Respostas Que Não Parecem Reais no Questionário da Tese: Quais Pode Eliminar e Como Justificar (2026)

Pode eliminar respostas — desde que defina o critério antes de olhar para as suas hipóteses. Essa é a única coisa que separa limpeza de dados de manipulação de dados, e é exactamente essa a distinção que um júri procura. O critério tem de ser sobre a qualidade da resposta, nunca sobre o efeito que ela tem no resultado.

O cenário é conhecido: partilhou o questionário num grupo de Facebook ou num canal de WhatsApp, as respostas apareceram depressa demais, e agora há linhas que demoraram 40 segundos a preencher, blocos inteiros de matriz respondidos todos com «4», e três submissões idênticas com um minuto de intervalo. Este artigo dá-lhe o protocolo de exclusão, os limiares concretos e o parágrafo que o justifica.

A regra que torna tudo o resto defensável

Escreva o protocolo de exclusão antes de correr qualquer teste de hipóteses, guarde-o com data, e aplique-o na íntegra a toda a amostra. Uma folha com seis linhas chega.

A razão é lógica, não burocrática. Se decidir os critérios depois de ver os resultados, cada exclusão passa a ser uma decisão que pode ter sido influenciada pelo seu efeito no valor-p — e nem você consegue provar o contrário. Se os decidir antes, as exclusões são um procedimento, e um procedimento aplicado uniformemente não introduz enviesamento a favor da sua hipótese.

Três consequências práticas:

• Nunca examine um caso individual «para ver se faz sentido» depois de saber que ele contraria a hipótese. Se o critério não o apanha, o caso fica.
• Aplique todos os critérios a todos os grupos. Limpar mais o grupo experimental do que o grupo de controlo é o erro mais grave desta lista.
• Corra a análise principal com e sem as exclusões e reporte as duas. Se as conclusões não mudam, isso é um argumento poderoso a seu favor; se mudam, é informação que tem de estar na tese.

Os seis testes de qualidade, com limiares concretos

1. Submissões duplicadas

O sinal mais comum é um conjunto de respostas idênticas em todas as variáveis, submetidas com poucos minutos de intervalo. Compare a assinatura completa de resposta — todos os itens em conjunto —, não uma variável isolada: em amostras grandes é perfeitamente normal duas pessoas coincidirem numa pergunta.

Muitas plataformas registam o endereço IP por defeito. Duas cautelas antes de o usar: um endereço IP é dado pessoal à luz do RGPD, pelo que a sua recolha tem de estar prevista na informação dada aos participantes e no que submeteu à comissão de ética; e vários respondentes legítimos podem partilhar o mesmo IP — uma sala de aula, uma empresa, uma rede universitária. Um IP repetido é um indício a cruzar com outros, nunca um critério isolado. Se não precisa do IP, a opção mais limpa é desactivar a sua recolha e apoiar-se nos restantes cinco testes.

2. Tempo de resposta impossível

Não use um limiar inventado. Derive-o: cronometre o preenchimento atento no pré-teste, ou calcule a mediana do tempo na sua própria amostra e sinalize as respostas abaixo de um terço dessa mediana. Uma resposta a 60 itens em 45 segundos não foi lida.

Registe o limiar e a sua origem. «Excluíram-se as respostas abaixo de um terço do tempo mediano de preenchimento (limiar = 3 min 12 s)» é verificável; «excluíram-se as respostas demasiado rápidas» não é.

3. Padrão invariante (straightlining)

É o respondente que assinala a mesma opção em todos os itens de uma matriz. Detecta-se calculando o desvio-padrão das respostas de cada participante ao longo de um bloco de itens: um desvio-padrão de zero num bloco que inclui itens invertidos é praticamente impossível de forma honesta.

A ressalva importa: num bloco curto e unidimensional, respostas todas iguais podem ser genuínas. O sinal só é forte quando o bloco contém itens de cotação invertida — porque aí concordar com tudo é logicamente contraditório.

4. Itens de verificação de atenção

São itens inseridos no questionário com uma instrução explícita: «Para confirmar que está a ler, seleccione “Discordo totalmente”». Quem falha demonstrou não estar a ler.

Só serve se os tiver incluído de origem — não se inventa retroactivamente. Se está a preparar a recolha, ponha dois num questionário longo. Se já recolheu e não os tem, este teste não está disponível e apoia-se nos outros; não tente substituí-lo por um julgamento sobre que respostas parecem estranhas.

5. Respondentes fora da população-alvo

Um questionário partilhado em redes sociais chega a pessoas que não pertencem à população que definiu. Se tem perguntas de filtro — idade, profissão, ano de curso, região —, aplique-as como critério de elegibilidade e conte quantos casos removeu por essa via.

Este é o motivo de exclusão mais fácil de defender de todos, porque decorre directamente da definição de população que já escreveu no capítulo de método.

6. Preenchimento incompleto

Fixe uma regra explícita de percentagem mínima e aplique-a antes de qualquer análise: «foram retidos os questionários com pelo menos 80 % dos itens da escala principal preenchidos». Casos abaixo desse limiar saem; casos acima entram e as omissões parciais tratam-se como dados em falta, não como motivo de exclusão. O procedimento está em como lidar com dados em falta.

Tabela de decisão

O que não pode fazer

Quatro práticas transformam limpeza em manipulação, e todas têm nome próprio na literatura de integridade:

• Eliminar casos porque enfraquecem a hipótese. Nem que o caso seja realmente estranho — se o critério é o resultado, o procedimento está corrompido.
• Aplicar critérios diferentes a grupos diferentes.
• Ir acrescentando critérios até o resultado ficar significativo. Cada critério novo testado depois de ver os dados é uma comparação a mais que ninguém contabiliza.
• Não reportar o número de exclusões. Uma amostra que passa de 214 para 176 sem explicação é uma pergunta garantida na defesa.

Convém separar isto de uma questão distinta: um caso com valores extremos mas legítimo não é uma resposta inválida, e trata-se por outra via — a decisão está em como detectar e tratar valores atípicos.

Conte o fluxo e reporte-o

A peça que fecha isto é uma contagem simples, do total recolhido até à amostra analisada, com uma linha por motivo. É o equivalente, para um inquérito, do diagrama de fluxo de participantes de um ensaio.

«Foram recolhidas 214 respostas. Aplicando o protocolo de qualidade definido previamente à análise, excluíram-se 9 submissões duplicadas, 12 respostas com duração inferior a um terço do tempo mediano de preenchimento (limiar = 3 min 12 s), 5 respostas com padrão invariante em blocos contendo itens de cotação invertida, 7 respondentes que não cumpriam o critério de elegibilidade e 5 questionários com menos de 80 % da escala principal preenchida. A amostra final é de 176 participantes (taxa de retenção de 82,2 %). A análise principal foi replicada com a amostra completa, sem alteração das conclusões.»

Repare no último período. É a frase que mais protege o trabalho, e custa dez minutos a produzir: correr a análise duas vezes.

Se o número final ficar mais baixo do que esperava, o problema deixa de ser de qualidade e passa a ser de dimensão — e essa é uma conversa diferente, tratada em o que fazer quando o questionário não descola. Confirme também se a amostra que sobra ainda suporta o modelo que planeou, com a regra descrita em quantos casos precisa por variável na regressão.

Perguntas frequentes

Quantas respostas é normal excluir?

Não há número normal, e desconfie de quem lhe der um. Depende do canal de recolha: um questionário aplicado presencialmente numa turma perde quase nada; um partilhado abertamente em redes sociais com sorteio associado pode perder uma fracção considerável. O que importa não é a percentagem — é ela estar contabilizada por motivo.

Preciso de aprovação ética para excluir respostas?

Não, a exclusão por qualidade é uma decisão analítica. O que pode exigir cobertura ética é a recolha dos metadados que usa para a detectar, como o endereço IP ou o tempo de preenchimento. Verifique o que declarou no protocolo submetido e na informação aos participantes.

E se descobrir o problema já com a análise escrita?

Defina o protocolo agora, aplique-o, e reporte as duas versões da análise. Escrever «após identificação de respostas de baixa qualidade, o protocolo foi definido e aplicado nesta fase» é honesto e defensável. Aplicar critérios silenciosamente a meio não é.

Posso excluir alguém que respondeu de forma contraditória entre duas perguntas?

Só se a contradição for logicamente impossível — declarar 20 anos de idade e 25 anos de experiência profissional, por exemplo — e se tiver definido esse teste de coerência à partida. Contradições atitudinais entre itens não são inválidas: são variabilidade humana, e por vezes o resultado mais interessante.

Devo excluir quem respondeu «não sei» a tudo?

Não automaticamente. «Não sei» pode ser a resposta verdadeira e informativa. Trate-a como categoria de resposta ou como omissão declarada, conforme definiu no livro de códigos, e só exclua se cair abaixo do limiar de preenchimento.

Como detecto isto sem saber programar?

Todos os seis testes se fazem numa folha de cálculo. Ordenar por duração, calcular o desvio-padrão de cada linha ao longo de um bloco de colunas, contar células preenchidas por linha e procurar linhas repetidas são operações elementares. O trabalho é decidir os limiares, não calculá-los.

Se eliminar respostas, tenho de recalcular a fiabilidade das escalas?

Sim. Todos os indicadores psicométricos e descritivos devem ser recalculados sobre a amostra final analisada, e é essa a que reporta. Indicar um alfa calculado sobre a amostra completa e depois analisar a amostra limpa é uma inconsistência que se nota.

Isto aplica-se a entrevistas e não só a questionários?

A lógica de definir critérios à partida aplica-se; os testes não. Numa recolha qualitativa o equivalente é o critério de inclusão do participante e a decisão sobre o que fazer a uma entrevista interrompida ou inaudível — decidido e documentado antes da análise, pela mesma razão.

Transforme a limpeza numa secção que reforça a tese

Uma amostra bem limpa e mal explicada parece uma amostra manipulada; uma amostra limpa com um protocolo declarado e um funil contabilizado é um sinal de rigor que poucos trabalhos de mestrado apresentam. O Tesify ajuda-o a escrever o protocolo de exclusão, a construir a tabela de fluxo de participantes e a redigir a secção de método de forma a que as exclusões contem a seu favor. Comece agora, gratuitamente.

Antes de aplicar o protocolo, garanta que a base de dados está documentada: veja como construir o livro de códigos da tese.