Limitações e fraqueza dos métodos de investigação quantitativa

De acordo com Saunders et al. (2009), a metodologia de investigação serve como a espinha dorsal de um estudo de investigação. O principal objectivo da investigação quantitativa é a quantificação dos dados. Permite generalizações dos resultados através da medição das opiniões e respostas da população da amostra. Cada metodologia de investigação consiste em duas grandes fases: planeamento e execução (Younus 2014). Portanto, é evidente que, dentro destas duas fases, é provável que haja limitações que estão fora do nosso controlo (Simon 2011).

Impropor a representação da população alvo

Como mencionado no artigo, uma representação inadequada da população alvo pode impedir o investigador de alcançar as suas metas e objectivos desejados. Apesar da aplicação de representação adequada do plano de amostragem dos sujeitos depende da distribuição de probabilidade dos dados observados. Isto pode levar a um erro de cálculo da distribuição de probabilidade e levar à falsidade na proposta.

Por exemplo, um estudo pretende verificar a proporção de mulheres com idades compreendidas entre os 20-30 anos que estão a aplicar gamas de maquilhagem de marcas internacionais. A população alvo neste caso são as mulheres pertencentes ao referido grupo etário, com antecedentes profissionais e não profissionais, residentes em Deli. A população amostrada com base na distribuição de probabilidade tem de ser calculada em relação ao total de mulheres residentes na cidade (por exemplo, 400 amostras de 7.800.615 populações femininas). No entanto, existe um âmbito de obtenção de informação parcial sobre a gama de produtos de maquilhagem da amostra, devido à sua escassa forma contra a população total. Assim, os resultados do estudo não podem ser generalizados no contexto a uma população maior, mas sim sugeridos.

falta de recursos para a recolha de dados

Metodologia de investigação quantitativa requer normalmente uma grande dimensão de amostra. Contudo, devido à falta de recursos, esta investigação em grande escala torna-se impossível. Em muitos países em desenvolvimento, as partes interessadas (por exemplo, organizações governamentais ou não governamentais, prestadores de serviços públicos, instituições educacionais, etc.) podem não ter conhecimentos e, especialmente, os recursos necessários para realizar uma investigação quantitativa exaustiva (Science 2001).

Inabilidade de controlar o ambiente

Por vezes os investigadores enfrentam problemas para controlar o ambiente onde os inquiridos fornecem respostas às perguntas do inquérito (Baxter 2008). As respostas dependem frequentemente de um tempo específico que, mais uma vez, depende das condições que ocorrem durante esse período de tempo específico.

Por exemplo, se forem recolhidos dados para um estudo sobre a percepção dos residentes dos trabalhos de desenvolvimento realizados pelo município, os resultados apresentados para um ano específico (digamos, 2009), serão considerados redundantes ou de valor limitado em 2015. As razões são: ou os funcionários mudaram ou o cenário de desenvolvimento mudou (de demasiado eficaz para mínimo eficaz ou vice-versa).

Resultados limitados numa investigação quantitativa

Método de investigação quantitativa envolve um questionário estruturado com perguntas finais fechadas. Conduz a resultados limitados delineados na proposta de investigação. Assim, os resultados nem sempre podem representar a ocorrência real, de uma forma generalizada. Além disso, os inquiridos têm opções limitadas de respostas, com base na selecção feita pelo investigador.

Por exemplo, resposta a uma pergunta – “O seu gestor motiva-o a aceitar desafios”; pode ser sim/não/conseguir dizer ou concordar fortemente em discordar fortemente. Mas para saber quais são as estratégias aplicadas pelo gestor para motivar o funcionário ou em que parâmetros o funcionário não se sente motivado (se respondeu não), o investigador tem de fazer perguntas mais amplas que, de certa forma, têm um âmbito limitado em questionários fechados

Despendioso e demorado

A investigação quantitativa é difícil, dispendiosa e requer muito tempo para ser realizada a análise. Este tipo de investigação é planeada cuidadosamente a fim de assegurar a completa aleatorização e a designação correcta dos grupos de controlo (Morgan 1980). Uma grande proporção dos inquiridos é apropriada para a representação da população alvo. Assim, para conseguir respostas aprofundadas sobre uma questão, a recolha de dados em metodologia de investigação quantitativa é muitas vezes demasiado cara em comparação com a abordagem qualitativa.

Por exemplo, para compreender a influência da publicidade na propensão de decisão de compra de alimentos para bebés pais de 5 anos de idade ou menos de Bangalore, o investigador precisa de recolher dados de 200 inquiridos. Isto é demorado e caro, dada a abordagem necessária a cada um destes pais para explicar o objectivo do estudo.

Dificuldade na análise de dados

Estudo quantitativo requer uma análise estatística extensiva, que pode ser difícil de realizar para os investigadores com antecedentes não estatísticos. A análise estatística baseia-se na disciplina científica e, portanto, difícil de realizar para os não matemáticos.

A investigação quantitativa é muito mais complexa para as ciências sociais, educação, antropologia e psicologia. Uma resposta eficaz deve depender do problema da investigação e não apenas de uma simples resposta de sim ou não.

Por exemplo, para compreender o nível de motivação percebido pelos estudantes do 5º ano a partir da abordagem pedagógica adoptada pelos seus professores de turma, o simples sim e não pode levar a ambiguidade na recolha de dados e, portanto, a resultados impróprios. Em vez disso, uma entrevista detalhada ou uma técnica de grupo focal poderia desenvolver visões e perspectivas aprofundadas tanto dos professores como das crianças.

Utilizar 5E3BCCB908B47 para poupar 6000 em 6001 – 10000 palavras ordem padrão de serviço de análise de investigação.

Requisito de recursos extra para analisar os resultados

Os requisitos para a confirmação estatística bem sucedida dos resultados é muito difícil numa investigação quantitativa. A hipotese é comprovada com poucas experiências devido à ambiguidade dos resultados. Os resultados são testados e refinados várias vezes para uma conclusão inequívoca (Ong 2003). Assim, é necessário tempo, investimento e recursos adicionais para refinar os resultados.

Barbour, R.S., 2000. O papel da investigação qualitativa no alargamento da “base de provas” para a prática clínica. Journal of Evaluation in Clinical Practice, 6(2), pp.155-163.
Baxter, P., 2008. Metodologia de Estudo de Caso Qualitativo: Concepção e implementação de estudos para investigadores principiantes. The Qualitative Report, 13(4), pp.544-559.
Bowen, G.A., 2006. Análise Documental como Método de Investigação Qualitativa. Qualitative Research Journal, 9(2), pp.27 – 40.
Elo, S. & Kyngäs, H., 2008. O processo de análise qualitativa do conteúdo. Journal of Advanced Nursing, 62(1), pp.107-115.
Maxwell, J.A., 2005. Design de Investigação Qualitativa: An Interactive Approach, SAGE Publications. Disponível em: https://books.google.co.in/books/about/Qualitative_Research_Design.html?id=XqaJP-iehskC&pgis=1 .
Morgan, G., 1980. O Caso da Investigação Qualitativa. Academy of Management Journal, 5(4), pp.491-500.
Ong, S.-E., 2003. Abordagens baseadas na espectrometria de massa em proteómica quantitativa. Methods, 29(2), pp.124-130.
Saunders, M., Lewis, P. & Thornhill, A., 2009. Métodos de Investigação para Estudantes de Negócios 5ª ed., Essex, Inglaterra: Pearson Education Limited.

li>Science, J. of D., 2001. Revisão Convidada: Integrando resultados quantitativos de estudos múltiplos utilizando a metodologia de modelos mistos. Journal of Dairy Science, 84(4), pp.741-755.li>Simon, M.K., 2011. Dissertação e investigação académica: Recipes for success, Seattle, W.A.: Dissertation Success LLC.li>Younus, M.A.F., 2014. Metodologia de investigação. Em Vulnerabilidade e Adaptação às Alterações Climáticas no Bangladesh: Processos, Avaliação e Efeitos (Teses de Springer). Springer, pp. 35-76. Disponível em: http://link.springer.com/10.1007/978-94-007-5494-2_2 .

Autor
Posts recentes

Parceiro no Projecto Guru

Priya é um mestre em administração de empresas com majores em marketing e finanças. É fluente em modelação de dados, análise de séries cronológicas, vários modelos de regressão, previsão e interpretação dos dados. Tem assistido cientistas de dados, empresas, académicos na área das finanças, banca, economia e marketing.