QUAL A INFLUÊNCIA DA TEMPERATURA E DA UMIDADE RELATIVA EM MEDIDAS DE COMPRIMENTO DE MANGUEIRAS?
UMA ABORDAGEM COM O ARDUINO E A REGRESSÃO LINEAR SIMPLES
DOI:
https://doi.org/10.26512/rpf.v8i3.53734Palavras-chave:
ATmega328. DHT11. Educação. HC-SR04. Jamovi.Resumo
A placa Arduino foi utilizada em combinação com os sensores HC-SR04 e DHT11 para medir o comprimento de duas diferentes mangueiras de borracha através do guiamento de ondas ultrassônicas. Os experimentos consistiram em aferir os comprimentos levando em consideração a correção e a não correção da temperatura (T) e da umidade relativa (U.R.) do ambiente. Os dados foram comparados com aqueles obtidos com uma trena de fita comercial (TFC), cujos valores de
referência medidos foram L1,ref = (103,6 ± 0,5) cm e L2,ref = (206,5 ± 0,5) cm. Os resultados mostraram que ao introduzir a correção, os valores se aproximavam daqueles computados com a TFC. Comprimentos iguais a L1 = (97,5 ± 0,6) cm e L2 = (195,7 ± 0,7) cm foram determinados para o cenário não-corrigido. Já para o cenário onde a correção foi implementada, as leituras
médias foram L1(T,U.R.) = (101,7 ± 0,9) cm e L2(T,U.R.) = (204,6 ± 0,7) cm. Em âmbito geral, podemos notar que tais resultados foram mais próximos aos de referência, indicando diferenças de 1,8% e 0,92%, respectivamente. Por outro lado, os valores não compensados estiveram em torno de 5% aquém dos medidos com a TFC. Os testes estatísticos corroboraram os resultados
experimentais sugerindo que a regressão linear simples (RLS) não se apresentou adequada para as medidas não corrigidas. No entanto, ao serem levadas em consideração T e U.R. nas análises estatísticas, a RLS teve seus pressupostos atendidos e, assim, foi mostrado que esses preditores foram responsáveis por explicar, em média, 21,4% e 23,9% das observações nos comprimentos de L1(T,U.R.) e L2(T,U.R.), respectivamente. Portanto, a partir de um sistema de fácil montagem e de
relativo baixo custo, a influência da T e da U.R. na determinação de comprimentos de mangueiras foi investigada. Outrossim, uma equação que corresponde ao comprimento de cada amostra foi proposta após o tratamento estatístico dos dados com o auxílio do software gratuito Jamovi. A próxima etapa é fazer com que educandos do Ensino Médio de uma escola pública do Estado do Rio de Janeiro realizem este experimento e que, mediados pelos docentes, trabalhem conceitos de
Física e Matemática de maneira contextualizada.
Downloads
Referências
ALLEN, R. G. D. The assumptions of linear regression. Economica, v. 6, n. 22, p. 191–201, 1939.
BALDO, D. Ângelo et al. Aparato educacional para estudo da queda livre com análise do movimento. Caderno Brasileiro de Ensino de Física, v. 33, n. 3, p. 1064–1078, 2016.
CASTRO-PACHECO, S. A. et al. Visual assessment of leaf area index in coffee (coffea arabica l.) fields. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 28, n. 3, p. e274355, 2024.
CHAYÑA, E. T. et al. A educação ambiental como preditor de práticas ambientais em escolas públicas peruanas. Universidad y Sociedad, v. 15, n. 3, p. 223–231, 2023.
CHEIN, F. Introdução aos modelos de regressão linear: um passo inicial para compreensão da econometria como uma ferramenta de avaliação de políticas públicas. 1. ed. [S.l.]: Escola Nacional de Administração Pública (ENAP), 2019.
DWORAKOWSKI, L. A. et al. Uso da plataforma Arduino e do software PLX-DAQ para construção de gráficos de movimento em tempo real. Revista Brasileira de Ensino de Física, v. 38, n. 3, p. 1–9 (e3503), 2016.
EBERLY, L. E. Correlation and simple linear regression. In: . Methods in Molecular Biology. [S.l.]: Humana Press, 2007. p. 143–164. 72
GABRIEL, M. M.; KURIA, K. P. Arduino Uno, ultrasonic sensor HC-SR04 motion detector with display of distance in the LCD. International Journal of Engineering Research and, v. 9, n. 05, p. 936–942, 2020.
GUSSO, H. L. et al. Ensino superior em tempos de pandemia: diretrizes à gestão universitária. Educação & Sociedade, v. 41, n. e238957, p. 1–27, 2020.
HARYANTO, D.; YULIANEU, A. Microcontroller-based digital body height measuring tool with display information. International Journal of Intelligent Systems and Applications in Engineering, v. 11, n. 1, p. 25–32, 2023.
KRUMMENAUER, W. L.; DARROZ, L. M. Determinação experimental da velocidade do som no ar utilizando um osciloscópio virtual. Interfaces Científicas - Exatas e Tecnológicas, v. 4, n. 1, p. 130–143, 2020.
LAWRENCE, M. G. The relationship between relative humidity and the dewpoint temperature in moist air: a simple conversion and applications. Bulletin of the American Meteorological Society, v. 86, n. 2, p. 225–234, 2005.
MARILL, K. A. Advanced statistics: linear regression, part I: simple linear regression. Academic Emergency Medicine, v. 11, n. 1, p. 87–93, 2004.
MEDEIROS, F. S. B.; BIANCHI, R. C. A aplicação do método regressão linear simples na demanda de produtos sazonais: um estudo de caso. Disciplinarum Scientia, v. 5, n. 1, p. 35–53, 2009.
MOREIRA, M. P. C. et al. Contribuições do Arduino no Ensino de Física: uma revisão sistemática de publicações na área do ensino. Caderno Brasileiro de Ensino de Física, v. 35, n. 3, p. 721–745, 2018.
NAVARRO, D. J.; FOXCROFT, D. R. Learning statistics with jamovi: a tutorial for psychology students and other beginners. Danielle J. Navarro and David R. Foxcroft, 2022. (Version 0.75). Disponível em: <https://learningstatisticswithr.com/>.
OLIVEIRA, I. N. et al. Construção de uma maquete experimental automatizada para a determinação da constante de Planck com o auxílio da plataforma Arduino. Caderno Brasileiro de Ensino de Física, v. 37, n. 2, p. 828–848, 2020.
OSBORNE, J. W.; WATERS, E. Four assumptions of multiple regression that researchers should always test. Practical Assessment, Research, and Evaluation, v. 8, n. 2, p. 1–5, 2002.
PATEL, H. M.; CHAUDHARI, R. R. Intelligent green communication network for internet of things. In: . [S.l.]: CRC Press (Taylor & Francis), 2023. cap. Smart water management system for water level and quality detection, monitoring, and control in residential
structures, p. 203–220.
POOLE, M. A.; O’FARRELL, P. N. The assumptions of the linear regression model. Transactions of the Institute of British Geographers, n. 52, p. 145–158, 1971.
RAMOS, P. N. F.; SILVEIRA, O. R. d.; MAIA, J. C. d. S. Determinação da análise de regressão linear simples para explicar a influência dos atributos físicos do solo na produção do algodão. Research, Society and Development, v. 11, n. 8, p. e28411830591, 2022.
ROCHA, F. S. da; GUADAGNINI, P. H. Projeto de um sensor de pressão manométrica para ensino de física em tempo real. Caderno Brasileiro de Ensino de Física, v. 31, n. 1, p. 124–148, 2013.
ROCHA, F. S. da; GUADAGNINI, P. H.; LUCCHESE, M. M. Projeto de um calorímetro de relaxação para ensino de Física. Caderno Brasileiro de Ensino de Física, v. 34, n. 1, p. 278–297, 2017.
SANTOS, A. M. C. M. et al. Régua eletrônica: calcular distâncias por meio de um sensor eletrônico. Brazilian Journal of Development, v. 7, n. 10, p. 95192–95200, 2021.
SCHIAVON, G. J. et al. Construção de um medidor de carga e energia armazenada em capacitores utilizando a plataforma Arduino. Revista do Professor de Física, v. 6, n. 3, p. 66–86, 2022.
SCHMIDT, A. F.; FINAN, C. Linear regression and the normality assumption. Journal of Clinical Epidemiology, v. 98, p. 146–151, 2018. 71
SHRESTHA, N. Detecting multicollinearity in regression analysis. American Journal of Applied Mathematics and Statistics, v. 8, n. 2, p. 39–42, 2020.
SILVA, A. L. de A.; MELO, W. de S.; FREITAS, A. M. de. Proposta para o ensino de calorimetria utilizando a plataforma Arduino em uma sequência didática diversificada. Revista do Professor de Física, v. 7, n. 1, p. 20–38, 2023.
SILVA, S. L. da et al. Avaliação do módulo da aceleração da gravidade com Arduino. Caderno Brasileiro de Ensino de Física, v. 33, n. 2, p. 619–640, 2016.
SOARES, R. G.; AMORIM, H. S. D. Um marégrafo ultrassônico baseado na placa Arduino para investigação do fenômeno das marés. Caderno Brasileiro de Ensino de Física, v. 37, n. 2, p. 925–943, 2020.
STUCHI, A. M.; PAZ, W. L. da. O experimento de dilatação do ar com Arduino: ampliando possibilidades de utilização na perspectiva do ensino de ciências por investigação. Revista do Professor de Física, v. 5, n. 3, p. 53–63, 2021.
STUCHI, A. M. et al. Monitorando a temperatura e a umidade da sala de aula com Arduino. Revista do Professor de Física, v. 3, n. 1, p. 121–132, 2019.
TAFFERNER, Z. et al. Can ChatGPT help in electronics research and development? A case study with applied sensors. Sensors, v. 23, n. 10, p. 1–14 (4879), 2023.
UYANIK, G. K.; GÜLER, N. A study on multiple linear regression analysis. Procedia - Social and Behavioral Sciences, v. 106, p. 234–240, 2013.
ZOU, K. H.; TUNCALI, K.; SILVERMAN, S. G. Correlation and simple linear regression. Radiology, v. 227, n. 3, p. 617–628, 2003.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Revista do Professor de Física
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, sendo o trabalho simultaneamente licenciado sob a Creative Commons Attribution License o que permite o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
