PESQUISAS

QUANTITATIVAS
Principais Elementos e Características
 Processo de análise, classificação e interpretação das
informações coletadas.

 Processo não automático – exige estudo aprofundado.

 Ir além da simples descrição das informações.

O QUE É ANÁLISE DE DADOS

 Classificação e organização dos dados
 Determinação da relação existente entre os dados:
 Pontos de divergência
Na pesquisa qualitativa, atividade de
 Pontos de convergência interpretação através de técnicas estruturadas
que permitam validade, objetividade e
 Tendências confiabilidade, visando explicar os dados
encontrados, refutar ou confirmar hipóteses.
 Regularidades

ETAPAS DA ANÁLISE DOS DADOS

 Organização lógica dos dados

 Dados aleatórios não permitem a interpretação

 Permite a detecção de problemas com os dados

CLASSIFICAÇÃO E ORGANIZAÇÃO
DOS DADOS
 Observação inicial
Dados (pergunta de pesquisa)

Formular teoria

O
MÉTODO Variáveis
Formular hipóteses
QUANTIT identificáveis
ATIVO
Medição das Coletar dados para testar a
variáveis teoria

Gráficos
Análise dos dados
Modelos
 Pergunta que precisa de resposta – experiências do dia-a-dia,
pessoal ou profissional.
 Por que o Big Brother tem participantes com personalidades tão
desagradáveis? -
 Observação inicial – teste de personalidade
 75% dos participantes têm desordem de personalidade narcisista
 Qual a explicação?

OBSERVAÇÃO INICIAL
achando algo que precisa de explicação
 As teorias são proposições que visam explicar um fenômeno
 Diante da observação inicial, quais teorias podemos formular?
 Como verificar? – coletando dados para testar as teorias
 Predições ou hipóteses a partir das teorias
 Algo verificável, testável.

Elaborando teorias e testando-as

 Teoria 1 – pessoas com desordem de personalidade narcisista estão mais
dispostas a se candidatarem a participar do Big Brother
 Hipótese 1 – o número de pessoas que se inscrevem no BB com DPN é maior do
que o destas pessoas na população (cerca de 1%)

 Teoria 2 – Os produtores do BB estão mais dispostos a selecionar

pessoas com DPN do que pessoas que não a tem.
 Hipótese 2 – A taxa de DPN nos selecionados para o BB será maior do que a
taxa de DPN dos candidatos

Elaborando teorias e testando-as

 Sem DPN Com DPN Total
Selecionado 3 9 12
Rejeitado 6805 845 7650
Total 6808 854 7662

Hipótese 1 confirmada – 11% das pessoas que se inscreveram no BB tem DPN, > 1% esperado
(854 / 7662 x 100)

Hipótese 2 confirmada – 75% dos selecionados tem DPN (9 / 12 x 100), onde o esperado seria de 11%
caso não houvesse predileção.

Com base nos testes das hipóteses, as duas teorias foram confirmadas: Pessoas com DPN estão mais
dispostas a se candidatarem ao BB do que as pessoas que não têm; e os produtores do BB estão
predispostos a selecionarem pessoas com DPN.
 Para testar teorias e suas hipóteses – precisamos de
dados

 No processo de coleta de dados – duas decisões:

 1. o que medir;
 2. como medir.

Coletando dados para testar uma teoria

 O que medir? – variáveis
 Variáveis são coisas que variam...
 Entre pessoas – nível de atividade física, aptidão física...
 Entre lugares – taxa de emprego, disponibilidade de parques
públicos...
 No tempo – estado psicológico, remuneração, frequência de
atividade física...

Coletando dados para testar uma teoria

Variáveis
 Hipóteses expressas na forma de duas variáveis
 Variável de causa (independente)
 Variável de efeito (dependente)
 Ex. Coca-cola é um efetivo espermicida
 Variável causa – coca-cola
 Variável efeito – espermatozoides mortos

Coletando dados para testar uma teoria

Variáveis
 Variável independente
 Variável de causa
 Que será manipulada pelo pesquisador
 Variável dependente
 Variável de efeito
 Variável afetada pela variação da independente.
 Termos mais adequados para estudos experimentais

Coletando dados para testar uma teoria

Variáveis Independente e dependente
 Mas e quando não podemos manipular a variável independente?
 Ex. Cigarro causa câncer de pulmão
 Neste caso, utiliza-se método correlacional
 Não há variável independente e dependente
 Todas são dependentes entre si
 Variável preditora e variável resposta
 Termos que poderiam ser mais adequados
 Pouco utilizado

Coletando dados para testar uma teoria

Variáveis Independente e dependente
 Relação entre o que é medido e os números atribuídos ao que é medido

 De forma ampla, variáveis categórica e contínuas

 Diferentes níveis de mensuração

 Variável categórica
 Feita de categorias (ex.: espécie)
 Nomeia entidades distintas
 Variável binária – duas possibilidades (ex.: sexo)
 Variável nominal – mais de duas possibilidades (ex.: posição em um time
de futebol)

Coletando dados para testar uma teoria

Nível de mensuração
 Variável categórica - nominal
 Não pode ser mensurada
 Números podem ser utilizados para categorizar
 Estes números não nos dizem nada além da posição do
jogador
 Variáveis nominais podem ser utilizadas apenas para medir
frequência (ex.: masculino e feminino numa amostra)

 Variável categóricas podem ser ordenadas...

Coletando dados para testar uma teoria

Nível de mensuração
 Variável categórica – ordinal
 Além de categorizar, indica a ordem da categorização
 Não dá informações sobre a diferença entre os valores (ex.: classificação
do brasileirão)

 Variáveis contínuas
 Valores em uma escala de medida finita ou infinita (ex: idade, peso, IMC)
 Contínua discreta – escala de medida finita (ex: número de cestas
convertidas, número de quedas no judo)
 Variável razão – escala com o zero absoluto (peso, altura)
 Variável intervalar – escla sem o zero absoluto (altitude, temperatura)

Coletando dados para testar uma teoria

Nível de mensuração