Escolar Documentos
Profissional Documentos
Cultura Documentos
Ear I
EDITe RA
U ~G
~ brallelres, em par-
IGDiologla e a clincle polltica,
......., .......breda por proble-
......_ obleto de perrnenente
_...,.. e OCNISionels mistiflca~es .
do t8mpo e do Mfo~o dedica-
• -..... • costume ser tornado
da pelavrosu discuuOes de
• cilncla e do confronto des
llilillllll'l_,. correepondentes - enquanto
-
METODOS DE
PESOUISAS
DE SURVEY
Tradu~ao de
Guilherme Cezarino
2" reimpressao
Bela Horizonte
Editora UFMG
2003
Cop)·riglll© 1997 by lntcrn:Jtional Thomson Publishing Inc.
Titulo origin:li: Survey Nesearcb ,\letbods b.:con<.l<:<.lillon)
Copynght© 1999 da tr:tUU\Cto brasil<:tr:t by l'dtlOr:t UFMG
200 I - I' reimprc":1o
2003 - 2' rdmprc"Cto
To<.los u.s direitos rcscrv:tdos
Xenhum:a parte dt:!-ilt! li\-ro podc scr n.:produzida ou trasmitida por qu;llquer forma ou
mdo, cletr6nico ou rnccfmico, induindo fotot·(,pia, imprc.:s:-.f1o ou atr;1v~s de qualqucr
sbtt:ma de arquivo c rccupcra~£10, s<..•m ;lutoriJ_:t~·;-lo t:scrita do Editor.
COD: .~00
CDU: 303.4
ISBN: 85-7041-175-8
4
Aescolho do livro Survey Research /rlelhods, de
fori Bobbie, para publicot6o em lingua
portuguese, deu·se a partir de umo preocupot6o
comportilhodo par alguns colegos soci6logos
que, no condicao de professores, sentiom folio
de um material did6tico mois complete para o
ensino do pesquiso quontilolivo nos ciencios
sociois, em especial o survey. Porlonlo, o livro
vi so olender a umo expeclolivo cloromenle
didalico, lendo sido ovoliodo como um bam
manual de survey, que obordo diversos ospeclos
melodol6gicos do modelo e conlem
exemplificocaes ocomponhodos de boo iluslrocao
(graficos, figures , lobelos). fspero que
lenhomos feilo umo escolho de folo ulil para
umo area de pesquiso de reconhecido volidode e
recorrenle usa nos ciencios sociois.
fslo lraducao que se oferece oo publico de
lingua portuguese e resullodo de um projelo
do Oeportomenlo de Sociologic e Anlropologio
e do Meslrodo em Sociologic, do Universidode
federal de Minos Gerais - UfMG, com
finonciomenlo do CAPfS, olroves do Progromo
PROIN/97, e sob gerenciomenlo finonceiro do
fundocoo de Omnvolvimenlo do Pesquiso ·
fUNOfP. Agrodeco as varies pessoos que
esliverom envolvidos no processo, em
porliculor 6 profo. Solonge de Deus Simoes,
pelos conlolos iniciois e enlendimenlos quonlo
oo direilo de lroducoo.
0 coordenador
---- ~- -
r 0
LISlA DE lABELAS............................................................................................. 17
LISlA DE FIG URAS ............................................................................................. 19
PREFACIO............................................................................................................ 21
PRHACIO A PRIMEIRAEDIC hO........................................................................ 29
CAPilULO1
A L6GICA DA CIENCIA ............ .. .............................. 37
A Perspectiva Tradicional .... ............................. .. ..... 37
A Des mi stifica~ao cia Ciencia .... .................. .. ........... 39
A Ciencia na Pratica .... .... .. ...... ... ...... .. .................. .. .. 4 1
0 que :E Ciencia? ............ .. ................ .. ....................... 43
Resumo ........................................................ .. ..... .. ..... 54
Leitu ras Adiciona is ..... ... ... .... .. .. .. .......... .. ... .... ........... 55
CAPilULO 2
A CIENCTA E AS CIENCIAS SOCIAlS ............. .. ........ 57
A Busca de Regu la ridacles Socia is .......... .. .. .. ........... 58
As Caracte rfsticas das Ciencias Socia is .. .. ...... .. ....... 62
Metoclos de Pesquisas Cientffico-Sociais ................ 67
Resumo ........... ......... .. ...... .......................... ................ 75
Leituras Aclicio na is ... ................................ .. .. .. .. .... .. .. 76
CAPilULO 3
PESQUISA DE SURVEYCOMO METODO DAS
CIENCIAS SOCIAlS ..................................... .. ............ 77
Breve H ist6ria da Pesquisa d e Survey .. .. .. .... .. .. ....... 78
Caracterlsticas Cienrfficas da Pcsquisa de Survey ... 82 Amostragem de Mulheres de Jgrejas
Comparat;;ao do Survey com Outi·os Metodos ......... 86 Episcopais ................................................................ 162
A Pesquisa de Survey E Realmentc Cientrfica? ........ 87 Amostragem de Casas em Oakland ....... ................. 165
Resumo ..................................................................... 176
Leituras Adicionais ................................................... 91
Leituras Adicionais .................................................. 177
CliPilULO 7
D£S£NHO D£ P£SQUISll D£ SURVEY ............................................................. 93 CONCEITUA<::AO E DESENHO DE
INSTRUMENTOS ...................................................... 179
CliPiTULO 4 L6gica cb Conceitua<;:ao ........................ ...... ... .... ..... 179
TIPOS DE DESENHOS DE PESQUISAS ................... 95 Um Quadro de Referencias de
Finalidades cia Pesquisa de Survey ............ ............. 95 Operacionaliza<;:ao ........................... ........................ 182
Unidades de Analise ................................................ 98 Tipos de Dados .. ........... .................. ....... .. ........... .... 185
Desenhos I3asicos de Surveys ................................ 101 Nfveis de Medi<;:ao ............................. ... ................ ... 187
Varia<;:oes dos Desenhos I3asicos ................... ......... 105 Guias para a Elabora<;:ao de Questoes .... .. ............. 189
Escolhendo o Desenho Apropriaclo ...................... . 108 Qualidade clas Medit;;oes ... .... ................... ............... 194
nesumo ..................................................................... 110 Formato Geral dos Questionarios .................. ........ 198
Lcituras Adicionais ......... ...................... ...... ............. 110 Ordenando as Quesroes no Questionario ............. 205
Instru<;:oes ......... .................................. .. ....... .. ........... 206
CliPiTULO 5
Reprodu<;:ao do Qucstionario ................................. 209
A LOGICA DA AMOSTRAGEM DO SURVEY ...... . 113
Resumo ............................. ...... ..... ...... ....................... 210
L6gica da Amostragem de Probabilidade ............... J 18
Leituras Adicionais ................. ................................. 211
Conceitos e Terminologia de Amostragem .... ........ 120
Teoria da Amostragem Probabilfstica e CliPiTULO 8
CONSTRU<::AO DE INDICES E ESCALAS ................ 213
Distribuit;;ao Amostral ................ .............................. 125
Ind ices Versus Escalas ............ ........... ... ...... ...... ....... 214
Popu la<;:oes e Molduras de Amostragem ................ 131
Constru<;:ao de Indices ....................................... ...... 217
Tipos de Desenhos de Amostragem ....................... 134
Constru<;:ao de Escalas ......... .......................... .......... 233
Amostragem e Pondera<;:ao Desproporcionais ....... 148
Tipologias ................................................................ 240
Amostragem Nao-Probabilfsrica .............................. 152
Resun1o ............... ............................ .......................... 243
Usos Nao-Surveydos Mcrodos de Amostragem ..... 156
Leituras Acliciona is ........ .. ... ................... ......... ......... 244
Resumo ..................... ...................... ... ....................... 157
Leituras Adicionais .................................................. 158
COLtTll D£ DilDOS .......................................................................................... 245
CliPiTULO 6
EXEMPLOS DE DESENHOS DE AMOSTRAGEM ....... 159
Amostragem de Estudantes Univcrsirarios ............. J 59
CliPiTULO 9
QUESTIONARJOS AUTO-ADMINISTRADOS .......... 247
Amostragem clos Professores de Escolas
Distribui<;:ao c Retorno de Corresponc.lencia .......... 248
de Medicina ............................................................. 161
Op\oes Posta is e Custos Relatives ....... .................. 249 hNhLISE DA PESQUISA DE SURVEY ............................................................. 323
Monitorando os Rerornos ........................... ........... 250
Correspondencias de Acompanhamento ............... 251 ChPilULO 13
Taxas Aceitaveis de Resposta ................................. 253 L6GICA DA MEDI~AO E DA ASSOCIA~AO .......... 327
Um Caso de Pesquisa .............................................. 254 A Imagem Tradicional ............................................. 327
Resumo ..................................................................... 257 Intercambialidade de Indices .................................. 331
Leituras Adicionais .............................. ..... ............... 258 Tmplicac;oes ..................... .. ............ ................ ...... ..... 333
Resutno ................................................. .. ............. .. ... 334
ChPilULO 10
SURVEYS POR ENTREVISTAS .................................. 259 Leituras Adicionais ............ ..... ... ................. ............. 335
Importancia do Entrevistador ................................. 259 ChPilULO 14
Regras Gerais para Entrevisrar ................................ 261 CONSTRUINDO E COMPREENDENDO TABELAS ...... 337
Trcinamento do Entrevistador ................................ 266 Analise Univariada .................................................. 337
A Opera~ao de Entrevistar ...................................... 270 Descric;oes de Subgrupos .... .... ................................ 344
Resutno .... ................................................................. 275 Analise Bivariada ..................... .. ............................. 349
Leituras Adicionais ......... .. ....................................... 276 Analise Multivariada ................................................ 357
Resun1o ... .. .................................. ..... .. ....................... 360
ChPilULO 11
PROCESSAMENTO DOS DAD OS ............... ............. 279 Leituras Adicionais ........................... .. .. ................... 361
Compuradores na Pesquisa de Survey ..... ............. 280 ChPilULO 15
Codific:1\ao .................... ..... .. .................. ................. 288 0 MODELO DE ELABOHA~AO .............................. 363
Constru~ao do Livro de C6digos ............................ 291 Hist6ria do Modelo de Elaborac;ao .. .. .. .. ................. 363
Opc;oes de Codificac;ao e Inser~ao de Daclos ......... 293 0 Paradigma de Elaborac;ao ............ .. ..................... 370
Pre -Coclificac;ao para a Inserc;ao de Dados ............ 297 Elaborac;ao c Hip6tese E'~:.: Post Facto .................... 379
Limpeza clos Dados .................................. .. .. .. ......... 299 RCSlllTIO ..................................................................... 381
Resun1o ................................................. ..... .. ..... ........ 300 Leituras Adicionais .................................................. 382
Leitura Aclicionais ........... ......................................... 301
ChPilULO 16
ChPilULO 12 ESTATISTICA SOCIAL ............ ..... ........... ....... ........... 383
PRE-TESTES E ESTUDOS-PILOTO .......................... 303 Estatfstica Descritiva .. ...................................... .. ...... 383
Fazenclo os Pre-Testes ............................... ... ........... 303 Estatfstica Inferencial ............................................... 391
Fa zen do Estuclos-Piloto ........ .. ................................ . 310 Rcsumo ............ ......... ..................... .. ......................... 405
Avaliando Pre-Testes e Estuclos-Piloto ................... 313 Leituras Adicionais ................... ................ .......... ..... 407
Resun1o ..................................................................... 321
ChPilULO 17
TECNICAS MULTIVARIADAS AVAN~ADAS ............. 409
Analise de Regressao .......... , ...... .. ........................... 409
Analise de Trajet6ria .............................................. .415
Analise Farorial ........................................................ 417
Analise de Variancia .............................. ................. .421
BIBLIOGR~fl~ ................................................................................................... 473
CAPilULO 19
A ETICA NA PESQUISA DE SURVFY ... ........ ... ........ 447
Parricipa~ao Volumaria ........................................... 448
Sem Prejufzo para os Entrevistados .. ...................... 450
Anonimato e Sigilo ....... .... .............. .... ..... ........ ........ 451
Iclenrifica~ao cia Final ida de e do Patrocinador ...... 451
CAPilULO 20
0 CONSUMIDOR INFORNIADO DE PESQUI SA
DE SURVEY ............................................................ 465
Desenho cia Pesquisa .............................................. 466
Medi~ao ........................... ......................................... 467
TA13ELA 6-1. Forma usada na lista clas igrejas ........................ ...... 163
TABELA 14-1. Uma ilustra~ao de an ft lisc univariada ... ........ .. .. ...... 339
TABELA 15-3. Rela~ao hipotetica entre a dispcnsa de amigos aprovam o c6digo estudantil .. 0000 . . . 00 . . . . . . . . . . . . . . . . . . . 00 . . 127
e a aceita~ao do proprio recrutamento .... 00000000"00 368 FIGURA 5-2. Porcenragem de ~llunos que aprovam
TABELA 15-4. Daclos hipoteticos relacionando escolaridadc a o c6cligo estuclantil ...................... 00 . . . . o o o o . . . . . . . . oo . . . . . . . . 127
accita~ao do recruramenro, pelo fa tor de ter
FIGURA 5-3. Porcentagem de ~llunos que aprovam o
amigos clispensados 0 0 . . . . . . . . . . . . . . 00 .. oo . . . . . . . . . . . . . . . . . . . . oo . . . 369 c6cligo estudantil 00 . . 00 . . . . . . . . oo . . . . . . . . oo . . oo . . . . . . . . . . . . . . . . . . . . . . . 127
TABELA 15-5. 0 paradigma cia elaborac;ao .................... 000000 . . . . . . . . . 371 FIGURA 7-l. Formatos de respostas .... 00 . . . . . . . . 0000 . . . . 00 . . . . . . . . . . . . . . . . 00 . . 200
TABELA 15-6. Regiao de origem, regiao de treinamenro c FIGURA 7-2. Voce ja fez parte cia associa~fto local cia APP? ........ 201
atitudes para como Medicare ...... 00000o00 . . . . . . . . . . . . . . . . . 373
FIGURA 7-3 . Voce j{t ouviu fala r do Programa Ciclaclc Ivloclclo? .. 202
TABELA 15-7.Ciasse social e envolvimento media com a
igreja entre mulheres episcopais oooooooOOoOooooo . . . . . . . . . . . 375 FIGURA 7-4. Voce rrabalhou alguma vez durante a
s<.:mana passacla? (Inclua trabalho parcial,
TABELA 15-8. Classes sociais e a ocupac;ao de cargos em mas nao trabalho em casa.) .... 00 • 00 . . . . . . . . 00 . . . . . . . . . . . 0000 . . 203
organizac;oes seculares oo . . . . . . oo . . . . o o o o . . . . . . . . oo . . . . . . . . . . oo . . . 375
TABELA 15-9. Envolvimento na igreja por classc social e FIGU RA 7-5 . formato de questao matricial .. 00 . . . . . . . . . . . . . 00 . . . . 00 . . . . . . . . 204
ocupa~ao de cargos seculares ...... oo o o o o . . . . o o . . . . o o o o o o . . . 376 FIGURA 8-1. Indices versus escalas .. 00 . . . . . . . . . . . . . . . 00 . . 00 . . . . . . 00 . . . . . . . . . . . . 216
TABELA 16-1. J\Jatriz de daclos bruros parciais .............. 00 . . . . . . 00 . . . . . 381t FIGURA 8-2. Relar;oes bivariadas entre itcns sobre
TABELA 16-2. Daclos brutos hipoteticos sabre escolaricbdc orienrac;ao cientffica ................. o o o o . . . . . . . . . . . . . oo . . . . oo . . oo . . 221
e preconceilo 00 . . 00 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 00 . . .. oo . . . . . . . . . . 0 0 0 0 . 385
TABELA 16-3. Daclos hipoteticos relacionando sexo e FIGURA 8-3. Hela~·oes trivariadas entre os itens sobre
en1prego 00 .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 00 oo . . . . . . . . . . . . . . . . . . . . . . 386 orienta~·:Io cienrifica ................ 00 . . 00 . . . . 00 . . . . . . . . . . . . . . . 00 . . . 223
TABELA 16-4. Dados hipotericos relacionando classe FIGURA 8-4. Rela<;ao trivariacla hipotetica entre itcns
social e preconceito ................ oo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388 de ori<.:nta<;ao cientlfica ............. 00 . . . 00 . . . . . . . . . . . . . . . . . . oo . . . 22 5
TABELA 16-5. Escalade difen.!nciac;;Io semamica ... oo . . o o o o . . . . . . . . oo . . . 390 r-IGURA 11-l.Cartao perfuraclo paclrao para registrar clados 00 . . . . . . 282
TABELA 16-6. Associac;oes gamma entre os itens de FIGURA 11-2. Exemplo parcial de um lino de c6cligos ............... 292
diferencia(ao scmantica cia escala de
sanrifkac;ao .... .. oo . . . . . . . . . . . . . . . . . . . oo . . . . . . . . . . . . . . . . . . . . . . . 00 . . . . . . . 390 FIGURA 11-3. Uma folha parcial de transfcrencia de c6cligos ...... 294
TABELA 16-7. llustrac;ao hipotc.~tica de qui-quadrado ....... oo . . . . . . . . oo 401 FIGUI'0\ 11-4. Ilustrar;ao da inserc,;ao de dados
computaclorizada ..................................................... 295
TABELA 17-1. Analise fatorial: aros de delinql.h}ncia (brancos) .. 420 oo
FIGURA 11-5. Ilustra~fto cia pre-coc.lifica~fto de um
questionario ............................................................ 298
FIGURA 13-1. A imagem traclicional cia ciencia ............................ 329 ,
FIGURA 13-2. A intercambialidac.le de indices .............................. 332
p r e f a (
FIGURA 14-1. Tres '·medias" ......................................................... 341
FIGURA 14-2. Percentuando uma tabela ....................................... 354
FIGURA 15-1 ............................................. .. ................................. 370
FIGURA 15-2 ................................................................................ 370
FIGURA 16-1. Uma popula~ao hipotetica de homens e Este livro e a segunda ecli~ao do original publicado h:i
mulheres que sao favodveis ou se opoem clezesseis anos. Foi meu primeiro manual e sempre ocupou
~~ igualdade sexual ................................................... 395 um Iugar especial no meu cora~ao, apesar de ha muito tempo
FIGURA 16-2. Uma amastra representativa .................... .. ............ 396 nao !he dedicar aren~ao.
FIGURA 16-3. Uma amostra nao representativa ........................... 398 Comecei a lecionar pesquisa de survey em 1968, na Uni-
versidade do Havai. Na epoca, aprencli o que outros professores
FIGURA 16-4. Uma amostra reprcsentativa de uma da materia ja sabiam: nao havia nenhum manual realmente bom
popula~ao na qual as variavcis se relacionam ........ 399 para se dar este curso. Escolhi usar um livro britanico de C. A.
FIGURA 17-1. Mapa simples dos val ores de x e y ........................ 410 Moser, mas me us ~liunos freqtientemenre nao consegu iam se iclen-
rificar com os exemplos briranicos, nem com o modo esquisito
FIGURA 17-2. Grafico dos val ores de duas vari{tveis com dos britanicos usarem a lingua inglesa! (S6 bem mais tarde me
linha de regressilo (hipotetica) ............................... 41 J ocorreu que estudantes nao-americanos poderiam ter problema
FIGURA 17-3. Diagrama das fontes religiosas do semelhante ao usarem textos americanos.)
anti-semitismo ............................................ .. ........ .. . 417 Quando comecei a conhecer oLnros professores cla
FIGURA 17-4. Dais paclroes de distribui~ao de renda de mesma clisciplina (e incrlvcl 0 numero desres professores que
Republica nose Democratas ................................... 422 passam pelo Havai a caminho de algum ourro Iugar), fui
descobrindo um padrao interessante. Sempre nos fazlamos
FIGURA 17-5. Seis escritores: tres escrevem a mao e tres duas pergunras, e quase sempre as resposras eram as mcsmas.
com computaclores ................................................. 425
A primeira era: "Voce vai fazer pesquisa na sua sala de
FIGURA 17-6. Proje~ao grafica dos seis escritores em aula esre ano?" A resposta em geral era uma versao de: "Nao.
termos de iclade e renda ......................................... 425 Fiz uma rccenremente e tao cedo ni.io quero passar pela mesma
experiencia."
FIGURA 17-7.Apenas rencla c suficiente para predizer o
metoda de escrcver ................ .. ........................ .. .... 426 Seguncla pergunta: "Que manual voce esta usanclo?"
Os livros ate que variavam, mas a resposra sempre terminava
FIGURA 17-S.Padrao ligeiramente mais complicado .................... 426 com:" ... porem nao gosro dele."
FIGURA 17-9. Separando can etas dos compuradores ................... 4 27 Minha propria frustrac;:ao neste aspecto fez com que,
FIGURA 17-10. Proje~ilo clos seis escritores em nova certa vez, passasse um dia inteiro imaginanclo o lndice "ideal "
de um manual sabre pesquisas de survey. 0 inclice que entao
climens~to ................................................................. 428
esbocei e essencialmente o mesmo cleste livro.
FIGURA 19-1. C6cligo de etica e praticas profissionais ................. 456 0 titulo que dei aquela obra imaginaria reflete uma
frustra~aomais especifica minha com o acervo mais amplo de
rexros publicados sabre pesquisas de survey. Alguns eram
bem abstratos, ficando o lcitor perdido sabre como dl! fato reta. Como o bebado, cal muito. As vczes, trope\ava em cada
jctzer uma pesquisa. Outros eram justa mente o contr:irio, dando palavra, levanclo horas para criar um so paragrafo, depois
receitas concretas de passos a serem dados na realizacto de jogava tudo fora e recome\;ava. Nao era uma visao agradavel.
uma pesquisa especffica. Tudo bem com esra ultima aborc.iagem,
conranro que voce quisesse fazcr exatamente a mesma pesquisa Um menino chega atra:;ado na escola e a professora diz:
que o autor do texto. Mas se scus descjos c/ ou circunstftncias "johnny, por que o atraso?"
fossem diferenres, voce ficaria perdido. Johnny diz: "Havia tanto gelo na rua hoje de manh:l, que
lntitulei meu livro ficticio de A Su ruey Resect reb Cookbook eu dava um passo ft frem~: e escorregava dois pra tds."
"Ah, e!"', diz a profe:;ror~t. "Entao, como voce chegou ate aqui?"
a11d Otber Fables (Livro de Receitas ell! Pesquisas de Survev
"Desisti e temei voltar pra casa."
e Outras Fabulas), titulo que apareceu em esbo\OS de capitulo~
!Ruf:tr de tambores, e o ruido da bola no aro da cesta.J
c correspondencias que troquei durante a cria~ao do Jivro.
Quando o manuscrito fina lmcnte foi para a grafica, o titulo 0 p ior foi o capitulo sabre estatlstica . Mais parecia um
ja fora enterrado no cemiterio das prosas nunca usadas- 0 bu raco negro, suga nclo roda a alegria cia vida. Embora os
qual, na minha experiencia, e o merccido descanso final de pareceristas cia pre-publica\;ao elogiassem o manuscrito
um acumu lo quase infinite de desperdfcio verbal. ("Obrigaclo, mamae", eu escrcvia nas margens dos pareceres),
Entao eu j;:i havia imaginado o lnclicc de um livro aincb consideraram unanimemenre o capitulo sabre cstatistica um
ficticio, com um titulo um tanto jocoso. Pus tuclo isto de !ado, monstro malformado que deveria clesaparecer de vez. Entao,
porum clia so, pais no dia seguinte recebi uma carta de Jack revisei. E rcvisei mais.
Ar no ld, editor de Sociologia da \'(/adswortb Publisbing Pode i o capitulo sabre estatfstica ate resta rcm apenas
Company, dizcndo d o interesse cia edi tora em publicar Lllll tres calculos: lambda, gama e qui-quadrado. Na primeira
manual de pesq uisas de survey. Alcm do mais, um de scus edi\;iio do livro, dois dos tres estavam con·eros. Mas este nao
consultores editoriais, Rod Stark, havia sugerido que fossc foi o fim clos problemas esratlsticos.
eu o autor cleste livro.
Havia decidido que seria Citil incluir uma tabela de
Dais anos antes, Rod e cu eramos amicfssimos no curso numeros alearorios como apendice, para auxiliar os leitores na
de pos-gradLia\aO cia Universidadc da California, em 13erkeley, sele\;iiO de amostras. Em vez de comprar uma tabela ja existence
e COnsiderei a hip6tese de que a Carta cJe J ac k nao passassc de numeros aleat6rios, decidi usar minha recem-adquirida capa-
clc uma brincadeira. Sempre dcsconfie i que Rod era o tipo ciclade de programa\ao para criar minha propria tabela. Dcpois de
ca paz destc tipo de p iada, embora nunca houvesse feito divcrsas temativas fracassadas, consegui fazer chegar ~~ Wadswotth
ncnhuma ass im comigo. Apesar da desconfianp, rcsponcli i"t uma tabcla de nCuneros aleat6rios pronta para impressao em foto-
carta cia Wadsworrh, anexando o lnclice que ha\·ia imaginaclo ojj'set, para niio con·er o risco dos tipografos estragarem tuclo.
para o livro. Pouco tempo depois, assinei o contrato do Descobri mais tarde um problema, quando comecei a
livro e me lancei ao trabalho de escrever os capltulos, receber cartas pergunrando: "Meus alunos me indagaram, e nao
seguindo o lnclicc esbopclo. soube responder: por que a tabela de numeros alcatorios nao
Escrever o livro foi uma experiencia ambivalcnte. As tem nenh u m 9?" Numa clas primeiras tentativas de criar a rabela,
vczes, as palavras parcciam fluir rapida e naturalmente, eu havia notado a ausencia de Os c descobrira que o sistema
bastando apenas colocar papel em branco na maquina que eu esrava usando procurava numeros aleatorios entre 1 e
datilogr:ifica. Nestas ocasioes, me semia mais Icndo do que 9. Descobri como cstabelecer o limite inferior em 0, mas fiz isso
escrevendo o livro. No dia mais proclutivo, em meio ~ts abaixando o limite superior em um algarismo. Em vez de
minhas arividacles normais como clirctor do Escritorio de Pes- escolhcr n(tmeros aleatorios entre 1 e 9, o sistema agora escolhia
quisas de Survey, rcdigi dois capltu los, sem quase nenhuma entre 0 e 8. E clara que ninguem falava nacla sobre a abundfincia
necessidacle de eel i\;iio. de Os, ls, 2s etc., mas todos reclamavam do 9 ausentc.
Ja recl igir OLHros capftulos mais parecia uma torrura. Recomenclei ~~ Wadsworth imprimir uma folha de Errata
Gasrava horas, garimpanclo dolorosamcnte as palavras, como cheia de 9s, com a instru~ao "inserir aleatoriamente". Em vez,
um bebado procurando p6r um pe atras do ourro numa Jinha compramos de alguetn uma tabela de numeros aleat6rios.
Publicado em meados de 1973, o livro foi muito bern 0 livro de 73 foi um procluto cia epoca, replete de
recebido. Logo, a Wadsworth esrava recebendo sugcstoes de linguajar sexism. Mais especificamente, o uso de pronomes
instrutores para que e u escrevcsse um manual metodol6gico masculines na terceira pessoa quando o genera e ra indefiniclo.
mais geral sobre pesquisas, c nao somente pesquisas de survey. Exemplo do rexto original: "Um pesquisador usa amostragem
Fo i assim que publiquei, em 1975, Tbe Practice ofSocial Researcb, esrratificada quando e/equer... " Eu esrava conscie nte cleste pro-
que se tomou o foco de meus escritos sobre metodos de pesquisa blema na edi~ao de 73, mormente ao escrever sobre entrcvisra-
nos anos subseqf1entes. dores e perfuradores de cartao, dois gru pos preclominantemente
Muitos dos instrmores que inicialmenre aclotaram S111vey feminines nas pesquisas de survey. Ousadamente, usei pro-
Researcb Methods mudaram para Tbe Practice ofSocial Research, names feminines em rela~ao a estes clois grupos, chamando os
como esperavamos, mas as vendas do primeiro livro conti- cliretores de pesquisas de "ele", acrescentando uma longa nota
nuaram boas nos anos seguinres. Periodicamenre, a \'<fadsworth de rodape explicando o proceclimento e criticanclo a exclusao
e eu considen1vamos revisar o livro, mas scm pre um outro projeto geral de mulheres cia dire~ao de projetos.
acabava sendo prioritario. Finalmenre, em 1988, nos comprome- Nos anos subseqUentes, a questao cia linguagem sexista
temos a fazer a revisao no ano seguinre, apesar do que mais csqucntou c, as vezes, e u culpava "eles" por haverem criaclo a
pudesse acontecer. conven~ao c.la rerceira pessoa masculina. Curiosa de saber q uem
0 primeiro obstaculo foi tecnol6gico. l la dez anos eu eram "eles", descobri nao have r nenhum grupo formal com o
red igia e m microcomputadorcs, com todos os matcriais em poder de legisla r sobre a lingua inglesa (como a Academia
disquete, para facilitar a rev isao, mas Survey Research Francesa, encarregada de manter a pureza lingUfstica do Jranr;ais).
Methods fora escrito numa maquina datilografica an tiga , sem No caso do ingles, esras questoes sao mais ou menos frouxa-
me moria , antes do adve nto clos s istemas de processamento mente controlaclas por professores de ingles, por eclito res em
de texto. geral e editores de clicionarios em pa11icular e, bem, por pessoas
lnicialmente, a Wadsworth concorclou que um cligitador como cu. ConseqUentemente, me comprometi a e liminar
passasse o livro original para disquetes, para eu poder fazer linguagem sexista dos meus textos.
a revisao num processador de texto. Acabamos rentando uma Desde 1973, me rem sido facil evitar linguage m sexista.
solw;ao mais high-tech: escanea r e letron icamente o livro. Ofere~o abaixo algumas so lu ~oes e o incentive a aclota-las.
Neste processo, cacla JX1gina seria eletronica menre f'otografacla,
Antes, cis algumas '·so lu ~oes" clas quais nao gosro e qu e
mas, enquanto uma fotocopiaclora imprimiria a foto em papcl,
o scamzeras armazenava em clisquete. Um programa de tradu~ao tenho evitaclo:
converreria len·as e palavras num texto que pudesse scr eclitado • Substituir be (ele) por she (eta) nada resolve, pois sim-
como qualquer arquivo de p rocessamento de texto. plesmente troca um problema cliscriminat6rio por outro.
Escaneamcnro de rexros, do tipo que acabei de descrcver,
certamente sera uma etas recnologias mais imponanres no • Fazer usos aleat6rios ou alternatives de ele e ela acaba
futuro. Mas clescobrimos que a inda nao era uma tecnologia confunclinc.lo, sugerindo haver uma razao para sc usar o
do prcsenre. A editora contratou uma empresa para o trabalho. feminine ou o masculine.
Uma vez pronros, os arqu ivos tinham, no clizer orgulhoso desta
empresa, "85% de exaticlao" . Vale dizer, um setimo do texto • Usar rcpetitivamente 'ele 011 eta' e clesajeitado, embora
safra e rrado! (Posteriormente, descobri que outras emprcsas e seu uso parcimonioso possa ser bom.
sistemas sao mais exaros, mas mesmo assim cscaneamento de
texros aincla nao pocle ser consicleraclo "uma ciencia exata" .) • Murantes lingUfsticos como ele/a (em ingles, slhe) sao
Os h e r6icos esfo r~os d e minha secrctaria, Adrienne horrorosos, alem de impronunciaveis. Alcm do mais,
Alexander, finalmentc me permitiram tcr em 1988 um conjunto parecem uma concessao sardstica ao que o escritor
de disquetes com a versao de 1973 do livro, me pennitindo iniciar pocleria considerar uma preocupa~ao irrazoavcl: como
a revisao. Caso o leitor te nha trabalhaclo com a edi~ao anterior referencias sardsticas a persollagement em Iugar de
do livro, aqui vao alg un s comentarios sabre as principais mctllClgemenl, persomwl em vez de manual etc.
mudan~as nesta edi~ao.
- f r- .,..
Eis o que para mim /em funcionado. Usar a primeira e ou Ensinando e escrevendo, acho que, com o tempo,
segunda pessoa, evirando a terceira, produz uma comunica~·ao melhorci as exp li ca~oes de diversos aspecros do processo
mais pessoal e evita o dilema sexisca. ··se quisermos, voce e eu de pesquisa, e esta nova edi~ao me cia oponunidade de compar-
podemos escolher uma amostragem sistematica .. .'' cum excmplo. tilhar o que ap rendi . Particularmeme, as novas tecno logias
Quando preciso acrescentar uma tcrceira pessoa, uso nomes cia informatica me auxiliaram a mostr:tr graficamentc muitos
andr6gi nos como Jan c Par. Ou[!·a solus;ao sao os pronomes conceitos, que c a forma como os comp reendo mentalmente.
plurais, como: "pesqu isaclores opwm por amostragem siste- Sempre converti imagens e diagramas em palavras, mas hoje
matica quando /bey desejam ... " (/bey e tanto e/es ou e/as) . estou mais apto a ap resenta-las au nature/.
A linguagem sexisra tambem podc ser evirada pelo uso Finalmente, o livro novo cia mais aten\ilO explfcira :-t
coloquial, geralmc ntc aceito no ingles oral, da terceira pesso::t pesquisa de mercado. Pelo que sei, a cclic;ao de 73 foi muito usacla
do plural (tbem), quando o genero e indefinido. Por exemplo: como referencia supletiva em cursos c agencias de marketing, ja
"quando chega uma pessoa a meu gabinete, faqo com que tbem que, em minha opin iao, rnanuais sobre pesquisas de marketing
semem numa cadeira", se bem que revisores dificilmeme deixam rendem a ser mais te6ricos que p raticos. Certamente pesquisa
passar desapercebida esta constru<;ilo. de survey e uma tecnica amplamente utilizada por pessoas de
Depois de encomrar esta e omras soluc;ocs para C\'itar marketi11g. Se bem que n;"to pretenclenclo fazer deste livro o te:xto
linguajar sexisw, finalmcnte descobri a melhor soluc;ao: parar principal de um curso de pesquisa de mercado, tentei faze-lo
de pensarem termos sexistas . Quando pensava num pesqui- mais relevante e uti! como suplemento.
sador, nao mais pcnsava na figura de um homcm - nem s6 Como na eclic;ao origina l do liv ro, gosraria de agradecer
em mulhercs para entre,·istad oras. Conseqi..lentemente, ja diversas pcssoas, importantes para sua c ria~ao . Ini cialmente
quase nao me meto ma is em armadilhas sexistas que exigem rededico-o a Samuel A. Stouffer, Paul F. Laza rsfeld e Charles
acrobacias lingi.ifsticas para delas escapar. Y. Glock, em quem vejo minha linhagem na pesquisa de survey.
Alem de eliminar o linguajar sexista cia edic;ao de 73, tive 0 comcntario estranho sobre ··os velhos turcos" e uma rcfc-
tambcm de lidar com alguns exemplos desatualizados de pcs- rencia a dedicat6 ria de Paul Lazarsfeld para sua obra 'l'l.Je
quisas. Exe mplo: em vcz de falar do sucesso dos pesquisadores language of Social Research (1955) a "Charles Y. Glock e scus
que previram a eleic;ao de Richard J\ 1. Nixon para a presiclencia 'jovens [Llrcos' no Escrit6rio de Pcsquisa Social Aplicada cia
clos EUA em 1968, usei clados de boca de urna cia cleic;ao presi- Universidade de Columbia".
dencial de 1988 para ilustrar o poder cia amost ragem de survey. Pelos comenta ri os tao s5bios quanto s impaticos dos
0 fmo de s6 haver comprado meu prime iro computaclor rascun hos da ecli<;ao rcvista, sou grato aos colegas Alan Acock,
pessoal seis anos ap6s a publicac;ao cia primeira edi\ilO indica cb Louisiana State University, e Tom Guterbock, cia Universi-
a atualiZa\aO necessa ria na area de tecnologia de pesquisa. dade cia Virginia.
A edic;ao atual nao mais supoe pesquisadores usando canoes
Serina Beauparlant, a nova ecl ito ra de sociologia na
perfuraclos ncm contadores-classificadorcs ou computadores
Wacls\\'orth, herclou o manto que Steve Rutter vestira dezesseis
··queimaclorcs de lenha". 0 foco agorae no uso de microcompu-
anos antes. Seu trabalho foi excepcio nal, como clemonstra este
taclores, emrevistas assistidas por computador e coisas assim.
produto acabaclo. Nesta tarefa, foi auxiliada por Donna Linden,
Ate diria que minha descri~ao cia tecnologia de survey esra
eclitora de proclu<;"~to, e pelo desig!ler-executivo Andre\v Ogus.
provavelmente um pouco a fre nte cbs normas atuais - contudo,
por pouco tempo. 0 que hoje parecc de ponta, bem logo ser:'t Finalmente, gostaria de agraclecer a minha esposa Sheila,
de uso geral e, em pouco tempo, sc clesarualizara. que inicialmentc te ria s iclo co-aurora cia primeira ecli<;ao. Apesar
de ter resolviclo nao faze-lo, continua scndo minha ctcrna
Alem do bardware de informatica usa do em pesqu isas,
parceira e colaborac.lora. Fonte pcrmanentc de inspir:u;ao,
muitas ou tras coisas muclaram nos clezesseis anos clesde a
primeira eclic;ao. Pesquisadores aprenderam truques novos, constantemente me incenti\'OU a olhar acima e alem das
clesenvolveram novas tecnicas etc. Embora scja impossfvel fazer montanhas, do outro lac.lo c.las esquinas c dcbaixo c.bs peclras.
justi\a a toda ela num s6 livro, tenrei abordar a maioria cia Convido-o, leitor, a investigar e rocurar comigo nas paginas
nova lite ratura . que se seguem. Unlversldade de Brasilia
BIBLIOTECA
Prefacio a' Primeira fd i~ ao
que eles mesmos poclem fazer uma. Afinal, qualquer um sao aplicadas na pratica. No olllro extrema, ha um punhado de
pode perguntar c concar as respostas. livros do tipo receita-de-cozinha no mercado, com diretrizes
passo a passo sobre como pesquisar, mas sua utilidade diminui
rapidamente a medicla que a sitLta\aO de campo do pesquisador
Par Que fste Livre fnfatiza L6gica e Capacidades se diferencia daquelas discutidas diretamente no texto. Quando
o pesquisador encomra um problema de campo nao cobeno no
Este livro aborcla tres questoes rclacionaclas a perceps;ao livro-receira, ficara provavelmente perdido. Estc livro procura
erronea de que e facil fazer pesquisas de S/1/H~)'. Em primeiro uma solu~ao para este problema.
Iugar, a popularidacle clestes mctoclos rem lcvaclo a muita Este rexto e focado na /6gica e nas capacitcu;oescla pesquisa
pesquisa malfeita. As vezes, recnicas de pesquisa sao mal- de survey. Relarivamcme pouca aten<;ao e dada ~~ cstatfstica, j:.l
usadas; muitas vezes swveys sao realizaclos quando algum outro que ha varios texros excelemes sobre ela. Ao cobrir os di,·ersos
mctodo de pesquisa seria mais aclequaclo. Espera-sc que a dis- aspectos do desenho e cia analise de survey, usei o seguinrc
cussao dctalhacla cia 16gica e clas capacitar;oes necessarias as formato. Primeiro, cliscute-se a 16gica te6rica, por exemplo, cia
pesquisas de survey a jude a melhora r a qualiclaclc clas mcsmas. amostragem. E necessaria que o leitor entcnda a 16gica bftsica
de se selecionar uma amostra de entrevistaclos cujas respostas
Em segundo Iugar, o mau uso eo uso cxcessivo levaram a
podem representar a popula<;ao cia qual foram selccionados.
rejei<;ao total de pesquisas de swvey por parte de muiras pessoas,
Entao, cliscutem-se, passo a passo, OS metoclos mais tipicos de
inclusive um numero cresccnre de jovens cientistas sociais. Neste
amostragem. A esta altura, o lcitor deve entender nao apcnas
aspecto, espera-sc que este livro demonstrc que pesquisa de como selecionar uma amostra convencional, mas tambem par
S/1/Vey pode ser um metoclo extremamentc Cnil de invcstigas.:ao que merodos convencionais de amostragcm aclvem cia 16gica
cicntifica em certas sirua<;oes. Usaclas corretamentc em situas.:oes re6rica cia amostragcm. E apresentaclo, em segu icla, um lcquc
apropriadas, surveys podem gerar informa<;:oes nccessarias, dilkeis de problemas praticos freqi.ientcmente encontrados por pesqui-
de se obrerem an·aves de qualquer outro metodo. ~adorcs de campo e discutem-sc mctodos tipicos de sc licbr
Em terceiro Iugar, afirmar que determinacla pcsquisa foi com rais problen1as, denrro do conrexto cia 16gica cia ~tmos
mal feita prcssupoc a existencia de um acervo comprovado e tragem do survey. Aqui, o leitor deve enrenclcr por que as
estabelccido de padroes cientlficos, a luz dos quais a,·aliar ativi- solu~oes sugeridas oferecem a melhor corresponclencia com a
clades de pcsqu isa. Lamentavelmente, isto nao ocorre. Certamenre 16gica e os mctodos ideais da amostragem. Nao ha como
ha padroes cienrificos muito rigorosos em alguns aspectos da aborclar rodos os problemas pr{tticos que os leitores possam
pesquisa de survey, como amostragem c manipuht<;ao cstatistica porventura vir a enconrrar, mas se espera que eles compre-
de daclos. i\Ias OS paclroes nao sao tao claramentc clefinidos em enclam, na prarica, a 16gica da amostragcm, de forma a poderem
outros aspectos, tais como a reda<;ao de qucstoes e a codificas.:iio chega r as suas pr6prias boas solu<;oes. 1\Iesmo quando a
de rcsposras. Padrocs existcntes em geral niio sao formalizaclos sit u a~ao cia pesquisa nao permitc uma boa solu~ao, o leitor
e, ainda por cima, tcndem a ser transmitidos como rradi<;ao oral, clevc ser capaz de avaliar o significado cia clecisiio que tom:u, a
de pesquisador para aluno-aprcndiz. Contudo, pcsquisadores respeiro clas conclusocs a sercm tiraclas do seu estudo.
inicianres sem accsso a cste sistema de aprcndizaclo podcm nao Nenhum S/1/vey satisfaz plcnamcnte os idcais te6ricos da
emcnder nem mesmo os paclroes informais. Este livro procura investiga<;ao cicntifica. Cada um representa um conjunto de
revelar estes padrocs informais c ordena-los dcnrro do contcxto compromissos entre o ideal e o possivcl. A meta primordial
16gico cia invcstiga<;ao cicmifica. clcste lCXtO C ajuclar OS lcitOrCS a chcgarem aos meJhores
0 proprio titulo, S111vey Researcb J1ethods, rdlcte a orien- compromissos possiveis. Surveys perfeitos poclem nao ser
ta<;ao geral do rexto. Como instrutor de metoc.los de pcsquisa de possfveis, mas bons s/1/veys podem e devem scr realizados.
survey e consultor de swveys, cu senti a a necc~sidade pre me me Este livro pode p:uccer um tanto elementar, foca!izanclo
de um s6 volume que ofcrecesse a cstuc.lantcs e a pcsquisadorcs quasc exclusivamente a 16gica cas capacita~oes bclsicas. Por
em potenciaJum guia pr:.ltico de pesquisas de S/1/H~J'. 0 merc:tdo exernplo, rclativamente pouca atens;ao e dada as tecnicas de
escala, enquanto muita atens;ao e clevotada a consrrus;ao de probabilidaclc de um pesquisaclor encontrar orientas;ao no texto.
Indices simples. Discuss6es de analise de S/1/Vey sao primor- Simultaneamente, busquei apresentar tais exemplos clentro cia
dialmente focalizaclas em tabelas de percentagens. Ha cluas 16gica basica cia investigas;ao cicntffica. Em vez de pedir que o
raz6es para esra orienras;ao. A literatura metodol6gica existente lcitor memorize tecnicas espedficas- mesmo um leque variado
cobre extensamente tecnicas avans;adas, enquanto as tecnicas de tecnicas - , pes;o que emencla por que cleterminaclas tecnicas
mais basicas rem sido aborclaclas menos extensamente. Mais sao recomendadas c usadas. Assim, quando o pcsquisaclor
importante, uma base finne na 16gica c nas capaciLas,:6es para a precisar aceitar um compromisso ou aproximas;ao, cleve estar
pesquisa de survey e pre-rcquisito para o plena emenclimento apro a saber o que est[t comprometendo e que conseqi.it~ncias
de tecnicas mais avans;aclas. Assim, se o leitor conseguir com- este provavelmente acarrerara.
preencler plenamente a 16gica de analise an·aves de tabelas de
Finalmente, espero que os consumiclores de pesquisa
percentagens, sinto que estara mais equipaclo para liclar com
de survey encontrem neste livro o solo meroclol6gico que os
correlas;oes, regress6es, analise fatorial e assim por clianre.
ajucle a fazer avaliar;oes crfticas e esclarecidas. Espero ter apre-
Lamentavelmente, hoje em clia, muitos alunos salLam cliretamentc
sentado um quaclro suficientemente completo das realiclades
para formas mais complicaclas de analise, sem entenclerem bem
a 16gica clas pesquisas em geral. praticas da pesquisa de campo, para melhorar a perspectiva dos
crlticos do survey. Discutindo honestamente os meritos e usos
possfveis cia pesquisa de survey, espero converter alguns crlticos
em apoiadores esclareciclos. Tambem cliscuto as desvantagens,
Como fste Livre Pede ~er Usado insuficiencias e maus usos das pesquisas de survey, com a
esperanr;a de ajuclar alguns usuarios arclentes demais a se
Este livro foi feito para uma ampla faixa de leitores: tornarem um pouco mais crfticos.
qualquer pessoa interessada em realizar um survey ou em usar
e/ou avaliar os resultados de um survey. Mais especificamente,
destina-se a tres audiencias clistimas: estuclantes de metodologia,
pesquisadores principiantes e consumiclores de pesquisas. Ag radeci mentes
Primeiro, o livro se dirige a alunos de graduar;ao curs a ndo
Tive muira sorre ao ter a oporruniclacle de aprencler
pela primeira vez metodos de pesquisas . Enquanto cliversos
pesquisa de survey num ambience de aprenclizaclo, tutelaclo por
professores preferem enfatizar pesquisa de survey no curso
Charles Glock. Numa epoca em que professores sao acusados
geral, outras metodologias podem ser acrescentaclas . Por isso
de explorar estudantes, Charlie consistentemente me tratava
0 livro e publicado em capa mole, para pennitir um uso flexfvel
como um colega mais jovem, me incentivando a embarcar em
dos materiais. A organizar;ao do material surgiu de minhas
projetos pr6prios e me tornar mais indepenclente, poclendo
pr6prias experiencias em sala de aula, lecionanclo metoclologias
de sw·uey e um esbor;o preliminar do texto foi testaclo neste recorrer a ele para orienta~ao mais avanc;ada. Um reconhecimento
ambiente. Alem dos materiais no corpo cia obra, a maioria clos rotineiro num prefacio de livro e muito pouco para a dfvida que
capftulos vem acompanhacla de uma lista de leituras ac.Jicionais, tenho com Charlie Glock. Apcsar de depois ter aprencliclo coisas
que podem ser usadas para um exame mais cletalhado de sabre pesquisa de survey que ele nao me ensinou, ainda me
t6picos especfficos. sinto um constrangiclo ao afirmar que esre livro e meu.
Em segundo Iugar, o livro pretencle ser um guia pratico Ao mesmo tempo, eleva muito a outros professores e
e realista para o pesquisador principiante, sem muira experiencia colegas, principalmente a Rod Stark, que agia como irmao
em pesquisas de survey. 0 livro aborcla os provaveis problemas, mais velho nos meus primeiros anos na Universiclade de
decis6es e compromissos que constituem a substancia quotidiana Berkeley. Mais tarde, em Berkeley, rive a sorre de conhecer
da pesquisa de campo. Procurei oferecer o leque mais amplo Gertrude Selznick, que me obrigou a examinar ainda mais
possfvel de exemplos tiraclos de minhas pr6prias pesquisas e profunclamenre os alicerces 16gicos cia analise de suruey, e
consultorias, numa ampla varieclacle de projetos e conclis;6cs de nossas comparac;-6es de anotac;-6es sabre pesquisa empfrica
pesquisa, bem como das experiencias de colegas e outros me deram um entendimento bem melhor do que e de faro inves-
pesquisaclores. Espero que o nC1mero de exemplos aumente a tiga~·ao cientffica. Outros mestres e colegas que aprimoraram
minha compreensao da pesquisa de survey enquanto cie ncia
incluem George von Bekesy, Lin Freeman, Dave Gold, Ren
Likert, Bill Nicholls, Jay Palmore, Steve Steinberg e Charlie
Yarbrough. Sou especialmente grato pelos comentarios
0 Contexte Cientlfico da
dctalhados e profundos de tres revisores do manuscrito: Andv
Anderson, Joseph Spaeth e Billy J. Franklin. .
lgualmente reconhcc:;o minha cllvida para com os muitos
Pesquisa de Survey
pesquisadores com quem rrabalhei em consulroria. Alguns me
ensinaram novas tecnicas, outros rcvisaram e comentaram os CAPiTULO 1
primeiros esboc;os deste texro. Denn·e eles ciro Jim Dannemiller,
A LOGICA DA ClfNCIA
Dave Ford, Dennis Hall, Dave Johnson, Jan LeDoux, Heung-soo
Park, Dinny Quinn, Franc;oise H.utherford, Yongsock Shin, Dave CAPiTULO 2
Takeuchi, Chuck Wall e Choon Yang.
Alcm do mais, o livro jamais tcria se concretizaclo sem a AClfNC IA f A~ C l f N C IA ~ ~OCIAI~
assistencia de diversas pessoas envolvidas com o manuscriro.
Na editora Wadswonh, Jack Arnold, Steve Hutter c Roc.! Stark CAPiTULO 3
o rganizaram e providenciaram importances insumos editoriais. Pf~QUI~A Df SURVEY COMO METODO DA~ C lfNC IA~ ~OCIAI~
Barbara Higa assumiu um extenso projcro bibl iografico. Pat
IIonon me ajudou a encontrar tempo para recligir, alcm de ter
clatilografado o Iongo manuscrito. Esre livro aborda o tema cia pesquisa cientffica. Sua
Dado seu conhecimento especial de coleta de c.lados e finalidade e ajuda-lo a fazer suas pr6prias pesquisas e compre-
experiencia geral com pesquisas de suruey, minha esposa encler as pesquisas feitas por outros. Embora o livro focalize um
Sheila tcria sido co-aurora do livro, tendo papel imponante cleterminaclo metoclo de pesquisa - o survey-, clevc ser lido
na organizac;ao inicial cia obra. Pouco clepois do infcio cia dentro do contexto gera l cia ciencia. A pesqu isa de survey
redac;ao, rornou-se impossfvel para Sheila cledicar tempo emp rega tecnicas especlficas peculia res a cste metoclo , que
suficicnrc ao livro, mas ela continuou ativamenre participanc.lo podem se encaixar nas normas gerais cia investigac;ao cientffica.
como consu ltora, conficlentc e crftica. Apesar de termos cicncia ha seculos e in(tmeros livros
terem s ido escritos sobre pesquisa cientffica, o assunto aincla
hoje e enigmatico para nao-cicntistas e cientistas iniciantes.
A Parte 1 cleste livro pretende oferecer uma visao geral cia
16gica cia ciencia, para que, posteriormenre, as tecnicas espe-
clficas cia pesquisa de survey possam fazer mais senticlo. Tres
capftulos sao dedicados a este t6pico.
0 Capitu lo 1 consiclcra a 16gica basica cia ciencia. Comec;a
discutinclo a imagem tradicional cia ciencia, imagem que creio
ser em geral enganosa e inapropriacla no contexto cia atual pes-
quisa ciemlfica. f'\esre aspccto, meu prop6sito nao c clesmistificar,
mas tornar a ciencia relevante c realista.
Na pratica, a ciencia nao e nem mfstica nem pura. Como
toclas as atividades humanas, a pesquisa cientffica e um compro-
misso entre o ideal e o possfvel. Na pratica, e freqOentemcntc
guiada pela emoc;ao, pelo e rro e pela nao-racionalidade. Toclavia,
a pesqu isa cientlfica e bem difc rente de outras ativiclacles
humanas. Tentarei e luciclar tais diferen~as no Capitulo 1.
0 Capitulo 2 aborda o t6pico ainda mais complicado cia
ciencia social, sobre o qual muito se escreveu nos (tltimos
anos. Alguns autores insisrem que a ciencia social c tiio '·cien-
tffica" quanta a ciencia natural. Outros niio aceiram tal no~ao.
Ainda ourros pensam que a pesquisa social esra progredindo
Capitulo 1
rumo ao sial us de ciencia, mas aincla nao chegou Ia.
Sugiro que esre debate nao faz sentido. Assim como e
impossfvel uma afirma~ao definiriva sobre o que ··ctencia"
realmente e, e igualmente impassive! afirmar que a ciencia
social e OU nao cientifica. 0 que faremos C considerar as
c a da ( enc
/ A
diferenps e semelhanc;;as entre ciencias sociais e narurais ,
explorando as implicac;;oes desras diferenc;;as e semelhanc;;as L0 g
para a 16gica c as recnicas da pesquisa cientifica social.
0 Capitulo 3 e dedicado a um exame espedfico cla pes-
quisa de swvey. 0 capitulo come~a com um apanhado hist6rico
dos surveys e passa a abordar modos como a pesquisa de swvey
se encaixa nas normas gerais de ciencia e de ciencia social.
Ciellcia e uma palavra caseira. Todos a usam, pelo menos
0 prop6siro principal dcsrcs capftulos e prepara-lo para
ocasionalmente, mas imagens cla "ciencia" cliferem muito. Para
o entendimento das bases 16gicas subjacenres as competencias
alguns, c sin6nimo de matematica, para outros significa aventais
e tecnicas espedficas da pesquisa de survey. Em rermos mais
brancos e laborat6rios, outros a confunclem com tecnologia, e
gerais, espero que voce adquira um embasamento melhor na
ha aqueles para quem a palavra equivale a materias diffceis
l6gica da ciencia per se. Isro c parricularmenrc imporrante
em curses colegiais ou universitarios.
porque toda pesquisa cientifica e um compromisso entre 0
ideal e o possfvel. A maior pane deste livro !ida com estes Evidentemenre, ciencia nao e nenhuma desras coisas
compromissos. per se. Po rem e dificil especificar exatamenre o que e ciencia.
Este capitulo comec;;a resumindo a imagem de ciencia frequen-
Inicialmente examinamos o que deve ser fcito em cir-
cunstancias ideais, consideramos em seguida quais compro- remente apresenracla a estudantes em curses de introduc;;ao as
missos sao mais apropriados quando o ideal nao pode ser ciencias. Em seguida, examinamos a imagem negativa que
atingido. A menos que voce compreenda plenamente a l6gica algumas pessoas rem das ciencias. Finalmente, descrevemos
basica da ciencia, nao conseguira enrencler por que um com- OS COmponentes l6giCOS da ciencia tal COmO e prctticada.
promisso e aceiro no Iugar de um outro. Compreendendo
esra l6gica, ao comec;;ar sua propria pesquisa voce sed capaz
de conseguir o melhor compromisso passive! dentro das h Perspediva Tradicional
reais condic;;oes de campo.
Cursos de introduc;;ao as disciplinas cientificas freqtien-
remente apresenram uma imagem de Ciencia que a faz parecer
direra, precisa e are rotineira. Posreriormente, nesre capitulo,
criticarei esw perspectiva, mas ela e uti! como ponto de partida.
Teoria Ci entlfi ca
Cientisras, e o que se diz, comec;am com um interesse
por algum aspec[O do munclo ao rector. 0 interesse pode ser
saber como a pressao arterial e regulacla no corpo, por que
o quanta as predi\oes devem ajustar-se as taxas observadas de
um grao de arroz e mais duro que outro, o que dctcnnina o crescimento para confirmar ou rejeitar a hip6tese. Deixar claro
caminho dos cometas ou o que causa cftncer. Entao, eles tudo isso de antemao pode evitar muita discussao mais tarde.
examinam rigorosamentc esse t6pico e estrutura em termos
16gicos e abstratos.
Eles iclentificam todos os fenomcnos reJe,·antes ao assumo £xperimento
cstudado. Com base no conhecimento existente, inter-relacionam Finalmente, as opera\6es especificadas sao efetuaclas.
estes fenomenos numa rede de relcu;oes causais1 - quais Dados sao coletados e manipulados como prescritos e a
elementos causam ou influenciam outros elementos. Destc hip6tesc 6 testada. Se o experimento confirmar a hip6tese,
modo, desenvolvem uma teoria, um conjunto de proposir;oes valida-sc a teoria geral da qual ela foi derivacla. Se a hip6tese
16gicas, inter-relacionadas, que explicam a natureza do nao for confirmada, a teoria geral e questionada. Qualquer
fenomeno esruclado. que seja o resultado, presume-se que voce publicarft seus
Para testar a validade da teoria, supostamente derivam achados, o munclo sc tornara um Iugar um pouco melhor
hip6teses, que sao preclis;oes sobre o que acontccera em para se viver e voce come<;'ara a pensar noutros t6picos para
condis;oes especificadas. Muiras vezes, essas hip6teses sao conquistar.
cla forma se- entao. Se o Evento A acontecer, segue-se entao Imagina<;'aO e brilho parecem necessaries para construir
o Evento B. Por exemplo, se voce estudar bem ncste cu rso, uma teoria, mas nao para a coleta e analise de dados. Especifi-
tera uma vida muito feliz. (E uma hip6rese, lembre-se, nao caclos de antemao os metodos experimentais e as opera<;'6es,
necessariamente o que as coisas sao.) ]5 que esta rela<;"ao causal assistentcs tecnicos supostamente podem realizar c interpretar
e sustentacla pela teoria geral, se o Evemo I3 nao se seguir ao o experimento. 2
Evenro A, a validacle da propria teoria seria questionacla.
Alguma desmistific:u;:ao cia ciencia e ate boa de vez em alta do que as outras. Em seguicla, voce tenta desenvolver
quando. E facil pensar na ciencia como um empreendimento um enrendimento mais geral de por que isto acontece .
mfstico e os cientistas como praticantes-magicos infalfveis. Sc a Quase nunca reorias resultam de processes totalmente
ciencia e funclamentalmente uma ativiclade racional e objetiva, dedutivos. Mais comumente, teorias sao o resultaclo final de
deve ser capaz de resistir a uma avalia~ao racional e objetiva. uma tonga cacleia de dedur;ao e indur;ao. Em cerro ponto,
voce pode ter uma explicac;ao preliminar de uma rela<;:ao empfrica, poclem ser perdidos ou falsificados. (Como se vera neste livro,
pode testar esta explica<;:ao prcliminar atraves da coleta de mais esses proble mas sao particularmeme comuns em surveys.) Alem
dados, usar os novos resu ltados para moclificar a cxplica<;:ao, disto, a operacionalizas;ao de conceitos nunca e totalmente nao-
coletar novos dados e assim por diantc. Construc;:ao de teoria ambfgua e deve ser especificada mais ainda durante o experi-
entao, envolve interas;ao de observas;oes e explicas;oes. ' mento. Cada uma clesras siruas;ocs requer decisoes que influen-
Portanto, raramente as teorias sao confirmaclas num darao o resultado do experimento e, por extensao, a avalia\aO
cleterminado momenta. Na ciencia, sao rebti,·amente poucos os da hip6tese e a teoria cia qual ela pocle ter sido derivada.
"experimentos crfticos", ou seja, experimentos que Ievam tocla a Isto e importance. Sc 'oce trabalhou como assistente
teoria a se sustentar ou clesabar. Ao contrario, evidencias mon- de pesquisa num p rojeto, ou conhece outros que o fizeram,
tadas pouco a pouco ap6iam uma teoria continuamente provavelmente conhece a disparidacle entre o desenho te6rico
moclificada. Em algum momenta, alguma forma cia teoria pode do projeto e o trabalho quotidiano nele. Especialmente se
se rornar geralmente aceita, mas raramente c possfvel identificar foi um projeto mal supervisionado, voce pode ter uma visao um
o momenta exato em que a teoria foi "provacla" ou aceita. Alem tanto negativa cia sua clescri\ao, aparentemente tao cienti'fica
do mais, coda teoria contin ua a passar por mocl ificas;oes . numa publicas;ao academica. Neste caso, voce pocle ficar tentaclo
Nenh um cienrista ja clescobriu o u dcscobri ra "A Verdacle". a concluir que tocla ciencia e "nao-cientffica".
A operacionalizas;ao de conceitos nu nca c tao clara e direta Enfatizo estc ponto por dois morivos. Primeiro, saliento
como sugere a imagem tradicional cia ciencia. Esre assunto sera (e farei isso no livro roclo) que a qualidade de um projeto de
abordado mais profu nclamente no Ca pftulo 7, mas cl eve-se pesquisa depende em grande parte clas decisoes e atividadcs
observar que a maioria clos conceitos cicntfficos sao passfveis a parentemente mundanas que se ciao na coleta e no proces-
de cliversas interpreta<;oes. Assim, voce pocle especificar opera- samento de dados. 0 di retor de projero que nao se envolve
cionalizas;oes preliminares clcsses conceiros e usar os resultados intimamente com tais ativiclades corre o serio risco de di rigir
clos experimentos tanto para avaliar tais operacionalizas;oes um projero sem senticlo. Mas, ao mesmo tempo, as implicas;oes
quanta para testar h ip6reses. Se melhorias num novo bem desras decisoes- mesmo o desleixo- nem sempre aparecem
de consumo aparentemente nao aumentarem a satisfas;ao clos p rontamente. 0 que ao leigo pocle parecer um p rocedimenro
consumidores, voce pode quescionar se esta meclinclo satisfas;ao desleixado pode de faro ser insignificante para o valor final
aclequaclamente. dos clados. Toma r boas decisoes c avaliar as implicas;oes
das mas depende d e uma compreensao sal ida cia 16gica cia
Mesmo quando conceitos sao operacionalizaclos de forma
ciencia enqua nto ativiclade distinta. E este ultimo aspecto
aceitavcl, resultados expe rimentais rarameme sao conclusivos
que abo rdaremos agora.
em semido absoluto, mesmo com relas;ao a hip6teses especfficas.
Tipicamente, se confirma ou se rejcira uma hip6tese a te certo
ponto, quase nunca complctamente. ja comentamos que reorias
sao normalmente aceitas com base no peso cia cviclencia de 0 que f Ciencia?
cliversos experimentos. Se um grande numero de observas;oes
empfricas e mais bem expli caclo pela Teoria A do que por Basicamentc, coda ciencia pretende entender o mundo ao
qualquer outra teoria clisponfvel, enrao a Teoria A provavel- reclor. Tres componentes principais constituem esta ativiclade:
menre sera aceita.·1 descris;ao, a descoberta de regularidades e a formulas;ao de
Finalmente, c totalmenre incorreta a impressao de que teorias e leis. Primeiro, cientisras obseruam e descreuem objetos
testes empfricos sao uma ativiclade rotineira. A imagem tra- e eventos que aparecem no mundo. Isto pocle envolver a
clicional cia ciencia sugere que criativiclacle e ate mesmo brilho medi<;ao cia velocidacle de um objeto que cai, o comprimenro
sao necessaries a derivas;ao de teorias e ao clesenho de experi- de onda de emissoes de uma estrela distante ou a massa de
I;lentos, mas que a execus;ao propriamente dita clos expcrimentos uma partfcula subatomica. Tais descri<;oes sao guiadas pelos
c mon6tona c sem imaginas;ao. Na p rarica, a execus;ao de um objetivos da exaridao e cia utilidade.
experimento, a coleta de daclos empfricos, exige inC1meras Segundo, cientistas procuram descobrir regularidades e
d~cisoes crfticas. Surgem situa<;oes inesperaclas. Observas;oes ore/em no caos por vezes alucinante e estonteante cia experiencia.
b1zarras sao registradas, sugerinclo erros de medida. Daclos Em pane, isto pode envolver a coincidencia ou correlafclo de
ce rtas caracte rfsticas o u eventos. Assim, por exemplo, voce mas cujos dentes apodrecem e caem. 0 racista pode ignorar toclos
pode notar que pressao atmosferica se correlaciona com OS lojistaS chineses honestOS e toclos OS nao-chineses dcsonestOS.
altitude ou que a aplica~ao de foro;;a a um objeto resulta na o cientista descuidado pode justificar o faro de ignorar
modificao;;ao de sua velociclacle. tais relat6rios atribuindo-os a trabalho de campo malfeito.
Terceiro, cientistas tentam formalizar e generalizar as (Fndentemente, o cientista cuidadoso lidaria com rais casos.)
regulatidades clescobertas em teorias e leis. Sao exemplos clisto o racista pode referir-se vagamente as "exceo;;oes que provam
a lei eta grnvidade de Newton e as teorias gerais e especiais cia <1 regra".'
relativiclade de Einstein. Teorias e leis sao, em geral, enunciaclos Ao se depararem com um excesso de observat;oes que
16gicos de relao;;oes entre caracter!sticas e eventos que oferccem desconfirmam suas hip6teses, tanto o cientista descuidado
explicao;;oes para uma ampla faix.a de ocorrencias empfricas. como o racista procurarao informao;;oes adicionais que possam
Vale a pena observar que nt1o-cientistas buscam estas alinhar as obsetvao;;oes perturbadoras as suas conclusoes. No
mesmas tres meras. Toclos n6s observamos e dcscrevemos o caso eta tribo com dentes bons mas dieta diferente, o cientista
munclo ao reclor. Procuramos achar regularidacles: o fun- pode intensificar o trabalho de campo na tentativa de descobri r
cionario de escrit6rio pocle descobrir que chegar atrasado que a dieta desra tribo e mais semelhante aquela em questao
ao trabalho resulta em rep reensao. Tentamos formular leis c do que parecia inicialmente. Confrontado a um lojista nao-
teorias que ofereo;;am orientao;;ao geral na vida diaria, tais chines desonesto, o racista poderia comeo;;ar a buscar um avo
como perspectivas religios:1s que sustentam que aderir a chmes do bisavo desre lojista ou paixao por comida chinesa.
ensinamentos religiosos rcsultara em recompcnsas ncste e/ Apcsar de anomalias emplricas, nosso cientista pocle
ou no outro mundo. acabar com uma teoria relacionando uma certa dicta a saudc
Para enfatizar este ponto, vejamos as semelhanps nas dental, e o racista, uma teoria de que chineses sao desones-
respectivas atividades de um cientista clescuidado e de um tos. As duas teorias serao aparentemente corroboraclas por
racista. Ambos fazem observao;;oes sobre o mundo e podem observao;;oes empfricas e explicao;;oes l6gicas.
relata-las a outros. Por cxemplo, o cicntista observa que mem- A compara<;ao acima visa salientar dois pontos. Primeiro,
bros de uma determinada tribo primitiva gozam de saude nao ha difereno;;a magica entre atividades cientlficas e nao
dental relativamente boa; o racista observa que um lojista cientlficas. Vimos duas linhas de investigao;;ao bem semelhantes.
chines trapaceou numa transao;;ao comcrcial. 0 cientisra Segundo, as ativiclades de "cientistas" va riam em qualidade
conclui preliminarmente que a dieta cia tribo pode ser responsa- '·cientifica". Faz mais sentido falar de atividades mais ou
vel pela sa(tde dental dos seus membros, enquanto o racista menos cientlficas do que dicotomizar entre atividades cient!ficas
conclui que a rao;;a do lojista e responsavel pelas praticas e nao cientfficas. Assim, uma linha de investigao;;ao conduzida
comerciais antieticas. porum flsico profissional pode ser relativamente nao cient!fica,
Tanto o cientista como o racista procuram novas obser- enquanto um bombeiro hidraulico pode fazer pesquisas do
vao;;oes para reforpr suas conclusoes preliminares. 0 cientista mais alto calibre cientrfico.
checa a saudc dental de outras tribos primitivas com clietas No restante dcsta set;ao, daremos ateno;;ao as caracte-
semelhantes, enquanto o racista fica de olho em lojisras rlsricas que tornam uma determinada atividade mais ou menos
chineses. E importante norar que tanto o cientista como o cienrlfica. Procurarcmos compreender as caracterfsticas ideais
racisra sao seletiuos em suas observao;;oes subseqi.ientcs. Con- eta ciencia, entenclendo que nenhuma atividacle esta de pleno
centrando-se na dieta, o cientista pocle ignorar o ambiente acordo com estes ideais, seja conduzida por um cientista
climatico da tribo, a estrutura economica e assim por diante. profissional ou por um leigo.
Por sua vez, o racista nao cbra aren<;ao a eduGt\ao dos lojisws,
sua· classe social etc.
Alem do mais, tanto o cientista descuidado como o racista
Ciencia f L6 gi ca
podem tender a ignorar obsetvao;;oes que conrradizem as con- Ciencia e funclamentalmente uma atividade racional , e
clusoes a que chegaram. 0 cientisra pode ignorar relat6rios de cxplicao;;oes cientrficas devem fazer senticlo. Religioes podem
boa saucle dental em tribos com clietas radicalmenre c!ifercntes se fundar em revelao;;oes, costumes, tradio;;oes, apostar na fe.
e relat6rios sobre tribos que seguem a dicta em quesrao, A ciencia, porem, deve se fundamentar na razao 16gica.
L6gica c um ramo cliffcil e complcxo da filosofia, c um importanLes para a busca c ientiJica: /6gicu cleclutiua e !6gica
indutiua. Beveridge as descrevc assim :
delineamento completo clos sistemas cia 16gica excedc em muito
o escopo deste livro. Talvez alguns exemplos ilustrem o que
Os 16gicos distinguem raCJodnio indulivo (de instancias
significa a ciencia ser 16gica. Por exemplo, um clerenninado eYento
particu lares para p rindpios gerais, de fatos para teorias) c
nao pocle logicamente causar um outro que ocorreu antes dele.
raciocinio dedulivo (do geral para o particular, aplicando
Suas atitudes sociais com rela~ao a, digamos, rela~oes raciais
teoria a um caso particular). Na indur;ao, inicia-sc com
nao podem cletermi na r a regiao do pals oncle voce nasceu, mas
dados observados e se descnvolve uma generaliza\'aO que
o inverso pocle ser verclacle.
explica a rela~ao entre os objetos observados. Par outro
Assim, a ciencia adow. uma aborclagcm diferente das visoes lado, no raciodnio dcdutivo sc comc\;a com alguma lei
teleol6gicas de algumas religioes. Por excmplo, alguns crisraos geral , que e aplicacla a uma instftncia particular.<•
acrcclitam que Jesus estava destinado a ser crucificado e que,
portanto, cste dcstino fez com que ele fossc trafdo c julgaclo. Tal 0 cxemplo classico cia logica decluriva e o silogismo
ponro de vista nao pocle ser aceito clentro da logica cia cil:ncia . familiar: "Toclos OS homens sao mona is; Socrates e homem·
Na logica cia ciencia e impossfvel um objcro rer duas pon anto, Socrates e mortal. " Um pesquisador poclcria cia:·
qualiclaclcs mutuamente e.xcludentes. Ao jogar uma moedinha , sequencia a este exercfcio declurivo restanclo empiricamente a
nao pode dar simultaneamente cara e coroa. Em contraste, mortalidacle de Socrates. Esta e essencialmentc a aborclagem
podemos notar que muitas pessoas preconcciLUosas dizem que discutida antes como a "perspecri va tradicional cia ciencia".
os armenios sao "clanicos" (recusam misturar-sc com o urras Usando a 16gica inclutiva, voce pode comepr notanda
naciona li dades) e ··caras-de -pau" (im poem sua presenp aos que Socrates e mortal e observar tambcm diversos outros
nao-armenios). Face a essas assenivas confl itan tes, a 16gica homens. Voce nota que todos os homens observaclos eram
da c iencia sugere que ou uma ou ou rra , ou ambas, desras mortais e, a partir claf, arrisca a conclusao de que todos os
Caracteri za~oes dos a rmenios nao e vcrdaclcira OU que as homens sao mortais.
du as ca racterfsticas cstao definidas de tal fo rm a que nao A 16gica dedutiva e um s istema muiro antigo, remon-
sao mutua men te excludentes. rando no mfnimo a Arist6telcs, que predominou na filosofia
Um evento tambem nao pode tc r resultados muruamente ocidcntal ate os secu los XVI ou XVII. 0 nascimento cia ciencia
exclude ntes . Assim, educa~ao s upe ri o r nf1o pode fazer uma moclerna foi marcado pelo s urgime nto cia logica inclutiva em
pessoa mais rica c mais pobre ao mesmo te mpo. Educa~ao varios contextos cientfficos. Cacla vez mais conclusoes gerais
un ive rs itaria pode fazer uma pessoa mais rica e ou tra pessoa dcrivadas de obse rva~oes cuidaclosas contracliziam os postu-
mais pobre, assim como alguns armenios podem ser descritos laclos gerais que ancoravam muitos s istemas ded uti vos.
como c lanicos c OLltros como caras-de-pa u, mas resultados Na astronomia, por exemplo, as obscrva~oes de Ptolomeu
ou d esc ri ~ocs contradir6rias nao rem sustenta\ao 16gica e lcvaram-no a va ria ~oes do seu moclelo, clesenvolvendo um
sao intoleraveis pa ra a ciencia. modelo cpidclico no qual as estrelas e planetas rotavam em
Nada disto diz que, na prarica, a cil:ncia csra rotalmente d rculos ao redor de pontos no espa~o que, por sua vez, rotavam
isenta de enunciaclos il6gicos. Voce deve saber que os ffs icos em drculos ao reclor da Terra estacionaria. A medida que se
atualmente consideram a luz como parrfculas c como onclas, obsetvaram varia~oes aclicionais, o sistema se tornou cada vez
mais complicado, com nlveis novas de epiciclos senclo acres-
apesa r de esras descri~oes cia natureza cia luz se rcm comra-
ccmados para manter as crenps chaves no movime nro circular
dir6rias. Esta contracli~ao particular existe na ciencia porque a
c na Terra estaciona ria.
luz se comporra como parrfculas sob cerras condi~oes c como
ondas sob outras. Consequ entcmentc, ffsicos continuam a usar Copcrnico atacou o sistema de Prolomeu sugerinclo que
as duas conceitua~oes contraclit6rias segu ndo parecem apro- o Sol, e nao a Terra, era o centro do uni vcrso . Ele clerivo u
priadas em co ncli~oes claclas. Todavia, isto representa uma essa perspectiva raclica lmente nova da obse rva~ao do movi-
tcnsiio para a 16gica da ciencia. mento ce lestial, e nao de um comprom isso inicial de que a
Terra era o centro do unive rse. Mas Copernico nao clesafiou
Indo um pouco alem da no\ao de "scnso comum" da
o su posto do movimento ci rcu lar. "Um asrro nomo posterior,
16gica, dois sistemas 16gicos clistintos, mencionados antes, sao
Kepler, d isse que Copernico nao conseguiu vislumbra r as sua classe social, a regiao do pals ondc voce mora etc., mesmo
riquezas ao seu alcance, contentando-se em imcrpretar Pro- que voce porventura negue a influencia destes fatores.
lomeu em vez de interpretar a natureza." 7 Keple r, par outro Mas deve-se tamar diversos cuidados neste aspecto.
!ado, estava determinaclo a interpretar a natureza sob a forma Primciro, ciemistas nao conhecem, nem pretendem conhecer, as
de volumosos daclos empfricos que herdara do astronomo cau~as especfficas de todos os eventos. Simplesmente supoem
dinamarques Tycho Brahe. Continua Burterfielcl: qut: tais causas existem e podem ser descobenas. Segundo,
a ciencia aceita causa~ao multipla. Qua lquer evento pode ter
Sabemos com que colossal gasto de energia ele tesrou d.rias causas; sua decisao de votar pode ter sido causada
hip6tese ap6s hip6tese, descartando-as ate alcanr;ar o ponto par diversos fatores. Um evento, tambem, pode ter uma causa,
em que ja tinha um vago conhecimento da forma exigicla - enquanto outro evenro semelhante pode ter uma causa diferente.
al decidindo que, para fins cl<: c:llculo, uma elips<: poderia Duas pessoas podem votar no mesmo canclidato par razoes
!he dar resultados aproximados e descobrindo que de faro difcrentes, mas se supoe que em cada caso existe uma razao.
uma elipse dava ceno. 8
Finalmenre, grande parte cia ciencia se fundamenta numa
Este exemplo ilustra o surgimento da 16gica indutiva na forma probabilistica de cleterminismo. Assim, o Evcnto A pocle
cicncia . Dramas semelhantes ocorreram em outros campos de resultar no Evento B 90% clas vezes ou 70% de toclos os
investiga~ao durante OS ferteis seculos XVI e XVII. Mais ou Republicanos podem votar num determinado polftico, enquanro
menos um seculo mais tarde, a pesquisa indutiva e cientffica somente 23% dos Democratas o fazem. Neste sentido, cliz-se
de Cha rles Darwin entrou em conflito com outra tradi~ao. que filia~ao polftico-partidaria determina comporramento elei-
roral, ainda que de fonna incompleta. Outros fatores poderiam
Nao se cleve concluir destes exemplos hist6ricos que a
ser introcluzidos para explicar as discrepancias.
J6gica dedutiva e inerentemente incorrera OU CSt{t ultrapassada.
Um exercfcio de l6gica dedutiva e tao bam quanta sua consis-
tencia interna e a verclade de seus supostos iniciais. Par omro hCiencia f Geral
!ado, a 16gica indutiva e tao boa quanro sua consistencia
A ciencia busca entendimento gera l mais do que expli-
interna e a exatidao de suas observa~oes.
ca~ao de eventos indivicluais. Tipicamente, o cientista se
Na pn1tica, a pesquisa cientffica envolvc tanto o raciocfnio interessa menos par que determinada bola cai para baixo,
indutivo quanta o dedutivo, na medicla em que as cientistas vao quando salta do a lto, e mais par que Iadas as bolas tenclem
e vem incessantemente entre teoria e observa~oes cmpfricas. a se com portar assim. Do mesmo modo, o cienrista se interessa
menos em explica r par que voce votou cia forma que o fez e
hCiencia f Deterministica mais em entencler par que os eleitores em geral vota ram cia
fo rma como o fizeram.
A ciencia se baseia no suposto de que todos os eventos Esta caracterfstica cia ciencia se relaciona com seu cleter-
tem causas antecedentes sujeiras a idcntifica~ao e ao entendi- minismo probabillstico. E conceblvel que possamos explicar
mento 16gico. Para o cientista nada "simplesmenre acontece" - completamente as razoes de um evento - par exemplo, par
acontece par uma razao. Se a lguem gripa, se chove hoje, se que certa pessoa vorou no canclidato X. E conceblvel que
uma bola parece rolar morro acima, o cientista supoe que cada consigamos descobrir cacla fator individual que influenciou
um destes evenros e susceptive! de explica\'ao racional. a decisao do voto. Caso o fa~amos, podemos supostamente
Como veremos no capitulo seguinte, esta caracterlstica prcver com perfeira exatidao o comportamento eleitoral de
cia ciencia traz uma dificuldade especial para as ciencias pessoas identicas. Mas, a Iongo prazo, csta capacidade nfto
sociais, que competem com no~oes de sensa comum sabre gcraria muiw informa~ao uti! sabre o comportamento eleitoral
comportamento social. Voce pode afirmar que fez alguma em gcral. Primeiro, e duvidoso que encontrassemos oL1tra
coisa, par exemplo, votou num candida to, simplesmente porque pessoa com exatamente as mesmas caracterlsticas cia primeira.
decidiu agir assim, mas o cienrista social provavelmente argu- Ma is importance ainda, nossas descoberras pocleriam ser de
menraria que seu voro foi cleterminado par varios evenros e pouqufss ima ajuda na compreensao do paclrao de voro de
cond i~oes previas. A decisao de vota r pode ser atribulda a pcssoas com outras caracterfsticas. Ficamos, enrao, sarisfeitos
A \OII:UCIO 't 't>pe\.111\.U
com menos de lOOo/o de entendimcnto, ~c pude rmos entender
o comportamento eleitoral em geral. Ja observamos que a cicncia e geral, no scntido de
Este e o senticlo em que o cicntista e o historiaclor procurar chegar a clescobertas e !~is de ap~ica~ilicl~d~ _gera;.
diferem em suas abordagens do mesmo tema. 0 historiaclor Entretanto, a maioria dos concenos gerats sao ~ujettos .t
procura emender tuclo sobre um determinado evcnto especlfico, d , L·rsid.tde de interpreta~oes. Por exemplo, ao procurar
enquanro o ciemista se interessa mais no enrendimenro geral de e. plicar as fontes do preconceito em g~ral, voce pcrcebe que
uma cbsse de eventos semelhantes, mas nao iclenticos. Assim 0 P
rcconceito assume muitas formas chfercntes. Portanto, .ao
tambem o psic6logo e o terapeuta diferem na abordagem do desenhar, realizar e relatar sua pesquisa, voce precisa ser preoso
compottamento humano. 0 psic6logo examina o compottamento em seus merodos de medir o conceito.
csquizofrenico de varios inclivkluos, procurando chegar a uma Ao realizar um projeto de pesquisa sobre preconceito,
compreensao geral cia esquizofrenia, enquamo o rerapeuta voce rem de operacionalizar especificamente o conceito de
aproveita o conhecimento geral ja existente para procurar preconceito, por exemplo, concot:da~cia com varia~ afirma~6es
ajudar um indivfduo especffico. num questionario que parecem tndtcar prcconcetto. No rela-
Porranto, a capacidacle de generaliza\ao e uma carac- t6rio cla pesquisa, voce deve ter cuidado ao descr~ver s~as
terfstica importante das descobenas cicmfficas. Descobrir que operacionaliza~oes detalhadamente, para que o lcttor satba
bolas vermelhas caem na Terra a uma ccrta acclerac;;ao e exatamenre como o conceito foi mcdido. Mesmo que alguns
menos uti! do que descobrir que bolas de toclas as cores leitores possam discordar de sua operacionaliza~ao, pelo
fazem isso. Tambem e menos uti! saber que bolas caem com menos saberao qual ela e.
uma cleterminada acelerac;;ao ao nfvel do mar do que saber que FreqCtentememe, a generalizabilidade de uma descobetta
a acelerac;;ao de todas as bolas em queda pode ser determinada c alcanc;;ada pelo uso de diversas operacionalizac;;oes diferentes
por sua altitude. dos conceitos envolvidos. Se determinaclo conjunto de fatores
causa preconceito, independentemente de como o preconceito
~ Ciencia f Parcimoniosa e medido, voce pocle concluir que estes farores resultam em
preconceito em geral.
Portanto, os cientistas procuram descobrir fatores deter-
minantes de tipos de evcntos. Ao mcsmo tempo, procuram
descobrir os fatores nao cleterminantes de cventos. Assim, ao
~ Ciencia £fmpiricamenteVeri ficavel
cleterminarmos a acelerac;;ao de um objeto em quecla, descar- No apice de sua elegancia, a cicncia resulta na formu lac;;ao
tamos sua cor como irrelevante. de leis ou equac;;oes gerais, descrcvenclo o mundo ao redor. Mas
Em te rmos mais gerais, os cientistas tentam clescobrir as rais formular;oes s6 sao Ctteis se puclercm ser vcrificadas pela
razoes dos eventos usando o mfnimo possfvcl de fatores expli- coleta e manipulac;;ao de dados empfricos. Uma teoria gera l do
carivos. Na prarica, e claro, o numcro de fawres explicativos preconceito seria in(ttil se nao sugerisse modos an·aves dos quais
considerados aumenta caracteristicamcntc o grau de cletermi- daclos pudessem ser coletados e nao previsse os resultados que
na~iio conseguicla. Um cientista polftico pocle conseguir um ce1t0 seriam obtidos na analise dos claclos.
grau de explicac;;ao do comportamento eleitoral usanclo apenas Ha, porem, oll(ra forma de ver esta caracterfstica. De
clois fatores, por exemplo, filiac;;ao partidaria e classe soci:-~1. cerro modo, nenhuma teoria cienrffica pode ser provada.
Outro cientista politico pocleria alcan<;ar um cntcndimcnto mais Considcremos o excmplo da gravidadc. Os ffsicos dizem que
completo levando em considera'!;fio outros fatores, como rap, um corpo cai para baixo por causa eta atra\ao geral emre os
regiao oncle a pessoa foi criacla, sexo, ecluca'!;iiO etc. FreqCtente- corpos ffsicos e que esta rela~ao e afctada pela massa dos
mente, cientistas sao forc;;aclos a escolher entre simplicidadc corpos envolvidos. Ja que a massa terrcstre e vasta, uma bola
de um !ado e grau de explicac;;ao de ourro. Em Ciltima analise, tanc;;ada de uma janela se movimenta em clirec;;fto a Terra.
tentam otimizar o equilfbrio entre expliGl\aO e simplicidade,
Tal cxplicar,;ao da gravidacle e empiricamente verifidvel.
a fim de conseguir o maximo de explica\ao com um nC1mero
Um pcsquisaclor poclc jogar uma bola pela janela e obscrva-la
mfnimo de fatores. Esta parcimolliCJ e uma qualidade bem
cainclo. Mas isto nao proua a vcrdade cia teoria cia graviclade.
ilustrada pela elegfmcia da famosa equa~·ao de Einstein: e =me!.
0 que 0 pesquisador faz e especificar que se a bola llclO cair, desse assunto, e ambos descobririam que os Rcpublicanos,
a teoria cia gravidade e incorreta. Ja que se observa a bola se como um todo, rem um nfvel educacional mais alto do que
comportanclo como esperaclo, a teo ria cia gra vi clade ncio foi os Democratas. (Deviclo ao faro de que o Partido Democrata
desconfirmada. tambem arrai uma propon;ao maior dos eleitores da classe tra-
Assim senclo, quando afirmamos que uma explica~ao balhadora, enquanro os homens de neg6cios sao mais arrafdos
cienrffica deve sujeirar-se ao teste empfrico, queremos dizer, pelo Partido Republicano.) Os clois cientistas politicos -
mais exatamente, que o pesquisador deve ser capaz de com orientac;oes subjetivas opostas - chegariam a mesma
especificar as condi<;oes nas quais a teoria seria clesprovada. conclusao empfrica.
Neste senticlo e que cientistas falam cia desconfirmabi/idade Cientistas muims vezes cliscordam entre si. Podem oferccer
clas teorias. Se voce falha consistentemenre em desprova r sua explica<;oes claramente diferentes de um evento. Mas, em
teoria, fica crescentemente confiante na corre<;ao deJa. Mas e geral, tais desacorclos envolvem questoes de conceitua<;ao e
importance entencler que voce nunca vai conseguir prouii-/a. clefini<;ao . Assim, um cientisra social pocle relatar que religiosi-
Continuando com o exemplo anterior, outro te6rico clacle se relaciona posiLivamente com preconceito, enquanto
pocleria notar que a bola experimenral era da me.sma cor do outro cliscorda. 0 que d iscorcla provavelmente sugerira que
chao no qual cafa, sugerinclo que corpos cia mesma cor sao uma ou ambas as varaveis fo ram incorretamente meclidas.
mutuamente arrafdos por qualquer razao que c le pucles.se Voce pocleria rea lizar seu proprio estuclo, meclinclo cliferen-
pensar. 0 experimemo inicial daria confirma<;ao as cl uas reorias temenre as cluas va riaveis, e relatar uma rela<;ao negativa
em competi<;ao. A "teoria da atrac;ao pela cor" sugere, porem, e n tre elas. Mas, se os primeiros pesquisadores houvcssem
que se uma bola de cor diferente clo chao for arirada pela relataclo p recisa e detalhadamente o desenho e a execu<;ao
janela, nao deveria cair. Um experimento apropriaclo resu lta ria dos seus escudos e voce conseguisse repl ica-los exatamente,
(esperamos) na clesconfirma<;ao empfrica cia teoria. chega ria ao mesmo achado. E isto que significa a intersub-
jeti vidacle cia ciencia.
hCiencia e lntersubjetiva
b. Ci encia f hberta a Mod i fi ca~6es
Com frequencia se afirma que a ciencia e '·objcriva", mas
tal afi rmac;ao tipicamente resulta em muira confusao quanto ao A sec;ao anterior cleve ter cleixaclo clara que a "ciencia"
que seja "objetividacle". Alem do mais, nota-se crescentemente nao oferece uma sequencia de etapas faceis para atingir "A
nos ultimos anos que nenhum cientista e completamente obje- Verdade". Dois cientistas, ambos aderindo as caracterfsticas
tivo em seu trabal ho. Toclos os cientistas sao '·subjetivos" ate previamente discutidas de ciencia, poclem chegar a explica<;oes
cerro ponto- influenciados por suas motiva<;oes pessoais. Ao bem cliferentes de um fenomeno. Alem disso, pode nao haver,
afirmar que a ciencia e intersuhjetiua, queremos dizer que clois num dado momento, como avaliar os meritos relativos delas.
cientistas com orienta<;oes subjetivas d iferentes chegari am a Se duas explica<;oes se contradizem, as duas nao poclem,
mesma conclusao se cacla um cleles conduzisse o mesmo presumive lmente, estar con·eras. Ou se demonsrra que uma
experimento. Um exemplo de ciencia polftica deve esclarecer clas cluas ou ambas estao incorretas ou se clescobre que as
este conceiro. duas explicac;oes, nao sao, afinal de conLas, mutuamente exclu-
dentes, clevido a uma muclan<;a de paradigma, por exemplo.
A tenclencia clos intelectuais nos EUA se alinharcm mais
com o Partido Democrata do que com o Republicano leva In(Jmeras teorias "cientfficas" do passaclo foram mais tarde
muitas pessoas a supor que os Democratas, como grupo, sao desprovadas e substitufdas por novas teorias. Tuclo que "sabe-
mais escolarizados do que os Rcpublicanos. E razoavel supor mos" hoje era antes previamenre '·conhecido" diferentemenLe
que esta afirma<;ao sarisfaria um cienrista Democrata e abor- e, as vezes, consicleramos ingenuas, tolas ou esrupidas estas
receria um Republicano. Mesmo assim, seria possfvel que os antigas visoes. Vale a pena lembrar, porem, que tuclo que "conhe-
clois cientistas concordassem sobre o clesenho de um projeto cemos" hoje provavelmente sera mudado no futuro e o povo do
de pesquisa para coletar clados no eleitoraclo americana, futuro - nossos arrogantes descendentes - nos consicle-
referente a filia~ao partidaria e nlvel educacion::tl. Os clois rarao ingenuos, tolos ou estupiclos. (Se isto o perturba, talvcz o
rl r · console lembrar-se de ue eles tambem sofrerao a mesma sorte.)
~ Ver, por excmplo, WATSON, j~1mes D. The Double_J felix: New York: :he
A ciencia nao busca a verclade clefinitiva, mas a tttilidade. New American Library Inc., 1968, eo act.:rvo de b1ograf1as de pesqu1sas
Teorias cientJ:ficas nao devem ser julgaclas por sua verdad~ sociais em HAMMOND, Phillip (Ed.). Sociologists at Work. New York:
relativa, mas pela medida de sua utiliclade em mdhorar nosso Basic Books, 1964, e GOLDEN, M. Patricia (Ed.). The Research E.;o..:pericm-
conhecimento do mundo ao rector. ce. Itasca, IL: F. E. Peacock, 1976.
Em ultima analise, as caracterfsticas cla ciencia discuridas • Nao suponha que isto ocorre automaticamente. Muito tem siclo escrito
neste capitulo oferecem um conjunto de clirctrizes que aumen- sobrt.: a tenacidacle com que os cientistas as vezes se apeg::un a "para-
tam a utilidade de dcscobertas e teorias. Investiga<;6es que digmas" estabelecidos ( modelos ou ponros de vista), mesmo em face de
procuram se pautar por tais caracterlsticas produzirao, a Iongo t.:\'idfmcia em contr:'irio e paradigmas adversarios. 0 li\ ro dassico neste
prazo, mais descobcnas uteis do que investiga<;6cs de outros t6pico e de KUIIN, Thomas 5. The Stmcture of Scienti}i'c Reuolutions.
tipos. Assim, uma pessoa pode ser capaz de prever o tempo Chicago: Un1versity of Chicago Press, 1970.
com mais exatidao baseada no seu joelho reumatico do que ' Originalmente, prouar, nesta expressf1o, significl\'a "Lestar", como quando
todos os meteorologistas ciencificos do mundo, mas, a Iongo st.: diz que grandes obstaculos "testaram severamente" o compromisso
prazo, os cicntistas contribuirao mais para o nosso conheci- de alguem. Vale dizer, exce\;ocs eram v istas como amea<;:as ou desafios
mento geral c!a natureza do clima. a regra.
" 13EVERIDGE, W. l. 13. 77Je Art of Scienti}/c Inuestigatioll. 1\:ew York:
Vintage 13ooks, 1950. p.l13.
Resumo ' !3UTIEIU'IELD, Herbert. The Origins of.\Jodem Science. New York: The
MacMillan Company, 1960. p.24.
Este capitulo come<;ou revendo a imagem tradicional
da ciencia, primariamenrc como um conjunro de etapas que 8 Ibidem. p.64.
inevitavelmente conduzem a "Verdade". Esta visao foi contrastac!J
com outra, mais recenre, critica da ciencia, que sugere que
cienristas nao sao tao diferenres dos leigos. Na parte principal
do capitulo, tentamos mostrar que, embora a investiga<;ao Leituras hdicionais
cientlfica nao seja infalfvel, e la difere em aspectos importantes
de outras atividades humanas. Cienti stas estao certamente BEVERIDGE , W. I. B. The A11 of Scientific Investigation. New
sujeitos a todas as fraquezas humanas clas demais pessoas,
mas a cicncia prove um conjunto de diretrizes que pode
York: Vintage Books, 1950. I
BUTIERFIELD, Herbert. The Origim of Modem Sciellce. New
aumenrar a utilidacle das suas investiga<;6es.
Este capitulo abordou a ciencia em geral c o proximo
York: The MacMillan Company, 1960.
GOLDEN, M. Patricia (Eel.). The Research E\perience. Itasca , IL:
I
~
Capitulo 2
\XIHITEHEAD, Alfred North. Science and the J1odem World. New
York: The MacMillan Company, 1925.
tudo o que acontece, voce tera de selecionar seus c.lados. Tenrar New York: Free Press, 1951.
·• STOUFFER, Samud A. Social Researcb to Test Ideas. New York: Free
Press, 1962. p.134-153.
Capitulo 3
5 WARNER, W. Lloyd. Democracy ill jonesville. New York: I larper &. Rov. ,
1949.
Leituras Adicionais
BABBlE, Earl. Observing Ourselves: Essays in Social Research.
Belmont, CA: Wadsworth, 1986.
COOK, Thomas D., CAMPBELL, Donald T. Quasi-Experimenta-
Pesquisa de Survey como
tion: Design and Analysis Issues for Field Settings. Chicago:
Rand McNally, 1979. Metoda das Ciencias Socia is
DURKHEIM, Emile. 7be Rules ofSociological Method. Tracl. Sarah
Solovay e John Mueller. New York: Free Press, 1962. (Eclitado
por George Catlin.)
HOLST!, Ole. Content Analysis for the Social Sciences and
Humanities. Reading: Addison-Wesley, 1969.
HUNT, Morton. Profiles ofSocial Research: TI1e Scientific Study of Human
Interactions. New York: Russell Sage Foundation, 1958.
LOFLAND, John. Analyzing Social Seflings. Belmont, CA: Este livro aborda funclamenralmente a 16gica e as capacidades
Wadsworth, 1984. de um metoclo de pesquisa: 0 survey. Antes de continuar, descre-
veremos rapidamente os componentes do survey tfpico, se bem
McCALL, George, SIMMONS, ]. L. (Eel.). Issues in Participa11t q ue veremos mais ta rde que metodos de survey podem ser
Observation: a Text and Reader. Reading, MA: Addison- aplicados a uma vasta gama de t6picos e desenhos.
Wesley, 1969.
Suponha o interesse de estudar atitudes de estudantes
RAY, William, RAVIZZA, Richard. Methods Toward a Science of de uma universidade. Seleciona-se uma amostra de centenas
Behavior and Experience. Belmont, CA: Wadswonh, 1985. de estudantes da totalidade do corpo discente. Um questio-
WALLACE, Walter. 7be Logic of Science in Sociology. Chicago: nario e elaborado para obter informa~oes (por exemplo, ati-
Aldine-Atherton, Inc., 1971. tudes) relevantes ao tema investigado. Os questiom1rios sao apli-
cados a amostra de alunos, au·aves de enrrevistas pessoais,
por telefone ou por correio. As respostas de cada estudante
cia amostra sao codificadas de forma padronizada e registradas
de forma quantitativa. A seguir, transferem-se as respostas
codificadas de cada aluno para disquetes de computador. Os
registros padronizados de todos os alunos sao submetidos a uma
analise agregada, para fornecer descri~oes dos estudanres cia
amostra e cleterminar correla~oes entre cliferentes respostas. As
conclusoes descritivas e explicarivas obtidas pela analise sao,
enrao, generalizaclas para a popula~ao cia qual a amostra foi
selecionacla, neste caso toclo o corpo estuclantil.
0 Bureau clesempenhou um papel singularmenre imponanre
Breve Hist6ria da Pesquisa de Survey no clesenvolvimento de defini~oes padronizadas de amostragens
e de metodos para a implemenra~ao destas defini~6es no
Pesquisa de survey apresenra semelhan~as suficienres
campo. Ao mesmo tempo, os dados gerados pelo Bureau
com outros merodos de pesquisa para ter uma hist6ria bem
c. mstitufram um valioso recurso para o desenvolvimento de
longa. Em particular, surveys sao muito semelhantes a censos
desenbos de amostras em surveys especificos. (0 Capitulo 6
sendo a diferen~a principal entre eles que um survey, ripica~
mente, examina uma amostra de popula~ao, enquanto o censo ilustra esre ponto com detalhes.)
geralmente implica uma enumcra~ao cia popula~ao roda. A segunda foote de clescnvolvimemo foram as atividades
Censos remontam, no mfnimo, ~~ antiga civiliza~ao egfpcia, de firmas comerciais de pesquisas de opiniao, entre elas as
onde OS governanteS julgavam Uti! colher clados empfriCOS descre- organizadas por George Gallup, Elmo Roper, Louis Harris e
venclo seus suditos. As fun~6es polfricas da pcsquisa de swvey outros. Estas firmas foram uma fonte continua de funclos para
continuam ate hoje, com a continua~ao dos ccnsos, a apari~ao apoiar 0 desenvolvimento e 0 uso de metodos de survey, princi-
de pesquisas politicas encomencbdas por cancliclmos e usos feitos palmente nas areas de marketing de proclutos e de pesquisas de
por soci6logos politicos. Um clos primeiros usos politicos do polfticas. Em epocas e m que nao havia recursos para sustemar
survey de aritucles ocorreu em 1880. Um soci6logo politico alemao pesquisas academicas de survey, estas empresas come rciais
enviou questionarios pelo Correia a 25.000 trabalhadores fran- fizeram experimenta~ao com nuJtodos de amost?·agem, reda-
ceses, para averiguar em que grau cram explorados pelos parr6es. ~cio de perguntas, tecnicas de coleta dec/ados e ourros aspec-
Era um questionario bem Iongo, incluindo item; como: tos de pesquisa de survey. Alem c.lisso, pesquisas comerciais de
opiniao rem siclo uma fonte de dados de valor incalculavel
Seu empregador ou representant<.: dell: Ianr;a mao de pa ra analise secundaria, e numerosos livros e arrigos acade-
desonestidacle para priv{t-lo de parte do seu sal{trio? micos foram publicados relatando analises mais detalhadas de
Sc voce se abastece nos armazens cia empresa, a qualidade dados coletaclos inicialmente para fins c.lescritivos e comerciais. 3
dos produtos serve de prerexto para dedu~·C>cs fraudulentas Terceiro, o refinamento cientlfico da pesquisa de swvey,
do seu sai:Jrio'' sobretudo metodos sofisticac.los de analise, foi em grande parte
o procluto de algumas poucas universidacles americanas. Mais
0 pesquisador em questao era Karl Marx. 25.000 questio- especificamenre, clos esfor~os de dois homens e, mais tarde,
narios foram enviados e nao ha qualquer registro tie que algum
de centros de pesquisas de survey. Samue l A. Stouffer c Paul
tenha siclo retornado.
F. Lazarsfeld devem ser consicleraclos pioneiros da pesquisa
Informa-se tambem que Max Weber, um dos fundadores de survey como e la e conhecicla hoje.
cia sociologia moderna, usou metodos de pesquisa de survey
A obra pioneira de Stouffer consistiu, em grande parte,
no seu estuclo sobre a etica protesranre. Alem do exame
em tentativas de aplicar metodos empfricos de pesqu isa social
hist6rico comparative do clesenvolvimenro econ6mico, ele
a problemas sociais, come~anclo com analises clos efeitos cia
tambem estuclou operarios protesrantes e cat61icos, para
Depressao nos EUA e com coleta de dados sobre o status
obter clados confirmat6rios em nlvel indiviclual. 2
dos americanos negros nos anos 30.' Na II Grande Guerra,
Mas a maioria cia pesquisa de survc:.vcontemporanea foi Stouffer dirigiu o Departamento de Informa~ao e Educa~ao
realizacla neste seculo por pesquisadores amcricanos. 0 esraclo do Exerciro dos EUA, reunindo um grupo emcrgente de cientistas
atual do metoda resulta de impottante trabalho de clesenvol\'i- sociais para examinar temas relevantes ao sucesso americana
mento em trcs setores clistintos cia sociecladc americana. na guerra. 5 Durante a era McCarthy, no infcio clos anos 50,
Primeiro, o trabalho ininterrupto do U. S. Bureau of Census Stouffer realizou surveys nacionais para examinar os efeitos
fez imporranres contribui~6es aos campos de arnostragem e cia cruzada anticomunista. 6
coleta de dados. Apesar do Bureau ser mais con heciclo pelo
Nestcs e em inumeros outros estudos, Stouffer procurou
recenseamento c/ecenal da popu l a~ao americana, a grande
desenvolver metoclos cientificos de pesquisa cmpirica, ac.lequados
maioria clas ativiclades cia agencia rem a ver com uma scrie
ao exame clos fenomenos sociais . Seus esfor~os conravam com
continua de surveys amostrais que constantemente atualizam
um solido treinamento cienrlfico pelos estatfsticos briranicos
dados demograficos e economicos entre os recenseamentos.
Karl Pearson e R. A. Fisher, bem como de sua criativiclade inata. 0 0 Bureau, porem, conseguiu sobreviver no pos-guerra.
legado de Stouffer e eviclentc em clesenhos de pesquisas, metoclos Organizar;6es semelhantes, estabelecidas depois, incluem o
de amostragem, clesenhos de questiom1rios, logica de analise e Survey Research Center na Universidade cia California em
outros metoclos de survey ainda hoje usaclos correntemente. Berkeley, o National Opinion Research Center na Universidade
Paul Lazarsfeld trouxe para os EUA uma formar;ao intelec- de Chicago, o Institute for Social Research cia Universidacle de
tual europeia. Como Stouffer, interessava-se pelo estudo de Michigan, o Survey Research Center na Universidade cia California
fen6menos sociais como lideranr;a, comunicar;6es, compOitamento em Los Angeles, e o Survey Research Laboratory cia Universiclacle
econ6m.ico e profiss6es. No exame desses topicos, Lazarsfeld, como de Wisconsin.
Stouffer, desenvolveu tecnicas rigorosas para aplicar metodos Alem clestas instituir;oes, ha atualmente institutes e centros
empfricos a quest6es sociais. Na area do comportamento semelhantes em campi universitarios espalhaclos pelos EUA
politico, ele achou importante examinar o voto como processo e pelo munclo, servinclo a diversas funr;oes. Primeiro, embora
e nao como evento singular. Para isso, projetou e realizou os departamentos acaclemicos freqlientemente oferer;am ensino
estudos de paineis, reentrevistando um determinado grupo em sala de aula sobre metoclos de survey, os cemros de
de respondentes em ocasi6es diferentes durante uma campanha survey caracteristicamente permitem que estudantes recebam
polltica, acompanhando assim mudanr;as nas intenr;6es de rreinamento pratico de aprendizaclo, muitas vezes trabalhando
voto ao Iongo do tempo. Nao contente em clescrever, Lazarsfelcl como assistentes de pesquisa. Segundo, inumeros surveys sao
combinou este esforr;o com um exame cuidadoso dos fatores realizados em tais centros, bancados por subvenr;oes gover-
demograficos e sociais associados as muclanr;as observaclas. 7 namentais e de funclar;6es ou encomenclados por clientes
comerciais. Os centros tambem ciao consultorias e fazem
As contribuir;6es de Lazarsfeld para o desenvolvimemo
outras prestar;6es de servir;os a pesquisadores usuaries de
cla pesquisa de survey foram tantas que nao se pocleria enumera-las
metoclologias de survey. Finalmente, esses centros clesempenham
todas aqui; mas tres merecem ser citadas. Primeiro, a carreira u m papel importante no desenvolvimento metodologico da
de Lazarsfeld correu paralela ao desenvolvimento tecnico clos pesquisa de survey. Enquanto um pesquisador individual
equipamentos mecanizados de processamento de dados - conduzindo um projeto de pesquisa pode relutar em experimentar
inicialmeme os perfuradores e separadores de cart6es e depois tecnicas alternativas de coleta de dados, uma uniclade organizada
os computadores. Deve-se creditar a ele o reconhecimento do de pesquisas e capaz de faze-lo em diversos estudos.
potencia l de uso desses equipamentos na pesquisa social
Antes de concluir esta breve historia do survey, devemos
analftica e haver encaminhado jovens cientistas sociais para
mencionar o papel desempenhaclo pelas associar;6es profis-
realizar esse potencial.
sionais. Ao Iongo dos anos, associar;6es profissionais, cujos
Segundo, Lazarsfeld usou equipamentos mecanizaclos membros freqlientemente utilizam metodos de survey, tem
de processamento de dados para elucidar e forma lizar a logica promovido discuss6es de novas tecnicas e descobertas
cia analise de survey. Enquanto a engenhosidacle de Stouffer o empfricas em suas reuni6es e publicar;6es especializaclas.
levou a sugerir raz6es para relar;oes observaclas nos esrudos Talvez as tres associar;oes principais neste aspecto sejam a
sobre o Exercito americana na II Guerra Mundial, foi Lazarsfeld American Sociological Association, a American Political Science
quem formalizou estas raz6es num modelo logico destas Association e a American Marketing Association. Tambem a
relar;6es, mostrando como o modelo podia ser implementado AAPOR (American Association for Public Opinion Research)
na pratica. 8 (Este topico e discutido mais detalhadamente no tem sido de grande relevancia para os pesquisadores de
modelo de elabom(:ao, Capitulo 15.) survey, reunindo praticantes dos setores academico, comercial
A terceira grande contribuir;ao de Lazarsfeld foi a criar;ao e governamental. A Public Opinion Quarterly, publicar;ao
do centro permanente de pesquisas de apoio aos metodos de trimestral da AAPOR, eo vefculo chave cia pesquisa de survey.
survey, comer;anclo com a organizar;ao do Bureau for Applied Capftulos subseqliemes rasteiam a historia de certos
Social Research na Columbia University. A semelhanr;a do componemes da pesquisa de survey. Contra o pano de funclo
grupo de pesquisas de Stouffer no Exercito, o Bureau reuniu desta breve visao geral, vamos examinar agora o Iugar da
e treinou uma legiao de jovens e brilhantes cientistas sociais; pesquisa de survey no contexto geral da ciencia.
nao afetaria envolvimento na igreja. Os dados disponfveis
Caraderlsticas Cientlficas da Pesquisa de Survey inclicavam se as entrevistadas na pesquisa ja haviam ocupaclo
algum cargo em institui~ao secular. Esperavamos, logicamente,
Como ja foi observado, a pcsquisa de surveye s6 uma de
que, entre mulheres com cargo na vida secular, classe social
muitas ferramentas de pesquisa disponfveis p;ra pesquisa-
nao aferaria envolvimemo na igreja. Esra expectativa foi testada
dores sociais. Vale a pena repetir que mctodos de survey nao
empiricamente e provou estar con·era.
sao apropriados a muitos t6picos de pesquisa, nem oferecem
necessariamente a melhor abordagem a assuntos aos quais 0 formato da pesquisa de survey muitas vezes permite
podem ser aplicados. Mesmo assim, o swvey pode ser usado desenvolvimento e teste rigorosos, passo a passo, de tais expli-
car;:oes 16gicas. Alem clisso, o examc de centenas e are milhares
vantajosamente no exame de muitos temas sociais e e particu-
de entrevistas de survey permite testar proposi~oes complexas
larmente eficaz quando combinado com OLllr'OS metodos.
envolvendo cliversas variaveis em inrera~ao simultanea.
Mais impoitame, acredito que a pesquisa de swvey oferece
o melhor exemplo para ensinar metoclologia nas ciencias
sociais. Se voce compreencle bem a 16gica e as capacitar;:oes h Pesquisa de Survey£ Deterministica
da pesquisa de survey, esti muito bern preparado para aprender
Sempre que o pesquisaclor de survey procura explicar
c usa r outros metodos de pesquisa social. Digo isto porque
as razoes para e as fontes de evenros, caracterfsticas e correla~oes
vejo a pesquisa de survey como um crustacea: todos os ossos
observaclos, a investiga~ao deve assumir uma postura deter-
estao do !ado de fora. Nos capftulos seguintes examinaremos
minfstica. 0 faro do formato survey permitir elabora~ao clara e
cuidaclosamente toclas as aproxima~oes, compromissos e outras rigorosa de um moclelo 16gico clarifica o sistema cleterminfstico
carencias cia pesquisa de survey. Como discutiremos em breve, de causa e efeito.
a pesquisa de survey rem uma funr;:ao pedag6gica, porque
Alem clisso, a clisponibilidade de numcrosos casas e
todas as deficiencias ficam mais claras nela do que em outros
variaveis permite ao analista documentar processos causais
meroclos de pesquisa social, permitinclo assim a\·aliar;:oes
mais elaborados. Podemos ir alem cia observar;:ao inicial de
mais conscienres de suas implicar;:oes.
uma correla~ao entre variavel inclependente e dependente, para
exami nar o papel de cliversas variaveis intervcnientes. Assim,
h Pesquisa de Survey f L6gica voltanclo ao exemplo acima, notamos que classe social nao afeta
diretame nte envolvimento de mu lheres episcopais na igreja,
Pesquisa de survey c guiada por rodas as restri~oes 16gicas te ndo efeito atraves cia variavel interveniente gratifica~ao
ja abordaclas nos clois capfrulos anteriores. Alem do mais, secular. Mu lheres de classes sociais baixas rem probabiliclacle
na prarica, os dados de survey facilitam a aplicar;:ao cuidadosa do menor de serem eleitas para ocupar cargos em organizar;:oes
pensamento 16gico. Embora esre t6pico va ser exploraclo com seculares. Conseqi.ientemente, estas mulheres, como grupo, se
mais deralhes no Capitulo 15, um exemplo sera apropriado agora. cnvolvem mais na vida cia igreja, mas, se recebem gratificar;:ao
Num estudo sabre envolvimento de episcopais na sua secular, sua classe social nao afeta envolvimento na igreja.
igrcja, 9 Charles Glock, Benjamin Ringer e eu descobrimos que
mulheres de classe social baixa eram mais atuantcs do que h Pesquisa de Survey f Geral
mulheres de status social mais alto. Quanta mais alta a classe
social, menor a participa~ao. Procuramos explicar csre fen6- Surueysamostrais quase nunca sao realizaclos para descrever
mcno em rermos da teoria da jJrivar,:clo do ellvolvimelllo na a amostra paiticular estuclacla. Sao rcalizaclos para se entender a
igreja- pessoas a quem se nega prestfgio e status na socieclacle popular;:ao maior cia qual a amostra foi inicialmente selecionacla.
secular se envolvem mais provavelmente na vida cia igreja Assim, a Gallup pode entrevistar 1.500 eleitores americanos para
como fonte a lternativa de gratificar;:ao. Sugerimos que a maior predizer como dezenas de milhocs vorarao no dia cia elei~ao.
intensiclade de atividade na igreja de mulheres de classe social Su rueys amostrais de consumidores vi sam conheccr preferencias
baixa reflete a maior privar;:ao delas na socieclaclc secular. c comportamentos de consumidores em geral.
Por exrensao, sugerimos que, entre as mulheres que gozavam Do mesmo modo, anal ises explicativas em pesquisas
de algum grau de gratificar;:ao de status secular, classe social cle survey visam desenvolver proposi~oes gerais sabre
compo1tamento humano. 0 forma to survey permite este objetivo apro a descobrir que respondentes descritos como "muito
cientffico generico de duas maneiras. Primeiro, o grande preconceituosos" sao os que concordaram com cinco itens
numero de casos estudaclos num survey permite que achados especfficos do questionario. Os crfticos podem objetar que este
possam ser replicados entre varios subconjuntos cia amosrra cntc·no nao capturou plenamente 0 significado de "preconceito"
do survey. Se uma correlac;:ao geral e encontrada, por exemplo, como eles- e, par extensao, OLltrOS- entendem o tenno. Poclem,
entre escolaridade e paclroes de compra, os pesquisadores t:nllio, decidir que a conclusao geral nao rem funclamenro.
conseguem determinar facilmente se esta rela<;:f10 ocorre igual- De cerro modo, tal resposta seria valida. A conceituac;:ao
mente entre homens e mulheres, proteswntes e cat6licos, e a medic;:ao de variaveis estao no ftmago cia pratica cientffica, e
brancos e negros, pessoas de regioes geogr:lficas diferentes se variaveis nao sao aclequadamente conceituadas e medidas,
etc. Replicar um achaclo entre subgrupos diferentes fortalece correlac;:oes observaclas entre elas podem nao fazer sentido.
a certeza de que ele represema um fen6meno geral na sociedade. Assim, se observaclores independentes discordarem sabre
Segundo, o relato cuidacloso cia metodologia de um survey como variaveis fo ram medidas, poclem discorclar logicamente
faci lita replicas posteriores por parte de OLltrOS pesqu isaclores cia conclusao geral.
e/ou entre Oll[ras amostras e subgrupos. Deste modo, a genera- Muitas vezes se passa por alto esta facilidade com que
lizabilidade dos achados pode ser testada e retestada.
Jeirores crlticos podem chegar a, e talvez, documentar seus
desacordos. Porque os analistas de swvey descreveram preci-
APesquisa de Survey f Parcimoniosa samente como desenvolveram e fizeram suas medidas, o leitor
sabe exatamente o que estas meclidas representam. A superficia-
Como pesquisaclores de survey rem a disposic;:ao um lidade e as aproxima~oes que fazem parte de toda pesquisa
grande numero de variaveis, estao em posi<;ao exceleme para cientffica sao, simplesmente, mais aparentes num survey.
examinar cuidaclosamente a importancia relativa de cada uma.
Em contraste, suponha que voce estudou a rela~ao entre
Como toclo cientista, pesquisaclores de survey querem obter o
maximo de compreensao com o menor numero de variaveis. conservadorismo e preconceito contra mulheres mergulhanclo
Nao precisam aclivinhar as variaveis mais relevantes no desenho como observador panicipante em varios grupos pollticos.
inicia l do estudo, contudo (ou, pelo menos, nao tanto quanto Voce pode relarar que suas observa~oes sugerem que os
pcsquisadores usando outros metoclos). Ja que o Formato survey liberais tem mais preconceito contra mulheres que os conser-
permite obter muitas variaveis que podem ser quantificaclas vadores. Em seu relat6rio, voce pocle c.lescrever qualitativa-
e p rocessaclas por computador, os pesquisadores de survey me nte como distingu iu conservaclores de liberais e precon-
podem construir varios modelos explicativos e entao selecionar ceituosos de nao-preconceituosos, captanc.lo a profundidade
o que melhor servir seus prop6sitos. de significado que estes termos tem no uso cla linguagem
comum, evitando assim a aparente superficialidade de itens
de quesrionarios e meclidas de survey.
APesquisa de Survey f fspecifica Infelizmente, o observac.lor independente nao tem como
No contexte cia caracterfstica cientffica cia especificidade, saber precisamente como suas clescri<;oes foram usadas na pratica,
a natureza tipo crustacea cia pesquisa de surveye extremamente nem como julgar ate que ponto seu vies, talvez inconscienre, pode
relevante. Ironicamente, esra caracterfstica tambem expoe os ter afetado suas classifica~oes de pessoas em termos de polftica
metodos de survey a um maximo de crfticas. e preconceito. Isto nao quer dizer que suas observa~oes e
designac;:oes foram rendenciosos ou que sua conclusao estava
Suponha que um su1·uey conclua que conservadorismo
incorrera. E importante, porem, o faro de que nem voce nem
polfrico e preconceito contra mulheres se relacionam posiriva-
o observador inclependente sao capazes de clecidir a respeito.
mentc. Tal conclusao se baseou em defini<;oes operacionais
(Deve-se observar, e claro, que, na pn1tica, a observac;:ao
especfficas de conservadorismo e de preconceito contra
participante varia em rigor c cspccificidade. 0 ponto e que 0
mulheres. A medic;:ao de cada variavel foi construfda a partir de
proprio metoda for<;:a o pesquisado de survey a ser explfcito.)
respostas especificas a itens especfficos de qucstionario cocli-
ficados e quamificados de fonna especffica. Vista que todos estes A pesquisa cientffica visa a conccituac;:oes e medidas
detalhcs constam do relat6rio cia pcsquisa, o leitor crftico csta cada vez mais sofisticadas e uteis, mas a cada passo do caminho
os metodos usados devem ser especificados. Por sua propria Todavia, o objetivo logico de isolar variaveis relevantes pela
exclusao cia influencia de variaveis estranhas e a mesma para
natureza, a pesquisa de survey se encaixa como uma luva
OS dois metodos.
nesta caracterfstica.
Segundo, a coclificac;;ao das respostas do survey e essen-
cialmente uma instancia de analise de conte(ido. Frequente-
Conclusoo mente, o pesquisador de survey fara perguntas abertas que
pedem resposta nas proprias palavras do respondente. Tais
As demais caracteri'sticas cia ciencia sao igualmenre rele-
respostas, porem, devem sempre ser codificadas em tipos de
vanres no contexto cia pesquisa de survey. Onde a ciencia deve respostas. Pode, entao, ser necessario coclificar um conjunto
ser empil-icamente verificavet, a pesquisa de survey oferece um de resposras como apoiando ou oponclo-se em geral a uma
metoclo de verificac;;ao emplrica. Os comenrarios nas sec;;oes dererminacla lei. A esse respeito, os pesquisaclores de survey
anteriores tambem ilusrram como o fonnato survey e acle- rem mu ito a aprender com as experiencias e metodos dos
quado a intersubjetividade. analistas de conteudo.
Finalmente, metoclos de pesquisa de survey facilitam a Terceiro, as entrevistas de survey poclem beneficiar-se
abertura da ciencia. ]a que a pesquisa de survey envolve a com a experiencia dos observadores parricipantes. Metoclos
coleta e quantificetfdo de dados, os dados coletaclos se rornam para obter rapport, manter neurraliclade e fazer observac;;oes
fonre permanence de informac;;oes. Um corpo de clados de precisas sao importances para ambas as atividades.
survey pode ser analisado pouco clepois cia coleta e confirmar
uma determinada teoria de comportamento social. Se a propria
teoria sofrer modificac;;oes mais tarde, e sempre posslvel retornar h Pesquisa de Survey f Realmente (ientrfica?
ao conjunro de dados e reanalisa-los sob a nova perspectiva
teorica. Esta nova analise nao poderia ser realizacla tao facil- Em vista das crlticas por vezes feitas aos cientistas sociais,
menre no caso de metodos de pesqu isa menos rigorosos e aos pesquisadores de sw·vey e aos sociologos praticantes de
menos especfficos. survey em patticular, permito-me concluir este capitulo um tanto
chauvinistamenre. Ha varios anos, Allan Mazur publicou um
artigo intitulaclo "A Menor das Ciencias", 10 oncle levanrava a
Compara~ao do Survey com Ouhos McHodos questao de se a sociologia podia ser chamacla de ciencia. Como
sugere o titulo do artigo, ele concluiu que essa clesignac;;ao mal se
As scc;;oes anteriores mostraram diversas comparac;;oes justificava. Nao e de se surpreencler que o artigo suscitasse
entre pesquisa de survey e outros metoclos cientlficos de pes- respostas imediatas e muitas vezes acaloraclas.
quisa social. Foi salientado que uma investigac;;ao abrangente Como a maioria dos seus comentaristas, positivos ou
se beneficiaria com 0 uso de merodos cliferentes focaclos num negativos, Mazur tambem concordaria que nenhuma resposta
so topico. A esse respeito, tres ponros devem ser ressaltaclos. definitiva e posslvel na questao de se uma d isciplina como a
sociologia e ou nao uma ciencia. Como vimos no Capitulo 1,
Primeiro, a logica do experimento conrrolado pocle se
qualquer clefinic;;ao de ciencia deve ser arbitraria; portanto, nao
constituir num guia uti! a logica cia analise do survey. Onclc
pode haver respostas absolutas. Ao mesmo tempo, a questao
o experimentaclor isola a variavel experimental pelo uso de
merece ser discutida, mesmo nao podenclo ser respondida.
grupos emparelhaclos ou ranclomizados- grupos experimental
e de controle - , o analisra do survey busca o mesmo fim Penso que, no futuro, pesquisadores olharao para tras,
conrrolando as variaveis post-facto. Por exemplo, o experi- para essa era, e concluirao que o uso cia pesquisa de survey
menrador pode garantir que os grupos experimental e de por sociologos e outros cienristas sociais foi um perfoclo crftico
controle tenham a mesma distribuic;;ao de sexos, para evitar no desenvolvimento da ciencia em geral. Esta expecrariva
uma possfvel influencia desra variavel no experimento. 0 hipoterica nao e um mero vago sonho megalomanlaco de um
analista do survey consegue isto garantindo que subgrupos pesquisador de survey que, por coinciclencia, foi treinado
na amosrra tenham a mesma disrribuic;;ao de sexos ou testando como sociologo. Os comentarios de clois ourros pesquisadores
separadamente a relac;;ao observada entre homens e mulheres. ilustram a razoes desta expectativa.
0 economista Daniel Suits, falando ha alguns anos em outros cientistas tem problemas de amostragem - geneticistas,
Honolulu, numa conferencia de pesquisadores e planejadores por exemplo - , e cientistas sociais rem encontrado orienta~ao
govemamentais, abandonou a costumeira tenninologia academica nos trabalhos de outras clisciplinas. Nao obstante, os problemas
e nao falou nem das "ciencias duras" (como ffsica e qufmica) nem de amostragem e de generalizabilidade sao maiores no escudo
das "ciencias macias" (como sociologia, ciencia polftica e pes- do comportamenro social. Pesquisa de sumey e um vefculo exce-
quisa de mercado), preferinclo distinguir entre ciencias "duras" lente para 0 clesenvolvimento de metodos uteis e, por extensao,
e "faceis". Seu ponro era que ffsicos podem realizar pesquisas de entendimento mais amplo.
cientfficas facilmente, dado o assunto com que trabalham, enquamo 0 ato de mecllr e outro exemplo dos problemas da pesquisa
cientistas sociais tem um osso muito mais duro para roer. de survey. Suponha que voce esta tentando meclir algo como
Ma11in Trow rasteou algumas clas implica~oes clesta situac;ao preconce ito. Nao ha conceitua~ao clara ideal a partir da qual
num contexto diferente. 11 Aborclando OS usos dos metodos trabalhar, nem ha opera~ao de mecli~ao facil, disponfvel para
de sut·vey no campo cia educa~ao, Trow notou uma anomalia se aproximar desse ideal. Se voce usar tecnicas de survey, o
interessante. Ele obse1vou primeiro que o ambience educacional problema e ainda mais basico. Voce pode clescobrir que um
e quase ideal para pesquisa de survey: OS entrevistados sao item do questionario produz uma resposta preconceituosa
articulaclos, conhecem questionarios, sao faceis de enumerar de um respondence, enquanto outro item gera uma resposta
e amostrar, e os questionarios poclem ser administrados em nao-preconceituosa. Mais ainda, uma pequena varia~ao na
condi~oes controladas na sala de aula. Trow indagou , entao, reda ~ao de um item pocle afetar a resposra obtida.
por que a maioria dos surveys educacionais sao tao triviais e Do mesmo modo, os cientistas sociais reconhecem que
nao-sofisticados? Sua resposta foi que as condi~oes sao boas a simples presen~ dos pesquisaclores pocle afetar os entrevistaclos.
demais. Pesquisadores educacionais nunca riveram que lidar Peclir uma opiniao pocle cristalizar mais aincla a opiniao que
com condi~oes imperfeiras de pesquisas e como nunca foram existia antes cia entrevista; alguns paiticipantes fonnam opinioes
obrigados a fazer compromissos e aproxima~oes no desenho na hora. Seria como se nas ciencias ffsicas uma barra de metal
e na execu~ao clas pesquisas, nunca tiveram clificuldades com esticasse ou encolhesse de comprimento quando um ffsico
a 16gica basica cia pesquisa cientffica de survey. Nunca tendo chegasse para medi-la. Claramente, a siruac;ao enfrentada pelos
de se afastar do ideal 6bvio, nunca conseguiram entcncler cienrisras sociais requer uma compreensao mais sofisticada de
plenamente por que ela era considerada ideal. conceirua~ao e medi~ao. A multiplicidade de variaveis rele-
Penso que esta observa~ao de Trow rem um significado vances e a natureza complexa e probabilfstica de causa~ao
bem mais geral. As pr6prias aclversiclades com que as ciencias no comportamento social pedem um entendimento mais sofisti-
sociais se deparam requerem a cria~ao de um sistema 16gico cado do que a ciencia realmente e. A lista de exemplos seria
de entenclimenro mais sofisticado. Alem disso, a pesquisa interminavel.
de survey, por causa de sua especificiclade operacional, pode Neste contexto, observe-se que as "ciencias faceis" nao
prover o vefculo mais uti! para lidar com tais adversiclacles sao tao claras e cliretas como se imagina. Por exemplo, os
de forma rigorosa e sistematica. Alguns exemplos esclarecem ffsicos sabem que nao podem simultaneamente meclir o Iugar
mais este ponro. e a velocidacle de um objeto; meclir um afeta o ourro. Cie nrisras
Quando qufmicos clesejam esrudar as propriedacles do medicos sao obrigados a usar placebos (pflulas de ac;ucar, por
hidrogenio, provavelmente nao se preocupam muito com exemplo) para testar drogas novas porque alguns pacientes
tecnicas de amostragem. Ja que um atomo de hidrogenio e parecem melhorar quando acreclitam estar recebenclo uma
igual a qualquer outro, qualquer aromo serve para o escudo. poderosa droga nova e/ou porque os pr6prios pesquisaclores
Mas cientistas sociais nao podem estudar qualquer inclivfcluo medicos podem ver clesenvolvimentos otimistas em pacientes
ou grupo de indivfduos que lhes sejam conveniences. Os que eles acreclitam estar recebendo a nova clroga. Ao mesmo
qufmicos podem generaliza r seus achados para qualquer tempo, ffsicos nucleares afirmam que partfculas se movimen-
hidrogenio baseados apenas no escudo de atomos conveniences, tando numa certa clirec;ao sem receber impulso adicional prova-
mas os cientistas sociais devem desenvolver um entendimento velmente continuarao a se movimentar naquela mesma clire~ao.
mais sofisticado do conceito 16gico de generalizabilidade, bem Em suma, as ciencias socia is sao um exemplo fmpar do
como dos metodos operacionais para alcan~a-la. Evidentemente, que o ffsico Heinz Pagels chama de as ciencias da complexidade. 12
Pagels argumenta que o desenvolvimento do computaclor Leituras ~dicionais
representa uma inova~ao na possibilidadc de lidar com sistemas
complexos, e em nenhuma area isro e mais verdade do que BAINBRIDGE, William Sims. Survey Research: A Computer-
nas ciencias sociais. Sugiro ate que o computador sera para Assisted Introduction. Belmont, CA: Wadsworth, 1989.
as ciencias sociais o que o telesc6pio foi para a astronomia e
o microsc6pio para a biologia. Neste proccsso, as ciencias DILLMAN, Don A. Mail and Telephone Surveys. The Total Design
sociais expandirao radicalmente nossa visilo do que pode Method. New York: John Wiley & Sons, 1978.
ser a ciencia. GLOCK, Charles Y. (Ed.). Swvey Research in the Social Sciences.
New York: Russell Sage Foundation, 1967.
Netas
LAZARSFELD, Paul F. "Introduction" to Samuel A. Stouffer. In:
1
BOTfOMORE, T. B., RUBEL, Maximilien (Ed.). Karl Mm:\~ Selected
Writings in Sociology and Social Philosophy. New York: McGraw-Hill, STOUFFER, Samuel A. (Ed.). Social Research to Test Ideas.
1956. Ver pagina 208 para as questoes citadas. New York: Free Press, 1962. p .XV-XXXI.
2
LAZARSFELD, Paul F., OBERSCHALL, Anthony R. Max Weber and Empi- PUBLIC OPINION QUARTERLY, v.51, n.4 (Parte 2). Edi~ao de
rical Research. American Sociological Review, p.185-199, abr. 1965. 502 aniversario (inverno 1987) com varios artigos revendo a
3
hist6 ria da pesquisa de survey.
Ver, por exemplo, HYMAN, Herbe1t. Seconclmy A11alysis ofSample Survey.
New York: john Wiley & Sons, 1972.
4
Uma 6tima revisao da obra de Stouffer pod<.: ser encontrada no livro
p6stumo de STOUFFER, Samuel A. Social Researcb to Test Ideas. New
York: Free Press, 1962.
7
LAZARSFELD, Paul F. Tbe Peoples Cboice. New York : Columbia Univer-
sity Press, 1948.
ll PAGELS, lleinz. The Dreams of RC/aSOII. New York, NY: Simon & Schus-
ter, 1988.
Desenho de Pesquisa de Survey
UPilULO 4
liPOSOf D£S£NHOS Of PfSQUISAS
CAPilULO 5
ALOGICA DA AMOSlRAGfM DO SURVEY
UPilULO 6
£X£MPLOS Of D£S£NHOS Of AMOSlRAGfM
CAPilULO 7
CONCfllUAChO £ D£S£NHO Of INSlRUMfNlOS
CAPilULO 8
CONSlRUCho Of iNDICtS£ fSCALAS
Sao estes enrao os desenhos basicos e as varia<;;oes LAZARSFELD, Paul F., PASANELLA, Ann K., ROSENBERG, Morris
mais comuns disponfveis ao pesquisador de swve_)•. A discussao (Ed.). Continuities in the Language ofSocial Research. New
anterior de modo algum exaure as possibilidades de desenho York: Free Press, 1972. se<;;oes III-IV.
mas deve oferecer-lhe cstfmulo c orienta<;;iio suficientes para' MILLER, Delbert. Handbook of Research Design and Social
construir o desenho de estudo mais apropriado as suas neces- Measureme11t. New York: Longman, 1983.
sidades de pesquisa.
Os melhores estudos muitas vezes sao os que combinam
mais de um descnho, ja que cada desenho da uma perspectiva
diferenre ao assunro estudado. Ao mcsmo tempo, voce cleve se
prec:wer contra desenhar urn survey tao complexo que nao haja
tempo nem dinheiro para executa-lo. ja enfatizamos no Capitulo
3 que rodos os desenhos de survey representam compromissos.
0 bom pesquisador consegue o melhor comprornisso possfvel.
Notos
1
Para uma discussiio mais abrangente deste t6pico, vide R0131l'\SON, \Y/.
S. Ecological Correlations and the Beha\'ior of Individuals. American
Sociological Review, p.351-357, jun. 1950.
2 Deve-se reconhecer que o pesquisador :ts vezes nao tem condi~oes de
conduzir uma investiga<;iio usando as unidades de analise mais apropriadas.
Nestes casos, uma ··analise ecol6gica" pode ser a (mica abordagem
viavel para o assunto no memento. 0 famoso estudo de Durkheim
sobre suicfdio e um excelente exemplo. Para uma discussiio de como
Durkhcim evitou a falacia ecol6gica, vide SELVJN, Hanan. Durkhcim's
Suicide and Problems of Empirical Research. American .foumal of
Sociology, p.607-619, maio 1958. Outro exemplo e STOUFFER, Samuel A.
Effects of the Depression on the Family. In: STOUl.. FEH, Samuel A. (Ed.).
Social Researcb to Test Ideas. New York: Fret..: Press, 1962. p.I34-153 .
Leituras hdicionais
COOK, Thomas D., CAMPBELL, Donald T. Quctsi-F..".:perimentation
Design and Analysis Issues for Field Senings. Chicago: Rand
McNally, 1963.
GLOCK, Charles Y. Survey Design and Analysis in Sociology.
In: GLOCK, Charles Y. (Ed.). Surve_y Research inlhe Social
Sciences. New York: Russell Sage Foundation, 1967. p.1-62.
Capitulo 5
0 env amostral e discuticlo com mais detalhes numa ses;ao citaclo; tirar uma cara ou uma coroa e independente de sele~oes
posterior deste capitulo . Metodos de amostragem probabilfstica anteriores de caras ou coroas. Outro exemplo e jogar um conjunto
raramente ou nunca fornecem estatisticas exatamente iguais aos de dados perfeitos.
parametros que buscam estimar. Entretanto, a teoria da proba- Estas imagens de sele~ao aleat6ria, contudo, raramente
bilidade permite estimar o grau de erro a ser esperado num se a plicarn diretamente aos metodos de survey por amostragem.
cleterminado desenho de amostragem. E bern mais provavel voce usar tabelas de numeros aleat6rios
ou programas de cornputador que selecionam aleatoriamente
as unidades de amostragem. A disponibilidade destes auxflios
Niveis de Confian~a e lntervalos de Confian~a a pesquisa torna-os um bom come~o para nossa cliscussao
Estes tennos tambem sao discutidos com mais detalhes numa sabre a amostragem aleat6ria.
se~ao posterior. Computar o erro amostral pennite expressar a As razoes para usar metoclos de selet;ao aleat6ria, ou seja,
precisao etas suas estatisticas em termos do nivel de confian~a, tabelas de nlimeros aleat6rios ou programas de computador,
sao duas. Primciro, este procedimento funciona como antfdoto FIGURA 5-1
aos vieses conscientes ou inconscientes do pesquisador. 0 pes- Porcentogem de olunos que oprovom o c6digo edudontil
quisador que seleciona casos de forma intuitiva pode muito
bem selecionar casos que ap6iam cxpectativas ou hip6teses de
0 50 100
pesquisa preexistences. Segundo, a sele~ao aleat6ria da acesso
a teoria da probabilidade, que e a base para as estimativas sobre A Figura 5-2 mostra as tres diferentes estatistica..o:; representando
parametres populacionais e as estimarivas de erro. Passemos
as porcentagens de alunos em cada uma das rres amostras aleat6rias
agora ao exame deste segundo aspecto.
que aprovam o c6digo estudantil. A regra basica da amostragem
aleat6ria e que as amostras extrafdas de uma popula~ao fornecem
Dishibui(oo Binomial do ~moshagem estimativas do parametro relativo a popula~ao total. Pottanto, cada
amostra aleat6ria da uma estimativa da porcentagem de estu-
A forma mais clara de discurir o conceito da distribui~ao dantes em todo o corpo estudantil que aprovam o c6digo de estu-
amostral c usar um exemplo simples de s111vey. Suponha que dantes. No entanto, infelizmente selecionamos tres amostras e
queremos estudar a popula~ao estudantil de uma universi- agora temos tres estimativas distintas.
dade para medir a aprova~ao ou rcjei~ao de urn c6digo de
conduta estudantil proposto pela admin istra~ao. A popula~ao FI GURA 5-2
d o survey sera a agrega~ao de estudantes relacionados numa Porcentogem de ol unos que oprovom o c6digo estudontil
listagem de alunos (a moldu ra de amostragem). Os elementos
serao os estudantes indivicluais da universidadc. A variavel Amostra 2 (51%)
Amostra 1 (48%)\
considerada sera atitudes quanto ao c6digo, uma variavel
binomial - aprovar ou rejeitar. Selecionaremos uma amostra
aleat6ria de estudantes para estimar rodo o corpo estudantil.
.. r'""
[ Amostra 3 (52%)
0 50 100
A Figura 5-1 apresenta um eixo de ordenadas represen-
tando todos os valores possfveis deste parametro na popu-
la~ao - de 0 ate 100% de aprova~ao. 0 ponto medio do eixo FIGURA 5-3
- 50% - representa a situa~ao na qual merade dos alunos Porcentogem de olunos qu e oprovom o c6digo edudontil
aprova o c6digo, enquanto a outra mctade rejeita-o. .....
.......
Vamos supor que demos um numero a cada aluno da lista- ...........
.........
.....••....
............ .
gem, e que selecionamos 100 numeros de uma tabela de numeros ..............
................
aleat6rios. Os 100 estudantes cujos numeros forem sclecionados •...•...•.....••
••..•.............
sao entrevistados e perguntados quanto ~~ sua atitude em rela~ao ......... ... ........
..•..••••..........•
ao c6digo estudantil - se aprovam ou rejeitam. Suponhamos que 80 .::::::::::::::::::::::.
60 ••::~~::::::~::::::::::::::::.
.............•.••••••.....•......
esta opera~ao nos da 48 alunos que aprovam o c6digo e 52 que
rejeitam. Podemos representar esta estatfstica marcando a orde- 40 •••:::::::::::: :::::::::::::::::::::::: ••
200 •• ::::::::::::::::::::::::: : :::::::::::::::::::::
••••••• •• ••• •••• ••••• •• ••••••••••••• •• •••
••••• ••• •••••• •••
nada no ponto correspondente a 48%.
0 50 100
Agora suponha que selecionamos outra amostra de 100
alunos exatamente da mesma forma, que medimos sua
Para escapar deste clilema, vamos extrair mais c rna is amos-
aprova~ao/rejei~ao do c6d igo estudantil e que 51 estudantes
tras de 100 alunos cacla, perguntar a cada uma das amostras sobre
desta amostra aprovem o c6cligo; esse resultaclo pocle ser
sua aprova0io/rejei~ao do c6digo e marcar as novas estatfsticas
representado por outra marca no local apropriaclo cla orclenacla.
no nosso gcifico de resumo. Ao extrair muitas amostras, vamos
Repetindo o processo, podemos descobrir que, muna terceira
clcscobrir que algumas clas novas amostras repetcm as estimativas
amostra, 52 alunos aprovam o c6digo. dadas por amostras anteriorcs . Para explicar csta situa~ao,
acrescenremos um eixo de abcissas a figura , represenrando popula~ao, e outros 34% ate um desvio padrilo abaixo do para-
o numero de amostras que fornecem estimativas. A Figura 5-3 metro. No nosso exemplo, o erro padriio e 5%, enrao sabemos
mostra o produto dos nossos novos esfor~os amostrais. que 34% das amostras clarno estimativas de aprova\aO estudantil
A distribui~ao das estatfsticas amostrais, mostrada na t:ntre 500/o (pariimetro) e 55% (um erro paddio acima); outros 34%,
Figura 5-3, e chamada distribZiifClO amostral. Ao aumentar 0 das amostras mostrarao cst imarivas entre 50% e 45% (um
numero de amostras selecionadas e entrevistadas, tambem dcsvio padrao abaixo do parametro). Reunindo-as, sabemos que
au mentamos a extensao das estimativas fomecidas pela opera~o aproximadamente dois ter\OS (68%) das amostras resultarao em
de amostragem. Num sentido, agravamos nosso dilema de tentar estimativas dentro (mais ou menos) de 5% do parametro.
adivinhar o pariimetro da popula\ao. No entanto, a teoria da Alem disso, a teoria cia probabilidade diz que cerca de
probabilidade oferece certas regras importantes re lativas a 95% etas amostras estarao dentro de (mais ou menos) dois erros
distribui~ao de amostras mostrada na Figura 5-3. paclrao do valor verdadeiro, e 99,9%, das amostras dentro de
Primeiro, se muitas amostras aleatorias indepenclentes sao (mais o u menos) tres clesvios padrao. Neste exemplo, portanto,
extrafdas de uma popula~ao, as estatfsticas amostrais fornecidas sabemos que so uma amostra em mil resultaria numa estimativa
por estas amostras estarao distribuidas em torno do para metro abaixo de 35% de aprova\ao ou acima de 65% de aprova~ao.
populacional de uma forma conhecida. Embora haja uma ampla A propor~ao de amostras caindo entre um, dois ou tres
faixa de estimativas, a maioria esta mais proxima dos 50% do erros padrao do parametro e constante para qualquer procedi-
que de outra parte do grafico. Portanto, a teoria cia probabilidade menro de amostragem aleatoria como a que foi descrita, contanto
nos diz que o valor real esta proximo aos 500/o. que se selecione grande numero de amosrras. Contudo, o tama-
Segundo, a teoria da probabilidade nos chi uma formula nho do erro padrao e uma fun~ao do parametro populacional e
do tamanho da amostra. Se voltarmos a formula, vemos que o
para estimar quao proximo as estatfsticas da amostragem estao
erro padr<1o aumenta como fun~ao de um aumento na quanticlade
aglomeradas em torno do valor real. Esta formula contem tres
PQ. Veja, tambem, que esta quantidade atinge o maximo quando
fatores: o padimetro, o tamanho cia amostra e o erro padrao
a popula\ao e dividicla ao meio. Se P= 0,5, PQ = 0,25; se P= 0,6,
(uma medicla do erro da amostragem).
PQ = 0,24; se P = 0,8, PQ = 0,16; se P = 0,99, PQ = 0,0099. Por
extensao, se P for 0,0 ou 1,0 (isro e, se 0% ou 100% aprovarem o
Formula·. S= - rPQ
'J --;;-'" cocligo estuclantil), o erro padriio sera 0. Se todos na popula\ao
Sfmbolos: P, Q: Os parametres populacionais pa ra o bino- tem a mesma atitucle (sem varia~ao), entao qualquer amostra
mial; se 60% do corpo estudantil aprovam o cocligo clara exatamente a mesma estimativa.
e 40% rejeitam, Pe Q sao 60% e 40%, ou 0,6 e 0,4. 0 erro padrao e tambem uma fun~ao inversa do tamanho
Observe que Q = 1 - P e P = 1 - Q. da amostra. A medida que o tamanho cia amostra cresce, o erro
n: 0 numero de casos em cacla amostra. padrao diminui, e as varias amostras estarao aglomeradas mais
S: 0 erro padrao. proximas ao valor vercladeiro. Ourra regra e evidente a partir cia
formula: devido a raiz quaclrada na formula, 0 erro padrao fica
Suponha que o parame tro populacional seja 50% de apro-
reduzido pela metacle se o tamanho cia amostra for quadm-
va~ao e 50% de rejei~ao. Recorcle que estivemos selecionando
plicado. Em nosso exemplo, amostras de 100 procluzem um erro
amostras de 100 casos cada. Quando estes numeros sao postos
padrao de 5%; par<t recluzir o e rro padrao a 2,5%, terfamos que
na formula, vemos que o erro padrao e igual a 0,05, ou 5%. aumentar o tamanho da amostra para 400. (0 apendice B traz
Em termos da teoria cia probabilidacle, o erro padrao e uma tabela para ajucla-lo a fazer essas estimativas.)
um dado valioso porque indica em que medicla as estimativas 0 que discutimos provem da teoria cia probabiliclacle esta-
amostrais estao distribufclas em torno do parametro popula- belecicla, referente a seJe\iiO de grandes numeros de amostras
cional. Especificamente, a teoria da probabilidacle indica que ale~torias. Se o parametro populacional for conhecido, e
certas propor~oes das estimativas amostrais estao dentro de mun~s amostras alea torias forem selecionaclas, poderemos
incrementos especificaclos de erros padrao do parametro predtzer quantas amostras ca irao dentro de intervalos especifi-
populacional. Aproximadamente 34o/o (0,3413) das estimativas c:dos a partir do parametro. No enranto, estas condi~oes
amostrais estao ate um desvio padrao acima do pariimetro da nao sao tfpicas do survey por amostragem. Usualmente, o
pesquisador desconhece o parametro e conduz um survey A discussao precedente considerou apenas um tipo de
por amostragem para estima-lo. Ademais, os pesquisadores esratfstica - as porcentagens procluziclas por uma variavel
de survey normalmente nao selecionam grandes nt:imeros de b inomial ou dicotomica. A mesma logica se aplica ao exame
amostras, em geral extraindo so uma. Apesar disso, a discussao , k outras estatfsticas, tais como rencla media. Uma vez que
a!i computa<;oes sao mais complicaclas, nesta introclus;ao
acima sobre a teoria cia probabilidade fornece uma base para
consicleramos apenas os binomiais.
inferencias sobre a sirua~o tfpica dos su!Veys.
Advertimos que o uso cia teoria da probabiliclacle, como
Se a teoria cia probabilidade diz que 68% das amostras
d iscuticlo nesta ses;ao, nao esta plenamente justificaclo em
esrarao clenrro de um erro paclrao do parametro, o pesquisaclor
rermos tecnicos. A teoria cia clistribuis;ao amostral, por exemplo,
infere que uma amostra aleatoria tern uma probabiliclade de faz suposi<;oes que quase nunca se aplicam as situas;oes de
68% de estar dentro daquela faixa. Neste sentido, falamos surveys. A fo rmula usacla para avaliar o numero de amostras
de niveis de confianfa: voce rem "68% de confians;a" que a que estariam conticlas clentro de incrementos especificaclos
estimativa da sua amostra esta clentro de um erro padrao do de e rros padrao, por exemplo, supoe uma populas;ao infinita,
parametro, ou tem "95% de confianp" que a estatfstica cia um numero infinito de amostras e amostragem com substitui<;ao.
amostra esta clenrro de dois erros padrao do parametro, e Ademais, na nossa d iscussao, o salto inferencial da clistribuis;ao
assim por diante. Compreensivelmente, a confians;a aumenta de varias amostras para as caracterfsticas provaveis de uma
quanto mais se estende a margem para erro. Voce esta virtu- amostra foi grosseiramente simplificado.
almente certo (99,9% de confians;a) que a estimativa cia amostra Essas advertencias sao fe itas por razoes de perspectiva.
esta clentro de tres erros padrao do valor verdadeiro. Pesquisadores, as vezes, parecem superestimar a precisao
Embora confiante (em algum nfvel) de esrar dentro de das estimativas produziclas pelo uso da teoria da probabilidade
uma certa fa ixa do parametro, ja assinalamos que raramente em conexao com a pesquisa por survey. Mencionaremos em
voce conhece o parametro. Para resolver este dilema, voce o utras partes deste capitulo e do livro que varia<;oes nas tec-
substitui o paramerro na formula pela sua estimativa de nicas de amostragem e fatores de nao-amostragem poclem
amostragem; na fa lta do valor verdadeiro, voce o substitui recluzir ainda mais a legitimidade de tais estimativas. Nao
o bstante, os calculos cliscutidos nesta ses;ao podem ser de
com a melhor estimativa clisponfvel.
grande valor para compreencler e ava liar clados. Embora nao
0 resu ltado clestas inferencias e estimativas e que o fo rnes;am estimativas tao precisas quanto se pode supor, podem
pesqu isador de survey torna-se capaz de estimar tanto um para- ser bastante validos para fi ns praticos, e sao inquestionavel-
metro popu laciona l quanto o grau esperado de e rro com base menre mais validos do que estimativas derivaclas menos rigoro-
numa amostra extrafda cia populas;ao. Come<;ando com a same nte, baseadas em metodos de amostragem menos rigo-
pergunta: "Qual porcentagem do corpo estudantil aprova o novo rosos. Voce deve se familiarizar com a l6gica basica subjacente
codigo?", voce pode selecionar uma amostra aleatoria de 100 aos ca lculos, para pocler reagir sensatamente tanto aos seus
alunos e entrevista-los. Voce pode relatar que sua melhor proprios claclos quanto aos dados informados por outros.
estimativa e que 50% do corpo estudantil aprovam o cocligo,
e rem 95% de confian<;a que entre 40 e 60% (mais ou menos
clois erros padrao) aprovam. A faixa de 40 a 60% e chamacla Popu Ia~oes e Molduras de Amostragem
de inlervalo de confiallfa.
Esra e a logica basica cia amosrragem probabilfstica. A A se<;ao anterior lidou com urn modelo teorico para amos-
sele<;ao aleatoria permite ligar os achaclos do survey por tragem de survey. Se o consumidor de surveys, o estudante ou o
amosrragem ao corpo cia reoria cia probabiliclacle para esrimar pesquisador precisam conhecer essa teoria, devem igualmente
a precisao claqueles achaclos. Todos os enunciados de precisao saber avaliar as concli\;6es imperfeitas existentes no campo. Esta
na amosrragem devem especificar tanto um nfvel de confian<;a ses;ao discute um aspecto das condis;oes de campo que requer
quanto um intervalo de confians;a. Voce pode informar que compromisso entre as concli\;6es c os supostos teoricos - a
csta .x% confiante de que o parametro popu lacional esta entre congruencia ou a disparidacle enlre popula\;6es e molduras
de amostragem.
dois valores especificados.
Dito simplesmente, uma moldura de amostragem e a lista, agencias governamentais mantem listas de eleitores registraclos
Oll fac-simile razoavel, de elementos dos quais e selecionada caso voce queira fazer uma pesquisa pre-eleitoral de opiniao
uma amostra probabilfstica. A proxima se~ao trata dos metodos ou um exame mais detalhado do comportamento eleitoral , mas
de selecionar amostras, mas primeiro prccisamos consiclerar \·oce deve certificar-se de que a lista esta atualizacla. Listas
a propria molclura de amostragem. Amostras corretamenre semelhantes contem names de donas de automoveis, de recebe-
selecionadas fornecem informa~oes apropriaclas para descrever dores de beneffcios sociais, de contribuintes de impastos ,
a popula~~\0 de elementos que compoem a moldura de amos- pessoas com licenc;as comerciais, profissionais licenciados etc.
tragem - nada mais. E precise enfatizar este ponte, dada a Embora algumas destas listas sejam diffceis de conseguir, podem
tendencia tao comum entre pesquisadores de selecionar fomecer excelentes molduras de amostragem. Como os elementos
amostra de uma dada moldura de amostragem e enrao fazer de amostragem num swvey nao precisam ser pessoas, ha diversas
afirma~oes sabre uma popula~ao semelhante, mas nao idemica, listas com outros tipos de elementos: universiclades, negocios de
a popula~ao do swvey definida pela moldura de amostragem. E varies tipos, c idades, revistas acaclemicas, jornais, sindicatos,
o p roblema mais ample cia generaliza~ao social-cientifica, clubes politicos, assoc ia~oes profissionais etc.
equivalence a estudar uma pequena Igreja Luterana em Dakota Catalogos telef6nicos sao muito usados para pesquisas
do Norte para clescrever a religiao nos EUA. No restante cia de opiniao "rapidas e sujas". Inegavelmente sao faceis de
se~ao examinaremos finalidades diversas para os surveys e fazer e de baixo custo, o que sem duvida responde pela sua
discutiremos boas e mas molduras de amostragcm para populariclade, e se voce quiser fazer afirma~oes sabre assinantes
aquelas final iclacles. de telefones, o catalogo e uma molclura de amostragem razoaue/-
Surveys de organiza~oes freqC1entemente sao o tipo mais mente boa. 5 Infelizmente, com excessiva freqllencia, os cata-
simples de survey, do ponte de vista cia amostragem, porque, logos telef6nicos sao usados como lista cia popula~ao de uma
tipicamente, organiza~ocs possuem listas de membros. Nestes ciclade ou clos seus eleitores. II a muitos defeitos neste ti po
cases, a lista de membros e u ma excelcnte mo!dura de amos- de raciocfnio, o principal sendo um vies de classe social.
tragem. Se uma amostra alcatoria e selecionada de uma lista Gente pobre tem menos possibiliclade de ter telefones; uma
de membros, os clades colhidos clesta amostra podem ser amostra de catalogo telef6nico, portanto, provavelmente tera
consideraclos como representatives de todos os mcmbros - uma predisposi~ao para as classes media e alta. (0 Capitulo
caso todos os menzbros .forem inclufdos na /isla. Se alguns 10 examina um metoda especial para amostragem em rela~ao
ni'io tiverem siclo incluidos, deve-se fazer um esfor~o para amos- a surveys telef6n icos: discagem aleat6ria de algarismos.)
tra-los; do contra rio, os achados do swvey so podem ser consi- Catalogos de ruas e mapas de impastos sao freqllente-
derados como representatives daqueles membros na lista. mente usaclos como fontes faceis para amostras de residencias,
Popula~oes que oferecem boas lisras organizacionais mas podem sofrer clas mesmas desvantagens dos catalogos
sao escolas primarias e secundarias, estuclantes universitarios; telef6nicos, tais como serem incompletos e/ou enviesados.
membros de igrejas; opera rios de fabricas; membros de frater- Por exemplo, em regioes urbanas com zoneamento rigoroso,
nidades e gremios, de clubes sociais, de servi~o ou politicos; uniclades residenciais ilegais tcm pouca possibiliclade de
e membros de associa~oes profissionais. apareccrem em registros oficiais. Resulta que, ni'io tendo estas
Estes comentarios se aplicam principalmenre a organiza~oes unidades chance de sele~ao, os achaclos das amostras nao
locais. Organiza~6es estaduais OLI nacionais freqllentemente nao sao representativas dessas uniclacles, tipicamente ma is pobres
tem uma unica lista de membros facilmentc disponivel. Por exem- e superlotadas.
plo, nao ha uma lisra unica de todos os membros cia Igreja
Episcopal. Mas um planejamento de amostragem um pouco mais Revisao de Popula~oes e Molduras de Amostragem
complexo pocle aproveitar as listas de membros de igrejas locais,
amostrando primeiro igrejas e clepois subamostrando as listas de Uma vez que a litcratura cia pesquisa por surveys tem side
membros dessas igrejas. surpreendentememe descuidada com as questoes de populac;oes
Outras listas de indivlduos podem ser especialmente : molduras de amostragem, dou-lhes aten~ao especial. Para maier
relevances as necessidades de pesquisa de s111vey. Por exemplo, enfase, listo, em revisao, as principais cliretrizes a lembrar.
Ate agora, focalizamos a amostragem a!eat6ria simples. De
1. Os achados dos sutveys por amostragem s6 podcm ser
fato, as estatisticas usaclas em geral pelos pesquisaclores de survey
considerados representatives da agrega"ao de dementos
supoem tal amostra. Mas, como logo veremos, ha divcrsas opc;oes
que compoem a moldura de amostragcm.
para fazer a amostragem, e raramentc se opta pela aleatoria sim-
2. J\luitas vezes, as molduras de amostragem nfto incluem ples, por duas razoes. Primeiro, a amostragem alcatoria simples
de fato todos os elementos que seus names sugerem. so e possfvel com as molduras de amostragem mais simples.
(Diret6rios de estudantes nao incluem todos os estudantes; Segundo, a amostragem aleatoria simples pode nao ser o metoda
cat:llogos tclefonicos nao incluem todos os assinantes.) melhor (o mais precise). Discutiremos agora a amostragem alca-
Omissoes sao quase inevitaveis. Ponanto, uma primeira toria simples e outros tipos de desenhos de amostragem.
preocupat;iio deve ser avaliar a extensfto destas omissoes
e corrigi-las se posslvel. (Naturalmente, talvez voce possa
ignorar, sem prejuizo, um pequeno numcro de omissoes hmoshagem Aleatoric Simples
de dificil corret;ao.) A amostragem a leatoria simples [AAS) e o metoda de
3. Para poder generalizar a popuh11;fto que compoe a amostragem basico suposto pelos calculos estatfsticos do survey.
moldura de amostragem, c necessaria que todos os A matematica cia amostragem aleatoria e particularmente com-
elementos tenham representat;ao igual nela; cada clemente plexa, e nos desviaremOS deJa, preferinclo clescrever OS metodos
deve aparecer uma s6 vez. Do contrario, elementos que de campo que empregam este metoda.
aparecem mais de uma vez terao maior probabilidade de Uma vez estabelecicla uma moldura de amostragem de
selet;ao, e a amostra, no geral, sohre-representara estes acorclo com a discussao anterior, voce numera cada elemento
elementos. cia lista, atribuindo um e so um numero a cada um, sem saltar
nenhum numero. A seguir, usa uma tabela de numeros aleatorios
Outros assuntos mais praticos, relacionados as populac;oes
para selecionar os elementos cia amostra.
e molduras de amostragem, sao tratados em outros capftulos. Por
exemplo, o fonnato cia moldura de amostragem- uma lista numa Se sua molclura de amostragem esta em formate proprio
publicac;ao, um arquivo em fichas 3x5, placas addressograph, para computadores, como um disquete, uma amostra aleatoria
cartoes IBM, fitas magneticas, disquetes - e muito importante. simples pocle ser extrafda automaticamente, usando um programa
Tais considcrac;oes frequentemente ganham precedencia sobre de computador relativamente simples. Com efeito, o computaclor
considerac;ocs cientfficas; uma lista ma is "facil" podcra ser pode numerar os elementos cia moldura de amostragem, gerar
escolhida contra uma lista mais "diffcil", mesmo que esta seja sua propria serie de nC1meros aleatorios e imprimir a lista de
mais apropriada a populac;ao alvo. Nao devemos ser dogmaricos elementos selecionados.
a este respeito; os pesquisadores devem pesar cuidadosamente
as vantagens e as desvantagens relativas destas alternativas. 0
mais importante e que voce esteja ciente - e deve informar
Amoshagem Sistematica
seu leitor - das deficiencias de qualquer moldura de amos- A amostragem aleatoria simples raramente e usacla na
tragem que escolher. pratica. Em geral, nao e o metoda de amostragem mais eficiente,
e ja vimos que pode ser trabalhoso quando feito manual-
mente. A AAS habitualmente requer uma lista de elementos;
Ti pos de Desenhos de hmoshagem quando esta lista esta clisponfvel, geralmentc os pesquisa-
dores usam o metoda de amostragem sistematica, em vez cia
amostragem aleatoria simples.
lntrodu~ao Na amostragem sistematica, cacla ko elemento na lista
total (por exemplo, cada 100°) e escolhiclo para inclusao na
Talvez, a essa altura, voce esteja apavoraclo com a importancia amostra. Se a lista tem 10.000 elementos, e voce quer uma
e as clificulclades para organizar sua moldura de amostragem; e um amostra de 1.000 elementos, selcciona cacla clecimo elemento
sentimento corrcto e sauctavel. Ap6s estabelccer a moldura de amos- para a amostra. Para garantia contra algum vies humano
tragem, voce deve selecionar uma amostra de elementos para esruclo.
possfvel ao usar este metoclo, voce seleciona o primeiro ele- como numero de apartamentos num andar ou seu multiplo.
mento aleatoriamente. No exemplo acima, voce come~a esco- Neste caso, a amostra poderia incluir apenas apanamentos do
lhendo um numero aleat6rio enrre 1 e 10; o elemento com este !ado noroeste, ou s6 apa1tamentos peno clos elevadores. Se estes
numero e inclufdo na amosrra, mais cada decimo elemenro se- tipos de apanamemos riverem alguma caracterfsrica peculiar em
guinte. Refere-se recnicamenre a este procedimenro como uma comum (por exemplo, aluguel mais elevado), a amostra
"amosrra sistematica de infcio aleat6rio". seria tendenciosa. Risco semelhante pode surgir numa amos-
tragem sistematica de casas numa subdivisao organizada com o
Dois tem1os sao usaclos frequentememe em conexao com a
mesmo nlimero de casas num quaiteirao.
amosrragem sistematica. 0 interualo de amostragem e a clistftncia
paclrao entre os elementos selecionados na amostra - 10 no Ao consiclerar uma amostra sistematica a partir de uma
lista, voce deve examinar cuidadosamente a natu reza cia lista.
exemplo acima. A razao amostral e a propor~ao de elementos
Se os elementos estao arranjados em alguma ordem particular,
selecionaclos cia popula~ao- um decimo no exemplo acima.
cenifique-se de que aquela ordem nao enviesa a amostra a ser
(A razao amostral e igual a 1/inrervalo de amosrragem.)
selecionada e tome medidas para contrabalanpr qualquer
Na prarica, a amosrragem sistematica e virtualmenre identica possfvel vies (por exemplo, tirar uma amostra aleat6ria simples
a amosrragem aleat6ria simples. De faro, se a lisra de elementos de por~oes cfclicas).
for "randomizada" antes cia amostragem, pocle-se argumentar que Em resumo, a amostragem sistematica, em geral, c superior
uma amostragem sistematica retirada daquela lista c, na reali- a amostragem aleat6ria simples, pelo menos em convenicncia. Os
clacle, uma amostra aleat6ria simples. Os debates quanto aos p roblemas na ordenas;ao dos elementos da moldura de amostra-
meritos relativos cia amostragem aleat6ria simples e cia amostra- gem geralmente podem ser remediados com facilidade.
gem sistematica foram resolviclos largamente em favor do metodo
mais simples, a sistematica. Empiricamente, os resultados sao
virtualmenre idemicos. Alem disso, como veremos, a amostragem hmoshagem fshatificada
sistematica, em algumas situa~oes, e um pouco mais precisa do Nas duas se~oes precedentes, d iscutimos dois metodos
que a amostragem aleat6ria simples. a lternativos de sel e~ao de amostras a partir de uma lista. A
A amostragem sistematica traz um perigo: o arranjo dos amos/ragem eslratiflcada nao e uma alternativa a estes metodos,
elementos na lista pode desaconselhar uma amostra sistematica. mas representa uma possfvel moclifica~ao no seu uso.
Este perigo e em gent! referido pelo termo periodicidade. Se a As amostragens aleat6ria simples e sistematica sao impor-
lista de elementos estiver organizada num padrao cfclico que tantes no sentido de garantirem um grau de representatividade e
coincide com o intervalo de amostragem, resultara uma amostra permitirem uma estimativa de erro. A amostragem estratificada e
grosseiramente tendenciosa. Dois exemplos bastam. um metoclo para obter maior grau de representativiclade, redu-
Num estudo de soldados durante a II Guerra Mundial, zindo o provavel crro amostral. Para compreender por que,
os pesquisadores selecionaram cada decimo soldado das lista- voltemos rapiclamente a teoria basica da distribui0io amostral.
gens das unidades. Mas esras estavam organizadas sob a forma Lembre que o erro amostral e reduzido por dois fatores
de uma tabela organizacional, listando primeiro os sargenros no desenho da amostra. Primeiro, uma amostra maior produz
e clepois Glbos e pra~as, pelotao por pelotao, sendo que menor erro amostral do que uma amostra menor. Segundo,
cacla pelotao tinha dez membros. Porranro, cada decima pessoa uma popu la~ao homogenea p roduz amosrras com menores
na lista era um sargento de pelotao, e a amostra sistematica erros amostrais do que uma popula~ao heterogenea. Se 99%
selecionada tinha apenas sargentos. Poderia acomecer, rambem, cia popula~ao concordam com determinado enunciado , e
que nenhum sargento fosse selecionado. improvavel que qualquer amostra probabilfstica interprete
Em outro exemplo, suponha que queremos selecionar erroneamente a extensao cia concordancia. Se, por outro !ado,
uma amosrra de apartamentos num predio. Sc a amosrra for a popula~ao esta clividida meio a meio quanto ao enunciado,
extrafda de uma lista dos apanamentos organizaclos em ordem enrao o erro amostral sera muito maior.
numcrica (por exemplo, 101, 102, 103, 104, 201, 202, e assim A amostragem estratificada baseia-se neste segundo fator
por cliante), ha o risco de o intervalo de amosrragem coincidir na teoria de amostragem. Em vez de selecionar a amostra da
popula<;ao total em geral, voce garante que quanticlacles classe social e grupo ern ico. Dentro de uma nac;ao, aumenta a
apropriaclas de elememos sejam tirados de subconjumos homoge- representatividade em uma vasta gama de atitudes, bem como
neos cia popula<;ao. Por exemplo, estudando estudantes univer- na classe social e na etnia.
sitirios, voce pode organizar sua popula<;ao por turmas, tiranclo Os metodos de estratifica<;ao na amostragem variam.
de cacla uma quanticlades apropriadas. Numa amostra nao estra- Quando se trabalha com uma lista simples de todos os elementos
tificada, a representac;ao por turma estaria sujeita ao mesmo erro na populac;ao, dois metodos predominam. Primeiro, pode-se
amostral que outras variaveis. Na amostra estratificada por tum1a, agrupar os elementos da popula<;ao em grupos discretos com base
o erro amostral quanto a esta variavel reduz-se a zero. nas variaveis de estratificac;ao usadas. Com base na proporc;ao
Voce pode querer usar um metodo de estratifica<;ao relativa de umgrupo na populac;ao, seleciona-se- aleat6ria ou
ainda mais complexo. Alem de estratificar por turma, pode sistematicamente- urn numero de elementos daquele grupo
tambem estratificar por genera, por media de notas etc. Assim, na mesma proporc;ao do tamanho de amostra desejado. Por exem-
talvez voce garanta que sua amostra tenha numeros apropriados plo, se alunos da tunna A com media 4,0 sao 1o/o cia popula<;ao
de alunos cia tu rma A com nota media 4,0; tambem n umeros estudantil e voce quer uma amostra de 1.000 estudantes, selecione
a propriados de alunas dessa turma com media 4,0 etc. 10 estudantes dos alunos cia tum1a A com media 4,0.
Portanto, a func;ao ultima da estratificac;ao e organizar a Como metoclo alternativo, pode-se agrupa r estuclantes
populac;ao em subconjuntos homogeneos (com heterogeneidade como descrito acima e por esses varios grupos juntos numa
entre os subconjuntos) e selecionar o numero apropriado de lista continua, comec;ando com toclos os alun os cia turma A
elementos de cada subconj unto. Ja que os subconjuntos sao com media 4,0 e terminando, digamos, com todas as al unas
homogeneos nas variaveis de estratificac;ao, tambem podem cia turma Z com media 1,0 o u menos. Seleciona-se entao uma
ser homogeneos quanto a ou tras variaveis. Por exemplo, se amostra sistematica, com infcio aleat6rio, de toda a lista. Dada
idade estiver fortemente relacionada a turma, uma amostragem a organizac;ao de lista, uma amostra sistematica selecionaria
estratificada po r turma tambem sera mais representativa em numeros adequados (dentro de uma margem de erro de 1 ou
termos de idade. Como aspirac;oes ocupacionais estao relacio- 2) de cacla subgrupo . (Nota: Uma amostra aleat6ria simples
nadas a sexo, uma amostra estratifi cada por sexo sera mais retiracla de tal lista composta cancelaria a estratificac;ao.)
representativa em termos das aspirac;oes ocupacionais.
0 e feito cia estratificac;ao e garantir a representac;ao
A escolha das variaveis de estratificac;ao depende em
adequada das variaveis de estratificac;ao para a aumentar a
geral de quais variaveis estao disponfveis. Sexo pode muitas
representac;ao de outras variaveis relacionadas a elas. Portanto,
vczes ser cleterminado atraves de uma lista de nomes. As
tomada como um todo, uma amostra estratificada tem possi-
listas universitarias sao tipicamente organizadas por turma. As
bilidade de ser mais representativa num cerro nCtmero de
listas de professores podem indicar sua lotac;ao por departa-
va riaveis do que no caso de uma amostra aleat6ria simples.
mento. Arquivos de organizac;oes governamentais podem estar
Embora a amostra aleat6ria simples ainda seja vista como algo
organizados por regiao geografica. Listas de registros de eleitores
sagrado, deve estar claro que muitas vezes ha coisa melhor.
estao o rganizaclas por sec;oes e zonas e le itorais.
No entanto, ao selecionar as va riaveis de estratifica<;ao
das listas disponfveis, voce cleve se preocupar sobretuclo com fshatifica~oo lmplicita na hmoshagem Sistematica
as q ue se relacionam, presumivelmente, com as variaveis que
Mencionei antes q ue a amostragem sistematica pode,
voce quer representar com p recisao. Como sexo esta relacionaclo
em certas condic;oes, ser mais precisa do que a amostragem alea-
a muitas variaveis e muitas vezes esta disponfvel para estrat:-
t6ria simples. :E o caso sempre que o arranjo cia lista cria
ficac;ao, acaba sendo usaclo frequen temente. Escolaridacle
uma "estratificac;ao implfcita". Como assinalei, se a lista de
esta relacionacla a muitas variaveis, mas freqLientemente nao
esta disponivel para estratifica<;ao. Localizac;ao geografica estudantes universitarios esta organizada por turma, uma
numa ciclacle, estaclo ou na<;ao esta relacionada a muitas coisas. amostra sistematica produzira a estratificac;ao por perfodo, ao
Dentro de uma ciclacle, a estratificac;ao por Iugar geografico, contrario de uma amostra aleat6ria simples. Outi·os arranjos
em gera l, aumenta a representatividade em areas como tfpicos de e lementos em listas podem ter o mesmo efeito.
Se uma lista de nomes que compoe uma moldura de Contudo, muitas vezes os elementos da popula~ao ja estao
amostragem esta em ordem alfabetica, cia c um pouco estratifi- agrupados em subpopula~oes, e uma lisra destas subpopula~oes
cada por origem etnica. Por exemplo, todos os McTavishes existe ou pode ser criada de forma pratica. Por exemplo,
cstao reunidos, bem como os Lees, Wongs, Yamamuras, membros de igrejas nos Estados Unidos pertencem a igrejas
Schmidts, \Vhitchalls, Weinsteins, Gonzaleses etc. Na meclicb especfficas, e e possfveJ descobrir OLI criar uma Jista dessas
em que qualquer destes subgrupos forma um subconjunto subs- igrejas. Seguindo um formato de amostragem por conglomerado,
randal cia popula~ao total, estara adequadamente representado a lista de igrejas e amostrada numa das maneiras descritas nas
numa amostra sistematica retirada de uma lista alfabetica. se~oes anteriores (por exemplo, uma amostra estratificada siste-
Num estudo de estudantes da Universidade do Havaf, matica). Em seguida, obtem-se listas de membros de cada uma
depois de estratificados por rurma, os estudantcs foram orga- das igrejas selecionadas e amostra-se cada uma das listas, de
nizados pelos numeros de idenridade estudantil. No entanto, forma a ter amostras de membros de igreja para estudo.6
estes n(imeros eram seus numeros de Seguro Social. Os primeiros Outra situa~ao tfpica e a amostragem em areas habitadas,
tres dfgitos do nC1mero de Seguro Social indicam o estado onde como uma cidade. Embora nao haja uma lista unica da popula~ao
foi emitido. Ponanto, clentro de cacla turma, os estudantes de uma cidade, os cidadaos residem em qua rteiroes separados
estavam organizados pelo estado onde havia sido emitido ou zonas de recenseamento. Portanto, e possfvel come~ar
seu numero de Seguro Socia l, fornecendo uma estratifiC<l\aO seleciona ndo uma amostra de quarteiroes, criar uma lista de
aproximada por origem geografica. pessoas mo rando nos quarteiroes selecionados e, finalmente,
Uma lista o rdenada de elementos pode ser mais uti! subamostrar pessoas em cada quarteirao.
do qu e uma lista nao o rdenada, aleat6ria. Enfatizo este ponto Num desenho mais complexo, voce pode amostrar os quar-
para combater a cren~a infeliz de que listas devem ser ranclo- teiroes, listar as residencias em cada quarteirao selecionado,
mizadas antes de ocorrer a amostragem sistematica. A lista s6 amostra-las, listar as pessoas residindo em cada uma e, final-
deve ser reorclenada se o arranjo apresenta o problema cia mente, amostrar as pessoas em cada residencia selecionada. Este
periodicidade ja discutido. desenho de amostragem em multiplas etapas leva a sele~ao final
de uma amostra de indivfduos sem reque rer a listagem inicial de
todos os indivfduos que compoem a popula~ao da ciclade.
~moshagem por Conglomerados em Multiples Hapas, Geral Portanto, tambem na amostragem por conglomerados
As quatro se~oes precedences lidaram com procedimentos em multiplas etapas repetem-se dois passos basicos: listar e
razoavelmente simples de amostragem a partir de listas de amostrar. A lista de unidades primarias de amostragem (igrejas
elementos, que representam a situ a~ao ideal. Entretanto, infe- ou quarteiroes, por exemplo) e compilada e talvez estratificada
lizmente muita pesquisa social interessante requer selecionar para amostragem. Uma amostra dessas unidades e selecionada.
amostras de popula~oes que nao podem ser facilmente listadas As unidades primarias de amostragem selecionadas sao, entao,
para fins de amostragem, tais como a popula\ao de uma cidade, listadas e talvez estratificadas. A lista de unidacles secundarias
de um estado ou da na~ao, todos os estudantes univcrsitarios de amostragem e amosrrada, e assim por diante. Os metodos
nos Estados Unidos etc. Nestes casos, e necessaria c riar ~ de listagem e amostragem sao apresentadas detalhadamente
executar um desenho de amostra mais complexo. Este desenho nos exemplos do Capitulo 6.
tipicamente envolve a amostragem inicial de gmposde elementos, A amostragem por conglomerados e altamente recomen-
conhecidos como conglomerados [clusleJ:>], seguida pela selc\ao dada pela eficiencia, embora a custa cia precisao. Enquanto
de elementos de cada conglomeraclo selecionaclo. As variedades uma amostra a leat6ria simples extrafda de uma lista popula-
e proceclimentos da am.ostragem por conglomerados em mz7/li- cional esta sujeita a urn Cm ico erro amostral, uma amostra por
plas elapas sao dissecadas em detalhe nos exemplos de amos- conglomerados em duas etapas esta sujeita a dois. Primeiro,
tragem no Capitulo 6. Entretanto, vamos delinea-los aqui. a a mostra inicial dos conglomerados representa a popula~ao
Pode-se fazer amostragem por conglomerados quando de conglomerados somente dentro de uma faixa de erro amostral.
nao e possfvel o u pratico compilar uma lisra exaustiva dos Segundo, a amostra de elementos extraida de um conglomerado
elementos da popula~ao alvo. Todos os membros de igrejas representa todos os elementos dele apenas dentro de uma
nos Estados Unid os exemp lificam uma popula~ao assim. faixa de erro amostral. Assim, por exemplo, ha o risco de
selecionar uma amostra de quarteiroes desproporcionalmente exatamente iclenticos em cada um. Nesta situac;ao, urn numcro
ricos, bern como uma amostra de residencias desproporcional- grande de conglomerados representaria aclequadamente a
mente ricas dentro destes quarteiroes. A melhor soluc;ao ao pro- variedade entre os conglomerados, bastando apenas um elemento
blema esra no numero de conglomerados selecionados no infcio e de cacla um para representar adequaclamente todos os outros.
no numero de elementos selecionados em cada conglomerado. Embora esta situac;ao extrema nunca ocorra, ela esta mais
proxima cia verclade mais vezes do que o seu oposro - conglo-
Em geral, estamos restritos a um tamanho maximo de
merados identicos compostos de elementos muito divergences.
amostra; por exemplo, podemos ter o limite de 2.000 entre-
vistas numa cidade. Dada esta limitac;ao maior, temos varias Portanto, a diretliz geral para o desenho de conglomerddos
opc;oes para desenhar a amostra por conglomerado. Num e maximizar 0 numero de conglomerados seleci onaclos, dimi-
extreme, poclemos escolher urn conglomerado e selecionar nuindo o numero de elementos de cada um. Mas esta diretriz
2.000 elementos dentro dele, em ourro, escolher 2.000 con- cientifica deve ser contrastada com as restric;oes administrativas.
glomerados e selecionar um elemento em cada um. Narural- A eficiencia da amostragem por conglomerados funda-se na
mente, nenhum e aconselhavel, mas ha muitas opc;oes entre capaciclade de minimizar a listagem de elemenros cia populac;;ao.
estes extremes. Felizmente, a 16gica das distribuic;oes amos- Selecionando inicialmente conglomerados, buscamos listar
trais prove uma cliretriz geral a seguir. apenas os elementos dos conglomerados selecionados, em
Lembre que o erro amostral e reduzido por dois farores: vez de rodos os elementos cia populac;ao inteira. Aumentar o
o aumento do tamanho cia amostra e uma maior homogeneidacle nC1mero de conglomerados vai diretamente de encontro a este
clos elementos a serem amostraclos. Estes fatores operam em faror de eficiencia. Um nC1mero menor de conglomerados pode
cada nfvel do desenho cia amostra em multiplas etapas. Uma ser listado mais rapida e economicamente do que urn numero
amostra por conglomerados representara melhor todos os maior. (Lembre-se de que todos os elementos de um conglo-
conglomerados se um grande n(Imero for selecionado e se meraclo selecionado devem ser listados, mesmo que poucos
todos eles forem bastante semelhantes. Uma amostra de vao ser escolhidos na amostra.)
elementos representara melhor todos os elementos de um 0 desenho final da amostra refletira estas duas restric;oes.
conglomeraclo se um grande numero de elementos for selecio- Provavelmente, voce vai selecionar o maior numero de
nado do conglomerado, e se todos os elementos forcm bas- conglomerados que seu orc;amento permitir. Mas, para nao
tame semelhantes. deixar esta questao aberta demais, apresentamos uma regra
Entretanto, dado um tamanho maximo da amostra, se o simples. Pesquisadores populacionais convencionalmente sele-
numero de conglomerados aumentar, o numero de elementos num cionam cinco residencias por zona ou qua1teirao de recensea-
conglomerado cleve diminuir. Neste senticlo, a representatividacle mento. Querendo entrevistar um total de 2.000 residencias,
dos conglomerados aumcnta a custa da menor representac;ao clos voce seleciona 400 quarteiroes com cinco entrevistas de resi-
elementos de cacla urn, c vice-versa. Felizmente, poclemos usar o dencias em cada um. Voltaremos a esta regra em exemplos
fator cia homogeneiclacle para aliviar esta clificuldade. posteriores de desenhos de amostra.
Os elementos de um conglomeraclo natural clentro de uma Antes de passarmos a proceclimentos mais detalhaclos da
populac;ao sao tipicamente mais homogeneos do que todos OS amostragem por conglomerados, cabe lembrar que este metodo
elementos cia populac;ao total. Os membros de uma igreja sao nuis
quase inevitavelmente envolve percla de precisao. A maneira como
semelhantes entre si do que toclos os membros de igrejas; cia
ocorre esta percla de precisao e complexa. Primeiro, um desenho
mesma fonna, os moradores de um quarteirao sao mais seme-
de amostra em etapas multiplas esta sujeito a erros amostrais em
lhantes entre si do que toclos os moradores de uma ciclade inteira.
cada uma das etapas. Como o tamanho da amostra e necessaria-
Portanto, podem ser necessaries relativamente poucos elementos
mente menor, a cada etapa, do que o tamanho total cia amostra,
para representar adequadamente um conglomeraclo natural,
o erro amostral em cacla etapa sera maior do que no caso de uma
enquanto um numero maior de conglomerados pocle ser neces-
amostra aleat6ria de e lementos em etapa unica. Segundo, o erro
saria para representar adequadamente a diversidade dos
conglomerados. Ve-se isto com maxima clareza no caso extreme amostral e estimado com base na variancia observacla entre os
de conglomerados muito cliferentes entre si, compostos de elementos elementos cia amostra. Quando estes elementos sao retirados
de conglomerados relativamente homogcneos, as estimativas hmoshagem de Probabilidade Proporcional ao
do erro de amostragem serao otimistas demais, devendo ser Tamanho (PPT)
corrigidas a luz do clesenho de amostras por conglomerado. (Este
problema sera cliscutido em deralhes na considera~ao posterior Ate agora, falei genericamente sabre a designa~ao de
sabre analise univariacla.) elementos cia amostra a conglomerados selecionados em tem1os
de quantos conglomerados devem ser selecionados e quantos
elementos deve haver em cada um. Esta sc~ao cliscute em maior
hmodragem de hglomerados em Multiplas detalhe algumas op~oes.
ftapas, fstratifica~ao Para garantir a sele~ao de uma amostra representativa
de elementos, voce deve dar a cada elemento cia popula~ao
Ate agora, discutimos a amostragem par conglomerados
total uma oportuniclacle igual de ser selecionacla. A forma
como se fosse selecionacla uma amostra a leat6ria simples a
mais simples de fazer isso numa amostra por conglomerados
cada etapa do clesenho. Na pratica, podemos usar as tccnicas
e dar a cacla um a mesma chance de selec;:ao e selecionar
de estratifica~ao discutidas antes para refinar e melhorar a
uma cleterminada proporc;:ao de elementos de cada conglome-
amostra selecionada.
raclo selecionado. Com uma populac;:ao de 100.000 elementos
Exemplos posteriores detalharao metodos possfveis de agrupaclos em 1.000 conglomerados (de tamanhos variaclos),
estratifica~ao; por ora, observemos que nossas op~oes basicas pretendendo amostrar 1.000 e lementos, voce seleciona urn
sao essencialmente as mesmas que temos na amostragem de decimo dos conglomerados (100) com igual probabilidacle e
erapa unica a partir de uma lista. Par exemplo, ao selecionar subseleciona urn decimo clos elementos de cada conglomeraclo
uma amostra nacional de igrejas, voce pode, no come~o, estra- escolhiclo. Assim, cerca de 1.000 elementos sao selecionados e
tificar sua lista de igrejas por denomina~ao, regiao geografica, cacla elemento na populac;:ao tem a mesma (1/10 x 1/ 10 = 1/
tamanho, localiza~ao urbana/rural, e talvez alguma medida 100) probabiliclade de sele~ao. Esta tecnica de selec;:ao de amos-
cia classe social. Informa~ao do censo pode ser usada par tras, embora a mais clara e simples, nao e a mais eficiente.
pesquisadores de popula~ao para estratificar quarreiroes de A maioria clas amostragens por conglomerados envolve
recenseamento em tennos de composi~ao etnica, classe social, conglomerados de tamanhos muito diversos (em numero de
valo res das propriedades, qualidacle de estrutu ras, natureza cia e lementos). 0 pesquisaclor de religioes encontra igrejas muito
propriedade das construc;:oes e tamanho. grancles e muito peque nas. 0 pesquisaclor populacional acha
Assim que as uniclacles primarias de amostragem (igrejas quarteiroes muito populosos e outros nem tanto. Alem disso, os
ou quarteiroes, nos exemplos) estiverem agrupadas de acorclo conglomerados pequenos muitas vezes sao mais numerosos
com as variaveis de estratifica~ao relevantes disponfveis, do que os grandes, embora os grancles possam responder
pocle-se usar tanto tecnicas de amostragcm alcat6ria simples par uma propor~ao maior cia populac;:ao total. Assim, alguns
ou a amostragem sistematica para extrair a amostra. Voce poucos grandes quarteiroes poclem conrer uma propor~ao
pocle selecionar um numero especificaclo de uniclacles de cada grande cia popula~ao de uma cidade, enquanto o numero
grupo ou "estrato", ou arranjar os conglomerados estratificados maior de quarteiroes menores de faro contem apenas uma
numa lisra continua, amostranclo sistematicamente esta lisra. pequena parcela cia populac;:ao.
0 erro amostral sera tao mais recluzido, nesta etapa, quanta Selecionar conglomerados com igual probabilidade, reti-
mais os conglomerados estiverem combinadas em estratos ranclo uma propor~ao fixa de elementos dos conglomerados
homogeneos. Como antes, o objetivo primordial cia estratifi- selecionados, resulta no seguinte: (1) Seleciona-se urn numero
ca~ao e a homogeneidacle. relativamente pequeno de conglomerados grandes na primeira
Nao ha razao para nao se poder estratifica r em cada e tapa cia amostragem. (2) Os elementos selecionados para
nfvel de amostragem. Os elementos listados de um aglome- representar toclos os elementos clos grandes aglomeraclos sao
rado selccionado poclem ser estratificados antes cia pr6xirn<1 retiraclos de muito poucos clessc conglomerados. Na situa~ao
etapa de amostragem. No entanto, isso nao e feito comu- extrema, tocla a popula~ao cia cidadc resiclindo em clez grandes
mente. (Lembre a suposi~ao sabre a homogeneidade relativa quarteiroes poderia ser representada pelas pessoas vivendo em
dentro dos aglomerados.) apenas um deles.
A se~ao sobre a amostragem por conglomerados discutiu Inclependente do numero de elementos num conglomerado,
a maior eficiencia inerente a sele~ao de muitos conglomerados, cada elemento tem, enfim, a mesma probabilidade de selec,;ao.
com poucos elementos sendo retirados de cada um. Este prin- Pocle-se ver isto mais claramente na formula, notanclo que o
dpio e posto em pratica atraves do metodo de amostragem de r:unanho do conglomerado aparece no numerador e no clenomi-
probabilidade proporcional ao tamanho (PPT), que permite nador, cancelando-se mutuamente. Portanto, a probabilidacle de
selecionar maior numero de conglomerados, garante a repre- selec;;ao se torna o numero de conglomerados a serem escolhiclos
sentac;;ao dos elementos de conglomerados grandes e ch\ a cada vezes o numero de elementos a serem escolhiclos de cada
elemento na populac;;ao igual chance de sele~ao. conglomerado selecionado, dividiclo pelo tamanho da popu-
Na primeira etapa de amostragem, e dada a cada conglo- Jac,;ao. Isso, e claro, e o tamanho da amostra clivicliclo pelo
merado oportunidade de selec;ao proporcional ao seu tamanho tamanho da populac;;ao.
(em numero de e lementos). Grandes conglomerados tem maior Costuma-se fazer duas modificac;;oes neste desenho de
chance de sele~ao do que os menores. Mas, na segunda etapa amostra PPT. Primeiro, poclemos achar necessaria represenrar
de amostragem, o mesmo nt'imero de elementos e escolhido conglomerados muito grandes na amostra; por exemplo,
de cada conglome rado selecionado. 0 efeito clestes clois podemos querer garantir que toclos os quarteir6es (ou igrejas)
proceclimentos e igualar as probabiliclacles (dtimas de scle~ao com mais de, digamos, 1.000 elementos sejam inclufdos na
de todos os elementos, ji que elementos em conglomerados amostra. Neste caso, poclemos selecionar toclos estes conglo-
maiores tem uma oportunidade de selec;;ao menor delltro do merados logo de infcio (com uma probabilidacle de 1 ,0),
seu aglomerado do que e lementos em conglomerados menores. devendo-se, entao, atribuir aos elementos destes agrupamentos
Por exemplo, um quarteirao com 100 residencias tedt clez uma probabilidade igual a razao amostral geral. No exemplo
vezes mais chance de selec,;ao do que um quarteirao com anterior, 1/100 clos elementos resiclindo em cacla um dos
apenas 10. Se ambos os quarteir6es forem selecionados e o grancles quarteir6es pocleriam ser selecionaclos.
mesmo n(tmero de residencias for selecionado de cada quar-
A segunda modificac;;ao e relativa a pequenos conglome-
teirao, as casas no quarteirao maior terao clez vezes menos
rados. Se um numero padrao de elementos for ser selecionado
chance de selec;;ao do que as casas no qua rteirao menor. A
de cada conglomerado escolhiclo, conglomerados com menos
formula abaixo indica a probabilidade de se lec;;ao de um
elementos do que 0 numero paclrao representam um problema.
elemento num desenho de amostragem PPT.
Se a meta e dez residencias em cada quarteirao selecionaclo, o
que fazer com quarteir6es com cinco resiclencias? A soluc;;ao
J J elementos ]
~
probabilidadeJ ~ numero de [ parte do agtomerado selecionados habitual e combinar pequenos conglomerados, de forma que
do etemento :: agtomerados X X por agtomerado
setecionados tamanho do aglomerado
[ tamanho do cada combinac;;ao tenha pelo menos o numero padrao a ser
aglomerado
selecionado. (Se os conglomerados estiverem estratificados, as
combinac,;6es devem ser feitas dentro de cada estrato. Da mesma
Se 100 conglomerados sao selecionados e 10 elementos
fonna, pequenos conglomerados podem ser agregaclos a outros
escolhidos de cada um, a partir de uma populac,;ao total de
100.000, a probabilidade geral de selec;;ao de cada e lemento maiores, caso este proceclimento garanta maior homogeneidade
sera de 1.000/100.000, ou 1/100. Um conglomeraclo com 100 clentro do conglomerado resultante). 0 exemplo de uma
elementos tem uma probabiliclade de selec;;ao igual a 100 amostra por conglomerados por area no Capitulo 6 demonstra
(conglomerados a serem selecionados) vezes 100/ 100.000 a necessidade de dar esse passo, para garantir que se Jevem em
(tamanho do conglomerado!tamanho cia populac;;ao), ou coma blocos onde se acredita nao haver resicl<~ncias.
1/ 10; cada elemento tem uma chance de 10/ 100 (elementos A ti[Ulo de resumo, a amostragem por conglomerados
por conglomerado/ ramanho do conglomerado), ou 1/10, de e um metodo de amostragem diffcil, mas importante, ade-
ser selecionado dentro daquele conglomerado; a chance total quado sempre que for impassive! compilar uma lista de
de selec,;ao do elemento, neste caso, e 1/ 10 vezes 1/ 10, ou 1/ 100. toclos os elementos cia populac,;ao em escudo. A discussao
Um conglomerado com 10 elementos tem uma probabilidade foi abstrata, mas o exemplo dado no Capitulo 6 oferece um
de selec;ao de 100 vezes 10/100.000, ou 1/ 100, mas a chance de quadro mais claro dos passos clados, de faro, numa sele<;ao
selec;ao de cada e lemenro dentro do conglomeraclo e 10/ 10, ou complexa de amostras.
1, fazenclo com que a chance total de selec;ao seja igual a 1/ 100.
Amoshagem e Pondera~ao Desproporcionais nao-clccaclenle, os dema is tres quartos, as 500 resiclencias
selecionaclas cia regiao nao-clecadente rem represcnrac;ao na
Em ultima analise, uma amostra probabilfstica e reprcsen- cidade tres vezes maior do que as 500 sclecionadas cia regiao
tativa de uma popula~ao se todos os elementos cia populac;ao dccadcnre. Portanto, a soluc;ao de ponderac;ao mais simples e
tiverem uma chance igual de selec;ao. Ponanto, nas discussoes conrar cada residencia selecionada na regiao nao-decaclcnte
precedentes, assinalamos que os varios proceclimentos de amos- como Ires residencias. Este procedimento cia a impressao de
tragem resultam numa chance igual de sele~ao- mesmo que a que voce ceria entrevistaclo 1.500 moradias na rcgiao nao-
probabilidade ultima de selec;ao seja o produro de varias decaclente cia ciclacle, que c 0 numero que voce teria selcci-
probabiliclades parciais. o nado e entrevistaclo se quisesse 500 moraclias na rcgiao
decaclcnte c tivesse recursos para uma amostra total de 2.000.
Entreranto, mais genericamenre, uma amosa-a probabilisrica e
aqueb em que cada elemento cia populac;ao rem uma probabilicbclc As vezes e possfvel fazer capias dos arquivos de claclos
nao-zero collhecida de selec;ao, mesmo que elementos dife- em certos casos - as rcsiclencias cia regiao nao-decaclentc,
rentes te nham probabiliclades cliferentes. Caso se tenha usaclo nesre exemplo. No entanto, alguns programas de analise de
proceclimentos p robabillsricos controlados de amostragem, dados permitem especificar os pesos a sere m atribuidos aos
qualquer uma dessas amostras sera representaliva cia populac;ao varios casos, e o computaclor os leva em considera~ao ao
cia qual e retiracla se cacla elemento cia amosrra receber um calcular as estatfsticas na a na lise.
peso igual ao inverso cia sua probabilicbcle de selec;ao. Po1tanto, A amostragem cl esproporcional e os proceclimentos de
no caso de toclos os elementos cia amostra terem a mcsma chance poncl e ra~ao sao as vezes usaclos em s itua~oes que envolvem
de sele~ao, cada um recebc o mesmo peso: 1. (E chamacb de os erros e as aproximac;oes muitas vezes inerentes a amos-
amostra "autoponderacla".) tragem complexa em m(dtiplas eta pas. lsto sera discutido em mais
As vezes, e con·eto fazer amostragem c jJOilderafdO cletalhes no exemplo de amostra por conglomerados por area no
clesproporcionais. Por exemplo, voce pode amostrar subpopu- Capitulo 6, mas convem mencionar algumas das condic;ocs nas
la~oes desproporcionalmente pa ra garantir nC11nero suficienre
quais a ponclera~ao e freqllentemente necessaria.
de casos de cada subpopula~ao para analise.
1. Na amostragem estratificada por conglomerado:., um
Suponha que voce esta planejanclo um survey por amos- determinaclo n(tmero cle cong l omerados pode sc r
tragem de 1.000 residencias numa cidade e que a cicladc rem
selecionado de cada estrato, embora varie o tamanho dos
uma area decaclente onde mora um quarto cia popub;:ao total,
diversos estratos. A pondera~;ao diferencial pode ser usada
e voce quer analisar cletalhadamente essa area. Uma amostra
para compensar aquelas varia~;oes.
representativa cia ciclade lhe daria aproximadamente 250 resi-
clencias nessa regiao e 750 no resto cia cidade. Mas, 250 casos
podem nao ser su fici entes para a analise que voce planeja. 2. Um ceno conglomcrado pode scr sdecionado num
Uma solu~ao e selecionar o mesmo numero de residencias de:.enho de amostra PPT com base no tamanho cspcrado
(500) cia regiao clecaclente que o do resto cia ciclacle. Entao, ou c!>limado, mas uma investiga~;ao de campo po:.ICrior
as residencias cia regiao clecaclente teriam uma chance pode indicar que a eslimaliva inicial estava errada. Ponamo,
cl espro p orciona lmentc maior de selc~ao em rela~ao ;,s de o conglomerado tera recebido uma chance de :.de<;iio
o utras partes cia ciclacle. desproporcionalmentc alta ou baixa; a pondera<;iio pock
Contanto que voce analise as duas amostras de areas ser usada para compensar este erro.
separaclamente ou comparativamente, nao precisa sc preocupar
com a amostragem cl iferencia l. Mas, se quisc r combinar 3. Um desen ho de amo:.tra pode pcdir a selc(iio de um
as cluas amostras para criar um quadro composto cia cidacle d6cimo dos elementos de um conglomerado, mas este
toda, !eve a amostragcm clcsproporcional em consiclerac;ao pode conter apcna:. cinqOenta e dois elementos, apenas
atraves de um procedimento de ponderac;ao. cinco dos quais sendo sclecionados para es1udo. Pode-se
Eis uma solu~ao simples e intu itiva. Como a rcgiao deca- usar a pondera\iiO para compcnsar o elemcnto 0,2 que,
dentc rem um quarto das residencias cia ciclade, e a regiao logicamente, nao tinha como :.er sclecionado.
4. Dez elementos de um conglomerado podem ter sido os resultados. Nao devcmos empregar um procedimento de
~elccionados, mas dois nao tivcram como ~er C!>tudados ponclerac;ao aproximada c depois sugerirmos que os achados
(por exemplo, recusaram a entrevista). Pre!>supondo sao precisos dentro de uma fai.'<a minuscula de erro.
homogeneidade dentro do conglomerado, voce pode
atribuir peso 1,25 a cada um dos elementos estudaclos Metodos de Pondera~ao
para compensar os dois que nao o roram.
Tendo clelineado as preocupac;oes cientfficas quanto
Todos estes usos de ponclerac;ao sao ilustrados no exemplo a determinar o grau de precisao desejado na ponderac;ao,
final de amostragem do Capitulo 6. Entretanto, com a excec;ao devemos assinalar que a escolha muitas vezes e feita com
do caso 4 acima, voce pocle derivar seu proprio procedimento base nos metoclos disponfveis para ponderar. Os tres metoclos
de ponclerac;ao, determinando cuidadosamente a probabilidacle basicos para a ponderac;ao sao:
de selec;ao, passo a passo, para cada elemento cia amostra, e
atribuindo um peso igual ao inverso claquela probabilidade. Trcs 1. Para a pondera~ao aproximacla de amostras cxtrafclas de
outros aspectos cia ponderac;ao devcm ser discutidos antes de subpopu l a~oes, tabdas com pesos podem ser construfdas
passarmos a outro tema. das tabelas scm pc:;os, para cada uma das subamostras. No
exemplo acima, voce pocle cria r uma tabda simples de
Graus de Precisoo na Pondera~ao distr ibui~oes para a amostra suburbana e para a amostra
composta pelos documentos, seu(s) autor(es) c/ou o meio social demonstm¢.\o de protesto, um observador patticipante deve ter o
do qual fazem parte os documentos. Ele pode analisar os jornais cuiclaclo de nao falar apenas com os lfc.leres cia clemonstm~ao,
de um pals, os trabalhos de fic~ao de um romancista, a Jinguagcm devenclo consiclerar a posslvel diferent;a entre estudantes que
de projetos legislativos, e assim por diante. aparentemente comparecem sozinhos e os que vao com arnigos,
conversar com estudantcs em locais diversos cia reuniao e
Muitas vezes o volume de documentos para analisar e
procurar conversar com os que chegam cedo e com os que che-
grande demais para uma cobertura completa. Neste caso, as
gam atrasados. Embora o observador nao tenha condi~oes de
tecnicas de amostragem d iscutidas acima poclem ser facil-
estratificar de forma rigorosa a amostra de entrevistados, ele pocle
mentc aclaptadas. As unidades de arnostragem podem ser
ficar mais senslvel a reparar diferen~as relacionadas as variaveis
palavras individuais, frases, paragrafos, artigos, livros etc.
citadas, refinanclo as observa~oes de forma corresponclente.
As unidades de amostragern podem ser estratificadas de maneira
apropriacla, e amostms aleat6rias, sistematicas ou mesmo par
conglomerados ser selecionadas.
Resumo
fxperimentos de laborat6rios Este Iongo capitu lo buscou familiariza-lo com as consi-
derat;oes mais importantes na 16gica da amostragem de survey
Sujeitos para experiencias de laborat6rios muitas vezes
sao selecionados entre voluntaries que respondem a um e com as tecnicas mais comuns de amostragem. Esta cliscussao
anuncio. Ocasionalmente, o projeto experimental rcquer nao basta para equipa-lo para cada situa~ao de campo que
emparelhamento clos sujeitos nos grupos experimental e de voce enfrentara, mas espero que uma compreensao cia 16gica
controle. Em alguns casos, estabelecem-se cotas para tipos da amostragem lhe permita chegar a julgamentos razoaveis e
diferentes de sujeiws. Sempre que o numcro de sujeitos em seguros por conta propria.
potencial exceder muito o numcro requerido pelo experimenro, 0 capitulo seguinte clescrevc quatro amostras de survey
pode-se usar tecnicas padr-ao de amostragem. Metodos de estra- com as qua is estou intimamente familiarizado. Ao apresentar
tifica~ao podem ser usados como auxiliares para satisfazer detalhes especfficos destes desenhos de amostras um tanto
os rcquisitos das cotas. cliferentes e clas muitas clecisoes tomac.las na sua execu~ao,
espero dar-lhe alguma experiencia concreta de amostragem.
~~epi.to que estes exemplos nao podem ser exausrivos em rela~ao
Observa~ao Participante as Sltua~ocs com as quais voce se cleparara, mas clcs foram
Diferentememe dos pesquisadores de survey, observa- escolhidos para representar as situa~oes de amostragem mais
comuns encontradas na pcsquisa de survey.
dores patticipantes tipicamente buscam mergulhar na totalidade
Notos
1Para uma di.scu.ssiio recente, vcr SQUIRE, Peverill. Why the 1936 Litera1y
Digest Poll Failed. Public Opi11i011 Qumterly, v.52, p.125-l33, primavcra
1988. Capitulo 6
2 Citada na Neu•stl'eek, p.24, 8 de julho de 1968.
• KlSI 1, Leslie. Survey Sampli11g New York: John Wiley & Sons, 1965.
6Veja, por excmplo, GLOCK, Charles Y., RII'\GER, lknj;11:1in 13., 13~13I31~,
Earl R. To Comfort and to Challe11ge. Berkeley: UnJ\'ersny of Caltfornta
Press, 1967. Apl!ndice A. 0 Capitulo 5 apresentou a logica basica cia amostragem de
survey e clelineou algumas op~oes de proceclimentos possfveis.
7 Por cxemplo, K ISH. Survey Sampli11g
Este capitulo apresenta quatro estuclos de caso de clesenhos de
s IIORNIK, Jacob, ELLIS, Shmuel. Strategies to Secure Compliance for a amostras que representam cliferentes situa~oes e desenhos de
Mall Intercept Interview. Public Opi11i011 Qttarter~y, v.52, p.539-551. amostragem.
inverno 1988.
0 primeiro exemplo e uma amostragem estratificacla
sistematica de estuclantes da Universidade do Havaf. 0 segundo
e uma amostragem por conglomerados de professores de escolas
Leituras Adicionais de meclicina em toclo o pals, au·ibuinclo igual probabilidade de
sele~ao as unidacles primarias de amosrragem. 0 terceiro e
BAB13TE, Earl. The Practice of Social Researcb. Belmont, CA: uma amostra par conglomerados de mulheres de igrejas epis-
Wadsworth, 1989. cap.7. copais no notte da California, usanclo um projeto PPT (probabi-
COCHRAN, William G. Sampling Tecbn iques. New York: John liclacle proporcional ao tamanho) para a sele~ao de unidacles
Wiley & Sons, 1963. pri ma rias de amostragem. 0 ultimo exemplo e uma amostra
complexa de area, projetada para um survey de residencias em
FRANKEL, Martin R., FRANKEL, Lester R. Fifty Years of Survey Oakland, California.
Sampli ng in the United States. Public Opin ion Quarterly,
v.51, p.S127-S138, inverno 1987.
HANSEN, M. H., HURWITZ, W. N., MADOW, W. G. SampleSurvey Amoshagem de £stud antes Un ivers itari os
Methods and nJeoJy. New York: John Wiley & Sons, 1953. 2 V.
KISH, Leslie. Survey Sampling. New York: John Wiley & Sons, A finaliclacle era fazer um survey, usanclo um instrumento
auto-aclministraclo, de uma interse~ao representativa de estu-
1965.
dantes do campus principal cia Universiclacle do Ilavaf. As pro-
SCHEAFFER, Richard L., MENDENHALL, William, OTT, Lyman. xin1as se~oes descrevem os passos e as decisoes envolvidas na
ElemelliCIIY S111vey Sampling. North Scituate, ivlA: Duxbury sele~ao desta amostra.
Press, 1979.
Popula~ao de hmosha e Moldura de hmoshagem correio para 1.100 estudantes. Portanto, um terr;o clas etiquetas
postais foram selecionaclas sisrematicamente (com infcio alea-
A moldura de amostragem 6bvia era o registro magnetico t6rio) para exclusao cia amostra. A amostra final foi recluzicla para
em ftta usado pela administraqao cia universiclade, com os nomes, cerca de 770.
os enderer;os atual e permanente, os nC1meros cia Previdencia Esta moclificac;ao cia amostra e mencionada para ilustrar
Social dos alunos e outras informar;oes como area de estudos, a necessidade freqi.iente de muclar aspectos cia pesquisa no meio
perfodo, idade, sexo c assim por diante. do caminho. Como uma amosrra sistematica de estudantcs foi
Mas a fita tinha arquivos de todas as pessoas que, por qual- eliminada cia amostra sistematica inicial, os 770 resrantes aincla
quer definir;ao concebfvel, poderiam ser chamadas de esrucl.antes. podiam scr considerados como representanclo razoavelmente
Como varios destes alunos pareciam inadequados para OS fms do a popular;ao do survey. Naturalmente, a red uqao no tamanho
esrudo foi necessaria definir a populaftlo do su ruey de fom1a mais cia amostra aumentou a exrensao do erro amostral.
restrita: A deftnir;ao final inclufa os 15.225 alunos de graduar;ao
matriculados no campus Manoa cia universidade, de todas as
faculdades e departamentos, em graduar;ao e p6s-graduar;ao, e ~moshagem dos Professores de fscolas de Medicine
alunos america nos c estrangeiros. 0 programa usado para a amos-
tragem limitou 0 estuclo a alunos enquaclraclos nesta definir;ao. Esta ser;ao relata o desenho de amostra usaclo para sele-
cionar uma amostra de professores de escolas de medicina, para
um survey nacional estuda nclo os efeitos cia orientaqao cientffica
£shatifica~ao sobre o cuidado humane de pacientes. 0 desenho cia pesquisa
0 programa de amostragem tambem permitia. a. estratifi- demandava uma amostra de professores de escolas de medicina,
car;ao de estudantes antes cia scler;ao cia amostra. DeCJclJu-se que nos departamen tos de medicina e pediatria.
a estratificar;ao por periodo seria suficiente, embora os estudantes Em condir;oes ideais, uma lista unica de todos os profes-
pudessem rer sido ainda mais estratificados dentro de cada sores nos dois cleparta me ntos [eria siclo ob[icla ou construlda,
perlodo, por sexo, faculdade, area de estudo etc. e uma amostra selecionada a partir clela. Infelizmente, esta lista
parecia nao existir, de fo rma que se decidiu selecionar uma
a mostra por conglomerados em cluas etapas. Na primeira,
Sele~ao do Amosha fez-se uma amostra de escolas de meclicina; a seguir, professores
Uma vez agrupados por perloclo (pelo programa de amos- foram escolhidos de cada uma destas escolas.
tragem) extraiu-se uma amostra sistematica a partir cia lista reor- Desde o come~o, o clesenho cia amostra foi dificultaclo
denada ' dos esrudantes. 0 tamanho cia amostra foi inicialmente pela indisponibilidacle de dados. 0 clesenho cla pesquisa
deftnido em 1.100. Para extrair a amostra, o programa foi instruldo pedia um exame de professores em tempo integral e em tempo
a usar uma frar;ao amostral de 1/14. P01tanto, o programa gcrou parcial. Embora, na epoca do estudo, houvesse ccrca de 3.700
um numero aleat6Jio entre 1 e 14; o esruclante com este nC1mero foi professores em tempo integral nos dois clepaitamentos, nacional-
selecionado, bem como todo decimo qua1to estuclante daf por cliante. mente, nao havia daclos boos disponfveis quanta aos numeros de
Depois de extrair a amostra clesra forma, o computador professores em tempo parcial. Uma analise dos dados existcntes
foi instrulclo a imprimir o nome co endereqo de cacla estuclante sugeriu que o numero total de membros em horario integral e
parcial estava em torno de 12.000. Para fins do estuclo, clecic!iu-se
em seis etiquetas posrais auto-adesivas, que foram coladas nos
que uma amostra de 2.000 seria suficiente (uma frac;ao amostral
envelopes usados para enviar os questionarios.
geral de 1/6).
ao infcio alear6rio, e cada igreja em cuja faixa aparecia um dos sido usado na sele\=ao de respondentes, inclependenremenre
nlimeros resultantes era selecionada para a amostra de igrejas. do numero real de mulheres lisraclas naquela igreja. Se, de faro,
Deve estar clara que, assim, cada igreja na diocese rinha uma 1.000 mulheres cstavam listadas, a igreja debs teria a chance
chance de sele~ao direramente proporcional ao nCtmcro de mem- apropriada de sele~ao c 20 mulheres seriam selecionadas. Se
bros. Uma igreja com 4.000 membros tinha duas vczes mais 1.200 mulhercs estavam listadas, a igreja tinha uma chance
chance de sele~ao do que uma igreja com 2.000 mcmbros c dez muiro pequena de sele~ao, mas este clesequilfbrio teria sido
vezes mais do que uma igreja de 400 membros. remediado atraves da sele~ao de 24 mu lheres pelo uso do
intervale de amosrragem preestabelecido. Se, por outro !ado,
somente 800 mulheres estavam listadas, apenas 16 tcriam
Selecionando as Mulheres das lgrejas siclo selecionadas.
Dcpois de selecionar a amostra de igrejas, obriveram-sc
lisras das mulheres de cada igreja. Vale notar aqui que, na
prarica, as lisras variavam enormemente em forma e conteudo. hmoshagem de Casas em Oakland
Em varios casas, foram fornecidas lisras de todos os membros
(homens e mulheres), rornando necessaria separar as mulheres Esre exemplo final representa um clos desenhos de amostra
mais complexes da pesquisa de survey: uma amostra de area
antes de amostrar. A forma das listas variava desdc listas
por conglomerados. A finaliclade cleste estudo, feito em 1966,
datilografadas are cartoes 3x5 impresses a partir de placas
de addressograph. foi coletar daclos relevances ao estuclo cia pobreza nas regioes
mais pobres de Oakland, California, usanclo o restante cia
A cada lisra que chegava de uma igreja selecionada, compu- cidade para fins de compara~ao. Uma vez que se ia usar os
tava-se um intervale amostral para ela, com base no numero achados do survey, em patte, para apoiar solicita\=oes de recursos
de mulheres membros e no numcro dcsejado (20). Se uma federais para Oakland, era essencial que os dados coletados
igreja tinha 2.000 mulheres, o intervale amostral era esrabeleciclo descrevessem precisamenre a ciclade.
em 100. Um numero aleat6rio era escolhido e incremenrado no
Para fins do estuclo, a cidade foi dividida em sere areas:
valor do intervale amostral, para selecionar a amostra de
quatro eram oficialmente designaclas areas pobres, c as tres
mulheres daquela igreja. Este procedimenro foi repetido
resrantes cram vistas rradicionalmente como se\=OCS clistintas
para cada igreja.
cia cidade. 0 ramanho total cia amostra foi esrabelecido em
Observe que este desenho de amostra s6 da a cacla mulher 3.500 residencias, com base em calculos cuja complexidade
na diocese uma chance igual de sele~ao se mcracle dos membros excecle o escopo deste livro. Entretanto, notc-se que a escolha
de cada igreja forem mulheres (ou sc uma propor~ao constante do tamanho cia amostra come~ou com discussoes de polfticas
clos membros sao mulheres), porque as igrejas tinham chance references a "chance" que as autoridades municipais estavam
igual de sele~ao bascacla no numero total de membros (nao clispostas a correr de que o survey, pelo erro amostral normal,
esravam disponfveis numeros s6 de mulhercs). Daclas as meras subestimasse os nfveis de pobreza e desemprego a ponro de
do estuclo, as !eves clesigualclades de sele~ao foram consicleraclas nao qualificar a demanda de financiamenro federal. Se estes
insignificantes. nfveis fossem, de fato, altos o basrante para garantir o financia-
Um clesenho de amosrra mais sofisticado para a segunda menro, uma amostra perfeitamente precisa demonsrraria isro.
erapa teria resolvido esrc possfvel problema. Como se cleu a cada Mas, com uma amosrra pequena, a faixa de erro amostral
igreja uma chance de sele~ao baseada num numero presumiclo abria a possibiliclacle de subestima\=aO. Naturalmente, com o
de mulheres (suponclo-se, por exemplo, 1.000 mulheres numa aumento do tamanho cia amostra, a chance de subestima\=ao
igreja com 2.000 pessoas), o intervale amostral podia ter siclo reduzia-se. Portanto, desra maneira estabeleceu-se o ramanho
compuraclo com base naqucla suposis;ao e nao no numero final da amostra em 3.500 resiclencias. (Nota: E desra forma
que deve ser estabelecido o tamanho clas amostras.)
regiao foi criar cinqCtenta estratos; a seguir, clois quarteiroes
Como o estudo pedia uma compara~ao das sete regioes cia
foram selecionaclos de cada csrrato, e, finalmente, cinco
cidadc, era impoitante dcscreYc-las com igual grau de precisao.
casas em cada quarteirao - totalizando 500 residencias
Portanto, a amostra foi projetada de forma a sclecionar 500 rcsi-
em cada regiao.
dencias de cada regiao, embora as sere areas diferissem muiro
no numero total de residencias. 0 restante desta discussao e
cledicado aos proceclimentos de selc~ao da amosrra usados hMol dura de hmoshagem do Primei ra Hapa
numa das areas, j:l que os proceclimentos foram essencialmente
Foram necessarios dois tipos de clados para descrever
identicos em toclas.
os quarteiroes de recenseamento. 0 mais importante era saber
quanras resiclencias havia aproximadamente em cacla um, de
Considera~oes Gerais forma que se puclesse selecionar uma amostra PPT. Para fins
de estratifica~ao, tambem era preciso conhecer algumas carac-
Como disscmos, planejamos uma amosrragem de area terfsticas relevances dos quarteiroes, como sua composi~ao
por conglomerados. No primeiro est.1gio de amosrragem, uma racial e seus nfveis socioecon6micos.
amostra estratificada de quarteiroes de rece/lseamento 1 clevia As esratfsticas dos quarteiroes de recenseamento de
ser selecionada com probabiliclade proporcional ao tamanho. 1960 dos Estaclos Unidos ofereciam os dois tipos de dados.
Os quarteiroes selecionados seriam listados da seguinte forma: Este arquivo inclicava o tamanho de todos os quartciroes em
enumeradores visitariam fisicamente cada quaneirao selecionaclo 1960 (em numero de unidacles clomiciliares) e tambem fornccia
e prcparariam listas de todas as residencias ali achadas; enrao, clescri~oes variaclas, como (1) porcentagem de nao-brancos, (2)
uma amostra sisrem~1tica de cinco residencias seria selecionada porcenragem de ocupantes pagando aluguel, (3) porcentagem
de cacla qua rteirao. em deteriora~ao, e (4) valor das estruturas (seja em aluguel
Como clissemos, cinco residencias por quarteirao e uma ou em avalia~ao). Infelizmente, o escudo foi feito seis anos depois
convcn~ao comum na amostragem de area por conglomerados. cia coleta de clados do censo, de fotma que antecipou-se que
Tanto a reoria de amostragem quanto a experiencia de survey varias das contagens de casas estariam clesatualizacbs.
sugerem que uma amostra de cinco res iclcncias represcnta o Antes de come~ar a amostragem, gastaram-se clois meses
ponto de retornos clecrescentes na descri~ao de quarteiroes. examinando os mapas de planejamento de cacla area. Uniclades
Cinco residencias permitem descrever um quartei rao de forma clomiciliares construfclas ou clemolidas descle o censo de 1960
razoavelmente precisa, dada a homogeneidade tipicamente foram anotaclas, e estes daclos usados para corrigir o numero
encontrada entre residencias num unico quarteirao. Embora, estimaclo de residencias por quarteirao. Enfim, prcparou-se
e claro, seis residencias dessem uma descri~ao mais precisa, um registro de daclos para cacla quarteirao, mostrando seu
a redu~ao correspondente na precisao cia amostra dos quar- tamanho atual esperado (em numero de residencias) e as
tei rocs, selecionados para descrever a popula~ao de toclos cliversas caracterfsticas compiladas no censo de 1960 (que
os quatteiroes, anularia esta vantagem. (Suponclo que o tamanho nao seriam atualizaclas).
total da amostra c fixo.) Num exemplo extrema, voce pocleria As se~oes seguintes clescrevem os procedimemos de sele~ao
limitar sua amostra a toclas as resiclencias encontraclas num cia amostra usaclas na Area de Pobreza D, que continha 9.938
unico quarteirao; ela permitiria uma clcscri~ao bem precisa resiclencias estimaclas na epoca cia amostragem. Ja que a meta
do quarteirao, mas o proprio quarteirao nao permitiria cles- de amostragem para a area era de 500 casas, a fra~ao total de
crever muiro precisamente toclos os quatteiroes e, por e;..:tensao, amostragem foi arredonclacla para 1/20.
toclas as residencias cia cicladc.
Selecionar 500 residencias de cacla regiao cia ciclade signi- Se l e~ao de Grandes Quadei roes
ficava selecionar 100 quarreiroes, com cinco resiclencias em cacla
um. Para aumentar a representativiclade cia amostra de resi- Cacla area cia cidade tinha algum quaiteirJo de recensea-
clencias, decicliu-se organizar os quarreiroes em esrratos relati- mento com um grande numero de resiclencias. Alguns cram
vamente homogeneos (grupos de quarteiroes) c selecionar clois grancles em tamanho geografico; outros tinham varios predios
quarreiroes de cacla estrato. Portanto, a tarefa inicial em cacla grandes de apartamentos. Como a presen~a destes conjunros
habitacionais pod ia prejudicar as tecnicas de estratifica~ao quatteiroes seriam sclecionados de cada estrato, a tarefa neste
planejadas, e pelo fato destes quarteiroes serem considerados ponto era criar quarema e sere (arredondado de 46,5) estratos.
muito importanres para os prop6sitos do estudo, decidiu-se Cada estrato (grupo de quarteiroes) tinha que ter duas
que cacla quarteirao com 200 ou mais resiclencias seria automati- caracterfsticas. Primeiro, os quatteiroes em cada estrato deviam
camente inclufclo na amostra. Estes quarteiroes seriam listados, ser tao semelhantes entre si quanto possfvel, em termos de
e um vigesimo (taxa de amosrragem total para a regiao) clas composi~ao racial, status socioeconomico (SSE) etc., para
residencias listadas selecionacla para enrrevisras. garantir que todos os tipos de quarteiroes fossem selecionados
Na Area de Pobreza D, os quartciroes maiores tinham na propor~ao aclequacla na amostra total. Segundo, cada estrato
um total de 702 resiclencias. Porranto, trinta e cinco residencias devia conrer um total de aproximaclamente 200 residencias.
foram selecionadas daqueles quarteiroes, deixando 465 para Ja que clez casas cleviam ser selecionadas de cada estrato
serem selecionaclas do restante da area. (clois quarteiroes, cinco resiclencias de cacla), um tamanho
de estrato de 200 produziria uma fra~ao amostral total de 1/20,
a fra~ao estabelecida para tocla a area. Natura lmente, todos
Lidando com Quadeiroes Pequenos e Quadeiroes Zero os quarteiroes tinham numeros especificados de residencias,
Varios quarteiroes na Area de Pobreza D (e em outros de forma que nao foi possfvel criar estratos com exatamente 200
locais) tinham poucas resiclencias, estimanclo-se que alguns nao casas. (Uma discussao posterior tratara cia corre~ao estatfstica
tinham nenhuma. Estes quarteiroes apresentavam problemas para tais varia~oes.)
especiais. Primeiro, um quarteirao com tamanho csperaclo igual Ao criar homogeneidade entre os quarteiroes agrupados
a zero nao teria chance de sele~ao. Se as estimativas estivessem num estrato, foi possfvel empregar as caracterfsticas de quartei-
incorretas e o quarteirao, de faro, tivesse residencias, elas roes fornecidas no censo de 1960. Para evitar confusao nas
nao teriam qualquer chance de sele~ao. Segundo, uma vez que clescri~oes empfricas seguintes, observe que a cria~ao de homo-
o desenho de amostra basico peclia a sele~ao de cinco resi- geneidade fo i feita de fo rma essencialmente ad hoc e arbitraria.
dencias de cada quarteirao selecionaclo, aqueles com menos Embora possa haver a tenta~ao de criar um formate estratifi-
de cinco tambem representaram um problema. Alem clisso, se cado em bases te6ricas descle o infcio (por exemplo, todos os
as estimativas de tamanho estivessem incorretas, alguns quar- quarteiroes com mais de 75% de resiclentes nao-brancos, mais
teiroes que se acreditava ter mais do que cinco casas podiam, de 50% de uniclades alugaclas e menos de $150 em renda mensa!
de faro, ter menos. media seriam combinadas para formar um estrato), esta abor-
Para resolver estes problemas, cada quarteirao zero e dagem nao seria necessariamente apropriacla a natureza cia
cacla quarteirao com um tamanho esperado de menos que regiao ou area especffica senclo amostrada . Em vez disso, cacla
dez resiclencias foi "anexado" a um quarteirao acljacente. 0 grupo de quarteiroes (representanclo uma regiao cia cidade ou
numero de residencias esperado num pequeno quarteirao, sc subconjunro clela) era examinaclo para determinar as varia~oes
houvesse algum, era somado ao numero do quarteirao acljacente, das suas caracterfsticas, e um sistema de estratifica~ao foi clesen-
e o par de quaneiroes tratado como um quarteirao unico para fins volvido para se aclequar aquelas caracterfsticas particulares.
de amostragem. 0 par tinha uma chance de sele\ao proporcional Portanto, areas cliferentes cia cidade foram estratificadas de
ao seu tamanho combinado; se o par Fosse selecionado na forma diferente; aclemais, deve-se reconhecer que o Formato de
amostra de quarteiroes, ambos eram listaclos e amostraclos estratifica~ao especifico a uma regiao era apenas uma de varias,
como se fossem um unico quarteirao. talvez igua lmente apropriadas, possibilidades.
Entreranro, como regra geral, as variaveis de estratifica~ao
fstratifica~ao disponfveis foram consideradas numa determinada ordem para
cada area cia ciclacle: crescimento recenre, composi~ao racial,
Uma vez que trima e cinco resiclencias seriam selecionadas porcentagem de casas pr6prias/alugadas, valor das propri-
de grandes quaneiroes, 465 precisavam ser selccionaclas do res- edades e deteriora~ao. Sempre que esta ordem de variaveis de
tame cia area, com seu total estimaclo de 9.236 residencias. Com esrrarifica~ao fosse inapropriada para uma dada area, as vari-
cinco residencias a serem selecionadas de cada quarteirao cia aveis inapropriaclas eram ignoradas ou consicleradas num ponto
amostra, novcma e tres quarteir6es seriam necessaries. Como dois cliferenre da estratificat;;ao. 2
designados como o quinto estrato. Os quarreiroes contendo as
Portanro, em cada uma das sere regi6es da cidade, iniciamos
207 casas resranres foram designados como o sexro estraro.
a estratifica<;ao com base no crescimento recente. Quando os
registros de dados atualizados foram criados para cada quar- Em vista cia complexidade deste proced.i.mento, apresentamos
teirao de rccenseame nto, foi feita uma anota\aO quanta ao na Tabela 6-2 um resumo esquematico cia estratifica<;:ao dos
numero de unidades resiclenciais construfdas ap6s o censo quarteiroes com crescimento na Area de Pobreza D. Os grupos
de 1960. Como parecia razoavel supor que quarteiroes contendo de quarteiroes designados como estratos sao indicados pela
novas construt;oes difeririam de OLI(ros quarteiroes, este dado anota<;ao S1, S2, e assim por diante. Lembre que a meta cia
foi usado como primeira variavel de estratificat;ao. Por exemplo, estrarifica<;ao era c riar grupos relativamente homogeneos de
rodos os quarteiroes na Area de Pobreza D contendo alguma quaneiroes. Todos os quarreiroes no esrrato 5 tem em comum:
nova unidade foram separados para uma estratifica<;ao sepa- (1) esrao localizados na Area de Pobreza D em Oakland; (2)
rada. Juntos, estes quarteiroes tinham 1.254 residencias esti- tem menos de 200 residencias; (3) experimentaram um cresci-
madas. Com 200 casas por estrato, os quarteiroes "com cres- mento em numero de residencias desde 1960; (4) tern menos de
cimento" foram agrupados em seis estraros. 30% de residentes nao-brancos; (5) rem menos de 100Al das suas
A segunda variavel de esrratifica<;ao usacla foi composit;ao estrururas em deteriorat;ao; e (6) rem mais de 85% de alugueis. A
racial. Todos os quarteiroes com crescimento foram ordenados homogeneidade extrema deste grupo de quarteiroes e evidente.
em tem1os cia porcentagem de residentes nao-brancos vivendo em Esta discussao esta limitada a criat;ao de seis estraros
cada um. Alguns quaneiroes tinham 80% ou mais de residcntes na Area de Pobreza D. Quarenta e um outros estratos foram
nao-brancos.Juntos, estes quarteiroes tinham 247 rcsidencias. Uma criados desta maneira na mesma rcgiao, e o processo inteiro
vez que este numero estava relativamente proximo cia meta de
foi replicado mais seis vezes para as outras regioes cia cidade.
200 casas por estrato, estes quarteiroes foram designados como
o primeiro estrato. fhBHA 6-2
Quarteiroes contendo entre 30 e 79% de residentes nao- fsha tificatoo de qu odei roes com crescimento no Area de Pobrezo 0
brancos tiveram um total de 385 residencias; decidiu-se criar dais
estratos destes quarteiroes. A variavel de estratificat;ao seguinte Todos os quarreiroes com crescimento (1.254 resid .)
foi a porcentagem de residencias alugadas (em contraposi<;ao as 80% ou ma is nao-brancos (247 resid.) Sl
pr6prias). Nos estratos aqui considerados, os quarteiroes com 30-79% nao-brancos (385 resid.)
36% ou mais de residencias alugadas representavam um total de 36% ou mais alugadas (214 resid.) S2
214; as 171 restantes estavam em quarteiroes com menos de 36% 35% ou mais alugadas (171 resid.) S3
de residencias alugadas. Estes dais grupos de quarteiroes foram 29% ou menos nao-brancos (622 resid.)
designados como o segundo e o rerceiro esrrato. (Nota: Nao ha 10% ou mais em cleteriora~ao (214 resid.) S4
nada intrinsecamente significative na escolha do corte em 36%. 9% ou menos em deteriora~ao (408 resid.)
A meta era criar estratos de ramanho aproximadamenre igual, e 86% ou mais alugadas (201 resid.) S5
o ponte de cone que preenchia esta condit;ao foi usado.)
85% ou menos alugadas (207 resid.) S6
Quaneiroes com menos de 300Al de residenres nao-brancos
tinham 622 residencias, pedindo tres estratos. Exam.inando estes NOlA - resid. = relidcinciol. U1ei ede Ierma moi1 comum em Iugar do Ierma lecnicomenle correlo
unidade hahilacianal. Umo unidode hobi/ocionol ci um quorlo ou conjunlo de quorlo1 pore u1o
quarteir6es em tem1os de todas as vanaveis de estratificat;ao, desco-
re1idenciol por umo pe11oo ou familia; umo re1idcincio eo pe11oo ou grupo de pe11oo1 re1idindo numo
briu-se que mais de 10% clas residencias num grupo de quarteiroes unidode hobilocionol.
foram classificados pelo censo como "em deteriorat;ao". Estes quar-
teir6es tinham 214 residencias. Como 10% de deteriorat;ao c bastante
alto no contexte de toclos os quaneirOes, este grupo foi designado
Sele~ao de Quodeiroes denho dos fstratos
como sendo o quarto estrato. Dais quarteiroes foram selecionados de cada estrato,
Os quarteiroes restantes tinham 408 residencias, pedindo com probabilidade proporcional ao seu tamanho. Usaremos
dais estratos. Quando se examinou a ocupa\ao em termos de o estrato 1 do exemplo anterior, que rinha 247 residencias ,
alugueis, descobriu-se que os quarteiroes com 86% ou mais para ilusrrar o procedimento usado na sele~ao de quarteiroes.
de alugueis tinham 201 residencias; estes quaneiroes foram
Pa ra come~ar, a ordem dos qua rte iroes no estrato 1 foi Oakla nd. Cinco residencias (em geral) iam ser entrevistadas em
ra ndomizada. A seguir, a Tabela 6-3 foi c riada a partir das cacla quarteirao. Para atingir esta mera, mapas foram preparados
estima tivas de residencias para cada quarteirao. As primeiras de fom1a a iclentificar claramentc cada um dos quancir5es selecio-
duas colunas na tabela identificam os quarteiroes pelo numero nJdos, c enumeradores foram manclados para preparar uma lista
do trajeto do censo e numero do quarreirao (clentro de cada de rodas as resiclencias em cada quartcir.io. As listas, preparaclas
trajeto ou traro). A terceira coluna apresenra os tamanhos pelo uso de formul:irios padronizados, assemelhavam-se ao
estimados clos quaneiroes; a quana coluna d~1 o total cumulativo exemplo apresenrado na Tabela 6-4.
nos seis qua11eiroes. A coluna final apresenta a fai.,xa de numeros
assinalados a cacla quaneirao com base no seu ramanho. lhBHh 6-4
Como dois qua rteiroes deviam ser selccionados, o total
Amosha de falha de listagem
cumulativo para o estrato (247) foi divid iclo por 2 (resultanclo
em 123,5). Urn nume ro aleat6 rio entre 1 e 123,5 foi selecionado. Numero de Nome Numero Numero do oportomento
0 quarteirao 27/5, com uma faixa d e 13-42, continha este residencies do ruo do ruo ou outre identifico{oo
nC1me ro ale at6 rio, d e forma que foi selecio naclo na a mostra 01 Wa lnut Sr. 2301
de qua rte iroes . 0 nume ro ale ar6 rio foi, enrao, adicionado a 02 Wa lnut St. 2303A Du plex
123,5. 0 quarteirao 27/ 14, com uma faixa de 149-196, continha 03 Walnut Sr. 2303B Duplex
este novo nume ro (1 58,5), de fo rma q ue foi o segundo qua r- 04 Tenth Av. (102?) Sem numero; casa
te irao selecionado na amostra. marrom com sebe
05 Tenth Av. 104 Apart. 101
lhBHh 6-3
06 Tenth Av. 104 Apart. 102
Procedimento de seletoo dos quarte iroes
07 Te nd1 Av. 104 Apart. 103
Troto (hojeto) Quodeiroo Numero de Total foixo •
do censo do censo res idencias cumulative cumulative •
27 18 12 12 1-12
27 5 30 42 13-42 selecio nado 47 Ninth Av. 103
27 23 26 68 43-68 48 Nind1 Av. 101
28 4 80 148 69-148
27 14 48 196 149-196 selecionaclo Para preparar a listagem, o e numerador ia a uma esquina
28 2 51 247 197-247 clesignada do quarreirao e contornava-o ate voltar ao ponto de
origem, anotando cacla residencia no formulario a medicla que
NOlA- Jolol resid./2=123,5; n' cleclorio enlre 1e 123,5=35; n' cleol6rio + (lolcl resid./2)=158,5. aparecia. Cada residencia, seja uma casa com uma unica familia,
Um programa de computador foi p rojerado para realizar um meio duplex ou um apa11amento, era anotada separadamente,
a maior parte clos passos descritos acima. Os quarreiroes foram recebendo um numero em ordem seriada continua .
clivididos por estratos. 0 computador lia os relat6rios de dados 0 processo de listagem fomeceu uma nova estimativa do
de urn estrato, calculava e imprimia os totais cumularivos para numero de residencias em cack'l quarteir-Jo. (Como os enumeradores
aquele estrato, dividia o total por 2 e imprimia aquele numero, pocliam cometer erros na listagem, esre numero ainda assim deve ser
e finalmente gerava e imprimia um numero aleat6rio entre 1 c considerado uma estimaliva.) Entretanto, lembre que cada quarteiriio
merade do total. Depois determinava qua is quarteiroes clcviam era selecionado com base em uma estimativa anterior do seu
ser inclufdos na amostra. tamanho. Para levar em coma d iscrepancias entre estas duas
estimativas, empregamos uma tecnica mencionada ames na nossa
discussao sobre a amostragem de muU1eres cia igreja episcopal.
Sele(oo de Res idencias dentro de um Quadeirao 0 intervalo amostral usado na sele~ao de residencias de
0 procedime nto d escrito resu ltou na de cerca sclc~ao um dado qua11eirao foi computado com base na estimativa ante-
de 700 qua rte iroes de recenseamento em tocla a cidade de rior do seu tamanho e nas cinco resiclencias que se pretenclia
selecionar. Se o tamanho do quarteirao tivessc sido estimaclo em Oakland e um exemplo da necessidade de e dos metodos
cinquema residencias, o intervale amostral era csrabelecido em clez. para ponclerar elementos de amosrra num clesenho complexo
Estc intervale foi usaclo na sele~ao de residencias, mesmo se o de amostra. Entretanto, independentemenre da complexidacle
numero de casas de faro lisradas fosse maior ou menor. Se o <f, projeto, o princfpio bisico se mantem: o peso do respon-
quarreirao tivesse sessenta residencias em vez das cinquenta esti- dcnte e o inverso cla sua probabiliclacle de sele~ao na amostra.
madas, seis eram selecionadas na amostra; se livesse so quarenta, Ao computar a probabilidade geral de selec;ao de um
quatro eram selecionaclas. (Uma corTe0io mais precisa tambem foi respondenre, clevemos lembrar-nos de que se temos varias etapas
empregada, o que discutiremos em breve.) de amostragem, com probabilidacles diferentes de selec;ao em cacla
A sele~ao de residencias foi feita escolhendo um n(rmero uma, estas probabilidades clevem ser multiplicadas para cleter-
alear6rio entre 1 e o intervalo amostral. 0 nC1mero alear6rio foi minar a probabilidade geral. Se os responclentes penencem a um
entao somado ao intervale amosrral, e as residencias listaclas grupo (igreja, quaneirao) com a chance de sele~ao de um decimo,
ao !ado clos numeros resultantes na lista foram escolhiclas e eles tem uma chance de sele~ao de um decimo dentro daquele
para enrrevista. grupo, sua probabilidade geral de selec;ao e de 1/100.
Quando as esrimativas iniciais do ramanho do quarteir:io No calculo dos pesos clas residencias na amostra de
eram muito imprecisas e os procedimentos mencionaclos proclu- Oakland, devemos considerar duas probabilidacles separadas
ziam apenas uma ou cluas resiclencias na amostra (ou mais do de selec;ao: a probabilidade de um quarreirio scr selecionaclo
que clez), um procedimento cliferenre foi usado. Nestes casos, e a de uma residencia ser selecionada dentro daquele quarteirao.
um numero arbitrario de residencias (nao mais do que dez) era Estas probabilidades devem ser calculadas como se segue.
selecionado, e se fazia uma anora~ao para que aquelas entrevisras Probabilidade do Quat1eirc"'io. Cacla quarteirao rem a pro-
rivessem peso separado durante a analise. babilidade de sele~ao igual ao seu tamanho estimado (TEQ),
Isso complera nossa discussao sobre os proceclimenros dividido pelo tamanho do estrato (TE), vezes 2 (dois quarteiroes
usados na sele~ao de cerca de 3.500 residencias na cidacle de selecionados por estrato). Escrevemos esta equac;ao como 2TEQ/
Oakland, California, em 1966. 0 proccsso todo, incluindo a TE. Note que esta formula considera tanto a amostragem PPT
arualizac;ao do ramanho clos quarreiroes de rccenseamemo e a quanto a varia~ao clos tamanhos dos estratos. No nosso exemplo
lisragem clos quarteiroes de amosrra, levou cerca de cinco meses, anterior, o quarteirao 27/5 tinha um tamanho estimaclo de 30 resi-
exigindo aproximaclamente vinre pessoas no pico do rrabalho. dencias num estrato contendo 247; portanto, sua probabilidade
de selec;ao era (30x2)/247 = 0,2429.
Resume
Os quatro exemplos de desenhos de amostra foram apre-
sentados de forma a dar um quadro mais realista das situac;oes
de amostragem com as qua is voce pode se deparar na pratica.
Embora estes exemplos nao esgotem as possibilidades de
variac;ao em condi~oes de campo, objerivos do estudo c recnicas
de amostragem, elcs ilusrram as situac;oes mais tfpicas. Espero
Capitulo 7
L6gica do Conceitua~ao
Muiras vezes se quer estudar conceitos como classe social,
a~iena<;;ao, preconceito, sofistica<;;ao intelectual, e assim por
dtan~e_. Ta lvez voce suspeite que a aliena<;;ao decresce com a
mobtltdade social ascendente, ou que a sofistica<;;ao intelectua l
reduz o preconceito. No entanto, antes de embarcar na pesquisa ultimo. Por si, status social s6 existe como uma assinala~ao
empfrica, estes conceitos podem ser apenas ideias gerais na sua conveniente para uma diversiclacle de observa~oes emplricas.
cabe~a, sem defini<;ao precisa do que significam para voce. Deste ponto de vista, nenhum pesquisaclor pode pesquisar status
Por exemplo, o conceito "status social" e freqOentemente social correta ou incorretamente; pode apenas fazer medi~oes
usado na pesquisa social, mas de forma alguma esti claro seu mais ou menos uteis.
significado ultimo. Defini<;6es diferentes de classe social incluem: Neste sentido, os cientistas nunca coletam dados, e!es cria m
rencla, prestfgio ocupacional, educa<;ao, riqueza, poder, status dados. Esta ideia e essencialmente o mesmo sentimento expresso
familiar tradicional e avalia<;ao moral. Provavelmente, nenhuma
pelo fil6sofo da ciencia Alfred North Whitehead, quando escreveu
combina<;ao especffica clestes elementos procluz uma defini<;ao de
o seguinte:
status social p lenamente satisfat6ria para algum pesquisador,
muito menos para todos os pesquisaclores. A natureza recebe creclito pelo que cleveria estar reservaclo
Muitas vezes se cliz que tais conceitos nao especificados para n6s; a rosa pelo seu perfume; o rouxinol pelo seu
tem "riqueza de significado", no sentido de combinarem uma canto; e o Sol pela sua raclia~ao. Os poetas cstao total mente
variedade de e lementos, sumarianclo um fen6meno complexo. enganaclos. Deviam enclere~ar sua lirica para si pr6prios,
Embora o termo "status social" evoque diferentes imagens para faze ndo dela odes de autocongratula~ao pela excelencia
pesquisadores cliferentes, estas imagens provavelmente parecem cia mente humana. A natureza e assunto sem gra~a, scm
a todos eles importantes e significativas. Tais conceitos gerais som, sem cor; meramente o apressar cia materia, de forma
devem ser especificaclos para a pesquisa empfrica rigorosa, ou interminavel e sem significado. 1
seja, reduzidos a indicaclores empfricos espedficos. A operaciona-
liza<;ao de conceitos e inevitavelmente insatisfat6ria, tanto para Quando faz varias pergunras e combina as respostas
os pesquisaclores quanta para suas aucliencias. Em Cdtima num fnclice que chama de classe social, voce criou uma med ida
analise, conceitos ricos em significado clevem ser reduziclos a declasse social; voce realmente criou um agrupamento e uma
indicadores empfricos simplificaclos e superficiais. hierarquia de classe social entre seus responclentes. Voce
nao descobriu, apenas, um agrupamento e uma hierarquia
Penso que a maioria clos conceitos interessantes para os
pesquisadores sociais nao tem significado real, nem clefini<;ao que ja existia, num senticlo real.
ultima. Status social e um bom exemplo. 0 conceito geral de Talvez as medidas criaclas tenham utilidade, ajudando-o a
status social seguramente e antigo. Embora nao o tenham verbali- entender os daclos que tem, ou ajudando-o a desenvolver teorias
zado em tem1os abstratos, os primeiros humanos reconheceram sobre classes sociais. Entretanto, nao tem sentido perguntar se
que alguns cleles tinham status social maior do que outros. Alguns voce rea/mente mediu classe social, num sentido valido em
eram mais poclerosos, alguns eram mais respeitados, e outros ultima analise, porque o conceito s6 existe em nossas mentes.
recebiam maior autoridade sobre seus pares. 0 reconhecimento A no<;ao de que pesquisadores criam dados e nao os cole-
destas diferen<;as persistiu no clecorrer cia hist6ria humana. Max tam e ate mais fundamental do que sugere o exemplo do status
Weber extraiu muitas implica~oes dessas cliferen<;as. Karl Marx social. Nos primeiros elias cia II Guerra Mundial, Hadley Cantril fez
deiivou uma teoria cia socieclade com base nelas. W. Lloyd Warner do is surveys nacionais do povo americana. 2 0 desenho das
e outros soci6logos americanos dos anos 30 e 40 obse1varam as amostras e a checagem cruzada clas suas caracterfsticas indicavam
mesmas diferen<;as entre moraclores de pequenas cidades, e des- que ambos forneciam boas estimativas cia popula~ao americana.
cobriram que membros de uma comuniclade pocliam iclentificar Num dos surveys, foi perguntaclo aos respondentes: "Voce acha
os vizinhos com maior ou menor status social. que os Estados Unidos consegui.t-ao ficar fora cia guena?" A maioria
A existencia de diferenps de status entre membros de (55% dos que opinaram) disse sim. No outro survey, a pergunta
uma socieclade e cla ra. Aclemais, tais cliferenps parecem foi: "Voce acha que os Estaclos Uniclos entrarao na guerra antes
importantes para compreencler outros aspectos da socieclade. que ela termine?" A maioria (590/o dos que opinaram) disse si.tn.
Em vista disso, o termo "status social" tem siclo aceito como Estes itens sao muitas vezes citaclos como exemplo clos
uma anota~ao resumida do fenomeno. Mas o que realmente efeitos de perguntas "tenclenciosas". Entretanto, sempre
significa o termo "status social"? Uma vez que e apenas um que e mostrado a estudantes, eles perguntam: "Qual pergunta
termo para clenotar um conceito geral, nao tem significado forneceu a resposta correta sobre as expectativas americanas
quanta a entrar na guerra?" Esta pergunta nao pode .ser res- para especificar medi~oes empfricas que inclicarao se os respon-
pondida. Podemos apenas concluir que, em 1939, niio havia clentes sao altamente religiosos, mocleradamente religiosos, nao
algo como "a atitude americana sabre a probabilidade de religiosos etc. Em geral, cliversos clestes indicadores sao espe-
entrarmos na guerra". Nenhuma porcentagem representava cificaclos e combinadas durante a analise de claclos para fomecer
a propor~iio que rea/mente pensava que entrarfamos na guerra. uma meclida compost..'\ (indice ou escala) representando o conceito.
P~:tanto, nao se podia coletar rais claclos; podia-se apenas Uma vez que viltualmente toclos os conceitos sao resumes
cna-los fazenclo perguntas, e a forma pela qual as perguntas ad boc cia experiencia e das observa~oes, nao rem significaclos
eram feiras tinha um impacro sabre as resposras recebiclas. reais, ultil110S. Pottanto, voce ru1o faz medidas con·eras ou inconetas,
Nunca conseguimos fazer medicbs precisciS, apenas mediclas apenas pode determinar ate que ponro as mecli~oes contribuem
1/teis. Mas esta suposi~ao nao cleve ser tomada como justificativa para compreender os dados empfricos e desenvolver teorias do
~ara a anarquia cientffica. Pesquisa rigorosa ainda e possfvel; comporramento social. Desta perspectiva, e possfvel dar diretrizes
stmplesmenre e mais diffcil do que se imagina. 0 resro deste para o processo de operacionaliza~ao, para ampliar sua utiliclacle
capitulo ocupa-se cia 16gica e clas habilidacles requeridas na feitura nas ativiclades de pesquisa.
de medidas uteis. Suponha que voce queira estuclar religiosidade. Talvez
queira aprender por que algumas pessoas sao mais religiosas do
que ourras, ou saber as consequencias de ser mais ou menos
Um Quadro de Referencias de Operacionaliza~ao religiose. Embora possa iniciar com uma no~ao geral do que
quer clizer com religiosiclade, e igualmente provavel que voce
Como sugere a discussiio anterior, conceitos sao codifica~oes nao tenha qualquer indicador em mente. Para iniciar o processo
gerais cia experiencia e clas obsetva~oes. Obsetvamos pessoas da operacionaliza~ao, voce cleve enumerar toclas as diversas sub-
vivenclo em tipos cliferentes de estruturas residenciais e clesen- dimensoes da varia vel. Ao fazer isto, cleve prestar aten~ao a pes-
volvemos o conceito de unidacle resiclencial. Observamos dife- quisas previas sabre o tema, bem como as concepc;oes de sensa
ren~as em posi~ao social e clesenvolvemos o conceito cle status comum sabre religiosidade.
social. Notamos diferen~as no grau de compromisso religiose das Charles Y. Glock esrudou, te6rica e empiricamente, as
pessoas e clesenvolvemos o conceito de religiosidacle. Entretanto cliversas subdimensoes da religiosiclade; seus estuclos propiciam
e imperative reconhecer que todos estes conceitos sao anota~oe~ um comec;o excelente para a aborclagem do tema.3 Ele cliscute
resumiclas da experiencia e clas obsetva~oes. envolvimento ritual enquanto panicipa~ao em arividacles como
Na cU~ncia, tais conceitos muitas vezes assumem a forma servi~os religiosos semanais, comunhao (para os cristaos),
de variaveis reunindo uma cole~ao de atribllfos relacionados. orac;oes antes das refei~6es etc. Ellvolvimento ideol6gico concerne
Assim, o conceito de "genera" resume clois arributos clistintos: a aceita~ao de cren~as religiosas tradicionais. Envolvimento inte-
masculine e feminine. "Perfoclo escolar" e uma variavel com- lectual refere-se a exrensao do conhecimento sabre religiiio.
pasta pelos atributos calouro e veterano. "Filia~ao religiosa" Envolvimento experiencial se refere a extensao clas experiencias
pocle incluir atributos como protestante, cat6lico, jucleu, buclista religiosas dos respondentes, como ouviJ· a voz de Deus, possessoes
e assim por diante. religiosas etc. Finalmente, Glock examina o envolvimellto come-
Muitos clos conceitos mais interessantes na ciencia social qiiencial, isto e, 0 quanta 0 compottamento social e motivaclo por
representam varidveis ordinais feitas de valores disposros ao preocupa~6es religiosas, de acordo com ensinamentos religiosos.
Iongo de uma c!imensao. Por exemplo, o conceito de sratus social Embora estas cinco subclimensoes cia religiosidade ajudem
implica uma hierarquia de valores como "status elevaclo", "status a organizar muitos indicaclores possfveis, outros indicaclores
media", "status inferior" etc. Religiosiclacle, preconceito, aliena~ao, ~alv~z nao se encaixem facilmente nelas. Dar dinheiro para a
sofi stica~ao intelectual, liberalismo e conceiros similares tgreJa, ou para atividades relacionadas a igreja, pocle ser consi-
implicam tambem um conjunto de valores hierarquizaclos. derado uma indicac;ao de religiosiclacle, bem como a panicipa\ao
A operacionaliza~:clo e o processo pelo qual pesquisadores nas ativiclacles sociais cia igreja. A lista pocleria prosseguir.
especificam observa~oes empfricas que podem ser tomadas Porranto, a primeira rarefa e compilar uma lisra, tao exaustiva
como indicaclores dos atributos contidos em algum conceiro. qua~to possfvel, de toclos os diferentes indicadores que poderiam
Se o conceito for religiosidacle, a operacionaliza¢io e 0 processo ser Inciufdos no conceito geral de religiosidade.
Ao decidir o que a religiosidade pode se1~ e preciso consi- Este problema nao tem solu~ao simples. Os interesses de
derar tambem o que ela nc7o e. Deve-se tamar muito cuidado pesquisa variam demais para pem1itir a elucicla~ao de regras
para nao constJuir itens de questiom1rio que incliquem ao mesmo adequadas de procedimentos. 0 unico conselho, agora, e
tempo a religiosidade e as variaveis que se ira relacionar a ela, realizar o exercfcio demorado de listar todas as possfveis
na analise. Se voce quiser, par exemplo, determinar a rela~ao subdimensoes cia variavel, anotando as dimensoes a serem
entre religiosidade e atitudes em rela~ao aguerra, itens medindo exclufdas do conceito e especificando os pontes conceituais
o compromisso com a doutrina crista cia "paz na Terra" nao seriam extremes cia dimensao que descreve o conceito. Cada item do
boas meclidas de religiosidade. Como as respostas refletiriam as questionario examinado deve ser avaliado segundo estas
atitudes dos respondences frente a guerra - alem de preocu- decisoes. Voce cleve se perguntar quais seriam as implica~oes de
pa~oes religiosas - , tais itens seriam "contaminaclos". Mesmo cacla possfvel resposta: como esta resposta reflete o conceito
que as respostas ce1tameme se relacionem com atitudes relativas basico? Apenas atraves deste processo voce pode gerar dados
a participa~ao na guerra, os achados nao contribuiriam em nada relevantes para uma analise posterior significativa.
para entencler a rela~ao geral entre religiosidade e atitucles em
rela~ao a guerra.
Deve-se prestar aten~ao especial ao oposto cia varia vel que Ti pos de Dodos
se busca medir. Se a meta e medir religiosidacle, devemos estar
0 forma to de pesquisa de survey gera varies tipos de clados
sensfveis a variavel anti-religiosidade. Algumas pessoas sao
uteis para a pesquisa social, dos quais esta se~ao oferece
muito religiosas e outras nao religiosas; outras sao anti-religiosas.
uma visao gera l.
Como anti-religiosidade pode variar em intensidade, voce deve
determinar a amplitude de varia~ao conceitual cia variavel. Talvez Embora o capitulo tenha come~aclo afirmando que os
optanclo por uma medida de religiosidade varianclo de baixa a dados s6 existem atraves do processo cienrffico de gera-los,
alta, agrupando os anti-religiosos e os que apenas nao sao mesmo assim tem senticlo ver alguns tipos de dados como
positivamente religiosos. Ou talvez estendendo a variavel de muito "fates". Par "fates", queremos dizer itens de informa~ao que o
religiose a muito anti-religiose. Em qualquer caso, os itens respondente acredita representarem a verdade e que voce, em
usados na medida devem basear-se na sua decisao sobre a ampli- geral, aceita como sendo verdade. As caracterfsticas demograficas
tude. Considere o seguinte exemplo de um item de questionario: dos respondences se encaixam nesta categoria. Quando pede
aos entrevistaclos para inclicarem seu sexo como mascu line ou
Por favor, diga se voce concorda ou discorda cia seguinte fem inine, eles acreditam que as respostas representam fates
declara~ao: "A religiiio organizada causa mais mal do
indiscutfveis, e voce os aceita como tal. 0 mesmo pode ser dito
que hem."
das informac;oes sabre idacle, ra~a, regiao de origem etc.
As vezes, pede-se aos respondentes para darem infor-
Concordancia indicaria uma orienta~ao anti-religiosa. ma~oes que eles aceitam como cleclara~oes verdadeiras, mas que
Por outre !ado, a discordancia nao indicaria necessariamente voce nao aceita necessariamente como tal. Par exemplo, pode-se
religiosidade. Embora as respostas certamente estejam fortemente pergumar se Deus existe. Respondendo sim ou nao, eles dizem o
correlacionadas com medidas de religiosidacle, o item propria- que acreditam ser a verclade sabre 0 tema. Ja voce ve estas
mente dito nao mecle religiosiclacle, apenas anti-religiosidade. respostas apenas como clescri~oes dos respondentes, e nao
Este exemplo ilustra um problema comum na meclicla de como respostas a questao cia existencia de Deus. Solicitados
dimensoes. Ao inves de medir uma variavel de baixo a alto, a concordar ou discordar eta declara~ao "As mulheres sao
muitas vezes medimos dois p6los opostos. Por exemplo, rara- mais emotivas do que os homens," os responclentes clirao o
mente medimos graus de conservadorismo polftico, medindo que acreclitam ser verdade e voce toma as respostas apenas
ao inves varia~oes entre liberalismo e conservadorismo. Num como clescri~oes dos respondentes.
escudo sabre ciencia e medicina, tentei medii· graus diversos de Em outros casas, voce pede ao responclente para dar infor-
compromisso com perspectivas cientlficas entre medicos, mas ma~~es reconhecidas par voces dais como atitucles subjetivas.
me vi constanremente envolvido em questoes sabre perspectivas Voce pode perguntar: "Voce acha que o presidente esta realizando
anticientfficas. 1 Lim bam ou um mau trabalho?" Tanto ele quanta voce entendem
que se trara de uma opiniao e nao de um fato. A distin~ao entre Niveis de Medi~ao
crenps e aritudes, neste sentido, muitas vezes nao e clara, mas,
em cerros problemas de pesquisa, pode vir a ser impottante. Vimos na ses;:ao precedente que o pesquisador de survey
Muita pesquisa social interessante envolve medir orien- pode medir diversas variaveis sociais. Nesta ser;ao, olharemos
ra~oes, como o preconceito, muitas vezes nao reconhecidas para esras variaveis de outra perspectiva, considerando quatro
pelos pr6prios respondences. Num survey, voce pocle fazer nf\'eis de medis;:ao: nominal, ordinal, intervalo e razao. 5
cliversas perguntas que, combinadas, permitem descrever os
respondences como mais ou menos preconceituosos. Em muitos
casas, eles nao entenclem a finaliclacle !mente cbs pergumas e Med i ~ao Nominal
poclem muito bem cliscorclar clas suas caracteriza~oes na analise. A medi<;iio nominalapenas distingue as categorias que com-
A pesquisa de surveynao pem1ite meclicla clireta do compor- poem uma variavel. Sexo, por exemplo, e uma variavel composta
tamento, embora freqi.ientemente o comportamento social seja a das categorias masculine e feminino. Outros exemplos sao filia<;:ao
referenda uhima cia pesquisa social. Entretanto, a pesquisa de religiosa ou polftica, regiao do pafs e lipo de curso superior.
survey permite medicla indireta do comporramento, muitas vezes
As caregorias compondo uma varia vel nominal sao mutua-
de maneiras Ctteis.
mente excludentes, nao tendo qualquer ourra relas;:ao entre si. Os
Pode-se pedir aos respondences para informar seu compor-
nfveis restantes de medis;:ao, discutidos abaixo, refletem relas;:oes
tamento passado. Qual sabonete compraram recentemente?
adicionais entre as categorias.
Foram a igreja na semana passada? Em quem voraram na Ctltima
elei~ao? Eclara que estas perguntas estao sujeitas aos problemas
de lembrar e ser honesto. Par exemplo, eles podem nao lembrar Medi~oo Ordinal
em quem votaram, digamos, na elei~ao presidencial de 1960.
Poclem permitir que a memoria os engane, patticularmente se o A medis;:ao ordinal reflete uma ordenas;:ao entre as catego-
compottamento em questao e vista hoje como bom au mau. (Pes- rias que compoem uma variavel. Classe social e um exemplo de
quisas de opiniao p6s-e leitorais muitas vezes mostram maior variavel o rdinal, composta, talvez, clas categorias classe baixa,
porcentagem do eleitorado votando no vencedor do que o que classe media e classe alta . Outros exemplos sao religiosidade,
realmente aconteceu .) No entanto, apesar destas desvantagens, alienas;:ao e anti-semitismo.
relates de comportamentos passados podem ser muito (tteis. A medi\;ao ordinal e muito usada na pesquisa social cien-
A pesquisa de survey tambem pode examinar compor- tifica. Embora tais mediclas sejam muitas vezes representadas par
tamento prospective, real ou hipotetico. Ass im, pesqu isas numeros num mdice ou escala, estes numeros nao tem outro
de op iniao perguntam "Em q uem voce votara?" As vezes, e significado alem da indicas;:ao cia o rdem. Assim, uma pessoa com
util criar situa~oes hipoteticas e perguntar aos respondences nota 5 numa escala de alienas;:ao e mais alienada do que uma
como agiriam: "Se seu partido apresentasse uma mu lher para pessoa com nota 4 oeste fndice, embora esta meclida ordinal nao
presidente, voce acha que votaria nela?" de qualquer indica<;:ao sabre quclo mais alienacla ela e.
Na maioria cbs vezes, medidas de compottamento pros-
pective sao menos confiaveis do que as de comportamento
passado. De qualquer forma, tenha em mente essas limitas;oes, Medi~oo de lntervalo
quando estiver gerando tais dados. Ao perguntar aos respon-
A medis;:ao de interualo tambem usa numeros para clescrever
dences se votariam numa mulher indicada para presidente pelo
condir;oes, mas eles tem mais sentido do que na medis;:ao ordinal,
seu partido, provavelmente voce aprendera pouca coisa de
porque as distancias entre os pontos rem significado real. 0 exem-
valor para uma futura candidata feminina. Os dados descritivos
produzidos par respostas a uma pergunta clestas sao provavel- plo mais comum e a escalade tempet:~tura Fahrenheit. A diferen\;a
mente pouco confiaveis. Entretanto, ao mesmo tempo, as dados ent:e 80 e 90 graus e a mesma que a cliferen~a enrre 60 e 70 graus.
gerados pelo item poclem ser uteiS para descrever OS respon- (~ep que a diferen~a entre as noms 4 e 5 num fndice de alienas;:ao
nao e necessanamente
· ·
a mesma que a dtferenp entre 3 e 4.)
dences como mais ou menos antifeministas.
requerida. Se a analise requer claclos na forma de meclidas de
Medi too de Razao razao, voce nao deve construir seus questiomhios de forma a
A mecli~ao de raziio tern as mesmas caracterfsticas cla criar apenas variaveis nominais.
de intervalo, com a caracterfstica aclicional de ter um zero
real. Em compara~ao com a escala Fahrenheh (uma meclicla
de intervalo), a escala de temperatura Kelvin (baseada em Guias para a f l abora~ao de Questoes
graus de temperatura de zero absoluto) e uma meclicla de
razao: enquanto 40 graus Fahrenheit nao sao necessariamente Ao construir itens do questionario, ha varias op~oes.
cluas vezes mais quentes do que 20 graus Fahrenheit, 200 A experiencia passacla clos pesquisaclores de survey fornece
Kelvins sao duas vezes mais quentes do que 100 Kelvins. muitas cliretrizes que poclem ajucla-lo a gerar claclos (neis para
No contexto cia pesquisa social cientffica, a iclacle e um analise. Esta ser;ao Ucla com os clois temas.
exemplo de medida de razao. Uma pessoa com vinte anos
tem o dobro da idade de alguem com dez anos. Altura, peso
e tempo de moradia numa cidade sao oLnros exemplos.
A pesquisa de survey e habitualmente vista como fazer
perguntas, mas o exame de um survey tfpico provavelmente
lmplica~oes dos Niveis de Medi~ao mostrara tantas cleclarar;oes quanto perguntas. Isto tem suas
razoes. Muitas vezes voce quer cleterminar 0 quanto OS res-
Na discussao sobre a analise de survey na Parte 3 do
ponclentes ap6iam determinacla atitucle ou perspectiva. Se for
livro, veremos que diferentes tecnicas analfticas podem requerer capaz de resumir a atitucle numa cleclarar;ao curta, voce pode
nfveis espedficos de medi~ao. Por exemplo, se voce esta apresenta-la aos respondentes e perguntar-lhes se concorclam
analisando a relar;ao entre duas variaveis nominais, algumas ou cliscordam deJa. Rensis Likert formalizou este procedimento
tecnicas analfticas sao inadequadas. com a escala Likert, um forma to no qual solicita-se aos entrevis-
Ao mesmo tempo, e importante compreender que uma taclos "concorclar fortemente", "concordar", "discordar", "cliscorclar
varia vel pocle ser tratada de fonna cliferente em termos dos nfveis fottemente" ou "aprovar fo11emente", "aprovar" etc.
de medir;ao. Lembre, por exemplo, que iclacle e uma meclicla de Questoes e declarar;oes poclem ser usaclas vantajosamente
razao. Portanto, voce pocle calcular uma equa~ao de regressao numa pesquisa de survey. 0 uso de ambas cia mais flexibiliclade ao
associando idacle e altura (outra meclida de razao). Mas, suponha desenho clos itens e pocle tornar o questionario mais interessante.
que voce esra estudanclo uma amostra de estuclantes variando de
quatorze a vinte anos. Dentro desta faixa limitada, voce pode apro-
veitar os intervalos iguais entre as idacles, mas nao o Gll-ater de
Perguntas Abertas e fechadas
razao da variavel. Em outro tipo de estudo, voce pode escolher Ha cluas opr;oes para fazer perguntas. Voce pode fazer
juntar idades nas seguintes categorias: menos de quarenta anos = perguntas abertas, solicitando aos respondentes clarem suas
jouem; quarenta a ses..<>enta anos = meia idade; acima de sessenta = p r6prias respostas. Por exemplo, pode perguntar "Qual tema voce
idoso. Finalmente, id::tde pode ser conve11ida em medida nominal considera mais importante para o pafs hoje?", clanclo espar;o
para certos fins. Respondentes podem ser categorizaclos como para escrever a resposta (ou solicitanclo resposra verbal ao
membros do "baby boom" p6s II Guerra Mundial ou nao; pod em entrevistaclor).
ser categorizados como tendo nascido durante a Depressao Nas perguntas fechadas, pecle-se para respondentes esco-
clos anos 30 ou nao. (Outra meclicla nominal - baseacla na lherem uma altemativa numa lista apresentada. Perguntas fechaclas
data do nascimento e nao na idacle - e a classifica~ao por sao muito populares, porque clao maior unifotmidacle de respostas
signos astrol6gicos.) e sao mais facilmente processaclas. Respostas abettas clevem ser
Ao clesenhar o questionario, consiclere o tipo de analise coclificadas antes de entrar com os daclos, e ha o perigo de alguns
que fat-a ap6s a coleta dos clados. Voce deve determinar se e respondentes darem respostas irrelevantes para a inten~ao do
como pode medir cacla variavel, de forma a permitir a analise resquisaclor. Por outro !ado, muitas vezes pode-se entrar com as
Por outro lado, voce pode ter uma compreensao superficial
respostas fechadas diretamente a partir do questionario e, em
alguns casos, podem ser marcadas diretamente em folhas para do tema, cleixanclo de especificar suficientemente a inten~ao da
pergunta. A questao "0 que voce pensa sobre o sistema proposto
sensores 6ticos pelos pr6prios respondentes, para entrada auto-
de mfsseis antibalfsticos?" pode evocar no respondente a contra-
matica dos dados.
pergunta: "Qual sistema proposto de mfsseis antibalfsticos?" Itens
A principal desvantagem das perguntas fechadas esta de questionaiio devem ser precisos, de fonna que o respondente
na estrutura~ao das respostas. Quando as respostas relevantes saiba exatamente qual pergunta espera-se que ele responda.
a uma questao sao relativamente claras, estruturar as respostas
pode nao apresentar problema. Entretanto, em outros casos,
a estru tura~ao clas respostas pode deixar passar algumas que fv itando Questoes Duplas
sao importantes. Por exemplo, ao perguntar sobre "as questoes Com frequencia, os pesquisadores peclem uma resposta
mais importances com as quais opals se depara", voce pode unica para uma combina~ao de perguntas. Esta situa~ao parece
apresentar uma lista delas, mas deixar passar questoes que os ocorrer com mais frequencia quando o pesquisador se identifica
respondentes consideram imponantes. (Lembre nossa afirma~ao pessoalmente com uma posi~o complexa. Por exemplo, voce pode
anterior de que OS dados SaO Criados e nao coletados.) ped ir aos respondentes para concordarem ou discordarem cia
Duas diretrizes devem sempre ser seguidas ao construir declara~ao "Os Estados Unidos devem abandonar seu programa
questoes fechadas. Primeiro, as categorias de respostas propostas espacial e gastar dinheiro com programas domesticos". Embora
clevem ser exaustivas, ou seja, clevem incluir todas as respostas muitas pessoas concordem e outras discorclem de forma inequf-
possfveis que se pode esperar. Por isso, os pesquisadores muitas voca desta declara~ao, outras nao conseguem responder.
vezes acrescentam a categoria "Outros (especifique por favor)". Alguns podem querer abandonar o programa espacial e devolver
Ao faze-lo, lembre que os respondentes tentarao encaixar suas o dinheiro aos contribuintes. Outros podem querer continuar com
respostas pessoais numa das categorias forneciclas, mesmo que o o programa espacial e tambem aplicar mais dinheiro em pro-
encaixe nao seja perfeito. gramas domesticos. Estes ultimos nao podem concordar nem
Segundo, as categoiias de respostas devem ser mutua mente d iscordar da declara~ao.
excludentes, ou seja, os respondentes nao devem se sentir Como regra geral, sempre que a palavra e aparece numa
for~ados a escolher mais de uma resposta. CAs vezes, o pesqui- pergunta ou declara~ao, voce deve checar se nao esta fazenclo
saclor pode querer respostas multiplas, mas estas respostas criarao uma pergunta dupla.
clificuldades no processamento.) Voce pode garantir respostas
mutuamente excludentes consiclerando cuidadosamente cacla Gar anti ndo a Competenci a dos fnhevi stados em Responder
combina~ao de respostas e indaganclo se uma pessoa poderia,
razoavelmente, escolher ambas. Muitas vezes, voce pede ao Ao pedir informa\=6es, voce deve sempre se perguntar se
respondence para "selecionar a melhor resposta", mas esta os respondentes sao capazes de faze-lode forma confiavel. Num
tecnica nao deve ser usada para compensar um conjunto de estudo sobre a cria~ao de crian~as, voce pode pedir aos
respostas malpensadas. respondentes para informarem a idacle em que as crian~as
primeiro "responderam" aos pais. Alem do problema de definir
0 que e "responder aos pais", e cluvidoso que a maioria se
Tornando os ltens Claros lembre disso com precisao.
Os itens de questionarios devem ser claros e nao ambfguos, Em outro exemplo, lfderes estudantis governamentais
e a proliferas;ao de perguntas pouco clams e ambfguas encontra- ocasionalmente pedem aos seus constituintes para indicar como
das em muitos surveys torna necessario enfatizar este ponto. as mensalidades dos alunos devem ser gastas. Tipicamente,
Muitas vezes, voce fica tao envolviclo com o tema estudado pede-se aos respondentes para indicar qual porcentagem dos
que opinioes e perspectivas ficam claras para voce, mas nao fundos clisponfveis deve ser gasta numa longa lista de ativiclades.
para seus respondences, muitos dos quais terao dado pouca ou Sem um bom conhecimento cia natureza destas atividacles e
nenhuma atent;ao ao tema. dos custos de cada uma, eles nao tem como dar respostas com
sentido. ("Custos administrativos" receberno pouco apoio, embora Usando !tens Curtos
esta categoria seja essencial para o programa como um todo.)
Querenclo ser nao ambfguo, precise e sublinhar a relevancia
Urn grupo de pesquisadores que pesquisava a experiencia
de um tema, muitas vezes voce e levado a fom1Ular itens longos e
ao volante de adolescentes insistia em fazer uma pergunta abe1ta
quanto ao numero de quilometros clirigidos descle o momenta cia complicados. Isto deve ser evitado. E irrelevance, para respon-
habilita<;ao. Embora os consultores adve1tissem que poucos moto- dences que nao estuclaram o item profundamente, que a inten<;ao
Jistas estima1iam esta informat;ao com alguma precisao, a perguma de um item seja clara, se for estuclada com cuidado. 0 respon-
foi feita assim mesmo. Alguns adolescentes afirmaram haver clente cleve poder ler um item rapidamente, entender sua inten<;ao,
dirigiclo centenas de milhares de quilometros. e escolher ou dar uma resposta sem clificulclacle. Em geral, voce
cleve supor que os entrevistaclos irao ler os itens rapiclamente e
dar respostas rapidas; poitanto, voce cleve fornecer itens claros e
fa zendo Perguntas Relevantes curtos que nao serao mal interpretados sob tais concli\=oes.
Da mesma forma, as perguntas devem ser relevantes para
a maioria clos respondences. Quando se pede atitudes sobre fv itando ltens Negatives
um tema sobre o qual poucos pensam ou se importam, os resul-
tados tem pouca possibilidade de serem uteis. Ademais, os Uma nega\=ao num item de questionario abre caminho para
respondences poclem expressar atitudes mesmo nunca tendo uma facil ma interpreta<;ao. Solicitados a concordarem ou discor-
pensado sobre o assunto, e voce corre o risco de se equivocar. darem cia cleclara\=ao "Os Estaclos Unidos nao clevem recluzir seus
Este ponto e eviclenciado quando pesquisadores peclem arsenais de armas nucleares", grande pa1te clos respondences
respostas sobre pessoas e temas fictlcios. Numa pesquisa de passara por cima cia palavra nao. Assim, alguns concordarJo com
opiniao que fiz para urn candidate, perguntei aos respondentes a declara<;ao, mesmo sendo a favor cia recluc;ao de armas nucleares,
se conheciam quinze figuras polfticas cia comunidade. Como e nquanto outros concorclarao por opor-se a e la. E voce talvez
exerdcio metoclol6gico, inventei um nome: Tom Sakumoto. jamais saiba quais respostas refletem esta confusao.
Nove por cento clos respondences disseram que o conheciam. Num estuclo sobre liberdades civis, perguntou-se aos res-
Destes, metade relatou te-lo visto na televisao e lido sobre ele
pondentes se sentiam que "os seguintes tipos de pessoas devem
nos jornais.
ser proibiclos de lecionar em escolas p(iblicas", de uma lista
Quando se obtem respostas a temas fictfcios, voce pocle incluinclo comunistas, membros cia Ku Klux Klan, e assim por
clesconsiclera-las. Mas quando o tema e real, voce pode nao ter diante. As categorias de resposta "sim" e "nao" foram colocaclas
como cliferenciar respostas que refletem atitucles genufnas de ao laclo de cacla item. Uma compara<;ao clas respostas a este item
respostas sem sentido para uma questao irrelevance. com respostas a outros itens refletindo apoio as liberclacles civis
0 grau em que OS responclentes inventam respostas e ate sugeriu enfaticamente que muitos respondemes clavam a resposta
certo ponto controlavel pelo pesquisador. Um esrudo por Bishop, sim para indicar que tal pessoa podia dar aulas em vez de indicar
Tuchfarber e Oldendick o clemonstra.6 Perguntou-se aos respon- que ela devia ser '·proibicla". (Urn estudo subseqOente que clava
dences uma de tres questoes sobre se o "Ato sobre Questoes como categorias de respostas "permitir" e "proibir" produziu
Publicas de 1975" devia ser revogado. Ao primeiro grupo, a resultados muito mais claros.)
pergunta foi "Voce concorda ou cliscorda desta icleia, ou voce
nao pensou muito sobre este assunto?" Apenas 3,7% deram uma
opiniao sobre a revoga\=ao desta lei fictfcia. 0 segundo grupo fvi tan do Itens e Termos ,, Tendenciosos"
recebeu a mesma pergunta, mas nao lhes foi dada a Op\=ao de
dizer que nao tinham ticlo chance para pensar sobre isso; 24,3% Tenho repetido que dados de survey sao criados e nao
expressaram uma opiniao. No grupo final, os respor..dentes nao apenas coletaclos. Portanto, a maneira como os dados sao pro-
tiveram a possibiliclacle de fugir cia resposta, e os que clisseram curacies determina a natureza dos dados recebidos. Voce deve
nao ter opiniao foram pressionados pelos entrevisraclores a estar sempre atento ao efeito cia reda\=ao das perguntas sobre os
dar uma resposta; 31,5% expressaram uma opiniao. resultados que obten1.
A maioria dos pesquisadores reconheceria o efeito provavel precisa do que "nos seus quarenta". Dizer "11,75 polegaclas de
de uma pergunta come~ando com "Voce nao concorda como comprimento" e uma descri\=ao mais precisa do que dizer "mais
presidente dos Estados Uniclos na cren~a de que ... " e nenhum ou menos um pede comprimento".
pesquisaclor de reputa~ao usaria tal item. Infelizmente, o efeito Como regra geral, medidas precisas sao superiores a
tendencioso de itens e termos e muito mais sutil do que sugere medidas imprecisas, como dita o senso comum. Nao ha condi~oes
este exemplo. em que meclil{.:oes imprecisas sejam superiores a medi\=6es
A mera identifical{;ao de uma atitude ou posi~ao com uma precisas. Mas a precisao nem sempre e necessaria ou desejavel.
pessoa ou agencia de prestfgio pode enviesar as resposras. 0 se para o objetivo de pesquisa basta saber que uma mulher esta
item "Voce concorda ou discorda cia proposta do presiclente nos seus quarenta, qualquer esfors;o aclicional para descobrir a
de ... " teria este efeito. "Voce concorda ou discorda com a idade precisa e inutil. Portanto, a operacionalizal{;ao dos conceitos
recente decisao cia Suprema Corte de que ... " teria um efeiro deve ser guiada parcialmente pela compreensao do grau de pre-
similar. Isso nao quer clizer que esta redal{;ao produziria neces- cisao requerido. Se suas necessidades nao sao claras, seja mais e
sariamente um consenso ou mesmo uma maioria em apoio a nao menos preciso.
posil{;ao identificada com a pessoa ou agencia de prestfgio, mas
Entretanto, nao confunda a precisao com a exatidao.
apenas que o apoio provavelmente seria maior do que o que
Descrever alguem como "nascido em Stowe, Vermont" e mais
seria obtido sem esta identifical{;ao.
precise do que "nasciclo na Nova Inglaterra", mas suponha
Itens de questionarios podem ser negativa ou positivamente que a pessoa em questao de faro tenha nascido em Dover,
tendenciosos. ··voce concorda ou discorda da posis;ao de Adolf New Hampshire. Neste caso, a descri\=ao menos precisa seria
Hitler quando declarou que ... " e um exemplo de vies negativo. mais exata, ou seja, refletiria melhor o mundo real.
Muitas vezes o uso de termos como liberal, conservador, comu-
Precisao e exatidao sao qualidades obviamente impor-
nista, ateu e outros introduz um vies nao intencional, embora
tais termos as vezes sejam essenciais e apropriados para a tantes nas mecli\=oes de pesquisa e provavelmente nao precisam
intenl{;ao da pergunta (por exemplo, "Como voce se descreveria de mais explica\=oes. Mas, quando cientistas sociais constroem e
politicamente: liberal, conservador, de centro ou alguma avaliam mecli\=oes, prestam atens;ao especial a cluas conside-
outra coisa?") Da mesma forma, Tom Smith- demonstrou que as ra\=oes tecnicas: confiabilidade e validade.
pesquisas de opiniao publica informam apoio muito maior para
assistencia governamental a "pessoas pobres" do que para Confiabilidade
"pessoas recebendo beneffcios". 0 tem1o beneffcios [we/fetl'cl rem
uma carga muito negativa na opiniao publica americana. Confiabi/idadee o problema de uma determinada tecnica,
Como em outros exemplos, voce cleve examinar cuida- ao ser aplicada repetidamente a um mesmo objeto, produzir,
dosamenre o objetivo da sua investigal{.:ao e construir itens que a cacla vez, os mesmos resultados. Suponha que eu !he peclisse
serao mais uteis para ele. Voce jamais deve ser levado a pensar para avaliar meu peso. Voce me olharia com cuidado e aclivi-
que existem, em tlltima analise, formas "certas" ou "erradas" de nharia que tenho 80 quilos. Agora, suponha que eu !he pep
fazer as perguntas. para avalia r o peso de trinta ou quarenta outras pessoas, e
enquanto voce estivesse fazendo isso, eu entrasse na fila usando
um disfarce e, quando chegasse a minha vez, voce adivinhasse 90
Qual idade das Medi ~6es quilos. Te peguei! Este pequeno exercfcio teria demonstraclo que
fazer estimar 0 peso das pessoas nao e uma tecnica confiavel.
Antes de nos voltarmos para as tecnicas especfficas de Entretanto, suponha que eu !he emprestasse minha
medil{;ao, consicleremos alguns criterios gerais sobre a qualidade b~lan~ de banheiro. Nao impotta o meu disfarce, voce presu-
clas medi~oes. Para comepr, pocle-se fazer medi~oes com 111lvelmente anunciaria o mesmo peso para mim nas duas vezes,
graus variaclos de precisc.io, um termo que represenra a qualidacle mostranclo que o uso cia balanp fornece uma medida mais
das clistin~oes feiras entre os atributos de uma variavel. A cles- confiavel de peso do que a adivinha¢.io. Mas, tal como a precisao,
cri~ao de uma mulher como "tendo quarenta e lres a nos" e mais a confJabilidade nao garante a exatidao. Suponha que eu calibrasse
a balan~a para tirar 3 quilos do meu peso apenas para me sentir e sobre a validade apamllte. Cerras mecliclas empfricas podem
melhor. Embora voce (confiavelmeme) informasse o mesmo peso ou nao coinciclir com nossas conven~6es e imagens menrais
cada vez, sempre estaria en-ado. associadas ~ um conceiro. Podemos cliscurir quanto a aclequas;ao
Suponha que estejamos imeressaclos em saber se as pessoas de m~dir religiosidade :nraves de comparecimenro a igreja,
preferem a Ceiveja A ou a Ceiveja B. Podemos, e claro, simples- mas concorclarfamos que ira igreja rem pelo menos alguma
menre perguntar-lhes qual delas preferem- provavelmente a relevancia para a religiosidade.
melhor solu~ao. Mas suponha que clesejassemos claclos mais Segundo, os pesquisadores chegaram a acordos concretes
'·objerivos". Poclemos pedir aos respondentes para clizer quamas sabre a melhor forma de medir alguns conceiros. 0 Bureau
As e quantas Bs beberam are hoje. Se voce pensar bem, vera do Recenseamenro, por exemplo, criou defini~oes operacionais
que esta e uma tecnica pouco confiavel. Dificilmente alguem de conceiros como familia, residencia e status empregatfcio
sabed dar esta informa~ao. Da mesma forma, nao e prov:lvel que pa recem ter validacle operacional na maioria dos estudos
que as pessoas saibam quantas vezes ja foram ~~ igreja, quantos que usam aqueles conceiros.
quil6metros ja dirigiram etc.
Edward Carmines e Richard Zellei.R discurem tres ripos
Fazer perguntas que as pessoas acham tambem irrelevances adicionais de valiclade: valiclade relacionacla a criteria, valiclade
prov~ve.lmente levan! a respostas nao confiaveis. Por exemplo, de conteudo e validade de consrru~ao . A validade re/acionada a
a ma1ona das pessoas desconhece qual a polftica externa da aiterio as vezes e chamada de va/idade preditiva e baseia-se em
China em rel a~ao a Albania, e nem se imponam. algum crirerio externo. Por exemplo, a validacle do conselho de
Problemas de confiabilidade surgem em varios pontos faculclade e evidenciada por sua capacidacle de prever o sucesso
da pesquisa de survey. Como veremos no Capitulo 10, entre- dos alunos. A valiclade de um teste escrito para motoristas e
vistado res diferentes as vezes obtem resposras diferenres dos evidenciada pela rela~ao entre as noras que as pessoas obtem
enrrevisrados como resultado das suas pr6prias atitudes e no teste e sua competencia para dirigir. Nesres exemplos, sucesso
aparencia. Igualmenre, codificadores diferenres poclem codificar escolar e competencia ao volanre sao os criterios. Em geral, o
as mesmas respostas abertas de forma diferente. Por exemplo, sc comporramento pode servir como paclrao cia valiclade de criteria
formos codificar algumas centenas de ocupa~oes espedficas em para muiras medidas de aritude em pesquisa social (por exemplo,
termos de algum esquema padronizaclo de codifica~ao, digamos, pessoas "preconceituosas" de faro discriminam as minorias?),
um conjunto de categorias criado pelo Ministerio do Trabalho embora a relas;ao entre aritudes e comportamenro seja tambem
ou pelo Bureau de Recenseamento, voce e eu nao codifica- assunto importanre de esrudo por si propria.
rfamos rodas aquelas ocupa~oes nas mesmas categorias. A validade de conte11do refere-se ao grau com que uma
Como se criam medi~oes confiaveis? Ha cliversas recnicas medis;ao cobre a amplitude de significados induldos no conceito.
para medir a confiabilidade de itens de questionarios, mas os Por exemplo, um teste de capacidade matemarica nao pode se
metodos para maximizar a confiabilidacle sao basranre direros. limirar apenas a adi~ao, rambem precisanclo cobrir a subt1-a~ao,
Fa~a apenas as pergunras cujas respostas as pessoas provavel- a mulriplica~ao, a divisao ere. Em ourro exemplo, se dizemos
mente sabem, pergunre coisas relevantes para elas, e seja clara que estamos meclindo preconceiro em geral, nossas medidas
no que esra perguntando. 0 perigo e que as pessoas darclo reflerem o preconceito contra grupos raciais e etnicos, minorias
resposras - confiaveis ou nao. As pessoas !he conrarao o que religiosas, mulheres, iclosos ere.?
acham da rela~ao entre a China e a Albania mesmo nao tendo a Finalmenre, a valiclade de constm~clo baseia-se no modo
menor ideia de qual seja ela. como uma meclida se relaciona a ourras variaveis num sistema
de rela~oes re6ricas. Por exemplo, suponha que voce quer
Validade estudar as fonres e conseqi.iencias cia "sarisfa~ao conjugal",
cll:senvolva uma meclida de sarisfas;ao conjugal e cleseje avaliar
No uso convencional, a validade se refere ao grau com sua valiclacle. Alem cia medida, voce ted desenvolviclo tambem
que uma medida empfrica reflete aclequaclamente o signifi- ~erras expectativas te6ricas sabre como a variavel sarisfa~ao con-
cado real do conceiro consicleraclo. A prime ira consiclera~ao JUgal se relaciona a outt-as. Por exemplo, voce pode rer conclufclo
que maridos satisfeitos tem menos probabilidade de espancarem confuncli-las quanta a natureza dos dados pedidos e, no limite,
suas mulheres do que maridos nao satisfeitos. Se sua medida de leva-los a joga-lo fora. Vamos sugerir diretrizes tanto gerais
satisfac;ao conjugal se rebciona ao espancamento de mulheres quanta especfficas.
cia fom1a esperada, este resultado constitui eviclencia cia validade Como regra geral, o questionario cleve estar bem distribufclo
de construc;ao cia sua medida. Mas, se maridos "satisfeitos" e "insa- e nao amontoado. Voce deve maximizar o "espac;o em branco".
tisfeitos" tiverem igual probabiliclade de espancar suas mulheres, Pesquisadores inexperientes tendem a temer que seus questio-
este resultado desafiara a valiclade cia sua meclicla. narios possam parecer muito longos e, par isso, apertam varias
perguntas na mesma linha, abreviam perguntas, e tentam usar
Tensoo entre Confiabilidade e Val idade 0 menor numero de paginas possfvel. Tudo isso e desaconse-
lhavel e mesmo perigoso. Mais de uma pergunta por linha levara
Com roclape destas discussoes, deve ser assinalaclo que as pessoas a saltarem a segunda. Abreviar perguntas resulta
muitas vezes ha uma cerra tensao entre os criterios de confiabi- em mas interpretac;oes. Em geral, se os responclentes observarem
lidacle e validacle. Muitas vezes parece que fazemos uma troca que terminaram rapiclamente as primeiras paginas de um ques-
entre as duas. tionario que, a principia, parecia Iongo, se sentirao menos
A maioria dos conceitos realmente interessantes que que- desmoralizados do que se tiverem gasto um Iongo tempo na pri-
rcmos estudar tem muitas nuanc;as sutis, e e cliffcil especificar meira pagina do que parecia um questionario curto. Ademais,
precisamente o que queremos dizer com eles. Os pesquisaclores cometerao menos erros e nao serao forc;aclos a reler perguntas
muitas vezes falam desses conceitos como tendo ·'riqueza de sig- confusas e abreviadas, nem terao sido forc;ados a escrever uma
nificado". Se voce cluvida, tente criar definic;oes satisfat6rias e resposta longa em espac;o pequeno.
medidas para conceitos como preconceito, satisfac;ao, alienac;ao, Nao ha como exagerar a valia de espalhar as perguntas
religiosidade e liberalismo. num questiom'irio. Questionarios espremidos sao clesastrosos,
Entretanto, a ciencia precisa ser espedfica para pocler gerar seja em surveys par correio ou por entrevistas.
meclic;oes confiaveis. Portanto, com muita frequencia, a especifi-
cac;ao de definic;oes operacionais e medic;oes confiaveis parece
roubar de tais conceitos a riqueza de significado. Religiosiclade
formatos para Res postas
e mais do que frequentar a igreja; preconceito e mais do que a Ha varies metoclos para apresentar uma serie de categorias
expressao de uma atitude preconceituosa num questionario. para o respondente marcar em resposta a uma pergunta. Minha
Esta situac;ao e um dilema persistente e inevitavel para o pes- experiencia d iz que caixas espapdas adequadamente sao a
quisaclor, e voce estara bem preparaclo para isso sc estiver de melhor escolha. Se o questionaiio for composto em tipografia ou
sobreaviso. Esteja preparaclo e !ide com isso. Se voce nao chegar formatado num bam sistema de processamento de textos, as
a um acorclo claro sabre como meclir um conceito, mep-o de caixas poclem ser geradas de forma facil e limpa. Tambem e
varias formas diferentes. Se o conceito tiver varias dimensoes possfvel fazer caixas numa maquina de escrever.
cliferentes, mec;a todas. Acima de tudo, saiba que o conceito nao Se o questionario for datilografaclo em maquina de escrever
tem qualquer significado alem claquele que voce !he arribuiu, e com chaves, caixas excelentes podem ser produzidas com um col-
que a (mica justificativa para dar um significado paiticular a um chete esquerdo, urn espa~o e um colchete direito: [ ). Se nao houver
conceito e a utiliclade. A meta e medir conceitos de forma a nos colchetes, parenteses funcionam razoavelmente bem no mesmo
ajudar a entender o mundo que nos cerca.
modo: ( ). Mas voce nao deve usar barras e sublinhamentos.
Primeiro, porque requer mais esforc;o de datilogmfia; segundo, por-
que o resultado nao e muito limpo, especialmente seas categorias
Fo rmato Geral dos Quesfion6rios de resposta tiverem de ser em espac;amento (mico. A Figura 7-1
mostt-a uma comparac;ao dos diversos metodos.
0 formate de um questionario pocle ser tao importante
0 pior metodo e dar espac;os em bra nco para se assinalar,
quanto a natureza e a redac;ao das perguntas. Um questionario
malformatado pode levar os respondences a saltar perguntas, Porque os respondemes mu itas vezes farao marcas mu ito
grandes, tornando impossfvel ver qual resposta foi dada. Ah~m 0 uso apropriado de perguntas contingences pode facilirar
disso, como regra geral, recomenda-se espa~amenro duplo entre a rarefa de responder urn questiom1rio e tambem melhorar a
as categorias, para evitar estas marcas ambfguas. qualiclade dos clados procluzidos. A alternativa as perguntas
Pode-se rambem considerar urn metoclo muito diferente. Em conrmgentes deve ser evirada pelas mesmas razoes. Nao pergunte
vez de fornecer caixas a serem marcaclas, voce pode par numeros "St.: .Jgurna vez pettenceu aAPP, voce ja teve a!gum cargo nela?" Este
c6cligo ao !ado de cada resposra, peclinclo ao respondence para fom1ato for~ todos os responclentes a lerem a pergunra, embora
fazer um cfrcu!oem tomo do numero apropriaclo. Este metodo tem seja irrelevante para muitos. Aqueles para quem a pergunra e irrele-
a vanragem adicional de especificar o numero a ser entraclo posterior- vance serao for~ados a decidir se saltam a pergunta, escrever "nao
mente na etapa de processamento de dados. Se usar este metoclo, sea plica", responder nao, ou jogar fora o questionfuio. (Esra ultima
voce cleve clar instru~oes claras e visfveis, uma vez que muiros escolha e basrante comum.)
respondentes ficarao tenrados a par urn "X" no n(imero apropriado, Ha varios formatos de perguntas contingences. Acho que
dificulrando a entrada de clados. (Nota: A tecnica pocle ser usacla 0 melhor e aquele em que as perguntas contingences sao recuadas
com seguran~ em swveyscom entrevisras, ja que os entrevisraclores no questionario, postas em caixas e conectadas a pergunta base
podem ser instrufclos e testados.) por setas a partir clas respostas apropriadas. A Figura 7-2 ilustra
uma clestas perguntas. Usados adequadamente, conjuntos com-
plexos de perguntas contingences podern ser construfdos sem
confundir o respondence, como ilustraclo na Figura 7-3.
fi GURh 7-l
Formotos de respodos Embora os exemplos acima se refiram primariamente a
questionarios auto-administrados, a apresentat;;ao apropriada de
[ ] Sim ( ) Sim 1. Sim perguntas contingentes e ainda rnais irnporrante em questionarios
[ ] Nco ( ) Nco 2. Nco por entrevistas. 0 respondence num questionario pelo correio
pode, mesmo com certa insatisfat;;ao, reler a pergunta, masse o
[ ] Nco sei ( ) Nco sei 3. Nco sei enrrevistador ficar confuse e fizer perguntas impr6prias, tocla a
entrevista ficara prejudicada.
fiGURh 7-3
~,..----1 SIM •. - - - - - 2 NAo
14. Voce ja ouviu folar do Progromo Cidode Modelo?
P.38a. Quantas horas voce P.38e. Voce estava
trabalhou na ultima procurando trabalho ou
[ ] Sim semana, contando saiu de um emprego na
[ ] Nao
l todos os empregos, se
foi mais de um?
ultima semana?
~ ~
1. 1-14 5.40 nenhum
Em caso afirmativo: 2. 15-29 6.41-48 2. Saiu de um emprego
3.30-34 7.49-59
a. Voce em geral aprova 4.35-39 8.60oumais
ou desaprova o programa? P. 38f. Voce esteve
procurando trabalho
[ ] Aprova P.38b. Voce gostaria de nos ultimos 60 dias?
[ 1 Desaprova trabalhar mais horas
[ ] Sem opiniao
e
ou esta a Quantidade +-1 . Sim .3. Nao
que voce quer?
b. Voce ja compareceu a alguma P. 38g. 0 que voce fez
reuniao da residente Cidade Modele? principalmente durante
1. Quer mais a ultima semana?
[ 1 Sim
[ 1 Nao
Em caso afirmativo:
rl
P.38c.
2. Nao quer mais
3. Naosabe
~
1. Menos de um ano P.38h. Qual a ultima vez que
2. 1 ou dais anos voce trabalhou, mesmo
3. 3 a 5 anos por poucos dias?
4. 6 a 10 anos
5. Mais de dez anos
_.£: lOO. Nunca trabalhou
A Figura 7-4 most1-a pa1te de urn quesrionario de entrevista P.38d. No ano passado, P.38i. Por que voce saiu do
visando deteJminar o arual status ocupacional cia pessoa. Ler as alguma vez voce saiu ultimo emprego?
de um emprego por
questoes, dar respostas diferentes e seguir as setas apropriaclas causa de
ate a proxima pergunta o orienta sobre a inrenyao do pesquisaclor, deasacelera9ao 1. Demitiu-se
permitindo que voce veja a faciliclade que o entrevisrador reve economica 2. Desistiu
. - 3. Despedido
para obter a informac;:ao relevante de toclos os entrevistaclos. 1. Sim 4. Machucado ou lncapacitado
i 2. Nao
3. Nao sabe
5. Emprego sazonal
6. Outre
- - - - - - - - . PASSEAPROXIMAPAGINA - ----
Questoes Mohiciais ler errado algumas clelas, dando respostas erraclas. Voce pocle
reduzir um pouco este problema alternando cleclara<;:oes repre-
Com frequencia, voce far:l varias perguntas como mesmo sentando orienta<;:oes diferentes e fazendo-as curtas e claras.
conjunto de categorias de respostas. Este e o caso tfpico sempre
que caregorias de respostas do tipo Likert forem usadas. Em tais
casos, muitas vezes e possfvel construir uma questcio matricia/,
como ilustrado na Figura 7-5.
Ordenando as Questoes no Question6rio
FIGURh 7-5 A ordem na qual sao feiras as perguntas pode afetar a
resposta, bem como toda a coleta de dados . Por exemplo, a
formolo de queslao molriciol
presenp de uma pergunta pode afetar as respostas a perguntas
17. Ao lodo de coda urn dos enunciodos opresenlodos aba!xo, par favor _indidue subseqi.ientes. Por exemplo, se sao feitas algumas perguntas sobre
se voce concorda forlemenle ([f), concorda (C ) d1scorda (0), d1scor a o perigo cia polui<;:ao, e uma pergunta subseqi.iente (abetta) pede
farlemenle (OF) au esl6 indeciso (1). aos respondences para sugerir o que acreditam representar perigo
CE c n ill 1 para o pals, "poluis;ao" sera mais citada do que seria o caso se
a. 0 que este pals precisa aquelas perguntas iniciais nao tivessem sido feitas.
e de mais lei e ordem ........ [ l [ l [ l [ l l l Se pedinnos aos respondences para avaliar sua religiosidade
b. A polfcia deve ser geral ("Qual a imporrancia cia sua religiao para voce, em geral?"), as
desarmada neste pals. [ l [ l [ l [ l [ l respostas a perguntas posteriores sobre aspectos espedficos
c. Durante revoltas, deve-se cia religiosidade buscarao consistencia com a avalia<;:ao anterior.
atirar no ato em 0 inverso tambem e verdade. Se os respondences ouvem primeiro
aqueadores ........................ [ l [ l [ l [ l [ l perguntas especfficas sobre aspectos diversos de sua religiosidacle,
etc. a avalias;ao geral subsequence refletira as respostas anteriores.
Este formato rem numerosas vantagens. Primeiro, usa Alguns pesquisadores tentam supera r este efeito "aleato-
espa<;:o de forma eficiente. Segundo, os respondentes provavel- rizando" a ordem das perguntas - em geral um esfor<;:o futil.
mente acharao mais cipido completar um conjunto de perguntas Um conjunto "aleatorizado" de perguntas provavelmente parecen1
apresentadas desta forma. Terceiro, o formato pode facilitar a aos respondentes ca6tico e sem valor. Ademais, terao dificul-
comparabilidade etas respostas dadas a perguntas diferentes dade em responder se forem obrigados a mudar continuamente
tanto para o entrevistado como para o pesquisador. Como o foco de atens;ao de um tema para outro. Finalmente, mesmo
os respondentes poclem rever rapidamente suas respostas a uma ordenas;ao aleatorizada de perguntas afeta as respostas do
itens anteriores neste conjunto, podem escolher entre, digamos, modo discutido acima, e voce nao tera controle sobre este efeito.
"concorda fortemente" e "concorcla" com uma declara<;:ao, com- A solu<;:ao mais segura e ter sensibilidade para o problema.
parando a for<;:a cia concorclanc ia com as respostas anteriores. Embora voce nao p ossa evitar o efeito do orclenamento de
Mas ha alguns perigos inerentes a este formato. As vanra- perguntas, deve poder estimar este efeito e interpretar os
gens podem encoraja-lo a estruturar um item de forma que as resultados significativamente. Sea ordem das perguntas parece
respostas se encaixem numa matriz, quando um conjunto dife- ser uma questao especialmente importance num estudo, voce
rente, mais idiossincr<ltico, de respostas seria mais apropriado. rode fazer mais de uma versao do questionario, com dife-
Alem disso, o formato de questoes matriciais pode incluzir um remes ordenamentos de perguntas, criando condi<;:oes para
padrao-de-resposta nos respondentes, um padrao de concor- cleterminar o efeito dele. No mfnimo, voce deve pre-testar
dfmcia com todas as declaras;aes. Isso seria especial mente provavel seu questionario usando as formas d iferentes.
se o conjunto come<;:asse com varias cleclara<;:oes indicanclo uma
orientas;ao particular (por exemplo, uma perspectiva polftica A o rdem desejada clas perguntas difere nos questionarios
liberal), com apenas algumas declaras;oes posteriores inc.licando a auto-administrados e por entrevistas. No primeiro, em geral e
orientas;ao oposta. Os respondentes podem supor que todas as 111elhor comes;ar o questiom1rio com as perguntas mais interes-
cleclaras;oes representam a mesma orientas;ao e, lenc.lo rapidamente, sames. 0 respondente potencial que corre o olhar casualmente
sobre as primeiras perguntas deve querer responde-las. Talvez
esras questoes perguntem coisas sobre as quais os entrevistaclos Se um questionario esta ordenado em subsec;oes por
estao ansiosos por se cxpressar. Ao mesmo tempo, contuclo, as co 1 ~·.udos- por exemplo, atitudes pollticas, atitudes reli-
pergunras iniciais nao devem ser amea~doras. (Pode ser nti ideia gi< .sas, dados basicos - e util introcluzir cacla sec;ao com uma
iniciar com pergunras sobre compottamenro sexual ou uso de dro- ~leclarac;ao cu1ta sobre seu conreuclo e finaliclade. Eis um exemplo
gas.) Em geral, deve-se pedir clados demograficos mais inslpidos de introduc;ao posslvel: "Nesta sec;ao, gostarlamos de saber quais
(idade, sexo etc.) apenas no final dos questionarios auto-admi- p roblemas comunitarios as pessoas por aqui consicleram os mais
nistrados. Pedi-los no come~o, como muitos pesquisadores inex- importances." !tens demograficos no fim de um questionario
perientes sao tentados a fazer, cia ao questionario a aparencia auro-administrado podem ser introduzidos assim: "Finalmente,
inicial de um formulario rotineiro, e quem o recebe pode nao gostarfamos de saber um pouco sobre voce para podermos ver o
encontrar motivac;ao suficiente para termina-lo. que diferentes tipos de pessoas acham sobre os temas que
0 oposto em geral e verdade para os surveyspor entrevistas. esrivemos examinando."
Quando o entrevistado em potencial abre a porta ou atende o Introduc;oes curras como estas ajudam o respondente a
telefone, o entrevistador cleve comec;ar estabelecenclo rapida- dar senticlo ao questionario, e o tomam menos ca6tico, particular-
mente a comunicac;ao com o entrevisrado. Ap6s breve introduc;ao mente quando ele aborda uma variedacle de dados. Tambem
apesquisa, o enu·evistador deve comec;ar enumerando os membros ajuclam a por o respondente no contexte mental apropriaclo
da residencia, pedindo os dados demogr:ificos de cada um. para responder as perguntas.
Esras questoes sao facilmente respondidas e, em geral, pouco
ameac;adoras. Ap6s estabelecer a comunicac;ao inicial, o entre-
vistaclor pocle, entao, entrar na area clas atitucles e assuntos
mais senslveis. Um s1t1vey por entrevisra comec;anclo com a Algumas perguntas poclem requerer instruc;oes especiais
pergunta "Voce acredita em Deus?" prova vel mente teria um para facilitar a resposta adequada, especialmente se uma pergunta
clife re das instruc;oes gerais ao questiom1rio como um toclo.
fim rapido.
Alguns cases especlficos ilustram esta situac;ao.
Apesar de ser desejavel ter categorias de resposras mutua-
mente excludentes em questoes fechaclas, muitas vezes mais de
Instru~oes uma resposta se aplicara a alguns respondenres. Se voce quiser
uma resposta unica, deve deixa-lo bem claro na pergunta. Por
Toclo questionario, seja auto-aclministraclo ou aplicaclo por
exemplo, "Na lista a baixo, marque por favor a razao principal da
um entrevistador, cleve comer instruc;oes claras e comentarios sua clecisao de frequentar a faculdacle". Muitas vezes a pergunta
introclut6rios oncle apropriado. principal pode ser seguida de uma nota entre parenteses, por
exemplo, "Por favor, marque a melhor resposta". Se, por outro
lnstru~6e s Gerais !ado, voce quer que o entrevistado marque tantas respostas quanto
foro caso, tambem cleve deixar isto clare.
Toclo questionario auto-administrado deve comec;ar com Quando um conjunto de categorias de respostas river de
instruc;oes basicas sobre o preenchimento. Embora muitos res- ser ordenado pelo respondente, as instruc;oes devem deixa-lo
pondences estejam familiarizados com recnicas de surv~vnom~nis, clare, e um tipo diferente de formate de respostas deve ser usado
e uti! comec;ar instruinclo-os a indicar as respostas a cerras per- (por exemplo, espac;os vazios ao inves de caixas). As instruc;6es
devem m · ct·Icar quanras respostas clevem ser ordenadas (por
guntas com uma marca ou um "X" na caixa ao !ado cia resposta
apropriada, ou escrevenclo as resposras quando solicirados. Se exemplo, todas, a primeira e a seguncla, a p1imeira e a L'tltin1a, a mais
muiras questoes abertas forem usadas, os respondences clevem ··c
e·tme ··1111
01
nos P0rtante) equal a orclem de hierarquia (por exemplo,
ser orientaclos sobre o ramanho esperado cbs respostas. Se voce . oque um 1 ao !ado cia mais importance, um 2 ao !ado cia
segunda mais imporranre, e assim par diante".)
encorajar resposras escritas, permitindo elaborar respostas a
questoes fechadas, deve assinalar esta possibiliclade.
Ordenar uma lista de itens muitas vezes e diffcil para os passar (los P
roblemas comunitarios para os problemas nacionais ... ")
'
respondentes, porque talvez tenham de ler a lista varias vezes. Alem de forma que o roteiro, palavra pot~ palavra, so~ natural c~~o
disso, em geral se consegue os mesmos resultados pedindo para ·sa 0 mesmo sea plica a enumera~.;ao demograftca
umacOn\ el ·'·
valoraros itens (por exemplo, ''Muito impottante", "Importante" nentes eta residencia. Ao inves de instruir o ~entre-
d as cOil ,,Do ,.
etc.) Como assinalam Krosnick e Alwin,9 problemas s6 ocorrem · dor a olJter a idade de cada membra cia famtlia, voce deve
VISta
quando os respondentes ciao os mesmos valores i.'t maioria dos esentar uma pergunta padronizada para cada ("Qual era a
itens. Naturalmente, como sugerem os autores, dar o mesmo ~;d~ dele no dia primeiro de janeiro de 1990?") 0 Capitulo
valor a varios itens pode indicar o que eles realmente sentem ~0 enfatiza a in1pottancia de se seguir atisca o texto do questionario,
quanta aqueles itens, e um ordenamento for\=ado pode produzir mas isso s6 sera possfvel se o questionario estiver construfclo
respostas nao verdadeiras. Mas, se voce achar essencial que os
adequadamente.
respondentes ordenem uma lista de itens, voce deve fazer a lista
tao curta quanta possfvel. Como regra geral, nao pe~ para ordenar
mais do que cinco itens.
Rep rodutOO do Questi onari 0
Em questoes matriciais de multiplas partes, voce cleve
dar instru\=oes especiais, salvo se o mesmo Formato for usaclo Tendo construfdo o questionario, e preciso fazer c6pias
em todo o questionario. As vezes, espera-se que os respondentes suficientes para a coleta de dados. 0 metoda para reproduzir os
marquem uma resposta em cada coluna cia matriz, em outras questiom'irios e importante para o sucesso cia pesquisa; um ins-
vezes que marquem uma resposta em cada linha. Sempre que o trumento reproduzido com capricho encorajara uma taxa maior
questionario contiver os clois tipos de respostas, cleve-se dar uma de respostas, fornecendo melhores dados.
instiU\=ao esclarecendo o tipo esperaclo em cacla caso. Ila varios metodos para reproduzir questionarios, e sua
escolha dependera dos fundos disponfveis, das facilidades locais
e do tempo. Reprodu\=6es mimeografadas em geral sao mais
lnshu~oes ao fnhevistador baratas e rapiclas, mas com menor qualidade grafica. Maquinas
Urn questionario confuso auto-administraclo pocle cles- de fotocopia r variam em velocidade, qualidade e pre\=O, mas
moralizar o respondente, mas um questionario por entrevista pode-se produzir questionarios excelentes, especial mente usando
confuso pode desmoralizar tanto o entrevistaclo quanta o entre- urn computador e uma impressora laser para o original.
vistador, pondo em perigo a eficiencia cleste ultimo. Pottanto, 0 foto-offsetde c6pia do questionario resulta em melhor
instiu\=oes suplementares clams aos entrevistaclores, fornecidas qualidade e, alem de um ceno numero de c6pias, pode ser mais
oncle apropriado, sao de patticular imponancia. economico. Uma mati·iz em foto-offsetpermite um numero incon-
tavel de c6pias, enquanto uma matriz de mime6grafo precisa
As instiu\=oes que o entrevistaclor deve ler para os entrevis- ser refeita depois de algumas centenas de c6pias, e a fotoc6pia
taclos e as que nao devem ser lidas clevem ter fonnatos cliferentes. mantem o mesmo custo unitario mesmo para muitas c6pias.
Por exemplo, as que nao clevem ser lidas podem estar entre
0 melhor metoda de reprodu\=ao do ponto de vista cia
parenteses ou em tetras maiusculas. Uma entrevista pocle ser qualidade profissional e a tipografia. Mas eo metoda mais caro
destrufda se o entrevistaclor ler alto algo do tipo "Se o entrevis- e pocle nao ser viavel para alguns projetos. Alem disso, a tipo-
tado e quase analfabeto, en tao ..." grafia em geral toma mais tempo do que outros metodos. De qual-
E igualmente importante que urn questionario por quer forma, voce deve investigar as possibilidades locais, equili-
entrevista tenha um roteiro verbatim para o entrevistador ler brando os valores relativos de tempo, dinheiro e qualidade.
na entrevista. 10 Em circunstancias icleais, um entrevistaclor deve Atualmente, o melhor sistema de reprodu~.;ao consiste num
poder conduzir toda a entrevista eta introdu\=ao inicial ("Ola, microcomputador com um processador de textos ou programa
meu nome e... ") ate os comentarios fin~lis ("Isso completa a de_ ~ditora\=ao profissional e uma impressora laser para criar o
entrevista. Queremos agradece-lo por... ") sem tamar liberdade ongmal. em conjun~ao com o foro-offset das c6pias.
com uma (mica palavra. Toclas as declan:t\=6es de transi~.;ao ao . 0 questionario pode ser construfdo de diversas f01mas.
Iongo do questionario clevem ser feitas ("Agora gostarfamos de Em alguns casas, e melhor imprimir o questionario numa folha
• CJ1n 1·Jos y STARK Rodney. Religioll Cllld Society ill Te11sio11.
grande (mica, dobravel para formar urn livreto de patnets ~GLOCK, •• ~ ., _. .
. . w1nd McNally, 196::>. p.l8-38.
clesdobraveis. Caso haja muitas paginas no questionario, ChJCag0 · •
·:1rl Science and ,\/orality in ,\ledicine. Berkeh.:y: Uni\'ersity of
pode-se prende-las com um grampeador. 0 questionario Iongo • BABBl E· 1·• ·
de melhor aspecto profissional e um livreto impressa grampeado. California l'ress, 1970.
Este eo metoda mais caro. . u n tratamento excelenre deste Lema em DAVIS.• james A.
' EnLontra-se 1 ' · · II 1971 .
urvev Analysis. Englewood Chffs, NJ: Prenllce-Ha ,
Uma ultima preocupa~ao cia reprodu~ao do questionario ElemelltaiY S - ·J r· a dos tratamentos d estes ntvels
• · u:1 me<1·'\·'o
' us.1m
·· o
e quantos devem ser pedidos. Para chegar a esta decisao, voce 9 ct seq. A m •110 1' . . .
P· Ia (ox escala nomillal) segumdo o exemplo de STEVENS, S. S.
rem10 esca ~. ·' ' 6 680 946
cleve considerar o tamanho cia amostra, o numero de cartels de , ry of Scales os Measurement. Science, v.103, p. 77- , 1 .
On tl e . ect0·vro usa o termo escala em senudo
1 Th · d1ferente
· (ver • Io 8) ,
Cap1tu
acompanhamento, se houver, num s1 1rvey pelo cotTeio, e a possfvel Como est 1
necessidade de c6pias de discussao, amostras para outros pesqui- evitamos seu uso neste contexto.
sadores, c6pias para inclusao como apendices em relat6rios de • BISHOP, George F., TUCHFARBER, Alfred ].. OLDEND!CK, Robe1:t W.
pesquisas o u livros c6cligo, e assim por diante. Como regra Opinions on Fictitious Issues: The Pressure t~ Answer S11rvey Quest1ons.
aproximada, voce deve estimar o numero necessaria para a coleta Public Opillion Quaterly, v.SO, p.240-250, verao 1986.
de dados e multiplicar este valor por 1,5 a 2,0, para de te rminar -SMITH, Tom. That Which We Call Welfare by Any Other Name Would
o n(tmero de c6pias. Lembre que c6pias adicionais produzidas Smell sweeter. Public Opiuion Quc111erly, v.51, p.75-83, pnma\'era 1987.
na primeira edi~ao dos questionarios ser:io bem mais economicas 6 CARl\11NES, Edward G., ZELLER, Richard A. Reliability Cllld Validity
do que as produzidas em edi~oes posteriores. Assessment. 13everly H ills, CA: Sage, 1979.
10Um roteiro nao seria apropriado para uma entrevista nao estruturada,
Este capitulo cobriu uma variedade de assuntos, do te6rico num estudo cxplorat6rio. Neste caso, o entrcvistador devc rcceber um
e filos6fico ao tecnico e ate o mundano. Come~ou com questoes esbo(o dos temas a cobrir, e talvez um conjunto de questoes possfveis.
gerais de conceitualiza~ao e operacionaliza~ao no desenho dos
irens do questionario apropriados. Foram dadas algumas dire-
trizes gerais e especfficas para a reda~ao das perguntas e sua
apresenta~ao no instrumento de pesquisa . 0 capitulo conclu iu Leituras Adicionais
com uma breve discussao sabre o !ado tecnico cia proclu~ao de
quesrioml.rios. CARMINES, Edward G., ZELLER, Richard A. Reliability and
A combina ~ao destes temas num unico capitulo pode Validity Assessment. Beverly Hills, CA: Sage, 1979.
parecer bizarra, mas ha um prop6sito nela. 0 valor cie11tfjico GOULD, Julius, KOLB, William. A Dictionm:y of tbe Social
ultimo de um survey pode depender tanto da maneira como o Sciences. New York: Free Press, 1964.
questionario e reprocluzido quanta c.la imagina~ao na operacio-
KAPLAN, Abraham. The Conduct of Jnqui1y. San Francisco:
nalizas;ao de conceitos. Os resultados cla pesquisa de swvey
Chandler Publishing Co., 1964.
sao o procluto de muitos passos, indo do te6rico ao mundano, e
uma fraqueza em qualquer um deles amear;a o todo. .MILLER, Delbe rt. Handbook of Research Design alld Social
Measurement. New York: Longman, 1983.
Notos OPPENHEIM , A. N. Questionnaire Design Cllld Altitude
1
WHITEHEAD, Alfred North. Scie11ce a11d the Modem World New York: Measurement. New York: Basic Books, 1966.
The Macmillan Company, 1925. p.56.
PAYNE, Stanley. The Art of Asking Questions. Princeton, NJ:
2
Citado em SELLTIZ, Claire et al. Nesearcb Metbods ill Social Relatiom.
Princeton University Press, 1965.
New York: Ilolt, Rinehart & Winston, 1959. p.S64.
SCHUMAN, Howard, PRESSER, Stanley. Questions and Answers
in Attitude Surveys. Experiments on Question Form, Wording
and Context. New York: Academic Press, 1981. Capitulo 8
SMITH, Tom WI. The Art of Asking Questions. Public Opinion
Quarterly, v.51, p.S95-S108, inverno 1987.
fiGURA 8-1
Conshu~ao de indices
indices vers us escalas
Porte A. l6gico do Co nshucao de Indi ces Sele~ao de ltens
Aqui estao varias ocupa96es que os americanos podem consentir ou nao que
Um lnclice composto e criado para medir uma variavel.
um com unista declarado exer9a. No geral, as diferentes ocupay6es provavel-
mente seriam consideradas como tendo mais ou menos o mesmo grau de
0 primeiro criteria pa ra selecionar os itens a serem inclu ldos
"importancia" pelos respondentes. no fndice e a ualidade aparente (validade 16gica). Se, por
~xemplo, voce quiser medir conservadorismo politico, cada
Para criar um fndice de apoio as liberdades civis, podemos atribuir aos respondentes
um ponte para cada ocupayao que consentirem a um comunista exercer. Item deve aparecer para indicar o conservadorismo do respon-
cle~te (ou seu oposto, o liberalismo). Filia~ao a partido politico
I Advogodo I fisico I Bibliolec6rio I Engenheiro II Professor II Reporter sen a um desses itens. Se pedirmos aos respondenres para
Porte B. L6gico do Co ndru cao de fscolos aprovarem ou desaprovarem as ideias de uma conhecida figura
A seguir mostramos tres ocupay6es que os respondentes provavelmente
publica conservadora, as respostas podem logicamente fornecer
outra. ·m d.1ca~ao
- d· e conservadorismo. Um pesquisador cons-
veriam como diferindo em grau de importancia com relayao ao seu exercfcio per
comunistas. 0 tamanho das caixas representa os diferentes percentuais de ~rumdo um fndice de religiosidade pode considerar irens
aceitayao com relayao a um comunista exercendo tal cargo. dmvestiganclo a frequenCia
··A · d o respon c1ente a igreja, aceita<;ao
inclufdos determinara quao espedfica ou generica e a meclida sutileza, ficanclo alerta com itens nao relacionados empiricamente
cia sua va riavel. entre si. E irnprovavel que itens nao relacionados entre si me~am
a mesma variavel. Urn item nao relacionaclo a varios outros
Ao selecionar itens para incluir no fndice, voce deve
provavelmente cleve ser abanclonado. Ao mesmo tempo, outro
considerar tambem a quantidade de variancia fornecida pelos
sinal de perigo e uma forte correlas;ao entre dois itens. No limite,
itens. Se um item fornece uma inclicas;ao de conservadorismo
se dois itens rem uma COITelas;ao perfeita, s6 precisamos de um
polftico, por exemplo, voce cleve anotar quanros conservadores
sao inclicados pelo item. No limite, um item que indicar que deles no indice, porque um can-ega toclas as indicas;oes fornecidas
ninguem e conservador ou que todos sao conservaclores nao pelo outro. (Esta quesrao ficara mais clara na proxima se~o.)
sera muito Lltil para criar um fndice. Se s6 lo/o de uma amostra Um exemplo da literatura substantiva sabre pesquisa de
aprovar um politico radical de direita, o item que medir isso suroey pode ajuclar a ilustrar os passos na constru~o de Indices. 1
provavelmente nao sera muito uti! na constru ~ao de um fndice. Um survey com professores de uma escola de medicina estudou o
Com rela~ao a vari~tncia, temos duas ops;oes. Primeiro, efeito da "perspectiva cientifica" na qualidade clos cu idados que
VOCe pocle selecionar variOS itens que diviclam OS respondentes os medicos clispe nsam aos pacientes. 0 objetivo primario foi
mais ou menos ao meio, em termos cia variavel. Assim, voce determinar se medicos com mais inclina~ao para a ciencia eram
pocle selecionar varios itens, cacla um inclicando cerca de metacle mais irnpessoais no tratamento dos pacientes.
como conservadores e metacle como liberais. Apesar de nenhum 0 questionario do survey ofereceu varios indicadores
dos itens, par si s6, justificar caracterizar um respondente como possiveis das perspectivas cientificas dos respondentes. Destes
trA o '
"muito conservador", uma pessoa que parecer conservadora em es It~ns pareceram- em te1mos de validade aparente - indicar
toclos os itens pocle ser caracterizada assim. A seguncla ops;ao e especialmente se OS mediCOS eram OU nao cientificamente orien-
selecionar itens que difiram em variancia. Um item pode inclicar tados. Os tres itens foram:
que cerca de metacle dos responclentes e conservaclora, e outro
pocle inclicar que poucos o sao. (Nota: esta seguncla op~ao e 1. Como professor da escola, em qual capacidadc acha
necessaria para 0 escalonamento, mas e tambem um metoda
que pode dar maior contribui<;ao academica: como medi-
razoavel para construir Indices).
co clfnico ou como medico pesquisador?
Canto inferior direito cia tabela SaO presumivelmente OS mais Clinico Pesquisodor
cientificamenre orientados, quanro aos dois irens. 51% 87%
Lembre-se de que expressar interesse primordial e ffelividode (66) (12)
"mecanismos basicos" rambem foi romado como indicador c~ Preferencios de Leiluro Argumenlos 51% 86%
orienta~ao cienrillca. Como espcramos, os no canto infelior direito (219) (130)
tern a maior probabilidacle de dar esta resposta (89%), e os no
canto superior esquerclo a menor probabilidadc (27%). Os que
Estes clados hipotericos conram uma hist6ria bem diferente
deram respostas mistas em rcla\aO a papcl academico c prefe-
da que contaram os dados verdadeiros da Figura 8-3. Neste
rencias de leirura esrao em posi\aO intermcdiaria no seu inte-
caso, evidentemente persiste a rela\aO original entre papel aca-
resse por mecanismos basicos (58% em ambos os casos). demico e plincipal interesse medico, mesmo quando preferencias
Esta rabela nos diz muiras coisas. Primeiro, vemos que de leirura sao introduziclas no quadro. Em cada linha da tabela,
as rela\6es originais entre pares de irens nao sao aferaclas signi- os "pesquisadores" rem probabilidade maior do que os "clfnicos"
ficativamenre pela presen\a de um rerceiro item. Por exemplo, de expressar imeresse pelos mecanismos basicos. Mas, obser-
a rela\ao entre papel academico e principal interesse medico vando as colunas, vemos que nao ha rela\ao entre preferencia de
foi resumida como diferen~a de 36 ponros percentuais. Obser- leitura e principal interesse medico. Se soubermos se os respon-
vando a Figura 8-3, vemos que, somenre entre os respondences dences acham que podem ensinar melhor como cllnicos ou
mais interessados em artigos sobre a eferividade do rratamento, como pesquisadores, conhecermos suas preferencias de leitura
a rela\aO entre papel academico e principal interesse medico nacla acrescenta a nossa avaliac;ao de suas orientac;oes cientfficas.
foi de 31 pontos percentuais (58% menos 27% na primeira linha), Se algo como a Figura 8-4 resulrar de nossos clados, concluiremos
c o mesmo e verdadeiro para os mais interessaclos em artigos que preferencias de leitura nao devem ser inclu!das no mesmo
sobre argumentos basicos (89% menos 58% cia segunda linha). fndice de pa pel academico, porque nao contribuira em nada
A relac;ao original entre papel acadcmico e principal interesse para o fndice composto.
medico e essencialmenre a mesma cia Figura 8-2, mesmo entre Neste exemplo, estavam envolvidos apenas tres itens
OS COI1Siderados cientffiCOS OU nao-cientfficos quamo as prefe- de questio nario. Se considerarmos ma is itens, e necessario
rencias de leituras. usar tabe las multivariadas mais complexas. Are aqui, limitamos
a ate n~ao a ana lise trivariada dos tres itens. Lembre que o
Podemos tirar a mesma conclusao do exame clas colunas
pro p 6siro desra etapa, na consrruc;ao de Indices, e examinar
na Figura 8-3. Lembre que a rela\aO original entre preferencias de
a in~erac;ao simulranea dos itens, para determinar se eles podem
leitura e plincipal interesse medico foi resumida como diferenc;a ser mclufdos no mesmo fndice.
de 38 pontos percentuais. Observanclo apenas os .. clfnicos" na
Figura 8-3, vemos que a relac;ao entre os ourros dois irens e agora
31 ponros percentuais. A mesma relac;ao c cncontrada entre os fscore de Indices
"pesquisadores" na segunda coluna.
Ap6s determinar os melhores itens para inclusao no indice,
~roximo passo e atribuir escores a resposras especillcas, assim
0
A imporrancia desras observa~oes fica mais evidence
quando consideramos o que pode ter aconrecido. A tabela da cnando u n - . - -
I Un!CO mdice composto a partir de varios itens. E
pre ·
Figura 8-4 apresenra clados hipoteticos para ilusrrar esre ponto. CJso toma r duas decisoes basicas sobre isso.
de
1
d~ p rimeira e decidir a amplitude desejada dos escores
n •ce. Uma das principais vantagens de um fndice sobre
Nota· Nesta atividade, como na maioria
um irem unico e a amplitude de gracla~oes oferecicla na mecli\;ao demand as. ( . b
cliferentes cl ·uey a clccisao pode ser revista, com ase
de uma variavel. Como observamos antes, conservadorismo . 'd a des. e sw
.l::ts aU\'1 . A 'val·lclariio de um fndice, a ser cI'IScutl'd a
u. · postenor. :.- . .
polfrico pocle ser mediclo clesde "muito conservaclor" a "nada nun1 exame de leva-lo a reciclar os esfor~os e constl Ulr
conscrvador" (ou "muito liberal") . Entao, quao Ionge, nos i a pouco, po . )
daqu . mpleramente cl1ferente .
extremes, deve se estender o fndice? Como antes, csla decisao -11 d1ce co . . ·c1·
um ' 1 d 0 survey na escola de mecl!Cma, c1ect tu-se
envolve a questao cia variancia. Quase sempre, quando se N0 exemp
· .
o . lnlente porque eles foram esco II11'cl os,·
estencle os possfveis extremes de um fndice, menos casos pondelal c.
. . ada Jtem lgua ' ·r
ntal·em aspectos ligeiramente dt erenres
sao encontrados em cacla extremiclade. Se voce tentar medir or represe ' . .
em parte, P . - cientffica. Em cacla ttem, os respon-
conse1vadorismo polftico no seu maior extremo, pode descobrir . 'vel o nenta~ao " .
da van a core de 1 quando davam resposta C!Cn-
que quase ninguem cai nessa categoria. ebiam um es •
dentes rec ta "nao-cientffica". Assim, cacla respon-
Entao, a primeira decisao esra relacionada aos desejos .. .. 0 ::to dar respos d c1
tihca e , b escore de 0 1 2 ou 3, clepen en o
cl'a rece er u1n • • '
conflitantes de (1) a maior amplitude de medi~ao possfvel dente po ,, t s "cientfficas" daclas. Este metodo de
, ero de respos a d , '1
no fndice e (2) um nC1111ero adcquado de casos em cada ponto do num .. e foi consicleraclo uma amplitu e uti
rao permltlU 0 qu ,
do fndice. Voce tem que chcgar a algum tipo de acordo entre pond e:a:.-~ ategorias de Indices - e tambem um
d va na~ao - quatro c '1'
estes desejos. ~ . f' 'ente de casos enl cacla categoria para as ana !SCS.
numew su 1c1
A segunda clecisao concerne a arribui~ao de escores
para cacla resposta especlfica. Basicamente, voce devc decidir
se atribui peso igual ou diferenres pesos aos itens no fndicc.
Trabalhando com Dodos faltantes
Como veremos mais tarde, a constru~ao de escalas e bastante E quase toclo survey, alguns respondences nao resp~n
diferente neste aspecto, mas a atribui~ao de escores na cons- clem al;unas perguntas (ou escolhem a op~ao "nao :el.").
tru~ao de Indices e uma questao abcrta. Enquanro nao ha rcgras Esses dados fa ltantes sao um problema em_toclos, os .est~g,os
firmes a seguir, sugiro - e a pratica tencle a confirmar - de a nalise, mas especialmente na constru~ao de mdlces. ~As
que os itens clevam ter pesos iguais, a menos que haja fortes escalas sao cliferentes tambem neste ponro;. ~e alguns les-
razoes pa ra receberem pesos distinros. Ou seja, ponderar poncle ntes nao responderem itens de um mdtcc comp.os~o,
cliferentemente deve ser justificado, enquanto pesos iguais voce te ra problemas para atribuir cscores a estes entl e~IS-
deve sera norma. , d'1ce. H~,1 va'1·1·os 111e'todos para lldar
- d o 111
tados na co nst r u~ao
E claro que a decisao sobre a pondera~ao devc estar com este p roblema.
relacionacla ao equilfbrio dos itens escolh iclos. Se o fndice Primeiro se relativamente poucos respondences tiverem
representar a mistura de aspectos pouco diferentes de uma clados faltante~. voce pode decid ir excluf-los da constru~~o
variavcl, entao voce dcve ponderar igualmente cada um deles. e analise d o lndicc. Os principais cuidados neste caso sao
Mas, em alguns casos, voce pode achar que dois itens reflerem se a quanticlade restante para analise aincla e suficiente ~ se
essencialmente o mesmo aspecto, enquanto um terceiro reflete excluir estes respondentes resulta numa amostra tenclenclosa
um aspecto cliferente. Se quiser rcspeitar igualmentc os clois ao usa r o inclice na analise. A possibiliclade de vies pocle ser
aspectos no fnclice, voce pode deciclir dar ao item diferente examinada pela compara~ao, em outras variaveis relevances,
um peso igual a combina~ao clos pesos dos dois itens similares. clos respo nde nces que seriam inclufdos no fndice e dos que
Nesse caso, voce pocle atribuir um escore maximo de 2 para seria m exclufclos. (No exemplo cia escola de medicina, esta
o item diferente e escores maximos de 1 para cada um dos fo i a decisao tomacla em rela~ao aos daclos faltantes).
clois itens simila res. Segundo, pocle haver razoes para tratar OS dados faltantes
Embora as razoes para ponderar respostas devam consi- do mesmo modo que as outras rcspostas daclas. Por exemplo,
clerar qucstoes como essas, nonnalmente voce cxperimenta clife- se o questionario peclir aos respondences para inclicar sua
rentes metodos de ponclera\;ilO, examinanclo os pesos relatives pa nicipa~ao em varias ativiclades marcando "sim" ou "nao"
atribufdos a cliferentes aspectos e, ao mesmo tempo, conside- para cada uma, muitos entrevistados poclem marcar "sim" para
rando a amplitude e a clistribui<;ilo dos casos. No fim, o algumas ati vidades e cleixa r as outras em branco. Neste caso,
mctodo escolhido rep resenta uma combina<;ilo entre essas
voce podc decidir que uma resposra em branco significa um de pesquisas, porque voce esra "embaralhando as cartas" contra
"nao" e registrar os dados falrantes como se tivessc sido . mesmo. Se o fndice resultante provar ser uma ferramenta
51
marcada a op\ao "nao". derosa na am11ise, voce podera concluir que seria ainc.la
0
p ·s pocleroso se todos houvessem respondido rodas as
Terceiro, uma analise cuidadosa dos dados faltantes mal
uestoes. (Claro que, se sua meta for mosrrar que o fnclice
pode permitir uma interpreta~ao do seu significado. Ao cons- qnao esra relacionad o a outras vanave1s,
"' . voce tera embara II1acIo
A '
FONIE- Adaplada de /1\IICHEll, Arnold. The Nine American lifeslyles. New York: W
arner Books, 1983. p.4-24. 2. Medidas compostas permitem maior amplitud<.: de vari-
a~ao cia variavel. Enquanto um un ico item dicotomico
fornece apenas dois niveis de inrensidade Cpor exemplo,
Uma tipologia mais complexa, desenvolvida por Arnold alto e baixo), a combina~ao de cinco itcns r<.:sulta na cri-
Mitchell e colegas do Instituto de Pesquisas de Stanford, a ac;:ao de um indice ou escala variando de um baixo 0 ate
tipo!ogia Valores e I!.Stilos de Vida (VAEV), rem atrafdo bastantc um alto 5. Uma medida composta adequadamentc cons-
aten~ao, especialmeme nos drculos de marketi11g• Se os ameri- truida da maior poder explicativo a analise.
canos podem ser agrupados ou separados em tennos de muitas
variaveis (sexo, idade, ra~a, educa~ao etc.), a pcsquisa de 3. Escalas podcm prover uma eficienre tecnica para redu-
Mitchell sobre varias variaveis demograficas e atitudes sugeriu zir dados. Urn conjunto extenso de respostas de questio-
a possibilidade de identificar a maioria deles com um dos nario pode ser resumido na forma de um unico escore de
nove estilos de vida apresentados na Tabela 8-5. escala, scm perder muito da informac;:ao original.
Como Mitchell e outros demonstraram, as pessoas iden-
4. Tipologias fomeccm classificac;:oes multidimensionais, que
tificadas com os nove principais estilos de vida rem padroes
frcquentememc sao eficazes como variavcis independenws,
de consumo bem diferentes, sugerindo que um determinado
mas problematicas cnquamo variavcis dependentes.
procluto pode ser anunciado de maneira efetiva entre alguns
estilos de vida e nao entre os outros. Vendas de Cadillacs Notas
provavelmente nao serao altas entre os sobrevivenres, nem 1
0 exemplo, inclusive as tabelas, foi tirado de BABBlE, Earl. Science
as vendas de rifles entre os socialmente consciences. Alem and M orality in Medicine. Berkeley: Un iversity of California Press, 1970.
disso, os pesqu isaclores que usaram o modelo VAEV puclcram
identificar areas geograficas oncle se concentram certos cstilos
' St: voc~ tivt:r dificuldadc para enwndcr as tabdas aprescntadas ncstt:
capitulo, consulte o Capitulo 14, que trata cia con~tru(ao e interpreta(.:ao
de tabelas. ·
3
A decisao wbrc os criterios a usar a este re~peito ..:>, claro, arbitraria. Um
alto grau de reproducibilidade niio assegura que a e~cala con~trukb de fato
Coleta de Dodos
me\a o conceito em questao, embora aumeme a conflan(a de que todo~
os itens medem a mesma coisa. Um alto coeficiente de reproducibilidade
e mais provavel quando menos itens estiverem envolvido:..
• MlTCI!ELL, Arnold. Tbe Ni11e America11 Lifesz>•les. New York: Warner CAPilULO 9
Books, 1983.
QU£SJIONARIOSAUlO-ADMINISlRADOS
CAPilULO 10
Leituras Adicionais SURVEYS POR £NlR£VISlAS
LAZARSFELD Paul F., ROSENBERG, Morris (Ed.). Tbe Language
ofSocial Researcb. New York: Free Press, 1955. se~ao 1. CAPitULO 11
OPPENHEIM, A. N. Questionnaire Design and Attilude PROC£SSAM£Nl0 DOS DADOS
Measurement. New York: Basic Books, 1966.
SELLTIZ, Claire eta!. Researcb Me/bods in Social Relations. New CAPilULO 12
York: Holt, Rineharr & Winston, 1959. cap.lO.
PRE-HSHS £ tSlUDOS-PILOlO
Question6rios Auto-Administrado~
Sele~ao do hmosha
0 clesenho e a sele~ao cia amostra para esta pesquisa
Carta de hpresen ta ~ ao
foram apresentados como um estuclo de caso no Capitulo 6. Uma carta apresentando a pesquisa e seu prop6sito
Lembre que cerca de 1.100 estuclantes foram selecionados a foi imp ressa na capa do livreto. Ela explicava por que a
parti r do caclastro cia universidade, atraves de um procedi- pesqu isa estava senclo feita (saber como os estuclantes se
mento de amostragem estratificado e sistematico. Para cada semiam com rela~ao a varios assumos), como eles tinham sido
estuclante selecionaclo, o computador imprimiu seis etique- ~lecionados, a importancia de cada um responder e a medi-
tas adesivas para correspondencia. ntca de retorno do questionario.
Quando a equipe cia pesquisa esmva pronta para dis~ri Assegurou-se aos estuclantes de que o estudo seria
buir o question:irio, percebeu que o orpmento cia pesqUtsa an6nimo, e foi explicacla a l6gica do metodo do cartao postal.
era insuficiente para as correspondencias para tocla a amos- Seguia uma declara~ao com rela~ao ao patrocfnio cia pesquisa e
tra de 1.100 estudantes, porque os custos de impressao dos
um numero .de telefone para quem quisesse mais informaro,
(cerca d e cmco esrudanres ligaram.)
~ es. por ·sso
1 ,
as etiquetas de postagcm foram impressas ncsta
dem (por estrato de classe). Mas os numeros do Segura
or . . . _
Imprimindo a carta de apresenta~ao no questiona · Social nao foram 1mpre sso~ nas ettquetas, porque tsso nao
· d no
a equtpe a pesquisa eliminou a necessidade de anexar um~ , relevante para a pesqutsa.
er••
cana separada no envelope, simplificando a tarefa de montar Tendo um carrao postal com um nome e um endere~o,
as correspondencias. foi muito diffcil localizar as etiquetas correspondentes entre
as resranres nas varias folhas impressas pelo computador.
Montagem das Correspondencias ~ssim, foi precise retirar todas as etiquetas das fo lhas
impressas e po-las em ordem alfabetica. Deste t~odo, loca -
A. montagem do material para a postagem inicial seguiu li zar a etiqueta de um cerro estudante podw ser fe1to com um
os segumtes pass~s: (1) uma etiqucta de endere~amento para minima de esfor~o. (Nota: As etiquetas podiam ter sido
ca?a estudante fo1 colada no cartao postal; (2) outra etiqucta impressas em ordem alfabetica desde o inicio, se este proble-
f01 colada num envelope comercial para a remessa; (3) em ma rivesse sido antecipado.) Para cada cartao recebido, procu-
ca~a. envelope foram colocados um cartao postal e urn questi- ravam-se as etiquetas daquele estudante e elas eram destrufdas.
onano, checando se o nome no cartao postal era o mesmo do
envelope.
Correspondencias de ~companhamento
A montagem foi feita atraves de um procedimento de
linha de ~ontagem, envolvendo os varios membros cia equipe Ap6s duas ou tres semanas, as etiquetas de postagem
cia pesqutsa. Apesar de o procedimento tcr sido organizado restantes foram usadas para organizar as correspondencias de
com antecedencia, foi necessaria uma certa prarica antes de acompanhamento. Foram repetidos os procedimentos de
encontrar a melhor aloca~ao de pessoas nas tarefas. Vale montagem descritos, com uma exce~ao. Foi incluida na corres-
notar que houve um atraso para trocar os envelopes por pondencia uma carta de apelo preparada especialmente. A
outros maiores, o que teria sido evitado se o processo de manta- nova carra dizia que muitos estudantes ja tinham retornado
gem tivesse sido feito antes. seus questionarios e que era muito importante que todos o
fizessem. A carta tambem dizia que os cadastros do escrit6rio de
pesquisa podiam estar errados e, se os estudantes ja tivessem
Postagem retornado os questionarios, deviam ignorar aquela corrcs-
A distribui~ao dos questionarios foi preparada para pondencia e aceitar os agradecimentos pela ajuda. Sc nao
ser feita por mala direta. Depois de par os questionarios nos tivcssem ainda participado, eram encorajaclos a faze-lo.
envelopes, eles foram agrupados por CEP, separados em Essa correspondencia de acompanhamento estimulou
pacotes e entregues nos correios. os retornos, como esperaclo, e os mesmos procedimentos
de regisrro foram segu idos. Os cartoes foram usados para
destruir as etiquetas adicionais de postagem. Infelizmente, as
Recep,ao dos Question6rios Retornados pressoes financeiras e de tempo tornaram impassive! a remessa
Logo ap6s a postagem inicial, questionarios c canoes de uma terceira correspondencia, como tinha sido planejado
come~aram a chegar ao escrit6rio cia pesquisa. Os questio- originalmente, mas as duas correspondencias enviadas resulta-
narios foram abertos, lidos cuidadosamente e receberam ram numa taxa de resposta de 62%.
numeros de identifica~ao como descrito anteriormente.
Mas o processamento dos canoes posrais mostrou um
deslize no desenho cia amostra. Voce deve Jembrar, cia dis- Resume
cussao anterior sabre o desenho cia amostra (Capitulo 6),
que a distribui~ao final clos cstudantes na moldura cia amos- _ Este capitulo abordou as bases da coleta de daclos atra-
tragem foi feita atraves do numero do Segura Social, assim ves de questionarios auto-aclminisrrados. Precisamos fazer
fornecendo uma quase estratifica~ao, por rcgiao de origem. duas observa~oes.
Primeira, acredito que tais quest6cs corriqueiras sao vitais
para a pesquisa cientffica de alta qualidade. 0 pesquisador
que acreclita que a qualidade de urn projeto de pesquisa e
Capitulo 10
fun~ao unicamente de capacidacles analfticas e te6ricas csta
muito enganado. Um desenho de pesquisa brilhante executado
impropriamente resultara em fracasso. Nenhum detalhe e
pequeno ou corriqueiro demais para ser ignorado.
Segunda, a cronica deralhada de um survey pelo cor-
reio, com todos os seus problemas, deve trazer a tona a impor-
tancia dos pre-testes e estudos-piloto relacionados a todos os
aspectos do desenho cia pesquisa. Somente testes avan~ados
podem revelar problemas que poclem evenrualmente afundar toda
uma pesquisa. Surveys Par £nt revistas
Notes
1
FOX, Richard)., CRASK, Melvin R., KIM, ]onghoon. Mail S111vey Respon~c
Rates. Public Opiniou Quaterly, v.52, p.467-491, inverno 1988.
2
Para um exame mais dctalhado de vie~es de nao-resposta, ver 0 Capitulo 9 focalizou os questionarios auto-aclministrados;
DONALD, Marjorie N. Implications of Nonrcsponse for the Interpretation este capitulo apresenta metodos alternatives para a coleta dos
of Mail Questionnaire Data. Public Opinioll Quaterly, v.24, n.l, p.99-l14, dados. Nos surveys por entrevistas, em vez de pedir aos res pan-
1960, e BROWNLEE, K. A. A Note on the Effects of Nonresponse on
dentes para lerem o questionario e escreverem as respostas, os
Surveys. joumal oftbe Americall Statistical Associalioll, v.52, n.277, p.29-
32, 1957.
entrevistadores perguntam oralmente e anotam as respostas. A
entrevista e feita em encontros cara a cara ou por telefone. Este
3 Alguns artigos informam mais de uma amostra (c taxa de respo~ta), e capitulo discute OS dois metodos de entrevistas.
um par deles se rdere a tecnicas de teste visando melhorar taxas de
resposta.
lmpodancia do Enhevistador
Leituras Adicionais Ha varias vantagens em ter um questionario aplicado por
entrevista clores, em Iugar de responclido pelos pr6prios
DILLMAN, Don A. Mail and Telephone Surveys: The Total Design respo ndentes. Surveys por entrevistas tem em geral taxas mais
Method. New York: John Wiley & Sons, 1978. altas de resposras do que os pelo correio. 1 Um survey por entre-
vista adequadamente desenhado e executado cleve conseguir
FOX, Richard]., CRASK, Melvin R., KIM, Jonghoon. Mail Survey
uma taxa de respostas de pelo menos 80 a 85%. Parece que os
Response Rates. Public Opillion Quarter~y, v.52, p.467-491,
inverno 1988. respondenres relutam mais em despachar um entrevistador na
porta de suas casas, ou mesmo ao telefone, do que em jogar
fora um questionario que veio pelo correio.
. A presen~a de um entrevistador geralmente reduz a quan-
ttdade de "nao sei" e "sem resposra". Sea minimiza~ao de tais
respost
. as e- 1mportante
· para a pesquisa, o entrevistador pode
ser tnstrulclo a buscar respostas. ("Se tivesse que escolher uma
das respostas, qual voce acha que se aproximaria mais clos
seus sentimemos?")
Os enrrevistadores tambem podem evitar confusoes com sras obridas, o vies decorrenre podera scr interpretaclo
as reSpo
os itens do quesrionario. Se o enrrevistado nao entender a ma caracterfstica da area esrudada.
como U
inten\=ao da pergunta ou indicar que nao a entende, o enrrevis- suponha que um survey cara a cara csteja sendo feiro
tador pode clarear o assunto e assim obter resposras relevanres. dir atitudes com rela~ao a moradias de baixo cusro,
para lne
(Entretanto, tais explica~oes devem ser estritamente controladas •11·udar a escolher o local de um novo programa habita-
para ' c • •
atraves etas especifica~oes formais que discutiremos depois donal do govcrno. Um entrev1stador des1gnado para um cerro
nesre capitulo.) bairro pode, por gestos ou palavras, comunicar seu desgosto
Finalmente, o entrevistador pode obse!Var enquanro faz com financiamentos a moradias de baixo custo. Os enrrevis-
as pergunras. Por exemplo, um entrevisrador cara a cara pode tados podem, entao, render a dar resposras concordando com
anotar a ra~a do entrevistado se esta pergunra for considerada a posi\ao do enrrevistador. Os resultados do survey indicariam
muiro delicada. Observa~oes similares podem ser feiras em que os residences desta vizinhan~a resistem forremente a cons-
rela~ao a qualidade da residencia do respondente, a posse de rru\ao das moradias em sua area.
certos bens e outras informa~oes. Mesmo por relefone, os entre- Em alguns surveys, a compatibilidade racial - rentar
vistadores podem perceber o domfnio da lfngua pelo compatibilizar a ra\=a/ ernia de enrrevisrados c entrevistadores
respondente, rea~oes gerais a pesquisa etc. _ pode ser recomendavel. Numa analise secundaria dos
Num survey por entrevista de estudantes, eles receberam Estudos sobre as Elei~oes Nacionais de 1964 a 1984, Anderson,
um pequeno questionario auto-administrado, relative a atitudes Silver e Abramson2 descobriram que os entrevisrados negros
e compo1tamemos sexuais, para completar durante a entrevista. tinham maior p robabilidade de expressar sentimentos de calor
Enquanto o estuclante completava o questionario, o enrrevistador e proximidade em rela~ao a brancos, quando eram enrrevistados
fazia anota~oes deralhadas com rela~ao aos cuidados pessoais por brancos, do que quando eram entrevisrados por negros.
e roupas do entrevisrado. Os aurores ate sugeriram que uma aparente mudan~a na hosri-
lidade de negros contra brancos, entre 1976 e 1984, podia ser
atribufda a u m aumenro no numero de entrevistadores negros.
Popel Neutro do fntrevistador Reese e colegas3 relataram que a ernia rem um impacro similar
A pesquisa de survey e, por necessidade, baseada numa no caso de entrevisradores e entrevistaclos hispanicos.
reoria irrealisra de cogni~ao e comporramenro de estfmu/o- Estes exemplos real~am a imporrancia cia neutralidadc
resposta. Deve-se presumir que cada pergunta e cada resposta do entrevistador no processo de coleta de dados e a dificuldadc
significam exatamente a mesma coisa para rodos os respon- de alca n~a-I a compleramente.
dences . Apesar de o objetivo ser impossfvel, as pergunras sao
preparadas para se aproximarem 0 maximo desse ideal.
0 entrevistador tambem precisa se ajusrar a essa sirua~ao Regras Gerais para f nhevistar
ideal. Sua presen~a nao deve aferar a percep~ao que o respon-
dente tem da questao, ou da resposta. Po1tanro, o entrevistador A maneira de conduzir as enrrevisras depencle, de cerro
devera serum meio neutro, arraves do qual perguntas e respostas modo, eta popula~ao e do conteudo do survey. Mesmo assim, c
sao transmiridas. possfvel sugerir diretrizes gerais que se aplicam a maioria das,
Se isso for feito, diferentes entrevisradores obrerao se nao a toclas, situa~oes de entrevisras.
exaramente as mesmas resposras do mesmo entrevisrado. A
neutralidade do entrevisrador rem imporrancia especial nos Aparen cia e Comportamento
survryscara a cara, no domicflio do entrevistado. Para econo-
mizar tempo e dinheiro, um enrrevisrador e designado para Como rcgra geral, os emrevisraclores devem se vestir
todas as entrevisras numa dererminada area geografica - um c~mo as pessoas que vao entrcvistar. Um enrrevistador vestido
quarteirao ou um bairro. Se ele fizer qualquer coisa para aferar ncamenre provavelmcnre ten:i dificuldade em obrer cooperas;ao
e boas respostas de entrevistados nmis pobres, e um mal vestido ·srado se senre mais a vontade. Ao mesmo tempo, como
entrevl
tcra dificuldades semelhantes com emrevistados mais rices. se pede aos entrevistados para gastar seu tempo dando infor-
IIavendo diferen~a entre o trato e as roupas do emrevis- -es pessoais sabre si mesmos, eles merecem a cxperiencia
mar;0 . .
tador e do emrevistado, ela deve ser na direr;ao da limpeza , . . "gradavel que o autor cia pesqu1sa c o entrevtstador
n1::t iS •' •
simplicidade e modcstia. Mesmo nao sendo aceitas par rodas pude rem lhes proporcionar.
as camadas sociais, a limpeza e a simplicidade da classe media
cominuam sendo as normas basicas com maier probabilidade fam iliaridade como Questionari o
de sercm aceitas pela maioria dos entrcvistados.
Roupas e trato sao sinais tfpicos das atitudes e orientac:ees Se os entrevistadores nao estiverem familiarizados com
de uma pessoa. Uma jovem usanclo jaqueta de couro preta, 0
questionario, a pesquisa sofrera e sera posto um peso injusto
betas de engenheiro c tatuagem de caveira na testa certa- sa bre 0 entrevistado. A entrevista provavelmente tamara mais
mente comunicara - correra ou incorretamente - que e tempo do que 0 necessaria e, em geral, sera incomocla. 0
antiauroritaria politicamente, sexualmeme permissiva, fisicamentc entrevistado r nao conseguira familiaridade passanclo os olhos
agressiva, a favor clas clrogas, e assim par diante. Possivelmenre, no questionario duas ou tres vezes. Ele cleve ser estuclado
nao obrera respostas francas em rela~ao aos !Iell's Angels ou a cuidadosamente, pergunta por pergunta, e o entrevistador
roqueiros punk. precisa praticar sua leitura em voz alta. (0 treinamento do
Apesar de rema cia aparencia ser o mais 6bvio no case entrevistad or sera discutido com ma is detalhes mais tarde
clas entrevistas cara a cara, lembre rambem que comunicamos neste capitulo.)
identiclade arraves da fa la. Os entrevistadores por telefone nao 0 entrevistado r deve poder ler os itens do questionario
esrao isentos dessas preocupa~oes . Consiclere esras introdw;oes sem e rrar nem gaguejar nas frases e palavras. Um bom guia
(nao recomendadas) a cntrevisras relefonicas: para entrevistadores e o estilo de um ator lenclo as falas num
filme. Elas clevem ser liclas naturalmente, como se fizesscm
Oi, escuta s6 essas perguntas e responda. Deu pn1 entender?... parte de uma conversa natural, mas a conversa tem que acom-
Ei, to falando com voce. panhar exatamente o fraseado do questionario. 0 entrevistador
nao deve tenta r memorizar o questionario.
Olha af, tenho que te fazer algumas pergunws, ta legal, c eu Do mesmo modo, o entrevistador deve estar familiarizado
preciso de, olha af, mais ou menos, pegar suas rcspostas, tii com as instru ~oes que acompanham o questionario. Inevitavel-
legal? bto nao e demais, cara? menre, alguns itens nao se ajustarao exatamente a situa~ao
de algu m entrevistado, surgindo a duvida de como rais
Bom, estou fazendo uma pesquisa de survey, e isto af. E pergunras devem ser interpretadas numa determinada situa~ao.
preciso de suas respostas pra ganhar uma grana. As instru~oes fornecidas ao entrevistador devem orienta-to
adequadamente em casas como este, mas o entrevistador deve
Quanta a comportamento, entrevistadores clevem ser pelo estar suficientemente fam iliarizado com a organiza~ao e o
menos agradaveis. ]a que vao xeretar a vida pessoal e as arirudes comeudo clas instru~oes para usa-las eficientemenre. E melhor
dos emrevistados, clevem comunicar um interesse genufno em deixar uma pergunra sem resposta do que gastar cinco minutes
conhece-las sem parecerem espioes. Enrrevistaclores devem ser ~rocura ndo esclarecimentos e/ ou tentando interpretar as
relaxaclos e amigaveis sem serem casuais demais ou impo1tunos. mstrw;oes relevantes.
Uma clas capacidacles narurais mais importantes para enrrevis-
tadores e a de encontrar logo 0 tipo de pessoa com quem 0
emrevistado se sentira mais a vontade; em outras palavras, o Seguindo fxatamente a Reda~ao do Questao
tipo de pessoa com quem o entrevisraclo gostara mais de
conversar. Ha dais aspectos com relar;ao a importancia de um
de . ° Capftulo 7, que discute a conceitua~ao e a construr;ao
mstrumenros, mostrou o efeito cia reclac;ao da pergunra
comportamemo agradavel. A entrevisra rera mais sucesso se 0 b
sorea resposta o b tida. Portanto, uma pequena muclan~a de
entrevistador conseguir ser o tipo de pessoa com quem o
reda~ao pocle levar o entrevistado a responder sim ao inves de Sondando Respostas
nao. Voce pode redigir as pergunras cuidadosamente, visando
obter a informa~ao que precisa, assegurando-se de que os emre- Algumas vezes, os entrevistados respondem uma per-
vistados imerpretarao os itens de forma apropriada, e clepois gunta inapropriaclamente. Por exemplo, a pergunta pode
ver seu trabalho jogado fora se os entrevistaclores fizerem as a presentar uma declarar;ao e peclir que o entrevistado
pergunras com suas pr6prias palavras. 1 ··concorde fortemente, concorcle mais ou menos, discorde
mais ou me nos, ou cliscorcle fortemente", e o entrevistado
pode responder "acho que e verda de". Neste caso, voce cleve
Reg ishando as Respostas de Maneira fxata completar esta resposta perguntando "Voce cliria que
Sempre que os questionarios tiverem perguntas aber- co ncorda jortemente ou concorda mais ou menos?" Se
tas, ou seja, perguntas pedindo a propria resposta do entre- necessaria, pode explicar que foi instrufclo a marcar uma cles-
visrado, e muito importanre que o enrrevistador anote as sas categorias. Se o entrevistaclo se recusar peremptoriamenre a
respostas exatamente como foram faladas. Nao se deve tenrar escolher, voce cleve aceitar sua decisao polidamenre e escrever a
resumir, parafrasear ou corrigir erros de gramatica. A res- resposta exatamente como dada por ele.
pasta deve ser escrita exaramente como foi dada. Soncla r respostas e, mais comumente, necessaria para
Registra r as resposras de maneira exata e especialmente obter respostas a pergu ntas aberras. Por exemplo, face a
importante porque o entrevistador nao sabe como as respostas pergunta previa sobre concli~oes de trafego, o entrevistado pocle
serao codificadas antes de serem processadas; voce pode nao dizer "muito ru im". 0 entrevistador pode conseguir uma
perceber isro ate ter a oportunidade de ler cem ou mais respos- resposta nmis e laborada de varios modos. Algumas vezes, o
tas. Por exemplo, o questionario pocle perguntar como os melhor e o si!encio; se o entrevistaclor se senta calmamente
entrevistaclos se sentem com relar;ao a siruar;ao do rrfmsito em com o lapis em posir;ao, o entrevistado provavelmente acres-
suas comunidades. Um entrevistado pode responder que ha centara alguns comentarios. (Esta tecnica e muito usada por
muiros carros nas ruas e que deveria se fazer algo para limitar rep6rteres de jornais.) Boas sondagens verbais poclem ser "Como
cssa quantidacle. Outro pode cl izer que ha necessidacle de mais assim?" ou "De que maneira?" Talvez a mais usada seja "Mais
ruas. Se o entrevistador resumi-las como "trafego congestionaclo", alguma coisa?"
voce nao pocleria aproveitar as importantes cliferenr;as entre as Fre qi..i entemente, o entrevistador precisa tornar as
respostas originais. res p ostas ma is informarivas, para prop6sitos analfticos.
Algumas vezes um entrevistaclo e tao desarticulado que Entretanto, em toclos os casas, e imperative que as sondagens
a resposta fica ambfgua clemais para pennitir interpretar;ao, mas sejam comp letamente neutras. Nao se deve, de manei ra
o entrevistaclor e capaz de entencler a inrenr;ao cia resposra atra- alguma, afetar a resposta dada. Se voce antecipar que uma
ves dos gestos ou tom de voz do responclente. Neste caso, a pergunta pode necessitar sondagem para obter a resposta apro-
resposta exata cleve ser anotacla, e o entrevistador cleve acres- priada, deve fazer uma ou mais sugestoes, pr6ximas a pergunta
cenrar comentarios a margem, clanclo sua interpreta~ao e as ra- no questionario. Esta pratica rem duas vantagens. Primeiro, voce
tera- mats
· tempo para refletir e escolher a sondagem melhor e
zoes para cia.
mais neutra. Segundo, todos os entrevistadores farao a mesma
De modo geral, e Lltil ter comentarios marginais expli-
coisa, quando necessaria. Portanto, mesmo se a sondagem nao
cando os aspectos cia resposta nao transmiticlos verbalmente,
for inteiramente neutra, todos os entrevistados estarao, pelo
como a aparente incerteza, raiva, embara~o etc. do entrevisrado
menos, sujeitos ao mesmo estfmulo. Esta diretriz !6gica e a
ao dar a resposta. Em cada caso, a resposta verbal exata deve
tnesma discutida com relar;ao a reclar;ao das perguntas. Apesar
ser registrada.
de Lima pergunta nao clever ser carregada ou tendenciosa,
todos os enrrev1stados
. devem pelo menos ser submetidos a
tnesma pergunra, mesmo uma tenclenciosa. .
~.
,v1 est110 se rodos os entrevistadores forem experiences, as
Treinamento do £nhevistado r .- de rreinamento devem cobrir as diretrizes e regras
sessoes , , . . d
. d e entrevistar. E uul preparar um conJUnto e normas
A maioria dos surveys por entrevisras rcqucr va rios enus e s . . .
g . ara distribuir e dtscuttr com os entrevtstac ores. 0 s mats
I .
enrrevistadores, e algum dia voce tera que treinar e super- gerats. P s frequentemente po d em cspect·f·tear a1gumas d as
expen ente .~ .
visionar uma equipe de entre\'istadores. Porramo, vamos discutir [ a ves de exemplos de expenencws passadas, c os
regras a r
o que esta envolvido neste trabalho. ·ao assim uma ideia melhor do que os espera numa
00 vatos tel
Mesmo tendo uma equipe de emrevistadores inteligemes verclade ira entrevista.
e experiences, e essencial um curso de trcinamento dos emre-
vistadores.s Todos os surveys e questionarios diferem uns dos fstudando o Questionario e as fspec i fica~oes
outros, e os entrevistadores devem ser retreinados para cada
o s entrevistadores, o supervisor e/ou o d iretor do proje-
novo survey. 0 tempo gasto nisso dependc do escopo e cia
clevem percorrer todo o questionario passe a passo. Deve
natureza do swvey e da experiencia relativa dos entrevistadores. to explicado o prop6sit_? de cada item e d"tscutt"d as. tod as as
ser
Uma pesquisa domiciliar grande usando uma combina\=50 de
possiveis ambiguidades. E crucial que est~ parte do ~rema1~1cnto
entrevistadores experiences e inexperientes pode normalmente
seja conduzida de maneira informal, mats como dtscussao do
exigir duas semanas de treinamento: uma semana de instru~ao
que co mo aula. Os entrevistadores que ~ao compr~e~der~m
em aulas e ourra de pratica no campo. Para uma pesquisa curta urn determinado ponte devem ser encoraJados a pedtr tmedta-
por relefone, os entrevistadores podem algumas vezes ser tamente explica\=6es mais detalhaclas. Sua resposta nunca cleve
treinados em uma ou duas sessoes longas a noitc. demonsrrar insatisfa\=ao, senao os entrevistaclores poderao
sentar-se em silencio, sem entencler bem o que se espera cleles.
lnstru~oes Gerais 0 exame do quesrionario deve incluir o estudo das espe-
cifica\=OeS. Voce cleve ler a pergunta e as categorias de repostas,
0 treinamento deve comc\=ar com comentarios gerais explicar a inten~ao cia perguma, descrever algumas situa\=oes
sabre a natureza do survey e seu prop6sito. Voce nunca deve simples e a a~ao con·eta do entrevistador e, a seguir, descrever
considerar os entrevistadores como automates que nao pensam algumas questoes mais complicadas, passar para a se~ao
ou como tecnicos que podem ser instrufdos para executar tarefas correspondente das especifica~oes e mostrar como elas resol-
mecanicamente. Em geral, se os entrevistadores compreenderem veriam cada situa\=ao.
par que o survey esta sendo fcito e que cle c um empreendi- A maior parte da discussao durante esta fase tamara a
mento importance, ser.1o mais cuidadosos e diligences no trabalho. forma de "0 que eu fa\=O se o entrevistado disser... ?" Onde for
A descri\=ao geral deve inclui r o parrocinador do survey, apropriado, voce deve usar as especifica\=oes para mostrar como
seu prop6sito basico e como a amostra de entrevistados foi a situa~ao pode ser resolvida. Enfim, deve-se descrever a fom1a
selecionada. Os entrevistadores tambem devem receber uma mais desejavel de lidar com a situa~ao. Os entrevistadores
descri~ao geral dos outros passes do survey, inclusive como o
devem saber exatamente como voce lidaria com a situa\=aO.
questionario foi desenhado, como os dados serao processados Mas esse assunto tem outro !ado. Frequentemente, surge
e analisados. Se eles entenderem onde se encaixam nesse pro- uma situa\=ao que voce nao pode resolver facilmente, cuja
cesso, provavelmente se sentirao mais integrados a equipe da ocorre ncia pode nao ter passado por sua cabe~a. e as especifi-
ca~oes nao falarao sabre ela. Nestes casas, nao tome decisoes
pesquisa e responderao de acorclo com esse sentimento.
r.ipidas; em vez disso, prometa que a questao sera resolvicla
Os detalhes administrativos devem ser explicados logo na proxima reuniao. Trabalhe, entao, para achar uma solu~ao
no infcio. Quanta tempo durara a fase de entrevisras? Quanras apropriada, dererminar como cia se encaixa na 16gica cla inten~ao
horas por semana deverao trabalhar os entrevisraclores? Quando da perguma, e prepare-se para explicar sua 16gica. A solu~ao
serao pagos? 0 entrevistador preocupado com estes detalbes deve ser explicada aos emrevistadores na reuniao seguinte, e
nao conseguir{t se concentrar nas minucias do questiom1rio.
as especifica~oes atualizadas para leva-la em conta. 0 pior a Os entrevistaclores clevem receber exatamente o mesmo
fazer e dar respostas arbitrarias, nftidas, sem o cuidado de
integra-las a 16gica geral cia pergunta e das cspecifica~oes. Tais rnarena1 do survey real. Farao
. . contato
_ com os entrevisrados_e
enrrevisrarJo. (Os entrevtstados nao devem saber que estao
respostas vao se somando are os cnrrevistadores terem muitas os d uma enrrevista de treino, isso impecliria todo o realismo
instru~oes espedficas para aprcnder, nao mais tendo uma fazen o '
do exe rdcio.) Neste momento, os entrevistadores clevem
compreensao 16gica geral para guia-los nas pr6prias intcrpreta~6es. ·rar roclos os proceclimentos administrative: preencher as
exerCI ·
rabelas de borarios, os registros etc. 0 ensaio ~a entrevist~ de
fnsaie as fnfrevistas em Sola de hula campo fomece um estudo-piloto de toda a opera\aO de entrev!Stas.
Normalmente, basta os entrevistadores ensaiarem cerca
Depois de esrudar o questionario e as especifica~oes,
deve-se treinar a pratica de entrevistas. Para come~ar, deve-se de cinco entrevistas de campo, apesar de este numero pocler
fazer cluas ou tres entrevistas na frente cia turma. 0 melhor variar de acordo com a natureza do survey. Um aspecto cia ope-
come~o c voce entrevistar um supervisor ou vice-versa. Como ra~ao de entrevistar pode ser moclificado no ensaio. No survey
estas entrevistas setvirao como modelos para os enrrevistadorcs, real, os enrrevistaclores podem ter que fazer um numero mfnimo
clevem scr feitas precisamente de acordo com as instru~ocs ge- especificado de visitas ao entrevistado, antes de clecidir que
rais e especfficas daclas antes. Se estivcr sendo entrevistado, ele nao esta "clisponfvel". Para facilitar OS ensaios, voce pode
informe suas pr6prias condi~ocs e atitucles, ou assuma uma omitir este aspecto. Para compensar, cada entrevistador deve
identidacle fictfcia, mas consistente. Quando estiver entrevis- receber numero suficiente de endere~os para assegu rar que serao
tanclo, deve agir exatamente como em uma entrevista vercladeira. fe itas entrevistas suficientes.
Durante o ensaio cia enrrevista, as vezes algum fato cspe- A meclicla que os e ntrevisradores terminam as entrevistas
cffico precisara de explica~ao para a turma, mas isto nao deve de exerdcio, devem rever seu trabalho com o supervisor de
quebrar o clima de estar fazenclo uma entrevista verclacleira. Ao entrevisras. 0 supervisor deve percorrer todo o questionario
fim de cacla entrevista, a turma clcvc ser encorajada a discuti-la, com cada emrevistador para localizar e cliscutir quaisquer pro-
fazer perguntas, c assim por cliante. blemas e responder novas pergumas q ue possam surgir. No
Depois das entrevistas de exercfcio em frentc a turma, os caso dos surveys por entrevista cara a cara, pode ser uma boa
entrevistadores devem ser emparelhaclos para ensaiar, cntre- ideia fazer os entrevistadores volrarem para relatar as cluas ou
vistando um ao outro. Estas entrevistas nao p recisam ser fcitas tres primeiras e ntrevistas e depois retornarem ao campo para
na frentc cia tu rma, devcndo ocorrer simultaneameme. Ande completar o resto.
pela sala, parando e escutando as entrevistas, mas na maioria Apesar de normalmenre ser uma boa ideia estabelecer
das vezes e melhor tomar nota c depois discutir as quesroes
um numero especffico de entrevistas de exercfcio para cada
com a tu rma ao fim cia sessao de exercfcio. Os entrevistadores
enrrcvistador, a regra geral e que toclos os entrevistaclores
clevem ser reemparelhados e fazer mais exercfcios. Esta parte
devem fazer tantas entrevistas de exercfcio quantas necessarias
do treinamento deve alternar a p ratica e a discussao.
para de monstrar que compreenderam completamente a tarefa
ou que p rovavelmente nao serao capazes de compreende-la.
fxercitando as fnfrevidas de Campo Assim, a lguns entrevistadores poderao ter que fazer mais
e ntrevisras de exercfcio do que outros. Esta situa~ao c bem
Depois das instru~oes em sala de aula, os entre\'isradores
~ceitavel , mesmo se as entrevistas de exercfcio subsequenres
devem ensaiar entrevistas no campo, indo as casas das pessoas
ou telefonando para elas, dependendo do desenho cia pesquisa. t!verem que se superpor ao infcio das entrevistas verdadeiras.
Esta parte do rreinamento deve ser exatamente como a sirua~ao E melhor alguns enrrevistaclores come~arem mais tarde do
real. A designa~ao dos entrevistados e/ou enderc<;os deve ser que co me rerem erros durante as entrevistas cia amostra
fcita como no survey real. Normalmente, o responsavel pela final. Erros podem implicar rer que retirar os responclentes
sele<;ao da amostra fornece uma lista dos respondences niio entrevistados erroneamente, reentrevista-los, ou ajustar o
sclecionados para a amostra principal. desenho cia amostra.
ntrevistas. Eles sao responsaveis por encontrar o
~ Ope ra~oo de Enhevistar fazer as e .
bater na porta e se apresentarem. Se a entrevtsta for
endere~o. . ·ctA .
ode ser melhor conduzt-la na porta cia rest encta,
A opera\ao de enrrevistar deve ser organizada e contro- bem curta, P .. . .
. ualquer entrevista que eXtJa mats do que alguns mmutos
lada tao cuidadosamente como a sessao de treinamento. Apesar mas
, aisq bem-feita no domtct · ·t·to d o entrevtsta
· do. AI'em d e tornar
de os detalhes cia opera~ao variarem de survey para surl'ey, e m . . t ais faceis para o entrev1sta . d or, entrevtstar
. .
na rest-
podemos comentar alguns pontos gerais. as cotsas 11 '
· do respondente tambem proporciona mais privacidade.
dencta
Entrcvistas por telefone sao bem diferentes e variam
fquipe de acordo com os sistemas disponfveis para cada survey. Uma
entrevista por telefone pode ser bem semelhante a uma
0 numero de entrevistadores requeridos e determinado
entrevista domiciliar, com a diferen~a que o entrevistador
com base no (1) numero de entrevistas a screm feitas, (2) tempo
media necessaria para cada entrevista, (3) tempo programado telefona para o entrevistado em vez de ira sua casa. Esta era
para tocla a opera~ao de entrevistas e (4) numero de entrevista- mais ou menos a situa~ao em 1973, quando este livro foi
dores qualificados disponfveis. escrito pela primeira vez.
Uma boa regra basica e determinar o numero requerido Na atualidade, as entrevistas por tclefone evolufram muito,
com base nos pontos 1, 2 e 3 e entao recrutar e treinar duas principalmente devido as possibilidades oferecidas pelos
vezes este numero de pessoas. Durante o treinamento, muitos computado res. Conseqi.ientemente, o que era vista como
candidatos desistirao voluntariamente; outros serao convidados conveniente, mas ruim em termos de qualidade, se tornou uma
a desistirem. Geralmente, e melhor comepr a entrevistar com tecnica muito usada e bem aceita. Portanto, falemos um pouco
poucos bons entrevistadorcs do que com muitos ruins; estes sabre o sistema ETAC - Entrevista por Telefone Assistida por
custam mais dinheiro, usam mais tempo do supervisor c Computador.
prod uzem dados de pior qua lidade. Ap6s retirar os entrevis- lmagine-se usando um fane de ouvido de telefonista,
tadores ruins, voce deve iniciar as entrevistas verdadeiras sentado em frente a um terminal de computador. Um computador
com mais entrevistadores do que tinha antecipado que
central seleciona aleatoriamente um numero de telefone e o
precisaria. Entrevistadores continuarao a desistir durante a
disca automaticamente. (Sele~ao aleat6ria evita o problema de
pesquisa, e outros serao convidados a deixar a equipe. Quase
ligar para numeros que nao constam no catalogo.) A. medicla
semp re, a equ ipe de entrevistadores chega abalada ao final
que o numero esta sendo discado, sua apresenta~ao aparece
cia opera~ao; se pede aos melhores para ficarem um pouco
na tela do video a sua frente ("Aio, meu nome e... "). Quando o
mais, para o encerramento.
respondente atende, voce diz alo, apresenta a pesquisa, e faz a
Alguns surveys precisam de mais de um supervisor.
prime ira pergunta que aparece na tela: "Voce pode me dizer
Apesar de uma pessoa clever ser responsavel pela supervisao
quantas pessoas moram neste endere~o?"
de toda a opera~ao, ela pode receber assistencia de uma equipe
de supervisores. Como regra basica geral, basta um supervisor Sempre que o entrevistado responde, voce digita a
para cada dez entrevistadores. Num grande survey por entrevistas res posta no teclado do termina l, seja a resposta literal a uma
com varios supervisores, 0 responsavel por tudo nao de\·e pergunta aberta ou a categoria de c6digo correspondente a uma
supervisionar os entrevistaclores. Ele tem trabalho bastante resposta a uma pergunta fechada. A resposta e imediatamente
aclministrando a logfstica cia opera~ao, coordenanclo com o armazenada no computador central. A pergunta seguime
diretor do projeto, possivelmente recrutanclo e treinando mais aparece na tela, voce a faz e a resposta entra no computador e
entrevistadores e, e cJaro, supervisionando OS supervisores. a entrevista continua.
Esta tecnologia nao e fic~ao cientffica e esta sendo cada
~ fnhevi sta Verdade ira vez mais usada por pesquisadores de survey, academicos,
gdovernamentais ou comerciais. Boa parte do desenvolvimento
Num survey domiciliar cara a cara, os entrevisradores esra tecmca
- · para surveys ocorreu no Departamento de Pesquisas
recebem os questiom1rios e uma lista dos endere\OS onde devcm
de Swveycla Universidade cia California, em Berkeley, algumas cnrrevisrador nao compreendeu a tarefa ou parte deJa.
0
vezes em colabora\=ao com o Departamento de Agricultura dos
EUA e outros 6rgaos governamentais.
c-1 a err0 deve ser mostrado e discutido. 0 entrevistador deve
qude
· . d euniao sabendo precisamente como a situac;ao devia
sa1r a r _
]. Merrill Shanks e Robe rt Tortora (1985, p.4) descre- · ·c1 ·esolvida para o mesmo e rro nao ocorrcr novamente.
rer s1 o '
veram algumas das maneiras como eles integra ram os compu- E bem razoavel que o supervisor altere as designa~oes e
tadores ao processo de survey. Alcm do seu uso no ccnario . - s pa 1·a certos entrevistaclores, baseaclo em seus desem-
rensoe •
descrito acima, o computador e uma ferramenta valiosa nos .1·n ·c ·ais
I
pen 1os 1 1 · Um entrevistador que
. estiver fazenclo um bom
A _
diferentes estagios do desenvolvimenro de qucstionarios: rrabalho pode receber mais entrev1stas para fazer e voce nao
esbo\=O, teste, revisao c formata~ao. Alem disso, a logfstica rem que ser tao cuidadoso no controle do questionario com-
do proccsso de cntrevistas (por exemplo, treinamenro, crono- lew, na p resen\=a dele. Ao mesmo tempo, nao permita o
grama e sup ervisao dos entrevistadores) tambem pocle ser p
desenvo lvimento cl e um "[ • e
e elto e l1a
l !o" em re1 - aos
a\=ao
gerenciacla por computador. entrevistadores. Mesmo se um entrevistador fizer um trabalho
Shanks e Tortora vao alem do ETAC para falar ma is perfeito no infcio, continue a monitorar o trabalho dele.
geralmente sobrc metoclos de survey assistidos por computador. Todos os questionarios completos clevem ser inteiramentc
Muitas das tecnicas discutidas com re lac;ao as entrevistas revistos. Em alguns casos, csta tarefa pocle ser atribukla a edi-
telefonicas podem ser aplicadas as entrevistas clomiciliares tores especia is, mas nom1almente os supervisores devem fazer
cara a cara. 0 desenvolvimento dos computadores portateis
a maior parte cia revisao, se nao tocla .
pe rmi te aos entrevistaclores montarem um cscrit6rio na resi-
dencia do entrevistado, lendo perguntas cia tela e digitando
as respostas como clesc ri to acima. Alem disso, algumas Redidribuindo fnhevi das
vezes e adeq uado usar computador para questionarios auto-
Os entrevistaclores clevem ser treinaclos quanta a impor-
administrados. Em a lgumas situac;oes, pode-se peclir aos
tancia de completar as entrevistas clesignadas, clevendo estar
entrevistados q ue sc assentem em frente a um terminal e
preparaclos, em alguns casos, para persuaclir entrevistados in-
d igitem suas respostas as perguntas que aparecem na tela.
clecisos a participarem . Contuclo, clevem ser avisaclos para nao
exagerarem nesta tentativa.
Supervisoo e Revisao Freq Oentemente , um entrevistador telefona ou chega em
Deve-se estabelecer procedimentos para o relat6rio momenta inoportuno e e recusado pelo entrevistaclo, ou algo
reg ular dos entrevistadores ao diretor cia pesquisa ou aos com relac;ao a aparencia ou postura do entrevistaclor pode
supervisores, no caso de um estuclo muito grande. Num survey levar a uma recusa in icial. 0 entrevistaclor nao deve for\=ar o
por entrevista ca ra a cara, talvez o melhor seja fazer uma emrevistado a uma rejei\=ao perempt6ria; pode ser que um
rcuniao regular, semanal, com cada entrevistaclor. No horario telefo nema do sup ervisor para o entrevistaclo, para discutir
marcado, o entrevistaclor apresenta toclas as entrevistas com- a pesquisa, ganhe sua coopera\=ao.
pletas, repassa-as a voce, e recebe outros enclerec;os. 0 relat6rio Alg uns entrevistadores sao mais bem-sucecliclos em
e muito mais simples no caso de entrevistas por telefonc, com obter coopera\=ao do que outros. Sao capazes de estabelecer
todas as entrevistas fe itas de um local central, mas se os entre- me lho r e mais rapiclamente a rela\=ao com os entrevistados.
vistadores usarem os telefones de suas casas, deve-se usar os Ta!s pessoas sao identificaveis no transcorrer cia pesquisa
procedimentos mais elaboraclos que acabamos de descrever. ~ e aconselhavel clesigna-las para as entrevistas cliffceis. Se
Voce pode iniciar perguntanclo e cliscutinclo problemas ISto fo r fei to, sua eficiencia nao cleve ser julgada cia mesma
ocorriclos nas entrevistas. Repasse cada qucstionario complero, ~a-ne i ra que a clos ou tros entrevistaclores, ja que entrevistas
procurando ·respostas omiticlas, erros aparentes, rcsposras ile- tficeis levam mais tempo. Tambem pode ser con·eto pagar-
1
gfvcis e qualquer coisa mais que tome o questionario diffcil de hes mais, baseado na dificuldacle cia tarefa e sua importancia
espec,a · 1 p a ra o survey.
usar e interpretar. Procure tambem qualquer coisa que sugira
Verifica(oo de £nhevistas sempre que alguem nao estiver dando cerro como
.·stador Jembre-se de que entrevistar exige habilidacles
Todas ou parte das entrevistas devem ser verificaclas pelo entre' 1, • ' .. . . _ . ..
eo;peCI" 1·,.
·,., 5 A falta clestas habil1dades mterpessoa1s nao Slgnlf!Ca
supervisor. Esta verifica~ao pode assumir varias formas. Como · a pessoa seJ·a clesqualificada para outras tarefas. Pode ser
que ,
checagcm minima, voce deve telefonar para 0 respondeme que uma pessoa seja u~ desastre total com~ enrrevistado~ e
idcnrificar-se e verificar se a entrevisra foi realmente feita. Un~ excdente em outra funs;ao no survey.? e.nrrev1stador eo pro]eto
procedimento mais rigoroso de ,·erifica<;ao c refazer algumas (}(.iem lucrar mais com uma transferencw de setor do que com
perguntas-chave e comparar as respostas com as relatadas no p d
:I :;imples em1ssao.
0 -
Leituras Adicionais
BRADBURN, Norman M., SUDMAN, Seymou r e Associados.
Improvillg Interview Method and Questio111zaire Design.
San Francisco: Jossey-Bass, 1979.
GORDEN, Raymond L b zte1viewing: Strategy, Techniques, and
Tactics. Homewood, IL: Dorsey Press, 1969.
GROVES, Robert M., MATHIOWETZ, Nancy A. Computer Assis-
ted Telephone Interviewing: Effects on Intetviewers and
Respondents. Public Opinion Quarterly, v.48, p.356-369,
primavera 1984.
KAHN, Robert L , CANNELL, Charles F. Tbe Dynamics ofInter-
viewing. New York: john Wiley & Sons, 1967.
LAVRAKAS, Paul J Telephone Survey Methods. Sampling, Selection,
and Supervision. Beverly Hills, CA: Sage, 1987.
Capitulo 11
01 02 03 04 05 06 07 08 09 10 71 72 73 74 75 76 77 78 79 80
respostas obscuras.
se a maior parte do documento permitir entrada direta
0 0 1 3 7 8 9 3 1 1 4 5 2 1 1 7 8 7 1 2
(par exemplo, pergun~a s fec.h.adas apre~entadas de forma
A
0 0 2 4 2 4 2 4 1 2 4 2 5 1 1 2 8 2 2 2
v clara), VO Ce pocle tambem COdLficar algunS LtenS abertOS e ainda
0 0 3 6 6 1 2 3 1 1 1 3 6 6 1 3 9 2 2 3 assim cntrar com os dados diretamente. Neste caso, marque o
v
0 0 4 5 3 4 4 2 2 1 A
1 4 1 0 3 6 0 4 2 1 c6digo de uma determinacla pergunta num local espedfico,
pr6ximO a pergunta, para facilitar a tarefa de entrada dos claclos.
0 formate do documento e muito importance para uma
Codificotoo nos Morgens efetiva entrada direta de dados. Se a maioria das perguntas c
categorias de respostas forem apresentadas no !ado direito cia
A codifica~ao nas margens elimina a necessidade de folhas pagina, mas um conjunto apresentaclo no !ado esquerclo, quem
de c6digo. A margem externa de cada pagina do questionario estiver entranclo os clados ira, frequentemente, pular o conjunto
OLI OUtfO documento-fonte de dados e deixada em branco OU e desviante. (Nota: muitos respondentes cometerJ.o o mesmo erro,
marcada com espa~os correspondences a names ou numeros portanto, um questionario cuidadosamente dcsenhaclo para a
de variaveis. Em vez de os c6digos serem transferidos para uma entrada de dados sera tambem mais eficaz na coleta de clados.)
folha separada, eles sao escritos nos espa~os apropriados nas
Para a analise de comet:iclo e situa~oes semelhantes em
margens. Entao, os documentos-fonte codificados nas margens
que a codifica~ao ocorre durante a coleta de clados, faz senticlo
sao usados para a entrada dos daclos.
registrar os dados de forma compatfvel com a entrada direta.
Uma forma pre-codificacla pode ser melhor, ou, em alguns
lnsercoo Di reto de Dodos casas, os dados podem ser registraclos d iretamente em folhas
de transferencia.
Se os questiom'irios tiverem siclo clesenhados adequada-
mente, voce pode entrar com os dados cliretamente no compu-
tador sem usar folhas de c6cligo separadas ou codifica~ao nas fiGURA 11-4
margens. 0 questionario pre-coclificaclo indica as colunas e os l ludro~oo do inm~oo de dodos computodorizodo
valores clas perguntas e respostas, e a entrada de daclos pode
ser direta. Este procedimento foi muito aprimoraclo par alguns Coso 1
dos novas programas de computador, como ilustrado na Figura
11-4. Este cxemplo foi tirado do programa MicroCase, mas Quale sua fun~ao atual no Chapman? Quale sua posicoo academica?
outros programas seguem procedimento similar. (Os numeros 1. Admin 1. Prof. Assist.
em negrito sao aqueles que voce teria que digitar; 0 resto e 2. Permanente 2. Prof. Assoc.
feito pelo computador.) 3. Contr via Perm 3. Professor
Repare que, na Figura 11-4, o compurador pede a entrada 4. Tempor 4. Prof. Adj.
de dados repetindo a pergunta completa, lembrando-o de todos
5. Diretoria 5. Outro
OS possfveis numeros de c6digo digit:iveis COI110 respostaS aqucla
6. Mista 6. NaoApl.
pergunta. Na pratica, voce pode entrar um conjunto de dados
mais rapidamente sc referindo a informa~ao na tela, de vez em 7. Outros
quando, para assegurar-se de que nao se perdcu no processo Var. 1. Fun Atu 2 Var. 2. Pos Acad 3
de entrada de dados. Quando sc usa 0 metoda de entrada direta
de clados, os documentos prccisam ser 1'euistos antes cia entrada.
Entrada de Dodos pelos fnhevi stadores Usa Direto das fo lhas de Scanner Optico
A mane ira mais facil de entrar clades de survey- entre- A.s vczes, e posslvel usar folhas de scanner 6ptico de
vista por telefone assistida por computador, ou ETAC - foi f ma um pouco cliferente, evitando talvez as dificuldades que
discutida no Capitulo 10: entrevisraclores com fanes de ouvido . or esenram para os codificaclores. Pode-se instruir os respon-
sentam em frenre a terminais de computador, que mostram as ~~~res a complera_:cm seus question~rios. diretamen.re nes:as
perguntas a fazer, e entram as respostas assim que sao dadas. folhas. Folhas padrao podem ser fomectclas JUnto com msuu~oes
Assim, os daclos entram diretamente nos arquivos assim que sa bre seu uso, ou folhas especiais ser preparaclas para uma
sao gerados. Os daclos de perguntas fechaclas cstao prontos esquisa . As perguntas poclem ser apresenradas com as categorias
para analise imediata. Pode-se entrar tambem OS dados de ~e resposras e os entrevistados orienrados para colorir de prero
questoes abenas, depois de uma etapa extra. os espa ~os ao lado das resposras escolhidas. Se as folhas fa-
rem apresentadas aclequadamente, o scanner6ptico podera ler
Suponha que o questionario pergunte "Qual e o maier
e cntrar as respostas d iretamente. Este metoda pode ser ainda
problema do pals hoje?" 0 computador pede ao entrevistador
mais viavel no registro das observa~oes experimentais ou na
para fazer a pergunta. Em vez de esperar a inser~ao de um c6digo
compila~ao de dados numa analise de conteuclo.
numerico, o computador permite ao entrevistador digirar 0
que o entrevistado disser, por exemplo "crime nas ruas, espe-
cialmente os crimes cometiclos por... " Depois, os codificaclores
recu peram as resposras abertas uma a uma, atribuindo-lhes Pre-Codifica~ao para a lnse r~ao de Dodos
c6cligos numericos como cliscurimos antes.
Ao p reparar o Formato de um questionario, e essencial
prestar mui ra aren~ao ao metoda usaclo para processar os
Codifica~ao para folhas de Scanner Opti co daclos, principalmente se voce planejar entrar OS clades clire-
tamente a partir do quesrionario. As seguintes sugestoes torna-
Algumas vezes, a entrada de clados pocle ser feita eficaz- rao esta tarefa mais facil.
mente usanclo um scanner6prico, uma maquina que le marcas 0 questionario cleve ser pre-coclificado para facilitar a
de lapis preto numa folha de c6digos especial e cria arquivos entrada dos daclos (ou codificaclo para esta fun~ao) . Os itcns
de daclos corresponclentes a estas marcas. Os coclificadores devem ser atribuldos a campos de dados, nomeados ou nume-
poclem transferir daclos coclificaclos para cssas folhas especiais rados previamente, e anota~oes no questionario devem inclicar
preenchendo os espa~os apropriados. As folhas sao clepois essas atribui~oes.
pastas num scanner 6ptico e os arquivos de claclos sao criados Alem das anota~oes sabre os campos de daclos, voce pocle
automaticamente. querer indicar as atribui~oes numericas para as varias respostas
Apesar de o scanner 6ptico proporcionar grande exatidao num campo cleterminaclo, por exemplo, 1 = Concorclo forte-
e velocidacle a entrada manual de daclos, tem tambem desvan- '~ente, 2 = Concorclo, e assim por cliante. Sempre que urn campo
tagens. Primeiro, a lguns codificadores acham clificil transferir ttv~r. trcs o u menos categorias de resposras, pode-se em geral
daclos para as folhas especiais. Pode ser diffcillocalizar a coluna ~mntr a pre-coclifica~ao. Quando houver mais de tres categorias,
certa e, depois de encontrada, o coclificador precisa procurar o e n~rmalmenre mais seguro exibir as marcas de c6cligo. A Figura
espa~o cerro para preencher.
ll-) apresenra exemplos de pre-coclifica~ao apropriados a
marca\ao clireta.
Segundo, o scanner6ptico rem rolerancias relarivamente
rlgidas. A menos que as marcas preras sejam suficientemenrc . Ha varias coisas a comentar na Figura 11-5. Primeiro as
arnbu·
~
- d
I~o~s _e campo estao entre pan!nteses; Var14 a Var17
'
pretas, ele pocle cometer erros. (Voce nao rera como saber sc
eoram atnbuldas a aprova~ao/desaprova~ao de figuras polfticas,
isso aconreceu antes de iniciar a analise.) Alem clisso, se as
a Var18, a identifica~ao do partido politico. As atribuiroes de
folhas 6ptico-sensfveis forem dobradas ou estragaclas, o scanner resp 1r
d ostas para a qucsrao 9 esrao apresenraclas acima clas colunas
pocle recusar-se a le-las. e caregorias de respostas. Na qucstao 10, que tem um s6
conjunto de respostas, as atribui~oes estao apresentadas nos Mesmo se o questionario nao for marcado diretamente,
espa~os ao lado para marcar as respostas. formato deve levar em considerar;ao os metodos de processa-
Finalmente, veja que todas as respostas as duas perguntas 01enro que se usara. A maioria das sugestoes feitas aqui facili-
estao do mesmo !ado cia pagina. Isto e importante para facilitar a n - . codificar;ao manual. Se o questionario for lido por uma
rara ·1
entrada dos dados. Voce pode entrar os dados das duas pergumas maquina de leirura 6ptica, verifique se o fom1ato estii compativel
sem precisar mover os olhos para frente e para tcis na pagina. com a maquina.
Quando se muda a posi~o das respostas na pagina, voce trabalha
mais lentameme e ha mais probabilidade de perder itens.
Sempre que usar pre-codificar;ao em questionarios auto- limpeza dos Dodos
administrados, e bom menciona-la em nota introdut6ria ao
Independentemente do metodo de processamento de dados
questionario. ("Os numeros entre paremeses ao !ado das cate-
usado, agora voce tem um conjunto de dados legfveis-pela-
gorias de respostas devem scr ignorados; e les foram postos
apenas para ajudar no processamcnto das suas respostas.") Em maquina que pretende represemar a informar;ao coletada na
qualquer caso, a pre-codificar;ao devc ser discreta, para pesquisa. 0 paSSO seguinte e eliminar OS erros - "limpar" OS
nao confundir o re spondente. Se o qucstionario for tipogra- dados. Nao importa como, ou quao cuicladosameme, os dados
fado, a pre-codificar;ao deve ser feita em letras pequenas. foram entrados, en·os sao inevitaveis. Depenclendo do metoclo
de processamento dos dados, os erros poclem resultar de
FIGURA 11-5 codificac:;ao incorreta, leitura incorreta de c6digos escritos,
llusho~ao do pre-codifico~ao de um quedionorio leirura incorreta das marcas pelo scanner e tc. Devem ser
feitos dois tipos de limpeza: limpeza de possiveis-c6digos e
9. Ao lado de cada figura polftica listada abaixo, indique sevoce limpeza de contingencias.
Aprova Fortemente (AF), Aprova (A), Desaprova (D), Desaprova For-
temente (DF) a filosofia politica da pessoa em questao, ou marque
(NS) se voce Nao Sauber.
Limpeza de Possiveis-C6digos
Qualquer variavel tem um conjunto especificado de atri-
(Var14·Var17) t>F A D DF NS butos legftimos, traduzidos num conjunto de c6digos possfveis.
2 3 4 5 Na variavel sexo, pode haver tres c6digos: 1 para homem, 2 para
a. George Bush [l [l [l [l [l mulher e 0 para sem resposta. Se um caso fo i codificado como 7
b. Michael Dukakis [l [l [l [l [l na coluna de sexo, com certeza houve um erro.
c. Jesse Jackson [l [l [l [l [l A limpeza de p ossfveis-c6digos pode ser feita de duas
d. George Wallace [l [l [1 [l [l maneiras. Primeiro, como vimos, os programas de computador
pa~a entrada de dados podem procurar erros a medida que
10. Quale seu partido politico, se voce tiver? esrao sendo entrados. Por exemplo, se voce digitar um 7 para
sexo no MicroCase, o computad or soa um btp , .
. e recusa o codtgo
(Var18}
~rrado. Outros programas de computador testam c6digos ilegf-
Partido Democrata 1[ l llmos nos a rqlllvos
. d e d ados que nao foram checados durante
Partido Republicano 2[ l a entrada.
Partido da Paz e Liberdade 3[ l Segundo
. , se nao
- ttver
· .
esses tlpos de p rogramas, voce A
4[ l po d e ltmpar p - . od·
Partido Verde r osstvets-c tgos examinando a distribuir;ao das
espostas a cad ·
Partido lndependente Americana 5[ 1 co . a Item no conjunto de dados. Assim, se seu
n)unro de dad · 3
Outro 6[ 1 (mulh ) os tlVer 50 pessoas codificadas 1 para sexo
7[ 1
su ~res '400 codificadas 2 (homens) c uma codificada 7 voce
Nenhum speJtara que o 7 e um erro. '
Sempre que descobrir erros, localize o questionario processados. 0 metodo de processamento dos dados deve ser
pertinence, determine o c6digo cerro e fa~a a corre~ao. escolhido antes de desenhar o questionario.
os pesquisadores costumam suspirar de alfvio quando
Limpeza de Contingencies os questionarios sao completados e guardados em seguranp
no escrit6rio da pesquisa. 0 perigo de nao conseguir os dados
A limpeza de contingencias e ma is complicada. A estru- foi evirado; agora tudo 0 que e preciso e po-los em orclem para
tura 16gica dos dados pode determinar restri~oes especiais as a an:ilise. Esta sensa~ao de bem-estar pode ser infunclacla. Mesmo
respostas de certos respondentes. Por exemplo, urn questio- que os dados tenham sido coletados no formato correto, pode
nario pode perguntar 0 numero de filhos que uma mulher deu ser impossfvel po-los numa o rdem que fa~a semido. Voce s6
a luz. Todas as respondences mulheres devem ter uma resposra pode ficar aliviado se pensou o processamento dos dados com
codificada (ou um c6digo especia l se nao responderem), e cuidado e antecipa~ao e se desenhou uma tecnica de coleta de
nenhum e nrrevistado homem deve ter resposta registrada para dados adequada.
esta pergunta (ou um c6digo especial indicando que a pergunta
nao sea p lica). Se um respondence homem for codificado como Nota
tendo dado a luz tres crian~as, ou se cometeu um erro que ' HEISE, David (Ed.). Microcomputers and Social Research. Beverly Hills,
CA: Sage, 1981. v.9, n.4, p.395.
deve ser corrigido, ou sua pesquisa fican1 muito mais famosa
do que voce jamais sonhou.
Geralmente, a limpeza de contingencias e feita atraves de
programas de computador que requerem um conjunto bastante Leituras ~dicionais
complicaclo de declara~oes se-entao. Em alguns casos, os pro-
gramas que permitem e ntrada direta de dados podem ser COZBY, Paul C. Using Computers in the Bebavioral Sciences.
instn1ldos a checar automaticamente as contingencias necessarias, Palo Alto, CA: Mayfield, 1984.
tal como checam c6digos leglrimos. EDWARDS , Pe rry, BROADWELL, Bruce. Data Processing. 2.ed.
Apesar da limpeza dos dados ser um passo essencial Belmont, CA: Wadsworth, 1982.
no p rocessamento dos dados, ela pode ser evitada em certos HEISE, David (Ed.). Microcomputers in Social Research. Beverly
casos. Voce pode achar plauslve l excluir sem perigo os Hills, CA: Sage, 1981.
pouqu!ssimos erros que ocorrem em algum item sea exclusao
destes casos nao afetar significativamente os resultados, ou
alguma s respostas contingences inadequadas podem ser
ignoradas. Se alguns homens recebcrem o status da materni-
dade, voce pode limitar sua analise desta variavel as mulheres.
Mas nao use esses comentarios como racionaliza~oes para uma
pesquisa malfeita. Dados "sujos" quase sempre procluzem
resultados enganosos na pesquisa.
Resumo
A cliscussao sobre as op~oes e requisitos do processa-
mento dos dados enfatizou a necessidade absoluta de um plane-
jamento adequado da pesquisa. Voce nao pode primei~O
coletar os daclos c depois come~ar a pensar como eles serao
Capitulo 12
"
mentos a favor do pre-teste sao convincentes. Ninguem quer r
investir grandes quantias de dinheiro e muito trabalho num grande .i
projeto e nao alcan~ar os objetivos da pesquisa devido a algum ..
.I
erro imprevisto. )t
l
Neste capitulo, distinguiremos dois tipos de teste: pre-
testes e estudos-piloto. Pre-testes se referem ao teste inicial de .Il
urn ou mais aspectos do desenho do estudo, como o questio-
nario, o desenho da amostra, um programa de computador para
a analise etc. l!studos-piloto se refe rem a exames em miniatura
de todo o desenho cia pesquisa.
fazendo as Pre-Testes
Os pre-testes sao os testes iniciais de um ou mais aspectos
do desenho cia pesquisa. Geralmente, isso significa a adminis-
tra\ao do esbo~o do questionario a um grupo de sujeitos, mas
0
conceito do pre-teste c mais amplamente aplicavel.
melhoram muito a cficiencia cia codifica~iio e cia entrada clos P_ ·r· ue os produtos de um estag1o devem ser 1nsumos
51gm 1ca q -
dados. Pre-testar mostra as necessidades especfficas da ·. clos do proximo e que deve haver coordenat;ao c1e
apropn<l , . , .
pre-codificas;ao, exigindo mais, ou indicando que menos . - do tipo quem levara os questronanos de uma sala
decrsoe 5
onde os questionarios serao guardaclos num cerro
pode basta r. A (mica maneira de saber e fazer os codificadores para ou (ra ,
praricarem a codifica~ao, com clados hipoteticos ou com questio- momenta etc.
narios completes pre-testacies. Mas toclo o proccsso do treino cia
codifica~ao sera em v:lo se cste treinamenro for atrasado are a Pre-Teste da hnalise
hora que os questionarios finais estiverem chegando.
voce pode achar esquisito falar de pre-teste cia analise,
Estes comentarios sc aplicam se os questionarios forem
especialmente consideranclo minha insistencia na analise como
desenhados para entrada di reta de dados. Alem disso, um
atividade aberta e frequentemente heurfstica. Mas sugiro esta
pre-teste apontad as necessidades relacionadas ~t revisao dos
etapa seriamente. Embora inevitavelmentc voce fa~a coisas com
questionarios antes cia entrada clos cbclos. Se a enrrada for
OS dados que inicialmente nao pretendia fazer, precisa assegurar-se
feita a pa rtir de fo lhas de transfercncia coclificaclas, o teste
de que sera capaz de fazer as coisas que pretendia fazer.
mostrara requisites especiais de coclifica«;ao.
Apesar de dar mais espa~o a analise relacionacla aos
E preciso enfatizar a necessidade de pre-teste se os daclos estudos-piloto, devo mencionar dois tipos de pre-testes analf-
forcm entraclos por escaneamento 6ptico. Um pre-teste mostraru ticos. Primeiro, voce cleve dar toclos OS passos, clescle OS claclos
as tolerancias cia maquina com rela~ao a folhas danificadas e brutos are o produto final, de constru~ao de tabelas, de fnclices,
espa~os mal marcaclos. Um grande survey transferiu os dados
de escalas, regressoes, analise fatorial etc., que tenha em mente;
do questionario para folhas 6ptico-sensfvcis scm perceber, ate verificar cacla etapa, dos registros dos clados a apresenta\;aO
o fim cia cod ifica~ao, q ue os coclificadores usaram lapis como escrita. A razao clessa verifica\;ao exaustiva e assegurar que voce
grau en·ado de sombreamento. A equipe do projeto percleu duas podechegar Ia a partir daqui. Frequentemente, a forma cia coleta
semanas, em tempo integral, escu recenclo as marcas iniciais. da informa\;ao nao se presta a analise pretenclida. Vejam
Se houver quesr6es abertas, deve-se dar aten\-':'i.O antecipada alguns exemplos.
a organizas;ao da codifica\iiO. Um pre-teste sugerira a ordem mais Um survey de popula\;ao coleta clados sobre cada membra
eficaz para a coclifica~o das questoes abertas e fechadas. da residencia. Os dados sao padronizados, com um registro
Tambem deve-se pre-restar o processamcnro p6s entrada separaclo para cada membro. Entretanto, neste formate, pocle
de daclos, tais como limpeza e rransferencia de daclos para fita. ser impossfvel determinar facilmenre o ntlmero de pessoas em
Embora possa haver programas de compurador de uso geral cada residencia. Mesmo sendo possfvel contar o numero de
para csras rarefas, somcntc um teste verdadeiro assegurara que registros de pessoas para cada uma, pocle ser impassive! usar
os dados cstao organizaclos aclcquaclamcnte para o uso destes esta informas;ao como variavel analftica. (Solu(:ciO: pe~a aos
programas. Se a pesquisa exigir a constru~iio de arquivos de CodT1 ICad ores que contem as pessoas e coclifiquem a conragem
claclos em multiplos nfveis (por exemplo, arquivos do domidlio, de pessoas num arq uivo de residencia separado.) Igualmente,
arquivos cia famflia e arqu ivos pessoais), pocle ser necessaria ~e ser diffcil relacionar os clados cia residencia (par exemplo, a
uma ma nipula~ao mais complexa dos daclos; esra manipu!a~iio ldade do chefe cia familia) aos arquivos clas pcssoas individuais, a
precisa ser pn~-testacla. menos que se tomem meclidas antecipaclas para permiti-lo.
Se a sobreposi~ao nao for considerada um problema,
~ Em outro exemplo, suponha que no pre-teste da analise
·tra do estudo-piloro deve ser selecionada cia mesma
voce descubra que quer apresentar idadc como uma medi a amo!'i • ,
.. a, . plane1·aoo para o swvey final. Em qualquer dos casos, tera
para permtt.ll' comp~ra~oes com outros dados; se voce rnaneu:1 ,
pergunrou a 1dade em mtervalos, em vez de a idade exata, pode sido resrado o desenho cia amostra (ou extr~uda a amostra final).
ter problemas.
0 segundo tipo de pre-teste analftico rem a ver com fstudo-Pi Iota do lnshumento de Pesquisa
uso de bardware e sojiware de manipula~ao de dados _testa~
o compurador e os programas que voce pretende usar na analise 0 esrudo-piloto deve envolver a administra~ao de um
Voce pode descobrir que o Formato do quesrionario precisa se; instrumento de pesquisa o mais identico possfvel ao planejaclo
modificado para se adequar a seus prop6sitos analfticos· ara 0 survey final. Mas, se for usado um procedimento de
descobrir isso durante 0 pre-teste e melhor do que depois d~ ~osragem muit~ elaborado, pode na? ser viavel ~roduzir o
ter coletado todos os dados. numero necessaria para o estudo-plioto e dep01s um lore
revisado para o survey final.
o questiomirio do estudo-piloto deve cooter todas as
fazendo fstudo s-Pi Iota questoes planejadas, com a reda~ao, o formato e a sequencia
que 0 pre-teste indicou serem os melhores. 0 estudo-piloto
Como tentei mostrar, e importante pre-restar os vanos nao deve ser um vefculo para testar novos itens ainda nao
aspectos do desenho e cia analise da pesquisa. Idealmenre, pre-restad os.
devemos fazer extensos pre-testes de cacla aspecto. Alem clisso, Dito isso, vejamos uma exce~ao. E razoavel que o
estarmos sempre atentos para as implica~oes do pre-teste de instrume nto do estuclo-piloto contenha mais questoes do que
um aspecto para com OLltros aspectos e procurar inter-relacio- o planejado para o survey final. Freqi..ientemente, pre-testes nao
nar todos eles. 0 melhor meio para assegurar inter-rela~oes controlaclos sao insuficientes para cleterminar qual, de varios
validas e fazer um estuclo-piloto- um exame miniaturizaclo de
metodos pa ra obter OS claclos, sera mais uti!. Portanto, em
toda a pesquisa, da amostragem ao relat6rio, que deve diferir
alguns casos, pocle-se incluir mais de um metoda no mesmo
do survey final apenas quanro ao tamanho, estuclanclo menos
questionario (se eles nao se mostrarem uma repeti~ao grosseira),
casos (e usando menos tempo).
com a inten~ao de avalia-los atraves do estuclo-piloto.
Uma maneira melhor, apesar de mais complexa, para
fstudo-Pi Iota da Amos hag em lidar com esta situa~ao e usar cliferentes versoes do questionario
Diferentemente do pre-teste, o estuclo-piloto deve fazer em suhamostras do estudo-piloto. Assim, os responclentes do
uma amostra representativa cia popula~ao alvo. Portanto, a estudo-piloto estarao reaginclo ao que pode se tornar o instru-
amostra do estuclo-piloto deve ser selecionada exatamente menro do survey final, fornecenclo um teste melhor.
cia mesma mane ira programada para o survey final. Mas com Se um unico instrumento do swvey-piloto for usaclo para
uma cxce~ao. avaliar metodos alternatives de obten~ao dos daclos, e preciso
Como se pocle quercr evitar estuclar os mesmos respon- tomar cuidado para nao criar um instrumcnto grande demais.
clentes no esrudo-piloto e no survey fina l, pode-se evirar isto As lit;oes aprendidas com a aclministra~ao de um instrumento
selecionanclo as cluas amostras ao mesmo tempo, o que pode de. csruclo-piloto Iongo e repetitive podem ser inadequadas para
ser feito de duas maneiras. Primeira, selecionando a amosrra 0
mstru mento final mais curto.
final- ou, pelo menos, as uniclacles primarias de amostragem
(por excmplo, quarteiroes de censo) - e, clepois, do restante
cia popu l a~ao, se lecionando a amostra do estuclo-piloto. Coleta e Process omenta de Dodos do fstudo-PiIota
Segunda, selecionando uma amostra in icial com elementos Como em ourras fases do estudo-piloto, a coleta e o proces-
suficientes para ambas as amostras e subamostranclo desra samenro dos dados devem ser um exame miniaturizado do
lista pa ra o estudo-piloto.
clesenho do survey final. Se os instrumentos de pesquisa forem ulrados verdadeiros para renda. Determine como cada resul-
comparaveis, devem ser aclministrados exatamente como voce resdo possfvcl sena· exp 1·tea d o e quats
· outros cIa d os cIevenam
·
planeja fazer no survey final. Oncle eles diferirem, e preciso ta considerados na explicac;ao. Se esta abordagem sugerir
ser .
estar especialmente conscience das implicac;oes destas diferen0~s, ..• n: 1· es fara-as com os dados do estudo-ptloto; sc ne-
mats •1 ·1 15 • ~
tentanclo aprender a partir cia inferencia em vez da experiencia. cessario, fac;a aproximac;oes ou erie novas tabelas hipoteticas e
Os questiomirios completes devem ser coclificados, e os dados rente explica-las.
entrados, transferidos, limpos e analisados exatamente como E muito facil perceber um problema e suas irnplicac;oes
planejado para a pesquisa final. imediatas e deixar para corrigir o problema no survey final. Este
procedimento e perigos?. Para tir~r pr?vei~o de um estudo-
Anal isedo fstudo -Piloto piloro, voce devc constderar as tmpltcac;oes de segunda,
terceira e quarta ordem do problema e suas possfveis soluc;oes.
Pode parecer estranho, mas a pesquisa orgcmizada deve
comec;ar com um rascunho do relat6rio escrito. Elc deve canter
os argumentos 16gicos da pesquisa, tabelas em branco ou Avaliando Pre-Testes e fstudos-Pi loto
hipoteticas e a amarrac;ao verbal que une tudo isso. 0 pesqui-
sador organizado assegura assim familiaridade com qual infor- Esta ses;:ao oferece algumas diretrizes e criterios para
mac;ao e necessaria, de quem eta e necessaria, e a forma na avaliar pre-testes e estudos-piloto. Apesar de nao oferecer leis
qual e necessaria. A analise do estudo-piloto, assim como a para resolver este assunto, tentarei ligar os objetivos da pes-
analise final, devc consistir em preencher os espac;os vazios quisa aos criterios de avalias;:ao. Limitarei a discussao aos usos
empfricos, anotar os acontecimentos incsperados e elaborar da analise na avaliac;ao do instrumento cia pesquisa.
estes desenvolvimentos. A analise do estudo-piloro deve ser 0 cerne de um survey sao a coleta, manipulas;:ao e com-
feita com rodo o vigor e a imaginac;ao que serao usados na preensao dos dados. Acima de tudo, pre-testes c estudos-piloto
analise final. Como a amostra do estudo-piloto e exrrafda com visam assegurar a criac;ao de dados uteis. Consideremos
a intenc;ao de representar a populac;ao alvo, os resultados cia maneiras de reconhecer dados uteis.
analise do estudo-piloto devem ser essencialmenLe os mesmos
do survey final. Este deve ser uma replicac;ao mais substancial
do primeiro.
Clarezado Pergunta
Entretanto, OS desenhos de pesquisas nunca sao petfeitos, Para serem uteis, as pergunras devem fazer sentido para
nem o raciodnio 16gico que os embasa. Portanro, a analise do os respondentes, mesmo se as implica~oes mais evidentes das
esrudo-piloto nunca realmente resulta exatamente no que e questoes nao forcm tao evidentes para eles. Igualmente, as
esperado. Mais frcqlientemenre, aponta erros no raciodnio e/ categorias de respostas (se fornecidas) devem fazer sentido,
tanto e m st· mesmas quanta na rela~ao com a pergunra, e umas
ou no desenho. Os metodos para determinar estes erros sao
discutidos a seguir. Agora, quero enfatizar a importancia de levar com as outras. A seguir, mostramos alguns sinais de perigo que
Podem surgir no pre-teste ou no estuclo-piloto.
o survey piloto o mais Ionge possfvel, para revelar o maior
numero possfvel de erros, antes de comprometer os principais Omissao de Resposta. Geralmente, todo respondente pula
algumas p erguntas, e toda pergunta e pulada por alguem·
recursos no survey final. contudo q d '
Se faltarem dados necessaries ao estudo-piloto, devem-se ' uan o uma pergunta produz muitos "sem resposta",
temos' uma d"tea d e problemas no desenho do survey.
fazer as aproximac;oes possfveis para petmitir a maior elaborac;ao
possfvel na analise pretendida. Se, por exemplo, a analise sugerir d Mzl!tiplas Respostas. Mesmo quando se pede aos respon-
entes para s I . ,
que se deve levar em conta nfveis de renda, e voce nao tiver cole- nar e ectonar so uma resposta de uma lista de alter-
tado dados sobrc renda, voce deve usar cscolatidade ou ocupa,·ao lvas, alguns persistirao em selecionar mais de uma. Se uma
pergunra produ . . . respostas multtplas,
- . voce- deve suspel(ar
.
para fazer estimativas aproximadas. Se nao river dados aproximados, u
q e ou suas zu muttas ·
construa tabclas hipoteticas, apresentando todos os possfvcis caregonas de respostas nao sao muruamcnte
excludentes, ou a pergunta esta sendo mal compreendida. A Resposras qualificadas como estas apontam uma falta
solu~ao deste problema varia com o tipo de m(i!tiplas respostas.
reza nas pergunras e/ou nas respostas fornecidas. Uma
de cIa mo essa po d e ser su f·tc1ente
. . . uma revtsao
para ex1g1r . -
Se as mesmas duas categorias forem escolhidas juntas resposta Co
unta se a falta de clareza puder resultar em compre-
frequentemente, talvez e las possam ser melhor distinguidas da perg • , .
-
ensao erronea cla pergunta. Vanas respostas como essas
ou, alternativamente, combinadas. Se varias combina~oes
c:dgem uma revisao.
de respostas estiverem sendo selecionadas, deve haver algum
Comentarios Diretos. Frequenremente, os respondentes
erro mais basico, e toda a pergunta deve ser reexaminada.
nram cliretamente problemas de reda~ao ou formato cia
Respostas" Outras'. Frequentemente, e correto oferecer ao apo or exemp Io, "E sta e, uma pess1ma, . pergunta ") .
pergu nta' (p . , .
respondente a idternativa de dar sua propria resposta em Embora voce possa descons1derar alguns desses comentanos,
perguntas fechadas. Seja oferecida ou nao esta op~ao, ter urn grande deve clesconfiar das perguntas que os produzam em quanticlacle
numero de respostas escritas (ou oferecidas pelo entrevistado) superior a normal.
indica que as categorias fomecidas nao sao suficientemente exaus-
tivas. Se as respostas "outras" se ajusram conceitualmente a uma formato do Question6rio
ou mais categorias 16gicas, sem sobreporem-se as existentes,
talvez devam ser acrescentadas a lista de alternativas. Todos os sinais de perigo discutidos anteriormente poclem
apontar erros no formato assim como erros na reda~ao. Por
E claro que nao se deve acrescentar respostas a lista, se
exemplo, respostas faltantes podem indicar que o "fluxo" do
isto criar conflitos com os objetivos do estudo ou clesra pergunta.
questionario e inaclequaclo. Isto e especialmente verdade para
Por exemplo, os pesquisaclores em comunica~ao nos Estados perguntas contingentes, que frequentemente sao (e deuem ser)
Uniclos algumas vezes pedem aos respondentes para inclicar sua pastas no !ado da pagina do questionario. Melhores instru~oes,
fonte primaria de informa~ao polftica, oferecenclo op~oes de uma caixas, setas e dispositivos similares devem resolver estes
lista que inclui jornais, amigos, radio, revistas e peri6dicos poli- problemas.
ticos. A televisao e propositadamente omitida da lista, supondo Algumas vezes, os respondentes respondem uma serie
que a maioria a escolheria caso fosse inclufda . Mesmo se respon- de perguntas sim/nao simplesmente marcanclo alguns sins.
clentes voluntariamente responderem televisao, voce pode nao Podemos perguntar a que tipos de organizac;oes pertencem os
querer incluf-la na lista. Entretanto, se muitos responderem tele- respondentes e providenciar uma lista de diferentes tipos com
visao, voce pode decidir excluf-la especificamente na pergunta '·sim/nao" ao !ado de cada uma. Se os respondentes marcarem
basica (por exemplo, "Fora a televisao, qua I cos .
I segumtes....?") · somente sim em alguns casos, o problema consiste em nao
Respostas Qualificadas. Frequentemente, os respondentes sabermos se as organizac;oes ao !ado das quais eles nao mar-
caram nacla sao aquelas as quais eles nao pertencem, ou se
qualificam suas resposras, tanto ao escolher uma caregoria
simplesmenre eles as pularam inaclvertidamente ao percorrer a
fornecida quanta ao responder uma pergunta aberta. Solicitados
lista. Instru~ao mais explicita (por exemplo, "par favor, responcla
a informar sua "renda anual", eles pod em assinalar que estao
a cada umd') pode aliviar este problema. Se voce estiver parti-
informando a renda do ano passado ou a esrimativa desre cularmente preocupado com a precisao das respostas numa situ-
ano. Solicitados a informar a iclade do pai, podem observar a~ao clessas, pergunte sabre a filia~ao a cada organizac;ao em
que estao relatando a idade do padrasto ou a idade do pai perguntas separadas, em vez de numa lista; entretanto, isto
quando faleceu. Perguntados sobre suas filiac;oes a particles aumentara o tamanho do questionario.
polfticos, podem assina lar que eles marcaram o partido ao
qual sao filiaclos, mas que, em geral, votam inclepenclen-
temente clesta filia~ao· por outro !ado, podem assinalar Variancia nos Respostas
, . ' que nao
exatamente o contrano: - estao
- f·1·
1 Jad o s a urn partido . Uma preocupa~ao primaria na avalia~ao dos testes de um
mas geralmente voram no partido inclicado. IOStrumento de pesquisa cleve ser a clistribui~ao das respostas
provocadas por cacla pergunta. As respostas estao clistribufdas . s novas pesquisadores gastam muito tempo tentando
mais ou menos igualmente entre as varias categorias de respostas Olll 1.toir p recisamente conceitos· como "re 1·Igiostc
. . I a d e " , para
forneciclas ou a maioria selecionou as mesmas respostas? A consi- de f 111· definirem o que constJtUI . . " 1· · ".
a pessoa re Igtosa
de p O lS
clera~ao cleste aspecto dos resultados dos pre-testes e estudos- A base epistemo16gica deste livro e a convic~ao de que
piloto, apesar de essencial, depende dos objetivos do estudo e 'tos como "religiosidade" e "religioso" nao podem ser
das questoes espedficas. conce1
finidos de maneira final. 0 melhor que podemos esperar no
Se a pergunta for feita para medir a informa~ao fatual d;csente e criar varias conceiwa~oes uteis de re~igiosidacle,
que permita uma avalia~ao independente (por exemplo, pedir ~ennitindo fa1ar aproximadamente de pessoas ma1s ou me/los
a estudanres que informem suas medias escolares, quando voce . 1·osas
re11g , ·
(0 mesmo e verdacle sabre conccitos como status
_ . . _
conhece a distribui~ao cia popula~ao), entao as respostas aos ·,..I liberalismo aliena~ao, conhecimento etc.) Concettua~oes
SOCl·• , '
testes-piloto ciao uma dica cia clareza cia pergunta e/ou da hones- sao "ure is" na medida em que nos ajudam a enrender os dados
tidade dos responclenres (e clara, supondo que os dados do empfricos e faciliram a constru~ao de teorias coerentes.
teste sejam tiraclos de uma amostra representativa). Para exp licar por que algumas pessoas sao mais religiosas
Se uma pergunta for, tal como recligida, intrinsecamente que outras, e preciso definir e medir religiosicla~e de. 1:1odo a
interessante, voce pocle ficar satisfeito com qualquer clistri- pem1itir classificar alguns respondentes como ma1s reitgiosos e
bui~ao de respostas que obtivcr. Pode ser interessante e valioso outros como menos re1igiosos, mesmo se este metoda de
saber, por exemplo, que todos na popula~ao aprovam uma lei cJassifica~ao nao coincidir completamente com sua cren~a
proposta, e voce pocle querer replicar esta descoberta no pessoal sabre 0 que e, definitivamente, uma "pessoa religiosa".
survey final. Se voce quiser explicar a variancia, deve tentar maximiza-la
Enrreranto, em pesquisa social, estamos mais interessados entre o s respondentes. Numa pergunta com respostas dico-
nas re/a~oes entre as uariiiueis. Queremos saber por que tomicas, re nte obter uma distribui~ao meio a meio das
algumas pessoas sao favoraveis a um procluto e outras nao. respostas. Numa pergunta com mais alternativas de respostas,
Qucremos saber por que algumas pessoas sao conseiv.adoras e procure uma distribui~ao igual. Isso 1he clara maior potencial
outras nao. Se nao houver varia~ao nas respostas daclas a uma para a analise posterior. Entao, ao avaliar os resultados do
pergunra, nao seremos capazes de explicar as resposras. Nao pre-teste ou do estudo-piloto, voce pode querer manipular a
podemos explicar as diferen~as que nao aparecem na coleta de variancia produzida por certas perguntas. Vejamos algumas
claclos . sugestoes para obter a variftncia desejada.
Procuranclo rela~oes entre variaveis, a parte mais interes-
sante cia pesqu isa social, c preciso obter variancia nas respostas. 1. A variancia pode ser manipulada mudando a enfase da
Lembre-se clas cliscussoes anteriores deste livro, onde decla- pergunta. Por exemplo, suponha que qucrcmos cxaminar
ramo~ que os clados sociais sao criados, em vez de colerados a dedica~ao dos ;tlunos ao aspccto de treino vocacional
neutramente, assim como as discussocs onde declaramos que de uma educa~ao superior nas artes liberais. Podemos
conceitos sociais e variaveis nao existem num senticlo absoluto. pedir-lhes que concordcm ou discordem da seguint<.:
E neste senticlo que voce precisa criar variancia nas respostas declara~ao: "Aprender uma habilidadc vocacional e uma
fornecidas pelo instrumento de pesquisa. Se suas questoes parte importantc da minha educa~ao superior." Se quase
abordando religiosidade sugerem que todo mundo e religioso, e toclos os alunos num estudo-piloto concordarcm, nao seria
preciso ser mais rigoroso no criteria de religiosidacle, reescre- possivel analisarmos as respostas, clevido a falta de
vendo as perguntas de maneira a empurrar mais respondenres a variflncia. A variftncia podc scr manipulada "cndurecendo"
apostasia. Dizemos isto sem sutilezas, porque e um ponto algumas a declara~ao: "Aprcndcr uma habilidade vocacional ea
vezes dificilmente aceito. Infelizmente, a literatura tradicional pane mais importantc da minha cduca~ao superior."
sabre o metoda cientffico criou a cren~a infundada que os Devemos espera r que ml!nos l!studantcs concordem com
pesquisadores devem conceituar as variaveis e as posi~oes a segunda declara~;ao do qui.! com a primeira.
nessas variaveis que reflitam mais de pelto a rea!iclade. Poitanto,
A van.. 1' nas respostas e um criteria muito importante
·;; 0 c ·a
Igualmcntc, ~e a declara~ao modificada for perguntada
I" 0 valor etas perguntas. Entrewnto, o modo de
num estudo-piloto e pouquis~imos e~tudantes concor- ava tar d - . d . d
P•·lJ.l.
·. . riancia clepende o proposno a pesqUisa ou a
darem com cia, podcmos con~idcrar muda-la para a forma •allar a ' a
~n' · _ S 0 prop6sito for descrever, pode ser interessante e
ma is facil. esrao. e
qu · , pouca variancia quando a forma da pergunta for
·
1111 0 rrante " ' '
p L te adequada ou voce pode tomar a falta de variancia
2. Altcrar a i!nfasc das categorias de rcspostas podc ter 0 chramen ' ' -
· ·ncticac;;:ao de que a pergunta esta mal trabalhacla e
mcsmo efeito. Suponha que sc perguntc, num swveysobrc como uma I - . f
ue a descric;;:ao produzida e enganosa. Mas, se o propostto or
saude publica, ··com qual freqi.icncia voce lava a~ maos q . e' preciso ter variancia. Seus respondentes devem pa-
antes de comer?" c sc desscm as seguintes rcspostas:
exp1tear, A • • • •
~ lmagem Tradicional
A perspectiva tradicional do metoda cie ntffico baseia-se
numa
. s • ··A · d e passos, resumidos na seguinte lista, que
equencta
se acredita que os cientistas sigam em seu trabalho.
1. Constru~ao da teoria
casa. rem
. do que os que nao - tern esses a d uI tos. A con f.1rmapo
A - ou
nosos , ,. , - c1 ·
ConslrufiiO dct Teoria. Face a um aspecto interessante do ·rmarao da hipotese empmca e entao usa a para ace1tar
descon f1 • ~ , .
mundo natural ou social, o cientista suposramente deduz uma ou rejeitar a h.ip6tese teonca.
teoria abstrara para descreve-lo. Supoe-se que este exercfcio e
puramente 16gico. Suponha que voce esteja interessado em Uma hpresenta~ao fsquem6tica
comportamemo desviante. Voce constr6i, baseado na teoria
sociol6gica existentc, uma teoria do comportamento clesviante. A imagem tradicional cia ciencia e mostrada de modo
Entre outras coisas, essa teoria inclui uma varicdade de conceitos esquematico na Figura 13-1. Voce come~a com urn interesse
relevantcs as causas do comportamento desviante. articular sabre o mundo, cria uma teoria geral sabre ele e usa a
Deriuafclo das Hip6teses Te6ricas. Com base na sua tcoria ~aria dedutiva para gerar uma hip6tese sabre a associa~ao entre
geral do comportamento desviante, voce, supostamente, deriva duas variaveis. Esta hip6tese e representada na forma Y =/(X).
hip6teses relacionando os varios conceitos que formam a Esta expressao e !ida "Y e uma fun~ao de X", significanclo que os
teoria. Este e, tambem, um procedimento puramente 16gico. valores de Y sao determinados ou causados por valores de X.
No exemplo acima, suponha que voce derive, logicamente, a No nosso exemplo, delinqi.iencia (Y) e uma fun~ao de supervisao
hip6tese de que a delinquencia juvenil c uma fun~ao cia super- (X). A seguir, voce operacionaliza as duas variaveis especificando
visao. Especificamente: a medida que aumenta a supervisiio, medidas empfricas para representa-las no mundo real, coleta
diminui a delinquencia juvenil. dados relevantes a tais medidas e, finalmente, testa empirica-
OperacionalizafiiO de Conceitos. 0 proximo passo na mentc a rela~ao esperacla.
visao tradicional e a especifica~iio de indicadores cmpfricos
que representarao seus conceitos te6ricos. Enquanto conceitos
fiGURA 13-1
Aimagem tradicional do ciencia
te6ricos devem ser um tanto abstratos e talvez um pouco
vagos, seus indicadores empfricos precisam ser especfficos e
precisos. Portanto, em nosso exemplo, voce pode operaciona-
lizar o conceito "juvenil" como pessoas com menos de dezoito
Teoria Dedutiva
anos de idade, "delinqi.iencia" como tcr sido preso por um ato
criminoso, e "supervisao" como a presen~a de um adulto em B- E
A~K -o ........... ,
casa, nao trabalhando.
0 efeito da operacionaliza~ao e converter a hip6tese
\ "
----1-L-C
J --_H \z
~ \ G--F
" X-Y
te6rica em empirica. No caso, a hip6tese empfrica seria a
seguinte: entre as pessoas com menos de dezoito anos de
idade, as que moram em casa com um adulto que niio trabalha
tem menor probabiliclade de serem presas por atos crim.inosos
Hip6tese
/
do que as sem um adulto nao trabalhanclo em casa.
Coleta de Dados Empfricos. Baseado na operacionaliza\1io y f(X)
dos conceitos te6ricos, voce coleta clados relacionados aos
inclicadores empfricos. No nosso exemplo, voce pode fazer um - - - •• - [Operacionalizac;;ao]
survey com pessoas com menos de dezoito a nos de ida de. Entre
outras coisas, o questionario perguntaria a cada uma sc ela mora
j
?
y - f(X)
em casa com um adulto que niio trabalha e se ja foi presa por
cometer um ato criminoso.
! --------- [Teste de hlp6tese]
8
Dois Problemas Basicos Na realidade, usamos indicadores aproximados dos
nceitoS re6ricos para descobrir associa~oes parciais. Estes
coroblemas conspiram entre st. contra voce. ~ s
Esta descri~ao da visao tradicional do metodo ciemifico upon h a que voce
pode convence-lo de que pesquisa cientffica e uma atividade ~specifique um grau de associa~ao para a aceita~ao da hip6tese
rotineira. Tudo 0 que e preciso fazer e seguir rcligiosameme OS e a analise empfrica nao o atinge. Naruralmente, voce se pergun-
passos 1 a 5 e se tera descobeno a verdadc. tar.l sc indicadores cliferentcs dos conceitos pocliam ter resultado
Infelizmente, a pesquisa cientffica e o mundo empirico no grau especificado de associa~ao.
que estudamos nao sao tao nitidos. A visao tradicional do fiz estes comentarios para indicar que a visao tradicional
metodo nao representa o que realmente acontece na pesquisa do merodo cientffico nao e apropriacla a pesquisa na pratica.
cientffica- social ou outra. Dois problemas basicos impedem Nao se faz pesquisa seguindo obstinadamente o caminho entre
que o sonho se torne realidade. os passos 1 e 5. Tsto nao deve desanima-lo, contudo, e sim
desafia-lo . Nao deve ser considerado como nega~ao da possi-
Primeiro, conceitos te6ricos raramente permitem ope-
bilidade cia pesquisa cientffica, mas como base para a pesquisa
racionaliza~6esnao-ambfguas. Conceitos sao abstratos e geneticos,
esclarecicla, realmente cientffica.
enquanto a especifica~ao de indicadores empfricos se faz por
.Medi~ao e associa~ao sao conceitos inter-relacionados
aproxima~ao. No exemplo dado, e improvavel que a variavel
"supervisao" seja representada adequadamente pela presen~a que devem ser trabalhados 16gica e simultaneamente. Em vez
de dar ordenadame nte uma serie de passos fixos, voce deve
de urn adulto que nao trabalha em casa. A simples presen~a
dar estes passos para frente e para tras, incessantemente. Suas
deste adulto nao gamnte a supervisao de urn jovem e, em algumas
constru~oes te6ricas sao, muitas vezes, feitas em rorno de asso-
casas sem tal adulto, pode haver outros modos de faze-la.
cia~oes previamente observadas entre indicadores empfricos,
Igualmente, ser preso por urn ato criminoso nao e o mesmo constru~oes te6ricas parciais podem sugerir o exame de novos
que o conceito absrrato de "delinquencia". Alguns jovens dados empfricos, e assim por diante. Espera-se que ap6s cada
podem ter comporramento delinquente sem serem presos. atividade voce entenda um pouco melhor o tema do seu inte-
Outros poclem ser presos erradamente. Alem disso, a especifica¢.1o resse. E raro o "expe rimento crftico" que determina de uma vez
de "juvenil" como uma pessoa abaixo de dezoito anos de por todas o destino de toda uma teoria.
idade e arbitr:hia. Outt·as especifi ca~oes podem ser feitas e Portanto, a pesquisa cientffica e uma empreitada sem
provavelmente ne nhuma seria nao-ambiguamente correta. fim, visando o entendimento de algum fenomeno. Para isso,
Alem disso, nao basta dizer que devfamos rer especificado voce mede e examina associa~oes, sempre consciente da natu-
"melhores" indicadores dos conceitos. Conceitos te6ricos quase reza das suas inter-rela~oes. As se~oes seguintes explicam
nunca tern indicadores perfeitos. Todo indicaclor empfrico rem melhor a natureza dessas inter-rela~oes.
def<tttos; toclos poclem scr melhorados e a busca de melhores
indicaclores e infinita.
Segu ndo, as associa~oes empiricas entre as variaveis ~ lntercambialidade de Indices
quase nunca sao perfeitas. Sc todos os jovens com adultos nao
trabalhando em casa nunca tivessem siclo presos e todos os Paul Lazarsfeld, ao cliscutir a "intercambiabilidade de indi-
ces", criou uma unportante
· .
ferramenta concettual para a compre-
sem tal aclulto tivessem sido presos, pocliamos concluir que a ensao da rei - .
hip6tese foi confinnada. Se os dois grupos rivessem exatamente solu _ ~~ao entre medt~ao e associa~ao, assim como uma
o mesmo nlimero de presos, a rejeitarfamos. Contudo, nenhuma Essa~~ parctal dos dois problemas discutidos na se~o anterior. 1
dtscus -
clas alternativas e provavel, na pnitica. Quasc roclas as varia- co . sao nasceu do reconhecimento de que qualquer
ncetto tetn vanos
, . .tn d'tcadores possfveis.
veis sao empiricamente relacionadas entre si "em algum grau".
Especificar o "grau" que represcnta a aceita~ao da hip6tese e 0 Lazars~Reto~nemos a no~ao de uma hip6tese te6rica y = j'(X).
"grau" que representa sua rejei~ao e arbitrario. (Veja no Capitulo Sao e)d V!U que ha Varios indicadorCS possfveis de SUpervi-
' que podemos chamar de xl' x2' x 3 etc. Embora possa haver
16 a discussao de testes de significa~ao estatfstica.)
razoes para acreditar que alguns possfveis indicaclores sao lmplica(oes
melhores do que ourros, eles sao cssencialmente intercam-
biaveis. Porranro, enfrenramos o dilema de quais indicaclores A implica~ao principal dos comenrarios anteriores e que
usar no teste cia hip6tese Y = j(X). a mecli~ao e a associa~ao estao fortemente interligadas. A
A solu ~ao para o clilema e usar todos os inclicadores. medi~ao de uma variavel faz pouco senrido fora dos contexros
Assim, tesramos as hip6teses empfricas: -y =fi(.yr•. ) y =fi':Y) _ empfricos e re6ricos das associa~oes a serem testaclas. Pergun-
l· _, y-
j(x) ere. Em vez deter um teste para a hip6tese, remos varios rado "Como devo meclir classe social?", o cientisra experienre
como indicaclo esquematicamente na Figura 13-2. ' respondcra "Qual e seu prop6sito ao medi-la?" A maneira
fiGURh 13-2 Surge um novo clilema. Se o cientista que segue a visao adequacla de medir uma variavel depende muito das variaveis
intercombi ali dade tradicional do metoda enfrenta 0 problema cia unica associa~ao que ser.io associadas a ela. Outro exemplo deve esclarecer isto.
de indices empirica talvez nao ser perfeita, o cientista que usa este metoda Recenremenre, surgiu uma conrroversia na sociologia
esta diante de varias associa~oes empfricas, nenhuma clas quais religiosa sobre a re la<;:ao entre religiosidade e preconceito. Um
Y = f(X) perfeita, algumas clelas podendo entrar em conflito com outras. Jivro de Charles Y. Glock e Rodney Sta rk, Christian Beliefs a11d
Portanto, mesmo havendo especificaclo um grau de associ- A11ti-Semitism,2 relatou daclos empfricos indicando que membros
a~ao como suficiente para confirmar a hip6tese, talvez voce de igrejas cristas com cren~as ortodoxas tinham maior probabi-
descubra que os testes usando x 1, x3 e x 5 satisfazem o criteria lidacle de serem anti-semitas do que membros menos 01todoxos.
cspecificaclo, mas os testes usando x 2 e ::..4 nao. Como resolver Estas clescoberras acirraram consideraveis discussoes nas igrejas
este dilema? e resultaram em outras pesquisas sobre o mesmo t6pico por
I
? f (x,) outros pesquisadores.
I
? f (xJ Nos termos cia no~ao cia "inrercambiabilidade de Indices",
? a hip6tese te6rica e aceita como uma proposi~ao geral se for Um ourro projeto de pesquisa chegou a conclusao oposta
I f (x:)
I
? f (x.) confirmada por toclos OS testes empfricos especfficos. Se, por a de Glock e Stark, relata ndo que, quando a o rtodoxia crescia,
I ? f (x5) exemplo, a delinquencia juvenil for uma fun~ao cia supervisao, diminufa o preconceito. Mas analise mais minuciosa mostrou
no semiclo geral cleste conceito, ela cleve estar relacionada que as medidas de ortodoxia, nesta pesquisa, se basearam na
empiricamente a toclo indicaclor empfrico de supervisao. aceita~ao de declara~oes de questionario que refletiam as
doutrinas Cristas tradicionais de que "Toclos OS homens sao
Se, no e ntanto, o cientista descobrir que somente certos
irmaos" e "Arne o seu p roximo" . Nao foi surpreenclente que
inclicadores cia supervisao se relacionam ~~ delinqi.H~ncia juvenil,
respondenres que aceita ram as declara~oes baseadas nessas
enrao os tipos de supervisao aos quais a proposi~ao se aplica do.utnnas
· pareceram menos preconceituosos do que os que as
foram especificados. Na prarica, isto pocle ajudar a reconceiruar reJeltaram.
· Normalmente, esras descoberras seriam (e foram)
"supervisfio" em rermos mais gerais. Talvez, por exemplo, a
questionaclas por causa de "contamina~ao". As duas variaveis
clelinqt1encia juvenil seja uma fun~ao de restri~oes estruturais, e
examinadas (ortodoxia religiosa e toledincia) na verclade
alguns tipos de supervisao sejam indicaclores clesras restri<;:6es e mediam qual·d
• I a d es 1·c1Aenucas
· · ·
ou sumlares. Chamar um conjunto
outros nao. de indicadores de "ortocloxia" e outro de "tolerancia" nao
E imporrante entencler o que se alcan<;:a an·avcs clesre mosrra que preconceito climinui com o aumento cia 01todoxia em
processo. Em vez de testar rotineiramente uma hip6tese fixa, qualquer semido geral.
relacionanclo supervisao a clelinqi.iencia, voce ganha uma
As discussoes cleste capitulo sugerem uma rea<;:ao um
compreensao mais abrangente da narureza cia associa~ao. Mas rouco clifere nte as
- d escob ertas da pesquisa. Pergumanclo como
este feiro s6 e significative sc virmos o objetivo da ciencia como Ortodoxia e preconce1to . estao
- associados entre si em vez de
compreensao crescentc, em vez de somentc construir teorias e perguntar se el - . , '
,( es estao assoc1ados, conclu1mos que a ortodo-
testar hip6teses. Ia medida pelos inclicadores de Glock e Stark (cren~a em Deus
Jesus 1111.1 •
' agres, e coisas assim) est:l positivamente associada
ao preconceito, enquanto a ortodoxia medicla como compronusso
Leitu ras Adicionais
com as nonnas de amor fratemo e igualdade esta negativamente
bserving Ourselves: Essays in Social Research.
associada a preconceito. Ambas conclusoes estao empiricamente BBIE Earl· O
BA ' nt CA- Wadsworth, 1986.
corretas, apesar de nenhuma delas responder a pergunta geral Be 1mo • ·
se religiao e preconceito estao relacionaclos entre si. ' Paul Problems in Methodology. In: MERTON,
LAZARSFELD • ' . ociofoa" Toda,,. New York: Bas1c . Books,
E claroque o passo final e avaliar a utilidade relativa Hobe rt K· (Ed)··S OJ 'J
Resumo
0 objetivo deste capitulo foi prover uma perspectiva
sauclavel sobre os objetivos da meclic;ao e da associac;ao na
ciencia. Tentei proporcionar-lhe, a esre respeito, melhor com-
preensao da empresa cientlfica. 0 capitulo comec;ou revendo
o cliscurso tradicional de manua l sobre o metoda cientlfico
'
indicando que esta visao nao reflete com exaticlao a pesquisa
cientffica na prat ica. No Iugar cia perspectiva tracliciona l,
tentei oferecer um moclelo alternativo, que acreclito ser mais
(Itil nas atividacles de pesquisa reais.
Minha motivac;ao para abordar essa questao vem cia
observac;ao clas dificu lclades de pesquisadores inexperientes,
que ace itam a perspecriva tradicional como um quaclro
vercladeiro de como cientistas "reais" trabalham, resulrando
em profw1do desapontamento com a propria pesquisa. Nao
quero dizer que a pesquisa cientffica e clescuiclacla ou "nao-
cientffica", apenas que ela nao e rotineira. 0 cientista e bem
diferente do tecnico.
Netas
1
LAZARSFELD, Paul. Problems in Methodology. In: MERTON, Robert K.
(Ed.). Sociology Today. New York: Basic Books, 1959. p.375.
envolve tres passos: (1) Mu ltiplique cada idacle pelo numero 17 ~~~~ 17 X 4 = 68
de entrevistados com esta idade, (2) some os resultados destas
mulriplica\;oes e (3) divida o total pelo numero de entrevis-
18 ~~~ 18 X 3 =54
tados. Como se ve, a idade media neste exemplo e 15,87. 19 ~~~ 19x3=54
A mediana representa o valor "do meio"; metade esta 492 31 = 15.87
acima dele e merade abaixo. Se tivessemos a exala iclade de (Total) (Casos)
ldade Numero
cada e ntrevistado (por exemplo, 17 anos e 124 elias), pode-
rfamos por os 31 entrevistados em ordem de idade, e a medi- 13
~~~ 1-3 Mediana = 16.31
ana para toclo o grupo seria a idade do entrevistado do meio.
Mas nao sabemos as idades exatas; nossos dados sao '·da-
14
~~~~ 4-7 Ponto Medio
18
lll 26-28
19
.._ lll 29-31 16.06 16.19 16:31 16:44 16:56 16:69 16:81 16:94
A Figura 14-1 exemplifica a 16gica do calculo da mediana . de que sua taxa de mortalidadc infantil foi quase quatro
do f.HO
para dados agmpados. Como ha 31 entrevistados, o entrevistado _
,.~zes 01•
a ior qu e a dos Estados
, Unidos em 1988. 0 alto PIB
"do meio" seria o numero 16 se eles forem ordenados por .n1·ra dos Emirados Arabes reflere a enorme petro-riqueza
per car 1
idade; quinze seriam mais jovens e quinze mais velhos. Na pane Je poucos.
de baixo da Figura 14-1, voce ve que a pessoa do meio e uma
das oito com 16 anos de idade. Na ampliar;ao do grupo, vemos Dispersao
que 0 numero 16 e 0 terceiro cia esquerda para a direita.
As medidas de tendencia central oferecem a vantagem de
Nao sabemos as iclades exatas dos cntrevistados desre
grupo; a conven~ao esrarlstica em rais casas e presumir que recluzir os clados brutos a uma fom1a mais manejavel. Um (mica
numero (ou arributo) pode represenrar rodos os daclos cleta-
eles estejam clistribuklos igualmente ao Iongo da extensao do
lhados coletados sabre uma variavel. Esta vantagem tem um custo,
grupo. Neste caso, as poss[ueis iclades clos entrevistaclos variam
orque 0 leitor nao podera reconstruir os dados originais a
de 16 anos e zero dias a 16 anos c 364 elias. Falando de maneira
mais rigorosa, a amplitude c de 364/365 anos. Na pratica, basta
~artir da media, ou mediana .. Esta cles~antagem po.de se: mais
ou menos compensacla pela mformapo sabre a dzspersao clas
chamar isso de um ano.
resposras. A med ida mais simples cia dispersao e a amplitude
Se os oito entrevisrados desre grupo estivessem igual- _a clistancia que separa o valor mais alto do mais baixo. Assim,
menre distribuldos de um extrema ao outro, estariam com um alem de informar que nossos entrevistados tem uma idade media
oitavo de ano de cliferenr;a - um intervalo de 0,125-ano. 0 de 15,87 anos, tambem podemos infonnar que suas idades variam
exemplo mostra que, se colocarmos o primeiro entrevisrado na de 13 a 19. Uma medida um pouco mais sofisticada de dispersao
metade do intervalo a partir do limite inferior e acrescentarmos e o desuio padrao. A 16gica dessa medida foi cliscuticla no
um intervalo completo a idade de cada enrrevistado seguinre, o Capitulo 5, ao descrever o eJTO paclrao cia distribuic,iio amostral.
(J!timo entrevistado estara a metade de um inrervalo de clistancia
do limite superior.
Ha varias outras medidas da dispersao, como por exemplo
o desuio quartt1ico (ou amplitude semi-interqucu1l1ica). Um quartil
Portanto, o que fizemos foi calcular hipoteticamente as representa um q uarto dos casos estuclados. Por exemplo, se
idades exatas dos oito entrevistados, supondo que suas idades estivermos estudanclo QI, o primeiro quartil seria composto
estejam clistribulclas igualmente. Feito isso, anotamos a idade pelos indivlduos com os Qis mais altos, o quarto quartil com
do entrevistado do meio (16,31) e a usamos como a idacle aqueles com os Qls mais baixos. 0 desvio qumtflico e a metacle cia
mediana para o grupo. distancia entre o fim do primeiro quartil e o come<;o do quarto
Sempre que o n(Jmero total de entrevistados for par, nao quanil. Se o quartil ma is alto river Qls varianclo de 120 a 150, e
havera caso no meio, e clara. Nesta siruar;ao, voce calcula a o mais baixo river valores indo de 60 a 90, o desvio quartflico
media dos dais valores que o cercam. Suponha, por exemplo, sera (120-90)/2 = 15.
que 11ouvesse mais um adolescente de 19 anos. 0 ponto do Veja que, ja que os quan·o quartis sao de mesmo tama-
meio entao cairia entre os numeros 16 e 17. A media, nesre nho, o primeiro e segundo quartis rem metade das pessoas com
05
caso, seria calculada como (16,31 + 16,44)/ 2 = 16,38. valores mais altos, e o terceiro e quarto, a metade das pessoas
Na literatura de pesquisas, sc mostram as medias e as ~om OS valores mais baixos. Assim, 0 ponto media entre 0
medianas. Sempre que as medias forcm mostradas, lembre que segundo e 0 terceiro quartis e 0 valor mediano.
elas sao susceptlveis ao efeito de valores extremos - poucos
numeros muito grandes ou muito pequenos. Por exemplo, 0
Produto Interno Bruto (PIB) per capita de 1988 para os Estado~
Vari6veis Continuos e Di scretas
Unidos foi de US$17.500 em contraste com US$400 para 0 Sn tod . Os calcul os descritos acima nao sao apropriados para
' -' lia
Lanka, US$5.080 para a Irlanda, e US$11.910 pa_ra a Ausn~ · dOts . asr as vart'a'vet·s p c1 · 1· · ·
__ . ara enten er por que ' prcCJsamos c 1stmgu1r
Ja o pequeno reino petrolifero clos Emirados Arabes Umdos V e I con(
tpo de vanaveis: cont fnuas e discretas. Iclade e uma varia-
· · dos
teve um PIB per capita de US$14.410, apesar de a mawna .. .
mmuseutnua,
,
Ia
de razao; ela aumenra firmemente em frar;ocs
residentcs daquele pals viverem na pobreza, como se Pocle infefll s e m vez de p ular de caregoria para categoria como
acontece com variaveis discretas, como sexo ou posto milita Em algumas situac;:oes, voce apresenta OS marginais
Se estivermos analisando variavcis discretas - un1a va -- r. •f' d os ou o u tras analises de subgrupo apenas par
. . ' ' navel rr·Jtl JC:l
nom1~al.ou ordm~l, par. exemplo - , nfio se aplicam algumas cs : , . lescritivas. 0 relat6rio de dados do censo geralmente
cia: t.ecmcas descntas ae1ma. Falando esrriramenre, meclianas e r:tzot:s c rop6sito. 0 valor media de unidades de moradia
medw~ devem s~r calculadas apenas para dados de inrervalo e ·• ores qua rteiroes pod e ser apresenta d o par razoes
tcl11 esse p -
el11 clue re
... I 'd'
Assim voce pode anotar o va or me 10 c e uma I
~e razao, respec~1vamenre. Se, por exemplo, a varia vel em ques- de!'cnU\ as. , .-
rao for sexo, numeros brutos ou marginais de porcenra . 3 r" qualquer quarte1rao.
- 'I' d d gens ca~a P ...
sao ana ISes a equa as e utcis. Calcular a mocla e uma anal' i\laS a razao mais frequente da descri~ao de subgrupos e
'· d
Iegl[m1a, apesar e nao muito revelaclora , mas medias ISC 1
' , mecl·ta- r No caso da igualdade sexual, voce estaria inreressado
compara .
nas e resumos de clispersao nao seriam apropriados. Algumas dererrnina r seas mulheres tem probabilidade maiorque os
em , cl ISSO,
aprovar a proposra. A1em ' . . d os
na ma1ona
vezes, os pesquisaclores podem aprencler alga de valor via- homen S (le . . . .
lando regras como estas, mas e preciso cautela ao faze-lo. compa rac;oes nao sao monvadas por cunos1dade oc1osa.
casas,
Tipicame nte , a compara~ao se baseia na expectativa de q ue a
variavcl de estrarificac;:ao tera alguma fo rma de efeito causal
Descri~oes de Subgrupos sabre a variavel de descric;:ao. Ser homem ou mulher afetara a
aritude com rela~ao a igualclacle entre os sexos. Igualmente, ser
Analises univariadas servem para descrever a amostra do branco ou negro afetani atitudes com rela~ao a Ku Klux Klan.
survey e, par extensao, apopula~ao cia qual foi extra fda. Analises
Sempre que a analise for motivada par tais expectativas, entra-
bivariaclas e multivariaclas objetivam primariamenre temas mos no domfnio da explicac;:ao em vez cia descric;ao.
explicativos. Mas, antes de enrrarmos na explica~ao, consicle- Antes d e entrarmos na l6gica cla analise causal, biva-
remos o caso intermedia rio cia descri~ao de subgrupos. riada, vamos cons idera r ou tro exemplo de comparac;:oes de
subgrupos que n os permitira abordar alguns assunros de
Frequentemente, voce quer clescrevcr subconjunros cia
sua amosrra. Numa analise univariacla direta, voce pocle querer formarac;ao de ta be las.
apresentar a distribui~o clas respostas a uma quesrao relacionada
a cl ire itos ig ua is pa ra homens c mulheres. Na explorac;:ao fund indo Categories de Respostas
detalhacla das respostas, faz senticlo examinar separadamente
as respostas de homens e mu lhercs cia amostra. Ao examinar as "Exemplos de ma nual" de tabelas sao frequentemente
mais simples do que as qu e em geral encontramos p ublicaclas
atitudes com relac;:ao a Ku Klux Klan, faz sentido descrevcr sepa-
em relat6 rios d e pesquisas ou em nossas pr6prias analises
raclamente os responclentes brancos e negros, assim como os
de clados; esta se~ao e a proxima abordam da is proble-
responclentes de d iferentes regioes do pafs.
mas comuns e sugerem soluc;:oes.
Ao computar e aprcsenrar descric;:oes estratificadas, siga
Co mec;:amos voltanclo a Tabela 14-2, que mostra OS daclos
os mesmos passos descritos na sec;:ao sabre analise univariada;
coletaclos numa pesquisa multinacional de opiniao publica feira
a difcrenc;:a e que OS paSSOS SaO daclos indepcndcntemente para
pelo New York Times, CBS News eo I!erctld Tribune em 1985,
cada subgrupo relevanre. Por exemplo, todos os homens na
sa bre atitudes com relac;:ao as Nac;:oes Unidas. A pergunta da
amostra sao tratados como uma amostra total, represenrando
Ta~ela 14-2 tra ta de atirudes gerais sabre como as Na~oes
100%, e as clistribu ic;:oes de resposcas ou as medidas de ren-
Unldas davam conta de seu rrabalho.
dencia central sao computadas para clcs. 0 mesmo e feiro para
as mulheres. Assim, voce poderia informar, por exemplo, que T b Comparemos como as pessoas das c inco nac;:oes na
75% das mulheres aprovam a igualdade entre os sexos e a ela 14-2 ap6iam o trabalho feito pela ONU. Ao inspecio-
que 63% clos homens tambem ap rovam. Cada grupo e sub- narmos a tabela, descobri mos que ha nC1meros demais para
Penn·ltlr
· ver qualq u er padrao significative.
metido a uma ana lise univariada simples. Distribuic;:oes de
frequencia para subgrupos sao geralmente referidas como t·l Parte do problema c a relativamente pequena porcen-
·ge m deen trev1stados
. que selecionaram as duas categorias de
marginais estratificados.
respostas extremas,
. trabalho muito bom e trabalho muito rutm. . TABHA 14-3
Embora sep tentador ler apenas a segunda linha da tabela fundindo categories exfremos
. "bom tra b a II10", sena
. mcorreto
. faze-lo. Observanclo ... ' que
-
d 12
. ., ' upenas
a seguncla l~nha, conclumamos que a Alemanha Ocidental e os Alemanha Eslados
Estaclos UniCios foram os mais positivos (46%) ·sobre 0 c1esem- lnglalerro Franta Jopao
Ocidenlal Unidas
penho das Na~oes Unidas, seguidos de perto pela Fran~a (4 5%)
com a Inglaterra menos positiva (39o/o) do que os outros tres e ~ MJ,\ ·llho bom ou melhor 48% 46 o/o 47 o/o 12 o/o 51 o/o
•
Japao (11%) o menos positivo de toclos. 27 37 25 48 40
l'I:tbalho ruim ou pior
Este proceclimento nao e correto, porque ignora OS res- 28 41 10
26 17
pondences que cleram a resposta mais positiva, "muito bom Nao sei
trabalho". Numa situa~ao como essa, clevemos combinar, ou funclir
os clois extremos da amplitude de varia~ao. Isto e, combinar ~
"muito bom" com o "bom" e o "muito ruim" com o "ruim". Se As categorias fund idas na Tabela 14-3 nos permitem ler
voce fizer isso na analise dos seus pr6prios daclos, e aconselhavel facilmen te as porcentagens nacionais, mostrando os que dizem
somar as freqi.iencias brutas e rccomputar as porccntagens para que a ONU esta fazendo um trabalho pelo menos bom. Os
as categorias combinadas; ao analisar uma tabcla publicacla como Estaclos Uniclos ago ra sao OS mais positives; Alemanha, Ingla-
a Tabela 14-2, voce pode simplesmente somar as porcentagens, terra e Fran~a sao pouco menos positivas e sao quase indistin-
como mostrado na Tabela 14-3. guiveis uma cia outra; o Japao fica sozinho em sua avaliar;,:ao
bastante negativa. Apesar clas conclusoes a serem tiraclas agora
nao cliferirem radicalmente clas que pocleriamos ter tiraclo a
pa1tir cia leitura da segunda linha da Tabela 14-2, vemos que a
TABHA 14-2 Inglaterra agora p arece relativamente mais positiva.
htitude com relo~oo as Notoes Unidos: "Como a ONU ed6 resolvendo os
Quero poupa-lo de um erro comum. Suponha que voce
problemas que elo fem que enfrenfor?"
tenha lido apressadamente a segunda coluna da Tabela 14-2 e
notaclo que a Inglaterra tem uma avaliar;,:ao um pouco pior do
Alemonho lnglalerra Franta Japoa Esladas trabalho das ONU do que os Estados Uniclos, a Alemanha e a
Ocidenfol Unidos Franr;,:a. Voce pocle se sentir obrigaclo a elaborar uma explicar;,:ao
Muito bom 2% 7o/o 2% 1o/o 5% para isso, talvez criando uma engenhosa teoria psico-hist6rica
sobre o cloloroso declfnio cia outrora digna e poderosa Ingla-
Bom 46 39 45 11 46 terra. Entao, tendo alardeado sua "teoria", alguem pocle
Ruim 21 28 22 43 27 mostrar-lhe que uma leitura ap ropriada clos dados mostra que
a Inglaterra nao e menos p ositiva em sua avalia~ao do que as
Muito mim 6 9 3 5 13 outras nar;,:oes europeias. Este nao e um risco hipotetico. Ele
Nao sei 26 17 28 41 10 ocorre com freqi.iencia, mas e possfvel evita-lo fundinclo cate-
gorias de respostas onde for o caso.
fONif: 5-Nolion Survey finds Hope for U.N. New York fimes, p.6, 26 June 1985.
li dand o com os ,, Nao Sei "
As Tabelas 14-2 e 14-3 ilustram outro problema comum
na anal·ISC d OS d ados de survey. Geralmeme, e bom dar as pes-
so.as a opr;,:ao de dizer "nao sei" ou "sem opiniiio", quando se
P~cle suas · ·- sobre certos assunros, mas o que fazer com
• opm1oes
estas res pastas ao analisar os dados?
Repare a grande amplitude de varia~ao nas porcentagens D e q ualquer modo, a verdade contida nos dados e
nacionais dizendo "nao sei" na Tabela 14-3- de apenas 10% , certa porcentagem disse que nao sabia e que os
ueum.1 . ·- _ ..
nos Estados Unidos a 41% no Japao. Porcentagens substanciais q . . d videm suas opmtoes na propor~ao relatada. Frequen-
dem:us t
respondendo "nao sei" poclem confunclir os resultados de uma
temente ,
e cerro informar seus dados em. ambas as formas-
.
tabela. Por exemplo, sera que os japoneses tern uma probabi-
come s e m os ·•nao sei" -,para que os lettores possam ttrar as
liclade tao rnenor de clizer que a ONU esta fazendo urn bom roprias conclusoes.
trabalho somente porque um grande numero de japoneses nao p Agora vamos ajustar ligeiramente a 16gica do nosso exame
expressou sua opiniao? das compara~6es de subgrupos e virar nossa discussao na dire~o
Ha um modo faci l de calcular as porcemagens excluinclo das analises bivariadas.
os "nao sei". Observe a primeira coluna de porcentagens na
Tabela 14-3- as respostas clos alemaes ociclentais. Note que
lABELA 14-4
26% dos responclentes disseram que nao sabiam. Isso significa
Omitind o os "ncio sei"
que os que d isserarn "trabalho bom" ou "ruim", juntos, rep re-
sentam 74% (100 menos 26) do total. Se clividirrnos os 48%
que disseram "trabalho bom ou melhor" por 0,74 (a propor~ao Alemonho Eslcdcs
IngleIerro fron'o Jcpoc
que expressou uma opin iao), podemos d izer que 63% "dos Ocidenlcl Unidcs
com opiniao" disseram que as Na~oes Unidas estavam fazendo Trabalho bom ou melhor 63% 55% 65% 20% 57 %
urn trabalho born ou rnuito born (48%/0,74 = 63%). A Tabela
Tra balho ruim ou pior 36 45 35 81 44
14-4 ap resenta toda a tabela, exclu fdos os "nao sc i".
Repa re que estes novos dados oferecem uma inter-
preta~ao urn pouco diferente eta das tabelas anteriores .
Especificamente, agora parece que a F ran~a e a Alemanha Analise Bivariada
Ocidental sao os ma is positives nas avalia~oes das Na~oes
Unidas, com os Estados Unidos e a lnglaterra um pouco A analise bivariada explicativa e, basicamente, a mesma
aba ixo. Apesar de o Japao conti nuar o rnais negative, e le coisa que clescri~ao de subgrupos, com certas restri~oes espe-
passou de 12% positives pa ra 20%. ciais. Nas descri~oes de subgrupos, voce tem total liberdade
Neste ponto, tendo visto tres versoes dos dados, voce para escolher a variavel de estratifica~ao que quiser e descrever
pode estar se perguntando qual e a versao ceria. A resposta cada subg ru po nos termos de qualquer outra variavel. No
depende ,Jo seu prop6sito na analise e interpreta~ao dos exemplo cia igualdade sexual, voce pode descrever homens
e mulhe res separadamente nos termos clas porcentagcns de
dados. Por exemplo, se.nao for essencial para voce distinguir
homens e mu lheres que aprovam ou clesaprovam (veja
entre "muito born" e "bom", faz sentido combina-los porque
Tabela 14-5), o u p ocle descrever separadamente os que aprovam
assim sera mais facille r a tabela.
e 05 qu e desaprovam em termos clas porcentagcns de he-
E mais diffcil decidir, no abstrato, se vamos excluir ou mens e mu lheres (veja Tabela 14-6).
incluir os "nao sei". 0 fato de uma grande porccnragem de
Qualquer uma clas tabelas e uma representa~ao legftima
japoneses nao ter opiniao pode ser uma clescoberra muito de desc · - c1
n~oes e subgrupos. Entretanto, os claclos apresentaclos
importantc, sc voce quiser descobrir se as pessoas conhece!11 nas duas tab e Ias sao t os cit·rerentemente. Na Tabela 14-5, ve-
- l"cl
o traba lho das Na~oes Unidas. Por outro !ado, sc voce quiser
05 ~051 que 63% clos homens da amostra aprovam a igualdacle se-
saber como elas votariam n uma quesrao, e melhor excluir ua com . d
' pata os a 75% clas mulheres Na Tabela 14-6 vemos
"nao sei", baseado no suposto de que elas nao vorariam ou que, dos - · '
.
d tscorda que concorclam, 46% sao homens, cnquamo, dos que
clivicliriam seus votos entre os dois !ados cia questao. 6
m, 0% sao homens. Ou poclemos notar que 37% dos
3. se os rcspondentes homens e mulhercs forem descritos
400 homens discordam, comparados a 25% de 400 1null1eres
~eparadamente em termos de suas respostas, uma
(Tabela 14-5), e, dos que concordam, 54% sao mulheres
porcenwgem maier de mulheres do que de homens
enquanto, dos que discordam, 400A> sao mulheres (Tabela 14-6).'
aprovaria.
'
cujos valores sao detenninaclos antes e sempre a variavel inde- ogna uma variavel indepenclente e uma clepenclenteo
1Cnrc cIes1 .,
pendente; aqucla cujos valores sao cleterminados clepois e sem- _ ,oocc• ac11,ar que nenhuma orclem tempera1conecta as vanave1s,
0
11
prc a variavel depenclenteo A nos;ao de causas;ao retroativa no !:lC 0 d ognar arbitrariamente uma ordem quase-temporal ao
'C!S:l CSI
tempo e il6gicao Como OS sexos clos responclentes sao determi-
0
construlr a , 0 0
naclos antes de suas aritucles sobre igualclacle, sexo deve ser a 0 d uma variavel como dependente, clesconslclclando
c1es1gna 0 0 _
e o contr;:lrio; para outros, pode haver uma dinamica ainda Urn problema que costuma confundir pesquisadores
expe
mais complexa: uma pessoa sem preconceito pode ser levada a
0
fiGURA 14-2
Percentuondo umo tobelo ' ' wwww
A. Alguns homens e mulheres que ou sao a favor (sinal de igual) da igualdade sexual, D. Conte os numeros em cada celula da tabela
ou sao contra (:;t:)
Mulheres Homens
8 6
======== = = = = = =
2 4
E. Qual a porcentagem das mulheres F. Qual a porcentagem dos homens
respostas dependc muito da constru~·ao da frase usada
e a favor da igualdade? e a favor da igualdade? no item de questioniirio.
60% = = = 3
. Os valores ou categorias de cada variavel devem ser
I ,...,mente indicados. Catcgorias complexas de resposta
ca.~
1. Entre homens e mulheres, os mais jovens dao mais 0 Capitulo 15 sobre o moclelo de elabora~ao examina
apoio a igualdade sexual do que os mais velhos. Entre as com mais detalhes a 16gica da analise multivariacla. Mas, antes
mulheres, 90% das com menos de 30 e 60% das com 30 ou de concluir esta se~ao, vcjamos um formate alternative para
mais aprovam . apresentar dados.
Cada tabela apresentacla neste capitulo e ine ficie nte de
2. Dentro de cada grupo de idade, as mulheres ap6iam a algum modo. Como a variavel depenclente - atitucle sabre igual-
igualdade sexual mais que os homens. Entre os respon- dade sexual - e dicotomica (tem dois valores), conhecer um
dentcs abaixo de 30 anos, 90% das mulheres ap6iam, valor permite reconstruir o outro facilmente. Assim, se sabemos
comparadas a 78% dos homens. Entre os de 30 ou mais, que 90o/o clas mulheres com menos de 30 anos aprovam a igual-
60% das mulheres ap6iam, contra 48% dos homens. dade sexual, sabemos automaticamente que 10o/o clesaprovam
(supondo que removemos os "nao sei" e outras respostas desse
3. Como medido na tabela, idade parece ter maior efeito tipo). Portanto, e clesnecessario relatar a porcentagem clos que
sobre atitudes do que :;exo. Para homens e mulhercs, o desa provam. Por isso, a Tabela 14-8 pocleria ser apresentada
efeito da idade pode ser resumido como uma diferen(:a de no formate alternative cia Tabela 14-9.
30 pontos percentuab. Dentro de cada grupo de idade, 3
Nesta, as porce ntagens aprovando a igualclacle sexual sao
diferenp em pontos percentuais entre homens e mulheres
relatadas nas celulas representanclo as interse~oes clas duas
e de 12.
variaveis independe ntes. Os numeros entre parenteses abaixo
de cada porcentagem representam os numeros de casas sobre
OS qu ·
4. I dade e sexo tem efeitos independentes sobre as atitudes. ats as porcentagens sao baseadas. Por exemplo, sabemos
Dentro de cad3 valor de uma vari:.lvel independen te, que havia 200 mulhe res abaixo de 30 anos na amostra e que 90o/o
diferentes valores da segunda afetarao as atitudes.
delas aprovavam a igualdade sexual. Alem disso, que 180 das 3. compare os subgrupos da variiivel independenre em
200 mulheres aprovavam e que as outras 20 (10%) desaprova- rela~iio ao valor da variiivel dependente.
vam. E mais faciller a Tabela 14-9 do que a 14-8, sem sacrificar
qualquer detalhe. Finalmente, memorize esta regra basica: percentue para
. e Ie 1·a atraves ou percentue atraves e leia para baixo.
b:u)(O • ' '
JABHA14-9
"Voce concorda ou discorda do propositoo geral de que homens e Nota
mulhms deve m ser tratados igualmente em todos as aspedos?" , D·tdos extr:tfdos de HAUB, Carl, KENT, Mary Meclerios. 1988 World
· '"'tion Data Sheet (a poster). Washington, DC: Population Reference
Popu,..
Bureau.
Porcentagem que Concordo Mulheres Homens
Abaixo de 30 90 78
Leituras Adicionais
(200) (200)
COLE, Stephen . The Sociological Method. Chicago: Markham,
30 e acima 60 48 1972.
(200) (200) DAVIS, James. Elementary Survey Analysis. Englewood Cliffs,
N]: Prentice-Hall, 1971.
LABOVITZ, Sanford, HAGEDORN, Robert. Introduction to Social
Research. New York: McGraw-Hill, 1971.
Resume ZEISEL, Hans. Say It with Figures. New York: Harper & Row,
1957.
Este capitulo lntroduziu a 16gica e a mecanica cia cons-
tru~ao de tabelas.A primeira vista, tabelas parecem multo sim-
ples para merecer d iscussao extensa. Na verclade, etas sao bas-
tame complexas. Por isso, sao freqCtentemcnte malconstrufdas
e mal-interpretadas.
Tentei apresentar a 16gica da constru~ao e interpreta~ao
de tabelas, come~ando com a analise univariacla, passando para
a d~scri~ao de subgrupos e depois discutindo a analise
explicativa bivariacla e a ana lise multivariada. Os capftulos
seguintes dependem muito cia compreensao clas cabelas de
contingencia, portanto e essencial que voce as entenda bem.
Vale a pena repetir os passes essenciais da construc;ao e
interpreta~ao das tabelas explicativas.
2. Descreva cada grupo com base nos va Iorcs cIa '•·· 11·.·1vcl
•
dependente.
Capitulo 15
0 Modele de flabora~ao
100% 100%
5. Recrutas com baixa cscolarid adc tinham maior
(1761) (1876)
probabilidade de se sentirem discriminados do que 05
com maior escolaridadc, ao se compararem com os amigos.
Lembre que o achado original foi que recrutas com N~ de\'criam ter sido dispei"lSI.dos 63% 63% 94% 95%
i .10
maior escolaridade tinham mais probabilidacle de aceitar como
()evcri.1111 ter sido cli<;pei"lSI.dos 37 37 6 5
justo seu recrutamento do que os de escolaridacle mais baixa.
Na Tabela 15-4, entretanto, notamos que escolaridade nao 100% 100% 100% 100%
tern efeito na aceitac;ao do recrutamento nos que relatam
(335) (1484) (1426) (392)
terem ticlo amigos dispensados. Nos dois g rupos de escolari-
dade, 63% dizem que nao deviam ter sido dispensados. De
modo semelhante, escolaridade nao tern efeito significative
na aceitac;ao de recrutamento nos que relataram nao terem
tido amigos dispensados; 94 e 95% dos dois grupos de esco- Por outro !ado, entre os de alta escolaridade, a aceitac;cio
laridade dizem que eles nao deviam ter sido dispensados. do recrutamento e fottemente relacionada a terem amigos dispen-
sados ou nao: 63% versus 94%. 0 mesmo vale para os menos
escolarizaclos. Os clados hipoteticos da Tabela 15-4, portanto,
TABHh 15-3 ap6iam o argumento de Stouffer de que escolaridade afetava a
aceita~ao do recrutamento apenas pela intermedia~ao de ter
Relatoo hipoletica entre a dispense de amigos e a aceitatoa do proprio
recrutamento tido amigos dispensados. Recrutas de alta escolaridade tinham
menor probabilidade de terem amigos clispensados e, em viltude
disso, tinham maior probabilidade de aceitarem seu recruta-
Amigos dispensados? menro como justo. Recrutas com menor escolariclacle tinham
maio r probabilidade de terem amigos dispensados e, por isso,
Sim Nao menor probabiliclade de aceitarem seu proprio recrutamento.
Nao deveriam ter sido dispensados 63% 94o/o Eimportance reconhecer que nem a explicac;ao de Stouffer
?em os dados hipoteticos negaram a realidade da rela¢io original.
De-veriam ter siclo dispensados 37 6
A medida que a escolaridacle aumentava, aumentava tambem a
100% 100% aceita<;ao do proprio recrutamento. A natureza dessa relac;ao
empfrica, entretanto, fo i interpretada pela introdw;;ao de uma
(1819) (1818)
terceira va riavel. Essa variavel, a dispe nsa de amigos, nao
negava a rela~ao original; ela apenas esclareceu o mecanisme
pelo qual ocorreu a rela<;ao original. E este, pois, o cora<;ao do
modelo de elabora<;ao e cia analise multivariacla.
. Tendo observaclo uma rela<;ao empfrica entre duas varia-
Vets b
cf .· ' usca-se en tender a natureza dessa relac;ao atraves dos
M~ltos . produzidos pela introdu<;ao de outras variavcis.
cantcamente, isso se faz primeiro, dividinclo a amostra em
<::I
S u )Con· '
p JUntos, com base na variavel de controle ou de teste.
Or CXempJo, ter amigos dispensados OU nao e a variave) de
conrrole do nosso exemplo; a amostra e dividida entre os . nam emp iricamente, mas nao ha nenhuma conexao
~ _ ~ . d' · que
rem e os que nao tern amtgos tspensados. A rela~ao entre rel:1 c.•~ entre elas. Sua rela~ao empfricae somente um procluto
duas variaveis originais e recon:putada separadamenre para ca~~
1
c:n•~· reJaraes com a variavel de teste. (Exemplos posteriores
de ~uas ~ )
sub-amostra. As tabelas produztdas assim sao chamadas de tabc- erao melhor este ponto.
escIareC •
las parciais, e as rela~oes encontradas nas mbelas parciais sao · A Tabela 15-5 c urn guia para o entenclimento da analise
chamadas de rela~oes p:rc~ai.s .. As rela~oes parciais sao a seguir , laborac;ao. As duas colunas na tabela indicam sea vari:ivel
comparaclas com a rela~ao mtctal descoberta na amostra total.
~[~
.
.
dt: e re e antecedente ou intervenience no sentido descrito
. .
No !ado esquerdo cia tabela, mdtca-se a natureza das
aCJJl1a. ' - ..
. oes parciais comparadas com a rela~ao ongmal entre as
reI.1\
0 Paradigma de flabora~ao I d A - , .
,·ari:\veis indepe ndente e c epen ente. s nota~oes tecntcas
designadas a cada caso sao dadas no corpo da tabela.
Esta se~ao da diretrizes para entender uma analise de
elabora~ao. Para come~ar, deve-se saber se a variavel de teste
Replica~ao
e antecedenre (anterior no tempo) as outras duas variaveis ou
se intervem entre elas; essas diferen~as sugerem diferentes re- Quando as rela~oes parciais sao essencialmente as mesmas
la~oes 16gicas no modelo multivariado. Se a variavcl de teste e que a rela~ao original, chamamos o resultado de replicar;:c7o,
interveniente, como eo caso da escolaridade, dispensa de amigos nao importando se a variavel de teste e antecedente ou interve-
e aceita~ao do recrutamento, enrao as rela~oes da Figura 15-1 sao nience. 0 significado e essencialmente o mesmo que ditaria o
pertinentes. A 16gica desta rela~ao multivariada e a seguinte: a sensa comum. A rela~ao original foi replicada sob condi~oes
variavel independence (escolaridade) afeta a variavel de teste de teste. Se, em nosso exemplo, escolaridade afetasse aceita\flO
intervenience (amigos dispensados ou nao), que, por sua vez, do recrutamento tanto entre os que tiveram amigos dispensados
afeta a variavel dependence (aceitar o recrutamento). e os que nao civeram, diriamos que a rela~ao original cinha sido
replicada. Contudo, esce achado nao confirmaria a explica\ao
dada por Stouffer a rela\ao o riginal. Ter amigos dispensados ou
FIGURA 15-1 nao constituiria o mecanismo pelo qual a escolaridade afetava a
aceica~ao do recrutamento.
Variavel Vari avel Variavel
de teste independente dependente
TABHA 15-5
0 porod igmo do eloboro(oo
FIGURA 15-2
Variavel Vari6vel de lde
Rela~oes Parciais
<
independente
Variavel .£ornparadas c/ Original Antececlente Interveniente
de teste- Mesma rela\ao Replica~iio
Variavel
Menor ou nenhuma Explica~ao Interpreta~ao
dependente
_£iviclicla•
Especifica~ao
Sea variavel de teste e antecedente tanto a variavel inck- .. Urn parcial e0 .
mesmo ou ma1or, enquonlo o oulro emenor ou nenhum.
pendente quanto a dependente, uma rcla0io multivariada muiro
diferente se aplica (ver Figura 15-2). Nessa segunda situa\fto, a
variavel de teste afeta tanto a variavel inclependente quanro :1
dependente.:l Por causa de suas rela~oes individuais com a
variavel de teste, as variaveis inclependente e depenclente se
Os pesquisadorcs usam rotineiramente o model ue frequentaram escolas de medicina do Leste,
- na esperanc;a d e rcplicar seus achados entr
e I a b orac;ao 0 d<;> proft:ssores q rovar 0 Medicare, comparados com 59% dos
. e~~
conJuntos da amostra. Se sc descobrc, por exemplo .,fW0 disseram ap scolas sulisras de mcdicina. Este achado faz
' .. ntaram e .
relac;ao entre escolaridade c preconceito, pode-se intr~durn.a que fr.:que1 \'trtu ~ d de 0 Sui em geral, ser mais resistente a tats
e ' d" .
·- · d e teste co~1:o 1"d ace,
vanave1s 1 regiao do pals, rac;a, religH1o llZtr
etc ..,.:ntido en L te e de 0 rreinamento na escola de Me tcma
as que o es 'd. I -
para testar a estabtltdade da relac;ao original. Se a rei - · 1Jrogral11 fetar as arirudes do me tco. Esta re a~ao,
1. ·ehnente a .- I d
· rep 1·tear para ve II1os c )Ovens
se · para pessoas de dt.\' a~ao Prt?:-Ul11.
' ,
e anu 1a a
d pela inrroduc;ao de uma vanave e teste
. .
_ ' . ersas
parte~ do pats etc., pode-se conclutr que a relac;:ao original e entret.lnto,
~nre· a
.- do pais em que o professor f01 cnado.
regtao
genuma e geral. t 'cec.It: ·
:1n ~.: c es criados no Leste, 89% freqOentaram es-
Dos proiessor . . I
. · no Leste e 11% escolas de medtcma no Su .
. 1.. de med 1C1na • ' . .
fxplicatao LO .l:- . S 1 )~3% freqOentaram escolas de mecltcma no
) . cnados no u ' f
l o:> ' Sui Alem disso a area em que os pro essores
L ste e 47%, no . ' . M d" , . ,
E:x.plica~ao c o termo usado para descrever uma relar;a e. ' . se relaciona com as atttudes para como e tc,uc.
foram cnac1os . . .
espuria, isto e, uma relac;ao original que e "anu lada" pela intro~ . d
Dos cna os no
Leste 84% aprovaram o Mec1tcare, compatac1os
'
cluc;:ao de uma variavel de teste. Duas conclic;6es sao necessarias
0111 49o/o ctos criados no Sui.
para que isto ocorra. A variavel de teste deve ser anrecedente c A Tabela 15-6 apresenta a relac;:ao de tres variaveis entre
tanto a variavel independente quanto a dependente, e as
relac;6es parciais devem ser zero ou significarivamente menores a regtao em que os professores foram criados,
-- _ a regiao .do treina-
mento me 1 ' d"co e as atitudes com relac;ao ao Mechcare. Os
do que a enconrrada no original. Tres exemplos devem esclarecer professores de medicina criados no Leste tem grande proba-
o ponto.
bilidade de aprovar o Medicare, nao imporra onde tenham
Primeiro, ha uma relac;ao cmpfrica enrre o numero de estudado. Do mesmo modo, os criados no Sui tinham menor
cegonhas em diferentes areas e as taxas de nascimemo naquelas probabilidade de aprovar o Medicare, mas, de novo •. a regiao
areas. Quanto mais cegonhas numa area, mais nascimemos. A em que foram treinados tinha pouco ou nenhum efe1to. Esses
relac;ao empfrica pode levar a supor que o n(tmero de cegonhas dados indicam que a relac;ao original entre regiao do treina-
afeta a taxa de nascimentos. Uma variavel de teste antececlente mento medico e atitudes com relac;ao ao Medicare era espCtria.
explica essa relac;ao. Areas rurais rem mais cegonhas e mais Deveu-se apenas ao efeito coincidente da regiao de origem tanto
nascimentos que areas urbanas. Dentro das areas rurais, nao ha na regiao do treinamento medico quanto nas atitudes para com
nenhuma relac;:ao entre o numero de cegonhas e a raxa de nasci- o Medicare. Quando a regiao de origem c mantida cons/ante,
mentos, e essa relac;ao tambem nao exisre nas ~heas urbanas. como na Tabela 15-6, a relac;ao original desaparece nas rcla-
Segundo, ha uma rclac;:ao positiva entre o numero de <:6es parciais.
caminh6es de bombeiros que con·em para atender a um in-
'Cenclio e as dimens6es dos danos causados. Se mais cami- lMHh 15-6
nh6es respondem, ha mais danos causados. Pode-se supor, Regioo de origem, regiao de heinamento e atitudes para com o Medicare
com isso, que os pr6prios caminh6es de bombeiros causam
os danos. Uma variavel de teste antecedente, contudo - o
tamanho do incendio - , explica a relac;ao o riginal. Incendios Percentual das que apravam Medicare Regioa de Criatoa
maiores causafi1T11ais danos que os menores, e mais cami- Leste Sui
nh6es respondem aos maiores do que aos menores. Considerar
apenas incendios grandes faria desaparecer (ou ralvez reverter) Leste 84 50
a relac;ao original; o mesmo ocorreria se sc considerasse apenas Regiao do Treinamento Medico
os incendios menores. Sui 80 47
Por fim, ha uma relac;:ao empfrica entre a regiao do pais ~~~~\- BABBif, fori R. Science and /rloro/ily in Medicine. Berkeley: University of California Prell,
em que os professores de escolas de mcdicina fizeram seus, · er C1pec1olmenle p.l81.
cursos de medicina e suas atitudes com relac;ao ao Medicare.
Para simplificar, examinemos apcnas o Leste e o Sui. DoS
lhBHA 15-7
. 1 envolvimenfo media com o igrejo enhe mulhms episcopois
A inlelpretafclo e semelhante a explica~ao, exceto Closse socJo e
-
. - 1
pos1~ao tempora.I d a vanave
·- I cIe teste e das implica~oes que
pea
se
s~guem dcssa d1fer.en~~· 0 cxemplo de escolaridade, amigos Niveis de Closse ~ocial
d1spensados c ace1ta~ao do recrutamemo e uma excelente Baixo Alto
ilustra~ao da i nrerpreta~ao. Nos tennos do modelo de elabora~o 0 1 2 3 4
o efeito da escolaridade na aceita~ao do recrutamemo nao ~
anulado: continua a ser uma rela~ao genufna. Realmeme as £n,·oh imenro .Media 0,63 0,58 0,49 0,48 0,45
diferen~as de escolaridade causam uma aceita~ao diferen~ial •I al To Comforl and Ia Challenge. Berkeley: Umveruly of California Press,
FONIE - GLOCK• Chor Ies Y.. • .
do recrur;u~1ento. ~ variavel inrerveniente, dispensa dos amigos,
1967. p.85.
somente ~lJuda a mterpretar o mecanisme pelo qual ocorre
a rela~ao.
TABHA 15-8
Um ponto importante deve ser notado. Podia-se ter Clams sociois e o ocupotoo de cargos em orgonizat6es seculares
come~ado a analise observando que ter amigos dispensados
tornava os recrutas menos dispostos a aceitar como justa 0 Niveis de Classe ~ociol
proprio recrutamento. Tentando entender melhor este achado Baixo Alto
original, podia-se ter introduzido escolaridade como variavel de
0 1 2 3 4
teste anrecedente. Sc isso tivesse sido feito, todavia, ter-se-ia achado
que a rela~ao entre ter amigos d ispensados e aceitar o reet·uta- Porcentagem dos detentores de
mento foi replicada entre os soldados de maior escolaridade e cargos em organizac;:oes Seculares 46 47 54 60 83
os menos escolarizados (ver Tabela 15-4). Teria tambem sido
notado que os soldados de maior escolaridade tinham menor FONIE - GLOCK, CharlesY. el ol. To Camfarl and lo Challenge. Berkeley: Univemly of California Press,
1967. p.92.
probabilidade de ter amigos dispensados, mas a rela~ao original
nao teria sido anulada.
Como exemplo final de in terpreta~ao, pesquisadores Nu m estudo das fontes do envolvimento religiose,
observaram, no passado, que crianps cujas maes trabalham fora Glock c seus associad os descobriram que, e ntre membros
tem maior p robabilidade de sc rornarem delinquentes que da lgreja Episcopal, o envolvimento diminufa com o aumento
crian~as cujas maes nao trabalham fora. Esta rela~ao pode ser declasse social. 5 A Tabe la 15-7 examina nfveis medios
interpretada introduzindo "supervisao" como variavel de teste. de envolvimento na igreja encontrados entre paroquianas
Entre as cri:l.n~as supervisionadas, as taxas de delinquencia niio de nfveis sociais diversos. Glock interpretou este achaclo
sao afetadas pela mae trabalhar fora OLI nao. 0 mesmo vale para no comexto de omros na analise, e concluiu que o envolvi-
as crianps nao supervisionadas. E a rela~ao entre maes que mento nas atividades da igreja p rove uma forma a lternativa
trabalham e falta de supervisao que produziu a rela~ao original. de gratifica~ao para pessoas que nao a encontram na socie-
dade secular. Esta interpreta~ao explica por que mulhcres eram
fspecifica~oo J
mais re ligiosas que homens, por que idosos eram mais
religiosos que jovens, e assim por diante. Glock raciocinou
Algumas vezes, o modclo de elabora~iio produz rela~oes que pessoas de classe social mais baixa (medida por renda e
parciais que diferem significativamente entre si. Por exemplo, esc0 1 ·c1
an ade) tinham menos oponunidade de obter auto-estima
uma rela~iio parcial pode parecer muito com a rela~ao original na socied ade secular do que pessoas de classe social mais
entre duas variaveis, enquanto a segunda rela~ao parcial sc apro- alta · Pa• ra cxempl!f,car
· · e le notou que c 1asse socw · I se
xima de zero. Chama-se isto de especificafcl.O no paradigma de reia · '
Clo nava fortemente com o faro de a mulher ter algum
elabora~ao. Especificaram-se as condi~oes nas quais ocorre 3
cargo nu ma organiza~ao secular (ver Tabela 15-8).
rela~ao original.
Glock. raciocinou .enrao
. que, se classe social se reJac·
" tonava Refinamentos do Paradigma
com envolvm1ento na IgreJa apenas em virtude do faro de,
I:1Ull~eres de cl.asse mais baixa nao terem oportunidade de gra~~~ As ser;oes anteriores apresentam a 16gica primaria do
etaborarao tal como desenvolvido por Lazarsfeld e
ficar;ao na sociedade secular, a relar;ao original nao deve11a .· se cia'
I I0_ Morris
mO(C 1r
Rosenberg fez uma excelente apresenrar;ao desse
manter
• •
para mulheres que recebiam gratificarao
1r
social
"·
c om0 colega::;. , . . ~ 6
di ma, indo alem dele para sugenr outras vanar;oes. Em
mdicador
.,
cia recepr;ao
~
de gratificar;ao na sociedacle secL1t-1 .
'I, USOU para
. deg resenhar os comentanos - · d e Rosen b erg, po d e ser
a vanavel ocupar;ao de cargos em organizar;oes seculares. 'ez · ~ 1 ·
uri! ~ gora considerar as vanar;oes ogtcamenre. ' · AI guns
Nos termos cleste teste, classe social nao deveria' se I'ei'lc' 1 . comenmrios podem ser encontrados no hvroposs1veis.
de Rosenberg;
' Ionar
com envolvimento com a igreja entre mulheres que ri· n 11am , Iesse=>
outros foram sugeridos por ele.
tais cargos (ver Tabela 15-9). Primeiro, o paradigma basico supoe uma relar;ao original
entre duas variaveis. Um moclelo mais abrangente, contudo,
TABHh 15-9 poderia diferenciar proveitosamente relar;oes positivas e nega-
ti\•as. Alem do mais, Rosenberg sugere a aplicar;ao do modele
Envolvimento no igr eja por cla11e social e ocupatoo de cargos seculares de elaborar;ao a uma rela~ao original zero, com a possibiliclade
de surgirem relar;oes nas parciais. Ele cita como exemplo um
escudo de filiar;ao a sindicatos e atitudes sobre haver judeus na
Niveis de Closse Social direroria do sindicato. 7 A analise inicial indicava que tempo de
filiar;ao nao se relacionava com a atitude. Os que pertenciam ao
Baixo Alto
sindicato ha menos de quatro anos estavam tao dispostos a
Principal envolvimento cia Igreja 0 1 2 3 4 aceitar judeus na diretoria quanto os que hi estavam ha mais de
Com cargos 0,46 0,53 0,46 0,46 0,46 quatro anos. A idade dos membros, entretanto, suprimia a
Sem cargos 0,62 0,55 0,47 0,46 0,40 relac;ao entre tempo de filiar;ao e atitudes sobre judeus. Em
geral, os membros mais jovens eram mais favoraveis aos judeus
fONIE~ GLOCK, Charles Y. el al. To Comforl ond lo Challenge. Berkeley: University of California Press,
do que os mais velhos. Ao mesmo tempo, e claro, os mais
1967. p.92.
jovens eram menos passlveis de pertencer ao sindicato por
tanto tempo quanto os mais velhos. Dentro de grupos de iclade
espedficos, contuclo, os filiaclos ao sinclicato ha mais tempo
A Tabela 15-9 cia um exemplo de especificar;ao. Entre as cram os que mais apoiavam a presen~a de judeus. Iclacle, neste
caso, era uma variavel supressora, escondendo a relar;ao entre
mulheres que tinham cargos em organizar;oes seculares, nao
tempo de filia~ao ao sindicato e atitudes sobre judeus.
ha essencialmente qualquer relar;ao entre classe social c envol-
vimento com a igreja. Com efeito, a tabela especifica as condi- Segundo , o paradigma basico considera os casos de as
parcia~s serem tao fortes ou mais fracas que a relac;ao original,
r;oes nas quais a relar;ao original sc mantcm, como a falra de
~as nao oferece diretrizes para deciclir o que constitui uma
gratificar;ao na sociedade secular. dtferenra · 'f'tcauva
. entre a rela~ao original e as parciais. Todo
1r stgnt
0 rermo especificcu;do e usado no paradigma cia elabo- pesqUtsa · d or que usa o modele de elaborar;ao rem freqi.iente-
rar;ao indepenclentemente da variavcl de teste ser intervenienre mente
. que d CCI.d.If a rb'ltrariamente sobre Se uma parcial e
ou antecedente. 0 s~nificado e o mesmo em qualquer caso: Sign ificat'Ivamente mats . fraca que a original. Este dilema,
especificam-se as condir;oes particulares nas quais a rela(fiO Portanto ' s ugere uma outra dimensao do paradigma.
original se manrem. ou ~erceiro, a limitar;ao do paradigma basico a parciais iguais
2
KENDALL, Patricia L., LAZARSFELD, Paul F. Problems of Social Analv~is
In: MERTON, Rob<.!rt K., LAZARSFELD, Paul F. (Ed.). Colllinuities in S~ci,lf
Capitulo 16
Research: Studies in the Scope and MetJ1od of ''The American Sokher"
New York: Free Press, 1950. p.133-196.
5 GLOCK, Charles Y., RINGER, 13enjamin B., 13AI3I3TE, Earl R. To Comforl Muiras pessoa s se deixam inrimidar pela pesquisa
and to Cballe11ge. 13erkeley: University of California Press, 1967. p.92. empfrica por nao ficarem conforraveis com a matemat ica
e a esratfstica. Muitos relat6rios de pesquisa sao cheios de
6ROSENBERG, Morris. 1be Logic of Survey Ana~)ISis.· New York: nasic
Books, 1968. calculos nao especificados. 0 papel da estatfstica em pesquisa
de survey e muito imporrante, mas e igualmente imporrante
'Ibidem. p.88-89.
ver esse papel na pers pectiva adequada. A pesquisa empfrica
s Ibidem. p.94-95. e, antes de mais nada , uma ope ra~ao l6gica, e nao uma
opera~ao matematica. A matemarica e apenas uma linguagem
conveniente e eficaz para descrever as opera~oes 16gicas
inerentes a boa analise de clados. A estatfstica, um ramo cia
Leituras ~dicionais matematica aplicada, e especialmente adequada para varias
analises de pesquisa.
GLOCK, Charles Y. (Ed.). Survey Research in tbe Social Sciences.
New York: Russel Sage Foundation, 1967. cap.I. Neste capitulo, examinaremos dois tipos de estatfstica:
a descritiva e a inferencial. A estat{s/ica descritiva e um meio
HIRSCHI, Travis, SELVTN, Hanan. Principles of Survey Analysis.
~e descrever dados em formas manejaveis. A estatistica
New York: Free Press, 1973. mjerencial, por seu !ado, ajuda a tirar conclusoes de obser-
va~oes· t' ·
HYMAN, Herbert Survey Design a11d Analysis. New York: Free ' •P•camente, envolve t irar conclusoes sobre uma
Press, 1955. Popula~ao a partir de uma amostra daquela popula~ao.
LAZARSFELD, Paul F., PASANELLA, Ann K., ROSENBERG, Morr~~
(Ed.). Cmzlinuities in "'flJe Language of Social Researcb ·
New York: Free Press, 1972. se~ao II . Estatistica Descritiva
ROSENBERG, Morris. 'flJe Logic of Survey Analysis. Ne~· York:
d . A estatfstica descritiva e um metoda de apresenrar
Basic Books, 1968. escm;oes . . ,
d...,~ quantnallvas de modo manejavel. As vezes, deseja-se
York: """rever
ass . vanave1s
·- · isoladameme, outras vezes quer-se descrever as
STOUFFER, Samuel A. Social Research to Test Ideas. New
oc•a~oes
Free Press, 1962. dos que I'•gam uma vanavel
, .
a Oll(ra. Vepmos alguns
Olodos d e f azer essas descri~oes.
Redu~ao de Dodos Capitulo 14 discutiu alg~m~s formas de resumir dados
0
... ·ados: m edidas de tendenc1a c~ntral~ como a mod~,
A pesquisa cienrffica frequentememe envolve coletar unt' .tr.
1
e a media, e medidas de dtspersao, como amplt-
massas de dados. Suponha que pesquisamos 2.000 8mnd~ ledtana , , , I . . -
!1 ll , ,, d t!S\,·10 padrao. Tambem e posstve resUimr a assoeta~ao
fazen d o 10 0 perguntas a cada uma - urn estudo de pessoas· • Ill d ~ ~ .
. , grandeza .. \'ariave1s.
comum. Com tsso, tenamos 200.000 respostas. Ningue . entr" '
Iet. toclas e extnur. m Podena
delas alguma conclusao signilkativa p '
. 'I' . 'fi . , . Oftanto
mutta ana tse c tentt tea tmplica a redur;ao de daclos d d
. " . ' e etalhes
' Medidas de Associa~ao
tmaneJavets para resumos mais faceis de trabalhar.
A associa~ao entre duas va ri<'iveis quaisquer pode ser
Para .come~ar, vej~mos a matriz de dados brutos criados . , t"da por uma matriz de dados produzida pelas distri-
porum proJeto de pesqutsa quantitativa. A Tabela 16-1 apre represen •· . ., .
. . ~~ . oes de frequencia conJuntas das duas vanavets. A Tabela
uma matt'!Z de dados parctais. Cacla fileira na matriz represenra butq presenta uma matriz asstm. · · f orma~ao
El a d'a to d a a tn -
uma pessoa (ou outra unidade de analise), cacla coluna l 16--7 a
-- 1 1111a necessaria para de termina r a natureza e a extensao cia rela~ao
vanave e cada celula na matriz o atributo ou valor codificado
entre escolaridade e preconceito.
que uma pessoa rem numa variavel. A primeira coluna da
Tabela 16-1 represenra sexo. Suponha que "1" represeme
homem e "2", mulher. Isso significa que as pessoas 1 e 2 sao
homens, a pessoa 3 e mu lher, e assim por diante.
lABHA 16-2
Dodos brulos hipoWicos sobre escoloridode l? preconceilo
No caso de idade, o "3" da pessoa 1 poclc significar de 30
a 39 anos de idacle, e o "4" cia pessoa 2, 40-49. Nao impotta
como a iclade tenha sido coclificada (ver Capfrulo 11), os numeros Nivel de fscoloridode
de c6digo mostrados na coluna 2 da Tabela 16-1 descreveriam Preconceito Nenhum Prima rio Secunda rio Supelior P6s-Graduaclo
cada pessoa Ia representada. Alto 23 34 156 67 16
Medio 11 21 123 102 23
Baixo 6 12 95 164 77
fhBHh 16-1
/1\otriz de dodos brulos porciois Nore, por exemplo, que 23 pessoas (a) nao rem nenhuma
escolaridacle e (b) tiveram um escore alto de preconceito; 77
Sexo !dade fscoloridode Renda Profissoo filioc<io Orienlocao filioc<io lmporlcincia pessoas (a) tinham curso de p6s-gradua~ao e (b) tiveram baixo
Politico Politico Religiose do religiao escore de preconceito. Como a matriz de dados brutos na
Pessoa 1 1 3 ~ 4 1 2 3 0 4 Tabela 16-1, esta matriz cia mais inf01ma~ao do que o necessaria
~essoa 2 1 4 2 4 4 1 1 1 2 acompreensao. Ao examina-la com cuidado, ve-se que, a medida
~essoa 3 2 2 5 5 2 2 4 2 3 que a escolaridacle aumenta de "nenhum" para "p6s-graduado",
=>essoa 4 1 5 4 4 3 2 2 2 4 ha uma tendencia geral de diminui~ao do preconceito, mas
=>essoa 5 2 3 7 8 6 1 1 5 1 n~o. e possfvel ter nada mais alem dessa impressao geral.
:>essoa 6 2 1 Vanas esratfsticas descritivas permitem resumir esta matriz
3 3 5 3 5 1 1
~e dados. A sele~o da meclida adequada depende, inicialmente,
Note que os dados ja foram reduziclos quando criamo~ a natureza das duas variaveis.
uma matriz de dados como a da Tabela 16-1. Se a idade fot Yejamos algumas alternativas para resumir a associa~ao
codificada como acima, a resposta especffica "33 anos de idade" ja entre
• .
duas va nave1s.
" . Se quiser ma1s . mtonna~ao
. c -
so b re esses
1
foi rcduzida a cacegoria 30-39. As pessoas entrevistadas podcm Optcos, consulte um manual de estatfstica social.• As meclidas
dc ·tss · -
ter dado 60 ou 70 idades diferentes, agora reduzidas a seis ou '' OCla~ao que vamos cliscutir baseiam-se no moclelo de
recur
I -
sere categorias. ,_ao Proporcional de eiTO (RPE). Parn ver como esse moclelo
ace reve acesso aos dados cia Tabela 16-3
funciona, suponha que eu lhc pc~a para adivinhar atriburos d onha que v . . - cl
sup da pessoa antes de predtzer a Sttua<;:ao e
respondentes em alguma variavel, por exemplo, se respondera e .. ·e 0 sexo c1· -
111 e ouvt~~ , · mudaria Para cada homem a pre t<;:ao
sim ou nao a algum item do questionario. A cstrategta . . " . "
ernprego. do'' e para cada mulher sena desemptegada .
Primeiro, suponha que voce conhece a distribuic;ao geral sena· "emprega~ f .
. voce ana 30
o erros _ os 100 h omens c1esemptega· dos
de respostas na amosrra total, digamos, 60o/o sim e 40% na0. Neste caso, npregadas _ ou 600 erros menos do que
Voce cometeria o menor numero de erros sc sempre usasse a . ?00 mulheres et
e as - . - soubesse o sexo cia pessoa.
resposta modal (a mais frequenre): o sim. ornetcna se na 0 -
c d ntao representa a reduc;;:ao de erros como pro-
Segundo, suponha que voce tambem conhece a relac;ao Lamb a, e , d. .
reriam sido cometidos com base na tstn-
empfrica entre a primeira variavel e alguma outra, digamos - 0 dos erros qu e .
sexo. Toda vez que eu perguntar se algum respondentc responde~ po~\~ eral Neste exemplo, lambda seria igual a 0,67, ou sep,
sim ou nao, !he direi tambem se e homem ou mulher. Se as but\30 g ' · clivididos pelos 900 erros rotais baseados
600 erros a men05 . -
duas variaveis sao relacionadas, voce cleve cometer menos erros os Neste exemplo lambda mede a assoCta<;:ao
apenas no emprego. ,
cia seguncla vez. E possfvel, portanto, calcular o RPE sabenclo a statlstica entre sexo e emprego.
rela~ao entre as cluas variaveis: quanta maior a relac;ao, maior e e enlprego fossem estatisticamente independentes,
Se sexo
a reclw;ao de erro. - s a mesma distribuic;ao de situac;ao de emprego
encontranan10
0 modelo basico de RPE e modificado ligeiramente para e mulheres Neste caso, saber o sexo dos respon-
para I10 mens · .
levar em conta nfveis diferentes de meclicla: nominal, ordinal dentes nao afetaria 0 numero de erros cometido~ ao se predtzer
ou intervale. As sec;oes seguintes consicleram cacla nivel de situac;ao de emprego, e o lambda resultante sena zero. Se, por
medic;ao e apresentam uma medida de associac;ao adequada a outro !ado, rodos os homens estivessem empregados e todas as
cacla uma. As meclidas cliscutidas sao apenas tres de muitas mulheres desempregadas, saber o sexo cia pessoa evitaria erros
mediclas apropriadas. na predic;ao de situa~ao de emprego. Especificamentc, vo~e
Variiiueis Nominais. Se as cluas variaveis consistem em cometeria 900 erros a menos (em 900), de fonna que lambda sena
dados nominais (por exemplo, sexo, filiac;ao religiosa, rac;a), o 1,0, representando uma associac;ao estatistica perfeita.
lambda (l) seria uma medida aclequada. 0 lambda se baseia na
Lambda e apenas uma de varias medidas de associac;;:ao
capacidacle de prever valores de uma das variaveis, isto e, o
RPE obticlo do conhecimento dos valores de outra variavel. para a analise de duas variaveis nominais.
Vejamos um exemplo hipotetico simples cia l6gica e metoda do Variiiveis Ordinais. Se as variaveis relacionadas sao ordinais
lambda. A Tabela 16-3 apresenta daclos hipoteticos relacionando (por exemplo, classe social, religiosidade, aliena~ao), gamma (y)
sexo a situac;ao empregaticia. No geral, vemos que 1.100 pessoas e uma medida de associa<;:iio adequada. Como lambda, gamma se
estao empregadas e 900 desempregadas. Se voce fossc predizer baseia na capacidade de adivinhar valores de uma variavel
sc as pessoas estao empregadas sabenclo apenas a distribuic;iio sabendo valores de outra. Em vez de valores exatos, todavia,
geral clessa variavel, predizer sempre "empregado" levaria a gamma se baseia no arranjo ordinal de valores. Para qualquer
menos erros do que sempre preclizer "desempregado". Mas isso par de casos, voce adivinha que a ordena~ao de uma variavel
resultaria em 900 erros em 2.000 previsoes. vai corresponder, positiva ou negativamente, a ordenac;ao cia
outra. Por exemplo, se voce suspeita que religiosidade se
TABHA 16-3 relaciona positivamente com conservadorismo politico e se a
Dodos hipoWicos relocionondo sexo e emprego ~essoa A e mais religiosa que a Pessoa 13, voce adivinha que ela
e~mb'
. em mais conservadora que B. Gamma se b aseta · no
Homens Mulheres lolal _ numero de comparac;oes emparelhadas que se ajustam a este
uoo ~d~ov ersus as que o contradtzem. ·
Empregados 900 200
-
Desempregados 100 800 900
2.000
r Total 1.000 1.000
· 1 e preconceito, oeste exemplo hipotetico,
c tasse socta - ' .
TMElh 16-4 tabel:l· '
ciados nega
tivamente. A expressao numenca de gamma
. . -
Dodos hipoWicos relocionando closse social e preconceito siiO :.1sso is dos pares examinados tmham post~ocs
. . 1 uc6lo/oama ..
indtC:. : d que posi~oes tguats.
Preconce ito Classe Baixo Closse Media opostas o anto os valores de lambda variam de 0 a
Closse Alto Note que, enqu d
Baixo 200 400 700 - amma variam de -1 a +1, representan o a
·alores d e g ·-
Media 500 900 1. os '' a magnitude da associat;ao. Como as vana-
400 . - ranto quanta ' _ . _
Alto 800 300 drref t1° . . _ rem estrutura ordinal, nao faz senttdo falar
100 .. n omm~us nao . . . A
Contra a igualdade
•• •• •• •• enganaria muito.
.........
d d d d
A favor da igualdade 50% 50%
9 9 9 9 d d d d
9 9 9 9 d d d d
100%
50%
100%
--
\
fiGURA16-3 . ras l 6-3 e 16-4, precisarfamos decidir se nosso achado
11as Frgu lar;ao de modo preciso ou foi apenas urn resultado
Umo omosfro nco representative fletill :t po pu
re de ::unosrragem.
Mulheres Hom ens de erro • FIGURA 16-4
9 9 9 9 9 9 9 9 d d d d d d d d
9 9
U amosho representative de umo populo,ao no qual as
9 9 9 d d d d d d d d mo vori oveis se relocionom
9 9 9 9 dddddddd
A favor da 9 9 9 9
igualdade
dddddddd
9 9 9 Mulheres Homens
9 dddddddd
9 9 9 9 9 9 9 Q 9 9 9 Q d d d d d d d d
d d d d
9 9 9 9 9 9 9 9 9 9 9 9 dddddddd
d d d d
9 9 9 9 Q 9 Q 9 9 9 9 9 d d d d d d d d
d d d d
Q Q 9 Q 9 dddddddd
'''' •• •• •• •• Afavor da igualdade
Q Q 9
Q 9 Q 9 d d d d
Contra a '' ' '' ' ' •• •• •• •• 9 9 9 9 d d d d
•• •• •• ••
igualdade
' ' '
'' '' '' ' ' ' ' ' ' ' 9 9 Q
Q Q 9
Q
9
' ' ' ' ' •• •• •• •• 9 Q 9 • •••
''' ''' '' ''' ''' ''' ''' ''' •• •• •• •• •• •• •• ••
' ••• ••• ••• •••
9 Q Q
••••••
75% 25%
•• •• •• Contra a igualdade
25% 75%
Amostra
•• •• •• •• 100% 100%
Contra a igualdade
25% 75%
Note q ue a amostra selecionada na Figura 16-4 rambem Amostra
mostra uma forte rela~ao entre genero c igualdade, mas desra 100% 100%
vez a razao e difereme. Selecionamos uma amostra perfeiw-
meme representativa, mas ha de faro uma forte rela~ao enrre as
duas variaveis na populas;:ao. Nesta figura, ha, na populas;:ao, do. A Logica da Significancia Estatfstica. A 16gica fundamental
maior probabilidade das mulheres apoiarem a igualdade do s testes de . if' - estatfstica, p01tanto, e a seguinte. Face
a qz srgn rcar;ao
1
taquerd· s ~ · . ~.
que os homens, e a amostra refletc isso. van·a· . 1 crepancra entre a suposta mdependencra de
· 'vers n _
Na prarica, nunca sabemos o que e verdadeiro para a c.1a arno . ~ uma popular;ao e a distribuiq-Jo observada de elementos
populas;:ao total; e por isso que extrafmos amostras. Se selecionas- (1) P sltt,t, Podemos explicar a discrepancia de urn de dois modos:
Ot emos atn'b ur-
-I a a uma amostra nao representativa, ou
semos uma amostra e descobrfssemos a fone rela~ao mostrada
(2) podemos rejeirar a suposir;ao de independencia. A 16gic , . . - no nfvel 0,023, indicando que as chances de ela ter
. [lcar;a0
a estatfstica associadas com metodos de amostragem proba~~ 518 01 d de erro de amostragem sao 23 em 1000.
lfstica orientam sobrc as probabilidades variadas de graus v
1 resulca o , , . ..
QIL i-Qlladrado. Qui-quadrado (X-) e um teste de Stgmft-
riados de nao-representatividade (expresses como erro de a a- . ·to usado nas ciencias sociais. Baseia-se na bip6tese
tragem). Ou seja, ha uma alta probabilidade de um peq1mos- ·ncta mut
ten0 ca ue e a suposir;ao de nao haver relar;ao entre duas variaveis
grau de nao-representatividade e uma baixa probabilidade d, nttla. q ular;ao total. Dada a distribuir;ao observada de valores
um grande grau de nao-representatividade. e na pod p 5 variaveis separadas, computamos a distribuir;ao
nas ua - -
A significancia estatistica de uma relar;ao observada num . que seria esperada se nao houvesse relar;ao entre as
con)unta _ , .
conjunto de dados amostrais, portanto, e sempre expressa em duas \'ariaveis. 0 resultado desta computar;ao e um conJunto
termos de probabilidades. Significative no nfvel O,OS (p < 0,0)) reqiiencias esperadas para todas as celulas na tabela de
de fi d. .b . - I
significa que a probabilidade de uma relar;ao tao forte como a conringencia. Comparamos esta tstn UJr;ao esperac a com a
observada ser atribufvel apenas a erro de amostragem nao e distribuir;ao de casos realmente encontrada nos dados da amostra c
maior que S em 100. Ou seja, se duas variaveis sao indepen- dererminamos a probabilidade de a discrepancia descoberta ter
dentes uma da ourra na popular;ao e 100 amostras probabilfs- resulrado apenas de erro de amostragem. Vejamos um exemplo.
ticas sao extrafdas desta popular;ao, nao mais que cinco dessas Suponha q ue estamos interessados na possfvel relar;ao
amostras devem mostrar uma relar;ao tao fotte como a observada. entre ira igreja e genero, no caso dos membros de uma igreja.
Ha um coroh1rio para intervalos de confianr;a em testes Para restar a relar;ao, selecionamos aleatoriamente uma amostra
de significancia, que representa a probabilidade das associ- de 100 membros. Descobrimos que na amostra 40 sao homens
ar;oes medidas se deverem apenas a erro de amostragem: o e 60, mulheres, e que 70% cia amosrra afirmam ter ido a igreja
niuel de significc1ncia. Como os intervalos de confianp, os na semana anterior, os restantes 3001<> dizendo que nao o fizeram.
nfveis de significancia derivam de um modelo l6gico no qual Se nao houver relar;ao entre sexo e comparecimemo a
varias amostras sao extrafdas de uma popular;ao. Ao dete r- igreja, 70o/o dos homens na amostra deveriam ter iclo a igreja na
minar nfveis de confianr;a, supomos que nao ha associar;ao semana anterio r e 30%, nao. As mulheres deveriam ter compa-
entre as variaveis na popular;ao e perguntamos entao qual recido na mesma proporr;ao. A Tabela 16-7 (Parte I) mostra que,
proporr;ao das amostras cxtrafdas da popular;ao produziriam baseado oeste modelo, 28 homens e 42 mulheres deveriam ter
associar;oes pelo menos tao grandes quanto as encontradas ido a igreja, com 12 homens e 18 mulheres nao comparecendo.
nos dados. Tres nlveis de significancia sao usados frequen-
temente em relat6rios de pesquisa: 0,05, 0,01 e 0,001. Esses
numeros significam, respcctivamente, que as probabilidades
TABELA 16-7
de se obter a associar;ao medida como resultado de erro de lludrotao hipoWico de qui-quodrodo
amostragem sao S/100, 1/100 e 1/ 1.000.
I. frequencies Esperodos Homens Mulheres Total
Pesquisadores que usam testes de signifidincia normal- Comparecera m 28 42 70
mente seguem um dos dois padroes. Alguns especificam ante-
Nao compareceram 12 1B 3Q
cipadamente o nfvel de significancia que consideram suficie~re. Total
Se qualquer associar;ao medida e esraristicamente significauva 40 60 100
naquele nfvel, vao considera-la como representar;ao de uma II. frequencies Observodos Homens Mulheres Total
associar;ao genufna entre as duas variaveis. Em outras palavra;· Compareceram 20 so 70
N'ao compareceram
estao dispostos a descomar a possibilidade de ela resulrar e 2Q lQ 3Q
erro de amostragem.
Outros pesquisadores preferem informar o mve -
, 1 espe- -
Torat
Ill. (Observ0das - Esperodas)2 + Esperodos
-
40
Homens
60
Mulheres
100
Segundo, a menos que sejamos enganados por este exem- tre variaveis nominais e testar stgm tcancta
1110 mento en _ . ·f
p lo hipotetico, nao devemos calcular significftncia estatfstica , · a no contexte de amostragens nao controladas saus t-
estausu c . . . .
de rela~oes observadas em dados colhidos de popula~oes .terio entao encorajo estas auvtdades. D1go tsto
zerem es[e Crl • , .
inteiras. Testes de signifidincia estatfstica medem a probabi- no espm , ·to do que Hanan Selvin chamou de tecntcas . para.
lidade de rela~oes entre variaveis serem produtos apenas de garimpar dados. Vale tudo, contanto que, ao cabo, ha1a comple-
e rro de amostragem. Se nao ha amostragem, nao pode haver ensao dos dados e do mundo social sob estuclo.
erro de amostragem. Porem, o pre~o desta liberdade radical e ab~icar de
Terceiro, testes de signifidincia se baseiam nas mesmas interpreta~;oes estatfsticas estritas. Voce nao poclera mats base:r
suposi~oes de amostragem usaclos na computa~ao clos intervalos a importancia definitiva de seus achaclos apenas numa correla~ao
de confian~a. Se tais suposi~oes nao se enquaclram no clesenho significativa no nfvel 0,05. Qualquer que seja a rota cla descoberta,
eta amostra, testes de significancia nao rem legitimiclade. os dados empiricos tem de ser apresentados de fom1a legltima e sua
Como acontece na maioria clos temas deste Jivro, tambem importancia deve ser argumentada logicamente.
neste ponto tenho meu vies pessoal, neste caso, contra testes
de significftncia. Nao objeto a 16gica estatfstica destes testes,
que e s6lida. Mas preocupa-me que estes testes parecem enganar Resume
mais que iluminar. Minhas reservas principais sao:
Neste capitulo, trabalhamos com uma visao ampla ~
1. Testes de signifidlncia fazem suposi~ocs de amostragem abrangeme do munclo das estatlsticas sociais. Nao pretenclt
que virtualmcnte nunca sao satisfeitas por desenhos de fazer do leitor um especialista em estatfsticas, mas entencler a
amostragens reais. l6gica basica de algumas tecnicas estatlsticas mais usadas.
Come ~;amos fazendo uma distin~ao ampla entre estatisticas
2. Dependem cia auscncia de <:ITos nao-amostrais, suposi.,-aO descritivas e inferenciais.
qucstionavel na maioria das mecli~oes empiricas. Estatisticas descritivas sao usadas para resumir dados.
Algumas resumem a distribui~ao de atributos numa s6 variavel;
. d a f n.:•cJi.iencia
3. Na pr:'itica, siio aplicados com cIemasw . _ •'I ourras, chamadas medidas de associafiiO, resumem a associa~;ao
- . I ·uposl\ot.:s ~ntre variaveis.
mc:didas de associa<;ao cuja computa<;ao v1o ou s
Estatfsticas inferenciais sao usadas para estimar a g de amostragem. Afinnar que uma associac;ao e significativa
ralizabilidade de achados obtidos pela analise de amosr en~- erro . - - c
, el 0 05 e dizer que uma assoc1ac;ao tao 10rte quan o a
t
_ . ras as no mv '
popu !ac;oes das qua1s foram extrafdas. Algumas esrarf r·
· c . . . s 1cas observada nao poderia ser esperada como resultado. de erro de
IOierencmis esnmam as caracterfsticas cia popularao par.., agem mais do que 5 vezes em 100. Pesqu1sadores de
-- (em termos de mueis
vanavel - e illterualos de confia"' fa).' Out
" urna amostr d , · 1 · 'f'
12 . , tendem a usar urn leque particu 1ar e mve1s c e Sign I 1-
. ·r·
estatistlca: 0 ,0 ),
chamadas testes de significancia estatfstica, estimam as reb~;~' suney A • , • ~
canCia en1 conexao com testes de s1gn1 1canC1a
A •
_
entre variaveis cia populac;ao. s
0,0 1 e O,OOl. Isto e apenas uma convent;ao.
Muitas mediclas de associa~ao se baseiam num mod Falanclo estritameme, testes de significancia estatistica fazem
-
d e redUfao . d 1
eo
?roporc10na/ e erro (RPE), baseado na compara~ao suposic;oes sobre dados e metodos quase nunca completamente
de (a) o numero de erros que cometerfamos se tentassen . sarisfeitos po r surveys reais. Apesar disto, os testes pode~1 ser
. · 1 'b los
a d1vm 1ar os atn utos de uma variavel para cada caso estudaclo uteis na analise e interpretac;ao dos dados. Mas tome Cllldado
se tuclo o que soubessemos fosse a distribui~ao dos atribut ' para nao interpre ta r a "signifidncia" do teste precisamente
desta variavel, e (b) o numero de erros que cometeriamos os
~-~ se d emais.
souucssemos a clistribui~ao conjunta gem! e fossemos infonnados
em cada caso sobre o atributo de uma variavel, cada vez que Netas
procurassemos aclivinha r o atributo cia ourra.
1 Doislivros manuais de estatfsrica social que podem ser uteis: JENDHEK,
Lambda e uma medicla de associac;ao para a analise de Margaret Platt. 7brough the Maze: Statistics w ith Compt~ter Ap~l~cations.
duas varaveis llOminais. Oferece uma ilustra~ao lfmpida do 13elmont, CA: Wadsworth, 1985; BLALOCK, Hubert. Soczal StatiStiCS. New
modelo RPE. Gamma e uma medida de associac;ao para a analise York: McGraw-! I ill, 1979.
de duas varaveis qrdilzais. A correlafaO produto-momento de
l LOPATA, Helena Znaniecki. Widowhood and Husband Sanctification.
Pearson e uma medida de associac;ao para a analise de cluas ;oumal ofMarriage and the Family, p.439-450, maio 1981.
variaveis interualo o u de razao.
Inferencias sobre alguma caracterfstica de uma populac;ao,
tal como o percentual de eleitores a favor do candidaro A
devem inclicar o interualo de confianfa (ambito clentro da quai Leituras Adicionais
o valor e esperaclo, por exemplo, 45% a 55% a favor do candi-
dato A) e uma indicac;ao do nfuel de corifianfa (a probabilidade BLALOCK, Hubert. Social Statistics. New York: McGraw-Hill,
de que 0 valor esteja clentro cleste ambito, por exemplo, 95% 1979.
de confianc;a). Calculos de nfveis e intervalos de confianc;a se HENKEL, Ramon E. Tests ofSignificcmce. Beverly Hills, CA: Sage,
baseiam na teoria cia probabilidacle e supoem tecnicas conven- 1976.
cionais de amostragem probabilfstica.
JENDREK, Margaret Platt. Through the Maze: Statistics with
Inferencias sobre a generalizabilidade para a populac;ao
Computer Applications. Belmont, CA: Wadsworth, 1985.
das associa~oes descoberras entre variaveis numa amostra
envolvem testes de significancia estalfstica, que estimam a KISH, Leslie. Chance, Statistics and Statisticians. joumal of /be
probabilidade de uma associac;ao tao forte quanta a obser- American Statistical Association, v.73, n.361, p.1-6 mar. 1978.
vada resultar de erro de amostragem normal, caso nao haja MORRISON ' Denton ' HENKEL , Ramon (Ed.). The Sinni 1
associac;ao entre as variaveis na populac;ao maior. Portanto, 0 v /ccmce
Test Controversy: a Reader. Chicago: Aldine-Atherton, 1970.
testes de signifidl.ncia estatfstica tambem se baseiam na teoria
da probabilidade e supoem tecnicas convencionais de amos- SHARP, Vicki. Statistics for the Social Sciences. Boston: Little,
tragem probabilfstica. Signifidncia estatfstica nao deve ser Brown, 1979.
confunclida com sign ifidlncia substantiua; esta quer dizer que
uma associac;ao observada e forte, importante, significariva.
0 nfvel de significancia de uma associa\iiO observacla e
relatado como a p robabilidade de ela rer resultado apenas de
Capitulo 17
Analise de Regress ao
asso . Re~feri-me diversas vezes a formula geral para descrever a
Cia~ao entre duas vari<lveis: y = j(X). A formula se le "y e
urna fun ~
ex 1. s;ao de X', significando que valores de Y podem ser
P ICados em termos de varias;oes nos valores de X. Afirmando
, . as pesquisas raramente se limitam a quatro
de forma mais forte, podemos clizer que X causa Y, isto c 03 praoca, - -
ue, '
q . s e as assoCI• .,. ·aroes entre variaveis raramente sao tao c1aras
valor de X determina o valor de Y Alltilise de Regressiio e ~
0
4.0
fiGURh 17-1
Mapa simples dos vo lores de X e Y ..
4 •
1/)
.!!!
0
c
1/)
3.0
. . .. .. .
<0
..
'0
.~ 2.0
>-Q)
• "0
oQ)
'0
:::E
~ 2
0
•
1.0
~
•
o.o+----.----,------.---r---,----~
2 0 10 20 30 40 50 60
0 moclelo de regressao linear rem importances usos d~s Quem estudou geometria sabe que qualquer linha reta
critivos. A linha de regressao mostra graficamenre a associ:H;:ao num gra·r·teo pode ser representada por uma equa~ao na f orma
entre X e Y, c a equa~ao de regressao e uma forma eficiente ~~ Y = a + bX, oncle X e Y sao valores das duas variaveis. Nesta
resumir esta associa~ao. 0 modelo de regressao rem rambe~ ~qua<;ao, a e igual ao valor de Y quando X e 0 e b representa a
valor inferencial. Na medida em que a equa~ao de regress~o - d a ltnha.
Inc/ina fao · Se soubermos os valores de a e de b,
as vana-
descreve corretamente a associa~ao geral entre as cIu Podemos calcular uma estimativa de Y para cada valor de X.
5
veis, pode ser usada para prever outros conjunros de valores. : Analise de regressao e uma tecnica para estabelecer a
soubermos, por exemplo, que urn novo caso rem o val_or ,J 3
cqua<;ao de regressao represenrando a linha geometrica que
, y E ciaro
para X, poclemos prever um valor de 3,5 tambem para
mais se aproxima cia distribuir;ao de pontos. Esta equa ~ _ Regressao /Mitipla
. d .. . • \;ao e
va I1osa_ tanto escnnva quanta mferencialmeme · Primetro,·
_ a oentemente, pesquisadores de survey descobre~n que
equar;ao de regressao faz uma dcscrir;ao matematica eta 1 _ freq d te e afetada simultaneamente por dtversas
., . re a\ao
entre as vanave1s. Segundo, a equa~ao de regressao e . . ' rei depen en -
· f · 1 c1 P fmtte un1a vana' d tes A analise de regressiio mtUtipla e urn
m enr os va ores e Y quando temos os valores de X \T.ol , 1·s inde pen e n . ·t·
- . ~~ ,·aria"e
. ara anahsar
. estas situa~6es. Beverly Yerg usou esta ana tse
a Figura 17-2, podemos estimar as notas dos alunos se soube
rmos nleiO P· . r· - ·a de p rofessores de educa~ao !SICa, mam-.
- f' .
quantas horas e les estudam por semana. ·rudar a e tcact . - d
ao e!> expectativas atraves cia segumte equa<;ao e
festando sua_s .
.Para melhorar_a exaticlao etas estimativas ' constru·tmos
t
regressao mulupla:
uma lmha de regressao, na fonna de uma equa~ao de regressa 0
que permita estimar valores de uma variavel a partir clos val
• ores' p ~ b + bJ+ b)(,+ b.fCl + b,X.l + b/(1 + e
0
cia outra. 0 formate geral desta equa~ao e Y'= a+ b ()(), onde
a e b sao valores computados, X e urn valor numa variavel e on de
Y' e o valor estimado na outra. Os valores de a e de b sao Escore final do desempenho do aluno
F
computados para m inimizar as diferen~as entre valores reais
Escore inicial do desempenho do aluno
de Y e as estimativas correspondentes ( Y ') baseadas no valor I
conhecido de X. 0 somat6rio etas diferen~as ao quadrado entre XI ~
Composto da pn1tica de orienta(;ao c apoio
valores reais e os estimados de Y c chamado varia{:ao nao x = Composto do dominio do professor sobre o
J
explicada, porque representa erros que persistem mesmo quando
contcudo
estimativas se baseiam nos valores conhecidos de X.
X = Composto do feedback especifico relacionado a
A variafilo explicada e a diferen~a entre a varia~ao total J
tarefa
e a varia~ao nao explicacla. Dividir a varia~ao explicada pela
X = Composto da apresenta(;ao clara e concisa das tarefas
varia~ao total procluz uma meclicla cia redufilo proporcional do 4
-
Brigas vale-tudo 0,242 0,266 0,070 0,602 _ iue 05 Republicanos na amostra tem renda media anual de
10,9 8,4 21 mil e os Democratas de $19 mil. Claramente, os Republi-
Varian cia 67,2 13,4
canos da amostra sao mais ricos que os Democratas, mas esta
~~~~~~ t· fORSlUN~. Mo~ris A. Pollerm of Oelinquenry Involvement. An Empirirol Typology, lrobolho apresentado no Reunuio Anuol do Western
0 Jon of SocJologuts and Anthropologisls. Lethbridge, AlbeJto, 8 de fevereiro de 1980. Atabelo acimo lei adaptado do pagina 10.
A Figura 17-4 ilustra as duas possibilidades. Veja que,
diferen~a
. , e "significativa"? A diferenra
"' de $2 n1·1 . pro
1 sena
- distribuit;;:oes, os Republicanos tem renda media de
se tivessemos criado dois grupos por seler:-
,.ao a1eatona?
, . vavet, oas '~~ 1 5 oemocratas de $19 mil. Na Parte A, a maioria clos
$2 1 11~li;anos rem rendas relativamente perto cia media de $21
05
A am1lise de variancia responde esta perg Unta usa. d
~ (de renda po , n o a R~Pt~ a maioria dos Democratas rem renda petto cia media de
oA •
hnalise Discriminante
Analise discriminante e uma versao interessante de varias
tecnicas examinadas neste capitulo. Sua l6gica se assemelha a
cia regressao multipla, exceto que a variavel dependente pode fiGURh 17-6
ser nominal; lembre que a regressao requer variaveis de inter- Proje,ao grofico dos seis escritores em termo s de idodc c rcndo
vale. Vejamos urn exemplo.
A Figura 17-5 representa seis escritores, rres dos quais
escrevem a mao (caneta), enquanto os outros tres redigem num
computador. (Sei que ha outras alternativas, mas este e um exemplo
simples.) Nossa tarefa e verificar a diferenp no metodo de
redigir. Podemos predizer se urn determinado cscritor usa
caneta ou computador? Q)
'0
ro
A Figura 17-6 explora duas variaveis que podemos logi- :E! 30
camente esperar ter impacto na forma dos escritores redigirem.
!dade pode fazer diferen~a, porque os escritores mais velhos se
25
261---=---=-~~
. ................ g
~
acostumaram a escrever a mao e podem rer dificuldades de se ~
~ [g
~
~
[g
~
[g ~
19 25 30 55 70 80 Renda
Renda
(milhares de $$/ano)
[g] [g]
.. ~
que descrevem as inter-re lac;:oes entre variaveis e_ na comparac;:ao
entre freqOencias esperadas e obseiVadas de celulas de tabela .
..~ (A 16gica e semelhante a do qui-quadrado.) H. T. Reynolds
descreve o processo:
Notes
'Adaptado de YERG, Beverly J. Renections on the Use of the RTE Model
0 Relat6rio da Pesquisa de Survey
in Physical Education. Research Quaterly for Exercise a11d Sport, p.4 2,
mar. 1981.
2
FORSLUND, Morris A. Patterns of Delinquency Involvement: An Empirical
Typology, apresentado no Enconrro Anual da Western Association of
Sociologists and Anthropologists, Lethbridge, Alberta, 8 de fevereiro, 1980. Ate aqui, consideramos as atividades envolvidas na
jeitura da pesquisa. Agora, discutiremos uma questao frequen-
3 Ibidem. p.4. remente negligenciada: o relat6rio do survey. Se o survey nao
4
REYNOLDS, H. T. Analysis of Nominal Data. Beverly Hills, CA: Sage, for comunicado apropriadamente, sed.io em vao os esfor~os
1977. p.76-77. feitos na sua feitura.
Para come~ar, bons relat6rios cientffico-sociais exigem
bom conhecimento da lingua. Sempre que pedimos aos
leituras Adicionais "numeros para falarem por si", eles tendem a permanecer
mudos. Sempre que usamos terminologia ou constru~ao
HENKEL, Ramon E. Tests ofSignificance. Beverly Hills, CA: Sage, indevidamente complexas, dificultamos a comunica~ao.
1976. 0 relat6rio cientifico tem varias fun~oes, e e born !em-
HILDEBRAND, David K., LAING, James D ., ROSENTHAL, bra-las. Primeira, o relat6rio comunica a uma audiencia um
Howard. Analysis of Ordinal Data. Beverly Hills, CA: Sage, corpo de dados e ideias espedficas. Ele deve fornece-los de
1977. maneira clara e com detalhes suficientes para permitir uma
avaliat;ao bem-informada. Segunda, o relat6rio cientffico deve
IVERSEN, Gudmund R., NORPOTH, Helmut. Analysis of
ser vista como uma contribuit;ao ao conhecimento cientffico
Variance. Beverly Hills, CA: Sage, 1976.
geral. Humildemente, voce deve sconsiderar o relat6rio da
KIM, ]ae-On, MUELLER, Charles W. Introduction to Factor sua pesquisa como um acrescimo ao que e conhecido sabre
Analysis. Beverly Hills, CA: Sage, 1978. 0
comportamento social. E, fmalmente, o relat6rio deve estimular
KNOKE, David, BURKE, Peter J. Log-Linear Models. Beverly Hills, e orientar futures inqueritos.
CA: Sage, 1980.
LEWIS-BECK, Michael S. Applied Regression: An Introductioll.
Beverly Hills, CA: Sage, 1980. Algumas Considera~oes Basicas
REYNOLDS, H. T. Analysis ofNominal Data. Beverly Hills, CA: Dentro destas diretrizes gerais relat6rios diferentes seJVem
Sage, 1977. a d'f
1 '
• erenres fins. Um relat6rio apropriado para um fim pede ser
tnapro . d
Pna o para outro. Esta se~ao !ida com algumas das
consideraro-e
~ s b'astcas
· re 1attvas
· a- red a~ao
- correta d o re 1atone.
- ·
extos de U<J 1atn ' ou mo!lografias sao ouua forma de
flllC lalt··~,.., 1tt" e •'t, e r ~tiH~l envolvlcl num pr01et0
Antes oe ta.,, un •ar • voc.... J c·ve se pe .
.._> '"'''ll'''' e 011 ,plexo . c1a ulli obrc- comentarios sobre sua analise
ll~li J·•up· t
quern 0 iera. f OftllaHllt:tH,..., VI ce 1JI:'\ t' i81.Jntar Ill l (. r
, o lraCJ (1~>::: ( :;d(JS IJlll leX(O Cit. ll l)alhO e Uma
. .. . en r (• Ctenlt<.. 'JO - >
· . voce ~ tas
e k lgO:.. ')r e..-:(p er ·,cte\'cn·lo r)ar o r r:olllelros, 1.. • ::,
...~ .:xpc:fHuc-JitalLollt u1 ' pc-1 llo i•t1plfc lode comen-
. zer 't.t ... :;.,
1 - '"' ~ , ,,_, , , '1 ,_
'"' t.f\. ''v '.J'- (.o )J 11~ 1 •)(]
l
\._ l11H,;]1(0 exlv::. ~ c ~r..w a ulu tami.J 111 po<.lt' 1 'Jtiar do Lamanho, e
~~p
t d!V< L I ........ s lc- .>Ul•JII (l l>!tl f•'
•J •
Ih .
lt[(JS _.. ,,.
. • ,.t '
l d
•tl\. t- u::, etalh:td
__,I; ap 1c:osentar c uas as < c::::.... oJJt'll·•:. ll.t pe~quisa ou apena~
11H~llte. lgttall t!llle, p CJe U:...tf t 1 11.• h'}" t'L'· ,...' I1 •n'IS t· . a da::. . .-,La Jt::[)•Jtas,:~u pluf,,.,lufl. 11.1u e'>la ctn JOgo num
. ·• ••· • cntca c1a
Que usana p::tra L' na auCJ"n~i..t le le 1 C>'- v "r de tra,-..alh e 1> ade de apresentar
"" · · • • . ' xemplo u 111 l.l de jus•ificar,
pesc i..ltsador de marJJett:Zf!. ao ., ···en?r r:ar . 1111 . · l< 0
~ I . ... ... . . . . ~ •len~e. deve
exo tear as ·otsas <.0111 m:us cieta ll'"'" dr1 ,., 11 . . 'J-as c ')l!lO tal e Pt dmclo av:; lw<;oes.
·- • .., . - ., t <;PI Ia nt>cessano
p>~r,l llmJ ::111 Lt>nr;;J dP 1 ,, ,{IJJi~;:~.lnn->-;; r!1-• mroi,,,,i; .1] c; nrf)jpt. ~<; fip npc;n>ll ··1 I'P 1tit•· 11 Pffi tra!J 1 lhOS a
A,.,
I • "'' I , 1
ent?rlr.<; Pt"' Pnrf" ltl"r t<; '" ·rti<;<:tnn'l i" fre-J iif'nte•nente
t' a'r:r.1er cH~nci:l e S"fV 1 aq ""1Pc;mn p rnnr'\<:•tn lr." tPvtno; ·le tr~ba.!'lo Voc-e
). ljJ
• $ sur osi~oes
1
.• - t..t
r ec; nt<'lf" nP<:rr-")P 't':l<: ,•• 'Viae: l(lC: rnlPe;l<; e tedir que
'" r, ·,'I' confundir men P<Tl AnP<:~r rl( r m· ni n dn<: W1h1l1oo; ~rofic;sionai<:
:>~ ,.,•.., ·~ ·tr- - -ub t' ·
• • " l s aneta , dep nr:i"n 0 rl-: nrc ~nt7'1 "in r:lnc; Pt1rnntros sugerimos
oce al~ ~ Ol!C'O ::I""' mvpc; (I(> ~al:1r ( 1-'m:li<; Fmbora urn texto
trabalho ~' sc;· ir P V I ' ' n ravec; rjp vari:1<; f"()ndUSOeS tentatiVa<;
form 1 f? Tammr · J articipa:1tes rl~ ron•er~nria '1:-Jn devem c;Pr for~ados a senta1
o que j3 fni f'"-rrt:o lnvintes int.-'ressados podem sempre
!:ste:J cm;ir'cs se ap!ic~m ~ re!a•o.-·cs escritos e mais de.~l!-les mais , .. i-..... , e os desinteressados podem
\·e. L.::is . .::::--:. ":":1:o, :! i:att.;.<:.za do :·e!J.t6rio 2 ~i1:1uenciada pela
f01111~ que VOCe ·~.sar.
Provave.mer.te, o re.at6rio •.. -ts comum urn artigo e
Uma vci.·t:=uaue ul. rel .... rc.JO.-> J.JV(It: tesu!t;..r de urn projero n 1m peri6chco academKo Novamente, o tamanho
lii'>+U"'-a•... u
d e pesqUJsa.
. l'ara co.nc~a1, voce podt. querer preparar uma curta VOCe deve examinar OS tamanl.OS Je Jrtigos publicados
nota de pesquisa para publJca~ao num peri6dico tecnico ou no peri6dico em questao. Entretanto, como orien-
academico. Tais relat6nos devem ter aproximadamente de uma geral, 25 paginas digitadas e um bom tamanho. A se~ao
a cinco pagmas (digitadas em e~pa~o durJo) e ser concisos e capitulo sabre a organiza~ao do relat6rio se baseia prima-
direros. Voce 11ao consegutr<. aprcsentar o esrado do campo 11illnetllte na estmtum de um attigo de peri6clico, portanto nao
detalhadamente em pouco e1.pa~o. e suas notas metodol6gicas mais ~adn ::gc ..::l, excetc p r~ sugerir que os trabalhos
~lllesttais<it! esrudames devem c;er escritoc; neste modelo. Como
deverao ser breves. Basicamente, voce deve dizer por que acha
geral urn trabalho semesr:al que daria um bom artigo de
que uma nota tao pequena se JUstifica por suas descobertas, e
~110clico tambem se"ia um bon. rrabalho.
quais foram estas descobertas.
UI:"~ l:v~c:, f> cla r"' • .-epresent« ~ fonna mais prestigiada de
Frequente:nente, e p:-eciso fazer relat6rios para os
<n:tarclrin de pe~q,;.:S2 Ter" rnd~l" a c- vantagens do trabalho
parrocinadores da pesquisa. Estes variam muito de tamanho.
- tamanho e detalhes - . mas deve ser um documento
Na prcpara~ao do felat6rio, voce <.!eve ccnsiderar quem vai
bem-acabado. Uma vez que a publicac;ao em livro de
li~-lo - cientistas ou leigos - e a razao do patrodnio do
de oesquisa lhes da L rna aparencia de mais subs-
projeto. :E ma polfnca e falta de educa~ao incomodar os e valor, voce tem uma obnga~ao maior para com sua
patrocinado-es com descobert:;.s qt:e nao tern valor ou interesse .,.,..,.~lf'n,.;, Apesar c'e- esperar receber comentarios dos colegas,
para eles. Ao :nes.no te;:npo, pode ser uti! resumir o que ~ levan do-~ a re ,·er suas ideias, voce deve lembrar que
pesquisa acre.,centou ao conhecimento ciemffico b:isico (se e menos sofisticados pode.m ser levaclos a aceitar suas
que t.cia acresu::ntou algo). ~CObf'rt<> acriticamente
Objetivo do Relat6rio Jjcam mais d iretamente a um arrigo de peri6dico, mas,
se ap 1 umasmodifica~oes, tambem se aplicam a maioria dos
Ja consideramos, acima os diferentes prop- · cornag de re1atones
-· d e pesqUJsa.
.
. d ' osnos da
pesqUisa e survey. Ao preparar o relat6rio, voce deve le forma toS
estas diferen~as. rnbrar
Alguns relat6rios podem focalizar p rimaria
Prop6s ito e Resumo
l - d - . _ . mente a
exp orafao e urn topiCo. Sao merenres a este obJ'etivo as come~ar com uma introdu~ao rapida ao prop6sito do
- . . . conciu-
soes expenmenta1s e mcompletas. Voce deve indicar 1 do e as principais descobertas da analise sempre ajucla os
, d·~ . . . , c aramente
a au IencJa o ObjetJvo explorat6rio do estudo e a estu . 'eli co, .Jsso po d e ser fe1to
leitores. Num artigo d e peno . na forma
J' · - d 1 pontar as
IrnJta~oes e e. Urn aspecto imporrame de urn relat6ri
_ .· _ . .d o exp1ora- de um resume.
touo 1
. e sua uti 1 ade em mostrar o caminho para pesq u1sas
· ma .s
1 voce pode achar diffcil resumir, principalmente se sua
refmadas sabre o assume.
analise envolveu considecivel trabalho de detetive, com desco-
A maioria dos estudos tem urn objetivo descritiuo bertas importances revelando-se ao fim de dedu~oes imagi-
1 - · d , e os
re atonos estes estudos terao um elememo descritiv y, • nativas e manipula~6es de dados. Neste caso, voce pode querer
d d' . . .l d o. oce
eve ~stmgUJr CLue a osameme as descri~oes que se aplicam conduzir os leitores atraves do mesmo processo excitante,
apenas a an:ostra das. q_ue se aplicam, por inferencia, a popula~o. narrando o processo de descoberta com suspense e surpresa.
Se forem fe1tas descn~oes inferenciais, voce deve dar a audiencia Se este formate de relat6rio fornecer urn quadro precise do
alguma indica~ao da possfvel magnitude de erro delas. processo da pesquisa, acredito que tenha consideravel valor
Muitos relat6rios tern urn objetivo explicatiuo; voce quer instrutivo. Mesmo assim, alguns leitores podem nao estar inte-
mostrar rela~oes causais entre variaveis. Dependendo da audiencia ressados em acompanhar toda a narra~ao da pesquisa, e desco-
provavel do relat6rio, voce deve delinear cuidadosamente as regras nhecer o prop6sito e as conclusoes gerais antecipadamente pode
da explica~ao que sustentam seus calculos e conclusoes; como dificultar para eles compreender o significado do estudo.
no caso da descri~ao, de aos leitores alguma oriema~ao sabre a Urn antigo ditado forense diz, "Diga-lhes o que voce
certeza relativa das suas conclusoes. ira dizer-lhes, diga-lhes, e diga-lhes o que voce lhes disse."
Finalmeme, alguns relat6rios de pesquisa podem ter o Voce se saira bern seguindo este ditado na prepara~ao clos
objetivo de propor afdO. Por exemplo, estudando as rafzes do relat6rios da pesqu isa.
preconceito, voce pocle querer sugerir maneiras de reduzi-lo,
baseado nas descobe1tas da pesquisa. Este objetivo freqUen- Revisao da Literature
temente leva a problemas complicados, ja que seus pr6prios
valores e orienta~oes podem ihterferir em suas propostas. E Como todo relat6rio de pesquisa deve ser posto no con-
perfeitamente legftimo que suas propostas sejam motivadas texte do corpo geral de conhecimento cientffico, voce sempre
por valores pessoais, mas voce deve assegurar-se de que as deve indicar o nde seu relat6rio se encaixa neste quaclro. Ap6s
a~oes especfficas que propoe sejam garantidas pelos seus apresentar 0 prop6sito geraJ do estudo, VOCe deve atualizar OS
dados. Farranto, tenha cuidado especial em mostrar claramenre leitores sabre as pesquisas anteriores na area, apontando para
a 16gica pela qual voce saiu dos daclos empfricos em direqao as concorc:Iancias e discordancias com as pesquisadores anteriores.
a a~ao proposta. . Em alguns casas, voce pode querer questionar ideias
bVIam~nte aceitas. Reveja cuidadosamente os estudos que
_ aram a aceita~o dessas ideias e depois indique os fatores que
Organiza~ao do Relat6rio nao foram considerados ou falacias 16gicas em estudos anteriores.
do Quando quiser resolver uma discordancia entre pesquisa-
Embora a organiza~ao de relat6Iios difira urn pouco qua nto res anteriores, organize sua revisao da literatura ao redor dos
a forma e ao prop6sito, e possfveJ sugerir Uffi formate generiC? Pontos d ·
ern s .e VISta opostos. Resuma a pesquisa que ap6ia urn Iaclo,
para se apresentar dados de pesquisa. Os comenrarios a segUJf egu1da a que ap6ia o outro e sugira as razoes do desacordo.
Ate ceno ponro, su,t revJsao <.Ia lnerarura ser concluiu que sistemas administrativos mantem uma media
fu - b.bl' - ve a u
n~ao t 10grahca pan, os lello res, tnclexando a e rna de crescimento de 5 a 6o/o ao ano, indcpcndentemente do
ante-Jar sobn.. • !gum telll.t •l«;) ~.-:..,a r~.:VJ< L p squt a trabalho a ser feito. Parkinson estava ceno no que disse c
. .,, u !Jvu~.- ser
!>tva, c. voct. Je\e e\H<it 1..;)~.-ft.•c• Llllt J t t \.:"-C~.:s-
devemos creditar-Ihe toda a honra por tmciar urn estudo
d . . . , '•'o•« v ,,,r,vct
. e tr.es pagJnas Jnenctull«•ldu l(Jdu:. u.~ -:Mudos r • Ulur,o serio sobre e<;te importante t6pico.1
tu n~ao- b'bl' ,,..
1 Jog.au~.- ...tbr .... i1ge>~t I 1, . II '.)'"\ Iv,<; E,)s"
..._ v' <..: ~1.. 1 Ill'- 101 c e
por urn a bibJ,ogJ afia nc.. f. 1d du rei r-"·r· ~ ... ~..u,, " ·1 Vejamos alguma~ f1, , 111.. 1"~ ...~..~;tt. 'eis dc: usat v t.aoa1l.o
,t u 10; a revtsav d I
ratura deve focalizar somcnre os ec;ru·' . a HC'- de Gall num texto.
~ . uos que ttve 1em
vancta para o seu c.,tudo. re 1e-
Acettavel: John Gall, ~,;m ::.cu tiaba.lio sobn.. Sys:ema11tics,
faz urn paraldo bcm-humorado entre sistemas e bebl:s:
fvitando o PI agio "Sistemas sao como bebes: quando voce consegue urn,
voce o tern. Eles nao vao 'mbora 1\.o contn1rio, eles sao
Ao relatar o trabalho de nutros cleixc. claro que d'
que. E essencial evitar 0 plag10 qut €. 0 roul;o de 'd~ Jsse 0 de uma persistencia not:lvel. Eles nao apcna~ persistem;
1 eJas e/ou
Palavras c1e outros- mtencional
· ·
ou aciclenralmente- . eles crescem."2
senta~ao dessas ideias e palavras como se fossem sua~ ~ple
examma-lo com mais detalhes.
e
este ~r~blema e comum algumas vezes pouco claro,. va::~ Aceitavel: John Gall aclverte que sistemas sao como bebes.
Crie urn sistema e ek permanccera. P10r aincla, Gall sugere,
Eis as principais regras com rela~ao ao phigio: os sistemas continuan. a crescer cada vez ma is.3
• Voce nao pocle usar as palavras cxatas cle outro autor Acettavel: Tambem e sugericlo que sistemas tern uma
sem po-Ias entre ast)as e scm inclicar a fonte cia cita~iio, tendencia natural a persistir, e mesmo crescer e ir alem
de forma que os J, tlores possam localizar a cira~ao no dos limites (Gall 1975, p.33) 4
contexte origmal mo regra geral, de a fonte dt: 1oda
cita~ao de oit J ot ~. ab pal:.lvras Eis, agora, alguns usos inaceitaveis do mesmo material,
reflerindo alguns erros comuns.
• Niio e aceiravel edttar ou parafrasear as palavras de Inaceitavel: Neste trabalho, quero vcr algumas clas
outra pessoa e ap-esentar a vcrs·t J revista como sPu caracterfsticas dos s1stemas sociats que criamos em nossas
proprio trabalho.
organiza~oes. Primeiro, sistemas sao como bebes: quando
voce consegue urn, voce o tem. Elcs nau vao embora. Ao
• Finalmcnte, niio e aceitavel apresenrar ideias de outros contrario, eles sao de uma pcrsistencia notavel. Eles nao
como suas pr6prias iclcias - mesmu usando palav;a~ apenas persistem; eks crcsccm.~
completamcnte dtferentes para expressa-l:t~.
Inaceittivel: Neste trabalho, quero ver algumas das
Urn exemplo explic~ melhor o qut:. e c que .i1ao e acei-
ta vel no uso do trabalho de outro. Cons: ·c ..e seg:·';J.·e rrecho caracterfsticas dos sistemas sociais que criamos em nossas
original. organiza~oes. Primeiro, os sistemas sao muito pareciclos
com crian~as . quando vocC! consegue uma. cla ~ sua. Elas
Sistemas sa0 ·nn"' bebC·!<· q-.:::n(o voce cc-segue .. • nao vao embora; elas pcrsistem. Elas nao ap(!r1as persistcm,
voce o ren>, '"'ir-s ·io v;ic c-tb"ra Ac contrtr'c, elcs si'Cl na verdaJe: elas crescem.6
de uma pt•rsisti'n .,,, n-::-·1vd .c·,,s niic- an{'aa:-: ae;siste-1·
cles cresr·en . ·:, >. ..,.,..o:d.. 'I"J r··esc~··n, ci•~•p:·~~a-, i·~i•CS btaceittJve/; Neste !rab:1lho. QlH'ro vt r algumas d1s
(J pr)tPnchi (;t~ cre~.:cip,,•ntt' tie- ,..;[...:i(•rq:1' ;'"UI eXf'lr\ql<.Jn ~:~ f'<H"<~rte•·l<.:ticas dos "istc• m:~s <.:ociai<.: que criam0s nn n<l"5""
IT1 p lirom·" por ·uki s n, qu
organiza\;oe1;. Uma coisa que percebi c que uma ve-. ·• res descobrirem uma cole~ao de an~Hises e desco-
os Iet..o
.. que para ntemente nao relacionadas, com a promessa de que
voce cria urn sistema, ele parece nunca ir embora 0 .....rras a pare . d I , .
· corrc ..,... tas soltas serao amarradas mats tar e no re atono.
exatamente o contra rio: eles tern uma tendenci:J. a ere. _,.~,s as pon ,
seer. tu-- da analise deve fazer sentido na hora que e rela-
Podemos dizer que os sistemas sao muito parccidos a r ... da etapa ~ ·1· ·
crian~as oeste aspecto. 7 "" voce deve apresentar sua razao para uma ana tse parttcu-
tada. tar os dados relevances a ela, interpretar os resultados
1at apresen
Cada exemplo inaceitavel acima e urn exemplo de phigio ' · · dicar para onde nos levam os resultados.
e depots 10
e sao delitos serios. Temos que admitir que ha "areas cinzentas','
Algumas ideias sao mais ou menos de domfnio publico, na~
"pertencendo" a ninguem. Voce pode ter uma ideia que ourra
Resumo e Conclusoes
pessoa ja escreveu. Se tiver duvidas com relas;ao a alguma Seguinclo o ditado antes citado, voce ~eve garantir o
situas;ao espedfica, discuta-a com seu orientador. do relat6rio da pesquisa. Deve evttar rever cada
resumo edfica mas deve rever tod as as stgm· ·r·tcattvas,
·
Discuti esse t6pico detalhadamente porque e importance desco berta esp •
que voce situe sua pesquisa no contexte do que outros fizeram mostrando novamente sua significancia geral.
e disseram; o uso impr6prio do material de outras pessoas e um o relat6rio deve ser conclufdo declarando o que voce
delito serio. Dominar a atribuis;ao adequada de ideias e parte do obriu sobre o tema em questao e para onde deverao apontar
seu "amadurecimento" academico. desc d ·od·
fururas pesquisas. Uma revisao rapida de a~ig~s e pen tc~s A
Portanto, revise se,1.pre o que er,neveu BEI.J<EP, T PQ!la,.,.l r..TJSTA"PC)fll\j 1 lhir. Pncr>1111terwilh Sorio!OP.V'
·r· e TP"'Tl "Pap,r. '~r "~"~r"J':!"CO: Boyd and Fraser, 1976.
GRUBER, james, PRYOR,Judith BERGE PatricJ·a Mat ·
' • · ena~
Methods for Sociology Research. New York: Neal-S and
1980. c 11U01an,
J\ t ( l r r 11 h ~ r 1 r.; c n r 1 a
Um man ual teorir~ mtf"'tt r ·ip n t :Jr ,.... < >!"'l cr- 1Pt nf ' 1" riP
pf'SqlJi"a ri P <;t lrtJPl! rl ::J ri a ~ n PStl o rl::~n P ._,., f'r'l<; 1 '11>1 in> ., ;Pn•
iclP·ll dP !..rrnn O" ~11 't> t:'' r
no es. )JfOCUfel enratiZ:'lf QU, ha van as ('UeStOeS adrn tr ;stratlvas
e praticas envolvlddS O ll ffi rra ceSSO lp r>e<;C'l 1'- ' (< f,),-mu OUe
nfro f> pOSSfve\ <;egl' tr PXat<JmP I" tf'! 11 111 n1n r!eln i c e1f 0
peso uisador bem-info rm2rl " ri PVP esr·1r rien te r:~~--~a" limi-
ta~oes e ser capaz de ec:nilibra fat" r~"s " 'n ~ .s at 'OS e
cientfficos para chegar ao rrelhor como ·on isso oossivel
Este cap~t" " ar o rri:: ~~t!'::!. re:::tric;"~ c:-~ ctent.ficn ~"
questoes eticas na pesq ui::::: de :;w·;,·ey Esta:: que.:;:oes ni:.o s~c
parte do metodo c:(;ntf'ko I :t.c:smo assim, fcrm~.m Uui grupc de
nom1as que. OS cienciSla.o Ja .naioria das discip!inas sav obri-
gados a seguir. Em muiws l:asos, essas normas ericas entran~
) em conflito direto com os procedm,entos cientfficos, assim como
com questoes administrativas. Voce deve estai cier.te dos pos-
sfveis conflitos para pode. cor.duzir um .. pesqu:sa mais
cientffica e '11ais etica .
A ciencia em si e amoral. A let cia graviClacle e a correla~ao
entre educa~ao e preconceito nao sao nem morais, nem imora1s.
Entretamo, os cientistas nao sao amora1s, nem o sao quem pode
usar os resultados da pesquisa cientffica. A pesquisa cientffica
~ode ser conduzida e/ou usada para prop6siros 'llora·s ou
lffiorais. E claro, a moralidade de urn homem e a imoralidade de
0
.utro. Sao li~oes que os hstcos nucleares apre noeram antes e os
CJentistas socials ainda estao aprendendo.
Nao ha como assegurar a uf' todos o <; oentista. ser1o
sempre moth.·ados po r questcws etirqs q ando emba rcn m rwma 1
pesquisa cientffica, nem ha como assegurar que as de b Quando os professores em aulas introdut6tias de sociologia
. -r·1cas serao
etentt - usadas com prop6sitos eticos E sco enas
os alunos que preencham questionarios que eles espe-
podemos mostrar urn corpo de normas eticas mais
· ntretanto
' ...ede111 a
t"- alisar e publicar, devem sempre enfatizar aos estudantes que
- , . ou menos ram an·cipas;:ao em surveys e- comp1etamente vo luntana. - · Mesmo
consensual em relas;:ao a fettura de pesquisas Est -
,. e capnuio a part l
l - - ..
apresenta alguns dos problemas eticos mais cornu ' . nuitos estuc antes vao remer que, se nao parttetparem,
. ns naPes- asstm, 1
qutsa de survey e sugere algumas solus;:oes eticas p cas serao afetaclas durante o curso. Neste caso, os profes-
_ ara eles suas no . d as sans;:oes
- 1mp
. l'tcttas
. e tomar as
que nao comprometem perigosamente a qualidade ''cientffi , devem estar consetentes
da pesquisa. ca sores
rovidencias necessanas - · para torna-- 1as o-b vtas.
· Po d em sa1r · da
p enquanto os questionarios estiverem sendo preenchidos e
1
ga
w s numa caixa, ou ped ir aos a Iunos que envtem · ·
pos . _ . os questto-
,
Participa~oo Voluntaria nirios pelo correio ou os pon11am numa catxa proxima a porta
quando e ntrarem na sala, na proxima aula.
A pesquisa de survey quase sempre e uma intrusao Nesta situas;:ao, os professores devem ser encorajados,
'd d na
~I a_ .aS pessoas. 0 entrevistador batendo a porta OU 0 ques- se for apropriado, a envolver os alunos no processamento e na
ttonano chegando pelo correio assinala o infcio de uma ativi- analise dos dados, dando-lhes uma experiencia de aprendizado
dade que os respondentes nao pediram e que pode requerer pessoalmente valiosa. E clare que os alunos deverao receber
gran.~e quantidade de tempo e esfors;:o. Alem disso, o survey cn!dito em qualquer relat6rio publicado sobre o estudo. (Esta
frequentemente pede ao respondente revelar informa~ao tecnica nao deve ser usada como um metodo para obter mao-
pessoal - atitudes e caracterfsticas pessoais - que podem de-obra barata.)
nao ser conhecidas por seus amigos ou associados. 0 survey A ideia de que a participas;:ao em surveys deve ser
necessita que ele revele tal informas;:ao a um complete estranho. voluntaria vai diretamente de encontro a uma preocupas;:ao
cientffica. Se tecnicas estatlsticas forem usadas legitimamente
Outros profissionais, como medicos e advogados, tambem
na analise dos dados, entao cada membro da amostra aleat6ria
requerem tal informas;:ao. Mas elas podem ser justificadas pelo
deve parricipar. Mesmo com pianos estatlsticos menos rigorosos,
faro de a informas;:ao ser necessaria para o interesse pessoal do
voce desejara uma alta taxa de respostas para assegurar uma
cliente a quem requerem a informas;:ao. Pesquisadores de survey
amostra razoavelmente representativa. Portanto, mesmo nao
raramente podem usar esta justificativa. Assim como os pesqui-
podendo eticamente requerer a participat;ao, voce geralmente fara
sadores medicos, podemos apenas dizer que nossa pesquisa o possfvel para obte-la.
pode, no futuro, ajuclar as pessoas em geral.
Num survey por entrevistas, os entrevistadores geralmente
Um princfpio fundamental cia etica na pesquisa medica e sao treinados a persuadir pessoas indecisas. "S6 levara alguns
que a participas;:ao experimental deve ser voluntaria. A mesma segundos", "Os resultados do escudo serao valiosos para as pes-
norma sea plica a pesquisa de survey. Ninguem deve ser for- seas residentes nesta area" e "Posso voltar em momento mais
s;:ado a participar. Mas esta norma e bem mais facilmente aceita convenience?" sao frases importances do vocabulario do entre-
na teoria do que na pnitica. Novamente, a pesquisa medica vistador. 0 d iretor da pesquisa clescobrira alguns entrevista-
permite urn paralelo util. Muitas drogas experimentais sao testa- dores mais persuasivos do que outros, e estes provavelmente
das em prisioneiros. Nos casos mais rigorosamente eticos, os scrao designados para ir arras de membros da amostra que
prisioneiros conhecem a natureza - e os possfveis perigos - recusaram o pedicle inicial de participas;:ao. (A experiencia mostra
do experimento, sao infonnados que a participas;:ao e absolu- que uma entrevistadora gravida de oito meses e mais bem-sucedida
tamence voluntaria e sao ainda instrufdos de que nao devem do que a media neste senticlo.) 0 limite entre a persuasao etica e a
esperar nenhuma compensas;:ao especial (como uma liberdade coer~o e imprecise.
condicional precoce) pela participas;:ao. Mesmo nestas condis;:oes, Nu m survey pelo correio, voce normalmente envia
os voluntaries sao freqi.ientemente motivados pela crenqa de correspondencias de acompanhamento aos membros cia amostra
que terao beneffcios pessoais de sua cooperas;:ao. que nao responderam ao pedido inicial de participat;ao. Geralmente,
as correspondencias de acompanhamento sao seg 'd . d serao capazes de se localizar em Indices e tabelas
sofjt::.·uca os aracterizados - apesar de nao estarem 1'dentt·r·t-
. . Ut as d
ape 1os espeCJats por coopera~ao· novamente 0 I' · e
_ , _ _ , ' , urure enrr ·e \'erem c ., . . li .
persuasao e a coerpo nao e muito preciso. ea e s pelos nomes - como fanaticos ' impatnottcos, IITe gtosos
c:tdOS lh das hipo'teses esta descoberta pode incomod:i-los e
Name or ' . , .
etc. . 1agens que rem deles mesmos. Aincla que o propostto
~em Prejufzo para os fnhevistados
~~r as m ~
;11nc . seJ·a explicar por que algumas pessoas rem precon-
cb pesqUJsa -
,.ros e ourras nao.
A pesquisa de swvey nunca deve preJ·udicar os . cct Uma vez, fiz um survey com mulheres da Igreja Episcopal
d . < emrevts-
ta os que se voluntanaram a cooperar. Talvez 0 exem 1 . alifornia Pedi aos pastores de uma amostra
1 d 0 , • Po mats do No rte d a C .
c aro esta no11na na prattca tenha a ver com revela . c . . que d istribufssem questionarios para uma amostra
- . r IO!Or- das tgreJaS
ma~ao que envergonhana os respondentes ou co1oca · 'f' dos membros os coletassem e os devolvessem ao
· . .. na em espect tea ' . , .
nsco suas vtdas famtltares, suas amizades empregos e . . , · da pesquisa. Um pastor leu os questtonanos da amostra
d' . _ , . . ' , asstm escntono
pot t:nte. Esta sttua~ao sera dtscuttda em maiores detalhes
0
voce e
-
f"d . I"
e post~ no questtonano antes de seu retorno ao escrit6rio .010
lln60 1 ' "anonimo" significando "con 1 encta
pesqUisa. da v sa r 0 term 0
dente . d
deve ser rolera o.
E clara que o anonimato complica os pianos de a ~~ 0 ao
panI1amento para aumentar as raxas de resposta. Se voce na ldentidade lnferida
0
sabe quem
, de sua amostra niio respondeu o questionario , nao
,
po d era entrar em contato apenas com niio-respondentes. M m survey realmente anonimo, as vezes e
como alternativa, voce pode enviar o quesrionario novam ente as, Mesmo nu . .
"cl r·r· "r um respondence pnnctpalmente em
para todos os membros da amostra original, pedindo aos !vel I en 1 tc... ' - " .
·- d . que poss - bertas Se ele lis tar sua ocu pac;;:ao como prest-
Ja respon eram que tgnorem o segundo questionario, ou voce qu esroes a .h"a ABC" e 6bvia sua tdenttdac
. . Ie. AIgumas
pode usar a tecnica do cartao postal discutida no Capitulo 9. d te da Compan 1 , .
en ' l"se multivariada de questoes fechadas permtte a
Apesar das dificuldades de garantir o anonimato em vezes, a ana t
algumas situac;;:oes e melhor voce pagar 0 prec;;:o necess5rio. identificac;;:ao. A •
Mas voce
universitarios, voce pode preferir niio saber a identidade dos ou nao, nao . - ·r·
ve tentar fazer tais identtftcac;;:oes, e certt tque-se e
d
respondences, por duas razoes. Primeira, garantir o anoni- nunca de ·pede pesquisa tambem , nao - o fac;;:a. A1'em d tsso,
·
mato pode aumentar a probabilidade e a honestidade das que sua equt .
nao relate dados agregados de tal modo que os letto~es
respostas. Segunda, voce pode niio querer encarar a possi-
possam faze-to. Por isso, o Departamento do Censo Notte-
bilidade de ser quesrionado pela pollcia quanta aos names
Americano nao relata dados agregados contendo menos do
dos usuaries de drogas. No segundo caso, um survey anonimo
ira lhe poupar rer que escolher entre (1) violar sua promessa que quinze casas por celula numa tabela.
aos respondences, (2) arriscar ir para a prisao por ocultar
evidencia criminosa, ou (3) rezar para que os questionarios ldentifica~oo £scondida
acidentalmente peguem fogo e sejam destrufdos.
Ocasionalmente, se garante anonimato aos respondences,
mas na verdade eles sao identificaveis. Algumas vezes, o
Sigilo enderec;o de retorno do escrit6rio da pesqu isa tem um
Num survey confidencial, voce e capaz de identificar "numero de caixa postal" d iferente para cada respondence.
as respostas de uma cena pessoa, mas prometeu que nao o Outras vezes, os pesquisadores poem numeros de identifi-
fara. Por exemplo, num survey por entrevistas, voce poderia cac;;:ao embaixo dos selos coladas nos envelopes de retorno.
'
I tornar publica a renda dos respondences, mas garanriu que Provavelmente, alguns pesquisadores ja escreveram numcros
nao 0 faria. com suco de limao.
Varias tecnicas podem ajuda-Io a manter a promessa. Suspeito que virtualmente em todos estes casas - e eles
Para comec;;:ar, os entrevistadores e outros com acesso a sao provavelmente poucos- os pesquisadores tentaram man-
identificac;;:iio dos respondences devem ser treinados sabre ter o sigilo dos dados e nao fizeram nada que prejudicasse
suas responsabilidades eticas. Assim que possfvel, rodos os os respondences. (Tenho a impressao que os pesquisadores
nomes e/ou enderec;;:os devem ser removidos dos questionarios mais convencidos de sua "moralidade" pessoal sao os mais
e substitufdos por numeros de identificac;;:ao. Urn arquivo-mesrre dispostos a fazer isto.) Qualquer que seja a motivac;;:ao ou 0
de identificac;;:ao deve ser criado, ligando numeros a names valor ciemffico, tais praticas sao inaceitaveis. Se um survey
para permitir a correc;;:iio posterior de informac;;:ao falrante ou for confidencial, cliga. Nao minta. Finalmente, rodos os surveys
contradit6ria, mas este arquivo nao deve ficar disponfvei. devem ser pelo menos conficlenciais.
exceto por razoes legftimas.
i2
. I' tendo a ser urn pouco mais liberal em
E111 VISta c tSto, - .
ldentifica~ao da finalidade e do Patrocinador osito do survey do que em rela~ao ao patrocmto.
rel;~\=ftO ao pro~. . arecem boas: (1) Voce nao deve revelar
,\S segut
·ores duetnzes p r·
- 'to do estuclo que possa afetar a con ta-
Muiras vezes, enfrentamos o dilema de se o respond .. bre o propost .
. . . ' ente nada so (2) Ao mesmo tempo, deve chzer aos
souber a ftnahdade e/ou o patroctnador cia pesquisa, isso pode . d das respostas. - . I
afetar as res pastas que clara. Em casas mais extremos , POder biltd:t e e pucler sabre os proposttos, quando ta
rc:spon dentes o
_ . qu muita chance de afetar as respostas. (3)
afetar a probabiliclade de coopera~ao. Se o entrevistador se ao nao uver , . d
apresemar como fazendo urn estudo sabre preconceito, podemos informa~ - b rop6sito clevem ser mais genencas o
. , lica~oes so re o p . - .
inferir que o entrevistado tamara cuidado para nao parecer As exp _. ( ) Nao de razoes ftcttctas para o estuclo.
que espectftcas. 4
preconceituoso. Se o patrocinaclor do estudo for identificado com
a previclencia social, as respostas de quem recebe beneffcios
cia previdencia podem ser modificadas para se prevenir contra Analise e Relat6rio
a perda dos beneffcios. Se a universidade local river rna repu-
ta~~IO entre a popula~ao - digamos, como resultado de . mo voce tem obrigac;oes eticas para com OS
Asstm co .
demonstra~oes estudantis - , urn survey patrocinado por ela tem tambem obrigac;oes ettcas para com seus
pode sofrer oposi~ao e produzir baixa taxa de respostas. respon d ente S, ·c1
. cl munidade cientifica. Estas nao sao sempre canst e-
lettores a co - ·
Quase qualquer especifica~ao de finalidade e/ou - . da e'tica portanto fa~o alguns comentanos.
radas no clomtmo , ,
patrocinador tera algum efeito sabre as taxas de respostas Ao fazer um survey rigoroso, voce conhece melhor as
e sabre as respostas dos participantes, afetando a quali- deficiencias tecnicas dele do que qualquer outra pesso~ e cleve
dade cientffica dos dados e as conclusoes a serem tiradas. . f m1a-las. Se proximo a conclusao do estudo, voce desco-
Aincla assim, enganar o respondente levanta uma imponante ~ri~ que algum,subgrupo cia populac;ao foi omi:iclo cia ~mostra,
questao etica. tome este fato conheciclo do leitor. Se voce acreclt.tar que
Minha opiniao e que voce deve ser honesto com OS varios respondentes nao compreencleram be~1 um lt~m do
respondentes sabre o patrocinador do estudo. Se ele estiver questionario, informe isto aos leitores tambem. Quatsquer
senclo feito por urn depanamento de pesquisa cia universidacle defeitos no desenho do estuclo ou cia am'ilise que possa ter
para o governo estadual, isto deve ser bern enfatizado na efeito sabre as conclusoes devem ser informados abertamente.
apresenta~ao do entrevistador (ou na carta de introdu~ao As descobertas negativas devem ser relatadas, se e~ti
que acompanha urn questionario auto-administraclo). Alem verem re lacionadas a analise. Infelizmente, persiste urn mtto
disso, me preocupam especialmente as organiza~oes fictfcias de que, em relat6rios cientificos, somente as desc?~e.rtas
- names de escrit6rios de pesquisa criados somente para positivas devem ser relatadas (os editores de penodtcos
um estudo em particular. algumas vezes tambem sao culpados por isso). Entretanto,
Honestidade a este respeito nao e apenas mais etico, mas do ponto de vista cia comunidade cientifica, saber que duas
tambem pratico. Sempre que voce tentar enganar OS respon- variaveis nao estao relacionadas uma com a outra frcquente-
dentes com rela~ao aos patrocinadores da pesquisa, corre o risco menre e tao importante quanta saber que estao. Algumas
de a verdade ser conhecida durante o estudo. Nesse caso, isto vezes como na discussao do The American Soldier do Capitulo
levara o estudo a sofrer mais do que se fosse feito abertamente 15, a' falta das correlac;oes esperadas pode ser ainda mais
por uma agencia ou patrocinador de ma reputa~ao. uti!. Nao ha razao para ficar envergonhado pela descoberta
Honestidade sabre o prop6sito do estudo e mais diffcil, de que duas variaveis nao estao relacionadas entre si.
porque a pesquisa frequentemente servi.ra a varios prop6sitos lgualmente, tome cuiclado para nao cair vitima da tenrac;ao
analfricos. Portanto, voce nao pode ser completamente honesto de "livrar a cara'' descrevendo clescobertas empiricas como pro-
com os respondentes, ja que nao pode antecipar compleramente ~s dutos de uma estrategia analftica pre-planejacla, quando isso
finalidades do survey. Uma declara~ao precisa sabre os pro~o nao foro caso. Muitas descobertas aconteccm por acaso, mesmo
sitos basicos do survey provavelmente afeta as respostas mUlto que pare~am 6bvias em retrospecto. Decorar tais eventos
mais do que a descoberta do patrocinador.
com descri\;oes de hip6teses fictfcias nao e apenas deson OCODIGO
, esto
mas tambem tende a enganar os pesquisadores inexperie t '
- n~e
leva-los a achar que toda pesquisa cientffica e pre-planejada.
. , · s da Pratica Profissional na Condu9ao do Nosso
Se aparecer uma associa\;ao inesperada entre variaveis I. pnnctpiO
ela deve ser apresentada como inesperada. Se toda a estrateg~ rrabalho .
analftica for radicalmente reestruturada durante o estudo 0 1 · A. oevemos ter o cuidado adequado no desenvolvtmento
. . ettor
deve ftcar sabendo. Essa revela~ao e benefica, porque, assim os de pesquisa e instrumentos de survey, na coleta,
de desen h d
outros pesquisadores saberao que outra estrategia, aparente~ S amento e na analise de dados, dando to os os pas-
no proces · ·· I'd d d
mente funcional, nao e apropriada para 0 estudo em quesc arios para garantir a conftabtltdade e a va 1 a e os
ao.
Em gera I, a ctencta progride atraves da honestidade e e atrasada
.A •
50s neceSs
resultados.
pelos enganos motivados pelo ego.
1. oevemos recomendar e empregar somente os
instrumentos e metodos de analises que, em nosso juizo
Urn C6digo de ftica Profissional profissional, sejam adequados para a pesquisa.
Uma vez que as questoes eticas na pesquisa social 2. Nao devemos escolher instrumentos de pesquisa e metodos
sao importances e ambfguas, a maioria das associa~oes de analises por sua capacidade de levar a conclus6es
profissionais criou e publicou c6digos formais de conduta enganosas.
que descrevem o que e considerado urn comportamento
profissional aceitavel e o que e inaceitavel. Como ilustra~ao, 3. Nao devemos, conscientemente, interpretar resultados de
apresento na Figura 19-1 o c6digo de conduta da Associa~ao pesquisas, nem tacitamente permitir interpretaQ6es
Americana de Pesquisa de Opiniao Publica (AAPOP), uma inconsistentes com os dados disponiveis.
associa~ao interdisciplinar de pesquisadores de survey
academicos e comerciais.
4. Nao devemos, conscientemente, atribuir as interpretaQ6es
mais confianQa do que a que os dados verdadeiramente
fiGURh 19-1 merecem.
Codigo de etica e pr6ticas profissionais
B. Devemos descrever nossos dados e descobertas de forma
Nos, membros da Associa9ao Americana de Pesquisa de precisa e apropriadamente detalhados em todos os relat6rios de
Opiniao Publica, subscrevemos os principios descritos no se-
pesquisa , seguindo os padr6es de exposi9ao minima especiti-
guinte c6digo. Nossos objetivos sao apoiar uma pratica etica
cados na Se9ao Ill.
bern fun dada na feitura da pesquisa de opiniao publica e no uso
desta pesquisa para fazer politica e se tomar decis6es nos C. Se algum dos nossos trabalhos tor objeto de investiga9ao
setores publicos e privados, assim como melhorar a compreensao formal devido a den uncia de viola9ao deste C6digo, executada
publica dos metodos de pesquisa de opiniao publica e o uso com a aprova9ao do Conselho Executivo da AAPOP, devemos
adequado dos resultados de tais pesquisas. fornecer informa9ao adicional sobre a pesquisa com o detalha-
Nos comprometemos a manter altos pad roes de compe· mento necessaria, para que urn colega pesquisador possa fazer
temcia cientffica e integridade na condu9ao, analise e rela- uma avalia9ao profissional da pesquisa.
t6rio do nosso trabalho, em nossas rela96es com os respon·
dentes do survey, com nossos clientes, com os usuarios
da pesquisa para prop6sitos decis6rios e com o publico em
geral. Tambem nos comprometemos a rejeitar todas as tarefas e
designa96es que requeiram atividades inconsistentes com os
principios deste c6digo.
II. Principios de Responsabilidade do respondente por suas respostas. Tambem nao
Profissional ern
Nossas Relagoes com as Pessoas. divulgaremos ou usaremos os nomes dos respondentes
A. o Publico: para fins que nao sejam os da pesquisa, a menos que
os respondentes nos deem permissao para faze-lo.
1. Se tivermos conhecimento do aparecimento em . .
d e senas
· · d.1storgoes
- de nossa pesquisa d PUblrco
br • evemos Ill. padrao para Divulgayao Mfnima .
pu 1camente revelar o que for necessaria para . .
t · d. t - · ·
a1s 1s orgoes, mclumdo uma declara~'ao na im
corng1r Boas prciticas profissionais obrigam todos os pesqUisa-
• . y prensa de opiniao publica a incluir, em qualquer relat6rio de resul-
no corpo leg1slat1vo, na agemcia reguladora ou '
dores . - · · b
.
.
descobertas d1storcidas.
•
grupo apropnado, ante o qual foram apresentad
outro
as as ~~ d de P .
esqu isa algumas mforma~toes essenc1a1s so re como
. .
a pesquisa foi feita. Pelo menos os segumtes 1tens devem ser
2. Nao mencionaremos nossa filiagao a AAPOP como 6. Uma discussao da precisao das descobertas, incluindo,
evidencia de competencia profissional, uma vez que a se apropriado, estimativas de erros de amostragem e
Associagao nao certifica pessoas ou organizagoes. uma descrigao de qualquer procedimento de ponderal):aO
D. 0 Respondente: ou de estimativa usado.
1. Nos esforgaremos para evitar o uso de praticas ou 7. Quais resultados se baseiam em partes da amostra, ao
metodos que possam prejudicar, humilhar ou seriamente em vez de na amostra total.
enganar os respondentes de um suNey.
8. 0 metodo, o local e as datas da coleta de dados.
2. A menos que o respondente abra mao da confiden-
cialidade para usos especificados, manteremos sigilo fON!E: American Associolion lor Public Opinion Research, 1989. Usodo com permisscio.
sobre toda informagao que possa levar a identificagao
8
ftica - llustra~6es Relevantes entrevistados que relataram haver participado do saque a
lojas durante um tumulto recente. Para nao agir como
A etica cia pesquisa de survey, ou de qualquer pesquisa cumplice, voce cumpre a ordem.
cientffica, nao e muito bem definida. Neste capitulo, indi-
quei relativamente poLJCas diretrizes claras, e a maior parte 6. Ao completar sua analise, voce descobre que vinte
delas esta sujeita a debates, porque representam minha pr6pria e cinco das duas mil entrevistas foram falsificadas pelos
orienta~ao pessoal.
entrevt·stadores
' · Voce decide ignorar este fato em seu
Minha maior preocupa~ao e sensibiliza-lo para as ques- relat6rio.
toes eticas na pesquisa de survey. Ser capaz de reconhecer
as questoes eticas em Situa~oes reais de pesquisa e muito 7. Uma pessoa que nao foi selecionada para a amostra do
ma is imporrante do que decorar algumas normas eticas. survey entra em contato com voce e insiste em ser
Pensando nisso, concluimos o capitulo descrevendo varias entrevistada. Voce faz a entrevista e depois joga o
situa~;oes de pesquisa, a maioria delas real e algumas hipote-
questionario fora.
ticas. A maioria delas pode ser debarida honestamente. Voce
deve identificar as questoes eticas dessas situa~;oes e consi-
dera r os passos que podem ser dados para que a pesquisa 8 . voce obtem uma lista dos assinanres da National Review
seja a mais etica possivel. para um cstudo sobre comportamento do consumicl~r. ~s
questiom'irios sao enviados para esse grupo com a expltca<;ao
1. Como instrutor em pesquisa de mercaclo, voce pede a de que eles foram "selccionados aleatoriamente".
seus alunos que completem qucstionarios que usara na
analise de um problema de pcsquisa que lhe interessa. 9. A compatibilidade racial e considerada essencial para
um estuclo sobre 0 preconceito racial. Entretanto, isso
2. Num estudo sobrc as atitudes de recem-formaclos em sign ifica que, na grande cidade sendo estudada, os
Direito, voce faz um acordo com a Ordem clos Advogados entrevistadores da minoria estarao trabalhando em condi<;c3es
do Estado para incluir um question[trio nas provas da geralmente piores do que os entrevistadores brancos.
Orclem. Completar o questionario seria uma exigencia
para o credenciamento. 10. Num survey sobre educa<;ao superior, voce quer
examinar os efeitos de varios fatores de background sobre
3. Voce concorda em fazer um survey para uma prefeitura. o desempenho academico. Para medir o desempenho, voce
Como o governo municipal nao esta sendo bem aceito obtem a media dos alunos na dirctoria cia univcrsiclade.
pela popula<;ao, VOCe instrui OS entrevistadoreS a dizcrcm
2
que estao fazenclo a pesquisa para a Universidade.
11. Garante-se aos respondentes que o questionario que
estao responclendo e anonimo. Na verdade, foi escondido
4. Sua analise clos dados produziu tantas surpresas que um numero de serie no questionario, para permitir a analise
suas hip6teses iniciais foram totalmente alteradas pelas de outras informa<;oes coletadas sobre os respondentcs a
. · r As
descobertas que apareceram em sua analise pre I tmtna · partir de outras fontes.
conclusoes finais sao tais que voce se envergonha de niio
ter come<;ado com hip6tescs apropriadas. Para se salvar,
12. Num estudo sobre comportamento sexual, voce deseja
voce escreve seu rclat6rio como se o tivesse.
superar a relutancia dos respondcntes em rclatar o que
clcs podcm considerar comportamento aberrante. Entao,
.
5. Ap6s um survey por entrevtstas sob re comporramento
dcsvianre, policiais lhc ordcnam que t·c~ entt·r·tq uc os
voce usa o seguintc item: "Todos se masturb
am de v.
Resumo
em quando; com qual freqi.if:ncia voce se m , b ez
astur a?"
os reqUls Hos da pesquisa cielllfjica exigem muita
. ·nadia e criatividade do pesquisador. As restri-;cSes ad.minis-
13. E dito aos respondentes de urn swve" q unagl ... .. . . .
- . :.r ue o estud0 .. s e pniticas frequenrememe compltcam amda mats as
esta sendo fetto para determinar como as pessoa, .• , tr:.tt1' a
, _ _. sse sentem . nc i.Inpedindo procedimentos ideais de pesquisa. As quesrcSes
com rela{:ao a uma sene de questoes publica - N CO IS,..,,
, -. s. a verdade ,euc.-
. as podem significar urn peso extra em suas costas. Ao
voce esta mteressado em determinar as fonte- d . '
s e opost~iio brir que nao ha tempo nem dinheiro suficienre para
a urn determinado assunto. descO
r melhor estudo possfvel, voce pode chegar a urn
faz e 0
compromisso brilhante, administrativamente vi:ivel e cien-
14. Voce descobre que 85% do corpo discent rificamenre adequado, para dep o is descobrir que ele vio la
. . 1 uma
e ce
untverstdade fumam maconha regu larmente A bl" -
· pu tca~ao prindpios eticos.
dessa descobcna com cet1eza provoc·u·a' muito ce 1b
ate na como repeti em todo o livro, a boa pesquisa ciemffica
comunidade. Ja que voce nao planeja analisar detalhadameme
e freqi.ienremente diffcil de ser executada. A pesquisa cientffica
o uso de drogas, decide ignorar o fato.
etica pode ser ainda mais diffcil, mas voce nao pode desconsiclerar
essas questoes. Voce deve fazer pesquisa cientificamente
15. Voce assina urn contra to para fazer urn estudo e preparar adequada, aclminisrrativamenre vi:ivel e eticamente defen-
urn relat6rio para urn patrocinador sobre cerro tema. Voce savcl. Voce nao deve violar OS direitos e o be m-estar dos
descobre que os dados ciao uma oportunidade para examinar cidadaos tentando ajuda-los.
urn tema relacionado, mas que nao e de interesse do
patrocinador. Voce usa a verba do projeto para cobrir os Not as
custos cia analise e a prepara~ao do trabalho, que voce 1 Quando o livro foi primeiramente publicado em 1973, v{trios revisores
apresenta na reuniao de uma associa~ao profissional. se opuseram a inclusao de um capitulo sobre etica em pesqu isa. Em
rcsposta aos meus coment;\rios sobre "os clireitos clos responclentes",
lembro-me de um revisor que disse: "E sobre os clireitos da ciencia?"
16. Para testar ate que ponto os rcsponclentes tenta riam Entretanto, descle entao penso que nenhum manual sobre pesquisa social
salvar a cara expressa ndo atitudes sobre questoes das foi publicado sem alguma abordagem substancial das questoes eticas. Em
minha opiniao, isso e um sinal sauclavel.
quais estao mal informaclos, voce pede atitudes sobre
uma questao fictfcia. 2
Lembre-sc do Capitulo 9 em que a pesquisa metodol6gica mostrou que
o patrocfnio de pesquisas pela universiclacle aumenta a taxa de respostas.
17. Um quest ion;lrio de pesquisa circula entre os
estudantes como parte da clocumenta{:iio para a
matrfcula na universiclade. Apesar de niio se clizer aos Leituras Adicionais
alunos que eles clevem preencher o questionario, espera-se
que eles acreditem que clevem, garantinclo uma maior BEAUCHAMP, Tom L., FADEN, Ruth R., WALLACE JR., Jay,
taxa de resposta. WALTERS, LeRoy. Ethical Issues in Social Science Research.
Baltimore: The Johns Hopkins Press, 1982.
DIENER Edward , CRANDALL, Rick. Ethics in Social and
Behavioral Research. Chicago: University of Chicago Press,
1978.
GOLLIN, Albert E. In Search of a Useable Past Public Op · .
Quarterly, v.49, p.414-424, outono 1985. . znzon
MACRAE JR., Duncan. 1be Social Function ofSocial Scienc N
Haven, CT: Yale Universiry Press, 1976.
MCGUIRE, Steven. A Feminist Ethic for Science Huma ·
e. ew
Capitulo 20
21
Society, p.461-467, novembro 1984. . ' zYand
• Quem conduziu a pesquisa? Quem pagou por ela? 0 • As mediclas das variaveis correspondcm ~~ maneira como
que motivou o estudo? Se as conclusocs corresponderem outros pesquisadores as mediram? Se nao, os pesquisadores
aos interesses do patrocinador ou do pesquisador, isso nao atuais tem boas razoes para inovar?
as desqualifica, mas ainda assim voce dcve ficar bem atento.
• Exatamente como sao rcdigidas as perguntas do
• Qual foi a unidade de an;llise~ Ela foi apropriada a questionario? Tome cuidado com pesquisadores que
finalidade do estudo? As conclusoes tiradas da pesquisa parafraseiam as perguntas.
sao apropriadas para a unidadc de analise? Por exemplo,
os pesquisadores pesquisaram domicilios e terminaram • Todas as perguntas sao feitas de forma clara e nao
fazendo afirma~;oes sobre individuos, ou vice-versa? ambigua? Etas poderiam ter sido mal interpretadas pelos
respondentes? Se sim, o que poderiam significar as respostas
• Este estudo e interseccional ou longitudinal? Fique atenro dadas, alem do que os pesquisadorcs prcsumiram?
as afirma~oes Iongitudinais fciws a partir de observa~ocs
interseccionais. • Os respondentes sao capazes de responder as perguntas
feitas? Se nao, eles podem rc:;ponder assim mesmo, mas
as respostas podem nao significar coisa alguma.
• Ser:'i que alguma clas qucst6es tern dupla resposta? p
· :.. ~'Ocure ~moshagem
conJUn<;ues como ee ou. Esta sendo perguntado aos rcsp
dentes sc eles concordam ou discordam de dua . '<1-~n
s 1 C1as
quando eles podem preferir concordar com urna , • Fazer amostragem era adequado ou deveriam ter sido
cllscordar da outra? c estudados todos os elementos?
• As perguntas tern termos negatives? Se . • Foi feita uma amostra probabilistica? Se niio, tome cuiclado
sun, os
respondentes podcm ter interpretado mal as perg com as conclusoes tiradas do estudo, principalmente
untas e
respondido inadequadamcnte. qualquer afirma<;ao descritiva.
• Ha perigo de descjabilidade social em alguma das • Sobre qual popula<;ao os pesquisadores desejam tirar
perguntas? Sera alguma resposta t'io
• certa ou ta-, o crrada conclusoes?
que os respondentes possam ter rcspondido com base no
que as pessoas pensariam deles? • Qual moldura de amostragem foi usada? Ela e uma
representa<;ao adequada cia popula<;iio que interessa ao
• Como regra geral, c bom testar todos os itens do pesquisador? Quais elementos da popula<;ao foram omitidos
questionario, fazcndo as perguntas a si mesmo, para ver da moldura da amostragem, e quais elementos estranhos a
como voce as responderia. As clificuldades que voce tiver ela foram inclufclos?
em responder podem tambem se aplicar a outros. A seguir,
t~nte supor diferentcs pontos de vista (por cxemplo, • Quais tecnicas especfficas de amostragem foram
liberal versus conservaclor, religiose versus irreligioso) e empregadas: amostragem aleat6ria simples, amostragem
pergunte como as questocs soariam para algucm com esse sistematica ou amostragem por conglomeraclo? Os
ponto de vista. pesquisaclores esuatificaram a moldura cia amostragem antes
de amostrar? As variaveis de estratifica<;iio foram escolhidas
• Quais sao os nfveis de medi<;ao - nominal ordinal sabiamente? Ou seja, elas sao relevantes para as variaveis
intervalos ou razao - das vari<1veis? Eles sao ~s nfvci~ em estudo?
apropriados?
• Qual 0 tamanho cia amostra selecionacla? Qual foi a taxa
• Se foram feitas perguntas fechadas, as categorias de de respostas? lsto e, qual porcentagem da amostra que
respostas fornecidas foram apropriadas, em numero respondeu? Ha qualquer cliferen<;a provavel entre os que
suficicnte e mutuamente cxcluclentcs? responderam e os que nao responderam?
• Se foram feitas perguntas abenas, como foram • Mesmo supondo que os respondentes sao representatives
categorizaclas as respostas? Os pesquisadores se protegcram dos selecionados para a amostra, qual e o erro de
contra seus pr6prios vieses na coclifica<;ao das respostas? amostragem a ser esperado de uma amostra desse tamanho?
Os pesquisadores informaram o erro de amostragem?
BRADB~, Norman M., SUDMAN, Seymour e S6cios. ImproVing FOWLER, H . W. A Dictionary of Modem Englisb Usage. New
Intervzew Method and Questionnaire Designs. San Francisco: Yo rk: Oxford University Press, 1965.
Jossey-Bass, 1979.
FOX, Richa rd ]., CRASK, Melvin R., KIM, Jonghoon. Mail Survey
BROWNLEE, K. A. A Note on the Effects of Nonresponse on Response Rates. Public Opinion Quarterly, v.52, p.467-491,
Surveys. journal ofthe American Statistical AssocialioH, v.52, inverno 1988.
n. 177, p.29-32, 1957. FRANKEL, Martin R., FRANKEL, Lester R. Fifty Years of Survey
BUTTERFIELD, Herbert. The Origins of Modern Science. New Sampling in the United States. Public Opinion Quarterly,
York: Macmillan, 1960. v.51, p .S127-S138, inverno 1987.
CARMINES, Edward G., ZELLER, Richard A. Reliability and Validity FREEMAN, Linton. Elementary Applied Statistics. New Yo rk: Jo hn
Assessment. Beverly Hills, CA: Sage, 1979. Wiley & Sons, 1968.
GALL, John. Systemantics. How Systems Work and Especially How
COCHRAN, William G. Sampling Techniques. New York: John
Wiley & Sons, 1963. They Fail. New York : Pocket Books, 1975.
GLOCK, Charles Y. (Ed.). Survey Research in the Social Sciences.
COLE, Stephen. TheSociologicaiMethod. Chicago: Markham, 1972.
New Yo rk: Russell Sage Foundation, 1967.
CO ZBY, Paul C. Using Computers in the Behavioral Sciences. Palo
GLOCK, Charles Y., RINGER, Benjamin B., BABBlE, Earl R. To
Alto, CA: Mayfield, 1984.
Comfort and to Challenge. Berkeley: University of California
DAVIS, James A. Elementary Survey Analysis. Englewood Cliffs, Press, 1967.
N] : Prentice-Hall, 1971.
GLOCK, Charles Y., STARK, Rodney. Christian Beliefs and Anti-
DIENER, Edward, CRANDALL, Rick. Ethics in Social and Behavioral Semitism. New York: Harper & Row, 1966.
Research. Chicago: University of Chicago Press, 1978. GLOCK, Charles Y., STARK, Rod ney. Religion and Society in
DILLMAN, Don A. Mail and Telephone Sumeys: The Total Design Tension. Chicago: Ra nd McNally, 1965.
Method. New York: John Wiley & Sons, 1978. GOLD , Julius, KOLB, Will iam. A Dictionary of the Social
DONALD, Marjorie N. Implications o f Nonresponse for the In- Sciences. New York: Free Press, 1964.
terpretation of Mail Questionnaire Data. Public Opinion GOLDEN, Patricia (Ed .). The Research Experience. Itasca, IL: F.
Qua1terly, v.24, n.1, p.99-114, 1960. E. Peacock, 1976.
DURKHEIM, Emile. Suicide: A Study in Sociology. New York: GOLLIN, Albert E. In Search of a Usable Past. Public Opinion
Free Press, 1951. Quarterly, v.49, p.414-424, outono 1985.
DURKHEIM, Emile. The Rules ofSociological Method. New York: GOLLIN, Albert E. Polling and the News Media. Public Opinion
Free Press, 1962. Quarterly, v.51, p.S86-S94, inverno 1987.
EDWARDS, Perry, BROADWELL, Bruce. Data Processing 2nd.ed. GORDEN, Raymond L. Interviewing: Strategy, Techniques, and
Belmont, CA: Wadsworth, 1982. Tactics. Homewood, IL: Dorsey Press, 1969.
William Apes Angels, and Victorians. New York:
GOYDER, John. Face-to-Face Interviews and Mailed Quesrton- IRVI NEI • I
HYMAN, Herbert. Survey Design and Analysis. New York: Free LAZARSFELD, Paul F., ROSENBERG, Morris (Ed.). The Language
Press, 1955. ofSocial Research. New York: Free Press, 1955. p.15-108.
LAZARSFELD, Pau l F., SEWELL, William H., WILENSKY, Harold RAY, William, RAVlZZA, Richard. Metbods Toward a Science of
L. (Ed.). The Uses ofSociology. New York: Basic Books, 1967. Behavior and Experience. Belmont, CA: Wadsworth, 1985.
LEWIS-BECK, Michael S. Applied Regression: An Introductio REESE, Stephen D. et al. Ethnicity-of-Interviewer Effects Among
Beverly Hills, CA: Sage, 1980. n. Mexican-Americans and Anglos. Public Opinion Quarterly,
LOFLAND, John. Analyzing Social Settings. Belmont, CA· v.50, p.563-572, outono 1986.
Wadsworth, 1984. · REYNOLDS, H. T. Analysis ofNomi11al Data. Beverly Hills, CA:
LOPATA, Helena Znaniecki. Widowhood and Husband Sancti- Sage, 1977.
fication. journal of Marriage and the Family, p.439-4SO RICHARDSON, Stephen A. et al. Interviewing: Its Forms and
maio 1981. ' Functions. New York: Basic Books, 1965.
MACRAE JR., Duncan. The Social Function ofSocial Science. New RICHTER JR. , Maurice. Science as a Cultural Process. Cambridge,
Haven, CT: Yale University Press, 1976. MA: Sche nkman, 1972.
McCALL, George, SIMMONS, ]. L. (Ed.). Issues in Participant ROPER, Burns W. Som e Things That Concern Me. Public
Observation: A Text and Reader. Reading, MA: Addison- Opinion Quarterly, v.48, p .303-309, outono 1983.
Wesley, 1969.
ROSENBERG, Morris. The Logic of Survey Analysis. New York:
MCGUIRE, Steven. A Feminist Ethic for Science. Humanity and Basic Books, 1968.
Society, v.8, p.461-467, nov. 1984.
SCHEAFFER, Richard L., MENDENHALL, William, OTT, Lyman.
MERTON, Robert K. (Ed.). Sociology Today. New York: Basic Elementary Survey Sampling. North Scituate, MA: Duxbury
Books, 1959. Press, 1979.
MERTON, Robert K., LAZARSFELD, Paul F. (Ed.). Continuities SCHUMAN, Howard, PRESSER, Stanley. Questions and Answers
in Social Research: Studies in the Scope and Method of "The in Attitude Surveys. Experiments on Question Form, Wording
American Soldier". New York: Free Press, 1950. and Context. New York: Academic Press, 1981.
MILLER, Delbert. Handbook of Research Design and Social SELLTIZ, Claire et a!. Researcb Metbods in Social Relations. New
Measurement. New York: Longman, 1983. York: Ho lt, Rine hart & Winston, 1959.
MITCHELL, Arnold . The Nine American Lifestyles. New York: SHANKs,]. Menill, TORTORA, Robert D. Beyond CATI: Generalized
Warner Books, 1983. and Distributed Systems for Computer-Assisted Surveys,
pre parado para o Bureau of Census, Primeira Conferencia
MORRISON, Denton, HENKEL, Ramon (Ed.). Tbe Significance
Anual de Pesquisas, Reston, VA, 20-23 de mar. 1985.
Test Controversy. A Reader. Chicago: Aldine-Atherton, 1970.
SHARP, Vicki. Statistics for the Social Sciences. Boston: Lirrle,
OKSENBERG, Lois, COLEMAN, Lerita, CANNELL, Charles F. In-
Brown , 1979.
terviewers Voices and Refusal Rates in Telephone Surveys.
Public Opinion Quarterly, v.50, p.97-111, primavera 1986. SJOBERT, G ideon. Ethics, Politics and Social Researcb. Cam-
bridge, MA: Schenkman, 1967.
OPPENHEIM, A. N. Questionnaire Design and Attitude
Measurement. New York: Basic Books, 1966. SMITH, Tom W. The Art of Asking Questions. Public Opinion
Quarterly, v.S1, p.S95-S108, inverno 1987.
PAYNE, Stanley. The Art of Asking Questions. Princeton, NJ:
Princeton Un iversity Press, 1965. SMITH, Tom. That Which We Call Welfare by Any Other Name
Wo uld Smell Sweeter. Public Opinion Quarterly, v.S1, p.75-
PUBLIC OPINION QUARTERLY, v.51, n.4 (Parte 2). Esta edi~ao 83, Primavera 1987.
comemorativa dos 50 anos da publica~ao (inverno 1987)
contem diversos artigos revendo a hist6ria das pesquisas STEVENs, S. S. On the Theory of Scales of Measurement. Science,
de survey. V.} Q3, p.677-680, 1946.
STOUFFER, Samuel A. Communism, Conformity and Civil
Liberties. New York: John Wiley & Sons, 1955.
STOUFFER, Samuel A. et al. The American Soldier. Princeton,
A
NJ: Princeton University Press, 1949.
STOUFFER, Samuel A. Social Research to Test Ideas. New York:
p £ N 0 (
Free Press, 1962.
STRUNK, Jr., William, WHITE, E. B. The Elements of Style. New
York.: Macmillan, 1959.
SUDMAN, Seymour, BRADBURN, Norman M. Asking Questions:
A Practical Guide to Questionnaire Design. San Francisco:
Jossey-Bass, 1982.
SUDMAN, Seymour, BRADBURN, Norman M.. The Organiza-
tional Growth of Public Opinion Research in The United
States. Public Opinion Quarterly, v.51, p.S67-S78, inverno A Tabela de Numeros Aleat6ri os
1987.
TOBEN, Bob. Space-Time and Beyond. New York: E. P. Dutton,
1975. B frro fstimado de Amoshagem para uma
Binomial (Nivel de Confian~a de 95%)
TRIPODI, Tony et al. The Assessment ofSocial Research. Itasca, IL:
F. E. Peacock Publishers, 1969.
TZE-CHUNG Li. Social Science Reference Sources: A Practical ( Oishibui~ao do Qui-Quadrado
Guide. Westport, CT: Greenwood Press, 1980.
WALLACE, Walter. The Logic of Science in Sociology. Chicago:
Aldine-Atherton, 1971.
D Areas Normais de Curva
WARNER, Lloyd. Democracy in jonesville. New York: Harper &
Row, 1949.
WATSON, James D. The Double Helix. New York: The New
American Library, 1968.
WEEKS, Michael F., KULKA, Richard A., PIERSON, Stephanie A.
Optimal Call Scheduling for a Telephone Survey. Public
Opinion Quarterly, v.51, p.540-549, invemo 1987.
WHITEHEAD, Alfred North. Science and the Modern World. New
York: Macmillan, 1925.
YERG, Beverly J. Reflections on the Use of the RTE Model in
Physical Education. Research Quarterlyfor Exercise and Sport,
p.42, mar~o de 1981.
ZEISEL, Hans. Say It with Figures. New York: Harper & RoW,
1957.
TABfLA Df NUMfROS ALfATORIOS
10480 15011 01536 02011 81647 91646 69179 14194 62590 36207 20969 99570 91291 907()()
22368 46573 25595 85393 30995 89198 27982 53402 93965 34095 52666 19174 3%15 99505
24130 48360 22527 97265 76393 64809 15179 24830 49340 32081 30680 19655 63348 58629
-12167 93093 06243 61680 07856 16367 39440 53537 71341 57004 00849 74917 97758 16379
37570 39975 81837 16656 06121 91782 60468 81305 49684 60672 14110 06927 01263 54613
77921 06907 06907 06907 27756 53498 18602 70659 90655 15053 21946 81825 44394 42880
99562 72905 72905 72905 98872 31016 7 1194 18738 440 13 48840 63213 21069 10634 12952
96301 91977 91977 91977 18876 20922 94595 56869 69014 60045 18425 84903 42508 32307
89579 14342 14342 14342 17453 18103 57740 84378 25331 12566 58678 4-1947 05585 56941
85475 36857 36857 36857 53060 59533 38867 63300 08158 17983 16439 11458 18593 64952
28918 69578 88231 33276 70997 79936 56865 05859 90106 31595 01554 85590 91610 78188
63553 40%1 48232 03427 49626 69445 18663 72695 52180 20847 12234 90511 33703 90322
09429 93%9 52636 92737 88974 33488 36320 17617 30015 08272 84115 27156 30613 74952
10365 61129 87529 85689 48237 52267 67689 93394 01511 26358 85104 20285 29975 89868
07119 97336 71048 08178 77233 13916 47564 81056 97735 85977 29372 74461 28551 90707
40719
51085 12765 51821 81259 77452 16308 60756 92144 49442 53900 70960 63990 75601
55157
02.368 21382 52404 60268 89368 19885 55322 44819 01188 65255 64839 44919 05944
64951
01011 54092 33362 94904 31273 04146 18594 29852 71585 85030 51132 01915 92747
5749
52162 53916 46369 58586 23216 14513 83149 98736 23495 64350 94738 17752 35156 3
581o4
07056 97628 33787 09998 42698 06691 76989 13602 51851 4610·1 88916 19509 2562S -
fONlf: Abreviada do Handbook of Tables for Probabilily and S/olislia.lecond Edilion. Cleveland: !he Chemical Rubber Company, 1968. Ediled by
William H. Beyer. Reproduzido com permissco dos edilares, !he Chemical Rubber Company. . a)
(conwut
09172 30168 90229 0473 1 'i9193 22178 30-121 61666 9990-1 32812
9124 5 IIS828 143·16
S$492 22·121 74103 47070 25306 74468 26384 S81SI 066·16 2152·1 1~227 9690') •1-1592
05597 24200 13263 38005 9-13-12 28728 06912 1~012 (>1161 18196 221151
;12363
87637 8"'308 SIP31 002S6 45831 15398 41135 1036- o-6.'> 1 351AA IH510
27001
2883·1 07351 19731 92420 60952 61280 67658 32586 1!6679 'i0720 9·1953
~7392 3906·1 66432 &1673 ·10027 32832 61362 %007 6-1760 61581 98153
(10742
04213 25669 26422 44407 410·18 37937 6390-1 ·15776 661}1 75·170 (>6520 901!9
05366
26418 64 117 94305 26766 259·10 39972 22109 71'i00 6-i'i68 91402 12116 69618
91921
04711 87917 n341 42206 35126 74087 99547 81817 42607 13808 766S'i 6202H 76630
00582
0072S 691184 62797 561"70 86324 88072 76222 36086 H-1637 93161 76038 6'i855 77919 8B006
69011 65795 95876 55293 18988 27351 26575 08625 •10801 59920 29&41 110150 12777 q8'i01
2S976 57948 29888 8860-1 67917 ·18708 18912 82271 65121 6977·1 33611 85%;1 03517
09763 83473 73577 12908 30883 18317 28290 O'i99H 416H>i 38917 H80'i0
91S67 42595 279;8 301}1 0402·1 86385 29880 99730 55536 29080 092'i0 79656 73211
17955 S6349 90999 49127 2004·1 59931 06115 20542 IR059 0200H ~ros 11;\SP 36103
<16503 18584 18845 49618 02304 51038 20655 58727 28168 15·175 'i6942 'i:\389 20562
92157 89634 78171 &1610 8283·1 09922 2541"' 25555 11116 35509 20-IUH
14577 62n5 35605 81263 39667 473S8 56873 56307 61607 49'iiB 89656 20103 77·190 18061
07523 33362 64270 01638 92m 66969 89420 0·1880 45'iB5 ll!IOl 46H>i0 ·1)-l)<)
63976 88720 82765 34476 17032 8751:19 40836 32·127 70002 70663 77775 693lt!
2a2n 39175 46-173 23219 699~5 66-91
53116 91970 25832 9 1t!l!i 19661 00102
54914 06990 672-15 68350 82948 11398 42878 80287 t!l!2(>7 ·m63 06511 97®9
29515 ·10980 07391 58745 25n4 22987 B0059 .:19911 96 1!19 ·11 151 I 1212 60697 59SH3
52210 8397·1 29992 65831 388'i7 50·190 8376'; 55657 1-1361 31720 562211
67412 33339 31926 J.i883 21-113 597•1 I 923'il 9~173 89286 35931 51900
00358 31662 25388 61642 3-1072 812·19 356·18 'i6!!91 l!W3 817t!l!
6s379 93526 70765 10592 OIS42 76463 5432!1 172-17 28865 11777 92277
10493 20492
38391 91132 21999 S9Sl(> Hl6'i2 16151 21923 8'i6U
(continua)
483
16108 81899 04153 53381 79401 21438 83035 92350 36693 31238 59649 91754 72772 02338
18629 81953 05520 91962 04739 13092 97662 24822 94730 06496 35090 04822 86774 98289
73115 35101 47498 87637 99016 71060 88824 71013 18735 20286 23153 72924 35165 430-lo
57491 16~03 23167 49323 45021 33132 12544 41035 80780 45393 44812 12515 98931 91202
30405 83946 23792 14422 15059 45799 22716 19792 09983 74353 68668 30429 70735 25499
16631 35006 85900 98275 32388 52390 16815 69298 82732 38480 73817 32523 41%1
96773 20206 42559 78985 05300 22164 24369 54224 35083 19687 11052 91491 60383 19746
38935 64202 14349 82674 66523 44133 00697 35552 35970 19127 63318 29686 03387 59846
31624 76384 17403 53363 44167 64486 64758 75366 76554 31601 12614 33072 60332 92325
78919 19474 23632 27889 47917 02584 37680 2080 I 72152 39339 34806 08930 8500 I 87820
03931 33309 57047 74211 63445 17361 62825 39908 05607 91284 68833 25570 38818 46920
74426 33278 43972 10119 89917 15665 52872 73823 73144 88662 88970 74492 51805 99378
09066 00903 20795 95452 92648 45454 09552 88815 16553 51125 79375 975% 16296 66092
42238 12426 87025 14267 20979 04508 64535 31355 86064 29472 47689 05974 52468 16834
16153 08002 26504 41744 81959 65642 74240 56302 00033 67107 77510 70625 28725 34191
21457 40742 29820 96783 29400 21840 15035 34537 33310 06116 95240 15957 16572 06004
21581 57802 02050 89728 17937 37621 47075 42080 97403 48626 68995 43805 33386 21597
55612 78095 93197 33732 05810 24813 86902 60397 16489 03264 88525 42786 05269 92532
44657 66999 99324 51281 84463 60563 79312 93454 68876 25471 93911 25650 12682 73572
91340 84979 46949 81973 37949 61023 43997 15263 80644 43942 89203 71795 99533 50501
91227 21 199 31935 27022 84067 05462 35216 14486 29891 68607 41867 14951 91696 85065
50001 38140 6632 1 19924 72163 09538 12151 06878 91903 18749 34405 56087 82790 70925
65390 05224 72958 28609 81406 39147 25549 48542 42627 45233 57202 94617 23772 07896
27504 96131 83944 41575 10573 08619 64482 73923 36152 05184 94142 25299 84387 3-i925
37169 94851 39117 89632 00959 16487 65536 49071 39782 17095 02330 74301 00275 48280
11508 70225 51111 38351 19444 66499 71945 05422 13442 78675 84081 66938 93654 5989-i
52924
37449 30362 06694 54690 04052 53115 62757 95348 78662 11163 81651 50245 3-i971
63798 61995 46583 09785 44160 78128 83991 42865 92520 83531 80377 35909 81250
(continaa)
-
54238
484
84846 99254 67632 43218 50076 21368 64816 51202 88124 41870 52689 51275 83556
32906 92431 09060 64297 51674 64126 62570 26123 05155 59194 52799 28225 85762
21sss
98782 07408 13564 59089 26445 29789 85205 41001 12535 12133 14645
60336
46891 24010 25560 86355 33941 25786 54990 71899 15475 95434 98227 21824 19585
-H937
63175 89303 16275 07100 92063 21942 18611 47348 20203 18534 03862 78095 50136
97656
01121 05418 38982 92237 26759 86367 21216 98444 08303 56613 91511 75928
06299
06486 03574 17668 07785 76020 79924 25651 83325 88428 85076 72811 22717 50585
79626
68335 47539 03129 65651 11977 02510 26113 99447 68645 34327 15152 55230 93448
85613
14367 61337 06177 12143 46609 32989 74014 64708 00533 35398 58408 13261 47908
18039
08362 15656 60627 36478 65648 16764 53412 09013 07832 41574 17639 82163 60859 75567
79556 29068 04142 16268 15387 12856 66227 38358 22478 73373 88732 09443 82558 05250
52608 82674 27072 32534 17075 27698 98204 63863 11951 34648 88022 56148 34925 57031
23982 25835 40055 67006 12293 02753 14827 23235 35071 99704 37543 11601 35503 85171
09915 96306 05908 97901 28395 14196 00921 80703 70426 75647 76310 88717 37890 40129
59037 33300 26695 62247 69927 76123 50842 43834 86654 70959 79725 93872 28117 19233
42488 78077 69882 61657 34136 79180 97526 43092 04098 73571 80799 76536 71255 74239
46764 86273 63003 93017 31204 36692 40202 35275 57306 55543 53203 18098 47625 88684
03237 45430 55417 63282 90816 17345 88298 90183 36600 78406 06216 95787 42579 90730
86591 81482 52667 61582 14972 90053 89534 76036 49199 43716 97548 04379 46370 28672
38534 01715 94964 87288 65680 43772 39560 12918 86537 62738 19636 51132 25739 56947
485
ER~O ESTIMADO DE AMOSTRAGEM PARA UMA BINOMIAl
(NIVEL DE CONfiANCA DE 95%)
486
Dishubukao Percentuol Binomiol
487
OISTRIBUICAO DO QUI-QUAORAOO
Probobilidode
gl .99 .98 .95 .90 .80 .70 .so
1 .03157 .03628 .00393 .0158 .0642 .148 .455
2 .0201 .0404 .103 .211 .446 .713 1.386
3 .115 .185 .352 .58-l 1.005 1.424 2.366
4 .297 .429 .711 1.064 1.649 2.195 3.357
5 .554 .752 1.145 1.610 2.343 3.000 4.351
489
ARfhS NORMhiS Of CURVA
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
07 .2580 .2611 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .38 10 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 . 4761 .4767
2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .1904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4972 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
.4985 .4986 .4986
-
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985
3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
fONIE: Abreviodo do label a Ido Slalislical Tables and Formulas par A. ~old (New York: John Wiley &Sons, 1952). Usodo com a permissoo de John
Wiley &Sons, Inc.
490
G L 0 s s R 0
A
omoslro Conjunto de re~1)0nde ntes sclecionados para estudo de forma
a garantir que o que for aprendido sobre os integrantes da amostra
tamb~m e ve rdade para a populafao da qual foram seleciona-
dos. Vcr Capltulos 3 e 5.
equacoo de regressao Equ a~ao gerada para explica r e predizcr os valores especificatoes (conslrucao do queslionorio) Conjunto de instru~oes detalhadas
de uma variavel independence com base nos valo res de uma o u sobre o tratamento adequado de situa~oes ambiguas ou com-
mais variaveis dependentes. Se Y for sempre o dobro de X, a plexas em surveys. Sempre que o entrevistador nao sabe como
equa~ao de regressao seria Y = 2X. A maioria das equa~oes de lidar com dete rminada situa~ao ou resposta, a solu~ao deve ser
regressao e urn pouco mais complexa. Ver Capitu lo 17. encontrada nas cspecifica~oes. Ver Capitulo 10.
erro noo·amoshal Imperfei~oes de qualidade dos dados, resultantes de estalislica Apesar d e este termo ser usado como referenda geral a dados
ou tros fatores que nao e rros de a most ragcm. Excrnplos: rna numericos, e le tem um signifi cado mais espedfico em rela~ao a
compreensao das questoes pelos respondentes, registros err6neos amostragem de survey uma descri~ao numerica de uma amostra,
por entrevistadores e codificadores, erros de digita~ao etc. Ver Capi- como "45% de homens". Corresponde a um parametro, que e
tulo 16. uma descri~ao numerica de toda uma populafiiO. Em amostragens,
erro padrao Desvio padrao de uma dist ribuifao de amostragem. Yer estatisticas de amostras sao calcul adas como estimativas de
Capitulo 5. parametros cia popula~ao. Ver Capitulo 5.
malo Tipo d e medida composta compreendendo diversos itens tendo estatistico descriliva Computa~oes estatisticas descrevendo as caracterfs-
uma estrutura l6gica ou emplrica entre si. Exemplos de escalas: ticas de uma amostra ou a relar.;ao entre variaveis numa amostra.
distancia social de Bogardus, Cullman, Likert e Thursto11e. Dife- Estatlstica descritiva apenas resume urn conjunto de observa~6~s
rente de lndice. Yer Capitulo 8. amostrais e nquanto estatfstica inferencial vai alem da descn~ao
' _ espec1-r·1cas para .111 fen·r s·obre a ponufarao
d e o b serva~oes r ..
maior
malo de dishincio social de Bogardus Tccnica de mccli~ao para determinar a da qual foram re tiradas as observa~oes amostrais. Yer Capitulo 16.
disposi~ao das pessoas em participarem de rela~oes sociais -
em varios graus de intimidade - com outros tipos de pessoas. E estalislico inferencial Corpo de computa~oes estatisticas relevantes a feitura
uma tecnica particularmente eficiente na medida em que diver- d e infercncias baseadas em observa~6es amostrais de uma
sas respostas discretas podem ser resumidas ::.em perda de nenhum popula):ao maior. Ver tambcm estarfsttca descrttiva e Capitulo !6.
detalhe o riginal dos dados. Esta tecnica c descrita no Capitulo 8.
e11fmulo Em experimento, evento cujo impacto esta sendo testado. Em e11udo IOciamelrico Exame de redes de rela<;oes, tais como amizades,
pesquisa medica, pode ser uma nova droga. Em criminologia, tomada de decisoes etc. Ver Capitulo 4.
urn programa de aconselhamento. 0 estimulo experimental f!A( Vide a baixo entrevistas por telefone assislidas por computador.
corrcsponde a variavel iudepende11te da an{llise de survey. Ver
experimenla Metoda de pesquisa com manipula<;ao controlada da
Capitulo 2.
variavel i11dependente (o estfmulo) para determinar seu impacto
esfratificacaa Agrupamento de unidades que formam uma popula~ao na variavel dependente. Normalmente compreende o uso de um
em grupos homogeneos (ou estratos) antes da amostragem. Este grupo de con/role e pre e p6s-teste. Ver Capitulo 1.
procedimento, que pode ser usado juntamente com amostragens
explicacao Resultado de um modelo de elabora<;rao em que a rela<;ao
aleat6ria simples, sistematica ou por conglomerado, melhora a entre duas variaveis e "explicada" pelo controle de uma variavel
representatividade da amostra, pelo menos em termos das
antecedente. Neste caso, dizemos que a rela<;ao original era
variaveis de estratifica<;ao. Ver Capitulo 5.
"espuria" e nao genuina. Ver Capitulo 15.
edrala Agrupamento relativamente homogeneo de llllidades de
amostragem da qual amostras sao selecionadas. Exemplo:
amostrando estudantes, podemos amostrar separadamente ca-
louros, 2° ano etc. Cada urn dos anos seria urn estrato. Todos f
sao relativamente homogcneos no sentido de compartilharem a
folocio ecalogico Conclusoes erroneas sabre individuos baseadas so-
mesma condi<;ao escolar e serem mais ou menos semelhantes
mente em observa~ao de grupos. Ver Capitulo 2.
em termos das caracteristicas relacionadas a ano, como idade.
Amostragem estratificada exige amostragem dentro dos estratos
para obter maior representativiclade na amostra como urn todo. G
Ver Capitulo 5.
gamma Medida de associa~ao apropriada a variaveis ordinais. Ver
edudo canlexlual Survey no qual se coletam dados para descrever as Capitulo 16.
condi<;oes nas quais os respollclentes funcionam . Pode-se fazer
grau1 de liberdade Uma quantidade requerida para avaliar a significa~fto
um survey com cstudantes e tambem colher dados sabre suas
de uma rela<;ao estatistica. Num conjunto de valores, e o n(amero
escolas. Ver Capitulo 4.
de valores que precisamos conhecer para calcular o restante.
esfudo de coorle Estudo no qual um grupo especifico e estudado ao Sabendo que duas pessoas juntas tern dez reais, ao saber quanta
Iongo do tempo, embora se possa coletar dados de membros uma tern, sabemos automaticamente quanta a outra tem. Neste
d iferentes do grupo em cada conjunto de observa<;oes. Exemplo: caso, dizemos que ha um grau de liberdade, porque s6 urn valor
um estudo da hist6ria ocupacional da classe de 1970, com pode variar. Se ncste exemplo houvesse tres pessoas, terfamos
questionarios enviados a cada cinco anos. Ver Capitulo 4. dois graus de liberdade. Ver Capitulo 16.
e1ludo de paineI Tipo de estuclo longitudinal no qual dados sao coletados grupa de canlrale Em experimenta<;ao, urn grupo de participantes a que
da mesma amostra (o paine!) em diversos pontos do tempo. Ver nenhum estimulo experimental e dado e que, exceto por isto, se
Capftulos 3 e 4. assemelha ao grupo experimental em todos os demais aspectos.
esfudo de lendencio1 Tipo de estudo lo11gitudinal no qual uma caracteris- A compara<;ao do grupo de controle com o grupo experimental
tica de uma populafiiO e monitorada por algum tempo. Exemplo: no final do experimento mostra o efeito do estimulo experimental.
as series de pesquisas da Gallup mostrando as prefercncias do Ver Capitulo 2.
eleitorado politico durante uma campanha, embora amostras grupo experimental Num experime111o, os sujeitos que nao recebem trata-
diferentes sejam entrevistadas em cada momenta. Ver Capitulo 4 · mento, servindo de compara<;ao para os sujeitos experimentais.
e1luda explicaliva Estudo projetado para revelar relafoes causais entre Ver Capitulo 2.
variaveis. Ver Capitulo 4. grupol lacoi1 Pequenos grupos reunidos para discussoes orientadas de
um determinado assunto, como urn novo produto de consumo,
su rvey lo1lgitudula 1·
esfuda inler·leccianal Estudo baseado em observa<;oes que represe~w 01
nivel de confianco A p ro b a b'l'd ponderotoa Proccdimento usado em conexao com amostragem, atraves
1 1 a(1e esumada
· de que um para metro de
do qual as unidades selecionadas com probabihdades desiguais
populac;ao caia demro de um determinado lnterva/o de confianfa.
Po~em?s ter, _assim, 95% de confian~a de que entre 35% e 45% recebem pesos, de forma a tornar representativa a amostra sele-
dos eleaores sao a favor do candidate A. Ver Capltulos 5 e 16. cionada. Ver Capitulo 5.
populocoo Especifica~ao do zmiverso a scr amostrado. Por exemplo, sao principalmente usados em pesqutsas de survey e tambem
podemos especificar o universe "americanos" como "todos os em experimentos, pesquisas de campo e outros modos de
adultos america nos morando em rcsidencias a partir de 1' de observa~ao. Ver Capitulos 3 e 9.
julho de 1990". Ver Capitulo 5.
quesloes malriciais Formato de questiotttirio no qua l uma tabela de
populacoo do survey Lista ou quase lista especffica de elementos dos quais itens e mostrada aos 1·espondentes, cada um sendo respondido
se seleciona uma amostra de survey. Exemplo: nossa popula~ao segu ndo um conjunto padronizado de respostas, tais como
pode ser "eleitores em Chicago em 1990", mas nossa popula~ao "concordo fortemente", "concordo" etc. Ver Capitulo 7.
do survey (dos ultimos se seleciona de fa to a amostra) pode ser
qui·quadrado Teste de sigrtificafdo estat fstica apropriado para variaveis
"eleitores em Chicago que constam da lista de eleitores registrados
nominais c ordinals. Ver Capitu lo 16.
em 15 de julho de 1990". Em ultima analise, as amostras que
selecionamos sao representativas das popula\=oes do survey das
quais as amostras sao tiradas. Ver Capitulo 5. R
racional Razoavel; que faz sentido. Racionalidade e um paradigma
p6s-leste Em experimentos, med idas da variavel dependente depois da
dentro do qual a ciencia opera e que e implfcito em gra nde
admin istra~ao do est(mulo ao grupo experimental. Ver Capitulo 2.
parte da vida quotid iana. E importante compreender que a vida
pni-leste (experimenlos) Em experimentos, medidas cia variavel dependell!e nao e racional, mas que racionalidade e uma moldura que im-
antes da administra~ao do estimulo ao grupo experimental. Ver pomos as nossas experiencias e observa~oes num esfor~o para
Capitulo 2. lida r eficazme nte com a vida. Ver Capitulo 1.
pre·lesle (pesquisa de survey) Teste de elementos de um desenho de pes- rozoo amoslral Propor~ao de elementos na popula~ao sclecionados para
quisa, como itens de questionario, tecnicas de amostragem etc. a amostra. Ver Capitulo 5.
Ver Capitulo 12.
reducao proporcional de erro (RPf) Metodo 16gico para conceituar associa-
probabilidade proporcional ao lamanha (PPT) Tipo de amostra por conglo- ~oes e ntre variaveis. Por exemplo, se tivermos de aclivinhar a
me rados em multip las etapas nas qua is conglomerados nao filia ~ao polftico-partidaria de uma amostra de pessoas, comete-
sao selecionados com probabilidades iguais (ver amostras remos muitos erros. Mas cometeremos menos e rros se soubermos
MIPS), mas com probabilidades proporcionais a seus tamanhos, a filia~ao dos seus pais e apostarmos que e a mesma. A redu~ao
medidas pelo numero de unidades a serem sub-amostradas. Ver de erros, enquanto percentual, e o RPE. Ver Capitulo 16.
Capitulo 5. regressoo curvilfneo Forma de analise de regressao que estuda rela~oes
probabilislico Seguir as leis da probabilidade ao fo rmawr um padrao nao-linea res e ntre variaveis. Ver Capitulo 17.
descritivo ou associa~ao entre variaveis. Por exemplo, regressoo linear Modelo de regressao que testa se a rela\=ao entre
amostragem probabilistica gera amostras que dao estimatJvas duas varidveis pode ser representada por uma linha reta.
pr6ximas - mas nao perfeitas - das caracteristicas da poptdafdO Ve r Capitu lo 17.
da qual foram selecionadas. Podemos tambem observar que
regressoo mulfipla Modelo de regressao no qual uma equ a~ao e desen-
c rianps de famfli as desfeitas "mais p rovavelmente" serao
volvida para estimar valores de uma variavel dependente atraves
delinquentes do que outras, apesar de esta nao ser uma rela~ao do conhecimento de va lores de diversas variaveis independentes.
perfeita. Ver Capitulo 1.
Ver Capitulo 17.
propasicoo Conclusao tirada logicamente de um conjunto de suposi- regressoo parcial Modelo de regressiio no qual uma variavel dependente
~oes iniciais (axiomas) n um sistema te6rico. Ver Capitulo 1. e estimada com base numa variavel independente, enqua nto uma
terceira variavel se mantem constante. Ver Capitulo 17.
Q relacoo causal Rela~ao entre duas variaveis na qual uma causa a outra.
quanfificacoo Conversao de dados para formate quantitative ou nume- Por exemplo, pode-se afirmar que aumento na educa~iio causa
rico atraves de codificafdo. Ver Capitulos 3 e 11. redu~ao no preconceito. Ver Capitulo 1.
queslion6rio Documento com perguntas e outros tipos de itens relocionamento [ropporl] Relacionamento facil, natural e confiante entre
que v isam obter informa~oes para analise. Questionarios e ntrevistador e respondente, tornando mais provavel que este
responda pergu ntas mais exata e completamente. Ver Capitulo 3.
replico~iio Geralmente, duplica~ao de urn experimento para expor ou auro-administrados, de taxa de retorno - o percemual de quas-
reduzir erro. Tambem urn termo tecnico usado em rela~,:ao ao tioniirios enviados e devolvidos. Ver Capitulo 9.
modelo de elaborafiio, referindo-se ao resultado da elaborafao leorio Explica\aO abrangente de algum setor da existencia, incluindo
no ~ual a rela~,:ao inicialmente observada entre duas variaveis (1) defini~,:oes de elementos constituindo o que vai scr explicado,
pers1ste quando uma variavel de conrrole e mantida constante (2) conjunto de suposi~,:oes e axiomas que servirao como ponto
V<:r Capitulo 15. . de partida da teoria e (3) conjunto de afirma<;:oes inter-relacio-
represenlolividode Qualidade pela qual uma amostra tem a mesma dis- nadas sobre as rcla~,:oes entre os elementos. Ver Capitulo 1.
tribui~,:ao de caracteristicas que a populafclo da qual ela foi selecio- lesle de hipolese Determinat;iio de se as expectativas representadas por
nada. Por implica\iiO, descri~,:oes e explicafi5es derivadas de uma uma bip6tese de fato existem no mundo real. Ver Capitulo 1.
analise da amostra podem representar o mesmo na popula<;:ao.
lesle de significo<iio eslolislico Classe de computat;6es estatisticas que
Representatividade e aprimorada por amostragem probabilistica
indicam a probabilidade de que a rela\aO observada entre
e permite genera lizabilidade c o uso de estatfstica inferencial.
variaveis numa amostra se clever apenas a erro de
Ver Capitulo 5.
amostragem. Ver estatistica inferencial e Capitulo 16.
respondenle Pessoa que fornece dados para analise respondendo a urn lipologio Classificat;ao (tipicamente nominal) de observa~,:oes em
questioncirio de survey. Ver Capitulo 10.
termos de seus atributos em duas ou mais variaveis. Um exem-
sele<iio oleol6rio Sele\aO de amostras pelo uso de metodos de probabi- plo de tipologia seria a classifica\ao de jornais em urbanos libe-
lidade. Cada elemento na popu!a):iio amostrada deve ter uma rais, rurais liberais, urbanos conservadores ou rurais conscrva-
chance conhecida niio-zero de sele\ao. Ver Capitulos 2 e 5. dores. Vcr Capitulo 8.
s u
sigilo Descreve urn survey no qual pesquisadores conhecem ou podem unidode de observo,iio Unidade <.Ia qual dados sao colctados. Tipicamente,
conhecer as respostas de respondentes espedficos do survey, mas e a unidade de analise, mas as duas podem diferir, como quando
garantem que elas permanecerao em segredo. Ver Capitulo 19 e entrevistas sao fei tas em residencias (unidacle de observa~,:iio) e
am5uimo. <.!ados coletados sabre os membros individuais (unidades de
analise). Ver Capitulo 5.
silogismo Modelo, as vezes usado para raciocfnio na 16gica classica,
em que urn conjunto de afirma\oes leva logicamente a uma con- unidodes de omoslrogem Unidades (por exemplo, individuos, residencias
clusao. Exemplo: (1) Manuais contem palavras. (2) Este livro e etc.) amostradas. Em geral, a unidade de amostragem e a mesma
um manual. (3) Portanto, este livro deve canter palavras. Ver que a unidade de obsarva9ao, mas nao necessariamente. Por
Capitulo 1. exemplo, residencias podem ser amostradas mas, em seguida,
ca da indivfduo nas res idencias selccionadas e entrevistado
sondor Tecnica usada em entrevistas para conseguir resposta mais
(observado). Ver Capitulo 5.
completa a uma questao. E uma frase ou pergunta nao-diretiva,
usada para e ncoraja r o respondente a aprofundar uma resposta. unidodes de analise 0 "que" ou "quem" esta sendo estudado. Em pesquisa
Exemplos: "mais alguma coisa?" e "como assim?" Ver Capitulo 10. de ciencias sociais as unidades mais tipicas de analise sao indi-
viduos. Ver Capitulo 4.
survey longiludinol Desenho de estudo compreendendo coleta de dados
em diferentes ocasioes no tempo, em contraste com estudos trmrs- universe Massa geral e abstrata de pessoas sobre as quais se quer tirar
versais. Ver Capitulo 4 e estudos de tendencias, de coorte e paine/. conclusocs. Exemplo: "americanos". Mas na sele~,:iio de amostras
c necessaria ser mais especifico na
idcntifica\iiO de quem temos
em mente. Ver popula):ao, popula9iio de survey e Capitulo 5.
T
lobelo de conlingencio Formato para most rar rela<;:oes entre variciveis sob v
a forma de distribui ~,:oes pcrcentua is. Ver Capitulo 14. volido(iio exlerno Processo de testar a validade de uma medida, como
loxo de resposlos Numero de panicipames num sun>ey dividido pelo numero um fndice ou ascala, examinando suas re l a~,:oes co m outros
selecionado na amosrra, em forma de porcentagem. Tambem supostos indicadores da mesma variiivel. Por excmplo, se o indice
chamada de taxa de questionarios completados ou, em surveys
realmcnte medc preconceito, deve correlacionar com outros vori6vel dependenfe A variavel que se supoe depender de ou ser causada
indicadores de preconceito. Ver Capitulo 8. por outra (chamada variavel illdependente). Se se descobre que
rencla e em parte fun~ao da quantidade de educa~ao formal, a
volidociio inferno Processo pelo qual os itens individuais de uma medida
renda esta sendo tratada como variavel dependente. Ver Capitulo 15.
composta se correlacionam com a pr6pria medida. Assim se te:;ta
a decisilo de incluir todos os itens na meclida composta. Ver ainda vori6vel independenfe Varia vel cujos valores niio sao problematicos numa
ualidafdo extema e Capitulo 8. analise, mas considerados como dados. Supoe-se que uma vari-
volidade Termo usado para descrever uma medida que reflete com avel inclependente cause ou determine o valor de uma variavel
exatidao o conceito que se pretende medir. Por exemplo, seu QJ dependente. Se descobrirmos que religiosidade e em parte fun~ao
parece ser uma medida mais valida de inteligencia que o numero do sexo - mulheres sao ma is religiosas que homens - , sexo e
de horas que voce passa numa biblioteca. E importante entender a varH1vel independente e religiosidacle a dependcntc. Qualquer
que nunca se pode provar a va lidade definitiva de uma medida. varH1vel pode ser tratada como independente numa pane da analise
Podemos, porem, concordar quanto a sua validade relativa, ba:;e- e como dependente em outra parte. Religiosidade pode se tornar
ados nas validades aparente, por C1'ilerio, de contetldo, por uma variavel independente na explica~ao de crime. Ver Capitulo 15.
construfao, intema e extenw. Niio deve ser confundido com voriovel ordinal Variavel cujos atributos diferem entre si em alguma
confiabilidade. Ver Capitulo 7. med ida de grandeza, como por exemplo variar de alto a baixo
validode aparenfe Qualidade de um indicador que o faz parecer uma ou de fraco a forte etc. Ver Capitulo 7.
medida razoavel de alguma variavel. Parece fazer senrido, sem vori6vel supressora No modelo de elabora~ao, uma variavel de controle que
mu ita explica~ao, que ir freqilentemente a igreja ~ indicador de interagc com as variaveis independcnte c dependente, camuf1ando
religiosida de . Tem validade aparente. Ver Capitulos 7 e 8.
a rela~ao entre elas. Ver Capitulo 15.
validade de cansfruciio 0 grau em que uma medi~ao se relaciona da vies Qualidade de um instrumento de medida que tende a resultar em
fo rma esperada com outras variaveis num sistema de rela~oes
ma interpreta~ao do que esta sendo medido numa determinada
te6ricas. Ver Capitulo 7.
dirc~ao. Por exemplo, o item de questionario "Voce nao concorda
validode de confeudo 0 grau com que uma mcdida cobre a faixa de que o presidente esta fazendo um born traba lho?" seria tenden-
significados incluidos no conceilo. Ver Capitulo 7. cioso pois, em geral, incentivaria repostas mais favoraveis. Ver
validade relacionodo a criteria Em que grau uma medida se relaciona a Capitulo 7.
algum criteria externo. Por exemplo, a validade da junta escolar
e demonstrada por sua capacidade de prever o sucesso dos alu-
nos na fac ul dade. Ver Capitulo 7.
vori6veis Agrupamentos 16gicos de atributos. A variavel ··sexo" se com-
poe clos atributos "masculine" e "feminine". Ver Capitulos 5 e 7.
~ binomial.
voriovel binomial Uma variavel com apenas clois atributos
Um exemplo e sexo, com os au·ibutos mascu line e feminine. Ver
Capitulo 5.
vori6vel de conlrole Variavel mantida constanre, para esclarecer a rda<;:iio
entre cluas outras variaveis. Exemplo: tendo clescobeno uma rela~iio
entre educa~ao e preconceito, a variavel sexo pode ser mantida
constante, examinando a rela~ao entre educa~iio e preconceito
somente entre homcns e depois somente entre mulheres. Ne:;te
exemplo, sexo e a variavel de controle. Ver Capitulo 15.
vori6vel de disforciio No moclelo de elabora~ao, uma variavcl de controle
que interage com as variaveis independente e depenclente,
fazenclo a rela~ao cia:; duas parecer 0 conrrario do que de fato e. ver
Capitulo 15.
f N D I Cf R f MISS I VO
A
Ab ramson, Paul R., 261, 275 Amodras edratificadas, 117
Ace, Goodman, 115 Amodras eshatificodas sidematicos, 117
Aco o, 436 Amoshas MIPS£, 120
Afi rmoccies explicotivos, 96 Amodras poralelas, 106
Aleatorizocoo, 205 Amoshos por conglomerodo, 117, 161-166
Alwin, Duane f., 208, 211 Amodras sidematicos, 117
Amer ican Association for Public Opinion Research Amplitude, 243
(AAPOR), 81, 456-459 Amplitude semi·interquodilico, 343
American Soldier, !he, 455 Analise.
Ameri conos negros, 60, 79, 261 Ver tambem Analise multivariada; Analise
Amodro de area complexo, exemplo de, 167 de regressao; Analise univariada
Amoshogem oleotorio simples, 135 ava liativa, 320
Amodrogem. Ver lambem Amodrogem probabilfdica bivariada, 349, 353-356
conceitos e terminologia, 120-125 de con teudo, 70-72, 87, 156
de mulhc res da Igreja Episcopal, 162-165 de dados, 72-73, 470-47 1
de professores de cscolas de estudo-piloto, 312-313
de medicina , 161-162 de ite m, 229-230, 233
de domicflios em Oakland, 165-176 de pesquisa de survey, 223-224
desproporcional, 148-151 de pre-teste, 309-310
e Bu reau do Ccnso, 78-79 de trajct6ria, 415-417, 431
e o consumidor, 469-470 de va riflncia, 421-424, 431
estratificada, 137-139 discriminante, 424-428, 432
intencio nal , 153-154 etica na, 455-456
nao-proba bilistica, 117, 152-153 fa torial , 417-42 1, 43 1
por conglomerado em relat6rio de, 440, 441-442
multipl as e tapas, 140-1 44, 165-176 sccundaria, 79
por cotas, 115, 154-155 unidades de, 98-101
por julgamcnto, 153-154 Analise bivoriodo, 341
precisao de dados cia, 114-117 construindo tabelas na, 353-356
Amodrogem com probabil idade proporcionol ao formatos de tabela na, 356
tamanho (PPT), 145-147 Analise multivoriodo, 97, 337, 357-360
exemplo de, 162-165 tecn icas avan~adas pa ra, 409-432
Amodragem sidem6tica,135-137, 139-140 Analise de regressoo, 409-41 o, 431
Estratifica~ao implicita, 139-140 cu idados, 415
Amoshas oleotorias simples, 117 curvil inea, 414-415, 431
linear, 410-421, 43 1 imagem trad iciona l cia, 327-331
multipla, 413, 431 na pratica, 41-43
parcial, 414, 431 visao crftica, 39-41
Anal ise univoriodo, 337 visao tradicional cia, 37-39
dispe rsao em, 343 Cienc io social, 57-58
d istribui\;'ao em, 337-339 caracterfsticas de, 62-66
tende ncia central e m, 339-343 como cientffica, 87-90
variaveis em, 343-344 e regularidaclcs sociais, 58-62
Anderson, Barbaro A., 261, 275 metodos de pesqu isa em, 67-75
Anonimalo, 45 1-452 programas de computador para, 284
Anli-semilismo, 416-417 Cienlislos, 43-45, 180
Associocoo Closse social, 181
e med i\;oes, 331, 333-343 e envolvimento com a igreja, 83, 375-376
medidas de, 385-391, 416 Codificocoo, 87, 288-289, 297-299. Ver lomhem
Associacoo Americana de Ciencia Polilica, 8 1 Codificacoo nos morgens; Pre-codificociio
Associocoo Americana de ~ociologio, 81 para folhas de lei tura 6p tica, 299
Associoccies, profissionais, 8 1 para fo lh as de transferencia, 293
Mribulos, 182 , 28 1 Codificociio nos morgens, 294
Coeficienles de lrajelorio, 416
Colelo de dodos, 245, 328
B estudos-pilo to, 311-31 2
pre -teste, 307
Bishop, George f., 192, 211 Componhia de M6quinas de lobulocoo, 281
Brohe, lycho, 48 Compulodores, 280
Bureau do Censo. Ver U.~. Bureau of lhe Census em pesquisa de survey, 280-288
Bush, George, 116- 117 Conceilos, 4 2
Butterfield, Herber!, 48 , 55 Conceiluaciio, 179-182
Confiobilidode, 195-1 96
( e va lidade, 198
California, Universidode do Conglomerados [cluslers]. 140
em Berke ley, 81, 97, 272 Consumidar, de pesquiso de survey, 465-471
e m Los Angeles, 81 Copernico, Nicolau, 47
Compo, 28 1 Correlociio, 43
Conlril, Hadley, 181 Correlocoo produlo-momenlo (r) de Pearson, 390-391,
Cargos foloriois, 418 406
Carmines, fdword, 197, 211 Crosk, Melvin R., 252-253, 258
Corlcies IBM, 28 1
Censo, 78 D
Chicago, Universidade de, 8 1 Dodos
Chrislion Beliefs and ~nli-Semilism (Glock e ~lark), 233 a na lise de, 72-73, 470
Ciencia, 37, 43-45 e cien tistas, 180
caracterfsticas de, 45-54 em ca noes perfurados, 281 -282
e ciencia social, 57-75 falta ntes, em Indices, 227-229
e pesq uisa de survey, 82-86, 87-90 precisao de, 114-117
512
tipos de, 185-186 flemenla, 121
rcdu~ao de, 214, 235-236, 243, 384-385 fllis, Shmuel. 155, 158
Darwin. Charles, 48, 61 "fmparelhomenlo racial", 354-356
Oeducoo, 41 Entrada de dodos, 293
Oehnquencia, 419-420 dircta, 294-295
Depress co, a, 72, 79 pelos entrevistadores, 296
Oesconfirmabilidade, 52 pre-codificado para, 297-299
Oescricoa, 96, 179, 436 fnlrevisla por lelefane assislida
por compulador (HAC), 271, 272
Oescricoes de subgrupos, 344-349
fnlrevi slador(es)
Oesenhos de omoslra
apresenta~ao e aparencia, 261-263
exe mpl os de, 159-177
despedindo, 274-275
e o Bureau do Censo, 79
en trada de dados por, 296
pre-teste de, 303-304
imponfincia do, 259-260
tipos d e, 134-1 47
instru~ocs para, 208-209
Oesenhos de pesquisa de wrvey, 93-94 Ver lambem treinamcnto do, 266-267
Oesenho de pesquisa; Desenho de amoslra; Desenhos
fnlrevislando
de survey
opera~ao de, 270-275
Oesenho de pesquisa, 466-467 regras para, 261-265
Oesenhos de wrvey, survey, 87
basicos, 101-1 05 fnlrevislos
escolha de, 108-109
pratica, 268
relat6 rio de, 440
redistribuindo, 273
varia ~oes do biisico, 105-107
verificando, 274
Desvio padroo, 343 fnlrevislas de wrvey
Desvio quarlilico, 343 en trevistador para, 259-260, 266-269
Delerminismo entrevistando para, 261-265, 270-275
probabilistico, 48-49 "fnlrevislo por inlerceplocoo em Ihoppingt, 155
em ciencia, 48
fnvalvimenlo
em ciencia social, 63
e classe social, 375-376
em pesquisa de survey, 83
tipos de, em religiao, 183
Dewey, !homos, 115
fquacoa de regressoo, 410
Dimensoes, 182
frro(s).
medi~ao de, 184 amostragem, 124, 125, 137, 486
Discogem digital alealoria, 133 nao-amostrais, 393
Dispersoo, 34 3 padrao, 128
Dulribuicoo omoslral binomial. 126-131 redu\iiO proporcional do, 385, 406, 412
Dulribuicoes de frequencio, 338 Escolas, 243
Drogas, 104-105 constru~ao de, 233-243
Dukakis, Michael 116 de Distancia Social de Bogardus, 234-235
0 . . ' de diferencia~flO semantica, 389
urkhetm, fmile , 72-73, 75
Guttman, 236-240
t Likert, 189, 232-233
Thurstone, 235-236
Einstein, Alber!. 44' 50 versus Indices, 214-217
flobora(ao, 381 fscala de Columbia, 363
513
fscolos de medicine fxperimen!o, 39
amostrando profcssorcs de, 161-162 comrola do, 67-69, 86-87
mitude sobre o Medicare em, 363 de laborat6rio, 156
fscores, de indices, 225-227, 238-239 fxplicocoo, 96-97, 179
fspecificot<io, 37+376, 381 como objetivo tk pcsquisa, 437
fspec ificidade em paradigma de elabora(ao, 372-373, 381
Da ciencia, 51 fxplorot<io, 97, 436
Da ciencia social, 65 fxlropolot<io, 415
Da pesquisa de sun•ey, 84-86
fslal islica(s), 124 f
social, 385, 405-407
fslol islico descrilivo, 383, 405 folocio ecol6gico, 72, 99
medida::. de associar;ao em, 385-391, 405 filiotlio politico, 421-424
r edu~ao de dados em, 383-385 firmos de pesquiso de opinioo, 79
fslolislico inferenciol, 383, 391, 405 fisher, R. A., 80, 118
infcrencia::. univar iadas em, 392-393 folhos de c6digo, 296
testes de significftncia esta tfstica em, folhos 6plico·sensiveis, 296
393-405, 405-407 folhos de lronsferencio, 293
fslimulo, 67 forslund, /r\orri s A., 418-419
fslrolificot<io, 138-139 fox, Richard J., 252-253
e amosrragem p or conglome rad o
em multiplas etapas, 144 G
em amostragem sistematica, 139-140
em exemplo de amostra complcxa Gamma, 387-391, 406
de area, 168-171 Gallup, George, 79, 11 5
em excmplo de arnostra sistematica General izobi Iidode,
estratificada, 160 na ciencia, 49-50
fslrolo, 144 na ciencia social, 62-63
sele~ao de quarreiroes denu·o de, 171-172 na pcsquisa de survey, 83
fsludos conlexluoi s, 106-107 Glock, Charles Y., 82, 90, 183, 21 I, 333, 334,
fsludos de coso, 73-74 380, 382
fsludos de coorle, 102-103 Grous de liberdode, 402
fsludos de poinel, 80, 102, 103-104, 108 Grupo de conlrole, 68
fsludos-pilolo, 303, 309 Grupo experimental, 68
avaliando, 313-320 Grupos focois, ISS
fazendo, 310-313 Gullmon, louis, 236
fsludos sabre as fleitoes Nocionois, 261
fsludos sociomelricos, 107 H
fsludos de lendencios, 102 Harris, louis, 79
me. 271-272 Helerogeneidode, J 18-119
Elico, Hip6leses, 39, 329
c6digo dl!, 456-459 nula, 401
ern pcsquisa de survey, 445-456, 462 Hip6/eses f! X pori facio, 379-380
ilusrra~<ks,
460-462 Hollerith, Hermon, 280
ftico prolestonle, 78 Homogeneidade, 118-119
514
155, 158
K
Kendall, Palr icia, 367-368, 382
Kepler, Johannes, 48
lgreja, 82-83, 375-376. Ver lomhem Religioo;
Kim, Jonghoon, 252-253, 258
Religiosidade
Kish, leslie, 121, 158
lgualdade sexual, 349-360
exe mplo hipotctico de, 394-399 Krosnick, Jon A., 208, 211
indices,
dados fa ltantes em, 227-229 L
e escalona mcnto Li kert, 232-233
lambda, 386-387, 406
escores de, 229-232
london, Alfred M., 115
inte rpermutabilidac.le c.le, 327, 331-332
rela~;o es bivaria c.las e m, 218-222
lazorsfeld, Paul F., 80, 90, 327, 331, 334, 363,
re l a~;oes multiva riadas e m, 222-225
367-368, 382
sel e~;ao d e itens para, 217-218 leis, 44
valic.la ~,:a o de, 229-232 liked, Rens is, 189, 232
ve rsus escalas, 214-217 limpezo
lnducoo, 41 de conti ngencias, 300-301
lnferencias univoriodas, no eslotlslico infmnciol, de dados, 299-300
391-393. 406 de possiveis-c6digos, 299
lnslilulo Americana de Opinioo Publica, 11 5 linha de regressoo, 410, 411-41 2, 43 1
lnslilulo para pesquiso social , 8 1 liferory Digesl, 1 15- J 16
lnslrucoes, para queslion6rios, 206-209 livro de c6digo, 29 1-292
lnslrumenlo de pesquisa co n s tru ~;ao de, 291-293
Estudo-piloto, 3 11 l6gico
Pn!-testa ndo, 304-306 da amostragem probabilistica, 118- 120
lnlernalional Business Machines Corporation (IBM), 28 1 da ciencia, 45-48
lnlerpermulabil idade, de indices, 327, 331-332 da cie ncia social, 62-63
lnlerpolacoo, 41 5 da co n ce itua ~;ao, 179-182
ci a cons t r u ~;ao de ind ice s e escal as,
lnlerprelacoo, 3 74, 38 1
216-217
lnlersubjelividode, 86, 290
da e laboracao, 381
cia cie ncia, 52-53
da pesquisa de su rvey, 82-83
cia cie ncia social, 65-66
cia significil ncia estatistica, 399-401
lnlervolo omoslrol , 136 cle clu tiva, 46-48
lnlervolos de confionco, 124 ,1 30 inclutiva, 47-48
llem(ns) lopala, Helena Znaniecki, 389, 407
analise de, 229-230
rel a~,:oes bivariadas e ntre, 21 8-222
rela ~;oes muhivariadas entre, 222-225
sele~,:ao de, 217-2 18
M
v a li da~;ao de, 319 Morginais, 338
vies e m, 194
Marx, Karl, 78, 180
] Molriz de correlocoes, 389
Mazur, Allan, 87, 90
Jacquard, Joseph-Marie, 280 Mediano, 339-343
515
I'
Medias, 339-341 Mulheres episcapois, 83, 84, 375, 376, 451
Medicare, 376 amostragem de, 162
Medicoa(oes) 58 Mullidimensionalidode, de lipolog ias, 240
de dimensoes, 184 Muluamenle excludenles, 46
e associa~ao, 331, 333-334
e consumidor, 467-468 N
nfveis de, 187-189
Medicoes naminais, 187 Nalionol Opinion Research Center, 81
Medicoes de inlervalo, 187 Newlon, ~ir Isaac, 44
Medicoes ordinais, 187 Niveis de confianca. 124-125, 130
Medicoes de rozoo, 188 e inferencias univariadas, 392, 406
s lobela(s)
de mudant;:as, 104
Sokumoto, !om, 192 de numeros aleat6rios, 482-485
Scanner 6ptico, 296 explicativas, 360
Selecoo na an<ilise bivariacla, 353-357
aleat6ria, 68, 125-126 na analise multivariada, 357-360
de itens, 217-218 laxas de resposlo, 253-254
518
' J
Cole~ao hprende r
2. ASTRONOMIA FUNDAMENTAL
Rodrigo Dias Tarsia
6. 1, 2, 3 DA SEMI6TICA
}LI!io Piulo