DAHORA LAB Fluxograma · Fase Pesquisar Caderno de campo  ·  Vol. 01 / 04  ·  rev. 2026.05.v3 Pesquisar Prototipar → Produtizar → etapa destaque opcional PT EN ES
clique nos cards para abrir os detalhes
de onde vem essa pergunta? por que agora?
o ponto de partida — etapa 01
Etapa 01 · entrada

PROBLEMA

Identificação, análise e definição via pesquisa.

O ponto único de origem. Defina o que está sendo observado antes de qualquer recorte. Tudo abaixo é justificativa.

problema base
baseado em dados,
não em opiniões ou
intuições sobre o
problema.
Quem está sendo pesquisado aqui — e quem não está? O que os dados estão dizendo que eu não esperava?
identificação inicial — etapa 02 · três frentes
02 · frente A

Análise de dados

Relatórios e pesquisas institucionais. O que já foi medido, por quem mede de verdade.

institucional ✦
02 · frente B

Pesquisa empírica

Campo, entrevistas, observação. O que acontece quando você desliga a planilha e vai olhar.

↳ ir a campo
02 · frente C

Revisão bibliográfica

Revisão sistêmica e artigos. Não reinventar a roda — citar quem a inventou.

scopus · WoS
△ Triangulação transversal · cruzar as 3 frentes Cruzar fontes e métodos é o que dá robustez à análise. Dados que se contradizem entre métodos também são resultado válido.
Esse recorte exclui quem? Por que escolhi esse recorte e não outro?
o afunilamento — etapa 03 · recorte
Etapa 03 · gate

FUNIL / RECORTE

Definição do escopo específico.

O problema deixa de ser nuvem e vira ponto. Sem recorte, não há pesquisa — há vagueza.

▼ afunilar ▼
Os dados representam todos os afetados, ou só os mais visíveis? O que mudou na minha leitura do problema ao mudar de escala?
repetição por escala — etapa 04 · global → local → pessoal
GLOBAL

panorama mundial — organismos internacionais, literatura global, contexto macro.

Análise de dados

OMS · OCDE · ONU

macro

Pesquisa empírica

painéis remotos

global

Rev. bibliográfica

estado da arte

teoria
LOCAL

recorte regional ou nacional — dados locais, contexto cultural e territorial específico.

Análise de dados

IBGE · gov

aqui

Pesquisa empírica

campo presencial

a pé

Rev. bibliográfica

BDTD · scielo

br
PESSOAL

escala do usuário — entrevistas, observação direta, experiências individuais.

Análise de dados

histórico próprio

interno

Pesquisa empírica

auto-observação

eu

Rev. bibliográfica

notas pessoais

acervo
Quais dados me surpreenderam mais?
consolidação — etapa 05
Etapa 05 · síntese

MAPA DE DADOS

Registro de dados de todas as escalas.

Uma superfície única onde as três escalas convivem. Se não está no mapa, não conta.

↳ artefato base
Quem teve voz na construção dessa persona? O que aprendi sobre o problema que não sabia quando comecei?
produtos derivados — etapa 06 · quatro saídas

Público-alvo

recorte demo+comp.

o quem
↓ deriva

Persona

arquétipos

com rosto

Stakeholders

quem mais afeta

o resto
↓ mapeia

Mapa de stakeholders

poder × interesse

matriz

Dores & necessidades

citações + interp.

a dor
↓ se necessário

Mapa de empatia

se necessário

opcional

Causas

análise raiz

a raiz
↓ documenta

Relatórios

doc versionado

entregável
Esse problema foi definido por quem e para quem? Se eu tivesse que explicar esse problema em uma frase para alguém de fora, o que diria?
enunciado do problema — etapa 07 · síntese final
FINAL · APROVAR ETAPA 07 · síntese final

ENUNCIADO DO PROBLEMA

Síntese objetiva do que foi descoberto pela pesquisa.

Uma sentença, baseada nos dados, que descreve o problema a ser atacado. Sem ela, o projeto não tem direção — e a fase Prototipar não pode começar.

Problem Statement Point of View How Might We
conecta PESQUISAR
com PROTOTIPAR →
diretrizes do caderno — rodapé · regras gerais
Fontes de dados
  • Confiáveis p/ identificar
  • Relevantes p/ coletar
  • Datar TUDO
  • Link p/ a fonte original
Pesquisa empírica
  • Seguir diretrizes do setor
  • TCLE em toda entrevista
  • Autorizações institucionais
  • Anonimizar
Rev. bibliográfica
  • Scopus
  • Web of Science
  • Google Scholar
  • Sci-Bot / Sci-Hub
Mapa de dados
  • Registrar por escala
  • Gerar produtos derivados
  • Versionar o documento
  • Tag por categoria

uso de IA— atenção · três regras

  1. Usar IA dentro do escopo já definido, nunca para gerar o escopo. O recorte é trabalho humano.
  2. Verificar alucinações de fontes com Consensus, Elicit ou ferramentas equivalentes — IA cita coisas que não existem.
  3. Em dados massivos, usar múltiplas IAs para revisão cruzada. Uma IA sozinha é um observador enviesado.