Análise de Dados na Tese: Métodos Qualitativos e Quantitativos com SPSS, NVivo e Atlas.ti

A análise de dados é o coração da investigação empírica — é o momento em que os dados recolhidos se transformam em conhecimento. Para muitos estudantes de mestrado e doutoramento, é também a fase que gera mais dúvidas: devo usar métodos qualitativos ou quantitativos? Como funciona o SPSS para a minha análise estatística? O NVivo e o Atlas.ti são para o mesmo? Este guia responde a estas perguntas com exemplos práticos aplicados à realidade das teses em Portugal e no Brasil.

A escolha do método de análise de dados não é arbitrária — decorre directamente da pergunta de investigação e do design metodológico. Uma tese sobre os factores que influenciam a retenção escolar pode combinar análise estatística de questionários (quantitativa) com a análise temática de entrevistas a professores (qualitativa), dando origem a uma abordagem mista. Perceber quando e como aplicar cada abordagem é a competência mais valiosa que um investigador pode desenvolver.

Qualitativa vs. quantitativa: como decidir

A distinção entre análise qualitativa e quantitativa não é uma questão de preferência pessoal — é uma consequência directa da pergunta de investigação e da natureza dos dados disponíveis.

Se a sua tese investiga, por exemplo, o impacto de um programa de formação nos resultados dos alunos, pode medir esse impacto com estatística inferencial (quantitativa) e ao mesmo tempo explorar as percepções dos professores sobre o programa com análise temática de entrevistas (qualitativa). Esta combinação — metodologia de métodos mistos — é cada vez mais valorizada em dissertações de mestrado. Para aprofundar o design metodológico, consulte o nosso guia completo sobre metodologia de investigação.

Análise quantitativa: estatística descritiva e inferencial

A análise estatística numa tese organiza-se em dois níveis: descritivo e inferencial.

Estatística descritiva

Descreve as características da amostra e resume os dados brutos. Os indicadores mais usados são:

• Medidas de tendência central: média, mediana e moda.
• Medidas de dispersão: desvio padrão, variância, amplitude e quartis.
• Frequências e percentagens: para variáveis categóricas (e.g., género, habilitações).

Na apresentação de resultados, tabelas de frequências e gráficos de barras ou histogramas são usados para caracterizar a amostra. Numa tese com dados de questionário de escala Likert, a estatística descritiva inclui a média e o desvio padrão de cada item ou dimensão da escala.

Estatística inferencial

Permite testar hipóteses e generalizar resultados da amostra para a população. Os testes mais comuns em teses de ciências sociais, educação e saúde são:

• Teste t de Student: compara médias entre dois grupos independentes ou antes/depois de uma intervenção.
• ANOVA: compara médias entre três ou mais grupos; mais potente do que múltiplos testes t.
• Correlação de Pearson / Spearman: mede a força e direcção da relação entre duas variáveis quantitativas.
• Regressão linear / logística: modela o efeito de variáveis preditoras sobre uma variável dependente.
• Qui-quadrado: testa a associação entre variáveis categóricas.

Antes de aplicar qualquer teste inferencial, verifique os seus pressupostos: normalidade da distribuição (teste de Shapiro-Wilk ou Kolmogorov-Smirnov), homogeneidade de variâncias (teste de Levene) e ausência de outliers. O não cumprimento dos pressupostos exige o uso de alternativas não-paramétricas (e.g., Mann-Whitney em vez de teste t).

SPSS: guia de início para teses

O IBM SPSS Statistics é o software de análise estatística mais utilizado nas ciências sociais e da saúde em Portugal e no Brasil. A sua interface de menus (sem necessidade de programação) torna-o acessível a estudantes sem formação avançada em estatística.

Fluxo de trabalho típico no SPSS

1. Preparar o ficheiro de dados: Importe os dados do Google Forms ou Excel para o SPSS. Defina as variáveis na Vista de Variáveis (Variable View): nome, tipo (numérico ou string), escala de medição (nominal, ordinal, escala) e etiquetas de valores.
2. Limpeza e validação dos dados: Corra frequências para identificar valores em falta ou implausíveis. Use Analyze → Descriptive Statistics → Frequencies.
3. Estatística descritiva: Analyze → Descriptive Statistics → Descriptives produz médias, desvios padrão e extremos.
4. Testes de normalidade: Analyze → Descriptive Statistics → Explore → Plots → Normality plots with tests.
5. Testes inferenciais: Seleccione o teste adequado com base no tipo de variáveis e nos pressupostos verificados.
6. Exportar resultados: Copie as tabelas do Output SPSS directamente para o Word ou exporte em formato APA com o add-on SPSS Output para Word.

Análise qualitativa: categorias, temas e códigos

Na análise qualitativa, o objectivo não é medir, mas compreender — explorar significados, padrões e experiências expressas em linguagem natural. As abordagens mais usadas em teses são:

Análise temática (Braun & Clarke)

A análise temática é a mais flexível e amplamente utilizada nas ciências sociais. Segue seis fases: familiarização com os dados (leitura repetida das transcrições), geração de códigos iniciais, pesquisa de temas, revisão de temas, definição e nomeação de temas, e produção do relatório.

Análise de conteúdo (Bardin)

Mais sistemática e com maior rigor na quantificação de categorias. Muito usada em Portugal nas ciências da comunicação, educação e psicologia. Envolve pré-análise, exploração do material e tratamento/inferência dos resultados.

Análise fenomenológica interpretativa (IPA)

Foca-se na experiência vivida do participante e na sua interpretação subjectiva. Comum em estudos de saúde e psicologia. Adequada para amostras pequenas (6–12 participantes) com entrevistas aprofundadas. Para saber como conduzir as entrevistas que alimentam esta análise, consulte o nosso guia sobre entrevista semi-estruturada na tese.

NVivo: organizar e codificar dados qualitativos

O NVivo (actualmente NVivo 14) é o software de análise qualitativa assistida por computador (CAQDAS) mais adoptado nas universidades brasileiras e tem forte presença em Portugal. Permite organizar transcrições de entrevistas, notas de campo, documentos e até dados de redes sociais num único projecto.

Fluxo de trabalho no NVivo

1. Importar fontes: Carregue ficheiros Word (transcrições), PDFs, áudios ou vídeos. O NVivo aceita também resultados do Google Forms e dados do Twitter/X.
2. Criar nós (nodes): Os nós são os códigos — unidades de significado extraídas dos dados. Podem ser temáticos (e.g., “motivação”), descritivos (e.g., “género = feminino”) ou relacionais.
3. Codificação: Seleccione excertos de texto e arraste-os para o nó correspondente. O NVivo permite codificação dedutiva (a partir de um esquema de categorias pré-definido) ou indutiva (os códigos emergem dos dados).
4. Queries e visualizações: Use Word Frequency Query para explorar termos dominantes, Matrix Coding Query para cruzar atributos com temas, e os mapas de cluster para visualizar relações entre nós.
5. Exportar para relatório: Exporte os excertos codificados para Word ou Excel para incluir nas citações da tese.

O NVivo 14 inclui funcionalidades de integração com IA para sugestão automática de códigos — útil para projectos com grandes volumes de dados, embora a validação humana continue obrigatória.

Atlas.ti: análise fenomenológica e discursiva

O Atlas.ti (actualmente versão 24) é particularmente forte em análise de discurso, análise fenomenológica e investigação com múltiplos media (texto, imagem, áudio, vídeo, georreferenciação). É muito utilizado em ciências da saúde, antropologia e estudos de caso complexos.

Diferenças práticas entre NVivo e Atlas.ti

• Atlas.ti usa o conceito de quotations (excertos) e codes (códigos), com uma estrutura visual de redes (Networks) que permite visualizar relações entre conceitos — muito útil para a análise de grounded theory.
• NVivo organiza os dados em cases e nodes, com maior integração com dados estruturados (questionários, planilhas) — mais adequado para métodos mistos.
• Ambos suportam colaboração em equipa e importam dados de múltiplas fontes. A escolha entre eles depende frequentemente da orientação metodológica e da tradição do grupo de investigação.

Em Portugal, o Atlas.ti é amplamente utilizado nas pesquisas fenomenológicas e nas áreas de saúde, educação e ciências sociais, estando disponível nas bibliotecas do ISCTE-IUL, Universidade do Minho e outras instituições. No Brasil, o NVivo tem maior penetração, mas o Atlas.ti é igualmente reconhecido pela CAPES como ferramenta legítima de análise qualitativa. Para saber mais sobre os fundamentos metodológicos que guiam estas escolhas, leia o nosso artigo sobre metodologia qualitativa na tese.

Métodos mistos e triangulação

A triangulação é o processo de combinar múltiplas fontes de dados, métodos ou perspectivas teóricas para aumentar a validade e robustez das conclusões. Existem quatro tipos principais aplicáveis em teses:

• Triangulação de dados: Recolher os mesmos dados em momentos, locais ou com participantes diferentes.
• Triangulação metodológica: Combinar questionários (quantitativo) com entrevistas (qualitativo) para o mesmo fenómeno.
• Triangulação teórica: Interpretar os dados à luz de duas ou mais perspectivas teóricas.
• Triangulação de investigadores: Dois investigadores codificam os mesmos dados de forma independente e comparam os resultados — essencial para verificar a fiabilidade inter-rater.

Num design de métodos mistos sequencial explanatório, os dados quantitativos são recolhidos e analisados primeiro, e os dados qualitativos são usados posteriormente para explicar ou aprofundar os resultados estatísticos. Este é o design mais comum em teses de ciências da educação e gestão. Para fundamentar adequadamente a secção de metodologia, veja o nosso artigo sobre metodologia quantitativa.

Como apresentar resultados na tese

A secção de resultados deve apresentar os dados sem os interpretar — a interpretação fica para a discussão. Algumas regras essenciais:

• Para resultados quantitativos: Apresente sempre a estatística descritiva antes da inferencial. Para cada teste, reporte o nome do teste, o valor da estatística (e.g., t = 3.21), os graus de liberdade (df = 58), o p-value (p = .002) e a medida de efeito (e.g., d de Cohen = 0.82). Em normas APA 7.ª edição, os valores de p inferiores a .001 reportam-se como p < .001.
• Para resultados qualitativos: Apresente excertos ilustrativos de cada tema ou categoria, identificados por pseudónimo do participante (e.g., “E3, 38 anos, professora do 1.º ciclo”). As citações directas devem reproduzir o texto original do participante sem correcções.
• Tabelas e figuras: Todas as tabelas e figuras têm título, numeração sequencial e são mencionadas no texto antes de aparecerem. As notas de tabela explicam as abreviaturas e os testes usados.

Para garantir que as referências bibliográficas dos artigos metodológicos que cita estão formatadas correctamente, consulte o nosso guia sobre referências bibliográficas.

Perguntas Frequentes