Explore uma representação interativa de como a ciência se processa. Página original em inglês Home Glossário pesquisa home Compreender a Ciência Para professores Biblioteca de recursos

seguinteseguinte
  Testes imparciais: Um guia "faça você mesmo"
Que marca de bolachas de chocolate faz os biscoitos melhores e mais saborosos? É a árvore ao lado da sua casa que lhe está a causar alergia? Porque é que o seu carro não pega? Se você quiser responder a perguntas como estas, você provavelmente vai precisar de fazer alguns testes. Mas nem todos os testes são criados iguais. A fim de descobrir as verdadeiras respostas a essas perguntas, você vai precisar de testar as suas ideias de uma forma imparcial e justa.

Biscoitos de chocolate, problemas com o carro, reação alérgica

Testes podem ajudá-lo a escolher a marca mais saborosa de biscoitos de chocolate, descobrir por que você está a espirrar, ou descobrir porque o seu carro não pega.

As considerações relevantes para fazer testes imparciais para problemas do dia a dia são as mesmas que os cientistas ponderam quando testam as suas ideias com experiências e outros métodos. Quer se queira otimizar a receita de biscoitos de chocolate, desenvolver tratamentos eficazes para a doença de Alzheimer, aprender mais sobre como funcionam as extinções em massa, ou investigar o funcionamento da gravidade, os componentes de um teste imparcial são os mesmos:

  • Comparando resultados. Para se ter confiança nos resultados de testes, é geralmente importante ter algo com que os comparar. Assim, por exemplo, no seu teste sobre bolachas, você iria querer comparar lotes de biscoitos feitos com diferentes marcas de chocolate. Você também pode querer fazer um lote sem chocolate de todo — só para ter certeza de que é mesmo o chocolate que realmente está a fazer a diferença no sabor dos biscoitos. Fazer apenas um lote de biscoitos com uma única marca de chocolate, e ver como eles sabem, não ajudaria a responder à sua pergunta. Em experiências, aquilo com que se comparam os resultados dos testes é em geral denominado grupo de controlo ou tratamento de controlo. Mas não confunda o grupo de controlo com …

  • Controlando variáveis. Na maioria dos testes, nós queremos ter confiança na relação entre causa e efeito. É realmente a marca de chocolate, e não a temperatura de cozedura, que faz um biscoito mais saboroso que o outro? Para ser capaz de fazer uma declaração forte sobre causa e efeito, você terá que controlar variáveis — ou seja, tentar manter tudo igual no teste, exceto para as variáveis nas quais você está interessado. No caso dos biscoitos, isso significaria padronizar a receita da massa, o método para misturar e cozer a massa, e o processo de degustação e classificação dos biscoitos. O único elemento que deve variar entre lotes é a variável na qual você está interessado: a marca de chocolate.

  • Evitando tendências e preconceitos. Não importa até que ponto nós, humanos, tentemos ser objetivos, julgamentos tendenciosos e preconceitos — viés — podem aparecer sorrateiramente nas nossas observações e julgamentos. Em certo sentido, isso ocorre porque é muito difícil "controlar" variáveis associadas com julgamentos humanos. Por exemplo, os provadores dos biscoitos poderiam estar com fome, e por isso o primeiro biscoito que comeram poderia parecer mais saboroso do que os seguintes. Para evitar esta potencial fonte de viés, você iria querer configurar o teste de forma a que diferentes testadores provem os biscoitos por ordens diferentes. E se os provadores sabiam quais biscoitos foram feitos com quais marcas de chocolate, eles poderiam ficar inconscientemente tendenciosos em favor de marcas de chocolate mais caras. Para evitar isso, você poderia etiquetar os lotes de biscoitos com letras em vez de marcas. É até possível que você, que fez os biscoitos, pudesse dar pistas subtis aos seus provadores se você soubesse que o Biscoito C foi feito com a sua marca favorita pessoal de chocolate. Assim, você pode querer ficar fora da sala enquanto a prova está a decorrer.

  • Distinguindo acaso de diferenças reais. Diversos tipos de coisas subtis, que você ou não controla ou não pode controlar, podem afetar o resultado de um teste. Alguns biscoitos de um lote podem ter ficado com um pouco menos de chocolate do que outros. O forno poder ter aquecido de forma desigual e queimado alguns biscoitos. Um provador pode ter estado distraído durante o teste e não deu avaliações cuidadosas. Todos esses fatores aleatórios irão afetar o resultado do teste — mas apenas um pouco. Então, como é que você sabe se a diferença entre um biscoito com uma classificação média de 4.1 e outro com uma classificação média de 4.25 se deve a fatores aleatórios ou a uma diferença real na marca de chocolate? Em primeiro lugar, o tamanho da amostra é importante. Biscoitos de cada lote devem ser avaliados por muitas pessoas diferentes. Quanto maior o tamanho da amostra, mais provável é que esses fatores aleatórios se anulem mutuamente e que as diferenças reais (se existirem) possam ser detetadas estatisticamente — o que leva ao nosso segundo ponto: A estatística pode ser utilizada para analisar os dados recolhidos em bruto. O objetivo da realização desses testes estatísticos é dizer quão provável é que as diferenças observadas na classificação sejam devidas a fatores aleatórios.

DETETANDO AS DIFERENÇAS: ESTATÍSTICA E TAMANHO DA AMOSTRA

Você pode perguntar-se o que é uma amostra de tamanho "grande". Vinte, 200, ou 2000 biscoitos de chocolate? Bem, depende de quão pequena é a diferença entre os grupos que você quer ser capaz de detetar. Se você está interessado em diferenças muito pequenas (por exemplo, diferenças subtis entre marcas de chocolate), você precisa de um tamanho de amostra muito grande, mas se você só se preocupar com grandes diferenças (por exemplo, a diferença entre delicioso e nojento), um tamanho da amostra muito menor vai ser suficiente. O tamanho da amostra adequado depende dos testes estatísticos a serem executados e dos tipos de diferenças que você deseja detetar.

Advanced  Visite o site Visionlearning (em inglês) para aprender mais sobre o papel da estatística na ciência.

Muitas vezes é impossível fazer um teste perfeitamente imparcial, e cada um dos problemas listados acima pode ser mais ou menos importante para um teste em particular — mas tomando em consideração cada um desses fatores na forma como o seu teste é projetado, você pode maximizar a quantidade de informação útil que obtém com o teste.

Acima, demos um exemplo de teste proveniente da vida de todos os dias, mas o mesmo conjunto de considerações pode ser aplicados aos testes em domínios mais tradicionalmente científicos — e a testes que não envolvem experiências. Para ver exemplos reais de testes imparciais na ciência, siga os links abaixo :

resumo
  • Projetar um teste justo de uma ideia — na ciência formal ou na vida quotidiana — significa decidir quais os resultados que você estará a comparar, variáveis ​​de controle, evitar tendências e preconceitos, e descobrir uma maneira de distinguir entre diferenças significativas e aleatórias.

  • As variáveis controladas são aqueles fatores que são mantidos constantes ao longo de um teste, de modo a que o efeito de uma outra variável possa ser melhor observado.

  • Quanto maior for o tamanho da amostra que um teste emprega, menor será a diferença que o teste será capaz de detetar.

veja também
Advanced  Visite o site Visionlearning (em inglês) para aprender mais sobre os desafios e a importância de variáveis de controle, para ler mais sobre a história da conceção de experiências, e para ler um estudo de caso de uma famosa experiência sobre a geração espontânea da vida.

pontos chave
Agora é a sua vez. Teste os seus conhecimentos, aplicando o que você aprendeu sobre os testes imparciais nestas situações:

  • Peça aos seus alunos para aplicarem o que eles sabem sobre testes imparciais nas seguintes situações: Imagine que você quer descobrir se a árvore em flor no seu quintal está a causar a alergia que você tem esta primavera. Consegue pensar num teste observacional que possa realizar para ajudar a descobrir isso? Como é que você faria esse teste de forma imparcial? Consegue pensar num teste experimental que possa realizar para ajudar a descobrir isso? Como é que você faria esse teste de forma imparcial?

  • Leia sobre uma experiência na qual os cientistas tentaram testar a ideia de que sentir frio fisicamente (por exemplo, ter os pés frios) pode contribuir para apanhar uma constipação viral (em inglês). Como é que este teste se classifica em termos de imparcialidade? O que é que você pode fazer para melhorar o teste?

  • Os alunos irão aprender mais sobre a criação de testes imparciais se lhes for dada a oportunidade de fazerem isso por si mesmos e de cometerem erros, em vez de seguirem procedimentos ditados por um manual numa aula de laboratório. Durante aulas laboratoriais, você pode fornecer aos alunos um conjunto de instrumentos adequados para explorar e testar as ideias relevantes, mas peça-lhes para desenvolverem e aperfeiçoarem os seus próprios procedimentos e técnicas de medição.





Home | Acerca | Copyright | Créditos e Colaboradores | Contactos