Objetivo

1. Azul: medidas de leitura Vermelho: variáveis desenvolvimental e ​​sócio-demográficas Verde: Comportamento Linha Amarela: relação causal Linha Azul: relação correlacional 0,7% • Idade 1% 78% 35% 16% 12% 2% 79% 13% 5% 6% Preditores da habilidade leitora: modelagem por equações estruturais com variáveis linguísticas, comportamentais, demográficas e desenvolvimentais 15% • Problemas com colegas • Acurácia: Leitura de Pseudopalavras • Eficiência de Leitura • Compreensão • de Texto • Raven • Acurácia: Leitura de Palavras • Ano escolar • Atenção e Hiperatividade • Comportamento pró-social • Problemas de comportamento • Precisão: Leitura de Palavras • Sintomas emocionais 38% 1% 9% 13% 16% 14% 9% 14% 0,4% 2% 35% 1% VILHENA, Douglas de Araújo – douglasvilhena@gmail.com PINHEIRO, Ângela Maria Vieira – pinheiroamva@gmail.com GOMES, Cristiano Mauro Assis – cristianomaurogomes@gmail.com Universidade Federal de Minas Gerais – Brasil Palavras-chave: avaliação de leitura, modelagem por equações estruturais, validação, Strengths & DifficultiesQuestionnaires, Matrizes Progressivas Coloridas de Raven. 50% 3% 2% 6% 2% 9% 10% 4% 2% 13% 9% • Sexo 7% 2% 1% 2% Resultados Introdução Tabela 1. Matriz correlacional de variáveis ​​sócio-demográficas, de medidas de leitura e comportamentais (destacadas separadamente em blocos cinzas). Técnica: RobustMaximumLikelihoodEstimator Legenda –%:medida de precisão; acc: medida de acurácia; SE: sintomas emocionais; PC: problemas de comportamento; PRC: problemas de relacionamento com os colegas; CPS: comportamento pró-social; SDAH: sintomas de déficit de atenção e hiperatividade. A técnica estatística de Modelagem por Equações Estruturais é uma valiosa ferramenta que considera um conjunto de variáveis dependentes. Por meio de análise confirmatória, permite testar, se plausível, a causalidade entre os itens. Ou seja, permite investigar até que ponto uma variável preditora pode explicar uma outra variável. Dessa forma, pode-se criar um amplo modelo relacional com estimativas de forças para todas as relações hipotetizadas em um esquema teórico. Objetivo Investigar: o padrão de relação entre as variáveis ​​de leitura, comportamentais, demográficas e cognitivas; até que ponto essas variáveis predizem a habilidade de leitura. • 90 inter-correlações: 32 moderadas (0.30 - 0.79) e 3 fortes (0.818 – 0.925). • Idade e ano escolar mostram correlações moderadas com as medidas de leitura e com a inteligência não-verbal. • Sexo não se correlaciona de forma moderada ou forte com nenhuma variável. Método Análise estatística Técnica: Modelagem por equações estruturais Software: Mplus VERSION 5.2 Modelo elaborado por estratégias confirmatórias e exploratórias, de acordo com as seguintes etapas: Seleção do melhor modelo para as variáveis de leitura. Adição das variáveis ​​comportamentais e as ​​sócio-demográficas. Modelo final representa o esforço de encontrar o melhor índice de modificação (↓ qui-quadrado; ↑ ajuste). O modelo final apresenta bom ajuste: χ² (52) = 69.820; p = 0.050; CFI = 0.993; RMSEA = 0.029; χ²/grau de liberdade= 1.343. Amostra Turmas do 2º ao 5º ano do EF de 8 escolas públicas Estaduais de BH: 72 professores 422 alunos Instrumentos Figura1 – Modelo e porcentagens de variância entre as relações das variáveis. p < 0.05 para todas as medidas. Conclusão O modelo final sugere vasta relação causal e correlacional entre as variáveis: Leitura de palavras isoladas é a base para a compreensão de texto. Sintomas de Déficit de Atenção e Hiperatividade (SDAH) funcionam como uma central de ligações entre todas as habilidades de leitura e as variáveis comportamentais. SDAH prejudicam todas as medidas de leitura e é fortemente responsável por Problemas de Comportamento e Sintomas Emocionais. O ano escolar é melhor estimador da habilidade de leitura e de inteligência fluida do que a idade cronológica. Inteligência não-verbal se correlaciona com a leitura de palavras e é importante para uma boa compreensão de texto e eficiência leitora. O presente trabalho prove validação concorrente e discriminante para todos os instrumentos aqui utilizados. Referências • Angelini, A. L.; Alves, I. C. B.; Custódio, E. M. & Duarte, W. F. (1999). Manual. Matrizes Progressivas Coloridas de Raven. São Paulo: Casa do Psicólogo. • Cogo-Moreira, H.; Ploubidis, G.; De Avila, C.; Mari, J. & Pinheiro, A.M.V. (2012). EACOL (scale of evaluation of reading competency by the teacher): Evidence of concurrent and discriminant validity. Neuropsychiatric Diseases and Treatment, (8): 443–454. • Cuetos, F., Rodrigues, B., & Ruano, E. (2012). PROLEC - Provas de Avaliação dos Processos de Leitura. Adaptação para o português S. A. Capellini, A. M. Oliveira, & F. Cuetos. 2 ed. revisada e ampliada. São Paulo: Casa do Psicólogo. • Goodman R. (1997). The Strengths and Difficulties Questionnaire: a research note. J Child Psychol Psychiatry. 38(5):581-586. • Pinheiro, A. M. V. (1996). Contagem de Frequência de Ocorrência de Palavras Expostas a crianças na faixa pré-escolar e séries iniciais do 1º grau. São Paulo (SP): Associação Brasileira de Dislexia. • Pinheiro, A. M. V. (2007). Lista de palavras. In: Inês Sim-Sim; Fernanda Leopoldina Viana. (Org.). Para a Avaliação do desempenho de leitura. Lisboa: Gabinete de Estatística e Planejamento da Educação (GEPE), p. 120-130. • Pinheiro, A. M. V. (2012) Validação e estabelecimento de normas de uma prova computadorizada de reconhecimento de palavras para crianças. Relatório de pesquisa submetido à FAPEMIG (ref. SHA - APQ-01914-09). • Vilhena, D. A. & Pinheiro, A. M. V. (em adaptação). Adaptação e Validação da Avaliação da Eficiência de Leitura. Apoio: Aprovação do Comitê de Ética da UFMG: CAAE - 17754514.6.0000.5149