Estudo das Relações entre Flow e Inteligência EmocionalResumo
Os conceitos de flow e inteligência emocional (IE) são relativamente recentes em Psicologia e, potencialmente, apresentam uma interface relacionada com o processamento emocional, considerando investigações anteriores sobre o tema. Este estudo investigou as relações entre o IE e o flow disposicional em 208 voluntários, que responderam ao Inventário de Competências Emocionais Revisado e à Long Dispositional Flow Scale. Análises correlacionais confirmaram haver relações entre os dois construtos, sugerindo sua possível convergência. No entanto, uma análise fatorial não foi conclusiva quanto à convergência, apresentando soluções com um e três fatores. Por sua vez, uma análise de redes mostrou que a regulação de emoções de baixa potência é o principal fator da IE que se relaciona com o equilíbrio entre desafio e habilidade e com o senso de controle do flow. Implicações teóricas e práticas são discutidas.
Palavras-chave:
Psicologia Positiva; Vivências Emocionais; Emoções; Estados De Consciência
Abstract
The concepts of flow and emotional intelligence (EI) are relatively recent in Psychology and potentially have an interface related to emotional processing, considering previous investigations on the subject. This study investigated the relationships between EI and dispositional flow in 208 volunteers, who completed the Revised Emotional Competence Inventory and the Long Dispositional Flow Scale. Correlational analyses confirmed relationships between the two constructs, suggesting their possible convergence. However, a factor analysis was inconclusive regarding convergence, presenting solutions with one and three factors. In turn, a network analysis showed that the regulation of low-intensity emotions is the main EI factor related to the balance between challenge and skill and the sense of control of flow. Theoretical and practical implications are discussed.
Keywords:
Positive Psychology; Emotional Experiences; Emotions; States Of Consciousness
Resumen
Los conceptos de flow e inteligencia emocional (IE) son relativamente recientes en Psicología y, potencialmente, presentan una interfaz relacionada con el procesamiento emocional, teniendo en cuenta investigaciones anteriores sobre el tema. Este estudio investigó las relaciones entre IE y el Flow disposicional en 208 voluntarios, que respondieron al Inventario de Competencias Emocionales Revisado y a la Escala de Flow-Disposicional. Los análisis correlacionales confirmaron que hay relaciones entre los dos constructos, sugiriendo su posible convergencia. Sin embargo, un análisis factorial no fue concluyente en cuanto a la convergencia, presentando soluciones con uno y tres factores. A su vez, un análisis de redes mostró que la regulación de emociones de baja intensidad es el principal factor de la IE relacionado con el equilibrio entre desafío y habilidad y con el sentido de control del flow. Se discuten implicaciones teóricas y prácticas.
Palabras clave:
Psicología Positiva; Experiencias Emocionales; Emociones; Estados De Conciencia
Introdução
Flow refere-se a um estado de imersão total em uma atividade que proporciona uma experiência ótima (Csikszentmihalyi, 1999). Por sua vez, inteligência emocional diz respeito ao processamento cognitivo de informações emocionais (Mayer et al., 2016). Considerando estudos anteriores, estes conceitos apresentam uma interface em potencial relacionada ao processamento emocional, especialmente com a experenciação de um bem-estar subjetivo ao realizar atividades desafiadoras, que exigem o desenvolvimento de determinadas habilidades e, concomitantemente, uma entrega ao momento presente (Valiente et al., 2017, Xie et al., 2021, Millán de Lange et al., 2014). A seguir, são apresentadas suas definições e possíveis articulações.
A inteligência emocional é compreendida como um conjunto de quatro habilidades: percepção de emoções, uso das emoções para facilitar o pensamento (raciocínio emocional), compreensão de emoções e regulação de emoções. A percepção de emoções envolve a capacidade de distinguir expressões emocionais genuínas de falsas ou manipuladoras, e compreender a precisão dessas expressões em diferentes contextos culturais. Isso abrange uma ampla gama de manifestações, incluindo expressões faciais, corporais, vocais e até representações em ambientes, artes visuais e música. O raciocínio emocional, ou facilitação do pensamento, consiste em usar estados emocionais presentes para realizar tarefas adequadas a esses estados, ou modificar o humor para facilitar a compreensão de perspectivas alheias ou a tomada de decisões importantes. A compreensão de emoções refere-se ao entendimento do funcionamento das emoções, como associar uma emoção específica a um contexto (por exemplo, medo diante de uma ameaça), transições entre emoções (como de medo para vergonha) ou a ocorrência de emoções complexas simultâneas. Por fim, a regulação de emoções envolve estar aberto a estados emocionais, sejam eles prazerosos ou não, e gerenciá-los em si mesmo e nos outros, de acordo com o contexto e as possibilidades de resolução positiva das situações que desencadeiam esses estados emocionais (Mayer et al., 2016).
Nesta pesquisa, optou-se por avaliar a autopercepção das habilidades de inteligência emocional. Para isso, foi utilizado o Inventário de Competências Emocionais Revisado, um instrumento desenvolvido especificamente para o contexto cultural brasileiro. Este inventário tem boas evidências de validade com base na sua estrutura interna, avaliando a autopercepção das seguintes habilidades relacionadas à inteligência emocional: percepção de emoções, expressividade emocional, regulação de emoções de alta potência em si mesmo (como euforia, paixão e raiva), regulação de emoções de baixa potência em si mesmo (como tristeza, medo e nojo) e regulação de emoções em outras pessoas. Além disso, o inventário mostrou correlações positivas com uma medida de qualidade de vida e apresentou bons indicadores de consistência interna (Bueno et al., 2021). Por sua vez, o fenômeno flow é um dos principais temas de estudo da Psicologia Positiva, que abrange experiências subjetivas significativas como bem-estar, contentamento e satisfação (relacionadas ao passado), esperança e otimismo (com foco no futuro) e flow e felicidade (quando o foco é a experiência presente) (Seligman & Csikszentmihalyi, 2000). Csikszentmihalyi (1999) desenvolveu o conceito de experiência ótima, denominado experiência autotélica, que descreve atividades que proporcionam grande satisfação intrínseca, independentemente de recompensas externas. A experiência autotélica é caracterizada por ser uma atividade autossuficiente, em que a própria realização da atividade é a recompensa (Csikszentmihalyi, 1992).
Embora o autor considere o termo experiência autotélica tecnicamente mais fidedigno, passou a adotar o termo flow, por considerar mais intuitivo e mais comum na experiência de seus entrevistados (Kamei, 2010). Em consonância com a ideia original do autor e para evitar problemas de tradução, decidimos por manter o termo flow neste trabalho.
Para que o fenômeno do flow ocorra, é necessário que três condições básicas sejam atendidas: metas claras, feedback imediato e equilíbrio entre desafios e habilidades. As metas claras exigem que o indivíduo tenha um conhecimento completo não apenas do objetivo final, mas também da sequência de tarefas necessárias para alcançá-lo. O feedback imediato implica que o indivíduo receba informações constantes sobre seu desempenho, permitindo-lhe perceber como suas ações o aproximam da meta final, o que pode proporcionar mais satisfação durante o processo do que ao alcançar a meta em si. Por fim, os desafios enfrentados devem estar no limiar das capacidades do indivíduo, de forma a evitar a ansiedade, se os desafios forem maiores do que suas habilidades, e o tédio, caso suas habilidades superem os desafios (Kamei, 2010).
Quando as condições iniciais são atendidas, a experiência de flow apresenta características que a diferenciam de outros estados. Csikszentmihalyi (1999) identificou seis características fundamentais do estado de flow, que correspondem aos sentimentos experienciados, simultaneamente ou não, pelo indivíduo durante o fenômeno: 1) Sensação de Controle: O indivíduo sente que pode exercer controle sobre a situação, mesmo que não tenha controle absoluto, especialmente quando há um equilíbrio entre desafios e habilidades; 2) Concentração profunda: O estado de flow exige um nível elevado de habilidades, necessitando de uma concentração intensa para evitar distrações e focar na tarefa; 3) Fusão entre ação e consciência: As ações se tornam automáticas, sem a necessidade de reflexão consciente; 4) Distorção da experiência temporal: A percepção do tempo é alterada, podendo parecer que o tempo acelera, desacelera ou até mesmo para; 5) Perda da autoconsciência reflexiva e transcendência das fronteiras do self: O indivíduo perde temporariamente a consciência de sua individualidade, enquanto se torna mais consciente de seu corpo e ações, resultando na suspensão das identidades sociais; 6) Experiência autotélica: A atividade torna-se um fim em si mesma, proporcionando uma satisfação tão intensa que o indivíduo busca repetir a experiência frequentemente, sem necessidade de recompensas extrínsecas.
Csikszentmihalyi (1992) argumenta que, conforme uma pessoa vivencia o estado de flow, o seu self se desenvolve, aumentando sua capacidade de enfrentar adversidades. Quando um indivíduo encara os desafios da vida com envolvimento e entusiasmo proporcionados pelo flow, ele gradualmente desenvolve uma personalidade autotélica. Indivíduos com essa personalidade possuem uma energia psíquica inesgotável, tornando-se mais criativos, interativos com a família e o meio social, atentos ao que ocorre ao seu redor e desfrutando mais intensamente da vida. Além disso, essas pessoas experimentam o flow com maior frequência e facilidade, o que contribui para uma maior satisfação e bem-estar subjetivo. Elas também tendem a ser mais autônomas e independentes, sendo menos influenciadas por recompensas externas (Csikszentmihalyi, 1999). A capacidade de experimentar estados de flow em diversos contextos é conhecida na literatura científica como “flow-disposicional”, diferenciando-se do “flow-estado” (Moutinho et al., 2019).
A Dispositional Flow Scale (DFS-2) foi desenvolvida para avalição do flow-disposicional (Jackson et al., 2010), e foi traduzida e validada para diversos idiomas, incluindo o português brasileiro (DFS-BR). Esse instrumento apresentou evidências de validade com base na estrutura interna para a avaliação de nove dimensões do flow: Equilíbrio Desafio-Habilidade (EDH), Experiência Autotélica (EA), Transformação do Sentido de Tempo (TST), Suspensão da Autoconsciência Reflexiva (SAR), Sensação de Controle (SC), Concentração na Tarefa (CT), Feedback Imediato (FI), Metas Claras (MC) e Fusão de Ação-Consciência (FAC) (Bittencourt et al., 2021). Estudos de validade baseados nas relações com variáveis externas demonstraram correlações positivas e significativas de flow com satisfação com a vida e afetos positivos, e correlações negativas e significativas de flow com afetos negativos e estresse (Correia et al., 2020).
Assim, é plausível supor que a experiência emocional seja um aspecto comum entre a IE e o flow refletindo-se em suas diversas facetas. A percepção e a regulação de emoções, habilidades da IE representadas no ICE-R, parecem importantes para o estabelecimento de um equilíbrio adequado entre desafio e habilidade, permitindo uma avaliação realista das próprias competências e a dosagem dos desafios enfrentados. Essas habilidades ajudam a manter uma atitude positiva e motivada, mesmo diante de dificuldades, facilitando o alcance da experiência autotélica do flow. Além disso, a regulação emocional é essencial para a sensação de controle e a concentração na tarefa, duas características centrais do flow. O feedback imediato também pode ser aprimorado pela habilidade de perceber emoções, captando as informações emocionais que o corpo fornece durante a realização de uma atividade. Esses exemplos ilustram a plausibilidade das conexões entre IE e flow, uma relação já identificada em estudos anteriores.
Valiente et al. (2017), por exemplo, realizaram um estudo transversal com participantes equatorianos, para verificar a relação entre a IE (medida pelo Mayer-Salovey-Caruso Emotional Intelligence Test - MSCEIT) de um grupo de 47 líderes e o nível de flow (medido pelo Work Related Flow Inventory) de sua equipe de 141 subordinados. Por meio de um teste, eles constataram o efeito da inteligência emocional dos líderes na absorção do flow dos funcionários, uma vez que os funcionários de líderes com alta IE atingiram pontuações mais elevadas em absorção do flow. Isso os levou a recomendar que se leve em conta a inteligência emocional dos líderes para analisar o bem-estar dos funcionários.
Por sua vez, Xie et al. (2021) realizaram uma pesquisa transversal, envolvendo 166 trabalhadores chineses distribuídos em 42 equipes de trabalho, em que aqueles identificados com alto nível de IE (medida pela Wong and Law’s Emotional Intelligence Scale) tenderam a se expressar com mais frequência e de forma mais construtiva nas equipes e, por conseguinte, experenciaram mais o flow (medida por uma escala de autorrelato de 9 itens). Em contrapartida, aqueles que não costumavam se expressar em equipe dificilmente alcançaram o estado de flow. Embora tenham considerado se tratar de um fenômeno complexo que envolve ativamente a gestão individual de emoções num contexto interativo de equipe, os referidos autores concluíram que há uma relação direta e positiva entre flow e IE, da mesma forma que há um comprometimento no desempenho em situações de conflito quando as emoções são mal administradas.
Millán de Lange et al. (2014) realizaram um estudo com 199 docentes universitários venezuelanos sobre a influência da inteligência emocional (medida pela Trait Meta-Mood Scale 24) e da disposição ao flow (medido pela Escala de Disposición a Fluir en el Trabajo - EDFT-3) sobre o trabalho docente, enquanto fatores de proteção pessoal frente às diferentes fontes de estresse laboral e como promotores do bem-estar psicológico. Seus resultados indicaram que tanto a IE quanto o flow possuem um efeito protetivo sobre algumas fontes de estresse laboral e são promotores do bem-estar psicológico.
Embora essas pesquisas tenham sido realizadas utilizando instrumentos distintos para avaliar tanto o flow quanto a inteligência emocional, e com participantes de diferentes países e culturas (equatorianos, chineses e venezuelanos, respectivamente), elas convergem na conclusão de que existe uma relação positiva entre IE e flow. No entanto, essas pesquisas não detalham se as relações ocorrem entre todas as facetas desses construtos ou apenas entre algumas específicas, nem identificam quais seriam essas facetas. Assim, considerando os indicadores empíricos, a lacuna existente na literatura científica sobre as relações detalhadas entre esses construtos, e o fato de ambos se correlacionarem com características positivas de adaptação, este estudo propõe investigar as relações entre a autopercepção da inteligência emocional e o flow-disposicional.
Método
Participantes
O estudo contou com 208 participantes, com idades entre 21 e 72 anos (M=42,6 e DP=11,8). Predominaram pessoas do sexo feminino (60,6%), solteiros (44,71%), brancos (50%) e negros (44,7%), com escolaridade em nível de pós-graduação (56,25%) e oriundos do estado de Pernambuco (77,4%).
Instrumentos
Para a coleta de dados foram empregados um Questionário Sociodemográfico, o Inventário de Competências Emocionais Revisado (ICE-R) para mensuração inteligência emocional percebida e a versão traduzida e validada para o contexto brasileiro da Long Dispositional Flow Scale - General (DFS-BR) para mensuração do flow-disposicional. Os instrumentos foram apresentados em formato de formulário eletrônico e disponibilizados pela plataforma Google Forms.
O ICE-R (Bueno et al., 2021) é um instrumento de autorrelato composto por 34 itens, destinado a avaliar a autopercepção das habilidades relacionadas à inteligência emocional. Esses itens são distribuídos em cinco fatores: 1) Percepção de Emoções, que se refere à habilidade de identificar emoções em si mesmo, nos outros, em objetos ou no ambiente (por exemplo, “Eu noto rapidamente quando um sentimento está aumentando de intensidade perigosamente”); 2) Expressividade Emocional, a capacidade de expressar emoções (por exemplo, “Eu consigo expressar facilmente o que estou sentindo”); 3) Regulação de Emoções em Outras Pessoas, que envolve a habilidade de compreender, controlar e/ou aliviar adequadamente as reações emocionais dos outros, visando promover o crescimento pessoal (por exemplo, “Eu consigo ajudar outras pessoas a se sentirem melhor”); 4) Regulação de Emoções de Baixa Potência em Si Mesmo, que se refere ao controle da tendência de afastamento frente a emoções como tristeza, medo e nojo (por exemplo, “Eu consigo me livrar da tristeza com facilidade”); e 5) Regulação de Emoções de Alta Potência em Si Mesmo, que abrange o controle de emoções que motivam comportamentos impulsivos, como raiva e euforia (por exemplo, “Eu consigo controlar minha irritação”). O instrumento apresentou bons indicadores de validade com base na estrutura interna, relação com variáveis externas (como qualidade de vida), e índices de consistência interna (alfa de Cronbach e ômega de McDonald) superiores a 0,70 (Bueno et al., 2021). As pontuações foram calculadas pela média dos pontos atribuídos aos itens de cada fator.
A Long Dispositional Flow Scale (DFS-2) - General é uma escala americana desenvolvida por Jackson et al. (2010) e posteriormente traduzida e validada para o contexto brasileiro, resultando na versão DFS-BR (Bittencourt et al., 2021). A escala é composta por 36 itens, com quatro itens para cada uma das nove dimensões do flow: Equilíbrio Desafio-Habilidade (EDH), que ocorre quando os desafios estão no limiar da capacidade de controle do indivíduo (por exemplo, “Sinto-me desafiado, mas acredito que minhas habilidades irão me permitir enfrentar o desafio”); Experiência Autotélica (EA), em que a atividade se torna recompensadora em si mesma (por exemplo, “A experiência é extremamente recompensadora”); Transformação do Sentido de Tempo (TST), caracterizada pela percepção distorcida do tempo (por exemplo, “A forma como o tempo passa parece ser diferente da normal”); Suspensão da Autoconsciência Reflexiva (SAR), que envolve a suspensão das preocupações com as avaliações dos outros (por exemplo, “Não estou preocupado em como os outros podem me avaliar”); Sensação de Controle (SC), em que o indivíduo sente-se capaz de controlar as ações, mesmo sem controle total (por exemplo, “Sinto-me em total controle das minhas ações”); Concentração na Tarefa (CT), que requer um alto nível de concentração devido aos desafios elevados (por exemplo, “Tenho total concentração”); Feedback Imediato (FI), onde o indivíduo está ciente de seu progresso em relação aos objetivos (por exemplo, “Estou ciente do quão bem estou fazendo”); Metas Claras (MC), que envolve um entendimento claro do passo-a-passo até o alcance do objetivo final (por exemplo, “Meus objetivos estão claramente definidos”); e Fusão de Ação-Consciência (FAC), em que as ações fluem de forma espontânea e natural (por exemplo, “Realizo a atividade automaticamente sem pensar muito”) (Bittencourt et al., 2021). Os escores para cada fator foram calculados pela média dos pontos atribuídos aos itens correspondentes.
Procedimentos
Esta pesquisa foi submetida e aprovada por um Comitê de Ética em Pesquisa com Seres Humanos, em conformidade com a resolução 510/2016 do Conselho Nacional de Saúde. Após a aprovação do projeto pelo Comitê de Ética, a coleta de dados ocorreu entre julho e setembro de 2022. Os dados foram coletados por meio de um formulário eletrônico disponibilizado no Google Forms, que estava dividido em duas partes: 1) Termo de Consentimento Livre e Esclarecido (TCLE), e 2) os instrumentos de pesquisa, acessível apenas após a aceitação dos termos do TCLE. Os dados coletados foram automaticamente armazenados em uma planilha eletrônica e posteriormente baixados para análise.
Análise dos Dados
Os dados foram analisados com auxílio dos pacotes psych (Revelle, 2023) e qgraph (Epskamp et al., 2012) do R (R Core Team, 2023), e da interface RStudio (Posit Team, 2023). Foram realizadas análises de estatística descritiva, coeficientes alfa de Cronbach e ômega de McDonald, coeficientes de correlação de Pearson, análise fatorial exploratória e análise de redes, cujos detalhes são descritos a seguir.
Preliminarmente ao estudo das relações entre as variáveis, foi realizada uma análise dos índices de consistência interna de ambos os instrumentos empregados no estudo. Foram calculados os coeficientes Alfa de Cronbach e Ômega de McDonald, bem como as estatísticas descritivas de todos os fatores. Valores de consistência interna superiores a 0,70 foram considerados aceitáveis (McNeish, 2018).
Em seguida, foram calculados os coeficientes de correlação de Pearson entre as medidas de flow e IE percebida. A magnitude foi considerada baixa para correlações de 0,10 a 0,29, média para correlações de 0,30 a 0,49 e alta para correlações superiores a 0,50 (Pallant, 2020). Adotou-se o valor crítico de p < 0,05 para os testes de hipótese.
Em seguida, foi realizada uma análise fatorial exploratória de segunda ordem, aplicada sobre os fatores primários de ambos os instrumentos. Para verificar as condições de realização da análise, foi utilizado o índice de Kaiser-Meyer-Olkin (KMO), com valores superiores a 0,90 sendo considerados ótimos; acima de 0,80, meritórios; superiores a 0,70, medianos; acima de 0,60, modestos; superiores a 0,50, mínimos; e abaixo disso, inaceitáveis. O número de fatores a serem retidos foi estabelecido com base em três critérios: 1) a regra de Kaiser-Guttman, que retém fatores com eigenvalues superiores a 1; 2) a inspeção do gráfico de sedimentação, em que são retidos os fatores correspondentes aos pontos localizados acima do ponto de inflexão da curva; e 3) a análise paralela, que retém os fatores, cujos eigenvalues verdadeiros são superiores aos obtidos com dados aleatórios. Os fatores foram extraídos pelo método da máxima verossimilhança, com rotação promax, considerando-se apenas as cargas fatoriais superiores a 0,3 (Damásio, 2012).
Por fim, foi realizada uma análise de redes, elaborada a partir do estimador EBICglasso, que permite uma visualização gráfica da dinâmica das correlações parciais entre as diversas variáveis de cada construto. As variáveis são representadas por pontos e a força das correlações entre elas é representada pela espessura e intensidade da cor das arestas (ligações entre as variáveis).
Resultados
Os resultados são apresentados em dois blocos: 1) as estatísticas descritivas e índices de precisão dos instrumentos e 2) as análises de correlação, análise fatorial e análise de redes. Na Tabela 1 são apresentadas as estatísticas descritivas e índices de fidedignidade de ambos os instrumentos.
Em termos de variabilidade, nota-se que todos os fatores, de ambos os instrumentos, apresentaram médias acima do ponto central da escala Likert (de 1 a 5), mas ainda permitindo captar diferenças individuais de pelo menos 1 desvio padrão ao redor de suas médias. Em relação à assimetria e curtose, a maioria das variáveis, de ambos os fatores, encontra-se dentro do intervalo de -1 a 1, considerado bom por Maroco (2003), algumas estão entre -2 e 2, consideradas aceitáveis por Hair et al. (2010), e apenas uma variável apresenta ambas as medidas fora desses intervalos (experiência autotélica). Assim, como a maioria das medidas pode ser considerada normal, optou-se pelo prosseguimento das análises com estatísticas paramétricas. Por fim, os coeficientes alfa de Cronbach e ômega de McDonald, também de ambos os fatores, foram sempre superiores a 0,8, considerados adequados (McNeish, 2018).
Esses resultados mostram que há variabilidade suficiente para captar diferenças individuais entre os participantes em todos os fatores e que essas diferenças estão predominantemente livres de erros de medida. Assim, prosseguiu-se para a investigação dos coeficientes de correlação de Pearson entre os fatores de ambas as escalas, cujos resultados são apresentados na Tabela 2. Observa-se que houve um padrão de correlações positivas, significativas e predominantemente moderadas entre os fatores de autopercepção de IE e de flow. Os fatores de flow que apresentaram correlações mais baixas com os de autopercepção de IE foram Transformação do Sentido de Tempo (TST) e Suspensão da Autoconsciência Reflexiva (SAR). O fator Fusão de Ação-Consciência (FAC) apresentou correlações no limiar de baixa para moderada (ao redor de 0.30). Por sua vez, os fatores de flow que apresentaram correlações mais altas com autopercepção de IE foram Sensação de Controle (SC) e Metas Claras (MC) (acima de 0,50), principalmente com o fator Regulação de Emoções de Baixa Potência (REBP). Considerando-se a abundância e a magnitude das correlações significativas entre os fatores dos dois construtos, optou-se pela realização de uma análise fatorial para checar a estrutura interna dos fatores primários de flow e IE. O primeiro passo dessa análise foi verificar as condições para a realização de uma análise fatorial. Constatou-se um índice de KMO igual a 0,89, que pode ser considerado meritório (Damásio, 2012). Em seguida, verificou-se o número de fatores a serem retidos, empregando-se o critério de Kaiser-Guttman, a inspeção do gráfico de sedimentação (scree-plot) (Figura 1) e a análise paralela (Tabela 3).
O critério de Kaiser-Guttman e o gráfico de sedimentação indicaram a retenção de apenas um fator. A Tabela 3 mostra os resultados da análise paralela.
Os dados da análise paralela, sugerem a retenção de três fatores com eigenvalues reais superiores aos obtidos com dados aleatórios. Como os critérios de Kaiser-Guttman e o gráfico de sedimentação (scree-plot) indicaram um fator e a análise paralela indicou três fatores, optou-se pela extração de soluções com 1 e 3 fatores, cujas cargas fatoriais são apresentadas na Tabela 4.
Na solução unifatorial, todos os fatores primários apresentam cargas superiores a 0,3 no fator de segunda ordem. No entanto, observou-se que alguns fatores primários de flow apresentaram cargas iguais ou superiores a 0,69 (EDH, EA, SC, CT, FI e MC), enquanto outros apresentaram cargas inferiores a 0,50 (TST, SAR e FAC). Já os fatores primários de autopercepção da IE variaram de 0,44 (EXPR) a 0,69 (REBP).
As diferenças de magnitude das cargas fatoriais da solução unifatorial, de fato, se transformaram em fatores na solução com três fatores de segunda ordem, em que os fatores primários da autopercepção da IE (ICER) ficam isolados no segundo fator (REOU, REBP, EXPR, PERC e REAP), enquanto os fatores primários da escala de flow se subdividiram nos fatores FDS1 (EDH, EA, SC, CT, FI e MC) e FDS2 (TST, SAR e FAC). Adicionalmente, observou-se coeficientes de correlação de Pearson de 0,59 entre FDS1 e ICER, de 0,30 entre FDS2 e ICER e de 0,51 entre FDS1 e FDS2.
Com o objetivo de compreender as relações dinâmicas entre esses fatores, empregou-se uma análise de redes, elaborada a partir do estimador EBICglasso, que facilita a visualização das relações mais importantes entre as variáveis. A rede de relações é apresentada na Figura 2.
Análise de redes
Regulação de Emoções em Outras Pessoas (REOU), Regulação de Emoções de Baixa Potência (REBP), Expressividade Emocional (EXPR), Percepção de Emoções (PERC) e Regulação de Emoções de Alta Potência (REAP). Os fatores da DFS-2 são: Equilíbrio Desafio-Habilidade (EDH), Experiência Autotélica (EA), Transformação do Sentido de Tempo (TST), Suspensão da Autoconsciência Reflexiva (SAR), Sensação de Controle (SC), Concentração na Tarefa (CT), Feedback Imediato (FI), Metas Claras (MC) e Fusão de Ação-Consciência (FAC).
O grafo apresentado na Figura 2 é composto por nodos e arestas. Os nodos representam as variáveis e foram coloridos de forma a representar os fatores do ICE-R, (azul) e os dois fatores do flow observados na análise fatorial (DFS1 em rosa e DFS2 em verde). As arestas são as retas que ligam os nodos e representam a correlação entre eles, com a espessura e intensidade da cor variando proporcionalmente à magnitude das correlações encontradas. Assim, a análise de redes revela que os conjuntos de variáveis do flow e IE percebida são independentes entre si, já que formam agrupamentos claramente distintos. No entanto, esses agrupamentos se conectam por meio das relações do fator de Regulação de Emoções de Baixa Potência da IE percebida com Equilíbrio entre Desafios e Habilidades e Sensação de Controle do flow.
Discussão
O objetivo deste estudo foi investigar as relações entre a inteligência emocional percebida e o flow-disposicional, utilizando o Inventário de Competências Emocionais Revisado (ICE-R) e a Long Dispositional Flow Scale (DFS-2), que foram aplicadas em uma amostra de 208 participantes. Foram empregadas análises estatísticas como correlações de Pearson, análise fatorial exploratória e análise de redes, buscando compreender a convergência e as distinções entre esses construtos.
As análises correlacionais revelaram um padrão de correlações positivas e estatisticamente significativas entre os fatores de IE percebida e os de flow-disposicional, com predomínio de correlações moderadas a altas. Esse padrão sugere uma convergência entre as medidas, indicando que a autopercepção das competências emocionais está associada a experiências de flow. No entanto, as menores correlações, algumas não significativas, ocorreram entre os fatores de TST e SAR do flow com todos os fatores de IE percebida, sugerindo uma distinção em como esses aspectos específicos de flow se relacionam com a IE percebida.
A análise fatorial exploratória foi utilizada para refinar a compreensão das relações entre as variáveis, resultando em duas possíveis estruturas fatoriais: uma unifatorial, sugerindo convergência entre as medidas, e outra com três fatores, na qual os fatores primários de flow se subdividiram em dois fatores de segunda ordem (FDS1 e FDS2), enquanto os de IE percebida se agrupam em um fator separado (ICER). Especificamente, os fatores de FDS1 (EDH, EA, SC, CT, FI, MC) mostram correlação significativa com ICER (r = 0,59), enquanto FDS2 (TST, SAR, FAC) apresenta menor correlação (r = 0,30) com ICER.
Os fatores primários que compuseram FDS1 do flow-disposicional (EDH, EA, SC, CT, FI, MC) compartilham aspectos mais objetivos de controle e engajamento proativo na tarefa, como equilíbrio entre desafios e habilidades e clareza de metas. Já os fatores primários que compuseram o FDS2 (TST, SAR, FAC) estão associados a experiências mais subjetivas, como distorção do tempo e diminuição da autoconsciência reflexiva. Essa distinção sugere que a inteligência emocional percebida (ICER) se correlaciona mais com os elementos de controle e engajamento (FDS1) e menos com os aspectos introspectivos e perceptuais do flow (FDS2).
Assim, a solução unifatorial pode estar incluindo fatores correlacionados, mas não necessariamente convergentes, já que TST, SAR e FAC apresentaram cargas fatoriais mais baixas nessa solução. Portanto, tende-se a confiar mais na solução com três fatores, que distingue de forma mais clara as diferentes dimensões do flow e suas relações com a IE percebida.
Finalmente, a análise de redes, empregando o método EBICglasso, depurou as relações entre as variáveis, eliminando as covariâncias entre os fatores primários, revelando que as conexões diretas ocorrem entre a Regulação de Emoções de Baixa Potência (REBP) do ICE-R e os fatores Equilíbrio entre Desafio e Habilidade e Sensação de Controle do flow. A REBP envolve a capacidade de regular emoções como tristeza e medo, que podem facilitar um estado de controle e equilíbrio necessário para a experiência do flow. Esse resultado sugere uma ligação específica entre a regulação de emoções de baixa potência e a experiência de flow.
A relação direta entre a Regulação de Emoções de Baixa Potência em si mesmo (REBP) e os fatores de Equilíbrio Desafio-Habilidade (EDH) e Sensação de Controle (SC) pode ser explicada pela forma como a regulação emocional influencia a percepção e a resposta aos desafios. A REBP envolve a capacidade de gerenciar emoções negativas, como tristeza, medo e nojo, que podem levar à tendência de fuga ou distanciamento de situações desafiadoras (Bueno et al., 2021). Quando um indivíduo é capaz de regular essas emoções de maneira eficaz, ele pode enfrentar os desafios com mais confiança, mantendo-se engajado e focado, o que é essencial para alcançar o estado de EDH. Em outras palavras, a habilidade de controlar emoções de baixa potência reduz a probabilidade de que essas emoções interfiram na avaliação dos desafios e na capacidade de lidar com eles, permitindo ao indivíduo manter uma percepção equilibrada de suas habilidades em relação aos desafios.
Além disso, a REBP contribui diretamente para a SC, que é a percepção de que se tem o controle sobre as ações e resultados, mesmo em situações desafiadoras (Bittencourt et al., 2021). Quando uma pessoa é capaz de regular emoções como medo e tristeza, aumentam as chances de que ela se sinta mais no controle de suas respostas emocionais e comportamentais, fortalecendo a sensação de estar no comando das situações, especialmente quando os desafios estão no limiar de suas habilidades. Assim, a capacidade de regular emoções de baixa potência pode ajudar o indivíduo a abordar os desafios de maneira mais calma e focada, reforçando a sensação de controle e, consequentemente, promovendo uma experiência de flow mais intensa e sustentada. Dessa forma, a REBP não apenas estaria facilitando a manutenção de um equilíbrio entre desafios e habilidades, mas também fortalecendo a confiança do indivíduo em sua capacidade de gerenciar situações complexas e contribuindo para uma experiência geral de flow.
Esses achados são consistentes com estudos anteriores, como os de Valiente et al. (2017), Xie et al. (2021) e Millán de Lange et al. (2014), que também identificaram uma relação positiva entre IE, avaliada por instrumentos diferentes, e flow, sugerindo que a IE pode facilitar o estado de flow em contextos variados, como o trabalho e a educação. No entanto, nossos resultados indicam que, embora haja uma convergência significativa entre a autopercepção da IE e flow-disposicional, essa convergência é ocorre apenas comparte dos fatores de flow, mantendo certa independência dos demais fatores.
Estes resultados especificam de que forma a autopercepção da IE e o flow-disposicional se relacionam. No entanto, devem ser interpretados com cautela, pois os conceitos de IE e flow são relativamente novos na Psicologia e foram avaliados através dos instrumentos específicos empregados neste estudo, que foram aplicados em uma amostra proveniente predominantemente do nordeste brasileiro. Estudos futuros devem considerar outros instrumentos desses construtos, incluindo medidas de IE por desempenho, e amostras mais diversificadas para fortalecer a validade das conclusões. Se confirmados, esses resultados têm implicações práticas para a Psicologia, especialmente na implementação de programas de treinamento que visem melhorar a IE para promover estados de flow em ambientes educacionais e profissionais, potencializando o bem-estar e o desempenho individual.
Referências
-
Bittencourt, I. I., Freires, L., Lu, Y., Challco, G. C., Fernandes, S., Coelho, J., Costa, J., Pian, Y., Marinho, A., & Isotani, S. (2021). Validation and psychometric properties of the Brazilian-Portuguese dispositional flow scale 2 (DFS-BR). PLOS ONE, 16(7), e0253044. https://doi.org/10.1371/journal.pone.0253044
» https://doi.org/10.1371/journal.pone.0253044 -
Bueno, J. M. H., Correia, F. M. D. L., & Peixoto, E. M. (2021). Psychometric Properties of the Emotional Competence Inventory-Short Revised Version (ECI-R). Psico-USF, 26(3), 519-532. https://doi.org/10.1590/1413-82712021260310
» https://doi.org/10.1590/1413-82712021260310 -
Correia, S. A. de S. C., Mendonça Filho, E. J. de, Tischer, M. I., Oliveira, C. M. D., & Giacomoni, C. H. (2020). Long Dispositional Flow Scale (DFS-2) General: Adaptation to and Validation for Brazilian Portuguese. Trends in Psychology, 28(3), 419-436. https://doi.org/10.1007/s43076-020-00028-0
» https://doi.org/10.1007/s43076-020-00028-0 - Csikszentmihalyi, M. (1992). A Psicologia Da Felicidade. Editora Saraiva.
- Csikszentmihalyi, M. (1999). A Descoberta Do Fluxo: A Psicologia Do Envolvimento. Rocco.
- Damásio, B. F. (2012). Uso da análise fatorial exploratória em psicologia. Avaliação psicológica, 11(2).
-
Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). qgraph: Network Visualizations of Relationships in Psychometric Data. Journal of Statistical Software, 48(4). https://doi.org/10.18637/jss.v048.i04
» https://doi.org/10.18637/jss.v048.i04 - Jackson, S. A., Eklund, R., & Martin, A. (2010). The flow scales manual. Mind Garden, Inc.
-
Kamei, H. H. (2010). Flow: O que é isso? Um estudo psicológico sobre experiências ótimas de fluxo na consciência, sob a perspectiva da Psicologia Positiva. [Dissertação de Mestrado, Universidade de São Paulo]. https://teses.usp.br/teses/disponiveis/47/47134/tde-21102010-124017/publico/kamei2_me.pdf
» https://teses.usp.br/teses/disponiveis/47/47134/tde-21102010-124017/publico/kamei2_me.pdf -
Mayer, J. D., Caruso, D. R., & Salovey, P. (2016). The Ability Model of Emotional Intelligence: Principles and Updates. Emotion Review, 8(4), 290-300. https://doi.org/10.1177/1754073916639667
» https://doi.org/10.1177/1754073916639667 -
McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412-433. https://doi.org/10.1037/met0000144
» https://doi.org/10.1037/met0000144 -
Millán De Lange, A. C., García-Álvarez, D. D. J., & D’Aubeterre López, M. E. (2014). Efecto de la Inteligencia Emocional y Flujo en el Trabajo Sobre Estresores y Bienestar Psicológico: Análisis de Ruta en Docentes. Revista Colombiana de Psicología, 23(1), 207-228. https://doi.org/10.15446/rcp.v23n1.37676
» https://doi.org/10.15446/rcp.v23n1.37676 -
Moutinho, H., Monteiro, A., Costa, A., & Faria, L. (2019). Papel da Inteligência Emocional, Felicidade e Flow no Desempenho Académico e Bem-Estar Subjetivo em Contexto Universitário. Revista Iberoamericana de Diagnóstico y Evaluación - e Avaliação Psicológica, 52(3). https://doi.org/10.21865/RIDEP52.3.08
» https://doi.org/10.21865/RIDEP52.3.08 -
Pallant, J. (2020). SPSS Survival Manual: A Step by Step Guide to Data Analysis Using IBM SPSS (7o ed). Routledge. https://doi.org/10.4324/9781003117452
» https://doi.org/10.4324/9781003117452 -
Posit Team. (2023). RStudio: Integrated Development Environment for R. Posit Software [PBC]. http://www.posit.co/
» http://www.posit.co/ -
R Core Team. (2023). R: A language and environment for statistical computing. R foundation for statistical computing [Software]. https://www.r-project.org/
» https://www.r-project.org/ -
Revelle, W. (2023). Psych: Procedures for psychological, psychometric and personality research. (Northwestern University, Evanston, Illinois). https://cran.r-project.org/package=psych
» https://cran.r-project.org/package=psych -
Seligman, M. E. P., & Csikszentmihalyi, M. (2000). Positive psychology: An introduction. American Psychologist, 55(1), 5-14. https://doi.org/10.1037/0003-066X.55.1.5
» https://doi.org/10.1037/0003-066X.55.1.5 -
Valiente, J. A. C., Perea, M. V., & Gallego, E. C. (2017). Relación entre la Inteligencia Emocional del líder y el Flow de sus seguidores. Revista Interamericana de Psicología Ocupacional, 34(2), 84-92. https://doi.org/10.21772/ripo.v34n2a02
» https://doi.org/10.21772/ripo.v34n2a02 -
Xie, L., Chang, C.-N., & Singh, S. (2021). Emotional intelligence, voice and flow: A team-level study of work teams. Team Performance Management: An International Journal, 27(7/8), 524-539. https://doi.org/10.1108/TPM-12-2020-0110
» https://doi.org/10.1108/TPM-12-2020-0110
