Você está na página 1de 25

12º Encontro da ABCP

18 a 21 de agosto de 2020
Universidade Federal da Paraíba, João Pessoa (PB)

Área Temática: Ensino e Pesquisa em Ciência Política e Relações Internacionais

Métodos Quantitativos e Qualitativos: uma proposta de integração

Murilo de Oliveira Junqueira


Universidade Federal do Pará
http://lattes.cnpq.br/2764182741921334
Resumo
Este é um artigo teórico que pretende discorrer sobre a já muito discutida disputa entre
métodos quantitativos e qualitativos nas ciências sociais. Meu ponto principal é mostrar que
essa disputa entre os adeptos de um método e de outro não diz respeito tanto aos métodos
em si, mas sim às abordagens epistemológicas normalmente usadas pelos usuários de cada
método. Os quantitativistas normalmente utilizam uma abordagem que vou chamar de
“objetivista” enquanto os qualitativistas, em geral, preferem a abordagem “interpretativista”. É
a disputa entre o “objetivismo” e “interpretativismo”, e os pontos de partida filosóficos
diferentes que essas abordagens partem, que gera a disputa entre esses dois times. Porém,
essa disputa é em grande parte gerada por incompreensão de um lado a outro. Ambos os
lados teriam muito a ganhar se passassem a colaborar mais, construindo um ciclo de pesquisa
que envolvesse, coletivamente, todas as abordagens, cada uma colaborando à sua maneira
para o progresso da ciência. Até mesmo ao nível do pesquisador individual, seria proveitoso
ele utilizar hora uma abordagem, hora outra, dependendo da fase de sua pesquisa.
Palavras-chave: epistemologia, desenho de pesquisa, métodos quantitativos, métodos
qualitativos

Abstract
This is a theoretical paper that aims to debate the already discussed dispute between
quantitative and qualitative methods in the social sciences. My main point is to demonstrate
that this dispute between the adepts of each method is not so much about the methods
themselves, but about the epistemological approaches normally used by the users of each
method. Quantitativists usually use an approach that I will call "objectivist" while qualitativists,
in general, prefer the "interpretive" approach. It is the dispute between "objectivism" and
"interpretativism", and the different philosophical starting points that these approaches depart
from, that generates the dispute between these two teams. However, this dispute is largely
generated by misunderstanding from side to side. Both sides would have a lot to gain if they
started to collaborate more, building a research cycle that collectively involved all approaches,
each collaborating in its own way for the progress of science. Even at the level of the individual
researcher, it would be beneficial for him to use one approach, another time, depending on the
stage of his research.
Key words: epistemology, research design, quantitative methods, qualitative methods

2
Nesse artigo irei discorrer sobre a já muito discutida disputa entre métodos quantitativos e
qualitativos nas ciências sociais. Meu ponto principal é mostrar que essa disputa entre os
adeptos de um método e de outro não diz respeito tanto aos métodos em si, mas sim às
abordagens epistemológicas normalmente usadas pelos usuários de cada método. Os
quantitativistas normalmente utilizam uma abordagem que vou chamar de “objetivista” (para
evitar o termo “positivismo”, que gera muita confusão e normalmente é empregado de forma
historicamente errada) enquanto os qualitativistas, em geral, preferem a abordagem
“interpretativista”, que muitos também chamam de “construtivista” ou “não-positivista”.
Contudo, abordagens e métodos não estão necessariamente ligados um ao outro, existindo
métodos quantitativos interpretativistas e métodos qualitativos objetivistas. É a diferença entre
os pressupostos epistemológicos do objetivismo e do interpretativismo que é a principal fonte
das divergências. Porém, essa disputa é em grande parte gerada por incompreensão de um
lado a outro. Todos os lados teriam muito a ganhar se passassem a colaborar mais,
construindo um ciclo de pesquisa que envolvesse, coletivamente, todas as abordagens, cada
uma colaborando à sua maneira para o progresso da ciência. Até mesmo ao nível do
pesquisador individual, seria proveitoso ele utilizar hora uma abordagem, hora outra,
dependendo da fase de sua pesquisa.
Esse artigo se estrutura da seguinte forma: na seção a seguir, “Dois métodos, duas
epistemologias”, faço as distinções conceituais e estabeleço o ponto fundamental do artigo –
a ideia de que a disputa entre os métodos quantitativo e qualitativo muitas vezes mascara a
disputa entre epistemologias diferentes. Na sessão seguinte, intitulada “Uma proposta de
integração metodológica”, mostro como diferentes métodos e epistemologias podem ser
integradas em um único ciclo de pesquisa onde cada abordagem contribui de uma forma para
o progresso científico. Em seguida, faço uma revisão bibliográfica sobre o tema, com maior
ênfase na ciência política1, mostrando que a visão colocada nesse artigo é sempre sugerida,
mas nunca claramente mostrada nos manuais de metodologia; o que explica algumas
incongruências e inconsistências na literatura. A sessão “A importância de uma boa hipótese”
desenvolve o argumento principal. Por fim, há uma breve conclusão.

Dois métodos, duas epistemologias.


Para poder delimitar mais precisamente o objeto de debate, gostaria de deixar claro que
estou falando apenas das pesquisas empíricas em ciências sociais. Portanto, não estou
falando de trabalhos não empíricos, como aqueles de cunho normativo, que visam argumentar
sobre os princípios de justiça ou injustiça ou qualquer “dever ser”. Apenas estou falando

1
Como a área de formação do autor é ciência política, esse campo de estudo acaba tendo uma atenção privilegiada
(embora autores da sociologia e antropologia também são citados). Contudo, os argumentos aqui não se restringem
à ciência política e são válidos para todas as ciências sociais.
2
daqueles trabalhos que visam descrever e explicar a realidade social: que visam falar “o que
é” e não “o que deveria ser”, ou seja, as teorias positivas (não confundir com “positivismo”).
Também não estou discorrendo sobre os estudos puramente teóricos, que visam analisar o
caráter, os pressupostos e a qualidade de conceitos. Isso não é uma tentativa de desqualificar
os trabalhos de cunho filosófico, que tem sua relevância teórica própria. Para deixar claro,
creio firmemente que qualquer tentativa de fazer ciência sem sólida base filosófica é
completamente vã. Além disso, sempre é possível aprender e aprimorar a ciência utilizando a
filosofia. Isso é verdade para qualquer ciência, mas é ainda mais importante para as ciências
sociais, dado que grande parte dos nossos objetos de pesquisa são construções do
pensamento; como opiniões, ideologias, leis e instituições. Aliás, esse próprio artigo pode ser
perfeitamente classificado como um estudo de “filosofia das ciências sociais empíricas”. Dito
isso, quero deixar claro que as reflexões abaixo dizem respeito APENAS aos trabalhos
empíricos.
Feita essa delimitação inicial, gostaria de colocar mais algumas diferenciações. A primeira
diferenciação fundamental é entre métodos quantitativos e qualitativos. O que diferencia
ambos? A meu ver, a principal diferença entre ambas as abordagens é que os estudos
quantitativos utilizam a matemática (notadamente a probabilidade e a estatística) para
produzir inferências. Para que a matemática seja aplicável à análise, necessariamente se
deve ter muitas unidades de observação2, dado que os teoremas estatísticos não funcionam
abaixo de certo número3. Os estudos qualitativos, por contraste, visam o estudo intensivo de
uma ou poucas unidades de observação, o que inviabiliza o uso da matemática, mas permite
o uso da lógica e da teoria dos conjuntos4. Então, em grande parte, tudo se resumiria ao uso
ou não da matemática; o que leva, consequentemente, à questão de poucas ou muitas
unidades de observação5. Muitos poderiam contestar essa definição, dizendo que o que define

2
Uso aqui o termo “unidades de observação” para designar os objetos ou eventos (pessoas, leis, acidentes, crimes,
votos, etc) que podem ser colocados como registros (linhas) em um banco de dados tabular, sendo as variáveis as
características desses registros (as colunas do banco). É importante não confundir as unidades de observação com
os “casos” ou “unidades de análise”, que são agregações maiores de relevância teórica. Por exemplo, podemos
fazer um estudo de caso de uma determinada comunidade entrevistando vários de seus membros. O “caso” é a
comunidade, cada entrevistado é uma unidade de observação. A condição para haver uma pesquisa quantitativa é
haver muitas unidades de observação, mas não necessariamente muitos casos.
3
Um número frequentemente citado é 30 unidades, embora esse número seja mais uma convenção que uma regra
(TRIOLA, 2017).
4
Para um demonstração entre lógica formal e métodos qualitativos, ver Goertz e Mahoney (2012, p. 16–40).
5
A rigor, outra questão fundamental é o número de variáveis por unidade observada. Os teoremas da estatística
mostram que a análise quantitativa requer, por princípio, que o número de variáveis seja menor que o número de
unidades de observação. Na prática, é extremamente desejável que o número de unidades seja bem maior que o
número de variáveis, de modo a permitir um número confortável de “graus de liberdade” (ANGRIST; PISCHKE,
2009). Os estudos qualitativos, ao contrário, rotineiramente possuem um número grande de variáveis por unidade
observada; frequentemente mais variáveis que unidades de observação. “Número grande de variáveis por unidade
de observação” é a tradução estatística daquilo que os qualitativistas chamam de “descrição densa” ou “estudo
intensivo do caso”. No mundo quantitativo, isso é visto como uma desvantagem, mas no mundo qualitativo isso é
o que os pesquisadores veem como o ponto mais importante de sua abordagem.
2
um método é o material analisado ou as técnicas de coleta dos dados. Mas eu discordo.
Qualquer material, independentemente da técnica de coleta, pode ser analisado
quantitativamente a partir de um certo número de unidades. Vamos pensar no caso clássico
de entrevistas semi-estruturadas ou não estruturadas. Se tivermos um grande número de
entrevistas, podemos categorizar essas entrevistas (por exemplo, avaliando se o entrevistado
demonstrou preferência por um candidato ou não), transformar essas categorias em variáveis
estruturadas, inseri-las em uma matriz de dados e rodar modelos estatísticos. Evidentemente
isso não será possível se tivermos apenas uma (ou bem poucas) entrevistas,
independentemente se elas foram de tipos estruturado ou não estruturado. O mesmo poderia
ser feito com pesquisas de campo. Poderíamos categorizar as viagens a campo e criar
variáveis. Aliás, é possível criar variáveis com dados produzidos por não pesquisadores, como
análise de conteúdo de cartas, notícias de jornal ou post em redes sociais. Em todos os casos
temos os mesmos princípios: quando existem muitas unidades de observação, podemos usar
esses casos para análises comparativas utilizando a matemática, mas quando temos poucos
casos, temos que analisar a relação entre os dados de um mesmo caso utilizando apenas a
lógica6. É importante considerar que o número de unidades muitas vezes não é escolha do
pesquisador. Existem eventos raros ou únicos (a revolução francesa, o golpe de 1964) quem
não podem ser adequadamente comparados com outros, obrigando os analistas a fazerem
uma análise intensiva de poucos casos.
Uma segunda diferenciação, essa mais profunda e impactante que a diferença entre
métodos quantitativos e qualitativos, é a diferença entre a perspectiva epistemológica
“objetivista” e “interpretativista”. Usarei essas duas palavras para evitar chamar essas duas
abordagens de “positivista” e “não-positivista”, respectivamente, pois esses termos são
sujeitos a grande confusão. O positivismo teve dois grandes sentidos históricos: em sua
versão original, tal como elaborada por August Comte (1978), ela era uma teoria política
normativa, que buscava reformular a sociedade criando uma espécie de “absolutismo
científico”, onde os cientistas e técnicos seriam uma casta dominante, tal como os “reis
filósofos” de Platão (“aristocracia” ou “o governos dos melhores”), e a essa casta caberia criar
uma sociedade harmônica e próspera. O Brasil foi um dos países em que o positivismo político
foi mais influente, principalmente pela sua influência sobre os militares e sobre os governos
de Getúlio Vargas, que era um positivista ideológico (FAUSTO, 2019). Mas além desse
sentido político, o positivismo também existiu como uma filosofia da ciência, principalmente a
partir do chamado “círculo de Viena”, cujo foco principal eram questões acadêmicas e não
questões políticas (PLASTINO, 1989). Quando falamos de positivismo, não sabemos se

6
Evidentemente podemos analisar qualitativamente, ou seja, sem a ajuda da estatística, um grande número de
observações. Apesar de essa ser uma possibilidade teórica, raramente vemos isso na prática. Em termos práticos,
todos os estudos de “grande n” não quantitativos e todos os estudos de “pequeno n” são qualitativos.
2
estamos falando do sentido político ou do sentido epistemológico, que, a meu ver, não estão
necessariamente ligados um ao outro. Contudo, quando falamos de ciência “objetivista”, não
estamos falando da visão positivista em termos históricos, nem de sua versão política nem da
sua versão epistemológica. A visão moderna de ciência, tal como sistematizada nos trabalhos
de Karl Popper (2004a) e outros é muito distante da visão, que os positivistas tinham de
ciência. Inclusive, é um grande erro teórico e histórico chamar o próprio Popper de positivista,
título que ele sempre recusou (2004b, p. 35–50). Não é objetivo desse texto explicar por que
a ciência objetivista não é necessariamente positivista (o que envolveria explicar as bases
epistemológicas do positivismo). Por enquanto, o exposto acima basta para explicar por que
não usamos o termo “positivismo” para designar a abordagem “objetivista”.
Voltemos agora a diferenciação entre ciência “objetivista” e “interpretativista” e como
essas abordagens são vistas pelas ciências sociais. A abordagem “objetivista” se propõe a
ser uma ciência “dura”, que faz afirmações com grande robustez. Entre seus valores, está
“somente fazer afirmações empiricamente corretas”. Quando não for possível fazer
afirmações seguras, melhor não afirmar nada e admitir o desconhecimento. Seu lema é “falar
bem, ainda que seja para falar pouco”. Obviamente, dado que o conhecimento científico é
cumulativo, a somatória de pequenas afirmações robustas pode gerar análises amplas e
completas no longo prazo. Contudo, a ciência objetivista prefere percorrer um passo seguro
de cada vez. Segundo a ciência objetivista, a melhor forma de obter robustez é a
“reprodutibilidade” das pesquisas (KING, 2015). Cada pesquisa deve poder ser checada e, no
limite, refeita por outros pesquisadores, para verificar que os dados foram obtidos de forma
correta, as relações causais realmente existem e a interpretação dos dados foi adequada. A
abordagem objetivista, modernamente, se utiliza do método hipotético-dedutivo, teorizado
justamente por Popper (2004a)7, onde primeiro se elabora uma hipótese dedutiva, em seguida
se realiza testes para se verificar se não existem evidências empíricas que falseiem a hipótese
e, caso não houver tais evidências, a hipótese ganha o status de verdade provisória ou
“melhor explicação disponível”. No entanto, as teorias científicas, nessa visão, sempre podem
ser falseadas com novas evidências ou teorias melhores, que, uma vez estabelecidas,
também ganham o status provisório de teoria aceita pela comunidade científica.
É importante considerar que no método hipotético-dedutivo a origem das hipóteses e das
teorias é exógena. As hipóteses não surgem dos dados. Tão pouco existe um método de se
criar hipóteses. As hipóteses podem vir da análise da literatura, da percepção de alguma
incongruência entre teoria e observação, de uma conversa casual ou qualquer coisa que atice
a intuição do analista. A origem das hipóteses é sempre a imaginação dos cientistas.

7
Popper não inventou o método hipotético-dedutivo, ele apenas descreveu algo que, em sua visão, já existia na
ciência prática. Sua contribuição teórica foi principalmente combater a visão filosófica que enxergava a ciência
como empírico-indutiva, visão defendida justamente pelos positivistas.
2
Já a abordagem interpretativista não busca necessariamente falsear ou corroborar teorias
previamente formuladas, mas sim fazer afirmações significativas sobre determinado
fenômeno. Aqui, o princípio mais importante não é fazer afirmações “robustas”, mas fazer
muitas afirmações. Se quer ter uma visão global dos fenômenos, ainda que a segurança de
cada informação seja relativamente baixa e tenhamos que, em muitos casos, confiar no “faro”
do analista, ou seja, em sua intuição. Nesse tipo de abordagem, a reprodutibilidade das
pesquisas não é um valor tão importante. Em verdade, a reprodução é muitas vezes
impossível, como ocorre, por exemplo, em observações de campos ou entrevista “em off”,
onde a única fonte de informação é o relato do analista. Nesse caso, não há como outro
pesquisador refazer a pesquisa para checar se a intepretação dos fatos foi correta. Grande
parte dos analistas tem a consciência de que aqueles relatos é a “sua interpretação dos fatos”,
que é mediada e influenciada pela sua posição social, sua cultura e todas as dificuldades do
diálogo intercultural e interpessoal. Obviamente, essa interação entre pesquisador e
pesquisados não é transferível entre pesquisadores. Esse “subjetivismo” interpretacionista
gera uma ciência “soft”, onde as visões dos fenômenos são construídas através de
testemunhos dos pesquisadores, com todas as limitações que qualquer testemunho pode ter.
Ao contrário do método hipotético-dedutivo, a perspectiva interpretativista prefere a grounded
theory (teoria fundamentada) (LAPERRIÈRE, 2008), onde o pesquisador vai a campo sem
necessariamente ter hipóteses prévias e fica muito atento ao que os próprios atores sociais
estão dizendo. A partir das observações é que os analistas constroem suas teorias e
explicações. Muitas vezes, para isso ser possível, o pesquisador precisa fazer uma série de
treinamentos de alteridade, para aprender a ver o outro através de seu ponto de vista e não
do ponto de vista do pesquisador. A ideia é que as técnicas de pesquisa evoluam para que os
pesquisadores interpretativistas se tornassem em “testemunhas qualificadas” dos fenômenos
sociais, com uma grande capacidade de empatia a percepção da realidade social.
Quais seriam as vantagens e desvantagens de uma abordagem objetivista e
interpretativista, no sentido aqui traçado. No lado objetivista, as principais vantagens seriam
a robustez, possibilidade de análises causais e a representatividade (generalização) dos
dados. Com as pesquisas objetivista, fazemos afirmações sólidas, não apenas descritivas,
mas também explicativas causais. Também podemos generalizar os dados a partir de uma
amostra para uma população maior mais facilmente. Por outro lado, esse tipo de estudo tem
uma evolução lenta e custosa. Infelizmente, muitos casos não podem ser checados, os dados
necessários para se fazer certos tipos de análise não são possíveis de se obter.
Principalmente, nas ciências sociais, somos privados do principal instrumento de análise que
as ciências naturais possuem: a possibilidade de realizar experimentos. Os experimentos são
o instrumento de pesquisa mais poderoso para estabelecer relações causais (ANGRIST;

2
PISCHKE, 2009). Contudo, em muitos objetos de pesquisa, os experimentos em ciências
sociais são custosos, antiéticos ou impossíveis; como é o caso do estabelecimento da relação
entre sistemas de governo e estabilidade política (não podemos atribuir aleatoriamente
sistemas de governo aos países). Quanto aos estudos interpretativistas, eles não podem (e
nem se propõem) a fazer afirmações robustas para além da interpretação do analista. Por
outro lado, eles estão livres para fazer afirmações mais abrangentes sobre os fenômenos em
análise. Essa abordagem permite fazer descrições detalhadas do seu objeto de pesquisa,
dando uma imagem muito ilustrativa e significativa aos leitores. Não raro, essas descrições
são excelentes fontes de novas hipóteses que podem ser mais bem trabalhadas por métodos
mais robustos. Além disso, o fato de não serem descrições ou explicações sustentadas por
evidências sólidas e replicáveis não significa que sejam explicações erradas. Ao contrário,
muitas das explicações que foram obtidas apenas com o “faro” ou a “intuição” do analista se
mostram completamente corretas quando são checadas por métodos mais robustos. Aliás,
até há algumas décadas, os métodos e técnicas da análise “robustos” (econometria,
experimentos sociais) não existiam ou não eram acessíveis e TODAS as teorias foram criadas
a partir de alguma variação da abordagem que eu chamei aqui de “interpretativista”. Nem por
isso as teorias criadas por Karl Marx, Max Weber, Sigmund Freud, Karl Polany, Claude Levi-
Strauss ou a economia clássica foram refutadas. Esses autores, a partir de evidências parciais
e o uso aguçado da intuição e da reflexão, conseguira criar teorias muito boas sobre como a
realidade realmente funciona.
O meu ponto principal é que a divergência entre métodos quantitativos e qualitativos
ocorre não por causa dos métodos em si, mas sim porque os pesquisadores quantitativos em
geral usam a abordagem “objetivista” e os pesquisadores qualitativos em grande parte usam
a abordagem “interpretativista”. Contudo, isso não é uma regra. Pode existir (e de fato
existem) estudos qualitativos objetivistas e estudos quantitativos interpretativistas. A
abordagem epistemológica não determina a escolha de métodos. A tabela 1 mostra exemplos
de técnicas de análise com as quatro abordagens discutidas aqui.
Tabela 1 – Quatro tipos de abordagens em ciências sociais
Epistemologia/
Interpretativismo Objetivismo
Método
Process-tracing,
Etnografia,
Qualitativo comparações
Observação participante
sistemáticas
Desenhos
Análise exploratória de dados,
Quantitativo experimentais, análise
modelos heurísticos
de regressão

2
Fonte: elaboração própria.

Métodos como etnografia e observação participantes são os métodos qualitativos


interpretativistas por excelência, pois eles são baseados prioritariamente na empatia e
observação humana (DESLAURIERS; KÉRISIT, 2008; GROULX, 2008; PIRES, 2008b). No
entanto, podemos colocar nessa categoria todas as técnicas de “imersão nos dados”, inclusive
em documentos, cujo objetivo é conhecer o objeto de pesquisa, sem uma hipótese prévia
formulada ou até mesmo sem uma questão específica formulada. Entrevistas e análises de
documentos podem tanto serem métodos qualitativos interpretativistas quanto métodos
qualitativos objetivistas, a depender de como são tratados. Se o objetivo do analista for fazer
uma afirmação robusta, esses métodos podem ser usados como pesquisa qualitativa
objetivista. Se o objetivo é só conhecer o objeto de pesquisa, então são métodos
interpretativos. Metodologias como “process-tracing” (BEACH; PEDERSEN, 2019), política
comparada ou qualquer comparação sistemática claramente buscam fazer afirmações
robustas sobre a realidade, por isso são métodos objetivistas.
No mundo quantitativo, a análise exploratória de dados se adequa perfeitamente ao que
definimos aqui como epistemologia interpretativista. Por análise exploratória, estou me
referindo a estatísticas descritivas ou correlações simples, como gráficos e tabelas. Esse tipo
de abordagem, extremamente útil para qualquer um que já trabalhou com métodos
quantitativos, visa “conhecer os dados”, dar ao analista (e seus leitores) as noções de
grandeza, proporção e distribuição dos dados. Novamente, esse tipo de abordagem é
importante para criar hipóteses ou, estabelecer fatos básicos sobre o objeto de pesquisa. Um
campo em grande crescimento, principalmente devido à crescente disponibilidade de grandes
volumes de dados (big data), é o da inteligência artificial para encontrar correlações nos dados
sem o estabelecimento de hipóteses prévias (modelos de data mining, machine learning etc).
Chamei esses modelos aqui de “modelos heurísticos”, pois eles, sozinhos, não são capazes
de criar teorias (pelo menos não no atual estágio de desenvolvimento tecnológico), mas eles
podem dar insights sobre correlações não obvias nos dados, podendo, assim, gerar hipóteses
testáveis8.
Já os métodos quantitativos objetivistas são aqueles que visam fazer um teste robusto de
hipóteses. O modelo experimental é o método quantitativo objetivista por excelência. Análise
de correlação com dados observacionais também entra nessa categoria, mesmo que as
dificuldades para gerar inferências causais válidas sejam bem maiores aqui9. É importante
considerar que o que diferencia as epistemologias objetivista e interpretativista é mais a

8
Esses modelos também são úteis para automatizar alguns processos descritivos, como classificações.
9
Para uma crítica ao poder do modelo de regressão para inferências causais, ver Brady, Collier & Seawright (2010)
e Freedman (2010).
2
intenção que o resultado. Um analista que utiliza um método com a intensão de fazer uma
afirmação robusta sobre determinado fenômeno é um objetivista, mesmo que mais tarde se
chegue à conclusão de que o referido método é, em última instância, incapaz de chegar a
esse objetivo.

Uma proposta de integração metodológica


As abordagens objetivista e interpretativista não apenas não estão umbilicalmente ligadas
aos métodos quantitativos e qualitativos, como também não são uma divergência
irreconciliável. Ao contrário, é perfeitamente possível haver uma integração entre ambas. Para
demostrar esse ponto, vou contar um caso pessoal. Em 2017, a pedido da Secretaria de
Planejamento e Gestão do Estado de São Paulo, onde eu trabalhava à época, fui fazer um
curso de “avaliação de políticas públicas”. Esse curso, realizado pela Escola de Economia da
Fundação Getúlio Vargas de São Paulo, era comandado por um grupo de pesquisadores que
usavam uma abordagem experimental de avaliação de políticas públicas, portanto, utilizava o
mais alto grau de rigor científico na perspectiva chamada aqui de “objetivista”. A técnica de
análise era, simplificadamente, sortear as pessoas que deveriam receber determinada política
pública e sortear um grupo de controle equivalente. Depois de um tempo, se recolheria
informações entre o grupo controle e o grupo de tratamento para avaliar o efeito causal da
política, um modelo de análise muito parecido com as pesquisas da área médica. Esses
pesquisadores contaram um caso onde determinado curso de qualificação profissional,
realizado na periferia de uma grande metrópole brasileira, foi avaliado como tendo efeito nulo.
Ou seja, os grupos de tratamento e controle tinham os mesmos valores nas variáveis
relevantes (renda, empregabilidade, etc), levando à conclusão de que o curso de qualificação
não impactou o público-alvo. Obviamente era um resultado não esperado e contra intuitivo,
pois o curso consumiu muitos recursos e foi planejado com grande cuidado pelos policy
makers. Mais ainda, ninguém teve nenhuma ideia sobre o que estava gerando o “fracasso”
do curso, pois, segundo os atores envolvidos, eles estavam fazendo tudo certo, em sua
própria perspectiva. Quem então foi chamado para resolver esse “enigma”? Os antropólogos!
Os gestores chegaram à conclusão de que era necessário haver pesquisadores de fora, sem
os vieses do pessoal de dentro da política, que fosse a campo falar com os formuladores,
executores e usuários do programa, para poder compreender o que estava ocorrendo. Os
etnógrafos, então, passaram alguns meses em campo recolhendo informações para permitir
aos gestores uma compreensão mais ampla dos problemas que a implementação dessa
política envolveu. É importante considerar que, para os gestores de alto nível, muitas vezes é
difícil saber o que está ocorrendo no “chão de fábrica”, dado que os fluxos de informação
estão sujeitos a muitos bloqueios e ruídos, inclusive cognitivos. Os antropólogos, então,

2
chegaram com relatórios sobre o que acreditavam que estava ocorrendo. Essas informações
puderam, então, se transformar em hipóteses testáveis por métodos mais robustos. Caso a
interpretação dos etnógrafos não tivesse sido confirmada nesses testes, uma possibilidade
seria contratar outros pesquisadores para voltar com novas hipóteses que, por sua vez,
também poderiam ser testadas. Confesso que não sei exatamente que fim teve essa pesquisa
específica, mas o que quero mostrar aqui é que nesse caso, pesquisadores quantitativistas
“positivistas” e etnógrafos “construtivistas” tiveram que trabalhar em conjunto, apesar das
divergências epistemológicas entre ambos, dado que havia um problema prático que
precisava ser resolvido.
O ponto mais importante a se reter desse exemplo é que boas hipóteses nem sempre são
obvias para um analista externo (e muitas vezes para um analista interno). Porém, a “imersão
nos dados”, ou “imersão no campo”, como os etnógrafos fazem, pode ajudar os analistas a
entender o que de fato está acontecendo, ainda que intuitivamente. A intuição, longe de ser
um componente pré-científico, é, em verdade, uma ferramenta científica. É dela, e não de
qualquer outro lugar, que surgem as hipóteses. Podemos estender o exemplo acima e pensar
um ciclo ideal de pesquisa onde todos as quatro abordagens de pesquisa são usadas, como
na figura 1.
Figura 1 – Ciclo de pesquisa

Metodologia Metodologia Metodologia Metodologia


qualitativa quantitativa quantitativa qualitativa
interpretativa interpretativa objetivista. objetivista

Fonte: elaboração própria

Para um assunto completamente novo, a melhor “porta de entrada” é a pesquisa


qualitativa interpretativista. Com ela podemos descrever os “fatos básicos” do assunto:
informações cuja existência é evidente e há pouca contestação. Por exemplo, podemos
estabelecer os atores e instituições envolvidas, a preferências explícita dos atores,
sequências históricas bem documentadas etc. Inclusive, esse tipo de pesquisa é uma ótima
forma de encontrar hipóteses relevantes sobre o assunto. Muitos estudos quantitativos
perseguem hipóteses pobres, que somente podem gerar conclusões pobres. Em minha
experiência com métodos quantitativos vi muitos casos (inclusive em minhas próprias
pesquisas) de grande esforço metodológico na construção de dados e uso de metodologias
inovadoras para chegar a conclusões óbvias ou pouco relevantes. Ou ainda pior, muitas
análises quantitativas geram conclusões sem sentido por ignorar fatos básicos do campo, que

2
poderiam ser facilmente ser obtidos se os analistas tivessem conversado com os atores ao
invés de ter feito a pesquisa do início ao fim em frente a um computador. Desenvolvo melhor
esse raciocínio na sessão “A importância das boas hipóteses”, abaixo.
Um segundo passo, que se efetiva quando existe a possibilidade de gerar análises
quantitativas, dado o número de observações, é realizar uma pesquisa quantitativa
interpretativista (análise exploratória de dados ou modelos heurísticos). Esse tipo de pesquisa
realiza a análise descritiva dos fenômenos, analisando variáveis relacionadas à distribuição
(variância, mínimos e máximos), tendência central (média, mediana, moda) e correlações. É
o primeiro teste para ver se as hipóteses “fazem sentido”.
Em seguida, realizamos uma pesquisa objetivista quantitativa. Esse é o “teste duro” sobre
as hipóteses, onde se pode inferir relações de causalidade. Nessa fase se cumpre (ou se
espera cumprir) a promessa da ciência objetivista de se fazer inferências robustas sobre a
realidade, inclusive corroborando ou refutando as hipóteses elaboradas nas etapas anteriores.
Por fim, existe a abordagem qualitativa objetivista. Por um lado, esse tipo de pesquisa
estuda poucos casos em profundidade, daí seu caráter qualitativo. Por outro lado, essa
abordagem compartilha os princípios da ciência objetivista, e procura realizar afirmações
robustas e reprodutíveis. Do ponto de vista da teoria geral, ela pode ser usada para testar
uma teoria através de um “caso crucial” (aquele que pode obrigar uma teoria a ser
reformulada) (ROGOWSKI, 2010) ou então refinar uma teoria através de um “caso desviante”,
para situações onde a teoria é boa para explicar a média, mas ruim em alguns casos (PIRES,
2008a). Esse estudo pode ainda servir para descrever os mecanismos de uma relação causal
bem estabelecida (GOERTZ; MAHONEY, 2012, p. 100–114). Em geral, se faz isso em “casos
típicos”. Podemos pensar o exemplo de uma cidade hipotética onde houve uma lei que
obrigava os bares e restaurantes a fecharem mais cedo e isso teve um efeito de redução de
criminalidade. Vamos pressupor que essa é uma relação causal já estabelecida por um estudo
quantitativo objetivista. Mesmo que houvesse uma relação causal clara, ainda não é claro os
mecanismos causais pelos quais isso ocorre. A relação causal seria explicada por menor
consumo alcoólico? Por obrigar os boêmios a irem para casa em um momento em que as
ruas ainda estão cheias? Por colocar um freio a aqueles indivíduos com tendência a
excessos? Por esvaziar as ruas em um momento em que existem mais policiais trabalhando?
Etc. Por mecanismos causais, entendo os microprocessos sociais que levam a variável
independente (nesse exemplo, o fechamento mais cedo dos bares) à variável dependente
(nesse caso, a criminalidade) (HEDSTRÖM; YLIKOSKI, 2010). A elucidação dos mecanismos
causais é a etapa mais elevada da teoria objetivista, pois permite compreender o fenômeno
em detalhes e também saber quando uma relação causal pode ser replicada em outro

2
contexto e em outro momento. Por isso, o uso da pesquisa qualitativa objetivista é de
fundamental importância.
A pesquisa qualitativa objetivista se utiliza do método hipotético-dedutivo, mas não da
probabilidade e estatística. Suas afirmações são determinísticas e não probabilísticas. Por
exemplo, imagine que um analista faça a seguinte afirmação empírica: “em determinada
reunião, a bancada evangélica convenceu o presidente da comissão a retirar o projeto de lei
da pauta”. Isso não é uma afirmação probabilística, no sentido de “pode ter ocorrido com dada
probabilidade”, mas uma afirmação de algo que de fato ocorreu. Para defender o seu ponto,
o analista não utiliza os padrões estatísticos de teste de hipóteses, ou compara casos
semelhantes, mas utiliza evidências que reforçam seu ponto. Em tese, poderiam ser
evidências da afirmação acima (1) uma gravação em vídeo de uma fala incisiva de um
parlamentar da bancada evangélica defendendo a retirada do projeto e o presidente da
comissão concordando com a cabeça, (2) documentos da bancada evangélica comemorando
a retirada do projeto e se atribuindo a responsabilidade, ou ainda (3) uma declaração do
próprio presidente da comissão. (4) Pode ser que o próprio pesquisador tenha entrevistado
um funcionário da comissão que tenham relatado toda a discussão. Pode ainda ser todos
esses fatores somados. No entanto, essa afirmação ainda é uma hipótese (não no sentido
estatístico, mas no sentido epistemológico) e, como tal, pode ser refutada com a inclusão de
novas informações. No exemplo acima, pode existir uma nova entrevista em que um
informante argumente que o presidente da comissão apenas tenha fingido ter sido
influenciado pela bancada evangélica, mas que ele teria retirado o projeto de pauta de toda
forma. E como evidência adicional, o informante tenha mostrado que o presidente da
comissão não tenha atendido nenhum pedido da bancada evangélica além desse. Esse fato
novo muda o significado das evidências anteriores.
Podemos ver que a pesquisa qualitativa objetivista pode apresentar grande robustez
empírica para fazer afirmações para os casos de análise, provavelmente uma robustez maior
que a pesquisa quantitativa, dado que nela cada unidade de observação não é analisada com
tanto detalhe. Também se deve ressaltar que a pesquisa qualitativa pode analisar hipóteses
tanto descritivas quanto causais. No exemplo acima, a bancada evangélica (variável
independente) causou a retirada do projeto de lei (variável dependente)10. Porém, um ponto
fundamental para garantir os princípios objetivistas de uma pesquisa qualitativa, tal como nas

10
O que a pesquisa qualitativa não consegue fazer, pelo menos não sem o apoio da pesquisa quantitativa, é estimar
um valor populacional com base em uma amostra. Ela não consegue estimar a probabilidade média da bancada
evangélica conseguir retirar um projeto de pauta, por exemplo. Outra distinção útil para entender a diferença entre
as proposições causais feitas pelos métodos quantitativos e qualitativos é a utilizada por Goertz e Mahoney (2012,
p. 41–51) entre “efeitos das causas” e “causa dos efeitos”. As abordagens quantitativas buscam os “efeitos das
causas”. No exemplo acima, seria algo como tentar entender “qual o efeito médio que a bancada evangélica tem
sobre a retirada dos projetos?”. Já as abordagens qualitativas estudam a “causa dos efeitos”, ou algo como “quais
são todos os fatores que explicam a retirada desse projeto da pauta da comissão?”.
2
pesquisas quantitativas, é a possibilidade de replicação da pesquisa. No exemplo dado, o que
garantiria robustez e credibilidade para os achados é que o pesquisador tenha cópias de todo
o material de pesquisa (vídeos, gravações, documentos, etc), bem como que o modelo de
análise esteja explícito. Isso permite que a comunidade científica tenha a possibilidade de
checar a pesquisa e verificar os procedimentos utilizados. Se não houver a disponibilização
desse material, a pesquisa vai depender fundamentalmente do testemunho do pesquisador e
passará para o campo da epistemologia interpretativista.

Discussão bibliográfica

Existe uma vivida discussão se existem duas ou uma epistemologia das ciências sociais.
King, Keohane e Verba (1994), em Design Social Inquiry: scientific inference in qualitative
research, defendem a tese que existe apenas uma epistemologia. No primeiro capítulo de seu
livro, KKV são claros em dizer:

“Our main goal is to connect the traditions of what are conventionally denoted
‘quantitative’ and ‘qualitative’ research by applying a unified logic of inference to
both. The two traditions appear quite different; indeed they sometimes seem to be
at war. Our view is that these differences are mainly ones of style and specific
technique. The same underlying logic provides the framework for each
research approach.” (KING; KEOHANE; VERBA, 1994, p. 3) (grifos nossos.)

Essa lógica seria, grosso modo, o método hipotético-dedutivo e, logo, a perspectiva


objetivista. Portanto, esse importante manual metodológico faz parte de uma longa lista de
trabalhos que invisibiliza a perspectiva interpretativista. Deve-se ressaltar que a abordagem
de KKV foi além de defender que existe apenas uma epistemologia (ou lógica de inferência),
eles advogaram que o modelo de pesquisa quantitativa, o “quantitative template”11, deveria
ser transposto para os métodos qualitativos, ou seja, defendendo não apenas que existe uma
única epistemologia, mas quase um único método12.
A resposta a essa proposta veio principalmente a partir do livro Rethinking Social
Inquiry: Diverse Tools, Shared Standards (BRADY; COLLIER, 2010), uma crítica direta a KKV.
Nesse livro, os autores procuram tecer críticas às visões que colocam o “quantitative template”
como a única forma válida de inferência científica, procurando, assim, uma visão mais
compreensiva e generosa dos métodos qualitativos. Contudo, no que diz respeito à

11
Termo usado por Brandy, Collier e Seawright (2010) para designar a abordagem de KKV.
12
Perspectiva semelhante é adotada, de uma forma um pouco atenuada, em Kellstedt & Whitten (2015).
2
epistemologia das ciências sociais, os autores do livro continuam, em grande parte, seguindo
a ideia de “dois métodos de pesquisa, uma epistemologia”, que pode ser vista na seguinte
passagem.

We want to be clear about what these criticisms do and do not amount to. They do
not amount to a rejection of the basic enterprise of striving for a shared vocabulary
and framework for both quantitative and qualitative research. Indeed, we are
strongly committed to the quest for a common framework. While we have great
respect for scholars who explore epistemological issues, we worry that such
concerns may sometimes unnecessarily lead researchers and students to take
sides and to engage in polemics. Thus, we share KKV’s (4–5) view that
quantitative and qualitative methods are founded on essentially similar
epistemologies. (BRADY; COLLIER; SEAWRIGHT, 2010, p. 19) (grifos nossos)

Ou seja, desse ponto de vista, a visão de Brady, Collier & Seawright (2010) apresenta
mais continuidades que descontinuidades com KKV. Isso se deve ao fato dos autores,
estarem profundamente comprometidos com a epistemologia objetivista e a busca por uma
ciência “robusta”. Ao final, o livro Rethinking Social Inquiry busca, uma melhor compreensão
dos métodos qualitativos naquilo que eles têm de específico e apontam os limites do
“imperialismo quantitativista”, mas reserva pouco espaço para uma epistemologia não
objetivista.
O livro A Tale of Two Cultures: qualitative and quantitative research in the social
sciences (GOERTZ; MAHONEY, 2012) é uma tentativa deliberada de criar pontes entre os
mundos dos métodos quantitativos e qualitativos. Os autores tratam os métodos como duas
“culturas”, cada uma com suas tradições, normas, valores e práticas próprias. Segundo os
autores:

Communication within a given culture tends to be fluid and productive.


Communication across cultures, however, tends to be difficult and marked by
misunderstanding. When scholars from one tradition offer their insights to
members of the other tradition, the advice is often viewed as unhelpful and
inappropriate. The dissonance between the alternative cultures is seen with the
miscommunication, skepticism, and frustration that sometimes mark encounters
between quantitative and qualitative researchers. At its core, we suggest, the
quantitative-qualitative disputation in the social sciences is really a clash of
cultures. (GOERTZ; MAHONEY, 2012, p. 1)

2
Essa inquietação é a mesma que inspira esse artigo e certamente Goertz e Mahoney
fizeram um brilhante trabalho em desvendar as diferenças entre as lógicas de inferência dos
métodos quantitativo e qualitativo, bem como possibilidades de integração e sinergia entre as
abordagens. Contudo, sem abordar as diferenças entre as epistemologias (e não apenas
entre os métodos), a tentativa de criar pontes de diálogo entre as duas culturas estará
incompleta. Goertz e Mahoney se esquivam de discutir esse assunto em seu livro, por também
estarem profundamente comprometidos com a epistemologia objetivista, tal como KKV e
Brady, Collier & Seawright (2010). Podemos ver isso na seguinte passagem:

Our two cultures approach shares certain similarities with King, Keohane, and
Verba's one culture approach, especially in that we focus on research that is
centrally oriented toward causal inference and generalization. The methods and
techniques that we discuss are all intended to be used to make valid scientific
inferences (…). One consequence of our focus on causal inference is that
important currents within the qualitative paradigm drop out of the analysis. In
particular, interpretive approaches are not featured in our two cultures
argument. These approaches are usually less centrally concerned with causal
analysis; they focus more heavily on other research goals, such as elucidating the
meaning of behavior or critiquing the use of power. The interpretive tradition has
its own leading norms and practices, which differ in basic ways from the
quantitative and qualitative paradigms that we study in this book. One could
certainly write another book focusing on the ways in which the interpretive culture
contrasts with the "causal inference" cultures that we discuss. (BRADY; COLLIER;
SEAWRIGHT, 2010, p. 3–4).

Nessa passagem, vemos que os autores estão conscientes da existência da


epistemologia interpretativista, mas não chegam a ver como ela pode ser integrada à
perspectiva objetivista, tanto nos métodos quantitativos, quanto nos métodos qualitativos.
Igualmente, o que distingue a perspectiva intepretativista da objetivista não é claro. Na
passagem acima, Goertz e Mahoney afirmam que o que distingue a pesquisa objetivista é a
preocupação com a inferência causal. Mas essa também é uma questão que interessa à
abordagem interpretativista, como quanto os analistas procuram descobrir por que os
indivíduos agiram do modo que agiram, por exemplo13. Da mesma forma, a ciência objetivista

13
A questões que usam “por que” são sempre causais, enquanto as questões que usam “o que”, “quanto” ou “como”
são descritivas.
2
procura tanto inferências causais quanto inferências descritivas. O que realmente distingue a
epistemologia objetivista é o uso do “teste de hipóteses” e da “inferência robusta”, que as
perspectivas interpretacionistas não comportam. Podemos ver isso quando analisamos um
metodólogo da tradição qualitativa interpretativista, como Álvaro Pires:

“Por exemplo, no plano epistemológico, alguns filósofos contestam o interesse


mesmo em atribuir á ciência o objetivo de descobrir a verdade sobre o mundo
empírico. Segundo um certo ponto de vista, dever-se-ia até abandonar esse
debate que visa determinar se nossa maneira de pensar ‘entra ou não, em contato’
com a realidade objetiva. Em outras palavras, argumenta-se que a ciência não
deveria confrontar o mundo do conhecimento que temos dele; mas ela deveria
sim, perguntar se a imagem que temos dele é útil para resistir ao meio, porém de
uma maneira que nos faça ganhar também no sentido intersubjetivo, em
criatividade, solidariedade e capacidade de escuta em relação a todos aqueles e
aquelas que sofrem. Defende-se que o ‘desejo de objetividade’ deve ceder seu
lugar ao ‘desejo de solidariedade’” (PIRES, 2008b, p. 43) (grifos do autor).

Pires (2008b), no entanto, modera essa posição inicial ao longo do artigo, de modo a
evitar o argumento do “tudo vale” em metodologia (pag. 57), mas claramente os objetivos
dessa epistemologia são diferentes dos objetivos dos manuais acima. Pela proposta do “ciclo
metodológico”, acima, competências como “criatividade, solidariedade e capacidade de
escuta” podem ser perfeitamente incorporados ao método científico; como ferramentas de
pesquisa.
Os manuais da epistemologia objetivista reconhecem, que o uso de técnicas típicas
da epistemologia interpretativista pode ser úteis. KKV afirma “Without deep immersion in a
situation, we might not even think of the right theories to evaluate” (KING; KEOHANE; VERBA,
1994, p. 39). Brady, Collier & Seawright (2010, p. 25) também reconhecem que “Inductive
analysis can play a major role in achieving valid inference and generating new ideas. Induction
is important in both qualitative and quantitative research”. Porém, nesses autores, a relação
entre as epistemologias, métodos e a possibilidades de integração entre ambas é pouco clara.
Larry M. Bartels (2010), em seu artigo no livro Rethingink Social Inquiry, argumenta “There is
more going on here than a simple-minded distinction between (qualitative) hypothesis
generation and (quantitative) hypothesis testing, or a simple-minded faith that two kinds of
evidence are better than one. Qualitative evidence does more than suggest hypotheses, and
analyses combining quantitative and qualitative evidence can and sometimes do amount to
more than the sum of their parts”. A proposta é boa e muito coerente com o proposto aqui,

2
mas o autor não vai mais a fundo nas possibilidades de integração. Como a discussão acima
já deve ter demonstrado, o elo perdido para essa integração entre epistemologias é o
processo de “geração de hipóteses”, que foi de certa forma desvalorizado por Bartels na
passagem acima, mas em termos práticos, é um dos pontos mais fundamentais do processo
científico14. Desenvolvo melhor esse raciocínio na sessão abaixo.

A importância das boas hipóteses


Kellstedt & Whitthen (2015, p. 81) argumentam em seu livro de metodologia que um
critério fundamental para uma boa hipótese causal é que “exista um mecanismo crível que
conecte X a Y”. Obviamente, estamos falando de um manual que segue a linha “objetivista”.
Segundo recomendam, esse critério é uma condição sine qua non para o prosseguimento da
análise: se ela não for atendida, o analista deve reformular a hipótese ou encontrar uma nova
hipótese para só então seguir a análise. Dado que o objetivo da análise é sempre desenvolver
a teoria, a recomendação faz todo sentido. Porém, acredito que não basta formular uma
hipótese “com um mecanismo crível”, mas se deve procurar sempre uma “boa hipótese”:
aquela que se aproxima ao máximo do que realmente ocorre. Afinal, ninguém quer perder
tempo e recursos testando hipóteses ruins para, ao final do processo, chegar a “não
conclusões”. Essa recomendação, aparentemente trivial, é, em termos práticos,
extremamente difícil de se obter. Proponho aqui fazer uma classificação das hipóteses ruins,
ilustradas por alguns exemplos, para poder compreender melhor a importância que das boas
hipóteses. As hipóteses ruins, pode ser classificadas em quatro tipos:
• Hipótese ausente. Não ter hipótese nenhuma, em um estudo objetivista, é uma má
hipótese. Isso ocorre quanto o analista fica “empacado”, sem saber como explicar
determinado fenômeno15. Apesar de frustrante, esse fenômeno pode indicar que a
pesquisa está sendo levada com seriedade, pois são os analistas mais rigorosos que
ficam travados mais frequentemente. Esses pesquisadores preferem reconhecer a
ignorância (o que muitas vezes é um processo doloroso) a defender uma explicação
fraca. Tive essa sensação em minha dissertação de mestrado (JUNQUEIRA, 2010),

14
Uma analogia comum em cursos metodologia é entre pesquisa científica e investigação policial. Seguindo essa
metáfora, a epistemologia objetivista é boa em “provar” que determinada pessoa é culpada ou inocente (o teste de
hipóteses). Já a epistemologia interpretativista é boa “meramente” para descobrir quem é o culpado (definir a
hipótese), ou seja, fazer o trabalho de investigação policial. Vendo por esse lado, não faz sentido em adotar um
“meramente” para esse trabalho fundamental.
15
Os projetos de pesquisa em ciências sociais podem ser “centrados na questão” ou “centrados na hipótese”. Os
desenhos de pesquisa centrados na questão tem uma pergunta a responder e estão abertos a qualquer hipótese que
responda a essa questão. Já o desenho centrado na hipótese tem uma explicação para o fenômeno e a análise busca
verificar se a hipótese corresponde ou não aos dados. Ambos os desenhos são válidos e podem ser usados nas
perspectivas objetivista e interpretativista. É mais comum os pesquisadores ficarem “travados” nos desenhos de
pesquisa centrados na questão. Nos desenhos centrados na hipótese, o estudo sempre pode chegar a uma conclusão
“sim ou não” sobre a hipótese.
2
onde analisei as causas do fracasso da reforma tributária no Brasil. Em certo momento,
pode refutar todas as explicações correntes da literatura sobre o fenômeno, mas não
tinha nenhuma boa hipótese para explicar porque as reformas tributárias nunca são
aprovadas. O insight para a hipótese que guiou o trabalho final me surgiu após escutar
mais de 50 horas de gravações de debates parlamentares das comissões do
Congresso. Pude perceber que os parlamentares e debatedores convidados
frequentemente se referiam à reforma como “muito complexa”. Então tive a ideia de
transformar a complexidade da proposta em uma hipótese sobre seu fracasso
(JUNQUEIRA, 2010). As gravações das comissões não entraram diretamente na
análise. Não fiz, por exemplo, uma análise de conteúdo formal das opiniões
parlamentares. Porém, esse longo período escutando os debates me ajudou a
escrever a parte teórica e descritiva da análise, além de ter servido como base para
minha hipótese e modelo de análise. Vendo em retrospectiva, esse período foi uma
espécie de etnografia com base em documentos. A meu ver, foi fundamental para o
sucesso daquela pesquisa.

• Hipóteses óbvias. Algumas hipóteses são por demais óbvias que mal merecem a
análise. Durante meus estudos de pós-graduação, tive um colega, exímio conhecedor
de métodos quantitativos, que construiu um complexo teorema matemático formal
durante uma tentativa dos coordenadores do curso de impor a presença obrigatória
dos alunos durante os seminários de pesquisa. A conclusão dele, após longa
argumentação, é que se os alunos forem obrigados a participar do seminário teriam
menos tempo para estudar para as disciplinas, fazer pesquisa e outras atividades.
Outro colega então concluiu “então, sua conclusão é que se tivermos que gastar tempo
nos seminários teríamos menos tempo para o resto das atividades?”. Todos rimos ao
perceber que muito esforço teórico foi gasto para chegar a uma conclusão tão óbvia.
Tive a impressão de que o próprio autor do argumento somente percebeu a obviedade
de suas conclusões depois de ter recebido essa crítica. O exemplo, apesar de
anedótico, mostra uma situação comum, especialmente entre os adeptos dos métodos
quantitativos: muito esforço no uso de métodos sofisticados, para testar hipótese
teoricamente pobres. Rogowski (2010) também critica KKV pelo mesmo motivo “KKV
(127), in contrast, frequently chooses as examples hypotheses that seem obvious or
that lack deductive fertility. To prove, for example, that declining Communist societies
were more likely to spawn mass movements of opposition the less repressive the old
regime was neither contravenes received wisdom nor carries broader implications for
other cases.” (pag 95-96). Provavelmente esse problema é causado por um

2
desequilíbrio entre o longo tempo que muitos estudantes do mundo quantitativo
gastam estudando metodologia e o tempo relativamente breve estudando
teoricamente a questão substantiva. Novamente, aqui, a “imersão nos dados” antes
de formular as hipóteses permite encontrar as relações mais interessantes e
contraintuitivas dos casos de análise.

• Hipóteses simplesmente erradas. Goertz e Mahoney (2012, p. 106) citam o exemplo


do estudo de Acemoglu & Robinson (2006) onde eles usam um modelo altamente
complexo, baseado em teoria dos jogos, que relaciona alta desigualdade de renda e
instabilidade da democracia. Basicamente, os autores argumentam que em
sociedades desiguais, a elite econômica tem maiores incentivos para apoiar golpes
militares, dado o temor de políticas redistribuitivas sob democracias. A correlação
entre maior desigualdade e golpes militares é estatisticamente significativa. Porém,
Slater & Smith (2014), com base em estudos sobre golpes militares no sudeste da
Ásia, criticam esse mecanismo causal, argumentando “there appears to be little
support for the notion that armies serve as economic agents of the upper class” (pag
364) e que os golpes militares ocorrem por razões que pouco tem haver com o
interesse econômico específico das elites. De fato, a realidade empírica é de tal modo
complexa que é frequente que mais de um modelo “funcione” para um mesmo conjunto
de dados, no sentido de encontrar correlações significativas do ponto de vista
estatístico, mas espúrias. Para evitar encontrar essas hipóteses enganosas, duas
coisas são importantes: (1) uma boa aderência entre o modelo de análise proposto e
a teoria16 e (2) o acúmulo de evidências a favor da hipótese, o que provavelmente vai
ocorrer não apenas através de uma única abordagem e sim através de evidências que
misturam métodos quantitativos e qualitativos, bem como abordagens objetivistas e
interpretativistas.

• Uso equivocado dos dados. Sanders ett alli (1987), publicaram um provocante artigo
em 1987, mostrando que, ao contrário de o que a imprensa e o senso comum
acreditavam, a guerra das Malvinas não provocou um aumento súbito de popularidade
para o governo de Margareth Thatcher no Reino Unido. Sua análise, utilizando a
estatística de séries temporais, mostrou que não havia uma correlação significativa
entre a guerra e a popularidade de Thatcher. Porém, esse achado era mero fruto de
um uso equivocado dos dados. Em resposta direta ao artigo Clarke, Mishler & Whiteley

16
Ver uma argumentação competente a favor de um maior cuidado na construção teórica como chave para eliminar
vieses das análises quantitativas em Rogowski (2010). Para uma argumentação a favor de métodos mistos para
checar achados oriundos do mundo quanti, ver Goerts & Mahoney (2012, p. 100–115) e Seawright (2016).
2
(1990) mostraram que o modelo de Sanders e colegas simplesmente tinha
categorizado erradamente a data da guerra. Dia 2 de abril de 1982, a Argentina envia
forças navais às ilhas, tendo começando as tensões. Porém, até o dia 22 de abril, a
resposta do governo britânico foi basicamente diplomática. O primeiro ataque de fato,
sem resistência britânica, somente ocorreu dia 25 de abril, quando os argentinos
recapturaram a ilha de Georgia do Sul. O primeiro combate efetivo entre tropas
somente aconteceu 2 de maio. Os combates foram intensos em maio e em junho o
conflito já havia terminado. Assim, o conflito somente eclodiu de fato no final de abril e
começo de maio. Porém, dada a data de realização de pesquisas de popularidade na
época, o efeito da guerra somente apareceria na popularidade da primeira-ministra em
meados de maio. O modelo de Sanders ett ali simplesmente tomou que a guerra
começou a partir de abril, mês onde a popularidade de Thatcher estava em seu mínimo
histórico. Como consequência, o modelo de análise não mostrou correlação entre
guerra e aumento de popularidade. Além disso, Sanders ett alli (1987), usaram a
estratégia de inserir todas as variáveis que tinham no modelo (cerca de 266 variáveis)
e ir retirando-as, uma a uma, quando o impacto da retirada no R2 do modelo não tenha
sido substancial, um procedimento chamado de stepwise regression17. Como mostram
Clarke, Mishler & Whiteley (1990), esse procedimento, basicamente ateórico, acabou
inserindo no modelo variáveis que não fazem sentido: “To influence individual political
attitudes or behaviour, aggregate indicators of economic performance should be both
visible and salient to the everyday lives of the electorate. It is now well established that
inflation and unemployment are both visible, in the sense of being highlighted by the
media, and salient to the voters. In contrast, there is no evidence of which we are aware
that these conditions are met in the case of the Public Sector Borrowing Requirement,
the exchange rate or even tax rates which SWM include in their final model” (pag 66).
O interessante é que todos esses insignts de Clarke, Mishler & Whiteley, como “o
impacto político da guerra foi a partir de maio e não de abril” ou “o público inglês não
se importa com padrões de crédito público, taxa de câmbio e impostos” foram obtidos
por mecanismos qualitativos e não sistemáticos. Por exemplo, não creio que seja
possível afirmar que a taxa de câmbio seja irrelevante para a popularidade do
presidente do Brasil ou da Argentina na política recente, mas, dado o conhecimento
dos autores sobre a política britânica da época, essa pareceu ser a hipótese mais
plausível. De toda forma, essas percepções qualitativas de caráter interpretativista
foram fundamentais para a construção do modelo, fortemente quantitativo, do artigo
de Clarke, Mishler & Whiteley (1990). Esse exemplo ajuda a ilustrar que as variáveis

17
O stepwise regression é uma forma rudimentar do que eu chamei acima de “modelos heurísticos”.
2
não são “colhidas”, mas sim “construídas”. Mesmo uma mudança sutil como “a guerra
começou em maio e não abril”, pode ter um impacto relevante na análise. A variação
possível na definição e operacionalização de conceitos teóricos é enorme (GOERTZ,
2005). Podemos pensar na grande quantidade de classificações de “democracia” ou
“participação social”, por exemplo. Da mesma forma, existe um número infinito de
formas de construir modelos empíricos, ou seja, organizar as variáveis, para testar
hipóteses teóricas. Se pensarmos em um modelo quantitativo, existem variações
quanto à forma funcional (variáveis em quadrado ou interação), importância do
passado (lagged dependent variables), problemas relacionados a dados faltantes
(missing data) e dados anômalos (outliers), adição ou omissão de variáveis de controle
etc. Essa grande quantidade de escolhas pode fazer com que as conclusões do estudo
se tornem altamente dependentes das escolhas do pesquisador. Escolher o melhor
modelo é um desafio sobretudo teórico, e não metodológico. É preciso constantemente
verificar se o valor das variáveis no banco de dados “fazem sentido” na observação
(muitas vezes pouco sistemática e intuitiva) do mundo empírico. Assim, vivência no
campo e familiariedade com os dados, na linha da abordagem interpretativista,
costuma ser bem útil.

Os analistas quantitativos costumam falar que, em estatística, “se lixo entra, lixo sai”
(trash-in, trash-out), ou seja, se os dados utilizados no modelo forem “lixo”, o resultado do
modelo será também “lixo”. Podemos usar o mesmo raciocínio para as hipóteses: se elas
forem “lixo”, o resultado da análise será também “lixo”. Por outro lado, boas hipóteses tendem
a gerar analyses frutíferas, mesmo com metodologias mais simples. Como afirmou Rogowski
(2010, p. 90), “hypotheses that challenge no deeper theory or that themselves lack deductive
implications is an inefficient route of scientific inference, while theories that are precise and
deductively fertile enough can often be sustained or refuted by surprisingly unelaborate tests”.
A grande força dos estudos interpretativistas é que eles reduzem a chance, embora não
garantem, que as hipóteses utilizadas na análise hipotético-dedutiva serão boas hipóteses,
ou seja, não terão as doenças das hipóteses ruins esboçadas acima.

Conclusão
Nesse artigo, demonstro que grande parte das divergências entre os métodos
quantitativo e qualitativo são divergências entre as epistemologias objetivista e
interpretativista. Porém, nem a divergência entre os métodos é irreconciliável, nem é a
divergência entre as epistemologias. Todas as abordagens podem contribuir para a
empreitada científica, sendo que as metodologias interpretativistas são melhores em criar

2
hipóteses e as metodologias objetivistas são melhores em testar hipóteses. As quatro
abordagens (qualitativa interpretativista, quantitativa interpretativista, quantitativa objetivista e
qualitativa objetivista) podem examinar o mesmo tema, e cada abordagem pode ganhar em
receber informações das outras três; bem como dar sua parcela de contribuição. O ciclo
metodológico sugerido aqui pode ser realizado tanto por grupos, onde cada pesquisador se
especializa em um tipo de abordagem, ou então por pesquisadores individuais que podem
usar mais de uma abordagem em sua pesquisa. Não defendo que todo projeto tenha que
necessariamente passar pelas quatro abordagens. É perfeitamente possível utilizar apenas
uma ou duas abordagens, como qualitativa interpretativista e qualitativa objetivista ou então
quantitativa objetivista e qualitativa objetivista – que é uma escolha frequente dos adeptos dos
“métodos mistos” (SEAWRIGHT, 2016). Como recomendação geral, diria que é importante
para os pesquisadores lerem trabalhos de outras abordagens sem julgá-los segundo os
princípios da sua abordagem, mas tentando verificar o que a outra abordagem pode contribuir;
pois todas as abordagens podem contribuir. Também diria para todos os estudantes ou
pesquisadores que estão iniciando os estudos em um novo objeto para utilizarem, ainda que
brevemente, as abordagens interpretativistas, especialmente a qualitativa interpretativista.
Certamente será de grande ajuda.

Bibliografia

ACEMOGLU, Daron; ROBINSON, James. Economic origins of dictatorship and democracy.


New York: Cambridge University Press, 2006.
ANGRIST, Joshua David; PISCHKE, Jorn-Steffen. Mostly Harmless Econometrics: An
Empiricist’s Companion. New Jersey: Princeton University Press, 2009.
BARTELS, Larry M. Some Unfulfilled Promises of Quantitative Imperialism. In: BRADY,
HENRY E.; COLLIER, DAVID (Org.). . Rethinking Social Inquiry: diverse tools, shared
standars. New York: Rowman & Littlefield Publishers, 2010. p. 83–88.
BEACH, Derek; PEDERSEN, Rasmus Brun. Process-tracing methods: foundations and
guidelines. 2. ed. Ann Arbor, MI: University of Michigan Press, 2019.
BRADY, Henry E.; COLLIER, David. Rethinking social inquiry : diverse tools, shared
standards. New York: Rowman & Littlefield Publishers, 2010.
BRADY, Henry E.; COLLIER, David; SEAWRIGHT, Jason. Refocusing the Discution of
Methodology. In: BRADY, HENRY E.; COLLIER, DAVID (Org.). . Rethinking Social
Inquiry: diverse tools, shared standars. New York: Rowman & Littlefield Publishers,
2010. p. 15–32.
CLARKE, Harold D.; MISHLER, William; WHITELEY, Paul. Recapturing The Falklands:

2
Models of Conservative Popularity, 1979–83. British Journal of Political Science, v. 20,
n. 1, p. 63–81, 1990.
COMTE, Auguste. Os Pensadores: Auguste Comte. São Paulo: Abril Cultural, 1978.
DESLAURIERS, Jean-pierre; KÉRISIT, Michèle. O delineamento da pesquisa qualitativa. In:
POUPART, JEAN et al. (Org.). . A pesquisa qualitativa: enfoques epistemológicos e
metodológicos. Petrópolis-RJ: Vozes, 2008. p. 127–153.
FAUSTO, Boris. História do Brasil. São Paulo: Edusp, 2019.
FREEDMAN, David A. On Types of Scientific Inquiry: the role of qualitative reasoning. In:
BRADY, HENRY E.; COLLIER, DAVID (Org.). . Rethinking Social Inquiry: diverse tools,
shared standars. New York: Rowman & Littlefield Publishers, 2010. p. 221–236.
GOERTZ, Gary. Social Science Concepts: A User’s Guide. [S.l.]: Princeton University Press,
2005.
GOERTZ, Gary; MAHONEY, James. A tale of two cultures : qualitative and quantitative
research in the social sciences. New Jersey: Princeton University Press, 2012.
GROULX, Lionel Henri. Contribuição da pesquisa qualitativa à pesquisa social. In:
POUPART, JEAN et al. (Org.). . A pesquisa qualitativa: enfoques epistemológicos e
metodológicos. Petrópolis: Vozes, 2008. p. 95–126.
HEDSTRÖM, Peter; YLIKOSKI, Petri. Causal mechanisms in the social sciences. Annual
Review of Sociology, v. 36, p. 49–67, 2010.
JUNQUEIRA, Murilo De Oliveira. O Nó Tributário : porque não se aprova uma reforma
tributária no Brasil . São Paulo: Tese de Doutorado apresentada ao Departamento de
Ciência Política da Universidade de São Paulo, 2010.
KELLSTEDT, Paul M.; WHITTEN, Guy D. Fundamentos da Pesquisa em Ciência Política. 1.
ed. São Paulo: Blucher, 2015.
KING, Gary. Replicação, Replicação. Revista Eletrônica de Ciência Política, v. 6, n. 2, 2015.
KING, Gary; KEOHANE, Robert O; VERBA, Sidney. Designing social inquiry : scientific
inference in qualitative research. New Jersey: Princeton University Press, 1994.
LAPERRIÈRE, Anne. A teorização enraizada (grounded theory): procedimentos analíticos e
comparação com outras abordagens similares. In: POUPART, JEAN et al. (Org.). . A
pesquisa qualitativa: enfoques epistemológicos e metodológicos. Petrópolis-RJ: Vozes,
2008. p. 353–385.
PIRES, Alvaro P. Amostragem e pesquisa qualitativa: ensaio teórico e metodológico. In:
POUPART, JEAN et al. (Org.). . A pesquisa qualitativa: enfoques epistemológicos e
metodológicos. Petrópolis-RJ: Vozes, 2008a. p. 154–210.
PIRES, Alvaro P. Sobre algumas questões epistemológicas de uma metodologia geral para
as ciências sociais. In: POUPART, JEAN et al. (Org.). . A pesquisa qualitativa:

2
enfoques epistemológicos e metodológicos. Petrópolis-RJ: Vozes, 2008b. p. 43–94.
PLASTINO, Caetano Ernesto. Positivismo lógico: o Círculo de Viena. In: SILVA, FRANKLIN
LEOPOLDO E (Org.). . História do Pensamento. São Paulo: Nova Cultural, 1989. p.
620–623.
POPPER, Karl. A lógica da pesquisa científica. Sâo Paulo: Cultrix, 2004a.
POPPER, Karl. Lógica das Ciências Sociais. 3a. ed. Rio de Janeiro: Tempo Brasileiro,
2004b.
ROGOWSKI, Ronald. How Inference in the Social (but not Physical) Sciences Neglects
Theoretical Anomaly. In: BRADY, HENRY E.; COLLIER, DAVID (Org.). . Rethinking
Social Inquiry: diverse tools, shared standars. New York: Rowman & Littlefield
Publishers, 2010. p. 89–98.
SANDERS, David et al. Government Popularity and the Falklands War: A Reassessment.
British Journal of Political Science, v. 17, n. 3, p. 281–313, 1987.
SEAWRIGHT, Jason. Multi-Method Social Science: Combining Qualitative and Quantitative
Tools. Cambridge: Cambridge University Press, 2016.
SLATER, Dan; SMITH, Benjamin; NAIR, Gautam. Economic origins of democratic
breakdown? the redistributive model and the postcolonial state. Perspectives on
Politics, v. 12, n. 2, p. 353–374, 2014.
TRIOLA, Mário. Introdução à Estatística. 12. ed. Rio de Janeiro: LTC, 2017.

Você também pode gostar