Ebook Metodologia Científica

Prévia do material em texto

Disciplina: Metodologia
Cienfica
Edição de unidade 5
Ano 2023
Presidente da República
Luiz Inácio Lula da Silva
Ministro da Educação
Camilo Sobreira de Santana 
Universidade Federal do Amazonas Reitor
Sylvio Mário Puga Ferreira
Vice-Vice-Reitora
Therezinha de Jesus Pinto Fraxe
Pró-Reitor de Ensino de Graduação
David Lopes Neto
Pró-Reitor de Extensão e Interiorização
Almir Oliveira de Menezes
Pró-Reitora de Pesquisa e Pós-Graduação
Selma Suely BaSelma Suely Baçal de Oliveira
Pró-Reitora de Planejamento e Desenvolvimento Instucional
Kleomara Gomes Cerquinho
Pró-Reitor de Administração e Finanças
Raimundo Nonato Pinheiro de Almeida
Pró-Reitora de Gestão de Pessoas
Maria Vanusa do Socorro de Souza Firmo
DiDiretora da Fundação de Apoio Instucional FAEPI
Luana Marinho Monteiro
Diretor do Centro de Educação a Distância
João Víctor Figueiredo Cardoso Rodrigues
Disciplina: Metodologia Cienfica
Edição do Reuni Digital
Copyright © 2023 Universidade Federal do Amazonas
Centro de Educação a Distância - CED
 
Editor
(nome)(nome)
Autora
Jonas Fernando Petry
Revisora de área
Selma Maria Silva do Nascimento
Revisão de linguagem EaD e Normazação
Eduardo de Castro Gomes
PProjeto Gráfico
Yuri Eduardo Barros Cardoso
Esta obra foi publicada com o apoio do:
Ministério da Educação
Endereço para Correspondência:
Av. Gal. Rodrigo Octávio, n.º 3000 - Coroado I, Campus Universitário,
Setor Sul, Bloco N Manaus - AM, CEP: 69077-000
Universidade Federal do Amazonas
Pró-Reitoria de Ensino de Graduação.
Centro de Educação a Distância.
E-book, para material didáco do
ensino da Graduação do Curso de Tecnologia
em Gestão Ambiental, 2023.
17 p.; 21cm X 29.7cmcm.17 p.; 21cm X 29.7cmcm.
ISSN XXXX-XXX-XXXX
1. Educação a Distância, material didáco.
2. E-book, Disciplina: Metodologia Cienfica
e Es
CDU XXXX-XXXX
Sumário
Introdução - apresentação do material..............................................3
Unidade 5 Instrumentos e Técnicas de Coleta, Análise e Interpretação 
de Dados em Pesquisas de Gestão Ambiental
1. Introdução aos instrumentos e técnicas de coleta, análise e 
interpretação de dados...........................................................................4
2. Métodos de coleta de dados em pesquisas de gestão 
ambiental...............................................................................................8
3. Técnicas de análise estasca aplicadas a gestão ambiental............13
4.4. Interpretação e comunicação dos resultados de pesquisas em gestão 
ambiental.............................................................................................18
Referências......................................................................................24
Introdução - apresentação do material
Resumo da Unidade
 
 A Unidade 5 explora os fundamentos dos instrumentos e técnicas de coleta, análise e
interpretação de dados em pesquisas relacionadas à gestão ambiental. Nesta unidade os alunos
serão apresentados a uma variedade de métodos de coleta de dados, como entrevistas,
quesonários e observações, e aprenderão a selecionar e aplicar a técnica mais adequada para
ccada cenário. Além disso, esta unidade abrange técnicas de análise estasca essenciais para
compreender e extrair insights significavos dos dados coletados. A interpretação e
comunicação eficaz dos resultados também são enfazadas, ressaltando a importância de
traduzir informações complexas em insights acionáveis para a tomada de decisões em gestão
ambiental.
Objevo da Unidade
 O objevo desta unidade é capacitar os alunos a compreender, selecionar e aplicar
adequadameadequadamente os instrumentos e técnicas de coleta, análise e interpretação de dados. em
pesquisas relacionadas à gestão ambiental. Os alunos serão capazes de escolher métodos de
coleta de dados apropriados para diferentes contextos, realizar análises estascas básicas e
interpretar os resultados de forma críca. Além disso, os alunos desenvolverão habilidades
para comunicar eficazmente os insights obdos a parr dos dados, facilitando uma tomada de
decisão informada e sustentável na gestão ambiental.
Bom curso e excelentes estudos!
3
1. INTRODUÇÃO AOS INSTRUMENTOS E TÉCNICAS DE COLETA, ANÁLISE E
INTERPRETAÇÃO DE DADOS
Nesta unidade, exploraremos os fundamentos essenciais dos instrumentos e técnicas de
coleta, análise e interpretação de dados aplicados a pesquisas relacionadas à gestão ambiental.
A compreensão profunda destes elementos é fundamental para a obtenção de insights (são
percepções reveladoras e profundas que resultam da análise e compreensão de informações ou
dados, informando decisões e estratégias). significativos que possam embasar tomadas de
decisões eficazes na área ambiental.
Os Instrumentos e Técnicas de Coleta, Análise e Interpretação de Dados referem-se ao
conjunto de metodologias, ferramentas e abordagens utilizadas para adquirir, processar e
compreender informações relevantes em pesquisas e estudos (HAIR et al., 2005; MARCONI;
LAKATOS, 2018), especialmente no campo da gestão ambiental. Estas práticas englobam a
seleção e aplicação de métodos apropriados para reunir dados de diversas fontes, seguidas
pela análise sistemática destes dados para identificar padrões, tendências e relações
(LAKATOS; MARCONI, 2009).
A interpretação destes resultados visa a tradução de informações complexas em
insights acionáveis (informações ou descobertas que são obtidas a partir da interpretação de
dados ou resultados), visando a tomada de decisões informadas e sustentáveis (YANOW;
SCHWARTZ-SHEA, 2014) no âmbito ambiental. Portanto, os instrumentos e técnicas de
coleta, análise e interpretação de dados constituem um conjunto essencial de ferramentas para
a compreensão e resolução de desafios relacionados ao ambiente e à sua gestão. Vamos
desdobrar um pouco mais essa definição para entender como essas práticas se desenrolam:
Coleta de Dados: Refere-se ao processo de reunir informações de diversas fontes, como
observações, entrevistas, questionários, medições e registros (CARTER; HENDERSON,
2005; HENSELER; RINGLE; SINKOVICS, 2009; HOGAN, 2017). Essa fase é crucial para
adquirir uma visão abrangente e confiável do fenômeno em estudo (DELEN; ZOLBANIN,
2018; DOODY; NOONAN, 2013; GOODRICK; ROGERS, 2015; HAIR et al., 2005), seja ele
a qualidade do ar em uma região específica, a biodiversidade de uma área protegida ou os
hábitos de consumo de uma comunidade.
Análise de Dados: Após a coleta dos dados, é necessário processá-los e analisá-los de
maneira sistemática. Isso envolve a aplicação de métodos estatísticos, algoritmos
computacionais (conjuntos de instruções sequenciais e lógicas projetados para resolver um
problema) ou técnicas qualitativas para identificar padrões, tendências, relações de causa e
efeito, e outras características relevantes nos dados (COFFEY; HOLBROOK; ATKINSON,
1996; MILES; HBERMAN; SDANA, 2014). A análise pode ajudar a responder a perguntas
específicas da pesquisa e a revelar insights ocultos (DELEN; ZOLBANIN, 2018).
Interpretação de Dados: A interpretação é a etapa em que os resultados da análise são
compreendidos e traduzidos em insights significativos (DELEN; ZOLBANIN, 2018;
KANARI; MILLAR, 2004; RYDER; LEACH, 2000). É o processo de dar sentido aos
números, gráficos e estatísticas resultantes da análise. A interpretação pode revelar conexões
complexas entre variáveis, destacar áreas de preocupação ou oportunidades, e ajudar na
formulação de estratégias de gestão ambiental embasadas em evidências (RYDER; LEACH,
2000).
4
Tomada de Decisões e Ação: Refere-se ao processo pelo qual as escolhas são feitas entre
diferentes cursos de ação com base em informações, análises e considerações relevantes (LAI;
SCHILDKAMP, 2013). Esse processo envolve avaliar alternativas, selecionar a abordagem
mais apropriada e implementar medidas concretas visando atingir objetivos específicos
(DENO, 2016). A tomada de decisões e ação são elementos cruciais na gestão ambiental,
permitindo a formulação e implementação de estratégias, políticas e iniciativasvisão completa do cenário. A análise estatística
permitirá identificar mudanças significativas nos níveis de resíduos, enquanto a análise de
conteúdo das entrevistas e percepções qualitativas oferecerá insights sobre os impactos
sociais, desafios emergentes e pontos positivos da política.
**4. Interpretação dos Resultados:**
Com base na análise integrada, você deve interpretar os resultados de forma
aprofundada. Identifique correlações entre os dados quantitativos e as percepções qualitativas
para compreender as razões por trás das tendências observadas. Por exemplo, uma redução
nos resíduos plásticos pode estar ligada tanto à eficácia da política quanto a mudanças de
comportamento da população.
**5. Comunicação dos Resultados:**
A comunicação dos resultados é essencial para garantir que as descobertas sejam
compreendidas e utilizadas de maneira eficaz. Prepare um relatório que apresente tanto as
23
conclusões quantitativas quanto as qualitativas. Use gráficos e visualizações para destacar as
mudanças nos níveis de resíduos e inclua citações das entrevistas para ilustrar as percepções
da população. Certifique-se de fornecer recomendações práticas, com base nas conclusões,
para aprimorar a política e suas estratégias de comunicação.
**6. Reflexão e Feedback:**
Após a comunicação dos resultados, promova uma discussão aberta com partes
interessadas, como autoridades governamentais, ONGs e cidadãos. Isso permitirá que você
obtenha feedback sobre as descobertas e entenda como as recomendações podem ser
implementadas de maneira eficaz.
No final, o sucesso dessa pesquisa dependerá da integração harmoniosa de dados
quantitativos e qualitativos, análise criteriosa, interpretação precisa e comunicação eficaz.
Essas etapas juntas fornecerão insights detalhados que podem contribuir para uma gestão
ambiental mais sustentável e informada.
Referências
ALI, Z.; BHASKAR, SB. Basic statistical tools in research and data analysis. Indian Journal of
Anaesthesia, v. 60, n. 9, p. 662, 2016.
BARROW, C. J. Environmental Management for Sustainable Development. 2. ed. New York:
Routledge, 2006.
BIGLAN, A.; ARY, D.; WAGENAAR, A. C. The Value of Interrupted Time-Series Experiments for
Community Intervention Research. Prevention Science, v. 1, n. 1, p. 31–49, 2000.
BOWEN, G. A. Document analysis as a qualitative research method. Qualitative Research Journal,
v. 9, n. 2, p. 27–40, 2009.
BRATICH, J. Observation in a Surveilled World. Em: DENZIN, N. K.; LINCOLN, Y. S. (Eds.). The
SAGE Handbook of Qualitative Research. 5. ed. London: SAGE Publications, 2018. p. 911–945.
BROCK, R. L. et al. Internet Administration of Paper-and-Pencil Questionnaires Used in Couple
Research: Assessing Psychometric Equivalence. Assessment, v. 19, n. 2, p. 226–242, jun. 2012.
BROSSARD, D. Media, scientific journals and science communication: Examining the construction of
scientific controversies. Public Understanding of Science, v. 18, n. 3, p. 258–274, maio 2009.
BUDDEN, A. E.; MICHENER, W. K. Communicating and Disseminating Research Findings. Em:
Ecological Informatics. Cham: Springer International Publishing, 2018. p. 289–317.
CARTER, S.; HENDERSON, L. Approaches to qualitative data collection in social science. Em:
BOWLING, A.; EBRAHIM, S. (Eds.). Handbook of health research methods: investigation,
measurement and analysis. [s.l.] McGraw-Hill/Open University Press, 2005. p. 215–229.
CHATTERJI, A. K. et al. Field experiments in strategy research. Strategic Management Journal, v.
37, n. 1, p. 116–132, jan. 2016.
CITERIO, G. et al. Data Collection and Interpretation. Neurocritical care, v. 22, p. 360–368, 2015.
COBB, P. et al. Design Experiments in Educational Research. Educational Researcher, v. 32, n. 1, p.
9–13, 1 jan. 2003.
COFFEY, A.; HOLBROOK, B.; ATKINSON, P. Qualitative data analysis: Technologies and
representations. Sociological Research Online, v. 1, n. 1, 1996.
COLLIS, J.; HUSSET, R. Pesquisa em Administração: Um guia prático para alunos de graduação
e pós-gaduação. 2. ed. Porto Alegre: Bookmann, 2005.
24
COOPER, D. R.; SCHINDLER, P. S.Métodos de pesquisa em administração. 12. ed. Porto Alegre:
McGraw-Hil Education, 2016.
CRESWELL, J. W. Projeto de pesquisa: Métodos qualitativo, quantitativo e misto. 3. ed. Porto
Alegre: Bookman, 2010.
CRESWELL, J. W. Investigação qualitativa e projeto de pesquisa: escolhendo entre cinco
abordagens. 3. ed. Porto Alegre: Penso, 2014.
CRESWELL, J. W.; CLARK, V. L. P. Designing and Conducting: Mixed Methods Research. 3. ed.
California: SAGE Publications, 2018.
DAVIE, G.; WYATT, D. Document Analysis. Em: The Routledge Handbook of Research Methods
in the Study of Religion. 7. ed. London: Routledge, 2021. p. 245–255.
DELEN, D.; ZOLBANIN, H. M. The analytics paradigm in business research. Journal of Business
Research, v. 90, p. 186–195, set. 2018.
DEMETER, M. The Core-Periphery Problem in Communication Research: A Network Analysis of
Leading Publication. Publishing Research Quarterly, v. 33, p. 402–420, 2017.
DEMPSTER, G. The communication of scientific research in news media: Contemporary challenges
and opportunities. Journal of Science Communication, v. 19, n. 03, p. C06, 16 jun. 2020.
DENO, S. L. Data-Based Decision-Making. Em: JIMERSON, S. R.; BURNS, M. K.;
VANDERHEYDEN, A. M. (Eds.). Handbook of Response to Intervention. Boston, MA: Springer
US, 2016. p. 9–28.
DENZIN, N. K.; LINCOLN, Y. S. The SAGE Handbook of Qualitative Research. 3. ed. London:
Sage Publications, 2005.
DENZIN, N. K.; LINCOLN, Y. S. The Sage handbook of qualitative research. 5. ed. London: sage,
2017.
DIVALE, W. T. Temporal Focus and Random Error in Cross-Cultural Hypothesis Tests. Behavior
Science Research, v. 10, n. 1, p. 19–36, 14 fev. 1975.
DOODY, O.; NOONAN, M. Preparing and conducting interviews to collect data. Nurse Researcher,
v. 20, n. 5, p. 28–32, maio 2013.
FIELDING, N. G.; LEE, R. M.; BLANK, G. The SAGE Handbook of Online Research Methods. 2.
ed. London: Sage, 2017.
FINK, A. How to Manage, Analyze and Interpret Survey Data. 2455 Teller Road, Thousand
Oaks California 91320 United States of America : SAGE Publications, Inc., 2003.
FISHER, M. J.; MARSHALL, A. P. Understanding descriptive statistics. Australian Critical Care, v.
22, n. 2, p. 93–97, maio 2009.
FRICKER, R. D.; SCHONLAU, M. Advantages and Disadvantages of Internet Research Surveys:
Evidence from the Literature. Field Methods, v. 14, n. 4, p. 347–367, 24 nov. 2002.
GELLING, L. Stages in the research process. Nursing Standard, v. 29, n. 27, p. 44–49, 4 mar. 2015.
GODOI, C. K.; BANDEIRA-DE-MELO, R.; SILVA, A. B. Pesquisa qualitativa em estudos
organizacionais: paradigmas, estratégias e métodos. 2. ed. São Paulo: Saraiva, 2010.
GOODRICK, D.; ROGERS, P. J. Qualitative Data Analysis. Em: Handbook of Practical Program
Evaluation. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2015. p. 561–595.
HAIR, J. F. et al. When to use and how to report the results of PLS-SEM. European Business
Review, v. 31, n. 1, p. 2–24, 14 jan. 2019.
HAIR, J. F. JR. et al. Fundamentos de Métodos de Pesquisa em Administração. São Paulo:
Bookman Companhia Ed, 2005.
25
HAIR, J. F. JR. et al.Multivariate data analysis. 7. ed. [s.l.] Pearson, 2014.
HAIR JR., J. F. et al. A Primer on Partial Least Squares Structural Equation Modeling
(PLS-SEM). 2. ed. London: SAGE Publications, 2017.
HALPERT, H. P. Communications as a basic tool in promoting utilization of research findings.
Community Mental Health Journal, v. 2, n. 3, p. 231–236, set. 1966.
HARRISON, G. W.; LIST, J. A. Field Experiments. Journal of Economic Literature, v. 42, n. 4, p.
1009–1055, 1 nov. 2004.
HENSELER, J.; RINGLE, C. M.; SINKOVICS, R. R. The use of partial least squares path modeling
in international marketing. Em: SINKOVICS, R. R.; GHAURI, P. N. (Eds.). New Challenges to
International Marketing. Bingley: Emerald Group Publishing Limited, 2009. v. 20p. 277–319.
HEWSON, C. Research Design and Tools for Online Research. Em: FIELDING, N. G.; LEE, R. M.;
BLANK, G. (Eds.). The SAGE Handbookof Online Research Methods. 2. ed. London: Sage, 2017.
p. 57–75.
HOGAN, B. Online Social networks: concepts for data collection and analysis . Em: FIELDING, N.
G.; LEE, R. M.; BLANK, G. (Eds.). The SAGE Handbook of Online Research Methods. 2. ed.
London: Sage, 2017. p. 241–258.
IRWIN, S. Data Analysis and Interpretation: Emergent Issues in Linking Qualitative and Quantitative
Evidence. Em: HESSE-BIBER, S. N.; LEAVY, P. (Eds.). Handbook of Emergent Methods. New
York: The Guilford Press, 2008. p. 415–436.
JANETZKO, D. Nonreactive Data Collection Online. Em: FIELDING, N. G.; LEE, R. M.; BLANK,
G. (Eds.). The Sage handbook of online research methods. 2. ed. London: Sage, 2017. p. 76–91.
KANARI, Z.; MILLAR, R. Reasoning from data: How students collect and interpret data in science
investigations. Journal of Research in Science Teaching, v. 41, n. 7, p. 748–769, set. 2004.
KLEIN, K. J.; DANSEREAU, F.; HALL, R. J. Levels Issues in Theory Development, Data Collection,
and Analysis. Academy of Management Review, v. 19, n. 2, p. 195–229, abr. 1994.
LAI, M. K.; SCHILDKAMP, K. Data-based Decision Making: An Overview. Em: SCHILDKAMP,
K.; LAI, M.; EARL, L. (Eds.). Data-based Decision Making in Education. Dordrecht: Springer
Netherlands, 2013. v. 17p. 9–21.
LAKATOS, E. M.; MARCONI, M. DE A.Metodologia do trabalho científico. 7. ed. São Paulo:
Atlas, 2009.
LANG, M. Communicating Academic Research Findings to IS Professionals: An Analysis of
Problems. Informing Science: The International Journal of an Emerging Transdiscipline, v. 6, p.
021–029, 2003.
LEE, R. M.; FIELDING, N. G.; BLANK, G. Online Research Methods in the Social Sciences: An
Editorial Introduction. Em: FIELDING, N. G.; LEE, R. M.; BLANK, G. (Eds.). The SAGE
Handbook of Online Research Methods. 2. ed. London: Sage, 2017. p. 1–3.
MANDINACH, E. B. A Perfect Time for Data Use: Using Data-Driven Decision Making to Inform
Practice. Educational Psychologist, v. 47, n. 2, p. 71–85, 23 abr. 2012.
MARCONI, M. DE A.; LAKATOS, E. M.Metodologia Científica. 7. ed. São Paulo: Atlas, 2017.
MARCONI, M. DE A.; LAKATOS, E. M. Técnicas de pesquisa. 8. ed. São Paulo: Atlas, 2018.
MARÔCO, J. Análise estatística com o SPSS Statistics. 5. ed. Pero Pinheiro, PT: ReportNumber,
2011.
MILES, M. B.; HBERMAN, M.; SDANA, J. Qualitative Data Analysis: A Methods Sourcebook. 3.
ed. London: Sage, 2014.
26
MUSANTE, K. Participant Observation. Em: BERNARD, H. R.; GRAVLEE, C. C. (Eds.). Handbook
of Methods in Cultural Anthropology. 2. ed. New York: Rowman & Littlefield, 2015. p. 251–292.
NICK, T. G. Descriptive Statistics. Em: [s.l: s.n.]. p. 33–52.
NOSEK, B. A.; BAR-ANAN, Y. Scientific Utopia: I. Opening Scientific Communication.
Psychological Inquiry, v. 23, n. 3, p. 217–243, 2012.
O’CONNOR, H.; MADGE, C. Online interviewing. Em: FIELDING, N. G.; LEE, R. M.; BLANK, G.
(Eds.). The SAGE Handbook of Online Research Methods. 2. ed. London: Sage, 2017. p. 416–434.
PONTEROTTO, J. G.; GRIEGER, I. Effectively Communicating Qualitative Research. The
Counseling Psychologist, v. 35, n. 3, p. 404–430, 30 maio 2007.
RYDER, J.; LEACH, J. Interpreting experimental data: the views of upper secondary school and
university science students. International Journal of Science Education, v. 22, n. 10, p. 1069–1084,
out. 2000.
STEWART, R. I. A. et al. Mesocosm Experiments as a Tool for Ecological Climate-Change Research.
Em: [s.l: s.n.]. p. 71–181.
STIEGER, S.; REIPS, U. D. What are participants doing while filling in an online questionnaire: A
paradata collection tool and an empirical study. Computers in Human Behavior, v. 26, n. 6, p.
1488–1495, nov. 2010.
TAKAHASHI, A. R. W. et al. Pesquisa qualitativa em administração: Fundamentos, métodos e
usos no Brasil. São Paulo: Atlas, 2013.
TEDLOCK, B. The observation of participation and the emergence of public ethnography. Em:
DENZIN, N. K.; LINCOLN, Y. S. (Eds.). The SAGE handbook of qualitative research. 3. ed.
Thousand Oak, CA: Sage, 2005. p. 467–482.
UDOVICICH, C.; KASIVISVANATHAN, V.; WINCHESTER, C. L. Communicating your research
(part 1) – to the scientific community. Journal of Clinical Urology, v. 10, n. 4, p. 396–399, 16 jul.
2017.
VEHOVAR, V.; MANFREDA, K. L. Overview: Online Surveys. Em: FIELDING, N. G.; LEE, R. M.;
BLANK, G. (Eds.). The SAGE Handbook of Online Research Methods. 2. ed. London: Sage, 2017.
p. 143–161.
VERSTRAETE, J. et al. Turning Data into Actionable Policy Insights. Em: CONCILIO, G. et al.
(Eds.). The Data Shake. SpringerBriefs in Applied Sciences and Technology. [s.l.] Springer, 2021.
p. 73–89.
YANOW, D.; SCHWARTZ-SHEA, P. Interpretation and Method: Empirical Research Methods
and the Interpretive Turn. 2. ed. New York, NY: Routledge, 2014.
YOUSEFI NOORAIE, R. et al. Informing the implementation of evidence-informed decision making
interventions using a social network analysis perspective; a mixed-methods study. BMC Health
Services Research, v. 17, n. 1, p. 122, 8 dez. 2017.
 
27para abordar
desafios e promover resultados sustentáveis em relação ao meio ambiente e recursos naturais.
A interpretação dos resultados orienta a tomada de decisões informadas e sustentáveis
(DENO, 2016; LAI; SCHILDKAMP, 2013; MANDINACH, 2012; YOUSEFI NOORAIE et
al., 2017). Com base nos insights obtidos, os gestores ambientais podem desenvolver planos
de ação, políticas ou medidas corretivas para abordar questões identificadas ou maximizar
oportunidades. A análise de dados informa a tomada de decisões, ajudando a priorizar
recursos e esforços (MANDINACH, 2012; YOUSEFI NOORAIE et al., 2017).
Comunicação Eficaz: Refere-se à habilidade de transmitir informações de maneira clara,
precisa e compreensível, de modo a alcançar os objetivos desejados (NOSEK; BAR-ANAN,
2012). Envolve a escolha adequada de palavras, formatos e canais de comunicação, de modo a
garantir que a mensagem seja recebida, compreendida e interpretada da maneira pretendida
pelo remetente (DEMETER, 2017; MILES; HBERMAN; SDANA, 2014). A comunicação
eficaz é fundamental na troca de ideias, compartilhamento de conhecimentos, influência de
opiniões e na construção de relacionamentos positivos, seja no contexto da gestão ambiental,
nas relações interpessoais ou em qualquer outra esfera da vida (DEMETER, 2017; NOSEK;
BAR-ANAN, 2012). Ou seja, a comunicação dos resultados é fundamental para garantir que
as descobertas sejam compreendidas e utilizadas de maneira eficaz. Comunicar os insights de
forma clara e acessível é fundamental para envolver partes interessadas, influenciar políticas e
promover a conscientização sobre questões ambientais (BROSSARD, 2009).
Em resumo, os instrumentos e técnicas de coleta, análise e interpretação de dados são
a espinha dorsal da pesquisa e gestão ambiental. Essas práticas capacitam os profissionais a
obter uma compreensão mais profunda do ambiente, tomar decisões fundamentadas e
contribuir para a busca de soluções sustentáveis para os desafios ambientais enfrentados pela
sociedade.
Ao longo desta unidade, exploramos a jornada completa desde a seleção de métodos
apropriados de coleta de dados até a interpretação de resultados significativos, focando em
como transformar dados brutos em insights acionáveis (informações ou descobertas que são
obtidas a partir da interpretação de dados ou resultados) (HOGAN, 2017; VERSTRAETE et
al., 2021). Nesta introdução, delineamos os principais tópicos que serão abordados,
apresentando um panorama abrangente das ferramentas e práticas que os pesquisadores e
gestores ambientais podem utilizar para adquirir um entendimento mais profundo e embasar
ações sustentáveis.
Além disso, destacamos a relevância da comunicação eficaz dos resultados obtidos,
ressaltando a importância de apresentar os insights de maneira acessível e persuasiva a
diferentes públicos, incluindo stakeholders (partes interessadas ou envolvidas em uma
organização), colegas e tomadores de decisão. Afinal, a coleta, análise e interpretação de
dados não apenas fornecem informações valiosas, mas também têm o poder de influenciar
positivamente políticas, estratégias e ações voltadas para a proteção e preservação do meio
ambiente (BROSSARD, 2009).
Nesta unidade, exploraremos as várias dimensões dessa importante disciplina,
capacitando os alunos a se tornarem profissionais mais eficazes e informados na pesquisa e
gestão ambiental.
5
1.1 Importância da Coleta, Análise e Interpretação de Dados na Gestão Ambiental
Começaremos por discutir a relevância da coleta, análise e interpretação de dados no
contexto da gestão ambiental. Exploraremos como a abordagem baseada em dados pode
contribuir para a compreensão dos desafios ambientais, identificação de tendências, avaliação
de impactos e monitoramento de progresso em direção a metas ambientais.
A coleta, análise e interpretação de dados representam os pilares fundamentais da
gestão ambiental (CARTER; HENDERSON, 2005; IRWIN, 2008). Neste tópico,
exploraremos a significativa importância dessa tríade de práticas na compreensão, avaliação e
tomada de decisões relacionadas ao ambiente.
A gestão ambiental é uma disciplina que busca equilibrar o desenvolvimento humano
com a preservação dos recursos naturais e a manutenção da qualidade do ambiente
(BARROW, 2006). Nesse contexto, a coleta, análise e interpretação de dados desempenham
um papel fundamental, fornecendo uma base sólida de informações que sustentam a tomada
de decisões informadas e eficazes (DELEN; ZOLBANIN, 2018; DOODY; NOONAN, 2013;
GOODRICK; ROGERS, 2015; HAIR et al., 2005). Este tópico explora a significativa
importância dessas práticas interligadas na gestão ambiental.
a) Compreensão do Ambiente e Seus Processos
A coleta de dados é o ponto de partida para a compreensão detalhada do ambiente
(CITERIO et al., 2015; HOGAN, 2017; IRWIN, 2008; KLEIN; DANSEREAU; HALL,
1994). Através dela, podemos adquirir informações, como por exemplo sobre variáveis
climáticas, características geográficas, biodiversidade, qualidade da água e do ar, entre outros
aspectos. Esses dados são essenciais para entender como os diferentes elementos do
ecossistema interagem entre si e como respondem às pressões humanas e naturais registros
(CARTER; HENDERSON, 2005; HENSELER; RINGLE; SINKOVICS, 2009). Com base na
literatura, vejamos um exemplo a seguir sobre o monitoramento de ciclos naturais:
b) Compreensão do Ambiente e Seus Processos
A coleta, análise e interpretação de dados desempenham um papel central na obtenção
de uma compreensão profunda e abrangente do ambiente e de seus complexos processos. Essa
compreensão é crucial para a gestão ambiental eficaz, pois permite uma visão detalhada dos
sistemas naturais e das interações que ocorrem dentro deles.
c) Exploração da Biodiversidade
A coleta de dados permite a catalogação e a quantificação da biodiversidade presente
em determinada área. Isso inclui a identificação de espécies vegetais, animais e microbianas,
bem como a análise de seus padrões de distribuição. Através da análise desses dados, é
possível entender melhor a riqueza e a variabilidade da vida em diferentes ecossistemas, o que
é essencial para a conservação e proteção da biodiversidade.
d) Monitoramento de Ciclos Naturais
Os processos naturais, como os ciclos de água, nutrientes e carbono, desempenham um
papel fundamental na manutenção da saúde dos ecossistemas. A coleta de dados sobre esses
ciclos permite o monitoramento de mudanças ao longo do tempo, ajudando a identificar
desequilíbrios e perturbações que possam estar ocorrendo. Isso é essencial para tomar
medidas corretivas e evitar impactos negativos.
6
e) Análise de Interdependências Ecológicas
Os ecossistemas são compostos por uma rede complexa de interdependências entre
espécies e componentes bióticos e abióticos. Através da análise de dados, é possível
compreender como essas interações funcionam e como as alterações em um componente
podem afetar todo o sistema. Isso é essencial para prever os impactos de ações humanas ou
eventos naturais e tomar medidas para minimizar esses efeitos.
f) Monitoramento de Qualidade Ambiental
A coleta de dados relacionados à qualidade da água, ar, solo e outros componentes
ambientais permite o monitoramento da saúde dos ecossistemas e a detecção de possíveis
poluentes ou fatores de degradação. Esses dados ajudam a avaliar os riscos para a saúde
humana e a biodiversidade, bem como a tomar medidas para proteger e restaurar a qualidade
ambiental.
g) Previsão de Mudanças Ambientais
A análise de dados históricos e atuais pode ajudar na previsão de mudanças ambientais
futuras. Modelos baseados em dados podem ser usados para simular cenários e entender como
diferentes fatores podem influenciar o ambiente a longo prazo. Isso permite uma preparação
mais eficaz para eventos como mudanças climáticas, secas, enchentes e outras perturbações.
Em resumo: Essas práticas permitem uma compreensão profunda dos processos e
interações que moldam os ecossistemas, fornecendo informações vitais para a tomada de
decisões informadas e a gestãosustentável dos recursos naturais.
1.2 Etapas do Processo de Pesquisa em Gestão Ambiental
As etapas do processo de pesquisa foram apresentadas na Unidade 4. Nesta seção,
delinearemos as etapas fundamentais do processo de pesquisa em gestão ambiental, desde a
formulação de perguntas até a comunicação dos resultados. Abordaremos a importância da
definição clara dos objetivos da pesquisa, seleção adequada de métodos de coleta de dados e
escolha de técnicas de análise apropriadas. O Quadro 1 apresenta um resumo breve sobre as
etapas desse processo.
Quadro 01 – Etapas do processo de pesquisa
Formulação do Problema e
Objetivos de Pesquisa
Nesta etapa inicial, o pesquisador define claramente o problema ou
questão ambiental que será investigada. São estabelecidos os objetivos
específicos da pesquisa, delineando o que se pretende alcançar ao final
do processo.
Revisão da Literatura Aqui, ocorre a pesquisa e análise de trabalhos e estudos anteriores
relacionados ao problema em questão. A revisão da literatura ajuda a
compreender o estado atual do conhecimento, identificar lacunas e
abordagens utilizadas, e embasar a pesquisa em uma base sólida de
informações existentes.
Definição de Metodologia Nesta etapa, o pesquisador seleciona e descreve detalhadamente os
métodos e técnicas que serão utilizados para coletar dados. Isso pode
envolver a escolha entre métodos quantitativos e qualitativos, bem como
a seleção de instrumentos específicos, como questionários, entrevistas,
observações ou análises estatísticas.
Coleta de Dados Aqui ocorre a obtenção dos dados necessários para responder às questões
de pesquisa. Os métodos escolhidos na etapa anterior são aplicados para
reunir informações relevantes. Isso pode envolver a realização de
entrevistas, distribuição de questionários, medições em campo, análise de
documentos ou outras abordagens (HOGAN, 2017).
7
Análise de Dados Os dados coletados são processados e analisados de maneira sistemática
nesta etapa. A análise pode envolver a aplicação de técnicas estatísticas,
interpretação de padrões, identificação de tendências e elaboração de
conclusões a partir dos resultados obtidos.
Interpretação dos Resultados Aqui, os resultados da análise são interpretados à luz dos objetivos da
pesquisa. Isso envolve a busca por insights, padrões e significados nos
dados, com o intuito de responder às questões de pesquisa e fornecer
uma compreensão mais profunda do problema investigado.
Elaboração de Conclusões e
Recomendações
Com base na interpretação dos resultados, são elaboradas conclusões que
respondem aos objetivos da pesquisa. Além disso, recomendações
práticas e estratégias podem ser propostas com base nas conclusões,
visando abordar o problema ambiental e promover a gestão sustentável.
Comunicação dos Resultados A última etapa envolve a comunicação clara e eficaz dos resultados da
pesquisa. Isso pode incluir a redação de relatórios, apresentações, artigos
científicos ou outros meios de disseminação dos achados. A
comunicação é essencial para compartilhar conhecimentos, influenciar
decisões e contribuir para o avanço da gestão ambiental.
Fonte: Adaptado de Creswell (2010, 2014) e Gelling (2015).
O Quadro 01 apresenta um resumo das etapas do processo de pesquisa. O foco desta
Unidade está nos Instrumentos e Técnicas de Coleta, Análise e Interpretação de Dados.
2. MÉTODOS DE COLETA DE DADOS EM PESQUISAS DE GESTÃO AMBIENTAL
Métodos de coleta de dados em pesquisa referem-se às técnicas ou abordagens usadas
para coletar informações ou dados para um determinado estudo ou investigação
(CRESWELL, 2010, 2014; CRESWELL; CLARK, 2018; HOGAN, 2017). Esses métodos
desempenham um papel fundamental no processo de pesquisa, pois determinam a qualidade e
a confiabilidade dos dados coletados (GELLING, 2015).
Existem vários métodos de coleta de dados que os pesquisadores podem escolher,
dependendo da natureza do estudo e do tipo de dados necessários. Alguns métodos comuns de
coleta de dados incluem pesquisas, entrevistas, observações, experimentos e análise de
documentos (CRESWELL; CLARK, 2018; HAIR et al., 2005; HOGAN, 2017).
A escolha adequada dos métodos de coleta de dados desempenha um papel crucial na
obtenção de informações precisas e relevantes para pesquisas de gestão ambiental
(JANETZKO, 2017; LEE; FIELDING; BLANK, 2017). Neste tópico, exploraremos cinco
métodos de coleta de dados amplamente utilizados: pesquisas, entrevistas, questionários,
observações, experimentos e análise de documentos (HOGAN, 2017). Cada um desses
métodos oferece abordagens únicas para adquirir informações sobre fenômenos ambientais,
contribuindo para uma compreensão mais abrangente e embasada (HOGAN, 2017).
2.1 Pesquisas
As pesquisas envolvem a administração de um conjunto de perguntas a uma amostra
de indivíduos ou grupos (COOPER; SCHINDLER, 2016; HAIR et al., 2005; MARCONI;
LAKATOS, 2017). Esse método permite que os pesquisadores coletem dados de um grande
número de entrevistados de forma rápida e eficiente (HAIR et al., 2005). As pesquisas podem
ser realizadas por meio de entrevistas face a face, entrevistas por telefone, questionários por
correio ou pesquisas online (CRESWELL; CLARK, 2018). O Quadro 2 apresenta as
principais vantagens e desvantagens.
Quadro 2 – Vantagens e desafio da administração de um conjunto de perguntas
Vantagens Desafios
8
1. Grande tamanho da amostra: as pesquisas
permitem que os pesquisadores coletem dados de um
grande número de respondentes, fornecendo uma
perspectiva mais ampla sobre o tópico que está sendo
estudado. Isso aumenta a representatividade dos
resultados.
2. Eficiência: As pesquisas podem ser realizadas de
forma relativamente rápida, especialmente quando se
utiliza plataformas online. Os pesquisadores podem
atingir um grande número de entrevistados
simultaneamente, economizando tempo e recursos em
comparação com outros métodos de pesquisa.
3. Custo-benefício: as pesquisas podem ser um
método de investigação econômico, especialmente
quando se utilizam plataformas online ou
questionários por correio. Eles eliminam a
necessidade de despesas de viagem e podem ser
facilmente distribuídos para um público amplo.
4. Padronização: As pesquisas permitem uma
abordagem padronizada para a coleta de dados. O
mesmo conjunto de perguntas pode ser administrado
a todos os entrevistados, garantindo consistência e
reduzindo possíveis vieses nos resultados.
1. Profundidade limitada: as pesquisas geralmente
fornecem uma compreensão superficial de um tópico,
pois dependem de perguntas predeterminadas. Eles
podem não captar as nuances ou complexidades
associadas a certos fenômenos.
2. Viés de resposta: os entrevistados podem fornecer
respostas imprecisas ou tendenciosas,
intencionalmente ou não. Fatores como viés de
desejabilidade social ou humor do entrevistado
podem influenciar suas respostas, afetando a
confiabilidade dos dados.
3. Falta de contexto: Normalmente, as pesquisas não
capturam o contexto no qual os entrevistados
fornecem suas respostas. Isso pode limitar a
compreensão dos pesquisadores sobre os fatores que
influenciaram as respostas.
4. Viés de não resposta: Nem todos os indivíduos ou
grupos abordados para uma pesquisa responderão,
levando a um possível viés de não resposta. Esse viés
pode afetar a representatividade dos resultados se
determinados grupos demográficos estiverem
sub-representados.
Fonte: Adaptado de Fricker; Schonlau (2002).
Em conclusão, as pesquisas oferecem vantagens como grandes tamanhos de amostra,
eficiência, custo-efetividade e padronização. No entanto, elas também têm limitações,
incluindo profundidade limitada, viés de resposta, falta de contexto e viés de não resposta. Os
pesquisadores devem considerar esses fatores ao escolher métodos de pesquisa e interpretar os
resultados.
2.2 Entrevistas
As entrevistas envolvem uma comunicação direta entre o pesquisador e o participante,
permitindo uma coleta de dados mais aprofundada e qualitativa (COOPER; SCHINDLER,
2016). As entrevistas podem ser estruturadas, semiestruturadasou não estruturadas,
dependendo do nível de flexibilidade necessário (CRESWELL, 2010, 2014; HAIR et al.,
2005).
As entrevistas são uma técnica qualitativa de coleta de dados que envolve conversas
estruturadas ou semiestruturadas entre o pesquisador e os participantes (HOGAN, 2017). Na
pesquisa de gestão ambiental, as entrevistas podem ser conduzidas com especialistas,
tomadores de decisão, membros da comunidade ou outros stakeholders (partes interessadas ou
envolvidas em uma organização) relevantes (O’CONNOR; MADGE, 2017). Esses encontros
permitem explorar perspectivas individuais, experiências, percepções e conhecimentos
profundos sobre questões ambientais específicas (HAIR et al., 2005). O Quadro 3 apresenta as
vantagens e desafios sobre a condução de entrevistas.
Quadro 3 – Vantagens e desvantagens do emprego de entrevistas na pesquisa
Vantagens: Desafios
- Possibilita a obtenção de insights detalhados e
contextuais.
- Permite a exploração de nuances e opiniões
variadas.
- Requer habilidades de entrevista para extrair
informações relevantes.
1. Demora: Conduzir entrevistas pode ser um
processo demorado, especialmente quando se lida
9
- Facilita a compreensão de motivações, valores e
preocupações dos participantes.
Flexibilidade: Dependendo dos objetivos da pesquisa,
as entrevistas podem ser adaptadas para atender às
necessidades específicas do estudo. Os pesquisadores
podem adaptar as perguntas ou investigar mais para
obter uma compreensão mais profunda da perspectiva
do participante.
3. Conexão pessoal: A interação face a face em
entrevistas muitas vezes ajuda a estabelecer uma
conexão pessoal entre o pesquisador e o participante.
Isso pode promover a confiança e incentivar os
participantes a compartilhar mais abertamente.
4. Esclarecimento e acompanhamento: Durante as
entrevistas, os pesquisadores podem buscar
esclarecimentos ou fazer perguntas de
acompanhamento para garantir um entendimento
completo das respostas do participante. Isso ajuda a
evitar erros de interpretação dos dados.
com um grande número de participantes. Agendar e
conduzir entrevistas individualmente pode ser
desafiador e pode exigir tempo e esforço
significativos.
2. Viés e subjetividade: A presença de um
pesquisador em entrevistas pode introduzir viés e
subjetividade. As crenças pessoais, atitudes ou dicas
não verbais do pesquisador podem influenciar as
respostas do participante, impactando potencialmente
a confiabilidade dos dados.
3. Tamanho da amostra limitado: Devido às
limitações de tempo e recursos, as entrevistas
geralmente envolvem um número limitado de
participantes. Isso pode restringir a generalização dos
resultados para uma população maior.
4. Viés de desejabilidade social: Os participantes
podem se sentir inclinados a fornecer respostas
socialmente desejáveis durante as entrevistas,
especialmente ao discutir tópicos delicados. Isso pode
levar a uma falta de autenticidade em suas respostas.
Fonte: Adaptado de Collis e Husset (2005) e Cooper e Schindler (2016).
No geral, as entrevistas oferecem um método valioso para a coleta de dados
qualitativos na pesquisa de gestão ambiental. Embora forneçam percepções aprofundadas e
conexões pessoais, os pesquisadores devem estar atentos às possíveis limitações e tomar as
medidas apropriadas para mitigar vieses e garantir a confiabilidade dos dados coletados.
2.3 Questionários
Os questionários são uma abordagem quantitativa de coleta de dados que envolve a
distribuição de perguntas estruturadas a um grupo de participantes (HAIR et al., 2005;
HOGAN, 2017). Essas perguntas podem abranger uma variedade de tópicos relacionados,
como por exemplo à gestão ambiental, como comportamentos, atitudes, crenças e
preferências. Os questionários são frequentemente usados para coletar dados de uma amostra
representativa da população, permitindo a análise estatística dos resultados (BROCK et al.,
2012; STIEGER; REIPS, 2010; VEHOVAR; MANFREDA, 2017). Cabe observar que na
pesquisa qualitativa, os pesquisadores frequentemente optam por métodos de coleta de dados
que permitam uma interação mais profunda com os participantes e uma compreensão mais
completa dos fenômenos em estudo (CRESWELL, 2014; GODOI; BANDEIRA-DE-MELO;
SILVA, 2010; TAKAHASHI et al., 2013).
O Quadro 4 apresenta as principais vantagens e desafios sobre a aplicação de
questionários na pesquisa.
Quadro 4 – Vantagens e desvantagem do uso de questionário na pesquisa
Vantagens Desafios
- Eficiente para coletar dados de grandes grupos.
- Facilita a comparação e análise estatística dos
resultados.
- Pode fornecer insights sobre tendências e
correlações.
- As respostas podem ser limitadas a opções
predefinidas.
- A interpretação incorreta das perguntas pode levar a
respostas imprecisas.
- Pode haver viés de resposta ou falta de engajamento
dos participantes.
Fonte: Adaptado de Fielding, Lee e Blank (2017).
10
Os questionários são uma ferramenta valiosa para coletar dados quantitativos sobre
uma variedade de tópicos, incluindo a gestão ambiental. Eles oferecem vantagens como
coletar grandes quantidades de dados, garantir o anonimato e serem econômicos. No entanto,
eles também têm limitações, incluindo o potencial de viés de resposta e confiança no
autorrelato. É importante que os pesquisadores considerem essas vantagens e desvantagens ao
decidir usar questionários em seus estudos.
2.4 Observações
As observações envolvem observar e registrar sistematicamente comportamentos,
eventos ou situações (HEWSON, 2017; TEDLOCK, 2005). Esse método é frequentemente
usado para coletar dados em ambientes naturais, como salas de aula, locais de trabalho ou
espaços públicos (BRATICH, 2018). As observações podem ser participantes, em que o
pesquisador participa ativamente do cenário, ou não participantes, em que o pesquisador
permanece um observador passivo (BRATICH, 2018; HEWSON, 2017; TEDLOCK, 2005).
As observações envolvem a coleta direta de informações através da observação
sistemática de eventos ou comportamentos em ambientes naturais ou controlados
(MUSANTE, 2015). Na pesquisa de gestão ambiental, as observações podem ser usadas para
registrar padrões de uso de recursos, comportamentos de espécies, mudanças em ecossistemas
e outras atividades relevantes. O Quadro 5 apresenta as principais vantagens e desafios que
envolvem a observação.
Quadro 5 – vantagens e desafios envolvidos na observação
Vantagens Desafios
- Permite a coleta de dados em cenários reais.
- Pode capturar informações não verbais e não
declaradas.
- É especialmente útil para estudar fenômenos
naturais e processos em tempo real.
- A presença do observador pode influenciar o
comportamento dos participantes.
- Pode ser difícil registrar todos os detalhes
relevantes.
- A interpretação das observações pode ser subjetiva
e requer treinamento.
Fonte: Adaptado de Tedlock (2005) e Hewson (2017).
2.5 Experimentos
Os experimentos envolvem a manipulação de variáveis e a medição de seus efeitos
sobre o resultado de interesse (COBB et al., 2003). Esse método permite que os pesquisadores
estabeleçam relações de causa e efeito entre as variáveis (BIGLAN; ARY; WAGENAAR,
2000). Os experimentos podem ser conduzidos em ambientes controlados de laboratório ou
em ambientes naturais, dependendo da questão da pesquisa (CHATTERJI et al., 2016;
STEWART et al., 2013).
Em um ambiente de laboratório controlado, os pesquisadores têm a vantagem de poder
controlar e manipular cuidadosamente as variáveis (CHATTERJI et al., 2016; STEWART et
al., 2013). Isso permite medições precisas e a eliminação de fatores de confusão que podem
influenciar os resultados. Por exemplo, se um pesquisador deseja estudar os efeitos de um
novo medicamento na pressão arterial, ele pode controlar cuidadosamente a dosagem e
monitorar os níveis de pressão arterial dos participantes em um ambiente controlado.
Por outro lado, experimentos conduzidos em ambientes naturais fornecem aos
pesquisadores uma compreensão mais realista de como as variáveis interagem no mundo real.
Esses experimentos levam em consideraçãoa natureza complexa e dinâmica dos sistemas
naturais (HARRISON; LIST, 2004). Por exemplo, se um pesquisador deseja estudar o efeito
da temperatura no crescimento das plantas, pode realizar o experimento em um ambiente
natural, como um campo ou estufa, onde as plantas estão sujeitas a uma variedade de
condições ambientais.
11
Ambos os experimentos de laboratório e naturais têm suas próprias vantagens e
limitações. Experimentos de laboratório fornecem um alto nível de controle e precisão, mas
podem carecer de validade ecológica. Experimentos naturais, por outro lado, oferecem
validade ecológica, mas podem ser mais difíceis de controlar e replicar (CHATTERJI et al.,
2016; HARRISON; LIST, 2004; STEWART et al., 2013).
Independentemente do cenário, os experimentos desempenham um papel fundamental
na pesquisa científica. Eles permitem que os pesquisadores testem hipóteses, estabeleçam
relações causais e tomem decisões informadas com base em evidências empíricas. Por meio
da manipulação cuidadosa de variáveis e medição meticulosa dos resultados, os experimentos
fornecem informações valiosas sobre o funcionamento do mundo natural e contribuem para o
avanço do conhecimento.
2.6 Análise de documentos
A análise de documentos desempenha um papel fundamental em pesquisas históricas e
estudos de análise de conteúdo (DENZIN; LINCOLN, 2005). A análise de documentos
envolve o exame de documentos ou registros existentes para coletar dados (BOWEN, 2009).
Este método é frequentemente usado em pesquisas históricas ou estudos de análise de
conteúdo (BOWEN, 2009; HEWSON, 2017). Esse método consiste em examinar documentos
ou registros existentes para coletar dados e extrair informações relevantes (BOWEN, 2009;
HEWSON, 2017). Os pesquisadores analisam documentos como livros, artigos, relatórios
governamentais ou materiais de arquivo para extrair informações relevantes (BOWEN, 2009).
Os pesquisadores utilizam uma variedade de documentos, como livros, artigos,
relatórios governamentais e materiais de arquivo, para obter uma visão mais completa e
precisa sobre um determinado tema (BOWEN, 2009). Esses documentos podem conter
informações valiosas e detalhadas que são essenciais para a pesquisa (DAVIE; WYATT,
2021).
Ao analisar documentos, os pesquisadores podem identificar tendências, padrões e
conexões entre os dados. Eles podem examinar o contexto histórico e social em que os
documentos foram produzidos, o que pode fornecer insights significativos sobre determinados
eventos ou períodos de tempo (BOWEN, 2009; DAVIE; WYATT, 2021).
A análise de documentos também permite que os pesquisadores explorem diferentes
perspectivas e interpretações. Ao examinar várias fontes de informação, eles podem comparar
e contrastar diferentes pontos de vista e chegar a conclusões mais abrangentes (DENZIN;
LINCOLN, 2005).
Além disso, a análise de documentos também pode ser utilizada para estudar o
conteúdo dos documentos em si (BOWEN, 2009; DENZIN; LINCOLN, 2005). Os
pesquisadores podem analisar a estrutura, o estilo de escrita, as palavras-chave e outros
aspectos do texto para identificar temas recorrentes ou características específicas (DAVIE;
WYATT, 2021). O Quadro 6 apresenta os principais desafios e vantagens da análise de
documento.
Quadro 6 – Principais vantagens e desafios da análise de documento
Vantagens Desafios
Possibilidade de acessar informações históricas
valiosas. Ao examinar documentos antigos, livros,
artigos, relatórios governamentais ou materiais de
arquivo, os pesquisadores podem obter informações
autênticas e confiáveis sobre determinado período
histórico ou tópico de estudo. Isso permite uma
compreensão mais aprofundada e precisa dos eventos
passados e das ideias expressas naquele contexto.
Possibilidade de vieses e distorções na interpretação
dos documentos. Os pesquisadores precisam estar
cientes de que os documentos podem ser
influenciados por fatores como a intencionalidade do
autor, contexto histórico e censura. Portanto, é
necessário realizar uma análise crítica e
contextualizada, levando em consideração esses
elementos para evitar conclusões equivocadas.
12
Flexibilidade. Os pesquisadores podem analisar uma
ampla variedade de documentos, o que permite
explorar diferentes perspectivas e obter uma visão
abrangente do assunto em análise. Além disso, a
análise de documentos pode ser realizada de forma
não invasiva, não exigindo a interação direta com os
sujeitos de estudo. Isso é especialmente útil em
pesquisas históricas, onde muitas vezes não é
possível entrevistar pessoas diretamente envolvidas
nos eventos em questão.
Disponibilidade de documentos. Em algumas
situações, pode ser difícil encontrar documentos
relevantes para a pesquisa, especialmente quando se
trata de períodos históricos remotos ou tópicos pouco
explorados. Isso pode dificultar a obtenção de uma
visão completa e detalhada do assunto em análise,
limitando assim a abrangência e a precisão da
pesquisa.
Fonte: Adaptado de Davie e Wyatt (2021) e Bowen (2009).
Em resumo, a análise de documentos é uma ferramenta essencial para pesquisas
históricas e estudos de análise de conteúdo. Ela permite que os pesquisadores coletem dados
valiosos a partir de uma variedade de fontes e extraiam informações relevantes para a
pesquisa. Ao examinar os documentos, os pesquisadores podem obter insights significativos e
desenvolver uma compreensão mais profunda de um determinado tema.
Por fim, cabe lembrar que os métodos de coleta de dados em pesquisa são diversos e
devem ser cuidadosamente selecionados com base nos objetivos da pesquisa e no tipo de
dados necessários (DENZIN; LINCOLN, 2005, 2017; FIELDING; LEE; BLANK, 2017).
Cada método tem seus pontos fortes e limitações, e os pesquisadores precisam considerar
esses fatores ao projetar seus estudos. Ou seja, a escolha entre pesquisas, entrevistas,
questionários, observações, experimentos e análise de documentos depende dos objetivos da
pesquisa, das questões em estudo e da abordagem metodológica preferida. Cada método tem
suas vantagens e desafios, e a combinação adequada dessas abordagens pode enriquecer a
compreensão dos fenômenos ambientais e contribuir para a tomada de decisões informadas na
gestão ambiental (HOGAN, 2017).
3. TÉCNICAS DE ANÁLISE ESTATÍSTICA APLICADAS À GESTÃO AMBIENTAL
As técnicas de análise estatística são métodos utilizados para examinar e interpretar
dados de forma a obter informações relevantes e significativas (ALI; BHASKAR, 2016). Elas
são aplicadas em uma variedade de campos, como pesquisa científica, estudos de mercado,
análise de dados financeiros e muitos outros (HAIR et al., 2005, 2014). Essas técnicas
permitem que pesquisadores e analistas extraiam informações significativas dos dados,
tomem decisões informadas e resolvam problemas complexos (HAIR JR. et al., 2017).
Algumas técnicas de análise estatística aplicadas incluem:
3.1 Estatísticas Descritivas
Essa técnica envolve resumir e interpretar dados usando medidas como média,
mediana, moda e desvio padrão (FISHER; MARSHALL, 2009). As estatísticas descritivas
permitem que os analistas obtenham uma melhor compreensão da tendência central,
variabilidade e distribuição de um conjunto de dados (NICK, 2007).
Estatísticas Descritivas são ferramentas fundamentais na análise de dados, permitindo
que os pesquisadores e analistas obtenham insights valiosos sobre as características essenciais
de um conjunto de dados (HAIR et al., 2014). Essa técnica envolve a utilização de medidas
resumidas para descrever e interpretar os dados, facilitando a compreensão de tendências,
padrões e distribuição dos valores observados. As estatísticas descritivas ajudam a simplificar
dados complexos, tornando-os mais compreensíveis e comunicáveis para tomadas de decisão
informadas (FISHER; MARSHALL, 2009; NICK, 2007).
Vamos explorar algumas das principais medidas utilizadas em estatísticas descritivas:
13
1. Média: A média é a soma de todos os valores de um conjunto de dados dividida pelo
número de observações. (“como as medidas de tendênciaCentral pode auxiliar no ... ”) Ela
representa o valor central dos dados e fornece uma ideia geral de onde os dados estão
concentrados (HAIR et al., 2014).
2. Mediana: A mediana é o valor do meio quando os dados são organizados em ordem
crescente. Ela é menos sensível a valores extremos do que a média e oferece uma visão mais
robusta da tendência central dos dados (HAIR et al., 2014).
3. Moda: A moda é o valor que ocorre com mais frequência em um conjunto de dados. Ela
destaca os valores mais comuns e é útil para identificar padrões repetitivos (HAIR et al.,
2014).
4. Desvio Padrão: O desvio padrão mede a dispersão dos valores em relação à média. Quanto
maior o desvio padrão, maior é a variabilidade dos dados (HAIR et al., 2014).
5. Variância: A variância é uma medida da dispersão dos dados em relação à média. Ela é o
quadrado do desvio padrão e fornece uma ideia mais completa da variabilidade dos dados
(HAIR et al., 2014).
6. Percentis: Os percentis dividem os dados em partes iguais, permitindo analisar a
distribuição em diferentes pontos. A mediana, por exemplo, é o percentil 50, dividindo os
dados em duas partes iguais (HAIR et al., 2014).
7. Amplitude: A amplitude é a diferença entre o maior e o menor valor em um conjunto de
dados. Ela oferece uma noção básica da variação total dos dados (HAIR et al., 2014).
8. Gráficos Descritivos: Além das medidas numéricas, os gráficos descritivos, como
histogramas, box plots e gráficos de dispersão, auxiliam na visualização da distribuição e
padrões dos dados (HAIR et al., 2014).
Ao empregar estatísticas descritivas, os analistas podem resumir rapidamente as
principais características de um conjunto de dados, identificar valores atípicos, compreender a
variabilidade e visualizar a distribuição. Essas informações são fundamentais para a tomada
de decisões informadas, seja em pesquisas científicas, negócios, ciências sociais ou qualquer
outro campo que envolva análise de dados (FISHER; MARSHALL, 2009; HAIR et al., 2014;
NICK, 2007).
3.2 Testes de Hipóteses
São usados para verificar se uma determinada afirmação sobre os dados é verdadeira
ou não. Exemplos incluem o teste t de Student e o teste qui-quadrado (HAIR et al., 2019,
2014; HAIR JR. et al., 2017).
Os Testes de Hipóteses são procedimentos estatísticos fundamentais que auxiliam os
pesquisadores a tomar decisões informadas sobre a validade de afirmações ou suposições
feitas sobre uma população ou conjunto de dados (DIVALE, 1975; HAIR et al., 2014). Essa
abordagem envolve a formulação de duas hipóteses: a hipótese nula (H0) e a hipótese
alternativa (H1) (DIVALE, 1975). O objetivo do teste é avaliar se há evidências estatísticas
suficientes para rejeitar a hipótese nula em favor da hipótese alternativa (HAIR et al., 2014).
14
1. Hipótese Nula (H0): É a afirmação que está sendo testada, geralmente assumindo que não
há efeito ou diferença real entre grupos ou condições (DIVALE, 1975; HAIR et al., 2014).
2. Hipótese Alternativa (H1): É a afirmação oposta à hipótese nula. Ela sugere que há um
efeito ou diferença significativa entre grupos ou condições (DIVALE, 1975; HAIR et al.,
2014).
Aqui estão dois exemplos populares de testes de hipóteses:
Teste t de Student:
O teste t de Student é utilizado para comparar as médias de duas amostras
independentes e determinar se as diferenças observadas são estatisticamente significativas
(HAIR et al., 2014). Por exemplo, imagine que um pesquisador queira saber se há uma
diferença significativa nas notas médias de dois grupos de estudantes que receberam
diferentes métodos de ensino. A hipótese nula poderia ser que não há diferença nas médias,
enquanto a hipótese alternativa poderia afirmar que há uma diferença significativa entre as
médias. O teste t calcula uma estatística t, que é comparada com um valor crítico ou p-valor
para determinar se a hipótese nula deve ser rejeitada (HAIR et al., 2014).
Teste Qui-Quadrado:
O teste qui-quadrado é usado para determinar se há uma associação significativa entre
duas variáveis categóricas (MARÔCO, 2011). Por exemplo, um pesquisador pode querer
investigar se existe uma relação entre a preferência por diferentes marcas de produtos e a
faixa etária dos consumidores. A hipótese nula afirmaria que não há associação entre as
variáveis, enquanto a hipótese alternativa indicaria que há uma associação. O teste
qui-quadrado calcula uma estatística qui-quadrado, que é comparada com um valor crítico ou
p-valor para avaliar a rejeição da hipótese nula (HAIR et al., 2014; MARÔCO, 2011).
Em ambos os casos, a interpretação do resultado envolve a comparação do valor
calculado da estatística do teste com um valor crítico ou p-valor. Se o valor calculado for
menor do que o valor crítico ou se o p-valor for menor do que um limiar estabelecido
(geralmente 0,05), então a hipótese nula pode ser rejeitada, sugerindo que há evidências
estatísticas para apoiar a hipótese alternativa (HAIR et al., 2014).
Os testes de hipóteses desempenham um papel crucial na pesquisa estatística, pois
ajudam os pesquisadores a tomar decisões embasadas em dados observados, contribuindo
para a validade e confiabilidade das conclusões obtidas a partir das análises.
3.3 Análise de Regressão
Tem como objetivo estabelecer uma relação entre uma variável dependente e uma ou
mais variáveis independentes. Os modelos de regressão podem ajudar a prever resultados,
identificar fatores influentes e avaliar a força dos relacionamentos.
A Análise de Regressão é uma poderosa técnica estatística amplamente utilizada para
explorar e entender a relação entre variáveis. Seu principal objetivo é modelar a relação entre
uma variável dependente e uma ou mais variáveis independentes, permitindo a previsão de
resultados, a identificação de fatores influentes e a avaliação da força dos relacionamentos.
Essa (HAIR et al., 2014; MARÔCO, 2011)abordagem é aplicável em diversas áreas, desde
ciências sociais e economia até medicina e engenharia, fornecendo insights valiosos para a
tomada de decisões embasadas.
Aqui estão os principais conceitos e etapas envolvidas na Análise de Regressão:
15
1. Variável Dependente e Variáveis Independentes: A variável dependente (ou resposta) é
aquela que está sendo prevista ou modelada (HAIR et al., 2014; MARÔCO, 2011). As
variáveis independentes (ou preditoras) são aquelas que são utilizadas para explicar as
variações na variável dependente (HAIR et al., 2014).
2. Modelo de Regressão: Um modelo de regressão é uma equação matemática que representa
a relação entre as variáveis. O objetivo é encontrar os coeficientes das variáveis
independentes que melhor se ajustam aos dados observados (HAIR et al., 2019, 2014; HAIR
JR. et al., 2017; MARÔCO, 2011).
3. Métodos de Regressão: Existem diversos métodos de regressão, como a regressão linear
simples e múltipla, regressão logística, regressão polinomial, entre outros. Cada método é
adequado para diferentes tipos de dados e relacionamentos (HAIR et al., 2019, 2014; HAIR
JR. et al., 2017; MARÔCO, 2011).
4. Coeficientes de Regressão: Os coeficientes de regressão representam a magnitude e direção
da relação entre as variáveis. Eles indicam como uma mudança nas variáveis independentes
afeta a variável dependente (HAIR et al., 2019, 2014; HAIR JR. et al., 2017; MARÔCO,
2011).
5. Ajuste do Modelo: O ajuste do modelo envolve encontrar os coeficientes que minimizam a
diferença entre os valores previstos pelo modelo e os valores reais observados nos dados
(HAIR et al., 2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
6. Avaliação do Modelo: A qualidade do modelo é avaliada através de medidas de ajuste,
como o coeficiente de determinação (R²), que indica a proporção da variação da variável
dependente que é explicada pelas variáveis independentes (HAIR et al., 2019, 2014; HAIR
JR. et al., 2017; MARÔCO, 2011).
7. Predição e Inferência: Além de prever valores, a análise de regressão permite inferir sobre a
significância das variáveis independentes e testar hipóteses sobre os coeficientes (HAIR et al.,
2019,2014; HAIR JR. et al., 2017; MARÔCO, 2011).
8. Diagnóstico de Resíduos: A análise dos resíduos (diferença entre os valores observados e
previstos) é importante para verificar se o modelo é apropriado e se atende às suposições da
análise de regressão (HAIR et al., 2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
A Análise de Regressão é uma ferramenta versátil que pode ser usada para entender
padrões, identificar tendências e fornecer insights em uma ampla gama de cenários. Ela é
especialmente útil quando se deseja explorar relações causais ou preditivas entre variáveis e
quando se busca tomar decisões informadas com base em dados observados (HAIR et al.,
2014).
3.4 Estatística inferencial
Essa técnica envolve fazer previsões e tirar conclusões sobre uma população com base
em uma amostra. A estatística inferencial utiliza a teoria da probabilidade e o teste de
hipóteses para determinar a significância das relações entre as variáveis e generalizar as
descobertas para uma população maior (HAIR et al., 2014).
A Estatística Inferencial é uma abordagem essencial na análise de dados, que vai além
da simples descrição e exploração dos dados, permitindo fazer previsões, tirar conclusões e
16
realizar generalizações sobre uma população maior com base em informações obtidas de uma
amostra representativa. Essa técnica desempenha um papel fundamental na pesquisa
científica, análises de mercado, tomada de decisões empresariais e muitos outros contextos,
proporcionando uma compreensão mais profunda dos fenômenos e permitindo tirar insights
significativos a partir de dados limitados (HAIR et al., 2014).
Aqui estão os principais aspectos da Estatística Inferencial:
1. Amostragem: Em vez de estudar uma população inteira, que muitas vezes é impraticável, a
Estatística Inferencial utiliza uma amostra representativa para extrapolar conclusões para a
população como um todo. A seleção adequada da amostra é crucial para garantir que as
conclusões sejam válidas (HAIR et al., 2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
2. Teoria da Probabilidade: A Estatística Inferencial é baseada na teoria da probabilidade, que
fornece as ferramentas matemáticas necessárias para lidar com a incerteza inerente aos dados
amostrais. As probabilidades ajudam a quantificar a confiança nas conclusões inferidas
(HAIR et al., 2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
3. Teste de Hipóteses: Os testes de hipóteses são usados para avaliar a significância das
relações entre variáveis e para fazer afirmações sobre a população com base na amostra. A
hipótese nula (H0) é testada em relação à hipótese alternativa (H1) para determinar se os
resultados observados são estatisticamente significativos (HAIR et al., 2019, 2014; HAIR JR.
et al., 2017; MARÔCO, 2011).
4. Intervalos de Confiança: Os intervalos de confiança fornecem uma faixa de valores
prováveis para uma estimativa de parâmetro populacional. Eles expressam a incerteza
associada à amostra e auxiliam na interpretação das conclusões (HAIR et al., 2019, 2014;
HAIR JR. et al., 2017; MARÔCO, 2011).
5. Erro Padrão: O erro padrão é uma medida da variabilidade das estimativas amostrais. Ele
descreve quanta variabilidade pode ser esperada entre diferentes amostras da mesma
população (HAIR et al., 2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
6. Regressão e Correlação: A Estatística Inferencial também é aplicada em análises de
regressão e correlação, permitindo fazer previsões sobre variáveis dependentes com base em
variáveis independentes e avaliar a força e a direção das relações entre elas (HAIR et al.,
2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
7. Generalização: Uma das principais metas da Estatística Inferencial é fazer generalizações
confiáveis das conclusões obtidas a partir da amostra para a população maior. Isso requer
consideração cuidadosa das suposições e limitações do método (HAIR et al., 2019, 2014;
HAIR JR. et al., 2017; MARÔCO, 2011).
A Estatística Inferencial desempenha um papel crítico ao permitir que os
pesquisadores extraiam informações significativas de dados amostrais e tomem decisões
informadas em contextos onde a obtenção de informações de toda a população não é viável.
Ela oferece uma abordagem sistemática para lidar com a incerteza estatística e contribui para
a validade e confiabilidade das conclusões obtidas a partir da análise de dados (HAIR et al.,
2019, 2014; HAIR JR. et al., 2017; MARÔCO, 2011).
17
Essas são apenas algumas das diversas técnicas de análise estatística que podem ser
aplicadas para extrair informações valiosas a partir de dados. A escolha da técnica depende do
tipo de dados, do objetivo da análise e das perguntas de pesquisa.
Cabe observar que os avanços na tecnologia facilitaram muito a análise estatística.
Ferramentas de software como R, Python e SPSS fornecem aos analistas recursos poderosos
para manipulação, visualização e modelagem de dados. Essas ferramentas facilitam a
aplicação de técnicas estatísticas, mesmo para indivíduos com conhecimento estatístico
limitado.
No entanto, é essencial lembrar que a análise estatística não é infalível. Requer uma
consideração cuidadosa da qualidade dos dados, suposições e limitações. A má interpretação
ou uso indevido de técnicas estatísticas pode levar a conclusões e decisões errôneas.
Em conclusão, as técnicas de análise estatística são indispensáveis para extrair insights
e tomar decisões informadas em vários campos. Eles fornecem uma abordagem sistemática
para entender os dados, fazer previsões e testar hipóteses. À medida que a tecnologia continua
avançando, essas técnicas continuarão a evoluir, permitindo que os analistas liberem todo o
potencial dos dados.
4. INTERPRETAÇÃO E COMUNICAÇÃO DOS RESULTADOS DE PESQUISAS EM
GESTÃO AMBIENTAL
Refere-se ao processo de analisar e apresentar os resultados de um estudo de pesquisa
de maneira significativa e compreensível (DEMPSTER, 2020). Envolve decifrar os dados
coletados durante a pesquisa e traduzi-los em insights ou conclusões acionáveis
(PONTEROTTO; GRIEGER, 2007).
O estágio de interpretação envolve examinar os dados, identificar padrões e tirar
conclusões com base nas evidências coletadas. Os pesquisadores precisam analisar os
resultados objetivamente, considerando quaisquer limitações ou vieses que possam ter
influenciado os achados. Esta etapa requer habilidades de pensamento crítico e uma
compreensão profunda do campo de pesquisa para garantir uma interpretação precisa
(BUDDEN; MICHENER, 2018; HALPERT, 1966; LANG, 2003; UDOVICICH;
KASIVISVANATHAN; WINCHESTER, 2017).
Uma vez que os resultados tenham sido interpretados, o próximo passo crucial é a
comunicação efetiva. Os pesquisadores devem transmitir suas descobertas a vários públicos,
incluindo colegas pesquisadores, profissionais da indústria, formuladores de políticas ou o
público em geral (DEMETER, 2017; MILES; HBERMAN; SDANA, 2014). Uma
comunicação clara e concisa é essencial para garantir que os resultados da pesquisa sejam
compreendidos e possam ser utilizados adequadamente (DEMPSTER, 2020; HALPERT,
1966).
A comunicação eficaz envolve o uso de linguagem apropriada e a explicação de
conceitos complexos de maneira simplificada (DEMETER, 2017; MILES; HBERMAN;
SDANA, 2014). Auxílios visuais como gráficos ou infográficos também podem ser usados
para melhorar a compreensão. Além disso, os pesquisadores devem considerar o contexto e o
público ao apresentar suas descobertas, adaptando seu estilo de comunicação de acordo
(LANG, 2003).
O objetivo de interpretar e comunicar os resultados da pesquisa é preencher a lacuna
entre a comunidade científica e o público em geral (DEMETER, 2017; MILES; HBERMAN;
SDANA, 2014). Ele permite que os pesquisadores compartilhem suas descobertas,
contribuam para a disseminação do conhecimento e potencialmente influenciem os processos
de tomada de decisão. Ao interpretar e comunicar efetivamente os resultados da pesquisa, os
18
pesquisadores podem maximizar o impacto de seu trabalho e contribuir para o avanço de seu
campo (DEMPSTER,2020; UDOVICICH; KASIVISVANATHAN; WINCHESTER, 2017).
4.1 Interpretação dos Dados
A interpretação dos dados é o processo de analisar, compreender e extrair significado
dos conjuntos de informações coletadas por meio de métodos de pesquisa, com o objetivo de
identificar padrões, relações, tendências e insights que possam fornecer conhecimento e
embasar a tomada de decisões informadas em determinado contexto, como a gestão ambiental
(HAIR et al., 2005). Isso envolve a busca por conexões entre os dados, a identificação de
implicações práticas e a formulação de conclusões que possam contribuir para uma
compreensão mais profunda do fenômeno estudado (CRESWELL, 2014).
Vamos explorar as etapas envolvidas na interpretação dos dados. Começamos com a
organização dos dados de maneira coerente, incluindo a criação de tabelas, gráficos e outras
representações visuais para destacar padrões e tendências. Em seguida, discutimos a
importância de identificar relações e correlações entre diferentes variáveis, o que pode
fornecer insights valiosos sobre as interações ambientais. Além disso, podemos abordar a
análise de dados qualitativos, como as informações obtidas por meio de entrevistas e
observações, destacando métodos para identificar temas e padrões nessas informações ricas.
Vejamos um exemplo prático apresentado no Quadro 7 a seguir utilizando como exemplo a
análise do impacto ambiental de uma área urbana.
Quadro 7 – exemplo prático sobre a interpretação de dados
Suponhamos que uma equipe de pesquisadores esteja conduzindo uma pesquisa para avaliar o impacto
ambiental de uma nova área urbana em desenvolvimento. Eles coletaram dados sobre diferentes aspectos,
como qualidade do ar, nível de ruído, uso de energia e opiniões da comunidade local por meio de entrevistas.
Agora, eles estão interpretando esses dados para obter insights relevantes.
1. Organização dos Dados: Os pesquisadores organizaram os dados em uma planilha, onde cada linha
representa uma medida específica e cada coluna representa uma variável.
Por exemplo, eles têm colunas para data, qualidade do ar (em índices de
poluição), nível de ruído (em decibéis), consumo de energia (em
kilowatts-hora) e opiniões dos moradores (em escalas de concordância).
2. Representações Visuais Eles criaram gráficos de linhas para mostrar como a qualidade do ar flutua
ao longo do tempo, destacando períodos de piora e melhoria. Também
criaram um gráfico de barras para comparar os níveis de ruído em
diferentes partes da área urbana. Essas representações visuais permitem
identificar padrões e tendências de maneira mais clara.
3. Identificação de Relações e
Correlações:
Ao cruzar os dados, os pesquisadores notaram que os períodos de alta
qualidade do ar coincidem com quedas nos níveis de consumo de energia,
sugerindo uma possível relação entre ações de economia de energia e
melhoria da qualidade do ar. Além disso, eles identificaram uma
correlação negativa entre o aumento do tráfego e o aumento do nível de
ruído, o que indica uma ligação entre tráfego intenso e aumento do ruído.
4. Análise de Dados
Qualitativos:
Ao analisar as entrevistas realizadas com moradores locais, os
pesquisadores identificaram temas recorrentes, como preocupações com a
perda de áreas verdes e a necessidade de melhorias no transporte público.
Esses temas qualitativos fornecem insights sobre as preocupações da
comunidade em relação ao desenvolvimento urbano.
Fonte: Adaptado de Creswell (2014) e Hair et al., (2005).
No exemplo acima, os pesquisadores seguiram as etapas de interpretação dos dados,
organizando as informações de forma coerente, utilizando representações visuais para
identificar padrões, analisando relações e correlações entre variáveis e explorando os dados
qualitativos para identificar temas importantes. Esses insights podem ser usados para tomar
19
decisões informadas sobre o desenvolvimento urbano, levando em consideração as
preocupações ambientais e comunitárias.
4.2 Relação entre Dados e Tomada de Decisões
A relação entre dados e tomada de decisões refere-se à influência direta que os
conjuntos de informações têm sobre o processo de escolha e determinação de ações em uma
variedade de contextos (FINK, 2003; HAIR et al., 2005). Isso implica que dados relevantes,
precisos e bem interpretados desempenham um papel fundamental na orientação das decisões,
permitindo que sejam embasadas em evidências sólidas e informadas. A tomada de decisões
baseada em dados envolve a análise cuidadosa das informações disponíveis para identificar
tendências, padrões e relações, bem como para prever resultados prováveis (CRESWELL,
2014; CRESWELL; CLARK, 2018; HAIR et al., 2005). A relação entre dados e tomada de
decisões é particularmente vital em áreas como gestão, planejamento e estratégia, onde
escolhas eficazes são fundamentais para atingir objetivos de forma eficiente e eficaz. O
Quadro 8 apresenta um exemplo ilustrativo da relação entre dados e a tomada de decisões
utilizando como exemplo a decisão de implementar energia solar em uma empresa.
Quadro 8 – Relação entre dados e a tomada de decisões
Imagine que uma empresa de médio porte esteja considerando a transição para o uso de energia solar como
parte de seus esforços para ser mais sustentável. Eles têm uma instalação própria e querem avaliar se a
instalação de painéis solares é viável financeiramente e ambientalmente. Aqui está como a relação entre dados
e tomada de decisões pode se desenrolar:
1. Coleta de Dados: A empresa coleta dados sobre seu consumo de energia atual ao
longo de um ano, incluindo os custos mensais de eletricidade. Eles
também pesquisam o potencial de radiação solar na região onde
estão localizados.
2. Análise dos Dados: Os dados coletados são analisados para identificar padrões sazonais
no consumo de energia. Eles também calculam o retorno esperado
do investimento em painéis solares com base nas taxas atuais de
instalação e incentivos fiscais.
3. Relação entre Dados e Decisão: Ao analisar os dados, a empresa identifica que seu consumo de
energia é mais alto durante os meses de verão, quando há um pico
no uso de ar-condicionado. Eles também percebem que a radiação
solar na região é considerável durante todo o ano. Essa relação
entre dados sugere que a energia solar pode ser uma opção viável
para reduzir os custos de energia, especialmente durante os meses
de pico de consumo.
4. Tomada de Decisão Informada: Com base nos dados coletados e analisados, a empresa decide
prosseguir com a instalação de painéis solares. Eles calculam que o
investimento inicial será recuperado em um período razoável,
considerando as economias projetadas nos custos mensais de
energia. Essa decisão é fundamentada em dados concretos, que
demonstraram que a energia solar pode ser uma solução econômica
e ambientalmente vantajosa para a empresa.
Fonte: Adaptado de Fink (2003).
Neste exemplo, a relação entre os dados (consumo de energia, padrões sazonais,
potencial de radiação solar) e a tomada de decisões (investir em energia solar) é claramente
demonstrada. Os dados forneceram informações essenciais para avaliar a viabilidade da
decisão e para embasá-la em evidências confiáveis, permitindo que a empresa tome uma
decisão informada que se alinha com seus objetivos de sustentabilidade e eficiência
financeira.
20
4.3 Comunicação Eficaz dos Resultados
A comunicação eficaz dos resultados se refere à habilidade de transmitir as
conclusões, insights e informações derivadas de uma pesquisa ou análise de maneira clara,
compreensível e impactante para um público específico (DEMPSTER, 2020). Trata-se de
transmitir as descobertas de forma a facilitar a compreensão e a tomada de decisões por parte
dos envolvidos, seja um público técnico, gerencial, público em geral ou outros interessados
(LANG, 2003). A comunicação eficaz envolve a seleção adequada de formatos, linguagem e
técnicas visuais para garantir que os resultados sejam interpretados corretamente e que os
pontos-chave sejam destacados, tornando-os acessíveis e relevantes para o público-alvo(HAIR et al., 2005). Além disso, a comunicação eficaz dos resultados também pode envolver
a elaboração de recomendações práticas e orientações para ação com base nas descobertas
apresentadas (DEMETER, 2017; MILES; HBERMAN; SDANA, 2014).
Nesta Unidade, os leitores serão guiados através do processo de interpretar dados
coletados, compreender sua influência na tomada de decisões e aprender a comunicar esses
resultados de maneira envolvente e eficaz. A interligação desses tópicos enfatiza a
importância de transformar informações em ações concretas para a gestão ambiental
responsável e informada. O Quadro 9 ilustra a comunicação dos resultados utilizando como
exemplo o Relatório de Sustentabilidade de uma empresa.
Quadro 9 – Exemplo prático da comunicação dos resultados
Uma empresa de produção de alimentos orgânicos conduziu uma análise abrangente de sua cadeia de
suprimentos para avaliar seu impacto ambiental e social. Eles agora precisam comunicar os resultados dessa
análise de maneira eficaz para seus acionistas, funcionários e consumidores.
1. Seleção de Formato
Adequado:
A empresa opta por criar um relatório de sustentabilidade visualmente atraente
e de fácil leitura, em vez de um documento técnico complexo. Eles sabem que
muitos dos leitores não são especialistas em sustentabilidade, então escolhem
um formato que seja acessível a um público diversificado.
2. Destaque dos
Pontos-Chave:
No relatório, eles começam com uma seção de destaques, onde apresentam os
principais resultados de forma concisa. Usam gráficos coloridos para ilustrar
as reduções significativas nas emissões de carbono e o aumento na
empregabilidade local devido à sua abordagem sustentável.
3. Visualizações
Impactantes:
Ao longo do relatório, eles incluem infográficos e gráficos que mostram a
redução do uso de água, a quantidade de resíduos reciclados e os benefícios
para as comunidades locais. Essas representações visuais ajudam a transmitir
informações complexas de maneira simples e atrativa.
4. Linguagem Acessível: A linguagem utilizada no relatório é clara e direta, evitando jargões técnicos
sempre que possível. Termos mais complexos são explicados em notas de
rodapé, tornando o conteúdo compreensível mesmo para leitores menos
familiarizados com o assunto.
5. Recomendações Práticas: Além de apresentar os resultados, a empresa inclui recomendações práticas
para acionistas e consumidores. Eles sugerem maneiras pelas quais os
acionistas podem continuar a apoiar iniciativas sustentáveis e como os
consumidores podem fazer escolhas mais conscientes.
6. Divulgação Multicanal A empresa não se limita a um único formato. Eles disponibilizam o relatório
impresso em sua sede, mas também criam uma versão digital interativa para
alcançar um público online mais amplo. Isso inclui vídeos curtos explicando
os principais resultados e como eles estão alinhados com os valores da
empresa.
Fonte: Adaptado de Dempster (2020).
Neste exemplo, a empresa conseguiu comunicar eficazmente os resultados de sua
análise de sustentabilidade ao escolher o formato certo, destacar os pontos-chave, usar
visualizações impactantes, adotar linguagem acessível, oferecer recomendações práticas e
utilizar uma variedade de canais de divulgação. Isso garante que os diferentes públicos
21
recebam as informações de maneira compreensível e convincente, incentivando a adoção de
ações positivas em relação à sustentabilidade.
QUESTÕES DE AUTOAVALIAÇÃO COM RESPOSTA COMENTADA
Questão 1: Quais são os objetivos principais ao explorar os métodos de coleta de dados
em pesquisas de gestão ambiental?
Resposta Comentada: Os objetivos principais ao explorar os métodos de coleta de dados são
permitir aos alunos entender as várias formas de obter informações relevantes para a pesquisa
ambiental e capacitá-los a escolher a técnica mais adequada para cada cenário específico. Isso
ajuda a garantir a obtenção de dados precisos e significativos.
Questão 2: Qual é o propósito da análise estatística em pesquisas relacionadas à gestão
ambiental?
Resposta Comentada: A análise estatística é essencial para compreender as relações, padrões
e tendências nos dados coletados. Ela permite extrair insights significativos e identificar
correlações entre variáveis que podem ser cruciais para a tomada de decisões informadas em
gestão ambiental.
Questão 3: Por que a interpretação dos dados é uma etapa crucial em pesquisas
ambientais?
Resposta Comentada: A interpretação dos dados é fundamental porque ajuda a transformar
conjuntos de informações em conhecimento prático. Ao analisar os dados de forma
aprofundada, podemos identificar tendências, relações e implicações que fornecem insights
valiosos, essenciais para a tomada de decisões bem fundamentadas.
Questão 4: Qual é a importância da comunicação eficaz dos resultados em pesquisas de
gestão ambiental?
Resposta Comentada: A comunicação eficaz dos resultados é vital para garantir que as
descobertas da pesquisa sejam compreendidas por diferentes públicos. Ela ajuda a traduzir
informações complexas em insights acionáveis, permitindo que os envolvidos tomem
decisões informadas e implementem medidas práticas de gestão ambiental.
Questão 5: Como a análise de dados qualitativos, como informações obtidas por meio de
entrevistas, pode contribuir para pesquisas de gestão ambiental?
Resposta Comentada: A análise de dados qualitativos é importante, pois permite capturar
nuances e percepções que não podem ser facilmente quantificadas. As informações obtidas
por meio de entrevistas podem revelar opiniões, preocupações e perspectivas da comunidade,
enriquecendo a compreensão dos impactos ambientais e contribuindo para uma gestão mais
inclusiva e informada.
22
Lembre-se de que essas respostas são comentadas de forma geral. Dependendo do
contexto específico do seu material de estudo, você pode ajustar os comentários para se
adequar à abordagem exata do conteúdo.
Questão 6: Em um cenário de gestão ambiental, você é encarregado de conduzir uma
pesquisa abrangente para avaliar o impacto de uma nova política governamental sobre a
redução de resíduos plásticos em uma cidade costeira. Você deve coletar dados
quantitativos e qualitativos para entender a eficácia da política, identificar desafios e
obter percepções da população. Como você abordaria a coleta, análise e interpretação
dos dados de forma integrada e eficaz, considerando a seleção das técnicas de coleta, a
análise estatística e a comunicação dos resultados para apoiar a tomada de decisões
informadas? Descreva as etapas que você seguiria e explique a importância de cada uma
delas para atingir os objetivos da pesquisa e promover a gestão ambiental sustentável.
Resposta Comentada: Para abordar esse cenário complexo de pesquisa em gestão ambiental, é
fundamental seguir um processo estruturado e abrangente. Vamos explorar as etapas
necessárias para conduzir a pesquisa e alcançar os objetivos propostos:
**1. Planejamento da Pesquisa:**
Antes de iniciar a coleta de dados, é fundamental desenvolver um plano de pesquisa
detalhado. Isso envolve definir os objetivos da pesquisa, identificar as variáveis relevantes
(como taxas de reciclagem, mudanças nos hábitos de consumo, percepções da população) e
determinar quais métodos de coleta de dados serão utilizados (entrevistas, questionários,
observações).
**2. Coleta de Dados Quantitativos e Qualitativos:**
Para avaliar o impacto da política, você precisará coletar dados quantitativos, como
estatísticas de resíduos plásticos antes e após a implementação da política. Isso pode envolver
medições de resíduos em locais específicos da cidade. Além disso, a coleta de dados
qualitativos permitirá entender as percepções da população sobre a política e os possíveis
desafios enfrentados. Entrevistas com moradores, grupos focais e análise de conteúdo de
mídias sociais podem ser úteis para capturar essas informações.
**3. Análise Integrada:**
Após a coleta dos dados, a análise deve ser integrada, combinando os aspectos
quantitativos e qualitativos para obter uma