1 de 19

Metodologia de Investigação em Educação I

Concepção circular de um processo de investigação cientí ca

Questões:

A ciência é uma cadeia de conhecimentos autocorretiva.

O consentimento é obrigatório.
Nem todos os estudos cientí cos são experimentais.
O conhecimento cienti co possui critérios de validação próprios.
Nem toda a Investigação cientí ca em educação recorre à manipulação de variáveis.
Também se faz Investigação Cienti ca quando observamos algo.
O erro admitido no teste das hipóteses, na investigação em educação, é geralmente
superior ao erro aceite nas ciências exatas.
Na investigação cientí ca de natureza quantitativa recorre-se á estatística inferencial.
Na investigação em educação estudam-se grandes e pequenas amostras.
Nas técnicas estruturadas de recolha de dados, como os questionários, a probabilidade
de cometer erros é menor.
O investigador pode manter uma relação próxima desde que seja imparcial na análise
de dados.
Todo o processo de investigação em ciências sociais e humanas começa com a
formulação de perguntas.
São os problemas que levam à formulação de hipótese.
Linguagem simples e inconsisa.
A generalização dos resultados depende da representatividade da amostra.
A investigação Cientí ca deve ser conduzida tendo em vista a melhoria da qualidade de
vida das pessoas.
fi
fi
fi
fi
fi
fi
fi
 2 de 19

O problema cienti co:

Toda a investigação sistemática começa com um problema, uma vez que é 1o passo do
método cientí co ligado ao reconhecimento de uma di culdade sentida, de um obstáculo
ou de um problema que preocupa o investigador (Dewey, 1933).

Seleção do problema

• O investigador deve possuir conhecimento ou experiência nessa área de modo a colocar

questões que possam ser respondidas através da investigação.

• O investigador deve ter profundo interesse ou uma curiosidade real pela área em que se
insere o problema.

• Revisões da literatura, experiência diária e observações, questões de natureza social e

política de elevado interesse.

• Identi cação do problema – delimitação geral dos aspetos que o compõem e as lacunas
existentes no âmbito da informação disponível acerca do mesmo.

• Destilação do problema – formulação especí ca/detalha do problema, de tal forma que

esta possa ser investigado por métodos empíricos.

- A destilação do problema deve traduzir as variáveis a serem estudadas, deve

pressupor uma relação entre essas variáveis e deve, ainda, indicar a população para a
qual se pretendem generalizar as conclusões.

• Não é possível iniciar a investigação enquanto o problema não for reconhecido,

analisado e formulado de maneira operacional.

A natureza dos problemas:

• O problema clari ca aquilo que se pretende saber e determina o método de pesquisa que
deverá ser utilizado para obter esse conhecimento.

• Investigação experimental - aborda questões que dizem respeito a relações entre

variáveis, sobre as quais o investigador pode exercer controlo. Neste tipo de
investigação, o investigador manipula a variável independente (a “causa”), enquanto
controla todas as outras variáveis e observa quaisquer mudanças subsequentes na
variável dependente (o “efeito”).

• A investigação comparativo-causal - também procura determinar relações entre duas ou

mais variáveis, no entanto, neste tipo de investigação, a manipulação da variável
independente não é possível. O investigador não pode fazer opções sobre o modo como
vai utilizar a variável independente.

• A investigação descritiva - coloca questões acerca da natureza, incidência ou

distribuição das variáveis educacionais e/ou das relações entre essas variáveis. Não é
fi
fi
fi
fi
fi
fi
3 de 19
feita a manipulação das variáveis - apenas a descrição das mesmas e suas relações tal
como acontecem naturalmente.

A avaliação dos problemas:

• A área do problema tem de ser su cientemente importante para justi car a

investigação.

• A solução do problema deve dar uma boa contribuição ao corpo de conhecimentos

organizados em educação.

• O problema deverá conduzir a novos problemas, e por isso, à elaboração de outras

investigações.

• O problema deverá poder ser investigado.

• O problema deverá ser adequado ao próprio investigador.

A formulação do problema:

• O assunto é colocado sob a forma de um enunciado especí co de um problema de

investigação.

• A formulação de um problema deve indicar de forma clara aquilo que vai ser
investigado.

• As formulações reais podem estar sob a forma interrogativa ou declarativa/a rmativa.

• A formulação do problema deve indicar as variáveis relevantes e a relação especí ca

entre as variáveis que vai ser objeto de estudo.

• Uma boa formulação do problema deve 1) clari car exatamente aquilo que se quer
estudar ou resolver e 2) restringir o alcance do estudo a uma questão especí ca.

• Fazer referência ao que se estuda (objeto de investigação), com quem se vai levar a cabo
a investigação (sujeitos) e como se estuda o problema (variáveis);

Características de um problema destilado:

• Exprime relações entre 2 ou mais variáveis.

• É formulado claramente, de preferência na interrogativa.

• É testado por métodos empíricos.

• As variáveis e população especi cadas devem ser consistentes com as variáveis

operacionalizadas na subsecção da instrumentalização e com a população
operacionalizada na subsecção da amostra.
fi
fi
fi
fi
fi
fi
fi
fi
 4 de 19
Características de um problema cienti co:

• Deve ser formulado na a rmativa ou interrogativa.

• Deve ser baseado num raciocínio lógico derivado da teoria, de estudos anteriores, das
observações dos investigadores, etc.

• Deve ser testável.

• Clari ca o que se vai estudar:

- deve explicitar as variáveis em estudo e a sua relação;

- deve indicar a população.

Exemplos de formulação de problemas:

Problema “de relações” ( ́ formulação mais típica dos estudos não experimentais)
• “Qual a relação entre o tipo de teste de matemática usado e o no de respostas
corretas, de uma turma de alunos do 9o ano de uma escola do distrito de Coimbra?”

Problema de “diferenças” (formulação mais típica dos estudos experimentais)

• “Qual a diferença ao nível do no de respostas corretas entre um grupo de alunos do 9o
ano que zeram um teste começando por perguntas difíceis e outro grupo que fez o
mesmo teste, mas começando com perguntas fáceis, do distrito de Coimbra?”

O problema de investigação é fundamental porque:

• Centra a investigação numa área ou domínio concreto.

• Organiza o projeto, dando-lhe direção e coerência.
• Delimita o estudo, mostrando as suas fronteiras.
• Guia a revisão da literatura para a questão central.
• Fornece um referencial para a redação do projeto.
• Aponta para os dados que será necessário recolher junto da amostra.

A de nição do problema deve:

1. Clari car exatamente aquilo que quer ser estudado ou resolvido.

2. Restringir o alcance do estudo a uma questão especí ca.
3. Fazer referência ao que se estuda (objeto de investigação), com quem se vai levar a
cabo a investigação (sujeitos), e como se estuda o problema (variáveis).

Exercício prático:

Investigação em que os alunos de uma escola do 2.o CEB (Coimbra) são submetidos a um
programa de estratégias de ensino da escrita, cujo objetivo é melhorar a sua composição
escrita
fi
fi
fi
fi
fi
fi
fi
5 de 19

Questões orientadoras:

▪ O quê? (objeto de investigação) - composição de escrita

▪ Quem? (sujeitos) - alunos escola 2ºCEB Coimbra
▪ Como? (variáveis) - programa de estratégias de ensino da escrita

Problema de investigação:

Será que a frequência de um programa de estratégias de ensino da escrita contribui para

melhorar a composição escrita dos alunos do 2.o ciclo das escolas EB2,3 da rede pública do
Município de Coimbra?

Formulação de hipóteses cienti cas: tipos e características

O conceito de hipótese e o seu papel no processo de investigação:

• Hipótese é uma tentativa, por parte do investigador, de explicação ou previsão dos

principais resultados do processo de investigação.
• As hipóteses, que se fundamentam na teoria, investigação ou experiência pessoal,
antecipam os resultados a partir das variáveis apresentadas no problema.
• A hipótese a rma, geralmente, uma previsão do resultado entre duas variáveis.
• Como várias variáveis podem estar envolvidas no problema, é usual incluir múltiplas
hipóteses, cada uma prevendo um resultado.

• A hipótese é uma predição que expressa um resultado possível de um estudo a partir das
variáveis apresentadas no problema (Fraenkel & Wallen, 2003).
• Depois de formulada, o investigador tem de testar ou pôr à prova a hipótese (Coutinho,
2013), submete-la à prova empírica, de modo a ser validada.
• No processo de investigação, são as hipóteses que orientam / justi cam as etapas
seguintes do processo, pois todas essas etapas são conduzidas com o propósito de testar
as hipóteses enunciadas, daí o papel de elevado relevo que desempenham.

Características da hipotese:

• É sempre uma a rmação acerca de um resultado previsto para um problema cientí co,
baseado na teoria ou na investigação anterior.
• Expressa uma relação entre duas ou mais variáveis.
• Costuma ser formulada de acordo com uma lógica de “se...então”.
• Deve ser testável por métodos empíricos.
• Deve ser concisa e clara.
(Caraterísticas de uma hipótese cientí ca (McMillan & Schumacher, 1989)

4 Critérios para a formulação de hipóteses:

fi
fi
fi
fi
fi
fi
 6 de 19
1. A hipótese deve ser formulada com clareza e brevidade. Para salvaguardar este critério
não se menciona a população do estudo nem se recorre a raciocínios explicativos na
sua formulação.
2. A hipótese deve expressar uma relação entre, pelo menos, duas variáveis de uma
população. (Estudos mais complexos podem ter interesse em testar hipóteses com mais
variáveis).
3. A hipótese deve ser testável, o que signi ca que as variáveis que se apresentam nos
enunciados das hipóteses devem ser suscetíveis de operacionalização, para que se
possa proceder à recolha empírica de dados. Só assim este critério poderá ser atendido.
4. A hipótese deve estar apoiada em fundamentações lógicas, derivadas da teoria, da
investigação ou da experiência pessoal/pro ssional. Os enunciados das hipóteses
devem ter fundamentação e justi cação cientí ca, por forma a que a sua relevância não
seja posta em causa.

Tipos de hipótese e a sua formulação estatística:

1. Hipótese nula (H0)

• A rma simplesmente que não existe nenhuma diferença real entre as variáveis.
• Tem um papel central na lógica do teste de hipóteses na investigação quantitativa.
• A rma a inexistência de relações entre grupos ou a ausência de diferenças
estatisticamente signi cativas.
• Nunca se formula explicitamente, pois ela está implícita (no trabalho do investigador).
• É em relação a ela que é tomada a decisão, a partir dos resultados obtidos.
• Em cada caso, quando a hipótese alternativa formulada é rejeitada, a hipótese nula
correspondente é verdadeira: NOÇÃO DE PROVA INDIRETA.
• Formulação estatística: H0: μ1=μ2.

EXEMPLO: Não serão encontradas diferenças signi cativas entre o método expositivo e o
método participativo no rendimento escolar. ( o método 1 é igual ao método 2 )

2. Hipótese alternativa (H1)

• Indica a presença de relações especí cas entre grupos ou de diferenças signi cativas
entre as variáveis em análise, a rmando que um dos grupos é maior/menor/melhor/
pior/etc. que o outro (...).
• Indica o “sentido” da diferença encontrada (i.e., hierarquiza os grupos ou as variáveis).
• É uma hipótese mais especí ca, que abrange, à vez, cada uma das caudas da curva
normal.
• Também é designada por hipótese unicaudal ou unidireccional (ou one-tailed).
• Formulação estatística : H1: μ1›μ2 ou H1: μ1‹μ2.

EXEMPLO: O método participativo levará a um aumento signi cativo do rendimento

escolar quando comparado com o método expositivo. (O método 1 é melhor que o 2, vice-
versa)
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
 7 de 19

3. Hipótese alternativa não-direcional

• A rma que existe uma diferença real entre as variáveis ou grupos, mas que o
investigador está indeciso em como (em que direção) é que as variáveis ou grupos
diferem.
• Indica a presença, em termos gerais, de relações entre grupos ou de diferenças
signi cativas entre as variáveis em análise.
• Não indica o “sentido” da diferença encontrada.
• É uma hipótese mais global, pois abrange ambas as caudas da curva normal.
• Também é designada por hipótese bicaudal ou bidireccional (ou two-tailed).
• Formulação estatística: H1: μ1 μ2.

EXEMPLO: Serão encontradas diferenças signi cativas entre o método expositivo e o

método participativo no rendimento escolar. (O método 1 não é igual ao método 2)

Conceito de prova indireta no teste de hipóteses:

Hipótese nula (H0):

• H0 a rma que não existe relação, diferença ou efeito entre a VI (variável independente) e
a VD (variável dependente), no caso de estudos experimentais. A hipótese nula não
resulta diretamente do interesse do investigador, mas da necessidade de submeter à
prova as hipóteses alternativas, através da aplicação de testes estatísticos.

• Como os resultados dos testes estatísticos incidem diretamente sobre a hipótese nula
(dando informação sobre a sua probabilidade de ocorrência), só é possível vir a concluir
algo sobre as hipóteses alternativas a partir dos resultados obtidos relativamente às
hipóteses nulas (chama-se a isto noção de prova indireta). Assim, rejeitar uma hipótese
nula signi ca que há evidência su ciente que apoie a suposição do investigador sobre a/
s população/ões em estudo de nida na hipótese alternativa.

Exercício prático:

Pretende-se saber se o treino de relaxamento conduz a modi cações positivas, a nível da atenção/
concentração, dos comportamentos problemáticos em sala de aula, do estado emocional, do
autoconceito e do rendimento escolar de alunos do 8o ano de escolaridade do concelho de Coimbra.

Este problema pode ser transformado em várias questões especí cas.

Será que um programa de treino de relaxamento, aplicado em contexto escolar:
▪ Melhora a capacidade de atenção/concentração dos alunos?
▪ Diminui a manifestação de comportamentos problemáticos no contexto de sala de
aula?
▪ Contribui para que os alunos vivenciem estados emocionais mais equilibrados?
▪ Melhora o autoconceito dos alunos?
▪ Melhora o rendimento escolar?
fi
fi
fi
fi
≠
fi
fi
fi
fi
fi
 8 de 19

1.1. Tendo em conta o problema de investigação e as questões especí cas associadas,

formule hipóteses.

• H1a - O grupo de alunos submetido a treino de relaxamento apresenta melhores

níveis de concentração comparativamente aos alunos do grupo de controlo.
• H1b - Os comportamentos problemáticos dos alunos que usufruíram de treino de
relaxamento são inferiores aos dos alunos do grupo de controlo.
• H1c - Os alunos que participaram nas sessões de treino de relaxamento percecionam
estados emocionais mais positivos em comparação com os alunos do grupo de
controlo.
• H1d - Os alunos que participaram no treino de relaxamento apresentam um
autoconceito mais elevado do que o dos alunos que não participaram nesse treino.
• H1e - O grupo de alunos que participou nas sessões de relaxamento obtém um
rendimento escolar superior ao dos alunos não envolvidos no programa de treino.
• H0 - não existem diferenças entre o rendimento escolar dos alunos que participaram
no programa de relaxamento e dos alunos que não participaram. [geralmente a
hipótese nula não é formulada explicitamente]

1.2. Identi que as variáveis dependente e independente.

• Variável independente:
- programa de treino versus a sua ausência
• Variável dependente:
- concentração (H1a); comportamentos problemáticos (H1b); estado emocional (H1c);
autoconceito (H1d); e rendimento escolar (H1e)
• Classi cação das hipóteses:
- maioria das hipóteses são de tipo alternativo (H1) direcional (“melhores”;
“inferiores”; “mais positivos”; “mais elevado”; “superior”)

De nição de conceitos e operacionalização de variáveis

Da abstração á de nição operacional (clari cação de alguma terminologia)

• Conceito (de nição constitutiva/conceptual).

• Construto (conceito usado para ns de investigação; implica variabilidade)

- Realidade abstrata, que não é diretamente observável nem se pode medir, sendo
elaborado através de inferência. (Gravidade, eletricidade, memória,..)

• Variável: (fenómenos observáveis) - independente, dependente, parasita, de controlo,

fator, critério, etc.
- É o que se opõe à noção de constante.
- São fenómenos observáveis, e que vão variando ao longo do tempo e/ou mediante
determinadas condições.
fi
fi
fi
fi
fi
fi
fi
fi
 9 de 19
- De nição:
Variável é um “atributo que re ete ou expressa um conceito ou construto e pode
assumir valores” (Ary et al., 1989, p. 29), opondo-se ao conceito de “constante”
(Almeida & Freire, 1997, p. 56).
Em investigação cientí ca, uma variável é um conceito que pode assumir diversos
valores (Kerlinger & Lee, 2000).
- Classi cação das variáveis:
Variável dependente (VD)
- a variável que sofre o efeito da manipulação da variável independente, ou seja, é
a variável que o investigador vai medir para avaliar diferenças nos sujeitos
derivadas da exposição (ou não) ao tratamento (variável independente).
- Também se designa por efeito, por variável passiva, por variável critério ou
resposta.
- Representa o fenómeno que queremos estudar, explicar, compreender.
- Como tal, é a variável efeito, pois resulta da ação de outras variáveis;
- é sobre ela que se re ete o efeito da VI.
Variável independente (VI)
- A variável que é manipulada, ou seja, é aquela em que os grupos em estudo
diferem e cujo efeito o investigador vai determinar.
- Também se designa por variável ativa, ou estímulo ou causa.
- É a variável que o investigador manipula e a que produz efeito na VD.
Variável parasita
- variável que afeta os resultados da variável dependente “contaminando-os”, ou
seja, quando se analisam fenómenos sociais naturalmente complexos nem sempre
a variável independente é a única a in uenciar os resultados de uma experiência.
- É aquela que o investigador não é capaz de controlar e que produz efeitos na VD,
induzindo erros ou distorcendo os efeitos da VI.
Variável de controlo
- quando uma variável parasita ou estranha é tida em conta pelo investigador.
- É aquela que o investigador procura deliberadamente neutralizar, por não ter
interesse direto em examiná-la ou para evitar um efeito desconhecido na VD.

• De nição operacional

É aquela que nos indica os Atribui signi cado a um Uma ponte entre os
passos, os procedimentos, as construto ou variável conceitos ou construtos e as
técnicas, os meios utilizados especi cando as atividades observações,
para medir e/ou manipular ou “operações” necessárias comportamentos e
uma variável. para o(a) medir ou atividades reais.
manipular.
fi
fi
fi
fi
fi
fl
fi
fl
fl
 10 de 19

É como um manual de É a evidência que o É aquela que de ne um

instruções para o
investigador: diz, com
efeito, como devemos
proceder.
investigador usa para conceito em termos de
justi car a existência operações ou processos que
relativa (por vezes serão utilizados para medir
quanti cável) do conceito ou manipular esse conceito.
abstrato.

Observação/Mediação vs Manipulação:

Observar/Medir é diferente de manipular uma variável.

- Ao medirmos uma variável estamos a traduzir o real em números para podermos
usar métodos quantitativos de análise estatística.
- Ao manipularmos uma variável estamos a alterar deliberadamente a realidade, para
podermos observar o efeito dessa variação provocada.

Na investigação quantitativa, todas as variáveis são medidas, mas nem todas são
manipuladas (ou por razões intrínsecas, ou por questões de natureza ética).

Exemplos de Variáveis:

- As atitudes podem ser in uenciadas pela publicidade.

V.D. V.I.

- O barulho afeta a e cácia no trabalho.

V.I. V.D.

Métodos de amostragem: conceitos fundamentais

População, amostra e principais métodos de amostragem

• População-alvo ou Universo (N) – todos os membros de um conjunto real ou hipotético

de pessoas, acontecimentos ou objetos, que têm em comum características observáveis,
aos quais se pretendem generalizar os resultados obtidos no estudo.
• Censo - para conhecer de forma completa uma população temos de analisar todos os
seus elementos, ou seja, temos de realizar um censo.
• Amostra (n) - conjunto mais pequeno de sujeitos (pessoas, documentos, etc.) de quem se
recolherá os dados, devendo ter as mesmas características das da população de onde foi
extraída. A amostra tem que ser representativa para permitir a generalização dos
resultados.
• População experimentalmente acessível - parte de população da qual se selecionará a
amostra / população experimental. É a população que é contactável e da qual se
seleciona efetivamente a Amostra.
• Sujeitos – indivíduos de quem se recolhem os dados (participantes na investigação).
fi
fi
fi
fi
fl
 11 de 19
• Amostragem (sampling) - processo de seleção de um certo número de sujeitos
representativos de uma dada população.
• Representatividade da amostra - quando a amostra foi escolhida de maneira tal, que as
variáveis características da população estão presentes, o mais aproximadamente
possível, nos indivíduos que selecionados.

- Amostra, bem de nida, se o investigador descrever com exatidão:

- O procedimento de amostragem que utilizou para selecionar a amostra;
- As características de amostra selecionada.

Representatividade da amostra:

A amostra representativa parece-se com a população de onde foi extraída, isto é, a

distribuição das características na amostra é igual à sua distribuição na população.
• Erro de amostragem - diferença entre as características da amostra e as características da
população, de onde a primeira foi retirada. Quanto maior for o erro de amostragem,
menos representativa será a amostra. É devido ao acaso e não pode ser controlado pelo
investigador.
• Desvio de amostragem (Sample bias) - quando certas caraterísticas da população estão
mais representadas do que outras, devido a erros no próprio processo de seleção dos
sujeitos, facto que conduzirá provavelmente a conclusões erróneas. É devido a processos
de amostragem feitos de forma errónea; pode ser minimizado pelo investigador.

Momentos-Chave no processo de amostragem:

1. Identi cação da população e amostra

2. Seleção da amostra
3. Dimensão da amostra
Identi cação da população e amostra:

Amostragem probabilística (são conhecidas as probabilidades dos sujeitos serem

selecionados):

- A amostragem é probabilística se podemos determinar o grau de probabilidade

(diferente de zero) de um sujeito da população pertencer, ou não, à amostra.
- Todos os membros da população têm probabilidade igual e independente (a escolha de
um indivíduo não in uencia a escolha de qualquer outro) de serem selecionados como
elementos da amostra.
- A seleção da amostra é aleatória, fruto apenas do acaso, o que exclui desde logo o erro
sistemático que afeta as amostras não probabilísticas (Schutt, 1999).

Amostra aleatória simples:

Todos os sujeitos da população têm igual probabilidade de pertencer à amostra.

Exemplo – população pequena

fi
fi
fi
fl
 12 de 19
Representar os alunos do 1.o ano da Lic. CE da FPCEUC

Procedimento para constituição da amostra:

a) identi car e de nir a população;
b) atribui-se um número a cada membro da população;
c) colocam-se todos os números num recipiente;
d) tiram-se à sorte os sujeitos que devem integrar a amostra.

Exemplo - população grande

Representar os alunos da Universidade de Coimbra (programas de computador ou tabelas
de números aleatórios* Tabela organizada em colunas de 5 dígitos, gerados ao acaso mediante
procedimentos estatísticos)

Procedimento para constituição da amostra através de uma tabela de números aleatórios:

1. identi car a de nir a população;

2. organizar uma lista com os membros da população;
3. atribuir um n.o consecutivo a cada membro, a partir do zero (se N=80, numerar de 00 a
80; se N=150, numerar de 000 a 150);
4. determinar o tamanho da amostra (por ex., 10%, 15% da população; 350 sujeitos, etc.);
5. identi car os n.os - selecionar ao acaso uma linha ou uma coluna e seguir todos os
números que interessem. Se a população tiver 500 membros, só precisamos de usar os
3 últimos dígitos do número; se a população for de 80 membros, só utilizamos os 2
últimos dígitos do número aleatório. Se o n.o encontrado corresponder a um elemento
da população, esse membro integrará a amostra; por ex., se N=500 e o n.o selecionado
for o 465, o membro da população com esse n.o faz parte da amostra; se a população
tiver apenas 300 membros, ignora-se o 465 e passa-se para o n.o seguinte.
6. continuar com o n.o seguinte e repetir o passo 6 até reunir o n.o de membros
necessários para obter a amostra desejada.

Amostra aleatória sistemática:

• Semelhante à anterior; útil para amostras muito grandes.

• Cada elemento da população não é escolhido independentemente.
• Neste procedimentos, cada K membro da população ca selecionado automaticamente a
partir de um n.o inicial escolhido ao acaso.

Procedimento para constituição da amostra:

1. identi car e de nir a amostra;

2. obter uma listagem da população;
3. determinar o tamanho da amostra;
4. determinar K dividindo o tamanho da população (N) pelo da amostra (n)
(por exemplo, se quisermos selecionar 100 sujeitos (n) de uma população de 5000 membros
(N), K=5000:100=50)
5. escolher um n.o aleatório da tabela;
fi
fi
fi
fi
fi
fi
fi
fi
 13 de 19
6. selecionar os sujeitos da lista de 50 em 50, a partir do n.o aleatório escolhido
inicialmente.
(por exemplo, se o n.o aleatório de partida for o 240, o primeiro elemento seria o 240, o
segundo elemento seria 290 (240+50) , o terceiro seria 360 (290+50), e assim
sucessivamente)

Amostragem estrati cada

- Quando a literatura nos indica que existem diferenças signi cativas entre subgrupos da
população que pretendemos estudar é vantajoso fazermos uma amostragem que
garanta que esses subgrupos (estratos) vão estar representados na amostra de forma
proporcional a o seu peso nessa população.
- Quando usamos informação sobre a população total antes da aleatorização, para a
tornar mais e ciente.
- A amostragem aleatória estrati cada é usada para garantir a representação proporcional
dos grupos que estão representados na
população.
- Qualquer variável pode ser utilizada como critério na determinação de um estrato.
Geralmente, assumem-se como variáveis de estrati cação as características sócio
demográ cas dos indivíduos (sexo, idade, nível de escolaridade, classe social, formação
académica, localização geográ ca, etc.).
- Depois de identi cados os estratos o passo seguinte é determinar qual a sua proporção
na população em estudo.
- A representatividade dos estratos pode ser proporcional (ex. população constituída por
65% homens e 35% mulheres, e na amostra constam 65% homens + 35% mulheres) ou
não proporcional (ex. o investigador seleciona em cada estrato um n.o igual de
elementos, não atendendo à proporcionalidade) da existente na população, dependendo
da opção e dos objetivos do investigador.

Procedimento:

1. começar por identi car os subgrupos signi cativos (estratos)

2. calcular o peso relativo (%) de cada um dos estratos na população
3. utilizar, em cada um dos estratos, um procedimento de amostragem aleatória simples
para escolher (na mesma proporção em que estão representados na população) os
sujeitos de cada estrato que irão integrar a amostra

- As amostras estrati cadas não proporcionais são recomendadas quando sabemos que
na população existem grupos minoritários que nos interessa contemplar na nossa
investigação.
- Variáveis que costumam ser utilizadas como critério na formação dos estratos (sub-
grupos):
estatuto socioeconómico, formação académica, localização geográ ca, etc.

Exemplo – escola tem 30% alunos do 3.o CEB e 70% alunos secundário
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
14 de 19

- Se queremos constituir uma amostra de 100 alunos, representativa da população,

devemos ter em conta a estrutura da população e selecionar ao acaso 30 alunos dentro
do 3.o CEB e 70 alunos dentro do secundário.
- Se o objetivo for comparar o 3.o CEB e o secundário, não faz sentido obter uma amostra
que represente a escola, mas sim 2 amostras representativas de cada ciclo (por ex., 2
turmas de cada ciclo).
- Por exemplo, a literatura cientí ca diz-nos que existem diferenças signi cativas entre a
população feminina e masculina e entre a população rural e urbana em relação aos
níveis de ansiedade. Se estivéssemos a fazer um estudo sobre os níveis de ansiedade,
então seria importante que a nossa amostra incluísse um numero de homens e de
mulheres residentes em áreas urbanas e rurais que fosse proporcionalmente igual ao
que existe na população em estudo.

Amostra por agrupamentos (clusters)

- A unidade de amostragem não é o indivíduo, mas sim os grupos, tal como se

apresentam naturalmente (escolas, turmas, hospitais, cidades, freguesias, etc.)
- É um procedimento bastante utilizado quando a população é muito grande e dispersa,
sendo quase impossível obter uma lista aleatória de todos os elementos.
- Este tipo de amostragem é utilizado quando a variabilidade existente se veri ca
essencialmente entre os elementos dentro de um grupo (cluster) e quando existe pouca
variabilidade entre os grupos (clusters) existentes. Cada cluster deve ser uma
representação em pequena escala da população que se quer estudar.
- Por exemplo, se o objetivo for estudar o comportamento dos doentes hospitalizados e se
estudos anteriores indicam que o comportamento desses doentes é essencialmente o
mesmo em todos os hospitais (clusters), então poderá fazer sentido escolher
aleatoriamente só alguns hospitais (clusters) e estudar todos os doentes que estão nos
hospitais selecionados, em vez de selecionar aleatoriamente uma amostra de doentes de
todos os hospitais.
- A principal diferença entre a amostragem de clusters e a amostragem estrati cada é que
na amostragem de clusters a unidade de amostragem são todos os clusters existentes
(isto é, todos os hospitais, ou todas as escolas, ou todas as empresas de camionagem,
etc.), enquanto na amostragem estrati cada, a unidade de amostragem são os sujeitos
da população, embora de forma proporcional à pertença a determinados grupos
(estratos).
- Por exemplo, se quisermos estudar a in uência de um novo método de matemática num
dado ano de escolaridade, selecionamos aleatoriamente uma regiões do país (ou várias);
dentro da região, uma cidade (ou várias); dentro da cidade, uma escola (ou várias) e,
dentro desta(s), selecionam-se aleatoriamente turmas para aplicar o novo método. Todos
os elementos dessas turmas farão parte da amostra.

Amostra em várias fases:

- Variante da amostragem por agrupamentos;

fi
fi
fl
fi
fi
fi
15 de 19
- Pode ser utilizada quando a população se compõe de unidades distribuídas por
diversas fases;
- A escolha da amostra faz-se seguindo várias etapas;
- Para reduzir o tamanho da amostra representativa inicial, o investigador pode escolher
aleatoriamente, a partir desta, uma segunda amostra representativa;
- Os dados obtidos seriam, assim, generalizáveis, à primeira amostra e desta para a
população considerada;
- Existe um erro de amostragem em cada passo.

Procedimento:
Exemplo:
Idosos que vivem em lares da região Centro → Distrito da região → 10 lares → em cada
um 30 idosos.

Amostragem não probabilística

- Aamostrageménãoprobabilísticasenãopodemosespeci caraprobabilidadedeumsujeitop
ertencer a uma dada população.
- Estudos em grupos cuja dimensão real não é conhecida e em que os elementos são
difíceis de identi car e contactar (por exemplo, membros de gangs juvenis, pessoas
envolvidas em comportamentos desviantes ou aditivos).
- Estudos com grupos especí cos cuja dimensão e constituição são até conhecidas, mas
devido a constrangimentos legais e/ou éticos, não é possível identi car todos os
elementos desses grupos, pelo que se entrevistam apenas voluntários (por exemplo,
sujeitos portadores de determinada doença ou condição).
- Investigações piloto – (por exemplo, sujeitos que participam numa ação de formação).
Amostragem pensada (criterial):

- Amostragem intencional.
- É, propositadamente, limitada pelo investigador a certas partes da população.
- É o investigador que determina, à priori, quais os subgrupos da população que são mais
representativos do total, invocando razões o mais objetivas possível para justi car as
suas opções; o investigador tem critérios pré-de nidos.

Por exemplo, se quero estudar casos de alunos “problema”, vou selecionar uma amostra
de alunos que apresentam tais características de comportamento irregular na escola.
Por exemplo, estudo sobre sindicalismo, poderíamos limitar, intencionalmente, o estudo a
alguns setores industriais, como os têxteis ou a construção.

Amostragem acidental:

- Amostragem não intencional.

- A amostra é constituída pelas primeiras pessoas que se vão encontrando , ou
voluntários, até se obter o total de pessoas que a mesma deve comportar.
fi
fi
fi
fi
fi
fi
 16 de 19
- Esta técnica não é aconselhável porque privilegia as pessoas que frequentam
determinado sítio.

Por exemplo, pessoas que passam na Praça da República (Coimbra) entre as 19h e as 22h.

Amostragem por conveniência:

- Amostragem não intencional.

- Quando usamos grupos intactos já constituídos aos quais temos acesso imediato e direto
por exemplo, estudantes de uma turma de que o investigador (ou alguém próximo) é
professor, doentes de um determinado serviço hospitalar onde o investigador (ou alguém
próximo) exerce funções, etc.

Por exemplo, quero fazer um estudo com estudantes universitários e utilizo os meus
alunos do 1.o ano.

Os resultados obtidos nestes estudos di cilmente podem ser generalizados para além do
grupo em estudo.

Amostragem por quotas (quota sampling):

- Amostragem intencional.
- Semelhante à amostra estrati cada, uma vez que se produz um modelo da população
alvo a partir de um certo número das suas características. Contudo, numa amostra
estrati cada os elementos da amostra são selecionados aleatoriamente, enquanto que
numa amostragem por quotas selecionam- se os sujeitos aos quais se tem acesso.
- Não há uma escolha aleatória.
- É o investigador quem decide o número de indivíduos (quotas) e as categorias que vão
ser incluídas
na amostra.
- Muito utilizada em educação; utiliza-se quando o investigador não tem possibilidade de
constituir uma amostra aleatória representativa da população, mas pretende que nela
sejam representados todos os seus diferentes estratos.

Por exemplo, o investigador pode determinar que o seu estudo vai ter uma amostra
constituída por 3 psicólogos, 4 professores de inglês, 2 assistentes sociais e 3 educadores de
infância e a sua amostra ser intencionalmente constituída por essas categorias/estratos
(pro ssionais) e quotas (n.o de sujeitos).

Amostragem por bola de neve:

- Amostragem intencional.
- Quando não existe qualquer lista (formal) da população que se pretende estudar.
- Identi ca-se um membro da população-alvo e pede-se-lhe que identi que outros
membros dessa mesma população, e assim sucessivamente.
fi
fi
fi
fi
fi
fi
 17 de 19
- Conhecem-se alguns sujeitos previamente identi cados como membros do grupo que se
pretende estudar e estes sujeitos põem o investigador em contacto com outros membros
desse grupo, e assim sucessivamente.
- Constituída por casos “excecionais”.
- Trata-se de uma técnica útil em populações difíceis de identi car e alcançar (por ex.,
tra cantes de droga, lideres de gangs, prostituição, etc.)

Dimensão da amostra:

- A amostra deve ter um tamanho capaz de garantir a qualidade dos resultados de

investigação.
- Utilizar uma amostra tão grande quanto possível:
mais representadas estarão as características da população.
> probabilidade da sua média e desvio padrão (grau de dispersão das
características da amostra) serem representativos da população.
< probabilidade de aceitar H0.
- Amostras grandes garantem, à partida, maior generalização dos resultados, pois
diminuem o erro de amostragem, mas nem sempre conseguimos ter uma amostra
grande, pelo que muitos autores defendem que é mais importante o cuidado na
seleção da amostra do que propriamente o tamanho da mesma (Best & Kahn, 1993;
Charles, 1998; Mertens, 1998).
- Amostras maiores quando:
Estão presentes muitas variáveis não controladas.
Se espera que a VI tenha um efeito pequeno.
A amostra tem que ser dividida em subgrupos.
A mortalidade experimental esperada é grande.
Se exige para o estudo um nível de signi cância estatística elevado (se o resultado
do estudo pode ser considerado estatisticamente signi cativo) – a signi cância
estatística aumenta com o tamanho da amostra.
A população é muito heterogénea relativamente às variáveis em estudo.
- Não obstante, os autores apontam para o tamanho ideal de uma amostra num
processo de investigação.
- 30 é considerado o tamanho ideal de uma amostra; amostras mais pequenas têm
poucas probabilidades de re etirem elmente os traços da distribuição de uma dada
população e comprometer os resultados da investigação.
- Mesmo que as amostras mais pequenas representem elmente a população, o seu
tamanho reduz a possibilidade de os resultados do tratamento estatístico obtido
serem signi cativos (como acontece numa correlação, por ex.) (Black, 1999; Heiman,
1996; Vogt, 1999).

Erros mais comuns na escolha da amostra:

- Escolha de certos indivíduos que pertencem à população que se pretende estudar,

simplesmente, porque eles estão disponíveis;
- Selecionar sujeitos que nem sequer pertencem à população, adequada à investigação
que se pretende realizar;
fi
fi
fl
fi
fi
fi
fi
fi
fi
fi
18 de 19

- Escolha de sujeitos para o grupo experimental diferentes dos que pertencem ao grupo
de controlo (pertencem a populações diferentes);
- Utilização de estratégias pouco válidas que, posteriormente, se mostram ine cazes.

Revisão da literatura cientí ca: tipos de fontes e etapas do processo

Objetivos da revisão da literatura:

• Ajuda o investigador a delimitar e a de nir cienti camente o seu problema (e a

formular as hipóteses).
• Permite o planeamento de um estudo pertinente que ocupe um lugar fundamental no
processo de construção do conhecimento cientí co.
• Evita repetições não intencionais ou desnecessárias de estudos cujos assuntos já foram
amplamente analisados.

• Permite a seleção das estratégias metodológicas mais adequadas para cada estudo
concreto.
• Permite ao investigador relacionar os dados que obteve com o conhecimento já
existente, fazendo “pontes” signi cativas para a prática (intervenção) e delineando
sugestões para investigações futuras.

Tipos de fontes para a revisão da literatura:

• Fontes primárias - são os trabalhos originais, escritos pelos próprios autores.

- Estudos empíricos publicados em revistas cientí cas, monogra as, relatórios,
dissertações, et
• Fontes secundárias - são sínteses de literatura previamente publicada.
- Manuais, livros, enciclopédias, monogra as publicadas em coleções, etc.
- Primárias vs Secundárias: primárias – informações detalhadas; secundárias – visão
fi
fi
fi
fi
fi
fi
fi
fi
fi
 19 de 19
geral/resumo
• Fontes preliminares - são índices ou conjuntos de sumários de trabalhos publicados. São
as fontes preliminares que nos permitem chegar às fontes secundárias e primárias.

Principais etapas para a revisão da literatura:

1. Análise da formulação do problema – engloba os conceitos ou variáveis que

especi cam o assunto a ser investigado na literatura da especialidade (ex. Motivação).
2. Seleção e leitura de fontes secundárias – permite ao investigador uma visão geral do
assunto que pretende estudar e ajuda-o a de nir o problema em termos mais
concretos.
3. Seleção das fontes preliminares – geralmente 2 ou 3 fontes preliminares ajudam a
localizar as fontes primárias mais importantes.
4. Transformação do problema em palavras-chave – possibilitam a procura manual ou
digital das fontes primárias. Termos associados ou sinónimos das variáveis em estudo.
5. Condução de uma busca manual e/ou computorizada – recolher os artigos para
consulta/leitura; compilação das referências bibliográ cas.
6. Leitura das fontes primárias selecionadas – fazer um breve resumo das ideias mais
importantes.
7. Organização das notas/ chas de leitura – organizar toda a informação recolhida.
8. Elaboração do trabalho nal – as referências apresentadas no nal do trabalho devem
fazer parte todas as obras consultadas e citadas no corpo do trabalho.
fi
fi
fi
fi
fi
fi