Métodos de Investigação em Psicologia

Identificar e Definir as Variáveis e População

Variáveis e Definições Operacionais

Parte da geração de uma hipótese envolve a identificação das variáveis que se pretende estudar e a definição operacional dessas variáveis para que possam ser medidas. As questões de investigação em psicologia são sobre variáveis. Uma variável é uma quantidade ou qualidade que varia entre pessoas ou situações. Por exemplo, a altura dos estudantes inscritos num curso universitário é uma variável porque varia de estudante para estudante. A maioridade escolhida dos estudantes é também uma variável desde que nem todos na turma tenham declarado a mesma maioridade. Quase tudo no nosso mundo varia e como tal, pensar em exemplos de constantes (coisas que não variam) é muito mais difícil. Um exemplo raro de uma constante é a velocidade da luz. As variáveis podem ser tanto quantitativas como categóricas. Uma variável quantitativa é uma quantidade, como a altura, que é tipicamente medida através da atribuição de um número a cada indivíduo. Outros exemplos de variáveis quantitativas incluem o nível de falabilidade das pessoas, o quão deprimidas estão, e o número de irmãos que têm. Uma variável categórica é uma qualidade, tal como a major escolhida, e é tipicamente medida atribuindo uma etiqueta de categoria a cada indivíduo (por exemplo, Psicologia, Inglês, Enfermagem, etc.). Outros exemplos incluem a nacionalidade das pessoas, a sua ocupação, e se estão a receber psicoterapia.

Após o pesquisador gerar a sua hipótese e seleccionar as variáveis que quer manipular e medir, o pesquisador precisa de encontrar formas de medir realmente as variáveis de interesse. Isto requer uma definição operacional – uma definição da variável em termos de como ela deve ser medida com precisão. A maioria das variáveis que os investigadores estão interessados em estudar não podem ser directamente observadas ou medidas e isto coloca um problema porque o empirismo (observação) está no centro do método científico. Definir operacionalmente uma variável implica tomar uma construção abstracta como a depressão que não pode ser directamente observada e transformá-la em algo que pode ser directamente observado e medido. A maioria das variáveis pode ser definida operacionalmente de muitas maneiras diferentes. Por exemplo, a depressão pode ser definida operacionalmente como a pontuação das pessoas numa escala de depressão em papel e lápis, como o Beck Depression Inventory, o número de sintomas depressivos que estão a experimentar, ou se foram diagnosticados com uma doença depressiva grave. Os investigadores são sensatos em escolher uma definição operacional que tem sido amplamente utilizada na literatura da investigação.

Amostragem e Medição

Além de identificar quais as variáveis a manipular e medir, e definir operacionalmente essas variáveis, os investigadores precisam de identificar a população de interesse. Os investigadores em psicologia estão normalmente interessados em tirar conclusões sobre um grupo muito grande de pessoas. A isto chama-se população. Podem ser todos os adolescentes americanos, crianças com autismo, atletas profissionais, ou mesmo apenas seres humanos – dependendo dos interesses e objectivos do investigador. Mas normalmente estudam apenas um pequeno subconjunto ou amostra da população. Por exemplo, um investigador pode medir a loquacidade de algumas centenas de estudantes universitários com a intenção de tirar conclusões sobre a loquacidade de homens e mulheres em geral. É importante, portanto, que os investigadores utilizem uma amostra representativa – uma que seja semelhante à população em aspectos importantes.

Um método para obter uma amostra é a simples amostragem aleatória, na qual cada membro da população tem igual hipótese de ser seleccionado para a amostra. Por exemplo, uma sondagem poderia começar com uma lista de todos os eleitores registados numa cidade (a população), seleccionar aleatoriamente 100 deles da lista (a amostra), e perguntar aos 100 em quem tencionam votar. Infelizmente, a amostragem aleatória é difícil ou impossível na maioria das pesquisas psicológicas porque as populações são menos claramente definidas do que os eleitores registados numa cidade. Como poderia um investigador dar a todos os adolescentes americanos ou a todas as crianças com autismo uma oportunidade igual de serem seleccionados para uma amostra? A alternativa mais comum à amostragem aleatória é a amostragem de conveniência, na qual a amostra consiste em indivíduos que estão por perto e dispostos a participar (tais como estudantes de psicologia introdutória). Evidentemente, o problema óbvio com a amostragem de conveniência é que a amostra pode não ser representativa da população e por isso pode ser menos apropriado generalizar os resultados da amostra a essa população.

Experimental vs. Non-Experimental Research

O próximo passo que um investigador deve tomar é decidir que tipo de abordagem irá utilizar para recolher os dados. Como irá aprender no seu curso de métodos de investigação, existem muitas abordagens diferentes à investigação que podem ser divididas de muitas maneiras diferentes. Uma das distinções mais fundamentais é entre investigação experimental e não experimental.

Investigação experimental

Investigadores que querem testar hipóteses sobre relações causais entre variáveis (ou seja, o seu objectivo é explicar) precisam de utilizar um método experimental. Isto porque o método experimental é o único método que nos permite determinar as relações causais. Utilizando a abordagem experimental, os investigadores primeiro manipulam uma ou mais variáveis enquanto tentam controlar factores estranhos, e depois medem como as variáveis manipuladas afectam as respostas dos participantes.

Os termos variável independente e variável dependente são utilizados no contexto da investigação experimental. A variável independente é a variável que o experimentador manipula (é a causa presumida) e a variável dependente é a variável que o experimentador mede (é o efeito presumido).

Confounds são também um termo que é bastante específico da investigação experimental. Uma confusão é uma variável estranha (portanto, uma variável diferente da variável independente e variável dependente) que varia sistematicamente juntamente com as variáveis sob investigação e, portanto, fornece uma explicação alternativa para os resultados. Quando os investigadores concebem uma experiência, precisam de garantir que controlam para confundir; precisam de garantir que as variáveis estranhas não se tornam variáveis confusas porque, para chegar a uma conclusão causal, precisam de garantir que foram descartadas explicações alternativas para os resultados.

Como exemplo, se manipularmos a iluminação na sala e examinarmos os efeitos dessa manipulação na produtividade dos trabalhadores, então as condições de iluminação (luzes brilhantes vs. luzes fracas) seriam consideradas a variável independente e a produtividade dos trabalhadores seria considerada a variável dependente. Se as luzes brilhantes forem ruidosas, então esse ruído seria uma confusão, uma vez que o ruído estaria presente sempre que as luzes fossem brilhantes e o ruído estaria ausente quando as luzes fossem fracas. Se o ruído variar sistematicamente com a luz, então não saberíamos se uma diferença na produtividade dos trabalhadores nas duas condições de iluminação se deve ao ruído ou à luz. Portanto, as confusões são más, perturbam a nossa capacidade de fazer conclusões causais sobre a natureza da relação entre as variáveis. Contudo, se houver ruído na sala, tanto quando as luzes estão acesas como quando as luzes estão apagadas, então o ruído é apenas uma variável estranha (é uma variável diferente da variável independente ou dependente) e não nos preocupamos muito com variáveis estranhas. Isto porque a menos que uma variável varie sistematicamente com a variável independente manipulada não pode ser uma explicação concorrente para os resultados.

Non-Experimental Research

Investigadores que estão simplesmente interessados em descrever características das pessoas, descrever relações entre variáveis, e usar essas relações para fazer previsões pode usar pesquisa não-experimental ou descritiva. Utilizando a abordagem não-experimental, o investigador mede simplesmente as variáveis tal como elas ocorrem naturalmente, mas não as manipula. Por exemplo, se eu apenas medisse o número de mortes no tráfego na América no ano passado que envolveu o uso de um telemóvel mas não manipulei o uso do telemóvel, então este seria categorizado como investigação não experimental. Alternativamente, se eu estivesse num cruzamento movimentado e gravasse os géneros dos condutores e se eles estavam ou não a utilizar um telemóvel quando passaram pelo cruzamento para ver se os homens ou as mulheres têm mais probabilidades de utilizar um telemóvel quando conduzem, então isto seria investigação não experimental. É importante salientar que a não-experimental não significa não científica. A investigação não-experimental é de natureza científica. Pode ser utilizada para cumprir dois dos três objectivos da ciência (descrever e prever). No entanto, ao contrário da investigação experimental, não podemos tirar conclusões causais utilizando este método; não podemos dizer que uma variável causa outra variável utilizando este método.

Laboratório vs. Investigação de Campo

A próxima grande distinção entre métodos de investigação é entre estudos laboratoriais e de campo. Um estudo laboratorial é um estudo que é realizado no ambiente laboratorial. Em contraste, um estudo de campo é um estudo que é realizado no mundo real, num ambiente natural.

As experiências laboratoriais têm tipicamente uma elevada validade interna. A validade interna refere-se ao grau em que se pode inferir com confiança uma relação causal entre as variáveis. Quando realizamos um estudo experimental num ambiente de laboratório, temos uma validade interna muito elevada porque manipulamos uma variável enquanto controlamos todas as outras variáveis externas. Quando manipulamos uma variável independente e observamos um efeito sobre uma variável dependente e controlamos para tudo o resto de modo a que a única diferença entre os nossos grupos ou condições experimentais seja a única variável manipulada, então podemos estar bastante confiantes de que é a variável independente que está a causar a mudança na variável dependente. Em contraste, porque os estudos de campo são conduzidos no mundo real, o experimentador tem tipicamente menos controlo sobre o ambiente e potenciais variáveis externas, e isto diminui a validade interna, tornando menos apropriado chegar a conclusões causais.

Mas existe tipicamente um trade-off entre validade interna e externa. Quando a validade interna é alta, a validade externa tende a ser baixa; e quando a validade interna é baixa, a validade externa tende a ser alta. A validade externa refere-se simplesmente ao grau em que podemos generalizar os resultados a outras circunstâncias ou cenários, como o ambiente do mundo real. Assim, os estudos laboratoriais são tipicamente baixos na validade externa, enquanto que os estudos de campo são tipicamente altos na validade externa. Uma vez que os estudos de campo são conduzidos no ambiente do mundo real, é muito mais apropriado generalizar os resultados a esse ambiente do que quando a investigação é conduzida no laboratório estéril mais artificial.

Finalmente, há estudos de campo que não são nada de experimental na natureza porque nada é manipulado. Mas há também experiências de campo onde uma variável independente é manipulada num ambiente natural e variáveis estranhas são controladas. Dependendo da sua qualidade geral e do nível de controlo das variáveis estranhas, tais experiências de campo podem ter uma elevada validade externa e interna.