Escolar Documentos
Profissional Documentos
Cultura Documentos
Che cos'è reale? Difficile da rispondere perché spesso ciò che è reale ha assunto significati diversi a
seconda delle epoche e dei luoghi.
Per il punto di vista Pre-moderno reale ciò che vediamo.
Per il punto di vista Moderno reale è ciò che vediamo, ma accettiamo che altri vedano cose diverse
nel medesimo oggetto. Esso considera la diversità: non esistono buoni o cattivi, ma punti di vista
differenti.
Per il punto di vista Post-moderno tutto ciò che vediamo non è una realtà obiettiva, ma “una” (delle
tante) realtà. Non esiste la possibilità di definire una realtà assoluta: “non esiste la possibilità che gli
uomini smettano di essere uomini per vedere e comprendere il mondo per come veramente è, ma
vedranno il mondo sempre con gli occhi di un uomo”.
Le basi delle scienze sociali.
La scienza si basa sui pilastri di Logica (tutto ciò che osserviamo deve avere un senso) e Osservazione (tutto
ciò che studiamo deve essere in qualche modo visibile). I due pilastri servono alla scoperta scientifica per
raccogliere dati, analizzarli e costruire una teoria.
La teoria sociale riguarda ciò che è o non è, non ciò che dovrebbe essere. Una teoria scientifica non può
risolvere il dibattito sui valori, è meglio questo piuttosto che quest'altro, può solo essere in accordo o in
disaccordo con una visione del mondo.
Le teorie sociologiche si sforzano di identificare i modelli di vita sociale. Norme e convenzioni originano
molte regolarità e regolano i comportamenti sociali (es. solo chi ha 18 anni può votare).
Le regolarità sono numerose, ma le regolarità non sono che modelli probabilistici e non sicurezza al 100%.
Anche nelle materie scientifiche rigide possono verificarsi delle discrepanze nell'applicazione di una regola,
cioè delle variabili.
Le scienze sociali studiano l'insieme degli individui, o meglio gli insiemi di variabili. I sociologi studiano le
variabili che aumentano o diminuiscono il livello di intolleranza, poiché un sistema composto da sole
variabili può risultare incomprensibile. Per capire il concetto possiamo dire che l'obiettivo di un MMG è
quello di guarire il suo paziente, l'obiettivo della medicina è diverso e riguarda tutte le variabili possibili che
causano una malattia. In una ricerca medica, ci si occupa della salute dell'individuo (come per il MMG), ma
per lo studio sono necessarie solo le informazioni che provengono da pazienti utili per la ricerca, non sempre
tutti i pazienti vengono coinvolti.
La ricerca sociale allo stesso modo prende in esame le variabili e gli attributi che le compongono, la ricerca
coinvolge solo le persone in quanto “portatrici” di tali variabili.
Le variabili sono raggruppamenti logici: ad esempio la variabile genere è composta da due attributi
[maschio, femmina]. Attraverso altre variabili (la professione, la classe sociale) Il sociologo può studiare
l'occupazione in relazione alla variabile genere.
Ci aspettiamo che a determinati attributi corrispondano determinate caratteristiche. Questa aspettativa
riguarda la causazione: ci aspettiamo che gli attributi posseduti da una persona in relazione a una variabile
siano la causa o favoriscano una determinata variabile.
Consideriamo per esempio le variabili istruzione (I) e pregiudizio (P). Possiamo dividere le due variabili in
variabile indipendente, la prima (I) e variabile dipendente, la seconda (P). Il P è una variabile dipendente
perché dipende da qualcos'altro come per esempio (nel caso posto nel testo) dalla variabile indipendente I,
“se una persona ha un alto il livello di istruzione, avrà meno pregiudizi”. È importante sottolineare che
anche l'istruzione potrebbe essere una variabile dipendente perché potrebbe dipendere da qualcos'altro come
l'istruzione dei genitori, la classe sociale etc.
Gli obiettivi della ricerca sociale è quello di conoscere, esplorare, spiegare o semplicemente descrivere un
fenomeno. Spesso la ricerca ha scopi esplicativi: comprendere perché avviene un dato fenomeno in termini
di relazioni causali: perché il tasso di disoccupazione è più alto in alcune zone, perché gli uomini riguardano
più delle donne, etc. Molto della ricerca coinvolge la problematiche riguardano la metodologia (la tecnica, la
logica...) , ma molto viene coinvolto dall'etica.
Entrambi gli approcci sono validi, ma ognuno può stimolare un tipo di ricerca piuttosto che un altro.
Induzione e deduzione non sono in antitesi, ma se applicate assieme possono fornire una visione più
completa.
3) Un ultima distinzione riguarda i dati. I dati vengono distinti in quantitativi e qualitativi che, in sostanza,
è la differenza fra dati numerici e dati non numerici. Ogni osservazione all’inizio è qualitativa, ma è
necessario rendere più esplicite le nostre osservazioni attraverso una quantificazione. I dati quantitativi si
applicano inoltre sia a semplici statistiche che a complesse formule matematiche. Quantificare un concetto
non è tuttavia un'operazione semplice, bisogna partire dalla definizione del concetto, selezionare tutto ciò
che lo rappresenta (eliminando ciò che non lo rappresenta). In genere la spiegazione idiografica è conseguita
con analisi qualitative, mentre la spiegazione nomotetica con analisi quantitative.
La ricerca pura o applicata. La ricerca sociale può essere spinta da due motivazioni: la comprensione e
l'applicazione. Da un lato i ricercatori vorrebbero capire i meccanismi e i funzionamento di determinati
fenomeni, dall'altro studiano ciò che può “fare la differenza” e migliorare la società. Chi vuole sconfiggere
l'AIDS studia come sconfiggere il virus, ma capire da dove nasce.
Esempio. La giustizia distributiva: cioè il fatto che le persone percepiscano di essere trattate equamente
(Jasso 1988).
La percezione dipende da due variabili: a) da ciò che possediamo, b) dal confronto con quello che hanno gli
altri. La misurazione delle variabili può partire dal denaro posseduto, dalla stima etc.
LA COSTRUZIONE DELLA TEORIA INDUTTIVA
Per costruire una teoria in modo induttiva gli scienziati sociali usano solitamente la ricerca sul campo.
Analizzano alcuni aspetti sociali cercando di capire i modelli che potrebbero indicare dei principi universali.
La ricerca sul campo prevede un osservazione diretta di eventi che stanno accadendo.
Esempio. Perché le persone fumano marijuana (Takeuchi 1974). Dallo studio sul campus universitario
l'autore scoprì tre variabili indipendenti l'una dall'altra: a)le studentesse fumavano meno degli studenti, b)gli
asiatici fumavano meno delle altre etnie, c)gli studenti che vivevano con i genitori fumavano meno. Dallo
studio emerse quella che viene definita la “teoria del controllo sociale” secondo la quale: “più sono i vincoli
a cui è sottoposto uno studente minori sue provabilità di fumare marijuana”. Il ricercatore non aveva pensato
a questa teoria quando iniziò, ma fu elaborata grazie l'analisi dei dati.
2. La descrizione. Molti studi scientifici hanno come scopo quello di descrivere situazioni od eventi.
Sono descrizioni scientifiche, attente e accurate. Molti studi qualitativi mirano a descrivere una
situazione, come ad esempio un'etnografia antropologica per spiegare le usanze di una società
primitiva, rimanendo studi descrittivi. Di solito la ricerca continua per capire il perché esistono i
modelli studiati e cosa implicano.
3. La spiegazione. Si occupa di capire il perché. Studiare ad esempio le scelte di voto è un'analisi
descrittiva, spiegare il perché del voto è un'analisi esplicativa.
Studi descrittivi: Cosa? \ Dove? \ Quando? \ Come?
Studi esplicativi: Perché?
LA UNITÀ DI ANALISI. Nella ricerca sociale nomotetica non ci sono limiti alle unità di analisi, a volte si
possono studiare gruppi considerandoli come attori individuali o entità che possiedono attributi come
gruppo (i democratici, i proibizionisti, gli studenti universitari, etc.). In genere si sceglie come unità di
analisi il singolo individuo. L'individuo, in termini di ricerca, possiamo definirlo come “unità di analisi”.
Le migliori ricerche si possono allargare a tutti gli individui, ma solitamente le ricerche sociali si basano su
pochi “tipi” di individuo, raccolti tra classi di reddito, età, nazionalità etc... Assieme agli individui le unità di
analisi possono essere i gruppi. I gruppi sono classificati in base alle caratteristiche che distinguono un
gruppo considerato una singola entità, ad esempio un gruppo di studio potrebbe essere la coppia, la bande di
strada, oppure più specificatamente le persone informatizzate: famiglie suddivise in base al reddito o alla
possibilità di accedere ad internet. Altri gruppi possono essere le organizzazioni (spa, onlus, etc.) suddivise
per persone impiegate, patrimonio, profitto etc. Altri tipi di unità possibili sono le interazioni sociali: si
possono studiare ad esempio le discussioni tra gli individui (confrontandone la lunghezza), la la distanza
interpersonale, gli abbonati ad internet, i frequentatori di discoteche etc. Infine gli un'altra unità può essere
rappresentata dagli artefatti sociali cioè qualsiasi prodotto degli esseri umani, libri, quadri, automobili e
persino relazioni come il matrimonio possono essere considerate artefatti sociali.
1. La fallacia ecologica: (il termine ecologica fa riferimento ad un gruppi, insiemi, sistemi) l’assunto
che qualcosa che accade ad un’unità (ecologica) possa essere trasferito anche agli individui che la
compongono. Esempio: se abbiamo riscontrato che i tassi di suicidio sono più alti nei paesi
protestanti che in quelli cattolici, non possiamo sapere se davvero i protestanti si suicidano di più dei
cattolici. Oppure se se i tassi di criminalità sono più alti nell'area in cui è più concentrata la
popolazione afroamericana non possiamo sapere se i crimini sono stati commessi dagli
afroamericani.
2. La fallacia individualistica: le generalizzazioni e le affermazioni probabilistiche non sono invalidate
dalle eccezioni. Esempio: se conosciamo un qualcuno che è diventato ricco senza nessuna istruzione
questo non va a invalidare il modello generale che associa l'istruzione più elevata a un reddito
maggiore.
3. Il riduzionismo:consiste nel tentativo di spiegare un particolare fenomeno nei termini di concetti
limitati e/o di ordine più basso. Esempio: potremmo cercare di prevedere chi vincerà lo scudetto
analizzando solo i calciatori delle squadre. L'idea è buona ma dovremmo invece analizzare più
variabili come l’allenatore, lo stadio, le strategie ecc…). Tutti i riduzionismi (ecologico,
psicologico...) tendono a sostenere che particolari unità di analisi o variabili siano più rilevanti di
altre.
LA DIMENSIONE TEMPORALE
Il fattore tempo è importante nella ricerca (basta pensare all'effetto di causazione). Durante la ricerca
possiamo fare osservazioni che nello stesso periodo di tempo o per un periodo più lungo. Per quanto
riguarda la dimensione del tempo nel processo di ricerca possiamo dire che ci sono due tipologie di studi:
longitudinali e trasversali.
Studi trasversali (cross-sectional studies) : comportano l’osservazione nello stesso momento temporale
di un campione (o sezione trasversale). Gli studi esplorativi e descrittivi sono spesso di questo tipo. Tale
studio offrono un’istantanea del fenomeno in un determinato periodo temporale (un esempio è il
censimento). Gli studi trasversali esplicativi hanno un problema: anche se le conclusioni sono basate su
osservazioni fatte soltanto in un determinato punto del tempo, mirano specificatamente alla
comprensione di processi causali che si svolgono nel corso del tempo (e come cercare di determinare la
velocità di un oggetto da una fotografia).
Longitudinali: effettuati in modo da osservare lo stesso fenomeno in un periodo di tempo più ampio.
Sono studi più difficili perché richiedono ricerche quantitative, tempo, denaro, etc. Possono essere di 3
tipi:
o Trend: analizza i cambiamenti di una popolazione nel tempo. Un esempio è il confronto dei dati
tra i vari censimenti per capire come cambia la popolazione negli anni: la tipologia, gli interessi,
l'istruzione, etc.
o Studio di coorte: esamina sottopopolazioni per osservare i cambiamenti nel tempo. Le coorti
sono gruppi di età: i nati negli anni 50, chi si è sposato nel 1994... ma si possono studiare anche
periodi più lunghi come per esempio i nati durante la guerra del Vietnam etc.
o Indagine panel: studia le stesse persone nel corso del tempo. Esempio si può studiare un
campione di elettori e le loro intenzioni di voto ogni mese. Si evidenzierebbero se prevale di più
modello di resistenza o di cambiamento.
Gli studi longitudinali possiedono indubbiamente dei vantaggi rispetto a quelli trasversali in quanto più
completi poiché forniscono informazioni sui processi nel corso del tempo. Tali vantaggi sono però ottenuti a
un costo elevato in termini di tempo e di denaro. L'indagine panel è fra i tre modelli la più precisa, ma
l'elevata frequenza di raccolta dei dati può portare il logoramento dei partecipanti, inoltre la loro uscita dalla
ricerca potrebbe falsare i dati.
Approssimare gli studi longitudinali. A volte i dati trasversali implicano processi che avvengono nel
tempo. Nel corso del tempo di studio potrebbe avvenire un cambiamento o un cambio di tendenza. Ad
esempio nello studio sul consumo di marijuana durante la ricerca emerse che molti consumatori di marijuana
dopo un determinato periodo passavano al consumo di LSD. Se si fosse studiato solo il consumo di LSD non
sarebbe stato possibile evidenziare questo fenomeno.
Un altro modo per approssimare la ricerca è quello di chiedere alle persone di ricordare il passato. Un
rischio consiste nel fatto che le persone non sempre possiedono una buona memoria e altre volte mentono, se
chiedessimo alle persone cosa hanno votato a risultati avvenuti, molte più persone direbbero di aver votato
per i vincitori.
Esempi di concettualizzazione e il concetto di anomia. Viene presentata una ricerca sui tassi di suicidio
(Durkeim 1897) e il loro legame per la fede cattolica e protestante. Associata alla ricerca viene analizzato il
concetto di “anomia” condizione in cui le norme sociali vengono meno, cioè “l’assenza di regole”. Il nesso
è la perdita dei punti fissi, esempio il lavoro e l’importanza di avere delle indicazioni.
Le definizioni nelle ricerche descrittive ed esplicative. I due obiettivi della ricerca sono la descrizione e la
spiegazione, la distinzione di questi scopi ha implicazioni per la definizione della misurazione. Inversamente
a ciò che può sembrare le definizioni sono più problematiche nella ricerca descrittiva in quanto necessita di
più precisione nella definizione delle dimensioni che compongono il concetto, cioè quali variabili saranno
utilizzate. Esempio se dovessimo fare una ricerca sui disoccupati utilizzando dati nazionali possiamo
prendere un campione di inoccupati dai 15 ai 65 anni, cioè dall’apprendistato al pensionamento. Gli
inoccupati però non coincidono con i disoccupati intesi come “persone in cerca di lavoro” perché
includeremo anche le casalinghe, gli studenti, gli inabili al lavoro etc. Dovremo quindi affinare la ricerca
spiegando con che metodo.
L’intervallo di variazione. Per definire operativamente un concetto i ricercatori devono individuare con
chiarezza l'intervallo di variazione che intendono utilizzare. Se dovessimo stabilire la “soglia di povertà”
possiamo riferirci ad un termine numerico facendo riferimento ad esempio ad una cifra di reddito annuo. Più
difficile è lo studio su atteggiamenti e orientamenti. L’orientamento politico può andare dall’estrema destra
all’estrema sinistra, ma ci sono orientamenti indipendenti ed anarchici. Se dovessimo costruire una scala di
gradimento sulla costruzione di una centrale nucleare i pareri potrebbero essere da “molto favorevole” a “per
nulla favorevole”. Tuttavia la scala non comprende i non interessati e coloro che, fortemente contro, si
battono attivamente per far si che non si costruiscano centrali. La questione non è però se dobbiamo
misurare l’intero intervallo, ma quello più adatto alla ricerca.
Le variazione fra gli estremi. Un altro aspetto della definizione operativa è il grado di precisione, cioè se e
quanto dobbiamo essere precisi. Ad esempio è importante saper se una persona ha 17 o 18 anni? Posso
creare un gruppo di età compresa tra 14-25? Questo dipende, se devo svolgere una ricerca sulla
partecipazione al voto è importante che l’intervistato abbia almeno 18 anni.
La definizione delle variabili degli attributi. Gli attributi che compongono una categoria devono essere
esaustivi. È importante essere chiari onde evitare fraintendimenti. Nell’esempio precedente come faccio a
distinguere la “disoccupata” in cerca di lavoro dalla “casalinga” che non lo cerca? Cosa intendo per anziano
o per studente?
Ogni variabile possiede due qualità:
1. Gli attributi che la compongono devono essere esaustivi (in tutti i casi, dobbiamo sempre essere in grado
di classificare ogni osservazione);
2. Gli attributi che compongono una variabile devono essere mutualmente esclusivi (dobbiamo essere in
grado di classificare ogni osservazione nei termini di un solo attributo).
Livelli di misurazione. Gli attributi (esaustivi e esclusivi) possono essere classificati anche in altri modi,
l’autore ne identifica quattro.
1) MISURAZIONI NOMINALI. Esempi classici sono il genere, luogo di nascita, affiliazione religiosa
etc. Sono variabili che possiedono caratteristiche sia di esaustività (le donne hanno caratteristiche
fisiche comuni) che di esclusività (se scelgo femmina vuol dire che non è maschio).
2) MISURAZIONI ORDINALI. Possiedono attributi che si possono ordinare logicamente come ad
esempio la classe sociale, il pregiudizio, la raffinatezza intellettuale, etc. Dopo aver ottenuto una
misurazione ordinaria e ottenuto gruppi caratteristiche esaustive e esclusive possiamo classificare un
ulteriore divisione all’interno. Gli elementi raccolti possono essere sia uguali che differenti “una è
più dell’altra”(es un gruppo di donne bionde, more, rosse).
3) SCALA DI INTERVALLI. Le variabili possono essere misurate attraverso una scala di intervalli. Le
misure a intervalli utilizzate nella ricerca sociale sono costrutti. Se devo distinguere nel gruppo
precedente le donne intelligenti da quelle ignoranti posso utilizzare un test (un quoziente di
intelligenza) che altro non è che un costrutto, oppure posso dividerle secondo il livello di istruzione
in tre gruppi: licenza media, scuola superiore, università, ottenendo una divisione diversa per ogni
scelta.
4) SCALA DI RAPPORTI. Gli attributi che compongono una variabile oltre che a contenere tutte le
caratteristiche per gli altri tipi di misure sono basati sullo zero assoluto. Posso dividere il gruppo di
donne in ordine di età dai 0 ai 100 anni. Potremo così definire che una persona ha il doppio, il triplo
o il quadruplo degli anni dell’altra.
I CRITERI PER VALUTARE LA QUALITÀ DELLA MISURAZIONE
A. Precisione. La misurazione può avvenire secondo gradi di precisioni, per definizione le misurazioni
precise sono migliori di quelle imprecise. Come visto in precedenza in alcune registrazioni un anno
di età può fare la differenza (vedi “le variazione fra gli estremi”), in certi casi forse anche un’ora. Se
non sappiamo con precisione cosa ci serve è meglio essere precisi.
B. Accuratezza.
C. Affidabilità (o reliability). Fa riferimento alla ripetibilità di uno strumento: se una particolare tecnica
(applicata più volte al medesimo soggetto) garantisce medesimi risultati. Se mi peso due volte a
distanza di pochi secondi e ottengo due misurazioni completamente differenti, significa che la mia
bilancia è uno strumento inaffidabile. Tuttavia l'affidabilità non assicura accuratezza, tornando
all’esempio precedente, se qualcuno un giorno prima ha starato la bilancia di 2 chili, pesandomi due
volte avrei lo stesso risultato, ma entrambi i risultati sarebbero imprecisi.
Metodi per migliorare l'affidabilità:
Test-retest. Ripetere più volte lo stesso test. Se i risultati cambiano significa che il test non è
affidabile.
Metodo split-half (dividi a metà). In un test di 10 domande ne poniamo 5 a metà del campione
rappresentativo, le altre 5 all’altra metà. Se i due risultati sono discordanti potrebbe esserci un
problema di affidabilità nella misurazione della variabile.
Misure già testate. Un altro metodo è quello di utilizzare misure la cui affidabilità è già stata
controllata (esempio test consolidati come la scala per misurare il QI).
Affidabilità dei ricercatori. Bisogna inizialmente evitare che vi siano delle influenze degli
intervistatori sugli intervistati (ad esempio dei trasferimenti di umore), in seconda battuta che ci
siano errori nella classificazione dei dati. Per ovviare a ciò è necessaria la presenza di un supervisore
D. La validità. La validità indica quanto una misura empirica rifletta in modo adeguato il significato
reale del concetto. Tuttavia abbiamo precedentemente espresso che il concetto non possiede un
significato reale, per cui è possibile tradurlo in reale sulla base di un accordo. Esistono diversi criteri
di valutazione del successo di una misurazione che si applicano al significato condiviso dei concetti e
sono:
La validità nominale (face validity). La misura valida nominalmente (tramite un accordo) anche se
potrebbe essere inadeguata. Esempio per misurare il morale dei lavoratori analizzo le ore di sciopero.
Sciopero e soddisfazione sono nominalmente correlati, ma la scelta potrebbe non essere
rappresentativa del “morale” dei lavoratori.
La validità di criterio (o predittiva). L’affermazione della validità è basata su criteri esterni. Un
esempio è l’esame per la patente: la validità per stabilire l’idoneità alla guida è affidata a un test
scritto che è in relazione tra un punteggio e la sessione pratica.
La validità di costrutto. È basata sulle relazioni logiche tra le variabili. Formuliamo un costrutto
valido e su questo costruiamo la ricerca. Per esempio se la sincerità nella coppia costruisce la fedeltà
tra i partner, possiamo dire che mogli o mariti soddisfatti mentiranno meno di quelli insoddisfatti. Se
il nostro costrutto è valido possiamo misurare la fedeltà attraverso la sincerità o la soddisfazione.
La validità di contenuto. Si riferisce alla capacità di una misura di cogliere l’insieme dei significati di
un concetto. Per esempio un test di valutazione sulle abilità matematiche non può essere limitato alle
addizioni, ma deve comprendere anche le sottrazioni, la divisioni, le moltiplicazioni, etc.
CHI DECIDE COSA È VALIDO? Ogni scienziato è consapevole di avere la verità in tasca. Il senso di
superiorità si adatta alla prospettiva positivista della ricerca: il biologo si sente superiore alla rana che sta
studiando, ma si scontra con l’approccio umanistico e tipicamente qualitativo degli scienziati sociali.
Secondo la scienza sociale nonostante gli sforzi l’osservatore non riuscirà mai a cogliere completamente il
significato e la sua ricerca rimarrà incompleta. Per cui non esiste una posizione superiore all’altra. Ci si
avvicina alla verità attraverso il confronto e l’integrazione tra le varie verità, ciò in ciò che la scienza sociale
chiama “ricchezza di significato”.
Capitolo 6 – indici, scale e tipologie.
L’analisi dei dati ha lo scopo di ridurre una grande quantità di dati in una forma più semplice. Importante è
che la riduzione rappresenti le osservazioni originali, sia accurata e utile.
Nell’effettuazione di un test esistono “domande basilari” che non si possono tralasciare, in alcuni casi è
possibile stabilire una variabile con una domanda (maschio o femmina?), ma in altri è necessario usare
diverse domande per poter misurare adeguatamente la variabile. Le scale e gli indici servono alla
costruzione di quest’ultimo tipo di variabili composite.
Indici e scale sono misurazioni basate su domande (o item). Entrambe permettono di mettere in fila le unità
di analisi a livello di gradazione dal più basso al più alto (sono misure ordinali di variabili), ma non sono
sinonimi e occorre distinguerli.
Gli indici sono costruiti sommando i punteggi assegnati ai singoli indicatori. Per esempio possiamo
misurare il pregiudizio di una persona sommando le risposte che si avvicinano al profilo di una
persona con pregiudizi.
Le scale sono costruite assegnando i punteggi a modelli di risposta (o pattern). Riprendendo
l’esempio precedente possiamo costruire una scala identificando tre categorie: a) persona con molti
pregiudizi [per chi ha totalizzato 100 punti su un ipotetico test] , b) persona con poco pregiudizi [45
punti], c) persona molto tollerante [0 punti].
Mentre gli indici sono basati sulle risposte, le scale sono basate sui modelli di risposta.
Le scale contengono più informazioni degli indici ed esprimono meglio la gradazione di intensità. Nella
ricerca si utilizzano di più gli indici delle scale, ma la letteratura contiene più informazioni sulle scale e
poche sugli indici.
COME COSTRUIRE UN INDICE: avviene in quattro passaggi.
1) La selezione degli item. per selezionare gli item ci dobbiamo rifare ad alcuni criteri:
Validità nominale: ogni item deve offrire indicazione su quello che stiamo studiando. Per
esempio per stilare un indice di religiosità dobbiamo considerare la frequenza alle funzioni
religiose o alla preghiera.
Unidimensionalità: ogni item deve misurare una sola dimensione del concetto.
Generale/specifica: il concetto generale di studio potrebbe avere più sfumature. Nel caso
della religiosità bisogna individuare degli indicatori in grado di cogliere tutti gli aspetti,
oppure gli item si devono concentrare su una specifica dimensione ed essere più o meno
precisi a seconda del grado di precisione del concetto che stiamo studiando.
Variazione gli item devono poter rappresentare l'intero intervallo di variazione, per far questo
è assolutamente necessario costruire una scala, e per ogni valore costruire un item.
2) L'analisi delle relazioni empiriche. Il secondo passo consiste nel analizzare le relazioni empiriche
tra le domande, ovvero quando le risposte date ad una domanda (es. di un questionario) permettono
di prevedere le risposte date ad altre domande. Se due item sono correlati dovrebbero prevedere la
stessa risposta. Esistono due tipi di relazione tra item.
La relazione bivariata: è la relazione tra due variabili. In una gradazione dello stesso
concetto dovremmo aspettarci che le risposte concordino (sei favorevole a un intervento
armato?: SÌ \ sei a favore di una soluzione non pacifica? SÌ). Ma per determinare la forza
della relazione dovremmo esaminare tutte le possibili “relazioni bivariate” fra i vari item.
Osservando tutti gli indicatori di causa-effetto è importante che gli indicatori misurino la
stessa variabile. Allo stesso tempo una forte relazione presenta un’altra problematicità,
quando due item sono perfettamente correlati bisogna inserirne uno solo, questo perché è
come se formulassimo la stessa domanda due volte, ma scritta in modo diverso.
La relazione multivariata. È la relazione tra più item. Per esempio se dovessimo misurare
l’interazione sociale attraverso tre indicatori potremmo identificare il tempo passato con gli
amici, con i familiari, con i colleghi di lavoro. Nonostante il tempo trascorso possa variare da
persona a persona, tutti e tre “causano” il grado di interazione sociale.
3) Il punteggio tra gli indici. Dopo aver scelto i migliori item dobbiamo assegnare il punteggio per ogni
singole risposte. Il primo problema da risolvere è l’intervallo di variazione di punteggio tra gli indici.
Rispetto a un singolo item, un indice rappresenta un intervallo di gradazione più amplio (es. da molto
favorevole a per nulla favorevole). Ma come si stabilisce l’ampiezza dell’intervallo? I fattori da
prendere in considerazione sono due:
a) i dati disponibili, cioè un numero adeguato di casi per ciascuna estremità dall’intervallo,
b) il peso che si vuole dare a ciascun item, deve essere uguale o a determinati item più rappresentativi
dare un peso differente? Non esiste una risposta corretta perché dipende sempre dal tipo di ricerca.
COSA FARE CON I DATI MANCANTI. Un problema ricorrente nella raccolta dei dati è costituito dai
dati mancanti, possono essere risposte incomplete a item, o assenza di pubblicazioni in determinati temi che
ci servono. La mancanza di dati è problematica soprattutto nella compilazione degli indici. A tale problema
ci sono più soluzioni:
Se sono pochi si può decidere di eliminarli.
Si possono considerare il dati mancante come una delle risposte possibili. In alcuni casi esempio come in
un questionario il dato mancante può essere sostituito con un NO (non mi interessa).
Il dato mancante potrebbe indicare una possibile risposta non prevista Si può costruire una categoria a
parte e ragionare sul perché del dato. Ad esempio in un indagine sull’indirizzo di voto coloro che dicono
“non so” potrebbero diventare materia di studio.
Il dato mancante potrebbe assumere un valore numerico arbitrario a seconda della ricerca. Se un item ha
più valori possibili (esempio da 1 a 10), potremmo assegnare ai dati mancanti il valore centrale (5).
Si possono sostituire i dati mancanti con valori generati in modo casuale, anche se si indebolisce la
purezza dell’indice e si riducono la possibilità che sia associato ad altre variabili.
Il metodo migliore per costruire l’indice consiste nel costruirlo secondo vari metodi alternativi e osservare
quali risultati otteniamo dall’analisi di ciascuno.
4) La validazione degli indici. La validazione degli indici permette, dopo che abbiamo assegnato un
punteggio alla domanda e dopo aver ottenuto degli indici, verificare se ciò che abbiamo fatto funziona.
L’indice ordina in modo progressivo una variabile, per capire se il lavoro che abbiamo fatto sull’indice
è “valido” abbiamo diversi modi:
Validazione interna (analisi degli item). Esaminiamo la misura in cui l'indice composito è correlato
ai singoli item. Ad esempio in una scala di interesse ad una determinato evento posso affidare agli
item un valore tra 0 e 3: non interessato (0), poco interessato (1), mediamente interessato (2), molto
interessato (3). Se dovessimo costruire una percentuale lo 0 e il 3 rappresentano una porzione di
gradimento che va (in proporzione) dallo 0% al 100%. Posto il valore massimo e minimo (0% e
100%) la difficoltà sta nel costruire i valori intermedi (1 e 2) che devono in qualche modo
corrispondere all’indice. Ad ogni item corrisponde una costruzione diversa dell’evento da studiare,
non sempre 1 e 2 corrispondono il 33,3% o 66,6%, ma la costruzione dei valori intermedi deve essere
fatta in relazione ad altre misure sulla base delle risposte del questionario.
Validazione esterna. Le domande presenti nel questionario dovrebbero intuitivamente confermare
l'andamento dell'indice. Se questo non avviene, i motivo possono essere due: a) l’indice non misura in
modo efficiente le variabili (validazione interna), b) gli item non forniscono un buon test.
2) Scala di Thurtstone. Gli items vengono fatti valutare da una giuria di giudici o esperti i quali votano
l'affidabilità con un punteggio da 1 a 13. Vengono eliminati i punteggi dove c'è maggior disaccordo e
quelli con minor voti. La difficoltà di applicazione della scala risiede soprattutto nella composizione
della giuria di circa 15 giudici, inoltre il significato degli item tende a cambiare nel tempo.
3) La scala di Likert (o scale sommate). Sono le maggiormente usate perché sono di facile costruzione.
Vengono di solito impiegate per batterie di items, a volte anche numerosi, utili a rilevare
atteggiamenti. Le domande fanno riferimento al grado di accordo verso un'affermazione,
all'importanza di un evento, alla soddisfazione per le prestazioni di un servizio e così via. Ogni item
ha come possibilità di risposta 4 o 5 categorie di risposta che vanno con “totalmente in accordo” a
“completamente in disaccordo”. Malgrado il loro ampio uso, le scale Likert hanno il problema di
essere scale di tipo ordinale, cioè non ci dicono di quanto gli individui si differenziano tra loro, ma
solo che alcuni hanno un atteggiamento più o meno forte di altri. Su scale di questo tipo l'uso di
tecniche multivariate, come l'analisi fattoriale, non sarebbe di rigore ammissibile.
6) Le Tipologie. In alcuni casi possiamo voler riassumere l’intersezione di due o più variabili attraverso
la creazione di una serie di categorie, cioè di tipologie. Costruiamo una scala attraverso una tabella
ordinando due o più variabili indipendenti. L'interpretazione diventa difficoltosa se usiamo variabili
dipendenti.
Capitolo 7 – Logica del campionamento.
Campione: parte della popolazione selezionata in modo da diminuire, in termini di tempo e costi,
l’acquisizione tutte le informazioni utili per la ricerca. Il campione è la rappresentazione in piccolo di tutta
la popolazione, sintetizza, cioè tutte le caratteristiche della popolazione originaria.
Campionamento: Procedimento attraverso il quale si estrae, da un’insieme di unità (popolazione), un
numero finito di casi (campione) che siano rappresentativi di tutta la popolazione e scelti con criteri tali da
consentire la generalizzazione (inferenza) all’intera popolazione a partire dai risultati ottenuti studiando il
campione.
Perché utilizzare un campione?
• L’estrazione di un campione richiede meno tempo rispetto all’esame dell’intera popolazione,
• un campione è meno costoso,
• un campione è più pratico da gestire,
• un campione garantisce un elevato grado approfondimento e accuratezza,
• spesso è una necessità perché l’esame dell’intera popolazione non è accessibile.
Gran parte della ricerca ricerca sociale dipende da cosa i ricercatori decidono di osservare e cosa non
osservare, ovviamente a causa dell'impossibilità di osservare tutto. Il processo attraverso cui selezioniamo le
osservazioni è chiamato campionamento (sampling). La storia del campionamento nella ricerca sociale è
connessa strettamente con quella dei sondaggi elettorali. Il campionamento da la possibilità al ricercatore di
prevedere quali saranno ad esempio le previsioni di voto a livello nazionale operando su un campione
rappresentativo dei votanti. Una volta ottenuto il risultato sul campione i dati vanno generalizzati, cioè
riportati al riferimento nazionale. Per riuscire a generalizzare i risultati del campione a una popolazione più
ampia è necessario effettuare un campionamento probabilistico, che si basa sull’idea del campionamento
casuale.
Due tipi di campionamento. I campionamento probabilistico è ancora il metodo principale per selezionare
campioni rappresentativi per i sondaggi elettorali e le ricerche sociali. In certe occasioni possono dimostrarsi
inappropriati o impossibili da costruire per cui si utilizzano i campionamenti non probabilistici.
2. A scelta ragionata: selezionando un campione sulle basi delle conoscenze di una popolazione, dei suoi
elementi e dello scopo della ricerca; ad esempio, in uno studio comparativo degli studenti di sinistra e di
destra potremmo non essere in grado di creare l’elenco degli studenti delle due categorie e allora
potremmo decidere di campionare i leader o i membri di alcuni gruppi o organizzazioni che sappiamo
ispirarsi ai principi della destra o della sinistra.
3. A valanga: è utile quando è molto difficile contattare i membri di una certa popolazione così che si
chiede ad ogni intervistato di fornire i contatti per altre interviste. La ricerca dei contatti avviene quindi a
“valanga” uno tira l'altro. E’ utilizzata soprattutto per indagini esplorative in cui è difficile reperire dati
(esempio in un inchiesta sui senza fissa dimora).
4. Per quote: avviene componendo una matrice delle caratteristiche della popolazione che vogliamo
studiare. Si stabilisce una proporzione relativa per ciascuna caratteristica della popolazione in esame
(esempio età, sesso, istruzione, professione...) e per ogni caratteristica si fa corrispondere in maniera
proporzionale una quota di intervistati. In questo modo si dovrebbe fornire, nel complesso, una
rappresentazione ragionevole della popolazione totale. La tecnica assomigli ad un campionamento
probabilistico, la tecnica presenta molti problemi: la costruzione delle quote deve essere accurata e
questo non è sempre facile, inoltre la selezione degli elementi da rappresentare potrebbe essere errata.
L'indagine può funzionare bene per lo studio di piccoli gruppi, ma ha difficoltà se applicata a studi di
grandi proporzione (Stati, continenti etc.).
La scelta degli informatori. Nell'indagine sul campo non sempre è facile risalire alla definizione di un
contesto sociale, pensiamo ad esempio ad una gang giovanile. L'informatore è un membro del gruppo che
può parlare direttamente del suo gruppo, mentre il rispondente è una persona che fornisce informazioni su
se stessa dalla quale si può costruire un immagine del gruppo a cui appartiene. Gli informatori devono essere
ben inseriti nella comunità di studio e disponibili alle interviste. Vengono definiti “tipici” quando sono in
grado di rappresentare bene un gruppo nella sua interezza. Ad esempio un intervistatore che intervisterà solo
uomini in una società in cui le donne sono protette dagli estranei, non utilizza un informatore tipico e otterrà
una visione distorta. In generale le indagini a campionamento non probabilistico sono utili per ricerche
qualitative, tenendo presente le numerose problematiche che possono subentrare.
IL CAMPIONAMENTO PROBABILISTICO
Viene utilizzato per una descrizione statistica e precisa della popolazione: la percentuale di disoccupati, il
numero di chi ha votato per il neo presidente etc. Il campionamento probabilistico, si basa sull’idea che per
fornire un’utile descrizione della popolazione totale, un campione di individui di questa popolazione, deve
contenere essenzialmente le stesse variazioni esistenti nella popolazione. Fare questa operazione non è
sempre così facile. Se intervistassimo uno studente su dieci all'uscita dalla biblioteca potremmo avere un
buon campione dell'università vicina, ma non è detto che questo possa essere rappresentativo.
La rappresentatività di un campione non deve riguardare tutti gli aspetti, ma solo per gli interessi sostanziali
della ricerca, tuttavia non sempre si può sapere in anticipo quali sono le caratteristiche più rilevanti.
Un campione probabilistico è rappresentativo della popolazione da cui è stato estratto se tutti i membri della
popolazione hanno la stessa probabilità di essere selezionati per il campione. I campioni che possiedono
questa qualità sono chiamati anche EPSEM (Equal Probability of SEselection Method) “campioni con
probabilità di selezione uniforme”. Anche se mai o raramente rappresentano perfettamente la popolazione,
ma offrono il vantaggio di essere più rappresentativi di altri tipi di campioni e la teoria delle probabilità
permette di stimare l’accuratezza o la rappresentatività del campione. Il campione probabilistico è frutto di
una media degli intervistati per cui più è ampio il campione selezionato, più produrrà una stima accurata
della popolazione e si può stimare anche il margine di errore. I campioni probabilistici sono il metodo più
efficiente per selezionare un campione perché permettono di evitare distorsioni nelle selezione degli
elementi e di stimare l’errore di campionamento.
La selezione casuale.
• Elemento: è l'unità da cui è raccolta l'informazione e che fornisce le basi per l'analisi.
• Popolazione: è l'aggregato teorico degli elementi dello studio. Ad esempio con il termine “americani”
posso far riferimento ai cittadini, ai residenti, o ad entrambi.
• Popolazione di riferimento: è l'aggregazione di elementi da cui è effettivamente estratto il campione.
Ad esempio se parlo di statunitensi non sempre ci si riferisce a tutti i cittadini, posso eliminare una
parte ininfluente come ad esempio i cittadini dell'Alaska e delle Hawaii.
È fondamentale che nel processo ciascun elemento selezionato abbia la stessa possibilità di essere estratto di
quello non selezionato. Un po' come quando si lancia una moneta, la moneta non deve essere “truccata”, ma
avere sulle facce testa e croce. Questa procedura elimina gli errori deliberati o involontari, in secondo luogo
offre la possibilità di alcune teorie della probabilità.
Errore standard. L'errore standard è la deviazione standard (la variazione di tutti i punti dati rispetto al
valore medio) stimata per una statistica campione. Ad esempio, l'errore standard di una media campione è
una stima della probabile deviazione standard delle medie da un numero infinito di campioni. L'errore
standard fornisce un'indicazione della precisione della media campione come stima della media della
popolazione. Più l'errore standard è piccolo, minore è la dispersione e più è probabile che qualsiasi media si
avvicini alla media della popolazione.
In un campionamento statistico abbiamo due valori che stabiliscono come abbiamo fatto il campionamento e
il margine di errore:
• Il livello di fiducia: stabilisce l'accuratezza. Non è possibile da un campione finito di dati trarre delle
conclusioni riguardo alla popolazione che siano sicure al 100 %. Il grado di fiducia può stabilire
l'intervallo in cui il valore vero ha probabilità molto elevata (esempio: 95% o 99%) di cadere.
• l'intervallo di confidenza: stabilisce il margine di errore. Partendo dal livello di fiducia è possibile
calcolare l'errore in un campione è l'ampiezza di questo in rapporto alla popolazione e l'omogeneità
della popolazione stessa.
1. La storia. Eventi apparentemente esterni che possono far cambiare in modo significativo l'esperimento
perché agiscono sul vissuto dei soggetti (es. l'assassinio del leader politico afroamericano).
2. La maturazione. In un esperimento che dura molto tempo i soggetti potrebbero crescere, invecchiare,
modificare le proprie visioni della vita, annoiarsi abbandonare l'esperimento.
3. Il test. La formulazione del test o la doppia somministrazione può influenzare il comportamento dei
soggetti. Come visto precedentemente i soggetti es. nel post-test (o anche nel pre-test) potrebbero
modulare le risposte per evitare di essere definiti razzisti.
4. La strumentazione. La scelta operativa, la scelta di un criterio inappropriato potrebbe influire di molto
sul risultato.
5. La regressione statistica. Spesso la ricerca si focalizza su soggetti che presentano risultati iniziali
estremi. Per esempio se devo provare un sistema per insegnare la matematica utilizzerò coloro che
nel pre-test ha ottenuto dei pessimi risultati per vedere se nel post-test sono avvenuti dei
cambiamenti. Il ragionamento funziona solo in parte perché coloro che si trovano in basso non
potranno peggiorare, ma solo migliorare.
6. Gli errori nella selezione dei soggetti. (cap. 7)
7. Mortalità durante l'esperimento. Intesa come abbandono dell'esperimento da parte del soggetto in
corso d'opera.
8. Demotivazione. La stanchezza può provocare un cambio di comportamento, il soggetto potrebbe
rispondere in modo inappropriato o arrabbiarsi.
Il risultato [4] controlla l'interazione tra test e stimolo, gruppi 3 e 4 tengono sotto controllo i problemi di
validità interna e l'interazione tra test e stimolo.
Gli esperimenti sul campo, condotti direttamente sull'ambiente di vita dei soggetti presento spesso
problematiche di interazione tra test e stimolo. In particolare ci si riferisce a quello che la scienza sociale ha
identificato come “l'idea dell'io come specchio” e “dell'altro generalizzato”. Il principio di base fa
riferimento al fatto che ciò che pensiamo di essere (il concetto di sé) è strettamente correlato dal come ci
comportiamo in relazione all'altro (e al suo giudizio). Inoltre il modo in cui gli altri ci percepiscono è
strettamente legato alle sue aspettative. Per esempio se qualcuno ci dice che siamo stupidi (o grassi)
probabilmente ci vedono così e noi finiremo per crederci. Questo fenomeno si chiama “teoria
dell'ettichettamento”. La teoria delle aspettative verso l'altro è detta “effetto pigmalione”.
Gli esperimenti naturali condotti sul campo posso prevedere la necessità di essere somministrati in un
determinato momento (dopo un uragano, dopo un errore nucleare, durante una guerra, durante una crisi),
svolti in un momento successivo avrebbero risultati differenti.
Punti forti e punti deboli del metodo sperimentale. Un vantaggio del metodo sperimentale (MS) è che
permette di isolare l'impatto della variabile nel tempo, cioè vedere la situazione prima e dopo l'esperimento.
La maggiore debolezza del MS sta nell'artificiosità, ciò che accade in un laboratorio molto spesso non è
quello accadrebbe nel mondo naturale
L'etica degli esperimenti. Gli esperimenti contengono alcune componenti particolari sotto il profilo etico:
• contengono quasi sempre un “inganno”, cioè spingere i soggetti a comportarsi in modo diverso
importante è capire se l'inganno è o no necessario alla ricerca;
• invadono la vita dei soggetti, nei casi più estremi possono compromettere a livello fisico e psichico il
soggetto.
Capitolo 9 – le indagini campionarie.
Le indagini campionarie (IC) sono una tecnica molto antica citata anche nell'antico testamento. Questa parte
riguarda la preparazione dei test, i principali metodi di raccolta e analisi dei dati.
Quando servono le indagini campionarie. Le IC servono per le ricerche descrittive, esplicative ed
esplorative. Vengono ampiamente utilizzate quando no è possibile raccogliere e descrivere dati di un'ampia
fetta di popolazione. Le IC riflettono attraverso il campione rappresentativo l'opinione generale su un
atteggiamento, un orientamento, etc. Spesso pero sotto le IC sappiamo che si nascondo altri tipi di ricerca
come le indagini di mercato, operazioni pubblicitarie, truffe etc. Un esempio particolare di queste operazioni
è il cosiddetto “push-pull” (o sondaggio a spinta) americano. Questa finta IC è stata costruita ad uopo per
spingere a votare o a non votare per un determinato candidato.
Come porre le domande. Il questionario a domande chiuse è il sistema classico.
• Domande e affermazioni.
• Domande aperte e domande chiuse. Le indagini qualitative prediligono quelle aperte. Le domande
chiuse sono più utilizzate perché più uniformi e più semplici da utilizzare per la raccolta dati.
Ecco alcune caratteristiche individuate dall'autore.
1. Esclusività. Le domande servono a specificare, per cui le categorie di risposta devono essere esclusive
(o sì o no).
2. Chiarezza. Utile è fornire delle istruzioni su come effettuare il test, cioè chiarire le opzioni. Le
domande devono essere chiare, non ambigue.
3. Precisione. Devono essere precise e specificare a cosa fanno riferimento (es. D:cosa ne pensi del
piano di pace? R:Quale piano?). Bisogna evitare domande con doppio significato. Quando una
domanda è complessa (D: qualcuno dovrebbe abbandonare il piano spaziale e restituire i soldi?) è
utile scomporla in due o più parti semplici.
4. Accessibilità. I rispondenti devono essere in grado di rispondere. Non è utile chiedere cose
complicate, o cose in cui è necessaria una conoscenza di base elevata in un gruppo disomogeneo.
5. I rispondenti devono aver voglia di rispondere. Gli intervistati potrebbero non avere un opinione o
averla, ma avere paura di esprimerla (vedi es. le domande sul voto e sulla segretezza).
6. Le domande devono essere pertinenti.
7. Le domande devono essere brevi.
8. Evitare domande negative. Una negazione nella domanda prepara la strada a una risposta sbagliata.
La parola “non” potrebbe non essere letta oppure confondente. Lo stesso vale per i termini negativi.
9. Evitare termini o frasi che possono creare risposte distorte. La distorsione (o bias) è una questione
difficile perché riguarda molti aspetti. È importante che il modo in cui è posta la domanda non
influenzi la risposta evitando termini ambigui. In tutti i questionari (soprattutto quelli faccia-a-faccia)
si evidenziano tentativi di apparire migliore nelle risposte da parte dei soggetti. Per evitare questi
problemi bisognerebbe immaginare cosa prova il soggetto difronte a certe domande: rabbia,
imbarazzo, etc.
LA COSTRUZIONE DEL QUESTIONARIO.
Il formato generale. Deve essere ben impaginato, non troppo lungo. La lettura della classica X sul riquadro
potrebbe essere effettuata con un sistema di rilevazione ottico. Domande contingenti. Può capitare che in
un test esistano una serie di domande correlate. La prima è detta domanda filtro, solo chi ha risposto in un
certo modo (di solito affermativamente), risponderà alle domande correlate (contingenti appunto). Le
batterie di domande sono una serie di domande semplici in cui il soggetto può rispondere in modo veloce
(sono d'accordo o non sono d'accordo). La funzionalità è che permettono di in poco spazio di avere dei dati
velocemente, gli svantaggi sono l'effetto response set che accade quando i soggetti rispondono
meccanicamente: i rispondenti possono leggere velocemente le domande e rispondere in modo tutto uguale
perché intuiscono che trattano lo stesso argomento.
L'ordine delle domande può influire sulle risposte. Spesso una domanda particolare può determinare le
risposte successive. Si può avviare al problema randomizzando l'ordine, ma questo sistema può far risultare
una lettura caotica al tester. Due soluzioni possono essere verificare l'efficacia del test con un pre-test
(testare il questionario, anche ad amici)o somministrare a due campioni un test nel giusto ordine o
randomizzato e osservarne la differenza. Le prime domande sono comunque importanti perché possono
incuriosire e stimolare i rispondenti.
Le istruzioni su come compilare il test vanno comunicate all'inizio. Sopratutto quando alcune domande
devono essere compilate in modo diverso devono essere fornite le istruzioni in anticipo.
I QUESTIONARI AUTOSOMMINISTRATI.
Esistono vari tipi di questionari (Q): quelli autosomministrati (in cui gli intervistati compilano il test da soli),
le interviste faccia-a-faccia e le interviste telefoniche.
I questionari postali. Uno dei metodi più semplice è quello di inviare il Q a domicilio con una lettera di
spiegazione. Importante è facilitare la restituzione del test fornendo busta, indirizzo e affrancatura per il
ritorno. Monitorare le risposte. Nella risposta deve essere possibile l'identificazione del rispondente
(nell'eventualità di un secondo invio o di un sollecito), sapere i tempi di risposta dall'invio. L'invio di
solleciti.(follow up). Si consiglia l'invio massimo di tre lettere totali con un intervallo di 2/3 settimane tra
l'una e l'altra. Qual è il tasso di risposta accettabile? Il tasso di risposta è uno dei criteri per stabilire il
campione dei rispondenti. Com'è possibile stabilire se è alto o basso? Il 50% è sufficiente, il 60% è buono, il
70% molto buono.
L'INTERVISTA. Può essere faccia-a-faccia o telefonica. L'inconveniente principale è che per condurla
servono molti intervistatori. Il ruolo dell'intervistatore. La presenza dell'intervistatore facilita gli errori di
interpretazione, evita i “non so” o i “non rispondo”. L'intervistatore può osservare anche altri dettagli tecnici
in modo diretto (etnia, status economico...). La conduzione dell'intervistatore deve essere più neutra
possibile e l'abbigliamento dovrebbe avvicinarsi all'intervistatore (non si può essere troppo eleganti in una
quartiere povero). Il probing consiste in alcune domande di chiarimento che si utilizzano quando il
rispondente non fornisce una risposta completa. È utilizzato per ottenere una risposta nelle domante aperte a
cui il rispondente risponde brevemente. Il coordinamento e il controllo. Spesso l'intervista richiede molto
personale che deve essere formato precedente, dopo alcune simulazioni l'intervistatore può lavorare con il
campione vero. Inoltre è necessario che i vari intervistatori siano coordinati nel lavoro da dei supervisori.
LE INTERVISTE TELEFONICHE. Per definizione solo limitate a chi possiede un telefono, inizialmente
questo costituiva un problema in quanto costituiva un limite anche di status sociale. Un secondo problema
riguarda l'accesso ai numeri, molti non sono sull'elenco come ad es. i cellulari. Uno svantaggio tecnico è
l'uso della segreteria telefonica come filtro per evitare finti sondaggi con scopi promozionali.
La rapida diffusione delle interviste telefoniche (IT) è legato sopratutto al fatto che sono più economiche, in
particolar modo rispetto a quelle faccia-a-faccia. Un altro vantaggio è che il telefono funziona da filtro e
permette ai rispondenti di sentirsi al riparo da imbarazzi, quindi sono più indicate se riguardano temi
sensibili.
CATI (Computer Assisted Telephone Interviewing) Le interviste telefoniche supportate dal computer
vengono effettuate online, la domande sono guidate dal computer e danno la possibilità di avere i dati in
tempo reale.
L'analisi secondaria. È una forma di ricerca in cui i dati raccolti sono elaborati dal ricercatore per uno
scopo differente. I dati possono essere acquisiti da biblioteche o banche dati, da ricerche effettuate da altri
ricercatori e rielaborate sempre si adattino alla nuova ricerca.
Capitolo 10 – le indagini qualitative sul campo
La nostra presenza (sul campo) può cambiare quello che stiamo osservando? Come è possibile fare una
ricerca senza far sentire la nostra presenza? La ricerca qualitativa sul campo è il sistema più semplice e
immediato di ricerca. Questo tipo di ricerca al contrario di quella campionaria e più adatta a raccogliere dati
qualitativi piuttosto che quantitativi. La ricerca qualitativa sul campo differisce da altri metodi perché non si
limita alla raccolta dei dati, ma produce anche teorie. I ricercatori sul campo cercano di capire determinati
fenomeni. Attraverso un'osservazione iniziale è possibile formulare anticipatamente delle conclusioni per poi
verificarle.
La ricerca sul campo offre il vantaggio di indagare la vita sociale nel suo ambiente naturale e di coglierne
tutte le sfumature. Con questa ricerca ci si “immerge” direttamente nel fenomeno sociale osservandolo nel
modo più completo possibile. Inoltre da la possibilità di svolgere una ricerca in tempo reale.
Esempi di studi sul campo ruoli e tipi sociali, relazioni sociali e personali, gruppi ristretti ed esclusivi,
organismi, sottoculture, etc.
ALCUNE RACCOMANDAZIONI.
Il ruolo dell'osservatore. L'osservazione sul campo può essere partecipante o meno? L'autore preferisce
usare il termine “ricerca sul campo” anziché “osservazione partecipante”, questo perché non è necessario
che il ricercatore partecipi necessariamente a quello che sta studiando anche se lo studia direttamente.
Roberta Chiroli studentessa di Cafoscari è stata condannata il 18/07/2016 a due mesi per concorso morale in violenza aggravata e occupazione
di terreni. Il giudice ha ritenuto la ricercatrice colpevole dei due reati e l'ha associata al movimenti anarchici legati al movimento NOTAV. La
condanna fa riferimento ad alcuni episodi avvenuti in Val di Susa nel 2013 dove la studentessa si trovava per raccogliere materiale per la sua
tesi di laurea (“moralmente complice”). Nonostante la tesi sia stata utilizzata come prova per la sua difesa il PM ha ritenuto la ricerca troppo
partecipativa.
Se il partecipante completo partecipa attivamente a quello che sta studiando, questo non sempre è possibile.
Ad esempio se si vuole condurre una ricerca in un gruppo composto da gente poco istruita con difficoltà di
espressione, risulterebbe difficile calarsi nella parte, e inutile rivolgersi a loro con un linguaggio colto e
universitario. Questo aspetto apre un a una questione etica se è giusto o no mentire. Il mentire del ricercatore
legato allo scopo di ricavare maggiori informazioni, se i soggetti di studio non sanno che è un ricercatore si
apriranno di più a lui. Questo perché in alcuni casi se i soggetti sanno di essere studiati potrebbero
modificare il loro comportamento o arrabbiarsi contro il ricercatore. Questo fenomeno è noto come
reattività. La reattività può influire, oltre che sul ricercatore, sulla ricerca stessa. Anche la partecipazione
del ricercatore può influire sul processo sociale. La partecipazione completa, adottando gli stili di vita degli
osservati, potrebbe eliminare il distacco dello scienziato.
Le relazioni con i soggetti. La ricerca scientifica si basa sul fondamento scientifico dell'obbiettività, non
sempre è facile nella ricerca sociale, si pensi ad esempio come sarebbe difficile compiere una ricerca
obbiettiva sulla religione. Questo aspetto tocca il tema della riflessività. La riflessività riguarda la condotta
dell'osservatore. Le caratteristiche dell'osservatore (esempio il credere o meno) possono influire su quello
che osserverà e sul come lo farà.
Un ulteriore aspetto riguarda la questione del potere. Chi conduce la ricerca organizza e dice ai soggetti cosa
devono fare, spesso è l'unico a sapere il vero scopo della ricerca. Il ricercatore ha una posizione di potere e
più elevata rispetto a coloro che sta studiando. Si pensi ad esempio alle prime ricerche antropologiche
condotte a popolazioni primitive che credevano alla magia. Per questo vengono indicati alcuni paradigmi
della ricerca per identificare i diversi aprocci possibili nella ricerca sul campo.
costa poco \ ha un'elevata validità nominale \ è il ricercatore ha meno controllo \ i dati sono difficili
flessibile \ è socialmente orientato a raccogliere dati da analizzare \ i moderatori devono possedere
della vita reale in un ambiente \ impiega poco tempo competenze specifiche \ la differenza fra gruppi può
essere un problema \ è difficile formare i gruppi \ la
discussione deve avere luogo in un ambiente
favorevole
La registrazione delle osservazioni.
Le osservazioni della ricerca qualitativa devono sempre essere registrate. La ricerca qualitativa è uno
strumento più valido di quella quantitativa perché descrive in profondità i concetti, ma risente del problema
di affidabilità perché le osservazioni sono spesso soggettive.
La trascrizione può essere digitale (registrando con una telecamera) o dove non è possibile attraverso delle
annotazioni. Inizialmente è meglio limitarsi ad misurazione descrittiva non tralasciando i particolari che a
prima vista possono sembrare ininfluenti, ma in un'analisi successiva contenere altre informazioni utili.
Ci sono delle tecniche non intrusive che permettono di studiare il comportamento sociale senza influenzarne
il processo. Un esempio pratico proposto nel testo è questo; per capire quali sono le opere più osservate in
un museo potremmo osservare dove il pavimento è più consumato. L'autore individua tre categorie di
ricerche non intrusive.
1. L’ANALISI DEL CONTENUTO. In questo caso i ricercatori studiano una serie di artefatti (documenti,
libri...). È un metodo che studia le comunicazioni umane, quindi sia i processi della comunicazione, sia
altri aspetti del comportamento sociale. Le unità di analisi di tale metodo sono solitamente le forme di
comunicazione scritte e si possono applicare le tecniche standard di campionamento per raccogliere dati.
• Il campionamento. Non è possibile osservare tutto per cui bisogna costruire un'unità di analisi
(cap. 4). Le possibilità sono quasi infinite, ma definendo un campione di studio (i testi di un autore, i
programmi in una fascia oraria...) è possibile definire l'unità.
• Le tecniche di campionamento sono simili a quelle del capitolo 7.
• La codifica. È l'analisi del contenuto. Trasforma i dati grezzi in categorie sulla base di uno schema
concettuale. L'analisi può riguardare il contenuto manifesto cioè significato esplicito. Ad esempio
in un romanzo erotico attraverso il conteggio delle parole volgari si può determinare quanto
espressamente sia pornografico, oppure conteggiare parole come bacio, carezze per capire quanto
sia più erotico. L'analisi può scendere in profondità e scoprire il contenuto latente cioè il significato
implicito, che richiede un giudizio da parte del ricercatore
• La concettualizzazione e la creazione delle categorie di codifica. L'operazione deve far
coincidere gli interessi teorici e la ricerca empirica. Stabilito un intervallo di variazione (riprendendo
l'esempio precedente creando delle categorie di erotismo che va da dal soft all'hard) ed esprimere un
risultato finale che deve essere numerico. Per interpretare i dati si possono usare sia le tecniche
qualitative che quelle quantitative.
• I vantaggi sono i costi bassi e la sicurezza e la possibilità di studiare processi che hanno luogo in un
intervallo di tempo lungo. Gli svantaggi sono che è limitata alle comunicazioni registrate da altri
(resoconti, trascrizioni, ricerche) che potrebbero avere problemi di validità e affidabilità. Per
ottenere più concretezza la ricerca necessiterebbe di ulteriori dati, ma spesso l'evento di studio può
essere già concluso.
2. L’ANALISI DELLE STATISTICHE ESISTENTI. È un metodo utilizzato da molte organizzazioni e
enti pubblici i quali raccolgono dati statistici ufficiali per studiare alcuni aspetti della vita sociale.
• Unità di analisi. Le UdA vanno selezionate accuratamente. E. Durkheim, ad esempio, analizzando
il tasso di suicidi attorno al 1848 dedusse che ci fossero più suicidi tra i paesi protestanti che in
quelli cattolici per una questione di anomia (vedi cap. 5). Tuttavia non era da escludere che i suicidi
fossero stati commessi da una minoranza religiosa ad esempio per la pressione di persecutoria della
maggioranza.
• La validità. Tale metodica soffre di problemi di validità: i dati in alcuni casi possono essere
incompleti. Il problema può essere superato con il ragionamento logico (come nel caso di Durkeim)
oppure con la replicazione cioè con l'intercambiabilità degli indicatori (cap. 5).
• L'affidabilità dipende dalla qualità e dalla quantità dei dati e dai mezzi per accedere ad essi (es
computer o banche dati).
Ogni volta che un ente avvia una riforma sociale vuole sapere i risultati e i cambiamenti che ha prodotto. La
ricerca valutativa si concentra sullo scopo della ricerca piuttosto che sul metodo. Questo scopo è la
valutazione dell'impatto degli interventi sociali. Nella sua forma più semplice la ricerca valutativa è un
processo per determinare se un intervento sociale ha prodotto il risultato che si proponeva. Ad esempio.
L'introduzione di una nuova legge sul divorzio aumenta il numero dei divorzi? Una nuova regolamentazione
delle assicurazioni può far abbassare le polizze? Questi sono i temi della ricerca valutativa.
Esistono diversi tipi di ricerca valutativa:
• La valutazione dei Bisogni: stima l’esistenza e la diffusione dei problemi all’interno di segmenti
specifici della popolazione (come ad esempio quella degli anziani);
• L'analisi costi-benefici: stabilisce se i costi di un programma sono giustificati dai risultati ottenuti.
• I monitoraggi: analizzano il flusso continuo di informazioni su un argomento.
La formulazione del problema: la misurazione. La ricerca valutativa soffre del limite di non poter
misurare l’incommensurabile. La variabile principale di questa ricerca è il risultato o la variabile di risposta.
Se un programma si prefigge di raggiungere uno scopo bisogna essere in grado di misurare lo scopo, ad
esempio se si vuole ridurre il pregiudizio bisogna essere in grado di misurare il pregiudizio; oppure se si
vuole migliorare l'armonia coniugale bisogna essere in grado di misurare il livello di armonia. In sostanza è
necessario specificare i risultati. Per questo motivo di deve in partenza raggiungere un accordo sulle
definizioni. A volte le definizioni di un problema o della soluzione sono definite per legge (ad esempio il
consumo minimo di sostanze stupefacenti che definisce una dipendenza) in altri casi bisogna accordarsi su
come effettuare la misurazione. La misurazione dei contesti sperimentali. Se si vuole misurare l'efficacia
di un corso di formazione, un valore misurabile potrebbe essere se dopo tale corso i soggetti riescono a
trovare lavoro o meno. Tuttavia il trovare lavoro potrebbe dipendere anche da altri fattori come ad esempio
una crisi globale. Per ovviare a questo tipo di problema è necessario misurare l'efficacia reale del nostro
intervento. La misurazione può essere effettuata con l'utilizzo dei due gruppi classici: il gruppo sperimentale
e il gruppo di controllo ai fini di isolare le variabili che potrebbero avere effetti nell'esperimento.
La specificazione degli interventi. Questo passaggio si occupa di definire lo stimolo che utilizzeremo per il
gruppo sperimentale.
E’ importante poi definire la popolazione dei soggetti a cui sottoporre il programma costruendo un
campione adeguato e rappresentativo.
La misurazione è un tema molto delicato nelle ricerca valutativa. Spesso ci si chiede se sia preferibile
utilizzare misure nuove o misure esistenti già sviluppate da altri. Creare una nuova misura potrebbe essere
il risultato migliore, ma costruirla potrebbe comportare a un investimento ulteriore di tempo e denaro.
La definizione operativa del successo\fallimento della ricerca valutativa è legata a una questione di
accordo. Spesso è incentrata su parametri di costi\benefici, ad esempio se spendo 20€ per un un bene che
varrà solo 18€ forse non ci saranno motivi per continuare a produrlo. anche decidere se utilizzare misure già
esistenti o crearne di nuove e quest’ultima scelta offre maggior validità.
I TIPI DI RICERCA VALUTATIVA
La ricerca valutativa non è un metodo, ma un'applicazione dei metodi di ricerca sociale. Tra gli infiniti
modelli l'autore ne individua tre.
1. IL DISEGNO SPERIMENTALE STANDARD. Partendo dai disegni sperimentali esposti nel
capitolo 8, la ricerca valutativa si occupa di definire i criteri di applicazione. Ad esempio se
l'esperimento comprende la visione di un filmato, la ricerca deve specificare la sua durata, quante
volte va ripetuto, dopo quanto tempo somministrare il post-test, etc.
2. IL DISEGNO QUASI SPERIMENTALE. In questo caso i soggetti non sono assegnati in modo
casuale ai gruppi sperimentali e di controllo, per questo i valutatori progettano disegni per valutare
ugualmente il programma.
• Il disegno di serie-temporale. La misurazione avviene nel corso del tempo e prevede solo un
gruppo sperimentale. L'esempio posto nel testo porta la misurazione del livello di interesse di una
classe ad un corso misurato tre intervalli. La classe rimane una sola, e gli intervalli sono all'inizio, a
metà corso e alla fine. Graficamente si può rappresentare se sale o scende la partecipazione.
• Gruppi di controllo non equivalenti. Prevede l'impiego di un gruppo di controllo già esistente (e
non creato per l'esperimento) abbastanza simile al gruppo sperimentale chiamato gruppo di controllo
non equivalente.
• Il disegno di serie temporale con gruppo di controllo (multiple time-series design). È una versione
migliorata del precedente. Oltre al gruppo sperimentale, anche il gruppo di controllo non equivalente
viene analizzato in più serie temporali. Questo serve a capire se esistono contaminazioni esterne
(eventi, scoperte...) o interne tra un gruppo e l'altro.
3. LA VALUTAZIONE QUALITATIVA. I precedenti disegni appartenevano alla valutazione
strutturata di tipo quantitativo; è possibile condurre anche una ricerca solo qualitativa. La scelta
migliore è combinare le due tipologie: la conoscenza statistica dei sistemi quantitativi e al
conoscenza approfondita del processo che produce risultati studiati.
I problemi logistici sono molti, questo è dovuto al fatto che spesso la sperimentazione avviene in un
contesto di vita reale e non in un laboratorio. Anche negli esempi più estremi, come nell'osservazione
partecipata il ricercatore non ha il controllo di quello che sta studiando.
Un altro problema della ricerca valutativa è la questione del controllo amministrativo. L'applicazione di
alcune operazioni durante le sperimentazioni fuori dal laboratorio (come ad esempio nelle carceri, o in
caserme) potrebbe essere sottoposta a controlli per tutelare la sicurezza del luogo. Dobbiamo considerare
che questi controlli possono modificare l'esito del risultato.
L'uso dei risultati. Poiché lo scopo della ricerca valutativa è stabilire il successo o il fallimento degli
interventi sociali, l'interruzione o il proseguimento di un programma dipenderà da tali esiti. Tuttavia
nonostante questa ovvietà la questione non è così lineare. Nonostante gli esiti positivi i risultati di una
ricerca possono non essere presi in considerazione per diversi motivi:
politici,
perché le implicazioni non sono sempre comprensibili per chi non si occupa di ricerca sociale,
perché i risultati della ricerca potrebbero contraddire credenze profondamente radicate o interessi,
perché la ricerca potrebbe perdere di prestigio o gli stessi risultati potrebbero essere ottenuti in altro
modo.
La metodologia di Sabido. Un esempio di uso dei risultati della ricerca presentato più volte nel testo è
l'impiego delle soap-opera in Sud Africa e in Sud America per contrastare problematiche del territorio, in
particolare la diffusione dell'AIDS. Una volta individuate attraverso la ricerca i modelli tradizionali
inadeguati (come ad esempio il maschilismo)e le credenze popolari retrograde (come ad esempio sul come si
trasmette l'AIDS); il secondo passo è quello di diffondere modelli culturali corretti attraverso soap-opera o
sceneggiati radiofonici.
GLI INDICATORI SOCIALI. Gli indicatori sociali (IS) assomigliano a quello che è per gli economisti il
PIL di una nazione: un indicatore che informa se l'economia di uno stato sta crescendo o no.
Gli IS riflettono le condizioni sociali di una società o di un gruppo sociale: se volessimo ad esempio sapere
le condizioni di salute di uno stato potremmo utilizzare come IS il tasso di mortalità infantile, il numero di
medici pro capite, la spesa pubblica per la salute, i giorni di ospedalizzazione, pro capite etc.).
Una ricerca di W. Bailey (1975) dimostrò che gli stati in cui è in vigore la pena di morte avevano un tasso di
condanne superiori a quelli in cui la pena capitale non veniva applicata. Per evitare che il risultato fosse un
effetto della legge Bailey esaminò le condanne prima e dopo l'entrata in vigore della legge negli stessi stati
non riscontrando variazioni. Il ricercatore ha usato una ricerca valutativa e quantitativa espressa attraverso
IS in un periodo di tempo di un anno (1967/68).
L'etica della ricerca valutativa. È facile per la ricerca valutativa scivolare in questioni, politiche,
ideologiche e morali con la difficoltà di rimanere imparziali. Gli effetti dei programmi riguardano le persone
e gli effetti ricadono su di loro, se pensiamo ad esempio la sperimentazione di un farmaco gli effetti negativi
potrebbero ricadere sul gruppo sperimentale, mentre il gruppo di controllo potrebbe non godere di effetti
negativi, inoltre potrebbero esserci gli interessi delle case farmaceutiche a monitorare la ricerca.
Collegare la teoria e l' analisi. , Nell'AQN il ricercatore può cadere il rischio di cadere nella logica della
raccolta dei dati e sulla statistica, nell'AQL questo non avviene perché dati e analisi sono molto intrecciati.
La teoria per A Strauss e J Corbin (1994) delle “relazioni plausibili fra concetti e serie di concetti”afferma
infatti che se le relazioni tra concetti corrispondono a realtà sociali è probabile che quanto avremo scoperto
corrisponda alla realtà sociale.
La scoperta delle strutture. J. Lofland (2006) suggerisce sei modelli per creare modelli e strutture:
1. La frequenza: con la quale hanno luogo determinate variabili.
[in un abuso sessuale: quante volte accade]
2. La magnitudo: intensità delle variabili.
[la violenza]
3. Le strutture: i tipi di variabili e le loro correlazioni.
[fisica, mentale, sessuale]
4. I processi: qual è (se presente) l'ordine sequenziale delle variabili prese in considerazione.
[prima ci sono le violenze psicologiche e poi sessuali]
5. Le cause: cosa causa le variabili.
[l'alcool, il contesto...]
6. Le conseguenze: quali sono le conseguenze della presenza o meno di queste variabili.
[gli effetti nel breve e lungo periodo]
Nell’analisi dei dati infatti, cerchiamo di scoprire strutture e modelli che cambiano nel tempo o possibili
relazioni causali fra variabili che confermino, suggeriscono o aiutino a creare una teoria.
Gli approcci adoperati sono (M Huberman \ M Miles 1994):
A) Cross-case analysis (o analisi trasversale tra casi): analizza contemporaneamente più casi. Il
metodo analizza i modelli e le strutture che si ripetono di più durante le osservazioni e utilizza due
strategie per analizzare i dati:
• L'Analisi variable-oriented: incentrata sulle relazioni fra le variabili: il genere, la classe sociale,
l'età, etc. Lo scopo è quello di ottenere una miglior descrizione (parziale e generale)o il miglior
risultato utilizzando il minor numero di variabili.
• L'Analisi case-oriented (o analisi dei casi): indaga profondamente un singolo caso cercando tytte le
variabili. Nonostante da un singolo caso non si possa costituire una teoria, nell'analisi approfondita di
tutti i dettagli della loro vita si possono trovare degli archetipi, (l'influenza dei genitori, la tipologia
delle amicizie) che si possono riscontrare nell'analisi del caso successivo.
B) La grounded theory (GTM). Già vista nella ricerca sul campo (cap. 10) questo approccio parte
dall'osservazione dei casi (anziché dalle ipotesi) per arrivare alle affermazioni. Cerca in sostanza di
costruire strutture e sviluppa teorie dal basso, senza preconcetti come le teorie precedenti. La GTM
oltre il principio induttivo di costruire teorie dai dati si svolge in quatto fasi.
1. Comparare gli incidents (episodi) applicabili a ciascuna categoria. (simile al cap. 5) specificare
la natura e la dimensione dei vari concetti che emergono dai dati.
2. Integrare le categorie e le loro proprietà. Osservare le relazioni tra dati e concetti.
3. Delimitare la teoria. Eliminare i concetti non rilevanti riducendo il numero delle categorie.
4. Scrivere la teoria. Pubblicare e condividere il risultato della ricerca.
C) La semiotica o semiologia è definita come la scienza dei segni. Studia i segni e cerca di trovarne il
significato ed è spesso associata all'analisi del contenuto (cap. 11). Anche se la semiotica si basa
sullo studio linguaggio, il linguaggio è solo uno dei tanti sistemi simbolici che si possono usare; (il
galateo, la matematica, la musica... sono altri esempi di sistemi simbolici. Per questo motivo la
semiotica può essere applicata in diversi ambiti di ricerca. E. Goffman in uno studio sulla pubblictà
(1979) evidenziò che oltre allo scopo di vendere il prodotto gli spot mostravano anche i loro pensiero
maschilista.
D) L'analisi della conversazione. Fa parte dell'etnometodologia, ovvero la scienza che studia gli
artefatti umani (già vista nel cap. 10). La conversazione infatti è in primo luogo un'attività fortemente
strutturata (il saluto, l'alternanza nel dialogo...), in secondo luogo è strettamente correlata al contesto:
una frase può avere significati diversi se espressa in situazioni diverse. Inoltre l'analisi della
conversazione si occupa di analizzare anche il significato di errori, sospiri, pause, etc. In questo caso
l'analisi dei discorsi come l'analisi dei segni permette di studiare regole codificate dalla società.
• La codifica. Indipendentemente dal tipo di ricerca, ogni ricercatore dovrà gestire una grande
quantità di dati spesso in formato testuale. Il processo di base per la gestione è la codifica
cioè la classificazione o la categorizzazione dei dati. Ma se la codifica nell'AQN consisteva
nell'identificare un unità standardizzata alla quale associare le variabili, la codifica nell'AQL
funziona in modo diverso. Il principio per organizzare la codifica qualitativa è il concetto. In
questo caso la categoria “dimensione” potrebbe contenere solo alcune parole (dal grande al
piccolo es.), mentre la categoria “scopo” potrebbe essere molto più grossa.
• La creazione dei codici. Glaser e Staus (1967) suggeriscono tre modi per la creazione delle
categorie qualitative.
◦ Codifica aperta: è il punto di partenza della grounded theory. Si inizia in un punto del
testo a leggendolo più volte e cercando di identificare i concetti principali che contiene.
◦ Codifica assiale: cerca di identificare i concetti centrali e crea un raggruppamento dei
dati. Utilizzando categorie aperte vengono catalogati i concetti più analitici.
◦ Codifica selettiva: cerca di identificare IL codice centrale della ricerca, ovvero quello più
generale e predominante.
AGGIUNGERE MEMORIA
Nella grounded theory i promemoria (memoring) aggiunti ai testi, per fissare le impressioni personali,
hanno un significato particolare. Possiamo avere:
• note dei codici (che fanno riferimento alle categorie),
• note teoriche (che fanno riferimento ai concetti),
• note operative (che fanno riferimento agli aspetti metodologici).
In modo simile le mappe concettuali cercano di immaginare come i pensieri possono essere associati tra di
loro.
L'etica dell'analisi qualitativa è un'analisi basata sostanzialmente su giudizi soggettivi. Inoltre essa
attribuisce grande importanza alla privacy dei soggetti.
Capitolo 14 – l'analisi quantitativa
L'analisi quantitativa (AQN) riguarda le tecniche tramite le quali i ricercatori trasformano i dati in formato
numerico per poter effettuare analisi statistiche.
La quantificazione. Esistono programmi che permetto di convertire in modo automatico i dati, per fare
questa conversione il computer deve essere in grado di leggere i dati; età, reddito sono già formato
numerico, ma per altri il procedimento è più complesso. Maschio e femmina possono essere convertiti in 1 e
2, così vale per la religione (es cattolica 1, protestante 2, etc), se però si devono codificare molti dati in
poche categorie è opportuno codificare i dati con maggiori dettagli.
La creazione delle categorie. La scelta della catalogazione può seguire può seguire due strade:
• seguire gli scopi delle ricerca,
• seguire la logica che emerge dai dati, cioè generare i codici direttamente dai dati (cap. 13).
Individuate le categorie esse devono esaustive e mutualmente esclusive (se se un dato appartiene ad una non
può appartenere a quella opposta).
L'immissione dei dati (data entry). Come già visto i dati possono essere inseriti a mano, con sistema ottico
o direttamente tramite PC (con il sistema CATI).
L'ANALISI UNIVARIATA
L'analisi univariata riguarda la descrizione di una variabile, come ad es. il genere, l'età, etc. Spesso il dato da
solo dice poco, per questo è necessario un procedimento definito distribuzione dei dati.
• La distribuzione di frequenza (o frequenze marginali), in una ricerca permette di definire quante
volte avviene una determinata variabile ed è espressa in percentuale. Indica la percentuale di quanti
hanno risposto ad una tot domanda. Un esempio: il 471 soggetti che hanno risposto NO sui 2801
totali sono il 16,8%.
La tendenza centrale. Il calcolo delle medie è influenzato dai valori estremi (l'alto e il basso), la scelta di
quale media usare varia dal tipo di ricerca e dai dati disponibili.
• La media aritmetica (o misura della tendenza centrale). Si ottiene dividendo la somma dei valori per
il numero dei casi.
• La moda è l'attributo che ricorre con maggior frequenza.
• La mediana è l'attributo centrale nella distribuzione ordinata degli attributi.
La dispersione. Attraverso l'utilizzo delle medie anziché dire “un età media tra i 13 e 19 anni” posso dire ha
15,87 anni. L'impiego è vantaggioso, ma lo svantaggio che ne deriva è la dispersione. Una misura più
complessa della dispersione è la deviazione standard vista nel campionamento probabilistico (cap. 7).
La deviazione standard e la varianza sono due misure strettamente legate, e servono a fornire la dimensione
della dispersione dei dati. Per capire meglio, immaginiamo due serie di dati: a = { 2, 4, 3, 2.5, 3.5, 3 } e b =
{ 1, 5, 9, -3, -12, 18 }. In entrambi i casi la media aritmetica è 3, mentre la deviazione standard di a è =
0.6455 e quella di b è = 9.3986. La deviazione standard ci dice che i dati di b sono molto più dispersi di
quelli di a (più il valore si avvicina allo zero minore è la dispersione). La deviazione standard viene
calcolata facendo un calcolo complesso: la radice quadrata della media dei quadrati degli scarti. In effetti
elevando al quadrato gli scarti, ci si mette al riparo dalla compensazione che potrebbe essere data dagli scarti
positivi e quelli negativi che altrimenti, si annullerebbero.
• Le variabili continue (o cardinali) aumentano costantemente in piccole frazioni. Un esempio l'età
aumenta costantemente con il tempo.
• Le variabili discrete passano da una categoria all'altra senza nessun valore intermedio esempio
all'università si passa da matricola (al primo anno) a studente (dal secondo in poi) senza definizioni
intermedie. In questa categoria alcune delle tecniche analizzate fin ora non possono essere applicate.
Se le variabili sono nominali possiamo calcolare la moda, se sono a intervalli possiamo calcolare la mediana,
se sono a rapporti non nominali possiamo calcolare la media (cap. 5). Per esempio se stiamo analizzando la
variabile genere, i numeri (23 motocicliste) o le frequenze (il 7% sono donne) sono appropriati, ma non ha
senso indicare la media o la mediana.
L'ANALISI BIVARIATA.
Il confronto fra gruppi. Alla domanda “siete favorevoli alla legalizzazione della marijuana?” il 33,4%
potrebbe rispondere SÌ, e il 66,6% risponde NO (analisi bivariata). Ma tra i favorevoli alla legalizzazione
esiste una percentuale di sottogruppi (il 70% sono liberali, il 5% conservatori, 15% moderati, etc) che
costituiscono l'analisi bi-o-multivariata.
L'analisi bivariata è un confronto tra sottogruppi, cioè prende in considerazione due variabili, o in altri
termini è una variabile che influenza un altra variabile. Riprendendo il primo esempio “il 70% dei
antiproibizionisti sono liberali”, la preferenza per la legalizzazione è la 1°variabile, mentre l'orientamento
politico è la 2°variabile. In questo caso l'analisi bivariata e concentrata sulla seconda variabile.
Introduzione all'analisi multivariata. La logica dell'analisi multivariata segue quella bivariata in quanto,
altro non è che l'analisi simultanea di più variabili. L'analisi multivariata utilizza una descrizione più
complicata di sottogruppi. Se la rappresentazione grafica può risultare complicata è possibile escludere le
nella variabile dipendente dicotomica (cioè ha solo due attributi) il valore opposto. Se ad esempio se il 24%
delle donne con meno di 40 anni partecipa alle funzioni religiose, posso escludere il dato del 76% che non lo
fanno, ma devo indicare il totale (a quanto corrisponde 100%) o il parziale (a quante donne corrisponde il
24%).
La gestione dei “non so”. Un problema potrebbe sorgere da una quota elevata di rispondenti che non sanno
esprimere un opinione. Non sempre è possibile escludere il dato, se una percentuale alta non ha risposto
significa o che non ha un'opinione in merito o che i questionario è poco chiaro.
La ricerca qualitativa. L'analisi quantitativa può condurre ad un analisi qualitativa: dati possono fornire
supporto a risultati di indagini qualitative.
Identificazione dei problemi sociali. Ogni problema sociale altro non è che un insieme di variabili che
contengono sottogruppi con altre variabili. È possibile rappresentare e controllare la logica implicita delle
nostre discussioni quotidiane attraverso la scomposizione di queste variabili e l'analisi quantitativa.
L'etica dell'analisi quantitativa. Molti ricercatori sostengono che l'AQN sia esente dalla soggettività.
Spesso non è così. Anche l'analisi matematica più sofisticata può favorire la definizione e la misurazione di
determinate variabili favorendo un risultato rispetto ad un altro e il ricercatore può esserne consapevole.