Resposta curta: O tamanho da amostra em estudos qualitativos com entrevistas é justificado pelo poder informacional ou pela saturação, e não pelo poder estatístico. O poder informacional (Malterud, Siersma & Guassora, 2016) afirma que quanto mais informação relevante a amostra contiver, menos participantes são necessários. Cinco dimensões o definem: objetivo do estudo, especificidade da amostra, uso de teoria estabelecida, qualidade do diálogo e estratégia de análise.
Última atualização: 9 de outubro de 2026 (publicado pela primeira vez em 20 de julho de 2026)
\n\nTodo doutorando acaba recebendo a pergunta de um orientador, de um comitê de ética ou do Reviewer 2: por que tantos participantes? \"Até a saturação\" é a resposta mais comum e, muitas vezes, a mais fraca, porque a saturação só pode ser demonstrada depois que os dados estão coletados. Este guia explica como justificar o tamanho da amostra em estudos qualitativos com entrevistas pelo poder informacional, como ele difere da saturação, quais estratégias de amostragem qualitativa definem quem você recruta e como escrever uma justificativa de tamanho amostral que resista à revisão. Inclui um parágrafo de justificativa trabalhado e uma planilha de uma página que você pode colar em um projeto de pesquisa.
\n\nPoder informacional é um modelo para decidir quantos participantes um estudo qualitativo com entrevistas precisa. Proposto por Kirsti Malterud, Volkert Siersma e Ann Dorrit Guassora na Qualitative Health Research (2016), ele sustenta que a adequação de uma amostra depende de quanta informação relevante para o objetivo do estudo ela contém. Maior poder informacional significa menos participantes; menor poder informacional significa mais.
\nO modelo foi escrito como alternativa a tratar a saturação como regra padrão. Ele não produz um número. Ele estrutura um argumento: você avalia seu estudo em cinco dimensões, define uma meta provisória e a revisa conforme observa a qualidade das entrevistas que chegam. O artigo original apresenta o modelo como guia para uma avaliação que continua durante a coleta de dados, e não como substituto do julgamento (Malterud et al., 2016, DOI 10.1177/1049732315617444).
\n\nCada dimensão empurra o tamanho necessário da amostra para cima ou para baixo. A tabela reapresenta o modelo em termos de planejamento e acrescenta a pergunta que um revisor provavelmente fará.
\n| Dimensão | Menos participantes quando… | Mais participantes quando… | Pergunta do revisor |
|---|---|---|---|
| Objetivo | O objetivo é estreito (uma experiência, uma decisão, um papel) | O objetivo é amplo ou exploratório em muitos contextos | O objetivo é específico o bastante para delimitar a amostra? |
| Especificidade da amostra | Os participantes têm experiência densa e de primeira mão do fenômeno | Os participantes estão apenas vagamente ligados ao fenômeno | Por que essas pessoas são os informantes certos? |
| Teoria estabelecida | Uma teoria existente orienta a amostragem e a análise | Nenhuma teoria é aplicada; o estudo é puramente indutivo | Qual teoria, e como ela orienta as perguntas? |
| Qualidade do diálogo | As entrevistas são profundas, bem sondadas e claramente focadas | As entrevistas são curtas, superficiais ou mal sondadas | Como você sabe que as entrevistas foram ricas? |
| Estratégia de análise | Análise aprofundada de narrativas ou de poucos casos | Análise exploratória entre muitos casos e participantes | O tamanho da amostra se ajusta ao método analítico? |
Observe a quarta dimensão. A qualidade da entrevista é uma variável do tamanho amostral. Entrevistas superficiais exigem que você tenha mais delas. Por isso, entrevistas sem sondagem, parecidas com formulários, e transcrições curtas de chat são caras de um jeito oculto: cada uma carrega menos informação.
\n\nA saturação pergunta se os novos dados ainda produzem novos insights; o poder informacional pergunta se a amostra contém informação suficiente para o objetivo. A saturação é avaliada durante e depois da análise. O poder informacional pode ser argumentado antes do trabalho de campo, o que o torna mais adequado a projetos, pedidos de aprovação ética e pré-registros. A maioria das seções de métodos sólidas usa os dois.
\n| Critério | Poder informacional | Saturação |
|---|---|---|
| Pergunta central | A amostra contém informação suficiente para este objetivo? | As novas entrevistas ainda acrescentam novos códigos ou sentidos? |
| Quando é usado | No planejamento, depois monitorado durante o trabalho de campo | Durante a análise; confirmado depois |
| Gera um número? | Não: uma meta fundamentada e revisável | Não: um ponto de parada observado nos dados |
| Melhor adequação | Projetos, comitês de ética, desenhos reflexivos e interpretativos | Abordagens de confiabilidade de codificação e de livro de códigos; teoria fundamentada (como saturação teórica) |
| Principal fraqueza | Baseado em julgamento; pode ser usado para racionalizar um n conveniente | Frequentemente alegada sem evidência de como foi avaliada |
O debate importa especialmente para a análise temática. Braun e Clarke argumentam que a saturação se encaixa mal na análise temática reflexiva, em que o sentido é gerado por meio da interpretação e não descoberto nos dados, e apontam o poder informacional como uma justificativa mais coerente (Braun & Clarke, 2021, Qualitative Research in Sport, Exercise and Health). Se você usa análise temática reflexiva, citar a saturação como regra de parada convida uma objeção epistemológica. Para um tratamento mais completo da própria saturação, veja o que é saturação de dados e quantas entrevistas moderadas por IA você precisa.
\n\nO poder informacional não fornece um número, mas revisores costumam querer uma referência. Duas revisões são úteis:
\nLeia esses números como achados condicionais, não como cotas. Ambas as revisões vinculam os valores mais baixos a amostras homogêneas e objetivos estreitos, exatamente o que descreve um poder informacional alto. Um estudo amplo, heterogêneo e sem teoria deve esperar ficar acima dessas faixas.
\n\nUse esta planilha de uma página em um projeto, pedido de aprovação ética ou capítulo de métodos. Avalie cada dimensão, escreva uma frase de evidência e só então defina uma meta provisória. Ela transforma um julgamento em um argumento passível de revisão.
\n| Dimensão | Avaliação | Evidência (uma frase) | Efeito no n |
|---|---|---|---|
| Objetivo | Estreito / Moderado / Amplo | Declare o objetivo e o que está fora do escopo | ↓ / – / ↑ |
| Especificidade da amostra | Densa / Mista / Esparsa | Declare os critérios de inclusão que garantem experiência de primeira mão | ↓ / – / ↑ |
| Teoria estabelecida | Aplicada / Parcial / Nenhuma | Nomeie a teoria e como ela molda o roteiro | ↓ / – / ↑ |
| Qualidade do diálogo | Forte / Incerta / Fraca | Evidência do piloto: duração das entrevistas, profundidade das sondagens, experiência do entrevistador | ↓ / – / ↑ |
| Estratégia de análise | Baseada em casos / Mista / Entre casos | Nomeie o método analítico (IPA, TA reflexiva, framework, teoria fundamentada) | ↓ / – / ↑ |
| Meta provisória | Declare uma faixa (não um número único), o ponto de revisão (por exemplo, após o primeiro terço das entrevistas) e o que faria você ampliar a coleta |
Eis um parágrafo de exemplo para um estudo hipotético sobre como doutorandos de administração no primeiro ano decidem se usam IA generativa em suas revisões de literatura:
\n\n\"O tamanho da amostra foi orientado pelo poder informacional (Malterud et al., 2016). O objetivo era estreito (uma decisão, em uma população), a amostra era densa (todos os participantes haviam usado ou rejeitado explicitamente a IA generativa em uma revisão de literatura nos últimos seis meses) e as entrevistas foram enquadradas pela literatura sobre aceitação de tecnologia. Em contrapartida, a estratégia de análise entre casos e nossas evidências limitadas de piloto sobre a qualidade do diálogo reduziram o poder informacional. Definimos, portanto, uma meta provisória de 14–20 entrevistas, revisamos o poder informacional após as primeiras sete e ampliaríamos o recrutamento se novos caminhos de decisão ainda estivessem surgindo. Concluímos 17 entrevistas; as três últimas não acrescentaram novos caminhos de decisão.\"
Três características fazem isso funcionar: nomeia as cinco dimensões, dá uma faixa com um ponto de revisão e relata o que de fato aconteceu. Os números são ilustrativos; os seus devem vir do seu próprio estudo.
\n\nO poder informacional pressupõe que seus participantes sejam os certos. Essa é a função da estratégia de amostragem. O guia de Oliver Robinson sobre amostragem em pesquisas baseadas em entrevistas define uma ordem em quatro passos: definir o universo amostral (critérios de inclusão e exclusão), decidir o tamanho da amostra, escolher uma estratégia de amostragem e, então, obter a amostra (Robinson, 2014, Qualitative Research in Psychology).
\n| Estratégia | O que faz | Use quando | Principal risco |
|---|---|---|---|
| Variação máxima | Abrange deliberadamente diferentes contextos ou extremos | Você precisa da amplitude de experiências, ou de padrões que se mantêm apesar das diferenças | Cobertura fina de cada segmento se n for pequeno |
| Homogênea | Concentra-se em um grupo bem definido | Você precisa de profundidade sobre um papel, uma trajetória ou uma condição (comum na IPA) | Os achados não se estendem para fora desse grupo |
| Por critério | Inclui todos que atendem a um limiar ou evento definido | Estudo de uma experiência específica (um diagnóstico, uma desistência, uma adoção malsucedida) | O critério pode ser mal medido |
| Teórica | Recruta de forma iterativa com base na análise emergente | Teoria fundamentada; desenvolvimento de conceitos | Exige que a análise ocorra junto ao trabalho de campo |
| Caso extremo / desviante | Busca sucessos ou fracassos incomuns | Você quer ver os mecanismos em sua forma mais visível | Casos atípicos são lidos como a norma |
| Bola de neve | Participantes indicam outros | Populações ocultas ou de difícil acesso | Cadeias de indicação se agrupam socialmente |
| Intencional estratificada | Define metas por segmento, com amostragem intencional dentro de cada um | Você precisa comparar grupos definidos | Cotas preenchidas com participantes de baixo encaixe |
| Conveniência | Quem estiver disponível | Apenas pilotos e teste de instrumentos | Viés sistemático; afirmações fracas |
Estratégia e poder informacional interagem. Desenhos estratificados e de variação máxima reduzem a especificidade da amostra por segmento e, portanto, exigem totais maiores. Uma amostra homogênea por critério aumenta a especificidade e sustenta um n menor. A revisão de Vasileiou e colegas sobre estudos com entrevistas constatou que as justificativas de tamanho amostral em artigos publicados muitas vezes estavam ausentes ou eram superficiais; por isso, nomear tanto a estratégia quanto o raciocínio do poder informacional se destaca (Vasileiou et al., 2018, BMC Medical Research Methodology).
\n\nHistoricamente, o número de entrevistas era limitado pelas horas do moderador, e doze a quinze entrevistas era em parte um artefato do orçamento. A entrevista moderada por IA muda isso: as entrevistas podem ocorrer em paralelo, em fusos horários e idiomas diferentes. A consequência metodológica costuma ser mal interpretada.
\nA Qualitati é uma plataforma europeia de pesquisa qualitativa, de baixo custo, para universidades e empresas de pesquisa, com privacidade de dados e RGPD como prioridades centrais. Para decisões específicas de tamanho e amostragem:
\nOs preços são publicados por crédito, e o plano gratuito inclui 30 créditos mensais sem necessidade de cartão de crédito. Veja os preços para os planos atuais.
\n\nPara: doutorandos que escrevem um capítulo de métodos ou um pedido de aprovação ética, laboratórios de pesquisa que planejam estudos com entrevistas, e empresas de pesquisa qualitativa ou de mercado que defendem uma amostra diante de um cliente. Não é para: estudos cujas conclusões dependam de generalização estatística para uma população. Se você precisa de estimativas de prevalência, use uma amostra probabilística e um survey e, depois, acrescente entrevistas para explicar os resultados.
\n\nPoder informacional é um modelo, proposto por Malterud, Siersma e Guassora em 2016, para decidir quantos participantes um estudo qualitativo com entrevistas precisa. Quanto mais informação relevante para o objetivo do estudo a amostra contiver, menos participantes são necessários. Ele é avaliado em cinco dimensões: objetivo, especificidade da amostra, teoria, qualidade do diálogo e estratégia de análise.
\n\nNenhum dos dois é universalmente melhor. O poder informacional é mais fácil de argumentar antes do trabalho de campo, por isso serve a projetos e comitês de ética, e se encaixa em métodos interpretativos como a análise temática reflexiva. A saturação é útil para desenhos com livro de códigos e teoria fundamentada. Muitos estudos sólidos planejam com o poder informacional e apresentam evidências de saturação depois.
\n\nNão existe um número universal. Revisões empíricas encontraram saturação com 9–17 entrevistas em amostras homogêneas com objetivos estreitos, mas estudos amplos ou heterogêneos precisam de mais. Defina uma faixa usando as cinco dimensões do poder informacional, revise-a no meio do trabalho de campo e relate o raciocínio.
\n\nNomeie o referencial (poder informacional ou saturação), avalie cada uma das cinco dimensões com uma frase de evidência, apresente uma faixa provisória e um ponto de revisão, e relate a amostra alcançada e por que você parou. O parágrafo trabalhado deste guia serve de modelo.
\n\nA amostragem intencional: selecionar participantes deliberadamente porque a experiência deles se ajusta à pergunta de pesquisa. Variação máxima, homogênea e por critério são suas variantes mais usadas.
\n\nMudam o custo, não a adequação. O poder informacional continua dependendo de objetivo, amostra, teoria, qualidade do diálogo e análise. Se as entrevistas por IA sondarem menos profundamente do que um entrevistador humano experiente, você pode precisar de mais delas; se sondarem bem, aplica-se a mesma lógica das entrevistas humanas.
\n\nA melhor resposta sobre o tamanho da amostra em estudos qualitativos com entrevistas não é um número, mas um argumento. Defina quem pertence à amostra, escolha uma estratégia intencional que se ajuste à pergunta de pesquisa, avalie as cinco dimensões do poder informacional, defina uma faixa com um ponto de revisão e relate o que aconteceu. As entrevistas moderadas por IA eliminam o teto de custo para n, e é exatamente por isso que essa justificativa escrita agora tem ainda mais peso.
\nPlanejando um estudo com entrevistas? Comece grátis com 30 créditos, sem cartão de crédito, ou veja preços transparentes. Veja como a Qualitati realiza entrevistas moderadas por IA, grupos focais, pesquisas conversacionais e análise temática, ou compare com o NVivo.
\n\nSugestão de texto alternativo para a imagem: \"Planilha de Poder Informacional: cinco dimensões (objetivo, especificidade da amostra, teoria estabelecida, qualidade do diálogo, estratégia de análise) avaliadas para definir o tamanho amostral de uma pesquisa qualitativa com entrevistas.\"
\n\nFontes externas: Malterud, Siersma & Guassora (2016), Sample Size in Qualitative Interview Studies: Guided by Information Power (Qualitative Health Research); Braun & Clarke (2021), To saturate or not to saturate? (Qualitative Research in Sport, Exercise and Health); Hennink & Kaiser (2022), Sample sizes for saturation in qualitative research: a systematic review of empirical tests (Social Science & Medicine); Wutich, Beresford & Bernard (2024), Sample Sizes for 10 Types of Qualitative Data Analysis (International Journal of Qualitative Methods); Vasileiou et al. (2018), Characterising and justifying sample size sufficiency in interview-based studies (BMC Medical Research Methodology); Robinson (2014), Sampling in Interview-Based Qualitative Research (Qualitative Research in Psychology).
\n\n\n\n\n","related":[{"slug":"interpretative-phenomenological-analysis-guide-2026","title":"Análise Fenomenológica Interpretativa (IPA): 7 Etapas","description":"O que é a análise fenomenológica interpretativa? Etapas da IPA na terminologia de 2022 (PETs, GETs), tamanho da amostra, exemplo e checklist de qualidade.","category":"Métodos qualitativos","date":"2026-09-29","readTime":"11 min de leitura","author":"Qualitati Research Team"},{"slug":"qualitative-research-questions-examples-2026","title":"Perguntas de pesquisa qualitativa: exemplos por desenho","description":"Exemplos de perguntas de pesquisa qualitativa para fenomenologia, teoria fundamentada, estudo de caso e narrativa, com quantas usar e uma checklist gratuita.","category":"Métodos qualitativos","date":"2026-09-23","readTime":"10 min de leitura","author":"Qualitati Research Team"},{"slug":"what-is-in-vivo-coding-qualitative-research-2026","title":"Codificação In Vivo: Definição, Etapas e Exemplos","description":"Codificação in vivo usa as palavras exatas do participante como código. Cinco etapas, dois exemplos, comparação de métodos e checklist de fidelidade com IA.","category":"Métodos qualitativos","date":"2026-09-12","readTime":"10 min de leitura","author":"Qualitati Research Team"}]}