Triagem psicométrica de alunos em risco: por que um teste pode mudar a classificação

Uma triagem psicométrica pode mudar quem a escola considera em risco e, com isso, quem recebe atenção primeiro. Mas o resultado depende do instrumento, do que ele mede e de como a classificação é construída. Quais sinais esses testes conseguem identificar? Por que duas ferramentas podem apontar alunos diferentes? E como usar os resultados sem transformar uma indicação inicial em diagnóstico ou rótulo?

Estudos recentes ajudam a responder a essas perguntas em áreas como comportamento, matemática, linguagem, saúde mental e risco de dislexia. Eles mostram tanto o potencial da triagem sistemática quanto seus limites: algumas medidas classificam melhor certos domínios do que outros, e uma pontuação pode mudar conforme as normas de comparação e as características linguísticas dos estudantes. Para o professor, a questão prática é interpretar o sinal com cuidado e decidir qual observação ou avaliação deve vir em seguida.

O que é triagem psicométrica de alunos em situação de risco e por que importa para o professor?

Triagem psicométrica é uma forma organizada de usar medidas com propriedades estudadas para sinalizar estudantes que podem precisar de acompanhamento ou apoio adicional. Não é, por si só, um diagnóstico. Na rotina escolar, pode envolver um formulário preenchido por professores, uma tarefa breve de habilidades ou uma escala que compara resultados com referências normativas. O objetivo é ajudar a identificar possíveis necessidades antes que elas passem despercebidas, não decidir sozinho o que explica a dificuldade de um aluno.

“Psicométrico” se refere às qualidades da medida: por exemplo, se os resultados são consistentes e se sustentam a interpretação pretendida. Uma ferramenta pode ser útil para um objetivo e menos adequada para outro. Um instrumento voltado a comportamentos externalizantes, por exemplo, não necessariamente identifica com a mesma precisão manifestações internalizantes, como ansiedade ou retraimento. Também importa saber para quem foi desenvolvido, em que contexto foi estudado e como seus resultados devem ser interpretados.

Esse tema aparece na escola quando se tenta organizar a observação de muitos estudantes, identificar quem pode se beneficiar de uma avaliação mais aprofundada ou acompanhar uma necessidade ao longo do tempo. A triagem pode apoiar decisões, mas não substitui o conhecimento do professor sobre o contexto da turma, a conversa com a família, outras evidências escolares nem os procedimentos profissionais de avaliação. O resultado é um sinal a investigar, não uma sentença sobre capacidade, comportamento ou futuro.

O que a pesquisa recente mostra sobre os testes de triagem?

Os estudos não oferecem uma única resposta sobre “o melhor teste”. Em vez disso, mostram que a utilidade depende do construto avaliado, do instrumento, dos critérios de classificação e do grupo de estudantes. Quatro ideias ajudam a organizar os achados: a variedade de ferramentas e a qualidade de suas evidências; a diferença entre domínios e instrumentos; a influência de normas, língua e contexto; e a instabilidade possível das classificações.

Há muitos instrumentos, mas a base de evidências é desigual

Uma revisão de escopo identificou 56 instrumentos de rastreamento universal do comportamento e analisou como eles vêm sendo estudados. Entre as análises mais comuns estavam o coeficiente alfa para consistência interna, as correlações entre variáveis relacionadas teoricamente e a análise fatorial confirmatória. Os autores também apontam a necessidade de aprimorar a pesquisa e apoiar educadores na escolha de uma ferramenta alinhada ao uso pretendido (Pelton, 2026).

Uma versão de 2024 da revisão descreve uma busca que localizou 180 artigos e os mesmos 56 instrumentos. O resumo destaca que os nomes e as subescalas variam, assim como o foco: algumas ferramentas enfatizam dificuldades, outras forças, e diferentes instrumentos podem medir construtos ligeiramente distintos. Por isso, é importante definir com clareza o que se quer identificar antes de selecionar uma medida. A revisão também relata que o alfa foi a estimativa de confiabilidade mais frequente e que o ômega apareceu com mais frequência nos anos recentes (Pelton, 2024).

O alerta não é que toda triagem seja inútil, mas que “ter uma escala” não basta. A evidência para uma ferramenta deve corresponder à pergunta que a escola quer responder. Uma medida que avalia consistência interna não resolve, sozinha, se a classificação distingue adequadamente estudantes que precisam de apoio ou se prevê resultados futuros. A escolha exige olhar para mais de uma qualidade da medida e para o propósito concreto de uso.

A precisão pode variar entre habilidades e tipos de dificuldade

Na matemática da primeira infância, uma revisão sistemática identificou 41 avaliações e 25 instrumentos de rastreio para crianças de 0 a 8 anos. Apenas 15 ferramentas atenderam a critérios de aceitabilidade em mais de duas áreas de evidência psicométrica. Quatro instrumentos de rastreio demonstraram capacidade aceitável de distinguir crianças com desenvolvimento típico daquelas com dificuldades de aprendizagem matemática ou em risco; somente uma avaliação e um instrumento de rastreio atenderam ao critério adotado para validade preditiva (Outhwaite, 2024).

Esses resultados tornam concreta uma distinção importante: uma ferramenta pode existir e ser usada sem que todas as propriedades relevantes tenham sido avaliadas. A revisão também relata que a maioria das ferramentas identificadas não foi avaliada quanto a aspectos de confiabilidade e validade particularmente relevantes para medidas educacionais. Para a escola, isso significa que a familiaridade ou a rapidez de aplicação não devem ser confundidas com evidência suficiente para qualquer decisão.

Em uma investigação do formulário ITRF, traduzido do inglês americano e aplicado em escolas primárias gregas, os professores avaliaram quatro áreas: desorganização ou problemas de desempenho acadêmico, comportamento disruptivo, comportamento ansioso ou depressivo e retraimento social. A precisão de classificação foi excelente na primeira etapa para desorganização e produtividade acadêmica, boa para disruptividade ou oposição, razoável para retraimento e baixa para ansiedade ou depressão (Didaskalou, 2024). O resultado mostra por que não se deve falar da precisão de um instrumento como se ela fosse igual para todos os domínios.

Dois instrumentos podem destacar alunos diferentes

Uma comparação entre DESSA-mini e SRSS-IE envolveu 3.110 estudantes do jardim de infância ao quinto ano em cinco escolas de um distrito do sul dos Estados Unidos. As pontuações apresentaram relações estatisticamente significativas, mas a concordância na identificação foi limitada. A semelhança foi maior para comportamentos externalizantes do que para internalizantes; em muitos casos, os instrumentos apontaram estudantes diferentes (Lane, 2023).

Isso não permite concluir automaticamente que um instrumento esteja “certo” e o outro “errado”. As ferramentas podem enfatizar aspectos diferentes, e uma relação entre pontuações não significa que classifiquem os mesmos alunos. Para a prática, a divergência é motivo para examinar o que cada escala mede e quais evidências adicionais podem esclarecer a necessidade observada, em vez de escolher o resultado mais conveniente.

Outro estudo comparou uma bateria breve de matemática inicial para estudantes aprendizes de inglês e estudantes proficientes em inglês. Encontrou diferenças de desempenho entre os grupos, acurácia geral razoável na previsão dos resultados e resultados semelhantes de acurácia geral entre os grupos. Os autores também discutem sensibilidade, especificidade, valores preditivos e o desafio dos falsos positivos nos sistemas de triagem (Brafford, 2023). A pesquisa reforça que observar desempenho diferente entre grupos não basta para explicar sua causa nem para justificar uma classificação individual sem contexto.

Normas, língua e estabilidade podem alterar a classificação

Uma pesquisa sobre o BASC-3 BESS examinou a escolha entre normas combinadas por gênero e normas separadas por gênero para estudantes do terceiro ao décimo segundo ano em um distrito dos Estados Unidos. Houve diferença estatisticamente significativa na proporção de meninas em cada categoria de risco: mais meninas foram identificadas como estando em risco quando se usaram normas combinadas. Para os meninos, não houve diferença estatisticamente significativa. Os autores destacam que escolhas normativas podem afetar a classificação e as recomendações subsequentes de serviços (Plant, 2026).

Em avaliações de linguagem, uma pesquisa com crianças afro-americanas em idade pré-escolar nos Estados Unidos encontrou diferenças de desempenho associadas ao grau de variação linguística em relação ao inglês americano padrão. Modificações de pontuação sensíveis à variedade linguística elevaram escores em uma subprova e no índice composto, mas crianças com forte variação continuaram com desempenho significativamente inferior ao de crianças com pouca ou nenhuma variação. A concordância entre as classificações de risco de duas avaliações foi extremamente baixa (Marencin, 2024). Os autores defendem que modificações sejam consideradas em conjunto com equidade, viabilidade e psicometria.

O risco de uma categoria parecer mais firme do que é também aparece no rastreamento de dislexia. Em uma amostra de 683 estudantes acompanhados do jardim de infância ao segundo ano, as avaliações do Shaywitz DyslexiaScreen apresentaram estabilidade global moderada, mas estabilidade bem menor para quem estava classificado em risco. Aproximadamente dois em cada três estudantes mudaram de categoria de risco uma vez ao longo dos três anos. A ferramenta identificou uma proporção alta dos estudantes realmente em risco, mas também produziu muitos falsos positivos; os autores consideram necessárias pesquisas adicionais sobre sua adequação técnica e possível viés (Miciak, 2026).

Já o exame da SRSS-IE confirmou uma estrutura de dois fatores — internalizante e externalizante — e encontrou invariância de medida entre grupos definidos por gênero, situação na educação especial, raça e etnia, e entre momentos de avaliação, nas etapas escolares consideradas. O estudo reuniu dados de 124 escolas de quatro regiões dos Estados Unidos ao longo de dez anos de coleta. Os autores relatam que três itens poderiam ser removidos sem comprometer o ajuste adequado do modelo, sujeito a replicação posterior (Lane, 2024). É uma evidência sobre essa escala e esse contexto, não uma garantia de que qualquer instrumento funcione do mesmo modo em qualquer escola.

Quais estudos ajudam a entender a triagem escolar?

A tabela resume o foco e o relato principal de cada pesquisa citada. Os contextos nacionais abaixo são os informados nos resumos; quando não há país explicitado, isso é indicado sem presumir a origem.

O que os estudos têm em comum e onde divergem?

Em comum, os estudos tratam a triagem como uma decisão dependente de evidências e do propósito. Vários mostram que uma pontuação não representa uma verdade completa sobre o estudante: a classificação muda conforme domínio, instrumento, normas ou momento de aplicação. As revisões também apontam que há muitas ferramentas disponíveis, mas evidências psicométricas desiguais, o que torna a escolha mais exigente do que simplesmente optar pela escala mais conhecida.

As diferenças entre os resultados são igualmente importantes. A precisão do ITRF variou entre seus domínios; DESSA-mini e SRSS-IE não identificaram necessariamente os mesmos alunos; e, no estudo da SRSS-IE, houve evidência de invariância nos grupos e momentos examinados. Esses achados não se anulam: referem-se a instrumentos e perguntas diferentes. Um estudo examina comparabilidade de medida; outro, concordância entre classificações; outro, capacidade de prever um resultado.

Também permanecem questões abertas sobre validade preditiva, sensibilidade a diferenças culturais e linguísticas, falsos positivos e adequação técnica em diferentes populações. Os resumos não permitem transformar resultados de contextos estrangeiros em uma recomendação universal para escolas brasileiras. A síntese mais prudente é que triagens podem organizar a atenção, mas sua interpretação precisa permanecer vinculada ao instrumento e às evidências disponíveis para cada finalidade.

Como aplicar esses achados na sala de aula?

Na prática, os estudos não fornecem um protocolo pronto para todas as escolas brasileiras. As sugestões abaixo são aplicações possíveis dos achados, não resultados testados diretamente pelas pesquisas. A ideia é usar a triagem como parte de um processo de observação e encaminhamento, sem atribuir ao instrumento mais poder do que ele tem.

1. Comece pela pergunta, não pelo formulário

Aplicação: antes de escolher uma escala, defina o que a equipe quer identificar. É uma dificuldade de matemática, uma barreira de participação, um padrão de comportamento ou um possível risco de leitura? As revisões mostram variedade de instrumentos e construtos (Pelton, 2024; Pelton, 2026). Imagine uma equipe que percebe baixo envolvimento em atividades: decidir primeiro se está investigando participação, aprendizagem ou bem-estar evita tratar ferramentas diferentes como intercambiáveis.

2. Leia a classificação como um sinal para investigar

Aplicação: se um estudante aparece em uma categoria de risco, registre o que foi observado e busque evidências complementares, sem converter a pontuação em diagnóstico. O estudo do rastreio de dislexia relata muitos falsos positivos e mudanças de categoria ao longo do acompanhamento (Miciak, 2026). Imagine um aluno sinalizado no início do ano: o professor pode observar sua resposta a atividades de leitura e compartilhar as informações com a equipe responsável, mantendo aberta a interpretação.

3. Observe o domínio específico que a ferramenta mede

Aplicação: evite resumir um perfil inteiro com uma única classificação geral quando a medida diferencia áreas. No ITRF, a precisão variou entre produtividade acadêmica, disruptividade, retraimento e ansiedade ou depressão (Didaskalou, 2024). Em uma situação hipotética, um resultado claro em uma dimensão acadêmica não deve ser usado para concluir que a mesma escala também identificou com igual precisão uma dificuldade emocional.

4. Investigue divergências entre instrumentos

Aplicação: se duas ferramentas destacarem estudantes diferentes, compare seus objetivos e os comportamentos ou habilidades contemplados antes de decidir qual resultado orientar. A comparação entre DESSA-mini e SRSS-IE encontrou baixa concordância em algumas áreas, sobretudo comportamentos internalizantes (Lane, 2023). Imagine que uma escala indique necessidade de instrução e outra não: essa diferença pode orientar uma conversa sobre o que cada medida observa, em vez de uma disputa sobre qual pontuação deve prevalecer.

5. Considere língua e variedade linguística na avaliação

Aplicação: pergunte se o formato e os critérios de uma tarefa podem estar confundindo diferença linguística com dificuldade. A pesquisa com crianças afro-americanas mostrou que modificações de pontuação elevaram escores, mas não eliminaram diferenças entre grupos, e que duas avaliações concordaram pouco na classificação de risco (Marencin, 2024). Em uma turma hipotética com estudantes que usam variedades linguísticas diversas, a equipe pode buscar uma interpretação que considere repertório, contexto e finalidade da medida.

6. Planeje o que acontece depois da triagem

Aplicação: antes de coletar resultados, combine como serão revistos, quem poderá acessá-los e quais apoios ou avaliações complementares podem ser considerados. O estudo sobre instrumentos matemáticos mostra que poucas ferramentas atenderam aos critérios adotados em várias áreas psicométricas, e poucos rastreios atingiram o critério de validade preditiva (Outhwaite, 2024). Uma triagem sem um passo seguinte claro corre o risco de produzir uma lista de nomes sem orientar uma resposta educativa.

7. Reavalie com contexto, sem tratar mudança como fracasso

Aplicação: se uma categoria mudar em uma nova aplicação, não conclua automaticamente que a primeira leitura estava certa ou errada. O estudo do SDS encontrou mudanças de categoria ao longo do tempo, especialmente entre estudantes em risco (Miciak, 2026). Imagine uma aluna que deixa de aparecer na faixa de risco na avaliação seguinte: a equipe pode examinar o conjunto das observações e do percurso escolar, sem apagar a necessidade que motivou o acompanhamento inicial.

O que muda ao interpretar esses estudos no contexto brasileiro?

Os estudos resumidos vêm de contextos internacionais, sobretudo dos Estados Unidos e da Grécia, e não estabelecem diretamente como uma ferramenta funcionará em escolas brasileiras. Os instrumentos, as normas, os idiomas e os sistemas escolares podem ser diferentes. Por isso, um resultado obtido em outro país pode levantar perguntas relevantes, mas não deve ser tratado como validação automática para estudantes brasileiros.

A questão linguística merece atenção particular. A pesquisa de Marencin trata de variedades do inglês nos Estados Unidos, não das variedades do português no Brasil. Ela não permite afirmar que uma adaptação específica seja necessária ou eficaz aqui; oferece, porém, um motivo para a equipe verificar se o desempenho medido pode ser influenciado pela língua, pelo repertório do estudante ou pelo formato da tarefa. A mesma cautela vale para instrumentos originalmente desenvolvidos em outro idioma, como o ITRF estudado após tradução para o grego.

Também é importante separar a existência de uma versão traduzida da demonstração de que a medida é adequada para determinado uso local. Os resumos mostram que propriedades como confiabilidade, validade, classificação e comparabilidade são investigadas de maneiras diferentes. Para uma decisão institucional no Brasil, faz sentido consultar documentação técnica apropriada ao instrumento e buscar profissionais qualificados para interpretar resultados, em vez de importar pontos de corte sem examinar sua pertinência.

Por fim, os dados de outros países não substituem a escuta dos estudantes e das famílias nem o conhecimento pedagógico da equipe brasileira. Uma aplicação possível é usar as perguntas levantadas pelas pesquisas — o que a medida avalia, para quem funciona, que erros pode cometer e o que se fará depois — como critérios para avaliar qualquer procedimento local. Essa é uma cautela metodológica, não uma recomendação de política escolar extraída diretamente desses estudos.

Quais são os limites desta leitura?

Este texto se baseia nos resumos de estudos recentes disponibilizados na fonte de pesquisa, não na leitura integral de cada publicação. Os resumos permitem apresentar objetivos e resultados relatados, mas não oferecem todos os detalhes necessários para examinar os instrumentos, os procedimentos completos, os pontos de corte, a composição de cada amostra ou as condições de aplicação. Também não permitem concluir que um resultado se aplique a todas as escolas, etapas ou populações.

Ficam em aberto perguntas importantes: como essas ferramentas se comportariam em escolas brasileiras? Que versões têm evidências adequadas em português? Quais adaptações seriam necessárias para diferentes contextos linguísticos e culturais? E que combinação de triagem, observação docente e avaliação complementar produz decisões mais úteis? Para responder a questões de implementação, selecionar um instrumento ou tomar decisões sobre um estudante, faz sentido consultar os estudos completos e a documentação técnica correspondente, além de envolver profissionais habilitados.

Como o GeraProva ajuda com este assunto?

O GeraProva pode ajudar o professor a preparar provas e atividades para observar aprendizagens e organizar avaliações pedagógicas, mas não substitui instrumentos psicométricos validados, diagnóstico ou avaliação especializada. Se você quer criar materiais alinhados ao que pretende observar, conheça o gerador de provas do GeraProva e faça seu cadastro grátis.

Perguntas frequentes sobre triagem psicométrica

Triagem psicométrica é o mesmo que diagnóstico?

Não. Nos estudos considerados, os instrumentos de triagem são usados para sinalizar estudantes que podem estar em risco ou precisar de apoio, e não devem ser tratados automaticamente como diagnósticos. Os resultados podem variar conforme o domínio, a ferramenta e os critérios de classificação. A pesquisa sobre o Shaywitz DyslexiaScreen, por exemplo, encontrou falsos positivos e mudanças de categoria ao longo do tempo (Miciak, 2026). Na escola, uma indicação pode motivar observação e avaliação complementar, mas não determina sozinha a explicação da dificuldade nem o percurso do aluno.

Por que dois testes podem apontar alunos diferentes?

Porque instrumentos podem avaliar aspectos diferentes, usar escalas ou critérios distintos e apresentar níveis variados de precisão. Na comparação entre DESSA-mini e SRSS-IE, houve relações entre pontuações, mas concordância limitada na identificação, especialmente para comportamentos internalizantes (Lane, 2023). Uma divergência, portanto, não prova automaticamente que uma escala esteja errada. É útil comparar o que cada ferramenta foi criada para medir e reunir outras evidências pertinentes antes de decidir como responder à necessidade sinalizada.

Um resultado de risco significa que o aluno terá uma dificuldade?

Não necessariamente. Uma triagem busca sinalizar risco, não prever com certeza o percurso de cada estudante. No estudo do Shaywitz DyslexiaScreen, a estabilidade foi moderada no conjunto e menor entre os estudantes classificados em risco; muitos mudaram de categoria durante o acompanhamento (Miciak, 2026). O estudo de matemática inicial também discute o desafio dos falsos positivos (Brafford, 2023). Por isso, uma classificação deve ser interpretada como indicação inicial, acompanhada de observação e, quando pertinente, avaliação mais aprofundada.

O professor deve aplicar qualquer escala disponível?

Não é recomendável escolher apenas pela disponibilidade ou rapidez. As revisões sobre triagem comportamental encontraram muitos instrumentos e variação nos construtos e nas evidências avaliadas (Pelton, 2024; Pelton, 2026). Antes de usar uma ferramenta, é importante definir a finalidade, verificar para quem foi estudada e compreender quais evidências sustentam a interpretação. Se a decisão tiver consequências relevantes para o estudante, a escola deve buscar documentação técnica e apoio de profissionais qualificados, em vez de usar uma pontuação isolada como resposta definitiva.

Uma ferramenta testada em outro país serve para uma escola brasileira?

Os estudos citados não demonstram, por si só, que seus instrumentos sejam válidos para uso em escolas brasileiras. Há pesquisas realizadas nos Estados Unidos e na Grécia, em idiomas e contextos diferentes. Uma tradução não garante que as normas, os itens ou os critérios funcionem da mesma forma no Brasil. A pesquisa sobre o ITRF, por exemplo, examinou um instrumento desenvolvido em inglês americano e traduzido para escolas gregas (Didaskalou, 2024). Para uso local, é importante verificar evidências adequadas ao idioma, à população e à finalidade pretendida.

O que fazer quando a triagem sinaliza uma necessidade?

Use o resultado como ponto de partida para compreender melhor o que está acontecendo, não como rótulo. Uma aplicação possível é rever as situações em que a dificuldade aparece, comparar o sinal com outras evidências escolares e conversar com a equipe responsável pelos próximos passos. Os estudos mostram que precisão e concordância podem variar por domínio e instrumento, e que podem ocorrer falsos positivos (Didaskalou, 2024; Lane, 2023; Miciak, 2026). A resposta deve considerar o contexto do estudante e os procedimentos profissionais da escola, sem inferir um diagnóstico a partir de uma única escala.

Referências dos estudos citados

1. Pelton (2026). Mapeamento da base de pesquisa sobre instrumentos de rastreamento universal do comportamento (Mapping the Research Base for Universal Behavior Screeners). Review of Educational Research. https://eric.ed.gov/?id=EJ1500364
2. Pelton (2024). Mapeamento da base de pesquisa para instrumentos universais de triagem comportamental (Mapping the Research Base for Universal Behavior Screeners). Society for Research on Educational Effectiveness. https://eric.ed.gov/?id=ED663543
3. Outhwaite (2024). Mensuração das habilidades matemáticas na primeira infância: uma revisão sistemática das propriedades psicométricas de avaliações e instrumentos de rastreio em matemática na primeira infância (Measuring Mathematical Skills in Early Childhood: A Systematic Review of the Psychometric Properties of Early Maths Assessments and Screeners). Educational Psychology Review. https://eric.ed.gov/?id=EJ1439736
4. Didaskalou (2024). Uma investigação preliminar das propriedades psicométricas do Formulário Integrado de Avaliação por Professores (ITRF) em crianças gregas em idade escolar (A Preliminary Investigation of the Psychometric Properties of the Integrated Teacher Rating Form (ITRF) in Greek School Children). International Journal of School & Educational Psychology. https://eric.ed.gov/?id=EJ1408122
5. Lane (2024). Exame da estrutura fatorial e da invariância de medida da SRSS-IE (Examination of the Factor Structure and Measurement Invariance of the SRSS-IE). Remedial and Special Education. https://eric.ed.gov/?id=EJ1426783
6. Marencin (2024). Desempenho de crianças afro-americanas em idade pré-escolar em avaliações de linguagem referenciadas a normas: análise do efeito da densidade dialetal e do uso de modificações na pontuação (African American Preschoolers' Performance on Norm-Referenced Language Assessments: Examining the Effect of Dialect Density and the Use of Scoring Modifications). Language, Speech, and Hearing Services in Schools. https://eric.ed.gov/?id=EJ1433141
7. Brafford (2023). Investigando um instrumento de rastreamento de habilidades matemáticas iniciais para estudantes aprendizes de inglês nos anos iniciais (Exploring an Early Numeracy Screening Measure for English Learners in Primary Grades). Grantee Submission. https://eric.ed.gov/?id=ED627364
8. Lane (2023). Uma comparação entre os instrumentos de rastreamento DESSA-Mini e SRSS-IE (A Comparison of DESSA-Mini and SRSS-IE Screening Tools). Education and Treatment of Children. https://eric.ed.gov/?id=EJ1405205
9. Plant (2026). Replicando o impacto da seleção do grupo normativo no BASC-3 BESS (Replicating the Impact of Norming Group Selection on the BASC-3 BESS). School Mental Health. https://eric.ed.gov/?id=EJ1512161
10. Miciak (2026). Exame da Acurácia Preditiva e da Estabilidade do Shaywitz DyslexiaScreen (Examining the Predictive Accuracy and Stability of the Shaywitz DyslexiaScreen). Annals of Dyslexia. https://eric.ed.gov/?id=EJ1512152

Se este tema faz parte das decisões da sua escola, vale conversar com a equipe sobre o que cada instrumento mede e como transformar um sinal em apoio cuidadoso ao estudante.