<!--
=============================================================================
PROVENANCE NOTE / NOTA DE PROVENIÊNCIA
=============================================================================
This file is an INTERMEDIATE DRAFT produced by Claude on 2026-05-24 inside the
conversation `Claude-Banco de dados para process tracing com testes bayesianos.md`
(see ../conversations/). It is the second README that conversation generated —
185 lines, leaner than the first 367-line draft — and it represents the
*v4-era* framing of the project: explaining-outcome PT with **explicit
numerical Bayesian likelihoods and decibel-based weight of evidence**.

This framing was later REVISED. The canonical methodology adopted by the
repository (see ../../METHODOLOGY.md and ../../NEWS.md) is the *qualitative*
version of logical Bayesianism — no numerical likelihoods, no decibels. The
"peso em decibéis" formula reproduced below (Section "A lógica bayesiana do
banco") is therefore NOT the current methodological position. Preserved here
for historical reference and to make the development trajectory legible.

Este arquivo é um RASCUNHO INTERMEDIÁRIO gerado pelo Claude em 24/05/2026
dentro da conversa `Claude-Banco de dados ... testes bayesianos.md`. Representa
o segundo README daquela conversa — 185 linhas, mais enxuto que o primeiro
rascunho de 367 linhas — e refletia o enquadramento *v4* do projeto:
explaining-outcome PT com **verossimilhanças numéricas explícitas e weight of
evidence em decibéis**. Esse enquadramento foi DEPOIS REVISADO. A metodologia
canônica adotada pelo repositório (ver ../../METHODOLOGY.md e ../../NEWS.md) é
a versão *qualitativa* do bayesianismo lógico — sem verossimilhanças numéricas,
sem decibéis. Preservado aqui apenas para referência histórica.
=============================================================================
-->

# Banco de Dados de Process Tracing
### Reforma da Educação Terciária e Desigualdade no Brasil (1995–2024)

**Método:** Explaining-Outcome Process Tracing com raciocínio bayesiano explícito
**Referência metodológica central:** Fairfield & Charman (2022), *Social Inquiry and Bayesian Inference*
**Periódico-alvo:** *Comparative Political Studies*

---

## O que é este banco e o que ele não é

Este repositório organiza as evidências coletadas para um **explaining-outcome process tracing** — um design que parte de um outcome puzzling e constrói abductivamente a explicação. O banco não é um instrumento de confirmação de um mecanismo pré-definido. É um registro estruturado do processo de construção da explicação, que permite consultar, cruzar e pesar evidências sistematicamente entre hpóteses rivais excludentes.

O argumento central do paper é que as teorias partidárias da economia política comparada da educação (Ansell 2008, Garritzmann 2016, Busemeyer 2015) geram previsões macro corretas para o Brasil mas são mecanisticamente subespecificadas: não preveem o papel dos conglomerados educacionais, do movimento negro, e das restrições fiscais como co-produtores dos resultados distributivos.

---

## A lógica bayesiana do banco

O banco segue Fairfield & Charman (2022) em vez da tipologia Hoop/Smoking Gun bastante comum em process tracion (Beach & Pedersen, 2013). A diferença prática é que, em vez de classificar evidências em categorias discretas, o banco registra dois julgamentos de probabilidade separados para cada evidência:

**P(E|H1)** — quão provável seria encontrar esta evidência se a hipótese H1 fosse verdadeira?  
**P(E|H2)** — quão provável seria encontrar esta evidência se a hipótese rival H2 fosse verdadeira?

A razão entre as duas é a **razão de verossimilhança** (likelihood ratio), cujo logaritmo em base 10 multiplicado por 10 dá o **peso da evidência em decibéis** — adotada por Fairfield & Charman.

```
Peso (dB) = 10 × log₁₀ [ P(E|H1) / P(E|H2) ]

≥ 10 dB  →  forte para H1    (LR ≥ 10)
5–10 dB  →  moderado para H1
1–5 dB   →  fraco para H1
≈ 0 dB   →  não discrimina
negativo →  favorece H2
```

### Por que isso importa para o design abdutivo

No explaining-outcome PT, revisar a conta à luz das evidências não é viés — é o método. A proteção epistemológica não vem de pré-comprometimento com um mecanismo (como no theory-testing PT), mas da **qualidade do raciocínio contrafactual** ao avaliar os likelihoods. Fairfield & Charman chamam isso de *inhabit the world of each hypothesis*: ao avaliar P(E|H1), você suprime o conhecimento de que a evidência já existe e pergunta "se H1 fosse verdadeira, quão esperada seria esta evidência?". É esse raciocínio que precisa ser documentado — não o timing da coleta.

O campo `justificativa_likelihoods` da planilha é o campo metodologicamente mais importante do banco por essa razão.

---

## As quatro hipóteses mutuamente excludentes

| Código | Nome | Mecanismo proposto |
|---|---|---|
| `H_partidaria` | Teoria partidária | Preferências partidárias → design de política → conteúdo distributivo |
| `H_expansao` | Massificação automática | Expansão a níveis massificados reduz desigualdade automaticamente |
| `H_nao_partidaria` | Co-produção não-partidária | Conglomerados + movimento negro → outcomes, independentemente de quem governa |
| `H_fiscal_path` | Restrições fiscais e path dependence | O espaço de reformas possíveis é determinado antes da preferência partidária entrar em cena |

O argumento diagnóstico do paper é que `H_partidaria` gera as previsões macro corretas mas não é o mecanismo operante: `H_nao_partidaria` e `H_fiscal_path` explicam os processos que `H_partidaria` assume sem demonstrar.

---

## Os três episódios empíricos

| # | Episódio | Governo | Puzzle |
|---|---|---|---|
| 1 | PSDB e o setor privado | FHC I e II (1995–2002) | Por que um governo "pró-mercado" conflitou com o setor privado sobre mensalidades, qualidade e subsídios? |
| 2 | ProUni vs. Cotas | Lula I e II / Dilma I (2003–2012) | Por que governos consecutivos de esquerda levaram 2 anos para ProUni e 10+ anos para cotas raciais? |
| 3 | FIES e a diluição empresarial | Lula II / Dilma I e II (2007–2014) | Por que um programa redistributivo foi progressivamente diluído durante governos de esquerda? |

---

## Estrutura do repositório

```
/
├── banco_process_tracing.xlsx   ← planilha principal de trabalho
├── 01_setup_fairfield.R         ← gera as tabelas CSV equivalentes com lógica computacional
├── README.md                    ← este arquivo
└── qualcoder_exports/           ← exports CSV do QualCoder (fontes longas)
```

### A planilha XLSX

É a interface principal de entrada de dados. Contém seis abas:

- **Instrucoes** — guia de uso com escala verbal de probabilidades e interpretação dos decibéis
- **Evidencias** — tabela principal; uma linha por evidência × par de hipóteses comparadas
- **Fontes** — metadados de cada fonte consultada
- **Hipoteses** — as quatro contas explicativas
- **Episodios** — os três episódios empíricos
- **_Listas** (oculta) — listas de validação para os dropdowns

### Colunas calculadas automaticamente na aba Evidencias

As colunas com fundo azul claro calculam sem intervenção assim que você preenche `prob_e_dado_h1` e `prob_e_dado_h2`:

| Coluna | Fórmula |
|---|---|
| `p_num_h1` | Converte categoria verbal → probabilidade numérica |
| `p_num_h2` | Idem para H2 |
| `razao_verossimilhanca` | `p_num_h1 / p_num_h2` |
| `peso_db` | `10 × log₁₀(razao_verossimilhanca)` |
| `peso_categoria` | Categoria verbal baseada no intervalo de dB |

A `peso_categoria` tem formatação condicional: verde escuro para evidência muito forte a favor de H1, vermelho escuro para o extremo oposto, cinza para evidência que não discrimina.

---

## Como adicionar uma nova evidência

1. Abrir a aba **Evidencias** e ir para a primeira linha vazia
2. Preencher as colunas manuais (fundo branco) na ordem:

| Campo | O que preencher |
|---|---|
| `id_evidencia` | Número sequencial |
| `id_episodio` | Dropdown: 1, 2 ou 3 |
| `id_fonte` | Dropdown: ID da fonte em Fontes |
| `h1_codigo` | Dropdown: a hipótese que esta evidência potencialmente favorece |
| `h2_codigo` | Dropdown: a hipótese rival na comparação |
| `prob_e_dado_h1` | Dropdown: escala verbal de 7 pontos |
| `prob_e_dado_h2` | Dropdown: escala verbal de 7 pontos |
| `justificativa_likelihoods` | **Por que** você avaliou P(E\|H1) e P(E\|H2) assim |
| `trecho_original` | Citação direta ou descrição do dado bruto |
| `conteudo_resumido` | Parágrafo analítico sobre o trecho |
| `ator_central` | Dropdown |
| `dimensao_alternativa` | Dropdown |
| `observacoes_codificador` | Notas, limitações, próximos passos |

3. As colunas azuis (`p_num_h1` até `peso_categoria`) calculam automaticamente

### Escala verbal de probabilidade

| Categoria | Valor | Quando usar |
|---|---|---|
| `quase_certa` | 0,95 | Quase certamente observável se H verdadeira |
| `muito_provavel` | 0,80 | Muito provavelmente observável |
| `provavel` | 0,65 | Provavelmente observável |
| `cinquenta_e_cinquenta` | 0,50 | Poderia ou não ocorrer — evidência não discrimina neste eixo |
| `improvavel` | 0,35 | Improvável mas possível |
| `muito_improvavel` | 0,20 | Muito improvável |
| `quase_impossivel` | 0,05 | Equivalente ao Hoop Test de Beach: quase impossível sob esta hipótese |

---

## Sobre o versionamento com Git

O banco é versionado no Git, o que gera um histórico de quando cada evidência foi adicionada e quando julgamentos foram revisados. Isso é útil como **registro do processo de pesquisa** — permite mostrar a trajetória intelectual da análise e responder a perguntas sobre quando determinada conta explicativa foi formulada.

É importante, porém, não confundir isso com pré-registro no sentido experimental. No explaining-outcome PT, revisar a conta à luz das evidências é esperado e metodologicamente legítimo — não é um problema que o versionamento resolve. O que o versionamento documenta é o processo, não o garante contra viés. A proteção epistemológica real está no campo `justificativa_likelihoods`: se o raciocínio contrafactual sobre P(E|H1) e P(E|H2) é articulado de forma que faça sentido independentemente do resultado observado, o banco está operando dentro da lógica de Fairfield & Charman.

Mensagens de commit recomendadas:

```bash
# Ao adicionar fontes novas
git commit -m "fontes: adicionada ata GT MEC 2003 (id_fonte=7)"

# Ao adicionar evidências
git commit -m "evidencias: E06-E09 codificadas (episodio 1, arquivo MEC)"

# Ao revisar um julgamento de likelihood
git commit -m "revisao: E03 prob_e_dado_h2 ajustada de improvavel para muito_improvavel — justificativa atualizada"
```

---

## Linhagem intelectual

O argumento substantivo do paper dialoga com três tradições:

**Teorias partidárias da economia política da educação** (Ansell 2008; Garritzmann 2016; Busemeyer 2015): o papel das preferências de partido na determinação do caráter redistributivo dos sistemas educacionais. O paper confirma a clivagem central dessas teorias — esquerda e direita divergem na de-commodificação do acesso — mas mostra que o mecanismo pelo qual isso ocorre é diferente do que as teorias especificam.

**Redistribuição fácil e difícil na América Latina** (Holland & Schneider 2017; Fairfield & Garay 2017): a distinção entre reformas de baixo custo fiscal que não criam perdedores identificáveis (fáceis) e reformas fiscalmente custosas com perdedores claros (difíceis) explica a assimetria entre ProUni (2 anos) e cotas (10+ anos). Fairfield & Garay (2017), publicado no *Comparative Political Studies*, é a âncora teórica central do argumento alternativo.

**Poder empresarial e estado** (Evans 1995; Busemeyer & Thelen 2020; Bersch, Praça & Taylor 2013): a capacidade de conglomerados educacionais de remodelar critérios de elegibilidade via canais administrativos durante governos de esquerda é evidência de poder institucional de negócios operando independentemente da orientação partidária. Para o contexto brasileiro, o conceito de "arquipélago de excelência" burocrática de Bersch, Praça & Taylor documenta exatamente o tipo de heterogeneidade de capacidade estatal que permite essa dinâmica.

---

## Referências metodológicas

- Fairfield, T., & Charman, A. E. (2022). *Social Inquiry and Bayesian Inference: Rethinking Qualitative Research*. Cambridge University Press.
- Beach, D., & Pedersen, R. B. (2019). *Process-Tracing Methods: Foundations and Guidelines* (2nd ed.). University of Michigan Press.
- Fairfield, T., & Charman, A. E. (2017). Explicit Bayesian Analysis for Process Tracing. *Political Analysis*, 25(3), 363–380.
- Holland, A. C., & Schneider, B. R. (2017). Easy and Hard Redistribution. *Perspectives on Politics*, 15(4), 988–1006.
- Fairfield, T., & Garay, C. (2017). Redistribution Under the Right in Latin America. *Comparative Political Studies*, 50(14), 1871–1906.

---

*Última atualização: 2025*