Que Teste Estatístico Usar numa Tese de Educação? Turmas, Pré-Teste e Escalas (2026)

Depende de três perguntas, por esta ordem: que tipo de variável mediu (nota, escala somada, sim/não, contagem), quantos grupos compara e se são os mesmos participantes em dois momentos, e se os alunos estão agrupados em turmas ou escolas. A terceira pergunta é a que as tabelas genéricas de testes ignoram e a que mais reprova teses de Educação: alunos da mesma turma não são observações independentes, e quase todos os testes clássicos assumem que são.

A tabela de decisão geral está em qual teste estatístico usar na tese e continua válida. Este artigo começa onde ela acaba: nos desenhos que só aparecem em Ciências da Educação, mestrados em Ensino e Psicologia da Educação — a intervenção aplicada a turmas inteiras, o pré-teste e pós-teste com grupos que já existiam antes do estudo, o questionário a professores com escalas de Likert, as notas de 0 a 20, a retenção e o abandono. Cada um pede um teste diferente e uma frase diferente na metodologia.

Porque é que a tese de Educação não cabe na tabela genérica de testes?

Porque a unidade que recolhe raramente é a unidade que aleatorizou. Numa tese típica, a investigadora aplica um programa de leitura a duas turmas do 4.º ano e compara com outras duas turmas que seguem o manual. Recolheu 90 alunos, mas só tem quatro turmas — e foi a turma, não o aluno, que recebeu a intervenção. Os alunos de uma turma partilham professor, horário, composição social e clima de sala, e por isso as suas pontuações são mais parecidas entre si do que com as de outra turma. Em estatística chama-se a isto dependência intra-grupo, mede-se pelo coeficiente de correlação intraclasse (ICC) e tem uma consequência direta: um teste t que trata os 90 alunos como independentes calcula o erro-padrão como se tivesse muito mais informação do que realmente tem, e o valor-p sai demasiado pequeno.

A segunda razão é que as variáveis de Educação vivem em escalas pouco confortáveis. Uma nota de 0 a 20 comporta-se quase como contínua; uma classificação de «Insuficiente / Suficiente / Bom / Muito Bom» é ordinal; a retenção é binária; o número de faltas é uma contagem com muitos zeros. E a escala de Likert do questionário aos professores só é aproximadamente intervalar quando se soma ou faz a média de vários itens, nunca item a item.

Que variável está a medir, e em que escala?

Antes de escolher o teste, classifique a variável dependente. A tabela seguinte usa apenas exemplos que aparecem em teses portuguesas de Educação.

Um erro que se repete: analisar a menção qualitativa como se fosse uma nota, atribuindo 1 a 4 e calculando médias. As distâncias entre os níveis não são iguais. Se só tem a menção, use testes ordinais; se tem a nota original, use a nota.

Os alunos estão em turmas: isso muda o teste?

Muda, e é a decisão mais importante desta página. A regra prática tem dois passos.

Primeiro, estime o ICC da sua variável dependente por turma — o SPSS dá-o através de um modelo misto sem preditores, o jamovi e o R também. Em resultados escolares, ICC entre 0,10 e 0,25 é o habitual em Portugal e noutros sistemas europeus; em variáveis de atitude costuma ser mais baixo. Segundo, calcule o efeito de desenho: DEFF = 1 + (m − 1) × ICC, em que m é o número médio de alunos por turma. Com 22 alunos por turma e ICC = 0,15, o DEFF é 4,15 — ou seja, os seus 90 alunos valem, em informação estatística, cerca de 22 observações independentes. É por isso que um teste t «significativo» em duas turmas pode ser apenas o efeito de duas professoras diferentes.

O que fazer depende do número de turmas:

• Duas a quatro turmas: não há modelo que resolva a dependência com tão poucos grupos. Analise ao nível do aluno, mas reconheça explicitamente nas limitações que a intervenção foi atribuída à turma e que o efeito de turma e o efeito do programa são inseparáveis. Reforce com tamanhos de efeito e com a descrição das turmas antes da intervenção.
• Cinco a quinze turmas: use erros-padrão robustos agrupados por turma (cluster-robust), disponíveis no R e no Stata, ou uma ANCOVA com a turma como fator de blocos.
• Mais de quinze turmas ou várias escolas: o modelo certo é o multinível, com alunos no nível 1 e turmas (e escolas) no nível 2. Quando é mesmo necessário e como se reporta está em quando a tese precisa de um modelo multinível.

Se a sua tese usa microdados de estudos internacionais como o PISA ou o TALIS, a estrutura aninhada e os pesos amostrais vêm no ficheiro e têm de ser usados; ignorá-los é um erro que os avaliadores conhecem bem.

Que teste usar num pré-teste e pós-teste com turmas?

É o desenho mais frequente nos mestrados em Ensino: aplica-se um pré-teste, decorre a intervenção durante um período, aplica-se o pós-teste. Há quatro variantes e cada uma tem o seu teste.

A segunda linha merece a explicação mais longa porque é onde mais teses se perdem. Comparar a diferença «pós menos pré» entre grupos parece natural, mas quando os grupos partem de níveis diferentes — e turmas que já existiam partem sempre de níveis diferentes — a análise de ganhos confunde regressão à média com efeito do programa. A ANCOVA controla o ponto de partida em vez de o subtrair; o procedimento no SPSS, os pressupostos e a forma de reportar estão em ANCOVA para controlar o pré-teste. Quando não há grupo de comparação nenhum, o que ainda se pode concluir está em estudo quase-experimental sem grupo de controlo.

Como analisar questionários a professores e a alunos com escalas de Likert?

Quase todas as teses de Educação têm pelo menos um questionário: perceções dos professores sobre inclusão, motivação dos alunos, clima de escola, autoeficácia docente. A sequência que os júris esperam ver:

1. Fiabilidade de cada dimensão antes de qualquer comparação — alfa de Cronbach ou ómega de McDonald, reportados por subescala, não para o questionário inteiro.
2. Pontuação por dimensão (soma ou média dos itens), que é a variável que entra nos testes. Um item isolado de cinco pontos é ordinal e analisa-se com medianas e testes não paramétricos.
3. Comparações de grupos com t ou ANOVA sobre as pontuações das dimensões, ou Mann-Whitney e Kruskal-Wallis se as distribuições forem muito assimétricas.
4. Relações entre dimensões com correlações de Pearson (ou Spearman) e, se a pergunta de investigação o pedir, regressão múltipla com as variáveis de contexto (anos de serviço, ciclo de ensino, escola) como controlo.

Numa amostra de docentes de três agrupamentos, a escola volta a ser um nível de agrupamento: com poucos, declare-o; com muitos, trate-o como nível 2.

Que teste para notas, retenção e sucesso escolar?

As notas de 0 a 20 podem ser analisadas como contínuas na maioria dos casos, desde que verifique a distribuição — no ensino secundário há frequentemente um teto próximo dos 18 e 19 valores em disciplinas específicas, e aí a assimetria justifica um teste não paramétrico ou uma transformação. A retenção é binária: a comparação entre dois grupos faz-se com qui-quadrado (ou teste exato de Fisher se alguma célula tiver menos de cinco casos), e a explicação por várias variáveis com regressão logística, reportando odds ratios com intervalos de confiança. O número de faltas ou de participações disciplinares é uma contagem e não deve entrar numa regressão linear: a distribuição tem muitos zeros e uma cauda longa, e o modelo certo é a regressão de Poisson ou, com sobredispersão, a binomial negativa.

Para dados agregados por escola — taxas de retenção, resultados de exames, percentagem de alunos com apoio social — a fonte oficial e as suas limitações estão em o InfoEscolas. Uma taxa por escola é uma proporção com um denominador diferente em cada linha, e o modelo adequado é uma regressão ponderada ou logística sobre contagens, não uma correlação simples entre percentagens.

E se a amostra for pequena: uma escola, duas turmas?

É a situação de muitos relatórios de prática de ensino supervisionada e de dissertações feitas num único agrupamento. Três decisões ajudam:

• Prefira testes não paramétricos e testes exatos quando os grupos têm menos de 15 participantes ou quando a variável é ordinal.
• Reporte sempre um tamanho de efeito com intervalo de confiança; com n pequeno, o valor-p é quase só uma função da amostra, e o efeito é a informação que o júri consegue interpretar. As medidas certas por teste estão em tamanho do efeito na tese.
• Não tente compensar a amostra pequena com muitos testes: cada teste adicional aumenta a probabilidade de um falso positivo, e o júri pergunta sempre porque não corrigiu o alfa.

Quando um resultado não é significativo com 24 alunos, a explicação mais provável é falta de poder, e a forma honesta de o discutir não é «não houve efeito».

Como escrever a escolha do teste no capítulo de metodologia?

Uma frase por variável, com quatro elementos: a variável e a sua escala, o desenho, o teste e a razão. Um modelo que pode adaptar:

«O desempenho em compreensão leitora foi medido pela pontuação total na prova (0 a 40 pontos, tratada como contínua). Dado que a intervenção foi atribuída a turmas intactas com níveis iniciais distintos, o efeito do programa foi estimado por ANCOVA, com a pontuação do pré-teste como covariável e a turma como fator de blocos. Verificaram-se previamente a normalidade dos resíduos e a homogeneidade dos declives. Reporta-se o eta quadrado parcial como medida de efeito. Dado o número reduzido de turmas (n = 4), o efeito de turma não é separável do efeito do programa, limitação discutida no capítulo 6.»

A última frase antecipa a pergunta do júri em vez de a esperar — é o que distingue uma metodologia defensável de uma lista de nomes de testes.

Sete cenários reais de teses de Educação e o teste que pedem

Se ainda está a escolher o tema e quer saber que desenho cada linha de investigação costuma pedir, a lista de temas com desenho sugerido e fonte de dados está em temas de tese em Educação para 2026.

Perguntas frequentes

Posso usar um teste t para comparar duas turmas?

Pode calculá-lo, mas não pode interpretá-lo como se os alunos fossem independentes. Com duas turmas, o efeito da turma e o efeito da intervenção são inseparáveis; declare-o nas limitações, reporte o tamanho de efeito e descreva as turmas antes da intervenção.

O que é o ICC e que valor é preocupante?

É a proporção da variância total que se deve às diferenças entre turmas ou escolas. Em resultados escolares, valores entre 0,10 e 0,25 são normais. Não há um valor «seguro»: com 20 alunos por turma, mesmo um ICC de 0,05 duplica a variância do erro-padrão.

Devo analisar a nota de 0 a 20 como contínua ou ordinal?

Como contínua, na maioria dos casos, depois de verificar a distribuição. Se houver um teto evidente ou uma assimetria forte, use um teste não paramétrico ou reporte medianas e intervalos interquartis ao lado das médias.

Um item de Likert de cinco pontos analisa-se com média?

Um item isolado é ordinal e analisa-se com mediana e testes não paramétricos. A média só é defensável na pontuação de uma dimensão que soma vários itens com fiabilidade verificada.

Como comparo pré-teste e pós-teste quando os grupos partem de níveis diferentes?

Com ANCOVA, usando o pré-teste como covariável e comparando as médias ajustadas do pós-teste. Comparar ganhos confunde regressão à média com efeito do programa.

Que teste uso para a retenção escolar?

Qui-quadrado ou teste exato de Fisher para comparar dois grupos; regressão logística quando quer controlar várias variáveis, reportando odds ratios com intervalos de confiança.

Preciso de um modelo multinível na minha tese de mestrado?

Só quando tem um número razoável de turmas ou escolas — a partir de cerca de quinze grupos. Com menos, use erros-padrão robustos agrupados ou declare a limitação e analise ao nível do aluno.

Os microdados do PISA ou do TALIS servem para uma dissertação?

Servem e são públicos no sítio da OCDE, mas trazem pesos amostrais e valores plausíveis que têm de ser usados na análise. Uma dissertação que ignora os pesos está a analisar uma amostra que não representa nada.

Em resumo

Classifique a variável, conte os grupos e os momentos, e pergunte sempre se os alunos estão em turmas. Com turmas intactas e pré-teste, a resposta é quase sempre ANCOVA ou um modelo multinível, nunca a comparação de ganhos; com escalas de Likert, analise dimensões e não itens; com retenção e faltas, use os modelos para variáveis binárias e de contagem. E escreva a escolha numa frase que antecipe a pergunta do júri em vez de a esperar.