Desenho de Investigação para Mestrado: Do Problema às Conclusões
O desenho de investigação é a arquitectura do teu estudo — define o que vais medir, como e em quem. Erros aqui propagam-se até à defesa. Este guia cobre os pontos críticos para mestrandos.
1. Tipos de investigação
Quantitativa
Mede variáveis numéricas, testa hipóteses, generaliza para populações. Usa estatística inferencial.
Quando usar: questões do tipo "quanto?", "existe diferença?", "qual a relação?"
Qualitativa
Explora significados, experiências e contextos através de entrevistas, observação ou análise de documentos.
Quando usar: questões do tipo "como?", "porquê?", "o que significa?"
Mista (Mixed Methods)
Combina ambas as abordagens para obter uma visão mais completa. Requer justificação clara da combinação.
Quando usar: quando uma abordagem única não responde à questão completamente.
2. Tipos de estudos quantitativos
| Tipo | Descrição | Exemplo |
|---|---|---|
| Experimental | Controlo e manipulação de variáveis; randomização | Ensaio clínico com grupo de controlo |
| Quasi-experimental | Manipulação sem randomização completa | Pré-teste/pós-teste em turmas naturais |
| Correlacional | Relações entre variáveis, sem manipulação | Satisfação vs. desempenho académico |
| Descritivo/Transversal | Descreve uma população num momento único | Questionário de hábitos de estudo |
3. Questão de investigação e hipóteses
Questão de Investigação
Deve ser: específica, mensurável, relevante e responsável dentro do tempo disponível.
❌ "O que afecta o desempenho académico?"
✔ "Existe relação entre a satisfação com o curso e a média final em alunos de licenciatura da Universidade de Lisboa?"
Hipóteses
H₀ (nula): não existe efeito/relação
H₁ (alternativa): existe efeito/relação
H₀: Não existe correlação entre satisfação e média (r = 0)
H₁: Existe correlação positiva entre satisfação e média (r > 0)
4. População, amostra e número de casos
Cada elemento tem igual probabilidade. Mais representativa.
Elementos disponíveis. Mais comum em mestrados. Limita generalização.
Participantes recrutam outros. Usada em populações difíceis de aceder.
N mínimo: para análise de correlação e regressão tipicamente n ≥ 50–100; para AFE n ≥ 5×número de itens. Usa sempre Power Analysis para calcular o n adequado ao teu estudo.
5. Instrumentos de recolha de dados
Questionários
- Escalas Likert (1–5 ou 1–7)
- Validar com AFE + Alpha de Cronbach
- Pré-teste em 5–10 pessoas
- Ferramentas: Google Forms, Qualtrics, LimeSurvey
Entrevistas
- Estruturadas, semi-estruturadas, não estruturadas
- Gravar com consentimento
- Transcrever e codificar (NVivo, ATLAS.ti)
Dados secundários
- Bases de dados públicas (INE, Eurostat, OCDE)
- Registos administrativos
- Dados de redes sociais / web scraping
6. Validade e fiabilidade
Validade
- Interna: os resultados devem-se à variável estudada, não a outras
- Externa: generalizabilidade para outras populações/contextos
- De construto: o instrumento mede o que pretende medir (AFE/CFA)
- De conteúdo: os itens cobrem adequadamente o construto
Fiabilidade
- Alpha de Cronbach: consistência interna (α ≥ .70)
- Omega de McDonald: alternativa mais robusta ao Alpha
- Test-retest: estabilidade temporal
- Inter-rater: acordo entre observadores (Kappa)
Páginas relacionadas
Fundamentos de metodologia.
Calcular o tamanho da amostra.
Fluxograma de decisão.
Validação de escalas e instrumentos.
Formatar a metodologia e resultados.