Com a aproximação do período eleitoral, as pesquisas de intenção de voto começam a se tornar mais numerosas e frequentes.
Mas diferentes métodos, bases de entrevistados e períodos de produção fazem com que os resultados das pesquisas forneçam dados diferentes entre si, o que pode gerar confusão e alimentar desconfiança sobre seus resultados.
É aí que entra uma ferramenta que busca organizar os diferentes resultados, e que nos últimos anos vem ganhando mais atenção em eleições pelo mundo: os agregadores de pesquisas eleitorais.
Para a eleição de 2026, o Agregador de Pesquisas da BBC News Brasil, feito em parceria com a consultoria PollingData, compila resultados de pesquisas eleitorais e calcula a estimativa de intenção de voto para os pré-candidatos à Presidência.
Mas o que é exatamente um agregador e como ele funciona? Que tipo de informações ele pode oferecer? E qual a diferença dele, e a confiabilidade, em relação a cada pesquisa?
A BBC News Brasil ouviu três especialistas que estudam e produzem agregadores de pesquisas para responder a essas perguntas.
A avaliação dos três é que os agregadores podem ser instrumentos valiosos para informar o eleitor, desde que sejam usados com cuidado, transparência metodológica e consciência sobre suas limitações.
O que é um agregador de pesquisas eleitorais
Em linhas gerais, um agregador de pesquisas eleitorais é uma ferramenta que reúne resultados de diferentes pesquisas para produzir uma estimativa única do cenário eleitoral.
O agregador pode usar desde uma média simples das pesquisas até modelos que ajustam diferenças entre institutos, métodos, amostras e datas de coleta dos dados, oferecendo um retrato mais fiel da disputa.
"Você tem fontes diferentes que te contam uma história mais ou menos parecida, mas não exatamente a mesma história", observa Tom Louwerse, professor associado e diretor de pesquisa do Instituto de Ciência Política da Universidade de Leiden, na Holanda.
"Pesquisas individuais, por si só, têm suas limitações, tanto em termos metodológicos, que podem causar vieses para um lado ou outro, quanto em relação a flutuações aleatórias", observa Raphael Nishimura, diretor de amostragem do Survey Research Center da Universidade de Michigan, nos EUA.
"Uma grande vantagem dos agregadores é que, se bem implementados, eles tendem a reduzir esses problemas e trazer estimativas mais estáveis. A ideia é que ao incorporar pesquisas usando diferentes metodologias, eles conseguem compensar certos problemas que cada pesquisa intrinsecamente tem", explica.
Essa lógica se baseia em um princípio estatístico relativamente simples: os desvios de cada pesquisa (em sua grande maioria não intencionais) acabam se compensando ao serem combinados em um modelo único.
Assim, uma metodologia que tende a inflar um lado do espectro político acaba sendo equilibrada por outra com resultados inflados para o lado oposto.
O que um agregador revela — e o que não revela
Especialistas ressaltam que, assim como as pesquisas individuais, os agregadores não devem ser lidos como previsões do resultado final das urnas. Mas sim como uma fotografia do momento específico da corrida eleitoral.
No lugar de responder "quem vai ganhar", agregadores indicam tendências, estabilidade ou volatilidade do eleitorado, e a consistência geral do cenário eleitoral.
"Uma grande vantagem dos agregadores está em combinar informações de diferentes institutos, podendo assim ter uma compreensão mais verossímil, dinâmica e abrangente da corrida, uma espécie de filme da competição eleitoral a partir do encadeamento de fotografias que carregam informações sensíveis ao momento e ao processo de coleta das respostas", afirma o cientista político Vinicius Silva Alves, professor no Instituto Brasileiro de Ensino, Desenvolvimento e Pesquisa (IDP).
"Os agregadores ajudam a entender melhor o sinal por trás do ruído", complementa Louwerse, da Universidade de Leiden. Segundo ele, mesmo com metodologias simples os agregadores produzem estimativas cada vez mais confiáveis à medida em que o número de pesquisas vai aumentando.
Ainda assim, Louwerse ressalta que agregadores não eliminam incertezas naturais do processo eleitoral — como mudanças abruptas de opinião provocadas por eventos inesperados, falhas sistemáticas de diferentes institutos ou limitações normais da coleta de dados.
Por que agregadores tendem a ser mais informativos do que pesquisas isoladas
Sozinha, uma pesquisa é sempre um recorte limitado: usa uma amostra específica, sua própria metodologia e é feita em um intervalo curto de tempo.
Quando bem construídos, os agregadores funcionam como uma espécie de "seguro estatístico" contra esses problemas, já que as variações dos resultados em uma pesquisa só serão sentidas no agregador se forem acompanhadas do mesmo movimento em outras sondagens.
Outro ponto destacado pelos especialistas é o efeito de legitimação pública. Em contextos altamente polarizados, parte do eleitorado tende a desconfiar de institutos específicos.
"Quando o agregador inclui todas as pesquisas, ele se torna uma ferramenta mais imparcial e moderadora desse tipo de polarização", afirma Nishimura.
Incluir tudo ou filtrar? Um dos principais dilemas metodológicos
Um dos temas mais controversos em torno dos agregadores é a pergunta: todas as pesquisas devem entrar no modelo, e todas com o mesmo peso?
Para Vinicius Silva Alves, a resposta inicial deve ser: sim. "Minha orientação seria trabalhar com tudo o que foi registrado", diz. "Não excluir nada em princípio."
Segundo ele, a exclusão de institutos abre espaço para suspeitas de arbitrariedade e enviesamento político. Em contextos de polarização e desconfiança por parte do público, esse tipo de decisão pode comprometer a credibilidade do agregador antes mesmo que ele ganhe tração perante a opinião pública.
Isso, no entanto, não significa aceitar todos os dados de forma acrítica.
Vinicius defende a inclusão ampla como ponto de partida, combinada com monitoramento contínuo da qualidade das pesquisas.
"Estar disposto a calibrar" é essencial, diz ele, acrescentando que em seus agregadores considera a possibilidade de reduzir peso ou até excluir levantamentos em casos excepcionais.
Esses casos incluiriam pesquisas "muito fora da curva", com crescimento improvável, baixa transparência metodológica ou comportamentos que destoam abruptamente de outras sondagens sem explicação plausível.
Exclusão como exceção, não como regra
Tom Louwerse concorda que a exclusão de pesquisas deve ser rara e cuidadosamente justificada.
"Pesquisas que são claramente de qualidade metodológica baixa, você pode escolher excluir", afirma. Mas, segundo ele, os critérios precisam ser explícitos, públicos e definidos antes da publicação do agregador.
Entre os problemas que poderiam justificar a exclusão de algumas pesquias estão falhas graves na amostragem, ausência de ponderações demográficas básicas e falta de transparência sobre a metodologia e dados adotados.
Mesmo assim, Louwerse destaca que modelos estatísticos robustos conseguem lidar com variações significativas sem a necessidade de intervenção manual, suavizando automaticamente o impacto de pesquisas com dados mais fora da curva.
Pesos diferenciados: solução ou nova fonte de controvérsia?
Outra discussão central envolve o uso de pesos diferenciados para as pesquisas. Nos modelos de agregador mais sofisticados, nem todos os levantamentos recebem o mesmo peso.
Vinicius Alves é favorável à ponderação, desde que aplicada com parcimônia e critérios claros. Entre os fatores citados por ele estão tamanho da amostra, metodologia utilizada (presencial, telefone, online), recorrência do instituto e proximidade da eleição.
"Pesar mais aquelas que têm mais amostra" é um princípio estatístico defensável, afirma.
Louwerse acrescenta que também é possível ponderar institutos com base em seu desempenho histórico, usando o erro absoluto médio em eleições anteriores. Ele considera essa abordagem importante principalmente em países com muitos institutos, como é o caso do Brasil e dos Estados Unidos.
Modelos estatísticos: do básico ao sofisticado
Agregadores variam enormemente em complexidade. Alguns se limitam a médias simples, enquanto outros têm fórmulas mais complexas capazes de estimar e corrigir os chamados house effects (ou viés da casa, diferenças sistemáticas entre institutos).
Segundo Louwerse, esse tipo de modelo permite ajustar automaticamente pesquisas de um instituto que esteja, por exemplo, "sempre cinco pontos acima" ou abaixo da média, reduzindo o impacto de vieses persistentes.
"O modelo já faz muito do trabalho que as ponderações tentam resolver", afirma.
Para Nishimura, a principal diferença entre agregadores não está necessariamente no grau de sofisticação matemática, mas na transparência metodológica.
"Não há padrões internacionais consolidados", diz. "Transparência sobre a metodologia empregada é o melhor indicador de confiabilidade."
Riscos, limitações e potenciais problemas
Apesar das vantagens, especialistas alertam que agregadores, como outras ferramentas, não são imunes a problemas.
Um risco é o chamado viés coletivo: quando vários institutos compartilham pressupostos metodológicos semelhantes, ou erram na mesma direção, o agregador apenas consolida esse erro.
Outro problema possível, a depender da origem do agregador, é uma eventual manipulação indireta, especialmente pela exclusão seletiva de pesquisas sem razão forte e justificável.
"Uma forma de enviesar resultados é excluir certas pesquisas do agregador sem um bom fundamento", afirma Nishimura. "Em geral, esse tipo de coisa deve ser evitada."
Há também o desafio da comunicação. Além dos dados expostos pelos agregadores em si, a forma como eles são mostrados também pode fazer uma diferença, se os gráficos, por exemplo, não indicarem com clareza pressupostos e incertezas.
"Por considerar esse acúmulo de evidências de fontes diversas e pela possibilidade de ser transparente sobre os critérios que balizam as estimativas, avalio que o agregador pode ser reconhecido como ferramenta confiável e apropriada para navegarmos as incertezas dos processos eleitorais em períodos de alta polarização", conclui Vinicius Silva Alves.
