A Pesquisa Científica Geralmente Tem Pelo Menos Cinco Fases

O que acontece quando você realmente tenta fazer pesquisa científica

A pesquisa científica geralmente tem pelo menos cinco fases, e a maioria das pessoas subestima o quão imprevisível cada uma delas pode ser na prática. Você começa com a ideia de que vai seguir um roteiro linear, maslogo percebe que o processo real é muito mais bagunçado do que os manuais mostram. A primeira fase é a identificação do problema. Parece simples de escrever, mas é onde a maioria dos projetos fracassa antes de começar. Eu vi gente gastar meses procurando uma pergunta "interessante" e terminar sem nada concreto porque nunca restringiu o escopo. O erro mais comum é escolher um tema amplo demais, tipo "inteligência artificial na educação", que literalmente não é um problema pesquisável. Você precisa transformar isso em algo como "o impacto do uso de LLMs na retenção de conceitos básicos em cursos de programação para iniciantes". A diferença é que um é um título de artigo de opinião e o outro é uma pergunta que dá para medir. A segunda fase, revisão bibliográfica, é onde as pessoas acham que estão "pesquisando" e na verdade estão só acumulando PDFs. Li isso numa survey de doutorando uma vez: ele tinha 400 referências salvas e não conseguia articular qual era o gap da literatura. O trabalho aqui não é ler tudo, é mapear o terreno. Você precisa identificar o que já foi feito, onde estão as lacunas e, mais importante, por que essas lacunas existem. Ferramentas como Zotero combinadas com uma boa estratégia de busca booleana no Scopus ou Web of Science ajudam, mas o filtro é seu. Eu costumo ler apenas abstracts e conclusões dos artigos primeiro, entrando nos métodos só se for realmente relevante. Isso corta o tempo de revisão em pelo menos 60 por cento em comparação com ler artigo por artigo integralmente.

A terceira fase é a formulação de hipóteses e o desenho metodológico. Aarmar hipóteses testáveis é diferente de ter uma expectativa vaga. Uma hipótese precisa ser falseável, senão você não está fazendo pesquisa, está fazendo reflexão. Metade dos problemas que eu vejo em revisões de projetos vêm de hipóteses que não podem ser refutadas com os dados coletáveis. A questão do desenho metodológico é que ele precisa ser escolhido antes de qualquer coleta de dados, não depois. Eu já vi pesquisador tentar aplicar teste t de Student em dados que claramente não eram normais só porque "era o que sabia fazer". Nesse caso específico, a solução foi usar testes não paramétricos equivalentes — Mann-Whitney no lugar do t para amostras independentes, e Wilcoxon para pareados. Se você não conhece os alternativas não paramétricas, vai travar com dados reais, que quase nunca se comportam como nos livros didáticos. A quarta fase é a coleta e análise de dados. Aqui é onde a teoria encontra a realidade, e a realidade quase sempre é mais complicada. Dados faltando, variáveis que não fazem sentido, participantes que desistem no meio. Em um projeto meu com análise de sentimentos aplicada a comentários de redes sociais, cerca de 30 por cento dos textos não podiam ser processados porque eram predominantemente em inglês dentro de um corpus brasileiro, e o modelo que eu havia escolhido não tinha sido treinado para code-switching. A solução foi treinar um subclassificador simples que rotulava os textos mistos e os separava antes da análise principal, aceitando que aquela parcela ficaria de fora dos resultados. Não é ideal, mas é o que a realidade permite. Análise de dados também não é só rodar o software e torcer. Limpeza de dados, verificação de pressupostos, tratamento de outliers — isso consome mais tempo do que a própria modelagem na maioria dos casos. A quinta e última fase é a conclusão e divulgação. As pessoas costumam tratar como apenas "escrever o artigo", mas é onde o projeto ganha (ou perde) significado. Uma conclusão mal escrita pode arruinar anos de trabalho decente. O problema mais frequente é a confusão entre correlação e causalidade em estudos observacionais. Se o seu desenho não permite inferência causal, você não deve usar linguagem causal. Isso parece óbvio até o dia em que seu orientador ou revisor aponta que você disse "o uso de X leva a Y" num estudo transversal. Nesse ponto, a única correção viável é reformular toda a discussão e aceitar que suas conclusões são mais modestas do que você pretendia.

Um detalhe que poucos mencionam: essas fases raramente são lineares. Na prática, você volta para a revisão bibliográfica depois de coletar dados porque percebe que uma variável crucial. Você refinaha hipótese após ver a distribuição dos dados. Isso é normal e não significa que algo está errado. Pesquisa científica bem-feita é iterativa, não sequencial. O que ninguém te conta sobre pesquisa científica é que a parte mais demorada não é nenhuma das cinco fases em si, mas sim a preparação e o ajuste constante entre elas. Um projeto que você acha que vai levar três meses pode facilmente dobrar de tempo se você não tiver clareza desde o início sobre o que realmente vai medir e como. Investir duas semanas só no desenho metodológico antes de qualquer coleta de dados economiza semanas de retrabalho. E se você está começando agora, comece pequeno. Um estudo de caso bem feito vale mais do que uma survey mal executada com 2 mil participantes.