Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Dicas para o Planejamento do Projeto de Pesquisa

Embora possa parecer um pouco estranho discutir o projeto de pesquisa por aqui, o planejamento do projeto de pesquisa é uma parte essencial do processo de pesquisa e tem implicações na qualidade dos dados coletados e analisados. As decisões tomadas podem afetar a qualidade dos dados que você precisa analisar e a maneira como aborda suas questões de pesquisa.

Uma boa pesquisa depende do planejamento cuidadoso e da execução do estudo. Existem muitos livros excelentes escritos sobre o tema do projeto de pesquisa para ajudá-lo nesse processo – desde uma revisão da literatura, formulação de hipóteses, escolha do projeto de estudo, seleção e alocação de participantes, registro de observações e coleta de dados (exemplo: Paul C. Cozby – Métodos de Pesquisa Em Ciências do Comportamento).

Para começar, tenha uma boa compreensão da pesquisa que já foi realizada em sua área. A leitura de uma variedade de textos sobre o tema ajudará. E agora, considere estas dicas ao projetar seu estudo:


• Considere que tipo de projeto de pesquisa (por exemplo, experimento, pesquisa, observação) é a melhor maneira de abordar sua questão de pesquisa. Existem vantagens e desvantagens em todos os tipos de abordagens de pesquisa; escolha a abordagem mais apropriada para sua questão de pesquisa específica.

• Se você optar por usar um experimento, decida se um projeto entre grupos (casos diferentes em cada condição experimental) ou um projeto de medidas repetidas (mesmos casos testados em todas as condições) é o mais apropriado para sua questão de pesquisa. Um grupo de controle é necessário ou desejável? A falta de grupo de controle limitará as conclusões que você pode tirar?

• Sempre selecione mais participantes do que você precisa, principalmente se estiver usando uma amostra de humanos. As pessoas são notoriamente pouco confiáveis ​​– elas não aparecem quando deveriam, ficam doentes, desistem e não preenchem os questionários corretamente.

• Em estudos experimentais, verifique se você tem participantes suficientes em cada um de seus grupos (e tente mantê-los iguais quando possível). Com grupos pequenos, é difícil detectar diferenças estatisticamente significativas entre os grupos. Existem cálculos que você pode realizar para determinar o tamanho da amostra que você precisará. Na Academy, temos aulas sobre o uso do G*Power, software gratuito e mundialmente recomendado para o cálculo amostral.

• Escolha variáveis ​​dependentes apropriadas que sejam válidas e confiáveis ​​(veja a discussão sobre este ponto mais adiante neste capítulo). É uma boa ideia incluir várias medidas diferentes – algumas medidas são mais sensíveis do que outras.

• Se você decidir realizar uma pesquisa por meio de um questionário que você mesmo criou, faça um teste piloto primeiro para garantir que as instruções, perguntas e itens da escala sejam claros. Sempre que possível, teste-piloto no mesmo tipo de pessoas que serão usadas no estudo principal (por exemplo, adolescentes, jovens desempregados, presos). Você precisa garantir que seus respondentes possam entender os itens da pesquisa ou do questionário e responder adequadamente. Os testes-piloto devem
também selecione quaisquer perguntas ou itens que possam ofender potenciais respondentes.

Essas são dicas básicas que podem evitar coletar os dados de maneira inadequada e diminuir dores de cabeça na hora de analisar os dados. Suas análises dependem da qualidade dos dados recolhidos e essa qualidade vem de um bom planejamento de pesquisa.

Gostou desse conteúdo? Precisa aprender sobre Metodologia e Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Se você é um profissional ou um estudante da área da saúde e está interessado nas práticas baseadas em evidências, este post é para você. Vamos descobrir como a base

Diferença entre as regressões logísticas: binária, ordinal e multinomial

Diferença entre as regressões logísticas: binária, ordinal e multinomial

A análise de regressão é uma técnica amplamente utilizada para verificar a existência de uma relação entre uma variável dependente e uma ou mais variáveis independentes. Existem diferentes tipos de

Construção de itens para instrumentos de autorrelato

Construção de itens para instrumentos de autorrelato

A elaboração de itens para instrumentos de autorrelato desempenha um papel crucial na pesquisa psicométrica, pois é por meio deles que os participantes expressam suas próprias experiências e percepções. Neste

Dados Normativos: Entendendo o Escore Z

Dados Normativos: Entendendo o Escore Z

Interpretar os resultados derivados do uso de um teste é tão crucial quanto criar ou adaptar os instrumentos e aplicá-los corretamente. Para a interpretação dos resultados, é essencial a criação

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

No campo da Psicometria, pesquisadores e profissionais frequentemente buscam garantir a precisão e consistência de seus instrumentos de medição. Um dos métodos usados para avaliar a confiabilidade de um teste

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Se você é um profissional ou um estudante da área da saúde e está interessado nas práticas baseadas em evidências, este post é para você. Vamos descobrir como a base

Diferença entre as regressões logísticas: binária, ordinal e multinomial

Diferença entre as regressões logísticas: binária, ordinal e multinomial

A análise de regressão é uma técnica amplamente utilizada para verificar a existência de uma relação entre uma variável dependente e uma ou mais variáveis independentes. Existem diferentes tipos de

Construção de itens para instrumentos de autorrelato

Construção de itens para instrumentos de autorrelato

A elaboração de itens para instrumentos de autorrelato desempenha um papel crucial na pesquisa psicométrica, pois é por meio deles que os participantes expressam suas próprias experiências e percepções. Neste

Dados Normativos: Entendendo o Escore Z

Dados Normativos: Entendendo o Escore Z

Interpretar os resultados derivados do uso de um teste é tão crucial quanto criar ou adaptar os instrumentos e aplicá-los corretamente. Para a interpretação dos resultados, é essencial a criação

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

No campo da Psicometria, pesquisadores e profissionais frequentemente buscam garantir a precisão e consistência de seus instrumentos de medição. Um dos métodos usados para avaliar a confiabilidade de um teste

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.