Che materia stai cercando?

Riassunto esame Metodologia, prof. Fasanella, libro consigliato Metodologia delle scienze sociali, Marradi Appunti scolastici Premium

Riassunto per l'esame di Metodologia della ricerca sociale e del prof. Fasanella, basato su appunti personali e studio autonomo del testo consigliato dal docente Metodologia delle scienze sociale, Marradi. Gli argomenti trattati sono i seguenti : i concetti, le strutture concettuali, classificazione, tipologia, tassonomia, asserti, preasserti, proprietà globali, aggregate, individuali e contestuali.... Vedi di più

Esame di Metodologia della ricerca sociale docente Prof. A. Fasanella

Anteprima

ESTRATTO DOCUMENTO

Esempio:

0 = nessun titolo

1= licenza elementare

2= licenza media

3= diploma di scuola superiore

4= laura triennale

5= post-laurea

9= informazione mancante Per la informazioni mancanti, si deve sempre scegliere una cifra specifica; un

numero da 0 a 9 se si adottano numeri ad una cifra oppure da 0 a 99 per i numeri a 2 cifre.

Tale piano di codifica è però poco sensibile. La sensibilità è il rapporto che vi è tra il numero di stati di una

proprietà considerati nel piano di codifica e il numero di stati differenti che quella proprietà può

veramente assumere: la sensibilità si aumenta, aumentando gli stati e più il numero delle classi è alto e più

potrò rilevare proprietà più piccole e precise.

Il piano di codifica rientra nell’insieme di regola e convenzioni che permette di trasformare una proprietà in

una variabile nella matrice; tale complesso di regole e convenzioni si chiama definizione operativa.

Per definizione operativa s’intende il complesso di tutte le operazioni, intellettuali e materiali, che

permettono di trasformare gli stati presenti nella realtà in codici (in vettore riga – colonna) che

rappresentano lo stato stesso. Vi sono quindi regole e convenzioni comuni a tutte le proprietà che si

studiano.

Fedeltà dei dati

Un dato è detto fedele se rappresenta correttamente lo stato sulla proprietà in questione, in base però alle

convenzioni stabilite dalla definizione operativa.

Esempi d’infedeltà dei dati sono le dichiarazioni insincere degli intervistatori; spesso non avendo una

propria opinione, gli intervistati presentano ai ricercatori opinioni non proprie, ma condivise dalla

maggioranza. Si tratta della desiderabilità sociale e spesso gli intervistati non sono consapevoli del fatto

che stiamo mentendo. Gli intervistati possono poi anche non capire la domanda così come l’infedeltà può

dipendere anche dall’intervistatore che può leggere male delle domande o risposte, oppure influenzare

l’intervistato.

Procedure per controllare la fedeltà dei dati

La procedura più rapida per controllare la fedeltà dei dati è quella di esplorare la matrice:

1 Wild code check - Controllo dei dati selvaggi. Ispezione delle distribuzioni di frequenza di tutte le

variabili, ovvero quanti dati ci sono legati ai vari codici numerici che rappresentano le variabili.

Esempio variabile “sesso” : Donne 1, uomini 2 , informazione mancante 9: se si trova quindi un codice 3 in

tale variabile è decisamente sbagliato.

2. Altra procedura per esplorare la matrice è quella del Controllo di congruenza – consistency check. Tale

forma si può applicare a un certo numero limitato di situazioni poiché si basa sul fatto che alcune

combinazioni di teorie sono socialmente e giuridicamente impossibili in una certa società . Esempio: il prete

non può essere femmina; i professori non possono essere senza laurea e le casalinghe uomini.

3. Altra forma di controllo è il ricordo a documenti ufficiali. Si tratta di un controllo semplice con risultato

affidabile, ma tale forma di controllo comporta un impegno di tempo e denaro, molto elevato; inoltre vi è il

problema della privacy che riduce il numero dei documenti possibili da consultare. Tale forma è applicabile

solo alle proprietà rilevate ufficialmente.

4. Una forma di controllo applicabile invece a tutte le proprietà, è “l’intervista sull’intervista” (Jan Justinski,

Polinia). Tale forma richiede tuttavia un impiego eccessivo di denaro, tempo e competenza, tanto da

rendere questo controllo impossibile.

Coefficienti di attendibilità

Nel 1904 Charles Spearman propone di determinare l’attendibilità di un test calcolando il coefficiente di

correlazione tra 2 vettori di punteggi ottenuti da un campione di soggetti a cui il test viene somministrato in

due momenti differenti; è la prima formulazione della tecnica del controllo di attendibilità:

si rileva l’attendibilità di un test somministrando il test in un certo giorno a un campione di soggetti , si

registrano le risposte alle domande e si attribuisce un punteggio a ogni risposta. Ad ogni soggetto gli si

attribuisce un punteggio che è uguale alla somma o alla media dei suoi punteggi nelle singole prove; tale

cifra viene registrata su un vettore – colonna.

Dopo un po’ di tempo, si ripete la stessa identica cosa con gli stessi soggetti, le stesse domande o prove in

una situazione il più possibile analoga. Alla fine quindi si calcola un coefficiente di correlazione tra i due

vettori (punteggi della prima somministrazione e delle seconda); questa cifra, chiamata “coefficiente di

correlazione test – retest” viene considerata una misura dell’attendibilità del test in esame.

Il problema principale riguarda però l’intervallo di tempo tra le due somministrazioni del test. La soluzione

trovata fu somministrare due blocchi di domande o provo di abilità sullo stesso tema, ciascuno formato

dallo stesso numero di domande o prove, formulate in maniera simile. I due blocchi sono definiti formulari

paralleli e i due vettori desiderati di producevano sommando i punteggi ottenut9i da ciascun soggetto con

le sue risposte alle varie domande di ciascuno dei due test. Se la correlazione risultava alta, allora conferma

la supporta equivalenza tra i due test e l’attendibilità di ciascuno.

Le definizioni operative registrano o manipolano le opinioni e gli atteggiamenti?

matrice multi – tratto, multi –tecnica, cioè con più proprietà e più tecniche. Campbell e Fiske considerano le

ricerche depositate nell’università del Michigan che avevano registrato proprietà psichiche con 3 o più

definizioni operative. Per ciascuna delle ricerche considerate, i due studiosi hanno costruito una matrice

chiamata multitrat multinethed matrix. Vedi pag. 120 -121

Capitolo settimo

Classificazione, conteggio, misurazione e scaling

Consideriamo ora vari stati in ciascuna proprietà e le conseguenze della natura di questi stati sul modo in

cui si trasformano in dati e sul tipo di analisi applicabile alle relative variabili.

1.Proprietà discrete: sono quelle proprietà aventi un numero finito di stati chiaramente distinti l’uno

dall’altro.

2.Proprietà continue: sono quelle proprietà aventi un numero infinito di stati impercettibilmente diversi

l’uno dall’altro.

Le proprietà discrete si dividono in 3 classi in base alla natura della relazione tra i loro stati:

A. proprietà categoriali: sono quelle categorie dove gli stati sono diversi l’uno dall’altro, ma non c’è

nessuna relazione quantitativa tra loro.

Esempio: nazionalità di un individuo, il tipo di regime politico di uno stato.

B. Proprietà ordinali: sono quelle proprietà in cui gli stati si possono ordinare lungo una scala perché hanno

una relazione d’ordine (maggiore e minore).

Esempio: titolo di studio di un individuo, livello di centralità/perifericità di un quartiere.

C. Proprietà cardinali: sono quelle proprietà in cui tra gli stati c’è una relazione cardinale, cioè quando tra

gli stati si può calcolare un quoziente.

Esempio: il numero dei componenti di una famiglia.

Le proprietà continue invece si dividono in 2 classi:

A. Proprietà misurabili: si tratta di quelle proprietà in cui gli stati si possono registrare senza la

collaborazione attiva dell’individuo

B. Proprietà non misurabili: sono le proprietà in cui invece c’è bisogno di una collaborazione attiva per

registrare gli stati.

Proprietà e variabile categoriale

Le categorie vengono creare attraverso operazioni di classificazione; il requisito fondamentale delle classi è

l’esaustività del complesso delle categorie stesse, ovvero tutti i possibili casi su una proprietà devono

esser assegnati ad una categoria. Tuttavia, dato che ciò spesso non è possibile, molte classificazioni

prevedono anche la categoria residuale “altro”, in cui vengono inseriti tutti quegli stati che non sono

attribuibili alle categorie che hanno invece un significato specifico. Tuttavia, anche le categorie residuali

possono portare non pochi difetti, che per evitarli sarebbe meglio effettuare uno studio pilota,

cioè somministrando prima il questionario ad alcuni membri diversi tra loro , ma appartenenti alla stessa

popolazioni che si intende studiare.

Primo passo fondamentale dello studio pilota è scegliere un fundamentum adatto.

Nel raccogliere informazioni è inoltre opportuno privilegiare il dettaglio.

Il principio del massimo dettaglio si consiglia di applicarlo quando le informazioni vengono raccolte

attraverso un’interazione orale con l’individuo. Infatti quando si somministrano domande “chiuse”

oralmente all’intervistato, esso tenderà a scegliere l’ultima o la prima risposta questo perché la nostra

capacità di considerare simultaneamente varie alternativa è comunque molto limitata.

Una situazione ancora più problematica è quando si fa un’intervista telefonica perché in tal caso ci

potrebbero essere anche problemi di ricezione e comprensione; infatti, in casi del genere, è consigliato

limitarsi a dicotomie ( A o Non A; Si o No)

Comunque, una volta che sono state stabilite le categorie, gli si deve attribuire un codice in modo da

trasformare così le proprietà categoriali in variabili; in questo caso specifico, i codici non devono essere per

forza numerici, poiché non c’è una differenza quantitativa fra loro.

Quindi, attribuendogli un codice, la categoria prende il nome di “modalità” ; il numero dei dati che

vengono attribuiti ad una modalità si indica con l’espressione “frequenza di una modalità”; la modalità con

la frequenza più alta è detta “moda”.

Bisogna quindi analizzare la variabile categoriale e per far ciò bisogna costruire una tabella detta

“distribuzione di frequenza”; tale tabella è composta da 4 colonne:

1. Codice

2. Nome della categoria/modalità

3. Frequenza

4. Relazione percentuale

A questo punto vi è una fase intermedia di abbellimento delle variabili categoriali e al termine di questa

fase, la variabile sarà quindi pronta per esser posta in relazione con altre variabili categoriali o ordinali

attraverso una “tabella di contingenza”. Vedere quaderno

Proprietà e variabili ordinali

Le proprietà ordinali sono quelle proprietà in cui tutti gli stati si possono ordinare lungo una scala, in base

alla natura della proprietà; per trattare queste proprietà, si deve innanzitutto scegliere un fundamentum

divisionis adatto agli interessi conoscitivi e successivamente si deve decidere quali sono gli stati da

convertire in categorie. Le categorie verranno create/delimitate sempre in base ai principi della

classificazione e si stabiliranno dei limiti tra le categorie in modo che saranno mutuamente esclusive; infine

si deve aver cura che il complesso di tali categorie sia esaustivo.

Le categorie ordinali si differenziano da quelle categoriali perché quelle ordinate sono, di fatto, già ordinate

nella realtà e questo stesso ordine deve solo che esser riportato poi nei codici che vengono attribuiti alle

categorie; in tal caso troviamo di solito codici rappresentati da numerici naturali interi positivi (i,2,3,4,5).

La categorie ordinali non hanno autonomia semantica poiché l’interesse non è posto sulle singole

categorie, ma sulla loro sequenza, quindi nella tabella distribuzione di frequenza, le percentuali devono

essere quelle cumulate.

Percentuale cumulata, relativa a una modalità, si calcola considerando la frequenza della modalità presa

in considerazione e la frequenza delle modalità precedenti (se sono successive si dice retro-cumulate).

La distribuzione con frequenza cumulate individua la categoria mediana della distribuzione.

La mediana è la categoria del caso che divide in 2 parti uguali una distribuzione ordinata di valori; quindi

si deve individuare quella categoria che il 50% prima e il 50% dopo.

Vi è poi la moda e la sua posizione rispetto alle altre modalità; quando le modalità sono lontane dalle

mode, quest’ultime verranno prese in considerazione (distribuzione bimodali e trimodali), al contrario, non

verranno considerate (distribuzione unimodale).

Proprietà discrete cardinali. Varabili cardinali naturali.

Le variabili cardinali possono derivare sia da proprietà discrete che continue. Quelle che derivano da

proprietà continue sono dette variabili cardinali metriche, mentre quelle derivanti da proprietà discrete

sono dette variabili cardinali naturali. Tuttavia, nell’analisi dei dati, non vi è differenza tra le varie variabili

cardinali.

Le variabili cardinali naturali sono il risultato di un conteggio ed è la stessa definizione operativa che decide

di registrare in milioni o migliaia di unità.

Nel piano della codifica di informazioni, si privilegia la sensibilità e il dettaglio, dal momento che le

categorie vicine si possono raggruppare anche in seguito. Esempio: le classi di una distribuzione di

frequenza del numero di abitanti di un comune potrebbe essere: meno di 100; da 1001 a 3000; da 3001 a

5000; da 5001 a 8000; da 8001 a 10000; da 10000 in su.

si deve quindi seguire la vicinanza numerica e non semantica poiché tutte le categorie di una variabile

cardinale hanno autonomia semantica ridotta.

Le modalità di tali variabili devono essere numeri veri e propri poiché verranno sottoposto ad operazioni

matematiche. Inoltre, in tal caso, si calcolerà la mediana, la media e altri valori.

La variabilità cioè la dispersione dei dati di una variabile attorno alla media, si rileva con:

1. Devianza: somma degli scarti quadratici della media. Tale somma si ottiene trasformando un dato nel suo

scarto dalla madia; siccome gli scarti possono essere sia positivi che negativi, sommandoli si annulleranno e

sarà quindi necessario elevare al quadrato gli scarti prima di sommarli.

2. Varianza: la devianza viene rapportata alla numerosità della popolazione o al numero dei casi in esame; il

valore che si ottiene serve per confrontare le dispersioni della variabile nei campioni.

3. Scarto tipo: si tratta della radice quadrata della variazione. Rende la misura comparabile anche con altre

grandezze lineari.

4. Coefficiente di variazione: ovvero lo scarto tipo diviso per la media.

Continuare

Capitolo ottavo. Indicatori, validità, costruzioni di indici.

Perché indicatori?

Vi sono casi in cui non si può immaginare una definizione operativa diretta e questo accade quando:

1. l’unita di analisi è qualcosa che non si può interrogare. Esempio: ente, aggregato territoriale.

2. gli stati della proprietà in questione non sono rilevabili attraverso un’osservazione dirette o estrarre da

documenti ufficiali, com’è invece possibile, ad esempio per il numero degli abitanti di un comune.

Inoltre, vi sono casi in cui la definizione operativa diretta si può solo immaginare e ciò non la rende certo

affidabile. Questo accade quando l’unità di analisi è un essere umano e la proprietà indagata:

1. ha risposte socialmente desiderabili (onesti e generosi e non noiosi, ossessivi e sleali);

2. è un concetto non familiare all’uomo comune;

3. è qualcosa considerato riprovevole nella comunità dell’intervistato.

Il fatto però che non si trovi una definizione operativa diretta su una proprietà non comporta un

abbandono della ricerca poiché si possono trovare in alternativa una o più proprietà che abbiano una

relazione semantica stretta con la proprietà che ci interessa e che ammettono soprattutto una definizione

operativa diretta accettabile.

Tali proprietà si chiamano indicatori della proprietà X e la relazione che vi si stabilisce si chiama rapporto di

indicazione.

Gli indicatori nelle scienze sociali

Nelle scienze sociali, per indicatori si intendono quei concetti (proprietà) che si riferiscono ad una

proprietà, non avente stati empiricamente rilevabili, che devono invece avere stati in tutti gli esemplari

dell’unità di analisi in quella ricerca. L’ indicatore è un concetto di proprietà A che fornisce informazioni su

un altro concetto di proprietà B più generale.

Condizione però essenziale è che il ricercatore trovi una stretta relazione fra l’indicatore e il concetto

indicato (rapp. di indicaz.); ogni relazione viene stabilita dal ricercatore in base alle proprie conoscenze

della popolazione studiata, alle esperienza precedenti e alle proprie preferenze. Inoltre, i ricercatori

possono scegliere altri indicatori ancora per un concetto avente già degli indicatori, tuttavia se un

ricercatore decide di prendere altri indicatori ancora, si “richiede” di dare una giustificazione al rifito verso

gli indicatori che sono già stati scelti in precedenza.

Aspetti indicanti e aspetti estranei

Partendo dal fatto che di uno stesso concetto si possono individuare molteplici indicatori, dal momento che

la copertura semantica di un indicatore non coincide con quella del concetto inerente, ogni ricercatore può

ritenere centrale un aspetto diverso dall’intensione del concetto; grazie a tale aspetto, detto aspetto

indicante, scegliere così l’indicatore per il concetto in questione.

Gli altri aspetti detti invece aspetti estranei non verranno considerati, anche se contribuiscono ad

influenzare ilo rapporto di indicazione che si vuole stabilire; bisogna infatti ridurre la prevedibile incidenza

di aspetti estranei.

Inoltre, tra concetto e indicatore vi è una duplice pluralità poiché:

1. Ogni concetto che non suggerisce immediatamente una definizione operativa, richiede una pluralità di

indicatori.

2. ogni concetto che può essere direttamente operativizzato, dall’altra parte può esser scelto come

indicatore di una pluralità di altri concetti.

Analisi secondaria: molti ricercatori invece di raccogliere direttamente i dati, analizzano quelli già rilevati

da altri; così facendo, il ricercatore è però limitato alle proprietà che hanno interessato il ricercatore

originario e quindi alcune proprietà interessanti potrebbero non trovarsi nella matrice.

La validità è una proprietà del concetto A in quanto possibile indicatore del concetto C in un determinato

ambito spazio-temporale e con una determinata unità di analisi.

I metodologici di aspirazione comportamentista screditano sia la forma di controllo chiamata validazione di

contenuto e sia quella detta validazione per gruppi conosciuti.

Tra le tecniche più diffuse per controllare la validità troviamo:

1. Validazione “concomitante” o “simultanea”: si calcolano i coefficienti di associazione fra indicatori della

stessa proprietà indicata; il presupposto è che gli indicatori siano associati fra loro perché hanno appunto la

stessa proprietà o invece potrebbero essere associati perché indicatori di un’altra proprietà.

2. Validazione predittiva: tale validazione controlla se, considerando i punteggi su un indicatore, siamo in

grado di prevedere i risultati di un test successivo. Esempio: se il voto di metodologia è vicino a quello

successivo della laurea, allora il rendimento in metodologia è un indicatore valido per predire il “voto

laurea”.

3. Validazione per costrutto: il supposto indicatore si associa con variabili che dovrebbero avere una

relazione empirica forte con il concetto da indicare; l’indicatore è quindi giudicato valido se le relazioni

sono simili a quelle che si aspettavano. Sulla base del senso comune e delle tecniche accettate.

VEDI ESEMPI PARAGRAFO 8.5: SCELTA DI INDICATORI

La costruzione di indici tipologici con variabili categoriali e ordinali

L’intensione di un concetto ha vari aspetti, e se non è possibile definire operativamente quel concetto in

forma diretta occorre trovare degli indicatori.

Le informazioni raccolte devono essere poi sintetizzate per ricostruire in qualche modo l’unità del concetto.

L’operazione con la quale si realizza questa sintesi si chiama costruzione di un indice.

Il criterio di costruzione degli indici si può stabilire in astratto, nel momento in cui si designa la ricerca; ma

prende corpo quando i dati sugli indicatori sono stati raccolti e codificati nella matrice. Il procedimento che

si segue è diverso a seconda che si trattino le variabili come cardinali o meno.

Se consideriamo le variabili che formeranno l’indice come categoriali o ordinali si attribuisce autonomia

semantica alle loro categorie. Ne consegue che lo strumento per realizzare la sintesi è la tabella di

contingenza, nella quale le categorie di una variabile sono riportate nelle righe e quelle dell’altra variabile

nelle colonne. In ogni cella c’è un tipo cioè la combinazione delle categorie. Questi tipi di indici sono detti

tipologici.

ES. abbiamo due variabili ordinali. La proprietà che ci interessa è il capitale culturale e che due indicatori

scelti siano il titolo di studio del padre e della madre, ognuno rilevato con quattro categorie:

elementare/medio/medio-superiore/superiore.

Questi tipi potrebbero essere le sedici modalità della nuova variabile ( 4 x 4 = 16 ). Il problema è che questa

variabile dovrà essere combinata con altri indicatori di capitale culturale. Sedici categorie sulle righe o

colonne sono decisamente troppe; per questo motivo è opportuno ridurre il numero dei tipi nella tipologia.

•Il codice 1 entrambi i genitori con titolo elementare;

•Il codice 2 almeno un genitore con titolo medio;

•Il codice 3 almeno un genitore con titolo medio-superiore;

•Il codice 4 almeno un genitore con titolo superiore;

•Il codice 5 entrambi i genitori con titolo superiore;

Si ottiene cosi una nuova variabile ordinale, che sintetizza i due indicatori.

Si combinano poi queste 5 tipologie con una variabile categoriale come ad esempio tipologia delle letture

preferite, mettendole in relazione nella tabella di contingenza.

Ogni volta che si vogliono combinare uno o più indicatori, la complessità semantica aumenta in modo quasi

esponenziale, le decisioni necessarie per ridurre la tipologia sono sempre più problematiche e il controllo

intellettuale sull’intera operazione e sui suoi risultati diminuisce. Per questo motivo, ogni volta che si

possono immaginare definizioni operative che creano variabili cardinali o quasi-cardinali, i ricercatori

esperti lo preferiscono.

La costruzione di indici sommatori con variabili cardinali e quasi-cardinali

Per due motivi costruire indici con variabili cardinali o quasi- cardinali è più semplice:

1.Il primo consiste nella possibilità di compiere con piena legittimità operazioni matematiche sui codici

numerici che rappresentano gli stati in queste variabili;

2.Il secondo riguarda la ridotta o nulla autonomia semantica delle categorie, che ci permette di passare da

un trattamento con tabelle, dove il fuoco dell’attenzione deve concentrarsi su ogni cella, a un trattamento

con diagrammi, dove l’attenzione può concentrarsi sull’andamento.

Dal punto di vista tecnico i procedimenti sono gli stessi; quello che cambia radicalmente è l’obiettivo del

trattamento. In un caso, stiamo costruendo variabili di maggiore generalità e portata teorica; nell’altro, le

variabili sono state costruite, e stiamo esplorando un segmento della fitta rete di relazioni tra loro.

Le operazioni matematiche necessarie per costruire indici a volte sono semplici somme di punteggi.

Naturalmente questo livello di semplicità si può raggiungere solo se sono soddisfatte quattro condizioni;

1.La condizione fattuale: cioè che non manchino dati su uno o più indicatori: se ne mancano, il punteggio

finale di ciascun caso nell’indice deve essere la media e non la somma dei suoi punteggi validi. Se si

sommasse, i punteggi finali di tutti i casi che hanno dati mancanti sarebbero indebitamente minori di quello

che dovrebbero essere. Spetta al ricercatore decidere quanti dati mancanti si possono accettare;


ACQUISTATO

7 volte

PAGINE

18

PESO

254.24 KB

PUBBLICATO

+1 anno fa


DESCRIZIONE APPUNTO

Riassunto per l'esame di Metodologia della ricerca sociale e del prof. Fasanella, basato su appunti personali e studio autonomo del testo consigliato dal docente Metodologia delle scienze sociale, Marradi. Gli argomenti trattati sono i seguenti : i concetti, le strutture concettuali, classificazione, tipologia, tassonomia, asserti, preasserti, proprietà globali, aggregate, individuali e contestuali. Definizione operativa. Da proprietà a variabile nella matrice. Fedeltà dei dati, procedure per controllare la fedeltà dei dati. Wild code check - Controllo dei dati selvaggi. Controllo di congruenza – consistency check.Coefficienti di attendibilità. proprietà discrete e conitnue. Variabili cardinali, ordinali e categoriali. Indicatori, validità, costruzioni di indici.
Perché indicatori?


DETTAGLI
Corso di laurea: Corso di laurea in scienze della comunicazione pubblica e d'impresa
SSD:
A.A.: 2015-2016

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher vale.mazz di informazioni apprese con la frequenza delle lezioni di Metodologia della ricerca sociale e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università La Sapienza - Uniroma1 o del prof Fasanella Antonio.

Acquista con carta o conto PayPal

Scarica il file tutte le volte che vuoi

Paga con un conto PayPal per usufruire della garanzia Soddisfatto o rimborsato

Recensioni
Ti è piaciuto questo appunto? Valutalo!

Altri appunti di Metodologia della ricerca sociale

Riassunto esame Metodologia della ricerca sociale, prof. Fasanella, libro consigliato Metodologia e tecniche della ricerca sociale, Corbetta
Appunto
Riassunto esame Metodologia della ricerca sociale, prof. Fasanella, libro consigliato Il Disegno della Ricerca Sociale, Agnoli
Appunto
Riassunto esame Metodologia della ricerca sociale, prof. Fasanella, libro consigliato Metodologia e tecniche della ricerca sociale, Corbetta
Appunto
Riassunto esame Metodologia, prof. Fasanella, libro consigliato Il disegno della ricerca sociale, Agnolli
Appunto