Fabricação e Falsificação de Dados na Investigação 2026: O Que São e Como Evitá-las
Quando um investigador inventa resultados que nunca existiram ou altera os que obteve para confirmar uma hipótese, comete aquilo que a comunidade científica coloca no topo da escala de má conduta: a fabricação e falsificação de dados. Estas duas práticas — juntamente com o plágio — formam o conjunto designado por FFP, os «três grandes» tipos de fraude científica reconhecidos internacionalmente por organismos como a ALLEA e a ENAI.
O impacto não é puramente académico. Um estudo clínico assente em dados fabricados pode influenciar protocolos médicos durante anos; uma tese de doutoramento com resultados falsificados integra-se no corpus de conhecimento de uma área e pode orientar decisões políticas ou tecnológicas. A cadeia de danos prolonga-se no tempo e raramente se repara por completo — como ilustram os casos de retratação em revistas científicas de prestígio documentados ao longo das últimas décadas.
Se estás a escrever uma tese, dissertação ou qualquer trabalho de investigação, perceber a diferença exata entre fabricação, falsificação e plágio — e conhecer as boas práticas que as previnem — é uma das competências mais importantes que podes desenvolver enquanto académico.
Fabricação é inventar dados, resultados ou experiências que nunca aconteceram. Falsificação é manipular, omitir ou alterar dados reais de forma enganosa. Ambas — a par do plágio — constituem as formas mais graves de má conduta científica (FFP) e podem resultar em retratação de publicações, expulsão da instituição e, em alguns contextos, responsabilidade civil ou penal.
Os «Três Grandes»: FFP na Investigação Científica
O acrónimo FFP — Fabricação, Falsificação e Plágio — designa as três categorias de má conduta científica consideradas mais graves. A distinção entre elas importa porque cada uma envolve mecanismos diferentes, afeta aspectos distintos do processo de investigação e implica respostas institucionais e éticas específicas.
O Código Europeu de Conduta para a Integridade da Investigação da ALLEA (edição revista de 2023) — adotado pela Comissão Europeia como referência para todos os projetos financiados pela UE — define cada uma destas práticas com precisão e coloca-as no patamar das «violações graves» que justificam medidas disciplinares severas:
| Tipo | Definição (ALLEA 2023) | Exemplos típicos |
|---|---|---|
| Fabricação | Inventar dados, resultados ou experiências e registá-los como se fossem reais | Criar tabelas de resultados de experiências nunca realizadas; inventar respostas de questionários |
| Falsificação | Manipular materiais, equipamento, imagens ou processos; alterar, omitir ou suprimir dados sem justificação | Remover outliers para melhorar a significância estatística; retocar imagens de gel ou microscopia; omitir resultados negativos |
| Plágio | Apropriar-se de ideias, resultados ou palavras de terceiros sem reconhecimento adequado | Copiar parágrafos sem citação; reutilizar texto de artigo publicado sem referência ao autor original |
A Rede Europeia para a Integridade Académica (ENAI) enquadra o FFP como «tipos de má conduta grave em contextos educativos, de investigação e de produção académica», sublinhando que — ao contrário de outros desvios menos sérios — estas três categorias envolvem sempre uma intenção de enganar.
O Que É Fabricação de Dados?
A fabricação é, na sua forma mais simples, a criação de informação que não existe. O investigador não recolheu os dados — simplesmente inventou-os. Isto pode acontecer em qualquer fase do processo de investigação:
- Na fase de recolha: registar observações de um ensaio que nunca foi realizado.
- Na fase de análise: gerar valores estatísticos a partir de amostras fictícias.
- Na fase de publicação: descrever numa secção de Resultados experiências que não constam do caderno de laboratório nem de qualquer registo verificável.
Um caso instrutivo — e real — foi o do investigador de psicologia social Diederik Stapel, cujo trabalho ao longo de vários anos se revelou assente em dados integralmente inventados. A retratação em cascata que se seguiu afetou dezenas de co-autores que confiavam nos dados que ele fornecia. A principal lição: a fabricação raramente é descoberta de imediato, mas os seus efeitos no registo científico são duradouros e difíceis de reparar.
A fabricação distingue-se da falsificação porque, neste caso, não existiu sequer uma realidade a manipular. É uma criação a partir do nada — o que a torna, de certa forma, o grau mais extremo de desonestidade científica.
O Que É Falsificação de Dados?
A falsificação parte de dados reais — mas modifica-os de forma a distorcer as conclusões. As formas mais comuns incluem:
- Exclusão seletiva de outliers sem justificação metodológica documentada, para aumentar a significância estatística.
- Manipulação de imagens: ajustar contraste, brilho ou recortar partes de imagens de gel, microscopia ou ressonância magnética para que pareçam confirmar uma hipótese.
- Cherry-picking: selecionar apenas os resultados favoráveis e omitir os desfavoráveis, sem declarar que parte dos dados foi excluída.
- HARKing (Hypothesizing After Results are Known): apresentar hipóteses pós-hoc como se tivessem sido formuladas antes da recolha de dados.
- P-hacking: testar múltiplas variáveis ou subgrupos até obter um valor de p abaixo de 0,05, sem aplicar correção para comparações múltiplas.
Algumas destas práticas operam numa zona cinzenta: podem resultar de ignorância metodológica, de pressão institucional para publicar ou de intenção deliberada de enganar. Por isso, muitos códigos de conduta distinguem «má conduta flagrante» de «práticas de investigação questionáveis» — mas ambas têm impacto real na fiabilidade do conhecimento produzido.
A omissão de dados nem sempre constitui falsificação. Se excluíres dados com base em critérios pré-definidos no protocolo de investigação — e documentares essa decisão de forma transparente — estás a seguir boas práticas metodológicas. O problema surge quando a exclusão é motivada pelo resultado desejado e não estava documentada nem justificada antes da análise.
Por Que São as Faltas Mais Graves da Investigação?
O plágio é grave porque viola os direitos de autoria e a honestidade intelectual. Mas a fabricação e a falsificação têm uma dimensão adicional: corrompem o próprio conhecimento que a investigação deveria gerar. Quando resultados inventados ou distorcidos entram no circuito científico, outros investigadores baseiam-se neles, financiadores alocam recursos com base neles e, em áreas como a medicina ou a engenharia, as decisões práticas podem ter consequências diretas na vida de pessoas reais.
Além disso, enquanto um artigo plagiado pode ser retirado sem que o conhecimento subjacente seja afetado — o artigo original continua válido —, um artigo assente em dados fabricados retrata conhecimento que simplesmente não existe. Os artigos subsequentes que o citam ficam, eles próprios, comprometidos. Este efeito em cascata pode levar anos a corrigir, e nem sempre é possível fazê-lo de forma completa.
É por isso que a ALLEA coloca FFP no patamar de violações que justificam as medidas disciplinares mais severas, enquanto outros desvios são tratados como problemas passíveis de correção e formação.
Consequências Concretas
As consequências de fabricação e falsificação de dados operam a vários níveis:
- Académico: anulação da tese ou dissertação, expulsão do programa de doutoramento ou mestrado, revogação de grau académico — mesmo anos após a conclusão.
- Profissional: rescisão de contrato de investigação, proibição de acesso a financiamento público (FCT, Horizonte Europa), retratação de publicações e registo permanente de má conduta no histórico académico.
- Reputacional: co-autores e orientadores são também afetados, mesmo que não tenham participado diretamente — a responsabilidade de supervisão é real e reconhecida nos regulamentos das instituições.
- Legal: em casos que envolvam financiamento público ou aplicações clínicas, a falsificação de dados pode configurar fraude e ter implicações jurídicas.
As universidades portuguesas dispõem de regulamentos disciplinares que cobrem má conduta académica, e várias instituições têm gabinetes de ética ou comissões de integridade que recebem denúncias. O processo pode ser desencadeado por colegas, orientadores, revisores ou editores de revistas científicas — e pode iniciar-se muito depois da data de submissão original.
Para contexto adicional sobre a dimensão das más condutas nas instituições académicas em Portugal, consulta o artigo sobre estatísticas de plágio nas universidades em 2026, que apresenta os dados disponíveis e as suas limitações.
Boas Práticas para Garantir a Integridade dos Teus Dados
Evitar fabricação e falsificação não é apenas uma questão de intenção — é também uma questão de sistema. As práticas seguintes protegem-te e tornam o teu processo de investigação auditável e transparente.
1. Regista os Dados de Forma Sistemática e Datada
Mantém um caderno de laboratório — físico ou digital — onde cada observação, medição ou decisão metodológica fica registada com data e hora. Ferramentas como o Open Science Framework (OSF) permitem criar registos com timestamp imutável. Este histórico é a tua primeira linha de defesa em caso de questionamento.
2. Faz o Pré-registo do Teu Estudo
O pré-registo consiste em declarar publicamente — antes de recolheres os dados — quais são as tuas hipóteses, as variáveis que vais medir e os critérios de inclusão ou exclusão de observações. Plataformas como o OSF ou o AsPredicted permitem fazer este registo gratuitamente. O pré-registo torna imediatamente detetável o HARKing e o p-hacking.
3. Adota Princípios de Dados Abertos
Sempre que possível — e respeitando questões de privacidade e confidencialidade —, disponibiliza os teus dados brutos em repositórios verificáveis, como Zenodo, Figshare ou o RCAAP. Esta prática demonstra que os teus dados existem e são consistentes com os resultados que apresentas, e facilita a replicação por outros investigadores.
4. Documenta Cada Decisão de Exclusão
Se excluíres dados por razões metodológicas, regista a razão por escrito antes de realizares a análise final. Os critérios de exclusão devem ser definidos a priori e aplicados de forma consistente a todas as observações — não apenas àquelas que contrariam os resultados esperados.
5. Trata os Resultados Negativos como Válidos
Resultados que não confirmam a hipótese são igualmente válidos e têm valor científico. A omissão sistemática de resultados negativos contribui para o publication bias, que distorce o conhecimento acumulado numa área. Considera registar esses resultados no protocolo pré-registado e referenciá-los de forma transparente na secção de discussão.
6. Cita e Parafraseia com Rigor
A fronteira entre reutilizar ideias de forma legítima e cair no plágio é mais fina do que parece. Consulta o guia sobre como parafrasear corretamente para incorporares fontes sem apropriar o texto alheio. Recorda ainda que o autoplágio — reutilizar trabalho anterior teu sem o declarar — é também uma forma de má conduta que muitos investigadores subestimam.
Perguntas Frequentes
Qual é a diferença principal entre fabricação e falsificação de dados?
A fabricação cria dados do nada — dados que nunca existiram. A falsificação parte de dados reais, mas manipula-os, omite-os ou distorce-os sem justificação metodológica. Ambas são igualmente graves do ponto de vista ético e disciplinar, e ambas comprometem o corpo de conhecimento científico.
A omissão de outliers é sempre considerada falsificação?
Não. A exclusão de outliers é metodologicamente legítima quando os critérios de exclusão foram definidos antes da análise e estão documentados de forma transparente. O problema surge quando a exclusão é feita após conhecer os resultados, com o objetivo de melhorar a significância estatística, sem que isso seja declarado.
O que pode acontecer a um estudante apanhado a fabricar dados numa tese em Portugal?
As consequências variam por instituição, mas podem incluir a anulação da tese, a abertura de processo disciplinar, a expulsão do programa e, em casos que envolvam financiamento público, implicações jurídicas. Graus académicos podem ser revogados mesmo após a entrega e a aprovação.
O pré-registo protege o investigador de acusações falsas de falsificação?
Em larga medida, sim. O pré-registo cria um registo público e datado das hipóteses e procedimentos antes da recolha de dados. Qualquer desvio posterior fica documentado como tal — e qualquer conformidade com o protocolo original fica verificável. É uma das ferramentas mais eficazes de proteção da integridade científica.
O que é o p-hacking e porque é considerado má conduta?
P-hacking é a prática de testar múltiplas hipóteses, subgrupos ou variáveis até obter um valor de p estatisticamente significativo, sem corrigir para comparações múltiplas. Produz resultados que parecem sólidos mas que se devem ao acaso. É considerado má conduta porque distorce a interpretação dos dados e induz outros investigadores em erro.
Os indicadores de similaridade do Turnitin detetam fabricação de dados?
Não. Os relatórios de similaridade detetam sobreposição de texto — não a qualidade ou autenticidade dos dados. Fabricação e falsificação são problemas distintos do plágio e não aparecem nesses relatórios. Para mais informação sobre percentagens de texto aceitáveis, consulta o artigo sobre percentagem de plágio aceitável numa tese.
Verifica o Teu Trabalho Antes de Submeter
A integridade académica começa pela autoverificação. O Tesify permite-te identificar sobreposições de texto não intencionais no teu trabalho antes de o teu orientador ou júri o fazerem — uma boa prática que complementa o registo rigoroso de dados, o pré-registo e a citação correta das fontes.