A extração automatizada de dados em plataformas digitais, portais públicos e fóruns temáticos é rotineira em estudos sobre opinião pública, comportamento de consumo e redes sociais. A velocidade com que scripts em Python ou R raspam páginas, no entanto, não elimina exigências legais e regras éticas de pesquisa.
No Brasil, a Lei Geral de Proteção de Dados Pessoais (Lei 13.709/2018, a LGPD) e as resoluções do Conselho Nacional de Saúde (CNS 466/2012 e 510/2016) orientam o tratamento de dados pessoais. O pesquisador precisa estruturar seus fluxos de extração e custódia para evitar violações de privacidade e problemas jurídicos.
1. O acesso público e os limites da privacidade
Um erro comum é presumir que informações postadas publicamente na internet podem ser usadas sem qualquer restrição de privacidade. O artigo 7º, parágrafo 4º da LGPD estabelece que o tratamento de dados manifestamente públicos deve considerar a finalidade, a boa-fé e o interesse público que justificaram a publicação original.
Manter nomes reais e fotos em bancos de dados de pesquisa pode gerar violações de privacidade se essas informações forem expostas fora de contexto ou usadas de forma discriminatória.
2. Pseudonimização e anonimização
A legislação e as boas práticas de dados distinguem dois processos técnicos:
- Pseudonimização (artigo 13, parágrafo 4º da LGPD): os dados perdem a identificação direta ao substituir nomes ou identificadores de perfil por hashes unidirecionais (como SHA-256 com salt). Esse método mantém a estrutura relacional para análises de redes, mas impede que terceiros identifiquem a pessoa sem a chave de conversão, que deve ser mantida separada e protegida.
- Anonimização (artigo 12 da LGPD): o dado não permite a identificação do titular por nenhum meio técnico razoável disponível no momento do tratamento. Dados anonimizados perdem o caráter de dados pessoais perante a lei.
3. Diretrizes do CNS para ciências humanas e sociais
Para estudos acadêmicos avaliados pelo sistema CEP/Conep, a Resolução CNS 510/2016 regulamenta as pesquisas em ciências humanas e sociais. O artigo 1º lista hipóteses que não dependem de registro no sistema CEP:
- Pesquisas de opinião pública com participantes anônimos.
- Estudos com informações de domínio público.
- Análises baseadas em bancos de dados de acesso irrestrito cujos registros já foram anonimizados na origem.
A aprovação prévia de um comitê de ética continua obrigatória quando a raspagem monitora grupos fechados sem consentimento, reconstrói identidades individuais ou manipula dados sensíveis (convicções religiosas, posicionamento político, dados de saúde ou orientação sexual, conforme o artigo 5º, inciso II da LGPD).
Boas práticas na rotina de coleta
Tratar a ética de dados como parte do método, e não como mera formalidade final, evita que estudos inteiros sejam invalidados por questionamentos legais ou éticos. Documentar o script de coleta, os limites de armazenamento e o método de descarte é tão relevante para a confiabilidade da pesquisa quanto a análise dos resultados.
Para desenvolver rotinas de extração estruturadas e em conformidade técnica, conheça nosso serviço de coleta e raspagem de dados digitais.