Distinguir associação e causalidade ao comentar dados

O que os dados mostram — e o que alguém acrescenta

Considere estes registros fictícios de quatro meses:

• Horas semanais de estudo: 2, 4, 6, 8
• Pontuação média: 58, 64, 71, 77

Os dois valores aumentam no mesmo período. Isso é um padrão observado: quando as horas de estudo foram maiores nesses registros, a pontuação média também foi maior.

Mas uma frase como “More study hours caused the higher scores” faz algo a mais: ela propõe que um fator produziu o outro. Essa é uma afirmação de causalidade, não apenas uma descrição dos registros.

Uma associação pode aparecer em duas direções visuais:

• Mesmo sentido: uma medida sobe e a outra também sobe — ou as duas caem.
• Sentidos opostos: uma medida sobe enquanto a outra cai.

Em ambos os casos, os registros podem mostrar uma relação entre as variações. Eles não mostram automaticamente que uma variável produziu a outra.

Ligação observada não é causa

Para descrever um padrão sem dizer que uma coisa produziu a outra, use be associated with ou be linked to.

• Higher attendance was associated with better results.
• Regular practice is linked to higher confidence.

As duas expressões comunicam uma ligação encontrada nos dados. Elas não confirmam qual fator veio primeiro, qual influenciou o outro ou se existe uma causa.

Escolha a expressão pelo tipo de relação que os registros mostram. As três construções abaixo não são intercambiáveis em qualquer contexto.

Um terceiro fator pode estar por trás das duas mudanças

Quando duas variáveis mudam juntas, uma não precisa explicar a outra. Às vezes, há um terceiro fator: uma condição que pode contribuir para ambas as mudanças.

Exemplo: em dias mais quentes, aumentam tanto as vendas de sorvete quanto as visitas ao parque. Os registros mostram uma associação entre vendas e visitas. Mas a temperatura pode ser uma explicação alternativa para as duas mudanças.

Padrão observado:

Ice cream sales were associated with park visits during warmer weeks.

Explicação alternativa, ainda hipotética:

Warmer weather may have contributed to both higher ice cream sales and more park visits.

A segunda frase não prova o papel do clima. Ela mostra uma possibilidade compatível com os dados e evita atribuir todo o resultado às vendas de sorvete.

Relacione cada par de mudanças ao fator que poderia contribuir para as duas. Os pares descrevem associações; as respostas são explicações alternativas possíveis, não comprovadas.

Dados fictícios: em dias chuvosos, as vendas de guarda-chuva e o número de passageiros de ônibus aumentaram.

Qual comentário respeita melhor o que esses dados permitem concluir?

Uma associação não mostra a direção

Quando dois valores variam juntos, os registros podem mostrar um padrão, mas não necessariamente qual variável influencia a outra.

Exemplo: em semanas com mais horas de estudo registradas, as notas também foram maiores.

• Hipótese 1: mais horas de estudo melhoram as notas.
• Hipótese 2: notas melhores levam estudantes a registrar mais horas de estudo.

As duas frases propõem explicações. Os mesmos registros, sozinhos, não confirmam nenhuma das duas direções.

Como comentar isso em inglês

Use uma frase para o dado e outra para o limite da conclusão:

Study time is associated with higher grades. However, the data do not show whether study time affects grades or whether grades affect study time.

• is associated with descreve a ligação observada.
• do not show whether... or whether... deixa explícitas as duas direções possíveis, sem escolher uma como fato.

Evite trocar uma hipótese por outra como se isso resolvesse o problema: a direção inversa também precisa de evidência.

Leia a afirmação sobre os registros do exemplo anterior:

“Because people who use the app more report better sleep, better sleep causes them to use the app more.”

Essa conclusão é justificada pelos registros?

Direção inversa ≠ terceiro fator

São alternativas diferentes:

• Direção inversa: a variável B pode influenciar a variável A.
• Better sleep may lead to more app use.
• Terceiro fator: uma variável C pode estar ligada às duas.
• A less stressful routine may be linked to both better sleep and more app use.

Em ambos os casos, trata-se de uma explicação possível, não de algo demonstrado pelos registros.

Uma comparação antes e depois registra que algo mudou. Ela também pode registrar que uma ação ocorreu antes da mudança. Mas essa sequência, sozinha, não isola a causa da mudança.

No exemplo desta tela, as visitas aumentaram depois do redesign da página inicial. Ao mesmo tempo, outra ação começou no período. Portanto, os dados permitem descrever a mudança e a ordem dos acontecimentos, mas não atribuir automaticamente todo o aumento ao redesign.

Use uma frase descritiva primeiro: mantenha os valores, o período e a ordem temporal. Depois, delimite o que os registros não conseguem confirmar.

Em inglês, after informa a sequência: algo aconteceu depois de outra coisa. Não significa, por si só, “por causa de”.

Reescrever com precisão

Ao revisar um comentário causal, não apague o que os dados mostram. Preserve as variáveis, o período e os valores; retire apenas a conclusão de que uma variável produziu a outra.

Causal excessivo: Longer study sessions caused higher test scores.

Se os registros mostram apenas que os dois valores variaram juntos, a versão revisada deve descrever essa associação — não explicar sua causa.

Use uma reformulação em duas partes: primeiro, diga exatamente o que foi observado; depois, delimite a relação causal que os dados não confirmam.

Use este conjunto novo para fazer uma revisão completa. O padrão observado é uma subida conjunta nas vendas de café e na temperatura média entre abril e junho. Isso permite descrever uma associação ou uma coincidência no período — não permite atribuir automaticamente uma causa.