Indicadores quantitativos: como obter, avaliar, criticar e aperfeiçoar

Abstract

Quantificar é inerente ao ser humano, e é inegável que trazer essa prática para a construção do conhecimento foi decisivo para o grande sucesso das ciências exatas e da engenharia já no século XIX. Assim sendo, a transformação de informações em números para entender e controlar processos foi transferida para as ciências humanas e sociais, mas... o sucesso não foi o que se esperava, levando muitos pesquisadores dessas áreas a, até, rejeitar a quantificação em geral. Embora tal postura seja compreensível, argumentamos que ela não decorre da quantificação em si, mas de que, a ela agregadas, vieram subliminarmente duas assunções bastante questionáveis e insuficientemente discutidas: as de que, como ocorre na física, nas áreas das ciência humanas e sociais, (i) os fenômenos são predominantemente determinísticos, e (ii) existe a expectativa de um “valor verdadeiro” claro e bem definido para a informação quantificada. O fato é que a quantificação nas áreas não exatas torna-se muito mais útil e eficaz caso se reconheça que (i) os fenômenos são mais bem entendidos se abordados como estocásticos, (ii) não há a expectativa de um “valor verdadeiro” para as informações quantificadas, elas são predominantemente distribuições, intervalos, e (iii) as formas de quantificar, embora sem dúvida totalmente válidas, são menos objetivas. Neste artigo, caracterizamos cada um desses contextos, visando a discriminá-los clara e definitivamente. Diferenciamos medidas de indicadores, e nos concentramos nestes últimos, classificando-os conforme suas várias características, aplicações e funções, e concluindo com um elenco de requisitos de qualidade que eles devem atender para maximizar eficácia, utilidade e precisão.

Keywords

• Indicadores. Medidas. Processos estocásticos. Quantificação. Modelagem