Um Protocolo de Pesquisa da Teoria da Autodeterminação para a Motivação do Desenvolvimento Profissional, Autoeficácia Docente e Engajamento de Professores Universitários

Resumo

Este protocolo descreve um procedimento de questionário anônimo e transversal para avaliar a motivação para o desenvolvimento profissional, a autoeficácia no ensino, o engajamento e a prática reflexiva de professores universitários.

Resumo

Professores universitários participam de desenvolvimento profissional sob diferentes condições institucionais, disciplinares e motivacionais. Registros de participação isoladamente não conseguem explicar se o desenvolvimento profissional se traduz em uma aprendizagem profissional significativa. Este artigo apresenta um protocolo reprodutível, anônimo e transversal de pesquisa para avaliar a satisfação das necessidades psicológicas, motivação autônoma e controlada, autoeficácia no ensino, engajamento no desenvolvimento profissional e prática reflexiva a partir da perspectiva da teoria da autodeterminação. O protocolo especifica triagem de elegibilidade, amostragem por conveniência estratificada, construção do questionário, revisão por especialistas, teste piloto, aplicação online, anonimização, triagem da qualidade das respostas, pontuação das escalas, estimativa de confiabilidade, análise de correlação, regressão hierárquica e análises de sensibilidade. Também esclarece a adaptação das escalas, verificação de permissões, pontuação dos construtos e a interpretação de escalas altamente confiáveis como indicadores potenciais de redundância de itens. Resultados representativos foram obtidos a partir de uma implementação concluída do protocolo, na qual 326 registros submetidos foram exportados e 313 respostas válidas foram mantidas após triagem pré-especificada. Os resultados mostraram que a satisfação das necessidades de autonomia, competência e relacionamento estava positivamente associada à motivação autônoma, e que a motivação autônoma e a autoeficácia no ensino estavam associadas ao engajamento no desenvolvimento profissional. O protocolo é adequado para estudos padronizados, multicêntricos e baseados em pesquisa sobre as correlações motivacionais e de crenças profissionais do engajamento no desenvolvimento profissional. É menos adequado para inferência causal, estimativa de mudanças longitudinais, resultados comportamentais diretos ou avaliação de programas em nível institucional, a menos que sejam adicionadas medições repetidas, observação, investigação qualitativa ou dados administrativos.

Introdução

O desenvolvimento profissional docente é amplamente utilizado para apoiar a qualidade do ensino, a melhoria instrucional e a aprendizagem profissional, mas seus efeitos são difíceis de interpretar quando a avaliação se limita à frequência, exposição ou ao número de horas de treinamento concluídas^1,2. A pesquisa em desenvolvimento profissional exige uma clara conceptualização dos mecanismos que ligam as atividades de aprendizagem à mudança docente, pois a participação não necessariamente indica engajamento, utilidade percebida ou reflexão subsequente¹. Em ambientes universitários, os professores atuam em diferentes disciplinas, tipos de vínculo, condições de carga de trabalho e expectativas institucionais. Um protocolo de pesquisa que meça condições psicológicas e crenças profissionais pode, portanto, complementar o monitoramento baseado em atividades ao examinar como os professores vivenciam e aplicam o desenvolvimento profissional. Abordagens alternativas atendem a diferentes objetivos de avaliação. A avaliação baseada na frequência é eficiente para documentar alcance, conformidade e adesão ao programa, mas fornece informações limitadas sobre motivação, capacidade percebida ou qualidade do engajamento. Entrevistas qualitativas, grupos focais e narrativas reflexivas oferecem descrições mais ricas das experiências de aprendizagem profissional, mas são menos adequadas para medições padronizadas em várias instituições ou em amostras maiores. Desenhos longitudinais são preferíveis para estimar mudanças ao longo do tempo, a ordem temporal ou resultados pedagógicos tardios. Estruturas de avaliação em nível institucional são úteis para monitorar a execução do programa, alocação de recursos e responsabilidade organizacional. O presente protocolo é mais adequado quando o objetivo é realizar uma pesquisa anônima, transversal e multi-institucional, utilizando procedimentos reprodutíveis de pontuação, limpeza e análise.

O protocolo trata o desenvolvimento profissional como um processo de aprendizagem profissional, e não como um único evento institucional. Opfer e Pedder conceituaram a aprendizagem profissional do professor como um processo complexo moldado por interações entre os sistemas individuais, de local de trabalho e de atividades de aprendizagem³. Essa perspectiva é relevante para professores universitários porque a mesma atividade pode ser experienciada de maneira diferente dependendo da escolha percebida, confiança instrucional, apoio colegiado, pressão de carga de trabalho e relevância disciplinar. O protocolo, portanto, avalia a satisfação das necessidades psicológicas, a motivação para o desenvolvimento profissional, a autoeficácia no ensino, o engajamento no desenvolvimento profissional e a prática reflexiva, além do histórico de participação. A teoria da autodeterminação fornece a base motivacional para o protocolo. A teoria distingue a motivação autônoma, na qual o comportamento é experienciado como pessoalmente endossado ou significativo, da motivação controlada, na qual o comportamento é impulsionado principalmente por pressão, obrigação ou demanda externa⁴. Também identifica autonomia, competência e relacionamento como necessidades psicológicas básicas que sustentam ações com endosso próprio e engajamento sustentado⁵. No desenvolvimento profissional de professores universitários, autonomia refere-se à escolha percebida e à discricionariedade profissional na seleção ou uso de atividades de desenvolvimento; competência refere-se ao crescimento percebido na capacidade de ensino; e relacionamento refere-se à conexão colegiada, ao pertencimento profissional e à troca construtiva. Essas construções permitem ao protocolo examinar por que os professores participam e como o ambiente de desenvolvimento profissional é experienciado.

A autoeficácia no ensino está incluída porque a motivação isolada não determina se os professores se sentem capazes de aplicar o conteúdo do desenvolvimento profissional na prática docente. A autoeficácia docente refere-se às crenças dos professores sobre sua capacidade de organizar e executar ações relacionadas ao ensino, e tem sido associada ao comportamento instrucional, persistência, entusiasmo e resultados relacionados aos alunos⁶. O modelo de mudança docente de Guskey sugere ainda que o desenvolvimento profissional torna-se significativo quando os professores conseguem associar novas práticas a evidências de melhoria⁷. Neste protocolo, a autoeficácia no ensino é tratada como uma variável de crença profissional que pode ajudar a explicar se o desenvolvimento profissional é levado para contextos de ensino em sala de aula, online, laboratorial, de estúdio, clínico ou supervisório. O engajamento no desenvolvimento profissional é definido como a participação ativa em atividades de desenvolvimento profissional, atenção ao processo de aprendizagem, esforço para conectar o conteúdo do desenvolvimento profissional com o ensino, aprendizagem contínua após a atividade e disposição para participar de futuras formações profissionais. Esta construção está relacionada à literatura mais ampla sobre engajamento, na qual vigor, dedicação e absorção descrevem o envolvimento sustentado em atividades relacionadas ao trabalho⁸. No entanto, o engajamento no desenvolvimento profissional não é tratado como idêntico ao engajamento geral no trabalho nem como uma contagem de participação em atividades de desenvolvimento profissional. Ele é medido como uma resposta mais restrita de aprendizagem profissional, que capta como os professores participam, processam e continuam a utilizar as experiências de desenvolvimento profissional. A prática reflexiva está incluída como um indicador breve de revisão após a atividade, avaliação da utilidade para o ensino, revisão de estratégias de ensino e documentação ou discussão dos resultados de aprendizagem⁹.

Um protocolo de pesquisa também exige procedimentos pré-especificados de qualidade de resposta e medição. Questionários anônimos online podem gerar respostas de curta duração, itens omitidos, falhas nos testes de atenção e padrões de resposta invariantes. A triagem de respostas descuidadas é mais defensável quando múltiplos indicadores são combinados, em vez de quando uma única regra de exclusão é utilizada¹⁰. O protocolo, portanto, especifica limiares de tempo de conclusão, verificações de atenção com instruções de resposta, regras para itens ausentes, triagem de respostas invariantes e codificação de exclusão rastreável antes da pontuação das escalas. A consistência interna é estimada usando o alfa de Cronbach e o ômega de McDonald, pois o alfa isolado pode ser enganoso sob certas condições de medição¹¹. Valores muito altos de confiabilidade são interpretados com cautela, pois podem indicar redundância entre os itens, e não necessariamente uma medição mais forte. A análise primária trata cada construto como uma pontuação observada da escala para estatísticas descritivas, estimativa de confiabilidade, análise de correlação, regressão hierárquica e análises de sensibilidade. Estudos que utilizem este protocolo para desenvolvimento de escalas, comparação intercultural ou medição de alta relevância devem acrescentar análise fatorial exploratória ou confirmatória antes de interpretar associações estruturais, especialmente quando as correlações entre construtos forem altas ou quando itens traduzidos forem utilizados. O delineamento transversal pode estimar associações entre satisfação das necessidades psicológicas, motivação, autoeficácia docente, engajamento no desenvolvimento profissional e prática reflexiva, mas não pode estabelecer ordem temporal, efeitos causais ou mudança comportamental. Como todas as variáveis principais são autorrelatadas pelos mesmos respondentes, a desejabilidade social e o viés de método comum permanecem possíveis, apesar do anonimato, redação neutra, triagem de qualidade de resposta e análises de sensibilidade¹². O protocolo é, portanto, menos adequado para inferência causal, estimativa de mudanças longitudinais, avaliação direta do comportamento docente ou avaliação de programas em nível institucional, a menos que sejam adicionadas medições repetidas, investigação qualitativa, observação em sala de aula, artefatos de ensino ou dados administrativos do programa. Dentro de seu escopo pretendido, o protocolo fornece um método padronizado para examinar os construtos motivacionais e de crenças profissionais associados ao engajamento no desenvolvimento profissional e à aprendizagem profissional reflexiva de professores universitários¹³.

Protocolo

The study protocol was reviewed and approved by the Universiti Malaya Research Ethics Committee (Non-Medical) on 7 August 2025 (Reference No. UM.TNC(P&I)/UMREC_4864). Local administrative permission was obtained from each participating university before recruitment when required. Electronic informed consent was collected before eligibility screening and questionnaire administration. No names, staff identification numbers, telephone numbers, institutional email addresses, Internet Protocol addresses, geolocation data, device identifiers, exact department names, or open-text identifiers were collected. Submitted responses were assigned anonymous respondent codes and stored in encrypted institutional storage according to the approved data-retention procedure.

This protocol standardizes an anonymous, cross-sectional questionnaire procedure for assessing university teachers’ professional development motivation, basic psychological need satisfaction, teaching self-efficacy, professional development engagement, and reflective practice. The protocol uses self-determination theory to distinguish autonomous motivation from controlled motivation in professional development participation¹⁴.

1. Study design and workflow

1. Define the study as an anonymous, cross-sectional questionnaire study of university teachers and follow the workflow shown in Figure 1 from ethics approval to reproducibility checking.
2. Measure basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
3. Treat autonomy, competence, and relatedness need satisfaction as motivational antecedents; autonomous and controlled motivation as motivational-regulation variables; teaching self-efficacy as a professional belief variable; and professional development engagement and reflective practice as professional-learning response variables¹⁵.
4. Analyze constructs as observed scale scores for descriptive statistics, reliability estimation, correlation analysis, hierarchical regression, and sensitivity analyses.
   NOTE: Add exploratory or confirmatory factor analysis before interpreting latent structure, cross-cultural measurement equivalence, or discriminant validity in studies using translated items, newly adapted items, or highly correlated constructs.

2. Participant eligibility and sampling plan

1. Recruit university teachers from at least four universities with varied institutional profiles.
2. Include participants aged 21 years or older who are employed by a higher-education institution, involved in teaching or supervision, able to complete the questionnaire in the study language, and willing to provide electronic informed consent.
3. Include undergraduate teaching, postgraduate teaching, supervision, curriculum delivery, clinical teaching, studio teaching, laboratory teaching, online teaching, and academic mentoring as eligible teaching roles.
4. Exclude administrative staff without teaching duties, retired teachers no longer involved in teaching, visiting scholars without teaching responsibilities, external trainers not employed by the university, and individuals without informed consent.
5. Use stratified convenience sampling across broad discipline groups and academic ranks. Code discipline group as Education, Humanities, Social Sciences, Business and Management, Science, Technology, Engineering and Mathematics, Health Sciences, Arts and Design, or Other.
6. Set the minimum target at 300 valid responses for regression models with multiple background and psychological predictors¹⁶. Recruit 330–360 submitted responses to allow for exclusion during screening.
7. Conduct recruitment during a regular teaching period, avoid examination weeks and major institutional evaluation periods, use a 4-week recruitment window, and extend recruitment once for 7 calendar days if fewer than 300 valid responses are available.
   NOTE: Apply identical eligibility criteria, discipline categories, recruitment wording, and exclusion rules across all universities.Pause after ethics approval, institutional permissions, recruitment channels, sampling frame, and recruitment materials are finalized.

3. Questionnaire structure and construct map

1. Build the questionnaire in seven sections: informed consent, demographic and professional background, basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
2. Define each construct, item code, item source, item number, response scale, scoring method, expected score range, and permission status in Table 1 before programming the questionnaire.
3. Use a 5-point Likert response scale for all main psychometric items, ranging from 1 (strongly disagree) to 5 (strongly agree).
4. Collect institution code, discipline group, gender, age group, academic rank, teaching years, weekly teaching hours, professional development activities and hours in the last 12 months, and perceived administrative workload before psychometric items.
5. Code age group, teaching years, discipline group, and perceived administrative workload using the codebook in Supplementary File 1. Use broad discipline categories instead of exact department names.
6. Provide the full questionnaire, variable names, item codes, response coding, scoring syntax, exclusion coding, and script structure in Supplementary File 1.
   NOTE: Lock item codes before programming the online questionnaire. Do not change item codes after pilot testing unless the questionnaire, codebook, and analysis script are updated together.

4. Construct measurement and item allocation

1. Measure autonomy, competence, and relatedness need satisfaction with four items each.
2. Measure autonomous motivation with six items and controlled motivation with four items reflecting self-endorsed and pressure-based reasons for teaching-related professional development¹⁷.
3. Measure teaching self-efficacy with 12 university-adapted items covering instructional strategies, student engagement, and classroom management or interaction¹⁸.
4. Measure professional development engagement with six items covering active participation, sustained learning effort, attention, application, continued learning, and willingness to engage in future professional development¹⁹.
5. Measure reflective practice with four items covering post-activity reflection, usefulness evaluation, teaching-strategy revision, and documentation or discussion of learning outcomes²⁰.
6. Include two instructed-response attention-check items: one requiring “Agree” after the motivation items and one requiring “Disagree” after the teaching self-efficacy items.
7. Keep the final questionnaire between 38 and 44 main items, excluding informed consent and background questions.
8. Classify all psychometric items in Table 1 as adapted, newly written, or domain-aligned, and record source, adaptation status, and permission status.
   NOTE: Do not reproduce restricted scale items verbatim unless written permission has been obtained or the source explicitly permits such use.

5. Expert review and item refinement

1. Invite three to five reviewers with expertise in motivation theory, higher education or teacher professional development, and quantitative survey research. Include one bilingual reviewer if translation is used.
2. Provide reviewers with the study aim, construct definitions, item list, response scale, target population, scoring plan, and permission-status table.
3. Ask reviewers to rate construct relevance, wording clarity, cultural appropriateness, respondent burden, and social-desirability risk using a 4-point relevance scale.
4. Retain items rated 3 or 4 by at least 80% of reviewers. Revise or remove items with low relevance, ambiguous wording, cultural mismatch, social-desirability risk, duplication, or double-barreled wording.
5. Retain at least four items for each main construct and prepare an item-decision log with item code, reviewer concern, revision decision, final wording, source status, and permission status.
   NOTE: Pause after expert review. Resume only after the revised questionnaire, item-decision log, codebook, and scoring syntax use identical item codes.

6. Translation and language verification

1. Use the original study language if all participating teachers can complete the questionnaire in that language.
2. Apply forward translation and back translation if English-source items are administered in another language.
3. Ask two bilingual translators to translate the questionnaire independently, reconcile the translations, and ask a third bilingual translator to back-translate the reconciled version into English.
4. Compare the back-translated version with the source version for changes in construct meaning, response direction, and item intensity²¹. Revise items when meaning changes are identified.
5. Conduct cognitive checking with five university teachers and ask them to identify confusing, ambiguous, sensitive, repeated, or culturally inappropriate items.
6. Finalize and lock the administered version after translation and cognitive-checking issues are resolved.
   NOTE: Use one finalized questionnaire version for all main-study participants unless each language version has passed the same verification procedure.

7. Pilot testing

1. Recruit 20-30 university teachers from the target population for pilot testing and exclude them from the main survey.
2. Administer the pilot questionnaire through the same type of institutionally approved online survey platform planned for the main study.
3. Record completion time automatically from the first post-consent questionnaire page to final submission, and collect participant comments on wording, repetition, survey length, sensitive items, and display problems.
4. Calculate the median pilot completion time. Define the minimum valid completion-time threshold as one-third of the pilot median or 180 s, whichever is longer, and define the borderline-time range as the threshold plus 60 s.
5. Revise the questionnaire if the pilot median completion time is below 5 min or above 15 min, if item missingness exceeds 10% with wording-related comments, or if more than 10% of pilot participants misunderstand either of the attention-check item.
6. Calculate preliminary internal consistency for each scale and lock the questionnaire, codebook, scoring syntax, completion-time threshold, and borderline-time range before main recruitment.
   NOTE: Do not use pilot responses in the main analysis dataset. Resume main recruitment only after the questionnaire, codebook, completion-time rules, and scoring syntax are locked.

8. Online survey setup

1. Build the questionnaire in an institutionally approved online survey platform using the platform-configuration checklist in Supplementary File 1.
2. Disable collection of Internet Protocol addresses, geolocation data, device identifiers, names, and email addresses.
3. Place the participant information sheet and electronic informed-consent item on the first page. Terminate the survey automatically when “I do not agree to participate” is selected.
4. Use forced response only for consent and eligibility items. Allow psychometric items to be skipped for prespecified missing-data handling.
5. Display one construct block per page, keep consent, eligibility, demographic, and attention-check items fixed, and apply block-level item randomization only within construct blocks when supported by the platform.
6. Use non-identifying duplicate-prevention settings and avoid Internet Protocol address tracking.
7. Test the survey link on desktop, laptop, tablet, and smartphone devices. Submit and export at least five test responses, then verify consent branching, eligibility branching, variable names, response codes, timestamps, missing values, completion time, and attention-check coding using Supplementary File 1.
8. Confirm that skipped psychometric items are exported as missing values rather than zeros. Delete test responses before recruitment.
   NOTE: Do not start recruitment if skipped psychometric items are exported as zeros or if consent branching, eligibility branching, or attention-check coding is incorrect.

9. Recruitment procedure

1. Send the recruitment invitation through general institutional channels, faculty development offices, academic mailing lists, or teacher professional development groups.
2. Use a neutral recruitment message stating the study purpose, eligibility criteria, approximate completion time, voluntary participation, anonymity protection, and survey closing date.
3. Do not ask direct supervisors to recruit individual staff members, provide department-level participation reports, or provide individual completion-linked incentives unless approved by the ethics committee.
4. Send the first invitation on Day 1, the first reminder on Day 10, and the final reminder on Day 21.
5. Close the survey on Day 28 unless the approved 7-calendar-day extension is activated because fewer than 300 valid responses are available.
6. Record recruitment dates, reminder dates, submitted responses, extension status, and final closure date in the recruitment log.
   NOTE: Pause after survey closure. Export and lock the raw dataset before applying any cleaning rule.

10. Data export and anonymization

1. Export the survey data within 48 h after survey closure in spreadsheet and comma-separated values formats. Save the original export as a read-only raw-data file and create a separate working copy for cleaning and analysis.
2. Replace platform-generated response identifiers with anonymous respondent codes, such as T001, T002, and T003.
3. Inspect all variables for accidental identifiers. Remove free-text content containing names, exact department names, institutional email addresses, or identifiable events.
4. Replace university names with University A, University B, University C, and University D, and replace exact discipline names with broad discipline groups.
5. Store the raw-data file, working file, cleaned-data file, screening log, codebook, questionnaire, and analysis scripts in encrypted institutional storage with access restricted to approved research team members.
6. Record every anonymization and cleaning decision in the screening log.
   NOTE: Do not clean, recode, or score data directly in the raw-data file. Resume data cleaning only after the raw-data file has been preserved and the working file contains no direct or indirect identifiers.

11. Response-quality screening

1. Screen all submitted responses before scale scoring using the response-quality and analysis-decision rules in Table 2.
2. Exclude responses without electronic informed consent, failed eligibility screening, completion time below the prespecified minimum valid threshold, failure of either attention-check item, or more than 20% missing psychometric items.
3. Review responses in the borderline completion-time range. Retain them only when both attention checks are passed, missingness is within the allowed range, and no invariant response pattern is observed.
4. Flag respondents who select the same Likert response option for at least 90% of psychometric items, and identify careless responses by combining completion time, attention-check results, missingness, and invariant response patterns²².
5. Inspect responses for implausible demographic combinations. Set one implausible demographic value to missing if psychometric responses are otherwise valid, and exclude the response when multiple demographic values indicate ineligibility.
6. Record one primary exclusion reason for every removed response, create an inclusion-status variable coded as 1 = included and 0 = excluded, generate the participant-flow summary for Figure 2, and save cleaned_teacher_PD_survey.csv.
   NOTE: Apply exclusion rules before computing scale scores. Do not exclude cases after viewing regression significance unless the exclusion rule was prespecified.

12. Missing-data handling and scale scoring

1. Convert Likert-scale responses to numeric values ranging from 1 to 5, check item direction, and reverse-score negatively worded items before scale scoring.
2. Compute a scale score only when at least 75% of items in that scale are completed. Use the available-item mean when no more than 25% of items within a scale are missing, and set the scale score to missing when more than 25% are missing.
3. Compute scale scores as follows: autonomy need satisfaction = mean of AUT1–AUT4; competence need satisfaction = mean of COM1–COM4; relatedness need satisfaction = mean of REL1–REL4; autonomous motivation = mean of AM1–AM6; controlled motivation = mean of CM1–CM4; teaching self-efficacy = mean of TSE1–TSE12; professional development engagement = mean of PDE1–PDE6; reflective practice = mean of RP1–RP4.
4. Create scored_teacher_PD_survey.csv containing respondent code, background variables, item responses, scale scores, inclusion status, and exclusion reason.
   NOTE: Confirm that all scale scores remain within the 1–5 range after scoring.

13. Statistical software setup and script execution

1. Use R version 4.3.2 or later and organize the project folder according to the reproducibility structure in Supplementary File 1.
2. Run the script sequence provided in Supplementary File 1: 01_import_anonymize.R, 02_screen_score.R, 03_reliability_descriptives.R, 04_regression_sensitivity.R, and 05_reproducibility_check.R.
3. Run all scripts from the project folder without manually editing intermediate datasets or generated outputs.
4. Export tables as spreadsheet files, generated figures as high-resolution PDF files, and R session information as sessionInfo.txt.
   ​NOTE: Do not overwrite raw data or manually edit generated analysis outputs. Pause after the script imports the data without errors and confirms that all required variables are present.

14. Reliability and item diagnostics

1. Calculate Cronbach’s alpha, McDonald’s omega, corrected item-total correlations, descriptive statistics, skewness, kurtosis, and floor or ceiling effects for each multi-item scale²³.
2. Interpret reliability values from 0.70 to 0.79 as acceptable, 0.80 to 0.89 as good, and 0.90 or higher as high internal consistency. Treat values above 0.95 as possible item redundancy.
3. Flag corrected item-total correlations below 0.30. Remove or revise an item only when weak item performance is consistent with conceptual mismatch, unclear wording, or prespecified expert-review concerns.
4. Flag floor or ceiling effects when more than 15% of respondents obtain the lowest or highest possible scale score.
5. Export the reliability and item-diagnostic output as Table_reliability_item_diagnostics.xlsx.
   NOTE: Do not delete items after main data collection unless the deletion rule was prespecified.

15. Descriptive and correlation analysis

1. Calculate descriptive statistics for demographic variables, professional background variables, and construct scores.
2. Report categorical variables as frequency and percentage. Report continuous or ordinal professional variables as mean and standard deviation when approximately symmetric, and as median and interquartile range when clearly skewed.
3. Confirm that each construct score falls within the expected 1–5 range and inspect histograms or density plots for major distributional distortion.
4. Calculate Pearson correlations among construct scores when scale means are approximately continuous, and calculate Spearman correlations as a sensitivity check when distributions are markedly skewed.
5. Interpret correlations from 0.10 to 0.29 as small, 0.30 to 0.49 as moderate, and 0.50 or above as large²⁴. Flag correlations above 0.85 as possible construct overlap.
6. Export descriptive statistics as Table_descriptive_statistics.xlsx and the correlation matrix as Table_correlation_matrix.xlsx.
   NOTE: Inspect construct overlap before regression analysis. Add factor analysis or reduce interpretive claims when theoretically distinct constructs show very high correlations.

16. Regression analysis

1. Fit prespecified hierarchical linear regression models.
2. Use autonomous motivation as the dependent variable in Model 1. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomy, competence, and relatedness need satisfaction in Step 2; and controlled motivation in Step 3.
3. Use professional development engagement as the dependent variable in Model 2. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomous motivation and controlled motivation in Step 2; and teaching self-efficacy in Step 3.
4. Use reflective practice as an exploratory dependent variable only if prespecified in the ethics-approved analysis plan.
5. Mean-center continuous predictors before creating interaction terms. Do not create moderation terms unless moderation is included in the research question and analysis plan.
6. Report unstandardized coefficients, standard errors, standardized coefficients, 95% confidence intervals, p values, adjusted R², and change in R².
7. Inspect variance inflation factor values, residual-versus-fitted plots, quantile-quantile plots, standardized residuals, and Cook’s distance. Treat variance inflation factor values above 5.00, standardized residuals above |3.00|, or Cook’s distance above 1.00 as requiring inspection.
8. Remove influential cases only when a data-entry error, eligibility error, or duplicate-response problem is confirmed.
9. Export regression output as Table_regression_models.xlsx and diagnostic plots as high-resolution PDF files.
   NOTE: Do not remove influential cases solely because they change model significance.

17. Sensitivity analysis and reproducibility check

1. Repeat the main regression models using listwise deletion of cases with missing model variables and after excluding borderline-time responses.
2. Compare coefficient direction, standardized coefficient size, standard error, and adjusted R² with the primary models.
3. Treat results as stable if key coefficient directions remain unchanged and standardized coefficients differ by less than 0.10.
4. Retain the prespecified screening rule if sensitivity analyses do not materially alter the interpretation.
5. Regenerate descriptive tables, reliability tables, correlation matrices, regression tables, participant-flow figure, workflow figure, and any construct-score figures from the cleaned dataset and final script.
6. Archive the cleaned anonymized dataset, codebook, screening log, questionnaire, analysis scripts, generated outputs, and R session information according to the approved data-sharing plan.
7. Confirm that all archived files use the same respondent identifier and contain no direct or indirect identifiers.
   NOTE: Do not archive the reproducibility package until all outputs have been regenerated from the final script. Resume archiving only after all outputs have been regenerated from the final script.

Resultados

Fluxo dos participantes e status do conjunto de dados representativo

Os resultados representativos relatados aqui foram gerados a partir de uma implementação concluída do protocolo. O conjunto de dados foi coletado por meio do procedimento de questionário transversal anônimo descrito acima e não foi extraído do teste piloto ou de um conjunto de dados ilustrativo. Um total de 326 registros de questionários enviados foi exportado da plataforma de pesquisa online. Após a aplicaçã...

Discussão

Os resultados representativos indicam que o protocolo pode ser usado para examinar o desenvolvimento profissional de professores universitários para além da frequência, horas de treinamento ou registros de conclusão. A satisfação das necessidades de autonomia, competência e relacionamento mostrou-se positivamente associada à motivação autônoma, e essas associações mantiveram-se mesmo após a inclusão das variáveis de fundo no modelo. Esse achado é consistente com a premissa da teoria da autodeterminação de que a motivação...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Adobe Acrobat Pro	Adobe Inc., San Jose, CA, USA	Adobe Acrobat Pro 2024	Utilizado para revisar o PDF final do questionário, a ficha informativa ao participante, o formulário de consentimento, figuras exportadas e arquivos complementares submetidos.
Script de análise	Preparado pela equipe de pesquisa	analysis_script.R	Executa a importação de dados, verificações de anonimização, triagem da qualidade das respostas, cálculo de valores ausentes, pontuação de escalas, estatísticas descritivas, análise de confiabilidade, análise de correlação, modelos de regressão, verificações diagnósticas, análises de sensibilidade, exportação de tabelas, exportação de figuras e exportação de informações da sessão.
CSV do Levantamento de PD Docente Limpo	Gerado a partir de analysis_script.R	cleaned_teacher_PD_survey.csv	Contém registros identificados e excluídos, com status de inclusão, motivo da exclusão, variáveis de triagem e variáveis de fundo limpas.
Codebook	Preparado pela equipe de pesquisa	codebook.xlsx	Define nomes das variáveis, códigos dos itens, codificação das respostas, codificação de valores ausentes, fórmulas de pontuação das escalas, status de inclusão, motivos de exclusão, variáveis das tabelas e nomes dos arquivos de saída.
Computador desktop	Windows 11 Pro	Não aplicável; computador institucional para pesquisa: 16 GB de RAM e criptografia de disco completo ativada.	Utilizado para programação do questionário, exportação de dados, execução de scripts, geração de tabelas, exportação de figuras e arquivamento seguro de arquivos.
Documento de aprovação ética	Comitê institucional de ética em pesquisa com seres humanos	ethics_approval.pdf	Documenta a aprovação ética antes do recrutamento, incluindo número de aprovação, data de aprovação, título aprovado do estudo, informações dos pesquisadores e condições aprovadas de recrutamento e tratamento de dados.
Registros de permissão institucional	Universidades participantes	institutional_permission_records.pdf	Contém registros escritos de permissão das universidades participantes para o recrutamento de professores por meio de canais institucionais aprovados.
Microsoft Excel	Microsoft Corporation, Redmond, WA, USA	Microsoft Excel 365	Utilizado para inspecionar conjuntos de dados exportados, preparar o codebook, revisar registros de triagem e verificar arquivos de tabelas exportados. O conjunto de dados de análise não foi editado manualmente após a limpeza baseada em script.
Ficha informativa ao participante e formulário de consentimento	Preparado pela equipe de pesquisa e aprovado pelo comitê de ética	participant_information_and_consent. pdf	Fornece objetivo do estudo, critérios de elegibilidade, declaração de participação voluntária, declaração de anonimato, riscos e benefícios, informações sobre retenção de dados, dados de contato dos pesquisadores, informações éticas e redação do consentimento eletrônico.
Arquivo do questionário	Preparado pela equipe de pesquisa	questionnaire.pdf	Contém o questionário bloqueado, ordem dos itens, códigos dos itens, opções de resposta, itens de elegibilidade, itens de fundo, itens de constructo e itens de verificação de atenção.
Manifesto de pacotes R	Gerado a partir do ambiente R	package_manifest.txt	Lista os pacotes R e as versões dos pacotes utilizados para importação de dados, limpeza, pontuação, estimativa de confiabilidade, diagnósticos de regressão, visualização, geração de saída e verificação de reprodutibilidade.
Software estatístico R	R Foundation for Statistical Computing, Viena, Áustria	R 4.3.2	Utilizado para limpeza de dados, pontuação de escalas, análise estatística, verificações diagnósticas, geração de figuras, exportação de tabelas e verificação de reprodutibilidade.
Pacote de reprodutibilidade	Preparado pela equipe de pesquisa	reproducibility_package.zip	Contém questionnaire.pdf, codebook.xlsx, cleaned_teacher_PD_survey.csv, scored_teacher_PD_survey.csv, screening_log.xlsx, analysis_script.R, sessionInfo.txt, package_manifest.txt, saídas de tabelas, saídas de figuras e gráficos diagnósticos.
RStudio Desktop IDE	Posit Software, PBC, Boston, MA, USA	RStudio Desktop 2023.12.1	Utilizado para executar, documentar e revisar o analysis_script.R.
CSV do Levantamento de PD Docente Pontuado	Gerado a partir de analysis_script.R	scored_teacher_PD_survey.csv	Contém respostas incluídas e pontuações calculadas das escalas, incluindo AUT_MEAN, COM_MEAN, REL_MEAN, AM_MEAN, CM_MEAN, TSE_MEAN, PDE_MEAN e RP_MEAN.
Registro de triagem	Gerado a partir de analysis_script.R e revisado pela equipe de pesquisa	screening_log.xlsx	Registra consentimento, elegibilidade, triagem de tempo de conclusão, resultados dos itens de verificação de atenção, valores ausentes, flags de respostas invariantes, motivos de exclusão, decisões de recodificação e status final de inclusão.
Armazenamento institucional seguro	Serviço de tecnologia da informação da universidade participante	Unidade de pesquisa institucional criptografada	Utilizado para armazenar dados brutos, dados limpos, dados pontuados, codebook, registro de triagem, questionário, script de análise, documentos éticos, registros de permissão, saídas de tabelas, saídas de figuras e o pacote de reprodutibilidade. O acesso foi restrito ao pessoal de pesquisa autorizado.
Arquivo de informações da sessão	Gerado a partir do R	sessionInfo.txt	Registra a versão do R, sistema operacional, pacotes anexados, versões dos pacotes e ambiente de reprodutibilidade.
Saídas de tabelas e figuras	Gerado a partir de analysis_script.R	pasta outputs_tables_figures	Contém saída do fluxo de participantes, tabelas descritivas, tabelas de confiabilidade, matriz de correlação, tabelas de regressão, tabelas de análise de sensibilidade, figuras das pontuações dos constructos e gráficos diagnósticos.
Plataforma online de pesquisa Wenjuanxing / Questionnaire Star	Changsha Ranxing Information Technology Co., Ltd., Changsha, China	Projeto de pesquisa web Wenjuanxing	Utilizado para consentimento eletrônico, aplicação anônima do questionário, ramificação por elegibilidade, itens de verificação de atenção, registro do tempo de conclusão, configuração de uma resposta por navegador e exportação dos registros do questionário.