Relações entre Dimensões do Trabalho Docente: Potencialidades da Modelagem de Equações Estruturais

Autores

DOI:

https://doi.org/10.29327/2520355.14.3-2

Palavras-chave:

Modelagem de Equações Estruturais, Educação, Metodologia Quantitativa

Resumo

O artigo explora a aplicação da Modelagem de Equações Estruturais (MEE) na análise de dados empíricos da educação, detalhando sua operacionalização, interpretação de resultados e avaliação da qualidade dos modelos. A MEE é uma técnica estatística que combina análise fatorial e regressão múltipla, permitindo examinar relações de  dependência entre variáveis observáveis e construtos latentes. O estudo utiliza dados da pesquisa Trabalho Docente na Educação Básica no Brasil para analisar seis construtos: preparo para inserção na carreira, grau de controle das atividades, frequência de atividades colaborativas, condições da sala de aula, condições na unidade educacional e satisfação profissional. Os resultados mostram que o preparo para inserção na carreira é o construto com maior efeito total na satisfação profissional, enquanto que o maior efeito direto é exercido pelo construto grau de controle das atividades. O artigo enfatiza a importância de suporte teórico para a definição de itens e associações no modelo, além de medidas rigorosas de validação, como o Alfa de Cronbach e medidas de ajuste (RMSEA, SRMR, CFI, TLI). A aplicação a dados educacionais demonstra o potencial da MEE para aprofundar a análise do trabalho docente, evidenciando suas contribuições para a pesquisa educacional e estimulando avanços metodológicos e novas agendas de pesquisa na área da Educação.

Referências

AGRESTI, A.; FINLAY, B. Métodos estatísticos para as ciências sociais. Trad. Lori Vilai. – 4.ed. – Porto Alegre: Penso, 2012.

ALVES, M. G.; AZEVEDO, N. R.; GONÇALVES, T. N. R. Satisfação e situação profissional: um estudo com professores nos primeiros anos de carreira. Educação e Pesquisa, São Paulo, v. 40, n.2, p. 365-382, 2014.

DARLING-HAMMOND, L.; CHUNG, R.; Frelow, F. Variation in teacher preparation: How well do different pathways prepare teachers to teach? Journal of Teacher Education, v. 53, n. 286, p. 286-302, 2002.

EL-SHEIKH, A. A.; ABONAZEL, M. R.; GAMIL, N. A Review of Software Packages for Structural Equation Modeling: A Comparative Study. Applied Mathematics and Physics, v. 5, n. 3, p. 85-94, 2017.

GESTRADO. Grupo de Estudos Sobre Política Educacional e Trabalho Docente. Relatório de pesquisa. Trabalho Docente na Educação Básica no Brasil: Sinopse do survey nacional. Belo Horizonte: Faculdade de Educação/UFMG, 2010.

GESTRADO. Grupo de Estudos Sobre Política Educacional e Trabalho Docente. Relatório de pesquisa. Trabalho Docente na Educação Básica no Brasil: Fase II. Belo Horizonte: Faculdade de Educação/UFMG, 2015.

GUJARATI, D. N. Econometria Básica. – 3. ed. – São Paulo: Pearson Makron Books, 2000. HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise Multivariada de Dados. Trad. Adonai Schlup Sant’Anna. – 6. ed. – Porto Alegre: Bookman, 2009.

HOX, J. J. AMOS, EQS, and LISREL for windows: A comparative review. Structural Equation Modeling: A Multidisciplinary Journal, v. 2, n. 1, p. 79-91, 1995.

HOYLE, R. H. Handbook of Structural Equation Modeling. New York: The Guilford Press, 2012.

HU, Li-Tze; BENTLER, Peter M. Cutoff criteria for fit indexes in covariance structure analyses: conventional criteria versus new alternatives. Structural Equation Modeling, v. 6, n. 1, p. 1-55, 1999.

KLINE, R. B. Assumptions in Structural Equation Modeling, in Hoyle, Rick H. (Ed.). Handbook of Structural Equation Modeling. New York: The Guilfor Press, p. 111-125, 2012.

MALHOTRA, N. Pesquisa de marketing: uma orientação aplicada. 3. ed. Porto Alegre: Bookman, 2001.

MARSH, Herbert W.; HAU, Ki-Tai; WEN, Zhonglin. In search of Golden rules: comment on hypothesis-testing approaches to setting cutoff values for fit indexes and dangers in overgeneralizing Hu and Bentler’s (1999) Findings. Structural Equation Modeling, v. 11, n. 3, p. 320-341, 2004.

MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma abordagem prática. Belo Horizonte: Editora UFMG, 2005.

NEVES, J. A. B. Modelo de equações estruturais: uma introdução aplicada. Brasília: Enap, 2018.

PEARSON, L. C.; MOOMAW, W. The Relationship between Teacher Autonomy and Stress, Wiek Satisfaction, Empowerment, and Professionalism. Educational Research Quartely, v. 29, n. 1, p. 38-54. 2005.

PILATI, R.; LAROS, J. A. Modelos de Equações Estruturais em Psicologia: conceitos e aplicações. Psicologia: Teoria e Pesquisa, v. 23, n. 2, p. 205-216, 2007.

SERVILHA, E. A. M.; LEAL, R. O. F.; HIDAKA, M. T. U. Riscos ocupacionais na legislação trabalhista brasileira: destaque para aqueles relativos à saúde e à voz do professor. Revista da Sociedade Brasileira de Fonoaudiologia, v. 15, n. 4, p. 505-513, 2010.

SILVA, J. S. F. Modelagem de Equações Estruturais: apresentação de uma metodologia. Dissertação (Mestrado em Engenharia de Produção), Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006.

SKAALVIK, E. M.; SKAALVIK, S. Teacher job satisfaction and motivation to leave the teaching profession: Relations with school contexto, feeling of belonging, and emotional exhaustion. Teaching and Teacher Education, v. 27, p. 1029-1038, 2011.

VESCIO, V.; ROSS, D.; ADAMS, A. A review of research on the impact of professional learning communities on teaching practice and student learning. Teaching and Teacher Education, v. 24, p. 80-91, 2008.

VIEIRA, L. M. F.; PEREIRA JUNIOR, E. A. Infraestrutura escolar e satisfação profissional: percepção de professores da educação básica brasileira. Revista Pesquisa e Debate em Educação, v. 10, n. 1, p. 1027-1046, 2020.

Publicado

08-09-2025

Como Citar

Pereira Junior, E. A. (2025). Relações entre Dimensões do Trabalho Docente: Potencialidades da Modelagem de Equações Estruturais. Sigmae, 14(3), 18–37. https://doi.org/10.29327/2520355.14.3-2

Edição

Seção

Educação Estatística