A amostra de uma pesquisa no TCC é o conjunto de pessoas, documentos, organizações, eventos ou registros efetivamente analisados para responder ao problema. Ela não é apenas “uma parte da população” nem um número escolhido para caber no prazo. Sua qualidade depende de quem pode ser selecionado, como a seleção ocorre, quais perdas são esperadas e até onde os resultados poderão ser estendidos.
Não existe uma quantidade universalmente correta. Dez entrevistas podem ser suficientes para compreender um processo muito delimitado e insuficientes para estimar a proporção de um comportamento. Quatrocentos questionários podem parecer muitos e ainda produzir um resultado enviesado se apenas um segmento teve chance de responder. O tamanho só faz sentido depois que objetivo, população, unidade e método de seleção estão definidos.
Comece pelo que a pesquisa precisa afirmar
O primeiro divisor é o tipo de conclusão pretendida. Uma pesquisa quantitativa pode buscar estimar frequências, médias ou associações em uma população. Nesse caso, a seleção probabilística e o cálculo de precisão são importantes para a inferência. Um estudo qualitativo pode buscar compreender experiências, mecanismos ou variações de perspectiva. Nele, a seleção intencional pela relevância dos participantes pode ser mais coerente.
Também há pesquisas descritivas ou exploratórias sem pretensão de representar estatisticamente toda a população. Elas continuam precisando justificar a amostra, mas não devem usar linguagem de generalização que o desenho não sustenta. Antes de perguntar “quantos?”, escreva em uma frase o que a análise pretende dizer e sobre quem.
O conteúdo oficial sobre escopo e metodologia das pesquisas, da Controladoria-Geral da União, reforça a ligação entre objetivo, público, técnica de coleta e alcance do levantamento. Essa sequência é uma boa proteção contra amostras definidas apenas pela facilidade de acesso.
Diferencie população, unidade e cadastro de seleção
A população é o conjunto sobre o qual a pergunta foi formulada. A unidade amostral é o elemento que pode ser selecionado em cada etapa. O cadastro ou base de seleção é a lista, mapa ou registro usado para localizar essas unidades. Os três podem coincidir, mas nem sempre.
Em uma pesquisa com estudantes de graduação de uma universidade, a população pode incluir todos os estudantes matriculados; a unidade pode ser cada estudante; e o cadastro, a lista atual de matrículas. Se a lista não inclui alunos de determinada modalidade, a cobertura já nasce incompleta. Em uma pesquisa domiciliar, setores, domicílios e moradores podem entrar em etapas diferentes.
Defina critérios de inclusão e exclusão aplicáveis. “Pessoas interessadas no tema” é vago; “estudantes regularmente matriculados no curso, com pelo menos um semestre concluído, no período da coleta” pode ser verificado. Registre ainda duplicidades, cadastros desatualizados e unidades inalcançáveis, pois elas afetam a composição final.
Escolha o mecanismo de seleção
Na amostragem probabilística, cada unidade possui uma probabilidade conhecida e diferente de zero de ser selecionada. A seleção pode ser aleatória simples, sistemática, estratificada, por conglomerados ou combinar etapas. Essa família sustenta estimativas acompanhadas de incerteza quando o cadastro, a execução e a análise são compatíveis.
Na amostragem não probabilística, a inclusão depende de critérios intencionais, conveniência, cotas, redes de indicação ou adesão voluntária. Ela é útil em estudos qualitativos, populações de difícil acesso, casos informativos e pesquisas exploratórias, mas não oferece automaticamente a mesma base para inferir resultados para toda a população.
| Decisão | Seleção probabilística | Seleção intencional ou por acesso |
|---|---|---|
| Pergunta típica | Quanto, com que frequência ou qual diferença na população? | Como, por que, em quais condições ou com quais perspectivas? |
| Requisito central | Cadastro e sorteio executáveis, probabilidade conhecida | Critérios substantivos e diversidade relevante ao fenômeno |
| Risco frequente | Não resposta, cobertura incompleta e perda do desenho | Conveniência excessiva e perspectivas importantes ausentes |
| Alcance | Inferência com erro e pressupostos explicitados | Compreensão analítica do grupo estudado, sem representatividade estatística automática |
Calcule o tamanho somente depois do desenho
Para estimar uma proporção em levantamento probabilístico, o cálculo costuma considerar nível de confiança, margem de erro, proporção esperada, tamanho da população e desenho amostral. Para comparar grupos ou testar uma associação, entram efeito esperado, variabilidade, poder estatístico e modelo de análise. Uma fórmula isolada não substitui essas decisões.
Também acrescente uma previsão de não resposta e perdas. Se o cálculo aponta 240 respostas completas e a taxa esperada de resposta é 60%, será necessário convidar mais unidades. Esse ajuste não autoriza substituir ausentes por quem estiver mais perto sem preservar o mecanismo original.
O documento do IBGE sobre erros amostrais em pesquisas mostra que estimativas precisam ser lidas com medidas de precisão e que o desenho influencia a variância. A referência é útil para entender por que duas amostras do mesmo tamanho podem oferecer níveis de informação muito diferentes.
Em estudos qualitativos, a lógica é outra. O número pode ser planejado por diversidade de perfis, casos contrastantes e profundidade da análise, com revisão durante o campo. “Saturação” não significa entrevistar até ouvir uma frase repetida. Ela exige mostrar que novas coletas deixaram de acrescentar dimensões relevantes às categorias, dentro do recorte proposto.
Trate acesso e não resposta como parte do método
Uma amostra sorteada pode mudar na prática. Pessoas não localizadas, recusas, questionários incompletos e abandono criam diferenças entre amostra planejada e realizada. Registre quantas unidades foram elegíveis, convidadas, contatadas e analisadas, além dos motivos de exclusão conhecidos.
Não presuma que aumentar o número corrige todo viés. Se um questionário sobre rotina acadêmica circula apenas em um grupo de estudantes muito engajados, mil respostas continuam podendo excluir quem abandonou atividades ou não acompanha o canal. Quantidade reduz variabilidade aleatória em certas condições; não repara automaticamente uma cobertura seletiva.
Em estudos intencionais, descreva como os participantes foram localizados, quem intermediou o contato e que vozes podem ter ficado de fora. A indicação em cadeia ajuda a acessar redes específicas, mas pode manter o estudo dentro de círculos semelhantes. Procure casos contrastantes quando isso for relevante à pergunta.
Escreva a justificativa sem prometer além da evidência
A seção metodológica deve ligar população, unidade, cadastro, critérios, seleção, tamanho planejado, perdas e amostra final. Em pesquisa probabilística, informe o procedimento de sorteio e os parâmetros do cálculo. Em pesquisa qualitativa, mostre quais perfis ou situações eram necessários e como foi avaliada a suficiência do material.
Evite dizer que a amostra é “representativa” apenas porque contém participantes de vários cursos, idades ou bairros. Representatividade depende do desenho e da execução, não de aparência diversificada. Se houve adesão voluntária, declare esse limite e restrinja a conclusão aos respondentes ou ao contexto observado.
O texto também deve separar resultado populacional de descrição amostral. “Entre os 180 respondentes, 62% relataram...” é uma formulação segura quando não há base para extrapolar. “Dos estudantes da universidade, 62%...” exige desenho e análise que sustentem a inferência.
Faça uma auditoria antes de coletar
Revise o plano com seis perguntas: qual é a população; qual unidade será selecionada; qual base permite localizá-la; como cada unidade entra; qual quantidade atende à análise; e quais ausências podem distorcer o resultado. Se uma resposta estiver vaga, não comece a coleta só para “ver quantos aparecem”.
O artigo sobre pesquisa qualitativa, quantitativa ou mista ajuda quando o tipo de conclusão ainda não foi decidido. Se o desenho já existe, mas amostragem e análise continuam desalinhadas, o serviço de apoio em metodologia pode transformar a ideia em critérios defensáveis.
Uma boa amostra não é a maior possível. É aquela cuja seleção pode ser explicada, cujas perdas são conhecidas e cujo alcance combina com a pergunta. Ao trocar o número mágico por uma cadeia de decisões, você protege o TCC de generalizações frágeis e torna as conclusões mais úteis e honestas.
