Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Raquel Ferreira Marques Centro Universitário Unieuro raquelferreiramarqs@gmail.com APLICATIVOS DE MOBILIDADE URBANA: PERCEPÇÃO DO USUÁRIO EM RELAÇÃO AOS APLICATIVOS DE MOBILIDADE URBANA Edwin Silva Universidade de Brasília edw3in@gmail.com Wesley Cândido de Melo Universidade de Brasília wesleycandido@gmail.com 664 APLICATIVOS DE MOBILIDADE URBANA: PERCEPÇÃO DO USUÁRIO EM RELAÇÃO AOS APLICATIVOS DE MOBILIDADE URBANA R. F. Marques, E. F. F. Silva e W. C. Melo RESUMO A mobilidade sustentável é vital quando se pensa em cidades modernas para que haja harmonia entre a circulação contínua de mercadorias e pessoas sem comprometer o meio ambiente. No Brasil é cultural o predomínio no uso intensivo de automóveis individuais como uma solução para problemas não só de circulação, mas também de segurança. Diante desse quadro, surge a necessidade de mudanças nos padrões tradicionais de mobilidade urbana e na diversificação dos meios de transporte. Nesse sentido, esse estudo buscou identificar os principais fatores que influenciam na promoção da mobilidade ativa, e dessa forma aperfeiçoar o planejamento e gestão voltados para um transporte mais sustentável. Os resultados do estudo mostram que a renda e o grau de instrução, influenciam no conhecimento do usuário quanto a utilização dos aplicativos e o poder ou não arcar com o preço da tarifa cobrada, utilizando-os com maior ou menor frequência. 1 INTRODUÇÃO O crescimento desordenado das cidades, em especial no Brasil, é um fato que carece de ampla discussão, tanto por parte dos governantes quanto por parte da sociedade, uma vez que o progresso capitalista e a evolução da tecnologia propiciaram um largo desenvolvimento urbano que, na maioria das vezes, ocorreu sem um planejamento adequado, acarretando na densificação das cidades (James, 2018). Um exemplo disso são as megalópoles como São Paulo, Tóquio e Xangai, as quais, em face à falta de planejamento, em geral, a população com menor poder aquisitivo tende a residir em bairros cada vez mais afastados do centro, desencadeando fatores negativos, em razão do aumento dos quilômetros anuais percorridos, como por exemplo congestionamentos, aumento na emissão de poluentes, ruído, dentre outros. (Feltran e Martins, 2017; Monteiro e Rezende, 2017; Zanettini, 2018). O uso da tecnologia tem contribuído para a melhoria do planejamento e da mobilidade urbana. Um exemplo é o uso dos smartphones aliado à tecnologia Mobile, que, ao longo dos últimos anos, proporcionaram ações voltadas aos deslocamentos urbanos. A tecnologia Mobile nesses aparelhos abriu espaços para novos negócios, os quais propiciaram deslocamentos pelas cidades. Acompanhado a tendência do rápido avanço tecnológico, houve um direcionamento dos fenômenos que se estenderam a diversos mercados, frequentemente denominados uberização (Mariano e Dias, 2017). Esse termo se deu em virtude da empresa americana UBER, fundada em 2009, que revolucionou o conceito de transporte privativo, a partir da conexão direta do fornecedor de serviços de transporte com o usuário. Nesse sentido, existe uma tendência cada vez maior do aumento desse modelo de mobilidade urbana por meio de aplicativos, que disputam a atenção dos clientes. (Morosan e Defranco, 2016). Muitas empresas já atuam neste mercado, uma vez que os modelos de negócio são bastante similares em diversos aspectos. O cliente passa a ter mais opções, buscando atender melhor as suas necessidades referentes à qualidade do serviço ou ao preço. Já as empresas, por sua vez, buscam diferenciar-se por atendimento ao cliente, relacionamento com motoristas parceiros, programas de engajamento dos motoristas parceiros e visam ofertar um serviço de melhor qualidade. Contudo, a manutenção da base de usuários ativos permanece sendo um grande desafio para esse mercado. (Hassenzahl, Diefenbach e Göritz, 2010). Dessa forma, os aplicativos de mobilidade urbana, nos últimos anos, têm aumentado a locomoção de seus usuários com maior facilidade (Bazani, 2020). Diante disso, este estudo busca entender a mudança comportamental com respeito à mobilidade urbana e os fatores que influenciam os usuários a optarem por esses serviços no Distrito Federal. 2 MÉTODO/PROCEDIMENTO Inicialmente foram definidos parâmetros para que o artigo fosse desenvolvido levando em consideração uma vasta revisão da literatura e posteriormente elaboração / aplicação de um questionário. 2.1 Problema de pesquisa O que leva as pessoas a utilizarem os aplicativos de mobilidade urbana? Qual a percepção da sociedade quanto ao uso desses aplicativos de mobilidade urbana? 2.2 Objetivo geral Desenvolver um modelo que expresse os principais fatores que influenciam o usuário a utilizar os aplicativos de mobilidade urbana. 2.3 Objetivos específicos Os objetivos específicos se dividiram em três pontos principais: i. Identificar principais fatores que influenciam na utilização dos aplicativos de mobilidade urbana; ii. Realizar abordagem estatística, com os principais fatores de influência iii. Desenvolver ferramenta de avaliação; 2.4 Metodologia Buscando uma forma de contemplar principais aspectos relacionados ao tema, foi realizada inicialmente uma revisão da literatura de modo a selecionar os principais indicadores que influenciam a escolha quanto ao uso dos aplicativos. Após a análise os indicadores foram divididos em perfil dos usuários e serviços prestados pelos aplicativos. Após selecionar os principais indicadores, com base na revisão da literatura, elaborou-se um questionário utilizando a plataforma Google Forms. O questionário foi estruturado em três partes, a primeira pergunta dividiu os usuários de aplicativos e não usuários, as questões seguintes só foram respondidas pelos usuários de aplicativos de mobilidade urbana. A segunda parte contou com onze questões relacionadas à caracterização do respondente (sexo, idade, cidade em que reside, grau de instrução, renda, ocupação, disponibilidade de autos). Já na terceira parte do instrumento, foram disponibilizadas as assertivas referentes à satisfação na utilização do aplicativo, dentre outros pontos. Após a aplicação e coleta dos dados foi utilizado software IBM SPSS versão de teste 22.0, disponível no site da IBM para realizar a redução dimensional dos dados através da análise fatorial, que, de forma geral, consiste em pegar uma grande quantidade de variáveis e sintetizar em grupos, que mostram a carga fatorial de cada uma das variáveis. Uma matriz de cargas fatoriais é um dos produtos finais da análise fatoriais. Uma carga fatorial é um coeficiente, um número decimal, positivo ou negativo, geralmente menor do que 1(um), que expressa o quanto uma pergunta ou variável observada está carregada de um fator. Em outras palavras, quanto maior for a carga de um item em um fator, mais a variável representa esse fator (variável latente). Em síntese, a análise fatorial é essencialmente um método para determinar o número de fatores existentes em um conjunto de dados, para determinar quais testes ou variáveis pertencem a quais fatores, e em que extensão os testes ou variáveis pertencem e/ou estão saturados no fator subjacente. Por fim, foi utilizado o IBM SPSS Amos, para a realização de uma a análise estrutural dos dados, para haver a confirmação da correlação entre os fatores. 3 ANÁLISE DE DADOS 3.1 Descrição da amostra Através da coleta de dados por meio do questionário, de modo voluntário, foram obtidos um total de 179 respostas, sendo que 157 afirmaram que utilizaram/utilizam os aplicativos de mobilidade urbana, o que corresponde a 87,7% das respostas. Dos usuários, 40,8% são do sexo masculino e 57,3% do sexo feminino, 77,7% são maiores de idade, tendo entre 18 a 24 anos. Do total de usuários 26,1% reside na cidade de Ceilândia, 12,7% no Recanto das Emas e 12,1% em Brazlândia, cidades satélites presentes no entorno do Distrito Federal, e 49,1% residem nas demais cidades satélites. Cerca de 62,4% respondentes possuem o Ensino Médio Completo, e 15,9% já concluíram o Ensino Superior. A renda acaba sendo um fator relevante à pesquisa, já que este modo de mobilidade particular trabalha com tarifas de acordo com a quilometragem do percurso. Sendo que 32,5% afirmaram não possuir renda, 60,5% são estudantes e 23,6% são assalariados. Ainda a respeito da renda, 29,9% afirmaram obter 1 (um) Salário Mínimo, onde 19,1% possuem até 2 (dois) Salários Mínimos. Cerca de 53,5% fazem o uso do aplicativo de mobilidade urbana ao menos 1 (uma) vez por mês, já 18,5% faz o uso de 1 (uma) a 2 (duas) vezes por semana, onde 17,8% utilizam de 2 (duas) a 5 (cinco) vezes por semana. Dos respondentes, 31,8% não possui automóvel em sua residência, em contrapartida, 43,9% possuem apenas 1 (um), já em relação às motocicletas, cerca de 82,2% não possuem moto em sua residência. A disponibilidade de bicicleta na residência também foi um dos tópicos da análise, onde 52,9% não possuem bicicleta e 34,4% possuem apenas 1 (uma). Uma outra questão, foi o motivo da viagem do usuário em aplicativos, onde 72,6% responderam que utilizam o mesmo para se locomover a lazer, 30,6% se locomovem com destino a escola, e 25,5% para seu trabalho. Os dados citados acima estão sintetizados na Tabela 1. Tabela 1 Dados Sintetizados Uso do Aplicativo de Mobilidade Urbana Sexo Idade Residência Grau de Instrução Feminino 57,3% 18 aos 24 anos 77,70% Ceilândia 26,1% Fundamental 62,4% Masculino 40,8% 11 aos 17 anos 17,80% Recanto das Emas 12,7% Superior 15,9% Outros 1,9% Outros 4,50% Brazlândia 12,1% Outros 21,7% Outros 49,1% Renda Ocupação Automóvel em Casa Moto em Casa Sem Rendimento 32,5% Estudante 60,5% 0 (zero) 43,9% 0 (zero) 89,2% Até 1 Salário Mínimo 29,9% Assalariado 23,6% 1 (um) 31,8% 1 (uma) 9,6% De 1 a 2 Salários Mínimos 19,1% Outros 15,9% 2 (dois) 20,4% Outros 1,2% Outros 19,1% Outros 4,0% Bicicleta na Residência Frequência de Uso Motivo da Viagem 0 (zero) 52,9% 1 vez no mês 53,5% Lazer 72,6% 1 (uma) 34,4% 1 a 2 vezes por semana 18,5% Escola 30,6% Outros 12,7% 2 a 5 vezes por semana 17,8% Trabalho 25,5% Outros 10,2% 3.2 Análise fatorial A partir da amostra no SPSS, foi feita a análise fatorial, que consiste em fazer reduções de dados inicialmente mais complexos a um conjunto de tamanho manuseável para que o pesquisador possa interpretar mais facilmente os resultados (Kerlinger, l980). Com o intuito de sintetizar os dados foi feita, inicialmente, a análise fatorial sem critérios para verificar a quantidade de grupos principais. Em seguida foram feitas alterações na forma de rotação da amostra, e foram retiradas as questões que tinham coeficiente inferior a 0,5. As questões que não obtiveram significância satisfatória foram: i. “Sexo”; ii. “Reside na Cidade de”; iii. “Frequência que utiliza aplicativo(os) de mobilidade urbana” iv. “Motivo da viagem”; v. “Disponibilidade de moto em casa”; vi. “Quando o motorista é uma mulher, qual o seu nível de confiança?”; Após realizar a redução citada anteriormente, foi realizada análise fatorial com as questões restantes, conforme pode ser observado no Gráfico de Escarpa apresentado na Figura 1: Fig. 1 Gráfico de Escarpa Analisando o Gráfico de Escarpa é possível dizer que a amostra se divide basicamente em três fatores principais (considerando que no final do gráfico a reta se mantém constante). Isso define a quantidade de grupos que a análise irá apresentar, que neste caso serão três grupos principais, como é possível observar na Tabela 2 que apresenta a Matriz Componentes. Tabela 2 Matriz Componentes Matriz de Componentes Itens Avaliados Componentes 1 2 3 Idade 0,711 Grau de Instrução 0,725 Renda 0,730 Ocupação 0,683 Disponibilidade de automóvel em casa 0,610 Disponibilidade de bicicleta em casa 0,756 Preço cobrado pela viagem 0,578 Tempo de espera pelo motorista 0,617 Tempo de locomoção até o destino 0,617 Facilidade de encontrar motoristas em lugares movimentados 0,637 Segurança ao utilizar o aplicativo 0,722 Quando o motorista é um homem, qual seu nível de confiança 0,634 Ferramentas que o aplicativo fornece ao usuário 0,724 Nível de confiança ao utilizar o aplicativo 0,757 Satisfação em relação a utilização dos aplicativos de mobilidade urbana 0,712 É então, é plausível admitir que os três grupos são: Grupo 1- Características dos aplicativos: i. Preço cobrado pela viagem; ii. Tempo de espera pelo motorista; iii. Tempo de locomoção até o destino; iv. Facilidade de encontrar o motorista em locais movimentados; v. Segurança ao utilizar o aplicativo; vi. “Quando o motorista é um homem, qual o seu nível de confiança?”; vii. Ferramentas que o aplicativo fornece ao usuário; viii. Nível de confiança ao utilizar o aplicativo. Grupo 2- Características gerais: i. Idade; ii. Grau de Instrução; iii. Renda; iv. Ocupação. Grupo 3- Mobilidade Ativa: i. Disponibilidade de automóvel em casa; ii. Disponibilidade de bicicleta em casa. É possível observar os grupos principais através da Tabela 3 Divisão de Grupos. Tabela 3 Divisão de Grupos Grupos Grupo 1 – Características dos Aplicativos Grupo 2 – Características Gerais Grupo 3 – Mobilidade Ativa Preço cobrado pela viagem Idade Disponibilidade de automóvel em casa Tempo de espera pelo motorista Tempo de locomoção até o destino Grau de Instrução Facilidade de encontrar o motorista em locais movimentados Segurança ao utilizar o aplicativo Renda Disponibilidade de bicicleta em casa “Quando o motorista é um homem, qual o seu nível de confiança?” Ferramentas que o aplicativo fornece ao usuário Ocupação Nível de confiança ao utilizar o aplicativo As quatro questões principais, que tiveram os maiores valores estão dispostas na Tabela 4 que monstra as Questões Significativas: Tabela 4 Questões Significativas Questões Significativas Questões Carga Fatorial Nível de confiança a utilizar o aplicativo 0,757 Disponibilidade de bicicleta em casa 0,756 Renda 0,730 Grau de Instrução 0,725 Por meio do procedimento apresentado, é possível levantar a hipótese de que mesmo tendo outro meio de locomoção em casa as pessoas utilizam os aplicativos de mobilidade urbana. O nível de confiança e a segurança estão relacionadas, pois se o usuário se sentir atendido em suas necessidades ao utilizar os aplicativos, eles se sentirão mais seguro. E por fim, a renda e o grau de instrução, influenciam no conhecimento do usuário quanto a utilização dos aplicativos e o poder ou não arcar com o preço da tarifa cobrada, utilizando-os com maior ou menor frequência. 3.3 Rotacionando a amostra Através da rotação da amostra, os valores apresentaram uma pequena melhoria nas cargas fatoriais, observou-se que os valores não apresentaram variações significativas. Diante das opções de rotação, o critério que melhor se adequou foi o Quartimax, sendo o utilizado, e por meio dele foram obtidos os valores descritos na Tabela 5 Matriz de Componente Rotativa: Tabela 5 Matriz de Componente Rotativa Matriz de Componentes Rotativa Itens Avaliados Componentes 1 2 3 Idade 0,729 Grau de Instrução 0,724 Renda 0,740 Ocupação 0,672 Disponibilidade de automóvel em casa 0,626 Disponibilidade de bicicleta em casa 0,750 Preço cobrado pela viagem 0,606 Tempo de espera pelo motorista 0,642 Tempo de locomoção até o destino 0,647 Facilidade de encontrar motoristas em lugares movimentados 0,652 Segurança ao utilizar o aplicativo 0,685 Quando o motorista é um homem, qual seu nível de confiança 0,598 Ferramentas que o aplicativo fornece ao usuário 0,722 Nível de confiança ao utilizar o aplicativo 0,722 Satisfação em relação a utilização dos aplicativos de mobilidade urbana 0,717 Mediante a Tabela 6 Variância total explicada fornecida pelo SPSS, foi possível dizer o percentual de explicação de cada grupo: Tabela 6 Variância total explicada Variação Total Explicada Componentes Somas de extração de carregamentos ao quadrado Somas de rotação de carregamentos ao quadrado Total % de variância % cumulativa Total % de variância % cumulativa 1 4,093 27,284 27,284 4,060 27,065 27,065 2 2,249 14,994 42,278 2,244 14,960 42,025 3 1,369 9,126 51,404 1,407 9,379 51,404 Porcentagem de explicação da amostra: i. Grupo 1 - Características dos aplicativos = 27,065% ii. Grupo 2 - Características Gerais = 14,96% iii. Grupo 3 - Mobilidade Ativa = 9,379% Sendo possível observar, também, que a explicação total foi de 51,404% da amostra. Após as verificações realizadas pelo SPSS, foi feita uma análise fatorial confirmatória complementar com os três grupos citados anteriormente, com auxílio do software Amos. Foram obtidos os valores presentes no fluxograma abaixo: Fig. 2 Fluxograma - Análise Fatorial Confirmatória Por meio do fluxograma é possível afirmar que a amostra está dividida em grupos bem distribuídos, aonde a correlação entre estes apresenta valores insignificantes, o que faz com que eles sejam tratados de forma independente. Foi possível chegar nas cargas fatoriais, confirmando que os parâmetros utilizados se aproximaram de 0,5 nos dois primeiros grupos, mesmo valor que foi adotado anteriormente. Por fim, o último grupo apresentou uma discrepância nos valores, sendo possível observar que o fato de se ter automóvel em casa não tem grande influência, e seria preferível que apenas a variável “Disponibilidade de bicicleta em casa” fosse levada em consideração, visto que possui maior significância. 4 CONCLUSÃO Pode-se inferir, por meio do estudo, que os fatores que mais se relacionam ao uso da mobilidade por aplicativo, estão voltados para a questão da confiabilidade, de se poder chegar aos seus destinos, a segurança pessoal, e ainda, dos fatores renda e grau de instrução, que influenciam no conhecimento do usuário quanto a utilização dos aplicativos e o poder ou não arcar com o preço da tarifa cobrada, utilizando-os com maior ou menor frequência. Com base no observado, pode-se perceber que os pontos que se destacaram trazem aspectos que ampliam a visão quanto ao que poderia mudar para aumentar ou diminuir o uso dos aplicativos, já que muitas das viagens são de trajeto pequeno. Por exemplo: incentivos por parte do governo para alcançar jovens de baixa renda que são em maioria os usuários; uso de bicicletas trazendo um crédito/bônus a quem estivesse utilizando e compartilhando sobre a ideia em algum projeto inovador. Neste último caso, poderia haver uma parceria entre o governo e, até mesmo, empresas privadas, o que traria mais fluidez ao trânsito e menos poluição, já que a demanda por carros particulares diminuiria. Na análise de dados, a porcentagem de explicação foi de 51,404%, provavelmente esse valor se deu pela quantidade de respostas inferior ao que era esperado, que consequentemente influenciou a explicação da amostra. 5 REFERÊNCIAS Barros, V. (2019): “Você sabe o que é mobilidade urbana e qual o seu impacto na arquitetura?”. Disponível em: <https://www.vivadecora.com.br/pro/arquitetura/o-que-e- mobilidade-urbana/>. Acesso em 23 de agosto. de 2020. Bazani, A. (2020): Mais de 60% dos usuários dos aplicativos vieram do transporte público e preço está entre os principais motivos da troca. Disponível em: <https://diariodotransporte.com.br/2020/01/30/mais-de-60-dos-usuarios-dos-aplicativos- vieram-do-transporte-publico-e-preco-esta-entre-os-principais-motivos-da-troca/>. Acesso em 20 de agosto de 2020. Coelho, L. A. A.; Silva, L. A. S.; Andrade, M. O.; Maia, M. L. A. (2017): Perfil socioeconômico dos usuários da Uber e fatores relevantes que influenciam a avaliação desse serviço no Brasil. Universidade Federal de Pernambuco Centro de Tecnologia e Geociências. Disponível em: < http://146.164.5.73:30080/tempsite/anais/documentos/2017/Aspectos%20Economicos%20 Sociais%20Politicos%20e%20Ambientais%20do%20Transporte/Regulacao%20em%20Tr ansportes%20II/5_498_AC.pdf>. Acesso em 17 de novembro de 2019. Dusi, L. A. (2016): O uso de aplicativos para smartphone no transporte individual: 99taxis e uber, Universidade de Brasília. Disponível em: https://bdm.unb.br/bitstream/10483/17041/1/2016_LuizaDeAlencarDusi_tcc.pdf. Acesso em 10 de novembro de 2019. Francisco, W. C. (2019): Êxodo Rural. Disponível em: <https://brasilescola.uol.com.br/geografia/exodo-rural.htm>. Acesso em 20 de agosto de 2020. Hino, M. C.; Cunha, M. A. V. C. (2018): Mobilidade urbana: uma abordagem de gênero e tecnologia no uso de aplicativos móveis. Disponível em: <https://bdm.unb.br/bitstream/10483/17041/1/2016_LuizaDeAlencarDusi_tcc.pdf.> Acesso em 07 de novembro de 2019. IBM (2019): Versões de avaliação do IBM SPSS. Disponível em: <https://www.ibm.com/br-pt/analytics/spss-trials?mhsrc=ibmsearch_a&mhq=spss>. Acesso em 22 de novembro 2019. Kerlinger, F. N. (1980): Metodologia da pesquisa em ciências sociais. São Paulo: EPU/EDUSP. MOROSAN, CRISTIAN; DEFRANCO, AGNES. It's about time: Revisiting UTAUT2 to examine consumers’ intentions to use NFC mobile payments in hotels. International Journal of Hospitality Management, v. 53, p. 17- 29, 2016. Neiva, E. R.; Abbad, G. e Tróccoli, B.T. (2008): Roteiro para Análise Fatorial de Dados. Disponível em: https://aprender.ead.unb.br/pluginfile.php/107810/mod_folder/content/0/An%C3%A1lise %20Fatorial/roteiro_analise_fatorial_Reformulado.doc?forcedownload=1. Acesso em 10 de outubro de 2019. Pena, R. F. A. (2019): Mobilidade urbana no Brasil. Disponível em: <https://brasilescola.uol.com.br/geografia/mobilidade-urbana-no-brasil.htm> Acesso em 23 de novembro de 2019. Wisniewski, P. C.; Esposito, L. A. (2016): Mobilidade urbana e o caso uber: aspectos jurídicos e sociais da startup. Disponível em: <http://www.uricer.edu.br/site/pdfs/perspectiva/150_573.pdf.> Acesso em 15 de novembro de 2019.
Compartilhar