O que são repertórios sobre etarismo e por que eles existem
Repertórios sobre etarismo são coleções organizadas de dados, pesquisas, casos e ferramentas que documentam como a discriminação por idade se manifesta em diferentes contextos. Não é um conceito novo no meio acadêmico e ativista, mas ganhou força nos últimos anos porque os governos e organizações começaram a exigir indicadores mais concretos para medir desigualdade etária. Eu trabalhei com coleta e organização desse tipo de material durante alguns anos em projetos de políticas públicas voltadas para o envelhecimento. A primeira coisa que todo mundo subestima é a quantidade de dados espalhados e inconsistentes. Um relatório do IBGE sobre força de trabalho pode usar faixas etárias diferentes de um estudo da OMS. Cruzar essas informações manualmente é uma perda de tempo garantida.
Como construir repertórios sobre etarismo funcionais
O processo básico envolve quatro etapas: identificar as fontes, padronizar as categorias etárias, classificar os achados por contexto de manifestação do etarismo e documentar o que falta. A parte que as pessoas esquecem é a classificação. Sem um esquema de codificação consistente, você termina com uma planilha gigante que ninguém consegue ler. Eu usei uma taxonomia simples baseada em três eixos: etarismo institucional (leis, políticas, normas), etarismo interpersonal (relações de trabalho, família, saúde) e etarismo internalizado (crenças que pessoas mais velhas absorvem sobre si mesmas). Cada registro no repertório recebe tags nesses três eixos. Isso permite filtros cruzados que fazem sentido na prática.
Fontes principais no Brasil: o IBGE tem pesquisas regulares sobre envelhecimento, o Ministério da Cidadania publica dados sobre direitos da pessoa idosa, e o DATASUS oferece indicadores de saúde separados por faixa etária. No cenário internacional, a WHO tem o Global Health Observatory com dados sobre violência contra idosos, e a IAGG mantém revisões sistemáticas que valem a pena consultar. Aqui vai algo que ninguém conta: o maior problema técnico não é coletar dados, é lidar com a variação nas faixas etárias entre fontes. O IBGE usa faixas como 60-69, 70-79. Alguns estudos internacionais dividem em 65-74 e 75+. Quando você está compilando um repertório, precisa de uma tabela de conversão pré-definida. Eu criei uma mapeando todas as faixas para os padrões da OMS, o que reduziu o tempo de padronização de dois dias para cerca de três horas por novo lote de dados.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Uso prático e armadilhas comuns
Repertórios sobre etarismo são úteis para pesquisadores que precisam de base empírica rápida, para ativistas que precisam de argumentos com dados, e para gestores públicos que precisam justificar alocação de recursos. O valor real está na capacidade de ver padrões transversais — por exemplo, como o etarismo no mercado de trabalho se conecta com a exclusão digital e a sobrecarga de serviços de saúde. O problema é que repertórios mal construídos geram falsa sensação de objetividade. Um dado isolado sobre emprego de pessoas acima de 50 anos pode ser puxado para uma narrativa que não reflete a realidade complexa. Variáveis como gênero, raça, nível de escolaridade e região geográfica costumam ser negligenciadas. No meu projeto, tivemos um caso em que os dados agregados mostravam queda de participação laboral após os 50, mas ao desagregar por raça, ficou claro que a queda era muito mais acentuada para homens negros do que para mulheres brancas. O repertório sem desagregação teria levado a conclusões erradas sobre políticas de requalificação profissional.
Outro ponto importante: muitos desses repertórios não incluem dados qualitativos adequados. Histórias, testemunhos e análises etnográficas são tão importantes quanto números. Um repertório completo precisa de espaço para ambos. Eu resolvi isso criando uma seção separada no banco de dados para registros qualitativos, com codificação temática própria, mas vinculada aos registros quantitativos através de variáveis contextuais compartilhadas. O que eu recomendo na prática é começar pequeno. Escolha um setor específico — mercado de trabalho, saúde ou educação — e construa um repertório concentrado nele. Quando o modelo estiver rodando, você expande para outras áreas. Tentar fazer tudo de uma vez resulta em algo superficial em todas as frentes. Uma ferramenta open source que facilita esse tipo de organização é o OpenRefine, combinado com um banco de dados relacional simples. Para quem não quer desenvolver do zero, o Zettelkasten digital também serve para versiones mais leves, especialmente quando o foco é revisão bibliográfica plutôt que análise de dados primários.
Se o seu objetivo é apenas consultar informações existentes sem montar um repertório próprio, existem bases como o ELDIS e o Aging Line do HelpAge International que já organizam boa parte do que existe publicado sobre o tema. Vale a pena dar uma olhada antes de reinventar a roda.
