Escala Likert no TCC: Como Montar, Aplicar e Analisar (2026)

A escala Likert é o formato de resposta mais usado em questionários de TCC para medir atitudes, percepções ou concordância — geralmente com 5 ou 7 níveis, de “discordo totalmente” a “concordo totalmente”. Criada pelo psicólogo Rensis Likert em 1932, no artigo A Technique for the Measurement of Attitudes, ela transforma uma opinião subjetiva em um número tratável estatisticamente, o que permite calcular médias, comparar grupos e rodar testes estatísticos sobre percepções que, de outra forma, só poderiam ser descritas qualitativamente. Este guia explica como montar os itens da escala, aplicá-la corretamente e analisar os dados coletados — incluindo os erros mais comuns que reduzem a confiabilidade dos resultados.

O que é a escala Likert

Tecnicamente, “escala Likert” se refere ao conjunto de itens (afirmações) somados para formar uma pontuação composta — não a um único item isolado. Um item individual, com suas opções de resposta, é chamado corretamente de “item tipo Likert”. Na prática do TCC, porém, os dois termos costumam ser usados de forma intercambiável, e a maioria dos trabalhos analisa cada item separadamente em vez de somar uma pontuação composta — o que também é uma abordagem válida, desde que declarada com clareza na metodologia.

Quantos pontos usar: 5, 7 ou 10?

A escala de 5 pontos (discordo totalmente, discordo, neutro, concordo, concordo totalmente) é a mais comum em TCCs por ser mais fácil de responder e de interpretar. Escalas de 7 pontos oferecem mais granularidade para detectar nuances de opinião, mas exigem respondentes mais atentos. Escalas de 10 pontos (ou 0 a 10) já se aproximam de uma escala de avaliação numérica e são menos frequentes em pesquisas acadêmicas formatadas como Likert clássica. Recomendação prática: use 5 pontos se o público-alvo for amplo e heterogêneo, e considere 7 pontos apenas se a pesquisa exigir maior sensibilidade estatística e o público for mais homogêneo (por exemplo, profissionais de uma mesma área).

Ponto neutro: incluir ou não?

Uma decisão metodológica recorrente é usar um número par de opções (sem ponto neutro, forçando uma posição) ou ímpar (com ponto neutro, tipo “nem concordo nem discordo”). Escalas pares forçam o respondente a se posicionar, mas podem distorcer a resposta de quem genuinamente não tem opinião formada. Escalas ímpares refletem melhor a ambivalência real, mas correm o risco de virar uma “válvula de escape” para respondentes que preferem não se comprometer com uma posição. Não existe resposta certa universal — a escolha deve ser justificada na metodologia com base no objetivo da pesquisa.

Como redigir os itens da escala

Exemplo prático de item de escala Likert

Suponha um TCC sobre satisfação de usuários com um aplicativo de delivery. Um item bem construído poderia ser: “O tempo de entrega informado pelo aplicativo correspondeu ao tempo real de entrega”, com as opções “Discordo totalmente / Discordo / Neutro / Concordo / Concordo totalmente”. Repare que a afirmação mede uma única dimensão (precisão da estimativa de tempo), evita jargão técnico e não combina duas ideias na mesma frase. Um índice composto de satisfação poderia reunir esse item a outros quatro ou cinco, cada um cobrindo uma dimensão diferente (preço, qualidade do produto, atendimento, facilidade de uso do app), somados depois em uma pontuação única por respondente.

Escala Likert x escala de diferencial semântico

É comum confundir a escala Likert com a escala de diferencial semântico, outro formato bastante usado em TCCs de marketing e psicologia. A diferença está na estrutura do item: a Likert apresenta uma afirmação e pede o grau de concordância; o diferencial semântico apresenta um par de adjetivos opostos (por exemplo, “ruim… bom” ou “lento… rápido”) nas extremidades de uma escala numérica, sem afirmação intermediária. Ambas geram dados ordinais tratáveis de forma semelhante na análise, mas a escolha do formato deve refletir o que está sendo medido: atitudes e opiniões costumam caber melhor em Likert; percepções sobre atributos de um produto ou marca costumam caber melhor em diferencial semântico.

Vieses de resposta que distorcem os resultados

Três vieses aparecem com frequência em dados de escala Likert e merecem atenção na hora de interpretar os resultados. O viés de aquiescência é a tendência de concordar com qualquer afirmação, independentemente do conteúdo — mitigado ao alternar itens redigidos de forma positiva e negativa. A tendência central ocorre quando respondentes evitam sistematicamente as opções extremas da escala, concentrando as respostas no meio — mais comum em contextos onde o respondente teme julgamento. Já a desejabilidade social leva o respondente a marcar a opção que julga socialmente mais aceitável em vez da que reflete sua opinião real, especialmente em temas sensíveis. Nenhum desses vieses é eliminável por completo, mas declarar essas limitações na seção de discussão do TCC é parte esperada de uma análise metodologicamente honesta.

Aplicando a escala: amostragem e tamanho da amostra

A qualidade dos dados de uma escala Likert depende diretamente de como a amostra foi selecionada — uma escala bem construída aplicada a uma amostra enviesada ainda produz resultados pouco confiáveis. Antes de aplicar o questionário, é essencial definir o método de amostragem (probabilística ou não probabilística) e calcular um tamanho mínimo de amostra compatível com o tipo de análise estatística planejada. O guia de população e amostra no TCC detalha como calcular esse tamanho e escolher entre os métodos disponíveis. Para quem prefere um passo a passo mais detalhado de elaboração e validação do instrumento, a tesify.pt tem um guia equivalente sobre questionário e escala Likert no TCC: como elaborar, com validação e modelos.

Analisando os dados: o que fazer com as respostas

Uma discussão metodológica recorrente é se dados de escala Likert devem ser tratados como variável ordinal (usando mediana, moda e testes não paramétricos) ou como intervalar (permitindo médias e testes paramétricos, como o teste t ou ANOVA). Na prática de TCC, a maioria dos orientadores aceita o tratamento intervalar quando a escala tem 5 pontos ou mais e os itens são somados em um índice composto — mas essa decisão deve ser explicitada e justificada na seção de metodologia, com referência à literatura metodológica da área. Antes de escolher o teste estatístico, é importante entender a diferença entre os tipos de variáveis envolvidas na pesquisa, detalhada em variáveis de pesquisa: dependente e independente.

Confiabilidade: o Alfa de Cronbach

Quando vários itens Likert são somados para formar uma escala composta (por exemplo, 8 itens medindo “satisfação com o serviço”), é prática padrão calcular o Alfa de Cronbach — um coeficiente que mede a consistência interna dos itens, ou seja, o quanto eles medem de fato a mesma coisa. Valores de Alfa acima de 0,70 costumam ser considerados aceitáveis em pesquisas exploratórias; abaixo disso, vale revisar os itens antes de prosseguir com a análise, já que uma consistência interna baixa enfraquece qualquer conclusão tirada a partir da escala composta.

O cálculo em si é simples em qualquer software estatístico (SPSS, Jamovi ou até planilhas com fórmulas específicas), mas o valor isolado não diz muito sem contexto: um Alfa muito alto (acima de 0,95) pode indicar que os itens são redundantes demais, medindo a mesma coisa de formas quase idênticas, o que também não é desejável. O ideal é uma faixa intermediária, entre 0,70 e 0,90, que indica itens consistentes entre si sem serem meras repetições da mesma pergunta.

Ferramentas para tabulação e organização dos dados

Depois da coleta, a etapa de tabulação — organizar as respostas em planilha, codificar cada opção da escala com um valor numérico e preparar os dados para o software estatístico — costuma tomar mais tempo do que o esperado quando feita manualmente em amostras grandes. Um assistente como o Tesify pode ajudar a organizar essa etapa inicial de estruturação dos dados antes da análise propriamente dita, mas a escolha do teste estatístico e a interpretação dos resultados continuam sendo decisões metodológicas do próprio pesquisador, sempre alinhadas com o orientador.

Erros comuns ao usar escala Likert em TCC

• Chamar de “escala Likert” um único item de resposta, sem compor um índice — o termo tecnicamente correto nesse caso é “item tipo Likert”.
• Misturar escalas de 5 e 7 pontos em partes diferentes do mesmo questionário, dificultando a comparação entre seções.
• Não pré-testar os itens antes da coleta principal, descobrindo ambiguidades apenas na análise dos dados.
• Tratar a escala como intervalar sem justificar essa escolha metodológica no texto.
• Ignorar o cálculo de confiabilidade (Alfa de Cronbach) quando a pesquisa soma múltiplos itens em uma única pontuação.

Checklist antes de aplicar o questionário

• Cada item mede apenas uma ideia, sem afirmações compostas?
• Os itens foram pré-testados com uma pequena amostra piloto?
• A decisão sobre incluir ponto neutro foi justificada na metodologia?
• O tamanho da amostra é compatível com a análise estatística planejada?
• Está definido se a análise tratará os dados como ordinais ou intervalares?

Perguntas frequentes

Escala Likert e item tipo Likert são a mesma coisa?

Tecnicamente não. A escala Likert é a soma de vários itens em um índice composto; um item isolado, com suas opções de resposta, é chamado de item tipo Likert — embora o uso coloquial trate os dois como sinônimos.

Qual o número ideal de pontos na escala?

Cinco pontos é o mais comum e mais fácil de aplicar; sete pontos oferece mais granularidade, mas exige respondentes mais atentos. A escolha deve ser justificada conforme o público e o objetivo da pesquisa.

Posso analisar os dados da escala Likert com média e desvio padrão?

Depende da abordagem escolhida: se os dados forem tratados como intervalares (prática comum quando os itens somam um índice composto), sim; se tratados como ordinais, o mais indicado é usar mediana, moda e testes não paramétricos. A escolha precisa constar na metodologia.

O que é o Alfa de Cronbach e quando devo calculá-lo?

É um coeficiente de confiabilidade que mede a consistência interna de um conjunto de itens somados em uma escala composta. Deve ser calculado sempre que vários itens Likert forem agregados em um único índice, com valores acima de 0,70 geralmente considerados aceitáveis.

Qual a diferença entre escala Likert e escala de diferencial semântico?

A escala Likert mede o grau de concordância com uma afirmação; a escala de diferencial semântico mede a posição do respondente entre um par de adjetivos opostos, sem uma afirmação intermediária. A escolha depende do que está sendo medido — atitudes tendem a caber melhor em Likert, percepções sobre atributos específicos costumam caber melhor em diferencial semântico.