Metodologia Della Ricerca Sociale Ebook

E-book studenti frequentanti
Metodologia e tecniche della ricerca sociale
Corso di laurea in Comunicazione, Media e Pubblicit
e-book
Metodologia e Tecnica della Ricerca Sociale
(Primo Semestre)
Open Knowledge
INDICE
Captiolo I.................................................................................4 Il problema della conoscenza tra scienza e senso comune ......4 1. Per iniziare .......................................................................................................... 4 2 I paradigmi delle scienze sociali .................................................................. 4 2.1 Positivismo .................................................................................................... 6 2.2 Post-positivismo ......................................................................................... 7 2. 3 Interpretativismo ...................................................................................... 8 Capitolo II .............................................................................12 Ricerca sociale e metodi. Gli approcci....................................12 1. Qualitativo e quantitativo: due approcci a confronto ....................... 12 1.1 Logica della ricerca: ............................................................................... 13 1.2 Gli strumenti .............................................................................................. 13 1.3 Il Disegno di ricerca ................................................................................ 14 1.4 Analisi dei dati ........................................................................................... 14 1.5 La Presentazione dei dati: .................................................................... 15 2. Pro e contro dei due approcci .................................................................... 17 3. Approccio integrato (ricerche quali-quantitative) .............................. 17 Capitolo III ...........................................................................18 Il disegno di ricerca nellambito degli studi di quantitativi ....18 1. Concetti preliminari ....................................................................................... 18 2. I passi della ricerca ........................................................................................ 19 2. 1 Il processo di deduzione: dalla teoria alle ipotesi ..................... 19 2. 2 Loperativizzazione: dallipotesi alla rilevazione dei dati ........ 21 2. 3 Il processo di organizzazione dei dati: dalla rilevazione allanalisi .............................................................................................................. 25 2.4. Il processo di interpretazione: dallanalisi dei dati ai risultati ................................................................................................................................ 25 2.5 Rilevazione, interpretazione e ritorno alle ipotesi ..................... 26 3. Validit e attendibilit nella ricerca sociale ......................................... 27 Capitolo IV ............................................................................34 I metodi quantitativi nella ricerca sociale..............................34 1. Le variabili nella ricerca sociale ................................................................ 34 2. Il questionario: caratteristiche e applicazioni pratiche .................... 36 2.1 La costruzione del questionario .......................................................... 37 2.2. I metodi di somministrazione delle domande ............................. 38 2.3 La struttura del questionario ............................................................... 40 3. Considerazioni conclusive sul questionario .......................................... 44 4. La tecnica delle scale .................................................................................... 45 4.1 La scala cumulativa di Guttman ......................................................... 48
4.2 La scala Likert ........................................................................................... 49 4.3 Il differenziale semantico ...................................................................... 50 5. La matrice: primi cenni ................................................................................ 52 CAPITOLO V...........................................................................54 Il campionamento .................................................................54 1. Introduzione...................................................................................................... 54 2. Come si fa quindi a campionare? ...................................................... 56 3. Campionamento probabilistico .................................................................. 57 3.1 Campionamento casuale semplice .................................................... 58 3.2 Campionamento sistematico o per criterio ................................ 59 3.3 Campionamento stratificato ............................................................ 59 3.4 Campionamento per stadi o a grappoli ........................................... 60 4. Rappresentativit del campione ............................................................... 61 5. Campionamento non probabilistico ......................................................... 62 5.1 Campionamento accidentale ............................................................... 62 5.2 Campionamento a valanga .................................................................. 62 5.3 Campionamento per quote................................................................... 62 5.4 Campionamento di elementi rappresentativi ................................ 63 5.5 Campionamento per saturazione ....................................................... 63 CAPITOLO VI LANALISI DEI DATI......................................64 LANALISI UNIVARIATA DEI DATI .........................................64 1. Introduzione ............................................................................................... 64 2. Dalla raccolta dei questionari alla matrice dati ............................ 66 3. Libro codice e matrice dati ................................................................... 67 4. La distribuzione di frequenza .............................................................. 73 GLI INDICI PRINCIPALI DELLANALISI MONOVARIATA ........76 1. GLI INDICI DI TENDENZA CENTRALE .................................................... 76 1.1 La moda ................................................................................................... 76 1.2 La mediana ............................................................................................. 77 1.3 La media .................................................................................................. 79 2. La variabilit di una distribuzione ..................................................... 81 2.1 Variabili ordinali: differenza interquartile .............................................. 82 2.2 Variabili cardinali ...................................................................................... 83 2.3 Variabili nominali: lomogeneit..................................................... 89 3. La concentrazione e il rapporto di Gini. .......................................... 93 4. Normalizzazione e standardizzazione .............................................. 95
CAPTIOLO I IL PROBLEMA DELLA CONOSCENZA TRA SCIENZA E SENSO COMUNE
1. Per iniziare Per introdurre i temi relativi alla metodologia della ricerca sociale, occorre prima fare un passo indietro e interrogarsi su una questione ben precisa che riguarda il nostro modo di relazionarci al mondo e di conoscerlo. In modo particolare, la domanda da cui vogliamo partire : La conoscenza tutta della stessa natura o esistono varie forme di conoscenza che hanno nature/origini/pregnanze/statuti diversi? La domanda ovviamente retorica, in quanto sappiamo bene che ognuno di noi acquisisce conoscenze totalmente diverse, sia per ambiti (scientifica, umanistica, ecc.) che per provenienza (diretta o indiretta). In modo particolare, possiamo dire che la conoscenza che possediamo di ci che ci circonda ha statuti diversi che possiamo distinguere come segue: Conoscenza diretta: la conoscenza della quale abbiamo fatto esperienza con i nostri sensi; Conoscenza indiretta: la conoscenza acquisita da fonti esterne (persone, media) o anche studiata, quindi insegnataci da qualcuno; ma anche quella che abbiamo acquisito da piccoli attraverso il linguaggio (non ci chiediamo perch una certa parola significhi qualcosa: la apprendiamo e basta); Senso comune: esso corrisponde a ci che diamo per scontato, su cui non occorre interrogarsi perch fa parte invisibile dellambiente in cui cresciamo. Detto in altre parole, ci riferiamo a universi di significazione che dipendono dal contesto/ambiente; Religione: una forma di conoscenza che si fonda su verit indiscutibili, su una serie di credenze e dogmi sui quali non ci si interroga; Conoscenza scientifica: si basa sullempirismo, cio deriva essenzialmente dai sensi e dallesperienza, e viene acquisita attraverso una serie di metodi (come gli esperimenti) che vedremo in seguito.
2 I paradigmi delle scienze sociali Qual la differenza tra la conoscenza scientifica e le altre? Possiamo dire che la conoscenza scientifica sia pi vera delle altre?
La risposta non semplice. Possiamo per certamente dire che la conoscenza scientifica dimostrabile e allo stesso tempo confutabile, e che, sostanzialmente, differisce dalle altre per il metodo utilizzato per acquisire conoscenza: il risultato lo stesso ma il metodo cambia, quindi, indirettamente, si asserisce che la verit a cui si giunge tramite il metodo scientifico sia pi vera rispetto alle altre.
Schema 1. Il problema della conoscenza
Posizioni epistemologiche Discipline Paradigmi Teorie Approcci/metodi tecniche
Per contro per possiamo affermare che il mondo su cui la scienza pu oggi posare gli occhi non si limita ad una sequenza di fenomeni analizzabili e spiegabili, ma comprende anche tutta una serie di altri aspetti ed elementi che presentano livelli di complessit superiore, difficilmente interpretabili sulla base dei canoni offerti dal metodo scientifico: si pensi ad esempio alle istituzioni giuridiche come il matrimonio; ai sentimenti come lamore, per sua stessa natura irrazionale; alle idee e ai concetti. Da questa considerazione deriva che le forme della realt sono ben diverse dalle forme della conoscenza e sono quindi affrontabili in termini di paradigmi. Lo schema 1 pu aiutare a rendere in maniera sintetica la complessit del problema della Conoscenza. Il Metodo un modo di osservare la realt, un approccio che segue criteri ed il modo attraverso cui la ricerca si fa. La scienza affronta la realt attraverso filtri e essi possono influenzare il modo in cui la scienza stessa accede alla realt. Il paradigma qualcosa di pi ampio di una teoria: una visione del mondo, una finestra mentale, una griglia di lettura che precede lelaborazione teorica (Corbetta, 2003). Pi semplicemente, con paradigma intendiamo linsieme di presupposizioni di fondo che si danno per vere, che precedono la riflessione pi specifica su certi temi, che sono condivise da una comunit scientifica e dalle quali si parte per ragionare e
creare una teoria. Un esempio pu essere offerto dagli assiomi nella geometria euclidea. Il Paradigma un grosso frame - o struttura cognitiva essenziale - attraverso cui la scienza da secoli ha osservato la realt. Le teorie sono spesso riconducibili a paradigmi. Il Paradigma fatto delle risposte di carattere filosofico, pre-scientifico, cerca di dare risposta a tre domande insolubili che sono: 1. 2. 3. Domanda Ontologica (natura della realt), Domanda Epistemologica (rapporto tra osservatore e osservato) Domanda Metodologica (come si studia concretamente la realt)
I tre paradigmi sono quello Positivista, Post-positivista e Interpretativista. Schema 2. I metodi di ricerca sociale
2.1 Positivismo Secondo il paradigma positivista la realt una realt dura, materiale, che ha uno statuto proprio (nel senso comune siamo tutti positivisti ingenui). La lettura della natura oggettiva: loggetto esiste e lo si pu studiare senza influenzarlo. La conoscenza oggettiva, tipica del campo scientifico, consiste nel misurare (mediante un esperimento), quantificare (traducendo in variabili le cose che si studiano) e produrre leggi di causalit che spiegano il fenomeno (prospettiva empirista). Il paradigma positivista parte da una fiducia indiscussa nella possibilit di giungere ad una conoscenza certa della realt attraverso luso della scienza secondo una prospettiva empirista. Questione ontologica Si va sostanzialmente alla ricerca di leggi che possono spiegare la realt. Per ci che concerne la questione ontologica, il positivismo si basa su un realismo
ingenuo nella misura in cui considera la realt nel nostro caso la realt sociale come qualcosa di oggettivo e, in quanto tale, conoscibile nella sua reale essenza. Questione epistemologica Passando alla questione epistemologica, caratterizzato da una visione dualista e oggettivista, secondo la quale il ricercatore e il suo oggetto di studio sono considerati come due entit distinte. In questo modo si assume che lo studioso possa analizzare loggetto di studio senza influenzarlo o, a sua volta, esserne influenzato (Corbetta, 2003). Questione metodologica Infine, allinterrogativo relativo al metodo, il positivismo risponde adottando una ricerca sperimentale e manipolativa: lo studio si basa su un metodo
prevalentemente induttivo, caratterizzato da unanalisi per variabili e dallimpiego di tecniche di ricerca quantitativa. Per ci che riguarda le scienze sociali, i positivisti credono di poter trasferire nel campo del sociale gli stessi apparati concettuali, tecniche di misurazione, strumenti di analisi e procedure che vengono usati per lo studio delle scienze naturali (cos facevano i pionieri della sociologia come Comte, Durkheim, ecc.). La realt, per un positivista, ha uno statuto proprio, indipendente dal soggetto che la pu studiare senza influenzarla, ottenendo una conoscenza certa e oggettiva fino ad arrivare a leggi di natura che spieghino il fenomeno. 2.2 Post-positivismo Nel Novecento inizia ad affermarsi una visione per la quale la natura molto pi ambigua, non cos indipendente dai metodi di studio e non si pu ridurre totalmente a leggi matematiche. Questa relativizzazione viene espressa, ad esempio, dalla Teoria della Relativit di Einstein e dal Principio di Indeterminazione di Heisenberg, il quale afferma che non possibile sapere la posizione esatta dellelettrone perch esso si muove in nuvole di probabilit chiamate orbitali. Si mette quindi in discussione la possibilit di conoscere in modo meccanicistico la realt. Da qui laffermarsi di un secondo paradigma: quello post-positivista. Il post-positivismo parte dalla concezione per cui vero che esiste una conoscenza certa, ma impossibile raggiungerla; perci, in questo periodo abbiamo una concezione di verit intesa in maniera probabilistica. La realt esiste, la scienza la scopre ma non detto che ci riesca, le conoscenze potranno al massimo dire che siano probabili, una possibilit su mille che sia vera. Vi inoltre interdipendenza tra soggetto ed oggetto. Nel postpositivismo c fiducia nella scienza, ma non esiste pi la certezza delle informazioni; si parla soltanto di probabilit. Detto in altre
parole, sul piano ontologico si passa dal realismo ingenuo al realismo critico. Ci implica che, pur esistendo una realt esterna alluomo, si pu arrivare ad una conoscenza probabilistica attraverso una continua messa in discussione delle ipotesi (analisi per variabili). Questo aspetto ha implicazioni anche sul piano
epistemologico, poich tra osservatore e oggetto osservato si presume vi sia un rapporto di interferenza e dipendenza. Dal punto di vista metodologico, la conoscenza viene raggiunta attraverso lintegrazione di pi metodi: oltre a quelli quantitativi propri del positivismo, il postpositivismo si apre anche alle tecniche qualitative. La metodologia, dunque, quella deduttiva. Uno dei Metodi utilizzati lo studio quantitativo misurabile della realt delle leggi che spiegano la realt. Spiegare vuol dire comprendere le leggi che regolano le dinamiche dei fenomeni studiati. Lo scopo della scienza la spiegazione delle leggi che si attengono ai fenomeni della realt. 2. 3 Interpretativismo I due paradigmi finora descritti, Positivismo e Post-positivismo, osservano la realt facendo riferimento alle scienze esatte (naturali e fisiche); essi, cio, cercano di spigare la realt sociale attraverso variabili misurabili e quantificabili, cio, tramite un metodo scientifico e quantitativo. In opposizione a queste concezioni, si afferma un terzo paradigma:
lInterpretativismo. Esponenti di questa corrente di pensiero (Dilthey, Weber, ecc) iniziano a porsi domande riguardanti la realt sociale - le istituzioni della societ (matrimonio, famiglia, ecc) che natura hanno? Hanno una realt propria? Sono astratte o concrete come gli oggetti della natura fisica? arrivando alla conclusione che le scienze umane e sociali differiscono profondamente da quelle fisiche e naturali e necessitano, di conseguenza, di un approccio diverso da quello scientifico positivista. Questione ontologica Questo paradigma sostiene il Costruttivismo, secondo cui la realt sociale una verit convenzionale, una realt costruita dagli uomini con i loro comportamenti quotidiani e le loro culture. Questa realt ha una natura propria che influenza lindividuo; infatti, nonostante sia un costrutto delluomo, egli la avverte come qualcosa di esterno e dotato di una sua oggettivit. Lesempio pi classico sotto questo punto di vista il senso comune a cui diversi studiosi hanno dato differenti definizioni.
i)
Secondo Wittgenstein, il senso comune tutto ci su cui non c bisogno di chiedere.
ii)
Alcuni sociologi lo hanno definito come ci che offre delle conoscenze certe, dove per certe non si intende vere, ma ovvie: Esempio: se in un contesto occidentale chiedo a qualcuno Sei sposato?, ad una risposta affermativa non ha pi senso domandare cose come Quante mogli hai? Una? perch la risposta ovvia. Sono costrutti culturali che, se collocati in altri orizzonti di senso, cambiano significato: Esempio: Chiedere ad un occidentale se ha una moglie bizzarro, perch la risposta ovvia; le cose cambiano se la stessa domanda viene posta ad un mediorientale islamico che professa la poligamia.
iii)
Per Schultze, il senso comune il mondo dato per scontato, cio, tutto ci su cui le persone sospendono il dubbio.
iv)
Gheden distingue tra due livelli di realt: a. Primo piano: insieme delle conoscenze sociali sulle quali le persone devono prendere decisioni (es. Decidere come vestirsi); b. Sfondo: tutto ci su cui le persone sono esonerate dal decidere perch la cultura ha gi deciso per loro (es. Vestirsi).
Se tutto entrasse a far parte di ci che Gheden definisce primo piano, bisognerebbe cominciare ad interrogarsi su ogni singola cosa e ci non nemmeno concepibile. Lo sfondo, invece, costituito da routine di pensiero che continuano ad evolvere nel tempo in seguito alle microazioni quotidiane delluomo. E proprio questa la realt di cui si occupano le scienze sociali; e la consapevolezza per routine di pensiero di fondamentale importante per lanalisi della realt. Questione epistemologica Il rapporto tra osservatore e oggetto osservato di implicazione reciproca; studiare la realt sociale significa, quasi sempre, modificarla. Losservatore implicato nei fenomeni che studia e, per questo motivo, i processi di analisi della realt ne vengono di conseguenza influenzati. Esempio1: Uno scienziato sociale comunista vedr la realt in rosso, cio, in base alle proprie convinzioni. Esempio 2: Se si effettua una ricerca sui rapporti di coppia, intervistando prima lui e poi lei, entrambe le parti sistematizzeranno la propria relazione ed possibile che la realt subisca delle modifiche. Secondo i positivisti, il questionario era una sorta di termometro neutro che riusciva a mappare i comportamenti attraverso uno scambio oggettivo. Gli
interpretativisti ritengono, invece, che non ci sia modo di porre le domande in maniera del tutto oggettiva.). Sul piano epistemologico, quindi, non deve esserci distacco tra osservatore e osservato. Questione metodologica Secondo questo paradigma, la realt sociale non va spiegata, ma interpretata e compresa: le scienze sociali sono scienze comprensive. La questione metodologica viene affrontata attraverso un metodo induttivo basato sullimpiego di tecniche qualitative e soggettive (. Se analizziamo i fatti sociali constatiamo che essi sono determinati da relazioni umane (emergenze relazionali soggettive) che, proprio in quanto tali, non consentono di trovare la verit ultima, ma solo una delle possibili letture della realt. Linterpretativismo, perci, non si occupa di leggi, ma interpreta le intenzioni degli esseri umani e ci insegna a vedere il mondo con gli occhi del soggetto che sta studiando, al fine di comprendere verit soggettive. Nel mondo, esistono solo due certezze trans-culturali: la Morte (una certezza esistenziale che alberga nel senso comune) e lOggettivit del mondo (la certezza che il mondo sia reale). In realt, per quanto riguarda la seconda certezza, possiamo dire di essere dei realisti ingenui perch, se ci pensiamo in maniera pi critica, difficile determinare anche i concetti pi semplici. Esempio: Cos la mamma? E una donna e, con probabilit, la persona che ci ha generati, ma queste sono le due uniche verit. Tutte le altre verit sul concetto mamma non sono oggettivabili, sono solo punti di vista individuali. Lessere mamma una relazione, cio, esiste solo nella relazione con noi: unemergenza relazionale.
10
Tabella 1. I paradigmi nella ricerca sociale a confronto Questione ontologica Positivismo Realismo Ingenuo Post-positivismo realismo critico Interpretativismo Costruttivismo il mondo conoscibile quello dei significati attribuiti dagli individui realt (sociale) consocibile relat comoscibile (relativismo
solo in modo probabilistico individuale/culturale Questione epistemologica
Positivismo
Post-positivismo Dualismo/oggettivit
Interpretativismo
dualismo/oggettivit risultati veri spiegazione leggi naturali immutabili
modificati
Non dualismo
risultati probabilmente veri ricerca di significati spiegazione leggi provvisorie rivedibili Questione metodologica comprensione enunciati di possibilit
Positivismo
Post-positivismo
Interpretativismo Interazione empatica fra
Sperimentale, sperimentale/manipolativa manipolativa modificata
ricercatore e oggetto di studio Interazione
osservazione
osservazione Prevalentemente deduttiva. La conoscenza emerge dalla realt
studioso/studiato
Prevalentemente induttiva
Prevalentemente induttiva tecniche quantitative(analisi per variabili)
osservata tecniche quantitative con apertura a quelle qualitative
tecniche qualitative analisi per soggetti
11
CAPITOLO II RICERCA SOCIALE E METODI. GLI APPROCCI
1. Qualitativo e quantitativo: due approcci a confronto Dalla corrente post-positivista e da quella interpretativista nascono le due grandi famiglie di metodi di ricerca sociale: dalla prima deriva la metodologia quantitativa, dalla seconda quella qualitativa. La tabella di seguito riassume le differenze tra questi due metodologie.
Tab.2. Differenze sostanziali approccio quantitativo e approccio qualitativo

QUANTITATIVA QUALITATIVA
Domanda di fondo Logica della ricerca
Realt sociale hard Natura trasformata in variabili
Realt sociale soft Si colgono le diversit per arrivare allomogeneit Intervista Metodo flessibile Analisi interpretativa Verbalizzazioni Pochi casi scelti secondo criteri di buon senso
Strumenti Disegno di ricerca Analisi dei dati Presentazione dei dati Campione
Questionario Metodo standardizzato Ricerca matriciale Grafici Grandi numeri estratti secondo criteri standardizzati
Rappresentativit
I dati valgono per tutti
I dati non hanno la stessa valenza per tutti
Grado di esattezza Metodo Costo
Molto precisi Per campionare Basso
Non c certezza Per saturazione Alto
Proviamo a entrare maggiormente nel dettaglio, analizzando punto per punto. Nella prima casella della prima colonna di questo schema troviamo la domanda di fondo dell'impostazione paradigmatica, ovvero "Qual la natura dell'oggetto studiato?"
QUANT
La realt sociale ha una natura hard. Lo scopo della ricerca quello di ricondurre la natura hard in dati, di manipolarla e tradurla in dati, cio in qualcosa di concreto. L'uso dellaggettivo quantitativo deriva dal fatto che si ritiene di poter misurare la realt sociale attraverso i grandi numeri della statistica. Coloro che utilizzano questo metodo di ricerca
12
affermano che i fenomeni sociali possono essere valutati attraverso le relazioni di causa ed effetto.
QUAL
La realt sociale ha una natura soft, si interessa di relazioni, processi, percezioni, quindi non di dati. La realt sociale processuale.
1.1
Logica della ricerca:
La seconda differenza si trova nelle finalit.

QUANT
Trasforma i fenomeni sociali (fatti di dati) in variabili. La variabile , per definizione, la propriet operativizzata di un oggetto che pu assumere modalit differenti (es. altezza, data di nascita, sesso).
QUAL
Tale approccio ha lo scopo di interpretare la realt sociale, di coglierne i significati attraverso gli occhi di chi la vive e mette in atto determinati comportamenti. un metodo pi empatico rispetto all'approccio
quantitativo: cerca di scavare pi a fondo nelle persone, perch si pone l'obiettivo di interpretare e capire i pregiudizi, gli stati affettivi, le emozioni che un essere umano pu provare. La realt sociale composta da individui e quindi la ricerca rivolta alla differenza tra gli individui (non sono presenti delle variabili fisse, ma per tutti). Coglie le diversit per arrivare allomogeneit. Si interessa alla specificit del singolo.
1.2 Gli strumenti Gli strumenti che utilizzano questi due approcci sono due: il format (approccio quantitativo) e l'intervista (approccio qualitativo).
QUANT
Usa dei format per misurare la realt, dei mezzi standardizzati (cio uguali per tutti) come il questionario, un mezzo di rilevazione che riflette l'oggettivit delle scienze positiviste (esattamente all'opposto del
relativismo). I mezzi usati sono standardizzati proprio perch se non lo fossero non potrei misurare e confrontare i risultati ottenuti (come un termometro che per provare la febbre a diverse persone deve basarsi su valori fissi). Le risposte che si ottengono sono delle risposte
standardizzate: esse sono pre-codificate e costringono i rispondenti a selezionare una delle opzioni possibili allinterno di un ristretto campo di scelta.
13
QUAL
Non usa mezzi standardizzati. Utilizza come mezzo principale lintervista con la persona, che coglie appieno ogni aspetto del soggetto intervistato. L'intervista non mira a raggiungere una verit statistica, come nel primo metodo, bens a ottenere del materiale narrativo mettendosi nei panni del soggetto intervistato, al fine di poterlo interpretare al meglio. Il paradigma di fondo consiste nel capire la persona che hai di fronte. Le domande infatti non vengono poste in un modo standard e landamento dellintervista non strutturato rigidamente (se lo fosse la ricerca verrebbe male). Ovviamente i risultati di queste interviste sono soggettivi, ovvero dipendono
dall'interprete che ha condotto l'intervista: perci, a partire dallo stesso materiale narrativo che viene ricavato si ottengono molteplici punti di vista. Oltre all'intervista il metodo qualitativo usa anche l'osservazione
partecipante, in cui l'interprete si immerge nel contesto che vuole studiare, cercando di inserirsi e di integrarsi nel gruppo / oggetto di studio. 1.3 Il Disegno di ricerca Il disegno di ricerca il modo in cui si pensano e si organizzano le fasi della ricerca.
QUANT
Usa un metodo determinato e standardizzato. Si rispetta un progetto preciso deciso sin dallinizio. Per trovare la vera Verit (con la V maiuscola) necessario che il processo di ricerca segua delle regole. Sia il modello che gli strumenti devono essere fissi.
QUAL
Usa un metodo flessibile. Lo schema di fondo non fisso (anche se rispetta uno schema generale). Cambia infatti in base alle persone che abbiamo di fronte e quindi pu cambiare anche nel corso della stessa ricerca. Importante la Grounded Theory (teoria aggregata alla terra) che serve per studiare i fenomeni sociali complessi.
1.4 Analisi dei dati Altro elemento differenziante i due approcci il modo di trattare il dato.
QUANT
Utilizza processi matematici e statistici (indici, indicatori, ). sintetico data la grande quantit di dati. Qui spunta laspetto positivista: la vera realt quella descritta dalla matematica. In ambito matematico, la media sar sempre la stessa sia per me che per un cinese che si trova ad analizzare gli stessi dati. I dati non sono interpretabili in modi diversi. La ricerca quantitativa viene anche definita matriciale perch con i risultati ottenuti, per mezzo della statistica, si costruiscono delle vere e proprie matrici (cio un fogli a quadretti che descrivono casi per variabili).
14
QUAL
Al contrario di quella quantitativa, non utilizza dati. Infatti ha a che fare con i significanti, le narrazioni, ci detto e pensato, le verbalizzazioni e i racconti. Non dunque una ricerca matriciale perch non traduce i fatti in dati. Utilizza lanalisi interpretativista: non uso la statistica, ma leggo lintervista e ci devo entrare, interpreto, mi immedesimo nei panni degli altri. Cos posso individuare da dove vengono alcuni comportamenti della realt.
1.5 La Presentazione dei dati: E ovvio che il diverso modo di analizzare i dati influisca anche sulle logiche di presentazione. Pi nello specifico:
QUANT
I dati sono presentati sotto forma di tabelle, grafici, torte, colonne . E una presentazione formalizzata.
QUAL
I dati raccolti sono presentati sotto forma di verbalizzazioni e frasi
esemplari.
[Ricerca quanti-qualitativa: a volte si pu usare una combinazione dei due metodi, in cui la parte qualitativa sempre la pi apprezzata perch pi sintetica ed evocativa]
Campione: (gruppo, casi)
QUANT
Si basa su grandi numeri (di solito dagli 800 ai 1000 casi). Infatti pochi casi non sarebbero abbastanza rappresentativi delluniverso dal quale sono stati estratti. Le persone sono estratte secondo criteri standardizzati (metodo probabilistico).
QUAL
Sono necessari pochi casi. Possono bastare anche 20 persone o addirittura una sola famiglia. Le persone non sono estratte secondo metodi
probabilistici, ma secondo alcuni criteri di buon senso non formalizzabile.
Rappresentativit:
QUANT
Vale non solo sui casi svolti, ma anche in generale (cio tutta la popolazione da cui sono estratti). I dati infatti devono vale re per tutti. Sono giusti solo se conservano dei risultati generalizzabili.
15
QUAL
I dati non hanno la stessa valenza per tutti. Infatti tutti gli approcci non hanno lo stesso fine.
Grado di esattezza:
QUANT
Possono essere molto precisi ed individuare lerrore percentuale (generalizzabilit statistica).
QUAL
Non c modo di stabilire lerrore percentuale e quindi non c esattezza. I
temi su cui ci si indaga sono grossomodo uguali per tutti: emozioni, modi di vedere la realt, atteggiamenti interiorizzati (generalizzabilit logica)
Metodo:
QUANT
Per campionare
QUAL
Per saturazione: come e quante persone intervistare? Continuiamo ad intervistare persone finche un intervistato non ci dice nulla di nuovo rispetto a quello che stato gi detto (e intervistiamo ancora qualche caso per essere sicuri delle informazioni che abbiamo). Quindi non stabiliamo le persone da intervistare prima.
Costo:
QUANT
Il costo varia dai 14 ai 20 euro a caso. Il costo dipende da: la lunghezza del questionario (quello standard composto da 30 domande e costa dai 4 ai 10 euro); la difficolt dellargomento (se largomento pi diffuso sar pi semplice ricevere pi risposte alle domande. Sar pi facile intervistare delle casalinghe che i possessori di un certo modello di auto BMW appena uscita).
QUAL
Il costo varia dai 600 ai 1000 euro a caso, ma se il costo cos alto e luso cos frequente, vuol dire che il metodo funziona.
Questi due metodi prima erano divisi in due mondo completamente diversi. Ai giorni nostri tutto si liquefatto. Vengono anche usati insieme. Il loro utilizzo dipende dallobiettivo che ci si prefissati e dal budget a disposizione. Nel caso si facessero entrambe, si svolge prima la ricerca qualitativa e poi quella quantitativa.
16
2. Pro e contro dei due approcci 1. quantitativo: la ricerca non troppo impegnativa in termini di costo e de denaro (PRO), certezze dellerrore probabilistico (PRO), Si ha la possibilit di indagare solamente fenomeni effettivamente quantificabili quindi soprattutto elementi superficiali, anche la rilevazione delle opinioni viene quantificata attraverso la tecnica delle scale (vedi capitolo IV) (CONTRO). 2. qualitativo: molto oneroso: sono ricerche impegnative che necessitano di molto tempo e denaro (CONTRO), non danno risultati generalizzabili (CONTRO), sono ricerche soggette allinterpretazione,non si ottengono risultati uguali per tutti (CONTRO), Permettono di indagare aspetti altrimenti inesplorabili es. motivazioni(PRO) Sono particolarmente utili nelle fasi esplorative di un progetto di ricerca (PRO)
3. Approccio integrato (ricerche quali-quantitative) Fino agli anni 70 il metodo quantitativo godeva di un certo riconoscimento nellambito della ricerca sociale: i risultati degli studi di stampo quantitativo erano ritenuti pi significativi rispetto a quelli ottenuti da ricerche che si avvalevano del metodo qualitativo. Con il tempo, per, le visioni sono cambiate e soprattutto in determinati campi di ricerca ( ad esempio quello antropologico e psicosociale) sono stati largamente impiegati anche i metodi qualitativi. Ultimamente i due approcci si sono integrati luno con laltro: o meglio, si sceglie lapproccio pi adatto in base agli obiettivi che la ricerca si pone. La ricerca mista lideale quando non si conosce nulla del fenomeno che si intende studiare: si potr partire con un approccio qualitativo per ottenere le informazioni di base e, in seguito, utilizzare il metodo quantitativo per verificare su un maggiore di soggetti quanto emerso precedentemente. Usando questo approccio integrato si mettono insieme i due limiti (limpossibilit di generalizzare i risultati per la metodologia qualitativa; la difficolt di andare a fondo con i metodi quantitativi).
17
CAPITOLO III IL DISEGNO DI RICERCA NELLAMBITO DEGLI STUDI DI QUANTITATIVI
1. Concetti preliminari Abbiamo detto che, nellambito della ricerca sociale, i metodi di ricerca sono di due tipi: quantitativo e qualitativo. Sebbene possano essere usati insieme in quanto validi entrambi, lapproccio di ognuno di essi strutturalmente diverso. Mentre quello di tipo qualitativo pi fluido e meno schematizzato, quello quantitativo al contrario molto formalizzato e possiede molte fasi e processi standard. Non vi alcuna regola scritta che dica che uno sia superiore allaltro ,infatti entrambi sono molto utili, e possono essere usati insieme. Quando si lavora con entrambi, per, la logica dice di partire dall approccio qualitativo,per poi integrarlo con quello quantitativo. Quello su cui concentreremo la nostra attenzione , tuttavia, lapproccio quantitativo. Istintivamente il metodo quantitativo pu essere identificato nella figura di un cerchio, la quale sta a indicare quindi che possibile ricollegare la fine di un processo con le ipotesi che hanno guidato il disegno di ricerca, le quali sono fondamenta del metodo stesso. Effettivamente per anche possibile immaginarlo come una spirale, anzich come un cerchio, in quanto sebbene la fine riconduca allinizio della struttura, i risultati ottenuti porteranno a riosservare il momento iniziale da una prospettiva diversa e qualitativamente migliore.
Schema 3. Le fasi della ricerca
Ipotesi ricerca risultati confronto con le ipotesi
Da dove si origina il processo che determina un progetto di ricerca? Esso muove da una curiosit, da un bisogno conoscitivo o desiderio che pu essere individuale, collettivo o organizzativo. Esso pu essere: Individuale (di uno studente, ricercatore, il Rettore di ununiversit) Collettivo (lo Stato, unassociazione o unazienda)
18
La curiosit che spinge un individuo a porsi delle domande deve avere allo stesso tempo determinate logiche, al fine di trasformarsi in una ricerca con una struttura precisa e formalizzata.
2. I passi della ricerca La struttura dellapproccio di ricerca quantitativo costituita da 5 fasi legate tra loro da 5 processi, come proposto di seguito nello schema 4.
Schema 4. il disegno di ricerca negli studi quantitativi
Fasi
Processi
Scelta del problema Formulazione della teoria

deduzione
Definizione delle ipotesi

operativizzazione
Trasformazione concetti in variabili
Raccolta dati
organizzazione dati (matrice dati)
Formulazione del disegno di ricerca
Codifica e analisi risultati

induzione (verifica teoria/ipotesi vera o falsa)
Risultati
2. 1 Il processo di deduzione: dalla teoria alle ipotesi Come gi detto, Il bisogno conoscitivo non sufficiente, in quanto necessaria una ricerca progettata. La Ricerca Progettata parte sempre da qualcosa di gi conosciuto, in quanto necessario un preliminare rapporto con la realt per poi poter fare domande su di essa. La ricerca quindi ha la funzione di riempire quegli spazi vuoti tra le conoscenze gi possedute, spazi che, una volta colmati producono altre domande dando innesto a un processo senza fine (spirale -> la conoscenza nuova non chiude mai le domande, ma ne apre di nuove).
19
Le ricerche quindi partono da conoscenze gi date, le cosiddette Teorie. Nel momento in cui ci facciamo domande su queste teorie e quindi sorgono dei dubbi, noi realizziamo delle Ipotesi dalle quali possibile iniziare la nostra ricerca.
Ipotesi: proposizione sulla realt che mette in relazione due o pi concetti. Esempio. la propensione a votare a sinistra pi presente nelle persone meno istruite. E una proposizione che mette in relazione il concetto di orientamento politico e il concetto di persone ignoranti (quando uno aumenta laltro diminuisce). Ma posso fare una ricerca limitandomi a questi concetti? No, perch unipotesi di per s non sufficiente in quanto deve essere operativizzabile.
Obiettivo conoscitivo (generale): a differenza del bisogno conoscitivo formalizzato meglio e su di esso si effettuata un opera di ragionamento. E ancora troppo presto per iniziare una ricerca, infatti, dopo aver tradotto il bisogno conoscitivo in un obiettivo conoscitivo, bisogna a sua volta tradurlo in obiettivi conoscitivi specifici.
Obiettivi conoscitivi specifici: corrispondono sostanzialmente alle domande con sui si far la ricerca su un determinato fenomeno, che poi verranno trasformate in variabili.
Partendo dalle caratteristiche delle ipotesi, le ricerche possono essere distinte in: ricerca descrittiva: nellambito della ricerca qualitativa, le ipotesi possono essere meno argomentate, in quanto gli studi di questo tipo si fanno proprio su dei fenomeni di cui si sa poco. Le ipotesi che emergono possono essere imprecise e molto generiche. Si tratta, dunque, di un tipo di ricerca che si limita a descrivere i fenomeni e non mette in relazione le variabili che influiscono su di esso. Possiamo dire, per, che anche le ricerche di tipo qualitativo partono da delle ipotesi: il ricercatore, in questo caso, sceglie la realt da approfondire poich ipotizza che ci sia utile per qualche scopo, ed in fondo anche lo scopo un ipotesi. ricerca correlazionale: un secondo tipo di ricerca, questa volta di tipo quantitativo, parte dal presupposto che le ipotesi siano proposizioni sulla realt. Il termine stesso indica che questo tipo di ricerca si basa sullo studio di possibili correlazioni tra variabili. La ricerca, dunque, serve per
20
capire se due variabili si influenzano a vicenda, ma senza stabilire alcun nesso di casualit. ricerca casuale: L'ultimo tipo di ricerca di tipo causale, in cui un fattore (x) influenza l'altro (y). Una ricerca causale cerca quindi le
relazioni di causa ed effetto tra le variabili. Le relazioni causali sono ad appannaggio delle scienze esatte, le quali vanno alla ricerca di leggi universali. In sintesi, possiamo dire che le ricerche descrittive individuano le variabili in cui si studia il fenomeno e che agiscono su di esso. In quelle correlazionali si studia il rapporto tra le due variabili e la loro influenza reciproca. Con quelle di tipo causale si va alla ricerca di nessi di causalit, appunto, tra le diverse variabili. Mentre le scienze sociali sono di tipo descrittivo o correlazionale, molto raramente usano un tipo di ricerca causale. In ogni caso, possibile che emergano situazioni in cui sono presenti rapporti di correlazione e di causalit. Vi possono essere, per, anche casi in cui possibile riscontrare un correlazione tra due variabili, che per tra di loro non hanno alcuna relazione, essendo entrambe influenzate da una terza variabile, che si chiama interveniente, la quale spiega il loro cambiamento. 2. 2 Loperativizzazione: dallipotesi alla rilevazione dei dati
Il processo di operativizzazione consiste nel tradurre i concetti espressi nelle ipotesi in variabili, passare cio i concetti astratti a qualcosa di misurabile. (es. il concetto di religiosit). Per rendere un concetto misurabile necessario associarlo a qualche elemento di tipo: Cognitivo Comportamentale Atteggiamentale Quindi si individuano degli elementi di comportamento, cognizione e atteggiamento e si stabilisce il modo in cui queste cose vengono chieste allintervistato.
Esempio 1. Ipotesi: gli adulti con pi benessere tendono a iscrivere i figli alluniversit. I concetti da cui devo partire sono: Benessere Iscrizioni alluniversit Ma in base a cosa definisco il benessere? Posso definirlo: In base al reddito (componente economica)
21
In base al fatto che forse anche i genitori hanno frequentato luniversit (componente culturale).
Esempio2. Se volessi studiare la Religiosit devo necessariamente definirla in maniera pi specifica e tradurla in qualcosa di osservabile, in una serie di comportamenti. La domanda che posso porre ai miei intervistati potrebbe dunque essere:quante volte vai a messa in un mese? Che diventer la mia unit di misura della religiosit. Questa operazione ha trasformato un concetto astratto in una variabile, la variabile religiosit, che espressa nella domanda quante volte vai a messa in un mese? In una ricerca di tipo quantitativo la domanda non lunico elemento necessario, infatti sono necessarie anche delle possibili risposte, dette Modalit, con le quali si d alle persone intervistate la possibilit di rispondere alla domanda. Nel nostro esempio la domanda potrebbe essere formulata come segue: quante volte vai a messa in un mese? Mai due volte tre volte Pi di tre ovvio che ricondurre la religiosit a questunica variabile sarebbe riduttivo: lo strumento di rilevazione di questa variabile (ovvero il numero delle volte in cui le persone si recano in chiesa) risulta quindi attendibile ma non valido. Al fine di eseguire bene la nostra ricerca dunque necessario ricercare altre propriet. fondamentale dunque la differenza tra: Variabili: ci che si vuole misurare. Modalit: le possibili risposte. Qual la differenza invece tra la domanda di ricerca e la domanda del questionario? La domanda di ricerca la domanda alle quali corrispondono le ipotesi, e sta al di sopra di tutto il processo di ricerca nel suo insieme. Dalla domanda di riferimento passo attraverso una teoria di riferimento a fare delle ipotesi. La teoria di riferimento nasce dalla curiosit, che traduco in una domanda di ricerca, mi documento e do delle ipotesi.
Come evidente, alcuni concetti possono essere operativizzati e diventare subito variabili, altri invece hanno un processo pi lungo ed necessario passare per degli indicatori (vedi paragrafo successivo) che contengono i concetti che mi
permettono di fare domande pi concrete, utili e complete.
22
La ricerca sociale estremamente complicata, poich la realt sociale talmente complessa che i fenomeni non hanno mai delle relazioni semplici, quindi facile che si studi il fenomeno semplificandolo e riconducendolo a poche variabile alla volta scartandone altre. Si tratta di una semplificazione necessaria che aiuta ad entrare nel merito di fatti sociali particolarmente complessi. Proprio perch la ricerca prende in considerazione pi variabili e la loro relazione con un particolare fenomeno essa viene definita anche multifattoriale.
La chiave della ricerca quantitativa la deduzione che parte da delle teorie. Esistono due tipe di varabili: 1) La variabile ascritta: appartiene ai soggetti e non possibile cambiarla (sesso, et) 2) La variabile assunta: descrive le caratteristiche del soggetto in funzione di aspetti e dimensioni che sono culturalmente e socialmente riconosciuti.
Per Ricapitolare. Il primo passaggio delloperativizzazione rappresentato dalla traduzione di un concetto astratto in un oggetto concreto, a qualcosa che posso effettivamente rilevare e osservare. Il secondo passaggio consiste nel darne una definizione operativa da cui, con un terzo passaggio, si passer alla definizione concreta della variabile e delle sue modalit ovvero gli stati operativizzati della variabile stessa.
Esempio Vogliamo condurre una ricerca per studiare quanto il reddito familiare influenzi le scelte formative degli studenti (fra i giovani italiani). A questo punto devo arrivare da un obiettivo conoscitivo generale ad un obiettivo conoscitivo pi specifico. Ci sono delle ipotesi al di sotto dellobiettivo conoscitivo? S, ad esempio potrei ipotizzare che chi ha un reddito pi basso ha minori opportunit formative, etc... Dopo aver esplicitato le ipotesi si inizia ad operativizzare: bisogna individuare le variabili, in questo caso sono il reddito e le opportunit formative. Di queste variabili devo trovare le propriet. Per il reddito ad esempio potrei creare una scala con una serie di fasce di reddito chiedendo in quale si colloca il soggetto, e magari anche da quante persone composto il nucleo familiare. Per le opportunit formative potrei chiedere che tipo di carriera scolastica hanno avuto (ad esempio se hanno frequentato scuole pubbliche o private, se hanno fatto un master in Italia o allestero etc...).
23
Cos da un obiettivo conoscitivo generale si passa a vari obiettivi conoscitivi specifici, ovvero le singole domande con cui operativizzo le due variabili. Concetti, indicatori e indici
Nelle scienze sociali esistono concetti che hanno un elevato grado di generalit, e si pongono lontani dallesperienza. Per poterli definire in modo empiricamente controllabile necessario darne una definizione operativa (tradurli in termini osservativi) tramite quelli che sono detti gli indicatori. Gli indicatori sono concetti pi semplici, traducibili in termini osservativi, che sono legati ai concetti generali da un rapporto di indicazione, o rappresentanza semantica. Gli indicatori sono quindi ancora dei concetti, ma pi facilmente operativizzabili. Tuttavia il rapporto tra concetto e indicatore parziale: da una parte un concetto generale non pu essere esaurito da un solo indicatore specifico, dallaltra un indicatore pu sovrapporsi solo parzialmente al concetto per il quale stato scelto, e dipendere per il resto da un altro concetto, anche profondamente diverso. Inoltre la scelta di un indicatore lasciata unicamente allarbitrio del ricercatore, il cui unico obbligo quello di argomentare la sua scelta, non di dimostrarne la correttezza. La rilevazione empirica di un concetto non direttamente osservabile passa attraverso quattro fasi: larticolazione del concetto in dimensioni (i diversi aspetti e significati del concetto, come fossero dei sotto-concetti); la scelta degli indicatori; la loro operativizzazione (con le definizioni operative), la formazione degli indici (complessivi). Lindice la sintesi globale della pluralit delle variabili che sono state prodotte dai diversi indicatori.
Da un concetto molto generale, non solo astratto, ma anche complesso, per es. "benessere", bisogna scendere nella scala di astrazione, semplificandolo e
suddividendolo in altri concetti/indicatori - per es."benessere nella condizione economica" o " benessere ambientale", benessere culturale, etc. Cos facendo se ne riduce la complessit, selezionandone alcuni aspetti pi significativi, che sono legati al concetto di partenza da un rapporto di indicazione, in quanto ne sono indicatori!
24
quindi
necessario
individuare,
nell'ambito
degli
indicatori
che
sono
pi
concreti/semplici e pi vicini alla realt, il modo di studiarle concretamente attraverso una ricerca facendo attenzione a chiarire bene la definizione operativa (contestualizzata, per fare in modo che tutta la comunit scientifica dei ricercatori capisca come sono operativizzati). In tal modo si ottengono le variabili, ultimo gradino della scala di astrazione. Molto spesso le variabili che si usano a livello empirico derivano da un calcolo. Per es. per ottenere il reddito procapite necessario dividere l'ammontare complessivo dei redditi di un comune per la popolazione stessa di quel comune. La scelta del reddito procapite piuttosto che ad es. del reddito complessivo ci evidenzia la relativit della definizione operativa. Il passaggio dal concetto generale all'indicatore specifico sempre incompleto e parziale perch un processo di semplificazione comporta la perdita di una parte di informazione; ci ancora pi evidente con concetti molto complessi per i quali bisogna ricorrere a pi indicatori. Uno stesso concetto pu essere infatti ridotto ad indicatori diversi nell'ambito di indagini diverse e di contesti socio-culturali differenti (es. il benessere in Giappone non ha nulla a che fare con la dimensione economica).
2. 3 Il processo di organizzazione dei dati: dalla rilevazione allanalisi
Dopo aver stabilito di misurare un fenomeno con certe variabili necessario costruire lo strumento di rilevazione, che ci permette di misurare non solo quel singolo concetto ma tutte le variabili che ci consentono di fare la ricerca. (es. questionario, studio testi ecc). 2.4. Il processo di interpretazione: dallanalisi dei dati ai risultati Una volta definito lo strumento di rilevazione necessario individuare un campione, cio lelemento rappresentativo della societ al quale verr sottoposto lo strumento di rilevazione (per esempio un questionario) durante la fase field (fase di lavoro sul campo). Successivamente i dati dovranno essere tradotti in qualcosa di studiabile e gestibile, e per ottenere ci vengono codificati introducendoli in una Matrice Dati, che implica una serie di passaggi che costituiscono la codifica. La matrice dati poi analizzabile attraverso gli strumenti di elaborazione offerti dalla statistica.
25
2.5
Rilevazione, interpretazione e ritorno alle ipotesi
Una volta ottenuti i risultati della ricerca si arriva allultimo processo, quello dellinduzione, nel quale le conoscenze ottenute attraverso la ricerca vengono messe a confronto con le teorie da cui si era partiti inizialmente. Riassumendo: la ricerca scientifica un processo creativo di scoperta che si sviluppa secondo un itinerario prefissato e secondo procedure prestabilite che si sono consolidate allinterno della comunit scientifica. Esiste un percorso tipico della ricerca sociale che parte dalla teoria, attraversa le fasi si raccolta e analisi dei dati e ritorna alla teoria. La ricerca empirica deve essere pubblica, controllabile e ripetibile per poter essere definita scientifica. Come abbiamo visto, la prima fase quella della teoria, la seconda quella delle ipotesi, legate tra di loro attraverso il processo della deduzione. La teoria generale mentre lipotesi ne rappresenta unarticolazione specifica. Prima di definire lo strumento di rilevazione e il campione per la raccolta dei dati, si effettua un processo di operativizzazione di tutti i concetti inseriti nelle nostre ipotesi di ricerca, in modo da trasformarli in affermazioni empiricamente
osservabili. Una volta individuate le variabili, ci si chiede quali stati possano assumere (le variabili variano!) e si costruiscono le domande e le modalit di risposta da inserire nello strumento. Nella ricerca quantitativa (la survey) lo strumento per raccogliere i dati il questionario. Il questionario viene somministrato (questa accezione ricorda molto limpianto positivista della ricerca!) ad un campione di ricerca (che vedremo come si costruisce). Una volta raccolti i questionari c tutta quella fase di analisi dei dati, preceduta dallorganizzazione e codifica dei dati rilevati. Di solito questa fase nella ricerca quantitativa consiste nella creazione di una matrice di dati. La fase successiva del disegno/processo di ricerca quella della rappresentazione dei risultati, a cui si arriva tramite un processo di interpretazione delle analisi statistiche condotte nella fase precedente. Infine il ricercatore ritorna alla teoria iniziale tramite un processo di induzione, che confronta i risultati ottenuti con la teoria precedente.
26
3. Validit e attendibilit nella ricerca sociale Quando si fa una ricerca sociale o scientifica, quello che la distingue da altre il METODO con cui essa viene svolta. Fare ricerca vuol dire misurare porzioni di realt per vedere se le ipotesi sono corrette oppure no. Le misurazioni devono essere ben condotte e usare criteri di scientificit ovvero devono risultare valide e attendibili. Ci che contraddistingue la conoscenza di tipo scientifico da altre che non
troviamo verit assolute o affermazioni certe nelle valutazioni dei ricercatori in quanto essi sono consapevoli della possibilit di errore causate dai loro strumenti di valutazione. Questo atteggiamento prudente lo ritroviamo in due concetti, quello di VALIDIT e di ATTENDIBILIT. Per capire bene i concetti di validit e attendibilit bisogna sapere che ci che distingue un testo scientifico dagli altri lassumere un atteggiamento prudente in quanto si consapevoli dellerrore. Infatti, in nessun saggio di tipo scientifico troveremo una frase del tipo Diamo per certo che..., Non ci sono altre ipotesi plausibili..ecc.. Es. Si presuppone che i neutrini viaggino a una velocit maggiore di quella della luce. Ma i risultati ottenuti sono validi e attendibili? Qual il nostro dubbio? Gli strumenti di misura hanno rilevato nel modo corretto? Se anche i fisici tengono conto della possibilit di errori anche nella ricerca sociale bisogna essere consapevoli di tale rischio. Quindi in una ricerca sociale perch possiamo fare errori? Cosa ci porta a sbagliare? Si individuano due possibili elementi di errore in una rilevazione:
Lo Strumento di Misura non mai perfettissimo (es. taratura non fatta benissimo e approssimazioni) tale da ridurre a zero lerrore. Il Soggetto Osservante compie errori di rilevazione e misurazione (es. errore nella lettura delle informazioni)
Per quanto riguarda il secondo caso abbiamo 2 famiglie di errori: a) Sistematici errori che si ripetono ad ogni misurazione.
Sono errori che nascono dallo strumento. Es. Se decido di misurare un campione di 1000 persone con un metro che ha 4 mm in pi logico che ad ogni persona verranno aggiunti dei mm che non gli corrispondono. La distribuzione degli errori sar quindi di 4 mm ogni qualvolta si misuri una persona. In ampia scala, con 1000 persone, gli errori tenderanno a sommarsi con un surplus di mm pari a 4000.
27
b) Accidentali o casuali
accadono per caso; a volte s, a volte no, ed
proprio questa loro imprevedibilit a renderli i pi pericolosi . La Teoria degli Errori ci dice che gli errori si distribuiscono in maniera normale rispetto al fenomeno osservato ( curva Gaussiana). Ci significa che gli errori grossi accadono raramente, invece quelli piccoli sono molto pi frequenti. La sommatoria degli errori accidentali tende a 0 quindi sui grandi numeri si annulla. Infatti nella ricerca sociale i numeri accidentali non sono cosi gravi in quanto tendono ad annullarsi. Mentre, gli errori sistematici nascono dagli strumenti e la loro sommatoria porta a un risultato positivo equivalente alla loro stessa somma . Bisogna allora fare molta attenzione, questo genere di errore pu alterare completamente il risultato.
Es. Prendo un campione di 1000 persone alle quali voglio misurare il peso o altezza: una volta fatta la somma, gli errori, in ampia scala, tenderanno a zero. Alla fine la media risulter giusta e gli errori propenderanno ad annullarsi. Da sottolineare che questo accade perch allorigine del errore c luomo. Il ricercatore ha due criteri di verifica per comprendere se lo strumento funzione in maniera adeguata: 1) ATTENDIBILIT Secondo questo concetto lo strumento coglie realmente variazioni a cui va incontro la variabile che sta studiando. Es. Decido di pesare due persone che hanno una differenza di peso di 2 Kg. La variabile quale sar? Il peso. Come capisco se la differenza di peso ottenuta dipende dalle due persone diverse o dalla bilancia? Questo introduce il problema di attendibilit.
Allora se lo strumento non attendibile che tipo di errore possiamo trovare? Un errore Casuale (pi probabile)
2) VALIDIT la propriet dello strumento di misura di misurare davvero la variabile per cui stato costruito, e di farlo correttamente. Es. Costruendo una scala di atteggiamenti sugli extracomunitari, una volta che ottengo i risultati posso essere certa di aver misurato correttamente la variabile prestabilita o ne entrano altre in causa? Per esempio possibile che entri in gioco la variabile che misura il livello di introversione della persona.
28
Solitamente se uno strumento valido anche attendibile perch nella definizione di validit anche inclusa quella di attendibilit. Ma non mai vero il contrario. Quindi posso avere uno strumento attendibile ma che non valido.
Allora se lo strumento non valido che tipo di errore introduco? -Un errore Sistematico Lo strumento utilizzato nella ricerca sociale in modo da permettere di avere risultati scientifici, per risultare efficace deve essere valido e attendibile. Nella formalizzazione scientifica delle scienze sociali le rilevazioni dei dati devono essere:
valide: una rilevazione/misurazione valida quando misura davvero il fenomeno che si propone di studiare e lo fa in modo corretto (ad esempio, il metro misura la lunghezza). Con tale asserzione si sostiene che il concetto di validit comprenda quello di attendibilit; non per mai vero il contrario. La relazione tra lo strumento di misura e la variabile diretta e quindi facile da riconoscere. Nelle scienze sociali invece, la relazione tra i due non cos semplice.
Facciamo un esempio: per misurare il gradimento di una pubblicit quali sono le variabili che un ricercatore di mercato dovrebbe considerare? Si tratta, fra le altre cose, di visibilit, gradimento, persuasivit ecc. Il ricercatore deve quindi sottoporre la pubblicit ad un campione di pubblico e misurare la decodifica per capire se il prodotto piaciuto. Nelle scienze sociali gli strumenti utilizzati per misurare la realt vanno costruiti ogni volta (si pensi al questionario) e, una volta costruiti, bisogna verificarne la validit. In sostanza la validit la capacit di uno strumento di misurare la variabile per cui stato costruito. Se uno strumento risponde ai criteri di validit risponde anche a quelli di attendibilit. Se valido anche attendibile, ma non viceversa
attendibili: una misurazione attendibile se, dopo averne stabilito la validit, riesce a cogliere le variazioni reali che si generano nel fenomeno osservato. Prendiamo come esempio la bilancia: valida per misurare il peso? Ovviamente s. attendibile? Lo se non presenta problemi di carattere tecnico che non permettono una corretta misurazione del peso.
Per la ricerca sociale lattendibilit pi importante della validit.
29
Come abbiamo visto nellesempio della bilancia, se lo strumento non presenta uno dei due criteri (validit e attendibilit) le misurazioni sono soggette ad errori. Il fatto che qualsiasi misurazione comporti una percentuale di errore una delle basilari leggi della fisica. Ogni misura prevede due componenti: la verit del fenomeno e lerrore dello strumento di rilevazione. Di seguito vedremo le tecniche e i metodi di valutazione della validit e attendibilit applicati alla ricerca sociale (e di mercato).
Valutazione della validit.
La validit risulta pi complessa per il ricercatore perch di difficile identificazione. Gli errori di validit introducono variabili non controllate nella ricerca. Lerrore non immediatamente colto. Es. Valutiamo gli atteggiamenti nei confronti degli extracomunitari basandoci sullorientamento politico. Le Ipotesi ci dicono che chi di destra pi chiuso nei confronti dello straniero. Le variabili in esame saranno allora i)Atteggiamento verso lo straniero (misurato attraverso scala Likert); ii)Orientamento di voto. Se lo strumento non valido allora c la possibilit che si introducano nuove variabili quali ad esempio il grado di introversione. Quindi nel trarre le nostre conclusioni crediamo di aver considerato tutte le variabili possibili ma in realt ne entrano in gioco altre. Faccio quindi la ricerca considerando solo due variabili ma in verit ne trovo tre senza accorgermene. Uno strumento non valido introduce una variabile della quale il ricercatore non consapevole. Questo rende la ricerca non valida. Esistono quattro metodi per verificare la validit di uno strumento:
Validit a vista: intuitiva e pu essere considerata come una sorta di livello zero di validit. Se ad esempio volessimo misurare
latteggiamento delle persone riguardo ad un particolare fenomeno, potremmo sottoporre alla comunit scientifica lo strumento utilizzato, affidandole il compito di valutarlo. La valutazione della validit a vista dovuta alla critica della comunit scientifica.
Validit per criterio (o per confronto): per metterla in atto sono previsti diversi modi pratici. Vi sono due famiglie appartenenti a questo secondo metodo:
Io devo avere un criterio di riferimento con cui confrontarmi, cio un metodo di paragone. Per esempio: se voglio misurare gli atteggiamenti delle persone nei
30
confronti degli extracomunitari, un criterio di confronto pu essere uno strumento gi usato (se esiste io confronto quello nuovo con quello vecchio) La validit viene stabilita confrontando lo strumento utilizzato con altri strumenti simili. Se per esempio dobbiamo validare un metro, lo mettiamo a confronto con un altro metro che gi stato definito valido.
Validit per capacit discriminante (o per gruppi noti): si ha quando si in grado di discriminare soggetti diversi di cui si conoscono gi le posizioni e le opinioni rispetto alla particolare propriet che si intende rilevare. Ad esempio, se intendiamo fare una ricerca sulle posizioni di un particolare partito politico, per validare lo strumento si pu fare un test con persone di cui si conosce gi lorientamento, in modo da verificare se il nostro strumento misura correttamente la propriet che intendiamo studiare.
Esempio: Questionario scala Likert per misurare latteggiamento nei confronti degli extracomunitari : somministro il questionario a 50 leghisti e 50 persone che lavorano in centri di accoglienza. Il risultato sar pi che prevedibile e quindi posso vedere se la scala in questione funziona.
Validit di costrutto: con quest'espressione si fa riferimento alla rispondenza di un indicatore alle attese teoriche in termini di relazioni con altre variabili (Corbetta, 2003, p. 62). Tale metodo si basa dunque sulla formulazioni di ipotesi e sul riferimento ad altri indicatori la cui validit gi nota. Non loperazione che compio a dirmi se lo strumento valido ma i risultati complessivi della ricerca. Nel monento in cui costruisco lo strumento ho gi formulato le ipotesi avendo delle aspettative. Se alla fine ottengo risultati coerenti con le ipotesi = i risultati sono interpretabili lo strumento che ho utilizzato valido.
Lanalisi dell attendibilit Per quanto riguarda lattendibilit, invece, le logiche utilizzate per la sua verifica sono le seguenti: Split half: lo strumento di misurazione viene diviso in due o pi parti. Se ad esempio prendo uno strumento costituito da 10 domande e lo divido in due strumenti da 5 domande luno, lo strumento sar attendibile nel caso in cui le risposte date al primo siano simili a quelle date al secondo. Questa logica per, pi che misurare lattendibilit misura la coerenza allinterno dello strumento.
31
Delle forme doppie ( o parallele): lo strumento viene sdoppiato in due strumenti di rilevazione che siano simili: ad esempio, ritornando allesempio di prima, si costruiscono due strumenti da 10 domande luno. Dopodich, entrambi vengono sottoposti allo stesso campione di soggetti. Le due formi uguali dello stesso strumento, quindi, possono essere somministrate : A due gruppi di persone equivalenti (per esempio: prendo la classe e la divido in due e ad una parte do uno strumento e allaltra laltro strumento, confrontando poi i risultati. Se i risultati ottenuti saranno uguali dal punto di vista statistico, vuol dire che lo strumento ATTENDIBILE. Allo stesso gruppo di persone
Se le risposte sono simili lo strumento attendibile. Il concetto di attendibilit ha a che fare, nella trattazione metodologica, con il concetto di coerenza, ovvero fornire dati coerenti cosi che se un fenomeno cambia la misura cambia di conseguenza. Quindi possiamo dire che se i risultati ottenuti sono coerenti fra loro allora lo strumento attendibile. (Coerenza = Riduzione del concetto di attendibilit) Quali sono i pro e i contro di queste due logiche? Perch posso dividere in due la classe oppure riproporre il mio strumento due volte alla stessa? Se sottoponiamo lo stesso gruppo allo stesso tipo di ricerca molto probabile che otter risultati diversi in quanto il gruppo di riferimento conosce gia le domande poste ed gia preparato a quello che lo attende. Questo lo pu quindi portare a un cambiamento nelle risposte. Lo stesso vale se facciamo la ricerca su due gruppi diversi ma comunque simili: le persone non saranno le stesse e i risultati possono cosi variare. Es. Ho un blocco di marmo da 10 Kg. Devo misurare attendibilit di una bilancia. Posso: -misurare il blocco pi volte e vedere se i risultati sono coerenti constatando cosi il corretto funzionamento della bilancia in questione. -porlo su due bilance diverse cosi che, se i risultati sono i medesimi, allora la misurazione attendibile in quanto misuro sempre la stessa cosa. Tornando al Metodo delle forme parallele, Somministrare uno strumento due volte alla stessa classe dar sempre lo stesso risultato? No risulta pi difficile in quanto le persone sono meno stabili e non possiamo esere sicuri quanto del blocco di marmo che avr sempre e comunque lo stesso peso. Le persone conoscendo gia le domande possono cambiare il tipo di risposta.
32
Invece se divido la classe in due? Le due met saranno uguali ed esattamente confrontabili? Anche se sono equivalenti non saranno uguali, non ne avremo mai la certezza. Indicatore (detto anche coefficiente alfa): misura tutte le correlazioni tra le singole domande (item) e il totale di una scala di atteggiamento. Dal punto di vista statistico, si controllano le singole domande e si stabilisce quali sono quelle inutili. Cerca di valutare la coerenza dello strumento, cio quanto ciascun item (domanda= coerente con lo strumento (ad esempio la scala di atteggiamento). Attraverso questo indicatore viene quindi verificata la coerenza interna. Questa analisi dellattendibilit serve a capire quanto ogni elemento dello strumento (Item) sia coerente con lo strumento stesso. Quanto ciascun item coerente con lo strumento? Si misura la CORRELAZIONE tra i punteggi ottenuti sul singolo item e il punteggio ottenuto sullintera scala. Questa correlazione appunto definita coefficiente alfa. (Per correlazione: si intende una relazione tra due variabili casuali tale che a ciascun valore della prima variabile corrisponda con una certa regolarit un valore della seconda.) Al variare del punteggio complessivo anche litem deve cambiare nello stesso modo altrimenti pu significare che qualcosa non funziona. Se non cambia allora forse quellitem non correlato
33
Capitolo IV I metodi quantitativi nella ricerca sociale

1. Le variabili nella ricerca sociale Il passaggio fondamentale delloperativizzazione la definizione della variabile. Le variabili possono essere di diversi tipi, e vi possono essere diversi modi per classificarle. Una prima differenziazione tra variabili dipendenti e variabili indipendenti. Tali definizioni dipendono dal tipo di influenza che una variabile esercita sulle altre. In modo particolare la variabile dipendente la variabile la cui variazione dipende da unaltra variabile. Il suo modificarsi in relazione alle variazioni di unaltra variabile, che per lappunto definita variabile indipendente.
Unaltra classificazione delle variabili dipende invece dal tipo di operazioni statistiche a cui posso sottoporle. Conoscere la variabile che si ha di fronte , dunque, essenziale per usare bene la statistica, in quanto su certe variabili la si pu applicare mentre su altre no. In questo caso possiamo distinguere le variabili categoriali da quelle di tipo numerico. Le variabili categoriali contengono due sottogruppi: le variabili di tipo categoriale nominale: sono variabili che assumono stati discreti non ordinabili. Queste variabili riconducono a dei fenomeni osservati dentro certe categorie, ed esprimono stati del mondo descrivibili e raggruppati in esse ( un esempio di variabile di questo tipo pu essere lo stato civile).Con le variabili categoriali non si pu fare nessun tipo di operazione matematica, solo classificazioni ed possibile stabilire relazioni di uguaglianza e differenza Esempio: Lo Stato civile una variabile di tipo categoriale nominale,ovvero i concetti possono solo essere elencati,non c nessun criterio di ordinamento. STATO CIVILE (variabile) (modalit ) Celibe Sposato Divorziato Vedovo Convivente
34
le variabili di tipo categoriale ordinale: sono quelle che assumono stati discreti ordinabili. Un esempio pu essere offerto dalle varie posizioni previste nel percorso per una carriera accademica: esiste la figura del borsista di ricerca, poi quella dellassegnista, poi quella del ricercatore e infine quella del professore. Dunque loperazione possibile lordinamento. Questi tipi di variabili possono essere strutturati attraverso un ordine gerarchico universalmente riconosciuto. Esempio: Il titolo di studio una variabile di tipo categoriale ordinale,lordinamento si fa con lintensit con cui la variabile si esprime. TITOLO DI STUDIO Le variabili di tipo numerico contengono: le variabile di tipo discreto :Contano fenomeni multipli dellunit. Non ammesso l uso della virgola. Quello che si fa contare i casi e numerarli con un numero intero. Si passa da una unit a quella successiva. Esempio: Numero di figli: nessuno 1 2 3 4 Pi di 4 Nessun titolo di studio Licenza elementare Licenza media Diploma Laurea Altro_____________
le variabili di tipo continuo: Tra una unit e laltra sono presenti infiniti numeri. Ad esempio il reddito una variabile a rapporti (o continua) perch non sono unit separate ma possono anche essere numeri con la virgola: Esempio: Indicare il reddito lordo annuo I quattro tipi di variabili definite in precedenza possono essere collocate in una SCALA GERARCHICA, che la seguente: 1. 2. 3. 4. VARIABILI NUMERICHE CONTINUE VARIABILI NUMERICHE DISCRETE VARIABILI CATEGORIALI ORDINALI VARIABILI CATEGORIALI NOMINALI
35
Il criterio con cui le variabili vengono collocate nella scala sopra citata il seguente: quelle che stanno sui gradini pi alti contengono pi informazioni di quelle che stanno nei gradini pi bassi. Di conseguenza vale la seguente propriet: possibile trasformare una variabile superiore in una inferiore, ma non viceversa; ci dovuto al fatto che le variabili superiori contengono un numero maggiore di informazioni rispetto a quelle inferiori. Va anche detto che unaltra propriet importante delle variabili superiori quella di poter essere manipolate in maniera pi profonda.
Tabella 3. Schema sintetico sulle variabili e le loro caratteristiche Tipo di variabile Nominale Operativi zzazione Classificazi one Stati della propriet Discreti ordinabili non Operazioni possibili Confronto: uguaglianza /differenza Ordinale Ordinamen to Discreti ordinabili Ordinamento (><) Numeri con Istruzione Caratteristiche dei valori Mere etichette profession e esempio
caratteristiche solo ordinali
Cardinale
Conteggio
Discreti enumerabili
Uguaglianza/diff erenza; ><; +/*
Numeri
con
Film
visti
caratteristiche cardinali Numeri con
al cinema
Cardinale
Misurazion e
Continui
Uguaglianza/diff erenza; ><; +/*
Chilometri percorsi durante la settimana
caratteristiche cardinali
2. Il questionario: caratteristiche e applicazioni pratiche Il questionario uno degli strumenti quantitativi pi impiegati nellambito della ricerca sociale. Pi nel dettaglio, si tratta di un metodo: OGGETTIVO DI RILEVAZIONE delle informazioni sui soggetti osservati; In grado di tradurre in un format analizzabile ci che si desidera studiare; STANDARDIZZATO che si propone di quantificare la realt sociale secondo un modello fisso e uguale per tutti i soggetti intervistati. Inoltre deve rispondere a 2 criteri fondamentali nella ricerca quantitativa: VALIDITA' E ATTENDIBILITA'
36
Uno strumento per essere valido e attendibile, secondo l'approccio quantitativista, deve avere una struttura standardizzata, ovvero deve portare a risposte coerenti e che possano essere poste in reazione tra di loro. Esempio: il questionario dovrebbe costituire uno strumento valido ed attendibile come fosse un termometro che, essendo tarato sempre alla stessa maniera, rileva delle differenze di temperatura che sono quelle effettive allinterno della realt osservata. 2.1 La costruzione del questionario Esistono tre principali tipologie di domande per il questionario: domande chiuse o totalmente strutturate: il ricercatore presenta all'intervistato una domanda formalizzata in modo che siano previste una serie di possibili risposte. Esempio: SESSO-> M F
domande mezze chiuse o semistrutturate: in questo caso le domande sono chiuse e standardizzate, mentre le risposte sono libere e a discrezione degli intervistati. Esempio: Quali materie preferisci studiare? Risposta chiusa o libera domande aperte o non strutturate: n le domande n le risposte sono strutturate (questa tipologia di domande appartiene pi all'ambito della ricerca qualitativa).
E possibile ancora individuare alcune AREE TEMATICHE ricorrenti, secondo le quali si strutturano diverse MACROTIPOLOGIE di DOMANDE. In particolare, si possono si possono suddividere domande: di carattere INFORMATIVO, necessarie a raccogliere informazioni di base, di carattere socio-demografico sull'intervistato, permettendo cos di
individuare le caratteristiche, le variabili che verificano la sua appartenenza al campione preso in esame. Esempio. Se voglio intervistare degli uomini dai 30 ai 50 anni, domandare let dellintervistato consente di capire se davvero parte del campione di riferimento D'OPINIONE, necessarie a entrare nel merito della ricerca. Queste domande sondando il pensiero dell'intervistato su determinate questioni , mettendo il ricercatore in condizione di estrapolare opinioni, pareri e atteggiamenti non direttamente OSSERVABILI (si veda in particolare il paragrafo sulle Scale di atteggiamento).
37
sui COMPORTAMENTI, rilevano abitudini, comportamenti modi di agire, sulla base delle risposte date dell'intervistato al questionario. Rilevano quindi status TEORICAMENTE OSSERVABILI. Esempio. Nell'ambito di una ricerca sui consumi culturali dei giovani si domanda al campione intervistato:
Quante volte al mese vai al cinema? |_| almeno una volta alla settimana; |_| almeno una volta al mese; |_| meno di una volta al mese; |_| non vado mai.
Ti mai capitato di andare al cinema da solo nellultimo anno? |_| s; |_| no
2.2. I metodi di somministrazione delle domande Esistono modalit differenti per somministrare un questionario. Proviamo ad elencare le principali.
Auto-somministrazione: Il questionario viene consegnato agli intervistati o lasciato a disposizione degli stessi. Spesso si usa questo metodo per le indagini di customer satisfaction: in questi casi il questionario viene distribuito agli utenti (di hotel, pubbliche amministrazioni, etc.) o reso disponibile in appositi spazi. Pro Metodo di somministrazione molto semplice e senza nessun costo di gestione nellinvio e raccolta. Contro 1. Mancata chiarezza nelle modalit di compilazione a cui pu corrispondere un maggior numero di errori commesso dal soggetto; 2. Inerzia collettiva o scarsa volont dei soggetti a compilare autonomamente i questionari, bassi tassi di risposta e campione eterogeneo e non rappresentativo.
Inviato per posta: Il questionario viene spedito in una busta che ne contiene una seconda necessaria a rimandare indietro il questionario compilato.
38
Pro 1.La massima riservatezza ottenibile in casa dell'intervistato, permette di trattare tematiche complicate o spinose riguardanti anche la sua sfera intima. Contro -Poca partecipazione nella compilazione, tassi di risposta piuttosto bassi
(soprattutto perch pressi linvio di questionari lunghi e/o complessi); -Sistema molto dispendioso
Inserito nei media (giornali, riviste, etc.) Contro: 1. Bassi tassi di risposta 2. Essendo utilizzato principalmente per motivi di marketing, il questionario pu far trapelare maggiormente le finalit di mettersi in contatto con i rispondenti, piuttosto che quelle di ottenere dati.
Altri metodi di somministrazione: CATI (Computer Assisted Telephone Interview): L'intervistatore con l'ausilio di un computer compila il questionario secondo le risposteconferitegli dall'intervistato attraverso un contatto telefonico. L'80% delle ricerche quantitative viene svolto oggi con questo metodo di somministrazione. Pro: 1. Metodo molto veloce ed economico. 2. Dati inseriti direttamente al computer in una matrice dati, al fine di elaborarli ad alta velocit. Contro: L'intervistato pu fornire delle risposte secondo acquiescenza (tendenza di scegliere risposte che esprimono accordo piuttosto che negative) o desiderabilit sociale ( riluttante a rivelare opinioni o comportamenti che ritiene indesiderabili per dare di s la migliore immagine possibile, anche se non veritiera), frutto pi di uno sollecitazione dello strumento che di un elaborazione del proprio pensiero.
CAWI (Computer Assisted Web Interview): Le interviste sono condotte attraverso il web, ad esempio attraverso pop-up (instant pool) oppure linvio attraverso unemail del link al questionario oppure del questionario stesso. Pro: Queste interviste 1. Possono raggiungere una grande quantit di persone. 2. Sono pi economiche.
39
3. Sono efficaci sul piano della qualit del dato raccolto. Contro: Una costruzione del questionario non adeguata pu portare a tassi di risposta molto bassi.
CAPI (Computer Assisted Personal Interview): Si tratta di un'intervista faccia a faccia dove l'intervistatore, che dispone di un computer, pone delle domande all'intervistato secondo le modalit di risposta possibili. I dati ottenuti e inseriti nel computer dall'intervistatore o dall'intervistato vengono inviati al soggetto proponente la ricerca. Pro: un metodo pi attendibile del CATI e CAWI poich il dialogo con lintervistato consente la chiarificazione di eventuali dubbi nella compilazione del questionario e, grazie allinterazione fisica con l'intervistatore, lintervistato pu fornire risposte pi veritiere. Contro: un metodo molto pi dispendioso. 2.3 La struttura del questionario Per la sua logica di costruzione il questionario si definisce a imbuto. La struttura che si delinea cerca di seguire un'interazione con l'intervistato che parta da domande generali, per poi entrare nel dettaglio. Possiamo quindi suddividere la struttura di base come segue: 1. Apertura: formulazione di domande pi ampie e generiche, che siano di carattere poco impegnativoe e che aiutino a rompere il ghiaccio con l'intervistato. Le prime domande dunque non devono indagare la sfera intima o determinati comportamenti privati dell' intervistato, che potrebbe trovarsi in imbarazzo. Progressivamente si entra sempre pi nel merito della questione indagata. 2. Parte Centrale: dove si affrontano i contenuti pi importanti per la ricerca. A questo punto l'intervistato ha preso confidenza con lo strumento di rilevazione, non ancora stanco ed disponibile a domande che indaghino pi in profondit. 3. Parte finale: In essa si inseriscono domande meno impegnative ma comunque specifiche. E la parte in cui si raccolgono gli ultimi dettagli, nella quale bene inserire qui le domande socio-demografiche.
40
2.3.1 La costruzione delle domande: SUGGERIMENTI ED ERRORI COMUNI. a) fare attenzione alle congiunzioni che possono portare alla formulazione di domande doppie. Esempio. Lei religioso o praticante? Quanto si definisce religioso o praticante da 0 a 10 Domande come queste sono solo apparentemente corrette, ma attraverso la congiunzione esono effettivamente domande doppie. Potrebbe, infatti, esserci un religioso non praticante e (anche se in maniera meno probabile) un praticante non religioso. b) Curare le modalit di risposta, ovvero quelle affermazioni selezionabili come risposte da parte dellintervistato. Queste modalit di risposta devono infatti essere: o ESAUSTIVE: devono comprendere dunque tutte le modalit possibili in cui si manifesta il fenomeno. Esempio. Titolo di studio: elementare < media < superiore < universit < Con queste modalit escludo dalla possibilit di risposta coloro che non hanno titoli oppure chi ha un titolo di studio post-laurea. c) Anche se nella ricerca quantitativa importante conoscere con buona approssimazione tutte le modalit con cui la variabili di un fenomeno si declinano, l'ESAUSTIVIT per non sempre facile da raggiungere. Per ovviare a questo problema si aprono le modalit di risposta della domanda (che quindi semichiusa) inserendo la modalit di risposta: Altro............. d) Le modalit di risposta non devono essere semanticamente sovrapposte: importate costruire insiemi che riempiono tutte le possibili modalit con cui si presenta il fenomeno nella realt, ma le categorie a cui si rimanda non devono incrociarsi o sovrapporsi. Esempio. Qual la sua provenienza geografica? Sicilia < Valle d'Aosta < Italia < In questo esempio la modalit Italia comprende le altre due (regioni). 2.3.2 Esercizio di stile Valutiamo la correttezza di alcuni esempi. Esempio 1: Lei cosa farebbe nel caso in cui, avendo molta fretta di fare un acquisto in un negozio, non trovasse parcheggio nei pressi del punto vendita nei primi 10 minuti? Cosa non va? Questa domanda un po' troppo complicata, ci sono incisi ed troppo lunga. Una domanda pu essere chiara a chi la formula, ma incomprensibile all'intervistato.
41
Quindi: evitare domande lunghe e articolate. Domande dicotomiche: Esempio 2: 1. Lei usufruisce della mensa aziendale? SI NO 2. Nei giorni lavorativi consuma il pranzo della mensa aziendale? SI NO 3. Se si quante volte mangia in mensa? < 1 < 2< pi di 2 Cosa non va? In questo questionario a punti diversi vi sono domande diverse che si
sovrappongono e sono quindi ridondanti. Si pu cercare di chiedere una cosa pi volte ma il questionario deve essere uno strumento efficiente ed economico: - in termini di tempo, perch l'intervistato potrebbe indispettirsi se sottoposto a domande ripetitive; - in termini di obiettivi: le domande dovrebbero quindi essere funzionali al macroobiettivo della ricerca; - in termini di costi: ogni domanda ha un costo aggiuntivo. In sintesi, bisogna rispettare il principio di economia: ogni domanda deve avere la sua reason-why.
Esempio 3: In che proporzione guarda il suo tempo libero guardando la tv? Cosa non va? La parola proporzione potrebbe risultare poco comprensibile per una parte del target. Manca inoltre lunit di tempo. Quindi: utilizzare un linguaggio comprensibile a un ampio target e specificare l'intervallo di tempo a cui si fa riferimento.
Esempio 4: Quante volte in una giornata prova invidia verso i suoi colleghi e il suo capo? Cosa non va? C' una domanda doppia: si potrebbe appunto provare invidia verso i colleghi e stimare invece il capo e viceversa. Quindi: attenzione alle domande doppie.
Esempio 5: Dove stato in vacanza quest'anno? Italia Estero Cosa non va? Viene dato per scontato il fatto che lintervistato sia andato in vacanza, il che non affatto detto. Questo errore potrebbe imbarazzare quellintervistato che non
42
riuscito ad andare in vacanza. Inoltre, non avendo offerto nelle modalit di risposta lopportunit di esprimere questa situazione, lintervistato potr decidere di rispondere a caso o non farlo completamente. Quindi: non dare mai nulla per scontato. Meglio spezzare la domanda in 2 parti. In questo caso avremmo potuto chiedere: es. stato in vacanza lultimo anno? SI NO Se si, in quale di questi luoghi? Italia Estero
Esempio 6: Secondo lei quale corrente artistica sta influenzando maggiormente i giovani pittori italiani? Cosa non va? In pochi conoscono le correnti artistiche. Quindi: capire quanto l'intervistato sia in grado di esprimere un parere in merito alla questione presa in esame.
Esempio 7: Nell'Agosto del '97 si trovava....? Cosa non va? Queste domande sono pi adeguate a un tribunale perch fanno riferimento a un orizzonte temporale troppo ampio. Quindi: indagare un orizzonte temporale non troppo ampio.
Esempio 8: Esprima la sua approvazione nei confronti di questa affermazione: Daccordo Disaccordo Il panino del McDonald non mi sembra genuino < < Cosa non va? Per la formulazione dellitem stata utilizzata una costruzione negativa. Quindi bisogna fare attenzione all'uso delle negazioni.
Esempio 9: Il suo nucleo familiare composto anche da persone anziane? Cosa non va? La parola anziano potrebbe essere un termine ambiguo dipendente da punti di vista differenti. Quindi:evitare termini ambigui.
43
Esempio 10 : Non vede qualche evidente pericolo nella politica del nuovo governo? Cosa non va? una domanda tendenziosa, che costruisce, include e suggerisce le risposte. Non formulare domande tendenziose non risulta cos semplice, perch chi pone la domanda fa sempre riferimento a un determinato punto di vista o angolazione sulla realt.
Esempio 10b: Nell'ambito di una ricerca che si pone come obbiettivo quello di quantificare l'adesione di un campione di italiani, alla partecipazione italiana alla missione in Afghanistan, possono essere formulate queste domande: 1. d'accordo alla partecipazione alla missione di pace? D'accordo Disaccordo Cosa non va? Sembrerebbe una domanda neutrale, ma tendenziosa perch non detto che tutti siano daccordo sul fatto che sia una missione di pace. 2. d'accordo che i militari dell'esercito italiani siano impegnati sul fronte in Afghanistan? 3. Cosa ne pensa del fatto che dei giovani italiani di linea siano mandati a morire sul fronte di guerra Afghano? Sto domandando pi o meno la stessa cosa ma da punti di vista differenti. Alle diverse domande rispondono sempre le stesse persone ma come risultato ottengo dei tassi di risposta opposti: alla n1 l80% delle persone mi risponde che daccordo, alla n3 l80% delle persone mi risponde che in disaccordo. Quindi: importante rispettare il principio di eticit, ponendo molta attenzione nella verbalizzazione di domande che corrono il rischio di essere tendenziose. 3. Considerazioni conclusive sul questionario Tutti gli accorgimenti indicati finora sono molto utili in un disegno di ricerca quantitativa, al fine di costruire un questionario come strumento standardizzato in maniera da non influenzare le risposte e che dia la possibilit, a tutti gli intervistati, di esprimere il proprio pensiero. Possiamo tuttavia provare a confutare la stessa ipotesi quantitativista secondo cui il questionario uno strumento standardizzato, che quantifica la realt sociale attraverso la misurazione del pensiero dei soggetti intervistati, trasformandolo in variabili inseribili in matrici dati esplorabili oggettivamente con la statistica.
44
Con un questionario posso infatti ritrovarmi ad interrogare soggetti a proposito di argomenti ai quali non sono mai stati interessati. In tal caso, il questionario che induce a pensarci e a rispondere nei migliori dei casi onestamente, nei peggiori dei casi molto superficialmente. Quindi, contrariamente a quello che la macro-narrazione quantitativista
suggerirebbe, il questionario uno strumento di rilevazione del comportamento, delle opinioni e degli atteggiamenti tutt'altro che oggettivo. Pi che rilevare la realt che effettivamente nel pensiero delle persone, il questionario costruisce esso stesso una narrazione/autorappresentazione. Talvolta proprio il questionario costruisce la realt che vuole misurare, nei casi in cui si raccoglie unopinione che prima non c'era e che il soggetto si crea in quel momento, solo perch gli stata domandata: si attua quindi il paradosso di uno strumento che misura ci che esso ha creato (effetto esperimento). Ad esempio, come se un termometro non misurasse la febbre che c'era prima che lo usassi, ma gli effetti di se stesso su di me dopo averlo utilizzato. Quindi, piuttosto che definire il questionario come uno strumento oggettivo di rilevazione della realt, perch esso si configuri come strumento utile bisogna valutare con spirito critico il fatto che esso produca narrazioni e costruzioni sociali insieme agli intevistati. Il rapporto, infine, tra osservatore e osservato tutt'altro che privo di distacco e dunque molto pi complesso di quanto il positivismo e il post-positivismo non sostengano. 4. La tecnica delle scale Per potere introdurre la tecnica delle scale occorre recuperare il concetto di variabile, proposto nel capitolo precedente. Le abbiamo distinte in: 1. VARIABILI NUMERICHE CONTINUE 2. VARIABILI NUMERICHE DISCRETE 3. VARIABILI CATEGORIALI ORDINALI 4. VARIABILI CATEGORIALI NOMINALI
Con gli ultimi due tipi di variabili possibile effettuare ogni tipo di operazione, inoltre importare considerare le variabili di grado superiore contengono pi informazioni rispetto a quelle pi in basso nella scala gerarchica, possibile convertire una variabile cardinale in una di tipo nominale ma non possibile effettuare loperazione contraria. Per misurare fenomeni complessi attraverso pi variabili si possono utilizzare due metodi:
45
1.
Costruire indici di misurazione :sommare i punteggi di domande diverse che si ritiene misurino la stessa variabile. Esempio: per misurare lindice di gradimento di un corso
universitario(possono rispondere solo coloro che hanno frequentato),sommo i punteggi di chi ha risposto ottenendo una somma di variabili e non una sola variabile.
2.
Costruire scale di atteggiamento: strumenti di misura di fenomeni sociali complessi mediante la somministrazione di un questionario composto da pi item ognuno dei quali esprime diverse posizioni rispetto la realt (ogni item una domanda);per di tipo atteggiamento cognitivo si intende che si la combinazione sa riguardo di il
componenti
(ci
fenomeno),affettivo(emozioni positive o negative di fronte al fenomeno) e comportamentale,si includono sempre dei riferimenti di tipo valoriale. Quindi si pu definire atteggiamento la propensione negativa o positiva che ogni individuo ha nei confronti di un determinato fenomeno,tuttavia a causa delle molteplici sfumature che un atteggiamento pu assumere risulta
estremamente complicato ottenere dei risultati precisi.
Gli atteggiamenti sono delle propensioni positive o negative che le persone hanno nei confronti di certi fenomeni. Possono formarsi attraverso tre modalit: esperienza diretta; osservazione delle esperienze altrui; comunicazione (racconto da altri). Per la misurazione degli atteggiamenti viene utilizzata la tecnica delle scale, ossia una procedura tramite la quale vengono rilevate le opinioni dell'intervistato. Per costruire una scala di atteggiamento bisogna considerare diversi fattori. A livello di struttura del questionario le scale di atteggiamento si rappresentano
generalmente con: Una affermazione sulla destra: Esempio La statistica una materia interessante Una serie di gradi di accordo relativi allaffermazione Esempio non daccordo 1 2 3 4 5 6 7 daccordo
Lo scopo dellutilizzo di queste scale quello di misurare quei fenomeni psicologici che sono considerati troppo complessi per essere ricondotti ad ununica domanda o variabile.
46
A questi costrutti (gli atteggiamenti) viene riconosciuta una natura triadica (Modello Tripartito - Rosenberg e Hovland, 1960) :
Componente cognitiva: credenze e informazioni che si ritengono di sapere; Componente affettivovaloriale: reazione emotiva (giudizio di approvazione o disapprovazione nei confronti del fenomeno); Componente comportamentale: azione conseguente, ossia linsieme dei comportamenti visibili e concreti di un individuo, che si manifestano come conseguenza diretta delle due precedenti componenti. --------------------------------------------------------------------------------------------Esempio 1. possiamo prendere in considerazione latteggiamento che gli italiani hanno nei confronti degli extracomunitari: Molte persone ritengono che gli extracomunitari rubino posti di lavoro ai giovani italiani (componente cognitiva); Gli italiani tendono a disapprovare limmigrazione degli extracomunitari (componente affettivo valoriale); Di conseguenza, gli italiani trattano gli extracomunitari con diffidenza, sospetto, rabbia ecc. (componente comportamentale). --------------------------------------------------------------------------------------------Esempio 2. Ritengo che il corso di storia sia inutile COMPONENTE COGNITIVA Ho disinteresse verso il corso Non vado pi a lezione COMPONENTE AFFETTIVO-VALORIALE COMPONENTE COMPORTAMENTALE
--------------------------------------------------------------------------------------------Le componenti degli atteggiamenti appena descritte non sempre seguono questo ordine, ma possono anche assumere un ordine alternativo. Le domande dirette possono infatti far scaturire il fenomeno della desiderabilit sociale (anche mediante questionari anonimi), ossia un modo di rapportarsi con interviste e questionari che il soggetto pu mettere in atto e che potrebbe influenzare le risposte che andr a fornire. Se ad esempio si pensa ad una domanda del tipo Hai mai evaso le tasse? ci si rende conto che la maggior parte degli individui potrebbe essere indotta a mentire omettendo la verit, soprattutto per i fenomeni particolarmente soggetti a desiderabilit sociale. Possiamo quindi affermare che, in un certo senso, gli individui tendono a mentire nella direzione che pi li accetta socialmente. Come ridurre questo effetto? evitare le domande secche che prevedono risposte estreme (S/No).
47
presentare agli individui intervistati le risposte come se fossero frasi riportate, cio frasi che altre persone hanno gi detto, in modo tale da farle apparire socialmente sostenute, diffuse e quindi accettabili. Evitare, quindi, di presentare frasi troppo artificiose che potrebbero apparire inventate e costruite dal ricercatore. 4.1 La scala cumulativa di Guttman La tecnica di Guttman (o dello scalogramma) fu sistematizzata nel 1944. Questa scala costituita da una serie di affermazioni ordinate fra di loro secondo un criterio gerarchico, a cui sono state attribuite etichette di risposta, in genere di tipo dicotomico (s/no). Le persone a cui sottoposta questa lista di frasi possono rispondere in un modo o nell'altro alla prima domanda, ma solo in uno dei due casi possono accedere via via alla successiva. Questa tipologia viene detta tecnica di scaling non costruite per somma, bens a gradini. La scala di Guttman costituita da una serie di affermazioni di tipo cumulativo a cui i soggetti devono rispondere indicando solamente il proprio accordo o disaccordo: ogni affermazione successiva comprende la precedente, per cui essere daccordo con una significa essere daccordo anche con la precedente. -------------------------------------------------------------------------------------------Esempio: Un coetaneo Rom... 1. Lo accetterei nel mio Paese come un turista S = 1 No = 0 2. Lo accetterei come un concittadino S = 1 No = 0 3. Lo accetterei come un compagno di lavoro S = 1 No = 0 4. Lo accetterei come un vicino di casa S = 1 No = 0 5. Lo accetterei come un amico personale S = 1 No = 0 6. Lo accetterei come un parente stretto S = 1 No = 0 -------------------------------------------------------------------------------------------Essere daccordo con la frase n.3 vuol dire essere daccordo anche con la frase 1 e 2, dunque se essere daccordo con tre frasi significa realizzare un punteggio di 3 (un punto per ogni daccordo). Con questa tecnica si pu realizzare quel punteggio in modo univoco; non c altra via per realizzare quel preciso punteggio. Per cui in base al punteggio ottenuto posso stabilire in quale punto della scala si colloca il rispondente. Sintetizzando possiamo dire che la scala di Guttman semplice ed efficace; Cerca di misurare la predisposizione ad agire delle persone rispetto ad un certo fenomeno;
48
cumulativa; Si pu rispondere agli ITEMS in modo affermativo o negativo;
Questo scalogramma per molto teorico e poco usato nella ricerca sociale. 4.2 La scala Likert Come trattato nelle precedenti pagine, per misurare concetti semplici vengono utilizzate variabili semplici. Il metodo adatto, invece, a misurare concetti pi complessi consiste nella costruzione di scale. La scala Likert non una scala pre-costruita, ma piuttosto un metodo che si propone di offrire una procedura di sviluppo delle scale. Per questo motivo pu essere considerata come un format utilizzato nella composizione di scale anche di diverso tipo. molto utilizzata perch garantisce i criteri di validit, attendibilit e
standardizzazione. Questa scala si presenta come una batteria di domande, di affermazioni, definite item, collocate sulla sinistra del foglio, e una serie di possibilit che corrispondono al grado di accordo, collocate sulla destra e rappresentate da quadratini. Al di l della sua apparente semplicit, essa una scala molto complessa e presenta alcune caratteristiche attraverso le quali viene costruita. Il suo processo di costruzione diviso in diverse fasi: La scala deve essere in grado di misurare gli atteggiamenti in tutte le sue possibili declinazioni reali. Deve, quindi, misurare tutte le propensioni positive e negative. Per fare ci, bisogna costruire delle frasi che contengano delle informazioni che intercettino tutti i possibili gradi del fenomeno. Ci significa che bisognerebbe costruire tante frasi quante sono le diverse posizioni dei soggetti e che tanto pi complesso il fenomeno, tanto pi numeroso sar linsieme delle affermazioni costruite. Le frasi che il ricercatore costruisce, devono tener conto di tutte e tre le diverse componenti degli atteggiamenti (cognitiva, affettivo-valoriale,
comportamentale). Bisogna attribuire un punteggio ai gradi di accordo. (Posso per esempio attribuire 0 a per nulla daccordo, 1 a poco daccordo, 2 ad abbastanza daccordo, 3 a molto daccordo). Vengono eliminate le frasi che sono formulate male o che non vanno bene con la nostra ricerca. necessario, poi, trasformare le domande rimaste in un gruppo di domande ancora pi ridotto. Ci significa dover scegliere le domande migliori delle altre e scegliere le domande pi discriminanti, cio quelle che permettono di distinguere
49
latteggiamento di un individuo rispetto allatteggiamento di un altro individuo verso la stessa domanda. Per fare ci, necessario distribuire il questionario ad un campione di persone, raccogliere i dati e valutare il range di variazione. Affinch possano essere scelti gli atteggiamenti migliori, bisogna prendere in considerazione tutte le persone a cui si dato il questionario e dividerli in quartili. chiaro che se il nostro campione costituito da 100 persone, ogni quartile corrisponde al 25%. Bisogna scegliere il quartile che ha ottenuto il punteggio pi basso e quello che ha invece ottenuto il punteggio pi alto. Viene analizzato, poi, il primo quartile facendo la media delle risposte date. Lo stesso procedimento viene fatto con il secondo quartile. Quindi, si confrontano i punteggi (=risposte) medi del 1 e del 4 quartile per ogni domanda.
Tabella 4. Esempio di una scala di Lickert
Se la risposta media di una domanda simile nel 1 e nel 4 quartile allora quella domanda non discriminante e pu essere scartata; viceversa se la risposta media ad un domanda sensibilmente diversa tra il 1 quartile e il 4 , allora questa domanda discriminante e pu essere inserita nella scala che si sta costruendo. 4.3 Il differenziale semantico Questa tipologia di scala fu messa a punto negli anni 50 da Osgood. E una scala creata da coppie di aggettivi che hanno significato opposto tra di loro, questi aggettivi vengono disposti su due colonne ed in mezzo ad ogni coppia vengono posti dei quadratini in cui il soggetto deve porre la propria crocetta.
50
Esempio -------------------------------------------------------------------------------------------1 Bello __ 2 __ __ __ 3 __ __ __ 4 __ __ __ 5 __ __ __ 6 __ __ __ 7 __ __ Brutto Scuro
Chiaro __ Liscio __
__ Ruvido
--------------------------------------------------------------------------------------------Come deve rispondere il soggetto? Il soggetto porr una crocetta in corrispondenza della posizione che dichiara il proprio grado di percezione delloggetto tra i due aggettivi. Da un punto di vista linguistico la valutazione che si pu dare ai fenomeni sottoposti allintervistato pu essere ricondotta a 3 dimensioni:
1. 2. 3.
Qualit Forza Dinamicit
Il differenziale semantico cerca di valutare queste tre dimensioni e, perch questo sia possibile importante che le coppie di aggettivi siano indipendenti dalloggetto studiato, e non termini vicini al fenomeno o non costruite appositamente per il fenomeno osservato, anzi ben lontane dall'oggetto di ricerca. Esempio: Se si vuole trovare com' l'atteggiamento degli italiani rispetto ad un determinato politico, non si metteranno coppie di aggettivi come:
Simpatico ___________________________________ Antipatico Coerente ___________________________________ Incoerente
ma di dovranno usare aggettivi del tipo:
Liscio
________________________________ Ruvido
Rapido _________________________________ Lento
Questo serve a far emergere le macrodimensioni profonde che esistono tra soggetto e oggetto. Usare aggettivi inerenti all'oggetto in studio potrebbe portare le persone a rispondere con giudizi affettivi interiori al posto di giudizi cognitivi.
51
Una volta trovate delle coppie di aggettivi che soddisfano le valutazioni richieste (su oggetti diversi), si potranno riutilizzare per tutti i fenomeni. Come abbiamo visto il differenziale semantico ha tra gli aggettivi uno spazio, con varie caselle dove essere sono modalit. Una volta raccolti i dati attribuisco un punteggio a ciascun quadratino, che corrisponde ad un giudizio espresso (dunque ad una modalit) sugli aggettivi (ovvero le variabili). Il differenziale semantico, come la scala Likert, una scala il cui punteggio viene ottenuto per somma, nel senso che viene sommato ogni singolo punteggio di un individuo nelle varie domande. Un limite delle scale per somma che due intervistati ottengano un punteggio
uguale, ma questo non significa che abbiano lo stesso atteggiamento perch potrebbero aver ottenuto lo stesso punteggio rispondendo in modo diverso a domande diverse. Nel differenziale semantico importante evitare di collocare tutte le frasi o aggettivi che abbiano lo stesso orientamento in una stessa parte del foglio, poich gli individui attiverebbero ci che definito response set. Il response set un meccanismo di velocizzazione per cui gli individui sono portati a rispondere alle domande senza riflettere poich hanno capito il meccanismo e lorientamento. Dunque, bisogna invertire gli aggettivi di uno stesso orientamento, evitando in questo modo il response set e se comunque si dovesse attivare questo meccanismo, il ricercatore capirebbe immediatamente. 5. La matrice: primi cenni Le ricerche quantitative sono anche dette matriciali perch i dati vengono inseriti in una matrice. La matrice un foglio a quadri, caratterizzato da righe e colonne. Nelle righe vengono inseriti i casi, mentre nelle colonne le variabili. La griglia che si crea composta da celle. I dati contenuti in ogni cella non sono scritti per esteso, ma sono codificati; per questo opportuno che il ricercatore costruisca un libro-codice per indicare quali sono le modalit numeriche e quali sono le modalit codificate. I casi vengono identificati con dei numeri, il numero di cifre deve sempre essere uguale, quindi se analizzo 100 casi il primo sar denominato 001. Nel caso delle variabili invece, se sono numeriche vieni posto il numero, se invece sono nominali, ad esempio, si associa ad ogni modalit un codice e nella matrice viene riportato questo.
Esempio: Sesso: maschio 1; femmina 2;
52
Colore capelli: biondo 1; castano 2; nero 3; rosso 4; bianco 5;
sesso et 001 002 003 1 2 1 25 40 82
Colore capelli 3 1 5
53
CAPITOLO V IL CAMPIONAMENTO
1. Introduzione Una ricerca quantitativa mira ad essere rappresentativa. Con questo si intende che i risultati ottenuti attraverso di essa possono essere estesi alla popolazione di riferimento da cui il campione stato estratto. Un campione un sottoinsieme della popolazione di riferimento, che ha la propriet di rispecchiarne le caratteristiche, per lo meno sulle variabili prese in esame. Il campionamento serve a ottimizzare il processo di ricerca scegliendo da un universo un numero di casi sufficienti a rappresentare luniverso stesso in modo corretto. E lestrazione da un universo di un numero di casi sufficienti a rappresentare luniverso stesso in maniera corretta. Serve per ottimizzare il processo di osservazione e di ricerca e per renderlo pi agevole. Es . come se noi avessimo una grande fotografia che la totalit dei casi del fenomeno che vogliamo studiare, questa foto che molto pesante dobbiamo ridurla, quindi renderla pi maneggevole, per fare ci dobbiamo diminuire i pixel e le dimensioni. Questo ci che fa il campionamento.
Trasformare ed estrarre dalluniverso un numero ristretto di casi per rappresentare il fenomeno piuttosto complesso. Si usa il campionamento perch costa meno ed pi economico. Studiare una parte del tutto fa risparmiare tempo e costi ammesso che poi i risultati siano comparabili a quelli che si otterrebbero studiando tutto. Talvolta lunico metodo possibile. ES: Immaginando che io sia una ditta che produce 1.000000 di bulloni al giorno, devo vedere se i bulloni sono sempre perfetti. Controllare un milione di bulloni ovviamente fisicamente impossibile e quindi ho bisogno di campionare questo universo. Spesso inoltre il metodo pi accurato. Se il processo viene fatto correttamente, i risultati possono essere pi corretti di quelli fatti sullintero universo poich riusciamo a diminuire la percentuale di errore. Meglio studiare un campione pi piccolo in maniera approfondita e accurata piuttosto che studiare tutto in maniera veloce e sbrigativa.
Lunit di analisi lelemento pi piccolo su cui si svolge losservazione, assunta in senso astratto.
54
Es: Se io faccio una ricerca sugli studenti universitari, lunit di analisi sar il singolo studente universitario inteso in senso astratto. Luniverso di riferimento o popolazione di riferimento linsieme di tutte le unit di analisi esistenti nel mondo reale e da cui il campione viene estratto. Se voglio misurare l'altezza media di 100 individui senza misurarli tutti, analizzo solo 10 persone, ipotizzando che la loro altezza media coincida con quella delle 100 persone. In questo processo per essere bisogna essere coscienti di avere una certa probabilit di sbagliare! Daltra parte, analizzare tutto luniverso di solito quasi impossibile e non necessariamente compiere unoperazione del genere equivarrebbe ad ottenere risultati pi accurati. Se devo sottoporre un questionario a tutti gli Italiani, avr bisogno di migliaia di intervistatori (se non voglio impiegarci anni) e non potr mai controllare la qualit del lavoro di tutti (molti potrebbero inventarsi i questionari compilati, ecc.). Se invece estraggo un campione di 1000 persone rappresentativo della popolazione italiana, mi basteranno probabilmente 10 intervistatori che potr formare
adeguatamente e di cui mi potr fidare.
Riassumendo: perch si campiona? Per tre ragioni: Studiare una parte del tutto attraverso il campionamento pi economico,
determina un risparmio di tempo e di costi; Talvolta il campionamento lunico metodo possibile perch alcuni fenomeni
non sono osservabili nella loro totalit (ad esempio: consideriamo una ditta che produca un milione di bulloni al giorno e debba sempre controllare se essi sono a norma: impensabile controllare tutti i bulloni prodotti, se ne controllano solo alcuni); Spesso il metodo pi accurato per studiare alcuni fenomeni: se il processo
viene svolto in maniera corretta, i risultati ottenuti sul campione risultano essere pi corretti di quelli che si otterrebbero analizzando lintero universo. Questo perch, analizzando un numero ristretto di casi (cio un campione), diminuisce la percentuale di errore: osservare una quantit contenuta di casi significa osservarli meglio e con pi attenzione, quindi ridurre le possibilit di errore.
Ma la cosa molto meno semplice di quanto sembri. La ricerca quantitativa, infatti, per avere senso deve essere rappresentativa, ovvero i risultati da essa ottenuti sul campione (se corretti) possono essere estendibili
55
allintero universo (cio non valgono solo per il campione considerato, ma anche per tutto luniverso da cui il campione stato estratto).
2.
Come si fa quindi a campionare?
Le tecniche di campionamento servono a far s che lestrazione del campione dalla popolazione avvenga in maniera corretta e adatta alle finalit della ricerca. Per far ci vengono in aiuto due scienze: quella statistica e quella logica la statistica i campionamenti probabilistici che si utilizzano per le ricerche
quantitative. Le tecniche di campionamento PROBABILISTICHE sono dette anche tecniche di campionamento casuali. Il campione viene estratto dalla popolazione secondo criteri che consentono di conoscere le probabilit: o o con cui ogni singolo caso viene estratto dalla popolazione di riferimento; di commettere un errore assumendo che i risultati ottenuti sul campione
siano validi anche per la popolazione di riferimento. Se da un ipotetico numero di 100 persone voglio estrarne 10, e utilizzo procedure di estrazione casuale, ciascuna persona avr 10 probabilit su cento di essere estratta (10%).
La logica
i campionamenti non probabilistici stabiliti sulla base logica e si
utilizzano per le ricerche qualitative Le tecniche NON probabilistiche non hanno le propriet statistiche sopra ricordate ma sono ottenuti secondo diversi criteri (vedi oltre). Anche nella ricerca
quantitativa di tipo probabilistico i ricercatori sanno gi che non arriveranno ad una certezza, ma a una verit probabilistica espresse nella percentuale di errore che desiderano accettare (epistemologia post-positivista). Posso decidere di accettare varie percentuali di possibile insuccesso tra cui si considerano buone il 10 %, il 5%, l 1%, l 1 e oltre l 1. Passare dal 10 % all 1% significa aumentare la potenza statistica della mia ricerca ovvero la rappresentativit del campione. Gli elementi che aumentano la potenza e quindi la rappresentativit del campione sono:
La numerosit del campione: pi casi prendo in esame estraendoli dalla popolazione, pi probabile che riesca ad avere una ricostruzione attendibile e accurata delle sue caratteristiche;
56
La distribuzione del fenomeno studiato sulla popolazione: quanto pi il fenomeno presente nella popolazione, tanto pi rappresentativo sar il campione estratto a parit di casi osservati; quanto pi raro, tanto meno il campione sar rappresentativo a parit di casi compresi nel campione stesso.
Se faccio una ricerca sui bambini e i disturbi alimentari nella in regione Lombardia e sono interessato a studiare le differenze tra maschi e femmine, dato che la variabile sesso certamente presente in tutti i casi (molto distribuita) chiaro che posso estrarre dalla popolazione dei bambini lombardi un numero di casi relativamente contenuto: in ogni caso che prendo in esame la variabile sesso sar certamente presente in una delle due modalit possibili. Ma se voglio anche studiare la differenza delle abitudini alimentari tra bambini diabetici e non diabetici chiaro che il campione che dovr estrarre casualmente dalla popolazione dovr essere molto pi ampio: i bambini diabetici sono una percentuale piccola del totale dei bambini e per averne un numero significativo allinterno del mio campione (dato che non vado a sceglierli ma li estraggo casualmente dal totale dei bambini residenti in Lombardia) devo prendere in esame un campione molto pi ampio.
3. Campionamento probabilistico Il metodo con cui si estrae un campione probabilistico consente di stabilire la probabilit con cui ogni singolo caso pu essere estratto. Questa probabilit imposta dal ricercatore ed uguale per tutti i casi. La logica di fondo che se io tiro a sorte dei casi da un grande universo, alla fine per la legge della probabilit statistica mi viene fuori, con grandissima approssimazione, una rappresentazione in piccolo delluniverso studiato. Tutto questo a condizione che sia unestrazione del tutto casuale.
Vuol dire che se io tiro a sorte da un grande numero di casi le persone, alla fine per la legge della probabilit statistica ,si ottiene una rappresentazione in piccolo dell universo, a condizione per che sia sempre casuale, quindi ottengo un campione vero ed idoneo. Es. nel gioco del Lotto ho 90 palline e ne estraggo una, questa una estrazione casuale e tutte le palline hanno la stessa probabilit di uscire e noi la conosciamo, ma nel momento in cui io estraggo una secondo pallina la probabilit cambia. Vi sono due modi per estrarre il campione di riferimento.
57
Ri-immissione : per ri-immissione quando tutti hanno la stessa probabilit di uscire. Senza ri-immissione : la probabilit aumenta perch la base minore.
Ci sono 4 tipologie: 3.1 Campionamento casuale semplice Tipo di campionamento basato su unestrazione del tutto casuale. Vengono utilizzate strategie che consentono unestrazione completamente casuale dei casi dalluniverso di riferimento. Un esempio di questo tipo di campionamento quello, gi citato, del gioco del lotto. In generale un vero campionamento casuale semplice ben condotto deve essere effettuato con ri-immissione, in modo che tutti i casi abbiano sempre la stessa probabilit di venire estratti, tuttavia questo problema (cio se svolgere il campionamento con ri-immissione o senza) si considera solo quando vengono presi in considerazione universi piccoli, mentre se vengono analizzati universi di riferimento grandi il problema viene trascurato (ad esempio, se devo svolgere una ricerca avendo come universo di riferimento la popolazione mondiale e dovendone estrarre 1000 casi vero che lultimo caso considerato avr pi possibilit di essere estratto rispetto al primo, tuttavia questo aumento di probabilit talmente debole da poter essere trascurato). Il campionamento casuale semplice nella ricerca sociale NON UN CAMPIONE FATTO A CASO, anzi, difficilissimo da realizzare in quanto complicato ottenere lelenco dei casi delluniverso. Vi sono due condizioni che permettono il giusto funzionamento del Campionamento casuale semplice : 1. elenco dei casi :Per far si che questo campionamento venga fatto in modo
corretto vi bisogno di un elenco di nominativi. Es lelenco telefonico . 2. numeri casuali : cio numeri estratti dal computer senza alcuna logica,
quindi applicando i numeri casuali allinterno dello elenco. E complicato ottenere lelenco dei casi che compongono luniverso. Ad esempio, se devo svolgere una ricerca che abbia come obiettivo di chiedere agli italiani chi voterebbero in questo momento considerando un campione di 1000 casi, dovrei, per poterli estrarre casualmente, possedere lelenco di tutti gli italiani votanti. Unalternativa allelenco dei casi quella di poterli effettivamente estrarre in maniera casuale. Per fare ci di solito i ricercatori usano i numeri casuali (cio delle tabelle di numeri estratti dal pc senza alcuna logica, in maniera totalmente casuale).
58
3.2 Campionamento sistematico o per criterio Tipo di campionamento casuale basato su un criterio di estrazione. Il criterio il numero (K), deciso dal ricercatore, che determina ogni quanti casi ne devo estrarre uno. Il ricercatore decide di estrarre un caso ogni K (dove K, come gi detto, una costante decisa dal ricercatore stesso). K viene deciso dal ricercatore in base a quanti casi compongono luniverso e in base a quanti casi si vuole estrarre. Questo tipo di campionamento pi facilmente realizzabile del precedente perch al ricercatore non serve lelenco dei casi. Un esempio di campionamento per criterio sono i pop-up che compaiono sui siti internet: ogni K visitatori del sito compare il pop-up. ES: Voglio fare un campionamento per criterio in questa classe e decido di estrarre una persona ogni 3. K il numero che io decido di usare per campionare. Come lo stabilisco K? In base a quanti sono i casi e a quanto grande luniverso e soprattutto in base a quanti voglio estrarne rispetto alluniverso. Se luniverso 100 e voglio ottenere 10 casi, allora K sar 10.
3.3
Campionamento stratificato
Tipo di campionamento che prevede la divisione delluniverso di riferimento in sottogruppi mutualmente esclusivi (strati) sulla base di una determinata variabile (detta di segmentazione o di stratificazione) e la successiva estrazione campionaria dei casi da ciascuno strato. Ad esempio, se estraggo dalla popolazione italiana 1000 individui, questi
dovrebbero rappresentare lintera popolazione (cio luniverso di riferimento); significa cio che ogni variabile dovrebbe essere rappresentata per come nella popolazione totale (nel campione ci dovrebbe essere cio la stessa percentuale di donne, di laureati, di diabetici eccetera). Questo risultato pu essere difficile da ottenere estraendo casualmente, poich non tutte le variabili avrebbero la giusta proporzione. Si utilizza quindi questo tipo di campionamento stratificato, ovvero si decidono a priori le variabili che nel campione devono essere proporzionalmente uguali rispetto alluniverso di riferimento.
Lestrazione quindi avviene non su tutto luniverso, ma per strati (cio sottouniversi il pi possibile omogenei rispetto alle variabili considerate in precedenza): ad esempio estraggo prima per sesso, poi per titolo di studio e cos via per tutte le
59
variabili decise in precedenza. Successivamente si procede allestrazione casuale del campione da ogni singolo strato, in seguito i campioni vengono uniti e si ottiene il campione globale. Lestrazione avviene quindi non sul totale, ma per strati di significazione, di variabili: alla fine la composizione ottenuta esattamente uguale a quello delluniverso di riferimento.
3.4 Campionamento per stadi o a grappoli Assomiglia un po a quello stratificato ma procede ad imbuto, con la differenza che gli strati non sono realt fisiche ma esistono solo nella mente del ricercatore, mentre i grappoli si riferiscono ad entit esistenti. Questo tipo di campionamento non prevede lestrazione di un singolo caso come rappresentazione delluniverso, ma di grappoli di casi (grappoli sono, ad esempio, le classi scolastiche, i reparti di lavoro ecc). Se ad esempio voglio estrarre un campione degli studenti del liceo, dal momento che non possiedo un elenco complessivo di tutti gli studenti liceali, posso procedere a grappoli. Visto che non ho un elenco complessivo degli studenti, posso procedere a grappoli dicendo: intanto estraggo le regioni (2 del sud, 2 del centro e 2 del nord), dalle varie regioni estraggo le provincie, dalle provincie estrarr i comuni, dai comuni i licei ecce cc. A quel punto ho fatto una stratificazione basata per su delle realt esistenti.
Le classi scolastiche, i reparti di lavoro o le camere di ospedale vengono chiamati "grappoli", e inclusi nel campione. Il vantaggio principale del campionamento a grappoli sta nel fatto che ogni grappolo al suo interno non omogeneo, e quindi ha una parte di tutti gli elementi del campione,mentre i grappoli tra loro sono omogenei. Se ad esempio devo estrarre 1000 famiglie procedo nel seguente modo: - Decido ad esempio che il primo campione sono le regioni e delle 20 regioni ne seleziono 5. - Successivamente estraggo le province e delle 40 province ne seleziono 10 - Nel passo successivo estraggo le citt - Successivamente estraggo i quartieri - Infine per ciascun quartiere estraggo una famiglia.
60
4. Rappresentativit del campione Quanti casi si devono prendere per fare un campione rappresentativo? Allaumentare delluniverso il campione non deve aumentare per forza. Per estrarre un campione si scelgono 2 CRITERI 1 Criterio di campionamento: VARIABILITA del FENOMENO Un primo criterio per scegliere i casi dipende quindi dalla variabilit delluniverso che si intende studiare. -Se la variabile omogenea il campione pu essere piccolo -Se la variabile eterogenea il campione pi esteso Es: Se si vuole stabilire chi Maschio e chi Femmina nella popolazione italiana,si pu osservare un numero ristretto di casi perch la variabile Maschile e Femminile molto comune. Se per si vuole stabilire la percentuale di persone che hanno lanemia mediterranea si deve considerare un numero maggiore di casi perch la VARIABILE E RARA. 2Criterio di campionamento:LIVELLO di VERITA PROBABILISTICA (GRADI di ERRORE) Questo secondo criterio dato da quanto un certo vuole essere il ricercatore sui risultati ottenuti cio il livello di verit probabilistica che il ricercatore vuole raggiungere con quella ricerca. La STIMA il valore che assume la variabile nel campione ( la statistica ci serve perch in grado di farci capire QUANTO sbagliamo nella ricer a della verit) Es: Se vogliamo capire quanto sono alti gli italiani si pu fare un campione di 1000 persone,ma scopriamo di non avere i fondi necessari allora si analizzano solo 100 persone. Dato che il campione troppo piccolo ci si rivolge alla STATISTICA che ci dir il MARGINE di ERRORE. Il margine di errore nella stima che il ricercatore decide di accettare, cio quanto certo il ricercatore vuole essere dei risultati che ottiene. La stima il valore che assume la variabile nel campione come stima della variabile nelluniverso: cio le modalit con cui la variabile si manifesta nel campione dovrebbero essere una stima accurata delle modalit con cui la variabile si manifesta nelluniverso di riferimento. Ad esempio, se voglio capire quanto sono alti gli italiani ventenni, misuro laltezza media del campione: non mi interessa di per s laltezza media del campione perch ho usato il campione per capire come si manifesta la variabile altezza neluniverso (in questo caso la popolazione italiana). Quindi la modalit con cui la variabile si manifesta nel campione (i maschi sono alti x e le femmine sono alte y) mi serve per stimane come quella stessa variabile si manifesterebbe nelluniverso.
61
Si considera il grado di errore, cio la percentuale di errore che il ricercatore disposto ad accettare. La statistica ci consente di conoscere la probabilit di errore. Passare dal 10% di possibilit di errore all1%, ad esempio, significa aumentare la potenza statistica della ricerca, cio la rappresentativit del campione.
5. Campionamento non probabilistico
un tipo di campionamento che viene detto anche campionamento di convenienza. I campioni non probabilistici non sono rappresentativi: i risultati che si ottengono sono validi sono per quei campioni e non si possono estendere alla popolazione di riferimento (per lo meno, ragionando da un punto di vista statistico). La forma pi standard quella che si pu definire campionamento per variabili selezionate: in poche parole, sono io a stabilire le variabili. Non fatto con la statistica non genera campioni rappresentativi, costruito su base logica. Si usa nella ricerca qualitativa. Tipologie:
5.1 Campionamento accidentale Si ha un campionamento accidentale quando il ricercatore sceglie come rispondenti alla sua indagine le prime persone che capitano, senza criteri definiti. Ci che si perde in accuratezza del campione, lo si risparmia in tempo e denaro. A questo caso non si possono applicare le tecniche della statistica induttiva 5.2 Campionamento a valanga Si compone di pi fasi. Inizialmente si intervistano alcune persone dotate delle caratteristiche richieste: saranno proprio loro ad identificare altri soggetti che possono essere intervistati in una fase successiva e che a loro volta producono informazioni per identificare altri soggetti con le caratteristiche per essere inclusi nel campione, creando cos un effetto a valanga. Non sono applicabili le tecniche della statistica induttiva. Es. direttore marketing. 5.3 Campionamento per quote E il tipo di campionamento non probabilistico pi usato. Il ricercatore prende in considerazioni le variabile che crede centrino con la sua ricerca.
62
Dopo aver specificato tutte le quote (dimensioni, variabili) che ci interessa studiare all'interno della popolazione (che deve essere finita), si verifica che per ogni possibile combinazione delle diverse dimensioni ci sia almeno un caso. In tal modo, anche con un campione piccolo si possono studiare le suddette dimensioni, senza correre il rischio di avere combinazioni non rappresentate. Per costruire i campioni individuo la variabile e faccio una tabella in maniera di essere certo cha ogni combinazione possa essere rappresentata. Ad esempio, svolgo una ricerca sullaltezza delle persone in relazione al sesso e al colore dei capelli: lipotesi i maschi biondi sono pi alti delle femmine more. Le variabili da considerare sono tre: laltezza, il sesso e il colore dei capelli. Dopo aver individuato le variabili che servono, compongo una tabella con le varie possibilit e scelgo n casi per ogni casella (li scelgo a caso) in modo da essere certo che ciascuna combinazione delle modalit delle variabile sia rappresentata. 5.4 Campionamento di elementi rappresentativi Si ha un campionamento a elementi rappresentativi quando si selezionano all'interno della popolazione gli elementi che il ricercatore ritiene rappresentativi per gli obiettivi della ricerca. Non sono applicabili le tecniche della statistica induttiva. Ad esempio, per capire lopinione degli studenti a proposito del corso di metodologia, si sceglie arbitrariamente quali intervistare, selezionando quelli che sembrano pi rappresentativi della classe. 5.5 Campionamento per saturazione Intervisto una persona e raccolgo delle informazioni, intervisto una seconda persona e acquisisco nuove informazioni, intervisto una terza persona e raccolgo alcune informazioni gi note e altre nuove informazioni, e continuo fino a quando non intervisto una persona che mi offre pi o meno tutte le informazioni gi sentite in precedenza. Non so dallinizio chi devo intervistare: semplicemente, vado avanti fino a quando mi servono informazioni. I campioni qualitativi si fanno perch servono a impostare le ricerche qualitative, a raccogliere elementi di scenario e indicazioni di fondo che poi, volendo, posso andare a pesare statisticamente sulla popolazione.
63
CAPITOLO VI LANALISI DEI DATI

LANALISI UNIVARIATA DEI DATI
1. Introduzione
Prima di entrare nel merito della costruzione della matrice dati, facciamo un piccolo ripasso esercitandoci su un esempio di ricerca. Immaginiamo che qualcuno ci abbia commissionato una ricerca per scoprire se ci sono delle relazioni tra come le persone votano e il loro atteggiamento nei confronti degli extracomunitari. Pertanto, nel nostro caso il macro-obiettivo generale quello di verificare se esiste una relazione statisticamente significativa tra lorientamento politico e
latteggiamento nei confronti degli extracomunitari. Una volta individuato lobiettivo generale necessario precisarlo nel dettaglio in modo da aver chiaro cosa vogliamo fare di preciso e a quali domande vogliamo effettivamente dare risposta. Dobbiamo, in altri termini, articolare lobiettivo generale in una serie di obiettivi conoscitivi specifici. Per farlo dobbiamo farci guidare dalla nostra curiosit sociologica (che sar orientata a sua volta da ci che sappiamo sul fenomeno e da eventuali teorie o risultati di ricerca precedenti). In questo modo potremmo ad esempio giungere a formulare le seguenti domande specifiche (obiettivi conoscitivi specifici da raggiungere): se esiste una relazione tra orientamento di voto e atteggiamento nei confronti degli extracomunitari, questo si presenta nello stesso modo tra maschi e femmine? e tra persone di et diverse? e ci sono differenze tra abitanti nelle varie aree del paese a parit di altre condizioni, le persone che hanno avuto contatti diretti con gli extracomunitari, mostrano la stessa relazione tra il loro orientamento di voto e il loro atteggiamento verso queste persone oppure no? Ecc.
evidente come tutte queste possibili domande specifiche necessario porsele allinizio della ricerca in modo da poter strutturare tanto la ricerca stessa quando lo strumento di rilevazione e, di conseguenza, il campione.
64
Una volta individuati tutti gli obiettivi specifici di ricerca, inizia la fase di operativizzazione: a partire dai concetti/categorie astratte che abbiamo utilizzato nel formulare le domande di ricerca e le relative ipotesi sottostanti, trasformiamo tutti questi elementi in variabili che si possano effettivamente rilevare attraverso un qualche metodo di misura. Facendo riferimento, per essere sintetici, solo alla domanda principale di ricerca, possiamo dire che nel nostro caso avremo due variabili:
Variabile 1: Orientamento politico Variabile 2: Atteggiamento nei confronti degli extracomunitari
Si tratta di stabilire come misurarle. Per la prima variabile (Orientamento politico) potremmo usare la formula della Autocollocazione politica, facendo cio in modo che lintervistato riveli
autonomamente il suo orientamento politico, autocollocandosi allinterno di un continuum (che potremmo rappresentare con una linea o con una serie di quadratini) tra due termini opposti che indicano gli estremi dello schieramento politico. Si ottiene una cosa di questo tipo:
Estrema sinistra_____________________________Estrema destra
Estrema sinistra Estrema destra
Oppure potremmo utilizzare domande pi dirette del tipo: Che partito ha votato alle ultime elezioni?
Se si votasse domani, come voterebbe?
Naturalmente si potrebbero usare anche tutte e tre le domande per avere risposte pi dettagliate e indicative. Per la seconda variabile, che riguarda latteggiamento nei confronti del fenomeno, converr utilizzare la tecnica delle scale di atteggiamento, attraverso la quale lintervistato possa esprimere le proprie valutazioni rispetto al fenomeno osservato (in questo caso, gli extracomunitari). Per farlo potremmo costruire la scala secondo la procedura vista nel caso della scala di Likert: dovremo pertanto produrre molte affermazioni in grado di esprimere tutte le possibili posizioni che il soggetto
65
potrebbe
assumere
in
rapporto
al
fenomeno
(dallestremamente
positivo
allestremamente negativo). Bisogna infatti cercare di evitare leffetto della desiderabilit sociale, fenomeno per cui le persone tendono a modificare la proprie risposte in base a ci che considerato socialmente o moralmente giusto. Per fare in modo che questo non accada utile presentare le domande come se fossero state ricavate da risposte che altri intervistati hanno dato in precedenza (se qualcuno ha espresso questo tipo di giudizio, posso esprimerlo anche io, se lo condivido!). Le domande andranno poi selezionate scartando quelle che ci parranno poco chiare, mal formulate, ridondanti, ecc. Andranno poi sottoposte ad un campione per valutarne la coerenza interna e scartare quelle su cui i soggetti che si sono collocati nel primo e nellultimo quartine (rispetto ai punteggi da loro ottenuti sulla scala di atteggiamento) hanno dato risposte uguali. Una volta messo a punto
definitivamente il questionario, si proceder alla sua somministrazione.
2.
Dalla raccolta dei questionari alla matrice dati
Dopo aver raccolto i questionari dobbiamo continuare il nostro lavoro di ricerca. Esso vedr le tre fasi fondamentali di 1. Analisi dei dati 2. Descrizione dei risultati 3. Interpretazione a partire dallipotesi di partenza La fase di interpretazione fondamentale. Molto spesso infatti le ricerche si limitano a descrivere i risultati ottenuti, ma in realt il lavoro di ricerca vero e proprio inizia quando si hanno i risultati sotto mano e si comincia a studiarli per cercare di interpretarli, chiedendoci costantemente perch?. In altri termini, non basta dire i risultati sono questi, ma bisogna cercare di spiegarci il perch sono questi e non altri! E' importante controllare subito per ogni questionario che stato raccolto il grado di completezza delle risposte date per valutare l'incidenza delle risposte non date e, se si pu, rimediare alla carenza di informazioni. La completezza dipende in parte dalla modalit di somministrazione del
questionario usata, sar massima per le risposte date a un intervistatore e minima nei questionari postali. Alcuni dati mancanti sono tollerati, ma si deve stabilire a priori qual il grado di completezza perch un questionario sia accettato. I questionari vanno poi numerati e va indicato su di essi il nome dell'intervistatore.
66
La fase di codifica consiste nel :
Dare un nome alle variabili
Ad ogni variabile va dato un nome conciso, un acronimo o alfanumerico ( V1, V2). I pi usati software statistici accettano nomi al massimo di 8 caratteri.
Dare un codice a ogni modalit
Bisogna codificare le modalit delle variabili categoriali associando un numero a ogni possibilit di risposta a disposizione dell'intervistato. Si ricorda che le variabili sono, ad esempio, il sesso o la propria religione ; le modalit sono invece le possibili risposte nell'ambito di ogni variabile, ad esempio, maschio e femmina per il sesso a cui si potr dare codice rispettivamente 0 e 1. Ogni variabile occuper una colonna della matrice dati ; i valori del vettore per i diversi individui saranno i codici associati alle modalit. I codici possono comparire gi nel questionario accanto a ogni modalit, si parla allora di codifica a priori o stabiliti successivamente, codifica a posteriori. L'esempio mostra una domanda codificata a priori : nella matrice dati verr digitato il numero corrispondente alla risposta scelta dall'intervistato.
Esempio:Ti capitato di usare droghe leggere ? 1. spesso 2. qualche volta 3. mai 4. non voglio rispondere variabile : uso delle droghe leggere possibili codici di identificazione della variabile : V1, VAR1, DROGA modalit della variabile : spesso, qualche volta, mai, non voglio rispondere codici delle modalit : 1, 2, 3, 4
E' importante decidere come trattare le risposte mancate. Si pu :
codificarle con dei numeri non confondibili con le altre modalit, tipo 9, 99, e ricordarsi di trasmettere al software il codice per escludere questi valori dai calcoli ;
3.
non digitarle. Libro codice e matrice dati
Per iniziare la fase di analisi bisogna ordinare i dati raccolti in modo da renderli adatti ad allanalisi statistica.
67
Per farlo vanno tradotti in una matrice dati. Una matrice dati si presenta con una struttura righe per colonne (o casi per variabili). Per poter inserire i dati dentro la matrice e far s che il sistema capisca come interpretare tutti i simboli su cui si trover ad operare (possono esserci numeri veri ma anche numeri che in realt sono codici di concetti ex. 1=maschio, lettere, ecc.), e, cosa non meno importante, per far s che noi possiamo raccapezzarci quando andremo a dialogare con il software di analisi e ad interpretare i dati, necessario stabilire in modo molto dettagliato come sono state codificate tutte le informazioni raccolte, costruendo un libro di codifica.
Le variabili e le modalit con i loro nomi e codici vanno riportate in un libro codice per poter cos risalire dalle sigle e dai numeri al loro significato e alla domanda di riferimento del questionario. Nel libro codice riportato anche il numero di colonna che ogni variabile occupa nella matrice dati. Il libro codice un indispensabile strumento di documentazione per i lavori futuri e per rendere comprensibili a tutti le informazioni contenute nella matrice dati.
Per quanto riguarda la fase di analisi dei dati importante conoscere e sapere applicare le principali elaborazioni quantitative e statistiche. La statistica serve a compattare i dati, a tradurre molte informazioni in pochi numeri. La statistica serve per sintetizzare dati. Lanalisi dei dati secondo tecniche statistiche pu essere di due tipologie:
lanalisi statistica descrittiva lanalisi inferenziale.
La statistica descrittiva (che quella che affrontiamo in questo corso) ha come scopo quello di sintetizzare i dati attraverso i suoi strumenti grafici (diagrammi a barre, a torta, istogrammi, boxplot) e indici (indicatori statistici, indicatori di posizione come la media, di variazione come la varianza e la concentrazione, di correlazione, ecc.) che descrivono gli aspetti salienti dei dati osservati, formando cos il contenuto statistico. La statistica inferenziale (si compie un'inferenza quando si traggono delle conclusioni logiche a partire dai dati disponibili) ha come obiettivo, invece, quello di stabilire delle caratteristiche dei dati e dei comportamenti delle misure rilevate (variabili statistiche) con una possibilit di errore predeterminata. Le inferenze
68
possono riguardare la natura teorica (la legge probabilistica) del fenomeno che si osserva. La conoscenza di questa natura permetter poi di fare previsioni (si pensi, ad esempio, che quando si dice che "l'inflazione il prossimo anno avr una certa entit" deriva dal fatto che esiste un modello dell'andamento dell'inflazione derivato da tecniche inferenziali). La statistica inferenziale fortemente legata alla teoria della probabilit. La statistica inferenziale si suddivide poi in altri capitoli, i pi importanti dei quali sono la teoria della stima (stima puntuale e stima intervallare) e la verifica delle ipotesi.
Per procedere con lanalisi statistica si parte sempre, come abbiamo detto, dalla matrice dati. Si definisce matrice dati "una tabella ordinata di almeno due dimensioni che contiene informazioni interpretate e codificate. Chiamiamo dato, o valore, il contenuto di ogni singola cella della matrice dati" (definizione di Ricolfi L.). La matrice contenente i nostri dati originari detta anche matrice CxV (casi per variabili) per indicare che le righe si riferiscono ai casi e le colonne alle variabili.
Nellesempio qui sopra le varie variabili sono abbreviate: N.p. = Numero Progressivo; Sex = Sesso; Eta = Et; P Geo = Provenienza geografica ; Tit. Stud = Titoli di studio.
69
I numeri riportati nella matrice sotto le variabili sex, P.geo e Tit. Stud, sono il codice della modalit della variabile presa in esame, o meglio, sono le modalit che assume la variabile nel caso specifico. NOTA BENE: La prima variabile che deve essere inserita nella matrice dati il numero progressivo ( N. P );in quanto serve a riconoscere il caso che stiamo esaminando. In questo modo se si dovessero individuare la presenza di errori nella matrice,baster vedere il caso errato a che numero progressivo corrisponda e rifare il procedimento. RECORD : insieme delle celle relative ad un singolo caso ( = riga).
Nel caso dei valori relativi alle risposte date dai soggetti alla scala di atteggiamento, ci troviamo di fronte a modalit di una variabile di tipo quasi cardinale. Tali valori, infatti, non sono numeri reali, ma possono essere considerati tali per comodit del ricercatore.
Facciamo il seguente esempio: Tra i vari item della scala di atteggiamento sugli extracomunitari il 23 il seguente: Att.23: Ritengo che gli extracomunitari siano una risorsa economica per il nostro paese: (5) molto daccordo (4) abbastanza daccordo (3) ne daccodo n in disaccordo (2) abbastanza in disaccordo (1) molto in disaccordo Se il soggetto ha risposto abbastanza in disaccordo, la modalit della variabile Att.23 assumer il valore 2 ed io andr ad inserire tale valore nella matrice e lo tratter come se fosse un numero reale (e quindi, ad esempio, andr a calcolare la media dei punteggi di tutti i casi esaminati sulla Variabile Att..23).
Nel momento in cui ci troviamo davanti ad una matrice dati, come nell esempio riportato in altoin che modo dobbiamo procedere?
La prima cosa da fare : CONTARE ! L analisi in primo luogo si basa sul conteggio delle variabili nel nostro campione. Come possiamo notare nella tabella dobbiamo analizzare ogni variabile singolarmente e procedere al calcolo cio alla conta per colonna di quante volte le modalit delle diverse variabili si presentano (=CALCOLO DELLE FREQUENZE).
70
Il calcolo delle frequenze consiste nel numero di volte con cui si presenta una certa modalit di una determinata variabile. Per esempio se dovessimo analizzare la variabile sesso...0 e 1 sono le modalit con cui si presenta tale variabile. A questo punto dobbiamo procedere al calcolo e possiamo notare che al nostro questionario hanno risposto in totale (TOT) due maschi ( 0=2) dove (0 = sesso maschile e 2 = numero di maschi che hanno risposto al questionario ) e tre femmine (1 =3) dove (1= femmine e 3=numero di femmine che hanno risposto al questionario).Lo
stesso processo viene applicato successivamente a tutte le variabili ( Et,titolo studio ecc..)! Generalmente l'analisi della matrice viene svolta dal computer attraverso un programma specifico chiamato SPSS.
La statistica descrittiva pu avere tre diverse declinazioni possibili a seconda del numero di variabili che prende in esame:
analisi monovariata Analizzo una variabile alla volta -es Analisi sul sesso del campione: so quanti maschi e quante femmine ci sono
Analisi bivariata Analizzo come 2 variabili interagiscano tra loro -es Sesso e titolo di studio: c differenza nei titoli di studio tra maschi e femine?
Analisi multivariata Analizzo come pi di 2 variabili interagiscano tra loro -es Sesso Titoli di Studio e Provenienza geografica: Hanno pi titoli di studio i maschi provenienti dal nord?
Lanalisi univariata (o monovariata) tesa a contare le modalit con cui si presenta ciascuna variabile
Come procedere?
Conteggio: il conteggio avverr per colonne analizzando il presentarsi delle
variabili. Dobbiamo dunque procedere con il calcolo delle frequenze, il quale mostra il numero delle volte con cui si presenta una modalit della variabile. Verifica errori: il calcolo delle frequenze ci permette di verificare in fase di
conteggio se vi sono errori e dunque agire di conseguenza nella correzione della matrice. Gli errori possono essere di duplice natura: accidentale (dovuto da una distrazione) individuare). oppure sistematica (ripetuto nellintera matrice e difficile da
ERRORI ACCIDENTALI: errori casuali relativi a singoli casi, che se si dovessero presentare in quantit ridotte posso decidere di non calcolarli. Per esempio se
71
dovesse comparire
nella matrice dati il valore 3 nella variabile sesso,ci
accorgeremmo immediatamente che si tratta di un errore accidentale;in quanto nella variabile sesso non esiste il valore 3. Il sesso pu essere maschio = 0 o femmina =1!
ERRORI SISTEMATICI: errori ripetuti, di difficile individuazione. Se l'errore dovesse essere nel questionario probabilmente non verr individuato, e durante il calcolo non verr corretto. Stabilendo nel nostro caso di utilizzare unanalisi monovariata procediamo nel seguente modo:
Lo scopo dellanalisi quantitativa dei dati e dellelaborazione statistica quello di tradurre molte informazioni in pochi numeri: una di queste basilari e semplici analisi quella della DISTRIBUZIONE DI FREQUENZA.
72
4.
La distribuzione di frequenza
Esistono diverse tipologie di frequenze: 1. La frequenza assoluta: si intende il n di casi in cui la frequenza si presenta con una certa modalit. 2. La frequenza relativa: si intende il rapporto tra il numero dei casi Di una certa modalit e il numero totale dei casi trovati. Esistono diversi tipi di frequenze relative: a. Proporzioni o frequenza relativa proporzionale: N CASI / N Tot CASI: f(r) = F/N b. Frequenza relativa percentuale: f(%), si ottiene moltiplicando la frequenza relativa proporzionale per 100 . la frequenza che usiamo di pi in statistica perch facilmente leggibile e ci fornisce un numero di informazioni abbastanza elevate sul fenomeno. Esempio: Alle studentesse piace pi la lezione di Di Fraia o di Canova?
Classe Di Fraia: freq. Relativa= 300/400 = 0,75 75 %
Classe Canova: freq. Relativa=500/1000= 0,5 50 %
c. Frequenza relativa cumulata: f() pari alla sommatoria
delle
frequenze relative ad una certa modalit.. Questa frequenza risulta molto utile nel calcolo della mediana.Serve per trovare la met dei casi. d. Frequenza relativa retro-cumulata: f-, si ottiene mediante il procedimento inverso relativo alla cumulata, partendo in questo caso dal valore pi alto(100) fino ad arrivare al valore (0). Esempio della tabella di distribuzione di frequenza:
NORD CENTRO SUD
FA 300 600 100
f(r) 0,3 0,6 0,1
f(%) 30% 60% 10%
f 30% 90% 100%
f- 100% 70% 10%
73
TOT N=1000
1000
100
La frequenza assoluta si puo calcolare su tutti i tipi di variabile? SI Perch, qualsiasi sia la variabile (che sia nominale, ordinale o numerica), sempre possibile raccogliere dati relativi a qualsiasi cosa presa in esame; che sia il colore dei capelli, al sesso, allet o ai bocciati a Metodologia. La frequenza relativa della proporzione posso calcolarla su tutti i tipi di variabile? SI Perch, una volta ottenuta la frequenza assoluta, con una proporzione posso ottenere quella relativa proporzionale. La frequenza relativa della percentuale posso calcolarla su tutti i tipi di variabile? SI Perch una volta ottenuta la frequenza relativa proporzionale moltiplico x100 il valore ed ho il valore di quella relativa percentuale. La frequenza cumulata si puo calcolare su tutti i tipi di variabile? NO Per ottenerla devo poter sommare delle frequenze relative della percentuale che siano ordinabili, quindi il tipo di variabile appropriata quella Ordinale.
Quanto detto finora si applica per lanalisi monovariata. Quando si parte da unipotesi in cui vi sono due concetti in relazione, si parla di analisi bivariata. I concetti vengono operativizzati in due tipologie di variabili: 1. VARIABILI DIPENDENTI: E' la variabile su cui incentrato il nostro studio. Dipende da qualcos'altro, influenzata da qualcosa:dalla variabile
indipendente. 2. VARIABILI INDIPENDENTI: Non dipendono da nulla. Essa influenza/
determina la variabile dipendente. Questa variabile quella che il ricercatore manipola. Il ricercatore influenza la variabile indipendente per vedere che effetto avr sulla dipendente. Esempi: variabile dipendente 100 persone con tumore variabile indipendente fumo. A queste pongo la domanda: FUMI?
74
Io ricercatore seguir queste persone nel corso di 10 anni cercando di capire se quelle che fumano sono pi propense ad avere tumori rispetto a quelle che non fumano. IL RICERCATORE MANIPOLA LA VARIABILE INDIPENDENTE PER VERIFICARE QUANTO QUESTA VARIABILE MODIFICA REALMENTE LA VARIABILE DIPENDENTE
Esempio: Parto dallipotesi seguente: PERSONE DI DESTRA = POCO TOLLERANTI VERSO EXTRACOMUNITARI
Lorientamento
politico
la
variabile
indipendente,
andr
verificare
se
intervistando persone di destra e di sinistra si verificher questa ipotesi o se magari ne emerge che anche le persone di sinistra sono poco tolleranti verso gli extracomunitari.
75
GLI INDICI PRINCIPALI DELLANALISI MONOVARIATA

1. GLI INDICI DI TENDENZA CENTRALE
La distribuzione di frequenza una descrizione relativamente articolata di una variabile, che specifica esattamente quanti casi ricadono in ciascuna categoria della variabile. In molte situazioni sufficiente o conviene avere elementi informativi ancora pi sintetici intorno a determinati aspetti della distribuzione. Di tutte le caratteristiche di una distribuzione di frequenza, le pi importanti sono due: la tendenza centrale, e la variabilit. Lanalisi vera e propria inizia ora! Dopo aver fatto i vari tipi di frequenze, possiamo quindi iniziare con lanalisi dei dati raccolti ed il primo passo costituito dagli indici di posizione (chiamati anche indici di tendenza centrale). La tendenza centrale il valore attorno al quale si concentra la distribuzione (fenomeno). Sono dei numeri che si propongono di sintetizzare come si distribuisce una certo fenomeno sulla popolazione. Sono valori numerici che sintetizzano tanta informazione (es: il valore medio di una moltitudine di dati).
Ad esempio se volessi misurare come si distribuisce il fenomeno altezza sulla classe, non mi basterebbe raccogliere tutte le altezze delle persone che la compongono; avere una lista con le altezze di trecento persone diverse non mi aiuta a capire come questo fenomeno si distribuisce. Per poter comprendere il
fenomeno devo essere in grado di lavorare su questi dati e sintetizzarli in indici che ci dicono intorno a quale valore gravita il fenomeno che stiamo analizzando.
Quali sono questi indici di posizione o di tendenza centrale? 1. La moda. 2. La mediana. 3. La media.
1.1
La moda
La moda un indice che corrisponde alla modalit che assume la massima frequenza assoluta; ovvero la modalit dove si ritrovano pi casi. Per esempio se stessimo studiando la variabile colore dei capelli ed avessimo 20 persone con i
76
capelli biondi, 30 con i capelli mori e 40 con i capelli castani, allora la moda sarebbe la modalit castani. Questo perch la modalit castani raccoglie il maggior numero di casi.
Cosa succede se sono due le modalit che hanno il maggior numero di casi e quindi la stessa frequenza assoluta? In questo caso si ha un fenomeno bimodale; ovvero un fenomeno che ha due mode. pi facile che ci siano fenomeni bimodali se il campione rappresentato da un numero ristretto di casi.
La moda si pu applicare a tutte le variabili? Si, essa lunico indice di frequenza che pu essere applicato anche sulle variabili nominali. Questo possibile perch la moda agisce sulle frequenze, e non sulle modalit.
Su che tipi di variabili si pu calcolare la moda? Tutte. Nominali, ordinali e numeriche. La moda, per, lunico valore caratteristico che rileva la tendenza centrale nelle variabili nominali. Ad esempio, abbiamo:
65 Comuni 26 Province 19 Regioni
Qual considerata la moda? Se abbiamo detto che la modalit che si associa alla massima frequenza, i Comuni hanno la massima frequenza su tutti gli altri, quindi la moda il Comune.
1. 2 La mediana
La mediana la modalit associata al caso che divide la distribuzione di frequenza in due parti uguali, una volta che stata ordinata. Essa divide la distribuzione di frequenza ordinata in due parti uguali. N.B. - sono le modalit che devono essere ordinate e non le percentuali.
Questo indice di posizione non pu essere applicato alle variabili nominali perch pu essere usato solo sulle variabili che possono essere ordinate.
Come si individua la mediana?
77
Per prima cosa bisogna prendere le modalit e ordinarle. Poi bisogna calcolare le frequenze assolute e le percentuali; solamente a questo punto possiamo calcolare la mediana. Per farlo, bisogna cercare in quale modalit viene raggiunto il 50% dei casi (n.b. un modo pi veloce per trovare la mediana andare a guardare dove la colonna della frequenza cumulata raggiunge il 50%).
Anche nel caso della mediana possibile che ci siano due modalit che dividano esattamente in due parti uguali il numero dei casi. In questo caso la mediana si calcola facendo la media dei due valori centrali che dividono a met la distribuzione di frequenza. Qual il compito della mediana? Essa serve per capire qual pi o meno lorientamento delle persone appartenenti al campione. La mediana quindi il valore che indica la tendenza della popolazione. Esempio: Lunghezze in mm dei lungometraggi trasmessi al Festival XYZ: 72, 81, 86, 69, 57 Per calcolare la mediana bisogna disporre tutti i casi in ordine crescente a seconda del valore assunto da ogni variabile, successivamente individuano le frequenze assolute e subito dopo le percentuali. Alla fine si prende il caso che viene a trovarsi al centro delle distribuzione. La modalit assunta dalla variabile su questo caso la mediana della distribuzione.
Quindi: - come prima operazione metto le modalit in ordine: 57, 69, 72, 81, 86 - poi vanno ordinate le varie modalit, e dobbiamo trovare quale tra queste si associa al caso che divide la distribuzione in due parti uguali. Avendo 5 modalit diverse, quale di queste il valore mediano? 72
Modalit 57 69 72 81
Frequenze 1 1 1 1
78
86
In questa caso la frequenza assoluta 1 per tutte le modalit perch queste ultime si presentano una sola volta in questa rilevazione. Se il numero dei casi N dispari c un solo caso centrale, quello che occupa la posizione
( N+1) ____________ 2
se N pari ci sono due casi centrali: quelli che occupano le due posizioni
N ___ 2
N _____+1 2
se questi due casi presentano la stessa modalit quella modalit la mediana. Se invece presentano due modalit diverse occorre stabilire:
se la variabile ordinale la distribuzione ha due mediane; se la variabile cardinale invece la mediana uguale alla media dei valori assunti dai due casi.
La mediana corrisponde alla modalit in corrispondenza della quale le frequenze cumulate superano la soglia del 50%. La condizione necessaria per far s che si possano usare le frequenze cumulate e le frequenze retro-cumulate quella di utilizzare variabili di tipo ordinale. Questa condizione necessaria perch se ogni persona scegliesse un ordine diverso per le modalit di una variabile, sarebbe impossibile stabilire un ordine uguale per tutti sul quale creare le frequenze cumulate e retro-cumulate. In conclusione, sulle variabili numeriche possono sempre essere fatte questi tipi di frequenze; mentre sulle variabili nominali possono essere fatte solo nel caso in cui esse siano di tipo ordinale (es. Variabile: titolo di studio).
1. 3 La media
La media un indice di tendenza centrale che si applica solamente a variabili di tipo numerico. Essa si calcola facendo la somma di tutte le modalit relative ai casi studiati e si divide per il numero di casi (N). Si applica a variabili di tipo numeriche. Si calcola la somma delle modalit, relativa ai casi studiati, e la si divide per numero dei casi (N). data dalla somma dei valori assoluti dalla variabile su tutti i casi divisa per il numero dei casi
79
X la variabile _
X la media di X Xi il valore che essa assume sul caso i-esimo N il numero totale dei casi il segno di sommatoria e indica loperazione di somma di una successione di numeri
Propriet della media.
Esempio: voglio calcolare la media dellaltezza di tre persone diverse; le quali misurano rispettivamente 1,60m, 1,70m e 1,65m. La media uguale a 1,65. Adesso proviamo a sottrarre la media da ciascun valore:
1,60 - 1,65 = -0,5 1,70 1,65 = 0,5 1,65 1,65 = 0
La media della differenza della media 0. La media lunico numero che minimizza gli scarti fino a renderli uguali a 0. La sommatoria delle differenze da come media il valore 0. La sommatoria degli scarti (somma di tutte le differenze tra il valore registrato e il valore medio) sempre 0.
Molto importante il fatto di non calcolare la media sulle frequenze ma sulla modalit.
80
2.
La variabilit di una distribuzione
Nelle precedenti lezioni abbiamo visto la media, la moda e la mediana, indici di posizione (o tendenza centrale). Sono definiti indici perch sono numeri che stanno per altri numeri, quindi sintetizzano molta informazione. Sono utili per sintetizzare come si presenta un fenomeno, dicendoci intorno a quali valori esso si concentra e struttura. Negli indici per linformazione non rappresenta come vanno le cose nel mondo, abbiamo quindi bisogno dellindice di variabilit.
Per spiegare la statistica si pu usare un esempio:
Persona A 2 polli Persona B 0 polli
Il valore medio di 1 pollo. Si tratta di una media equidistribuita perch equidistribuisce la variabile.
Manca per ancora qualcosa, ci che racconta la variabilit con cui il fenomeno distribuito, cio lindice di variabilit (o variazione).
Gli indici di tendenza centrale non sono sufficienti per descrivere la realt, quindi sono necessari altri tipi di indici: gli indici di variabilit. Essi servono ad individuare la distribuzione delle modalit attorno alla tendenza centrale. Lindice di variabilit dipende dal tipo di variabile. Si usano quindi indici diversi in relazione al tipo di variabile. Tipi di indice di variabilit Sono di 3 tipi: A. B. C. Indice di omogeneit o di concentrazione: si usa per le variabili nominali; Indice di differenza interquartile: si usa per le variabili ordinali; Diversi indici per le variabili cardinali: 1. Range di variazione 2. Scostamento semplice e scostamento semplice medio 3. Deviazione standard 4. Varianza 5. Coefficiente di variazione
81
2.1
Variabili ordinali: differenza interquartile
Partiamo con lanalisi delle variabili ordinali e quindi con lindividuazione della DIFFERENZA INTERQUARTILE (o INTERQUARTILICA). Deriva dai quartili, che si ottengono dividendo i casi in 4 parti (primo 25%, secondo 25%, terzo 25% e quarto 25%).
Tra Q1e Q3 si trova il 50% centrale della popolazione, entro il quale possiamo osservare la distribuzione. Se la differenza tra i due quartili :
PICCOLA, la variabilit contenuta; se invece la differenza AMPIA, la variabilit elevata.
Come si individuano i vari quartili? Dopo aver ordinato i casi della distribuzione dal valore pi basso a quello pi alto, si pu procedere alla determinazione dei quartili (indicati con la lettera Q). Il primo quartile (Q1) il valore del caso che ha sotto di se il 25% dei casi, il secondo quartile (Q2) il valore del caso che ha sotto di se il 50% di casi ( la mediana), il terzo quartile (Q3) il valore del caso che ha sotto di se il 75% dei casi, lultimo quartile (Q4) il valore dellultimo caso. La differenza interquartile la differenza tra il valore del terzo quartine e del primo.
Lindice di differenza interquartile si ricollega concettualmente alla mediana, perch si tiene conto del valore in cui rientra il 50%. Operativamente:
il primo passaggio consiste nel dividere la distribuzione di frequenza in quattro parti, ognuna corrispondente al 25%: in questo modo si ottengono i quartili; il valore del secondo quartile corrisponde alla mediana, perch contiene il 50%;
il secondo passaggio il calcolo dellindice di differenza interquartile, sottraendo alla modalit relativa al terzo quartile (corrispondente al 75%), la modalit relativa al primo quartile (corrispondente al 25%).
Q = Q3 - Q1
In sintesi questo indice utile per capire quanto un fenomeno varia allinterno di una variabile. Esempio:
Modalit
F%
F%
82
1- Sinistra 2- C. sin 3- Centro 4- C. destra 5- Destra Tot.
10 5 3 4 15 100
10 5 30 40 15 100
10 15 45 85 100
10 15 20 15 40 100
10 15 20 15 40 100
10 25 45 60 100
Per calcolare basta dare alle modalit dei numeri progressivi convenzionali.
Primo caso: Q = Q3 - Q1 = 4 - 3 = 1 Secondo caso: Q = Q3 - Q1 = 5 - 2 = 3

Va notato che il calcolo della differenza tra il primo e il terzo quartile richiederebbe un pieno significato numerico dei due valori, cio una variabile cardinale. Quella della tabella evidentemente non lo .
La differenza interquartile una misura a basso contenuto informativo (usa solo due valori della distribuzione) e ad elevata robustezza (non usa i valori estremi della distribuzione). Nel caso invece in cui la variabile sia prettamente ordinale (come appunto la collocazione politica) e si debbano ad esempio confrontare le omogeneit di due diverse distribuzioni, si possono utilizzare i codici dordinamento assegnati alle varie modalit (1=estrema sinistra, 2= sinistra, 3= centro-sinistra; ecc.) per eseguire lo stesso calcolo. Nel caso della tabella 1.1 evidentemente la prima distribuzione risulta pi omogenea (meno dispersa) rispetto alle seconda.
2.2 Variabili cardinali
La media (o in generale lindice di tendenza centrale pi appropriato) va sempre associata a qualche indice di variabilit. A seconda di che tipo di variabile ci troviamo di fronte corrisponder un indice di variabilit adeguato da calcolare:
nel caso di variabili ordinali lindice adeguato da calcolare la differenza interquartile. La differenza interquartile non molto usata nelle variabili di tipo cardinale;
nel caso di variabili cardinali possibile calcolare pi indici di variabilit diversi.
83
1) il Range di variazione (R), che si calcola sottraendo al valore massimo ottenuto nella distribuzione di frequenza, il valore minimo. Ad esempio se tra tutti i casi la persona pi vecchia di 80 anni e quella pi giovane di 20, il Range uguale a 60. Se la persona pi vecchia di 80 e la pi giovane di 70, il Range uguale a 10. Il Range un indice di variazione debole perch prende in considerazione solo i casi estremi e non indica com la distribuzione tra i due estremi. Un indice di variazione in grado di raccontare effettivamente la distribuzione di un fenomeno dovrebbe essere un indice in grado di prendere in considerazione tutti i casi, non solo gli estremi, e dovrebbe farlo in relazione alla media, cio al valore intorno a cui si distribuisce maggiormente il fenomeno osservato. 2) Scarti dalla media, che definisce la distanza tra i valori della distribuzione e la sua media. Tuttavia sorge un problema: la somma degli scarti dalla media sempre uguale a zero.
Si pu risolvere il problema sommando i valori assoluti degli scarti dalla media scostamento semplice
scostamento semplice medio: La somma di tutti gli scarti diviso per il numero N dei casi
3) la Devianza: la sommatoria degli scarti dalla media, elevata al quadrato. La devianza dipende dal numero di casi: maggiori sono i casi, pi grande sar il numero
84
= (xi x)2
4) la Varianza, che la devianza fratto il numero N dei casi. La varianza si usa pi spesso per analisi bi o multi variate in quanto non pu essere messa a confronto con la media aritmetica
Il problema della varianza che i numeri ottenuti sono numeri grandi perch sono elevati al quadrato. Dal momento che questo non rispecchia la variabilit del fenomeno, bisogna eliminare il problema mettendo la varianza sotto radice quadrata
5) la Deviazione standard o Scarto Quadratico Medio, ossia la radice quadrata della varianza. Questo indice utile per variabili aventi la stessa unit di misura, ma diventa problematico quando si confrontano variabili con unit di misura diverse.
6) il Coefficiente di variazione: utile quando si vogliono confrontare variabilit di distribuzioni con medie molto diverse valore della media in questo caso bisogna tener conto del
Riprendiamo ora tutti i concetti e le formule sopra semplicemente esposti e li utilizziamo, attraverso degli esempi opportuni, per condurre lanalisi di alcuni dati raccolti.
85
Ecco un primo esempio. Data una distribuzione di frequenza riferita a variabili cardinali (in questo caso discrete, come potrebbe essere l'et) come quella in tabella e volendo calcolare la media (in quanto indice di tendenza centrale pi adatto a variabili di questo tipo) e i vari indici di variazione si avr:
Xi 18 20 20 20 21 23 25
Calcoliamo gli indici di tendenza centrale e gli indici di variabilit.
Indice di tendenza centrale: media = Indice di variabilit: range di variazione massimo e valore minimo.
ci indica che distanza c tra valore
Il range di variazione non un indice di variabilit molto potente in quanto il suo limite consiste nel prendere in considerazione solo 2 casi estremi. Si ottiene facendo la somma tra la modalit pi alta e quella pi bassa. (Es: in un campione di persone il pi giovane risulta avere 20 anni ed il pi anziano 80. 80-20=60 ann). Non si tiene conto dunque anche delle altre et (per esempio) ma si considerano solo i valori estremi. interessante. Quindi questo indice di variabilit non risulta essere molto
25 18 = 7
considerazione tutti i casi
range di variazione.
Costruiamo ora degli indici di variazione pi potenti che prendano cio in facciamo quindi tutti gli scarti alla media.
Xi 18 20 20 20 21 23 25
Xi -3 -1 -1 -1 0 +2 +4
Un indice di variabilit pi potente del range di variazione lo scostamento semplice(SS). Per calcolarlo bisogna sottrarre, a ciascuna modalit, la media. Es. tabella: 18-21=-3; 20-21=-1 ; 21-21=0; 23-21=2; 25-21=4
86
SS = Otteniamo 12.
Lo scostamento semplice per un numero che cresce progressivamente al crescere del numero dei casi, pertanto un indice difficile da confrontare in diversi campioni. Ma anche questo indice non serve molto: pi elevati sono i valori dei casi e pi grande sar lo scostamento semplice. Lo scostamento semplice medio non ancora sufficiente per ottenere un valore significativo. Lo scarto tra valore osservato e media si indica dunque con SS ma questindice che aumenta sempre allaumentare del valore non ci dice nulla. Per renderlo pi intelligente bisogna calcolare gli scarti dalla media SSM facendo la sommatoria dello scostamento semplice (SS, che avr un risultato diverso da zero, fratto il numero dei casi (N).
SS =
/N
variabilit la devianza: sommatoria degli scarti
Un altro indice interessante di
dalla media di tutti i casi elevato al quadrato
La devianza considerata lo scarto dalla media elevato al quadrato. E sensibile al numero di casi e quindi risulta esserci lo stesso problema presente nello scostamento semplice (SS). Pi alto il valore e pi aumenta anche la devianza. Si passa quindi allanalisi della varianza ossia la sommatoria degli scostamenti al quadrato di ciascun caso rispetto alla media. Grazie alla varianza riusciamo a vedere come variano i valori interni e quindi vediamo leterogeneit del fenomeno. Se tutti i casi fossero uguali la varianza sarebbe 0. La varianza risulta un numero grande perch lo scarto dalla media viene elevata al quadrato.
Varianza =
i-
)2
Se in un campione tutti hanno la stessa modalit (ad es. 21 anni) la varianza=0. Se la varianza aumenta il fenomeno diventa eterogeneo. La varianza tende a risultare un valore molto elevato. Nellesempio della tabella, lo scarto (reale) dalla media 3 ma ho considerato il 9 perch ho elevato alla seconda. Una volta fatta la varianza bisogna fare la radice quadrata.
87
Lindice di variabilit pi interessante da usare (in questa fase) lo scarto quadratico medio o deviazione standard. Lo scarto quadratico medio un buon indicatore per dirci come si distribuisce un fenomeno nella popolazione.
Ma ci sono situazioni in cui diventa poco interessante: utile quando lavoriamo in un solo campione o in un confronto di una stessa variabile. Quando invece vogliamo confrontare variabili che si esprimono secondo modalit o unit di misure diverse allora la deviazione standard non ci serve pi perch essa sensibile a questi elementi. Ripetendo le stesse operazioni sulla seguente distribuzione di frequenza si avr:
X 3 6 9 16 20 30 63
X-x -18 -15 -12 -5 -1 9 42
(X-x)2 324 225 144 25 1 81 1764
Media: 21 Range: 60 Scostamento semplice: 102 Scostamento semplice medio: 14,6 Devianza: 2564 Varianza: 366,3 Deviazione standard: 19.12
Se la deviazione standard un buon indice quando si vogliono confrontare due campioni rispetto alla stessa variabile (ad esempio due classi scolastiche e le rispettive et) non lo altrettanto per confrontare variabili diverse o che si esprimono con diverse modalit o usano differenti unit di misura (come ad esempio per confrontare l'et media con il reddito medio o la sola et media di un gruppo di bambini e uno di anziani). Lo scarto quadratico medio (dev std) quindi un indicatore forte ma diventa poco interessante dal momento in cui confrontiamo le variabili che si esprimono secondo modalit diverse. In questo caso utilizzarla giusto dato che presenta una stessa unit di misura.
88
Se la variabile diversa o se la stessa ma calcolata con ununit di misura diversa non va bene utilizzare la deviazione standard. In questo secondo caso va utilizzato il coefficiente di variazione. Per confrontare popolazioni molto diverse tra loro si usa un indice, come il COEFFICIENTE DI VARIAZIONE che non sensibile alla media. Questo si ottiene semplicemente dal rapporto tra la deviazione standard e la media. Lo scarto quadratico medio sensibile al valore medio ed per questo che lo ripuliamo rapportandolo alla media stessa. Ecco perch il Cv non influenzato dalla media.
2.3
Variabili nominali: lomogeneit
Ci siamo lasciati alle spalle il discorso delle variabili nominali perch pi complicato: c una differenza concettuale sul significato di omogeneit a seconda che le variabili siano di tipo ordinale o di tipo nominale. Le variabili nominali sono concettualmente pi complicate perch lomogeneit nelle variabili nominali diversa rispetto a quella delle cardinali. Gli indici di variabilit usati per le variabili di tipo cardinale non sono utilizzabili per le nominali perch lo stesso concetto di omogeneit cambia nel passare da un livello di misurazione all'altro. Cosa vuol dire che c grande omogeneit rispetto alle variabili di tipo nominale? Il concetto di distribuzione omogenea ed eterogenea cambia di significato a seconda di che tipo di variabile si prende in considerazione. Nel caso di variabili nominali, infatti, si ha la massima dispersione del fenomeno quando i casi si distribuiscono in modo uguale tra le n modalit possibili; al contrario, nel caso di variabili ordinali si ha la massima dispersione del fenomeno quando i casi si concentrano nelle modalit estreme. Per le variabili nominali la massima dispersione si ha quando il totale dei casi si distribuisce in maniera omogenea tra le n modalit (ESEMPIO: analizzando la variabile nominale colore dei capelli secondo le tre modalit castani biondi rossi e con un campione di nove casi, si ha la massima dispersione quando
ciascuna modalit ha frequenza assoluta uguale a tre; qualsiasi altra combinazione sarebbe 'concentrata' verso una modalit). Al contrario a partire dalle variabili ordinali una distribuzione omogenea si ha quando tutti i casi si concentrano in poche modalit e la massima dispersione quando i casi si distribuiscono nelle modalit estreme. (ESEMPIO: considerando la variabile ordinale titolo di studio la
89
distribuzione omogenea se la maggior parte dei casi assumono una stessa modalit, come diploma di maturit; la massima dispersione si ha quando met dei casi assume la variabile senza titolo e l'alta met quella laurea magistrale). Prendiamo tre modalit relative al colore di capelli: biondo castano moro. Rispetto a questa distribuzione di queste tre classi, quando abbiamo massima eterogeneit e massima omogeneit? 1. Se tutti i casi si addensano in una sola modalit (che sar la moda di quella variabile), avremo una situazione di scarsa variabilit, ossia di massima omogeneit (o squilibrio, o concentrazione) 2. Se tutti i casi sono, invece, equidistribuiti fra le modalit, ossia quando ogni modalit raccoglie lo stesso numero di casi, si ha una situazione di forte variabilit, quindi massima eterogeneit (o equilibrio, o dispersione)
La situazione quindi inversa nel caso che le variabili siano nominali o ordinali.
Variabili nominali: massima dispersione quando la distribuzione equilibrata categorie uguali, n di casi Variabili ordinali: se equilibrata non c massima dispersione massima
dispersione quando i casi si concentrano nelle modalit pi estreme. Variabili di tipo nominale: indice di omogeneit O Somma delle al
proporzioni (rapporto tra frequenza assoluta e numero di casi P=FA/N) quadrato con cui si presenta ciascuna probabilit.
+ .. +
La proporzione la frequenza assoluta fratto il numero di casi P= FA/N Riprendendo lesempio:
X Castani Biondi Rossi N tot
F 3 3 3 9
P 0,3 0,3 0,3
Maggiore omogeneit quando si hanno casi uguali (tutti bruni) Maggiore eterogeneit quando si ha avranno 3 biondi, 3 mori e 3 bruni). Le variabili nominali si hanno quando c massima dispersione laddove la distribuzione equilibrata in categorie con un numero di casi uguali. la massima dispersione (se i casi sono 9 si
90
Le variabili ordinali si hanno quando c massima dispersione laddove i casi si concentrano in modo diverso. Come si calcola lindice di omogeneit nelle variabili nominali? facendo la somma delle proporzioni al quadrato delle varie modalit.
k
Si calcola
O =
p12 + p22 + ... + pk2 = pi2

i=1
sono le proporzioni Indice di omogeneit assoluta modalit 1 e 2 elevate alla seconda

Lindice di omogeneit dato dalla somma dei quadrati delle frequenze
proporzionali (o proporzioni)
Lindice assume valore massimo quando una sola proporzione assume valore 1 (ossia tutti i casi si concentrano in quella modalit) e tutte le altre hanno valore 0 (ossia nessun caso si concentra in queste modalit). Per tali motivi il valore massimo dellindice sar 1 Il valore minimo dellindice dipende, invece, dal numero di modalit, ed pari a 1/k (dove k il numero di modalit della variabile)
Questo calcolo si fa per ogni proporzione di ciascuna modalit e la somma dei

k
risultati ottenuti la sommatoria delle proporzioni delle varie modalit : pi2

i=1
Nel caso avessimo 3 modalit e la popolazione sia distribuita equamente siamo in condizione di massima omogeneit possibile O= 0,33333. In una qualsiasi altra distribuzione in cui dieci casi si distribuiscono due a due (avendo ogni modalit frequenza assoluta 2 e proporzione 0.2) omogeneit assoluto sar di 0.2. Delle due distribuzioni la prima pi concentrata, nonostante entrambe siano nel punto di massima dispersione, cio i casi sono ugualmente distribuiti tra le n modalit. L indice di omogeneit quindi sensibile al numero di modalit: se le modalit sono poche viene un valore pi grande, se le modalit sono tante O pi piccolo si parla di indice di omogeneit assoluta. Tale indice trova quindi delle l' indice di
difficolt nel confronto di fenomeni che hanno un numero di modalit diverso.
91
Si parla di Distribuzione omogenea: le frequenze sono concentrate su una o poche modalit Distribuzione eterogenea: le frequenze sono distribuite in modo equilibrato su tutte le modalit (k = numero delle modalit) Come si calcola: somma dei quadrati delle proporzioni (le frequenze relativizzate) Indice di omogeneit O = p12 +p22 + + pk2 Valore massimo = massima omogeneit = 1Valore minimo = massima eterogeneit = 1/k Per neutralizzare linfluenza del numero di modalit si pu calcolare lIndice di omogeneit relativa (Orel):
O 1/k 1 1/k
Corso di laurea ni STC ST RPP IC CGMAC N= 12 1 3 4 0 20
pi 0,6 0,05 0,15 0,2 0 1
pi^2 0,36 0,0025 0,0225 0,04 0 0,425
K=5 O rel = K * O -1 K-1
1,125 4
0,28
92
3.
La concentrazione e il rapporto di Gini.
La concentrazione:
un modo particolare di guardare alla variabilit ha senso parlarne solo quando la variabile CARDINALE (numerica) e IDEALMENTE TRASFERIBILE interpretabile come quantit posseduta dai casi ed possibile immaginare di trasferire le quantit da una caso ad un altro
Esempio: Milano nel 2006 registrava una popolazione di 1.300.000 abitanti, distribuiti in 20 quartieri.
Quando la variabile n. di abitanti equamente distribuita? Quando lammontare complessivo distribuito in parti uguali tra gli N casi 1/N * 1300= 65.000 abitanti per comune
Quando max concentrazione? Quando 1 solo comune ha 1.300.000 abitanti
Il pi noto valore per rilevare il grado di concentrazione di una distribuzione il rapporto di concentrazione di Gini L'indice di concentrazione di Gini un indicatore che offre una misura
della concentrazione di variabili quantitative trasferibili. Esempio: il Reddito una variabile trasferibile (da un elemento all'altro della popolazione), mentre la statura non trasferibile. L'indice di Gini fornisce un metodo per quantificare la concentrazione del Reddito ed cos definito (viene direttamente riportata la formula del rapporto di concentrazione di Gini, ossia l'indice normalizzato):
Dove i Qi sono le percentuali cumulate di T (Reddito) e i Pi sono le percentuali cumulate di T in caso di equidistribuzione. Pertanto si ha:
e Dove gli xj sono i dati osservati e la sommatoria va fino alla i-esima modalit di X. La sommatoria dei Pi il massimo dell'indice, dato che, in caso di distribuzione massimante (massima concentrazione): Qi = 0, per i = 1,...,n 1.
93
Il minimo invece 0 perch, in caso di minima concentrazione, Pi = Qi e di conseguenza:
Facciamo un esempio per capire meglio. Di seguito riportiamo la distribuzione del reddito di 6 giornalisti free-lance estratti casualmente tra quelli iscritti allalbo nel 2007 dichiarano i seguenti redditi in euro: 800; 1.600; 1.300; 2.200; 3.200; 900; 1.000; 1.800
Il concetto che sta a monte il confronto tra la distribuzione della popolazione (N=8) e la distribuzione del reddito. Ad ognuno quale porzione del reddito totale toccherebbe? Per trovare il rapporto di concentrazione di Gini si procede in questo modo:

Xi
Trovare pi (proporzioni relative ai casi)
1/8= 0,125 (ossia il 12.5%) Ordinare gli N casi in maniera crescente Calcolare le proporzioni dei redditi (qi) e delle frequenze (pi)
Calcolare proporzioni cumulate dei soggetti (Pi) e dei redditi (Qi)
qi 800 900 1000 1300 1600 1800 2200 3200 Q= 0,06 0,07 0,08 0,10 0,13 0,14 0,17 0,25 1,00 12800
Qi 0,06 0,13 0,21 0,31 0,44 0,58 0,75 1,00
ni 1 1 1 1 1 1 1 1 N=8
pi 0,125 0,125 0,125 0,125 0,125 0,125 0,125 0,125
Pi 0,125 0,25 0,375 0,5 0,625 0,75 0,875 1 4,5
Pi-Qi 0,07 0,12 0,17 0,19 0,19 0,17 0,13 1,03
Tot reddito=
R=
1,03 4,5
0,23
Interpretare i risultati
Se R fosse stato uguale a 0 si avrebbe avuto perfetta equidistribuzione tra i giornalisti, ognuno avrebbe avuto la stessa quota di reddito; Se R=1 potevamo dire che cera massima concentrazione, ossia un giornalista aveva tutta la torta.
94
4. La
Normalizzazione e standardizzazione normalizzazione o la standardizzazione sono operazioni che servono
particolarmente quando si ha a che fare con le unit di misura della ricerca sociale. Concettualmente tutte queste operazioni servono allo stesso scopo, rendere i valori degli indici confrontabili tra loro. La Normalizzazione consiste nel rendere confrontabili punteggi ottenuti su scale di misurazione che hanno range differenti, acquisiti su unit di misura diverse (ad esempio voler confrontare il voto di laurea e quello di maturit). Serve quindi a trasformare i valori di una variabile in modo tale da facilitarne linterpretazione.
Il valore che voglio normalizzare dunque uguale al valore stesso, meno x minimo (ossia il valore minimo che x pu assumere - nel caso della maturit 60), il tutto diviso il valore massimo della scala meno il valore minimo della scala. Esempio: Voto maturit = 80 Voto laurea = 88 [( 80 60 ) / ( 100 60 )] = 20 / 40 = 0.5 [( 88 66 ) / (110 66 )] = 22 / 44 = 0.5
Il range che otteniamo sempre da 0 a 1. Possiamo per utilizzare unaltra formula nel caso volessimo ricondurre questo range a valori che preferiamo e che sono pi intuitivi nella nostra mente (percentuali, decine ecc).
95
Se K posto uguale a 100 la variazione sar tra 0 e 100 (trasformazione dei valori numerici in valori percentuali) La standardizzazione quella forma particolare di normalizzazione che consiste nel convertire i valori di una variabile in un unit di misura universale detta punto standard. Ipotizziamo di avere tre classi seguite da tre maestre differenti e prendiamo come riferimento tre soggetti che stanno nelle rispettive classi. Tutti e tre i soggetti hanno sette di media. Possiamo dire che per il voto identico? No; questo perch stiamo s lavorando su una stessa scala di misurazione (e quindi in apparenza non possiamo preoccuparci), ma se confrontiamo in maniera secca i punteggi non detto che riusciremmo a confrontare le loro abilit, in quanto il modo in cui le maestre utilizzano la scala diverso.
Nonostante lunit di misura sia la stessa e il range di variazione uguale, ad occhio possiamo capire che il voto potrebbe essere differente in quanto le medie dei voti delle tre classi sono diverse, cos come la loro variabilit. Quello che non rende confrontabili gli stessi punteggi proprio linsieme di questi due elementi: medie e variabilit diverse. Per poter confrontare punteggi ottenuti sulla stessa variabile ma da popolazione diverse (e che inevitabilmente hanno variabilit e medie differenti), l
96
unico modo che abbiamo quello di confrontare i valori standardizzati, chiamati anche punti standard. I punti standard si ottengono tramite questa formula:
Se abbiamo un valore inevitabilmente condizionato dalle dimensioni della media e della variabilit del campione da cui estratto, e vogliamo confrontarlo con un altro valore estratto da un diverso campione (che avr media e deviazione standard diversi) necessario ripulirlo. Per poterlo fare e quindi per poterlo standardizzare necessario, come ci dice la formula, prendere quel valore (nel nostro caso il voto 7), sottrarre la media e quello che otteniamo dividerlo per lo scarto quadratico medio.
I punti standard o Z-score, qualsiasi variabile prendiamo e indipendentemente dallunit di misura originaria, generano distribuzioni che sono sempre
caratterizzate da media uguale a 0 e deviazione standard pari a 1. Lo Z-score dice di quante deviazioni standard quel soggetto si discosta dalla media complessiva del campione o della popolazione. Quindi pu essere positivo se superiore alla media o negativo se inferiore. Nel nostro caso, il risultato ottenuto ci fa capire che il bambino che ha preso 7 nella classe C (Costantino), ha ottenuto un voto maggiore . Questo perch il suo punteggio si discosta dal punteggio medio della classe di 1 deviazione standard e 13, e quindi maggiormente rispetto agli altri soggetti. A questo punto, potremmo erroneamente pensare che per arrivare al risultato basti semplicemente confrontare lo scarto quadratico medio; ma non cos. Lo scarto quadratico medio ci dice in media quanto tutti i casi si discostano dalla media, mentre lo Z-score parla del soggetto in particolare e ha perci valenza individuale.
97

Metodologia Della Ricerca Sociale Ebook

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Metodologia Della Ricerca Sociale Ebook

Hochgeladen von

Copyright:

Verfügbare Formate

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

Corso di laurea in Comunicazione, Media e Pubblicit

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

CAPTIOLO I IL PROBLEMA DELLA CONOSCENZA TRA SCIENZA E SENSO COMUNE

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

Schema 1. Il problema della conoscenza

Posizioni epistemologiche Discipline Paradigmi Teorie Approcci/metodi tecniche

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

Secondo Wittgenstein, il senso comune tutto ci su cui non c bisogno di chiedere.

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

solo in modo probabilistico individuale/culturale Questione epistemologica

dualismo/oggettivit risultati veri spiegazione leggi naturali immutabili

Interpretativismo Interazione empatica fra

Sperimentale, sperimentale/manipolativa manipolativa modificata

ricercatore e oggetto di studio Interazione

osservazione Prevalentemente deduttiva. La conoscenza emerge dalla realt

Prevalentemente induttiva tecniche quantitative(analisi per variabili)

osservata tecniche quantitative con apertura a quelle qualitative

tecniche qualitative analisi per soggetti

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

CAPITOLO II RICERCA SOCIALE E METODI. GLI APPROCCI

Tab.2. Differenze sostanziali approccio quantitativo e approccio qualitativo

Domanda di fondo Logica della ricerca

Realt sociale hard Natura trasformata in variabili

I dati valgono per tutti

I dati non hanno la stessa valenza per tutti

Grado di esattezza Metodo Costo

Molto precisi Per campionare Basso

Non c certezza Per saturazione Alto

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

Logica della ricerca:

La seconda differenza si trova nelle finalit.

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

I dati raccolti sono presentati sotto forma di verbalizzazioni e frasi

Campione: (gruppo, casi)

probabilistici, ma secondo alcuni criteri di buon senso non formalizzabile.

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale

Possono essere molto precisi ed individuare lerrore percentuale (generalizzabilit statistica).

Non c modo di stabilire lerrore percentuale e quindi non c esattezza. I

E-book studenti frequentanti

Metodologia e tecniche della ricerca sociale