faculdade meridional imed escola de … · gamificação como método inovador no ensino superior...
TRANSCRIPT
0
FACULDADE MERIDIONAL – IMED
ESCOLA DE ADMINISTRAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO
MESTRADO EM ADMINISTRAÇÃO
Gláuber Guilherme Signori
Gamificação como método inovador no ensino superior
Passo Fundo
2016
1
Gláuber Guilherme Signori
Gamificação como método inovador no ensino superior
Dissertação apresentada ao Programa de Pós-
Graduação em Administração da Escola de
Administração da Faculdade Meridional –
IMED, como requisito parcial para a obtenção
do grau de Mestre em Administração sob a
orientação do Prof. Dr. Julio Cesar Ferro de
Guimarães.
Passo Fundo
2016
2
3
CIP – Catalogação na Publicação
S578g Signori, Gláuber Guilherme
Gamificação como método inovador no ensino superior / Gláuber Guilherme
Signori. – 2016.
109 f.; 30 cm.
Dissertação (Mestrado em Administração) – Faculdade Meridional – IMED, Passo Fundo, 2016.
Orientador: Professor Doutor Júlio César Ferro de Guimarães.
1. Gamificação. 2. Ensino superior – Efeito das inovações tecnológicas. 3.
Tecnologias educacionais. I. Guimarães, Júlio César Ferro de, orientador. II.
Título.
CDU: 65:378
Catalogação: Bibliotecária AngelaSaadi Machado - CRB 10/1857
4
A toda a comunidade acadêmica e a todos que
acreditam em mudar a percepção de como
vivemos criando um mundo melhor através dos
jogos.
5
AGRADECIMENTOS
Gostaria de agradecer, primeiramente, ao grande arquiteto do universo por toda sua
energia e positividade para com a minha pessoa. Agradecer a minha família, a minha mãe,
Rosangela Graciolli Signori, ao meu pai, Claudir Antônio Signori, e ao meu irmão, Alisson
Aristides Signori, assim como a minha noiva, Ariane Faverzani da Luz, por todo apoio,
paciência, companheirismo e atenção que tiveram comigo nesse período de desenvolvimento
dessa Dissertação.
Ao Dr. Julio Cesar Ferro de Guimarães por todo seu apoio, ideias e considerações que
contribuíram para o desenvolvimento dessa pesquisa. Aos professores, Dra. Eliana Andrea
Severo e Dr. Jandir Pauli, por sua participação na banca de avaliação e suas respectivas
contribuições.
Aos professores do PPGA IMED por todo apoio e motivação para que pudesse, ao longo
dos semestres, evoluir no meio acadêmico.
Aos colegas que fizeram parte da segunda turma do mestrado de Administração da
IMED, os quais compactuam que a visão deve ser holística em alguns momentos, que o
conhecimento deve ser líquido e que a balbúrdia não tem limites, pois um dia sem risadas e
sorrisos é um dia perdido.
Às Instituições de Ensino Superior (IES) que colaboraram com essa pesquisa, quais
sejam, Faculdade Meridional (IMED), Universidade de Passo Fundo (UPF), assim como as IES
C e F, as quais optaram por não divulgar informações características delas, bem como aos
diretores, coordenadores e professores das referidas IES.
6
“The people who are crazy enough to think
they can change the world are the ones who
do.”
(Steve Jobs)
7
RESUMO
As inovações tecnológicas ocorrem de forma acelerada e as gerações estão tendo acesso cada
vez mais fácil à informação. Nesse cenário, pode-se identificar que os alunos das novas
gerações estão nascendo e crescendo em uma nova era digital, porém estes alunos são expostos
a modelos de ensino/aprendizagem elaborados para atender as demandas da revolução
industrial. Assim, os padrões de ensino/aprendizagem deveriam acompanhar o ritmo da
evolução e propor aos alunos da era digital novas maneiras de ensino/aprendizagem. As
simulações, os jogos e outras formas de aprendizagem baseadas em experiências representam
uma alternativa atraente e inovadora para ministrar aulas tradicionais. Desse modo, aliar
características da gamificação, como a inserção de dinâmicas, de desafios, de recompensas, de
competição e de interatividade, bem como acrescentar a este cenário a identificação e a
declaração dos objetivos ligados ao desenvolvimento cognitivo no que se refere à conquista de
conhecimento, a competências e a atitudes, buscando descomplicar o planejamento do processo
de ensino e aprendizagem, pode ser uma alternativa interessante para uma comunicação efetiva
entre os professores e os alunos. O objetivo geral corresponde a analisar a relação entre a
inovação em ensino, o engajamento para aprendizagem, a aprendizagem, e o efeito da
gamificação em Instituições de Ensino Superior. O método de pesquisa mais adequado para
esse estudo é o desenvolvimento de uma pesquisa quantitativa através de uma survey aplicada
aos alunos de cursos de gestão de Instituições de Ensino Superior (IES) situadas no norte do
Rio Grande do Sul. Os meios de investigação utilizados para a coleta de dados foram por meio
de uma pesquisa realizada através de um questionário aplicado a 311 estudantes. Para a análise
dos dados foi utilizado a Modelagem de Equações Estruturais (Structural Equation Modeling).
A maior contribuição identificada é a moderação da gamificação no processo de aprendizagem,
indicando que os alunos aprendem mais quando expostos ao método de ensino que utiliza a
gamificação, assim como o desenvolvimento de um framework para análise da inovação no
ensino, do engajamento para aprendizagem e da aprendizagem.
Palavras-chave: Inovação em Ensino. Aprendizagem. Gamificação. Ensino Superior.
8
ABSTRACT
Technological innovations occur at an accelerated pace and generations are gaining
increasingly easier access to information. In this scenario, one can identify the students of the
new generations are being born and growing up in a new digital era, but these students are
exposed to developed teaching / learning models to meet the demands of the industrial
revolution. Thus, educational standards/learning should keep pace with developments and
propose to the students of the digital age new ways of teaching/learning. The simulations, games
and other forms of learning based on experiences represent an attractive and innovative
alternative to teach traditional classes. Thus, combining gamification characteristics, such as
insertion of dynamics, challenges, rewards, competition and interactivity as well as adding to
this scenario the identification and reporting of objectives related to cognitive development in
regard to achievement knowledge, skills and attitudes, seeking to untangle the planning of
teaching and learning can be an interesting alternative for effective communication between
teachers and students. The overall objective corresponds to examine the relationship between
innovation in teaching, commitment to learning, learning, and the effect of gamification in
Higher Education Institutions. The research method most appropriate for this study is the
development of a quantitative research through a survey applied to students of higher education
institutions management courses (IES) located in northern Rio Grande do Sul. Research means
used to the collection of data through a survey conducted through a questionnaire administered
to 311 students. For data analysis was used the structural equation modeling (Structural
Equation Modeling). Most identified contribution is moderation of gamification in the learning
process, indicating that students learn more when exposed to the teaching method that uses
gamification as well as the development of a framework for analyzing innovation in teaching,
commitment to learning and learning.
Keywords: Innovation in Education; Learning; Gamification. Higher education.
9
LISTA DE ILUSTRAÇÕES
Figura 1 - Representação gráfica do conceito da Dissertação do mestrado ............................. 18
Figura 2 - Processo de metodologia da pesquisa revisão da literatura na base de dados Scopus
.................................................................................................................................................. 20
Figura 3 - Relatório dos resultados obtidos na pesquisa na base de dados Scopus .................. 21
Figura 4 - Conceitos de inovação adotados na pesquisa .......................................................... 27
Figura 5 - Categorização do domínio cognitivo da Taxonomia de Bloom .............................. 31
Figura 6 - Estrutura do processo cognitivo da Taxonomia de Bloom revisada e atualizada .... 32
Figura 7 - Modelo da tabela bidimensional do processo cognitivo de Bloom com exemplos de
objetivos fictícios ...................................................................................................................... 34
Figura 8 - Contextualização da gamificação ............................................................................ 38
Figura 9 - Pirâmide dos elementos de jogo .............................................................................. 40
Figura 10 - Modelo de análise .................................................................................................. 49
Figura 11 - Sequência metodológica da pesquisa ..................................................................... 55
Figura 12 - Variáveis Observáveis e Latentes .......................................................................... 58
Figura 13 - Distribuição das IES no Rio Grande do Sul .......................................................... 66
Figura 14 - Proporção de coletas entre as IES pesquisadas ...................................................... 67
Figura 15 - Proporção de idade dos alunos pesquisados .......................................................... 68
Figura 16 - Semestre dos alunos pesquisados .......................................................................... 68
Figura 17 - Cursos pesquisados ................................................................................................ 69
Figura 18 - Frequência de horas jogadas no mês pelos alunos ................................................. 69
Figura 19 - Modelo integrado teórico ....................................................................................... 87
Figura 20 - Hipóteses da pesquisa ............................................................................................ 90
10
LISTA DE TABELAS
Tabela 1 - Método de Extração: Análise de Componente Principal......................................... 70
Tabela 2 - Método de Extração: Análise de Componente Principal......................................... 71
Tabela 3 - Resultado do KMO e do Teste de Barlett................................................................ 72
Tabela 4 - Teste de Curtose e Assimetria ................................................................................. 72
Tabela 5 - Estrutura Fatorial ..................................................................................................... 74
Tabela 6 - Comunalidades das variáveis .................................................................................. 75
Tabela 7 - Variância extraída e variância compartilhada ......................................................... 75
Tabela 8 - Confiabilidade Composta e Variância Extraída ...................................................... 77
Tabela 9 - Correlação de Pearson ............................................................................................. 78
Tabela 10 - Análise fatorial intrabloco - construto Aprendizagem .......................................... 79
Tabela 11 - Análise fatorial intrabloco - construto Inovação em Ensino ................................. 80
Tabela 12 - Análise fatorial intrabloco - construto Engajamento para Aprendizagem ............ 81
Tabela 13 - Análise Descritiva considerando os métodos de ensino ........................................ 82
Tabela 14 - ANOVA dos construtos considerando os métodos de ensino ............................... 83
Tabela 15 - Análise Descritiva considerando os cursos ........................................................... 84
Tabela 16 - ANOVA dos construtos considerando os cursos .................................................. 84
Tabela 17 - Análise Descritiva considerando as IES ................................................................ 86
Tabela 18 - ANOVA dos construtos considerando as IES ....................................................... 87
Tabela 19 - Teste de hipóteses do modelo teórico.................................................................... 88
Tabela 20 - Índices de ajuste do modelo teórico ...................................................................... 88
11
LISTA DE SIGLAS
AFC Análise fatorial confirmatória
AFE Análise fatorial exploratória
AGFI Índice ajustado de qualidade de ajuste
CRM Customer Relationship Management
EBL Experience Based Learning
EGW Enterprise Gamification Wiki
ERP Enterprise Resource Planning
GBL Gamification Based Learning
GFI Índice de qualidade de ajuste
IBGE Instituto Brasileiro de geografia e estatística
IES Instituições de ensino superior
KMO Medida de adequação de Kaiser, Meyer e Olkin
LMS Learning Management Systems
MIT Massachusetts Institute of Technology
MLE Maximum Likelihood Estimation
NFI Índice de adequação da normalidade
PBL Points, Badges and Leaderboards
PBL Problem based learning
PPGA Programa de Pós-Graduação em Administração
SEM Structural Equation Modeling
SPSS Statistical Package for Social Scienses
TED Technology, Entertainment, Design
TI Information Technology
12
SUMÁRIO
1 INTRODUÇÃO ................................................................................................................... 14
1.1 Delimitação do tema ........................................................................................................... 15
1.2 Problematização.................................................................................................................. 16
1.3 OBJETIVOS ....................................................................................................................... 18
1.3.1 Objetivo geral .................................................................................................................. 18
1.3.2 Objetivos específicos ....................................................................................................... 18
1.4 Justificativa ......................................................................................................................... 18
2 REFERENCIAL TEÓRICO .............................................................................................. 19
2.1 INOVAÇÃO ....................................................................................................................... 21
2.1.2 Inovações em ensino ....................................................................................................... 23
2.1.3 Conceitos de Inovação do Escopo da Pesquisa ............................................................... 26
2.2 APRENDIZAGEM ............................................................................................................. 27
2.2.1 Taxonomia de Bloom ...................................................................................................... 29
2.3 GAMIFICAÇÃO .............................................................................................................. 34
2.3.1 Elementos da gamificação ............................................................................................... 39
2.3.2 Engajamento .................................................................................................................... 43
2.3.3 Motivação ........................................................................................................................ 44
2.3.4 Gamificação na educação ................................................................................................ 46
2.3.4 Conceitos de gamificação do escopo da pesquisa ........................................................... 48
3 MODELO TEÓRICO E HIPÓTESES DA PESQUISA .................................................. 49
4 MÉTODO ............................................................................................................................. 54
4.1 POPULAÇÃO E AMOSTRA ............................................................................................ 55
4.2 TÉCNICA DE COLETA DE DADOS ............................................................................... 56
4.2.1 Questionário .................................................................................................................... 56
4.3 TÉCNICA DE ANÁLISE DOS DADOS ........................................................................... 58
4.3.1 Desenvolvimento de um modelo teórico ......................................................................... 60
4.3.2 Construção de diagrama de caminho de relações ............................................................ 60
4.3.3 Conversão do diagrama de caminhos em um conjunto de modelo estrutural e de
mensuração ............................................................................................................................... 61
4.3.4 Escolha do tipo de matriz de entrada e estimação do modelo teórico ............................. 61
4.3.5 Avaliação da identificação do modelo estrutural ............................................................ 62
4.3.6 Avaliação de critérios de qualidade de ajuste .................................................................. 62
4.3.7 Interpretação e modificação do modelo........................................................................... 63
13
5 RESULTADOS E DISCUSSÕES ...................................................................................... 65
5.1 Análise descritiva da amostra ............................................................................................. 65
5.2 Análise do modelo integrado .............................................................................................. 69
5.2.2 Análise fatorial intrablocos .............................................................................................. 79
5.2.3 Análise de variáveis moderadoras ................................................................................... 81
5.2.4 Análise do modelo integrado teórico ............................................................................... 87
6 DISCUSSÃO DOS RESULTADOS ................................................................................... 91
7 CONSIDERAÇÕES FINAIS .............................................................................................. 93
REFERÊNCIAS ..................................................................................................................... 97
APÊNDICE A ....................................................................................................................... 106
APÊNDICE B ........................................................................................................................ 107
APÊNDICE C ....................................................................................................................... 110
14
1 INTRODUÇÃO
Os jovens com idade média de 21 anos perdem entre duas a três mil horas lendo livros,
enquanto que a atividade de jogar corresponde em média a dez mil horas (McGONIGAL, 2011).
Nesse contexto, a autora ainda comenta que as pessoas jogam para mudar suas experiências
internas, visto que o jogo permite que os pensamentos e as emoções das pessoas não se
relacionem com trabalho ou escola e indicam que elas gostam do desafio e da oportunidade de
testar suas habilidades.
Além do crescimento significativo da popularidade dos jogos e da quantidade de
jogadores, há um apreço na utilização dos jogos como ferramenta de ensino inovadora
(SIMÕES; REDONDO; VILAS, 2013). Entretanto, para engajar os alunos da nova geração Z
em sala de aula se faz necessário a utilização de quatro pilares que direcionam a estratégia
pedagógica: a exposição dos projetos desenvolvidos pelos alunos; a competição, desde que
realizada de maneira saudável; a participação; e, a colaboração (LOPES, 2016).
Conforme afirma Ramos (2015), o Brasil conta com alunos da nova geração do século
XXI, mas com professores que não acompanharam o ritmo das novas gerações, com instituições
de ensino nos moldes do século XIX e métodos de ensino do século XVIII. A partir desse
cenário, o autor destaca dois problemas: i) os alunos das novas gerações que pertencem a era
digital são expostos a modelos de didáticas defasados; e, ii) os padrões de ensino/aprendizagem
deveriam acompanhar o ritmo de evolução das novas gerações. Dessa forma, é possível
perceber que esse novo grupo demográfico requer novas formas de estruturação de ensino e
aprendizagem voltados à elaboração do planejamento na escolha de tecnologias educacionais e
estratégias, bem como à organização dos processos de aprendizagem para estimular o
desenvolvimento cognitivo que correspondam a sua realidade (RAMOS, 2015).
No intuito de aumentar o engajamento dos usuários com os sistemas, uma série de
técnicas denominadas de gamificação (do inglês gamification - uso de elementos de design de
jogos em contextos não relacionados a jogos) têm se mostrado uma alternativa interessante na
busca por fortalecer a relação entre consumidores com um determinado produto e/ou serviço.
Um fator que expõe a gamificação como um assunto relevante e atual é o seu potencial em gerar
engajamento e dedicação. Tais premissas já são bastante difundidas no âmbito dos jogos através
de estudos que demonstram como essa atividade mantém seus usuários motivados e engajados
(BRODIE et al; 2011; BANYTE; GADEIKIENE, 2015).
Desse modo, a gamificação utilizada na área do ensino e aprendizagem (educação)
possui um campo em potencial a ser considerado e explorado. Para Kapp (2012), a gamificação
pode ser utilizada no contexto educacional através do uso de mecânicas, estética e pensamentos
15
dos games para envolver as pessoas, motivar suas ações, promover a aprendizagem e resolver
problemas. Atualmente, as pessoas estão cada vez mais presentes nos ambientes em que a
tecnologia e as mídias digitais se sobressaem, o que confirma a necessidade de novas
abordagens e estratégias para influenciar os estudantes, devido aos mesmos se mostrarem
desanimados e desmotivados em relação às metodologias de aprendizagem utilizadas na
maioria das instituições de ensino (FARDO, 2013).
Apesar disso, Mager (1984) argumenta que para facilitar o processo de ensino e
aprendizagem é necessário definir um objetivo de aprendizagem, cuja definição compreende
em potencializar o desempenho e a competência que os educadores esperam que seus alunos
demonstrem antes de serem considerados entendedores de determinados assuntos. Contudo,
esse objetivo está ligado a um resultado relacionado ao conteúdo e à forma como ele deverá ser
aplicado (MAGER, 1984).
Nesse sentido, Conklin (2005) aponta a Taxonomia de Bloom e seu arranjo hierárquico
dos objetivos de instrução de ensino como uma das mais significantes contribuições acadêmicas
para educadores, devido a instigar os alunos a aprimorarem seu raciocínio e a aumentar o seu
nível de abstração de conhecimento, considerando os objetivos instrucionais definidos.
Assim, como fatores relevantes no processo de ensino e aprendizagem, a inovação de
processo, ou seja, o serviço prestado pelas Instituições de Ensino Superior (IES) no que tange
as estratégias adotadas, os métodos de ensino, a delimitação do conteúdo específico e os
instrumentos de avaliação são considerados determinantes.
Portanto, essa Dissertação apresentará no capítulo 1 uma introdução do assunto, tema,
problema de pesquisa e objetivos. No capítulo 2 exibirá o referencial teórico contendo os temas
principais da Dissertação, como a inovação em ensino, a aprendizagem e a gamificação. Nos
capítulos 3 e 4, respectivamente, serão demonstradas as hipóteses da pesquisa e a metodologia
utilizada. Já no capítulo 5, abordar-se-á os resultados e as devidas discussões. Por fim, o
capítulo 6 trará as discussões dos resultados obtidos na pesquisa e o capítulo 7 as considerações
finais.
1.1 Delimitação do tema
Será abordado nessa Dissertação os seguintes temas: i) inovação em ensino, conceitos e
tipologias de inovação e inovação de processo; ii) aprendizagem, conceitos e taxonomia de
Bloom; e, iii) gamificação, conceitos, elementos da gamificação, engajamento e motivação,
gamificação na educação.
16
A presente pesquisa foi aplicada em alunos de graduação de cursos ligados à área de
gestão de Instituições de Ensino Superior (IES) localizadas no norte do estado do Rio Grande
do Sul. A escolha das IES considerou o fácil acesso por parte do pesquisador e devido às IES
estarem se destacando no mercado de Ensino no estado do Rio Grande do Sul.
1.2 Problematização
Partindo do pressuposto que a velocidade das inovações tecnológicas, as mudanças das
gerações e o ritmo crescente das atividades econômicas trazem à realidade a economia do
acesso em que as pessoas têm acesso à informação proporcionando um mundo mais ágil e fácil,
no qual o tempo e a distância acabam estreitando relações (RIFKIN, 2004), a necessidade sobre
a gestão do conhecimento se torna um fator determinante na relação entre os seres humanos. A
era do acesso apresenta uma nova geração de pessoas mais dispostas e engajadas no
ciberespaço, orientadas por um conjunto de costumes e hábitos fundamentais que envolvem o
comportamento do brincar/jogar e afastam um temperamento vinculado ao trabalho e ao estudo
(RIFKIN, 2004).
O termo economia do conhecimento, semelhante à ideia da era do acesso exposta por
Rifkin (2004), é atribuído por Tigre (2006), o qual se refere à gestão do conhecimento e a outros
ativos intangíveis que são os serviços que não podem ser estocados, uma vez que dependem da
interação com os clientes na medida em que a produção do serviço é consumida. O autor
apresenta, posteriormente, as tendências de desmaterialização da produção observadas na
economia contemporânea, mostrando a importância do crescimento do setor de serviços ao
redor do mundo em um período de transição, denominado como sociedade pós-industrial, em
que o aumento da centralidade do conhecimento formal e o crescimento do setor de serviços da
economia são considerados como componentes essenciais da transformação econômica.
O Brasil possui alunos do século XXI, professores do século XX, instituições de ensino
nos moldes do século XIX e métodos de ensino do século XVIII (RAMOS, 2015). Nesse
cenário, identifica-se que os alunos das novas gerações estão nascendo e crescendo em uma
nova era, qual seja, a era digital. No entanto, os referidos alunos são expostos a modelos de
ensino/aprendizagem elaborados para atender as demandas da revolução industrial, sendo que
os padrões de ensino/aprendizagem deveriam acompanhar o ritmo da evolução e propor aos
alunos da era digital novas maneiras de ensino/aprendizagem (RAMOS, 2015).
Como exemplo, a nova geração nascida na era digital após 1998 cresceu conectada à
internet, sendo que mais de 7 milhões jogam jogos sociais em rede regularmente. Assim,
verifica-se que essa geração está se envolvendo, sobretudo, em atividades através dos jogos
17
(ZICHERMANN; LINDER, 2010). Aproximadamente, 20 milhões de americanos nasceram
entre os anos 1998 e 2000, e no Brasil nasceram, aproximadamente, 9 milhões de brasileiros
nesse mesmo período, segundo dados do IBGE (1997). Esse enorme grupo demográfico, que
possui como principal forma de entretenimento os jogos, fazem parte da geração Z que inclui
as pessoas nascidas a partir dos anos 1998.
A geração Z é tecnologicamente mais experiente socialmente em rede e mais orientada
à competição do que qualquer outra na história. Esse novo grupo demográfico exige novas
formas para se comunicar com os demais, o que altera, drasticamente, a maneira como se
realizava essa comunicação (ZICHERMANN; LINDER, 2010). Com base em seus valores,
experiências de vida, cenário socioeconômico e político, uma geração pode ser classificada
através da aproximação de idades e vivências em comum (LOMBARDÍA et al., 2008).
As características dessa nova geração são corriqueiras e distintas das demais gerações,
impactando no modo em que os indivíduos são e vivem nas sociedades, sendo o conjunto de
comportamentos e valores o principal fator que distingue uma geração da outra. Assim,
compreender e se adaptar às novas gerações consiste em um desafio permanente enfrentado
pela sociedade, bem como aceitar as mudanças provocadas por elas (VASCONCELOS et al.,
2010). Zichermann e Linder (2010) descrevem que os novos membros da geração Z se tornarão
grupos de consumidores demográficos, no qual esperaram que seus empregos, sua vida social,
educacional e seu entretenimento certamente sejam gamificados.
O avanço das gerações e as inovações tanto tecnológicas quanto metodológicas estão
obtendo um papel importante nas organizações, sendo utilizado como um fator para se obter
vantagem competitiva no mercado (RIBEIRO, 1999). Nesse contexto de competitividade, o
nicho de instituições de ensino superior (IES) está crescendo e se destacando, o que faz com
que cada uma busque novos recursos, metodologias e maneiras inovadoras de atrair e manter
os alunos (RIBEIRO, 1999).
Alguns pesquisadores citam os jogos como ferramenta educacional inovadora, como é
o caso nos estudos de Halverson et al. (2006) e Johnson (2005) que mostram resultados
favoráveis na aprendizagem dos alunos. Outros estudos relatam progressos significativos
relacionados à motivação e ao engajamento (BARNES et al., 2008; WYETH et al., 2013;
MELO et al., 2006). Sendo assim, com base na literatura consultada e nos desafios do processo
de aprendizagem, desenvolveu-se a questão de pesquisa: quais as relações entre a inovação em
ensino, o engajamento para aprendizagem e a aprendizagem, tendo como moderador a
gamificação no Ensino Superior?
18
1.3 OBJETIVOS
1.3.1 Objetivo geral
O objetivo geral corresponde a analisar a relação entre a inovação em ensino, o
engajamento para aprendizagem, a aprendizagem, e o efeito da gamificação em Instituições de
Ensino Superior.
1.3.2 Objetivos específicos
Os objetivos específicos dessa Dissertação são os seguintes:
a) mensurar a relação entre a inovação em ensino e a aprendizagem;
b) avaliar a relação entre o engajamento e a aprendizagem;
c) identificar a influência da gamificação no ensino e na aprendizagem; e,
d) propor um framework para análise da gamificação, inovação no ensino, engajamento e
aprendizagem.
A partir das questões de pesquisa e dos objetivos, a Figura 1 apresenta os conceitos
abordados no desenvolvimento da pesquisa.
Figura 1 - Representação gráfica do conceito da Dissertação do mestrado
Fonte: Elaborado pelo autor (2016).
1.4 Justificativa
A gamificação ao longo dos anos tem se destacado como uma alternativa interessante
para as novas gerações, bem como a indústria e a academia estão demonstrando interesse na
19
gamificação. No entanto, existem escassos artigos acadêmicos referente à utilização dos jogos
como intermediador na área de serviços, mais especificamente no ensino superior, devido ao
assunto ser muito atual.
Dentre as atuais tecnologias os jogos são os maiores atrativos para a geração Z. Nesse
sentido, pesquisas indicam que o uso de jogos potencializa o engajamento e a motivação dos
usuários, fazendo com que permaneçam em uma determinada atividade por um longo período
de tempo (GEE, 2003; DONDLINGER, 2007; McGONIGAL, 2011). No que tange a área de
ensino, Gapp e Fisher (2012) destacam que para que os alunos alcancem uma aprendizagem
efetiva é necessário exigir um nível de engajamento dos mesmos acima do atual.
Os jogos fazem parte da natureza humana, visto que as pessoas são expostas a
brincadeiras desde quando nascem. Com o passar dos anos, as brincadeiras evoluem e dão
espaço aos jogos, mas estes se tornam apenas um hobby para as horas de lazer. Ainda, o estudo
ocupa grande parte da vida das pessoas, sendo considerado um fator determinante na vida de
todos, porém a maneira como se ensina não acompanhou a transformação social, sendo
considerada muitas vezes tediosa, ocasionando pessoas descompromissadas em aprender e
comprometidas a jogar e a se divertir.
Para sanar esse impasse, uma alternativa interessante consiste na utilização da
descontração, do dinamismo, do mistério, da disputa sadia, da narrativa, dos personagens, entre
outros, que é proporcionada pelos jogos, mas que deve ser aliada aos métodos de ensino. Assim,
estruturar e definir os objetivos de aprendizagem, utilizar os elementos dos jogos e a
gamificação, visando envolver os alunos e despertar o comprometimento dos mesmos dentro
da sala de aula, é uma alternativa que deve ser melhor explorada pelas IES.
Dessa forma, manter os estudantes comprometidos e buscar um relacionamento de
longo prazo tem se tornado um elemento crucial para as Instituições de Ensino Superior (IES).
A busca constante por diferenciais determinantes que motivem e aumentem o
comprometimento dos alunos, objetivando instigá-los em atividades curriculares, revelam-se
fatores cada vez mais importantes. Desse modo, com o objetivo de aumentar o
comprometimento dos alunos, uma série de técnicas denominada de gamificação (uso de
elementos dos jogos em contextos não relacionados a jogos) se mostra uma alternativa
importante no processo de ensino-aprendizagem.
2 REFERENCIAL TEÓRICO
Para a elaboração do referencial teórico dessa pesquisa foi realizada uma revisão da
literatura, utilizando como alicerce livros e artigos acadêmicos da base de dados SCOPUS. A
20
pesquisa foi realizada no dia 16 de março do ano de 2016, com o intuito de identificar os
principais periódicos (Journals) e os principais autores relacionados a temática, além de
despertar o interesse para pesquisas futuras. Nessa revisão foram selecionados os 10 artigos
mais relevantes e os 10 artigos mais citados sobre os seguintes tópicos dessa dissertação, dentro
da área e subáreas do conhecimento determinadas conforme a Figura 2.
Figura 2 - Processo de metodologia da pesquisa revisão da literatura na base de dados
Scopus
Fonte: Elaborado pelo autor (2016).
A partir disso, abaixo serão apresentados os resultados obtidos na pesquisa no que diz
respeito aos seguintes temas analisados: i) Gamification; ii) Gamification and Education; iii)
Educational Innovation; iv) Teaching; e, v) Learning.
Na figura 3 estão demonstrados os principais Journals relacionados a área e as subáreas
determinadas no escopo da pesquisa com a quantidade de artigos por Journal, bem como os
principais autores com a quantidade de artigos elaborados acerca do tema.
21
Figura 3 - Relatório dos resultados obtidos na pesquisa na base de dados Scopus Termos Qtd. de
result.
Journals mais relevantes (qtd. artigos) Principais autores
Geral (qtd. artigos)
Gamification 289 Computers in Human Behavior (12);
Computers and Education (9);
Journal of Medical Internet Research (7);
Journal of Gaming and Virtual Worlds (6);
Simulation and Gaming (6).
Hamari, J (5);
De-Marcos, L (4);
Koivisto, J (4);
Dominguez, A (3);
Kim, S. (3).
Gamification
and
Education
95 Computers in Human Behavior (7);
Computers and Education (6);
International Journal of Emerging Technologies in
Learning (4);
International Journal of Game Based Learning (3);
Simulation and Gaming (2).
Kim, S. (3);
De-Marcos, L (3);
Dominguez, A (2);
Garcia-Cabot, A (2);
Bae, J. H. (2).
Educational
innovation
6.348 Academic Medicine (162);
Nurse Education Today (161);
Medical Teacher (132);
Asian Social Science (76);
Nurse Educator (74).
Van Der Vleuten, C.P.M.
(8);
Harden, R.M. (7);
Eilks, I. (7);
Parcel, G.S. (7);
Scherpbier, A.J.J.A. (7).
Teaching
innovation
2800 Academic Medicine (68);
Nurse Education Today (67);
Medical Teacher (60);
Computers and Education (48);
International Journal of Innovation and Learning (45).
Eilks, I. (7);
Armellini, A. (5);
Harden, R.M. (4);
Poce, A. (4);
Sangra, A. (4).
Learning 148.060 Perceptual and Motor Skills (2,712);
Computers and Education (2,408);
Journal of Chemical Education (1,911);
Journal of Educational Psychology (1,865);
Journal of Learning Disabilities (1,705).
Roth, W.M. (123);
Tsai, C.C. (118);
Hwang, G.J. (109);
Van Der Vleuten, C.P.M.
(87);
Vaughn, S. (81);
Fonte: Elaborado pelo autor (2016).
Em razão do objetivo dessa pesquisa, poucos autores listados acima foram utilizados,
devido a apresentarem na maioria das vezes em seus estudos atribuições ao ensino voltado a
Medicina ou a áreas que não pactuam com o foco dessa Dissertação.
Na fase de seleção do referencial teórico, procedeu-se na leitura do abstract de 200
artigos que apresentaram as keywords pesquisadas, porém, utilizando o critério de relação direta
com o assunto da pesquisa, foi realizada uma filtragem e selecionados 40 artigos para leitura,
os quais contribuíram significativamente para o desenvolvimento dessa pesquisa.
2.1 INOVAÇÃO
O termo inovação, segundo Shavinina e Seeratan (2003), pode ser dividido em duas
esferas, quais sejam de cunho individual e de cunho social. A diferença entre elas é de que
enquanto a inovação individual trabalha a capacidade mental de cada indivíduo por si, a social
possui o enfoque na geração de ideias e criatividade.
22
Estudos como os de Birkinshaw, Hamel e Mol (2008), procuraram investigar quando é
que de fato a inovação emerge dentro da organização. Tais estudos observaram que a inovação
tende a aparecer, principalmente, quando a empresa deseja melhorar a sua produtividade. A
inovação também está inteiramente ligada a processos econômicos da organização, métodos de
produção, processos, serviços e mercados que fazem com que esta organização se torne
competitiva dentro do mercado (SCHUMPETER, 1934; PORTER, 2001).
Dessa maneira, observa-se que a inovação de produtos e processos está ligada à
dimensão individual, pelo fato de que são ideias que surgem de indivíduos e que são aceitas ou
rejeitadas por outros envolvidos no mesmo grupo. Já os aspectos de inovação de mercado e de
uma organização como um todo estão relacionados à dimensão social, na qual é necessária a
compreensão e interação de diversos fatores e atores para a sua concretização (TOTTERDELL
et al., 2002).
Nas palavras de Rogers (1969), a inovação se caracteriza pela percepção do indivíduo
em relação ao objeto, a prática ou a ideia, ou seja, se em sua concepção o alvo observado lhe
parecer algo novo, será considerado inovador. Cumpre ressaltar que ao desenvolver a inovação
é necessária a colaboração de agentes internos e externos, bem como o auxílio financeiro das
organizações para auxiliar o projeto, contribuindo no desenvolvimento de protótipos e, por fim,
concretizara produção (KANTER, 1986).
No que tange a inovação, Damanpour e Aravind (2012) propõem a adoção da inovação
pelas organizações, facilitando a inovação de produtos, processos ou serviços que melhorem a
sua performance e a sua efetividade internamente e externamente. Nesse sentido, Damanpour e
Aravind (2012) abordam duas linhas distintas sobre a inovação: a primeira que prima pela
invenção e desenvolvimento de tecnologias junto ao mercado, visando consumidores finais,
enquanto que a segunda é um processo interativo, ou seja, quando a inovação for introduzida
ao mercado, ela poderá sofrer com processos contínuos de melhorias.
O conceito de inovação também está constantemente ligado a incertezas em todas as
suas esferas. Por se tratar de uma novidade, seja ela uma ideia ou um produto já formalizado, a
inovação encontra diversas barreiras para seguirpor se tratar de algo desconhecido para os
indivíduos em torno dela. Portanto, essas barreiras de incertezas devem ser vencidas através da
transmissão consistente da ideia, utilizando suportes técnicos para explicá-la (ROGERS, 2002).
Para Tidd, Bessant e Pavitt, (1997), o conjunto de fatores vinculados a inovação a
caracterizam como um processo de aprendizagem organizacional, no qual toda a estrutura da
empresa estará envolvida nesse processo. A maioria das inovações das empresas resultando
quanto estão dispostas a adotar novas ideias, produtos e processos eficazes, ou seja, acreditar
23
na capacidade de um novo produto para evitar o fracasso no mercado, gerando vantagem
competitiva para a organização (PALADINO, 2007).
Sobre os processos de inovação, de acordo com Barrett e Sexton (2006), podem se
dividir em duas linhas: racional e comportamental. O pensamento racional é considerado o
processo de inovação em várias escalas lineares enquanto que a linha comportamental está
inteiramente ligada a incertezas que surgem dentro da organização.
Conforme Chesbrough (2003), os processos de inovação se caracterizam como abertos
e fechados. A inovação aberta tende a ser influenciada por agentes externos do ambiente da
organização e a inovação fechada utiliza apenas agentes internos. Contudo, além de considerar
a inovação aberta ou fechada, cabe ponderar a qualidade da inovação, quais sejam, os aspectos
ligados a capacidade de um determinado produto desempenhar as suas funções (PALADINO,
2007).
A inovação aberta parte de uma convergência de fatores que constitui um ecossistema
entre organizações, com a finalidade de produzir alguma solução válida ao cliente. Para tornar
esse ecossistema mais flexível e mais automatizado, a tecnologia de informação se sedimenta
como um fator importante para a troca de informações, coordenação e visão estratégica na
inovação (ADNER, 2006).
Por fim, para que ocorra a inovação aberta também são necessários alguns pilares para
sustentar a ideia como uma estrutura organizacional equilibrada, com um foco em um ambiente
favorável a implementações de processos de inovação. Além disso, faz-se necessário que a
organização possua na gerência das equipes e da empresa no geral, pessoas inovadoras de
mentalidade aberta para mudanças e para conduzir os demais a caminhar na mesma direção
(PEARSON, 2002).
2.1.2 Inovações em ensino
Para Dolmans et al. (2005), a aprendizagem baseada em problemas (Problem Based
Learning - PBL) representa uma mudança importante, complexa e generalizada na prática
educativa no ensino superior, especialmente na educação profissional. O PBL é baseado em
quatro perspectivas modernas sobre a aprendizagem: construtiva, autodirigida, aprendizagem
colaborativa e contextual.
Na aprendizagem baseada em problemas os professores não disseminam as informações
principais para os alunos, mas os ensinam a encontrar respostas para suas próprias perguntas,
facilitando o processo de aprendizagem e proporcionando feedback (DOLMANS et al., 2002).
No futuro irão existir aulas de aprendizagem baseada em problemas, essas aulas irão ensinar os
24
alunos a aprender e, como tal, prepará-los para um mundo em rápida mutação em que devem
constantemente adquirir novas habilidades e conhecimentos. Dolmans et al. (2002) ainda
ressalta que a aprendizagem baseada em problemas enfatiza a importância do estudante
centrado na aprendizagem (DOLMANS et al., 2002).
Semelhante a PBL, outra abordagem conhecida como aprendizagem baseada em
experiência (Experience Based Learning - EBL) está centrada na experiência do aluno em todos
os contextos de ensino e aprendizagem (ANDRESEN; BOUD; COHEN, 2000). Os autores
ainda comentam que esta experiência pode compreender eventos anteriores da vida do aluno,
eventos de vida atuais ou os decorrentes da participação do aluno nas atividades implementadas
pelos professores. Um elemento-chave de aprendizagem baseado na EBL consiste nos alunos
analisarem a sua experiência através da reflexão, avaliação e reconstrução (individualmente,
coletivamente) a fim de extrair o significado de experiências anteriores (ANDRESEN; BOUD;
COHEN, 2000).
Nesse viés, as simulações, os jogos e outros métodos de ensino baseados em
experiências tem um impacto substancial sobre o ensino de conceitos e aplicações. O EBL tem
influenciado no cotidiano da sala de aula e auxiliado a resolver muitas das limitações de
métodos de ensino tradicionais (RUBEN, 1999).
Verifica-se que grande parte do impulso para aprendizagem baseada em experiências
(EBL) tem sido uma reação contra uma abordagem de aprendizagem que é excessivamente
didática, implicando em uma transmissão restrita do conhecimento da disciplina (ANDRESEN;
BOUD; COHEN, 2000). Desta forma, segundo os autores o EBL suporta uma abordagem mais
participativa, centrada no aluno, o que incentiva o envolvimento direto, eventos de
aprendizagem ricos e a construção de sentido pelos alunos. Desta forma o EBL tem despertado
o interesse de educadores do ensino superior, pois abrange a aprendizagem formal, a
aprendizagem informal, a aprendizagem não formal, a aprendizagem ao longo da vida, a
aprendizagem incidental e a aprendizagem no local de trabalho (ANDRESEN; BOUD;
COHEN, 2000).
Nas palavras de Ruben (1999), as simulações, os jogos e outras formas de aprendizagem
baseadas em experiências representam uma alternativa atraente e inovadora para ministrar aulas
tradicionais, pois causam entusiasmo e euforia em professores e estudantes. Os métodos de
ensino baseados em experiências contemplam abordagens mais complexas e diversificadas para
os processos e os resultados da aprendizagem, uma vez que permitem a interatividade, a
colaboração e a aprendizagem entre estudantes, sendo possível abordar questões cognitivas,
25
bem como questões de aprendizagem afetivas e, talvez o mais importante, promover a
aprendizagem ativa (RUBEN, 1999).
Outra visão que é apresentada por Bruffee (1999) está ligada a elementos que devem ser
revistos, pois podem transformar as Instituições de Ensino Superior (IES). Tais elementos são
descritos no livro do referido autor sobre aprendizagem colaborativa no ensino superior, o qual
aponta três pontos relevantes sobre a inovação no ensino: i) as faculdades e as universidades
não devem pensar em si como instituições que apenas comercializam o conhecimento, mas
como instituições que apostam no processo de adoção dos traços culturais ou padrões sociais
de outros grupos; ii) os professores universitários devem se identificar não como fornecedores
de informação, mas como agentes de mudança cultural; e, iii) as faculdades e as universidades
devem rever os pressupostos de longa data sobre a natureza e a autoridade de conhecimento da
sala de aula.
Existe uma preocupação em reduzir as diferenças entre o ensino e a aprendizagem a
distância. Algumas diferenças podem ser sanadas ou pelo menos significativamente atenuadas
através de técnicas de ensino virtuais (REDONDO et al., 2011). Na educação à distância, a
realocação da sala de aula, a ausência de modelos, de programação e de horários e o anonimato
que muitas vezes acarreta a distância física, dificulta a evolução contínua, a motivação e o
esforço do aluno, limitando, assim, o processo de avaliação de uma série de testes, que pode ser
tendenciosa pelas circunstâncias pessoais em que são feitas (REDONDO et al., 2011).
A integração de novas tecnologias em contextos de aprendizagem existentes trouxe
mudanças significativas nos processos de aprendizagem globais e em seus resultados
(MAZMAN; USLUEL, 2010). O uso de redes sociais em um contexto acadêmico é atraente
para os jovens, oportunizando a aquisição de novos conhecimentos através de processos de
aprendizagem subliminares, eficazes e suaves ao participar de situações interativas agradáveis
mediadas por meio de ferramentas e conteúdos interessantes e motivadoras (MAZMAN;
USLUEL, 2010).
As plataformas web educacionais, as ferramentas de comunicação e as aplicações
tecnológicas desenvolvidas com intuito de promover o ensino e aprendizagem, formam um
novo cenário educacional, no qual a imaginação é o único limite (ARROITIA; NINET, 2010).
Os educadores devem explorar os mais diversos recursos tecnológicos disponíveis, como as
relevantes e inovadoras plataformas de e-learning1, que facilitam e tornam as aulas mais
dinâmicas e interativas (ARROITIA; NINET, 2010).
1 O termo e-learning vem de eletronic learning (aprendizado eletrônico) e é uma modalidade de ensino a distância
oferecido totalmente pelo computador.
26
Na concepção de Mazman e Usluel (2010), as redes sociais, que são potenciais
ferramentas inovadoras de ensino são compostas, principalmente, por jovens e são ambientes
altamente informais que desempenham um papel importante para continuar a interação fora da
sala de aula. Ainda, Mazman e Usluel (2010) afirmam que enquanto se espera que as redes
sociais aumentem a interação com o ensino formal, os jovens também usam esses aplicativos
para prosseguir a sua educação informal seguindo e comentando sobre questões acadêmicas e
sociais, dilemas e decepções enfrentadas enquanto realizam o ensino universitário.
Dessa forma, o uso de redes sociais em contextos educacionais e instrutivos pode ser
considerado como uma ideia com potencial de ser explorada, uma vez que os alunos investem
muito tempo realizando atividades em rede online (MAZMAN; USLUEL, 2010). Porém, a
geração atual de Sistemas de Gestão de Aprendizagem (Learning Management Systems - LMS),
não contempla ferramentas de conectividade sociais e espaços de perfis pessoais que podem ser
utilizados pelos alunos envolvidos, embora, exijam dos atuais estudantes mais autonomia,
conectividade, interação e oportunidades de aprendizagem sócio experienciais em seus
contextos de aprendizagem (MAZMAN; USLUEL, 2010).
Os avanços tecnológicos recentes proporcionam uma série de inovações na área
academia educacional (STRAYER, 2012). Nesse contexto, os autores ressalvam que as salas
de aula de aprendizagem combinada, denominadas como inverted ou flipped classroom
(tradução livre: salas de aula invertida), consistem em um tipo específico de projeto de
aprendizado mesclado que utiliza a tecnologia para mover palestras fora da sala de aula e usa
atividades de aprendizagem para mover a prática de conceitos dentro da sala de aula. Com isso,
identificou-se que os alunos antes de participarem da sala de aula invertida estavam menos
satisfeitos com a forma como a estrutura da sala de aula tradicional os orientava para as tarefas
de aprendizagem no curso, mas a partir da utilização da sala de aula invertida se tornaram mais
abertos a aprendizagem cooperativa e aos métodos de ensino inovadores (STRAYER, 2012).
Portanto, as possibilidades que se abrem no campo de ensino informatizado são muitas
e estas desenvolvem aplicações que se adaptam as necessidades do processo de ensino-
aprendizagem de forma mais conveniente e eficiente para cada uma das partes envolvidas
(REDONDO et al., 2011).
2.1.3 Conceitos de Inovação do Escopo da Pesquisa
Após a revisão da literatura referente a inovação a fundamentação teórica adotada nesta
Dissertação corresponde a: os conceitos apontados por Song e Montoya-Weiss (1998) referente
a tipologia de inovação no que tange a tipologia really new, sobre o conceito de processo de
27
inovação foram identificados como relevantes dois conceitos o conceito apresentado por
Zawislak e Marins (2008) e outro por Van de Ven (1986).
No que tange inovação de processo foi considerado a abordagem apresentada no Manual de
Oslo (2005) e sobre inovação em ensino considerou-se como essencial a abordagem
apresentada por Ruben (1999). De forma sucinta foi elaborado a Figura abaixo que descreve
resumidamente os conceitos adotados.
Figura 4 - Conceitos de inovação adotados na pesquisa Categorias Conceito Autor
Inovação
em ensino
As simulações, os jogos e outras formas de aprendizagem
baseada em experiências representavam uma alternativa atraente
e inovadora para ministrar aulas tradicionais. Métodos de ensino
baseados em experiências contemplam abordagens mais
complexas e diversificadas para os processos e os resultados da
aprendizagem; permitindo a interatividade; promovendo a
colaboração e a aprendizagem entre estudantes; permitindo
abordar questões cognitivas, bem como questões de
aprendizagem afetivas; e, talvez o mais importante, promover a
aprendizagem ativa.
Ruben (1999)
Sucesso de
novo
produto
O sucesso da inovação de produto se refere a capacidade de um
novo produto para evitar o fracasso no mercado, gerando
vantagem competitiva para a organização.
Paladino (2007)
Fonte: Elaborado pelo autor (2016).
2.2 APRENDIZAGEM
Na concepção de Piaget (1999), a aprendizagem pode ser caracterizada como um
processo de desenvolvimento intelectual que ocorre por meio das estruturas de pensamento do
sujeito e a sua interação com determinado meio.
Partindo dessa premissa, Moreira (1999) afirma que é possível identificar três tipos
gerais de aprendizagem: a cognitiva, que gera o armazenamento organizado de informações na
mente do ser que aprende; a afetiva, que trata de sinais internos ao indivíduo e é identificada
com experiências de dualidade, como satisfação ou descontentamento, alegria ou ansiedade; e,
a psicomotora, que envolve respostas musculares adquiridas por meio de treino e prática.
A aprendizagem, ou no caso a facilitação da aprendizagem, é considerada o objetivo
maior da educação (ROGERS, 1969; KAUARK; SILVA, 2008; SOUZA; LOPES; SILVA,
2013). No entanto, independente de nível ou área, o ato de aprender é um processo que possui
diversos obstáculos – esperados ou não – que se originam de fatores internos e externos ao
aprendiz, como o gosto por determinado assunto, limitações/potencialidades e diversos outros
fatores (SOUZA; LOPES; SILVA, 2013).
28
Para Zimring (2010), as experiências pessoais e subjetivas são fundamentais para o
conhecimento no processo de aprendizagem. Em sua concepção, há dois tipos de aprendizagem:
a intelectual e a significativa. A intelectual envolve apenas a mente, o raciocínio puro, sem que
haja uma relevância de sentimentos ou significados para a pessoa. Já na significativa, há uma
combinação entre o lógico e o intuitivo, o intelecto e os sentimentos, o conceito e a experiência.
Desse modo, uma das formas principais pela qual a aprendizagem se manifesta é por intermédio
da retenção de informações.
A população brasileira possui demandas e expectativas em relação à formação no ensino
superior, o que acarreta o surgimento de muitas faculdades, centros universitários e
universidades, e, consequentemente, o aumento da concorrência nesse setor (DIAS, 2010).
Assim, As Instituições de Ensino Superior (IES) estão enfretando algumas transformações, pois
prestam serviços muito semelhantes. Devido a esse fato, o marketing de relacionamento ganhou
espaço nesse nicho de mercado, visto que as estratégicas com o foco apenas nos custos e na
conveniência passaram a fazer parte da composição dos elementos básicos de relacionamento
com os clientes (DIAS, 2010).
De acordo com MacInnis, Moorman e Jaworski (1991), o consumidor deve reter e
perceber as informações dos anúncios e comunicação das empresas, de modo que essas
informações incentivem e moldem o seu consumo e o seu comportamento posteriormente. A
partir dos resultados obtidos na pesquisa de Guimarães, Severo e Santini (2013), constatou-se
que existe uma relação forte da marca e da qualidade da IES na formação de comprometimento
e confiança dos alunos, que resulta na maior retenção dos alunos nas IES.
Aliar características da gamificação, como a inserção de dinâmicas, desafios,
recompensas, competição e interatividade, pode ser uma alternativa interessante para a
comunicação de determinado produto ou serviço (SOUZA; LOPES; SILVA, 2013). A presença
de tais elementos pode contribuir para que uma aprendizagem significativa (e,
consequentemente, uma retenção de informações maior) seja obtida, já que esta é mais
profunda, eficaz e duradoura quando a personalidade do consumidor é completamente
envolvida através de estímulos sentimentais e intelectuais (SOUZA; LOPES; SILVA, 2013).
Outro fator que pode contribuir para uma aprendizagem significativa consiste em definir
os objetivos de aprendizagem. Esses objetivos de aprendizagem são definidos como a
estruturação de maneira consciente do processo educativo de maneira a cunhar um caminho de
oportunidades de transformações de pensamentos, ações e condutas. Essa estruturação deriva
do planejamento pertinente a escolha de conteúdo, de metodologias, de estratégias, de recursos
disponíveis e de mecanismos de avaliação (FERRAZ, BELHOT, 2010).
29
Também, é imprescindível que na delimitação dos objetivos de aprendizagem sejam
definidos os objetivos de instrução de ensino cognitivos, de atitudes e de competências
necessárias para a disciplina. Contudo, nem todos os objetivos são bem definidos e estão
subentendidos ao processo de aprendizagem, pois em muitos casos são conhecidos
exclusivamente pelo autor (VAUGHAN, 1980).
Conforme aponta Ferraz e Belhot (2010), os educadores desejam que os seus alunos
absorvam os conteúdos e atinjam um nível de conhecimento sobre determinadas matérias
incompatível com as estratégias adotadas, os conteúdos expostos, os procedimentos e os
objetivos. Ainda, Ferraz e Belhot (2010) ressaltam que os educadores se sentem despreparados
para realizar a definição dos objetivos de aprendizagem do curso/disciplina quando diferentes
daquilo que estão acostumados.
A definição específica e elaborada dos objetivos de ensino e aprendizagem,
considerando a obtenção de conhecimento e de competências correspondentes ao perfil
profissional a ser formado, guiará o processo de ensino para a preferência adequada de
estratégias, métodos de ensino, seleção de conteúdo específico, técnicas de avaliação e, por
conseguinte, para uma aprendizagem eficaz e vagarosa (FERRAZ; BELHOT, 2010). Nesse
contexto, na próxima sessão será apresentada a Taxonomia (corresponde a ciência de
classificação, denominação e organização de um sistema pré-determinado e que tem como
resultante um framework conceitual para discussões, análises e/ou recuperação de informação)
proposta por Bloom et al. (1956), que pode vir a simplificar o processo de ensino e
aprendizagem, com o objetivo de ajudar no planejamento, na organização e no controle dos
objetivos de aprendizagem.
2.2.1 Taxonomia de Bloom
Existem diversos instrumentos que apoiam o planejamento didático-pedagógico, a
organização, a estruturação de processos e a escolha de métodos de avaliação. Um dos
instrumentos adequados para ser utilizado no ensino superior é a Taxonomia de Bloom, porém
não são muitos os educadores que fazem uso desse instrumento por desconhecerem a maneira
adequada de utilizá-lo. Sendo assim, a Taxonomia proposta por Bloom é considerada um
instrumento que harmoniza a identificação e a declaração dos objetivos ligados ao
desenvolvimento cognitivo no que se refere à conquista de conhecimento, a competências e a
atitudes, buscando descomplicar o planejamento do processo de ensino e aprendizagem
(FERRAZ; BELHOT, 2010).
30
Bloom et al. (1956) aponta duas vantagens principais de se utilizar a taxonomia no
contexto de ensino-aprendizagem:
a) contribuir como uma alicerce para a invenção de instrumentos de avaliação e de
utilização de estratégias que se destacam para avaliar, facilitar e instigar o
desempenho dos alunos em diversos níveis de aquisição de conhecimento; e,
b) motivar os educadores a prestarem auxílioaos seus discentes, de forma
sistematizada e consciente, a adquirirem competências específicas visando
ampliarem a sua percepção sobre as necessidades de dominar os fatos de
assuntos mais simples e, posteriormente, conceitos mais complexos.
A taxonomia de Bloom é constituída por três domínios: i) cognitivo; ii) afetivo; e, iii)
psicomotor. Nesse sentido, Guskey (2001), Bloom et al. (1956), Bloom (1972), School of
Education (2005) e Clark (2006), definem as particularidades necessárias de cada domínio:
a) cognitivo: consiste em dominar um conhecimento relacionado ao aprender. Esse
domínio está conectado ao desenvolvimento intelectual, de habilidades e de
atitudes, ou seja, envolve a aquisição de um novo conhecimento.
Reconhecimento de fatos específicos, procedimentos padrões e conceitos que
estimulem o avanço constante do intelecto são fatores reconhecidos. Nesse
domínio existem seis hierarquias de complexidade e dependência, iniciando na
mais simples e a última sendo a mais complexa. Nesse caso, as categorias são:
i) lembrar; ii) entender; iii) aplicar; iv) analisar; v) avaliar; e, vi) criar;
b) afetivo: consiste em sentimentos e posturas. As categorias identificadas
correspondem a desenvolvimento da área emocional e afetiva, comportamental,
atitude, responsabilidade, respeito e valores, quais sejam: i) receptividade; ii)
resposta; iii) valorização; iv) organização ou conceituação de valores; e, v)
internalização de valores; e,
c) psicomotor: consiste nas habilidades físicas específicas. Não foi definido pela
equipe de Bloom uma taxonomia para essa área, mas as categorias incluem: i)
imitação; ii) manipulação; iii) precisão; iv) habilidades articulação; e, v)
naturalização.
Há uma diferenciação na capacidade do ser humano de aprender. Dessa forma, por
muito tempo se acreditou que o desempenho de um discente era melhor devido as circunstâncias
e as variáveis vivenciadas fora do ambiente educacional, bem comoestando os alunos em
condições de aprendizagem semelhantes, todos aprenderiam de forma igualitária o conteúdo
31
(BLOOM, 1944; BLOOM, 1972). Porém, Bloom em conjunto com a sua equipe demonstrou
em seus estudos uma descoberta muito significativa: nas mesmas condições de ensino (não
levando em conta as variáveis externas do ambiente educacional) todos os alunos aprendiam,
todaviase distinguiam em relação ao grau de profundidade e absorção do conhecimento
aprendido (BLOOM; HASTINGS; MADAUS, 1971).
Destarte, Ferraz e Belhot (2010) acreditam que essa diferença pode estar ligada as
estratégias determinadas nos estilos de ensino e aprendizagem, bem como na coordenação dos
processos de aprendizagem para instigar o desenvolvimento cognitivo. Os autores ainda
ressaltam que a taxonomia possibilitou padronizar a linguagem no meio acadêmico, assim como
novas discussões acerca dos assuntos pertinentes à definição de objetivos de ensino e
aprendizagem. Dessa forma, ferramentas de aprendizagem podem ser aplicadas de maneira
mais unificada e estruturada, apreciando os avanços tecnológicos que possibilitam criar
diversas ferramentas inovadoras que visam simplificar o processo de ensino e aprendizagem.
O domínio cognitivo é dividido por níveis de complexidade que vão aumentando
consideravelmente (do mais simples ao mais complexo e do concreto para o abstrato). Isso
significa que para o aluno adquirir uma nova habilidade que está no próximo nível, ele deve ter
dominado e adquirido a habilidade do nível inferior. Sendo assim, a taxonomia possibilita a
organização hierárquica dos processos cognitivos em concordância com os níveis de
complexidade e objetivos do desenvolvimento cognitivo desejado e planejado (FERRAZ;
BELHOT, 2010).
Na Figura 5 é possível observar a categorização, conforme o domínio cognitivo da
Taxonomia de Bloom, a qual foi estudada em maior profundidade.
Figura 5 - Categorização do domínio cognitivo da Taxonomia de Bloom
Fonte: Adaptado de Anderson et al. (2001).
1. Lembrar
2. Entender
3.
Aplicar
4. Analisar
5.
Avaliar
6. Criar
32
Em 2001, foi divulgada uma revisão e atualização da Taxonomia de Bloom de 1956 em
um livro intitulado A taxonomy for learning, teaching and assessing: a revision of Bloom’s
taxonomy for educational objectives. Para esse processo, foi selecionado um novo grupo de
especialistas, comandado por David Krathwohl que participou do desenvolvimento da
taxonomia original de 1956. Nessa revisão foram apresentados os pressupostos teóricos da
Taxonomia de Bloom acrescidos de novos conceitos, recursos e teoriasvinculados ao campo
educacional, avanços psicopedagógicos e mudanças tecnológicas, além de diversas
experiências de sucesso relacionadas a taxonomia que foram publicadas ao longo dos anos
(ANDERSON et al., 2001).
Figura 6 - Estrutura do processo cognitivo da Taxonomia de Bloom revisada e atualizada Nível da
categoria
Descrições de
comportamento
Exemplos de atividade a ser treinado,
ou demonstração e prova a ser medido
"palavras-chave
1.
Lembrar
Lembre-se ou
reconhecer informações
Teste de múltipla escolha, fatos
recontagem ou estatísticas, recordar um
processo, regras, definições, direito ou
procedimento
Organizar, definir,
descrever, listar, memorizar,
reconhecer, relacionar,
reproduzir, selecionar
2.
Entender
Compreender o sentido
das informações,
interpretar, extrapolar
Explicar ou interpretar o significado de
um determinado cenário ou declaração,
sugerir o tratamento, reação ou solução
para determinado problema, criar
exemplos ou metáforas
Explicar, reformular,
classificar, resumir, ilustrar,
traduzir, discutir, reescrever,
interpretar, teorizar,
referenciar, exemplificar
3.
Aplicar
Usar ou aplicar o
conhecimento, colocar a
teoria em prática, utilizar
o conhecimento em
resposta às
circunstâncias reais
Colocar uma teoria em prática,
demonstrar, resolver um problema,
gerenciar uma atividade
Usar, aplicar, descobrir,
gerenciar, executar, resolver,
produzir, implementar,
preparar, conduzir, executar
4.
Analisar
Interpretar elementos,
princípios de
organização, construção,
relações internas;
qualidade, viabilidade
dos componentes
individuais
Identificar as partes e funções de um
processo ou conceito, constitutivos ou
desconstruir uma metodologia ou
processo, tornando avaliação qualitativa
dos elementos, relacionamentos, valores e
efeitos; requisitos medida ou
necessidades
Analisar, quebrar, catalogar,
comparar, quantificar,
medir, testar, analisar,
experimentar, relacionar
5.
Avaliar
Avaliar a eficácia dos
conceitos inteiros, em
relação aos valores,
saídas, eficácia e
viabilidade; pensamento
crítico, comparação de
estratégias e avaliação;
decisão em matéria de
critérios externos
Rever as opções estratégicas ou planos em
termos de eficácia, praticidade; avaliar a
sustentabilidade; realizar uma análise das
alternativas; produzir uma justificação,
calcular os efeitos de um plano ou
estratégia; realizar uma análise de risco
detalhado com recomendações e
justificativas
Rever, justificar, avaliar,
apresentar um caso para,
investigar, discutir,
gerenciar
6. Criar Desenvolver novas
estruturas únicas,
sistemas, modelos,
abordagens, ideias;
pensamento criativo,
operações
Desenvolver planos ou procedimentos,
soluções de design, integrar métodos,
recursos, ideias, criar equipes ou novas
abordagens, escrever protocolos e
contingências
Desenvolver, planejar,
construir, criar, design,
organizar, rever, formular,
propor, montar, integrar,
reorganizar, modificar
Fonte: Adaptado de Anderson et al. (2001).
33
Ao avaliar a relação direta entre verbo e substantivo na revisão e atualização da
taxonomia de Bloom demonstrado na Figura 6, os pesquisadores envolvidos concluíram que
verbos e substantivos deveriam estar situados em duas dimensões separadas. Assim, na
dimensão do conhecimento (o que) os substantivos formam a base e os verbos (como) formam
a dimensão dos processos cognitivos. Dessa forma, ao dividir substantivos e verbos,
conhecimento e aspectos cognitivos, surgiu uma visão bidimensional em relação à taxonomia
original (ANDERSON et al., 2001).
Nessa nova revisão e atualização que Anderson et al. (2001) comenta, foram realizadas
mudanças nas subcategorias do conhecimento no domínio cognitivo da tabela bidimensional da
taxonomia de Bloom, sendo estruturadas da seguinte maneira:
a) conhecimento efetivo: abrange o conteúdo básico que o discente deve dominar
para realizar e resolver problemas relacionados a esse conhecimento. Nessa
etapa se destacam: i) o conhecimento da terminologia; e, ii) o conhecimento dos
detalhes e elementos específicos;
b) conhecimento conceitual: refere-se a inter-relação dos elementos básicos em um
contexto mais amplo em que os discentes seriam capazes de descobrir. O
discente deve ter consciência que a existência de um modelo é mais importante
que a sua aplicação. Nessa etapa se destacam: i) o conhecimento de classificação
e categorização; ii) o conhecimento de princípios e generalizações; e, iii) o
conhecimento de teorias, modelos e estruturas;
c) conhecimento procedural: busca demonstrar como realizar determinada
atividade utilizando critérios, métodos, algoritmos e técnicas. Nessa etapa se
destacam: i) o conhecimento de conteúdos específicos, habilidades e algoritmos;
ii) o conhecimento de técnicas especificas e métodos; e, iii) o conhecimento de
critérios e percepção de como e quando utilizar um determinado procedimento;
e,
d) conhecimento metacognitivo: relacionado ao reconhecimento da cognição em
geral e da consciência da magnitude e profundidade de conhecimento adquirido
em relação a um conteúdo especifico. Nessa etapa cabe ressaltar a necessidade
de utilizar conhecimentos adquiridos previamente para resolver problemas, bem
como a seleção do método, teoria ou estrutura mais adequada. Destacam-se: i) o
conhecimento estratégico; e, ii) o conhecimento sobre atividades cognitivas
como contextos, estilos e autoconhecimento.
34
Neste contexto, a tabela bidimensional da taxonomia de Bloom (Figura 7) tem como
intuito estruturar os objetivos educacionais e auxiliar os educadores na preparação do
planejamento e na escolha de tecnologias educacionais e estratégias. Ao elaborar a tabela, os
pesquisadores distinguiram para cada categoria o que estaria relacionado à aquisição do
conhecimento, ao desenvolvimento de habilidade e a competência (FERRAZ; BELHOT, 2010).
Figura 7 - Modelo da tabela bidimensional do processo cognitivo de Bloom com exemplos de
objetivos fictícios Dimensão
conhecimento (o que)
Dimensão processo cognitivo (como)
Lembrar Entender Aplicar Analisar Avaliar Criar
Efetivo/factual Objetivo1
Conceitual/princípios Objetivo2 Objetivo3 Objetivo6
Procedural Objetivo4
Metacognitivo Objetivo5
Conhecimento Competência Habilidade
Fonte: Adaptado de Anderson et al. (2001).
Portanto, como pode ser observado na tabela bidimensional, a dimensão do
conhecimento pertence à coluna vertical e a dimensão do processo cognitivo à coluna
horizontal. Ainda, nas células, formadas pela intersecção das dimensões, são inseridos os
objetivos.
2.3 GAMIFICAÇÃO
O conceito de gamificação (do original em inglês gamification) foi utilizado pela
primeira vez pelo programador de computadores e pesquisador britânico Nick em 2002,
conforme afirma Vianna et al. (2013). Webrach e Hunter (2012), que são uns dos grandes
pesquisadores sobre a gamificação, sustentam que o termo teve origem na indústria da mídia
digital, tendo sido documentado em meados de 2003. Já Deterding et al. (2011a), assegura que
o termo gamificação surgiu na literatura científica em 2008, mas o uso mais amplo do conceito
teve início em 2010. Ainda, Deterding et al. (2011a) aponta que há diversas definições para o
termo, não existindo um conceito estabelecido.
Assim, uma das definições da gamificação por Deterding et al. (2011a) corresponde a
utilização de elementos de jogos em contexto não lúdico com foco para melhorar o engajamento
e a experiência do usuário. Zichermann e Cunnigham (2011) corroboram com a conceituação
ao afirmarem que a gamificação foi utilizada em programas de marketing e aplicações web com
o objetivo de concretizar clientes e usuários das plataformas, além de motivar e engajar. Dessa
forma, o termo gamificação tem sido visto como um conceito que visa esclarecer a proposta de
35
aumentar o engajamento dos clientes de um determinado produto e motivar um comportamento
particular nos usuários por meio do uso de elementos de jogos (FITZ-WALTER;
TJONDRONEGORO; WYETH, 2011).
Deterding et al. (2011a) apresenta outra definição sobre a gamificação em que aponta a
utilização de elementos de design de jogos de videogames em contextos não jogo para elaborar
um produto, serviço ou aplicação mais divertido, envolvente e motivador. Nesse contexto,
Zichermann e Linder (2010) mencionam que a gamificação pode ser considerada como um
processo que usa o game thinking (pensamento de jogo) e mecânicas para envolver os usuários.
Nas palavras de Zichermann e Cunningham (2011), a gamificação utiliza a mecânica de jogo,
como desafios, regras, acaso, recompensas e níveis, para transformar as tarefas diárias em
atividades lúdicas.
Para Hamari e Eranti (2011), o termo começou a se destacar em 2010 quando houve
uma grande popularidade sobre o assunto devido a uma apresentação no TED2 realizada por
Jane McGonigal, uma famosa game designer norte-americana e autora do livro “A realidade
em jogo: Por que os games nos tornam melhores e como eles podem mudar o mundo” visto
como uma das obras primas a respeito da gamificação.
Webach e Hunter (2012) citam que a gamificação é considerada revolucionária, porém
como se trata de um assunto muito atual está sendo desenvolvido um conceito que busca
abordar a diversão em atividades que são realizadas em diversas áreas, como na educação, na
saúde, no marketing, na gestão de relacionamento, na programação de computadores, entre
outras. Desse modo, a gamificação é um conceito poderoso e flexível que pode ser facilmente
aplicado em qualquer problema que será resolvido através da influência humana, da motivação
e do comportamento, utilizando o processo de pensamento de jogo e mecânica do jogo para
envolver os usuários (ZICHERMANN; CUNNINGHAM, 2011).
O conceito de gamificação se vale de ferramentas encontradas nos games, como sistema
de recompensa, sistema de feedback, objetivos e regras claras, interatividade, interação,
diversão, competitividade, entre outras, que apoiam determinados processos, visando atingir o
mesmo grau de motivação e engajamento dos participantes em um contexto semelhante ao que
ocorre na interação com um game prazeroso (FARDO, 2013).
Além disso, a gamificação possui uma diversidade de aplicações que envolvem a
produtividade, as finanças, a educação, a saúde e a sustentabilidade (DETERDING et al.,
2 TED: (acrônimo para Technology, Entertainment, Design; em português: Tecnologia, Entretenimento, Design)
é uma fundação privada sem fins lucrativos dos Estados Unidos, conhecida por suas conferências destinadas à
disseminação de ideias. Suas apresentações são limitadas a dezoito minutos, e os vídeos são divulgados na internet.
36
2011a). No que tange a produtividade, visando melhorar o engajamento, o desempenho e o
relacionamento entre os colaboradores, os gestores se beneficiaram das habilidades poderosas
que os jogos têm e iniciaram a aplicação de elementos dos jogos voltados para os negócios em
contextos de não jogo (GARTNER, 2011a). Ressalta-se que um jogo bem projetado pode
produzir recompensas psicológicas substanciais apenas tocando em motivações intrínsecas dos
participantes (ZICHERMANN; LINDER, 2010).
Também, a gamificação tem sido amplamente aplicada ao Marketing. Em 2014, um
serviço de gamificação para a comercialização de bens de consumo e retenção de clientes se
tornará tão importante como o Facebook, o eBay ou a Amazon, sendo que mais de 70% das
organizações globais e cerca de duas mil organizações teriam pelo menos uma aplicação
gamificada (GARTNER, 2011b).
Um ponto determinante a ser observado é o perigo na utilização de jogos em marketing
como tendência a acreditar que eles são suficientes para motivar os clientes a longo prazo
(ZICHERMANN; LINDER, 2010). Zichermann e Linder (2010) apontam que o desafio central
do marketing para os membros da geração G (gamer) é, principalmente, atender as suas
expectativas de diversão, desafio e sociabilidade, pois devido a sua exposição aos jogos, os
jovens têm criado expectativas em relação a essa potente mistura de benefícios que os jogos
podem trazer em todos os aspectos de suas vidas.
De acordo com Zichermann e Linder (2010), a dinâmica de jogar e vencer é considerada
a base do estilo de vida da geração G que, após compreendida, possibilita comercializar
produtos ou serviços com sucesso com esse grupo emergente e influente de compradores.
Posteriormente, os referidos autores comentam sobre a perspectiva da criação de experiências
que são, ao mesmo tempo, cotidianas, desafiadoras e inspiradoras, relacionando os jogos e
funware (as mecânicas dos jogos aplicadas na vida das pessoas) ao marketing e a marca. Ainda,
Zichermann e Linder (2010) reforçam que o cruzamento entre a mecânica de jogo (desafios,
recompensas, níveis e emblemas virtuais) com produtos ou mensagens subjacentes quando
utilizadas em conjunto são mais interessantes, uma vez que esse conjunto cria oportunidades
enormes para as empresas que observar essa tendência.
Em busca de produzir novas ideias, a gamificação pode ser utilizada no processo de
ideação. Um estudo no MIT Sloan da Escola de Administração descobriu que os jogos de
ideação que utilizam o conceito de gamificação auxiliaram os participantes a gerar mais e
melhores ideias (TOUBIA, 2006).
Outra aplicação da gamificação está na área da saúde. Nesse contexto, Jeffries (2011)
explica que determinados aplicativos de dispositivos móveis, como Fitocracy e Dacadoo, fazem
37
uso da gamificação para incentivar seus usuários a exercerem de forma mais eficaz os exercícios
físicos, bem como melhorar a sua saúde em geral. O autor explana que esses aplicativos contêm
diversos elementos dos jogos, citando como exemplo o recebimento pelos usuários de um
número variável de pontos e emblemas pelas atividades realizadas em seus treinos.
Alguns pesquisadores investigam o uso da gamificação relacionada à motivação
extrínseca em sistemas de computadores. No entanto, muitos sistemas modernos usam a
gamificação para impulsionar as motivações intrínsecas dos usuários, conforme explica Paul et
al. (2013). Ainda, os autores citam alguns exemplos desses sistemas que incluem jogos online,
mundos virtuais, compras on-line, aprendizagem e ensino online, namoro on-line, redes sociais,
entre outros, ressaltando que alguns sistemas de informação de gestão, como o Enterprise
Resource Planning (ERP) e o Customer Relationship Management (CRM), também estão
sendo adaptados para possuírem funcionalidades que a gamificação detém.
A gamificação tem se destacado gradativamente na área da educação. Fardo (2013)
explana que a gamificação irá transpor os métodos de ensino e aprendizagem que existem
atualmente nos games para a educação formal. Para o referido autor, a gamificação propõe
como estratégia aplicável aos processos de ensino e de aprendizagem nas escolas e em
ambientes de aprendizagem, o emprego dos elementos dos jogos, visando aumentar o
envolvimento e a dedicação dos alunos como ocorre nos games.
Desse modo, a gamificação tem sido aplicada em várias áreas. Contudo, alguns autores
fazem críticas severas à gamificação, referindo-se a mesma como inadequada para as pessoas
que não possuem contato com jogos, sendo uma tendência passageira. Slavin (2011) cita que o
Professor Kevin Slavin, do Massachusetts Institute of Technology (MIT), descreveu em sua
pesquisa sobre a gamificação em negócios que tal método se apresenta como falho e enganoso
para aqueles usuários que não são familiarizados com jogos.
Entretanto, as definições a seguir possuem maior aceitação entre os pesquisadores e
representa o âmbito da gamificação:
a) a gamificação corresponde ao uso de elementos de design do jogo em contexto
de não jogo (DETERDING et al., 2011b);
b) a gamificação é um processo de melhoria de um serviço de reconhecimento para
experiências lúdicas, a fim de apoiar a criação de valor para o usuário
(HUOTARI; HAMARI, 2011);
c) a gamificação é o uso de elementos de jogo e técnicas de design de jogos em
contextos não jogo (WERBACH; HUNTER, 2012); e,
38
d) a gamificação implementa conceitos de design de jogos, programas de fidelidade
e economia comportamental para dirigir o envolvimento dos usuários
(ZICHERMANN; LINDER, 2010).
Para compreender como a gamificação está situada nos limites do jogo, Deterding et al.
(2011a) apresenta o modelo na Figura 8, que demonstra a gamificação entre dois eixos: no eixo
horizontal na extrema esquerda é apresentada a ideia de um jogo (no caso, game) completo e
na outra extremidade as partes de um jogo correspondente aos elementos dos jogos. Já no eixo
vertical, a Figura 8 apresenta a brincadeira na extremidade inferior, no sentido de diversão livre
e descontraída em relação a extremidade superior que apresenta um jogo mais sério e formal.
Assim, a gamificação está relacionada com os elementos do jogo e um jogo mais formal, pois
representa uma estrutura com regras e conflito na competição em direção aos objetivos.
Enquanto que brincar representa um formato mais amplo, expressivo, improvisador, bem como
uma variada recombinação de comportamentos e significados dos jogos.
Figura 8 - Contextualização da gamificação
Fonte: Adaptado de Deterding et al. (2011a).
Diante do exposto, verifica-se que a gamificação tem demonstrado seu potencial e se
destacado cada vez mais em diversas áreas. Dessa forma, a gamificação deve ser vista como
39
um fenômeno emergente que detém muitas potencialidades de aplicação em diferentes campos
da atividade humana, uma vez que as estratégias proporcionadas pelos games são extremamente
notórias e dinâmicas na resolução de problemas, além de serem compreendidas e aceitas
naturalmente pelas gerações mais novas (geração Z) em razão de que cresceram interagindo
com entretenimentos tecnológicos (ZICHERMANN; LINDER, 2010).
2.3.1 Elementos da gamificação
Os jogos possuem envolvimento com diversos tipos de artes, buscando criar um
conceito completamente novo. Esse conceito permite criar uma atmosfera diferente eum
ambiente de imersão para os jogadores que proporciona incorporar os personagens e participar
da história do game, sem se limitar apenas ao papel de expectador (ARANHA, 2004).
Percebe-se que a presença dos jogos nos negócios em um futuro próximo será
considerada empolgante. Isso porque o funware (a presença dos jogos ou mecânicas dos jogos
na vida das pessoas) tem como premissa central para os comerciantes a capacidade de conduzir
o comportamento dos clientes de uma forma previsível, ostensiva e focada, transformando
interações diárias dos consumidores das empresas em jogos que tem como objetivo suprir as
necessidades do negócio (ZICHERMANN; LINDER, 2010).
Sistemas gamificados podem ser construídos utilizando apenas pontos, medalhas e
tabelas de líderes, os chamados PBL (Points, Badges and Leaderboards). Esses elementos dos
jogos são essenciais em um jogo, pois possuem o objetivo de proporcionar mudanças no
comportamento das pessoas através de recompensas equivalente às ideias da economia
comportamental (LADLEY, 2011).
A pirâmide dos elementos dos jogos é apresentada por Werbach e Hunter (2012) na
Figura 9. Essa pirâmide é composta por dinâmicas, mecânicas e componentes. A base da
pirâmide é constituída pelos componentes que são o nível mais abstrato dos elementos de jogos.
As mecânicas correspondem a elementos menos abstratos, mais característicos dos jogos e
suportam as ações que podem ser realizadas. As dinâmicas são os temas relacionados à
estruturação do jogo, estando conexas diretamente com a experiência do participante, gerando
uma expectativa em relação à interação dos participantes com o jogo.
40
Figura 9 - Pirâmide dos elementos de jogo
Fonte: Werbach e Hunter (2012).
Nesse sentido, a gamificação corresponde ao uso de mecanismos de jogos orientados
com o objetivo de resolver problemas práticos ou de despertar engajamento entre um público
específico (VIANNA et al., 2013). Como opção alternativa às abordagens tradicionais, esse
conceito tem sido aplicado por empresas dos mais variados segmentos, objetivando encorajar
as pessoas a adotarem determinados comportamentos, se adaptarem a novas tecnologias, tornar
os processos de aprendizado mais efetivos e as tarefas tediosas mais agradáveis (VIANNA et
al., 2013).
As dinâmicas definem uma aplicação gamificada que tem de ser considerada e
administrada, mas talvez todas podem nunca existir diretamente em um jogo. Através da
narrativa do jogo, da forma como o jogador avança no jogo, interage e cria expectativas, as
dinâmicas apoiarão diretamente na relação de experiência que os usuários são capazes de
atingir. A maior parte dos games possuem essas dinâmicas presentes que são exemplificadas
pelos seguintes componentes (WERBACH; HUNTER, 2012):
a) restrições: possuem a função de limitar a liberdade do jogador, ou seja, criar
problemas interessantes e escolhas significativas. Essas escolhas são
responsáveis pelo engajamento do jogador no game, sendo que as ações e
decisões tomadas refletem no decorrer do game;
b) emoções: a diversão é uma das mais importantes, pois representa a experiência
de jogar, reforça um sentimento positivo e faz com que o jogador continue
participando do jogo. Além disso, os jogos podem gerar vários tipos de emoções,
tais como alegria e tristeza;
41
c) narrativa: transmite a ideia na qual a estrutura do jogo se mantém em harmonia,
não necessariamente como um roteiro, mas pode ser como uma coleção de
ideias;
d) progressão: proporciona a ideia de que os jogadores estão avançando no
desenvolvimento do jogo. Assim, percebem que o esforço faz a diferença no
resultado ao invés de tarefas repetitivas; e,
e) relacionamentos: permite interagir com outros jogadores, sendo amigos,
familiares, pessoas da equipe e até mesmo oponentes.
Na percepção de Werbach e Hunter (2012), as mecânicas auxiliam como guias, já que
elas podem estar associadas em uma ou mais dinâmicas. Por exemplo, o sistema de feedback
representa uma avaliação do desempenho do jogador e o sistema de recompensas pode
transmitir a sensação de progressão no jogo. As mecânicas mais conhecidas são as seguintes:
a) desafios: são objetivos a serem realizados depois de definidos que serão
alcançados pelo jogador através de esforço, de tempo, de habilidade e de
criatividade;
b) sorte: uma ação aleatória pode estar associada a um resultado que o jogador não
esperava, criando assim uma emoção que muitas vezes é caracterizada pela
sensação de surpresa;
c) cooperação e competição: ambas tratam da emoção de vencer e perder. A
cooperação se refere a um objetivo em comum, porém é necessário trabalhar em
equipe para alcançá-lo, podendo ser competitivo. Já a competição, foca em
enfrentar seus adversários em um ambiente em que somente um será vitorioso,
sendo possível ser cooperativo. Tanto na cooperação quanto na competição, os
jogadores podem atuar em conjunto ou uns contra os outros;
d) retorno (feedback): é a forma de receber uma avaliação sobre o seu desempenho.
Nota-se o estado do jogador em relação a sua progressão para vencer o jogo,
além de conter informações simples ou sofisticadas;
e) aquisição de recursos: o jogador pode obter itens ao longo do jogo e coletar itens
para auxiliá-lo;
f) recompensas: é um benefício obtido a partir de uma conquista ou ação por atingir
um objetivo;
42
g) transações: significa a troca, a negociação e a venda de algo entre usuários.
Podem ser realizadas entre jogadores ou diretamente com o jogo por meio de
moedas virtuais ou moeda real pela plataforma;
h) turnos: utilizado em jogos de carta, o jogador tem o momento e um tempo
determinado para realizar suas ações nessa oportunidade; e,
i) estado de vitória: objetivo para que o usuário persiga, estado que determina um
vencedor no jogo.
Os componentes são os elementos que podem ser vistos na interface do jogo e também
utilizados na elaboração do jogo, por exemplo, pontos, medalhas, conquistas e conteúdos
específicos para desbloquear, isto é, atua como um sistema de recompensas. Os componentes
mais importantes são (WERBACH; HUNTER, 2012):
a) conquistas: são objetivos pré-definidos que podem resultar aos jogadores
recompensas ou um conjunto específico de tarefas, que culminarão na vitória;
b) avatar: é uma figura com representação visual do jogador de possível
personalização;
c) medalhas: é a forma de recompensa que representa visualmente um atingimento
no jogo de uma conquista;
d) lutas com chefes: é um desafio de maior dificuldade que determina a conclusão
do nível. É apresentado ao final de um nível e se faz necessário para alcançar o
nível seguinte;
e) coleções: são itens colecionáveis, como equipamentos, personagens, entre outros,
que são agrupados no jogo;
f) combate: é um mecanismo de luta e derrota de um oponente, na qual uma parte é
a vencedora e a outra a perdedora;
g) desbloqueio de conteúdo: é obtido através de uma recompensa por engajamento
ou por tempo de uso na aplicação que possibilitará liberar determinadas áreas do
jogo;
h) presentear: é a forma de compartilhar, permitir a troca gratuita de recursos,
benefícios, prêmios entre os jogadores no sistema;
i) quadro de líderes: é a representação visual do desempenho, da progressão dos
jogadores, de seus pontos e de suas conquistas;
j) níveis: é a representação de patamar que ajuda na capacidade e na evolução do
jogador;
43
k) pontos: significa que as ações realizadas contribuem para demonstrar
numericamente a participação do jogador;
l) desafios: são objetivos definidos e relacionados à narrativa que representam ações
esperadas;
m) times: são grupos de equipes que devem trabalhar com outros em busca de um
objetivo;
n) grafo social: é a possibilidade de interagir com companheiros e amigos para saber
o que já desempenharam e o que realizarão no jogo; e,
o) bens virtuais: representam um valor na aplicação, sendo ele virtual ou no mundo
real.
Portanto, o cruzamento entre a mecânica de jogo, como os desafios, as recompensas, os
níveis e os emblemas virtuais, quando envolvidos com produtos ou mensagens subjacentes são
mais interessantes, criando grandes oportunidades para as empresas que observarem essa
tendência (WERBACH; HUNTER, 2012).
2.3.2 Engajamento
A utilização do termo engajamento aplicado às relações de marketing, serviços e
consumo, é relativamente nova (BRODIE et al., 2011). Sua aplicação normalmente estava
relacionada a conceitos sociológicos, psicológicos e de comportamento organizacional.
Também, sua terminologia é muito associada com comportamentos, como participação ou
envolvimento (SASHI, 2012).
Fredricks, Blumenfeld e Paris (2004) propõem uma perspectiva multidimensional do
entendimento do termo, descrevendo três dimensões para o engajamento: comportamental,
cognitivo e emocional, sendo esses processos inter-relacionados. Para Brodie et al. (2011), essa
multidimensionalidade proporciona uma abrangência que conceitua o termo de maneira
adequada, especialmente nas ciências sociais.
O engajamento comportamental diz respeito à conduta positiva e à participação do
agente em determinada atividade ou ação. Já o engajamento cognitivo, engloba um certo
investimento psicológico, uma busca e uma preferência por desafios (FREDRICK;
BLUMENFELD; PARIS, 2004; LEÃO, 2013). Ele é caracterizado pelo esforço do agente para
agir ou compreender processos cognitivamente complexos, bem como para a obtenção de
habilidades difíceis. Também se relaciona com a forma de estruturar as ações ou
comportamentos do agente através de atitudes, como planejar, comparar, categorizar bens ou
44
serviços em um contexto de consumo, por exemplo (FREDRICK; BLUMENFELD; PARIS,
2004; LEÃO, 2013).
Por fim, o engajamento emocional trata do comportamento e das reações positivas e
negativas do agente quanto a um bem ou serviço, sendo o interesse, a excitação, a felicidade, a
ansiedade e o tédio exemplos de tais reações. Além disso, autores também relacionam o
engajamento emocional ao sentimento de pertencimento a determinado grupo e ao valor
sentimental atribuído a determinado bem ou serviço (FREDRICK; BLUMENFELD; PARIS,
2004; LEÃO, 2013).
A definição da Advertising Research Foundation demonstrada por Brodie et al. (2011),
considera o engajamento do consumidor uma atitude positiva resultante de uma comunicação
de determinada marca e/ou uma determinada categoria (produto/serviço/etc.) através de uma
ferramenta ou meio de divulgação. Dessa forma, acredita-se que o engajamento pode se
transformar em uma ação ou em um comportamento (manifestado através de uma compra ou
atitudes como lealdade). Ou seja, a forma pela qual ocorre a comunicação de um determinado
bem ou serviço influencia na formação do engajamento do consumidor.
2.3.3 Motivação
Para Leão (2013), a motivação e o engajamento possuem uma estreita e progressiva
ligação. Nesse caso, a motivação seria compreendida como as razões para um comportamento,
enquanto que o engajamento seria a ação ou o ato de realizar determinada atividade.
Tendo como base essa relação, a motivação pode ser compreendida como a força
propulsora dirigida para um determinado fim (GADE, 1980) que move uma pessoa, a coloca
em ação ou a faz mudar de curso. Ela, ainda, pode ser vista como um processo e, dessa forma,
suscita ou incita uma conduta por parte do agente (BZUNECK, 2000).
Na visão de Lafreniere, Verner-Filion e Vallerand (2012), a teoria da autodeterminação
traz implicações no sentido de que a motivação pessoal é um constructo multidimensional e que
em virtude disso podem existir diferentes níveis de motivação (o quanto uma pessoa está
motivada), bem como diferentes tipos de motivação.
Assim sendo, é possível dividir os tipos de motivação em intrínseca e extrínseca. A
motivação intrínseca é compreendida como uma propensão inata e natural dos seres humanos
que envolve o interesse humano e exercita a sua capacidade de executar determinada ação ou
comportamento (BZUNECK, 2000). É um fator determinante que pode estimular o consumidor
a agir de um modo (LAFRENIERE; VERNER-FILION; VALLERAND, 2012) e normalmente
45
está associada a sentimentos, como satisfação, prazer, curiosidade ou interesse (BANYTE;
GADEIKIENE, 2015).
Já a motivação extrínseca, não se origina por comportamentos internos do ser humano,
mas sim por estímulos externos que o levam a se comportar de determinada maneira
(LAFRENIERE; VERNER-FILION; VALLERAND, 2012). Tal motivação contrasta com a
motivação intrínseca, uma vez que o motivo que origina a ação muitas vezes se baseia na
obtenção de recompensas materiais ou sociais de reconhecimento, bem como atender aos
comandos ou a pressões de outras pessoas para demonstrar competências e habilidades
(BZUNECK, 2000).
Estudos recentes, como o de Lafreniere, Verner-Filion e Vallerand (2012), bem como
de Banyte e Gadeikiene (2015), associam fatores relacionados a motivação intrínseca e
extrínseca com o consumo de jogos. De acordo com os pesquisadores, a motivação é um
elemento relevante quanto ao consumo de jogos e, portanto, elementos da gamificação podem
influenciar na motivação de determinados consumidores quanto ao ato de consumir.
Williams e Williams (2011) afirmam que a motivação possui um aspecto positivo no
processo de ensino e aprendizagem devido que a intensidade e a qualidade do envolvimento
exigido para aprender dependem dela. Ainda, segundo os autores a motivação corresponde a
um processo psicológico, no qual as características de personalidade dos indivíduos e as
características do ambiente em que estão inseridos interagem entre si e são percebidas pelos
estudantes.
Nesse sentindo, Williams e Williams (2011) apresentam cinco elementos considerados
relevantes que influenciam na motivação dos alunos:
a) estudante: deve ter acesso a uma boa educação;
b) professor: necessita ser bem treinado, concentrar-se e acompanhar o processo
educacional, ser dedicado, sensível e inspirador aos alunos;
c) método: precisa ser criativo, incentivador e atraente, além de fornecer
contribuições para que o aluno o aplique na vida real;
d) conteúdo/processo: deve ser preciso, aceitável, estimulante e pertinente às
necessidades atuais e futuras dos alunos;
e) ambiente: carece ser acessível, seguro, positivo, personalizado e fortalecedor.
46
2.3.4 Gamificação na educação
Ao verificar que as novas tecnologias têm uma poderosa influência sobre todos os
aspectos da sociedade, como no marketing, no entretenimento, no comércio e na saúde,
vislumbra-se que nesse contexto a educação também sofre a influência dos avanços
tecnológicos. Desse modo, a gamificação se destaca pelo grande impacto na forma como se
ensina e aprende, sendo considerada uma tendência emergente na educação (SURENDELEG
et al., 2014).
Erenli (2013) cita que os jogos fazem parte desse contexto tecnológico em que muitos
estudantes se entretém com jogos de computador no seu tempo de lazer, adquirindo habilidades
que podem ser facilmente utilizadas quando se trata de ensinar um determinado conhecimento
mais sofisticado. No entanto, muitos educadores estão desperdiçando a oportunidade de utilizar
o potencial dos jogos para ensinar, mas, por outro lado, alguns docentes estão avaliando os
cenários de jogos e métodos para adaptarem as práticas ao ensino de estudantes através da
gamificação (ERENLI, 2013).
As inovações educacionais são consideradas cada vez mais populares. Juntamente com
tais inovação se encontram os jogos educativos, os emblemas digitais, bem como outras
estratégias da gamificação, como a utilização de recompensas. Através de um experimento
envolvendo 106 alunos, foi investigado os efeitos das recompensas em relação à motivação, ao
envolvimento e à aprendizagem dos alunos. Os alunos que participaram de um jogo educativo
e que receberam recompensas mostraram ganhos significativamente maiores no entendimento
do conceito em relação a um grupo de controle com estudantes que não receberam recompensas
(FILSECKER, HICKEY, 2014).
A gamificação baseada em ensino (Gamification based learning – GBL) tem a
vantagem de introduzir o que realmente se destaca no contexto dos jogos, visando aumentar o
nível de compromisso dos estudantes. O objetivo é extrair os elementos do jogo que fazem bons
jogos agradáveis e divertidos de jogar, adaptar esses elementos e usá-los nos processos de
ensino (SIMÕES, REDONDO, VILAS, 2013). Dessa forma, aprender pode ser divertido se os
alunos estudam como se estivessem jogando um jogo, visto que a aprendizagem não deve ser
uma atividade monótona (SIMÕES, REDONDO, VILAS, 2013).
Diversos frameworks têm sido propostos para ambientes de aprendizagem, como
exemplo Pivec, Dziabenko e Schinnerl, (2004) citam a UniGame que consiste em uma estrutura
para ajudar um professor aplicar GBL em suas aulas. Esta ferramenta é voltada ao ensino
superior e à aprendizagem ao longo da vida (Lifelong learning). Um dos objetivos desse
framework é a possibilidade de utilizar diferentes jogos educativos dentro de diferentes
47
disciplinas com foco em jogos sociais, comunidades virtuais e aprendizagem colaborativa.
Outro framework para GBL foi proposto por De Freitas e Oliver (2006), que é um framework
de quatro dimensões para selecionar e usar jogos que podem também apoiar o processo de
concepção e de desenvolvimento de jogos.
Simões, Redondo e Vilas (2013) apresentaram uma ferramenta social de aprendizagem baseada
na gamificação que visa ajudar os docentes e as instituições de ensino com um conjunto de
ferramentas educacionais poderosas e envolventes para melhorar a motivação e os resultados
de aprendizagem dos discentes. Essa estrutura permite aos professores entregar conteúdos
adaptados aos contextos de aprendizagem e identificar os perfis dos alunos, possibilitando a
escolha das ferramentas de gamificação mais adequadas ao perfil de cada estudante. Esses
autores também apresentam um cenário que descreve como um mecanismo específico pode ser
integrado com um sistema de recompensa baseado em pontos, demonstrando, assim, a
extensibilidade da ferramenta, mas não há nenhuma evidência empírica sobre a eficácia dessa
abordagem.
Já Domínguez et al. (2013), sugerem que a gamificação pode ter um grande impacto
emocional e social sobre os alunos a partir da utilização de elementos dos jogos, como sistemas
de recompensa e mecanismos sociais competitivos, visto que influenciam significativamente
em sua motivação. De acordo com os alunos que participaram do experimento, os sistemas de
recompensa são vistos como inovadores, divertidos e encorajadores, pois representam o
progresso dentro de uma experiência educativa, bem como o quadro de líderes, no qual é
possível observar seu avanço nas atividades instantaneamente e publicamente, assim como
comparar o progresso de outros colegas.
Outros estudos apresentados por Hew et al. (2016), ressaltam que as mecânicas de jogo,
tais como emblemas, pontos e quadro de líder, podem agir como incentivos poderosos no
engajamento dos alunos em contextos educativos na Ásia, sem efeitos negativos na
aprendizagem do conhecimento real dos alunos.
Em um esforço para entender melhor como a gamificação pode efetivamente ser
utilizada para aumentar a motivação e o desempenho dos alunos em sala de aula, Stott e
Neustaedter (2013) apresentam em seu estudo que o uso da gamificação pode ser considerada
uma poderosa ferramenta para orientar o processo de ensino e de aprendizagemTais autores
citam que ao se utilizar a gamificação com sabedoria, os professores podem direcionar seu
ambiente de sala de aula para o sucesso aumentando tanto o engajamento quanto a realização
dos alunos. Entretanto, os autores ressaltam que como acontece com qualquer referencial
48
pedagógico, um educador deve ter cuidado para considerar o contexto de ensino no qual está
envolvido, quem são os seus alunos e quais são os objetivos comuns da turma.
2.3.4 Conceitos de gamificação do escopo da pesquisa
Nessa Dissertação a definição de gamificação utilizada é relacionada as práticas
educacionais, devido a satisfazer o maior número de aspectos do escopo dessa pesquisa, bem
como ser uma prática mais compreensiva e menos suscetível a críticas.
Apesar das diversas abordagens em que a gamificação pode ser aplicada, Ladley (2011)
propõe que a gamificação seja vista como uma abordagem voltada para mudança
comportamental. Já Sheldon (2012), acredita que a gamificação detém uma abordagem
direcionada para a construção de experiências significativas para os indivíduos participantes
das atividades gamificadas.
Alguns conceitos de gamificação sobre o ensino e a aprendizagem são apresentados por
Kapp (2012), o qual refere que todo educador realiza uma espécie de jogo com os seus alunos,
sugerindo desafios e oferecendo soluções. O autor ressalta que o uso da gamificação na
educação não concede apenas pontos aos alunos toda vez que visualizam uma atividade online
ou completam um desafio, mas os engajam em diversas atividades educacionais.
Kapp (2012) afirma que a gamificação é o uso de mecânicas, estética e pensamentos dos
games que envolvem as pessoas, motivam a ação, promovem a aprendizagem e resolvem
problemas. O autor complementa sua definição alegando que a aplicação do pensamento de
jogo deve ser utilizada cuidadosamente para resolver os problemas e incentivar a aprendizagem,
fazendo uso de todos os elementos dos jogos necessários.
Despertar a curiosidade, promover a interação e a troca de experiências, dar margem
para erros e apresentar conteúdos em que o aluno tenha liberdade para tomar decisões são
maneiras vistas por Kapp (2012) de se utilizar outras estratégias dos games que se bem
utilizadas podem fazer os alunos serem mais comprometidos em suas tarefas. De acordo com
Johnson (2005), é imprescindível discutir a finalidade, promover debates e aprofundar esse
conceito emergente, cujo tema vem sendo adotado na futura educação do país.
Dessa forma, a gamificação utilizada na área do ensino e da aprendizagem possui um
campo em potencial a ser considerado e explorado. Atualmente as pessoas estão cada vez mais
presentes nos ambientes em que a tecnologia e as mídias digitais se destacam, sendo necessário
novas abordagens e estratégias para influenciar os estudantes, devido aos mesmos se mostrarem
desanimados e desmotivados em relação as metodologias de aprendizagem utilizadas na
maioria das instituições de ensino (FARDO, 2013).
49
3 MODELO TEÓRICO E HIPÓTESES DA PESQUISA
Com base nos temas de inovação em ensino e aprendizagem e tendo como fator
moderador a gamificação, essa pesquisa foi realizada em IES com cursos de gestão como
Administração, Sistemas de Informação, Computação, Contabilidade e Engenharia da
Produção, situadas no norte do estado do Rio Grande do Sul. Essa região possui significativa
relevância no setor educacional, destacando-se como polo regional no setor de educação, pois
conta com trinta e três IES nos municípios.
No intuito de analisar a relação entre a inovação de ensino e a aprendizagem em cursos
de Gestão de IES do norte do RS, desenvolveu-se o conceito dessa Dissertação de mestrado
(Figura 10), o qual foi utilizado a fim de avaliar se a inovação em ensino esta positivamente
relacionada com a aprendizagem e se a gamificação atua como fator mediador entre a inovação
em ensino e a aprendizagem, analisando, ainda, o efeito moderador do método de ensino.
Figura 10 - Modelo de análise
Fonte: Elaborado pelo autor (2016).
A inovação está conectada a processos econômicos da organização, métodos de
produção, processos, serviços e mercados que fazem com que essa organização se torne
competitiva no mercado (SCHUMPETER, 1934; PORTER, 2001). Pressupõe-se que o mercado
educacional seja muito competitivo na região norte do RS devido ao grande destaque e
quantidade de IES, porém elementos relevantes em processos e serviços ofertados pelas IES,
50
que influenciam no ensino e na aprendizagem de seus alunos, são considerados motivos
importantes para essa pesquisa.
Um fator que pode contribuir para uma aprendizagem significativa consiste em definir
os objetivos de aprendizagem. Esses objetivos de aprendizagem são definidos como a
estruturação de forma consciente do processo educacional de modo a criar um caminho de
oportunidades, de mudanças de pensamentos, de ações e de condutas (FERRAZ, BELHOT,
2010). É imprescindível que na delimitação dos objetivos de aprendizagem sejam definidos os
objetivos de instrução de ensino cognitivos, as atitudes e as competências necessárias para a
disciplina, uma vez que nem sempre os objetivos são bem definidos (VAUGHAN, 1980).
Há uma distinção na capacidade humana de aprendizagem. Por muito tempo se
acreditou que o desempenho de um aluno era superior ao de outro devido a situações e variáveis
existentes fora do ambiente educacional, no qual nas mesmas condições de aprendizagem todos
aprenderiam de forma igualitária o conteúdo (BLOOM, 1944, BLOOM, 1972). Porém, em
estudos realizados por Bloom se constatou que todos os alunos aprendem, mas se diferenciam
em relação ao nível de profundidade e abstração do conhecimento adquirido (BLOOM;
HASTINGS; MADAUS, 1971).
Ferraz e Belhot (2010) acreditam que essa diferença pode estar ligada as estratégias
determinadas nos estilos de ensino e de aprendizagem, bem como na organização dos processos
de aprendizagem para estimular o desenvolvimento cognitivo. Os autores Song e Motoya-
Weiss (1998) relacionam o processo de inovação incremental de um produto com fatores como
aprimoramento, refinamento e adaptação. Percebe-se que as IES para se manterem competitivas
no mercado constantemente estão aprimorando, refinando e adaptando seus processos e
serviços. Assim, nesse cenário a integração de novas tecnologias em contextos de aprendizagem
existentes proporcionam mudanças significativas nos processos de aprendizagem globais e em
seus resultados (MAZMAN; USLUEL, 2010). Dessa forma, deve-se considerar que os avanços
tecnológicos proporcionam novas e diferentes ferramentas para facilitar o processo de ensino e
aprendizagem.
Uma série de abordagens consideradas inovadoras e que influenciam positivamente na
aprendizagem dos alunos vem sendo aplicadas na educação, como por exemplo a aprendizagem
baseada em problemas (DOLMANS et al., 2005) e a aprendizagem baseada em experiências
(ANDRESEN, BOUD; COHEN, 2000; RUBEN, 1999). Outras abordagens consideram a
realocação da sala de aula com intuito de promover o ensino e a aprendizagem, na qual técnicas
de ensino virtuais são utilizadas na educação à distância, alguns exemplos são as plataformas
web educacionais, as plataformas de e-learning, moodle, assim como o uso de redes sociais em
51
um contexto acadêmico (REDONDO et al., 2011; ARROITIA; NINET, 2010; MAZMAN;
USLUEL, 2010). Diante do exposto, desenvolveu-se a seguinte hipótese:
H1: A inovação em ensino está positivamente relacionada à aprendizagem.
As inovações educacionais são consideradas cada vez mais populares, ao lado de tais
inovações se encontram os jogos educativos, os emblemas digitais, bem como outras estratégias
da gamificação, como por exemplo, a utilização de recompensas (FILSECKER, HICKEY,
2014). Os métodos de ensino baseados em experiências contemplam abordagens mais
complexas e diversificadas para os processos e os resultados da aprendizagem que permitem a
interatividade, promovem a colaboração e a aprendizagem entre os estudantes, permitem
abordar questões cognitivas, bem como questões de aprendizagem afetivas e, talvez o mais
importante, promovem a aprendizagem ativa (RUBEN, 1999).
Aliar características da gamificação, como a inserção de dinâmicas, desafios,
recompensas, competição, interatividade, entre outras, pode ser uma alternativa interessante
para a comunicação de determinado produto ou serviço (SOUZA; LOPES; SILVA, 2013). A
presença de tais elementos pode contribuir para uma aprendizagem significativa e
consequentemente uma retenção de informações maior (SOUZA; LOPES; SILVA, 2013). A
gamificação é definida como um processo de melhoria de um serviço de reconhecimento para
experiências lúdicas, a fim de apoiar a criação de valor para o usuário (HUOTARI; HAMARI,
2011). A partir dessas premissas, desenvolveu-se a seguinte hipótese:
H2a: A inovação de ensino está positivamente relacionada com o Engajamento para
Aprendizagem.
A gamificação tem se destacado gradativamente na área da educação. Nesse sentido,
Fardo (2013) comenta que a gamificação irá transpor os métodos de ensino e de aprendizagem
que existem atualmente nos games para a educação formal. O autor complementa explicando
que a gamificação propõe como estratégia aplicável aos processos de ensino e de aprendizagem
nas escolas e em ambientes de aprendizagem, o emprego dos elementos dos jogos, os quais
visam aumentar o envolvimento e a dedicação dos alunos, como nos games.
Conforme comentado por Williams e Williams (2011), a motivação possui um aspecto
positivo no processo de ensino e de aprendizagem, uma vez que a intensidade e a qualidade do
envolvimento exigido para aprender dependem dela. Kapp (2012) afirma que a gamificação é
o uso de mecânicas, de estética e de pensamentos dos games para envolver as pessoas, motivar
a ação, promover a aprendizagem e resolver os problemas. Nesse sentido, o uso de mecanismos
de jogos (gamificação) orientados ao objetivo de resolver problemas práticos ou de despertar
engajamento entre um público específico é visto como uma opção alternativa às abordagens
52
tradicionais que busca motivar as pessoas a adotarem determinados comportamentos, se
adaptarem a novas tecnologias, tornar os processos de aprendizagem mais efetivos e as tarefas
tediosas mais agradáveis (VIANNA et al., 2013).
A gamificação baseada em ensino (Gamification based learning – GBL) tem a
vantagem de introduzir o que realmente se destaca no contexto dos jogos com o intuito de
aumentar o nível de compromisso dos estudantes (SIMÕES, REDONDO, VILAS, 2013). Em
um esforço para entender melhor como a gamificação pode efetivamente ser utilizada para
aumentar a motivação e o desempenho dos alunos em sala de aula, Stott e Neustaedter (2013)
apresentam em seu estudo que o uso da gamificação pode ser considerada uma poderosa
ferramenta para orientar o processo de ensino e de aprendizagem.
Desse modo, a gamificação direcionada para a área de ensino e de aprendizagem possui
um campo em potencial a ser considerado e explorado. Atualmente as pessoas estão cada vez
mais presentes nos ambientes em que a tecnologia e as mídias digitais se destacam, sendo
necessário novas abordagens e estratégias para influenciar os estudantes, pois os mesmos se
mostram desanimados e desmotivados em relação as metodologias de aprendizagem utilizadas
na maioria das instituições de ensino (FARDO, 2013). Diante da possibilidade da gamificação
ser considerada uma técnica inovadora que pode ser usada no ensino e que influência na
aprendizagem dos alunos, desenvolveu-se a seguinte hipótese:
H2b: O Engajamento para Aprendizagem media a relação entre a inovação de ensino e
a aprendizagem.
A estruturação de forma consciente do processo educacional ocorre em decorrência do
planejamento pertinente a escolha de conteúdo, de procedimentos, de atividades, de estratégias,
de recursos disponíveis, de instrumentos de avaliação e da metodologia (FERRAZ, BELHOT,
2010). As simulações, os jogos e as outras formas de aprendizagem fundamentadas em
experiências representavam uma alternativa atraente e inovadora para ministrar aulas
tradicionais. Devido a essas razões, causam entusiasmo e euforia em professores e estudantes.
Baseado na experiência ou experimental, os métodos de ensino têm potencial para tratar muitas
das limitações do paradigma tradicional (RUBEN, 1999).
A gamificação baseada em ensino (Gamification based learning – GBL) tem a
vantagem de introduzir o que realmente se destaca no contexto dos jogos, visando aumentar o
nível de comprometimento dos estudantes. O objetivo é extrair os elementos do jogo que tornam
os jogos agradáveis e divertidos de jogar, adaptar esses elementos e usá-los nos processos de
ensino (SIMÕES, REDONDO, VILAS, 2013). A partir dessas concepções foi elaborada a
hipótese abaixo:
53
H3a: Há um efeito moderador do método de ensino na relação entre a inovação em
ensino e a Engajamento para Aprendizagem.
Os avanços tecnológicos recentes proporcionam uma série de inovações na área
acadêmica e educacional (STRAYER, 2012). A forma como a estrutura da sala de aula orienta
os alunos para as tarefas de aprendizagem no curso influencia sua motivação em aprender,
sendo assim, a partir da utilização de métodos de ensino inovadores os alunos se tornam mais
abertos a aprendizagem (STRAYER, 2012).
A integração de novas tecnologias em contextos de aprendizagem existentes trouxe
mudanças significativas nos processos de aprendizagem globais (MAZMAN; USLUEL,
2010).. A inovação tecnológica se apresenta como uma grande aliada ao ensino e a
aprendizagem, oportunizando a aquisição de novos conhecimentos através de processos de
aprendizagem subliminares, eficazes e suaves ao participar de situações interativas agradáveis
que são mediadas por meio de ferramentas e conteúdos interessantes e motivadores
(MAZMAN; USLUEL, 2010). Dessa forma, elabora-se a seguinte hipótese:
H3b: Há um efeito moderador do método de ensino na relação entre a inovação em
ensino e a aprendizagem.
Aliar características da gamificação, como a inserção de dinâmicas, de desafios, de
recompensas, de competição e de interatividade, apresenta-se como uma alternativa
interessante para a comunicação de determinado produto ou serviço (SOUZA; LOPES; SILVA,
2013). A presença de tais elementos contribui para que uma aprendizagem significativa (e,
consequentemente, uma retenção de informações maior) seja obtida. Além disso, a
aprendizagem é mais profunda, eficaz e duradoura quando a personalidade do consumidor é
completamente envolvida (através de estímulos sentimentais e intelectuais) (SOUZA; LOPES;
SILVA, 2013). Dessa forma, aprender pode ser divertido se os alunos estudam como se
estivessem jogando um jogo, visto que a aprendizagem não deve ser uma atividade monótona
(SIMÕES, REDONDO, VILAS, 2013). A partir dessa premissa, formula-se a seguinte
hipótese:
H3c - Há um efeito moderador do método de ensino na relação entre a Engajamento
para a Aprendizagem e a aprendizagem.
Com base na literatura disponível, produziu-se as hipóteses supracitadas para analisar a
relação entre a inovação em ensino e a aprendizagem, tendo como mediador a gamificação e o
método de ensino como moderador nos cursos de Administração, Sistemas de Informação e
Computação, Contabilidade e Engenharia da Produção, de 5 Instituições de Ensino Superior do
norte do estado do Rio Grande do Sul.
54
4 MÉTODO
A presente Dissertação buscou analisar a relação entre a inovação em ensino, o
engajamento para aprendizagem, a aprendizagem, e o efeito da gamificação em Instituições de
Ensino Superiordo norte do estado do Rio Grande do Sul. No intuito de familiarizar o autor
com o problema, torná-lo mais explícito e contribuir para as hipóteses, foi realizada uma
pesquisa quantitativa descritiva elaborada através de uma survey (YIN, 2009; HAIR Jr; BUSH;
ORTINAU, 2000). Nesse sentido, Gil (2007) aponta dois fatores relevantes para esse tipo de
pesquisa que envolvem: i) levantamento bibliográfico; e, ii) análise de exemplos que estimulem
a compreensão.
Sobre a pesquisa quantitativa, a mesma se concentra na objetividade, influenciada pelo
positivismo, bem como pondera que a realidade somente pode ser compreendida com base na
análise de dados coletados com a assistência de instrumentos padronizados e neutros. Sendo
assim, a pesquisa quantitativa recorre à linguagem matemática para delinear os ensejos de um
determinado fenômeno, as relações entre variáveis, entre outros (FONSECA, 2002).
A partir da definição do objetivo de pesquisa, foi definido que os meios de investigação
mais adequados correspondem a coleta de dados que envolve a pesquisa bibliográfica
(MALHOTRA, 2006). A Figura 11 ilustra os procedimentos metodológicos que foram
aplicados nesse estudo.
55
Figura 11 - Sequência metodológica da pesquisa
Fonte: Elaborado pelo autor (2016).
4.1 POPULAÇÃO E AMOSTRA
O universo da pesquisa foi constituído por 5 Instituições de Ensino Superior (IES)
localizadas na região norte do Rio Grande do Sul. Desse universo, definiu-se uma amostra não
probabilística e por conveniência de 311 alunos dos cursos de gestão, os quais foram
submetidos a dois experimentos distintos.
Nesse sentido, realizou-se um pré-teste que consiste na aplicação de um questionário
com cerca de 30 participantes que detêm as mesmas características da população-alvo, visando
eliminar problemas do instrumento. Para o pré-teste, utilizou-se uma amostragem não
probabilística por conveniência, tendo sido escolhida uma turma do curso de Administração de
uma IES (HAIR Jr.; BUSH; ORTINAU, 2000; MALHOTRA, 2012). Ressalta-se que os dados
coletados no pré-teste foram adicionados na coleta final.
Conforme Hair Jr. et al. (1998), para determinar a quantidade da amostra devem ser
utilizados, no mínimo, 10 respondentes para cada variável observável ou a regra de, no mínimo,
200 respondentes para a determinação do tamanho mínimo da amostra (KLINE, 2005). A partir
desse pressuposto, a amostra final foi analisada com 311 casos, estando de acordo com a
sugestão de Hair Jr. et al. (1998) e Kline (2005).
56
4.2 TÉCNICA DE COLETA DE DADOS
No que tange a estratégia de coleta de dados, foram definidas as IES que se destacam
por sua relevância e influência na região norte do RS, visto que essa região é contemplada por
33 IES (SEMESP, 2015). Cabe salientar que a cidade de Passo Fundo se destaca como
referência educacional nesse segmento.
A coleta de dados foi realizada por meio de um questionário (Apêndice A), aplicado
através de contato pessoal. Evidencia-se que a pesquisa foi aplicada a dois grupos de estudantes,
sendo um grupo de controle e outro grupo que vivenciou uma experiência de aula baseada em
conceitos encontrados na literatura sobre os elementos dos jogos (gamificação).
A fim de esclarecer como foi realizado o procedimento de experimento preliminar com
os alunos, demonstra-se a sequência de passos: os alunos foram divididos em dois grupos, sendo
que foi ministrado o mesmo conteúdo para ambos os grupos. O primeiro grupo de controle
continha 107 indivíduos expostos a uma estratégia de aula tradicional, utilizando métodos
expositivos, enquanto que o outro grupo, composto por 207 indivíduos, foi exposto a uma
metodologia de aula com os elementos da gamificação, por exemplo, divisão de equipes, pontos
por tarefas realizadas, quadro de líderes, emblemas de conquistas atingidas, recompensas, entre
outros. O protocolo de como foram realizadas as aulas que utilizaram os elementos dos jogos
(gamificação) foi desenvolvido após a qualificação do projeto de forma detalhada e está
disponibilizado nos anexos.
Aproximadamente 30 minutos decorridos da realização do experimento, aplicou-se o
instrumento de coleta, tendo sido solicitado, primeiramente, que os alunos informassem dados
referentes à aula (medidos de forma nominal). Posteriormente, os alunos opinaram sobre a
inovação na IES, sua relação com o aprendizado na aula, o grau de engajamento e motivação
dos alunos durante a aula, bem como os elementos ligados a gamificação (todas as variáveis
foram medidas através da escala Likert de 5 pontos). Também, foram inseridas questões
demográficas, com o intuito de caracterizar as amostras. Ao final, foi incluído um
questionamento referente à frequência que os respondentes jogam jogos eletrônicos,
objetivando-se controlar uma variável que poderia influenciar nos resultados.
4.2.1 Questionário
Para a realização da pesquisa foi criado um instrumento de coleta de dados adaptado
dos autores citados abaixo e composto por 3 blocos (Figura 12), com a intenção de medir as
seguintes variáveis: i) inovação em ensino (PALADINO, 2007; GUIMARÃES; SEVERO;
SANTINI, 2013); ii) aprendizagem (BLOOM et. al., 1956; BLOOM, 1972; ZIMRING, 2010);
57
e, iii) engajamento para aprendizagem (DETERDING et al., 2011a; HUOTARI; HAMARI,
2011; WERBACH; HUNTER, 2012; KAPP, 2012; LAFRENIERE; VERNER-FILION;
VALLERAND, 2012; ZICHERMANN; LINDER, 2010; FREDRICK; BLUMENFELD;
PARIS,2014; BANYTE; GADEIKIENE, 2015). Esse instrumento de coleta (Figura 12) foi
validado com especialista3 da área de inovação.
As variáveis observáveis relativas às variáveis latentes (Figura 12) são contabilizadas
perante as respostas do questionário (Apêndice A), dentro de um grau de concordância ou
discordância, considerando uma escala Likert de 5 pontos: i) 1 = Discordo totalmente; ii) 2 =
Discordo parcialmente; iii) 3 = Nem discordo, nem concordo; iv) 4 = Concordo parcialmente;
e, v) 5 = Concordo totalmente.
No questionário, os participantes da pesquisa informaram alguns dados complementares
que auxiliaram na caracterização da amostra. Destaca-se que determinados fatores podem
influenciar nos resultados das relações entre os construtos pesquisados, bem como podem se
caracterizar como possíveis moderadores.
3 Dra. Eliana Andrea Severo, professora do Curso de Mestrado do Programa de Pós-Graduação em Administração
da Faculdade Meridional - IMED.
58
Figura 12 - Variáveis Observáveis e Latentes Variáveis Observáveis Variáveis Latentes Fonte
BL1) Qual era o segredo industrial da Gillette para o
século XXI?
Aprendizagem
Adaptado de:
Bloom et. al. (1956);
Bloom (1972);
Zimring (2010);
BL2) Explique, resumidamente sobre Inovação de
Processo?
BL3) Cite pelo menos dois exemplos de inovação de
Processo.
BL4) Correlacione as colunas: (A) Inovação
Incremental; (B) Inovação de Processo; ( ) Mach II; ( )
Equipamento de Fábrica; ( ) UBER; ( ) iPhone 5
BL5) Avaliação: com base no estudo de caso da Gillette
qual a sua avaliação sobre as estratégias adotadas pela
Gillette ao longo dos anos?
BL6) Suponhamos que você seja o dono(a) da Gillette,
qual a próxima Inovação de Processo que você criaria
conforme o histórico da empresa estudado?
IE1) A IES onde você estuda oferece serviços
inovadores e diferentes de outras IES.
Inovação em Ensino
Adaptado de:
Paladino (2007);
Guimarães; Severo;
Santini (2013).
IE2) A IES onde você estuda utiliza novos métodos de
ensino e aprendizagem.
IE3) As técnicas de ensino empregadas em sala de aula
são inovadores e diferentes de outras IES.
AP1) Eu senti facilidade em aprender nesta aula.
Engajamento
para Aprendizagem
Adaptado de:
Deterding et al. (2011a);
Huotari; Hamari (2011);
Werbach; Hunter (2012)
Kapp (2012);
Lafreniere; Verner-
Filion; Vallerand
(2012);
Zichermann; Linder
(2010);
Fredrick; Blumenfeld;
Paris (2014);
Banyte; Gadeikiene
(2015).
AP2) Eu consegui absorver o conteúdo desta aula.
AP3) Eu sinto que aprendi mais com este modelo de
aula.
EG1) Eu me senti envolvido durante a aula.
EG2) Eu interagi com o responsável pela aula.
EG3) Eu me senti engajado nesta aula.
MT1) Eu me senti incentivado a aprender mais sobre o
assunto.
MT2) Os incentivos/recompensas auxiliaram a me
motivar na aula.
MT3) Eu me senti motivado nesta aula.
GM1) Eu me senti incentivado a aprender.
GM2) Eu me empenhei para aprender o conteúdo.
GM3) A forma como a aula foi realizada influenciou no
meu desejo de participar.
Fonte: Própria do autor (2016).
4.3 TÉCNICA DE ANÁLISE DOS DADOS
Nesse estudo foi utilizado a Modelagem de Equações Estruturais (SEM – Structural
Equation Modeling). Tal método não se restringe a uma técnica, mas a um conjunto de
procedimentos metodológicos de análise estatística, quais sejam, a análise de estrutura de
covariância, a análise de variáveis, a análise fatorial confirmatória, a modelagem de caminhos
(path modeling) e a análise de caminhos (path analysis) (HAIR Jr. et al., 1998). Ainda, a SEM
permite estimar outros modelos multivariados que incluem regressão, componentes principais,
correlação canônica e MANOVA (HAIR Jr. et al., 1998).
59
A Modelagem de Equações Estruturais permite investigar como as variáveis
independentes explicam a variável dependente, bem como qual das variáveis independentes é
a mais relevante. Tal explicação também pode ser expressada pelo uso da regressão, porém ao
utilizar a SEM é possível obter mais de uma variável dependente em um único modelo
(MARUYAMA, 1998).
Os construtos ou variáveis latentes podem ser incorporados na análise SEM. Entretanto,
os referidos elementos não podem ser medidos diretamente, mas podem ser representados ou
medidos por duas ou mais variáveis observáveis. A justificativa prática e teórica na melhoria
da estimação estatística se deve a utilização de construtos ou variáveis latentes na modelagem,
na qual explicam de forma mais clara os conceitos teóricos testados (HAIR Jr et al., 1998).
De acordo com Klem (1995) e Maruyama (1998), em uma análise SEM são esperados
dois resultados principais: i) uma estimativa da relevância dos efeitos entre variáveis, deferidos
pelo fato de o modelo mencionado (diagrama de caminhos) estar correto; e, ii) possibilidade de
testar se o modelo é consistente com os dados observados.
Para a análise dos dados coletados, foi realizado uma avaliação preliminar, de modo a
identificar as observações perdidas, assim como a existência de valores atípicos. Para a coesão
da análise dos resultados não será considerado dados perdidos, ou seja, questionários
incompletos ou respostas nulas nem dados atípicos.
A tabulação dos dados de todos os procedimentos supracitados foi realizada com o
suporte dos softwares MICROSOFT EXCEL para Windows, versão 2015. Já para o tratamento
estatístico e para a análise dos dados, foram utilizados o SPSS (Statistical Package for Social
Scienses), versão 22.0 para Windows, e o software AMOS, versão 18, acoplado ao SPSS, versão
22.0.
São sugeridos por Hair Jr. et al. (1998) 7 estágios para a análise SEM. Assim, foram
empregados no processo de análise e interpretação dos dados coletadosos seguintes estágios: i)
desenvolvimento de um modelo teórico; ii) construção de diagrama de caminhos; iii) conversão
do diagrama de caminhos; iv) escolha do tipo de matriz de entrada de dados; v) avaliação da
identificação do modelo; vi) avaliação das estimativas do modelo e da qualidade do ajuste; e,
vii) interpretação e modificação do modelo. Desse modo, na sequência serão apresentados
detalhadamente os estágios aplicados na pesquisa.
60
4.3.1 Desenvolvimento de um modelo teórico
A Modelagem de Equações Estruturais é fundamentada em relações causais em que a
mudança de uma variável influência em outra variável. Tal afirmação é demonstrada quando se
define uma relação de dependência, como na análise de regressão (HAIR Jr. et al., 1998).
As variáveis observadas não podem ser combinadas eventualmente para formar
variáveis latentes no modelo teórico. Sendo assim, pode-se realizar uma análise fatorial
confirmatória para esse caso, porém o pesquisador pode realizar testes tradicionais, como o alfa
de Cronbach, ou conduzir a análise fatorial exploratória tradicional (GARSON, 1998).
As variáveis escolhidas e utilizadas nessa Dissertação consideram os critérios
apresentados por Hair Jr. et al. (1998) e Kline (2005), indicando a base teórica que está
fundamentada em artigos de periódicos e livros. Através do estudo bibliográfico (Figura 2)
realizado, principalmente, na base de dados Scopus ocorreu a combinação das variáveis
observáveis com as variáveis latentes (Figura 12), assim como foram encontradas outras fontes
que possibilitaram a identificação de estudos empíricos em journals relevantes para o estudo.
Para confirmar o modelo proposto (Figura 2) e as relações entre as variáveis de cada
construto, pretendeu-se nessa etapa realizar uma análise fatorial exploratória (AFE) e uma
análise fatorial confirmatória (AFC), com a intenção de verificar a combinação das variáveis
observáveis e as latentes através do alfa de Cronbach (HAIR Jr. et al., 1998) e o índice de
Curtose, nos quais as variáveis são observadas e avaliadas individualmente pelo Coeficiente de
Mardia (MARDIA, 1970; BENTLER; WU, 1995). Ainda, no que tange a AFE, foram
examinadas as cargas fatoriais que representam as correlações entre os indicadores medidos e
a variável latente, na qual o valor aceitável é de 0,7. Outros testes aplicados foram: o teste de
esfericidade de Bartlett, a análise de variância (ANOVA) e a medida de adequação de Kaiser,
Meyer e Olkin (KMO), que auxiliam na comprovação da viabilidade da AFE.
4.3.2 Construção de diagrama de caminho de relações
A particularidade do modelo consiste na tradução das hipóteses descritas em uma série
de equações definidas previamente na forma de um diagrama de caminhos (IRIONDO et al.,
2003). Um diagrama de caminhos além de descrever visualmente as relações, permite ao
pesquisador apresentar não somente as relações entre variáveis dependentes e independentes,
mas também as correlações entre os construtos e até mesmo os indicadores (HAIR Jr. et al.,
1998)
O diagrama dessa pesquisa, que está demonstrado na Figura 10, apresenta a relação entre
inovação em ensino, engajamento para aprendizagem e aprendizagem. As setas direcionais
61
representadas na Figura 10 mostram que há uma relação direta entre os construtos. Ainda, o
digrama foi concebido em um conhecimento a priori das relações causais que é relacionado à
experiência prévia do autor e fundamentado através da teoria apresentada.
4.3.3 Conversão do diagrama de caminhos em um conjunto de modelo estrutural e de
mensuração
A partir da definição do modelo teórico proposto e representado em um diagrama de
caminhos (Figura 10), foi especificado o modelo de equações que define: i) as equações
estruturais que conectam os construtos; ii) o modelo de mensuração que especifica quais
variáveis medidas e quais construtos; e iii) um conjunto de matrizes que indicam quaisquer
correlações teorizadas entre construtos ou variáveis. Assim, objetiva-se conectar definições
operacionais dos construtos com a teoria para a realização do teste empírico mais adequado
(HAIR Jr. et al., 1998).
As equações do modelo determinam os parâmetros que obedecem às relações causais
entre as variáveis, observadas e as latentes, as quais o software emprega para calcular o SEM
(KLINE, 2005). Após o modelo de mensuração ser especificado, utiliza-se um conjunto de
indicadores para medir as variáveis (HAIR Jr. et al., 1998). Nessa pesquisa, as variáveis latentes
e as variáveis observáveis (indicadores) estão apresentadas na Figura 12.
4.3.4 Escolha do tipo de matriz de entrada e estimação do modelo teórico
As decisões tomadas em relação a estimação do modelo proposto, a escolha do tipo de
matriz de entrada e a seleção do procedimento são considerados aspectos relevantes e têm
impacto sobre os resultados (HAIR Jr. et al., 1998). Para a interpretação dos dados o SEM
utiliza a matriz de correlação (correlação de Pearson), devido a possibilidade de se realizar
comparações diretas dos coeficientes dentro de um modelo.
A matriz de correlação é uma matriz de variância e covariância padronizada, na qual a
escala de mensuração de cada variável é removida pela divisão das variâncias e as covariâncias
pela resultante dos desvios padrão. Ressalta-se que o uso da matriz de correlação é apropriado
quando o objetivo é apenas compreender o padrão de relações entre os construtos, sem explicar
a variância total de um construto (HAIR Jr. et al., 1998; KLINE, 2005).
Nesse estudo se investiga as relações e a moderação dos construtos abordados no
modelo representado na Figura 10, com os indicadores (variáveis observáveis) apresentados na
Figura 12. Apesar de não haver um critério definido sobre o tamanho da amostra, existem
alguns fatores que devem ser levados em consideração: i) má especificação do modelo; ii)
62
tamanho do modelo; iii) desvios da normalidade; e, iv) procedimentos de estimação (HAIR Jr.
et al., 1998).
Para garantir um tamanho de amostra que possibilite uma análise aceitável dos dados,
Hair Jr. et al. (1998) aconselha pelo menos 5 a 10 casos por parâmetro. Sendo assim, essa
pesquisa se enquadra dentro do aceitável, contribuindo para a estimativa de máxima
verossimilhança (MLE – Maximum Likelihood Estimation), uma vez que foram coletadas 311
amostras válidas, estando a quantidade de amostras entre 200 e 400 casos. Outro fator a ser
considerado no tamanho da amostra se refere à previsão de que 10% da amostra poderá conter
dados perdidos (missing) e observações atípicas (outliers) (HAIR Jr. et al., 1998; KLINE; 2005;
GRAHAM, 2009).
4.3.5 Avaliação da identificação do modelo estrutural
Após a definição do tipo de matriz de entrada do modelo, buscou-se identificar o modelo
proposto. Nesse tópico foi avaliado e identificado o modelo estrutural, tendo sido definido o
modelo proposto, considerando que o referido modelo proporcionou estimativas favoráveis
para a análise dos objetivos da pesquisa. Também, foi analisado a procura por possíveis indícios
de problemas de identificação, sendo eles: i) erro padrão significativos para um ou mais
coeficientes; ii) falta de habilidade do programa para inverter a matriz de informação; iii)
estimativas exorbitantes ou impossíveis, como variâncias negativas de erro; e, iv) elevadas
correlações (± 0,90 ou mais) entre os coeficientes estimados (HAIR Jr. et al., 1998).
Uma solução para um problema de identificação proposta por Hair Jr. et al., (1998)
considera definir restrições sobre o modelo, ou seja, eliminar alguns coeficientes estimados. De
maneira que gradualmente seja acrescentado mais restrições, eliminando caminhos do diagrama
de caminhos até o problema ser resolvido, ou ainda investigar as correlações entre construtos e
entre as variáveis observáveis. Ao realizar este procedimento buscou-se um modelo que tem
graus de liberdade disponíveis para avaliar, se a quantidade de erro amostral e de mensuração
é aceitável, desta forma proporcionar as estimativas mais próximas da realidade das relações
casuais (HAIR Jr. et al., 1998).
4.3.6 Avaliação de critérios de qualidade de ajuste
O primeiro passo na estimativa dos resultados é a verificação inicial em busca de
estimativas transgressoras, ou seja, uma análise do modelo a qual apresentará estimativas
aceitáveis. Após o modelo ser estabelecido e passar a fornecer estimativas aceitáveis, a
63
qualidade de ajuste deve, então, ser avaliada em diversos níveis, como o modelo geral e,
posteriormente, os modelos de mensuração e estrutural (HAIR Jr. et al., 1998).
Com a finalidade de avaliar a qualidade dos resultados são examinados os resultados
quanto às estimativas transgressoras, isto é, coeficientes que ultrapassam os limites aceitáveis,
entre esses estão: i) variâncias negativas ou não significantes de erros para qualquer construto
(variável latente); ii) coeficientes padronizados excedentes ou muito próximos de 1,0; e, iii)
erros padrão muito grandes associados a qualquer coeficiente estimado. Após o ajuste geral do
modelo, a mensuração de cada construto irá ser avaliada quanto à unidimensionalidade e
confiabilidade das variáveis (HATCHER, 1994; HAIR Jr. et al., 1998).
A significância dos coeficientes estimados é considerada um exame do modelo
estrutural frequentemente utilizado, assim como erros padrão e valores da estatística t
calculados para cada coeficiente. Conforme recomendação de Hair Jr. et al. (1998), nessa etapa
é determinado o nível de significância adequado, definido a priori no valor de 0,05. A média
da equação estrutural total também pode ser calculada através do coeficiente geral de
determinação (R²), semelhante ao encontrado na regressão múltipla. Esse cálculo fornece uma
medida relativa de ajuste para cada equação estrutural. Outro fator estimado nessa etapa são as
prováveis altas correlações. Assim, se houverem valores superiores a 0,8, estes devem ser
examinados, pois podem ser indicativos de problemas (HAIR Jr. et al., 1998).
4.3.7 Interpretação e modificação do modelo
Normalmente os modelos especificados são rejeitados pelos testes de excelência de
adequação devido a sua complexidade e um número grande de restrições existentes. Nesse caso,
o modelo precisa ser modificado para melhorar o ajuste ou sua simplicidade (HAIR Jr. et al.,
1998). De acordo com Klem (1995), ao verificar os resultados de uma análise de caminhos o
pesquisador deve considerar a possibilidade da existência de erros de medidas nas variáveis
observadas, de erros de especificação no modelo, e de multicolinearidade, o que motivaria a
alteração do modelo inicialmente proposto.
Pretende-se, inicialmente, analisar as medidas de ajuste absoluto, que determinam o
grau em que o modelo de mensuração prediz a matriz de covariâncias ou de correlações. Dentre
estas, prevê-se a utilização de: i) valor do Chi-quadrado (X²) do modelo estimado em relação
aos graus de liberdade (GL) (igual ou inferior a 5); ii) índice de qualidade de ajuste (GFI)
(variação de 0 a 1 – quando superior a 0,90 indica a adequação quase perfeita); e, iii) raiz
quadrada da média do erro de aproximação (RMSEA) (entre 0,05 e 0,08, e zero como
adequação perfeita). Ainda, Hair Jr. et al. (2007) e Kline (2005) propõem os testes de índice
64
ajustado de qualidade de ajuste (AGFI) e o índice de adequação da normalidade (NFI) para os
quais ocorrem a variação de 0 a 1, e os valores com boa adequação que se apresentam acima de
0,90, comparando o modelo proposto com o modelo nulo.
65
5 RESULTADOS E DISCUSSÕES
Em relação à questão de pesquisa e os objetivos demonstrados na Figura 1, que
representa o modelo conceitual dessa Dissertação, relacionados aos temas de inovação de
ensino, aprendizagem e engajamento para aprendizagem, foram efetuadas as coletas e o
tratamento estatístico dos dados coletados, resultando na mensuração e na análise da relação
entre a inovação de ensino e aprendizagem tendo como fator moderador o engajamento para
aprendizagem em Instituições de Ensino Superior (IES) situadas no norte do estado do Rio
Grande do Sul com alunos dos cursos de Administração, Sistemas de Informação, Computação,
Contabilidade e Engenharia da Produção. Dessa forma, esse capítulo apresenta: i) análise
descritiva da amostra; ii) análise do modelo proposto; e, iii) análise do modelo final. A análise
dos dados seguiu as recomendações de Hair Jr. et al. (1998) no que tange a análise de equações
estruturais (SEM), demonstradas na Figura 12.
5.1 Análise descritiva da amostra
De acordo com as sugestões de Hair Jr. et al (1998) sobre a análise dos dados da pesquisa
com a aplicação do SEM, os estágios são: i) desenvolvimento de um modelo teórico ilustrado
na Figura 10 para o modelo proposto; ii) elaboração de um diagrama de caminhos,
demonstrando a relação entre os construtos (Figura 10); iii) conversão do diagrama de
caminhos, o qual apresenta as relações causais entre as variáveis observadas e as latentes
(Figura 12); e, iv) definição do tipo de matriz de entrada de dados, possibilitando uma amostra
acima do recomendado que sugere de 5 a 10 casos por parâmetro estimado. Obteve-se na
amostra final 20 casos para cada indicador, o que contribuiu de forma positiva com a estimativa
de máxima verossimilhança (MLE). Os demais estágios indicados por Hair Jr. et al (1998) para
SEM são descritos ao longo da análise dos dados dessa pesquisa. Nesse sentido, com base na
metodologia SEM, a seguir são apresentados os dados e o contexto da pesquisa.
O Estado do Rio Grande do Sul concentra 144 instituições de ensino superior (IES) em
2015, distribuídas em sete Mesorregiões: Metropolitana 41%, Noroeste 22,9%, Nordeste
13,9%, Sudeste 6,9%, Centro Ocidental 6,9%, Sudoeste 4,2% e Centro Oriental 4,2%. Cumpre
ressaltar que, embora o Rio Grande do Sul possua 144 IES, optou-se em concentrar a pesquisa
na região Noroeste, a qual é composta por 216 municípios e se destaca como segundo polo
educacional do estado, uma vez que contém 22,9% das IES (SEMESPE, 2015). Assim, foram
selecionados os municípios de Passo Fundo e Marau para a aplicação da pesquisa. Na Figura
12 são apresentados os dados do ano de 2015 quanto a quantidade de IES no estado do Rio
66
Grande do Sul, a participação das regiões em relação ao Rio Grande do Sul e a quantidade de
municípios.
Figura 13 - Distribuição das IES no Rio Grande do Sul
Mesorregiões Quantidade
de IES
Percentual de IES em
relação ao Rio Grande do
Sul
Municípios
Centro Ocidental Rio Grande do Sul 10 6,9% 31
Centro Oriental Rio Grande do Sul 6 4,2% 54
Metropolitana Porto Alegre 59 41,0% 98
Nordeste Rio Grande do Sul 20 13,9% 54
Noroeste Rio Grande do Sul 33 22,9% 216
Sudeste Rio Grande do Sul 10 6,9% 25
Sudoeste Rio Grande do Sul 6 4,2% 19
Fonte: Adaptado de Semespe (2015).
Na Figura 13 é possível perceber a relevância da Mesorregião Noroeste, visto que
corresponde a segunda maior Mesorregião com 22,9% da aglomeração de Instituições de
Ensino Superior, estando atrás apenas da Mesorregião Metropolitana Porto Alegre. A amostra
dessa pesquisa se constitui em 311 alunos respondentes de 5 cursos distintos, quais sejam,
Administração, Sistemas de Informação, Computação, Contabilidade e Engenharia da
Produção. As coletas foram realizadas nas seguintes Instituições de Ensino Superior: Faculdade
Meridional (IMED), Universidade de Passo Fundo (UPF), Faculdade Anhanguera, Centro de
Ensino Superior Riograndense (CESURG) e Associação Brasiliense de Educação (FABE) da
Mesorregião Noroeste. Dessa forma, essa amostra é considerada não probabilística, devido as
IES terem sido selecionadas pela facilidade de acesso (HAIR Jr.; BUSH; ORTINAU, 2000).
Na Figura 14 se nota a proporção de coletas em cada Instituição de Ensino Superior com suas
respectivas porcentagens, porém cabe ressaltar que a Faculdade Meridional (IMED) se
sobressai, correspondendo a 54,3% em relação as demais IES, devido a facilidade de acesso a
Instituição.
Entre os dias 09 a 10 de agosto de 2016 foram realizados dois testes pilotos, sendo um
com o método de ensino gamificado e outro com o método de ensino tradicional. A partir das
aplicações, foram obtidos 21 questionários. Com o intuito de ampliar a coleta, entre os dias 11
de agosto a 06 de setembro de 2016 foram realizadas visitas as IES e realizadas as coletas,
totalizando 311 respondentes. Salienta-se que foram excluídos os questionários considerados
outliers, dados que apresentavam distorções, bem como 4 questionários devido à concentração
de respostas em apenas uma única alternativa.
67
Figura 14 - Proporção de coletas entre as IES pesquisadas
Fonte: Dados da pesquisa (2016).
Com fulcro nas respostas dos questionários foi possível identificar o perfil dos alunos
participantes que compõem a amostra, sendo que 59,8% (186 alunos) são do gênero masculino
e 40,2% (125 alunas) do gênero feminino. Ainda, do total 204 participaram da aula que utiliza
métodos de ensino com a gamificação e 107 foram expostos ao modelo de aula tradicional
(expositiva).
A Figura 15 apresenta as porcentagens para cada faixa etária dos alunos pesquisados.
Destaca-se que o público pesquisado se enquadra dentro do perfil universitário, ou seja, 47,9%
corresponde ao público jovem de até 20 anos e 31,5% aos jovens entre 21 e 25 anos. Contudo,
ainda houve uma pequena proporção de participantes com idade acima de 41 anos (1,6%).
Buscando-se uma combinação mais ampla da amostra foram realizadas coletas em todos
os semestres dos cursos supracitados. Dessa forma, vislumbra-se na Figura 16 que o 4º semestre
deteve o maior número de participantes (30,2%). Ainda, os alunos do primeiro semestre
corresponderam a 7,1% e os estudantes do último semestre equivaleram a 3,2%. Por fim, o 5º
semestre obteve a menor representatividade com 1,9%.
54,3%
8,7%
18,6%
8,7% 9,6%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
IMED CESURG UPF ANHANGUERA FABE
Porporção de coletas entre as IES
68
Figura 15 - Proporção de idade dos alunos pesquisados
Fonte: Dados da pesquisa (2016).
Figura 16 - Semestre dos alunos pesquisados
Fonte: Dados da pesquisa (2016).
Essa pesquisa teve como foco os cursos ligados à área de gestão. Conforme apontado
na Figura 17, 54% dos respondentes pertencem ao curso de Administração, 27,7%
correspondem aos cursos de Sistemas de Informação e Computação, 15,4% equivalem ao curso
de Contabilidade e 2,3% alunos são do curso de Engenharia da Produção.
47,9%
31,5%
10,3% 8,7%
1,0% 0,6%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
Até 20 anos 21 a 25 anos 26 a 30 anos 31 a 40 anos 41 a 50 anos Mais de 50 anos
Idade dos alunos
7,1%
27,7%
8,7%
30,2%
1,9%
14,8%
6,4%
3,2%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
1º semestre 2º semestre 3º semestre 4º semestre 5º semestre 6º semestre 7º semestre 8º semestre
Semestre dos alunos
69
Figura 17 - Cursos pesquisados
Fonte: Dados da pesquisa (2016).
Um dado relevante apontado na Figura 18 é que 32,8% dos pesquisados não costumam
usar jogos eletrônicos (celular, computador, vídeo game, entre outros), sendo que na Figura 15
se nota que 47,9% dos respondentes tem até 20 anos, ou seja, pertencem à geração Z que,
teoricamente, é uma geração mais conectada as redes sociais e mais envolvida com jogos
eletrônicos. Porém, na outra extremidade se vislumbra que 19,9% dos pesquisados dedicam
mais de 20 horas por mês em jogos eletrônicos.
Figura 18 - Frequência de horas jogadas no mês pelos alunos
Fonte: Dados da pesquisa (2016).
5.2 Análise do modelo integrado
Nessa etapa, a análise se baseou nos estágios de avaliação da identificação do modelo,
avaliação das estimativas do modelo e qualidade do ajuste, interpretação do modelo e
modificação do modelo propostos por Hair Jr. et al. (1998) para SEM.
5.2.1 Análise fatorial entre os blocos
54,7%
27,7%
15,4%
2,3%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
Administração Sistemas de Informação
e Computação
Contabilidade Engenharia da Produção
Cursos
32,8%
9,0%
17,7%
10,3% 10,3%
19,9%
0,0%
10,0%
20,0%
30,0%
40,0%
Não costumo
jogar
Menos de 1 hora
por mês
Entre 1 e 5
horas por mês
Entre 5 e 10
horas por mês
Entre 10 e 20
horas por mês
Mais de 20
horas por mês
Frequência de horas jogadas no mês
70
Após a limpeza dos dados, deu-se início ao processo metodológico que visa confirmar
o modelo teórico (Figura 10), bem como a verificação das relações entre as variáveis de cada
construto. Nessa fase foi utilizado o software SPSS versão 20 para gerar a análise fatorial
exploratória (AFE) e a análise fatorial confirmatória (AFC). Dessa forma, a Tabela 1, demonstra
a AFE, indicando que 3 fatores explicam 63% da variabilidade dos dados.
Tabela 1 - Método de Extração: Análise de Componente Principal
Variância total explicada
Componente
Valores próprios iniciais
Somas de extração de
carregamentos ao quadrado
Somas rotativas de
carregamentos ao quadrado
Total
% de
variância
%
cumulativa Total
% de
variância
%
cumulativa Total
% de
variância
%
cumulativa
1 9,015 42,930 42,930 9,015 42,930 42,930 8,498 40,466 40,466
2 2,389 11,377 54,307 2,389 11,377 54,307 2,418 11,516 51,981
3 1,826 8,697 63,005 1,826 8,697 63,005 2,315 11,023 63,005
4 1,331 6,340 69,344
5 0,767 3,655 72,999
6 0,672 3,198 76,197
7 0,618 2,944 79,141
8 0,474 2,257 81,399
9 0,472 2,248 83,646
10 0,453 2,159 85,805
11 0,405 1,927 87,732
12 0,374 1,780 89,512
13 0,360 1,715 91,227
14 0,325 1,549 92,776
15 0,302 1,440 94,216
16 0,276 1,313 95,529
17 0,251 1,197 96,726
18 0,212 1,010 97,735
19 0,190 0,906 98,641
20 0,152 0,722 99,364
21 0,134 0,636 100,000
Fonte: Dados da pesquisa do relatório SPSS (2016).
A AFE mostrou, através da rotação Varimax (HAIR Jr. et al., 1998), a composição de
fatores em 3 combinações de variáveis, como demonstrado na Tabela 2. Percebe-se que o
engajamento, a motivação, a aprendizagem e a gamificação pertencem ao mesmo fator de
engajamento para aprendizagem, assim como, de acordo com Hair Jr. et al., (1998), as cargas
fatoriais menores que 0,4 devem ser eliminadas da análise. Entretanto, nessa pesquisa não foram
identificas cargas baixas que justificassem a eliminação de variáveis por esse critério.
71
Tabela 2 - Método de Extração: Análise de Componente Principal.
Matriz de componente rotacionada (Varimax)
Variáveis Observáveis Fator 1 Fator 2 Fator 3
BL1 0,012 0,493 -0,045
BL2 0,232 0,670 -0,047
BL3 0,129 0,708 0,080
BL4 -0,090 0,406 0,027
BL5 0,285 0,634 -0,097
BL6 0,372 0,688 -0,033
IN1 -0,020 0,005 0,859
IN2 0,142 -0,008 0,878
IN3 0,075 -0,077 0,855
EG1 0,855 0,086 0,090
EG2 0,741 0,149 0,108
EG3 0,834 0,132 0,067
MT1 0,880 0,039 0,036
MT2 0,767 0,063 0,094
MT3 0,892 0,106 0,068
AP1 0,760 0,147 0,046
AP2 0,799 0,172 -0,039
AP3 0,861 0,132 -0,069
GM1 0,871 0,129 0,063
GM2 0,783 0,133 0,020
GM3 0,846 0,111 -0,038
Fonte: Dados da pesquisa do relatório SPSS (2016).
O alfa de Cronbach de 0,892 foi encontrado para todos os fatores desse conjunto de
dados, sendo que o mínimo recomendado corresponde a 0,7 (HAIR Jr. et al., 1998). O teste de
esfericidade de Bartlett se mostrou significativo e a medida de adequação de Kaiser, Meyer e
Olkin (KMO) apresentou o índice 0,923 (Tabela 3), conferindo a viabilidade à AFE (HAIR Jr.
et al., 1998).
72
Tabela 3 - Resultado do KMO e do Teste de Barlett
Teste de KMO e Bartlett
Medida Kaiser-Meyer-Olkin de adequação de amostragem. 0,923
Teste de esfericidade de Bartlett Aprox. Qui-quadrado 3332,988
df 210
Sig. 0,000
Fonte: Dados da pesquisa do relatório SPSS (2016).
Constata-se na Tabela 4 que os coeficientes de assimetria de Pearson estão próximos a
zero, indicando uma simetria moderada (KLINE, 1998). Como adicional, analisou-se a Curtose,
na qual cada variável observável é avaliada através do Coeficiente de Mardia que se espera que
apresente valores inferiores a 5 (MARDIA, 1971; BENTLER; WU, 1990). Cabe ressaltar que
houve uma anormalidade, uma vez que a variável BL3 indicou 5,772 para a Curtose. No
entanto, decidiu-se manter a variável nas análises devido a sua contribuição para o
entendimento e medição do construto de aprendizagem.
Tabela 4 - Teste de Curtose e Assimetria
N Média Desvio
padrão Assimetria (próx 0) Kurtosis <5
Estatística Estatística Estatística Estatística Erro
padrão Estatística
Erro
padrão
BL1 283 4,240 1,7980 -1,950 0,145 1,814 0,289
BL2 269 3,115 2,1574 -0,557 0,149 -1,474 0,296
BL3 283 4,502 1,3219 -2,643 0,145 5,772 0,289
BL4 302 3,318 1,6318 -0,670 0,140 -0,617 0,280
BL5 286 3,227 1,3691 -0,392 0,144 -0,505 0,287
BL6 278 4,076 1,2934 -1,371 0,146 1,143 0,291
IN1 311 3,768 0,9111 -1,071 0,138 1,359 0,276
IN2 311 3,881 0,8587 -0,753 0,138 0,597 0,276
IN3 311 3,640 0,8902 -0,276 0,138 -0,248 0,276
EG1 311 4,074 1,0615 -1,207 0,138 0,895 0,276
EG2 311 3,698 1,1962 -0,765 0,138 -0,249 0,276
EG3 311 3,817 1,2029 -0,896 0,138 -0,026 0,276
MT1 311 3,823 1,1602 -1,048 0,138 0,528 0,276
MT2 311 3,675 1,1390 -0,682 0,138 -0,095 0,276
MT3 311 3,817 1,0814 -0,877 0,138 0,349 0,276
AP1 311 3,965 0,9847 -0,888 0,138 0,447 0,276
AP2 311 3,990 0,9349 -0,863 0,138 0,425 0,276
AP3 311 3,865 1,0989 -0,860 0,138 0,149 0,276
GM1 311 3,875 1,1044 -0,863 0,138 0,127 0,276
GM2 311 3,823 1,0275 -0,627 0,138 -0,140 0,276
GM3 311 3,945 1,1246 -0,947 0,138 0,218 0,276
Fonte: Dados da pesquisa do relatório SPSS (2016).
73
A Tabela 5 apresenta as variáveis observáveis, seus respectivos fatores correspondentes
as variáveis latentes, as suas devidas médias, o desvio padrão de cada fator e o índice de Alfa
de Cronbach. A maioria das variáveis descritas na Tabela 5 exibem uma baixa variabilidade
com médias acima de 3,5, confirmando que os respondentes concordam com as afirmativas
propostas, e desvio padrão em torno de 1 ou abaixo. Tais dados indicam que os construtos
questionados (Aprendizagem, Inovação em Ensino e Engajamento para Aprendizagem)
existem e são reconhecidos pelos respondentes.
Além disso, foi observado o Alfa de Cronbach acima de 0,7 (HAIR Jr. et al. 2007), o
que é considerado aceitável para a análise dos dados nos fatores de Inovação em Ensino e
Engajamento para Aprendizagem. Porém, no fator Aprendizagem o Alfa de Cronbach ficou
muito próximo do aceitável (0,655), mas se optou pela manutenção desse fator, pois contribui
para o entendimento e a medição do construto de Aprendizagem.
74
Tabela 5 - Estrutura Fatorial Fator
Variável
Latente
Média Desvio
Padrão
Alfa de
Cronbach Variáveis Observáveis Cargas
Fator 1
Aprendizagem 3,657 1,135 0,655
BL1) Qual era o segredo industrial da Gillette
para o século XXI? 0,493
BL2) Explique, resumidamente sobre Inovação
de Processo? 0,670
BL3) Cite pelo menos dois exemplos de
inovação de Processo. 0,708
BL4) Correlacione as colunas: (A) Inovação
Incremental; (B) Inovação de Processo;
( ) Mach II; ( ) Equipamento de Fábrica; ( )
UBER; ( ) iPhone 5
0,406
BL5) Avaliação: com base no estudo de caso da
Gillette qual a sua avaliação sobre as estratégias
adotadas pela Gillette ao longo dos anos?
0,634
BL6) Suponhamos que você seja o dono(a) da
Gillette, qual a próxima Inovação de Processo
que você criaria conforme o histórico da empresa
estudado?
0,688
Fator 2
Inovação em
Ensino
3,763 0,891 0,798
IE1) A IES onde você estuda oferece serviços
inovadores e diferentes de outras IES. 0,859
IE2) A IES onde você estuda utiliza novos
métodos de ensino e aprendizagem. 0,878
IE3) As técnicas de ensino empregadas em sala
de aula são inovadores e diferentes de outras IES. 0,855
Fator 3
Engajamento
para
Aprendizagem
3,863 1,099 0,959
AP1) Eu senti facilidade em aprender nesta aula. 0,855
AP2) Eu consegui absorver o conteúdo desta
aula. 0,741
AP3) Eu sinto que aprendi mais com este modelo
de aula. 0,834
EG1) Eu me senti envolvido durante a aula. 0,880
EG2) Eu interagi com o responsável pela aula. 0,767
EG3) Eu me senti engajado nesta aula. 0,892
MT1) Eu me senti incentivado a aprender mais
sobre o assunto. 0,760
MT2) Os incentivos/recompensas auxiliaram a
me motivar na aula. 0,799
MT3) Eu me senti motivado nesta aula. 0,861
GM1) Eu me senti incentivado a aprender. 0,871
GM2) Eu me empenhei para aprender o
conteúdo. 0,783
GM3) A forma como a aula foi realizada
influenciou no meu desejo de participar. 0,846
Fonte: Dados da pesquisa do relatório SPSS 2016.
No processo de limpeza dos dados foi observado a comunalidade (Tabela 6) que se
refere à quantia total de variância que uma variável original compartilha com todas as outras
variáveis da pesquisa, sendo que, segundo Hair Jr. et al. (1998), devem ser considerados apenas
os valores acima de 0,5. Nesse estudo foram identificadas comunalidades abaixo de 0,5, como
BL1 (0,245), BL4 (0,174) e BL5 (0,493), mas se decidiu pela manutenção dessas variáveis,
pois estas contribuem para o entendimento e a medição do construto de Aprendizagem. Isso
75
porque é esperado uma discrepância entre os respondentes que participaram da aula utilizando
o método de ensino gamificado e os que participaram da aula que empregou o método de ensino
tradicional (aula expositiva).
Tabela 6 - Comunalidades das variáveis Variáveis Observáveis Comunalidade Variáveis Observáveis Comunalidade
BL1) 0,245 AP3) 0,717
BL2) 0,504 EG1) 0,778
BL3) 0,525 EG2) 0,600
BL4) 0,174 EG3) 0,811
BL5) 0,493 MT1) 0,601
BL6) 0,612 MT2) 0,669
IE1) 0,739 MT3) 0,763
IE2) 0,791 GM1) 0,779
IE3) 0,743 GM2) 0,631
AP1) 0,746 GM3) 0,729
AP2) 0,582
Fonte: Dados da pesquisa do relatório SPSS 2016.
Averígua-se na Tabela 7 a análise de Variância Média Extraída (VME) e de Variância
Compartilhada (VC), que explicam a variância total de cada variável observável, a qual é
utilizada para avaliar o construto (FORNELL; LARCHER, 1982). Identificou-se que apenas a
Aprendizagem (0,442) ficou com a Variância Média Extraída abaixo do recomendado (0,7),
sendo que a Inovação em Ensino apresentou 0,707 e o Engajamento para Aprendizagem 0,783.
Ainda, os valores da Variância Compartilhada ficaram abaixo da Variância Média Extraída
(HAIR Jr. et al. (1998).
Tabela 7 - Variância extraída e variância compartilhada
Aprendizagem Inovação em Ensino
Engajamento
para
Aprendizagem
Aprendizagem 0,442
Inovação em Ensino 0,063 0,707
Engajamento para
Aprendizagem 0,556 0,217 0,783
Fonte: Dados da pesquisa do relatório SPSS (2016).
Para a validação das variáveis observáveis foi realizado o teste de Confiabilidade
(Tabela 8). Tal teste indicou que a Variância Extraída de todas as variáveis conjuntamente
apresentou o índice no valor de 0,977 acima do recomendado, o qual se esperava que ficasse
acima 0,7 (HAIR Jr. et al., 1998). Também foram analisados separadamente todos os construtos
que apresentaram a Confiabilidade Composta acima do indicado, tendo a Inovação em Ensino
76
correspondido a 0,877, o Engajamento para Aprendizagem detido 0,977 e a Aprendizagem
apresentado 0,813.
Como adicional, realizou-se a análise de correção de Pearson (Tabela 9), sendo que não
foi indicada nenhuma correlação acima de 0,8. Portanto, não há indícios de multicolinearidade.
77
Tabela 8 - Confiabilidade Composta e Variância Extraída
Variável Variável Latente Carga
Fatorial
Erro do fator
(1-Cargar)
Carga ao
quadrado
Confiabilidade
Composta
IN3 <--- Inovação em Ensino 0,684 0,316 0,467
0,877 IN2 <--- Inovação em Ensino 0,887 0,113 0,786
IN1 <--- Inovação em Ensino 0,704 0,296 0,495
EG1 <--- Gamificação 0,833 0,167 0,693
0,977
EG2 <--- Gamificação 0,738 0,262 0,544
EG3 <--- Gamificação 0,834 0,166 0,695
MT1 <--- Gamificação 0,826 0,174 0,682
MT2 <--- Gamificação 0,758 0,242 0,574
MT3 <--- Gamificação 0,89 0,11 0,792
GM1 <--- Gamificação 0,875 0,125 0,765
GM2 <--- Gamificação 0,77 0,23 0,592
GM3 <--- Gamificação 0,834 0,166 0,695
AP1 <--- Gamificação 0,779 0,221 0,606
AP2 <--- Gamificação 0,786 0,214 0,617
AP3 <--- Gamificação 0,861 0,139 0,741
BL1 <--- Aprendizagem 0,387 0,613 0,149
0,813
BL2 <--- Aprendizagem 0,62 0,38 0,384
BL3 <--- Aprendizagem 0,582 0,418 0,338
BL4 <--- Aprendizagem 0,294 0,706 0,086
BL5 <--- Aprendizagem 0,685 0,315 0,469
BL6 <--- Aprendizagem 0,807 0,193 0,651
Somatório 15,484 5,566 11,833
Somatório das Cargas ao Quadrado 238,208
Confiabilidade Composta de todas as variáveis 0,977
Variância Extraída de todas as variáveis 0,680
Fonte: Dados da pesquisa do relatório SPSS 2016.
78
Tabela 9 - Correlação de Pearson
Correlações
BL1 BL2 BL3 BL4 BL5 BL6 IN1 IN2 IN3 EG1 EG2 EG3 MT1 MT2 MT3 AP1 AP2 AP3 GM1 GM2 GM3
BL1 1
BL2 0,374** 1
BL3 0,352** 0,465** 1
BL4 -0,037 0,214** 0,052 1
BL5 0,110 0,364** 0,239** 0,338** 1
BL6 0,247** 0,418** 0,432** 0,190** 0,599** 1
IN1 0,021 0,005 0,043 0,132* 0,015 0,049 1
IN2 0,046 0,060 0,002 0,132* -0,003 0,032 0,624** 1
IN3 0,046 -0,027 0,040 0,052 -0,090 -0,054 0,482** 0,606** 1
EG1 0,148* 0,292** 0,178** 0,024 0,302** 0,367** 0,111 0,211** 0,158** 1
EG2 0,180** 0,277** 0,233** 0,031 0,353** 0,430** 0,128* 0,226** 0,167** 0,691** 1
EG3 0,201** 0,336** 0,154** 0,062 0,312** 0,373** 0,111* 0,172** 0,152** 0,710** 0,690** 1
MT1 0,070 0,301** 0,133* -0,007 0,251** 0,328** 0,102 0,186** 0,091 0,707** 0,605** 0,726** 1
MT2 0,085 0,293** 0,187** -0,005 0,201** 0,328** 0,101 0,185** 0,158** 0,615** 0,581** 0,642** 0,642** 1
MT3 0,155** 0,335** 0,243** 0,015 0,288** 0,391** 0,048 0,181** 0,166** 0,762** 0,623** 0,740** 0,758** 0,700** 1
AP1 0,196** 0,296** 0,207** 0,098 0,262** 0,323** 0,063 0,178** 0,129* 0,654** 0,528** 0,629** 0,652** 0,605** 0,712** 1
AP2 0,166** 0,270** 0,230** 0,090 0,317** 0,406** 0,035 0,103 0,097 0,605** 0,592** 0,618** 0,632** 0,591** 0,675** 0,690** 1
AP3 0,121* 0,363** 0,295** 0,089 0,302** 0,359** -0,009 0,120* 0,072 0,683** 0,604** 0,711** 0,697** 0,643** 0,753** 0,666** 0,705** 1
GM1 0,153** 0,341** 0,237** 0,056 0,335** 0,390** 0,067 0,175** 0,220** 0,723** 0,611** 0,692** 0,718** 0,624** 0,796** 0,645** 0,692** 0,797** 1
GM2 0,177** 0,341** 0,211** 0,077 0,307** 0,429** 0,097 0,195** 0,110 0,601** 0,594** 0,673** 0,607** 0,596** 0,650** 0,612** 0,646** 0,636** 0,697** 1
GM3 0,154** 0,362** 0,236** 0,095 0,345** 0,378** 0,038 0,164** 0,135* 0,701** 0,602** 0,679** 0,643** 0,621** 0,726** 0,636** 0,668** 0,756** 0,753** 0,670** 1
**. A correlação é significativa no nível 0,01 (2 extremidades). *. A correlação é significativa no nível 0,05 (2 extremidades).
Fonte: Dados da pesquisa do relatório SPSS 2016.
79
5.2.2 Análise fatorial intrablocos
Para a análise intrablocos foram considerados os 3 fatores identificados na AFE e a
estrutura de análise foi dividida em: i) Fator 1 - Aprendizagem; ii) Fator 2 - Inovação em Ensino;
e, iii) Fator 3 – Engajamento para Aprendizagem. Também, foram analisadas a Comunalidade,
as Cargas Fatoriais, KMO, Teste de Esfericidade Barlett e a Variância Explicada, assim como
o alpha de Conbrach que indica quanto as variáveis observáveis medem o mesmo construto,
considerando aceitável o alfa de Conbrach acima de 0,7 (HAIR Jr. et al., 1998).
A Tabela 10 demonstra a análise intrablocos do construto de Aprendizagem,
apresentando valores desfavoráveis à validação da escala devido à Comunalidade estar com as
variáveis abaixo de 0,5 e apenas 1 variável acima, mas muito próxima do limite mínimo (BL6).
O KMO e o Teste de Esfericidade Barlett estão dentro dos níveis aceitáveis, com Variância
Explicada de 40,8%. Esse construto e as variáveis têm um alpha de Cronbach de 0,655, estando
abaixo de 0,7, demonstrando inconformidade interna (HAIR Jr. et al., 2007). Contudo, optou-
se por manter o construto devido a sua relevância para essa pesquisa. Ainda, esperava-se essa
discrepância nos dados devido à diferenciação dos respondentes, no qual uma parte dos
respondentes participou do experimento com método de ensino gamificado e outro grupo foi
exposto ao método de ensino tradicional.
Tabela 10 - Análise fatorial intrabloco - construto Aprendizagem Fator Variável
Latente Variáveis Observáveis Comunalidade Cargas
Fator 1
Aprendizagem
BL1) Qual era o segredo industrial da Gillette para o
século XXI? 0,203 0,451
BL2) Explique, resumidamente sobre Inovação de
Processo? 0,512 0,716
BL3) Cite pelo menos dois exemplos de inovação de
Processo. 0,497 0,705
BL4) Correlacione as colunas: (A) Inovação
Incremental; (B) Inovação de Processo;
( ) Mach II; ( ) Equipamento de Fábrica; ( ) UBER;
( ) iPhone 5
0,107 0,328
BL5) Avaliação: com base no estudo de caso da
Gillette qual a sua avaliação sobre as estratégias
adotadas pela Gillette ao longo dos anos?
0,501 0,708
BL6) Suponhamos que você seja o dono(a) da Gillette,
qual a próxima Inovação de Processo que você criaria
conforme o histórico da empresa estudado?
0,626 0,791
KMO 0,696
Teste de Esfericidade Barlett (*Nível de significância p<0,001) 300,256*
Variância Explicada 40,8%
Fonte: Dados da pesquisa do relatório SPSS 2016.
80
O construto de Inovação em Ensino demonstra valores passíveis de validação da escala,
devidamente apresentada na análise intrabloco na Tabela 11. A Comunalidade é favorável,
apresentando todas as variáveis acima de 0,5. As Cargas Fatoriais estão todas acima de 0,8.
Contudo, o KMO detém valor de 0,685, que é acima do recomendado. A esfericidade de Barlett
está dentro dos níveis aceitáveis. A Variância Explicada demonstra um valor de 71,46%. Para
esse construto, o alpha de Cronbach é de 0,798, exibindo, assim, a confiabilidade interna (HAIR
Jr. et al., 2007).
Tabela 11 - Análise fatorial intrabloco - construto Inovação em Ensino Fator Variável
Latente Variáveis Observáveis Comunalidade Cargas
Fator 2 Inovação em
Ensino
IE1) A IES onde você estuda oferece serviços
inovadores e diferentes de outras IES. 0,687 0,829
IE2) A IES onde você estuda utiliza novos métodos de
ensino e aprendizagem. 0,786 0,887
IE3) As técnicas de ensino empregadas em sala de aula
são inovadores e diferentes de outras IES. 0,671 0,819
KMO 0,685
Teste de Esfericidade Barlett (*Nível de significância p<0,001) 302,032*
Variância Explicada 71,46%
Fonte: Dados da pesquisa do relatório SPSS 2016.
Na Tabela 12 estão demonstrados os indicadores de análise intrabloco do construto de
Engajamento para Aprendizagem. A Comunalidade está satisfatória, pois possui apenas 1
variável com valor inferior a 0,6, mas muito próxima (AP2: 0,592). As Cargas Fatoriais se
consubstanciam em índices superiores a 0,8, indicando a validação da escala. O KMO está
excelente, uma vez que exibe um índice de 0,96. A esfericidade de Barlett está dentro dos níveis
aceitáveis e com Variância Explicada de 69,44%. A confiabilidade interna do construto é
demonstrada pelo alfa de Cronbach com 0,959 (HAIR Jr. et al., 2007).
81
Tabela 12 - Análise fatorial intrabloco - construto Engajamento para Aprendizagem Fator Variável
Latente Variáveis Observáveis Comunalidade Cargas
Fator 3
Engajamento
para Aprendizagem
AP1) Eu senti facilidade em aprender nesta aula. 0,717 0,847
AP2) Eu consegui absorver o conteúdo desta aula. 0,592 0,769
AP3) Eu sinto que aprendi mais com este modelo de
aula. 0,726 0,852
EG1) Eu me senti envolvido durante a aula. 0,706 0,840
EG2) Eu interagi com o responsável pela aula. 0,615 0,784
EG3) Eu me senti engajado nesta aula. 0,797 0,893
MT1) Eu me senti incentivado a aprender mais sobre o
assunto. 0,644 0,803
MT2) Os incentivos/recompensas auxiliaram a me
motivar na aula. 0,658 0,811
MT3) Eu me senti motivado nesta aula. 0,753 0,868
GM1) Eu me senti incentivado a aprender. 0,771 0,878
GM2) Eu me empenhei para aprender o conteúdo. 0,635 0,797
GM3) A forma como a aula foi realizada influenciou
no meu desejo de participar. 0,718 0,847
KMO 0,962
Teste de Esfericidade Barlett (*Nível de significância p<0,001) 3281,465*
Variância Explicada 69,44%
Fonte: Dados da pesquisa do relatório SPSS 2016.
5.2.3 Análise de variáveis moderadoras
Nessa pesquisa se buscou identificar as variáveis que poderiam causar interferências na
análise dos dados, quais sejam: i) o método de ensino gamificado versus tradicional; ii) os
cursos; e, iii) as IES. Há a premissa de que o método de ensino que utiliza a gamificação
influencia no aprendizado dos alunos, assim como a variação de cursos e a IES. A partir disso,
foi estudado se há diferença significativa entre os respondentes considerando as variáveis
citadas acima. Com o intuito de identificar a existência de comportamentos divergentes entre
os respondentes, realizou-se a análise de variância de cada construto através da ANOVA.
A Tabela 13 mostra que a média de assertividade dos participantes na aula que utiliza o
método de ensino gamificado, em uma escala de 1 a 5, é muito superior (4,18) em comparação
ao método de ensino tradicional (2,63). Na percepção da Inovação em Ensino o resultado é
muito semelhante, pois a média dos respondentes do método gamificado equivaleu a 3,82 e do
método tradicional correspondeu a 3,65. Também, o grupo que foi exposto ao experimento com
a utilização do método de ensino gamificado se mostrou mais comprometido e obteve uma
média superior (4,298) em relação ao método de ensino tradicional (3,037).
Sendo assim, com base nas informações acima é possível inferir que o grupo que
participou do experimento com a aula que utiliza o método de ensino gamificado teve um
desempenho superior em relação ao grupo que participou da aula seguindo os modelos
tradicionais de aula expositiva.
82
Tabela 13 - Análise Descritiva considerando os métodos de ensino
Construtos Método de
Ensino N Média
Desvio
padrão
Erro
padrão
Intervalo de confiança de 95%
para média
Limite inferior Limite superior
Aprendizagem
Gamificado 204 4,187 0,637 0,044 4,0994 4,2754
Tradicional 106 2,636 1,186 0,115 2,407 2,864
Total 310 3,657 1,135 0,064 3,530 3,783
Inovação em
Ensino
Gamificado 204 3,821 0,754 0,052 3,717 3,926
Tradicional 107 3,651 0,727 0,070 3,511 3,790
Total 311 3,763 0,748 0,042 3,679 3,846
Engajamento
para
Aprendizagem
Gamificado 204 4,297 0,597 0,041 4,215 4,380
Tradicional 107 3,036 0,828 0,080 2,877 3,195
Total 311 3,863 0,910 0,051 3,762 3,965
Fonte: Dados da pesquisa do relatório SPSS 2016.
A partir da Tabela 14 se vislumbra uma diferença significativa entre os respondentes no
tocante a variável observável método de ensino gamificado versus tradicional nos construtos de
Aprendizagem e Engajamento para Aprendizagem. Contudo, no construto Inovação em Ensino
não há diferença significativa entre os respondentes.
A discrepância significativa no construto de Aprendizagem e de Engajamento para
Aprendizagem indica que existe uma diferenciação entre o aprendizado de alunos que são
expostos às metodologias de ensino ativas, no caso o método de ensino gamificado, em relação
aos alunos que são expostos aos métodos de ensino tradicionais. Cabe evidenciar que os
respondentes que participaram do experimento que utilizou o método de ensino gamificado se
sentiram mais motivados e mais engajados em relação aos que participaram do método de
ensino tradicional.
83
Tabela 14 - ANOVA dos construtos considerando os métodos de ensino
Construtos Método de
Ensino
Soma dos
Quadrados df
Média dos
Quadrados F Sig.
Aprendizagem
Entre Grupos 167,823 1 167,823 224,491 0,000
Nos grupos 230,253 308 0,748
Total 398,076 309
Inovação em
Ensino
Entre Grupos 2,048 1 2,048 3,685 0,056
Nos grupos 171,725 309 0,556
Total 173,773 310
Engajamento
para
Aprendizagem
Entre Grupos 111,639 1 111,639 237,471 0,000
Nos grupos 145,266 309 0,470
Total 256,904 310
Fonte: Dados da pesquisa do relatório SPSS 2016.
Foram realizados nos cursos de Sistemas de Informação, de Computação e de
Administração os experimentos de método de ensino gamificado e tradicional em turmas
distintas. A partir dos resultados da Tabela 15, observa-se que o curso de Sistemas de
Informação e de Computação tiveram uma média (3,763) semelhante ao curso de
Administração (3,465). Cabe destacar que o curso que obteve o melhor desempenho, ou seja,
que atingiu a maior média foi o curso de Contabilidade (4,289), uma vez que foi realizado
apenas o experimento que utiliza o método de ensino gamificado. Já o curso de Engenharia de
Produção obteve uma média muito inferior (2,69) devido à realização apenas do experimento
consistente no método de ensino tradicional (Tabela 15).
A percepção da Inovação em Ensino é maior percebida pelo curso de Sistemas de
Informação e Computação, conforme aponta a média de 4,062 em relação aos demais
(Engenharia da Produção 3,810, Administração 3,741 e Contabilidade 3,299). Pressupõe-se que
os cursos de Sistemas de Informação e de Computação são considerados áreas em que a
velocidade de informações e conteúdos se atualizam rapidamente, ocorrendo diversas
inovações tecnológicas. Assim, acredita-se que devido a esses fatores a percepção da Inovação
em Ensino seja maior (Tabela 15).
A percepção dos respondentes em relação ao Engajamento para Aprendizagem obteve
uma média maior no curso de Contabilidade (4,365), pois os alunos tiveram a oportunidade de
participar de um método de ensino inovador, diferenciado das aulas tradicionais. O curso de
Sistemas de Informação e Computação teve a menor percepção sobre o Engajamento para
Aprendizagem com média de 3,458. Tal fator se deve ao contato mais frequente com novas
tecnologias e jogos. Por fim, percebe-se uma apreciação do curso de Administração com o
Engajamento para Aprendizagem, uma vez que obteve uma média de 3,929 (Tabela 15).
84
Tabela 15 - Análise Descritiva considerando os cursos
Construtos Curso N Média Desvio
padrão
Erro
padrão
Intervalo de
confiança de 95%
para média
Limite
inferior
Limite
superior
Aprendizagem
Administração 170 3,465 1,186 0,091 3,286 3,645
Sistemas de Informação e Computação 85 3,763 1,083 0,117 3,530 3,997
Contabilidade 48 4,289 0,662 0,096 4,096 4,481
Engenharia da Produção 7 2,690 1,184 0,447 1,596 3,785
Total 310 3,657 1,135 0,064 3,530 3,784
Inovação em
Ensino
Administração 170 3,741 0,707 0,054 3,634 3,848
Sistemas de Informação e Computação 86 4,062 0,687 0,074 3,915 4,209
Contabilidade 48 3,299 0,782 0,113 3,072 3,526
Engenharia da Produção 7 3,810 0,634 0,240 3,223 4,396
Total 311 3,763 0,749 0,042 3,680 3,847
Engajamento
para
Aprendizagem
Administração 170 3,929 0,849 0,065 3,801 4,058
Sistemas de Informação e Computação 86 3,458 0,979 0,106 3,249 3,668
Contabilidade 48 4,365 0,736 0,106 4,151 4,578
Engenharia da Produção 7 3,821 0,465 0,176 3,391 4,252
Total 311 3,864 0,910 0,052 3,762 3,965
Fonte: Dados da pesquisa do relatório SPSS 2016.
Os resultados da ANOVA, que constam na Tabela 16, apontam que existe uma diferença
significativa de Aprendizagem entre os cursos baseados no método de ensino gamificado ou no
método de ensino tradicional. Ainda, assinala que existe uma distinção relevante na percepção
da Inovação de Ensino e Engajamento para a Aprendizagem entre os grupos.
Tabela 16 - ANOVA dos construtos considerando os cursos
Construtos Curso Soma dos
Quadrados df
Média dos
Quadrados F Sig.
Aprendizagem
Entre Grupos 32,886 3 10,962 9,185 0,000
Nos grupos 365,190 306 1,193
Total 398,076 309
Inovação em
Ensino
Entre Grupos 18,137 3 6,046 11,925 0,000
Nos grupos 155,636 307 0,507
Total 173,773 310
Engajamento
para
Aprendizagem
Entre Grupos 26,921 3 8,974 11,979 0,000
Nos grupos 229,984 307 0,749
Total 256,904 310
Fonte: Dados da pesquisa do relatório SPSS 2016.
85
A Tabela 17 apresenta uma análise descritiva, considerando as Instituições de Ensino
Superior pesquisadas. A faculdade Anhanguera se destacou com a maior média de
Aprendizagem (4,400) em relação as demais, porém, devido a disponibilidade de coleta por
parte da IES, foi realizado apenas 1 experimento utilizando o método de ensino gamificado, o
que justifica uma média maior. Assim, tendo em vista ambos os experimentos (aula com método
de ensino gamificado e aula tradicional), pode-se enfatizar que a UPF obteve o melhor
desempenho com a maior média de 3,813, ou seja, foi a IES em que os respondentes mais
aprenderam, seguida pelo CESURG (3,742) e pela IMED (3,586).
Segundo a percepção dos alunos, a IES que mais inova em ensino é a IMED com média
de 3,925. Já as IES UPF e FABE, tiveram uma percepção de Inovação em Ensino por parte dos
alunos muito semelhante, sendo, respectivamente, 3,689 e 3,688, seguidas pela IES CESURG
com média de 3,666, e a IES Anhanguera que obteve a menor média, equivalente a 3,086
(Tabela 17).
Em relação ao Engajamento para Aprendizagem, nota-se que os respondentes da IES
Anhanguera se sentiram mais motivados e mais engajados em relação às demais IES, possuindo
uma média de 4,395. Contudo, ressalta-se que nessa IES foi realizado apenas o experimento
que utiliza o método de ensino gamificado. Nas demais IES que foram realizados ambos os
experimentos, a IES em que os alunos se sentiram mais motivados e engajados foi a UPF com
média 4,253, seguida pelas IES CESURG (4,204), IES FABE (3,881) e IES IMED (3,588).
86
Tabela 17 - Análise Descritiva considerando as IES
Construto IES N Média Desvio
padrão
Erro
padrão
Intervalo de confiança de
95% para média
Limite
inferior
Limite
superior
Aprendizagem
IMED 168 3,586 1,142 0,088 3,412 3,760
CESURG 27 3,742 1,016 0,195 3,340 4,144
UPF 58 3,814 0,916 0,120 3,573 4,055
ANHANGUERA 27 4,401 0,661 0,127 4,139 4,662
FABE 30 3,005 1,486 0,271 2,450 3,560
Total 310 3,657 1,135 0,064 3,530 3,784
Inovação em
Ensino
IMED 169 3,925 0,668 0,051 3,824 4,027
CESURG 27 3,667 0,599 0,115 3,430 3,904
UPF 58 3,690 0,772 0,101 3,487 3,893
ANHANGUERA 27 3,086 0,840 0,162 2,754 3,419
FABE 30 3,689 0,821 0,150 3,382 3,995
Total 311 3,763 0,749 0,042 3,680 3,847
Engajamento
para
Aprendizagem
IMED 169 3,588 0,986 0,076 3,439 3,738
CESURG 27 4,204 0,927 0,178 3,837 4,570
UPF 58 4,253 0,490 0,064 4,124 4,382
ANHANGUERA 27 4,395 0,469 0,090 4,210 4,581
FABE 30 3,881 0,818 0,149 3,575 4,186
Total 311 3,864 0,910 0,052 3,762 3,965
Fonte: Dados da pesquisa do relatório SPSS 2016.
Por fim, na Tabela 18 foram encontradas diferenças significativas nos construtos de
Aprendizagem, Inovação em Ensino e Engajamento para Aprendizagem quando considerado a
IES como variável observável. Sendo assim, pressupõem-se que a Aprendizagem tem uma
diferença significativa devido aos métodos de ensino distintos em que os respondentes de cada
IES são submetidos.
Ainda, sob a ótica do construto de Inovação em Ensino também se acredita que cada
IES utilize métodos de ensino diferentes, o que influencia a percepção dos respondentes sobre
as Inovações em Ensino de cada IES. Por fim, o Engajamento para Aprendizagem foi percebido
de maneira desigual pelos respondentes de cada IES, comprovando que existe uma diferença
entre os estudantes das IES no que tange ao seu comprometimento com a aula e com a sua
aprendizagem.
87
Tabela 18 - ANOVA dos construtos considerando as IES
Construto IES Soma dos
Quadrados df
Média dos
Quadrados F Sig.
Aprendizagem
Entre Grupos 30,146 4 7,536 6,247 0,000
Nos grupos 367,930 305 1,206
Total 398,076 309
Inovação em
Ensino
Entre Grupos 17,525 4 4,381 8,580 0,000
Nos grupos 156,248 306 0,511
Total 173,773 310
Engajamento
para
Aprendizagem
Entre Grupos 32,359 4 8,090 11,024 0,000
Nos grupos 224,546 306 0,734
Total 256,904 310
Fonte: Dados da pesquisa do relatório SPSS 2016.
5.2.4 Análise do modelo integrado teórico
Após a validação das escalas e dos construtos que compõem o modelo teórico foi
realizada a análise do modelo integrado teórico (Figura 19). Tal modelo contempla o modelo
de mensuração e o modelo estrutural (HAIR Jr. et al., 1998), o qual possibilita avaliar as
relações entre os construtos de Inovação em Ensino, de Engajamento para Aprendizagem e de
Aprendizagem, bem como as variáveis propostas no modelo teórico. Para a aplicação da
metodologia SEM foi utilizado o software AMOS Versão 18 acoplado ao SPSS® Versão 20
(ARBUCKLE, 2008; BYRNE, 2010).
Figura 19 - Modelo integrado teórico
Fonte: Dados da pesquisa 2016.
88
A Tabela 19 apresenta os resultados que indicam as relações significativas para o desvio
padrão e teste Z do modelo integrado (teórico) entre os construtos de Inovação em Ensino --->
Engajamento para Aprendizagem e Engajamento para Aprendizagem ---> Aprendizagem.
Porém, não foi indicada uma relação significativa entre Inovação em Ensino --->
Aprendizagem.
Tabela 19 - Teste de hipóteses do modelo teórico
Construtos
Coeficiente
Padronizado
Desvio
Padrão Z. P
Coeficiente
Estimado (EC)
Engajamento
para
Aprendizagem
<--- Inovação em Ensino 0,317 0,092 3,423 *** 0,2017
Aprendizagem <--- Engajamento para
Aprendizagem 0,443 0,086 5,175 *** 0,568
Aprendizagem <--- Inovação em Ensino -0,064 0,072 -0,884 0,377a -0,056 aNão significativo.
***Nível de significância p<0,001.
Fonte: Dados da pesquisa do relatório SPSS 2016.
A Tabela 20 apresenta os resultados dos índices de saída do relatório do software
AMOS. Os resultados foram utilizados na análise das medidas de ajustes absoluto, a qual
determina o grau em que o modelo de mensuração prevê a matriz de covariâncias. Para a raiz
quadrada da média do erro de aproximação (RMSEA) o índice apresentado foi de 0,065, sendo
superior ao limite indicado por Hair Jr et al. (2007) e por Kline (2005) que é entre 0,05 e 0,08.
Os índices de CFI (0,941) e NFI (0,9) apresentaram valores adequados na comparação do
modelo teórico com o modelo nulo (HAIR Jr. et al., 2007; KLINE, 2005).
Tabela 20 - Índices de ajuste do modelo teórico Índice Modelo Teórico
Chi-quadrado 427,256
Graus de Liberdade 186
Chi-quadrado dividido pelos Graus de Liberdade 2,297
Nível de Significância 0,000*
CFI 0,941
NFI 0,900
RMSEA 0,065
ECVI 1,804
KMO 0,923
Variância Média Extraída 0,680
Confiabilidade Composta 0,977
Alpha de Cronbach 0,892
*Nível de significância p<0,001.
Fonte: Dados da pesquisa do relatório SPSS 2016.
89
Outros indicadores importantes de validade e confiabilidade das variáveis são
destacados na Tabela 20, quais sejam: i) o KMO (0,923) dentro dos níveis aceitáveis de 0,5 a
1,0 (MALHOTRA, 2012); ii) a variância média extraída apresentou o valor de 0,680 muito
próximo do recomendado (>0,7) por Hair Jr. et al. (1998); iii) a confiabilidade composta das
variáveis observáveis resultou no índice de 0,977, sendo superior ao recomendado (>0,7); e, iv)
o alpha de Cronbach correspondeu a 0,892, demonstrando a confiabilidade interna devido ao
valor estar acima de 0,7 (HAIR Jr. et al., 1998; HAIR Jr. et al., 2007).
A partir do estudo do modelo integrado e dos índices indicados por Hair Jr. et al. (1998)
e Arbucke (2008) para analisar as medidas de ajustes absoluto são apresentados os resultados
iniciais das hipóteses levantas nessa pesquisa, devidamente demonstradas na Figura 20. Sendo
assim, é apresentada uma relação positiva entre a Inovação em Ensino com o Engajamento para
Aprendizagem (H2a), confirmando a hipótese e indicando a intensidade de relacionamento de
EC=0,217.
O Engajamento para Aprendizagem atua como mediador entre a Inovação em Ensino e
a Aprendizagem (H2b), concretizando a hipótese e evidenciando a intensidade de
relacionamento EC=0,568. Ambas as hipóteses (H2a e H2b) contêm índices de significância
(p<0,001), porém apenas a relação da Inovação em Ensino com a Aprendizagem (H1) obteve a
intensidade de relacionamento EC=-0,056, a qual pressupõe que não existe uma relação positiva
entre a Inovação em Ensino e a Aprendizagem.
Sobre a moderação pelo método de ensino (gamificado ou tradicional), as hipóteses
(H3a e H3c) foram confirmadas contendo índices de significância (p<0,001), as quais apontam
que existe moderação do método de ensino na relação entre a Inovação em Ensino e o
Engajamento para Aprendizagem, bem como na relação entre Engajamento para Aprendizagem
e Aprendizagem. Apenas a moderação do método de ensino não foi comprovada na relação de
Inovação em Ensino e Aprendizagem (H3b), tendo obtido um índice de significância
equivalente a EC=-0,056, o qual confirma que não existe moderação nessa relação.
90
Figura 20 - Hipóteses da pesquisa
Hipóteses da Pesquisa
Resultado do
Modelo
Teórico
H1 - A Inovação em Ensino está positivamente relacionada a Aprendizagem Não Confirmada
H2a - Inovação de Ensino está positivamente relacionada com o Engajamento para
Aprendizagem Confirmada
H2b – O Engajamento para Aprendizagem media a relação entre a inovação de ensino e a
Aprendizagem Confirmada
H3a – Há um efeito moderador do método de Ensino (Gamificado ou Tradicional) na relação
entre Inovação em Ensino e Engajamento para Aprendizagem. Confirmada
H3b -- Há um efeito moderador do método de Ensino (Gamificado ou Tradicional) na
relação entre Inovação em Ensino e Aprendizagem. Não Confirmada
H3c - Há um efeito moderador do método de Ensino (Gamificado ou Tradicional) na relação
entre Engajamento para Aprendizagem e Aprendizagem. Confirmada
Fonte: Elaborado pelo autor (2016).
91
6 DISCUSSÃO DOS RESULTADOS
Os resultados da pesquisa indicam que o engajamento para aprendizagem no contexto
de ensino proporciona mudanças significativas no processo de aprendizagem. A partir desse
estudo, foi comprovado que a inovação de ensino está positivamente relacionada com o
engajamento para aprendizagem, conforme demonstra a Figura 19 IE -> GM (EC=0,217).
Sendo assim, esse resultado vai ao encontro da proposta apresentada por Ruben (1999), qual
seja, as simulações, os jogos e as outras formas de aprendizagem baseadas em experiências
representam uma alternativa atraente em relação às metodologias de ensino aplicadas
atualmente.
No que tange as inovações em ensino e abordagens educacionais, como a aprendizagem
baseada em problemas (Problem Based Learning - PBL), a aprendizagem fundamentada em
experiência (Experience Based Learning - EBL), o uso de redes sociais, das plataformas web
educacionais, das ferramentas de comunicação, das aplicações tecnológicas, entre outras, essas
são continuamente adaptadas às realidades das IES e aplicadas no contexto educacional do
ensino superior com o intuito de melhorar a aprendizagem dos alunos (ANDRESEN; BOUD;
COHEN, 2000; DOLMANS et al., 2005; MAZMAN; USLUEL, 2010; ARROITIA; NINET,
2010). Contudo, esperava-se que a percepção dos respondentes sobre a inovação em ensino nas
IES estivesse positivamente relacionada à aprendizagem, mas esse estudo indicou que os alunos
acreditam que a inovação em ensino não influenciou na sua aprendizagem, a qual é demonstrada
intensidade de relacionamento negativa na Figura 19 IN -> AP (EC=-0,056).
Estudos anteriores demonstram que a gamificação influencia na motivação e no
engajamento dos alunos (SIMÕES; REDONDO; VILAS, 2013; DOMÍNGUEZ et al. 2013;
STOTT; NEUSTAEDTER, 2013; HEW et al., 2016). Nessa pesquisa, foi identificado que o
engajamento para a aprendizagem media a relação entre a inovação de ensino e a aprendizagem,
apresentando uma intensidade de relacionamento entre IN -> GM (EC=0,207) e GM -> AP
(EC=0,568), corroborando com as visões apresentadas por Ferraz e Belhot (2010), Kapp (2012)
e Fardo (2013). Diante disso, é possível afirmar que o engajamento para aprendizagem é
considerado um fator que influencia na relação de inovação em ensino e aprendizagem.
Nesse sentido, foi comprovado que há um efeito moderador do método de ensino
(Gamificado ou Tradicional) na relação entre engajamento para aprendizagem e aprendizagem.
Para entender como o engajamento para aprendizagem poderia moderar a aprendizagem dos
alunos foram realizados experimentos através de aulas utilizando o método de ensino
tradicional (aula expositiva) e aulas utilizando o método de ensino gamificado.
92
Dessa forma, outro grande achado dessa pesquisa se mostrou evidente: as turmas que
participaram do experimento com método de ensino gamificado obtiveram uma média muito
superior (4,187) para a aprendizagem em relação aos alunos expostos ao experimento com
método de ensino tradicional (2,636), indicando que os alunos tiveram uma aprendizagem mais
efetiva quando participaram do experimento vinculado ao ensino gamificado, no qual foram
tratados os objetivos de aprendizagem em conjunto com a gamificação e com alguns elementos
dos jogos. Assim, destaca-se, ainda, que os alunos que participaram do experimento com
método de ensino gamificado se sentiram mais motivados e engajados, obtendo uma média
elevada (4,297) em relação aos outros alunos (3,036).
Por fim, foi identificado que há um efeito moderador do método de ensino (gamificado
ou radicional) na relação entre inovação em ensino e engajamento para aprendizagem, a qual
demonstra que os alunos compreendem que o método de ensino influencia positivamente sobre
a sua percepção de inovação em ensino, em seu engajamento e na sua motivação durante a aula.
Isso indica um gap latente que induz as IES a investigar se seus métodos de ensino, para
verificar se esses estimulam e fazem com que os alunos se sintam comprometidos no decorrer
da aula.
Ainda, evidencia-se que não há um efeito moderador do método de ensino (gamificado
ou tradicional) entre a inovação em ensino e a aprendizagem, visto que ambos os grupos
obtiveram médias semelhantes sobre a percepção de inovação em ensino (gamificado: 3,821 e
tradicional: 3,651).
93
7 CONSIDERAÇÕES FINAIS
Essa pesquisa abordou os temas relacionados à inovação em ensino (GARCIA;
CALANTONE, 2000; MANUAL DE OSLO, 2005; RUBEN, 1999; PALADINO, 2007;), ao
engajamento para aprendizagem (DETERDING et al., 2011a; HUOTARI; HAMARI, 2011;
WERBACH; HUNTER, 2012; KAPP, 2012; ZICHERMANN; LINDER, 2010; FARDO, 2013)
e à aprendizagem (BLOOM et. al., 1956; BLOOM, 1972; ZIMRING, 2010).
As inovações tecnológicas recentes proporcionam um conjunto de métodos, de
ferramentas e de técnicas de ensino disponíveis na área acadêmica educacional. Nesse contexto,
observa-se que a integração de novas tecnologias em contextos de aprendizagem existentes
trouxe mudanças significativas nos processos de aprendizagem globais. Entretanto, é necessário
realizar de maneira eficiente a escolha das estratégias que irão determinar os estilos de ensino
e aprendizagem, assim como a organização dos processos de aprendizagem para estimular o
desenvolvimento cognitivo dos alunos. Desse modo, definir e estruturar os objetivos de
aprendizagem alinhados aos avanços tecnológicos podem facilitar o processo de ensino e
aprendizagem.
Os métodos de ensino estão passando por ciclos de adaptação e evolução. Tais ciclos
correspondem a processos incrementais capazes de proporcionar melhorias, como novos
recursos apoiados pelas inovações tecnológicas, cujo objetivo é melhorar a qualidade do ensino
dos alunos (GARCIA; CALANTONE, 2000; MANUAL DE OSLO, 2005). A partir dos
resultados dessa pesquisa, pode-se concluir que os métodos de ensino propostos pelas IES
influenciam no comprometimento dos alunos em relação à aprendizagem. Dessa forma, cabe
às IES desenvolverem a capacidade de sustentar e adaptar os métodos de ensino, visando criar
uma vantagem competitiva (PALADINO, 2007).
As novas gerações estão habituadas a novos ambientes em que a tecnologia avança
muito rápido e as inovações surgem a todo momento. Desse modo, novas abordagens e
estratégias para influenciar os estudantes se fazem necessárias, devido aos mesmos se
mostrarem desanimados e desmotivados em relação às metodologias de aprendizagem
utilizadas na maioria das instituições de ensino (FARDO, 2013).
A Taxonomia de Bloom auxilia os educadores no processo de identificação e definição
dos objetivos de aprendizagem. Dessa forma, aliar com sabedoria os elementos e as estratégias
presentes nos jogos, tendo como base os objetivos de aprendizagem com os métodos de ensino,
são considerados alternativas que possibilitam aos alunos se tornarem mais comprometidos nas
atividades de aula e obterem uma aprendizagem significativa (FERRAZ; BELHOT, 2010;
KAPP, 2012).
94
A partir da inovação em ensino, do engajamento para aprendizagem e da aprendizagem
foi possível identificar que o engajamento para aprendizagem está positivamente relacionado
com a aprendizagem, além de mediar a relação entre a inovação em ensino e a aprendizagem.
Assim, pode-se considerar que a gamificação é uma alternativa inovadora de incentivo aos
alunos devido à utilização de elementos dos jogos, como sistemas de recompensa e mecanismos
sociais competitivos, que impactam diretamente na motivação e no engajamento dos mesmos
durante as aulas.
Sobre o objetivo geral dessa pesquisa, buscou-se analisar a relação entre a inovação em
ensino, o engajamento para aprendizagem e a aprendizagem em Instituições de Ensino Superior.
Os resultados evidenciam a concretização do objetivo geral (Figura 19) e dos objetivos
específicos, nos quais foram mensurados a relação entre a inovação em ensino e aprendizagem,
indicando que a análise da percepção dos alunos sobre a inovação em ensino não está
positivamente relacionada com a aprendizagem (EC= -0,056 para IN --> AP). Ainda, foi
identificada a influência do engajamento para aprendizagem na aprendizagem, a qual
demonstrou que o engajamento para aprendizagem atua como mediador nessa relação,
impactando na aprendizagem dos alunos (0,568 para GM -> AP) e confirmando que os alunos
aprenderam mais quando participaram do experimento com o método de ensino gamificado.
Também, concretizou-se na pesquisa o desenvolvimento de um framework para a análise da
inovação em ensino, do engajamento para aprendizagem e da aprendizagem.
O construto de engajamento para aprendizagem demonstrou que nos experimentos em
que os participantes foram expostos ao método de ensino gamificado, a motivação e o
engajamento são fatores que influenciaram diretamente no aprendizado, indicando que os
estudantes aprenderam mais quando expostos ao referido método. Os resultados apontam que
os estudantes que participaram do experimento com o método de ensino gamificado obtiveram
um média muito superior (4,187) para a aprendizagem em relação aos alunos expostos ao
experimento com método de ensino tradicional (2,636).
Pressupõe-se que o grande achado dessa Dissertação para a ciência e para as Instituições
de Ensino Superior é o conjunto para a análise da inovação no ensino, do engajamento para
aprendizagem e da aprendizagem, assim como todo o desenho, o conjunto de questões e o
modelo da pesquisa para replicação em pesquisas futuras (framework), visto que as IES
deveriam inovar no ensino para manter seus alunos motivados e engajados nas atividades
acadêmicas. Ainda, essa pesquisa fornece para as IES informações sobre a aplicação do
engajamento para aprendizagem em contexto de educação superior. Também, reuniu-se uma
revisão da literatura em conjunto com a interação dos principais conceitos encontrados em
95
periódicos, livros e afins, que podem auxiliar no entendimento da aplicação da gamificação no
conceito educacional sob a ótica da aprendizagem proposta por Bloom et al. (1956) e a ótica da
gamificação proposta por Kapp (2012).
Acredita-se que algumas limitações que influenciaram no decorrer da pesquisa foram a
escassa quantidade de artigos publicados sobre gamificação, que é um dos temas principais
dessa dissertação, devido ao assunto ser considerado muito recente, a quantidade restrita de IES
pesquisadas, uma vez que situadas apenas no norte do estado do Rio Grande do Sul, a
quantidade de alunos participantes e a exclusão de outros cursos devido ao enfoque nos cursos
de gestão.
Sendo assim, ressalta-se que era necessário que a quantidade de alunos por turma, por
curso e por experimento (aula com método de ensino gamificado e aula com método de ensino
tradicional) fosse igualitária, porém algumas turmas possuíam trinta alunos e outras menos de
dez alunos, o que limitou o resultado da pesquisa. Cumpre ressaltar que o curso de
Administração teve maior destaque nessa pesquisa, pois a maioria das coletas foram realizadas
no referido curso em razão da facilidade de acesso. Ainda, a quantidade de experimentos
utilizando o método de ensino gamificado foi superior ao método tradicional. Destaca-se que
em algumas IES não foi possível realizar ambos experimentos devido à falta de disponibilidade.
Um fator importante que não foi realizado é a efetivação de um acompanhamento com
as turmas ao longo de um período. Diante disso, sugere-se para pesquisas futuras a realização
de experimentos ao longo de um semestre, visando identificar e contabilizar as diferenças de
aprendizagem entre os grupos expostos ao método de ensino tradicional e ao método de ensino
gamificado e identificar se o comprometimento dos alunos se sustenta por um período maior
do que apenas por uma aula. Outra sugestão de pesquisa futura é realizar uma pesquisa
qualitativa com a intenção de identificar fatores mais específicos sobre a percepção dos
participantes dos experimentos sobre inovação em ensino, engajamento para aprendizagem e
aprendizagem.
As coletas realizadas tiveram como foco a mesorregião nordeste do estado do Rio
Grande do Sul devido sua relevância para região, com foco nas cidades de Passo Fundo (3 IES)
e Marau (2 IES). Contudo, indica-se para pesquisas futuras a aplicação dessa pesquisa em outras
regiões do Brasil, além de, visando contribuir com a ampliação das pesquisas na área de
inovação em ensino, recomenda-se aplicá-la em países, para propiciar a comparação entre estre
regiões e microculturas. Também é recomendável a comparação entre os perfis de alunos de
outros cursos para identificar possíveis influências das características dos estudantes.
96
Finalmente, destaca-se que esta Dissertação descreve uma pesquisa empírica sobre o
engajamento para aprendizagem, que é diretamente influenciado pela gamificação, em contexto
de ensino superior, a qual está suportada por uma escassa literatura de estudos empíricos
relacionados ao tema. Neste sentido, verifica-se a necessidade de explorar o tem a gamificação
em estudos aplicados em larga escala, com abordagem quantitativa e qualitativa, ampliando a
discussão e difusão desta metodologia ativa de ensino. Já que esta pesquisa comprova o efeito
positivo da gamificação sobre a aprendizagem dos alunos, portanto novas pesquisas podem
contribuir para a difusão destes conhecimentos e melhorar o processo de ensino-aprendizagem
no ensino superior e proporcionar uma aprendizagem mais efetiva no ensino e na aprendizagem.
97
REFERÊNCIAS
ADNER, R. Match your innovation strategy to your innovation ecosystem. Harvard business
review, v. 84, n. 4, p. 98, 2006.
ANDERSON, L. W.; KRATHWOHL, D. R.; AIRASIAN, P. W. A taxonomy for learning,
teaching and assessing: a revison of Bloom’s taxonomy of educational objectives. Nova
York: Addison Wesley Longman, 336 p, 2001.
ANDRESEN, L.; BOUD, D.; COHEN, R., 2000; Experience-based learning:
Contemporary issues. Disponível em: <http://complexworld.pbworks.com/f/Experience-
based%20learning.pdf> Acesso em: 03mar. 2016.
ARANHA, G. O processo de consolidação dos jogos eletrônicos como instrumento de
comunicação e de construção de conhecimento. Ciências & Comunicação, v.3, p. 21-62,
2004.
ARBUCKLE, J, L. AMOS 17 user's guide. Chicago, IL: SPSS, 2008.
ARROITIA, B. C.; NINET, G. Z. Implementation of an innovation in education
project. Revista internacional de didáctica de las lenguas extranjeras, ISSN 1697-
7467, v.1, n. 13, p. 103-118, 2010.
BANYTE, J; GADEIKIENE, A. The effect of consumer motivation to play games on video
game-playing engagement. Procedia Economics and Finance, v. 26, p. 505-514, 2015.
BARNES, T.; POWELL, E.; CHAFFIN, A.; LIPFORD, H., 2008. Game2Learn: improving
the motivation of CS1 students. Disponível em:
<http://doi.acm.org/10.1145/1463673.1463674>. Acesso em: 12jan. 2016.
BARRETT, P.; SEXTON, M. Innovation in Small, Project-Based Construction Firms. British
Journal of Management, n. 17, p. 331-346. 2006.
BENTLER, P. M. Comparative fit indexes in structural equations. Psychological Bulletin.
v.107, n. 2, p. 238-246, 1990.
BENTLER, P. M.; WU, E. J. C. EQS for Windows: User’s Guide. Encino, CA: Multivariate
Software, Inc., 1995.
BIRKINSHAW, J; HAMEL, G; MOL, M. J. Management innovation. Academy of
management Review, v. 33, n. 4, p. 825-845, 2008.
BLOOM, B. S. Some major problems in educational measurement. Journal or Educational
Research, v. 38, n. 1, p. 139-142, 1944.
BLOOM, B.S.; ENGELHART, M.D.; FURST, E.J.; HILL, W.H.; KRATHWOHL, D.R.
Taxonomy of educational objectives. New York: David Mckay, 1956.
BLOOM, B. S.; HASTINGS, J. T.; MADAUS, G. F. Handbook on formative and
sommative evaluation of student learning. New York: McGraw-Hill, 1971.
BLOOM, B. S. Innocence in education. The School Review, v. 80, n. 3, p. 333-352, 1972.
98
BYRNE, B. M. Structural equation modeling with AMOS: basic concepts, applications
and programming. 2 ed. New York: Taylor & Francis Group, 2010.
BRODIE, R. J.; HOLLEBEEK, L. D.; JURIC, B.; LLIC, A. Customer engagement:
conceptual domain, fundamental propositions, and implications for research. Journal of
Service Research, v. 2, p. 109-129, 2011.
BRUFFEE, K. A. Collaborative learning: higher education, interdependence, and the
authority of knowledge. Johns Hopkins University Press, Baltimore USA, v2, 1999.
BZUNECK, J. A. As crencas de auto-eficacia dos professores. In: SISTO, F.F.; OLIVEIRA, G.
de; FINI, L. D. T. Leituras de psicologia para formacao de professores. Petropolis, Rio de
Janeiro: Vozes, 2000.
CHESBROUGH, H.W. Open Innovation: the new imperative for creating and profiting from
technology. Harvard Business School Press, 2003.
CLARK, D., 2006, Learning domains or Bloom’s taxonomy: the three types of learning.
Disponível em: <www.nwlink.com/~donclark/hrd/bloom.html>. Acesso em: 14mar. 2016.
CONKLIN, J. A taxonomy for learning, teaching and assessing: a revision of Blooms’s
taxonomy of educational objectives. Educational Horizons, v. 83, n. 3, p. 153-159, 2005
DAMANPOUR, F; ARAVIND, D. Managerial innovation: Conceptions, processes, and
antecedents. Management and Organization Review, v. 8, n. 2, p. 423-454, 2012.
DE FREITAS, S.; OLIVER, M. How can exploratory learning with games and simulations
within the curriculum be most effectively evaluated? Computers and Education Special
Issue on Gaming, v. 46, p. 249–264, 2006.
DETERDING, S.; DIXON, D.; KHALED, R.; NACKLE, L. Gamification: using game
design elements in non-gaming contexts. In Conference on Human Factors in Computing
Systems – Proceedings. ACM, 2011a.
DETERDING, S.; DIXON, D.; KHALED, R.; NACKLE, L. From game design elements to
gamefulness: defining "gamification". In MINDTREK 11, Tampere, Finlândia. 2011b.
DIAS, J. S. Avaliação e transformações da educação superior brasileira (1995– 2009): do
provão ao SINAES. Campinas, v. 15, n. 1, 2010.
DOLMANS, D. H. J. M.; GIJSELAERS, W. H.; MOUST, J. H. C. GRAVE, W. S.;
WOLFHAGEN, I. H. A. P; VLEUTEN, C. P. M. V. D. Trends in research on the tutor in
problem-based learning: conclusions and implications for educational practice and research.
Medical Teacher, v. 24, n. 2, p. 173–180, 2002.
DOLMANS, D. H.; De GRAVE, W.; WOLFHAGEN, I. H.; Van der VEUTEN, C. P.
Problem-based learning: future challenges for educational practice and research. Medical
Education, v.39, p. 732–741, 2005.
DOMÍNGUEZ, A; NAVARRETE, J. S. de; MARCOS, L. de; SANZ, L. F.; PÁGES, C.;
HERRÁIZ, J. J. M. Gamifying learning experiences: Practical implications and outcomes.
Computers & Education on ScienceDirect, v. 63, p. 380–392, 2013.
99
DONDLINGER, M. J. Educational video game design: A review of the literature. Journal of
Applied Educational Technology. v. 4, n.1, p.21-31. 2007.
EGW, 2016. Definição Enterprise Gamification Wiki. Disponível em:
<http://www.enterprise-
gamification.com/mediawiki/index.php?title=Enterprise_Gamification_Wiki> Acesso em:
14mar. 2016.
ERENLI, K. The impact of gamification recommending education scenarios. iJET, v. 8, p. 15
-21, 2013.
FARDO, M. L. A gamificação aplicada em ambientes de aprendizagem. Cinted-UFRGS, v.
11, n. 1, 2013.
FERRAZ, A. P. do C. M; BELHOT, R. V. Taxonomia de Bloom: revisão teórica e
apresentação das adequações do instrumento para definição de objetivos instrucionais. Gestão
da Produção, São Carlos, v. 17, n. 2, p. 421-431, 2010.
FILSECKER, M; HICKEY, D. T. A multilevel analysis of the effects of external rewards on
elementary students’ motivation, engagement and learning in an educational game.
Computers & Education, v. 75, p. 136–148, 2014.
FITZ-WALTER, Z.; TJONDRONEGORO, D.; WYETH, P. Orientation passport: using
gamification to engage university students. In: Proceedings of the 23rd Australian
computer-human interaction conference. ACM, p. 122-125, 2011.
FREDRICKS, J. A.; BLUMENFELD, P. C.; PARIS, A. H. School eng agement: Potential of
the concept, state of the evidence. Review of educational research, v. 74, n. 1, p. 59-109,
2004.
FORNELL, C.; LARCKER, D. Evaluating structural equation models with unobservable
variables and measurements error. Journal of Marketing Research, v. 17, n. 1, p. 39-50,
1982.
FONSECA, J. J. S. Metodologia da pesquisa científica. Fortaleza: UEC, 2002.
GADE, C. Psicologia do Consumidor. Editora, São Paulo, 1980.
GAPP, R.; FISHER, R. Undergraduate management students’ perceptions of what makes a
successful virtual group. Education & training, v. 54, n. 2/3, p.167-179, 2012.
GARCIA, R., CALANTONE, R. A critical look at technological innovation typology and
innovativeness terminology: a literature review. Journal of Product Innovation
Management, v. 19, p.110-132, 2000.
GARTNER, 2011a. Gartner gamification report 2011. Disponível em:
<https://badgeville.com/wiki/Gartner_Gamification_Report_2011>. Acesso em: 12jan. 2016.
GARTNER, 2011b. Gartner predicts over 70 percent of global 2000 organisations will have
at least one gamified application by 2014. Disponível em: <
https://www.gartner.com/newsroom/id/1844115?brand=1>. Acesso em: 18jan. 2016.
GARSON, D. Structural Equation Modeling, 1998. Disponível em:
<http://faculty.chass.ncsu.edu/garson/PA765/structur.htm>. Acesso em: 18mar. 2016.
100
GEE, J.P., 2003. What VideoGames have to teach us about learning and literacy, 2003.
Disponível em: <http://newlearningonline.com/literacies/chapter-2/gee-on-what-video-games-
have-to-teach-us-about-learning-and-literacy> Acesso em: 20mar. 2016.
GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2007.
GUSKEY, T. R. Benjamin S. Bloom’s contributions to curriculum, instruction, and school
learning. In: Annual meeting of the American education research association, 2001.
GUIMARÃES, J. C. F.;SEVERO, E. A. ; SANTINI, FERNANDO DE OLIVEIRA.
Aplicação da modelagem de equações estruturais para análise da retenção de alunos do ensino
superior. Connexio - Revista Científica da Escola de Gestão e Negócios, v. 4, p. 95-114,
2014.
GRAHAM, J. W. Missing data analysis: Making it work in the real world. Annual Review of
Psychology, v. 60, p. 549-576, 2009.
HAIR, JR. J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Multivariate data
analysis. 5 ed., New Jersey: Prentice Hall, 1998.
HAIR JR., J. F.; BUSH, R. P.; ORTINAU, D. J. Marketing research: a practical approach
for the new millennium. New York: Irwin/McGraw-Hill, 2000.
HAIR JR., J. F., BLACK, W. C.; BARDIN, B. J.; ANDERSON, R. E. Multivariate Data
Analysis. 7 ed., New Jersey: Prentice Hall, 2007.
HALVERSON, R; SHAFFER, D.; SQUIRE, K.; STEINKUEHLER, C. 2006. Theorizing
games in/and education. In Proceedings of the 7th international conference on Learning
sciences (ICLS '06). International Society of the Learning Sciences 1048-1052.
HAMARI, J., ERANTI, V. Framework for Designing and Evaluating Game
Achievements. 2011.
HATCHER, L. A step-by-step approach to using the SAS system for factor analysis and
structural equation modeling. Cary, NC: SAS Institute, Inc., 1994.
HEW, K. F. HUANG, B.; CHU, K. W. S.; CHIU, D. K. W. Engaging Asian students through
game mechanics: Findings from two experiment studies. Computers & Education, v. 92-93,
p. 221-236, 2016.
HUOTARI, K. HAMARI, J. Gamification from the perspective of service marketing. In.
CHI 2011 Workshop Gamification, 2011.
IBGE, 1997. Indicadores sociais 1997, crianças e adolescentes, dados gerais. 1997.
Disponível
em:<ftp://ftp.ibge.gov.br/Indicadores_Sociais/Criancas_e_Adolescentes/1997/Caracteristicas_
Gerais/Caracteristicas_Gerais.zip>. Acesso em: 12jan. de 2016.
INEP, 2013. Índice geral de cursos avaliados da instituição. Disponível em: <
http://download.inep.gov.br/educacao_superior/enade/igc/2013/igc_2013_09022015.xlsx>.
Acesso em: 12jan. 2016.
101
IRIONDO, J. M.; ALBERT, M. J.; ESCUDERO A. Structural equation modeling: an
alternative for assessing causal relationships in threatened plant populations. Biological
Conservation, v. 113, p. 367-377, 2003.
JEFFRIES, A., 2011. The fitocrats: how two nerds turned an addiction to videogames into an
addiction to fitness. The New York, 2011. Disponível em <http://observer.com/2011/09/the-
body-hackers-behind-the-scenes-at-fitocracy-the-addictive-fitness-game-that-will-make-you-
want-to-work-out/>. Acesso em: 18jan. 2016.
JOHNSON, W. L., 2005. Lessons learned from games for education. Disponível em:
<http://doi.acm.org/10.1145/1187358.1187396>. Acesso em: 20jan. 2016.
KANTER, R. "Supporting innovation and venture development in established companies."
Journal of business venturing, v. 1.1, p. 47-60, 1986.
KAPP, K. The gamification of learning and instruction: game-based methods and
strategies for training and education. Pfeiffer, 2012. Disponível em: <https://goo.gl/Wu8JUI>.
Acesso em: 14jan. 2016.
KAUARK, F. S; SILVA, V. A. S. Dificuldades de aprendizagem nas séries iniciais do ensino
fundamental e ações psico & pedagógicas. Revista Psicopedagogia, v. 25, n. 78, p. 264-270,
2008.
KLEM, L. Path analysis. In: GRIMM, L. G.; YARNOLD, P. R. Reading and understanding
multivariate statistics. Washington, DC: American Psychological Association, 1995.
KLINE, R. B. Principles and practice of structural equation modeling. 2 ed. New York:
The Guilford Press. 2005.
LADLEY, P. Gamification, Education and Behavioural Economics. Games-ED.
Innovation in Learning, 2011.
LAFRENIERE, M. K.; VERNER-FILION, J; VALLERAND, R. J. Development and
validation of the Gaming Motivation Scale (GAMS). Personality and Individual
Differences, v. 53, n. 7, p. 827-831, 2012.
LEÃO, M. M. S. Ações docentes para promoção do engajamento de alunos em curso de
inglês on-line: uma pesquisa do tipo intervenção. Tese (Doutorado em Lingística Aplicada) –
Universidade Federal do Rio de Janeiro, p.2012, 2013.
LOMBARDÍA, P. G.; STEIN, G. PIN, J. R., 2008. Políticas para dirigir a los nuevos
profesionales – motivaciones y valores de la generación Y. Disponível em:
<http://www.iese.edu/research/pdfs/DI-0753.pdf>. Acesso em: 15jan. 2016.
LOPES, M., 2016. Como ensinar uma geração que vive conectada. Disponível em:
<http://porvir.org/como-ensinar-uma-geracao-vive-conectada/>. Acesso em: 14mar. 2016
MACINNIS, D. J.; MOORMAN, C.; JAWORSKI, B. J. Enhancing and measuring consumers
motivation, opportunity, and ability to process brand information from ads. The Journal of
Marketing, v1, p. 32-53, 1991.
MAGER, R. F. Preparing instructional objectives. (2nd ed.). Belmont, CA: David S. Lake,
1984.
102
MALHOTRA, N. K. Basic marketing research: a decision-making approach. 3 ed. Upper
Saddle River, N.J.: Pearson/Prentice Hall, 2006.
MALHOTRA, N. K. Pesquisa de marketing: uma orientação aplicada. Bookman, 2012.
MANUAL DE OSLO. The measurement of scientific and technological activities. 2005.
MARDIA, K.V. Measures of multivariate skewness and kurtosis with applications.
Biometrika, v. 36, p. 519-530, 1970.
MARDIA, K. V. The effect of nonnormality on some multivariate tests and robustness to
nonnormality in the linear model. Biometrika, v. 58, n. 1, p. 105-121, 1971.
MARUYAMA, G. M. Basics of structural equation modeling. London: Sage Publications,
1998.
MAZMAN, S. G.; USLUEL, Y. K. Modeling educational usage of Facebook. Computers &
Education, v. 55, p. 444-453, 2010.
McGONIGAL, J. Reality Is Broken: Why Games Make Us Better and How They Can
Change the World. Penguin, London, 2011.
MELO C. de; PRADA, R.; RAIMUNDO, G.; PARDAL, J. P.; PINTO, H. S.; PAIVA, A.
Mainstream Games in the Multi-agent Classroom. IEEE Computer Society, Washington,
757-761, 2006. Disponível em: <http://dx.doi.org/10.1109/IAT.2006.86>. Acesso em: 25jan.
2016.
MOREIRA, M. A. Teorias de aprendizagem. São Paulo: Editora pedagógica e universitária,
1999.
PALADINO, A. Investigating the drivers of innovation and new product success: a comparison
of strategic orientations. Journal of Product Innovation Management, v. 24, p. 534-553,
2007.
PAUL B. L.; GASKIN, J. E.; TWYMAN, N. W.; HAMMER, B.; ROBERTS, T. L. Taking
‘fun and games’ seriously: Proposing the hedonic-motivation system adoption model
(HMSAM). Journal of the Association for Information Systems (JAIS), v. 14-11, p.617–
671, 2013.
PEARSON, F. S.: LIPTON, D. S.; DORLINE, C. M.; YEE, S. D. The effects of
behavioral/cognitive-behavioral programs on recidivism. Sage Publications, pág. 476-496,
Vol. 48 No. 3, Julho, 2002.
PIAGET, J. Seis estudos de psicologia. 24. ed. Rio de Janeiro: Forense Universitária, 1999.
PIVEC, M.; DZIABENKO, O.; SCHINNERL, I. Game-based learning in universities and
lifelong learning: “UniGame: social skills and knowledge training” game concept. Journal of
Universal Computer Science, v. 10, n. 1, p. 14-26, 2004.
PORTER, M. E. Clusters of innovation: regional foundations of US competitiveness.
Council on Competitiveness, 2001.
RAMOS, M. Congresso Internacional de Empreendedorismo Inovação e Tecnologia
(CIEIT), Palestra: Educação para o século XXI, 2015.
103
REDONDO, R. de P.; GARCIA, R. M.; ARIAS, J. G.; SANZ, R. A. Teaching Innovation
Network: An educational virtual model. UNED, Procedia Social and Behavioral Sciences,
Madrid, Spain, 2011.
RIBEIRO, M. Universidade brasileira pós-moderna: Democratização x competência.
Manaus: Universidade do Amazonas, 1999.
RIFKIN, J. A era do Acesso. São Paulo, Pearson, Cap 1, 2004.
ROGERS, C. R. Liberdade para aprender. Belo Horizonte: Interlivros, 1969, p. 331.
ROGERS, E. M; SHOEMAKER, F. Diffusion of innovation: A cross-cultural approach.
New York, 1983.
ROGERS, E. M. Diffusion of preventive innovations. Addictive behaviors, v. 27, n. 6, p.
989-993, 2002.
RUBEN, B. D. Simulations, games, and experience-based learning: the quest for a new
paradigm for teaching and learning. Simulation Gaming, v. 30, n. 4, p. 498-505, 1999.
SASHI, C. M. Customer engagement, buyer-seller relationships, and social media.
Management decision, v. 50, n. 2, p. 253-272, 2012.
SCHOOL OF EDUCATION, 2005. Bloom’s Taxonomy: cognitive domain. Disponível em:
<http://www.olemiss.edu/depts/educ_school2/docs/stai_manual/manual8.html>. Acesso em:
14mar. 2016.
SCHUMPETER, J. A. The theory of economic development: An inquiry into profits,
capital, credit, interest, and the business cycle. Transaction publishers, 1934.
SEMESP, 2015. Mapa do ensino superior no Brasil 2015. Disponível em: <
http://convergenciacom.net/pdf/mapa-ensino-superior-brasil-2015.pdf> Acesso em: 18mar.
2016.
SHAVININA, L. V.; SEERATAN, K. L. On the nature of individual innovation. The
international handbook on innovation, v.7, p. 31-43, 2003.
SHELDON, L. The Multiplayer Classroom: Designing coursework as a game. Editora:
Cengage Learning, Boston, MA, 2012.
SIMÕES, J.; REDONDO, R. D.; VILAS, A. F. A social gamification framework for a K-6
learning platform. Computers in Human Behavior, v. 29, p. 345–353, 2013.
SLATE, 2016. Definição. Disponível em: <https://pt.wikipedia.org/wiki/Slate> Acesso em:
20mar. 2016.
SLAVIN, K., 2011. In a World Filled With Sloppy Thinking. Disponível em:
<http://slavin.tumblr.com/post/6353625142/in-a-world-filled-with-sloppy-thinking-this>.
Acesso em: 16jan. 2016.
SONG, X. M.; MONTOYA-WEISS, M. M. Critical development activities for really new
versus incremental products. Journal of product innovation management, v. 15, p. 124-135
1998.
104
SOUZA, M. V. L de; LOPES, E. S; DA SILVA, L. L. Aprendizagem significativa na relação
professor-aluno. Revista de C. Humanas, Viçosa, v.13, n. 2, p. 407-420, 2013.
STOTT, A.; NEUSTAEDTER, C. Analysis of Gamification in Education. Editora: Surrey,
Canada, BC, 2013.
STRAYER, J. F. How learning in an inverted classroom influences cooperation, innovation
and task orientation. Learning Environ Res, v. 15, p. 171–193, 2012.
SURENDELEG, G.; MURWA, V.; VUN, H. K.; KIM, Y. S. The role of gamification in
education: a literature review. Contemporary Engineering Sciences, V. 7, n. 29, p. 1609 –
1616, 2014.
TED, 2016. Definição Technology, Entertainment, Design. Disponível em:
<http://www.ted.com/>. Acesso em: 25mar. 2016.
TIDD, J.; BESSANT, J.; PAVITT, K. Managing innovation: integrating technological,
organizational and market change. Bookman Editora, 1997.
TIGRE, Paulo B. Gestão da inovação – A economia da tecnologia no Brasil. Ed. Elsevier,
Rio de Janeiro, 2006.
TOTTERDELL, P. et al. An investigation of the contents and consequences of major
organizational innovations. International Journal of Innovation Management, v. 6, n. 4, p.
343-368, 2002.
TOUBIA, O. Idea Generation, Creativity, and Incentives. Marketing Science, V. 25, N. 5, p.
411–425, 2006.
VAN DE VEN, A. H. Central problems in the management of innovation. Management
science, v. 32, n. 5, p. 590-607, 1986.
VASCONCELOS, K. C. de A.; MERHI, D. H.; GOULART, V. M.; Da SILVA, A. R. L. A
geração Y e suas âncoras de carreira. Revista Gestão.org, 8 ed. maio/agosto, p. 226-244,
2010.
VAUGHAN, C. A. Identifying course goals: domains and levels of learning. Teaching
Sociology, v. 7, n. 3, p. 265-279, 1980.
VIANNA, Y.; VIANNA, M.; MEDINA, B.; TANAJA, S. Gamification, Inc: como
reinventar empresas a partir de jogos. 1. Ed. – Rio de Janeiro: MJV Press, 2013.
WILLIAMS, C. K.; WILIAMS, C. C. Five key ingredients for improving student motivation.
Research in Higher Education Journal. v.1, n.1, p. 104-122, 2011.
WERBACH, K.; HUNTER, D. For the win: how game thinking can revolutionize your
business. Wharton Digital Press, Pennsylvania, ed. 1, Philadelphia: Wharton Digital Press,
2012. Disponível em: <https://books.google.com.br/books?id=pGm9NVDK3WYC>. Acesso
em: 12jan. 2016.
WYETH, P.; JOHNSON, D.; ZIVIANI, J., 2013. Activity, motivation and games for young
children. In Proceedings of The 9th Australasian Conference on Interactive Entertainment:
Matters of Life and Death (IE '13). ACM, New York, NY, USA. n. 126, p. 33,3. Disponível
em: <http://doi.acm.org/10.1145/2513002.2513025>. Acesso em: 12jan. 2016.
105
YIN, R. K. Case study research: design and methods. 4. ed. v. 5. Thousand Oaks, CA:
Sage Publication, 2009.
ZAWISLAK, P. A; MARINS, L. M. Strenghtening innovation in developing countries.
Journal of Technology Management & Innovation, v. 2, n. 4, p. 44-54, 2008.
ZICHERMANN, G.; CUNNINGHAM, C. Gamification by Design. Editora: O’Reilly
Media, Inc, 2011.
ZICHERMANN, G.; LINDER, J. Game-based marketing inspire customer loyalty,
through rewards, challenges, and contests. Editora: John Wiley & Sons, 2010.
ZICHERMANN, G.; LINDER, J. The gamification revolution. New Delhi: McGraw Hill
Education (India) Private Limited, 2013.
ZIMRING, F. Carl Rogers. Recife: Fundacao Joaquim Nabuco, Editora Massangana, 2010.
106
APÊNDICE A
107
APÊNDICE B
PROTOCOLO DE ENSINO – AULA GAMIFICADA
I – IDENTIFICAÇÃO DA DISCIPLINA
Nome da disciplina Aula experimental gamificação
Curso Cursos de gestão
Ano/Semestre 2016/1~8 N° Horas/Aula 30min
Dias e Horários De agosto a setembro de 2016 a partir das 19:30.
Mentor Gláuber Guilherme Signori
E-mail [email protected]
II – OBJETIVOS DE APRENDIZAGEM
Geral Conhecer conceitos relacionados à inovação de processo e desenvolver habilidades do
domínio cognitivo conforme a Taxonomia de Bloom.
Definição dos
objetivos
específicos de
aprendizagem
Lembrar qual era o segredo industrial da Gillette para o século XXI;
Entender e explicar sobre conceito de inovação de processo;
Demonstrar a aplicar o conteúdo estudado, citando exemplos de inovação de processo;
Analisar o conteúdo estudado, correlacionando as informações corretas sobre inovação
incremental e inovação de processo;
Avaliar o conteúdo estudado;
Criar alguma solução com base no conteúdo estudado.
III – EMENTA
Características, desafios e limitações relacionados ao caso de ensino de inovação de processo.
IV – CONTEÚDO PROGRAMÁTICO
Explicar o roteiro da aula que utiliza o método de ensino gamificado.
Contar uma história para situar os alunos em um ambiente de descontração.
Divisão equipes: dividir os alunos em grupos de 4 a 5 alunos, ou em grupos com a mesma quantidade
de alunos;
Expor o conteúdo proposto;
Perguntas e respostas: realizar perguntas ao longo da aula sobre o conteúdo proposto e apresentado,
conferir as respostas dos alunos e mostrar exemplos de respostas corretas.
Mapa: com intuito de “quebrar o gelo” um mapa foi elaborado para essa tematica de aula dos piratas,
onde os alunos jogam dados, movimentam seus personagens pelo mapa, podendo ganhar ou perder
pontos adicionais;
Pontuação: a pontuação varia de acordo com a dificuldade da pergunta. Exemplo: i) difícil 50 pontos;
ii) intermediária 35 pontos; iii) fácil 20 pontos.
*O mentor da aula gamificada elabora as perguntas, define as dificuldades e pontuações das
perguntas, assim como o tempo para responder cada pergunta conforme a sua dificuldade.
Contabilizando a pontuação: para valer a pontuação as equipes precisam entregar dentro do prazo
estipulado, a primeira equipe que entregar a resposta e caso a resposta estiver correta contabiliza a
pontuação cheia, as equipes seguintes caso as respostas estejam corretas recebem a pontuação -5
conforme a ordem da sua entrega. Exemplo: pergunta fácil, equipe A entregou por 1º contabiliza 20
pontos, equipe C entrega por 2º contabiliza 15 pontos, equipe B e D entregam por 3º contabiliza 10
pontos, equipe G entrega por 4º contabiliza 10 pontos, equipe E entrega por 5º contabiliza 5 pontos,
equipes F, H entregam fora do prazo não contabilizam pontos, equipes I, J resposta errada, não
contabilizam pontos.
*Caso duas ou mais equipes entregarem ao mesmo tempo elas recebem a pontuação da mesma
ordem;
*Caso a resposta esteja errada a equipe não recebe pontos e a próxima equipe na ordem recebe
a pontuação da ordem anterior;
*As últimas equipes que entregarem ou entregarem fora do prazo estipulado não pontuam.
Quadro de lideranças das equipes: as equipes são descritas no quadro, durante a apresentação do
conteúdo proposto vão ocorrendo interações no mapa, assim como perguntas, a pontuação das equipes
é conferida conforme critério acima e anotada no quadro a cada rodada, no final são contabilizadas as
pontuações das perguntas e do mapa. E mostrado os vencedores (1º, 2º e 3º lugar).
Cartões resposta: são materiais adicionais onde as equipes colocam as suas respostas e passam para
o mentor verificar a resposta, depois retornam para as equipes.
108
V – METODOLOGIA DE ENSINO
Aulas Gamificada com uso de elementos dos jogos (equipes, pontos, recompensas, narrativa,
personagens, entre outros) apresentada de forma expositiva, mas interativa entre todos, com a utilização do
quadro e Datashow, executando exercícios durante a aula e no fim um teste, visando uma aprendizagem mais
efetiva baseada nos objetivos de aprendizagem.
VI – INTERDISCIPLINARIDADE
A interdisciplinaridade nesta disciplina está correlacionada com os cursos de Gestão.
VII – ITENS NECESSÁRIOS
Material: Caso de ensino/Estudo de caso (Gillette);
Apresentação ppt sobre o material estipulado;
Dados;
Mapa;
Cartões resposta;
Quadro dos líderes ou local para contabilizar a pontuação das equipes.
VIII – CRONOGRAMA DE ATIVIDADES
Passos Data Conteúdo Programático
1 Explicar o conteúdo Programático
2
Explicar sobre a Aula experimental gamificação
Explicar o que é e como funciona a gamificação;
Explicar sobre a divisão de equipes;
Explicar sobre as interações: perguntas e respostas, caminhando pelo mapa;
Explicar sobre a pontuação;
Explicar sobre o quadro de lideranças das equipes;
Explicar sobre equipes vencedoras;
3 Contar uma história e dividir a turma em equipes
4 Eleger os capitães das equipes
5 Elaborar o quadro de liderança das equipes
6 Distribuir o material
7 Aguardar 20min para leitura do material
8
Iniciar a dinâmica de interação gamificada
1. Explicar sobre os cartões resposta;
2. Distribuir os cartões resposta;
3. Realizar a apresentação do ppt, durante a apresentação:
3.1. Realizar as perguntas sobre o conteúdo;
3.2. Aguardar tempo x pelas respostas;
3.3. Contabilizar as respostas das equipes: corretas e incorretas, ordem das entregas;
3.4. Contabilizar a pontuação das equipes a cada rodada;
3.5. Reiniciar o procedimento a partir do ponto 3 até finalizar as perguntas.
9 Avaliação final
10 Contabilizar a pontuação conforme o quadro de líderes das equipes
11 Premiar as 3 equipes vencedoras
12 Avaliação da aula experimental gamificação
IX – CONDUÇÃO E REGRAS
Critérios para
realização da
aula gamificada
Vencedor: Ao final são calculadas as pontuações e as três equipes que possuírem
as maiores pontuações são premiadas.
*Caso houver empate entre os primeiros colocados o vencedor para a
colocação é tirado no dado, aquele que obter o maior número no dado vence. Caso
empatar no dado, joga-se novamente até desempatar.
XI – BIBLIOGRAFIA
109
Básica
Caso de ensino/Estudo de caso (Gillette);
FARDO, M. L. A gamificação aplicada em ambientes de aprendizagem. Cinted-UFRGS,
v. 11, n. 1, 2013.
McGONIGAL, J. Reality Is Broken: Why Games Make Us Better and How They Can
Change the World. Penguin, London, 2011.
WERBACH, K.; HUNTER, D. For the Win: How Game Thinking Can Revolutionize Your
Business. Wharton Digital Press, Pennsylvania, ed. 1, Philadelphia: Wharton Digital Press,
2012. Disponível em: <https://books.google.com.br/books?id=pGm9NVDK3WYC>.
Acessado em Jan. 2016.
ZICHERMANN, G.; CUNNINGHAM, C. Gamification by Design. Editora: O’Reilly
Media, Inc, 2011.
ZICHERMANN, G.; LINDER, J. The Gamification Revolution. New Delhi: McGraw Hill
Education (India) Private Limited, 2013.
Complementar
SIGNORI, G. G. Gamificação como método inovador no ensino superior. Passo Fundo,
2016, 115p. Dissertação de Mestrado – Programa de Pós-Graduação em Administração -
Faculdade Meridional IMED
WERBACH, K.; Curso Gamification. Disponível em:
<https://pt.coursera.org/learn/gamification>. Acessado em: outubro de 2016.
OBSERVAÇÕES IMPORTANTES
Esse protocolo de ensino poderá ser alterado de acordo com as necessidades da turma.
Caso houver interesse em mais informações sobre a aula que utiliza o método de ensino
gamificado entrar em contato pelo email: [email protected].
110
APÊNDICE C
PROTOCOLO DE ENSINO – AULA TRADICIONAL
I – IDENTIFICAÇÃO DA DISCIPLINA
Nome da disciplina Aula experimental gamificação
Curso Cursos de gestão
Ano/Semestre 2016/1~8 N° Horas/Aula 30min
Dias e Horários De agosto a setembro de 2016 a partir das 19:30.
Mentor Gláuber Guilherme Signori
E-mail [email protected]
II – OBJETIVOS DE APRENDIZAGEM
Geral Conhecer conceitos relacionados à inovação de processo e desenvolver habilidades do
domínio cognitivo conforme a Taxonomia de Bloom.
Definição dos
objetivos
específicos de
aprendizagem
Lembrar qual era o segredo industrial da Gillette para o século XXI;
Entender e explicar sobre conceito de inovação de processo;
Demonstrar a aplicar o conteúdo estudado, citando exemplos de inovação de processo;
Analisar o conteúdo estudado, correlacionando as informações corretas sobre inovação
incremental e inovação de processo;
Avaliar o conteúdo estudado;
Criar alguma solução com base no conteúdo estudado.
III – EMENTA
Características, desafios e limitações relacionados ao caso de ensino de inovação de processo.
IV – CONTEÚDO PROGRAMÁTICO
Explicar o roteiro da aula;
Entregar o texto sobre a temática definida para leitura;
Aguardar 20min para realização da leitura;
Realizar a apresentação do ppt
V – METODOLOGIA DE ENSINO
Aula expositiva, com a utilização do data Show.
VI – INTERDISCIPLINARIDADE
A interdisciplinaridade nesta disciplina está correlacionada com os cursos de Gestão.
VII – ITENS NECESSÁRIOS
Material: Caso de ensino/Estudo de caso (Gillette);
Apresentação ppt sobre o material estipulado;
VIII – CRONOGRAMA DE ATIVIDADES
Passos Data Conteúdo Programático
1 Explicar o conteúdo Programático
2 Distribuir o material
3 Aguardar 20min para leitura do material
4 Realizar a apresentação do ppt
XI – BIBLIOGRAFIA
Básica Caso de ensino/Estudo de caso (Gillette);
OBSERVAÇÕES IMPORTANTES
Esse protocolo de ensino poderá ser alterado de acordo com as necessidades da turma.