Toda medida de comportamento responde a duas perguntas distintas. A primeira é de confiabilidade: medindo o mesmo evento outra vez, sai o mesmo número? A segunda é de validade: esse número diz respeito ao que realmente interessa? São perguntas separadas, e a ordem entre elas importa — uma balança desregulada acusa sempre os mesmos 3 kg a mais, com perfeita consistência, e uma balança não mede altura por mais bem calibrada que esteja. Entre as duas fica a acurácia: o quanto o valor registrado se aproxima do valor verdadeiro. Na prática clínica e escolar, essas três qualidades não aparecem sozinhas: elas são construídas — com definições claras, observadores treinados, comparação com um padrão externo e checagem de concordância — ou simplesmente não existem.
A confiabilidade (ou fidedignidade) de uma medida é o grau em que a medição repetida do mesmo evento produz os mesmos valores. A acurácia é o grau em que os valores observados correspondem aos valores verdadeiros do evento, estabelecidos por um procedimento independente de referência. A validade é o grau em que a medida — e a interpretação que se faz dela — corresponde ao fenômeno que se pretende investigar. Em Cooper, Heron & Heward, as três constituem os indicadores de uma medida digna de confiança, e a validade da medida comportamental exige três elementos simultâneos: medir diretamente um comportamento socialmente significativo, medir a dimensão relevante para a pergunta em questão e garantir que os dados sejam representativos das condições e dos momentos que importam. No arcabouço psicométrico dos Standards for Educational and Psychological Testing (AERA, APA e NCME, 2014), validade não é uma propriedade fixa do instrumento, e sim o grau em que evidências e teoria sustentam uma interpretação específica dos escores para um uso específico.
As perguntas que vivem sendo confundidas
Imagine três balanças. A primeira está desregulada e marca sempre 3 kg a mais: ela é consistente — pese dez vezes e sairá o mesmo número —, mas o número está sistematicamente errado. A segunda tem um defeito no sensor e devolve 61 kg, 68 kg, 64 kg para a mesma pessoa no mesmo minuto: aqui o problema é outro, nenhuma leitura isolada serve para nada. A terceira é uma balança impecável usada para responder à pergunta errada — ninguém descobre a altura de alguém pesando a pessoa, não importa quão fina seja a calibração.
Essas três falhas têm nomes diferentes porque exigem remédios diferentes. A primeira é falta de acurácia (viés sistemático), e se resolve comparando o instrumento com um padrão. A segunda é falta de confiabilidade, e se resolve melhorando o sistema de medida e o treino de quem mede. A terceira é falta de validade, e nenhuma quantidade de rigor técnico a conserta: é preciso mudar o que está sendo medido.
A tríade da medida que merece confiança
As três qualidades formam uma hierarquia prática: a validade define o que vale a pena medir, a acurácia diz se o número bate com a realidade e a confiabilidade diz se dá para repetir o procedimento. Explore cada uma:
Validade — o número diz respeito ao que importa?
É a primeira pergunta, e a mais fácil de pular. Para que uma medida comportamental seja válida, três condições precisam valer ao mesmo tempo:
- Medida direta do comportamento que importa — observar a própria resposta de interesse, e não um substituto conveniente. Contar quantas fichas a criança ganhou não é medir se ela aprendeu a pedir; a nota de um questionário respondido pela escola não é a frequência do comportamento na escola.
- Dimensão relevante — a propriedade medida tem de corresponder à preocupação real. Se a queixa é que as crises duram muito, contar quantas crises houve pode não mostrar melhora nenhuma, ainda que cada episódio tenha caído de quarenta para cinco minutos. Veja dimensões de medida.
- Dados representativos — a observação precisa cobrir as condições e os horários em que o comportamento de fato ocorre. Medir agressão somente nas duas primeiras horas da manhã, quando os episódios se concentram no fim da tarde, produz um gráfico bonito e falso.
Acurácia — o número bate com o valor verdadeiro?
Uma medida é acurada quando o valor registrado coincide com o valor verdadeiro do evento. E valor verdadeiro não é opinião do supervisor: é um número obtido por um procedimento independente e mais confiável que a medida em teste — um instrumento calibrado, a contagem de um produto permanente (as questões efetivamente resolvidas na folha) ou a análise cuidadosa de uma filmagem da mesma sessão.
Checar acurácia é, portanto, comparar com um padrão externo, e não comparar dois observadores entre si. É a única checagem capaz de detectar erro sistemático: se todos os envolvidos subestimam igualmente, nada na comparação interna vai acusar o problema. Na prática, isso costuma ser feito por amostragem — algumas sessões ao longo do acompanhamento, e não todas.
Confiabilidade — a medida se repete?
Confiabilidade é consistência: medir o mesmo evento de novo e obter o mesmo valor. É a qualidade mais fácil de verificar e a mais fácil de confundir com as outras duas, porque não diz nada sobre estar certo. Um relógio parado é extremamente confiável.
Duas relações lógicas organizam o assunto e vale guardá-las:
- Uma medida acurada é necessariamente confiável — se toda leitura coincide com o valor verdadeiro, as leituras coincidem entre si.
- Uma medida confiável não é necessariamente acurada nem válida — pode errar sempre igual, ou medir com precisão a coisa errada.
Daí a ordem de prioridade: melhorar a consistência de uma medida que mede a coisa errada é investir trabalho para errar com mais elegância.
Por que a confusão é tão comumEm português, confiabilidade, fidedignidade e precisão aparecem como traduções do mesmo reliability — e no uso cotidiano “confiável” sugere “verdadeiro”, que é justamente o que o termo técnico não garante. Vale desconfiar de duas frases: “esse dado é confiável, então pode decidir com ele” (confiável sem ser válido é lixo consistente) e “a medida é super detalhada, então é boa” (riqueza de detalhe sobre a variável errada não resolve nada).
O que corrói a validade do dado
As ameaças à validade da medida não são acidentes raros: são escolhas de rotina, feitas de boa-fé, quase sempre por conveniência.
- Medida indireta — medir um substituto no lugar do comportamento: escalas de impressão, relatos retrospectivos, lembrança de quem conviveu. Às vezes é a única via possível, e então é preciso dizer explicitamente o que se está medindo — a impressão de alguém, e não a ocorrência do comportamento.
- Dimensão errada — contar quando o que importa é duração, cronometrar quando o que importa é latência, medir porcentagem de acertos quando o problema é a demora para começar.
- Medição descontínua — métodos por intervalo estimam a ocorrência, e cada um erra para um lado previsível. O problema não é usá-los; é tratar a estimativa como contagem exata, ou trocar de método no meio do acompanhamento e ler a diferença como progresso.
- Período de observação mal escolhido — observar sempre no mesmo horário, no contexto mais fácil ou só quando há equipe suficiente produz dados sobre aquela janela, não sobre o dia da pessoa.
- Escala insensível ou limitante — quando a escala não tem resolução para mostrar a mudança que se espera, ou impõe teto e piso artificiais. É o caso da porcentagem calculada sobre poucas tentativas.
O que corrói a acurácia e a confiabilidade
Aqui as ameaças moram no sistema de medida e em quem o opera — e quase nunca em má-fé:
- Sistema de medida mal desenhado — definições vagas, códigos demais, muitos comportamentos monitorados ao mesmo tempo, ficha difícil de preencher no meio da ação. Quanto mais o observador precisa julgar, mais o número depende de quem observa. O antídoto começa na definição operacional.
- Treino insuficiente — quem registra precisa praticar com exemplos e contraexemplos e atingir um critério de desempenho antes de os dados valerem. Dados de observador destreinado não se recuperam depois.
- Desvio do observador (observer drift) — a aplicação da definição muda devagar ao longo das semanas, sem que ninguém perceba. Combate-se com reciclagem periódica e recalibração contra as gravações usadas no treino original.
- Expectativa e viés — saber em que fase o programa está, ou qual resultado se espera, empurra as marcações. Ajuda manter quem registra alheio à fase e ao resultado esperado, e não deixar que a mesma pessoa aplique e avalie sozinha a própria intervenção.
- Reatividade — ser observado altera o comportamento observado, e saber-se supervisionado altera o jeito de registrar. Observação menos obtrusiva, períodos de adaptação e checagens não anunciadas reduzem o efeito.
Como se checa na prática: a concordância entre observadores
A ferramenta mais usada na análise do comportamento aplicada é a concordância entre observadores — IOA, de interobserver agreement: duas pessoas registram a mesma sessão de forma independente e os dois registros são comparados. Independente é a palavra decisiva: se conversam durante a sessão, ou se uma vê a folha da outra, a concordância obtida não significa nada.
O IOA responde a três perguntas úteis: a definição operacional está clara o bastante para produzir o mesmo número em mãos diferentes? Observadores novos já estão prontos? Houve desvio ao longo das semanas? Por isso o IOA não é um ritual de uma única sessão: coleta-se em amostras ao longo de todas as fases do acompanhamento, com pares de observadores variados.
Há vários modos de calcular, e eles não são intercambiáveis — o mesmo par de registros pode render 95% por um método e 60% por outro. Vire os cartões:
Para medidas de tempo existem equivalentes: concordância da duração total (a menor duração dividida pela maior) e da duração por ocorrência, episódio a episódio — esta última, de novo, a mais exigente e a mais informativa.
Concordar não é acertar — e 80% não é um teoremaDois observadores treinados juntos, com a mesma definição imprecisa e a mesma expectativa, erram do mesmo jeito e exibem concordância altíssima. O IOA mostra que a medida é reprodutível, não que seja acurada; para isso é preciso o padrão externo. Quanto ao limiar: convencionou-se na literatura relatar valores a partir de 80%, com 90% ou mais tido como desejável sobretudo quando a decisão clínica depende daqueles dados — mas isso é convenção de campo, não lei da natureza. Um número alto obtido em uma única sessão, pelo método mais indulgente e sempre com o mesmo par de observadores, informa muito pouco. Mais detalhes em registro e coleta de dados.
Quando a medida é um teste, uma escala ou um questionário
Avaliações psicológicas e instrumentos padronizados — escalas de desenvolvimento, inventários, questionários de rastreio — vivem o mesmo problema com outro vocabulário, o da psicometria. A confiabilidade costuma ser estimada de três maneiras complementares:
- Teste-reteste — o mesmo instrumento aplicado duas vezes à mesma pessoa, com um intervalo em que não se espera mudança real, deve produzir resultados próximos.
- Entre avaliadores — aplicadores diferentes, diante do mesmo desempenho, devem chegar a escores próximos. É o parente direto do IOA.
- Consistência interna — os itens que supostamente medem a mesma coisa devem se comportar de forma coerente entre si. É o que índices como o alfa de Cronbach estimam — e é bom lembrar que um alfa alto indica itens inter-relacionados, não que o instrumento meça o construto certo.
Do lado da validade, os Standards de 2014 (AERA, APA e NCME) trouxeram uma mudança de enquadramento que vale conhecer: em vez de “tipos de validade”, fala-se hoje em um conceito unitário sustentado por diferentes fontes de evidência — o conteúdo do instrumento, os processos de resposta de quem o responde, a estrutura interna dos itens, as relações com outras variáveis (incluindo a capacidade de prever desfechos) e as consequências do uso. A pergunta deixa de ser “este teste é válido?” e passa a ser “há evidência suficiente para esta interpretação, com esta população, para esta finalidade?”. Um instrumento bem validado para rastrear risco em grande escala pode ser frágil para fechar um diagnóstico individual — e um instrumento construído em outro país precisa de adaptação cultural e de normas locais antes de valer por aqui.
No Brasil isso não é só recomendação técnica. A Resolução CFP nº 31/2022, que regulamenta o Sistema de Avaliação de Testes Psicológicos (SATEPSI) e substituiu a resolução de 2018, condiciona o parecer favorável a um teste psicológico à apresentação de evidências empíricas de validade, de estimativas de precisão das interpretações e de um sistema de correção e interpretação dos escores — e fixa prazo máximo de 15 anos para os estudos de validade, precisão e normas, contados da aprovação pelo Plenário do CFP. Na prática, isso dá às famílias uma pergunta legítima e simples de fazer: este instrumento está aprovado e com estudos atualizados?
Outros dois sentidos de “validade”
A palavra circula em mais de um sentido, e trocá-los gera confusão. Além da validade da medida, discutida aqui, fala-se em validade interna e externa de um estudo — se o resultado pode ser atribuído à intervenção e não a outra coisa, e se ele se generaliza para outras pessoas e contextos. São perguntas sobre o delineamento, não sobre o instrumento; e nada disso se sustenta sem uma medida decente, porque um experimento impecável que mede a variável errada responde com rigor a uma pergunta que ninguém fez.
Há ainda a validade social, proposta por Montrose Wolf em 1978: perguntar às pessoas diretamente envolvidas se os objetivos do programa fazem sentido, se os procedimentos são aceitáveis e se os efeitos importam na vida real. É uma medida declaradamente subjetiva, e essencial: um gráfico em queda não significa nada se a família, a escola e sobretudo a própria pessoa não reconhecerem ali alguma melhora que valha a pena.
Teste seu entendimento
Quiz rápido
Três perguntas para fixar o conceito. Você vê a explicação na hora.
Para saber mais
- Cooper J. O., Heron T. E. & Heward W. L. Applied Behavior Analysis. 3ª ed. Pearson, 2020 — cap. “Improving and Assessing the Quality of Behavioral Measurement”.
- Johnston J. M. & Pennypacker H. S. Strategies and Tactics of Behavioral Research. Routledge — sobre valores verdadeiros, calibração e as propriedades da medida.
- American Educational Research Association, American Psychological Association & National Council on Measurement in Education. Standards for Educational and Psychological Testing. AERA, 2014.
- Conselho Federal de Psicologia. Resolução CFP nº 31/2022 — diretrizes para avaliação psicológica e regulamentação do SATEPSI. satepsi.cfp.org.br
- Wolf M. M. “Social validity: the case for subjective measurement or how applied behavior analysis is finding its heart”. Journal of Applied Behavior Analysis, 11(2), 203–214, 1978.
Este verbete tem caráter educativo e não substitui avaliação, diagnóstico ou tratamento por um profissional de saúde qualificado. Cada pessoa é única — para um caso específico, procure orientação individualizada.