Aplicação da regressão linear múltipla na compreensão dos factores que impactam no rendimento académico em Matemática

Authors

DOI:

https://doi.org/10.22481/intermaths.v4i2.13885

Abstract

Este artigo é um recorte do trabalho de conclusão de curso (TCC) realizado como parte do curso de Licenciatura em Ensino de Matemática com habilitação em Estatística na Universidade Pungue, Extensão de Tete, no ano letivo de 2021. O estudo visa analisar os fatores que influenciam o rendimento acadêmico em Matemática dos alunos da 10ª classe na Escola Secundária Heróis Moçambicanos de Moatize. Utilizou-se uma abordagem quantitativa aplicada, com objetivos explicativos e um levantamento estatístico. Devido à extensa população-alvo, adotou-se uma amostragem por conveniência, resultando em uma amostra de 421 alunos. Os dados foram coletados por meio de um questionáriocom questões fechadas para embasar a pesquisa. A análise dos dados foi realizada principalmente por meio da técnica de regressão linear múltipla, auxiliada por análises descritivas e de frequências. A classe analisada é composta por seis turmas, divididas em três sub-turmas por turma, totalizando 452 alunos. Os resultados revelaram a construção de um modelo de regressão linear múltipla, indicando que a variável “número de refeições” (NRef) possui o maior impacto no rendimento acadêmico em Matemática. O modelo sugere que os alunos tendem a ter um maior sucesso na disciplina quando fazem, em média, três refeições diárias, conforme sugerido pela distribuição da variável NRef.

Downloads

Download data is not yet available.

References

P. A. Moretti and e W. O. Bussab,Estatística Básica, 6th, São Paulo: Saraiva, 2010.Contexto E Efeito Escolar, Portugal, 2015.2.Lei n.o 18/2018 do Sistema Nacional de Educação. [Online]. Available:https://www.ilo.org/serial_pdf/28_de_dezembro_de2018/3748/lei_nr_18/2018.3. E. Reis,Estatística Descritiva, 7th, Lisboa:Edições Silabo, 2008.4.S. Vieira, “Regressão Linear Múltipla: Interpretando a saída do SPSS", 2019. [Online].Available: http://soniavieira.blogspot.com/2019/10/interpretando-saida-do-spss-para.html.Accessed on: 09/02/2022.5.A. S Perreiraet al., “Regressão linear múltipla: como simplificar por meio de Excel eSPSS?", Brasil, 2019.6. S. C Rodrigues, Modelo de regressão linear e suas aplicações, Covilhã: UBI, 2012.

S. W. Andreoti, T. A. Menezes e M. E. Bordon, Mostra Nacional de Robótica. Recife-PE,

C. Z. Resende, F. Espinoza, I. Bravo, M. S. Filho e T. F. B. Filho, “Controlador de

Seguimento de Trajetória para Robôs Móveis com Ganhos Dinâmicos”, X SBAI, São João

del-Rei - MG, 2011.

R. Siegwart e I. R. Nourbakhsk, “Introduction to Autonomous Mobile Robots”. MIT Press,

Cambridge-Massachusetts, 2004.

S. G. Tzafestas, “Introduction to Mobile Robot Control”, Elsevier, 2014.

F. Fahimi, "Autonomous Robots: Modeling, Path Planning and Control", Springer, 2009.

Published

2023-12-30

How to Cite

DUARTE, Eduardo Félix Pita; MUSSAFO, Abrantes João Afonso. Aplicação da regressão linear múltipla na compreensão dos factores que impactam no rendimento académico em Matemática. INTERMATHS, Vitória da Conquista, v. 4, n. 2, p. 85–95, 2023. DOI: 10.22481/intermaths.v4i2.13885. Disponível em: https://periodicos2.uesb.br/intermaths/article/view/15805. Acesso em: 21 may. 2026.

Issue

Section

Artigos