Traduzido do Inglês para o Português - www.onlinedoctranslator.

com

18 Analisando e interpretando
os dados

Cada abordagem metodológica da pesquisa qualitativa tem formas distintas de analisar os

dados, que são abordadas nas seções relevantes de cada capítulo na Parte II.
Procedimentos analíticos genéricos – aqueles não associados a uma metodologia específica
ou orientação de pesquisa – são descritos neste capítulo. Pesquisas dessa natureza às vezes
ocorrem em pesquisas de graduação quando os alunos optam por empregar métodos
qualitativos sem seguir nenhuma abordagem de pesquisa. Para uma breve visão geral da
pesquisa qualitativa genérica, volte ao Capítulo 6.
Este capítulo descreve o processo geral de análise de dados qualitativos e
considera:

• uma abordagem geral da análise de dados qualitativos;

• organizar os dados antes de analisá-los;
• codificação e categorização das evidências;
• encontrar padrões e propostas de trabalho;
• interpretar os dados;
• avaliar a interpretação e demonstrar como ela atende aos critérios de
qualidade;
• algumas questões analíticas específicas, incluindo a análise de múltiplas fontes de dados,
documentos, notas de campo, fontes eletrônicas e análises secundárias;
• software de análise de dados auxiliado por computador.

Introdução
Quando você terminar de coletar seu material de origem, você pode sentir que está 'se
afogando em dados' por causa da grande quantidade de evidências que você acumulou,
mesmo para um estudo de pequena escala. Em um curto período de tempo, é provável que
você tenha adquirido uma série de notas de campo, relatórios e registros da empresa, e-
mails, diários de pesquisa, transcrições de entrevistas e talvez também uma coleção de
informações orais, visuais ou multimídia, como fotografias, filmes, transmissões de rádio ou
websites. O processo de ordenar essa grande variedade de dados organizando,
estruturando e construindo significado é o que os pesquisadores chamam de 'análise
qualitativa de dados'. Começando com seus dados brutos, você usa procedimentos
analíticos para transformá-los em algo significativo, ganhando entendimento (Gibbs, 2007).
302Analisando e interpretando os dados

A discussão neste capítulo se concentra em evidências escritas; se estiver

interessado em ler sobre análise de materiais visuais, volte ao Capítulo 17.
Novos pesquisadores que embarcam em pesquisas qualitativas pela primeira vez muitas
vezes colocam muito tempo e ênfase na seção de revisão de literatura de sua dissertação,
não apreciando totalmente a importância da fase de análise e interpretação da pesquisa.
No entanto, é aqui que você oferece seus próprios insights criativos sobre o significado do
que encontrou e, portanto, é principalmente nesta seção que você mostra a originalidade
de seu trabalho.
O processo de análise, interpretação e explicação não é fácil, pode ser frustrantemente
lento e demorado, e também envolve muita incerteza à medida que você tenta entender os
dados. No entanto, pode ser emocionante e recompensador também quando você faz
novas descobertas que eventualmente contribuirão para o conhecimento ou a prática em
relações públicas ou comunicações de marketing. Ao mesmo tempo, o processo também
estimula seu crescimento intelectual e desenvolvimento profissional como pesquisador.

Exemplo 18.1 A voz do aluno

A maior sensação de descoberta que já tive ocorreu quando estava analisando
os dados do grupo focal. . .Comecei a encontrar coisas que ninguém havia
encontrado antes, organizando os dados de maneiras que levavam a uma
teoria. Foi uma tarefa longa e minuciosa examinar os dados, mas eu precisava
dessa imersão completa para encontrar o que estava procurando.
(Peter Simmons, doutorando)

Não tive nenhum problema real ao analisar meus dados. Os métodos de

análise que discuti com meu supervisor funcionaram bem para os dados
que obtive e as recomendações temáticas ficaram claras à medida que a
análise progredia.
(Lauren Magid, estudante de graduação)

A análise de dados foi incrivelmente difícil. Acho que fiz uns 10 rascunhos antes de
ficar feliz com os temas que havia escolhido.
(Elysha Hickey, estudante de graduação)

Embora eu usasse um software para me ajudar a analisar os dados, preferia

fazer minha análise manualmente. Escrevi notas nas transcrições ou destaquei
palavras e frases importantes com uma caneta. Encontrei temas abrangentes e
categorias principais de duas perspectivas diferentes. . .houve uma interação
entre eles. . .Foi ótimo para mim ver como meu trabalho refletiu algumas das
descobertas da literatura publicada – e também encontrou coisas novas.

(Catherine Archer, estudante de mestrado)

 Analisando e interpretando os dados303

A análise qualitativa difere da quantitativa porque na maioria dos casos – embora

não na fenomenologia – ela não ocorre em um estágio discreto após a coleta de todos
os dados, mas começa assim que você realiza sua primeira entrevista (ou outro
método de coleta de dados). ). A natureza adaptável da pesquisa qualitativa significa
que os resultados de sua análise contínua informam e interagem com sua coleta de
dados subsequente, permitindo que você faça perguntas ou até mesmo altere seus
métodos, dependendo do que está descobrindo.
O processo de pesquisa qualitativa, então, é tanto indutivo quanto
dedutivo. Geralmente começa indutivamente. Isso significa que, pelo menos
inicialmente, você encontra padrões, temas e categorias diretamente dos
dados – em vez de impor temas aos dados que você decidiu antes de iniciar
sua análise (ou seja, nesta fase você não pesquisa os dados pelos tópicos,
temas e conceitos que você identificou anteriormente em sua revisão de
literatura; isso vem em um estágio posterior). Mais tarde, o processo de
pesquisa qualitativa torna-se dedutivo porque, à medida que sua pesquisa
progride, você desenvolve proposições e ideias de trabalho que você testa
nos próximos estágios de sua coleta e análise de dados. Isso pode até
envolver a busca de novos dados que confirmem suas proposições.
Há uma interação constante, portanto, entre análise e coleta de dados, razão pela qual a
pesquisa qualitativa é frequentemente descrita como iterativa.
Ocasionalmente, a análise de dados qualitativos pode começar com uma análise
dedutiva. Isso ocorre quando você é mais explícito sobre os temas ou categorias que deseja
considerar no início do processo de codificação. As razões para fazer isso podem ser porque
você deseja usar a pesquisa qualitativa para testar uma teoria existente (isso ocorre
raramente na pesquisa qualitativa) ou deseja investigar a transferibilidade das ideias de
outro autor para um contexto social diferente. Por exemplo, Edwards (2009) incorporou
alguns dos princípios centrais da teoria de Bourdieu em seu esquema de codificação
porque estava interessada em explorar a aplicação de sua teoria a um cenário de relações
públicas. Em outro exemplo, Ravasi e Schultz (2006) buscaram elaborar uma teoria sobre
identidade, imagem e cultura organizacional ao invés de gerar um arcabouço teórico
completamente novo. Portanto, eles se basearam na literatura para fornecer rótulos para
os termos e conceitos encontrados em seus dados primários. Esse tipo de análise dedutiva
é semelhante a uma abordagem indutiva, pois é cíclica e iterativa, envolvendo você em uma
consideração próxima e repetida dos dados. A principal diferença, no entanto, é que você
começa sua análise com uma ideia vaga de algumas áreas de interesse predefinidas que
você procura explicitamente nos dados (Lewins e Silver, 2007: 86).
Uma segunda instância de onde a análise dedutiva pode ocorrer é se você simplesmente
souber o que está procurando, como no caso da pesquisa-ação, em que seu foco está
sempre no entendimento ou nas soluções aplicadas e práticas para um problema
organizacional ou do setor específico. Nesse caso, sua codificação pode ser baseada em
perguntas específicas que você faz no início, ou seja, você codifica as respostas dos
entrevistados com os rótulos das perguntas relevantes. No entanto, codificar dessa forma
pode restringir a adaptabilidade de sua pesquisa, fazendo com que você ignore aspectos
interessantes e úteis que estão fora da estrutura da pergunta (Lewins e Silver, 2007).
304Analisando e interpretando os dados

Ponto chave
A análise qualitativa de dados se preocupa com o seguinte:

• Gerenciamento e organização de dados: um processo inicial de dividir a

massa de dados complicados em pedaços gerenciáveis por codificação,
memorando e resumindo-os em padrões e configuração.
• Fazendo perguntas sobre os dados: o que está acontecendo? Quem diz? Onde e
quando está acontecendo?
• Interpretação: trazer significado e insight para as palavras e atos dos
participantes do estudo, gerando conceitos e teorias (ou generalizações
baseadas em teoria) que explicam os achados. A pergunta-chave a ser feita e
respondida neste momento é: 'Então, o que essa descoberta significa à luz da
literatura e da minha principal questão de pesquisa?' Você então comunica o
significado de suas descobertas a outras pessoas por meio de seu relatório
escrito.

Embora a codificação e a interpretação dos dados sejam comuns à maioria dos tipos de
análise qualitativa, não há etapas ou regras rígidas para a realização do processo, ao
contrário da pesquisa quantitativa, onde existem métodos e procedimentos bem
estabelecidos. A flexibilidade e a abertura estão no cerne da pesquisa qualitativa, embora
nem todas as abordagens sejam iguais. Você deve seguir a abordagem analítica que
considera mais adequada ao seu projeto geral de pesquisa e à natureza de seus dados
(retorne aos capítulos da Parte II para ler mais sobre as técnicas analíticas específicas
relacionadas a cada abordagem metodológica).
Para uma das discussões mais claras e bem articuladas de como foi feita a coleta e
análise de dados, sugerimos que você procure o artigo sobre ameaças de identidade
organizacional de Ravasi e Schultz (2006) na principal publicação internacionalRevista
da Academia de Administração. Alternativamente, no Jornal de Pesquisa de Relações
PúblicasEdwards (2009) oferece uma sólida reflexão metodológica sobre sua análise
do poder nas relações públicas.
Neste capítulo, apresentamos uma abordagem geral à análise de dados qualitativos,
considerando primeiro o processo geral de análise e, em seguida, algumas técnicas
analíticas genéricas.

O processo de análise qualitativa

A análise dos dados não começa quando a coleta de dados termina, mas deve ser
contínua durante todo o estudo. Sempre que você transcreve uma entrevista, escreve
suas notas de campo, registra e armazena quaisquer dados visuais ou reflete sobre
suas experiências de pesquisa, é provável que esteja realizando alguma forma de
análise preliminar, porque provavelmente surgirão novas ideias que o levarão a uma
nova área. de exploração. Ao realizar seu trabalho de campo, você deve procurar por
 Analisando e interpretando os dados305

temas em seus dados, iniciando a codificação e desenvolvendo alguns conceitos iniciais.

Discutiremos como fazer isso mais adiante no capítulo.
Os estágios preliminares da análise são bastante simples, embora os estágios posteriores se
tornem mais complexos à medida que seu estudo evolui. Comece escrevendo (em um novo
documento de computador ou memorando manuscrito) uma descrição dos elementos factuais de
sua pesquisa, como o contexto geral, o cenário e as especificidades dos participantes, pois é
importante conhecer esses elementos antes de iniciar a análise em si.

Transcrever e ouvir
Desde o início de seu projeto, é melhor adquirir o hábito de ouvir suas gravações
de áudio o mais rápido possível depois de entrevistar ou observar. Analise
minuciosamente suas observações e notas documentais, bem como outras
fontes de dados, como fotos e materiais baixados de sites. Este é o primeiro
passo na análise.
A segunda etapa envolve transcrever suas entrevistas e digitar qualquer
entrevista rabiscada e notas de campo. Alternativamente, se você usou uma
caneta digital, transfira suas anotações imediatamente para o computador. Faça
isso enquanto suas ideias sobre os dados recém-coletados ainda estão frescas
em sua mente. A transcrição envolve mais do que a simples tarefa de transferir
notas de voz e escritas à mão para um arquivo de computador; julgamentos
precisam ser feitos sobre quais interações, gestos e expressões faciais devem ser
incluídos. Digite as palavras dos participantes exatamente como foram ditas, em
vez de tentar parafraseá-las ou resumi-las, porque muitas vezes os termos que
os participantes usam ou a ordem em que expressam ideias podem ser muito
significativos. A seção no Capítulo 14 sobre transcrição oferece conselhos mais
detalhados sobre como lidar com transcrições de entrevistas,

Organizando os dados

É importante verificar se você registrou e rotulou tudo de maneira sistemática. Isso ajuda a
manter seus dados intactos, completos, organizados e recuperáveis. Datas de referência
cruzada, nomes, títulos, participação em eventos, descrições de ambientes e situações
(como campanhas de comunicação ou eventos relacionados ao seu estudo), cronologias e
assim por diante. Isso é inestimável quando você identifica categorias, reúne padrões e
planeja mais coleta de dados. Em alguns casos, os pesquisadores gostam de manter um
livro de projeto especial ou arquivo de computador no qual anotam todas as suas ideias e
pensamentos, fazendo referência cruzada a várias fontes de dados.

Certifique-se de que todos os dados estão à mão. Suas notas de campo estão completas?
Existe alguma coisa que você adiou para escrever mais tarde e não conseguiu terminar?
Todas as transcrições das entrevistas estão completas e foram digitadas com precisão?
Verifique a qualidade de todas as evidências coletadas antes de começar a analisá-las.
306Analisando e interpretando os dados

Codificação e categorização

A codificação é um processo central e importante na análise qualitativa (Morse e Richards, 2002)

pelo qual você faz escolhas sobre quais palavras você usará para rotular as ideias ou temas que
você vê repetidamente em seus dados. A codificação não apenas ajuda a organizar a enorme
quantidade de dados, mas também é parte integrante da tarefa de interpretar os fenômenos de
relações públicas e comunicações de marketing. Isso ocorre porque sua decisão de criar um
código específico tem um efeito definidor sobre o que você encontra em seus dados agrupados. A
codificação informa as decisões que você toma sobre o que vale a pena salvar, como dividir o
material e como os incidentes de, digamos, atividades ou conversas se relacionam com outros
itens ou tópicos interessantes que você codificou anteriormente. Este processo é intuitivo e
criativo.
A codificação pode ser realizada manualmente ou usando software projetado para análise
qualitativa. Nesta primeira seção, discutimos como analisar manualmente sem o auxílio de
software de computador.

Ponto chave
Um código serve como um rótulo que representa uma ideia ou um fenômeno em
seções de um texto que são semelhantes ou têm o mesmo significado. Os códigos
ajudam você a reduzir e simplificar as evidências para começar a entendê-las. Você
realiza a codificação ao longo de sua análise dos dados.

A codificação não começa até que você tenha lido suas evidências várias vezes e
esteja tão completamente imerso nelas que comece a ter uma ideia geral do quadro
geral. Mesmo que você tenha conduzido apenas algumas entrevistas ou observações
preliminares, você começará a ter uma noção de algumas das palavras-chave,
questões ou temas que parecem se repetir nas evidências. Procure indicadores dessas
ideias iniciais em outros materiais que você coletou, como documentos, textos
transmitidos e registros digitais, anotando na margem as passagens relevantes. Os
rótulos que você usa para descrever essas ideias iniciais são o início da codificação,
cujo objetivo é identificar e comparar constantemente semelhanças e diferenças em
seu material para formular categorias de interesse.

Exemplo 18.2: Analisando as comunicações de crise de uma empresa

sueca

Como uma empresa sueca de tabaco se engajou em comunicação de crise e trabalho

de reparo de imagem foi o foco de um estudo de Peter Svensson. Ele coletou todas
as declarações públicas feitas pela empresa ao longo da crise: discursos de CEOs,
artigos em jornais, noticiários de televisão, comunicados de imprensa
 Analisando e interpretando os dados307

e o relatório anual. Para analisá-los, ele realizou os seguintes

procedimentos:

1 Ele organizou as declarações públicas cronologicamente para

reconstruir a ordem em que os eventos da crise ocorreram.
2 Ele organizou e codificou o material tematicamente usando cartões de
conceito. Ele rotulou cada cartão com uma palavra ou frase que identificou nos
dados e, em seguida, adicionou aos cartões trechos de texto ou palavras
relevantes de sua coleção de evidências.
3 Ele continuamente comparou, contrastou e reorganizou os cartões de
conceito até que todo o material fosse capturado, cortado e rotulado em
cartões apropriados.
4 Ele reorganizou os cartões até que houvesse “o menor número possível de
rótulos sem perder o contato com a complexidade dos dados” (Svensson, 2009:
562). Isso resultou em sete cartões grandes (ou etiquetas gerais), indicando os
principais temas do material.
5 Ele agrupou os sete temas em dois temas principais:o discurso do
coletivismoeo discurso do individualismo.Estas representavam tendências
amplas no material e serviam para encapsular a complexidade das
atividades de reparo da imagem pública da empresa de tabaco.

Ao escrever sobre o estudo de caso, Svensson estruturou sua discussão dos

resultados em dois subtítulos de acordo com os dois temas principais,
apresentando evidências de apoio na forma de citações do material que ele
havia agrupado anteriormente em cada rótulo ou código. (Veja também o
Exemplo 19.8.)

Como você sabe o que identificar e como descrever o que você encontra? Você pode
descobrir algo que seja particularmente interessante e rotulá-lo com as palavras que os
próprios informantes usam. Ou você pode escolher palavras que descrevam uma ideia na
evidência, como 'confiança', 'ética' ou 'responsabilidade'. Ou você pode encontrar dicas na
evidência de algo que você precisa pensar mais profundamente sobre o qual você poderia
rotular 'Potencialmente importante'. Se você usar como rótulos as expressões ou palavras
específicas que os participantes usam para sugerir uma ideia, elas são chamadas de 'na
Vivo' códigos. Nem toda entrevista, observação ou texto de documento revelana Vivo
códigos, mas quando você os identifica nos dados, vale a pena aproveitá-los, pois eles têm a
capacidade de transportá-lo diretamente para o mundo de seus participantes (Corbin,
2006a).
308Analisando e interpretando os dados

Exemplo 18.3:Na Vivocodificação

Quando Peter Simmons investigou a comunicação esportiva, ele identificou uma

série dena Vivocódigos relacionados à forma como os árbitros se comunicavam com
os jogadores. Estes incluíram o seguinte:
• O árbitro deve conhecer o jogo.
• O árbitro deve saber para onde a bola está indo.
• Deixe o jogo continuar.
• Não se safou disso.
(Simões, 2009)

Um tipo alternativo de código é um 'código de tópico' (Richards, 2005), que é

quando você mesmo cria um termo para descrever algo que você vê nos dados, mas
que as pessoas em seu estudo não estão cientes de si mesmas ou não estão capaz de
expressar. É importante aqui ter muito cuidado ao fazer esse tipo de construção para
evitar a criação de conceitos que não estão realmente nos dados.
Quando você identificar um código (realçando palavras ou frases com um marcador ou
escrevendo na margem de um texto e depois fazendo uma anotação em seu caderno ou
arquivo de computador), compare novas evidências à medida que as coleta com seus
exemplos originais. Verifique se o novo material se encaixa no seu código original. Se isso
acontecer, rotule-o com o mesmo código.

Exemplo 18.4: Codificando uma transcrição de grupo focal

Após um surto de envenenamento por salmonela no Reino Unido devido às barras

de chocolate da Cadbury, a empresa atrasou o recall de seus produtos ou o anúncio
público. Na esteira da polêmica, a aluna de mestrado Kate Price realizou um estudo
sobre confiança e comunicação. Foi assim que ela codificou uma página de uma
transcrição do grupo focal.

Participantes Enunciados Códigos

K Bem, você sabe que não pode errar com 'Não pode ir
honestidade – e isso parece ser tão escasso. errado com
Então, mesmo que [a Cadbury] tivesse adiado honestidade'
[seu anúncio] e eles mantivessem isso em
segredo, esperando que [a crise] fosse embora
e ninguém descobrisse sobre isso – você Medo de
poderia perdoar alguém por isso porque você honestidade

poderia simplesmente pensar, 'eu poderia ficar

um pouco assustado se eu tivesse cometido um 'Não pode ir
erro' - [mas] se eles tivessem dito 'garoto - nós errado com
erramos'. . . honestidade'.
 Analisando e interpretando os dados309

Participantes Enunciados Códigos

UMA . . . a velha camisa de cabelo. . .

K . . . 'nós realmente erramos e sentimos muito Importância de

por isso e achamos que cometemos um desculpa
grande erro e não mostramos o respeito aos
nossos clientes que deveríamos ter feito,
então sentimos muito'

J 'E tomamos medidas para garantir que isso não

aconteça novamente'. . .

C As pessoas não gostam de pedir desculpas, Medo de

não é? honestidade

UMA Não, eles não.

K O que é tão estúpido porque é a maneira mais segura, eu Importância de
acho, de fazer as pessoas acreditarem no que você está desculpa
dizendo novamente.

Entrevistador Existe algum tipo de expiação que eles

poderiam ter feito e não fizeram?
UMA Isso provavelmente teria sido suficiente na Importância de
verdade – apenas para admitir que eles estavam desculpa
errados. É como tentar obter uma resposta direta
de um político.

K Parecia que aquele cara no rádio me lembrava Cadbury

um político – aquele cara da Cadbury. porta-voz
como político

UMA Bem, ele seria um político – ele era seu Cadbury

porta-voz. porta-voz
como político

K Ele era um cara de giro – sim. 'cara gira'

Entrevistador Então você estaria mais convencido se

fosse alguém de sua fábrica – ou um de
seus cientistas?
UMA Sim – pelo menos eles saberiam do que Porta-voz
estavam falando. Você não teria sentido como indivíduo
que eles estavam apenas dando a linha do especialista, não

partido. político
Jt E presumivelmente um comitê [da Cadbury] Nenhum indivíduo
tomou uma decisão sobre exatamente o que responsável -
deveria ser lançado, ao contrário de anos atrás, não
teria sido o proprietário quem responsabilidade
310Analisando e interpretando os dados

Participantes Enunciados Códigos

disseram: 'Nós brincamos, vamos nos

desculpar'. . .E [agora] eles teriam todos os
seus parasitas e os médicos de spin e isso e
aquilo e aquilo porque novamente, como K
estava dizendo sobre a globalização, teria
um impacto talvez mais longe do que Impacto da falta
apenas aqui no Reino Unido e bater os de honestidade
preços das suas ações.

UMA Mas o engraçado é que, mesmo dez ou Cliente

quinze anos atrás, poderíamos ter cinismo
realmente aceitado a situação como ela se
desenrolou, mas acho que acabamos de
nos tornar a geração cínica.

J Mmm.
UMA Porque não importa mais quem você ouve Cliente
sendo entrevistado, você só tem a sensação cinismo
de 'Ok, é outra entrevista, você tem algo para
vender, você tem um ponto de vista a fazer,
você vai diga-nos qualquer coisa que você
acha que queremos ouvir.'

Jt Ou somos menos ingênuos, você acha?

(Preço, 2007)

ona Vivoos códigos são 'não pode dar errado com honestidade' e 'spin guys' porque essas
são as frases diretas usadas pelos participantes. Outros rótulos são códigos de tópicos
criados pela própria pesquisadora para descrever uma ideia nos dados.

Uma página de transcrição de entrevista ou notas de campo pode acabar com muitos códigos
escritos nas margens. Algumas passagens podem ser codificadas de mais de uma maneira porque
se relacionam com mais de um tema ou problema que você identificou. Os mesmos códigos
também se referem a exemplos relevantes em outros tipos de dados que você coletou. Não se
preocupe neste estágio inicial em ter muitos códigos; você pode refiná-los à medida que avança.

Em muitos casos, ao ler seus textos, você descobrirá que alguns códigos parecem
pertencer um ao outro e, portanto, podem ser vinculados. Em termos práticos, isso significa
que as ideias que se encaixam podem ser marcadas com uma caneta da mesma cor. Você
pode achar útil copiar e colar essas seções em um arquivo em seu computador rotulado
com um novo código de combinação. Dessa forma, você começa a mudar de códigos
descritivos simples para desenvolver categorias, padrões e conceitos abstratos mais
amplos. Para um exemplo disso, consulte o Exemplo 18.6, que ilustra em três colunas (1)
alguns trechos de entrevistas, (2) os códigos iniciais que o pesquisador aplicou
 Analisando e interpretando os dados311

às citações, e (3) as categorias mais amplas, que englobavam alguns dos códigos
iniciais. Observe como os códigos de 'percepção de igualdade' e 'bem-estar
comum' foram incluídos na categoria de 'motivação para compartilhar'. Observe
também o comentário ao pé do Exemplo que indica que todas as categorias do
pesquisador foram refinadas para quatro categorias abrangentes e para um
tema unificador.
Se você estiver analisando mais de um tipo de dados (documentos e transcrições, por
exemplo), é importante fazer referências cruzadas entre as diferentes fontes de dados,
buscando semelhanças e diferenças dentro e entre todos os seus dados-textos. À medida
que você identifica os códigos e o material que se encaixa nesses códigos, você precisa
transferir as evidências para arquivos para que todos os exemplos de cada código sejam
reunidos em uma categoria. Lembre-se de identificar os extratos antes de adicioná-los aos
arquivos codificados. Tradicionalmente, os pesquisadores usavam canetas de cores
diferentes para marcar categorias ou temas específicos ou recortavam fisicamente seus
textos de dados, colando seções em pastas codificadas ou fichários. Hoje, é possível fazer
isso de forma mais rápida pelo computador, abrindo um arquivo na tela para cada código e
colando em seções de provas. Alternativamente, os programas de software para análise
qualitativa facilitam sua codificação e categorização, permitindo que você gerencie suas
ideias de forma sistemática. Discutimos alguns desses pacotes eletrônicos no final deste
capítulo (pp. 322-323).

Memorando

Escrever memorandos estimula seu pensamento e o ajuda a manter seu ímpeto. Além de notas de
campo e outros tipos de memorandos, Gibbs (2007) sugere que você escreva um memorando na
fase de análise em que você registre todos os rótulos que você usa em seu sistema de codificação
emergente, descrevendo as ideias às quais os códigos e categorias se referem, e também
refletindo sobre suas relações potenciais com categorias mais amplas e expandidas. Ao escrever
memorandos dessa natureza, não tenha medo de ser criativo e “fora da parede” com seu
pensamento, pois às vezes o que pode parecer improvável conceitualmente pode acabar sendo
altamente perspicaz se verificado posteriormente em seus dados (Corbin, 2006b).

Exemplo 18.5: Memorando como reflexão analítica

Após uma discussão em uma conferência onde ela apresentou algumas das ideias
conceituais emergentes de sua pesquisa de doutorado, Jo Fawkes escreveu um
memorando para si mesma sobre sua experiência de aprendizado. Escrever dessa maneira
a ajudou a lidar com os comentários críticos dos colegas, a refletir sobre o desafio deles ao
seu trabalho e a usar essas ideias para desenvolver ainda mais os conceitos à medida que
avançava na análise dos dados.

Certamente novos insights [da minha pesquisa] levantarão novas questões para os
profissionais, a profissão como um todo? [Estou] achando um pouco deprimente,
312Analisando e interpretando os dados

a ênfase na prática, parece que as ideias estão sendo confinadas em caixas,

marcadas como 'resultados' em vez da experiência da jornada - felizmente,
outros membros do painel parecem interessados em encorajar o pensamento
livre, expandir e desafiar conceitos existentes e podem ver que algo novo
pode /emergirá desse processo que – se os conceitos forem pensados com
clareza suficiente – terá um impacto no mundo exterior. Este é o meu sentido:
se as ideias permanecerem subdesenvolvidas e confusas, elas flutuarão, mas se
forem rigorosamente desafiadas ao longo da tese, algo de substancial
resultará. O fato de não poder descrever exatamente esse resultado no início
do processo não é um ponto fraco.

Parte da tensão acima é um reflexo da dinâmica contida nas ideias [do

filósofo] Jung: elas estão fadadas a ameaçar o status quo porque exigem
que olhemos para o lado oculto da prática, do profissionalismo e, claro, de
nós mesmos acima? tudo? Talvez saltar para os resultados pareça mais
seguro? É importante permitir que as ideias atuais sejam desestabilizadas
para que novas venham à tona, significa abrir mão de certezas sobre o que
é e o que não é RP, o que é e o que não é ética.

• PR e sombra:
• Aspectos do PR que agradam às pessoas: o
sedução – empatia/anima;
o solução – controle/animus;
• a sombra é mais poderosa em um ego fraco (campo?) – quão maduro é o PR?
• a sombra é o tesouro (Hollis) a ser descoberto e abraçado;
• quem queremos ser? – nosso eu mais completo e profundo.
• PR como hermenêutica:
• interpretação, xamanismo, spin;
• os tradutores, de um para o outro; público para organização; org para público;
• a linguagem da interpretação, teoria narrativa.
• Ação:
• Necessidade de definir termos, especialmente profissão, para incluir profissionaise
acadêmicos – o campo de relações públicas, 'comunidade de prática' – ver Bartlett,
2007.
• Necessidade de reivindicar o direito de explorar ideias no doutorado conceitual,
enquanto usandoas vozes 'por que incomodar' como um público potencial –
lembre-se que essa voz não quer fazer análise junguiana ou desconstruir a
própria ética ou essas coisas complicadas. Os argumentos devem abordar essa
voz – não ser sufocados por ela, mas defender a mudança, lembrando que a
maioria dos que adotam essa opinião não será persuadida, como é seu direito.

(Jo Fawkes, doutorando,

correspondência pessoal, 2008)
 Analisando e interpretando os dados313

À medida que sua pesquisa progride, você deve continuar pesquisando temas,
categorias e agrupamentos nos dados coletados de todas as suas fontes, rotulando-
os e encontrando ligações que o ajudarão a explicá-los. Continue também a recorrer à
literatura para relacionar seus dados com ideias teóricas, bem como contextualizá-las.
Isso o ajudará a desenvolver conceitos abstratos que explicam suas descobertas.
Tome cuidado para não impor um sistema externo aos dados, como um referencial
teórico pré-determinado, pois isso não estará aberto à adaptação à medida que sua
pesquisa progride. A pesquisa qualitativa se destaca em encontrar pontos de entrada
em novas áreas de investigação e, portanto, é importante permanecer aberto a novas
descobertas, permitindo que seus padrões e conceitos cresçam naturalmente a partir
de uma interação entre o que você descobre no campo,
No entanto, você descobrirá que por causa de sua leitura inicial da literatura, a teoria existente
ficará no fundo de sua mente enquanto você rumina sobre suas evidências. Piore (2006) sugere
que ele desempenha um papel semelhante ao de uma equipe de seus colegas sentados ao seu
lado discutindo sobre o que você está encontrando e o que seu material significa. Portanto,
embora você certamente encontre novos insights indutivamente, em certo sentido suas leituras e
compreensão de teorias disciplinares específicas também informarão sutilmente suas
interpretações.
Em alguns casos, quando você compara evidências com um código, elas podem não se
encaixar. Isso pode indicar que você precisa considerar o desenvolvimento de outro código – ou
talvez seus códigos originais precisem ser modificados ou refinados. Se você achar que dois
códigos descrevem o mesmo fenômeno, condense-os em um. À medida que você continua
coletando dados, é provável que alguns códigos deixem de ser relevantes porque você encontrou
rótulos mais adequados ou porque sua pesquisa tomou um novo rumo. Neste caso, você terá que
rever todas as suas evidências, recodificando seus textos-dados anteriores.

As limitações da codificação

Embora a codificação torne seus dados mais gerenciáveis, ela também desvia a
atenção dos fenômenos que você não codificou porque eles não parecem se encaixar
em lugar algum. No entanto, essas informações podem ser potencialmente úteis,
portanto, você precisa incorporá-las de alguma forma. Uma maneira é construir um
sistema de codificação que permita contabilizar ideias e atividades não categorizadas
(pule para a seção 'Procurando por casos negativos e explicações alternativas' – p. 319
– para mais informações). Outra estratégia é rejeitar completamente um sistema de
codificação e tentar extrair cuidadosamente os significados sutis e variados das
palavras, juntamente com uma compreensão informada das estruturas mais amplas
dentro dos dados, semelhante ao processo usado na análise do discurso (ver Capítulo
10). Isso leva em conta outro problema de codificação,
314Analisando e interpretando os dados

Procurando padrões e propostas de trabalho (ou hipóteses emergentes)

Até agora, seus dados estarão fragmentados em dezenas, senão centenas, de códigos
diferentes. A próxima etapa exige que você integre tudo isso em algo mais estável,
compacto e coerente para que você possa dar sentido a todos eles e concentrar seu
trabalho de campo subsequente de volta à sua principal questão de pesquisa.

Exemplo 18.6: Identificando temas amplos

Os processos de comunicação de compartilhamento de conhecimento em uma

empresa suíça intensiva em conhecimento – uma consultoria de relações públicas e
comunicação de marketing com diversas divisões – foi tema de pesquisa da
mestranda Barbara Schaefer. Aqui estão exemplos de temas amplos que ela
identificou e usou para codificar citações (na segunda coluna) e depois agrupá-las em
categorias maiores (a terceira coluna). Esses são apenas alguns dos vários códigos e
categorias que ela encontrou em seus dados.

Cotações Códigos Categorias

'O direito de existir das diferentes

disciplinas [e divisões] é aceito. Ninguém
sente que uma disciplina está na
liderança. Isso tem a ver
com a estrutura [aqui]. (W4:22)

'Em princípio, acho muito proveitoso reunir Percepção

essas duas disciplinas, pois no branding de qualidade
fazemos principalmente trabalho conceitual
e criativo, enquanto o PR trabalha
principalmente
conceitualmente e em nível de conteúdo. E o
trabalho criativo não deve servir apenas à
criatividade, ao texto não só ao
conteúdo' (W4.2) Motivação
compartilhar
“Acho que é mais sobre trabalharmos
juntos. Cada um de nós tem que trabalhar
duro para alcançar um objetivo comum. E é
do interesse de todos que o outro saiba se
as coisas derem errado ou o que
for' (M3.28)
Comum
bem-estar
Para quem está motivado de qualquer maneira, isso
não é um grande problema, eles fariam de qualquer
maneira (W4.36)

'Cada um de nós pensa constantemente em

quem precisa saber o quê' (W1:22)
 Analisando e interpretando os dados315

Cotações Códigos Categorias

'Claro que pertencemos ao Grupo, mas

'aqui' somos principalmente [nossa própria
divisão nomeada]' (W5.2)

'Esses anunciantes querem vender um plano Grupo próprio

engraçado, e as pessoas de identidade de percebido
marca querem criar um CD como superior
manual e sufocar todas as ideias, ou os caras de relações

públicas não têm a menor ideia de qualquer maneira – deixe-

os escrever alguns textos de relações públicas de

produtos' (W4.20)

'O pensamento cross-media é raro. O que

quero dizer é transferir que as possibilidades Obstáculos para a

que a internet oferece devem ser levadas em conhecimento

consideração. Essas possibilidades são

diferentes hoje do que eram há dois
anos.' (W6.8)
Falta de
'A transferência de know-how é mútuo
extremamente difícil. Quero dizer, os outros debaixo-
funcionários podem ouvir sobre as contas que de pé
temos, mas nenhuma troca sobre
soluções, idéias, etc. existe. Há casos
únicos que são apresentados. Mas
também seria interessante para nós ver
o que eles estão realmente
fazendo.' (W5.10)

Ao escrever sobre sua metodologia, Schaefer relatou que estudou repetidamente as

transcrições, identificando temas interessantes e repetitivos dentro dos textos,
cruzando-os com temas emergentes da análise e observação documental. Deste
processo, emergiu um padrão unificador, a saber, que é principalmente a concepção
que cada pessoa tem do que a relação é (ou deveria ser) com a outra parte que
impacta o grau de compartilhamento de conhecimento' (2007:42). A partir das
categorias acima, juntamente com outras, ela identificou quatro tipos diferentes de
relações sociais que ela usou como títulos para estruturar sua discussão de seus
resultados.

Continue a trabalhar para frente e para trás entre as categorias codificadas e suas
subcategorias enquanto você procura dedutivamente as relações entre elas. Esses
relacionamentos indicam padrões em seus dados. Os padrões ajudam você a identificar
alguns temas centrais mais amplos que são capazes de fornecer uma compreensão geral
de todos os subtemas díspares. Os padrões também permitem que você relacione suas
descobertas com conceitos e categorias na literatura existente. De fato, em alguns casos
pode ser apropriado derivar novos códigos e conceitos da própria literatura.
316Analisando e interpretando os dados

À medida que os padrões e os temas centrais se tornam aparentes, é provável que você
comece a desenvolver propostas de trabalho, testando sua plausibilidade por meio dos
dados. Uma proposta de trabalho é como uma mini-hipótese. Por exemplo, no estudo
descrito no Exemplo 18.6, uma proposta de trabalho foi 'Quando uma relação social é
concebida como 'comunal' por pessoas que trabalham nas diferentes divisões da empresa,
então o conhecimento torna-se um recurso comum e compartilhá-lo parece apenas
natural' (Schaefer, 2007: 46). Ao continuar a pesquisar seus dados, você desafia essas
hipóteses emergentes e as confirma ou refuta.
Casos desviantes devem ser contabilizados, ou seja, ocorrências contrárias ou exemplos
negativos que ocorrem quando alguns elementos dos dados não se encaixam em suas
proposições de trabalho ou explicações iniciais. Encontrar esses casos geralmente desafia
suas propostas de trabalho, resultando na necessidade de revisá-las. Por exemplo, se
Schaefer tivesse encontrado um grupo de profissionais de marketing em sua empresa focal
que compartilhasse conhecimento apesar de não ter relacionamentos colegiais ou
comunitários com outros na empresa, ela teria que considerar a adequação de sua hipótese
de trabalho e também as razões para o desvio. .

Dica útil
Escrever memorandos analíticos para si mesmo permite que você explore as conexões
entre os dados e registre suas ideias intuitivas relacionadas aos dados e à literatura.
Armazene-os em uma pasta separada ou em um arquivo de computador.

A compilação de resumos provisórios permite que você reflita sobre o trabalho que realizou,
considere quaisquer alterações que possa precisar fazer em sua codificação e trabalho de campo
adicional e se concentre em sua principal questão de pesquisa. Se você estiver explorando vários
estudos de caso, os resumos oferecem a oportunidade de desenvolver algumas análises
provisórias de casos cruzados.

Interpretando os dados

Interpretar é o processo analítico de atribuir significado aos seus dados,

explicando a outras pessoas, como seus leitores, o que seus dados significam
para ajudá-los a entender o que você descobriu em sua investigação. Assim
como você analisa sua evidência desde o início da coleta, você constrói
significado sobre a evidência analisada em um ciclo contínuo de coleta de dados-
análise-interpretação-coleta de dados.
Fazer seleções de certas ideias, leituras ou citações para confirmar ou desafiar seus
conceitos em desenvolvimento faz parte do processo de análise e interpretação. Embora
seja importante preservar as perspectivas dos participantes sobre suas realidades sociais,
você também está construindo e conferindo seus próprios entendimentos sobre os dados
analisados, comparando-os com as conclusões de outros pesquisadores
 Analisando e interpretando os dados317

que publicaram estudos relevantes semelhantes ou relacionados. Esse processo de

transcender os dados – ou interpretar – envolve chegar à sua própria avaliação do que suas
descobertas significam em relação ao conhecimento apropriado em relações públicas e
comunicações de marketing. Na pesquisa qualitativa, também envolve gerar teoria ou
novos modelos conceituais ou fazer generalizações baseadas em teoria que podem ser
desenvolvidas em estudos comparativos posteriores. Até mesmo a categorização é um
passo em direção à interpretação, pois você seleciona como analisar os dados e distingue
entre o que vê como importante ou sem importância.
Embora possa parecer uma tarefa assustadora desenvolver teoria a partir de um projeto de
estudante em pequena escala, 'teoria' não significa necessariamente uma teoria robusta e
completa ao longo das linhas da teoria cultural, conceitos de gerenciamento de relacionamento
ou teoria de co-orientação. Muitas vezes foram necessárias muitas décadas e inúmeros projetos
associados para que estes evoluíssem seus princípios e características. Em vez disso, você pode
estar envolvido na identificação de conceitos teóricos, proposições ou descrições que dizem
respeito apenas a uma única empresa que você investigou, como como a marca e a imagem
corporativa da empresa interagem e o valor desses conceitos para os gerentes da empresa
envolvidos na construção uma reputação mais positiva.
Alternativamente, você pode desenvolver um modelo de como e por que as
comunicações internas facilitam a participação dos funcionários no setor de saúde da
região onde você mora, ou você pode considerar o impacto do discurso corporativo na vida
cultural de um grupo comunitário em uma região do seu país . No mesmo nível substantivo,
você também pode considerar por que as comunicações políticas em seu governo estadual
ignoram os pontos de vista e as vozes de certos grupos minoritários.

Ponto chave
A teoria é uma suposição ou proposição que fornece explicações para um
fenômeno.

Então, como você faz para gerar teoria? Ao mesmo tempo em que você está se
concentrando em descobrir relacionamentos dentro dos dados, você também procura
explorar relacionamentos entre seus dados e a literatura relevante. Isso envolve ir e
voltar entre as evidências coletadas de seu trabalho de campo e a literatura. Isso
ajuda você a encontrar uma estrutura teórica coerente que seja informada e que se
ajuste à sua interpretação dos dados. Como Weick coloca: “O processo de teorização
consiste em atividades como abstrair, generalizar, relacionar, selecionar, explicar,
sintetizar e idealizar. Essas [são] atividades em andamento” (1995: 389). A verdadeira
análise envolve dar a seus dados um significado mais amplo, posicionando seu estudo
dentro do corpo de conhecimento que foi desenvolvido em relações públicas e
comunicações de marketing.
318Analisando e interpretando os dados

Exemplo 18.7: Desenvolvimento de conceitos teóricos

No estudo sueco de Peter Svensson referido no Exemplo 18.2, ele chamou a atenção
para a relação entre dois temas-chave que encontrou em seus dados – 'o discurso do
coletivismo' e 'o discurso do individualismo'. Ele explicou que isso demonstrava
como uma organização, por meio de uma retórica habilidosa, conseguia abraçar e
explorar duas posições ideológicas polarizadas (coletivismo e individualismo) dentro
da mesma resposta de comunicação. Ao associar essa constatação a teorias de
atribuição e enquadramento, ele generalizou os resultados de seu estudo de caso ao
apontar como as organizações em situação de crise se apropriam da linguagem
crítica de seus movimentos de oposição e protesto, transformando-a em uma arma
retórica em sua própria estratégia de defesa pública (Svensson , 2009: 572).

Nem toda pesquisa qualitativa envolve gerar teoria. Por exemplo, alguns estudos
procuram ser descritivos, embora essa descrição seja densa, analítica e exaustiva. Tais
estudos, no entanto, ainda se esforçam para fornecer uma ligação entre dados e
conhecimento teórico, a fim de recontextualizar um caso ou questão particular para uma
esfera mais universal para que os leitores possam se identificar mais facilmente com ela.
Em estudos etnográficos, por exemplo, teorizar geralmente envolve identificar crenças e
valores nos dados e então compará-los com a teoria estabelecida. Através deste processo
de análise e interpretação, novos modelos ou teorias são desenvolvidos.
Como na teoria fundamentada, a generalização ou transferibilidade da teoria que você
desenvolve é determinada por sua 'abstração'. Se você desenvolveu uma teoria substantiva,
ela estará vinculada ao contexto e aplicável apenas ao cenário em que seu estudo ocorreu.
Por outro lado, se você desenvolveu uma teoria formal, ela será mais abstrata e transferível
para muitos contextos ou experiências. Tenha em mente, entretanto, que muitas pesquisas
qualitativas envolvem estudos de caso único ou pequenas amostras e, portanto, suas
tentativas de generalização serão tênues (para mais informações sobre generalização,
consulte o Capítulo 5).

Avaliando sua interpretação

Patton (2002: 212) escreve que a análise qualitativa precisa ser significativa, útil e
confiável. Se suas conclusões se relacionam diretamente com as perguntas que você
fez, sua análise será significativa. Se a sua interpretação dos dados for compreensível
para os leitores e estiver claramente apresentada, sua análise será útil. Finalmente,
para ser credível, você deve demonstrar que a perspectiva que você apresentou
resistirá a um escrutínio rigoroso, com referência a critérios de qualidade específicos,
como confiabilidade e validade ou, alternativamente, autenticidade e confiabilidade.
Embora os discutamos em profundidade no Capítulo 5, observamos aqui três
aspectos importantes que você deve considerar ao analisar seu material. Eles dizem
respeito ao seguinte:
 Analisando e interpretando os dados319

• busca de explicações alternativas e casos negativos;

• realizar uma 'verificação do membro' ou validação do respondente;
• ser reflexivo sobre sua interpretação.

Procurando por casos negativos e explicações alternativas

Lembre-se de que você está procurando desenvolver um argumento e defender sua

interpretação particular dos dados. Isso significa empreender umacríticoanálise, que
você faz desafiando os temas e padrões que inicialmente parecem tão óbvios, e
também considerando instâncias que não se encaixam nos padrões. Às vezes, casos
desviantes trazem novos insights úteis, como observamos anteriormente. É
importante, portanto, buscar outras explicações plausíveis para os dados, as conexões
entre eles e sua relação com pesquisas anteriores. Isso envolve identificar e descrever
temas rivais ou concorrentes, casos negativos e explicações que podem levar a
diferentes descobertas. Significa pensar em outras possibilidades lógicas e então ver
se os dados suportam essas possibilidades. Marshall e Rossman (2006) afirmam que
se você não for capaz de encontrar evidências de apoio para entendimentos
alternativos, você pode se sentir confiante de que a explicação que você oferece é a
mais plausível de todas. Isso é discutido com mais detalhes no Capítulo 5.

Dica útil
Quando você for redigir seu relatório, você deve ser capaz de demonstrar como
você avaliou as evidências e considerou casos e explicações alternativas.

Realização de uma 'verificação de membro'

Para analisar o sentido de seus dados em seu contexto, considere realizar o que é
conhecido como 'verificação de membro' ou 'validação de informante'. Isso pode ser feito
de várias maneiras, inclusive pedindo aos respondentes que leiam sua interpretação por
escrito das evidências que você coletou e comentem de volta para você, ou devolvendo aos
respondentes suas impressões e descobertas sobre sua organização, setor ou atividades. O
objetivo é buscar a confirmação de que sua interpretação dos dados corresponde às
opiniões dos participantes de sua pesquisa. Uma discussão mais detalhada deste tópico é
encontrada no Capítulo 5.

Ser reflexivo sobre sua interpretação

No Capítulo 5, notamos que a reflexividade estava preocupada em reconhecer explicitamente o

papel do processo de pesquisa e reconhecer as próprias experiências e localização do pesquisador
nesse processo. Etherington (2004) chama isso de 'subjetividade crítica'. Como pesquisador
qualitativo, você não é um espectador não envolvido, mas um ser social que
320Analisando e interpretando os dados

tem um impacto sobre o comportamento das pessoas ao seu redor. Portanto, ao avaliar sua
interpretação dos dados, você deve refletir sobre as implicações de seus métodos, valores,
tendências e escolhas de pesquisa para o conhecimento de relações públicas ou
comunicações de marketing que você gerou. Você também deve refletir sobre o contexto
mais amplo em que sua pesquisa – e suas interações com ela – ocorre.
Quais seriam, por exemplo, as consequências de uma investigação sobre carreiras e
práticas de igualdade de oportunidades em agências de publicidade australianas se você, a
pesquisadora, fosse uma mulher aborígine com um diploma em relações públicas?

• Sua etnia ou formação disciplinar influenciaria a perspectiva teórica que você

escolheu para enquadrar seu tópico?
• Isso influenciaria a amostra e os métodos de pesquisa que você selecionou, permitindo
que apenas certas vozes e não outras fossem ouvidas em sua pesquisa?
• Até que ponto sua formação disciplinar o levaria a se concentrar em certos
aspectos do ambiente de pesquisa e não em outros?
• Como sua presença física pode ter influenciado os dados que você coletou, como uma
pesquisadora negra entrevistando executivos de publicidade predominantemente
brancos sobre igualdade de oportunidades?
• Até que ponto sua interpretação seria influenciada por sua etnia, formação
disciplinar e suas experiências profissionais anteriores?
• Se a mídia está atualmente relatando debates públicos mais amplos sobre a natureza de
gênero da publicidade, como isso pode afetar as respostas ao seu estudo e sua leitura
deles?

Questões como essas exigem uma autorreflexão crítica devido à noção de que seu papel
como pesquisador está inerentemente ligado à forma como você derivou e interpretou
suas descobertas, ou seja, com a forma como você construiu o conhecimento no campo de
relações públicas e marketing. comunicações. (Observe que o tópico da reflexividade é
discutido em vários capítulos diferentes deste livro, inclusive em relação à qualidade no
Capítulo 5 e na redação do relatório de pesquisa no Capítulo 19.)
Em alguns casos, você também pode querer refletir sobre a visão de que o idioma ou o
texto estão socialmente, historicamente, politicamente e culturalmente localizados. Em
particular, se você estiver escrevendo um relato baseado em um estudo etnográfico ou de
análise de discurso, é provável que reconheça que os documentos ou transcrições que você
lê – e o relatório de pesquisa que você produz – são versões do contexto social em que
estão inseridos. situado. Isso implica reconhecer as implicações e o significado de suas
decisões como pesquisador e escritor.

Algumas questões analíticas específicas

Analisando várias fontes

Muitas metodologias qualitativas combinam mais de um método de coleta de dados. Na

análise, é importante fazer referências cruzadas entre as diferentes fontes de dados,
procurando semelhanças e diferenças dentro e entre todos os seus textos de dados. Dentro
 Analisando e interpretando os dados321

Na parte anterior deste capítulo, oferecemos algumas sugestões universais para analisar e
interpretar os dados. Agora chegamos a questões específicas relacionadas a tipos particulares de
textos de dados.

Analisando documentos

A análise qualitativa de documentos (também chamada de análise qualitativa de conteúdo)

difere da análise quantitativa de conteúdo, que é onde você se esforça para gerar um mapa
estatístico do conteúdo básico de documentos escritos e eletrônicos, medindo a frequência
e a extensão das mensagens. Na análise qualitativa de documentos, por outro lado, você
encontra dados narrativos, ou seja, principalmente palavras, embora às vezes você também
possa coletar alguns dados numéricos para apoiar sua evidência qualitativa.
Enquanto o objetivo principal da análise quantitativa de conteúdo é verificar ou confirmar
relações hipotéticas, o objetivo da análise qualitativa de documentos é descobrir padrões novos
ou emergentes, incluindo categorias negligenciadas, que podem ser aquelas usadas pelos
próprios participantes (por exemplo, representações dos próprios consultores de seus
relacionamentos com clientes). Se você estiver lidando com relatórios estatísticos dentro de um
estudo qualitativo, por exemplo, você deve explorar as formas como as estatísticas foram
organizadas e apresentadas, buscando as principais mensagens e significados que os autores
desejam transmitir. Para obter mais informações sobre como usar documentos como fontes de
dados, consulte o Capítulo 17; este capítulo também tem uma seção sobre análise de documentos
visuais (pp. 290-291).

Analisando notas de campo

Quando você está analisando entrevistas, códigos podem emergir das palavras e conceitos
que são familiares aos seus informantes. Isso não acontece quando você está trabalhando
com notas de campo de suas sessões de observação. Em vez disso, é provável que os
códigos sejam o resultado de uma sessão de 'brainstorming', na qual você apresenta uma
infinidade de explicações plausíveis para o significado das atividades observadas. Cada uma
dessas contas forma códigos possíveis que precisam ser comparados com notas de campo
de outras observações dentro do projeto. Quando você tiver refinado seus códigos em
padrões ou temas mais gerenciáveis, vale a pena escrevê-los em termos formais e
abstratos. Por exemplo, se 'criatividade' surgir como um código aplicável aos dados que
você coletou para sua pesquisa sobre as funções de trabalho de publicitários que operam
internamente ou freelance, você deve tentar pensar em outras situações em que a
criatividade é predominante nas atividades e interações relacionadas à comunicação ou
serviço, conforme documentado na literatura. Isso o ajudará a identificar aspectos do
processo de criatividade que você pode procurar quando voltar a examinar seus próprios
dados sobre as práticas e as pessoas envolvidas no trabalho promocional.

Análise secundária

A análise secundária é quando você analisa dados pré-existentes que foram coletados
por outra pessoa (Heaton, 2004). Discutimos isso no Capítulo 17 em relação a
322Analisando e interpretando os dados

a análise de documentos. A análise secundária também se refere à reutilização de dados

'brutos', como transcrições e notas de campo compiladas por outros pesquisadores. Um
site útil que lista repositórios de arquivos com dados qualitativos é http://www.esds. ac.uk/
qualidata/about/introduction.asp.
Um dos problemas associados à reutilização de material de outra pessoa é que você
pode não ter uma compreensão privilegiada do contexto cultural e político no qual os
dados foram produzidos porque você não estava lá no momento da coleta de dados
(Hammersley, 1997). Outra questão de pesquisa diz respeito ao fato de que você pode ter
pouco controle sobre quais dados estão disponíveis; você depende de tudo o que existe nos
arquivos. Analisando dadospost hoc, portanto, pode levar você a uma variedade de
interpretações que não podem ser validadas por outras fontes. No entanto, “a análise
secundária oferece ricas oportunidades, principalmente porque a tendência dos
pesquisadores qualitativos de gerar grandes e difíceis conjuntos de dados significa que
muito do material permanece subexplorado” (Bryman, 2008: 561).

Análise de dados qualitativos auxiliada por computador

O software desenvolvido para auxiliar a análise de dados qualitativos é conhecido pela sigla
CAQDAS. Uma variedade de pacotes está disponível, sendo os mais conhecidos ATLAS.ti,
QSR NUD*IST, NVivo e Ethnograph. Cada uma oferece uma variedade de ferramentas e
produtos que, segundo Lewins e Silver (2007), geralmente possibilitam as seguintes
funções:

• planejar e gerenciar seu projeto, incluindo a construção de uma trilha de auditoria;

• memorandos, incluindo acompanhar as ideias à medida que elas ocorrem e aprimorá-las à medida que
seu trabalho progride;
• pesquisa de strings, palavras e frases;
• codificação e recodificação em temas e categorias;
• armazenamento e recuperação;
• marcação e comentário de dados;
• hiperlinks.

Esses tipos de atividades e procedimentos podem ser vinculados entre si por meio do software,
estimulando assim seu pensamento conceitual. Alguns pacotes são capazes de lidar com dados
multimídia, permitindo segmentar e codificar dados de áudio e vídeo de maneira semelhante ao
texto escrito. Outra ferramenta é a função de mapeamento fornecida por pacotes de software de
mapeamento dedicados, como o Decision Explorer. Isso é útil quando você deseja desenvolver um
modelo teórico porque a função é capaz de apresentar uma estrutura visual de um conjunto
complexo de dados e integrar e conectar relacionamentos, padrões e ideias abstratas com os
dados (Lewins e Silver, 2007).

As limitações do uso de programas de análise de dados assistidos por computador

O valor dos pacotes de análise de dados assistida por computador não foi universalmente
aceito pelos pesquisadores qualitativos. Por um lado, alguns argumentam que a aplicação
de um programa leva os pesquisadores a serem mais explícitos sobre suas
 Analisando e interpretando os dados323

procedimentos analíticos porque o software aumenta a transparência da análise

(Bryman, 2008). Outros sugerem que o software obriga o analista a realizar o
processo de análise de forma rígida e estruturada (Bryman e Beardsworth, 2006).
Portanto, se você preferir trabalhar de forma menos estruturada, pode optar por
dispensar os pacotes CAQDAS.
Muitos pesquisadores acreditam que o uso de computadores agilizará a análise; isso é uma
falácia, pois leva tempo para se tornar proficiente nos vários programas de análise. Para um
estudo de graduação, provavelmente não vale a pena se esforçar para aprender as complexidades
do software, a menos que você pretenda realizar pesquisas adicionais após concluir sua
dissertação. Você pode achar que o software Word para Windows usual é suficiente para seus
propósitos. Para pós-graduados, uma vez que você tenha aprendido os programas, você
descobrirá que eles certamente oferecem uma facilidade rápida, eficiente e poderosa para
organizar e planejar seus dados, especialmente quando os dados são numerosos, como na
pesquisa de estudo de caso múltiplo. No entanto, lembre-se de que as principais decisões na
análise de dados ainda são feitas por você. Os programas de computador podem ser ótimos para
pesquisar, cortar, colar e destacar diferentes tipos de ligações ou relacionamentos, mas os
computadores não podem, é claro, interpretar os dados; Isso depende de você.

Indiscutivelmente, o principal problema do uso de computadores é o distanciamento do

pesquisador dos dados, pois é possível estar menos envolvido com seus textos do que
estaria lendo e mergulhando repetidamente nos dados. Portanto, ouvir gravações de áudio
e ler suas transcrições ainda são tarefas vitais em sua pesquisa. No entanto, alguns negam
a noção de distanciamento, sugerindo que o software realmente aumenta sua proximidade
com os dados por causa da facilidade de acesso que você tem a arquivos de dados inteiros
e por causa da interatividade entre as diferentes ferramentas e funções do software (Lewins
e Prata, 2007).
Apesar dos desafios e controvérsias em relação ao uso de software de computador para
análise, ele tem sido amplamente aceito em pesquisas qualitativas de relações públicas e
comunicação. Certamente os financiadores parecem mais impressionados com pesquisas que
empregam pacotes de computador. Uma das melhores referências para uma explicação simples,
mas detalhada dos recursos básicos é o pequeno capítulo de Bryman (2008) sobre o NVivo.

Resumo
• A análise de dados está preocupada em reduzir seus dados a partes
gerenciáveis e interpretá-los.
• Na maioria das abordagens qualitativas, há uma interação constante entre coleta e
análise de dados. A análise começa quando a coleta de dados começa,
continuando simultaneamente.
• A análise qualitativa envolve a busca de categorias e padrões nos dados
que o ajudarão a entender suas evidências. A codificação facilita isso.

• Encontrar padrões nos dados permite relacionar suas descobertas com conceitos e
temas da literatura existente. Isso ajuda a gerar teoria, novos modelos ou
generalizações baseadas em teoria.
324Analisando e interpretando os dados

• Um pacote de software especializado pode ser uma ferramenta valiosa para analisar os
dados, mas não deve substituir seu próprio pensamento, julgamento, decisão e
interpretação.
• Seu estudo deve ser capaz de resistir a um escrutínio rigoroso. As estratégias para
demonstrar que você ponderou cuidadosamente as evidências incluem procurar
explicações alternativas e casos negativos, realizar uma 'verificação de membros'
e ser reflexivo sobre sua interpretação dos dados.
• Muitas vezes é esquecido que a elaboração de relatórios é intrínseca à análise. Para
explicar as descobertas do seu estudo, você precisa comunicá-las a um grupo mais
amplo de leitores, o que você faz escrevendo suas descobertas. O Capítulo 19
concentra-se neste aspecto.