Resposta curta: O método Gioia é uma abordagem indutiva à análise qualitativa, apresentada por Dennis Gioia, Kevin Corley e Aimee Hamilton na Organizational Research Methods (2013). Os investigadores codificam a linguagem dos informantes em conceitos de primeira ordem, agrupam-nos em temas de segunda ordem centrados no investigador, destilam esses temas em dimensões agregadas e, por fim, constroem um modelo fundamentado que mostra como os conceitos se relacionam.
Se está a fazer um estudo indutivo com entrevistas em gestão, sistemas de informação, empreendedorismo ou estudos organizacionais, é provável que um revisor peça para ver a sua \"estrutura de dados\". Esse pedido vem do método Gioia, um dos modelos mais usados para apresentar rigor qualitativo na investigação em escolas de negócios.
\nEste guia explica o que é o método e percorre os passos com um breve exemplo trabalhado. Aborda também as principais críticas que deve conhecer antes de o adotar e o que a investigação recente diz sobre a utilização de grandes modelos de linguagem para construir uma estrutura de dados Gioia. Termina com uma lista de verificação para usar antes de submeter.
\n\nO método Gioia é uma abordagem sistemática ao desenvolvimento indutivo de conceitos e à articulação de teoria fundamentada. Foi concebido para que o trabalho qualitativo pareça e seja rigoroso aos olhos dos leitores, sem perder a capacidade de revelar novos conceitos. O seu resultado característico é uma estrutura de dados de três níveis, seguida de um modelo teórico fundamentado.
\nA referência canónica é Gioia, Corley e Hamilton, \"Seeking Qualitative Rigor in Inductive Research: Notes on the Gioia Methodology\", Organizational Research Methods, vol. 16, n.º 1, pp. 15–31 (2013). A abordagem resulta de trabalhos anteriores, nomeadamente do estudo de Gioia e Chittipeddi de 1991 sobre a mudança estratégica numa universidade. Em 2023, Magnani e Gioia publicaram um guia de aplicação para investigadores em negócios internacionais e empreendedorismo na International Business Review (vol. 32, n.º 2, artigo 102097). Descreve três etapas: construir a estrutura de dados, construir o modelo fundamentado e redigir os resultados como uma narrativa persuasiva.
\nDois pressupostos sustentam o método. Primeiro, o mundo organizacional é socialmente construído. Segundo, as pessoas que o constroem são \"agentes conhecedores\" capazes de explicar os seus próprios pensamentos, intenções e ações. O trabalho do investigador é representar fielmente essas vozes e, depois, teorizar a um nível que os próprios informantes não usariam.
\n\nCada nível responde a uma pergunta diferente, e confundi-los é a razão mais comum para os revisores devolverem a figura.
\n| Nível | Linguagem de quem | O que responde | Forma típica |
|---|---|---|---|
| Conceitos de primeira ordem | Centrada no informante | O que dizem os participantes, quase com as suas próprias palavras? | Frases descritivas curtas, muitas vezes em grande número no início |
| Temas de segunda ordem | Centrada no investigador | Que conceitos ajudam a descrever e a explicar o que se passa aqui? | Rótulos teoricamente significativos, alguns retirados da literatura, outros novos |
| Dimensões agregadas | Centrada no investigador | Que ideias gerais os temas somam? | Um pequeno número de dimensões de nível superior que ancoram o modelo |
Gioia e colegas descrevem a passagem entre os dados e a literatura assim que os temas de segunda ordem começam a estabilizar. O investigador pergunta se um tema emergente já tem nome na teoria existente ou se é um conceito novo. Este vaivém é a razão pela qual o método é frequentemente descrito como indutivo no espírito, mas abdutivo na prática. O nosso guia sobre análise abdutiva aprofunda essa lógica.
\n\nEis como o artigo de 2013 e o guia de 2023 descrevem o método, apresentado como uma sequência que pode seguir. Trate-a como uma ordem de trabalho e não como uma receita rígida. Os próprios autores alertam contra a sua utilização como livro de receitas.
\nComece com uma pergunta de investigação bem especificada que deixe espaço para conceitos que ainda não nomeou. Use entrevistas semiestruturadas que deixem os informantes descrever os acontecimentos com os seus próprios termos, e reveja o protocolo à medida que surgem novos conceitos. O nosso guia sobre entrevistas semiestruturadas aborda a conceção do protocolo.
\nCodifique próximo dos termos dos informantes e resista à abstração precoce. Espere uma lista extensa e desordenada nesta fase. Os códigos in vivo encaixam bem aqui (ver codificação in vivo).
\nProcure semelhanças e diferenças entre os conceitos de primeira ordem e consolide-os num conjunto gerível. Dê a cada grupo um rótulo ou uma expressão que continue reconhecível para os informantes.
\nPergunte que conceitos descreveriam e explicariam os padrões. Agora traga a literatura e preste particular atenção aos temas que não têm um nome adequado na teoria existente. Estes são os seus possíveis contributos.
\nQuando faz sentido, reúna os temas de segunda ordem em poucas dimensões agregadas. Desenhe a figura da estrutura de dados: conceitos à esquerda, temas ao centro, dimensões à direita.
\nTransforme a estrutura estática num modelo dinâmico que mostre como os conceitos se relacionam ao longo do tempo ou de forma causal, com setas, fases e ciclos de retroação. Sem este passo, uma estrutura de dados é descrição e não teoria.
\nUse um pequeno número de citações expressivas na narrativa e coloque a evidência de apoio mais completa numa tabela organizada por tema. Depois, mostre aos leitores como cada tema se liga ao modelo.
\n\nImagine um estudo com entrevistas a 25 investigadores universitários que adotaram ferramentas de codificação com IA. O exemplo abaixo é inventado para mostrar a lógica dos níveis. Não foi extraído de nenhum estudo publicado.
\n| Conceitos de primeira ordem (termos dos informantes) | Tema de segunda ordem | Dimensão agregada |
|---|---|---|
| \"Releio cada código gerado pela IA antes de confiar nele\"; \"verifico se a citação está mesmo na transcrição\" | Rituais de verificação | Calibrar a confiança na máquina |
| \"Serve para uma primeira passagem, não para os temas\"; \"nunca deixaria que nomeasse um tema\" | Delegação limitada | |
| \"O meu orientador perguntou quem fez a codificação\"; \"o Reviewer 2 quis ver os prompts\" | Escrutínio antecipado do público | Defender a legitimidade metodológica |
| \"Escrevi um parágrafo sobre isso no capítulo de métodos\"; \"guardei um registo do que a IA sugeriu\" | Documentar o papel humano |
Um modelo fundamentado poderia então propor que o escrutínio antecipado impulsiona os rituais de verificação, e que estes rituais alargam, com o tempo, o âmbito da delegação limitada. O modelo faria uma afirmação sobre o processo que a tabela estática não consegue fazer.
\n\nA equipa de investigação da Qualitati construiu esta lista a partir das fontes citadas neste artigo. Use-a antes de enviar um manuscrito a um revisor ou orientador. Cada \"não\" é um provável pedido de revisão.
\n| # | Verificação | Porque importa |
|---|---|---|
| 1 | Cada conceito de primeira ordem pode ser rastreado até pelo menos uma citação na tabela de provas | Mostra que a estrutura está fundamentada e não apenas afirmada |
| 2 | Os rótulos de primeira ordem usam a linguagem dos informantes, não termos teóricos | Mantém separados o nível centrado no informante e o nível centrado no investigador |
| 3 | Cada tema de segunda ordem é definido numa frase no texto | Permite aos leitores avaliar se os conceitos foram agrupados de forma consistente |
| 4 | Indica quais os temas que correspondem a conceitos existentes e quais são novos | Torna explícita a contribuição teórica |
| 5 | As dimensões agregadas são poucas e claramente distintas | Evita um modelo tão genérico que não explica nada |
| 6 | Um modelo fundamentado dinâmico segue a estrutura de dados | A figura estática, por si só, não é a contribuição |
| 7 | Os casos discordantes ou negativos são reportados | Responde à crítica de que os modelos suavizam a tensão interpretativa |
| 8 | Se a IA apoiou a codificação, a secção de métodos diz onde, como e como o resultado foi verificado | Permite aos leitores avaliar o papel interpretativo humano |
O método Gioia funciona bem como forma de apresentar rigor, mas não garante percepção profunda. Conheça o debate antes de o escolher.
\nNota para revisão humana: saber se o método Gioia se adequa ao seu estudo depende da sua epistemologia, da área e da revista-alvo. Discuta a escolha com o seu orientador ou co-autores.
\n\n| Critério | Método Gioia | Teoria fundamentada (Glaser/Strauss/Charmaz) | Análise temática reflexiva |
|---|---|---|---|
| Resultado principal | Estrutura de dados de três níveis mais um modelo fundamentado | Uma teoria substantiva em torno de uma categoria central | Um conjunto de temas que conta uma história sobre os dados |
| Papel da literatura | Trazida quando os temas começam a estabilizar | Varia consoante a escola; a versão clássica adia-a | Flexível; a teoria pode informar a análise ao longo de todo o processo |
| Artefacto característico | Figura da estrutura de dados | Memorandos teóricos e uma categoria central | Mapa temático |
| Campo típico | Gestão, SI, empreendedorismo | Sociologia, enfermagem, gestão | Psicologia, saúde, educação |
Para o vocabulário de codificação subjacente a estas abordagens, veja codificação aberta, axial e seletiva e análise temática vs teoria fundamentada.
\n\nEm parte. A IA é mais útil ao nível dos conceitos de primeira ordem e menos fiável ao nível das dimensões agregadas.
\nA evidência mais clara até agora vem de Laato, Mäntymäki, Kordyaka e Laato, \"Automating Qualitative Data Analysis with Chain-of-Thought Reasoning Models: A Study with the Gioia Method\" (AMCIS 2025 Proceedings, publicado a 15 de agosto de 2025). Usaram o DeepSeek R1 para tentar replicar uma análise Gioia publicada de 17 transcrições de entrevistas a especialistas, e verificaram, com a distância de Levenshtein, que as citações devolvidas pelo modelo existiam de facto nas transcrições. O modelo produziu conceitos de primeira ordem semelhantes aos do estudo original, mas perdeu parte do seu significado. Depois generalizou em excesso, produzindo temas de segunda ordem e dimensões agregadas que os autores consideraram imprecisos e de pouco valor informativo.
\nEste padrão coincide com o que se observa na investigação mais ampla sobre codificação qualitativa com IA (ver onde a codificação qualitativa com IA falha). Uma divisão prática do trabalho:
\nA Qualitati é uma plataforma europeia de investigação qualitativa para universidades e empresas de investigação, concebida com a proteção de dados e o RGPD como prioridades centrais. Para um estudo no estilo Gioia, apoia as partes mecânicas do processo e deixa as decisões interpretativas para si:
\nA Qualitati não desenha por si a figura da estrutura de dados Gioia nem o modelo fundamentado, e não deve fazê-lo. Essas são a contribuição teórica.
\n\nUse o método Gioia se estiver a fazer construção teórica indutiva, baseada em entrevistas, e se visar revistas de gestão, SI ou empreendedorismo cujos revisores esperam uma estrutura de dados. Também se adequa a doutorandos que precisam de um percurso analítico transparente e ensinável.
\nNão o use se o seu estudo for dedutivo ou de teste de hipóteses, se a sua epistemologia lê contra os relatos dos informantes, se o seu objetivo for descritivo e não de construção teórica, ou se os revisores da sua área esperarem análise temática reflexiva ou teoria fundamentada clássica.
\n\nOs conceitos de primeira ordem mantêm-se próximos das palavras dos próprios informantes e descrevem o que os participantes dizem. Os temas de segunda ordem são conceitos centrados no investigador que explicam, do ponto de vista teórico, o que se passa. As dimensões agregadas agrupam depois os temas de segunda ordem a um nível mais elevado.
\nNão. Baseia-se na teoria fundamentada, e Gioia e colegas descrevem-no como uma forma de articular a teoria fundamentada, mas tem convenções de apresentação próprias, sobretudo a estrutura de dados de três níveis e a passagem para um modelo fundamentado dinâmico. Também traz a literatura para a análise assim que os temas começam a estabilizar.
\nO método não prescreve um número. Justifique a dimensão da amostra com a saturação ou o poder informativo, como em qualquer estudo qualitativo com entrevistas. Veja o nosso guia sobre dimensão da amostra qualitativa.
\nQualquer ferramenta QDA que suporte códigos hierárquicos funciona, incluindo NVivo, ATLAS.ti, MAXQDA e o QDA Workspace da Qualitati. A própria figura costuma ser desenhada numa ferramenta de diagramas ou de apresentações. O software organiza os códigos; não realiza a abstração.
\nNão de forma fiável por si só. Um estudo AMCIS de 2025 concluiu que um modelo de raciocínio produziu conceitos de primeira ordem razoáveis, mas temas de segunda ordem e dimensões agregadas imprecisos e generalizados em excesso. Use a IA para redigir e recuperar passagens, e verifique cada citação.
\nCríticos como Mees-Buss, Welch e Piekkari (2022) defendem que usá-lo como modelo fixo não resolve os desafios interpretativos e pode homogeneizar a investigação qualitativa. Propõem, em vez disso, heurísticas hermenêuticas no lugar de passos prescritos.
\n\nO método Gioia dá aos investigadores indutivos uma linguagem comum para mostrar o seu trabalho: termos dos informantes, temas do investigador, dimensões agregadas e um modelo fundamentado. Usado com critério, torna a interpretação visível aos revisores. Usado de forma mecânica, como alertam tanto os críticos como o próprio Gioia, produz figuras arrumadas com teoria pouco substancial. As ferramentas de IA podem acelerar a base da estrutura de dados, mas os níveis superiores e o modelo continuam a ser trabalho do investigador.
\nPara realizar o seu próximo estudo com entrevistas e codificá-lo no mesmo lugar, pode começar gratuitamente com 30 créditos mensais, sem cartão de crédito. Veja os preços transparentes para estudos maiores, ou compare a Qualitati com o NVivo, o ATLAS.ti e o MAXQDA.
\n\nÚltima atualização: 2026-10-18.
\nEscrito pela Equipa de Investigação da Qualitati. As afirmações metodológicas são atribuídas às fontes citadas; reveja-as face aos padrões da sua disciplina antes de as usar numa tese ou publicação.
\n\n\n","related":[{"slug":"what-is-abductive-analysis-qualitative-research-2026","title":"O que é análise abdutiva em pesquisa qualitativa?","description":"A análise abdutiva constrói teoria a partir de dados surpreendentes. Etapas de Timmermans e Tavory, a comparação com indutiva e dedutiva e o papel da IA.","category":"Análise de dados qualitativos","date":"2026-10-17","readTime":"10 min de leitura","author":"Qualitati Research Team"},{"slug":"open-axial-selective-coding-2026","title":"Codificação aberta, axial e seletiva na teoria fundamentada","description":"A codificação aberta nomeia conceitos, a axial relaciona-os com o paradigma e a seletiva integra-os numa categoria central. Com exemplos e checklist.","category":"Análise de dados qualitativos","date":"2026-09-24","readTime":"11 min de leitura","author":"Qualitati Research Team"},{"slug":"nvivo-alternatives-2026","title":"Alternativas ao NVivo em 2026: Guia Comparativo","description":"Compare as melhores alternativas ao NVivo em 2026: MAXQDA, ATLAS.ti, Dedoose e ferramentas nativas em IA, com recursos, preços e checklist de migração.","category":"Análise de dados qualitativos","date":"2026-06-17","readTime":"11 min de leitura","author":"Qualitati Research Team"}]}