Skip to content
Voltar aos resultados

Saturação de Dados em Pesquisa Qualitativa

Proposto por
Barney Glaser and Anselm Strauss
Ano
1967
Tipo
Concept
Família
sampling-concept

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

Tamanho da fonte

O que ele faz?

A saturação de dados é um princípio fundamental na pesquisa qualitativa que descreve o ponto em que a coleta de dados não produz novos temas, códigos ou insights — dados adicionais tornam-se redundantes.

Introduzida por Glaser e Strauss (1967) em seu trabalho sobre teoria fundamentada (grounded theory), a saturação orienta decisões sobre o tamanho da amostra e quando parar de recrutar participantes. A saturação não é um número fixo, mas um ponto final dinâmico determinado pela análise se novos dados estão adicionando informações substancialmente novas. O conceito é central para as alegações de rigor e adequação teórica na pesquisa qualitativa, sinalizando que o pesquisador reuniu dados suficientes para compreender o fenômeno em profundidade.

A intuição por trás do método

Pesquisa qualitativa não se trata de contar quantas pessoas você estudou, mas se você reuniu dados suficientes para compreender profundamente o fenômeno. A saturação operacionaliza este princípio: ela pergunta: 'Cada nova entrevista, grupo focal ou observação adiciona informações significativamente novas ou estamos ouvindo os mesmos padrões repetidamente?' Entrevistas iniciais tipicamente produzem novos temas ricos; à medida que você continua, novos dados repetem cada vez mais temas existentes, adicionando informações mínimas novas. A saturação sinaliza que você alcançou profundidade e amplitude de compreensão. Isso é diferente de poder estatístico (que busca representação) ou generalização (que busca estimativas populacionais). Em vez disso, a saturação indica que você capturou a complexidade e a variação do fenômeno dentro de sua amostra. Atingir a saturação é evidência de que sua análise está fundamentada nos dados e não é arbitrária.

História

Saturation was introduced by Glaser and Strauss (1967) as a key principle of grounded theory: theoretical sampling continues until new data no longer contribute new conceptual categories to the emerging theory. Strauss and Corbin (1998) operationalized saturation for practical use. Bowen (2008) and Guest et al. (2006) demonstrated that saturation in homogeneous samples often occurs at 12–20 interviews, challenging earlier assumptions that many more interviews are required. Contemporary discussions emphasize the importance of documenting saturation processes transparently and recognizing that saturation varies by research context, sample characteristics, and researcher skill. Recent work (Francis et al. 2010) has highlighted the distinction between thematic saturation (no new themes) and conceptual saturation (theory is fully developed), and has called for more precise terminology and documentation.

Quando usar

A saturação é a abordagem padrão para determinar o tamanho da amostra em estudos qualitativos que utilizam análise temática, análise de conteúdo ou teoria fundamentada. Aplica-se a entrevistas, grupos focais, observações e análise de documentos. Use amostragem baseada em saturação quando o objetivo for a compreensão exploratória (gerar teoria, entender um fenômeno) em vez de teste de hipóteses. Ao combinar métodos qualitativos e quantitativos, a saturação orienta o tamanho da amostra qualitativa independentemente dos cálculos de poder quantitativo. Documente a saturação explicitamente em seus métodos para demonstrar rigor metodológico.

Limitações e considerações

  • Requires ongoing analysis during data collection (time-intensive) and iterative decision-making; not possible if data collection and analysis are separated.
  • Subjective determination; researchers may disagree on when saturation is reached or what constitutes a 'new' theme.
  • Saturation varies by population homogeneity, research question complexity, and researcher skill; no universal threshold.
  • Can lead to prolonged or uncertain data collection timelines if saturation criteria are vague.
  • May delay or prevent publication if saturation is claimed prematurely or if researchers continue beyond saturation uncertainly.

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

Pontos fortes

  • Provides principled, flexible approach to sample size determination; no need for a priori power calculations.
  • Grounds sample size in data itself; sample continues until theoretical adequacy is achieved rather than arbitrary cutoff.
  • Prevents both under-sampling (inadequate understanding) and over-sampling (unnecessary redundancy).
  • Encourages iterative, simultaneous data collection and analysis; allows emerging findings to guide further recruitment.
  • Strengthens rigor claims; saturation is recognized as evidence of methodological adequacy.

Aplicações

  • Exploratory qualitative research across disciplines: determining when sufficient interviews, focus groups, or observations have been conducted to understand a phenomenon.
  • Grounded theory studies: using theoretical sampling to continue data collection until the emerging theory is fully developed and saturated.
  • Qualitative health research: studies of patient experiences, barriers to care, or implementation of health interventions rely on saturation-based sampling.
  • Social science research: saturation guides sample sizes in studies of attitudes, behaviors, organizational cultures, or social phenomena.
  • Mixed-methods research: saturation determines the qualitative sample size independently of quantitative sample size requirements.

Como funciona

Como funciona

1

Inicie a coleta de dados com entrevistas iniciais, grupos focais ou observações. Analise os dados simultaneamente com a coleta (análise iterativa) em vez de esperar até que todos os dados sejam coletados. Após cada episódio de coleta de dados, codifique e analise os dados. À medida que novos códigos e temas emergem, anote-os. Continue recrutando e coletando dados. Com cada novo episódio de coleta de dados, pergunte: Estes novos dados adicionam temas ou códigos substancialmente novos, ou eles se encaixam em categorias existentes? Acompanhe a frequência de novos códigos: se os últimos 3 a 5 episódios de coleta de dados produzirem apenas um ou dois novos códigos a cada vez (ou nenhum), a saturação está se aproximando. Alguns pesquisadores usam uma grade de saturação: liste os códigos e marque quais entrevistas/grupos contêm cada código. Quando a grade se estabiliza (poucos novos códigos aparecendo em novos participantes), a saturação é atingida. Documente sua tomada de decisão: quantos participantes você recrutou, quantos participantes adicionais foram necessários antes de atingir a saturação e o que constituiu um tema 'novo' (elaboração menor vs. insight substancialmente diferente).

2

Operacionalize a saturação definindo o que conta como um tema 'novo'. Um tema novo geralmente significa um insight substancialmente diferente não capturado anteriormente — não uma elaboração menor ou nuance de temas existentes. Crie um inventário temático: liste todos os temas identificados e anote em quais entrevistas/grupos cada um aparece. Quando novas entrevistas adicionam apenas detalhes menores ou elaborações a temas existentes, a saturação está se aproximando. Gere tabelas de saturação mostrando a frequência de códigos entre os participantes: a tabela deve se estabilizar, com poucos novos códigos em participantes posteriores. Alguns pesquisadores usam taxas de redundância: calcule a porcentagem de conteúdo 'novo' em cada entrevista sucessiva. Quando o conteúdo novo cai abaixo de 5-10% por entrevista, a saturação é provavelmente alcançada. Para amostras homogêneas (idade, experiência, histórico semelhantes), a saturação geralmente ocorre em torno de 12-15 entrevistas; para amostras heterogêneas, 20-30+ entrevistas podem ser necessárias. Relate explicitamente como a saturação foi avaliada e em que ponto foi considerada alcançada.

Erros comuns

  • Treating minor elaborations or contextual details as 'new' themes; inflating saturation criteria to justify stopping early.
  • Failing to analyze data during collection; waiting until all data are gathered makes saturation assessment difficult and reactive.
  • Not documenting the saturation process transparently; claiming saturation without showing the evidence (code frequency tables, saturation grids).
  • Assuming saturation in one subgroup applies to another; homogeneous samples reach saturation faster than diverse ones.
  • Continuing data collection far beyond saturation without justification; saturation does not require continued collection to verify or deepen findings, though some researchers do this intentionally.

Perguntas frequentes

How many interviews do I need to reach saturation?

For homogeneous samples (similar demographics, experiences), saturation typically occurs at 12–20 interviews. For heterogeneous samples (diverse backgrounds, experiences), 20–30+ interviews may be needed. Pilot studies suggest that among relatively homogeneous samples, saturation often occurs by the 12th interview with little new information after that (Guest et al. 2006). Document your actual data and show when saturation was reached rather than assuming a fixed number.

What counts as a 'new' theme?

A new theme is a substantively different insight not previously identified—a new perspective, explanation, or experience. Minor elaborations or contextual details related to existing themes do not count as new themes. Example: if you've identified that patients fear side effects, a patient describing specific side effects is not a new theme; but a patient discussing how side effects affect relationships is a new theme.

Can I claim saturation if I've done only 8 interviews?

Yes, but rarely and with caveats. If your sample is highly homogeneous and the research question is narrow, saturation may occur at 8 interviews. However, this requires documentation: show your coding tables or saturation grids demonstrating that new codes stabilized by interview 8 and no new codes appeared in interviews 9+ (if you conducted them). Be transparent about the limitation: acknowledge that your sample is small and findings apply to your specific context.

Do I need to continue data collection after reaching saturation?

No. Once saturation is reached, continuing to collect data yields redundancy, not deeper insight. However, some researchers intentionally collect additional data to verify or deepen understanding. This is acceptable but should be explicitly stated as a choice, not presented as required for saturation.

How do I reconcile saturation with ethics and feasibility?

Saturation is flexible. If resources (time, funding, access) limit data collection before saturation is reached, report this as a limitation. You can claim 'preliminary saturation' or 'saturation within resource constraints.' Be transparent: 'We reached saturation in themes A and B but not in theme C due to limited access to participants with C experiences.'

Métodos relacionados

Fontes

  1. Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine.

    ISBN: 978-0202302560
    Copiado.
  2. Strauss, A., & Corbin, J. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (2nd ed.). SAGE Publications.

    ISBN: 978-0803959393
    Copiado.
  3. Bowen, G. A. (2008). Naturalistic inquiry and saturation (S): Determining when enough is enough. Journal of Research in Education, 18(1), 137-152.

    Abrir referência da publicação
    Copiado.
  4. Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59-82.

    Abrir referência DOI
    Copiado.