Modelagem de Equações Estruturais e os testes de seleção – Caso do vestibular da Universidade Estadual do Ceará

Resumo Este estudo teve como objetivo fazer uso da Modelagem de Equações Estruturais – MEE, para avaliar a qualidade do modelo empregado pela Universidade Estadual do Ceará (UECE), no processo de seleção de seus vestibulandos, o qual é baseado na Teoria Clássica dos Testes (TCT), assim como propor ajuste a esse modelo pelo uso da Análise Fatorial de Segunda Ordem e da Análise de Regressão, via MEE. Utilizou-se um banco de dados composto dos resultados das provas de 11.060 candidatos ao vestibular de 2018.1, cujo tratamento se deu por meio do software IBM SPSS Amos (2013, v.22), obtendo-se os seguintes indicadores de qualidade: CFI ( Comparative Fit Index ) = 0,925; GFI ( Goodness-of-fit Index ) = 0,965; TLI ( Tucker Lewis Index ) = 0,922, e RMSEA ( Root Mean Square Error of Aproximation ) = 0,019. Juntos, esses indicadores demonstraram que o modelo é robusto e bastante consistente, apresentando um R 2 (Coeficiente de Correlação de Pearson ) = 0,965, indicando que a proporção das covariâncias observadas entre as variáveis manifestas e explicada pelo modelo ajustado é bastante significativa. Todas as variáveis do modelo ajustado apresentaram elevados coeficientes de regressão com valores entre 0,87 e 0,99, permitindo uma boa discriminação entre as notas dos vestibulandos, principalmente aqueles com o mesmo número de questões respondidas corretamente. Abstract The objective of this study is to make use of Structural Equation Modeling (SEM) in evaluating the model employed by the State University of Ceará (Uece) in the selection process of prospective students, which is based on the Classical Test Theory (CCT), as well as to propose adjustments to this model through the use of Second Order Factor Analysis and Regression Analysis, via MME. The data set used is comprised of results of 11,060 admission exams from the year 2018.1. AMOS/SPSS-v.22 software was used to process the data, obtaining the following quality indicators: CFI (Comparative Fit Index) = 0.925; GFI (Goodness-of-fit Index) = 0.965; TLI (Tucker Lewis Index) = 0.922, and RMSEA (Root Mean Square Error of Approximation) = 0.019. Together, these indicators demonstrate that the model is robust and highly consistent, presenting a R2 (Pearson Correlation Coefficient) = 0.965, indicating that the proportion of covariates, observed among the manifest variables and explained by the adjusted model, is very significant. All the variables of the adjusted model present elevated regression coefficients with valu