IRaMuTeQ no TCC: Preparar o Corpus, Rodar a CHD e Interpretar as Classes (2026)

O orientador sugeriu “passa as entrevistas no IRaMuTeQ”. Você baixa o programa, ele exige o R, o R exige pacotes, e quando finalmente abre, o corpus dá erro na primeira linha. Três horas depois, a única coisa que saiu foi uma nuvem de palavras bonita e analiticamente vazia.

O IRaMuTeQ não é difícil — é exigente com o formato do arquivo. Este guia mostra a sequência que funciona: preparar o corpus com as linhas de comando corretas, rodar as estatísticas antes da classificação, executar a Classificação Hierárquica Descendente, ler o dendrograma e escrever tudo isso conforme a ABNT.

O que o IRaMuTeQ faz (e o que não faz)

O nome é a sigla de Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires. É software livre distribuído sob licença GNU GPL v2, desenvolvido por Pierre Ratinaud no LERASS, da Universidade de Toulouse, e mantido desde 2008.

O que faz: estatísticas textuais clássicas (frequências, hapax, formas ativas e suplementares), a Classificação Hierárquica Descendente pelo algoritmo de Reinert, análise fatorial de correspondência, análise de similitude e nuvem de palavras. Trabalha tanto sobre corpus de texto quanto sobre tabelas indivíduos/caracteres.

O que não faz: codificação temática. Esta é a confusão mais frequente e a que estraga capítulos inteiros de metodologia. O IRaMuTeQ é uma ferramenta de estatística textual: agrupa segmentos de texto por semelhança de vocabulário, sem entender significado. Não substitui a análise de conteúdo de Bardin nem a análise temática de Braun e Clarke; e não é um software de codificação assistida como os comparados em NVivo, ATLAS.ti ou MAXQDA.

A combinação que funciona bem num TCC é usar o IRaMuTeQ para identificar a estrutura lexical do corpus e, em seguida, interpretar cada classe qualitativamente com apoio no referencial teórico. O erro é apresentar o dendrograma como se ele próprio fosse a análise.

Instalar sem sofrimento

A ordem importa e é a causa de quase todos os travamentos:

1. Instale o R primeiro. A versão atual do IRaMuTeQ, a 0.8 alpha 7, trabalha com o R 4.6.0; use a versão recomendada no site oficial e não uma qualquer que já tenha no computador.
2. Instale o IRaMuTeQ. Há distribuições para Windows, macOS (Apple Silicon e Intel) e Linux. No macOS é necessário instalar também o XQuartz antes.
3. Deixe-o instalar os pacotes do R na primeira execução. São necessários, entre outros, ca, rgl, ape, proxy, igraph, wordcloud, irlba, textometry, network e sna. O processo demora e exige internet — não interrompa.
4. Configure o idioma. Em Preferências, selecione português. O dicionário de lematização é específico do idioma e usá-lo em francês, que é o padrão de origem, produz um corpus cheio de formas não reconhecidas.

Se instalar tudo e o programa abrir mas nenhuma análise concluir, o problema é quase sempre o caminho do arquivo: acentos, espaços e cedilhas no nome das pastas quebram a execução. Trabalhe numa pasta com nome simples, sem espaços, próxima da raiz do disco.

Preparar o corpus: o formato que dá erro

Esta é a etapa que consome 80% do tempo de quem usa o IRaMuTeQ pela primeira vez, e a que tem regras absolutamente rígidas.

Um arquivo só. Todas as entrevistas, respostas abertas ou documentos vão num único arquivo .txt, salvo em UTF-8 (no Bloco de Notas, “Salvar como” e escolher a codificação; no Word, “Texto sem formatação” e depois converter). Não use .docx nem .pdf.

A linha de comando. Cada texto é precedido por uma linha que começa com quatro asteriscos e um espaço, seguida das variáveis:

**** *ent_01 *sexo_fem *idade_2 *tempo_5anos
Texto da primeira entrevista, do começo ao fim...

**** *ent_02 *sexo_masc *idade_1 *tempo_1ano
Texto da segunda entrevista...

As regras das variáveis não admitem exceção:

• Formato *variavel_modalidade, sempre com o sublinhado separando as duas partes.
• Sem acentos, sem cedilha, sem espaços dentro de cada variável. Escreva *escolaridade_medio, nunca *escolaridade_médio nem *escolaridade médio.
• As variáveis são separadas entre si por um espaço, todas na mesma linha.
• Não existe linha de comando sem texto por baixo, nem texto sem linha de comando por cima.

Limpeza do texto. Retire da transcrição os marcadores de fala do entrevistador se não quiser analisá-los, elimine asteriscos soltos no corpo do texto (o programa lê-os como comando), e uniformize siglas e nomes compostos com sublinhado — ensino_medio mantém as duas palavras juntas como uma forma só. Sobre a etapa anterior, ver como transcrever entrevistas.

Rodar as estatísticas antes de classificar

Antes de qualquer classificação, execute Análise de texto → Estatísticas. Serve de controle de qualidade e revela, em dois minutos, problemas que arruinariam a CHD:

• Número de textos e de segmentos, para saber se o corpus tem massa suficiente.
• Formas ativas e suplementares — os substantivos, verbos e adjetivos entram como ativos; artigos e preposições, como suplementares.
• Lista de hapax, as formas que aparecem uma única vez. Uma proporção muito alta costuma indicar erros de digitação na transcrição.
• Formas não reconhecidas pelo dicionário, que aparecem marcadas. Nomes próprios, gírias e termos técnicos entram aqui e podem ser corrigidos no corpus antes de prosseguir.

A Classificação Hierárquica Descendente

É a análise que dá ao IRaMuTeQ o seu lugar na pesquisa qualitativa brasileira. Reproduz o método descrito por Max Reinert (1983, 1991): o corpus é dividido em segmentos, monta-se uma tabela cruzando formas plenas e segmentos, e essa tabela é dividida sucessivamente em dois, sempre pela partição que maximiza a diferença de vocabulário, até se obter um conjunto estável de classes.

No menu: Análise de texto → Método de Reinert (Classificação Hierárquica Descendente). Os parâmetros padrão funcionam na maioria dos casos; o que você precisa decidir é o número de classes terminais, e a recomendação prática é deixar o programa decidir na primeira execução e só depois testar alternativas.

O número que define se o resultado presta. No relatório aparece a proporção de segmentos efetivamente classificados. Um valor em torno de 75% ou superior é convencionalmente considerado bom; abaixo disso, uma parte substancial do corpus ficou de fora e as classes descrevem apenas um fragmento do material. Este número deve constar do TCC — é o equivalente, na análise lexical, ao KMO na análise fatorial.

Interpretar as classes e nomeá-las

A saída da CHD tem três peças que se leem juntas:

1. O dendrograma, que mostra a ordem das divisões e o peso relativo de cada classe. Classes que se separam logo na primeira partição representam as oposições mais fortes do corpus.
2. A lista de formas por classe, ordenada por qui-quadrado. O qui-quadrado mede o quanto cada palavra é característica daquela classe em relação ao corpus todo. Valores acima de 3,84 correspondem a associação significativa ao nível de 5% — é o corte habitual para considerar uma forma como pertencente à classe.
3. Os segmentos de texto característicos, que o programa lista por classe. São eles que permitem a interpretação, porque devolvem as palavras ao contexto em que foram ditas.

Nomear as classes é trabalho do pesquisador, não do software. O procedimento defensável é: ler as vinte formas de maior qui-quadrado, ler os dez segmentos mais característicos, e só então propor um nome que descreva o conteúdo — nunca um rótulo genérico do tipo “Classe 1”. O nome deve ser justificado no texto com uma ou duas citações de segmentos.

Se o dendrograma cruzar as classes com as variáveis da linha de comando, obtém-se a informação mais interessante do método: que grupo de participantes fala mais em cada classe. É aí que a análise lexical dialoga com o desenho da pesquisa e com o roteiro da entrevista semiestruturada.

Similitude, AFC e a nuvem de palavras

Análise de similitude. Constrói um grafo em que as palavras são vértices e as coocorrências são arestas, revelando a estrutura de conexões do vocabulário. É particularmente adequada em estudos de representações sociais e complementa bem a CHD, porque mostra o que está ligado em vez de o que está separado.

Análise fatorial de correspondência. Projeta classes e formas num plano fatorial, permitindo ver as oposições em dois eixos. Ao apresentá-la, indique sempre a porcentagem de inércia explicada por cada eixo e resista a interpretar eixos com contribuição residual.

Nuvem de palavras. É a saída mais compartilhada e a menos informativa: representa apenas frequências, sem contexto, sem relação e sem estrutura. Serve como ilustração de abertura de uma seção. Uma banca que veja a nuvem apresentada como resultado principal vai perguntar o que ela acrescenta — e a resposta honesta é “pouco”. Use-a, se quiser, mas depois da CHD e nunca em vez dela.

Como escrever no TCC segundo a ABNT

A seção de método precisa conter, no mínimo:

• Identificação do software com versão e autoria: IRaMuTeQ 0.8 alpha 7 (Ratinaud, 2009), interface do R.
• Descrição do corpus: número de textos, de segmentos de texto, de ocorrências e de formas distintas.
• Variáveis usadas na linha de comando e o critério de codificação de cada uma.
• A análise executada e o percentual de segmentos classificados pela CHD.
• Menção explícita ao método de Reinert como origem do algoritmo.

Quanto à formatação, o trabalho segue a ABNT NBR 14724, 4.ª edição, de 2024, para a estrutura — apresentação gráfica, elementos pré-textuais e ordem das seções, tratada em como aplicar a NBR 14724:2024. As citações de segmentos de texto obedecem à NBR 10520:2023: até três linhas, no corpo do texto entre aspas; com mais de três linhas, em recuo, com fonte menor e sem aspas. As referências seguem a NBR 6023, 3.ª edição, de 2025.

Um cuidado de apresentação que a banca nota: o dendrograma e o grafo de similitude são figuras, e portanto levam identificação na parte superior (“Figura 1 – Dendrograma da Classificação Hierárquica Descendente”) e fonte na parte inferior. Quando a figura for gerada pelo próprio pesquisador a partir dos seus dados, a fonte é de elaboração própria, indicando o software utilizado.

Perguntas frequentes