sinapse-ai 9.2.0 → 9.4.0

package/squads/squad-research/knowledge-base/multi-agent-research-methodology.md

@@ -0,0 +1,144 @@
+# Multi-Agent Research Methodology
+
+> Extraído e sintetizado de MS-009 Agentic Second Brain (2026) + práticas do squad-research SINAPSE.
+
+## O Paradigma Multi-Agente em Pesquisa
+
+Um Second Brain agêntico ou pipeline de pesquisa profunda não é operado por um único "super-agente" — é um sistema multi-agente onde cada agente tem especialização, ferramentas e autoridade definidas. Isso permite:
+
+- **Qualidade:** Agentes especializados produzem resultados melhores que generalistas
+- **Escalabilidade:** Subagentes trabalham em paralelo (wave-based approach)
+- **Governança:** Cada agente tem permissões e limites claros
+- **Evolução:** Novos skills adicionados sem refatorar o sistema
+
+## Arquitetura de Agentes para Pesquisa
+
+```
+[Orquestrador Principal (research-orqx)]
+  |
+  |-- [deep-researcher (Sage)]     -- Pesquisa profunda, multi-fonte
+  |-- [audience-intelligence (Pulse)] -- JTBD, personas, comportamento
+  |-- [competitive-intelligence (Hawk)] -- Análise competitiva, monitoring
+  |-- [market-analyst (Scope)]     -- TAM/SAM/SOM, industry analysis
+  |-- [data-synthesizer (Loom)]    -- Síntese, consolidação, report final
+  |-- [trend-forecaster (Horizon)] -- Weak signals, cenários futuros
+```
+
+## Wave-Based Research (Pesquisa em Ondas Paralelas)
+
+Abordagem em ondas paralelas maximiza cobertura e minimiza tempo:
+
+### Onda 1: Orientação (15-30 min)
+**Objetivo:** Entender o território antes de aprofundar.
+- Todos os agentes executam SCAN simultâneo em suas especialidades
+- Output: Mapa inicial de lacunas e hipóteses
+- Decisão: Priorizar quais dimensões aprofundar
+
+### Onda 2: Investigação Especializada (paralela)
+**Objetivo:** Cada agente aprofunda em sua especialidade simultaneamente.
+```
+[Sage: Deep literature review]  +  [Hawk: Competitive data]  +  [Pulse: Audience signals]
+         ↓ simultâneo                        ↓                              ↓
+                            [Dados coletados em paralelo]
+```
+- Agentes operam independentemente durante esta fase
+- Ponto de sincronização ao final da onda
+
+### Onda 3: Síntese e Validação
+**Objetivo:** Cruzar achados, identificar contradições, cristalizar insights.
+- Loom recebe outputs de todos os agentes
+- Cross-validation: onde os dados concordam/divergem?
+- Identificar lacunas que requerem pesquisa adicional
+
+### Onda 4: Iteração (se necessário)
+**Trigger:** Lacunas críticas identificadas na síntese
+- Onda adicional focada nas lacunas específicas
+- Máximo 2 ondas de iteração antes de declarar achados com confidence baixo
+
+## Padrões de Raciocínio por Agente
+
+| Padrão | Descrição | Uso Ideal |
+|--------|-----------|-----------|
+| **ReAct** | Reason + Act em loop: pensa → age → observa | Tarefas com ferramentas (busca, leitura) |
+| **Tree of Thought** | Explora múltiplos caminhos em árvore | Problemas com múltiplas hipóteses |
+| **Graph of Thought** | Raciocínio como grafo, merge de pensamentos | Síntese de múltiplas fontes |
+| **Chain of Thought** | Raciocínio passo-a-passo linear | Análise sequencial, cálculos |
+| **Reflection** | Agente avalia e critica seu próprio output | Quality check e auto-correção |
+
+## Frameworks de Orquestração Multi-Agente (2026)
+
+| Framework | Arquitetura | Controle | Ideal Para |
+|-----------|-------------|----------|-----------|
+| **LangGraph** | State machine com grafo dirigido | Máximo | Produção enterprise, fluxos complexos |
+| **CrewAI** | Role-playing + task delegation | Médio | Prototipagem, equipes conceituais |
+| **Claude Agent SDK** | Claude-native, tool use, file checkpointing | Médio | Ecossistema Claude nativo |
+| **OpenAI Agents SDK** | Handoffs + guardrails | Médio | Ecossistema OpenAI |
+| **Google ADK** | Agent Development Kit | Médio | Ecossistema Gemini |
+
+## Protocolos de Handoff Entre Agentes de Pesquisa
+
+### Handoff Artifact para Pesquisa
+```yaml
+research_handoff:
+  from_agent: "{agent_id} ({persona})"
+  to_agent: "{agent_id} ({persona})"
+  query: "{pergunta original}"
+  findings_summary:
+    - "{achado 1 com fonte}"
+    - "{achado 2 com fonte}"
+  gaps_identified:
+    - "{lacuna que este agente NÃO cobriu}"
+  confidence_level: "HIGH | MEDIUM | LOW"
+  sources_used:
+    - "{fonte 1 com tier}"
+  next_action: "{o que o próximo agente deve fazer}"
+```
+
+### Regras de Handoff
+1. Nunca transferir sem confidence level declarado
+2. Listar explicitamente o que NÃO foi pesquisado
+3. Incluir fontes com tier classificado
+4. Próximo agente DEVE ler artifact antes de começar
+
+## Skill System: Capacidades Modulares
+
+Skills são funções atômicas que agentes podem compor:
+
+| Skill | Função | Input | Output |
+|-------|--------|-------|--------|
+| `/scan` | Orientação rápida sobre tópico | Query + depth=SCAN | Summary + gaps |
+| `/deep-research` | Pesquisa profunda multi-fonte | Query + depth + sources | Findings estruturados |
+| `/synthesize` | Combinar múltiplas pesquisas | Lista de findings | Insight consolidado |
+| `/validate` | Verificar claim contra fontes | Claim + evidência | Confidence assessment |
+| `/connect` | Encontrar links entre achados | N findings | Relações + padrões |
+| `/gap-detect` | Identificar lacunas na pesquisa | Findings atuais + query | Lista de lacunas |
+
+## Coordenação e Prevenção de Conflitos
+
+### Authority Matrix
+| Operação | Agent | Bloqueado Para |
+|----------|-------|----------------|
+| Atribuir profundidade de pesquisa | research-orqx | Todos os outros |
+| Declarar finding como FINDING | Qualquer agente | N/A |
+| Elevar confidence de LOW→HIGH | Apenas após triangulação | — |
+| Marcar insight como RECOMMENDATION | data-synthesizer | — |
+| Encerrar pesquisa sem coverage completa | Apenas research-orqx | — |
+
+### Anti-Padrões
+- **Agent proliferation:** Mais agentes não significa melhor pesquisa — cada agente deve ter escopo claro
+- **Infinite loops:** Agentes se referenciando mutuamente sem condição de parada
+- **Authority confusion:** Múltiplos agentes contradizendo claims sem protocolo de resolução
+- **Premature synthesis:** Sintetizar antes de coverage suficiente nas ondas paralelas
+
+## Integração com Research Depth Pyramid
+
+| Pyramid Level | Ondas | Agentes Envolvidos | Paralelismo |
+|:-------------:|:-----:|-------------------|:-----------:|
+| SCAN | 1 | research-orqx | N/A |
+| ANALYZE | 1-2 | + Sage ou Hawk ou Scope | Parcial |
+| DEEP DIVE | 2-3 | + todos os especialistas | Total |
+| DEFINITIVE | 3-4 | Todos + revisão externa | Total + iteração |
+
+---
+
+*Knowledge base da squad-research | Fonte: MS-009 Agentic Second Brain*

package/squads/squad-research/knowledge-base/network-effects-analysis.md

@@ -0,0 +1,192 @@
+# Network Effects Analysis
+
+> Extraído e sintetizado de MS-010 Forum & Community Platform Engineering (2026). Cobre Metcalfe's Law, Reed's Law, Chen's Death Spiral e frameworks aplicados para pesquisa de mercado e análise competitiva.
+
+## Por Que Network Effects Importam para Research
+
+Network effects são o moat primário de plataformas comunitárias e muitos mercados digitais. Uma plataforma com network effects cria dinâmicas de winner-take-all que são quase impossíveis de superar uma vez estabelecidas. Entender e medir network effects é essencial para:
+
+- **Análise competitiva:** Identificar se um competidor tem moat de network effects
+- **Market sizing:** Estimar potencial de crescimento não-linear
+- **Risco de entrada:** Avaliar viabilidade de entrar em mercado com forte network effects
+- **Pesquisa de crescimento:** Identificar onde uma plataforma está no ciclo
+
+## As Três Leis Fundamentais
+
+### Metcalfe's Law
+**V = n²**
+
+O valor de uma rede é proporcional ao quadrado do número de usuários conectados.
+
+**Base empírica:** Facebook's revenue ao longo de uma década seguiu closely a curva n-squared — enquanto a base de usuários dobrava, o revenue quadruplicava.
+
+**Quando usar:**
+- Avaliar valor potencial de plataformas de comunicação (ex: WhatsApp, Slack)
+- Comparar redes de tamanho diferente
+- Modelar potencial de crescimento de marketplaces bilaterais
+
+**Limitação crítica:** Assume que TODA conexão é igualmente valiosa — raramente verdade. Usuários inativos ou irrelevantes não adicionam valor real.
+
+**Versão corrigida (Briscoe et al.):** V = n × log(n) — mais realista, ainda supralinear mas não quadrática.
+
+### Reed's Law
+**V = 2^n**
+
+O valor de redes que formam grupos cresce exponencialmente porque o número de subgrupos possíveis escala como 2^n.
+
+**Aplicação:** Plataformas que suportam sub-comunidades e grupos (Discord servers, Facebook Groups, Slack workspaces) capturam mais valor que plataformas limitadas a conexões diáticas.
+
+**Caveats importantes:**
+- Reed's Law nunca foi observado completamente em dados reais de mercado
+- Funciona como limite teórico superior
+- Na prática, grupos têm qualidade muito heterogênea
+
+**Implicação para research:** "Plataformas que habilitam formação de grupos capturam mais valor que plataformas limitadas a conexões individuais" — esta versão qualitativa é suportada empiricamente mesmo que a fórmula exata não seja.
+
+### Andrew Chen's Death Spiral
+O inverso de network effects: se usuários saem, a rede perde valor → mais usuários saem → declínio acelera.
+
+```
+Saída de usuários
+    → Rede menos valiosa
+        → Mais saídas
+            → Aceleração do declínio
+                → Colapso (se não interrompido)
+```
+
+**Contexto empírico:** MySpace, Google+, Vine — todos sofreram Death Spiral uma vez que a saída começou.
+
+**Early warning signals:**
+- DAU/MAU ratio em declínio por 3+ semanas consecutivas
+- Post rate por usuário ativo diminuindo
+- Proportion de usuários que apenas lurking (sem criação) aumentando
+- Moderador volume de ações aumentando (sinal de deterioração de qualidade)
+
+## Tipos de Network Effects: Taxonomia Aplicada
+
+| Tipo | Definição | Como Medir | Exemplos |
+|------|-----------|-----------|---------|
+| **Direct (same-side)** | Mais usuários = mais valor para usuários existentes | DAU × engajamento por usuário | WhatsApp, Telegram |
+| **Indirect (cross-side)** | Mais do Grupo A beneficia Grupo B | Correlação supply×demand, match rate | Uber (drivers↔riders), Airbnb |
+| **Data effects** | Mais uso = algoritmos melhores | Accuracy improvement vs data volume | Spotify (recomendações), Netflix |
+| **Local** | Efeitos dentro de sub-clusters, não toda rede | Engajamento por subreddit/grupo | Reddit (por subreddit), Discord |
+| **Compatibility** | Valor de interoperabilidade com outras redes | Adoção de standards | USB, Bluetooth |
+
+## K-Factor: Coeficiente Viral
+
+```
+K = i × c
+```
+- **i** = número de convites que cada usuário envia
+- **c** = taxa de conversão de cada convite
+
+| K | Dinâmica | Interpretação |
+|---|----------|---------------|
+| K > 1 | Crescimento exponencial | Cada usuário traz mais de 1 novo usuário |
+| K = 1 | Crescimento linear | Cada usuário traz exatamente 1 |
+| K < 1 | Crescimento sub-linear | Requer aquisição externa para sustentar |
+
+**Realidade:** K > 1 puro é extremamente raro e geralmente insustentável. A maioria dos produtos de sucesso tem K entre 0.2-0.8 e combina virality com outros canais.
+
+**Exemplo calculado:** 100 usuários × 3 convites × 60% conversão = K=1.8 → 180 novos usuários → 324 → 583... (exponencial)
+
+## Growth Loops: Tipos e Mecânicas
+
+### 1. Content-SEO Loop (mais sustentável)
+```
+Usuário cria conteúdo → Google indexa → Busca encontra → Novo usuário converte
+→ Novo usuário cria conteúdo → [repete]
+```
+- Stack Overflow domina busca de programação por este loop
+- **Dados 2023-2024:** Reddit cresceu +1,328% em visibilidade SEO após updates do Google
+- **Atenção 2025:** E-E-A-T updates corrigiram parcialmente. Qualidade > volume.
+
+### 2. Invite/Referral Loop
+```
+Usuário desfruta → Convida amigos → Amigos entram → Comunidade mais valiosa → [repete]
+```
+- Referral programs: 10-30% conversão, às vezes >50%
+- Melhor combinado com virality orgânica
+
+### 3. Creator-Audience Loop
+```
+Criador constrói comunidade → Promove para audiência → Audiência entra
+→ Membros criam conteúdo → Conteúdo atrai novos → [repete]
+```
+- Modelo Circle/Mighty Networks: 88% criadores usando memberships pagas
+
+### 4. Data Loop
+```
+Uso gera dados → Dados melhoram produto → Produto atrai mais uso → [repete]
+```
+- Típico de plataformas de ML/IA e search engines
+
+## Retenção como Fundação do Growth
+
+**Andrew Chen:** "O melhor jeito de impulsionar crescimento viral é aumentar retenção e engajamento." Crescimento viral sem retenção é um balde furado.
+
+### Benchmarks de Retenção
+
+| Métrica | Benchmark Saudável | Benchmark Problema |
+|---------|-------------------|--------------------|
+| D1 retention | 40-60% | <20% |
+| D7 retention | 20-35% | <10% |
+| D30 retention | 10-20% | <5% |
+| 90-day retention | 5-15% | <2% |
+
+## Framework de Análise Competitiva de Network Effects
+
+### Para cada competidor, avaliar:
+
+1. **Tipo de network effect presente?**
+   - Direct / Indirect / Data / Local / None
+
+2. **Intensidade do moat?** (1-5)
+   - 1 = Fácil de substituir | 5 = Lock-in extremo
+
+3. **Ponto do ciclo?**
+   - Early traction → Network density → Critical mass → Dominant → Declining
+
+4. **Switching costs combinados?**
+   - Network effects + switching costs = moat duplo (muito difícil de superar)
+
+5. **Vulnerabilidades?**
+   - Subrede específica atacável? (ex: entrar em nicho antes de escalar)
+   - Death spiral iniciando? (métricas de saúde deteriorando?)
+
+### Template de Análise
+
+```
+Empresa: [Nome]
+Network Effect Type: [Direct / Indirect / Data / Local / Multi-sided]
+Moat Strength: [1-5]
+Evidence: [Dados que suportam avaliação]
+Cycle Position: [Early / Growing / Dominant / Declining]
+Vulnerability: [Como atacar este network effect?]
+Death Spiral Risk: [LOW / MEDIUM / HIGH — com evidências]
+```
+
+## Medindo Network Effects em Pesquisa
+
+### Proxy Metrics
+
+| Métrica | O Que Mede | Como Calcular |
+|---------|-----------|---------------|
+| Engagement Elasticity | Engajamento aumenta com tamanho da rede? | Correlação usuários × atividade por usuário |
+| Connection Value | Valor médio de uma conexão adicional | ARPU vs. density de rede |
+| Churn Decay | Usuários com mais conexões churnam menos? | Churn rate por degree centrality |
+| Content Velocity | Mais usuários = mais conteúdo por usuário? | Conteúdo gerado per capita vs. MAU |
+
+### Fontes de Dados para Análise de Network Effects
+
+| Fonte | Dados Disponíveis | Acesso |
+|-------|------------------|--------|
+| SEC Filings (empresas US) | MAU, DAU/MAU, cohort retention | Público |
+| App store analytics | Downloads, ratings trends | Público (limitado) |
+| SimilarWeb | Traffic, engagement metrics | Freemium |
+| App Annie/data.ai | Mobile engagement data | Pago |
+| Semrush | SEO visibility + traffic | Freemium |
+
+---
+
+*Knowledge base da squad-research | Fonte: MS-010 Forum & Community Platform Engineering*

package/squads/squad-research/knowledge-base/qualitative-research-deep-methods.md

@@ -0,0 +1,202 @@
+# Qualitative Research Deep Methods
+
+> Metodologias qualitativas avançadas para pesquisa profunda. Complementa o audience-research-methods.md com abordagens de maior rigor analítico.
+
+## Princípio Central
+
+Pesquisa qualitativa não é "pesquisa sem números" — é pesquisa que prioriza compreensão de significado, contexto e mecanismos causais sobre quantificação de frequência. Responde "por que" e "como", não "quantos".
+
+**Regra de ouro para seleção:**
+- Fenômeno bem compreendido, quer medir frequência → Quantitativo
+- Fenômeno pouco compreendido, quer entender mecanismo → Qualitativo primeiro
+- Decisão de alto impacto → Misto (qualitativo para hipóteses, quantitativo para validação)
+
+## Grounded Theory
+
+### O Que É
+Metodologia desenvolvida por Glaser e Strauss (1967) para construir teoria a partir dos dados, sem hipótese prévia. Usada quando o campo é novo e não existem frameworks suficientes.
+
+### Processo
+1. **Coleta inicial:** Entrevistas abertas ou observação sem framework pré-definido
+2. **Open Coding:** Identificar conceitos nos dados (sem categorias predefinidas)
+3. **Axial Coding:** Identificar relações entre os conceitos identificados
+4. **Selective Coding:** Identificar categoria central que integra todos os outros conceitos
+5. **Constant Comparison:** Comparar dados novos contra categorias emergentes continuamente
+6. **Theoretical Saturation:** Parar quando novos dados não adicionam novas categorias (tipicamente 15-25 entrevistas)
+
+### Quando Usar
+- Explorar fenômenos novos (ex: comportamento de usuários em contexto novo)
+- Gerar teoria onde não existe literatura suficiente
+- Entender processos sociais complexos
+
+### Output
+Teoria substantiva: framework de relações entre conceitos que explica o fenômeno observado.
+
+## Discourse Analysis
+
+### O Que É
+Análise de como linguagem constrói realidade social. Examina o que as pessoas dizem E o que isso revela sobre poder, identidade, normas culturais.
+
+### Tipos
+
+**Análise de Conteúdo (mais simples):**
+- Codificar temas recorrentes em textos
+- Contar frequências de conceitos
+- Identificar padrões de framing
+
+**Análise de Discurso Crítico (CDA):**
+- Examinar como linguagem reflete e reproduce estruturas de poder
+- Questionar "o que está implícito?" e "a quem beneficia esse framing?"
+- Útil para análise de narrativas de marca, políticas e mídia
+
+**Análise de Conversação:**
+- Examinar a estrutura de interações (turnos de fala, interrupções, silêncios)
+- Como acordo/desacordo são negociados
+- Aplicação: UX de chatbots, customer service, comunidades online
+
+### Aplicação em Research Comercial
+- Análise de reviews: como clientes enquadram problemas e soluções
+- Análise de mensagens de marketing de concorrentes: que narrativas constroem?
+- Análise de discussões em comunidades: que termos usam para descrever necessidades não atendidas?
+
+## Etnografia Digital
+
+### O Que É
+Observação participante de comunidades online para entender cultura, normas, comportamentos e significados. Adaptação da etnografia clássica para contextos digitais.
+
+### Protocolo de Campo
+
+**Fase 1 — Entrada (1-2 semanas):**
+- Definir comunidade/plataforma de análise
+- Entender estrutura, regras, hierarquia
+- Identificar tipos de participantes (lurkers, contributors, power users, mods)
+- Não intervir ainda
+
+**Fase 2 — Observação Ativa (4-8 semanas):**
+- Field notes: Data, hora, plataforma, quem disse, o que disse, contexto
+- Mapear vocabulário específico da comunidade (jargões, memes, referências internas)
+- Identificar momentos de tensão e resolução
+- Capturar "rituais" da comunidade (como se cumprimentam, como tratam novatos)
+
+**Fase 3 — Análise:**
+- Temas emergentes da observação
+- Comparar com declarações explícitas dos membros
+- Identificar contradições entre discurso e prática
+
+### Field Notes Template
+```
+Data: [YYYY-MM-DD]
+Plataforma/Comunidade: [Nome]
+Tópico/Thread observado: [URL ou descrição]
+Contexto: [Por que este momento é relevante?]
+Observação: [O que aconteceu, quem, como]
+Minha interpretação: [O que isso significa?]
+Questões emergentes: [O que quero entender melhor?]
+Conexão com outros dados: [Links com observações anteriores]
+```
+
+## Análise Fenomenológica Interpretativa (IPA)
+
+### O Que É
+Método que explora como pessoas dão significado a experiências vividas. Desenvolvido por Jonathan Smith (1995). Muito usado em pesquisa de UX e experiência do consumidor.
+
+### Quando Usar
+- Entender a experiência subjetiva de usar um produto/serviço
+- Explorar momentos críticos de decisão (por que adotou/cancelou?)
+- Pesquisa de experiência do cliente em contextos emocionalmente carregados
+
+### Processo
+1. Coleta: 6-8 entrevistas semi-estruturadas em profundidade (45-90 min)
+2. Transcrição verbatim
+3. Leitura inicial (várias vezes) de cada transcrição
+4. Notas exploratórias: o que está sendo dito, como está sendo dito
+5. Temas emergentes: padrões por entrevistado
+6. Temas agrupados: padrões entre entrevistados
+7. Tabela final: hierarquia de temas com exemplos de quotes
+
+### Output
+Relatório interpretativo com quotes representativos organizados por tema.
+
+## Research de Usabilidade
+
+### Think-Aloud Protocol
+Participante verbaliza pensamentos em tempo real durante uso de produto:
+
+1. **Moderado:** Pesquisador presente, pode fazer follow-up questions
+2. **Não-moderado:** Participante sozinho, gravado por software (ex: Maze, UserTesting)
+3. **Retrospectivo:** Participante descreve experiência após usar
+
+**Métricas:** Task completion rate, tempo por task, pontos de confusão, erros
+
+### Card Sorting
+Para entender como usuários categorizam informação:
+
+| Tipo | Descrição | Quando Usar |
+|------|-----------|------------|
+| **Open** | Participante cria suas próprias categorias | Descobrir modelo mental do usuário |
+| **Closed** | Categorias pré-definidas, participante distribui cards | Validar arquitetura de informação existente |
+| **Hybrid** | Categorias base + flexibilidade para criar novas | Combinar validação e descoberta |
+
+**Ferramenta:** Optimal Workshop, Miro, até post-its físicos
+
+### Jobs-to-be-Done Interviews (Aprofundado)
+
+O JTBD vai além de perguntar o que o cliente quer — explora o "job" que está tentando "contratar" o produto para fazer.
+
+**Protocolo de entrevista (baseado em Christensen + Claire Vo):**
+
+1. **Situação de compra/adoção:** "Me conte sobre a última vez que você [adquiriu/começou a usar] este tipo de produto"
+2. **Linha do tempo:** "O que estava acontecendo na sua vida naquela época?"
+3. **Primeira consulta:** "Quando percebeu pela primeira vez que precisava de algo assim?"
+4. **Consideração:** "O que você considerou como opções?"
+5. **Decisão:** "O que fez você escolher [produto específico]?"
+6. **Força negativa:** "O que quase te impediu de avançar?"
+7. **Contexto emocional:** "Como se sentiu depois de começar a usar?"
+
+**Output:** Job statement: "Quando [situação], quero [motivação], para que [resultado esperado]"
+
+## Análise de Entrevistas: Codificação Sistemática
+
+### Sistema de Codificação
+
+**Passo 1 — Código descritivo:** O que está acontecendo aqui? (sem interpretação)
+> Ex: "frustração-com-onboarding", "menciona-competidor"
+
+**Passo 2 — Código interpretativo:** O que isso significa?
+> Ex: "barreira-de-adoção", "consciência-competitiva-ativa"
+
+**Passo 3 — Padrões:** Quais códigos co-ocorrem? Quais são mais frequentes?
+
+### Ferramentas
+- **Atlas.ti / NVivo:** Software profissional de análise qualitativa
+- **Dovetail:** Específico para pesquisa de usuário
+- **Notion / Airtable:** Para projetos menores
+- **Planilha manual:** Para <50 entrevistas
+
+### Saturação Temática
+Parar coleta quando novas entrevistas não produzem novos temas — geralmente entre 12-20 entrevistas para pesquisa de usuário. Documentar explicitamente quando saturação foi atingida.
+
+## Rigor em Pesquisa Qualitativa
+
+Não se usa "validade e confiabilidade" (termos quantitativos) — usa-se:
+
+| Critério | Significado | Como Demonstrar |
+|----------|-------------|-----------------|
+| **Credibilidade** | Os achados representam a realidade dos participantes? | Member checking (validar com participantes), triangulação de métodos |
+| **Transferibilidade** | Os achados são aplicáveis a outros contextos? | Descrição densa do contexto, limites explícitos |
+| **Dependabilidade** | O processo seria replicável? | Audit trail: documentar todas as decisões metodológicas |
+| **Confirmabilidade** | Achados baseados nos dados, não nos bias do pesquisador? | Reflexividade: pesquisador declara suas perspectivas prévias |
+
+## Anti-Padrões em Pesquisa Qualitativa
+
+| Anti-Padrão | Problema | Correção |
+|-------------|----------|----------|
+| "N=5 entrevistas provam que..." | Qualitativo não prova, explora | "Sugere que...", "indica que..." |
+| Confirmar hipótese com exemplos seletivos | Cherry picking qualitativo | Apresentar evidência dissonante também |
+| Citar quote sem contexto | Distorce significado | Incluir contexto da citação sempre |
+| "Todos disseram que..." | Raramente todos dizem | "A maioria", "vários", com n explícito |
+| Misturar descoberta e interpretação | Obscurece o que é dado vs análise | Separar seções "O que observamos" e "O que interpretamos" |
+
+---
+
+*Knowledge base da squad-research*