Escolar Documentos
Profissional Documentos
Cultura Documentos
Analisando e
Comunicando
Dados qualitativos
A escolha de um projeto de pesquisa qualitativa pressupõe uma certa visão de mundo
que, por sua vez, define como um pesquisador seleciona uma amostra, coleta dados,
analisa dados e aborda questões de validade, confiabilidade e ética. A Parte Três
consiste em três capítulos que abordam as fases posteriores do processo de pesquisa,
incluindo um capítulo abrangente sobre a análise de dados qualitativos, um capítulo
sobre a produção de conhecimento válido e confiável de maneira ética e um capítulo
sobre a redação do relatório de estudo qualitativo.
Nestes três últimos capítulos deste livro, os leitores terão uma noção da natureza
interativa da coleta, análise e relatório de dados. O primeiro capítulo da Parte Três discute a
importância de analisar simultaneamente os dados à medida que são coletados, juntamente
com as diretrizes práticas para o gerenciamento do conjunto de dados, incluindo uma
discussão sobre como os programas de computador podem facilitar o gerenciamento e a
análise de dados. O Capítulo Oito também é dedicado exatamente a como para analisar os
dados que você está coletando. A análise de dados pode resultar em um artigo que vai
desde um relato descritivo até a construção de uma teoria. Um grande segmento do
capítulo descreve o processo de derivar indutivamente significado dos dados,
especialmente no que diz respeito ao desenvolvimento de categorias ou temas que
permeiam os dados. A seção final do Capítulo Oito apresenta ao leitor uma breve visão
geral das estratégias de análise de dados específicas para diferentes tipos de estudos
qualitativos; a análise de conteúdo e a indução analítica também são brevemente
discutidas.
Dados qualitativos
Análise
Os capítulos anteriores explicaram como reunir dados para um estudo qualitativo por
meio de entrevistas, observações e documentos. Neste capítulo, discuto o
gerenciamento e a análise desses dados. Um capítulo sobre a análise de dados após
os capítulos sobre a coleta de dados qualitativos é um pouco enganoso porque a coleta
e a análise devem ser um processo simultâneo na pesquisa qualitativa. Na verdade, o
momento da análise e a integração da análise com outras tarefas distinguem um
projeto qualitativo da pesquisa tradicional positivista. Um design qualitativo é
emergente. O pesquisador geralmente não sabe com antecedência todas as pessoas
que podem ser entrevistadas, todas as perguntas que podem ser feitas ou para onde
olhar em seguida, a menos que os dados sejam analisados durante a coleta. Palpites,
hipóteses de trabalho, e palpites bem fundamentados direcionam a atenção do
investigador para certos dados e, em seguida, para refinar ou verificar palpites. O
processo de coleta e análise de dados é recursivo e dinâmico. Mas isso não quer dizer
que a análise esteja concluída quando todos os dados forem coletados. Muito pelo
contrário. A análise se torna mais intensa conforme o estudo avança e quando todos os
dados são inseridos.
Este capítulo cobre uma variedade de tópicos relacionados à análise de dados, com
ênfase em como você realmente Faz isto. Em primeiro lugar, falo sobre a importância de
começar a análise cedo, à medida que você coleta dados. A organização e o gerenciamento
de seus dados também começam cedo, mas devem ser concluídos assim que todos os dados
forem coletados para permitir uma análise intensiva. A terceira seção, e o coração de
169
170 Pesquisa qualitativa
este capítulo concentra-se em como você constrói categorias ou temas que se tornarão suas
descobertas. Também incluí uma pequena seção sobre a análise de dados em estudos de
caso, seguida por uma discussão sobre o papel dos programas de computador para a
análise qualitativa de dados. Finalmente, eu reviso as estratégias específicas para vários dos
tipos de pesquisa qualitativa discutidos no Capítulo Dois.
Em um cenário mais esclarecido, você se senta à mesa da sala de jantar com nada
mais do que a transcrição de sua primeira entrevista, ou as notas de campo de sua
primeira observação, ou o primeiro documento que coletou. Você analisa o propósito do
seu estudo. Você lê e relê os dados, fazendo anotações nas margens, comentando sobre
os dados. Você escreve um memorando separado para si mesmo, capturando suas
reflexões, temas provisórios, palpites, ideias e coisas a serem investigadas, derivados
desse primeiro conjunto de dados. Você anota coisas que deseja perguntar, observar ou
procurar em sua próxima rodada de coleta de dados. Após sua segunda entrevista, você
compara o primeiro conjunto de dados com o segundo. Essa comparação informa os
próximos dados coletados e assim por diante. Meses depois, quando você se senta para
Análise de dados qualitativos 171
A análise de dados é uma das poucas facetas, talvez a única faceta, de fazer
pesquisa qualitativa em que existe uma forma preferida. Conforme ilustrado no
cenário que acabamos de descrever, a maneira preferida de analisar dados em um
estudo qualitativo é fazê-lo simultaneamente com a coleta de dados. No início de
um estudo qualitativo, o investigador sabe qual é o problema e selecionou uma
amostra intencional para coletar dados a fim de abordar o problema. Mas o
pesquisador não sabe o que será descoberto, em que ou em quem se concentrar
ou como será a análise final. O produto final é moldado pelos dados que são
coletados e pela análise que acompanha todo o processo. Sem uma análise
contínua, os dados podem ficar desfocados, repetitivos e opressores no grande
volume de material que precisa ser processado.
pensamento crítico tardio sobre o que você vê e se tornar mais do que uma máquina de
gravação (p. 163). (Veja o Capítulo Seis para sugestões sobre como escrever comentários
do observador.)
6 Escreva memorandos para si mesmo sobre o que está aprendendo. "Estes
memorandos podem fornecer um momento para refletir sobre questões levantadas no
ambiente e como eles se relacionam com questões teóricas, metodológicas e substantivas
mais amplas ”(p. 165).
7 Experimente ideias e temas nos participantes. Enquanto você está entrevistando
participantes, você pode perguntar o que eles pensam sobre algum padrão ou tema
que você está começando a detectar nos dados. “Embora nem todos devam ser
questionados, e embora nem tudo que você ouve possa ser útil, os informantes-chave,
nas circunstâncias apropriadas, podem ajudar a avançar sua análise, especialmente
para preencher as lacunas da descrição” (p. 165).
quem poderia ser entrevistado, outra observação que poderia ser feita, outro
documento a ser revisto. Quando você deve interromper esta fase da investigação
e iniciar uma análise de dados intensiva? Como saber quando você coletou dados
suficientes? A resposta depende de algumas questões muito práticas e teóricas.
Na prática, você pode ter esgotado o tempo e o dinheiro alocados para o projeto
ou ficar sem energia mental e física. Idealmente, a decisão será baseada mais nos
seguintes critérios:
Esgotamento das fontes (embora as fontes possam ser recicladas e aproveitadas várias
vezes); saturação de categorias (a coleta contínua de dados produz pequenos incrementos
de novas informações em comparação com o esforço despendido para obtê-las); emergência
de regularidades - o sentido de “integração” (embora seja necessário ter cuidado para evitar
uma conclusão falsa ocasionada por regularidades que ocorrem em um nível mais simplista
do que o investigador deveria aceitar); e extensão excessiva - a sensação de que a nova
informação sendo desenterrada está muito distante do núcleo de qualquer uma das
categorias viáveis que surgiram (e não contribui de forma útil para o surgimento de
categorias viáveis adicionais). (Lincoln & Guba, 1985, p. 350)
participantes. Meses depois, você terá esquecido um pouco sobre todos os seus dados.
Portanto, conforme você coleta seus dados, é importante codificá-los de acordo com
qualquer esquema que seja relevante para o seu estudo. Por exemplo, no estudo de
como jovens adultos HIV positivos entendem seu diagnóstico (Courtenay, Merriam, &
Reeves,
1998), cada entrevista foi codificada com um pseudônimo e a idade, sexo, raça, família e
situação de emprego do participante, juntamente com a data do primeiro diagnóstico.
Isso permitiu que os pesquisadores acessassem uma transcrição de entrevista específica
ou retirassem várias transcrições do conjunto total em qualquer uma das dimensões ou
combinações de dimensões acima - mulheres diagnosticadas há menos de três anos, por
exemplo.
A tarefa importante é criar um inventário de todo o seu conjunto de dados. Você precisa
saber exatamente o que tem em termos de entrevistas, notas de campo, documentos,
memorandos que escreveu ao coletar ou pensar sobre seus dados e assim por diante. Esse
conjunto de dados precisa ser organizado e rotulado de acordo com algum esquema de
organização que faça sentido para você, o pesquisador - e um esquema que permita acessar
qualquer parte dos seus dados a qualquer momento. Uma cópia eletrônica ou impressa de todo
o seu conjunto de dados, junto com o seu esquema de organização, deve ser separada do
conjunto de dados em que você realmente estará trabalhando ao fazer sua análise. Abundam
histórias de terror, como cartões de memória perdidos, pastas roubadas contendo cópias
impressas de dados e assim por diante - histórias que são melhor contadas sobre outra pessoa!
pesquisa qualitativa. Uma terceira opção é uma combinação de gerenciamento manual e por
computador. No mínimo, as transcrições e notas de campo provavelmente terão sido
transcritas e a cópia impressa terá um backup de arquivo do computador. Vários programas
de processamento de texto são sofisticados o suficiente para serem adaptados ao
gerenciamento de dados. Na verdade, a acessibilidade e a popularidade dos computadores
na pesquisa qualitativa estão crescendo. Consulte a seção mais adiante neste capítulo sobre
Computadores e análise qualitativa de dados.
Mas o que significa entender os dados? Para mim, a análise de dados é o processo
usado para responda às suas perguntas de pesquisa.
O Capítulo Quatro descreveu como projetar um estudo qualitativo e identificou a
declaração de propósito e as questões de pesquisa como centrais para o processo. As
declarações de propósito qualitativo perguntam como algo acontece, quais fatores são
importantes e assim por diante. Uma declaração de propósito geralmente tem
subcomponentes na forma de perguntas de pesquisa. Por exemplo, na declaração de
propósito, “O propósito deste estudo é entender como os adultos lidam com uma doença
que ameaça a vida”, você pode ter várias perguntas de pesquisa: Qual é o processo? Que
fatores contextuais e pessoais moldam o processo? Como a doença influenciou seu senso
de identidade? Portanto, a partir de seus dados, você gostaria de derivar indutivamente um
processo, identificar os fatores que moldaram o processo e identificar como a doença
influenciou a maneira como eles agora se veem. Essas respostas às suas perguntas de
pesquisa são as conclusões do seu estudo. Portanto, o objetivo prático da análise de
dados é encontrar respostas às suas perguntas de pesquisa. Essas respostas também são
chamadas de categorias, temas ou descobertas.
Para obter um exemplo simples, mas vívido de como pegar dados brutos e
classificá-los em categorias, considere a tarefa de classificar duzentos itens alimentares
encontrados em um supermercado. Esses duzentos itens alimentares em um estudo de
pesquisa seriam bits de informação ou unidades de dados nas quais se basearia uma
análise. Comparando um item com outro, os duzentos itens poderiam ser classificados
em qualquer número de categorias. Começando com uma caixa de cereal, por exemplo,
você pode perguntar se o próximo item, uma laranja, é igual ao primeiro. Obviamente
não. Existem agora duas pilhas nas quais o próximo item pode ou não ser colocado. Por
este processo, você pode classificar todos os itens em categorias de sua escolha. Um
esquema pode separar os itens nas categorias de produtos frescos, congelados,
enlatados ou embalados. Ou você pode dividi-los por cor, peso ou preço. Mais provável,
você dividiria os itens em categorias comuns de mercearia: carne, laticínios, produtos
agrícolas, produtos enlatados e assim por diante. Essas categorias seriam classes
bastante abrangentes, cada uma das quais poderia ser subdividida posteriormente.
Produzir, por exemplo, inclui as subcategorias de frutas e vegetais. Frutas incluem frutas
cítricas e não-cítricas, domésticas e exóticas. Por comparação, todos esses esquemas
emergem indutivamente dos "dados" - a comida
178 Pesquisa qualitativa
Itens. Os nomes das categorias e o esquema que você usa para classificar os dados
refletirão o foco do seu estudo.
Categoria de construção
O processo começa com a leitura da primeira transcrição da entrevista, o primeiro
conjunto de notas de campo, o primeiro documento coletado no estudo. À medida que
você lê a transcrição, por exemplo, você faz anotações, comentários, observações e
consultas nas margens. Essas notações estão próximas a bits de dados que parecem
interessantes, potencialmente relevantes ou importantes para o seu estudo. Pense em
você como tendo uma conversa com os dados, fazendo perguntas sobre eles,
comentando sobre eles e assim por diante. Este processo de fazer anotações ao lado de
bits de dados que parecem potencialmente relevantes para responder às suas perguntas
de pesquisa também é chamado
codificação. Já que você está apenas começando a análise, seja tão expansivo quanto quiser
na identificação de qualquer segmento de dados que poderia seja útil. Como você está aberto
a tudo o que é possível neste momento, essa forma de codificação costuma ser chamada codificação
aberta. O que você anota nas margens (ou insere no arquivo do computador) pode ser uma
repetição da (s) palavra (s) exata (s) do participante, suas palavras ou um conceito da
literatura. A Figura 8.1 mostra a codificação aberta em um breve segmento de dados de um
estudo com mulheres africanas que fizeram uma transição bem-sucedida de desempregadas
para mulheres de negócios bem-sucedidas (Ntseane, 1999). Neste segmento da entrevista
Análise de dados qualitativos 179
1 Investigador: Agora vamos falar sobre o treinamento. Como você aprendeu o que faz em seu
negócio?
4 Participante: Veja, não fui muito longe na escola. Portanto, não aprendi nada sobre 5 negócios na escola primária. Usei
minha experiência para começar este negócio. Nesta 6 cultura, acreditamos que a experiência de outros pode ser copiada.
7 sistema de gestão que eu uso neste negócio desde o primeiro trabalho de assistência de loja que eu copie outros
8 fizeram. Eles me ensinaram no trabalho como tratar os clientes, especificamente que eu tinha que ser
9 amigável, sorria para os clientes e trate-os com respeito. Eu já sabia dessas coisas, mas na época não sabia
que eram importantes para o negócio. Eles também me mostraram 11 como controlar o que eu vendi e coisas
12 muito de minha irmã sobre como mulheres de negócios em negócios semelhantes como o meu em 13 irmã
Gaborone operam os seus. Essa experiência de aprendizado e meu bom senso foram muito úteis nos estágios senso comum
iniciais deste negócio. Uma vez que eu estava no negócio, bem, você meio que aprende fazendo as coisas. Por
exemplo, você enfrenta problemas e o que funciona naquilo que você guarda na cabeça para a próxima crise. fazendo
Com a expansão do negócio, aprendi muito com outras 17 mulheres. Eu converso com eles sobre este negócio,
18 negócios como aquele com que viajo para a África do Sul para nossas compras de negócios, aqueles 19
cujas empresas estão próximas às minhas, funcionários, clientes e família. Você só precisa falar sobre o seu
( Contínuo )
180 Pesquisa qualitativa
24 Participante: Claro (ri sem acreditar). Neste negócio eu não estaria onde eu
25 da manhã sem eles. Veja, eles cometeram erros, sofreram e não querem que aqueles que vierem depois deles
passem por essa experiência dolorosa. Fui espancado por 27 ladrões sul-africanos, humilhado por homens que têm
28 juraram que não gostaria de ver nenhuma mulher passar por aquela experiência. É isso que o 29 me
mantém no negócio, isto é, estar lá para outras pessoas como um modelo ou um segurança 30 (mais risos).
Faço um esforço para abordar novas empresárias para oferecer ajuda e para que saibam que minha porta está
aberta para que me peçam qualquer coisa que 32 fará diferença em suas vidas e negócios.
por exemplo, você pode combinar “copiar outros”, “irmã” e “outras mulheres” em uma
categoria “Aprender com os outros”. Este processo de agrupar seus códigos abertos
às vezes é chamado codificação axial ( Corbin & Strauss, 2007) ou codificação
analítica. A codificação analítica vai além da codificação descritiva; é "codificação
que vem da interpretação e reflexão sobre o significado" (Richards, 2005,
os
Dad Dado Dado
s
s
os
Dad
os Dad
Dad os
Categoria
acima. Os arquivos são configurados para as categorias e seus dados correspondentes são
inseridos. O pesquisador pode então recuperar e imprimir, por categoria, qualquer conjunto de
dados desejado. Vários níveis de codificação são possíveis para a mesma unidade de informação.
(Para obter mais discussão sobre computadores na pesquisa qualitativa, consulte a seção neste
capítulo sobre Computadores e Análise Qualitativa de Dados.)
Nomeando as categorias
Elaborar categorias é em grande parte um processo intuitivo, mas também é sistemático
e informado pelo propósito do estudo, pela orientação e conhecimento do investigador e
pelos significados explicitados por
184 Pesquisa qualitativa
os próprios participantes. Pode ser lembrado do Capítulo Quatro que todo estudo
tem algum arcabouço teórico; ou seja, todo estudo está situado em algum corpo da
literatura que fornece as ferramentas para até mesmo chegar a uma declaração de
propósito e perguntas de pesquisa. Uma vez que as categorias ou temas ou
achados respondem (respostas) a essas questões de pesquisa, o nome dessas
categorias será congruente com a orientação do estudo.
Os nomes de suas categorias podem vir de pelo menos três fontes (ou uma
combinação dessas fontes): você, o pesquisador, os participantes ou fontes
externas ao estudo, como a literatura. A situação mais comum é quando o
investigador apresenta termos, conceitos e categorias que refletem o que ele vê
nos dados. Na segunda abordagem, os dados podem ser organizados em um
esquema sugerido pelos próprios participantes. Por exemplo, Bogdan e Biklen
(2007) descobriram que os pais foram classificados pela equipe profissional em
um hospital intensivo
Análise de dados qualitativos 185
unidade de cuidados para bebês como “bons pais”, “pais não tão bons” ou “criadores de
problemas” (p. 175).
Além das próprias categorias dos participantes, os esquemas de classificação
podem ser emprestados de fontes externas ao estudo em questão. Aplicar o esquema
de outra pessoa requer que as categorias sejam compatíveis com o propósito e a
estrutura teórica do estudo. O banco de dados é verificado para determinar a
adequação de categorias a priori e, em seguida, os dados são classificados nas
categorias emprestadas.
Como pode ser visto no Anexo 8.2, as categorias construídas durante a análise de
dados devem atender a vários critérios:
• Categorias devem seja exaustivo; ou seja, você deve ser capaz de colocar todos os
dados que decidiu serem importantes ou relevantes para o estudo em uma categoria ou
subcategoria.
• Categorias devem ser mutuamente exclusivos. Uma determinada unidade de dados deve se
enquadrar em apenas uma categoria. Se exatamente a mesma unidade de dados pode ser
colocada em mais de uma categoria, mais trabalho conceitual precisa ser feito para refinar suas
categorias. Isso é
186 Pesquisa qualitativa
3. Seja Mutualmente exclusivo ( uma unidade de dados relevante pode ser colocada em
para não dizer, entretanto, que parte de uma frase não pode entrar em uma
categoria ou subcategoria, e o resto da frase em outra.
Quantas categorias
O número de categorias que um pesquisador constrói depende dos dados e do foco
da pesquisa. Em qualquer caso, o número deve ser administrável. Em minha
experiência, quanto menos categorias, maior o nível de abstração e maior a
facilidade com que você pode comunicar suas descobertas a outras pessoas.
Cresswell (2007, p. 152) concorda dizendo que em sua pesquisa ele prefere
trabalhar com vinte e cinco a trinta categorias no início da análise de dados, então
se esforça “para reduzi-los e combiná-los nos cinco ou seis temas que usarei no fim
de escrever minha narrativa. ” É provável que um grande número de categorias
reflita uma análise muito alojada em descrições concretas. Guba e Lincoln (1981)
sugerem quatro diretrizes para o desenvolvimento de categorias que são
abrangentes e esclarecedoras. Primeiro, o número de pessoas que mencionam algo
ou a frequência com que algo surge nos dados indica uma dimensão importante.
Em segundo lugar, o público pode determinar o que é importante - isto é, algumas
categorias aparecerão para vários públicos como mais ou menos confiáveis.
Terceiro, algumas categorias se destacarão por causa de sua singularidade e
devem ser mantidas. E quarto, certas categorias podem revelar "áreas de
188 Pesquisa qualitativa
inquérito não reconhecido de outra forma ”ou“ fornece uma vantagem única em um problema
comum de outra forma ”(p. 95).
Diversas diretrizes podem ajudar um pesquisador a determinar se um conjunto de
categorias está completo. Primeiro, “deve haver um mínimo de itens de dados não
atribuíveis, bem como relativa liberdade de ambigüidade de classificação” (Guba e
Lincoln, 1981, p. 96). Além disso, o conjunto de categorias deve parecer plausível, dados
os dados dos quais emergem, fazendo com que investigadores independentes
concordem que as categorias fazem sentido à luz dos dados. Essa estratégia ajuda a
garantir a confiabilidade e é discutida mais adiante no Capítulo Nove.
em uma terra de inferência nunca-nunca ”é uma tarefa difícil para a maioria dos
pesquisadores qualitativos porque eles estão muito próximos dos dados,
incapazes de articular como o estudo é significativo e incapazes de mudar para um
modo especulativo de pensamento (p. 269) . Teorizar sobre dados também pode
ser prejudicado por pensar que é linear em vez de contextual. Patton (2002)
observa a tentação de “recorrer aos pressupostos lineares da análise quantitativa”,
que envolve a especificação de “variáveis isoladas que são mecanicamente
vinculadas fora do contexto” (p. 480). Essas declarações não contextuais “podem
ser mais distorcidas do que esclarecedoras. O desafio contínuo, paradoxo e
dilema da análise qualitativa nos envolvem em um movimento constante para
frente e para trás entre o fenômeno do programa e nossas abstrações desse
fenômeno,
FATORES DE ENTRADA
A. Mobilidade Ascendente
B. Apoio à Família
FATORES DE CONCLUSÃO
A. Orientação de meta
1. Clareza
2. Proximidade
B. Imagem
1. Enfermagem
Para cima
mobilidade
Objetivo
orientação
Graduação
Entrada em
Imagem
Enfermagem
programa
Retirada
Saliência de
papel do aluno
Família
Apoio, suporte
Dois fatores, mobilidade ascendente e suporte familiar, caracterizaram a motivação de ambos os grupos
para ingressar no programa de enfermagem. Três fatores - orientação para o objetivo, imagem e relevância do
papel do aluno - explicaram por que alguns homens concluíram o programa de enfermagem e outros não. Os
graduados tinham uma compreensão muito mais realista do que seria ganho com a aquisição de um diploma
de associado (clareza de objetivos) e quanto tempo levaria para concluí-lo (proximidade de objetivos). Os
graduados tinham imagens mais realistas da enfermagem como profissão e também de si próprios como
enfermeiros. Além disso, para os concluintes, o papel do estudante de enfermagem era inegociável em face
de crises familiares ou de trabalho; para não graduados, o papel do aluno foi o primeiro compromisso a ser
sacrificado em tempos de crise. Blankenship sentiu que esses fatores apresentados não transmitiam
completamente sua compreensão do fenômeno. Na Figura 8.3, ela pega as categorias apresentadas na
Figura 8.3 e “mapeia” o processo. Como pode ser visto na Figura 8.3, todos os alunos ingressaram no
programa de enfermagem com a crença de que tornar-se enfermeiro os capacitaria a ter mais mobilidade
social e econômica; eles também tinham apoio familiar para esse empreendimento. Uma vez no programa,
seu compromisso foi filtrado por meio dos fatores que ela descobriu que diferenciavam os que se formavam e
os que desistiam - orientação para metas, imagem da enfermagem e destaque do papel do aluno. Como
afirma Blankenship, “uma vez no programa, a orientação para o objetivo, a imagem e a relevância do papel do
aluno interagem de forma a levar à graduação ou à saída do programa” (p. 88). Na Figura 8.3, ela pega as
categorias apresentadas na Figura 8.3 e “mapeia” o processo. Como pode ser visto na Figura 8.3, todos os
alunos ingressaram no programa de enfermagem com a crença de que tornar-se enfermeiro lhes permitiria ter
mais mobilidade social e econômica; eles também tinham apoio familiar para esse empreendimento. Uma vez
no programa, seu compromisso foi filtrado por meio dos fatores que ela descobriu que diferenciavam os que
se formavam e os que desistiam - orientação para metas, imagem da enfermagem e destaque do papel do
aluno. Como afirma Blankenship, “uma vez no programa, a orientação para o objetivo, a imagem e a
relevância do papel do aluno interagem de forma a levar à graduação ou à saída do programa” (p. 88). Na
Figura 8.3, ela pega as categorias apresentadas na Figura 8.3 e “mapeia” o processo. Como pode ser visto na
Figura 8.3, todos os alunos ingressaram no programa de enfermagem com a crença de que tornar-se enfermeiro os capacitaria a ter mais m
Gênero
Família
Escola
Negociação Silêncio
Resistência Comunidade
Local de trabalho
Cor
que estão sempre presentes na sociedade. O círculo central se sobrepõe aos círculos
menores que representam os diferentes segmentos da sociedade: escola, local de trabalho,
comunidade e família. Os obstáculos que encontraram na escola não foram diferentes dos
enfrentados nas outras três áreas. Para lidar com velhos dilemas, as mulheres confiaram
em estratégias familiares (silêncio, negociação e resistência) que usaram ao longo de suas
vidas, para responder ao impacto direto do racismo, sexismo, classismo e colorismo nesses
quatro locais sociais (p. 154).
Assim, pensar sobre suas categorias e subcategorias e especular sobre como elas
podem estar inter-relacionadas pode levar você a desenvolver um modelo dessas
inter-relações ou mesmo uma teoria. Quando as categorias e suas propriedades são
reduzidas e refinadas e então vinculadas, a análise está se movendo em direção ao
desenvolvimento de um modelo ou teoria para explicar o significado dos dados. Isto
Análise de dados qualitativos 193
O nível de análise transcende a formação de categorias, pois uma teoria busca explicar
um grande número de fenômenos e contar como eles se relacionam. Deve-se lembrar
que o método comparativo constante de análise de dados foi desenvolvido por Glaser e
Strauss (1967) para construir a teoria fundamentada. Isso vai além da construção de
categorias e é abordado posteriormente no capítulo da seção intitulada Teoria
Fundamentada nos Dados.
Em primeiro lugar, devemos insistir que nossa montanha se eleva acima do mundo plano do
bom senso para oferecer uma perspectiva mais “científica”. . . . Podemos permitir que nossa
montanha tenha qualquer tamanho e forma; a pequena colina de um pequeno projeto de
graduação ou o pico íngreme de um projeto de pesquisa em grande escala. . . . Em geral, as
mesmas tarefas são exigidas de ambos. A montanha é escalada aos poucos, e enquanto
subimos, nos concentramos em um passo de cada vez. Mas a visão que obtemos é mais do que
a soma da sequência de etapas que damos ao longo do caminho. De vez em quando, podemos
nos virar e olhar para o horizonte e, ao fazer isso, vemos a região circundante de um novo ponto
de vista. . . . Esta escalada, com seus caminhos tortuosos, suas tangentes e reversões
aparentes, e suas vistas frescas, reflete o caráter criativo e não sequencial do processo
analítico. O progresso pode ser lento e trabalhoso, mas pode ser recompensado com algumas
revelações de tirar o fôlego. (pp. 53-54)
Decisões estão sendo tomadas sobre o que é uma categoria significativa para o estudo. . . e se
essas categorias devem ser alteradas, redefinidas ou excluídas durante a análise. Em segundo
lugar, as decisões sobre quais segmentos de texto são relevantes para uma categoria nunca são
meramente decisões clericais; eles sempre envolvem alguma consideração teórica. Terceiro, a
exibição de segmentos de muitos documentos em um tópico ou tópicos selecionados sempre
oferece uma nova maneira de ver os dados. (p. 215)
chão, cortar, colar e assim por diante. Por sua vez, isso dá ao analista de dados mais tempo
para pensar sobre o significado dos dados ”(Seale, 2008,
p. 235). Em segundo lugar, esses programas encorajam um exame cuidadoso dos dados,
aumentando o que Seale chama de “rigor” do estudo (p.
236). Terceiro, “o recurso de mapeamento de conceitos dos programas de computador permite
ao pesquisador visualizar a relação entre códigos e temas desenhando um modelo visual”
(Cresswell, 2007, p. 165). Finalmente, todos os pesquisadores apontam o valor do CAQDAS
para grandes conjuntos de dados e para projetos de pesquisa em equipe.
p. 165) aponta, “Um programa de computador pode, para alguns indivíduos, colocar uma
máquina entre o pesquisador e os dados reais. Isso causa uma distância desconfortável
entre o pesquisador e seus dados. ” Finalmente, levará algum tempo para decidir qual
programa é mais adequado para o seu tipo de estudo e o tipo de dados que você possui.
Por exemplo, o programa lida com dados visuais? Além disso, Seale (2008) sente que
“os pacotes CAQDAS são de pouca ajuda no exame de pequenos extratos de dados, do
tipo frequentemente examinado por analistas de conversação e algumas análises de
discurso” (p. 242).
Selecionar o programa CAQDAS certo pode levar algum tempo porque existem
“mais de vinte pacotes de software diferentes” disponíveis (Kelle, 2004, p. 473). Um
bom começo seria acessar as avaliações desses programas. Felizmente, as revisões
de programas estão se tornando prontamente disponíveis e essas revisões geralmente
abordam as raízes metodológicas de um programa, bem como detalham seus pontos
fortes e fracos funcionais. Por exemplo, Weitzman e Miles (1995) revisam vinte e
quatro programas de acordo com suas funções,
Análise de dados qualitativos 197
facilidade de uso e assim por diante. Cresswell e Maietta (2002) avaliaram vários
programas usando oito critérios, como tipo de dados aceitos, funções de escrita de
memorandos e recursos de análise. Como cada um desses programas é elaborado por
alguém com experiência em pesquisa qualitativa, cada programa reflete suas preferências
e estratégias de análise particulares. É importante que você encontre o programa que seja
confortável para você, por isso recomendo enfaticamente que você experimente vários.
Além de consultar recursos como esses, também é possível entrar em contato com os
desenvolvedores de software para obter informações atualizadas e demonstrações (se
disponíveis) e entrevistar colegas sobre suas reações a esses produtos. A maioria dos
programas mais populares possui sites onde você pode baixar uma demonstração.
Existem também sites que revisam e discutem diferentes programas CAQDAS. A Tabela
8.1 é um exemplo de lista de alguns desses sites da Internet. Os dois primeiros sites
contêm informações gerais sobre os programas; os próximos cinco sites são específicos
do programa.
Análise Fenomenológica
Alojado como está na filosofia da fenomenologia (ver Capítulo Dois), este tipo de
análise procura descobrir a essência
198 Pesquisa qualitativa
1987, p. 37). A variação imaginativa tem a ver com tentar ver o objeto de estudo -
o fenômeno - de vários ângulos ou perspectivas diferentes. Como explica
Moustakas (1994), “a tarefa da Variação Imaginativa é buscar significados
possíveis por meio da utilização da imaginação. . . abordando o fenômeno de
perspectivas divergentes, diferentes posições, papéis ou funções. O objetivo é
chegar a descrições estruturais de uma experiência, os fatores subjacentes e
precipitantes que explicam o que está sendo vivido. Como a experiência do
fenômeno veio a ser o que é? ”(Pp. 97–98). Uma versão da análise
fenomenológica é chamada de investigação heurística (Moustakas, 1990). A
investigação heurística é ainda mais personalizada do que a fenomenológica, pois
o pesquisador inclui uma análise de sua própria experiência como parte dos
dados. Moustakas (1994) apresenta um método passo a passo para analisar
dados em um estudo fenomenológico ou heurístico.
Teoria fundamentada
O método comparativo constante de análise de dados foi desenvolvido por Glaser
e Strauss (1967) como o meio de evolução da teoria fundamentada. Uma teoria
fundamentada consiste em categorias, propriedades e hipóteses que são as
ligações conceituais entre as categorias e propriedades. Como a estratégia básica
do método comparativo constante é compatível com a orientação indutiva e de
construção de conceito de toda pesquisa qualitativa, o método comparativo
constante de análise de dados foi adotado por muitos pesquisadores que não
buscam construir uma teoria substantiva.
teoria.
Uma teoria fundamentada começa com categorias. Além das categorias, uma
teoria consiste em três outros elementos - propriedades, uma categoria central e
hipóteses. Propriedades também são conceitos, mas aqueles que descrevem uma
categoria; propriedades não são exemplos de uma categoria, mas dimensões dela. A
categoria "mal-estar profissional", por exemplo, poderia ser definida pelas
propriedades de "tédio", "inércia" e "preso". o categoria central é como o cubo de uma
roda; é o aspecto de definição central do fenômeno ao qual todas as outras categorias
e hipóteses estão relacionadas ou se interconectam. Hipóteses são os links sugeridos
entre categorias e propriedades. No estudo de Reybold (1996) sobre o
desenvolvimento epistemológico das mulheres malaias, ela levantou a hipótese de que
o apoio familiar à educação para meninas e mulheres, experiências de aprendizagem
diversas e oportunidades internacionais ampliadas são fatores que fomentam o
desenvolvimento epistemológico. Tais hipóteses surgem simultaneamente com a
coleta e análise dos dados. O pesquisador tenta sustentar hipóteses experimentais
enquanto permanece aberto ao surgimento de novas hipóteses. “A geração de
hipóteses requer evidências suficientes apenas para estabelecer uma sugestão - não
um acúmulo excessivo de evidências para estabelecer uma prova” (Glaser & Strauss,
1967, pp. 39-40).
Análise Etnográfica
Um estudo etnográfico enfoca a cultura e as regularidades sociais da vida
cotidiana. Uma descrição rica e densa é uma característica definidora dos estudos
etnográficos. Wolcott (1994) em um livro dedicado à análise de dados etnográficos
apresenta a análise como descrição, análise e interpretação, termos que ele
admite, “são
frequentemente combinados (por exemplo, análise descritiva, dados interpretativos) ou usado
Análise Narrativa
No cerne da análise narrativa estão “as maneiras como os humanos experimentam o
mundo” (Connelly & Clandinin, 1990, p. 2). Como técnica de pesquisa, o estudo da
experiência se dá por meio de histórias. A ênfase está nas histórias que as pessoas
contam e em como essas histórias são comunicadas - na linguagem usada para
contá-las. Como Johnson-Bailey e Cervero (1996) observam em sua análise narrativa da
reentrada de mulheres negras, à medida que essas mulheres contavam suas histórias,
"cada declaração, mesmo repetições e ruídos" (p. 145), foi considerada parte dos dados
a serem analisado.
Estudos de caso
Embora a estratégia básica para analisar dados delineada anteriormente neste capítulo se
aplique a todos os tipos de pesquisa qualitativa, algumas características dos estudos de
caso afetam a análise de dados. Primeiro, um estudo de caso é uma descrição e análise
intensiva e holística de uma única unidade delimitada. Transmitir uma compreensão do
caso é a consideração primordial na análise dos dados. Os dados geralmente são
derivados de entrevistas, observações de campo e documentos. Além de uma quantidade
enorme de dados, essa gama de fontes de dados pode apresentar informações díspares,
incompatíveis e até aparentemente contraditórias. O pesquisador do estudo de caso pode
ser seriamente desafiado a tentar entender os dados. A atenção ao gerenciamento de
dados é particularmente importante nessas circunstâncias.
Para começar a fase mais intensiva de análise de dados em um estudo de caso, todas
as informações sobre o caso devem ser reunidas - registros ou transcrições de entrevistas,
notas de campo, relatórios, registros, os próprios documentos do investigador, rastros
físicos e memorandos reflexivos. Todo esse material precisa ser organizado de alguma
forma para que os dados sejam facilmente recuperáveis. Yin (2008) chama esse material
organizado de banco de dados de estudo de caso, que ele diferencia do relato de estudo de
caso. De maneira semelhante, Patton (2002) diferencia o registro do caso do estudo de
caso final. “O registro do caso reúne e organiza os dados volumosos do caso em um pacote
abrangente de recursos primários. O registro do caso inclui todas as informações principais
que serão usadas ao fazer a análise do caso e o estudo de caso. As informações são
editadas, as redundâncias são classificadas, as partes são encaixadas e o registro do caso
é organizado para pronto acesso cronológica e / ou topicamente. O registro do caso deve
ser completo, mas administrável ”(p. 449). o banco de dados de estudo de caso ( ou
registro), então, os dados do estudo são organizados de forma que o pesquisador possa
localizar dados específicos durante a análise intensiva.
204 Pesquisa qualitativa
análise. Em um estudo de caso múltiplo, uma análise de caso é seguida por uma análise de caso
cruzado.
Indução analítica tem suas raízes na sociologia (Robinson, 1951; Denzin, 1978;
Vidich & Lyman, 2000). O processo começa dedutivamente formulando uma
hipótese sobre o fenômeno de interesse. Se uma instância do fenômeno se encaixa
na hipótese, ela permanece; se um caso não se encaixa na hipótese, a hipótese é
revisada.
206 Pesquisa qualitativa
Esse caso é algumas vezes referido como um caso “negativo” ou “discrepante”. Por
meio do refinamento contínuo de hipóteses, eventualmente evolui-se o que explica
todos os casos conhecidos do fenômeno. O objetivo é conseguir um ajuste perfeito
entre a hipótese e os dados. Em sua forma mais pura, a indução analítica é um
processo rigoroso de testar sucessivamente cada novo incidente ou caso contra a
hipótese ou explicação mais recentemente formulada do fenômeno em estudo. As
etapas básicas do processo são as seguintes (de Robinson, 1951):
Embora a indução analítica em sua forma mais rigorosa não seja frequentemente
empregada na pesquisa qualitativa, a ideia de testar explicações (ou hipóteses)
provisórias na coleta de dados contínua é usada. Como Patton (2002, p. 493) observa,
“Com o tempo, aqueles que usam a indução analítica eliminaram a ênfase na descoberta
de generalizações causais universais e, em vez disso, enfatizaram isso como uma
estratégia para se engajar em investigação qualitativa e análise comparativa de casos
que inclui o exame de hipóteses pré-concebidas , isto é, sem a pretensão da folha em
branco mental defendida em formas mais puras de investigação fenomenológica e teoria
fundamentada. ”
Resumo
Este capítulo sobre análise de dados em pesquisa qualitativa cobriu muito terreno
na tentativa de dar a você, leitor, uma visão geral
Análise de dados qualitativos 207
Em preparação para um período de análise de dados mais intensiva, uma vez que a
maioria dos seus dados foi coletada, você deve configurar algum sistema para organizar
seus dados, um sistema que tornará fácil recuperar qualquer segmento de seus dados
conforme necessário. Depois que seu conjunto de dados for inventariado, organizado e
codificado para fácil recuperação e manipulação, você pode começar uma análise
intensiva. Com base no método comparativo constante de análise de dados, apresentei
um processo passo a passo de análise de dados básicos que é indutivo e comparativo e
resultará em descobertas. Essas “descobertas” são comumente chamadas de categorias
ou temas; eles estão em vigor, respostas às suas perguntas de pesquisa; são essas
questões que orientam sua análise e codificação dos dados brutos. O processo passo a
passo inclui nomear as categorias, determinar o número de categorias, e descobrir
sistemas para colocar os dados em categorias. Usando categorias como elemento
conceitual básico. Discuti como a análise pode ser estendida à construção de teorias.