Um dicionário de dados é uma tabela que explica cada variável da base: nome, significado, tipo, formato, unidade, valores permitidos, códigos, ausências e transformações. Ele evita que colunas como q7, score2 ou situação dependam da memória de quem criou a planilha. No TCC, o dicionário conecta questionário, coleta, limpeza e análise e permite explicar como um dado bruto se tornou o resultado apresentado.
O documento deve ser iniciado antes da coleta e atualizado junto com a base. Não é uma legenda feita às pressas no final. Quando o formulário muda, uma categoria é recodificada ou uma variável derivada é criada, o dicionário precisa registrar a decisão sem apagar o significado anterior.
Use uma linha para cada variável real
Cada coluna analítica deve ter uma entrada própria. O nome técnico precisa ser curto, estável e compatível com a ferramenta usada; o rótulo humano explica o conteúdo. Por exemplo, idade_anos é o nome, enquanto “idade completa do participante na data da resposta” é a definição.
Evite nomes que misturem interpretação e medida. bom_desempenho pode esconder uma regra; nota_final descreve melhor o valor observado. Se o estudo criar uma classificação a partir da nota, registre outra variável derivada e informe o ponto de corte, a justificativa e a expressão aplicada.
O UK Data Service inclui dicionários entre os documentos que ajudam outra pessoa a compreender o que foi coletado, de quem, quando e como os dados foram modificados. Essa clareza também protege o próprio pesquisador quando a análise acontece semanas depois da coleta.
Registre definição, tipo e domínio permitido
A definição deve informar exatamente o que a variável representa e, quando necessário, o momento da medida. “Renda” é insuficiente: pode ser individual ou familiar, bruta ou líquida, mensal ou anual. Uma definição como “renda familiar mensal informada pelo participante, em reais, antes de descontos” elimina interpretações concorrentes.
O tipo descreve a forma armazenada: inteiro, decimal, texto, data, data e hora, lógico ou categoria, conforme a ferramenta. Separe tipo de nível de mensuração. Uma categoria pode estar armazenada como número, mas os códigos 1, 2 e 3 não se tornam quantidades por isso.
O domínio lista valores válidos. Para uma escala de concordância, registre todas as opções e sua ordem. Para idade, informe faixa plausível conforme a população, sem transformar um limite de validação em critério de exclusão. Para datas, fixe formato e fuso quando houver horário.
Unidades precisam aparecer. Massa em quilogramas e altura em centímetros não podem depender de suposição. Se a análise converter uma unidade, preserve a variável original e documente a derivada. A mesma cautela vale para separador decimal, casas decimais e arredondamento.
Diferencie código válido de valor ausente
Célula vazia pode significar pergunta não exibida, recusa, esquecimento, erro de importação ou dado perdido. Essas situações não são automaticamente equivalentes. Defina códigos ou indicadores que preservem a razão da ausência quando ela for conhecida e relevante.
Nunca use um número plausível como marcador. Em uma escala de zero a dez, 0 não pode significar ausência; é uma resposta válida. Códigos como 99 também são arriscados se a variável puder chegar a esse valor. Muitas ferramentas reconhecem ausências próprias, mas a exportação entre sistemas pode alterar o comportamento. O dicionário deve dizer como a ausência está armazenada e como será tratada na análise.
Para perguntas condicionais, registre a lógica. Se apenas pessoas empregadas veem “horas semanais de trabalho”, a ausência para quem não trabalha é estrutural, não uma falha de coleta. Essa distinção muda denominadores, tabelas e interpretação.
Documente categorias e perguntas de múltipla escolha
Categorias precisam de códigos estáveis. Se 1 representa uma opção hoje, não troque o significado na mesma coluna depois. Quando uma categoria é corrigida ou agrupada, crie versão derivada e registre a regra.
Perguntas que permitem várias respostas normalmente não cabem em uma única célula com itens separados por vírgula. Para análise, costuma ser mais seguro criar uma variável binária por opção, mantendo o identificador do participante. O dicionário explica a pergunta de origem e o significado de presença, ausência e não resposta.
Respostas abertas pedem tratamento separado. Preserve o texto bruto e crie campos derivados para categorias ou códigos analíticos. Não substitua a fala original por uma classificação, porque isso impede conferir a decisão. Se houver anonimização, registre que a versão de trabalho foi alterada e onde o original protegido permanece.
Um modelo enxuto pode conter os campos abaixo:
- nome técnico e rótulo humano;
- definição operacional e pergunta de origem;
- tipo, formato, unidade e valores permitidos;
- códigos de categorias e de ausência;
- regra de validação, derivação ou transformação;
- observação sobre versão, acesso ou qualidade.
O guia de documentação e descrição de dados reforça que a documentação deve permitir que alguém sem conhecimento prévio entenda como a pesquisa ocorreu e o que os dados significam.
Registre variáveis derivadas sem apagar a origem
Escore, faixa etária, índice e classificação são variáveis derivadas. Para cada uma, informe quais campos entram, qual fórmula é usada, como ausências são tratadas e em que versão a regra foi aplicada. Se o cálculo vier de um instrumento validado, cite a fonte e respeite suas condições de uso.
Imagine um escore formado pela soma de cinco itens, com dois itens invertidos. O dicionário deve identificar os itens, a transformação de inversão, o intervalo possível e o número mínimo de respostas exigido. Apenas escrever “escore total” não permite reconstruir o resultado.
Derivações também incluem recortes simples. Uma variável faixa_idade criada a partir de idade_anos precisa registrar os intervalos e a justificativa. Grupos escolhidos depois de observar os resultados podem distorcer a análise; por isso, conecte a regra ao plano de análise anterior à coleta sempre que possível.
Valide o dicionário contra instrumento e base
Depois de montar a primeira versão, compare cada linha com o questionário, formulário ou protocolo de coleta. Toda pergunta deve produzir os campos esperados; toda coluna deve ter origem ou derivação explicada. Procure códigos usados na base que não aparecem no domínio e categorias previstas que nunca foram coletadas.
Faça testes automáticos ou manuais coerentes com o dicionário: datas válidas, identificadores únicos, limites plausíveis, combinações impossíveis e ausências condicionais. O objetivo não é corrigir dado real para caber na expectativa, mas encontrar problemas de entrada, importação ou definição.
Peça a uma pessoa que não montou a planilha para interpretar uma pequena amostra usando apenas o dicionário. Se ela precisar perguntar o que significa uma coluna, qual unidade foi usada ou por que há um código, a documentação ainda está incompleta.
Mantenha versão e responsabilidade claras
Inclua data, versão e responsável pela atualização. Mudanças materiais devem preservar histórico: novo código, correção de definição, alteração de fórmula ou inclusão de variável. Uma coluna de observações pode registrar decisões pequenas; mudanças amplas justificam uma nova versão do arquivo.
Guarde o dicionário junto da documentação do projeto, mas controle acesso quando ele contiver informação sensível. Evite incluir nomes ou chaves de identificação se não forem necessários. O plano de gestão de dados ajuda a definir local, backup, permissões e preservação.
Ao final, abra qualquer tabela do TCC e escolha uma célula. O dicionário deve permitir responder de onde veio, o que significa, quais valores poderia assumir e que transformação sofreu. Quando essa cadeia está clara, a base deixa de ser apenas uma planilha preenchida e se torna evidência que pode ser compreendida, conferida e reutilizada.
Esse é o teste final de qualidade do documento.
