Psicometria corso progredito

Tipi di tecniche (unità 1)

Di rilevazione

Procedure mediante cui si producono i dati (interviste, osservazione, test).

Di analisi

Elaborazione dei dati al fine di acquisire elementi conoscitivi sulla realtà.

• Entrambe comportano una semplificazione della realtà.
• Non sono tra loro indipendenti. Determinate tecniche di analisi presuppongono che le informazioni siano state rilevate in un certo modo; determinate tecniche di rilevazione pregiudicano la possibilità di ricorrere ad alcune tecniche di analisi.

Possono assumere diverse forme: scritta (es. questionario o test) oppure orale (es. intervista); libera (es. colloquio) oppure strutturata (es. griglia di osservazione), singola, di gruppo o collettiva, in presenza o a distanza. Tutte le tecniche di rilevazione sono indirizzate a studiare alcune proprietà oggetto di indagine, che sono rese intellegibili sulla base di una o più teorie psicologiche. Tramite la riflessione teorica siamo in grado di individuare quali possono essere le proprietà e gli oggetti più salienti: ad esempio, sulla base della teoria dell'attaccamento potremmo essere interessati ad osservare i momenti di interazione o di distacco all'interno di una coppia madre-bambino.

• Proprietà: caratteristica che è possibile attribuire ad un oggetto o unità d'analisi [stile di attaccamento]
• Stati: diversi modi in cui si manifesta una proprietà [sicuro, insicuro-evitante, insicuro-ambivalente, disorganizzato]
• Unità: referenti su cui si vogliono avere informazioni [madre-bambino]

Tecniche di analisi

• Statistica descrittiva: sintesi, descrizione di dati
• Statistica inferenziale: dimostrazione di ipotesi sperimentali. Fare inferenze sulla popolazione
• Statistica esplorativa: interpretazione di fenomeni complessi

Operativizzazione

L'operativizzazione consiste nell'applicare alcune procedure esplicite o definizioni operative che consentono di rilevare empiricamente un costrutto teorico o proprietà altrimenti intangibile. La definizione operativa implica le azioni che dobbiamo compiere per misurare le proprietà del costrutto, ovvero indica come esso si manifesta empiricamente. Da uno stesso costrutto teorico possono originare numerose e differenti definizioni operative. Ad esempio, l'aggressività potrebbe essere rilevata contando quante volte un adolescente utilizza la forza fisica per risolvere un conflitto, dando ad esempio calci o spinte ad un altro coetaneo (Ercolani e Perugini, 1997), oppure calcolando il punteggio totale che l'adolescente ottiene in un questionario di autovalutazione in cui sono riportati episodi che implicano azioni di tipo aggressivo.

Campionamento

Corrisponde all'operazione di selezione di un insieme discreto di unità (campione) da un insieme più ampio (popolazione). Esistono molteplici procedure di campionamento che possono essere ricondotte a due ampie tipologie: non probabilistiche e probabilistiche.

• Campionamento non probabilistico comprende sia i campioni di convenienza (anche detti accidentali, a casaccio, volontari), che metodi più organizzati di selezione del campione (es. campionamento per quote).
• Campionamento probabilistico fa sì che ogni elemento della popolazione di interesse abbia una probabilità conosciuta e diversa da zero di essere incluso nel campione. Si basa su una selezione casuale che viene introdotta in qualche punto del processo di campionamento. In un campione probabilistico i risultati ottenuti da un campione occorrono con probabilità note e consentono pertanto di utilizzare le statistiche calcolate sul campione come stime dei parametri della popolazione.

Campionamento scelta del campione -> inchiesta sociale.

Misurazione

Insieme di regole per rappresentare tramite le proprietà dei numeri alcune proprietà delle caratteristiche a cui essi si riferiscono. La misurazione consiste nell'assegnazione di simboli ad oggetti in modo tale da:

• Rappresentare numericamente delle quantità di attributi (scaling);
• Definire gli oggetti che rientrano nella stessa o in differenti categorie rispetto ad un dato attributo (classificazione).

Le variabili sono le proprietà di un evento reale che misuriamo, controlliamo o manipoliamo nella ricerca. Differiscono in molti aspetti, soprattutto nel ruolo assegnato nella nostra ricerca ed nel tipo di misure che può essere loro applicato.

Modi di trattare le variabili

La scelta del modo di trattare le variabili dipende dagli scopi dell'indagine, dal ruolo che quella variabile può assumere nel problema studiato e dalla natura della variabile (possibilità o meno di manipolazione, costi della manipolazione vs. costi della misurazione). I modi conosciuti di trattare le variabili sono:

• Modo K: si mantiene costante la variabile per tutte le osservazioni (si usa spesso per controllare variabili indirettamente rilevanti) (costante di disegno)
• Modo X: si controlla la variabile direttamente o indirettamente rilevante facendole assumere un particolare valore noto in un sotto-insieme di osservazioni e un diverso valore in un sottoinsieme diverso (variabile di disegno). Il modo X si riferisce sia a variabili effettivamente manipolate che a variabili non manipolate o manipolabili (variabile indipendente)
• Modo M: si misura la variabile e si assegnano i casi ai diversi sottoinsiemi derivanti da una variabile di disegno in modo che ciascuno dei sottoinsiemi abbia la stessa media (gruppi appaiati)
• Matching: neutralizzare una terza variabile potenzialmente influente.
• Modo Y: si lascia la variabile libera di assumere qualsiasi valore e si osserva/registra i valori assunti (variabili osservate). Esse possono essere sia variabili dipendenti che intervenienti o covariate. (variabile dipendente)
• Modo R: si assegnano i soggetti alle diverse condizioni sperimentali in base a criteri che garantiscano che ogni soggetto ha la stessa probabilità di essere assegnato a ciascuna condizione. (Casualizzazione o Randomizzazione). È indispensabile nelle indagini sperimentali in cui si vogliono trarre inferenze valide circa le relazioni di natura causale. Randomizzazione (Randomization): assegnazione casuale delle unità alle condizioni -> Vero esperimento
• Modo Z: si ignora la variabile, che non viene esplicitamente considerata nel disegno di ricerca. Ciò può produrre una distorsione sistematica, qualora tale variabile ignorata sia associata a una variabile di disegno.

Variabili dipendenti vs indipendenti

Variabili indipendenti sono quelle che sono state manipolate dal ricercatore, mentre le variabili dipendenti sono state solo misurate o registrate. I termini si applicano soprattutto alla ricerca sperimentale dove alcune variabili sono manipolate, e in questo senso sono "indipendenti" dalle reazioni iniziali, caratteristiche ed intenzioni dei soggetti. Ci si aspetta che altre variabili siano "dipendenti" dalla manipolazione o condizioni sperimentali. Cioè, dipendono da "quello che il soggetto farà" in risposta.

Ricerca correlazionale vs sperimentale

Nella ricerca correlazionale non manipoliamo qualsiasi variabile (o almeno non cerchiamo di influenzarle) ma misuriamo e osserviamo soltanto le relazioni (correlazioni) tra alcuni insiemi di variabili, come ad esempio l'ansia e la prestazione in un nuovo compito motorio.

Ricerca quasi-sperimentale

Alcune variabili di disegno (X) non sono in realtà manipolate dallo sperimentatore, ma assegnate in quanto contraddistinguono alcune proprietà preesistenti che sono rilevanti nel contesto della ricerca. Ad esempio, una ricerca sulle differenze di genere nel ricordo di comportamenti prosociali narrati in una storia. La variabile di disegno genere rappresenta una variabile ascritta o assegnata dallo sperimentatore. Le variabili ascritte sono anche dette differenziali e oltre alle condizioni anagrafiche, possono riguardare tratti di personalità, capacità personali, etc. etc. In tutti i casi in cui vi è almeno una variabile ascritta o assegnata dallo sperimentatore si parla di ricerca quasi-sperimentale.

Nella ricerca sperimentale manipoliamo alcune variabili e misuriamo gli effetti di questa manipolazione sulle altre variabili; per esempio, un ricercatore può aumentare artificialmente l'ansia dei partecipanti e registrare i cambiamenti nella esecuzione di un compito. Nella ricerca correlazionale si potrebbero misurare il livello d'ansia e il numero di errori nell'esecuzione di un compito e valutare se esiste una correlazione tra queste due variabili. La presenza di una correlazione tra due variabili non ci autorizza a stabilire un rapporto di causazione tra le variabili. Esse potrebbero variare ad esempio essendo entrambe collegate ad una terza variabile, che è stata da noi ignorata. Attenzione: Anche nella ricerca sperimentale l'analisi dei dati concerne la «variazione concomitante» delle variabili; tuttavia, mantenere alcune condizioni costanti, poter assegnare casualmente i partecipanti alle condizioni, manipolare una variabile indipendente per volta e registrare l'immediata e successiva «variazione concomitanti» della variabile dipendente, sono tutti elementi che ci offrono maggiori garanzie nel poter leggere in termini «causali» il risultato ottenuto. Ad esempio: Se abbiamo riscontrato che ogni qualvolta modifichiamo la variabile A la variabile B cambia e abbiamo controllato tutte le fonti di variazione potenzialmente rilevanti, che potrebbero potenzialmente influire su B, indipendentemente da A, allora possiamo concludere che «A causa B.»

Disegni per gruppi indipendenti vs. disegni a misure ripetute

Sono due strategie di ricerca differenti che consentono di pervenire alle stesse conclusioni. Il disegno a misure ripetute è in genere più economico e potente in quanto richiede un minor numero di partecipanti, ma risulta non sempre realizzabile dal momento che:

• 1) Lo stesso partecipante non sempre può essere sottoposto a tutti i livelli della variabile indipendente.
• 2) Ogni partecipante deve garantire una maggiore disponibilità.
• 3) Occorre controllare bene l'effetto dell'ordine e della sequenza al fine di non pervenire a delle conclusioni erronee.

https://www.jove.com/v/10056/the-simple-experiment-two-group-design

https://www.jove.com/it/v/10034/within-subjects-repeated-measures-design?language=Italian

Esercizio

Supponiamo che tu sia stato coinvolto in una sperimentazione clinica in cui stai testando un nuovo farmaco antidepressivo chiamato Joyzepam. Al fine di valutare correttamente l'efficacia del farmaco, lo studio prevede la somministrazione di tre diversi farmaci. Uno è un placebo e l'altro è un farmaco antidepressivo/ansiogeno esistente chiamato Anxifree. Sono stati reclutati 18 partecipanti con depressione da moderata a grave per il test iniziale. Poiché i farmaci vengono talvolta somministrati insieme a una terapia psicologica, il tuo studio include 9 persone sottoposte a terapia cognitivo comportamentale (CBT) e 9 che non lo sono. Ai partecipanti viene assegnato in modo casuale (in doppio cieco, ovviamente) un trattamento, in modo tale che ci siano 3 persone CBT e 3 persone senza terapia assegnate a ciascuno dei 3 farmaci. Uno psicologo valuta l'umore di ogni persona dopo un periodo di 3 mesi con ciascun farmaco e il miglioramento complessivo dell'umore di ciascuna persona viene valutato su una scala che va da -5 a 5.

• Modo X (farmaco e terapia psicologica)
• Modo Y (miglioramento umore)
• Modo K (depressione moderata a grave, test, scala di misura, durata del trattamento)
• Modo R (trattamento)
• Modo M (nessuna)
• Modo Z (tutte eccetto quelle sopra riportate)
• Si tratta di una ricerca: Sperimentale, perché vi è una manipolazione del trattamento, che assume i valori decisi dallo sperimentatore (combinazione di farmaco e terapia psicologica). I partecipanti sono assegnati ai gruppi in doppio cieco.
• Quante sono le variabili di disegno? Tre: farmaco, terapia, fase
• Quanti livelli ha la variabile farmaco? Tre: Placebo, Anxifree, Joyzepam
• Quanti livelli ha la variabile terapia? Due: notherapy; CBT
• Quanti livelli ha la variabile fase? Due: Pre-Post
• Il disegno della ricerca è un disegno fattoriale 3 x 2 x 2 (con l'ultimo fattore a misure ripetute)

Calcolare le statistiche descrittive

• Utilizzando il programma JASP
• Calcolare indicatori di tendenza centrale del miglioramento dell'umore per il tipo di farmaco
• Calcolare indicatori di dispersione del miglioramento dell'umore per tipo di farmaco
• Verificare che le due distribuzioni del miglioramento dell'umore per terapia siano assimilabili ad una distribuzione normale
• Rappresentare graficamente i dati al fine di identificare eventuali outliers

Scala nominale

• Consente di classificare delle risposte.
• Non consente di ordinare delle risposte.
• Non consente di misurare delle risposte.

Indicatori di tendenza centrale

• Quali indicatori di tendenza centrale si possono utilizzare con dati su scala nominale? Moda

Un esempio di caso con dati su scala nominale può essere rappresentato dal classificare le persone in base al loro gruppo sanguigno. In questo caso, e in generale per dati su scala nominale, possiamo soltanto fare una suddivisione in categorie distinte e mutualmente esclusive (ognuno di noi appartiene ad un solo gruppo sanguigno).

Scala ordinale

• Consente di classificare delle risposte.
• Consente di ordinare delle risposte.
• Non consente di misurare delle risposte.

Indicatori di tendenza centrale

• Quali indicatori di tendenza centrale si possono utilizzare con dati su scala ordinale? Moda, Mediana

Un esempio di caso con dati su scala ordinale può essere rappresentato dal classificare le persone in base al loro titolo di studio. In questo caso la scala ordinale, oltre ad includere le caratteristiche della scala nominale, permette di ordinare i dati in funzione del loro possedere una grandezza che varia da + a – (o viceversa), senza però consentire di valutare la distanza tra grandezze. Ad esempio, possiamo attribuire al titolo di studio elementare la categoria 1, al titolo della media inferiore la categoria 2, al titolo della media superiore la categoria 3. Questo ci dice che chi ha il titolo di media superiore ha anche il titolo di media inferiore ed elementare. Non ci dice viceversa che la durata della scuola superiore (3) è tre volte tanto la durata della scuola elementare (1).

Scala a rapporti

• Quale di queste scale ha lo zero assoluto? A rapporti

Scala a intervalli

• Consente di classificare delle risposte.
• Consente di ordinare delle risposte.
• Consente di misurare delle risposte.

Indicatori di tendenza centrale

• Quali indicatori di tendenza centrale si possono utilizzare con dati su scala a intervalli? Moda, Mediana, Media

Un esempio di caso con dati su scala a intervalli può essere rappresentato dai dati ricavati in un test sul QI. Supponendo che abbiano partecipato al test 4 persone e che queste abbiano ottenuto i punteggi di 70, 90, 110 e 140, possiamo dire che chi ha avuto un punteggio di 140 ha una intelligenza maggiore di chi ha avuto punteggi inferiori. Potremmo anche dire che la differenza di intelligenza che c’è tra chi ha avuto 70 e chi ha avuto 90 (90-70=20) è uguale alla differenza di intelligenza che c’è tra chi ha avuto 110 e chi ha avuto 90 (110-90=20). Nonostante 140 sia il doppio di 70 non possiamo affermare che il partecipante che ha ottenuto il punteggio di 140 sia intelligente il doppio rispetto al partecipante che ha ottenuto 70. Non possiamo fare questa affermazione in quanto con dati su scala a intervalli lo zero è arbitrario (e non assoluto, come nella scala a rapporti). In sintesi, con dati su scala a intervalli possiamo fare dei confronti relativi alle differenze di grandezza oppure ai rapporti tra intervalli di grandezza ma non possiamo stabilire dei rapporti diretti tra le misure ottenute.

Scala a rapporti

• Consente di classificare delle risposte.
• Consente di ordinare delle risposte.
• Consente di misurare delle risposte.

Indicatori di tendenza centrale

• Quali indicatori di tendenza centrale si possono utilizzare con dati su scala a rapporti? Moda, Mediana, Media

Un esempio di caso con dati su scala a rapporti può essere rappresentato dall’altezza. Supponiamo di avere una persona alta 75 cm e una persona alta 150 cm. Essendoci uno zero assoluto, possiamo affermare che la persona alta 150 cm è alta il doppio della persona alta 75 cm.

Calcolo delle frequenze percentuali

• In quali di queste scale è possibile calcolare le frequenze percentuali? Nominale, Ordinale, A intervalli, A rapporti

Domande e risposte

• Quanti sono i casi inseriti? I casi sono 6.
• Quante sono le variabili inserite? Le variabili sono 4.
• Quante sono le variabili misurate su scala nominale? Nello specifico 2 (SEX e EDU) ma in realtà tutte le variabili riportate si possono misurare su scala nominale.
• Quali sono le variabili misurate su scala nominale? (una sola risposta) a. SEX b. EDU c. ACH d. AGE
• Quali sono le variabili misurate su scala ordinale? c. EDU d. ACH e. AGE
• Quali sono le variabili misurate su scala a intervalli? d. ACH
• Quali sono le variabili misurate su scala a rapporto? e. AGE
• Considera il valore ottenuto dal 3° partecipante sulla scala achievement. Con riferimento al manuale di Aron et al. come potremmo definire il valore ottenuto? d. punteggi
• In una classe elementare si dettano ai bambini 7 nuove parole e successivamente si chiede loro di ricordare quante più parole possibili. Maria ne ricorda 3. Quale è la variabile misurata? Le parole ricordate
• In una classe elementare si dettano ai bambini 7 nuove parole e successivamente si chiede loro di rico...