Estatística na Pesquisa Qualitativa
A pesquisa qualitativa é frequentemente entendida como uma abordagem que se concentra no significado, na experiência, no contexto e nos processos sociais. Por isso, algumas pessoas consideram as estatísticas irrelevantes na pesquisa qualitativa, ou até mesmo contrárias ao espírito qualitativo, que enfatiza a profundidade em detrimento dos números. No entanto, na prática, as estatísticas podem desempenhar um papel crucial na pesquisa qualitativa — não para "transformar" o qualitativo em quantitativo, mas sim para ajudar os pesquisadores a sintetizar dados, esclarecer padrões, fortalecer argumentos e aumentar a transparência da análise.
Este artigo discute como as estatísticas podem ser usadas adequadamente em pesquisas qualitativas, os tipos de estatísticas comumente utilizadas e as limitações e questões éticas de seu uso, a fim de garantir que permaneçam alinhadas aos objetivos da pesquisa qualitativa.
1. Compreender a posição da estatística na pesquisa qualitativa
A pesquisa qualitativa visa obter uma compreensão mais profunda dos fenômenos por meio de dados como entrevistas, observações, documentos, notas de campo ou artefatos culturais. Os dados qualitativos geralmente assumem a forma de narrativas, não de números. No entanto, as estatísticas descritivas podem ser úteis quando os pesquisadores codificam, agrupam temas ou calculam a frequência de ocorrência de categorias.
O uso de estatísticas em pesquisas qualitativas não exige que os pesquisadores testem hipóteses rigorosamente como em pesquisas quantitativas. O foco está em apoiar a interpretação: mostrar tendências, proporções ou variações que emergem dos dados, mantendo citações, contexto e explicações no centro da discussão.
2. Estatística descritiva: a forma mais comum
As estatísticas mais frequentemente presentes na pesquisa qualitativa são as estatísticas descritivas, por exemplo:
– Número de participantes com base em determinadas características (idade, profissão, tempo de serviço).
– Frequência de ocorrência de temas ou códigos na transcrição.
– Percentagem de respondentes que mencionaram um determinado problema.
– Distribuição dos locais de observação ou tipos de documentos analisados.
Um exemplo simples: em um estudo qualitativo sobre experiências de trabalho remoto, um pesquisador pode afirmar que “dos 20 participantes, 14 destacaram a questão dos limites entre o trabalho e a vida pessoal”; em seguida, o pesquisador apresenta citações e interpretações sobre por que essa questão foi predominante e como o contexto diferiu entre os grupos.
As estatísticas descritivas ajudam os leitores a entender o "mapa" dos dados: com que frequência os temas emergem, quais temas são discutidos com mais frequência e se existem diferenças nos padrões entre os participantes.
3. Quantificação de dados qualitativos: quando é útil?
Na análise qualitativa, a quantificação pode ser útil quando:
1. Aumentar a transparência da análise
Os leitores podem constatar que as conclusões não se baseiam apenas em algumas citações isoladas, mas sim em um padrão bastante consistente.
2. Comparar grupos de forma exploratória.
Por exemplo, comparar temas que surgiram em entrevistas entre professores iniciantes e experientes. O objetivo não é a generalização estatística, mas sim gerar perguntas e explicações mais detalhadas.
3. Apoia métodos mistos
Em projetos mistos, os dados qualitativos podem ser processados em categorias que são então analisadas brevemente com números, ou, inversamente, os resultados quantitativos podem ser aprofundados por meio de entrevistas.
No entanto, a quantificação não deve substituir a profundidade. Temas raramente abordados podem ser incrivelmente importantes — por exemplo, experiências de discriminação que apenas algumas pessoas vivenciam, mas que têm um impacto significativo.
4. Técnicas estatísticas que podem ser utilizadas
Embora a pesquisa qualitativa não se concentre em inferência estatística, algumas técnicas simples podem ser usadas com cautela:
– Frequência e percentagem: contabilizar a ocorrência de códigos ou temas.
– Tabulação cruzada simples: por exemplo, o tema “estresse no trabalho” apareceu com mais frequência nos participantes que trabalhavam mais de 10 horas por dia.
– Média ou mediana: para dados demográficos ou características dos participantes que são numéricas, como o tempo de experiência.
– Visualização: gráficos de barras, tabelas de resumo ou mapas temáticos que apresentam um resumo dos padrões.
Se os pesquisadores utilizarem softwares como NVivo, ATLAS.ti, MAXQDA ou mesmo planilhas, os recursos de contagem de frequência de códigos e matriz de comparação de categorias são muito úteis. No entanto, esses números devem ser interpretados como “indicações de padrões nos dados analisados”, e não como evidências estatísticas para a população.
5. Estatísticas e análise de conteúdo
Uma das áreas mais favoráveis à análise estatística dentro das abordagens qualitativas é a análise de conteúdo, particularmente aquela de natureza qualitativo-quantitativa. Os pesquisadores podem codificar documentos (por exemplo, notícias, publicações em redes sociais, políticas institucionais) e, em seguida, contabilizar a frequência de ocorrência de determinadas categorias.
Exemplo: um estudo sobre a cobertura de saúde mental na mídia online. Os pesquisadores podem identificar categorias como "estigma", "apoio profissional", "narrativas de cura" ou "sensacionalismo". Após a codificação, os pesquisadores podem apresentar a proporção de categorias por meio ou período. Posteriormente, ainda é necessário que os pesquisadores realizem uma análise aprofundada da linguagem, do enquadramento e do contexto sociopolítico subjacente.
6. Manutenção da qualidade da pesquisa: confiabilidade e validade da versão qualitativa.
Na pesquisa qualitativa, a qualidade é frequentemente discutida por meio de conceitos como credibilidade, transferibilidade, confiabilidade e confirmabilidade. A estatística pode auxiliar em alguns aspectos, particularmente no processo de codificação:
– Acordo entre codificadores
Se mais de um pesquisador codificar os dados, os índices de concordância (por exemplo, a porcentagem de concordância ou um coeficiente específico) podem indicar consistência. Isso é útil, especialmente em análises de conteúdo ou pesquisas em equipe.
No entanto, os pesquisadores precisam ter cautela: um alto grau de concordância não significa automaticamente uma interpretação “correta”. Indica simplesmente consistência na aplicação das definições do código. Portanto, discussões entre os codificadores, registros de auditoria e reflexividade continuam sendo essenciais.
7. Limitações e riscos do uso de estatísticas
Existem diversos riscos se as estatísticas forem utilizadas sem considerações metodológicas:
1. Reducionismo
Os dados qualitativos são ricos em contexto; focar-se demasiado nos números pode levar à perda de nuances, contradições e dinâmicas.
2. Ilusão de generalização
Uma alta frequência em uma pequena amostra não significa necessariamente que se aplique à população em geral. A pesquisa qualitativa geralmente não é projetada para generalização estatística.
3. Ignorar temas menores, mas significativos
Temas que raramente emergem podem indicar as experiências de grupos vulneráveis, conflitos ocultos ou fenômenos difíceis de desvendar.
4. Interpretação errônea do leitor
Os leitores podem ser tentados a interpretar os números como uma medida de certeza. Portanto, os pesquisadores precisam explicar que os números apenas resumem padrões nos dados que estão sendo analisados.
8. Boa prática: integrando números e narrativa
Para que as estatísticas estejam alinhadas com a pesquisa qualitativa, as seguintes boas práticas podem ser aplicadas:
– Explique a finalidade do uso de números: se para mapeamento de temas, comparação exploratória ou transparência.
– Inclua o processo de codificação: definições de código, exemplos de citações e etapas de análise.
– Use os números proporcionalmente: tabelas concisas são aceitáveis, mas a narrativa interpretativa continua sendo essencial.
– Certifique-se de que o contexto permaneça presente: os números são sempre seguidos por explicações de “porquê” e “como”.
– Inclua citações representativas: não apenas as “interessantes”, mas também aquelas que mostrem padrões e variações.
Conclusão
Na pesquisa qualitativa, as estatísticas não são inimigas, mas sim uma ferramenta de apoio que pode enriquecer a análise quando usada adequadamente. Por meio de estatísticas descritivas, quantificação simples e visualização, os pesquisadores podem sintetizar dados com clareza e aumentar a transparência das descobertas. No entanto, a pesquisa qualitativa permanece fundamentada no significado, no contexto e na interpretação aprofundada. Portanto, os números devem ser tratados como um complemento, ajudando a esclarecer padrões sem diminuir a importância das vozes dos participantes e a complexidade dos fenômenos sociais em estudo.
Usadas com sabedoria, as estatísticas podem servir de ponte: conectando o poder narrativo da pesquisa qualitativa a uma forma mais sistemática, compreensível e transparente de apresentar os resultados.
