Análise de Dados na Tese: Métodos, Ferramentas e Como Apresentar os Resultados em 2026

A análise de dados é o coração da sua tese — é onde os dados recolhidos deixam de ser números ou transcrições e se transformam em respostas à sua questão de investigação. É também um dos capítulos onde mais estudantes perdem pontos: por escolherem o método errado para a sua abordagem, por usarem ferramentas sem entender o que estão a calcular, ou por apresentarem resultados sem os relacionar com as hipóteses iniciais. Este guia cobre os principais métodos de análise de dados para teses de mestrado e doutoramento, com orientação prática sobre ferramentas e redação.

A escolha do método de análise de dados não é arbitrária — decorre diretamente do design metodológico da tese. Um estudo quantitativo com questionário Likert exige estatísticas descritivas e inferenciais; um estudo qualitativo com entrevistas em profundidade exige análise temática ou análise de conteúdo. Confundir estas abordagens é um dos erros mais comuns — e mais penalizados — em defesas de mestrado.

Tipos de Análise de Dados: Quantitativa, Qualitativa e Mista

Antes de escolher uma ferramenta ou técnica, é preciso clarificar o tipo de dados que se tem e o que se quer descobrir.

Análise Quantitativa: Estatísticas Descritivas e Inferenciais

A análise quantitativa começa sempre pela estatística descritiva — o conjunto de procedimentos que resume e descreve os dados antes de qualquer teste de hipóteses.

Estatística Descritiva

Inclui medidas de tendência central (média, mediana, moda), medidas de dispersão (desvio padrão, variância, amplitude) e distribuição de frequências. É o primeiro passo após a recolha de dados e serve para identificar outliers, verificar a distribuição dos dados (normal vs. assimétrica) e apresentar o perfil da amostra.

Testes de Hipóteses (Estatística Inferencial)

Dependem da questão de investigação e das características dos dados. Os testes mais comuns em teses de mestrado incluem:

• Teste t de Student: Comparar médias de dois grupos (ex.: homens vs. mulheres numa variável psicológica).
• ANOVA: Comparar médias de três ou mais grupos.
• Correlação de Pearson / Spearman: Medir a associação entre duas variáveis contínuas.
• Regressão linear / logística: Prever uma variável dependente a partir de variáveis independentes. Muito usado em ciências da saúde, gestão e psicologia.
• Qui-quadrado (χ²): Testar associação entre variáveis categóricas.
• Alfa de Cronbach: Verificar a consistência interna de escalas (deve ser ≥ 0.70 para ser considerado aceitável).
• Análise Fatorial: Reduzir um conjunto de variáveis a fatores latentes — usado para validar questionários.

Ferramentas para Análise Quantitativa

SPSS

O SPSS (Statistical Package for the Social Sciences) da IBM é o software mais utilizado em teses de ciências sociais, psicologia, gestão e ciências da saúde em Portugal e no Brasil. A interface de menu torna-o acessível a utilizadores sem experiência em programação. A licença é paga, mas muitas universidades disponibilizam acesso gratuito aos estudantes. Suporta todos os testes descritos acima e exporta tabelas prontas para o Word.

R (+ RStudio)

O R é completamente gratuito, de código aberto, e mais poderoso que o SPSS em análises avançadas (modelos de equações estruturais, análise de redes, machine learning). A curva de aprendizado é mais alta — requer programação básica — mas o RStudio torna a interface mais acessível. É obrigatório em muitos programas de doutoramento de ciências exatas e bioestastística.

JASP

O JASP é gratuito, tem interface gráfica e é desenvolvido pela Universidade de Amesterdão. É particularmente indicado para estatística bayesiana e para quem quer uma alternativa gratuita ao SPSS com resultados formatados para publicação. Exporta tabelas no padrão APA/ABNT.

Excel

O Excel é suficiente para estatísticas descritivas básicas e construção de gráficos. Não recomendado para análises inferenciais avançadas, mas adequado para TCCs e dissertações com objetivos descritivos ou comparativos simples.

Análise Qualitativa: Temática, Conteúdo e Grounded Theory

A análise qualitativa trabalha com dados não numéricos — transcrições de entrevistas, notas de observação, documentos, registos visuais. O objetivo não é medir, mas compreender significados, padrões e experiências.

Análise Temática (Braun & Clarke)

A análise temática é o método qualitativo mais utilizado em teses de ciências sociais, saúde e educação. O modelo de Braun & Clarke (2006, revisto em 2021) propõe seis fases:

1. Familiarização com os dados (leitura repetida, notas iniciais)
2. Codificação inicial (identificar unidades de significado nos dados)
3. Procura de temas (agrupar códigos em temas potenciais)
4. Revisão dos temas (verificar coerência interna e distinção entre temas)
5. Definição e nomeação dos temas
6. Produção do relatório (redigir o capítulo de análise com excertos ilustrativos)

Análise de Conteúdo (Bardin)

A análise de conteúdo de Bardin é mais estruturada e permite codificar dados em categorias predefinidas ou emergentes. É muito usada em estudos de comunicação, jornalismo e políticas públicas. Permite uma abordagem mista: quantificar frequências de categorias e, ao mesmo tempo, interpretar o sentido dos excertos.

Grounded Theory

Adequada para estudos exploratórios onde não existe teoria prévia sobre o fenómeno. O investigador desenvolve teoria a partir dos dados, através de codificação aberta, axial e seletiva. Exige um volume de dados maior e é mais exigente metodologicamente.

Ferramentas para Análise Qualitativa

NVivo

O NVivo é o software de análise qualitativa mais utilizado em Portugal, Brasil e no contexto académico anglófono. Permite importar transcrições, codificar segmentos de texto em “nós” (categorias), visualizar relações entre códigos, e gerar mapas conceptuais. Tem versão paga, mas muitas universidades têm licença institucional. O NVivo integra-se com o SPSS e o Excel para análises mistas.

MAXQDA

O MAXQDA é uma alternativa ao NVivo, desenvolvida na Alemanha. É particularmente forte para análise mista e para análise de documentos visuais. Tem uma versão gratuita limitada (MAXQDA Standard) e é popular em ciências da educação.

Análise Manual com Transcrições

Para dissertações com 8 a 15 entrevistas, a análise manual (imprimir, recortar, agrupar ou usar código de cores em Word/PDF) é uma opção válida e aceite pela maioria dos orientadores. O que importa é que o processo seja sistemático, auditável e descrito com clareza na metodologia.

Abordagem Mista: Quando e Como Combinar

A investigação de metodologia mista combina elementos quantitativos e qualitativos no mesmo estudo. Existem três designs principais:

• Sequencial explanatório: Primeiro a fase quantitativa, depois a qualitativa para explicar resultados inesperados.
• Sequencial exploratório: Primeiro a fase qualitativa (para desenvolver categorias ou escalas), depois a quantitativa para testar.
• Convergente (simultâneo): Ambas as fases em paralelo, com triangulação dos resultados no capítulo de discussão.

A metodologia mista oferece uma visão mais completa do fenómeno, mas exige maior domínio metodológico. É mais adequada para teses de doutoramento do que para dissertações de mestrado.

Como Apresentar os Resultados na Tese

O capítulo de resultados deve apresentar os dados de forma objetiva, sem interpretação (que fica para o capítulo de discussão). Algumas orientações práticas:

Para Resultados Quantitativos

• Comece pela caracterização da amostra (tabela descritiva de perfil demográfico)
• Apresente estatísticas descritivas antes de qualquer teste inferencial
• Use tabelas para dados numéricos e gráficos para tendências e distribuições
• Indique sempre o valor de p, o tamanho do efeito (d de Cohen, η²) e os intervalos de confiança
• Relacione cada resultado com a hipótese ou questão de investigação correspondente

Para Resultados Qualitativos

• Organize os resultados por temas ou categorias, não por participante
• Apoie cada tema com 2 a 4 excertos representativos das entrevistas
• Identifique os excertos com código de participante (ex.: P3, E2) para garantir anonimato
• Mostre a variedade dentro de cada tema, incluindo perspetivas divergentes
• Não inclua interpretações no capítulo de resultados — isso vai para a discussão

Erros Comuns na Análise de Dados da Tese

1. Usar o teste errado para o tipo de dado: Aplicar um teste paramétrico em dados não normais, ou um teste de correlação em dados categóricos, invalida os resultados.
2. Não verificar os pressupostos dos testes: Antes de qualquer teste estatístico, verifique normalidade, homogeneidade de variâncias e ausência de outliers extremos.
3. Confundir correlação com causalidade: Uma correlação estatística não implica que uma variável cause a outra. Esta distinção deve constar explicitamente na discussão.
4. Interpretar os dados no capítulo de resultados: Resultados apresentam; discussão interpreta. Misturar os dois enfraquece a estrutura da tese.
5. Não descrever o processo de análise na metodologia: O júri precisa de saber exatamente quais testes foram aplicados, com que software, e com que critérios. Omitir esta informação é uma falha metodológica grave.
6. Usar o NVivo ou SPSS sem entender os resultados: O software é uma ferramenta, não um atalho. Se não consegue explicar o que o SPSS calculou, o júri vai detectar isso na defesa.

Próximos Passos: Da Análise à Discussão

Depois de concluir a análise de dados, o passo seguinte é o capítulo de discussão — onde relaciona os resultados com a literatura existente, explica os achados inesperados e responde à questão de investigação central da tese. Para uma orientação estruturada, consulte o guia Como Escrever uma Tese: Guia Completo Passo a Passo. Para a metodologia no seu conjunto, o artigo Metodologia Qualitativa vs. Quantitativa: Como Escolher oferece um framework de decisão completo. Se está a estruturar o capítulo de revisão de literatura, veja Revisão Sistemática: Protocolo PRISMA e Metodologia 2026. E para a estrutura completa da dissertação, o guia Capítulos da Dissertação: Estrutura Completa com Exemplos é o complemento ideal.

O Tesify apoia a escrita da secção de metodologia e resultados com sugestões de estrutura e verificação de coerência argumentativa. Plano gratuito disponível para estudantes.

FAQ — Análise de Dados na Tese