Introdução
O método científico é, segundo Lakatos e Marconi (2017, p. 91), “o conjunto das atividades sistemáticas e racionais que, com maior segurança e economia, permite alcançar o objetivo de produzir conhecimentos válidos e verdadeiros, traçando o caminho a ser seguido, detectando erros e auxiliando as decisões do cientista”.
Vale aqui fazer a diferenciação entre método (ou método de abordagem) e métodos (ou métodos de procedimento). Lakatos e Marconi (2017, p. 113) definem método, no singular, como sendo caracterizado “por uma abordagem mais ampla, em nível mais elevado de abstração, dos fenômenos da natureza e da sociedade”. O método de abordagem engloba o indutivo, o dedutivo, o hipotético-dedutivo e o dialético (LAKATOS; MARCONI, 2017).
Se por um lado o método de abordagem é mais amplo, mais abstrato, os métodos de procedimento são, por sua vez, relacionados às “etapas mais concretas da investigação, com a finalidade mais restrita em termos de explicação geral dos fenômenos menos abstratos” (LAKATOS; MARCONI, 2017, p.113). Eles estão limitados a um domínio em particular, sendo os principais métodos das Ciências Sociais o histórico, o comparativo, o monográfico (ou estudo de caso), o estatístico, o tipológico, o funcionalista e o estruturalista (LAKATOS; MARCONI, 2017).
Pesquisas na área de ciências sociais são mais comumente fundamentadas em métodos qualitativos ou quantitativos, ou em uma combinação de ambos. O método quantitativo tem um caráter mais positivista, próximo das ciências naturais, e faz uso de dados numéricos, que podem ser medidos, categorizados e classificados através de análises estatísticas (GUERRA, 2014). Ele busca, a partir desses dados, fazer generalizações e descobrir padrões e relacionamentos. Os métodos qualitativos, por outro lado, atribuem qualidades aos dados que foram coletados, buscando entender o como e o porquê. Eles auxiliam no entendimento de conceitos complexos, de interações sociais, fenômenos e eventos, comportamentos e na atribuição de significados.
Geralmente, pesquisas que utilizam símbolos numéricos são consideradas quantitativas, o que nem sempre é o caso (BARKIN, 2018). O método formal, por exemplo, utiliza-se de ferramentas, técnicas e linguagens matemáticas com o intuito de entender um determinado fenômeno, podendo revelar ambiguidades e inconsistências antes não observadas pela coleta de dados quantitativa (CLARKE et al, 1996).
Nessa análise comparativa, veremos dois métodos de procedimento, um qualitativo e um formal, utilizados em pesquisas em Relações Internacionais: o estudo de caso e a modelagem baseada em agente. A primeira seção abordará o método qualitativo do estudo de caso, especificamente, no rastreamento de processo, seguida por uma seção apresentando o método formal da modelagem baseada em agente. Na terceira seção será feita a análise comparativa entre os dois métodos, encerrando com as considerações finais.
Estudo de caso
Os métodos qualitativos têm importância fundamental para a área de Relações Internacionais. Segundo Bennett & Elman (2007, p. 171), os métodos qualitativos, como o estudo de caso, têm vantagens consideráveis no estudo de fenômenos complexos, acredita-se que isso se deva em grande parte à “complexidade das RI e à onipresença dos fenômenos que, em muitos aspectos, são sui generis, tornando muitos quebra-cabeças em RI difíceis de modelar formalmente e testar estatisticamente” (BENNETT e ELMAN, 2007).
A escolha do método na pesquisa deve estar ligada ao problema que pretende-se abordar no estudo. Segundo Anna Leander, “métodos servem a um propósito” (LEANDER, 2018, p. 12), nesse sentido, a escolha do caso (ou casos) que serão abordados na pesquisa, deve ser feita conscientemente, de forma a maximizar a análise e os resultados (BENNETT e ELMAN, 2007).
Estudo de caso se propõe então a auxiliar o pesquisador a solucionar um problema. Ao escolher o caso de estudo, o pesquisador estaria, de acordo com Bennett, selecionando a instância de uma classe. Por exemplo, em um estudo sobre a Guerra da Coréia, estaria se estudando uma instância, um acontecimento dessa classe “guerra”. Entretanto, não seria um estudo sobre o acontecimento histórico como um todo, mas de aspectos específicos dele. O estudo de caso é, nesse sentido, o estudo de “um aspecto bem definido de um acontecimento histórico que o investigador seleciona para análise, em vez de um acontecimento histórico em si” (BENNETT, 2004, p. 21).
O estudo de caso pode ser feito em diferentes modelos, a escolha do formato se dá de acordo com o objetivo da pesquisa. Segundo Bennett (2004, p. 22), “os estudos de caso têm uma finalidade explicativa ou de construção de teoria”. Dentre os modelos within-case existentes: rastreamento de processo (process tracing), teste de congruência (congruence testing) e análise contrafactual (counterfactual analysis), utilizaremos para essa análise comparativa o rastreamento de processo, para que seja possível ver com mais detalhes as vantagens e desvantagens do método (BENNETT, 2004).
O rastreamento do processo observa se as variáveis intervenientes entre uma causa hipotética e um efeito observado ocorrem conforme prevêem as teorias sob investigação. O objetivo é estabelecer qual das várias possíveis explicações é mais consistente com a cadeia de evidências entre a hipótese e o efeito observado. É preciso, nesse método, que todos os detalhes sejam observados em sua continuidade e que ajam conforme o previsto na hipótese, caso contrário, é necessário alterar a hipótese. Bennett compara com o trabalho de um detetive analisando as evidências para formular uma hipótese, ou então partindo de uma hipótese em busca das evidências. Segundo ele, a descoberta de uma nova evidência deve alterar a hipótese (BENNETT, 2004).
Das desvantagens do método, podemos citar a dificuldade em observar todos os detalhes e estabelecer uma sequência contínua em um evento. Essas evidências podem não estar totalmente disponíveis para a observação, ou, mesmo que estejam, pode não haver tempo hábil para a observação de todas. Como a continuidade e totalidade das evidências são essenciais nesse método, variáveis omitidas ou erros ao mensurá-las podem levar a conclusões incorretas (BENNETT, 2004).
Apesar dessas dificuldades, Bennett diz que:
ao insistir em que estabeleçamos explicações que documentem as variáveis intervenientes e os processos por meio dos quais as variáveis independentes hipotéticas supostamente causaram o resultado observado, o rastreamento do processo difere e complementa as inferências estatísticas.
BENNETT, 2004, P. 24
Outro ponto a ser considerado na escolha do estudo de caso é se ele será um estudo de um caso único ou um estudo comparativo. O caso único pode ser subdividido em caso mais provável (most likely case) e caso menos provável (least likely case). O primeiro diz respeito ao caso que tem maiores chances de se adequar a uma teoria se essa for verdadeira para qualquer caso. Fracassar ao explicar um caso mais provável pode abalar a confiança nessa teoria. Um caso menos provável (least likely case), por outro lado, é mais difícil por ser um caso em que a teoria tem menos probabilidade de ser verdadeira. Entretanto, Bennett e Elman (2007, p. 173) sugere que “quanto mais surpreendente for um resultado em relação às teorias existentes, mais aumentamos nossa confiança na teoria ou teorias que são consistentes com esse resultado” (BENNETT e ELMAN, 2007).
Ademais, existe também, dentro do caso único, o estudo de caso desviante ou discrepante. Bennett e Elman (2007, p. 186) argumentam que a pesquisa de casos desviantes podem ajudar a “identificar indutivamente variáveis e hipóteses que foram deixadas de fora das teorias existentes”. Casos desviantes também permitem que o pesquisador descubra erros de medição que sejam mais sutis em outros casos (BENNETT e ELMAN, 2007).
O estudo comparativo de casos, pode ser subdividido em no método de concordância de Mill, similar ao caso menos provável, e o método de divergência de Mill, similar ao caso mais provável. Uma das desvantagens desse método é que ele não funciona em casos onde um mesmo resultado pode ser chegado a partir de uma variedade de causas. Além de compartilhar as desvantagens dos métodos mencionados anteriormente, o de caso mais provável e caso menos provável. Os métodos de Mill são usados de forma preliminar para identificar variáveis potencialmente relevantes, mas não costumam ser usados sozinhos. Em combinação com o método de rastreamento de processo, é possível testar as variáveis entre os casos e eliminar as que não possuem significância causal (BENNETT e ELMAN, 2007).
De modo geral, os estudos de caso em Relações Internacionais, permitem medir em um caso os indicadores que melhor representam o conceito teórico que estamos observando. Outra vantagem desse método é poder identificar, através da investigação, novas variáveis e hipóteses. O rastreamento de processos, especificamente, pode ser utilizado de forma complementar aos estudos estatísticos de dados não experimentais, verificando as possíveis interferências hipotéticas e fornecendo evidências sobre a direção causal, ou ajudando a discernir qual das duas variáveis correlacionadas parece estar causando a outra, precedendo-a temporalmente (BENNETT e ELMAN, 2007).
Em relação às críticas e às desvantagens do estudo de caso, é possível citar a tendência ao viés de seleção (“selection bias”, no original). Uma das consequências mais relevantes desse viés de seleção se apresenta na tentativa de selecionar apenas casos cujas variáveis independentes e dependentes variam conforme a hipótese favorecida sugere e ignorar os casos que parecem contradizer a teoria. Esse problema pode levar a resultados errados ao subestimar ou exagerar o relacionamento entre as variáveis. Isso é particularmente mais grave quando utilizado em generalizações. O viés de seleção se apresenta também em outros formatos, como a seleção de casos com base em valores extremos das variáveis, na disponibilidade de evidências ou na importância histórica “intrínseca” dos casos (BENNETT e ELMAN, 2007).
Além da tendência ao viés de seleção, outra desvantagem do estudo de caso é a possível incapacidade em determinar uma explicação única com base nas evidências disponíveis. A falta de representatividade também é vista como uma desvantagem desse método, mas Bennett (2004, p. 42) argumenta que os pesquisadores que fazem uso do estudo de caso “não desejam selecionar casos ‘representativos’ de populações grandes e diversas” (BENNETT, 2004).
Por último, vale acrescentar que os estudos de caso são mais adequados para determinar o como as variáveis produzem um efeito do que a dimensão desse efeito. Os estudos de caso apresentam também o dilema entre fazer estudos ricamente detalhados de um pequeno número de casos e buscar generalizações mais amplas em um número maior de casos (BENNETT e ELMAN, 2007).
Modelagem baseada em agente
A modelagem baseada em agente (agent-based modeling) possui diversas aplicações, o objetivo unificador desse método, no entanto, é simular e compreender os processos através dos quais os padrões macro ou sociais emergem das ações e interações dos agentes, e o contexto em que isso ocorre. Embora seja bem conhecido em outras ciências sociais, a modelagem baseada em agente (ABM) é relativamente nova nas Relações Internacionais (HOFFMANN, 2018, HARRISON, 2006). Um exemplo mais conhecido de ABM na área de RI é o dilema do prisioneiro, apresentado por Robert Axelrod (1984), na simulação da Teoria da Cooperação.
ABM é um método formal com características qualitativas e quantitativas. Por envolver a escrita de programas de computador para simular o comportamento social/político, o método se aproxima bastante dos métodos quantitativos, no entanto, segundo Hoffmann (2018, p. 188), “o objetivo do método não é provar teoremas dedutivamente e nem chegar a soluções analíticas de forma fechada, como fazem os métodos formais mais familiares, como a teoria dos jogos”, também não pretende, como feito na econometria operacionalizar os conceitos políticos em variáveis numéricas para testar hipóteses estatísticas. O método ABM funciona então como um laboratório social e, dependendo do modelo escrito, divide mais semelhanças com modelo de rastreamento de processos visto na seção anterior (HOFFMANN, 2018).
Dessa forma, Hoffmann propõe que:
se considerarmos que a análise qualitativa visa compreender as qualidades e significados das relações políticas (enquanto a análise quantitativa visa a hipotetizar sobre as implicações de variantes quantidades de variáveis políticas), então o ABM é de fato um método qualitativo, apesar de suas características formais e numéricas.
HOFFMANN, 2018, P. 188
Dito isso, a intenção do modelo ABM é criar agentes artificiais, sejam eles indivíduos, organizações ou mesmo estados. As unidades vão variar de acordo com a pergunta da pesquisa. O pesquisador/modelador, nesse caso, define quais são as características e regras desse agente, assim como o ambiente artificial dentro do qual os agentes interagem. Além disso, é necessário inserir a história que será simulada neste mundo artificial. Hoffmann (2018, p. 189) explica que “o modelador inicializa os agentes e o ambiente com um conjunto de condições e, em seguida, permite que os agentes (ou agentes e ambiente) interajam por um determinado período de tempo”. A maior vantagem do modelo ABM é sua flexibilidade, já que é possível dar aos agentes e ao ambiente uma vasta gama de atributos, regras de tomada de decisão e interações imagináveis (HOFFMANN, 2018).
A partir disso, a simulação é feita então em rodadas e, conforme o histórico da simulação avança, os dados são coletados. A característica quantitativa está presente também na análise dos dados coletados, feita por meio de gráficos e meios estatísticos. A análise é feita então para verificar se os micro parâmetros iniciais correspondem aos macro parâmetros emergentes, assim como se o histórico da simulação coincide com as observações empíricas.
Como dito anteriormente, o objetivo é compreender fenômenos sociais ou macros. Sendo assim, a designação inicial de características ou regras é essencialmente uma hipótese ou conjectura sobre como as micro características estão relacionadas aos macro fenômenos por meio de um determinado processo. Isso faz com que o método seja ideal para ser utilizado em conjunto com outros métodos, como o rastreamento de processos.
O método de modelagem baseada em agente possui duas possíveis abordagens segundo Hoffmann. A primeira é chamada de modelagem heurística abstrata. Nessa abordagem, os modelos são mantidos muito simples, sem pretender representar atores ou situações específicas do mundo real. Esse modelo é utilizado principalmente para testar lógicas fundamentais. A segunda abordagem é chamada de simulador de voo, e é explicitamente projetada para capturar importantes características empíricas de acontecimentos reais e para criar cenários realistas futuros (HOFFMANN, 2018).
Em relação às vantagens do método, podemos citar a flexibilidade do ABM, que abre possibilidades para formalizar abordagens à vida social que se distanciaram da escolha racional. O foco na agência permite também o ABM simular artificialmente como o comportamento dos atores variam sob diferentes condições. Nesse sentido, ABM talvez seja mais adequado para testar explicações ou modelos verbais, a fim de encontrar explicações alternativas para fenômenos sociais, auxiliando a investigação empírica. No entanto, por mais detalhado que seja o modelo, as simulações são hipotéticas e não devem ser percebidas como um retrato da realidade (HOFFMANN, 2018).
Um ponto desfavorável do método ABM, é que a alta quantidade de detalhes incluídas na modelagem pode prejudicar a análise das dinâmicas do mesmo. Nesse sentido, ao contrário do rastreamento de processos, o maior número de detalhes não é favorável, tornando mais difícil decifrar quais fatores estão conduzindo os resultados à medida que mais parâmetros são adicionados (HOFFMANN, 2018).
Como o método não se propõe a explicar a realidade, Hoffman alerta que apenas através do trabalho empírico é possível afirmar se as dinâmicas observadas no modelo são ou não reais, evidentes ou plausíveis em sistemas sociais existentes. Isso pode ser atingido ao combinar o método ABM com métodos empíricos. Outro alerta feito pelo autor, nessa mesma linha é que, dada a complexidade das Relações Internacionais, é desaconselhável utilizar a modelagem baseada em agente como método único na pesquisa (HOFFMANN, 2018).
Análise comparativa
Os dois métodos apresentados, apesar de terem propostas diferentes, são complementares em seus pontos fortes e fracos. O estudo de caso, por um lado, é um método qualitativo com caráter mais empírico, enquanto a modelagem baseada em agentes é um método formal com caráter qualitativo. Nesse sentido, é possível utilizar os dois em conjunto. O estudo de caso pode ser utilizado para testar empiricamente hipóteses levantadas a partir da modelagem baseada em agente, assim como essa pode ajudar a descobrir variáveis antes despercebidas pelo pesquisador. Combinar os resultados obtidos a partir de ambos fornece uma melhor análise.
Como mencionado na seção sobre estudo de caso, os métodos qualitativos, como o estudo de caso, apresentam vantagens consideráveis no estudo de fenômenos complexos, uma vez que métodos formais, como a modelagem baseada em agentes, funcionam melhor com estruturas mais simples. Por outro lado, a dificuldade do estudo de caso em determinar uma explicação única com base nas evidências e de entender quais variáveis têm maior ou menor impacto em um determinado fenômeno, pode ser mitigada ao utilizar a modelagem.
Segundo Hoffmann (2018, p. 202), “como o ABM por si só é heurístico, ele força os pesquisadores que desejam fazer um trabalho empírico a serem metodologicamente diversos”. Dessa forma, os dois métodos não seriam uma alternativa um ao outro, mas sim abordagens complementares. No caso da modelagem baseada em agentes, o trabalho empírico torna-se necessário tanto para projetá-la quanto para analisar os modelos de simulação (HOFFMANN, 2018).
Vale mencionar aqui uma diferença significativa entre ambos os métodos. Enquanto, no estudo de caso, é preciso que o pesquisador entenda o método e seus limites, na modelagem, além desse cuidado, é necessário que o pesquisador domine também uma linguagem de programação de computadores. Isso pode apresentar barreiras para que o método ganhe maior aderência na área de Relações Internacionais (HOFFMANN, 2018).
Considerações finais
Como foi apontado no artigo, a escolha do método depende do problema de pesquisa. Nesse sentido, o pesquisador deve, sobretudo, entender qual a pergunta que ele deseja responder, ou quais são os objetivos da pesquisa. Métodos qualitativos favorecem o entendimento de conceitos complexos, comportamentos, fenômenos e interações sociais e na atribuição de significados, que são fundamentais para entender as Relações Internacionais. Assim como métodos formais, como o apresentado na pesquisa, podem ser utilizados para levantar novas hipóteses e testar premissas e leis gerais. Os métodos analisados aqui contribuem tanto para a explicação, quanto para a formulação de novas teorias em RI. Além de serem métodos que podem ser utilizados de forma complementar para enriquecer a análise dos dados coletados.
Referências
BENNETT, Andrew. Case study methods: design, use and comparative advantages. In: SPRINZ, Detlef; WOLINSKY-NAHMIAS, Yael (eds.): Models, numbers, and cases: methods for studying international relations. Ann Arbor: The University of Michigan Press, 2004.
BENNETT, Andrew; COLIN, Elman. Case Study Methods in the International Relations Subfield. Comparative Political Studies. 2007. Disponível em: http://cps.sagepub.com/cgi/content/abstract/40/2/170.
CLARKE, Edmund M. et al. Formal Methods: State of the Art and Future Directions. ACM Computing Surveys. Vol. 28, n.4. Pittsburgh, 1996. Disponível em: https://dl.acm.org/doi/10.1145/242223.242257.
GUERRA, Elaine Linhares de Assis. Manual de Pesquisa Qualitativa. Belo Horizonte: Grupo Ănima Educação, 2014.
HARRISON, Neil E. Complexity in World Politics: Concepts and Methods of a New Paradigm. Albany: SUNY Press. 2006.
HOFFMANN, Matthew J. Agent-based Modeling. in KLOTZ, Audie; PRAKASH, Deepa. Qualitative Methods in International Relations: a Pluralist Guide. Ed. Palgrave MacMillan. Inglaterra, 2018.
LAKATOS, Eva Maria; MARCONI, Marina de Andrade . Fundamentos da Metodologia Científica. 8. Ed. Atlas. São Paulo, 2017.
LEANDER, Anna. Thinking Tools. in KLOTZ, Audie; PRAKASH, Deepa. Qualitative Methods in International Relations: a Pluralist Guide. Ed. Palgrave MacMillan. Inglaterra, 2018.
