Como Escrever um Capítulo de Metodologia Mista: 9 Passos
A metodologia mista — combinação de abordagens quantitativas e qualitativas numa mesma investigação — é cada vez mais exigida em dissertações e teses de Ciências Sociais, Saúde, Educação e Gestão. Mas saber como escrever o capítulo de metodologia mista na tese passo a passo é um desafio que vai além de “usar questionário e entrevista”: exige justificação epistemológica, desenho de integração rigoroso e análise que vai além da soma das partes.
Este guia segue a tipologia de Creswell e Plano-Clark (obra de referência, 3ª edição, SAGE Publications) e adapta-a ao contexto lusófono. Os 9 passos cobrem desde a justificação do design até à escrita das meta-inferences — com a tabela de joint display obrigatória para mostrar a integração dos dados quanti e quali.
Passo 1 — Justificar a escolha de metodologia mista
A justificação da metodologia mista não é “usei questionário e entrevista porque assim obtenho mais dados”. É uma argumentação filosófica e prática que responde a: Por que a questão de investigação não pode ser respondida adequadamente por uma abordagem única?
Base filosófica: pragmatismo
A metodologia mista ancora-se no paradigma pragmatista (Dewey, James, Peirce): o que importa é o que funciona para responder à questão de investigação, não a pureza ontológica de positivismo vs construtivismo. O pragmatismo aceita múltiplas formas de conhecimento e valoriza consequências práticas — o que justifica combinar a amplitude quantitativa com a profundidade qualitativa.
No capítulo de metodologia, escreva explicitamente:
“O presente estudo adopta o paradigma pragmatista como enquadramento filosófico, reconhecendo a complementaridade das abordagens quantitativa e qualitativa para responder à questão de investigação [X]. Seguindo a tipologia de Creswell e Plano-Clark […], optou-se por um design [nome do design] que permite [vantagem específica para este estudo].”
Razões práticas para optar por metodologia mista
As três razões mais sólidas para justificar a escolha são:
- Triangulação: Usar os resultados de uma abordagem para confirmar ou validar os da outra
- Expansão: Expandir a amplitude de um estudo quanti com profundidade quali (ou vice-versa)
- Explicação: Os dados quanti mostram um padrão que os dados quali explicam (design explanatório sequencial)
Passo 2 — Escolher o design: explanatório, exploratório ou convergente
Creswell e Plano-Clark identificam três designs fundamentais de metodologia mista:
| Design | Sequência | Quando usar | Exemplo lusófono |
|---|---|---|---|
| Explanatório Sequencial (QUAN → qual) | Quanti primeiro, depois quali para explicar | Resultados quanti precisam de explicação aprofundada; grupos inesperados precisam de exploração | Questionário sobre burnout docente → Entrevistas com professores de grupo de alto burnout para perceber causas |
| Exploratório Sequencial (QUAL → quan) | Quali primeiro, depois quanti para generalizar | Pouca teoria ou instrumentos disponíveis; necessário construir instrumento a partir de dados quali | Grupos focais sobre experiência de estudantes internacionais → Construção de escala → Validação com n=300 |
| Convergente (QUAN + QUAL em paralelo) | Ambas em paralelo; integração na interpretação | Triangulação para confirmar resultados de ambas as fontes; visão mais completa do fenómeno | Questionário sobre uso de IA + Análise de documentos institucionais → Comparação dos resultados para identificar convergências/divergências |
Qual o mais comum em teses lusófonas? O design explanatório sequencial é o mais adoptado em ciências sociais e saúde em Portugal e Brasil, por ser o mais intuitivo e fácil de justificar perante júris académicos conservadores.
Passo 3 — Formular questões de investigação integradas
Uma tese de metodologia mista tem, tipicamente, três tipos de questões:
- Questão quantitativa: Formulada como hipótese ou questão directa, testável estatisticamente — Ex.: “Em que medida a frequência de uso de IA está associada ao desempenho académico em estudantes de mestrado?”
- Questão qualitativa: Exploratória, aberta, focada em significados — Ex.: “Como os estudantes de mestrado descrevem a experiência de usar IA na elaboração da dissertação?”
- Questão de integração (mista): Formula como as duas abordagens se articulam — Ex.: “De que forma os dados qualitativos explicam os padrões quantitativos identificados na associação entre uso de IA e desempenho académico?”
A questão de integração é o elemento que distingue a verdadeira metodologia mista da simples justaposição de dois estudos separados. É obrigatória e deve ser respondida explicitamente na secção de integração/discussão.
Passo 4 — Definir amostras (fase quantitativa + fase qualitativa)
Na metodologia mista, as amostras das fases quanti e quali seguem lógicas diferentes:
| Fase | Tipo de amostragem | Critério de dimensão | Exemplo típico |
|---|---|---|---|
| Quantitativa | Probabilística (aleatória simples, estratificada, sistemática) | Calculada por fórmula (G*Power, cálculo de poder estatístico) | n=120 estudantes universitários seleccionados aleatoriamente |
| Qualitativa | Proposital (purposive): casos típicos, casos extremos, bola de neve | Saturação teórica (normalmente 8–20 participantes em entrevistas) | n=12 estudantes do tercil superior e inferior da análise quanti |
Para o design explanatório sequencial, a amostra qualitativa é frequentemente um subconjunto intencional da amostra quantitativa — seleccionam-se participantes cujos resultados quanti são representativos ou extremos e que se prestam a aprofundar os padrões observados.
Declare explicitamente a lógica de cada amostragem: “A amostragem para a fase qualitativa foi intencional (Creswell & Plano-Clark, [ano]), seleccionando-se participantes com os valores extremos na escala de [variável], de forma a maximizar a amplitude das perspectivas recolhidas.”
Passo 5 — Seleccionar e validar os instrumentos
Instrumentos quantitativos: validade e fidelidade
- Alfa de Cronbach: Para escalas tipo Likert — valores >0.70 são aceitáveis; >0.80, bons; >0.90, excelentes. Calcule com SPSS (Analyze → Scale → Reliability Analysis) ou com jamovi
- Análise Factorial Confirmatória (AFC): Para validar a estrutura factorial do instrumento — use AMOS ou R (lavaan)
- Validade convergente e discriminante: Average Variance Extracted (AVE >0.50) e Composite Reliability (CR >0.70)
- Se usa instrumento já validado, cite o estudo de validação original e reporte os índices de fidelidade na sua amostra específica
Instrumentos qualitativos: guião de entrevista ou observação
- O guião de entrevista semiestruturada decorre directamente das questões de investigação e dos resultados quanti (no design explanatório)
- Inclua uma fase de teste do guião (piloto com 2–3 participantes não incluídos no estudo) antes da recolha final
- Para análise com Atlas.ti: estruture os temas do guião como categorias iniciais de codificação; o software permite refinamento iterativo
- Acordo inter-avaliador (kappa de Cohen): calcule com pelo menos 10% dos dados codificados por dois avaliadores independentes; κ >0.70 é aceitável
Passo 6 — Procedimentos de recolha de dados
Descreva sequencialmente todos os procedimentos de recolha para cada fase:
- Aprovação ética: CEUC (Comissão de Ética da Universidade de Coimbra) para PT ou CEP institucional para BR — detalhado no Passo 9
- Fase quantitativa:
- Método de distribuição (presencial, Google Forms, Qualtrics, SurveyMonkey)
- Período de recolha com datas exactas
- Procedimentos para garantir anonimato e consentimento informado
- Taxa de resposta e tratamento de missings
- Fase qualitativa:
- Método (entrevista individual, grupo focal, observação participante)
- Duração média, plataforma (presencial, Zoom, Teams)
- Procedimentos de gravação e transcrição
- Software de análise (Atlas.ti 24, NVivo 14, MAXQDA 24)
Passo 7 — Análise de dados por fase
Análise quantitativa
Descreva o plano analítico completo antes de apresentar resultados:
- Testes de normalidade (Shapiro-Wilk para n<50; Kolmogorov-Smirnov com correcção Lilliefors para n>50)
- Análise descritiva (M, DP, mínimo, máximo, assimetria, curtose)
- Testes inferenciais escolhidos e justificação (t-test, ANOVA, correlação de Pearson/Spearman, regressão linear/logística)
- Software: SPSS 29, R (lavaan, psych, stats), jamovi 2.5
- Nível de significância adoptado (tipicamente α=0.05)
Análise qualitativa (Análise de Conteúdo — Bardin, 2016)
A análise de conteúdo de Bardin organiza-se em três fases:
- Pré-análise: Leitura flutuante dos dados; constituição do corpus; formulação de hipóteses analíticas
- Exploração do material: Codificação (manual ou com Atlas.ti/NVivo), categorização indutiva ou dedutiva, refinamento das categorias
- Tratamento dos resultados: Inferências, interpretação, saturação teórica
Declare o tipo de codificação: indutiva (categorias emergem dos dados), dedutiva (categorias baseadas no referencial teórico), ou mista. Para metodologia mista explanatória, a codificação dedutiva é mais comum na fase quali, usando as categorias identificadas nos dados quanti como ponto de partida.
Para um guia detalhado sobre análise de conteúdo com Atlas.ti, veja o artigo sobre metodologia de investigação 2026.
Passo 8 — Integração: o joint display e as meta-inferences
O joint display é a representação visual da integração dos dados quantitativos e qualitativos. É o elemento mais distintivo — e mais frequentemente omitido — nas teses de metodologia mista lusófonas.
A estrutura básica de um joint display tabular coloca os resultados quanti e quali lado a lado, organizados por tema ou questão de investigação:
| Tema / Dimensão | Resultados Quantitativos (M ± DP) | Resultados Qualitativos (categorias/temas) | Meta-inference (integração) |
|---|---|---|---|
| [Dimensão 1] Ex.: Uso de IA na escrita |
Ex.: M=3.8 (DP=0.9) Correlação com desempenho: r=0.32, p=0.003 |
Ex.: Tema “IA como andaime”; 8/12 participantes; exemplos: “uso para estruturar ideias, mas escrevo eu” | Ex.: Os dados quanti confirmam associação positiva; os quali revelam que a modalidade de uso (andaime vs geração) explica a variância. Alunos com uso instrumental têm melhor desempenho. |
| [Dimensão 2] Ex.: Atitude face à IA |
Ex.: Subescala: M=2.9 (DP=1.1) Diferença género: t(118)=2.41, p=0.018 |
Ex.: Tema “ambivalência ética”; 9/12 participantes; excertos sobre tensão entre eficiência e autenticidade | Ex.: A diferença de género nos dados quanti é mediada pela atitude ética (dados quali). As estudantes expressam mais culpa associada ao uso; os dados quanti reflectem menor uso frequente. |
| [Dimensão 3] | [Estatísticas] | [Temas qualitativos] | [Meta-inference] |
As meta-inferences são as inferências que emergem da integração dos dados de ambas as fases — não são simplesmente repetir o que cada fase descobriu. Uma meta-inference genuína cria conhecimento novo que nenhuma das fases produziria isoladamente. Deve ser formulada como tal na escrita: “A integração dos dados quanti e quali sugere que [nova compreensão do fenómeno]…”
Passo 9 — Considerações éticas (CEUC em PT, CEP em BR)
Portugal: CEUC e comissões de ética universitárias
Em Portugal, a aprovação ética depende da instituição e do tipo de investigação:
- CEUC (Comissão de Ética da Universidade de Coimbra): investigação com seres humanos (questionários, entrevistas, dados clínicos)
- CNECV (Conselho Nacional de Ética para as Ciências da Vida): investigação em saúde/biomédica
- ULisboa, UPorto, NOVA: comissões de ética próprias nas faculdades
- Prazo típico de aprovação: 30–60 dias; submeta antes do início da recolha
Brasil: CEP e Plataforma Brasil
- CEP local: Comitê de Ética em Pesquisa da instituição — obrigatório para investigação com seres humanos
- CONEP: Comissão Nacional de Ética em Pesquisa — para projectos de âmbito nacional ou que envolvam grupos vulneráveis
- Submissão via Plataforma Brasil (plataformabrasil.saude.gov.br)
- Base legal: Resolução CNS nº 466/2012 (investigação com seres humanos) e nº 510/2016 (Ciências Humanas e Sociais)
- Prazo típico: 30–90 dias
Documentos de consentimento em metodologia mista:
- Termo de Consentimento Livre e Esclarecido (TCLE) com descrição das duas fases do estudo
- Identificar explicitamente se os dados de uma fase poderão ser usados para selecção/convite para a fase seguinte
- Para dados qualitativos: informar sobre gravação, transcrição e forma de arquivo
- Para dados sensíveis: mencionar as medidas de anonimização e segurança dos dados (RGPD/LGPD)
Exemplo de abertura do capítulo de metodologia mista (PT-PT)
3. METODOLOGIA
O presente capítulo descreve as opções metodológicas adoptadas para responder às questões de investigação formuladas. Adopta-se o paradigma pragmatista como enquadramento filosófico (Creswell & Plano-Clark, [referência]), que sustenta o uso de metodologia mista ao reconhecer a complementaridade e o valor instrumental de ambas as tradições epistemológicas. O design seleccionado é o explanatório sequencial (QUAN → qual), no qual os dados quantitativos recolhidos numa primeira fase determinam quais os grupos ou casos a explorar qualitativamente numa fase subsequente. Esta escolha justifica-se pela necessidade de explicar os padrões estatísticos identificados através das experiências vividas dos participantes com maior/menor [variável de interesse].
3.1 Questões de Investigação
(QI1 — quantitativa): […] (QI2 — qualitativa): […] (QI3 — mista): […]
Exemplo de abertura do capítulo de metodologia mista (PT-BR)
3 METODOLOGIA
Este capítulo apresenta o percurso metodológico adotado para investigar [tema], orientando-se pelo paradigma pragmatista, que sustenta a adoção de métodos mistos ao valorizar a complementaridade entre abordagens quantitativas e qualitativas (Creswell & Plano-Clark, [referência]). O design explanatório sequencial (QUAN → qual) foi escolhido porque os dados quantitativos, obtidos na primeira fase, permitirão identificar grupos distintos em relação a [variável], e as entrevistas realizadas na segunda fase aprofundarão a compreensão dos mecanismos que explicam essas diferenças.
3.1 Questões de Investigação
(Q1 — quantitativa): […] (Q2 — qualitativa): […] (Q3 — mista/integração): […]
Para aprofundar a análise de dados quantitativos com SPSS ou R, veja o guia metodologia quantitativa para dissertação. Para análise qualitativa com Atlas.ti, consulte o artigo sobre metodologia de TCC: exemplos quantitativos, qualitativos e mistos. Para questões éticas detalhadas, veja metodologia de investigação 2026 guia completo.
FAQ — Perguntas Frequentes sobre Metodologia Mista em Teses
Qual o tamanho ideal da amostra qualitativa numa metodologia mista?
Não há um número fixo — o critério é a saturação teórica: continua a recolher dados até que novos participantes não acrescentem informação nova. Na prática, para entrevistas semiestruturadas em metodologia mista explanatória, 8–20 participantes são suficientes na maioria dos estudos de dissertação/tese. O importante é justificar o número com base no critério de saturação e demonstrar que foi atingida (ex.: “após a 13ª entrevista, nenhuma nova categoria emergiu, pelo que se considerou atingida a saturação teórica”).
Preciso necessariamente de um joint display? O júri vai perceber?
O joint display não é obrigatório por nenhuma norma ABNT ou APA — mas é altamente recomendado pela literatura de metodologia mista (Creswell, Fetters, Tashakkori) como forma de demonstrar que a integração foi efectivamente realizada e não apenas descrita. Júris de universidades com programas fortes em metodologia (USP, UFMG, UC, ULisboa) reconhecem e valorizam o joint display. Para júris menos familiarizados, o joint display serve como ferramenta de comunicação eficaz que mostra visualmente a integração.
É possível fazer metodologia mista sem software de análise qualitativa?
Sim. A análise qualitativa pode ser feita manualmente (com papel e lápis ou com um processador de texto) — o que importa é a rigorosidade do processo, não o software. No entanto, para teses com mais de 15 entrevistas ou documentos extensos, Atlas.ti, NVivo ou MAXQDA aumentam significativamente a eficiência e a reprodutibilidade. A licença de estudante do Atlas.ti 24 custa significativamente menos do que a versão profissional e dá acesso a todos os recursos necessários para uma tese.
Como citar Creswell e Plano-Clark numa tese em português?
Em APA 7: Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications. Em texto: (Creswell & Plano Clark, 2018). Para NBR 6023: CRESWELL, John W.; PLANO CLARK, Vicki L. Designing and conducting mixed methods research. 3. ed. Thousand Oaks: SAGE, 2018. Em texto sistema autor-data: (CRESWELL; PLANO CLARK, 2018). Nota: a grafia correta do sobrenome é “Plano Clark” (sem hífen).
O design convergente é mais fraco do que o explanatório sequencial?
Não — os designs são equivalentes em rigor; a diferença é de adequação ao propósito da investigação. O design convergente (paralelo) é adequado quando o objectivo é triangular para confirmar, enquanto o explanatório sequencial é adequado quando se quer explicar resultados quanti. Em termos de exequibilidade para teses de mestrado com prazo limitado, o design explanatório sequencial é mais simples de gerir porque as fases não ocorrem em simultâneo.
Apoio especializado para a sua metodologia mista
A Tesify ajuda a estruturar o capítulo de metodologia, a formatar referências em ABNT NBR 6023 ou APA 7, e a manter a coerência terminológica ao longo da tese. Com suporte nativo em português europeu (PT-PT) e brasileiro (PT-BR).