Riassunto esame metodologia della ricerca politica e sociale, prof. Prandini, libri consigliati: Metodologia della ricerca sociale, Marradi; Metodologie e tecniche della ricerca sociale, Corbetta

GLI INDICATORI

Concetti ampi o che toccano temi delicati sono difficili da operativizzare, per questo si ricorre agli

indicatori, concetti specifici che possono essere operativizzati e hanno un legame semantico con

il concetto generale a cui si riferiscono (rapporto di indicazione). La differenza tra indicatori

sociali e scientifici è che i primi operativizzano qualcosa che non potrebbe. Il rapporto di

indicazione:

è un rapporto di rappresentanza semantica

• dev’essere generale, quindi interessare tutti i casi

• dipende dal contesto

• ha una natura stipulativa (il ricercatore ne è responsabile)

• non necessariamente deve essere individuato prima della rilevazione dei dati

• presuppone sempre la presenza di una parte indicante e di una parte estranea

•

L’estensione semantica di un concetto può essere rappresentata graficamente come una nuvola.

La sovrapposizione semantica, la strettezza della rappresentanza tra due concetti è detta validità, ed

è tanto maggiore quanto più ampia è la parte indicante rispetto a quella estranea. La parte

indicante è quella che spiega il fenomeno, mentre quella estranea no ma comunque lo influenza.

Un concetto può essere rappresentato da più indicatori e un indicatore può rappresentare più

concetti (importante per l’analisi secondaria). Criteri semantici:

validazione per contenuto: tiene conto solo di criteri semantici

• validazione per gruppi conosciuti: per vedere se un indicatore è valido si applica prima ad

• una popolazione conosciuta

Criteri sintattici:

validazione concomitante: calcolo coefficienti di associazione con altri indicatori; non

• conferma che tutti o una parte degli indicatori siano estranei

validazione predittiva: considerando i punteggi su un indicatore cerchiamo di predirli su un

• altro

validazione per costrutto: l’indicatore si associa con variabili con cui dovrebbe avere una

• relazione empirica forte

La rilevazione empirica di un concetto passa per quattro fasi:

1. articolazione di un concetto in dimensioni (aree tematiche)

2. scelta degli indicatori per ogni dimensione

3. operativizzazione degli indicatori

4. costruzione degli indici

Può accadere che alcune dimensioni siano scomponibili in sotto-dimensioni (es. vari concetti di

libertà che ne contengono altri a loro volta).

La costruzione dell’indice è parte della definizione operativa del concetto, una nuova variabile che

lo sintetizza. Tipi di indice:

indice tipologico, relativo a variabili categoriali che si concretizza nella tabella di

• contingenza. È costruito tenendo conto delle differenze qualitative tra indicatori

(es. raggruppamento di variabili su base semantica -> capitale culturale)

indice basato su somme o medie, costruito utilizzando variabili cardinali. È più facile da

• costruire perché si possono fare operazioni matematiche e l’autonomia semantica delle

modalità è nulla. È però necessario che non manchino dati, che la scala abbia la stessa

estensione e la stessa direzione semantica e ponderare il peso di ogni indicatore a seconda di

quanto sia influente

Standardizzazione

Si ricorre alla standardizzazione quando si vogliono confrontare dati appartenenti a distribuzioni

differenti che hanno una diversa unità di misura e una diversa dispersione intorno alla media.

Trasforma una variabile (X) in variabile standardizzata (Z) attraverso una doppia normalizzazione:

rispetto alla tendenza centrale della distribuzione (la media)

• rispetto alla dispersione della distribuzione (scarto tipo)

•

zi = scarto dalla media/deviazione standard (scarto^2/N sotto radice)

In questo modo la media risulta uguale a 0 e la deviazione standard uguale a 1.

ANALISI DEI DATI

Insieme di operazioni, con uso più o meno intenso di strumenti statistici, con le quali si

producono asserti e spiegazioni che riguardano i dati.

L’analisi monovariata, bivariata o multivariata. Le analisi bivariata e multivariata ci permettono di

studiare forza e segno della relazione tra due o più variabili:

relazione unidirezionale (A influenza B ma non è è influenzata)

• relazione bidirezionale simmetrica

• relazione bidirezionale asimmetrica (A influenza B più di quanto ne sia influenzata)

•

La relazione tra due variabili può essere di indipendenza (nessuna relazione) o associazione. Se

l’associazione è tra variabili categoriali è concordanza, se sono quantitative si parla di

covariazione. Per variabili ordinali si parla di cograduazione/contrograduazione, per variabili

cardinali si parla di correlazione.

metodo delle variazioni concomitanti di J. S. Mill: se la relazione tra A e B è positiva

• significa che nello stesso insieme di oggetti

— se A è presente in modo rilevante anche B è TENDENZIALMENTE presente in modo rilevante

— se A è assente o trascurabile anche B è TENDENZIALMENTE assente o trascurabile

Tendenzialmente significa che l’accertamento è operato su un insieme di oggetti, può avere esiti

differenti e che per accertare l’esistenza della relazione è sufficiente che abbia esito positivo su una

determinata porzione di oggetti. Con questo metodo è possibile accertare il segno della relazione e

l’intensità (ma non la direzione della relazione).

metodo sperimentale: per stabilire se la relazione tra A e B è uni o bidirezionale dovremmo

•

— scegliere i casi e registrare i loro stati sulle variabili A e B allo stesso momento

— mutare in modo prestabilito gli stati sulla variabile A

— lasciar variare gli stati sulla variabile B (tenendo costanti altre variabili che potrebbero

influenzare B)

E viceversa. In questo modo otterremo informazioni su segno, intensità e direzione della relazione.

Il modello è la rappresentazione grafica di un’ipotesi sulla relazione tra due o più variabili (es.

A↔B).

Solo un esperimento o tecnica statistica può provare l’ipotesi, tranne per quanto riguarda la

direzione della relazione che spetta al ricercatore. Nella realtà è difficile che una variabile sia

influenzata da una sola altra variabile; per questo i modelli bivariati semplificano troppo la realtà e

possono darne un’immagine distorta (relazione spuria), ma sono necessari perché quelli multvariati

si basano su quelli bivariati e spesso la natura della variabili non consente altrimenti.

La relazione può essere:

spuria: relazione che non esiste una volta introdotta variabile Z (es. relazione genere e

• voto + età)

indiretta: relazione che esiste perché c’è Z che fa da ponte tra le due (es. relazione etnia

• e QI + livello d’istruzione)

condizionata: relazione che varia al variare di Z (es. relazione tra età e ascolto musica

• classica + livello d’istruzione)

La specificazione del modello riguarda la sua capacità di includere variabili rilevanti (non

fattibile nelle scienze sociali). La specificazione si persegue stabilendo le variabili da considerare,

fra quali variabili stabilire relazioni e quali relazioni considerare unidirezionali. Per ogni relazione

definiamo una:

VARIABILE INDIPENDENTE (X) = è quella che in una determinata relazione esercita

• l’influenza

VARIABILE DIPENDENTE (Y) = è quella che riceve l’influenza

• VARIABILI INTERVENIENTI (Z) = sono variabili che intervengono nel rapporto tra la

• variabili dipendente e la variabile indipendente

Una variabile può assumere un ruolo diverso a seconda del modello in cui è inserita.

È importante scegliere le variabili rilevanti sia per essere sicuri di non averne dimenticate, sia per

evitare di raccoglierne di inutili. Per questo si ricorre alla mappa dei concetti, detta anche macro-

modello: un modello in cui tutte le variabili sono poste in relazione. Si differenzia dal modello

per: il macromodello viene costruito prima della raccolta dei dati, il modello prima dell’analisi

• dei dati

nel macromodello sono rappresentati concetti, nel modello variabili

•

Nella prima fase di una ricerca definiamo la mappa dei concetti, nella seconda diamo una

definizione operativa o un indicatore ai concetti; controlliamo poi la fedeltà dei dati, aggreghiamo

categorie di classificazione, costruiamo indici tipologici o sommatori, poi analisi dati.

Differenze tra scienze fisiche e scienze sociali

Nelle scienze fisiche è possibile parlare di proposizioni universali, che non hanno limiti, nelle

scienze sociali di considerazioni di natura tendenziale, limitate all’ambito spazio-temporale definito

dai dati. Ragioni:

natura delle unità di analisi: sono uniche e non rappresentative di tutte, al contrario delle

• scienze fisiche, in cui sono interscambiabili

costruzione delle variabili (definizioni operative): nelle scienze fisiche accordo sulle

• definizioni lessicali e operative dei concetti, nelle sociali no

diverse condizioni di specificazione dei modelli: nelle scienze fisiche con un quadro teorico

• sviluppato, si traccia il confine tra variabili e costanti e i modelli sono semplici e ben

specificati. Nelle scienze sociali ci si deve preoccupare delle tradizioni storico-culturali, e i

modelli sono mal specificati

Analisi bivariata

Con l'analisi bivariata è possibile controllare l’esistenza, la forma, il segno e la forza della relazione

ma NON la direzione. Tipi di relazione bivariata:

relazioni tra variabili categoriali (o una categoriale e una ordinale): tabella di

• contingenza

Una tabella di contingenza è una forma di matrice in cui nelle righe troviamo le categorie di

una variabile e nelle colonne quelle dell’altra; nelle celle frequenze di cella. Ai margini destro e

basso stanno i marginali (somme righe e colonne che corrispondono a distribuzioni di frequenza).

Il grado di associazione si giudica sulla base della proporzione di celle in cui i dati si discostano

dal caso di indipendenza (frequenza teorica), e dall’entità di tali scostamenti (concordanza). Se la %

è maggiore si parla di attrazione, viceversa repulsione.

Se le celle sono semanticamente simili si possono aggregare in profili. Si consiglia di usare Chi

quadrato (somma scarti).

relazioni tra variabili ordinali: tabelle di contingenza

•

Avendo valori alti e bassi nelle diagonali si parla di cograduazione e contrograduazione. Se gli

scarti positivi stanno lungo la diagonale della cograduazione si parla di relazione positiva, viceversa

è negativa. Si consiglia di usare D di Sommers con relazioni unidirezionali, gamma di Goodman

e Kruskal con relazione bidirezionale e tau c di Kendall con tabelle olt