Este blogue será utilizado na nova Unidade Curricular - Metodologias de Investigação do Programa Doutoral Multimédia em Educação. Os elementos do grupo são: Carlota Lemos,Cláudia Cruz, Isabel Araújo, Luís Pereira e Lurdes Martins.

28
Mar 10









Tratamento de dados: conselhos práticos e passos a seguir


 


1 - Registar e seguir dados


 Como: Elaborar um registo/diário completo de todos os sujeitos abordados para participar no estudo.


Porque se faz: permite registar datas em que foram abordados; ver se cumpriam os critérios para participar no estudo; ver se deram o seu consentimento por escrito.


Objectivo: Seguir a inscrição dos sujeitos e determinar se o grupo resultante é representativo da população que o investigador pretende estudar. Em alguns ambientes de estudo (programas de tratamento médico, escolas, organizações) é possível para o investigador obter informação adicional em sujeitos elegíveis para o estudo mas que não foram recrutados, seja porque escolheram não participar, seja porque não foram abordados pelo investigador, tornando possível que o investigador determine se a amostra é representativa da população.


Adicionalmente ao diário de recrutamento dos sujeitos, um sistema bem delineado para seguir os sujeitos pode dar ao investigador informações actualizadas sobre o estado geral do estudo, incluindo participação dos sujeitos, recolha de dados e registo de dados.


 2 - Selecção de dados


 Quando: Feita imediatamente à recolha de dados mas antes do registo dos dados, para seleccionar a sua relevância.


Objectivos: Ver se as respostas são legíveis e compreensíveis; Ver as respostas que se encontram dentro dos limites aceitáveis para o estudo; Ver se as respostas são completas; Verificar se toda a informação foi incluída.


Porque se faz: para ver se há necessidade de contactar novamente com os sujeitos com vista a corrigir omissões, erros ou inadequações.


Como: recolhendo os dados com a ajuda de programas de avaliação computorizados (SPSS, etc).


Permitem: programação para aceitar respostas dentro de determinados parâmetros, verificar campos deixados em branco ou fazer verificação cruzada de respostas entre determinados itens para detectar inconsistências; transferência de dados para uma base de dados permanente, automatizando o procedimento de entrada de dados.


 3 - Construir uma base de dados


 Como: criar um livro de código dos dados


O que é: Lista escrita ou computorizada que dê uma descrição completa e clara das variáveis que vão ser incluídas na base de dados.


Importância: essencial quando o investigador começa a analisar os dados; serve de guia para que ao reanalisar determinados dados não fique “encalhado”  a tentar lembrar-se o que significa o nome de uma determinada variável ou que dados foram usados para determinada análise;


 Deve conter, no mínimo para cada variável:


Nome da variável;


Descrição da variável;


Formato da variável (número, data, texto)


Instrumento ou método de recolha


Data de recolha


Respondente ou grupo


Localização da variável (na base de dados)


Notas


 4 - Entrada de dados


 Como: usar programas de base de dados (Excel, Acess, SPSS) que permitem definir a gama, formatos  e tipos de dados que podem ser aceites em determinados campos, o que poupa tempo na inserção de dados que não estejam dentro desses parâmetros e que não serão aceites pelo programa.


 5 - Transformar dados


 Envolve:


Identificação e codificação de valores em falta


Computar totais e novas variáveis


Reverter itens de escalas


Recodificar e categorizar


 Identificação e codificação de valores em falta


Os valores em falta resultam de sujeitos que não responderam, observações falhadas, dados incorrectos rejeitados pela base de dados.


Para que não enviezem os resultados programas estatísticos como o SPSS dão a hipótese de ignorar os casos de variáveis em falta ou tratar automaticamente valores em falta cmo estando em branco.


 Computar totais e novas variáveis


 Pode ser necessário criar novas variáveis baseadas em valores de outras variáveis.


Exemplo:


Um investigador tem dados sobre o número total de vezes que os clientes necessitando de dois tratamentos diferentes foram aos tratamentos em cada mês.


O investigador fica com um total de 4 variáveis, cada uma representando o número de sessões frequentadas em cada semana durante o primeiro mês de tratamento, chamemos de q1, q2, q3, q4.


Se o investigador quisesse analisar a frequência mensal dos diferentes tratamentos tinha de computar uma nova variável:


Total=q1+q2+q3+q4


 Reverter itens de escalas


 Objectivo: fazer diminuir a propensão dos sujeitos de darem a mesma resposta padronizada.


Exemplo: Os participantes de um estudo têm de indicar os níveis de concordância de 1 a 5 com uma série de afirmações. 1= descordo completamente e 5 = concordo completamente.


O investigador pode decidir reverter a escala em alguns itens para que 1 = concordo completamente e 5 = descordo completamente. Isto pode reduzir as respostas automáticas e padronizadas.


Cuidados a ter: antes de analisar os dados é necessário recodificar os itens revertidos para que as respostas sigam a mesma direcção.


 Recodificar variáveis


 Algumas variáveis podem ser mais facilmente analisadas e interpretadas se recodificadas em categorias.


Exemplo: Tornar uma variável contínua numa variável categorial. Um investigador pode querer agrupar dentro de limites específicos variáveis como a idade ou rendimentos monetários. 

Marczky, G.; DeMatteo, D. & Festinger, D. (2005). Essentials of Research Design and Methodology. John Wiley and Sons, Inc. Hoboken, New Jersey


P.S. Continuo a ter de "mendigar" computador uma vez que o meu ainda não veio do arranjo e o  velho iMac não aguenta estas modernidades!








Março 2010
Dom
Seg
Ter
Qua
Qui
Sex
Sab

1
2
3
4
5
6

7
8
9
10
11
12
13

14
15
16
17
18
19
20

21
27



arquivos
pesquisar
 
blogs SAPO