Escolar Documentos
Profissional Documentos
Cultura Documentos
inferncia causal
Resumo
O process-tracing um mtodo utilizado para arti- mtodo, de forma introdutria, algumas de suas
cular diferentes fatores causais na anlise de fen- caractersticas, conceitos e procedimentos que pos-
menos sociais complexos e historicamente delimi- sam guiar desenhos de pesquisa, enfatizando seu
tados e pode ser um poderoso aliado do pesquisador potencial em produzir inferncia causal nos estudos
em estudos qualitativos. Ganha especial relevncia em cincias sociais. Eventualmente recorremos a
no panorama inferencial, tanto pela sua forma pecu- analogias para facilitar a assimilao, demonstrar
liar de anlise histrica, quanto pela sua adaptao as ferramentas utilizadas em sua aplicao prtica e
ainda no completamente explorada pela literatura apresentar nossa compreenso sobre seu potencial.
cientfica brasileira. Neste artigo, apresentamos o
Palavras-chave
Process-tracing; inferncia causal; pesquisa qualitativa; teste de hiptese.
abstract
Process tracing is a method used to articulate diffe- present the method, in an introductory way, some
rent causal factors on the analysis of complex and of its features, concepts and procedures that can
historically limited social phenomena and can be guide research designs, emphasizing their poten-
used as a powerful ally of the researcher in qualita- tial to produce causal inference in studies in social
tive studies. It gains special relevance on this infe- sciences. Eventually we resort to analogies to facili-
rential panorama especially for its peculiar histori- tate assimilation, demonstrate the tools used in its
cal analysis and its adaptation not yet fully explored practical application and introduce our understan-
by Brazilian scientific literature. In this article, we ding of its potential.
Keywords
Process-tracing; causal inference; qualitative research; hypotheses testing.
sobre os autores
submetido em
Setembro de 2015.
aprovado em
Novembro de 2015.
1 - Introduo
2 - Process-Tracing: um panorama
1 E no probabilstica, portanto, por no se buscar uma associao regular emprica de padres que ligariam X a Y.
2 Pedersen e Beach (2013:122) chamam a ateno para a distino entre observao e evidncia quando se
trata de CPO: observao dado emprico bruto, que apenas torna-se evidncia, com valor inferencial, aps ser
avaliado conforme seu contedo e sua exatido, e interpretado no contexto. Os autores apontam quatro passos
para se avaliar a qualidade das evidncias: a prpria coleo dos dados ser o bastante; aquilo revelado pelo
contedo dos dados; a confiana na exatido das medidas; a probabilidade da evidncia.
3 Bennett (2010) ainda elenca dois possveis problemas no desenho de process-tracing: o da possibilidade
de regresso infinita, quando o pesquisador pode no estar atento sobre o limite do nvel de detalhe que deve
mergulhar para ligar a causa X e o resultado Y; e dos graus de liberdade, uma vez que a preocupao estatstica
da indeterminao quando o nmero de variveis muito maior que o nmero de casos importada (tambm
em King, Kehoane e Verba 1994: 86). O autor resolve estes dois impasses com uma nica explicao: como nem
todos os dados so criados da mesma maneira, o importante para o process-tracing no a quantidade de
evidncias, mas sua contribuio em adjudicar entre as hipteses alternativas.
4 Pedersen e Beach (2013) consideram que as evidncias relevantes em process-tracing podem ser de quatro
tipos: padro (onde se observa predio de padro estatstico), seqncia (no qual se observa cronologia
temporal e espacial de eventos), trao / vestgio (sua mera existncia indica que o mecanismo existe), prova
(contedo do material emprico).
5 Van Evera (1997 : 65) afirma, inclusive, que as predies trazidas por uma anlise com process-tracing so,
em geral, nicas isto significa dizer que nenhuma outra teoria pode predizer o mesmo parmetro de eventos.
Logo, um process-tracing bem feito e amplo de um nico caso pode prover um forte teste de teoria.
7 Abordagem bayseana decorre das proposies de Thomas Bayes, matemtico ingls do Sculo XVIII, que
deixou importantes contribuies estatstica quanto ao papel das observaes na produo do conhecimento.
Na lgica bayseana, o analista d maior peso evidncia que esperada a priori ser menos provvel baseada
no conhecimento prvio do fenmeno (Pedersen e Beach 2013: 83)
8 O Teorema de Bayes estabelece que nossa crena na validade de uma hiptese, aps a recolha de elementos
de prova (posterior), igual probabilidade de evidncia condicional da hiptese ser verdadeira em relao a
outras hipteses alternativas (verossimilhana), vezes a probabilidade de que uma teoria verdadeira com base
em nosso conhecimento prvio (Pedersen e Beach 2013: 83).
9 importante ressaltar que a anlise bayesiana no consegue abarcar com tanta eficincia a esfera de gerao
de teoria, a qual tambm possvel obter com process-tracing, pois hipteses completamente novas podem
ocorrer ao pesquisador com base em apenas uma nica pea de evidncia, para a qual no existia nenhuma
teoria anterior clara (Benett 2008: 708).
10 Uma condio necessria aquela que tem que estar presente para um resultado ocorrer, ou seja, sem ela
no h o resultado, mas ela no produz tal resultado quando isolada. Uma condio suficiente aquela que,
quando presente, gerar o resultado (Pedersen e Beach 2013; Kay e Baker 2015).
11 Os nomes originais em ingls foram mantidos para facilitar a compreenso atravs do uso de termos precisos,
tal como so expressos na literatura original que os produziu. Traduzi-los poderia acarretar em importantes
falhas interpretativas.
NO SIM
1. Straw-in-the-Wind 3. Smoking-Gun
NO
NO PASSAR: A hiptese no NO PASSAR: A hiptese no
eliminada, mas levemente eliminada, mas enfraquecida de
enfraquecida. alguma forma.
12 Case-oriented researchers seek to identify the causes of particular outcomes in specific cases. They may
find causal patterns that apply broadly, but their primary concern is with causation in the specific cases
under analysis(Mahoney 2008: 413).
14 O mtodo sequenciado de elaborao foi desenvolvido por Mahoney et al. (2009: 128-133) para
operacionalizar a parte de Sequncia que descrevemos brevemente no item 1.1.c.
4 - Consideraes Finais