Os 4 tipos de validade no design de pesquisa (+3 mais a considerar)

Publicados: 2021-01-03

As conclusões que você tira de sua pesquisa (seja da análise de pesquisa, grupos focais, projeto experimental ou outros métodos de pesquisa) só são úteis se forem válidas.

Quão “verdadeiros” são esses resultados? Quão bem eles representam o que você está realmente tentando estudar? A validade é usada para determinar se a pesquisa mede o que pretendia medir e para aproximar a veracidade dos resultados.

Infelizmente, os pesquisadores às vezes criam suas próprias definições quando se trata do que é considerado válido.

Na pesquisa quantitativa, o teste de validade e confiabilidade é um dado.
No entanto, alguns pesquisadores qualitativos chegaram ao ponto de sugerir que a validade não se aplica à sua pesquisa, mesmo que reconheçam a necessidade de algumas verificações ou medidas de qualificação em seu trabalho.

Isto está errado. A validade é sempre importante – mesmo que seja mais difícil de determinar em pesquisas qualitativas.

Desconsiderar a validade é colocar em questão a confiabilidade de seu trabalho e questionar a confiança dos outros em seus resultados. Mesmo quando medidas qualitativas são usadas em pesquisa, elas precisam ser analisadas usando medidas de confiabilidade e validade para sustentar a confiabilidade dos resultados.

O que é validade em pesquisa?

Validade é como os pesquisadores falam sobre o quanto os resultados representam a realidade. Métodos de pesquisa, quantitativos ou qualitativos, são métodos de estudo de fenômenos reais – validade refere-se a quanto desse fenômeno eles medem versus quanto “ruído”, ou informações não relacionadas, são capturadas pelos resultados.

Validade e confiabilidade fazem a diferença entre relatórios de pesquisa “bons” e “ruins”. A pesquisa de qualidade depende do compromisso de testar e aumentar a validade e a confiabilidade dos resultados de sua pesquisa.

Qualquer pesquisa que valha seu peso se preocupa em saber se o que está sendo medido é o que se pretende medir e considera as maneiras pelas quais as observações são influenciadas pelas circunstâncias em que são feitas.

A base de como nossas conclusões são feitas desempenha um papel importante na abordagem de questões substantivas mais amplas de qualquer estudo.

Por esta razão, vamos olhar para vários tipos de validade que foram formulados como parte de uma metodologia de pesquisa legítima.

Aqui estão os 7 principais tipos de validade em pesquisa:

Validade nominal
Validade do conteúdo
Validade do construto
Validade interna
Validade externa
Validade da conclusão estatística
Validade relacionada ao critério

1. Validade nominal

A validade de face é o quão válidos seus resultados parecem com base em sua aparência. Este é o método menos científico de validade, pois não é quantificado usando métodos estatísticos.

A validade de face não é validade no sentido técnico do termo. Preocupa-se se parece que medimos o que afirmamos.

Aqui, analisamos o quão válida uma medida aparece na superfície e fazemos julgamentos subjetivos com base nisso.

Por exemplo,

Imagine que você fornece uma pesquisa que parece ser válida para o entrevistado e as perguntas são selecionadas porque parecem válidas para o administrador.
O administrador pergunta a um grupo de pessoas aleatórias, observadores não treinados, se as perguntas parecem válidas para eles

Na pesquisa, nunca é suficiente confiar apenas em julgamentos de face – e métodos de validade mais quantificáveis são necessários para tirar conclusões aceitáveis. Existem muitos instrumentos de medição a serem considerados, portanto, a validade aparente é útil nos casos em que você precisa distinguir uma abordagem sobre outra.

A validade de face nunca deve ser confiável por seus próprios méritos.

2. Validade do conteúdo

A validade de conteúdo é se a medida usada na pesquisa cobre ou não todo o conteúdo do construto subjacente (o que você está tentando medir).

Essa também é uma medida subjetiva, mas, diferentemente da validade aparente, perguntamos se o conteúdo de uma medida cobre todo o domínio do conteúdo. Se um pesquisador quisesse medir a introversão, ele teria que primeiro decidir o que constitui um domínio de conteúdo relevante para esse traço.

A validade de conteúdo é considerada uma forma subjetiva de medição porque ainda depende da percepção das pessoas para medir construtos que de outra forma seriam difíceis de medir.

Onde a validade de conteúdo se distingue (e se torna útil) é através do uso de especialistas na área ou indivíduos pertencentes a uma população-alvo. Este estudo pode ser tornado mais objetivo através do uso de testes estatísticos rigorosos.

Por exemplo, você pode ter um estudo de validade de conteúdo que informa aos pesquisadores como os itens usados em uma pesquisa representam seu domínio de conteúdo, quão claros eles são e até que ponto eles mantêm a estrutura fatorial teórica avaliada pela análise fatorial.

3. Validade de construção

Um construto representa uma coleção de comportamentos que são associados de forma significativa para criar uma imagem ou uma ideia inventada para um propósito de pesquisa. A validade do construto é o grau em que sua pesquisa mede o construto (em comparação com coisas fora do construto).

A depressão é um construto que representa um traço de personalidade que se manifesta em comportamentos como excesso de sono, perda de apetite, dificuldade de concentração, etc.

A existência de um construto se manifesta pela observação do conjunto de indicadores relacionados. Qualquer signo pode estar associado a vários construtos. Uma pessoa com dificuldade de concentração pode ter DDA, mas não depressão.

A validade de construto é o grau em que as inferências podem ser feitas a partir de operacionalizações (conectando conceitos a observações) em seu estudo para os construtos nos quais essas operacionalizações se baseiam. Para estabelecer a validade de construto, você deve primeiro fornecer evidências de que seus dados apóiam a estrutura teórica.

Você também deve mostrar que controla a operacionalização do construto, ou seja, mostrar que sua teoria tem alguma correspondência com a realidade.

Validade Convergente – o grau em que uma operação é semelhante a outras operações com as quais teoricamente deveria ser semelhante.
Validade discriminativa – se uma escala se diferencia adequadamente ou não diferencia entre grupos que deveriam diferir ou não diferir com base em razões teóricas ou pesquisas anteriores.
Rede Nomológica – representação dos construtos de interesse em um estudo, suas manifestações observáveis e as inter-relações entre eles. De acordo com Cronbach e Meehl, uma rede nomológica deve ser desenvolvida para uma medida para que ela tenha validade de construto
Matriz multitraço-multimétodo – seis considerações principais ao examinar a validade de construção de acordo com Campbell e Fiske. Isso inclui avaliações da validade convergente e validade discriminativa. Os outros são unidade de método de traço, multi-método/traço, metodologia verdadeiramente diferente e características de traço.

4. Validade interna

A validade interna refere-se à extensão em que a variável independente pode ser declarada com precisão para produzir o efeito observado.

Se o efeito da variável dependente for apenas devido à(s) variável(is) independente(s), então a validade interna é alcançada. Este é o grau em que um resultado pode ser manipulado.

Dito de outra forma, a validade interna é como você pode dizer que sua pesquisa “funciona” em um ambiente de pesquisa. Dentro de um determinado estudo, a variável que você altera afeta a variável que você está estudando?

[inscreva-se no blog]

5. Validade externa

A validade externa refere-se à extensão em que os resultados de um estudo podem ser generalizados para além da amostra. O que quer dizer que você pode aplicar suas descobertas a outras pessoas e configurações.

Pense nisso como o grau em que um resultado pode ser generalizado. Quão bem os resultados da pesquisa se aplicam ao resto do mundo?

Um ambiente de laboratório (ou outro ambiente de pesquisa) é um ambiente controlado com menos variáveis. A validade externa refere-se a quão bem os resultados se mantêm, mesmo na presença de todas essas outras variáveis.

6. Validade da conclusão estatística

A validade de conclusão estatística é uma determinação de se existe uma relação ou covariação entre as variáveis de causa e efeito.

Este tipo de validade requer:

Garantir procedimentos de amostragem adequados
Testes estatísticos apropriados
Procedimentos de medição confiáveis

Este é o grau em que uma conclusão é credível ou crível.

7. Validade relacionada ao critério

A validade relacionada a critérios (também chamada de validade instrumental) é uma medida da qualidade de seus métodos de medição. A precisão de uma medida é demonstrada comparando-a com uma medida que já se sabe ser válida.

Em outras palavras – se sua medida tem uma alta correlação com outras medidas que são conhecidas por serem válidas por causa de pesquisas anteriores.

Para que isso funcione, você deve saber que o critério foi bem medido. E esteja ciente de que nem sempre existem critérios adequados.

O que você está fazendo é verificar o desempenho de sua operacionalização em relação a um critério.

Os critérios que você usa como padrão de julgamento explicam as diferentes abordagens que você usaria:

Validade Preditiva – capacidade da operacionalização de prever o que teoricamente é capaz de prever. A medida em que uma medida prevê os resultados esperados.
Validade Concorrente – capacidade da operacionalização de distinguir entre grupos que teoricamente deveria ser capaz. É aqui que um teste se correlaciona bem com uma medida que foi previamente validada.

Quando analisamos a validade dos dados da pesquisa, perguntamos se os dados representam o que achamos que deveriam representar.

Dependemos da mentalidade e atitude do entrevistado para nos fornecer dados válidos.

Em outras palavras, dependemos deles para responder a todas as perguntas com honestidade e consciência. Também dependemos se eles são capazes de responder às perguntas que fazemos. Quando são feitas perguntas que o entrevistado não consegue compreender ou entender, então os dados não nos dizem o que pensamos que eles fazem.