Capítulo 3 Pensamento metodológico
3.2 Relação Estatística-Metodologia
3.2.1 Qual a relação entre estatística e metodologia da pesquisa?
- .22
Figura 3.1: Mapa mental da relação entre o pensamento estatístico e o pensamento metodológico.
3.3 Pesquisa quantitativa vs. qualitativa
3.3.1 O que diferencia pesquisa qualitativa da quantitativa?
A divisão entre quantitativo e qualitativo é amplamente usada, mas é considerada por muitos autores como superficial ou imprecisa.23
Em geral, associa-se o qualitativo à exploração detalhada de casos e significados, e o quantitativo ao uso de estatística e amostras maiores.23
Tais associações ocultam múltiplas dimensões — por exemplo, análise estatística vs. não estatística e teste de hipóteses vs. indução — que não coincidem perfeitamente.23
3.3.2 Por que essa dicotomia pode ser problemática?
Ao assumir apenas duas categorias, deixamos de lado possibilidades metodológicas úteis, como indução estatística (uso de estatística para construir teorias a partir dos dados) e teste de hipóteses não estatístico (avaliação de hipóteses em estudos de caso ou comparações conceituais).23
A consequência é restringir artificialmente a variedade de métodos possíveis e criar mal-entendidos sobre o que cada termo implica.23
3.3.3 Qual é uma alternativa para pensar o debate?
Usar termos mais específicos como “dados ricos” (rich data), “abordagem estatística”, “ilustração de possibilidades”, “teste de hipóteses”, “seguimento de paradigma”.23
Descrever com clareza como os dados foram coletados, analisados e interpretados, sem recorrer a rótulos amplos que podem confundir ou carregar preconceitos metodológicos.23
3.4 Pesquisa de métodos mistos
3.4.1 O que é pesquisa de métodos mistos?
Método misto é uma metodologia que integra de forma sistemática abordagens quantitativas e qualitativas em um único estudo, com o objetivo de responder a perguntas de pesquisa de maneira mais completa.24
Essa integração não é apenas a justaposição de duas técnicas; trata-se de um processo intencional de “mistura” de dados e interpretações em etapas como coleta, análise e interpretação, criando uma compreensão mais robusta.24
A adoção de métodos mistos não deve decorrer de uma busca por completude ou sofisticação aparente, mas de coerência entre a pergunta de pesquisa, a posição epistemológica do pesquisador e as técnicas empregadas.25
3.4.2 Métodos mistos significam misturar paradigmas epistemológicos?
Não necessariamente. Combinações no nível paradigmático não constituem fusões reais de visões de mundo, pois paradigmas envolvem pressupostos ontológicos e epistemológicos distintos e, muitas vezes, incompatíveis.25
A combinação ocorre concretamente no nível técnico da pesquisa — isto é, na articulação de estratégias de amostragem, coleta e análise de dados — e não como fusão de ontologias ou epistemologias.25
Técnicas não são inerentemente vinculadas a paradigmas específicos; o que varia é a orientação do pesquisador e a forma como essas técnicas são empregadas e interpretadas.25
3.4.3 Quais são as principais dimensões do desenho de métodos mistos?
O desenho de pesquisa em métodos mistos deve considerar dimensões como propósito do estudo, orientação teórica, tempo (simultâneo ou sequencial), pontos de integração entre componentes, complexidade e se o desenho é planejado ou emergente.26
Entre as razões clássicas para combinar métodos estão: triangulação, complementaridade, desenvolvimento (um método orienta o outro), iniciação (explorar contradições) e expansão (ampliar o alcance da pesquisa).26
3.4.4 Quais são os delineamentos centrais em pesquisa de métodos mistos?
Três delineamentos principais são descritos como centrais: convergente, sequencial explanatório e sequencial exploratório.24
Convergente: coleta e análise de dados quantitativos e qualitativos em paralelo, com integração na interpretação.24
Sequencial explanatório: inicia com dados quantitativos, seguidos por qualitativos para explicar ou expandir os achados.24
Sequencial exploratório: inicia com dados qualitativos, seguidos por quantitativos que testam ou generalizam os resultados iniciais.24
Tipologias adicionais incluem delineamentos incorporados (embedded), transformativos (inspirados em perspectivas críticas, feministas ou de justiça social) e multifásicos, que combinam várias fases ao longo do tempo.26
3.5 Pesquisa exploratória vs. confirmatória
3.5.1 O que são pesquisas exploratórias e confirmatórias?
Confirmatória: teste planejado a priori de hipóteses com plano analítico predefinido (variáveis, modelos, critérios de exclusão, correções para múltiplos testes). Favorece controle de erro tipo I e interpretações diretas.27
Exploratória: testes pós-hoc motivados pelos dados, voltados a descoberta de padrões, geração/refinamento de hipóteses e checagens de plausibilidade. Pode revelar relações não antecipadas e orientar estudos futuros.27
3.5.2 Por que a dicotomia é limitada?
Na prática, há um continuum entre exploração e confirmação; muitos estudos combinam elementos de ambos em momentos distintos (p.ex., análises principais confirmatórias + análises de sensibilidade/descoberta).27
Análises exploratórias não são inerentemente inferiores: quando bem justificadas e comparando explicações alternativas, podem aumentar a rigorosidade do teste e produzir inferências informativas.27
A discussão contemporânea sobre a distinção entre estudos confirmatórios e exploratórios também enfatiza a necessidade de justificar o tamanho de efeito mínimo de interesse e aplicar testes severos conforme o arcabouço de falsificacionismo metodológico.28
3.5.3 Quais são as melhores práticas de transparência?
Rotular claramente quais análises são confirmatórias e quais são exploratórias.27
Pré-registrar hipóteses e plano confirmatório; documentar desvios e justificá-los.27
Relatar análises de sensibilidade (modelos alternativos, decisões analíticas razoáveis) para avaliar robustez.27
Disponibilizar dados e código sempre que eticamente possível, distinguindo scripts confirmatórios de scripts exploratórios.27
3.8 Reprodutibilidade e Ciência Aberta
3.8.1 O que é reprodutibilidade?
- Reprodutibilidade é a habilidade de se obter resultados iguais ou similares quando uma análise ou teste estatístico é repetido.29–31
3.8.2 Por que reprodutibilidade é importante?
Analisar a reprodutibilidade pode fornecer evidências a respeito da objetividade e confiabilidade dos achados, em detrimento de terem sido obtidos devido a vieses ou ao acaso.29
A reprodutibilidade não é apenas uma questão metodológica, mas também ética, uma vez que pode envolver mal práticas científicas como fabricação e/ou falsificação de dados.29
Reprodutibilidade pode ser considerada um padrão mínimo em pesquisa científica.30
3.8.3 Como contribuir para a reprodutibilidade?
Disponibilize publicamente os bancos de dados, respeitando as considerações éticas vigentes (ex.: autorização dos participantes e do Comitê de Ética em Pesquisa) e internacionalmente.31
Produza manuscritos reprodutíveis — manuscritos executáveis ou relatórios dinâmicos — que permitem a integração do banco de dados da(s) amostra(s), do(s) script(s) de análise estatística (incluindo comentários para sua interpretação), dos pacotes ou bibliotecas utilizados, das fontes e referências bibliográficas citadas, além dos demais elementos textuais (tabelas, gráficos) - todos gerados dinamicamente.32
Adote delineamentos confirmatórios e justifique previamente hipóteses e tamanhos de efeito.28
Um plano de análise estatística bem definido contribui para a transparência, a reprodutibilidade e a credibilidade da inferência científica, reduzindo a flexibilidade analítica pós-hoc.33,34
3.11 Generalização
3.11.1 O que é generalização?
- Generalização refere-se à extrapolação das conclusões do estudo, observados na amostra, para a população.17
3.11.2 O que é generalização estatística?
É o modelo clássico em que inferências são feitas da amostra para a população-alvo, idealmente por meio de amostragem probabilística e inferência estatística.35
Esse modelo raramente é plenamente atendido na prática, pois a maioria dos estudos utiliza amostras de conveniência e populações acessíveis.35
3.11.3 O que é generalização analítica?
É o processo de extrapolar achados empíricos para conceitos, categorias ou teorias mais amplas, por meio de abstração e interpretação rigorosa.35
Esse modelo é especialmente relevante na pesquisa qualitativa, mas também ocorre em estudos quantitativos orientados por teoria.35
3.11.4 Quais são os mitos mais comuns sobre generalização?
Mito 1: Estudos quantitativos sempre utilizam amostragem aleatória.35
Mito 2: Pesquisa qualitativa não pode gerar generalizações.35
Mito 3: Transferibilidade depende apenas do leitor.35
3.11.5 Generalizações são conclusões definitivas?
Não, toda generalização deve ser entendida como uma “hipótese de trabalho”, sujeita a novas verificações em diferentes contextos.35
A generalização existe em um continuum — a questão não é “se” podemos generalizar, mas “quanto” podemos generalizar.35
Figura 3.2: Representação esquemática da generalização de uma amostra para a população.
3.11.6 Como a replicação contribui para a generalização?
Replicações deliberadas — em diferentes contextos, populações e momentos — fortalecem a robustez das inferências.35
A replicação pode ocorrer tanto na amostragem (variação deliberada de casos) quanto na repetição de estudos independentes.35
3.11.7 Como revisões sistemáticas e meta-análises ampliam a generalização?
A integração de evidências de múltiplos estudos permite examinar padrões consistentes e limites das inferências, fortalecendo conclusões generalizáveis.35
Metassínteses qualitativas podem produzir abstrações conceituais mais robustas do que estudos isolados.35
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,