Parte 3: TIPOS DE DESENHOS DE PESQUISA QUANTITATIVA

O desenho da pesquisa é dividido em três grupos: quantitativo, qualitativo e método misto. O pesquisador deve decidir sobre o desenho mais adequado para o tipo de trabalho de pesquisa (Fig. 10). O campo das ciências sociais e da pesquisa em educação emprega uma variedade de desenhos e métodos de pesquisa quantitativa, incluindo desenhos experimentais, correlacionais, de levantamento topoFigura e quase-experimentais.

A investigação quantitativa engloba várias conceções experimentais, incluindo experiências verdadeiras, quase-experiências, análise comportamental aplicada e experiências com um único sujeito. Por outro lado, a pesquisa quantitativa não experimental envolve pesquisa causal-comparativa, onde o investigador compara vários grupos com base em uma variável independente que já ocorreu, e desenho correlacional, onde os investigadores usam estatística correlacional para medir a associação entre variáveis ou conjuntos de escores.

Além disso, esses desenhos evoluíram para relações mais intrincadas entre variáveis, como modelagem de equações estruturais, modelagem linear hierárquica e técnicas de regressão logística. As estratégias quantitativas tornaram-se mais complexas nos últimos anos, com experimentos apresentando inúmeras variáveis e tratamentos, como desenhos fatoriais e desenhos de medidas repetidas. Modelos elaborados de equações estruturais também foram desenvolvidos para identificar a força coletiva de múltiplas variáveis e caminhos causais.

Cada projeto tem características e objetivos distintos. Nesta seção, exploraremos esses projetos em profundidade, fornecendo uma compreensão completa de sua adequação para várias investigações de pesquisa e destacando suas abordagens distintas.

A metodologia empregada por um pesquisador pode afetar significativamente o resultado e a precisão de seu estudo. O desenho da pesquisa engloba a estrutura, estrutura e estratégia que os pesquisadores usam para abordar uma questão de pesquisa. Ao considerar cuidadosamente esses elementos, os pesquisadores podem estabelecer suas hipóteses, conduzir seu estudo e interpretar seus dados (Leavy, 2022). Na pesquisa quantitativa, é fundamental manter o controle e mitigar quaisquer fatores que possam influenciar ou distorcer as descobertas. Rever as principais características e pressupostos que sustentam a pesquisa quantitativa é vital para apreciar como o controle desempenha um papel crucial no design da pesquisa quantitativa (Asenahabi, 2019; Bloomfield & Fisher, 2019).

A pesquisa quantitativa é um processo formal e sistemático para descrever variáveis, testar suas relações e examinar associações de causa-efeito entre variáveis. A pesquisa quantitativa gera dados numéricos, predominantemente informados por paradigmas positivistas ou pós-positivistas e sustentados por vários pressupostos, como a crença em uma única verdade ou realidade, objetividade e dedução (Hair et al., 2021; Sukamolson, 2007).

Investigação quantitativaé um método científico que emprega técnicas objetivas e imparciais para testar hipóteses e encontrar a resposta correta. O processo de pesquisa envolve a extração de uma amostra representativa de participantes de uma população conhecida e a medição das variáveis de interesse. Normalmente, os pesquisadores começam testando a hipótese nula, que postula nenhuma conexão entre variáveis independentes e dependentes. A hipótese é examinada e os resultados são avaliados através de análise estatística. Em última análise, a hipótese nula é considerada aceitável ou inaceitável com base nos resultados das avaliações estatísticas. Uma vez que a hipótese nula é aceita ou rejeitada, inferências ou generalizações podem ser aplicadas à população de interesse. O desenho da pesquisa deve ser confiável e ter validade interna e externa, coletivamente conhecida como rigor, para permitir generalizações confiantes sobre uma população (Watson, 2015).

O rigor na pesquisa quantitativa pode ser descrito como a quantidade de controle que o pesquisador exerce para prevenir os efeitos de variáveis estranhas ou de confusão sobre a variável dependente (teste ou resultado).

Para avaliar o efeito de um único fator sobre um determinado resultado, o pesquisador deve levar em conta quaisquer outras variáveis ou fatores externos que possam potencialmente afetar o resultado. Isso pode ajudar a isolar o impacto específico da variável independente que está sendo estudada.

Por exemplo, para criar um perfil de risco de queda, um pesquisador precisa comparar as características de uma amostra de pacientes que sofreram uma queda com as de uma amostra de pacientes que não sofreram.

Nesta situação, se houver um erro na seleção da amostra do grupo de pacientes não caindo e este grupo acidentalmente consistir em uma média maior para a idade, então a diferença – ou não – entre os dois grupos pode ser devido à idade devido ao erro amostral.

A pesquisa quantitativa utiliza uma gama de diferentes desenhos de estudo. Estes podem variar na forma como são categorizados de acordo com quatro tipos significativos de investigação quantitativa: descritiva, correlacional, quase experimental e experimental (Tab. 6).

Um estudo quantitativo descritivo tem como objetivo examinar variáveis de uma única amostra e medi-las, descrevê-las e interpretá-las sistematicamente. É comumente usado para coletar dados sobre um fenômeno específico ou atributo de interesse dentro de uma amostra ou população conhecida em seu ambiente natural sem controlar ou manipular variáveis.

Estudos de pesquisa que descrevem e examinam variáveis em dois ou mais grupos são desenhos descritivos comparativos. A(s) variável(ões) de interesse são medidas e descritas em ambos os grupos e depois comparadas. Por exemplo, os investigadores podem realizar um estudo descritivo comparativo para descrever as diferenças nas qualificações académicas entre enfermeiros e enfermeiros empregados num hospital local.

Os resultados de estudos de pesquisa descritiva são mais valiosos para determinar a frequência com que algo existe. São também úteis para descrever um fenómeno novo ou pouco conhecido. No entanto, embora os resultados não possam ser usados para estabelecer causa e efeito, eles podem ajudar a desenvolver hipóteses que podem ser testadas em estudos futuros.

Os investigadores devem utilizar métodos para garantir que os dados recolhidos são fiáveis e válidos. Isso inclui o uso de uma técnica de amostragem probabilística para selecionar uma amostra de tamanho adequado e representar com precisão a população-alvo. 

Os instrumentos e métodos utilizados para a coleta de dados em estudos descritivos incluem levantamentos, checklists, observações, entrevistas e equipamentos para medir variáveis fisiológicas, como balanças de peso e termômetros. Estes também devem ser calibrados, padronizados e pilotados antes do uso para garantir a validade interna.

O objetivo primário da pesquisa correlacional é estabelecer a existência, força e direção de uma relação entre duas ou mais variáveis. Este é o grau em que as mudanças numa variável correspondem a alterações noutra. Ao analisar o coeficiente de correlação, os pesquisadores podem determinar a natureza e a direção da relação entre as variáveis, o que é crucial para tomar decisões informadas com base nos dados coletados.

Assim como a pesquisa descritiva, os estudos correlacionais não manipulam as variáveis investigadas e não procuram determinar causa ou efeito. Em vez disso, eles podem descrever ou prever relações ou testar modelos teóricos de relações. As inferências causais sobre as relações entre variáveis independentes e dependentes não são feitas sem seleção aleatória ou manipulação da variável independente. Não há qualquer tentativa de fazer tais inferências sem seguir o procedimento acima referido (Rumrill, 2004). Os resultados de estudos correlacionais podem ser explicados estatisticamente de três maneiras: positivo, negativo e sem correlação.

Em estatística, uma correlação positiva refere-se a uma conexão ou associação entre duas variáveis de tal forma que quando uma variável aumenta, a outra variável também aumenta, ou quando uma variável diminui, a outra variável também diminui (Bloomfield & Fisher, 2019). Isso significa que as duas variáveis se movem na mesma direção. Por exemplo, a quantidade de comida que uma pessoa consome pode correlacionar-se positivamente com o peso.

Uma correlação negativa entre variáveis ocorre quando um aumento em uma variável resulta em uma diminuição em outra e vice-versa. Por exemplo, quanto mais comida uma pessoa consome, menores serão os seus níveis de fome. Diz-se que duas variáveis não estão correlacionadas quando uma alteração em uma não leva a uma alternância na outra e vice-versa.

Os pesquisadores normalmente se baseiam em uma medida estatística chamada coeficiente de correlação ao relatar os resultados de estudos correlacionais. Este valor varia de +1 a -1, com um valor próximo de +1 indicando uma correlação positiva robusta e um valor próximo de -1 significando uma correlação negativa significativa. Um valor próximo de zero indica que as variáveis não estão correlacionadas.

A terceira categoria de desenho de pesquisa quantitativa são os estudos quase experimentais. Estes são semelhantes aos estudos experimentais na medida em que visam testar a eficácia das intervenções e, portanto, envolvem a manipulação de uma variável independente.

No entanto, ao contrário de um estudo experimental adequado (por exemplo, um ensaio clínico randomizado controlado), eles não têm a alocação aleatória dos participantes para certas condições, como uma intervenção/grupo experimental ou controle. Isso pode ter implicações consideráveis, porque outros fatores além daqueles que estão sendo investigados podem afetar os resultados. Estas são conhecidas como variáveis confusas ou estranhas.

Quando a realização de um ensaio clínico randomizado controlado não é viável ou ética, geralmente são realizados quase-experimentos. Diferentes tipos de estudos quase-experimentais incluem, entre outros (tab. 7.):

• controlo não equivalente pré-ensaio conceção pós-ensaio
• conceção pós-ensaio de controlo não equivalente
• conceção pré-teste-pós-teste de um grupo e
• séries interrompidas no tempo.

O desenho do estudo experimental tem o maior nível de controle e tem sido frequentemente identificado como o padrão-ouro da pesquisa quantitativa devido à sua capacidade de determinar uma relação de causa-efeito entre uma intervenção (a causa) e o resultado do estudo (o efeito) (Rogers & Révész, 2020).

A pesquisa científica reconhece amplamente os projetos experimentais como o padrão ouro. Este método, conhecido como experimentação verdadeira, estabelece uma relação de causa-efeito entre variáveis dentro de um estudo. Apesar dos equívocos comuns, a verdadeira experimentação não é exclusiva de ambientes laboratoriais.

A pesquisa experimental fornece uma abordagem estruturada para estabelecer relações causais entre variáveis. Usando esta abordagem, o pesquisador está ativamente envolvido na dedução e teste de hipóteses. O pesquisador manipula uma variável independente (causa) e observa seu efeito sobre uma variável dependente enquanto tenta controlar variáveis estranhas. Isto é conseguido através da administração do tratamento a um grupo, retendo-o de outro e, em seguida, analisando as pontuações resultantes de ambos os grupos.

No âmbito da pesquisa, um experimento envolve selecionar os participantes aleatoriamente e expô-los a diferentes níveis de uma ou mais variáveis, conhecidas como variáveis independentes. O pesquisador então observa o impacto dessa exposição em uma ou mais variáveis de desfecho chamadas variáveis dependentes. O objetivo da realização de uma experiência é estabelecer uma correlação entre as variáveis independentes e dependentes e deduzir conclusões sobre a eficácia da intervenção e o seu nexo causal. Um aspeto fundamental deste processo é o controlo de variáveis estranhas. Este controlo é essencial, uma vez que garante que quaisquer efeitos observados se devem unicamente à manipulação das variáveis independentes, aumentando a validade do estudo. Os experimentos são uma ferramenta potente para investigar relações de causa e efeito em diversos campos, incluindo psicologia, medicina, física e engenharia (Mizik e Hanssens, 2018).

Experimentos verdadeiros alocam aleatoriamente os sujeitos a condições de tratamento, enquanto quase-experimentos utilizam atribuições não aleatórias. Para garantir a semelhança dos sujeitos, os casos são pareados em várias características e aleatoriamente alocados em grupos controle e experimental. Apenas fatos observáveis são considerados, e as estatísticas inferenciais produzem resultados numéricos precisos. Vários desenhos experimentais foram desenvolvidos, desde simples antes e depois até complexos desenhos fatoriais multivariados, incluindo:

• Design paralelo - Em um design paralelo, os participantes são aleatoriamente atribuídos ao grupo de intervenção ou controle.
• Design cruzado - Em um design cruzado, os participantes são inicialmente atribuídos ao grupo de intervenção ou controle e, em seguida, mudam para o outro grupo após um certo período de tempo. Este design ajuda a negar o preconceito das diferenças individuais, uma vez que cada participante se torna seu próprio controle.
• Desenho de agrupamentos - Em muitos contextos de investigação, nem sempre é possível aleatorizar indivíduos para receber diferentes intervenções. Para ultrapassar esta situação, grupos ou agrupamentos de indivíduos (por exemplo, enfermarias, unidades ou hospitais) podem ser aleatoriamente atribuídos ao controlo ou à intervenção e todos os membros do agrupamento receberão a atribuição.

O ensaio clínico randomizado e controlado (ECR) é uma abordagem de pesquisa altamente valorizada que incorpora essas virtudes (Styles & Torgerson, 2018) (Fig. 11).

Todas as variáveis são identificadas e controladas neste tipo de experimento, exceto uma. A variável independente é manipulada para observar seus efeitos sobre as variáveis dependentes. Além disso, os participantes são aleatoriamente atribuídos a tratamentos experimentais em vez de serem selecionados de grupos naturais. Isso garante a validade da pesquisa.

Os princípios fundamentais dos desenhos experimentais incluem atribuição aleatória, manipulação de variáveis e grupos de controle. Embora os projetos experimentais estabeleçam efetivamente relações causais, eles também têm limitações, como considerações éticas e restrições práticas.

O quadro fundamental de um desenho quantitativo está enraizado no método científico, utilizando o raciocínio dedutivo. Isso envolve o pesquisador desenvolver uma hipótese, investigar para coletar dados sobre o problema e, em seguida, analisar e compartilhar as conclusões para demonstrar que as hipóteses não são falsas.

Para seguir este procedimento, deve-se:

• Observe um fenômeno desconhecido, inexplicável ou novo e pesquise as teorias atuais relacionadas ao assunto.
• Crie uma hipótese para explicar as observações feitas.
• Preveja resultados com base nessas hipóteses e crie um plano para testar a previsão.
• Recolher e processar dados. Se a previsão for precisa, prossiga para a próxima etapa. Caso contrário, crie uma nova hipótese com base no conhecimento disponível.
• Verifique os resultados, tire suas conclusões e apresente os resultados em um formato adequado.

(2014) delinear as etapas de um desenho clássico de pesquisa experimental verdadeira, que envolvem reunir um grupo de participantes, realizar um pré-teste na variável dependente, atribuir aleatoriamente os participantes ao grupo experimental ou controle, controlar de perto a aplicação do tratamento experimental entre os dois grupos e medir ambos os grupos novamente na variável dependente após a manipulação experimental (Figura 12). Existem variações, como a remoção de pré-testes, incluindo vários tratamentos experimentais, ou o uso dos mesmos participantes em todas as condições experimentais.

Seguir passos cruciais é essencial para conceber e conduzir experiências de forma eficaz. Essas etapas incluem o seguinte: (Kuçuksayraç, 2007):

• Amostragem de participantes para o estudo.
• Atribuição aleatória de participantes a grupos.
• Atribuição aleatória de grupos a condições experimentais ou de controlo.
• Definição da variável independente, que se refere ao aspeto do ambiente a ser estudado que varia entre os grupos.
• Definir a variável dependente, que mede quaisquer mudanças comportamentais resultantes.
• Controlar todas as outras variáveis que podem afetar a variável dependente, mantendo a variável independente consistente.
• Realização de testes estatísticos para confirmar ou refutar a hipótese para determinar se existem diferenças entre os dois grupos em relação às medidas das variáveis dependentes.
• Se a hipótese se confirmar, explique e generalize os resultados.
• Finalmente, prever como os resultados podem ser aplicados a outras situações, potencialmente através da replicação.

Em conclusão, a pesquisa quantitativa é um método importante para medir variáveis e avaliar a eficácia das intervenções. Ao contrário da pesquisa qualitativa, a pesquisa quantitativa é conduzida objetivamente, enfatizando o viés redutor. Os pesquisadores que procuram adotar práticas baseadas em evidências devem ter uma forte compreensão do desenho de pesquisa quantitativa. Este conhecimento permite-lhes compreender e avaliar melhor a literatura de investigação e, potencialmente, integrar os resultados e recomendações do estudo no seu trabalho.

Tabela 8. resume as alternativas para a implementação de projetos de pesquisa quantitativos e experimentais ajustados às diferentes condições de pesquisa.