Os desafios para a implantação de cursos de línguas para a comunidade: o caso do CLC da Universidade Federal do Espírito Santo

A presente dissertação é produto de uma investigação sobre o projeto implantado na Universidade Federal do Espírito (UFES) nos anos 90, para oferecimento de Cursos de Línguas para a Comunidade (CLC). O principal objetivo desse trabalho foi analisar as etapas de desenvolvimento do projeto e os desafios encontrados durante a sua implantação. O projeto desenvolvido é pioneiro na comunidade acadêmica capixaba e são escassos os relatos sobre experiências semelhantes à dos Cursos de Línguas para a Comunidade. Por isso mesmo, o presente trabalho servirá também de registro documental sobre o próprio CLC e de proposta de um modelo a ser implantado por outras instituições. A análise das etapas de desenvolvimento do CLC e dos desafios encontrados foi feita a partir do estudo de documentos da UFES e do próprio CLC, e de registros da imprensa local sobre os conflitos gerados e de que forma os obstáculos para implantação estão sendo gerenciados. Foram feitas também diversas pesquisas através de questionários para identificação do perfil dos alunos dos cursos de idiomas oferecidos.

Optimal two-sided tests for instrumental variables regression with heteroskedastic and autocorrelated errors

This paper considers two-sided tests for the parameter of an endogenous variable in an instrumental variable (IV) model with heteroskedastic and autocorrelated errors. We develop the nite-sample theory of weighted-average power (WAP) tests with normal errors and a known long-run variance. We introduce two weights which are invariant to orthogonal transformations of the instruments; e.g., changing the order in which the instruments appear. While tests using the MM1 weight can be severely biased, optimal tests based on the MM2 weight are naturally two-sided when errors are homoskedastic. We propose two boundary conditions that yield two-sided tests whether errors are homoskedastic or not. The locally unbiased (LU) condition is related to the power around the null hypothesis and is a weaker requirement than unbiasedness. The strongly unbiased (SU) condition is more restrictive than LU, but the associated WAP tests are easier to implement. Several tests are SU in nite samples or asymptotically, including tests robust to weak IV (such as the Anderson-Rubin, score, conditional quasi-likelihood ratio, and I. Andrews' (2015) PI-CLC tests) and two-sided tests which are optimal when the sample size is large and instruments are strong. We refer to the WAP-SU tests based on our weights as MM1-SU and MM2-SU tests. Dropping the restrictive assumptions of normality and known variance, the theory is shown to remain valid at the cost of asymptotic approximations. The MM2-SU test is optimal under the strong IV asymptotics, and outperforms other existing tests under the weak IV asymptotics.