Análise de Dados na Tese: Métodos e Ferramentas 2026
A análise de dados é o coração de qualquer tese ou dissertação empírica. É o momento em que os dados recolhidos são transformados em conhecimento científico — em padrões, relações, categorias e conclusões que respondem às perguntas de investigação. Em 2026, os investigadores académicos em Portugal e no Brasil dispõem de um conjunto poderoso de ferramentas digitais para a análise qualitativa e quantitativa, desde o SPSS e o NVivo até ao R e ao Python. A escolha do método e da ferramenta certa pode fazer a diferença entre uma análise superficial e uma contribuição científica sólida.
Este guia apresenta os principais métodos de análise de dados para teses de mestrado e doutoramento, os softwares mais utilizados, e orientações práticas para selecionar a abordagem mais adequada à sua investigação.
Análise de dados qualitativos
A análise qualitativa transforma dados em forma de texto (transcrições de entrevistas, notas de campo, documentos) em interpretações significativas. Os métodos mais utilizados em teses portuguesas são:
Análise temática
Desenvolvida por Braun e Clarke (2006), a análise temática é o método mais acessível e versátil para investigadores novatos. Identifica padrões recorrentes de significado (temas) nos dados de forma indutiva ou dedutiva.
As 6 fases da análise temática:
- Familiarização: leia e releia os dados, tomando notas iniciais; imersão total no material
- Codificação: identifique unidades de significado (excertos, frases, parágrafos) e atribua-lhes um código (ex: “pressão do tempo”, “apoio do orientador”)
- Procura de temas: agrupe os códigos em temas potenciais; use um mapa visual para explorar as relações
- Revisão dos temas: verifique a coerência interna de cada tema e a diferenciação entre temas
- Definição e nomeação: nomeie cada tema de forma clara e descritiva; escreva uma definição de uma frase
- Redação: escreva a análise com extratos representativos das entrevistas para suportar cada tema
Análise de conteúdo
A análise de conteúdo (Bardin, 2009) é um método de categorização sistemática que pode ser aplicado a entrevistas, documentos, notícias, redes sociais e qualquer corpus textual. Distingue-se três etapas principais: (1) pré-análise (organização do corpus); (2) exploração (codificação e categorização); (3) tratamento e interpretação.
A análise de conteúdo pode ser:
- Dedutiva (a priori): as categorias são definidas antes da análise, com base na revisão de literatura ou num quadro teórico
- Indutiva (emergente): as categorias emergem dos dados durante o processo de codificação
Análise do discurso
A análise do discurso estuda a linguagem como prática social, analisando como os textos constroem identidades, relações e versões da realidade. Requer formação teórica específica (Fairclough, Van Dijk, Foucault) e é mais comum em sociologia, comunicação, estudos de género e políticas públicas.
Grounded Theory Analysis
Na Grounded Theory (Glaser & Strauss, 1967; Strauss & Corbin, 1998), a análise envolve três níveis de codificação:
- Codificação aberta: identificação de conceitos nos dados
- Codificação axial: identificação de categorias e subcategorias e das suas relações
- Codificação seletiva: identificação da categoria central que integra todas as outras
Análise de dados quantitativos
A análise estatística transforma dados numéricos em resultados que permitem descrever, comparar e testar hipóteses. Organiza-se em dois níveis:
Estatística descritiva
Descreve as características da amostra e das variáveis, sem generalizar para a população:
- Tendência central: média, mediana, moda
- Dispersão: desvio-padrão, variância, amplitude, intervalos interquartis
- Forma da distribuição: assimetria, curtose
- Frequências: contagens e percentagens (para variáveis nominais/ordinais)
- Visualização: histogramas, gráficos de barras, boxplots, diagramas de dispersão
Estatística inferencial
Testa hipóteses e permite generalizar para a população com um grau de confiança conhecido. Os testes mais utilizados em teses de ciências sociais em Portugal:
| Objetivo analítico | Teste recomendado | Alternativa não paramétrica |
|---|---|---|
| Comparar 2 grupos independentes | t de Student (amostras independentes) | Mann-Whitney U |
| Comparar 3+ grupos | ANOVA one-way / ANOVA factorial | Kruskal-Wallis |
| Relação entre 2 variáveis contínuas | Correlação de Pearson (r) | Correlação de Spearman (ρ) |
| Prever uma variável a partir de outra(s) | Regressão linear simples ou múltipla | Regressão de Poisson / Logística |
| Associação entre variáveis categóricas | Qui-quadrado (χ²) | Teste exato de Fisher |
| Fiabilidade de uma escala | Alfa de Cronbach | — |
Análise avançada
Para dissertações de doutoramento ou em áreas quantitativamente intensivas, podem ser usadas análises mais avançadas:
- Análise fatorial exploratória (AFE): identifica a estrutura latente de um conjunto de variáveis; usada para validar escalas
- Análise fatorial confirmatória (AFC): testa se uma estrutura fatorial teórica é confirmada pelos dados
- Modelagem de equações estruturais (SEM): testa modelos complexos com variáveis latentes e múltiplas relações simultâneas
- Análise de cluster: agrupa casos ou variáveis com características semelhantes
- Análise de regressão logística: para prever variáveis dependentes binárias (sim/não)
Análise em abordagens mistas
Na investigação de métodos mistos, a análise deve integrar os dados qualitativos e quantitativos de forma coerente. A integração pode ser:
- Fusão: os dois conjuntos de dados são analisados separadamente e depois comparados ou fundidos
- Encaixe: os dados de um método são encaixados no outro (ex: resultados qualitativos usados para construir itens de questionário)
- Construção de casos: os dois tipos de dados são integrados ao nível dos casos individuais
Softwares de análise: guia comparativo
Análise qualitativa
| Software | Custo | Pontos fortes | Ideal para |
|---|---|---|---|
| NVivo | Pago (licença académica ~350€/ano); muitas universidades têm licença | Codificação, mapas de nós, mix de dados qualitativos e quantitativos | Análise de conteúdo, entrevistas, documentos |
| MAXQDA | Pago (estudantes ~240€); interface mais intuitiva que NVivo | Interface visual, mistura de métodos (MAXMaps) | Investigação mista, grupos focais |
| Atlas.ti | Pago; popular em contexto internacional | Hermenêutica, análise de redes de conceitos | Análise do discurso, grounded theory |
| Análise manual (Excel/Word) | Gratuito | Controlo total; sem curva de aprendizagem | Amostras pequenas (<10 entrevistas), análise temática simples |
Análise quantitativa
| Software | Custo | Pontos fortes | Ideal para |
|---|---|---|---|
| SPSS (IBM) | Pago; disponível em muitas universidades pt | Interface gráfica, output claro, testes completos | Ciências sociais, psicologia, gestão |
| R + RStudio | Gratuito, open source | Extremamente poderoso, reprodutível, crescente em academia | Todos os tipos de análise; doutoramento |
| Excel | Disponível na maioria dos computadores | Simples para descritivos e gráficos | Estatística descritiva, visualização básica |
| STATA | Pago | Econometria, painel de dados | Economia, ciências da saúde |
| SmartPLS | Gratuito (versão estudante) | SEM por PLS; ideal para amostras menores | Gestão, marketing, sistemas de informação |
Como apresentar os resultados na tese
Resultados qualitativos
Os resultados qualitativos são apresentados em texto narrativo organizado por temas. Cada tema inclui:
- Descrição do tema e do que representa nos dados
- Citações diretas das entrevistas (entre aspas, com identificação anonimizada do participante)
- Interpretação analítica do investigador
- Ligação ao enquadramento teórico
Resultados quantitativos
Os resultados quantitativos são apresentados em tabelas e gráficos, com interpretação em texto. Boas práticas em APA 7ª edição:
- Cada tabela tem título acima e nota abaixo (se necessário)
- Cada figura tem número e legenda abaixo
- Os valores de p são apresentados com 3 casas decimais (ex: p = .023) ou como p < .001
- Inclua tamanhos de efeito (d de Cohen, r, η²) além do valor p
- Interprete no texto o que as tabelas mostram — não repita os números, analise-os
Para saber como formatar corretamente as tabelas e figuras nas normas APA, consulte o guia completo de normas APA 7ª edição. Para a estrutura da metodologia que enquadra a análise, veja o guia completo de metodologia de investigação.
Perguntas frequentes sobre análise de dados na tese
Como justificar a escolha do método de análise na tese?
A justificação deve estabelecer a coerência entre a abordagem metodológica (qualitativa/quantitativa), a natureza dos dados e o método de análise. Para análise temática: citar Braun e Clarke (2006) e justificar a adequação ao tipo de dados e à pergunta de investigação. Para SPSS/análise estatística: justificar os testes escolhidos com base nos tipos de variáveis e nos pressupostos verificados (normalidade, homogeneidade de variâncias). A escolha do software deve também ser justificada.
O NVivo é obrigatório para análise qualitativa?
Não, o NVivo é uma ferramenta que facilita a organização e codificação dos dados, mas não é obrigatório. Para amostras pequenas (menos de 10 entrevistas) ou análises temáticas simples, a análise manual em tabelas Word ou Excel é perfeitamente aceitável. O mais importante é que o processo de análise seja explicitamente descrito e rigoroso, independentemente do suporte utilizado. Confirme com o seu orientador o que é esperado no seu programa.
O que é a saturação teórica na análise qualitativa?
A saturação teórica é o ponto em que a recolha de dados adicionais já não gera novos códigos, categorias ou temas — os dados começam a confirmar o que já foi identificado. Na prática, é o critério para parar a recolha de dados em investigação qualitativa. Deve ser explicitamente referida na metodologia como o critério utilizado para determinar a dimensão da amostra.
Qual a diferença entre resultados e discussão na tese?
Os resultados apresentam os dados como foram encontrados, sem interpretação extensa — o que os dados dizem. A discussão interpreta os resultados, comparando-os com a literatura existente, explicando as implicações, reconhecendo as limitações e respondendo às perguntas de investigação — o que os resultados significam. Em teses qualitativas, as fronteiras entre os dois capítulos são frequentemente mais fluidas, podendo ser integrados num único capítulo.
Preciso de verificar os pressupostos dos testes estatísticos?
Sim, cada teste estatístico tem pressupostos que devem ser verificados antes da sua aplicação. Para os testes paramétricos, os principais são: normalidade da distribuição (Shapiro-Wilk para N < 50; Kolmogorov-Smirnov para N maior), homogeneidade de variâncias (Levene), e independência das observações. Se os pressupostos forem violados, use os testes não paramétricos equivalentes ou aplique transformações aos dados. Documente a verificação dos pressupostos na tese.
Como citar o SPSS ou o NVivo nas referências bibliográficas?
Em APA 7ª edição: IBM Corp. (2022). IBM SPSS Statistics for Windows, Version 29.0. IBM Corp. | QSR International Pty Ltd. (2022). NVivo (Version 14). https://www.qsrinternational.com/nvivo-qualitative-data-analysis-software/home. Mencione também o software e a versão no texto da metodologia: “Para a análise estatística, utilizou-se o IBM SPSS Statistics v. 29 (IBM Corp., 2022).”
Apoie a sua análise com o Tesify
O Tesify é a plataforma de IA para investigadores académicos que o ajuda a estruturar o capítulo de análise de dados, a formatar os resultados nas normas APA e a redigir a interpretação com o rigor esperado em teses de mestrado e doutoramento.