As Hipóteses Não Se Confirmaram: Como Escrever a Discussão Sem Afundar a Tese (2026)

Meses de trabalho, dados recolhidos, análises corridas — e o resultado não é o que esperava. A correlação não apareceu. A diferença entre grupos não é significativa. A hipótese central da tese, aquela que justificou o estudo inteiro, não se confirmou. Se está neste momento a olhar para o output com o estômago apertado, este artigo é para si — e a primeira coisa a dizer é a mais importante: a sua tese não falhou.

O que decide agora a nota não é o resultado; é o que vai escrever sobre ele. Os júris raramente chumbam resultados nulos — chumbam interpretações forçadas, discussões evasivas e a tentativa desastrada de fazer os dados dizerem o que não dizem. Este guia é o caminho inverso: transformar o resultado inesperado no capítulo mais maduro da tese.

Primeiro: verificar antes de interpretar

Antes de qualquer frase de discussão, elimine as explicações triviais. Uma parte não desprezável dos «resultados inesperados» em teses são erros de execução: variáveis mal recodificadas (a escala invertida que ninguém inverteu), grupos trocados, filtros esquecidos, o ficheiro errado. Reabra a sintaxe, refaça a análise do zero uma vez, confirme os descritivos básicos (médias e frequências fazem sentido?).

Confirme também que está a ler o output corretamente. «Não significativo» não quer dizer «provámos que não há efeito» — quer dizer que estes dados não permitem afirmar o efeito. A diferença entre estas duas frases é o alicerce de toda a discussão que vem a seguir, e é precisamente o terreno do nosso guia sobre como interpretar o valor-p e os testes de hipóteses: o valor-p não é a probabilidade de a hipótese nula ser verdadeira, e um resultado não significativo não é um zero ontológico.

As quatro explicações possíveis

Excluído o erro técnico, um resultado que contraria a expectativa tem, tipicamente, quatro famílias de explicação. A discussão forte pondera-as explicitamente, uma a uma:

1. A teoria não se aplica aqui. A relação que a literatura descreve pode não existir na sua população, no seu contexto cultural, no seu setor. Esta é a explicação mais interessante — é aqui que o seu estudo acrescenta algo. Que condições dos estudos anteriores não se verificam no seu? A resposta a essa pergunta é contributo científico genuíno.
2. A medição não captou o construto. O instrumento era adequado? Foi validado para a sua população? Houve efeitos de teto ou de chão (toda a gente respondeu no máximo)? A variabilidade era suficiente? Uma medida que não discrimina não pode correlacionar com nada.
3. A amostra não tinha poder para detetar o efeito. Com amostras pequenas, efeitos reais mas modestos ficam abaixo do radar da significância. Se o seu n ficou aquém do planeado, esta explicação tem de entrar na discussão — com humildade e sem se tornar a desculpa universal.
4. O contexto interferiu. O momento da recolha (um período atípico no terreno, uma mudança organizacional a meio), o modo de aplicação, a autosseleção de quem respondeu. São explicações legítimas quando ancoradas em factos concretos da recolha — não especulações genéricas.

Note o que estas quatro famílias têm em comum: todas geram frases verificáveis e literatura citável. «Talvez os participantes não tenham sido sinceros» sem mais é especulação; «o efeito de desejabilidade social é documentado neste tipo de medida (autor, ano), e o nosso instrumento não incluía controlo para ele» é discussão.

O guião da discussão, secção a secção

A estrutura geral do capítulo de análise e discussão não muda por o resultado ser nulo — muda o centro de gravidade. Sobre a arquitetura do capítulo, o nosso guia de análise e discussão de resultados continua a valer; para o caso específico do resultado inesperado, o fio condutor é este:

1. Reporte o resultado com frieza técnica. Sem adjetivos defensivos («infelizmente», «surpreendentemente») e com toda a informação estatística devida. O leitor deve perceber o que deu antes de ler o que significa.
2. Reafirme o que estava em causa. Uma frase que recorde a hipótese e a literatura que a sustentava — mostra que a expectativa era fundamentada, não um palpite.
3. Pondere as explicações, da mais à menos plausível, usando as quatro famílias acima e dizendo com clareza qual considera mais provável no seu caso, e porquê.
4. Diga o que o resultado significa para a área. Se a relação não apareceu numa população onde «devia» aparecer, o que é que isso sugere sobre as fronteiras da teoria? É aqui que o resultado nulo se torna contributo.
5. Reformule as implicações práticas e a investigação futura a partir do que encontrou — não do que gostaria de ter encontrado. «Estudos futuros deviam confirmar a nossa hipótese» é o exemplo do que não escrever; «estudos futuros deviam testar se a relação depende de X, que este desenho não permitiu isolar» é o exemplo do que escrever.

Se o problema de fundo é sentir que «não há literatura» que ajude a interpretar o resultado — porque o seu caso contradiz o que está publicado —, lembre-se de que publicação enviesa: resultados nulos publicam-se menos, e a escassez de literatura sobre eles é ela própria discutível. O raciocínio para trabalhar com literatura escassa está em quase não há bibliografia sobre o meu tema.

O que não fazer (e o júri deteta sempre)

Porque é que isto pode valorizar a tese

Há uma razão estrutural para um resultado nulo bem discutido impressionar júris: é onde se vê pensamento próprio. Confirmar uma hipótese permite discussões em piloto automático («os resultados são consistentes com autor X»). Um resultado inesperado obriga a raciocinar — a comparar contextos, a examinar a medição, a delimitar a teoria. É exatamente a competência que uma prova académica quer avaliar.

Na defesa, isso traduz-se numa vantagem tática: quem escreveu uma discussão honesta já respondeu por escrito às perguntas difíceis («porque acha que não deu?», «que fariam diferente?»). O arguente que as fizer está a dar-lhe o palco para a melhor parte da tese.

Perguntas frequentes