Capitolo 8. Le parole della ricerca (Irene Mazza)
Le
parole della ricerca Sempre più spesso, nei testi che trattano argomenti
appartenenti alle scienze umane, si riscontra l’impegno di una terminologia
tecnica rispetto alla quale il lettore si trova impreparato; in linea di
massima si ricorre spesso a termini mutuati dalla statistica o appartenenti
alla metodologia di ricerca di discipline specifiche, dunque, questo capitolo
ha lo scopo di spiegare in modo semplice, ma preciso il significato dei termini
di cui si fa attualmente maggior uso per gli intenti ora descritti. Campione
e campionamento. Requisito
della massima importanza nella ricerca sperimentale delle scienze umane è
l’economicità: la condizione ideale è quella in cui un ridotto numero di
informazioni è in grado di farci conoscere un numero elevato di situazioni,
soggetti, etc. la metodologia impiegata per realizzare questo obiettivo è detta
di campionamento che significa di un insieme limitato e finito di osservazioni
(campione) rappresentanti una popolazione (universo). Le
tecniche principali e più usate attraverso cui è possibile costruire un
campione sono: Casuale:
assume che ogni elemento della popolazione deve avere uguali probabilità di
fare parte del campione. Stratificata:
qualora il campionamento casuale richiedesse un numero eccessivo di procedure
per la sua realizzazione, si può suddividere una popolazione in sottoinsiemi
tra loro omogenei a patto che ciascun elemento sia incluso in una sola classe;
dopo aver estratto casualmente un campione della popolazione è possibile
produrre una distribuzione di classi certamente rappresentativo dei tratti
essenziali della popolazione. Campionamento
proporzionale: riduzione del campione a condizione che sia sempre
rappresentativo. Campionamento
non-proporzionale: a differenza di quello proporzionale, le frazioni in cui si
ripartisce il campione non sono uguali. Campionamento
a grappoli: qualora si sia in presenza di una popolazione che richieda
l’estrazione di un numero elevato di campioni di grandezza limitata ed
eterogenei è possibile individuare dei sottoinsiemi ed includere nel campione
tutti i soggetti appartenenti a tali sottoinsiemi al fine di limitare la
numerosità del campione e la sua estensione. Campionamento
di controllo: il suo obiettivo è quello di mettere in grado il ricercatore di preservarsi
dalle innumerevoli possibilità di falsificazione che ogni ricerca presenta. Correlazione
e regressione: due indici collegati l’uno all’altro ed esprimibili in un’unica
equazione; differiscono per il fatto che il primo indica in che misura le due
variabili siano correlate, mentre il secondo impone a tutte le variabili di
assumere il ruolo di variabile dipendente e poi di variabile indipendente. Dipendenza
statistica: è un concetto più debole di quello di dipendenza funzionale , ma
stabilisce la sussistenza di una relazione tra le variabili. Distribuzione
dati: eseguita una prova è necessario raccogliere, riunire e aggregare i dati
per poterli elaborare correttamente. Distribuzione
discreta: è rappresentata da una variabile che assume un limitato numero di
valori in ben definito intervallo, oppure un insieme di intervalli al cui
interno la variabile esaminata assume valori identici. Distribuzione
continua: è costituita da una variabile con un numero infinito di valori a cui
corrisponde un infinito numero di valori in un intervallo specifico. Distribuzione
a punti: in cui si prendono in considerazione a un a uno tutti gli elementi che
la compongono. Distribuzione
a intervalli: suddivisa in parti per consentire una più rapida elaborazione dei
dati raccolti. Distribuzione
uniforme: ad ogni attributo fa riscrontro un’identica frequenza. Distribuzione
a tendenza unica: concentrata attorno a un solo attributo. Distribuzione
campionaria: insieme di tutti i possibili valori che si possono ottenere
analizzando tutti i campioni di una certa ampiezza estratti da una popolazione. Distribuzione
di frequenze: rappresentazione dei dati in cui
in luogo di avere sull’asse delle ordinate qualsiasi tipo di grandezza
si ha il numero dei soggetti, delle risposte, etc. della situazione specifica. Distribuzione
normale: meglio di altre riassume in gran numero delle distribuzioni possibili,
la sua caratteristica principale è la simmetria. Esperimento:
condizione di controllo completo delle prove, dei soggetti, delle modalità; la
caratteristica principale è l’assegnazione casuale dei soggetti ai vari item
che costituiscono il procedimento empirico e lo formano. Quasi
esperimento: quando non è possibile controllare completamente l’assegnazione
dei vari soggetti alle condizioni che caratterizzano l’esperimento. Analisi
dei fattori: identificare le variabili latenti in modo da fornire le
spiegazioni più semplici rispetto ai dati raccolti; inversamente possiamo
intendere tale analisi come il metodo atto ad identificare le variabili
fondamentali che costituiscono la geneti della variabilità della misura del
comportamento. Frequenze:
indicarle significa riportare gli elementi facenti parte del contesto
esaminato. Frequenze
assolute: indicano la numerosità degli elementi. Frequenze
relative: si ottengono ponendo in rapporto il valore numerico di ogni classe in
cui è suddiviso l’insieme con il numero totale degli elementi. Frequenze
cumulative: si ottengono sia impiegando le frequenze assolute, sia quelle
relative e sono date dal raggruppamento additivo delle singole classi. Frequenze
teoriche: quando si hanno due o più distribuzioni si tratta di stabilire se
queste siano tra loro dipendenti. Frequenze
osservate: effettivi valori caratterizzanti la distribuzione presa in esame. Invarianza
statistica: procedimento di calcolo attraverso cui è possibile applicare
specifiche trasformazioni tra variabili. Ipotesi:
di fronte ad un problema è comune osservare che “se questa cosa è vera, allora
otterrò questo risultato”, nelle scienze matematiche è possibile concepire un
tale procedimento a livello formale, ma nelle scienze umane, se il risultato
non ha un riscontro diretto, osservabile nella realtà, non lo si può né
confutare, né approvare, non si ha dunque un’ipotesi scientifica. Ipotesi
nulla: date due o più variabili, queste non sono tra loro differenti oppure è
esclusa l’influenza dell’una sull’altra. Ipotesi
alternativa: è opposta all’ipotesi nulla. Ipotesi
semplice: consiste nel fissare un valore unico nel parametro in esame. Ipotesi
complessa: consiste nel fissare un intervallo al cui interno collocare il
valore del parametro. Ipotesi
monodirezionale crescente: esamina tutti i valori minori rispetto a quelli
della media parametrica. Ipotesi
bivariata: prende in esame tutti i valori che si differenziano da quello della
media del parametro. Ipotesi
ausiliaria: è costituita da condizioni particolari che hanno il fine di
integrare la verifica dell’ipotesi da cui si è partiti. Leggi:
ricavate da osservazioni dirette che concernono un singolo aspetto della
relazione tra le variabili. Metodo
longitudinale: quando si debba esaminare gli effetti di una determinata
situazione la cui durata si dispiega per un periodo temporalmente
considerevole, sono due le tecniche opportune: costruire di volta in volta
nuovi campionamenti; cercare di effettuare controlli con frequenza periodica e
ricorsiva sui gruppi campione. Metodo
trasversale: in questo caso si scelgono campioni formati da soggetti con età
diverse e si compiono osservazioni e rilevazioni di dati entro un arco di tempo
preventivato, confrontandoli tra loro. Misura:
numero associato ad ogni elemento della distribuzione; tutti i procedimenti di
misura in statistica possono essere ricondotti alle operazioni della
sintetizzazione e della dispersione; le principali misure di sintesi sono:
moda, mediana, media aritmetica semplice, media aritmetica ponderata, media
geometrica, media armonica, numero delle classi d’equivalenza, entropia, scarto
mediano, scarto semi-interquartile, campo di variazione, coefficiente di
variazione, varianza, scarto quadratico medio. Popolazione
(universo): insieme di persone, cose, situazioni, procedimenti che
costituiscono l’oggetto della ricerca. Scale
di misura: insieme di tecniche, ognuna delle quali dotata di specifiche
proprietà e strumenti che assolvono a questo compito; esistono quattro tipi di
scala di misurazione: nominale, ordinale, a intervalli e a rapporti di cui le
prime due sono dette qualitative, le seconde due quantitative. Scale
nominali: si hanno quando un insieme di dati può essere ripartito in classi
d’equità. Scale
ordinali: si hanno quando, rispetto ad un insieme di dati, è possibile definire
una relazione d’ordine. Scala
a intervalli: rimane stabile rispetto a determinate trasformazioni. Scala
a rapporti: riguarda due o più variabili aventi un’origine comune. Significatività:
ottenuta attraverso regole basate su operazioni e relazioni definite tramite il
sistema numerico che è misura di quello empirico. Standardizzazione:
particolarmente utile nella statistica inferenziale in quanto è lo strumento
che consente di avere distribuzioni normali. Statistica:
obiettivo principale di tale disciplina è quello di elaborare i dati raccolti
sperimentalmente avendo per fine la loro misura. Statistica
descrittiva: riguarda esclusivamente i dati del campione in esame e ha come
presupposto il loro controllo diretto. Statistica
inferenziale: composta da una grande molteplicità di metodi che trovano un
elemento comune nella teoria delle probabilità; serve ad indicare sino a quale
punto sono rappresentativi di una popolazione i dati che abbiamo potuto
misurare compiutamente solo attraverso il campione. Stima:
rapporto tra campione e popolazione. Test
statistici: si effettuano quando viene formulata un’ipotesi e vengono
realizzate un limitato numero di prove. Validità:
concetto concernente la metodologia della ricerca; una costruzione statistica è
valida quando è in grado di misurare le variabili in funzione delle quali è
stata prodotta. Validità
interna e statica: concerne l’effettiva relazione di causa/effetto tra
variabile indipendente e variabile dipendente. Validità
esterna: possibilità di applicare a diverse situazioni i risultati di una
ricerca sperimentale. Validità
di costrutto: concerne l’eliminazione di diverse spiegazioni teoriche dei
risultati; esiste quando, attraverso la progettazione di nuovi esperimenti che
tengano conto delle situazioni specifiche che si sono verificate, si è in grado
di studiare con maggiore chiarezza quale spiegazione sia preferibile. Variabile
indipendente: situazione causante le risposte che il soggetto dà ad una
determinata stimolazione; è manipolabile e controllata da colui che propone la
prova. Variabile
continua: è specifica di situazioni in cui il cambiamento di stato deve essere
imposto arbitrariamente, in quanto altrimenti non decifrabile. Variabile
discontinua: riguarda situazioni ben distinte e definibili tra loro come
appartenenti a categorie specifiche. Variabile
quantitativa: ciò che muta sono le grandezze. Variabile
qualitativa: ciò che muta è il genere. Analisi
della varianza: si tratta di impiegare particolari tecniche matematiche atte ad
indicare la validità delle ipotesi che vengono formulate in una ricerca
attraverso operazioni che mettono a confronto più campioni. Verifica
delle ipotesi: quando si mette a rapporto un certo numero di campioni possiamo
trovarci di fronte ad una duplice situazione: o le loro misure sono identiche,
oppure no; qualora compaiano delle differenze, la prima cosa da chiedersi
concerne la provenienza o meno dei campioni in questione da un’identica
popolazione; il procedimento di verifica delle ipotesi risponde probabilisticamente
a questo interrogativo attraverso la determinazione di un valore rispetto al
quale porsi a confronto.
    Password |
|
9/9 |