Como construir um desenho de pesquisa em Ciência Política: notas para estudantes de graduação e pós-graduação

Resumo:

Este artigo busca oferecer orientações para a elaboração de desenhos de pesquisa em Ciência Política, destinando-se prioritariamente a discentes de graduação e pós-graduação. Reconhecendo a complexidade multicausal inerente aos fenômenos políticos e suas particularidades teórico-conceituais, destacamos a importância de procedimentos de pesquisa bem definidos sem, com isso, negligenciar a necessidade de flexibilidade diante da diversidade dos objetos de estudo. A estrutura do artigo se organiza em dois eixos expositivos: (i) conceituações sobre o desenho de pesquisa e (ii) elementos constitutivos para sua construção, seguidos de algumas diretrizes operacionais para sua elaboração, com ênfase na articulação entre teoria e empiria. A abordagem assume compromisso com uma formação metodológica crítica e reflexiva, evitando prescrições excessivamente normativas, mas preservando o rigor analítico. Nas considerações finais, reitera-se que o domínio da construção de desenhos de pesquisa configura-se como competência metodológica fundamental, independentemente das preferências teóricas ou técnicas vigentes nas distintas instituições acadêmicas brasileiras.

Palavras-chave:
desenho de pesquisa; metodologia; método; ciência política

Abstract:

This article seeks to provide guidance for developing research designs in political science, primarily for undergraduate and graduate students. Recognizing the inherent multicausal complexity of political phenomena and their theoretical-conceptual particularities, we emphasize the importance of well-defined research procedures without neglecting the need for flexibility given the diversity of research objects. The article is organized around two main sections: (i) conceptualizations of research design and (ii) constitutive elements for its construction, followed by operational guidelines for its development, with emphasis on the articulation between theory and empirical evidence. The approach assumes a commitment to critical and reflective methodological training, avoiding excessively normative prescriptions while preserving analytical rigor. In the concluding remarks, we reiterate that command of research design construction constitutes a fundamental methodological skill, regardless of the theoretical or technical preferences prevailing in different Brazilian academic institutions.

Keywords:
research design; methodology; method; political science

Introdução

Todo pesquisador enfrenta, em seu percurso acadêmico, desafios relacionados ao processo de produção do conhecimento, independentemente da abordagem, do objeto de estudo ou das técnicas empregadas. Entre as inquietações mais recorrentes, destacam-se: a delimitação do problema de pesquisa, a coerência entre o arcabouço teórico e as estratégias metodológicas e a tradução de objetos complexos em procedimentos analíticos viáveis (Gschwend; LeSchimmelfennig, 2007; Perissinotto; Nunes, 2023; Rezende, 2023). Esses obstáculos podem ser mitigados mediante um planejamento sistemático das etapas investigativas, no qual a elaboração do desenho de pesquisa assume papel central, funcionando como elemento articulador entre teoria e empiria (King; Keohane; Verba, 1994; Montenegro, 2016; Mesquita, 2017; Leite; Rocha, 2019).

Em linhas gerais, a própria construção da identidade da Ciência Política, enquanto área autônoma do conhecimento, tem sido, em grande parte, associada ao desenvolvimento de métodos que confiram a cientificidade, a fim de garantir ferramentas capazes de gerar conceituações mais precisas, relevâncias significativas e inferências interpretáveis (Brady; Collier; Seawright, 2010). No artigo “A ciência na ciência política brasileira” (Leite; Feres Júnior, 2021), encontramos uma reflexão sobre os parâmetros metodológicos pelo refinamento de uma metadiscussão sobre o caráter científico da produção acadêmica brasileira. A multiplicação recente de publicações nacionais neste campo evidencia uma revitalização do debate marcada pela crescente preocupação com os padrões analíticos dos estudos, tanto na perspectiva qualitativa como na quantitativa (Figueiredo Filho, 2019; Figueiredo et al., 2021; Perissinotto et al., 2022; Perissinotto; Nunes, 2023; Rezende, 2023).

Mesquita (2017) e Montenegro (2016), nos artigos “Desenho de pesquisa, inferência e causalidade em Ciência Política e Relações Internacionais: uma introdução didática” (Mesquita, 2017) e “Desenho de pesquisa, inferência e causalidade em Ciência Política” (Montenegro, 2016), oferecem reflexões sobre esse processo através da discussão de três conceitos orientadores, quais sejam: (a) desenho de pesquisa; (b) inferência; e (c) causalidade. Ambos os autores buscam verificar também a influência pivotal da obra de King, Keohane e Verba (1994) para a reflexão sobre o desenvolvimento de métodos pela Ciência Política. O presente texto busca explorar outros aspectos igualmente relevantes no processo de elaboração do desenho de pesquisa e, com isso, colaborar para um quadro mais completo de reflexões metodológicas nesta importante área das Ciências Sociais.

Primeiramente, a distinção conceitual entre metodologia, método e técnica é fundamental para a estruturação de uma investigação científica. A metodologia refere-se ao conjunto de princípios teórico-epistemológicos que orientam a pesquisa, definindo seu plano geral e os critérios que regem a abordagem do objeto de estudo - desde a formulação das hipóteses até a interpretação dos resultados (Borsotti, 2007). O método, por sua vez, é um critério mais específico dentro da metodologia, que detalha os passos essenciais para coletar, tratar e/ou interpretar o objeto, de acordo com o enfoque (Marsh; Stoker, 1997). Cada método pode ser selecionado com base em sua adequação às questões específicas e à natureza dos dados disponíveis (Reis, 1991). Já as técnicas de pesquisa consistem nos instrumentos e ferramentas operacionais, utilizadas para aplicar um ou mais métodos, atuando na execução da pesquisa (Silva, E.; Silva, J., 2016).

Na Ciência Política, a construção do desenho de pesquisa assume papel central diante do caráter complexo e multifacetado de seus objetos de estudo. Temas como comportamento eleitoral, dinâmicas institucionais, políticas públicas, teoria democrática etc., exigem abordagens metodológicas que articulem, de forma coerente, pelo menos três dimensões interdependentes: a fundamentação teórica-epistemológica (isto é, a metodologia); as estratégias metodológicas (os métodos); e as ferramentas de investigação (as técnicas). A escolha e a combinação desses elementos variam de acordo com a perspectiva teórica adotada, refletindo a pluralidade analítica que caracteriza o campo.

Essa diversidade é uma riqueza da disciplina, mas também impõe desafios à formulação de um desenho de pesquisa que seja, ao mesmo tempo, consistente, viável e alinhado aos objetivos da investigação. Em vista disso, o desenho cumpre a função de estruturar, de maneira lógica e consistente, os principais componentes do processo investigativo, desde os fundamentos teóricos até as estratégias empíricas, passando pela definição do problema, dos objetivos e das categorias analíticas (Lichbach; Zuckerman, 2009; Marsh; Stoker, 1997).

Flávio Rezende (2017, 2023) apresenta o conceito de pluralismo inferencial para analisar as diferentes formas de estabelecer relações causais na Ciência Política brasileira. Essa abordagem revela como os pesquisadores combinam diversas perspectivas teóricas e metodológicas, incorporando novos paradigmas que orientam a produção do conhecimento na área. Segundo o autor, o campo está passando por uma transformação significativa. Nesse sentido, “a Ciência Política move-se de forma célere na direção da revolução de credibilidade, em que se buscam inferências causais críveis a partir de desenhos de pesquisa experimentais e observacionais dotados de maior consciência metodológica” (Rezende, 2023, p. 341, grifos do autor).

Como argumentam ainda Goertz e Mahoney (2006), as abordagens metodológicas predominantes nas Ciências Sociais - qualitativa e quantitativa - configuram culturas investigativas distintas, cada uma caracterizada por normas, práticas e ferramentas próprias, articuladas de maneira internamente coerente. Tais abordagens não preconizam, contudo, escolhas mutuamente excludentes. Pelo contrário, revelam-se potencialmente complementares, sobretudo em estudos que empregam métodos mistos (Creswell, 1994). No campo da política comparada, por exemplo, a combinação estratégica de métodos mistos (quali-quanti) tem se mostrado particularmente frutífera.

No escopo qualitativo, técnicas como a análise histórica comparada, a Análise Qualitativa Comparativa (QCA) e o Process Tracing (Perissinotto; Nunes, 2023) possibilitam a investigação de causalidades contextuais e de processos políticos complexos. Similarmente, o escopo quantitativo apresenta um cenário de pluralismo inferencial, oferecendo subsídios para generalizações estatísticas e análises sistemáticas de padrões empíricos - como surveys, pesquisas de opinião, avaliações de impacto de políticas públicas e análises baseadas em metadados, incluindo, por exemplo, os relatórios produzidos por organismos internacionais, como a ONU, e os índices globais de democracia, como o Freedom in the world (Freedom House), o Democracy Index (The Economist) e o Democracy Report (V-Dem), entre outros (Leite; Feres Júnior, 2021; Rezende, 2017, 2023).

No entanto, a ambiguidade da diversidade metodológica expressa a coexistência de abordagens teóricas, por vezes antagônicas, que podem gerar, como admitem Marsh e Stoker (1997), uma verdadeira “cacofonia” epistemológica, evidenciada nos diversos enfoques teóricos, cada um com pressupostos, métodos e objetivos diferentes, o que pode dificultar a integração ou escolha de uma linha de análise. Ademais, essa diversidade metodológica não é apenas sobre métodos ou técnicas, mas envolve visões diferentes sobre o que é o conhecimento válido e qual é o papel da ciência na sociedade. Desse modo, a integração entre diferentes perspectivas demanda consciência crítica sobre seus pressupostos, sejam eles valores normativos, estruturas institucionais, padrões comportamentais, construções narrativas, etc., reconhecendo que dada escolha de pesquisa reflete não apenas o que se estuda, mas como se enxerga o mundo.

Na clássica obra Designing Social Inquiry, de autoria de Gary King, Robert Keohane e Sidney Verba (1994) - amplamente conhecidos pela sigla KKV -, postula-se a importância de o pesquisador desenvolver um desenho de pesquisa consistente. Os autores apresentam orientações sobre como formular adequadamente o problema de investigação, explicitar o referencial teórico, selecionar cuidadosamente os casos e observações, aprimorar a qualidade de dados e testar tanto argumentos descritivos, quanto causais. São, precisamente, esses fundamentos metodológicos que norteiam o presente artigo.

Considerando o quadro exposto acima, propomos uma revisão didática e situada sobre as principais orientações para elaboração de desenhos de pesquisa em Ciência Política no Brasil, fundamentada em duas constatações: (i) a persistente lacuna na formação metodológica, especialmente em instituições periféricas aos grandes centros acadêmicos (Figueiredo Filho et al., 2021; Neiva, 2015; Soares, 2005) e; (ii) a necessidade de um conjunto de orientações práticas que considerem contextos regionais diversos e recursos limitados, ou seja, a realidade material de muitos estudantes de graduação e pós-graduação no Brasil. Nossa motivação surgiu dos desafios enfrentados em nossos próprios processos formativos, de buscas e leituras ativas e sistemáticas sobre a temática. O objetivo é oferecer um itinerário metodológico que articule contribuições clássicas e contemporâneas, incluindo as que vivenciamos.

A estrutura do trabalho está organizada em duas seções articuladas e complementares. Na primeira, consta a conceituação do desenho de pesquisa, os seus diferentes tipos e a sua importância para a Ciência Política contemporânea. Na segunda, elucidam-se os elementos constitutivos do desenho, com ênfase na articulação entre teoria e método, incluindo recomendações práticas para a integração criativa de abordagens. Por fim, as considerações finais sintetizam os argumentos e apontam caminhos para pesquisas futuras.

Desenho de pesquisa em ciência política: definições básicas

O que diferencia uma investigação científica de outros tipos de produção intelectual é o compromisso com o rigor metodológico e a fundamentação teórica, características que permitem não apenas a verificação, mas também a replicação dos resultados por outros pesquisadores (King; Keohane; Verba, 1994). Nesse contexto, o desenho de pesquisa emerge como elemento central no plano estratégico dos processos investigativos. Mas como exatamente ele contribui para a produção de conhecimento científico na disciplina? É essa questão que buscamos responder.

Originalmente associado às representações gráficas e esquemáticas, o termo desenho de pesquisa ampliou-se para abranger o planejamento sistemático que assegura validade e confiabilidade científica (Cano, 2012). Nas Ciências Sociais, essa evolução reflete a necessidade de abordar fenômenos complexos com métodos flexíveis, porém estruturados. Na Ciência Política, em particular, o desenho de pesquisa envolve: (a) formulação de perguntas de pesquisa bem delimitadas; (b) seleção de métodos adequados à coleta e análise de dados; e (c) interpretação de resultados com base em um referencial teórico consistente. Essas etapas garantem precisão analítica, especialmente em estudos sobre temas sensíveis e sujeitos a vieses (Gschwend; Schimmelfennig, 2007).

Entre as diversas definições, o desenho de pesquisa pode ser compreendido como um passo a passo que organiza as principais dimensões do processo investigativo: os procedimentos metodológicos (métodos), que orientarão a execução da pesquisa; as estratégias de coleta e análise (técnicas), que determinarão a seleção e tratamento dos dados; e os mecanismos de inferência (interpretação), que articulam teoria e empiria (Leite; Rocha, 2019). Esse constructo desempenha uma função dupla de assegurar a transparência do processo de produção do conhecimento e fornecer a estrutura necessária para validar a credibilidade dos resultados obtidos.

É possível citar algumas contribuições para elaboração de bons desenhos de pesquisa. Estudos como os de Kim, Zhu e Chen (2016) demonstram como métodos quantitativos podem ser aplicados de forma sistemática para revisar bibliografias, monitorando o funcionamento das obras em determinado campo, identificando conexões, influências e lacunas entre os estudos. Eles permitem destacar quais são as teorias mais debatidas, os autores mais reconhecidos e citados (referenciados), bem como as agendas de pesquisa mais proeminentes. Os autores oferecem um passo a passo para aplicação comparativa entre a visualização da informação (InfoVis) e a visualização de dados (DataVis), utilizando técnicas cientométricas⁵ para identificar diferenças conceituais, temáticas e de aplicação.

Aqui, a visualização de dados refere-se à representação gráfica de informações brutas, facilitando a exploração preliminar e a identificação de padrões iniciais, como é o caso de gráficos de dispersão e histogramas. Em contraste, a visualização de informações envolve a apresentação gráfica de conjuntos processados e já analisados, como infográficos e dashboards, com o objetivo de sintetizar e comunicar resultados, relações causais ou conclusões derivadas do tratamento metodológico (Kim; Zhu; Chen, 2016).

Embora a visualização de dados seja elementar para a fase exploratória da análise que permite a triagem inicial e formulação de hipóteses, é a visualização de informações que assume papel estratégico na disseminação do conhecimento produzido, traduzindo a complexidade em formatos acessíveis para interpretação final. Ambas as modalidades, quando articuladas, constituem recursos analíticos complementares para garantir rigor metodológico sobre a revisão bibliográfica, com mais transparência na interpretação e eficácia em pesquisas teóricas.

Nesse sentido, Župič e Čater (2015) desenvolvem um modelo específico de planejamento de pesquisa para esse tipo de investigação, denominado fluxograma metodológico cientométrico, composto por cinco fases distintas. Como a primeira das fases, o desenho de pesquisa é central, pois define os parâmetros que impactam todas as etapas subsequentes. Nele, elaboram-se as premissas que respondem a três perguntas fundacionais:

1. Objetivos específicos: O que a pesquisa pretende alcançar?

2. Problemas específicos: Quais lacunas ou questões a pesquisa visa abordar?

3. Métodos selecionados: Quais técnicas e procedimentos serão usados para coleta e análise de dados?

Como propositiva para coleta e análise de dados, esse planejamento sistemático possibilita a identificação de tendências emergentes, o acompanhamento de mudanças teóricas ao longo do tempo e a obtenção de uma visão mais precisa sobre a evolução conceitual das tendências políticas. Sua abordagem facilita a compreensão das dinâmicas inerentes às pesquisas bibliográficas, permitindo destacar áreas que apresentam lacunas e demandam maior aprofundamento investigativo, conforme detalhado a seguir.

Quadro 1.
Fluxograma metodológico cientométrico

1ª Fase Desenho de pesquisa	Problemas específicos Objetivos específicos Métodos específicos
2ª Fase Compilação dos dados	Base de dados Tipo de documento Área Recorte espacial Recorte temporal Filtros de seleção Tipo de dado coletado
3ª Fase Análise de dados	Técnicas de processamento e análise
4ª Fase Visualização de dados	Representação gráfica do objeto analisado
5ª Fase Interpretação de dados	Contextualização do objeto analisado

• Fonte: Elaboração própria adaptada de Župič e Čater (2015).

O quadro proposto por Župič e Čater (2015) organiza cinco fases sequenciais e complementares. A primeira fase estabelece os fundamentos da investigação por meio da definição de problemas, objetivos e métodos, garantindo o alinhamento entre as questões de investigação e a abordagem metodológica. A segunda fase descreve os procedimentos de coleta, incluindo as fontes (como bases de dados e tipos documentais), os critérios espaciais, temporais e temáticos, bem como os protocolos de seleção (filtros e critérios de inclusão/exclusão). A terceira fase envolve a aplicação de técnicas de processamento e análise, como análise de redes e mineração textual com normalização linguística, para o tratamento sistemático dos dados. A quarta fase consiste na representação gráfica dos padrões identificados, com ênfase na distribuição (frequência) e nas relações (concentração/proporção) entre termos ou conceitos. Por último, a quinta fase revela como a análise qualitativa complementar será realizada, por meio da análise de conteúdo, contextualizando e validando os padrões quantitativos identificados.

As principais características dessa abordagem incluem a sequencialidade lógica entre as fases, a integração metodológica entre técnicas quantitativas e qualitativas, a rastreabilidade dos critérios explícitos de construção e a multidimensionalidade, ao considerar aspectos temporais, espaciais e temáticos. Essa estrutura, por fim, configura um framework completo, garantindo rigor metodológico e flexibilidade para adaptação a diferentes objetos de estudo (Župič; Čater, 2015).

Em contrapartida, a metodologia feminista revoluciona radicalmente os desenhos de pesquisa ao transformá-los de ferramentas técnicas em instrumentos político-epistemológicos. Enquanto modelos tradicionais privilegiam replicabilidade e generalização, esta abordagem parte da experiência situada (Haraway, 1998), tomando vivências marginalizadas como ponto de partida (como estudos sobre trabalho doméstico apresentados pela perspectiva das trabalhadoras); assume posicionalidade, rejeitando a neutralidade como ficção e exigindo que o pesquisador explicite seu lugar social (raça, gênero, classe) no desenho metodológico (Harding, 1987, 2004, 2015); e incorpora interseccionalidade, capturando a simultaneidade de opressões, em contrapartida às abordagens de variáveis isoladas dos modelos convencionais (Collins, 2019; Crenshaw, 1991).

Para a abordagem feminsta, a rigidez dos desenhos de pesquisa tradicionais na Ciência Política negligencia perspectivas, ao não incorporar esses postulados, perpetuando veladas as assimetrias que estudam. No Brasil, paradigmas dominantes e dados quantitativos falham em capturar a complexidade de grupos subalternalizados, especialmente as experiências das mulheres racializadas, distorcendo realidades e reforçando desigualdades ao invisibilizar dimensões interseccionais. A metodologia feminista não é, pois, um “acréscimo”, mas uma reconstrução ética dos fundamentos da pesquisa, defendendo que os desenhos de pesquisa na área precisam comprometer-se com a inclusão social e avançar em agendas que combinam rigor metodológico com justiça epistêmica para grupos subalternizados (Martinez, 2023; Perez, 2022).

Diante disso, embora a realidade social seja composta por casos particulares e mutáveis (condicionados por contextos históricos e culturais), cabe ao cientista político equilibrar simplificação analítica e respeito à complexidade empírica, evitando reducionismos (Adcock; Collier, 2001). Para isso, exige-se um esforço de simplificação: identificar características essenciais do objeto, conferindo às pesquisas maior sistematicidade e abrangência, sem, com isso, perder especificidade e foco (Adcock; Collier, 2001; Seawright; Gerring, 2008). Essa abstração sistemática viabiliza a produção de conhecimentos amplos e socialmente relevantes (King; Keohane; Verba, 1994), sendo o desenho de pesquisa o elemento integrador que organiza esses processos metodológicos. Para isso, o desenho ideal deve ser: flexível, para incorporar reflexões críticas; específico, na definição de métodos; transparente, em suas escolhas epistemológicas.

Um desenho de pesquisa bem elaborado representa um parâmetro para a replicação de estudos, pautando-se em dois objetivos centrais: descrever e explicar fenômenos políticos (Figueiredo Filho et al., 2021). Para alcançá-los, o pesquisador investiga fatos observáveis visando desvendar aspectos desconhecidos e, assim, produzir conhecimentos aplicáveis a outros contextos eventualmente generalizáveis por interpretações holísticas (Cano, 2012; Gerring, 2016).

A seguir, apresentamos um quadro com os tipos de desenhos de pesquisa em Ciência Política, destacando como cada um pode ser operacionalizado por diferentes metodologias, não como modelos exclusivos, mas como estruturas adaptáveis aos instrumentos do pesquisador.

Quadro 2.
Tipos de desenhos de pesquisa em Ciência Política

Desenho	Objetivo	Quando usar?	Ferramentas comuns
Experimental	Testar causa e efeito com controle	Quando se pode controlar as variáveis	Randomização, grupo controle, pré/pós-teste
Quase- Experimental	Medir impacto causal sem aleatorização	Quando não é ético ou viável randomizar (políticas públicas, eleições)	Diferenças-em-diferenças (DiD), regressão descontínua
Longitudinal	Entender mudanças no tempo	Quando o foco é trajetórias, ciclos ou efeitos duradouros	Painéis de survey, análise de séries temporais
Comparativo	Descobrir padrões entre casos distintos	Para comparar países, estados, partidos buscando semelhanças/diferenças	QCA, método Most Similar Systems (MSS)
Estudo de Caso	Explorar complexidade de um fenômeno	Quando se quer detalhar mecanismos, contextos ou processos únicos	Process tracing, entrevistas, análise documental
Survey Transversal	Mapear opiniões/perfis num dado momento	Para “fotografar” atitudes, crenças ou comportamentos em larga escala	Questionários, amostragem representativa

• Fonte: Elaboração própria adaptada dos autores referenciados no texto (2025).

Os tipos de desenhos de pesquisa apresentados baseiam-se na taxonomia clássica de King, Keohane e Verba (1994) para hierarquizar estratégias por potencial inferencial, partindo do experimental como padrão-ouro causal (Shadish; Cook; Campbell, 2002), passando pelo quase-experimental, para avaliação de políticas, até o transversal. A lógica comparativa baseia-se na contraposição sistêmica de casos (MSS), como proposto por Przeworski e Teune (1970). Por outro lado, o estudo de caso aprofunda os mecanismos através do process tracing, seguindo as abordagens de George e Bennett (2005) e Van Evera (1997). A dimensão temporal (longitudinal) é crucial para estabelecer a sequência causal. Essa abordagem permite adaptar princípios gerais a cenários empíricos específicos, mas exige atenção a possíveis vieses de seleção e generalização. Cada tipo de desenho de pesquisa alinha-se com perguntas de pesquisa específicas e diferentes possibilidades empíricas. A decisão final sobre qual desenho usar depende do nível de controle que o pesquisador busca sobre o objeto de estudo, do tempo disponível e do acesso aos dados.

Ademais, torna-se, ainda, importante distinguir o desenho de pesquisa da abordagem metodológica, ainda que ambos estejam intimamente relacionados. Enquanto o desenho de pesquisa estrutura o percurso da investigação, a abordagem metodológica determina como esse percurso será trilhado, com base em critérios de rigor, coerência teórica e adequação aos objetivos do estudo. Dessa forma, a abordagem metodológica é um componente do desenho de pesquisa, mas não o esgota. Na próxima seção, examinaremos em detalhe os elementos essenciais para desenhos de pesquisa em Ciência Política.

Elementos essenciais para desenhos de pesquisa em ciência política: notas para o planejamento

Nesta seção, exploraremos os elementos essenciais para elaboração de desenhos de pesquisa em Ciência Política, apresentando seus principais elementos constitutivos e enfatizando estratégias práticas para subsidiar o planejamento investigativo.

Elementos essenciais

No que toca ao desenho de pesquisa, podemos definir, pelo menos, quatro características que conduzem a investigação para o caminho da validação científica, quais sejam: a) o objetivo é a inferência; b) os procedimentos são públicos; c) as conclusões são incertas; e d) o conteúdo é o método (King; Keohane; Verba, 1994). Mas, o que isso significa? Comentaremos cada uma delas a seguir.

a) O objetivo é a inferência

A intenção do pesquisador deve ser extrair informações relevantes do mundo social por meio da formação de inferências descritivas ou causais. A inferência descritiva é o processo de compreensão de um fenômeno não observado com base em um conjunto de observações de uma realidade analisada. Podemos formular hipóteses ou teorizar sobre um universo de casos a partir de uma amostra. Também fazemos inferência de conceitos a partir de observações. Nas Ciências Sociais, muitos dos termos com os quais trabalhamos são subjetivos e o que fazemos são aproximações, representações dos conceitos, a partir de fatos da vida real (Collier; Seawright; Munck, 2010). Por exemplo, não vemos o machismo de forma concreta, palpável, no nosso dia a dia, mas a violência contra a mulher é algo visível, os baixos índices de representação feminina em cargos políticos são reais e, a partir desses dados da realidade, inferimos o machismo.

Já a inferência causal estabelece uma relação de causa e efeito entre dois fatos a partir de uma realidade que conhecemos para uma que é desconhecida. Isto é, a partir da inferência causal, formulamos nossas hipóteses de estudo. Uma hipótese tem como característica (1) estabelecer uma relação (positiva ou negativa) entre uma (2) variável dependente e uma (3) variável independente (Figueiredo Filho et al., 2021).

A despeito dessas diferenças, o pesquisador precisa explicar no seu projeto de pesquisa se o seu objetivo é entender melhor como um fenômeno ocorre ou testar relações causais que expliquem a ocorrência desse fenômeno. Fazer inferências, ou seja, generalizar sobre outros indivíduos, grupos ou situações, a partir da realidade estudada, é o que torna nossa produção essencialmente científica. Sem isso, estaríamos falando em linguagem ensaística, como de literatura, por exemplo, e não de ciência social (Cano, 2012).

b) Os procedimentos são públicos

Para se fazer ciência, uma das tarefas essenciais é informar de forma explícita os conceitos que guiaram a pesquisa, a literatura basilar, a escolha do campo de estudo, como os dados foram coletados e como foram analisados, tornando todos esses processos transparentes aos leitores e à comunidade científica. Desde a sua fundação e autonomização como área acadêmica, a Ciência Política tem como prioridade o esforço de afirmação de sua cientificidade por meio do desenvolvimento de métodos e técnicas de pesquisa, o que inclui a replicabilidade e a publicidade dos dados e técnicas utilizados. Esta preocupação metodológica encontra eco até a contemporaneidade. Publicizar os dados garante, pois, a replicabilidade da pesquisa, o julgamento dos resultados, a checagem da validade, a comparação com os achados de outras pesquisas, e permite que outros pesquisadores aprendam com os métodos empregados (Leite; Rocha, 2019).

c) As conclusões são incertas, logo, não são absolutas

A inferência é, por definição, um processo imperfeito, pois fazemos afirmações a partir de uma realidade que conhecemos, para outra que não conhecemos. A incerteza é, portanto, um aspecto constante e presente em toda investigação científica. Os resultados que encontramos, as teorias que elaboramos são, por essência, falseáveis e provisórias (De Vaus, 2001), do contrário, seriam dogmáticas, e não científicas. Isso quer dizer que, assim como no Direito todos são considerados inocentes até que se prove o contrário, na ciência, uma teoria é considerada válida até que se demonstre o contrário.

d) O conteúdo é o método

O principal conteúdo da ciência não diz respeito ao fenômeno de estudo em si, mas aos métodos, regras e técnicas de que dispomos. Como citado anteriormente, os achados de nossas pesquisas são sempre incertos e sujeitos à revisão, e é por meio deles que nossos resultados são julgados. Logo, são os métodos e técnicas empregados que distinguem o conhecimento científico de outras formas de conhecimento, como o senso comum ou religioso, por exemplo (Collier; Seawright; Munck, 2010; Figueiredo Filho et al., 2021).

Após conhecermos melhor o que é um desenho de pesquisa e suas características essenciais, apresentaremos, na próxima seção, recomendações, à luz das referências revisitadas, sobre como elaborar um bom desenho de pesquisa.

Passos do desenho de pesquisa

Para se construir um desenho de pesquisa, podemos seguir alguns “passos”, isto é, etapas lógicas de um projeto de pesquisa⁶, cada uma com especificidades distintas: a) formulação da pergunta de pesquisa; b) pressupostos teóricos e quadro teórico; c) seleção de casos/dados; d) estratégia causal ou abordagem analítica; e) triangulação e interpretação e; f) ética e confiabilidade. A seguir, detalhamos cada uma dessas etapas.

A formulação da pergunta de pesquisa

Qual é o objeto de pesquisa que se pretende investigar? A pergunta é delimitada?

Um problema bem elaborado funciona como um farol, pois ilumina o caminho metodológico. Ao investigar uma temática específica, define-se onde buscar dados, como analisá-los e qual será sua contribuição para determinado campo do conhecimento. Essa certeza impede que nos percamos em fontes dispersas ou em questões confusas. Lembre-se: problemas ambiciosos demais geram pesquisas superficiais, enquanto problemas estreitos demais limitam descobertas. O equilíbrio está na especificidade com significado teórico.

Entretanto, como escolher um tema e delimitar uma pergunta? Primeiramente, o ideal é que o pesquisador eleja um tema que lhe interesse pessoalmente. Sabemos que o processo de pesquisa é desafiador, solitário e cansativo. Investigar um tema que nos instiga torna a jornada menos desgastante. Como alertam Barakso, Sabet e Schaffner (2014,), uma pergunta mal formulada pode gerar ambiguidades metodológicas e comprometer a validade dos resultados.

A especificidade permite identificar variáveis mensuráveis e evitar generalizações infundadas (Figueiredo Filho et al., 2021). Por fim, conforme Creswell (1994, p. 71), ao elaborar uma pergunta de pesquisa, o pesquisador deve considerar: mapear frameworks teóricos das disciplinas-mãe; examinar estudos prévios para identificar lacunas; explicitar mecanismos causais entre variáveis; e refletir sobre a viabilidade empírica.

Desse modo, em vez de abordar um tema de forma genérica (como “A corrupção é ruim?”), transformamos essa pergunta em um problema definido e investigável (“Por que alguns sistemas de controle de corrupção falham em municípios brasileiros?”). Essa pergunta direciona o seu foco para causas específicas e contextos mensuráveis, evitando armadilhas como generalizações vagas ou julgamentos morais.

Prosseguindo, para justificar academicamente seu problema, dialogue com a literatura existente. Suponha que estudos anteriores sobre corrupção no Brasil, como o de Power (2000), já tenham mapeado mecanismos federais, mas negligenciado realidades locais. Essa é a oportunidade de mostrar como a sua pesquisa preenche essa lacuna, usando teorias, como as de institucionalismo de North (1990), para explicar por que arranjos municipais podem falhar. Esse diálogo teórico não é uma revisão bibliográfica decorativa, é o que transforma uma curiosidade pessoal em um problema científico relevante.

Além disso, é preciso refletir sobre a viabilidade prática, que exige: acesso a dados (disponíveis online?); entrevistas (viáveis em 6 meses ou um ano?), e conhecimento em análise institucional (você domina?). Ao identificar obstáculos intransponíveis, ajuste o escopo (por exemplo, realizar a pesquisa em três cidades comparáveis pode ser mais viável do que estudar todos os municípios de um estado).

Suponha que se queira estudar desigualdade de gênero na política. Devemos começar refutando lugares-comuns. Um problema frágil seria: “As mulheres têm menos espaço político?”, pois é uma questão amplamente documentada e, logo, pouco inovadora. Já um problema mais estruturado poderia ser formulado da seguinte forma: “Como regras informais em partidos conservadores inviabilizam a ascensão de mulheres negras a cargos do poder executivo?”. Esse problema pode ser testado com, por exemplo: o filtro teórico, que o vincula a debates sobre interseccionalidade (Collins, 2019) e sobre instituições informais (Helmke; Levitsky, 2004); o filtro metodológico, que exige um estudo de caso, como a análise de trajetórias dentro de um partido específico, combinada com análise documental (estatutos, atas, regimentos); ou o filtro ético, que busca dar voz a grupos marginalizados, não apenas estudá-los como objeto. Se passar nesses testes, você terá um problema viável, original e academicamente consistente. Um bom problema de pesquisa é aquele cuja resposta, mesmo que negativa, obriga a disciplina a repensar seus pressupostos (King; Keohane; Verba, 1994).

Além da relevância científica, uma pesquisa precisa, na medida do possível, oferecer uma contribuição social. O conhecimento gerado pode ser útil para compreender instituições políticas, avaliar a eficiência de governos ou subsidiar políticas públicas (Gschwend; Schimmelfennig, 2007). É importante destacar que essa utilidade não se limita à aplicação direta dos resultados pelos decisores. Em perspectiva ampla, até mesmo problematizar temas negligenciados, como relações sociais pouco estudadas, constitui per se uma contribuição válida, conferindo validade social ao esforço analítico.

Outro fator crucial, como colocado no exemplo acima sobre corrupção nos municípios, é a viabilidade operacional da pesquisa, já que algumas perguntas podem ser respondidas em um semestre, enquanto outras exigem anos de investigação ou; enquanto certos dados são acessíveis publicamente, outros demandam negociações complexas. Questões-chave para esse momento são: De onde virão seus dados? Eles são suficientes e confiáveis? Em síntese, uma pergunta academicamente consistente precisa reunir clareza, especificidade, base empírica sólida e factual (alinhada a recursos, habilidades e prazos) e ancoragem teórica com potencial de contribuição em sua área de conhecimento (Barakso; Sabet; Schaffner, 2014).

b) Pressupostos e quadro teórico

Quais são os “óculos teóricos” com que se enxergam o objeto de pesquisa?

A teoria opera como a espinha dorsal do desenho de pesquisa, integrando-se organicamente desde a formulação da pergunta até a interpretação dos resultados. Sua principal função é fornecer a lógica que articula objetivos, métodos e análise, garantindo coerência interna ao projeto. Como destacam Lavalle e Szwako (2015), na Ciência Política brasileira essa articulação exige atenção redobrada à operacionalização de conceitos, pois categorias como participação social ou qualidade democrática, por exemplo, assumem contornos conceituais específicos em nosso contexto institucional (Przeworski et al., 2000). A escolha teórica não é meramente ilustrativa, ela define o alcance explicativo da pesquisa e valida as opções metodológicas (Adcock; Collier, 2001), reforçando estudos locais ou oferecendo leituras globais.

Em pesquisas de viés dedutivo, a teoria estabelece hipóteses prévias e orienta a seleção de variáveis e técnicas quantitativas (Creswell, 1994). Já no viés indutivo, mais frequente em estudos qualitativos, a teoria emerge progressivamente durante a coleta e análise de dados, exigindo flexibilidade no planejamento inicial. Essa dinâmica é exemplificada em pesquisas sobre instituições políticas latino-americanas, onde o desenho incorpora ajustes interativos para capturar complexidades locais (Mahoney; Rueschemeyer, 2003).

Assim, o termo “teoria” abrange dois eixos complementares: teorias consolidadas, que servem como ponto de partida; e de inovação teórica, que revisam e superam paradigmas anteriormente aceitos, propondo mecanismos inéditos de interpretação. No primeiro caso, o desafio central reside na tradução conceitual. Teorias consolidadas, originadas em outros contextos, precisam ser adaptadas à realidade local sem perder rigor analítico. A teoria da democratização, por exemplo, ao ser aplicada ao federalismo brasileiro, demanda repensar indicadores de estabilidade institucional, como evidenciam Abrucio (2022) e Arretche (2012) em estudos comparativos. Essa adaptação não é somente empírica, mas exige refinamento metodológico, desde a definição de unidades de observação até técnicas de coleta de dados sensíveis a assimetrias regionais.

No segundo caso, quando a pesquisa almeja inovação teórica, o desenho deve incorporar mecanismos de validação mais consistentes. Pesquisas brasileiras sobre ativismo digital (Ribeiro; Borba; Hansen, 2019) ou exposição midiática (Biroli; Miguel, 2013), por exemplo, ilustram como triangulação de métodos, amostragem estratificada e controle de vieses contextuais tornam-se elementos indispensáveis. Nesses casos, a teoria não apenas orienta, mas se remodela mediante descobertas empíricas, exigindo transparência nas escolhas de coleta e análise.

Além disso, a falseabilidade (Popper, 1959) assume contornos práticos no desenho através de estratégias que podem prever a busca por evidências contraditórias. No contexto brasileiro, o process tracing pode rastrear mecanismos causais em políticas públicas (Perissinotto; Nunes, 2023), enquanto alerta para armadilhas na operacionalização de conceitos polissêmicos como “cidadania” e “sociedade civil” (Lavalle; Szwako, 2015). Nesse caso, a transparência analítica assegura a viabilidade de mensuração e a construção de indicadores em estudos de caso.

Em síntese, o quadro teórico é o núcleo integrador que confere consistência ao desenho de pesquisa. Sua função vai além de uma fundamentação conceitual, pois ele garante que cada escolha metodológica, desde o recorte amostral até as técnicas analíticas, seja teoricamente e contextualmente justificada. Esse processo permite conectar criticamente o conhecimento já estabelecido (referências passadas e contemporâneas) aos resultados da pesquisa, assegurando que sejam comparáveis, verificáveis e integrados ao debate científico, além de evitar achismos, garantindo a validação dos resultados. Portanto, a pesquisa deve buscar construir ou testar teorias orientando-se pela literatura pertinente e refletindo sobre interpretações que abrangem desde quadros globais até realidades locais, o que gera inovações analíticas distintivas.

c) Seleção de casos/dados

Por que escolher estes casos e não outros? Eles ajudam a responder à pergunta de pesquisa?

Para elaborarmos ou testarmos uma teoria, precisamos de casos/dados. Isto é, para alcançarmos os resultados almejados, será necessário coletar, minerar, tratar e sistematizar casos/dados que possam ser analisados e/ou testados, de modo a responder às nossas perguntas. A etapa de seleção de casos/dados também deve ser orientada pela literatura.⁷ A teoria é necessária aqui porque, como apontado anteriormente, é a partir dela que definimos os conceitos a serem abordados para responder à pergunta de pesquisa. São os conceitos teóricos que serão operacionalizados e medidos. Somente após essas definições, escolhemos os casos e observações a serem analisados (Gschwend; Schimmelfennig, 2007). Teorias e dados, portanto, interrelacionam-se, e estes últimos também precisam ser teoricamente orientados.

Uma questão central neste momento é: a base de dados será construída ou se trabalhará com uma base já existente? Ao coletar dados próprios, é essencial selecionar instrumentos de medição adequados. Essa escolha deve estar diretamente associada ao tema da pesquisa e ao contexto de coleta, não às preferências pessoais do pesquisador. Nem todas as técnicas são adequadas para todas as perguntas. Por isso, é crucial conhecer diversas ferramentas e técnicas de pesquisa, compreendendo suas vantagens e limitações (Cano, 2012).

Por outro lado, há inúmeras bases de dados consolidados disponíveis, como as plataformas brasileiras (IBGE, IpeaData etc.) e internacionais (além de agências especializadas da ONU), como já citamos anteriormente. Entretanto, ao usar bases pré-existentes, é essencial problematizar ou descrever detalhadamente os parâmetros metodológicos da construção original dos dados (fontes, formas de coleta, tamanho das amostras etc.), explicitando a construção de índices e categorias conceituais (como PIB, IDH, censos etc.), e não se contentar apenas com as evidências finais, pois é imprescindível entender os processos subjacentes (fontes, dimensões, variáveis, intervalos) aos resultados. Ou seja, todos os pré-requisitos de rigor acadêmico aplicam-se aqui, incluindo transparência, verificação e replicabilidade.

A escolha entre métodos, por sua vez, depende dos objetivos da pesquisa. Dados qualitativos (entrevistas, documentos históricos, observação participante etc.) permitem profundidade analítica e contextualização, como em estudos de caso sobre reformas constitucionais (Yin, 1984). Dados quantitativos (surveys, índices, bases estatísticas etc.) privilegiam a generalização e a identificação de padrões, como análises do impacto do PIB em eleições (King; Keohane; Verba, 1994). Os métodos mistos, por sua vez, combinam as duas abordagens para compensar limitações, como na triangulação entre surveys e grupos focais para estudar corrupção (Creswell; Plano Clark, 2017). A seleção metodológica reflete, pois, a natureza do fenômeno estudado, bem como a busca por complementaridade analítica.

d) Estratégia causal ou abordagem analítica

Como testar se “A” causa “B”?

Essa questão norteadora exige o desenvolvimento de uma estratégia analítica transparente. Por isso, nesta etapa, planeja-se como realizar inferências descritivas e/ou testar inferências causais a partir dos dados obtidos ou das observações selecionadas. Assim como nas demais fases, a teoria é fundamental, visto que a interpretação e a busca de sentido nos dados dependem do pesquisador que as realiza à luz das teorias acionadas (Gil, 2008; King; Keohane; Verba, 1994; Paranhos et al., 2012).

Após a coleta, a primeira etapa da análise é organizar, minerar e sistematizar os dados. Em pesquisas quantitativas, é comum o uso de programas que realizam operações estatísticas, elaboram análises descritivas, demonstram correlações entre variáveis e evidenciam possíveis relações causais. Isso permite que o pesquisador, com base na teoria, analise os dados, teste suas hipóteses e tire as conclusões pertinentes (Kellstedt; Whitten, 2015; Leite; Rocha, 2019).

Em pesquisas qualitativas, o pesquisador deve: simplificar e organizar os dados para viabilizar a análise sistemática; observar as diferenças e conexões entre eles; identificar regularidades, tendências e explicações; e buscar ou elaborar significados. Atualmente, diversos softwares especializados em análise qualitativa auxiliam nesses processos de organização, identificação e construção de significados. No entanto, a atribuição final de sentido aos dados permanece como responsabilidade exclusiva do pesquisador (Gil, 2008).

Diante dessas considerações, durante a coleta de dados, o pesquisador deve buscar minimizar vieses, coletando informações sobre o maior número possível de consequências/fatos observáveis, a fim de garantir validade e confiabilidade dos dados e de controlar explicações alternativas (Collier; Seawright; Munck, 2010; King; Keohane; Verba, 1994). Surge, então, um conjunto de questões: Quais vieses devem ser evitados? Como implementar o controle de dados? O que significa validade e confiabilidade? Estas questões serão detalhadas a seguir.

e) Triangulação e interpretação

Como cruzar diferentes fontes/métodos para checar a confiabilidade dos resultados?

A triangulação, em sua essência, é uma estratégia de validação que confronta múltiplas perspectivas sobre o mesmo fenômeno. Ela envolve a convergência de pelo menos três dimensões: fontes de dados (documentos, entrevistas, estatísticas), métodos (qualitativos, quantitativos, comparativos) e teorias (paradigmas explicativos concorrentes) (Denzin, 1978).

Na prática, ao investigar, por exemplo, a implementação de políticas públicas, um pesquisador pode cruzar dados oficiais de gastos governamentais, entrevistas com gestores e análise de discurso da mídia. Se esses elementos independentes apontam para a mesma conclusão, a consistência interpretativa aumenta significativamente. Contudo, a triangulação não busca estabelecer um consenso forçado. Seu valor reside justamente na capacidade de identificar contradições, revelando nuances que os métodos isolados ocultariam. É nesse espaço dialético entre convergências e divergências que a interpretação ganha profundidade, transformando dados brutos em contribuições científicas fundamentadas (Flick, 2006).

Durante o processo de coleta e análise dos dados é preciso, ainda, estar atento a dois possíveis erros: o sistemático e o aleatório. O primeiro ocorre quando não há uma adequação entre os casos observados, os indicadores e os conceitos que planejamos medir, gerando um problema sério de validade na pesquisa. Isto é, no caso do erro sistemático, mensurarmos algo diferente do que realmente queremos aferir. Por exemplo, um pesquisador pretende medir o grau de “liberalismo democrático” em diferentes países, mas utiliza como único indicador a “existência de eleições regulares”. Esse indicador ignora outros aspectos cruciais como liberdade de imprensa, independência judicial e direitos civis. Dessa forma, ele pode classificar como “liberais” países que realizam eleições, mas onde não há pleno Estado de Direito, mensurando, portanto, algo diferente (e mais restrito) do conceito original. Esse é um viés sistemático.

Já o erro aleatório transcorre quando surgem resultados inconsistentes, ou seja, quando as variáveis contêm um valor bastante divergente comparado à média de valores. Um exemplo ilustrativo na Ciência Política seria a tentativa de medir o nível de accountability vertical em um município por meio de entrevistas com cidadãos locais. Se, por fatores casuais, como eventos recentes de corrupção amplamente noticiados na semana da pesquisa, condições climáticas no dia da aplicação do questionário, ou mesmo a forma de abordagem dos entrevistadores, as respostas oscilarem de maneira atípica e sem direção definida, os dados coletados refletirão essa variação. Este caso, por sua vez, não envolve a medida da variável, mas impacta na confiabilidade da investigação. Essa imprevisibilidade caracteriza o erro aleatório (Adcock; Collier, 2001).

Similarmente, um aspecto importante da inferência é a separação dos componentes sistemáticos e aleatórios relativos ao fenômeno de estudo. Os fatores sistemáticos são condições persistentes e suas consequências tendem a se repetir em alguns contextos cujos efeitos são reproduzíveis em contextos similares (ex.: sistema político, instituições estáveis, desigualdades históricas). Sua identificação permite isolar relações causais estáveis. Já os fatores aleatórios, ou não sistemáticos, possuem um caráter transitório e correspondem a eventos imprevisíveis (ex.: crises econômicas súbitas, escândalos políticos, desastres naturais), que introduzem variação não padronizada. Estes, embora transitórios, podem mascarar ou distorcer padrões subjacentes.

Operacionalmente, essa distinção exige controle estatístico, em casos/dados quantitativos, com a inclusão de variáveis ou efeitos fixos para capturar influências sistêmicas. Em casos/dados qualitativos, a triangulação contextual deve ser realizada por meio do rastreamento de como o fenômeno se comporta em ambientes estáveis versus disruptivos. Em suma, a sensibilidade analítica deve testar se os resultados se mantêm após a exclusão de outliers (eventos aleatórios extremos). Negligenciar essa dualidade compromete a validade externa da pesquisa, pois confunde os achados a mecanismos essenciais ou a apenas um ruído circunstancial (Adcock; Collier, 2001).

f) Ética e confiabilidade

Como a pesquisa pode afetar as pessoas estudadas? Você refletiu sobre seus próprios vieses?

Para além dos aspectos metodológicos, a dimensão ética exige atenção especial. Nas Ciências Sociais, e na Ciência Política, o pesquisador precisa ter cautela e evitar a produção de vieses, especialmente na fase de escolha e coleta dos casos/dados a serem avaliados. É fundamental que haja variação nos casos observados (a variável precisa, afinal, ‘variar’) e que os elementos com potencial de influência explicativa do fenômeno pesquisado não sejam omitidos. Um dos vieses mais comuns é o de seleção, que ocorre quando não há variação nos casos estudados, reduzindo a quantidade de consequências observáveis e de realidades possíveis de serem analisadas (Machado, 2021).

Paralelamente, ao realizar o teste de hipóteses, a necessidade de controlar por explicações alternativas é crucial para evitar o viés da variável omitida. Ao fazer isso, afasta-se a possibilidade de se encontrar relações espúrias ou causas ocultas dos resultados observados (Brady; Collier, 2010). Garantidos esses pressupostos, temos um bom caminho para a produção de resultados válidos. Esses cuidados com vieses e alternativas explicativas estão intrinsecamente ligados à busca por validação e confiabilidade. A validação da pesquisa é uma questão de extrema importância e está vinculada aos conceitos, aos processos aplicados e aos resultados obtidos, influenciando o potencial de um novo estudo de trazer novas perspectivas (Jannuzzi, 2001).

Quando relacionada aos conceitos, a validade diz respeito à conexão entre o conceito (abstrato) e as medidas extraídas da realidade (dados). A validade é alcançada quando o que se propõe medir de fato é medido. Em relação aos processos e resultados, a validade assegura que os procedimentos metodológicos são coerentes com os objetivos e que os achados são consistentes e verdadeiros (De Vaus, 2001; Ollaik; Ziller, 2012). Deste modo, uma estruturação de pesquisa que garanta a validade é uma tarefa primordial em desenhos de pesquisa (De Vaus, 2001).

Complementarmente, a confiabilidade, tanto de medida quanto de pesquisa, deve ser um objetivo central. A confiabilidade de medida refere-se à garantia de que a aplicação repetida das mesmas medidas resultará na mesma interpretação (De Vaus, 2001). Já a confiabilidade de pesquisa é assegurada quando a aplicação dos mesmos procedimentos, sob as mesmas condições, produz resultados idênticos. Essa replicabilidade é essencial para que o estudo possa ser testado e validado por outros pesquisadores, contribuindo para o progresso científico (King; Keohane; Verba, 1994).

Até este ponto, sintetizamos o conceito de desenho de pesquisa, seus componentes essenciais e as principais orientações metodológicas, com base em autores de referência da Ciência Política. Na próxima seção, discutiremos orientações finais que visam facilitar o processo de elaboração de projetos para pesquisadores iniciantes.

Considerações finais

Como apresentamos ao longo deste artigo, o desenho de pesquisa é fundamental para garantir a validade dos resultados investigativos. Sustentamos aqui que o rigor na sistematização é crucial para o progresso científico e que nós, como cientistas sociais, devemos manter atenção constante a esses aspectos em nossa produção intelectual. A elaboração de inferências, sejam descritivas ou causais, é o que distingue nosso trabalho de outras formas de conhecimento. Por isso, defendemos a transparência metodológica para assegurar a replicabilidade e a confiança nos resultados obtidos, sem esquecer que as conclusões científicas são sempre provisórias e que o método é, em última instância, o cerne de nossa prática como pesquisadores.

A escolha das técnicas de pesquisa deve ser sempre guiada pela pergunta de pesquisa, e não por preferências pessoais ou familiaridade com métodos específicos. Entendemos que, em função do objeto de estudo, a combinação de abordagens qualitativas e quantitativas pode enriquecer a análise, permitindo aproveitar os pontos fortes de cada tradição. Contudo, longe de uma visão instrumental neutra, defendemos que essa combinação, quando consciente de seus próprios vieses, pode construir interpretações mais consistentes. Um desenho de pesquisa bem estruturado confere maior profundidade e abrangência no trabalho empírico.

A teoria, por sua vez, desempenha um papel central na formulação do problema de pesquisa e ao longo de todo o processo investigativo, demandando uma articulação constante com os dados empíricos. A qualidade do estudo também está vinculada à seleção criteriosa de casos, à observação sistemática, à definição precisa de variáveis e à comparação entre múltiplos contextos, de modo a identificar tanto padrões quanto singularidades.

É igualmente fundamental conduzir a investigação com sensibilidade crítica em relação a noções como simplificação e objetividade. Como mencionamos, as contribuições feministas, entre outras correntes reflexivas, alertam que a pretensão de neutralidade pode ser um ideal inatingível, a ocultar vieses e a reforçar perspectivas hegemônicas. Diante disso, torna-se imprescindível que o pesquisador esteja consciente das suas próprias posições de privilégios e possíveis pré-conceitos, e que adote uma abordagem reflexiva das interseccionalidades envolvidas. Isso produz análises verdadeiramente inclusivas, que respeitam a diversidade de experiências e não perpetuam desigualdades estruturais.

Como apoio à compreensão e aplicação desses princípios, elaboramos um organograma didático, que se segue, com o objetivo de orientar pesquisadores em cada etapa constitutiva do desenho de pesquisa, facilitando a tradução prática das reflexões aqui sistematizadas.

Figura 1.
Organograma: Sistematização de desenho de pesquisa

Em suma, para além de preferências individuais ou correntes metodológicas valorizadas por cada instituição, o domínio da elaboração de projetos de pesquisa constitui uma competência fundamental na formação de novos cientistas sociais. Mais do que aplicar técnicas, trata-se de desenvolver um pensamento metodológico estruturado, capaz de traduzir problemas de pesquisa em desenhos investigativos inovadores e criativos.

É com este espírito que oferecemos as reflexões compiladas, como um conjunto de ferramentas conceituais forjadas por pesquisadores para pesquisadores. Reconhecemos os inerentes desafios da investigação científica social, mas reafirmamos igualmente seu potencial transformador, particularmente relevante em países latino-americanos, onde a abertura às possibilidades analíticas que emergem de contextos plurais torna-se não apenas metodológica, mas epistemologicamente necessária.

Referências

• ABRUCIO, Fernando Luiz. Federalismo brasileiro e projeto nacional: os desafios da democracia e da desigualdade. Revista USP, São Paulo, n. 134, p. 127-142, 2022. Disponível em: Disponível em: https://revistas.usp.br/revusp/article/view/202382 Acesso em: 21 abr. 2026.
  » https://revistas.usp.br/revusp/article/view/202382
• ADCOCK, Robert; COLLIER, David. Measurement validity: a shared standard for qualitative and quantitative research. American Political Science Review, v. 95, n. 3, p. 529-546, set. 2001. Disponível em: https://doi.org/10.1017/S0003055401003100. Acesso em: 27 jun. 2025.
  » https://doi.org/10.1017/S0003055401003100
• ARRETCHE, Marta. Democracia, federalismo e centralização no Brasil. Rio de Janeiro: Editora FIOCRUZ, 2012. 232p. Disponível em: Disponível em: https://books.scielo.org/id/bx899 Acesso em: 21 abr. 2026.
  » https://books.scielo.org/id/bx899
• BARAKSO, Maryann; SABET, Daniel M.; SCHAFFNER, Brian. The research question. In: BARAKSO, Maryann; SABET, Daniel M.; SCHAFFNER, Brian. Understanding political science research methods: the challenge of inference. New York: Routledge, 2014. p. 36-55. [chapter 2].
• BIROLI, Flávia. MIGUEL; Luis Felipe. Meios de comunicação, voto e conflito político no Brasil. Revista Brasileira de Ciências Sociais, São Paulo, v. 28, n. 81, 2013. Disponível em: https://doi.org/10.1590/S0102-69092013000100006 Acesso em: 1 maio 2026.
  » https://doi.org/10.1590/S0102-69092013000100006
• BRADY, Henry E.; COLLIER, David (orgs.). Rethinking social inquiry: diverse tools, shared standards. 2. ed. Lanham: Rowman & Littlefield Publishers, 2010.
• BORSOTTI, Carlos A. Temas de metodología de la investigación en ciencias sociales empíricas. 1. ed. Buenos Aires: Miño y Dávila, 2007.
• CANO, Ignacio. Nas trincheiras do método: o ensino da metodologia das ciências sociais no Brasil. Sociologias, Porto Alegre, v. 14, n. 31, p. 94-119, 2012. Disponível em: Disponível em: https://www.scielo.br/j/soc/a/QC6rphm93gZgXmt6FSqWJys/ Acesso em: 27 jun. 2025.
  » https://www.scielo.br/j/soc/a/QC6rphm93gZgXmt6FSqWJys/
• COLLIER, David; SEAWRIGHT, Jason; MUNCK, Gerardo L. The quest for standards: King, Keohane, and Verba’s designing social inquiry. In: BRADY, Henry E.; COLLIER, David (orgs.). Rethinking social inquiry: diverse tools, shared standards. 2. ed. Lanham: Rowman & Littlefield Publishers, 2010. p. 33-63. [chapter 2].
• COLLINS, Patricia Hill. On intellectual activism. Philadelphia: Temple University Press, 2019.
• CRENSHAW, Kimberle. Mapping the margins: intersectionality, identity politics, and violence against women of color. Stanford Law Review, v. 43, n. 6, p. 1241-1299, 1991. Disponível em: Disponível em: https://www.jstor.org/stable/1229039 Acesso em:10 jan. 2025.
  » https://www.jstor.org/stable/1229039
• CRESWELL, John W. Research design: qualitative and quantitative approaches. Thousand Oaks: Sage Publications, 1994.
• CRESWELL, John W.; PLANO CLARK, Vicki L. Designing and conducting mixed methods research. 3rd. ed. Los Angeles: SAGE, 2017.
• DENZIN, Norman K. The research act: A theoretical introduction to sociological methods. 2. ed. New York: McGraw-Hill, 1978.
• DE VAUS, David. Causation and the logic of research design. In: DE VAUS, David (ed.). Research design in social research. Thousand Oaks, CA: Sage, 2001. p. 34-52.
• FIGUEIREDO FILHO, Dalson. Métodos quantitativos em ciência política. Curitiba: InterSaberes, 2019.
• FIGUEIREDO, Dalson; FERNANDES, Antônio; BORBA, Lucas; AGUIAR, Thaís Helena. Metodologias de pesquisa em ciência política: uma breve introdução. Revista Brasileira de Informação Bibliográfica em Ciências Sociais (BIB), São Paulo, n. 94, p. 1-34, 2021. Disponível em: Disponível em: https://bibanpocs.emnuvens.com.br/revista/article/view/175 Acesso em: 27 jun. 2025.
  » https://bibanpocs.emnuvens.com.br/revista/article/view/175
• FLICK, Uwe. An introduction to qualitative research. 3rd ed. London: Sage Publications, 2006.
• GEORGE, Alexander L.; BENNETT, Andrew. Case studies and theory development in the social sciences. Cambridge, MA: MIT Press, 2005.
• GERRING, John. Case study research: principles and practices. 2. ed. Cambridge: Cambridge University Press, 2016. Disponível em: https://doi.org/10.1017/9781316848593. Acesso em: 21 abr. 2026.
  » https://doi.org/10.1017/9781316848593
• GIL, Antônio Carlos. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008.
• GIL, Antônio Carlos. Como elaborar projetos de pesquisa. 6. ed. São Paulo: Atlas, 2017.
• GSCHWEND, Thomas; SCHIMMELFENNIG, Frank. Introduction: designing research in political science - a dialogue between theory and data. In: GSCHWEND, Thomas; SCHIMMELFENNIG, Frank (eds). Research design in political science: how to practice what we preach?. Basingstoke: Palgrave Macmillan, 2007. p. 1-18. [chapter 1]. Disponível em: Disponível em: https://link.springer.com/chapter/10.1057/9780230598881_1 Acesso em:27 jun. 2025.
  » https://link.springer.com/chapter/10.1057/9780230598881_1
• HARAWAY, Donna. Situated knowledges: the science question in feminism and the privilege of partial perspective. Feminist Studies, v. 14, n. 3, p. 575-599, 1988. Disponível em: Disponível em: https://philpapers.org/archive/harskt.pdf Acesso em: 27 jun. 2025.
  » https://philpapers.org/archive/harskt.pdf
• HARDING, Sandra (ed.). Feminism and methodology: social science issues. Bloomington: Indiana University Press, 1987.
• HARDING, Sandra (ed.). The feminist standpoint theory reader: intellectual and political controversies. New York: Routledge, 2004.
• HARDING, Sandra. Objectivity and diversity: another logic of scientific research. Chicago: University of Chicago Press, 2015.
• HELMKE, Gretchen; LEVITSKY, Steven. Informal institutions and comparative politics: a research agenda. Perspectives on Politics, v. 2, n. 4, p. 725-740, dez. 2004. Disponível em: Disponível em: https://www.cambridge.org/core/journals/perspectives-on-politics/article/abs/informal-institutions-and-comparative-politics-a-research-agenda/11A6AA9DCAF579F5B72DA250728AA513 Acesso em: 27 jun. 2025.
  » https://www.cambridge.org/core/journals/perspectives-on-politics/article/abs/informal-institutions-and-comparative-politics-a-research-agenda/11A6AA9DCAF579F5B72DA250728AA513
• JANNUZZI, Paulo de Martino. Conceitos básicos. In: JANNUZZI, Paulo de Martino. Indicadores sociais no Brasil. Campinas: Alínea, 2001. p. 13-36. [chapter 1].
• KELLSTEDT, Paul M.; WHITTEN, Guy D. Fundamentos da pesquisa em ciência política. São Paulo: Blucher, 2015.
• KIM, Meen Chul; ZHU, Yongjun; CHEN, Chaomei. How are they different? A quantitative domain comparison of information visualization and data visualization (2000-2014). Scientometrics, v. 107, n. 1, p. 123-165, 2016. Disponível em: https://doi.org/10.1007/s11192-015-1830-0. Acesso em: 21 abr. 2026.
  » https://doi.org/10.1007/s11192-015-1830-0
• KING, Gary; KEOHANE, Robert O.; VERBA, Sidney. Designing social inquiry: scientific inference in qualitative research. Princeton, N.J.: Princeton University Press, 1994.
• LAVALLE, Adrian Gurza; SZWAKO, José. Sociedade civil, Estado e autonomia: argumentos, contra-argumentos e avanços no debate. Opinião Pública, Campinas, v. 21, n. 1, p. 157-187, abril, 2015. Disponível em: https://doi.org/10.1590/1807-0191211157. Acesso em: 1 maio 2026.
  » https://doi.org/10.1590/1807-0191211157
• LEITE, Fernando; FERES JÚNIOR, João. A ciência na ciência política brasileira. Revista Brasileira de Ciência Política, Brasília, n. 34, p. 1-53, 2021. Disponível em: Disponível em: https://www.scielo.br/j/rbcpol/a/V3K9y7DW8Svjvk885nDwkVB/?format=pdf⟨=pt Acesso em: 27 jun. 2025.
  » https://www.scielo.br/j/rbcpol/a/V3K9y7DW8Svjvk885nDwkVB/?format=pdf⟨=pt
• LEITE, Rodrigo; ROCHA, Gustavo de Andrade. Desenho de pesquisa, inferência e causalidade: caminhos entre a abordagem qualitativa e quantitativa. Revista Eletrônica de Ciência Política, Curitiba, v. 10, n. 1, p. 1-28, 18 mar. 2019. Disponível em: Disponível em: https://revistas.ufpr.br/politica/article/view/61004/0 Acesso em: 27 jun. 2025.
  » https://revistas.ufpr.br/politica/article/view/61004/0
• LICHBACH, Mark I.; ZUCKERMAN, Alan S. Comparative politics: rationality, culture, and structure. Cambridge: Cambridge University Press, 2009.
• MACHADO, Daniel Baldin. Sete elementos do processo de seleção de casos: contribuições para um maior rigor e transparência nas Ciências Sociais. Revista Brasileira de Ciência Política, Brasília, n. 36, p. 1-32, 2021. Disponível em: https://doi.org/10.1590/0103-3352.2021.36.243087. Acesso em: 27 jun. 2025.
  » https://doi.org/10.1590/0103-3352.2021.36.243087
• MAHONEY, James; GOERTZ, Gary. A tale of two cultures. Political Analysis, v. 14, n. 3, p. 227-249, 2006. Disponível em: Disponível em: https://www.jstor.org/stable/25791851 Acesso em: 27 jun. 2025.
  » https://www.jstor.org/stable/25791851
• MAHONEY, James; RUESCHEMEYER, Dietrich (orgs.). Comparative historical analysis in the social sciences. Cambridge: Cambridge University Press, 2003. Disponível em: Disponível em: https://www.cambridge.org/core/books/comparative-historical-analysis-in-the-social-sciences/0654B5F390778FCD909E4A06318BFAFF Acesso em:10 maio 2026.
  » https://www.cambridge.org/core/books/comparative-historical-analysis-in-the-social-sciences/0654B5F390778FCD909E4A06318BFAFF
• MARTINEZ, Iris Nabolotnyj. De quem é esse lugar?: uma análise do feminismo acadêmico brasileiro a partir do Web of Science (1998-2021). 2023. Tese (Doutorado em Ciência Política) - Programa de Pós-Graduação em Ciência Política, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2023. Disponível em: Disponível em: https://lume.ufrgs.br/handle/10183/271708 Acesso em: 10 jan. 2025.
  » https://lume.ufrgs.br/handle/10183/271708
• MARSH, David; STOKER, Gerry (orgs.). Teoría y métodos de la ciencia política. Tradução de Jesús Cuéllar Menezo. Madrid: Alianza Editorial, 1997. [publicado originalmente em 1995].
• MESQUITA, Rafael. Desenho de pesquisa, inferência e causalidade em Ciência Política e Relações Internacionais: uma introdução didática. Revista Política Hoje, Recife, v. 26, n. 2, p. 188-229, 2017. Disponível em: https://doi.org/10.51359/1808-8708.2017.234402. Acesso em: 27 jun. 2025.
  » https://doi.org/10.51359/1808-8708.2017.234402
• MONTENEGRO, Renan Holanda. Desenho de pesquisa, inferência e causalidade em Ciência Política. Revista Agenda Política, Brasília, v. 4, n. 2, p. 276-301, maio/ago. 2016. Disponível em: Disponível em: https://www.agendapolitica.ufscar.br/index.php/agendapolitica/article/view/10 4. Acesso em: 27 jun. 2025.
  » https://www.agendapolitica.ufscar.br/index.php/agendapolitica/article/view/10
• NEIVA, Pedro. Revisitando o calcanhar de Aquiles metodológico das ciências sociais no Brasil. Sociologia, Problemas e Práticas, Lisboa, n. 79, p. 65-83, 2015. Disponível em: Disponível em: http://scielo.pt/pdf/spp/n79/n79a04.pdf Acesso em: 27 jun. 2025.
  » http://scielo.pt/pdf/spp/n79/n79a04.pdf
• NICOLAU, Jairo. Breve roteiro para a redação de um projeto de pesquisa. Revista Estudos Políticos, Niterói, n. 6, p. 345-353, 2013. Disponível em: Disponível em: https://periodicos.uff.br/revista_estudos_politicos/article/view/38673/22176 Acesso em: 27 jun. 2025.
  » https://periodicos.uff.br/revista_estudos_politicos/article/view/38673/22176
• NORTH, Douglass C. Institutions, institutional change and economic performance. Cambridge: Cambridge University Press, 1990.
• OLLAIK, Leila Giandoni; ZILLER, Henrique Moraes. Concepções de validade em pesquisas qualitativas. Educação e Pesquisa, São Paulo, v. 38, n. 1, p. 229-242, 2012. Disponível em: Disponível em: https://www.scielo.br/j/ep/a/HmMrcZjwBH5GtqHd8YpXT8m/abstract/?lang=pt Acesso em: 27 jun. 2025.
  » https://www.scielo.br/j/ep/a/HmMrcZjwBH5GtqHd8YpXT8m/abstract/?lang=pt
• PARANHOS, Ranulfo; FIGUEIREDO, Dalson; ROCHA, Enivaldo Carvalho da; SILVA JÚNIOR, José Alexandre da; SANTOS, Manoel Leonardo Wanderley Duarte. Levando Gary King a sério: desenhos de pesquisa em Ciência Política. Revista Eletrônica de Ciência Política, Curitiba, v. 3, n. 1-2, p. 86-117, 2012. Disponível em: Disponível em: https://www.researchgate.net/publication/273170876_Levando_Gary_King_a_serio_desenhos_de_pesquisa_em_Ciencia_Politica/link/5695007f08ae820ff074918e/download Acesso em: 27 jun. 2025.
  » https://www.researchgate.net/publication/273170876_Levando_Gary_King_a_serio_desenhos_de_pesquisa_em_Ciencia_Politica/link/5695007f08ae820ff074918e/download
• PEREZ, Caroline Criado. Mulheres invisíveis: o viés dos dados em um mundo projetado para homens. Tradução de Renata Guerra. 1. ed. Rio de Janeiro: Intrínseca, 2022.
• PERISSINOTTO, Renato; NUNES, Wellington. Introdução aos métodos qualitativos: Comparação Histórica, QCA e Process Tracing. São Paulo: Edusp, 2023.
• PERISSINOTTO, Renato; BOTELHO, João Carlos Amoroso; BOLOGNESI, Bruno; BATISTA, Mariana; SANTOS, Manoel Leonardo. Política comparada: teoria e método. Rio de Janeiro: EdUERJ, 2022.
• POPPER, Karl R. The logic of scientific discovery. New York: Basic Books, 1959.
• POWER, Timothy J. The political right in postauthoritarian Brazil: elites, institutions, and democratization. University Park, PA: Pennsylvania State University Press, 2000.
• PRZEWORSKI, Adam; ALVAREZ, Michael E.; CHEIBUB, José Antonio; LIMONGI, Fernando. Democracy and development: political institutions and material well-being in the world, 1950-1990. Cambridge: Cambridge University Press, 2000.
• PRZEWORSKI, Adam; TEUNE, Henry. The logic of comparative social inquiry. New York: John Wiley and Sons, Inc., 1970.
• REIS, Fábio Wanderley. O tabelão e a lupa: teoria, método generalizante e idiografia no contexto brasileiro. Revista Brasileira de Ciências Sociais, São Paulo, v. 6, n. 16, jul. 1991. Disponível em: Disponível em: https://anpocs.org.br/1991/06/30/vol-6-no-16-rio-de-janeiro-1991/ Acesso em: 27 jun. 2025.
  » https://anpocs.org.br/1991/06/30/vol-6-no-16-rio-de-janeiro-1991/
• REZENDE, Flávio da Cunha. O pluralismo inferencial na ciência política: teoria e evidências. Curitiba: Appris, 2023.
• REZENDE, Flávio da Cunha. O Pluralismo inferencial na ciência política pós-KKV (2005-2015): argumento e evidências. Revista Política Hoje, Recife, v. 26, n. 1, p. 241-277, 2017. Disponível em: Disponível em: https://periodicos.ufpe.br/revistas/index.php/politicahoje/article/view/12839/16120 Acesso em:27 jun. 2025.
  » https://periodicos.ufpe.br/revistas/index.php/politicahoje/article/view/12839/16120
• RIBEIRO, E. A., BORBA, J., HANSEN, J. R. Internet e ativismo político na América Latina e Caribe: recursos individuais e oportunidades de acesso. Civitas: Revista de Ciências Sociais, v. 19, n.1, p. 261-280, 2019. Disponível: https://doi.org/10.15448/1984-7289.2019.1.30332. Acesso em: 1 maio 2026.
  » https://doi.org/10.15448/1984-7289.2019.1.30332
• SEAWRIGHT, Jason; GERRING, John. Case selection techniques in case study research: a menu of qualitative and quantitative options. Political Research Quarterly, v. 61, n. 2, p. 294-308, jun. 2008. Disponível em: https://doi.org/10.1177/1065912907313077. Acesso em: 1 maio 2026.
  » https://doi.org/10.1177/1065912907313077
• SHADISH, William R.; COOK, Thomas D.; CAMPBELL, Donald T. Experimental and quasi-experimental designs for generalized causal inference. Boston: Houghton Mifflin, 2002.
• SILVA, Elaine Aparecida da; SILVA, José Maria da. Ofício, engenho e arte: inspiração e técnica na análise de dados qualitativos. Revista Latino-americana de Geografia e Gênero, Ponta Grossa, v. 7, n. 1, p. 132-154, jan./jul. 2016. Disponível em: Disponível em: https://revistas.uepg.br/index.php/rlagg/article/view/8041 Acesso em: 27 jun. 2025.
  » https://revistas.uepg.br/index.php/rlagg/article/view/8041
• SOARES, Gláucio Ary Dillon. O calcanhar metodológico da ciência política no Brasil. Sociologia, Problemas e Práticas, Lisboa, n. 48, p. 27-52, 2005. Disponível em: Disponível em: https://sociologiapp.iscte-iul.pt/fichaartigo.jsp?pkid=512 Acesso em: 27 jun. 2025.
  » https://sociologiapp.iscte-iul.pt/fichaartigo.jsp?pkid=512
• VAN EVERA, Stephen. Guide to methods for students of political science. Ithaca, NY: Cornell University Press, 1997.
• YIN, Robert K. Case study research: design and methods. 1st ed. Newbury Park: SAGE, 1984.
• ŽUPIČ, Ivan; ČATER, Tomaž. Bibliometric methods in management and organization. Organizational Research Methods, Slovenia, v. 18, n. 3, p. 429-472, 2015. Disponível em: Disponível em: https://www.researchgate.net/publication/254970530_Bibliometric_methods_in_management_and_organization Acesso em: 27 jun. 2025.
  » https://www.researchgate.net/publication/254970530_Bibliometric_methods_in_management_and_organization

• ⁵
  A cientometria analisa a produção científica por meio de dados quantitativos. Ela mapeia a atividade acadêmica através das publicações, examinando volumes de produção, citações, alcance de autores e redes de colaboração entre pesquisadores, apontando não só o que é produzido, mas o que, de fato, influencia e abre novos caminhos para a ciência. Suas evidências fornecem subsídios mais sólidos para a elaboração de políticas científicas eficazes.
• ⁶
  Jairo Nicolau oferece uma proposta curta e didática sobre como elaborar um projeto de pesquisa em Ciência Política (Nicolau, 2013). Indicamos ler também as recomendações de Gil (2017).
• ⁷
  Para uma reflexão sobre como proceder com rigor na seleção de casos estudados, de modo a evitar escolhas enviesadas, sugerimos a leitura do artigo de Daniel Machado (Machado, 2021).
• Disponibilidade de dados
  Todo o conjunto de dados deste estudo foi publicado no artigo.
• Declaração sobre Uso de Inteligência Artificial Generativa
  As autoras declaram que não utilizaram ferramentas de inteligência artificial generativa na elaboração deste manuscrito, assumindo total responsabilidade pelo conteúdo autoral.

• Editoras
  Debora Rezende de Almeida
  Rebecca Neaera Abers

Disponibilidade de dados

Todo o conjunto de dados deste estudo foi publicado no artigo.

Datas de Publicação

• Publicação nesta coleção
  24 Jul 2026
• Data do Fascículo
  2026

Histórico

• Recebido
  08 Nov 2024
• Aceito
  04 Nov 2025