Escolar Documentos
Profissional Documentos
Cultura Documentos
Em um experimento que inclui análise estatística, a análise está no final de uma longa série de
eventos. Para obter resultados válidos, é crucial que você planeje e conduza cuidadosamente um
estudo científico em todas as etapas até e incluindo a análise. Nesta postagem do blog, mapeio
cinco etapas para estudos científicos que incluem análises estatísticas.
Este roteiro está relacionado a estudos científicos que incluem análise estatística porque meu
blog é totalmente voltado para análise estatística. No entanto, mesmo os estudos puramente
qualitativos irão compartilhar muitas das mesmas etapas.
1. Fase de pesquisa.
o Defina o problema e a pergunta de pesquisa.
o Revisão da literatura.
2. Fase de operacionalização.
o Defina suas variáveis e técnicas de medição.
o Projete os métodos experimentais.
3. Coleção de dados.
4. Analise os dados estatisticamente e tire conclusões.
5. Comunique os resultados.
A primeira etapa do seu estudo é formular uma pergunta de pesquisa. Esta é a pergunta que você
deseja que seu estudo responda. As perguntas de pesquisa focam seu experimento, ajudam a
orientar seu processo de tomada de decisão e ajudam a evitar que problemas colaterais o
distraiam de seu objetivo.
Revisão da literatura
Uma revisão da literatura é uma investigação de fundo muito extensa sobre sua questão de
pesquisa. Existem dois objetivos principais de uma revisão da literatura para um estudo científico
que envolve análise estatística.
Primeiro, você precisa entender totalmente a área de assunto que contém sua pergunta de
pesquisa. O que outros estudos encontraram? Identifique as relações e os efeitos significativos
que a literatura reconhece junto com seu tamanho e direção. Quais variáveis
e fatores desempenham um papel?
Resumindo, defina o estado atual do conhecimento científico em torno de sua pergunta de
pesquisa. Este processo ajuda a determinar como seu estudo se encaixa no campo, permite que
você entenda os processos de pensamento por trás de estudos semelhantes e fornece uma
noção geral das descobertas até agora.
Você também vai querer aprender sobre os pontos fortes, fracos e erros que outros estudos
cometeram. Evite os erros dos outros e construa seus pontos fortes!
A fase de pesquisa deve produzir uma pergunta de pesquisa, um conhecimento profundo da área
de assunto e descobertas relevantes, e uma compreensão completa de como outros
pesquisadores operacionalizaram estudos semelhantes. Essas informações básicas ajudam a
projetar seu próprio experimento.
Por exemplo, se você está estudando depressão, como definirá e medirá a depressão? Sua
revisão da literatura deve informar sua decisão sobre o uso de uma definição aceita para
depressão e a escolha de uma metodologia validada cientificamente para avaliar a depressão. A
ciência se constrói sobre si mesma!
Se você está tentando prever a depressão, descrever suas relações com outras variáveis ou
avaliar tratamentos, precisará definir essas variáveis operacionalmente e determinar como irá
medi-las.
A maioria dos estudos inclui um tratamento, intervenção ou alguma outra comparação que ele
deseja fazer. Você precisará definir o tratamento e garantir que haja um sistema para aplicá-lo
conforme necessário. Isso é verdade não apenas para tratamentos médicos, mas também para
qualquer intervenção.
Por exemplo, participei de um estudo de intervenção com exercícios para determinar se isso afeta
a densidade óssea. Definimos nossa intervenção como sessões que ocorrem três vezes por
semana e consistem em 30 impactos que são seis vezes o peso corporal dos sujeitos. Tínhamos
os procedimentos, equipamentos e treinamento em vigor para garantir que nossos sujeitos
recebessem a intervenção como a definimos.
Precisão e exatidão são essenciais na pesquisa. Certifique-se de que seu plano descreve como
obter boas medições. Por exemplo, uma vez escrevi um documento detalhado de calibração de
equipamentos para garantir medições de alta qualidade ao longo do estudo. Para esse estudo,
boas medições dependeram de calibrações diárias padronizadas .
Depois de definir sua população, você precisa elaborar um plano para coletar uma amostra dessa
população. Sua amostra contém as pessoas ou objetos que seu estudo avalia. Os estudos que
usam estatísticas inferenciais coletam dados de amostra e fazem inferências sobre uma
população. No entanto, esses estudos devem reunir amostras de forma a produzir estimativas
não enviesadas . Este processo geralmente envolve uma metodologia de amostragem aleatória
porque um método baseado na conveniência pode introduzir viés.
Finalmente, quantos dados você deve coletar? Por um lado, você deseja coletar dados suficientes
para ter uma chance razoável de detectar um efeito praticamente significativo . Por outro lado,
você não deseja obter uma amostra tão grande que desperdice seu tempo e
recursos. Uma análise de poder ajuda você a escolher um tamanho de amostra que atinja um
equilíbrio entre esses dois objetivos concorrentes. No entanto, para realizar uma análise
de potência , você precisa de estimativas para o tamanho do efeito e a variabilidade dos
dados. Novamente, olhe para sua revisão de literatura!
Você precisará definir sua hipótese de uma forma passível de análise estatística e escolher a
análise apropriada. Sua hipótese deve ser testável, o que significa que os dados coletados irão
apoiar ou rejeitar a hipótese. Determine as análises estatísticas que podem testar
adequadamente suas hipóteses. Essas decisões metodológicas começam em um nível muito
alto, como escolher entre um experimento aleatório ou um estudo observacional. A partir daí,
você pode trabalhar seu caminho para questões mais fundamentais.
Por exemplo, você vai comparar médias, medianas, proporções ou taxas entre os grupos ? Ou
talvez avaliar a relação entre variáveis nominais ou variáveis contínuas ? Todos esses problemas
afetam as análises estatísticas que você pode realizar.
Além disso, existem os parafusos e porcas para cada tipo de análise que você precisará
decidir. Que nível de significância você usará? Testes de hipótese unilaterais ou bicaudais? Se
você usar ANOVA , fará o acompanhamento com um teste post hoc ? Se sim, qual? Que etapas
você executará para ajudar a determinar que está observando a causalidade, em vez de apenas
a correlação ? Você vai conduzir um experimento randomizado ou um estudo observacional ?
Seu plano deve limitar o número de análises e modelos que você usará. Cada teste estatístico
possui uma taxa de erro . Quanto mais testes você realizar, maiores serão as chances gerais de
um resultado falso. Tomar essas decisões de metodologia com antecedência ajuda a evitar o uso
de várias técnicas e selecionar os melhores resultados e reduz a mineração de dados , o que
diminui a probabilidade de encontrar correlações aleatórias.
O estágio de operacionalização deve produzir um plano que diga o que você vai medir, como vai
medi-lo, como vai coletar uma amostra, seu projeto experimental, o tamanho da amostra e como
vai analisar os dados.
Freqüentemente, você precisará definir as condições adequadas para fazer medições e verificar
se tudo está funcionando corretamente. Talvez você precise obter as condições de laboratório
corretas e garantir que o equipamento esteja funcionando corretamente para obter medições
válidas. Ou então, você está passando por um processo detalhado para obter
uma amostra verdadeiramente aleatória . Às vezes é difícil recrutar um número suficiente de
sujeitos humanos. Os procedimentos também podem envolver o treinamento de outro pessoal
para realizar tarefas precisamente conforme prescrito. Certa vez, tive que criar um vídeo de
treinamento para obter resultados consistentes!
Enquanto você geralmente trabalha com seu plano operacional, não é incomum encontrar
surpresas e você precisará se adaptar. Esperançosamente, seu conhecimento de área de
assunto e revisão de literatura o ajudem a antecipar a maioria das surpresas, mas a questão da
ciência é que você frequentemente estuda algo que os pesquisadores não estudaram
completamente antes. Espere surpresas!
No entanto, há um ponto vital a ser feito aqui. Problemas ao longo do caminho podem impedi-lo
de fazer descobertas ou invalidar as descobertas muito antes mesmo de você chegar à análise
estatística. Como diz o velho ditado, entra lixo, sai lixo. Se você colocar dados inúteis na análise
estatística, os resultados serão descartados. Se todas as etapas que conduzem à sua análise não
forem cuidadosamente pensadas e executadas, você pode não ser capaz de confiar nos
resultados ou perder descobertas importantes. A ciência trata de obter todos os detalhes corretos.
Etapa 5: Escrevendo os resultados
Depois de coletar os dados e analisá-los, você
precisa escrever os resultados para informar outros
pesquisadores sobre o que você encontrou. Indique
quais hipóteses os dados sustentam, as conclusões
gerais e o que elas representam na estrutura do
campo científico ou no cenário do mundo real. No
entanto, envolve mais do que apenas redigir as
descobertas.
Consequentemente, você precisará fornecer informações suficientes sobre como conduziu seu
estudo para que outros pesquisadores possam repeti-lo e, com sorte, replicar os
resultados. Normalmente, você incluirá aspectos das quatro primeiras etapas (pesquisa de fundo,
operacionalização, coleta de dados e análise) na redação final. Os padrões variam por área,
então você deve ver como os estudos em sua área se documentam. Desta forma, sua pesquisa
se torna parte da base de conhecimento para estudos futuros se basearem - assim como você fez
durante sua revisão de literatura! Além disso, todos os detalhes ajudam outros pesquisadores a
determinar os pontos fortes e fracos do seu estudo para que possam interpretar os resultados
enquanto entendem o contexto.
Para encerrar, a análise estatística é uma etapa crucial no processo científico. A análise diz
objetivamente qual hipótese os dados favorecem. No entanto, há uma longa lista de itens antes
da análise estatística que devem ocorrer corretamente para que você possa confiar nos
resultados.