A vida visual dos dados qualitativos – PARTE 2

A vida visual dos dados qualitativos – PARTE 2

Ludomedia QNOW A vida visual dos dados qualitativos Parte 2

Luiz Rafael Andrade, Catarina Brandão e António Pedro Costa

Na segunda parte sobre “A vida visual dos dados qualitativos”, apresentaremos exemplos de outputs visuais explorados através de dados que correspondem à etapa de análise em investigações qualitativas, bem como nossas considerações finais sobre o tema.

O uso de representações visuais na fase de análise de dados qualitativos

Após pontuarmos, na primeira parte deste material, sobre a importância de visualizar a etapa de organização da pesquisa qualitativa também com o apoio de representações, é preciso destacarmos, em seguida, a importância desse mesmo apoio na fase de análise de dados.

Sabemos que uma representação, se bem utilizada, pode até mesmo contribuir para a identificação de novos conhecimentos sobre os dados exibidos. Neste sentido, é fundamental que o pesquisador qualitativo se empodere de estratégias visuais no momento de analisar e, posteriormente, comunicar os seus dados.

O uso de representações visuais na análise de dados qualitativos pode ser uma opção potencializadora do que esteja descrito no formato de texto, algo também que possibilite ao autor descobrir novas interpretações sobre o objeto estudado, além de um artifício de síntese de uma informação a ser transmitida, sendo um elemento aliado para a divulgação científica.

Abaixo apresentamos exemplos de formas pelas quais os dados qualitativos de uma pesquisa podem ser representados visualmente – por meio do apoio das tecnologias digitais – para o pesquisador e seus leitores. Começamos por listar um conjunto de outputs que traduzem o trabalho de codificação já realizado pelo investigador, concluindo com duas possibilidades de representação e síntese dos resultados e conclusões de uma investigação

1. Gráfico de Circulares

Os gráficos de circulares consistem em círculos que representam 100% de algo, divididos em “fatias” de proporções ou percentagens. São uma ótima maneira de ilustrar o número de repetições de uma determinada pesquisa e respetiva percentagem de grupo de fontes/dados. Podemos, também, comparar várias categorias num determinado contexto. Por exemplo, é possível mostrar quantas pessoas de um determinado grupo têm comportamentos, hábitos ou preferências diferentes. Na mesma representação é possível relacionar com a totalidade de participantes do estudo.

Figura1 - Gráfico de Circulares

Fonte: webqda.net

2. Dendrograma

O dendrograma é uma representação visual da família dos diagramas, cuja estrutura principal tem como base o diagrama de árvore. O dendrograma pode representar dados nos formatos horizontal e vertical. É possível que seja usado na visualização dos códigos estruturados em árvore o sentido vertical, facilitando também como vai ser exportado e usado, na maioria das vezes em trabalhos escritos no formato de folha A4. Aqui, as categorias principais e secundárias também podem ser exibidas e hierarquizadas por cores, com a finalidade de que a leitura e interpretação sejam cada vez mais rápidas e objetivas para o leitor. Pode-se perceber numa única representação o quanto as categorias podem estar próximas ou distantes umas das outras.

Figura2 - Dendograma

Fonte: minitab.com

3. Gráficos de Barras

Os gráficos de barras são simples e de alguma forma fáceis de criar. Os gráficos de barras podem ser verticais ou horizontais, em que cada barra representa os valores de cada categoria/subcategoria. Os gráficos de barras podem representar qualquer conjunto de categorias em que o autor pode comparar lado a lado, recorrendo a cores para representar as diferentes categorias. Por exemplo, é possível comparar as categorias interpretativas com categorias descritivas (intervalos de idade, profissão).

Figura3 - Gráficos de barras

Fonte: observablehq.com

4. Tabelas de Dupla Entrada – Matrizes

Embora nem sempre sejam as mais atraentes visualmente, as tabelas de dupla entrada permitem fornecer vários pontos de dados ou categorias para ajudar os leitores a entender as relações entre os itens. Numa tabela, pode-se organizar nas linhas as categorias interpretativas e nas colunas as categorias descritivas do que se pretende comparar. Cada célula da tabela (comumente conhecido por matriz) cruza pelo menos duas categorias. Para manter as tabelas simples e úteis, bem como evitar que se tornem confusas, deve-se destacar as secções que precisam de atenção, recorrendo a cores.

Figura 4 - Tabelas de Dupla Entrada - Matrizes

Fonte: webqda.net

5. Mapas Conceptuais

Os mapas conceptuais são diagramas hierárquicos em que os conceitos estão relacionados entre si sob a forma de proposições, através do recurso a palavras ou expressões. Um Mapa Conceptual tem duas componentes fundamentais:

  • Conceitos (traduzidos por uma ou várias palavras);
  • Expressões ou palavras de ligação.

Dois ou mais conceitos ligados por uma expressão de ligação formam uma proposição que consiste numa “afirmação com significado”, também denominada por “unidade semântica”. Alguns mapas têm a opção de personalização com inserção de cores e formatações básicas, como a utilização do negrito e do itálico, para que o utilizador possa destacar os conceitos que se relacionam, ou não, entre si.

Figura 5 - Mapas conceptuais

Fonte: https://cmc.ihmc.us/Papers/cmc2004-060.pdf

6. Mapa Mental

O mapa mental é idêntico a um diagrama de aranha que organiza as informações em torno de um conceito central, com a conexão das suas ramificações. O que o distingue da família de diagramas é a sua capacidade de representar a comunicação no mesmo objeto primário. Pode suportar diferentes linguagens, como texto, imagem, vídeo, links, etc. Os mapas mentais procuram representar o relacionamento conceptual existente entre dados/informações que normalmente estão difusas e fragmentadas. Trata-se de uma opção visual para ilustrar ideias e conceitos, dar-lhes forma e contexto, traçar os relacionamentos de causa, efeito, simetria e/ou similaridade que existem entre elas e torná-las mais palpáveis e mensuráveis. O que pode planear ações e estratégias para alcançar objetivos específicos.

O layout é controlado movendo os códigos mais próximos ao código mãe da árvore. Quando um desses códigos é movido horizontalmente para o outro lado da raiz, todos os seus filhos (sub-códigos) são enviados para o layout com uma nova direção, fazendo com que o texto seja movido para fora do código mãe. Quando um código é excluído, todos os seus filhos são excluídos. Quando um código é arrastado, todos os seus filhos são, também, arrastados. Normalmente, dependendo das funcionalidades, ambos são configurados durante a criação do Mapa Mental/Diagrama.

Figura6 - mapa mental

Fonte: goconqr.com

Considerações finais

A visualização de dados pode ser usada desde o momento de organização dos dados da pesquisa qualitativa, até à fase de análise e apresentação dos resultados. Tem também a possibilidade de contribuir para que pesquisadores e seus leitores descubram novas interpretações e conhecimentos sobre o fenómeno estudado. Possui potencial para colaborar com empresas, indivíduos e consumidores a tomar decisões informadas através da análise das tendências dos dados que, de outra forma, seriam mais difíceis.

Ao optar pelo uso de saídas de dados visuais, importa considerar o conhecimento do autor sobre o que essas mesmas saídas traduzem. Importa garantir que essa informação, sendo dominada pelo autor, é transmitida de forma clara aos leitores. No âmbito dos artigos submetidos ao Congresso Ibero-Americano em Investigação Qualitativa (ciaiq.ludomedia.org) e à World Conference on Qualitative Research (wcqr.ludomedia.org), os trabalhos utilizam frequentemente uma determinada representação, mas sem nenhum texto explicativo sobre o que é apresentado. Uma imagem pode valer mil palavras, mas é necessário expressá-las. Consideramos, neste âmbito, que a aplicação da visualização de dados na pesquisa qualitativa aumenta a celeridade da tomada de decisão, permite o acesso a resultados em tempo real a partir de qualquer lugar, transmite a mensagem certa para o público com recurso a poucas palavras, sintetiza e dá sentido a dados complexos. É um campo em franco crescimento, à medida que cada vez mais investigadores fazem uso consciente destas ferramentas. 

Bibliografia

Costa, A. P., Moreira, A., & Souza, F. N. de. (2019). webQDA – Qualitative Data Analysis (3.1). University of Aveiro and MicroIO. www.webqda.net

Eyenike, T. (2022). Data Visualization Using Chart.js and Gatsby. https://hackernoon.com/data-visualization-using-chartjs-and-gatsby

Google. (2021). Using Google Charts. https://developers.google.com/chart/interactive/docs

Long, A. (2017). Popular Techniques for Visualizing Qualitative Data. LinkedIn. https://www.linkedin.com/pulse/popular-techniques-visualizing-qualitative-data-adam-long/

Payette, N., & Watts, C. (2016). Quality versus Sexiness: The rival qualities of papers in the competition for academics’ attention. Share by PEERE. http://www.peere.org/wp-content/uploads/2016/03/Quality-versus-Sexiness_CW.pdf

Produtos Relacionados

Partilhar
Share on facebook
Share on twitter
Share on linkedin
Share on email
Share on whatsapp

Notícias Relacionadas

As ferramentas digitais de análise podem influenciar positivamente no processo de organização e categorização dos dados. Também apresentam a capacidade de garantir melhor descrição das etapas incorporadas ao tratamento dos dados…
A representação visual é útil durante todas as fases da análise de dados. Estes permitem identificar padrões, tendências numéricas e não numéricas, recorrendo a gráficos, mapas, quadros, diagramas, fluxogramas, entre outros.
A Investigação Qualitativa tem beneficiado do enorme progresso em termos de métodos e técnicas com uso intensivo de tecnologia. As atuais exigências do contexto investigativo compelem cada vez mais os investigadores a apetrecharem-se de ferramentas digitais que proporcionem agilização e eficiência nos seus processos de investigação.