Pesquisa confirmatória — Desenho quantitativo de teste de teoria
- Proposto por
- Karl Popper (falsificationism); formalized in behavioral sciences by Paul Meehl and others
- Ano
- 1934 (Popper); widely adopted in social sciences from 1960s onward
- Tipo
- Quantitative research design
- Família
- Survey / observational design
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
Pesquisa confirmatória é um desenho quantitativo dedutivo no qual o pesquisador especifica hipóteses derivadas de teoria existente antes da coleta de dados, e então testa se os dados apoiam ou refutam essas hipóteses.
Diferentemente de abordagens exploratórias que geram ideias a partir de dados, a pesquisa confirmatória começa com um quadro teórico estabelecido, pré-registra previsões e aplica testes estatísticos para avaliar essas previsões contra evidências empíricas. É a espinha dorsal da investigação em ciências sociais, comportamentais e da saúde orientada por hipóteses.
A intuição por trás do método
Pense na pesquisa confirmatória como ter um veredito judicial pronto antes do início do julgamento — exceto que o 'veredito' é uma hipótese precisamente declarada derivada de teoria prévia, não um pré-julgamento. O pesquisador diz: 'A Teoria X prevê que A está positivamente relacionado a B. Coletarei dados e testarei essa afirmação.' O estudo é então projetado para dar a essa previsão uma chance justa de ser falseada. Se os dados forem consistentes com a previsão, a teoria recebe suporte empírico; se não, a teoria deve ser revisada. Esse critério de falseabilidade, introduzido por Karl Popper, é o que separa a ciência confirmatória da mera especulação.
História
A fundação filosófica da pesquisa confirmatória reside no falseacionismo de Karl Popper, articulado em Logik der Forschung (1934; traduzido como The Logic of Scientific Discovery, 1959), que sustentava que as hipóteses científicas devem ser capazes de ser refutadas por evidências empíricas. Esse princípio foi operacionalizado nas ciências sociais por meio das estatísticas de teste de hipóteses de Neyman-Pearson e por meio de apelos à replicação por metodólogos como Paul Meehl e Jacob Cohen ao longo das décadas de 1960-1990. A crise de replicação da década de 2010 intensificou o foco no pré-registro como um mecanismo prático de aplicação para a lógica confirmatória.
Quando usar
Use pesquisa confirmatória quando uma teoria ou modelo específico já existe e você deseja avaliar suas previsões contra novas evidências empíricas — por exemplo, testando se uma intervenção validada reduz a ansiedade em uma nova população, ou se um modelo estrutural de comprometimento organizacional se mantém em um contexto cultural diferente. Requer uma amostra suficientemente grande (determinada por análise de poder a priori, tipicamente N >= 80–100 para efeitos médios), resultados quantitativos e hipóteses claramente falseáveis formuladas antes da coleta de dados. Não use desenho confirmatório quando faltar uma base teórica prévia para suas hipóteses, quando os construtos ainda não estiverem operacionalizados com medidas validadas, ou quando o objetivo for gerar em vez de testar ideias — nesses casos, desenhos exploratórios ou descritivos são mais apropriados.
Limitações e considerações
- Requer um quadro teórico bem desenvolvido; não pode substituir o trabalho exploratório quando o domínio é mal compreendido.
- Um único estudo confirmatório raramente fornece prova definitiva — a replicação é necessária antes que conclusões fortes sejam tiradas.
- Os resultados são limitados pela validade das operacionalizações e pela representatividade da amostra.
- A adesão rigorosa aos protocolos de pré-registro exige disciplina; desvios não divulgados minam a afirmação confirmatória.
- A moldura de teste de hipóteses binárias (rejeitar / falhar em rejeitar) pode obscurecer a natureza contínua da acumulação de evidências.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Fornece a evidência mais forte a favor ou contra uma afirmação teórica específica quando o pré-registro é mantido.
- Hipóteses e planos de análise pré-especificados eliminam muitas preocupações com graus de liberdade que inflacionam as taxas de falsos positivos.
- Alinha-se com os padrões de ciência aberta e reprodutibilidade cada vez mais exigidos por periódicos e órgãos de fomento.
- Permite a acumulação de conhecimento por meio de replicação direta em estudos independentes.
- A análise de poder estatístico garante que o estudo tenha tamanho adequado para detectar o efeito esperado.
Aplicações
- Testar se uma intervenção teoricamente derivada (por exemplo, protocolo de terapia cognitivo-comportamental) reduz a gravidade dos sintomas em uma amostra clínica.
- Avaliar se um modelo de equações estruturais de satisfação no trabalho se replica em um novo contexto nacional ou cultural.
- Confirmar a estrutura fatorial prevista de uma escala psicológica em uma amostra de validação independente usando análise fatorial confirmatória (CFA).
- Avaliar se uma variável mediadora pré-especificada (por exemplo, autoeficácia) transmite o efeito de um tratamento em um resultado.
- Replicar uma correlação publicada entre dois construtos em uma nova população para avaliar a generalização de um achado existente.
- Testar uma intervenção farmacológica ou educacional contra uma condição de controle com resultados e análise pré-registrados em um registro de ensaios clínicos ou de ciência aberta.
Como funciona
Como funciona
O pesquisador começa com um quadro teórico estabelecido e deriva uma ou mais hipóteses precisas e falseáveis. Cada hipótese declara uma direção ou magnitude esperada de uma relação ou diferença antes que quaisquer dados sejam coletados. O pré-registro de hipóteses (em plataformas como OSF ou AsPredicted) é cada vez mais exigido para prevenir a reclassificação post-hoc de achados exploratórios como confirmatórios.
Cada construto teórico é traduzido em variáveis mensuráveis com instrumentos, escalas ou operacionalizações validadas. A estratégia de amostragem, o tamanho da amostra (determinado por análise de poder a priori), os procedimentos de coleta de dados e os testes estatísticos a serem usados são todos especificados antecipadamente. Essa pré-especificação é o que formalmente separa um estudo confirmatório de um exploratório.
Os dados são coletados de acordo com o protocolo pré-especificado — comumente por meio de questionários padronizados, observações estruturadas ou extração de conjuntos de dados secundários. A adesão rigorosa ao protocolo é essencial; desvios devem ser documentados e relatados para preservar o caráter confirmatório do estudo.
O teste estatístico pré-especificado é aplicado (por exemplo, teste t, ANOVA, regressão, modelagem de equações estruturais). O resultado é avaliado contra a regra de decisão pré-estabelecida — tipicamente um nível alfa definido a priori (comumente 0,05, ou 0,01 para afirmações confirmatórias mais rigorosas). Tamanhos de efeito e intervalos de confiança são relatados ao lado de valores p para transmitir significância prática.
O pesquisador tira conclusões sobre se os dados apoiam ou não apoiam cada hipótese. Uma falha em rejeitar o nulo não confirma o nulo; indica evidência insuficiente para a alternativa. As conclusões são limitadas pelo desenho do estudo, pela amostra e pelas operacionalizações. Achados confirmatórios genuínos replicados em amostras independentes carregam o maior peso probatório.
Erros comuns
- HARKing (Hipóteses Após os Resultados serem Conhecidos) — apresentar achados exploratórios post-hoc como se fossem hipóteses confirmatórias pré-especificadas inflaciona as taxas de falsos positivos e é considerado uma forma de má conduta em pesquisa.
- Desenhos com poder insuficiente — falhar em realizar uma análise de poder a priori resulta em estudos que não conseguem detectar de forma confiável efeitos reais, levando a resultados nulos ambíguos que são ininformativos.
- Interpretação equivocada de um resultado não significativo como confirmação da hipótese nula — um valor p acima de alfa significa apenas que a evidência para a alternativa foi insuficiente, não que o nulo é verdadeiro.
- Uso de medidas não validadas ou ad hoc — conclusões confirmatórias sobre construtos teóricos são tão fortes quanto a validade dos instrumentos usados para operacionalizá-los.
- Realização de múltiplas análises não planejadas enquanto se relatam apenas aquelas que são significativas — isso é p-hacking e destrói a lógica inferencial do desenho confirmatório.
Perguntas frequentes
Qual é a diferença entre pesquisa confirmatória e exploratória?
A pesquisa exploratória gera hipóteses ou modelos a partir de dados quando o domínio é mal compreendido; a pesquisa confirmatória testa hipóteses derivadas de teoria prévia contra novos dados. A principal distinção formal é o momento: na pesquisa confirmatória, as hipóteses e os planos de análise são totalmente especificados antes da coleta de dados; na pesquisa exploratória, eles emergem durante ou após a análise. Ambos servem a propósitos importantes, mas apenas os testes confirmatórios pré-especificados controlam a taxa de falsos positivos no nível alfa declarado.
O pré-registro é obrigatório para pesquisa confirmatória?
Estritamente falando, o pré-registro é o mecanismo que torna um estudo verificavelmente confirmatório em vez de meramente rotulado como tal. Sem um pré-registro público e com registro de data e hora, os leitores não conseguem distinguir hipóteses pré-especificadas de racionalizações post-hoc. Muitos periódicos, particularmente em psicologia e medicina, agora exigem pré-registro para afirmações confirmatórias. Plataformas incluem OSF Registries, AsPredicted e ClinicalTrials.gov.
Posso fazer análises confirmatórias e exploratórias no mesmo estudo?
Sim — isso é comum e legítimo, mas os dois tipos de análise devem ser claramente distinguidos no relatório. Análises pré-especificadas são rotuladas como confirmatórias e interpretadas com o nível alfa declarado. Análises adicionais realizadas após a visualização dos dados são rotuladas como exploratórias, seus achados são tratados como geradores de hipóteses em vez de testadores de hipóteses, e requerem replicação antes que conclusões fortes sejam tiradas.
Qual tamanho de amostra preciso para um estudo confirmatório?
O tamanho da amostra deve ser determinado por uma análise de poder a priori antes da coleta de dados, com base no menor tamanho de efeito que seria teoricamente significativo, o poder desejado (convencionalmente 0,80 ou 0,90) e o nível alfa. Para um efeito médio (d de Cohen = 0,50 ou r = 0,30) com poder = 0,80 e alfa = 0,05, os requisitos típicos são em torno de 50–130 participantes, dependendo do teste. Usar um conjunto de dados existente para justificar o tamanho da amostra post hoc não é uma prática confirmatória.
Um estudo confirmatório prova uma teoria?
Nenhum estudo isolado prova uma teoria. Um estudo confirmatório pode fornecer evidências consistentes com as previsões de uma teoria, mas a prova requer evidências convergentes em múltiplos estudos independentes usando operacionalizações, amostras e desenhos variados. O quadro de Popper sustenta que as teorias só podem ser corroboradas ou falseadas, não provadas — o objetivo é a acumulação de evidências replicáveis e falseáveis ao longo do tempo.
Métodos relacionados
Fontes
Popper, K. R. (1959). The Logic of Scientific Discovery. Hutchinson.
ISBN: 978-0415278447Copiado.Kline, R. B. (2013). Beyond Significance Testing: Statistics Reform in the Behavioral Sciences (2nd ed.). American Psychological Association.
ISBN: 978-1433812378Copiado.