Seis formas de representar graficamente os resultados com o webQDA

Seis formas de representar graficamente os resultados com o webQDA

Por: Sonia Verdugo (Universidade de Salamanca)

A representação visual dos resultados oferece ao investigador a possibilidade de mostrar, graficamente, os produtos e frutos do seu estudo.

Ao investigar e implementar a análise e interpretação dos dados, disseminação dos resultados, redação do relatório, etc., os modelos visuais são uma ferramenta e uma poderosa estratégia de comunicação direta e representativa dos dados, o que permite aos pesquisadores, e a outros leitores do estudo, visualizar o que se pretende expressar.

Como indicam Martí & Pozo (2000), a representação gráfica é outra maneira de entender a realidade. Os meios visuais são uma maneira de apoiar a palavra escrita (Banks, 2010). A seleção ideal dos dados a serem compartilhados e a sua visualização fazem com que a comunicação não tenha de ser diretamente explícita (Willers, 2015). Cabe ressaltar que a visualização correta dos dados está relacionada com a aprendizagem dos conceitos (Sedrakyan, Mannens & Verbert, 2019). Além disso, como apontam Pértega & Pita (2001), é essencial que os meios visuais utilizados sejam claros e adequados, para a correta interpretação dos resultados, assim como a sua compreensão. Nesse sentido, Friel, Curcio & Bright (2001) apresentam quatro fatores críticos que interferem na compreensão gráfica: o objetivo do uso de gráficos e as características da tarefa, da disciplina e do leitor. E, como indica Kosslyn (2012), por vezes os meios visuais, os gráficos, não se comunicam efetivamente, porque os objetivos, necessidades e capacidades dos leitores não são levados em consideração. Por tudo isso, os CAQDAS, como o webQDA, são importantes, pois auxiliam o investigador nessas tarefas (Rodrigues, Costa & Moreira, 2019).

Atualmente, o software de análise de dados qualitativos webQDA permite a apresentação gráfica das fontes, a codificação e a consulta do projeto sobre o qual se está a trabalhar com o software. Para isso, o webQDA dispõe atualmente de: mapas de códigos, mapas de densidade, gráficos circulares, gráficos de barras, mapas conceituais e nuvens de palavras.

A partir da codificação do projeto no webQDA, é possível criar mapas de códigos e mapas de densidade.

Os mapas de código oferecem uma visão ramificada das categorias estabelecidas, enquanto os mapas de densidade revelam uma visão em setores de acordo com a organização das categorias e subcategorias definidas.

Isso pode ser feito a partir dos códigos livres, dos códigos árvore e dos descritores.

1 – Mapa de Códigos

Primeiro, abrir em Codificação o separador desejado. De seguida, o mapa de códigos ou de densidade é selecionado.

Posteriormente, e definindo o exemplo com códigos árvore, pode criar o mapa de códigos e o mapa de densidade. Como se observa no mapa de códigos, é criada uma estrutura ramificada.

2 – Mapa de Densidade

Por outro lado, o mapa de densidade, neste caso, oferece ao investigador a possibilidade de representar visualmente as categorias do projeto, em setores.

Os setores são formados em relação às subcategorias existentes, desta forma pode passar da categoria superior para a inferior ou vice-versa.

Ao selecionar qualquer uma das categorias, o programa mostra quantas referências existem na mesma. Isso significa que se pode aceder ao conteúdo que foi codificado. Além disso, sendo um modelo visual vivo, pode aceder a uma das categorias de classificação mais baixa e voltar à categoria de maior alcance.

3 – Nuvem de Palavras

Finalmente, um meio de visualizar as palavras mais repetidas no projeto é a criação de uma nuvem de palavras, através da busca pelas palavras mais frequentes, a partir da opção de Questionamento. Esta opção também oferece a possibilidade de escolher o número de palavras e quantidade de caracteres.

4 – Gráfico de Barras e Gráficos Circulares

Por outro lado, se o que necessita é representar uma pesquisa de texto, ou seja, um termo e ver onde a sua frequência está localizada, a pesquisa deve ser realizada na área Questionamento e após a conclusão da pesquisa o programa oferece duas opções: gráficos de barras ou gráficos circulares.

5 – Mapas Conceituais

Da mesma forma, e gerando uma matriz a partir da opção Questionamento, combinando em linhas e colunas os códigos, descritores, etc., podem ser extraídos mapas conceituais, como mostrado abaixo:

O mapa conceitual é vivo, se uma referência específica for selecionada ele fornece mais informações.

A principal utilidade do mapa conceitual é a visualização imediata de idaias interessantes para o estudo de forma dinâmica, podendo selecionar os códigos e descritores necessários.

Por fim, como se observa, a comunicação dos dados e dos resultados não é apenas importante para realizá-los através do uso da palavra, a representação gráfica e visual oferece grandes oportunidades para entender as informações através do uso de diagramas, mapas, etc. Essa possibilidade é oferecida pelo webQDA, favorecendo a análise e a interpretação completa do estudo, facilitando assim ao investigador a divulgação dos resultados acessíveis aos leitores.

Como consideração final, o mais importante é que o pesquisador conheça e tenha definido bem o objetivo e as informações que deseja transmitir, para selecionar o meio visual mais adequado.

Referências:

Banks, M. (2010). Los datos visuales en Investigación Cualitativa. Morata.

Friel, S. N., Curcio, F. R., & Bright, G. W. (2001). Making sense of graphs: Critical factors influencing comprehension and instructional implications. Journal for Research in Mathematics Education, 32(2), 124-158. https://doi.org/10.2307/749671

Kosslyn, S. M. (2012). Graph Design for the Eye and Mind. https://doi.org/10.1093/acprof:oso/9780195311846.001.0001

Martí, E., & Pozo, J. I. (2000). Más allá de las representaciones mentales: la adquisición de los sistemas externos de representación. Infancia y aprendizaje, 23(90), 11-30.

Pértega, S., & Pita, S. (2001). Representación gráfica en el Análisis de Datos. Investigación: Representación gráfica en el análisis de datos.

Rodrigues, A. I., Costa, A. P., & Moreira, A. (2019). Using CAQDAS in Visual Data Analysis: A Systematic Literature Review. Advances in Intelligent Systems and Computing, 861, 235-247. https://doi.org/10.1007/978-3-030-01406-3_20

Sedrakyan, G., Mannens, E., & Verbert, K. (2019). Guiding the choice of learning dashboard visualizations: Linking dashboard design and data visualization concepts. Journal of Visual Languages and Computing, 50, 19-38. https://doi.org/10.1016/j.jvlc.2018.11.002

Willers, B. (2015). Show, don’t tell. En New Challenges for Data Design (pp. 3-22). https://doi.org/10.1007/978-1-4471-6596-5_1