Dados Abertos em Pesquisa: O Que São e Por Que Importam

Por que tanta pesquisadora trata o dado bruto como propriedade pessoal

Por que tanta orientadora de peso científico inegável se recusa a compartilhar a planilha que gerou os resultados do próprio artigo, mesmo quando um revisor pede?

Dados abertos em pesquisa são o conjunto de informações brutas, coletadas ou geradas durante uma investigação, disponibilizadas publicamente para verificação, reuso e extensão por outros pesquisadores. Não é sobre publicar o artigo final, é sobre publicar o material que sustenta o artigo: a planilha, o código de análise, o banco de questionários, os áudios transcritos quando a ética permitir.

A resistência que você provavelmente já viu em algum grupo de pesquisa não é técnica. É cultural. Durante décadas, o dado bruto funcionou como capital pessoal do pesquisador, algo que ele guarda porque pode gerar mais um artigo, mais uma tese de orientando, mais uma vantagem competitiva na próxima submissão de projeto. Essa lógica fazia sentido num sistema onde a avaliação acadêmica premiava quantidade de publicação individual. Ela está rachando agora porque o sistema de avaliação está, lentamente, mudando o que valoriza.

Vale notar que essa mudança não é retórica vazia de política científica. Ela tem consequência concreta em quem recebe financiamento, em quem consegue publicar num periódico de peso, e em quem a comunidade passa a citar com mais frequência. Entender o mecanismo ajuda a decidir o que fazer com o próprio material de pesquisa, hoje, antes que a exigência bata na sua porta de forma obrigatória.

O que muda quando o dado sai da gaveta e vai pro repositório

Quando um dado é depositado num repositório público, com metadados organizados e licença clara de uso, três coisas acontecem ao mesmo tempo.

A primeira é verificação. Um artigo com dado aberto permite que outro pesquisador reproduza a análise, encontre um erro de código, ou confirme que o resultado é robusto. Isso é ciência funcionando como deveria funcionar, não como depoimento de autoridade que ninguém confere. Boa parte da discussão sobre crise de replicação em áreas como psicologia e biomedicina aponta, entre outras causas, a dificuldade de acessar o dado original de estudos influentes.

A segunda é reuso. Um banco de dados coletado com custo alto, seja tempo de campo, seja equipamento caro, pode servir pra uma segunda pergunta de pesquisa que o autor original nem pensou em fazer. Isso multiplica o valor do investimento público que financiou a coleta. Uma pesquisa de campo que levou dois anos e consumiu recurso de bolsa pode alimentar três, quatro teses diferentes, se o material estiver organizado e acessível.

A terceira é credibilidade pro próprio autor. Artigo com dado aberto costuma ser mais citado, porque outros pesquisadores enxergam transparência como sinal de rigor. Esse ganho de citação compensa, em boa parte dos casos, o medo de perder a exclusividade do material. E há um efeito colateral que poucos consideram: o próprio pesquisador, ao reabrir o banco um ano depois pra escrever outro artigo, se beneficia da organização que fez pra deixar o dado público. Documentar pros outros é documentar pra si mesmo no futuro.

Dados Fapesp, CNPq e a pressão institucional que está chegando

Agências de fomento têm incorporado exigências de gestão e, em alguns casos, abertura de dados em políticas de ciência aberta. A Fapesp tem incorporado, em suas políticas de ciência aberta, requisitos de plano de gestão de dados (DMP, na sigla em inglês) para projetos financiados pela agência. O CNPq, por sua vez, participa da Política Nacional de Dados Abertos em Ciência e Tecnologia, coordenada junto ao Ministério da Ciência, Tecnologia e Inovação.

Isso não significa que todo edital hoje obriga abertura total de dados. Significa que a tendência está em movimento, e quem já organiza o dado desde a coleta pensando em eventual abertura sai na frente quando a exigência bater na porta do seu próprio edital. É parecido com o que acontece com qualquer mudança regulatória lenta: quem se adianta sofre menos quando a regra vira obrigação formal, porque já incorporou o hábito antes de ser cobrado por ele.

Vale fazer a pergunta inversa também: por que resistir a algo que, na maioria dos casos, não custa nada além de organização prévia? Na minha experiência orientando pesquisa, uma parte dessa resistência não parece ser sobre o dado em si. É sobre o medo de ser julgado pela qualidade da coleta, ou sobre o hábito de controle que a cultura acadêmica ensinou como virtude. Ninguém ensina isso explicitamente numa disciplina de metodologia, mas o comportamento se reproduz de orientador pra orientando como se fosse regra tácita da profissão.

As exceções legítimas que a política de dados abertos já prevê

Dados abertos não é dogma absoluto, e qualquer política séria de ciência aberta reconhece isso.

Pesquisa com seres humanos frequentemente envolve dado sensível: identidade, saúde, orientação sexual, dado que pode expor participante a risco se divulgado sem anonimização robusta. Nesses casos, o comitê de ética da instituição define o que pode e o que não pode ser aberto, e isso é respeitado pelas próprias diretrizes internacionais, como os princípios FAIR, que defendem dados tão abertos quanto possível, tão fechados quanto necessário.

Pesquisa com parceria privada também tem restrição legítima, especialmente quando há propriedade intelectual envolvida ou cláusula contratual de confidencialidade. Uma pesquisa financiada em parte por indústria farmacêutica, por exemplo, pode ter cláusula de sigilo temporário até o registro de patente, e isso não é má-fé, é regra contratual pactuada desde o início do projeto.

E pesquisa em estágio inicial, antes da publicação do artigo principal, pode usar embargo temporário, uma prática aceita que protege o pesquisador de ter o próprio achado publicado por outra pessoa antes dele. O ponto não é abrir tudo sempre. É parar de tratar “fechado por padrão” como a opção neutra, quando na verdade é uma escolha com custo pra ciência coletiva, e que precisa ser justificada caso a caso, não assumida automaticamente.

Como organizar o dado desde o início pra não sofrer depois

Se você está no meio da coleta agora, vale pensar em gestão de dados como parte do método, não como tarefa de última hora antes da submissão. É exatamente o tipo de decisão que a fase de Orientação do Método V.O.E. (Velocidade, Orientação, Execução Inteligente) organiza: entender a estrutura do trabalho inteiro antes de acumular arquivo solto sem padrão.

Na prática, isso significa nomear arquivo de forma consistente desde a primeira coleta, documentar o significado de cada variável numa planilha de metadados, e decidir desde o protocolo de pesquisa quais dados poderão ser abertos e quais exigirão anonimização. Deixar essa decisão pro fim do projeto costuma gerar retrabalho de meses, porque reconstruir contexto de um dado coletado há dois anos é muito mais difícil do que documentar enquanto ele está fresco. Toda orientanda que já tentou entender a própria planilha de três anos atrás, sem lembrar o que cada coluna significava, sabe exatamente do que estou falando.

Repositórios como o Dataverse brasileiro e o Zenodo aceitam depósito de dado com DOI próprio, o que facilita a citação formal do material como produto científico independente do artigo. Isso também conta, em muitos programas, como produção acadêmica, o que significa que organizar o dado direito não é só ética, é também currículo.

O argumento que falta na discussão sobre dados abertos

A conversa sobre dados abertos costuma girar em torno de regra e obrigação. Falta o argumento de fundo: ciência que não pode ser verificada não é ciência, é confiança cega em autoridade. Quando um resultado importante circula sem o dado que o sustenta, a comunidade científica está sendo convidada a acreditar, não a checar. Isso é exatamente o oposto do método que a ciência promete desde a sua formulação mais básica.

Reconhecer isso não significa exigir perfeição instantânea de quem está no meio de um doutorado com prazo apertado. Significa entender que a cultura de guardar o dado com exclusividade tem um custo coletivo real, e que cada pesquisadora que decide organizar e, quando possível, abrir o próprio material está deslocando essa cultura um grau. Não é um gesto heroico, é um ajuste de hábito que, multiplicado por milhares de pesquisadores, muda o que a ciência consegue verificar coletivamente.

Se você quer entender melhor como essa discussão se conecta com a construção de uma prática de pesquisa mais transparente de ponta a ponta, vale ler sobre o que é ciência aberta e como ela funciona, que trata o tema de forma mais ampla e mostra outras frentes dessa mudança, além do dado em si.

O que fica depois dessa discussão

Dado aberto não resolve todos os problemas da ciência, e abrir um banco de dados sem contexto nem documentação pode até confundir mais do que ajudar. Um arquivo despejado num repositório sem explicação de variável é quase tão inútil quanto um arquivo fechado, só que com a aparência de transparência. Abrir dado não é só liberar acesso, é documentar o suficiente pra que o acesso signifique alguma coisa.

Mas o movimento geral, agências de fomento cobrando plano de gestão, periódicos exigindo disponibilização de material suplementar, comunidade científica valorizando reprodutibilidade, aponta pra uma direção clara: dado que sustenta afirmação pública precisa estar disponível pra quem quiser verificar. Isso vale pra artigo publicado em periódico internacional de alto impacto e vale pra TCC defendido numa banca pequena de interior, ainda que a cobrança formal demore mais a chegar nesse segundo caso.

Você não precisa abrir tudo amanhã. Precisa parar de tratar a decisão de manter fechado como automática, e passar a tratá-la como o que ela é: uma escolha que tem justificativa em alguns casos, e em muitos outros é só hábito antigo que a ciência está, aos poucos, deixando de aceitar sem pergunta. A próxima vez que você organizar uma coleta de dados, vale perguntar antes de arquivar: isso devia estar fechado, ou só está fechado porque sempre foi assim?