Modelagem de Equações Estruturais e os testes de seleção – Caso do vestibular da Universidade Estadual do Ceará
Ensaio
Modelagem de Equações Estruturais e os testes de seleção – Caso do vestibular da Universidade Estadual do Ceará
Autor Correspondente: J. L. Maia | [email protected]
Palavras-chave: avaliação educacional, Modelagem de Equações Estruturais (MEE; análise fatorial de segunda ordem; vestibular
Resumos Cadastrados
Resumo Português:
Este estudo teve como objetivo fazer uso da Modelagem de Equações Estruturais – MEE, para avaliar a qualidade do modelo empregado pela Universidade Estadual do Ceará (UECE), no processo de seleção de seus vestibulandos, o qual é baseado na Teoria Clássica dos Testes (TCT), assim como propor ajuste a esse modelo pelo uso da Análise Fatorial de Segunda Ordem e da Análise de Regressão, via MEE. Utilizou-se um banco de dados composto dos resultados das provas de 11.060 candidatos ao vestibular de 2018.1, cujo tratamento se deu por meio do software IBM SPSS Amos (2013, v.22), obtendo-se os seguintes indicadores de qualidade: CFI ( Comparative Fit Index ) = 0,925; GFI ( Goodness-of-fit Index ) = 0,965; TLI ( Tucker Lewis Index ) = 0,922, e RMSEA ( Root Mean Square Error of Aproximation ) = 0,019. Juntos, esses indicadores demonstraram que o modelo é robusto e bastante consistente, apresentando um R 2 (Coeficiente de Correlação de Pearson ) = 0,965, indicando que a proporção das covariâncias observadas entre as variáveis manifestas e explicada pelo modelo ajustado é bastante significativa. Todas as variáveis do modelo ajustado apresentaram elevados coeficientes de regressão com valores entre 0,87 e 0,99, permitindo uma boa discriminação entre as notas dos vestibulandos, principalmente aqueles com o mesmo número de questões respondidas corretamente.
Resumo Inglês:
The objective of this study is to make use of Structural Equation Modeling (SEM) in evaluating the model employed by the State University of Ceará (Uece) in the selection process of prospective students, which is based on the Classical Test Theory (CCT), as well as to propose adjustments to this model through the use of Second Order Factor Analysis and Regression Analysis, via MME. The data set used is comprised of results of 11,060 admission exams from the year 2018.1. AMOS/SPSS-v.22 software was used to process the data, obtaining the following quality indicators: CFI (Comparative Fit Index) = 0.925; GFI (Goodness-of-fit Index) = 0.965; TLI (Tucker Lewis Index) = 0.922, and RMSEA (Root Mean Square Error of Approximation) = 0.019. Together, these indicators demonstrate that the model is robust and highly consistent, presenting a R2 (Pearson Correlation Coefficient) = 0.965, indicating that the proportion of covariates, observed among the manifest variables and explained by the adjusted model, is very significant. All the variables of the adjusted model present elevated regression coefficients with values between 0.874 e 0.996, allowing for good discrimination between applicant scores, especially for those with the same number of correct question responses.
Resumo Espanhol:
Este estudio tuvo como objetivo hacer uso del Modelo de Ecuación Estructural - MEE, para evaluar la calidad del modelo utilizado por la Universidad Estatal de Ceará (Uece), en el proceso de selección de sus exámenes de ingreso, el cual se basa en la Teoría Clásica de Pruebas (TCT), además de proponer el ajuste a este modelo mediante el uso de Análisis Factorial de Segundo Orden y Análisis de Regresión, vía MEE. Se utilizó una base de datos compuesta por los resultados de las pruebas de 11.060 candidatos a la prueba de ingreso 2018, la cual fue procesada utilizando el software AMOS/SPSS-v.22, obteniendo los siguientes indicadores de calidad: CFI (Comparative Fit Index) = 0,925; GFI (Goodness-of-fit Index) = 0,965; TLI (Tucker Lewis Index) = 0,922 y RMSEA (Root Mean Square Error of Aproximation) = 0,019. Juntos, estos indicadores demostraron que el modelo es robusto y bastante consistente, presentando un R2 (Coeficiente de Correlación de Pearson) = 0.965 indicando que la proporción de covarianza observada entre las variables manifestadas y explicada por el modelo ajustado es bastante significativa. Todas las variables del modelo ajustado mostraron altos coeficientes de regresión con valores entre 0,87 y 0,99, lo que permitió una buena discriminación entre las calificaciones de los estudiantes, especialmente aquellos con el mismo número de preguntas respondidas correctamente.
