Metodologia della Ricerca: Dal Campionamento all'Analisi dei Dati

Progettazione della Ricerca: Metodi Non Sperimentali

1. La ricerca non sperimentale si svolge senza la manipolazione deliberata delle variabili indipendenti; si basa su variabili che si sono già verificate o che esistono in natura, senza l'intervento diretto del ricercatore. Si tratta di un approccio retrospettivo.
2. La ricerca non sperimentale è anche conosciuta come ricerca ex post facto (i fatti e le variabili si sono già verificati) e osserva le variabili e le loro relazioni nel loro contesto naturale.
3. I disegni non sperimentali si suddividono come segue:
4. I disegni di ricerca trasversali effettuano osservazioni in un unico momento. Quando misurano le variabili individualmente, sono descrittivi. Quando descrivono le relazioni tra variabili, sono correlazionali. Quando stabiliscono processi di causalità tra variabili, sono correlazionali/causali.
5. I disegni di ricerca longitudinali effettuano osservazioni in due o più momenti. Se studiano una popolazione, sono disegni di tendenza (trend). Se analizzano un gruppo specifico o una sottopopolazione, sono disegni di analisi evolutiva di gruppo (cohort). Se studiano gli stessi soggetti nel tempo, sono disegni a pannello (panel).
6. La ricerca non sperimentale ha un rigore inferiore a quella sperimentale ed è più difficile inferire relazioni causali. Tuttavia, la ricerca non sperimentale è più naturale e più vicina alla realtà quotidiana.
7. Il tipo di disegno da scegliere è influenzato dal problema di ricerca, dal contesto che circonda la ricerca e dal tipo di studio.

Selezione del Campione: Tecniche e Procedure

1. Questo capitolo descrive come selezionare un campione. Il primo passo è chiedersi cosa si intende misurare, definendo così l'unità di analisi (individui, organizzazioni, giornali, ecc.). Successivamente, si deve definire con chiarezza la popolazione in base agli obiettivi dello studio e in termini di contenuto, luogo e tempo.
2. Il campione è un sottoinsieme della popolazione precedentemente definita e può essere probabilistico o non probabilistico.
3. La scelta del tipo di campione dipende dagli obiettivi dello studio e dallo schema di ricerca.
4. I campioni probabilistici sono essenziali nei progetti di ricerca che cercano di generalizzare i risultati a una popolazione. La caratteristica di questo tipo di campione è che tutti gli elementi della popolazione hanno inizialmente la stessa probabilità di essere selezionati. Di conseguenza, i valori misurati sul campione saranno molto vicini a quelli della popolazione, rendendo le stime del sottoinsieme molto precise. Questa precisione dipende dall'errore di campionamento, chiamato anche errore standard.
5. Per un campione probabilistico sono necessari due passaggi: determinare la dimensione del campione e selezionare gli elementi in modo casuale.
6. La dimensione del campione si calcola sulla base della varianza della popolazione e della varianza del campione, quest'ultima espressa in termini di probabilità di occorrenza. La varianza della popolazione si calcola come il quadrato dell'errore standard, che viene stabilito a priori. Minore è l'errore standard desiderato, maggiore sarà la dimensione del campione.
7. I tipi di campionamento probabilistico sono: semplice, stratificato e a grappoli (cluster). La stratificazione aumenta la precisione del campione e prevede l'uso deliberato di sotto-campioni per ogni strato o classe rilevante nella popolazione. Il campionamento a grappoli distingue tra unità di analisi e unità di campionamento. In questo tipo di campionamento, la selezione avviene in due fasi, entrambe probabilistiche: nella prima si selezionano i grappoli (scuole, organizzazioni, aule), nella seconda si selezionano i soggetti da misurare all'interno dei grappoli.
8. Gli elementi di un campione probabilistico sono sempre scelti casualmente per garantire che ogni elemento abbia la stessa probabilità di essere selezionato. Le procedure di selezione possono essere: 1. Estrazione a sorte, 2. Tavole dei numeri casuali, e 3. Selezione sistematica. Tutte le procedure dipendono dall'esistenza di liste di campionamento, che possono essere preesistenti o costruite ad hoc. Esempi di liste includono elenchi telefonici, liste di associazioni, registri scolastici, ecc. Quando non esistono liste, si ricorre ad altri quadri di riferimento che contengono descrizioni del materiale, delle organizzazioni o dei soggetti selezionati come unità di analisi, come archivi, file e mappe.
9. I campioni non probabilistici possono anche essere chiamati campioni mirati, poiché la scelta dei soggetti o degli oggetti di studio dipende dalla discrezionalità del ricercatore.
10. Esistono vari tipi di campioni mirati: (1) campioni di volontari, frequentemente utilizzati in disegni sperimentali e situazioni di laboratorio; (2) campioni di esperti, spesso usati in studi esplorativi; (3) campioni per casi-tipo, utilizzati in studi qualitativi e motivazionali; e (4) campionamento per quote, frequente nei sondaggi e nel marketing. I campioni mirati sono validi in relazione a un particolare disegno di ricerca e alle sue necessità; tuttavia, i risultati sono generalizzabili solo al campione stesso o a campioni simili, non a un'intera popolazione.
11. Il teorema del limite centrale afferma che un campione di oltre cento casi avrà una distribuzione normale nelle sue caratteristiche, anche se la popolazione di origine non è distribuita normalmente. Mentre la normalità del campione è necessaria per i test statistici, il campionamento probabilistico è un prerequisito per fare inferenze corrette sulla popolazione.

Raccolta e Misurazione dei Dati: Affidabilità e Validità

1. La raccolta dei dati comporta la selezione di uno strumento di misura disponibile o lo sviluppo di uno proprio, l'applicazione dello strumento e la preparazione delle misure ottenute affinché possano essere analizzate correttamente.
2. La misurazione è il processo di collegare concetti astratti con indicatori empirici, attraverso la classificazione e/o la quantificazione.
3. In ogni ricerca, si misurano le variabili contenute nelle ipotesi.
4. Uno strumento di misura deve soddisfare due criteri fondamentali: affidabilità e validità.
5. L'affidabilità (o attendibilità) si riferisce al grado in cui l'applicazione ripetuta di uno strumento di misura allo stesso soggetto o oggetto produce risultati identici.
6. La validità si riferisce al grado in cui uno strumento misura effettivamente la variabile (o le variabili) che intende misurare.
7. Si possono fornire tre tipi di prove per la validità: prova di validità di contenuto, prova di validità di criterio e prova di validità di costrutto.
8. I fattori che possono inficiare la validità includono principalmente: l'improvvisazione, l'uso di strumenti sviluppati all'estero e non validati nel nostro contesto, la scarsa o nulla empatia e i fattori legati alla desiderabilità sociale.
9. Non esiste una misura perfetta, ma l'errore di misurazione deve essere ridotto entro limiti tollerabili.
10. L'affidabilità viene determinata calcolando un coefficiente di affidabilità.
11. I coefficienti di affidabilità variano tra 0 e 1 (0 = nessuna affidabilità, 1 = affidabilità totale).
12. Le procedure più comuni per stimare l'affidabilità sono: la misura della stabilità (test-retest), il metodo delle forme alternative, il metodo split-half, l'alpha di Cronbach e il coefficiente KR-20.
13. La validità di contenuto si ottiene confrontando l'universo degli item con gli item presenti nello strumento di misura.
14. La validità di criterio si ottiene confrontando i risultati dell'applicazione dello strumento con i risultati di un criterio esterno.
15. La validità di costrutto può essere determinata mediante l'analisi fattoriale.
16. La procedura generica per costruire uno strumento di misura include i seguenti passaggi:
    • Elencare le variabili da misurare.
    • Rivedere le definizioni concettuali e operative.
    • Scegliere uno strumento già sviluppato o costruirne uno proprio.
    • Indicare i livelli di misurazione delle variabili (nominale, ordinale, a intervalli, a rapporti).
    • Indicare come codificare i dati.
    • Eseguire un test pilota.
    • Costruire la versione finale dello strumento.
17. Nella ricerca sociale esistono diversi strumenti di misurazione:
    • Scale di misurazione degli atteggiamenti: Likert, Guttman e differenziale semantico.
    • Questionari: auto-somministrati, tramite intervista personale, telefonica o postale.
    • Analisi del contenuto.
    • Osservazione.
    • Test standardizzati.
    • Sessioni di approfondimento (focus group).
    • Registrazioni e altre forme di misurazione.
18. Le risposte ottenute vengono codificate.
19. La codifica comporta:
    • Pre-codifica delle voci o codifica a posteriori.
    • Preparare il libro codice (codebook).
    • Eseguire fisicamente la codifica.
    • Registrare e archiviare i dati in un file permanente.

Analisi Statistica dei Dati: Dalla Descrizione all'Inferenza

1. L'analisi dei dati viene effettuata utilizzando matrici di dati, memorizzate in un file.
2. Il tipo di analisi o di test statistico da eseguire dipende dal livello di misurazione delle variabili, dalle ipotesi e dagli interessi del ricercatore.
3. L'analisi statistica può includere: statistiche descrittive per ogni variabile (distribuzioni di frequenza, misure di tendenza centrale e misure di variabilità), trasformazione in punteggi Z, calcolo di rapporti e tassi, statistiche inferenziali, test parametrici, test non parametrici e analisi multivariata.
4. Le distribuzioni di frequenza contengono le categorie, i codici, le frequenze assolute (numero di casi), le frequenze relative (percentuali) e le frequenze cumulate (assolute o relative).
5. Le distribuzioni di frequenza (in particolare le frequenze relative) possono essere presentate graficamente.
6. Una distribuzione di frequenza può essere rappresentata attraverso un poligono di frequenza o una curva di frequenza.
7. Le misure di tendenza centrale sono la moda, la mediana e la media.
8. Le misure di variabilità sono il campo di variazione (o range, differenza tra il valore massimo e minimo), la deviazione standard e la varianza.
9. Altre statistiche descrittive utili sono l'asimmetria (skewness) e la curtosi.
10. I punteggi Z sono trasformazioni dei valori ottenuti in unità di deviazione standard.
11. Una 'ratio' è il rapporto tra due categorie, mentre un 'tasso' è il rapporto tra il numero di casi di una categoria e il numero totale di casi, moltiplicato per un multiplo di 10.
12. La statistica inferenziale serve a generalizzare i risultati dal campione alla popolazione, per verificare ipotesi e stimare parametri. Si basa sul concetto di distribuzione campionaria.
13. La curva di distribuzione normale è un modello teorico molto utile, con media 0 (zero) e deviazione standard 1 (uno).
14. Il livello di significatività e gli intervalli di confidenza sono livelli di probabilità di commettere un errore nel testare le ipotesi o nello stimare i parametri. I livelli più comuni nelle scienze sociali sono 0.05 e 0.01.
15. I test statistici parametrici comunemente utilizzati sono:

    Tipi di Test e Ipotesi Corrispondenti

    • Coefficiente di correlazione di Pearson: per ipotesi correlazionali.
    • Regressione lineare: per ipotesi correlazionali/causali.
    • t-test: per la differenza tra gruppi.
    • Test di contrasto per la differenza tra proporzioni: per la differenza tra gruppi.
    • Analisi della varianza (ANOVA) a una via e fattoriale: per la differenza tra gruppi/causale. L'ANOVA a una via ha una variabile indipendente, quella fattoriale ne ha due o più.
    • Analisi della covarianza (ANCOVA): per ipotesi correlazionali/causali.
16. In tutti i test statistici parametrici, le variabili sono misurate su scala a intervalli o a rapporti.
17. L'analisi non parametrica o i test statistici comunemente utilizzati sono...
18. L'analisi statistica viene effettuata tramite programmi informatici, utilizzando pacchetti statistici.
19. I pacchetti statistici più popolari sono: BMDP, ESP, OSIRIS, SAS e SPSS. Per il loro utilizzo, è necessario consultare i rispettivi manuali.

Redazione del Report di Ricerca: Struttura e Contenuti

1. Prima di preparare un report di ricerca, è necessario definire il destinatario, poiché il report si adatterà a esso.
2. I report di ricerca possono essere presentati in un contesto accademico o non accademico.
3. Il contesto determina la natura, il formato e la portata del report di ricerca.
4. Gli elementi più comuni di un report di ricerca presentato in un contesto accademico sono: copertina, indice, abstract (o sommario), introduzione, quadro teorico di riferimento, metodo, risultati, conclusioni, bibliografia e appendici.
5. Gli elementi più comuni in un contesto non accademico sono: copertina, indice, abstract (o sommario), introduzione, metodo, risultati, conclusioni e appendici.
6. Per presentare il report di ricerca si possono utilizzare vari supporti.