5 Da Curiosidade a um Problema de Pesquisa
Este capítulo faz parte de um livro em desenvolvimento ativo e ainda não passou pela revisão do autor. O conteúdo pode mudar conforme a revisão avança.
A decisão de pesquisa. De tudo o que a sua curiosidade poderia virar, você se compromete com um problema de pesquisa. Você o enuncia como uma única pergunta respondível que nomeia as suas unidades, o seu desfecho e a população pela qual ela fala, e o defende como importante, viável e genuinamente novo.
5.1 Por que essa decisão importa
A decisão em jogo: qual único problema de pesquisa, de tudo o que a sua curiosidade poderia virar, vai receber meses do seu trabalho.
Imagine alguém que orienta pesquisas lendo o seu resumo de uma linha antes da primeira reunião de vocês. Essa pessoa não pergunta sobre os seus dados nem sobre o seu software. Ela pergunta uma coisa só: “Qual é, exatamente, a pergunta?”. A razão dela: “Eu percebo em um parágrafo se a pessoa sabe o que está perguntando. Se não sabe, nada lá na frente salva o projeto.”
Tudo o que você faz depois se apoia nessa decisão. Uma pergunta vaga torna arbitrária cada escolha posterior, porque qualquer dado e qualquer resposta vão parecer servir. Uma pergunta afiada te diz de que evidência você precisa e o que contaria como estar errado. Escolha bem o problema e o trabalho ganha uma espinha dorsal. Escolha mal e nenhuma análise vai endireitá-lo.
5.2 O conceito
Transformar curiosidade em problema é um funil com quatro paradas. Cada parada descarta a vagueza que a parada anterior ainda permitia.
- Curiosidade: um interesse sentido, ainda sem contornos. Exemplo: “por que alguns pequenos negócios atravessam uma recessão enquanto outros fecham?” Você não consegue coletar evidência sobre isso, porque nunca se diz quem ou o que observar.
- Tema: uma curiosidade com contornos, um território dentro do qual alguém poderia reunir evidência. Exemplo: “reservas de caixa e sobrevivência entre restaurantes independentes.”
- Problema de pesquisa: um desconhecido específico dentro desse território cuja ausência importa. Exemplo: “não sabemos se os restaurantes que entraram na recessão de 2020 com mais caixa disponível tinham mais chance de continuar abertos dois anos depois.”
- Pergunta respondível: a única frase que a evidência consegue responder, e sobre a qual pode estar errada. Exemplo: “entre os restaurantes independentes de uma cidade, os que tinham pelo menos três meses de caixa operacional em janeiro de 2020 continuaram abertos até 2022 em uma proporção maior do que os que tinham menos?”
Uma boa pergunta também carrega três coisas que precisa nomear, ou você não vai saber o que registrar.
- Unidades de análise: o quem ou o quê que cada linha da sua evidência representa. Exemplo: um restaurante. Se você não consegue dizer o que é uma unidade, não consegue contar nada.
- População-alvo: o grupo completo sobre o qual a pergunta realmente fala, além do punhado que você alcança. Exemplo: todos os restaurantes independentes daquela cidade, não apenas os trinta cujos donos te responderam.
- Desfecho: a coisa observável que varia, a quantidade que você de fato registra. Exemplo: se o restaurante ainda estava aberto em 2022. Ele precisa ser mensurável, ainda que de forma imperfeita.
Por fim, três testes decidem se um problema candidato vale meses do seu trabalho. A importância pergunta se alguém além de você se interessaria pela resposta. A viabilidade pergunta se você consegue de fato obter a evidência, com o acesso e o tempo que tem. A contribuição pergunta se a resposta acrescenta algo que ainda não está resolvido, já que uma busca de dez minutos que a encontra já conhecida mata a contribuição.
Uma lente a mais afia os três testes, e ela vem da teoria da informação. Um ensaio de 2026 na Science, “Advancing science by designing for surprise” (Evans, Petroff e King 2026), parte de um fato direto: uma resposta que confirma o que todos já acreditam ensina quase nada. A surpresa é a distância entre o que pessoas bem informadas esperam e o que a evidência mostra, e é ela que torna uma resposta informativa. Exemplo: se todo mundo que aconselha calouros já supõe que caminhar mais anda junto com dormir melhor, confirmar a relação não muda conselho nenhum, enquanto não encontrar relação alguma mudaria os conselhos da noite para o dia. O ensaio aponta grandes estudos de artigos publicados nos quais os mais surpreendentes tiveram cerca de cinco vezes mais chance de ficar entre os mais citados. Isso é uma associação em dados de citação, não uma lei de qualidade de pesquisa: citações medem atenção, os estudos declaram seus próprios limites, e uma resposta surpreendente ainda pode estar errada. E ele vem com um aviso que você deve carregar: quanto mais surpreendente a alegação, mais evidência é preciso para sustentá-la, então a surpresa é um lugar para mirar a sua pergunta, nunca uma licença para inflar a sua resposta.
O ensaio sugere uma disciplina que você pode adotar hoje. Antes de olhar qualquer evidência, escreva a resposta que espera e nomeie a pessoa para quem uma resposta diferente seria genuinamente surpreendente. Essa frase escrita é a sua resposta esperada: a previsão que a sua evidência vai depois confirmar ou, com mais valor, derrubar. Exemplo: “espero que quem caminha mais durma melhor, e um coordenador de moradia estudantil ficaria surpreso se não fosse assim.” Quando você chegar aos resultados, a distância entre essa frase e o que encontrou é a medida mais honesta do que o seu projeto ensinou a alguém.
Depois de ter uma pergunta, você também vai classificar que tipo de resposta ela quer. Isso é a bússola da indagação, e é todo o trabalho do próximo capítulo. Por ora, o trabalho é o funil.
5.3 Um exemplo trabalhado
Comece com uma curiosidade de saúde: “mexer-se mais ajuda mesmo a dormir?”. É um sentimento real, mas você não consegue estudá-lo, porque ele não nomeia ninguém e não mede nada. Dê contornos a ele e vira um tema: atividade física e qualidade do sono na graduação. Empurre mais e vira um problema de pesquisa: não sabemos se caminhar mais por dia anda junto com uma avaliação melhor do sono entre calouros morando em alojamento estudantil. Isso aponta para uma peça faltante, não para um assunto inteiro.
Agora afie até uma pergunta respondível: “entre calouros moradores de alojamento, quem faz em média mais de 8.000 passos por dia relata melhor qualidade de sono do que quem faz em média menos de 4.000?”. Os três termos carregados se encaixam. A unidade é um calouro. O desfecho é uma avaliação de qualidade do sono, digamos uma nota de 1 a 10 autorrelatada que você coleta pelo celular. A população são os calouros moradores de alojamento, não o campus inteiro.
Agora rode os três testes. Ela passa na importância (qualquer pessoa que oriente calouros mal dormidos quer a resposta), na viabilidade (contagens de passos e uma nota noturna são ambas coletáveis em poucas semanas) e na contribuição (a ligação entre atividade e sono é muito estudada em adultos, mas bem menos nesse grupo de calouros morando em alojamento). A curiosidade agora é um problema que você conseguiria defender.
5.4 O laboratório no Colab
Este capítulo tem o seu próprio notebook companheiro — abra-o no Colab pelo selo acima. O notebook reúne os prompts e o código do capítulo e termina com o espaço de trabalho Agora é a sua vez, para você completar a etapa do capítulo no seu projeto sem sair do Colab. O laboratório completo de sala de aula por trás deste capítulo é o notebook do curso nb02 — From curiosity to a research problem: descriptive, predictive, causal (abrir no Colab), parte do curso companheiro apresentado no apêndice Para instrutores. Você vai ver uma curiosidade se afiar no instante em que toca colunas reais de um questionário, e depois levar a sua própria curiosidade, vinda do seu mapa do nb01, funil abaixo, rascunhar dois problemas candidatos e defender aquele que você mantiver.
5.5 Prompts de IA recomendados
Comprometa-se primeiro com a sua própria resposta. Só então abra a ferramenta, para que o resultado dela tenha algo seu com que discordar. E conte com dar mais de uma volta. A primeira lista de problemas candidatos quase nunca é a útil; você estreita, pergunta de novo e estreita mais. A única coisa que não pode se deslocar ao longo desses ciclos é de quem é a curiosidade que está sendo delimitada.
Localize o que já se sabe (antes de alegar que o seu problema é novo):
Act as a research-scoping assistant. My topic is [your topic]. List what is
already reasonably well established about it and where a genuine open question
might remain. For every established fact, give one real, retrievable source I
can open myself. Mark anything you are unsure exists.Depois de rodar, verifique: abra cada fonte antes de confiar nela. Isso combate a fabricação confiante, em que uma resposta fluente cita um estudo com cara de real que não existe.
Alargue uma curiosidade em candidatos que você confere:
Here is my curiosity: [one sentence]. Produce five candidate research problems
inside it. For each, name its units of analysis, its outcome, and its target
population, in a table. Do not add any topic I did not mention.Depois de rodar, verifique: confira cada linha contra a curiosidade que você de fato escreveu. Isso combate a mudança silenciosa de escopo, em que a ferramenta responde discretamente a uma pergunta vizinha e a devolve como se fosse a sua.
Faça o red team (revisão adversária) do problema que você escolheu:
Act as a hostile grant reviewer. Here is the research problem I want to commit
months of work to: [paste it]. Argue the strongest case that it is not worth
doing. Attack it on importance, on feasibility, and on whether it adds anything
new.Depois de rodar, verifique: fique só com as objeções que sobrevivem ao seu próprio raciocínio. Isso combate a concordância bajuladora, em que a ferramenta elogia a sua ideia porque foi você quem a propôs.
Três escolhas continuam só suas. Qual problema você assume. Como você formula a pergunta, incluindo as suas unidades, o seu desfecho e a sua população. E o julgamento sobre se ela é importante e genuinamente nova. Uma ferramenta pode alargar as suas opções e atacar a sua escolha. Ela não pode fazer a escolha, porque só você carrega as razões que vai ter de dar quando alguém perguntar por que este problema e não outro.
5.6 Um caso de falha da IA
Você pede a uma ferramenta que “transforme a minha curiosidade sobre sono e saúde em uma pergunta de pesquisa”. Ela responde, com toda a confiança: “A exposição à luz azul antes de dormir reduz o sono REM em estudantes de graduação? Estudos mostram que a luz azul suprime a melatonina.” Aquilo soa autorizado, e está errado para você.
A resposta falha de duas maneiras. Primeiro, ela mudou o seu escopo em silêncio. Você nunca escolheu luz azul nem sono REM, e a pergunta agora depende dos dois. Isso é uma mudança silenciosa de escopo, e você a pega lendo as unidades, o desfecho e a população da ferramenta contra os que você havia assumido. Os seus eram passos e uma nota de sono, não telas e REM. Segundo, a frase sobre a melatonina é enunciada como fato resolvido, sem fonte. Antes de repeti-la, você encontra e abre um estudo real; e se não conseguir, trata a frase como fabricação confiante e a descarta.
5.7 Agora é a sua vez
As suas três curiosidades ainda são só curiosidades. Este passo transforma uma delas em algo que a evidência consegue de fato responder.
- Pegue a mais forte das três e leve-a funil abaixo por escrito: curiosidade, tema, problema de pesquisa, pergunta respondível. Uma linha por parada, para você enxergar onde a vagueza vai embora.
- Embaixo da pergunta, nomeie em voz alta os seus três termos carregados: o que é uma unidade, exatamente o que você registraria como desfecho, e a população pela qual a resposta deve falar.
- Pontue-a em importância, viabilidade e contribuição, uma frase honesta para cada uma. Viabilidade quer dizer o acesso, os dados e o tempo que você de fato tem, não os que você gostaria de ter.
- Escreva um segundo problema candidato a partir da mesma curiosidade e delimite-o do mesmo jeito. Depois escolha entre os dois, e escreva uma frase sobre por que o outro perdeu.
- Embaixo da pergunta que ficou, escreva a sua resposta esperada em uma frase e nomeie uma pessoa ou função real para quem uma resposta diferente seria genuinamente surpreendente. Guarde essa frase; mais adiante no livro você vai colocar a sua evidência diante dela.
- Peça a uma IA que ataque o problema escolhido nos três testes, e fique só com as objeções que sobrevivem ao seu próprio raciocínio.
- Registre isso no seu AI Research Ledger (o registro de uso de IA) e verifique a sua pergunta com um método nomeado do Guia de Verificação. O método adequado aqui é o raciocínio revisado por pares: entregue a frase única a alguém que não sabe nada do seu projeto e peça que essa pessoa te diga, só a partir dela, o que é uma unidade, o que você registraria e sobre quem é a resposta. Se ela travar, o termo que falta é a sua próxima revisão. Uma IA revisora pode rodar a checagem com você; a decisão de aceitar ou rejeitar continua sendo sua.