Professional Documents
Culture Documents
Inicia-se
Inicia-se com
com oo PROBLEMA
PROBLEMA
Que, quais?
Que, quais? Causas
Causas (...)
(...)
Pensamento
Pensamento criativo
criativo
CRIATIVIDADE
CRIATIVIDADE
científico
científico
Auxiliad
Auxiliad
método
teorias,
método
teorias,
por
oo por
(...)
Políticas:
inovação
financia
financia
Projeto
Situação marco
problema: no presente SP:
referencial;
problema: marco referencial; Situação esperada no futuro
oportunidade a desvendar e Situação
SF: soluçãoesperada noefuturo
desejável
oportunidade a desvendar e
aproveitar
aproveitar possível; oportunidade e
SF: solução desejável
possível; oportunidade
aproveitada.
aproveitada.
Figura xx. O projeto como um instrumento que relaciona duas situações: ‘presente’ e ‘esperada’ no futuro
REFLEXÃO !!!
4
1 INTRODUÇÃO
As empresas sofrem intensas pressões interna e externa para modernizar seus processos de
trabalho, de planejamento e de gestão. No entanto, devido a vários fatores, alguns propostos para
serem considerados neste projeto, reduzem a eficiência e o sucesso dessa modernização, tornando-a
Um dos equívocos mais comuns é supor que os computadores podem substituir as pessoas,
como afirma Golberg (2000) em E-Business e Tecnologia. Esse autor afirma “[...] o uso da
tecnologia é uma comunidade murada, que isola o indivíduo e apresenta somente um subconjunto
pré-selecionado de informações”.
setor deve incluir em seu planejamento, entre outros fatores, os seguintes: a reavaliação das rotinas,
normas e requisitos legais envolvidos no negócio da empresa; e uma rígida avaliação das
oportunidades de melhoria que a automação oferece e pode criar quando adequadamente adaptada e
implementada. Caso contrário, a automação se tornará algo “pesado”, que desperta angústia e
inadequada acaba criando conflitos em processo, já que, atividades não contempladas no sistema
por exemplo, são desenvolvidas paralelamente, com efeitos negativos ao representar desperdícios e
posteriores fases. Com isso, espera-se gerar dados e informações básicas para promover a
5
negócio.
2 PROBLEMA
O sincronismo inadequado (deficiente, preocupante, demorado etc.) entre processos
operacionais e tecnologias implantadas com base em padrões nem sempre convenientes (sem a
devida adaptação, validação etc., às condições...) à empresa é uma constante, com graves efeitos
não apenas na eficiência reduzida dos processos, mas, no planejamento, gestão e alocação de
São diversos e notáveis, ainda com pesos diferentes, os fatores que contribuem para o
Nos casos, poucos freqüentes, em que são considerados tais fatores, dispensam-se as análises
De maneira geral o problema afeta vários níveis da organização: o operacional, quando pessoas,
nesse processo, permanecem desmotivadas ao perceberem que a automação não beneficiou de fato
o seu trabalho e a alta direção, que se frustra, quando descobre que os altos custos da automação
melhoria da qualidade no trabalho, entre outros propósitos possíveis de serem atingidos quando se
operacional.”
O projeto pretende estudar o problema acima descrito na empresa FFFF RRR, durante o período
jul. a dez. de 2006, utilizando dados e informações dessa empresa, complementados com outras
preparados para esse fim e aplicado em amostra de funcionários da FFFF RR (ver Apêndice A).
Para efeitos ilustrativos, o problema é apresentado com o auxílio de diagramas como “arvore”
2,0 cm
3 cm
2,0 cm
# pág.
29,7 cm
2 cm
21cm
8
Por que?
Parte B
E f e i t o s
IMPACTO IMPACTO
IMPACTO IMPACTO
EFEITO AGREGADO
Efeito 1 Efeito n
Efeito 2 Efeito n-1
...
Problemas relacionados:
PROBLEMA CENTRAL - forte: indicador (...)
- fraco: indicador (...)
C a u s a s
Subcausa 2.2
... Subcausa m. 2
Subcausa 1.2 Subcausa m-1,2
Causa = o que produz, acarreta, condiciona, o que permite explicar; a razão da ocorrência do (...)
Indicador = especificação quantitativa e qualitativa para medir o atingimento de um objetivo (...)
Descritor = conjunto de indicadores agrupados conforme determinados critérios
Figura 2 Esquema geral de representação de uma árvore de problemas ilustrado para apenas dois
níveis de desdobramento (Parte A) e diagrama de representação do problema (Parte B)
Fonte: GARCIA, E. Orientações para elaborar projetos de pesquisa com qualidade e fazer pesquisas com
efetividade para o desenvolvimento. Brasília. 2006. 2286 p.
9
2,0 cm
3 cm
2,0 cm
# pág.
29,7 cm
2 cm
21cm
10
Elaboração de Projetos
Nível Intermediário
ZOPP
Marco Planejamento de Projetos Marco
Lógico Orientado para Objetivos Lógico
Nível Operacional
MAPP
Atividades Atividades
suprimir ou acrescentar objetivos se necessário; formular situações que contemplem a especificidade dos
atores beneficiários
Alternativas; Como se faz?
Identificar na Árvore de Objetivos os subconjuntos verticais (meio-fim) que podem ser utilizados como
possíveis estratégias do projeto.
Estabelecer critérios para análise dos melhores subconjuntos (meio-fim).
Identificar no diagrama Árvore de Objetivos os subconjuntos que serão adotados como estratégias para o
projeto.
Elaborar a Matriz de Decisão.
(...)
(...)
(...)
Exemplos gerais:
PROBLEMAS
Concentração da renda e da riqueza em (...: local, período, setor da população etc.) e insuficiente
criação de postos de trabalho, em quantidade e qualidade tais que (...especificar). Debilidade nos
mecanismos de transmissão dos aumentos de produtividade para os rendimentos (salários,
bonificações, compensações etc.) das famílias trabalhadoras, e economia de baixos salários.
Concentração da renda e da riqueza, pobreza e exclusão social, degradação ambiental: efeitos
econômicos e social da poluição do lago (...)
Concentração é recorrente, devido a desequilíbrios macroeconômicos em variáveis como (especificar
as variáveis macroeconômicas e as correspondentes políticas que provocaram tais efeitos), a
vulnerabilidade externa e insuficiente expansão exportadora, quando comparadas com indicadores
internacionais para economias equivalentes, segundo (citar a fonte), a crédito caro (com taxas...) e
de curto prazo (defini-las), a baixo estímulo ao investimento produtivo, quando observados e
analisados os indicadores de desempenho da industria (...) e ao consumo (níveis de consumos e
análise comparativa entre países com semelhantes condições), a estagnação prolongada, o reduzido
crescimento da produtividade e as tecnologias pouco absorvedoras de mão-de-obra.
OPORTUNIDADES
Condições de alcançar vigoroso crescimento da produtividade e da renda per capita:
Riqueza humana: força de trabalho eficiente e ágil no aprendizado, empresariado dinâmico e
técnicos de alto nível, diversidade cultural;
Riqueza natural: energia hidráulica, recursos hídricos, terra agriculturável, biodiversidade;
Base produtiva ampla, fortes vantagens comparativas em inúmeros setores (agro-indústria, insumos
básicos), plenas condições de adensar cadeias produtivas;
Amplo mercado interno potencial;
Plenas condições de reduzir a distância com relação à fronteira tecnológica mundial;
Baixo crescimento demográfico.
Princípios
Planejamento tendo como orientação uma estratégia de desenvolvimento de longo prazo;
O Plano como instrumento para a orientação estratégica e a gestão da ação de governo (envolve
todos os recursos orçamentários e não-orçamentários);
Planejamento Participativo;
13
3 Inadequadas práticas
de uso e manejo do solo 3.1 Intensidade de uso por 3.1.1 Três vezes por ano.
quando avaliadas em ano por período (...) 3.2.1 Maquinaria e equipamento com peso acima da
relação aos critérios de “capacidade de suporte” estimada para os solos da
conservação e de região, com a textura, estrutura e inclinação,
manejo integrados, definidas por... (Referência b que indica os valores
propostos por... 3.2 Tipo de maquinaria para fazer os julgamentos ao comparar os
(Referência atualizada e utilizada (...) observados com as referências atualizadas)
pertinente)
Fonte: GARCIA, E. Orientações para elaborar projetos de pesquisa com qualidade e fazer pesquisas com
efetividade para o desenvolvimento. Brasília. 2006. 1280 p.
14
Ao final, como pode ser formulado, “BEM” formulado um problema para pesquisa?
Antes de apresentar um conceito, uma definição aproximada, são considerados diversos
componentes, “essenciais” dessa definição.
Deve existir um grupo de pessoas, uma empresa, um setor ou industria, uma comunidade,
uma região (...) que tenha um problema dentro de um tema problematizado, dentro de um
contexto, de um cenário (...) delimitado.
Se esse grupo, empresa (...) recorre à pesquisa para resolvê-lo, então passará a se constituir
um dos interessados da pesquisa. Se não recorrer, se não houver alguém interessado? Não há
problema.
Em texto de metodologia se apresenta o problema como uma pergunta; pressupõe-se que o
problema implique uma ou mais dúvidas em relação ao tema que se pretende resolver,
concluindo, dessa forma, que a formulação deva envolver perguntas para a investigação
procurar responder.
Nesta nota, admite-se que o problema possa compreender dúvidas, porém, o início da
pesquisa não poderia se dar com dúvidas e incertezas totais, sendo necessário, portanto, pontos
de referências claros, delimitados e com fatores causais, ainda que limitados, para orientar as
seguintes fases da pesquisa. Admite-se que a definição do problema possa ser orientada por
perguntas “inteligentes” cujas respostas definem o problema.
O interessado na pesquisa deve ter um objetivo, uma perspectiva de solução ou de
aproveitamento, um fim desejado (...), porque na ausência disso, não se teria um problema.
Junto com os objetivos associados ao problema “definido” quanto possível, deve ter acesso ou
dispor de mais de um meio, de vias de ação, com certa eficácia, para alcançar esse objetivo.
Nesse meio se relacionam instrumentos, procedimentos (...) potencialmente utilizáveis na
obtenção do objetivo.
A existência de alternativas de ação é apenas um componente do problema. O interessado
no resultado da pesquisa poderá ter dúvida, como parte do problema, quanto à alternativa a
escolher. Em muitos casos, o problema se resume à avaliação da eficiência de diversos meios
em relação ao atingimento de objetivos. Nesses casos, a pesquisa orientada para gerar
informações e produtos “corretos” busca obter / disponibilizar instrumentos “corretos”.,
instrumentos que não podem ser considerados independentes de seus usos.
O problema representa o efeito síntese de um ou mais ambientes, fatores, condições,
evoluções (...), compreendendo os interessados. Muitos desses ambientes, fatores (...)
experimentam mudanças. O interessado na pesquisa poderá ter dúvidas quanto ao meio mais
eficaz em relação a um ambiente, a um conjunto de fatores, mas, não deverá ter dúvidas em
relação a outro conjunto que o define em um cenário prospectivo e para o qual orienta o
tratamento do problema. Mas, para orientar esse tratamento, precisa determinar qual é o
problema, que fatores causais se projetam para um ambiente a ser melhorado, no futuro, com
os resultados esperados da investigação.
Pelo exposto, depreende-se que a formulação do problema para pesquisa deve explicitar,
orientada por perguntas inteligentes feitas a respondentes “certos”, seus vários componentes, os
fatores causais, com determinações da gravidade e importância relativa desses fatores e de
possíveis enganos.
Em geral, os diversos componentes de um problema não são independentes nem tem a
mesma importância e ocorrência. Por simplificações metodológicas são tratados
separadamente, mas, em certa fase da formulação do problema, devem ser considerados de
forma integrada, sistêmica.
Na tradução do problema para o método científico e com o auxílio de técnicas e método é
possível estabelecer escalas de priorização / ordenamento para se ter um problema de pesquisa
com probabilidades de tratamento por esse método e com possibilidades de atendimento às
exigências dos interessados da pesquisa: pessoas, uma empresa, um setor ou industria, uma
comunidade, uma região (...); o pesquisador e a comunidade científica; o financiador etc.
15
3 JUSTIFICATIVA
O projeto se justifica pela necessidade e urgência da empresa FFFF RRR identificar porque
esperava, e os principais problemas não foram resolvidos, também conforme se esperava, com a
processos relativos à área meio (processamento das vendas) e, conseqüente, o desgaste causado com
4 HIPÓTESES
A hipótese geral é definida nos seguintes termos: a automação com integração entre tecnologia e
proposições de orientação.
A automação deve ser orientada para se ter equilíbrio entre a tecnologia dessa automação e os
processos operacionais, com políticas que não introduzam viés ou favorecimento à automação e
tecnologia como os relativos ao pessoal com melhorias na informação (de base para o planejamento
e tomada de decisão), nos sistemas de informação e nas políticas de seleção e treinamento, não
benefícios sustentáveis.
conclusões dessas análises, são fatores positivos que contribuem para a integração e o equilíbrio
emprego.
para se definirem os objetivos e aspectos da metodologia no que se refere aos dados, às técnicas de
17
teste, aos níveis de significância e às implicações de decisões (Quadro 2), entre outros importantes
2,0 cm
3 cm
# pág.
2,0
cm
29,7 cm
2 cm
21cm
Erro do tipo II ( )
Decisão correta ( 1 - ) = P(Cometer erro do tipo II)
Aceitar H0 = P(Rejeitar H0 | H0 é falsa) = P(Aceitar H0 | H0 é falsa)
= P(H1 | H1) = Poder do teste = P(Aceitar H0 | H1 é verdadeira)
= P(H0 | H1)
A figura que segue (Figura 5) sintetiza os passos a seguir na definição de hipóteses, com a utilização
do método científico omitindo-se, propositadamente, aspectos básicos dessa formulação, da formulação de
hipóteses com base em referências teóricas, a obtenção de dados com base em critérios de representatividade
da população (amostragem), análise de distribuição de séries amostrais e as implicações de erros na tomada
de decisões, entre outros.
Seleção do teste
- Coeficiente de risco
Pré-definir critérios:
Calcular a estatística
Decisão
metodologia), necessárias para um diagnóstico da situação da empresa FFFF RRR para, entre outros
interações entre elas (...) e, com base nesse melhor entendimento de identificação, caracterização,
possibilitarão gerar uma base de informações suficiente para buscar, implementar e manter o
científico, pode ordená-las e agrupá-las conforme critérios que resultam da análise de descritores e
indicadores.
Na síntese do processo de pesquisa para os propósitos didáticos foram considerados apenas três
grupos de causas e três conjuntos de proposições ou hipóteses de orientações. Para esses três grupos
são definidos objetivos específicos que integrados deverão possibilitar atingir o objetivo geral
relacionado com o problema central: essa é a lógica e racionalidade da pesquisa que não aparece na
Entender os fatores que prejudicam a preparação da mão-de-obra para lidar com a automação do
processo de trabalho;
Mapear os principais pontos a serem analisados no processo operacional para a sua automação
específicos, observando-se lógica e estreita relação com figuras similares das hipóteses e problemas
2,0 cm
3 cm
# pág.
2,0
cm
29,7 cm
2 cm
21cm
21
5.3 Metas
Foram definidas as seguintes metas:
a) Mapear um caso de sucesso, em seis meses, e os principais fatores que contribuíram para este
b) Mapear um caso de insucesso em seis meses e os principais fatores que contribuíram para
este insucesso
6 REVISÃO DE LITERATURA
A parte que segue é ilustrativa e com informações de orientação, porém, insuficientes, para se
ter o necessário conhecimento para a elaboração desta fase da pesquisa (Consultar material
distribuído em aula).
Parte dos dados, primários e/ou secundários, e das informações que o estudante e/ou
pesquisador utiliza em sua pesquisa (p.ex., os provenientes de observações, de
experimentações e da revisão de leitura) obedece, quanto aos procedimentos de obtenção
com objetividade, tratamento com segurança e apresentação, à normas, convenções e
critérios específicos, os quais contribuem para a sistematização e normalização desses
procedimentos. Conforme essas normas e convenções devem ser indicadas todas as
autorias e materiais de terceiros, citados de forma direta ou indireta, sendo condenável,
pela lei e pelos próprios fóruns de pesquisadores e cientistas, a apropriação indevida de
dados e informações de outros autores: plágio, cópia ou roubo desses ativos.
O estudante e/ou pesquisador deve ter a preocupação e os cuidados necessários de fazer
menções claras e precisas de idéias, conceitos, conclusões (...) obtidas de outros autores
que se integrem e harmonizem com suas próprias idéias apresentadas no texto. Portanto,
devem ser menções diretamente relacionadas com seu trabalho, baseando-o e melhorando
a qualidade, fundamentação e credibilidade técnico-científica do mesmo com as citações.
A menção que fundamenta e melhora a qualidade e consistência técnico-científica do
texto pode ser:
a) Citação direta, quando se refere à “transcrição textual de parte da obra do autor
consultado”. Trata-se da transcrição literal de parte(s) extraída(s) de texto de outro(s)
autor(es), conservando-se a grafia e pontuação, entre outras características do texto
original. Essa forma de menção é utilizada quando há necessidade de provar
autoridade, originalidade ou fidedignidade.
b) Citação indireta, para indicar uma interpretação do “texto baseado na obra do autor
consultado”. Neste caso, o texto deve ser lido com atenção suficiente capaz de permitir
reescrevê-lo ou sintetizá-lo em outras palavras, apresentando-o sem usar aspas, mas,
sem omitir a fonte identificada pelo sobrenome e data. Trata-se da utilização de idéias,
dados e informações de outros autores (paráfrase), citando-as com palavras do próprio
estudante e/ou pesquisador, mas respeitando as idéias originais do autor citado, sem
23
distorções ou dar ênfases impróprias, não contidas na fonte (em caso contrário, indicar
essas mudanças, entre colchete, conforme se ilustra mais adiante com exemplos).
c) Citação de citação, onde se considera “uma citação direta ou indireta de um texto em
que não se teve acesso ao original”. Nesta forma de citação, utilizam-se locuções
latinas como apud para indicar a fonte original. Outras expressões são:
Algumas expressões latinas utilizadas para abreviar são: apud ou apud: citado por, de
acordo com, conforme...; é utilizado para citação indireta; utiliza-se quando se
transcrevem palavras textuais ou conceitos de um autor que é citado por outro; ex.
Munhoz (1998), apud Souza (2004) ou: Segundo Munhoz (apud SOUZA, 2004). Ibidem,
abrebiado / ibid. ou ibidem / ibid , para significar no mesmo documento, na mesma obra;
pode ser usada na mesma página ou folha em que aparecem as citações. Idem / id. idem /
id.: igual à anterior; do mesmo autor. Opus citatum / op. cit. ou opus citatum / op. cit.:
documento ou obra anteriormente citada, sem outra citação, utilizada na mesma página ou
folha da citação a que se refere. Sequentia / seq. ou sequentia / seq. :seguinte ou o que
segue. Passim ou passim: aqui e ali, em vários trechos de uma obra, usado para citações
indiretas. Sic ou sic: assim mesmo, desta maneira.
...
Nos exemplos que seguem são apresentadas citações e suas correspondentes referências,
com nomes abreviados e por extenso, advertindo-se que apenas uma delas deve ser
utilizada no documento; apresentam-se, também, com elementos opcionais como o
número de páginas total (obra citada no todo) ou da parte efetivamente consultada
(páginas inicial e final).
O destaque do título da obra na referência pode utilizar várias formas, mas, quando
escolhida uma, esta deve ser mantida em toda a obra. Os possíveis destaques são: itálico,
negrito e grifado.
As referências das citações mostram dois casos para a localização do texto citado; o
pesquisador, conforme seja a consulta, selecionará um desses casos; quando o
documento for consultado na integra, aparece o total de páginas (sublinhado simples; este
é um meio de destaque, nestas notas); se a consulta for específica, isto é, em determinado
trecho do documento, compreenderá as páginas inicial e final (sublinhado duplo).
Exemplos: citações e referências:
2,0 cm
89
CONTADOR, Cláudio. R. Projetos sociais: avaliação e prática. 3. ed. ampl..
Procura-se
São Paulo: conceituar
Atlas. 1997.e ilustrar
p. 209 -a250.
técnica Path analyisis [análise
de dependência, análise de fluxos, análise de caminhos etc.]
com a estimação de efeitos de variações em um conjunto de
variáveis inter-relacionadas [...], com efeitos diretos, brutos e
líquidos de relações funcionais simétricas ou não. Na pesquisa,
ao identificar e caracterizar objetos [causas] inter-relacionados
[problema] e ao tratar da decomposição da complexidade para
centrar a atenção em um fator [...], destaca-se a análise
hierárquica. Segundo Saaty (1991), trata-se de processos de
medidas e julgamentos, em um sistema, dispostos conforme
estruturas e funções.
21cm
25
2,0 cm
3 cm
67
__________
1
ACKOFF, R. L. Planejamento de pesquisa social. Trad. Leônidas Hegenberg e Octanny
Silveira da Mota. São Paulo: EPU, 1997, p. 19 – 20.
2
Id. (ou Idem = o mesmo autor), p. 21. Pode combinar: Id. Ibid (Ibidem =
na mesma obra).
3
POPPER, K A lógica da pesquisa científica. Trad. Leônidas Hegenberg e Octanny
Silveira da Mota. São Paulo: EPU, 1997, p. 40.
4
Id. (ou Ibid), p. 41. 2 cm
5
Popper (op. cit., p. 86).
6
SILVA, loc.cit. (Loco citato / loc. cit. = no lugar citado).
21cm
26
2,0 cm
3 cm
198
No texto aparecem:
“As I was going to St. Ives / I met a man with seven wises; / Every wife had seven
sacks, / Every sack had seven cats, / Every cat had seven kits. / Kits, cats, sachs, and
wives, / How many were going to St. Ives?”1
O problema de comunicação em programação (...), no início da década de 80,
ainda não tina sido resolvido, apesar de ser ter chamado a atenção desse fato:
“English, therefor, is not good language to use when programming. This has long
realized by others who require to comunicate instructions” 2 (TEDD, 1977, p. 29).
Segundo conceitos adotados pela FAO (1992, p. xiv), “Par commerce spécial, on
entend le système qui consiste à comptabilliser, d´une part, les importations
destinées à la consommation intérieure et, d´autre part, les exportations de produits
nationaux”. 3
29,7 cm
Na nota de rodapé:
_______________
1
Quando ia a St. Ives encontrei um homem com sete mulheres (esposas); cada mulher tinha
sete sacos, cada saco tinha sete gatos, cada gato tinha sete gatinhos. Gatinhos, gatos, sacos e
mulheres, quantos iam a Sto. Ives?” (BOYER, 1965, p. 12).
2
“Inglês, portanto, não é uma boa língua para se usar em programação.
Isto já foi constatado por outros que precisaram transmitir instruções”
(Tradução nossa).
3
“O comércio especial compreende, por um lado, as importações para o consumo interno e as
exportações de produtos nacionais, pelo outro.”
4
O conceito spielraum introduzido por Von Kries (1886) é o de campo,
escopo; dessa forma, a abrangência que um enunciado [lógico] permite à
realidade é a extensão de “livre jogo”.
5
If anything can go wrong, it will, at the worst possible moment.
2 cm
6
If there are two or more ways to do something, and one of those ways can result in a
catastrophe, then someone will do it.
21cm
27
HUBERMAN, L. História da riqueza do homem. 21. ed. Rio de Janeiro: LTC, 1986.
HUBERMAN, L. História da riqueza do homem. Tradução de Waltensir Dutra. 21. ed. Rio de
Janeiro: LTC, 1986. 286 p. Inclui índice. ISBN 85-216-1306-7.
GASPARINI, D. Direito administrativo. 4 ed. rev. e ampl. São Paulo: Saraiva. 1995.
p. 247.
KAKU, M. Visões do futuro: como a ciência revolucionará o século XXI. Tradução
Maria Luiza X. de A Borges. Rio de Janeiro: Rocco. 2001. 458 p.
MAGNO, A. Àgua garantida: SIV-água vai fiscalizar e recuperar manaciais. D&F.
Desenvolvimento e futuro. v. 3, n. 7, jan. / fev./ mar. 2004, p. 20 -22.
Outros exemplos com variáveis destaques (apenas um deles deve ser utilizado em todo o
documento) e com outras informações (complementares):
SILVA, M. M .L. Crimes da era digital. .Net, Rio de Janeiro, nov. 1998. Seção Ponto de Vista.
Disponível em: <http://www.brazilnet.com.br/ Contexts/brasilrevistas.htm>. Acesso em: 28
nov. 1998.
RIBEIRO, P. S. G. Adoção à brasileira: uma análise sociojurídica. Dataveni@, São Paulo, ano
3, n. 18, ago. 1998. Disponível em: <http://www.datavenia.inf.br/frame.artig.html>. Acesso
em: 10 set. 1998.
VIEIRA, Cássio Leite; LOPES, Marcelo. A queda do cometa. Neo Interativa, Rio de Janeiro,
n. 2, inverno 1994. 1 CD-ROM.
WINDOWS 98: o melhor caminho para atualização. PC World, São Paulo, n. 75, set. 1998.
Disponível em:<http://www. idg.com.br/Abre.htm>. Acesso em: 10 set. 1998.
ALCIONE. Ouro e cobre. São Paulo: RCA Victor, p1988. 1 disco sonoro.
MPB especial. [Rio de Janeiro]: Globo: Movieplay, c1995. 1 CD.
ALCIONE. Ouro e cobre. Direção artística: Miguel Propschi. São Paulo: RCA
Victor, p1988. 1 disco sonoro (45 min), 33 1/3 rpm, estéreo., 12 pol.
Normas de abreviação:
Normas de apresentação:
Normas de publicação:
O desdobramento e aplicação das normas da ABNT e de outras normas (da ISO, p.ex.,),
aplicáveis na sistematização de documentos técnico- científicos, são apresentadas em material
didático especialmente preparado e oferecido ao estudante.
Adeus à Tecnoangústia, onde trata das transformações ocorridas com o processo de automação,
automatizado.
Bremberger (2003), em seu Roteiro para Automação, diz que o processo de automação obriga
as empresas a acabar com as “gambiarras” e que é preciso iniciar a automação da mesma forma
7 METODOLOGIA
A metodologia compreende, entre outros, os conceitos, materiais e o método científico que se
registro dos fatos traduzidos em variáveis; para a proposta de hipóteses consistentes com a
controladas para testar as hipóteses; e as técnicas e métodos para as análises dos dados.
correspondentes. Nestas notas são indicadas duas fontes: primárias, obtidas por observações de
(esses formulários, no projeto de pesquisa aparecem em apêndices) ilustrados na parte que segue:
Amostragem
O pesquisador tem procedimentos, técnicas e métodos especiais para “selecionar” uma amostra
representativa da população objeto de estudo: a amostragem que “garante”, quanto possível, o acaso e a
representatividade na escolha de elementos representativos da população.
34
À vezes, os atributos são simples e evidentes como no exemplo de lâmpadas elétricas, dispensando a
estratificação ou sendo realizada com facilidade definida como, p. ex., lâmpadas maiores ou de (...);
lâmpadas medianas ou de (...) e lâmpadas menores ou de (...); em cada estrato simples se evidencia
apenas um atributo como poderia ser o da vida útil média da lâmpada.
Em outros casos não é tão evidente como na definição das unidades de produtores agrícolas da
Amazônia (...), em que poderão ser necessárias variáveis auxiliares e critérios de estratificação.
h) Verificação preliminar dos processos feita, depois de terem sido selecionados o esquema e as amostras;
essa verificação poderá evidenciar, quando se realizam testes, simulações e trabalhos em menores
escalas, “outras” dificuldades, com oportunidades de correções.
Em geral com essa verificação é possível fazer melhoramentos em procedimentos como os de
elaboração e aplicação de questionários e preparação/ treinamento de pessoal para aplicá-los.
i) Organização do trabalho de campo relacionada, em parte, com a fase anterior de verificação dos
processos de amostragem.
Parte da organização do trabalho se fundamenta no treinamento de pessoal para se atingir os objetivos e
metas na utilização de instrumentos de medidas e nas práticas de gestão, monitoramento e avaliação do
trabalho de campo.
j) Síntese e análise dos dados; nesta fase se incluem, entre outras atividades, as avaliações de consistência
dos dados e informações, sejam elas o resultado de levantamentos por questionário, entrevistas ou
similares ou os resultados de observações e registros de experimentos de campo e laboratórios
preparados para fins específicos, entre outros, bem como o tratamento de dados e informações
amostrais feito, em parte, em sistemas de informações e em bancos de dados, conforme se ilustra na
Figura 11.
O segundo conceito importante e destacado relacionado com o processo de amostragem é o de
inferência estatística.
A inferência estatística pode ser definida como o processo necessário para se obter resultados e
conclusões válidas para a população, quando considerado(s) determinado(s) atributo(s) objeto de
investigação, a partir da escolha e análise de unidades de uma parte da PA: a amostra.
De certa forma a inferência estatística é a indução incompleta ou o passo do particular (o que se
verifica e é uma proposição válida nas unidades amostrais analisadas) para o geral (ou a aplicação dessa
proposição na PO), sem que o conceito de indução tenha o sentido estrito ou matemático.
Para se ter inferências válidas para a população é necessário que as mesmas sejam fundamentadas em
conceitos e critérios, com evidências de seus efeitos. Entre esses conceitos se têm os de repetição,
“casualização” (randomization), erro tolerável de amostragem e coeficiente de risco, estipulados a priori,
entre outros, conforme seja a natureza do problema, os objetivos e recursos alocados na pesquisa, o nível de
precisão que se deseje e seja possível alcançar e as implicações de uma ou outra decisão envolvendo riscos,
erros e incertezas.
As incertezas e suas implicações negativas nas decisões atreladas à pesquisa devem ser minimizadas e
para tal propósito o pesquisador pode ser auxiliado pelo método científico, não apenas na análise e inferência
estatística, mas, na escolha dos melhores dados e informações, mediante a amostragem, para fazer essas
análises consistentes e úteis.
Ao fazer as inferências estatísticas o pesquisador deve reconhecer a possibilidade de que elas possam
ser erradas; trata-se de um erro potencial inerente ao processo de amostragem.
As inferências amostrais poderão ensejar dúvidas, especialmente entre leigos, a respeito da
confiabilidade da informação gerada com base no tratamento de elementos de uma amostra e das conclusões
que resultam da síntese e análise desse subconjunto da população.
O método científico confere certeza científica (ver nota de rodapé 81: verdade científica) às
inferências com fundamentos probabilísticos, portanto, envolvendo riscos em decisões, ações e resultados da
investigação.
39
Deve-se enfatizar que o objetivo da pesquisa é a inferência válida para a população; a mostra é o meio
para estudar o conjunto por ela representado e dela obter resultados generalizáveis para a população.
O exemplo que segue ilustra a importância e a necessidade da inferência baseada na análise e estudo
dos elementos de uma amostra.
Um pesquisador busca avaliar um novo produto para o tratamento da doença (...); para tal propósito,
aplicá-o a um grupo de 62 pacientes (estes podem ser uma amostra não-probabilística 1).
Assumindo-se que essa amostra fosse representativa da população e do ponto de vista da investigação, o
pesquisador não estaria apenas interessado no tratamento desse grupo de pacientes, mas, na generalização
do resultado e na possibilidade de que possa ser aplicado (ou vir a ser aplicado), se eficiente (inferência)
nesse tratamento, em qualquer paciente com a mesma doença, isto é, na população que tenha (ou possa vir
a ter) essa doença e receber o novo tratamento, dadas determinadas circunstâncias: aquelas em que o
tratamento é definido (o considerado no desenho da pesquisa) e que possam ser generalizadas.
Neste caso, a população poderá até não existir e os 62 pacientes que recebem o tratamento e dele obtém
resultados poderão ser os únicos afetados por essa doença.
Não entanto, é a população composta por todos os afetados por essa doença o que interessa, desde que o
pesquisador deseje gerar o tratamento para um paciente em geral e se tenham as condições para considerar
essa amostra como representativa da população.
O exemplo anterior destaca a necessidade de se fazer inferências e generalizações válidas não apenas
para um grupo ou um estudo limitado de caso, mas, com validade científica para a população representada
por uma amostra.
Para quem busca o tratamento de determinado problema ou o aproveitamento de certa oportunidade,
pouco importa a informação de que alguns elementos da amostra tenham melhor resposta do que outros; o
que interessa é saber se o tratamento dá os melhores resultados, em média, para todos (este é o significado de
intervalo de confiança da inferência estatística), para a população, ainda que em alguns casos isto não possa
ser observado; este é o significado do nível de significância.
No caso de estudos qualitativos devem ser apresentados os elementos necessários para caracterizar o
número de observações que serão (projeto) ou foram realizadas (relatório técnico-científico), bem como a
população de onde serão (foram) obtidos os elementos componentes da amostra, conforme já indicado.
Os dados experimentais poderão corresponder à amostra de uma população infinita, sendo que o
experimento, quando bem planejado e desenvolvido, é tido como uma amostra representativa dessa
população, portanto, com probabilidade para se fazer inferências válidas.
Em geral, para a pesquisa científica, a amostra não tem interesse por si próprio, mas, pela forma fiel
como essa pequena parte da população representa a PO, o agregado ou o conjunto maior e dela permitir fazer
inferências e conclusões (generalizações) válidas para o todo, conforme se ilustra com o seguinte exemplo:
Com base em resultados de uma amostra, o teste estabelece, p. ex., se, na população, a média do
tratamento A (dose, ração, adubação, tempo de resposta, distância, peso, preço, insumo, produto,
variedade ou qualquer outro atributo, fato ou fenômeno objeto de estudo) é diferente da média do
tratamento B, ou da média do tratamento C ou, ainda, diferente do valor de uma referência como a média
das unidades de análise que não recebem o tratamento: grupo controle, para determinado nível de
significância e outras condições da pesquisa.
1
Numa amostra não-probabilística, o processo de seleção das unidades de análise não é formal; e o conhecimento da
população útil é limitado, portanto, não existe a probabilidade de se selecionar qualquer unidade da população (REA e
PARKER, 2000; p. 141). Em alguns casos, essa “amostra” pode ser a população.
40
conhecimento do grau de exatidão. A seleção é feita de forma aleatória e sem nenhuma operação preliminar
como a de estratificação das unidades de análise em unidades de amostragem ou de agrupamento, a fim de
conhecer o comportamento de uma ou mais características de interesse para a pesquisa.
A técnica de amostra simples ao acaso pressupõe a definição da(s) característica(s) a ser(em)
estudada(s), um processo para obtenção dos elementos da amostra e a estimação de valores do(s) atributo(s)
de interesse. A técnica se caracteriza pelo fato de que todos os elementos têm a mesma probabilidade de
serem escolhidos (selecionados) para compor uma amostra.
Para se ter uma amostra de n elementos escolhidos dentre o conjunto N da população, procede-se ao
sorteio, com reposição, se a população é relativamente pequena, ou sem ela, com populações grandes ou
infinitas, até completar o número que define o tamanho da amostra. Significa que a amostra poderá ser obtida
repondo-se, na população, os elementos observados na amostra (é o caso de amostra simples ao acaso com
reposição) ou sem a reposição desses elementos (amostra simples ao acaso sem reposição).
Que fatores determinam o tamanho da amostra na amostragem probabilística? Em essência do(s)
parâmetros(s) a estimar; do nível de confiança desejável; do erro tolerável ou precisão escolhida; e do nível
de dispersão da população, entre outros. No caso da amostragem não-probabilística não se tem sustentação
técnica, mas, indicadores usuais como o de 10% ou 15% da população. O interesse nestas Orientações (...) é
para uma introdução a fundamentação técnica da amostragem.
Para definir o tamanho da amostra (n) de tal maneira que se possa ter uma “boa” estimativa do
parâmetro, 2 (p. ex., da média aritmética da amostra x como expressão representativa do parâmetro média
da população e da estimativa do desvio-padrão da amostra ŝ como expressão representativa do desvio-
padrão da população ) é necessário definir em que condições ou com que flexibilidade se podem aceitar os
resultados (as inferências) obtidos da amostra.
Com o propósito de especificar em que condições ou com que flexibilidade se podem aceitar as
inferências o pesquisador define critérios (ou adota padrões, adequando-os à realidade) e internaliza
conceitos relativos à amostragem, com aplicação à realidade, a população, objeto de investigação.
Parte desses critérios e conceitos é apresentada, ilustrada e exemplificada a seguir:
a) Um erro tolerável de amostragem (simbolizado por ) que é fixado à priori, conforme sejam a
natureza do problema e o nível de precisão desejável e possível, considerado na fixação desse erro.
Fixar a priori um erro de amostragem, não significa fazê-lo de maneira arbitrária, mas, com
fundamentações teóricas e práticas, bem como baseado nas implicações da fixação de um ou outro tipo
e nível de erro. Essas implicações dependem, em parte, repetindo, da natureza do problema e dos
objetivos da pesquisa.
Neste sentido admitir, p. ex., não errar por mais ou menos 20,0 gramas ( 20,0 ) no peso médio de
um produto apresentado em unidades de um quilograma ( x =1kg; 20,0g) ou não errar por mais ou
menos três quilogramas ( 3,0 ) de peso vivo em um experimento com animais de porte médio e
pesos entre 27,0 a 45,0kg, submetidos a determinado tratamento experimental, significa aceitar errar
por mais ou menos 20,0g ( 2,0%) ou 3,0kg ( 8,3%) na estimativa da média.
Em casos de pesquisas com controles mais rigorosos como, p. ex., em experimentos de investigação
envolvendo a saúde e alimentação humana, a aceitação de um erro de amostragem exige menores
valores ou níveis de tolerância como, p. ex., 0,1cm3 ( 0,4% numa dose de 25,0cm3) ou 0,5g
( 0,8% numa dose de 60g).
O erro de amostragem está relacionado com o número ótimo de elementos da amostra. 3
b) Um coeficiente de risco ( ) definido, também, à priori, com base na natureza do problema e a
especificação dos objetivos da pesquisa.
2
A estimativa de um parâmetro (a) (estimador, indicado por â ), obtida de uma amostra, poderá variar de amostra para amostra; mas,
um “bom” estimador de qualquer amostra deverá ser não tendencioso, isto é, a E(â) = a; eficiente, isto é: a var(â) é a mínima
possível; e convergente, isto é: o lim. Pn [|â – a| ] 1, significa que quanto mais cresce a amostra (n), mais o estimador se
aproxima ao valo do parâmetro da população que é constante e em geral não conhecido (lim. = limite; E = esperança matemática).
42
Em termos gerais, o pesquisador poderá aceitar a estimativa com um erro tolerável de 1,0% a 5,0% ou
de 10,0% ou maior, conforme sejam as implicações desses níveis de risco.
Aceitar falhar em 1,0% ou 5,0% no resultado que se busca ao estimar, p. ex., a média aritmética
significa que o valor calculado nessa medida não estará dentro dentre o intervalo de confiança no
máximo em 1,0% ou 5,0% das vezes: esse é o conceito de nível de significância ou probabilidade que
o intervalo, com a estimativa, não contenha o parâmetro da população.
Associado ao coeficiente de risco se tem o nível de confiança, isto é, a probabilidade que o intervalo
em que se encontra a estimativa amostral contenha o parâmetro da população; no exemplo considerado
no parágrafo anterior, esse nível é de 99,0% ou 95,0%, das vezes.
c) Um erro de amostragem, definido como a diferença entre o valor de uma estatística calculada para a
mostra aleatória (seja esse valor representado por â) e o parâmetro correspondente da população (a,
uma constante) da qual fui obtida essa amostra; o erro de amostragem é dado por |â – a|.
Os erros de amostragem, nos casos de estimativas freqüentes como a média aritmética e o desvio-
padrão, são definidos por | x | e | ŝ |.
O desvio padrão da média 4 é outro tipo de erro que se relaciona inversamente com n e diretamente
com a dispersão representada por s.
O erro de amostragem serve, também, para explicar porque depois que a amostra alcança certo
tamanho (p. ex., o do ótimo econômico), observações adicionais não reduzirão esse erro o suficiente
para compensar o custo adicional que se tem com o aumento de n.
Para o caso da média aritmética, o erro de amostragem, em termos de probabilidade (P), tem como
argumentos o erro tolerável e o coeficiente de risco. 5
Em termos ilustrativos os conceitos necessários para estimar o tamanho da amostra (n) podem ser
apresentados em ilustrações como a do Gráfico 1.
No Gráfico 1 se indicam os valores estimados da média localizados num determinado intervalo de
confiança sendo que esse intervalo, definido pela expressão x , compreende 68,3% dos elementos da
população, enquanto que os intervalos definidos pelas expressões 2 x e 3 x compreendem,
respectivamente, 95,4% e 99,7% desses elementos, para o caso de uma população com distribuição normal.
As áreas compreendidas e que são delimitadas pala curva de distribuição normal correspondem a
valores de probabilidade; essas delimitações definem áreas críticas nos extremos e uma área do intervalo de
confiança.
As áreas complementares do intervalo, portanto, fora desses limites, definem, repetindo, os níveis de
significância indicados pelas áreas pontilhadas, nos extremos, do Gráfico 1.
A amostragem estatística se define sob determinadas condições da distribuição da população objetivo
de estudo.
Nível de
significância
3
Intervalo de
O erro de amostragem está inversamente relacionado com confiança
o tamanho da amostra, pela expressão
1 . Quanto maior é a amostra
n
(n) menor será o erro de amostragem; no entanto, essa redução ou relação inversa não é proporcional: se o tamanho da amostra for
duplicado o erro será reduzido em 1,4 vezes; se o erro for 0,06 para uma amostra de 25 elementos e duplicar essa amostra, o erro
apenas se reduziria em 30%, passando a 0,04.
4
O desvio padrão da média é definido por s x s n ) que mede a variação aleatória esperada da média.
a´ b´ c b a
5
As expressões que define o erro tolerável
em que:() e o coeficiente de risco () são: P[| x | ] e Z s x , em que
Z é um valor tabelado (distribuição normal reduzida).
a´ = , a = , b´ = b =, c =
P[| x | Z sx ]
ou P[| x | Z ]
sx
em que, repetindo, Z é o valor tabelado da curva de distribuição normal reduzida, para n 30 ou da curva associada a
distribuição t de Student, para n < 30, com n-1 graus de liberdade; s x = é o desvio-padrão da média amostral. Da expressão
anterior se deriva a seguinte fórmula:
[Z N n ].[ s ]
N 1 n
Da expressão acima é fácil derivar a fórmula que permite calcular o tamanho da amostra (n) em função, direta ou implícita, do
erro tolerável e do coeficiente de risco. Essa estimativa pode ser para o caso de uma população finita de tamanho N:
Ns 2 Z 2
n N
N 2 s 2 Z 2 (1 N
2
)
Z 2 s 2
2 2
n N Z s
2
44
estatística específicos; são apenas suficientes para aplicar as técnicas evidenciando os pressupostos e
implicações de suas violações que se ilustram nos exemplos.
Problema. Seja um caso de estudo em que o pesquisador admite como sendo tolerável um nível
de risco de 5,0% ( ). Isto significa aceitar a inferência no intervalo de confiança de 95,0%; se a
decisão é baseada na hipótese de um teste bilateral (2,5% para cada lado; Gráfico 1), o valor
(probabilidade no corpo da tabela) de Z é de 1,96 (distribuição normal padronizada 7 ).
Se o teste fosse unilateral e o nível de significância pré-definido de 1,0%, portanto para um
intervalo de confiança de 99,00%, o valor de Z seria 2,32 (interpolação dos valores 0,9893 e
0,9918; na nota de rodapé 136).
Admite-se como tolerável na pesquisa, um erro de amostragem de 2 ( ) unidades.
O tamanho da população objeto de estudo é 5.000 (N) elementos. As informações anteriores são
complementadas com outras obtidas, p. ex., de uma amostra piloto (trata-se de uma amostra de
tamanho arbitrário que permite estimar, p. ex., medidas de posição e dispersão utilizadas na
definição do tamanho da amostra), são suficientes para determinar o tamanho da amostra neste
exemplo.
Solução: A determinação do número de elementos da amostra tem como argumento a variância.
A estimativa da variância é feita com base numa amostra piloto que, neste exemplo, foi
considerada sendo composta por 10 unidades com a medida do atributo objeto de estudo. A partir
dessa amostra se calculam a media ( x ) e a variância (s2) como seguem:
i 1 x i
10
x = 8,6 14a
n 1
10
( x i x )2
s 2
11 = 13,4 14b
n 1
Aplicando as fórmulas correspondentes as duas possíveis situações: (nota de rodapé 135), têm-se:
a) Para o suposto caso de uma população finita, n = 12,8 13.
b) Para o suposto caso de uma população infinita, n = 12,9 13.
Observa-se que não há diferença no tamanho da amostra, devido ao tamanho da população ser muito
grande. Mas, ao reduzir o coeficiente de risco para, p. ex., 1,0% e com um novo valor de Z de 2,58, o
tamanho da amostra é diferente; passa de 13 para 22 elementos.
No outro sentido ao tratar de risco, admitindo-se um maior risco de, p, ex., 10,0%, o que significa que o
intervalo de confiança se reduz para 90,0%, o valor de Z passa para 1,28. Neste caso, com um menor
nível de segurança na inferência, o tamanho da amostra será de apenas 6 elementos.
O exercício anterior mostra que para se ter um menor risco na previsão quando se aumenta o nível de
confiança da inferência de 95,0% para 99,0% será necessário um maior número de elementos; no sentido
contrário, o tamanho da amostra se reduz.
A questão pode ser sintetizada, em parte, em: os benefícios do menor risco compensam o aumento de
custo com um maior número de elementos na amostra ou o custo de admissão de um maior risco é
compensado pelas menores despesas na amostragem? A resposta a essa questão se relaciona, repetindo, com a
natureza do problema e os objetivos da investigação, entre outros fatores que a determinam ou influenciam.
7
Textos de estatística apresentam tabelas com a distribuição normal padronizada (Z) caracterizada por =0 e 2=1. Exemplo:
ZP(Z < )ZP(Z < )ZP(Z < )1,000,84331,920,97262,300,9893 1,100,86431,930,97322,400,9918
1,200,88491,940,97382,500,99381,300,90321,950,97442,600,99531,400,91921,960,9750
2,700,99651,500,93321,970,97562,800,99741,600,94521,980,97612,900,99811,700,95541,990,97673,000,99871,800,96412,000,97733,100,99901,
900,97132,100,98213,200,99931,910,97192,200,98613,500,9998
45
Em alguns casos não é recomendado utilizar expressões com erros absolutos (), mas, com erros
relativos toleráveis como os de amostragem. Esse erro, sendo relativo, é definido por , possibilitando
x
calcular o tamanho da amostra de forma alternativa 8 útil e prática.
8
A forma alternativa de calcular o tamanho da amostra a partir do erro tolerável definido em termos relativo, isto é
é:
x
φ´ φ Z ε ( sˆx ) Zε N n s
x x N x n
em que s é o coeficiente de variação (C) ou a relação entre o desvio-padrão e a média. No caso de amostragem sem
x
reposição, tem-se:
NC 2 Z 2 N
n
N´2 Z 2 C 2 1 N´
2
Z 2 C 2
9
Na população amostrada com características dicotômicas são considerados os seguintes conceitos e relações, sintetizados a
partir da notação (COCHRAN, 1965; p.78 – 80): C = unidades que possuem o atributo; C1 = unidades que não possuem o
atributo; A = número de unidades de C na população; a = número de unidades de C na amostra; N = tamanho da população;
n = tamanho da amostra; P = A/N ou proporção de unidades de C na população =; p = a/n ou proporção de unidades de C na
amostra. A estimativa amostral de P é p; a estimativa amostral de A é N p ou N a/n. Para quantificar os resultados cada
unidade de yi da população toma os valor de 1 (se estiver contido em C) e 0 (se estiver contido de C1. O problema de estimar
46
Problema: Seja uma população composta por 10.000 indivíduos que se quer estudar quanto à
característica de “fumante” ou “não fumante” (atributo dicotômico). Para tal propósito foi considerada
uma amostra piloto de 100 indivíduos em que se constatou 42 eram fumantes.
Qual é a estimativa que pode ser dada à proporção de fumantes considerando um intervalo de confiança de
95,0%?
Solução:
42
p 0,42 (razão ou proporção na amostra)
100
A e P pode ser visto como os valores médio e total de uma população em que os yi podem assumir valores de 1 ou 0. As
expressões que seguem permitem estimar os parâmetros:
N N
N yi A yi a
Y yi A ; Y i 1
P; y i 1
p
i 1
N N n n
N n
( yi Y )2 N ( yi y )2 n
σ2 i 1
( PQ ) ; s 2 i 1
( pq )
N 1 N 1 n 1 n 1
σ N n) 2
PQ N n
Var( p ) E( p P ) 2 ( ) ( )
n N n N 1
N 2 PQ N n var( p ) s 2 N n pq
var( ˆA ) ( ); p
n N 1 ( n 1) N
em que, Q = 1 – P; e q = 1 – p.
10
A estimativa do intervalo de confiança é dada por:
P[LI < P < LS] = 1 -
em que, LI = R - Z P LS = R + Z P
Z = 1,96, para = 5%
As expressões são:; P[ | R R | ] ; Z R
11
NZ 2 RQ
n
( N 1) 2 Z 2 RQ
47
Qual é o critério que o pesquisador deve utilizar para estimar o tamanho da amostra? Diversos fatores
devem ser considerados para responder à pergunta, desde a natureza do problema e objetivos da pesquisa até
os pressupostos de técnicas e métodos, passando pela disponibilidade de recursos, procurando conciliá-los.
Conciliar significa buscar o acordo ou a aproximação entre as partes prática (realidade) e teórica (ciência) do
problema e de técnicas e métodos, o que pressupõe conhecer uma e outra parte.
Nos exemplos anteriores de dimensionamentos de amostras foram destacados, em notas de rodapés,
elementos teóricos, os mínimos, da amostragem aleatória simples. Na prática o tamanho da amostra é
determinado, também, e com freqüência, por considerações, reais ou imaginárias, a respeito de custos e
benefícios da representação da população, bem como pelas implicações de um e outro tipo de erro e risco, e
não apenas por critérios teóricos.
Uma combinação de considerações teóricas e práticas, econômicas e operacionais, relativas à
amostragem deve ser evidenciada no documento técnico-científico. Isto, porque um número muito reduzido
de observações (p. ex., experimentos com poucos elementos ou um número reduzido de unidades
experimentais) poderá ser inútil ou de escassa utilidade, ao não permitir obter conclusões válidas
(inferências) para a população. Por outro lado, experimentos com muitas unidades experimentais ou com
muitos elementos em cada unidade, porém sem as considerações e os devidos critérios de consistência,
poderão ser, também, inúteis ou de escassa utilidade, porque com essa amostragem se dá a impressão de
conter uma verdade que, de fato, não se tem: não é a quantidade o que importa, mas a qualidade na
representatividade do atributo estudado.
A decisão acerca do ótimo número de elementos que deve compor a amostra é crucial na pesquisa e
nem sempre é um propósito fácil de se atingir. O pesquisador, nesse propósito, é auxiliado por técnicas e
métodos que encontra em textos de estatística.
O tamanho máximo da amostra ocorrerá quando PQ for mínimo; isto se dá para P = Q = 0,5. Para o caso de uma
população tida como infinita a fórmula se reduz:
Z 2 PQ
n
2
48
Técnicas de pesquisa
Técnica, do gr. tékhne, arte. No sentido geral, técnica compreende o conjunto de materiais e
procedimentos ligados a uma arte ou ciência; os meios materiais utilizados para fazer uma obra; um
conhecimento prático; o conjunto de regras, procedimentos e materiais para fazer algo específico e atingir
um fim pré-estabelecido. Pode ser considerada, também, como uma habilidade ou uma maneira de agir ou de
utilizar procedimentos concretos na obtenção de determinados propósitos.
A técnica é o modo de proceder no método, subentendido em seus menores detalhes; a
operacionalização do método segundo normas. É resultado da experiência e exige habilidade em sua
execução. Um mesmo método pode comportar mais de uma técnica, conforme seja a natureza do objeto
tratado e os propósitos pretendidos com o tratamento.
A diferença semântica entre método e técnica pode ser comparada à existente entre gênero e espécie,
sendo que em alguns casos, pela estreita complementaridade é difícil e em alguns casos até de pouca
utilidade separar um do outro.
No contexto de pesquisa, a técnica é um conjunto, por vezes, um sistema, de procedimentos concretos
(regras normas e princípios que auxiliam a aplicação do método científico, incorporando tento métodos como
técnicas; expressa etapas para alcançar um resultado) de que se serve a investigação e a ciência para atingir
seus propósitos. Não é o “caminho” como, com freqüência, é definido o método, mas, sim a arte ou a
maneira de percorrê-lo, o instrumento que auxilia a aplicação do método para atingir determinados objetivos.
Qualquer que seja seu sentido ou definição, se procedimento, habilidade, parte operacional de um
processo, uma combinação desses conceitos ou significado (...), as técnicas de pesquisa devem aparecer
explícitas no documento, seja ele o projeto de pesquisa ou o relatório técnico-científico, com especificação
de suas diversas fases.
Quais são as fases da pesquisa em que se utilizam técnicas, com certa especificidade, conforme sejam
o método, o problema e os objetivos da investigação? A relação que segue mostra uns poucos exemplos
ilustrativos, para despertar a curiosidade e incitar à reflexão, dessas técnicas:
a) A prospecção de clientes e beneficiários, de áreas e setores, de mercados e organizações relacionadas,
entre outros alvos da investigação, com técnicas que possibilitem fazer análises temporais para
horizontes de planejamentos desses alvos e ambientes, em estudos adequados, tais como:
a.1) O passado: retrospectiva: a evolução e dinâmica histórica de atores, suas ações e ambientes
para explicar a realidade do presente. A compreensão de fatos naturais do passado pode ser
justificada quando se buscam explicações e descrições para o entendimento do que ocorreu e
até orientações para o futuro com base em experiência e lições do passado.
a.2) O presente: diagnósticos temáticos / setoriais e integrados suficientes para definir (descrever)
“estados” e condições da realidade do presente.
Na observação e registro de fatos, fenômenos (...) que, com freqüência, apresentam-se complexos e
onde mudanças e exigências de clientes são cada vez mais dinâmicas desperta para a necessidade da
prospecção e de situar a organização dentro dessa nova realidade. Daí surge a necessidade de dispor
adequadas técnicas para fazer estudos de cenários prospectivos. A realidade que a pesquisa atenderá se
situa nessa prospecção, devendo-se preparar no presente para o atendimento de necessidades esperadas
no futuro.
a.3) O futuro; cenários prospectivos: antevisão de possíveis / esperadas realidades de futuro, com
diversas técnicas de prospecção, entre outras, as tecnológicas. São técnicas que permitem entender e
“utilizar” as forças do presente que determinam o futuro no horizonte de longo prazo, tais como:
A previsão probabilística ou forecasting; uma premissa básica da previsão é a relação de causa – e –
efeito que se observa entre entradas e saídas de um sistema.
A avaliação de impactos esperados ou assessment; a technology assessment pode ser definida como
a identificação e avaliação de impactos econômicos, sociais, ambientais, éticos e políticos, entre
49
de ambientes. Esta técnica oferece inúmeras aplicações, em especial, nas fases de transferência e
difusão de tecnologia.
c) Técnicas de experimentação que seguem após o planejamento experimental uma vez formulada a
hipótese. Correspondem à fase de levantamento de dados nas observações dos atributos em foco na
pesquisa.
Em todo planejamento experimental é fundamental ter-se um objetivo claro acerca dos dados e
informações desejáveis e possíveis para desenvolver a pesquisa, repetindo, apenas os necessários para
atingir os propósitos da investigação. É a partir desse objetivo exeqüível e delimitado com clareza que
se especifica o esquema e técnica de experimentação seguindo seus princípios. Quais são esses
princípios que fazem parte de técnicas de experimentação? Os que seguem dão uma idéia:
Repetição; o propósito é obter a melhor estimativa do efeito de um tratamento na resposta, com a
idéia de que se comparam grupos e não apenas unidades experimentais (repetições ou réplicas). As
repetições possibilitam estimar erro experimental com informação necessária para testar a
significância no teste. É sempre desejável que os experimentos tenham grande número de repetições;
contudo, na prática, esse número é limitado, entre outras causas pelos recursos disponíveis.
Aleatorização ou casualização para impedir a subjetividade quando se atribui, a cada elemento, a
mesma probabilidade de ocorrência, presença ou localização do tratamento em uma unidade
experimental, destacando-se o fator sistemático. Para se terem grupos tão iguais em seus elementos,
quanto possíveis, são fundamentais algumas exigências, uma delas é a de que os tratamentos, em um
bloco, parcela experimental (...) sejam sorteados.
O controle local baseado na aplicação de conceitos como os de tratamento, suporte experimental e
blocos.
A estatística experimental apresenta diversas técnicas que, conforme seja a natureza da pesquisa e os
pressupostos dessas técnicas, o investigador avalia e aplica, com adequados critérios, em seu trabalho.
Quais são essas técnicas “tradicionais”? Técnicas que se utilizam em experimentações, tais como
c.1) Os experimentos inteiramente casualizados; corresponde ao desenho em que a comparação de
grupos (tratamentos) compreende a situação com apenas a variação individual e o efeito do
tratamento, contidos na variação total. Assim, o desenho só pode ser adotado quando as unidades são
“similares”, isto é, têm as mesmas condições para responderem ao tratamento; quais são essas
condições? Poderão ser tamanho, idade, sexo, peso, textura, estrutura etc., conforme seja a natureza
da unidade experimental.
c.2) Experimentos em blocos casualizados ou delineamentos em blocos completos casualizados. O
pesquisador utiliza essa técnica quando as causas de controle no experimento de campo, laboratórios
etc., sobre uma resposta objeto de pesquisa são conhecidas e controláveis, porém as unidades não são
todas iguais. Entretanto, é possível diferenciá-las (agrupá-las) em blocos.
c.3) Quadrados latinos; neste desenho experimental, “os blocos são organizados de duas maneiras
diferentes, (...), uns em linhas, outros em colunas”, utilizado para reduzir a heterogeneidade do
material de pesquisa que apresenta essas duas direções ou quando se atribui a cada elemento uma ou
mais fontes de variação. Aplica-se quando o pesquisador quer controlar duas causas de variações
mediante dois tipos de blocos.
d) Técnicas utilizadas em testes de hipótese. O teste de hipótese é um procedimento que permite ao
pesquisador tomar uma decisão acerca de uma proposição formulada e que serve de orientação quando
verificada a consistência dessa proposição com base em dados disponíveis de uma amostra (Quadro2).
Para a verificação da hipótese o pesquisador poderá utilizar, conforme seja o caso, várias técnicas e ter
explicações de solução ou delimitação do problema (...) segundo sejam os fatores de tempo, lugar ou
características do fato, fenômeno ou atributo em evidência no teste.
A relação que segue apresenta algumas técnicas de testes de hipóteses, com desdobramentos
(ilustrações, exemplificações e especificações de critérios) apresentados posteriormente:
51
d.1) Teste de F; teste básico para a análise de variância quando se comparam as estimativas de
variações das causas de um experimento. Essas causas correspondem aos efeitos do(s) tratamento(s)
e a um efeito residual. Os pressupostos ou bases teóricas do teste (fator crítico) são as de que as
observações tenham distribuição normal e as amostras sejam tomadas ao acaso; tais condições,
quando não cumpridas, comprometem a eficiência do teste.
d.2) Teste de t. É o teste mais freqüente dos testes estatísticos utilizados para estimar a diferença de
médias entre dois grupos.
Os pressupostos que o fundamentam são os de independência das séries comparadas de observações
obtidas ao acaso, com distribuição normas e que as duas amostras tenham variâncias iguais. Outra
exigência notável é a de que os contrastes sejam ortogonais.
52
d.3 Teste de Tukey, utilizado para comparar todo e qualquer contraste entre duas médias de
tratamentos, sendo exato e simples quando o número de repetições é o mesmo para todos os
tratamentos; caso sejam diferentes, o teste pode ser usado, porém é apenas aproximado; em sua
definição consta um valor tabelado em função do número de tratamentos, o nível de significância e
a estimativa do desvio-padrão.
d.4 Teste der Duncan, utilizado para comparar contrastes de médias com resultados mais detalhados
e significativos em casos em que o teste de Tukey não acusa diferenças. Exige, para ser exato, que
todos os tratamentos tenham o mesmo número de repetições. Em sua definição constam, também,
um valor tabelado contendo a amplitude total estudentizada do teste de Duncan para vários níveis
de significância, o número de tratamentos comparados e a estimativa do desvio-padrão.
d.5) Teste de Qui-quadrado (2); é uma técnica muita utilizada em certas áreas de pesquisa como a
biologia. É utilizado para averiguar se certas observações (p.ex., amostrais) seguem determinada
distribuição (p.ex., a distribuição normal), discreta ou contínua, com ou sem parâmetros
conhecidos, isto é, se a freqüência com que um determinado acontecimento observado em uma
amostra se desvia significativamente ou não da freqüência com que ele é esperado; se duas
variáveis, discretas ou contínuas, são independentes, organizadas em uma tabela chamada de
contingência.
e) Técnicas de síntese, avaliação de consistência (p. ex., de elaboração de banco de dados) e análise de
dados e informações como são as estatísticas: técnicas de testes, de regressão e de análises
multivariadas.
f) Técnicas de redação e para a elaboração de ilustração e apresentação de documentos, destacam-se as
técnicas e critérios da ABNT e ISO, bem como técnicas da análise ética em investigações biológicas e
médicas.
g) Técnicas de comunicação científica, de transferência e difusão dos resultados e de integração de
empresas, instituições e organizações como são as universidades, centros de pesquisas e instituições de
financiamento e amparo à investigação; em áreas como a extensão, a difusão e a comunicação
científica há modernas técnicas no lastro da tecnologia da informação e comunicação.
Técnicas da informação e informática como as que se aplicam na formação de banco de dados e nos
mecanismos de busca de informações técnicas na Internet. Na parte de revisão de literatura, com as
pesquisas documentais e bibliográficas, foram apresentadas várias técnicas.
f) Técnicas de avaliação de impactos da tecnologia adotada e de prospecção de novos problemas (novas
oportunidades) para a pesquisa, para dar início a um novo ciclo de investigação.
As técnicas que acompanham os métodos e tanto aquelas como estas se definem, repetindo, com base
na natureza do problema (ou da oportunidade) para investigação e nos objetivos que se pretendem alcançar,
bem como nos recursos disponíveis para este fim. Dessa forma, conhecer o que se pretende resolver (o
problema em foco) para que e para quem (os objetivos) é essencial para se definir o como resolver (a
metodologia).
A definição da metodologia científica é fundamental para gerar um resultado com efetividade no DS,
sem, contudo, pretender ou imaginar que essas ferramentas possam substituir a criatividade do pesquisador;
apenas poderão potencializar esses atributos indispensáveis e insubstituíveis do investigador.
Na definição metodológica se evidenciam os métodos (procedimentos de suporte teórico), auxiliados
por técnicas (procedimentos de suporte prático) para atingir os propósitos da pesquisa.
A parte que segue sintetiza e ilustra o conceito de método científico aplicado na pesquisa que se
programa para o desenvolvimento.
Métodos de pesquisa
O método do gr., ( ; palavra composta de metá, atrás, em seguida e
hodós, caminho para chegar a um fim ou pelo qual se atinge um objetivo; pelo lat. methodus significa
53
proceder ao longo de um caminho, de uma rota); a maneira de dizer, ensinar, agir, ordenar, organizar ou fazer
uma “coisa”, segundo certos princípios e determinada ordem. Em seu sentido genérico é o caminho pelo qual
se atinge certo resultado. Conforme este conceito, ao tratar do método, coloca-se como questão central, a
relação entre o método e a realidade em que se defina o resultado pretendido a ser alcançado com o auxílio
de um conjunto de meios convenientemente dispostos.
O método científico é proposto como um guia, um meio, no desenvolvimento do conhecimento
sistemático e estruturado orientado para a formulação de teorias e a para a aplicação das mesmas na
descrição e explicação de fatos e fenômenos. Trata-se não apenas de métodos que se usam nas ciências
aplicadas como são os métodos descritivos, de experimentação, analíticos (...), mas, também, os que se
utilizam em outros campos como são os sociais, históricos (...), muitos deles com características especiais.
Em geral, o método de investigação pode ser entendido como um conjunto de procedimentos
racionais, sistêmicos e ordenados que com relativa segurança e economia, ao delinear um caminho a seguir,
detectar erros a evitar e avaliar decisões, auxilia o pesquisador em uma dimensão (ou mais, simples ou
combinadas) para alcançar determinados propósitos. Quais são as possíveis dimensões na aplicação de
métodos de investigação? A seguir se indicam algumas dessas aplicações e dimensões:
a) Planejar: métodos de prospecção e geração de cenários para definir o que pesquisar e as
características desses processos e seus resultados conforme sejam as prospectivas.
b) Comprovar proposições (...) mediante a aplicação de técnicas em testes de hipóteses quando se
estabelecem comparações, contraposições, contraste etc.
c) Selecionar e obter dados e informações com conteúdo e valor como são os métodos de amostragens e
os de levantamento dessas informações que utilizam diversas técnicas.
d) Avaliar consistências, sintetizar e analisar dados e informações como são os métodos estatísticos
combinados com os métodos de áreas específicas.
e) Relacionar variáveis, estados, funções (...) como são os métodos estatísticos, de sistemas e de
simulação para entender processos (dinâmicos, estáticos, retro-alimentações, defasagens etc.).
f) Demonstrar, explicar e interpretar resultados de aplicação direta com diversos métodos e auxílios de
técnicas.
g) Métodos do “pensamento puro”, tais como os da argumentação, persuasão, indução e dedução.
h) Métodos de observações teóricas, tais como o hermenêutico (da especulação: conhecimento puro; da
explicação: causalidade; e da compreensão: conhecimento histórico; fenomenológico: método que trata
aspectos essenciais do fenômeno com o propósito de apreendê-lo mediante a intuição intelectual e a
descrição do intuído; e sistêmico com abordagens diferenciadas, tais como a racionalista, teoria de
sistemas e dinâmica de sistemas, entre outras.
Qualquer que sejam a definição e dimensão(ões), o método da investigação é a “melhor” forma
instrumental e de auxílio para descobrir e separar “verdades” de aparências, orientado, segundo o
cartesianismo (ver método cartesiano), para:
a) Buscar a evidência no fato objeto de investigação: a observação de alguma parte da natureza de
interesse; essa parte, em termos práticos, é o problema (oportunidade) que é detectado no cliente e que
se “traduz” em problema do método científico. Por esse método, postula-se um “modelo” [vale dizer,
um processo] fundado em observações, com medidas e experimentações; inventam-se tentativas
descrições, as hipóteses, consistentes com o objeto observado; utilizam-se essas hipóteses para fazer
predições; testam-se as predições com base em experimentos ou outras formas de observações e se
modificam as hipóteses à luz de novos resultados de testes.
b) Por esse “caminho”, procede-se analiticamente na busca de um propósito; esse propósito pode ser, p.
ex., a solução de um problema ou a evidência de procedimentos para aproveitar uma oportunidade.
c) O método permite ordenar de maneira sistemática; o ordenamento deve ser objetivo e, segundo Walker
(op. cit.) poderá se orientar para verificar as predições do modelo com respeito às observações.
d) Recapitular de forma exaustiva a totalidade dos fatores (vale dizer, os principais fatores causais) de um
54
problema até se obter a verdade científica (hipótese aceita) quando não exista discrepância entre a
teoria e a experimentação ou a observação utilizada no teste. Em termos ilustrativos o método
científico pode ser sintetizado conforme se indica na Figura 7.
TEORIA
TEORIA
Consistente
Realidade
Realidade
Observação
Observação HIPÓTESE
HIPÓTESE Predição
Predição
Não-consistente
Mudar Hipótese
TT ee ss tt ee
próxima entre a realidade e o método (a teoria: seus fundamentos e pressupostos com a caracterização
do fato ou fenômeno do objeto de investigação).
c) Validade, quando a escolha do método é baseada na natureza do objeto de pesquisa (a natureza do
problema). Implica conhecer os pressupostos do método para “bem” aplicá-los na investigação e dele
obter resultados com efetividade da solução do problema.
Os procedimentos técnicos, métodos (...) de que trata o método científico, seja ele geral ou discreto,
baseiam-se em:
a) Observações, medidas e experimentos que geram os dados e informações necessárias para a pesquisa.
b) Verificações de predições com respeito às observações (ou aos dados experimentais) da realidade.
c) Ajustes ou mudanças conforme sejam as exigências da realidade alvo da investigação.
O método científico é um traço característico e indispensável da ciência e da pesquisa que busca a
verdade científica, podendo-se afirmar que onde não há método científico não há ciência nem resultado
consistente. Isto, porque não seria possível construí-la sem esse conjunto de procedimentos e atividades
sistemáticas, racionais e seqüências. Não se trata de prescrições infalíveis para encontrar a verdade científica,
nem “receitas” exaustivas para descobrir algo, inventar idéias e pô-las em prática, mas, processos e
instrumentos para agir com ordem ou disciplina, com lógica na argumentação e de maneira econômica e
racional. Tampouco os métodos científicos são auto-suficientes, porque não se podem aplicar, com
efetividade, em ausência de conhecimentos acerca de seus pressupostos e das condições da realidade em que
se utilizam, devendo-se observar harmonia e proximidade ou identidade entre essa realidade e a teoria dos
métodos.
A seqüência das fases do método científico pode ser sintetizada na Figura 8, para o caso de dois
ciclos exemplificados de investigação. No primeiro ciclo (linha simples), o pesquisador tem conceitos e
conhecimentos teóricos e da realidade que lhe permitem definir um problema (PROBLEMA*) sobre o qual
aplica técnicas (p. ex., para testar) e métodos (p. ex., para estimar; teoria de base aplicada no banco de
dados), estabelece explicações provisórias (hipóteses) com a utilização dessas técnicas e gera evidências
probabilísticas com novos resultados: novas informações e produtos para novos conhecimentos e inovações.
Conhecimento
Conceito Hipótese
Hipótese
Novas
Novaship.
hip.
PROBLEMA* Novas informações,
serviços e produtos para:
novo conhecimento
Estimação
Estimação e inovação.
Hipóteses
Hipóteses
Técnica/testar
Técnica/ testar
Método
Evidências
Evidências
Método ** NOVO
Variáveis
Variáveis PROBLERMA
Teoriade
Teoria deBase
Base Novasevid.
Novas evid.
Bancode
Banco dedados
dados Novasvar.
Novas var.
Primeiro ciclo
Segundo ciclo
Apesar de não existirem regras concretas, fixas e universais que orientem os processos integrados de
pesquisa científica em sua fase metodológica, é possível se ter conceitos e princípios, alguns gerais e com
certa flexibilidade, de especial valor para o pesquisador, tais como:
a) Formular o problema com precisão e de maneira objetiva ou específica.
b) Formular a hipótese de maneira clara e com conteúdo definido.
c) Submeter a hipótese à constatação rigorosa do teste, em geral estatístico, sem declará-la verdadeira
quando for confirmada em determinada situação apresentada com os dados e informações da realidade
tratada pela pesquisa.
d) Questionar-se por que a resposta de aceitação ou de rejeição da conjetura sobre as relações entre as
variáveis testadas é da forma indicada pela proposição e não de outra maneira.
Os métodos científicos que o pesquisador utiliza podem ser agrupados em gerais do pensamento
científico e os específicos. A parte que segue sintetiza e ilustra métodos do primeiro grupo:
a) Métodos gerais de um pensamento científico que segue a ciência.
I) O método fenomenológico; o que aparece, o que está claro; alguns autores não o reconhecem como
um método, mas, como uma atitude e abertura no sentido de estar livre para perceber e compreender o que se
mostra; refere-se à intuição e a descrição do intuito.
II) O método dedutivo. Este método tem sua origem na obra de Aristóteles, pelo que também é
conhecido como lógica aristotélica, com seu fundamento no silogismo, isto é, em argumentos concatenados
de afirmações; tais argumentos têm a finalidade de estabelecer uma proposição, verdadeira ou falsa; é a
conclusão que acrescenta algo de novo, mas, cujo conteúdo está implícito nas premissas.
Os métodos racionais dedutivos atendem às diferentes maneiras de como as premissas levam à
conclusão. Em sua forma original, o método dedutivo parte de um pressuposto ou tese geral; depois,
formula-se uma tese específica e, finalmente, conclui-se com uma dedução lógica. A conclusão é o resultado
final do processo de inferência e só pode ser classificada como tal no contexto de um argumento em
particular.
Em essência é uma representação formal de um processo de raciocínio lógico aplicado no
encadeamento de premissas. O ponto inicial é uma premissa antecedente (P1); parte (admite-se) daquilo que
é conhecido e apresenta validade universal para os casos particulares, a fim de gerar ou descobrir, mediante
esse raciocínio, uma inferência ou conclusão; este é o ponto final como premissa conseqüente (C) contendo
uma inferência particular, passando por uma premissa intermediária (P2) e onde se adiciona uma nova
verdade em C.
A primeira regra da demonstração direta é não omitir o exame de ambas as premissas; a afirmativa da
premissa maior poderá ser uma generalização insegura ou um aproveitamento axiomático condicionado ao
valor que se lhe atribui ou, ainda, uma convicção dogmática, como em casos de conhecimentos em religião.
A segunda regra se concentra na coerência interna das proposições; uma das premissas não pode supor a(s)
outra(s) que está(ao) por provar; essa coerência poderá ser formal, conforme as regras do silogismo, ou
material, pela atenção à verdade de seu conteúdo e coordenação das premissas.
O método da demonstração indireta age a partir dos termos da conclusão do raciocínio, mostrando a
possibilidade ou não do resultado formal, demonstrando-se que por esse método se chegam a conseqüências
falsas ou revelar que a conclusão se opõe aos princípios evidentes. São exemplos de silogismos as seguintes
proposições:
III) O método indutivo. Fundamenta-se em um processo mental de raciocínio pelo qual, a partir de
dados e informações particulares e localizadas de fatos e fenômenos com suficiente constatação (adequada
observação da realidade), infere-se uma verdade geral ou universal, não contida nas partes examinadas
(premissas). Orienta-se, portanto, para planos cada vez mais abrangentes, indo de constatações mais
particulares às leis e teorias.
Pelo método indutivo se obtém inferência e conclusão de algum fato que é observado e analisado em
particular (p. ex., o atributo que é destacado numa amostragem), com a generalização para todos os fatos
“similares” (p. ex., os atributos semelhantes da população que se estuda e da qual foi obtida a amostra),
incluindo os não observados e os não analisados dessa população: passa-se do singular para o universal.
No método indutivo, originalmente ligado a Bacon e ao empirismo, destacam-se três fases:
58
VI) Método analítico. O método analítico ou merológico procura examinar, com detalhes, cada um
dos componentes de um sistema, visando conhecer fenômenos e fatos particulares (aqueles fundamentais
que se colocam em foco na investigação) que definem possíveis causas e a natureza do problema.
A análise tende a gerar sínteses de desagregados, envolvendo um núcleo de estudos particulares, ao
tratar da mensuração de relações entre variáveis.
O método analítico, na pesquisa moderna, tem sido adequado à realidade, introduzindo, entre outros
aspectos, a visão sistêmica nessa desagregação. Dessa forma, a análise de um determinado aspecto se orienta
conforme o sistema que o compreende.
VII Método estatístico. É um conjunto de técnicas e procedimentos apoiados em teorias sistemáticas
como as de estatística, probabilidade, matemática e informação-computação, entre outras, utilizado para
dimensionar (p. ex., a amostragem) e obter os dados da pesquisa, bem como para organizar, sintetizar e
analisar esses dados.
O quadro sinóptico que segue sintetiza algumas das ferramentas que o pesquisador pode utilizar,
prévia a avaliação das características das técnicas e métodos estatísticos e, em especial, das condições da
realidade que determinam sua aplicação, procurando que entre os pressupostos teóricos e as características
59
Estatística descritiva
Fundamentos e formulação.
Testes relativos a médias
Testes relativos a variâncias
Testes de independência
60
Es t atí s ti ca
anal í ti ca
Método
Método estatístico
estatístico
Método
Método Método
Método
descritivo
descritivo inferencial
inferencial
Univariável
Univariável Multivariável
Multivariável Teste
Teste
Forma
Forma distribuição
distribuição
Correlação
Correlação Dois
Dois grupos
grupos
Tendência
Tendência Central
Central
Vários
Vários grupos
grupos
Regressão
Regressão
Dispersão
Dispersão //
Concentração
Concentração Análise
Análise de
de variância
variância
As ilustrações que seguem (Quadro 7 e Figura 10) sintetizam aspectos da relação que existe
(evidenciada, quando necessário) entre a pesquisa (considerado, neste Quadro, apenas o projeto) e a
estatística (etapas do método estatístico descritivo na pesquisa descritiva).
Neste sentido, não há um teste t de Student específico para solos ou climatologia ou medicina ou
economia ou direito; tampouco existe uma disciplina de estatística, de matemática, de sistema ou de
informática etc., para solo, climatologia (...), apesar de utilizarem dados e informações diferentes e os
contextos de decisão, bem como as implicações na fixação de critérios como os de aceitação de erros, sejam
diferentes nas diversas áreas de aplicação.
Os fundamentos e pressupostos da estatística, matemática, sistema de informação etc., são os
mesmos, independente de onde sejam aplicados. Cabe ao pesquisador, quando necessário, adequá-los à
realidade conforme a especificidade da área de pesquisa.
PROBLEMAPARA/...
PROBLEMA PARA/... Caracterização
Caracterizaçãoeedefinição
definição
Origem, Causa
Origem, Causa do
doPROBLEMA
PROBLEMADE/...
DE/...
Evolução,Efeitos
Evolução, Efeitos
Fato, Fenômeno
Fato, Fenômeno (...)
(...) de
de INTERESSE:
INTERESSE:
Observação. Experimentação
Observação. Experimentação
Coletar dados.
Coletar dados. Pesquisa
Pesquisa documental
documental
Consistência
Consistência
Criticar dados:
Criticar dados: suprir
suprir valores,
valores,
eliminar erros
eliminar erros
Banco de
Banco de dados
dados “consistidos”:
“consistidos”: facilita
facilita
análises cruzadas,
análises cruzadas, integração
integração (...)
(...)
Análise descritiva:
Análise
- Indicadores descritiva:
Numéricos: IN
- Indicadores Numéricos: IN (...)
- Ilustrações: Gráficos, Quadro
- Ilustrações: Gráficos,
- Integração (IN e G,Q) Quadro (...)
- Integração (IN e G,Q)
- Análise e interpretação
- Análise e interpretação
RELATÓRIO
RELATÓRIO
- Síntese
- Síntese
- Ilustrações
- Ilustrações
compreendem: entrevistas com funcionários (...) e a aplicação de questionário para avaliar a opinião
do usuário final quanto à automação de sua rotina de trabalho; entrevistas com os analistas de
A Figura 11 mostra a seqüência e lógica na relação fato, uma observação da realidade objeto de
pesquisa a ser traduzida, com o auxilio de instrumentos (de medição, de caracterização do atributo) ou não,
caracterizar
População
Fato
acontecimentos: atributos?
processos: atributos?
fenômenos...: atributos?
sistema: dado e informação?
Não-consistida
taxa
Irrelevante
Amostra
Observação
experimentação
Figura 88 **
outras pesquisas *
taxa
Dados para
Figura
Sistema de informações
Dado
Discreta Contínua
taxa
Va r i á v e l
Escala:
Nominal Qualitativa
Atributo. Ex:
Ordinal Religião, cor (...)
Intervalar
Quantitativa
Razão Número. Ex:
Peso, preço (...)
A Figura 12 sintetiza procedimentos que seguem à observação e registro do dado: “banco de dados”
Pesq. Documental
Fontes: 1as, 2as
Observações (...)
Experimentação
B a n c o d e d a d o s re l a c i o n a l
“Tabela” 1 “Tabela” m
Chave Chave
Dado... Dado...
“Tabela” n “Tabela” p
Chave Chave
Dado... Dado...
Interface
Filtro
Interface
Filtro
Análise
Análise
Formatador
Formatador
Dado
Dado filtrado
filtrado
Miner
Miner Resultado
Resultado da
da
Consulta
Consulta
Resultado Formatado
Preço
Valor
A essência da política
Textos
8 CRONOGRAMAS DE TRABALHO
MESES
FASE
JUL AGO SET OUT NOV DEZ
1 Planejamento do processo de
levantamento de dados e
informações
3 Aplicação: levantamento de
dados primários
4 Entrevistas complementares
...
16 Mapeamento de um
processo crítico automatizado
17 Elaboração de Proposta
para automação
18 Apresentação de resultados
19 Validação de resultados
...
25 Implementação da proposta
com um processo em fase de
automação
68
OBSERVAÇÕES:____________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
MESES
FASE
JUL AGO SET OUT NOV DEZ
1 Planejamento do processo de
levantamento de dados e
informações
3 Aplicação: levantamento de
Dados
4 Entrevistas complementares
...
16 Mapeamento de um
processo crítico automatizado
17 Elaboração de Proposta
para automação
18 Apresentação
19 Validação
...
25 Implementação da proposta
com um processo em fase de
automação
69
OBSERVAÇÕES:____________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
(Fontes de financiamento; partidas – contrapartidas; processos de estimativas de custos, despesas, gastos etc,
consultorias; contratações de serviços externos; entre outras)
PESSOAL
FASE DO PROJETO FUNÇÃO TEMPO CUSTO
NOME
ESPECIALIZAÇÃO (%) (R$/mês)
1 3.870,01
1 Planejamento do processo 1 Analista de sistema
1 Julio Souza MS 1 40 2
de levantamento de dados e Coordenador
2 Andrés Costa BS 2 50 1.862,0
informações 2 Economista
3 José Padilha MS 3 25 3
3 Administrador
1.905,0
2 Elaboração, teste e 1 Julio Souza MS
1 Analista de sistema 1- 1-
“ajuste” do questionário 2
...
1 Julio Souza MS
15 Análise de pontos críticos 1 Analista de sistema
16 Mapeamento de um
1 Julio Souza MS
processo crítico 1 Analista de sistema
automatizado
19 Validação
70
...
25 Implementação da proposta
com um processo em fase de
1 Analista de sistema
automação
OBSERVAÇÕES:____________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
10 RESULTADOS ESPERADOS
Este projeto pretende analisar o impacto da automação na BB Turismo – Viagens e Turismo,
as vendas da empresa.
Outro resultado esperado é identificar as principais falhas e propor soluções que minimizem
11 REFERÊNCIAS
BALLESTERO, Maria Esmeralda Ballestero. Manual de organização, sistemas e métodos. São
Ângela Noronha, Cecília Assumpção, César Taylor da Costa, Marina Poggi, Paulo Roberto de
GARCIA, EAC. Orientações para elaborar projetos de pesquisa com qualidade e fazer pesquisas
SACONNI, Luiz Antônio. Minidicionário Saconni da Língua Portuguesa. São Paulo: Atual, 1998.
73
2 Texto
Figuras
Quadros Tabela 1 (Título)
Ilustrações Tabelas Tabela 2 (Título)
...
2.3 Conclusões Tabela
e/ou 3 (Título)
recomendações
...
3.1 Referências
Anexo A – (Título)
Anexo B – (Título)
3.2 Anexo(s)
Ilustrações
Anexo C – (Título)
...
3.3 Agradecimentos (op.)
3 Pós-texto 3.4 Glossário (op.)
3.5 Índice (op.)
3.6 Ficha de identificação
3.7 Capa (terceira e quarta)
a
Fonte: NBR 10719: 1989 e . ABNT (2002).