Análise Qualitativa Comparativa

Professor: Manoel Leonardo Santos (DCP/UFMG)
(15 horas/ 1 crédito)

Estudos comparativos em Ciências Sociais, especialmente comparações cross-case, têm sido marcados por um intenso debate metodológico sobre os limites na formulação de inferências causais baseadas em abordagens qualitativas. No centro do debate encontra-se o problema da validade dessas inferências, especialmente se comparadas aos métodos estatísticos quantitativos. No contexto desse debate, Charles Ragin e outros colaboradores vêm desenvolvendo uma abordagem metodológica que ficou conhecida como QCA (Qualitative Comparative Analysis). Em resumo, essa abordagem nada mais é do que “um protocolo comparativo para analisar configurações causais de maneira sistemática e controlada” (Pérez-Liñan, 2010). A abordagem QCA tem como objetivo solucionar o problema da validade das inferências causais com número intermediário de casos, procurando se caracterizar como uma estratégia de integração quali-quanti. QCA aposta, portanto, na diversidade como síntese transcendente da complexidade (princípio norteador das abordagens qualitativas) e da generalidade (princípio norteador das abordagens quantitativas). Esse curso apresenta uma introdução ao QCA e suas variantes: Crisp Set QCA, Fuzzy Set QCA, Multivalue QCA e Time Series QCA. O objetivo do curso é dotar os participantes com os conhecimentos básicos para construir desenhos de pesquisa utilizando essa metodologia. Adicionalmente espera-se habilitar de forma introdutória os participantes a utilizar recentes desenvolvimentos computacionais, tais como os softwares fsQCA, o Tosmana e o QCA Package for R.

Público alvo: Estudantes e pesquisadores do campo das Ciências Sociais interessados em lançar mão do método comparativo como forma de explicação da realidade social. Especialmente indicado para quem pretende desenvolver estudos comparativos do tipo cross-case.

Conteúdo do curso: 1) Set-Theoretical Methods e QCA, a diversidade como síntese transcendente dos princípios de complexidade e generalidade. Fundamentos a teoria de conjuntos e lógica formal. Relações entre conjuntos. 2) Do conhecimento dos casos até a tabela de verdade. A natureza e a calibração de conjuntos difusos. 3) Analise de condições necessárias. Análise de condições suficientes. Reduzindo complexidade: minimização lógica e implicantes primários. 4) Parâmetros de ajuste do modelo: consistência e cobertura. 5) Diversidade limitada, análise contra factual, equifinalidade e causalidade conjuntural.  6) Normas de boas práticas em QCA.