Análise de dados na pesquisa

Versões, nomes de botão e citações são os das páginas oficiais observadas em 09/09/2026; quando a sua tela divergir, vale a tela. As saídas de terminal, o notebook e o projeto do Taguette são execuções reais nesta máquina (Python 3.14.7, pandas 3.0.5, SciPy 1.18.1, JupyterLab 4.6.3, Taguette 1.5.2, LibreOffice Calc 25.2.7).

Antes de abrir o dado, escreva em uma linha: «vou comparar Y entre os grupos de G com teste, e o resultado principal é a diferença com IC 95 %». Se essa linha não existe no projeto, o passo é voltar ao Metodólogo, não ao software. Wilson et al. (2017) chamam isso de prática «boa o bastante»: decidir antes, registrar tudo.

Wilson et al. (2017): dados brutos intocados, um script para cada transformação, nomes de arquivo previsíveis. Toda decisão de limpeza («os 2 ausentes de massa ficaram fora da média», «a duplicata da linha 40 foi removida porque…») vai para um arquivo de texto ao lado do dado e depois para o método. O que não está escrito não aconteceu.

Um dado aberto é bruto como qualquer outro: baixe, guarde intocado com a data e a URL, e passe pelo limpar_dados.py. No texto, cite a fonte, a tabela, a data de acesso e a licença — e diga o que foi filtrado ou recodificado. A exportação do SIDRA costuma vir «larga» (anos nas colunas): o slide «Dados arrumados» resolve.

A planilha é boa para olhar o dado e para a primeira descritiva; é ruim para guardar a análise. Se você vai ficar nela, duas regras: nenhuma célula de resultado digitada à mão (tudo fórmula, com o intervalo visível) e o arquivo de dados separado do arquivo de cálculo. Se vai sair dela, saia depois de ter a tabela arrumada — o resto das ferramentas lê CSV.

As médias são idênticas nas duas ferramentas. O DP difere em Adelie e Gentoo porque a fórmula do Calc contou, no n do denominador, a linha em que a massa está ausente (n − 1 = 151 em vez de 150 para Adelie): o Python descarta a linha sem valor antes de calcular; o COUNTIF contou a espécie, não a massa. Chinstrap, sem ausente, bate exatamente. Lição: antes de comparar resultados entre ferramentas, compare o n.

Você não precisa «aprender Python» para usar a Parte 3: os scripts recebem o CSV e os nomes das colunas e imprimem o resultado. Precisa, sim, saber ler o que sai — é o que os slides «Como ler os números» e «Pressupostos» fazem. Quem quiser ir além tem o notebook (slide seguinte), onde cada linha pode ser alterada e reexecutada.

O script nunca apaga linhas. Cada aviso vira uma decisão sua, escrita no relatório de limpeza: o ausente fica ausente (não vira zero); a duplicata sai se for erro de digitação, fica se forem duas observações reais; o valor extremo fica, salvo erro comprovado de medida — e, mesmo assim, o texto diz que saiu e por quê. A análise roda com e sem ele quando a dúvida persiste.

Diferença: as fêmeas pesam, em média, 683,41 g a menos. O IC 95 % é a faixa compatível com os dados (de −840,58 a −526,25 g): não inclui o zero, então a diferença é distinguível de zero. O t de Welch compara as duas médias sem supor variâncias iguais; d de Cohen = −0,94 é a diferença dividida pelo DP combinado — quase um desvio padrão, um efeito grande. O Mann-Whitney repete a comparação por postos. r = 0,87 é a correlação de Pearson (−1 a 1): massa e nadadeira crescem juntas, forte; ρ de Spearman faz o mesmo por postos. No qui-quadrado, p = 0,976 e V de Cramér = 0,01 (0 a 1) dizem que a proporção de fêmeas e machos é praticamente a mesma nas três espécies. Os n mudam (342, 333) por causa dos ausentes de cada análise.

Conferir pressuposto é olhar o dado, não coletar mais um p: o boxplot com pontos (Figura 17) mostra assimetria, caudas e valores extremos melhor que um teste de normalidade em amostras grandes. No método: «a normalidade foi avaliada graficamente; o teste robusto correspondente foi relatado ao lado». Se os dois discordam, relate os dois e explique.

Nenhuma figura do texto vem de um gráfico de planilha copiado nem de um editor de imagem: o nome do script e do arquivo de dados que a geraram ficam registrados (no notebook, no README ou na legenda do material suplementar). Se alguém pedir «a figura com os dados de 2025», a resposta é um comando, não uma tarde de trabalho.

Quando a técnica é uma das do slide «A técnica vem do projeto» e você não quer programar: o jamovi lê o CSV arrumado, mostra a tabela de dados de um lado e a saída do outro, e atualiza o resultado quando se muda uma opção. Peça sempre o tamanho de efeito e o IC nas opções da análise — eles não vêm marcados por padrão em todo programa de menu, e sem eles o relato não cumpre o SAMPL.

Limpar no OpenRefine é aceitável porque o histórico de operações é reproduzível: guarde-o junto do relatório de limpeza e cite-o no método. Explorar no Orange é aceitável porque não decide nada: o que você vir ali vira uma pergunta a conferir com a técnica do projeto — não um resultado.

O codebook é uma tabela — etiqueta, definição, exemplo, contraexemplo — escrita antes da codificação, a partir da pergunta de pesquisa e da primeira leitura, e versionada: toda etiqueta criada durante a codificação entra nele com data e motivo. Sem codebook, dois leitores etiquetam o mesmo trecho de jeitos diferentes e ninguém pode conferir. O Taguette exporta o codebook (slide «Ver por etiqueta e exportar»), mas quem o escreve é você.

Um projeto por estudo, não por entrevista: os documentos ficam juntos para que a aba «Highlights» mostre uma etiqueta atravessando todos eles (slide «Ver por etiqueta»). Antes do primeiro documento, o codebook já está escrito e as etiquetas criadas com os mesmos nomes.

Um destaque é uma decisão: aquele trecho responde àquela definição do codebook. Trecho longo demais dilui o tema; curto demais perde o contexto que o leitor precisa para concordar com você. Codifique todo o material com o mesmo codebook; se ele mudar no meio, volte ao primeiro documento e recodifique — é a fase 4 de Braun e Clarke.

O script organiza; não interpreta. A síntese em Markdown é o ponto de partida do capítulo de resultados: para cada tema, a definição, em quantos documentos apareceu e os trechos — e então você escreve o que o tema responde à pergunta. Cada trecho citado no texto leva o identificador do documento («entrevista_02»), como o Taguette exporta.

No método: cada técnica com o motivo, o software com versão, o que foi feito com ausentes e valores extremos, a correção para múltiplas comparações. No resultado: a frase acima, para cada pergunta do projeto, na ordem do projeto. Nada de «p < 0,05» genérico, nada de resultado sem n, nada de figura sem script.