Analisar as evidências de um estudo de caso é uma atividade particularmente difícil porque as técnicas e estratégias não estão bem definidas (YIN, 2003). “O desafio é ser explicitamente consciente da finalidade de seu estudo e das lentes conceituais que você está treinando nele – enquanto se permite ser aberto e reeducado por coisas que não se conhece ou se espera encontrar” (MILES; HUBERMAN, 1994, p. 56). Tendo reconhecido o desafio de analisar as evidências de um estudo de caso, esta seção tem como objetivo descrever como os dados foram analisados.
Nesta tese, a análise dos dados foi desenvolvida para analisar cada caso individualmente. A análise comparativa dos casos não é objetivo desta tese, pois foram selecionados casos com característica diferentes propositadamente. Para a realização de análise cruzada dos casos seria necessário que as empresas selecionadas tivessem características semelhantes, como por exemplo, tamanho da empresa e posicionamento.
Como descrito anteriormente, esta tese é descritiva e explicativa. Miles e Huberman (1994) chamam essa progressão da descrição para a explicação de progressão analítica. Eles sugerem que a progressão analítica começa contando uma história a fim de construir um “mapa” (formalizar os elementos da história, localizando as variáveis-chave), e avança com a construção de uma teoria ou modelo (como as variáveis estão ligadas, como elas influenciam umas às outras). A Figura 22 é uma representação visual da progressão analítica, que foi o modelo de análise de caso seguido nesta tese.
A primeira etapa na análise do caso é a criação de um texto. Um processo de codificação de dados do tipo “open coding” foi seguido para criar o primeiro texto. “Os códigos são rótulos para atribuição de unidades de significado para as informações descritivas ou inferenciais elaboradas durante um estudo” (MILES; HUBERMAN, 1994, p. 56). A primeira codificação descritiva produziu códigos descritivos, referente aos métodos usados para quebrar os dados do estudo de caso para analisar, conceber e desenvolver as categorias de dados, como mostrado nas fases 1 e 1-B na Figura 22. Nesta primeira análise, a pergunta “Como os dados devem ser classificados?” foi feita. O open coding é um processo iterativo que permite ao pesquisador comparar as semelhanças e diferenças entre os dados, preparando- se para codificação axial (ELLRAM, 1996).
Os segundo estágio de codificação dos dados, a codificação axial ou codificação interpretativa, é basicamente o estágio no qual são feitas as conexões entre as categorias de codificação desenvolvidas no open coding. É importante ter em mente que o open coding e a codificação axial são processos iterativos ao invés de processos seqüenciais (ELLRAM, 1996). A terceira e última etapa é uma codificação seletiva, também conhecida como codificação padrão. Este é um nível mais elevado e holístico de análise, no qual que padrões alternativos são procurados e analisados para explicar o fenômeno-chave de interesse. A construção de explicação com base em padrões e relações causais reforça a validade interna dos resultados do estudo de caso (ELLRAM, 1996).
Criar um texto base de trabalho Experimentar categorias de codificação para encontrar um conjunto que se encaixa Identificar temas e tendências do conjunto de dados
Reduzir o volume dos dados para a análise de tendências
Delinear a estrutura/ modelo
Reconstrução das intrevistas em forma de notas escritas
Sinopse de cada entrevista individual Escrita de notas de análise sobre as ligações de vários quadros de interpretação
Buscando relações nos dados: escrever memorandos analíticos
Descobrir onde estão as ênfases e lacunas nos dados
verificação cruzada resultados preliminares
Síntese: integração dos dados em um quadro explicativo 1a 1b 3a 3b Níveis
3 Desenvolvimento e teste de proposições, em um processo iterativo, para construir um quadro explicativo
2 Reagrupar e agregar os dados
1 Resumir e agrupar os dados
Figura 22: Escada da abstração analítica. (Fonte: adaptado de Carney (1990) citado por Miles e Huberman (1994, p. 92))
Vale observar que a codificação de dados deve sempre começar o mais rapidamente possível após cada coleta dos dados. Idealmente, todos os dados devem ser codificados (open
coding) no mesmo dia em que é coletado. A necessidade para isso é explicada e enfatizada
por Miles e Huberman (1994) como segue:
“Alguns analistas deixam a codificação para o final de coleta de dados. Pensamos que esse é um erro grave, porque enfraquece a análise. Codificação não é apenas algo que você faz para ‘obter os dados prontos’ para a análise, mas, [...] é algo que impulsiona a coleta de dados em curso. É uma forma inicial (e contínua) de análise. Ela normalmente leva a uma reformulação da sua perspectiva e de sua instrumentação para o próximo passo. Sempre codifique o conjunto anterior de notas de campo antes da próxima viagem a campo. Sempre – não importa o quão boa é a desculpa para não fazê-lo. (MILES HUBERMAN, 1994, p. 65)
À medida que a coleta de dados avança, é possível construir um “esqueleto” para casos futuros. Esta estrutura permite ao investigador escrever cada caso como um caso dentro de uma série de casos, utilizando um conjunto mais ou menos padrão das variáveis. Além disso, a fim de produzir resultados mais confiáveis durante a análise dos dados, houve uma busca constante para a construção da cadeia de evidências.
“A construção de cadeias de evidências exige cuidadosa verificação em cada etapa: Será que isso realmente acontece, e qual seria a conseqüência lógica - e a conseqüência aparece nos dados? Ao se fazer isso, se desenvolve uma série de
questionamentos se-então. [...] Além disso, as relações têm de fazer sentido, [...] e a cadeia deve ser completa” (MILES; HUBERMAN, 1994, p.260).
Nesta tese, optou-se pela construção de cadeias de evidências como um recurso para evitar conclusões falsas ou sem sentido.