Curso de Mestrado Acadêmico em Nutrição e Saúde (CMANS)
Universidade Estadual do Ceará (UECE)
Metodologia da Investigação e da Pesquisa Científica
Resumo Descritivo: Caráter epistemológico da investigação. O método nas principais correntes epistemológicas. A relação sujeito-objeto. Objetividade e neutralidade na pesquisa em Saúde. Metodologias qualitativas e quantitativas.
1. CARÁTER EPISTEMOLÓGICO DA INVESTIGAÇÃO
Sendo a epistemologia um ramo da filosofia que estuda a origem, a estrutura, os métodos e a validade do conhecimento produzido pelo homem, ela é disciplina que remete a uma reflexão da prática dos cientistas, tendo como objetivo a investigação científica, em seu processo de gênese, de formação e de progressiva estruturação (Martins, 1994). Em outras palavras, epistemologia é o estudo crítico dos princípios, das hipóteses, e dos resultados das diversas ciências, destinado a determinar a sua origem lógica, o seu valor e a sua objetividade (Brabo, 2002).
Para Theóphilo (2000), a epistemologia representa um polo de processo de pesquisa, na busca por conhecimento sobre os objetos investigados, que organiza os elementos do processo de construção do objeto científico em 4 polos: 1) o epistemológico, 2) o teórico, 3) o técnico e 4) o metodológico.
No primeiro polo, o epistemológico, opera-se a permanente construção do objeto científico e a definição dos limites da problemática de investigação, ocorrendo uma constante reformulação dos parâmetros discursivos, dos paradigmas e dos critérios de cientificidade que orientam todo o processo de investigação. Dessa forma, no polo epistemológico, o pesquisador assegura a construção do seu objeto de conhecimento ou problemática de investigação, inserido numa linguagem e paradigma científico. Martins (1994) classifica os enfoques epistemológicos em: empirista, positivista, sistêmico, funcionalista, fenomenológico, hermenêutico e crítico-dialético. Três abordagens ou enfoques epistemológicos mistos ou mais flexíveis seriam: a) empírico-analíticos; b) hermenêuticos e c) crítico-dialéticos. Em a) essas abordagens seguem princípios que exigem, no tratamento do objeto, o uso de variáveis, sejam organizadas experimentalmente como variáveis independentes ou dependentes, ou sistematizadas como variáveis de entrada, saída, de contexto, sejam organizadas segundo determinem papéis, facetas, funções, sejam tidas como indicadores que se apresentam concomitantemente.
Exemplo de uma abordagem empírico-teórica pode ser uma pesquisa bibliográfica e documental com emprego de técnicas de análise de conteúdo e de métodos quantitativos. A natureza da pesquisa pode impor atividades exploratórias de levantamento, sistematização e análise de características, ou seja, o polo técnico do processo de produção científica que compreende os procedimentos de coleta, organização e tratamento dos dados e informações.
Pode-se dizer, portanto, que a investigação científica pode se enquadrar nos limites da análise epistemológica e metodológica.
2. ORIGENS DO MÉTODO CIENTÍFICO
A questão sobre quem “inventou” o método científico é uma das mais difíceis de se responder, simplesmente porque é extremamente difícil saber quando o método científico realmente “começou” (ver texto de Martyn Shuttleworth, 2009), mas o certo é que as bases do método científico remontam aos primórdios da civilização humana, estando difusas por diversas origens que se complementaram. As raízes da pesquisa científica formal residem, portanto, no trabalho coletivo de inúmeros indivíduos da antiguidade, Gregos, Persas, Indianos, Chineses, e Europeus. É certo afirmar, portanto, que ninguém nem nenhum povo isoladamente “inventou o método científico”, já que ele está em constante evolução e modificação. Alguns reputam ao matemático Grego Pythagoras o pioneirismo na promoção da hipótese científica por ele, baseando-se num estudo descritivo do movimento das estrelas no século X BC, haver proposto que a Terra era redonda. Os muçulmanos, entre os séculos X e XIV, foram os primeiros a ensaiar o desenvolvimento de um método científico, ao serem pioneiros no uso do experimento e da observação, como bases da ciência. Alguns historiadores reputam a este período como sendo o do nascimento da ciência. Dentre os grandes estudiosos deste período, Al-Haytham é reconhecido como o arquiteto do método científico muçulmano, cujos passos seriam os seguintes:
- Observação do mundo natural
- Definição de um problema
- Formulação de uma hipótese robusta (viável)
- Teste da hipótese através da experimentação
- Acesso e análise dos resultados
- Interpretação dos dados e elaboração das conclusões
- Publicação dos achados
Tais passos são muito similares ao método científico moderno e se tornaram a base da ciência ocidental durante o Renascimento. Al-Haytham chegou mesmo a insistir acerca da repetibilidade e da replicabilidade dos resultados, e outros estudiosos adicionaram ideias tais como a revisão por pares (peer review), ajudando a compreender ainda mais o mundo natural do passo 1 do método muçulmano. Outros estudiosos muçulmanos foram Al-Biruni, que alertou sobre os observadores humanos e suas tendências aos erros e vícios, Al-Rahwi, Abu Jābir, and Ibn Sina (Avicenna). Essas contribuições ajudaram a criar a chamada Era de Ouro da Ciência Islâmica. Entretanto, com o declínio do poder muçulmano, a história do método científico passou a prevalecer na Europa e no Renascimento.
Na Europa renascentista, muito ajudada pela sabedoria herdada dos Gregos e Árabes, Roger Bacon (1214 – 1284) é creditado como o primeiro estudioso a promover o raciocínio indutivo (inductive reasoning) como parte do método científico. Aqui, os achados de um experimento são generalizados para o mundo em geral, um processo usado por quase todos os cientistas modernos. Ele desenvolveu a ideia de fazer observações, hipóteses e experimentações para testar as hipóteses, documentando muito bem seus experimentos, meticulosamente, para que outros pesquisadores pudessem repeti-los, verificando seus resultados. Sua versão do método científico Islâmico envolveu quatro passos principais, que fundamentam o nosso método científico moderno.
• Observação
• Hipótese
• Experimentação
• Verificação
Esse processo continuou com o Iluminismo, de Francis Bacon (1561 – 1626) e de Descartes (1596 – 1650). Francis Bacon continuou o trabalho de fortalecimento do processo indutivo, reiterando que toda descoberta científica deve proceder através de um processo de observação, experimentação, análise e raciocínio indutivo. Ele acreditava que a evidência experimental podia ser usada para eliminar teorias conflitantes e se aproximar da verdade. O método era uma maneira de relacionar observações ao universo e aos fenômenos naturais através do estabelecimento de causas e efeitos. O método indutivo de Bacon consistia em:
• Observações Empíricas
• Experimentos Sistemáticos
• Análise da Evidência Experimental
• Raciocínio Indutivo
O grande filósofo e matemático Descartes (1596 – 1650), por outro lado, acreditava firmemente que o universo era como uma grande máquina e que, portanto, se alguém entendesse as leis básicas do universo, poderia deduzir como qualquer coisa agiria. Descartes rompeu, assim, com o modelo da indução e raciocínio, propondo que a dedução seria a única maneira de aprendizado e compreensão, retornando aos ensinamentos de Platão. O método dedutivo, de Descartes, que parte do geral e desce ao particular, era quase o reverso da indução:
• Estabelecimento dos Primeiros Princípios
• Raciocínio Dedutivo
• Interpretação
• Análise Matemática
Galileo (1564 – 1642) é lembrado por seu famoso experimento sobre gravidade, mas ele também contribuiu muito para o estabelecimento do método científico. Alguns pesquisadores, como Einstein e Hawking, atribuem a ele a denominação de “pai da ciência moderna”. Certamente a sua metodologia moldou a física e outras áreas baseadas nos teoremas matemáticos com métodos que foram as origens da ruptura entre ciência e religião, incluíram uma padronização de mensurações permitindo que os resultados experimentais fossem verificados a qualquer tempo. Galileo usou um método pesadamente indutivo porque ele acreditava que nenhuma evidência empírica poderia combinar-se perfeitamente com as predições teóricas. Ele achava que seria impossível para um experimentador levar em conta cada uma das variáveis possíveis. No mundo da Física, Galileo teorizou que a massa não teria efeito sobre a aceleração gravitacional e que nenhum experimento poderia jamais almejar medir isso perfeitamente, por causa da resistência ao ar, fricção e outras imprecisões com dispositivos de tempo e de métodos. No entanto, a repetição por pesquisadores independentes poderiam construir um corpo de evidências que permitisse uma extrapolação à teoria geral a ser feita. Esse período, cobrindo os séculos XVI e XVII, é geralmente referido como a Revolução Científica, e agregou mais alguns elementos requeridos para o método científico. A maioria dos historiadores citam como início da Revolução Científica a publicação do livro "De Revolutionibus Orbium Coelestium" (On the Revolutions of the Heavenly Spheres) em 1543 pelo astrônomo Polonês Nicolaus Copernicus, cuja cuidadosa observação e descrição do movimento dos planetas em relação à Terra o levou a hipotetizar que o Sol era o centro do sistema solar. Em 1660, era criada a The Royal Society, fornecendo um painel de experts para aconselhar e guiar a difusão de informações, estabelecendo um periódico para auxiliar nesse processo. Esse comitê regulamentou que a evidência experimental sempre sobrepõe a evidência teórica, o que é um dos pilares da ciência moderna. Naturalmente, a instalação de um painel de especialistas e a fundação de periódicos (journals) levou ao advento da genuína revisão por pares (o peer review), um processo adaptado das práticas Muçulmanas.
A Revolução Científica alcançou seu ápice com Isaac Newton, que deu talvez a maior contribuição da história do método científico. Ele refinou o processo para o que é usado hoje, e foi o primeiro a reconhecer que a descoberta científica necessitava tanto da indução quanto da dedução, uma revolução no método científico que alçou a ciência à era moderna. Depois de Newton, muitos estudiosos ainda refinaram o método científico, incluindo Einstein, Russell, Popper e Feyerabend, dentre outros. Entretanto, desde então, talvez não seja mais correto se referir ao ‘método científico,’ mas sim ao ‘método físico’ ou ao ‘método psicológico,’ uma vez que cada disciplina ou área científica começou a usar sua própria metodologia e terminologia.
Reconhecendo que as crenças pessoais e culturais podem influenciar tanto as percepções quanto as interpretações dos fenômenos naturais, há todo um interesse de que, através do uso de procedimentos e critérios padrões, tais influências sejam minimizadas ao se desenvolver uma teoria. Assim, o método científico contemporâneo emprega quatro passos para se estabelecer:
• Observação e descrição de um fenômeno ou grupo de fenômenos
• Formulação de uma hipótese para explicar o fenômeno1.
• Uso da hipótese para predição qualitativa de outros fenômenos ou quantitativa dos resultados de novas observações.
• Realização de independentes testes experimentais das predições
Se os experimentos confirmarem a hipótese, ela pode ser considerada uma teoria ou lei da natureza; em caso contrário, ela será rejeitada ou modificada. O que é crucial nesta descrição do método científico é exatamente o seu poder preditivo (a capacidade de se extrair mais do que se colocou na teoria, segundo Barrow, 1991) da hipótese ou teoria, conforme testado pelo experimento. Comumente se diz que as teorias não podem nunca ser totalmente provadas, mas podem ser totalmente rejeitadas, porque há sempre a possibilidade de que uma nova observação ou um novo experimento venha a conflitar com uma teoria estabelecida anteriormente.
1 Na Física, a hipótese geralmente assume a forma de um mecanismo causal ou de uma relação matemática.
Texto traduzido, adaptado e customizado a partir de:
http://www.experiment-resources.com/who-invented-the-scientific-method.html#ixzz1JGFxVy8H
http://teacher.pas.rochester.edu/phy_labs/appendixe/appendixe.html
3. DEFINIÇÃO DE MÉTODO CIENTÍFICO (Martyn Shuttleworth, 2009)
“Os princípios e processos empíricos de descoberta e demonstração considerados característicos de ou necessários para a investigação científica, geralmente envolvendo a observação de fenômenos são: formulação de hipóteses acerca dos fenômenos, experimentação para demonstrar a veracidade ou falsidade das hipóteses, e uma conclusão que valide ou modifique as hipóteses.”
”Ciência: Abordagem rigorosa, sistemática, designada para eliminar vícios e outras influências subjetivas na busca, identificação, e mensuração ou validação de fatos e relações causa-efeito, a partir da qual as leis científicas podem ser deduzidas.”
O Santo Graal (ou holy grail) da Ciência, aquilo que alcança absoluta e incontestável prova, o irrefutável ou infalível por assim dizer, não corresponde em nada à verdadeira Ciência que é plena de imprecisões intrínsecas e artefatos próprios da atividade de pesquisa e do trabalho científico. Ciente dessas limitações, é sempre válido conhecer as definições magistrais de Popper, Feyerabend e Kuhn, em que a compreensão de como a ciência é imperfeita relembra-nos dos protocolos estritos que ditam a filosofia subjacente à pesquisa científica. De fato, com exceção de algumas poucas ciências físicas estritamente definidas, a maioria das áreas de ciências, incluindo as da Saúde e da Vida, curvam-se e se adaptam a essas regras, especialmente as disciplinas que envolvem a imprevisibilidade dos organismos vivos. De certo modo, para se curvar e se adaptar às regras, é preciso entendê-las.
O aspecto empírico do método científico.
A Ciência se baseia em observação e mensuração, além de poder envolver também algum tipo de experimentação prática. Isso compreende desde a mensuração Doppler Shift de uma galáxia distante até a pesquisa com questionários num shopping center, p.ex. Por mais óbvio que isso pareça, tal distinção remonta aos tempos da Grécia Antiga e seus filósofos. Platão acreditava que todo conhecimento poderia ser racionalizado; já Aristóteles acreditava que o conhecimento se embasava na observação empírica e na mensuração. Isso traz à tona uma interessante anomalia porque, estritamente falando, grandes físicos, como Einstein e Stephen Hawking, p.ex., não seriam tidos como cientistas. Eles geraram teorias essenciais e elegantes com modelos matemáticos refinados que descrevem o universo e a natureza do próprio tempo, mas nunca mediram nada; o que os tornaria meros matemáticos, ocupando seu próprio nicho particular, e deveriam, portanto, ser referidos como teóricos. Ainda assim, eles são conhecidos como cientistas e realmente se utilizaram (ou se apropriaram) do método científico à medida em que quaisquer de suas teorias podem ser destruídas por um único indício de evidência empírica.
O método científico se baseia em dados.
O método científico usa algum tipo de mensuração/medida para analisar os resultados, retro-alimentando as teorias com esses achados sobre o que se sabe do mundo. Há dois principais modos de se obter dados: através de mensuração/medida e através de observação; o que se convenciona chamar de análises quantitativas e qualitativas, respectivamente.
Análises Quantitativas se associam geralmente com as chamadas “ciências duras” (‘hard’ sciences), como a física, química, astronomia, e podem ser alcançadas através de experimentação ou de observação. Por exemplo:
• Ao final de um experimento, 50% das bactérias na amostra tratada com penicilina sobreviveram.
• Um experimento mostrou que a lua está 384.403 km distante da Terra.
• O pH da solução é de 7.1
Como regra geral, uma unidade quantitativa possui uma unidade de medida respectiva, alguma unidade cientificamente reconhecida (SI) ou derivada de uma unidade SI. Percentagens e números entram nesta categoria. Já as medidas qualitativas são baseadas em observação e geralmente exigem algum tipo de manipulação ou escala numérica. Exemplificando, se um cientista social entrevista usuários de drogas num estudo de casos, documentando o que eles percebem, ele não estaria executando uma pesquisa científica, mesmo que a pesquisa seja útil, Contudo, se ele realiza algum tipo de manipulação, tal como definir uma escala para averiguar a intensidade da resposta às questões específicas, então ele está gerando resultados qualitativos.
• Em média, os entrevistados mostraram um nível de ansiedade de quatro (04).
• 91% dos entrevistados afirmaram preferir tal marca de bebida alcoólica.
De modo geral, as medidas qualitativas são arbitrárias, numa escala designada para medir respostas e ideias abstratas. Medir ansiedade, preferência, dor e agressão, p.ex., são ilustrações de conceitos medidos qualitativamente. Para um pequeno grupo de testes já bem estabelecidos, os resultados são frequentemente considerados quantitativos, tais como o QI (Quociente de Inteligência) e o QE (Quociente Emocional). Ambos os tipos de dados são extremamente importantes e a maioria dos cientistas usa ambos os tipos em suas pesquisas.
Uma pesquisadora médica pode delinear experimentos para testar a efetividade de uma droga, usando um placebo como contraste. No entanto, ela pode conduzir estudos de caso em poucos indivíduos-teste, num experimento-piloto para garantir que os seus experimentos sejam seguros.
O aspecto intelectual e visionário do método científico.
A Ciência requer visão e a habilidade/capacidade de observar as implicações dos resultados. Coletar dados é parte do processo, e eles precisam ser analisados e interpretados. No entanto, o lado visionário da Ciência reside em relacionar os achados da pesquisa de volta ao mundo real, ou seja, na indução ou raciocínio indutivo. Tome-se por exemplo Alfred Wegener, que foi o primeiro cientista a propor a ideia da deriva dos continentes em 1912. Ele notou que os mesmos fósseis eram encontrados em ambos os lados do Atlântico, em rochas antigas, e que as plataformas continentais da África e da América do Sul pareciam se encaixar. Ele, então, induziu que elas uma vez devem ter estado juntas e, por essa opinião que desafiava o paradigma vigente, ele foi ridicularizado no início do século XX. Ao longo do tempo, desde então, as evidências foram se acumulando e mostrando que ele estava, de fato, correto e que ele foi sim um verdadeiro visionário.
O método científico usa experimentos para testar predições
Esse processo de indução e generalização permite aos cientistas fazer predições a respeito de como eles pensam que alguma coisa pode se comportar, e daí delinear um experimento para testar isso. Nem sempre isso significa usar tubos de ensaio num laboratório ou delinear levantamentos; pode também significar tomar medidas e observar o mundo natural. As ideias de Wegener, mesmo havendo sido denegridas por muitos cientistas, estimularam o interesse de uns poucos que foram em busca de evidências que mostrassem que os continentes moviam-se no entorno da Terra. Agora se conhece, por um processo de predição e mensuração, o movimento das placas tectônicas2.
O aspecto sistemático e metódico do método científico.
Os cientistas costumam ser muito conservadores em como abordar seus resultados, sendo naturalmente céticos. Geralmente é preciso mais de um experimento para mudar a maneira como um cientista pensa e, por mais gritantes que sejam as evidências, os resultados precisam ser re-testados e repetidos exaustivamente até que um conjunto sólido de evidências seja alcançado. Esse processo assegura que os pesquisadores não cometam tantos erros ou propositadamente manipulem evidências. No caso de Alfred Wegener, as ideias dele só foram aceitas depois de sua morte, quando a quantidade de evidências suportando a deriva dos continentes se tornou irrefutável. Tal processo de mudança das teorias vigentes, chamado de quebra de paradigma (paradigm shift) é parte integral do método científico. A maioria das pesquisas revolucionárias, como a Teoria da Relatividade de Einstein ou a Genética Mendeliana, causa uma ruptura imensa no pensamento científico dominante.
Em suma, o método científico evoluiu, ao longo de muitos séculos, a fim de garantir que os cientistas fizessem (e continuassem fazendo) descobertas significativas, baseadas na lógica e na razão (racionalidade), ao invés da emoção. O processo exato varia entre as várias disciplinas científicas, mas todas seguem o princípio geral de observação - predição - teste - generalização.
2 Uma teoria científica que descreve os grandes movimentos da litosfera da Terra (Little, Fowler & Coulson (1990).
Texto traduzido, adaptado e customizado a partir de:
http://www.experiment-resources.com/who-invented-the-scientific-method.html#ixzz1JGFxVy8H
http://www.experiment-resources.com/who-invented-the-scientific-method.html#ixzz1JGFxVy8H
4. MOTIVOS E MEIOS DO MÉTODO CIENTÍFICO
O método científico, como desenvolvido por Bacon e Newton, continuou a ser o principal motor da descoberta científica por três séculos, mas as ideias deles se basearam num tempo em que a maioria dos cientistas eram polivalentes, trabalhando em muitas áreas distintas e também entendendo sobre filosofia e teologia. A Ciência foi gradativamente se afastando deste tipo de atuação e a crescente complexidade de temas científicos, aliada ao aumento tanto da amplitude quanto da profundidade da pesquisa científica, tornou impossível o trabalho em muitas disciplinas ao mesmo tempo.
À medida em que a Ciência foi se separando em química, física, biologia, etc, a história do método científico foi se tornando também bem mais complexa. Evidentemente, o método científico ideal não funciona para todas as disciplinas, sendo que as diferentes áreas precisam adaptá-lo e modificá-lo adequadamente, inclusive desenvolvendo sua própria “filosofia” científica, de modo a evitar a falsificação e buscar sempre a aceitação e a validação de seus resultados.
Sendo assim, qual seria, então, o motivo para um método científico? Uma boa resposta seria: tirar conclusões sobre os estudos feitos com o mínimo de erros, minimizando a influência de opiniões pessoais e tendenciosas através da padronização de métodos para testar hipóteses que sejam usados por toda uma comunidade científica.
5. PASSOS DO MÉTODO CIENTÍFICO
Adentrando no tema de como o método científico é posto em prática, o primeiro passo é ter alguma base para conduzir a pesquisa. Isso se baseia em fenômenos observados que são direta ou indiretamente relacionados com a matéria específica da pesquisa proposta. Por exemplo, observa-se que a Droga A é efetiva no tratamento de uma doença (Doença A) causada pelo Vírus A. Uma nova doença (Doença B) surge mimetizando alguns sintomas da Doença A, mas com variações (tais como o paciente com a Doença B tem linfonodos aumentados e febre mais baixa ao invés de linfonodos normais e febre alta). Surtos da Doença B ocorrem próximos dos surtos da Doença A. Essas são observações feitas num primeiro passo ou etapa do método científico. No próximo passo, há a formulação da hipótese para explicar algum aspecto das suas observações. Pode-se especular que o vírus que causa a Doença B ou é o próprio Vírus A ou está relacionado ao Vírus A. A hipótese é que a causa da Doença A e da Doença B é o mesmo vírus.
Agora que se tem uma hipótese, pode-se testá-la. Deve-se usar a hipótese para predizer outros fenômenos que não foram ainda observados. Sabe-se que a Droga A extirpará a Doença A. Se a Doença B é causada pelo mesmo vírus, pode-se raciocinar que a mesma droga deve ser efetiva.
O passo final do método científico é o teste rigoroso da predição feita. Lembrando que não se pode "provar" a hipótese, pode-se, no entanto, não rejeitá-la ou refutá-la. Ao mesmo tempo que este é um exemplo de como o método científico é usado rotineiramente na pesquisa e no teste de hipóteses, ele também é a base da criação de teorias e leis.
O método científico requer que a hipótese seja eliminada se os experimentos repetidamente contradizerem as predições. Não obstante quão magnífica uma hipótese possa parecer, ela só será boa à medida em que for capaz de predizer consistentemente os resultados experimentais. Deve-se ressaltar também que uma teoria ou hipótese não é significativa se não for quantitativa e testável. Se uma teoria não permite predições e pesquisa experimental para confirmar essas predições, então ela não é uma teoria científica.
5.1 PERGUNTA GERAL/INICIAL
O ponto de partida de quase toda nova pesquisa é a formulação de uma pergunta geral sobre uma determinada área de pesquisa e a sua adequada definição, ou seja, a definição da pesquisa. Essa não é, de modo algum, uma tarefa trivial e a sua execução constantemente evolui com o tempo porque, para entender bem sua área de pesquisa, o pesquisador precisa saber e entender bem a definição do método científico mais adequado para seu tema e isso será decisivo no processo de pesquisa e para as subsequentes conclusões extraídas do experimento. Essa pergunta inicial pode ser bem ampla, para depois ir sendo afunilada com observação e enfoque até chegar a uma hipótese testável.
Revisar pesquisas previamente executadas pode ajudar a fornecer uma visão geral do problema tratado, auxiliando no estabelecimento de uma linha de afunilamento em um tópico mais especializado. A revisão bibliográfica3, p.ex., fornece o contexto e o pano de fundo do problema da pesquisa, podendo e devendo estabelecer a necessidade para a pesquisa e indicar que o autor tem conhecimento da área (Wiersma, 1995).
A menos que se tenha um orçamento ilimitado e uma imensa equipe de pesquisadores (o que geralmente é improvável), torna-se impossível pesquisar um tema por demais abrangente, o que pode ser entendido como o método de tentar amostrar uma pequena porção do quadro total e gradualmente contribuir para o todo por partes.
5.2 AFUNILANDO
O estágio da pesquisa, através de um processo de eliminação, irá afunilando o tema da pesquisa e dando maior foco ao trabalho. Isso deve levar em conta as restrições orçamentárias, de tempo, de tecnologias e habilidades disponíveis, levando à proposta de algumas poucas hipóteses realistas. Eventualmente, o pesquisador chegará a uma hipótese fundamental em torno da qual o experimento poderá ser delineado.
5.3 DELINEANDO O EXPERIMENTO
Essa etapa envolve o delineamento dos passos que irão testar e avaliar a hipótese, manipulando uma ou mais variáveis para gerar dados analisáveis. O experimento deve ser desenhado tendo em mente os testes estatísticos posteriores, assegurando que há controles e grupos amostrais suficientemente grandes para permitir resultados estatisticamente válidos.
5.4 OBSERVAÇÃO
Uma fase intermediária da pesquisa, que envolve observar e registrar os resultados da pesquisa, angariando os achados em dados brutos (raw data). O estágio de observação envolve a constatação de qual efeito as variáveis manipuladas tiveram sobre o objeto da pesquisa e o registro desses resultados.
5.5 ANÁLISE
O escopo da pesquisa começa a alargar novamente, à medida em que as análises estatísticas são realizadas nos dados, organizando-se em um formato compreensível. As respostas encontradas nessa fase permitem a amplitude posterior da pesquisa, revelando algumas tendências e respostas às perguntas iniciais.
3 A revisão bibliográfica atinge diversos propósitos ao: a) compartilhar com o leitor os resultados de outros estudos relacionados ao estudo em questão (Fraenkel & Wallen, 1990); b) relacionar o estudo a um diálogo corrente maior na bibliografia sobre o tópico, preenchendo lacunas e ampliando estudos anteriores (Marshall & Rossman, 1989); c) fornecer uma ideia para o estabelecimento da importância do estudo, bem como uma base para comparações dos resultados de um estudo com outras conclusões; d) fixar o problema previamente identificado. Além disso, a revisão bibliográfica serve para demonstrar ao leitor que o autor possui uma visão ampla do campo de pesquisa, e que está ciente das descobertas substantivas e metodológicas recentes. Ademais, ajuda a delinear o ponto de partida da pesquisa (Como seu estudo irá refinar, revisar ou estender o que já é conhecido?). Numa revisão de literatura, deve-se evitar frases que pressuponham que pouco foi feito na área pesquisada ou que o que já foi feito é muito extenso para ser apresentado de forma sucinta. Frases desse tipo geralmente indicam que o autor não tem muita familiaridade com a bibliografia. Em uma proposta de pesquisa, a revisão bibliográfica deve ser breve e direta; a bibliografia selecionada deve ser pertinente e relevante (APA, 1994) com referências apenas das citações mais apropriadas.
5.6 CONCLUSÕES E PUBLICAÇÕES
Essa etapa é onde, tecnicamente, a hipótese é declarada como aceita ou rejeitada. Entretanto, o âmago da pesquisa nem sempre é simplesmente cristalino assim, de modo que é necessário filtrar os resultados e elaborar melhor os argumentos sobre o que aconteceu e como. Nessa fase é onde os resultados interessantes podem ser ressaltados para pesquisas posteriores e para adaptação da hipótese inicial. Mesmo que a hipótese esteja incorreta, talvez o experimento tenha tido uma falha no seu delineamento ou implementação. Pode haver tendências que, embora não significativas estatisticamente, levem a outras investigações e refinamento do processo de pesquisa. Os resultados são geralmente publicados e compartilhados com a comunidade científica, possibilitando outras verificações dos achados e permitindo que outros continuem a pesquisa em novas investigações.
5.7 RECICLAGEM
Essa não deve ser entendida como a etapa final dos passos do método científico, já que ela gera dados e ideias para reciclar e se continuar com a primeira etapa. A área inicialmente mais abrangente da pesquisa pode novamente ser endereçada, com a percepção de que um dos muitos pedaços individuais pode ajudar a responder a pergunta total. Construir a compreensão de uma grande área de pesquisa, pela montagem gradativa de um “quebra-cabeças”, é o verdadeiro caminho do avanço científico.
Leia mais em: http://www.experiment-resources.com/steps-of-the-scientific-method.html#ixzz1JGGqKPew
6. FORMULANDO UM PROBLEMA PARA PESQUISAR: AS HIPÓTESES
Os pesquisadores organizam suas pesquisa pela formulação e definição de um problema de pesquisa. Isso os ajuda a dar foco ao processo de pesquisa de forma tal que eles venham a tirar conclusões, refletindo o mundo real da melhor maneira possível.
6.1 Sobre as Hipóteses
Uma hipótese de pesquisa é uma declaração feita quando se especula acerca do desenrolar de uma pesquisa ou experimento. Cada verdadeiro delineamento experimental4 precisa ter essa declaração no âmago de sua estrutura, como o objetivo, em última instância, de qualquer experimento. Para um experimento ser classificado como um verdadeiro delineamento experimental, ele precisa atender aos seguintes critérios.
4 O verdadeiro delineamento experimental é tido como a forma mais acurada de pesquisa experimental, uma vez que ele tenta provar ou rejeitar matematicamente uma hipótese, com análise estatística. Os resultados de um verdadeiro delineamento experimental podem ser estatisticamente analisados e, daí, poucos argumentos sobre os resultados podem ser levantados, sendo bem mais fácil para outros pesquisadores replicar o experimento e validar os resultados. Nas Ciências Físicas, que trabalham com dados numéricos, é muito mais fácil manipular uma variável, então o verdadeiro delineamento experimental geralmente fornece uma resposta sim ou não. Apesar de parecer perfeito a priori, há alguns problemas com esse tipo de delineamento. Primeiro, ele pode ser tão perfeito, sob condições tão completamente controladas, que passa a não ser representativo das condições reais. Para os psicólogos e biólogos de comportamentos, p.ex., não há garantias de que um humano ou outro organismo vivo exiba comportamento ‘normal’ sob condições experimentais. Experimentos verdadeiros podem ser muito acurados e isso dificulta a obtenção de uma completa rejeição ou aceitação de uma hipótese porque os padrões de prova requeridos são muito difíceis de se alcançar. Experimentos verdadeiros são também laboriosos e onerosos de se configurar, sendo também pouco práticos. Enquanto para algumas áreas, como a física, não há muitas variáveis e o delineamento é relativamente fácil; para as ciências sociais e biológicas, onde as variações não são tão claramente definidas, torna-se muito mais difícil excluir outros fatores que possam estar afetando as variáveis manipuladas.
• Os grupos de amostras devem ser assinalados randomicamente.
• Deve haver um grupo controle5 viável.
• Somente uma variável pode ser manipulada e testada. É possível testar mais de uma, mas tais experimentos e suas análises estatísticas tendem a ser complicadas e difíceis.
- Os objetos testados devem ser randomicamente assinalados ou para os grupos controle ou para os grupos experimentais.
5 Um pesquisador deve medir uma variável de cada vez, e o uso de um grupo controle fornece uma linha de ação básica confiável de dados para poder comparar os resultados com ela. Por exemplo, uma pesquisa médica irá usar dois grupos, dando a um conjunto de de pacientes o remédio real e ao outro um placebo, a fim de eliminar o chamado efeito placebo. Nesse tipo particular de estudo, o experimento é duplo-cego. Nem os médicos nem os pacientes sabem qual pílula estão fornecendo ou recebendo, respectivamente, o que evita potenciais vícios na pesquisa. O efeito placebo é bem documentado, e o efeito Hawthorne é uma outra influência onde, se as pessoas sabem que são objetos de um experimento, elas automaticamente mudam de comportamento. Há dois tipos de controle, positivo e negativo, ambos fornecem maneiras de aumentar a validade estatística de seus dados. Grupos controle Positivos são aqueles esperados de apresentar um resultado positivo, e permitem a demonstração de que a configuração foi capaz de produzir os resultados. Por exemplo, um pesquisador testando o efeito de um novo antibiótico sobre placas de Petri contendo bactérias, pode usar um antibiótico funcional já conhecido, e se todas as amostras fracassarem, exceto aquela, é provável que os antibióticos testados sejam ineficazes. Contudo, se o controle positivo falhar também, alguma coisa errada aconteceu com o delineamento. Grupos controle Positivos reduzem as chances de falsos negativos. O Controle Negativo é o processo de usar o grupo controle para assegurar que nenhuma variável confusa tenha efeito sobre os resultados, ou seja um fator em qualquer fonte provável de vícios. Ele usa uma amostra que se espera não funcionar. No exemplo do antibiótico, o grupo controle negativo seria uma placa de Petri sem antibiótico, permitindo a prova de que os resultados são válidos e que não há variáveis confundindo. Se todos os novos medicamentos funcionarem, mas o grupo controle negativo também mostrar inibição do crescimento bacteriano, então alguma outra variável deve ter tido um efeito, invalidando os resultados. Um controle negativo pode também ser um modo de ajustar uma linha base: um pesquisador testando os níveis de radioatividade de várias amostras com um contador Geiger iria também amostrar o nível de fundo (ou background level), permitindo o ajuste dos resultados de maneira adequada. Estabelecer fortes grupos controle é seguramente uma parte importantíssima de qualquer delineamento científico e até mais do que as próprias amostras. A falha em fornecer evidência suficiente de bons grupos controle pode invalidar completamente um estudo, no entanto, altos níveis de significância indicam baixa probabilidade de erro (Fonte: http://www.experiment-resources.com/scientific-control-group.html#ixzz1JcZpSiWn).
A hipótese é gerada via inúmeras maneiras, mas é usualmente resultado de um processo de raciocínio indutivo, onde as observações levam à formação de uma teoria. Os cientistas usam, então, uma bateria de métodos dedutivos para chegar a uma hipótese que seja testável, verificável e realista. O precursor de uma hipótese é um problema de pesquisa, usualmente enquadrado como uma pergunta/questão. Ela pode perguntar o que, ou por que, algo está ocorrendo. Por exemplo, usando um assunto qualquer, alguém pode se perguntar por que os estoques de bacalhau no Norte do Atlântico estão em declínio. A questão-problema pode ser ‘Por que os números de Bacalhau do Atlântico Norte estão decrescendo?’ Essa seria uma declaração excessivamente ampla e não testável por nenhuma maneira científica razoável. É meramente uma questão tentativa que surgiu de uma revisão de literatura e de intuição. Muitos diriam que instinto e intuição não têm nada de científico, mas a verdade é que algumas das maiores descobertas científicas resultaram de ‘hunches’6. A hipótese da pesquisa é um meio de diminuir gradativamente o problema em algo testável e verificável. No mesmo exemplo, um pesquisador poderia especular que o declínio dos estoques de peixe se deve à prolongada pesca excessiva (sobre-pesca). Os cientistas devem gerar uma hipótese realista testável ao redor da qual possa ser construído o experimento.
6 "Não existe nenhum caminho lógico para a descoberta das leis do Universo - o único caminho é a intuição" - frase atribuída a Albert Einstein (1879-1955).
Isso pode ser uma pergunta/questão, uma declaração ou um argumento do tipo Se/Ou (‘If/Or’). Exemplos podem ser:
- A sobre-pesca está causando um declínio nos estoques de Bacalhau no Atlântico Norte?
- A sobre-pesca afeta os estoques de bacalhau.
- Se a sobre-pesca está causando um declínio nos estoques de Bacalhau, a redução da quantidade de viajantes irá aumentar os estoques de Bacalhau.
Outro ponto é que a hipótese deve ser testável sempre levando em conta o conhecimento e as técnicas atuais, sendo ao mesmo tempo realista. Se o pesquisador não possui um orçamento multimilionário, não há porque gerar hipóteses complicadas. Uma hipótese deve ser verificável por métodos estatísticos e analíticos para possibilitar uma verificação ou rejeição. Na verdade, uma hipótese nunca é provada, e é melhor se usar os termos ‘suportada’ ou ‘verificada’, o que significa dizer que a pesquisa mostrou que a evidência suportou (comprovou) a hipótese e futuras pesquisas são moldadas a partir daí.
Também é importante fazer a correta distinção entre uma hipótese, e uma teoria ou lei. Embora sejam termos que podem ser usados como sinônimos, eles possuem conotações bastante distintas. Uma hipótese é uma pequena declaração de causa e efeito sobre um conjunto específico de circunstâncias e representa uma crença que um pesquisador possui antes mesmo de conduzir os experimentos capazes de rejeitar aquela premissa. Por exemplo, ao abrir sua geladeira em casa você sente um terrível cheiro de azedo; você decide/conclui que o leite deve estar estragado; essa é sua hipótese e ela se baseia no fenômeno que você está observando naquele momento (cheiro de azedo), assim como também em conhecimento passado ("leite estragado cheira a azedo"). Você testa sua hipótese ao abrir o vasilhame do leite e cheirá-lo; você constata que o leite não está cheirando a azedo; então, você surge com outra hipótese ("talvez seja a lasanha que sobrou da semana passada!").
Uma teoria ou lei no mundo da Ciência é uma hipótese, ou muitas hipóteses, que foram submetidas a rigorosos testes e nunca foram rejeitadas. Não há um número preciso de testes ou de duração de tempo para que uma hipótese se torne uma teoria ou uma lei. Uma hipótese se torna teoria ou lei quando é consenso geral da comunidade científica que deva ser assim. Teorias e leis não são tão facilmente descartadas quanto as hipóteses.
Na pesquisa, uma hipótese é uma explicação sugerida para um fenômeno. Uma hipótese nula é uma hipótese que o pesquisador tenta desaprovar/rejeitar/refutar. Normalmente, a hipótese nula representa a explicação / opinião atual de um aspecto do mundo que o pesquisador almeja desafiar. A metodologia da pesquisa envolve o pesquisador fornecer uma hipótese alternativa, a hipótese de pesquisa, como uma maneira alternativa de explicar o fenômeno. O pesquisador testa a hipótese para descartar a hipótese nula, não por gostar da hipótese de pesquisa, mas porque ela significa estar mais próximo de se achar uma resposta para um problema específico. A hipótese de pesquisa geralmente se baseia em observações que evocam a suspeita de que a hipótese nula nem sempre está correta.
Na Teoria Stanley Milgram, a hipótese nula era que a personalidade determinava se uma pessoa iria ferir ou não outra pessoa, enquanto a hipótese da pesquisa era que o papel, as instruções e as ordens eram muito mais importantes na determinação de quais pessoas iriam ferir quais outras pessoas.
6.2 Sobre Questões e/ou Hipóteses
As questões são relevantes para pesquisas normativas, ou do tipo “Censo” (Quantas existem? Há relação entre elas?). São usadas com mais frequência em pesquisas qualitativas. As hipóteses são relevantes para pesquisas teóricas e são geralmente usadas em pesquisas quantitativas. Quando um autor apresenta hipóteses, o leitor deve ser apresentado às teorias que levaram a elas (e às opiniões que as rodeiam). Assim como as conclusões devem se apoiar em dados, as hipóteses devem se apoiar em pressupostos teóricos.
Uma questão da pesquisa representa uma relação entre duas ou mais variáveis; uma hipótese representa uma afirmação das relações entre duas ou mais variáveis (Kerlinger, 1979; Krathwohl, 1988). A decisão entre o uso de questões ou hipóteses depende de fatores como o propósito do estudo, a natureza da metodologia, e do público. A prática do uso de hipóteses foi derivada do uso do método científico em pesquisas sociais. Estas têm vantagens filosóficas em testes estatísticos, uma vez que os pesquisadores tendem a ser cuidadosos na apresentação das suas conclusões (Armstrong, 1974).
As Hipóteses podem ser divididas em quatro tipos:
1. Nula Literária – não há diferenças em termos de construções teóricas. Por exemplo, “Não há relação entre os serviços de apoio e a persistência acadêmica de mulheres de idade não-tradicional frequentando a faculdade”. Ou “Não há diferença em conquistas acadêmicas para alunos de aproveitamento alto e baixo”.
2. Nula Operacional – não há diferenças em termos da operação necessária para testar as hipóteses. Por exemplo, “Não há relação entre o número de horas que mulheres de idade não-tradicional frequentando a faculdade utilizam a associação de estudantes e sua persistência na faculdade após o primeiro ano”. Ou “Não há diferença entre a média das médias obtidas por alunos do primeiro ou do quarto ano da distribuição do aproveitamento”.
3. Alternativa Literária – é apresentada a hipótese a ser aceita, caso a hipótese nula for rejeitada, em termos de construções teóricas. Em outras palavras, é o que se espera que os resultados mostrem. Por exemplo, “Quanto mais as mulheres de idade não-tradicional utilizarem serviços de apoio, maior será sua persistência acadêmica”. Ou “Alunos de alto aprendizado irão alcançar mais nas aulas que alunos de aprendizagem baixa”.
4. Alternativa Operacional – Semelhante à alternativa literária, a não ser por especificar as operações. Por exemplo, ”Quanto mais as mulheres de idade não-tradicional frequentando a faculdade usarem os serviços de apoio, maior será sua persistência na faculdade após o primeiro ano”. Ou “Alunos pertencentes ao primeiro ano alcançam notas significativamente maiores que alunos dos anos posteriores”.
Em geral, a hipótese nula é usada se a teoria não sugere uma relação hipotética entre as variáveis estudadas; a alternativa é geralmente reservada para situações em que a teoria ou a pesquisa sugere relação ou interdependência. De todo modo, questões e hipóteses são proposições testáveis deduzidas e derivadas diretamente de teorias (exceto em estudos teóricos de base e tipos similares de pesquisas qualitativas).
6.3 Sobre as Variáveis
Variável é a característica de interesse que é medida em cada elemento da amostra ou população. Como o nome diz, seus valores variam de elemento para elemento. As variáveis podem ter valores numéricos ou não numéricos. A variável se modifica de acordo com diferentes fatores. Algumas variáveis mudam facilmente, enquanto outras são quase constantes. Os pesquisadores estão frequentemente procurando medir as variáveis. A variável pode ser um número, um nome, ou qualquer coisa onde o valor possa mudar. Um exemplo de uma variável é temperatura. A temperatura varia de acordo com outras variáveis e fatores. Pode-se medir diferentes temperaturas internas e externas. Se o dia é ensolarado, as chances são maiores de que a temperatura seja mais alta do que se estivesse nublado. Outro fator que pode fazer a temperatura se alterar é se algo foi feito para manipulá-la, como acender o fogo numa lareira ou chaminé, p.ex.
Na pesquisa, tipicamente se definem as variáveis de acordo com o que se está medindo. A variável independente é a variável que o pesquisador deseja medir (a causa), enquanto a variável dependente é o efeito (ou efeito presumido), dependente da variável independente. Essas variáveis são geralmente declaradas na pesquisa experimental, numa hipótese, p.ex. "qual é o efeito da personalidade no comportamento de ajudar?" Na metodologia de pesquisa exploradora, p.ex. em algumas pesquisas qualitativas , as variáveis independentes e dependentes podem não ser identificadas de antemão; elas podem não ser declaradas porque o pesquisador não possui ainda uma ideia clara sobre o que realmente se passa.
6.3.1 Variáveis Confusas ou Nebulosas (Confounding)7 são variáveis com efeito significativo sobre a variável dependente que pesquisador falhou em controlar ou eliminar - às vezes porque ele não percebe o efeito da variável que confunde. O ponto chave é identificar as possíveis variáveis confusas e de algum modo tentar eliminá-las ou controlá-las. O prejuízo causado pelas variáveis confusas pode ser visto, por exemplo, quando um grupo de pesquisa precisa delinear um estudo para determinar se alcoólatras morrem em idade jovem; eles procedem com o estudo e começam a angariar os dados; os resultados, e uma bateria de testes estatísticos, de fato, mostram que as pessoas que bebem excessivamente são candidatos a morrer mais jovens. Infelizmente, quando os pesquisadores fazem um estudo cruzado (crosscheck) com outros indivíduos, os resultados são discrepantes porque os outros indivíduos vivem tanto quanto os alcoólatras - talvez haja um outro fator, não medido, que influencie tanto a bebida quanto a idade? A fragilidade do delineamento experimental foi a de que eles deixaram de levar em conta as variáveis confusas, e não tentaram eliminar ou controlar quaisquer outros fatores. Por exemplo, é bem possível que os alcoólatras venham de um diferente background ou grupo social; que costumem fumar mais, comer junk food, outros fatores que poderiam reduzir a longevidade. Uma terceira variável pode ter influenciado adversamente os resultados. Um delineamento experimental bem planejado, e verificações constantes, filtrarão as piores variáveis confusas. Por exemplo, randomizando os grupos, utilizando controles mais estritos, e usando uma prática de operacionalização mais adequada, tudo isso contribui para eliminar potenciais terceiras variáveis.
7 Uma variável confusa, também conhecida como terceira variável ou variável mediadora, pode afetar negativamente a relação entre variáveis independentes e dependentes, podendo fazer com que o pesquisador analise os resultados incorretamente. Os resultados podem mostrar uma falsa correlação entre variáveis, levando a uma rejeição incorreta da hipótese nula (http://www.experiment-resources.com/confounding-variables.html#ixzz1JcLzcYM9).
Após uma pesquisa, quando os resultados são discutidos e acessados por vários especialistas, é bem aí que se encontra a área que estimula os debates mais acalorados e que precisa ser entendida sob a luz do princípio da correlação e do efeito causal. Por exemplo, um cientista executa testes estatísticos, percebe uma correlação e incorretamente anuncia que há uma relação causal (causal link) entre duas variáveis. O monitoramento constante, antes, durante e após um experimento, é a única maneira de garantir que quaisquer variáveis confusas sejam eliminadas. Os testes estatísticos, ainda que excelentes para detectar correlações, podem ser quase excessivamente acurados. O julgamento humano continua sendo necessário para eliminar os problemas subjacentes, assegurando que os pesquisadores não partam diretamente para as conclusões. O princípio de associar incorretamente correlação e relação de causa pode ser apreciado no caso do raciocínio post-hoc (post-hoc reasoning), onde as proposições incorretas geram uma associação incorreta entre dois efeitos.
6.3.2 Variáveis Controladas8 são variáveis geralmente subestimadas pelos pesquisadores, mas que tendem a ser mais importantes que as variáveis dependentes ou independentes. Uma falha em isolar as variáveis controladas, em qualquer delineamento experimental, irá comprometer seriamente a validade interna, levando a que as variáveis confusas arruínem o experimento, fazendo perder tempo e recursos, e prejudicando a reputação do pesquisador. Em qualquer delineamento experimental, um pesquisador estará manipulando uma variável, independente, e estudando como isso afeta as variáveis dependentes.
8 Variáveis controladas são geralmente referidas como constantes (http://www.experiment-resources.com/controlled-variables.html#ixzz1JcLPrr7x)
A grande parte dos delineamentos experimentais mede somente uma ou duas variáveis por vez. Qualquer outro fator, que potencialmente influencie os resultados, deve ser corretamente controlado, com o seu efeito sobre os resultados devendo ser padronizado ou eliminado, exercendo a mesma influência sobre os diferentes grupos amostrais. Por exemplo, se a comparação é feita com produtos de limpeza, a marca do produto de limpeza seria a única variável independente medida. O tipo de sujeira e/ou de solo, a temperatura da água e o tempo do ciclo de limpeza são apenas algumas das variáveis que devem ser as mesmas num dado experimento. A falha em padronizar qualquer uma dessas variáveis controladas poderia causar uma variável confusa e invalidar os resultados.
Os grupos controle. Em muitas áreas da Ciência, especialmente na Biologia e nas ciências comportamentais, torna-se muito difícil garantir o completo controle, já que há muito espaço para pequenas variações. Os processos biológicos são alvo de flutuações naturais e de ritmos caóticos, o que exige o uso de técnicas estabelecidas de operacionalização, tais como a randomização e os experimentos duplo-cego. Essas técnicas irão controlar e isolar essas variáveis, o máximo possível. Se isso for muito impraticável, um grupo controle é usado para propiciar uma medida base para as variáveis desconhecidas. Uma sólida análise estatística irá, então, eliminar tais flutuações dos resultados. A maioria dos testes estatísticos possuem uma certa margem de erro9 embutida, enquanto a repetição e os grandes grupos amostrais tencionam erradicar as variáveis desconhecidas. Embora seja preciso ter constantes monitoramento e verificações, o procedimento rigoroso garantirá que o experimento seja tão preciso/acurado quanto possível.
9 A margem de erro determina quão confiável o levantamento é ou quão confiáveis os resultados do experimento são. Qualquer levantamento toma uma amostra da população a partir da população inteira e depois generaliza os resultados para toda a população. Invariavelmente isso pode levar a erros porque o todo nunca será precisamente descrito por uma parte. Isto pode ser capturado na estatística como a margem de erro; e quanto maior ela for, menos provável será que os resultados do levantamento sejam verdadeiros para a população completa/inteira. A margem de erro, portanto, está relacionada com o intervalo de confiança, como sendo igual à metade do comprimento do intervalo; ou seja, quanto mais alto/maior o intervalo de confiança, maior a margem de erro para o mesmo conjunto de dados.
Mais detalhes em: http://www.experiment-resources.com/statistics-margin-of-error.html#ixzz1Juztmicn
O valor da consistência. Também é importante assegurar que todas as possíveis variáveis estejam isoladas, uma vez que um erro do tipo III10 pode ocorrer se um fator desconhecido influencia a variável dependente. Isso se dá quando a hipótese nula for corretamente rejeitada, mas pelo motivo errado. Ademais, o monitoramento inadequado das variáveis controladas é uma das causas mais comuns de se atribuir erroneamente uma correlação a uma causalidade. As variáveis controladas são o esteio para o insucesso num delineamento experimental, se não forem devidamente identificadas e eliminadas. Delinear o experimento tendo em mente os controles adequados é geralmente mais crucial do que determinar a variável independente. Controles precários podem resultar em variáveis confusas, prejudicando a validade interna do experimento.
10 Um erro do tipo I é referido como um ’falso positivo’, e consiste no processo de rejeitar incorretamente a hipótese nula em favor da hipótese alternativa. Um erro do tipo II é o contrário do Tipo I e constitui na aceitação falsa da hipótese nula, ou seja, é o “falso negativo”. No erro do tipo II, uma chance de rejeitar a hipótese nula foi perdida e nenhuma conclusão pode ser tirada a partir de uma hipótese nula não-rejeitada; já o erro de Tipo I é bem mais grave porque houve uma rejeição errônea da hipótese nula. Por essas e outras razões é que os experimentos científicos precisam ser replicáveis, com outros pesquisadores sendo capazes de seguir a metodologia exata. Mesmo se alcançado o mais alto nível de prova, onde P < 0.01 (probabilidade menor que 1%), de cada 100 experimentos, ainda assim haverá um falso resultado. Até certo ponto, duplicatas ou triplicatas de amostras reduzem a chance de erro, mas podem ainda mascarar a chance se o erro causando variável estiver presente em todas as amostras. Um erro do tipo III é o que os estatísticos estão agora adotando para se referir ao caso em que a hipótese nula foi refutada pelo motivo errado. Explicando melhor: num experimento, um pesquisador pode postular uma hipótese e conduzir a pesquisa, analisando os resultados estatisticamente de forma tal que rejeite a hipótese nula. O problema é que pode haver algumas relações entre as variáveis por alguma razão diferente das que definidas na hipótese, uma vez que algum processo desconhecido poderia estar subjacente à relação.
Leia mais em: http://www.experiment-resources.com/type-I-error.html#ixzz1Jv9TjLHk
Leia mais em: http://www.experiment-resources.com/type-I-error.html#ixzz1Jv9TjLHk
6.3.3 Uma maneira mais convencional de estudar as variáveis, pode ser classificando-as em tipos, da seguinte forma:
1. Variáveis Quantitativas: são as características que podem ser medidas em uma escala quantitativa, ou seja, apresentam valores numéricos que fazem sentido. Podem ser contínuas ou discretas.
1.1 Variáveis discretas: características mensuráveis que podem assumir apenas um número finito ou infinito contável de valores e, assim, somente fazem sentido valores inteiros. Geralmente são o resultado de contagens. Ex.: número de filhos, número de bactérias por litro de leite, número de cigarros fumados por dia.
1.2. Variáveis contínuas, características mensuráveis que assumem valores em uma escala contínua (na reta real), para as quais valores fracionais fazem sentido. Usualmente devem ser medidas através de algum instrumento. Ex.: peso (balança), altura (régua), tempo (relógio), pressão arterial, idade.
2. Variáveis Qualitativas (ou categóricas): são as características que não possuem valores quantitativos, mas, ao contrário, são definidas por várias categorias, ou seja, representam uma classificação dos indivíduos. Podem ser nominais ou ordinais.
2.1. Variáveis nominais: não existe ordenação dentre as categorias. Ex.: sexo, cor dos olhos, fumante/não fumante, doente/sadio.
2.2 Variáveis ordinais: existe uma ordenação entre as categorias. Ex.: escolaridade (1o, 2o, 3o graus), estágio da doença (inicial, intermediário, terminal), mês de observação (janeiro, fevereiro,..., dezembro).
6.4 Sobre a Operacionalização
A operacionalização trata de se tomar um conceito vago ou impreciso, tal como um “comportamento agressivo”, e tentar medi-lo por observações específicas, p.ex., “qual a probabilidade das pessoas agirem com violência a um estranho?” Conceitos vagos ou imprecisos são ideias nebulosas (não claras) que carecem de objetividade ou são apenas parcialmente verdadeiras. É importante, por isso, definir bem as variáveis para facilitar a replicação/repetição acurada do processo de investigação científica.
Leia mais em: http://www.experiment-resources.com/operationalization.html#ixzz1JvFEHF15
6.5 Sobre as Conclusões (adaptado de Martyn Shuttleworth (2008)
Para qualquer projeto de pesquisa e disciplina científica, tirar/extrair conclusões é a parte final, e talvez a mais importante, do processo como um todo. Independente de quais processos de raciocínio, justificativas ou métodos de pesquisa sejam empregados, a conclusão final é crítica, determinando o sucesso ou o fracasso da investigação. Por mais que seja excelente um experimento, se ele for sumarizado/resumido numa conclusão pobre ou fraca, seus resultados não serão levados a sério pela comunidade científica. O sucesso ou o fracasso não será uma medida de se a hipótese foi aceita ou refutada, porque ambos os resultados acrescentam e fazem avançar o conhecimento científico. Fracasso é todo delineamento experimental precário e/ou falha na condução experimental que venha a invalidar os resultados. Enquanto o processo de pesquisa for robusto e bem delineado, então os achados da pesquisa são relevantes e o procedimento de tirar conclusões pode começar. O marco aqui será estabelecer o que os resultados significam! Como eles podem ser aplicados no mundo real? O que tem se apreendido é que, geralmente, um pesquisador resume suas opiniões sobre o que ele alcançou na sua pesquisa, tentando acessar o potencial da hipótese; mesmo se a hipótese nula for aceita, uma conclusão sólida analisará porque os resultados não foram os preditos. Numa pesquisa observacional, sem hipótese, o pesquisador irá analisar os achados, estabelecendo se alguma nova informação válida foi desvendada pela pesquisa.
Gerando caminhos para futuras pesquisas. Sabe-se que poucos experimentos conseguem fornecer resultados realmente cristalinos (clear-cut results), acarretando que a maioria das pesquisas culmina desvendando muito mais perguntas do que exatamente respostas... O pesquisador pode (e deve mesmo) usar essas perguntas para sugerir novos rumos interessantes para futuros estudos. Se, por exemplo, a hipótese nula foi aceita, talvez ainda haja tendências aparentes dentro dos resultados e que podem formar a base de estudos posteriores, ou mesmo de refinamento experimental e novo delineamento.
Avaliação das falhas no processo de pesquisa. O pesquisador irá, então, avaliar quaisquer problemas aparentes com o experimento. Isso envolve a avaliação crítica das deficiências e erros no delineamento, os quais podem haver influenciado os resultados. Embora estritos, os delineamento verdadeiramente experimentais (‘true experimental),’ precisam fazer concessões e estas devem estar claramente apontadas, justificando a metodologia e a estratégia experimental. Por exemplo, ao tirar conclusões, o pesquisador pode considerar que um outro efeito causal influenciou os resultados e que essa variável não foi eliminada durante o processo experimental. Uma versão mais refinada do experimento pode ajudar a alcançar melhores resultados, se o novo efeito for incluído no processo de delineamento.
Quais são os benefícios cristalinos da pesquisa. Uma próxima etapa seria a avaliação das vantagens e benefícios da pesquisa. Em medicina e psicologia, por exemplo, os resultados podem lançar uma nova maneira de tratamento para um problema médico, de modo que as vantagens são óbvias. No entanto, toda pesquisa bem construída é útil, mesmo que ela apenas adicione algum dado ao conhecimento humano. Uma hipótese nula aceita tem importante significado para a ciência.
Sugestões baseadas nas conclusões. Uma etapa final compreende as recomendações do pesquisador que se baseiam nos resultados obtidos, dependendo do campo de estudo. Esse aspecto do processo da pesquisa pode se basear na opinião pessoal do pesquisador, integrando estudos anteriores. Por exemplo, um pesquisador na área de esquizofrenia pode recomendar um tratamento mais eficaz; enquanto um físico pode postular que a estrutura conhecida do átomo deva ser alterada. Outro pesquisador poderia fazer sugestões para refinamento de um delineamento experimental, ou ressaltar áreas interessantes para estudos posteriores. Esta parte final do artigo é a mais crítica, uma vez que agrega todos os achados e faz um apanhado deles, sendo, portanto, uma parte do artigo científico que mais causa debate ou suscita polêmica entre os especialistas daquele assunto. Também é parte crítica na determinação da direção tomada pela comunidade científica naquele tema, devendo ser lembrado, entretanto, que o pesquisador-autor do artigo terá sempre que justificar muito bem, e com coerência convincente, as sugestões que fez baseadas em seus achados.
Resumo da potencialidade dos resultados. A chave para tirar conclusões válidas é garantir que os processos dedutivos e indutivos tenham sido corretamente utilizados, e que todos os passos do método científico tenham sido seguidos fielmente. Se a pesquisa teve um delineamento robusto, o questionamento e a eventual contestação serão devotadas às conclusões do experimento e não aos métodos empregados.
7. ESCOLHENDO O MÉTODO DE PESQUISA
A seleção do método de pesquisa é essencial para determinar quais conclusões se pode tirar acerca de um fenômeno estudado. Essa escolha afeta o que se pode dizer sobre a causa e os fatores que influenciam o fenômeno. Também é importante escolher o método de pesquisa que esteja dentro dos limites do que o pesquisador pode efetivamente realizar. Tempo, dinheiro, exequibilidade, ética e disponibilidade/capacidade para medir o fenômeno corretamente são exemplos de detalhes que limitam e restringem a pesquisa.
A escolha adequada das medidas científicas é crucial para obter as conclusões corretas. Certas medidas podem não refletir o mundo real, por não medir convenientemente o fenômeno.
Teste de Significância. Para testar uma hipótese, a pesquisa quantitativa usa testes de significância na determinação de qual hipótese é correta, sendo o processo pelo qual se determina se a hipótese nula será rejeitada, em favor da hipótese de pesquisa, i.e., a hipótese alternativa, ou não. O teste pode mostrar se a hipótese nula é mais provável de ser a correta do que a hipótese de pesquisa, podendo inclusive direcionar o processo de pesquisa para uma novo rumo com base nos achados. O teste de significância envolve a comparação de valores observados com valores teorizados, estabelecendo se há uma relação entre as variáveis, ou se o acaso poderia produzir os resultados observados.
Numa linguagem coloquial ou popular, ‘significância’ representa que algo é extremamente importante. Na pesquisa científica, contudo, um teste estatístico de significância elimina a possibilidade de que os resultados tenham ocorrido ao acaso, possibilitando a rejeição da hipótese nula (H0).
O teste-t (de Student) é um dos vários testes estatísticos de significância que compara dois conjuntos de dados supostamente iguais para verificar se eles são realmente similares ou não. O teste-T ajuda ao pesquisador concluir se uma hipótese é suportada ou não.
Leia mais em: http://www.experiment-resources.com/significance-test.html#ixzz1K0qF5d5l
8. ENTENDENDO A EXTRAÇÃO DE CONCLUSÕES
Extrair conclusões se baseia em vários fatores do processo de pesquisa, e não apenas em porque o pesquisador obteve o resultado esperado. A extração de conclusões tem de ser baseada na validade e confiabilidade das medidas, em quão bem a medida refletiu o mundo real e no que mais pode afetar os resultados. As observações são frequentemente tidas como 'evidências empíricas'11 e o pensamento lógico leva às conclusões. Qualquer um, em tese, deve ser capaz de checar a observação e a lógica, para tentar também chegar às mesmas conclusões.
Erros de observações podem se originar em problemas de medida, em interpretações equivocadas, em eventos improvavelmente aleatórios, etc. Um erro bastante comum é acreditar que uma correlação implica numa relação causal, o que não necessariamente é verdade.
REFERÊNCIAS BiBLIOGRÁFICAS UTILIZADAS*
1. Wilson, E. Bright. An Introduction to Scientific Research (McGraw-Hill, 1952).
2. Kuhn, Thomas. The Structure of Scientific Revolutions (Univ. of Chicago Press, 1962).
3. Barrow, John. Theories of Everything (Oxford Univ. Press, 1991).
4. Huttleworth, Martyn (2009). Who Invented the Scientific Method? Retrieved [12/04/2011] from Experiment Resources: http://www.experiment-resources.com/who-invented-the-scientific-method.html
5. Little, W.; Fowler, H.W.; Coulson, J. (1990). Onions C.T.. ed. The Shorter Oxford English Dictionary: on historical principles. II (3 ed.). Clarendon Press. ISBN 9780198611264.
6. Cohn, D. (2004).The Life and Times of Louis Pasteur. University of Louisville.
7. Newton, I. (1686). Book 3: The System of the World. Philosophiae Naturalis Principia Mathematica, translated by Andrew Motte, 1729.
8. Pasteur, L. (1880). De l’atténuation du virus du choléra des poules. Comptes rendus de l’Academie des Sciences, 91:673.
9. Pope, F. D., J. C. Hansen, et al. (2007). Ultraviolet Absorption Spectrum of Chlorine Peroxide, ClOOCl. J. Phys. Chem. A 111(20): 4322-4332.
10. Williams, H.S. (1999). A History of Science, The World Wide School. Seattle, WA
11. Wyckoff, S. How Did Scientific Inquiry Begin? Scientific Inquiry, ACEPT, Arizona State University
12. Anthony Carpi, Ph.D., Anne E. Egger, Ph.D. "Research Methods: The Practice of Science," Visionlearning Vol. POS-2 (1), 2008. http://www.visionlearning.com/library/module_viewer.php?mid=148
13. Newman, C. (1975). Edward Tyson. British Medical Journal 4, 96-97.
14. Roberts, L. (1989). Global Warming: Blaming the Sun. Science 246(4933), 992-93.
15. Russell, K.F. (1967). Edward Tyson’s Orang-Outang. Medical History 11(4), 417-423.
16. Salsburg, D. (2001). The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century, W.H. Freeman & Company, New York.
17. Witschi, H. (2001). A Short History of Lung Cancer. Toxicological Sciences 4(1), 4-6.
18. Wynder, E.L., & Graham, E.A. (1950). Tobacco smoking as a possible etiological factor in bronchiogenic carcinoma. Journal of the American Medical Association 143(4), 329-338.
19. Marshall, C. & Rossman, G. B. (1989). Designing qualitative research: Newbury Park, CA: Sage.
20. Wiersma, W. (1995). Research Methods in education: An introduction (sexta edição). Boston: Allyn and Bacon.
21. Wilkinson, A. M. (1991). The scientist’s handbook for writing papers and dissertations. Englewood Cliffs, NJ: Prentice Hall.
22. Fraenkel, J. R. & Wallen, N. E. (1990). How to design and evaluate research in education. 7th ed. (2008), New York: McGraw – Hill.
23. Kerlinger, F. N. (1979). Behavioral Research: A conceptual approach. New York: Holt, Rinehart & Winston.
24. Krathwohl, D. R. (1988). How to prepare a research proposal: Guidelines for funding and dissertations in the social and behavioral sciences. Syracuse, NY: Syracuse University Press.
25. Locke, L. F., Spirduso, W.W. & Silverman, S. J. (1987). Proposals that work: A guide for planning dissertations and Grant proposals (segunda edição). Newbury Park, CA: Sage.
Texto traduzido e adaptado, com auxílio de outras fontes*, a partir de:
http://www.experiment-resources.com
http://www.experiment-resources.com
