Semana 9 de 12 · 12 horas · Diploma

Gerir com o MEAL: indicadores, acompanhamento, painéis e IA

Objetivos da semana
  • Construir um plano MEAL ligado ao quadro lógico: indicadores SMART, linhas de base, metas, desagregações, fontes e frequências.
  • Acompanhar o progresso com uma tabela de acompanhamento de indicadores (ITT) e um painel, e tirar daí decisões.
  • Utilizar a IA para analisar dados quantitativos e qualitativos respeitando a responsabilidade dos dados humanitários.

Guarde o curso em casa: material PDF gratuito com exercícios, pontos-chave e quiz corrigido.

Descarregar esta aula em PDF Manual completo (PDF)

1O plano MEAL, coluna vertebral da gestão

MEAL significa acompanhamento (Monitoring), avaliação (Evaluation), prestação de contas (Accountability) e aprendizagem (Learning). O plano MEAL traduz o quadro lógico num dispositivo concreto. Para cada indicador: definição precisa, modo de cálculo, linha de base, meta (total e por período), desagregações (sexo, idade, deficiência, local), fonte e método de recolha, frequência, responsável, utilização prevista.

Um indicador SMART é específico, mensurável, alcançável, pertinente e limitado no tempo. «Melhorar o acesso à água» não é um indicador; «% de agregados focalizados que dispõem de pelo menos 15 litros de água potável por pessoa e por dia (norma Esfera), até dezembro de 2027» é.

O plano MEAL prevê também as avaliações (de base, intercalar, final), o mecanismo de feedback e reclamações e os momentos de aprendizagem (revisões trimestrais, workshops de lições aprendidas). O guia MEAL DPro da PM4NGOs é uma referência gratuita.

2A tabela de acompanhamento de indicadores (ITT)

A ITT (Indicator Tracking Table) apresenta, para cada indicador, a linha de base, a meta, as realizações por período, o acumulado e a taxa de cumprimento. É muitas vezes exigida pelo doador com cada relatório.

Ler uma ITT é comparar a taxa de cumprimento com o tempo decorrido. No trimestre 3 de 4 (75 % do tempo), um indicador cumprido a 45 % exige uma análise: atraso de arranque recuperável, problema de acesso, meta irrealista ou indicador mal definido?

Cuidado com os erros frequentes: somar pessoas contadas várias vezes (uma mesma família recebe três distribuições: são 3 distribuições, mas uma só família); misturar pessoas e agregados; apresentar uma percentagem sem o denominador; esquecer as desagregações por sexo, idade e deficiência.

3Do acompanhamento à decisão

O acompanhamento não serve de nada se não mudar as decisões. Uma revisão mensal de desempenho eficaz, de uma hora, examina por esta ordem:

  1. os indicadores de efeito e o feedback das comunidades: a mudança está a acontecer?
  2. os produtos e o cronograma: estamos dentro do prazo?
  3. o orçamento e o valor agregado;
  4. os riscos e questões;
  5. as decisões: quem faz o quê, para quando.

O painel de uma página combina estes elementos com códigos de cor (verde, laranja, vermelho) definidos antecipadamente. Por exemplo: verde se o cumprimento for pelo menos igual a 90 % do pro rata temporal, laranja de 70 a 89 %, vermelho abaixo. Os limiares escritos evitam os debates subjetivos.

4Analisar os dados com a IA

Dados quantitativos. A IA pode escrever fórmulas de folha de cálculo, limpar uma base (duplicados, valores aberrantes), calcular taxas e desagregações, propor gráficos e um primeiro comentário. Também pode executar pequenos cálculos nas versões que dispõem de uma ferramenta de análise. Verifique sempre os totais por um cálculo independente.

Dados qualitativos. Para centenas de respostas abertas, atas de grupos focais ou feedback comunitário, a IA pode propor temas, contar as ocorrências e extrair citações representativas. Boas práticas: definir você mesmo a grelha de codificação ou validá-la; verificar manualmente uma amostra (por exemplo 10 % das respostas); manter as vozes minoritárias, que as sínteses automáticas tendem a apagar.

O que a IA não deve fazer: tratar reclamações sensíveis (exploração e abuso sexuais, violência baseada no género, fraude) fora do circuito confidencial previsto; decidir sozinha a categoria de uma reclamação; produzir números sem uma base de dados verificável.

5Responsabilidade dos dados humanitários

As orientações do IASC sobre a responsabilidade dos dados (2023) e o manual do CICV sobre a proteção de dados fixam o enquadramento. Antes de introduzir dados numa ferramenta de IA:

  • Minimizar: apenas as colunas necessárias;
  • Anonimizar realmente: suprimir nomes, números de telefone, números de registo, coordenadas GPS precisas, e verificar que certas combinações (aldeia + idade + deficiência + composição do agregado) não permitem identificar alguém;
  • Pensar nos dados demograficamente sensíveis: mesmo sem nomes, a localização de um grupo étnico ou de pessoas deslocadas pode expô-los;
  • Utilizar a oferta validada pela sua organização, cujas condições excluem a utilização dos seus dados para treino;
  • Respeitar o consentimento dado na recolha.

Regra simples: se a fuga deste ficheiro pudesse prejudicar uma pessoa ou um grupo, ele não vai para uma ferramenta de IA não validada, nem mesmo «só para um resumo».

6Aprender e adaptar-se

O «L» de MEAL é muitas vezes esquecido. Para que um projeto aprenda:

  • manter um registo de decisões adaptativas: data, constatação, dados, decisão, aprovação;
  • organizar revisões pós-ação curtas após cada etapa importante (o que estava previsto? o que aconteceu? porquê? o que repetir ou mudar?);
  • partilhar as lições com o cluster e os parceiros;
  • verificar os pressupostos da teoria da mudança pelo menos uma vez por semestre.

A IA pode ajudar a sintetizar as revisões e a encontrar as lições de projetos passados nos seus relatórios arquivados, desde que cite os documentos-fonte.

Exercício: ler uma ITT e decidir

Situação. Projeto de proteção da infância da ONG fictícia Amal, 12 meses. Indicador: «número de crianças que beneficiam de gestão individual de casos». Meta anual: 2 400 crianças. Realizações: T1 450; T2 620; T3 530. Desagregação acumulada: 58 % de rapazes, 42 % de raparigas, quando a população-alvo conta com 51 % de raparigas. Limiares do painel: verde ≥ 90 % do pro rata temporal, laranja 70 a 89 %, vermelho < 70 %.

Trabalho pedido. 1) Acumulado e taxa de cumprimento no final do T3? 2) Cor do painel? 3) Quantas crianças no T4 para atingir a meta? 4) Que pergunta levanta a desagregação?

Correção. 1) 450 + 620 + 530 = 1 600 crianças; 1 600 ÷ 2 400 ≈ 66,7 %. 2) Pro rata temporal no final do T3 = 75 %; 66,7 ÷ 75 ≈ 89 %: laranja (mesmo abaixo do verde). 3) 2 400 − 1 600 = 800 crianças no T4, ou seja claramente mais do que o melhor trimestre (620): é preciso analisar a capacidade real antes de prometer a meta. 4) As raparigas estão sub-representadas (42 % contra 51 %): obstáculos de acesso próprios das raparigas? Canais de sinalização inadequados? É preciso falar disso com as comunidades e a equipa, sem forçar artificialmente os números, porque uma gestão de casos deve responder a uma necessidade real.

A reter

  • O plano MEAL detalha cada indicador: definição, linha de base, meta, desagregações, fonte, frequência, responsável.
  • Ler uma ITT: comparar a taxa de cumprimento com o tempo decorrido; evitar as duplas contagens.
  • Uma revisão mensal começa pelos efeitos e termina com decisões escritas.
  • A IA analisa dados e feedback anonimizados; verificar uma amostra e manter as vozes minoritárias.
  • Minimizar, anonimizar, ferramenta validada, consentimento: nenhum dado que possa prejudicar numa ferramenta não validada.
Uma pergunta sobre este módulo?

Faça-a aos outros participantes: seguem o mesmo curso que você.

Fazer a minha pergunta Ver as trocas deste módulo

💼 Vagas em Gestão de programas

Ponha esta formação em prática: as últimas vagas desta área.

Ver as 1171 vagas em Gestão de programas →

Prepare o teste escrito e a entrevistaExemplo de teste escrito corrigido nesta área, perguntas de entrevista com modelos de resposta e método STAR.Ver o teste corrigido →
Para saber mais: referências da formação
  1. Project Management Institute (PMI) (2025). A Guide to the Project Management Body of Knowledge (Guia PMBOK), 8.ª edição. www.pmi.org
  2. Project Management Institute (PMI) (2026). PMP Examination Content Outline (conteúdo oficial do exame PMP). www.pmi.org/certifications/project-management-pmp
  3. PeopleCert (AXELOS) (2023). Managing Successful Projects with PRINCE2, 7.ª edição. www.peoplecert.org
  4. Ken Schwaber e Jeff Sutherland (2020). O Guia do Scrum (The Scrum Guide). scrumguides.org
  5. Coletivo de 17 signatários (2001). Manifesto para o Desenvolvimento Ágil de Software. agilemanifesto.org
  6. PM4NGOs (2020). Project DPro: guia de gestão de projetos para profissionais do desenvolvimento (PMD Pro 2.ª edição). pm4ngos.org
  7. PM4NGOs (2019). MEAL DPro: guia de acompanhamento, avaliação, prestação de contas e aprendizagem. pm4ngos.org
  8. Comissão Europeia (2004). Diretrizes sobre a gestão do ciclo de projeto. international-partnerships.ec.europa.eu
  9. Grupo das Nações Unidas para o Desenvolvimento Sustentável (UNSDG) (2011). Results-Based Management Handbook (manual de gestão baseada em resultados). unsdg.un.org
  10. CHS Alliance, Groupe URD e Esfera (2024). Core Humanitarian Standard on Quality and Accountability (Norma Humanitária Essencial). www.corehumanitarianstandard.org
  11. Associação Esfera (2018). O manual Esfera. spherestandards.org
  12. Comité Permanente Interagências (IASC) (2023). Operational Guidance on Data Responsibility in Humanitarian Action. interagencystandingcommittee.org
  13. CICV e Brussels Privacy Hub (2020). Manual sobre proteção de dados na ação humanitária (2.ª edição). www.icrc.org
  14. National Institute of Standards and Technology (NIST) (2023). AI Risk Management Framework (AI RMF 1.0). www.nist.gov
  15. Nações Unidas (Conselho dos Chefes Executivos) (2022). Principles for the Ethical Use of Artificial Intelligence in the United Nations System. unsceb.org

Quiz da semana

5 perguntas exigentes para verificar o que aprendeu. Responda a todas para validar a semana.

1Meta 1 000, realizado 600 a meio do projeto. Face ao pro rata temporal (50 %), o projeto está:
2Uma mesma família recebe três distribuições. Conta como:
3Antes de analisar feedback comunitário com a IA, é preciso primeiro:
4Uma reclamação de exploração e abuso sexuais deve ser tratada:
5O «L» de MEAL designa:

← Semana 8Semana 10 →