Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para o sucesso na publicação.

Neste post, vamos guiá-lo para criar um artigo de pesquisa coeso, organizado e impactante!

Estrutura da Escrita Acadêmica

A escrita acadêmica segue uma estrutura específica que você provavelmente já conhece ao ler a literatura acadêmica. Essa estrutura ajuda o autor a fornecer ao leitor informações importantes no lugar certo, e a escrever de forma concisa, sem repetições.

Seguir essa estrutura básica, que inclui Introdução, Métodos, Resultados e Discussão, dará ao seu texto um formato claro e previsível, facilitando o acompanhamento de suas ideias e argumentos.

Embora pareça óbvio incluir as informações corretas em cada seção, muitas vezes encontramos informações mal colocadas nos manuscritos, desde escritores iniciantes até professores titulares.

Para começar, pense na estrutura de uma história. Toda história tem um começo, um meio e um fim, e seu artigo acadêmico não é diferente.

Começo: Título, Resumo, Palavras-chave, Introdução

Meio: Métodos e Resultados

Fim: Discussão, Conclusão, Referências

Dentro dessas seções, quatro informações-chave devem ser incluídas:

(1) O tópico, a lacuna no conhecimento e a sua justificativa em abordar essa lacuna.

(2) O que você fez para abordar essa lacuna no conhecimento.

(3) O que você descobriu em seu estudo.

(4) O significado de suas descobertas e por que elas são relevantes.

Vamos ver como isso se aplica a cada seção:

Começo (1): Introduza o tema, forneça contexto e explique por que ele é importante. Destaque a lacuna no conhecimento que você pretende preencher com sua pesquisa.

Meio (2 & 3): Descreva seus métodos e apresente seus resultados de forma clara e objetiva.

Fim (4): Analise e interprete seus resultados, explicando sua relevância e como eles preenchem a lacuna no conhecimento identificada na introdução.

O que deve ser incluído em cada seção (e o que não deve)?

Título

Mantenha-o curto e específico, focando na questão central de sua pesquisa para atrair o leitor. Evite usar apenas termos genéricos que não capturem a essência do seu estudo.

No título também é a hora de você usar sua criatividade para chamar a atenção do leitor.

Resumo

Um bom resumo é aquele que não apenas resume sucintamente seu artigo (visão geral da pesquisa), mas também estimula seus leitores a continuar lendo. Ele fornece uma visão geral ampla do seu artigo de uma maneira fácil de entender

Dica: Escreva o resumo por último e inclua uma breve descrição da Introdução, Métodos, Resultados, Discussão & Conclusão.

Introdução

Faça uma revisão concisa da literatura relevante, citando estudos anteriores para embasar suas afirmações e explicar a importância de sua pesquisa. Dê preferência aos estudos publicados nos últimos cinco anos, para refletir

Outro ponto importante, mas as vezes nos esquecemos, é explicar todos os conceitos apresentados de forma clara e acessível.

Palavras-chave

Escolha palavras-chave que capturem os principais temas do seu estudo e ajudem os leitores a encontrarem seu artigo em uma pesquisa online.

Se possível, evite repetir palavras que já estão presentes no título do artigo. Um dica é escolher palavras-chave complementares que ampliem a compreensão do conteúdo do seu estudo. Com isso, seu artigo pode aparecer mais nas buscas.

Métodos

Descreva os procedimentos utilizados em seu estudo. Lembre-se de escrever todos os instrumentos utilizados para coletar os dados.

Nessa parte você também deve descrever os testes estatísticos que utilizou, qual software e versão foi utilizado para realizar as análises. Assim, com detalhes suficientes, outros pesquisadores podem replicá-lo.

Resultados

Apresente seus resultados de forma clara e objetiva, utilizando tabelas e gráficos quando apropriado para ilustrar suas descobertas. O correto é que você não faça interpretações ou discussões sobre os resultados nesta seção.

Discussão

Na discussão, os resultados devem ser interpretados e explicados no contexto da literatura mais ampla. Use a discussão para abordar as lacunas no conhecimento e as perguntas de pesquisa (objetivos) levantadas na introdução.

Deve haver um fluxo lógico de informações em sua Discussão, e pode ser útil seguir a mesma estrutura de subtítulos das seções de Métodos e Resultados. Pode ser útil considerar quais subtemas estão relacionados ou abordar cada pergunta de pesquisa por vez. Claro, siga a estrutura de começo, meio e fim.

Começo: O primeiro parágrafo deve reafirmar o tópico e a lacuna de conhecimento-chave, detalhar brevemente as principais descobertas e destacar por que elas são importantes.

Meio: Avalie criticamente as descobertas usando a literatura-chave. Discuta se suas descobertas eram esperadas e se são consistentes com a literatura anterior ou não.

Fim: Destaque as novas informações que seu estudo traz para o campo e por que são importantes. Ele preencheu a lacuna de conhecimento que você pretendia preencher? Detalhe em que futuras pesquisas devem se concentrar e por quê.

O que não fazer na Discussão:

Evite simplesmente repetir os resultados na seção de Discussão, pois essa parte do artigo destina-se à interpretação e contextualização dos achados. Evite também incluir listas extensas de estatísticas, pois isso pode sobrecarregar o texto e dificultar a compreensão das descobertas.

Além disso, evite introduzir novos tópicos na seção de Discussão, pois isso pode desviar o foco do objetivo principal do estudo. Por fim, evite fazer declarações não fundamentadas, pois é essencial apoiar todas as afirmações com evidências sólidas e referências relevantes.

Conclusão

Alguns formatos de artigos de periódicos exigem uma seção conclusiva separada. Em outros artigos, a conclusão pode ser o último parágrafo da discussão.

O objetivo da conclusão é resumir seu estudo, destacar as principais conclusões e descrever suas implicações para o campo e além. Deve ter pelo menos três frases e seguir uma estrutura de começo, meio e fim.

Agora que você tem em mente como estruturar seu artigo de maneira eficaz, vou apresentar um check list super prático para você!

Breve check list para escrita de um artigo acadêmico

Com base no que abordamos nesse post, vamos ao check list!

Esse check list ajudará você a conferir a estrutura do seu artigo acadêmico de maneira eficaz, garantindo que suas ideias sejam apresentadas de forma clara e coesa.

  1. Começo:
    • O título é curto, específico e reflete a questão central da pesquisa.
    • O resumo é sucinto, mas estimula os leitores a lerem o artigo completo.
    • A introdução contextualiza o tema e explica sua importância
    • Destaco a lacuna no conhecimento.
    • Utilizo referências atuais, de preferência dos últimos cinco anos.
  2. Meio:
    • Os métodos são descritos com detalhes suficientes para replicação.
    • Os resultados são apresentados de forma clara e objetiva.
    • Apresento os resultados sem interpretações.
  3. Fim:
    • A discussão interpreta os resultados no contexto da literatura.
    • Abordo as lacunas no conhecimento.
    • A conclusão resume o estudo, destaca as principais conclusões e suas implicações.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.