Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Análise de dados
Todo trabalho científico deve buscar abordar um tema de relevância científica, acadêmica ou
social e trazer uma nova perspectiva sobre ele, é o que você vai encontrar caso busque artigos no
Google Acadêmico ou no Scielo, por exemplo.
Para que este objetivo seja cumprido, existe uma metodologia que deve ser seguida, pois é
preciso reunir informações e conceitos sobre o tema em questão, buscar por materiais de
referência e também realizar uma análise crítica sobre tudo o que foi encontrado pelo autor do
trabalho.
Por este motivo, é imprescindível que a coleta de dados seja realizada com critério e seriedade,
pois, caso contrário, as conclusões equivocadas podem comprometer todo o trabalho.
Já no caso das pesquisas qualitativas, pode ser feita uma análise de conteúdo que vai servir de
base para uma análise qualitativa das entrevistas, das observações, das questões abertas em
questionários, etc.
Esta análise busca compreender o significado dos dados coletados e também tem o objectivo de
facilitar o entendimento dos conteúdos através de alguma classificação apresentada de forma
sistematizada, que pode ser a divisão em categorias ou pela contagem de palavras e termos
contidos nas respostas.
1.4 Tipos de análises de dados
Esse é o modelo mais conhecido, pois ajuda a prever cenários futuros com base na análise de
padrões da base de dados. Assim, é possível tomar decisões mais precisas.
Os métodos usados pela análise preditiva são dados estatísticos e históricos, além da mineração
de dados e da inteligência artificial.
Assim, ela é indicada para projetar comportamentos futuros do público e do mercado, além de
avaliar flutuações da economia e tendências de consumo.
Verifica-se as consequências das acções tomadas, o que possibilita saber o que deverá ocorrer ao
escolher determinadas atitudes.
Por isso, essa camada é a que possui mais valor, pois precisa do elemento humano para se
concretizar.
Além disso, ela é relevante porque define o caminho a ser tomado para que a acção ocorra
conforme o esperado.
Em outras palavras, uma meta é traçada e, a partir disso, são indicados os caminhos que devem
ser percorridos para alcançá-la.
Por isso, a análise prescritiva é considerada a mais complexa, já que o profissional deve conhecer
técnicas de data science e ser um especialista no negócio e no ecossistema em que se insere.
O objectivo desse modelo é permitir que se compreendam os eventos em tempo real. É muito
utilizado em situações como a análise de crédito.
Nesse caso, o banco avalia as informações do indivíduo e confere o risco envolvido no processo.
Assim, define-se a taxa de juros.
Como a análise descritiva não emite julgamento de valor, ela é indicada para visualizar os dados
e entender o impacto no presente, mas sem fazer relação com o passado ou o futuro.
Quem?
Quando?
Onde?
Como?
Por quê?
O ideal é analisar o impacto e alcance de uma ação tomada. A partir disso, pode-se traçar
estratégias para aprimorar os resultados. Esse é um modelo muito usado em vendas e deve ser
complementado com a análise preditiva para reforçar a projeção dos dados.
Para fazer esses tipos de análises de dados precisamos passar por alguns processos, dentre os
quais:
As análises exploratórias são feitas quando os dados ainda não foram integrados ou podem estar
incompletos. Elas não são completamente automatizadas porque precisam que alguém verifique
pontos fora da curva para que esses dados sejam inseridos em sistemas.
Modelagem de dados
Passando para a modelagem em si são criadas as regras para as análises preditivas, descritivas,
diagnósticas e prescritivas.
Um sumário dos dados, posterior ao tipo de análise realizada, deve ser gerado para orientar as
decisões empresariais. Esse sumário leva em consideração a clareza dos dados utilizados e a
precisão da análise feita.
Todos os tipos de análise de dados têm um papel dentro das organizações. Cada um deles atende
a uma necessidade em particular, orienta os gestores em uma direção e é aplicado a determinado
contexto.
O auxílio de um cientista de dados é fundamental para estabelecer o melhor tipo de análise em
cada caso e a contratação desse profissional é estratégica para que os negócios façam mais com
as informações de que dispõem.
Com o acto de investigar os dados e processos com mente aberta, você pode gerar hipóteses
sobre as causas.
Utilizando, por exemplo, o novo conhecimento encontrado para identificar as causas mais
prováveis para os defeitos.
Genericamente Denscombe (1998) caracteriza este instrumento como um recurso que ajuda o
investigador a analisar o conteúdo de documentos, podendo ser aplicado em qualquer conteúdo
de comunicação, reproduzida através de escrita, som ou imagem.
Actualmente, com a evolução das novas tecnologias, nomeadamente das ferramentas da Web
2.0, as fontes de comunicações são cada vez mais diversas. Blogs (posts e comentários), wikis,
comunidades online e ambientes virtuais 3D, por exemplo, estão cada vez mais a ser alvo de
investigação e, consequentemente, seus conteúdos sujeitos a uma análise (Gray, 2004).
Para realizar uma Análise de Conteúdo o investigador precisa organizar uma amostra
considerável de material. Mas como fazer isto? Fraenkel & Wallen (2008) indicam que é através
do desenvolvimento de um sistema de categorias que o investigador pode usar para posterior
comparação de forma a iluminar o que se está a investigar.
Segundo Berelson (1968), citado por Carmo e Ferreira (1998), a Análise de Conteúdo “permite
fazer uma descrição objectiva, sistemática e quantitativa do conteúdo manifesto das
comunicações, tendo por objectivo a sua interpretação”. Assim, a descrição do conteúdo é
objectiva no sentido do esforço de análise seguir regras e instruções claras que permitem a
reprodução da investigação entre os investigadores, ou seja, torna possível atingir os mesmos
resultados ao trabalhar sobre o mesmo conteúdo. A descrição do conteúdo também é sistemática,
pois o conteúdo é organizado e integrado num sistema de categorização de acordo com os
objectivos da investigação. Finalmente, a descrição é quantitativa, uma vez que nas categorias
criadas geralmente é calculada a frequência dos elementos considerados relevantes para a
investigação.
Bardin (2004) aprofunda os conhecimentos sobre a Análise de Conteúdo e salienta que esta deve
ir além da mera descrição do conteúdo das mensagens, e incluir a inferência de conhecimentos
sobre as condições de produção/recepção do conteúdo com o apoio de indicadores. Assim, o
processo de análise envolve primeiramente um esforço de descrição, onde as características da
comunicação são trabalhadas, seguido por um esforço de inferência, que permite passar da
descrição para a interpretação, ou seja, atribuição de significado a estas características.
Relacionada com a análise quantitativa, a forma directa envolve um procedimento mais simples,
onde se recorre geralmente à comparação de frequências (número de ocorrências) de certos
elementos em análise. A análise indirecta relaciona-se mais com a natureza qualitativa, e
interessa-se sobre uma interpretação sobre o que está por trás da linguagem expressa.
Segundo Fraenkel & Wallen (2008), a Análise de Conteúdo pode ser utilizada, por exemplo, ao
procurar descrever tendências na escolarização; compreender padrões organizacionais (por
exemplo, através da análise de documentos preparados pelos administradores); demonstrar como
diversas escolas enfrentam o mesmo fenómeno, mas de forma diferente; perceber o que os
professores sentem sobre a sua profissão.
2.4 Vantagens
Ajuda a responder perguntas do tipo: o que fazemos com os dados recolhidos pela entrevista? O
que fazer com as notas do diário do investigador? A análise de conteúdo apresenta-se como uma
técnica extremamente útil para analisar os dados de entrevistas e observações. Segundo Fraenkel
& Wallen (2008), a principal vantagem da análise de conteúdo é a inexistência de intromissão.
Como o investigador interage com materiais (documentos, som, imagem), ele(a) pode “observar”
sem ser observado pois não há aqui influência da presença do investigador. A informação que
pode ser difícil, ou mesmo impossível de se obter através de observação, pode ser analisada sem
que o seu autor tenha consciência de que esteja a ser analisado.
Outro aspecto positivo é o de permitir ao investigador não ficar preso ao tempo e ao espaço para
o estudo de eventos presentes. O investigador pode resgatar/remexer registos para obter algum
significado para a vida social de um tempo mais actual.
Os aspectos logísticos são igualmente vantagens desta técnica por ser geralmente simples e
económica. Isto é bem caracterizado ao tratamento de jornais, revistas e livros, por exemplo.
Outra potencialidade é que esta técnica permite a replicação da mesma investigação por outro
investigador, uma vez que os dados estão disponíveis e quase sempre podem ser “retornáveis”.
2.5 Limitações
Instrumentos Relacionados
Diário do Investigador
Entrevista
Questionário
Checklists
Fichas de Leitura
Bibliografia
Denscombe, M. (1998). The Good Research Guide for small-scale social research projects.
Philadelphia: Open University press.
Fraenkel, J.; Wallen, N. (2008). How to Design and Evaluate Research in Education. 7th Ed.
New York: McGraw-Hill International Edition.
Gray, D. (2004). Doing Research in the Real World. London: SAGE Publications.
Pardal, L.; Correia, E. (1995). Métodos e Técnicas de Investigação Social. Porto: Areal Editores.
Wilkinson, D.; Birmingham, P. (2003). Using Research Instruments: A Guide for Researchers.
London: RoutlendgeFalmer.