Três Fases da análise de conteúdo

analise de conteudo Nvivo

Sugerem-se três etapas para aplicar a análise de conteúdo:

  1. Pré-análise
  2. Exploração do material
  3. Tratamento dos resultados

A análise de conteúdo pode ser aplicada a diferentes fontes de informação, incluindo textos (notícias, entrevistas e testemunhos), imagens e vídeos.

1. Pré análise

Na pré-análise é feita a seleção do corpus, ao mesmo tempo que se procuram definir um programa de análise flexível, embora já com alguma precisão. É definida a estrutura de codificação, embora ainda não na sua versão final.

2. Exploração do material

Na fase de exploração do material  são definidas as categorias de análise, as operações de codificação, decomposição e enumeração do corpus.

3. Tratamento dos dados

Depois de feita a categorização, podemos agora fazer a contagem e a análise/ interpretação das unidades de conteúdo que compõe cada uma das categorias. O tratamento dos dados pode por isso ser feita através de técnicas de análise qualitativas e quantitativas. Em termos qualitativos pode é criada uma estrutura de leitura e de interpretação dos dados. Em termos quantitativos, podemos recorrer a operações estatísticas simples (percentagens) ou mais complexas (análise fatorial) para estabelecer quadros de resultados, diagramas, figuras e modelos que sistematizam e põem em relevo as conclusões da análise.

analise de conteudo Nvivo

Objetivos da análise de conteúdo

A análise de conteúdo tem como objetivo encontrar ligações entre categorias e conceitos que permitam construir pressupostos teóricos suficientemente válidos para fazer generalizações. Para isso recomenda-se alguns “pressupostos” metodológicos, tais como: um corpus consistente e representativo; uma categorização sistemática de todo o conteúdo com relevância para o estudo (questão tratada); e a triangulação dos resultados combinando as técnicas de análise qualitativas com os procedimentos quantitativos.

Saiba quais as técnicas de recolha de dados qualitativos mais utilizadas!

A investigação qualitativa não incide sobre um universo tão vasto como na abordagem quantitativa, mas pretende obter o máximo de informação subjetiva (valores, crenças, testemunhos, opiniões, expetativas, etc.) sobre um processo, ou facto social, de forma a permitir uma visão e um conhecimento do mundo específicos.

6 Técnicas para a Análise de Conteúdo

analise-de-conteudo-dados qualitativos

Existem Seis Técnicas de Análise de Conteúdo possíveis de aplicar em estudos de diferentes áreas (sociologia, psicologia, educação, recursos humanos, jornalismo, publicidade, etc.).

As seis técnicas de análise de conteúdo distinguem-se com base nos elementos do discurso, a sua forma ou as relações entre estes elementos. São elas:

  • Análise de categorias
  • Análise de avaliação
  • Análise da expressão
  • Análise da enunciação
  • Análise proposional do discurso
  • Análise estrutural ou análise das relações

Análise de categorias

É mais antiga e a mais corrente. Consiste fazer um levantamento das categorias mais frequentes, agrupando certas caraterísticas em categorias significativas. Este tipo de análise baseia-se na hipótese de que uma caraterística é tanto mais frequentemente citada, quanto mais importante é para o locutor. Neste caso, o procedimento utilizado é sobretudo quantitativo.

Análise estrutural ou análise das relações

Integram a denominada análise semiótica do discurso, enquanto o estudo dos signos. Integrada na análise estrutural, temos a análise semiótica dos signos que permite a análise de documentos com o propósito de identificar o significado profundo dos fenómenos estudados.

Análise semiótica

Estuda o processo de construção de significados para saber como os signos são desenhados para exercerem o efeito sobre os destinatários da mensagem. Outras abordagens qualitativas são inductive analysis, a grounded theory, a análise normativa e a análise de conteúdo etnográfica (uma abordagem de documentos que enfatiza o papel do investigador na construção do significado).

Análise estrutural

Tem como objetivo revelar os princípios que organizam os elementos do discurso, independentemente do próprio conteúdo destes elementos. Assim, o fim último deste tipo de análise consiste em descobrir uma ordem oculta sobre o funcionamento do discurso e elaborar um modelo operatório abstrato para estruturar o discurso e torná-lo inteligível.

Análise de conteúdo

É uma técnica de investigação que permite a descrição sistemática, objectiva e quantitativa do conteúdo das comunicações. Pode ser aplicada a variados campos, como a imprensa, discursos políticos, diários, estudos bíblicos, respostas a perguntas abertas, etc.

Para saber mais sobre esta técnica pode ler a nossa página sobre o tema: Aqui.

Análise de Clusters

A análise de clusters é um procedimento estatístico multivariado que serve para identificar grupos homogéneos nos dados, com base em variáveis ou em casos.
A análise de clusters, ou análise de agrupamentos, permite assim classificar objetos e pessoas com base na observação das semelhanças e das dissemelhanças: dado um conjunto de n indivíduos, sobre os quais existe informação de p variáveis, o método agrupa os indivíduos em função da informação existente, de modo que os indivíduos de um grupo sejam tão semelhantes entre si quanto possível e tão diferentes dos restantes grupos quanto possível.
A análise de clusters pretende organizar um conjunto de casos em grupos homogéneos, de tal modo que os indivíduos pertencentes a um grupo são o mais semelhante possível entre si e diferentes dos restantes.diagrama de dispersao analise de clusters

Quando recorrer à análise de clusters

A análise de clusters é um bom procedimento quando se suspeita, na fase de exploração dos dados, que a amostra não é homogénea, isto é:

  • Quando numa análise univariada se observa mais de uma moda (cf. histograma, diagrama de caule e folhas ou gráficos circulares);
  • Quando  numa análise bivariada se observa, pelo diagrama de dispersão, que os dados estão dispostos em grupos;
  • Quando numa análise multivariada o dendograma aponta para a formação de grupos dos variáveis ou de casos.
dendograma-analise de clusters
A formação de grupos pode ter implicações teóricas e práticas importantes, como no caso da medicina onde, por exemplo, a classificação correta das perturbações mentais pode ajudar na descoberta das suas causas e dos seus tratamentos; assim como na pesquisa de mercado, onde a classificação correta dos clientes com iguais preferências permite identificar nichos de mercado.
Neste procedimento de análise, a escolha das variáveis a incluir na análise de clusters é crucial, porque a inclusão ou a exclusão de uma determinada variável pode significar resultados e conclusões bem diferentes. A escolha das variáveis determina quais as caraterísticas que irão identificar os grupos. Se considerarmos, por exemplo, apenas a cor e o sabor do vinho, estamos a deixar de fora outras caraterísticas como a cor, o cheiro, a acidez e a concentração de glucose, por exemplo.

Análise de clusters de variáveis

A análise de clusters aplica-se tanto a variáveis quantitativas, discretas ou contínuas, como à contagem de dados (frequências), ou ainda a dados binários.
A análise de clusters de variáveis é semelhante à análise fatorial, porque ambos os procedimentos identificam grupos de variáveis relacionadas entre si. Nesta situação, a opção pela análise de clusters é mais rara. A análise fatorial é preferível porque é um modelo mais teórico, enquanto a análise de clusters é um procedimento mais ad hoc.

A análise de clusters de casos

A análise de clusters de casos é semelhante à análise discriminante, uma vez que procura classificar um conjunto de dados iniciais em grupos ou categorias, usando os valores observados das variáveis que se referem ao fenómeno em estudo, não se conhecendo nem o número de grupos, nem o número de membros dos grupos.

As cinco etapas da análise de clusters:

  1. A seleção dos casos a serem agrupados;
  2. A definição de um conjunto de variáveis a partir das quais será obtida a informação necessária ao agrupamento dos casos;
  3. A seleção de uma medida de semelhança ou de distância entre cada par de casos;
  4. A escolha de um critério de agregação ou de um critério de desagregação dos casos;
  5. A validação dos resultados encontrados.
Os métodos de agrupamento das variáveis podem ser hierárquicos ou não hierárquicos. A formação de clusters com base nos métodos hierárquicos é feita com base no agrupamento nos pares de casos mais próximos de acordo com a medida de distância escolhida. O algoritmo continua passo a passo, juntando pares de casos, pares de clusters, ou um objecto com um cluster, até que todos os dados estejam num só cluster. Saber mais sobre os métodos hierárquicos de agrupamento.
Fonte:
Pestana, M. H. & Gageiro, J. N. (2005). Análise de Dados para Ciências Sociais: A Complementaridade do SPSS. Lisboa, Edições Sílabo.