Modelos de gestão de projetos que combinam práticas de diferentes abordagens estão sendo reconhecidos como a melhor opção nos ambientes de negócios complexos e com inovação. Os estudos sobre o tema não abordam, porém, um aspecto essencial e que interfere diretamente no resultado desta estratégia: a escolha de qual prática adotar em cada situação. Modelos existentes são baseados em opiniões de especialistas ou foram propostos sem conter a descrição da origem e fundamentação das escolhas. Investiga-se o uso de métodos para escolha de práticas lastreadas em evidências e experiências. A fim de contribuir nesse desafio, o presente estudo analisa criticamente metodologias gerenciais e modelos híbridos existentes, identifica e desenvolve duas propostas de solução para recomendação de práticas de gerenciamento de projetos: uso de algoritmos para escolhas baseadas em experiência prévia e uso de meta-análise para realizar escolhas baseadas em evidência. A primeira solução utilizou técnicas de agrupamento e regras de associação. O teste do procedimento, bem como dos algoritmos foi realizado em uma base de dados de 856 projetos de 76 países diferentes e 17 setores industriais. A segunda solução envolveu o uso da técnica de meta-análise com Forest Plot para recomendação de práticas para diferentes tipos de projeto a partir de evidências científicas de práticas usando dados de estudos de caso em gestão de projetos encontrados na literatura. A partir dos dados coletados e analisados, foi possível encontrar evidências científicas para dois tipos gerais de projetos: software e hardware-software. A partir das lições apreendidas no desenvolvimento e teste da segunda solução, um protocolo de meta-análise para gestão de projetos também é proposto. Os dados comprovaram a viabilidade das duas estratégicas, o que corrobora a tese de que o uso de algoritmos e meta-análise são duas estratégias para fazer frente ao problema da customização de práticas de gestão de projetos. A primeira pode ser incorporada em sistemas informatizados de organizações. A segunda pode gerar no futuro a estruturação de bases científicas de estudos de campo de gestão de projetos, as quais poderiam proporcionar a indicação de práticas baseadas em evidência. A tese apresentada abre possibilidades para uma nova área de pesquisa em gestão de projetos: a indicação de práticas de forma automática e baseadas em evidência.

Project management models that combine practices from different approaches are being recognized as the best option in complex and innovative business environments. Studies on the subject do not address, however, an essential aspect that directly affects the result of this strategy: the choice of which practice to adopt in each situation. Existing models are based on expert opinions or have been proposed without describing the origin and rationale for the choices. The use of methods for choosing practices based on evidence and experiences is investigated. In order to contribute to this challenge, this study critically analyzes management methodologies and existing hybrid models, identifies and develops two proposed solutions for recommending project management practices: use of algorithms for choices based on previous experience and use of meta-analysis to make evidence-based choices. The first solution used grouping techniques and association rules. The testing of the procedure as well as the algorithms was performed on a database of 856 projects from 76 different countries and 17 industrial sectors. The second solution involved the use of the Forest Plot meta-analysis technique to recommend practices for different types of projects from scientific evidence of practices using data from case studies in project management found in the literature. From the collected and analyzed data, it was possible to find scientific evidence for two general types of projects: software and hardware-software. From the lessons learned in the development and testing of the second solution, a meta-analysis protocol for project management is also proposed. The data proved the viability of both strategies, which corroborates the thesis that the use of algorithms and meta-analysis are two strategies to face the problem of customization of project management practices. The first can be incorporated into computerized systems of organizations. The second may generate, in the future, the structuring of scientific bases for project management field studies, which could indicate evidence-based practices. The thesis presented opens possibilities for a new area of research in project management: the indication of practices automatically and based on evidence.