IA para Estatística Descritiva na Dissertação

A IA e os números: oportunidade real, risco concreto

Vamos lá. Se você está na fase de análise dos dados da sua dissertação e pensa em usar IA para a estatística descritiva, você está fazendo a pergunta certa ao se perguntar como fazer isso com segurança. Porque o potencial existe, mas o risco de depender de uma ferramenta sem entender o que ela está produzindo também existe.

A estatística descritiva é a porta de entrada para qualquer análise quantitativa. Antes de testar hipóteses, antes de fazer correlações, você precisa conhecer seus dados: quem são os participantes, como as variáveis se distribuem, o que os números descrevem sobre o fenômeno que você está estudando. É o alicerce.

E é justamente por ser alicerce que qualquer erro aqui contamina tudo que vem depois.

O que a IA faz bem nessa etapa

A IA consegue apoiar bem algumas tarefas da estatística descritiva, e é importante reconhecer isso sem romantizar.

Ela calcula. Se você fornece os dados de forma estruturada, seja uma tabela, seja uma lista de valores, uma boa ferramenta de IA consegue calcular média, mediana, moda, desvio padrão, amplitude, quartis. Faz isso rapidamente e com precisão razoável para conjuntos de dados pequenos a médios.

Ela formata. Aquela tabela de frequências que precisa seguir ABNT, com as categorias alinhadas, os valores percentuais, a nota de rodapé? A IA pode montar a estrutura. Não perfeita, mas como ponto de partida.

Ela redige. A seção de resultados descritivos costuma ter um padrão narrativo: “A amostra foi composta por N participantes, dos quais X% eram do sexo feminino, com média de idade de Y anos.” A IA consegue produzir esse texto a partir dos dados que você fornece.

Ela explica. Se você não entende o que é coeficiente de variação, pode perguntar para a IA e vai receber uma explicação clara, sem julgamento, quantas vezes precisar.

O que a IA erra, e você precisa saber

Aqui está o ponto que mais me preocupa quando vejo mestrandas usando IA para análise de dados: elas não sabem identificar quando a ferramenta errou.

A IA pode calcular a média quando deveria usar a mediana. Em distribuições assimétricas, com outliers significativos, a média distorce a realidade. Uma pesquisadora que não sabe isso vai aceitar o resultado da IA sem questionar.

A IA pode arredondar inconsistentemente. Às vezes apresenta dois decimais, às vezes um, às vezes nenhum. A ABNT e as normas dos periódicos têm padrões. Se você não verifica, você entrega um trabalho inconsistente.

A IA pode alucinar valores. Especialmente quando os dados são fornecidos de forma confusa ou ambígua, a IA pode gerar números plausíveis que simplesmente não existem nos seus dados. Isso não é especulação, é um problema conhecido das ferramentas de linguagem.

A IA não conhece o contexto do seu estudo. Ela não sabe se um percentual alto numa variável é esperado ou surpreendente para a sua área. Ela não sabe que aquele grupo de participantes tem uma especificidade que muda a interpretação dos dados. Você sabe. Ela não.

A armadilha da aparência de rigor

Vamos ser diretas sobre uma coisa que poucos falam: uma tabela bem formatada, com valores calculados e apresentados de forma organizada, parece rigorosa mesmo quando está errada.

A IA produz aparência de rigor. Texto bem escrito, tabelas organizadas, linguagem técnica correta. Tudo isso pode estar lá mesmo que os dados por trás estejam incorretos ou mal interpretados.

A banca vai olhar para essa tabela. O orientador vai ler essa seção. E se o erro for sutil, pode não ser detectado na qualificação, mas aparecer na defesa, ou pior, na revisão por pares se você submeter o trabalho para publicação.

A responsabilidade metodológica não é transferível para a ferramenta. Você assina o trabalho. A IA não.

O que precisa vir de você, sempre

A IA pode ser um apoio legítimo na estatística descritiva, mas algumas coisas precisam vir de você independente do que a ferramenta produza.

A verificação dos cálculos. Antes de confiar no que a IA calculou, verifique em um software estatístico. O Jamovi é gratuito, acessível e não exige programação. O SPSS está disponível na maioria das universidades. O Excel, que você provavelmente já usa, faz estatística descritiva básica. Use a IA como primeira passagem, não como versão final.

A escolha das medidas adequadas. Média ou mediana? Desvio padrão ou amplitude interquartílica? Frequência absoluta ou relativa? Essas escolhas dependem do tipo de variável e da distribuição dos dados. Nenhuma IA vai fazer isso por você com segurança sem que você revise a escolha.

A interpretação dos resultados. Descrever os dados não é só listar as medidas. É dizer o que esses números significam para o fenômeno que você estudou. Esse é o seu trabalho de pesquisadora. Nenhuma ferramenta substitui.

Como usar IA com segurança na estatística descritiva

Olha só, tem um modo de fazer isso que é seguro e que muitas pesquisadoras já usam sem saber que é boa prática.

Primeiro, calcule os dados você mesma no software de referência. Jamovi, SPSS, R, o que você dominar ou tiver acesso.

Segundo, passe esses resultados já calculados para a IA e peça apoio na formatação da tabela e na redação do texto descritivo. Assim você não está pedindo que a ferramenta calcule, você está pedindo que ela organize o que você já verificou.

Terceiro, revise o que a IA produziu antes de aceitar. A tabela está seguindo ABNT? Os valores que aparecem no texto correspondem exatamente à tabela? A interpretação está correta para o contexto da sua pesquisa?

Quarto, declare o uso da IA na seção de métodos, de acordo com as diretrizes do seu programa e do periódico para onde pretende submeter. Transparência não é opcional.

Esse é o modelo que faz sentido: a IA como parceira da organização e da escrita, não como substituta do raciocínio metodológico.

A tentação da atalho e o que ela custa

Entendo a pressão. Prazo de defesa chegando, orientador esperando relatório, dados coletados e agora a montanha da análise. A IA oferece velocidade. É tentador aceitar o que ela produz e seguir em frente.

O problema é que o atalho na análise de dados não poupa tempo. Ele só atrasa o problema. A banca pergunta, você não sabe responder. O orientador detecta inconsistência, você precisa refazer. O revisor do periódico rejeita e pede nova análise.

O tempo que você “economizou” usando a IA sem verificação vira retrabalho mais adiante, num momento em que você tem menos energia e menos margem.

O que essa etapa revela sobre sua pesquisa

A estatística descritiva não é burocracia metodológica. Ela é o primeiro momento em que você olha para os dados e vê o que você coletou. Às vezes o que aparece surpreende. Um percentual que você não esperava. Uma distribuição que complica sua hipótese. Uma variável que se comporta diferente do que a literatura sugeria.

Se você passa por essa etapa sem realmente olhar para os dados, delegando para a IA sem verificar, você perde exatamente o que torna essa fase valiosa: a oportunidade de conhecer seu material antes de mergulhar nas análises mais complexas.

Use a ferramenta. Mas não deixe que ela olhe pelos seus olhos.

Estatística descritiva não é o ponto de chegada

Uma última coisa que vale nomear: a estatística descritiva é o começo da análise, não o fim. Ela descreve os dados. Apresenta quem são os participantes, como as variáveis se distribuem, quais são os valores centrais e o quanto há dispersão.

Mas ela não responde a pergunta de pesquisa. Ela prepara o terreno para que você possa respondê-la.

Pesquisadoras que ficam muito tempo otimizando as tabelas descritivas e adiando as análises mais complexas costumam estar, consciente ou não, evitando o momento mais difícil: olhar para os dados e tentar entender o que eles dizem sobre o fenômeno que você escolheu estudar.

A IA pode tornar a estatística descritiva mais ágil. Isso é bom. Desde que a agilidade sirvam para que você avance, e não para que você procrastine o que realmente importa.

Faz sentido? Ágil na descrição, presente na interpretação. Esse é o equilíbrio que faz a diferença entre uma seção de resultados que cumpre protocolo e uma que realmente contribui para a sua pesquisa.

Para saber mais sobre como usar IA na pesquisa de forma ética e segura, confira os outros posts do pilar IA & Ética aqui no blog.