elisetenmayer44@gmail.com

heleise@gmail.com

bilynkievycz@uepg.br

jroliveira26@gmail.com

*Especialização em andamento: Docência do Ensino Superior

Faculdade de Ciências, Educação, Saúde, Pesquisa e Gestão, CENSUPEG

Especialização em: Ensino à Distância: Gestão e Tutoria

pelo Centro Universitário Leonardo da Vinci (UNIASSELVI)

Graduada em Educação Física - Licenciatura

pela Universidade Estadual de Ponta Grossa (UEPG)

**Orientadora da pesquisa. Doutora em Ciências do Movimento Humano

pela Universidade Metodista de Piracicaba (UNIMEP)

Mestre em Educação, UNIMEP

Graduada em Educação Física

pela Universidade Estadual de Londrina (UEL)

Professora adjunta da UEPG

Membro pesquisador do Núcleo de Pesquisas

em Biomecânica Ocupacional e Qualidade de Vida

Coordenadora do Núcleo em Saúde e Qualidade de Vida

+Departamento de Odontologia da UEPG

Programa de Pós-Graduação de Engenharia da Produção

da Universidade Tecnológica Federal do Paraná (UTFPR)

Cientista de Dados. Doutor e Mestre em Engenharia da Produção pela UTFPR

Especialista em Administração de Banco de Dados pela UEPG

Especialista em Ciências do Esporte pela UEPG

Graduado em Licenciatura e Bacharelado em Educação Física pela UEPG

Graduado em Licenciatura em Computação

pelo Centro Universitário Claretiano (CEUCLAR).

++Doutor pela UNIMEP. Mestrado pela UEPG

Engenheiro de Produção, Engenheiro de Segurança do Trabalho

Especialização em Treinamento, Professor Educação Física

Coeditor e Parecerista ad hoc de Periódico Científico

Organizador dos Livros Qualidade de Vida, Esporte e Sociedade séries 2 e 3

(Brasil)

Recepción: 14/09/2022 - Aceptación: 09/04/2023

1ª Revisión: 24/03/2023 - 2ª Revisión: 25/04/2023

Documento acessível. Lei N° 26.653. WCAG 2.0

Cita sugerida: Mayer, E.A.N., Oliveira, H.F. dos R. de, Santos, C.B. dos, e Oliveira, J.R.L. de (2023). A pandemia da COVID-19: consequências na percepção da qualidade de vida de professores. Lecturas: Educación Física y Deportes, 28(301), 2-19. https://doi.org/10.46642/efd.v28i301.3680

 

Resumo

    Pesquisar o tema Qualidade de Vida (QV) é complexo, pois parte de um sentimento intrínseco de cada ser humano, englobando aspectos como: saúde física e psicológica, relações sociais e meio ambiente. Sob esta ótica, esta pesquisa teve como objetivo identificar a percepção da QV de professores em meio a pandemia de COVID-19. Como metodologia, esta pesquisa apresentou-se como descritiva, com abordagem quantiqualitativa. A população que participou da amostra foi de 142 professores, e somente 74 se classificaram respondendo aos dois instrumentos. Foram utilizados dois instrumentos sendo: um sociodemográfico e o Whoqol-Bref, on-line. Para a análise dos dados, foram utilizadas técnicas estatísticas de resumo e técnicas de mineração de dados de descrição, redução de dimensionalidade e de classificação. Os resultados apontaram que a percepção de QV dos professores participantes da pesquisa, foi considerada boa. Todavia, sendo identificados como fatores determinantes para o desfecho das classificações de QV, as seguintes variáveis sociodemográficas/comportamentais: carga horária; renda mensal e prática de atividades físicas. Já para os indicadores de QV do Whoqol-Bref: energia e fadiga, sono e repouso, atividades da vida cotidiana, sentimentos positivos, autoestima, imagem corporal e aparência, relações pessoais, suporte social, recursos financeiros, transporte e auto avaliação da QV Geral (percepção geral da saúde). A identificação destes fatores permitiu o desenvolvimento de modelos de classificação, através de árvores de decisão e regressão logística. Assim sendo, os professores que aceitaram participar da pesquisa, foram classificados com uma percepção média de QV, em meio a pandemia do COVID-19.

    Unitermos: Qualidade de vida. Professores. Pandemia.

 

Abstract

    Researching the Quality of Life (QoL) theme is complex, as it starts from an intrinsic feeling of each human being, encompassing aspects such as: physical and psychological health, social relationships and the environment. From this perspective, this research aimed to; to identify the perception of teachers' QoL in the midst of the COVID-19 pandemic. As a methodology, this research was presented as descriptive, with a quantitative-qualitative approach. The population that participated in the sample was 142 teachers, and only 74 were classified as responding to both instruments. Two instruments were used: one sociodemographic and the Whoqol-Bref, online. For data analysis, summary statistical techniques and data mining techniques for description, dimensionality reduction and classification were used. The results showed that the perception of QoL of the teachers participating in the research was considered good. However, the following sociodemographic/behavioral variables were identified as determining factors for the outcome of QoL classifications: workload; monthly income and practice of physical activities. As for the QoL indicators of the Whoqol-Bref: energy and fatigue, sleep and rest, activities of daily living, positive feelings, self-esteem, body image and appearance, personal relationships, social support, financial resources, transportation and self-assessment of General QoL (general health perception). The identification of these factors allowed the development of classification models, through decision trees and logistic regression. Therefore, the teachers who accepted to participate in the research were classified with an average perception of QoL, amid the COVID-19 pandemic.

    Keywords: Quality of life. Teachers. Pandemic.

 

Resumen

    Investigar el tema Calidad de Vida (CV) es complejo, ya que parte de un sentimiento intrínseco de cada ser humano, abarcando aspectos como salud física y psicológica, relaciones sociales y medio ambiente. Desde esta perspectiva, esta investigación tuvo como objetivo identificar la percepción de CV de docentes en medio de la pandemia de COVID-19. La metodología fue descriptiva, con un enfoque cuantitativo y cualitativo. La población que participó de la muestra estuvo conformada por 142 docentes, y solo 74 fueron clasificados al responder a ambos instrumentos. Se utilizaron dos instrumentos: uno sociodemográfico y el Whoqol-Bref, en línea. Para el análisis de datos se utilizaron técnicas de estadística de resumen y técnicas de minería de datos de descripción, reducción de dimensionalidad y clasificación. Los resultados mostraron que la percepción de CV de los docentes participantes fue considerada buena. Sin embargo, se identificaron factores determinantes para el resultado de las clasificaciones de CV, variables sociodemográficas/comportamentales como carga de trabajo, ingresos mensuales y práctica de actividades físicas. En cuanto a los indicadores de calidad de vida Whoqol-Bref: energía y fatiga, sueño y descanso, actividades de la vida diaria, sentimientos positivos, autoestima, imagen y apariencia corporal, relaciones personales, apoyo social, recursos económicos, transporte y autoevaluación de CV General (percepción general de salud). La identificación de estos factores permitió el desarrollo de modelos de clasificación, a través de árboles de decisión y regresión logística. Por lo tanto, los docentes que aceptaron participar en la investigación fueron clasificados con una percepción de CV media.

    Palabras clave: Calidad de vida. Docentes. Pandemia.

 

Lecturas: Educación Física y Deportes, Vol. 28, Núm. 301, Jun. (2023)

---

 

Introdução 

 

    Em março de 2020, professores do Brasil e do mundo, tiveram suas atividades habituais alteradas, devido a COVID-19, que é uma doença infecciosa zoonótica, ocasionada pelo Sars-Cov-2, que por possuir uma forma rápida de contágio, obrigou a Organização Mundial da Saúde (OMS), declarar estado de pandemia em março de 2020 (WHO, 2020). Segundo Trilla (2020), a via mais provável de transmissão do COVID-19 é por contato e gotículas respiratórias (aerossóis), em distâncias curtas (1,5 metros). A implementação de controle de infecção adequado, e os constantes relatos de casos em diversos países, tem sido eficaz na redução da transmissão e contenção de surtos da doença. (Cruz, 2021)

 

    Decorrente da situação pandêmica, as atividades presenciais dos diversos setores da sociedade mundial, exceto atividades da saúde e atividades consideradas essenciais, foram suspensas e as autoridades decretaram o isolamento social.

 

    Todavia no Brasil, a necessidade em dar continuidade aos diversos níveis e atividades em educação, remeteu-se a quase totalidade dos professores as atividades remotas, esses profissionais, tem sofrido com as mudanças repentinas em seu trabalho decorrente da pandemia, a nova forma de trabalho agora é remota, online atrelada ao uso de plataformas. Os professores podem não ter necessariamente a tecnologia, recursos e competências que eles precisam para se engajar e ter sucesso nessa nova modalidade de ensino. (Rabacal, 2020)

 

    Para Cabezas et al. (2021) a competência digital não é uma habilidade isolada que os educadores de formação inicial devem desenvolver, mas sim devem desenvolver conhecimentos, procedimentos e atitudes em diferentes áreas.

 

    Entretanto, a maioria dos professores não estava habilitada ao exercício de sua profissão com tais características, ou seja, o uso de ferramentas tecnológicas para dar conta da continuidade das atividades laborativas. (Melo, 2020)

 

    Os professores também têm um papel fundamental durante esta pandemia. Não só devem fornecer materiais educativos às crianças e estar em contato permanente com os pais, como também devem oferecer aos alunos a oportunidade de interagir com eles e até de obter aconselhamento e apoio psicológico, caso necessitem. É importante que os professores promovam ativamente a necessidade de bons hábitos de higiene, de prática de exercício físico, de uma alimentação adequada e de hábitos de sono adequados. (Cifuentes, 2020)

 

    Sendo assim, o tempo de pandemia requereu adaptações as quais influenciaram diretamente a Qualidade de Vida (QV) das pessoas, principalmente a dos professores.

 

    Conforme Oliveira (2017), QV, é o prazer individual em meio aos aspectos psíquicos, fisiológicos, sociais e financeiros e devendo ocorrer uma constância entre os aspectos mencionados. O atendimento das necessidades humanas básicas: o alimento, a moradia, a educação e o trabalho. Afinal, a sobrevivência terá sempre prioridade sobre as questões do bem-estar. Qualidade de vida é, pois, algo que envolve bem-estar, felicidade, sonhos, dignidade, trabalho e cidadania. (Nahas, 2017)

 

    Os autores citados anteriormente são unânimes ao mencionar que a QV é um conceito amplo, complexo e ainda individual.

 

    Portanto, as reflexões supracitadas justificam-se por incitarem esta pesquisa a objetivar a identificação e a percepção da QV de professores em meio a pandemia da COVID-19, instigando a problemática: Qual a Percepção de QV dos Professores da Rede Municipal de Ensino, em meio a pandemia de COVID-19?

 

Métodos 

 

    Esta pesquisa classifica-se com uma pesquisa descritiva, transversal de análise quantiqualitativa (Gil, 2002), sobre a percepção da QV de professores da rede de Ensino Municipal da cidade de Ponta Grossa. O grupo Whoqol classifica a QV como: “percepção do indivíduo de sua posição na vida, no contexto da cultura e sistemas de valores nos quais vive e em relação aos seus objetivos, expectativas, padrões e preocupações”. (The Whoqol Group, 1995)

 

    Em 2020, estavam lotados 1865 professores, constatado no site www.sme.pontagrossa.pr.gov.br, caracterizando professores da educação infantil e do ensino fundamental inicial e final, com idades entre 18 e 65 anos, em sua maioria mulheres (97%). A amostra compreendeu cerca de 142 professores de ambos os sexos, dos quais somente 74 foram classificados como aptos a participar da pesquisa, sendo estes pertencentes as seguintes áreas: educação física, português, ciências, história, artes, religião, matemática e geografia.

 

    Com foco no corpo docente, foi vedada a participação de diretores, pedagogos, administrativo, zeladores e cozinheiras, e ou que desistissem de responder aos questionários, ao menos 3 questões.

 

    Esta pesquisa foi submetida e aprovada pelo CEP - Comitê de Ética em Pesquisa da Universidade Estadual de Ponta Grossa (UEPG), sob o protocolo nº 2.991.247.

 

Procedimentos da coleta de dados 

 

    Foram utilizados dois instrumentos auto aplicáveis, enviados por e-mail, com aplicações nos meses de novembro e dezembro de 2020 e em um segundo momento em fevereiro de 2021.

 

    Os instrumentos foram: um sócio demográfico (elaborado pelos pesquisadores), no Google Forms, com 10 questões objetivas e fechadas que continham respostas pré-determinadas por subdivisões com as seguintes variáveis a saber: idade, sexo, estado civil, escolaridade, renda mensal, turno de trabalho, horas semanais de trabalho, doença crônica, dificuldades de exercer as atividades de modo remoto e se o aluno realiza as atividades propostas. No cabeçalho continha o Termo de Consentimento Livre Esclarecido - TCLE e ao responderem autorizaram sua participação na pesquisa.

 

    O segundo foi Whoqool Bref, acesso online e gratuito, está disponível no sítio eletrônico com 26 questões; a 1 e 2 sendo sobre a QV de forma geral, e mais 24 facetas as quais são compostas pelos domínios: Físico, Psicológico, Relações sociais e Meio Ambiente. Quanto as respostas, essas seguiam uma escala de Likert (1 a 5 quanto maior a pontuação melhor a QV), em seguida para a mensuração dos resultados considerou-se que quanto maior a porcentagem, mais perto de 100%, melhor a QV do entrevistado. (Fleck, 2000)

 

    Cada item do Whoqol Bref é pontuado em uma escala de 1 a 5, onde 1 representa; muito insatisfatório; e 5 representa; muito satisfatório. As pontuações para cada domínio são calculadas somando-se as pontuações dos itens que compõem o domínio e transformando-as em uma escala de 0 a 100, onde 0 representa a pior qualidade de vida possível e 100 representa a melhor qualidade de vida possível. A categorização dos itens nos domínios do Whoqol Bref foi realizada com base em estudos de validação e em consensos de especialistas, visando garantir que os itens sejam agrupados de forma coerente e abranjam os diferentes aspectos da qualidade de vida.

 

Análise de dados 

 

    Os dois instrumentos de coletas de dados utilizados para a pesquisa; o sóciodemográfico e o Whooqol Bref, foram organizados respectivamente em uma planilha no Google Forms e o Whooqol Bref, encontrava-se on-line. Dos 142 indivíduos avaliados, 74 indivíduos responderam aos dois instrumentos de avaliação.

 

    Essa planilha passou pelo processo de Descoberta de Conhecimento em Base de Dados (DCBD) (Fayyad, 1998). Este processo dividiu-se em três macro etapas: I) Pré-processamento de Mineração de Dados; II) Mineração de Dados (MD); III) Pós-processamento de Mineração de Dados. (Santos, 2016)

 

    Parte das etapas inicias do DCBD, que compõem o pré-processamento de MD (limpeza e enriquecimento de dados) foi realizada através dos softwares: Bloco de Nota, Excel e MS Access, as demais etapas foram realizadas através do Waikato Environment for Knowledge Analysis (Weka). (Frank, 2016)

 

    A Tabela 1 a seguir, apresenta algumas etapas do Processo de DCBD e os procedimentos metodológicos adotados, apartir dos seus principais objetivos operacionais.

 

Fonte: Santos (2016)

 

    Para Santos (2007), no processo de Descoberta de Conhecimento em Base de Dados (DCBD), é facultativo a formulação de hipóteses.

 

Resultados 

 

    Apresentados os principais resultados dos índices de satisfação da QV por facetas e dominios, atráves do processo de redução de diemensionalidade,bem como a média simples e a geométrica, representados na Figura 1 e 2.

 

Fonte: Os autores

 

    Foram identificados os índices de satisfação através do processo de redução de dimensionalidade.

 

    Segundo Berger, e Marcinman (1993), a QV reflete a satisfação harmoniosa dos objetivos e desejos de uma pessoa, pois a QV ou felicidade seria a abundância de aspectos positivos somados a ausência de aspectos negativos.

 

    A Figura 2 aponta o Índice Satisfação dos Domínio de QV e as respectivas médias.

 

Fonte: Os autores

 

    Desta forma, na Figura 2 identifica-se que a saúde do indivíduo, passa a ser determinante de acordo com seu estilo de vida, configurando-se como ações diárias do ser humano, refletindo em oportunidades e valores, desde seus hábitos alimentares até suas escolhas profissionais e pessoais, podendo garantir bem-estar, condições econômicas, oportunidades de lazer, diversão, convivência familiar e social, com acesso à educação e cultura. (Alvarenga, 2020)

 

    Achados como esse relacionados ao Whoqol Bref, domínio relações sociais e psicológico, no estudo de Tavares (2014, p. 408) evidenciam que o local onde se convive e reside afeta a QV; as facilidades que o cercam em seu ambiente de convivência traz segurança e conforto, impactando positivamente ou negativamente na QV do indivíduo.

 

    Através de técnicas de redução de dimensionalidade, buscou-se as variáveis com maior potencialidade de explicar a classificação da QV, utilizando o algoritmo CFS que resultou na identificação das seguintes variáveis independentes, conforme a Tabela 2.

 

Discussões 

 

Variável dependente (Desfecho)	Variáveis independentes	% de relação
Classe de QV	Massa Corporal (Kg) IMC (kg/m²) Doença Crônica	100 100 95

Fonte: Os autores

 

    Na Tabela 2, tem-se as variáveis sociodemográficas com potencialidades de explicar o desfecho, sem considerar os indicadores, apontando; a massa corporal (kg), IMC e Doença crônica que são fatores que isoladamente interferem na questão de a QV ser considerada, média ou alta. Segundo Nahas (2017), considera-se com risco para a saúde, devido ao excesso de peso, o indivíduo com percentual de gordura igual ou superior a 25% (homem) e 32% (mulher). As pessoas em geral precisam de um mínimo de gordura para não terem risco de saúde: estes valores mínimos ficam entre 5 e 7% para os homens e entre 14 e 16% para as mulheres.

 

    A Tabela 3 menciona a redução de dimensionalidade a partir do conjunto de dados, dos índices da QV por facetas.

 

Variável Dependente (Desfecho)	Variáveis independentes	% de relação
Classe de QV	Energia e fadiga	100
	Sono e repouso	100
	Atividades da vida cotidiana	100
	Sentimentos positivos	100
	Autoestima	100
	Imagem corporal e aparência	97
	Relações pessoais	100
	Suporte social	100
	Recursos financeiros	100
	Transporte	99
	Auto avaliação da QV Geral percepção geral da saúde	100

Fonte: Os autores

 

    Na Tabela 3, verifica-se que foi feito um processo de redução de dimensionalidade, sendo selecionados os indicadores acima, como os mais importantes, sendo as variáveis independentes como; a energia e a fadiga 100%, imagem corporal e aparência 97%, recursos financeiros 100%, que estão relacionadas ao desfecho da percepção da QV dos professores. A despeito disso, a QV torna-se fundamental para a obtenção de uma boa saúde e não o contrário (Renwick, e Brown, 1996). Sob esta ótica, a QV é um fator preponderante para a aquisição da saúde e não o oposto.

    

    A partir dos dados sociodemográficos, foram gerados dois modelos de classificação, utilizando os algoritmos de AD e RL. O Modelo de AD, foi gerado sem redução de dimensionalidade, a partir de todo conjunto de dados sociodemográficos, apresentando as melhores medidas de qualidade. Enquanto os melhores modelos do algoritmo RL, exigiram redução de dimensionalidade.

 

    Os modelos apresentaram medidas de qualidade satisfatórias e permitiram identificar os fatores com maior ganho de informação (AD) (Figura 3) e as razões de chances dos fatores associados (RL) (Tabela 4), para se chegar aos desfechos do grau de QV

No Quadro 1 são apresentados os fatores identificados como os mais determinantes da classificação, a partir das AD.

 

Quadro 1. Fatores mais determinantes da classificação

Carga Horária Renda Mensal Prática de atividades Físicas

Fonte: Os autores

 

    Os fatores do Quadro 1, aparecem como os nós mais promissores das AD (Figura 3), como os maiores ganhos de informação.

Uma das diretrizes amplamente adotadas em todo o mundo do American College of Sports Medicine (ACSM), orienta que adultos realizem 30 minutos ou mais de AF com intensidade moderada, pelo menos 5 dias por semana, ou 20 minutos de AF com intensidade vigorosa, pelo menos 3 dias por semana, além das atividades da vida diária.

 

Fonte: Os autores

 

    Na Figura 3, a Árvore de decisão aponta os nós decisórios para a classificação do desfecho da QV dos professores, destacando-se as variáveis como; a carga horária de trabalho, a qual agrega mais informações, sendo a mais determinante, pois os professores têm a carga horária de 40 horas semanais que consequentemente, culmina numa renda satisfatória. Já o nó Renda mensal, menciona os possuidores com uma faixa de 3 a 6 salários-mínimos, como pode ser verificado na ramificação, apresentando-se como alta chance de influenciar no desfecho da classificação de QV desses indivíduos.

 

    A Tabela 4 apresenta os desfechos da classificação da QV a partir dos dados sociodemográficos.

 

Variáveis Independentes		QV
	Classe	Média	Alta
Idade		1.0058	1.0207
Peso		0.9978	0.9392
Renda mensal (SM)	Nenhuma	0	0.0118
	1 a 3	3.1075	1.3277
	3 a 6	1.3997	3.2445
	6 a 9	2.2451	4.602
	9 a 12	0.0088	0
Carga horária trabalho semanal		1.1747	1.0282
Prática alguma atividade física ou lazer	Não	1.3635	0.4109
Retorno regular das atividades propostas	Sim	0.9146	2.2968

Fonte: Os autores

 

    A partir da Tabela 4, observa-se que a falta de atividade física regular, aumenta em 36% as chances de obter a menor classificação da QV do grupo. Porém, aqueles que recebem o retorno regular das atividades propostas, apresentam 2,29% chances a mais, de obter uma QV maior, classificada como alta. Já o incremento na carga horária de trabalho, aumenta em 17% as chances de obter a menor classificação de QV. Quem possui rendimentos entre 6 e 9 salários-mínimos, tem 4,6 vezes mais chances, de ter uma QV classificada como alta. Porém, aqueles cuja renda é inferior a 3 e 6 salários-mínimos, as chances de obter uma classificação média (menor), para QV é 3,2 vezes maior. Desta forma, os achados desta pesquisa enfatizam o que os estudos têm apontado a respeito de que a renda mais alta melhora a saúde ou a saúde melhora a renda, pois quando se tem saúde, esta associa-se a “força” para o trabalho que impacta na produtividade e consequentemente, na oferta de trabalho o que afeta o crescimento econômico, essas questões podem ser denominadas de capital humano. (Soares, 2007)

 

    Sob esta ótica, quando o trabalhador possui saúde e consegue gerar renda suficiente para sua subsistência, obtêm níveis satisfatórios de QV.

 

Conclusão 

 

    Conclui-se que com os dados descobertos sobre a percepção da QV dos professores da Rede de Ensino Municipal de Ponta Grossa, em meio a pandemia da COVID-19, esteve aparentemente dentro de parâmetros de satisfação médios de acordo com a análise estatística empregada. Pois, foi possível observar que embora, alguns professores sejam usuários de medicamentos, estes são utilizados para tratar as devidas comorbidades existentes e embora, os participantes da pesquisa apresentassem dores, estes fatores não tiveram impacto, diretamente na percepção da QV que vem se mantendo estável, devido ao apoio familiar recebido, já que os mesmos, têm conseguido conciliar as horas em home office, com a família e a escola.

 

    Desta forma, apesar dos professores estarem submetidos diretamente a situações de estresses diários, sendo eles; emocional e físico, acarretando o desenvolvimento de alguns hábitos que vieram afetar a QV, mesmo assim, conseguiram se adaptar à nova realidade atrelada a COVID-19.

 

    Apesar de se tratar de um estudo transversal, talvez o tema, se constitua em uma limitação de estudos, embora possa contribuir para a manutenção da QV dos professores, no período pós pandemia de COVID-19.

 

    Dentre a limitações poderíamos citar um N pequeno e as características bem específicas da amostra, com baixa variabilidade, que impedem uma generalização da população. E a falta de estudos semelhantes, como o uso de técnicas inovadoras de MD, que impedem uma discussão comparativa

 

Referências 

 

Alvarenga, R., Martins, GC, Dipe, EL, Campos, MVA, Passos, RP, Lima, BN, Camargo, LB, Sílio, LF, Oliveira, JRL, Vilela Junior, GB, e Fileni, CHP (2020). Percepção da qualidade de vida de professores das redes públicas e privadas frente à pandemia do COVID-19. Revista CPAQV, 12(3), 1- 8. http://dx.doi.org/10.36692/cpaqv-v12n3-1

 

American College of Sports Medicine (ACSM). http://www.acsm.org

 

Arthur, D., e Vassilvitskii, S. (2007). K-means++: The advantages of careful seeding. In: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035. https://dl.acm.org/doi/10.5555/1283383.1283494

 

Berger, B., e Mcimann, A. (1993). Exercise and quality of life. In: R.N. Singer, M. Murphey, L.K. Tennant, e International Society of Sports Psychology (Eds.). Handbook of research on sport psychology (pp. 729-60). Macmillan Pub. Co.

 

Cabezas-González, M., Casillas-Martín, S., e García-Peñalvo, F.J. (2021). The Digital Competence of Pre-Service Educators: The Influence of Personal Variables. Sustainability, 13(4), 2318. https://doi.org/10.3390/su13042318

 

Cessie, I.E., e Houwelingen, J.C. (1992). Ridge Estimators in Logistic Regression. Applied Statistics, 41(1), 191-201. https://www.jstor.org/stable/2347628

 

Chawla, V., Bowyer, K.W., Hall, L.O., e Kegelmeyer, W.P. (2002). Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research, 16, 321-357. https://doi.org/10.1613/jair.953

 

Cifuentes-Faura, J. (2020). Consecuencias en los Niños del Cierre de Escuelas por COVID-19: El Papel del Gobierno, Profesores y Padres. Revista Internacional de Educación para la Justicia Social, 9(3). https://revistas.uam.es/riejs/article/view/12216

 

Cruz, M.P., Santos, E., Velázquez Cervantes, M.A., e León Juárez, M. (2021). COVID-19, a worldwide public health emergency. Revista Clínica Española (English Edition), 221(1), 55-61. https://doi.org/10.1016/j.rce.2020.03.001

 

Fayyad, U.M. (1998). Diving into databases: SQL is helpless in the face of massive, accumulating data stores. Database Programming and Design, 11, 24-31.

 

Fleck, MPA, Louzada, S., Xavier, M., Chachamovich, E., Vieira, g., Santos, L., e Pinzon, V. (2000). Aplicação da Versão em Português do Instrumento Abreviado de Avaliação da Qualidade de Vida “WHOQOL-BREF”. Rev. Saúde Pública, 34, 178-83.

 

Frank, E., Hall, M.A., e Witten, I.H. (2016). Data mining: practical machine learning tools and techniques (4ª ed.). Morgan Kaufmann.

 

Gil, A.C. (2002). Como elaborar projetos de pesquisa (4ª ed.). Editora Atlas S.A.

 

Hall, M.A. (1999). Correlation-based feature selection for machine learning [Thesis. The University of Waikato]. https://www.cs.waikato.ac.nz/~mhall/thesis.pdf

 

Kovahi, R., e John, G.H. (1997). Wrappers for feature subset selection. Artificial Intelligence, 97(1-2), 273-324. https://doi.org/10.1016/S0004-3702(97)00043-X

 

Melo, M.T., Dias, S.R., e Volpato, A.N. (2020). Impacto dos Fatores Relacionados à Pandemia de COVID 19 na Qualidade de Vida dos Professores Atuantes em SC. Contexto Digital.

 

Nahas, M.V. (2017). Atividade física, saúde e qualidade de vida: conceitos e sugestões para um estilo de vida ativo (7ª ed.). Ed. do Autor. https://sbafs.org.br/admin/files/papers/file_lIduWnhVZnP7.pdf

 

Oliveira, HFR, Risso, HRF, Legnani, E., Batista, E., Turrioni, FC, Martins, GC, Oliveira, JRL, Camargo, LB, Passos, RP, e Vilela Junior, GB (2017). QVT-25: Construção e Validação de um Instrumento de Avaliação da Qualidade de Vida no Trabalho. Revista CPAQV - Centro de Pesquisas Avançadas em Qualidade de Vida, 9(1). https://www.cpaqv.org/revista/CPAQV/ojs-2.3.7/index.php?journal=CPAQV&page=article&op=view&path%5B%5D=195

 

Quinlan, R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publisher.

 

Rabacal, J.S., Oducado, R.M.F., e Tamdang, K.A. (2020). COVID-19 Impact on the Quality of Life of Teachers: A Cross-sectional Study. Asian Journal for Public Opinion Research, 8(4), 478-492. http://dx.doi.org/10.15206/ajpor.2020.8.4.478

 

Renwick, R., e Brown, I. (1996). The center for health promotion’s conceptual approach to quality of life. In: R. Renwick, I. Brown, e M. Nagler (Eds.), Quality of life in health promotion and rehabilitation: conceptual approaches, issues and applications (p. 75-86). Sage.

 

Santos, C.B. dos (2007). Análise dos resultados do WHOQOL-100 utilizando Data Mining [Dissertação, Programa de Pós-Graduação em Engenharia de Produção. Universidade Tecnológica Federal do Paraná]. https://repositorio.utfpr.edu.br/jspui/handle/1/3613

 

Santos, C. B. dos, Pilatti, L.A., Pedroso, B., Ribeiro, D.R., e Guimarães, A.M. (2016). Previsão do índice de desenvolvimento humano e da expectativa de vida na América Latina por meio de técnicas de mineração de dados. Ciênc. saúde colet., 23(11). https://doi.org/10.1590/1413-812320182311.26142016

 

Soares, R.R. (2007). Health and the Evolution of Welfare across Brazilian Municipalities. Journal of Development Economics, 84(2), 590-608. http://dx.doi.org/10.1016/j.jdeveco.2007.02.002

 

Tavares, D.M.S., Bolina, A.F., Dias, F.A, Ferreira, P.C. dos S., e Haas, V.J. (2014). Qualidade de vida de idosos. Comparação entre as áreas urbana e rural. Invest Educ Enferm., 32(3), 401-413. http://www.scielo.org.co/scielo.php?pid=S0120-53072014000300005&script=sci_arttext&tlng=pt

 

The Whoqol Group (1995). The World Health Organization quality of life assessment (WHOQOL): position paper from the World Health Organization. Soc Sci Med, 41, 1403-10. https://doi.org/10.1016/0277-9536(95)00112-K

 

Trilla, A. (2020). One world, one health: The novel coronavirus COVID-19 epidemic. Medicina Clínica (English Edition), 154(5), 175-177. https://doi.org/10.1016/j.medcle.2020.02.001

 

Whorld Health Organization (2020). Director-General's opening remarks at the media briefing on COVID-19 - 114 March 2020. WHO. https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020

 

Apêndice 

== Run information ===   Scheme:       weka.classifiers.functions.Logistic -R 1.0E-8 -M -1 -num-decimal-places 4 Relation: DM2b-weka.filters.unsupervised.attribute.Remove-R44-45-weka.filters.unsupervised.attribute. Remove-R40-43-weka.filters.unsupervised.attribute.Remove-R15-39-weka.filters.supervised. instance.SMOTE-C1-K5-P55.18-S1-weka.filters.supervised.attribute.AttributeSelection-Eweka. attributeSelection.WrapperSubsetEval -B weka.classifiers.functions.Logistic -F 5 -T 0.01 -R 1  -E DEFAULT -- -R 1.0E-8 -M -1 -num-decimal-places4-Sweka.attributeSelection.BestFirst -D 1 -N5-weka.filters.unsupervised.attribute.Remove-R3 Instances:    90 Attributes:   7               idade               Peso               Renda mensal               Carga horaria trabalho semanal               Pratica alguma atividade física ou lazer               Os alunos estão retornando regularmente as atividades propostas               C_QVT Test mode:    evaluate on training data   === Classifier model (full training set) ===   Logistic Regression with ridge parameter of 1.0E-8 Coefficients...                                                                           Class Variable                                                                  media      alto ============================================================ Idade                                                                 0.0058    0.0205 Peso                                                                    -0.0022   -0.0627 Renda mensal=1_a_3_SM                                                    1.1338    0.2835 Renda mensal=3_a_6_SM                                                    0.3362    1.1769 Renda mensal=6_a_9_SM                                                    0.8088    1.5265 Renda mensal=Nenhuma renda                                             -22.3377   -4.4355 Renda mensal=9_a_12_SM                                                  -4.7301   -22.1418 Carga horaria trabalho semanal                                            0.161    0.0278 Pratica alguma atividade física ou lazer=Não                              0.31   -0.8893 Os_alunos_estao_retornando_regularmente_as_atividades_propostas=sim     -0.0893    0.8315 Intercept                                                               10.5139   19.5372     Odds Ratios...                                                                           Class Variable                                                                  media      alto ============================================================== Idade                                                                                                            1.0058    1.0207 Peso                                                                                                                  0.9978    0.9392 Renda mensal=1_a_3_SM                                                                              3.1075    1.3277 Renda mensal=3_a_6_SM                                                                              1.3997    3.2445 Renda mensal=6_a_9_SM                                                                                 2.2451     4.602 Renda mensal=Nenhuma renda                                                                                0    0.0118 Renda mensal=9_a_12_SM                                                                              0.0088         0 Carga horaria trabalho semanal                                                                      1.1747    1.0282 Pratica alguma atividade física ou lazer=Não                                              1.3635    0.4109 Os_alunos_estao_retornando_regularmente_as_atividades_propostas=sim      0.9146    2.2968   Time taken to build model: 0 seconds   === Evaluation on training set === Time taken to test model on training data: 0 seconds   === Summary === Correctly Classified Instances          71               78.8889 % Incorrectly Classified Instances        19               21.1111 % Kappa statistic                          0.5778 Mean absolute error                      0.2317 Root mean squared error                  0.3379 Relative absolute error                 68.7703 % Root relative squared error             82.765  % Total Number of Instances               90       === Detailed Accuracy By Class ===                    TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class                  0,822    0,244    0,771      0,822    0,796      0,579    0,826     0,804     medio                  0,756    0,178    0,810      0,756    0,782      0,579    0,826     0,833     alto                  ?        0,000    ?          ?        ?          ?        ?         ?         baixo Weighted Avg.    0,789    0,211    0,790      0,789    0,789      0,579    0,826     0,818       === Confusion Matrix ===     a  b  c   <-- classified as  37  8  0 |  a = media  11 34  0 |  b = alto   0  0  0 |  c = baixo

 

=== Run information ===   Scheme:       Weka classifiers. trees. J48 -C 0.25 -M 2 Relation:     DM2b-weka.filters.unsupervised.attribute.Remove-R44-45-weka.filters.unsupervised.attribute. Remove-R40-43-weka.filters.unsupervised.attribute.Remove-R15-39-weka.filters.supervised. instance.SMOTE-C1-K5-P55.18-S1 Instances:    90 Attributes:   15               ï» Idade               Peso               Altura               IMC               Sexo               Estado Civil               Escolaridade               Renda mensal               Turno trabalho               Carga horaria trabalho semanal               Doença crônica               Pratica alguma atividade física ou lazer               Dificuldades durante a Pandemia no de atividades modo remoto               Os alunos estão retornando regularmente as atividades propostas               C_QVT Test mode:    evaluate on training data   === Classifier model (full training set) ===   J48 pruned tree ------------------   Carga horaria trabalho semanal <= 30: alto (11.0/1.0) Carga horaria trabalho semanal > 30 |   Renda mensal = 1_a_3_SM |   |   Pratica alguma atividade física ou lazer = Sim |   |   |   Peso <= 70: alto (17.88/5.94) |   |   |   Peso > 70: médio (20.12/5.06) |   |   Pratica alguma atividade física ou lazer = Não: médio (19.0/3.0) |   Renda mensal = 3_a_6_SM: alto (18.0/5.0) |   Renda mensal = 6_a_9_SM: médio (2.0/1.0) |   Renda mensal = Nenhuma renda: alto (1.0) |   Renda mensal = 9_a_12_SM: médio (1.0)   Number of Leaves:        8   Size of the tree:            12   Time taken to build model: 0 seconds   === Evaluation on training set ===   Time taken to test model on training data: 0 seconds   === Summary === Correctly Classified Instances          69               76.6667 % Incorrectly Classified Instances        21               23.3333 % Kappa statistic                          0.5333 Mean absolute error                      0.34  Root mean squared error                  0.41  Relative absolute error                 68.0024 % Root relative squared error             81.9968 % Total Number of Instances               90       === Detailed Accuracy By Class ===                  TP Rate  FP Rate  Precision  Recall   F-Measure  MCC      ROC Area  PRC Area  Class                  0,756    0,222    0,773      0,756    0,764      0,533    0,816     0,776     medio                  0,778    0,244    0,761      0,778    0,769      0,533    0,816     0,779     alto Weighted Avg.    0,767    0,233    0,767      0,767    0,767      0,533    0,816     0,778       === Confusion Matrix ===     a  b   <-- classified as  34 11 |  a = medio 10  5 |  b = alto

 

Lecturas: Educación Física y Deportes, Vol. 28, Núm. 301, Jun. (2023)