso

Pelo gráfico, pudemos constatar que houve uma predominância de respostas de alunos que estão na segunda metade do curso (cursaram mais de cinco períodos), em especial os ingressantes no 2018.1 que representa mais de 1/4 das respostas.

respostas_clean %>%
  count(periodo) %>%
  mutate(n = n/nrow(respostas_clean) * 100) %>%
  ggplot(aes(x = periodo, y = n)) +
  geom_bar(stat = 'identity', position = "dodge", color = 'black', fill = '#bdc9e1') +
  labs(x = "Período",
       y = "Porcentagem de alunos (%)",
       title = "Distribuição dos alunos respondentes por período de ingresso") +
  scale_y_continuous(breaks = seq(0, 100, 5))

4.2.2 Disciplinas cursadas

É possível notar, a partir do gráfico, que quatro disciplinas (LP2, PLP, PSOFT, ES) já foram cursadas por mais de 70% dos alunos, enquanto que duas disciplinas Projeto em Computação I e II (P1 e P2) foram cursadas por cerca de 30% destes.

respostas_clean %>%
  separate_rows(disciplinas_cursadas, sep = ", ") %>%
  select(disciplinas_cursadas) %>%
  mutate(disciplinas_cursadas = case_when(
    disciplinas_cursadas == "Laboratório de Programação II (LP2)" ~ "LP2",
    disciplinas_cursadas == "Projeto de Software (PSOFT)" ~ "PSOFT",
    disciplinas_cursadas == "Paradigmas de Linguagens Programação (PLP)" ~ "PLP",
    disciplinas_cursadas == "Engenharia de Software (ES)" ~ "ES",
    disciplinas_cursadas == "Projeto em Computação I (P1)" ~ "P1",
    disciplinas_cursadas == "Projeto em Computação II (P2)" ~ "P2"
  )) %>%
  count(disciplinas_cursadas) %>%
  mutate(n = n/nrow(respostas_clean) * 100) %>%
  ggplot(aes(x = reorder(disciplinas_cursadas, -n), y = n)) +
  geom_bar(stat = "identity", position = "dodge", color = 'black', fill = '#a6bddb') +
  labs(x = "Sigla da disciplina",
       y = "Porcentagem de alunos (%)",
       title = "Distribuição das disciplinas cursadas pelos alunos") +
  scale_y_continuous(breaks = seq(0, 100, 20))

4.2.3 Tamanho do maior grupo que participou

Quanto ao tamanho do maior grupo em que o estudante participou, notamos que a resposta de maior frequência foi cinco, além temos uma média de 8,95 membros e uma mediana de 10 membros.

respostas_clean %>%
  count(n_max_membros) %>%
  mutate(n = n/nrow(respostas_clean) * 100) %>%
  ggplot(aes(x = as.factor(n_max_membros), y = n)) +
  geom_bar(stat = "identity", position = "dodge", color = 'black', fill = '#3690c0') +
  labs(x = "Quantidade de membros",
       y = "Porcentagem de alunos (%)",
       title = "Distribuição do tamanho do maior grupo em que o aluno participou")

4.2.4 Participação em projetos

Por fim, agrupamos os respondentes pelo tipo de participação em grupos de projeto: participaram de projetos tanto no regime presencial quanto remoto; apenas no remoto; apenas no presencial; e em nenhum dos regimes.

Vemos uma forte predominância dos alunos que participaram de projeto em ambos os regimes. E vemos que uma pequena parcela não participou em projetos, estes serão excluídos nas futuras análises.

respostas_clean %>%
  select(apenas_presencial, apenas_remoto, ambos, nenhum) %>%
  pivot_longer(cols = everything(), names_to = "Tipo", values_to = "Value") %>%
  filter(Value == T) %>%
  count(Tipo) %>%
  mutate(Tipo = case_when(
    Tipo == "ambos" ~ "Em ambos",
    Tipo == "apenas_presencial" ~ "Apenas no presencial",
    Tipo == "apenas_remoto" ~ "Apenas no remoto",
    Tipo == "nenhum" ~ "Nenhum"
  ),
  n = n/nrow(respostas_clean) * 100) %>%
  ggplot(aes(x = reorder(Tipo, -n), y = n)) +
  geom_bar(stat = "identity", position = "dodge", color = 'black', fill = '#02818a') +
  labs(x = "Tipo de participação",
       y = "Porcentagem de alunos (%)",
       title = "Tipos de participação em projetos",
       subtitle = "Considerando regimes prensencial e remoto")

4.3 Questões de pesquisa

Nesta seção, continuaremos com a análise de dados, porém com foco em responder as questões de pesquisa (QP).

respostas_uteis <- respostas_clean %>% filter(nenhum == FALSE)
size_d <- nrow(respostas_uteis)

4.3.1 QP1: Quais os tipos de conflito mais recorrentes nos times de desenvolvimento?

No Gráfico I, descrevemos a distribuição das respostas obtidas no questionário com relação a frequência com que determinado fator levou a conflitos no time. A partir dele, considerando as modas das respostas, podemos ordenar os fatores por sua frequência do menos para o mais frequente: Personalidades, Prioridades, Questões técnicas, Gerenciamento e Prazos. Além disso, temos alguns destaques como:

  • Os fatores Prazos e Gerenciamento tem um empate na moda no valor 4, entretanto o primeiro destaca-se por ter o maior percentual de resposta no valor 5.
  • O fator Personalidades destaca-se pelo maior percentual no valor 1, corroborando assim nossa ordenação.
  • Os fatores Personalidades e Prazos foram os únicos nos quais o percentual de respostas cinco superou 15%.

Enquanto no Gráfico II, apresentamos os tipos de conflito ordenados pela média das respostas, com um intervalo de confiança de 95%. Vemos que o fator Prazos é, em média, o maior e também o único cujo intervalo de confiança não se sobrepõe aos demais. Enquanto que em todos os outros fatores temos sobreposição nos intervalos.

4.3.1.1 Gráfico I

respostas_uteis %>%
  select(starts_with("conflito_")) %>%
  pivot_longer(
    cols = starts_with("conflito_"),
    names_to = "tipo_de_conflito",
    values_to = "freq"
  ) %>%
  mutate(
    tipo_de_conflito = case_when(
      tipo_de_conflito == "conflito_prioridades" ~ "Prioridades",
      tipo_de_conflito == "conflito_gerenciamento" ~ "Gerenciamento",
      tipo_de_conflito == "conflito_tecnico" ~ "Questões técnicas",
      tipo_de_conflito == "conflito_prazos" ~ "Prazos",
      tipo_de_conflito == "conflito_personalidades" ~ "Personalidades",
    )
  ) %>%
  count(tipo_de_conflito, freq) %>%
  mutate(n = n/size_d * 100) %>%
  ggplot(aes(x = freq, y = n)) +
  geom_bar(stat = 'identity', position = 'dodge', color = 'black', fill = '#fdd49e') +
  facet_wrap( ~ tipo_de_conflito) +
  labs(x = "Frequência atribuída pelo aluno",
       y = "Porcentagem de respostas (%)",
       caption = "Onde 1 equivale a 'Quase nunca' e 5 equivale a 'Frequentemente'",
       title = "Frequência com que determinado fator causou conflitos no grupo")

4.3.1.2 Gráfico II

respostas_uteis %>%
  select(starts_with("conflito_")) %>%
  summarise(across(.fns = c("mean" = mean, "var" = var), .names = "{.col}_{.fn}")) %>%
  pivot_longer(
    cols = starts_with("conflito_"),
    names_to = "tipo_de_conflito",
    values_to = "value"
  ) %>% rowwise() %>%
  mutate(
    metric = str_split(tipo_de_conflito, "_")[[1]][3],
    tipo_de_conflito = str_split(tipo_de_conflito, "_")[[1]][2],
    tipo_de_conflito = case_when(
      tipo_de_conflito == "prioridades" ~ "Prioridades",
      tipo_de_conflito == "gerenciamento" ~ "Gerenciamento",
      tipo_de_conflito == "tecnico" ~ "Questões técnicas",
      tipo_de_conflito == "prazos" ~ "Prazos",
      tipo_de_conflito == "personalidades" ~ "Personalidades",
    )
  ) %>% ungroup() %>%
  pivot_wider(id_cols = tipo_de_conflito, values_from = "value", names_from = "metric") %>%
  mutate(ic.low = mean + qt(0.025, df = size_d-1) * sqrt(var/size_d),
         ic.high = mean + qt(0.975, df = size_d-1) * sqrt(var/size_d)) %>%
  ggplot(aes(y = reorder(tipo_de_conflito, mean))) +
  geom_linerange(aes(xmin = ic.low, xmax = ic.high)) +
  geom_point(aes(x = mean), color = '#fc8d59', size = 2) +
  scale_x_continuous(limits = c(2, 4)) +
  labs(title = "Tipo de conflito pela média da frequêcia atribuída",
       y = "Tipo de conflito",
       x = "Média da frequência",
       caption = "Onde 1 equivale a 'Quase nunca' e 5 equivale a 'Frequentemente'")

4.3.2 QP2: Qual fonte de conflitos teve maior impacto negativo no desenvolvimento do projeto?

No Gráfico III, encontramos a distribuição das respostas sobre o impacto de cada fator de conflito no grupo.

Gerenciamento mostra-se com altas porcentagens de respostas nos valore 4 e 5, o que sugere um forte impacto no projeto. Isto é confirmado no Gráfico IV, ao vermos que sua média é de fato a maior. Entretanto, seu intervalo de confiança sobrepõe-se ao do fator Prazos, que tem uma frequência de resposta quase uniforme entre 2 e 5.

Quanto a Personalidades, este figura com altos índices nos valores 1 e 5, o que parece explicar seu extenso intervalo de confiança, que sobrepõe-se quase inteiramente ao de Questões técnicas e parcialmente ao de Prioridades e Prazos.

4.3.2.1 Gráfico III

respostas_uteis %>%
  select(starts_with("impacto_")) %>%
  pivot_longer(
    cols = starts_with("impacto_"),
    names_to = "tipo_de_conflito",
    values_to = "impacto"
  ) %>%
  mutate(
    tipo_de_conflito = case_when(
      tipo_de_conflito == "impacto_prioridades" ~ "Prioridades",
      tipo_de_conflito == "impacto_gerenciamento" ~ "Gerenciamento",
      tipo_de_conflito == "impacto_tecnico" ~ "Questões técnicas",
      tipo_de_conflito == "impacto_prazos" ~ "Prazos",
      tipo_de_conflito == "impacto_personalidade" ~ "Personalidades",
    )
  ) %>%
  count(tipo_de_conflito, impacto) %>%
  mutate(n = n/size_d * 100) %>%
  ggplot(aes(x = impacto, y = n)) +
  geom_bar(stat = 'identity', position = 'dodge', color = 'black', fill = '#d7301f', alpha = .9) +
  facet_wrap( ~ tipo_de_conflito) +
  labs(x = "Impacto atribuído pelo aluno",
       y = "Porcentagem de respostas (%)",
       caption = "Onde 1 equivale a 'Menos impactante' e 5 equivale a 'Mais impactante'",
       title = "Impacto dos fatores de conflito no grupo")

4.3.2.2 Gráfico IV

respostas_uteis %>%
  select(starts_with("impacto_")) %>%
  summarise(across(.fns = c("mean" = mean, "var" = var), .names = "{.col}_{.fn}")) %>%
  pivot_longer(
    cols = starts_with("impacto_"),
    names_to = "tipo_de_conflito",
    values_to = "value"
  ) %>% rowwise() %>%
  mutate(
    metric = str_split(tipo_de_conflito, "_")[[1]][3],
    tipo_de_conflito = str_split(tipo_de_conflito, "_")[[1]][2],
    tipo_de_conflito = case_when(
      tipo_de_conflito == "prioridades" ~ "Prioridades",
      tipo_de_conflito == "gerenciamento" ~ "Gerenciamento",
      tipo_de_conflito == "tecnico" ~ "Questões técnicas",
      tipo_de_conflito == "prazos" ~ "Prazos",
      tipo_de_conflito == "personalidade" ~ "Personalidades",
    )
  ) %>% ungroup() %>%
  pivot_wider(id_cols = tipo_de_conflito, values_from = "value", names_from = "metric") %>%
  mutate(ic.low = mean + qt(0.025, df = size_d-1) * sqrt(var/size_d),
         ic.high = mean + qt(0.975, df = size_d-1) * sqrt(var/size_d)) %>%
  ggplot(aes(y = reorder(tipo_de_conflito, mean))) +
  geom_linerange(aes(xmin = ic.low, xmax = ic.high)) +
  geom_point(aes(x = mean), color = '#d7301f', size = 2) +
  scale_x_continuous(limits = c(2, 4)) +
  labs(title = "Tipo de conflito pela média do impacto atribuído",
       y = "Tipo de conflito",
       x = "Média do impacto",
       caption = "Onde 1 equivale a 'Menos impactante' e 5 equivale a 'Mais impactante'")

4.3.3 QP3: Quais as principais soluções aplicadas pelo time para o gerenciamento de conflitos?

Pelos gráficos, é possível notar dois grupos que se diferenciam pela frequência.

O primeiro formado por Confronto, Negociação e Apaziguamento traz técnicas que são mais colaborativas e que apresentam altas frequências de aplicação, com médias próximas, superiores a 3, e sobreposição em seus intervalos de confiança.

Entretanto, temos um segundo grupo formado pelas técnicas que são aplicadas menos frequentemente e possuem um maior caratér individual: Evasão e Imposição. Novamente suas médias são próximas e há sobreposição de seus intervalos.

4.3.3.1 Gráfico V

respostas_uteis %>%
  select(starts_with("solucao_")) %>%
  pivot_longer(
    cols = starts_with("solucao_"),
    names_to = "tipo_de_solucao",
    values_to = "freq"
  ) %>%
  mutate(
    tipo_de_solucao = case_when(
      tipo_de_solucao == "solucao_confronto" ~ "Confronto",
      tipo_de_solucao == "solucao_negociacao" ~ "Negociação",
      tipo_de_solucao == "solucao_evasao" ~ "Evasão",
      tipo_de_solucao == "solucao_apazig" ~ "Apaziguamento",
      tipo_de_solucao == "solucao_imposicao" ~ "Imposição",
    )
  ) %>%
  count(tipo_de_solucao, freq) %>%
  mutate(n = n/size_d * 100) %>%
  ggplot(aes(x = freq, y = n)) +
  geom_bar(stat = 'identity', position = 'dodge', color = 'black', fill = '#fdd49e') +
  facet_wrap( ~ tipo_de_solucao) +
  labs(x = "Frequência atribuída pelo aluno",
       y = "Porcentagem de respostas (%)",
       caption = "Onde 1 equivale a 'Quase nunca' e 5 equivale a 'Frequentemente'",
       title = "Frequência da aplicação das técnicas de solução de conflito")

4.3.3.2 Gráfico VI

respostas_uteis %>%
  select(starts_with("solucao_")) %>%
  summarise(across(.fns = c("mean" = mean, "var" = var), .names = "{.col}_{.fn}")) %>%
  pivot_longer(
    cols = starts_with("solucao_"),
    names_to = "tipo_de_solucao",
    values_to = "value"
  ) %>% rowwise() %>%
  mutate(
    metric = str_split(tipo_de_solucao, "_")[[1]][3],
    tipo_de_solucao = str_split(tipo_de_solucao, "_")[[1]][2],
    tipo_de_solucao = case_when(
      tipo_de_solucao == "confronto" ~ "Confronto",
      tipo_de_solucao == "negociacao" ~ "Negociação",
      tipo_de_solucao == "evasao" ~ "Evasão",
      tipo_de_solucao == "apazig" ~ "Apaziguamento",
      tipo_de_solucao == "imposicao" ~ "Imposição",
    )
  ) %>% ungroup() %>%
  pivot_wider(id_cols = tipo_de_solucao, values_from = "value", names_from = "metric") %>%
  mutate(ic.low = mean + qt(0.025, df = size_d-1) * sqrt(var/size_d),
         ic.high = mean + qt(0.975, df = size_d-1) * sqrt(var/size_d)) %>%
  ggplot(aes(y = reorder(tipo_de_solucao, mean))) +
  geom_linerange(aes(xmin = ic.low, xmax = ic.high)) +
  geom_point(aes(x = mean), color = '#fc8d59', size = 2) +
  scale_x_continuous(limits = c(1.5, 4.5)) +
  labs(title = "Técnica de solução pela média da frequêcia atribuída",
       y = "Técnica de solução",
       x = "Média da frequência",
       caption = "Onde 1 equivale a 'Quase nunca' e 5 equivale a 'Frequentemente'")

4.3.4 QP4: Quais das soluções de gestão tiveram maior impacto positivo no desenvolvimento do projeto?

Os gráficos nos mostram que as técnicas que, na questão anterior, mostraram-se como mais frequentes são também as que tem maior efetividade.

Com destaque para Negociação que tem uma distribuição concentrada em valores 4 e 5, sem nenhum valor 1, e cuja média, acima de 4, se distancia das demais técnicas.

Confronto e Apaziguamento vem em seguida, com médias similares e sobreposição de seus intervalos, ambas tem uma distribuição mais concentrada em 3 e 4.

Por fim, Evasão e Imposição aparecem como as menos efetivas, com forte concentração em 1 e 2, e médias próximas a 2, havendo uma grande sobreposição nos seus intervalos.

4.3.4.1 Gráfico VII

respostas_uteis %>%
  select(starts_with("efetividade_")) %>%
  pivot_longer(
    cols = starts_with("efetividade_"),
    names_to = "tipo_de_solucao",
    values_to = "efetividade"
  ) %>%
  mutate(
    tipo_de_solucao = case_when(
      tipo_de_solucao == "efetividade_confronto" ~ "Confronto",
      tipo_de_solucao == "efetividade_negociacao" ~ "Negociação",
      tipo_de_solucao == "efetividade_evasao" ~ "Evasão",
      tipo_de_solucao == "efetividade_apazig" ~ "Apaziguamento",
      tipo_de_solucao == "efetividade_imposicao" ~ "Imposição",
    )
  ) %>%
  count(tipo_de_solucao, efetividade) %>%
  mutate(n = n/size_d * 100) %>%
  ggplot(aes(x = efetividade, y = n)) +
  geom_bar(stat = 'identity', position = 'dodge', color = 'black', fill = '#d7301f', alpha = .9) +
  facet_wrap( ~ tipo_de_solucao) +
  labs(x = "Efetividade atribuída pelo aluno",
       y = "Porcentagem de respostas (%)",
       caption = "Onde 1 equivale a 'Menos efetivo' e 5 equivale a 'Mais efetivo'",
       title = "Efetividade das técnicas de solução de conflitos")

4.3.4.2 Gráfico VIII

respostas_uteis %>%
  select(starts_with("efetividade_")) %>%
  summarise(across(.fns = c("mean" = mean, "var" = var), .names = "{.col}_{.fn}")) %>%
  pivot_longer(
    cols = starts_with("efetividade_"),
    names_to = "tipo_de_solucao",
    values_to = "value"
  ) %>% rowwise() %>%
  mutate(
    metric = str_split(tipo_de_solucao, "_")[[1]][3],
    tipo_de_solucao = str_split(tipo_de_solucao, "_")[[1]][2],
    tipo_de_solucao = case_when(
      tipo_de_solucao == "confronto" ~ "Confronto",
      tipo_de_solucao == "negociacao" ~ "Negociação",
      tipo_de_solucao == "evasao" ~ "Evasão",
      tipo_de_solucao == "apazig" ~ "Apaziguamento",
      tipo_de_solucao == "imposicao" ~ "Imposição",
    )
  ) %>% ungroup() %>%
  pivot_wider(id_cols = tipo_de_solucao, values_from = "value", names_from = "metric") %>%
  mutate(ic.low = mean + qt(0.025, df = size_d-1) * sqrt(var/size_d),
         ic.high = mean + qt(0.975, df = size_d-1) * sqrt(var/size_d)) %>%
  ggplot(aes(y = reorder(tipo_de_solucao, mean))) +
  geom_linerange(aes(xmin = ic.low, xmax = ic.high)) +
  geom_point(aes(x = mean), color = '#d7301f', size = 2) +
  scale_x_continuous(limits = c(1.5, 4.5)) +
  labs(title = "Técnica de solução pela média do impacto atribuído",
       y = "Técnica de solução",
       x = "Média do impacto",
       caption = "Onde 1 equivale a 'Menos efetivo' e 5 equivale a 'Mais efetivo'")

5 Conclusões

Teste a hipótese (não são necessários testes de hipóteses formais). Qual o resultado?

Extraindo as informações da seção anterior, foi possível verificarmos as nossas hipóteses com relação aos dados. A seguir, discutiremos individualmente cada uma destas.

5.1 H1: Conflitos decorrentes de desacordo sobre as tarefas são os mais frequentes.

O Gráfico II evidencia que conflitos por prazo são os mais frequentes, sua média é superior, por aproximadamente 1 ponto, a média de prioridades (tipo de conflito que inclui o desacordo sobre tarefas). Outrossim, não há a ocorrência de sobreposição dos conflito. Portanto, ocorre a refutação da hipótese H1.

5.2 H2: Conflitos decorrentes de relacionamentos entre os membros da equipe são os que têm maior impacto negativo no projeto.

Os dados nos levaram a refutar a hipótese H2, uma vez que, como nos mostra o gráfico Gráfico III conflitos por personalidade tem uma alta incidência no menor valor, entretanto possui uma incidência moderada no maior valor. De modo que, a média desta é baixa e sua variância é alta, o que é comprovado pelo Gráfico IV. Além disso, é possivel constatar o gerenciamento como fator de maior impacto.

5.3 H3: Modos de gerenciamento que seguem abordagens colaborativas são mais empregado nos projetos.

São consideradas abordagens colaborativas: apaziguamento, confronto e negociação. Através da análise dos Gráfico V e Gráfico VI, as soluções citadas diferenciam-se das demais, uma vez que, não há interseção entre seus intervalos de confiança. Assim, corroborando a hipótese H3.

5.4 H4: Modos de gerenciamento que ignoram ou propõem soluções autoritárias para os conflitos são menos efetivos em sua resolução.

Pelo Gráfico VIII é possível notar que evasão e imposição apresentam-se como as soluções de gerenciamento com menor efetividade, ambas tendo médias próximas e com intervalos similares. Dessa forma, a hipótese H4 pode ser confirmada.

Referências

1.
Verma VK. Conflict management. The project management institute: Project management handbook. 1998;353–64.
2.
Thamhain HJ, Wilemon DL. Conflict management in project life cycles. Sloan Management Review (pre-1986). 1975;16(3):31.

  1. ↩︎