Skip to content
Voltar aos resultados

Design Ex Post Facto — Pesquisa 'a posteriori'

Proposto por
Formalized by Fred N. Kerlinger; foundational treatment by Donald T. Campbell and Julian C. Stanley
Ano
1960s (systematic codification); concept used in social science from early 20th century
Tipo
Non-experimental quantitative research design
Família
Survey / observational design

Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês

Tamanho da fonte

O que ele faz?

O design ex post facto é uma abordagem de pesquisa quantitativa não experimental na qual o pesquisador investiga um fenômeno após sua ocorrência, examinando diferenças pré-existentes entre grupos para explorar potenciais relações causais ou associativas.

Como a variável independente não pode ser manipulada — ela ocorreu no passado —, o design baseia-se em cuidadosa seleção de grupos, coleta de dados retrospectiva e controles estatísticos para aproximar a inferência causal sem intervenção experimental.

A intuição por trás do método

Suponha que você queira estudar como os hábitos de leitura na infância influenciam a alfabetização na vida adulta. Você não pode atribuir aleatoriamente crianças a condições de leitura no passado. Em vez disso, você identifica adultos que leram extensivamente quando crianças e aqueles que não o fizeram, e então compara suas pontuações atuais de alfabetização. Essa é a lógica ex post facto: você observa um resultado que já aconteceu e trabalha retroativamente para examinar seus antecedentes suspeitos. O design é poderoso para estudar fenômenos que não podem ser induzidos experimentalmente — como exposição a doenças, histórico educacional ou eventos de vida —, mas a incapacidade de randomizar significa que as alegações causais devem sempre ser interpretadas com cautela.

História

O termo 'ex post facto' (latim: 'a partir do fato consumado') foi aplicado à metodologia de pesquisa em ciências sociais de forma mais influente por Fred N. Kerlinger em seu livro de 1964, Foundations of Behavioral Research, onde ele o definiu como uma investigação empírica sistemática na qual o cientista não tem controle direto sobre as variáveis independentes porque suas manifestações já ocorreram. A monografia de Donald T. Campbell e Julian C. Stanley de 1963 sobre designs experimentais e quasi-experimentais forneceu a estrutura para avaliar as ameaças à validade interna que continuam a guiar a interpretação dos achados ex post facto. O design tem sido central na epidemiologia e na pesquisa educacional, onde a manipulação experimental de variáveis chave é impossível.

Quando usar

Use o design ex post facto quando a variável independente já ocorreu e não pode ser manipulada ética ou praticamente — como trauma passado, exposição a doenças, nível educacional ou características demográficas. É o design apropriado quando o controle experimental verdadeiro é impossível, mas a comparação quantitativa entre grupos é necessária. Adapta-se a perguntas retrospectivas em educação, saúde, sociologia e psicologia. Não o use quando um ensaio clínico randomizado ou um design quasi-experimental for viável, pois esses designs fornecem evidências causais mais fortes. Evite-o quando a fonte de dados retrospectivos for de baixa qualidade ou quando os grupos não puderem ser definidos com precisão razoável, pois essas condições limitam severamente a interpretação.

Limitações e considerações

  • A ausência de randomização significa que variáveis de confusão não podem ser totalmente descartadas, tornando as conclusões causais tentadoras.
  • O pesquisador não pode controlar a variável independente, de modo que os grupos podem diferir em características não medidas que explicam o resultado.
  • Dados retrospectivos são vulneráveis a viés de recordação, registros ausentes e inconsistência de medição ao longo do tempo.
  • A direção da causalidade pode ser ambígua — a causa e o efeito presumidos podem estar invertidos, ou ambos podem ser impulsionados por uma terceira variável.
  • Controles estatísticos (ANCOVA, pareamento) reduzem, mas não eliminam, a confusão; nenhuma técnica post-hoc substitui a randomização verdadeira.

As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.

Pontos fortes

  • Permite o estudo de variáveis que não podem ser manipuladas ética ou praticamente, incluindo experiências passadas, exposições à saúde e fatores demográficos.
  • Utiliza dados existentes ou arquivísticos, tornando-o econômico e viável para o estudo de eventos raros ou grandes populações.
  • Preserva a validade ecológica — a variável independente reflete condições do mundo real em vez de ambientes de laboratório artificiais.
  • Gera hipóteses e estimativas de associação que podem informar o design de futuros estudos prospectivos ou experimentais.
  • Adequado para identificar fatores de risco e condições protetoras em pesquisa epidemiológica, educacional e de políticas sociais.

Aplicações

  • Comparar o desempenho acadêmico entre estudantes que frequentaram a pré-escola e aqueles que não frequentaram, usando dados de registro escolar.
  • Examinar se um histórico de adversidade na infância está associado a resultados de saúde mental na vida adulta em uma população clínica.
  • Investigar diferenças na saúde cardiovascular entre fumantes de longa data e nunca fumantes em uma pesquisa de saúde comunitária.
  • Analisar se professores que receberam um programa específico de treinamento pré-serviço apresentam comportamentos diferentes de gerenciamento de sala de aula daqueles que não receberam.
  • Estudar se a participação em atividades extracurriculares no ensino médio prediz as taxas de retenção universitária.
  • Explorar resultados de saúde ocupacional entre trabalhadores que foram expostos vs. não expostos a um produto químico no local de trabalho antes de mudanças regulatórias.

Como funciona

Como funciona

1

O pesquisador identifica um resultado de interesse (a variável dependente) e uma condição ou característica antecedente suspeita (a variável independente) que já ocorreu no mundo real. A pergunta de pesquisa geralmente assume a forma: grupos que diferem em uma característica passada também diferem sistematicamente no resultado presente?

2

Os participantes são alocados em grupos com base em seu status natural na variável independente — por exemplo, fumantes vs. não fumantes, ou graduados universitários vs. graduados do ensino médio. Essa categorização é retrospectiva: o pesquisador seleciona ou classifica os participantes após a ocorrência da experiência definidora. O pareamento por variáveis demográficas chave pode melhorar a comparabilidade dos grupos.

3

Coletam-se dados tanto sobre a variável independente (frequentemente avaliada por meio de registros, autorrelato ou documentos arquivísticos) quanto sobre a variável dependente (medida no momento do estudo). Bancos de dados existentes, registros institucionais, registros de coorte e pesquisas retrospectivas são fontes comuns. A qualidade dos dados retrospectivos é uma preocupação metodológica crítica.

4

Como a randomização está ausente, o pesquisador deve identificar e controlar estatisticamente variáveis de confusão plausíveis. As técnicas incluem análise de covariância (ANCOVA), regressão múltipla, pareamento por escore de propensão e análises estratificadas. Nenhum procedimento estatístico replica completamente a atribuição aleatória, mas o controle explícito de confundidores melhora a interpretabilidade.

5

As diferenças entre grupos no resultado são testadas usando estatísticas inferenciais apropriadas — testes t para amostras independentes, ANOVA, testes qui-quadrado ou modelos de regressão, dependendo do nível de mensuração das variáveis. Tamanhos de efeito (d de Cohen, eta-quadrado, odds ratios) devem ser reportados juntamente com os valores de significância.

6

Os achados são interpretados com o reconhecimento explícito da natureza não experimental do design. Alegações causais direcionais requerem justificativa adicional — precedência temporal da variável independente, plausibilidade biológica ou teórica e exclusão de explicações alternativas. O pesquisador distingue claramente entre associação e causalidade.

Erros comuns

  • Afirmar causalidade a partir de associação — achados ex post facto estabelecem que os grupos diferem, não que uma condição causou a outra; use linguagem como 'associado a' ou 'predito por' em vez de 'causado por'.
  • Ignorar viés de seleção — grupos definidos retrospectivamente frequentemente diferem em múltiplas características; a falha em medir e controlar essas diferenças leva a conclusões espúrias.
  • Má medição retrospectiva — depender da memória dos participantes para eventos ocorridos anos antes introduz erro sistemático; corrobore com registros arquivísticos ou objetivos sempre que possível.
  • Negligenciar o tamanho do efeito — uma diferença de grupo estatisticamente significativa em uma amostra grande pode ser trivialmente pequena em termos práticos; sempre reporte e interprete o tamanho do efeito juntamente com os valores p.
  • Tratar o design como equivalente a um quasi-experimento — sem coleta de dados prospectiva e uma condição de comparação claramente definida estabelecida antes do resultado, os designs ex post facto têm uma lógica causal mais fraca do que os designs quasi-experimentais.

Perguntas frequentes

O design ex post facto é o mesmo que pesquisa comparativa causal?

Os termos são frequentemente usados de forma intercambiável na literatura de ciências sociais e educacionais. Ambos envolvem a comparação de grupos pré-existentes em um resultado de interesse. Alguns metodólogos tratam a pesquisa comparativa causal como uma categoria mais ampla que inclui estudos ex post facto, enquanto outros usam os termos de forma sinônima. A característica chave compartilhada é que a variável independente já ocorreu e não pode ser manipulada pelo pesquisador.

Os achados ex post facto podem estabelecer causalidade?

Não por si só. Para apoiar uma interpretação causal, três condições devem ser atendidas: precedência temporal (a suposta causa precedeu o efeito), covariância (os grupos realmente diferem no resultado) e eliminação de alternativas plausíveis (variáveis de confusão são consideradas). Os designs ex post facto podem satisfazer as duas primeiras condições se a qualidade dos dados retrospectivos for alta, mas a terceira condição é sempre limitada sem randomização.

Qual a diferença entre o design ex post facto e um estudo de coorte retrospectivo?

Em um estudo de coorte retrospectivo, os pesquisadores identificam uma coorte definida exposta a uma condição no passado e a acompanham até um resultado, usando registros históricos. O design ex post facto é semelhante em lógica, mas mais comumente usado em contextos educacionais e sociais, muitas vezes sem uma estrutura formal de coorte. A distinção é principalmente disciplinar; as considerações de validade são em grande parte as mesmas.

Quais métodos estatísticos são tipicamente usados?

Comparações de grupo usam testes t, ANOVA ou qui-quadrado, dependendo do nível de mensuração. Ao controlar covariáveis, ANCOVA ou regressão múltipla são comuns. O pareamento por escore de propensão tem se tornado cada vez mais popular para reduzir o viés de seleção. A regressão logística é usada quando o resultado é binário. Todas as análises devem reportar intervalos de confiança e tamanhos de efeito.

Quando devo escolher um design longitudinal em vez disso?

Se você puder medir os participantes antes da ocorrência da variável independente e depois novamente depois, um design longitudinal prospectivo é preferível porque estabelece a precedência temporal de forma mais convincente e reduz o erro de medição retrospectiva. O design ex post facto é apropriado quando a medição prospectiva é impossível — porque o evento ocorreu antes do início do estudo, ou porque é muito raro ou sensível para ser estudado prospectivamente.

Métodos relacionados

Fontes

  1. Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.

    Abrir referência da publicação
    Copiado.
  2. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    ISBN: 978-0395307878
    Copiado.