Eu tinha um questionário para eles responderem: repleto de perguntas que exigiam respostas numéricas sobre consumo e estrutura familiar — quem morava na casa, quantos anos tinham, o que tinham comido, de que era feito o telhado. Isso é coisa padrão em economia do desenvolvimento.

Tínhamos entrado há poucos minutos quando a porta se abriu com um estrondo. O marido de uma mulher invadiu a sala, agarrou-a pelos cabelos e a arrastou para fora, gritando que o almoço não estava pronto e que ela estava perdendo tempo conosco.

Eu era uma jovem economista na época, com um doutorado recém-concluído. Meu questionário não continha nenhum item sobre o que eu acabara de presenciar. Não tínhamos ido estudar violência doméstica; tínhamos ido coletar evidências sobre questões mais prosaicas de como os sistemas socioculturais e econômicos moldam os mercados matrimoniais e os padrões de vida.

O escopo era tão vago que, em princípio, quase tudo deveria ser considerado relevante; deveria ter sido fácil reformular e coletar mais dados que refletissem com precisão a vida das mulheres. Mas a pesquisa que tínhamos trazido — com todas as suas suposições inerentes — estava calibrada para registrar o que podia ser medido com clareza e pouco mais. Nossa formação acadêmica não era adequada para o propósito.

Passamos uma semana naquela aldeia, bebendo leitelho e café, suportando muitos silêncios, até que uma das mulheres finalmente se abriu e disse: “Vocês se tornaram nossos amigos e não podemos mais mentir para vocês. Nos sentimos como se estivéssemos na prisão. Nossos maridos nos batem o tempo todo. Eles gastam o dinheiro da família com bebida. Ninguém nos ajuda.”

Essa foi uma informação nova. Reescrevemos nosso questionário na hora, adicionamos itens sobre violência doméstica contra a esposa, o que resultou em uma análise de métodos mistos sobre violência doméstica e em um dos primeiros artigos econômicos sobre o assunto em um país em desenvolvimento .

Reflito sobre aquela semana há mais de 30 anos. Não porque a história seja incomum — qualquer pessoa que tenha realizado trabalho de campo sério tem uma versão dela — mas pelo que ela me ensinou sobre a minha própria área de atuação. Sou economista, e a economia é conhecida pelo seu rigor, pela sua ênfase em métodos quantitativos — e pelo seu distanciamento dos seus objetos de estudo. A economia tende a se concentrar no mensurável, o que pode excluir o que é importante; se algo não pode ser incluído em um módulo introdutório, não vale a pena estudá-lo. Mas a vida é mais do que módulos introdutórios, e a barreira entre economista e objeto de estudo não é uma conveniência metodológica. É o problema central da disciplina.

Passei minha carreira como uma espécie de espião — um economista que contrabandeava métodos da antropologia por cima do muro. Escrevi a versão acadêmica e rigorosa desse argumento. O que se segue é a versão que eu discutiria tomando um drinque.

Como chegamos aqui

As coisas não começaram assim. No final do século XIX, Charles Booth, um magnata do setor naval que se tornou sociólogo amador, decidiu descobrir como viviam os pobres de Londres. Ele dedicou 17 anos a essa tarefa. Sua equipe coletou informações sobre 4 milhões de londrinos: inspetores escolares, donos de fábricas, clérigos, policiais e muitos outros. Eles realizaram pesquisas, mas também fizeram muito mais: tomaram notas, conduziram entrevistas abertas e criaram mapas com códigos de cores. Booth utilizou tanto números quanto histórias, pois sua pergunta — como é a pobreza em Londres? — exigia ambos. Ele e sua equipe reuniram tudo isso em 17 volumes de “Vida e Trabalho do Povo em Londres”, mostrando, quarteirão por quarteirão, quem era rico, quem era indigente e quem estava em algum ponto intermediário. Essa integração de histórias e dados moldou as políticas econômicas e sociais na Grã-Bretanha por uma geração.

Ao longo do século XX, essa integração se desfez. A economia, em sua busca por status científico, restringiu-se à análise de dados quantitativos. A antropologia cultural se fragmentou na tradição etnográfica — algumas partes profundamente perspicazes, outras consumidas por críticas e introspecção. A sociologia se dividiu em muitas áreas e em uma espiral de debates internos sobre métodos. A psicologia tornou-se experimental. A ciência política foi cada vez mais influenciada pela economia, tanto na teoria quanto na metodologia, mas manteve-se aberta à combinação de métodos qualitativos e quantitativos. Na década de 1980, as disciplinas se distinguiam umas das outras principalmente pelo que se recusavam a analisar.

Na economia, houve algumas tentativas de superar essa lacuna, mas sem grande impacto. Em 1984, Pranab Bardhan organizou uma conferência seminal sobre “Conversas entre Economistas e Antropólogos” a respeito de dados e métodos mistos. Em 2002, tentei defender a “econometria participativa”.

Em seguida, veio a revolução da credibilidade. Num esforço para tornar a pesquisa mais credível e confiável, a inferência causal tornou-se a estrela-guia da economia empírica. Isso significava que os economistas podiam afirmar com segurança que A causava B, mas também significava negligenciar os tipos de perguntas que não podiam ser respondidas com essas ferramentas.

Não quero ser mal interpretado. A revolução da credibilidade representa um grande avanço para as ciências sociais. Agora podemos responder a perguntas que, há 30 anos, eram realmente insolúveis. Mas quando a única ferramenta aceitável é um martelo, tendemos a procurar perguntas que poderiam ser respondidas com um prego. Os economistas tendem a preferir perguntas que possam ser respondidas de forma clara e objetiva, deixando de lado aquelas que não podem. No desenvolvimento, as consequências têm sido particularmente drásticas. Agora podemos estimar, com precisão de três casas decimais, como uma transferência de renda afeta a altura de uma criança. Quase não temos informações sobre como o programa funcionou (ou não funcionou) e quase nunca ouvimos diretamente da criança e de sua família o que elas têm a dizer sobre isso — em suas próprias palavras.

O problema da distância

Em 2002, o sociólogo Michael Burawoy traçou uma linha divisória clara entre o que chamou de ciência positiva e ciência reflexiva . A ciência positiva — que se assemelha, em linhas gerais, à economia — isola-se de seus sujeitos. A coleta de dados é padronizada, de modo que não importa quem a esteja coletando. O pesquisador não precisa estar presente; uma empresa de pesquisa pode administrar um questionário tão bem quanto ele. O mundo deve ser observado, não vivenciado. A ciência reflexiva — a etnografia, em sua melhor forma — adota o ponto de vista oposto. A entrevista não é separada da intervenção; ela faz parte dela. O pesquisador não está separado da pesquisa; pelo contrário, sua presença é uma parte fundamental do processo.

Burawoy acreditava que essas duas maneiras de fazer ciência social eram tão diferentes que jamais poderiam ser reconciliadas. Discordo, e passei grande parte da minha carreira tentando conciliar essas duas abordagens que, segundo ele, jamais poderiam se encontrar. Mas ele está certo em um ponto: a distância entre pesquisador e pesquisado é real, e na economia do desenvolvimento é gritante.

Quase todos que conheço que estudam pobreza nunca foram pobres. Frequentemente, somos de países diferentes, classes sociais diferentes, castas e raças diferentes, e muitas vezes falamos línguas diferentes das pessoas sobre as quais escrevemos. Nada disso nos desqualifica para trabalhar com a pobreza — seria uma profissão estranha se insistisse que apenas os pobres pudessem estudá-la —, mas deveria nos dar alguma humildade. A maioria dos economistas do desenvolvimento não sabe como é a vida das pessoas pobres, no dia a dia.

O que a disciplina recompensa, em vez disso, é uma demonstração de objetividade: os pesquisadores não devem influenciar seus sujeitos; devem manter-se imparciais e usar as mesmas ferramentas que todos os outros. Suas suspeitas subjetivas não devem contaminar sua análise. Você não faz parte do grupo de sujeitos e não deveria fazer; sua influência sobre eles tornaria sua pesquisa menos válida.

Em resumo: quanto maior a distância entre nós e aqueles que estudamos, mais claramente os veremos. O oposto está mais próximo da verdade. A distância não produz clareza; produz o tipo de clareza que se obtém ao olhar através de um pequeno círculo limpo dentro de uma janela suja. Ela nos convence de que tudo o que conseguimos distinguir do local onde estamos é tudo o que há para ver.

Quatro coisas que realmente poderíamos fazer

Então, o que seria necessário? Sugiro quatro coisas que a economia (do desenvolvimento ou de qualquer outra área) poderia fazer para diminuir o distanciamento dos pesquisadores em relação aos seus objetos de estudo.

Empatia cognitiva

O sociólogo Mario Small usa a expressão “empatia cognitiva” para se referir à capacidade de compreender a situação de uma pessoa a partir da perspectiva dela. Não basta pensar em como você se sentiria se estivesse no lugar dela; é preciso pensar na situação a partir da perspectiva dela. É muito mais difícil do que parece. Requer que você leve a sério a possibilidade de que a teoria que seus entrevistados têm sobre suas próprias vidas seja mais precisa do que a sua.

Alguns dos melhores economistas do desenvolvimento que conheço possuem essa qualidade em abundância. Jean Drèze viveu décadas na Índia rural sobre a qual escreve, recusou financiamento de instituições como o Banco Mundial, que ele acreditava comprometerem sua independência, e lutou com sucesso por uma das maiores garantias de emprego rural do mundo. Apesar disso, ele quase nunca publica análises qualitativas; seu trabalho é predominantemente quantitativo. Mas cada frase é moldada por anos de escuta atenta. Ele não está sozinho entre os economistas; Christopher Bliss e Nicholas Stern passaram oito meses na vila de Palanpur em meados da década de 1970 e inspiraram o que hoje é um projeto de pesquisa multigeneracional .

A questão não é que a empatia deva aparecer como um parágrafo qualitativo no artigo. Simplesmente ter realizado um grupo focal e mencioná-lo em uma nota de rodapé para dar um toque de cor (e sinalizar sua credibilidade na área) não é suficiente. Muitos economistas já fazem isso; claramente não basta para reduzir a distância entre o pesquisador e o pesquisado.

O problema é que o trabalho precisa ser moldado por isso. E aqui está a verdade incômoda: quase toda a economia do desenvolvimento contemporânea não é. Projetamos experimentos com base nas contribuições de outros economistas. Lemos artigos, debatemos em seminários, criamos novos modelos com base na teoria econômica em vez da experiência. A intervenção acontece por meio de um parceiro implementador, e a pesquisa final é feita por uma empresa de pesquisa. Até mesmo a análise pode ser feita por um assistente de pesquisa (ou, agora, um codificador). O resultado é um conjunto de trabalhos tecnicamente impecável, mas substancialmente superficial. Parafraseando um velho ditado: é uma maneira cara de ser precisamente trivial em vez de vagamente correto.

Narrativas são dados

As pessoas não falam em números. Elas falam em palavras. Contam histórias, contradizem-se, mudam de assunto e voltam ao que já disseram. Esquecem coisas e só se lembram delas no meio do próximo tópico; distraem-se e contam algo interessante, mas sem relação com o assunto. Os questionários são uma espécie de violência contra isso — uma violência útil, muitas vezes, mas violência mesmo assim. Em vez da complexidade da vida humana, você obtém um pequeno número de caixas de seleção. Se as caixas forem bem elaboradas, você obtém muita informação. Mas você nunca obtém tudo e, frequentemente, perde as partes mais importantes.

O livro “Portfólios dos Pobres” é leitura obrigatória para todos os economistas sobre este assunto. Os autores — um economista do desenvolvimento (Jonathan Morduch), um antropólogo, um profissional de microfinanças e um especialista em finanças — abandonaram as pesquisas tradicionais e, em vez disso, visitaram 250 famílias em Bangladesh, África do Sul e Índia pelo menos duas vezes por mês durante um ano, construindo “diários financeiros” a partir de longas conversas abertas. Eles estimaram que as pesquisas pontuais deixavam de captar cerca de metade da atividade financeira de uma família pobre. Metade. Os pobres, descobriu-se, não estavam simplesmente suavizando o consumo. Eles estavam tentando administrar carteiras de ativos em condições de extrema incerteza, com pouquíssima margem para erros. Nenhuma pesquisa de consumo padrão teria demonstrado o nível de complexidade na gestão financeira das famílias pobres; os pesquisadores tiveram que deixar que as famílias descrevessem suas finanças com suas próprias palavras.

Eu mesma já fiz versões disso. Com Paromita Sanyal, passei 10 anos analisando transcrições de 300 reuniões de aldeias no sul da Índia — o que chamávamos de “democracia oral” — para entender se comunidades pobres, com baixo nível de alfabetização e profundamente desiguais conseguiam, de fato, deliberar de forma significativa. (Spoiler: Elas conseguem, e a qualidade dessa deliberação depende muito mais das políticas do governo estadual do que do nível de alfabetização da aldeia.)

Dez anos é muito tempo. É também por isso que tão poucos economistas se dedicam a esse tipo de trabalho. A avaliação para a obtenção da titularidade costuma ser mais lenta do que isso; investir em algo que talvez não dê frutos até depois da titularidade é uma escolha difícil para muitos professores em início de carreira. Pior ainda, esse tipo de dado nem sempre leva ao tipo de publicação que garante a titularidade. Meu trabalho acabou sendo publicado como um livro, não como um artigo em uma revista de grande impacto — algo de valor muito menor quando se está em processo de obtenção da titularidade.

Até recentemente, a tecnologia para ampliar a análise de dados narrativos simplesmente não existia. Os 10 anos foram uma consequência da tecnologia da época, não uma exigência do método. Com a tecnologia atual — dispositivos de gravação, IA para transcrição — coletar dados qualitativos é mais fácil do que nunca. Incorporar algumas semanas de entrevistas abertas em um ensaio clínico randomizado padrão, ler as transcrições que os pesquisadores da sua empresa poderiam coletar de qualquer forma, aproveitar dados qualitativos já existentes — tudo isso cabe no cronograma de uma dissertação, e as ferramentas para ampliar essas análises estão ficando mais baratas a cada ano.

A questão mais profunda reside no reflexo disciplinar. Narrativas abertas ainda são rotineiramente tratadas em economia como "anedotas" em vez de dados. Pesquisadores que combinam métodos quantitativos e qualitativos estão, para citar a piada maravilhosamente perspicaz do cientista político Atul Kohli, "entre a cruz e a espada". Os revisores os rejeitam devido a uma suposta falta de rigor, e os editores não enxergam o valor agregado.

Isso já aconteceu comigo diretamente. Os dois primeiros artigos sobre violência doméstica que mencionei anteriormente — um usando uma combinação de métodos etnográficos e econométricos, o outro construindo um modelo de teoria dos jogos sobre violência relacionada ao dote e testando-o com dados de pesquisa — eram originalmente um único artigo. Quando incluí métodos qualitativos no artigo, ele foi rejeitado por vários periódicos de economia. Meu coautor, Francis Bloch, e eu desistimos e o dividimos em dois — um dos artigos resultantes foi aceito em um dos periódicos mais prestigiosos da área de economia.

Essa aversão ao método qualitativo é uma das superstições mais estranhas da disciplina; não há nenhuma razão metodológica para que uma transcrição seja menos informativa do que uma escala Likert.

Leve o processo a sério.

A economia empírica, especialmente desde a revolução da credibilidade, tornou-se quase obsessivamente focada em resultados. A intervenção funcionou? Em que medida? Para quem? Essas são boas perguntas, mas não são as únicas. É raro que artigos de economia empírica dediquem muito tempo a analisar como um resultado aconteceu. Quem disse o quê para quem para iniciar o processo de mudança? Quem foram os primeiros a adotar a intervenção e quem precisou ser convencido posteriormente? O que as pessoas pensaram sobre a intervenção? Um ensaio clínico randomizado (ECR) pode dizer se uma intervenção funcionou; a etnografia pode dizer por quê. Os mecanismos frequentemente recebem pouca atenção na economia empírica. Você realiza seu ECR, obtém seu resultado, elabora algumas explicações plausíveis e cria um modelo de como essas explicações funcionariam (se estiverem corretas). Isso é bom até certo ponto, mas não vai muito além.

O mapa de mecanismos que você pode construir apenas com base na teoria representa apenas uma pequena parte dos mecanismos que realmente operam no mundo, e raciocinar a partir dos resultados para chegar aos mecanismos é um exercício notoriamente falho. A alternativa é ir de fato, conversar com as pessoas e observar.

Há alguns anos, colegas e eu trabalhamos em um ensaio clínico randomizado na zona rural de Karnataka para testar se o treinamento intensivo em planejamento participativo melhoraria a governança das aldeias. A intervenção designou 50 aldeias para o exercício de treinamento, planejamento e monitoramento participativos e 50 para o grupo de controle. Em vez de nos basearmos apenas em uma pesquisa inicial e final (o que também fizemos), adotamos uma abordagem incomum: alocamos cinco etnógrafos treinados em pares de aldeias de tratamento e controle correspondentes durante todo o período do estudo. Eles produziram 240 relatórios mensais ao longo de quatro anos.

O resultado principal foi nulo. A intervenção não produziu ganhos estatisticamente significativos em comparação com as aldeias do grupo controle. No contexto econômico tradicional, isso teria sido o fim da história — um resultado nulo decepcionante. Talvez o artigo incluísse um modelo teórico sobre por que a participação falha, mas haveria muito pouco a aprender com isso.

Mas, graças às etnografias, pudemos observar o que realmente aconteceu: o “fracasso” não foi uma falha da ideia em si, mas sim das condições em que foi testada. A qualidade da implementação variou bastante: alguns facilitadores foram excelentes, outros, péssimos. Autoridades governamentais de alto escalão não levaram a intervenção a sério e frequentemente transferiam e substituíam os facilitadores por motivos que nada tinham a ver com a intervenção. A persistente desigualdade baseada em castas corroía ativamente quaisquer ganhos obtidos com o treinamento. A etnografia era o cerne do artigo, e não apenas um detalhe.

Respondentes como analistas

Se o nosso propósito como pesquisadores é ajudar as pessoas a melhorarem de vida, então, no mínimo, elas próprias deveriam ser informadas sobre nossas descobertas. Profissionais da área de desenvolvimento vêm discutindo há décadas a inclusão dos participantes de seus estudos no processo de pesquisa — e, no entanto, isso raramente é implementado. E a divulgação dos resultados seria apenas o primeiro passo. Seria melhor se eles ajudassem a definir o que buscamos. Idealmente, eles deveriam poder conduzir pesquisas sobre suas próprias vidas sem qualquer mediação nossa.

Em 2014, com um grupo de colegas do Banco Mundial, tentei isso . Trabalhamos com representantes de mais de 200 aldeias tribais no sul da Índia para coproduzir um método que chamamos de rastreamento participativo. Os moradores passaram semanas decidindo por si mesmos o que consideravam uma boa vida, transformaram essas ideias em perguntas de pesquisa, testaram as perguntas em suas próprias aldeias e, em seguida — usando tablets e um sistema de treinamento baseado em vídeo — entrevistaram seus próprios vizinhos. Em um único distrito, realizamos um censo de 32.000 domicílios em cerca de seis semanas.

Apenas 17% das perguntas coincidiram com a Pesquisa Nacional por Amostra da Índia. Os moradores faziam perguntas diferentes porque queriam saber coisas diferentes. Por exemplo, para avaliar se uma família era pobre, eles elaboraram a seguinte pergunta, que se mostrou extremamente eficaz: “A última pessoa da família a comer passou fome na última semana?”. Para o entrevistado, essa era obviamente uma pergunta dirigida à mãe, e mães em famílias com escassez de alimentos frequentemente passavam fome para alimentar os homens adultos e as crianças da família.

Como os índices de alfabetização eram baixos, colaboramos com os moradores para produzir visualizações de dados com os resultados. Iteramos o processo até que as pessoas que não sabiam ler pudessem ver, de relance, como sua aldeia estava se saindo em relação aos assuntos que lhes interessavam. Os dados foram então usados em reuniões presenciais da aldeia. A qualidade dessas reuniões melhorou consideravelmente, porque todos estavam trabalhando com base na mesma visão geral, em vez de discutirem os fatos.

Em vez da tabela LaTeX usual, aqui está uma visualização dos padrões de casamento que coproduzimos.

Cada mulher da aldeia é representada por uma flor. A altura da flor corresponde à idade em que a mulher se casou. O número de pétalas representa o número de filhos nascidos desse casamento. Uma flor vermelha indicava que a mulher havia se casado com um parente consanguíneo, e uma amarela, que não. Um botão de flor significava que o casamento não era consensual, e uma flor desabrochada, consensual. As associações entre a aparência da flor e seu significado foram ajustadas pelas mulheres para torná-las mais relevantes aos seus contextos locais e, portanto, mais intuitivas.

Alguns moradores que viram essa visualização imediatamente ignoraram a alta proporção de flores vermelhas, já que o casamento dentro da família é aceito e amplamente praticado. No entanto, outras comunidades queriam reduzir a proporção de flores vermelhas em relação às amarelas, educando as futuras gerações de mulheres sobre os problemas relacionados ao casamento entre familiares.

Acredite, eu sei como isso soa. O restante da área classificaria este experimento como “encantador, mas inviável em larga escala”. Isso é um pouco verdade; um processo de pesquisa participativa e coproduzida é mais lento e trabalhoso do que um questionário padrão. Não poderíamos usar um conjunto padrão de perguntas, porque esse conjunto padrão não era o que as pessoas realmente queriam saber. E a alternativa seria manter o status quo: chegaríamos, faríamos um monte de perguntas sobre a vida das pessoas — perguntas que, na verdade, elas não considerariam tão relevantes assim — e escreveríamos um relatório que ninguém da pesquisa leria. Diante disso, pesquisas coproduzidas parecem valer a pena.

O Problema do LLM

A tecnologia para codificar perguntas abertas em entrevistas também melhorou muito na última década. Grandes modelos de linguagem são particularmente hábeis em analisar grandes quantidades de texto não estruturado e extrair temas; as habilidades atuais de Claude pareceriam ficção científica em 2014. Agora, eles podem essencialmente substituir um assistente de pesquisa na codificação de textos em inglês . Eu também já usei grandes modelos de linguagem. Alguns dos meus trabalhos recentes se baseiam em um painel de refugiados rohingya e anfitriões bengaleses, onde realizamos longas entrevistas abertas com 2.000 participantes e desenvolvemos um método que chamamos de iQual. Ele analisou uma pequena subamostra usando codificação qualitativa sociológica interpretativa e, em seguida, usou aprendizado de máquina para ampliar os códigos para a amostra completa. Esse tipo de projeto simplesmente não era viável antes.

Mas usar modelos linguísticos de aprendizagem (LLMs) fora de contextos ocidentais nem sempre é simples. Comparamos nosso método "personalizado" com a codificação baseada em LLMs e descobrimos que os LLMs nos deram resultados altamente tendenciosos — possivelmente porque não são treinados com textos em bengali e dialetos rohingya. O viés de uma pesquisa mal elaborada é, no mínimo, perceptível. O viés de um modelo linguístico de vanguarda treinado na internet, não. Esperamos que este seja um problema temporário; com os esforços em andamento para aprimorar a IA com idiomas com poucos recursos , os LLMs se tornarão mais eficazes com o tempo.

Então, eu deveria estar animado, e na maioria dos dias estou. Mas quero ser cauteloso. É verdade que existe uma versão do futuro em que os modelos de análise narrativa democratizam a análise narrativa da mesma forma que as calculadoras democratizaram a aritmética. Eles são mais rápidos e baratos e podem expandir enormemente o leque de pessoas que podem realizar análises qualitativas. Infelizmente, porém, temo que seja mais provável que sejam usados para aumentar a distância entre pesquisador e entrevistado. Se um pesquisador nunca passa tempo com as pessoas que estuda e simplesmente lê o resumo do modelo de análise narrativa, não há empatia cognitiva. O modelo de análise narrativa é o único que ouve — não o pesquisador. Minha regra prática é que os modelos de análise narrativa não podem substituir um ser humano. Eles podem ampliar seu alcance — ajudá-lo a processar dados mais rapidamente — mas não podem substituí-lo. Você ainda precisa passar tempo em campo; ainda precisa conversar com as pessoas sobre suas vidas e suas necessidades. Você deve ler as transcrições pessoalmente; você deve conhecer as pessoas e o contexto bem o suficiente para poder dizer se a codificação do modelo de análise narrativa está incorreta. Os mestrados em direito podem ser suficientemente poderosos para realizar 90% do trabalho, mas os 10% restantes não devem ser automatizados. Empatia não é uma habilidade exclusiva de Claude.

O que seria realmente necessário para ouvir os entrevistados?

Parte disso pode ser alcançado por pesquisadores individuais que decidem fazer seu trabalho de forma diferente. Uma parcela muito maior, porém, exige que a própria disciplina mude. No momento, os incentivos profissionais ainda impulsionam os jovens pesquisadores a manterem-se na mesma situação de sempre.

Os editores de periódicos precisam parar de rejeitar automaticamente material qualitativo. Os programas de pós-graduação terão que expandir seu ensino, indo além da econometria e incluindo também métodos qualitativos. As comissões de contratação terão que começar a valorizar o tempo gasto em campo. As agências de fomento terão que aceitar que um bom trabalho com métodos mistos pode ser caro e demorado — certamente mais lento do que realizar uma regressão em um escritório em Cambridge. Mas isso também tornará a economia uma disciplina mais forte. Passar tempo com as pessoas produzirá insights que não podem ser obtidos de nenhuma outra forma.

A curto prazo, não estou otimista. As disciplinas são teimosas, e a economia é mais teimosa do que a maioria. É uma disciplina que já luta para se diversificar além de alguns poucos programas de elite , e a economia parece ser particularmente propensa a reproduzir hierarquias de classe . Mas estou menos pessimista do que poderia estar, porque parece que as coisas já estão começando a mudar.

Uma geração mais jovem de economistas do desenvolvimento sente-se mais à vontade com o trabalho de campo do que a minha. Disciplinas afins — ciência política, sociologia, saúde pública — vêm combinando métodos qualitativos e quantitativos há muito tempo sem perder sua identidade disciplinar. Algumas dessas disciplinas chegam a publicar em coautoria com economistas, agregando profundidade e rigor aos artigos econômicos. E algumas agências de fomento também estão começando, ainda que lentamente, a questionar quais vozes estão representadas nos trabalhos que financiam.

Meu argumento, fundamentalmente, não é tão complicado. Se você estuda pessoas, deve ouvi-las. Isso é duplamente verdadeiro se você estuda pessoas que vivem vidas muito diferentes da sua. Cabe a você, como pesquisador, tentar diminuir a distância entre você e seus sujeitos — construindo pontes em vez de muros.

Há trinta anos, Robert Chambers fez uma pergunta importante: “A realidade de quem importa?” Ela ainda não foi respondida. A economia preferiu esquivar-se da questão, fingindo que a empiria poderia substituí-la. Não creio que deva continuar a agir assim. Aliás, penso que esta continua a ser uma das questões em aberto mais importantes na pesquisa sobre desenvolvimento.

A mulher em Karnataka que foi arrastada pelos cabelos para fora do nosso grupo focal estava nos dizendo algo — que a realidade dela não era capturada pelas nossas perguntas. Levamos uma semana para conseguir ouvir isso, e só conseguimos porque ainda estávamos na aldeia uma semana depois. Não há atalhos para isso.

Os números ajudam. As palavras também. Mas o mais importante é sentar na aldeia e ouvir com atenção e empatia suficientes para que alguém lhe diga a verdade.

Vijayendra Rao é um economista do desenvolvimento e cientista social que combina métodos econométricos com etnografia. Ele passou 27 anos como Economista Sênior no Grupo de Pesquisa em Economia do Desenvolvimento do Banco Mundial e atualmente é o Professor Residente Roberta Buffett na Universidade Northwestern. Seus interesses incluem gênero, cultura, participação, democracia deliberativa, economia política e inovações em métodos mistos. Seu trabalho metodológico recente com Julian Ashwin, Monica Biradavolu e outros utiliza processamento de linguagem natural para analisar entrevistas abertas em larga escala e compara os resultados com análises qualitativas baseadas em mestrado em direito. Seu livro mais recente, Revolution by Stealth: How Women's Groups Catalyzed a Cultural Transformation in Bihar (com Shruti Majumdar e Paromita Sanyal), será publicado pela Cambridge University Press em setembro de 2026.

Se você tiver comentários sobre este artigo ou desejar contribuir para a discussão, envie-os por e-mail para letters@indevelopmentmag.com. As respostas serão publicadas na seção de cartas.